通过同伴排名衡量相对贫困：来自科特迪瓦的证据

NBER 工作论文系列通过同行排名衡量相对贫困：来自科特迪瓦的证据Pascaline Dupas Marcel Fafchamps Deivy Houeix工作文件 29911 http://www.nber.org/papers/w29911国家经济研究局马萨诸塞大道 1050 号马萨诸塞州剑桥市 021382022 年 4 月我们要感谢 Eva Lestant 和 Arsene Zongo 提供的出色的实地研究援助，以及科特迪瓦扶贫行动创新 (IPA) 收集数据。我们感谢斯坦福金全球发展中心和 IPA 研究方法倡议为这项研究提供资金。本文所表达的观点是作者的观点，不一定反映国家经济研究局的观点。分发 NBER 工作文件以供讨论和评论。他们没有经过同行评审，也没有接受 NBER 官方出版物随附的 NBER 董事会的审查。© 2022 Pascaline Dupas、Marcel Fafchamps 和 Deivy Houeix。版权所有。不超过两段的短文本可以在未经明确许可的情况下被引用，前提是对来源给予充分的信用，包括©通知。 通过同行排名衡量相对贫困：来自科特迪瓦 Pascaline Dupas、Marcel Fafchamps 和 Deivy Houeix 的证据NBER 工作文件第 29911 号，2022 年 4 月JEL No. D31,O12抽象的我们研究了一种获取相对贫困排名的方法，该方法汇总了从多个人获得的部分贫困排名。我们首先证明该方法原则上有效，然后将其应用于科特迪瓦城市。我们发现构建的排名通常是不完整的，并不总是可传递的，有时还包含循环。受访者报告的成对排名和构建的总排名与从调查数据中获得的贫困衡量标准的相关性很差。在城市和郊区环境中，通过同龄人排名来衡量相对贫困似乎很困难。Pascaline Dupas 斯坦福大学经济系579 Jane Stanford Way 斯坦福，CA 94305-6072 和 CEPR还有 NBER pdupas@stanford.eduMarcel Fafchamps Freeman Spogli 研究所 斯坦福大学616 Jane Stanford Way 斯坦福，CA 94305 和 NBER fafchamp@stanford.edu神威麻省理工学院 11介绍许多发展干预措施旨在针对穷人（例如，Ravallion 2000、Ravallion 2009、Ravallion 2015）。在某些情况下，例如当贫困高度集中时，基于社区或空间定位可能就足够了。但通常情况下，定位需要社区内的定位机制（Elbers et al. 2007）。已经制定了各种策略来识别社区中最贫困的成员。在没有所得税申报等通用行政数据的情况下，一种策略是对个人或家庭进行调查，并根据他们提供的信息对其进行排名。一个著名的例子是墨西哥 Progresa 现金转移计划的资格分配（Skoufias et al. 1999）。方法仅在收集的信息类型上有所不同：关于消费和收入的详细调查（例如，Deaton 2019；Grosh 和 Glewwe 2000）；对贫困指标的简单调查（例如，资产——Elbers 和 Lanjouw 2003，Elbers 和 Yin 2007）；或对主观幸福感问题的回答（例如，Ravallion 和 Lokshin 2001，Ravallion 和 Beegle 2016）。这些方法都有缺点：详细调查费时费力；短期调查被认为很容易被受访者操纵（Banerjee and Sumarto 2020）；主观幸福感通常与物质幸福感没有很好的相关性，无论是随着时间的推移还是在不同的国家（例如，Blanchflower 和 Oswald 2004；Layard 2009）。此外，排名受测量误差和可能的响应偏差或操纵的影响，导致分配错误。1另一种方法是将目标决策委托给地方一级。