川海智库

报告概述

本报告由ECLAC发布，介绍专门为拉丁美洲设计的多维贫困指数（MPI-LA）。该指数基于能力和权利方法，涵盖住房、健康、教育、就业与养老金四个维度，共12项指标，使用Alkire-Foster双阈值方法构建。报告覆盖17个拉美国家2008-2022年的数据，通过标准化调查数据实现跨国可比性。该指数补充了ECLAC的收入贫困测量，为设计更全面的减贫政策提供依据，并特别分析了性别差距、年龄、城乡及族裔差异。

报告的核心结论

拉丁美洲多维贫困发生率在2008-2022年间大幅下降。

区域加权平均显示，多维贫困发生率从2008年的45.7%降至2022年的26.5%，年均下降1.4个百分点。贫困强度也从0.47降至0.43。下降趋势仅在2020年因COVID-19疫情短暂中断，随后恢复。

就业质量与劳动力市场准入是拉丁美洲多维贫困的主要贡献因素。

2022年，就业与养老金维度对多维贫困的贡献率为28.8%，其中就业质量指标贡献14.9%，劳动力市场准入贡献10.9%。这凸显了生产结构异质性和女性无偿照料工作对贫困的深远影响。

儿童、农村居民和原住民群体面临更高的多维贫困。

2022年，0-17岁儿童多维贫困发生率为32.0%，高于成年人的20.9%和老年人的21.7%。农村贫困发生率远高于城市，原住民贫困发生率是非原住民的两倍以上。尽管差距有所缩小，但结构性不平等依然显著。

多维贫困与收入贫困的交叉分析揭示了不同的贫困特征。

2008-2022年，同时陷入多维贫困和收入贫困的人口比例从25.8%降至12.9%。仅多维贫困人口占比下降，而仅收入贫困人口占比上升。在乡村地区，多维贫困独占比远高于城市，表明单一指标可能遗漏不同区域的贫困人群。

报告回答的关键问题

拉丁美洲多维贫困指数与传统贫困测量有何不同？

传统贫困测量通常仅基于收入或消费，而MPI-LA基于能力和权利方法，考察住房、健康、教育、就业与养老金四个维度的12种剥夺。它能够识别收入测量无法反映的公共品缺失，如教育不足、卫生设施缺乏等，从而提供更全面的贫困图景，并可与收入贫困交叉分析。

COVID-19疫情如何影响拉丁美洲的多维贫困？

2020年疫情期间，多维贫困发生率出现短暂回升。主要原因是学校出勤率或学业落后指标急剧上升（区域加权平均增加10.9个百分点），以及劳动力市场准入恶化（上升近3个百分点）。但2021-2022年趋势恢复下降，儿童和青少年的恢复速度更快。

拉丁美洲多维贫困中的性别差距表现在哪些方面？

以个体为单位分析20-59岁人群发现，女性多维贫困发生率约为男性的1.2倍，且差距持续存在。主要原因是女性因无偿家政和照料负担而无法参与劳动力市场的比例极高（15%-20%），以及劳动收入低于贫困线的比例更高。其他维度如健康和教育未出现不利于女性的差距。

MPI-LA与各国官方多维贫困指数有何区别？

MPI-LA旨在实现区域可比性，使用统一的标准化调查数据，而各国官方指数根据本国国情设计，不可跨国比较。尽管两者在维度选择上相似，但具体指标、阈值和权重不同。因此，MPI-LA结果不能与各国官方指数直接对比，但可互补用于政策分析。

报告中的代表性数据

45.7% (2008) 降至 26.5% (2022)

区域多维贫困发生率

2008-2022，拉丁美洲17国加权平均，基于MPI-LA定义。年均下降1.4个百分点。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 完整的方法论章节：详细说明维度、指标选择依据（基于能力和权利方法）、剥夺阈值、权重设定及Alkire-Foster双阈值方法的数学公式。
  • 按国家、年份（2008-2022）展示的多维贫困发生率、强度和调整后发生率图表，包括城乡、年龄组、原住民/非原住民等细分数据。
  • 性别差距的个体层面分析：针对20-59岁人口，使用个体化测量指标（包括自身收入不足），揭示女性在劳动力市场准入和就业质量上的系统性劣势。
  • 多维贫困与收入贫困的交叉分析：展示同时贫困、仅多维贫困、仅收入贫困和非贫困四类人群的分布及时间趋势，按城乡和国家细分。
  • 指标冗余分析：通过R0系数评估12个剥夺指标之间的重叠程度，确认指标准备的合理性。
  • 鲁棒性检验：通过改变多维阈值（10%-70%）、采用并集转换、调整维度权重（30%-60%）和维度结构（2维度模型）等多种敏感性分析，验证国家排名的稳定性。
  • 数据来源与处理说明：列出17国使用的家庭调查名称、年份及BADEHOG数据库的标准化方法，并讨论数据局限性（如健康状况指标缺失、比较性限制）。
  • 政策含义与改进建议：强调就业质量、网络接入和住房拥挤的重要性，提出改进调查问卷、增加食品不安全、环境质量等指标的建议。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告