行业投资评级 - 报告未明确给出具体的行业投资评级 [1][2][3] 核心观点 - 人力资本的积累和利用是经济发展的关键因素 人力资本的差异是工人生产率差异的产物 这些差异源于生命周期的不同阶段 且在发展中国家面临更多障碍 [2][6][7] - 人力资本的有效利用是经济发展的重要中介 人力资本的积累本身也受到利用机会的驱动 [2][8] - 人力资本在应对全球挑战（如气候变化 人口转型和快速城市化）中可能发挥重要作用 [2][9] 人力资本积累 早期儿童和父母投入 - 人力资本积累从出生前开始 胎儿发育和子宫环境对健康和生产力的影响至关重要 [13][14] - 早期营养和疾病暴露对人力资本积累有长期影响 政策干预（如营养补充和疾病根除）能显著改善教育成果和认知发展 [14][15] - 早期儿童技能的投资具有动态互补性 早期投资有助于后续技能的积累 [15][16] 青少年时期 - 正规教育是工人生产力的关键决定因素 额外一年的教育通常与约10%的工资增长相关 [17][18] - 发展中国家和发达国家在教育质量和学习成就上存在显著差距 尽管教育入学率提高 但学习成就停滞甚至下降 [19][20][21] - 青少年时期的疾病和童工是人力资本积累的重要障碍 疾病影响学校出勤和学习 童工减少学习时间和机会 [27][28] 高等教育和工作年龄 - 高等教育在发达国家更为普遍 发展中国家的高等教育质量较低 且需求不足 [28][29][30] - 职业培训有助于学校到工作的过渡 但可能涉及短期收益与长期损失的权衡 [31][32][33] - 工作期间的技能积累是工资增长的重要决定因素 发达国家的工资增长显著高于发展中国家 [35][36][37] 老年时期 - 人口老龄化要求对老年人力资本进行持续投资 研究表明 老年人能够有效学习新技能 并保持较高的生产力 [39][40][41] 人力资本利用与生产组织 结构转型 - 人力资本在不同部门和空间的分布不均 高技能工人更倾向于从事非农业工作 并集中在城市地区 [43][44] - 人力资本增长是结构转型的原因和结果 更多受教育的新生代工人推动非农业部门的扩张 [46][47] 技术采用 - 人力资本是新技术发明和采用的关键驱动力 受教育程度高的国家在技术密集型产业中增长更快 [48][49] - 年轻一代在技术扩散中发挥重要作用 新技术的采用需要特定的技能 年轻工人更具灵活性 [50] 企业 - 经济发展伴随着生产组织的显著变化 发展中国家的企业规模较小 组织结构简单 而发达国家则拥有大型复杂企业 [51][52] - 人力资本在促进大型现代企业的崛起中发挥重要作用 受教育程度高的管理者能够推动企业增长 [52][53] 人才错配 - 人才错配是影响经济表现的关键因素 歧视和社会规范导致特定群体的人才错配 影响生产率和经济增长 [55][56][57] - 经济背景的差异也导致人才错配 贫困家庭的孩子可能因资本市场的缺陷而无法充分发挥其潜力 [58] 全球挑战与人力资本的未来 气候变化 - 人力资本在应对气候变化中可能发挥重要作用 受教育程度高的工人更容易从受气候影响的部门（如农业）转向其他部门 [59][60] - 人力资本通过技术采用 行为改变和政治过程有助于减少碳排放 [61] 人口变化 - 人口老龄化对经济增长有重要影响 老年工人的参与可以缓解劳动力短缺 并促进经济增长 [62][63][64] 城市化 - 人力资本增长是城市化的驱动力 城市部门（如制造业和服务业）相对农业更具技能密集性 [65][66] - 城市环境有利于人力资本积累 大城市中的工人收入增长更快 表明他们获得了更有价值的经验 [67][68]

