A. 估计2020年、2021年和2022年食物不足发生率的方法
正如前几期报告所述，由于缺少计算食物不足发生率和食物不足人数所需各项要素的最新数值的直接信息（见附件1B），只能临近预测最近年份的估计数，即预测近况。
正如去年报告所指出，由于COVID-19疫情暴发并持续产生影响，2020年和2021年在很多方面都有其独特性。这一点必须在临近预测食物不足发生率时予以特别考虑，尤其是在估计变异系数（CV）的可能变化和模拟粮食获取方面不平等现象如何推高食物不足发生率时。鉴于疫情期间粮食体系的运行条件极为特殊，这两方面都需予以特殊对待。
今年沿用去年的策略预测2019年至2021年收入变异系数（CV|y）数值以及全球食物不足发生率和食物不足人数估计数区间，并额外考虑2022年的具体情况。详见下述。
预测2021年及以前年份收入变异系数（CV|y）
虽然采用传统方法，利用粮农组织市场及贸易司为粮农组织《农业展望》提供参考的信息对膳食能量消费量（DEC）进行临近预测，但必须调整用于临近预测CV的传统方法，反映2020年和2021年的特殊情况。通常，CV|y（CV中与家庭经济状况变化相关的部分）的变化由基于粮食不安全体验分级表的重度粮食不安全发生率（FIsev）三年平均值的变化引起，无法以粮食供应量变化来解释。之所以采用三年平均值，是要控制可能出现的国家层面FIsev（在多数国家都是基于相对较小的粮食不安全体验分级表数据样本得出）估计抽样方法差异极大的情况，符合对CV|y趋势相对较稳的假设。由于2020年和2021年情况特殊，因此难以维持上述假设。正因如此，临近预测2020年的CV|y值时，采用了2017至2019年间FIsev平均值与2020年FIsev年度值之间的变化；而临近预测2021年的CV|y值时，采用了2020至2021年间FIsev年度值的变化。
临近预测2020年食物不足发生率时，另一个需要注意的参数是CV|y对FIsev变化的贡献率（作为对食物不足发生率预期变化的衡量指标）。通常，基于对过去食物不足发生率、膳食能量消费量和CV|y的经济计量分析，假设贡献率为三分之一。但由于2020年和2021年情况特殊，这一惯例有待商榷。由于2020年或2021年未收集各国家庭消费和支出调查数据，因此依然没有实证依据来确定如何适当调整。解决办法是进行敏感度分析，调整CV|y对FIsev变化的贡献率，从最低三分之一调至最高百分之百。由此确定2020年和2021年估计系列的 上下限。
针对2022年的特殊考量
尽管COVID-19疫情的主要影响已经减弱，2022年数据收集工作趋于正常，但依然很难确定2022年获取粮食方面不平等现象的变化情况。过去三年，疫情及所有其他不利事件严重影响全球农业粮食体系，目前无法知晓需求侧和供给侧要素对人们获取粮食发挥的相对作用是否持续受到影响。因此，反过来需对2022年CV|y及相应食物不足发生率的临近预测方法略作调整。
尤其值得一提的是，将CV的变化对食物不足发生率实测变化的可能贡献率定为33%，用于确定估计系列的中点，反映所谓“恢复正常”的情境（见附件1B）。随后，分别对每个国家采用补充性50%、67%和100%，反映有关CV|y对2022年食物不足发生率贡献的不同可能假设。但应注意，2020年和2021年，基于粮食不安全体验分级表的估计数表明，世界各地的粮食不安全状况几乎无一不呈恶化态势，事实正是如此。与之相反，如果假设CV的变化对食物不足发生率的变化贡献更大，可能造成2022年估计数与实际情况有所出入。鉴于重度粮食不安全发生率估计数表明，2021至2022年间很多国家形势向好，因此预测这些国家的CV|y只减不增。通过汇总国家估计数的所有最低值和所有最高值，分别得出全球和区域系列的下限和上限。总的结果是，与前两年相比，2022年全球食物不足发生率和食物不足人数估计数区间略微收窄（表A2.1）。
