1  

Final Report  

of the project  

Development of Methodology  

towards  

Measurement of Poverty  

 

by  

 

Manoranjan Pal  

and  

Premananda Bharati 

 

 

 

 

Indian Statistical Institute 

203 B. T. Road 

Kolkata 700108 

2  

Foreword and Acknowledgements A national  level project  like  this  cannot be  completed  alone.  This  fact was  realized  from  the beginning and before we started preparing the project proposal a small team consisting of the following members was formed. 

1. Professor Dipankar Coondoo 2. Professor Amita Majumder 3. Professor Manoranjan Pal 4. Dr. Premananda Bharati 5. Dr. Buddhadev Ghosh 6. Dr. Subhendu Chakrabarty 7. Mrs. Saswati Das

I was asked to write the first draft of the proposal. Professor Coondoo gave me some documents to consult with. Other members also helped me  in getting other relevant documents. The first draft was circulated  to other members  in  the  team and everybody gave his/her own  input  to make the report as rich and informative as possible. Professor  Nikhilesh  Bhattacharya  inspired  us  starting  from  the  formulation  of  the  project proposal. The  first draft of  the project proposal was  corrected by him  in  such a manner  that many  valuable  and  necessary  information  had  to  be  incorporated. We  owe  him much.  The project could not have been completed in such a manner without his active cooperation in the beginning of the project formulation. 

Finally the project was given to Indian Statistical Institute (ISI). The Director of ISI made me the Principal  Investigator. He did not, however, constitute any  team. This does not mean  that  the other members disassociated  themselves  from  the project. They helped me  the  same way as they used to help me before. Whenever I convened a meeting to discuss how I should proceed, they would all attend the meeting and give me valuable advice and other help if necessary.  

Mrs. Das helped Ms. Lopamudra Choudhury, the Project Assistant of our project,  in preparing the NSS 55th  round consumption data  to SPSS  friendly  format. Ms. Choudhury prepared many univariate and bivariate tables which helped me in understanding features of the consumption. Ms. Choudhury left the job as she got a better offer. We had to recruit another Project Assistant – Shri Arnab Lahiri. He extracted NSS data of earlier quinquennial rounds and of 61st round to SPSS friendly format. He also  left the job as he got a better offer. But within this short span of time he helped me in computing price data and analyzing these data to some extent. We were left with a very little time. I had to apply for extension of the project period. It was granted and I worked hard to complete the project. The draft report was submitted in September 2008. I was then asked  to make a presentation on 12th November 2009. Professor Suresh Tendulkar,  the then  chairman, National Statistics Commission, Shri K.  L. Dutta,  representative  from Planning Commission, Dr. Rajeev Mehta,  representative  from NSSO Kolkata and many other experts  in this  field  were  present  in  the  seminar.  The  presentation  was  well  acclaimed.  It  should  be mentioned here that there was another presentation of the report on 17 March 2009 at NSSO, Kolkata.  Professor  Pronab  Sen,  CSI  and  Secretary, MoSPI,    Professors  S.P. Mukherjee  and 

3  

Sharmila Banerjee of  University of Calcutta, Professors Bikas K. Sinha, Madhura Swaminathan and  Dipankar  Coondoo  of  Indian  Statistical  Institute  and  many  other  academicians  and scientists were present  in  the Seminar. The  final report  is being submitted after  incorporating the remarks and suggestions made by the members present in these two seminars. 

The  above  story  looks  very  simple.  But  there were  ups  and  downs.  Initially when we were thinking what  type of data would be needed and how we  should proceed with  the data, we consulted many scientists  in the related  fields. We sent the project proposal through email to Professors Angus Deaton of Princeton University and David M. Naiken of Food and Agricultural Organization  (FAO) to get  their valuable advice. Professor Deaton replied us with a  long  letter which was full of valuable advices. We could not fully understand the meaning of some of these in  the  beginning,  but  understood  it more  clearly  only  afterwards,  when  the  results  of  our analysis started coming out. Professor Naiken sent some of his papers which were relevant for our project. We met Professor Subhashish Gangopadhyay of Institute of Development Studies. He had  completed a project on poverty measurement using earlier NSSO data. We got  some valuable tips from him. 

We went  to Nutrition Foundation of  India  (NFI) and  took advices  from Professors C. Gopalan and Prema Ramachandran (NFI). We went to National Institute of Nutrition (NIN) to get an idea how calorie norms are calculated. We met Professors GNV Brahmam, Shiva Kumar, K. V. Rao and Drs.  K. Venkaiah, N. Balakrishna  and Veena  Shatrugna  and  discussed  in  details  various problems  that  one may  face  in  determining  calorie  norms  at  different  age‐sex  groups  and activity  patterns. We  came  to  know  that  the  regional  food  habits may  also  pose  significant problems  towards estimation of calorie norms. Finally,  there are effects of weight, height and other  individual  parameters. We  had  to  go  to  International  Institute  for  Population  Sciences (IIPS)  to  further  our  knowledge.  Professors  T. K. Roy,  F. Ram,  Subrata  Lahiri  and Dr. Kamla Gupta enlightened us  in many aspects. We also met Professors Suresh Tendulkar, Pronab Sen of Ministry of  Statistics  and Programme  Implementation  and Professor  Santosh Mehrotra of Planning Commission. All of  them helped us  and  extended  full  cooperation. We  gained  a  lot from inputs received from different sources. We are indebted to all of them and thankful to all of them, 

We must  have  come  across many  other  persons  during  this  period  and  have  forgotten  to mention their names. We are thankful to all of them. 

 Though  the  report  is being submitted by  two of us,  the contribution of others  is no  less  than that of us.  

 

 (Manoranjan Pal)  

 

(Premananda Bharati) 

4  

 

 Development of Methodology towards  Measurement of Poverty 

 1.1 Introduction:  Ministry  of  Statistics  and  Programme  Implementation  (MoS&PI)  requested  Indian  Statistical Institute  to  take up  a  research project on development of  a  statistical methodology  towards measurement  of  poverty  (vide  letter  no.  D.O.NO.M‐12012/38/2005‐SSD,  dated  19th  October, 2005, from Dr. R.C. Panda, Additional Secretary, MoS&PI, Government of India, addressed to the Director,  Indian Statistical  Institute). This  is  in view of  the  fact  that  the norm of 2400 Kcal  for rural India and 2100 Kcal for urban India for calculation of poverty line was prescribed sometime in the beginning of seventies. It is desirable to know whether these norms still hold good as of now as the consumption pattern as well as the quantum of daily energy requirements might have undergone changes during the last 35 years.   1.2 Review of Literature:  Most of the existing measures of poverty, viz., Head Count Ratio (HCR), Poverty Gap Index (PGI), Squared Poverty Gap Index (SPGI), Sen’s Index of Poverty (SPI), Foster-Greer-Thorbecke Index (FGTPI) etc., depend on the poverty line. In a country like India, where there are large numbers of poor persons absolutely as well as proportionately, it is a luxury to look into the measures other than Head Count Ratio. In this report we shall only concentrate on the head count ratio. One may find the number of poor persons directly by comparing the actual calorie intake with the corresponding norms. It automatically takes care of the income derived in kind. However, it does not take into consideration of non-food items. If we agree that the calorie intake should be the basis of measurement of poverty then direct measurement is obviously superior to the measures, which use poverty line. On the other hand, once the poverty line is determined, one needs only to know the income/total consumption expenditure of the people in the community. Also there is a major controversy on whether we should consider a person to be poor if he does not consume the required food even when he earns enough income to meet the basic requirements. Of course, the poverty line will depend on the price structures, consumption pattern as well as age-sex-occupation composition of household members in each region. One should bear in mind that the estimates of number of poor are to be supplied each year by GOI and the whole process of collection of data and estimation is to be repeated every year if some other short cut method for updating the figures is not devised. It should be clear from the above discussion that there are two basic problems in measurement of  poverty.  First  problem  is  the  identification  of  poor  and  the  second  is  the  aggregation  of available information so as to arrive at a reasonable estimate of degree of poverty.  The complicacies involved in estimating the number of poor persons in India and in the states of India will be more easily understood if we briefly go through the earlier attempts made in this direction. The first attempt to measure absolute poverty in India was made by the working group consisting of eminent economists and other scientists in the social sciences, set up by the Planning Commission in 1962. The recommendations of the Nutrition Advisory Committee of the Indian Council of Medical Research in 1958 on the

5  

minimum calorie requirements were taken for granted for this purpose. The second Task Force (henceforth to be referred as Task Force or TF) was constituted by Planning Commission in 1977. The Task Force submitted the report in 1979 (Government of India, 1979). They have taken the recommendation of the Nutrition Expert Group (1968) on the calorie intake norms according to 14 age and sex categories. The Planning Commission again constituted another Expert Group (henceforth to be referred as Expert Group or EG) in 1989. The report was submitted in 1993 (Government of India, 1993). It should also be mentioned here that there was another investigation carried out by a team consisting of, among others, experts from Indian Statistical Institute in 1996 on this subject. They submitted their report to the Department of Statistics, Government of India in 1997 (Gangopadhyay et al., 1997). The poverty line suggested by the expert group in 1962 was Rs. 20 per capita total expenditure (PCTE)1 per month at 1960‐61 all India prices. The basis for calculating the poverty line was the minimum normative  food basket.  In  this approach a  fixed set of commodities with specified quantities for consumption is taken as norms. This commodity vector is multiplied by the price vector  to  get  the minimum  food  cost.  The  corresponding  per  capita monthly  expenditure  is calculated  on  the  basis  of  observed  relation  between  the  food  expenditures  and  the  total expenditures of the households whose per capita food costs happen to be around the minimum food cost as calculated by the above procedure. Dandekar and Rath (1971) criticized the poverty line because the study group did not make any rural‐urban  distinction.  They  have  recalculated  these  poverty  lines  on  the  basis  of minimum calorie requirements and have found poverty lines to be Rs. 170 per capita per annum for rural households and Rs. 271 per capita per annum  for urban households which comes down after some rounding off to Rs. 15 per capita per month for rural households and Rs. 22.5 per capita per month  for  urban  households  at  1960‐61  prices.  They were  also  aware  that  the  cost  of minimum level of living varies not only between rural and urban areas but also among different states. However,  they assumed,  in  their calculations,  the same minimum calorie requirements for rural and urban areas of different states, which is 2,250 Kcal per capita per day. Common  sense  suggests  that  poverty  line  should  vary  over  regions mainly  because  of  the variations of  the  tastes and preferences and  the price structures over  the  regions. The expert committee  in 1962 did not consider any regional variation  in the estimate of the poverty  line. The  Task  Force  in  1979  recommended  poverty  lines  separately  for  rural  and  urban  areas  at national level. They have suggested Rs. 49.09 in rural areas and Rs. 56.64 in urban areas for the base  year  1973‐74  as  official  poverty  lines.  These  correspond  to  the minimum  daily  calorie requirements  of  2400  Kcal  in  rural  areas  and  2100  Kcal  in  urban  areas.2  Though  the  calorie norms  taken  by  the  Task  Force were  same  for  rural  and  urban  areas,  the  variation  in  the poverty  lines  and  the  daily  calorie  requirements  was  due  to  the  differences  in  age‐sex compositions. For updating  in  subsequent years  the consumption basket  remained  the  same, and only the price changes were taken into consideration.  The  difference  between  the  above  two methods  should  be  noted  here.  In  the  first  case  the consumption basket was pre‐specified. Obviously the consumption basket satisfied the specified uniform calorie norm. In the second case for each age‐sex combination, the average per capita 

                                                            1 Though income is a useful measure of well being of a person, a more direct measure is the consumption expenditure. Per capita total expenditure (PCTE) is taken monthly and may be denoted as MPCTE or MPCE. Consumption expenditure data are more reliable and sTable than income data. 2 To be more precise the daily calorie requirements were worked out as 2435 Kcal for rural and 2095 Kcal for urban areas.

6  

food  items  consumed were  first determined  for different PCTE  classes  and  then  the  calorie intakes  found.  A  relation  between  this  per  capita  calorie  intake  and  the  average  PCTE was obtained for each combination. This relation was used to find the PCTE against the calorie norm. These PCTEs were then averaged to arrive at the poverty  lines. Observe that,  in this case also, the consumption baskets had to be constructed, in the process, from the observed data for each age‐sex category.  Gangopadhyay et al. (1997) took six alternative poverty lines and found the poverty scenario of different regions of India for each line. The six poverty lines are defined as: 

1. OPL:  Poverty  line based on  the official3 norm  and  updated using disaggregated price adjustment suggested by Minhas et al. (1988). 

2. EOPL:  Poverty  line  based  on  the  official  norm  and  updated  using  price  adjustment suggested by Expert Group (1993). 

3. APL: Poverty line based on the alternative norm and updated using disaggregated price adjustment suggested by Minhas et al. (1988). 

4. AIOPL: All India OPL used for all the states/regions. 5. AIEOPL: All India EOPL used for all the states/regions. 6. AIAPL: All India APL used for all the states/regions. 

Ray  and  Lancaster  (2004)  derived  another  set  of  age‐gender  breakdown  of  daily  normative calorie  requirement corresponding  to  the overall per capita calorie norm of 2400 kcal/day  for the average rural Indian. These have been obtained from the website www.MedIndia.net. These figures  are  close  to  the  energy  allowances  recommended  by  an  expert  group  of  the  Indian Council  of Medical  Research  in  2002.  The  corresponding  figures  for  the  urban  India  can  be obtained  from  the above  figures multiplying by 2100/2400. They did not consider  the activity patterns of  the adult  Indians  that affected  the calorie norms much. Ray and Lancaster  (2004) gave four methods to arrive at poverty line from family budget data given the calorie and other nutrient price based expenditure norms. 

1. The official poverty line4 2. The Calorie norm,  i.e., 2400 Kcal per  capita per day  for  rural  India and 2100 Kcal per 

capita per day for urban India. 3. Nutrient price based  food expenditure norm,  i.e., a balanced diet of 2738 Kcal energy 

comprising of 467.53  gms. of  carbohydrate, 66.6  gms of protein  and 66.9  gms of  fat (Gopalan, et  al., 1999). 

4. Nutrient price based total expenditure norm. This  is derived from Nutrient price based food  expenditure  norm  dividing  by  0.7,  because  the  Engel  ratio  for  food  for  a  poor household was found to be 0.7 by them. 

Their proposed procedure  incorporates  the changes  in household size, composition and other characteristics in the calculation of the household specific poverty lines and borrows the idea of Coondoo et al.  (2003)  in which  the unit values of  the major nutrients, namely,  carbohydrate, protein  and  fat  are  estimated  using  a  cross  sectional  household  budget  data  set  on  food expenditure,  total  consumer  expenditure,  quantities  of  nutrient  consumed  and  related variables.  

                                                            3 1973-74 poverty lines were taken as official norm. 4 The official poverty lines for NSS rounds 43 and 50 are the ones reported by Dubey and Gangopadhyay (1998), and for round 55 are the ones used by the Planning Commission [see Government of India (2001), Poverty  Estimates  for  1999‐2000,  Press  Information  Bureau,  Feb.  22.]  to  provide  the  official  poverty estimates for 1999‐2000. 

7  

Deaton and Dreze (2002) observed that the official poverty lines are implausible in many cases. The poverty  lines were much higher  in the urban sectors compared to the corresponding rural sectors in several states. The problem lied, in their opinion, in the use of defective price indices in adjustment of  the poverty  lines over  time. Deaton  (2003) preferred  superlative  indices  like Fishers Ideal Index or Tornqvist Index (Weighted geometric mean of the Laspeyres and Paasches indices where the weights are the budget shares). So far as index of urban prices relative to rural prices  are  concerned,  these  two  formulae  give  almost  the  same  value.  Deaton,  however, estimated  the  poverty  lines  (state  wise  rural,  urban  for  43rd,  50th  and  55th  rounds)  using Tornqvist form starting with the official rural all‐India poverty line for the 43rd round, 1987‐88. Sundaram and Tendulkar (2002) made an entirely independent study and concluded that a large part of  the poverty decline between  the 50th and 55th rounds of  the NSS  (36  to 26%  in  the all India HCR) is ‘real’ and not due to any methodological changes.  So  far  as  prices  are  concerned  the  following  points  should  be  taken  into  consideration  for calculating poverty line. 

(a) The prices over consumer goods vary over regions.  In particular rural and urban prices are different. Also there are state wise variations of prices.  

(b) The prices vary over different expenditure classes. This is due to two reasons: i. The commodity compositions are different for different expenditure groups. ii. Since we are  taking  commodity groups5 price will  change according  to  its quality 

within the group. Thus it is desirable to consider prices for the households having total expenditure less than and around the expected poverty line. In the 55th round data there are 173 separate items on food, beverage,  tobacco,  fuel  items  etc.  Respondents  were  asked  to  report  expenditures  and quantities purchased of these items for both last 30 days and last 7 days. So there are two sets of quantities and implied prices available. 

 1.3 Objective of the Present Study: In  this  study, we propose  to  review  the norms of 2400 Kcal  for  rural  India and 2100 Kcal  for urban  India  for  calculation  of  poverty  line.  We  shall  start  with  the  recommended  dietary allowances including net energy intake in terms of Kilo Calorie per day (kcal/d or simply denoted as Kcal) for different age‐sex groups, which are already available. For example National Institute of Nutrition published dietary guidelines  in 2003  (National  Institute of Nutrition, 2003).  It was prepared  by  the  Working  Group  headed  by  Dr.  Kamala  Krishnaswamy,  Director,  National Institute of Nutrition (NIN). This group of NIN was aided by an Expert Advisory Group of eminent scientists of institutions like CSIR, ICMR, AIIMS, NIN etc. The different groups of Indians consist of men  and women  subdivided by  activity patterns  and  infants,  children, boys  and  girls  sub‐classified by age groups. Thus  it  takes care of age, sex and occupational patterns –  the major three determinants of nutritional requirements. These figures are almost same as those referred by Ray and Lancaster obtained from the website www.MedIndia.net. For this we need the family budget data of the  latest two quinquennial surveys of NSSO along with occupations and activity patterns6 of all the adult members in the household and the latest nutrition/dietary survey data,  if available. NSS employment survey data may help us  in finding 

                                                            5 It is difficult to do away with it. It is not possible to consider all possible types of clothing’s, say. There will be quality differences. Even for food items there are variations with respect to quality. A single commodity ‘rice’ has more than hundred types. 6 It should include information on the number of days worked, the no. of hours worked per day and the intensity of work.

8  

activity  pattern.  It may  also  be  necessary  to  have  data  on  the  percentages  of  pregnant  and lactating women that usually exist at a given point of time.  It should be stressed at the outset that we have no intention of comparing our estimates from NSSO data with those derived from National Accounts Statistics (NAS) data. However, we would like to minimize the difference between the direct and indirect estimates found from NSSO data. The  National  Institute  of  Nutrition  (NIN)  gives  the  “Recommended  Dietary  Allowances  for Indians (Macronutrients and Minerals)” for different age‐sex‐occupation categories (NIN, 2003). “The guidelines promote the concept of nutritionally adequate diets and healthy lifestyles from the time of conception to old age”. These are for maintenance of optimal health. We consider the optimum  levels  suggested by NIN as minimum  requirements. Minimum  requirements are those  quantities,  when  administered  to  one,  does  not  adversely  affect  one’s  health  and efficiencies  and  if  administered  less  than  these  quantities  then  health  and  efficiencies may deteriorate. This  can be achieved by administering much  lower  levels of macronutrients  than the optimal  level. Moreover, due  to other health  reasons, many  Indians do not  consume  the quantities prescribed by NIN.  Even many of  the high‐income‐group persons  do not  consume these  optimal  quantities.  Should we  declare  them  poor?  Of  course  not.  If we  go  by  actual consumption,  then we may  get  an unusually high proportion of poor persons.  The minimum requirements  are,  however,  not  known.  Unless  one  does  a  controlled  experiment,  it  is  not possible  to  find  the  minimum  requirements.  Only  thing  one  can  do  is  to  take  different alternative levels below the prescribed optimum level and see the results.  The above discussions also lead us to the basic question, i.e., whether we should go by actual calorie consumptions or other requirements or we should go by income method. The decision to some extent has to be subjective. It is rather surprising to note that the calorie norms of 2400 Kcal and 2100 Kcal remained same for a long time. State specific age-sex-occupation distribution should be considered to get a weighted average of the calorie requirements. This should be done for rural and urban India separately. Changes have been incurred in calorie requirements of people. There are labor saving devices in agriculture, in travel/transportations, in household work etc. and perhaps same occupations, which required heavy work 30 years ago require moderate work now. Should we use our judgment to decide which occupation is heavy, which moderate and which sedentary? Moreover, do we have data on number of days worked in the year and number of days without work? Perhaps not. Thus, it appears that there is scope of work for fresh estimate of average calorie norm. The age distribution of population has also changed. NSS estimates of  cereals  consumption per person per 30 days have declined over  time, even though absolute poverty has been declining at  the  same  time.  Is  it because other  food  items have become  relatively more  important  in contributing  to calorie  intake? But  it  is more  likely that calorie needs have become lower.  After making a scrutiny of consumption and employment schedules of 50th and 55th rounds of NSS,  it  appears  that  the  consumption  schedule  do  not  give  the  occupation  status  of  each member in the household. It is, however, given age‐group wise in the employment schedule. But the two schedules need not match.  To get a more clear view of the problem let us consider the following formulation of the model: Assume  that  there  are N households  in  a  given  sector  (rural or urban) of  a  given  state. NSS consumption  survey  gives us, besides many other  information,  the  consumption  vector  (q1

(j), q2

(j), …, qk(j))  in quantity  terms and  (v1

(j), v2(j), …, vk

(j))  in value  terms  for k commodity groups of food  for  jth  household.  NIN  on  the  other  hand  gives  the  optimal  calorie,  fat  and  protein 

9  

requirements for each food  item. From this we can find the actual calorie consumption vector (C1

(j), C2(j), …, Ck

(j)) of the jth household. Suppose the total calorie intake of the jth household is C0(j). 

Again,  we  have  the  age‐sex  composition  of  the  household.  According  to  the  calorie requirements of each category as laid down by NIN, we may define the calorie equivalent scale. In which  the  category with highest prescribed  calorie  is given weight 1. Other  categories are given weights  in  comparison with  this  category.  Thus we  calculate  the  total  optimal  calorie consumption of the household. Suppose this is denoted as C00

(j). If C0(j) < C00

(j) then the household may be declared  as poor. The direct  calculation  refers  to  the  counting of poor by  the  above method.  The  indirect  calculation  of  number  of  poor  is  through  the  poverty  line method.  There  is  a relation between the per capita food consumption and the per capita total consumption of the households which  is known as the Engel relation for food. The Engel relation for food  is found using these data for households which are supposed to be poor. These relation  is known to be very stable. We use  this  relation  to  find  the per capita  total consumption  from  the per capita food  consumption.  The per  capita  food  consumption  for  this purpose  is  calculated using  the data on households, which  just meet the optimal calorie requirements. This gives us a poverty line.   

References: 1. Dandekar, V.M. and N. Rath (1971): Poverty in India, Economic and Political

Weekly. Mumbai, Vol. VI, 1 and 2. 2. Deaton, Angus and Dreze, Jean (2002): “Poverty and Inequality in India: A Re-

examination”, Economic and Political Weekly, Sept. 7. 3. Deaton, Angus (2003): “Prices and Poverty in India, 1987-2000”, EPW, Jan. 25. 4. Gangopadhyay, S., L.R. Jain and A. Dubey (1997): “Poverty Measurement and

Socio-economic Characteristics: 1987-88 and 1993-94,” Report submitted to the Dept. of Stat., Govt. of India.

5. Gopalan, C, Sastri B.V. Rama and S.C. Balasubramanian (1999): “Nutritive Value of Indian Foods”, National Institute of Nutrition, ICMR, Hyderabad.

6. Government of India (1979): “Report of the Task Force on Projections of Minimum Needs and Effective Consumption Demand”, Perspective Planning Division, Government of India, Planning Commission.

7. Government of India (1993): “Report of the Expert Group on Estimation of Proportion and Number of Poor”, Planning Commission, Perspective Planning Division.

8. ICMR (2002): Nutrient Requirements and Recommended Dietary Allowances for Indians: A Report of the Expert Group of the Indian Council of Medical Research, New Delhi.

9. Minhas, B.S., L.R. Jain, S.M. Kansal and M.R. Saluja (1988): “Measurement of General Cost of Living for Urban India, All-India and Different States,” Sarvekshana, 12, 1-23.

10. National Institute of Nutrition (2003): “Dietary Guidelines for Indians – A Manual” by National Institute of Nutrition, Indian Council of Medical Research, Hyderabad – 500 007, India, 2003.

11. Ranjan Ray and Geoffrey Lancaster (2004): On Setting the Poverty Line Based on Estimated Nutrient Prices With Application to the Socially Disadvantaged Groups in

10  

India During the Reforms Period, Discussion Paper 2004-09, School of Economics, University of Tasmania.

12. Sundaram, K. and Tendulkar, S. (2002): “Recent Debates on Data Base for Measurement of Poverty in India”, Delhi School of Economics. Presented at joint GOI/World Bank poverty workshop, Delhi, Jan. 2002. Available at http://www.worldbank.org/indiapovertyworkshop.

 

11  

Chapter 2  

Existing Methods of Finding Poverty Rate   

2.1 Introduction The conventional Method of finding the poverty lines is divided into few steps as follows:  

(i) Each  member  in  a  household  is  put  in  the  respective  group  according  to  the  pre‐assigned  age‐sex  groups  and  the  activity  status  of  adult members  prepared  for  this purpose. In addition to it the status of pregnancy and lactation of female members may also be considered. For each age‐sex‐activity  status group  there  is also a pre‐assigned calorie requirement called calorie norm. Calorie norm of a household is determined by adding the calorie norm of each member of the household.  

(ii) For a given region the proportion of population  in each age‐sex‐activity status group  is found. The average calorie norm of the region (may be termed as Calorie Line) is found by taking the weighted mean of the calorie norms of each category of members where weight  is  taken as proportional  to  the  total population  in  that category.  It  is assumed that the poverty line of the region is a function of the calorie line. The poverty line of the region  is  thus based on  this  calorie  line. The  regions  taken  in  India  are  the  rural  and urban sectors of each state. Overall calorie lines of rural and urban India are also found. 

(iii) Actual Calorie consumption of the household is calculated by adding the calorie of each food  item  consumed  by  the  household.  This  is  done  by  using  the  calorie  conversion factor  of  each  item which  is  defined  as  the  calorie  content  of  one  unit  of  the  item. Naturally to find the calorie intake of the household one should have data on quantities of food items consumed by the household. 

(iv) It  is  assumed  that  calorie  intake  or  more  precisely  per  capita  calorie  intake  of  a household  is directly related with the per capita food expenditure and  in turn with the per  capita  total  expenditure  of  the  household.  In  practice  the  two  steps,  i.e,  finding relation between per capita calorie intake and the per capita food expenditure and then between per capita food expenditure and the per capita total expenditure are merged and  only  the  relation  between  per  capita  calorie  intake  and  the  per  capita  total expenditure  is  found.  The  relation  is  established  for  different  expenditure  groups  to make it as realistic as possible. The Poverty line is the per capita total expenditure which corresponds  to  the  calorie  norm  of  the  concerned  population.  This may  be  done  for each  state  separately  for  rural  and  urban  regions.  Since  per  capita  Calorie  intake  is viewed as a  function of  the per capita  total expenditure,  the poverty  line  is  found by inverse interpolation method. 

It  should  be  noted  here  that Official  Poverty  Line  in  India  is  not  found  by  the  conventional method. Rather it is found by projecting the poverty line from the base year poverty line to the current  year  poverty  line  using  the  relevant  price  indices.  The  base  year  poverty  rates were found by a method which is similar to the conventional method.    2.2 Justification of taking Calorie Norm of a Region by the above method Calorie line can also be computed by taking average of calorie norms of all the households. If the two calorie  lines coincide  then  there  is no problem. Otherwise questions may arise about  the choice of the appropriate calorie line. Fortunately it can be proved that the two calorie lines are 

12  

same.  To  prove  this,  assume  that  there  are  N  households  in  the  community  and  the  ith household has i1, i2, … ik, …, iK, members in the K categories. The calorie norms of the categories are C1, C2, … Ck, …, CK, respectively. The calorie norm of the ith household can be expressed as 

           

                                                                

and the average of these calorie norms  is   =   =   =  , 

which proves the proposition.   2.3 The Proposed Calorie Norms  A detailed procedure on the calculation of Human Energy Requirements can be found in the important publication of the final report of the Joint FAO/WHO/UNU Expert Consultation on Human Energy Requirements, convened in October 2001 at FAO headquarters in Rome, Italy7. They estimated the human energy requirements from measures of energy expenditure plus the additional energy needed for growth, pregnancy and lactation. “Energy requirement8 is the amount of food energy needed to balance energy expenditure in order to maintain body size, body composition and a level of necessary and desirable physical activity consistent with long-term good health.” However since there are interpersonal variations, the mean level of dietary energy intake of the healthy, well-nourished individuals who constitute that group has been recommended as the energy requirement for the population group. Average energy requirements of infants from birth to 12 months, children and minors for each age in years, adults and elderly persons of each age group are given in the report. They also supply the daily energy requirements of mothers during pregnancy and lactation. Since NSSO consumption data usually do not cover information of mothers about pregnancy and lactation period, it is not possible for us to incorporate it in this report. It is also necessary to have information on the lifestyles of adults in relation to the intensity of habitual physical activity. All adults are put in one of the three categories (i) sedentary or light activity lifestyle, (ii) active or moderately active lifestyle and (iii) vigorous or vigorously active lifestyle. Total Energy Expenditure (TEE) will be different for different lifestyles. The basis of calculation in each of these groups is the basal metabolic rate (BMR). It is defined as the amount of energy used for a person while at rest during a period of time. BMR mainly depends on the age, gender, body size, and body composition of the

                                                            7 http://www.fao.org/docrep/007/y5686e/y5686e01.htm#TopOfPage. Henceforth this report will be referred to as ‘FAO report’ or ‘report of FAO’. 8 The procedure for measuring Total Energy Expenditure (TEE) is through experiments like Doubly Labeled Water technique (DLW), Heart Rate Monitoring (HRM). When experimental data on total energy expenditure are not available, factorial calculations based on the time allocated to activities can be adopted. Factorial calculations combine the energy spent on different components or activities like sleeping, resting, working etc. that are performed habitually.

13  

individual. The energy spent during sedentarily, moderately or vigorously active life style will thus be more than BMR. The TEE of a person can be expressed as constant time of BMR, known as Physically Active Level (PAL). It is the TEE for 24 hours expressed as a multiple of BMR, and is calculated as TEE/BMR for 24 hours. The energy requirements of infants and children are the average values of the groups of infants and children and may be considered to represent the moderately active individuals. For adults also it may seem to be appropriate to take persons with moderately active lifestyle because they are the representative groups being in the middle of the other two groups namely with sedentary and vigorously active lifestyle. However sedentary lifestyles are increasing in most societies owing to the access to effort saving technology. We have automobiles and buses for transportation. Many time- and effort- saving devices are used in the day to day household works. In the work places there are electronic and mechanical devices to save our time and hard work. More and more efficient machines for plowing the land, building houses, construct roads etc. have been invented. Thus the proportions of persons with sedentary lifestyles are much more than what it was about 10 or 20 years back. Also, the information on the lifestyles of the members in the families are not available for any of the NSS rounds. The process of finding the activity level from the occupation group in most cases is somewhat fuzzy. Thus it is best to take all adults as sedentary. The energy  requirements of  infants during  the  first year of  life are given  in  the  report of FAO (Table 2.1). As mentioned earlier,  infants need extra calorie for growth. The amount of energy deposition in the tissues during growth (Eg) is shown in column (4) and (9) respectively for boys and girls in Table 2.1. The average weight of boys and girls given in the report will not be same as in India. Indian Council of Medical Research (ICMR, 2004) has carried out a similar study in India. They have found the average weight of infants of age 0-5 months and 6-11 months (i.e., first and second six months of the first year of life) as 5.4 Kg. and 8.6 Kg. respectively. Since there were not much difference in the average weights between boys and girls, the average figures were given after combining boys and girls. A simple calculation taking average over six months of daily energy requirements per kg. of body weight (columns (6) and (11) in the Table 2.1) separately for boys and girls leads to the daily energy requirements as 93 and 92 kcal/d/kg respectively during the first six months of their lives. The corresponding figures in the next six months are 80 and 79 kcal/d/kg respectively. The difference in the daily energy requirements between boys and girls is not much and can be safely taken to be as 93 and 82 respectively. The corresponding figures given by ICMR are 108 and 98 which are much higher than these figures.

