Von Sonja Kelly, Direktorin für Forschung und Interessenvertretung, und Mehrdad Mirpourian, Senior Knowledge Analyst
Nicht alles, was wichtig ist, kann gemessen werden. Die Datenlage zu finanziell marginalisierten Gruppen ist spärlich. Dieser Mangel an Daten schränkt die Fähigkeit von Finanzdienstleistern und politischen Entscheidungsträgern ein, auf die Bedürfnisse von Frauen einzugehen. Viele wichtige Probleme wie finanzielle Ausgrenzung und mangelnde Selbstbestimmung können jedoch entweder direkt gemessen oder als Näherungswert herangezogen werden. Mit diesen Kennzahlen können wir Veränderungen im Laufe der Zeit verfolgen und verfolgen. Bei der Verfolgung dieser Ziele hat Girls's World Banking daran gearbeitet, Wege zu finden, mit denen wir die Politik, das Umfeld und die sozialen Faktoren messen können, die die wirtschaftliche Stärkung von Frauen entweder ermöglichen oder behindern.
Im November 2020 ist unser Die Forschungsreise begann mit finanzieller und technischer Unterstützung von der Cloudera Basis, die sich kürzlich zusammengeschlossen hat, um Teil der zu werden Patrick J. McGovern-Stiftung. Girls's World Banking wollte prüfen, ob Daten aus der Vergangenheit die künftige Entwicklung der wirtschaftlichen Stärkung von Frauen vorhersagen könnten.
Wir verwenden fortschrittliche Analysen, um unsere Hypothesen zu testen und Prognosen zu erstellen, aber wir waren ganz einfach daran interessiert, die Beziehung zwischen der wirtschaftlichen Befähigung von Frauen, der finanziellen Inklusion und anderen Entwicklungsindikatoren im Zeitverlauf zu definieren. Wenn ein Land in einem Jahr eine Politik verabschiedet, wie könnte sich das auf die finanzielle Inklusion oder die wirtschaftliche Stärkung von Frauen in den kommenden Jahren auswirken? Oder könnte es zu einem stärkeren Engagement von Frauen bei Konten kommen, wenn eine umfassende Internetanbindung eingeführt wird, die Frauen den Zugang zu digitalen Finanzdienstleistungen ermöglicht?
Unsere erste Herausforderung bestand darin, die Richtlinien, Infrastrukturelemente und sozialen Normen aufzulisten, nach denen wir suchen mussten. Glücklicherweise verfügt Girls's World Banking über eine Reihe robuster politischer, privatwirtschaftlicher und infrastruktureller Faktoren, die wir bereits im normalen Geschäftsverlauf auf unseren Märkten verfolgen. Unser Forschungsteam traf sich mit Führungskräften der Organisation, um eine Liste der Schlüsselfaktoren zu erarbeiten, die wir in einer Ideenwelt im Laufe der Zeit für quick jedes Land der Welt messen könnten.
Die Wunschliste struggle lang: Mehr als 23 Kategorien reichten von Zugang zur Technologie, Eigentum an Vermögenswerten, digitale Kompetenz, Geografie, Einkommensungleichheit, soziale und kulturelle Normen, rechtliche Diskriminierung sowie der Gesamtzustand der Finanzdienstleistungsbranche. Innovation und Marktwettbewerbsfähigkeit.
Der nächste Schritt bestand darin, diese Liste der Schlüsselfaktoren in tatsächliche Daten zu übersetzen, wo die größten Probleme auftraten. Ohne eine Armee von Forschungsassistenten waren wir auf vorhandene Datensätze beschränkt. Es wäre unmöglich, Daten auf Länderebene zu Faktoren wie der Stärke des sozialen Netzwerks, Gerechtigkeit oder Equity bei der Kreditvergabe und dem Bewusstsein der Verbraucher für Dienstleistungen zu messen. Einige Daten könnten wir annähern. Ob eine Regierung beispielsweise nach Geschlecht aufgeschlüsselte Daten erfasst hat oder nicht, kann daran erkennbar sein, ob sie diese Daten an die Regierung meldet oder nicht FAS-Umfrage des IWF. Wir wären nicht in der Lage, den geschlechtsspezifischen Lohnunterschied in jedem Beruf zu messen, aber wir könnten ihn annähern, wenn wir davon ausgehen, dass der geschlechtsspezifische Lohnunterschied in der Erwerbsbevölkerung in etwa den in der formellen Wirtschaft offensichtlichen Lohnunterschieden entspricht. Manche Dinge waren leicht zu messen. In den Weltentwicklungsindikatoren der Weltbank sind Faktoren wie der Besitz eines Mobiltelefons, der Zugang zum Web und rechtliche Beschränkungen für den Eigentumsbesitz von Frauen enthalten.
Für unsere „Ergebnisvariablen“, wirtschaftliche Stärkung der Frauen und finanzielle Inklusion, verwendeten wir den Gender Growth Index und den World Findex der Weltbank, wobei uns Datensätze umfassende Daten über Jahre und Länder hinweg lieferten.
Unsere letzte Herausforderung bestand darin, die Daten zu strukturieren. Für Daten, die über Zeit und Entfernung (in diesem Fall über Jahrzehnte und Länder) anfallen, mussten wir unseren Datensatz nach Land, Jahr und dann nach jedem einzelnen Indikator strukturieren. Bei fehlenden Werten, wo es sinnvoll struggle, haben wir die Daten unter der Annahme interpoliert, dass die fehlenden Daten einem linearen Muster zwischen den angrenzenden Jahren folgen würden. Wir hatten insgesamt 300.000 Datenpunkte.
Ausgestattet mit unseren Hypothesen, Variablen und strukturierten Daten sind wir nun bereit, uns der Strukturierung und Bereitstellung unseres Knowledge Warehouse zuzuwenden, um zukünftige Forschungsmöglichkeiten zu schaffen. Von dort aus werden wir Methoden des maschinellen Lernens, a number of Korrespondenzanalysen und Ensemble-Regressionsmethoden anwenden, um die Beziehungen zwischen diesen verschiedenen Faktoren besser zu verstehen. Der letzte Schritt wird darin bestehen, das, was wir sehen, in die Zukunft zu projizieren und einige Vorhersagen darüber zu treffen, wie die finanzielle Eingliederung und wirtschaftliche Stärkung von Frauen aussehen könnte, wenn den Wegbereitern mehr Aufmerksamkeit geschenkt wird. Wir freuen uns darauf, unsere Ergebnisse im weiteren Verlauf mit Ihnen zu teilen und Ihnen einen Einblick in die Zukunft zu geben, zumindest was das Leben von Frauen mit niedrigem Einkommen betrifft.
