Оценка уровня бедности в Казахстане: влияние дефицита денежных доходов

Сегодня бедность остается значимой проблемой, затрагивающей различные группы населения и оказывающей влияние на экономическую стабильность. Понимание ключевых детерминантов бедности является важным условием для разработки эффективных стратегий ее снижения. Цель данного исследования – выявить взаимосвязи между уровнем бедности и денежными доходами населения, а также оценить региональные особенности ее распространения в Казахстане. Методология основана на анализе статистических данных за 2001-2023гг., собранные из официальные данные Бюро национальной статистики РК, Всемирного банка и Организации Объединенных Наций. В статье были применены методы описательной статистики для изучения динамики бедности, а также корреляционный и регрессионный анализ для выявления взаимосвязи между уровнем бедности и такими показателями, как средний номинальный доход на душу населения, коэффициент Джини, уровень безработицы и размер домохозяйства. Результаты показали значительные региональные различия в уровнях бедности, при этом самые высокие показатели бедности наблюдались в Туркестанской области (9%) и Абайском районе (8%). Регрессионный анализ подтвердил значительное влияние дефицита денежных доходов на уровень бедности (R2=0.86, p<0.01). Выявлена высокая степень корреляции между уровнем бедности и коэффициентом Джини (0,89), что указывает на значительное влияние неравенства доходов. Перспективы дальнейших исследований включают углубленный анализ влияния образовательного уровня на бедность, изучение воздействия цифровых финансовых технологий на доходы населения, а также оценку эффективности государственных программ по снижению бедности.

1. Alloush, M. (2024). Income, Psychological Well-Being, and the Dynamics of Poverty. Economic Development and Cultural Change, 72(4), 1709–1745. https://doi.org/10.1086/725140

2. Amponsah, M., Agbola, F. W., & Mahmood, A. (2023). The relationship between poverty, income inequality and inclusive growth in Sub-Saharan Africa. Economic Modelling, 126, 106415. https://doi.org/10.1016/j.econmod.2023.106415

3. Arranz, J. M., & García-Serrano, C. (2025). Assessing the impact of an increase in the minimum wage on household income and poverty. Social Science Research, 127, 103143. https://doi.org/10.1016/J.SSRESEARCH.2025.103143

4. Bureau of National Statistics. (2024). Bureau of National Statistics of the Republic of Kazakhstan. Retrieved November 30, 2024 from https://stat.gov.kz/en

5. Caamal-Olvera, C. G., Huesca, L., & Llamas, L. (2022). Universal basic income: A feasible alternative to move people out of poverty in Mexico? Journal of Policy Modeling, 44(5), 1077–1093. https://doi.org/10.1016/J.JPOLMOD.2022.07.005

6. Gómez-Méndez, I., & Amornbunchornvej, C. (2024). Income, education, and other poverty-related variables: A journey through Bayesian hierarchical models. Heliyon, 10(6), e27968. https://doi.org/10.1016/j.heliyon.2024.e27968

7. Karki, S. K. (2024). Determinants of community engagement and its role in income poverty reduction: Evidence from Jajarkot, Nepal. Heliyon, 10(13), e33534. https://doi.org/10.1016/j.heliyon.2024.e33534

8. Khan, S., Yahong, W., & Zeeshan, A. (2022). Impact of poverty and income inequality on the ecological footprint in Asian developing economies: Assessment of Sustainable Development Goals. Energy Reports, 8, 670– 679. https://doi.org/10.1016/j.egyr.2021.12.001

9. Koiry, S., Kairi, B., & Pooja, P. (2024). Impact of income diversification on multidimensional poverty: Household level evidence from tea estates in Bangladesh. Heliyon, 10(5), e26509. https://doi.org/10.1016/j.heliyon.2024.e26509

10. Lechman, E., & Popowska, M. (2022). Harnessing digital technologies for poverty reduction. Evidence for low-income and lower-middle income countries. Telecommunications Policy, 46(6), 102313. https://doi.org/10.1016/J.TELPOL.2022.102313

11. Omir A., B. G. (2024). Analiz bednosti v Kazahstane: vyjavlenie i ocenka deficita denezhnyh dohodov naselenija. Statistika, Uchet i Audit, 4(95), 120–131. https://www.doi.org/10.51579/1563-2415.2024.-4.10 (in Russian)

12. Pinilla-Roncancio, M., Cedeño-Ocampo, G., Medina Ch, A. M., Cortés-García, C. M., & Muñoz-Veira, B. (2024). Changing income levels and multidimensional poverty among persons with disabilities in Colombia: A pseudo panel analysis. SSM - Population Health, 25, 101571. https://doi.org/10.1016/j.ssmph.2023.101571

13. Quiggin, J. (2022). Poverty alleviation as a global public good: The case for Basic Income. Economic Analysis and Policy, 75, 464–471. https://doi.org/10.1016/J.EAP.2022.05.018

14. Smith, A. (1989). Of the origin and use of money. In General Equilibrium Models of Monetary Economies, 47–53. https://doi.org/10.1016/B978-0-12-663970-4.50008-6

15. Son, N. H. (2016). Vulnerability and resilience to climate change in the northern mountainous region of Vietnam. https://doi.org/10.25911/5d77886d4eeae

16. Sumaila, U. R., Wabnitz, C. C. C., Teh, L. S. L., Teh, L. C. L., Lam, V. W. Y., Sumaila, H., Cheung, W. W. L., Issifu, I., Hopewell, K., Cinner, J. E., Bennett, N. J., Folke, C., Gulati, S., & Polasky, S. (2024). Utilizing basic income to create a sustainable, poverty-free tomorrow. Cell Reports Sustainability, 1(6), 100104. https://doi.org/10.1016/j.crsus.2024.100104

17. Wan, G., Hu, X., & Liu, W. (2021). China’s poverty reduction miracle and relative poverty: Focusing on the roles of growth and inequality. China Economic Review, 68, 101643. https://doi.org/10.1016/j.chieco.2021.101643

18. Xu, K. (2024). Digital finance, social security expenditures, and rural-urban household income poverty. Evidence is based on an area- and household-level analysis. Finance Research Letters, 60, 104845. https://doi.org/10.1016/J.FRL.2023.104845

19. Zhang, H., & Dai, J. (2023). Poverty improvement policies and household income: Evidence from China. Heliyon, 9(11), e21442. https://doi.org/10.1016/j.heliyon.2023.e21442