实时指标追踪新冠肺炎危机期间发展中国家家庭福利变化的情况如何？（英）

公共公披共公露披共公授露披共权授露披权授 政策研究工作论文10916 在COVID19危机期间，实时指标在发展中国家追踪家庭福利变化的效果如何？ DavidNewhouseRachelSwindleShunWangJoshuaDMerfeldUtzPapeKibromTafereMichaelWeber 发展经济学、贫困与平等全球实践与人力资本项目，2024年9月 政策研究工作论文10916 摘要 本文研究从互联网搜索、手机和卫星中提取的实时指标在多大程度上可以预测在20个国家约300个行政级别一的区域在COVID19危机期间家庭社会经济指标的变动。每个区域社会经济状况的变化是从高频电话调查中获取的。在使用2020年4月至8月进行的第一波数据时，使用最小绝对收缩和选择算子选择的模型解释了报告总收入下降的家庭份额跨区域变化的37，以及自危机开始以来报告工作中断的受访者份额的34。实时指标在解释收入损失和当前就业随时间在区域内的变化方面解释的量较少，当前就业的R2为15，收入下降的普遍性为22至26。当将样本限制在城镇地区时，实时指标在解释区域内部变化方面远比有效。 收入损失和当前就业状况存在差异，分别的R2值约为054和038。收入增长、自报食品不安全、社交距离行为以及儿童学校参与程度较难预测，R2值范围从006到017。与食品、金钱、工作和宗教相关的Google搜索词是第一波调查中停止工作和收入下降的最强有力的预测因素，而与食品、运动和宗教相关的搜索词更好地反映了收入下降和就业状况随时间的变化。Google移动性指标也是就业变化和特定类型收入下降普遍性的强大预测因素。总的来说，关于植被、污染和夜间灯光的卫星数据预测能力远较低。Google移动性和搜索数据 ，在一定程度上还有植被和污染数据，能够提供关于地区经济困境和复苏的有意义信号，尤其是在像COVID19这样的重大危机早期阶段。 本文是发展经济学、贫困与平等全球实践以及人力资本项目的研究成果。它是世界银行更大规模努力的一部分，旨在提供其研究的开放访问，并对全球范围内的政策讨论做出贡献。政策研究工作论文也发布在httpwwwworldbankorgprwp上。作者可通过dnewhouseworldbankorg联系。 政策研究工作报告系列disseminatesthefindingsofworkinprogresstoencouragetheexchangeofideasaboutdevelopment问题。本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。这些论文包含 作者姓名应相应引用。本文中表述的研究发现、解释和结论完全是作者自己的。作者的观点。他们不一定代表国际复兴开发银行世界银行的观点。 其附属机构，或世界银行执行董事及其所代表政府的机构。 由研究支持团队制作 如何评估实时指标在COVID19危机期间对发展中国家家庭福利变化的追踪效果？1 DavidNewhouseRachelSwindleShunWangJoshuaDMerfeldUtzPape基布罗马法雷，迈克尔韦伯 ELJD31D74I31O15 关键词COVID19；健康福祉；工作；收入；谷歌移动性；二氧化氮；谷歌搜索 1该团队感谢韩国经济和平建设过渡信托基金（KTF）提供的资金支持。KTF由韩国经济财政部支持，是一个由世界银行管理的全球基金，旨在为脆弱性、冲突和暴力情况下的关键发展运营和分析提供资金。 1引言 COVID19引发了一场自第二次世界大战结束以来最为急剧和剧烈的家庭和区域经济震荡。在2020年3月11日世界卫生组织宣布COVID19为全球大流行病的几周内 ，病毒已经蔓延到世界上大部分地区。2随着危机的展开，立即需要有关大流行对经济影响的高速、准确数据。世界银行集团与国家统计机构合作，在数十个成员国进行电话调查，旨在迅速衡量大流行如何影响家庭。