联合国西亚经济社会委员会-阿拉伯国家经修订的多维贫困指数的稳健性检验（英）-2021-25页_2mb

报告摘要

详细总结：阿拉伯国家修订的多维贫困指数（MPI）稳健性分析

核心内容

本文件探讨了阿拉伯国家修订版多维贫困指数（MPI）的稳健性问题。多维贫困指数的构建涉及多个关键参数的选择，包括指标、权重、贫困截断值（poverty cut-off）和聚合方法。这些参数的选择不仅影响贫困识别，也会影响国家之间的排名和政策建议。因此，对这些参数进行稳健性分析至关重要，以确保MPI在不同假设下仍能提供一致和可靠的结果。

主要观点

多维贫困指数的构建涉及多个规范性与实证性决策，包括：
- 指标的选择与定义
- 指标截断值的设定
- 指标权重的分配
- 贫困截断值的确定
稳健性分析分为内部有效性（internal validity）和外部稳健性（external robustness）：
- 内部有效性：评估指标选择、截断值设定、信息冗余以及指标间的相关性。
- 外部稳健性：关注参数变化对国家排名的影响，如权重、截断值和聚合方法的变化。
本文件主要聚焦于外部稳健性分析，通过模拟不同参数设定来测试MPI的稳健性。

关键信息

A. 聚合方法

加法聚合方法：最常用的方法，基于加权指标的平均值。其优点是具有连续性，便于进行敏感性分析。但缺点包括：
- 要求指标之间相互独立
- 允许指标之间的完全补偿
- 要求指标具有相同的测量单位并服从正态分布
几何聚合方法：允许有限的补偿，但其稳健性受到限制，如：
- 指标之间可能存在偏好依赖
- 无法通过指标测量误差进行敏感性分析
非补偿性多准则决策方法（MCDM）：用于构建多维贫困指数，其优势包括：
- 不依赖指标的测量单位
- 可以使用定量和定性数据
- 输出为排名而非具体数值
- 缺乏对指标强度信息的利用
- 计算复杂度高，可能出现排名非传递性

B. MPI权重

权重选择：反映了各维度和指标的重要性，通常由政策制定者根据规范性理由设定。
默认权重：在阿拉伯国家的MPI中，通常采用相等权重。
权重稳健性测试：
- 通过模拟不同权重组合，测试国家排名对权重变化的敏感性
- 使用统计方法验证权重设定的一致性与稳健性
- 例如，使用主成分分析（PCA）、因子分析（FA）、数据包络分析（DEA）等方法

C. 贫困截断值

截断值选择：用于将个体分类为多维贫困或非贫困，通常设定在20%到40%之间。
截断值稳健性：
- 需要验证轻微变化是否会导致贫困指标（如贫困发生率、贫困强度和MPI）的显著变化
- 使用不同的截断值（如1%、20%、40%、50%）测试国家排名的稳健性
- 在某些情况下，如2018年全球MPI中，使用相等权重的MPI比使用不同权重的更稳健

II. 外部稳健性分析方法

支配分析（Dominance Analysis）：
- 基于随机支配理论，用于比较不同贫困截断值下的国家排名
- 一阶随机支配（FSD）表示一个国家在所有贫困截断值下都优于另一个国家
排名相关系数：
- 用于衡量国家排名在参数变化下的一致性
- 常用的排名相关系数包括：
  - 皮尔逊相关系数（Pearson）
  - 斯皮尔曼等级相关系数（Spearman）
  - 肯德尔等级相关系数（Kendall）
- 这些系数的范围为-1到+1，0.85表示85%的国家对比较是稳健的
基于距离的稳健性测试：
- 使用不同的距离度量方法，如：
  - 欧几里得距离（Euclidean Distance）
  - 曼哈顿距离（Manhattan Distance）
  - 弦距离（Chord Distance）
- 通过计算不同参数设定下国家排名的距离，选择距离最小的参数作为最稳健的设定
统计推断与稳健性分析结合：
- 通过假设检验（如t检验、Wilcoxon秩和检验）验证不同参数设定下的排名是否一致
- 使用标准误差、置信区间和假设检验工具来评估统计显著性
- 若国家对比较在统计上不显著，则不被视为稳健

总结

本文件强调了在构建和分析阿拉伯国家多维贫困指数（MPI）时，稳健性分析的重要性。通过评估不同聚合方法、权重设定和贫困截断值对国家排名的影响，确保MPI的可靠性和一致性。文件提出了多种稳健性测试方法，包括支配分析、排名相关系数和基于距离的指标比较，并结合统计推断以验证结果的显著性。最终目标是为政策制定者提供一个稳健、一致且具有政策相关性的多维贫困测量工具。

展开完整摘要