世界银行-几乎从零开始预测收入分配（英）-2025.1_41页_6mb

总结报告：Predicting Income Distributions from Almost Nothing

1. 研究目的：
提出一种基于简单回归的方法，利用国家层面的变量预测全球168个国家的年度收入和消费分布，以弥补数据匮乏地区（如冲突或资源有限国家）调查数据缺失的不足。

2. 方法与数据：

• 数据来源： 采用世界银行的1,989个家庭调查数据，覆盖1991-2020年间168个国家的收入和消费分布（ppp调整后美元），每份数据包含99个分位数。
• 预测变量： 使用超过1,000个候选变量，包括经济指标（如GDP、婴儿死亡率、预期寿命）、健康指标（如人均寿命、死亡率）以及遥感数据等。
• 模型构建： 采用分位数回归模型，基于Fisk分布（一种对数洛格斯蒂分布）预测收入和消费分布，确保分布的形状合理且可扩展。

3. 关键发现：

• 一个包含人均GDP、婴儿死亡率、预期寿命和农村人口占比等少数变量的简单模型，预测精度可与使用1,000多个变量的复杂机器学习模型媲美。
• GDP被证明是最有效的预测变量，即使在数据匮乏的国家；遥感数据（如夜间灯光）表现不佳，不显著提升模型精度。
• 预测平均误差为30%，虽在绝对数值上较大，但与全球范围内巨额收入差异相比相对较小，且模型无法通过增加更多变量进一步改进误差。

4. 模型应用与验证：

• 该方法可用于预测无调查数据国家的贫困水平，全球贫困趋势总体上与世界银行现有估算一致，但在个别国家（如中国、印度）存在偏差，可能源于这些国家调查数据测量方法的变化。
• 模型适用于世界银行全球与区域贫困测量，设置约3%的人口数据缺失的国家，模型预测仅略微调整了全球贫困头数。

5. 结论与意义：

• 提出了一种简单实用的分布预测方法，解决了数据匮乏地区无调查数据的贫困监测难题。
• 该方法可辅助政策制定者在没有完整调查数据的情况下，进行贫困和收入分配分析，尤其适用于脆弱国家和地区。
• 通过客观比较表明，简单模型在准确性、可用性和可靠性上均优于复杂的替代方法，同时具有广泛的适用性。