2023年尼日利亚的贫困：各种来源的三角分析

三角测量各种来源 戈德斯坦·O·艾吉布勒莫伦，克劳斯·拉克纳，乌茨·帕佩，安努巴瓦·辛加拉，塞林·图拉伊，和尼尚特·约桑 2026年7月 关键词：尼日利亚；家庭调查；面板数据；微观模拟 发展数据组 发展研究组 贫困与公平 全球部 全球贫困监测技术注解52 摘要 本说明整合了多个数据来源，以估算2018年后尼日利亚极端贫困的趋势——即2021年按购买力平价计算、每日生活费低于3.00美元国际贫困线的人口。根据2022/23年尼日利亚生活标准调查，尼日利亚的极端贫困率从2018/19年的34.2%显著上升至2022/23年的41.8%；根据2023/24年一般家庭调查-面板数据，则从2018/19年的37.1%上升至2023/24年的48.3%。数据波动性较大，尤其在2023年，不同的实地调查时间可能导致结果差异。使用2018/19年调查数据及宏观经济指标趋势进行的微观模拟证实了这些总体模式。 stouray@worldbank.orgnyonzan@worldbank.org所有作者在撰写本文时均任职于世界银行。通讯作者：瑟林·图拉伊 (Sering Touray)) 和Nishant Yonzan (作者感谢Jolliffe院长、Johan Mistiaen先生以及技术全球贫困工作组的所有参会者提出的评论和建议。作者尤其感谢世界银行的LSMS团队（特别是Ivette Contreras、Talip Kilic、Kevin Robert McGee、Gbemisola Oseni和Akiko Sagesaka）在GHS-P数据方面的帮助以及分享他们的代码。作者感谢英国政府通过“解决极端贫困的数据与证据”（DEEP）研究计划提供的资金支持。本说明已获得Johan Mistiaen的批准。复制代码包可在以下链接获取： https://github.com/ynzen/NGA-TechnicalNote2026-Replication-Files. 全球贫困监测技术说明系列发布简短论文，记录世界银行全球贫困估计的方法论方面。这些论文载有作者姓名，并应相应引用。本文表达的调查结果、解释和结论完全是作者个人的观点。它们不一定代表国际复兴开发银行/世界银行及其附属机构、世界银行执行董事或他们所代表政府的观点。全球贫困监测技术说明可在 https://pip.worldbank.org/publication 获得。 1. 简介 极端贫困（以2021年国际贫困线，即每天3.00美元衡量）在尼日利亚已从2018/19年的34.2%上升至2022/23年的41.8%。这些数据基于尼日利亚生活标准调查（NLSS）的两个轮次，但得到了两个额外信息来源的证实：首先，另一项调查——尼日利亚家庭调查面板（GHS-P）报告了次年（2023/24年）的贫困率为48.3%，较2018/19年轮次的37.1%有所上升。其次，基于2018/19年NLSS和宏观经济指标进行的微观模拟。本报告使用这两项调查和微观模拟工作，汇报了尼日利亚的贫困情况。关于尼日利亚贫困的详细分析，包括其原因和后果，将收录于即将发布的世行国家贫困与不平等等级评估报告中。 2022/23年度的NLSS调查结果于2025年8月29日由尼日利亚国家统计局发布。1 世界银行的贫困估计显示，自2018/19年度NLSS以来，尼日利亚（采用国际贫困线标准）的极端贫困率增加了20%以上。这与国民账户增长数据所揭示的情况形成鲜明对比：通过一个简单模型，利用人均GDP增长趋势将2018/2019年度NLSS数据外推，预测结果显示，在COVID-19疫情期间2020年贫困率有小幅上升，随后逐渐下降，导致2018/19年度至2022年度的总体贫困率基本保持不变（见图1）。 随着新一轮国家生活状况调查（NLSS）的开展，全球健康与营养调查-贫困（GHS-P）2023/24（第五轮）调查也已可用。