增长对多维贫困的分解影响：增长的来源重要吗？

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·莫克塔尔·本拉米内 米歇尔·凯勒 让-帕斯卡尔·恩冈乌 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20多年间80多个国家数据的首次差分模型，研究国内生产总值的变化如何影响多维贫困指数及其子指数，并考虑收入水平、地区和资源依赖性的变化。分析证实，经济增长通常降低了多维贫困指数，尽管这种影响的大小差异显著。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，这种影响较小。本文根据国内生产总值增长的维度对其进行分解，揭示出主要由以下因素驱动的增长： 通过全要素生产率、消费和可持续增长显著降低多维贫困指数。相比之下，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尚不明确。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具有更清晰的正向影响，政策制定者应优先考虑促进这些类型增长的战略，以应对贫困，特别是在其他增长贡献者的影响不确定或理解不足的背景下。 本文是贫困与平等全球实践成果。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，并为全球的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。 《政策研究工作论文系列》传播正在进行中的研究成果，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。论文包含作者姓名应相应引用。本文中所表达的研究发现、解释和结论完全是作者自己的。作者的观点。它们不一定代表国际复兴开发银行/世界银行的立场。其附属机构或世界银行执行董事及其代表的国家政府。 分解经济增长对多维贫困的影响：增长的来源重要吗？1 弗朗西斯·穆兰古，莫哈塔尔·本拉米内，迈克尔·凯勒，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贫的经济发展中，这是一个具有重要意义且经久不息的争议话题。这一辩论远超学术圈子，触及政策制定的核心。一个关键挑战是提供具体指导，以确定优先考虑增长型政策的顺序，并识别能够有效减轻贫困的具体增长性质。这一持续的辩论凸显了对严格分析和证据的需求，以指导政策选择，尤其是当考虑贫困的多个方面时，不仅要包括收入指标，还要涵盖影响个人福祉的更广泛范围的剥夺。 虽然大量经验证据指出经济增长和贫困之间存在普遍的负相关性，但是值得注意的是，这一部分文献中的大部分都传统上专注于收入或货币贫困。这种对金钱的狭窄关注在我们的关于经济增长与多维贫困之间的动态理解方面留下了一个重要的空缺——多维贫困是指在贫困形式上考虑剥夺的各个维度，包括教育、健康和生活水平（Alkire等人，2021年）。多维贫困与经济增长之间的关系尚未得到充分的探索，大多数研究仅仅是定性地追踪了国民经济水平和多维贫困轨迹，而没有进行正式的统计分析（例如Djossou等人（2017），Tran等人（2015））。 一些研究大胆地尝试了通过对不同时间点的截面数据进行分析，来检验GDP变化和多层次贫困综合指标变化的关联性（Alkire 等，2017年；Burchi 等，2019年；Seth 与Alkire，2021年）。然而，对经济增长和多维度贫困之间关系进行的严格评估较为罕见。据我们所知，这方面仅有两个尝试，特别是由Santos 等（2019年）和Ballasubramanian 等（2023年）进行的探索。两者都使用了不平衡面板数据和一阶差分估算器（FDE）来揭示负相关性，尽管关注的多个维度贫困的指数和研究期限不尽相同。 我们的论文致力于对这一相对未开发的但至关重要的文献做出有意义的贡献。我们首先通过构建一个将多维贫困指数（MPI）数据与经济增长指标相结合的面板数据集来开始我们的研究。遵循Santos等人（2019年）和Balasubramanian等人（2023年）的方法论，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。 我们通过探索MPI（多维度贫困指数）与经济增长之间的基本关系开始分析，重点关注不同收入群体和地区的差异。这一初步分析重复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，我们的研究通过考察MPI的子成分——即教育、健康和生活水平——以识别这些子成分内的任何异质性，对文献做出了重大贡献。此外，我们还从各个维度和组成部分调查了经济增长，以提供更深入的了解，并将我们的工作与先前的研究区分开来。在我们的研究的第二部分中，我们通过以下方式分析经济增长的影响： 检查如劳动生产率、生产要素增长以及支出方法组成部分等因素，并介绍一种用于衡量可持续增长的新方法。 在本文的第一部分，我们确定经济增长与MPI之间存在负相关关系，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存在显著差异。具体来说，MPI的减少在低收入国家、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不太明显。此外，我们发现虽然经济增长通常会减少MPI的组成部分，但这些影响通常会被延迟。 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。我们的研究结果显示，并非所有经济增长维度对多维贫困指数（MPI）的降低都有相同程度的贡献。值得注意的是，由总要素生产率（TFP）、消费和可持续实践驱动的增长持续导致MPI显著下降，这些领域在减贫方面尤其有效。