2007年-世界发展银行全球_Tracking_Poverty_Over_Time_in_the_Absence_of_Comparable_Consumption_Data_25页_243kb

总结：Tracking Poverty Over Time in the Absence of Comparable Consumption Data

核心内容

本文探讨了一种在缺乏可比消费数据的情况下，跟踪贫困变化的经济资产指数方法。该方法基于家庭预算调查和资产数据的可比性，通过建立消费与资产之间的统计关系，预测未来的消费水平并推导出贫困变化。这种方法特别适用于无法定期获得消费数据的国家和地区。

主要观点

• 贫困跟踪的重要性：随着全球对减贫成果的关注增加，跟踪贫困变化的需求也随之上升。
• 传统方法的局限性：依赖消费或收入数据的传统方法面临数据获取不规律、设计不一致和价格调整困难等问题。
• 经济资产指数方法：通过建立消费与资产之间的统计关系，可以预测消费水平并估计贫困变化。该方法基于一个对数线性模型，假设参数分布随时间保持不变。
• 误差来源：包括个体误差、模型误差、计算误差和抽样误差，其中个体误差与目标人群规模有关，模型误差与参数稳定性及资产变量选择有关。
• 变量选择标准：资产变量的选择基于三个标准：稳定性、可比性和解释力，以优化模型的准确性。
• 变量类型：包括住房质量、卫生设施、耐用消费品、儿童营养状况、地区特征（如降雨和疟疾发病率）以及家庭人口统计学特征。

关键信息

数据来源与方法

• 使用了肯尼亚1993、1998和2003年的**人口与健康调查（DHS）数据，以及1997年的福利监测调查（WMS）**数据。
• 资产数据包括：住房条件、耐用消费品（如收音机、电视、冰箱、自行车）、饮用水、厕所、电力供应、儿童营养状况、降雨和疟疾数据等。
• 方法通过建立消费与资产之间的关系，利用已有的资产数据和消费数据预测未来的消费水平，从而估计贫困变化。

方法步骤

1. 建立消费与资产的统计关系：通过回归分析建立消费与资产之间的对数线性关系。
2. 预测消费水平：使用已知的资产数据和参数估计，预测未来的消费水平。
3. 计算贫困指标：基于预测的消费水平，计算贫困头数、贫困变化等指标。
4. 模拟误差：通过模拟不同参数抽样来评估贫困指标的不确定性。

贫困趋势分析

• 农村地区：贫困持续下降（1993–2003年）。
• 城市地区：贫困趋于稳定，但不同城市区域的趋势存在差异。
• 内罗毕：贫困下降。
• 其他城市地区：贫困上升。
• 趋势虽然不完全显著，但总体方向与消费数据、其他调查结果一致。

创新点

• 引入时间变化变量：如降雨和健康状况，以捕捉福利的临时变化。
• 排除不稳定资产：如劳动和教育，因其参数可能随时间变化。
• 提高模型解释力：通过选择具有高解释力的变量，并结合地区特征变量（如降雨和疟疾）进行分析。

模型误差控制

• 参数稳定性：选择参数稳定的资产变量。
• 变量选择：基于统计显著性和解释力，优化模型。
• 误差模拟：通过模拟不同参数抽样来评估贫困预测的准确性。

应用范围

• 该方法适用于任何定期收集的资产和消费数据，包括世界银行的核心福利指标问卷（CWI）。
• 特别适用于数据不完整或不一致的地区，如非洲撒哈拉以南国家。

结论

本文提出了一种在缺乏可比消费数据的情况下，跟踪贫困变化的有效方法。通过建立消费与资产的统计关系，结合时间变化变量，该方法能够在一定程度上弥补消费数据的缺失。其应用表明，农村贫困在1993–2003年间持续下降，而城市地区则表现出不同的趋势。这种方法为贫困监测提供了新的视角，并有助于更准确地评估社会福利和贫困变化。