关注全球贫困和饥饿人口——2020焦点简报2007年10月绘制穷人生活的地图Todd Benson, Michael Epprecht, and Nicholas Minot帮助穷人和饥饿的人们的行动需要着重考虑的是他们居住在什么地方，以及当地居民的一些特征。
在过去10年中，世界银行、IFPRI以及其他一些组织的贫困研究者已经和当地的分析人员一起完成了30多个国家的详细贫困地图绘制工作。
这些地图可用于估计一些相对较小地区的贫困发生率和严重程度。
例如在行政区以下甚至是社区层次上，使得使用者能够更好的理解穷人的空间分布，以及去调查贫困和其他地理因素之间的关系。
一些关于穷人和饥饿者居住地的知识以及这些居民是否与当地其他居民发生联系，对于洞察穷人和饥饿者的行动是很关键的。
总之，在越南、马拉维和莫桑比克所制定的贫困图被用于证明，穷人和饥饿者对于自身在空间分布上的更好理解能够深化他们对自己生活的危机意识，从而能够更全面的评估他们所遇到的机遇，寻求更健康、积极的生活，使其更充分的认识到自身所具有的潜力。
政策制定者和研究者对贫困的空间分布感兴趣主要有以下几个原因。
第一，贫困地图把贫困空间分布的大量信息综合成一个模式，对于不具有这方面技术的读者而言也是比较简单易懂的。
全国性和区域性的贫困测量会隐藏一个国家个地区内福利水平的明显不同。
详细的贫困地图提供了一个国家内贫困水平巨大差异的清晰画面。
一段时间以来，由于许多国家发展了一系列小地区的贫困地图，用于不同年份之间的比较。
一种地方等级贫困检测的趋势有利于我们更好的理解减贫策略在什么地方是成功的，在什么地方是失败的。
不断修正而提高，所以这种策略能够得到更为有效的实施。
第二，这些模式的知识更有利于瞄准项目设计的目标，至少是部分的减少贫困。
很多国家利用地理瞄准模式，利用政府计划为穷人提供了一些服务，如贷款、食品资助、收入分配、医疗保健和教育。
瞄准更多穷人居住地区的项目的效率和成本收益得到了提升。
第三，地图所显示的国家贫困分布模式提供了一个调查与贫困相关联的地理因素的起点。
例如接触到市场或其他公共服务，气候或地形地貌等因素的影响。
当检查一份详细的贫困地图时，大多数读者会立即问为什么有的地区贫困率特别高而其他地区则相反。
一系列的分析技术和贫困地图一起被用于调查贫困的空间决定因素。
对与贫困相联系的地理因素的更好理解有利于推动发展减贫策略集中修正这些因素，从而使得那些贫困地区的居民能够提高他们的生活水平。
贫困地图如何产生到目前为止，贫困发生率地图的资料主要来源于住户调查资料。
但是由这种方法所产生的贫困率只是对几个有限的省或者国家的估计。
大约10年前，研究者开发了一种能够产生更详细贫困地图的方法，通过结合人口普查和住户调查资料（见表一），这种新的方法产生于对一个国家内存在几百个甚至上千个不平等的行政单元，允许产生一个解决贫困和不平等问题的地图的假设。
必须指出的是，贫困地图分析一般不包括所收集的新资料。
但是它利用了已有的调查和人口统计资料，在很多国家，这些资料经常是没有被开发利用的信息资源。
作为这种分析结果的一个例子，图1显示的贫困发生率地图是来自马拉维制定的贫困地图。
该图是基于对1997-98年住户整体调查和以1998年的人口与居住调查而制定的。
这个国家原来的住户整体调查贫困分析只允许计算28个地区和4个中心城市的贫困测量。
相比而言，这份地图提供了大约360个次级行政区的贫困资料，各个地区的各种贫困线被呈现出来。
