© Beata Kraszewska. Artykuł udostępniony na licencji CC BY-SA 4.0
Ubóstwo jest problemem nie tylko dotkniętej nim jednostki, lecz także społeczeństwa. Utrudnia ono lub nawet uniemożliwia wzrost gospodarczy i rozwój społeczny kraju. Dlatego bardzo duże znaczenie mają działania, które mogą spowodować redukcję zasięgu ubóstwa, jak również udzielanie bieżącej pomocy jednostkom (gospodarstwom domowym) żyjącym w sferze ubóstwa. Głównym celem badania omawianego w artykule jest dokonanie wielowymiarowej analizy zagrożenia ubóstwem w ramach podejścia możliwości (ang. capability approach) opracowanego przez Amartayę Sena. Dodatkowym celem jest określenie determinant ubóstwa, które wzmacniają lub osłabiają zagrożenie ubóstwem, oraz zestawienie wyników oceny stopnia zagrożenia ubóstwem uzyskanych w ujęciu wielowymiarowym i jednowymiarowym. Badanie przeprowadzono dla Polski (m.in. w układzie regionalnym), na podstawie danych z Europejskiego Badania Warunków Życia Ludności (EU-SILC) zrealizowanego przez GUS w 2018 r. Operacjonalizacji pomiaru dokonano przy użyciu szczególnego wariantu modelu równań strukturalnych (Structural Equations Modeling – SEM) – modelu wielu wskaźników i wielu przyczyn (Multiple Indicators and Multiple Causes – MIMIC). Wykorzystano w nim symptomy deprywacji odzwierciedlające stopień, w jakim badane jednostki nie były w stanie zaspokoić swoich potrzeb, i uwzględniono czynniki zwiększające lub zmniejszające ryzyko ubóstwa.
Wyniki przeprowadzonych szacunków uwidoczniły, że na zmniejszenie stopnia zagrożenia ubóstwem najsilniej wpływa poziom wykształcenia, natomiast za jego zwiększenie odpowiada przede wszystkim niski status aktywności na rynku pracy – bycie rencistą lub osobą bezrobotną. Najbardziej zagrożone ubóstwem w ujęciu wielowymiarowym są: makroregion wschodni, obszary wiejskie, gospodarstwa domowe rencistów i gospodarstwa nierodzinne wieloosobowe. Wyniki wielowymiarowej oceny stopnia zagrożenia ubóstwem porównano z pomiarem ubóstwa w ujęciu jednowymiarowym. Wskazano na różnice pomiędzy rankingami zagrożenia ubóstwem według makroregionów, wielkości miejscowości zamieszkania, źródła utrzymania gospodarstw domowych oraz ich typów w ujęciu wielowymiarowym i jednowymiarowym. Porównanie to pokazuje, że ujęcie jednowymiarowe jest niewystarczające do identyfikacji osób ubogich.
zagrożenie ubóstwem, podejście możliwości, model MIMIC
I32, C3
Bollen, K. A. (1989). Structural Equations with Latent Variables. John Wiley & Sons. https://doi.org/10.1002/9781118619179.
European Commission. (2010). Europe 2020. A strategy for smart, sustainable and inclusive growth. Communication from the Commission, COM(2010) 2020.
European Commission. (2011, 27 stycznia). The measurement of extreme poverty in the European Union. https://ec.europa.eu/social/main.jsp?catId=89&langId=en&newsId=982&furtherNews=yes.
European Commission. (2019). Towards a Sustainable Europe by 2030. Reflection Paper, COM(2019) 22.
Eurostat. (b.r.). EU statistics on income and living conditions (EU-SILC) methodology – introduction. Pobrane 18 stycznia 2022 r. z https://ec.europa.eu/eurostat/statistics-explained/index.php/EU_statistics_on_income_and_living_conditions_(EU-SILC)_methodology_-_introduction#Scope_and_audience.
Główny Urząd Statystyczny. (2015). Praca badawcza pt. „Pomiar ubóstwa na poziomie powiatów (LAU 1) – etap II”. https://stat.gov.pl/statystyki-eksperymentalne/jakosc-zycia/pomiar-ubostwa-na-poziomie-powiatow-lau-1-popt-2007-2013,4,1.html.
Główny Urząd Statystyczny. (2019). Dochody i warunki życia ludności Polski – raport z badania EU-SILC 2018. https://stat.gov.pl/obszary-tematyczne/warunki-zycia/dochody-wydatki-i-warunki-zycia-ludnosci/dochody-i-warunki-zycia-ludnosci-polski-raport-z-badania-eu-silc-2018,6,12.html.
