【文章框架】

本文介绍了SWIFT（Survey of Well-Being via Instant and Frequent Tracking，通过即时和频繁跟踪进行的福利调查）的特点及其发展情况，SWIFT已不仅是用于生成贫困和不平等指标的工具，其应用范围得到扩展：第一，SWIFT在监测灾后贫困上发挥重要作用；第二，将监测数据与已有数据融合，实现对贫困的季度性监测；第三，恢复历史数据，实现数据的可对比性。随着SWIFT方法的持续进步，它已成为定期监测低收入国家贫困状况的重要工具，便于政府和发展合作伙伴把握灾后、战后、气候变化和经济衰退等给贫困和家庭生活状况带来的短期、中期和长期的影响。

【观点摘要】

1.高质量和及时的发展数据在政策制定上发挥重要作用，但是收集数据是一项昂贵且耗时的工作。家庭调查是获取家庭收入和消费的首要途径，但其耗时长、花费大，不利于及时评估贫困状况、调整公共政策。

2.世界银行在2014年推出SWIFT工具，用来提升贫困监测的效率。它主要基于最新家庭调查数据，运用机器学习技术来成成高频率贫困监测的预测数据，并具备与官方数据的可对比性。SWIFT主要在如家庭规模、资产拥有情况、教育水平、食物消费等与贫困相关的维度上，使用预测模型，而这些维度能够快速从官方渠道获取。

3.SWIFT具有众多应用场景，如恢复官方贫困数据的可对比性、提升危机期间的实时贫困监测、追踪脆弱国家的社会福利状况、精准识别急需社会援助的家庭等。在世界银行的最新报告中，SWIFT能够利用机器学习技术和统计学方法实现实时、可靠、全面的贫困监测。

4.在马拉维南部，SWIFT融入当地快速频繁监测系统，实现对2020年以来农村地区贫困状况的持续评估。2022年2月和2023年3月，两场气旋袭击该地区，SWIFT数据表明，尽管风暴的影响并非立竿见影，但它们破坏了农作物，进而影响了接下来收获季节的家庭收入。因此，这种延迟影响表现为收获期间贫困人口的逐渐增加。

5.在巴拉圭，国家统计局和世界银行使用SWIFT实现对贫困的季度性预测。这一结果表明，季度性预测精准捕捉到了疫情大流行期间贫困的大幅波动。

6.新的家庭调查实现了技术和方法进步，提升了贫困数据的质量，但也降低了与历史数据的可对比性。而SWIFT可以调整早期调查数据，使之与当下的数据相匹配，从而保证贫困数据的连续性。这一方法已在蒙古和尼日利亚得到成功应用。

7. SWIFT的灵活性体现在其在各种具有挑战性的环境中的应用，从乌干达的难民监测到津巴布韦的经济危机评估。从贫困测量工具演变为综合贫困监测系统，SWIFT展现了其适应性、韧性和潜力。

【作者简介】

Nobuo Yoshida，世界银行贫困与公平全球实践局首席经济学家。

Carlos Sabatino，世界银行全球贫困与公平实践局数据科学顾问。

Danielle Aron，世界银行全球贫困与公平实践局顾问。