拉各斯是尼日利亚的经济重镇，但这里也有一些全国最糟糕的贫民窟。

　　拉各斯贫民窟的特点是高度贫困——没有足够的资源来满足基本的生活需求，如食物、水、住所、医疗保健和教育。

　　贫困是多方面的。这不仅仅是钱的问题。然而，拉各斯贫民窟的贫困问题通常是用主要关注收入门槛的传统方法来研究的。如果一个人的收入低于一定水平，就会被认为是穷人。这种方法抓住了经济困难。但它忽略了贫困的其他方面，例如缺乏获得教育、医疗保健、清洁水和体面生活条件的机会。

　　衡量贫困需要多维度的方法，而不仅仅是收入方法。多维贫困意味着审视贫困的所有方面，以更全面地了解生活在贫困中的含义。它有助于政策制定者和研究人员理解，即使有一些收入，一个人可能仍然在挣扎，因为他们没有其他基本服务。

　　在对拉各斯州贫民窟贫困的研究中，我和另外两位发展经济学家使用了一个数学框架来模拟多维贫困。我们使用了所谓的模糊集方法。这是在20世纪90年代发展起来的，作为纯货币衡量贫困的替代方法。

　　传统的货币方法通常根据特定的分界点将人们分为“贫穷”或“不贫穷”。实际上，贫困存在于一个范围内，人们在生活的各个方面都可能经历不同程度的贫困。模糊集方法通过为不同的贫困指标分配隶属度来解释这一点。

　　根据多维指数，我们发现拉各斯州各贫民窟的贫困状况存在相当大的差异。我们的见解将使经济学家和政策制定者看到贫民窟中的人们被剥夺的不同方式。反过来，这应该有助于他们了解如何以更有针对性和更有效的方式改善他们的生活。

　　我们的研究集中在拉各斯州靠近海岸线的五个大型贫民窟。这些都是世界银行确定要进行改造的贫民窟，这是一个用于改善排水和固体废物管理的2亿美元贷款项目的一部分。

　　我们从马科科、岩屋、伊拉杰、伊约拉巴迪亚和阿穆科科五个贫民窟选择了400名受访者。

　　生物统计学和研究方法论的研究人员Avijit Hazra和Nithya J Gogtay说，对于一个大的种群规模来说，至少384个样本是合适的。然而，本研究选择的样本限制了将研究结果推广到其他贫民窟的能力，特别是那些具有不同特征的贫民窟。

　　多维贫困指数最高的是马科科和岩屋。这些分数表明严重贫困，因为它们高于0.50的阈值。

　　相比之下，阿穆科科的多维贫困指数最低，各指标的贫困程度相对较轻。

　　Makoko和Iwaya在学校教育、卫生和营养等方面尤为匮乏。这就解释了为什么他们的贫困程度比其他社区高。

　　马科科位于沿海地区，临时搭建的住房和落后的基础设施增加了它的脆弱性。岩屋在教育和卫生服务方面也面临着类似的挑战。这些因素使得这两个地区比其他贫民窟更加贫困。

　　在衡量的三个广义贫困维度中，所有社区的教育剥夺程度最高。这凸显了居民接受正规教育的有限性。

　　具体来说，真子和岩屋的受教育程度最高。尽管有一些改善，特别是在儿童入学率方面，这些社区仍然严重贫困。

　　表现出严重贫困的第二个方面是生活水平。不同的贫民窟有不同的情况。Makoko和Iwaya面临着更高的卫生挑战。

　　严重剥夺类别中的第三个方面是健康。指标包括死亡率和营养。许多贫民窟的贫困率都很高，对其多维贫困指数有很大贡献。

　　Amukoko（0.0312）等其他社区的卫生状况较好。另一方面，电力、地板和烹饪燃料指标普遍显示出较低的贫困程度，大多数贫民窟在这些类别中的得分在0.03左右或以下。

　　严重和轻微疾病的流行，加上医疗护理不足，造成了高死亡率。

　　卫生条件差也可能是健康问题的一个因素。在Makoko和Iwaya，厕所设施和废物管理很差，废物经常被丢弃在水道中。

　　尽管如此，使用干净的水、肥皂和定期刷牙等个人卫生习惯还是很普遍的。与其他影响健康的因素相比，这有助于保持卫生指数相对较低。

　　其他贫民窟的垃圾收集系统组织相对较好，卫生条件也普遍得到改善。

　　政策制定者应优先考虑以教育为重点的举措。这应包括改善进入优质学校的机会、提供奖学金和设立成人扫盲计划。

　　该研究还强调了与卫生有关的挑战，特别是在Makoko和Iwaya。需要改善这些地区的基础设施，例如更好的卫生设施、废物管理系统和获得清洁水的机会。

　　政策应侧重于改善卫生服务，以减少健康风险和改善生活条件。

　　但是贫民窟贫困指数的差异表明贫困程度的不同，这表明一刀切的方法不会有效。

　　Makoko和Iwaya等沿海贫民窟与Amukoko等不直接位于海岸线的贫民窟相比，需要更密集的干预措施。

　　政策制定者应该把资源集中在最需要的地方，以产生最大的影响。

　　像Ilaje和Ijora Badia这样的贫民窟已经接近极度贫困的门槛。决策者需要采取积极措施，防止这些社区陷入严重贫困。

　　最后，重要的是利用数据确定优先领域，并制定旨在改善贫民窟居民生活质量的有针对性的干预措施。

　　这项研究的见解可以促进具体政策的设计，以满足每个社区的独特需求，而不是依赖于一般化的方法。