zurück 
27.2.2015

Verteilungsgerechtigkeit in der Armutsmessung

Armutsbekämpfung wird auch nach dem Auslaufen der Millenniumsentwicklungsziele (MDGs) Schwerpunkt der internationalen Entwicklungszusammenarbeit bleiben. Zunehmend stellt sich dabei allerdings die Frage, wie Armut definiert und gemessen werden sollte. Während die MDGs Armut noch ausschließlich anhand der 1,25-US-Dollar-Armutsgrenze der Weltbank definieren und messen, werden in der Debatte für die zukünftige Post-2015-Entwicklungsagenda zunehmend multidimensionale Armutsansätze ins Spiel gebracht.

Rein einkommensbasierte Armutsmaße wie die 1,25-US-Dollar-Armutsgrenze lassen öffentliche Güter wie den Zugang zu Bildungs- und Gesundheitssystemen ebenso unberücksichtigt wie die Tatsache, dass Menschen verschieden sind und sich damit ihre Fähigkeit, finanzielle Ressourcen zu verwerten, zwangsläufig unterscheidet. Ein gängiges Beispiel: Ein Dialysepatient benötigt zweifellos mehr finanzielle Ressourcen, um seine Grundbedürfnisse zu befriedigen, als ein gesunder Mensch. In seinem berühmten capability approach (auf Deutsch etwa: Befähigungsansatz), der zunehmend Einfluss in der Wohlfahrtsökonomie gewinnt, definiert Nobelpreisträger Amartya Sen Armut als die Unmöglichkeit, das eigene Leben nach den eigenen Wünschen und Vorstellungen zu gestalten. Arm ist beispielsweise, wer nicht die Möglichkeit hat, sich weiterzubilden, keinen oder nur begrenzten Zugang zu ärztlicher Versorgung hat, nicht in der Lage ist, am sozialen Leben zu partizipieren oder politische Verantwortung zu übernehmen. All dies sind verschiedene Dimensionen von Armut, die durch finanzielle Ressourcen allein nicht erfasst werden können.

Multidimensionale Armutsmessung



Angesichts der berechtigten Kritik an der einkommensbasierten Armutsmessung und der neuen Möglichkeiten, die der capability approach eröffnet, gewinnen multidimensionale Ansätze zur Armutsmessung spätestens seit den 1990er Jahren an Bedeutung. Statt die verschiedenen Dimensionen von Armut indirekt durch mangelndes Einkommen abzubilden, erfassen multidimensionale Armutsmaße diese direkt. Sie lassen sich dabei in zwei Kategorien unterteilen: additive und nicht-additive Armutsmaße.

Additive Armutsmaße haben den Vorteil, dass sie in die Armutsbeiträge der verschiedenen Armutsdimensionen zerlegt werden können. Damit können sie Aufschluss darüber geben, in welchem Ausmaß die einzelnen Dimensionen zur Gesamtarmut beitragen. Sollte in einem bestimmten Land vor allem in den Bildungsbereich, in die Errichtung sanitärer Anlagen oder die Infrastruktur investiert werden? Nur zerlegbare Armutsmaße können darauf Antwort geben. Die Zerlegbarkeit additiver Armutsmaße hat allerdings einen Preis.

Erstens sind additive Maße nicht in der Lage, Ungleichheit zu erfassen, das heißt, sie machen keinen Unterschied zwischen Personen, die in wenigen oder in vielen Armutsdimensionen Mangel leiden. Amartya Sen ist einer der prominentesten Kritiker solcher Armutsmaße, die eine Verschlechterung der Lebensbedingungen einer ärmeren Person durch eine Verbesserung der Lebensbedingungen einer weniger armen Person aufwiegen.[1] Zweitens sind additive Armutsmaße nicht in der Lage, die Wechselwirkungen zu berücksichtigen, die zwischen den verschiedenen Dimensionen von Armut bestehen. Die erste zentrale Botschaft des Berichts der Vereinten Nationen zur Erreichung der MDGs lautet, dass Armut nur dann effizient bekämpft werden kann, wenn die Wechselwirkungen zwischen den verschiedenen Armutsdimensionen berücksichtigt werden.[2] Eine Person, der medizinische Versorgung und Zugang zu sauberem Trinkwasser sowie sanitären Anlagen fehlen, hat einen Arzt eher nötig als eine Person, der zwar keine medizinische Versorgung, aber sauberes Trinkwasser und sanitäre Anlagen zur Verfügung stehen.

