Höhere Lebensmittelpreise können die Armut verringern und das Wachstum der Lebensmittelproduktion ankurbeln

Nature Food Band 4, Seiten 699–706 (2023)Diesen Artikel zitieren

1391 Zugriffe

1 Zitate

6 Altmetrisch

Details zu den Metriken

Die Lebensmittelpreise stiegen 2007–2008, 2010–2011 und erneut 2021–2022 stark an. Allerdings bleiben die Auswirkungen dieser Spitzen auf die Armut umstritten; Während Nahrungsmittel für die Armen eine große Ausgabe darstellen, erzielen viele arme Menschen auch Einkommen aus der Produktion oder Vermarktung von Nahrungsmitteln, und höhere Preise sollten einen Anreiz für eine stärkere Nahrungsmittelproduktion darstellen. Kurzfristige Simulationsmodelle gehen von Produktions- und Lohnanpassungen aus und unterschätzen wahrscheinlich die Nahrungsmittelproduktion der Armen. Hier analysieren wir jährliche Daten zu Armutsraten, realen Lebensmittelpreisänderungen und dem Wachstum der Lebensmittelproduktion für 33 Länder mit mittlerem Einkommen von 2000 bis 2019 auf der Grundlage von Armutsmessungen der Weltbank. Panel-Regressionen zeigen, dass ein Anstieg des realen Lebensmittelpreises im Vergleich zum Vorjahr einen Rückgang der Zahl der in Armut lebenden Personen um 3,20 US-Dollar pro Tag vorhersagt, außer in eher städtischen oder nichtlandwirtschaftlich geprägten Ländern. Eine plausible Erklärung ist, dass steigende Lebensmittelpreise kurzfristige landwirtschaftliche Angebotsreaktionen auslösen, die zu einer erhöhten Nachfrage nach ungelernten Arbeitskräften und Lohnerhöhungen führen.

Die internationalen Preise stagnierten in den letzten Jahrzehnten des 20. Jahrhunderts weitgehend, bevor sie Anfang der 2000er Jahre stetig anstiegen und in einer Reihe von „Lebensmittelkrisen“ in den Jahren 2007–2008 und 2010–2011 sowie in jüngerer Zeit in den Jahren 2021–2022 stark anstiegen im Zuge der Coronavirus-Pandemie 2019 (COVID-19) und des Krieges in der Ukraine (Abb. 1a). Im Einklang mit den steigenden internationalen Preisen ist die Lebensmittelkomponente des Verbraucherpreisindex (VPI) von Januar 2000 bis September 2022 im Durchschnitt um 30 % stärker gestiegen als der gesamte VPI in Entwicklungsländern (Abb. 1b).

a,b, Panel a zeigt Trends im FAO-Getreidepreisindex und Daten der Weltbank zum Wachstum des BIP pro Kopf. Die Preisindizes beziehen sich alle auf Preisdaten großer Agrarexporteure. Panel b zeigt eine lokale polynomiale Regression des von der FAO ermittelten Verhältnisses von Lebensmittel-VPI zu Gesamt-VPI im Zeitverlauf in Monaten von Januar 2000 bis September 2022 für 92 Länder mit niedrigem und mittlerem Einkommen mit 25.080 Beobachtungen. Die durchgezogene grüne Linie stellt den vorhergesagten Indexwert des realen Lebensmittelpreises in allen 92 Ländern dar, und die schattierten Bereiche stellen 95 %-Konfidenzintervalle dar.

Ob dieser Anstieg der realen Lebensmittelpreise jedoch zu einer echten Krise zunehmender Armut in Ländern mit niedrigem und mittlerem Einkommen (LMICs) führt, ist umstritten. Intuitiv verringern höhere Lebensmittelpreise das verfügbare Einkommen der Armen, da sie einen großen Teil ihres Einkommens für Lebensmittel ausgeben (z. B. 50 % oder mehr für die extrem Armen), und selbst kurzfristige Einkommensschocks können schwerwiegende langfristige Auswirkungen haben Ernährung und Gesundheit1,2. Allerdings können höhere Lebensmittelpreise möglicherweise auch das Einkommen von Haushalten, die in der Lebensmittelproduktion und -vermarktung tätig sind, „erhöhen“. Im Jahr 2013 lebten 75 % der Armen der Welt (bei der Armutsgrenze von 3,20 US-Dollar pro Tag) auf dem Land3, und viele von ihnen verdienten ihr Einkommen in der Landwirtschaft. Kurzfristige Simulationsstudien schätzen Veränderungen der Armut in der Regel ausschließlich auf der Grundlage der Frage, ob ein Haushalt ein Netto-Nahrungsmittelkonsument oder ein Netto-Nahrungsmittelproduzent ist4, und kommen fast ausnahmslos zu dem Schluss, dass höhere Lebensmittelpreise die Armut erhöhen5,6,7,8,9,10,11, 12,13. Solche Studien waren in der Krise 2007–2008 bei internationalen Organisationen von großem Einfluss, und mindestens eine aktuelle Simulationsstudie zur Krise 2021–2022 kommt zu ähnlichen Schlussfolgerungen wie diese früheren Studien: Die Armutsquote stieg um 27 Millionen Menschen (davon 75 % auf dem Land). ) als Reaktion auf steigende Lebensmittel-, Kraftstoff- und Düngemittelpreise in den 19 untersuchten Ländern14.

Allerdings ist die pessimistische Schlussfolgerung, dass höhere Lebensmittelpreise die Armut erhöhen, theoretisch und historisch fragwürdig. In einer früheren Studie15 wurde ein theoretisches und empirisches Modell für das ländliche Indien (ein Land mit niedrigem bis mittlerem Einkommen) entwickelt, das zeigt, wie höhere Preise Anreize für eine Reaktion der Landwirte auf das Nahrungsmittelangebot schaffen, die ihre Nachfrage nach Arbeitskräften erhöhen, was einen Aufwärtsdruck auf die Löhne zum Vorteil ausübt der Armen außerhalb der Landwirtschaft. Dieses Modell zeigt auch, wie diese Reaktion auf Nahrungsmittelangebot und Löhne die pessimistischen Schlussfolgerungen, die allein auf den Netto-Nahrungsmittelverbrauchsmessungen basieren, umkehrt. Ein wirtschaftsweites Simulationsmodell für Uganda (ein Land mit niedrigem Einkommen) kommt zu ähnlichen Schlussfolgerungen16, während eine Reihe retrospektiver nationaler Armutsbewertungen der Weltbank, die mehrere Jahre nach der Krise 2007–2008 durchgeführt wurden, zu dem Schluss kamen, dass höhere Lebensmittelpreise tendenziell die Armut in den untersuchten Ländern verringerten Ländern, zumindest in ländlichen Gebieten17,18,19,20. Eine große länderübergreifende Paneldatenanalyse ergab, dass steigende inländische Lebensmittelpreise einen Rückgang der nationalen Armutsquoten in Entwicklungsländern über einen Zeitraum von ein bis fünf Jahren vorhersagten21. Eine genaue Messung des landwirtschaftlichen Einkommens und der landwirtschaftlichen Produktion ist in vielen LMICs schwierig, und die methodische Forschung in diesem Bereich legt nahe, dass der standardmäßige 6–12-monatige Erinnerungszeitraum, der zur Schätzung der landwirtschaftlichen Produktion in Landwirtsumfragen verwendet wird, zu einer erheblichen Unterschätzung der landwirtschaftlichen Produktion führt22,23, was dazu führt eine Überschätzung des Ausmaßes, in dem ländliche Haushalte Nettokonsumenten von Nahrungsmitteln sind24.

