亲贫困增长分析的理论基础及其改进框架

在现有亲贫困增长研究成果基础上,结合中国经济现实发展状况剖析亲贫困增长的类型与内涵,厘清亲贫困增长的研究思路,从贫困缓解、收入不平等和经济增长三者的关系出发,提出亲贫困增长的理论基础和分析框架,建立基于收入分配效应、经济增长效应和贫困线变动效应的亲贫困增长分析矩形模型,并对该模型的适用条件和范围进行了探讨和拓展,以期完善和修正中国的亲贫困增长理论和测度方法。     

亲贫困增长分析中的Shapley分解规则

亲贫困增长主要是指能够使贫困群体参与经济活动并从中得到更多好处的经济增长。本文把影响亲贫困增长的因素分解为经济增长效应、收入分配效应和贫困线变动效应,并纳入一个统一分析框架中,采用合作博弈理论中的Shapley分解规则证明了亲贫困增长分析中因素变动效应的完全分解过程,并用住户调查数据（1988-2007年）对中国农村和城镇的亲贫困增长状况进行了实证,在此基础上作为制定具有瞄准功效的反贫困政策的有力依据。     

中国农村亲贫困增长测度及其分解

摘　　要:亲贫困增长主要是指能够使贫困群体参与经济活动并从中得到更多好处的经济增长。在讨论经济增长、不平等与贫困规模变动相关关系的基础上,本文构建了一种基于收入分布的亲贫困增长测度方法并用Shapley值法对之进行因素分解,并采用CHNS农村住户调查数据进行实证分析,得到中国经济的高速增长并不能够自动缓解贫困,需要进一步采取瞄准式扶贫措施来解决的结论 。     

北京市城镇居民贫困测度及亲贫困增长判定

本文基于北京市城镇居民收入分组资料，采用GQ Model和Beta Model拟合收入分布函数并计算了北京市城镇居民贫困规模；采用最新的Shapely分解方法将贫困变动分解为经济增长、收入分配和贫困线变动三部分效应之和；在此基础上构造了三因素亲贫困增长判定方法。得到的结论是：1986～2006年间，北京市城镇居民的贫困率呈现出了下降趋势，其中经济增长是减贫的绝对因素，收入差距和贫困线变动一定程度上带来了贫困率的上升，但总体上增长还是亲贫困的。     

中国农村贫困的动态研究

 基于CHNS的八轮农村家庭收入调查数据,本文使用贫困发生率和平方缺口指数对农村贫困进行了实证分析,并把贫困变动分解为长期贫困效应、脱贫效应和返贫效应。实证结论表明,虽然长期贫困发生率呈现明显下降趋势,但是近期长期贫困的平方缺口指数表现出一定程度上升;脱贫效应是减少贫困的主要因素,返贫效应则是加剧贫困的诱因。此外,匿名性与非匿名性的增长率显示,匿名性低估了低收入阶层的实际收入增长率,从而高估了实际贫困。     

我国教育对贫困变动的效应分析:1995～2007

教育对贫困变动有重要的影响。采用1995~2007年时间序列数据,本文估计与测算了我国教育对贫困变动的效应,研究发现:教育对贫困变动有显著正效应,教育对贫困变动的弹性值在1.41-5.57之间变动,在教育投入影响下,收入对贫困变动的弹性小于收入不均等状况对贫困变动的弹性。     

边疆地区农村贫困程度的测度与模拟分析——以新疆维吾尔自治区为例

利用2000-2009年新疆农村收入分组数据,首先计算历年新疆农村FGT贫困指数,分析新疆农村贫困程度的变化情况;其次对新疆农村FGT贫困指数进行分解,探讨经济增长、收入分配和贫困线变动对新疆农村贫困程度的影响;最后模拟分析各个贫困指标对贫困线变动的敏感程度。研究结果表明：新千年开始后新疆农村贫困程度变化具有一定的阶段性特点,大体经历了大幅下降、平缓变动、小幅上扬三个阶段;FGT贫困指数分解后发现,各期影响因素作用不一,经济增长的减贫效应最为明显,收入分配状况的改善或者恶化产生了不一样的减贫作用,贫困线上调最明显的效应是新疆农村贫困面扩大;模拟贫困线上调后发现各贫困指标对贫困线较小幅度的变动具有较高的敏感性。新疆农村的贫困问题比较复杂,最近有进一步加重的趋势,尤其是最贫困人口的境况需要获得更多的关注,基于此提出了相关政策建议。     

