巴基斯坦的贫困预测

11010 巴基斯坦的贫困预测 Nowcasting 和预测 Oscar Barriga - Cabanillas Shabana Kishwar Moritz MeyerMuhammad Nasir Maria Qazi 政策研究工作文件 11010 Abstract 2019年，巴基斯坦有21.9%的人口生活在国家贫困线以下。此后，COVID-19大流行、2022年的毁灭性洪水以及宏观经济财政危机，特别是创纪录的通胀，对经济活动和收入来源产生了深远影响。由于缺乏新的家庭调查数据，确定这些不同冲击对家庭福利和贫困的影响变得困难。当前的福祉信息对于制定直接关系到家庭社会经济福祉的危机应对政策至关重要。为了克服缺乏最新数据的问题，本文提出了一种微模拟工具，该工具结合了最新的全国家庭调查微观数据和高频宏观经济指标，以产生贫困的即时预测和展望。 工具模型通过使用个人和家庭特征来模拟家庭消费，并考虑劳动力市场、通货膨胀、社会转移支付和汇款的变化。研究结果反映了家庭特定的通货膨胀率，这些率体现了家庭消费模式和部门增长率的系统性变化。根据首选模型，研究发现2024年的贫困率为25.3%，比2023年上升了7个百分点，新增约1300万人陷入贫困。此外，除了预计的贫困增加之外，贫困家庭还面临不成比例的更高的福利损失，并被进一步推向深度贫困状态。 这篇论文是由世界银行贫困与平等全球部门出品。它是世界银行为提供研究开放访问、并为全球发展政策讨论做出贡献的一项更大努力的一部分。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。 巴基斯坦的贫困预测 ： Nowcasting 和预测* 莫里茨 · 迈耶玛丽亚 · 卡齐Shabana基什瓦尔IBA 卡拉奇穆罕默德纳西尔IBA 卡拉奇奥斯卡 · 巴里加 -Cabanillas世界银行集团世界银行集团世界银行集团 1 ntroduction. I 巴基斯坦近年来经历了多种冲击，包括COVID-19 pandemic、自然灾害和经济冲击。这些冲击预计会对该国的家庭福利和贫困率产生深远影响。然而，最新的官方贫困率数据仅可追溯到2019财政年（FY19）。1"最后的家庭收入和综合调查（HIES）之年。由于资源限制和收集及处理家庭调查数据所需时间较长，调查仅每几年（2-5年）实施一次，这削弱了数据的可用性。这在提供实时福利（如贫困、脆弱性、不平等）分析以及指导政策设计以减轻经济危机（如价格波动）或自然灾害（如洪水）等冲击对人们福祉及其陷入或持续贫困风险的影响方面提出了挑战。为解决这一问题，决策者依赖于'即时预测'和'预测'"2使用综合的国家福利指标来估算贫困发生率。这种方法基于一个基本原理，即贫困的发 生率与人均国内生产总值等综合的国家福利指标是相互关联的。 我们的方法明确地通过使用部门增长和家庭特定通货膨胀率的信息来建模福利分布的变化，从而提供一个更为细致的贫困发生率及其在国家内的分配变化的图景。我们建模了劳动收入和非劳动收入的发展演变。首先，我们通过使用11个不同部门的增长率信息来建模劳动收入，以反映整个经济中劳动力收入的差异性增长趋势和集中度。这至关重要，因为各行业的增长贡献、劳动密集程度以及不同行业就业人员的福利水平存在显著差异。其次，我们纳入特定条件以模拟非劳动收入转移的发展变化，并特别关注该国主要反贫困计划转移价值的实际变化。最后，我们考虑了不同类型商品价格趋势的差异及其对家庭实际通胀率的影响，特别是在其消费篮子的基础上。我们在巴基斯坦的具体案例中实施了这种建模方法，并展示了它如何捕捉到不同的部门增长率、公共转移购买力的损失以及城乡之间的通胀差距共同影响自上一次官方测量（FY19）以来贫困的演变。该模型专门针对巴基斯坦的条件进行定制，但其方法论框架提供了充分的灵活性，可以将其扩展到其他具有相关经济部门、非劳动收入组成部分和可用通胀信息的国家条件。 