这些调查询问受访者关于总收入和收入来源方向的变动情况。此外，还询问了获取关键服务和资源、食品安全、就业状况、行为调整和整体福祉的情况。这些调查数据所提供的见解已被证明对记录许多发展中国家家庭受到冲击的影响和制定政策反应具有无价的价值：它们使援助和恢复计划中的精准定位成为可能，无论这些计划是以向居民直接转账现金的形式，还是以帮助受影响最严重的行业的企业的方式进行干预。然而，进行电话调查需要关键的时间，而在重大危机期间这并不总是可用的资源，并且需要大量资源来维持较长的时间。 实时指标，例如卫星图像、空气污染数据和谷歌移动数据，可低成本立即获得。因此，例如，谷歌移动数据因其能够在理解社区对疫情的响应方面变得流行，这一点并不令人惊讶。在实施封锁时，谷歌移动数据显示商业区域的活动相应减少 ，居民区的花更多时间。这些数据显示在接近实时，可用于记录对活动限制的遵守情况。类似地，对氮氧化污染物监测在受shock（Masaki等人，2020）影响区域后的近实时数据分析显示，一些地方的污染有所减少。不同国家和该国家地区内危机的爆发速度的差异以及复苏的渐进性，引发一个自然会问的问题，即这些实时指标有多么好地跟踪调查中收集到的经济指标，以及哪种实时指标更有信息含量。 2总干事在关于COVID19的媒体简报上的开幕词，2020年3月11日。 httpswwwwhointdirectorgeneralspeechesdetailwhodirectorgeneralsopeningr emarksatthemediabriefingonCOVID1911march2020 本项研究将大量近实时指标与世界银行的电话快速调查相结合，以评估这些指标预测家庭经济福祉各种代理指标变化的能力。除了谷歌移动数据外，还使用了谷歌搜索趋势、夜间灯光、植被和污染数据来开发预测家庭调查中各种结果趋势的模型。首先，该研究考察了这些实时指标预测初始冲击严重程度变化的能力，该严重程度是通过自报收入减少和自危机开始以来的失业情况来衡量的，这些数据记录在各国于2020年4月至8月之间进行的第一次调查波次中。其次，该研究考察了实时指标预测区域内通常是州或省随时间变化的变异性，即随着危机的影响演变。 尽管实时数据在经济研究中相对较新，但几项研究提供了关于预测建模的最佳实践以及这些数据如何有助于贫困研究的见解。许多实时指标，如谷歌移动性、卫星夜间灯光、二氧化氮（NO）2以及针对某些关键词的谷歌搜索，有可能预测传统的福祉指标。谷歌移动性最近被用来预测疫情期间的工业生产增长（SampiJooste，2020）和经济增长（PutraArini，2020）。谷歌移动性指数显示了每个地理区域内访问场所随时间的变化情况。该指数针对六个场所类别进行测量，包括工作场所、住宅、杂货和药店、交通站、零售和娱乐，以及公园。然而，这些数据并不具有代表性，因为它们仅收集了已开启位置服务的智能手机用户的数据。 经济学家越来越多地使用卫星探测到的夜间灯光作为经济指标的代理（ChenNordhaus2011Gibsonetal2021Hendersonetal2012Ishizawaetal2017 Mellanderetal2015）。在那些经济和社会核算体系质量较低的发展中国家，或者当卫星图像比此类数据更频繁可用时，基于卫星的夜间灯光数据可能提供关于社会和经济发展的宝贵信息。除了广泛使用的夜间灯光外，经济学界最近还探索了其他类型的遥感数据。例如，CastellanosBoersma2012发现，NO2与经济活动相关，因此可以用来衡量社会和经济活动的规模（KeolaHayakawa2021）。归一化差分 植被指数（NDVI）可以解释斯里兰卡人均消费变化的约4（Engstrom等人，2021年）。白天卫星图像也已被证明可以预测来自撒哈拉以南非洲生活标准测量调查的村庄级资产指数变化的15至17。