Table 2.1. Energy Requirements of Infants During the First Year of Life Boys Girls

TEE Eg Daily energy requirements

TEE Eg Daily energy requirements

Age in months Weight

Kg. Kcal/d Kcal/d Kcal/d Kcal/d/kg

WeightKg.

Kcal/d Kcal/d Kcal/d Kcal/d/kg(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) 0-1 4.58 306 211 518 113 4.35 286 178 464 107 1-2 5.50 388 183 570 104 5.14 356 161 517 101 2-3 6.28 457 139 596 95 5.82 416 134 550 94 3-4 6.94 515 53 569 82 6.41 469 68 537 84 4-5 7.48 563 45 608 81 6.92 514 57 571 83 5-6 7.93 603 36 639 81 7.35 552 47 599 82

14  

6-7 8.30 636 17 653 79 7.71 584 20 604 78 7-8 8.62 664 16 680 79 8.03 612 17 629 78 8-9 8.89 688 14 702 79 8.31 637 15 652 78

9-10 9.13 710 21 731 80 8.55 658 18 676 79 10-11 9.37 731 21 752 80 8.78 679 15 694 79 11-12 9.62 753 22 775 81 9.00 698 14 712 79

* Eg: energy deposition in tissues during growth. We now turn to the requirements of children and minors of ages 1 to 17 years lbd9. In this case also we take sum of the TEE and energy deposition in tissues during growth. Observe that the amount of energy deposition is very less compared to the TEE and gradually diminishes to zero as the age of boys and girls increase.

Table 2.2. Energy Requirements of Boys and Girls at Different Age Groups: FAO

Boys Girls Weight TEE Eg* Daily energy

requirements Weight

kg TEE Eg* Daily energy

requirements

Age years

Kg Kcal/d Kcal/d Kcal/d Kcal/d/kg Kg Kcal/d Kcal/d Kcal/d Kcal/d/kg(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) 1-2 11.5 934 14 948 82.4 10.8 851 14 865 80.1 2-3 13.5 1117 11 1129 83.6 13.0 1035 12 1047 80.6 3-4 15.7 1240 12 1252 79.7 15.1 1145 11 1156 76.5 4-5 17.7 1349 11 1360 76.8 16.8 1231 10 1241 73.9 5-6 19.7 1456 11 1467 74.5 18.6 1320 10 1330 71.5 6-7 21.7 1561 12 1573 72.5 20.6 1415 13 1428 69.3 7-8 24.0 1679 14 1692 70.5 23.3 1537 17 1554 66.7 8-9 26.7 1814 16 1830 68.5 26.6 1678 21 1698 63.8

9-10 29.7 1959 19 1978 66.6 30.5 1831 23 1854 60.8 10-11 33.3 2128 22 2150 64.6 34.7 1981 25 2006 57.8 11-12 37.5 2316 25 2341 62.4 39.2 2123 25 2149 54.8 12-13 42.3 2519 29 2548 60.2 43.8 2250 26 2276 52.0 13-14 47.8 2737 33 2770 57.9 48.3 2355 24 2379 49.3 14-15 53.8 2957 33 2990 55.6 52.1 2430 19 2449 47.0 15-16 59.5 3148 30 3178 53.4 55.0 2478 12 2491 45.3 16-17 64.4 3299 24 3322 51.6 56.4 2499 5 2503 44.4 17-18 67.8 3396 15 3410 50.3 56.7 2503 0 2503 44.1

*. Eg: energy deposition in tissues during growth.

It is again a simple exercise to find the daily energy requirements for Indian children for different age groups as given by ICMR. The results are presented in Table 2.3.

Table 2.3. Energy Requirements of Boys and Girls at Different Age Groups: A Comparison Between FAO and ICMR Estimates

Boys Girls

Daily energy requirements Daily energy requirements Age groups Body weight FAO ICMR

Body weight FAO ICMR

Kg. Kcal/d/kg Kcal/d Kcal/d Kg. Kcal/d/kg Kcal/d Kcal/d (1) (2) (3) (4) (5) (6) (7) (8) (9)

                                                            9 Last birth day.

15  

0-5 months 5.4 93 502 583 5.4 92 497 583 6-11 months 8.6 80 688 843 8.6 79 679 843

1-3 years 12.2 82 1000 1240 12.2 79 964 1240 4-6 years 19.0 75 1425 1690 19.0 72 1368 1690 7-9 years 26.9 69 1856 1950 26.9 64 1722 1950

10-12 years 35.4 62 2195 2190 31.5 55 1733 1970 13-15 years 47.8 56 2697 2450 46.7 47 2195 2060 16-17 years 57.1 51 2912 2640 49.9 44 2160 2060

One can compare our values with that given by ICMR (Columns (5) and (9) of the Table 2.3. ICMR values are higher for boys up to 12 years and for girls up to 15 years. After that ICMR recommendations are less than those obtained from FAO recommendations. We shall see the position of different states in India for both the cases to see whether there is any difference between the two estimates. In order to calculate daily energy requirements for adults it is necessary to consider the three groups of persons with respect to lifestyles. The Intensity of Habitual Physical Activity, or PAL values for each of these groups are given in the Table 2.4.

Table 2.4. Classification of Lifestyles in Relation to the Intensity of Habitual Physical Activity, or PAL

Category PAL value Sedentary or light activity lifestyle 1.53 Active or moderately active lifestyle 1.76 Vigorous or vigorously active lifestyle 2.25

Though the BMR values are given in the FAO report for different mean weights such as 50 kg., 55 kg., 60 kg., 65kg., etc. separately for men and women, we shall consider only the average weight of 60 kg. for men and 50 kg. for women as has been considered by ICMR. We multiply the BMR by the PAL values to get the TEE per kg. weight. This is then multiplied by the average weight to get the TEE of an individual. Physical growth, more or less, stops as soon as a person reaches adulthood. This TEE is same as the daily energy requirement since no extra energy is necessary for growth.

Table 2.5. Daily Energy Requirements for Men and Women in India Men Women

Daily energy requirements

Daily energy requirements

Mean weight

BMR

FAO ICMR

Mean weight BMR

FAO ICMR

Age group

Lifestyle

Kg. Kcal/d/kg

Kcal/d

Kcal/d/kg

Kcal/d Kg. Kcal/d/kg

Kcal/d

Kcal/d/kg

Kcal/d

(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12) Sedentary 60 2479 41.3 - 50 1912 38.2 - Moderate 60 2851 47.5 - 50 2200 44.0 -

18-29.9

Heavy 60

27

3645 60.7 - 50

25

2812 56.2 - Sedentary 60 2387 39.8 - 50 1912 38.2 - Moderate 60 2746 45.8 - 50 2200 44.0 -

30-59.9

Heavy 60

26

3510 58.5 - 50

25

2812 56.2 - 60 or more Sedentary 60 22 2020 33.7 - 50 22 1683 33.7 -

16  

Moderate 60 2323 38.7 - 50 1912 38.2 -  Heavy 60

 2970 49.5 - 50

 2475 49.5 -

Sedentary 60 2367 39.4 2425 50 1882 37.6 1875 Moderate 60 2722 45.4 2875 50 2165 43.3 2225

18 or more

Heavy 60

25.8

3480 58.0 3800 50

24.6

2768 55.4 2925 The mean BMR values are different for different age groups as well as for different mean weights. Since the mean weights have been fixed, we need only to consider different age groups i.e., 18 to 29.9 years, 30 to 59.9 years and 60 years or more. The weighted average of the BMR values, where weights are proportional to the population sizes of the respective age groups, is computed separately for males and females and for different lifestyles. The Table 2.5 presents the daily energy requirements for 60 kg. and 50 kg. respectively for males and females along with the recommended values of ICMR. It can be seen from the table that the average daily energy requirements for men and women are very close to the values corresponding to the age groups 30 to 59.9 years. The ICMR recommendations are slightly higher in all cases except for women with sedentary lifestyle. Table 2.6 gives the summary of daily energy requirements for males and females at all age groups. In order  to  find  the average daily  calorie  requirement different  committees and groups were formed  from  time  to  time.  The  Task  Force  on  Projection  of Minimum  Needs  and  Effective Consumption Demand set up by the Planning Commission  in 1979 has used the Calorie Norms proposed by  the  Indian Council of Medical Research  (ICMR) prior  to 1979. The Expert Group, also  set  up  by  the  Planning  Commission,  has  used  a  different  calorie  norm. However  all  the proposed  calorie  norms  are  very  close  to  one  another.  The  calorie  norms  and  the weighing diagrams are summarized  in the Table 2.7. It should be mentioned here that the calorie norms given  under  the  column  heading  of  ICMR  (2002)  are  the  latest  norms  found  so  far.  The differences  in the calculated calorie  lines calculated from the values given  in the Table 2.7 are thus due to two reasons, (i) the differences  in the calorie norms and (ii) the differences  in the weighing  diagram. We  shall  fix  the  weighing  diagram  as  found  from  Census  2001  and  the weighing of the activity status proportional to those taken by the Expert Group and calculate the Calorie lines to see whether there are differences in these values. This will give us an idea about the effect of the calorie norms on the calorie lines. 

Table 2.6. Energy Requirements at Different Age Groups Separately for Males and Females: A Comparison between FAO and ICMR Estimates

Males Females Females/Males

Daily energy requirements

Daily energy requirements

Body weight

FAO ICMR Age groups

Body weight

FAO ICMR

Body weight

FAO ICMR Kg. Kcal/d Kcal/d Kg. Kcal/d Kcal/d - - -

(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) 0-3y 10.5 865 1064 10.5 839 1064 1.00  0.97  1.00 4-6y 19.0 1425 1690 19.0 1368 1690 1.00  .96  1.00 

7-12y 31.1 2025 2070 29.2 1727 1960 0.95  0.86  0.95 13-18y 57.1 2912 2640 49.9 2160 2060 0.87  0.74  0.78 

19 or more 60.0 2367 2425 50.0 1882 1875 0.83 0.89 0.77  2.4 Calorie Poverty Rates 

17  

Table  2.7  gives  the  energy  requirements  at  different  age‐sex  combination  groups. We  can compare between FAO, ICMR, the Task Force and the Expert Group estimates presented in the table. Using  this  estimates  one  can  calculate  the  calorie  lines  (Table  2.8).  In  addition  to  the calorie  lines Table 2.8 also gives us  the proportion of persons below  the  calorie  line  (may be termed  as  Calorie  Poverty  Rate  or  simply  the  Calorie  Poverty)  by  direct  comparison  of households’ total calorie intakes with the calorie line (Columns 9, 10 and 11) assuming that all adults  are  at  sedentary  level.  Column  (12)  is  found  by  combining  the  rural  and  urban proportions given in columns (9) and (10), i.e., weighted mean of columns (9) and (10) weights being proportional to the rural and urban population of 2001. Since there is not much difference between the values  in columns (11) and (12) one can take any of these columns as the calorie poverty  of  India.  There  are  considerable  differences  in  the  calorie  lines  found  by  different methods which  is  reflected  in  the  calorie poverty. Thus  the  calorie norms matter much. One should use FAO and  ICMR calorie norms because  these are  the  latest calorie norms available. Calorie  lines for urban  India have been found to be more than those of rural  India. Hence the same  is  true  for  the  Calorie  Poverty. When  activity  status  is  considered  the  calorie  lines  are inflated and so are the calorie poverties (Table 2.9). However,  in this case the urban poverties are found to be less than rural poverties. Thus one of the reasons for differences between rural and urban poverties  is  the activity  status and  it  should be  considered  in any analysis while calculating poverty ratios.    

18  

Table 2.7. Energy Requirements of age-sex combination at Different Age Groups: A Comparison between FAO, ICMR, the Task Force and the Expert Group Estimates

Daily energy requirements Daily energy requirements

Age groups FAO ICMR Task 

Force Expert Group FAO ICMR Task

ForceExpert Group

Age groups taken by the Task Force

Weights taken by the Task Force of the population for 1982-83 (projected) and 27th round NSS Employment data

Age groups taken by the

Expert Group

Weights taken by the Expert Group of ICMR in 1988

Weights taken according to Census 2001

Males Females Rural Urban Rural Urban Rural Urban Year Kcal/d Kcal/d Kcal/d Kcal/d Kcal/d Kcal/d Kcal/d Kcal/d Year Male Female Male Female Year Male Female Male Female Male Female Male Female (1) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12) (14) (13) (15) (16) (17) (19) (18) (20) (21) (23) (22) (24)

0 year 596 713 650 700 588 713 650  700 0 1.360 1.360 1.245 1.245  0 0.92  0.92  0.80  0.80  1.76  1.71  1.29  1.28 1-3 years 1000 1240 1200 1240 964 1240 1200 1240  1‐3  4.105 4.105 3.830 3.830  1‐3  3.68  3.68  2.84  2.84  7.16  7.18  5.55  5.65 4-6 years 1425 1690 1500 1690 1368 1690 1500 1690  4‐6  3.995 3.995 3.765 3.765  4‐6  4.18  4.18  3.28  3.28  8.22  8.03  6.18  6.16 7-9 years 1856 1950 1800 1950 1722 1950 1800 1950  7‐9  3.735 3.735 3.830 3.830  7‐9  3.74  3.74  3.17  3.17  7.74  7.63  6.18  6.3 

10-12 years 2195 2190 2100 2190 1733 1970 2100 1970  10‐12  3.730 3.730 3.830 3.830 10‐12  4.44 3.79 3.91 3.36 8.56  8.05  7.28  7.16 13-14 2.370 2.220 2.360 2.230 13-15 years 2697 2450 2500 2450 2195 2060 2200 2060 13-15 6.52  6.13  6.22  6.36 

16-17 years 2912 2640 2400 2640 2160 2060 1900 2060 3.57  3.26  3.98  3.93 18 year 2367 2425 2800 2640 1882 1875 2200 2060

16-18 6.62 5.69 7.00 6.24

2.81  2.47  2.95  2.67 19 or more sedentary 2367 2425 2400 2425 1882 1875 1900 1875

15 or more sedentary 6.58* 18.41* 22.72* 25.27*

19 or more sedentary 7.05* 18.24* 20.71* 26.47* 13.97

† 37.05† 

40.69† 

56.02† 

19 or more moderate 2722 2875 2800 2875 2165 2225 2200 2225 15 or more

moderate 2.13 0.93 7.72 1.40 19 or more moderate 3.32 1.26 7.05 1.24 6.58† 2.56† 13.85† 2.63†

19 or more heavy 3480 3800 3900 3800 2768 2925 3000 2925 15 or more

heavy 22.63 10.88 3.83 1.470 19 or more heavy 16.71 7.84 2.97 0.87 33.11

† 15.93† 5.83† 1.84†

19 or more total - - - - - - - - 15 or more

total 31.34 30.22 34.27 28.14 19 or more

total 27.08 27.34 30.73 28.58 53.66 55.54 60.37 60.49 

* Weights of non‐workers have been added to the weights of sedentary because they have the same calorie norm  †Weights are proportional to those of Expert Group  

  

19  

Table 2.8: Calorie Lines Assuming All Sedentary Using Census 2001 Populations as Weights and the Corresponding Calorie Poverty Rates by Direct Method Using Individual Multiplier: NSS61  

Calorie Lines  Calorie Poverty Rural India  Urban India  All India  All India 

Method Male  Female  Male  Female Rural  Urban All  Rural  Urban  All 

Rural‐Urban Combined*

(1)  (2)  (3)  (4)  (5)  (6)  (7)  (8)  (9)  (10)  (11)  (12) FAO  2147  1757  2208  1792  1957  2011  1972  0.5084  0.5784  0.5153  0.5162 ICMR  2202  1825  2255  1843  2019  2060  2030  0.5596  0.6162  0.5643  0.5644 

Task Force  2370  1997  2456  2036  2189  2257  2208  0.6831  0.7280  0.6956  0.6956 Expert Group 2208  1830  2262  1848  2024  2066  2036  0.5592  0.5932  0.5693  0.5687 Weight2001  0.5139  0.4861  0.5262  0.4738 0.7218 0.2782 1.0000 0.7218  0.2782  1.0000  1.0000 

* Column (12) is found after combining columns (9) and (10) with weights 0.7218 and 0.2782.   Table  2.9.  Calorie  Lines  Assuming  Census  2001  Populations  as Weights  and  Activity  Status Weight  Proportional  to  Those  of  Expert  Group  and  the  Corresponding  Poverty  Ratios  by Conventional Method Using Individual Multiplier: NSS61  

Rural India  Urban India  All India  All India 

Male  Female  Male  Female Rural  Urban All  Rural  Urban  All Rural‐Urban Combined*

Method 

Calorie poverty lines  Calorie poverty rates (1)  (2)  (3)  (4)  (5)  (6)  (7)  (8)  (9)  (10)  (11)  (12) FAO  2539  1905  2322  1816  2231  2082  2190  .7066  .6255  .6838  .6840 ICMR  2687  2002  2398  1872  2354  2149  2297  .7758  .6721  .7507  .7470 

Task Force  2678  2013  2357  1883  2355  2132  2293  .7762  .6614  .7482  .7443 Expert Group  2693  2006  2404  1877  2360  2154  2302  .7792  .6747  .7535  .7501 Weight2001  0.5139 0.4861  0.5262  0.4738 0.7218 0.2782 1.0000 0.7218  0.2782  1.0000  1.0000 

* Column (12) is found after combining columns (9) and (10) with weights 0.7218 and 0.2782.  2.5 Direct Calculation of Calorie Poverty Rates The direct calculation of calorie poverty  rates  refers  to aggregating  the calorie status of each household by comparing  the actual calorie consumption with  the specific calorie norm of  the household10.  It  is  first  seen whether  the household calorie consumption  is below  the  specific household calorie norm implied by the age‐sex composition of the household.  If it is so then all the  members  in  the  household  are  declared  as  poor.  The  ratio  of  weighted  aggregate  of number of poor persons to the weighted aggregate of total number of persons gives the calorie poverty rate. In practice we define a dummy variable 1 if a person is poor and 0 if the person is non‐poor and compute the weighted mean of the dummy variable. This is given in Table 2.10. 

                                                            10 The specific calorie norm of the household is found by taking the following sum m0003*1064+m0406*1690+m0712*2070+m1318*2640+m19ps*2425+m19pm*2875+m19ph*3800+ f0003*1064+f0406*1690+f0712*1960+f1318*2060+f19ps*1875+f19pm*2225+f19ph*2925 for ICMR and m0003*865+m0406*1425+m0712*2025+m1318*2912+m19ps*2367+m19pm*2722+m19ph*3480+ f0003*839+f0406*1368+f0712*1727+f1318*2160+f19ps*1882+f19pm*2165+f19ph*2768 for FAO, where m and f values are the corresponding numbers of members in the specific age groups.

20  

The estimated poverty ratios can be compared with the direct calorie poverty ratios to get an idea  about  the  discrepancy  of  the  household  behavior  so  far  as  the  consumption  of commodities are concerned.  Table 2.10. Calorie Poverty Rates by the Direct Calculation and the Fixed Calorie Line Method (Conventional Method) Using Individual Multiplier and 2001 Census Weighing Diagram  

Without using activity status  Using activity status 

Direct Method Fixed Calorie Line Method SECT  Group 

NSS 43rd Round11 

NSS 50th Round 

NSS 55th Round 

NSS 61st Round 

NSS 61st Round 

NSS 61st Round 

Year    1987‐88  1993‐94 1999‐2000 

2004‐05  2004‐05  2004‐05 

(1)  (2)  (3)  (4)  (5)  (6)  (7)  (8) ICMR  0.40  0.47  0.50  0.56  0.82  0.78 FAO  0.36  0.42  0.45  0.51  0.76  0.71 

Task Force  ‐  ‐  ‐  ‐  ‐  0.78 Rural 

Expert Group  ‐  ‐  ‐  ‐  ‐  0.78 ICMR  0.50  0.57  0.55  0.62  0.76  0.67 FAO  0.46  0.53  0.51  0.58  0.71  0.63 

Task Force  ‐  ‐  ‐  ‐  ‐  0.66 Urban 

Expert Group  ‐  ‐  ‐  ‐  ‐  0.67  The Table 2.10 clearly shows that the calorie poverty rates by direct method are always higher than those by fixed calorie  line method (compare columns (7) and (8)). The variation of calorie consumption much  below  the  calorie  line will  not  affect  the  calorie  poverty  rate.  So  is  the variation of calorie consumption much above the calorie line. Only marginal households, i.e., the households with  actual  calorie  consumption  close  to  the  calorie  line, will  affect  the  calorie poverty  rate. The number of marginal households  is more  in  the direct methods  then  in  the fixed  calorie  line methods.  Thus  the  poverty  rate  by  the  direct method  is more  sensitive  to changes  in the consumption. Moreover,  it  is  less  likely for the marginal households to  increase the  consumption, whereas  those who  are  supposed  to  lie  above  the  calorie  line may  have reasons  to  consume  less.  The net  effect  is  the  increase of  calorie poverty  rate by  the direct method  compared  to  the  fixed  calorie  line method. Also,  calculation of poverty  rates by  the fixed calorie line method is easier because in this method the per capita calorie consumption of a household is compared with a fixed calorie line and one does not have to compute the poverty line of each household. On the other hand, the calorie line of the household may be very much different from the fixed calorie line because the age‐sex‐activity status of the household may be much  different  from  the  average  age‐sex‐activity  pattern  of  all  the  households.  The  direct method thus seems to be superior to the fixed calorie line method in this respect.  Urban poverties are  found  to be more when activity  levels of adults are not  considered. This does  not  seem  to  be  possible.  Activity  status  should  be  considered.  There  are mainly  two reasons  for differences  in  the poverty  rates between  rural and urban  sectors. The  first  is  the differences of consumptions due to the differences of incomes. The MPCE of urban households is certainly more than the MPCE of rural households and it is expected that the households with                                                             11 In the NSSO 43rd round data multiplier was missing for 1054 households and multiplier was ‘0’ for 4 households.

21  

more  income will  consume more  food.  But  our  findings  nullify  it.  The  second  reason  is  the differences of  consumptions due  to differences  in  the activity  status. Our  findings  support  it. One  can  further  investigate whether  less  calorie  consumption  in  the urban  areas  are due  to price differences. This is discussed in the latter chapters. One  can  also  observe  from  Table  2.10  that  the  direct  calorie  poverty  has  systematically increased  over  the  time.  This  is  incomprehensible.  One  would  expect  just  the  opposite  to happen. One of the reasons is that the activity status is not considered in calculating the poverty line and also a fixed weighing diagram corresponding to the 2001 population census has been used throughout. To take care of this deficiency, we recalculate the poverty norms for each age‐sex‐activity group by  taking  the same set of groups  for all  the periods and using  the available weighing  diagram  nearest  to  the  time  point.  Task  Force  calorie  norm  is  weighted  by  the population  (projected)  of  1982‐83  and  27th  round  NSS  Employment  data,  The  Expert  Group norms are weighted by  the  same weights  taken by  the Expert Group. The FAO and  the  ICMR norms have weights proportional  to  the population of  2001 Census  for  age  groups up  to  18 years and proportional  to  the weights as  taken by  the Expert Group  for age groups above 18 years. The norms have been approximated to the nearest multiples of 5. The final calorie norms, thus obtained, are given in the Table 2.11.  Table 2.11. Recalculated Age‐Sex‐Activity Status Wise Calorie Norms for the Same Set of Age‐Sex‐Activity Status Groups 

Norm → Task Force (TF) Expert Group (EG) FAO ICMR Age-Sex-Activity Status

Groups Male  Female Male  Female Male  Female Male  Female

0-3 years 1060 1060 1120 1120 865 840 1065 1065 4-6 years 1500 1500 1690 1690 1425 1370 1690 1690

7-12 years 1950 1950  2080 1960  2025 1725 2070 1960 13-18 years 2580 2100 2550 2060 2910 2165 2640 2060

19 or more sedentary 2400 1900 2425 1875 2365 1880 2425 1875 19 or more moderate 2800 2200 2875 2225 2720 2165 2875 2225

19 or more heavy 3900 3000 3800 2925 3480 2770 3800 2925   Values are approximated to the nearest multiples of 5.  Observe that calculation of calorie poverty rates by direct method does not need any weighing diagram  of  the  population.  This  is  automatically  taken  care  of  by  the multiplier  of  each member  (may  be  termed  as  individual multiplier), which  is  the  product  of  the  household multiplier and the household size. We now calculate the Calorie Poverty Rates of different NSS rounds taking these norms by direct method12.                                                              12 The specific calorie norm of the household is found by taking the following sum for calculation of Calorie Poverty Rates by the direct method: Task Force: m0003*1060+m0406*1500+m0712*1950+m1318*2580+m19ps*2400+m19pm*2800+m19ph*3900+ f0003*1060+f0406*1500+f0712*1950+f1318*2100+f19ps*1900+f19pm*2200+f19ph*3000 

Expert Group: _m0003*1120+m0406*1690+m0712*2080+m1318*2550+m19ps*2425+m19pm*2875+m19ph* 3800+f0003*1120+f0406*1690+f0712*1960+f1318*2060+f19ps*1875+f19pm*2225+f19ph*2925 

FAO:  

22  

 Table  2.12.  Calorie  Poverty  Rates  of  Different  Rounds  of NSS  by  the  Direct Method  using Activity Status and Individual Multiplier with Calorie Norms as in Table 2.12 

43th Round  50th Round  55th Round  61st Round  Sector  TF  EG  ICMR  FAO  TF  EG  ICMR FAO TF  EG  ICMR FAO TF  EG  ICMR FAORural  0.67  0.68  0.68  0.60  0.74  0.75 0.75  0.68 0.76 0.77 0.77  0.70 0.81  0.82  0.82  0.76Urban  0.57  0.60  0.60  0.54  0.63  0.65 0.65  0.60 0.61 0.63 0.63  0.59 0.74  0.76  0.76  0.71All  0.65  0.66  0.66  0.59  0.72  0.73 0,73  0.66 0.72 0.73 0.73  0.67 0.79  0.80  0.80  0.75

 The problem that the calculated calorie poverty rates  increase over time,  is not solved yet. To answer this question, one has to look into the details of the activity status found from National Classification of Occupation made in 1968 (NCO 1968) standards. The correspondence between NCO 1968 and  the activity  status has undergone a  sea  change. The  life  styles have  changed much due  to the  introduction of many work and time saving devices. Many new commodities have come into the market. The tests and preferences on the commodities by the people have changed. The workers who were designated as hard workers have ceased to be so. So are the moderate workers. And  this  is  reflected  in  the  trend of Calorie Poverty Rates  shown  in Table 2.12. Calorie poverty rates show an increasing trend whichever method is used except for urban sector during 50th and 55th rounds of NSS. Table 2.12 also clearly shows that there is not much difference among the three Calorie Poverty Rates  found  by  direct methods,  namely  the  Task  Force,  Expert Group  and  the  ICMR  Calorie norms. This  is because all these norms were based on the then  ICMR calorie Norms. Only FAO estimates differ much from the rest. It thus suffices to compare only ICMR and FAO estimates.  2.5 The Poverty Lines and the Poverty Rates To get  the poverty  line we now see  the correspondence between  the Daily Per Capita Calorie Intake (DPCI) and the (Monthly) Per Capita Consumption Expenditure (MPCE) of Households. For fixed  Calorie  Line method  this  process  is  rather  simple.  One  can make  different  groups  of households according to the MPCE and find the relation between DPCI and MPCE and get the appropriate  value  of  MPCE  corresponding  to  the  average  calorie  norm  derived  from  the individual calorie norms and the weighing diagrams as set from time to time.  Using NSS 61st round data we regress DPCI on MPCE  for each expenditure class separately  for rural and urban sector and the regression coefficients are given in the Table 2.13.   Table 2.13. Results of Linear Regression of DPCI on MPCE by Expenditure Class Separately for Rural Urban sector Using Individual Multiplier: All India, NSS 61st Round Data 

SECT  EXPGRP  Intercept(a) 

Coefficient of MPCE (b) 

0–235  256.9  5.610 235–270  729.2  3.331 270–320  947.0  2.468 

Rural 

320–365  1283.8  1.506 

                                                                                                                                                                                 m0003*865+m0406*1425+m0712*2025+m1318*2910+m19ps*2365+m19pm*2720+m19ph*3480+ f0003* 840+f0406*1370+f0712*1725+f1318*2165+f19ps*1880+f19pm*2165+f19ph*2770 

ICMR: m0003*1065+m0406*1690+m0712*2070+m1318*2640+m19ps*2425+m19pm*2875+m19ph*3800+ f0003 *1065+f0406*1690+f0712*1960+f1318*2060+f19ps*1875+f19pm*2225+f19ph*2925

23  

365–410  907.8  2.521 410–455  1314.9  1.499 455–510  1213.0  1.721 510–580  1280.0  1.617 580–690  2480.7  ‐0.303 690–890  1773.3  0.784 890–1155  1573.1  0.995 

 

    1155+  2518.3  0.255 0–335  565.5  3.030 

335–395  1496.9  0.300 395–485  1422.0  0.603 485–580  1038.8  1.488 580–675  1300.6  0.888 675–790  1643.0  0.411 790–930  2007.5  0.0183 930–1100  1554.5  0.549 

1100–1380  1150.2  0.863 1380–1880  1703.8  0.399 1880–2540  2141.4  0.188 

Urban 

    2540+  2760.5  0.0186 

  

It can be seen from Table 2.13 that the coefficients are very much erratic. It calls for scrutiny of data. We deleted all the households with DPCI ≤ 100 Kcal or ≥ 10000 Kcal and recalculated the regression coefficients which are given in Table 2.14.  

24  

 Table 2.14. Results of Linear Regression of DPCI on MPCE by Expenditure Class Separately for Rural Urban sector Using Individual Multiplier: All India, NSS 61st Round Truncated Data With 100 Kcal < DPCI < 10000 Kcal)    

 Sector 

Expenditure Group 

Intercept (a) 

Coefficient of MPCE (b) 

0–235  473.2  4.578 235–270  747.0  3.264 270–320  947.7  2.468 320–365  1099.8  2.008 365–410  923.2  2.480 410–455  1499.4  1.058 455–510  1187.7  1.766 510–580  1496.7  1.176 580–690  1510.1  1.161 690–890  1810.0  0.721 890–1155  1633.8  0.926 

Rural 

  1155+  2707.4  0.09544 0–335  780.9  2.304 

335–395  1638.0  ‐0.07299 395–485  1433.5  0.575 485–580  1114.5  1.270 580–675  1351.1  0.806 675–790  1601.8  0.465 790–930  1487.6  0.606 930–1100  1563.0  0.535 

1100–1380  1216.8  0.798 1380–1880  1723.3  0.376 1880–2540  1528.6  0.437 

Urban 

  2540+  2625.7  0.01448  The predicted values of DPCI  for  lower and upper boundary points of each expenditure  class separately for rural and urban sector for the truncated data are given in the Table 2.15. This will help us  in  identifying  the exact class  interval containing  the poverty  line.  In  the  ideal case  the predicted  values  of DPCI  at  the  upper  boundary  values  of  each  expenditure  class  should  be equal to that at the lower boundary values of the next expenditure class. Not surprisingly, in our case  it  is not  so.  This will not however  create much problem  in  the  estimation, because  the corresponding predicted values do not differ much for the concerned intervals.  

