撒哈拉以南非洲干旱的福利成本（英）

授权公开披露 授权公开披露 政策研究工作文件10683 撒哈拉以南非洲干旱的福利成本 JonGascoigneSandraBaquieKatjaVinhaEmmanuelSkoufiasEvieCalcutt VarunKshirsagarConorMeenanRuthHill 贫困与公平全球实践2024年1月 政策研究工作文件10683 Abstract 本文量化了干旱对非洲五个主要农业生态区家庭消费的影响，发展了降雨赤字与贫困之间关系的脆弱性（或损害）函数。损害函数是量化极端天气风险和气候变化影响的模型的关键要素。尽管这些功能通常是针对建筑物的风暴或洪水破坏而估算的，但它们很少用于干旱造成的收入损失。本文采用区域方法进行分析，制定了标准化的危险定义以及匹配危险的方法。 家庭数据，允许近100,000个家庭的调查数据用于分析。损害函数用于量化历史天气条件对八个国家的贫困的影响，突出了天气变化对贫困结果的风险。在最恶劣的天气条件下，相对于过去13年观察到的最佳条件，国家贫困率要高出1-12％，具体取决于国家。这相当于总贫困差距的增加，从400万美元到24亿美元(2011年购买力平价)不等。 本文是贫困与公平全球实践的产物。这是世界银行为开放其研究并为世界各地的发展政策讨论做出贡献的更大努力的一部分 。政策研究工作论文也发布在http://www.worldbank.org/prwp的Web上。可以通过rhill@worldbank.org与作者联系。 政策研究工作文件系列传播了正在进行的工作结果，以鼓励就发展问题交换意见。该系列的目标是快速得出发现，即使演示文稿还不够完善。论文带有作者的姓名，应相应地引用。本文表达的发现、解释和结论完全是作者的观点。它们不一定代表国际复兴开发银行/世界银行及其附属组织的观点，也不代表世界银行执行董事或它们所代表的政府的观点。 由研究支持团队制作 撒哈拉以南非洲干旱的福利成本 乔恩·加斯科因(灾难保护中心)ⓡ桑德拉·巴基(世界银行)ⓡKatjaVinha(顾问)ⓡEmmanuelSkoufias（新加坡国立大学和世界银行）ⓡEvieCalcutt(世界银行)ⓡVarunKshirsagarConsultant)ⓡConorMeenan （灾难保护中心）ⓡRuthHill(世界银行和灾害保护中心)1 JEL代码：Q54，I32 项目代码:P177432 关键词/主题：贫困的冲击和脆弱性，干旱 1Ⓒ使用美国经济协会作者随机化工具https://www.aeaweb.org/journals/policies/random-author-order/search? RandomAuthorsSearch%5Bsearch%5D=XxSZtJmQOh5k。 本文是在2020年初与JonGascoigne进行对话的结果。Jon比我们任何人都更了解需要多学科团队来了解如何对干旱的福利影响进行建模。 跨学科合作可能是一个挑战，谈判这些讨论需要良好的优雅，谦逊，对关系的强烈关注，以及对理解他人观点和专业知识的真正兴趣。乔恩在他的所有作品中都体现了这些特征，并且形式真实，也将它们带入了这个项目。我们认为，在论文起草初期，随机化工具将他作为第一作者是非常合适的。我们很难过，他没有看到最终产品，也没有知道我们都对他和他为我们树立的榜样是多么感激。 我们感谢StefanieBrunelin和OdyssiaNg参与本文的早期对话，我们感谢BhavinThakrar和PaulWilson参与部分模拟数据练习。 1.Introduction 气候灾害逆转了减贫努力的成果，限制了减贫努力的进展。全球极端贫困越来越集中在撒哈拉以南非洲（SSA），那里的干旱是主要风险，由于气候变化，这种风险在非洲大陆许多地区正在增加。因此，减少干旱对福利的影响的投资对于该区域的减贫努力至关重要。