发展针灸

授权公开披露 授权公开披露 政策研究工作文件10882 发展针灸 多维贫困网络结构及其启示 ViktorStojkoskiLuisF.Lopez-CalvaKimberlyBolchAlmudenaFernandez 贫困与公平全球实践2024年 8月 政策研究工作文件10882 Abstract 尽管在多维贫困的概念化和度量方面的发展文献取得了长足进步，但针对其的政策干预仍被困于碎片化的、特定领域的方法中。实施整合性政策回应以减少多维贫困的主要挑战之一在于理解不同维度之间的相互联系以及它们如何共同随着时间演变。例如，这可能需要解开个人的健康、教育及其生活标准如何在动态层面上相互作用。受经济复杂性方法与应用的启发，本文利用网络科学提出两种新的指标来理解多维贫困的相互连接结构：贫困空间（一种可视化不同贫困指标之间互动的网络）和贫困中心性（衡量该网络中每个指标相对重要性的度量） 。将这些指标应用于67个发展中国家，以期深入探讨多维贫困的内在联系和各指标的重要性。 在研究中，使用牛津贫困与人类发展倡议—联合国开发计划署全球多维贫困指数的数据，论文发现多维贫困网络结构在各国之间具有相似性且随着时间保持稳定。研究结果还表明，在贫困空间中更为中心的指标在减贫方面表现出更为显著的效果，相较于边缘指标而言。这些结果被用来展示如何将贫困空间应用于政策制定：利用前瞻性的政策优先级推断框架来指导政策选择。总体而言，论文强调了采用网络科学方法识别多维贫困结构中的关键“节点”的重要性，通过针对性干预对这些节点施加压力，可以对整个系统产生更大的影响。 本文系《减贫与平等全球实践》部门的产物。世界银行为此项更大规模的努力提供了其研究的开放访问，并为全球范围内的发展政策讨论做出了贡献。《政策研究工作论文》也已通过网址http://www.worldbank.org/prwp发布于网络上。如需联系作者，请发送邮件至lflopezcalva@worldbank.org；kbolch@worldbank .org；以及viksabot@gmail.com。 政策研究工作论文系列发布研究成果的进展，以促进关于发展问题的思想交流。该系列的一个目标是在可能不够完全打磨的情况下快速传播这些发现。论文应携带作者的名字，并相应地引用。本文中表达的观点、解释和结论完全是作者的。它们不一定代表国际复兴开发银行/世界银行及其附属机构、或世界银行执行董事或他们所代表政府的观点。 由研究支持团队制作 发展针灸学：多维贫困的网络结构 * 其影响 1234 ViktorStojkoski，LuisF.Lopez-Calva，KimberlyBolch和AlmudenaFernandez 关键词：多维贫困，网络科学，经济复杂性，接近度指标，降维 JEL代码:I31,I32,C63 * 我们感谢奥马尔·格雷罗，贡萨洛·卡斯塔W恩达和菲利普·科赫对本文的评论。用于复制本文实证分析所需的数据集和代码已经好。在线。本文的发现、解释和结论完全是作者们的意见不一定代表世界银行、世界银行执行董事或其所代表政府的观点；同样这些观点也不一定代表联合国，包括联合国开发计划署（UNDP），或是联合国成员国的看法。 1 斯科普里北马其顿的西里尔和迈塔希大学，以及ANITI、IRIT、图卢兹大学和布达佩斯科尔文纳大学集体学习中心。 2 世界银行 3 世界银行 4 联合国开发计划署 1.Introduction 发展文献在理解贫困作为一个多维概念方面取得了长足的进步。自AmartyaSen对能力方法 （Sen,1979,1999）的形式化，该方法基于个人追求他们认为有价值的生活所需的基本“存在”和“行为”的集合，提出了一个更广泛的观点来定义贫困，研究者们开发和完善了用于衡量多维贫困的方法（BasuandLopez-Calva,2011;Alkire,RocheandSeth,2013）。提出了众多维度、指标、剥夺阈值和聚合方法。