印度喜马拉雅地区贫困地理格局与多维贫困特征研究：基于消费与多维指标的实证分析

针对印度喜马拉雅地区(IHR)贫困空间异质性问题，研究人员结合IHDS-2012和IDHS-2016数据，创新性纳入地理可达性和经济机会维度，构建包含5大维度16项指标的多维贫困指数(MPI)。研究发现该地区多维贫困率(32%)略高于全国水平(28%)，贫困与教育水平、种姓制度(Scheduled Castes/Tribes)及农业依赖显著相关，为制定山区特异性减贫策略提供实证依据。

　　

在印度全国贫困率持续下降的背景下，喜马拉雅山区却仍存在显著的贫困聚集现象。这片横跨11个邦的生态敏感区，虽拥有丰富的水资源和文化遗产，却因地形复杂、基础设施薄弱和社会结构差异，形成了独特的"空间贫困陷阱"。尤其值得关注的是，阿萨姆邦、阿鲁纳恰尔邦和曼尼普尔邦的贫困率远超全国平均水平，而传统的收入贫困指标难以捕捉山区特有的多维剥夺特征。

研究人员通过整合印度人类发展调查(IHDS)和人口健康调查(IDHS)数据，首次系统评估了该地区消费贫困与多维贫困的地理格局。研究创新性地在传统MPI框架中新增"山区特异性"维度，包含海拔高度、医疗设施可达性等指标，采用Foster-Greer-Thorbecke(FGT)指数和Alkire-Foster方法进行量化分析。

主要技术方法包括：1) 基于Tendulkar方法的消费贫困线测算；2) 构建含5维度16指标的MPI体系，权重采用等权分配；3) 运用固定效应模型分析贫困决定因素；4) 通过贫困分解技术识别高风险群体。

研究结果揭示：

1. 贫困现状：东部山区贫困率显著高于西部，阿萨姆邦消费贫困率达38%，梅加拉亚邦MPI高达49%。女性户主家庭MPI较男性高4个百分点，农村地区贫困强度达42%。

2. 关键驱动：76%家庭缺乏医疗保险，62%使用生物质燃料，50%无农地所有权。教育维度中，56%户主为文盲；种姓维度显示，表列种姓(Scheduled Castes)贫困风险较上层种姓高131%。

3. 空间特征：高海拔区域(>1000米)形成明显贫困带，医疗设施可达性差使健康维度贡献达19%，"居住标准"维度对MPI贡献最大(26%)。

4. 特殊发现：尽管梅加拉亚邦为母系社会，女性户主贫困率却异常偏高，可能与高海拔居住和牲畜缺乏相关；查谟-克什米尔邦农村性别工资差距达104%，凸显结构性不平等。

这项发表在《Heliyon》的研究具有三重重要意义：方法论上，开创性地将地理可达性纳入MPI体系，为山区贫困研究提供新范式；政策层面，证实单一收入指标会低估山区贫困28-42%，提示需调整扶贫瞄准机制；实践价值方面，发现清洁能源、手机普及等"非收入因素"对减贫的显著影响，为SDGs本地化实施指明路径。研究特别强调，未来需建立山区专属数据库，开发考虑冰川洪水等气候风险的动态贫困监测系统，才能真正实现"不让任何人掉队"的可持续发展承诺。