表A2.1 2020 年、2021 年和2022 年食物不足发生率和食物不足人口数量临近预测区间
资料来源：编写机构（粮农组织）自行编制。
表A2.1 列出2020 年、2021 年和2022 年 全球、区域和次区域食物不足发生率下限和 上限。
B. 预测2030年及以前年份食物不足发生率的方法
为预测2030年及以前年份食物不足发生率，我们根据所考虑的情境，基于不同输入数据分别预测了输入食物不足发生率公式的三个基本变量，即膳食能量消费量（DEC）、变异系数（CV）和最低膳食能量需求量（MDER）。
信息主要来自MIRAGRODEP递归模型的计算结果，这一动态的可计算一般均衡模型针对以下指标计算一系列国家层面预测值：
- 实际人均国内生产总值（GDP_Vol_pc）；
- 收入基尼系数（gini_income）；
- 实际食品价格指数（Prices_Real_Food）；
- 极端贫困率（即实际日收入低于2.15美元的人口比例）（x215_ALL）；
- 人均每日食物消费量（DES_Kcal）。
MIRAGRODEP模型已根据疫情之前2018年世界经济形势校正，用于生成2019至2030年间三种情境下的宏观经济基本面预测值：（1）“COVID-19疫情暴发前”，反映国际货币基金组织2019年10月发布的《世界经济展望》所述疫情暴发前世界经济前景对粮食供应和获取以及相应对食物不足发生率的影响；（2）“乌克兰战争爆发前”，同上，但参考了2021年10月发布的《世界经济展望》；（3）“当前预测”，基于2023年4月发布的最新《世界经济 展望》。17 有关MIRAGRODEP模型以及构建各情境所用的假设，详见Laborde和Torero （2023）。18
此外，我们还使用了总人口（包含男女两个性别）中位变量预测、性别和年龄构成以及联合国经济和社会事务部2022年修订版《世界人口展望》提供的毛出生率。4
预测膳食能量消费量（DEC）
为预测平均膳食能量消费量系列值，我们使用下列公式：
其中，T=2019，代表“COVID-19疫情暴发 前”；T=2021，代表“乌克兰战争爆发前”；T=2022，代表“当前预测”。
换言之，我们采用模型预测的DES_Kcal系列，并对此进行调整，使年份T的值与实际值相符（这一步很有必要，因为MIRAGRODEP模型已根据旧版食物平衡表系列校正）。
预测最低膳食能量需求量（MDER）
为预测最低膳食能量需求量，我们简单地根据2019年《世界人口展望》4 预测的人口性别和年龄构成数据（中位变量）进行计算。
预测变异系数（CV）
正如附件1B有关食物不足发生率的方法说明所述，总CV计算公式为 
，其中两项要素分别代表家庭收入差别所致人均惯常膳食能量消费量差异，以及个体性别、年龄、体重和体力活动水平差别所致差异。将分别预测的CV|r和CV|y带入上述公式，随后获得2025年和2030年CV预测值。根据《世界人口展望》预测的人口性别和年龄构成数据计算CV|r预测值（与最低膳食能量需求量计算方式类似），同时使用相关宏观经济和人口预测变量的线性组合计算CV|y预测值，公式如下：
为估计上述公式使用的系数，本版报告考虑了替代模型，这些模型优于2022年所用模型。正如表A2.2所述，三个替代模型所用系数非常相近，因此代入MIRAGRODEP模型和2022年修订版《世界人口展望》的同一系列预测自变量 后，得到了非常相近的预测值。4
表A2.2 根据历史CV|y 值（2000-2018 年）估计的三个替代模型的回归系数及与2022 年 所用模型的比较
尽管基于随机效应线性回归的估计策略与往年一致，但与2022年CV|y预测模型相比，主要区别在于采用了一系列历史数据代入估计模型。
首先，今年采用一系列新的CV|y历史值，为估计本报告表1和表A1所列当前系列食物不足发生率估计数提供依据，其中调整了一些从食物消费调查数据中获得的估计数，此前曾采用这些估计数，但考虑到食物构成表已改进并更新，同时在对另外14项调查的全新分析中获得了数值，因此对这些估计数进行了再处理（见附件1B有关食物不足发生率的方法 说明）。
