多维贫困人口比例（联合国开发计划署）（占总人口的百分比）

指标解释

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

The multidimensional poverty headcount ratio (UNDP) is the percentage of a population living in poverty according to UNDPs multidimensional poverty index. The index includes three dimensions -- health, education, and living standards.

可供参考的中文翻译：多维贫困人口比例（联合国开发计划署）是根据联合国开发计划署多维贫困指数衡量，处于贫困状态的人口占总数的百分比。该指数包含三个维度——健康、教育和生活水平。

数据口径与风险提示

该指标基于联合国开发计划署（UNDP）多维贫困指数（MPI），其维度权重和临界值设定可能与各国官方标准存在差异
数据覆盖范围受限于调查数据的可得性，部分国家尤其是高收入国家的调查年份可能较为久远
多维贫困指数对健康、教育和生活水平三个维度的赋权方式（如各占1/3）不一定适用于所有文化背景
指标衡量的是特定调查时点的状态，调查年份因国家而异，跨年度比较需谨慎
健康维度涵盖营养和儿童死亡率等指标，其数据来源与口径可能与公共卫生统计存在差异
生活水平维度包含炊事燃料、厕所、用水、用电和住房条件等多项指标，各指标权重相同可能掩盖结构性短板
该指标为比例指标，反映贫困人口占总人口的份额，不反映贫困群体的绝对规模
与世界银行多维贫困指标的维度定义、权重设置和数据来源存在一定差异，跨指标比较需注意口径一致性

中国趋势

趋势解读

基于现有数据，中国在2014年的多维贫困人口比例为3.9%。由于数据库中仅收录该年份一个数据点，无法构建完整的时间序列进行趋势分析。从单一年份的数值来看，该比例处于较低水平，表明当时中国在多维贫困维度上已取得一定进展。但需注意，该比例仅为特定调查时点的快照，且健康、教育和生活水平三个维度的具体构成及权重可能与国内通行的贫困认定标准存在口径差异。

2014年数据点显示中国多维贫困人口比例为3.9%
数据库仅收录该单一数据点，时间跨度有限
无历史对比数据，变化趋势无法确定
数据点稀缺，无法判断长期变化方向
调查年份与当前时间存在差距，现状可能已有变化
该指标维度定义可能与国内贫困标准不完全一致

全球趋势

趋势解读

根据现有数据，世界整体的多维贫困人口比例缺乏可用的时间序列记录，数据库中未收录全球层面的数据点。因此无法对全球趋势进行分析，也难以与中国数据进行直接对比。全球多维贫困状况的评估通常需要参考联合国开发计划署发布的全球多维贫困报告，其数据来源和计算方法可能与本数据库存在时间滞后和口径差异。

世界银行数据库未收录全球多维贫困比例的时间序列数据
无法获取可对比的世界整体或主要区域数据点
缺少全球基准数据，横向比较受限
全球多维贫困统计需参考UNDP官方报告
不同数据源的口径差异可能影响可比性

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	-	-	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。
1990-1999	-	-	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。
2000-2009	-	-	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。
2010-2019	-	-	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。
2020-2029	-	-	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。

2023 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	Senegal 塞内加尔	SEN	45.1
2	Vanuatu 瓦努阿图	VUT	27.8
3	Lesotho 莱索托	LSO	25.0
4	Lao PDR 老挝	LAO	17.8
5	Nauru 瑙鲁	NRU	6.80
6	Bolivia 玻利维亚	BOL	5.80
7	Peru 秘鲁	PER	5.60
8	Mexico 墨西哥	MEX	5.30
9	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	1.00
10	Tunisia 突尼斯	TUN	1.00
11	Jordan 约旦	JOR	0.80
12	Azerbaijan 阿塞拜疆	AZE	0.20

使用建议、常见误用与研究场景

数值较高通常意味着什么

较高的多维贫困人口比例意味着有更大比例的人口同时在健康、教育和生活水平三个维度上存在 deprivation（匮乏）状态，反映出更广泛的多维贫困问题。

数值较低通常意味着什么

较低的比例表示大部分人口在健康、教育和生活水平三个基本维度上已脱离匮乏状态，生活条件相对完善，社会保障覆盖较广。

鍙ｅ緞闄愬埗

调查年份因国而异，同一年份并非所有国家都有数据，时序比较需核实具体年份
三个维度的权重平均分配（各占1/3），可能掩盖某一维度的突出短板或优势
指标不区分贫困深度，仅反映是否处于多维贫困状态
对生活水平维度的衡量（如是否有电、是否使用清洁燃料）随时间标准可能提升，历史上改善可能被低估
不同国家的调查设计、样本质量和数据质量存在差异，跨国可比性受限
数据更新频率不固定，部分国家数据可能滞后数年

