编辑推荐：
贫困问题是全球面临的重大挑战，为了解决如何更精准衡量和理解贫困动态变化的问题，研究人员开展全球多维贫困指数（MPI）相关研究。结果显示该数据库涵盖 84 个国家和 814 个次国家区域数据。这为研究全球贫困提供关键数据支持14。
在当今世界，尽管人类在发展的道路上取得了诸多显著成就，但贫困问题依旧像一片挥之不去的阴霾，笼罩着许多地区。传统的贫困测量方式，无论是单纯基于收入的单维度衡量，还是像人类发展指数（HDI）这样的复合指标，都难以全面、精准地描绘贫困的真实面貌。人们逐渐意识到，贫困和幸福都是多维度的概念，例如千年发展目标（MDGs）及其后续的可持续发展目标（SDGs）都涉及多个与贫困相关的领域，如零饥饿、普及教育、获得清洁水和卫生设施等。在这样的背景下，为了更好地理解和应对贫困问题，来自巴塞罗那大学（University of Barcelona）和牛津大学（University of Oxford）的研究人员 Nicolai Suppa 和 Usha Kanagaratnam 开展了关于全球多维贫困指数（MPI）的研究
23。
他们的研究成果发表在《Scientific Data》上，为全球贫困研究带来了新的曙光。该研究构建了全球多维贫困指数数据库，包含了 84 个国家和 814 个次国家区域的估计数据，这些数据基于 211 个单独的调查数据集，主要由人口与健康调查（DHS）和多指标类集调查（MICS）提供。这一数据库不仅提供了 MPI 本身（调整后的贫困发生率）的估计，还涵盖了相关的部分指数以及随时间的变化情况，为深入研究全球贫困提供了丰富且宝贵的数据资源14。
在研究方法上，主要运用了 Alkire–Foster 方法。该方法通过选择维度和指标、设定剥夺阈值、确定指标权重以及定义跨维度贫困阈值来识别多维贫困人口。数据来源主要是具有代表性的家庭调查数据，这些数据需要满足一定标准，如至少在国家层面具有代表性、微观数据及相关文档可获取等。对于缺失值，研究人员采用了多种处理方式，如在某些情况下构建特定剥夺指标以提供下限估计，或根据情况删除包含缺失值的观测数据。此外，还对调查数据中的指标进行了时间上的协调统一，以确保数据的可比性57。
研究结果方面，首先是指标和权重的确定。全球 MPI 依赖十个剥夺指标，涵盖健康（营养和儿童死亡率）、教育（受教育年限和入学率）和生活标准（烹饪燃料、卫生设施、饮用水、电力、住房和资产）三个维度，各维度及指标权重依据特定结构设定。其次，数据库提供了丰富的估计数据，包括 MPI、部分指数、剥夺率、人口份额等关键指标，还包含了一些辅助指标，如缺失值信息、严重贫困和脆弱性指标等，从多个角度展示了贫困状况。此外，通过对不同国家和地区、不同时间的数据对比分析，可以清晰地看到贫困的动态变化趋势68。
在研究结论和讨论部分，该研究成果具有多方面重要意义。从研究角度来看，为全球和区域贫困研究提供了全面且系统的数据基础，方便研究人员更深入地分析贫困的特征、变化趋势以及与其他因素的关联。从政策制定角度，有助于政策制定者更准确地了解贫困状况，制定更有针对性的扶贫政策。而且，该研究跨越了多个学科领域，将健康、教育、经济等领域联系起来，为跨学科研究贫困问题提供了新的思路和方法。总之，这项关于全球多维贫困指数的研究，在贫困研究领域具有重要的推动作用，为全球扶贫事业提供了有力的支持。