25  

 Table 2.15. Predicted Values of DPCI at  the Boundary points  and  the Mean Values of  Each Expenditure Class Interval Using the Results of Linear Regression of DPCI on MPCE Separately for Rural Urban sector Using  Individual Multiplier: All  India, NSS 61st Round Truncated Data With 100 Kcal < DPCI < 10000 Kcal)  

      Coefficients  Predicted DPCI Sector  Expenditure 

Groups Mean MPCE 

Intercept 

(a) 

Coefficient of MPCE 

(b) 

At Lower Boundary 

At Upper Boundary 

At Mean 

0–235  199.5  473.226  4.578  473.2  1549.1  1386.5 235–270  253.8  746.961  3.264  1514.0  1628.2  1575.4 270–320  296.6  947.699  2.468  1614.1  1737.5  1679.7 320–365  342.4  1099.837  2.008  1742.4  1832.8  1787.4 365–410  387.7  923.156  2.480  1828.4  1940.0  1884.7 410–455  432.1  1499.399  1.058  1933.2  1980.8  1956.6 455–510  481.6  1187.717  1.766  1991.2  2088.4  2038.2 510–580  543.3  1496.662  1.176  2096.4  2178.7  2135.6 580–690  630.4  1510.056  1.161  2183.4  2311.1  2242.0 690–890  775.0  1810.039  0.721  2307.5  2451.7  2368.8 890–1155  999.9  1633.836  0.926  2458.0  2703.4  2559.7 

Rural 

1155+  1956.6  2707.436  0.09544  2817.6  NA  2894.2 0–335  279.7  780.930  2.304  780.9  1552.8  1425.4 

335–395  368.2  1637.980  ‐0.07299  1613.5  1609.1  1611.1 395–485  441.3  1433.481  0.575  1660.6  1712.4  1687.2 485–580  533.2  1114.463  1.270  1730.4  1851.1  1791.6 580–675  625.8  1351.107  0.806  1818.6  1895.2  1855.5 675–790  730.2  1601.801  0.465  1915.7  1969.2  1941.3 790–930  858.0  1487.592  0.606  1966.3  2051.2  2007.5 930–1100  1014.3  1562.988  0.535  2060.5  2151.5  2105.6 

1100–1380  1226.4  1216.833  0.798  2094.6  2318.1  2195.5 1380–1880  1594.4  1723.298  0.376  2242.2  2430.2  2322.8 1880–2540  2157.2  1528.592  0.437  2350.2  2638.6  2471.3 

Urban 

2540+  4235.6  2625.684  0.01448  2662.5  NA  2687.0  We have also found the quadratic regression of DPCI on MPCE hoping that it would give a better estimate. Even with truncated data the quadratic relation gives somewhat erratic values of the coefficients. But so far as prediction is concerned it will not pose much problem. This time all the households with DPCI ≤ 500 Kcal or ≥ 5000 Kcal are deleted for a better result. The regression coefficients and the Predicted MPCEs are given in Table 2.16.   

26  

 Table 2.16. Predicted Values of DPCI at  the Boundary points  and  the Mean Values of  Each Expenditure  Class  Interval  Using  the  Results  of  Quadratic  Regression  of  DPCI  on  MPCE Separately  for  Rural  Urban  sector  Using  Individual  Multiplier:  All  India,  NSS  61st  Round Truncated Data With 500 Kcal < DPCI < 5000 Kcal)  

Coefficients  Predicted MPCE    Sector 

Expend. Group 

Mean MPCE 

Intercept  

(a) 

Coefficient of MPCE 

(b) 

Coefficient of MPCE2 

(c) 

At Lower Boundary 

At Upper Boundary 

At Mean 

0–235  199.5  331.0  6.933  ‐0.007936  331.0  1522.0   1398.3 235–270  253.8  4182.8  ‐23.759  0.05310  1531.9   1638.8   1573.2 270–320  296.6  ‐5073.3  43.109  ‐0.06841  1579.0  1716.4   1694.7 320–365  342.4  ‐112.0  9.416  ‐0.01129  1745.0   1820.7   1788.4 365–410  387.7  ‐11952.8  69.074  ‐0.08603  1797.8   1905.9   1895.9 410–455  432.1  7117.4  ‐25.011  0.03021  1941.2   1991.6   1950.7 455–510  481.6  ‐5668.7  30.183  ‐0.02942  1973.9   2072.5   2043.8 510–580  543.3  4776.7  ‐10.956  0.01119  2099.6   2186.5   2127.3 580–690  630.4  1197.7  2.098  ‐0.0007131  2174.7   2305.8   2236.9 690–890  775.0  2780.7  ‐1.811  0.001630  2307.1   2460.0   2356.2 890–1155  999.9  590.0  3.008  ‐0.001052  2433.9   2660.9   2545.9 

Rural 

1155+  1956.6  2695.3  0.03978  ‐0.000000571  2740.5    NA   2771.0 0–335  279.7  576.2  4.007  ‐0.003331  576.2   1544.7   1436.3 

335–395  368.2  2133.8  ‐2.960  0.004234  1617.4   1625.2   1618.0 395–485  441.3  ‐1932.7  15.981  ‐0.01756  1640.0   1687.5   1699.9 485–580  533.2  ‐429.4  7.180  ‐0.005646  1724.8   1835.7   1793.8 580–675  625.8  6058.2  ‐14.251  0.01202  1836.1   1915.4   1847.2 675–790  730.2  16116.2  ‐39.319  0.02720  1968.8   2029.7   1908.3 790–930  858.0  6957.6  ‐12.267  0.007551  1979.2   2080.1  1991.3 930–1100  1014.3  ‐437.4  4.060  ‐0.001545  2002.1   2159.2   2091.2 1100–1380  1226.4  3778.8  ‐3.363  0.001682  2114.7   2341.0   2184.2 1380–1880  1594.4  416.3  2.095  ‐0.0005641  2233.1   2361.1   2322.5 1880–2540  2157.2  3735.8  ‐1.607  0.0004674  2366.6   2669.5   2444.2 

Urban 

2540+  4235.6  2559.3  0.01657  ‐0.000000102  2600.7  NA  2627.6 

 From the given Calorie Lines we have found the Poverty Rates using both  linear and quadratic methods. The  linear and quadratic methods almost give same results. The  two results would have been more close if we take the length of each class interval less than what has been taken here or equivalently increase the number of expenditure classes.   

27  

 Table 2.17. Poverty Lines and Poverty Rates by Fixed Calorie Line Method using Linear as well as Quadratic Regression for Interpolation of Poverty Lines Separately for Rural Urban sectors Using  Individual Multiplier: All  India, NSS 61st Round Truncated Data with 100 Kcal < DPCI < 10000  Kcal  for  Linear  Interpolation  and  with  500  Kcal  <  DPCI  <  5000  Kcal  for  Quadratic Interpolation)  

Sector  Method Used Calorie and Poverty Lines and Rates 

FAO  ICMR  TF  EG 

Calorie Line  2231  2354  2355  2360 Conventional  Calorie Poverty Rate 

(Fixed Calorie Line) 0.71  0.78  0.78  0.78 

Direct  Calorie Poverty Rate  0.76  0.82  0.81  0.82 Poverty Line  621.0  754.5  755.8  762.8 Linear Poverty Rate  0.75  0.85  0.85  0.85 Poverty Line  625.5  772.0  773.3  780.2 

Rural 

Quadratic Poverty Rate  0.75  0.85  0.85  0.86 Calorie Line  2082  2149  2132  2154 

Conventional  Calorie Poverty Rate (Fixed Calorie Line) 

0.63  0.67  0.66  0.67 

Direct  Calorie Poverty Rate  0.71  0.76  0.74  0.76 Poverty Line  980.9  1095.3  1063.6  1104.7 Linear Poverty Rate  0.63  0.70  0.68  0.70 Poverty Line  1004.6  1085.1  1062.2  1092.3 

Urban 

Quadratic Poverty Rate  0.64  0.69  0.68  0.69 

   Poverty Rates are still too high to be accepted. The Poverty Rates found by the Fixed Poverty Line Method using  linear  interpolation  are higher  than  the Calorie  Poverty Rates  found by Calorie Line Methods  found earlier  in  this  report  for  rural  India. Almost  the opposite  is  the case for urban India. This anyway is not a solace to us given the fact that all the rates are too high to be acceptable.    

28  

Chapter 3  

New Methods of Finding Poverty Rate: Decomposition of Total Calorie Consumption over Members in the Households 

 3.1 Introduction In this chapter we shall see whether the calorie norms prescribed by FAO differ from the calorie norms  prescribed  by  ICMR with  special  emphasis  to  average  consumption  of  the male  and female members in the households and hence we shall try to find the Poverty Rates. For this we shall first  introduce a novel methodology of finding within house distribution of calorie  intakes in terms of averages.  Information on the mean calorie intake for each age-sex composition of members in the households of a given community is often needed in many of the health and nutrition studies. Most of the existing measures of poverty, viz., Head Count Ratio (HCR), Poverty Gap Index (PGI), Squared Poverty Gap Index (SPGI), Sen’s Index of Poverty (SPI), Foster-Greer-Thorbecke Index (FGTPI) etc., use poverty line. The calculation of poverty line in turn needs data on the calorie intakes of members of households considering the age-sex composition of households. In particular we may be interested in knowing whether there is any difference in the consumption of food, which is usually summarized through the mean calorie consumption, of male and female members in the households in a given community. Calorie consumption should be different for different types of members in the household. Average energy requirements13 of infants from birth to 12 months, children and minors of each age in years, adults and elderly persons of each age group separately for males and female members are given in the final report of the Joint FAO/WHO/UNU Expert Consultation on Human Energy Requirements, convened in October 2001 at FAO headquarters in Rome, Italy14. They estimated the human energy requirements from measures of energy expenditure plus the additional energy needed for growth, pregnancy and lactation. It is also necessary to have information on the lifestyles of adults in relation to the intensity of habitual physical activity. All adults are put in one of the three categories (i) sedentary or light activity lifestyle, (ii) active or moderately active lifestyle and (iii) vigorous or vigorously active lifestyle. Total Energy Expenditure (TEE)15 will be different for different lifestyles. National Sample Survey Organization  (NSSO)  collects data on  consumption of commodities at household  level  at  regular  time  intervals  called  ‘rounds’. A  round  corresponds  to  a  year  and 

                                                            13 “Energy requirement is the amount of food energy needed to balance energy expenditure in order to maintain body size, body composition and a level of necessary and desirable physical activity consistent with long-term good health.” However since there are interpersonal variations, the mean level of dietary energy intake of the healthy, well-nourished individuals who constitute that group has been recommended as the energy requirement for the population group. 14 http://www.fao.org/docrep/007/y5686e/y5686e01.htm#TopOfPage. Henceforth this report will be referred to as ‘FAO report’ or ‘report of FAO’. 15 The procedure for measuring Total Energy Expenditure (TEE) is through experiments like Doubly Labeled Water technique (DLW), Heart Rate Monitoring (HRM). When experimental data on total energy expenditure are not available, factorial calculations based on the time allocated to activities can be adopted. Factorial calculations combine the energy spent on different components or factors like sleeping, resting, working etc. that are performed habitually.

29  

hence  collection  of  data  is  uniformly  spread  over  the  year  to  eliminate  seasonal  variation. Moreover, the sample size is increased substantially at about every five year interval of time so that  the  estimates  can  be  obtained  relatively more  reliably  and  at more  disaggregate  levels. These are known as ‘quinquennial rounds’. The latest quinquennial round data on consumption is the 61st round data, collected during July 2004 – June 2005. However,  it  is  not  apparently  clear  how  one  can  estimate  consumption  pattern  among  the members of  the  households when  the data on  consumption  are  available only  at household level. Within house distribution of  resources especially  to see  the gender bias within  the household has been addressed by many authors like Deaton (1989), Pitt et al. (1990), Ahmad and Morduch (1993), Haddad  and Reardon  (1993), Haddad  et  al  (1996), Udry  (1997), Bhalotra  and Attfield (1998)) and Duflo (2005). The issue of gender bias in the intra household allocation of resources could  explain many  phenomena  including  the  phenomenon  of missing women  in  South Asia (Dreze and Sen, 1989). Deaton (1989, 1997) argues that for a given level of income, families with 

children will  spend  less  on  adult  goods  in  order  to  purchase  children's  goods.  If  household purchase favors boys over girls, smaller expenditures on adult goods would be made by families 

with  boys  as  compared with  those with  girls.  This  procedure  for  detecting  gender  bias was applied by him to data from Côte d'lvoire and Thailand. The data show no evidence of inequality between boys and girls in Côte d'lvoire, and a small and statistically insignificant bias in favor of boys  in Thailand. Deaton  (1997) also observed the changes  in the household expenditure on a particular  good  due  to  changes with  the  gender  composition  of  the  household.  In  particular change  can  be  seen  due  to  addition  of  a  boy  or  a  girl member  in  the  household  of  a  given composition. The difference  in  the average changes will give  the gender bias. Lancaster et al. used and extended  the collective household model  (Bourguignon, et. al., 1993, Browning and Chiappori, 1998)  to  find  the  gender bias within household.  It was derived  from  an economic model in which utilities of male and female members were maximized under some constraints. Song (2008) took wife's education relative to her husband's as a measure of bargaining power. This was calculated  taking  the  ratio of wife's education  in years  to  the sum of  the years both husband and wife received. The paper then examines three hypotheses. One of the hypotheses was “whether households allocate fewer resources to daughters than to sons”. The hypothesis was not rejected for health expenditures.  Chesher  (1997), Bidani and Ravallion  (1997), and Deaton and Paxson  (2000) and others have proposed  schemes  for  breaking  up  an  aggregate  expenditure  into  its  household  members. Mason et al. (1999) offered a straightforward way of disaggregating household expenditure into age‐sex composition of the household by taking linear regression with no constant. But there is a danger of not taking the intercept term. The intercept term absorbs expenditures not reported or not taken into account because of various reasons. Ray  and  Lancaster  (2004)  derived  a  set  of  age‐gender  breakdown  of  daily  normative  calorie requirement  corresponding  to  the  overall  per  capita  calorie  norm  of  2400  kcal/day  for  the average  rural  Indian.  These have been obtained  from  the website www.MedIndia.net.  These figures  are  close  to  the  energy  allowances  recommended  by  an  expert  group  of  the  Indian Council of Medical Research (ICMR, 2002). Their proposed procedure incorporates the changes in  household  size,  composition  and  other  characteristics  in  the  calculation  of  the  household specific poverty lines and borrows the idea of Coondoo et al. (2003) in which the unit values of the major nutrients, namely, carbohydrate, protein and fat are estimated using a cross sectional household  budget  data  set  on  food  expenditure,  total  consumer  expenditure,  quantities  of nutrient  consumed  and  related  variables.  The National  Institute  of Nutrition  (NIN)  gives  the “Recommended  Dietary  Allowances  for  Indians  (Macronutrients  and Minerals)”  for  different 

30  

age‐sex‐occupation categories (NIN, 2003). “The guidelines promote the concept of nutritionally adequate diets and healthy lifestyles from the time of conception to old age”.  Following  the path of Mason  et  al.  (1999)  and Coondoo  et  al.  (2003) decomposition of  total calorie  consumption among  the members of  the households  is possible  to  some extent  if we modify their model to suite the requirements in case of calorie consumption. In particular, if we are interested in the estimation of a certain aspects of consumption at the aggregate level, say mean calorie consumption of each of the different groups of members in the households, taking all  households  into  consideration,  then  it  is  possible  to  estimate  the  same  after  some modifications which leads to Generalized Linear Regression Model (GLRM).  In the next section we shall describe how the problem can be visualized through a model which leads  to  a  special  case  of  GLRM  and  discuss  the  estimation  procedure  of  the  associated parameters of  the model  for  the  specific case. The  technique will  then be applied  to  the 61st round NSSO data on consumption to see whether mean calorie consumptions vary among male and female members of the households.   

3.2 The Model and the Methodology Suppose there are altogether K possible categories of members in a household h with number of members xh1, xh2, …, xhK, respectively. The total daily calorie consumption of the household is yh. Since  the  total calorie consumption  is  the sum of  individual calorie consumption we have  the following identity. 

yh = ch1 xh1 + ch2 xh2 + … + chK xhK,      … (3.01) where ch1, ch2, …, chK are the actual per head calorie consumptions of the respective categories. In general ch1, ch2, …, chK will vary from household to household. If the mean consumptions are β1, β2, …, βK, respectively, then we can write 

chk = βk + uhk, for k = 1, 2, 3, …, K,       … (3.02) where uh1, uh2, …, uhK are the deviations of the actual calorie consumption from the respective mean  values.  The  deviations  uh1,  uh2,  …,  uhK,  have  zero  means.  We  also  assume  that  this deviation for a single person  in that category have same variance for all the households and  is denoted by νk

2, k = 1, 2, …, K. We can thus rewrite the above identity as y = (β1 + uh1) xh1 + (β2 + uh2) xh2 + … + (βk + uhk) xhK 

    = β1 xh1 + β2 xh2 + … + βk xhK + (uh1 xh1 + uh2 xh2 + … + uhK xhK)     = β1 xh1 + β2 xh2 + … + βk xhK + ∑k uhk xhk     = β1 xh1 + β2 xh2 + … + βk xhK + εh,       … (3.03) where εh = ∑k uhk xhk. Observe that uhk and εh are random variables. Since the expectation of uhk, i.e., E(uhk) = 0 for all h and k, we have E(εh) = 0 for all h. We assume that the errors are independent over households. I.e.,  the  errors  in  one  household  are  independent  of  the  errors  in  the  other  household. We assume that the dispersion matrix of uh1, uh2, …, uhK is Φh. The variance of εh, V(εh), is thus   V(εh) = σh

2 (say) = xh´ Φh xh,         … (3.04) where xh is the household composition vector and Φh is  

  Φh =  ,         … (3.05) 

where  , i≠j, is the covariance between uhi and uhj and  is the variance of uhi also denoted by 

νi2. 

The equation (2.03) can now be written as    y = xh´β + εh.             … (3.06) 

31  

The  above  equation  is  valid  so  far  as  the  assumption  that  the  sum  of  individual  calorie consumption  is  same  as  that of  total  calorie  consumption which  is  implied by  the  total  food consumption  of  the  household.  But  in  real  life  the  total  food  expenditure  on  food  includes expenditure on  food offered  to guests, servants, cattles and other visitors of  the house. Total calorie  consumption of  the household  implied by  the  food  consumption will  then be  greater than  the  sum of  calorie  consumption of  the  individual members. Also  some members of  the household may avail food outside the house. Thus the inequality may be other way round also. It is necessary to introduce one more component in the equation to accommodate it. So far we didn’t include any intercept term in the above equation. This deviation can be accommodated in the  intercept  column  of  the  regression,  if  introduced. We  thus  redefine  equation  (2.06)  by redefining xh as   xh´ = (xh0, xh1, xh2, …, xhK),         … (3.07) where xh0 = 1 for all h. The coefficient of this is β0, which is the expected value of the deviation. The new β vector is β´ = (β0, β1, …, βK). εh, Φh, σh

2 etc. are suitably reformulated as   σh

2 = xh´ Φh xh,           … (3.08) where Φh is  

  Φh =   ,         … (3.09) 

where  , i≠j, is the covariance between uhi and uhj and  is the variance of uhi also denoted by 

νi2. Specifically ν0

2 can be regarded as the variance of the equation error uh0. With this formulation we can now write all the equations in a compact form as    y = X´β + ε,             … (3.10) where y = (y1, y2, …, yH)´, ε = (ε 1, ε 2, …, ε H)´, and 

  X =   = (x.0, x.1, x.K) =  ,  … (3.11) 

where H is the total number of units (households) taken for regression. The dispersion matrix of ε is   Ω = diag(σ1

2, σ22, …, σH

2).         … (3.12) We may now discuss how one should interpret the estimates of the regression coefficients. Each element in β gives the expected amount of calorie consumption for a member in the respective category.  This  may  also  be  interpreted  as  the  increase  in  the  average  amount  of  calorie consumption due  to  increase by one person  in  the  respective  category. Usually  in  regression analysis one can give both the interpretations of the estimated coefficient if the intercept term is not  significant.  Interestingly,  in  this  case, both  the  interpretations are plausible even  if  the intercept term is significant i.e., the sum of individual average calories is not the total calorie on the average. If the intercept term is positive, it means that there is extra consumption, possibly by guests or servants for many of the households which outweighed the consumption of food by the members  of  the  households  outside  the  house.  If  it  is  negative  the  interpretation  is  the other way round. The variable associated with the  intercept term always takes value 1. Thus  it may be interpreted as a ‘ghost’ member in the household which may consume or produce extra calories for consumption of other members.16 

                                                            16 One of  the  reasons behind  the discrepancy between poverty  ratios calculated  through calorie‐intake and through per capita income/total expenditure is the existence of the intercept term in the regression. 

32  

The Generalized Least Squares (GLS) estimate of β is     = (X´ Ω‐1X)‐1(X´ Ω‐1y).         … (3.13) 

It is easy to verify that expectation of  , E( ), is β.  

  E( ) = β.             … (3.14) 

 However Ω is not known. It is a diagonal matrix with σh

2 (= xh´ Φ xh) as its hth element. 

    σh2 = (xh0, xh1, …, xhK)    .   … (3.15) 

To estimate the   values we first get the usual regression (weighted least squares using weights 

as multipliers) estimate of β as  . Use this to get the residuals  . Regress  2 on (1, 2xh1, 2xh2, …, 

xh12, 2xh1xh2, …). The regression coefficients will give us the estimates of the distinct elements of ’s, namely ( ,  , …,  ,  , …,  , …,  ). This can be used as GLS estimate of β. The 

process can be repeated until convergence up to desired level of precision.  The  non‐negativity  of  the  estimated  value  of  σh

2  for  each  h  is  not  guaranteed  because  the estimated value of Φ may not be nonnegative definite.  It was  in  fact  found  to be so with our consumption data of 61st round of NSSO. Deleting the data associated with negative Φ did not help.  There were  further  some  negative  Φs  and  the  process  did  not  end  quickly.  As  a  first approximation we have taken Φ to be diagonal with only φ11, φ22, …, φKK. Thus we regressed 

2 on xh1

2, xh22, …, xhK

2. All the coefficients of xh12, xh2

2, …, xhK2, this time, were positive for most of 

the subsets of data considered for our analysis. For the few cases where all the coefficients were not found to be positive, we deleted a very few observations to achieve the desired result. The subsequent tables present the results of the analysis applied to our proposed model using NSS 61st round data. NSS 61st round data has 124644 households. After scrutiny and elimination of outlying observations  it reduced to 124362 households. The following gives the summary of the data before and after scrutiny. 

Table 3.1: Sample Sizes: Before and After Scrutiny   Before Scrutiny  After Scrutiny Rural  79298  79170 Urban  45346  45192 Total  124644  124362 

The number of observations deleted is not much compared to the total sample size. 

The  NSS  data  provides  multiplier  to  each  household.  The  multiplier  is  calculated  from  the sampling scheme adopted by NSSO. This can be used as weights to get more accurate estimates. We have used SPSS 11 and SPLUS 2000 for our calculations.  3.4 The Results The coefficients of the regression model, where the regressors are the numbers of members in each of  the age‐sex groups belonging  to  the households, along with  the  intercepts  terms are presented in Table 3.2. In most of the cases coefficients associated with the male members have higher values  than  those of  the  female members. Three  types of methods of estimation have been  followed.  The  first  set  of  estimated  values  refers  to  the  estimation method where  no                                                                                                                                                                                  If the income based poverty index could be adjusted by this intercept term the two indices would become closer. 

33  

weights or multipliers have been used. The  second method used only  the weights, known as multipliers, which arise due to given sampling scheme adopted by the NSSO. The third method used weights arising not only due to the specific sampling scheme but also due to the specific model.  It  can  be  seen  that  the  estimates  varied  to  some  extent.  The  coefficients,  i.e., mean consumption of calories, decrease for most especially among members in the lower age groups. However,  the mean  calorie  consumptions  for  female members  are  less  than  those  of male members.  Table 3.2. All India Average Calorie Intake of Members of Households by Age Group and Sex: 

Results of the Regression Method Using NSS 61st Round Data   Rural    Urban    Rural + Urban   

 Coefficients 

W/o usingany Wt. 

Using sampling 

Wt. 

Using both sampling & model Wt.

F/MW/o usingany Wt.

Using sampling 

Wt. 

Using both sampling & model Wt.

F/M W/o usingany Wt. 

Using sampling 

Wt. 

Using both sampling & model Wt.

F/M

Intercept  289.3  374.3  435.4  ‐  1096.8  989.2  699.3  ‐  539.2  540.3  520.2  ‐ Males  1099.0  1089.1  1006.5  901.2  857.9  831.6  1089.0  1071.2  978.8 0‐3 

yrs.  Females  1003.0  983.7  937.0 .93

850.7  877.1  847.9 1.02 

996.7  993.3  925.2 .95 

Males  1571.7  1536.0  1483.4  1344.8  1294.9  1299.0  1524.3  1502.1  1452.3 4‐6 yrs.  Females  1391.0  1418.1  1349.2 

.911112.6  1285.3  1108.9 

.85 1334.3  1411.6  1318.8 

.91 

Males  1766.1  1750.0  1748.7  1521.1  1634.0  1571.5  1714.6  1743.3  1728.9 7‐12 yrs.  Females  1698.2  1657.6  1656.2 

.951388.2  1373.0  1514.3 

.96 1616.1  1610.7  1624.7 

.94 

Males  2141.5  2117.6  2115.6  1862.9  1849.8  1915.8  2067.0  2064.1  2067.9 13‐18 yrs.  Females  2060.8  2039.6  1965.7 

.931675.8  1637.4  1660.8 

.87 1930.2  1937.6  1886.9 

.91 

Males  2379.0  2352.6  2328.7  2047.9  2071.7  2093.6  2277.8  2272.6  2269.2 19 or more yrs. Females  2248.8  2068.0  2097.0 

.901896.3  1893.1  2118.0 

1.01 2106.9  1999.1  2074.2 

.91 

   It  should be  remembered here  that  the  calorie norms of  female members given by  FAO  and ICMR (Table 2.6) are also  less than or equal to those of corresponding male members. So  it  is difficult  to  say whether  the differences  in  the calorie consumption between male and  female members  are  as  expected  or  due  to  gender  inequality without  comparing  these  ratios.  The comparison  is given  in the Table 3.3. The gender ratios of the proposed model are seen to be less than the gender ratios found from the norms given by FAO and  ICMR among members  in the lower age groups and higher among the members in the higher age groups and adults.  

Table 3.3. Age Group wise Comparison of F/M Ratios with Corresponding FAO and ICMR Norms: NSS 61st Round Data 

Rural  Urban  Rural+Urban Age group 

 FAO 

 ICMR  Our F/G  Our/FAO Our/ICMR Our F/G Our/FAO Our/ICMR Our F/G  Our/FAO Our/ICMR

0‐3 yrs.  0.97  1.00  .93  .96  .93  1.02  1.05  1.02  .95  .98  .95 4‐6 yrs.  0.96  1.00  .91  .95  .91  .85  .89  .85  .91  .95  .91 7‐12 yrs.  0.86  0.95  .95  1.10  1.00  .96  1.12  1.01  .94  1.09  .99 13‐18 yrs.  0.74  0.78  .93  1.26  1.19  .87  1.18  1.12  .91  1.23  1.17 

19 or more yrs.  0.89 0.77 .90  1.01  1.17  1.01  1.13  1.31  .91  1.02  1.18 Average  0.88 0.90 0.92  ‐  ‐  0.94  ‐  ‐  0.92  ‐  ‐ 

 It  is  felt  that  the  treatment  on  the  members  would  be  different  for  different income/expenditure  levels. We grouped  the households  into 12 expenditure groups. Group 1 has  the  lowest  and  the  Group  12  has  the  highest  per  capita  expenditures.  Rural  and  urban expenditure groups are different. The groups are same as the ones taken by NSSO. The results of the  regression  analysis  are much different now.  This  time  all  the  coefficients have  increased substantially  (Tables 3.4‐3.6). This  is seen more among  the members  in  the  lower Age Groups and  in  the households with  low per capita expenditures. The  intercept  terms are  found  to be very small or negative for the lower expenditure groups. This signifies that some consumptions were  not  taken  into  account  for  the  lower  expenditure  group  households.  The  members 

34  

consumed  food  outside  the  house  or  received  food  in  kind which  have  not  been  reported. Similarly, by  the  same  logic, because of high positive values of  the  intercept  terms,  it  can be concluded  that  some  expenditure  on  food  have  been  incurred  by  higher  expenditure  group households and possibly consumed by members  from outside  the households which have not been reported. The consumption ratios between female and male members are found to be more or less same for  all  age  groups  for  each  expenditure  class. Most of  the  ratios  are  less  than  1. Number of expenditure groups with  ratio more  than 1 was more among  the  lower Age Group members especially in Urban India. The Expenditure Group wise regression results and ratios relative to those of FAO and ICMR are given in Tables 3.7 through 3.9. The Gender ratios are found to be more than the gender ratios obtained from the FAO and ICMR norms for most cases. Among the adults and the members in the Age Group 13‐18 years it is found to be true for almost cent percent. Even among the lower Age Group members our estimates of  the  ratios are seen  to be more  than  the corresponding ratios of FAO and  ICMR  in almost half of  the  cases. There are  some exceptions  in  the higher expenditure  groups  especially  the  top  three  expenditure  groups. We  removed  the  top  three expenditure groups and found the averages of the calorie ratios. The results are given  in Table 3.10. We  have  also  presented  in  the  table  the mean  values  of  the  ratios  (Arithmetic Mean) taking  all  expenditure  groups  just  to  show  the  erratic  behavior  if  the  top  three  expenditure groups are included in the analysis. The result is a quite surprise. The mean ratios excluding the top  three expenditure groups give almost same value  for  rural and urban sectors at each age group. Taking arithmetic mean may not be proper in case of ratios. So we took geometric mean also.  The  result  is  similar.  The  geometric  means  of  female‐male  ratios  of  average  calorie consumptions of bottom nine expenditure groups for rural and urban sectors in India are also as close to each other as that of the arithmetic means. So  it establishes the  fact that, except  for higher  income  groups,  there  are  no  differences  in  the  calorie  consumptions  of  female members relative to that of male members between rural and urban sectors in India. We can thus  deflate male  consumptions  or  inflate  female  consumptions  accordingly  and  forget male female distinctions. Assuming that each male member has unit ‘1’, we can convert the number of  females  using  this  ratio  so  that  the  female members  can  be  taken  as  equivalent  to male members. The only thing we have to do is to multiply the number of female members by 0.96.  From Table 3.10 it also becomes clear that these means are more than those found from calorie norms of  FAO  and  ICMR  (except  for  the  age  group 4‐6  years)  signifying  that women  are not deprived of their due food compared to men. There  are  however  certain  limitations  in  our  analysis. We  have  not  considered  the  activity patterns of the adult members  in the households. Though for calculations of calorie norms the adults are usually put in one of the three groups according to the activity pattern or life style – sedentary  life style, moderately active  life style and vigorously active  life style, we have  taken sedentary life style for all adults.   

