贫困理论A-F双临界值方法介绍.doc

A-F方法介绍贫困的内涵很丰富，也有很多种界定方式。从最早的绝对贫困，再到20世纪七八十年代提到的资源贫困、能力贫困等。对贫困的认识经历了从单一贫困到多维贫困的转变。联合国开发计划署（UNDP）在1997年人类发展报告中提出了“人文贫困”（Human Poverty）的概念，它不仅包括人均国民收入等经济指标，也包括了人均寿命、卫生、教育和生活条件等社会文化因素。直到2010年，UNDP第20个人类发展报告中正式提出多维贫困指数MPI，认为贫困的维度已经远远超出了收入不足的范畴，其涉及到不良的健康和营养状况、较低的受教育水平和技能、谋生手段的缺乏、恶劣的居住条件、社会排斥异己社会参与的缺乏等诸多方面。A-F双临界值方法，在2007年5月，由牛津贫困与人类发展中心（OPHI）的Sabina Alkire和James Foster基于Sen的可行能力剥夺理论发展为多维贫困的测量方法，简称为AF方法，并在国际范围内得到广泛使用，如前文提到UNDP与2010的人类发展报告中使用了AF方法计算得到的MPI指数。国内学者根据我国实际情况也进行了相关研究，如王小林（2009）采用A- F方法，利用2006年中国健康与营养调查数据，对中国城市和农村家庭多维贫困进行了测算；王艳慧等（2013）对河南省南阳市四个国家贫困片区县进行了多维贫困度量及空间分布格局研究。A-F双临界值方法的优势是能够同时将离散型的定型数据和连续型的定量数据纳入测试模型进行测量。同时，A-F双临界值方法提供的是一种测量多维贫困的框架，非常具有弹性，更多的关键选中留给研究中自己决定，包括选中贫困的维度、各维度的临界值、各维度的权重以及贫困的临界值等。Sen (2002)把发展看作是扩展人们享有实质自由的一个过程，实质自由包括免受困苦诸如饥饿、营养不良、可避免疾病、过早死亡之类的基本可行能力。人们的这些基本可行能力被剥夺因而导致贫困，所以，多维贫困测算的目的就是识别出哪些个体的哪些可行为能力被剥夺，从而测算出标示贫困个体多维贫困状况的“多维贫困发生率”指标(H)，标示贫困深度的“平均剥夺份额”指标（A），以及标示贫困人口群体综合贫困状况的“多维贫困指数”指标（MPI）。本文利用“维度加总”和“维度分解”策略来综合评价贫困个体在各个维度的具体贫困状况。其中，“维度加总”能够计算贫困个体所有维度指标的综合贫困指数MPI，“维度分解”则可以计算出各个维度指标对综合贫困指数的贡献程度。所设计的具体算法如下（Error! Reference source not found.图1为多维贫困测算的流程图，表1为变量释义）：1) 根据所构建的多维贫困维度指标体系，把入户调查数据中各户所对应的数据项导入到数据矩阵中。构建农户数据矩阵Y（nd）。其中，n表示测算个体数量，d表示指标数量。2) 根据多维贫困指标体系中确定的指标临界值以及农户数据矩阵Y，可以得到相应的剥夺矩阵g0（nd）。剥夺矩阵g0用来表示存储农户被剥夺的情况，如果农户在某指标下是被剥夺的，在剥夺矩阵中该农户该指标的值为1，表示其为剥夺状态；否则该值为0，表示为不剥夺状态。3) 在剥夺矩阵中根据贫困临界值K确定出多维贫困个体，并且把非贫困个体的剥夺值进行归零处理，剔除非贫困个体的剥夺信息对贫困加总的干扰，把归零后的剥夺矩阵称为已删减矩阵g0（K）（nd）。该矩阵能够记录表征为多维贫困个体的指标剥夺情况，矩阵中的K表示贫困临界，即被确定为多维贫困个体的被剥夺指标数不小于K值。4) 根据已删减矩阵的贫困个体剥夺信息进行贫困加总，计算出多维贫困发生率、平均剥夺份额、MPI，通过这三个指标来反映该研究区域的多维贫困人口数、平均被剥夺的指标数量、以及贫困程度。图 1 人口多维贫困测算流程图表 1 多维贫困测算变量释义变量名释义数据矩阵Y数据矩阵Y(nd)是用来存储农户个体的指标信息。n表示测算个体数量，d表示指标数量剥夺临界值z剥夺临界值z(1d)是测定各指标是否被剥夺的阈值。剥夺矩阵g0剥夺矩阵g0(nd)是用来存储农户个体被剥夺的情况。如果农户在某一指标下是被剥夺的，赋值1，否则，赋值0.贫困临界值k贫困临界值k表示确定为贫困个体的维度数。其中，0kd，多维贫困测算k一般取值2到d之间。已删减矩阵g0(k)已删减矩阵g0(k)是用来存储贫困个体被剥夺的情况。与剥夺矩阵的区别在于已删减矩阵对剥夺矩阵中非贫困个体被剥夺的指标进行了归零处理。多维贫困发生率H多维贫困发生率H=qn，其中，q表示多维贫困人口，n表示研究区域总人口平均剥夺份额A平均剥夺份额A=i=1nCi(k)q，其中，Ci(k)表示在贫困临界值为K的情况，个体i被剥夺的指标数量；q表示多维贫困人口多维贫困指数MPIMPI是表示一个地方贫困状况的综合指标，公式为MPI=HA指标贡献度指标贡献度=wiCHiMPI，其中,wi表示第i指标的权重值；CHi表示第i指标被剥夺的人口率利用上述测算模型，利用“维度加总”和“维度分解”策略来综合评价贫困个体在各个维度的具体贫困状况。其中，“维度加总”能够计算贫困个体所有维度指标的综合贫困指数MPI，“维度分解”则可以计算出各个维度指标对综合贫困指数的贡献程度。1) 维度加总经过识别过程可以确定出哪些个体为贫困个体，接下来就可以得出多维贫困发生率、平均剥夺份额以及多维贫困指数等评价指标来标示一个区域的贫困程度。评价指标的计算公式如下：1. 多维贫困发生率（H）：（1-1）式中，q表示多维贫困人口数，n表示研究区域总人口数。2. 平均剥夺份额（A）：（1-2）式中，ci(k)表示贫困临界值为K时，个体i被剥夺的指标数量，q表示多维贫困人口数。3. 多维贫困指数（MPI）：（1-3）MPI可以通过计算已删减矩阵的期望值得到，也可以通过计算多维贫困发生率与平均剥夺份额的乘积得到。2) 维度分解多维贫困指数可以按照不同地区进行指数分解，通过分解可以求出不同地区对总区域的贫困贡献度，通过该指标可以测量出区域的贫困差异；此外，MPI也可以按照不同维度进行分解，通过分解可以求出同一地区各个维度对总MPI的贡献度，从而可以测算出该地区各指标对贫困的贡献度大小关系。1. 按地区进行分解：区域贫困人口对总MPI的贡献度=（1-4）式中，MPI，MPI1分别表示总区域和1区域的MPI值，n，n1表示其对应区域人口数量。2. 按指标进行分解： i指标对总MPI的贡献度=（1-5）式中，wi表示i指标的权重值，CHi表示在已删矩阵中所有i指标列指标值加和。