Estimating Income Poverty in the Presence of Missing Data and Measurement Error
缺失数据与测量误差下的收入贫困估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究收入贫困率这一收入分布指标，并给出缺失与误分类下的上下界及跨国比较，直接对应分布相关计量问题。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
缺失数据与测量误差下的收入贫困估计
- 研究问题
- 调查收入存在缺失和测量误差时，人口贫困率还能被限定在什么范围内，跨国贫困比较对这些数据问题及额外假设有多敏感？
- 方法与思路
- 作者结合样本证据、贫困身份误分类概率的上界，以及工具变量或单调工具变量假设，推导人口贫困率上下界，并应用于欧洲家庭面板。
- 材料陈述的贡献
- 摘要称提供了考虑缺失和测量误差的贫困率界限，并利用欧洲共同体家庭面板计算十国界限，研究跨国贫困比较的敏感性。
- 阅读关注点
- 应核对缺失与误分类的处理方式、误分类概率上界的来源、工具变量和单调性限制，以及贫困阈值与跨国可比性的设定。
- 阅读边界
- 摘要未给出各国具体界限、误分类上界的取值或工具变量的可信性依据，因此无法判断界限宽度和跨国贫困排序的稳健程度。
原文摘要
Reliable measures of poverty are an essential statistical tool for public policies aimed at reducing poverty. In this article we consider the reliability of income poverty measures based on survey data which are typically plagued by missing data and measurement error. Neglecting these problems can bias the estimated poverty rates. We show how to derive upper and lower bounds for the population poverty rate using the sample evidence, an upper bound on the probability of misclassifying people into poor and nonpoor, and instrumental or monotone instrumental variable assumptions. By using the European Community Household Panel, we compute bounds for the poverty rate in 10 European countries and study the sensitivity of poverty comparisons across countries to missing data and measurement error problems. Supplemental materials for this article may be downloaded from the JBES website.