然而，当预测村庄级资产所有权的变动指数时，这一比例上升至35，而当将这一变动指数汇总到区县级时，比例更是高达50（Yeh等人，2020年）。Khachiyan等人（2021年）发现，基于卫星图像训练的模型可以解释美国收入和人口十年变化的32至46。 搜索引擎的数据也已被用于评估人们的实时福祉，而无需依赖调查问卷。谷歌趋势基于搜索频率，及其本地等效项（例如中国的百度趋势和韩国的Naver趋势） ，提供了一定地理区域内按主题或术语随时间变化的搜索强度（或相对流行度）指数。许多近期研究已经使用了这些数据。谷歌趋势探索新冠病毒大流行期间心理健康变化布罗德鲁尔等，2021；福阿等，2020；马等，2021然而，这些研究侧重于衡量封锁对搜索行为的影响，并没有将搜索数据与大规模的电话调查数据进行比较。此外，搜索引擎的数据也不是全国代表性的，因为它们只适用于有互联网接入的地区，并且是从使用谷歌进行在线搜索的用户那里收集的。而卫星数据则受云层影响，引发了对其追踪更广泛经济变化的能力的质疑。 在这篇论文中，我们利用来自不同来源的一系列实时指标，预测发展中国家在COVID19危机期间福利变化。以下六项主要发现出现： 1选定的实时指标预测了危机初期跨区域变化的显著份额。在20个国家的约300个地区中，八个谷歌搜索词共同解释了从2020年4月到8月，报告总收入下降的户家庭份额变化的36。同时，在同一时期，10个谷歌搜索指标共同解释了报告失业的受访者份额变化的34。 与初始影响相比，所选实时指标解释了2020年4月到目前收入下降和就业普及度变化的较少部分。 2021年2月。R2这些模型的价值仍然相当可观，收入下降的发生率为22至26，当前就业率为15。 当将样本限制在仅包含城市地区时，实时指标在解释2020年4月至2021年2月期间区域内收入下降和就业之间的变化方面远远更加成功。R2模型中这些值的范围为29至55，表示收入下降的发生率，对于当前就业率为33。城市地区的预测性能提升似乎部分归因于谷歌搜索词的更高预测准确性。 4谷歌移动度量与工作停止和当前就业状况的变化以及农业、非农业企业收入和工资收入的下降在初始阶段和随后的时期都强烈相关。 5与食物、金钱、工作和宗教相关的谷歌搜索词也是危机初期收入下降和工作停滞的强预测因素。随着危机的演变，与食物、援助、宗教和在某些情况下锻炼相关的谷歌搜索是收入下降和就业普及率变化的强预测因素。 6总体而言，谷歌搜索和移动信息在预测收入和就业变化方面比植、污染和夜间灯光的卫星数据更为准确。然而，植水平强烈预测食物不安全程度和辍学学生的比例，而污染是工作停滞、当前就业、非农业和工资变化的适度强预测因素。夜间灯光在任何预测模型中均未LASSO选中。 总计，我们的研究结果表明，这些实时指标，尤其是谷歌移动性和搜索词，可以预测福祉变化的相当一部分。这些迹象正相关或负相关往往是直观的，特别是当解释随时间的变化时。实时指标在预测初期的危机影响中的横截面变化时，比在重复调查数据波次的长期结果变化更有效。此外，实时指标在预测收入损失方面比增益更合适。不同的指标在不同情境中的重要性也大不相同，这突显了训练模型的好处。 结合来自多个不同来源的信息。此类模型可能是监测地区经济状况变化的可行途径，尤其是在突然、大规模冲击发生，而更传统的调查数据（尚未）广泛可用时 。 本论文的剩余部分按以下结构组织：第二章介绍了数据和经验方法，第三章描述了幸福感的趋势，第四章展示了我们分析的结果，第五章得出本研究的结论。 2数据与方法论 本研究采用两种类型的数据：（1）衡量COVID19疫情期间家庭福祉的高频电话调查，以及（2）关于流动性、互联网搜索活动、污染和夜间照明的实时指标。我们将地区汇总的高频电话调查（HFPS）数据作为基于实时指标的预测的因变量。 21来自HFPS的家庭幸福指标 高频压力数据覆盖了59个发展中国家。3该研究每个国家的调查实施过程均与国家统计局合作进行，以确保适当的权重和人口代表性。调查员通过电话联系家庭 ，并在后续波次中跟进个人。调查可以通过重新联系