Lange Zeit galt es als erwiesen, dass es sich bei der Entscheidung zwischen den Vor- und Nachteilen additiver und nicht-additiver Armutsmaße um eine Entweder-oder-Entscheidung handelt. Entweder ist ein multidimensionales Armutsmaß zerlegbar, aber dafür nicht in der Lage, Ungleichheit sowie die Wechselwirkungen zwischen Armutsdimensionen zu erfassen, oder umgekehrt. Auf diese Hypothese stützt sich auch der derzeit wohl prominenteste multidimensionale Armutsindex: der an der Universität Oxford entwickelte und 2010 im Human Development Report der Vereinten Nationen eingeführte Multidimensional Poverty Index (MPI), der zwar zerlegbar ist, dafür aber nicht in der Lage, Ungleichheit oder die Wechselwirkungen zwischen den verschiedenen Armutsdimensionen zu erfassen. Ich habe jedoch einen neuen multidimensionalen Armutsindex entwickelt, der diese Hypothese widerlegt, da er vollständig zerlegbar und dennoch in der Lage ist, sowohl Ungleichheit als auch die Wechselwirkungen zwischen den verschiedenen Dimensionen von Armut zu erfassen: den Correlation Sensitive Poverty Index (CSPI).[3]


Multidimensional Poverty Index



Tabelle 1: Aufbau des Multidimensional Poverty Index

Der MPI bildet drei Dimensionen von Armut ab: Gesundheit, Bildung und Lebensbedingungen (Tabelle 1). Diese Dimensionen wiederum werden von insgesamt zehn verschiedenen Indikatoren erfasst: Bildung und Gesundheit von jeweils zwei, Lebensbedingungen von sechs gleichgewichteten Indikatoren. Im Bereich Bildung beispielsweise sind die zwei Indikatoren die Anzahl der abgeschlossenen Schuljahre für Erwachsene und die Einschulung für Kinder. Folglich leidet ein Haushalt im Bereich Bildung Mangel, wenn entweder keiner der im Haushalt lebenden Erwachsenen eine Schulbildung von mindestens fünf Schuljahren vorweisen kann oder wenn (mindestens) ein Kind in schulfähigem Alter nicht eingeschult ist. Ob ein Haushalt arm ist, hängt dabei von der Zahl der Indikatoren ab, in denen der Haushalt Mangel leidet. Ein Haushalt gilt als arm, wenn er in mindestens 33 Prozent der gewichteten Indikatoren Mangel leidet. Die 33-Prozent-Hürde ist dabei willkürlich gewählt.[4]

Wie bereits beschrieben, ermöglicht die additive Struktur des MPI die Zerlegbarkeit nach den verschiedenen Dimensionen von Armut, verhindert aber gleichzeitig, dass Verteilungsaspekte oder die Wechselwirkungen zwischen den verschiedenen Armutsdimensionen erfasst werden können. Im Fall des MPI sind diese methodischen Schwächen aber noch gravierender als bei anderen additiven Armutsmaßen. Durch die zusätzlich eingeführte 33-Prozent-Hürde lässt der MPI Verteilungsaspekte nicht nur unberücksichtigt; Umverteilungen von armen zu weniger armen Haushalten, die den weniger armen Haushalt unter die 33-Prozent-Hürde rutschen lassen, führen sogar zu sinkenden Armutszahlen, werden also fälschlicherweise als armutsreduzierende Maßnahmen identifiziert.

