从几乎没有预测收入分配

本文开发了一种方法，通过国家层面变量预测世界各国可比的收入和消费分布。研究使用了涵盖168个国家的2000多个家庭调查数据集和1000多个经济、人口统计和遥感预测变量。研究发现，一个简单的模型（包括人均GDP、5岁以下儿童死亡率、预期寿命和农村人口占比等）在预测福利水平方面表现良好，其准确度与使用1000个指标的复杂机器学习模型相当。

该方法适用于数据匮乏的国家，尤其是在缺乏可靠调查数据或数据严重过时的情况下。研究发现，国民账户数据在预测福利方面表现尤为出色，但程度较低。对于缺乏GDP数据的国家，研究使用了世界银行的收入组别作为代理指标，建立了两个层级的模型。

研究结果表明，一个简单的模型（使用人均GDP、5岁以下儿童死亡率、预期寿命、农村人口占比和地区哑变量）能够很好地预测福利水平，并且增加更多信息并不会带来显著的改进。国民账户数据在预测福利方面表现尤为出色，即使在数据匮乏的国家也是如此，但程度较低。这表明，尽管调查福利与国民账户之间的差距较大，但GDP仍然能够在没有家庭调查的情况下提供有关福利的重要信息。

研究还发现，遥感数据在国家层面预测福利方面不如GDP有效。即使将这些遥感数据添加到模型中，也无法显著降低模型外样本误差。这表明，平均而言，遥感数据在国家层面预测福利方面不如GDP有效，这与证据一致，该证据表明遥感数据可能会产生与调查基于的估计非常不同的家庭福利估计值。

研究采用首选方法对所有国家进行全球贫困估计，并将结果与世界银行发布的贫困估计值进行基准对比。研究发现，总体而言，这些模型在跟踪贫困率方面表现良好，但存在显著例外情况。研究结果表明，平均而言，模型预测收入或消费可能偏离实际值约30%。尽管这一误差较大，但将其与合适的基准进行评估至关重要。对所有1000多个潜在预测变量进行随机森林分析并未带来出样误差的改善，这表明剩余的大部分误差可能是不可缩减的。

研究还发现，在全球范围内，30%的误差相对于观察到的巨大收入差异而言相对较小：样本中财富最丰富的国家的中位福利是贫困国家的超过100倍，而最富有的25%国家的福利也是最贫穷国家的数倍。