绘制穷人生活的地图

关注全球贫困和饥饿人口——2020焦点简报

2007年10月

绘制穷人生活的地图

Todd Benson, Michael Epprecht, and Nicholas Minot

帮助穷人和饥饿的人们的行动需要着重考虑的是他们居住在什么地方，以及当地居民的一些特征。在过去10年中，世界银行、IFPRI以及其他一些组织的贫困研究者已经和当地的分析人员一起完成了30多个国家的详细贫困地图绘制工作。这些地图可用于估计一些相对较小地区的贫困发生率和严重程度。例如在行政区以下甚至是社区层次上，使得使用者能够更好的理解穷人的空间分布，以及去调查贫困和其他地理因素之间的关系。一些关于穷人和饥饿者居住地的知识以及这些居民是否与当地其他居民发生联系，对于洞察穷人和饥饿者的行动是很关键的。总之，在越南、马拉维和莫桑比克所制定的贫困图被用于证明，穷人和饥饿者对于自身在空间分布上的更好理解能够深化他们对自己生活的危机意识，从而能够更全面的评估他们所遇到的机遇，寻求更健康、积极的生活，使其更充分的认识到自身所具有的潜力。

政策制定者和研究者对贫困的空间分布感兴趣主要有以下几个原因。第一，贫困地图把贫困空间分布的大量信息综合成一个模式，对于不具有这方面技术的读者而言也是比较简单易懂的。全国性和区域性的贫困测量会隐藏一个国家个地区内福利水平的明显不同。详细的贫困地图提供了一个国家内贫困水平巨大差异的清晰画面。一段时间以来，由于许多国家发展了一系列小地区的贫困地图，用于不同年份之间的比较。一种地方等级贫困检测的趋势有利于我们更好的理解减贫策略在什么地方是成功的，在什么地方是失败的。不断修正而提高，所以这种策略能够得到更为有效的实施。

第二，这些模式的知识更有利于瞄准项目设计的目标，至少是部分的减少贫困。很多国家利用地理瞄准模式，利用政府计划为穷人提供了一些服务，如贷款、食品资助、收入分配、医疗保健和教育。瞄准更多穷人居住地区的项目的效率和成本收益得到了提升。

第三，地图所显示的国家贫困分布模式提供了一个调查与贫困相关联的地理因素的起点。例如接触到市场或其他公共服务，气候或地形地貌等因素的影响。当检查一份详细的贫困地图时，大多数读者会立即问为什么有的地区贫困率特别高而其他地区则相反。一系列的分析技术和贫困地图一起被用于调查贫困的空间决定因素。对与贫困相联系的地理因素的更好理解有利于推动发展减贫策略集中修正这些因素，从而使得那些贫困地区的居民能够提高他们的生活水平。

贫困地图如何产生

到目前为止，贫困发生率地图的资料主要来源于住户调查资料。但是由这种方法所产生的贫困率只是对几个有限的省或者国家的估计。大约10年前，研究者开发了一种能够产生更详细贫困地图的方法，通过结合人口普查和住户调查资料（见表一），这种新的方法产生于对一个国家内存在几百个甚至上千个不平等的行政单元，允许产生一个解决贫困和不平等问题的地图的假设。必须指出的是，贫困地图分析一般不包括所收集的新资料。但是它利用了已有的调查和人口统计资料，在很多国家，这些资料经常是没有被开发利用的信息资源。

作为这种分析结果的一个例子，图1显示的贫困发生率地图是来自马拉维制定的贫困地图。该图是基于对1997-98年住户整体调查和以1998年的人口与居住调查而制定的。这个国家原来的住户整体调查贫困分析只允许计算28个地区和4个中心城市的贫困测量。相比而言，这份地图提供了大约360个次级行政区的贫困资料，各个地区的各种贫困线被呈现出来。

表1：建构贫困地图的方法

一般而言，测量贫困都是由于监管和政策的目的，通过比较为了摆脱贫困线而花费的每个资本量所获得的价值（包括用于消费的现金数、自身消费粮食的价值量，以及自己所拥有房屋的价值）。不同人口的贫困测量要基于相对于贫困线的消费分布情况来计算。最常见的是贫困发生率，也较贫困人口的人数统计比率。传统上决定消费分配的信息是来自家庭的收入和支出调查。这些全国性的调查通常有2000-6000户的样本大小，以此来代表这个国家内5-15个地区的贫困状况。

在大多数国家都有规律性的收集单纯住户的信息，这些包括人口和住房的信息资料有助于推测各地区的状况，同时也被用于进行日常管理。但是调查问卷对于住户的各种特征而言具有很大的局限性，缺乏一些收入和支出的信息，而这些信息是直接测量贫困所必须的。

新的方法主要包括两部。首先，住户调查资料被准确地用于推测每个资本量的消费与像年龄和性别组成、职业、教育背景、住房特征和财产所有权等住户特征之间的关系。其次，这些有关相同住户的调查资料在调查中被插入“regression equation”,用来估计每个住户的平均资本开销。这种对每个住户的估计是不准确的，但在汇总几千个住户的资料后，他们便得到了相对精确的预测多种关于贫困和不平等的标准。这些估算在地理信息系统软件的作用下被制作成地图。这种方法的一个重要特征是因贫困和不平等的标准误差而导致的测量同样被计算在内，促使应用者产生了一些如何精确估算的想法。

世界银行开发了一种软件系统叫做pov MAP可以自动地进行这些分析，可以减少开展这种学习所需的时间和技能。PovMAP要求使用者认识到运用住户特征来预测其开支，明确指出那些关键变量和文字的名字，在大量的分析点中进行选择，其结果包括为每个地区预测贫困和不平等，以及各自所包含的标准误差。

另外一个例子可见图2，图2显示了越南的贫困地图。这个分析是基于1997-98年越南的生活水平调查，和1999年越南的人口和居住状况调查，地图显示了在越南东北和西北的边远地区、北部沿海中心的高原地区，以及北部中心高原区的贫困发生率特别高；在红河以及湄公河三角洲的贫困发生率居中，贫困率最低的是像河内、胡志明市这样的特大城市，还有其它城市地区以及东南地区。但是一种关于贫困密度的分析表明，如在图2中所看到的那样，大多数农村人口生活在低地以及三角洲。在三角洲，贫困的发生率相对较低，但是由于人口密度高而导致穷人的绝对数量较多。

应用贫困地图进行政策和规划设计

在这部分呈现了几个来自越南、马拉维和莫桑比克的例子，说明贫困地图怎样提供了新的视角用于洞察减贫战略。这些地图提供了在一个国家中更好的理解一些相对重要的空间因素如何作用于贫困的分布，以及如何修正这些因素来减少贫困。

在越南很多反贫项目都是瞄准地域的。但是通过显示流行贫困较高的地区与贫困密度较高的地区之间的差异，图2中的两幅地图明确了这些瞄准计划中考虑到的一个关键成分。仅集中于高贫困发生率地区的计划没有达到穷人中的大多数，因为在大多数高贫困发生率的