能源贫困与收入贫困统计匹配研究：罗马尼亚案例
引言
在欧盟内，为了应对能源危机（如俄罗斯对乌克兰的入侵引发的能源价格上涨）而制定有效的反能源贫困政策时，当前的数据环境是一个主要障碍。传统的福利指标依赖于欧盟社会调查（EU-SILC），而详细的家庭预算调查则收集有关能源支出的数据。然而，这些调查样本不同，使得直接合并两者的数据变得困难。为了解决这一问题，本文提出了一种新的方法——统计匹配技术，以结合这两种调查的数据。
研究背景与目标
本文旨在通过统计匹配技术，将家庭预算调查（HBS）中的能源支出份额信息填补到欧盟社会调查（EU-SILC）中，从而生成一个综合了收入和支出数据的新数据集。该数据集将有助于识别能源贫困家庭，并分析能源价格上升对福利的影响，进而提出针对性的政策干预措施。
数据来源与方法
目前，欧盟国家缺乏同时包含收入和支出数据的可靠数据源。统计办公室Eurostat和相关文献探讨了数据融合方法，即统计匹配技术，来解决收入和支出数据缺失的问题。本文采用统计匹配技术，将2020年欧盟社会调查（EU-SILC，参考年份2019年）与2019年家庭预算调查（HBS）进行匹配。具体步骤包括：
- 数据预处理：首先，统一两个调查中重叠变量的数据格式。
- 选择匹配变量：确定两个调查中具有相似分布的相关变量作为匹配变量。
- 模型应用：应用多种插补模型，包括线性回归插补、预测均值匹配（PMM）和截断回归插补模型。
- 模型评估：根据三个标准评估模型性能：插补后的能源支出份额估计是否符合实际分布；结果的一致性；以及模型在模拟数据中的表现。
结果与分析
经过模型评估，预测均值匹配（PMM）模型表现出最佳性能。结果显示，几乎所有货币贫困的家庭也是能源贫困的家庭，但仍有相当一部分人口属于能源贫困。能源贫困率在较低福利水平上更高，这具有重要的福利意义。
结论
本文通过统计匹配技术成功地将家庭预算调查中的能源支出信息填补到欧盟社会调查中，生成了一个综合的收入和支出数据集。该数据集有助于更好地理解和识别能源贫困家庭，并为制定有效政策提供了依据。
本文详细介绍了如何通过统计匹配技术整合家庭预算调查和欧盟社会调查的数据，从而生成一个综合的收入和支出数据集，以更好地识别和分析能源贫困问题。