行业投资评级 - 报告未明确给出具体的行业投资评级 [1][2][3] 核心观点 - 实时福利监测对于政策制定至关重要，尤其是在全球不确定性增加的背景下 [7] - 传统家庭调查数据更新频率低，无法满足政策制定者的需求，因此需要结合基线数据和辅助数据进行实时监测 [8][9] - 方法和技术进步使得实时福利监测成为可能，特别是在应对COVID-19大流行和气候相关灾害等危机时 [10] - 报告提出了一种实时福利监测的分类方法，帮助团队根据不同情境选择最佳方法 [11] 方法部分总结 基于调查和非调查协变量的福利预测 - 使用调查和非调查数据进行福利预测，通过基线调查数据与辅助数据的结合来估算消费或收入水平 [30] - 线性回归模型是常用的方法，但也涉及热卡插补和多重插补等统计方法 [31] - 机器学习方法在福利预测中的应用逐渐增加，尤其是非参数模型如随机森林和支持向量机 [33] - 调查到调查的插补方法在多个国家得到验证，但模型稳定性依赖于协变量与消费之间的关系是否稳定 [38][39] 基于GDP增长的福利预测 - GDP增长与贫困率之间存在显著相关性，GDP贫困预测方法包括分布缩放和贫困弹性法 [55] - 分布缩放方法通过GDP人均增长来调整福利分布，通常假设分布中性增长 [56] - 贫困弹性法通过历史GDP增长与贫困率的关系来预测当前或未来的贫困率 [58] - GDP预测的准确性依赖于GDP数据的质量，且GDP数据通常存在滞后性 [60][61] 微观模拟和一般均衡模型 - 微观模拟模型通过丰富的微观数据来模拟宏观经济变化对不同收入家庭的影响，提供更准确的贫困率估算 [68] - ADePT模型是一种简单的宏观-微观模型，通过宏观经济变化来预测家庭福利 [71] - GIDD模型是一个全球模拟模型，结合了120多个国家的家庭调查数据和全球CGE模型 [75] - 微观模拟模型的准确性依赖于数据的质量和模型的假设，评估其预测能力较为困难 [77][78] 数据部分总结 高频电话调查 - 高频电话调查（HFPS）在COVID-19大流行期间得到广泛应用，成本低且频率高，但覆盖范围有限 [87] - HFPS在脆弱和冲突地区尤其有用，可以跟踪难民的福利状况 [90][91] - 电话调查的缺点是样本可能偏向拥有电话的富裕家庭，且响应率较低 [93][95][98] 快速面对面调查 - 快速面对面调查通过缩短调查时间和利用本地资源来降低成本，适用于需要高频数据收集的情境 [102] - 调查内插补方法可以减少数据收集的时间和成本，例如SWIFT 2.0和快速消费调查（RCS） [103][104][106] - 社区调查在马拉维等地的应用表明，本地调查员可以显著降低调查成本 [109][110] 地理空间数据 - 地理空间数据包括卫星图像、夜间灯光数据等，可用于贫困地图绘制和福利监测 [127] - 夜间灯光数据常用于经济活动的监测，但其在预测贫困率方面的准确性有限 [129][142] - 植被指数（NDVI）在农业依赖型社区中可以作为贫困的预测指标 [130] - 地理空间数据的应用受到云覆盖、数据分辨率等限制，且通常需要与其他数据源结合使用 [141][143] 数字痕迹数据 - 数字痕迹数据如手机通话记录和社交媒体数据可以用于福利监测，尤其是在缺乏传统调查数据的情况下 [82] - 手机通话记录数据在卢旺达的应用表明，可以通过机器学习模型预测贫困率 [37] - 社交媒体数据可以用于快速收集公众情绪和福利指标，但样本代表性有限 [114][116]