使用建议

使用时明确标注调查年份，关注数据时效性
结合具体维度指标（如健康、教育、生活水平分项）分析结构性特征
与收入贫困线指标（如每天3美元贫困率）交叉验证
对比同一国家不同时期数据时，注意调查方法是否发生变化
结合联合国千年发展目标和可持续发展目标中相关指标的官方报告
参考 UNDP 人类发展报告中关于多维贫困的补充说明和国别分析
使用时区分该指标与世界银行版多维贫困指标的差异，避免混用
在进行政策评估时，结合社会救助体系、公共服务供给等定性信息综合判断

常见错误用法

错误做法：直接将该比例等同于中国官方的农村贫困发生率进行比较

正确做法：明确区分UNDP多维贫困指数与国内以收入或消费为标准的官方贫困线，两者在维度定义、权重和临界值上存在本质差异

多维贫困指数涵盖健康、教育和生活水平三个非收入维度，其贫困认定范围和口径可能与以收入低于特定标准界定的官方贫困线不同，直接比较可能产生误导

错误做法：仅凭单一数据点断言中国多维贫困状况的趋势变化

正确做法：获取多年连续数据并结合调查方法说明进行趋势判断，警惕调查年份和口径变化的影响

单一数据点无法反映变化轨迹，且不同调查时点的样本设计、数据质量可能存在差异

错误做法：将低多维贫困比例解读为该国已完全消除贫困或不存在需要关注的社会问题

正确做法：认识到多维贫困比例只是对特定维度的测量，高比例人口仍可能面临相对贫困、主观福利低下或社会排斥等问题

多维贫困指标仅涵盖三个基本维度，未涉及心理福利、社会参与、赋权等更广泛的发展维度

错误做法：不加区分地混用UNDP版和世界银行版多维贫困指标进行跨国排名比较

正确做法：使用时明确标注指标来源，理解两者在维度定义、指标选择和权重设置上的差异

UNDP版与世界银行版多维贫困指标在具体指标构成（如生活水平的具体项目）和权重分配上存在差异，混用可能影响比较的合理性

错误做法：将多维贫困比例的跨国差异简单归因于该国的政策优劣或发展模式

正确做法：综合考虑调查数据质量、国家规模、城乡结构、统计口径等因素，审慎解读跨国差异

多维贫困比例受数据可得性、调查方法、指标定义等多重因素影响，跨国差异的形成机制复杂，不宜简单化为政策效果或发展模式优劣

实际应用场景

中国多维贫困的结构特征与影响因素分析：利用多维贫困指数的三个维度数据，结合教育普及率、医疗卫生条件、住房和基础设施指标，识别中国多维贫困人口的主要deprivation维度被解释变量可采用Logistic回归或多元分解方法，考察各维度对总体多维贫困的贡献度，区分健康驱动型、教育驱动型和基础设施驱动型的多维贫困群体
多维贫困与收入贫困的交叉验证研究：将UNDP多维贫困比例与世界银行每日3美元、4.2美元等收入贫困线指标进行对比分析，检验两者识别出的贫困群体是否存在重叠或差异对比变量通过交叉矩阵、Venn图和一致性指数等方法量化两类指标的趋同与分歧，结合政策含义讨论两种贫困定义的互补性
贫困陷阱与脆弱性风险评估：利用多维贫困数据结合脆弱性指标（如SI.SPR.PC40底层40%人口收入增长、SI.SPR.PGAP繁荣差距），评估曾经历或当前处于多维贫困状态的群体的返贫风险机制变量可构建面板数据模型或生存分析框架，考察多维贫困持续时间、维度转移概率及其与收入波动、社会保障覆盖的关联
多维贫困削减效果的跨国比较：选取与中国发展阶段相近的国家作为对照组，比较各国多维贫困比例的变化轨迹，分析教育扩张、医疗卫生改善和基础设施投资对多维贫困削减的边际贡献被解释变量采用合成控制法或双重差分法，控制初始发展水平和结构特征后评估政策干预的净效应，注意调查年份对齐和口径一致性检验