2025-01-12-世界银行-巴基斯坦贫困地图2019-2020（英）_43页_5mb

报告摘要

报告名称：巴基斯坦贫困地图 2019–2020

研究目的

本研究旨在通过小区域估计（Small Area Estimation, SAE）方法，结合家庭收入与支出调查（HIES）和巴基斯坦社会与生活标准测量调查（PSLM）数据，估计巴基斯坦126个区的贫困率。目标是提高贫困估计的精度，支持政策制定者在更细粒度下设计针对贫困家庭的干预措施。

方法

1. 研究方法创新：

   • 使用了普查区估计（Census Empirical Best, EBE）方法，而不是传统的土地覆盖估计。
   • 结合两种调查数据（HIES 2018–19 和 PSLM 2019–20），其中 HIES 提供消费数据，PSLM 补充样本规模。
   • 使用嵌套误差模型，结合微观数据进行区级贫困估计，提升了精度。

2. 数据处理与挑战：

   • 调整变量匹配冲突：滤除缺失值过多和分布差异过大的变量。
   • 解决家庭规模差异问题：通过重新校准家庭数量以匹配普查数据，减少估计偏差。
   • 使用稳健算法（如 LASSO）选择变量，确保模型可扩展性。

主要发现

1. 全国贫困率：全国贫困率为 21.9%，但各领域差异显著：

   • 最贫穷地区：Balochistan 的部分 districts（如 Tharparkar，贫困率为 76.9%）。
   • 最富裕地区：伊斯兰堡首都特区（3.5%）。
   • 贫困率呈现空间集聚性，部分地区与省级边界无关。

2. 贫困缺口（Poverty Gap）：

   • Balochistan 的贫困缺口最大，表明贫困人口与贫困线的差距较大。
   • 大部分区的贫困缺口小于 10%，仅有 15 个区高于 20%。

3. 贫困强度：

   • 贫困头部（Povertyheadcount）最大的三个区位于 Punjab。
   • Tharparkar 区的贫困强度最高，贫困头部接近 1000 万。

4. 动态变化：
   与 2014–15 年相比，2019–20 年财政联邦管理部落地区（FATA）与前前线地区（FR）纳入 KP 省，整体贫困地图精度提升。

结论

本研究提出了更精确的地区贫困估计方法，特别适合资源有限的数据条件下补充微观省略问题。建议未来研究引入卫星图像数据（如道路、建筑密度）进一步提高估计精度，并推动面向开发者的新建程序。

字数统计：490字