经济冲击下贫困监测调查：代理人和灵活非线性学习者的作用

核心观点

• 在低收入国家，由于家庭消费调查数据收集频率低，难以追踪经济冲击下的贫困动态。调查间插补（S2S）提供了一种实用解决方案，但其可靠性取决于模型在不同时期是否仍然有效。
• 本文建立了S2S估计量可移植性的形式化识别框架，并表明危机期间的失败主要源于缺失冲击响应信息，而非模型灵活性不足。
• 当缺失此类信息时，线性模型和灵活非线性学习器都会导致贫困估计出现偏差。
• 当包含能够追踪未观察到的福利变化的快速变化的代理变量时，在定义良好的条件下，可以恢复样本外有效性。
• 贫困估计需要比均值福利估计更强的条件——福利的完整条件分布的稳定性。

关键数据和研究结论

• 蒙特卡洛模拟和来自阿富汗、乌干达和卢旺达的证据支持了这些预测。
• 研究结果表明，在面临冲击时，改进问卷内容比增加模型复杂性对于及时测量贫困更为重要。
• 当传统协变量不再能够根据未观察到的福利变化对家庭进行排序时，模型估计会失败。
• 快速变化的代理变量可以吸收冲击对未观察到的福利决定因素分布的影响，从而恢复排序稳定性。
• 线性模型在样本量较小、协变量维度较高以及需要解释性的情况下，通常比灵活非线性学习器表现更好。
• 在乌干达和阿富汗等负冲击背景下，不包括代理变量的模型会严重低估第二期贫困率。
• 在卢旺达等正冲击或经济增长背景下，传统缓慢变化的福利相关指标与家庭支出同步变化，因此模型表现相似，无需快速变化的代理变量。

实践意义

• 应优先考虑收集和包含与冲击相关的快速变化的代理变量，例如消费虚拟变量和主观幸福感指标。
• 当使用S2S插补进行贫困预测时，应将贫困估计与独立的社会经济指标进行三角测量。
• 需要仔细验证模型稳定性、进行稳健性检查和三角测量，尤其是在危机期间实施S2S插补时。