ОЦІНКА ВПЛИВУ COVID-19 НА МОНЕТАРНУ БІДНІСТЬ: ОГЛЯД ОКРЕМИХ ПРАКТИК
Анотація
Стаття присвячена аналізу методів оцінки бідності під час пандемії COVID-19. Безпрецедентність пандемії COVID-19 спричинила різноманітні довгострокові наслідки для економіки та суспільства, очевидним є прямий вплив COVID на зростання бідності. Найбільші ризики кумулює в собі саме категорія бідного населення, на яку непропорційно сильно діють економічні наслідки коронавірусу, саме тому важливо ідентифікувати успішні практики оцінки впливу пандемії COVID на рівень бідності. Монетарний підхід домінує в оцінці бідності, адже точне вимірювання є передумовою для формування та реалізації урядової цільової політики подолання бідності. Використання тільки одного критерію бідності для не дає змоги коректно оцінити масштаби, рівень та глибину такого багатовимірного явища. Тільки використання цілої системи критеріїв дозволить оцінити вплив різних процесів, в т.ч. і криз, на масштаби, рівень, глибину, профілі бідності.
Посилання
Jinjing Li, Yogi Vidyattama, Hai Anh La, Riyana Miranti, Denisa M. Sologon (2021) Estimating the Impact of Covid-19 and Policy Responses on Australian Income Distribution Using Incomplete Data. URL: https://link.springer.com/article/10.1007/s11205-021-02826-0#Sec4
Mike Brewer, Iva Tasseva (2020) Did the UK Policy Response to COVID-19 Protect Household Incomes? URL: https://www.researchgate.net/publication/346120762_Did_the_UK_Policy_Response_to_COVID-19_Protect_Household_Incomes
Cathal O'Donoghue, Denisa M. Sologon, Iryna Kyzyma, John McHale (2020) Modelling the Distributional Impact of the COVID‐19 Crisis. URL: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7323411/
Cathal O’Donoghue, Denisa M. Sologon, Iryna Kyzyma, John McHale (2021) A Microsimulation Analysis of the Distributional Impact over the Three Waves of the COVID-19 Crisis in Ireland. URL: https://arxiv.org/ftp/arxiv/papers/2103/2103.08398.pdf
Figari, Francesco, V. Fiorio, Carlo Welfare resilience in the immediate aftermath of the COVID-19 outbreak in Italy. URL: https://ideas.repec.org/p/ese/emodwp/em6-20.html
Patryk Bronka, Diego Collado and Matteo Richiardi (2020) The Covid-19 Crisis Response Helps the Poor: The Distributional and Budgetary Consequences of the UK lock-down. URL: https://www.inet.ox.ac.uk/files/Bronka-et-al-COVID-Crisis-Response-Consequences-UK.pdf
Seung-Pyo Jun, Hyoung Sun Yoo, San Choi (2018) Ten years of research change using Google Trends: From the perspective of big data utilizations and applications. URL: https://www.sciencedirect.com/science/article/pii/S0040162517315536
Coronavirus reveals need to bridge the digital divide. URL: https://unctad.org/en/pages/newsdetails.aspx?OriginalVersionID=2322.
N. Rohmah Mayasari, Dang Khanh Ngan Ho, David J. Lundy and others (2020) Impacts of the COVID-19 Pandemic on Food Security and Diet-Related Lifestyle Behaviors: An Analytical Study of Google Trends-Based Query Volumes. URL: https://www.mdpi.com/2072-6643/12/10/3103
Francesco D’Amuri, Juri Marcucci (2017) The predictive power of Google searches in forecasting US unemployment. URL: https://www.sciencedirect.com/science/article/abs/pii/S0169207017300389
M. Fajar, O.Rizky Prasetyo (2020) Forecasting Unemployment Rate in the Time of COVID-19 Pandemic Using Google Trends Data (Case of Indonesia). URL: https://www.researchgate.net/publication/346525612_Forecasting_Unemployment_Rate_in_the_Time_of_COVID-19_Pandemic_Using_Google_Trends_Data_Case_of_Indonesia
Yongming Xu,Yaping Mo, Shanyou Zhu (2021) Poverty Mapping in the Dian-Gui-Qian Contiguous Extremely Poor Area of Southwest China Based on Multi-Source Geospatial Data. URL: https://www.mdpi.com/2071-1050/13/16/8717
Yusuke Tateno, Zakaria Zoundi (2021) Estimating the Short-term Impact of the COVID-19 Pandemic on Poverty in Asia-Pacific LDCs. URL: https://www.unescap.org/sites/default/d8files/2021-03/Technical%20note_Estimating%20COVID%20impact%20on%20poverty%20in%20APLDCs_final.pdf
Christoph Lakner, Daniel Gerszon Mahler, Espen Beer Prydz Mario Negre (2022) How much does reducing inequality matters for global poverty? URL: https://link.springer.com/content/pdf/10.1007/s10888-021-09510-w.pdf
D.Laborde, W. Martin, R. Vos (2020) Estimating the Poverty Impact of COVID-19 The MIRAGRODEP and POVANA frameworks. URL: http://surl.li/mlzen
Data from PovcalNet can be accessed at URL: http://iresearch.worldbank.org/PovcalNet/home.aspx or directly through Stata or R (Castaneda et al., 2019a).
M.Haziq Adli Zamzuri, N. Sofian, R. Hassan (2023) The Forecasting of Poverty using the Ensemble Learning Classification Methods.URL: https://journals.iium.edu.my/kict/index.php/IJPCC/article/view/326
C. Altshuler, D. Holland, P. Hong, Hung-Yi Li (2016) The World Economic Forecasting Model at the United Nations. URL: https://www.un.org/development/desa/dpad/wp-content/uploads/sites/45/publication/2016_Apr_WorldEconomicForecastingModel.pdf
The MIRAGRODEP Model by International Food Policy Research Institute (IFPRI). URL: https://www.ifpri.org/publication/miragrodep-model
Household Surveys in POVANA dataset by David Laborde. URL: https://public.tableau.com/app/profile/laborde6680/viz/POVANA_Surveys/POVANA
N. Rohmah Mayasari, Dang Khanh Ngan Ho, David J. Lundy and others (2020) Impacts of the COVID-19 Pandemic on Food Security and Diet-Related Lifestyle Behaviors: An Analytical Study of Google Trends-Based Query Volumes. URL: https://www.mdpi.com/2072-6643/12/10/3103
Aleksandra Łuczak, Sławomir Kalinowski (2023) The Measurement of Subjective Household Poverty: Concepts and Application. URL: https://www.researchsquare.com/article/rs-3159844/v1.pdf?c=1690984384000
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