Unsere Studie erweitert diese Literatur in drei wichtige Richtungen durch eine länderübergreifende Paneldatenanalyse der Zusammenhänge zwischen Änderungen der Lebensmittelpreise, der Armut und der Lebensmittelproduktion in 33 Ländern mit mittlerem Einkommen (MICs) im Zeitraum 2000–2019.

Erstens erfasst unser Fokus auf jährliche Daten im Gegensatz zu früheren ökonometrischen Arbeiten und Armutsbewertungen der Weltbank eine vernünftige Definition des „kurzfristigen Zeitraums“, der einen Zeitraum hat, der lang genug ist, um das Eintreten möglicher Auswirkungen von Nahrungsmittelversorgung und Lohnreaktionen zu ermöglichen.

Zweitens modellierte die einzige bisherige Panelanalyse von Veränderungen bei Lebensmittelpreisen und Armut homogene Auswirkungen über die Länder hinweg21. Während die Armutsquote bei stark agrarisch geprägten oder ländlichen Bevölkerungsgruppen mit steigenden Lebensmittelpreisen sinken kann, ist ein solches Ergebnis in stärker urbanisierten oder nicht agrarisch geprägten Entwicklungsländern theoretisch weniger wahrscheinlich. Über Interaktionsterme ermöglichen unsere Regressionsmodelle, dass die Auswirkungen höherer Lebensmittelpreise je nach Ausmaß der Urbanisierung oder der nichtlandwirtschaftlichen Beschäftigung variieren.

Drittens liefern wir eine empirische Untersuchung eines Schlüsselmechanismus, durch den höhere Lebensmittelpreise die Armut verringern könnten, nämlich die Stimulierung einer kurzfristigen Reaktion auf das landwirtschaftliche Angebot. Vor allem Pflanzenbauern haben die Flexibilität, ein breites Spektrum an Inputs (Saatgut, Düngemittel, Arbeitskräfte und sogar bepflanzte Fläche) in kurzer Zeit zu steigern, wenn sie durch höhere Preise dazu angeregt werden. Theoretisch ist eine starke kurzfristige Angebotsreaktion auch ein entscheidender Katalysator für eine höhere Nachfrage nach ungelernten Arbeitskräften und steigende Lohnsätze.

Diese Studie bietet daher eine zeitgemäße Analyse der differenzierten Zusammenhänge zwischen Lebensmittelpreisen, landwirtschaftlicher Produktion und Armut in einer Welt, in der die meisten Armen immer noch auf dem Land leben und ihren Lebensunterhalt oft stark von der Landwirtschaft verdienen.

Die durchschnittliche jährliche Veränderung der wichtigsten Ergebnisvariablen unserer Analyse, der Zahl der in Armut lebenden Personen in Höhe von 3,20 US-Dollar pro Tag, betrug im Zeitraum 2000–2019 –0,43 Prozentpunkte in den 33 MICs. Unsere wichtigste erklärende Variable ist die jährliche Veränderung des Verhältnisses des Lebensmittel-VPI zum Nicht-Lebensmittel-VPI, die im Durchschnitt unserer Stichprobe um 0,83 Prozentpunkte pro Jahr zunahm, was mit der größeren Stichprobe von Ländern in Abb. übereinstimmt. 1b. Ebenso variieren die Bewegungen dieses realen inländischen Lebensmittelpreisindex im Laufe der Zeit in erwarteter Weise, wobei in Jahren, in denen es internationale Preisspitzen gab, ein größerer Anstieg zu verzeichnen war (Abb. 1a). Ergänzende Abbildung 1 zeigt, dass in Jahren mit „Lebensmittelpreiskrise“ der reale Lebensmittelpreisindex im Durchschnitt um etwas mehr als 5 % steigt, was bedeutet, dass die Lebensmittelpreise 5 % schneller stiegen als die allgemeinen Preise für Konsumgüter und Dienstleistungen. Eine einfache bivariate Regression legt nahe, dass internationale Lebensmittelpreisänderungen 23 % der gesamten Variation im inländischen Lebensmittelpreisindex erklären. Somit erklärt die internationale Lebensmittelpreisbewegung eindeutig einen Großteil der inländischen Lebensmittelpreisschwankungen, aber es gibt eindeutig auch idiosynkratische Faktoren, die den Zeitpunkt und das Ausmaß der inländischen Lebensmittelpreisbewegungen beeinflussen, wie wir weiter unten erörtern.

In Tabelle 1 sind unsere wichtigsten Ergebnisse für den Zusammenhang zwischen Veränderungen in der Zahl der in Armut lebenden Menschen in Höhe von 3,20 US-Dollar pro Tag und Veränderungen im Verhältnis von Nahrungsmitteln zu Nichtlebensmitteln aufgeführt. Spalte 1 ist ein sehr einfaches lineares First-Difference-Modell, während Spalte 2 feste Jahreseffekte hinzufügt. In beiden Spalten ist der Koeffizient für Änderungen der realen Lebensmittelpreise negativ, von ähnlicher Größenordnung und statistisch hochsignifikant, was darauf hindeutet, dass steigende reale inländische Lebensmittelpreise im Durchschnitt eine Verringerung der Armut vorhersagen. Regression 2 legt nahe, dass eine jährliche Änderung des VPI-Verhältnisses von Nahrungsmitteln zu Nicht-Nahrungsmitteln um 1 SD (ungefähr 5 Prozentpunkte) mit einer bescheidenen Reduzierung der Zahl der in Armut lebenden Personen um 3,20 US-Dollar pro Tag um 0,45 Prozentpunkte verbunden ist.

In den Spalten 3 und 4 schätzen wir ein Modell, das einen Interaktionsterm zwischen Änderungen der realen Lebensmittelpreise und dem durchschnittlichen städtischen Bevölkerungsanteil eines Landes einführt. Der geschätzte Koeffizient für Änderungen im CPI-Verhältnis von Lebensmitteln zu Nicht-Lebensmitteln ist jetzt hochsignifikant (P < 0,01) und immer noch negativ, wohingegen der Interaktionsterm hochsignifikant (P < 0,01), aber positiv ist, was darauf hindeutet, dass die positiven Auswirkungen von Höhere Lebensmittelpreise zur Armutsbekämpfung werden in Ländern mit einem höheren städtischen Bevölkerungsanteil abgeschwächt oder sogar umgekehrt.

