18.05.2021
Наш канал в Telegram: https://t.me/berzaru

Машинное обучение опровергло концепцию «черты бедности»

МО опровергло концепцию черты бедности

Математики использовали машинное обучение для разработки новой модели измерения бедности в разных странах, которая опровергает старые понятия фиксированной «черты бедности». Исследование учёных из Астонского университета предполагает, что общепринятые взгляды на бедность устарели. Дело в том, что в них слишком много внимания уделяется субъективным представлениям об основных потребностях человека. Экспертам не удается охватить всю сложность того, как люди используют свои доходы.

В своём новом исследовании учёные уверяют, что их новая модель, в которой используются компьютерные алгоритмы для синтеза огромных объёмов расходов и экономических данных, может помочь властям во всем мире предсказать будущие уровни бедности и спланировать меры по смягчению проблемы.

«Никто никогда раньше не использовал машинное обучение для декодирования многомерной бедности — заявил 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 — в XIX и начале XX века. В настоящее время Всемирный банк устанавливает международную черту бедности на уровне $1,90 в день, при этом около 10% населения мира — около 700 млн человек — живут на меньшую сумму.

В новом исследовании учёные проанализировали данные из Индии за 30 лет, разделив расходы на три широкие категории: «основные продукты питания», такие как крупы, «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 обстоятельствам отдельных стран. Исследователи объединили наборы данных по доходам, активам и товарным рынкам из Всемирного банка и других источников для создания математической модели, которая смогла не только точно предсказать прошлые уровни бедности как в Индии, так и в Соединённых Штатах, но и предсказать будущие уровни на основе определённых экономических предположений.

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. — Благодаря 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».