世界银行-实时指标追踪新冠肺炎危机期间发展中国家家庭福利变化的情况如何？（英）-2024.9-46页_1mb

研究背景

COVID-19疫情期间，传统经济数据的获取面临延迟和成本高的问题，而实时指标（如卫星数据、移动数据、搜索趋势）可以快速反映社会经济变化。本文使用世界银行的高频电话调查数据，结合互联网搜索、移动和卫星数据，监测20国约300个行政区域的社会经济福利变化。

关键方法与数据

• 电话调查数据：57个发展中国家的高频调查，覆盖就业、收入、食品安全等指标。
• 实时指标：Google移动数据、关键词搜索、氮氧化物（NO₂）、植被指数（EVI）、夜间灯光。
• 预测模型：使用LASSO模型选择变量，评估各指标对收入损失、失业等的解释力。

主要发现

1. Google搜索与移动数据：

   • 能较好预测收入损失、失业及就业变化（尤其是初始阶段）。
   • 食品类（如“面包”）、求职业类（如“工作”）、经济类（如“钱”）关键词搜索为强预测因子。
   • 城市地区预测力显著强于农村（R²从初始阶段的14%升至55%）。

2. 其他实时指标：

   • 氮氧化物（NO₂）与城市停工、就业相关。
   • 植被指数与应对贫困和辍学行为有关。
   • 晚上灯光数据预测力较弱，未被模型选中。

3. 时间与跨区域预测：

   • 初始阶段（2020年4-8月）的预测力优于后续时间序列。
   • 不同地区的发展水平影响预测相关性，需结合本地数据校正。

意义与建议

• 适用性：Google数据（移动与搜索）更适合短期危机下的经济监测。
• 局限性：受互联网覆盖率和区域基础设施影响，需谨慎使用。
• 未来发展：需探索更多实时数据源，如通话记录、建筑卫星图像，提升模型适应性。

结语

该研究证明了实时数据在发展中国家疫情监测中的价值，特别是Google移动与搜索数据的高预测精度，尤其是在城市地区的灵活应用。尽管存在数据代表性问题，这些工具可在传统调查不可及时为政策制定提供关键支持。