但最重要的是，今年采用从新渠道获得的一系列实际人均国内生产总值、收入基尼系数、实际食品类居民消费价格指数、贫困率、毛出生率和总人口的历史数据。对于贫困率和收入基尼系数，样本仅限于世界银行新推出的“贫困与不平等数据平台”发布的家庭调查估计数，该平台用于替代于2022年3月逐步停用的贫困计算网（PovcalNet）和贫困与平等数据门户。由于仅依赖从贫困与不平等数据平台系列数据中获得的家庭调查数值，主要影响是，可获收入基尼系数和贫困率直接估计数的国家/年份组合数量减少。因此，可用于模型估计的数据点数量从2022年的119个减至75个。
此外，更新了通过贫困与不平等数据平台和国际货币基金组织《世界经济展望》获得的所有经济系列数据，以反映世界银行国际比较项目基于2017年数据对购买力平价进行的 调整。19
由于各类数据已更新，同时2022年所用模型的估计系数与今年所用模型（模型3）存在重大差异，以致CV|y预测值略有不同，下降预期更为乐观，因此补充两个中间模型进行估计，了解得出不同结果的原因。首先采用表A2.2中模型1进行估计，使用一系列旧的因变量和自变量数据，但仅限于69个国家/年份组合，这些组合均在2022年使用的119个组合与今年使用的75个组合之中。接着，采用从贫困与不平等数据平台这一新渠道获得的数据，但保留从基于2011年数据的购买力平价数据中获得的贫困率（模型2），随后在最终用于预测的模型3中，采用所有新版变量。
通过比较表A2.2第3-6列中估计系数值，注意到主要影响源自依赖内插或建模贫困率和收入基尼系数的国家/年份组合数量的减少：从2022年模型过渡到模型1后，无论是绝对值，还是统计显著性，实际人均国内生产总值和收入基尼系数有增无减。另一个值得注意的影响是，已将数据更新至2023年，并新增了6个国家/年份组合：实际人均国内生产总值、收入基尼系数和实际食品类居民消费价格指数系数进一步增大，而与模型1相比，模型2的贫困率系数降低。最后，根据基于2017年数据的购买力平价更新贫困率后，总体影响微乎其微，模型2和模型3中各变量的系数非常接近（贫困率算部分例外，对解释CV|y的贡献进一步 减小）。
总而言之，我们认为今年预测的CV|y更为准确。新估计的系数表明，解释变量有助于按此前估计的方向预测CV|y。不过，这一模型与数据的契合度大大提升，因为r2 系数增大的同时，估计系数与标准误差之比同样增大，尤其是实际人均国内生产总值和收入基尼系数。
然后，根据T年值，对公式分别预测的 T + 1至2030年间各国CV|y系列值进行校正，与DES计算方式类似：
其中，T=2019，代表“COVID-19疫情暴发 前”；T=2021，代表“乌克兰战争爆发前”；T=2022，代表“当前预测”。
C. 按城市化程度和性别分析粮食不安全状况的方法
如果可直接从具有国家代表性的样本中个体受调者收集数据，可按受调者/家庭特点细化粮食不安全发生率。在第2章中，分别按受调者性别（成年男性或女性）和城市化程度（即定居城市、城郊或农村）细化粮食不安全估 计数。
按个体或家庭特点细化该指标的方法 如下：
- 为每个受调者计算可进行跨国比较的粮食不安全概率，并按严重程度分为两级：中度或重度；重度。汇总每个目标特点类别的概率，为每个类别所有受调者计算加权平均数（使用抽样权重），从而得到每个组别（例如女性受调者）的粮食不安全发生率。
- 如果可获可靠的人口数据，并且地域覆盖面足够广泛（即覆盖的人口百分比足够高），可按对应人口（例如全国成年女性数量）对特定类别的粮食不安全发生率加权处理，从而得到次区域/区域/全球估计数（例如北非成年女性人口粮食不安全发生率）。
