Избавление людей от бедности уже давно является главной целью как разработки национальной политики, так и международного развития. Технологические сдвиги за последние два десятилетия создали возможность расширить инструменты мониторинга бедности: пассивно собираемые данные о значительной части населения. В этом проекте, возглавляемом Программой развития Организации Объединенных Наций для Судана, Управлением электросвязи и почтового регулирования Судана и Центральным статистическим бюро Судана в рамках инициативы Big Data 4 SDGs, мы в Knuper расширили опрос. данные с анонимными метаданными мобильных телефонов, предоставленные крупным суданским оператором мобильной связи, для создания косвенных показателей многомерной бедности в штате Эль-Гезира, Судан [1]. Исследование дает первый обоснованный взгляд на то, можно ли использовать метаданные мобильных телефонов (более широко) для информирования о мероприятиях по борьбе с бедностью в Судане.

Возможность тратить сильно влияет на то, как люди используют свой телефон

Одним из главных преимуществ использования метаданных мобильных телефонов в официальной статистике является их способность расширять анализ до более мелкого географического уровня. Методология, используемая для получения мелких прокси-индикаторов многомерной бедности, основана на концепции оценки малых территорий: оценки обследования могут быть уточнены с учетом вспомогательных данных (в данном случае вызовите подробные записи — CDR). Интуиция подсказывает нам, что люди, у которых нет больших денег, более тщательно взвешивают свои решения в отношении мобильных телефонов. Цель этого пилотного исследования состояла в том, чтобы определить закономерности в CDR, которые относятся к многомерной бедности, путем создания характеристик, которые отражают такое поведение и используют их для создания детализированных прокси-индикаторов.

Углубление пространственной детализации

Косвенные показатели для индекса многомерной бедности (ИМБ), построенные на основе этих анонимных CDR для восьми населенных пунктов Аль-Гезира, показывают очень похожие результаты с оценками репрезентативного опроса:

Прокси-индикатор многомерной бедности на местном уровне

Любопытно, что самыми сильными предикторами оказались поведенческие индикаторы, отражающие паттерны, связанные с работой. Для дальнейшего использования пространственной детализации информации CDR мы оценили прокси-индикаторы для трех разных уровней: населенный пункт, административная единица (AU) и приблизительная зона покрытия антенны, чтобы нарисовать более детальную картину многомерной бедности. По сравнению с их агрегатами на уровне местности результаты кажутся правдоподобными. Корреляция с ИМБ обследования высока как по значению, так и по рангу.

Прокси-индикатор многомерной бедности
(модель построена на местном уровне)

Однако прямая оценка на более низких пространственных уровнях была невозможна из-за отсутствия детализированных наземных данных. В заключение, характеристики CDR, особенно те, которые описывают поведение, связанное с работой, демонстрируют высокую корреляцию с MPI. По сравнению с той же моделью, использующей случайно сгенерированные CDR в качестве доказательства концепции, общая производительность модели оказывается значительно выше, если включены фактические CDR.

Библиография

[1]ПРООН, Инновационный фонд, Выстрелы в луну и прыжки из лужи, обзор за 2017–2018 годы, с. 66 ф. URL: http://www.undp.org/innovationreport, (2018 г.)