行业投资评级 - 报告未明确给出具体的行业投资评级 [1][2][3] 核心观点 - 贫困地图是定位社会项目的有用工具 但静态的贫困关注忽略了其时间维度 当前非贫困家庭仍面临较大的福利波动 并在面对冲击时有陷入贫困的风险 [6] - 报告提出了一种结合贫困地图和脆弱性估计的方法 创建高度细分的脆弱性地图 包括预测长期贫困家庭的比例（贫困引发的脆弱性）和显示有显著陷入贫困概率的家庭比例（风险引发的脆弱性） [7] - 该方法在塞内加尔的应用中 提供了社会登记扩展的配额 考虑到贫困人口和贫困风险人口 意味着在实践中将覆盖范围扩大到城市和城郊地区 这些地区往往贫困率较低 [8] - 通过将脆弱性纳入目标 可以提高社会项目的有效性 因为生活在贫困线以上的人口可能仅一次冲击就会陷入贫困 而且如果贫困率最近下降 这一比例可能会增加 [16] 数据与方法 - 报告使用2018-2019年家庭生活标准调查和2013年人口普查数据 通过多层次模型估计家庭收入生成函数 并将贫困和脆弱性估计到人口普查数据中 [24][25] - 脆弱性估计基于Günther和Harttgen（2009）的方法 将脆弱家庭分为两类：贫困引发的脆弱性（长期贫困家庭）和风险引发的脆弱性（当前不贫困但面临高贫困风险的家庭） [18][19] - 报告通过小区域估计技术 将贫困率和脆弱性率估计到人口普查数据中 创建了高度空间细分的脆弱性地图 [19][28] 塞内加尔的脆弱性地图 - 报告估计了塞内加尔全国552个社区的贫困和脆弱性地图 结果显示 农村地区和东南部地区的贫困率较高 但城市社区虽然贫困率较低 却占面临较高贫困风险家庭的大部分 [8][34] - 全国脆弱性率为55.7% 其中38.2%为贫困引发的脆弱性 17.5%为风险引发的脆弱性 调查估计的脆弱性率与小区域估计结果一致 全国脆弱性率为55.9% [36][37] - 报告将社区分为三类：低贫困社区、高脆弱性社区和长期贫困社区 低贫困社区通常人口较多且位于城市地区 而长期贫困社区主要是小型农村社区 [39][42] 社会登记扩展的影响 - 报告指出 使用脆弱性率而非仅贫困率来确定社会登记扩展的配额 增加了城市和城郊社区的资格 例如 达喀尔城市的资格率比仅考虑贫困率时增加了84% [11][54] - 尽管农村地区由于较高的贫困率仍然具有较高的资格率 但考虑到风险引发的脆弱性 扩大了社会保护的范围 涵盖了那些在面临冲击时可能陷入贫困的家庭 [11][53] - 报告强调 扩展社会登记以覆盖非贫困家庭是维持过去贫困减少成果的关键 特别是在经济衰退和冲击期间 [53][56]

行业投资评级 - 远程办公在墨西哥有潜力增加女性劳动力参与率，尤其是受过高等教育的女性群体 [2] - 远程办公可以帮助女性平衡家庭责任和工作，从而增加劳动力参与率 [15] 核心观点 - 远程办公在疫情期间为女性提供了灵活性，帮助她们保持收入和工作的同时减轻了家庭负担 [7] - 家庭条件（如照顾孩子和配偶）是影响女性劳动力参与决策的重要因素，而年龄、教育和社会经济地位的影响较小 [2] - 远程办公可以减少通勤时间和成本，并为女性提供更多的时间来平衡工作和家庭责任 [8] - 墨西哥的远程办公法律框架在2020年12月通过，规定了远程办公的条件、义务和权利 [9] 数据与方法 - 研究使用了墨西哥国家统计局（INEGI）的《家庭信息技术可用性和使用情况全国调查》（ENDUTIH）数据，分析了2020年疫情期间的远程办公情况 [10] - 研究采用了多分类模型，分析了男性和女性在五种劳动力状态中的选择：退出劳动力市场、现场工作、现场自雇、远程办公和远程自雇 [10][34] 远程办公的影响 - 远程办公对受过高等教育的女性尤其有利，帮助她们在家庭责任和工作之间找到平衡 [14] - 远程办公并不是可靠的儿童保育替代方案，因此需要额外的政策支持 [15] - 远程办公的普及需要加强互联网基础设施和数字技能的培训 [65] 性别差异 - 家庭中有孩子的女性更有可能退出劳动力市场，而男性则更有可能继续工作 [58] - 女性在家庭中的照顾责任（如照顾孩子和配偶）显著影响她们的劳动力参与决策，而男性则不受这些因素的影响 [58] 政策建议 - 政策应鼓励兼职和混合工作安排，并提供完善的儿童和老年人护理计划 [2] - 提高互联网接入和数字技能培训是促进远程办公和女性劳动力参与的关键 [65]

