兰德-联邦预算绘图工具（英）-2025.8_44页_665kb

报告摘要

总结：联邦预算映射工具

核心内容

本报告介绍了RAND教育与劳动部门开发的一套联邦预算映射工具，旨在将联邦支出与美国不同人口群体、社区和企业进行关联。该工具是von Furstenberg家族基金会RAND预算模型的一部分，用于支持财政政策制定，通过分析联邦支出的分布效应来改进政策评估。

联邦支出占美国GDP的20%以上，涵盖国防、基础设施建设、老年人收入支持、超过1亿人的医疗支出以及其他多种服务。支出既可以直达受益人，也可以通过间接渠道影响特定人群。理解这种分布对于分析联邦支出对经济不平等的影响至关重要。

主要观点

工具的目标：
- 将联邦支出映射到相关人口群体，提供更详细和精确的政策影响分析。
- 通过合成数据集，结合人口调查数据，实现对支出分布的多维度分析。
数据来源与处理：
- 主要使用USAspending.gov的数据，该网站是美国政府的官方开放数据源，提供详细的联邦支出信息。
- 对USAspending数据进行大量清洗与标准化，以确保其与合成数据集的兼容性。
- 合成数据集由CPS（当前人口调查）、**ACS（美国社区调查）和SCF（消费者财务调查）**等全国代表性调查数据构建。
关键属性：
- 工具使用多种属性来描述支出的受益人和接收人，包括人口统计特征（如年龄、收入水平）、地理信息（如州、县、邮政编码）和行业分类（如NAICS代码）。
- 通过预算功能（如“食品与营养援助”）和援助清单编号（如“Paycheck Protection Program”）来识别支出的用途和目标人群。
映射方法：
- 利用USAspending中的字段（如支出类型、对象类别、预算功能、NAICS代码、地点等）来识别支出的接收人和受益人。
- 对于某些项目，接收人和受益人是同一实体（如WIC、社会保障等），而对于其他项目（如国家安全支出），受益人可能不明确。
未来方向：
- 工具将不断迭代，以提高准确性和性能，并增加更多功能。
- 未来版本可能引入自然语言处理技术，以更自动化地提取数据中的信息。
- 可能通过插值或推断方法来弥补数据缺失或不完整的问题。

关键信息

数据来源：
- USAspending.gov：提供联邦支出的详细数据，包括支出类型、对象类别、预算功能、地点等。
- 其他潜在数据源（如SAM、FPDS、GTAS、美国审计清道夫、USA Facts）因数据不一致或更新频率问题未被采用。
数据处理步骤：
- 数据清洗：对USAspending数据进行标准化处理，以确保其与合成数据集兼容。
- 合成数据集构建：通过整合CPS、ACS和SCF等数据，创建一个具有代表性的人口数据集。
- 数据整合：将联邦支出数据与合成数据集进行匹配，基于人口、地理和行业属性进行分析。
局限性：
- USAspending数据不完整，部分小机构未报告支出。
- 缺少税收支出数据（如经济影响支付）。
- 子合同数据细节不足，影响地理分布分析。
- 数据更新频率不一致，可能影响时效性。
技术细节：
- 工具适用于R或Python编程语言的定量分析师。
- 所有代码可应要求获取，但数据集太大，无法在RAND网站上有效托管。
- 合成数据集构建涉及数据清洗、单元构造、单元匹配和记录合并等步骤。

附录与补充信息

附录A：概述了USAspending数据集中用于支出分类的相关数据元素。
附录B：提供了合成数据集构建过程中统计匹配的技术细节。
表格与图表：
- 表格2.1：展示了如何将原始支出数据映射到合成数据集的属性。
- 图表3.1：展示了CPS和ACS数据中的单元质量。
- 图表3.2：展示了合成数据集构建的示例方法。
- 图表4.1和4.2：分别展示了联邦食品援助支出和国家学校午餐计划支出的分布情况。