全球贫困现状预测

摘要 本文评估了目前对国家层面贫困率进行预测的不同方法，包括将统计学习应用于从世界发展指标和谷歌地球引擎获得的大规模国家层面数据的方法。这些方法通过保留测量的贫困率并确定方法对保留数据的预测准确性进行评估。通过将最后观察到的福利分布按人均GDP实际增长的一部分进行缩放，得到的简单方法在预测准确性方面表现几乎与使用1,000多个变量进行统计学习的模型相当。这种基于GDP的方法的预测表现优于所有直接预测贫困率的模型，即使最后一次调查已有长达五年的时间。结果表明，在这种情况下，将统计学习技术应用于大量变量所引入的额外复杂性仅带来了边际的准确性提升。