我们的结果与过去关于考虑经济增长的分配效应能更准确预测贫困演变的研究证据一致（Caruso等，2017）。 田藤等，2021）。我们解决了其他预测方法的若干局限性。首先，使用单一的家庭收入增长率（通常来自人均GDP），忽略了总增长在不同部门和家庭之间很少均匀分配的事实。例如，劳动密集型产业的增长对贫困的影响更大，而类似地，雇佣低收入人员的产业的增长更有可能减少贫困。其次，并非所有通货膨胀率都是相同的，因为支出分布不同的家庭拥有不同的消费篮子，这导致食品、非食品和能源的价格趋势差异，从而产生异质的有效通货膨胀率（Nasir等，2023）。3 我们使用文献中常用的一系列预测模型进行基准测试，并详细描述了这些模型的建模和方法论假设。通过实施三种主要变体来弥补传统预测模型的局限性。首先，我们采用家庭层面的通胀率以纳入通胀异质性；其次，我们引入部门增长率并使用三部门和十一部门模型评估不同的结果；最后，我们独立预测劳动收入和非劳动收入，利用巴基斯坦特定条件下的公共转移购买力演变和家庭特定的通胀率。我们的研究结果为更广泛的贫困预测文献提供了概述，并更新了20财年到25财年的贫困估计值。本研究旨在通过提供最新的贫困估计值和预测，为国家关于减少贫困的持续政策讨论做出贡献。 我们发现，预计的贫困发生率模仿了由疫情、洪水和宏观经济危机引起的更广泛的经济动荡。从2019年的基线值21.9%，贫困估计在2020年和2023年分别在疫情末期和高通胀期间达到了高达24.9%和25.3%的峰值，其间有一个恢复期。预测显示，在经济复苏之后，贫困人口占比将在2025年降至18.7%。 本文结构如下：第2部分概述了数据和预测方法，第3部分讨论了关键结果和趋势，第4部分将结果与传统预测方法进行了比较，第5部分进行了总结。 2. 数据和方法 2.1 Data 我们使用微观和宏观经济数据进行建模。微观经济数据提供了贫困和不平等的基本水平，以及一系列的家庭特征。另一方面，各产业的增长和价格的宏观经济数据是预测家庭支出演变和相应福利变化（包括贫困和不平等）的基础。2018/19财政年度综合家庭经济调查（HIES 2018/19），由巴基斯坦统计局（PBS）开展，提供了支出向量以计算官方统计数据。 国家、省、城乡层面具有代表性的贫困率。在四个省份中，共采访了24,809户家庭，其中15,936户为农村家庭，8,873户为城市家庭。4表 1 显示 ， 2019 财年官方 (国家) 贫困率为 21.9 ，5但各省份和地区之间存在差异。贫困的空间分布不均等，人口占比最低的省份（俾路支省）同时也是贫困率最高的地区，几乎达到了全国贫困率的两倍。 表2提供了宏观经济指标的信息，包括增长率、通货膨胀率和人口数据。PBS发布了从财政年度2020至2022年间关于人口增长率、通货膨胀率以及GDP系列的数据。6增长率以及世界银行在《半年度宏观经济与贫困展望》中发布的截至FY23至FY25的通胀预期。7虽然截至2025财政年度的通货膨胀预期将持续存在，但Classification of Individual Cons umption According to Purpose (COICOP)类别级别的预测数据仅可追溯至2023财政年度。此外，表2展示了巴基斯坦面临的主要发展挑战之一：需要实现显著的增长以超越人口增长。这在2025财政年度的情况中尤为明显：尽管实际GDP增长率达到2.4%，但人均变化仍未实现。 除了经济各部门增长率的显著差异外，这些部门的劳动密集程度也存在额外的差异，这种差异并不一定与各sector对整体GDP的贡献相匹配。如图1(a)所示，尽管农业部门在2019财政年度占总GDP的约23%，但它吸收了总劳动力的近32%。这表明，农业部门的增长有可能对更多家庭的福祉产生积极影响。