Wie sind die Größen dieser Koeffizienten in den Interaktionsmodellen zu interpretieren? Die durchgezogene ansteigende Linie in Abb. 2a stellt die prognostizierte Veränderung der Armut ab einem Anstieg der realen Lebensmittelpreise um 1 Prozentpunkt dar, abhängig vom Anteil der städtischen Bevölkerung (über den gesamten in unseren Daten vorhandenen Bereich), basierend auf den in angegebenen Koeffizienten Spalte 4 von Tabelle 1. Die am wenigsten urbanisierten MICs könnten von einem starken Anstieg der realen Lebensmittelpreise einen wirtschaftlich und statistisch signifikanten Rückgang der Armut erwarten. Beispielsweise ist in unserem Datensatz ein Anstieg der Lebensmittelpreise um 5 Prozentpunkte mit einer Verringerung der Armut um 1,25 Prozentpunkte in den am wenigsten urbanisierten Ländern verbunden. Bei einem höheren Urbanisierungsgrad (ca. 70 %) sind die Vorteile statistisch gesehen nicht mehr von Null verschieden.

a, Prognostizierte Veränderungen nach städtischem Bevölkerungsanteil. Die Regressionslinie stellt den prognostizierten Zusammenhang zwischen einem Anstieg des CPI-Verhältnisses zwischen Nahrungsmitteln und Nicht-Nahrungsmitteln um 1 Prozentpunkt und der Zahl der in Armut lebenden Personen von 3,20 USD pro Tag dar, abhängig vom Anteil der städtischen Bevölkerung auf der Grundlage der in Spalte 4 oder 6 angegebenen Koeffizienten von Tabelle 1. b, Voraussichtliche Veränderungen nach Arbeitsanteil im nichtlandwirtschaftlichen Sektor. Die vertikalen, mit Kappen versehenen Linien stellen 95 %-Konfidenzintervalle dar. Die Bereiche der horizontalen Achse entsprechen dem minimalen und maximalen städtischen Bevölkerungsanteil und dem nichtlandwirtschaftlichen Arbeitskräfteanteil in unserer Stichprobe.

Die Ergebnisse sind ähnlich, wenn wir von der Urbanisierung als unserem „außerlandwirtschaftlichen“ Indikator zum Anteil der Arbeitskräfte des Landes an der nichtlandwirtschaftlichen Beschäftigung wechseln. Die Regressionsergebnisse für das nichtlandwirtschaftliche Beschäftigungsanteil-Interaktionsmodell (Spalten 5 und 6 in Tabelle 1) stimmen weitgehend mit den Urbanisierungsinteraktionseffekten überein, die in den Spalten 3 und 4 von Tabelle 1 angegeben sind. Ebenso zeigt Abb. 2b, dass die realen Lebensmittelpreise steigen sind mit einem Rückgang der Armutsquoten in Ländern verbunden, in denen relativ mehr Menschen in der Landwirtschaft arbeiten, doch in Ländern mit weniger Menschen, die in der Landwirtschaft arbeiten, schwächt sich der Zusammenhang ab. Während die Zahl der in Armut lebenden Personen den Anteil der Bevölkerung misst, der in die Armut fällt oder aus ihr herauskommt, gibt uns die Armutslücke Aufschluss über Veränderungen in der Tiefe der Armut. In Abb. 3 sehen wir, dass, wenn wir das Maß der Armutslücke als abhängige Variable in unserem Regressionsmodell verwenden, der Schlüsselinteraktionskoeffizient zwischen Lebensmittelpreisänderungen und Urbanisierung immer noch gilt (Ergänzungstabelle 4): bei niedrigem Urbanisierungsgrad a 5 Ein Anstieg des VPI-Verhältnisses von Lebensmitteln zu Nicht-Lebensmitteln um einen Prozentpunkt ist mit einer Verringerung des Armutslückenindex um 0,6 Prozentpunkte verbunden, wohingegen dieser Zusammenhang bei höheren Urbanisierungsgraden schwächer wird und in stark urbanisierten MICs sogar positiv wird .

Die durchgezogene Linie zeigt den prognostizierten Zusammenhang zwischen einem Anstieg des VPI-Verhältnisses von Lebensmitteln zu Nichtlebensmitteln um 1 % und dem Armutslückenindex (%) von 3,20 US-Dollar pro Tag, abhängig vom Anteil der städtischen Bevölkerung auf der Grundlage der gemeldeten Koeffizienten in Spalte 4 der Ergänzungstabelle 4. Die vertikalen, mit Kappen versehenen Linien stellen 95 %-Konfidenzintervalle dar.

Als Nächstes untersuchen wir die Robustheit der oben genannten Hauptregressionsergebnisse.

Erstens bleiben die Koeffizienten der nicht interagierten und interagierten Terme stabil und vergleichbar mit denen in Spalte 4 von Tabelle 1 (Ergänzungstabelle 5), wenn wir potenzielle Störfaktoren einbeziehen, die oben diskutiert wurden. Zweitens schätzen wir alle unsere Regressionsmodelle neu, indem wir die Armutszahl von 1,90 US-Dollar pro Tag anstelle der Armutszahl von 3,20 US-Dollar pro Tag verwenden (Ergänzungstabelle 6 und ergänzende Abbildung 2); Die Ergebnisse ähneln denen in Tabelle 1 und Abb. 2. Drittens wenden wir eine robuste Regressionsmethode auf den First-Difference-Schätzer anstelle der gewöhnlichen kleinsten Quadrate (OLS; Ergänzungstabelle 7) an, die qualitativ ähnliche Ergebnisse wie die OLS liefert Ergebnisse, obwohl es nach Herabgewichtung der Ausreißer zu einer geringfügigen Abschwächung der Koeffizienten kommt. Ebenso sind die Ergebnisse robust gegenüber einem Quantilregressionsansatz25, der den Median der Ergebnisvariablen schätzt und daher weniger empfindlich gegenüber Ausreißern ist als die OLS (Ergänzungstabelle 8). In der Ergänzungstabelle 9 wird auch geprüft, ob einzelne Länder Einfluss auf wichtige Verbände haben, dies ist jedoch nicht der Fall. Viertens sorgen wir dafür, dass die Variablen auf der rechten Seite in Gleichung (2) mit einer binären Variablen gleich eins interagieren, wenn die Umfrage in Jahren durchgeführt wurde, in denen die internationalen Lebensmittel-, Kraftstoff- und Düngemittelpreise stark anstiegen (2007, 2008, 2010 und 2011). Diese Wechselwirkungen sind jedoch statistisch nicht signifikant, was darauf hindeutet, dass es in Krisenjahren keine besonderen Auswirkungen gab (Ergänzungstabelle 10).

Warum sollten Erhöhungen der realen Preise für Lebensmittel im Einzelhandel mit einer Verringerung der Armut in ländlicheren und stärker agrarisch geprägten Volkswirtschaften einhergehen? Offensichtlich ist die ländliche Bevölkerung ärmer und eher Landwirte und potenzielle Netto-Nahrungsmittelproduzenten, doch für eine jährliche Verringerung der Armut ist vermutlich auch der Nachweis erforderlich, dass höhere Lebensmittelpreise eine Reaktion auf das landwirtschaftliche Angebot auslösen, was wiederum zu höheren Lohneinkommen führt. Um diese Hypothese zu testen, verwenden wir ein großes Panel (für dieselben 33 MICs), um Zusammenhänge zwischen Wachstumsraten verschiedener Messgrößen der landwirtschaftlichen Produktion und Veränderungen im realen inländischen Lebensmittelpreisindex zu modellieren.

