核心观点与结论
本研究针对孟加拉国化肥补贴政策进行分析，由于数据限制，其分配影响一直不明确。孟加拉国的化肥补贴成本每年高达25亿美元，占农业支出的近三分之二，但其分配影响由于数据限制而难以评估。研究开发了一种“调查间插补”方法来解决这个问题：2022年家庭收入和支出调查（HIES）记录了总化肥支出，但没有区分补贴类型，无法进行准确的 incidência 分析。该方法结合了交叉验证的最小绝对收缩和选择算子回归与随机热牌匹配，将类型特定的化肥模式从2018-2019年孟加拉国综合家庭调查（BIHS）转移到2022年HIES。该程序使用42个协调预测因子预测家庭尿素份额，然后通过在福利按农业生态区划分的层内进行最近邻匹配来分配完整的化肥成分。该方法实现了强大的预测精度（测试均方根误差 = 0.169），并保留了分布属性。插补份额与捐赠者模式非常接近：平均尿素份额为51.5%，而孟加拉国综合家庭调查中为51.1%，肥料类型和地区的置信区间重叠。丰富的数据集为评估补贴是否集中在较大、较富裕的农民身上或更公平地分配给农户奠定了基础——这是一个以前无法用现有数据回答的问题。更广泛地说，该研究展示了一个可扩展的框架，用于在数据受限的环境中整合互补调查。
关键数据
- 孟加拉国的化肥补贴成本每年高达25亿美元，占农业支出的近三分之二。
- 2022年HIES记录了总化肥支出，但没有区分补贴类型。
- BIHS 2018-2019提供了详细的肥料使用数据，但仅限于农村地区，且为疫情前数据。
- 研究使用了42个协调预测因子，包括人口统计、住房、基础设施、资产、经济资源和农业特征。
研究方法
- 采用“调查间插补”方法，将BIHS中的肥料类型信息转移到HIES。
- 插补过程分为两步：
- 使用交叉验证的LASSO回归预测家庭尿素份额。
- 使用随机热牌最近邻匹配将完整的肥料混合分配给HIES家庭。
- 插补过程在按福利五分位数和农业生态区划分的层内进行。
研究结果
- LASSO回归模型表现出强大的预测精度、校准和稳定性。
- 插补后的HIES数据与BIHS数据非常一致，保留了肥料使用的整体平均、地理差异、家庭分布和使用模式。
- 补贴虽然惠及了许多低收入农民，但仍有相当一部分总福利流向了较富裕的家庭。
- 最贫穷的20%的家庭获得了补贴的1.04%，而最富裕的20%的家庭只获得了0.10%。
研究意义
- 该研究为数据整合提供了一个透明且可扩展的程序，可以扩展数据受限环境中的分析能力。
- 研究强调了国家调查中协调的社会人口模块的重要性，以促进数据整合并改进政策设计和监测的证据基础。
- 该研究为评估孟加拉国化肥补贴政策的分配影响提供了新的视角，并为政策制定者提供了改进补贴政策的建议。