特别是，使用Alkire-Foster方法创建计数型指数，推动了测量领域的关键进展，并促进了全球范围内指数的发展（AlkireandFoster2011）。如今，大约有40个国家（除了国际组织发布的全球措施外）发布了国家层面的多维贫困指标，提供了一种有力的工具，以指导协调一致的政策行动。 然而，从多维贫困的测量转向设计考虑到这种多维性的减贫干预措施的过渡仍不完整。政策讨论仍被困于孤立的、针对特定领域的回应。实施多维度减贫整合政策方法的主要挑战之一在于，当前的衡量标准未能提供不同维度之间随时间关联的信息——即针对某一维度的政策如何影响其他维度。我们能观察到干预的整体结果，但无法了解不同维度是如何相互作用以产生那个结果的。我们知道，贫困的不同维度并非各自独立演变。例如，教育与健康有关联 ，而健康又依赖于营养和住房特征。从这个角度来看，在传统的多维贫困度量中观察到的不同指标实际上呈现的是一个向量， ...（剩余部分省略，以保持与原始文本一致的格式和上下文连续性）state随着时间的推移共同确定为动态系统当前措施提供了有关特定时间点上这些状态变量中剥夺联合分布的有用快照，但它们并未揭示控制它们之间相互作用的动态过程结构。帕尔塔·达斯古普塔在讨论仅使用...理解贫困陷阱的挑战时就注意到了这一区别。 对变量进行静态描述——争论指出“相互因果关系的存在（即多个变量随着时间影响彼此）对于解释数据具有含义”（Dasgupta,2007）。 揭示并量化多维贫困这一相互关联结构带来了传统经济技术的挑战。在过去十年中，学者们开始采用不同的方法来探讨这个问题。例如，Suppa、Alkire和Nogales（2022年）利用潜类别分析来总结全球发展中国家不同联合剥夺状况的信息；Ceriani和Gigliarano（2016年）使用贝叶斯网络来可视化欧洲不同维度贫困之间的依赖结构；Gallardo（2022年）采用类似的方法研究智利的贫困结构；Duclos、Tiberti和Araar（2018年）利用目标主导技术探索目标方案对越南和南非其他维度贫困潜在溢出效应的可能性；Guerrero和Castañeda（2024年）使用基于代理的模型来观察墨西哥社会支出与多个维度贫困之间结构关系的影响。从关注不同维度之间的“权重结构”到尝试解开变量之间的相互关系，本论文受到经济复杂性方法的启发，通过利用网络科学方法，为理解多维贫困的相互关联结构提供了新的视角，以此贡献于这一领域的研究。 经济复杂性领域结合了网络科学方法与特定空间内经济结果分布的信息，以估算经济系统中隐含关系的指标（Hidalgo,2021；Balland）etal.在2022年，我们在此引入了衡量贫困维度之间关系的类似方法。具体来说，我们利用了经济复杂性中的两种方法：1）邻近度指标和2）维度减少技术。邻近度指标通过计算人口中共同出现的结果之间的结构关系来量化这些结果之间的关系。etal.，2007；Neffke，Henning和Boschma，2011；Kogler，Rigby和Tucker，2013；格瓦拉etal.2016年），而降维技术将经济结果的空间分布总结为一个单一的数字（Hidalgo和Hausmann,2009；Tacchellaetal.,2012；Sciarraetal.在这项研究中，我们采用前者来构建一个网络表示，以此描绘各种贫困维度之间的相互联系（我们将此类比称为）...贫困空间)并且后者引入了一个度量指标，以捕捉网络中不同维度的相对重要性（我们将其定义为...）贫困 Centrality).然后我们利用详细数据来探讨家庭层面贫困指标的共现情况，并为每个国家构建网络地图。 利用全球多维贫困指数（MPI）的数据，我们在67个发展中国家应用这些指标，绘制了多维贫困的相互联系结构，并探索了其随时间变化的趋势。我们的发现揭示了各国间贫困空间结构的惊人相似性及其随时间的稳定性。