Abbildung 4a zeigt ein Streudiagramm und lineare Regressionsanpassungen der Änderungen im Lebensmittelproduktionsmengenindex der Ernährungs- und Landwirtschaftsorganisation (FAO) als Funktion verzögerter Änderungen der realen Einzelhandelspreise für Lebensmittel. Der Zusammenhang ist positiv und statistisch signifikant, was darauf hindeutet, dass die Lebensmittelproduktion im Durchschnitt kurzfristig stark auf Änderungen der Lebensmittelpreise im Einzelhandel reagiert. Abbildung 4b zeigt einen positiven, aber etwas schwächeren Zusammenhang für das Wachstum des gesamten landwirtschaftlichen Bruttoinlandsprodukts (BIP) (d. h. einschließlich der landwirtschaftlichen Produktion außerhalb der Lebensmittelbranche), während Abbildung 4c einen starken positiven Zusammenhang zwischen dem Wachstum der Pflanzenproduktion und realen Lebensmittelpreisänderungen zeigt. Interessanterweise, aber nicht überraschend, korreliert die Tierproduktion nicht mit Änderungen der inländischen Lebensmittelpreise (Abb. 4d). Im Gegensatz zur Pflanzenproduktion, bei der es möglich ist, eine Vielzahl von Inputs kurzfristig zu erweitern (z. B. Saatgut, Düngemittel, Land, Arbeitskräfte und Maschinen), erfordert die Ausweitung der Tierproduktion meist den Erwerb größerer Herden oder eine Änderung der Herdenzusammensetzung, was nahezu unmöglich ist auf kurze Sicht.

a–d, Panel a verwendet den Lebensmittelproduktionsmengenindex der FAO als abhängige Variable. Panel b verwendet das landwirtschaftliche BIP-Wachstum als abhängige Variable. Panel c verwendet den Pflanzenproduktionsindex als abhängige Variable. Panel d verwendet den Viehproduktionsindex der FAO als abhängige Variable. Jede Grafik hat eine Stichprobengröße von 501 Beobachtungen aus 33 MICs. Steigungskoeffizienten mit 95 %-Konfidenzintervallen werden in Rot angegeben, wobei die statistische Signifikanz mit ***P < 0,01 gekennzeichnet ist; **P < 0,05; *P < 0,1.

Diese bivariaten Ergebnisse sind robust gegenüber der Einbeziehung verschiedener Kontrollen (Ergänzungstabelle 11) und gegenüber dem robusten Regressor, der die in Abb. 4 (Ergänzungstabelle 12) ersichtlichen Extremwerte abschwächt, obwohl diese Koeffizienten kleiner sind als die OLS-Ergebnisse. Konkret prognostiziert ein Anstieg des realen Lebensmittelpreises um 5 % ein Wachstum der gesamten Nahrungsmittelproduktion von etwa 1,95 Prozentpunkten in OLS-Regressionen im Vergleich zu 1,75 Prozentpunkten in robusten Regressionen, und die entsprechenden Antworten für das Wachstum der Ernteproduktion liegen bei 3,3 Prozentpunkten und 1,8 Prozent Punkte.

Diese relativ starken kurzfristigen Angebotsreaktionen für die Pflanzenproduktion werden wahrscheinlich zu einer erhöhten Nachfrage nach ungelernten Arbeitskräften und einem relativ schnellen Anstieg der Löhne führen15, obwohl Geschwindigkeit und Umfang der Lohnanpassungen an steigende Lebensmittelpreise kontextabhängig sind und sich auch im Laufe der Zeit ändern können mit strukturellen Veränderungen auf ländlichen und städtischen Arbeitsmärkten (zum Beispiel Urbanisierung und Migration) und landwirtschaftlichen Praktiken (zum Beispiel zunehmende Mechanisierung). Eine frühere Studie ergab, dass die Löhne auf dem Land in Bangladesch nur etwa sechs Monate brauchten, um sich an höhere inländische Lebensmittelpreise anzupassen24, was deutlich innerhalb unserer jährlichen Zeitspanne liegt. Eine andere Studie aus Bangladesch ergab jedoch, dass sich der Zusammenhang zwischen Lebensmittelpreisen und Agrarlöhnen im Laufe der Zeit abgeschwächt hat26. Leider stehen für eine umfassendere Prüfung dieses Mechanismus keine Daten zu ländlichen und städtischen Löhnen für eine breitere Palette von Ländern zur Verfügung, und es gibt auch keine neueren empirischen Belege für andere Formen ländlicher, nichtlandwirtschaftlicher Spillover-Effekte aus dem Wachstum der inländischen Agrarproduktion.

Während internationale Lebensmittelpreisspitzen eindeutig das Potenzial haben, Probleme für die städtische Armut zu schaffen, haben frühere Untersuchungen gezeigt, dass höhere inländische Lebensmittelpreise tendenziell die Armut auf nationaler Ebene verringern, zumindest über einen Zeitraum von mehreren Jahren in länderübergreifenden Panels21 oder Retrospektive Länderfallstudien17,18,19,20. In dieser Evidenz fehlt jedoch ein Mittelwert, da mehrjährige Armutsreduzierungen wenig darüber aussagen, wie lange es dauert, bis sich die Einkommen der Armen verbessern, oder ob sich die aggregierten Auswirkungen unterscheiden, je nachdem, in welchem Ausmaß die Bevölkerung aus ländlichen Gebieten abgewandert ist Bereiche oder landwirtschaftliche Beschäftigung. Hier verwendeten wir ein relativ kurzfristiges jährliches Panel, um überzeugend zu zeigen, dass steigende Lebensmittelpreise die Armut in weniger urbanisierten (agrarisch geprägten) Volkswirtschaften mit mittlerem Einkommen verringern und in stärker urbanisierten Volkswirtschaften offenbar kaum oder gar keine Auswirkungen auf die Gesamtarmut haben.

Um diese Ergebnisse zu erklären, müssen wir auf eine Kombination aus Theorie, früheren Erkenntnissen und unseren eigenen empirischen Belegen zur Reaktion des landwirtschaftlichen Angebots auf steigende Preise zurückgreifen. Erstens leben die meisten Armen der Welt immer noch auf dem Land und verdienen ihren Lebensunterhalt direkt oder indirekt mit der Agrarwirtschaft. Eine Studie der Weltbank schätzte, dass im Jahr 2013 75 % der Armen, die 3,20 US-Dollar pro Tag verdienten, in ländlichen Gebieten lebten (Ref. 3). Zweitens haben wir gezeigt, dass die Reaktion des Nahrungsmittelangebots auf den Anstieg der inländischen Einzelhandelspreise recht stark ist, aber wenig überraschend ausschließlich von der Pflanzenproduktion und nicht von der Viehhaltung abhängt. Drittens wissen wir aus früheren Untersuchungen, dass diese Angebotsreaktion relativ kurzfristig zu einer erhöhten Nachfrage nach Arbeitskräften führt, was zumindest die Löhne auf dem Land erhöht.

Während diese Ergebnisse insgesamt eine überzeugende Darstellung höherer Lebensmittelpreise liefern, die die Armutsreduzierung im ländlichen Raum fördern, gibt es bei unserer Analyse mehrere Einschränkungen.

