2011年-世界发展银行全球_On_Multidimensional_Indices_of_Poverty_22页_795kb

总结：多维贫困指数的评估与争议

核心内容

本文探讨了多维贫困指数（Multidimensional Poverty Index, MIP）在贫困评估中的作用与局限性。作者Martin Ravallion指出，尽管多维贫困指数近年来受到越来越多的关注，但其在实际应用中仍存在关键问题，需要进一步分析。

主要观点

1. 多维贫困指数的必要性
   多维贫困指数试图通过考虑多个维度（如健康、教育、生活标准等）来更全面地衡量贫困，但其是否能作为单一的“足够统计”仍有争议。

2. 是否需要单一指数
   作者认为，单一指数可能无法全面反映贫困的复杂性。贫困是一个多维现象，不能简单地用一个指标来衡量。因此，更有效的做法是使用一组多个指数，分别衡量不同维度的贫困情况。

3. 权重设定问题
   在多维贫困指数中，权重的设定是关键问题。Alkire和Santos的指数使用等权重方法，但作者指出，这些权重应尽可能反映贫困者的真实选择，而不是由研究者主观设定。

4. 两种聚合方法的比较
   文章讨论了两种主要的贫困聚合方法：

   • “成就空间”聚合：使用价格（实际或估算）对多个维度的成就进行加权，形成一个综合指数。
   • “剥夺空间”聚合：使用研究者设定的权重对各个维度的剥夺情况进行加权，形成一个综合指数。

5. “成就空间”与“剥夺空间”聚合的优劣

   • 成就空间聚合更符合消费者福利的一致性，因为它考虑了市场选择和价格因素。
   • 剥削空间聚合则忽略了市场行为对福利的影响，可能导致与实际消费者选择不一致的权重设定。

6. 数据限制
   实际中，由于数据的限制，多维贫困指数往往无法涵盖所有相关维度。因此，多维指数可能只是贫困评估的一个补充工具，而非唯一手段。

关键信息

• Alkire-Santos MIP：这是目前最广泛使用的多维贫困指数，涵盖健康、教育和生活标准三个维度，每个维度下有多个指标，且使用等权重方法。
• 贫困的多维性：贫困不仅涉及收入或消费，还包括健康、教育、服务获取等多个方面。
• 聚合方式的争议：成就空间聚合和剥夺空间聚合各有优劣，但剥夺空间聚合可能无法准确反映消费者的真实偏好和市场行为。
• 权重设定：权重应尽可能反映贫困者的实际选择，而非由研究者主观设定。
• 实际应用中的限制：大多数调查数据无法覆盖所有维度，且不同维度的数据往往来自不同调查，限制了多维指数的全面性。

结论

作者主张，未来贫困监测应发展一组可信的多个指数，而不是单一的多维指数。虽然多维指数在某些情况下有用，但它们无法替代对各个维度单独分析的方法。此外，作者强调，权重设定应基于对贫困者实际选择的深入理解，而非研究者主观判断。多维贫困指数的使用应谨慎，确保其在理论和实践中的一致性与合理性。