2016年-世界发展银行全球_A_Poor_Means_Test____Econometric_Targeting_in_Africa_55页_1mb

总结：A Poor Means Test? Econometric Targeting in Africa

核心内容

本研究探讨了**经济计量瞄准（Econometric Targeting, ET）**方法在非洲九个国家中的应用效果，评估其在减少贫困方面的实际表现。ET是一种通过回归模型来估算家庭消费或收入的代理手段测试（Proxy Means Testing, PMT）方法，旨在更精确地识别贫困群体，以提高社会福利项目（如现金转移支付）的效率。

主要观点

1. ET方法的局限性

   • ET方法虽然在理论上具有吸引力，但实际效果有限。即使预算足够消除贫困，使用ET方法也难以将贫困率降至初始值的四分之三以下。
   • 当前方法在识别最贫困群体方面存在明显不足，尤其是在覆盖范围和准确性方面。

2. ET方法的原理

   • ET通过回归模型计算家庭消费或收入的代理指标得分，该得分用于识别贫困家庭。常用方法是普通最小二乘法（OLS），使用对数人均消费作为因变量。
   • 其他方法包括分位数回归（Quantile Regression）和贫困加权最小二乘法（Poverty-Weighted Least Squares, PLS），这些方法旨在更好地适应贫困减少的目标。

3. 误差类型与衡量

   • 纳入误差率（IER）：指被误认为贫困但实际非贫困的人的比例。
   • 排除误差率（EER）：指实际贫困但未被识别为贫困的人的比例。
   • 在理想情况下（预测与实际完全一致），IER和EER相等；但在实际中，两者往往不一致，反映了ET方法的不完美性。
   • 标准化瞄准差异（NTD）：衡量瞄准方法在转移支付上的有效性，即贫困群体与非贫困群体获得的平均转移支付之间的差异。

4. 替代方法的表现

   • 简单的**基于人口统计的得分卡（Demographic Scorecard）或基本收入方案（Basic Income Scheme）**在某些情况下可以达到与ET相当或接近的效果。
   • 这些方法在实施成本和透明度方面可能更具优势，尤其在需要快速实施的情况下。

5. 实施中的挑战

   • 测量误差：消费数据可能存在误差，影响瞄准准确性。
   • 实施滞后：ET方法需要在实施前设定指标，因此存在时间滞后，可能错过当前贫困状况。
   • 数据限制：实践中使用的变量通常较为粗略，如家庭资产、人口结构等，缺乏对价格和地理因素的细致考量。

6. 政策含义

   • 尽管ET方法在减少纳入误差方面表现良好，但其在排除误差和覆盖最贫困群体方面存在不足。
   • 政策制定者应权衡不同方法的优劣，结合实际成本、透明度和实施可行性进行选择。

关键信息

• 研究范围：非洲九个国家（布基纳法索、埃塞俄比亚、加纳、马拉维、马里、尼日尔、尼日利亚、坦桑尼亚和乌干达）。
• 数据来源：世界银行的生活标准测量研究（LSMS）调查数据，部分国家还使用了面板数据。
• 研究方法：通过回归模型计算ET得分，比较不同方法在减少贫困和减少瞄准误差方面的表现。
• 结论：当前ET方法在减少纳入误差方面表现良好，但在识别最贫困群体方面效果有限，可能无法实现最优的贫困减少目标。

结构清晰点

• ET方法的定义：基于回归模型的代理手段测试。
• 方法的改进：包括分位数回归和贫困加权最小二乘法。
• 误差类型：纳入误差、排除误差、标准化瞄准差异。
• 替代方案：基本收入方案、人口统计得分卡。
• 实施挑战：测量误差、滞后、数据限制。
• 政策建议：需综合考虑方法的准确性、成本和实施可行性。

方法论说明

• 研究通过模拟和实证分析来评估ET方法的表现。
• 使用标准化指标来衡量瞄准效果，以确保比较的公平性。
• 引入面板数据以考虑实施滞后对瞄准效果的影响。

未讨论的问题

• 是否使用消费数据作为福利指标是合理的。
• 社会保护政策的非经济目标（如社会凝聚力、政治支持）未被纳入分析。
• 一些更复杂的瞄准机制（如基于工作的瞄准、社区参与瞄准）未被考虑。

总体评估

尽管ET方法在减少纳入误差方面表现良好，但其在实际中对贫困的识别能力有限，特别是在最贫困群体的覆盖上。因此，ET不能被视为一种最优的瞄准工具，而应与其他方法结合使用，或根据具体政策目标进行调整。