Erstens sind wir gezwungen, Armutsdaten und Lebensmittelpreisdaten auf nationaler Ebene zu verwenden, um auf sehr indirekte Weise unterschiedliche Zusammenhänge zwischen der ländlichen und städtischen Bevölkerung zu untersuchen. Es ist bedauerlich, dass die Weltbank noch nicht für alle Länder separate Armutsschätzungen in ländlichen und städtischen Gebieten veröffentlicht, um eine detailliertere Forschung zu diesem und vielen anderen Themen von globaler Bedeutung zu ermöglichen, einschließlich gezielter Maßnahmen zur Armutsbekämpfung. Ebenso könnten zukünftige Forschungsarbeiten die Preisdaten für ländliche und städtische Gebiete getrennt analysieren, da ländliche und städtische Märkte für Lebensmittel und Non-Food-Artikel in manchen Umgebungen möglicherweise nur unzureichend integriert sind.

Zweitens stellen wir einen robusten bedingten Zusammenhang zwischen Veränderungen der Armut und Veränderungen der Lebensmittelpreise fest, können jedoch keinen Kausalzusammenhang feststellen. Änderungen der inländischen Lebensmittelpreise könnten mit unbeobachteten Faktoren korrelieren, die unabhängig voneinander die Armut beeinflussen, einschließlich verschiedener Schocks, aber auch staatlicher Maßnahmen. Dennoch ist es ermutigend, dass strukturellere Modellierungsansätze zu diesem Thema zu weitgehend ähnlichen Vorhersagen über die unterschiedlichen Auswirkungen höherer Lebensmittelpreise in ländlichen und städtischen Gebieten führen15,16.

Drittens konzentrieren wir uns auf die Wohlfahrtseffekte von Lebensmittelpreiserhöhungen, nicht jedoch auf Düngemittel- oder Treibstoffpreiserhöhungen, die laut neuerer Simulationsanalysen unabhängig voneinander die Armut erhöhen könnten14. Allerdings kam es in der Krise von 2007–2008 auch zu einem raschen Anstieg der internationalen Lebensmittel- und Treibstoffpreise, die Armut ging jedoch auf globaler Ebene und in verschiedenen nationalen Armutsanalysen zurück17,18,19,20. Es bedarf weiterer Forschung zu diesem Thema, einschließlich der Komplexität rund um das Ausmaß, in dem Regierungen die Preise für Kraftstoffe und Düngemittel subventionieren und stabilisieren.

Viertens konzentrieren wir uns auf eine jährliche Definition des Begriffs „kurzfristig“, der offenbar ausreichend Zeit für die Reaktion von Nahrungsmittelversorgung und Löhnen auf höhere Nahrungsmittelpreise umfasst. An hochfrequenten Einkommens-, Lohn- und Lebensmittelpreisdaten muss noch mehr gearbeitet werden. Analysen solcher Daten in Äthiopien27 sowie Kenia und Sambia28 zeigen, dass steigende Preise das verfügbare Einkommen oder die städtische Bevölkerung in diesen Ländern stark reduzierten, während die oben genannte Analyse von Daten im ländlichen und städtischen Bangladesch eine Lohnanpassung an höhere Preise in ländlichen Gebieten zeigt, dies jedoch nicht städtische Gebiete24. Doch obwohl die Systeme zur Überwachung der Lebensmittelpreise im Zuge der Krise von 2007–2008 gestärkt wurden, haben internationale Behörden und nationale Regierungen die hochfrequente Reallohnüberwachung nicht umfassend eingeführt. Sie sollten dies tun29.

Fünftens bieten unsere Ergebnisse möglicherweise nur begrenzte Einblicke in die Folgen der Nahrungsmittelkrise 2021–2022 oder die Wohlfahrtsergebnisse in einem bestimmten MIC. Im Gegensatz zu 2007–2008 befinden sich die meisten LMICs im Jahr 2022 in einer besonders schwachen Haushaltslage, um die Inflation bei Nahrungsmitteln, Kraftstoffen und Düngemitteln im Zuge der COVID-19-Pandemie zu bewältigen30. Tatsächlich kann es sein, dass die in LMICs im Zuge der Krise von 2007–2008 beobachteten starken Reaktionen auf das landwirtschaftliche Angebot nicht ohne weiteres wiederholt werden können, weil die fiskalischen Möglichkeiten der LMIC-Regierungen, eine starke Reaktion auf das Angebot zu ermöglichen, und wegen der außergewöhnlich knappen Düngemittelbestände begrenzter sind Versorgung im Jahr 2022. In der Praxis sollte die Wohlfahrtsüberwachung in hoher Frequenz durchgeführt werden, um die Wohlfahrtsauswirkungen der Nahrungsmittelinflation und anderer Schocks zu messen31, umso mehr aufgrund des Klimawandels und der allgemein volatileren makroökonomischen Bedingungen in der Weltwirtschaft und in angesichts der Kosteneffizienz telefonischer Wohlfahrtsumfragen während der COVID-19-Pandemie32.

Unter Berücksichtigung dieser Einschränkungen baut die aktuelle Studie auf früheren ökonometrischen und modellierenden Untersuchungen auf und veranschaulicht die Urbanisierungsbedingtheit des Zusammenhangs zwischen Veränderungen der Armut und Veränderungen der Lebensmittelpreise in einem breiten Spektrum von Ländern mit mittlerem Einkommen. Unsere wichtigsten Ergebnisse sind wahrscheinlich ein Hinweis darauf, dass der Großteil der Armen der Welt – selbst in Ländern mit mittlerem Einkommen – immer noch überwiegend auf dem Land lebt und immer noch häufig in der Landwirtschaft tätig ist und dass die ländliche Wirtschaft weiterhin sehr empfindlich auf positive oder negative Störungen im Agrarsektor reagiert.

Wir haben nationale Daten aus verschiedenen Quellen zu einem jährlichen Panel-Datensatz für 33 Länder im Zeitraum 2000–2019 kombiniert (und erforderten daher keine vorherige ethische Genehmigung) und führten die Analyse in Stata v17 durch.

Wir haben 33 MICs analysiert, wobei die Armutsmessungen der Weltbank33 jährlich gemeldet werden (leider verfügt kein Land mit niedrigem Einkommen über jährliche Armutsschätzungen). Wie die Ergänzungstabelle 1 zeigt, zeichnen sich diese 33 MICs jedoch durch große Unterschiede in der durchschnittlichen Armutsquote an der Armutsgrenze von 3,20 US-Dollar pro Tag aus und die Daten verteilen sich auf Lateinamerika (156 Beobachtungen), Europa und Zentralasien (193). und Ostasien und der Pazifikraum (40). Obwohl in einigen Ländern mehr Beobachtungen vorliegen als in anderen, haben wir sichergestellt, dass die Zeitreihen der einzelnen Länder keine Lücken aufweisen und nicht zwischen einkommensbasierten Armutsmessungen und konsumbasierten Messungen wechseln. Als abhängige Variable verwenden wir hauptsächlich die Armutsgrenze von 3,20 US-Dollar pro Tag, aber auch die Armutslücke, die das Durchschnittseinkommen der Armen als Prozentsatz der Armutsgrenze von 3,20 US-Dollar pro Tag misst. In der ergänzenden Tabelle 2 sind zusammenfassende Statistiken aufgeführt, aus denen hervorgeht, dass die durchschnittliche Zahl der in Armut lebenden Personen in Höhe von 3,20 US-Dollar pro Tag im Datensatz 13 % beträgt, diese schwankt jedoch zwischen 0 % für einige Beobachtungen und 75 % als Maximum.

