Voir les métadonnées

dc.titleEstimation et prévision de la pauvreté et des inégalités de revenus en Haïti en utilisant l'imagerie satellite et les données du téléphone mobile
dc.contributor.authorPokhriyal, Neeti
dc.contributor.authorZambrano, Omar
dc.contributor.authorLinares, Jennifer
dc.contributor.authorHernández, Hugo
dc.contributor.orgunitReprésentation en Haïti
dc.coverageHaïti
dc.date.available2020-06-30T00:00:00
dc.date.issue2020-06-30T00:00:00
dc.description.abstractMesurer régulièrement la pauvreté et d'autres indicateurs sociaux est un défi dans plusieurs pays en développement en raison des coûts élevés associés à la collecte des données d'enqutes auprès des ménages. En utilisant un cadre d'apprentissage automatique (machine learning), le présent rapport ajoute à la littérature sur la pauvreté en Haïti en désagrégeant des indicateurs tels que : la pauvreté monétaire et l'inégalité salariale au niveau commune, obtenues à partir des données de l'enquête sur les ménages de 2012 (ECVMAS). Les estimations qui en résultent ont ensuite été utilisées pour valider les valeurs de ces indicateurs pour 2014, qui ont été estimées à l'aide de caractéristiques extraites d'images aériennes et d'enregistrements détaillés d'appels téléphoniques anonymisés. De plus, l'imagerie satellitaire a été utilisée pour prévoir ces indicateurs pour 2019. Nos résultats peuvent être résumés comme suit: a) Un Haïtien sur quatre vivant dans la pauvreté résidait dans 10 communes spécifiques des départements de l'Artibonite, de l'Ouest, du Nord-Ouest et du Nord en 2012, b) Les communes du département de l'Ouest ont tendance à être systématiquement plus performantes que le reste des communes; c) les communes du Nord-Ouest sont devenues de plus en plus pauvres et plus démunies que le reste des autres communes en 2019 par rapport à 2014, alors que les communes les moins performantes étaient principalement situées dans le Nord-Est et le Centre; et d) certaines communes du département du Sud sont devenues plus démunies que le reste des autres communes en 2019 par rapport à 2014. Nos résultats prouvent qu'il est nécessaire d'intégrer une perspective territoriale à toutes les stratégies de croissance envisagées par les décideurs politiques haïtiens. De plus, dans le contexte de la pandémie COVID-19, nos résultats peuvent s'avérer utiles pour prioriser les domaines sur lesquels les interventions sociales devraient être concentrées.
dc.format.extent44
dc.identifier.doihttp://dx.doi.org/10.18235/0002466
dc.identifier.urlhttps://publications.iadb.org/publications/english/document/Estimating-and-Forecasting-Income-Poverty-and-Inequality-in-Haiti-Using-Satellite-Imagery-and-Mobile-Phone-Data.pdf
dc.identifier.urlhttps://publications.iadb.org/publications/french/document/Estimation-et-prevision-de-la-pauvrete-et-des-inegalites-de-revenus-en-Haiti-en-utilisant-limagerie-satellite-et-les-donnees-du-telephone-mobile.pdf
dc.language.isofr
dc.mediumAdobe PDF
dc.publisherInter-American Development Bank
dc.subjectSystème de Téléphonie Mobile
dc.subjectMachine Learning
dc.subjectInnovation Sociale
dc.subjectBig Data
dc.subjectÉgalité
dc.subjectPauvreté
dc.subjectÉgalité des Revenus
dc.subjectEnquête Ménage
dc.subjectTaux de Pauvreté
dc.subjectIndicateur Social
dc.subject.jelcodeO31 - Innovation and Invention: Processes and Incentives
dc.subject.jelcodeI38 - Government Policy • Provision and Effects of Welfare Programs
dc.subject.jelcodeO54 - Latin America • Caribbean
dc.subject.jelcodeO35 - Social Innovation
dc.subject.jelcodeI32 - Measurement and Analysis of Poverty
dc.subject.keywordsbig data;Haïti;Caraïbe;imagerie satellitaire;cartes de la pauvreté;mesureet analyse de la pauvreté;développement économique;inégalité des revenus;innovation sociale;apprentissage automatique;systèmes d'information géographiques
dc.typeMonographies
idb.identifier.pubnumberIDB-MG-00824
idb.operationHA-T1256
Return to Publication