例如，马拉维当地酋长的任务是确定有资格获得大型农业投入补贴的贫困家庭（Basurto 等人，2020 年）。与此相关的一个关键问题是本地捕获或裙带关系（Alatas et al. 2013）。为了缓解这种情况，人们可以向社区成员本身征求相对排名——通常聚集在一个焦点小组中。焦点小组被要求提供一组个人或家庭的完整相对贫困排名，通常是他们村庄或邻里的所有人（例如，Alatas et al. 2012）。这种方法的主要优点是，一方面，它比详细调查更简单、更便宜，另一方面，比仅依靠当地精英更透明。这种方法已被证明可以产生合理的排名1测量误差源于受访者对答案的了解不完全——例如，因为他们不记得或没有关于其他家庭成员的完整信息。这种噪音会导致分配错误——称为 I 型和 II 型错误（例如，Ravallion 2015）。当受访者期望被分配到高或低等级的好处时，就会出现反应偏差——例如被归类为“低于贫困线”的福利。在某种程度上，每个人都面临着相同的动机来使他们的调查回答向下或向上偏向，这不一定会导致排名失真。但这可能导致将受访者错误地分类为贫困或非贫困（例如，Ravallion 2008）。 2农村背景（例如，Alatas 等人，2012 年）。一个潜在的缺点是焦点小组排名可能反映了当地对谁是应得的穷人的偏见和看法，从而偏离了发展干预的价值观（例如。G。，Galasso 和 Ravallion 2005，Ravallion 2008，Alatas 等人。 2019）。 它还假设社区成员拥有提供所需排名的必要信息。 为了研究这个假设，Alatas 等人。 2016 年要求个人根据经济状况对他们的八个邻居进行排名。 他们将这些报告的排名与自我报告的经济状况进行比较，并测试报告的排名的准确性是否随受访者在当地社交网络中的位置而变化。 他们发现网络邻近度和网络中心性预测更准确的排名，并得出结论，贫困目标应该依赖于社会中心更重要的关键信息提供者。 虽然依靠关键信息提供者可以在农村小村庄产生有意义的排名，但尚不清楚它是否适用于流动人口较多且社交网络密度较低的城市和城郊地区。 在任何人都不太可能对所有当地居民进行排名的情况下，哪些方法可以帮助生成准确的贫困排名？在本文中，我们试图从同一地区的多个人提供的部分重叠的排名中构建总体贫困排名。在相对经济福利信息过于分散以至于一小群人无法了解每个人的情况下，个人可能仍然有足够的本地信息来对少数社会邻近的家庭进行排名，例如。G。， 邻居。 在城市环境中进行的一项研究（Beaman 等人。 2021) 几乎没有证据表明个人可以准确评估随机选择的社区成员是否贫穷。 尽管如此，他们将向穷人转移的目标略好于偶然性，这表明他们拥有部分但相关的信息。 如果可以以有意义的方式组合此扩散信息，则可以使用它来推导一个。总贫困排名。2我们提出了一种聚合部分排名的新方法，并在非洲大都市实施。我们要求科特迪瓦大阿比让地区 34 个不同社区的一小部分受访者对该社区的 14 个目标家庭进行排名。包括三种类型的受访者：目标家庭，从附近随机选择；邻近家庭；当地的小贩和贸易商，他们大概可以观察到客户的消费模式。我们结合他们的所有回答，构建每个社区 14 个目标家庭的总排名。2阿拉塔斯等人。 2016 年指出，即使在农村环境中，缺乏信息也会导致部分排名，因为受访者无法或不愿意对某些个人进行排名。 3然后，我们将报告的排名和构建的（汇总）排名与基于调查数据的排名进行比较。 目标家庭回答 LSMS 式的详细调查，涵盖收入、消费、资产和许多其他家庭特征。 根据对本次调查的反馈，我们计算了每个目标家庭的家庭收入和消费的各种衡量标准。 我们还构建了两个在实践中经常使用的汇总统计数据：贫困的代理均值测试 (PMT)，将研究国家使用的权重应用于资产和耐用品调查数据；和贫困概率指数 (PPI)，该指数是根据对贫困行动创新 (IPA) 提出的一小组特别选择的调查问题的答案计算得出的。 然后，我们将来自同行比较的报告和构建的总排名与 PMT 和 PPI 指数以及各种消费衡量标准产生的排名进行比较。 