分解增长对多维贫困的影响

10930 分解增长的影响关于多维贫困 增长来源是否重要？ 弗朗西斯·穆兰古·莫赫塔尔·本拉米内 米歇尔·凯勒 让-帕斯卡尔·恩加努 政策研究工作论文 10930 摘要 本文全面分析了经济增长与贫困之间的关系。利用对超过80个国家20多年数据的首次差分模型，本文研究了国内生产总值的变化如何影响多维贫困指数及其子指标，并考虑了收入水平、地区和资源依赖性的变化。分析证实，经济增长通常降低多维贫困指数，尽管这种影响的大小差异很大。在低收入国家、撒哈拉以南非洲、拉丁美洲和加勒比地区以及资源依赖型国家中，这种影响不太明显。本文将国内生产总值增长按其维度进行分解，揭示了由驱动 通过全要素生产率、消费和可持续增长，显著降低了多维贫困指数。相比之下，诸如人力资本发展、资本深化、投资、政府支出、出口和进口等因素对多维贫困指数的影响不明确。这些发现表明，这些因素的有效性取决于国家层面的条件。鉴于全要素生产率、消费和可持续增长在减少多维贫困方面更清晰的正向影响，政策制定者应优先考虑促进这些类型增长的策略，以应对贫困，尤其是在其他增长贡献者的效应不确定或理解不充分的环境中。 本文是贫困与平等全球实践团队的研究成果。它是世界银行更大规模努力的一部分，旨在提供其研究的开放访问，并为全球发展政策讨论做出贡献。政策研究工作论文也发布在http://www.worldbank.org/prwp上。作者可通过fmulangu@worldbank.org联系。 《政策研究工作报告系列》发布正在进行中的研究结果，以鼓励关于发展的思想交流。问题。本系列的目标是快速发布研究结果，即使报告的呈现不够完美。本文献包含作者名称应相应引用。本文中表达的研究发现、解释和结论完全是作者自己的。作者的观点。它们不一定代表世界银行/国际复兴开发银行的看法。其附属机构，或世界银行执行董事或他们代表政府的机构。 分解增长对多维贫困的影响：增长来源是否重要？1 弗朗西斯·穆兰古，莫哈塔尔·本拉米内，迈克尔·凯勒，以及让-帕斯卡尔·恩加努 JEL分类：I3, O1, Q54关键词：多维贫困、经济增长、可持续性和生产力 © 2024 世界银行和国际货币基金组织。 1. 引言 关于经济增长是否以及如何转化为减少贫困的讨论是经济发展中的一个重大议题，也是长期以来的争论焦点。这一争论不仅仅局限于学术领域，而且触及了政策制定的核心。一个关键的挑战是提供具体指导，以优先考虑增长导向型的政策，并确定能够有效缓解贫困的具体增长性质。这一持续的讨论强调了进行严谨分析和提供证据来指导政策选择的需求，尤其是在考虑超过收入指标这一纯粹衡量标准的多方面贫困之外，还要涵盖影响个人福祉的更广泛剥夺。 尽管大量实证证据表明经济增长与贫困之间存在普遍的负相关关系，值得注意的是，这一领域的文献传统上主要关注收入或货币贫困。这种对金钱的狭隘关注在我们对经济增长与多维贫困之间的动态理解上留下了一个显著的空白——多维贫困是一种考虑剥夺的多个维度的贫困形式，包括教育、健康和生活水平（Alkire et al., 2021）。多维贫困与经济增长之间的关系相对未被充分探索，大多数研究仅在国家层面定性追踪GDP增长和多维贫困的轨迹，而没有进行正式的统计分析（例如，Djossou et al. (2017), Tran et al. (2015)）。 一些研究尝试通过使用不同时间点的横截面数据来考察GDP变化与多维贫困综合指数变动之间的相关性（Alkire等，2017；Burchi等，2019；Seth & Alkire，2021）。然而，对经济增长与多维贫困之间关系的严格评估却很少。据我们所知，只有两次尝试朝这个方向努力，分别是Santos等（2019）和Balasubramanian等（2023）进行的。两者都采用了非平衡面板数据和一阶差分估计器（FDE）来揭示负相关关系，尽管它们关注的是不同多维贫困指数和研究时期。 