使用重新加权和贫困预测模型校正电话调查贫困估计中的抽样和无响应偏差

这篇报告聚焦于利用加权和贫困投影模型校正电话调查中贫困估计的偏差，以监测COVID-19大流行期间家庭生活条件的变化。以下是基于报告内容的总结：

主要内容概述

1. 背景与挑战

• 电话调查的优势：成本低、易于实施，适用于实时监测家庭生活条件。
• 主要挑战：
  • 缺乏贫困数据。
  • 发展中国家电话覆盖率不完整导致的抽样偏差。
  • 面对电话采访的高无回应率。

2. 解决方案与方法

• 快速贫困监测工具SWIFT：通过添加10至15个简单的问答，利用电话调查估算贫困率。
• 重新加权程序：调整抽样权重以纠正抽样和无响应偏差，提高贫困估计的准确性。
• 方法分类：分为倾向得分加权（PSW）和非PSW调整两大类，前者旨在平衡样本与参考调查的分布，后者则侧重于关键指标的精确匹配。

3. 研究设计与实验

• 实验设计：使用卢旺达、圣卢西亚、乌干达的参考家庭调查数据与电话所有者子样本对比，评估重新加权与SWIFT方法的联合效果。
• 额外实验：使用埃塞俄比亚高频电话调查数据，进一步探讨无响应偏差的校正能力。

4. 结论与发现

• SWIFT方法：与重新加权结合，能显著减少基于有偏差样本的贫困估计偏差。
• 实验结果：显示通过SWIFT和重新加权技术，可以有效纠正抽样和无响应偏差，提升贫困预测的准确性。

结论

报告强调了在利用电话调查进行贫困监测时，通过整合SWIFT方法与重新加权技术，能够有效克服抽样和无响应带来的偏差，提供更准确的贫困估计。这不仅提高了数据质量，也为政策制定者提供了可靠的信息支持，有助于更精准地评估和应对疫情对贫困家庭的影响。