发展针灸：多维贫困的网络结构及其启示（英）

公共公披共公露披共公授露披共权授露披权授 政策研究报告工作论文10882 发展针灸 多维贫困的网络结构 并且其影响 维克多斯托科夫斯基路易斯F洛佩斯卡尔瓦基米莉博尔奇阿尔穆德娜费尔南德斯 《全球贫困与平等实践2024年8月》 政策研究报告工作论文10882 摘要 虽然发展文献在概念化和多维测量贫困方面取得了长足进步，但针对贫困的政策干预仍然被困在碎片化、特定领域的做法中。在实施综合政策应对多维贫困减贫的主要挑战之一是理解不同维度之间的相互联系以及它们如何随时间共同演变。例如，这可能需要解开一个人的健康、教育和生活水平如何以动态方式相互作用的谜团。受经济复杂性方法和应用启发，本文利用网络科学提出了两种新的衡量多维贫困相互连接结构的方法：贫困空间（一个可视化贫困不同指标之间相互作用的网络）和贫困中心性（衡量网络中每个指标相对重要性的指标）。将这些措施应用于67个发展中国家 该论文发现，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数据的各国在多维贫困网络结构上相似，并且这种结构在时间上是稳定的。研究还表明，与外围指标相比，在贫困空间中更中心的指标随着时间的推移见证了更大的有删减的贫困头数比下降。这些结果被用来展示如何将贫困空间应用于政策：利用前瞻性政策优先级推断框架来帮助指导政策选择。总体而言，该论文指出了使用网络科学方法来帮助识别多维贫困结构中的关键“节点”的相关性，在这些节点上施加的应用压力（针对性干预）可能对整个系统产生更大的影响 。 这份论文是贫困与平等全球实践团队的作品。它是世界银行更大规模提供开放获取其研究和为全球发展政策讨论作出贡献努力的组成部分。政策研究报告也发布在httpwwwworldbankorgprwp网站上。作者可以通过lflopezcalvaworldbankorg；kbolchworldbankorg；和viksabotgmailcom联系。 《政策研究工作论文系列》发布正在进行中的研究成果，以鼓励关于发展的思想交流。问题。该系列的一个目标是尽快发布研究结果，即使报告的呈现不够完美。论文包含作者姓名应相应引用。本文中表述的发现、解释和结论完全是作者本人的。 作者的观点。它们并不一定代表国际复兴开发银行世界银行的看法。其附属机构，或世界银行执行董事或他们所代表的政府的机构。 由研究支持团队制作 发展针灸：多维贫困的结构网络及其影响 维克托斯托伊科1夫斯路基易斯F洛佩斯卡尔瓦2金伯莉博尔奇3，以及Almude naFernndez4 关键词网络科学，多维贫经困济，复n杂性，邻近性指标，降维 JELcodesI31I32C63 我们感谢OmarGuerrero和GonzaloCasta。Weda和PhillipKoch对本论文的评论。本论文中所需的数据集和代码完全属于本文的究发现、解释和结论。 复刻本文中的实证分析可用在线作者。他们并不一定代表世界银行的看法，世界银行执行董事会的看法或他们所代表的政府的看 ；也不一定代表联合国，包括联合国开发计划署，或联合国会员国的看法。 1 斯科普里北马其顿的圣西里尔和梅蒂乌斯大学，集体学习中心，ANITI，IRIT，图卢兹大学，布达佩斯科沃伊维斯兹大学 2 世界银行 3 世界银行 4 联合国开发计划署 1引言 发展文献在理解贫困作为一个多维概念方面已经取得了长足的进步。自从阿玛蒂亚森对能力方法（Sen，1979，1999）进行正式化以来，该方法主张基于个体追求他们有理由珍视的生活所必需的“存在”和“行为”的底层集合，对贫困的更广泛视角，研究人员已经开发和改进了衡量多维贫困的方法（Basu和LopezCalva，2011；Alkire，Roche和Seth，2013）。已经有一大批工作提出了维度和指标、剥夺阈值和汇总方法。特别是，使用AlkireFoster方法创建基于计数的指数，在测量方面取得了关键进展，并促进了世界各地指数的发展（Alkire和Foster2011）。