我们的论文致力于为这个相对未开发的但至关重要的文献做出有意义的贡献。我们通过构建一个面板数据集开始我们的研究，该数据集将多维贫困指数（MPI）数据与经济增长指标相结合。遵循Santos等（2019年）以及Balasubramanian等（2023年）的方法论步骤，我们采用一阶差分模型来阐明MPI与经济增长之间的基本关系。 我们开始分析，通过探讨MPI与经济增长之间的基本关系，重点关注不同收入群体和地区之间的差异。这一初步分析复制了文献中的现有发现，为我们研究提供了坚实的基础。在此基础上，我们的研究通过对MPI的子组件——即教育、健康和生活水平——进行考察，以识别这些子组件内部的任何异质性，对文献做出了重大贡献。此外，我们从多个维度和组成部分研究经济增长，以提供更深入的见解，并将我们的工作与先前研究区分开来。在研究的第二部分，我们通过分析经济增长的影响来 检查如劳动生产率、生产要素的增长以及支出方法成分等因素，并介绍一种测量可持续增长的新方法。 在本研究的第一部分，我们发现经济增长与MPI之间存在负相关关系，这证实了先前的研究发现。我们的分析进一步表明，这种影响的大小在不同收入水平、地区和资源依赖程度上差异显著。具体来说，MPI的降低在低收入国家、撒哈拉以南非洲和拉丁美洲及加勒比地区的国家以及资源依赖型国家中表现不太明显。此外，我们还发现，尽管经济增长通常会降低MPI的组成部分，但这些影响通常具有延迟性。 在研究的第二部分，我们关注经济增长的不同维度及其对多维贫困的影响。我们的发现表明，并非所有经济增长维度都对多维贫困指数（MPI）的降低产生同等贡献。值得注意的是，由全要素生产率（TFP）、消费和可持续实践驱动的增长，持续导致多维贫困指数的显著下降，这使得这些领域在减贫方面特别有效。相反，诸如人力资本发展、资本深化、投资、政府支出、出口和进口等因素对多维贫困指数的影响在统计上不显著，这表明它们的效果可能因国家特定条件而异。 本文剩余部分内容如下：第二章讨论了多维贫困在政策制定中的相对重要性。第三章和第四章分别解释了用于分析增长对多维贫困影响的数据和估计策略。第五章展示了结果，第六章进行了稳健性检验。最后，第七章得出结论。 通过多维贫困测量提升政策有效性 多维贫困测量提供了更广阔的视角来审视人类剥夺问题，它涵盖了健康、教育和生活水平等多个方面。与主要关注收入的货币贫困测量不同，多维指标捕捉了更广泛的剥夺现象，为政策制定者提供了一个更全面的理解，即哪些因素导致了贫困。这种方法允许设计综合干预措施，解决各个维度贫困的根本原因。例如，旨在减少多维贫困的政策可以同时针对诸如医疗保健、教育机会和社会包容等问题，从整体上解决贫困的相互关联方面，从而提高整体福祉。 此外，多维贫困衡量标准对于捕捉脆弱和边缘化群体的经历尤其有价值，这些群体可能面临各种形式的剥夺，而这些剥夺并非仅靠基于收入的衡量标准就能完全体现。例如，妇女、儿童、老年人和残疾人常常面临多维形式的剥夺，而基于收入的衡量标准难以捕捉到（Alkire和Foster，2011；联合国开发计划署，2019；世界银行，2011；联合国儿童基金会，2016）。通过纳入那些以某种方式触及性别不平等、代际贫困和社会排斥的维度，多维贫困指数提供了对贫困的更包容性描述，确保在政策讨论和资源配置中不会忽略最脆弱的群体。 发展经济学领域的研究指出，基于收入贫困的衡量方法可能无法完全捕捉人类贫困的复杂性。值得注意的是，阿玛蒂亚·森的研究强调了在评估贫困时考虑福祉的多维度——如健康、教育和社会融入——与收入同等重要的观点（森，1999）。这种更广泛的视角导致了多维贫困指数（MPI）的制定，该指数在这些不同维度上衡量贫困（阿克赖尔，2007）。使用MPI的研究表明，传统的基于收入的贫困衡量方法可能低估了贫困的广泛程度，并忽略了不同维度上剥夺差异的问题（阿克赖尔等人，2015）。 此外，实证研究表明，经济增长并不一定均匀地导致货币贫困减少，这突出了采用多维方法衡量贫困的价值（Alkire et al., 2013）。