Die direkten Auswirkungen der Inflation auf die Armut werden bereits durch die Deflationierung der zur Berechnung der Armut verwendeten Einkommens- oder Ausgabenmaße berücksichtigt. Stattdessen untersuchen wir hier die potenziellen Auswirkungen „realer“ Lebensmittelpreiserhöhungen, gemessen als jährliche Änderungen im Verhältnis des Lebensmittel-VPI zum Nicht-Lebensmittel-VPI. Dieses Verhältnis kann aus einer neuen Datenbank des Internationalen Währungsfonds (IWF)34 berechnet werden, die disaggregierte VPI-Indizes und die zugehörigen Gewichte des VPI-Verbrauchskorbs enthält, und indirekt für eine VPI-Datenbank der FAO35 geschätzt werden, die nur Nahrungsmittel und Gesamt-VPIs meldet. Für Länder, die keine Non-Food-VPIs melden (weder in der IWF- noch in der FAO-Datenbank), haben wir Gewichte aus länderübergreifenden Regressionen der IWF-VPI-Gewichte für Nahrungsmittel im Vergleich zum Logarithmus des Pro-Kopf-BIP berechnet (auf der Grundlage, dass ärmere Bevölkerungsgruppen über mehr Nahrungsmittel verfügen). Ausgabenanteile) und überprüfte dann die Vorhersagekraft dieser Imputationen. Die VPI-Schätzungen werden monatlich gemeldet, während die Armutsdaten jährlich vorliegen. Für jedes Armutsmessungsjahr messen wir die tatsächliche Änderung der Lebensmittelpreise zwischen Januar dieses Jahres und Januar des Vorjahres, um sicherzustellen, dass Preisänderungen immer vor den Zeitpunkten der Armutsumfrage erfolgen.

Wir verwendeten zunächst die deskriptive Analyse, um ein Gefühl für die Muster in den Daten sowie für Trends bei den realen Lebensmittelpreisen zu bekommen, indem wir angepasste Regressionslinien der jährlichen Änderungen der Lebensmittelpreise anhand der jedes Jahr erfassten binären Variablen schätzten. Wir erstellten außerdem ein Streudiagramm der Veränderungen der Zahl der in Armut lebenden Menschen im Verhältnis zu den Veränderungen der Lebensmittelpreise, mit linearen Regressionslinien für weniger urbanisierte und stärker urbanisierte Länder (wobei der Schwellenwert bei 60 % liegt, dem durchschnittlichen städtischen Bevölkerungsanteil in unserer Stichprobe).

Anschließend wandten wir uns formelleren Panel-Regressionstechniken zu, indem wir zunächst die Armutszahl oder den Armutslückenindex (povi,t) in einem Land i im Jahr t als Funktion seines realen Lebensmittelpreisniveaus (food pricei,t) im selben Jahr modellierten :

Der geschätzte Zusammenhang zwischen realen Lebensmittelpreisen und Armut wird durch β angegeben. Das Modell bereinigt zeitinvariante Ländermerkmale mithilfe der ersten Differenzierung (d. h. durch Subtrahieren des Vorjahreswerts von jeder Beobachtung). Infolgedessen wird β aus der jährlichen Variation des realen Lebensmittelpreisniveaus innerhalb eines Landes ermittelt. Unter Berücksichtigung der begrenzten Freiheitsgrade in unserem Datensatz haben wir die Sensitivität untersucht, indem wir feste Jahreseffekte (Yeart) einbezogen haben, d. h. binäre Variablen für jedes Jahr im Datensatz, um Zeiteffekte zu kontrollieren. In diesem Jahr werden feste Effekte kontrolliert, um jährliche Veränderungen im globalen makroökonomischen Umfeld zu berücksichtigen, die sich auf alle Länder im Datensatz auswirken. Der Fehlerterm wird in εi,t erfasst.

Anschließend haben wir einen Interaktionsterm zwischen den realen Lebensmittelpreisen und einem Maß für das Ausmaß hinzugefügt, in dem die Bevölkerung aus ländlichen Gebieten oder landwirtschaftlichen Beschäftigungsverhältnissen („nichtlandwirtschaftliche Beschäftigung“) abgewandert ist:

wobei sich γ auf den Koeffizienten des Interaktionsterms bezieht. Der Grundgedanke hinter der „nichtlandwirtschaftlichen“ Interaktion besteht darin, dass Haushalte, die als Landwirte oder Landarbeiter in der Landwirtschaft tätig sind, von höheren Lebensmittelpreisen profitieren könnten, während selbst nichtlandwirtschaftliche ländliche Bevölkerungen von Lohnerhöhungen aufgrund der Nachfrage nach ungelernten Arbeitskräften in ländlichen Gebieten profitieren könnten erhöht sich. Zur Messung von „Nichtlandwirtschaft“ verwendeten wir entweder den städtischen Bevölkerungsanteil des Landes oder seinen nichtlandwirtschaftlichen Beschäftigungsanteil. Es ist nicht von vornherein klar, ob Urbanisierung oder nichtlandwirtschaftliche Beschäftigungsanteile der beste Weg sind, heterogene Zusammenhänge zwischen Lebensmittelpreisen und Armut in den einzelnen Ländern zu erfassen. Beide sind konzeptionell relevant, daher ist es wichtig, die Sensibilität für diese Wahl zu erforschen. Beachten Sie außerdem, dass es sich bei diesen beiden „nicht landwirtschaftlichen“ Nicht-Indikatoren um Durchschnittswerte handelt, da sich diese Indikatoren im Laufe der Zeit kaum ändern und viele Werte zwischen seltenen Volkszählungen oder Arbeitskräfteerhebungen unterstellt werden. Die Verwendung eines Landesdurchschnitts für „Nichtlandwirtschaft“ bedeutet, dass alle länderübergreifenden Schwankungen durch erste Differenzierung entfernt werden, sodass „Nichtlandwirtschaft“ nicht als separate Variable, sondern nur als Interaktionsterm in Gleichung (2) eingeht. Ein weiterer zu beachtender Punkt ist, dass diese beiden „Nichtlandwirtschafts“-Indikatoren mit einem Korrelationskoeffizienten von 0,76 stark miteinander korrelieren. Der Anteil der städtischen Bevölkerung schwankt zwischen den untersuchten Ländern deutlich zwischen 36 % und 84 %, ebenso wie der Anteil der nichtlandwirtschaftlichen Arbeitskräfte (51 % bis 95 %).

Im Idealfall würden wir exogene Schwankungen der realen Lebensmittelpreise ausnutzen, um einen kausalen Effekt zu ermitteln, aber in Wirklichkeit können die Lebensmittelpreise durch staatliche Maßnahmen und inländische Schocks (z. B. Dürren, Konflikte, makroökonomische Krisen) beeinflusst werden, die sich durch nicht-ökonomische Krisen auf die Armut auswirken könnten. Preismechanismen (zum Beispiel könnten Dürren die Lebensmittelpreise beeinflussen und unabhängig davon die landwirtschaftlichen Einkommen verringern), was zu einer Verzerrung durch ausgelassene Variablen führt. Um das potenzielle Problem von Störfaktoren zu untersuchen, haben wir Gleichung (2) wie folgt angehängt:

Dabei stellt X′i,t einen Vektor zeitlich variierender Kontrollvariablen dar, einschließlich Änderungen des nichtlandwirtschaftlichen BIP, der Geldmenge, der Wechselkurse, der Handelsbedingungen, der Zahl der kampfbedingten Todesfälle und der Änderung der Oberflächentemperatur im Vergleich zu 1951–1980 im Land i im Jahr t, und δ stellt die Koeffizienten dieser Variablen dar. Die Temperaturvariable stammte von der FAO36, während alle anderen Kontrollvariablen von der Weltbank37 bezogen wurden. Die Auswahl der Kontrollvariablen wurde durch eine frühere länderübergreifende Panelanalyse von Lebensmittelpreisen und Armut auf längere Sicht21 motiviert, wobei Temperaturänderungen als neu verfügbarer Indikator hinzugefügt wurden. Um die Empfindlichkeit unserer Schätzungen gegenüber diesen Kontrollvariablen zu untersuchen, haben wir sie sowohl einzeln als auch zusammen in das Modell eingefügt. Ergänzende Tabelle 2 enthält zusammenfassende Statistiken für diese Kontrollvariablen.

