收入和消费数据的统计匹配：罗马尼亚能源和收入贫困评估

研究背景

在当前欧盟数据环境下，由于缺乏同时包含家庭支出和收入信息的调查，评估能源贫困面临挑战。家庭预算调查（HBS）收集支出数据，而欧盟-社会收入状况调查（EU-SILC）收集收入和贫困信息。这两种调查的样本不同，无法直接链接。

研究方法

本研究采用统计匹配技术，将2019年收入参考年份的EU-SILC 2020与2019年HBS进行匹配，以创建一个包含支出信息（特别是家庭能源支出份额）以及收入和社会保障信息的综合数据集。研究应用了多种统计匹配技术，包括：

• 匹配变量选择：通过Lasso回归从重叠变量中选择最相关的变量作为匹配变量。
• 多重插补模型：采用Rubin（1986）的方法，应用线性回归插补模型、预测均值匹配（PMM）和截断回归插补模型进行数据融合。
• 模型评估：根据三个标准评估插补模型的性能：估计值分布与观测值分布的吻合程度、模拟中均值估计值和标准差的稳定性，以及在复制数据集中的表现。

研究结果

• 加权PMM模型表现最佳：加权PMM模型在估计能源支出份额方面表现最佳，其估计值分布与观测值分布最为接近。
• 货币贫困与能源贫困高度重叠：几乎所有货币贫困者也都是能源贫困者。
• 能源贫困率较高：相当比例的罗马尼亚人口被认定为能源贫困，表明传统福利指标可能忽视了能源贫困问题。
• 低收入家庭能源支出占比更高：福利状况较低的户主将更多收入用于能源支出，可能面临因能源价格上涨而加剧的困境。

研究结论

• 政策启示：建议将能源援助计划纳入社会安全网，实施有针对性的能源补贴，并鼓励提高能源效率的措施，以解决罗马尼亚的能源贫困问题。
• 数据改进建议：建议提高不同家庭调查之间的协调性，并将在EU-SILC中纳入支出信息，以促进未来统计匹配工作的开展。