人口普查中贫困地图更新研究.pptVIP

贫困地图更新研究 —以阿尔巴尼亚为例 目录 研究方法和技术运用 小面积估算（SAE）技术或贫困映射技术 小面积估算（SAE）技术或贫困映射技术 小面积估算（SAE）技术或贫困映射技术 用反事实的人口分布方法更新贫困地图（CM） 用反事实的人口分布方法更新贫困地图（CM） 用反事实的人口分布方法更新贫困地图（CM） 使用定常变量更新贫困地图（TIM） 研究的主要指标 估计策略 呈现的结果 谢谢 请关注贫困 * * * Poverty 呈现的结果 4 研究的主要指标 2 Poverty 估计策略 3 研究的主要方法和技术 1 小域估算技术或贫困映射技术 The small area estimation (SAE) techniqueor Poverty-Mapping Technique 用反事实的人口分布方法更新贫困地图 Updating Poverty Maps with Counterfactual Population Distributions 使用定常变量更新贫困地图 Updating Poverty Maps with Time-Invariant Variables CM TIM The SAE or Poverty-Mapping Technique Poverty Poverty 小面积估算（SAE）技术或贫困映射技术是由Elbers等人所提倡，该技术是以家庭调查和人口普查为数据源。小域模型为： y为家庭层面的利息变量分配；h为家庭收入或消费支出；c为收入和消费的集群；Xch为可观察变量；Vch为符合误差项；其中，Vch是效应集群Uc与限定家庭误差项?ch之和；β”为一个估计参数。 小域模型是将辅助信息与目标变量的连接模型 = 和匹配抽样模型 结合得到小域模型： 即上式（5.1）方程 Poverty 特殊误差方程： 其中A和B是估计参数值；Zch 为协变量子集，影响特殊异方差性误差。 假设已知方程（5.2）中的参数，限定家庭误差项就可以计算为： 通过运算(5.1)和(5.2)式的估计参数和异方差的经验分布进入第二计算阶段 第一，绘制一组消费特殊误差模型的参数； 第二，把效应集合的评估价值分配到各个集合的人口普查中； Poverty 第三，把人口普查的每一个观察报告分配到一个标准的特质误差项中； 第四，用异方差模型评估限定家庭误差项； 最后，得出消费模拟价值方程，即： 家庭人均消费水平预测不仅仅是第一阶段的消费模型函数，也是评估的精度和描述误差模型的函数。在人口普查中，小面积估算方法或贫困映射技术不是为了计算出已经预测出来的每个家庭的消费水平，而是对每个家庭消费水平进行前向预测。 H:\演示ppt\小域估计的理论和最新进展_吕萍.caj Poverty 假设只有一个人口普查和两个家庭调查（一新一旧）。当老的家庭调查与人口普查同一时间进行，则小面积估算（SAE）技术以上所描述的方法就能得到运用。问题是当只有新的家庭调查却没有新的人口普查，特别是当家庭调查涉及很少甚至不涉及小区域内的调查时，如何更新对小区域内的贫困评估呢？SAE技术就不再使用此种情况。 在没有新的人口普查情况下，应该运用旧的和新的家庭调查信息构建一个与老家庭调查事实相反的消费分布以及与旧的人口普查数据相匹配的反事实结果分布。为了构建反事实财富分布，用一个用新的家庭调查数据构建一个消费模型，即： 其中，y05指的是05年的消费量；i是家庭指数；β“05指05年的收益和价格协变量的参数；X05是05年的协变量向量；?05是05年的隐性消费成分。 此外，反事实消费分布将会随着收益协变量、参数b、人口状况以及一些隐性协变量的变化做出以下三步调整： 第一步，创建一个与02年相适应的05年的参数消费分布，即： Poverty 其中，Zit 为显性的家庭层面的大型集合；Mit为家庭迁移状况。 第三步，通过方程(5.7)，可以获得一个倾向指数—— t = {2002, 2005}存在的可预测概率，即 ： Pt 时间t内观察报告里的无条件概率或05年的观察量在所有年份中所占的份额。 注：倾向指数（propensity score）在统计学中，是一种无偏估计的方法，其应用方法有三种：匹配法( matching )、 分层法( stratification or subclassification)以及回归调整法( regression adjustment )。 第四步，由于显性特征的分布变化等同于二次权衡方程(5.6)式中已经评估的消费分布，由此得出： 第二步，当案例中的多个变量发生变化