2003年-世界发展银行全球_Poverty_in_India_during_the_1990s___A_Regional_Perspective_60页_2mb

总结：印度1990年代贫困状况的地区视角

核心内容

本研究旨在通过调整方法，提供印度1990年代贫困状况的地区层面估计，以解决因不同调查问卷设计导致的不一致性问题。研究使用了1993-94（第50轮）和1999-2000（第55轮）的国家样本调查（NSS）数据，其中第55轮引入了多种回忆期，导致数据不可比性。为解决这一问题，作者采用了一种基于第50轮数据建立的消费模型，将第55轮的消费数据进行预测，从而实现两轮数据的可比性。

主要观点

• 贫困数据的可比性问题：第50轮使用统一的30天回忆期，而第55轮则引入了不同回忆期的问卷设计，导致数据不可比。这种不一致可能影响贫困趋势的准确判断。
• 调整方法：研究采用了一种基于模型的预测方法，通过第50轮数据建立的消费模型来估算第55轮的消费水平，从而确保贫困衡量的一致性。
• 不同模型的影响：使用30天回忆期模型和多变量模型（包括人口、职业、教育等变量）得到的贫困率差异显著。多变量模型在部分地区显示更温和的贫困下降趋势，甚至在某些地区出现上升。
• 地区差异的重要性：研究发现，贫困趋势在不同地区之间存在显著差异，地理因素对贫困变化有重要影响，部分地区在1990年代经历了快速的贫困下降，而其他地区则变化不大或出现上升。

关键信息

数据来源与方法

• 使用**国家样本调查（NSS）**数据，涵盖1993-94和1999-2000两个调查周期。
• 采用Elbers等（2002, 2003）提出的方法，通过模型预测实现数据可比性。
• 30天回忆期模型：基于第50轮和第55轮中6类商品（如燃料、医疗等）的30天消费数据，预测第55轮的总消费。
• 多变量模型：使用人口、职业、教育等非消费变量进行回归，以预测贫困率。
• 地区划分：印度15个主要州被划分为约60个“NSS地区”，用于分析贫困趋势。

贫困趋势分析

• 农村贫困率：
  • 根据30天回忆期模型，农村贫困率从1993/4年的33.0%下降至1999/0年的28.8%。
  • 多变量模型显示农村贫困率下降较慢，从33.0%下降至28.8%，但部分州如农村比哈尔邦、农村安得拉邦的下降幅度较小。
  • 在某些地区，如南方安得拉邦，贫困率甚至有所上升。
• 城市贫困率：
  • 根据30天回忆期模型，城市贫困率从18.1%下降至16.1%。
  • 多变量模型显示城市贫困率下降幅度略小，且部分城市地区如旁遮普邦的贫困率甚至有所上升。
• 地区差异：
  • 在北方比哈尔邦，贫困率下降显著（从29%到21.5%）。
  • 南方安得拉邦的贫困率从22%上升至32%。
  • 古吉拉特邦的南部地区显示显著的贫困下降（从41%到25-26%），但北部干旱地区下降幅度较小。

模型比较与稳健性

• 30天模型与多变量模型在贫困趋势上存在明显差异。
• 多变量模型在某些地区显示更稳健的贫困下降趋势，但在其他地区则表现出不同的结果。
• 模型稳健性：作者通过比较不同模型的预测结果，评估了贫困估计的稳健性。多变量模型在某些情况下提供了更准确的贫困趋势判断。

研究意义

• 研究揭示了贫困趋势在不同地区之间存在显著差异，表明地理因素在贫困变化中起重要作用。
• 提出的模型预测方法为未来贫困分析提供了新的工具，特别是在数据不可比的情况下。
• 作者强调，应谨慎对待模型假设，尤其是在消费行为和数据采集方法变化较大的情况下。

结构总结

• 数据问题：NSS第50轮与第55轮数据存在回忆期差异，导致不一致性。
• 方法调整：采用基于第50轮数据的消费模型，预测第55轮的消费水平。
• 模型比较：
  • 30天模型：显示快速贫困下降。
  • 多变量模型：显示更温和的贫困下降趋势。
• 地区差异：不同地区贫困变化显著不同，地理因素影响较大。
• 研究结论：贫困趋势的分析需结合地区层面数据，以更准确地反映实际情况。