巴基斯坦贫困地图 2019 - 2020

巴基斯坦贫困地图 2019 - 2020 拉米罗马拉加奥尔特加莫里茨 · 迈耶Paul Corral Rodas 政策研究工作文件 11012 Abstract 本文总结了用于估算2019-20年巴基斯坦各district级 monetary贫困的方法。采用了小区域估计方法，将2018-19年家庭收入和支出调查的数据填补到2019-20年巴基斯坦社会与生活标准测量调查中。此应用与通常使用抽样到人口普查方法的小区域估计实施方式不同，因为这两项调查都是家庭调查。使用家庭调查而不是人口普查作为目标数据，提供了额外的信息用于建模。 贫困，但这也伴随着因抽样而产生的噪音。货币贫困率被估算在旁遮普省、信德省、开伯尔-巴尔蒂斯坦省和俾路支省的126个区县中，包括了过去联邦直辖部落地区和前边境地区的区县，这是首次进行此类估算。通过使用人口普查经验最佳法，分析获得了比巴基斯坦之前实施的方法更精确、更准确的贫困估计值。 这篇论文是由世界银行贫困与平等全球部门所产。它是世界银行为提供研究资料的开放访问，并为全球发展政策讨论做出贡献而进行的一项更大努力的一部分。该政策研究工作论文也在网上发布于http://www.worldbank.org/prwp。作者可以联系obarriga@worldbank.org。 巴基斯坦贫困地图 2019 - 20201技术文件 拉米罗马拉加奥尔特加莫里茨 · 迈耶Paul Corral Rodas世界银行集团世界银行集团世界银行集团 JEL 分类: I32, C13关键词 ： 小区域估计 ， 贫困 ， 不平等 ， 包容性增长 ， 空间差异 ， 巴基斯坦 1. Introduction Household调查是发展中国家用于衡量贫困和不平等的主要信息来源。然而，政策制定者往往对贫困估计的细分程度高于通常从 Household调查中可以获得的水平感兴趣。了解哪些地区（或tehsils）的贫困率较高或贫困人口比例较大有助于改进支持贫困家庭的政策干预设计，无论是通过增强针对性还是其他政策和项目。 鉴于收集高质量消费数据所需的成本和时间，样本大小与数据成本和质量之间的权衡限制了用于估算货币贫困的户调调查的样本规模至较高的聚合级别，如省级或全国级。以巴基斯坦为例，该调查是家庭收入和支出调查（HIES），提供了代表省级及城乡水平的详细消费数据。此外，巴基斯坦社会与生活标准测量调查（PSLM）使用与HIES相同的抽样框架，其大部分问题属于HIES问卷的一个子集。尽管PSLM不包含消费模块，但其样本规模较大，这使得在区县级别上具有代表性。2在这种设置下，可以利用家庭经济调查（HIES）和贫困和生活状况轮询监测（PSLM）的信息，通过统计方法小区域估计（Small Area Estimation, SAE）在区县级层面估算货币贫困情况。 SAE 方法背后的前提是从数据集中投射有关家庭福利的信息with消费数据到另一个具有较高地理分辨率的数据集 (通常是人口普查) ， 但没有一个消费模块。SAE结合了两个数据源，其中一个包含详细的消费支出或收入数据，但不具有我们所需的粒度级别（例如区县级）。相比之下，另一个数据源虽然没有消费支出或收入信息，但在所需级别上具有代表性——通常是人口普查数据。线性模型建立了福利与其他特征之间的关系。然后使用该模型估计的参数来预测缺乏消费支出或收入数据的数据集中的消费支出或收入。这种方法的优势在于，在较低层级使用的贫困衡量标准与国家和省级层面使用的衡量标准相同。然而，这种策略的成功依赖于这两个数据集共享相同的变量以进行稳健的贫困预测。世界银行广泛使用SAE方法来估算细粒度的贫困，并将这些估算值与非货币贫困指标相结合。例如，包括但不限于阿尔巴尼亚、玻利维亚、保加利亚、柬埔寨、厄瓜多尔、印度尼西亚、墨西哥、斯里兰卡和越南。 这里创建的贫困地图与其他大多数实施方式不同，因为目标数据集不是人口普查数据，而是一项大型家庭调查（PSLM）的数据。这种设置具有优势，例如两个数据集中共有更多的变量，并且解释力更强。然而，大量的符合条件的协变量可能导致过拟合，而且由于数据是样本而非整个population，估计值可能具有额外的不确定性。3 这篇论文分为七个部分。第二部分介绍了单个单位SAE的背景文献，第三部分描述了应用的方法论。第四部分介绍了使用的数据集，第五部分讨论了实际中的计量经济建模和估计。第六部分呈现了关键发现，第七部分进行了总结。 主要结论。附录中提供了各区的估计值和每个省级模型右侧所选变量的列表。 2. 文学 文章《微观层面的贫困与不平等估计》（Elbers, Lanjouw, and Lanjouw, 2003）是进行贫困地图绘制的重要参考文献。该文描述了一种获得小区域贫困估计的方法，并因其简便性和有效性而广为人知，被称为ELL方法。直到最近，这种方法仍然是世界银行大多数贫困地图的默认制作方法。ELL方法属于小区域估计（SEA）中的单元水平模型类别。该模型在户主层面进行指定，还可以在更高层添加额外变量。在ELL之后，相关文献不断提出改进和优化。4这些包括Molina和Rao（2010年），他们引入了经验最佳（EB）估计器，该估计器更有效地利用了可用的调查数据。对于EB估计器，通过将调查中出现的区域的预测局部效应用作分布的第一刻，模拟了普查和调查中存在的区域的局部效应。 ELL方法论迅速在世界银行获得认可，主要归功于赵（2006）开发的独立PovMap程序。阮等人（2018）将PovMap翻译成Stata，使该软件能够被更广泛的用户群体使用，并将其作为Stata ado程序进行分发。