Folgendes Beispiel soll diesen Sachverhalt verdeutlichen. Angenommen, zwei arme Haushalte leiden in unterschiedlichen Bereichen Mangel. Der erste Haushalt hat keinen Zugang zu Bildung, sauberem Trinkwasser und sanitären Anlagen, auch an Elektrizität sowie ausreichendem Einkommen mangelt es. In der Nähe wohnt jedoch ein staatlich finanzierter Arzt, der die medizinische Grundversorgung der Haushaltsmitglieder sicherstellt. Dem zweiten Haushalt mangelt es an medizinischer Versorgung und Elektrizität, die Haushaltsmitglieder haben aber Zugang zu Bildung, verfügen über sauberes Trinkwasser und sanitäre Anlagen, und auch das Haushaltseinkommen ist ausreichend.

Der staatlich finanzierte Arzt bittet nun einen politischen Entscheidungsträger, seine Praxis in die Nähe des zweiten Haushalts verlegen zu dürfen. Der politische Entscheidungsträger will dieser Bitte nur dann entsprechen, wenn die Armut in seinem Einflussgebiet nicht erhöht wird. Dazu verlässt er sich auf den MPI. Und kann leicht feststellen, dass sich eine Entscheidung zugunsten des Arztes positiv auf die Armutszahlen in seinem Einflussgebiet auswirkt. Denn da der zweite Haushalt nach dem Umzug des Arztes nur noch in einer Dimension (Elektrizität) Mangel leiden und damit nicht mehr als arm gelten würde, sinkt der MPI. Damit fällt die Entscheidung nicht schwer, der Bitte des Arztes wird gerne stattgegeben – obwohl der erste Haushalt dadurch noch tiefer in die Armut sinkt.

Dieses kurze Beispiel demonstriert eindrücklich die Schwächen des MPI. Der Umzug des Arztes ist weder gerecht noch effizient. Er ist nicht gerecht, weil er dem ohnehin ärmeren Haushalt auch noch den Zugang zu medizinischer Versorgung nimmt. Und er ist ineffizient, weil er ausgerechnet dem Haushalt den Arzt nimmt, der diesen aufgrund des mangelnden Zugangs zu sauberem Wasser und sanitären Anlagen am dringendsten benötigt. Die Ungerechtigkeit und Ineffizienz des Umzugs tritt hier deutlich zu Tage. In der Realität aber haben es politische Entscheidungsträger mit einem derart großen Personenkreis zu tun, dass die Auswirkungen einer Maßnahme auf jede einzelne Person nicht mehr festzustellen sind. Sie sind daher auf ein Armutsmaß angewiesen, das sämtliche Auswirkungen erfasst, um sich in ihren Entscheidungen leiten zu lassen.

Correlation Sensitive Poverty Index



Der CSPI widerlegt die Hypothese, dass zerlegbare Armutsmaße nicht in der Lage sein können, Verteilungsgerechtigkeit und die Wechselbeziehungen zwischen den verschiedenen Armutsdimensionen zu erfassen. Aufgrund einer neuen Methode zur Identifizierung armer Bevölkerungsschichten ist der CSPI fähig, alle drei gewünschten Eigenschaften zu erfüllen. Statt eine Zahl gewichteter Indikatoren festzulegen, anhand derer zwischen armen und nicht armen Personengruppen unterschieden wird, unterscheidet der CSPI verschiedene Armutsgrade. Sobald eine Person in einem Indikator Mangel leidet, wird sie als arm bezeichnet; der Grad ihrer Armut aber hängt davon ab, in wie vielen (gewichteten) Indikatoren sie Mangel leidet und wie diese miteinander korreliert sind. Die Berechnung der Korrelation hängt von der jeweiligen Wahl der Dimensionen und Indikatoren ab. Dabei gilt, je höher die Zahl der gewichteten Indikatoren, in denen eine Person Mangel leidet, und je geringer die Substituierbarkeit zwischen diesen Indikatoren, desto höher der Armutsgrad.

Damit wird den beiden Grundgedanken von Verteilungsgerechtigkeit und Effizienz Rechnung getragen. Von Verteilungsgerechtigkeit, weil die Person mit der höheren Zahl an Mangelerscheinungen ein höheres Gewicht erhält. Von Effizienz, weil dieses Gewicht davon abhängt, wie leicht der Mangel in einem Indikator durch andere Indikatoren ausgeglichen werden kann. Erst nachdem in der neuen Methode jede Person mit ihrem spezifischen Armutsgrad gewichtet wurde, werden in einem zweiten Schritt die gewichteten Mangelerscheinungen zusammengerechnet. Durch diese neue Methode ist der CSPI ebenso zerlegbar wie additive Maße, aber zusätzlich noch verteilungsgerecht und effizient.