例如，Cruz et al.（2015）的研究表明，经济增长有时会不成比例地惠及特定群体或地区，导致其他人被落下并持续存在货币贫困。通过考虑剥夺的多维度，多维贫困衡量提供了对贫困动态的更细腻理解。这使得政策制定者能够更有效地定制干预措施，以满足不同人口群体的独特需求（Alkire et al., 2015）。 研究表明，多维贫困度量特别有效于识别收入度量可能无法全面体现的易受伤害和边缘化人口。例如，Alkire 和 Santos (2013) 发现，妇女和儿童往往在多维贫困方面遭受不成比例的影响，特别是在教育和医疗服务获取方面。类似地，Palmer 等人 (2015) 强调了残疾人面临的具体挑战，这些挑战收入度量可能无法捕捉，强调了将残疾作为贫困维度进行考虑的必要性。这些发现支持了多维度量作为一种补充工具，以提供更全面和包容性的贫困评估。 经济增长对货币贫困的影响，尤其是在撒哈拉以南非洲，相对较小（Wu et al., 2024）。尽管努力解决贫困水平、收入和不平等的初始差异，但该地区贫困减少对增长的弹性仍然较低。自2000年以来贫困减少的缓慢步伐通常被归因于经济增长，而不是收入分配的重大变化。这种情况引发了关于以增长为中心的发展战略在显著缓解贫困方面的有效性的担忧（Aryeetey, 2015；McKey and Thorbecke, 2015）。 然而，仅仅关注货币贫困可能会忽略经济增长能够带来的更广泛的好处，尤其是在如医疗保健、教育和基础设施等领域。虽然收入水平是福利的关键组成部分，但经济增长也可以导致对基本服务的改善和对提升整体福祉的机会的增加。这些非货币性好处在起点较低的区域尤为重要，例如许多撒哈拉以南非洲国家。因此，一种综合考虑贫困的各个方面以及经济增长如何增强福利的多重路径的全面方法至关重要。本文通过强调将多维贫困度量与传统货币指标相结合的重要性，为持续的争论做出了贡献，以提供一幅更全面的福利和发展图景。 3. 数据 多维贫困指数 我们的分析使用多维贫困指数（MPI）及其指标作为因变量。多维贫困指数由牛津贫困与人类发展倡议（OPHI）开发，它提供了一个超越基于收入指标的全球贫困的细微理解。它包含了一系列反映个人在生活中不同方面所面临的多种剥夺的指标。这种多维方法与贫困不仅仅是关于收入，还包括无法获得基本服务和享受标准生活质量的想法相一致（Alkire et al., 2021）。MPI包括十个指标，分为三个重要维度，如表1所示。 为了确定多维贫困，每一户家庭都会根据十个指标进行评估。对于每个指标，如果一个家庭未能达到最低标准，则被认为处于剥夺状态。每个指标在其维度内等权重，而各维度具有特定的权重。如果一个家庭的剥夺累积加权得分达到1/3或更高，则认为该家庭存在多维贫困。这个阈值表明，一个家庭在至少三分之一的加权指标上处于剥夺状态。多维贫困指数（MPI）是通过将识别为多维贫困的人口比例（发病率）与这一贫困群体所经历的剥夺平均比例（强度）相乘来计算的（Alkire等，2021）。虽然MPI捕捉了贫困的发病率和强度，但它不像调整后的贫困缺口那样衡量贫困的深度。 其他变量 自变量包括人均GDP、每名工人的劳动生产率以及多种分解GDP和劳动生产率的不同方法。人均GDP数据以2015年不变的美元价格计算，来源于《世界发展指标》（世界银行，2024年）。 产品变量来源于Dieppe（2021）开发的跨国家 productivity 数据库。第一个产品变量是劳动力生产率，定义为每个工人生产的产出量，计算为国内生产总值（GDP）除以就业人数。 劳动生产率增长进一步分解为三个组成部分：人力资本增长、资本深化增长和全要素生产率（TFP）增长。人力资本增长衡量通过教育、培训和健康改善提高工人技能和能力，从而提高生产力的程度。资本深化衡量资本与劳动者比率的变化，TFP衡量要素输入结合的效率。在增长核算的练习中，TFP常常