发帖
雷达卡
多维贫困指数有两个老问题：各维度权重凭什么这么定，换一年、换一个地方还能不能比。这份复现包给的是同一个答案的两半——权重交给线性规划去解，可比性靠固定参照和几道约束锁住。
方法名 DEA-MP/H，配套的是葡文新方法稿件的第 11 版（2026 年 10 月 24 日）。复现包同一天发布在 Zenodo，记录号 23624408，版本 1.1.0，代码 MIT 许可。作者 Moisés Luna Brand
o、Enzo Barberio Mariano、Daisy Aparecida do Nascimento Rebelatto，分别来自圣保罗大学圣卡洛斯工程学院与 UNESP。
72 个文件，九段脚本，一个入口
压缩包 121,764 字节，解包 72 个文件。R 目录 11 个脚本：run_all.R 是入口，01 下载、02 建 2010 年住户库、03 建 2022 年住户库、04 四户数值例、05 八市、06 全国 27 个州、07 计算检查、08 稳健性、09 清单，另加 config.R 与 functions.R。
output 目录里已经把结果算好放着了：全国与分州分区域汇总、八市的表 1 与表
2、四户算例、六类检查（求解器互校、单调性、不干扰、子群一致性、分类单调性、剔除记录）、以及稳健性的一组网格。docs/variables.md 用两张表把 2010 与 2022 的变量对齐，tests/check_results.R 是全流程跑完后的自动判定。
真正的普查微数据不在包里。01 阶段从 IBGE 的公共目录下载，2010 年是按州分的 28 个 zip 加一份文档包，2022 年是一个约 1 GB 的 Todas_as_UFs.zip。
方法本身：资源对需求的距离
每户用两组变量描述。资源六项：收入、识字人口、完成中学及以上的成年人、正规就业人数、卧室数、独用卫生间数（上限
9）。需求两项：常住人口、15 至 64 岁人口。
模型是投入导向、规模报酬不变的 DEA，问的是"这户的资源比同组参照户在最不利前沿上的资源低多少"。分数 θ 就是贫困程度：θ 等于 1 表示正好在前沿上，θ 小于 1 表示资源比前沿要求的还宽裕。不属参照的户可以比前沿更穷，θ 大于 1，指数在 1 处截断。
收入的处理要注意两点：2010 年收入用 IPCA 折算到 2022 年 7 月的雷亚尔，系数 6411.95 除以 3111.05 等于 2.0610；估计前收入为零或负的记 1 雷亚尔并换算成千雷亚尔，其他零资源与零需求记 0.001，因为 CCR 模型要求数据严格为正。
四道设计让分数跨年跨地可比
第一是固定参照。前沿只用 2010 年全部合格户算一次，然后冻结；2022 年的户、别处的户，都跟同一组前沿比。好处是一户的变化不会改动另一户的分数，这是不干扰性。
第二是嵌套比较组，用的是 Banker 与 Morey 的分类变量办法。教育、供水、排污、垃圾、墙体、住房权属六项合成一个分类分数 S，取值落在 0 到 6；每户只与分类档位不低于自己的参照户比，具体取哪一个组，取"至少含 27 个参照户"的最严格相容档。
第三是 5% 份额下限。任何一项资源至少要占该户加权资源的 5%，α 大于 0 时分数严格单调：少一项资源，贫困必然上升。
第四是剔除异常参照户。组内超效率超过 3 的参照户会把前沿推得离所有户都很远，例如"21 口人、无收入、无识字人口、无卫生间"这种户，零资源被记成 0.001 后会造出一个极端前沿。剔除是分轮的：每轮先在不删任何户的前提下重建全部前沿，再算超效率，然后把超过阈值的户一次性拿掉，直到没有户超过 3。被剔除的户仍然被评估、仍然计入指数，只是不再当参照。
5% 下限不是装饰，有硬数字
output/audit/monotonicity.csv 有 600 行，是 3 个 α 值各 200 次资源冲击的记录。按 α 分组数一下：α 等于 0 时，200 次冲击里有 49 次分数一点没动，说明没有份额下限时"少一项资源"未必反映为更穷；α 等于 0.05 与 0.10 时，200 次里零次不动。
这条检验比任何"本方法保证单调性"的说法都有说服力，也是这份包值得读的原因之一：它把方法主张写成了可重算的检查。
四户算例与全国结果
四户算例（output/numerical_example）只有收入、卫生间、人口与两个分类维度。带份额下限后四户的分数是 A 0.4625、B 0.925、C 0.95、D 1；不带下限时 A 是 0.
5、B
1、C
1、D 1，差别集中在 A 与
B、C。
算例最关键的一步是给 D 户一次负向冲击，看两种参照下的反应：固定参照下 D 的 θ 从 1 跳到 1.9，但指数 M 仍是 0.834375，因为 θ 在 1 处截断；换成局部前沿，D 自己就是前沿，冲击后 θ 仍是 1，M 反而降到 0.8234375——参照被自己拉低了，测出来的贫困下降。
全国结果（output/national/brazil.csv）：2010 年 6,111,832 户，M 为 0.0921，T 为 1.2092，H 为 12.58%；2022 年 7,602,162 户，M 为 0.0770，T 为 1.0110，H 为 5.39%。
八市的表 2 还有一列值得单看：与人类发展指数 IDHM 的 Spearman 相关，固定参照是 0.910，局部前沿是 +0.647。同一份数据，换参照方式，贫困分数与公认发展指标的关系直接反号，这就是固定参照要单独设一道的理由。
跑之前要知道的四件事
依赖是 R 4.2 以上加 data.table、rDEA（需要 GLPK 库）与 lpSolve，另要 unzip 与 awk；README 建议约 8 GB 内存与 10 GB 磁盘。macOS 上 rDEA 装不上时先 brew install glpk。
只想看方法，跑 Rscript run_all.R 04，几秒出四户算例，只依赖 lpSolve；跑全国要 01 阶段联网下 IBGE 微数据，2010 年那份按州分 28 个 zip，2022 年那份约 1 GB。
阶段可以挑着跑，Rscript run_all.R 05 07 是只跑八市与检查。并行核数由环境变量 DEAMPH_CORES 控制，默认最多 4，结果与核数无关。
IBGE 会修正微数据，文章用的是哪一版由 output/inputs_sha256.csv 里记录的校验值确定；换了版本，结果可能有小幅变化。
作者自己标出的三个限制
bootstrap 是在市或州内部重抽住户、参照与个体分数固定，这没有复现普查的抽样设计（分层与加权区），所以区间很可能偏窄。这句话在 README 里，不在脚注。
指数在 1 处截断，前沿上的户再穷也进不了指数——四户算例里 D 户 θ 到 1.9 而 M 不变，就是这个机制。
这是巴西的普查口径与变量定义，能学的是指标构造与检查方法，不能直接搬成国内的贫困认定标准。
────────────────
需要记录页与压缩包的直达地址、九段脚本与产出文件对照、配置参数表、检查项清单，以及 IBGE 微数据的下载目录，回帖后可见。
把经管之家装进你常用的 AI 智能体中 一键快捷安装经管之家 MCP／技能，让 AI 帮你查教程、找数据、读论坛帖子。 检索、阅读公开帖子不收费，安装可申请领取：3 通用积分＋100 论坛币＋3 元论坛资金 说明： AI 算力按所用平台规则计算；附件按原帖条件获取；福利领取条件以活动页面为准。 |
京公网安备 11010802022788号