Diese Tatsache lässt sich anschaulich anhand des im vorangegangenen Abschnitt beschriebenen Beispiels illustrieren. Wenn der politische Entscheidungsträger als Grundlage seiner Entscheidung den CSPI verwendet, wird er feststellen, dass eine Entscheidung zugunsten des Arztes eine negative Auswirkung auf die Armutszahlen in seinem Bereich hat. Denn durch den Umzug des Arztes würde der Armutsgrad des ersten Haushalts stärker steigen, als der des zweiten sinken würde. Als Konsequenz würden die Armutszahlen steigen. Würde der politische Entscheidungsträger demnach den CSPI als Entscheidungsgrundlage verwenden, würde er der Bitte des Arztes nicht stattgeben – und damit die einzig sinnvolle Entscheidung sowohl aus Verteilungsgerechtigkeits- als auch Effizienzgesichtspunkten treffen.


Multidimensionale Armut in Indien



Tabelle 2: Vergleich fünf indischer Haushalte

Um die Unterschiede zwischen MPI und CSPI in der Armutsberechnung zu illustrieren, werden fünf indische Haushalte miteinander verglichen (Tabelle 2). Die fünf Haushalte leiden in unterschiedlichen Dimensionen Mangel, wobei Haushalt 1 die meisten und Haushalt 5 die wenigsten Mangelerscheinungen aufweist. Die letzten zwei Spalten geben die Armutszahlen für die einzelnen Haushalte nach MPI und CSPI an. Zur Berechnung wurde eine mittlere Korrelation der Indikatoren angenommen. Aus diesem Grund berechnet sich der CSPI aus der quadrierten Summe der gewichteten Indikatoren eines jeden Haushalts. Im Unterschied zum MPI bezieht der CSPI alle Haushalte mit Mangelerscheinungen in die Berechnung ein, der MPI nur die mit Mangelerscheinungen von mindestens 33 Prozent. Daher identifiziert der MPI lediglich die Haushalte 1 und 2 als arm, während der CSPI anerkennt, dass Armut in allen fünf Haushalten existiert – wenn auch in sehr unterschiedlichem Ausmaß.

Aber noch zwei weitere Tatsachen sind für den Vergleich von MPI und CSPI relevant. Die erste lässt sich am besten durch einen Vergleich der Haushalte 2 und 3 illustrieren. Beide Haushalte weisen insgesamt fünf Mangelerscheinungen auf, die jedoch unterschiedliches Gewicht haben. Haushalt 2 leidet Mangel in Bezug auf Ernährung (Gewicht: 1/6) sowie Brennmaterial, Sanitäranlagen, Elektrizität und Vermögenswerte (Gewicht: 1/18). Der Wert des MPI beträgt 0,39. Haushalt 3 dagegen leidet Mangel in Bezug auf Brennmaterial, Sanitäranlagen, Wasser, Elektrizität und Fußboden (Gewicht: 1/18). Der Wert des MPI ist 0, da 5/18 unter dem Grenzwert von 33 Prozent liegt. Mit anderen Worten: Weil der Indikator "Ernährung" mit 1/6 gewichtet wird, der Indikator "Wasser" dagegen nur mit 1/18, ist Haushalt 3 nicht arm, während Haushalt 2 mit einer relativ hohen Armutszahl in die Armutsberechnungen eingeht. Der CSPI dagegen betrachtet beide Haushalte als arm, die unterschiedliche Gewichtung findet lediglich in der höheren Armutszahl von Haushalt 2 ihren Ausdruck. Da die Gewichtung der einzelnen Dimensionen und Indikatoren immer umstritten ist – warum eigentlich sollte Ernährung dreimal stärker gewichtet werden als der Zugang zu sauberem Trinkwasser? – ist die Herangehensweise des CSPI der radikaleren Herangehensweise des MPI überlegen.

