利用 SWIFT 实际进展中本国

利用 SWIFT 实现发展中世界的高频实时贫困监测

SWIFT（即时和频繁跟踪的福利调查）是一个创新的框架，旨在更频繁、更及时地编制贫困统计数据，显著降低成本和时间消耗。吉田和Yoshida的研究（2022）揭示了，相较于官方贫困数据每7年才更新一次的现状，SWIFT能够以更低的成本和时间提供更为频繁和及时的贫困估计。

SWIFT框架主要包括三个关键部分：

1. 模型开发：通过在拥有全国代表性的足够大型数据集中（如家庭调查数据）建立一个归责模型。模型通常假设家庭人均支出的自然对数（或等值人均）与贫困相关系数呈线性关系。模型通过逐步OLS回归在训练数据内进行训练，通过交叉验证选择最优显著性水平，以确保模型的准确性和防止过度拟合。

2. 目标数据收集或统一：目标数据集可以是尚未收集的数据，或者源自现有调查的数据。在目标数据集与训练数据集不一致的情况下，需要进行数据协调，确保变量具有可比性，以最小化估计中的偏差。

3. 插补（Imputation）：使用训练数据中的模型将家庭支出估算到目标数据集中，通过多次估计（如20次）来计算家庭支出，并据此估计贫困率。

SWIFT框架的优势在于其成本效益、灵活性和准确性。与传统方法相比，SWIFT能够以更低的成本、更短的时间提供更加频繁的贫困估计，且估计偏差通常不超过±2个百分点。因此，SWIFT在超过70个国家的200多个项目中得到了广泛应用。

报告进一步探讨了SWIFT在不同情境下的应用，包括利用现有频繁家庭调查增加贫困统计数据频率、在缺乏适当培训数据集时生成贫困统计数据、探索将新的数据收集方法（如电话调查和基于社区的数据收集）整合到SWIFT框架中，以及在时间序列上恢复贫困数据的可比性。报告还提供了具体的国家示例，展示了SWIFT在不同国家和地区如何有效实施，以及如何通过SWIFT实现贫困数据的高频实时监测，以支持政策制定和资源分配的决策。