Główny Urząd Statystyczny, Urząd Statystyczny w Łodzi. (2013). Jakość życia, kapitał społeczny, ubóstwo i wykluczenie społeczne w Polsce. https://stat.gov.pl/obszary-tematyczne/warunki-zycia/dochody-wydatki-i-warunki-zycia-ludnosci/jakosc-zycia-kapital-spoleczny-ubostwo-i-wykluczenie-spoleczne-w-polsce,1,1.html.
Hair jr., J. F., Black, W. C., Babin, B. J., Anderson, R. E. (2014). Multivariate Data Analysis (7th edition). Pearson Education Limited. https://files.pearsoned.de/inf/ext/9781292035116.
Hauser, R. M., Goldberger, A. S. (1971). The Treatment of Unobservable Variables in Path Analysis. Sociological Methodology, 3, 81–117. https://doi.org/10.2307/270819.
Jalan, J., Ravallion, M. (1998). Determinants of Transient and Chronic Poverty. Evidence from Rural China (Policy Research Working Paper No. 1936). https://doi.org/10.1596/1813-9450-1936.
Jöreskog, K. G., Goldberger, A. S. (1975). Estimation of Model with Multiple Indicators and Multiple Causes of a Single Latent Variable. Journal of the American Statistical Association, 70(351), 631–639. https://doi.org/10.2307/2285946.
Konarski, R. (2014). Modele równań strukturalnych. Teoria i praktyka. Wydawnictwo Naukowe PWN.
Krishnakumar, J. (2008). Multidimensional Measures of Poverty and Well-Being Based on Latent Variable Models. W: N. Kakwani, J. Silber (red.), Quantitative Approaches to Multidimensional Poverty Measures (s. 118–134). Palgrave Macmillan. https://doi.org/10.1057/9780230582354_7.
Krishnakumar, J., Ballon, P. (2008). Estimating Basic Capabilities: A Structural Equation Model Applied to Bolivia. World Development, 36(6), 992–1009. https://doi.org/10.1016/j.worlddev.2007.10.006.
Kurowska, A. (2008). Skąd się bierze bieda?. Forum Obywatelskiego Rozwoju. https://for.org.pl/upload/File/zeszyty/Zeszyty_Skad_sie_bierze_bieda_Kurowska.pdf.
McDonald, R. P., Ho, M.-H. R. (2002). Principles and Practice in Reporting Structural Equation Analyses. Psychological Methods, 7(1), 64–82. https://doi.org/10.1037/1082-989X.7.1.64.
Muthen, B. O., Siek-Toon, K., Goff, G. N. (1994). Multidimensional Description of Subgroup Differences in Mathematics Achievement Data from the 1992 National Assessment of Educational Progress. National Center for Research on Evaluation, Standards, and Student Testing.
Nawawi, S. A., Busu, I., Fauzi, N., Amin, M. F. M. (2019). Determinants of Poverty: A Spatial Analysis. Journal of Tropical Resources and Sustainable Science, 7(2), 83–87. https://doi.org/10.47253/jtrss.v7i2.514.
Organizacja Narodów Zjednoczonych. (2015). Rezolucja przyjęta przez Zgromadzenie Ogólne w dniu 25 września 2015 r. Przekształcamy nasz świat: Agenda na rzecz zrównoważonego rozwoju 2030. http://unic.un.org.pl/files/164/Agenda%202030_pl_2016_ostateczna.pdf.
Panek, T., Zwierzchowski, J. (2021). Economic Growth, Poverty, Inequality and Social Transfers in the European Union. SGH Publishing House. https://agathos.sgh.waw.pl/spisy/pelny_tekst/d108028.pdf.
Panek, T., Zwierzchowski, J. (2022). Examining the Degree of Social Exclusion Risk of the Population Aged 50 + in the EU Countries Under the Capability Approach. Social Indicators Research, 163(3), 973–1002. https://doi.org/10.1007/s11205-022-02930-9.
Radziukiewicz, M. (2006). Propozycja budowy miernika biedy skumulowanej w Polsce. Polityka Społeczna, (11–12), 3–8. https://www.ipiss.com.pl/wp-content/uploads/downloads/2012/10/ps_11-12_2006_m_radziukiewicz.pdf.
Sekhampu, T. J. (2013). Determinants of Poverty in a South African Township. Journal of Social Sciences, 34(2), 145–153. https://doi.org/10.1080/09718923.2013.11893126.
Sen, A. (1979). Equality of what?. https://www.ophi.org.uk/wp-content/uploads/Sen-1979_Equality-of-What.pdf.
Sen, A. (1985). Commodities and capabilities. North-Holland.
Sen, A. (1992). Inequality Reexamined. Clarendon Press.
