所有中低收入国家的财富微观估计
综合经济学
2022-06-08 v1 计算机与社会
机器学习
经济学
摘要
许多关键政策决策，从战略投资到人道主义援助的分配，都依赖于关于财富与贫困地理分布的数据。然而，许多贫困地图已过时或仅存在于非常粗糙的粒度级别。在此，我们开发了首个覆盖全部 135 个中低收入国家（LMICs）有人居住地表、分辨率为 2.4km 的财富与贫困微观估计。这些估计通过将机器学习算法应用于来自卫星、移动电话网络、地形图以及来自 Facebook 的聚合且去标识的连接数据等海量异构数据构建而成。我们使用来自 56 个 LMICs 的全国代表性家庭调查数据对估计进行训练与校准，随后使用来自 18 个国家的四个独立家庭调查数据源验证其准确性。我们还为每个微观估计提供置信区间以促进负责任的下游使用。这些估计免费公开供使用，希望它们能实现对 COVID-19 大流行的针对性政策响应，为关于经济发展与增长成因及后果的新见解奠定基础，并推动支持可持续发展目标的责任性政策制定。
引用
@article{arxiv.2104.07761,
title = {Micro-Estimates of Wealth for all Low- and Middle-Income Countries},
author = {Guanghua Chi and Han Fang and Sourav Chatterjee and Joshua E. Blumenstock},
journal= {arXiv preprint arXiv:2104.07761},
year = {2022}
}