2013年-世界发展银行全球_Multidimensional_Poverty_Analysis___Looking_for_a_Middle_Ground_16页_407kb

多维贫困分析：寻找中间路径

核心内容

本文探讨了多维贫困测量中“单一指数”与“仪表盘”方法之间的争论，并提出了一种中间路径，即通过分析多维贫困的依赖结构来更全面地理解贫困现象。作者认为，多维贫困分析不应局限于单一指数或仅考虑边际分布的仪表盘方法，而应结合两者的优势，利用更丰富的数据来捕捉不同维度之间的相互关系。

主要观点

• 贫困是多维的：贫困不仅仅是收入低，还涉及健康、教育、生活条件等多个方面。
• 单一指数的局限性：虽然单一指数可以提供一个完整的排序，但其权重设定通常任意，缺乏明确的经济依据，且可能忽略维度之间的依赖关系。
• 仪表盘方法的不足：仪表盘方法关注各个维度的独立指标，但可能低估或忽略多维贫困中因维度相关性导致的总体贫困状况变化。
• 中间路径的必要性：通过分析多维贫困的依赖结构，可以更准确地评估贫困水平，避免单一指数和仪表盘方法各自的缺陷。

关键信息

三种替代方法

1. 多维随机优势分析（Multivariate Stochastic Dominance）

   • 可以比较不同多维贫困分布，判断是否存在一致的贫困水平差异。
   • 不需要假设特定的权重，避免了因权重设定带来的争议。
   • 例如，在越南，农村儿童在两个维度（人均家庭支出和身高体重指数）上普遍比城市儿童更贫困。

2. 维恩图（Venn Diagrams）

   • 用于可视化不同维度贫困之间的重叠情况。
   • 通过展示个体在多个维度上的同时贫困情况，有助于理解贫困的复杂性。
   • 在欧盟国家中，显示了超过80%的家庭仅在某一维度上处于贫困状态，而少数家庭在多个维度上同时贫困。

3. Copula函数分析

   • 用于衡量不同维度之间的依赖关系。
   • 可以通过统计方法（如Spearman相关系数）评估维度间相互作用的变化。
   • 在俄罗斯的案例中，显示了不同维度之间依赖关系随时间增强的趋势。

多维贫困测量的实际应用

• 在墨西哥和哥伦比亚，多维贫困指数已被用于国家政策评估。
• 世界银行的多维贫困指数（MPI）因其简洁性而受到广泛欢迎。
• 然而，批评者指出，这些指数在权重设定上缺乏经济合理性，忽视了市场机制中价格对替代关系的反映。

指标与权重的讨论

• 权重问题：多维贫困指数通常使用相等权重，这在经济意义上并不合理。
• 价格作为权重：价格反映了消费者对不同商品和服务的替代意愿，因此应作为权重的参考。
• 数据局限性：价格数据通常不够细致，但若在相同调查中获取多个维度的数据，则可分析其依赖结构。

实证案例

坦桑尼亚的多维贫困变化

• 2001年至2007年：学校入学率和耐用资产拥有率显著改善，但饮用水安全状况恶化。
• 综合贫困比例：从90%下降至80%，表明整体贫困状况有所改善。
• 单一维度贫困变化：仅饮用水贫困比例上升，说明单一维度指标可能无法全面反映贫困状况。

俄罗斯的维度依赖变化

• 1995年至2003年：标准生活水平、健康和教育之间的依赖关系增强。
• 俄罗斯人类发展指数：总体上升，但1998年金融危机期间有所下降。
• 相关系数：Spearman相关系数显示维度间依赖性增强，表明贫困的多维性在加深。

结论

• 方法选择：三种方法（维恩图、多维随机优势、Copula分析）提供了比单一指数或仪表盘更全面的分析框架。
• 政策意义：这些方法有助于政策制定者更准确地理解贫困的结构，从而制定更有效的政策。
• 未来方向：应推动数据收集的改进，以支持对多维贫困依赖结构的分析，同时在适当情况下使用单一指数作为补充工具。

挑战与建议

• 数据一致性：多维分析需要各维度在同一调查或不同调查中具有共同标识符。
• 权衡取舍：在数据质量和依赖结构信息之间需权衡，具体情况具体分析。
• 政策建议：在多维贫困分析中，应优先考虑依赖结构的分析，并在必要时使用单一指数作为辅助工具。

参考文献与数据来源

• 文献引用：包括Alkire & Foster (2011a), Duclos et al. (2006), Atkinson & Lugo (2010), Decancq (2009)等。
• 数据来源：如Tanzania Household Budget Surveys, EU-SILC, RLMS等，提供了多维贫困指标和相关分析的基础。