表1：建构贫困地图的方法一般而言，测量贫困都是由于监管和政策的目的，通过比较为了摆脱贫困线而花费的每个资本量所获得的价值（包括用于消费的现金数、自身消费粮食的价值量，以及自己所拥有房屋的价值）。
不同人口的贫困测量要基于相对于贫困线的消费分布情况来计算。
最常见的是贫困发生率，也较贫困人口的人数统计比率。
传统上决定消费分配的信息是来自家庭的收入和支出调查。
这些全国性的调查通常有2000-6000户的样本大小，以此来代表这个国家内5-15个地区的贫困状况。
在大多数国家都有规律性的收集单纯住户的信息，这些包括人口和住房的信息资料有助于推测各地区的状况，同时也被用于进行日常管理。
但是调查问卷对于住户的各种特征而言具有很大的局限性，缺乏一些收入和支出的信息，而这些信息是直接测量贫困所必须的。
新的方法主要包括两部。
首先，住户调查资料被准确地用于推测每个资本量的消费与像年龄和性别组成、职业、教育背景、住房特征和财产所有权等住户特征之间的关系。
其次，这些有关相同住户的调查资料在调查中被插入“regression equation”,用来估计每个住户的平均资本开销。
这种对每个住户的估计是不准确的，但在汇总几千个住户的资料后，他们便得到了相对精确的预测多种关于贫困和不平等的标准。
这些估算在地理信息系统软件的作用下被制作成地图。
这种方法的一个重要特征是因贫困和不平等的标准误差而导致的测量同样被计算在内，促使应用者产生了一些如何精确估算的想法。
世界银行开发了一种软件系统叫做pov MAP可以自动地进行这些分析，可以减少开展这种学习所需的时间和技能。
PovMAP要求使用者认识到运用住户特征来预测其开支，明确指出那些关键变量和文字的名字，在大量的分析点中进行选择，其结果包括为每个地区预测贫困和不平等，以及各自所包含的标准误差。
另外一个例子可见图2，图2显示了越南的贫困地图。
这个分析是基于1997-98年越南的生活水平调查，和1999年越南的人口和居住状况调查，地图显示了在越南东北和西北的边远地区、北部沿海中心的高原地区，以及北部中心高原区的贫困发生率特别高；在红河以及湄公河三角洲的贫困发生率居中，贫困率最低的是像河内、胡志明市这样的特大城市，还有其它城市地区以及东南地区。
但是一种关于贫困密度的分析表明，如在图2中所看到的那样，大多数农村人口生活在低地以及三角洲。
在三角洲，贫困的发生率相对较低，但是由于人口密度高而导致穷人的绝对数量较多。
应用贫困地图进行政策和规划设计在这部分呈现了几个来自越南、马拉维和莫桑比克的例子，说明贫困地图怎样提供了新的视角用于洞察减贫战略。
这些地图提供了在一个国家中更好的理解一些相对重要的空间因素如何作用于贫困的分布，以及如何修正这些因素来减少贫困。
在越南很多反贫项目都是瞄准地域的。
但是通过显示流行贫困较高的地区与贫困密度较高的地区之间的差异，图2中的两幅地图明确了这些瞄准计划中考虑到的一个关键成分。
仅集中于高贫困发生率地区的计划没有达到穷人中的大多数，因为在大多数高贫困发生率的地区仍然有很多居民不是穷人。
越南的这些发现并不是独特的，在大多数贝贝分析过的案例中贫困发生率最高的地区拥有较低的人口密度，这表明，在很多国家大多数穷人不是生活在最穷的地区。
莫桑比克的贫困分析地图说明了地域瞄准减贫计划在哪个国家的局限性。
研究者Simler 和Nhate指出，尽管更多的建议采用瞄准地域的方法，而且它的管理成本要小于瞄准住户和个人层面的方法，从而使得计划更适合于特定地区的情况，但这种方法却因其自身的缺陷型而不能在莫桑比克的减贫计划中发挥作用。