如今，大约有40个国家发布了国家多维贫困衡量指标（除了国际组织发布的全球衡量指标），为协调政策行动提供了一种强大的工具。 然而，从多维度衡量贫困到设计考虑这种多维性的减贫干预措施的转变仍然不完整。政策讨论继续被困在碎片化的部门特定反应中。实施多维贫困综合政策方法的一个主要挑战是，当前的衡量标准没有提供关于不同维度随时间如何相互关联的信息因此，针对一个维度的政策可能会对其他维度产生何种影响。我们可以观察到干预措施的整体结果，但无法看到不同维度如何相互作用以产生该结果。我们知道贫困的各个维度不是孤立演变的。例如，我们知道教育与健康有关，而健康又取决于营养和住房特征。从这个意义上讲，当我们观察传统多维度贫困指标中的不同指标时，我们实际上观察到的是一个向量，状态变量在时间上共同决定动态系统当前措施提供了对每个状态变量在某一时间点联合分布的有用快照，但它们并未揭示关于控制它们之间相互作用的动态过程结构的任何信息。帕塔达斯古普塔在撰写关于仅使用仅使用来理解贫困陷阱的挑战时，注意到了这一区别。 静态的变量描述认为“相互因果（即，几个变量在时间上相互影响）对数据解释有影响”（Dasgupta，2007）。 揭示和量化多维贫困的这种相互关联的结构，对传统的经济技术构成挑战。在过去十年中，学者们已经开始使用不同的方法来探索这个问题。例如，Suppa、Alkire和Nogales（2022年 ）使用潜在类别分析来总结关于发展中国家不同剥夺概况的信息；Ceriani和Gigliarano（2016年）使用贝叶斯网络来可视化欧洲不同贫困维度的依赖结构；Gallardo（2022年）采用类似方法研究智利贫困的结构；Duclos、Tiberti和Araar（2018年）使用目标优势技术来探讨越南和南非针对计划对其他贫困维度潜在溢出效应的探索；Guerrero和Castaeda（2024年）使用基于代理的模型来研究墨西哥在多个贫困维度上社会支出与影响之间的结构关联。分析交互作用从关注不同维度之间的“权重结构”到试图解开变量之间的相互关系。受经济复杂性方法的启发，本文利用网络科学方法，通过提出一种理解多维贫困相互关联结构的新方法，为这一不断增长的文献体做出贡献。 经济复杂性领域结合网络科学方法与特定空间内经济结果分布的信息，以估算经济系统中存在的隐性关系度量（Hidalgo2021；Balland）。等。2022）。在此，我们介绍了一种类似的方法来衡量贫困维度之间的关系。具体而言，我们利用经济复杂性的两种方法：1）邻近度指标和2）降维技术。邻近度指标通过人口中结果共现来量化它们之间的结构关系（Hidalgo）。等。，2007；NeffkeHenning和Boschma2011；KoglerRigby和Tucker2013 ；Guevara等。2016而降维技术将经济结果的空間分布總結為一個數字（Hidalgo和Hau smann，2009；Tacchella等。2012；Sciarra等。在2020年的这项研究中，我们利用前者构建了一个网络表征，展示了贫困各个维度之间的相互联系（我们类比地称其为）。贫困空间并且后者提出一项措施，该措施能够捕捉到网络中不同维度相对重要性（我们将其定义为贫困 中心度。我们随后使用详细数据来探索家庭层面的贫困指标共现情况，并为每个国家构建网络图。 使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来绘制多维贫困的相互关联结构，并探究其结构随时间的变迁。我们的研究结果揭示了各国贫困空间结构中的显著相似性以及其随时间的不变性。具体指标，如家庭烹饪技术（与家庭生活条件相关的烹饪燃料）持续地以节点形式出现在网络的中心位置，而像儿童死亡率这类指标往往位于网络的外围。为了引入更加动态的视角并捕捉溢出效应的路径，我们还探讨了贫困指标的核心程度与该指标随时间变化的人口剥夺发生率之间的关系。我们发现，在贫困空间中更核心的指标在时间上往往经历了更显著的被限制的贫困头数比例的降低。