家庭粮食安全误判：依赖单次调查轮次如何在粮食安全项目中产生靶向误差

《Food Security》：Misidentified household food insecurity: how relying on a single survey round produces targeting errors in food security programs

　　

中低收入国家的人道主义援助项目通常依赖于一年中某一时点开展的家庭调查来识别粮食不安全家庭及其受援资格。然而，家庭粮食安全状况在季节间与周际间可能存在显著波动。因此，在异常向好或异常的糟糕一周开展的一次性调查可能误判家庭实际的粮食安全状况，导致靶向误差，即将家庭错误纳入或排除出援助范围。研究人员利用独特的全年每周财务日记数据与复制单次轮次家庭调查的蒙特卡洛模拟（Monte Carlo simulations），量化了三种广泛使用的粮食安全指标的误分类率。单一指标的误分类率相当可观，介于15%至48%之间。结合多种指标可将误分类率降低至约6%至15%，且所用数据与工具均为项目执行者现有可得之资源。

研究背景方面，全球每年有政府与人道主义组织依据家庭调查决定脆弱家庭的食物援助分配，而这些调查几乎总是在一年中某一单点时间开展，尽管家庭粮食安全会随周际与季节大幅波动。若在异常向好的一周接受调查，家庭可能在一年其余时间面临粮食不安全却被排除在援助之外；若在异常糟糕的一周接受调查，即便该周不能反映其实际状况也可能被纳入援助。准确衡量家庭粮食安全对人道救援、社会保护及国家福利项目至关重要，2022年全球约29.6%人口经历中度或重度粮食不安全，其中约9亿人为重度粮食不安全。基于调查的措施对于识别脆弱因素与指导靶向政策干预十分关键。横断面调查（cross-sectional surveys）因快速、可扩展且在资源受限环境中可行而被广泛使用，但仅提供家庭粮食安全状况的快照；当粮食安全随时间波动时，基于单次调查轮次的分类可能无法反映家庭全年典型状况，尤其在资格名单不频繁更新时，临时冲击或异常周可能决定数月甚至数年援助获取。在一般假设下，仅增加横断面样本量无法解决误分类误差，因为每户仍仅被观测一次，减少此类误差需要对同一家庭重复抽样，如季节性调查波次或长期追踪调查，但面板与高频调查成本高昂，许多中低收入国家全国代表性家庭消费调查开展频率很低。因此，研究人员利用印度西孟加拉邦孙德尔本斯（Sundarbans）地区独特的全年每周财务日记数据集，以每户每周粮食安全状况的年度平均为长期状况基准，通过蒙特卡洛模拟复制单次轮次家庭调查经验，评估横断面调查的分类准确性，聚焦三个世界粮食计划署（World Food Programme, WFP）广泛使用的指标：最低支出篮子（Minimum Expenditure Basket, MEB）、食品支出份额（Food Expenditure Share, FES）与食物消费得分（Food Consumption Score, FCS），量化单次调查导致的家庭粮食安全误分类，并检验在仅有横断面数据时结合多指标与降维方法能否降低误分类。该研究发表于《Food Security》。

关键技术方法方面，研究人员使用来自印度西孟加拉邦孙德尔本斯地区10个村庄305户家庭的2018年11月至2019年10月每周财务日记支出模块数据，先通过2018年11月基线调查收集人口、资产与生产等信息，再由家庭记录每周收入、汇款与支出并由田野团队月度回收核查以保证准确性。以每户各指标的全年每周平均值作为长期粮食安全基准分类，通过蒙特卡洛模拟在每轮中从每户年度数据中随机抽取一周作为横断面调查快照，仅用该周信息计算MEB、FES与FCS并分类，与年度基准分类比较以计数误分类；进一步模拟加入滞后期回忆以减少误差、定义极端脆弱家庭（Extremely Vulnerable Household, EVH）联合多指标分类、以及用主成分分析（Principal Component Analysis, PCA）与因子分析进行降维分类，并设置留一法基准以检验年度平均与模拟周重叠的影响，同时估计各指标一阶自相关以讨论序列相关对误分类的解释。

研究结果部分保留原文小标题并依内容总结如下：

Rates of misclassification using the financial diary data：研究人员通过10000次蒙特卡洛抽取发现，在随机周开展的单次调查中，相比年度基准，MEB指标平均误分类率为27.7%（最低26.4%，最高40.1%），FES为39.7%（最低33.2%，最高48.2%），FCS为27.4%（最低15.3%，最高32.2%）。按年度基准各类别的条件误分类率显示，MEB中低于75%MEB水平的家庭平均有2%被误判为中度不安全或安全，FES为17.8%，FCS为10.4%。分干季与雨季的再估计显示两季误分类率均较高，FCS在雨季相对更高，与农业周期支出波动一致；按季度平均可相较周度分类乘法意义上降低约15%至20%的误分类率，但因多数靶向系统使用年度或不频繁更新资格名单，仍以年度基准为主要比较。