我们的实证环境阿比让是西非人口超过 500 万的大都市，是一个不错的环境选择，因为贫困测量是该地区的热门政策问题。 特别是，在 2019 年，科特迪瓦开始推出其全民医疗保险 (CMU -Couverture Medicale Universelle)，为社区中最贫困的成员提供免费医疗服务。正如我们所展示的那样，在这种情况下，社区内的贫困水平高度不同，这意味着基于地理的目标是不够的。 在现行的政府计划下，穷人是通过结合可观察指标 (PMT) 和与当地领导人进行的社区评估来确定的。 在这种情况和类似情况下，利用同行排名是否可以提高项目的针对性是一个悬而未决的问题。我们还调查了家庭在被要求进行自我排名时对其排名产生偏差的程度，这一问题一直是近期理论工作的重点（例如，Bloch 和 Olckers 2021a、Bloch 和 Olckers 2021b）。为此，随机选择一半的受访者被要求在 14 个目标家庭中进行排名；另一半只被要求对目标进行排名。我们有三个主要结果。第一个结果是方法论的。我们证明，原则上，可以通过结合众多个人信息提供者提供的部分排名来构建社区中所有家庭的相对排名。我们还指出了为什么这种理论上的可能性在实践中可能难以捉摸的潜在原因。第二个结果是经验性的。我们表明，由于两个关键缺点，构建的排名未达到预期：（1）它们在所有情况下都不完整 - 有时严重； (2) 它们并不总是传递的——许多都包含循环。这些实证研究结果突出了在高密度社区使用同行排名的局限性。许多受访者根本不认识他们周围的许多家庭。 4因此，许多受访者提供的信息很少。这意味着已知地理定位无效的区域——即密集的城市社区——也是低密度对等排名似乎没有什么用处的区域。尽管如此，更高密度的同行排名可能会产生更完整的构建排名。我们的第三个结果是，受访者报告的成对排名与我们对目标家庭收集的各种观察指标并不高度相关。这既适用于个别受访者报告的成对排名，也适用于通过组合个别答案获得的构建的总排名。我们还发现，调查中的 PMT、PPI 和消费指标之间仅适度相关，这表明这些指标中也存在测量误差。但这些观察指标都比排名更能预测彼此。我们还调查了报告的排名是否与目标家庭的炫耀性消费支出相关性更好。他们不。这些结果有助于了解该方法何时以及如何产生有用的信息。在我们的实证应用中，个体被调查者被要求对社区中的 14 个家庭进行排名，这些家庭通常包含超过 200 个家庭。在大量情况下，被调查者不知道目标家庭，因此，报告的排名比例远低于为每个社区可靠地构建总体排名所需的排名数量。这表明该方法的成功实施需要足够大的线人与目标家庭的比例，以及选择目标家庭和线人的足够有限的地理区域。报告的排名与观测数据之间的低相关性也表明，城市和城郊地区可能会经历过多的收入变化和空间流动性，从而使邻居无法准确猜测彼此的相对经济地位。所报告的排名甚至与炫耀性消费无关，这一事实使我们进一步怀疑，城市和城郊家庭通常不会相互关注——或者至少他们不会将自己与附近的其他人进行比较.这与农村地区不同，农村地区已经成功地从许多国家的主要信息提供者那里收集了相关排名。我们的解释与 Fafchamps 和 Shilpi 2008 的工作一致，他们发现尼泊尔的农村受访者会衡量他们相对于邻居的主观幸福感，而尼泊尔城镇的居民则不会。这可以解释为什么可以要求农村居民相互排名，而不是城市居民。在本文的其余部分安排如下。第 2 节演示了主要 5Σ....0 0 ..一个本文的方法论贡献。第 3 节解释了实验设计和数据收集。第 4 节描述了获得的经验排名和随后的相对排名有向图。第 5 节调查排名是否提供信息。第 6 节检查自排序随机治疗。第 7 节着眼于预测对他人进行排名倾向的特征。2方法我们的目标是从多个部分排名中构建一个总体排名。考虑一个集合小号的n个人按收入排序：是的1< 是2< ... < 恩现在，我们假设所有的不等式都是严格的。这个真实的排名可以表