这两项调查在调查设计和问卷方面均紧密遵循了2018/19年NLSS，因此有可能利用覆盖相似时期、但分别进行的两项调查来构建可比的国家层面贫困估计。3 GHS-P面板在2018/2019年轮次中进行了更新以确保代表性，并且在2023/24年轮次中流失率低于5%。 2023/24年度全球减贫目标（GHS-P）下，IPL极端贫困估计为48.3%，显著高于2022/23年度国家抽样调查（NLSS）估计的41.8%。值得注意的是，GHS-P的贫困水平在2018/19年度就已较高，为37.1%（比2018/19年度NLSS高2.9个百分点）。然而，当考虑两次调查的重合时期时，两者存在更紧密的对应关系：2022/23年度NLSS的第三波调查与2023/24年度GHS-P的首次访问期间，估计的贫困率分别为46.4%和50.9%。最重要的是，两次调查均表明，尼日利亚在2022/23年度之前的几年中极端贫困有所增加。第五项证据，即微观模拟，也证实了这一点。 注意：此处使用2021年购买力平价计算的每日3.00美元贫困线下的极端贫困率。调查数据以圆圈标识，2018/19年国家劳动力调查（NLSS）和2022/23年数据以垂直线突出显示。该图表展示了自2012年以来尼日利亚的按年份排列的贫困率。按年份排列的数据系列使用了可用的调查估计值，并通过外推和内插方法生成年度序列，用于区域和全球汇总。贫困与增长倡议（PIP）通常每年更新数据两次。在2025年6月的版本（PIP版本2025-06；世界银行，2025a）中，2022/23年的NLSS数据不可用，因此使用人均GDP增长率（含传导率）对2018/19年的NLSS数据进行了外推。2022/23年的NLSS数据包含在2025年9月的版本（PIP版本2025-09；世界银行，2025b）中。有关每日4.20美元和8.30美元贫困线下的贫困趋势，请参见图B.1a和图B.1b。 尼日利亚贫困的增加对整个地区的贫困问题产生影响（另见 Arakaki 等人，2025 年的讨论）。有观点认为，鉴于 2020 年 COVID-19 的冲击，撒哈拉以南非洲的贫困近年来有所下降，尽管速度缓慢。然而，考虑到尼日利亚贫困的增加，现在估计该地区的极端贫困自2020 年以来一直停滞在约 45%（见图 1）。尼日利亚贫困增加对全球极端贫困的影响则要小得多。 2. 数据 2.1.NLSS 2022/23 尼日利亚生活标准调查（NLSS）2022/23是尼日利亚用于衡量贫困和不平等状况的官方调查。该调查由尼日利亚国家统计局（NBS）于2022年11月至2023年12月期间历时14个月进行，距离上一轮调查（2018/19年）已过去四年。NLSS 2022/23收集了尼日利亚21,715户家庭的居住条件信息，这些家庭遍布全国并在州级层面具有代表性。由于冲突导致调查实施受阻，塔拉巴州和赞法拉州的家庭被排除在分析之外。分析中包含的总户数为20,750户。问卷涵盖广泛模块，包括人口统计指标、住房条件、教育、健康、劳动、农业、非农企业、食品和非食品商品及服务的支出，以及家庭资产。NLSS 2022/23为衡量贫困和估算包括可持续发展目标（SDGs）在内的各种社会经济指标提供了必要信息。 2022/23年国家劳动力调查（NLSS）采用了与最新官方调查——2018/19年国家劳动力调查（NLSS）相同的方法论，使得两项调查在大多数指标上具有可比性。2022/23年国家劳动力调查在问卷设计和数据收集技术方面沿用了前者的方法改进，从而保证了数据的整体高质量。此外，2022/23年国家劳动力调查的抽样基于国家卫生健康委员会（NPC）于2022年进行的最新地图绘制工作，这提高了名录操作的准确性以及抽样设计的质量。 2.2.GHS-P 2023/24 尼日利亚国家统计局（NBS）也与世界银行的生活标准测量研究（LSMS）团队合作开展住户追踪调查（GHS-P）。这是一项纵向调查，对同一户样本进行长期追踪。