量化气候冲击发生时出现的福利需求是针对投资以减少其影响的重要组成部分（Clare和Derco2016） 。这需要将福利损失与气候条件联系起来的脆弱性或损害函数(Affhammer2018)。虽然洪水和旋风对建筑物的影响广泛可用，但在量化干旱对撒哈拉以南非洲家庭消费的影响时，情况并非如此。 本文采用微观经济文献中广泛采用的方法（戴尔，琼斯和奥尔肯2014），尝试了一种区域方法来估计干旱和消费的脆弱性函数。该分析使用了来自9个国家和5个生计区的近100,000个家庭的调查数据，从而可以在估算中利用气候条件的巨大差异。结果是稳定的估计，不受任何一个气候事件的驱动。我们发现，在我们调查中最恶劣的天气观测中，消费量减少了10-20％ （相当于10年干旱事件中约有1次）。我们使用估计的脆弱性函数和每个家庭位置的全部危险分布来计算干旱对福利结果造成的风险。结果表明，风险很大。在最恶劣的天气条件下，贫困率比过去13年观察到的最佳条件高出1-12％。这意味着各国的总贫困差距从400万美元增加到24亿美元(2011年购买力平价)。据我们所知，这些是非洲干旱对贫困影响的首次跨国估计。 在气候经济学文献中，有几种方法可以估算降雨赤字的损害函数。Affhammer(2018)提供了应用于美国农场收入的方法的回顾和例子。用于估计极端天气事件影响的方法使用观测数据来确定天气变化对感兴趣结果的因果影响(戴尔、琼斯和奥尔肯2014)。使用有关家庭地理位置的信息，将有关危险的数据与调查数据中的家庭观察结果进行匹配，并运行固定效应回归以确定天气对确定经济结果的影响。 尽管不是为了估计脆弱性函数而进行的，但一些研究已使用这种方法来估计干旱对福利的影响。例如，在非洲，Hill和Porter （2017）研究了需水满意度指数（WRSI）对消费和贫困的影响，Hill和Mejia-Matilla（2017）研究了WRSI对家庭收入和消费的影响乌干达。在马拉维，Baqie和Fje（2020）研究了降雨对消费和贫困的影响。Wiema，Maso，Ochieg和Kirimi（2019）研究了肯尼亚降雨与收入，卡路里消耗和贫困之间的关系。Baez，Kshirsagar和Sofias（2019）研究了降雨定义的干旱对营养结果的影响。在非洲以外，Kochhar和Kippeberg（2023）研究了NDVI，降雨和温度对阿富汗消费和贫困的影响。使用干旱的估计影响来预测其他天气事件的福利成本的研究包括希尔和波特（2017），波特和怀特（2016），科赫哈尔和克尼本伯格（2023）。 这项研究使用与这些论文相同的方法，但采用了区域性方法（如Baez，Kshirsagar和Sofias2019），目的是对干旱条件与消费之间的关系进行稳健的估计，而不是特定于一个背景或事件。然后可以使用这种关系来预测干旱对其他事件或位置的影响 。本文提出的估计数在特定国家文件的结果范围内。例如，预计乌干达和埃塞俄比亚的中度（约10年1分）干旱将使消费量减少15％和9％，类似于我们估计的玉米和高地地区农作物种植家庭的10％损失。 2Anttila-Hughes和Sharma（2015）对风暴采取相同的方法。 采取区域方法需要使用标准化的危险定义和方法来匹配危险和家庭数据。这是通过考虑可比国家研究中使用的主要危险措施和技术，并系统地评估危险的选择，危险-家庭匹配方法以及分析中使用的功能形式来完成的。具体来说，我们使用降水，植被，蒸散和土壤水分的网格化历史数据，使用归一化植被指数（NDVI），标准化降水蒸散指数（SPEI）和WRSI等措施 。这些措施以不同的方式反映了缺乏雨水对生计的危害。有些是气候条件的直接度量(例如Procedre，降水，土壤湿度和SPEI ），其他则通过作物模型（WRSI）汇总气候数据，其他则测量植被结果（NDVI）。然后，将网格化的危害措施合并到来自9个国家（埃塞俄比亚，莱索托，马拉维，毛里塔尼亚，莫桑比克，尼日尔，尼日利亚，赞比亚和津巴布韦）的统一家庭调查以及家庭或社区的位置坐标。