Математики использовали машинное обучение для разработки новой модели измерения бедности в разных странах, которая опровергает старые понятия фиксированной «черты бедности».
Исследование ученых из Астонского университета, опубликованное в журнале Nature Communications , предполагает, что общепринятые взгляды на бедность устарели, поскольку в них слишком много внимания уделяется субъективным представлениям об основных потребностях и не удается охватить всю сложность того, как люди используют свои доходы.
Они говорят, что их новая модель, в которой используются компьютерные алгоритмы для синтеза огромных объемов расходов и экономических данных, может помочь директивным органам во всем мире предсказать будущие уровни бедности и спланировать меры для решения проблемы.
«Никто никогда раньше не использовал машинное обучение для декодирования многомерной бедности», - сказал ведущий исследователь доктор Амит Чаттопадхьяй из Колледжа инженерных и физических наук Астонского университета. «Это полностью меняет то, как люди должны смотреть на бедность».
Установленные меры бедности направлены на определение порогового денежного уровня, ниже которого лицо или домохозяйство определяется как «бедный». Истоки этих определений восходят к методам, разработанным в 19-м и начале 20-го века такими реформаторами, как Эрнст Энгель и Сибом Раунтри.
В настоящее время Всемирный банк устанавливает международную черту бедности на уровне 1,90 доллара США в день, при этом около 10% населения мира - около 700 млн человек - живут на меньшую сумму. Это основано на субъективной оценке дохода, необходимого для покрытия основных потребностей в беднейших странах , с поправкой на паритет покупательной способности (ППС).
В новом исследовании исследователи проанализировали данные из Индии за 30 лет, разделив расходы на три широкие категории: «основные продукты питания», такие как злаки, «прочие продукты питания», включая мясо, и «непродовольственные товары», покрывающие другие расходы, такие как жилье. и транспортные расходы. Модель применима к любой стране.
Признавая взаимозависимость между тремя категориями - увеличение расходов в одной области обычно означает сокращение расходов в другой, - это позволяет использовать более целостный показатель бедности, который может адаптироваться к условиям отдельных стран. Исследователи объединили наборы данных о доходах, активах и товарных рынках из Всемирного банка и из других источников для создания математической модели, которая смогла не только точно предсказать прошлые уровни бедности как в Индии, так и в Соединенных Штатах, но и спрогнозировать будущие уровни на основе определенные экономические предположения.
Принимая во внимание эластичность спроса и предложения на рынке, модель пересматривает количество людей, традиционно считающихся «бедными», в более практичный «средний класс». Его можно масштабировать для отражения условий в субрегионах страны или даже уменьшать до одного города или района в зависимости от доступных данных.
«Текущее представление о бедности очень субъективно, потому что« бедность »будет означать разные вещи в разных странах и регионах», - добавил доктор Чаттопадхьяй. «С помощью этой модели у нас наконец-то есть многомерный индекс бедности, который отражает реальный опыт людей, где бы они ни жили, и в значительной степени не зависит от социального класса, к которому они, как считается, принадлежат.
"Важно отметить, что это модель, которая учитывает экономические обстоятельства, в которых находятся люди, и факторы, которые могут иметь наибольшее значение для их материального благополучия. Как таковая, она может быть важным инструментом для правительств и политиков во всем мире в определении бедности и принятие мер, которые действительно решают эту проблему ".
Подписывайтесь на «Гродно 24» в Дзен Новости и на наш канал в Дзен