2023/24年度的GHS-P包含两个组成部分：（a）一个纵向（或“长面板”）元素，由2010年原始GHS-P样本中部分普查区（EAs）及其关联住户构成；（b）一个更新型横截面样本，由一组全新的普查区（及关联住户）组成。 并于2018/19年整合。长面板约占2018/19年GHS-P总户数的25%，其余家庭则在该次GHS-P调查中补充，以提升横断面代表性。2018/19年的样本被延续至2023/24年调查，当横断面权重重新校准以代表2023年人口时。2018/19年访谈的95%以上的家庭在2023/24年也能被访谈，表明流失率有限。最终GHS-P 2023/24样本由4,715户家庭组成。 在2023/24年GHS-P调查中，住户在8个月内接受了两次访谈。首次访问于2023年7月至10月进行（种植后访问），随后进行的第二次访问于2024年1月至4月进行（收获后访问）。两次访问均收集了所有自产和购买的食物项目以及大部分非食品项目——不包括教育、住房和健康项目。教育和住房项目仅在种植后访问中收集，而健康项目仅在收获后访问中收集。 国家家庭收支调查（NLSS）是一项横断面调查，因此每个家庭只接受一次访谈，每个季度包含不同的家庭样本。相比之下，在住户消费支出调查-预览版（GHS-P）中，两次调查都访谈相同的家庭。在构建GHS-P的2023/24年消费总量时，两次访问收集的项目对每个家庭进行了平均，而仅在一次访问中可用的项目则结合了两个波次的资料（因此假设这些项目的支出保持不变）。7 当仅关注重叠期时，第一次访问中登记的所有内容都包含在内，同时也包括仅在第二次访问中登记的医疗支出。 2.3. NLSS与GHS-P的比较 表1报告了2022/23年国家劳动力调查（NLSS）和2023/24年全球健康与营养调查（GHS-P）中消费项目数量和使用的平减指数。调查设计和所提问题的数量几乎完全相同。在GHS-P的早期轮次中情况并非如此，调查问卷差异很大（Lain等人，2024）。由于NLSS的样本量较小，其代表性仅限于省级（第三级行政单位）层面，而GHS-P的代表性则达到区域级（第二级行政单位）层面。因此，GHS-P的空间价格调整是在更宏观的层面上进行的。表2（以及表B.1）报告了各区域调查的家庭份额，这两个调查中的该份额基本相同。8 这两项调查涵盖了不同的时间段，尽管存在重叠。在2022年7月至9月期间，90%的家庭接受了2023/24年GHS-P调查的第一轮访问，而2022/23年NLSS调查的第三波数据则全部收集完成。第3节将报告 使用第三波NLSS 2022/23中所有被访谈家庭，以及GHS-P 2023/24种植后时期，来比较这一“重叠”时期。 2.4. 使用NLSS 2018/19进行微观模拟 在2022/23年NLSS发布之前，世界银行利用微观模拟模型推算贫困即时预测值和预测值。该模型基于观测到的（即时预测）或预计的（预测）宏观经济指标以及之前的家庭调查——2018/19年NLSS来预测贫困。这些估算值已发表在世界银行的《宏观贫困展望》（MPO）中。 对于大多数国家而言，其MPO（可能指“贫困线规划”或类似概念，但原文未明示，此处保留MPO）基于实际增长模型（RGM），该模型将人均实际GDP增长应用于家庭实际消费（类似于图1中所示的PIP排列方法）。对于尼日利亚，RGM模型预测其贫困将在2020年达到峰值，随后稳步下降，因为其动态变化完全由人均实际GDP增长驱动。该模型存在两个关键局限性。首先，它对所有家庭都应用相同的平均增长率，而不管其经济活动领域如何。其次，它将实际GDP增长应用于家庭实际消费，并假设通货膨胀的变化可以通过工资的变化（如GDP所反映的那样）得到补偿。 在部门增长率差异显著且消费者价格指数（CPI）持续高于国内生产价格指数（GDP平减指数）的背景下，这两个限制因素变得至关重要。在尼日利亚，农业增长表现出与GDP增长不同的动态。2018年，四分之三的贫困家庭居住在农村地