本报综合外媒报道 近日，英国阿斯顿大学官网刊发一则消息称，该校研究人员开展的一项新研究挑战了固有的“国际贫困线”概念。他们还使用机器学习的方法开发新模型，来衡量不同国家的贫困程度。该模型根据减贫措施来预测未来贫困水平，为相关政策制定提供有效的分析工具。

　　现有的贫困衡量标准是首先规定一个货币意义上的阈值，然后将低于这个值的个人或家庭定义为贫困。目前，世界银行将国际贫困线定为每人每天生活支出1.9美元，全球约有10%的人口生活在这一标准之下。这是根据购买力平价进行调整后对满足世界上最贫穷国家基本生活所需金额的主观评估。对此，研究人员表示，有关贫困问题的主流观念需要得到更新，因为它过于强调基本需求这一主观概念，而未能完全纳入人们如何使用收入这一复杂性问题。

　　在这项新研究中，研究人员将生活支出分为三大类：基本食品，如谷物；其他食品，如肉类；非食品，如住房和交通开支。研究人员认为，这种分类广泛适用于不同国家。三类支出之间具有推拉式的相互作用。在一个方面的支出越多，通常意味着在另一个方面的支出会减少，由此可以制定一个更全面的贫困衡量标准，以适应某个国家的特定情况。研究人员分析了世界银行和其他机构的庞大数据集，进而建立了一个数学模型，该模型能考量不同类型的生活支出如何影响贫困水平，还能基于某些经济假设预测未来的贫困水平。

　　在阿斯顿大学工程与物理科学学院首席研究员阿米特·恰德巴塔依（Amit Chattopadhyay）看来，目前对贫困的观点有着较浓的主观色彩，因为贫困在不同的国家和地区有不同的含义。该模型使得我们获得了一个多维度的贫困指数，可以反映人们的现实生活状况，无论他们生活在哪里或被认为属于什么社会阶层。这一模型考虑了人们所处的经济环境，以及对他们的物质生活产生最大影响的因素。因此，它可以成为全球各国政府和决策者识别贫困并实施干预措施、解决贫困问题的重要工具。

　　（陈禹同/编译）