8除了呈现不同劳动强度水平的经济部门之外，工人并不均匀分布在各个部门。例如，在农业工作的个人更可能处于福利分布的低端，进一步强调了哪个部门扩张或收缩会产生不同的福利影响；参见图1中面板（b）。 如简介中所述，消费者价格指数（CPI）未能考虑到不同收入水平家庭之间价格趋势和消费模式差异导致的通胀异质性。根据COICOP类别中的价格趋势变化，家庭福利受到的影响也会有所不同，这取决于他们的消费篮子。考虑到福利分布中支出份额的变化，在食品通胀最高的情况下，低收入家庭受负面影响更大；相反，当通货膨胀压力由提高非食品和能源价格引起时，低收入家庭则相对受益；详见图2。 资料来源 ： 世界银行使用 HIES 2018 / 19 支出份额 为响应这一情况，我们依据Nasir等（2023）的研究将总体通货膨胀转换为家庭特定的通胀率。HIES 2018/19包含了基于COICOP分类的283项支出项目的信息，这些项目被归类为12个主要类别。我们将COICOP级别的支出与PBS提供的相应通胀率相结合。通过跨COICOP类别汇总，我们估算出家庭特定的通胀率。9如图3所示，由于不同COICOP类别经历的价格趋势存在差异，支出分布不同百分位的 households 所感知到的通货膨胀率将会有所不同。例如，在FY23年，支出分布较低百分位的 households 经历的通货膨胀率平均比最富裕 households 高出一个百分点，原因在于食品价格压力更大。因此，假设整个支出分布的通货膨胀率相同可能会低估预期的贫困率。 来源：世界银行工作人员根据HIES 2018/19 微数据和PBS通货膨胀数据计算得出。注：家庭特定的通货膨胀反映了不同福利水平下家庭消费篮子的不同以及消费商品价格趋势差异对其有效感知通货膨胀的影响。 2.2 方法论 The objective is to project poverty in Pakistan using information from micro and macroeconomic indicators. For this, we start from household consumption at baseline in the year 2018/19 ( ).0并实施几个步骤来计算一个家庭的新的预计支出向量 ， 如下 (1) 。 𝑐𝑐̂ℎ ()()(𝑐𝑐) 在哪里 ， 跟随 (迈耶、基什瓦尔和纳西尔 ，2024 年), =(2)1. 我们将家庭总收入分为劳动和非劳动部分 ， 并独立地对它们的演变进行建模。考虑到这一目标 ， 我们实施以下步骤 ：12ℎℎ ∑=1 ∗ 2. 总劳动收入在每个就业家庭成员之间按名义经济增长率分配到相当于十一 sector 的经济部门中)（ 分别下标并表示家庭成员和经济部门。表示并分配有效的通行率。也就是说 ， 部门增长的百分比是多少转化为收入。这意味着一个仅有一名从事农业工作的家庭成员的家庭，其劳动收入将以名 的速度增。 , 农业部门的增长率。另一方面，一个在两个不同部门工作的双收入家庭将经历一个等同于每个部门实际增长率的收入增长率，权重为每个部门的收入份额。如方程(1)部分(a)中的求和所示，我们使用表2中指出的11个不同部门的信息来实施该模型。部门信息越详细，部门增长与该部门就业人员福利之间的联系就越直接。例如，这使得能够为交通运输和服务部门的就业人员分配不同的增长趋势，而这些部门在没有此类细分的情况下会被归入服务行业的大伞之下。然而，由于该模型不包括部门间的就业转换， 这种更高的分解是以额外的噪声为代价的。10此外，分拆后的GDP增长率预测与更高的噪声和波动程度相关。第4部分将我们的模型与仅包含三个部门的替代模型进行比较。 3. 非劳动收入有两部分, 第一部分是 BISP 转账的收入 (). 在BISP旗舰普惠现金转移计划（UCT项目）下发放的现金转移价值逐渐在名义上有