2004年-世界发展银行全球_Linking_Representative_Household____________Models_with_Household_Surveys_for_Poverty_Analysis__A___________Comparison_of_Alternative_Methodologies_48页_1mb

文档总结：将代表性家庭模型与家庭调查数据结合用于贫困分析的方法比较

核心内容

本文比较了三种将代表性家庭模型（Macro-RHG）与家庭调查数据结合的方法，以评估政策冲击对贫困和收入分配的影响。这三种方法分别是：简单微会计方法、带有再加权技术的扩展方法和使用分布函数的方法。尽管在模拟实验中，这三种方法在绝对结果上没有根本差异，但它们在测量政策冲击对贫困和收入分配影响时存在显著差异。

主要观点

1. 代表性家庭模型（Macro-RHG）

   • 通常将家庭分为若干组，基于教育水平、居住地和就业部门等特征。
   • 模型假设组内收入分布不变，仅关注组间差异，因此无法反映个体间的收入异质性。
   • 由于忽略组内异质性，该模型在分析政策对收入分配的影响时存在局限。

2. 方法比较

   • 简单微会计方法：直接使用家庭调查数据，调整每组的平均收入和消费水平，不考虑组内结构变化。该方法假设组内分布不变，因此仅反映组间变化。
   • 扩展方法（再加权技术）：在简单微会计方法基础上，引入再加权技术以反映就业结构的变化。通过调整权重，模拟人口结构的变化对贫困和收入分配的影响。
   • 分布函数方法：使用参数化分布函数（如Beta分布）描述组内收入分布，假设分布形状不变，仅调整均值以反映政策冲击。这种方法可以更准确地模拟组内收入变化。

3. 方法的适用性与局限性

   • 简单微会计方法操作简便，但忽略了组内异质性。
   • 再加权方法可以部分反映组内变化，但假设组内特征不变，仍存在局限。
   • 分布函数方法更灵活，能捕捉组内分布变化，但预测效果受贫困线设定影响较大。

关键信息

• 研究背景：随着对政策影响贫困和收入分配机制的研究加深，需要更精确的方法将宏观模型与微观调查数据结合。
• 模型结构：使用Mini-IMMPA框架，该模型基于五类家庭（农村工人、非正规城市工人、非技能城市工人、技能城市工人、资本家和租客）。
• 贫困与不平等指标：使用FGT贫困指标（$P_{\alpha t}$）、基尼系数（$G_t$）和泰尔指数（$T_t$）进行测量。
• 数据处理：采用虚构的调查数据，其中每组家庭的平均收入和消费支出基于宏观模型参数设定，标准差根据实际数据调整。
• 贫困线调整：贫困线根据宏观模型中的价格指数进行调整，以反映消费篮子价格变化。
• 再加权方法：通过调整权重反映人口结构变化，但假设组内特征不变。
• 分布函数方法：使用Beta分布描述组内收入分布，仅调整均值，不改变分布形状。该方法在某些情况下（如农村和非正规城市家庭）拟合效果较好，但在其他组别中存在显著偏差。

方法对比与模拟结果

• 贫困指标计算：

  • 简单微会计方法：基于调整后的家庭数据计算贫困指标。
  • 再加权方法：在计算贫困指标时，考虑就业结构变化对人口分布的影响。
  • 分布函数方法：使用估计的分布参数计算贫困指标，不依赖原始调查数据。

• 不平等指标计算：

  • 简单微会计方法：仅计算组间不平等。
  • 再加权方法：可计算组间和组内不平等。
  • 分布函数方法：假设组内不平等不变，仅计算组间不平等。

• 模拟结果：

  • 使用虚构数据进行模拟，发现分布函数方法在部分组别（如农村和非正规城市家庭）中拟合效果较好，但在其他组别中存在较大偏差。
  • 拟合效果受贫困线设定影响显著，当贫困线接近分布曲线交叉点时，预测结果更接近实际值。
  • 贫困指标的预测误差较大，尤其在贫困差距指数（$P_1$）方面，预测值通常高于实际值。

结论

• 三种方法在绝对结果上相似，但在测量政策冲击对贫困和收入分配的影响时存在显著差异。
• 分布函数方法在理论上更具灵活性，能够反映组内分布变化，但在实际应用中仍需注意其局限性。
• 本文强调在有限资源和技能条件下，比较不同方法的适用性对于政策评估具有重要意义。

附录要点

• 再加权方法：用于调整权重以反映人口结构变化，适用于与真实调查数据保持一致的基线年数据。
• Beta分布参数估计：使用样本均值和方差估计Beta分布的形状参数，通过调整贫困线进行标准化。
• 拟合结果：显示在排除极端值后，Beta分布对贫困指标的拟合效果有所提升，但仍存在偏差。