核心观点
本研报探讨了多种实时监测（RTM）方法，旨在及时评估福利状况，特别是在低-income国家和脆弱环境中。研报重点介绍了五种不同的RTM方法，并通过来自多个地区的国家案例展示了这些方法的应用。
方法介绍
- 马拉维农村地区 decentralized 数据收集：马拉维的快速和频繁监测系统（RFMS）利用当地 enumerators 进行低成本的面对面调查，以每月频率收集关于粮食安全、经济弹性和气候冲击影响的数据。RFMS 提供了传统调查之间的高频数据，从而加强了基于证据的政策制定。
- 高频电话调查：埃塞俄比亚的高频电话调查（HFPS）监测了 COVID-19 对家庭和企业的冲击。这些调查可以快速部署，并且成本低于传统调查，为政策制定者提供了关于疫情影响的及时信息。
- 代表性每月电话面板调查（Listening Surveys）：Listening Surveys 是一系列在全国范围内进行的代表性电话面板调查，每月收集一次数据。这些调查结合了传统的福利指标和及时的社会舆论数据，帮助政策制定者了解经济状况以及公众对改革的看法和反应。
- 使用地理空间数据和建模评估洪水的影响：巴基斯坦的案例展示了如何使用地理空间数据和建模来快速评估洪水对贫困的影响。通过将洪水暴露地图与家庭调查数据和损害函数相结合，该分析在洪水发生后仅两周内就产生了贫困影响的估计值。
- 前沿方法用于实时贫困测量：本研报回顾了使用新型数据源（如遥感数据、手机数据和网络数据）来衡量贫困和福祉的最新研究。这些数据源可以提供关于福利水平的有用信息，但还需要进一步研究才能可靠地衡量福利变化。
研究结论
- RTM 方法可以为政策制定者提供及时、可靠的福利数据，从而帮助他们制定和调整政策，以应对冲击和改善人民的生活水平。
- 不同的 RTM 方法各有优缺点，选择哪种方法取决于具体的环境、目标和可用资源。
- 传统调查仍然是不可或缺的，但可以与 RTM 方法相结合，以提供更全面和及时的福利信息。
- 需要进一步研究以改进 RTM 方法，并确保其道德和适当的使用。
关键数据
- 马拉维 RFMS 的边际成本每户为 2-3 美元，固定成本为 200-300 万美元。
- 埃塞俄比亚 HFPS 的样本量约为 3,000 户家庭，进行了 11 轮调查。
- Listening Surveys 的样本量通常在 3,000 到 5,000 户家庭之间，并根据项目需求和目标进行分层抽样。
- 巴基斯坦洪水影响模型估计有 910 万 người可能被推入贫困，代表贫困率上升了 4 个百分点。
未来展望
- 需要投资于建立强大的数据生态系统，将传统调查数据与新型数据源相结合。
- 需要制定可靠的机制和协议，以确保非传统数据源的道德和适当使用。
- 需要进行方法和技术创新，以适应不同的政策目标和环境。
- 需要持续的投入和合作，以释放 RTM 的潜力。