由于粮农组织通过各类数据收集服务提供商收集个体受调者（15岁及以上成人）数据，因此可计算不同性别的粮食不安全发生率（见附件1B）。对于一些使用政府调查数据计算粮食不安全发生率估计数的国家（见附件1B），由于收集到的是家庭层面数据，因此通常无法按性别细化该指标。为解决该问题，今年首次专门制定了具体流程。因此，在这种情况下，使用基于粮农组织收集的数据估计的不同性别相对差异，基于国家数据，计算总人口粮食不安全发生率。但这只是近似数，因为粮农组织数据中的差异仅针对成年受调者，不针对整个人口。但好处在于，不同性别与总人口在统计的水平和趋势方面保持一致。今年对整个系列进行了调整，与2022年相比，区域和全球层面不同性别粮食不安全发生率小幅变动。
今年之所以能够首次按城市化程度细化分析，是因为2021年以来，盖洛普公司©开始对在各国开展的所有面对面走访进行地理参照处理。2022年，也对电话访问涵盖的国家进行地理参照处理，这些数据足够具有地域代表性，可按城市化程度得出次区域/区域/全球粮食不安全估计数。
如此一来，每个国家的每个地理参照观测对象可与城市化程度数据集联系起来，从而根据欧统局、劳工组织、粮农组织、经合组织、人居署和世界银行制定并获2020年3月联合国统计委员会第五十一届会议批准的国际可比标准，基于人口密度和规模，确定观测对象（受调者）位于城市、镇还是农村地区。20 先计算每个城市化类别的粮食不安全发生率，然后使用欧统局发布的2020年最新城市化程度人口分布数据，进行次区域/区域/全球层面整合。21 对于根据国家数据进行官方粮食不安全统计的国家，同样采用上述用于细化性别数据的近似法。
2022年，粮农组织未收集到中国的粮食不安全体验分级表数据，同时2021年收集到的数据未进行地理参照处理，因此采用近似法，按城市化程度估计中国粮食不安全状况的方法如下：根据盖洛普©世界民意调查的定义，按居住地区细化2021年粮食不安全发生率，请受调者表明居住地区，即农村或农场；小镇或小村庄；大城市或大城市郊区。随后，按城市化程度对受调者进行分类，即生活在农村或农场的人口视为“农村”人口，生活在小镇或小村庄的人口视为“城郊”人口，生活在大城市和大城市郊区的人口视为“城市”人口。城市化程度分类法有据可依，基于人口密度和规模，按城市化水平高低对各个地区进行分类。为确保该方法不引起重大偏差，已通过2022年收集到的其他亚洲国家数据进行验证，结果同样准确。
D．衡量健康膳食成本和可负担性的方法
在世界银行数据小组支持下，粮农组织对健康膳食成本和可负担性指标进行系统监测，并于近期开始在粮农组织统计数据库中发布最新系列。22 已更新2021年估计数（见下文“更新健康膳食成本数据”和“更新健康膳食可负担性数据”部分）。此外，粮农组织定期调整整个数据系列，以不断改进方法，可靠估计健康膳食成本和可负担性指标。
健康膳食成本
健康膳食成本定义为一个有代表性的人将能量平衡保持在2330千卡/日所需食物的最低成本，以各国可获得的最低价食品为准，并遵循能量需求和食物膳食指南提出的膳食建议。膳食指南明确分析了每种食物类别的摄入量建议，广泛代表了各区域情况。尽管健康膳食的选择并不基于营养成分，而是取决于膳食指南，但健康膳食平均可满足近95%的营养需求，因此几乎总能被视为是营养充足型膳食。
健康膳食所需每种食物类别的食品供应量和价格取自世界银行国际比较项目，作为2017年各国平均值。各种食物定义采用国际标准化定义，因此可按食物类别分类，并计算各国达到膳食指南要求的最低成本，作为全年各市场的平均成本。19 健康膳食成本指标使用一个标准菜篮子计算，即“健康膳食篮”，由六种食物类别组成，反映了十份特定膳食指南的共性。健康膳食及相关方法详见Herforth等 （2020，2022）。23, 24
健康膳食可负担性
