2014年-世界发展银行全球_Updating_Poverty_Estimates_at_Frequent_Intervals_in_the_Absence_of_Consumption_Data___Methods_and_Illustration_with_Reference_to_a_Middle-Income_Country_56页_1mb

详细总结：在缺乏消费数据情况下频繁更新贫困估计的方法研究

核心内容

本文探讨了在缺乏消费数据的情况下，如何通过调查间贫困插补（survey-to-survey poverty imputation）方法，频繁更新贫困估计。该方法旨在克服传统方法中由于消费数据收集不频繁或不一致导致的贫困趋势跟踪难题。文章提出了一种理论框架，并以约旦为案例进行实证分析，展示了该方法的可行性和有效性。

主要观点

1. 贫困估计的重要性

   • 贫困测量是制定和评估减贫政策的关键工具。
   • 由于消费数据收集的不频繁和不一致，贫困估计的更新和趋势分析面临挑战。

2. 现有方法的局限性

   • 多数经济研究依赖于早期的调查到普查插补方法，但该方法在调查间插补的应用中存在局限。
   • 统计学中的多重插补（multiple imputation）方法虽有发展，但在经济学领域应用较少。
   • 传统方法中假设参数恒定，这在实践中可能不成立。

3. 本文提出的框架

   • 本文构建了一个较为宽松的理论框架，允许参数随时间变化，只要解释变量的变化可以捕捉贫困率的变化。
   • 提出了简化方差公式，便于计算和应用。
   • 提供了控制变量选择的指导，并允许在数据有限的情况下进行插补估计。

4. 调查设计一致性的重要性

   • 插补方法要求两个调查具有可比性，特别是变量的设计和样本框架。
   • 当调查设计不同时，需要通过标准化程序来确保插补结果的可比性。

5. 实证应用：约旦案例

   • 约旦自2010年以来未进行家庭支出与收入调查（HEIS），但其劳动调查（LFS）频率较高。
   • 利用LFS数据插补HEIS缺失的消费数据，以估计贫困率。
   • 插补结果与实际消费数据估计的贫困率高度一致，且在95%置信区间内。

关键信息

• 方法论

  • 假设家庭消费与家庭及其它特征之间存在线性关系，采用聚类随机效应模型进行估计。
  • 公式为：
    $$
    y_1 = \beta_1' x_1 + \mu_1 + \varepsilon_1
    $$
    $$
    y_2 = \beta_2' x_2 + \mu_2 + \varepsilon_2
    $$
  • 插补贫困率公式为：
    $$
    P(y_2) = P(y_2^1)
    $$
    其中 $ y_2^1 = \beta_1' x_2 + \mu_1 + \varepsilon_1 $。

• 插补的两种情况

  • 相同设计的调查：适用于消费数据不一致或无CPI数据更新贫困线的情况。
  • 不同设计的调查：适用于消费数据较少的调查（如劳动调查）与消费数据较多的调查（如家庭支出调查）之间的插补。

• 验证与结果

  • 插补结果与实际数据（HEIS）进行对比，显示插补贫困率与真实值非常接近。
  • 在2008-2013年间，插补结果表明约旦贫困率呈现持续下降趋势。

• 研究贡献

  • 提出了一种系统、全面的调查间贫困插补方法，避免了传统方法中随意性的问题。
  • 提供了参数变化的检验方法，并讨论了参数放松时的处理方式。
  • 将统计学的插补方法引入经济学，以提高贫困估计的准确性和时效性。

结构与内容概述

I. 引言

• 强调了贫困测量对政策制定的重要性。
• 指出消费数据的不频繁和不一致是贫困估计的主要障碍。
• 介绍了本文的研究目的：开发一种更系统、更全面的调查间贫困插补方法。

II. 研究综述

• 回顾了经济学和统计学中关于缺失数据插补的研究。
• 指出经济学研究多关注单一变量缺失（如消费数据），而统计学研究则更广泛。
• 比较了不同研究方法的相似性与差异，包括目标人群、缺失数据机制、建模方法等。

III. 相同设计调查的插补方法

• 假设两个调查中观察到的变量是相同的。
• 插补模型基于线性随机效应模型。
• 提出了参数变化的假设，并给出了插补贫困率的公式。

IV. 不同设计调查的插补方法

• 探讨了在调查设计不同时的插补方法。
• 强调了标准化程序的重要性，以确保插补结果的可比性。
• 以约旦为例，展示了如何利用劳动调查插补家庭支出调查缺失的消费数据。

V. 结论

• 总结了本文提出的插补框架的优势。
• 强调了该方法在政策制定和贫困监测中的应用潜力。
• 提出未来研究可以进一步探讨参数变化的处理方式以及插补方法的扩展应用。

总结

本文提出了一种系统、全面的调查间贫困插补方法，旨在解决消费数据不频繁和不一致的问题。该方法基于线性随机效应模型，允许参数随时间变化，只要解释变量的变化可以捕捉贫困率的变化。通过约旦的实证分析，验证了插补方法的有效性，显示其能够准确反映真实贫困率。此外，本文还对经济学和统计学中的插补方法进行了比较，强调了将统计学方法引入经济学研究的重要性，为未来研究提供了理论和方法上的参考。