Brand Finance® Argentina 102024 Informe de las marcas más valiosas y fuertes de Argentina Septiembre de 2024 Índice de Contenidos | --- | --- | |-------------------------------------------------------------------------------|-------| | | | | Sobre Brand Finance | 3 | | Prólogo 4 | | | David Haigh, Chairman & CEO, Brand Finance | | | Prólogo | 5 | | Pilar Alonso Ulloa, Managing Director Iberia (España, Portugal) y Sudamérica | | | Prólogo | 6 | | | | | Eduardo Chaves, Managing Director Brazil, Brand Finance ...

Brand Finance Journal global brand intelligence since 1996 september | 2024 Beyond the Podium The business of brands at the Olympic Games Brand Finance Journal 2024 Olympics | Contents Contents Brand Finance Journal 2024 Olympics FOREWORD 6 by Jamie Hyman, Editor-in-Chief, Global Head of Communications, Brand Finance INTRODUCTION 9 by Hugo Hensley, Head of Sport Services, Brand Finance WHAT THE RINGS ARE WORTH 10 Valuing the Olympics brand by Hugo Hensley, Head of Sport Services, Brand Finance REALISING THE ...

Breaking Barriers in Carbon Dioxide Removal with Electrochemistry Insight Brief / August 2024 Authors and Acknowledgments Authors Silvan Aeschlimann Charithea Charalambous Authors listed alphabetically. All authors are from RMI unless otherwise noted. Contributors Rudy Kahsar, Daniel Pike, Emily Rogers, Noah Shannon, Guy Wohl, and Isabel Wood All contributors from RMI unless otherwise noted. Contacts Silvan Aeschlimann, saeschlimann@rmi.org Charithea Charalambous, charithea.charalambous@rmi.org Copyrights a ...

Public Disclosure Authorized CHOOSING OUR FUTURE: Education for Climate Action Shwetlena Sabarwal, Sergio Venegas Marin, Marla Spivack, and Diego Ambasz Public Disclosure Authorized Public Disclosure Authorized Public Disclosure Authorized © 2024 International Bank for Reconstruction and Development/The World Bank 1818 H Street NW Washington DC 20433 Telephone: 202-473-1000 Internet: www.worldbank.org This work is a product of the staff of The World Bank with external contributions. The findings, interpreta ...

Policy Research Working Paper 10887 Public Disclosure Authorized Public Disclosure Authorized How Redistributive Is Fiscal Policy in China? New Evidence on the Distributional Impacts of Taxes and Spending Maria Ana Lugo Nora Lustig Veronica Sonia Montalva Talledo Sailesh Tiwari Yang Wang Human Development Practice Group & Poverty and Equity Global Practice September 2024 Public Disclosure Authorized Public Disclosure Authorized Policy Research Working Paper 10887 Abstract How redistributive are fiscal polic ...

McKinsey | --- | --- | |-------------------------|-------| | | | | flächendeckende Nutzung | | Generative künstliche Intelligenz in der öffentlichen Verwaltung – sieben Erfolgsfaktoren für eine flächendeckende Nutzung 1 Von Deutschlands Verwaltung wird viel erwartet: Schlank soll sie sein, zuverlässig, schnell und bürgernah. Doch die Digitalisierung der Verwaltung als wesentliche Voraussetzung für diese Ambition schreitet nur langsam voran. Generative künstliche Intelligenz (GenAI) kann dabei helfen, Effizi ...