为测定可负担性，本报告将健康膳食成本与世界银行贫困与不平等数据平台中的国家收入分配数据进行比较。25 其中采用的可负担性衡量标准包括2021年特定国家无力负担健康膳食的人口比例和数量。如健康膳食成本超过一国收入的52%，即视为无力负担。据观察，低收入国家人口收入中食物支出平均占比52%（2017年世界银行国际比较项目国民账户家庭支出数据），因此52%代表收入中可确信留作食物支出的比例。
基于上述阈值，通过比较膳食成本与国家收入分配情况，得到无力负担膳食成本的人口比例。然后，使用世界银行的世界发展指标，将上述人口比例乘以2021年各国人口数量，26 得到特定国家无力负担健康膳食的人口数量。可负担性指标及相关方法详见粮农组织、农发基金、联合国儿童基金会、粮食署和世卫组织 （2020）附件3。27
更新健康膳食成本数据
国际比较项目是目前国际标准化食品零售价格数据的唯一来源，该项目是世界银行为计算世界各国购买力平价汇率所开展工作中的一部分。然而，这些数据每三到五年才发布一次，因此无法用于每年对全球膳食成本进行监测，为各项计划和政策提供指导。由于缺少最新的食品价格数据，本报告利用粮农组织发布的居民消费价格指数，在国际比较项目发布年份的间歇时段更新成本指标。该数据集跟踪国家层面每月综合居民消费价格指数以及食品类居民消费价格指数与基线年份2015年相比的变化。计算年度居民消费价格指数时，取一年之中12项月度居民消费价格指数的简单平均数。食品和非酒精饮料的居民消费价格指数数据被用于更新2021年所有国家的健康膳食成本，但中非共和国和圭亚那除外，对这两个国家采用的是综合居民消费价格指数。估计整个系列（2018-2021年）的健康膳食成本时，将每个国家2017年的实际成本（以当地货币单位表示）乘以居民消费价格指数比率，最后除以购买力平价：
先以当地货币单位更新健康膳食成本，然后使用世界发展指标购买力平价民间消费换算系数，将成本换算成国际美元值，28 以比较各国和各政治实体的成本。方法详见Bai等 （2023）。29
已计算出2017年169个国家和地区的健康膳食成本，并更新了2018-2021年所有国家和地区的成本信息，但安圭拉、蒙特塞拉特和中国台湾省除外，这些地区既没有居民消费价格指数信息，也没有购买力平价信息。在其余166个国家和地区中，有24个国家缺少2018-2021年间所有年份的购买力平价数据，bg 有1个地区缺少居民消费价格指数数据（特克斯和凯科斯群岛）。因此对这24个国家使用外部解释变量整合移动平均自回归模型（ARIMAX）法估计购买力平价。根据世界银行用于推断购买力平价的世界发展指标方法，模型规范包含了一个国家的综合居民消费价格指数与基准国（在本例中为美利坚合众国）居民消费价格指数之间的比率，作为购买力平价数值的关键预测指标。此外，还包含了人均国内生产总值和人均家庭消费支出，作为外部协变量，并酌情对这两个系列采用Holt-Winter平滑法，以填补数据空缺。ARIMAX方法能够为每个国家估算若干模型规范，这些规范中包括自回归分量、积分分量、移动平均线以及三者的组合。如果模型规范中至少居民消费价格指数比率的估计系数具有统计显著性，则该规范被选定为最佳规范，其次是看ARIMAX参数是否有统计显著性。对于随时间推移购买力平价系列显示异常的国家和地区，居民消费价格指数比率是影响购买力平价数值差异的唯一具有统计学意义的系数。相反，对于购买力平价系列波动较小的国家和地区，购买力平价的历史趋势也可用于预测购买力平价数值，以及人均国内生产总值和/或人均支出的系数估计。ARIMAX根据为各个国家/地区选择的最佳规范来计算预测值。
对于一个缺少居民消费价格指数信息的地区（特克斯和凯科斯群岛），使用对应次区域的平均膳食成本来估算成本：
计算次区域平均成本时，特克斯和凯科斯群岛不在计算范围内。
这种用于更新2018-2021年健康膳食成本的方法局限在于，健康膳食成本变化取决于食品类居民消费价格指数，而由于很多营养含量更高的食品缺少新的单项食品价格数据，因此健康膳食的成本变化并不反映具体食品的价格变化，也不反映不同食物类别价格的不同变化。粮农组织正在探索如何扩大具体食品的价格报告范围，以便更频繁、更有力地监测健康膳食成本。
