贫困人口比例，以每天4.2美元为贫困线（按2021年购买力平价计算）（占总人口的百分比）

指标解释

World Bank official description / 世界银行官方说明

Poverty headcount ratio at $4.20 a day is the percentage of the population living on less than $4.20 a day at 2021 international prices.

可供参考的中文翻译：每日4.2美元贫困线下的人口比例是指以2021年购买力平价（PPP）调整后的价格计算，日均生活支出低于4.2美元的人口占总人口的百分比。

数据口径与风险提示

本指标以2021年购买力平价（PPP）作为价格基准，不同时期、不同口径的PPP调整可能导致跨年可比性受限。
基于家庭调查数据，各国调查年份和抽样方法存在差异，跨国对比时需注意数据质量和时效性。
中国数据主要依赖国家统计局开展的农村和城市住户调查，部分年份存在数据缺失或口径调整。
分子为日均消费或收入低于4.2美元的人口数，分母为总人口，分子分母的变化节奏可能不一致。
低收入国家样本量相对有限，波动可能较大。
近年数据可能受疫情影响，部分国家调查频率或调查质量出现变化。

中国趋势

趋势解读

中国在该指标上的变化幅度在主要经济体中极为突出。1981年贫困率高达99.7%，到2022年已降至0.5%，四十年间降幅接近99.2个百分点。从十年变化看，2010年代是最关键的转折期，该时期比率仅为期初的约8.6%，显示贫困率已从早期的高速下降转为趋于极低水平后的小幅波动。2020年代比率为期初的约29.4%，显示近年数据有所反弹，但该时期仅含三年数据，结论尚不稳定。整体来看，中国的下降速度和绝对水平在全球范围内均极为罕见，反映了持续高速增长和大规模减贫政策的共同作用。

1981年中国贫困率高达99.7%，此后持续下降，2002年降至63.7%，2010年进一步降至34.9%。
2015年贫困率降至10.6%，2019年降至3.0%，2021年降至0.3%，2022年为0.5%。
从1981年到2022年，最新值相对于最初值的比值约为0.5%，降幅极为显著。
2000年代下降幅度开始加快，2010年代初期出现加速下降后反弹的现象。
2020年代数据仅含2020、2021、2022三个年份，比率约为期初的29.4%。
数据主要依赖国家统计局调查，部分年份存在口径调整，需要结合官方说明理解数据连续性。
2020年代仅有三年数据，近年数值变化可能受样本量或调查年份影响，趋势解读需谨慎。
贫困率降至极低水平后，小幅变化可能反映统计口径调整或样本变化，而非实质性经济波动。

全球趋势

趋势解读

全球贫困率从1981年的56.7%持续下降至2024年的18.9%，总体呈现平稳下行趋势。下降速度在2000年代以后有所加快，但幅度远不及中国的历史轨迹。2020年代全球比率约为期初的85.5%，表明近年下降幅度相比2010年代有所放缓。全球数据反映的是众多国家的综合表现，涵盖贫困率仍高的地区，因此下降速度比中国温和。近年来全球下降幅度大于中国，可能与印度等人口大国的快速进展有关，也可能反映发展阶段、政策重点和统计口径的差异。

1981年全球贫困率为56.7%，此后缓慢下降，2000年降至50.9%，2010年降至35.8%。
2020年降至22.1%，2024年降至18.9%，最新值相对于最初值的比值约为33.3%。
2000年代下降幅度较大，但整体改善速度相比中国历史轨迹更为温和。
2020年代全球比率约为期初的85.5%，下降幅度相比2010年代有所放缓。
全球数据是各国家数据的加权综合，涵盖贫困率差异极大的不同发展阶段国家，趋势反映全球结构性变化而非单一国家动态。
各国调查年份和调查方法不一致，直接跨国对比时需要注意数据质量和时效性差异。
近年下降幅度可能受印度等人口大国的结构性变化影响，解读全球平均趋势时需结合具体国家情况。

每十年变化摘要

十年区间	中国变化	世界变化	提示
1960-1969	-	-	该阶段变化应结合指标定义、宏观背景、统计口径和缺失年份进行审慎解读。
1970-1979	-	-	该阶段变化应结合指标定义、宏观背景、统计口径和缺失年份进行审慎解读。
1980-1989	0.9x	1.0x	中国该时期比率约为期初的94.2%，略优于全球的98.1%，说明在改革开放初期中国贫困率已开始缓慢改善，尽管当时绝对水平仍接近极限值，下降路径与全球趋势基本一致，可能反映计划经济向市场机制过渡的早期效应。
1990-1999	0.8x	0.9x	中国该时期比率约为期初的80.0%，明显优于全球的93.7%，显示中国经济进入高增长阶段后减贫速度开始显著超越全球平均水平，可能与乡镇企业崛起、对外开放扩大等因素相关，但同期全球下降幅度相对缓慢，说明发展阶段和政策效果的差异开始显现。
2000-2009	0.6x	0.7x	中国该时期比率约为期初的64.8%，优于全球的74.9%，说明中国加速融入全球贸易体系后收入增长加速，贫困下降幅度持续领先全球，差距进一步扩大，可能反映出口导向型增长和大规模基础设施投资对底层收入的带动效应。
2010-2019	0.1x	0.6x	中国该时期比率约为期初的8.6%，显著低于全球的62.3%，显示中国贫困率已从高位大幅压缩至低位水平后出现质的飞跃式下降，而全球仍处于渐进改善阶段，这种巨大差距可能意味着中国已跨越贫困治理的关键转折点，贫困人口在绝对规模上已大幅缩小，而全球仍有大量人口处于贫困线附近。
2020-2029	0.3x	0.9x	中国该时期比率约为期初的29.4%，低于全球的85.5%，说明中国贫困率在极低基数上继续下降，而全球下降幅度放缓，这种反差可能反映中国已进入深度工业化阶段、减贫边际效应递减，而全球低收入地区仍面临发展瓶颈，也可能受调查年份、样本调整或统计口径变化的影响，需要结合相关变量验证。