Die zweite Tatsache lässt sich am besten durch einen fiktiven Transfer illustrieren. Angenommen, Haushalt 1 wird durch eine politische Maßnahme dazu gezwungen, seine Lebensmittelvorräte sowie seine Vermögenswerte an den weniger armen Haushalt 2 abzutreten. Wird der MPI für die Beurteilung dieses Transfers verwendet, so steigt die Armutskennzahl von Haushalt 1 von 0,72 auf 0,94, während die von Haushalt 2 von 0,39 auf 0 sinkt, da 3/18 unter dem Grenzwert von 33 Prozent liegt. Damit sinkt der Wert des MPI für alle fünf Haushalte von 0,22 auf 0,19. Wird nun statt des MPI der CSPI für die Beurteilung des Transfers herangezogen, so steigt die Armutskennzahl von Haushalt 1 von 0,52 auf 0,89, während die von Haushalt 2 von 0,15 auf 0,03 zurückgeht. Damit steigt der Wert des CSPI für alle fünf Haushalte von 0,17 auf 0,21. Es ist offensichtlich, dass der beschriebene Transfer weder gerecht noch effizient ist; Haushalt 1 wird mit so gut wie nichts zurückgelassen. Dennoch wird er vom MPI als eine armutsreduzierende Maßnahme begrüßt. Der CSPI dagegen reagiert auf denselben Transfer mit steigenden Armutskennzahlen, identifiziert ihn also als armutserhöhende Maßnahme.

Neben diesen deutlichen Vorteilen des CSPI gibt es aber noch einen weiteren Vorzug, der sich allerdings nicht mehr mittels eines einfachen Beispiels darstellen lässt. Dieser Vorteil besteht in dem deutlich höheren Informationsgehalt des CSPI. Der MPI ist ein Produkt aus der Zahl der Armen (der headcount) und der durchschnittlichen Armutsschwere, das heißt der Zahl der gewichteten Indikatoren, in denen die Armen im Durchschnitt Mangel leiden. Der CSPI dagegen ist ein Produkt aus der Zahl der Armen, durchschnittlicher Armutsschwere und Ungleichheit – und liefert damit deutlich mehr Informationen über das Armutsprofil eines Landes (Abbildungen 1 und 2).

Abbildung 1: Indische Armutskarten unter Verwendung des Multidimensional Poverty Index


Abbildung 2: Indische Armutskarten unter Verwendung des Correlation Sensitive Poverty Index



Ein Vorteil des CSPI zeigt sich bei einem Vergleich der durchschnittlichen Armutsschwere nach MPI und CSPI. Da der MPI sich lediglich auf die Teile der Bevölkerung konzentriert, die in mindestens 33 Prozent der gewichteten Indikatoren Mangel leiden, bezieht sich auch die durchschnittliche Armutsschwere nur auf diesen Personenkreis. Mit anderen Worten, der Durchschnitt wird ausschließlich über Mangelerscheinungen zwischen 33 und 100 Prozent gebildet, wodurch die Unterschiede zwischen den einzelnen Bundes- und Stadtstaaten verwischt werden.

Die durchschnittliche Armutsschwere nach CSPI wird hingegen über die gesamte Zahl der Armen gebildet, sodass es sich um einen echten Durchschnitt handelt, der die Unterschiede zwischen den einzelnen Bundes- und Stadtstaaten klar ans Licht bringt. Er offenbart beispielsweise die geringe durchschnittliche Armutsschwere in dem im innerindischen Vergleich wohlhabenderen Bundesstaat Kerala im Süden Indiens, die der MPI nicht aufdecken kann.

Ein weiterer Vorteil des CSPI besteht darin, dass er Ungleichheiten in der Verteilung der Mangelerscheinungen aufdeckt. Ein Beispiel ist die hohe Ungleichheit in Kerala, das im Schnitt zwar vergleichsweise wenige Mangelerscheinungen aufweist, diese aber sehr ungleich verteilt sind. In den östlichen Bundesstaaten Bihar und Jharkand ist die Ungleichheit vergleichsweise gering, die durchschnittliche Armutsschwere aber sehr hoch. Für die Armutsbekämpfung bedeutet das, dass flächendeckende Maßnahmen in Bihar und Jharkand Erfolg versprechend sind, während in Kerala Programme zu empfehlen sind, die gezielt die Situation der Ärmsten verbessern. Dies zeigt, dass der höhere Informationsgehalt des CSPI politischen Entscheidungsträgern eine deutlich bessere Entscheidungsgrundlage zur zielgerichteten Armutsbekämpfung liefert als der MPI.