更新健康膳食可负担性数据
本报告更新了2018-2021年的可负担性数据。在已获得2017年成本信息的169个国家和地区中，估计了可从贫困与不平等数据平台数据库中获得收入分配数据的143个国家和地区的可负担性指标。已更新2018-2021年所有国家和地区的可负担性信息，但中国台湾省除外，因为未获得该地区食品类居民消费价格指数信息。
通过基于对不断收到的国家调查和数据估算的持续更新，现在已可获得贫困与不平等数据平台数据库25 中的收入分配数据，并更新很多国家和地区2020年和2021年的数据。为更新这两年可负担性数据，在142个国家和地区中，对78个使用贫困与不平等数据平台数据库中2020年分配数据，对27个使用2021年数据。对于其他国家和地区（2020年64个；2021年115个），贫困与不平等数据平台团队使用世界银行临近预测贫困状况的标准方法，30 通过得到的预测分配数据估计可负担性。31 最后，使用世界银行世界发展指标，将以上述两种方法估计的无力负担健康膳食人口比例乘以每个国家/地区的人口数量，得到无力负担健康膳食人数。最近一次于2023年4月26日估计了可负担性指标。由于贫困与不平等数据平台数据库目前正在对收入分配数据进行持续更新，因此在此日期之后的可负担性估计可能会略有变化。
今年对方法的调整涉及可负担性数据系列。最近发布新的2017年购买力平价后，世界银行采用这些最新的换算系数，以2017年购买力平价表示一系列经济指标，包括贫困与不平等数据平台数据库中的收入分配数据。25 这意味着，不再像往年那样以2011年购买力平价表示可负担性指标，而是改用2017年购买力平价表示。由于改变了基线年份，部分国家的可负担性变化颇大。不过，这一变化也促进了购买力平价质量的提高，可更好反映当前全球经济形势。32 具体而言，由于不再采用2011年购买力平价，而是改用2017年购买力平价表示，七个国家（安哥拉、多民族玻利维亚国、埃及、伊拉克、约旦、圣多美和普林西比、苏里南）无力负担健康膳食的人口比例至少比2021年低7个百分点。相反，加纳和伯利兹分别增加14个和7个百分点。采用2017年购买力平价后，世界银行也发现上述几个国家的贫困率衡量方法出现较大变化。已认真评价这些变化，发现这些变化反映了购买力平价质量的 提高。32 对于其中一些国家，2017年购买力平价依据的价格数据涵盖的商品范围比2011年购买力平价更广泛；对于另一些国家，首次收集2017年价格数据，从而克服了此前购买力平价估算值的局限。对于中等偏上收入国家，如加纳和伯利兹，2011至2017年间成本阈值升高，因此收入跌至阈值以下（即无力负担健康膳食）的人口比例和数量更大。33
E.营养结果的城乡分析方法
第2.3节使用区域估计数及其置信区间，根据用于四项营养指标的城乡人口居住情况进行城乡分析。基于各区域内各国数据的可获得性，对每个区域进行分析。
使用2015至2021年间国家调查所获最新数据进行加权分析。各区域内贡献数据的国家清单见表A2.3；数据来源见表注。
表A2.3 2015 年至2021 年纯母乳喂养国家调查和2016 年至2022 年发育迟缓、消瘦和超 重国家调查为城乡分析贡献营养结果数据的国家和地区
![资料来源：发育迟缓、消瘦和超重数据源自联合国儿童基金会、世卫组织和世界银行。2023。《联合国儿童基金会– 世卫组织– 世界银行：儿童营养不良联 合估计 — 水平和趋势》2023 年版。[2023 年4 月27 日引用]。https://data.unicef.org/resources/jme-report-2023，www.who.int/teams/nutritionand-food-safety/monitoring-nutritional-status-and-food-safety-and-events/joint-child-malnutrition-estimates，https://datatopics.w orld b a n k .org /child - m aln utritio n；纯母乳喂养数据源自联合国儿童基金会。