Um die Mechanismen zu untersuchen, durch die die reale Lebensmittelpreisinflation Armut vorhersagt, haben wir getestet, ob in den Ländern unserer Stichprobe Veränderungen in der landwirtschaftlichen Produktion als Reaktion auf verzögerte Erhöhungen der realen Einzelhandelspreise für Lebensmittel zu verzeichnen waren. Zu diesem Zweck haben wir die jährliche prozentuale Änderung der landwirtschaftlichen Produktion (\(\Delta\) ag_outputi,t) als Funktion der jährlichen Änderungen der realen Lebensmittelpreise regressiert:

Als Maß für die landwirtschaftliche Produktion verwendeten wir das landwirtschaftliche BIP (gemessen in konstanten US-Dollar von 2015), die Nahrungsmittelproduktion, die Pflanzenproduktion und die Tierproduktion. Die Indizes für die Lebensmittel-, Pflanzen- und Tierproduktion stammen von der FAO36 und sind gewichtete Summen der im Land produzierten Mengen, wobei die rohstoffspezifischen Gewichte auf den durchschnittlichen internationalen Rohstoffpreisen in den Jahren 2014–2016 basieren. Die Steuervariablen sind die gleichen wie in Gleichung (2). Wir haben die Analyse auf dieselben 33 MICs beschränkt, aber da wir nicht durch die Verfügbarkeit von Armutsdaten eingeschränkt sind, können wir die länderspezifischen Zeitreihen erheblich erweitern, um Gleichung (4) zu schätzen. Nachdem wir zwei extreme Ausreißer ausgeschlossen haben, bei denen es sich offenbar um Messfehler handelt, verfügen wir über eine Stichprobe von 501 Beobachtungen (Ergänzungstabelle 3).

Unsere Hauptregressionen wurden mithilfe von OLS geschätzt. Auf der Grundlage postregressionsdiagnostischer Tests wird die Null der Homoskedastizität abgelehnt, die Null der fehlenden Autokorrelation in den Residuen dagegen nicht. Daher haben wir nicht gruppierte Standardfehler verwendet, die robust gegenüber Heteroskedastizität sind38. Da die Armutsschätzungen der Weltbank und andere in den Analysen verwendete Indikatoren offensichtlich einige Unstimmigkeiten aufweisen, haben wir auch die Sensitivität unserer Schätzungen gegenüber der Verwendung eines robusten Regressors zur Herabsetzung einflussreicher Ausreißer untersucht. Alle statistischen Analysen wurden in Stata v17 implementiert.

Weitere Informationen zum Forschungsdesign finden Sie in der mit diesem Artikel verlinkten Nature Portfolio Reporting Summary.

Alle in dieser Analyse verwendeten Daten sind öffentlich verfügbar und die spezifischen Daten zur Replikation unserer Analyse sind online verfügbar39.

Der Stata v17-Code zur Replikation unserer Analyse ist online verfügbar39.

Baird, S., Friedman, J. & Schady, N. Gesamteinkommensschocks und Kindersterblichkeit in Entwicklungsländern. Rev. Econ. Stat. 93, 847–856 (2011).

Artikel Google Scholar

Headey, DD & Ruel, MT Wirtschaftsschocks sagen einen Anstieg der Prävalenz von Kinderauszehrung voraus. Nat. Komm. 13, 2157 (2022).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Castañeda, A. et al. Ein neues Profil der globalen Armen. Weltentwickler. 101, 250–267 (2018).

Artikel Google Scholar

Deaton, A. Reispreise und Einkommensverteilung in Thailand: eine nichtparametrische Analyse. Wirtschaft. J. 99, 1–37 (1989).

Artikel Google Scholar

Arndt, C., Benfica, R., Maximiano, N., Nucifora, AMD & Thurlow, JT Höhere Kraftstoff- und Lebensmittelpreise: Auswirkungen und Reaktionen für Mosambik. Landwirtschaft. Wirtschaft. 39, 497–511 (2008).

Artikel Google Scholar

Benson, T. Eine Bewertung der wahrscheinlichen Auswirkungen steigender globaler Lebensmittelpreise auf ugandische Haushalte: eine sekundäre Datenanalyse. Landwirtschaft. Wirtschaft. 39, 513–524 (2008).

Artikel Google Scholar

Cudjoe, G., Breisinger, C. & Diao, X. Lokale Auswirkungen einer globalen Krise: Lebensmittelpreisübertragung und Auswirkungen auf Armut in Ghana IFPRI-Diskussionspapier Nr. 842 (International Food Policy Research Institute (IFPRI), 2008).

Zezza, A. et al. Die Auswirkungen steigender Lebensmittelpreise auf die Armen (Ernährungs- und Landwirtschaftsorganisation, 2008); https://www.fao.org/3/aj284e/aj284e.pdf

Ivanic, M. & Martin, W. Auswirkungen höherer globaler Lebensmittelpreise auf die Armut in Ländern mit niedrigem Einkommen. Landwirtschaft. Wirtschaft. 39, 405–416 (2008).

Artikel Google Scholar

de Hoyos, RE & Medvedev, D. Armutseffekte höherer Lebensmittelpreise: eine globale Perspektive. Rev. Dev. Wirtschaft. 15, 387–402 (2011).

Artikel Google Scholar

Valero-Gil, JN & Valero, M. Die Auswirkungen steigender Lebensmittelpreise auf die Armut in Mexiko. Landwirtschaft. Wirtschaft. 39, 485–496 (2008).

Artikel Google Scholar

Warr, P. Weltlebensmittelpreise und Armutsinzidenz in einem Lebensmittelexportland: eine allgemeine Gleichgewichtsanalyse für mehrere Haushalte für Thailand. Landwirtschaft. Wirtschaft. 39, 525–537 (2008).

Artikel Google Scholar

Haq, ZU, Nazli, H. & Meilke, K. Auswirkungen hoher Lebensmittelpreise auf die Armut in Pakistan. Landwirtschaft. Wirtschaft. 39, 477–484 (2008).

Artikel Google Scholar

Arndt, C., Diao, X., Dorosh, PA, Pauw, K. & Thurlow, J. Russland-Ukraine-Krieg und die globale Krise: Auswirkungen auf Armut und Ernährungssicherheit in Entwicklungsländern (International Food Policy Research Institute (IFPRI)) , 2022).

