2017年-世界发展银行全球_Data_Gaps_Data_Incomparability_and_Data_Imputation___A_Review_of_Poverty_Measurement_Methods_for_Data-Scarce_Environments_65页_1mb

报告摘要

本文综述了在缺乏家庭消费数据的环境中用于估计贫困的方法，特别关注了如何比较贫困结果的时间趋势和动态变化。由于家庭消费数据在低收入国家中往往难以获得或不完整，研究者需要依赖其他替代指标，如财富指数、合成面板数据等，来推断贫困状况。文章通过越南的实证数据展示了这些方法的应用，并提供了实际操作指南。

贫困测量的重要性
减贫是发展中国家和国际社会的重要任务，但有效的减贫需要准确的贫困测量。然而，许多国家由于资源限制，难以定期收集家庭消费数据。
数据缺口与贫困测量的挑战
- 数据缺口与国家收入水平呈正相关，高收入国家更频繁地实施家庭消费调查。
- 贫困测量的准确性受到数据不可比性的影响，尤其是在不同时间点或不同国家之间。
数据插补方法的分类
根据数据缺失的严重程度，将数据缺口分为三类：
- A 类：完全缺失家庭消费数据
- B 类：部分缺失家庭消费数据
- C 类：虽有横截面数据，但缺乏面板数据
财富指数的应用
财富指数是常见的替代方法，通过家庭资产和住房特征来衡量家庭福利。虽然其成本较低且易于收集，但其准确性不如消费数据。
插补方法的比较
- 简单汇总方法（如资产数量）适用于不同情境的比较。
- 主成分分析（PCA）方法适用于特定情境的分析，其权重随数据集不同而变化。
合成面板数据
在缺乏面板数据的情况下，可以通过横截面数据构建合成面板，以替代真实面板数据。

数据缺口
数据缺口在低收入国家尤为严重，导致贫困测量困难。例如，越南的调查数据表明，许多国家仅有一次贫困数据点。
财富指数的构建
财富指数通常基于家庭资产和住房特征，如电视、汽车、建筑材料等。其构建方式包括简单汇总和PCA方法。
实证分析
- 使用越南VHLSS数据进行实证分析，显示财富指数只能捕捉约一半的消费分布。
- PCA方法比简单汇总方法更准确，其与消费数据的相关性更高（如0.67和0.70）。
插补方法的适用性
- 对于A类数据缺口，使用财富指数是最常见的方法。
- 对于B类数据缺口，采用跨调查插补和跨调查与人口普查插补。
- 对于C类数据缺口，采用合成面板方法。
技术与资源限制
实施高质量的消费调查需要大量资源和技术支持，许多小规模项目缺乏这些条件，因此需要创新的测量方法。
未来展望
随着全球生活水平的提高，更多资源可能被投入到面板调查中，从而改善数据缺口问题。