2016年-世界发展银行全球_Pinpointing_Poverty_in_Europe___New_Evidence_for_Policy_Making_69页_6mb

总结：Pinpointing Poverty in Europe

核心内容

本报告总结了世界银行与欧盟委员会（EC）合作开展的“欧洲贫困地图”项目，该项目旨在通过详细的地理贫困数据，为政策制定者提供更精准的贫困识别和干预依据。报告指出，欧洲约有1.22亿人面临贫困或社会排斥，且贫困在不同地区呈现显著的空间异质性，尤其是在城市和农村之间，以及不同行政区域内部。

主要观点

• 贫困分布的异质性：贫困在欧盟成员国内部和之间存在显著差异，某些地区即使整体贫困率较低，也可能存在高贫困率的小区域。因此，传统的粗略统计无法准确反映贫困的实际情况。
• 贫困地图的作用：贫困地图能够提供更细粒度的地理信息，有助于识别最需要援助的地区，并为政策制定提供依据。这些地图在国家和区域层面的决策中发挥了重要作用。
• 方法论的创新：项目采用了小区域贫困估算方法，结合了住户调查和人口普查数据，提高了贫困估计的精度。同时，通过与税收登记数据的对比，验证了不同估算方法的有效性。
• 项目成果：在第一阶段（2012-2014年），项目成功为七个欧盟成员国（爱沙尼亚、匈牙利、拉脱维亚、波兰、罗马尼亚、斯洛伐克共和国和斯洛文尼亚）制作了贫困地图，这些地图覆盖了市镇、县、区等次国家地理单元。
• 政策影响：贫困地图不仅提升了对贫困问题的理解，还促进了政府机构与学术界之间的合作，提高了贫困映射技术的水平，并帮助欧盟更高效地分配区域发展资金。

关键信息

项目背景

• 项目由世界银行与欧盟委员会合作开展，旨在通过精准的贫困地图支持欧盟成员国更有效地利用欧盟资金进行减贫和促进社会包容。
• 欧盟的“欧洲2020”战略目标之一是减少2000万面临贫困或社会排斥的人口。

数据与方法

• 数据来源：包括住户调查（如EU-SILC）、人口普查数据以及部分国家的税收登记数据。
• 估算方法：采用小区域估算方法，如Elbers-Lanjouw-Lanjouw（ELL）方法和Empirical Best（EB）方法，通过回归模型估算住户可支配收入。
• 空间分解：贫困地图覆盖了NUTS 2、NUTS 3、LAU 1等不同层级的地理区域，提供了更细致的贫困分布信息。

技术细节

• 步骤：贫困地图的制作分为三个主要步骤：1）识别可比的社会经济变量；2）建立回归模型估算可支配收入；3）使用统计测试评估估算结果的可靠性。
• 软件升级：世界银行基于项目经验，对PovMap软件进行了升级，以提高贫困地图的准确性和实用性。
• 方法验证：在丹麦和斯洛文尼亚进行了方法验证研究，发现六种估算方法能够正确识别80-90%的最贫困市镇。

地理分布示例

• 爱沙尼亚：贫困率在市镇之间差异显著，部分小市镇贫困率较高。
• 匈牙利：贫困地图揭示了城市和农村地区的贫困率差异。
• 斯洛伐克共和国：贫困率呈现东-西梯度，东部地区贫困率较高。
• 罗马尼亚：贫困地图展示了地区间的贫困差异，并为政策制定提供了依据。

项目影响

• 政策指导：贫困地图为欧盟成员国的区域和国家政策提供了数据支持，有助于更精准地分配资源。
• 知识传播：项目促进了贫困映射技术在欧盟国家间的传播，提升了国家统计局和政府机构的能力。
• 学术贡献：项目推动了贫困映射方法的研究，促进了跨学科合作，提高了相关领域的学术研究水平。

未来展望

• 项目计划扩展至更多欧盟成员国，包括保加利亚、克罗地亚、捷克共和国和立陶宛。
• 探索更精细的贫困估算方法，考虑不同地区的生活成本差异。
• 项目成果将用于指导欧盟其他社会问题的区域映射研究，如社会排斥。

附录与参考文献

• 附录A：介绍了PovMap工具及其验证研究。
• 附录B：提供了贫困映射简报。
• 参考文献：列出了相关研究和数据来源，包括世界银行、欧盟统计局和国家统计局的资料。

总结

“Pinpointing Poverty in Europe”项目通过先进的贫困地图技术，揭示了欧洲贫困分布的复杂性和空间异质性，为精准减贫政策提供了重要数据支持。项目不仅提升了贫困识别的准确性，还促进了技术共享和学术研究，对欧盟的区域发展和政策制定具有深远影响。