测度通货膨胀对贫困贡献度的一种新方法

文章对衡量通货膨胀对贫困影响的传统方法提出商榷,提出能够准确测度通货膨胀对贫困人口在贫困广度、贫困深度和贫困强度三个维度影响程度的新方法,并具备推广到更多贫困维度的特性.该方法以具有加法可分性的R贫困指数为基础,利用Sharply方法对贫困改善的通货膨胀效应、经济增长效应和收入分配效应进行分解,根据2004～2010年间中国农村住户调查年鉴数据计算通货膨胀因素对贫困广度、贫困深度和贫困强度的贡献度,较为精确地测度了通货膨胀对贫困群体的具体影响.     

个人所得税、减贫效应与居民收入增长的相对益贫性

本文结合国际前沿收入分配测度方法,基于贫困增长曲线（poverty growth curve,PGC）和收入增长相对益贫性（Relative pro-poorness of Growth,RPG）测度指标,应用2013年发布的新一轮中国健康与营养调查（CHNS）微观数据,从居民收入增长的相对益贫性这一新视角分析个人所得税的减贫效应及其对中国城乡居民收入分配的影响,由此阐释个人所得税对居民收入增长相对益贫性的影响机理,并得到更具针对性的个人所得税政策启示。     

农民收入分配基尼系数分解模型设计

目前对于农民收入分配的研究,主要侧重在农民收入分配差距总量的测度方法及发展趋势方面。为了进一步分析影响差距的因素,有必要研究农民收入分配差距测度——基尼系数分解模型。农民收入包括从集体统一经营得到的收入、家庭经营收入、从经济联合体得到的收入和其他非借贷性收入等四部分。那么,基尼系数的变动也就受这四个部分的变动影响,包括各部分收入的基尼系数和各部分收入在总收入中的比重。设计基尼系数分解模型如下:     

中国经济增长的益贫性评价——基于PEGR方法和微观数据的实证

基于2000-2009年中国健康与营养调查（CHNS）微观数据,应用益贫式增长测度方法中唯一满足单调性公理的减贫等值增长率（PEGR）方法,对中国经济增长的益贫性进行系统评价。实证结果显示：中国经济表现出持续的减贫式增长特征,经济增长的减贫效应大于收入分配改善的减贫效应;中国经济增长近期表现出相对益贫性,但仍不具有绝对益贫性。鉴此,结合中国实际,政府益贫式增长政策的关注重点应是改善收入分配的现状。     

益贫式增长与社会机会分配

 目前的益贫式增长测度方法局限于从收入或支出角度考察增长是否益贫,没有足够重视教育、医疗、保险等社会服务机会分配的益贫性。本文用基于社会机会函数（SOF）构造机会指数（OI）和机会益贫指数（PIO）的方法测度中国教育和医疗服务机会分配的益贫性及其动态变化,采用CHNS住户调查数据（2000-2009年）进行了实证研究,以此作为考察增长益贫性以及制订和执行更具针对性的益贫策略的有力依据。     

中国城镇家庭收入增长益贫性形成机制研究

 借助社会福利函数对益贫式增长测度的可分解性,结合中国健康与营养调查（CHNS）提供的家庭就业率、劳动参与率、劳动报酬率、劳动时间等微观数据,追溯居民收入形成的劳动力市场特征要素,将居民收入和各劳动力市场特征的效用性、公平性与增长的损益相结合,应用要素分解模型阐释中国新世纪以来城镇家庭收入增长的益贫性及其形成机制,由此得到更具针对性的收入益贫式增长政策启示。     

中国经济增长的亲贫性:1989-2009

改革开放以来,中国经济实现了高速增长,但这种高速增长是否亲贫？本文基于中国健康和营养调查(CHNS数据)数据,运用修正的减贫等值增长率,对中国经济增长的亲贫性进行了实证研究.研究发现,从长期来看,中国整体的经济增长具有较好的亲贫性,但农村经济增长的亲贫性欠佳.     