Multidimensionale Armut in Deutschland



Bislang konzentriert sich die Diskussion über alternative Methoden zur Armutsmessung vorwiegend auf den Entwicklungsländerkontext. Doch wird, insbesondere auch im Kontext der Post-2015-Entwicklungsagenda, die Forderung immer lauter, Armut und Ungleichheit auch in wohlhabenderen Ländern wie beispielsweise Deutschland zu thematisieren. In diesem Kontext ist vor allem interessant, dass die seit 2001 publizierten Armuts- und Reichtumsberichte der Bundesregierung ausdrücklich den capability approach als konzeptionelles Rahmenwerk verwenden.[5] Gleichzeitig wird jedoch festgestellt: "Auch wenn Armut eine mehrdimensionale, also nicht nur finanzielle Benachteiligung darstellt, kann von den verfügbaren finanziellen Mitteln indirekt darauf geschlossen werden, welches Maß an gesellschaftlicher Teilhabe gelingt."[6] Mit dieser Begründung wird zur Armutsmessung in Deutschland ausschließlich die rein einkommensbasierte Armutsgefährdungsquote verwendet.[7]

Tabelle 3: Aufbau des German Correlation Sensitive Poverty Index

Der Vergleich mit einem multidimensionalen Armutsmaß für Deutschland wirft jedoch Zweifel an dieser Vorgehensweise auf. Zur Berechnung des German Correlation Sensitive Poverty Index (GCSPI) werden Dimensionen und Indikatoren genutzt, die auf Vorschlägen des Instituts für angewandte Wirtschaftsforschung (IAW)[8] sowie den von der Philosophin Martha Nussbaum[9] identifizierten zentralen Armutsdimensionen basieren (Tabelle 3). Die Datengrundlage liefert das Sozio-Ökonomische Panel (SOEP).

Ein Vergleich der Ergebnisse des GCSPI mit denen der Armutsgefährdungsquote offenbart teilweise gravierende Unterschiede. Erstens ist ein großer Personenkreis multidimensional, aber nicht einkommensarm, und ein immer noch deutlicher Personenkreis einkommens-, aber nicht multidimensional arm. Eine Zerlegung des GCSPI nach Dimensionen zeigt, dass Einkommen in der Tat in einem geringeren Maße zur Gesamtarmut beiträgt als die Dimensionen Beschäftigung, Gesundheit und Bildung. Zweitens offenbart ein Vergleich der beiden Maße über die Zeit, dass sich GCSPI und Armutsgefährdungsquote teilweise in unterschiedliche Richtungen entwickeln. Besonders deutlich wird dies im Jahr der ökonomischen Krise von 2003. Eine steigende Arbeitslosenquote verbunden mit einem prozentualen Rückgang der Sozialleistungen zwischen 2002 und 2004 sorgen für einen Anstieg des GCSPI im selben Zeitraum. Die Armutsgefährdungsquote dagegen sinkt, aber nicht, weil sich die Lebensbedingungen der Armen verbessert hätten, sondern weil die Verschlechterung ihrer Lebensbedingungen schwächer ausfällt als die der wohlhabenderen Bevölkerungsschichten. Es ist das typische Ergebnis eines sozialen Wohlfahrtsstaats, dessen soziales Sicherungssystem den Effekt einer ökonomischen Krise auf die ärmsten Bevölkerungsschichten abmildert, während wohlhabendere Bevölkerungsschichten mit voller Stärke getroffen werden. Drittens sind regionale Unterschiede nach GCSPI und Armutsgefährdungsquote teilweise unterschiedlich stark ausgeprägt. So ist beispielsweise der Unterschied in den Armutskennzahlen zwischen Ost- und Westdeutschland nach Armutsgefährdungsquote deutlich geringer ausgeprägt als nach dem GCSPI. Viertens schließlich ist der GCSPI in der Lage, Unterschiede zwischen den Geschlechtern zu erfassen, die die aus dem Nettohaushaltseinkommen berechnete Armutsgefährdungsquote nicht erfassen kann. Die Ergebnisse zeigen einen deutlichen "Gender-Bias", der sich seit 2002 nicht verbessert hat.

