Le stime sulla povertà e sulla disuguaglianza sono fortemente influenzate dalle modalità di raccolta e di trattamento dei dati. Quanto più le procedure di indagine sono accurate, ad esempio con interviste più approfondite o con più attente verifiche della congruità dei dati forniti dai rispondenti, tanto più si riduce l’errore di misura. Un ulteriore elemento di criticità si presenta quando le stime annuali vengono ricavate estrapolando le informazioni rilevate su intervalli temporali ridotti (ad esempio le spese di alimentari di una settimana, o l’affitto di un mese).
Utilizzando due indagini campionarie condotte in Tanzania, il lavoro mostra come quantificare l’errore di misura e come ottenere delle stime più accurate sulla povertà e sulla disuguaglianza. I risultati sono generalizzabili a indagini condotte in altri paesi.
Il risultato principale del lavoro è che a parità di altre circostanze, una più elevata affidabilità dei dati raccolti implica più bassi indici di povertà e di disuguaglianza. Ne consegue che nelle indagini condotte a cadenza regolare nel tempo, i miglioramenti metodologici apportati nella fase di raccolta dei dati possono generare trend fittizi di riduzione della povertà e della disuguaglianza.
Infine il lavoro evidenzia come non tutte le voci di consumo hanno la stessa affidabilità: le voci più regolari nel tempo (ad esempio i consumi alimentari) hanno in genere indici di affidabilità più elevati, mentre altre (come le spese per vestiario) sono più instabili e dunque più difficili da misurare a livello di singola famiglia.
Pubblicato nel 2020 in: Statistica Applicata - Italian Journal of Applied Statistics, v. 32, 3.
