大数据分析:改善4P结果(第1部分,共3部分)

日期:2017-05-08 18:18:35 作者:戈堋 阅读:

<p>我感谢DSWD的Sec Judy Taguiwalo亲自确保我获得了我需要的数据</p><p>我还要感谢项目评估官Engels Del Rosario先生与我一起研究数据集,并为4P计划的DSWD操作提供了额外的输入</p><p>什么是Pantawid Pamilyang Pilipino计划(4P)</p><p> 4P是菲律宾政府的“有条件现金转移”计划,该计划在墨西哥的Progresa(现为Opportunidades)和巴西的Bolsa Escola和Bolsa Familia之后形成</p><p>如果贫困家庭符合计划要求,例如85%的学校入学率,他们将获得现金津贴</p><p>细节在这里</p><p>什么是4P目标</p><p> Pantawid Pamilyang Pilipino计划(4P)于2008年试行,其目标是打破贫困循环</p><p>其明确的目标是“改善0-18岁儿童的健康,营养和教育”</p><p> 4P如何获得资助</p><p>根据DWSD,自2010年以来,资金部分来自世界银行和亚洲开发银行</p><p>从2010年到2015年,世界银行和亚行融资的总份额约为Pantawid现金补助预算5年的16%</p><p>世界银行和亚洲开发银行新增的P 21B贷款减少了2016 - 2019年Pantawid现金补助预算的不到12%</p><p>其余的实施成本,包括CCT工人的工资,由政府支付</p><p>这些资金由DSWD管理</p><p>大数据和4P DSWD如何使用大数据分析来改善4P计划的影响</p><p>首先,大数据分析可用于监控和可视化“更大”的图片</p><p>它可以汇总DepEd数据(注册和完成数字),通过衡量中学的总体辍学率来衡量4P对教育部分的影响</p><p>然后,我们将这些辍学率与2007年前4P年比较(见虚线水平线7.45%)我们将注意到混合结果</p><p> 2014年对中学毕业率有很好的影响,我们可以看到辍学率/失败率明显下降</p><p>然而,影响在2015年被逆转</p><p>结果显示辍学率显着增加,因为这些比4P前率(7.45%)更高(8.9%)</p><p>其次,大数据分析还可以汇总和可视化4P对整体中学入学率(2013年至2015年)的影响,与预期的人口增长相比</p><p> Hyun Son的亚行ERD政策简报第51号(2008年7月)指出,像Progresa这样的类似计划“分别增加了男孩和女孩的中学入学率6和9个百分点”这是由4P实现的吗</p><p>注意:我假设人口增长与10岁以上儿童接受中学教育的时间之间存在时间差</p><p>请注意代表2005年和2012年人口增长率的虚线水平线</p><p> 2014年入学人数增加(2.754%)高于人口增长率1.9%(2005年)</p><p>然而,2015年的入学率下降至1.429% - 远低于人口增长率</p><p>这与Progresa实现的6和9个百分点的亚行简报相去甚远!