| 方法 | 主要原理 | 优点 | 缺点 | 文献编号 | | 单维 | | | | | | 贫困率 | 测算一段时间内贫困率变化,
式中：H为贫困率;q为贫困人口数;n为总人口数 | 反映贫困广度 | 不能反映贫困深度、差异度变化 | [20, 47] | | 转移矩阵法 | 测度不同年份农户在贫困和非贫困之间的转换概率 | 直观测算贫困与非贫困的转换规模 | 无法了解贫困程度变化 | [34-35] | | 贫困指数法 | Sen指数 | 通过测算一段时间内贫困指数的变化显示贫困动态 | ( )式中：y为贫困人口收入;z为贫困线 | 满足单调公理和加性分解公理 | 缺乏连续性和复制不变性,强转移性公理不足 | [28-29, 47] | | SST指数 | $SST=\frac{1}{n^{2}} \sum_{i=1}^{q}\left[\frac{z-y_{i}}{z}\right] \times(2 n-2 i+1)$ | 调整Sen指数权重函数 | 不符合加性分解公理,不满足转移—敏感性公理 | | FGT指数 | $FGT=\frac{1}{n} \sum_{i=1}^{q}\left[\frac{z-y_{i}}{z}\right]^{\alpha}$
α ≥ 0,α为分布敏感参数 | 克服Sen指数和SST指数所缺乏的加性分解公理 | 难以确定α最优值 | | Spells法 | 考察特定时段个体贫困持续时间,以及依据多个时段内处于贫困状态时间是否长于某界线来区分慢性和暂时性贫困 | 简单直观、易操作 | 侧重贫困进入和退出转变,未考虑贫困深度 | [36-37] | | 组分法 | 基于“永久性收入假说”前提,将收入/消费分为永久性和暂时性部分,若前者低于贫困线则被认为是慢性贫困,其余为暂时性贫困,总贫困是二者总和
| 采用回归模型避免慢性和暂时性贫困的区分在时间长度上不统一 | 对长期贫困识别受贫困深度影响;贫困时间长度不敏感;对数据质量要求高 | [21-22, 48] | 生活
史法 | 通过参与式调查,访谈个人生活史,绘制生活史图表,以预先设定的等级标准衡量生活轨迹中的幸福水平 | 能获取个人生命历程中详细的生活福祉及幸福感变化的信息 | 难获取长时间序列面板数据,受主观性因素影响大 | [38-39] | | 多维 | | | | | | A-F双界线法 | 设置指标和缺失得分两个临界值,计算多维贫困指数(MPI)动态,并对广度、深度、维度和子群进行分解 | 运用广,克服多维贫困识别中“并集法”和“交集法”弊端 | 指标选取、临界值和权重设置具有主观性 | [30-31, 49] | | 指标综合法 | 通过加权求和、主成分分析、人工神经网络或多面体法等方法汇总得出综合贫困指数,分析动态趋势或结合ESTDA法探索时空交互 | 灵活性较强,可与多元数据、多种方法相结合 | 受指标选择和赋权影响大;不好衡量各指标或维度贡献 | [41, 50-51] | | 地理信息技术辅助法 | 借助3S技术提取多源遥感数据,社交媒体大数据,融合传统普查或调研数据,运用机器算法(随机森林、卷积神经网络等)测算、描述和预测多维贫困及其时空动态,实现可视化 | 时效性好、精度高、信息量大,有效弥补传统方法的滞后性和不充分性 | 对不同年份、不同来源的数据整合、精度校准技术要求高
| [44-45, 52] |
|