世界发展银行-How-Much-Does-Reducing-Inequality-Matter-for-Global-Poverty__33页_2mb

总结：Reducing Inequality Matters for Global Poverty

核心内容

本技术备忘录探讨了减少不平等对全球极端贫困的影响，并评估了新冠疫情对贫困率的冲击。研究基于166个国家的微观和宏观数据，覆盖全球97.5%的人口，使用机器学习方法模拟不同增长和不平等情景下的贫困变化，以支持联合国可持续发展目标（SDGs）中关于消除极端贫困和减少不平等的政策制定。

主要观点

• 全球极端贫困目标：联合国可持续发展目标（SDG1和SDG10）旨在到2030年消除极端贫困并减少国家内部不平等。然而，即使按照世界银行的预测，极端贫困人数可能仍将超过6亿。

• 不平等与贫困的关系：研究发现，减少国家内的基尼系数（Gini index）对全球贫困率的影响比提高经济增长率更大。例如，如果每个国家的基尼指数每年减少1%，全球极端贫困率可降至6.3%，相当于减少8900万人。

• 增长与不平等的相互作用：尽管增长可能有助于减少贫困，但不平等的减少对贫困的缓解作用更为显著。研究指出，即使在最乐观的假设下，撒哈拉以南非洲的贫困率仍可能保持在20%左右，全球目标3%的极端贫困率难以实现。

• 新冠疫情的影响：研究估计，新冠疫情可能使全球极端贫困人口增加6000万，若所有国家的基尼指数因疫情上升2%，则可能使全球极端贫困人口增加9400万。相比之下，若经济增长预测下降2个百分点，贫困人口增加8200万。

• 增长传递率（Passthrough Rate）：世界银行的数据显示，国家经济增长的85%被传递到家庭调查中的福利增长。然而，这一传递率可能因数据类型（收入 vs 消费）、地区、基尼指数等因素而变化。

关键信息

数据与方法

• 数据来源：研究使用了PovcalNet数据库，其中包含166个国家的1900多份家庭调查数据，覆盖全球97.5%的人口。
• 模拟方法：采用“基于模型的递归分割”（Model-Based Recursive Partitioning）机器学习算法，以识别不同情境下增长传递率的变化。
• 增长情景：
  • 基线情景：使用世界银行2020年经济增长预测（至2021年）和各国历史平均增长率（2022-2030年）。
  • 不平等情景：假设各国基尼指数每年下降1%或上升2%，分析其对贫困率的影响。
• 增长传递率：
  • 收入数据的传递率为1.01。
  • 消费数据的传递率为0.72。
  • 使用机器学习算法调整传递率，以考虑不同情境的影响。

不平等与贫困的模拟

• 基尼指数变化对贫困的影响：
  • 基尼指数每年下降1%，全球极端贫困率降至6.3%。
  • 基尼指数每年上升2%，全球极端贫困率上升至9.4%。
• 增长与不平等的对比：
  • 每个国家经济增长率提高1个百分点，对全球贫困的影响小于基尼指数每年下降1%。
  • 凸函数增长传递曲线（Convex GIC）显示，减少不平等对贫困的缓解作用更加显著。

研究贡献

• 数据覆盖：使用微观数据（150个国家）和分组数据（16个国家），提升数据代表性。
• 增长传递模型：采用机器学习算法估计增长传递率，避免人为假设。
• 不平等模拟：通过不同的增长传递曲线（线性与凸函数）分析不平等变化对贫困的影响。
• 政策相关性：强调不平等的减少在政策制定中的重要性，尤其在公共政策和税收转移方面。

研究局限与挑战

• 基尼指数变化的多样性：相同的基尼指数变化可能由不同的分布调整导致，影响贫困结果。
• 数据可比性：部分国家缺乏长期可比数据，限制了历史增长传递曲线的构建。
• 政治经济因素：尽管减少不平等对贫困的影响更大，但实际政策实施可能受制于政治经济条件。

结论

本研究强调，减少不平等对全球极端贫困的缓解作用比单纯提高经济增长更为重要。尽管经济增长是重要的因素，但不平等的减少能够带来更显著的贫困下降。新冠疫情对全球贫困率的冲击也表明，不平等的变化在贫困预测中具有关键作用。研究建议在政策制定中优先考虑不平等的减少，并使用更灵活的模型来模拟贫困变化。