35  

Table 3.4. Average Calorie Intake of Members of Households by Age Group, Sex and Expenditure Group in Rural India    

Age Groups    0 – 3 years  4 – 6 years  7 – 12 years  13 – 18 years  19 years or more 

Exp. Group Intercept 

 Males  Females  F/M  Males  Females F/M Males  Females  F/M  Males  Females  F/M Males  Females F/M 

Gr1  ‐657.1  1072.1  1089.8 1.02 1357.1 1306.5 0.96 1556.4 1528.6  0.98 1546.0 1533.5 0.99 1553.6 1746.9 1.12Gr2  273.6  1404.7  1227.6 0.87 1301.7 1382.4 1.06 1656.1 1425.3  0.86 1697.6 1767.4 1.04 1699.1 1461.9 0.86Gr3  10.1  1199.0  1175.2 0.98 1633.1 1562.4 0.96 1700.7 1732.9  1.02 1947.3 1739.0 0.89 1783.7 1724.9 0.97Gr4  156.9  1328.7  1482.9 1.12 1617.7 1617.1 1.00 1865.5 1772.8  0.95 1936.9 1767.4 0.91 1854.8 1786.5 0.96Gr5  30.3  1609.0  1328.7 0.83 1677.8 1717.5 1.02 1970.0 1854.7  0.94 2139.7 1888.5 0.88 2037.2 1838.2 0.90Gr6  131.4  1411.4  1582.8  1.12 1830.5  1788.6  0.98 2034.9  1899.2  0.93 2148.6  2121.4  0.99 2001.7  1927.8 0.96Gr7  198.5  1593.3  1577.1 0.99 2034.0 1744.3 0.86 1985.5 1926.9  0.97 2129.2 2087.8 0.98 2104.6 2000.2 0.95Gr8  15.42  1477.6  1479.4  1.00 2075.1  1795.1  0.87 2085.8  1929.0  0.92 2418.1  2165.1  0.90 2267.2  2199.9 0.97Gr9  145.5  1456.7  1635.3 1.12 1940.0 1655.3 0.85 2117.0 2036.1  0.96 2343.8 2381.4 1.02 2331.4 2316.6 0.99Gr10  266.3  1614.7  1347.8 0.83 1975.1 1867.2 0.95 2238.1 2184.3  0.98 2458.5 2349.9 0.96 2423.0 2395.0 0.99Gr11  257.8  1433.9  1392.6 0.97 2446.0 1955.2 0.80 2276.3 2102.9  0.92 2640.7 2315.7 0.88 2693.1 2634.4 0.98Gr12  306.3  1267.9  1055.3 0.83 1767.7 1584.1 0.90 2250.9 2747.5  1.22 2947.1 2677.5 0.91 2975.9 3287.6 1.10

 Table 3.5. Average Calorie Intake of Members of Households by Age Group, Sex and Expenditure Group in Urban India 

 

Age Groups    0 – 3 years  4 – 6 years  7 – 12 years  13 – 18 years  19 years or more Exp. Group  Intercept  Males   Females  F/M  Males   Females F/M  Males   Females   F/M  Males   Females  F/M  Males   Females  F/M 

Gr1  ‐346.2  852.0  934.5 1.10 1303.6 1366.4 1.05 1503.8 1533.7  1.02  1638.2 1454.0 0.89 1571.4 1687.4 1.07Gr2  ‐77.8  1300.4  1204.3 0.93 1569.0 1276.5 0.81 1513.2 1562.1  1.03  1778.3 1930.6 1.09 1858.1 1552.5 0.84Gr3  ‐39.1  1129.3  1144.2 1.01 1601.5 1565.7 0.98 1654.1 1555.5  0.94  1949.7 1732.1 0.89 1818.2 1771.5 0.97Gr4  17.9  1142.1  1154.6 1.01 1482.1 1677.6 1.13 2145.5 1667.3  0.78  1908.8 1879.9 0.98 2019.2 1797.4 0.89Gr5  200.7  1458.6  1372.2 0.94 1436.5 1226.0 0.85 1834.3 1770.5  0.97  1970.8 1932.4 0.98 1902.0 1872.8 0.98Gr6  402.8  1314.0  1263.4 0.96 1676.2 1630.4 0.97 1581.8 1660.8  1.05  2087.1 2060.4 0.99 1995.7 1879.9 0.94Gr7  344.8  1298.5  1401.2 1.08 1829.2 1605.8 0.88 1921.5 1727.3  0.90  2139.9 1871.9 0.87 2058.1 2000.5 0.97Gr8  280.5  1380.6  1475.8 1.07 1796.6 1408.1 0.78 1836.1 1997.5  1.09  2057.5 1862.4 0.91 2205.9 2134.1 0.97Gr9  448.2  1318.0  1283.9 0.97 1498.1 1455.0 0.97 1882.0 2015.8  1.07  2111.5 2003.8 0.95 2180.7 2236.2 1.03Gr10  581.4  1274.4  1502.3 1.18 1887.2 1439.6 0.76 2042.9 1875.5  0.92  2434.3 2048.0 0.84 2250.1 2228.9 0.99Gr11  786.6  1164.7  1391.5 1.19 1869.8 1269.4 0.68 2174.9 1877.7  0.86  2514.9 2096.8 0.83 2269.8 2408.4 1.06Gr12  948.1  1082.7  1300.0 1.20 960.1 993.0 1.03 2281.3 1862.7  0.82  2425.4 2236.1 0.92 2423.5 2653.1 1.09

 

36  

Table 3.6. All India Average Calorie Intake of Members of Households by Age Group, Sex and Expenditure Group   Age Groups    0 – 3 years  4 – 6 years  7 – 12 years  13 – 18 years  19 years or more 

Exp. Group  Intercept 

Males   Females  F/M  Males   Females F/M Males   Females   F/M  Males   Females  F/M  Males   Females F/M 

Gr1  ‐552.3  1013.4  1048.3 1.03 1338.0 1311.5 0.98

1533.3 1511.1  0.99  1559.7 1555.7 1.00 1562.4 1718.9 1.10

Gr2  113.9  1356.0  1232.4 0.91 1353.7 1375.4 1.02

1628.7 1468.8  0.90  1728.5 1817.9 1.05 1744.7 1527.3 0.88

Gr3  ‐4.5  1190.1  1181.6 0.99 1631.5 1560.6 0.96

1691.7 1695.5  1.00  1949.5 1739.3 0.89 1795.0 1730.2 0.96

Gr4  339.3  1165.6  1360.0 1.17 1584.2 1686.5 1.06

1972.9 1677.6  0.85  1849.6 1741.3 0.94 1911.6 1679.5 0.88

Gr5  76.1  1588.7  1358.7 0.86 1626.5 1642.3 1.01

1946.6 1851.3  0.95  2088.8 1910.5 0.91 2003.7 1827.8 0.91

Gr6  237.9  1412.3  1515.0 1.07 1792.6 1748.5 0.98

1935.0 1817.6  0.94  2149.5 2117.1 0.98 1993.7 1891.4 0.95

Gr7  271.4  1488.2  1489.3 1.00 2037.2 1757.5 0.86

1988.7 1856.9  0.93  2115.7 2011.7 0.95 2098.1 1975.1 0.94

Gr8  120.6  1446.8  1478.8 1.02 2070.5 1723.0 0.83

2047.0 1957.1  0.96  2335.9 2077.9 0.89 2264.7 2131.1 0.94

Gr9  248.5  1444.0  1595.5 1.10 1881.3 1621.6 0.86

2079.6 2058.9  0.99  2298.6 2303.3 1.00 2300.8 2248.4 0.98

Gr10  358.1  1565.4  1407.1 0.90 1976.6 1785.1 0.90

2186.3 2116.4  0.97  2465.7 2286.0 0.93 2403.0 2310.2 0.96

Gr11  422.6  1417.4  1387.7 0.98 2228.2 1850.4 0.83

2297.3 2085.0  0.91  2604.0 2283.3 0.88 2580.6 2539.8 0.98

Gr12  460.1  1346.1  1133.1 0.84 1698.3 1542.4 0.91

2318.8 2555.6  1.10  2887.9 2612.2 0.90 2842.7 3075.5 1.08

 Table 3.7. Age and Expenditure Group wise Comparison of F/M Ratios with Corresponding FAO and ICMR Norms: Rural India   

Age Group   0 – 3 years  4 – 6 years  7 – 12 years  13 – 18 years  19 years or more 

Exp. Group Our  F/G 

Our/  FAO 

Our/ ICMR 

Our F/G 

Our/ FAOOur/ ICMR 

Our F/G 

Our/ FAOOur/ ICMR 

Our F/G 

Our/ FAOOur/ ICMR 

Our F/G 

Our/ FAOOur/ ICMR 

Gr1  1.02  1.05  1.02  0.96  1.00  0.96  0.98  1.14  1.03  0.99  1.34  1.27  1.12  1.26  1.45 Gr2  0.87  0.90  0.87  1.06  1.10  1.06  0.86  1.00  0 .91  1.04  1.41  1.33  0.86  0.97  1.12 Gr3  0.98  1.01  0.98  0.96  1.00  0.96  1.02  1.19  1.07  0.89  1.20  1.14  0.97  1.09  1.26 Gr4  1.12  1.15  1.12  1.00  1.04  1.00  0.95  1.10  1.00  0.91  1.23  1.17  0.96  1.08  1.25 

37  

Gr5  0.83  0.86  0.83  1.02  1.06  1.02  0.94  1.09  0 .99  0.88  1.19  1.13  0.90  1.01  1.17 Gr6  1.12  1.15  1.12  1.02  1.02  1.02  0.93  1.08  0 .98  0.99  1.34  1.27  0.96  1.08  1.25 Gr7  0.99  1.02  0.99  0.86  0.90  0.86  0.97  1.13  1.02  0.98  1.32  1.26  0.95  1.07  1.23 Gr8  1.00  1.03  1.00  0.86  0.91  0.86  0.92  1.07  0 .97  0.90  1.22  1.15  0.97  1.09  1.26 Gr9  1.12  1.15  1.12  0.85  0.89  0.85  0.96  1.12  1.01  1.02  1.38  1.31  0.99  1.11  1.29 Gr10  0.83  0.86  0.83  0.95  0.99  0.95  0.98  1.14  1.03  0.96  1.30  1.23  0.99  1.11  1.29 Gr11  0.97  1.00  0.97  0.80  0.83  0.80  0.92  1.07  0 .97  0.88  1.19  1.13  0.98  1.10  1.27 Gr12  0.83  0.86  0.83  0.90  0.94  0.90  1.22  1.42  1.28  0.91  1.23  1.17  1.10  1.24  1.43 

Average 0.97  1.00  0.97  0.94  0.97  0.93  0.97  1.13  1.02  0.95  1.28  1.21  0.98  1.10  1.27 

38  

Table 3.8. Age and Expenditure Group wise Comparison of F/M Ratios with Corresponding FAO and ICMR Norms: Urban India Age Group   0 – 3 years  4 – 6 years  7 – 12 years  13 – 18 years  19 years or more 

Exp. Group Our  F/G 

Our/  FAO 

Our/ ICMR 

Our F/G 

Our/ FAO 

Our/ ICMR 

Our F/G 

Our/ FAO 

Our/ ICMR 

Our F/G 

Our/ FAO 

Our/ ICMR 

Our F/G 

Our/ FAO 

Our/ ICMR 

Gr1 1.10 

1.13  1.10  1.05 

1.09  1.05  1.02 

1.18  1.07  .89  1.20  1.14  1.07 

1.20  1.38 

Gr2 .93  .95  .93  .81  .84  .81  1.0

3 1.19  1.08  1.0

9 1.47  1.39  .84  .94  1.09 

Gr3 1.01 

1.04  1.01  .98  1.02  .98  .94  1.09  .98  .89  1.20  1.14  .97  1.08  1.25 

Gr4 1.01 

1.04  1.01  1.13 

1.17  1.13  .78  .90  .82  .98  1.32  1.25  .89  1.00  1.15 

Gr5  .94  .96  .94  .85  .88  .85  .97  1.12  1.02  .98  1.32  1.25  .98  1.10  1.27 

Gr6 .96  .98  .96  .97  1.01  .97  1.0

5 1.22  1.10  .99  1.33  1.26  .94  1.05  1.22 

Gr7 1.08 

1.11  1.08  .88  .91  .88  .90  1.04  .94  .87  1.17  1.11  .97  1.08  1.25 

Gr8 1.07 

1.10  1.07  .78  .81  .78  1.09 

1.26  1.14  .91  1.22  1.16  .97  1.08  1.25 

Gr9 .97  1.00  .97  .97  1.01  .97  1.0

7 1.24  1.12  .95  1.28  1.21  1.0

3 1.15  1.33 

Gr10 1.18 

1.21  1.18  .76  .79  .76  .92  1.06  .96  .84  1.13  1.07  .99  1.11  1.28 

Gr11 1.19 

1.22  1.19  .68  .70  .68  .86  1.00  .90  .83  1.12  1.06  1.06 

1.19  1.37 

Gr12 1.20 

1.23  1.20  1.03 

1.07  1.03  .82  .95  .86  .92  1.24  1.17  1.09 

1.22  1.41 

Average 1.05  1.08  1.05 

0.91  0.94  0.91 

0.95  1.10  1.00 

0.92  1.25  1.18 

0.98  1.10  1.27 

Table 3.9. Age and Expenditure Group wise Comparison of Estimated F/M Ratios with Corresponding FAO and ICMR Norms: All India Age Group   0 – 3 years  4 – 6 years  7 – 12 years  13 – 18 years  19 years or more 

Exp. Group Our  F/G 

Our/  FAO 

Our/ ICMR 

Our F/G 

Our/ FAO 

Our/ ICMR 

Our F/G 

Our/ FAO 

Our/ ICMR 

Our F/G 

Our/ FAO 

Our/ ICMR 

Our F/G 

Our/ FAO 

Our/ ICMR 

Gr1  1.03  1.06  1.03 .98 1.02 .98 .99 1.15 1.04  1.00 1.35 1.28 1.10 1.23 1.42Gr2  .91  .93  .91 1.02 1.06 1.02 .90 1.04 .94  1.05 1.41 1.34 .88 .98 1.14Gr3  .99  1.02  .99 .96 1.00 .96 1.00 1.16 1.05  .89 1.20 1.14 .96 1.07 1.24

39  

Gr4  1.17  1.20  1.17 1.06 1.10 1.06 .85 .98 .89  .94 1.27 1.20 .88 .98 1.14Gr5  .86  .88  .86 1.01 1.05 1.01 .95 1.10 1.00  .91 1.22 1.16 .91 1.02 1.18Gr6  1.07  1.10  1.07 .98 1.02 .98 .94 1.09 .98  .98 1.32 1.25 .95 1.06 1.23Gr7  1.00  1.03  1.00 .86 .89 .86 .93 1.08 .97  .95 1.28 1.21 .94 1.05 1.22Gr8  1.02  1.05  1.02 .83 .86 .83 .96 1.11 1.01  .89 1.20 1.14 .94 1.05 1.22Gr9  1.10  1.13  1.10 .86 .89 .86 .99 1.15 1.04  1.00 1.35 1.28 .98 1.10 1.27Gr10  .90  .92  .90 .90 .93 .90 .97 1.12 1.02  .93 1.25 1.19 .96 1.07 1.24Gr11  .98  1.01  .98 .83 .86 .83 .91 1.05 .95  .88 1.18 1.12 .98 1.10 1.27Gr12  .84  .86  .84 .91 .94 .91 1.10 1.27 1.15  .90 1.21 1.15 1.08 1.21 1.40

Average 0.99  1.02  0.99 

0.93  0.97  0.93 

0.96  1.11  1.00 

0.94  1.27  1.20 

0.96  1.08  1.25 

  Table 3.10. Age and Expenditure Group wise Comparison of Estimated F/M Ratios with Corresponding FAO and ICMR Norms After Truncating Top Three Expenditure Groups: All India 

    Age Group  

0 – 3 years  4 – 6 years  7 – 12 years  13 – 18 years  19 years or more 

    

Our F/G 

Our/ FAO 

Our/ ICMR 

Our F/G 

Our/ FAO 

Our/ ICMR 

Our F/G 

Our/ FAO 

Our/ ICMR 

Our F/G 

Our/ FAO 

Our/ ICMR 

Our F/G 

Our/ FAO 

Our/ ICMR 

Rural  0.97  1.00  0.97  0.94 0.97  0.93  0.97 1.13  1.02  0.95 1.28  1.21  0.98 1.10  1.27 

Urban 1.05 

1.08  1.05 0.91 

0.94  0.91 0.95 

1.10  1.00 0.92 

1.25  1.18 0.98 

1.10  1.27 

AM  All 12 Exp. 

Groups 

All India 0.99 

1.02  0.99 0.93 

0.97  0.93 0.96 

1.11  1.00 0.94 

1.27  1.20 0.96 

1.08  1.25 

Rural 1.01 

1.04  1.01 0.95 

0.99  0.95 0.95 

1.10  1.00 0.96 

1.29  1.23 0.96 

1.08  1.25 

Urban 1.01 

1.03  1.01 0.94 

0.97  0.94 0.98 

1.14  1.03 0.95 

1.28  1.21 0.96 

1.08  1.24 

AM  Lowest 9 Exp. 

Group 

All India 1.02 

1.04  1.02 0.95 

0.99  0.95 0.95 

1.10  0.99 0.96 

1.29  1.22 0.96 

1.08  1.24 

Rural 1.00 

1.03  1.00 0.95 

0.99  0.95 0.95 

1.10  1.00 0.95 

1.29  1.22 0.96 

1.08  1.25 

Urban 1.00 

1.03  1.01 0.93 

0.96  0.93 0.98 

1.13  1.03 0.95 

1.28  1.21 0.96 

1.07  1.24 

GM  Lowest 9 Exp. 

Group 

All India 1.00 

1.03  1.01 0.95 

0.98  0.95 0.95 

1.10  1.00 0.95 

1.29  1.22 0.96 

1.08  1.24 

40  

   

41  

 3.5 The Poverty Rates by Calorie Decomposition Method  The results of the previous section are not only useful  in determining the female male ratio of the calorie  intake, but also has other uses.  In  this  section we use  the member wise expected calorie consumption of the households to arrive at the poverty rates.    Let us  take  the calorie consumption  table  for  rural and urban  India as obtained  in  the earlier chapter using 61st  round NSS data. The  following  tables give  the extracts of  the earlier  tables separately for male and female members. We have taken only the first nine expenditure groups, because the top three expenditure groups are not considered to be poor and may be excluded from analysis. Only at the last step the number of excluded households with proper weight will be considered to revise our poverty rates.  Table 3.11 Calorie Intakes of Rural Males by Age and Expenditure Groups: NSS 61st Round Data Truncated by Top Three Expenditure Groups Exp. Grp. Lower 

Limit Intercept  Age 

00‐03 Age 04‐06 

Age 07‐12 

Age 13‐18 

Age 19+ 

Av. Exp.* 

Group Multiplier

Gr1  0  ‐657.1  1072.1 1357.1  1556.4  1546.0 1553.6  200.94  1435 Gr2  235  273.6  1404.7 1301.7  1656.1  1697.6 1699.1  253.75  1635 Gr3  270  10.1  1199.0 1633.1  1700.7  1947.3 1783.7  296.52  3073 Gr4  320  156.9  1328.7 1617.7  1865.5  1936.9 1854.8  342.29  3182 Gr5  365  30.3  1609.0 1677.8  1970.0  2139.7 2037.2  387.62  3017 Gr6  410  131.4  1411.4 1830.5  2034.9  2148.6  2001.7  431.91  2679 Gr7  455  198.5  1593.3 2034.0  1985.5  2129.2 2104.6  481.40  2782 Gr8  510  15.4  1477.6 2075.1  2085.8  2418.1  2267.2  543.12  2736 Gr9  580  145.5  1456.7 1940.0  2117.0  2343.8 2331.4  630.19  2627 

Table 3.12 Calorie Intakes of Rural Females by Age and Expenditure Groups: NSS 61st Round Data Truncated by Top Three Expenditure Groups 

Exp. Grp.  Lower Limit 

Intercept  Age 00‐03 

Age 04‐06 

Age 07‐12 

Age 13‐18 

Age 19+ 

Av. Exp. 

Group Multiplier

Gr1  0  ‐657.1  1089.8 1306.5 1528.6 1533.5 1746.9  200.94  1435 Gr2  235  273.6  1227.6 1382.4 1425.3 1767.4 1461.9  253.75  1635 Gr3  270  10.1  1175.2 1562.4 1732.9 1739.0 1724.9  296.52  3073 Gr4  320  156.9  1482.9 1617.1 1772.8 1767.4 1786.5  342.29  3182 Gr5  365  30.3  1328.7 1717.5 1854.7 1888.5 1838.2  387.62  3017 Gr6  410  131.4  1582.8  1788.6  1899.2  2121.4  1927.8  431.91  2679 Gr7  455  198.5  1577.1 1744.3 1926.9 2087.8 2000.2  481.40  2782 Gr8  510  15.4  1479.4  1795.1  1929.0  2165.1  2199.9  543.12  2736 Gr9  580  145.5  1635.3 1655.3 2036.1 2381.4 2316.6  630.19  2627 

       

42  

Table 3.13 Calorie Intakes of Urban Males by Age and Expenditure Groups: NSS 61st Round Data Truncated by Top Three Expenditure Groups 

Exp. Grp. 

Lower Limit 

Intercept  Age 00‐03 

Age 04‐06 

Age 07‐12 

Age 13‐18 

Age 19+ 

Av. Exp. 

Group Multiplier

Gr1  0  ‐346.2  852.0 1303.6 1503.8 1638.2 1571.4 280.89  202 Gr2  335  ‐77.8  1300.4 1569.0 1513.2 1778.3 1858.1 368.09  216 Gr3  395  ‐39.1  1129.3 1601.5 1654.1 1949.7 1818.2 441.18  438 Gr4  485  17.9  1142.1 1482.1 2145.5 1908.8 2019.2 533.09  496 Gr5  580  200.7  1458.6 1436.5 1834.3 1970.8 1902.0 625.54  483 Gr6  675  402.8  1314.0 1676.2 1581.8 2087.1 1995.7 729.78  526 Gr7  790  344.8  1298.5 1829.2 1921.5 2139.9 2058.1 857.80  571 Gr8  930  280.5  1380.6 1796.6 1836.1 2057.5 2205.9 1014.12  580 Gr9  1100  448.2  1318.0 1498.1 1882.0 2111.5 2180.7 1226.20  659 

 Table 3.14 Calorie Intakes of Urban Females by Age and Expenditure Groups: NSS 61st Round Data Truncated by Top Three Expenditure Groups 

Exp. Grp. 

Lower Limit 

Intercept  Age 00‐03 

Age 04‐06 

Age 07‐12 

Age 13‐18 

Age 19+ 

Av. Exp. 

Group Multiplier

Gr1  0  ‐346.2  934.5  1366.4 1533.7  1454.0  1687.4  280.89  202 Gr2  335  ‐77.8  1204.3 1276.5 1562.1  1930.6  1552.5  368.09  216 Gr3  395  ‐39.1  1144.2 1565.7 1555.5  1732.1  1771.5  441.18  438 Gr4  485  17.9  1154.6 1677.6 1667.3  1879.9  1797.4  533.09  496 Gr5  580  200.7  1372.2 1226.0 1770.5  1932.4  1872.8  625.54  483 Gr6  675  402.8  1263.4 1630.4 1660.8  2060.4  1879.9  729.78  526 Gr7  790  344.8  1401.2 1605.8 1727.3  1871.9  2000.5  857.80  571 Gr8  930  280.5  1475.8 1408.1 1997.5  1862.4  2134.1  1014.12  580 Gr9  1100  448.2  1283.9 1455.0 2015.8  2003.8  2236.2  1226.20  659 

 For  further calculations  it  is necessary  to smooth  the data  in Tables 3.11‐3.14.  It  is a  two way smoothing.  First  we  assume  that  the  mean  calorie  consumption  is  a  function  of  mean expenditure. We have tried  linear, quadratic and cubic relations for each of the four tables.  In each case  linear  fit was very good. The quadratic  fit was slightly better. The cubic relation did not improve the fit significantly. Suppose the quadratic equation is   

CalConsni = a + b*AvExpi + c*AvExpi2 + ei,   … (3.16) 

 where CalConsni is the average calorie consumption of the ith expenditure group, AvExpi is the Average  per  capita  expenditure  of  the  ith  expenditure  group,  a,  b  and  c  are  the  regression coefficients and ei  is the equation error. The regression may be run for all expenditure groups. Since the regression coefficients depend on g, the age group, we can think of finding a, b and c in terms of g. So we write  

ag = a1 + b1*g + c1*g2 + e1g,       … (3.17) 

bg = a2 + b2*g + c2*g2 + e2g,       … (3.18) 

and         cg = a3 + b3*g + c3*g2 + e3g,       … (3.19) 

  with usual assumptions. We  substitute  (3.17),  (3.18) and  (3.19)  in  (3.16)  to  get  the  following equation: 

43  

 CalConsn = α+β10*AvExp+β01*Age+β20*AvExp

2+β02*Age2+β11*Age*AvExp  

          +β21*Age*AvExp2 +β12*AvExp*Age

2 + β22*AvExp2*Age2  … (3.20) 

 where α and βs are the regression coefficients and  the subscripts and the equation error have been omitted for convenience. We discard β22 because it is the coefficient of the variables with order 4 when AvExp and Age are taken together.17 Thus we take the following equation:  

CalConsn = α+β10*AvExp+β01*Age+β20*AvExp2+β02*Age

2+β11*Age*AvExp            +β21*Age*AvExp

2 +β12*AvExp*Age2       … (3.21) 

 

Instead of regressing step by step, we run a single equation for each of the four sets of data, namely  rural‐male,  rural‐female,  urban‐male  and  urban‐female. We  get  the  following  four regressions:  

Male Rural: ‐97.179 + 5.044*AvExp + 366.361*Age – 0.005525*AvExp*AvExp – 32.320*Age*Age + 0.05593*Age*AvExp + 0.0006737*Age*AvExp*AvExp – 0.06959*AvExp*Age*Age 

 

Female Rural: ‐ 321.484 + 5.716*AvExp + 694.802*Age – 0.005352*AvExp*AvExp – 65.739*Age*Age – 1.387*Age*AvExp + 0.001465*Age*AvExp*AvExp + 0.05036*AvExp*Age*Age 

 

Male Urban: ‐ 62.175 + 2.186*AvExp + 669.643*Age – 0.001132*AvExp*AvExp – 77.725*Age*Age – 0.368*Age*AvExp + 0.0001195*Age*AvExp*AvExp + 0.04047*AvExp*Age*Age 

 

Female Urban:  133.356 + 1.904*AvExp + 585.404*Age – 0.000988*AvExp*AvExp – 63.599*Age*Age – .453*Age*AvExp + 0.0001948*Age*AvExp*AvExp + 0.04026*AvExp*Age*Age 

 

Table  3.15.  Bivariate  Quadratic  Estimates  of  Calorie  Intakes  of  Rural  Males  by  Age  and Expenditure Groups: NSS 61st Round Data Truncated by Top Three Expenditure Groups. 

Exp. Grp. 

Lower Limit 

Intercept  Age 00‐03 

Age 04‐06 

Age 07‐12 

Age 13‐18 

Age 19+ 

Av. Exp. 

Group Multiplier 

Gr1  0  ‐657.1  1051.6  1317.5  1490.8  1571.5  1559.6  200.94  1435 Gr2  235  273.6  1200.8  1474.8  1648.8  1722.9  1697.0  253.75  1635 Gr3  270  10.1  1301.7  1585.1  1762.5  1834.0  1799.6  296.52  3073 Gr4  320  156.9  1390.1  1686.1  1869.9  1941.3  1900.5  342.29  3182 Gr5  365  30.3  1457.6  1769.0  1961.8  2036.0  1991.6  387.62  3017 Gr6  410  131.4  1504.3  1833.4  2037.7  2117.2  2072.0  431.91  2679 Gr7  455  198.5  1534.0  1885.9  2106.2  2194.9  2151.9  481.40  2782 Gr8  510  15.4  1537.7  1922.8  2167.7  2272.3  2236.7  543.12  2736 Gr9  580  145.5  1480.0  1920.7  2208.9  2344.9  2328.5  630.19  2627 

Average Expenditures are found using individual multiplier. Table  3.16.  Bivariate  Quadratic  Estimates  of  Calorie  Intakes  of  Rural  Females  by  Age  and Expenditure Groups: NSS 61st Round Data Truncated by Top Three Expenditure Groups. 

Exp.  Lower  Intercept  Age  Age  Age  Age  Age  Av.  Group                                                             17 If we start with the linear equation  CalConsni = a + b*AvExpi + ei, which has been found to give good fit then we get CalConsn = α+β10*AvExp+β01*Age+β02*Age

2+β11*Age*AvExp +β12*AvExp*Age

2. 

44  

Grp.  Limit  00‐03  04‐06  07‐12  13‐18  19+  Exp.  MultiplierGr1  0  ‐657.1  1030.6  1339.0  1536.2  1622.2  1596.9  200.94  1435 Gr2  235  273.6  1168.5  1446.9  1619.3  1685.9  1646.5  253.75  1635 Gr3  270  10.1  1264.3  1524.3  1682.8  1739.5  1694.7  296.52  3073 Gr4  320  156.9  1351.1  1597.4  1746.7  1799.0  1754.3  342.29  3182 Gr5  365  30.3  1421.0  1659.8  1806.1  1860.0  1821.5  387.62  3017 Gr6  410  30.3  1473.9  1711.1  1860.4  1921.7  1895.0  431.91  2679 Gr7  455  198.5  1514.9  1757.3  1916.6  1992.9  1986.3  481.40  2782 Gr8  510  198.5  1539.4  1798.2  1980.1  2085.3  2113.6  543.12  2736 Gr9  580  145.5  1523.7  1824.5  2057.3  2222.1  2318.9  630.19  2627 

 Table  3.17.  Bivariate  Quadratic  Estimates  of  Calorie  Intakes  of  Urban  Males  by  Age  and Expenditure Groups: NSS 61st Round Data Truncated by Top Three Expenditure Groups. 

Exp. Grp. 

Lower Limit 

Intercept  Age 00‐03 

Age 04‐06 

Age 07‐12 

Age 13‐18 

Age 19+ 

Av. Exp. 

Group Multiplier

Gr1  0  ‐346.2  971.7  1348.3  1592.2  1703.3  1681.8  280.89  202 Gr2  335  ‐77.8  1076.4  1438.2  1674.4  1785.0  1769.8  368.09  216 Gr3  395  ‐39.1  1152.3  1503.1  1734.3  1845.7  1837.3  441.18  438 Gr4  485  17.9  1232.3  1571.2  1797.8  1912.1  1914.1  533.09  496 Gr5  580  200.7  1295.6  1624.5  1848.6  1967.8  1982.3  625.54  483 Gr6  675  402.8  1346.1  1666.2  1889.9  2017.2  2048.1  729.78  526 Gr7  790  344.8  1378.1  1690.9  1917.6  2058.4  2113.1  857.80  571 Gr8  930  280.5  1372.1  1681.3  1917.1  2079.6  2168.7  1014.12  580 Gr9  1100  448.2  1284.9  1598.5  1856.0  2057.2  2202.2  1226.20  659 

 Table  3.18.  Bivariate  Quadratic  Estimates  of  Calorie  Intakes  of  Urban  Females  by  Age  and Expenditure Groups: NSS 61st Round Data Truncated by Top Three Expenditure Groups. 

Exp. Grp. 

Lower Limit 

Intercept  Age 00‐03 

Age 04‐06 

Age 07‐12 

Age 13‐18 

Age 19+ 

Av. Exp. 

Group Multiplier

Gr1  0  ‐346.2  1011.4  1328.0  1540.1  1647.5  1650.4  280.89  202 Gr2  335  ‐77.8  1096.6  1395.2  1596.3  1699.8  1705.8  368.09  216 Gr3  395  ‐39.1  1158.6  1444.5  1638.7  1741.2  1752.1  441.18  438 Gr4  485  17.9  1224.7  1497.4  1685.9  1790.1  1810.1  533.09  496 Gr5  580  200.7  1277.5  1540.4  1726.5  1835.8  1868.2  625.54  483 Gr6  675  402.8  1320.9  1576.7  1764.0  1882.9  1933.4  729.78  526 Gr7  790  344.8  1350.6  1603.4  1798.1  1934.6  2013.0  857.80  571 Gr8  930  280.5  1351.6  1609.4  1821.7  1988.4  2109.6  1014.12  580 Gr9  1100  448.2  1290.9  1570.8  1822.2  2045.2  2239.6  1226.20  659 

 Observe that if we start with the linear equation “CalConsni = a + b*AvExpi + ei

”, which has been found to give good fit then we get  

CalConsn=α+β10*AvExp+β01*Age+β02*Age2+β11*Age*AvExp

 +β12*AvExp*Age2.       … (3.22) 

In practice we take a slightly different equation. We omit the term AvExp*Age2 and include the term AvExp2 so that the equation becomes quadratic with AvExp and Age and get the following equation.  CalConsn=α+β10*AvExp+β01*Age+β20*AvExp

2+β02*Age2+β11*AvExp*Age.   … (3.23) 

In this case we get the following eight regression equations: Table 3.19. Coefficients of Quadratic Regression of Calorie Intakes on Average Expenditure and Age: NSS 61st Round Data. 

