主流多维贫困指标中固有的不正当激励的快速解决方案

本文探讨了主流多维贫困指标中调整后人头比率的扭曲激励问题，并提出了一种快速修复解决方案。文章首先介绍了多维贫困测量的基本框架，包括剥夺矩阵、剥夺得分、贫困识别和贫困指数的计算方法。接着，文章指出调整后人头比率在个体摆脱贫困时会产生“跳跃”，导致反常的激励，即政策倾向于优先针对贫困程度较轻的人群而非最重的人群。

为解决这一问题，文章提出了一种新的贫困贡献函数，将贫困个体的贡献替换为多维“贫困差距”，从而消除了扭曲的激励。该解决方案保留了Alkire-Foster贫困识别方法，但略微改变了调整后人头比率指数。文章证明，新的指数满足与调整后人头比率相同的属性，除了维度分解。

文章进一步探讨了维度分解的局限性，通过两个实例说明维度分解在寻找最小化贫困指数的政策时可能提供误导性信息，并可能在衡量进展时产生错误的判断。最后，文章认为，尽管维度分解在政策分析中具有一定价值，但不应成为丢弃调整后人头比率指标的充分理由，并提出使用改进后的指数M'作为快速修复方案。

核心观点：

• 调整后人头比率在个体摆脱贫困时会产生反常的激励，导致政策扭曲。
• 通过将贫困个体的贡献替换为多维“贫困差距”，可以消除扭曲的激励。
• 维度分解在寻找最小化贫困指数的政策时可能提供误导性信息。
• 改进后的指数M'是一个快速修复方案，保留了Alkire-Foster识别方法，但消除了扭曲的激励。

关键数据：

• 全球MPI指数的维度和权重，包括营养、儿童死亡率、受教育年限等。
• 贫困截止点k的取值，例如全球MPI为1/3。
• 贫困差距的计算方法，即个体摆脱贫困所需的最小剥夺评分减少量。

研究结论：

• 调整后人头比率存在扭曲激励问题，需要解决方案。
• 提出的快速修复方案可以有效消除扭曲的激励。
• 维度分解存在局限性，可能在政策制定中产生误导。
• 改进后的指数M'是一个实用且有效的解决方案。