Analysis of Poverty Data by Small Area Estimation

راهنمای جامع برای اجرای روش های SAE برای مطالعات فقر و نقشه برداری فقر

تقاضای فزاینده ای برای داده های فقر و شرایط زندگی، در رابطه با مناطق محلی و/ وجود دارد. یا جمعیت های فرعی سیاست گذاران و ذینفعان به منظور تدوین و اجرای سیاست ها، (باز)توزیع منابع و اندازه گیری تأثیر اقدامات سیاست محلی، به شاخص ها و نقشه هایی از فقر و شرایط زندگی نیاز دارند.

برآورد منطقه کوچک (SAE) بازی می کند. نقش مهمی در تولید برآوردهای آماری صحیح برای نقشه برداری فقر دارد. این کتاب منبع جامعی از اطلاعات در مورد استفاده از روش‌های SAE ارائه می‌دهد که با این ویژگی‌های متمایز داده‌های فقر که از نظرسنجی‌ها و بایگانی‌های اداری به دست می‌آیند، سازگار شده است. این کتاب تعریف شاخص‌های فقر، روش‌های جمع‌آوری و ادغام داده‌ها، تأثیر طراحی نمونه‌گیری، وزن‌دهی و برآورد واریانس، مسئله مدل‌سازی و استحکام SAE، مدل‌سازی مکانی-زمانی فقر، و SAE تابع توزیع را پوشش می‌دهد. درآمد و نابرابری نمونه هایی از تجزیه و تحلیل داده ها و برنامه های کاربردی ارائه شده است، و کتاب توسط وب سایتی پشتیبانی می شود که اسکریپت های نوشته شده در نرم افزار SAS یا R را توصیف می کند، که اکثر روش های ارائه شده را همراهی می کند.

ویژگی های کلیدی:

• بازبینی جامعی از روش‌های SAE برای نقشه‌برداری از فقر ارائه می‌کند
• کاربردهای روش SAE را با استفاده از مطالعات موردی واقعی نشان می‌دهد
• راهنمایی ارائه می‌کند. در مورد استفاده از روال ها و انتخاب وب سایت هایی که می توان از آنها دانلود کرد

تجزیه و تحلیل داده های فقر توسط تخمین منطقه کوچک مقدمه ای بر تکنیک های پیشرفته از هر دو روش کاربردی ارائه می دهد. و یک دیدگاه روش شناختی، و منبع ارزشمندی برای محققانی است که به طور فعال در سازماندهی، مدیریت و انجام مطالعات در مورد فقر مشغول هستند.

A comprehensive guide to implementing SAE methods for poverty studies and poverty mapping

There is an increasingly urgent demand for poverty and living conditions data, in relation to local areas and/or subpopulations. Policy makers and stakeholders need indicators and maps of poverty and living conditions in order to formulate and implement policies, (re)distribute resources, and measure the effect of local policy actions.

Small Area Estimation (SAE) plays a crucial role in producing statistically sound estimates for poverty mapping. This book offers a comprehensive source of information regarding the use of SAE methods adapted to these distinctive features of poverty data derived from surveys and administrative archives. The book covers the definition of poverty indicators, data collection and integration methods, the impact of sampling design, weighting and variance estimation, the issue of SAE modelling and robustness, the spatio-temporal modelling of poverty, and the SAE of the distribution function of income and inequalities. Examples of data analyses and applications are provided, and the book is supported by a website describing scripts written in SAS or R software, which accompany the majority of the presented methods.

Key features:

• Presents a comprehensive review of SAE methods for poverty mapping
• Demonstrates the applications of SAE methods using real-life case studies
• Offers guidance on the use of routines and choice of websites from which to download them

Analysis of Poverty Data by Small Area Estimation offers an introduction to advanced techniques from both a practical and a methodological perspective, and will prove an invaluable resource for researchers actively engaged in organizing, managing and conducting studies on poverty.