在没有消费数据的情况下估算贫困指标

核心观点

本文研究了在缺乏消费数据的情况下，如何利用调查到调查的插补方法来估算多种贫困指标。作者分析了过去十年中在孟加拉国、埃塞俄比亚、马拉维、尼日利亚、坦桑尼亚和越南进行的22轮多主题家庭调查数据，并构建了包含家庭人口统计学、就业状况、资产变量以及公用事业支出或食品支出的推断模型。

关键数据和研究结论

• 推断模型有效性： 研究发现，包含家庭公用事业支出或食品支出的推断模型能够提供较为准确的贫困指标估计值。其中，将家庭公用事业消费支出添加到家庭人口统计学和就业特征中的模型（模型9）在减少贫困方面表现最佳，将家庭食品支出添加到家庭人口统计学、就业状况和房产资产中的模型（模型3）也对人口贫困、极端贫困、贫困差距和消费均值提供了准确的估计。
• 地理空间数据的作用： 将农业土壤质量信息加入模型9中，可以进一步提高人口贫困识别的推断准确性。
• 模型选择： 作者通过元分析发现，不同模型在不同贫困指标和消费分布方面表现存在差异。模型9在减少贫困方面表现最佳，而模型3在员工数量贫困、极端贫困、贫困缺口和消费均值方面表现良好。
• 时间间隔的影响： 基线调查与目标调查之间较大的时间间隔与较低的插补准确性相关，但具有更好的模型拟合度（R值）并不一定有助于提高全年插值精度。
• 年内插补： 研究结果表明，年内插补在几乎所有国家都能取得良好的效果，这为在无法进行跨年调查的情况下获取贫困估计值提供了一种有前景的方向。

研究意义

本文的研究结果表明，利用调查到调查的插补方法可以有效地估算多种贫困指标，特别是在缺乏消费数据的情况下。这种方法可以帮助政策制定者及时了解贫困状况，并制定相应的减贫政策。同时，研究也强调了收集关于公用事业支出或食品支出的数据的重要性，因为这些数据可以结合推断方法来提供更新后的贫困状况信息。