Jacoby, HG Lebensmittelpreise, Löhne und Wohlfahrt im ländlichen Indien. Wirtschaft. Inq. 54, 159–176 (2016).

Artikel Google Scholar

Van Campenhout, B., Pauw, K. & Minot, N. Die Auswirkungen von Lebensmittelpreisschocks in Uganda: Effekte erster Ordnung versus Folgen für das allgemeine Gleichgewicht. EUR. Rev. Agric. Wirtschaft. 45, 783–807 (2018).

Google Scholar

Wo sind all die Armen geblieben? Kambodscha-Armutsbewertung 2013 (Weltbank, 2013).

Äthiopien-Armutsbewertung 2014 (Weltbank, 2015).

Der Uganda Poverty Assessment Report 2016: Bauernhöfe, Städte und Glück – Bewertung der Armutsreduzierung in Uganda von 2006 bis 2013 (Weltbank, 2016).

Ahmed, F., Gimenez-Duarte, L., Jolliffe, DM & Sharif, IA Bangladesh – Poverty Assessment: Assessing a Decade of Progress in Reducing Poverty, 2000–2010 (Weltbank, 2013).

Headey, D. Lebensmittelpreise und Armut. Weltbank-Wirtschaft. Rev. 32, 676–691 (2018).

Google Scholar

Deininger, K., Carletto, C., Savastano, S. & Muwonge, J. Können Tagebücher bei der Verbesserung der Agrarproduktionsstatistiken helfen? Beweise aus Uganda. J. Dev. Wirtschaft. 98, 42–50 (2012).

Artikel Google Scholar

Carletto, G., Tiberti, M. & Zezza, A. Maß für Maß: Vergleich umfragebasierter Einkommens- und Konsumschätzungen für ländliche Haushalte. Weltbank-Res. Obs. 37, 1–38 (2022).

Artikel Google Scholar

Headey, D. & Martin, WJ Lebensmittelpreise, Armut und Ernährungssicherheit. Annu. Rev. Ressource. Wirtschaft. 8, 329–351 (2016).

Artikel Google Scholar

Koenker, R. & Hallock, KF Quantilregression. J. Econ. Perspektive. 15, 143–156 (2001).

Artikel Google Scholar

Hassan, MF & Kornher, L. Agrarlohn- und Reispreisdynamik in Bangladesch. Lebensmittelsicherheit. 14, 127–146 (2022).

Artikel Google Scholar

Bachewe, F. & Headey, D. Städtisches Lohnverhalten und Lebensmittelpreisinflation in Äthiopien. J. Dev. Zucht. 53, 1207–1222 (2017).

Artikel Google Scholar

Mason, NM, Jayne, TS, Chapoto, A. & Donovan, C. Die globale Nahrungsmittelkrise 2007/2008 in einer längerfristigen Perspektive betrachten: Trends bei der Erschwinglichkeit von Grundnahrungsmitteln im städtischen Sambia und Kenia. Lebensmittelpolitik 36, 350–367 (2011).

Artikel Google Scholar

Headey, DD, Bachewe, F., Marshall, Q., Raghunathan, K. & Mahrt, K. Lebensmittelpreise und die Löhne der Armen: ein kostengünstiger, hochwertiger Ansatz zur hochfrequenten Überwachung der Lebensmittelsicherheit IFPRI-Diskussion Papier 2174 (International Food Policy Research Institute (IFPRI), 2023); https://doi.org/10.2499/p15738coll2.136614

Headey, D. & Hirvonen, K. Schon vor dem Ukraine-Krieg braute sich eine Nahrungsmittelkrise zusammen – aber diese drei Schritte könnten den Schwächsten helfen. The Conversation UK (2022); https://theconversation.com/a-food-crisis-was-brewing-even-before-the-ukraine-war-but-take-these- three-steps-could-help-the-most-vulnerable-179519

Headey, D. & Barrett, CB Messung der Entwicklungsresilienz in den ärmsten Ländern der Welt. Proz. Natl Acad. Wissenschaft. USA 112, 11423–11425 (2015).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Gourlay, S., Kilic, T., Martuscelli, A., Wollburg, P. & Zezza, A. Hochfrequente Telefonumfragen zu COVID-19: bewährte Praktiken, offene Fragen. Lebensmittelpolitik 105, 102153 (2021).

Artikel PubMed PubMed Central Google Scholar

Plattform für Armut und Ungleichheit (Weltbank, 2022); https://pip.worldbank.org/home

IWF-Datenbank zum Verbraucherpreisindex (IWF, 2022); https://data.imf.org/?sk=4FFB52B2-3653-409A-B471-D47B46D904B5&sId=1485878855236

FAO-Datenbank zum Lebensmittelpreisindex (Ernährungs- und Landwirtschaftsorganisation, 2022); www.fao.org/worldfoodsituation/FoodPricesIndex/en/

FAOSTAT (Ernährungs- und Landwirtschaftsorganisation, 2022); http://faostat.fao.org/default.aspx

World Development Indicators Online (Weltbank, 2022); https://databank.worldbank.org/source/world-development-indicators

White, H. Ein heteroskedastizitätskonsistenter Kovarianzmatrix-Schätzer und ein direkter Test für Heteroskedastizität. Econmetrica 48, 817–838 (1980).

Artikel MathSciNet MATH Google Scholar

Headey, D. & Hirvonen, K. Stata v17-Replikationsdatei für „Höhere Lebensmittelpreise können Armut reduzieren und das Wachstum der Lebensmittelproduktion stimulieren“ von Derek Headey und Kalle Hirvonen. Zenodo https://doi.org/10.5281/zenodo.8119555 (2023).

Referenzen herunterladen

Wir danken H. Alderman, C. Arndt, SA Block, W. Martin und WA Masters für Kommentare zu einem ersten Entwurf des Papiers. Wir erhielten Mittel für diese Studie durch das Projekt „Food Prices for Nutrition“, finanziert von der Bill and Melinda Gates Foundation und UK Aid.

Internationales Forschungsinstitut für Lebensmittelpolitik (IFPRI), Colombo, Sri Lanka

Derek Headey und Kalle Hirvonen

Weltinstitut für entwicklungsökonomische Forschung der Universität der Vereinten Nationen (UNU-WIDER), Helsinki, Finnland

Kalle Hirvonen

Sie können diesen Autor auch in PubMed Google Scholar suchen

DH und KH konzipierten beide die Idee für die Studie, erstellten und analysierten den Datensatz und trugen zum Schreiben und Bearbeiten bei.

Korrespondenz mit Derek Headey.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Nature Food dankt Maros Ivanic, Lukas Kornher und Steven Lord für ihren Beitrag zum Peer-Review dieser Arbeit.

Anmerkung des Herausgebers Springer Nature bleibt hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten neutral.

Ergänzende Abbildungen. 1 und 2 und Tabellen 1–12.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Headey, D., Hirvonen, K. Höhere Lebensmittelpreise können die Armut verringern und das Wachstum der Lebensmittelproduktion ankurbeln. Nat Food 4, 699–706 (2023). https://doi.org/10.1038/s43016-023-00816-8

Zitat herunterladen

Eingegangen: 02. September 2022

Angenommen: 10. Juli 2023

Veröffentlicht: 10. August 2023

Ausgabedatum: August 2023

DOI: https://doi.org/10.1038/s43016-023-00816-8

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Naturkost (2023)