所使用的调查也用于官方贫困估计。使用了一致的时间匹配方法来考虑调查时间和农业季节。测试了不同的空间合并方法。 从分析中得出了重要的方法论见解。首先，我们发现土壤水分和绿度措施比蒸散量或降雨措施提供更一致的可靠结果。鉴于大多数现有文献都是基于蒸散量或降雨指标，这是一个重要的发现。其次，我们发现线性规范对于在所使用的调查数据中得到很好体现的中度冲击类型具有足够的性能。第三，我们发现，基于每个家庭周围20公里或50公里半径的危害度量比使用较小半径的危害度量表现更好，这可能是因为较大的半径也可以考虑本地市场影响。 针对整个SSA的不同生计区，分别估算了危害度量与福利结果之间的关系。鉴于干旱条件在不同生计区的表现不同，单独的估计提供了所需的灵活性。观察到农业生态区之间以及土地和牲畜所有者之间的影响存在重要差异。然而，区域方法的缺点是，在没有对数据协调进行重大投资的情况下，详细探索不同家庭影响的异质性的能力有限，我们在影响的异质性方面留下了额外的工作，作为未来分析中进一步探索的内容。 在解释结果时应牢记所进行的分析存在局限性。首先，估计数反映了当地干旱条件的直接影响，而不是当地以外的影响，例如可能因市场中断或价格影响而产生的影响。这是一个问题的程度取决于直接和间接影响的相对重要性。这方面的证据参差不齐。Hallegatte等人。(2016)认为食品价格是气候变化对福利影响的重要渠道。然而，Artc等人。（2023）模型地区之间的贸易，发现主要影响是直接生产效应，而不是对价格的影响。在某种程度上，本文提出的本地估计可能与总体影响非常接近。 其次，经验估计受到“幸存者偏见”的影响，因为消费仅针对冲击发生后仍存在的家庭进行衡量。如果家庭由于干旱条件而移动或解体（可能是由于一个或多个家庭成员的死亡），估计的影响可能会超过或被低估。在严重的干旱条件下，这种情况更有可能发生，而在我们的调查中捕获的情况往往是不太极端的事件，不太可能导致家庭移动或解体。 这将我们带到结果中的第三个潜在偏差源。尽管该分析在分析中使用了许多天气条件下的调查数据，但调查数据中很少有观察到干旱条件低于平均值的两个标准偏差。这限制了可以估计非线性的程度。这也意味着预测极端事件的福利成本的经验支持有限。 偏差的最终来源来自危险数据中的测量误差。尽管注意使用最佳可用数据并仔细匹配危险和家庭数据，但危险变量中的任何测量误差都会削弱估计系数，从而低估福利影响。额外的不确定性是 目前，考虑到灾害的分布随着气候变化而变化，历史数据构成了本文提出的所有模拟的基础。 本文建立的模型是构建巨灾风险建模文献中使用的脆弱性或损害函数的重要第一步，可以为灾难响应计划和融资提供信息。然而，这些限制意味着在解释分析结果时需要小心。我们设想，随着更多数据可用，本文开发的一套工具将为完善分析提供基础，并将覆盖范围扩大到其他地区。伴随本文的是设计用于提取大量潜在冲击措施的代码，并确定其中哪些与福利措施（样本外）的变化一致。所使用的模块化代码旨在是透明的，有助于可复制性，并可供其他人改进。目标是鼓励学习和共同标准，这反过来有助于实施客观和透明的干旱应对政策。 本文的结构如下。第2节介绍了评估农村地区福利与灾害之间关系的经验框架，在这些地区，依赖降雨的农业生产占主导地位，因此降雨不足（干旱）可能会产生非常严重的福利后果。它列出了用于估计脆弱性函数的方法和超过概率曲线，该曲线描述了由于严重程度增加的降雨不足而可能发生的福利损失。第3节详细讨论了历史危害数据库和使用的家庭调查数据，将危害数据合并到家庭调查数据以及用于危害措施的规范。第4节介绍了漏洞函数的估计。第5节显示了如何使用这些脆弱性函数来预测福利损失，并给出了一些超额概率曲线。第六部分给出了一些结论。 2.干旱福利成本的事前评估的经验框架 巨灾风险建模框架使用三个组件来生成对巨灾成本的事前评估：危害，暴露和脆弱性函数。危险捕获有关给定地方可能发生的天气结果的数据，例如可能