devinit-不平等、衡量不平等以及不平等对减贫的重要性（英）-2022.2-20页_252kb

详细总结：不平等、测量不平等及其对减贫的重要性

核心内容

本简报探讨了贫困与不平等之间的关系，并强调了减少不平等对于可持续减贫、消除歧视和排斥的重要性。它指出，不平等不仅涉及资源和机会的分配，还与社会权利、政治权力和环境资源密切相关。减少不平等应成为国际发展工作的核心目标之一，特别是在实现可持续发展目标（SDGs）的过程中。

主要观点

1. 不平等与贫困的关系

• 不平等的定义：不平等指的是资源、机会和权利的分配差异，其根源在于系统性歧视和排斥。
• 不平等的类型：包括经济不平等（收入、财富、消费）和非经济不平等（如性别、年龄、种族、地理等）。
• 相对贫困：贫困是相对的，一个人的贫困体验取决于其所处的社会环境和群体收入水平。
• 贫困线的设定：贫困线是根据不同国家的经济状况设定的，例如，极端贫困线在低收入国家为PPP$1.90/天，而在中等收入国家则可能为PPP$3.20或$5.50/天。

2. 环境资源的有限性

• 环境边界：人类必须在环境承载力和行星边界内发展，否则将面临灾难性气候变化。
• 资源再分配：为实现可持续发展，必须更加公平地分配环境资源，以保障人们的基本权利和需求。
• 财富增长与贫困：虽然财富可能随时间增长，但若不惠及最贫困的人群，减贫目标将难以实现。

3. 水平不平等的重要性

• 水平不平等的定义：指基于个体或群体特征（如性别、年龄、种族、宗教、残疾等）导致的系统性排斥和歧视。
• 交叉性影响：多种特征的交叉作用可能导致长期的贫困陷阱。
• 社会流动性：理解水平不平等是解决贫困和不公的根本，并有助于促进社会和经济流动性。

4. 经济与政治不平等的相互作用

• 权力与影响：经济不平等导致政治不平等，富裕群体对政策有更大影响力，而贫困群体则被边缘化。
• 政策循环：政治不平等加剧了经济不平等，形成自我强化的循环，阻碍社会公平和可持续发展。

关键信息

测量不平等的方法

• 无单一标准：没有一种方法能全面反映不平等的各个方面，不同指标提供不同的视角。
• 经济指标：包括基尼系数、帕拉莫比率、SDG 10.1、P20分析和绝对不平等指标。
  • 基尼系数：衡量整个分布的不平等程度，但难以反映特定群体或分布尾部的差异。
  • 帕拉莫比率：比较最富10%和最穷40%之间的收入/财富差距，但忽略了中间群体。
  • SDG 10.1：关注最贫困40%人口的收入增长是否高于平均水平，有助于缩小贫困差距。
  • P20分析：比较最贫困20%与其余80%的群体特征和结果，是识别贫困群体的重要工具。
  • 绝对不平等：衡量实际经济差异，但相对差异在政策分析中更为重要。

不平等数据的挑战与重要性

• 数据的全面性与及时性：需要全面、及时且可细分的数据来准确测量不平等。
• 数据类型：
  • 家庭调查数据：常见于国家层面，但存在覆盖不足（如未包括无家可归者、囚犯等）。
  • 行政数据：如税收数据，有助于补充高收入群体的信息，但忽略了非正式经济和逃税者。
  • 非正式与社区生成数据：在脆弱和冲突地区尤为重要，但常因未公开而造成重复调查和数据浪费。

数据覆盖与时间滞后

• 数据滞后：许多国家的家庭调查数据更新频率较低，导致测量结果滞后。
• 数据质量：低收入国家的数据质量较差，影响对不平等的准确评估。

数据类型与时间

数据局限与建议

• 数据不足：家庭调查数据无法准确识别个体收入或财富，且常遗漏最贫困群体。
• 行政数据：如税收数据，有助于补充高收入群体信息，但无法覆盖非正式经济。
• 非正式数据：在脆弱地区尤为重要，但常因未公开而造成重复调查。
• 数据治理：随着数据收集的细化，需加强数据治理、安全和权利保护。

结论

不平等是贫困、歧视和排斥的重要驱动因素，其测量和理解对于实现可持续发展目标和推动社会公平至关重要。尽管存在多种数据来源和测量方法，但数据的全面性、及时性和代表性仍面临挑战。因此，需要改进数据收集方式，加强数据治理，并利用社区生成数据以确保所有群体的声音都被听到。