2022。婴幼儿喂养。参见：联合国儿童基金会。[2023 年4 月6 日引用]。 https://data.unicef.org/topic/nutrition/infant-and-young-child-feeding](../img/CC3017ZH_SOFI_tabA2-3.jpg)
所列区域城乡结果基于对一小部分国家的人口加权分析得出。通过使用2015至2021年间国家调查所获纯母乳喂养最新数据，以及2016至2022年间国家调查所获发育迟缓、消瘦和超重最新数据，可按居住地区细化这些国家的数据。仅在不同居住地区的区域估计数覆盖50%或以上农村或城市定居人口时，才列出区域城乡估计数。计算人口覆盖率时，将可从特定年份范围内家庭调查中至少获得一个数据点的国家五岁以下儿童人口相加，除以区域内所有国家五岁以下儿童人口总数。
F．评估区域和全球层面营养目标实现进展的方法
下文介绍本报告第2.3节表6所列结果的相关方法说明。表6介绍了区域和次区域层面对2030年营养目标实现进展的评估情况。评估进展时所参照的依据，一个是联合国儿童基金会/世卫组织制定的2030年营养目标34 ，另一个是世卫组织/联合国儿童基金会营养监测问题技术专家咨询小组针对尚未制定2030年目标或进展评估规则的所有指标的修订版 规则35 。
为确定对每项指标和每个区域采用哪个进展评估类别，首先计算了两个不同的年平均下降率（AARR）bh；（1）各区域达到2030年目标所需AARR；（2）各区域迄今已实现的实际AARR。然后，使用迄今已实现的实际AARR，同时参考所需AARR，确定各区域归入哪个进展评估类别。每个类别和每项指标适用的AARR区间和发生率阈值参见表A2.4，简述如下：
- 有望实现：区域*-实际AARR高于所需AARR，归为目标“有望实现”（绿色）。表A2.4列出的每项指标最新发生率的静态阈值，也用作区域“有望实现”的归类标准。例如，最近年份超重发生率低于3%的任何区域，即使实际AARR低于所需AARR，仍视作“有望实现”。
- 无法实现：区域实际AARR低于所需AARR，并且最近年份发生率高于表A2.4列出的“有望实现”的静态阈值，视作“无法实现”。“无法实现”类别下根据不同指标又被细分为不同子类。对于儿童发育迟缓、儿童超重和儿童消瘦这三项指标，“无法实现”项下分为三个子类：“无法实现 — 有些许进展”（黄色）、“无法实现 — 无进展”（浅红色）和“无法实现 — 恶化”（深红色）。对于低出生体重和纯母乳喂养，“无法实现 — 无进展”（浅红色）和“无法实现 — 恶化”（深红色）两类并为一类，即“无法实现 — 无进展或恶化”（橙色），因为当前进展差别不大，无需分为两类。
- 无法评估：对于基于国家模拟数据的指标（儿童发育迟缓、儿童超重、低出生体重），之所以可对所有区域进行评估，是因为可以获得所有国家的模拟估计数，这意味着有足够的数据用于生成所有区域和所有年份具有代表性的估计数。对于无法获得国家模拟估计数的指标（儿童消瘦和纯母乳喂养），则无法对人口覆盖率低于50%的区域进行评估（见表A2.4注16和注17）。
表A2.4 全球营养目标实现进展评估规则
1. 对于低出生体重和纯母乳喂养，“无法实现 — 无进展”和“无法实现 — 恶化”两类并为一类，即“无法实现 — 无进展或恶化”，因为当前进展差别不大，无需分为两类。
2. 对于纯母乳喂养，实际目标是纯母乳喂养发生率（六月龄内）到2030年增至70%；然而，为反映非纯母乳喂养发生率，本报告做了调整，以便像其他六项目标那样适用AARR的概念。