45  

9 Exp Group  7 Exp Group Rural  Urban  Rural  Urban 

  

Regressors  Male  Female  Male  Female  Male  Female  Male  Female (Constant)  37.399  457.657  317.147 626.417 ‐49.521 239.848  118.243  344.175AvExp  3.812  2.365  1.378 .748 4.005 2.626  1.820  1.456Age  426.123  290.345  432.339 311.537 461.137 409.167  499.573  383.725AvExp2  ‐.003503  ‐0.00196  ‐.0007938 ‐.0004224 ‐.003033 ‐.001127  ‐.001085  ‐.0008609Age2  ‐60.850  ‐42.029  ‐48.485 ‐34.671 ‐56.356 ‐47.483  ‐55.933  ‐40.184AvExp*Age  .211  .223  0.05991 0.08968 0.02183 ‐.03996  0.01898  0.01850

 It has been found that the cross product term  is not significant  in all the cases.  If we omit this term and use the equation  CalConsn=α+β10*AvExp+β01*Age+β20*AvExp

2+β02*Age2.             … (3.24) 

We get the following eight regression equations in that case. Table 3.20. Coefficients of Quadratic Regression of Calorie Intakes on Average Expenditure and Age (Without Interaction Term): NSS 61st Round Data. 

9 Exp Group  7 Exp Group Rural  Urban  Rural  Urban 

  

Regressors  Male  Female  Male  Female  Male  Female  Male  Female (Constant)  ‐222.467  183.401  187.716 432.668 ‐72.948 282.737 84.863  311.628AvExp  4.445  3.033  1.558 1.017 4.070 2.506 1.877  1.512Age  512.745  381.763  475.483 376.120 468.946 394.871 510.700  394.574AvExp2  ‐.003503  ‐0.00196  ‐.0007938 ‐.0004.224 ‐.003.033 ‐.001127 ‐.001085  ‐.0008609Age2  ‐60.850  ‐42.029  ‐48.485 ‐34.671 ‐56.356 ‐47.483 ‐55.933  ‐40.184

We  shall however  take  the equation  (3.23)  for all  subsequent calculations. Moreover  it  is not necessary to take 9 expenditure groups for urban India so far as calculations of poverty rates are concerned. We shall thus take 9 expenditure groups for rural India and 7 expenditure groups for urban India.  Thus the four equations are:  Rural Male 9 Expenditure Groups: CalConsn=37.399+3.812*AvExp+426.123*Age‐.003503*AvExp2‐60.850*Age2+.211*AvExp*Age Rural Female 9 Expenditure Groups: CalConsn=457.657+2.365*AvExp+290.345*Age‐0.00196*AvExp2‐42.029*Age2+.223*AvExp*Age Urban Male 7 Expenditure Groups: CalConsn=118.243+1.820*AvExp+499.573*Age‐.001085*AvExp2‐55.933*Age2+0.01898*AvExp*Age Urban Female 7 Expenditure Groups: CalConsn=344.175+1.456*AvExp+383.725*Age‐.0008609*AvExp2‐40.184*Age2+0.01850*AvExp*Age   These four equations are very important in our poverty calculations. For a given household, we compute  the per capita average expenditure of each member of the household depending on whether  the household belongs  to  rural or urban  sector. The weighted  sums of  the expected amount of calories consumed by the members are then found separately for male and female members of the household, where the weight is the number of members in each category.  It may be thought that the total of these two sums (i.e., the sum of expected amount of calories consumed by male members and the sum of expected amount of calories consumed by female members)  is  the  estimated  calorie  consumption of  the household. This  is not  true. We must identify the expenditure group containing the household. The intercept term of the expenditure group should be added  to  the weighted sum  to get  the estimated calorie consumption of  the household. In a similar manner we get the sum of calorie norms of members in the household. 

46  

Here  the  question  of  intercept  term  does  not  arise.  The  calorie  norm  of  the  household  is compared with the estimated calorie consumption to determine whether the household is poor. If a household  is poor  then  it  is given  a dummy  value  ‘1’, otherwise  it  is given  the  value  ‘0’. Weighted means of these dummy values give us the poverty ratios. Weights should be taken as individual multiplier and not the multiplier of the household. The individual multiplier is just the product of the household multiplier and the total number of members  in the household.   This calculation can be carried out separately for rural and urban India (Table 3.21).   Table 3.21. Estimates of Poverty Rates Assuming that Activity Status of All Adults are  in the Sedentary Level Using Quadratic Regression of Calorie  Intakes on Average Expenditure and Age: NSS 61st Round Data. 

Rural  Urban  All India Method of Calculation  Norm  W/o  

Weight With Weight 

W/o  Weight 

With Weight 

W/o Weight 

With Weight 

7 Exp Groups  0.33  0.48  0.52  0.56  0.40  0.50 9 Exp Groups 

ICMR 0.36  0.51  0.68  0.74  0.48  0.57 

7 Exp Groups  0.27  0.40  0.46  0.49  0.34  0.42 Our 

9 Exp Groups FAO 

0.31  0.43  0.59  0.63  0.41  0.48 ICMR  ‐  0.56  ‐  0.62  ‐  0.57 

Direct* FAO  ‐  0.51  ‐  0.58  ‐  0.52 

  *. See Table 2.10.  In case of All  India estimates we should not  take any of  the estimates as shown  in  the above Table, It should be weighted average of 0.508 and 0.556 for ICMR norm and weighted average of 0.434 and 0.488 for FAO norm, weights being 0.7468 and 0.2532 respectively. Applying these weights we get the all India poverty ratios as 0.520 for ICMR norm and 0.447 for FAO norm.  In any case these estimates are not plausible. The urban poverty ratios are found to be higher than the corresponding rural poverty ratios. What has gone wrong? Clearly the activity status! And if we take activity status then it will further inflate the poverty rates.  

47  

References 1. Ahmad, A. and J. Morduch  (1993): "Identifying Sex Bias  in the Allocation of Household 

Resources: Evidence from Linked Household Surveys from Bangladesh", Mimeo, Harvard University. 

2. Bhalotra,  S.  and  C.  Attfield  (1998):  "Intrahousehold  Resource  Allocation  in  Rural Pakistan: A Semiparametric Analysis", Journal of Applied Econometrics, 13, 463 ‐ 480. 

3. Bidani,  Benu  and  Martin  Ravallion,  1997.  “Decomposing  social  indicators  using distributional data,” Journal of Econometrics, 77, 125‐139. 

1. Bourguignon, F., M. Browning, P. A. Chiappori and V. Lechene  (1993): "Intrahousehold Allocation of Consumption: Some Evidence on French Data", Annales d'Economie et de Statistique, 29, 137 – 156. 

2. Browning,  M.  and  P.  A.  Chiappori  (1998):  "Efficient  Intra  Household  Allocations:  A General Characterisation and Empirical Tests", Econometrica, 66(6), 1241‐1278. 

3. Chesher, Andrew (1997): “Diet revealed?: semiparamatric estimation of nutrient intake‐age relationships,” Journal of the Royal Statistical Society A, 160(3):389‐428. 

4. Coondoo, D., Majumder, A. and R. Ray (2003): “Estimation of a set of Multi Lateral Consumer  Price  Indices  for  Nutrients”,  Working  Paper  No.  ERU/2003‐12,  Indian Statistical Institute, Kolkata, India. 

5. Coondoo, D., Majumder, A. and R. Ray  (2004),  “A Method of Calculating Regional Consumer  Price  Differentials  with  Illustrative  Evidence  from  India”,  Review  of Income and Wealth, 50(1), 51‐68. 

6. Deaton, A. (1989): "Looking for Boy‐Girl Discrimination in Household Expenditure Data", World Bank Economic Review, 3(1), 1 ‐ 15. 

7. Deaton, A. (1997): The Analysis of Household Surveys: A Microeconometric Approach to Development Policy, The World Bank, Washington DC. 

8. Deaton, Angus and Christina Paxson, 2000, “Growth and saving among  individuals and households,” Review of Economics and Statistics, 82(2), 212–25. 

9. Dreze, J. and A. Sen (1989): Hunger and public action, Oxford, Oxford University Press. 10. Duflo, E. (2005): "Gender Equality in Development", Mimeo, MIT. 11. FAO  (2001):  Report  of  the  Joint  FAO/WHO/UNU  Expert  Consultation,  Rome,  17‐24 

October, 2001, http://www.fao. org/docrep/007/y5686e/y5686e01.htm# TopOfPage.  12. Gibson,  J.  and  S.  Rozelle  (2004):  "Is  It  Better  to  be  a  Boy?  A  Disaggregated  Outlay 

Equivalent  Analysis  of  Gender  Bias  in  Papua  New  Guinea",  Journal  of  Development Studies, 40 (4), 115‐136. 

13. Gong, X., A. Van Soest and P. Zhang (2005): "Sexual Bias and Household Consumption, a semiparametric analysis of Engel curves in rural China", Journal of Applied Econometrics, 20, 509 ‐ 527. 

14. Haddad,  L.  and  T. Reardon  (1993):  "Gender Bias  in  the Allocation of Resource within Households  in  Burkina  Faso:  A  Disaggregated  Outlay  Equivalent  Analysis",  Journal  of Development Studies, 29(2), 260 ‐ 276. 

15. Haddad, L., C. Peña, C. Nishida, A. Quisumbing and S. Alison (1996): Food Security and Nutrition  Implications of  Intrahousehold Bias: A Review of Literature, FCND Discussion Paper  No.  19,  Food  Consumption  and  Nutrition  Division,  International  Food  Policy Research Institute, Washington, D.C.  

16. ICMR (2002): Nutrient Requirements and Recommended Dietary Allowances for Indians: A Report of the Expert Group of the Indian Council of Medical Research, New Delhi. 

48  

17. James WPT & Schofield EC (1990): Human Energy Requirements: a Manual for Planners and  Nutritionists.  New  York:  Food  and  Agriculture  Organization  of  the  United Nations/Oxford University Press. 

18. Kingdon,  G.  G.  (2005):  Where  has  all  the  bias  gone?  Detecting  gender  bias  in  the Intrahousehold  Allocation  of  Educational  Expenditure"  Economic  Development  and Cultural Change, 53 (2), 409‐452. 

19. Lancaster, G., Maitra, P. and Ray, R (2007): Household Expenditure Patterns and Gender Bias:  Evidence  from  Selected  Indian  States,  Paper  presented  at  the  Indian  Statistical Institute  Platinum  Jubilee  Conference  on  “Gender  Issues  and  Empowerment  of Women”, held at Kolkata during 1‐2 February 2007. 

20. Mason, Andrew D., Claudia E. Montenegro, and Shahidur R. Khandker (1999): “Can we say  anything  more  about  gender  and  poverty  using  household  consumption  data,” Poverty Reduction and Economic Management Network, The World Bank. 

21. NIN (2003): “Dietary Guidelines for Indians – A Manual”, p. 1. 22. Pitt, M., M.R. Rosenzweig and M.N. Hassan (1990): "Productivity, health and  inequality 

in the intrahousehold distribution of food in low‐income countries", American Economic Review, 80, 1139‐1156. 

23. Ray,  R.  and  Lancaster,  G.  (2004):  On  Setting  the  Poverty  Line  Based  on  Estimated Nutrient Prices With Application  to  the Socially Disadvantaged Groups  in  India During the  Reforms  Period,  Discussion  Paper  2004‐09,  School  of  Economics,  University  of Tasmania. 

24. Song Lina  (2008): “In Search of Gender Bias  in Household Resource Allocation  in Rural China” University of Nottingham and IZA, Discussion Paper No. 3464 April 2008. 

25. Subramanian,  S.  and  A.  Deaton  (1991):  "Gender  Effects  in  Indian  Consumption Patterns", Sarvekshana, 14, 1 ‐ 12. 

26. Udry,  C.  (1997):  "Recent  Advances  in  Empirical  Microeconomic  Research  in  Poor Countries: An Annotated Bibliography", Journal of Economic Education, 28(1), 58 – 75. 

27. WHO (1985): Energy and protein requirements: Report of a joint FAO/WHO/UNU expert consultation. WHO Technical Report Series No. 724. Geneva. 

28. WHO (1995): Physical status: The use and interpretation of anthropometry. Report of a WHO expert committee. WHO Technical Report Series No. 854. Geneva. 

 

49  

Appendix-3.1 GLOSSARY AND ABBREVIATIONS The following terms and abbreviations are relevant in this paper. These are consistent with the definitions used in other related WHO and FAO documents (FAO, 2001, 2002; James and Schofield 1990; WHO, 1985, 1995). Basal metabolic rate (BMR): The minimal rate of energy expenditure compatible with life. It is measured in the supine position under standard conditions of rest, fasting, immobility, thermoneutrality and mental relaxation. Depending on its use, the rate is usually expressed per minute, per hour or per 24 hours. Body mass index (BMI): The indicator of weight adequacy in relation to height of older children, adolescents and adults. It is calculated as weight (in kilograms) divided by height (in meters), squared. The acceptable range for adults is 18.5 to 24.9, and for children it varies with age. Doubly labelled water (DLW) technique: A method used to measure the average total energy expenditure of free-living individuals over several days (usually 10 to 14), based on the disappearance of a dose of water enriched with the stable isotopes 2H and 18O. Energy requirement (ER): The amount of food energy needed to balance energy expenditure in order to maintain body size, body composition and a level of necessary and desirable physical activity, and to allow optimal growth and development of children, deposition of tissues during pregnancy, and secretion of milk during lactation, consistent with long-term good health. For healthy, well-nourished adults, it is equivalent to total energy expenditure. There are additional energy needs to support growth in children and in women during pregnancy, and for milk production during lactation. Heart rate monitoring (HRM): A method to measure the daily energy expenditure of free-living individuals, based on the relationship of heart rate and oxygen consumption and on minute-by-minute monitoring of heart rate. Total energy expenditure (TEE): The energy spent, on average, in a 24-hour period by an individual or a group of individuals. By definition, it reflects the average amount of energy spent in a typical day, but it is not the exact amount of energy spent each and every day. Physical activity level (PAL): TEE for 24 hours expressed as a multiple of BMR, and calculated as TEE/BMR for 24 hours. In adult men and non-pregnant, non-lactating women, BMR times PAL is equal to TEE or the daily energy requirement. Physical activity ratio (PAR): The energy cost of an activity per unit of time (usually a minute or an hour) expressed as a multiple of BMR. It is calculated as energy spent in an activity/BMR, for the selected time unit. Conversion Factors: 1  joule  (J)  is  the amount of mechanical energy  required  to displace a mass of 1 kg through a distance of 1 m with an acceleration of 1 m per second (1 J = 1 kg × 1 m2 × 1 sec‐2). Multiples of 1 000  (kilojoules, kJ) or 1 million  (megajoules, MJ) are used  in human nutrition. The conversion  factors between joules and calories are: 1 kcal = 4.184 kJ, or conversely, 1 kJ = 0.239 kcal. Energy equivalents: 1 g protein = 5.65 kcal; 1 g fat = 9.25 kcal.

 

50  

Appendix-3.2  

Average Calorie Consumption of Male and Female Members of the Households: A Caution 

 What we have established in this chapter is that there is no difference between urban and rural sectors  so  far  as  calorie  consumption  of  female members  relative  to  calorie  consumption  of male  members  is  concerned  for  each  age  group  regardless  which  expenditure  group  is considered.  In  other words we  can multiply  calorie  consumption  of  a  female member  by  a constant factor to make  it equivalent to a male member of the same age group and carry out our analysis without being bothered about  the expenditure groups or  the rural‐urban sectors. Here we  further consider  the average calorie consumption of  the members  in  the household, but concentrate on the male female distribution of the same and try to show that the results of statistical analysis if not done properly may be misleading. Ratio of average calorie requirements of female members to that of male members are given in the following two tables. This ratio is around 0.92 for age groups upto age 12 years and then becomes less in the higher age groups. The overall average of Ratios is 0.92.  

Table A3.2.1 Energy requirements of infants during the first year of life: FAO Boys Girls Girls/Boys Daily energy requirements

Daily energy requirements

Weight Daily energy requirements

Age in months Weight

Kg. Kcal/d Kcal/d/kg

WeightKg.

Kcal/d Kcal/d/kg - /d /d/kg (1) (2) (5) (6) (7) (10) (11) (12) (13)  (14)

Age WtB CalB CalKgB WtG CalG CalKgG RatWt RatCal  RatCalKg0-1 4.58 518 113 4.35 464 107 0.95  0.90  0.95 1-2 5.50 570 104 5.14 517 101 0.93  0.91  0.97 2-3 6.28 596 95 5.82 550 94 0.93  0.92  0.99 3-4 6.94 569 82 6.41 537 84 0.92  0.94  1.02 4-5 7.48 608 81 6.92 571 83 0.93  0.94  1.02 5-6 7.93 639 81 7.35 599 82 0.93  0.94  1.01 6-7 8.30 653 79 7.71 604 78 0.93  0.92  0.99 7-8 8.62 680 79 8.03 629 78 0.93  0.93  0.99 8-9 8.89 702 79 8.31 652 78 0.93  0.93  0.99 

9-10 9.13 731 80 8.55 676 79 0.94  0.92  0.99 10-11 9.37 752 80 8.78 694 79 0.94  0.92  0.99 11-12 9.62 775 81 9.00 712 79 0.94  0.92  0.98 

Mean* 7.72 649 86 7.20 600 85 0.93 0.92 0.99 *. Unweighted

 

51  

 Table A3.2.2. Energy requirements of boys and girls at different age groups: FAO

Boys Girls Girls/Boys

Weight Daily energy requirements

Weightkg

Daily energy requirements

Weight Daily Energy Requirements

Age years

Kg Kcal/d Kcal/d/kg Kg Kcal/d Kcal/d/kg - /d /d/kg (1) (2) (5) (6) (7) (10) (11) (12) (13)  (14)

Age WtB CalB CalKgB WtG CalG CalKgG RatWt RatCal  RatCalKg1-2 11.5 948 82.4 10.8 865 80.1 0.94  0.91  0.97 2-3 13.5 1129 83.6 13.0 1047 80.6 0.96  0.93  0.96 3-4 15.7 1252 79.7 15.1 1156 76.5 0.96  0.92  0.96 4-5 17.7 1360 76.8 16.8 1241 73.9 0.95  0.91  0.96 5-6 19.7 1467 74.5 18.6 1330 71.5 0.94  0.91  0.96 6-7 21.7 1573 72.5 20.6 1428 69.3 0.95  0.91  0.96 7-8 24.0 1692 70.5 23.3 1554 66.7 0.97  0.92  0.95 8-9 26.7 1830 68.5 26.6 1698 63.8 1.00  0.93  0.93 

9-10 29.7 1978 66.6 30.5 1854 60.8 1.03  0.94  0.91 10-11 33.3 2150 64.6 34.7 2006 57.8 1.04  0.93  0.89 11-12 37.5 2341 62.4 39.2 2149 54.8 1.05  0.92  0.88 

Mean* 22.8 1611 72.9 22.7 1484 68.7 0.98 0.92 0.94 12-13 42.3 2548 60.2 43.8 2276 52.0 1.04  0.89  0.86 13-14 47.8 2770 57.9 48.3 2379 49.3 1.01  0.86  0.85 14-15 53.8 2990 55.6 52.1 2449 47.0 0.97  0.82  0.85 15-16 59.5 3178 53.4 55.0 2491 45.3 0.92  0.78  0.85 16-17 64.4 3322 51.6 56.4 2503 44.4 0.88  0.75  0.86 17-18 67.8 3410 50.3 56.7 2503 44.1 0.84  0.73  0.88 

Mean* 55.9 3036 54.8 52.1 2434 47.0 0.94 0.81 0.86 Overall Mean* 34.5 2114 66.5 33.0 1819 61.1 0.97 0.88 0.91

*. Unweighted

We  can  also  compare  FAO  estimates  with  the  corresponding  ICMR  estimates  of  the requirements. This is given in Table A3.2.3.  Table A3.2.3. Energy requirements of boys and girls at different age groups: A comparison between FAO and ICMR estimates taking body weights of ICMR Boys Girls Girls/Boys

Daily energy requirements

Daily energy requirements

Daily energy requirements

Age groups

Body weight

FAO ICMR

Body weight

FAO ICMR

Body weight

FAO ICMR Kg. Kcal/d/

kg Kcal/d Kcal/d Kg. Kcal/d/

kg Kcal/d Kcal/d Kg. Kcal/d/

kg Kcal/d Kcal/d

(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12) (13) 0-5m 5.4 93 502 583 5.4 92 497 583 1.00  0.99  0.99  1.00 6-11m 8.6 80 688 843 8.6 79 679 843 1.00  0.99  0.99  1.00 1-3y 12.2 82 1000 1240 12.2 79 964 1240 1.00  0.96  0.96  1.00 4-6y 19.0 75 1425 1690 19.0 72 1368 1690 1.00  0.96  0.96  1.00 7-9y 26.9 69 1856 1950 26.9 64 1722 1950 1.00  0.93  0.93  1.00 

10-12y 35.4 62 2195 2190 31.5 55 1733 1970 0.89  0.89  0.79  0.90 13-15y 47.8 56 2697 2450 46.7 47 2195 2060 0.98  0.84  0.81  0.84 16-17y 57.1 51 2912 2640 49.9 44 2160 2060 0.87  0.86  0.74  0.78  

52  

Since ICMR takes the same weight for boys and girls up to 9 years we get the ratio as 1. Even in the higher age groups the female male ratio of calorie requirements proposed by ICMR is more than  that of  FAO.  Since  the  requirements  are based on  actual  calculations  from  a  sample of apparently normal individuals drawn from Indian population, ICMR estimates of the ratios seem to be more reliable especially in the higher age groups.  The actual ratio of consumptions as given in the Table A3.2.4 shows that the female male ratio of calorie consumption should be taken as 0.92.  Table A3.2.4: Age Group wise Comparison of Estimated F/M Ratios for all Expenditure Groups: Rural, Urban and All India, 61st Round NSS data  

 Age Groups 

Rural (F/M) 

Urban (F/M) 

Rural+Urban (F/M) 

0‐3 yrs.  0.93  1.02  0.95 

4‐6 yrs.  0.91  0.85  0.91 

7‐12 yrs.  0.95  0.96  0.94 

13‐18 yrs.  0.93  0.87  0.91 

19 or more yrs.  0.90  1.01  0.91 

Average  0.92  0.95  0.92   Source of Data: NSSO 61st Round   This ratio can also be arrived at  if we find the mean consumption separately for the male and female  population  by  regressing  the  total  calorie  intake  on  number  of  male  and  female members  in  the household  (Tables A3.2.5‐A3.2.8).  In  fact, we have  found  the average  calorie consumption  of male  and  female members  of  the  households  after  removing  the  effects  of rural/urban  sectors and  the expenditure groups. For  this we had  to  take appropriate dummy variables  for  sector  (rural‐urban) and  the expenditure groups. The  coefficients of  the dummy variables  are  not  important  to  us. We  have  taken  the  coefficients  of  numbers  of male  and female  members  as  the  corresponding  average  calorie  consumptions.  The  four  regressions correspond  to  the  case of without  and with using multipliers  along with whether number of observations  truncated  from  above.  The  truncation  points  are  such  that  the  top  three expenditure groups are deleted.   The results of the four tables are summarized in Table A3.2.9. It can be clearly seen from Table A3.2.9 that the ratio is 0.92.  

53  

 

54  

Table  A3.2.5.  Average  calorie  consumption  of  male  and  female  members  of  the households  after  removing  the  effects  of  rural/urban  sectors  and  the  expenditure groups: Without using multiplier 

 Unstandardized Coefficients Model 

  Regressors  Coefficients T  Sig.  F,Sig.,d.f., R2 

and F/M All India  CONSTANT 

SECTOR MPCEGR02 MPCEGR03 MPCEGR04 MPCEGR05 MPCEGR06 MPCEGR07 MPCEGR08 MPCEGR09 MPCEGR10 MPCEGR11 MPCEGR12 ALLMALES ALLFEMAL 

‐3462.259‐263.9921098.7921763.9572518.7162913.3793336.2813718.9034146.9614559.7445013.0675618.3796691.5972081.3391908.581 

‐2788.330‐545.265718.3851330.3071929.0592228.3302543.5962865.6813214.0343565.0093915.4213983.9154813.875

12857.16311496.243 

.000 

.000 

.000 

.000 

.000 

.000 

.000 

.000 

.000 

.000 

.000 

.000 

.000 

.000 

.000 

Sig. = .000, R‐Sq.=0.691

F/M=0.92 

Rural India  CONSTANT MPCEGR02 MPCEGR03 MPCEGR04 MPCEGR05 MPCEGR06 MPCEGR07 MPCEGR08 MPCEGR09 MPCEGR10 MPCEGR11 MPCEGR12 ALLMALES ALLFEMAL 

‐3739.6741043.0991761.2032491.9832979.9163394.0503788.2274253.4174700.5305208.2565906.9907205.4152112.1071944.923 

‐2561.429572.0441115.2921601.7851915.2872162.8032441.7612764.5953077.4883400.8783481.5854322.099

11072.7389829.872 

.000 

.000 

.000 

.000 

.000 

.000 

.000 

.000 

.000 

.000 

.000 

.000 

.000 

.000 

Sig. = .000, R‐Sq.=0.694

F/M=0.92 

Urban India  CONSTANT MPCEGR02 MPCEGR03 MPCEGR04 MPCEGR05 MPCEGR06 MPCEGR07 MPCEGR08 MPCEGR09 MPCEGR10 MPCEGR11 MPCEGR12 ALLMALES ALLFEMAL 

‐2763.5971214.2801720.6982521.1702643.7493059.6953393.4083711.9484019.5184321.2704703.2965218.4671962.2101790.352 

‐1230.197441.759719.8321072.3751118.7271308.5411462.9981598.5961751.5591886.0871889.6142111.7716491.0025983.125 

.000 

.000 

.000 

.000 

.000 

.000 

.000 

.000 

.000 

.000 

.000 

.000 

.000 

.000 

Sig. = .000, R‐Sq.=0.676

F/M=0.91 

   

55  

Table  A3.2.6.  Average  calorie  consumption  of  male  and  female  members  of  the households after removing the effects of rural/urban sectors and the expenditure groups: Using multiplier  

Model  

Regressors  Coefficients  T  Sig.  F (Sig.) 

All India  CONSTANT SECTOR 

MPCEGR02 MPCEGR03 MPCEGR04 MPCEGR05 MPCEGR06 MPCEGR07 MPCEGR08 MPCEGR09 MPCEGR10 MPCEGR11 MPCEGR12 ALLMALES ALLFEMAL 

‐3589.74923.888

1071.1611708.1752305.1972753.3983220.1803599.7384018.5654530.6945032.5415671.5866904.2432099.0951939.409 

‐62.1071.15615.01127.73437.85145.02152.61259.49267.24077.38986.89691.512111.994293.737267.192 

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000 

Sig. = .000, R‐Sq.=0.676  F/M = 0.924 

Rural India  CONSTANT MPCEGR02 MPCEGR03 MPCEGR04 MPCEGR05 MPCEGR06 MPCEGR07 MPCEGR08 MPCEGR09 MPCEGR10 MPCEGR11 MPCEGR12 ALLMALES ALLFEMAL 

‐4036.074917.7611621.1332319.0952811.2713283.8093684.4824106.5284656.9595227.6895989.1637464.6332153.8122003.510 

‐49.2838.56017.67525.84831.65636.98942.31347.94155.21962.49568.11285.958236.077213.161 

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000 

Sig. = .000, R‐Sq.=0.683  F/M=0.930 

Urban India  CONSTANT MPCEGR02 MPCEGR03 MPCEGR04 MPCEGR05 MPCEGR06 MPCEGR07 MPCEGR08 MPCEGR09 MPCEGR10 MPCEGR11 MPCEGR12 ALLMALES ALLFEMAL 

‐2596.8921151.9941726.7102194.6892595.2303045.5473388.8413788.6414197.8164517.3354860.6595367.1101955.6881796.315 

‐34.59212.84922.10228.00332.18837.66341.53046.23652.79857.66556.02560.400173.031161.212 

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000 

Sig. = .000, R‐Sq.=0.650  F/M=0.919 

 

56  

Table A3.2.7. Average calorie consumption of male and  female members of  the households after removing the effects of rural/urban sectors and the expenditure groups: Without using multiplier and last three groups deleted  

Unstandardized Coefficients Model   Regreesors  Coefficients 

t  Sig.  F,Sig.,d.f., R2 and F/M 

All India  CONSTANT SECTOR MPCEGR02 MPCEGR03 MPCEGR04 MPCEGR05 MPCEGR06 MPCEGR07 MPCEGR08 MPCEGR09 ALLMALES ALLFEMAL 

‐2835.229147.3311045.4361662.9142238.1852678.3103128.9813496.9943899.6574377.9201947.3211818.936 

‐54.6947.03416.91331.16442.40950.51658.96166.62075.17286.101

275.627253.532 

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000 

F=20331,  Sig. = .000,  D.f. = (11,87375) R‐Sq.=0.719, F/M=0.934 

Rural India  CONSTANT MPCEGR02 MPCEGR03 MPCEGR04 MPCEGR05 MPCEGR06 MPCEGR07 MPCEGR08 MPCEGR09 ALLMALES ALLFEMAL 

‐3150.974927.1431608.3772289.1832762.0483218.3193600.3284005.4524524.7441979.2851876.901 

‐45.20910.43521.15930.78437.52343.73149.87356.39464.684

223.016206.387 

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000 

F=15176,  Sig. = .000,  D.f. = (10,53292) R‐Sq.=0.740 F/M=0.948 

 

Urban India  CONSTANT MPCEGR02 MPCEGR03 MPCEGR04 MPCEGR05 MPCEGR06 MPCEGR07 MPCEGR08 MPCEGR09 ALLMALES ALLFEMAL 

‐2106.0281116.5681674.4762115.8772503.5832942.9153268.9373644.5954029.0461879.0951713.343 

‐28.58913.03322.42428.23332.46538.04541.86046.44852.870

161.155146.982 

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000 

F=7025,  Sig. = .000,  D.f. = (10,34073) R‐Sq.=0.673 F/M=0.912  

 

57  

Table A3.2.8. Average calorie consumption of male and  female members of  the households after removing the effects of rural/urban sectors and the expenditure groups: Using multiplier and last three groups deleted  

Unstandardized Coefficients Model   Regreesors  Coefficients 

t  Sig.  F,Sig.,d.f., R2 and F/M 

All India  CONSTANT SECTOR MPCEGR02 MPCEGR03 MPCEGR04 MPCEGR05 MPCEGR06 MPCEGR07 MPCEGR08 MPCEGR09 ALLMALES ALLFEMAL 

‐2832.488‐109.7271096.7191730.0992454.3532830.3363224.6073592.3483995.2844376.7221957.2851807.138 

‐2532.002‐223.221818.0451488.4592143.8762468.5592802.6303154.8763527.3853895.694

12454.06811188.184 

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000 

R‐Sq.=0.730, F/M=0.923 

Rural India  CONSTANT MPCEGR02 MPCEGR03 MPCEGR04 MPCEGR05 MPCEGR06 MPCEGR07 MPCEGR08 MPCEGR09 ALLMALES ALLFEMAL 

‐2991.2831053.8841736.1452436.1032902.8453294.0253675.6334112.6904529.9831971.7841830.049 

‐2383.172690.7851313.9871871.1502229.2152507.4272829.7113191.4023539.090

11100.6579953.426 

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000 

R‐Sq.=0.745 F/M=0.928 

 

Urban India  CONSTANT MPCEGR02 MPCEGR03 MPCEGR04 MPCEGR05 MPCEGR06 MPCEGR07 MPCEGR08 MPCEGR09 ALLMALES ALLFEMAL 

‐2425.5401197.1761686.7922468.0012579.3602980.2143301.0333602.8343893.6071907.3801735.196 

‐1046.474432.030699.8251040.5871081.6171262.6391408.9621535.0801677.2685746.0365192.029 

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000

.000 

R‐Sq.=0.683 F/M=0.910  

   

58  

Table A3.2.9 Ratio of calorie consumptions of  female and male members of  the households after removing the effects of rural/urban sectors and the expenditure groups: A Summary 

Expenditure groups taken 

Whether multiplier used  Rural  Urban  All India 

Without Using Multiplier  0.92  0.91  0.92 Taking all expenditure groups  Using Multiplier  0.93  0.92  0.92 

Without Using Multiplier  0.95  0.91  0.93 Taking only first nine expenditure groups  Using Multiplier  0.93  0.91  0.92 

We have  seen  in  this  chapter  that  the  ratio of actual  calorie  consumption  is  almost  same  as those of FAO and ICMR for  lower age group members but  is prominently greater than 1  in the higher age groups. This means that the trend of the actual consumption ratio  in India  is not as decreasing  as  those  of  FAO  and  ICMR  ratios  of  norms.  The  value  that  female male  ratio  of calorie consumption is 0.92 can be very much misleading though we have considered the effect of  rural‐urban  sectors and  the expenditure groups  to  some extent. The effect of  interactions has not been considered at all. In other words the regression should have been carried out for each expenditure group separately for rural‐urban sectors as it was done in this chapter. Lower values of the ratios are due to pooling of expenditure groups, because the higher expenditure groups have very low values of these ratios and also the relation may be nonlinear if the groups are pooled. From Table A3.2.10 (also from Table 3.10), it is clear that the ratio of calorie intakes of female to male members is 0.96, which is a much higher value than found by ignoring or not giving due  consideration  to  the expenditure  groups.  So one  should always  take 0.96 and not 0.92 regardless whether it is rural India, urban India or all India.  Table A3.2.10: Age and Expenditure Group wise Comparison of Estimated F/M Ratios for all Expenditure Groups and for bottom 9 Expenditure Groups: Rural, Urban and All India, 61st Round NSS data 

Method 

  Age Group  

0 – 3 years 

4 – 6 years 

7 – 12 years 

13 – 18 years 

19 years or more 

Average 

Rural 0.97  0.94  0.97  0.95  0.98  0.96 Urban 1.05  0.91  0.95  0.92  0.98  0.96 AM 

All 12 Exp. 