Mixtures of Linear Regression with Measurement Errors

Existing research on mixtures of regression models are limited to directly observed predictors. The estimation of mixtures of regression for measurement error data imposes challenges for statisticians. For linear regression models with measurement error data, the naive ordinary least squares method, which directly substitutes the observed surrogates for the unobserved error-prone variables, yields an inconsistent estimate for the regression coefficients. The same inconsistency also happens to the naive mixtures of regression estimate, which is based on the traditional maximum likelihood estimator and simply ignores the measurement error. To solve this inconsistency, we propose to use the deconvolution method to estimate the mixture likelihood of the observed surrogates. Then our proposed estimate is found by maximizing the estimated mixture likelihood. In addition, a generalized EM algorithm is also developed to find the estimate. The simulation results demonstrate that the proposed estimation procedures work well and perform much better than the naive estimates.     

The effects of missing serial effects and/or heteroscedastic errors on mixed models using repeated growth data

When a two-level multilevel model (MLM) is used for repeated growth data, the individuals constitute level 2 and the successive measurements constitute level 1, which is nested within the individuals that make up level 2. The heterogeneity among individuals is represented by either the random-intercept or random-coefficient (slope) model. The variance components at level 1 involve serial effects and measurement errors under constant variance or heteroscedasticity. This study hypothesizes that missing serial effects or/and heteroscedasticity may bias the results obtained from two-level models. To illustrate this effect, we conducted two simulation studies, where the simulated data were based on the characteristics of an empirical mouse tumour data set. The results suggest that for repeated growth data with constant variance (measurement error) and misspecified serial effects (ρ > 0.3), the proportion of level-2 variation (intra-class correlation coefficient) increases with ρ and the two-level random-coefficient model is the minimum AIC (or AIC_c) model when compared with the fixed model, heteroscedasticity model, and random-intercept model. In addition, the serial effect (ρ > 0.1) and heteroscedasticity are both misspecified, implying that the two-level random-coefficient model is the minimum AIC (or AIC_c) model when compared with the fixed model and random-intercept model. This study demonstrates that missing serial effects and/or heteroscedasticity may indicate heterogeneity among individuals in repeated growth data (mixed or two-level MLM). This issue is critical in biomedical research.     

Graphical approach to model adequacy based on exact and near replicates

SUMMARY In this paper, we present an intuitive graphical approach to model validity, which, although to some extent subjective, can be extremely valuable for both presentation and interpretation purposes. In particular, the idea behind such a procedure arises naturally through the generation of a sequence of elements derived from the residuals about a fitted graduating function, based on datum points that are identical or that are relatively close together in a multi-dimensional factor space.     

中间品进口种类扩张对企业出口复杂度的影响

中间品进口作为国际技术溢出的主要途径,对促进一国生产及出口结构升级有着非常重要的影响。本文利用2000-2011年中国工业企业数据库和海关贸易统计数据库的合并数据,基于进口产品种类变化的利得视角,考察了中间品进口种类扩张对企业出口复杂度提升的影响效应。研究显示:企业从国外进口更多种类的中间品有助于促进其出口复杂度的提升,该结论在经过内生性处理、更换核心指标测度方法等多种检验后,具有较好的稳健性;从影响机理上看,中间品进口种类扩张主要通过“产品创新”的直接途径和“生产率提升”的间接途径来推动企业出口复杂度的提升;此外,受进口来源国类别、企业所有制形式以及行业技术特征等异质性因素的影响,中间品进口种类扩张对出口复杂度提升的影响程度存在不同。本文从经验上证明了“以进口强出口”发展模式的合理性,对评估我国当前正在实施的“扩大进口”政策的经济效益,以及推动“贸易强国”建设有着重要意义。     

多源高维数据的多分类纵向整合分析及应用

多分类数据分析在实证研究中具有重要意义。然而,由于高维数、小样本及低信噪比等原因,现有的多分类方法仍面临信息量不足而导致的效果不佳问题。为此,学者们通过收集更多信息源 数据以更全面地刻画实际问题。不同于收集相同自变量的不同源样本,目前较为流行的多源数据收集了相同样本的不同源自变量,它们的独立性和相关性为统计建模带来了新的挑战。本文提出基于典型变量回归的多分类纵向整合分析方法,其中利用惩罚技术实现变量选择,并独特地考虑不同源数据间的关联结构,提出高效的ADMM算法进行模型优化。数值模拟结果表明,该方法在变量选择和分类预测 上均具有优越性。基于我国上证50的多源股票数据,利用该方法对2019年股票日收益率的影响因素进行了实证探究。研究表明,本文提出的多分类整合分析在筛选出具有解释意义变量的同时具有更好的预测效果。