研究背景与问题
贫困和贫困差距的衡量与监测是全球发展进程评估的核心，然而，在贫困问题最集中的国家，最新、高质量的住户调查数据往往难以获得。为了应对这一挑战，调查间插补（S2S）方法应运而生，它允许实践者通过借用其他综合调查的信息来更新使用缺乏直接福利措施的最新调查的贫困估计。
S2S 方法及其局限性
S2S 方法通过以下步骤进行贫困估计：
- 使用具有消费或收入数据的调查（“来源”调查）开发家庭福利预测模型。
- 将该模型应用于包含相似家庭特征但缺乏直接福利的另一个调查（“目标”调查）。
- 根据预测的福利分布生成贫困估计。
尽管 S2S 方法具有吸引力，但它也存在一些局限性和潜在的偏差，必须仔细考虑。本文通过严格分析其基本假设，检查了 S2S 方法的局限性和潜在陷阱。研究发现，以下三个关键因素可能导致估计出现重大错误：
- 标准抽样偏差校正技术（如重新加权以匹配人口均值）可能在来源和目标调查根本不同时不足。
- 该方法复制来源调查福利分布的倾向使其在衡量不平等和贫困变化方面不可靠。
- 遗漏变量偏差可能会影响贫困预测，尤其是在插补跨越包含重大经济冲击或结构变化的时期时。
研究方法
本文使用基于模型的模拟来检验违反调查间插补（S2S）基本假设对插补贫困估计的影响。通过系统地检查这些局限性，本文为实践者提供了一个框架，以了解何时以及为什么 S2S 方法会失败。
研究结果
模拟结果表明：
- 在正态误差分布下，大多数插补方法都能有效地复制潜在的福利分布，但结果存在差异。
- 当误差分布非正态或存在异方差时，使用经验残差抽样的方法表现更好。
- 机器学习方法（如 lasso 回归）具有潜力，但需要谨慎实施。
- 预测均值匹配（PMM）在训练和目标时期之间经济条件发生变化时存在局限性。
- 标准抽样偏差校正技术（如重新加权以匹配人口均值）在来源和目标调查根本不同时可能不足。
- 遗漏变量偏差可能会影响贫困预测，尤其是在插补跨越包含重大经济冲击或结构变化的时期时。
研究结论与建议
S2S 方法在特定情况下可能是有用的，但需要谨慎应用和稳健的方法开发。基于模拟结果，本文提出以下建议：
- 了解和解决偏差来源，评估误差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。
- 将结构和时间动态纳入方法中，考虑时间变化参数并解释预测者-福利关系中的结构变化。
- 在方法和沟通中培养透明度，清楚地报告假设、验证工作和不确定性。
- 在解释时保持谨慎，明确承认其局限性。
- 投资数据和研究，加大对定期、高质量数据收集的投资。
- 支持调查改进，同时保持可比性，通过“桥梁”调查评估关键 S2S 假设。
总结
S2S 方法在应对贫困数据空白方面具有实用价值，但需要认识到其局限性，并在应用时保持谨慎。通过了解和解决偏差来源，增强验证实践，并培养方法和沟通的透明度，S2S 方法可以成为有意义的有用工具，为在缺乏或不可靠的其他数据来源的情况下提供有价值的见解。