最后，为了在政策环境中应用我们的发现，我们将贫困空间网络整合到政策优先级推断（PPI）框架中（Guerrero和CastaedaRamos，2020）。这种整合使我们能够探究贫困结构可能如何与针对性干预措施的有效性相关。PPI是一种前瞻性的基于主体的模型，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Castaeda，2024）。通过使用贫困空间提供的关于贫困指标之间结构关系的资料，PPI得以实施，以优先考虑不同的政策干预，认识到各贫困指标之间可能存在的连锁效应。 理解多维贫困的相互关联结构对于最大化减少贫困的政策影响至关重要。通过揭示多维贫困结构内部的联系网络，本文展示了经济复杂性方法如何帮助我们更准确地定位该网络中的“关键节点”。这些关键节点代表着贫困网络中最相互关联的维度，并成为干预的重点领域（BlochJacksonandTebaldi2023）。就像针灸干预一样，针对特定节点的发展战略可能对整个系统产生更大的影响。 本文的剩余部分结构如下。第二节回顾了相关文献，以建立在经济复杂性方法在多维贫困背景下的适用性的案例。第三节 本报告概述了用于开发贫困空间、贫困中心度衡量方法以及进行动态分析的方法。第四章总结了支撑我们分析的数据。第五章讨论了结果，首先通过展示贫困空间作为映射贫困结构的实际衡量指标的效用。随后，进行实证研究，探讨贫困的结构性细微差异与其随时间推移的动态变化之间的关联。本节最后展示了贫困空间在贫困指数（PPI）框架中的整合。第六章得出结论。 从经济复杂性中学习：从产品空间到贫困空间 经济复杂性领域已成为理解经济系统复杂性的新框架（Hidalgo2021；Balland）。等。2022）。与多维贫困的情况相似，经济复杂性的产生是由于把握经济细微结构的需要。经济复杂性方法利用网络科学技术来分析有关产业、产品和出口的空间分布数据，并量化经济输出的结构关系。 在这方面，希达戈等。2007引入了产品空间，这是一个作为邻近度度量主要例子的网络 。它捕捉了在出口另一种商品的情况下，一个国家出口商品的条件概率，反映了全球经济体中产品之间的邻近性。这种方法在建模溢出效应和预测未来专业化模式方面已被证明是至关重要的。特别是，研究表明，国家倾向于通过向那些在产品空间中与其已生产的商品相近的产品转移来多样化其出口组合，从而从既定的经济环境和支持性基础设施中获益。 然而，在过去的几年里，使用邻近度指标构建网络（如产品空间模型）的真实优势已经展示了它们的多样性和适应性。具体而言，产品空间的邻近度指标超越了贸易的边界，将它们的分析能力扩展到广泛的活动中的溢出效应模型。例如，这可能包括基于共同作者的科学学科的邻近性（Guevara）。等。，2016），基于专利类别的创新领域（NeffkeHenning和Boschma2011；KoglerRigby和Tucker2013），或其他相互关联的活动集合。 Hidalgo和Hausmann（2009年）利用产品空间来正式引入经济复杂性的概念，并创建了基于网络的中心度衡量指标，以表示产品在经济中的潜在重要性（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个指数，为各国包容性绿色发展潜力提供了宝贵的洞察（Tacchella）。等。2012；Cristelli等。，2013；豪斯曼等。，2014；hartmann等。，2017；Romero和Gramkow，2021；Stojkoski，Koch和Hidalgo，2023 ）。如今，这些指标被用来补充GDP等综合指数，并指导结构性干预（Balland）。等。2019HassinkandGong2019MontresorandQuatraro2020DeeganBroekelandFitjar2021 最近，经济复杂性方法被应用于开发数据驱动的方法，以理解向可持续发展目标（SDGs）的进展以及解决多维