Groups  All India 0.99  0.93  0.96  0.94  0.96  0.96 Rural 1.01  0.95  0.95  0.96  0.96  0.97 Urban 1.01  0.94  0.98  0.95  0.96  0.97 AM 

Lowest 9 Exp. 

Group  All India 1.02  0.95  0.95  0.96  0.96  0.97 Rural 1.00  0.95  0.95  0.95  0.96  0.96 Urban 1.00  0.93  0.98  0.95  0.96  0.96 GM 

Lowest 9 Exp. 

Group  All India 1.00  0.95  0.95  0.95  0.96  0.96  We can thus deflate male consumptions or inflate female consumptions accordingly and forget male  female  distinctions.  But  this  is  not  possible. We  have  only  the  numbers  of males  and females in our data. Assuming that each male member has unit ‘1’, we can convert the number of  females  using  this  ratio  so  that  the  female members  can  be  taken  as  equivalent  to male members. The only thing we have to do is to multiply the number of female members by 0.96.   

59  

Chapter 4  

New Methods of Finding Poverty Rate: Error Distribution Method  4.1 Introduction In  this  chapter we  assume  that  the  variables  like  calorie  consumption,  expenditure  and  the calorie norm follow certain distribution which is specific for specific variable. This assumption is quite plausible, because  the  values of  these  variables  vary  from one household  to  the other household.   Let us  first  try  to visualize  the direct method  in  the distribution set up. Each household has a fixed age‐sex‐activity status configuration and thus Daily Per Capita Calorie Norm (DPCN) for the household  is  fixed. Consider all the households with this same configuration. The monthly per capita expenditure (MPCE) of the households will vary even for a fixed DPCN. Let us denote this random variable (MPCE) by X. Y is similarly a random variable representing the Daily Per Capita Calorie  Intake  (DPCI)  of  the  household.  This  also  varies  from  one  household  to  another household.  DPCN  is  fixed.  However  if  we  allow  the  configuration  to  change,  i.e.,  take  all households regardless of the configurations then this can even be treated as a random variable. Let  us  assume  that  this  random  variable  is  Z. What  we  do  in  the  direct  calorie method  is compute Prob(Y<Z). In actual practice, for a given household, i.e., for Z=z, say, we check whether the  corresponding  value  y  of  Y  is  less  than  z.  If  it  is  so  then  we  put  the  value  ‘1’  for  the household otherwise we put the value ‘0’. Count all such 1’s with appropriate weights. This gives us the Calorie Poverty Rate by the direct method. The similar expression  in the population set up is Ez[Prob(Y<Z|Z=z)]. This is in fact Prob(Y<Z).  It is not clear how one should set the Poverty Line by the Direct Method. We assume that a tri‐variate distribution exist between DPCI, Daily Per Capita Calorie Norm (DPCN, i.e., Calorie norm of  the household)  and MPCE. We  shall have  to  find  the Probability of DPCI  to be  less  than DPCN given MPCE and get the weighted sum of these probabilities. In other words, we should find E[Pr.(DPCI<DPCN|MPCE)]. We assume tri‐variate normal distribution for each expenditure class. Find means, variances and covariances of the three random variables. This will give us the relation among  the  three variables. This relation can be used  to get  the desired Poverty Rate. The problem of getting Poverty Line by Direct method still remains unsolved.   Symbolically, we assume  a  tri‐variate distribution  among  Y,  Z  and X  and  find Prob(Y<Z)  given X=x  and  get  the weighted  sum  of  these  probabilities,  i.e.,  Ex[Prob(Y<Z|X=x)].  If  the  joint  density  function  is known, then this can be found from the following integral.  

 . 

We assume a  tri‐variate normal distribution  for each expenditure class. Find means, variances and covariances of  the  three  random variables. This will give us  the  relation among  the  three variables. This relation can be used to get the desired Poverty Rate.   There  are many practical problems  in  the  above mentioned  assumptions.  First,  the  trivariate distribution  is different  for different  expenditure  class. Moreover we  are  assuming  X  to  take values within a given interval. Thus the assumption of normal distribution is also questionable. It may be controversial to assume normal distribution  for calorie norm too, because this  is fixed for a fixed family composition and there are only a limited number of such combinations.  

60  

 4.2 The Formulation of the Model To overcome the above mentioned problems we assume that DPCI is a linear function of MPCE except for a random error, which is assumed to be normally distributed. This is in fact found to be so for each interval of MPCE. Symbolically, we can write   

yh = a + bxh + εh, for all h such that xh є (A,B),   

where A and B are the boundaries of the given  interval. Here, X need not be normal. What we are assuming is that yh – (a + bxh) is normal for a given xh. Similarly, we assume   

yh = a' + b'zh + ε'h, for all h such that xh є (A,B).  

Prob(Y<Z) for a given  interval of X  is the expected value of Prob(Y<Z) where the expectation  is taken over all x values in the interval (A,B). Prob(Y<Z) can be approximated to Prob(a' + b'Z + ε' – Z < 0) or Prob(ε' < ‐ (a' + (b'‐1)Z)). Even if we assume that the length of the class interval of x is very small, we cannot assume that Z can be approximated by E[Z].   We  can  combine  the above  two assumptions by  taking a multiple  linear  regression model as given below.    

yh = a + bxh + czh + εh, for all h such that xh є (A,B),  We can find the weighted least squares estimates  , of a, b and c and then Prob(y<z|x & z) or Prob(y‐z<0|x & z),  or Prob(a+bx+cz+ε‐z<0|x & z), or Prob(ε<‐(a+bx+cz‐z) |x & z), or  

Φ[‐{a+bx+(c‐1)z}/ є],   assuming that ε follows a normal distribution with mean ‘0’. We face the same problem of fixing x and z  in practice. We can use  the  lower and upper boundary values of x and see  if  the  two values differ much for a fixed value of z. We can take the mid value of the two. To fix the z value we can  take  the weighted mean value of z values  in  the given  interval. All  these are however approximations.   Table 4.1 shows the calculations to find the poverty rates by trivariate regression method and Table 4.2  gives  the poverty  rates  assuming MPCE  values  same  as  the  (i)  lower boundary,  (ii) upper boundary and (iii) mean value and the calorie norm as the actual mean per capita norm of all households  in  the given  interval  taking FAO norms  (PCNFAO). The  rural and urban poverty rates are found as 0.77 and 0.68 taking mean MPCE and PCNFAO values of each interval. These values are at the higher ends of the values found earlier (0.71‐0.76 for rural and 0.63‐0.71 for urban India). Since FAO has the lowest calorie norms, the poverty rates by trivariate regression method using other  calorie norms would be higher  than  these  values  and  thus other  calorie norms are not explored in this section.  The poverty  rates need  to be  adjusted, because  the  rates have been  found  taking  truncated data, i.e., for data with DPCI > 100 Kcal and DPCI < 10000 Kcal. We assume that all households with DPCI < 100 Kcal are poor and all households with DPCI > 10000 Kcal are non‐poor and then 

61  

re‐estimate  the poverty rates giving appropriate weights. The adjusted poverty rates however has  been  found  to  be  same  as  the  existing  poverty  rates when  rounded  off  to  two  decimal places,  firstly  because  the weights  of    excluded  households  are  too  small  compared  to  the weights of households  included  in  the  analysis  and  secondly because  the proportion of poor persons of the excluded households does not differ much.      

62  

 Table 4.1. Results of Trivariate Regression of DPCI on MPCE and PCNFAO Separately for Rural Urban Sectors using Household Truncated Data With 100 Kcal < DPCI < 10000 Kcal and Individual Multiplier: All India, NSS 61st Round   

Sector Lower Bound 

Upper Bound 

Mean MPCE 

Mean DPCIMean 

PCNFAOSD 

PCNFAOMean 

PCNICMRSD 

PCNICMRMean PCNTF 

SD PCNTF 

Mean PCNEG 

SD PCNEG a   b  c SD of 

residuals (1)  (2)  (3)  (4)  (5)  (6)  (7)  (8)  (9)  (10)  (11)  (12)  (13)  (14)  (15)  (16)  (17) 

0  235  199.5  1376  2213 352.5 2368  350.8  2359  379.6  2371  345.4  153.4  4.555  .147 

358.830  

235  270  253.8  1574  2261 353.5 2417  356.5  2410  386.1  2420  351.6  308.1  3.425  .176 

305.527  

270  320  296.6  1679  2295 370.5 2445  376.9  2441  408.8  2447  372.0  690.7  2.304  .133 

325.575  

320  365  342.4  1799  2326 377.5 2468  385.2  2465  417.7  2469  380.0  748.3  2.035  .147 

350.990  

365  410  387.7  1885  2365 387.0 2511  400.1  2512  434.5  2511  395.5  596.7  2.266  .173 

379.505  

410  455  432.1  1962  2376 406.5 2515  421.1  2517  457.0  2514  416.1  1073.6  1.100  .172 

366.726  

455  510  481.6  2041  2410 392.9 2548  410.9  2551  447.2  2547  406.6  703.0  1.765  .201 

401.726  

510  580  543.3  2158  2437 404.1 2573  426.6  2578  463.6  2571  422.3  841.9  1.179  .268 

417.731  

580  690  630.4  2290  2475 411.6 2608  439.0  2615  477.8  2606  435.1  854.0  0.987  .310 

499.042  

690  890  775.0  2380  2469 410.4 2596  442.3  2600  482.2  2593  438.9  937.7  0.691  .363 

534.773  

890  1155  999.9  2568  2474 415.9 2594  452.2  2596  492.5  2591  448.9  516.4  0.962  .437 

611.513 

Rural 

1155  NA  1956.6  3018  2444 402.3 2555  441.0  2552  477.5  2552  438.0  1209.7  0.099  .610 

1012.313  

0  335  279.7  1413  2097 317.3 2205  306.7  2172  327.1  2206  300.5  301.3  2.090  .258 

321.756  

335  395  368.2  1607  2152 344.0 2253  340.9  2226  364.7  2253  334.8  1227.0  ‐0.187  .211 

322.789  

Urban 

395  485  441.3  1688  2151 333.4 2246  328.3  2215  349.4  2246  322.0  931.6  0.529  .243 

359.787  

63  

485  580  533.2  1832  2194 340.6 2286  335.3  2254  355.9  2285  328.8  645.1  1.094  .257 

404.367  

580  675  625.8  1856  2217 327.0 2306  327.9  2274  348.5  2304  322.5  733.6  0.845  .267 

381.713  

675  790  730.2  1943  2213 323.8 2300  323.0  2266  340.7  2298  317.5  738.8  0.615  .341 

410.383  

790  930  858.0  2023  2245 309.8 2324  308.4  2289  323.4  2321  302.9  665.8  0.662  .345 

411.790  

930  1100  1014.3  2111  2252 298.2 2330  295.1  2293  306.8  2327  289.7  980.5  0.455  .295 

566.200  

1100  1380  1226.4  2209  2260 295.6 2341  295.2  2303  305.6  2338  290.3  467.7  0.757  .354 

471.319  

1380  1880  1594.4  2340  2295 270.7 2372  268.7  2332  274.0  2369  264.1  613.6  0.349  .503 

565.151  

1880  2540  2157.2  2546  2301 273.1 2381  268.7  2341  272.4  2378  263.7  509.4  0.348  .526 

584.564  

 

2540  NA  4235.6  2839  2312 260.6 2387  257.1  2346  252.5  2384  252.6  1080.3  0.015  .668 

778.707 

a, b and c are the regression coefficients of DPCI=a+b×MPCE+c×PCNFAO using household Truncated Data With 100 Kcal < DPCI < 10000 Kcal   

64  

 Table 4.2: Poverty Rates by Trivariate Regression of DPCI on MPCE and PCNFAO Separately for Rural and Urban Sectors using Household Truncated Data With 100 Kcal < DPCI < 10000 Kcal and Individual Multiplier: Rural and Urban India, NSS 61st Round  

Sector Lower 

Boundary Upper 

Boundary Mean MPCE 

Weight  Pov. Rate1*  Pov. Rate2**  Pov. Rate

(1)  (2)  (3)    (4)  (5)  (6)  (7) 0  235 199.5 0.048 1.00  0.97   0.99

235  270 253.8 0.051 0.99  0.98   0.99270  320 296.6 0.099 0.98  0.96   0.97320  365 342.4 0.105 0.95  0.92   0.94365  410 387.7 0.102 0.92  0.87   0.90410  455 432.1 0.093 0.89  0.86   0.87455  510 481.6 0.099 0.85  0.79   0.82510  580 543.3 0.102 0.79  0.73   0.76580  690 630.4 0.103 0.71  0.64   0.68690  890 775.0 0.098 0.62  0.51   0.57890  1155 999.9 0.050 0.51 0.35   0.44

1155  ∞ 1956.6 0.050 0.36 0.00  0.33

Rural 

Total ‐ 1.000 0.81 0.74  0.790  335 279.7 0.050 1.00  0.96   0.98

335  395 368.2 0.051 0.95  0.95   0.95395  485 441.3 0.097 0.91  0.89   0.90485  580 533.2 0.104 0.87  0.81   0.84580  675 625.8 0.097 0.85  0.80   0.83675  790 730.2 0.100 0.77  0.72   0.75790  930 858.0 0.103 0.75  0.68   0.72930  1100 1014.3 0.097 0.63  0.57   0.60

1100  1380 1226.4 0.102 0.63  0.46   0.551380  1880 1594.4 0.099 0.53  0.41   0.481880  2540 2157.2 0.051 0.45  0.30   0.39

Urban 

2540  ∞ 4235.6 0.049 0.32 0.00  0.31  Total ‐ 1.000 0.73 0.64  0.70*. Assuming Lower Bound of Exp. Group and Mean PCNFAO, **. Assuming Upper Bound of Exp. Group and Mean PCNFAO. If  there  is  a  calorie  norm  below which  all  households  are  assumed  to  be  poor  then  gradual decrease of proportions of poor persons does not make any sense. But where do we put the cut‐off point. The best point should be the point where we have 50% below and also 50% above the point. This can be found by quadratic interpolation method. All the households above this cut of point should be taken as non‐poor. The logic behind this is the following. Suppose more than 50 percent of population with a given per capita  income can consume  food having calorie  intake more than the calorie norm then the rest of the households with the same per capita  income should be able to consume food as the same  level as this group. By a similar  logic a portion of households taken as poor should be non‐poor. This will be clear if we take the following figure. 

65  

Figure 4-1: A Diagrammatic Representation of Poverty Regions

  In  the  Figure  4.1  horizontal  axis  represents  Per  Capita  Expenditure  and  the  vertical  axis represents the degree of poverty. Area under the curve ACD  is the poverty rate. From ACD we take  the mirror  image of AC as OC. So we also  remove  the portion under  the  curve OC. The actual  poverty  region  is  the  portion AOC.  There  are methods which  are  independent  of  any assumption of distribution. This  is found by subtracting 1 from twice the poverty rates of each interval. Table 4.3:  Improvements of Poverty Rates by Trivariate  Linear Regression of DPCI on MPCE and PCNFAO for Rural Sector using Household Truncated Data With 100 Kcal < DPCI < 10000 Kcal and Individual Multiplier: NSS 61st Round 

Rural  Urban Mean MPCE  x  

P(Y<Z|X=x) 

P(Y<Z|X=x) –  (1‐P(Y<Z|X=x)) 

(Z=897) 

Wt  Mean MPCE  x  

P(Y<Z|X=x)  P(Y<Z|X=x)‐(1‐P(Y<Z|X=x)) (Z=897) 

Wt 

(1)  (2)  (3)  (4)  (5)  (6)  (7)  (8) 199.5  0.99  0.98  0.048  279.7 0.98 0.96  0.050 253.8  0.99  0.98  0.051  368.2 0.95 0.90  0.051 296.6  0.97  0.94  0.099  441.3 0.90 0.80  0.097 342.4  0.94  0.88  0.105  533.2 0.84 0.68  0.104 387.7  0.90  0.79  0.102  625.8 0.83 0.66  0.097 432.1  0.87  0.74  0.093  730.2 0.75 0.49  0.100 481.6  0.82  0.65  0.099  858.0 0.72 0.43  0.103 543.3  0.76  0.53  0.102  1014.3 0.60 0.20  0.097 630.4  0.68  0.36  0.103  1226.4 0.55 0.11  0.102 775.0  0.57  0.15  0.098  1594.4 0.48 0.00  0.099 999.9  0.44  0.00  0.050  2157.2 0.39 0.00  0.051 1956.6  0.33  0.00  0.050  4235.6 0.31 0.00  0.049 

Pov. Rate  0.79  0.60  1.000  Pov. Rate 0.70 0.43  1.000  

Degree 

of 

Per Capita Expenditure 

A 

C

D

BO

66  

Table  4.4:  Improvements  of  Poverty  Rates  by  Trivariate  Loglinear  of  DPCI  on  MPCE  and PCNFAO for Rural Sector using Household Truncated Data With 100 Kcal < DPCI < 10000 Kcal and Individual Multiplier: NSS 61st Round 

Rural  Urban Mean MPCE x 

Poverty Rate under Log‐Normal 

2×Col.(2) ‐ 1  

Wt Mean MPCE X 

Poverty Rate under Log‐Normal 

2×Col.(6)‐1 

Wt 

(1)  (2)  (3)  (4)  (5)  (6)  (7)  (8) 199.5  0.97  0.94  0.048  279.7 0.94  0.88  0.050 253.8  0.96  0.93  0.051  368.2 0.91  0.82  0.051 296.6  0.94  0.89  0.099  441.3 0.87  0.75  0.097 342.4  0.91  0.83  0.105  533.2 0.84  0.68  0.104 387.7  0.88  0.76  0.102  625.8 0.82  0.64  0.097 432.1  0.85  0.70  0.093  730.2 0.75  0.50  0.100 481.6  0.80  0.61  0.099  858.0 0.73  0.47  0.103 543.3  0.77  0.54  0.102  1014.3 0.65  0.30  0.097 630.4  0.70  0.39  0.103  1226.4 0.58  0.17  0.102 775.0  0.60  0.20  0.098  1594.4 0.51  0.03  0.099 999.9  0.47  0.00  0.050  2157.2 0.41  0.00  0.051 1956.6  0.34  0.00  0.050  4235.6 0.32  0.00  0.049 

Pov. Rate  0.78  0.58  1.000  Pov. Rate 0.71  0.44  1.000  It was already noted that the calculations of poverty rates in each interval needs fixing up values of x and z. While no satisfactory solution exists on how we should  fix  the x values other  than taking the weighted mean value of x  in the given  interval or taking the boundary points, there exists an alternative satisfactory solution for fixing z value. This is done by transforming calorie norms  of  all members  in  the  given  household  into  adult  equivalent  scale.  In  this  case  all households will have  the same calorie norm which  is  the calorie norm of an adult member. Adult equivalent calorie intake of a household is found from the following relation. 

AECI = CNA × TotCal/SumCalNorm, where, AECI stands for Adult Equivalent Calorie Intake of a Household, CNA is the calorie norm of a sedentarily active adult member in the household, TotCal is the total calorie intake of all the members in the household and SumCalNorm is the sum of calorie norms of all the members in the Household.  It  should be noted here  that  calorie norm of each member  in  the household depends  on  the  age‐sex  specification  of  the member  in  the  household.  In  the  subsequent calculations  in  this  chapter  we  shall  take  the  norms  specified  by  FAO  with  modifications considering  the average weight of all  the members  in  the given category vis‐a‐vis  the average weight of the members in the same category as found by FAO.  Hence the CNA value is taken as 2367 Kcal per day for both rural and urban sectors.  In this case we should take the following linear regression model.   

yh = a + bxh + εh, for all h such that xh є (A,B), The  weighted  least  squares  estimates  of  a  and  b  are  used  to  find  Prob(y‐z<0|x  &  z),  or Prob( + x+ε‐z<0|x & z), or Prob(ε<‐( + x‐z)|x & z), or Φ[‐{ + x‐z}/ є], assuming that ε follows a normal distribution with mean ‘0’. We face the same problem of fixing x in this case also. We can  use  the  lower  and  upper  boundary  values  of  x. We  can  take  the mid  value  of  the  two boundary  points.  The  best way  to  fix  it  is  at  the weighted mean  values  of  x’s  in  the  given 

67  

interval. The z value  is already  fixed at 2367 Kcal per day. The poverty rates thus  found along with the improvements suggested for the tri‐variate case is given in Table 4.5. The  poverty  rates  are  now  less  than  the  corresponding  poverty  rates  found  from  tri‐variate regression method. The most interesting part of this method is that we get almost same poverty rates for both rural and urban sectors.    

68  

Table 4.5: Regression of DPCI on MPCE Separately for Rural and Urban Sectors using Household Truncated Data With 100 Kcal < DPCI < 10000 Kcal and Individual Multiplier: Rural and Urban India, NSS 61st Round 

Log‐linear  Linear Exp. Group 

Mean MPCE 

Weight Mean 

Ln(MPCE) Mean DPCI 

Mean Ln(DPCI) 

Mean PCN 

Mean Ln(PCN) a  b 

SD of Res. 

Pov. Rate (LN) 

2×Col.(12) ‐ 1  

a  b SD of Res. 

Pov. Rate (Normal)

2×Col(12)‐ 1  

(1)  (2)  (3)  (4)  (5)  (6)  (7)  (8)  (9)  (10)  (11)  (12)  (13)  (14)  (15)  (16)  (17)  (18) 01  199.5  0.048  5.291  1376  7.203  2210.2 7.688  3.073  .781  .2578 0.969  0.938  473.2  4.578 362.48 0.998  0.997 02  253.8  0.051  5.535  1574  7.341  2261.1 7.711  4.315  .547  .2095 0.960  0.921  746.9  3.264 311.80 0.986  0.973 03  296.6  0.099  5.690  1679  7.406  2295.0 7.725  4.820  .455  .2007 0.942  0.884  947.6  2.468 329.29 0.975  0.950 04  342.4  0.105  5.834  1799  7.468  2326.6 7.738  5.048  .415  .2020 0.908  0.816  1099.8 2.008 355.35 0.946  0.893 05  387.7  0.102  5.959  1885  7.521  2365.3 7.755  4.416  .521  .2027 0.876  0.752  923.1  2.480 385.36 0.915  0.830 06  432.1  0.093  6.067  1962  7.560  2375.8 7.758  6.159  .231  .1962 0.842  0.685  1499.3 1.058 373.30 0.874  0.748 07  481.6  0.099  6.176  2041  7.599  2409.8 7.773  5.034  .415  .2060 0.803  0.606  1187.7 1.766 409.44 0.826  0.653 08  543.3  0.102  6.296  2158  7.646  2436.5 7.784  5.857  .284  .2011 0.755  0.510  1496.6 1.176 431.55 0.770  0.541 09  630.4  0.103  6.444  2290  7.690  2474.9 7.799  5.725  .305  .2222 0.687  0.374  1510.0 1.161 515.02 0.696  0.393 10  775.0  0.098  6.649  2380  7.743  2468.5 7.797  6.225  .228  .2308 0.595  0.191  1810.0 .721  555.11 0.582  0.164 11  999.9  0.050  6.904  2568  7.818  2473.7 7.799  5.497  .336  .2408 0.470  0.000  1633.8 .926  637.96 0.454  0.000 12  1956.6  0.050  7.431  3018  7.914  2441.8 7.786  6.936  .132  .3183 0.340  0.000  2707.4 .0954 1041.66 0.336  0.000 

All Rural    ‐                  0.778  0.575        0.797  0.616 01  279.7  0.050  5.626  1413  7.231  2094.1 7.635  4.543  .478  .2648 0.935  0.871  780.9  2.304 331.72 0.984  0.968 02  368.2  0.051  5.907  1607  7.360  2151.3 7.661  7.545  ‐.0313 .2308 0.903  0.807  1637.9 ‐.073 330.78 0.953  0.906 03  441.3  0.097  6.087  1688  7.406  2151.1 7.661  6.375  .169  .2258 0.872  0.745  1433.4 .575  368.77 0.904  0.809 04  533.2  0.104  6.277  1832  7.465  2194.2 7.681  5.431  .324  .2260 0.830  0.661  1114.4 1.270 413.72 0.859  0.719 05  625.8  0.097  6.437  1856  7.503  2217.0 7.693  5.994  .234  .2141 0.816  0.632  1350.8 .806  391.60 0.832  0.665 06  730.2  0.100  6.591  1943  7.548  2212.3 7.691  6.384  .177  .2144 0.743  0.487  1601.5 .466  424.90 0.750  0.500 07  858.0  0.103  6.753  2023  7.583  2245.4 7.707  5.624  .290  .2045 0.728  0.457  1487.2 .607  425.47 0.730  0.460 08  1014.3  0.097  6.920  2111  7.624  2251.6 7.710  4.744  .416  .2343 0.645  0.290  1562.6 .535  572.98 0.648  0.297 09  1226.4  0.102  7.109  2209  7.670  2259.7 7.714  4.784  .406  .2176 0.579  0.159  1217.6 .798  482.91 0.554  0.109 10  1594.4  0.099  7.370  2340  7.723  2294.9 7.731  5.937  .242  .2306 0.518  0.036  1724.2 .376  581.28 0.487  0.000 11  2157.2  0.051  7.672  2546  7.785  2300.9 7.733  4.986  .365  .2303 0.408  0.000  1526.2 .438  602.01 0.389  0.000 12  4235.6  0.049  8.236  2839  7.857  2311.7 7.739  7.270  .0714 .2692 0.328  0.000  2623.9 .0147 796.68 0.313  0.000 

All Urban   ‐                  0.702  0.431        0.708  0.450  

69  

Chapter 5  

Introducing New Activity Status   5.1 Introduction It was already pointed out that the activity patterns for many of the occupational groups have changed a  lot after 1968 when  the  first NCO codes were  introduced.  It may not be proper  to take the same activity status now as was taken at that time. Even in the same NCO code, activity status may be different for different persons. It is necessary to investigate it thoroughly before one fixes a new activity status to each code. Any improvement in the estimation of poverty rates through reclassification of activity status cannot make the poverty rates below the rates found by  assuming  all  adults  to  be  at  the  sedentary  level.  The  minimum  poverty  rate  found  by assuming all adults to be sedentary is 0.50, which is also very high. We have however introduced a new activity status and applied the same to get the poverty  lines and the rates. It should be taken only as an illustration. The new activity statuses are as follows. 

1. Sedentary Workers: NCO Codes: 000-519, 600-619 and all others (not classified in 2 and 3). 2. Moderate Workers: NCO Codes: 520-599, 610-689, 790-809, 840-870, 880-950,                          710,720,730,740,750 760, 770, 775, 776, 778,                          780, 781, 789, 810, 820, 830, 960,970 and 980. 3. Heavy Workers: NCO Codes: 711-719, 721-729, 731-739, 741-749, 751-759, 761-769, 771-774, 777, 779, 782-788, 811-819, 821-829, 831-839, 872-879, 951-959, 961-969, 971-979, 981-989.

With this definition of activity status we can now compute the poverty rates. The direct method gives poverty rates as given in Table 5.1.  