3. 所需AARR基于2012至2030年间发育迟缓儿童数量减少50%所对应的发育迟缓发生率变化，同时参考联合国《世界人口展望》估计的人口增长数量。计算实际AARR时，使用2012至2022年间所有年份数据。
4. 2022年发育迟缓发生率点估计或95%以下置信区间小于3%的区域，视为有望实现。
5. 所需AARR基于超重或消瘦发生率从2012年基线发生率降至2030年的3%所需变化。计算实际AARR时，使用2012至2022年间所有年份数据。注意，对于消瘦，使用《儿童营养不良联合估计》未公布的趋势估测生成实际AARR。
6. 2022年超重或消瘦发生率点估计小于3%的区域，视为有望实现。
7. 所需AARR基于2012（基线年份）至2030年间低出生体重发生率降低30%所需变化。由于目标要求基线值相对变化（降低30%），因此所有区域都需达到1.96的AARR。计算实际AARR时，使用2012至2020年间所有年份数据。
8. 2020年低出生体重发生率点估计低于5%的区域，视为有望实现。
9. 所需AARR基于2012（基线年份）至2030年间非纯母乳喂养发生率降至30%所需变化。计算实际AARR时，仅使用2012和2021两年的估计数，其中区域平均数经人口加权处理，2012年估计数采用2005至2012年间各国最近年份估计数，2021年估计数采用2016至2021年间最近年份估计数。
10. 2021年非纯母乳喂养发生率点估计小于30%（即纯母乳喂养发生率高于或等于70%）的区域，视为有望实现。
11. 发育迟缓、超重和低出生体重这三项指标的全球数据库基于国家模型，这些模型可提供所有国家年度估计数，用于生成区域和全球估计数（即对于没有任何家庭调查数据的国家，即使国家模拟估计数未公布，并且只用于生成全球和区域估计数，也可提供年度估计数），因此可评估所有区域的进展。
12. 对于缺少任何2022年以后年份输入数据（例如家庭调查数据）用于国家模型的国家，或模拟估计数仍待最终审核的国家，不予评估儿童发育迟缓和超重目标实现进展。
13. 对于人口覆盖率低于50%的区域，无法进行消瘦进展评估。计算人口覆盖率时，先将1990至2020年间至少有一个家庭调查数据点的国家五岁以下儿童人口相加，然后除以区域所有国家五岁以下儿童总人口。由于采用次区域模型得出消瘦估计数，1990至2020年间只要具备任意一年的数据就计入区域人口覆盖率。
14. 对于2005至2022年间不具备至少两个数据点（例如家庭调查）并且其中至少有一个数据点年份晚于2012年的国家，不予评估儿童消瘦目标实现进展。
15. 2012年和/或2021年区域国家调查数据中人口覆盖率低于50%时，无法评估纯母乳喂养目标实现进展。计算2012年人口覆盖率时，先将2005至2012年间至少有一个家庭调查数据点的国家五岁以下儿童人口相加，然后除以区域所有国家五岁以下儿童总人口。计算2021年人口覆盖率时，将2016至2021年间至少有一个家庭调查数据点的国家五岁以下儿童人口相加。
资料来源：采用以下渠道信息编制：世卫组织和联合国儿童基金会。2017。《2025年全球营养目标进展监测方法 — 技术报告》。世卫组织和联合国儿童基金会。2017。
《将孕产妇和婴幼儿营养2025年目标延长到2030年》。世卫组织和联合国儿童基金会。
用于计算各区域迄今已实现的实际AARR的数据年份因指标而异，详见表A2.4注释。计算每个区域的实际AARR时，使用2012基线年份到最新年份间除纯母乳喂养外每项指标的所有估计数构成的趋势线。纯母乳喂养无模拟估计数，仅使用基线年份（2012年）和最近可用年份（2019年）的估计数计算。计算所需AARR时，使用各区域2012年基线发生率和“2030年孕产妇和婴幼儿营养目标”所述目标发生率34 （例如，对于儿童超重，所需AARR为全球每年3.41%，才能从2012年5.6%的基线发生率降至2030年3.0%的目标上）。