特定指标如家庭烹饪技术（与家庭生活条件相关的燃料使用）始终作为网络的核心节点出现，而儿童死亡率等指标则倾向于位于边缘。为了提供更动态视角并捕捉溢出效应的影响，我们还探讨了贫困指标中心性与其随时间被剥夺人口数量变化之间的关联。我们发现，在贫困空间中更为关键的指标往往在时间上经历更为显著的被剥夺人口头数比率的减少。最后，为了将研究结果应用于政策背景，我们将贫困空间网络整合到政策优先级推断（PPI）框架（Guerrero和CastañedaRamos,2020）。这种整合允许我们探索贫困结构与针对性干预潜在有效性之间的关系。PPI作为一个前瞻性的、基于代理的模型，利用结构性关系网络来优先考虑政策倡议，最初旨在实现可持续发展目标（Guerrero和Castañeda,2024）。通过利用贫困空间提供的不同贫困指标间的结构性关系信息，PPI可以用于优先考虑不同的政策干预措施，认识到各种贫困指标可能产生的连锁反应。 理解多维贫困的相互关联结构对于最大化减少贫困政策的影响至关重要。通过揭示多维贫困结构内的联系网络，本文展示了经济复杂性方法如何帮助我们更精确地定位到该网络中的“关键节点”。这些关键节点代表了贫困网络中最为紧密相连的维度，并成为干预措施的重点关注区域（Bloch,JacksonandTebaldi,2023）。正如针灸疗法中针对特定节点的策略可能对整体系统产生更大影响一样，聚焦于这些关键节点的发展策略也有可能对整个系统产生更为显著的效果。 论文剩余部分结构如下。第2节回顾文献，构建在多维贫困背景下应用经济复杂性方法的案例 。第3节 本报告概述了开发贫困空间、贫困中心度量以及进行动态分析所采用的方法。第四部分总结了支撑我们分析的数据。第五部分讨论了结果，我们首先通过展示贫困空间作为衡量贫困结构的可触摸指标的实用性来阐述其价值。随后，我们探讨了贫困的结构性细微差别与其时间动态之间的关联。这部分的结尾展示了贫困空间在PPI框架内的整合。第六部分得出结论。 2.从经济复杂性中学习：从产品空间到贫困空间 经济复杂性领域已发展成为理解经济体系复杂性的新颖框架（Hidalgo,2021;Balland）etal.类似多维贫困的情况，经济复杂性概念的诞生是出于把握经济体系复杂而微妙结构的需求。经 济复杂性方法利用网络科学技巧来分析产业、产品和出口的空间分布数据，并量化经济产出的结构关系。 在这方面，伊达尔戈etal.（2007年）引入了产品空间（ProductSpace），这是一个网络模型，作为邻近度度量的主要示例。它捕捉了一个国家如果出口某种商品，则出口另一种商品时的条件概率，反映了全球商品之间的接近程度。这种方法在建模溢出效应和预测未来专业化模式方面证明了其重要性。具体而言，研究表明，各国倾向于通过向产品空间中与其现有生产活动相近的产品进行多样化出口，来利用已建立的经济环境和支持性基础设施，从而获得利益。 然而，多年来，使用邻近度指标构建网络（如产品空间模型）的实际优势已经证明了其灵活性和适应性。具体而言，产品空间的邻近度指标超越了贸易的界限，将其分析能力扩展到跨 多种活动的溢出效应建模。例如，这可以涵盖基于共同作者关系的科学学科的邻近度。etal.在2016年期间，基于专利类别（Neffke、Henning和Boschma,2011；Kogler、Rigby和Tucker,2013）的创新领域，或者一系列相互关联的活动。 希达尔戈和豪斯曼（2009年）通过产品空间概念正式引入了经济复杂性的概念，并创建了基于网络的中心性指标，用于隐含重要性产品的经济地位（分别称为经济复杂性指数和产品复杂性指数）。这些指标将高维数据浓缩为单一指数，提供了对国家包容性绿色增长潜力的宝贵洞察（塔克查拉）。etal.,2012;Cristellietal.，2013；豪斯曼etal.，2014；哈特曼etal.(2017;Romero和Gramkow,2021;Stojkoski、Koch和Hidalgo,2023)。如今，这些指标被