Die Ergebnisse legen nahe, dass die im Armuts- und Reichtumsbericht beschriebene Annahme, die Armutsgefährdungsquote sei ein angemessenes Instrument für die Operationalisierung des capability approach in Deutschland, nicht zutreffend ist. Dies ist kein Plädoyer für die Abschaffung der Armutsgefährdungsquote, aber dafür, den Einsatz eines zusätzlichen multidimensionalen Armutsmaßes in Betracht zu ziehen, da diese Maße – sofern sie denn verteilungsgerecht und effizient sind – auch in einem Industrieland wie Deutschland Informationen über Armut liefern, die die traditionellen einkommensbasierten Armutsmaße nicht erfassen können.
Creative Commons License

Dieser Text ist unter der Creative Commons Lizenz veröffentlicht. by-nc-nd/3.0/ Der Name des Autors/Rechteinhabers soll wie folgt genannt werden: by-nc-nd/3.0/
Autor: Nicole Rippin für Aus Politik und Zeitgeschichte/bpb.de
Urheberrechtliche Angaben zu Bildern / Grafiken / Videos finden sich direkt bei den Abbildungen.

Fußnoten

1.
Vgl. Amartya Sen, Inequality Reexamined, Oxford 1992, S. 2.
2.
Vgl. UNDP, What Will It Take To Achieve The Millennium Development Goals? An International Assessment, New York 2010, http://content.undp.org/go/cms-service/stream/asset/?asset_id=2620072« (2.2.2015).
3.
Vgl. Nicole Rippin, Considerations of Efficiency and Distributive Justice in Multidimensional Poverty Measurement, Göttingen 2014, http://hdl.handle.net/11858/00-1735-0000-0022-5E2E-B« (2.2.2015).
4.
Vgl. Sabina Alkire/Maria Emma Santos, Acute Multidimensional Poverty: A New Index for Developing Countries, OPHI Working Paper 38/2010.
5.
Jürgen Volkert et al., Operationalisierung der Armuts- und Reichtumsmessung, Schlussbericht an das Bundesministerium für Gesundheit und Soziale Sicherung, Bonn 2004.
6.
Lebenslagen in Deutschland: Der 2. Armuts- und Reichtumsbericht der Bundesregierung, Bonn 2005, S. 6.
7.
Die Armutsgefährdungsquote definiert den Anteil der Bevölkerung mit einem Nettoäquivalenzeinkommen unter 60 Prozent des Median. Das Nettoäquivalenzeinkommen wiederum berücksichtigt die Tatsache, dass größere Haushalte durch die gemeinsame Nutzung von Haushaltsgegenständen Kosteneinsparungen haben. Dazu wird der erste Erwachsene mit einem Gewicht von 1 gewichtet, jede weitere Person im Alter von mindestens 15 Jahren mit einem Gewicht von 0,5, im Alter von unter 15 Jahren mit einem Gewicht von 0,3. Das Nettoäquivalenzeinkommen berechnet sich somit als das Nettoeinkommen des Haushalts dividiert durch die gewichtete Summe der Haushaltsmitglieder.
8.
Vgl. J. Volkert et al. (Anm. 5).
9.
Vgl. Martha Nussbaum, Capabilities as Fundamental Entitlements: Sen and Social Justice, in: Feminist Economics, 9 (2003), S. 33–59.

Nicole Rippin

Zur Person

Nicole Rippin

Dr. rer. oec., geb. 1978; wissenschaftliche Mitarbeiterin am Deutschen Institut für Entwicklungspolitik, Tulpenfeld 6, 53113 Bonn. nicole.rippin@die-gdi.de


Nach oben © Bundeszentrale für politische Bildung Zur klassischen Website von bpb.de wechseln