자산 데이터의 미시적 추정

자산 데이터의 미시적 추정
연구자들에 따르면 남반구 전역의 빈곤 수준을 자세히 보여주는 데이터 프로젝트는 정책 입안자들이 사회 지원과

세계 은행(World Bank)에 따르면 COVID-19 대유행은 전 세계적으로 빈곤을 심화시켰으며 대부분이 LMIC에 속해

있는 것으로 추산되는 9,700만 명 이상이 2021년에 극심한 빈곤에 빠지게 되었습니다.

자산 데이터의

파워볼사이트 그러나 저소득 및 중간 소득 국가(LMIC)의 신뢰할 수 있는 최신 빈곤 데이터의 부족은 정부와 시민 사회에 큰 도전이 됩니다.

이러한 데이터 격차를 해소하기 위해 버클리 캘리포니아 대학교(UC) 연구원과 Facebook 및 Instagram과 같은

메타 플랫폼의 데이터를 수집하는 Data for Good 프로그램은 RWI(상대 자산 지수)의 공개 데이터 세트를 개발했습니다.

, 135개 LMIC의 모든 인구 밀집 지역의 부의 미시적 추정치를 제공합니다. 이 연구는 1월 18일 PNAS에 게재되었습니다.

UC 버클리 정보 대학의 총장 부교수이자 연구의 주 저자인 Joshua Blumenstock은 다음과 같이 말했습니다. 대부분의 정책 입안자들의 요구를 충족할 만큼 충분히 작지만 개별 가구의 사생활을 존중할 만큼 충분히 큰 2.4km 정사각형 그리드 셀당 하나입니다.” more news

“본질적으로 이것은 정책입안자들이 작은 마을과 이웃의 상대적인 부를 결정하는 것을 가능하게 합니다. 예를 들어,

나이지리아는 이러한 미시적 추정치를 사용하여 국가에서 가장 가난한 도시 병동(동네)을 식별한 다음 해당 병동의 우선 순위를 지정하여 정부로부터 사회 지원을 받았습니다.”라고 덧붙였습니다.

자산 데이터의

추정치는 거의 150만 명에 달하는 Demographic and Health S의 직접 대면 데이터와 위성, 이동 전화 네트워크 및

기타 출처에서 수집된 대량의 “빅 데이터”와 개인 정보가 제거된 집계 및 비식별화된 연결 데이터를 포함한 기타 소스를 결합하여 구성됩니다. 개인 정보 보호 – Facebook에서.

데이터 집약적 개발 연구소(Data-Intensive Development Lab)의 이사이자 효과적인 글로벌 센터(Center for Effective Global)의

공동 이사이기도 한 Blumenstock은 “대략적으로 알고리즘은 빅 데이터를 사용하여 설문 조사가 수행되지 않은 영역으로 자산 추정치를 보간합니다. 동작.

이러한 미시적 추정의 정확성을 확인하기 위해 연구원들은 여러 독립적인 조직에서 수집한 데이터를 사용하여 알고리즘의 추정치를 제3자 출처의 객관적인 추정치와 비교했습니다. Blumenstock은 SciDev.Net에 SciDev.Net에 “18개국의 4개의 독립적인 데이터 소스를

통해 우리의 새로운 미세 추정치가 LMIC의 상대적 부와 빈곤에 대한 놀랍도록 정확한 측정값을 제공한다는 것을 발견했습니다.

이번 연구에 참여하지 않은 호주국립대학교 크로포드 공공정책대학원의 선임 강사인 Hoa Thi Minh Nguyen은 남반구 전역에 걸친 광범위한 정보가 정책 입안자들에게 유용한 자원이 되었다고 말했습니다.