这个国家的贫困地区包含太多的非穷人，在莫桑比克贫困地图中，一个关于消费的不平等水平分析显示这个国家的不平等总量的85%发生在行政区内，在平均每资本量的消费方面，行政区之间的差异之占总差异的六分之一。
因为这个国家的地方行政区在住户的福利问题上的不一致，穷人和富人住的非常近，不同的是，认识到瞄准减贫计划仅仅通过强调行政区域而获得很大的效益。
这就发现了在发展中国家的行政区域内存在着很多收入的补品等，就像村庄和城镇通常是贫困地图研究的两边。
这表明在很多国家的发展规划平等地对待一个区域内的所有个人和住户，由于提供一些好处给夫人或没能提供好处给生活在非贫困地区的穷人，按照他们的福利水平来看，这导致了很大的瞄准误差。
贫困地图在很多国家也被用来调查与贫困相联系的地理因素。
空间回归模型被用来估算3000人的贫困发生率，空间把人口限定为具有两打独立变量的功能体。
结果表明贫困率和人们的一些依赖性因素成正相关，和住户的平均最大教育获得量、庄稼的多样性、就业状况等有负相关性。
类似的，地区水平的贫困地图在越南被用来发展如地形、土地类型、土地覆盖、气候和进入城市地区这些因素来解释农村贫困。
一般山地比高地的土壤差，与贫困有着更多的正向联系。
远离1万人口的小镇的地方会比远离10万人口的中型城镇以及100万人口的大城市有更多的贫困现象。
这说明像地方市场、便利的医疗保健、学校等地方因素在减贫中的重要作用。
另外，越南用群体贫困率说明像语言障碍和其它社会文化差异的重要性。
结果表明住户的民族特征比边远的地理位置更可能导致贫困。
比如语言障碍会导致少数民族家庭看不懂文件，即使离银行的支行和药店很近也无法得到贷款、而不能从药店买到合适的药品。
广阔的空间贫困模式主要是由于广泛分布的少数民族人口，按照身体能力和其他空间因素来讲不适合空间模式。
这些结果表明在致力于平衡少数人口福利水平的发展政策的强调增加瞄准一个地区内的特定人口组成部分。
最后，贫困地图在强调地方政府优先分配资源方面具有重要价值。
贫困地图为政府和其发展伙伴提供了哪些关于应优先得到资源地区的必要信息。
莫桑比克应用这种方法来计算现在和假定消除贫困后的贫困差距总量。
瞄准穷人的总计增加收入两是必须的信息，以至于现在那些贫困县以下的每人达到贫困线的距离能够被计算。
这种增加来自经济增长、一个转变计划或其它手段。
1996-97年莫桑比克的总计贫困差距是每天23，000，000美元。
在图四中的地图显示，全国424个行政区域分担了这个总贫困距离。
贫困地图的未来发展方向贫困地图方法包括几种方式。
首先，在柬埔寨和坦桑尼亚的研究被用于估算小孩成长的阻碍因素，或小孩的浪费（而不是每资本量的支出），导致儿童营养不良发生率的方法图。
初步结果表明，这些地图没有贫困地图精确，难以用家庭特征预测营养不良，但其优点值得关注。
第二，越南、马拉维以及其他地方应用“geographically weighted regression”估算小地方的贫困，以此来检测一个国家内的贫困标准与统计人口、社会、经济以及其他地方农艺生态特征之间是否有差异。
初步结果显示这种关系在各地有很大的不同，这个发现意味着瞄准贫困的计划得适合当地情况，而不是一个全国通用的模式。
第三，坦桑尼亚的研究用不同的贫困地图方法，在1999-2003年开展的家庭特征比较调查，用于检测不同时间的贫困趋势。
尽管这种方法通过比较住户的财政调查避免了一些标准误差的问题，认为随时间的改变其关系没有发生变化，但这种假设还须检验。
结论贫困地图分析的一个重要目标是基于可靠的资料和客观透明的分析，促进人们更好的了解合争论一个国家的贫困和不平等以及需要为此做些什么。