Table 5.1. Poverty Rates by Direct Method with New Activity Status Separately for Rural and Urban sectors Using Individual Multiplier: All India, NSS 61st Round  Sector  Method Used  Poverty Rates  FAO  ICMR  TF  EG 

Direct  Calorie Poverty Rate  0.76  0.82  0.81  0.82 Direct (New Activity Status)  Calorie Poverty Rate  0.64  0.71  0.68  0.71 Rural Linear  Poverty Rate  0.75  0.85  0.85  0.85 Direct  Calorie Poverty Rate  0.71  0.76  0.74  0.76 Direct (New Activity Status)  Calorie Poverty Rate  0.67  0.71  0.69  0.71 Urban Linear  Poverty Rate  0.63  0.70  0.68  0.70 

These poverty rates are less in rural India and more in Urban India compared to those of Direct Method with the existing activity status. The salient feature in this new activity status is that it almost equalizes the poverty rates between rural and urban India. Manna (2007) also proposed a new grouping of NCO-1968 codes and got similar results. Observe that the Per Capita Total Expenditure in urban India is more than the Per Capita Total Expenditure in rural India. It means that the calorie intakes of members of urban households are less than the calorie intake of members of rural households given the same per capita expenditure level.  5.2 Calorie consumption by Expenditure Levels and Activity Status 

70  

Let us find out the mean calorie consumption of household members  in the same expenditure groups separately for rural and urban sectors to verify whether  it  is actually so. This  is given  in Table  5.2.  The  calorie  intake  of  urban  people  is  found  to  be  less  than  90%  of  the  calorie consumption  of  rural  people  in  each  expenditure  group. Moreover,  the  ratio more  or  less decreases as per capita expenditure  increases,  i,e.,  the contrast  is more  in higher expenditure groups.  One  may  raise  doubt  about  the  validity  of  this  result  by  questioning  whether  the proportions of people  in  the different activity  status of adult members are  same  in  rural and urban sectors. This problem can be solved  if we divide the whole population  into three groups according to the activity status of heads of households and compute the mean calorie intakes as in Table 5.2. This  is shown separately  in the Tables 5.3, 5.4 and 5.5 for sedentarily, moderately and heavily active groups  respectively. The ratios of mean calorie  intakes are given  in  the  last column of each table. The tables show the same trend of ratios in all the cases if we ignore the first few expenditure groups.   Table 5.2. Comparison of Calorie  Intake of members of All Rural and Urban Households by Expenditure Groups Using Individual Multiplier: All India, NSS 61st Round  

Rural  Urban MPCEGR 

Mult  PCCal  MPCE  Mult  PCCal  MPCE Urban Calorie by Rural Calorie 

0 – 50  0.00019  2.09  32.97  0.00009  12.07  20.3028  5.7751 50 – 100  0.00044  175.10  73.38  0.00013  146.96  77.4093  0.8392 100 – 150   0.00327  1043.07  133.42  0.00014  479.29  127.76  0.4594 150 – 200   0.01477  1321.95  180.31  0.00237  1081.77  181.32  0.8183 200 – 250   0.04784  1496.11  228.47  0.00897  1341.70  228.83  0.8967 250 – 300   0.08755  1630.36  276.28  0.01752  1420.23  278.07  0.8711 300 – 350   0.11461  1760.50  325.49  0.03082  1524.04  325.27  0.8656 350 – 400   0.11396  1860.76  375.27  0.04580  1618.13  376.44  0.8696 400 – 450   0.10614  1947.69  424.49  0.05267  1676.19  424.96  0.8606 450 – 500   0.09200  2030.43  474.19  0.05515  1715.19  474.43  0.8447 500 – 550   0.07816  2116.54  524.14  0.05465  1870.49  524.24  0.8837 550 – 600   0.06237  2242.95  573.31  0.05497  1824.94  574.84  0.8136 600 – 650   0.05031  2279.31  623.41  0.05303  1837.71  624.17  0.8062 650 – 700   0.03977  2302.44  675.48  0.04454  1920.61  674.31  0.8341 700 – 750   0.03093  2330.39  724.03  0.04772  1931.71  724.74  0.8289 750 – 800   0.02432  2361.11  774.05  0.03767  2014.27  774.27  0.8531 800 – 850   0.02072  2452.45  824.93  0.03888  1992.30  825.23  0.8123 850 – 900   0.01638  2446.66  874.85  0.03563  2000.09  874.38  0.8174 900 – 950  0.01322  2501.32  923.74  0.03395  2062.60  924.10  0.8246 950 – 1000  0.01016  2538.27  973.92  0.02676  2060.64  975.87  0.8118

1000 & above  0.07278  2897.44  1676.73  0.35847  2368.80  1844.65  0.8175  

71  

 Table  5.3.  Comparison  of  Calorie  Intake  of members  of  Only  Sedentary  Rural  and  Urban Households by Expenditure Groups Using Individual Multiplier: All India, NSS 61st Round  

Rural  Urban MPCEGR 

Mult  PCCal  MPCE  Mult  PCCal  MPCE Urban Calorie by Rural Calorie 

0 – 50  5274  3.10  21.54  344  .00  41.00  NA 50 – 100  31919  422.47  70.89  2390  5.92  86.58  0.0140 100 – 150  248812  993.71  135.03  15172  766.83  137.13  0.7716 150 – 200  1886121  1313.42  181.18  263475  1092.64  181.24  0.8319 200 – 250  4748720  1466.82  226.85  693099  1352.64  228.35  0.9221 250 – 300  10272087  1601.79  276.09  1469694  1351.64  277.34  0.8438 300 – 350  12726924  1787.93  325.64  2238175  1536.62  325.62  0.8594 350 – 400  13171869  1800.24  374.24  3749664  1612.31  375.91  0.8956 400 – 450  13461762  1869.46  425.92  4559378  1663.77  425.66  0.8899 450 – 500  10876397  1975.67  475.07  4562176  1717.41  475.89  0.8692 500 – 550  8358677  2066.51  523.16  4054039  1789.11  523.37  0.8657 550 – 600  7697638  2313.75  573.27  4039202  1833.14  574.78  0.7922 600 – 650  5362723  2100.65  623.25  4054581  1842.38  623.70  0.8770 650 – 700  4426018  2190.05  674.60  3374927  1878.53  674.68  0.8577 700 – 750  3933445  2197.00  724.64  3578504  1937.15  724.07  0.8817 750 – 800  3180778  2213.22  773.55  2521279  2076.19  775.01  0.9380 800 – 850  2268154  2232.66  827.05  2801845  1982.02  824.38  0.8877 850 – 900  2006746  2350.40  875.85  2314089  1980.61  872.82  0.8426 900 – 950  1602795  2424.71  920.09  2190851  2211.62  923.87  0.9121 950 – 1000  1033990  2395.21  973.18  1812464  2056.09  974.18  0.8584 

1000 & above  10988367  2787.99  1763.95  20265869  2360.06  1801.43  0.8465 

 Table 5.4. Comparison of Calorie Intake of members of Only Moderate Rural and Urban Households by Expenditure Groups Using Individual Multiplier: All India, NSS 61st Round  

Rural  Urban MPCEGR 

Mult  PCCal  MPCE  Mult  PCCal  MPCE Urban Calorie by Rural Calorie 

0 – 50  NA  NA  NA  NA  NA  NA  NA 50 – 100  28746  345.80  56.15  839  41.60  94.00  0.1202 100 – 150   143394  1093.48  135.67  5726  772.10  122.89  0.7060 150 – 200   990340  1226.06  180.25  230329  1160.43  181.04  0.9464 200 – 250   2674543  1405.48  227.39  794272  1281.37  227.71  0.9117 250 – 300   6040954  1575.17  277.19  1481182  1390.95  279.79  0.8830 300 – 350   9685002  1748.27  326.17  3428389  1483.58  324.34  0.8485 350 – 400   10429393  1819.63  376.01  4638857  1572.82  376.27  0.8643 400 – 450   10702725  1897.72  425.23  5788141  1635.95  424.55  0.8620 450 – 500   10112426  1966.20  475.06  6989414  1691.37  473.74  0.8602 500 – 550   9852757  1992.36  524.46  6787037  1941.03  525.36  0.9742 550 – 600   7859418  2073.03  573.76  7330188  1808.63  575.15  0.8724 600 – 650   7266314  2106.58  623.26  6810504  1795.36  624.80  0.8522 650 – 700   5888115  2140.31  676.16  5928266  1876.25  673.86  0.8766 700 – 750   5452055  2217.56  723.70  6900124  1899.13  725.06  0.8564 750 – 800   4614891  2223.22  774.61  5754126  1940.43  773.65  0.8728 800 – 850   4016196  2237.33  825.11  5749549  1965.41  825.32  0.8784 850 – 900   3166114  2317.08  875.61  5605676  1978.59  875.38  0.8539 900 – 950  2750864  2377.93  923.91  5720362  1985.41  924.22  0.8349 950 – 1000  2520364  2432.35  973.24  4123559  2042.60  976.67  0.8397 

1000 & above  18187848  2731.86  1794.56  64070983  2358.52  1875.70  0.8633 

 

72  

Table 5.5. Comparison of Calorie  Intake of members of Only Hard Working Rural and Urban Households by Expenditure Groups Using Individual Multiplier: All India, NSS 61st Round  

Rural  Urban MPCEGR 

Mult  PCCal  MPCE  Mult  PCCal  MPCE Urban Calorie by Rural Calorie 

0 – 50  NA  NA  NA  NA  NA  NA  NA 50 – 100  52248  535.36  82.25  5664  713.60  99.20  1.3329 100 – 150   1923271  1077.69  133.87  NA  NA  NA  NA 150 – 200   7943897  1337.90  180.10  85710  971.59  182.28  0.7262 200 – 250   27623008  1511.42  228.85  730160  1418.19  230.40  0.9383 250 – 300   47712107  1642.06  276.22  1376405  1530.20  276.96  0.9318 300 – 350   61464919  1756.46  325.35  1937499  1606.74  326.24  0.9147 350 – 400   59818805  1881.43  375.38  2980638  1695.45  377.35  0.9011 400 – 450   53545163  1975.81  423.96  2724925  1781.21  424.71  0.9015 450 – 500   46434919  2057.25  473.80  2137247  1789.36  473.51  0.8697 500 – 550   38965359  2158.03  524.26  2716589  1823.28  522.67  0.8448 550 – 600   30140881  2269.05  573.19  2229189  1871.68  574.09  0.8248 600 – 650   24201254  2370.14  623.48  2274942  1952.34  623.01  0.8237 650 – 700   18827219  2379.39  675.48  1672529  2118.07  674.96  0.8901 700 – 750   13248068  2419.69  724.04  1362251  2088.45  724.92  0.8631 750 – 800   10016080  2472.25  773.94  1059931  2257.62  775.72  0.9131 800 – 850   8896301  2605.60  824.32  1063577  2151.66  827.11  0.8257 850 – 900   6755915  2536.14  874.26  895739  2154.06  872.38  0.8493 900 – 950  5329777  2588.05  924.73  491746  2267.93  923.78  0.8763 950 – 1000  3865856  2646.21  974.58  682881  2164.22  975.78  0.8178 

1000 or more 

24016579  3075.40  1549.09  4394456  2529.31  1576.82  0.8224 

 If we ignore the first few expenditure groups and the last expenditure group and pool the four adjacent expenditure groups together, we get four pooled expenditure groups. The Geometric Means of these ratios for the four pooled expenditure groups and for all expenditure groups are given in Table 5.6.  Table  5.6.  Geometric  Mean  of  Rural‐Urban  Ratios  of  Calorie  Intake  for  Four  Pooled Expenditure Groups Separately  for Sedentarily, Moderately and Strongly Active Households Using Individual Multiplier: All India, NSS 61st Round  

MPCEGR Sedentarily Active 

Households Moderately Active

Households Strongly Active Households 

All Households (GM of Columns 2, 3 

& 4) (1)  (2)  (3)  (4)  (5) 

200 – 400   0.8796  0.8765  0.9213  0.8922 400 – 600   0.8534  0.8909  0.8597  0.8678 600 – 800   0.8881  0.8644  0.8718  0.8747 800 – 1000   0.8747  0.8515  0.8419  0.8559 200 – 1000  0.8722  0.8703  0.8701  0.8708 

 Though there are some variations about the movement of these ratios over expenditure groups, the overall geometric means do not differ over the activity patterns and this ratio is 0.87. It thus settles the issue that less calorie intake of urban people is not due to the variation of number of members  in  the  different  activity  status  and  further  it  proves  that  the  calorie  intake  of 

73  

urban  people  is  about  0.87  times  the  calorie  intake  of  rural  people  given  the  same expenditure group regardless the activity status.18  The  following  reasons  can  be  thought  of  behind  the  differences  in  calorie  consumptions  of urban and rural people.  

(i) Life  styles  of members  of  urban  households  in  the  same  activity  status  are  different from  those  of  rural  households.  There  are more work  saving  devices  like  transport, electronic  gadgets  and  semi‐automatic  devices  easily  accessible  or  more  frequently availed by urban people. 

(ii) Urban  people  take  lower  level  of  calorie  than what  is  needed  because  of  the  higher preferences given to the other goods and amenities. 

(iii) There may be variation of body weights between urban and  rural areas. The average body weight which has been considered may need corrections downwards.  

 We  cannot address any of  these problems because of  lack of data. We do not have detailed information on  the  lifestyles of  rural  and urban people. We do not have  any  idea  about  the preferences on the different goods and services by the rural and urban people. Finally we do not have any data on weights of people. Consideration of body weights may be more crucial when we  calculate  poverty  line  for  each  state.  We  can  however  verify  some  of  the  questions indirectly. We can verify whether there are price variations of goods between rural and urban sectors. If there are price differences, it will have impact on the choices of goods and ultimately on the intake of calories.   5.3 Price Variations by Commodity and Expenditure Groups To find the price differences between rural and urban sectors we took the following steps.  

1. Found quantities consumed and values (expenditures incurred) for each item by each of the households.

2. Aggregated the quantities consumed and values over commodities in each Commodity Group. The list of commodity groups is given in Table 5.7.19

3. Aggregated these amounts over households in each of the 21 expenditure groups and 13 commodity groups separately for rural and urban sectors taking individual multipliers as weight.

                                                            18 The ratios of calorie intakes have been found to be less than 0.85 for almost all the expenditure groups. But activity status wise ratios were higher than 0.85 regardless the expenditure groups. This finding may look to be perplexing at first sight. However, this is quite plausible. This is mainly because, the proportion of people in different activity status groups are different for rural and urban sectors. To verify it one can take a hypothetical case where average calorie intake of the rural people is just 0.90 times of the average calorie intake of urban people for each activity level and the proportion of sedentarily, moderately and strongly active people as 0.5, 0.3 and 0.2 for rural and 0.2, 0.3, and 0.5 for urban sectors respectively. One can also see what happens if the proportions of people at different activity levels are just the reverse of these values. 19 It was observed that the units for quantities are different for different commodities. So aggregation of quantities needed careful scrutiny and judgment for inclusion or exclusion. It is not necessary to include all the items in a commodity groups for aggregation. Some items can safely be excluded if the units sharply differ from other units. But then the corresponding values also are to be excluded.

74  

4. Took ratios of aggregated values (expenditures) to aggregated quantities to get the prices.

5. Took median prices over commodity groups. 6. Took 3 point moving average of prices over expenditure groups.

 We have altogether 12 commodity groups as given in Table 5.7.  

Table 5.7: Descriptions of Commodity Groups: NSS 61st Round† 

Item Group  Item Serials  Item Descriptions  Comments 

Med. Price (U/R)*

01 101 – 108, 110 – 118, 

120 – 122 & 139 Cereals   All units for quantities are in Kg.  1.11 

02  140 – 148, 150  – 153  Pulses  All units for quantities are in Kg.  1.08 

03  160 – 165 & 167  Milk and milk products  Only values are given for item 166 (ice cream). Mixed units. 

1.21 

04  170 – 174  Oil (edible)  All units for quantities are in Kg.  1.02 

05  181 – 186  Non‐vegetables All units for quantities are in Kg. except 180 (egg). 

0.98 

06 190 – 198, 200 – 208, 210 – 217, 220 & 224 

Vegetables All units for quantities are in Kg. except 221 (lemon) 

1.01 

07  230 – 238, 240 – 246   Fruits  Mixed units  1.04 08  250 – 257   Dry fruits  All units for quantities are in Kg.  0.78 

09  260 – 264  Sugar and sugar products 

All units for quantities are in Kg.  1.03 

10  280 – 286   Spices  All units for quantities are in gm.  1.13 11  290 – 298, 300 – 308   Beverages  Mixed units  0.95 

12 310 – 315, 320 – 327, 

330 – 335 Pan, liquor and other intoxicants 

Mixed units  1.29 

*. From Table 5.10. †. There are some minor variations  in  the  item numbers  taken  for 55th round of NSS data. In the 6th group item nos. 220 & 224 have been replaced by item nos. 218 & 222. In the 10th group two new item nos. namely 287 & 288 have been added.  

The rural and urban prices and their corresponding ratios by commodity as well as expenditure groups are given in the following three tables.  

 

 

75  

Table 5.8: Rural Prices by expenditure and commodity groups: NSS 61st Round, Truncated Data ExpGr Multiplier G01 G02 G03 G04 G05 G06 G07 G08 G09 G10 G11 G12 200 – 250   35075474 0.7338 2.182 1.0812 5.237 4.350 0.5750 0.2181 1.014 1.761 0.00555 0.0382 0.01723250 – 300   64186552 0.7553 2.368 1.0616 5.211 4.756 0.5863 0.2023 3.407 1.781 0.00562 0.0382 0.01699300 – 350   84021199 0.7805 2.389 1.1190 5.266 4.816 0.5881 0.2030 0.614 1.780 0.00583 0.0377 0.01831350 – 400   83559369 0.7909 2.462 1.1234 5.289 4.795 0.6138 0.2049 1.936 1.779 0.00591 0.0372 0.01940400 – 450   77812665 0.8093 2.502 1.1541 5.258 5.186 0.6213 0.2155 2.034 1.783 0.00601 0.0372 0.02103450 – 500   67443298 0.8156 2.523 1.1680 5.309 5.337 0.6271 0.2198 2.646 1.784 0.00610 0.0375 0.02136500 – 550   57303255 0.8307 2.553 1.1900 5.285 5.387 0.6293 0.2259 2.237 1.787 0.00621 0.0383 0.02149550 – 600   45727165 0.8502 2.572 1.1280 5.248 5.447 0.6415 0.2241 2.363 1.782 0.00624 0.0378 0.02054600 – 650   36882886 0.8605 2.566 1.1970 5.161 5.453 0.6849 0.2368 0.986 1.788 0.00634 0.0351 0.02273650 – 700   29161497 0.8643 2.626 1.2036 5.336 5.832 0.6717 0.2440 2.684 1.799 0.00637 0.0403 0.02181700 – 750   22679420 0.8757 2.611 1.2072 5.304 3.981 0.6801 0.2461 1.771 1.773 0.00632 0.0414 0.02435750 – 800   17830967 0.8773 2.599 1.2189 5.343 5.804 0.7003 0.2574 1.657 1.786 0.00631 0.0439 0.02480

 Table 5.9: Urban Prices by expenditure and commodity groups: NSS 61st Round, Truncated Data 

ExpGr Multiplier G01 G02 G03 G04 G05 G06 G07 G08 G09 G10 G11 G12 200 – 250   2230616 0.7921 2.524 1.1864 5.246 4.295 0.6094 0.2013 3.936 1.844 0.00590 0.0410 0.02587250 – 300   4355382 0.8220 2.501 1.3358 5.298 3.903 0.5668 0.1866 0.286 1.791 0.00624 0.0397 0.02186300 – 350   7659659 0.8788 2.549 1.3475 5.312 4.181 0.5877 0.1913 3.973 1.859 0.00661 0.0355 0.02146350 – 400   11383593 0.8874 2.652 1.3649 5.367 4.640 0.6276 0.2075 3.743 1.868 0.00652 0.0354 0.02136400 – 450   13089387 0.8945 2.689 1.3490 5.166 4.752 0.6499 0.2091 1.770 1.832 0.00682 0.0346 0.02153450 – 500   13706524 0.9093 2.715 1.4930 5.457 4.847 0.6529 0.2060 1.900 1.807 0.00689 0.0351 0.02373500 – 550   13582091 0.9174 2.766 1.3470 5.266 5.405 0.5907 0.2430 0.162 1.828 0.00700 0.0346 0.02744550 – 600   13660986 0.9230 2.796 1.3597 5.354 4.892 0.6441 0.2431 0.797 1.832 0.00712 0.0347 0.02914600 – 650   13178241 0.9616 2.790 1.4597 5.411 5.942 0.6844 0.3061 5.144 1.855 0.00735 0.0399 0.03111650 – 700   11069244 0.9637 2.763 1.5100 5.506 6.124 0.7653 0.2595 2.303 1.869 0.00743 0.0393 0.03692700 – 750   11859303 0.9788 2.751 1.5648 5.393 5.607 0.6950 0.2700 0.379 1.859 0.00727 0.0436 0.03132750 – 800   9361904 0.9677 2.830 1.4802 5.291 5.894 0.5900 0.2782 0.518 1.840 0.00763 0.0378 0.03965

 

76  

 Table 5.10: Ratios of Rural Prices to Urban Prices by expenditure and commodity groups: NSS 61st Round, Truncated Data 

ExpGr Multiplier G01 G02 G03 G04 G05 G06 G07 G08 G09 G10 G11 G12 Median (R/U)

Median (U/R)

200 – 250  2230616 0.9263  0.8645 0.9113  0.9982  1.0128  0.9435  1.0834  0.2576  0.9549  0.9406  0.9317  0.6660  0.94  1.07 

250 – 300  4355382 0.9188  0.9468 0.7947  0.9835  1.2185  1.0344  1.0841  11.9125  0.9944  0.9006  0.9622  0.7772  0.97  1.03 

300 – 350  7659659 0.8881  0.9372 0.8304  0.9913  1.1518  1.0006  1.0611  0.1545  0.9575  0.8819  1.0619  0.8532  0.95  1.06 

350 – 400  11383593 0.8912  0.9283 0.8230  0.9854  1.0334  0.9780  0.9874  0.5172  0.9523  0.9064  1.0508  0.9082  0.94  1.06 

400 – 450  13089387 0.9047  0.9304 0.8555  1.0178  1.0913  0.9559  1.0306  1.1491  0.9732  0.8812  1.0751  0.9767  0.97  1.03 

450 – 500  13706524 0.8969  0.9292 0.7823  0.9728  1.1010  0.9604  1.0669  1.3926  0.9872  0.8853  1.0683  0.9001  0.97  1.03 

500 – 550  13582091 0.9054  0.9229 0.8834  1.0036  0.9966  1.0653  0.9296  13.8086  0.9775  0.8871  1.1069  0.7831  0.95  1.05 

550 – 600  13660986 0.9211  0.9198 0.8295  0.9802  1.1134  0.9959  0.9218  2.9648  0.9727  0.8764  1.0893  0.7048  0.95  1.05 

600 – 650  13178241 0.8948  0.9197 0.8200  0.9537  0.9177  1.0007  0.7736  0.1916  0.9638  0.8625  0.8796  0.7306  0.89  1.13 

650 – 700  11069244 0.8968  0.9504 0.7970  0.9691  0.9523  0.8776  0.9402  1.1654  0.9625  0.8573  1.0254  0.5907  0.94  1.06 

700 – 750  11859303 0.8946  0.9491 0.7714  0.9834  0.7100  0.9785  0.9114  4.6728  0.9537  0.8693  0.9495  0.7774  0.93  1.07 

750 – 800  9361904 0.9065  0.9183 0.8234  1.0098  0.9847  1.1869  0.9252  3.1988  0.9706  0.8269  1.1613  0.6254  0.95  1.05 

Median (R/U) 0.90  0.93  0.82  0.98  1.02  0.99  0.96  1.28  0.97  0.88  1.06  0.78  0.94  ‐ 

Median (U/R) 1.11  1.08  1.21  1.02  0.98  1.01  1.04  0.78  1.03  1.13  0.95  1.29  ‐  1.06 

   

77  

Apart from some random fluctuations there is an increasing trend of prices over total per capita expenditure in both rural and urban areas. To summarize, we have taken the median values of the ratios to minimize the error due to outlying observations if any. Neglecting the bottom and top  few expenditure classes which show erratic behavior,  the  rural urban  ratio of prices have been found to be around 0.94 when median is taken.   The  table  shows  that  the median price  ratios do not  vary over  expenditure  groups, whereas these values vary over  the commodity groups. The urban prices compared  to  rural prices are high in cereals, pulses, milk and milk products, and spices. The urban prices are low for dry fruits and beverages. These are comparatively low calorie goods.   There are  thus  two  features which emerge  from  this analysis. As  total per capita expenditure increases people move to higher quality goods and thus price increases for both rural and urban sectors. Rural prices compared to urban prices do not have any trend. Moreover the rural urban ratios of prices are close to 0.94.    We have also  found  the  ratios of prices of  the 61st  round  to  the prices of 55th  round data of NSSO by expenditure and item wise groups. These are given in the Tables 5.11 and 5.12. There is no trend of these price ratios over the expenditure groups. It seems the prices increased by the same ratio for all the expenditure groups. But there are variations in the increases of the prices if seen for the item groups. The average of the price ratios are approximately 1.19 and 1.17 for rural  and urban  sectors  respectively, whereas  the medians of  these  ratios  are  1.17  and 1.14 respectively for rural and urban sectors. Since the mean values are very much sensitive to the extreme observations, medians are preferable especially when the data are  in terms of ratios. Thus  the  rural prices have on  the average  increased by 1.17  times and  the urban prices have increased  by  1.14  times. Urban  prices  have  increased  less  compared  to  rural  prices. Here  it should be noted that the comparison has not been made with similar categories of people in the strict sense.  If we assume that there has been a price rise during the period between the two quinquennial  rounds,  then  the  group  of  persons  must  have  reached  a  higher  category  of expenditure groups or at least a portion of people have changed the expenditure group moving to a higher category of expenditure groups. So the actual price ratios are expected to be higher than  these values, but by almost  same proportion, because  the price  ratios do not vary over expenditure groups.  The price  ratios NSS 61st  round  compared  to NSS 55th  round  is  very high  for edible oil and sugar and sugar products. These are the high calorie items. Thus these price ratios explain to some  extent why  the  calorie  consumptions  are  decreasing  over  time  and  also why  calorie consumption of urban people is lower than the calorie consumption of rural people.      

78  

Table 5.11: Ratios of Rural Prices of 61st Round to Rural Prices of 55th Round by Expenditure and Commodity Groups: Truncated Data ExpGr G01 G02 G03 G04 G05 G06 G07 G08 G09 G10 G11 G12 Median Mean

200 – 250  0.940  1.044  1.109  1.396  1.203  1.309  1.270  0.841  1.298  1.151  1.486  0.951  1.177  1.167 250 – 300  0.944  1.151  1.043  1.476  1.605  1.319  1.193  1.179  1.287  1.156  1.264  0.911  1.186  1.211 300 – 350  0.962  1.073  1.125  1.431  1.246  1.230  1.215  0.487  1.280  1.180  1.375  1.017  1.197  1.135 350 – 400  0.951  1.086  1.097  1.401  1.402  1.240  1.178  0.821  1.275  1.154  1.323  1.088  1.166  1.168 400 – 450  0.963  1.079  1.096  1.469  1.219  1.232  1.207  1.802  1.309  1.180  1.362  1.150  1.213  1.256 450 – 500  0.969  1.085  1.103  1.459  1.267  1.181  1.130  1.206  1.301  1.182  1.311  1.092  1.182  1.190 500 – 550  0.967  1.071  1.150  1.484  1.306  1.147  1.171  1.645  1.278  1.187  1.377  1.102  1.179  1.240 550 – 600  0.969  1.116  1.023  1.508  1.254  1.126  1.064  3.240  1.354  1.134  1.285  0.942  1.130  1.335 600 – 650  0.979  1.326  1.087  1.374  1.290  1.187  1.062  0.305  1.341  1.174  1.193  1.046  1.180  1.114 650 – 700  0.982  1.127  1.069  1.408  1.301  1.130  NA  1.565  1.274  1.153  1.279  0.932  1.153  1.202 700 – 750  1.001  1.110  1.079  1.435  0.905  1.135  1.050  0.703  1.244  1.130  1.361  0.957  1.094  1.092 750 – 800  0.995  1.080  1.078  1.524  1.285  1.147  1.134  0.750  1.329  1.130  1.298  0.948  1.132  1.142 Median 0.968  1.086  1.091  1.447  1.276  1.184  1.171  1.010  1.293  1.155  1.317  0.987  1.172  ‐ Mean 0.969  1.112  1.088  1.447  1.274  1.199  1.152  1.212  1.297  1.159  1.326  1.011  ‐  1.188 

Table 5.12: Ratios of Urban Prices of 61st Round to Urban Prices of 55th Round by Expenditure and Commodity Groups: Truncated Data ExpGr G01 G02 G03 G04 G05 G06 G07 G08 G09 G10 G11 G12 Median Mean

200 – 250  0.967  1.057  1.111  1.407  1.374  1.366  1.259  1.372  1.341  1.163  1.614  1.243  1.300  1.273 250 – 300  0.982  1.050  1.494  1.498  1.050  1.100  1.176  0.099  1.277  1.206  1.407  1.109  1.143  1.121 300 – 350  NA  1.038  1.120  1.423  1.118  1.145  1.052  4.641  1.319  1.285  1.163  0.865  1.145  1.470 350 – 400  1.016  1.042  1.123  1.419  1.135  1.098  1.128  1.358  1.552  1.258  1.120  0.936  1.126  1.182 400 – 450  1.001  1.131  1.110  1.695  1.217  1.121  1.075  0.646  1.422  1.289  1.074  0.928  1.115  1.142 450 – 500  0.977  1.194  1.209  1.615  1.138  1.047  1.067  0.921  1.325  1.273  1.080  0.895  1.109  1.145 500 – 550  0.980  1.201  1.061  1.584  1.286  0.924  1.243  0.072  1.328  1.294  1.039  0.902  1.131  1.076 550 – 600  0.966  1.207  1.063  1.643  1.079  1.004  1.189  0.252  1.332  1.285  1.042  0.977  1.071  1.086 600 – 650  0.984  1.094  1.107  1.559  1.211  0.983  1.377  1.444  1.438  1.283  1.170  1.047  1.190  1.224 650 – 700  0.963  1.141  1.132  1.691  1.246  1.102  1.278  0.787  1.371  1.292  1.135  1.070  1.138  1.184 700 – 750  0.970  1.278  1.238  1.595  1.236  0.980  1.143  0.108  1.356  1.278  1.178  0.910  1.207  1.105 750 – 800  0.949  1.161  1.042  1.599  1.211  0.795  1.237  0.168  1.330  1.291  1.018  1.048  1.104  1.071 Median 0.977  1.136  1.115  1.589  1.211  1.073  1.182  0.716  1.336  1.280  1.128  0.957  1.141  ‐ Mean 0.978  1.133  1.151  1.561  1.192  1.056  1.185  0.989  1.366  1.264  1.170  0.994  ‐  1.171 

 

79  

Chapter 6  

State Wise Poverty Rates  6.1 Introduction We now turn to the problem of estimating the poverty rates of each state in India. The methods which have been used for estimating the poverty rates at all India level, should be applicable for estimating  the  same  in  each  state.  For  example,  the  calorie  poverty  rates  found  by  direct method using the FAO norm is given in the Table 6.1.  Table  6.1:  State Wise  Calorie  Poverty  Rates  by  Direct Method  Using  the  FAO  Norms  and Introducing the New Activity Status: NSS 61st Round  

Rural  Urban State Code 

State Pov  Weight  Food/Tot Pov  Weight  Food/Tot

01  Jammu & Kashmir  0.47  5064954 0.553  0.46  1705217  0.494 02  Himachal Pradesh  0.46  5557780 0.507  0.33  580729  0.423 03  Punjab  0.55  15707309 0.494  0.57  7449622  0.398 04  Chandigarh  0.58  90308 0.546  0.49  793606  0.375 05  Uttaranchal  0.52  6372994 0.534  0.50  1943805  0.492 06  Haryana  0.54  15821343 0.503  0.61  5742439  0.429 07  Delhi  0.64  839487 0.483  0.64  11578574  0.429 08  Rajasthan  0.51  42977141 0.548  0.60  12318850  0.434 09  Uttar Pradesh  0.52  132536421 0.538  0.61  32414301  0.466 10  Bihar  0.55  66754159 0.648  0.53  6810931  0.548 11  Sikkim  0.77  446464 0.555  0.74  56803  0.435 12  Arunachal Pradesh  0.56  771324 0.502  0.58  99823  0.513 13  Nagaland  0.69  572126 0.542  0.40  237935  0.455 14  Manipur  0.63  1451655 0.550  0.49  469116  0.494 15  Mizoram  0.64  427979 0.574  0.60  278872  0.468 16  Tripura  0.88  2751130 0.637  0.64  448806  0.504 17  Meghalaya  0.79  1805288 0.560  0.69  277007  0.410 18  Assam  0.63  22897503 0.662  0.58  2336499  0.515 19  West Bengal  0.65  59616906 0.597  0.69  19319991  0.451 20  Jharkhand  0.64  20342724 0.617  0.47  3910099  0.479 21  Orissa  0.65  32108075 0.617  0.63  5082848  0.520 22  Chhattisgarh  0.72  18192303 0.560  0.62  3290988  0.414 23  Madhya Pradesh  0.72  46018428 0.526  0.69  14069201  0.411 24  Gujrat  0.75  30935588 0.587  0.70  16283678  0.457 25  Daman & Diu  0.90  107005 0.432  0.83  57952  0.460 26  Dadra & Nagar Haveli  0.89  181421 0.549  0.65  24245  0.404 27  Maharastra  0.77  55114230 0.520  0.78  37218600  0.419 28  Andhra Pradesh  0.73  54227197 0.556  0.72  18642349  0.428 29  Karnataka  0.83  34112160 0.568  0.72  15167630  0.453 30  Goa  0.86  670764 0.504  0.81  402822  0.331 31  Lakshadweep  0.33  29279 0.467  0.29  28769  0.478 32  Kerala  0.72  23560213 0.458  0.68  7230318  0.414 33  Tamilnadu  0.82  34508294 0.531  0.72  21563536  0.434 34  Pondicherri  0.76  310565 0.482  0.72  568093  0.457 35  Andaman & Nicober  0.72  196654 0.520  ‐  ‐  ‐ 

80  

  All India  0.64    0.71      These values are difficult to believe in the relative as well as in the absolute sense. Most of the south Indian states show very high values of the poverty rates. Also these values are relatively higher  than  those of  the  states known  to be among  the poorest  states  in  India. For example rural Bihar has the rural poverty rate as 0.55, whereas the states like Karnataka and Tamilnadu have poverty rates higher than 0.80. Urban poverty rate is seen to be higher than rural poverty rates  for  a  few  states  namely,  Punjab,  Haryana,  Rajsthan,  Uttar  Pradesh, Maharastra, West Bengal and Arunachal Pradesh. Since  these states have higher weights  the overall poverty  for urban India is found to be higher than rural India, though the difference is not much.  There is a negative correlation between proportion of expenditure on total food to the poverty rates  (Table  6.2). We  have  also  found  the  correlation  of  poverty  rates  with  proportion  of expenditures on different item groups in Table 6.2. We would expect positive correlations with necessary food items. But this feature is not reflected in the correlation table. It seems there is also  an  effect  of  relative  prices,  i.e.,  price  of  one  commodity  relative  to  price  of  other commodity.  The  prediction  of  poverty  rates  through  linear  regression  using  state  wise proportions of  expenditures on  food  item  groups does not  lead  to  encouraging  result  (Table 6.3). Because of lack of sufficient data some of the states have been omitted for urban sector.   Table  6.2:  Correlation  of  the  state wise  poverty  indices with  the  state wise  proportions  of expenditures of each group of items: NSS 61st Round  

Food Items  With  proportion  of expenditure  of  each  item to the total expenditure 

With  proportion  of expenditure  of  each  item  to the total food expenditure 

  Rural  Urban  Rural  Urban Total Food  ‐0.126  ‐0.506  ‐‐‐  ‐‐‐ Item Group 01  ‐0.100  ‐0.543  ‐0.044  ‐0.204 Item Group 02  0.111  ‐0.518  0.193  ‐0.104 Item Group 03  ‐0.531  ‐0.425  ‐0.513  ‐0.223 Item Group 04  0.207  ‐0.220  0.357  0.195 Item Group 05  0.285  0.036  0.348  0.217 Item Group 06  ‐0.167  ‐0.427  ‐0.169  ‐0.215 Item Group 07  0.663  ‐0.360  0.470  0.496 Item Group 08  0.327  ‐0.273  0.329  ‐0.045 Item Group 09  ‐0.233  ‐0.428  ‐0.184  ‐0.229 Item Group 10  0.357  ‐0.484  0.491  0.067 Item Group 11  0.596  ‐0.325  0.612  0.605 Item Group 12  0.280  ‐0.333  0.360  0.439 

   

81  

 Table  6.3:  Prediction  of  Poverty  Rates  Through  Linear  Regression  Using  Item  Wise  Food Expenditure Relative  to Total Expenditure and Relative  to Total  Food Expenditure: NSS 61st Round   

Rural  Urban 

State Code 

State Name Pov. 