2025 年全部国家排名

排名已尽量排除 World、地区组和收入组，仅保留国家参与比较。排名高低应结合指标口径解释。

排名	国家	代码	数值
1	Indonesia 印度尼西亚	IDN	16.4
2	Ecuador 厄瓜多尔	ECU	8.40
3	Uzbekistan 乌兹别克斯坦	UZB	4.00
4	Costa Rica 哥斯达黎加	CRI	1.70

使用建议、常见误用与研究场景

数值较高通常意味着什么

数值越高表示每日生活支出低于4.2美元（2021年PPP）的人口比例越大，说明极端贫困覆盖范围越广。

数值较低通常意味着什么

数值越低表示低于该贫困线的人口比例越小，说明绝对贫困人口规模相对有限。

鍙ｅ緞闄愬埗

该指标仅反映是否低于贫困线，不区分贫困深度和距贫困线的距离。
不反映收入差距、非货币性贫困或生活质量问题。
基于调查数据，各国调查年份和问卷设计不同，跨国比较需谨慎。
低收入国家样本可能不足，波动可能较大。
贫困线以上人口的分布变化不反映在此指标中。

使用建议

使用时结合经济增长率、收入分配指标综合分析贫困变化驱动因素。
关注趋势变化时注意多年数据，避免用单一年份做结论。
跨国比较时了解各国的调查方法、调查年份和数据质量差异。
政策分析时结合健康、教育、住房等非收入维度指标。
将变化归因于具体政策或事件时需结合定性证据。

常见错误用法

错误做法：直接用1981年世界排名推断当前中国的贫困治理水平

正确做法：使用最新可用年份数据，并关注数据年份和覆盖范围

1981年中国贫困率高达99.7%，但最新数据已降至约0.5%，直接套用历史排名会严重误判现状

错误做法：将中国贫困率和世界贫困率的变化幅度简单归因于某一政策或事件

正确做法：将贫困率变化置于经济增长、收入分配和统计口径变化的综合框架下解读

贫困率变化受宏观经济、人口结构、政策干预和调查方法等多重因素影响，单一归因易产生偏差

错误做法：不加区分地将$4.20贫困线指标与其他贫困线指标直接对比

正确做法：明确区分不同贫困线对应的分析目的，例如$3.00适合分析极端贫困深度

$4.20贫困线高于$1.90标准，覆盖人群更广，趋势含义可能不同，跨口径比较需注意基准差异

错误做法：用2020年代数据断言中国贫困治理倒退

正确做法：结合样本量、调查年份和统计口径变化综合评估近年波动

2020年代中国数据仅含三年，近年变化可能受样本调整或调查时间差异影响，不宜直接解读为趋势性逆转

错误做法：认为贫困率接近零就等于消除了所有贫困问题

正确做法：结合多维贫困指数、贫困差距和收入分配指标综合评估贫困状况

$4.20贫困线仅反映收入维度，存在大量收入略高于该线但在其他维度仍处于匮乏状态的人口，需要多维指标补充

实际应用场景

经济增长与贫困率变化的弹性分析：研究GDP增速与贫困率下降幅度的关系，分析不同发展阶段下的贫困弹性系数被解释变量采用面板回归或时间序列模型，控制人均收入增长率、教育投资和卫生支出等变量，分析贫困下降的收入弹性在不同阶段是否存在结构性变化，必要时对异方差和内生性进行检验
精准扶贫政策的减贫效果评估：评估特定扶贫政策对农村贫困率的影响，控制经济增长和转移支付等宏观因素被解释变量使用双重差分或合成控制法，结合地区层面的贫困率数据，控制时间和地区固定效应，注意政策实施前的平行趋势假设检验
收入分配对贫困率的独立影响：研究收入不平等（基尼系数）与贫困率的关系，检验库兹涅茨假说在发展中国家是否成立被解释变量引入基尼系数作为核心解释变量，控制人均GDP、城市化率和对外开放度，分析收入分配恶化是否部分抵消经济增长的减贫效果，注意变量间可能存在的联立因果问题
贫困率下降的结构性分解：将中国与印度等人口大国的贫困率变化进行分解，比较绝对规模效应和比率下降效应的相对贡献被解释变量使用Shapley分解方法，将贫困人口变化归因于经济增长效应和分配效应，验证经济增长是否在不同收入群体间具有一致的减贫效果
不同贫困线指标的稳健性检验：验证$4.20贫困线下的结论在$3.00和$8.30贫困线下是否成立稳健性检验使用不同贫困线的指标进行相同模型回归，比较系数方向和显著性，若结论在不同贫困线下保持一致则增强可信度
多维贫困与收入贫困的交叉分析：研究收入贫困率与多维贫困指数的关系，检验是否存在收入已脱离贫困线但其他维度仍处于匮乏状态的人口对比分析将收入贫困率与多维贫困指数进行散点图和分组对比，检验两者的收敛性和背离情况，识别潜在的政策盲区