科尔拉等人（2020）更新了该方法，通过将Molina和Rao（2010）提出的蒙特卡洛模拟程序适应Van der Weide（2014）的方法，考虑了异方差性和调查权重。这些程序还调整了Molina和Rao（2010）和González-Manteiga等人（2008）最初提出的方法，即参数-bootstrap方法，用于估计均方误差（MSE），并应用于扩展的EB估计器。最后，科尔拉等人（2020）调整了Correa等人（2012）提出的普查EB估计器。他们进行了模拟以强调选择适当因变量转换的重要性，并表明当样本量相对于总体较小且相当时，普查EB估计值接近EB估计值。 访问住房与人口普查或大型代表性调查的微观数据对于替代模型（如区域级模型）的应用是必要的。这些替代模型使用高于家庭层面的汇总数据。最知名的区域级模型之一是Fay-Herriot (FH)模型，由Fay和Herriot于1979年提出。这类区域级模型被用于美国许多地理区域估计贫困情况，并为学区分配联邦资金提供信息。最近，Seitz (2019) 使用FH模型为中亚地区生产了小区域贫困估计值。 3. 方法论 巴基斯坦困地使用了基于每个家庭位原始 ELL 1 的 Census EB 估算器，一步的发展。 估计器。ELL 和 Census EB 估计器假设人口中位置的福利 \(x\) 是线性相关的。特征向量ℎ对于那个家庭来说 ，根据以下嵌套错误模型 ： ℎℎ 在哪里 ？cand 分别表示位置（区域）和家庭特有的随机误差项，假设它们相互独立，并遵循正态分布： 在哪里的家庭数量人口ℎ区域c并且，在我们的情况下，是指涉及的区域数量，即区县数量。根据双语教育计划（ELL），这些位置通常是主要抽样单位（PSU）。然而，将估计值汇总到更高层级可能会导致噪声估计以及不准确的噪声估计(Marhuenda等, 2017)。遵循Marhuenda等（2017）的建议，我们在报告贫困状况所对应的聚合 级别（区域）C_C（区县）处指定位置效应。 在 ELL 下 ， 下一步包括在人口普查中估算福利 ， 但缺少大多数信息 ： 在最初的 ELL 应用中 ， 参数是从它们的连接中获得的后验分布: 𝜎𝜎𝑐𝑐2∗2~ ()/， 并绘制残差 ：̂ ~ (0, 2∗~22∗2∗尽管如此，Corral等人（2021）和Corral等人（2022）遵循了Molina和Rao（2010）22∗∗) 0− 0−(~， var ()) ， 并绘制随机位置效果:(0,) 的适应建议所提出的方法。�� 首先 ， 我们使用 Van der Weide (2014) 的 GLS 对模型进行拟合 ， 并获得观测样本的参数估计 ): 1, 我们使用 ： 然后 ， 我们使用估计的参数来模拟人口普查数据中的 M 个福利向量 ：0̂�0� 𝛽𝛽̂对于所有 M 向量 ， 其中保持固定继 Van der Weide(2014) 之后 ， 0产生为 ： with :2 ℎℎℎ ℎ和家庭特定的残差 - 从 0− ∗~(0,2).对于不在消费调查中的地区(在我们的案例中(在我们的案例中 ， PSLM 2019–20) ， 局部效应ℎs 产生为 ：�， HIES 2018–19) ， 但在目标数据集中ℎ0 ℎ0�var[ ] =+2 通过对蒙特卡罗模拟进行平均来获得位置的人口普查 EB 估算器 ：2ℎ0, 贫困率(FGT0) 。 了估噪声，我依于Gonzalez-Manteiga等（2008）提出的参数化自助法，并通过Corral等（2020）的模拟结果来获得比ELL方法更准确的噪声测量值。所有模型和估计值均使用Nguyen等（2018）开发的最新SAE Stata包获得。5 4. Data 这种2019-20巴基斯坦贫困地图的实现与大多数实现不同，因为它不是使用一次调查的数据来推断到人口和住房普查数据，而是涉及两个调查。这种方法反映了对2017年人口和住房普查微观数据的访问限制。因此，该应用使用了两个技术上非常相似的调查。HIES 2018-19 和 PSLM 2019-20 都是家庭样本调查，其中PSLM的样本量是HIES的6.8倍。使用这两个调查提供了额外的信息用于建模，因为PSLM问卷涵盖了比普查更多的家庭特征。另一个优点是，HIES和PSLM都经常进行调查，这使得可以在区县级层面更频繁地监测贫困状况。 方框 1 ： 巴基斯坦的政治分裂在实施 HIES 2018 - 19 和 PSLM 2019 - 20 时 ， 巴基斯坦的政治分歧 由六个级别的政府组成 ： 国家联邦政府 ， 省政府 ， 司行政管理 ， 区政府 ， Tehsil 市政管理和联盟管理。除了俾路支省、开伯尔 - 普赫图赫瓦省 (KP) 、旁遮普省和信德省 ， 有伊斯兰堡Capital Territory (ICT), which for the survey design is treated as part of Punjab. Federally Adminered部落地区(FATA) 和边境地区(FR) 最近合并为 KP 。 FATA 成为新的地区 ， 并将 FR 合并到邻近地区 ， 在 HIES 2018 - 19 和 PSLM 中采样2019 - 20 。巴基斯坦的政治分裂仍然充满活力 ， 并且在过去两年中一直在演变几十年来。 2006 年 ， KP 、旁遮普省、信德省和俾路支省有 106 个地区 ， 但在 HIES 的时候2018 - 19 和 PSLM 2019 - 20 ， 这四个省有 131 个地区