相反，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MPI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。 本论文的其余部分如下进行：第二部分讨论了多维度贫困对于政策制定的相关重要性。第三和第四部分分别解释了分析增长对多维度贫困影响的所用数据和估计策略。第五部分呈现了研究结果，随后在第六部分进行稳健性检验。最后，第七部分得出结论。 通过多维贫困措施提升政策有效性 多维贫困测量方法通过涵盖健康、教育和生活水平等多个方面，为人类贫困提供了更广阔的视角。与主要关注收入的货币贫困测量方法不同，多维指标捕捉了更广泛的剥夺现象，为政策制定者提供了对导致贫困的多种因素的更全面理解。这种方法允许设计综合干预措施，解决多个维度上贫困的根本原因。例如，旨在减少多维贫困的政策可以同时针对诸如获得医疗保健、教育机会和社会包容等问题，全面解决贫困的相互关联方面，从而提高整体福祉。 此外，多维贫困衡量方法在捕捉易受伤害和边缘化群体经历方面尤其宝贵，这些群体可能面临各种形式的剥夺，这些剥夺仅靠收入衡量方法无法充分体现。例如，妇女、儿童、老年人和残疾人常常面临多维形式的剥夺，而收入衡量方法难以捕捉到这些（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全面表征，确保在政策讨论和资源分配中不会忽视最脆弱的群体。 研究发展经济学表明，基于收入的贫困衡量标准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·森的工作强调了在评估贫困时考虑福利的多个维度（如健康、教育和社会包容性）与收入同样重要的观点（森，1999年）。这种更广泛的视角导致了人类贫困指数（MPI）的发展，该指数从这些不同的维度衡量贫困（Alkire，2007年）。使用MPI的研究表明，传统的基于收入的贫困衡量标准可能低估了贫困的严重程度，并忽视了不同维度之间贫困差异的问题（Alkire等，2015年）。 此外，实证证据表明经济增长并不总是均匀地导致货币贫困的减少，这强调了采用多维方法衡量贫困的价值（Alkire et al., 2013）。例如，Cruz等人（2015）的研究表明，经济增长有时可能不成比例地使特定群体或地区受益，而其他人则被落下，导致持续的货币贫困。通过考虑剥夺的多个维度，多维贫困衡量提供了对贫困动态的更细致的理解。这使得政策制定者能够更有效地调整干预措施，以满足不同人口群体的特定需求（Alkire et al., 2015）。 研究已经证明，多维贫困衡量方法在识别那些基于收入衡量可能无法完全代表的脆弱和边缘化群体方面特别有效。例如，Alkire 和 Santos（2013）发现，妇女和儿童往往在多维贫困中受到不成比例的影响，尤其是在教育和医疗保健的获取方面。同样，Palmer 等人（2015）强调了残疾人面临的具体挑战，这些挑战可能是基于收入衡量所无法捕捉到的，强调了将残疾视为贫困维度的重要性。这些发现支持多维衡量方法作为一种补充工具，以提供更全面和包容的贫困评估。 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、收入和不等初期的差异，该地区的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往往归因于经济增长而非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所提供的更广泛效益，特别是在如健康护理、教育和基础设施等领域。尽管收入水平是福利的一个关键组成部分，经济增长也可以促进获取基本服务和机会，从而提升总体福祉。这些非货币效益对于从低起点出发的区域尤为重要，例如许多撒哈拉以南的非洲国家。因此，综合考虑贫困的各种维度和经济增长提高福利的多种途径的综合方法至关重要。本文通过强调将多维贫困衡量指标与传统货币指标整合的重要性，为当前的辩论做出了贡献，以提供更加全面的社会福利和发展的图景。 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。该指数由牛津贫困与人类发展倡议（OPHI）开发，提供了一个超越基于收入指标的全球贫困的细微理解。它纳入了一系列反映个人在不同生活方面的各种剥夺的指标。这种多维方法与贫困不仅关于收入，还与无法获得基本服务和享受标准生活质量这一观点相一致（Alkire etal., 2021）。MPI包括十项指标，分为三个显著维度，如表1所示。 为了确定多维贫困，每一户家庭都将被评估十个指标。对于每个指标，如果一个家庭未能达到最低标准，它被认为处于贫困状态。每个指标在其维度内被平等加权，而各个维度有特定的权重。如果一个家庭的贫困剥夺累积加权分数达到1/3或更高，该家庭被认为处于多维贫困状态。这一门槛表明，一个家庭在至少三分之一的加权指标中处于贫困状态。多维贫困指数（MPI）是通过将识别为多维贫困的人口比例（发生率）乘以该贫困群体经历的剥夺平均比例（强度）来计算的（Alkire等，2021年）。尽管MPI捕捉了贫困的发生率和强度，但它不衡量贫困的深度，这与调整后的贫困差距不同。 其他变量 自变量包括人均GDP、每名工人劳动生产率和若干种不同的GDP及劳动生产率分解方法。人均GDP数据，按2015年固定价格以美元为单位，来源于世界发展指标（世界银行，2024年）。 生产变量来自Dieppe（2021年）开发的跨国生产率数据库。第一个生产率变量是劳动生产率，定义为每名工人产生的产出量，计算方式为国内生产总值除以就业人数。 劳动力生产率增长进一步分解为三个组成部分：人力资本增长、资本深化增长以及全要素生产率（TFP）增长。人力资本增长衡量通过教育、培训和健康状况改善提高工人技能和能力，从而增加生产率。资本深化衡量资本与工人比例的变化，TFP衡量要素投入组合的效率。在增长核算练习中，TFP常作为技术进步的代理指标（Dieppe, 2021）。 我