通过综合调查和地理空间数据估算四个西非国家的小区域贫困

本文介绍了一种结合家庭调查数据和地理空间数据估算西非四个国家（乍得、几内亚、马里和尼日尔）小区域贫困的方法，由于这些国家缺乏近期人口普查数据。研究发现，使用地理空间数据生成的贫困估计值在采样区域与基于人口普查的估计值高度相关，在非采样区域则为中度相关。研究结果表明，在缺乏近期人口普查数据的情况下，利用公开可用的地理空间协变量进行小区域估计是可行的，相较于直接估计可以带来显著的效率提升，并且能提高小区域估计的时间性。

文章首先说明了仅从调查数据获取细化地理层面贫困估计值时所面临的问题，包括估计的统计精确度不足以及并非所有目标区域都被调查覆盖。接着，文章探讨了使用地理空间数据作为协变量的方法，并介绍了基于嵌套误差回归模型（EBP）的实证最佳预测器（EBP）方法。文章指出，在缺乏近期人口普查数据的国家，利用地理空间协变量可能构成一种有效的替代方案。

文章以布基纳法索的数据进行评估，将基于地理空间协变量的小区域估计与基于人口普查微观数据的协变量信息生成的小区域估计进行比较。结果显示，在布基纳法索的采样区域中，基于地理空间协变量的估计值与基于人口普查的估计值高度相关，在非采样区域则为中度相关。此外，基于地理空间协变量的估计值在采样区域中的均方误差（MSE）低于直接估计值。

最后，文章使用单位上下文模型为所有五个国家提供实验点和不确定性估计。结果显示，基于模型的估计值与直接估计值高度相关，并且波动性小于直接估计值。此外，基于模型的估计值在采样区域中的MSE低于直接估计值。

总体而言，研究结果表明，在缺乏近期人口普查数据的情况下，利用地理空间数据生成小区域贫困估计值是一种可行且有效的方法。