压力测试调查到调查推断：了解贫困预测何时可能失败（英）

核心观点

贫困测量和监测对评估全球发展进展至关重要，但高质量的 household survey data 的获取仍然有限，尤其是在贫困最集中的国家。调查间插补 (S2S) 方法作为一种实用解决方案，允许从业者使用缺乏直接福利措施的近期调查更新贫困估计，通过从其他综合调查中借用信息。然而，S2S 方法也存在局限性和潜在偏差，需要仔细考虑。

关键数据和研究结论

• S2S 方法的局限性：
  • 标准抽样偏差校正技术（如重新加权或协变量标准化）可能不足以消除偏差，尤其是在跨时间或结构变化的情况下。
  • S2S 方法倾向于复制源调查的福利分布，使其在衡量不平等和贫困变化方面不可靠。
  • 遗漏变量偏差会影响贫困预测，尤其是在跨时间预测包含重大经济冲击或结构变化时。
• 模型假设的违反：
  • 正态分布的残差、同方差性、预测变量和福利之间的线性关系等模型假设的违反会导致偏差。
  • 数据转换、从经验残差中抽取残差、异方差模型和机器学习技术可以缓解这些偏差。
• 样本偏差：
  • 标准抽样偏差校正技术可能不足以消除偏差，尤其是在源调查和目标调查存在根本差异时。
  • 标准化协变量和考虑线性拟合的均值和方差可以更有效地解决偏差。
• 跨时间插补：
  • 跨时间 S2S 插补需要考虑更多假设，例如参数的稳定性、协变量分布的变化以及未观察因素的影响。
  • 遗漏变量偏差、错误分布的变化和常数项的变化都会导致偏差。
• 不平等测量：
  • 样本偏差会导致低估基尼系数，尤其是对于最贫困和最富裕的群体。
  • 调整权重以匹配线性拟合的均值和方差可以改善基尼系数估计的准确性。

建议

• 评估偏差来源，包括错误分布的变化和参数的不稳定性。
• 增强验证实践，包括跨时间验证和外部验证。
• 考虑允许时变参数和解释预测变量-福利关系中的结构变化的方法。
• 在方法论和沟通中保持透明度，清楚地传达方法的局限性。
• 在解释 S2S 估计时保持谨慎，并明确说明它们是预测而不是实际调查结果。
• 投资于数据和研究，以减少对插补方法的依赖并提高贫困测量的准确性。
• 支持调查改进，同时保持可比性，例如通过“桥梁”调查来评估 S2S 假设。