机器学习得到的数学模型：传统的贫困线概念有点过时了
阿斯顿大学(Aston University)的学者发表在《自然通讯》(Nature Communications)上的研究表明，围绕贫困的主流思想已经过时，因为它过多地强调了基本需求，并且未能充分体现人们如何使用其收入。
他们的新模型(使用计算机算法来合成大量支出和经济数据)可以帮助全世界的政策制定者预测未来的贫困水平，并设计干预措施以缓解这一问题。
阿斯顿大学工程与物理科学学院的首席研究员Amit Chattopadhyay博士说：“从未有人使用机器学习来从多维度理解贫困。这完全改变了人们看待贫困的方式。”
既定的贫困衡量标准试图确定一个阈值货币水平，在该阈值水平以下，个人或家庭被定义为“贫困”。这些定义的起源可以追溯到19世纪和20世纪初的Ernst Engel和Seebohm Rowntree等改革者。
目前，世界银行将国际贫困线定为每天收入1.90美元以下，据此定义，贫困人口约占世界人口的10％(约7亿)。贫困线本身是根据对购买力平价(PPP)换算后，以最贫困国家满足基本需求所需的收入为标准得出的。
在新研究中，研究人员分析了来自印度的30年数据，将支出分为三大类“基本食品”(例如谷物)，“其他食品”(包括肉类)和“非食品”，后者涵盖了住房等其他支出。该模型可应用于任何国家。
通过认识到三类之间的“推拉式”相互作用(在一个领域增加支出通常意味着在另一个领域减少支出)，可以采取更全面的贫困衡量标准，以适应各个国家的情况。研究人员结合了来自世界银行和其他来源的收入，资产和商品市场的数据集，产生了一个数学模型——不仅能够准确地预测印度和美国过去的贫困水平，而且能够基于某些经济假设，预言未来的变化。
考虑到市场供求的弹性，该模型将部分传统上被认为是“贫困”的人口归入更实际的“中产阶级”类中。它可以缩放以反映一个国家的次区域的状况，甚至可以根据可用数据缩小到单个城市或社区。
Chattopadhyay博士补充说：“目前有关贫困的想法是非常主观的，因为贫困在不同的国家和地区意味着不同的东西。有了这种动态模型，我们最终有了一个多维贫困指数，该指数反映了世界各地的人们的现实经验，在很大程度上剥离了对其所属社会阶层的先入为主的印象。
“重要的是，该模型考虑了人们所处的经济环境以及可能对他们的物质福祉产生最大影响的因素。因此，它可以成为全球政府和决策者识别贫困的重要工具，帮助制定能够真正解决问题的干预措施。”
https://phys.org/news/2020-12-poverty-line-concept-debunked-machine.html