Using lagged observations to reduce misclassification：研究人员模拟在横断面调查中加入k期滞后回忆，以t至t-k期指标值平均后分类，发现增加回忆滞后期可帮助降低误分类率，但额外滞后带来的边际降低相对较小；同时指出更长回忆期可能引入回忆偏差，且若冲击具有持续性则滞后观察信息增量有限，存在增加信息与回忆误差间的权衡。

Classification using multiple indicators：研究人员定义极端脆弱家庭（EVH）为同一调查轮次中MEB、FES与FCS同时达到不安全标准的家庭，以年度基准EVH分类为对照，发现同时使用三指标联合定义的周度EVH误分类率为6.3%；MEB与FES联合为9.2%，MEB与FCS联合为14.6%，FES与FCS联合为11.1%。联合方法降低了与年度基准比较的误分类率，但将测量对象缩小为更窄的极端不安全群体。

Dimension reduction methods：研究人员将月度总支出、食品支出份额（反向处理为1–FES）与每周食物消费得分标准化后，应用PCA与因子分析提取第一主成分或因子，按每轮EVH比例截取分类并与联合定义比较，10000次蒙特卡洛平均显示PCA与因子方法产生的误分类率与式(6)联合分类相近，表明仅用横断面数据的线性降维方法未必更有效捕捉长期粮食安全；并指出三指标均构建自同一底层支出数据，可能共享冲击与测量误差，联合分类的变异降低部分来自部分独立变换的聚合而非完全独立信息。

讨论部分总结如下：研究人员首先讨论序列自相关对误分类与回忆模块有效性的影响，估计MEB、FES与FCS的一阶自相关系数分别为0.192、0.113与0.061，显示正向但较弱的周际持续性，说明误分类相当程度反映围绕阈值的短期跨越而非仅持久结构性差异，也解释滞后回忆模块仅适度降低误分类的原因。其次，将误分类分解为排除误差（exclusion errors，即年度基准不安全但周度被判安全）与纳入误差（inclusion errors，即年度基准安全但周度被判不安全），发现MEB与FES的纳入误差高于排除误差（MEB为0.153对0.051，FES为0.228对0.025），而FCS排除误差略高于纳入误差（0.104对0.101），表明不同指标误差不对称且具有不同政策成本，政策制定需在避免排除误差与接受纳入误差间权衡。再次，按距阈值距离分位数分析发现，接近阈值家庭误分类率显著放大，MEB由远离阈值的8.4%升至近阈值的37.8%，FES由15.5%升至63.2%，FCS由18.1%升至27.9%；即便远离阈值家庭仍有8.4%至18.1%的误分类，说明时间波动与阈值邻近共同导致不稳定，近阈值家庭需更频繁重评或补充核实。最后，通过留一法基准（排除模拟周后的年度平均）重新估计误分类率，得到MEB为20.9%、FES为25.3%、FCS为20.9%，与原结果相近，表明误分类主要来自年内真实波动而非基准构建的循环性重叠。

研究结论部分翻译总结如下：本研究表明，当粮食安全随时间波动时，单次轮次粮食安全调查可能大幅误判家庭状况。横断面调查测得的粮食安全状况虽在调查当期有效，但可能无法反映家庭实际粮食安全情况，在资格名单更新不频繁且单次调查决定数月或数年援助获取时会产生实际靶向问题。利用印度西孟加拉邦孙德尔本斯地区全年每周财务日记数据，研究人员发现常用粮食安全指标的误分类率相当可观，取决于指标与调查时点，单次轮次分类可能与家庭年度基准分类显著不同。扩大横断面样本可提升总体精度，但每户仅被观测一次时无法解决户级误分类，降低此类误差需要更多同一家庭随时间的信息或更好利用调查中已收集的信息。对从业者而言，可行时重复观测、季节性重评或短回忆模块可帮助降低分类误差，尽管回忆模块存在信息增量与回忆误差的权衡；当不可行时，结合多种现有粮食安全指标可利用执行者已有数据工具提高分类稳定性。近阈值家庭尤其值得关注，数据中约四分之一家庭处于近阈值区间，其误分类率显著高于远离阈值者，离散资格阈值会放大瞬态支出冲击对这些家庭的影响；靶向机构可通过标记近阈值家庭以更频繁重评，并采用多指标或综合打分方法以降低误分类率。研究也存在若干局限：年度平均未必完全反映真实状况，经历大幅波动的家庭可能与波动小但年均相似的家庭在福祉上有别；蒙特卡洛模拟表征的是基于观测消费模式及其方差结构的预期误分类，而非施加参数化数据生成过程或估计总体结构误分类参数，结果为条件性而非普遍性；由支出数据与若干假设（固定价格、标准份量、三餐与按户规模比例缩放）构建FCS会带来测量误差，应解释为支出隐含代理而非直接膳食摄入，但统一应用于所有家庭与周次，系统性测量误差不太可能机械性生成模拟中记录的不稳定性模式。未来研究可在更广泛地理背景下检验结果与策略的推广性，并探索统计方法以在横断面数据限制下减少误分类误差。尽管实时监测与大数据的努力在推进，因成本与实施便利，横断面调查仍被广泛使用，本文讨论的方法对在尚不可行面板或高频数据的情境中提升粮食安全干预准确性与靶向性具有重要参考价值。