2008年-世界发展银行全球_The_Impact_of_Macroeconomic_Policies_on_Poverty_and_Income_Distribution___Macro-Micro_Evaluation_Techniques_and_Tools_362页_3mb

报告摘要

本书探讨了宏观经济政策对贫困和收入分配的影响，强调了在政策评估中结合宏观和微观方法的重要性。通过分析不同国家的案例，作者展示了如何利用宏观-微观建模框架来评估政策效果，从而为政策制定者提供更全面和准确的决策依据。

政策评估的必要性
尽管许多宏观经济政策对整体收入有积极影响，但它们可能对特定群体造成负面影响，从而影响社会公平和政策的可持续性。因此，评估政策对贫困和收入分配的影响变得尤为重要。
宏观与微观方法的结合
传统的宏观模型仅能评估整体经济效应，而微观模型则可以更细致地分析政策对家庭和个体的影响。结合两者的方法（即宏观-微观方法）能够更全面地评估政策的社会影响，包括第一轮和第二轮效应。
行为反应的重要性
微观模型不仅考虑直接的经济效应，还纳入了个体对政策变化的行为反应，如工作选择、消费习惯和投资决策，从而提供更真实的政策影响评估。
数据整合的价值
利用多种数据集（如宏观数据和微观调查数据）可以提高政策评估的准确性，帮助识别有效的干预措施，以促进增长与减贫的协同。
模型的多样性与适用性
本书展示了多种宏观-微观建模方法，包括自上而下（Top-Down）模型、整合模型（Integrated Models）以及基于不同数据集的模型变体，强调了根据具体政策和数据质量选择合适模型的重要性。

Top-Down 方法
将宏观模型与微观模拟模型结合，用于评估政策对贫困和收入分配的影响。这种方法可以分析政策对整体经济的影响，并进一步分解到不同家庭群体。
Integrated Models
宏观与微观部分通过迭代反馈或同时求解，形成一个统一的模型，以更准确地模拟政策变化带来的多阶段影响。
Behavioral Micro Models
考虑个体行为反应，如职业选择、消费调整等，以更全面地分析政策对贫困和收入分配的影响。

数据集
包括宏观数据（如国家账户、货币数据）和微观数据（如家庭调查、劳动力调查、人口普查、社区调查等）
模型工具
- CGE（可计算一般均衡模型）
- LES（线性支出系统）
- SAM（社会会计矩阵）
- MSS（微观模拟序列方法）
- IMH（整合多家庭模型）
统计方法
- 回归分析
- t 检验
- Logit 模型
- 贫困头数指数（FGT）