Prediction: Relative to 

Total Expenditure 

Prediction: Relative to Total Food Expenditure 

Pov. 

Prediction: Relative to 

Total Expenditure 

Prediction: Relative to Total Food Expenditure 

01  Jammu & Kashmir  0.47  0.59  0.53  0.46  0.55  0.56 02  Himachal Pradesh  0.46  0.53  0.47  0.33  0.51  0.51 03  Punjab  0.55  0.56  0.57  0.57  0.62  0.61 04  Chandigarh  0.58  0.50  0.50  0.49  0.55  0.54 05  Uttaranchal  0.52  0.58  0.58  0.50  ‐  ‐ 06  Haryana  0.54  0.44  0.43  0.61  0.60  0.61 07  Delhi  0.64  0.55  0.46  0.64  0.60  0.61 08  Rajasthan  0.51  0.51  0.53  0.60  0.59  0.59 09  Uttar Pradesh  0.52  0.57  0.56  0.61  0.60  0.60 10  Bihar  0.55  0.52  0.53  0.53  0.52  0.52 11  Sikkim  0.77  0.56  0.52  0.74  0.73  0.74 12  Arunachal Pradesh  0.56  0.63  0.60  0.58  0.62  0.61 13  Nagaland  0.69  0.44  0.42  0.40  0.62  0.60 14  Manipur  0.63  0.58  0.54  0.49  0.49  0.50 15  Mizoram  0.64  0.62  0.65  0.60  0.60  0.61 16  Tripura  0.88  0.65  0.65  0.64  0.61  0.58 17  Meghalaya  0.79  0.83  0.86  0.69  0.58  0.61 18  Assam  0.63  0.61  0.65  0.58  0.59  0.59 19  West Bengal  0.65  0.67  0.65  0.69  0.69  0.69 20  Jharkhand  0.64  0.63  0.65  0.47  0.62  0.62 21  Orissa  0.65  0.66  0.67  0.63  0.58  0.58 22  Chhattisgarh  0.72  0.69  0.67  0.62  ‐  ‐ 23  Madhya Pradesh  0.72  0.65  0.65  0.69  ‐  ‐ 24  Gujrat  0.75  0.74  0.75  0.70  0.70  0.70 25  Daman & Diu  0.90  0.84  0.86  0.83  0.43  0.46 26  Dadra & Nagar Haveli  0.89  0.73  0.71  0.65  0.67  0.66 27  Maharastra  0.77  0.74  0.75  0.78  ‐  ‐ 28  Andhra Pradesh  0.73  0.76  0.75  0.72  ‐  ‐ 29  Karnataka  0.83  0.84  0.85  0.72  0.72  0.72 30  Goa  0.86  0.98  0.91  0.81  ‐  ‐ 31  Lakshadweep  0.33  1.01  0.97  0.29  ‐  ‐ 32  Kerala  0.72  0.70  0.72  0.68  ‐  ‐ 33  Tamilnadu  0.82  0.78  0.79  0.72  ‐  ‐ 34  Pondicherri  0.76  0.79  0.80  0.72  ‐  ‐ 35  Andaman & Nicober  0.72  ‐  ‐  ‐  ‐  ‐ R‐Sq      0.847  0.866    0.694  0.700    

82  

Chapter 7  

Findings of the Study and Discussions 

 7.1 Introduction The entire study  is based on NSS data as supplied by the Ministry. NSS data need rigorous scrutiny before being applied  in a  fruitful manner. For example, we had  to delete all  the households with DPCI ≤ 100 Kcal or ≥ 10000 Kcal to carry out regression analysis of DPCI on MPCE with meaningful and stable result.  We have used the calorie norms supplied by the Task Force, Expert Group, ICMR and FAO. It suffices to compare only ICMR and FAO estimates. The calorie poverty rates by direct method are always higher than the fixed calorie line method. The variation of calorie consumption much below the calorie line will not affect the calorie poverty rate. So  is  the variation of calorie consumption much above  the calorie  line. Only marginal households, i.e., the households with actual calorie consumption close to the calorie  line, will affect the calorie poverty  rate. The number of marginal households  is more  in  the direct methods  than  in  the  fixed calorie line methods. Thus the poverty rate by the direct method is more sensitive to changes in the consumption. Moreover,  it  is  less  likely  for  the marginal households  to  increase  the consumption, whereas  those who are supposed  to  lie above  the calorie  line may have reasons  to consume  less. The net effect  is  the  increase of calorie poverty  rate by  the direct method compared  to  the  fixed calorie  line method. The calorie  line of  the household may be very much different  from  the  fixed calorie  line because  the age‐sex‐activity  status of  the household may be much different  from  the average age‐sex‐activity pattern of all the households. The direct method thus seems to be superior to the fixed calorie  line method  in this respect. Observe that calculation of calorie poverty rates by direct method does not need any weighing diagram of  the population. This  is automatically  taken care  of  by  the multiplier  of  each member  (may  be  termed  as  individual multiplier), which  is  the product of the household multiplier and the household size. Urban poverties are  found  to be more  than  corresponding  rural poverties when activity  levels of adults are not  considered. This does not  seem  to be probable. There are mainly  two  reasons  for differences  in  the  poverty  rates  between  rural  and  urban  sectors.  The  first  is  the  differences  of consumptions due to the differences of  incomes. The MPCE of urban households  is certainly more than  the MPCE of  rural households and  it  is expected  that  the households with more  income will consume  more  food.  But  our  findings  nullify  it.  The  second  reason  is  that  the  differences  of consumptions are due to differences in the activity status. Our findings support it.  Calorie poverty  rates show an  increasing  trend whichever method  is used except  for urban sector during 50th and 55th rounds of NSS. One of the reasons is due to the change in the activity status over time,  which  is  not  considered  at  all.  The  correspondence  between  National  Classification  of Occupation made  in 1968 (NCO‐1968) and the activity status has undergone a sea change. The  life styles  have  changed  very much  due  to  the  introduction  of many work‐  and  time‐saving  devices. Many new commodities have come into the market. The tests and preferences on the commodities by  the  people  have  changed.  The workers who were  designated  as  hard workers  have  possibly ceased to be so. So are the moderate workers. And this  is reflected  in the trend of Calorie Poverty Rates. We also apprehend that many of the members, who were designated as sedentary workers by NCO‐1968, are now leading a sub‐sedentary life.   We have found the Poverty Rates using both linear and quadratic methods of regression of DPCI on MPCE  for each class  interval. The  linear and quadratic methods almost give  same  result. The  two results would have been more close  if we take the  length of each class  interval  less than what has been taken here or equivalently increase the number of expenditure classes. 

83  

The Poverty Rates found by the Fixed Poverty Line Method using linear interpolation are higher than the Calorie Poverty Rates found by Calorie Line Methods for rural India. Almost the opposite  is the case for urban India. This anyway is not a solace to us given the fact that all the rates are too high to be acceptable. Except  for higher  income  groups,  there  are no differences  in  the  calorie  consumptions of  female members relative to that of male members between rural and urban sectors  in  India. We can thus deflate male  consumptions  or  inflate  female  consumptions  accordingly  and  forget male  female distinctions. Assuming that each male member has unit ‘1’, we can convert the number of females using this ratio so that the female members can be taken as equivalent to male members. The only thing we have to do is to multiply the number of female members by 0.96. Two entirely new methods have been proposed in this report – Calorie Decomposition Method and the Error Distribution Method. Poverty Rates found by both the methods are higher than expected. Some modifications of the error decomposition method have also been proposed. The modifications lead  to  better  result  in  the  sense  that  the  poverty  rates  are  considerably  lower  than  the  other methods using calorie intakes. It may be possible by this method to compensate for the decreasing trends  in  the  calorie  consumption  by  choosing  the  appropriate  cut  off  points.  The  logic  behind choosing a cut‐off point  is  simple. One may argue  that  the best point  should be  the point, which divides  the  population  of  the  concerned  interval  equally.  Suppose  more  than  50  percent  of population with a given per capita  income can consume  food having calorie  intake more  than  the calorie norm  then  the  rest of  the households with  the  same per capita  income  should be able  to consume food at the same  level as this group. By a similar  logic, for other  lower MPCE  intervals, a portion of households  taken as poor should be non‐poor. But  this portion should be estimated by assuming a suitable distribution. The cut‐off point need not be based on 50:50 criteria. It may be, for example, based on 40:60 or 60:40 criteria. We have regrouped the NCO‐1968 codes according to the activity status and calculated the poverty rates by direct method.  It  improved the estimates to some extent. The noteworthy  feature of this regrouping is that the rural and urban poverties become almost equal.20 We have also seen whether the there is a variation of calorie intakes between rural and urban sectors separately for each activity status.  It  is seen  that  less calorie  intake of urban people  is not due  to  the variation of number of members in the different activity status and further it proves that the calorie intake of urban people is about 0.87 times the calorie  intake of rural people given the same expenditure group regardless the activity status.  Apart  from  some  random  fluctuations  there  is  an  increasing  trend of prices over  total per  capita expenditure  in both  rural  and urban  areas.  Ignoring  the bottom  and  top  few expenditure  classes which  show erratic behaviour,  the  rural urban  ratio of prices have been  found  to be around 0.94 when median  is  taken.  As  total  per  capita  expenditure  increases  people move  to  higher  quality goods and  thus price  increases  for both  rural and urban  sectors. Rural prices  compared  to urban prices do not have any trend. Though  the price ratios remain more or  less same over expenditure groups, but these values vary over the commodity groups. The urban prices compared to rural prices are high in cereals, pulses, milk and milk products, and spices. The urban prices are low for dry fruits and beverages. These are comparatively  low calorie goods. We have also found the ratios of prices of  the 61st  round  to  the prices of 55th  round data of NSSO by expenditure and  item wise groups. There  is no trend of these price ratios over the expenditure groups. But there are variations  in the increases of the prices if seen for the item groups. The average of the price ratios are approximately 1.19 and 1.17 for rural and urban sectors respectively, whereas the medians of these ratios are 1.17 and 1.14 respectively for rural and urban sectors. The price ratios NSS 61st round compared to NSS 55th round is very high for edible oil and sugar and sugar products. These are the high calorie items. Thus  these price  ratios may explain  to  some extent why  the  calorie  consumptions are decreasing over time and also why calorie consumption of urban people is lower than the calorie consumption of rural people.                                                             20 Manna (2007) also proposed a new grouping of NCO-1968 codes and found similar results.

84  

Most of  the south  Indian  states show very high values of  the poverty  rates. Also  these values are relatively higher  than  those states known  to be  the poorest states  in  India. For example Bihar has the rural poverty rate as 0.55, whereas the states like Karnataka and Tamilnadu have poverty rates higher than 0.80. Urban poverty rate  is seen to be higher than rural poverty rates for a few states namely, Punjab, Haryana, Rajsthan, Uttar Pradesh, Maharastra, West Begal and Arunachal Pradesh. Since these states have higher weights the overall poverty for urban India is found to be higher than rural India, though the difference is not much. The consumer expenditure of a household on food items in NSS data relates to the actual consumption by the members of the household and also by the guests during ceremonies or otherwise. Thus, to avoid double counting, cooked meals received (and not purchased from market) are not recorded in the recipient household. This procedure only leads to bias-free estimates of average per capita consumption as well as total consumer expenditure. However, it does not give unbiased estimates of the nutritional status of households and consequently any estimate based on the nutritional status may be erroneous. An adjustment to nutrient intakes on the basis of the meal accounting suggested by Minhas (1991) is called for. The suggested adjustment by Minhas is given by

Ca = C × (Mh + Mf)/(Mh + Mg + Me), where Mh = number of meals consumed by the household member in the household, Mg = number of meals consumed by guests, Me = number of meals consumed by employees and Mf = number of meals received by members of households free as guest or as employees. The poverty rates using the adjusted calorie as suggested by Minhas along with the corresponding poverty rates with unadjusted calories are given in Table 7.1. Table 7.1 Poverty Rates with and without adjusted Calorie: A Comparison

Without Using Adjusted Calorie  Using Adjusted Calorie All Sedentary  With Activity Status All Sedentary  With Activity Status

  Method  Rural  Urban  Comb Rural Urban Comb Rural  Urban  Comb  Rural  Urban CombDirect Method (DM)  0.51  0.58  0.53  0.76  0.71  0.75  0.48  0.56  0.50  0.74  0.70  0.73 Fixed Cal. Line Method (FCLM)  0.50  0.56  0.52  0.71  0.63  0.69  0.47  0.55  0.49  0.69  0.61  0.67 Fixed Pov. Line Method (FPLM)  0.45  0.55  0.48  0.75  0.63  0.72  0.39  0.53  0.43  0.72  0.62  0.69 DM after CD (DMCD)   0.46  0.60  0.50  0.81  0.79  0.80  0.40  0.55  0.44  0.81  0.78  0.80 FCLM after  CD (FCLMCD)  0.46  0.59  0.50  0.76  0.65  0.73  0.40  0.54  0.44  0.75  0.67  0.73 FPLM after CD (FPLMCD)  0.43  0.61  0.48  0.76  0.67  0.73  0.39  0.52  0.43  0.76  0.69  0.74 

Poverty rates using adjusted calories are uniformly found to be less than the corresponding poverty rates using unadjusted calories though the differences between these two figures are not much for most of the cases. This is certainly an improvement and should always be followed whenever poverty rates are calculated through calorie intakes. Since many measures of poverty or  rather many measures of Head Count Ratio  (HCR) have been discussed in this report, it is necessary to take a comprehensive picture of all the poverty measures together in a tabular form. In doing so, some more poverty measures come up into the picture and thus  are  reported  in  the  table. We  can  get  the  estimated  total  calorie  intakes  of  households  by Calorie Decomposition Method (CD). These estimates have been used to get the poverty rates. We have also found the poverty rates using Direct Method (DM), Fixed Calorie Line Method and Fixed Poverty  Line Method. These methods have been explained  in  the  report  in great details. We  can combine these three methods with that of Calorie Decomposition Method, i.e., getting poverty rates by each of  these  three methods using  the estimated  calorie  intakes of  the households  that have been  found by CD. Estimated values of calorie  intakes eliminates  the household wise variations of the calorie intakes that are due to the factors other than the age‐sex composition and the total/per capita expenditures of the households and thus should give more stable and reliable estimates.  In Table 7.2, these estimates have been reported. We have given the estimates assuming all people are in  sedentary  level as well as  the estimates assuming  the activity  status  implied by  the occupation codes. In the same Table the results of Error Distribution Methods have been presented using both “all  sedentary”  and  “with  usual  activity”  status.  It  should  be  mentioned  here  that  we  have 

85  

sometimes neglected the top expenditure group to get a better approximation of quadratic fit of the mean values over different expenditure groups. The coefficients of the regressions  in the different expenditure groups are not important. Only the regression residuals are used to get estimates of the error variances and hence the probabilities. The results of error distribution methods are found to be similar to the earlier methods. The poverty rates with and without “Adult Equivalent Scales” give almost  the  same  results.  Also,  the  poverty  rates  assuming  bivariate/trivariate  normal  and bivariate/trivariate  lognormal distribution of the associated variables give almost the same results. Thus  the  decision  on whether we  should  assume  a  particular  joint  distribution  of  the  associated variables or whether we should introduce “Adult Equivalent Scales” in the Error Distribution Method do not matter much.    Table 7.2 Poverty Rates without adjusted Calorie with and without Activity Status

All Sedentary  With Activity Status Method used 

Rural  Urban Comb  Rural  Urban Comb(1)  (2)  (3)  (4)  (5)  (6)  (7)  (8)  (9) 

Direct Method (DM)  0.51  0.58  0.53  0.76  0.71  0.75 Calorie Line 

Fixed Calorie Line Method (FCLM)  0.50  0.56  0.52  0.71  0.63  0.69 Existing Expend. Line  Fixed Poverty Line Method (FPLM)  0.45  0.55  0.48  0.75  0.63  0.72 

DM of CD (DMCD)   0.46  0.60  0.50  0.81  0.79  0.80 FCLM of  CD (FCLMCD)  0.46  0.59  0.50  0.76  0.65  0.73 

Calorie Decomposition 

(CD)  FPLM of CD (FPLMCD)  0.43  0.61  0.48  0.76  0.67  0.73 EDM of Linear Regression (EDMLR)  0.50  0.56  0.52  0.79  0.70  0.76 EDMLR Truncation (EDMLRT)  0.19  0.24  0.20  0.60  0.43  0.55 EDM of Log‐linear Regression (EDMLLR)  0.51  0.57  0.53  0.78  0.71  0.76 EDMLGR Truncation (EDMLLRT)  0.22  0.26  0.23  0.58  0.44  0.54 EDMLR Adult Equiv. Scale (EDMLRAES)  0.49  0.54  0.51  0.80  0.71  0.77 EDMLRAES Truncation (EDMLRAEST)  0.20  0.23  0.20  0.62  0.45  0.57 EDMLGRAES   0.51  0.56  0.52  0.78  0.70  0.76 

New Error 

Distribution (ED) 

EDMLGRAES Truncation   0.21  0.26  0.22  0.58  0.43  0.54 

There are eight different ways of finding poverty rates using Error Distribution Method. Firstly there are  linear as well as  log‐linear regressions which can be applied assuming Adult Equivalent Scale or without assuming Adult Equivalent Scale. And  then one can decide whether  truncation  should be used or not.  In  each of  these  eight ways we  can  again  find  the poverty  rates by Direct  or  Fixed Calorie Line Methods. Thus altogether we have 16 ways of finding poverty rates. Table 7.3 shows the poverty rates for all these 16 ways separately for rural, urban sectors and for rural and urban sectors combined.  Table 7.3 Comparison of Poverty Rates with Activity Status: Direct Method Vs. Fixed Calorie Line 

Method Method  Direct  Fixed Calorie 

Sector Rural  Urban Comb  Rural  Urban  Comb Per capita Calorie Data  0.76 0.71 0.75  0.71  0.63  0.69 Calorie Decomposition   0.81 0.79 0.80  0.76  0.65  0.73 Error Distribution Linear (EDL)  0.79 0.70 0.76  0.69  0.60  0.66 EDL Truncated (EDLT)  0.60 0.43 0.55  0.44  0.30  0.40 Error Distribution Log‐linear (EDLgL)  0.78 0.71 0.76  0.70  0.62  0.68 EDLgL Truncated (EDLgLT)  0.58 0.44 0.54  0.46  0.33  0.42 EDL Adult Equivalent Scale (EDLAES)  0.80 0.71 0.77  0.691  0.601  0.66 EDLAES Truncated  0.62 0.45 0.57  0.451  0.311  0.41 EDLgL Adult Equivalent Scale (EDLgLAES)  0.78 0.70 0.76  0.701  0.621  0.68 EDLgLAES Truncated   0.58 0.43 0.54  0.451  0.321  0.41 

1: fixed norm poverty, i.e., Φ[‐{ + x‐2230.917}/ є] for rural and Φ[‐{ + x‐2082.259}/ є] for urban. 

86  

Each  one  of  the  truncated  method  gives  almost  the  same  result.  So  is  for  the  non‐truncated methods. But  there  is much difference between a  truncated method and  the  corresponding non‐truncated method. Truncated method seems to be a more  logical way of finding the poverty rates. This will be more clear once we take different hypothetical limiting values for the error variances. If the error variances  tend  to zero and  the number of expenditure groups become  sufficiently  large then the error distribution method gives the same value as that of fixed calorie method and also the same value as the fixed expenditure method. The difference between the fixed calorie method and the fixed expenditure method increases as the error variance increases.     7.2 Reviews and Discussions It  has  long  been  observed  that  official  poverty  lines  and  the  poverty  lines  based  on  calorie consumption are very much different, the poverty  lines based on calorie norms being much higher than those obtained by official poverty  lines. Consequently, the head count ratios based on calorie norms have been found to be much higher than those based on official poverty lines. Meenakshi and Viswanathan (2003) have found the head count ratios taking different calorie norms and found that these poverty rates are much higher for most of the cases (Table 7.4). Even the rank Correlations of these poverty rates with those of official poverty lines are not high and not statistically significant. It means that the factors which are responsible for such differences are not uniformly related with the poverty rates over the states.  

87  

 Table 7.4: Headcount Ratios Based on Official Method and Direct Calorie Norms – Rural Areas 

Headcount Ratios: 1999‐2000 

States Based on Official Poverty Line 

Based on 2400 Calorie Norm 

Based on 2200 Calorie Norm 

Based on 1800 Calorie Norm 

1  2  3  4  5 Andhra Pradesh  11.1  80.7  69.7  36.9 Bihar  44.0  74.9  62.4  32.5 Gujarat  13.2  80.5  70.4  41.0 Haryana  8.3  55.1  43.5  18.4 Himachal Pradesh  8.0  56.5  42.7  12.1 Jammu and Kashmir  4.0  39.7  28.9  7.3 Karnataka  17.4  78.9  69.9  41.8 Kerala  9.4  81.2  70.3  42.8 Madhya Pradesh  37.1  78.4  68.0  38.5 Maharashtra  23.7  83.3  70.5  39.2 Orissa  48.0  74.6  61.7  29.1 Punjab  6.4  62.8  48.1  20.6 Rajasthan  13.7  56.7  43.0  15.5 Tamil Nadu  20.6  86.5  78.7  55.4 Uttar Pradesh  31.2  64.5  52.0  23.0 West Bengal  31.9  75.6  63.3  34.1 Source: Meenakshi and Viswanathan (2003) They have also observed  that  there  is calorie deprivation even  for  the  rich people. The state wise head count ratios among the richest quintile are found to be as high as 56.6% in Maharashtra.  The problem of the persistent discrepancy between the two methods has also been pointed out by many authors including Saith (2005), Sen (2005), Bhalla (2003), Palmer‐Jones and Sen (2001), and it has unequivocally been agreed that the poverty in India has declined (E.g., Sundaram and Tendulkar, 2003) Sen (2005) has made some important and crucial observations.  

1. He has found the intake of proteins to be higher than what would be necessary for a balanced diet.

2. The southern states exhibit lower average calorie intake especially among the poor than the rest of the country, But they are in a better position when health indicators are considered.

3. The observed reduction in the per capita consumption of calories has arisen mainly from lower consumption of cereals, which has decreased in absolute terms, especially in rural areas, in recent years.

 The above  three observations, made by Sen,  lead  to  the question whether we should  take all  the three main nutrients, namely,  calorie, protein and  fat  into  the  considerations.  In  that a  case one should  find a device by which one can combine  the  three  indicators. Sen himself  raised  the same question by  saying  “…  Indian dietary habits are  steadily moving away  from an excessively  calorie focused diet to a more balanced one. Does this then imply that it should now be possible to evolve a more multi‐dimensional measure  of  nutritional  adequacy  which  could  form  the  basis  of  a  new poverty line?” Ray and Lancaster (2005) have found the state wise poverty lines based on estimated nutrient prices to be higher  than official poverty  lines  for  rural  India and almost  same  for urban  India using 55th round NSS data. Himangshu (2007) has observed that food prices compared to non‐food prices have increased over time except for rural Kerala. Deaton (2003) pointed out that 7 day reference period produced higher average calorie consumption (See also Mahendra Dev and Ravi, 2007). Should we 

88  

then  adopt  7  day  reference  period  for  food  items  instead  of  30  days?  The  fact  that  tastes  and preferences have changed significantly and scopes for choices have increased over time, have been observed by many authors  including Radhakrishna and Ravi  (1992), Meenakshi  (1996), Meenakshi and Ray 1999, Meenakshi and Viswanathan (2003) and so on. In short, from above mentioned findings and discussions we observe that: 

1. It is necessary to take different sets of consumption baskets and hence different calorie norms for different states?

2. There may be an under-reporting of consumptions, especially the food consumption? 3. We should take population structure of each state into consideration while calculating

the state wise poverty rates? Besides age-sex composition, activity structure may be different for different states. Will there be an aggregation problem in that case? I.e., Shall we get all India level calorie line same as the weighted average of state wise calorie norms?

4. The calorie requirements depend on climatic and topological situations? 5. Consumption pattern/food habit must have changed a lot. 6. Population structure has changed over time 7. The grouping of activity status through NCO-1968 does not seem to be valid still

now. 8. NSS consumption schedule does not through any light towards the activity status

other than NCO code. In the same occupation status the employees do not do so much physical work that they used to do. We have work saving devices at work place as well as in the house and other places. Also the health status of the members are not considered at all.

 7.3 Recommendations: (A) The NSS consumption schedule should have a separate block consisting of  items necessary  for finding calorie requirements of each member in the household. More specifically the following data are needed for each member:  

(1) Age, sex, weight, height and occupation status of each member in the household. (2) Average number of hours spent on each activity in a day along with detailed

description of the activities: These data are to be collected for each member and not only for adult members. It is apprehended that the physical work exerted by non-adult members are also decreasing over time. Weight is an important factor necessary for measuring calorie requirements. Along with this the status of pregnancy and lactation of mothers are also required.

(3) Information on any chronic or acute illness of each member: It should be taken along with data on decrease in the amount of food (calorie/fat/protein) intake of the concerned member due to this illness.

 (B) The data on food consumption should have a reference period of 7 days. Thirty days reference period for food items should not be taken for the same household.  (C)  There  should  be  a  system  of  verification  of  the  data  collected  for  at  least  a  portion  of  the sampled households by a different agent altogether.  (D) It is also possible to find the poverty rates using protein or fat intake of members. Should we get a poverty rate combining all the three factors namely, Calorie, Protein and Fat? If so, how should we combine these factors? There are different measures of poverty discussed in the report. Which one should we take as an official index? A committee should be set up to look into all these matters. The 

89  

committee may also look into other dimensions of poverty, such as property, possession of selected items like mobiles, cars, cattle etc.  Minimum energy requirements of calorie, protein and  fat as recommended by  ICMR or FAO are based on scientific experiments and thus cannot be questioned. What we can question is whether these  experiments  are done  in  an  environment  suitable  for  Indian  situation. One  can question whether ICMR has taken representative people from most of the states in India. It should be noted that FAO  recommendations not only  take age,  sex and activity  status  into  considerations while calculating  the  average  norms  but  also  give  functional  relations  so  that  one  can  calculate  the norms  if  the exact values of age, sex, activities throughout  the day and weight are known. NCO codes are not sufficient to capture the activity status.    

90  

References Bhalla,  S.  (2003): Recounting  the Poor: Poverty  in  India, 1983‐99,  Economic  and Political Weekly, January 25, 2003, pp. 338‐349. Deaton, Angus and Jean Dreze (2002): ‘Poverty and Inequality in India: A Re‐examination’, Economic and Political Weekly, Vol 37, No 36. Deaton, A. (2003): Adjusted Indian Poverty Estimates for 1999‐2000, Economic and Political Weekly, January 25, 2003, pp. 322‐326. Himanshu (2007): Recent Trends in Poverty and Inequality: Some Preliminary Results, Economic and Political Weekly, February 10, 2007, pp. 497‐08. Mahendra Dev, S. (2005): “Calorie Norms and Poverty”, Economic and Political Weekly, pp. 789‐792 February 19, 2005. Mahendra  Dev,  S.  and  C.  Ravi  (2007):  Poverty  and  Inequality:  All‐India  and  States,  1983‐2005, Economic and Political Weekly, February 10, 2007, pp. 509‐521. Manna, G. C. (2007): On Calibrating the Poverty Line for Poverty Estimation  in India, Economic and Political Weekly, July 28, 2007, pp. 3108‐3115. Meenakshi,  J  V  (1996):  ‘How  Important  are  Changes  in  Taste?  A  State‐Level  Analysis  of  Food Demand’, Economic and Political Weekly, December 14.  Meenakshi, J V and Ranjan Ray (1999): ‘Regional Differences  in India’s Food Expenditure Pattern: A Complete Demand Systems Approach’, Journal of International Development, vol 11. Meenakshi, J V and B Viswanathan (2003): ‘Calorie Deprivation in Rural India’, Economic and Political Weekly, Vol 38, No 4. Minhas, B.S. (1991) : “On Estimating the Inadequacy of Energy Intake : Revealed Food Consumption Behaviour  versus  Nutritional  Norms  (Nutrition  Status  of  Indian  People  in  1983)”,  the  Journal  of Development Studies, Vol 28, no. 1(October), pp 1‐38. NSSO Report No. 513(61/1.0/6): Nutritional Intake In India, 2004‐2005, NSS 61st Round, July 2004‐ June 2005, National Sample Survey Organisation, Ministry of Statistics & Programme Implementation, Government of India, May 2007 Palmer‐Jones, R., and K. Sen  (2001): On  India’s Poverty Puzzles and Statistics of Poverty, Economic and Political Weekly, January 20, 2001, pp. 211‐217 Radhakrishna, R and C Ravi (1992): ‘Effects of Growth, Relative Prices and Preferences on Food and Nutrition’, Indian Economic Review, Special Number, Vol 27, pp 303‐23. Rao,  C  H  Hanumantha  (2000):  ‘Declining  Demand  for  Foodgrains  in  Rural  India:  Causes  and Implications’, Economic and Political Weekly, Vol 35, No 4. Ravallion,  M  (2003):  ‘Fanciful  Numbers  and  Fictitious  Intrigues’,  Economic  and  Poltical  Weekly, November 1. Ray, R  and G  Lancaster  (2005):  ‘On  Setting  the Poverty  Line Based on  Estimated Nutrient  Prices: Condition  of  Socially  Disadvantaged  Groups  during  the  Reform  Period’,  Economic  and  Political Weekly, January 1, Vol XL, No 1. Saith,  A  (2005):  Poverty  Lines  versus  the  Poor: Method  versus Meaning,  Economic  and  Political Weekly, October 22, 2005, pp. 4601‐4610. Sen,  P.  (2005):  Of  Calories  and  Things  Reflections  on  Nutritional  Norms,  Poverty  Lines  and Consumption Behaviour in India, Economic and Political Weekly, October 22, 2005, pp. 4611‐4618. Subramanian, S  (2005):  ‘Unravelling a Conceptual Muddle:  India’s Poverty Statistics  in  the Light of Basic Demand Theory’, Economic and Political Weekly, January 1, Vol XL, No 1. Sundaram, K and S D Tendulkar (2003):  ‘Poverty  in  India  in the 1990s: Revised Results for All  India and 15 Major States for 1993‐94’, Economic and Political Weekly, November 15. –  (2003):  ‘Poverty  among  Social  and  Economic Groups  in  India  in  1990s’,  Economic  and  Political Weekly, December 13. –  (2003):  Poverty  Has  Declined  in  the  1990s:  A  Resolution  of  Comparability  Problems  in  NSS Consumer Expenditure Data, Economic and Political Weekly, January 25, 2003, pp. 327‐337.