新的机器学习模型揭穿了“贫困线”概念

数学家已使用机器学习来开发一种新的模型来衡量不同国家的贫困状况，从而使固定贫困线的旧观念变得杂乱无章。阿斯顿大学（Aston University）的学者发表在《自然通讯》（Nature Communications）上的这项研究表明，围绕贫困的主流思想已经过时，因为它过分强调基本需求的主观观念，而未能充分把握人们使用收入的方式的复杂性。

他们说，他们的新计划使用计算机算法来合成大量支出，并且可以帮助全球的政策制定者预测未来的贫困水平并计划干预措施以缓解这一问题。

＆＃34;从来没有人使用机器学习来解码多维贫困，＆＃34;阿斯顿大学工程与物理学院的首席研究员Amit Chattopadhyay博士说。 ＆＃34;这完全改变了人们看待贫困的方式。

既定的贫困衡量标准试图确定一个阈值货币水平，在该阈值水平以下，一个人或一个家庭被定义为“贫困”。这些定义的起源可以追溯到19世纪和20世纪初由Ernst Engel和Seebohm Rowntree等改革者开发的方法。

目前，世界银行将国际贫困线定为每天1.90美元，约占世界人口的10％，约7亿人的生活水平低于这一水平。这是根据对购买力平价（PPP）进行调整后的所需收入的主观评估得出的。

在这项新研究中，研究人员分析了30年。来自印度的价值数据，将支出分为三大类“基本食品”；例如谷物，其他食物包括肉类和非食品类涵盖其他支出，例如住房和运输成本。该模型可以应用于任何国家。

通过识别“推拉”这三个类别之间的相互作用-一个领域的支出增加通常意味着另一领域的支出减少-它允许采用更全面的贫困衡量标准，以适应各个国家的情况。研究人员结合了来自世界银行和其他来源的收入，资产和商品市场的数据集，得出的数据不仅能够准确地预测印度和美国过去的贫困水平，而且能够根据某些经济状况预测未来的贫困水平假设。

考虑到市场中供求的弹性，该模型修改了传统上被认为“贫困”的人数。成为更实用的中产阶级。它可以缩放以反映一个国家的次区域的状况，甚至可以根据可用数据缩小到单个城市或邻里。

＆＃34;当前有关贫困的想法是高度主观的，因为＆＃39;贫困＆＃39;在不同的国家和地区将具有不同的含义，＆＃34; Chattopadhyay博士补充说。 ＆＃34;使用此模型，我们最终有了一个多维贫困指数，该指数反映了无论他们身在何处并在很大程度上独立于其所属的社会阶层的人们的真实生活经验。

重要的是，该模型考虑了人们所处的经济状况以及可能对他们的物质福祉产生最大影响的因素。因此，对于全球政府和政策制定者而言，它可以是确定和实施真正解决该问题的干预措施的重要工具。＆＃34;更多信息：Amit K. Chattopadhyay等人，《减轻贫困的社会工程模型》，自然通讯（2020）。 DOI：10.1038 / s41467-020-20201-4