2018年-世界发展银行全球_Finding_the_Poor_vs_Measuring_their_Poverty___Exploring_the_Drivers_of_Targeting_Effectiveness_in_Indonesia_52页_1mb

文档总结：探索印尼统一数据库对社会援助目标群体识别效果的影响

核心内容

本文探讨了印尼统一数据库（UDB）在社会援助目标群体识别方面的有效性，分析了其相对于传统、程序化目标选择方法的改进，并评估了注册阶段和排序阶段对目标识别准确性的相对贡献。

主要观点

1. 统一数据库的建立背景

   • 印尼的UDB是全球最大的统一目标识别数据库之一，旨在覆盖最贫困的40%人口，目前已有超过2500万家庭注册。
   • 传统方法依赖社区领袖的主观判断，存在较大的目标识别偏差（如漏报和误报）。

2. 目标识别方法的改进

   • UDB采用了基于普查数据的贫困地图（poverty mapping）和社区建议相结合的注册方法，提高了目标识别的公平性。
   • 通过代理手段测试（Proxy-Means Testing, PMT）对家庭进行排序，以预测其福利状况。

3. 目标识别效果的评估

   • 与以往程序化方法相比，UDB在减少非贫困家庭获得援助（即“漏报”）方面表现出更高的“渐进性”。
   • 然而，在覆盖贫困家庭方面仍存在不足，主要由于注册阶段的不足，而非排序阶段的限制。

4. 注册与排序阶段的相对重要性

   • 作者通过模拟假设所有家庭都被注册的情况，发现注册阶段的改进能显著减少贫困家庭的漏报。
   • 相比之下，通过增加家庭资产信息来改进排序过程的效果较小。

5. 研究方法与数据来源

   • 使用SUSETI独立调查数据，与UDB行政数据进行匹配，以评估目标识别的准确性。
   • SUSETI调查覆盖了600个村庄，包含5,682户家庭，这些家庭符合印尼有条件现金转移计划（PKH）的初步资格标准。

关键信息

UDB的注册流程

• 预列表（Pre-listing）：基于2010年人口普查和Elbers等人的贫困地图方法，初步确定潜在的贫困家庭。
• 社区建议：在实地中根据社区领袖的建议调整预列表，移除被认为非贫困的家庭，增加未被预列表但被社区建议纳入的家庭。
• 最终注册：约25.2百万家庭被注册，其中约43%来自预列表，其余来自社区建议。

目标识别效果

• 减少漏报：UDB减少了非贫困家庭获得援助的比例，例如最富裕40%的家庭获得Jamkesmas的比例从近40%降至25%。
• 覆盖不足：即使在UDB系统下，最贫困10%的家庭仍有约三分之一未被覆盖，表明注册阶段仍存在重大问题。
• 排序误差：PMT模型的预测准确度为R²=0.5，排序相关性为0.67，40%贫困线的误判率约为30%。

假设情景分析

• 全面普查情景：若所有家庭都被注册，贫困家庭的漏报将减少约三分之一。
• 地理目标情景：在最贫困区域全面注册，其余区域保留原有方法，也能改善目标识别效果，但幅度较小。

政策建议

• 注册阶段的改进比排序阶段对目标识别的准确性影响更大。
• 增加注册覆盖可以显著提高社会援助的效率，尽管这可能带来较高的成本，但相对于增加的援助效益，成本是可接受的。
• 政策制定者应优先考虑扩大注册范围，以减少贫困家庭的漏报。

结论

本文首次系统地分析了统一数据库的注册与排序过程对目标识别准确性的相对影响。结果显示，提高注册阶段的覆盖范围比优化排序算法对减少贫困家庭漏报和非贫困家庭误报更为关键。这为政策制定者提供了重要的实证依据，以优化社会援助项目的识别机制，实现更公平、更有效的资源分配。