ओडिशा और बिहार की गरीबी में कमी: भारत के विकसित मापदंडों का एक अध्ययन

2013–14 से 2022–23 के बीच, ओडिशा में ग्रामीण गरीबी 47.8% से घटकर 8.6% पर आ गई, जबकि बिहार में शहरी गरीबी 50.8% से घटकर केवल 9.1% रह गई। ये आंकड़े परिवर्तनकारी हैं। लेकिन, इन शीर्ष आंकड़ों के पीछे एक गहरा विवाद है: 2025 में गरीबी का क्या अर्थ है और इसे कैसे मापा जाना चाहिए? भारतीय रिजर्व बैंक के अद्यतन गरीबी अनुमान, जो 2022–23 के घरेलू उपभोग व्यय सर्वेक्षण (HCES) पर आधारित हैं, नए सवाल उठाते हैं कि क्या केवल आय के मानक आज भारत में वंचना को पूरी तरह से पकड़ सकते हैं।

एक बिखरता सहमति: आय आधारित गरीबी बनाम बहुआयामी सूचकांक

इस बहस के केंद्र में गरीबी की परिभाषा है। रंगराजन समिति द्वारा 2014 में आखिरी बार निर्धारित गरीबी रेखा पुरानी मानकों को दर्शाती है: ग्रामीण भारत में ₹972 प्रति माह और शहरी क्षेत्रों में ₹1,407 प्रति माह। ये आंकड़े उपभोग की टोकरी से निकले हैं, जो खाद्य और गैर-खाद्य आवश्यकताओं को अलग करते हैं, और 2011-12 में लगभग 30% भारतीयों को गरीब के रूप में वर्गीकृत किया गया था। आज, RBI के शोधकर्ताओं ने रंगराजन गरीबी रेखा टोकरी (PLB) के आधार पर एक नए मूल्य सूचकांक का उपयोग करके इन मानकों को अद्यतन किया है। ग्रामीण क्षेत्रों में, PLB ने खाद्य व्यय के लिए आवंटित वजन को 54% (CPI-ग्रामीण में) से बढ़ाकर 57% कर दिया, और शहरी क्षेत्रों में इसे 36% (CPI-शहरी में) से बढ़ाकर 47% कर दिया। ये पुनः-calibrated आंकड़े, हालांकि तकनीकी हैं, गरीबी को समझने के तरीके को मौलिक रूप से बदलते हैं।

संस्थागत रूप से, हालांकि, भारत का ध्यान स्पष्ट रूप से बहुआयामी गरीबी ढांचे की ओर बढ़ चुका है। NITI Aayog का बहुआयामी गरीबी सूचकांक (MPI) अब केवल "लोग कितना कमाते हैं" पर नहीं बल्कि "लोग कैसे जीते हैं" पर केंद्रित है। स्कूलिंग, स्वास्थ्य देखभाल, स्वच्छता, और खाना पकाने के ईंधन तक पहुंच जैसे आयामों को शामिल करके, MPI ने गरीबी दरों की पुनर्गणना की है, जिससे यह दर्शाता है कि पिछले दशक में 24.82 करोड़ लोग बहुआयामी गरीबी से बाहर निकल गए। इससे भारत की बहुआयामी गरीबी 2013–14 में 29.17% से घटकर 2022–23 में 11.28% हो गई।

क्यों बहुआयामी दृष्टिकोण आगे बढ़ते हैं: समर्थन के लिए सबूत

MPI को अपनाने के समर्थक यह तर्क करते हैं कि नीति निर्माता अब एक ही मौद्रिक मानक पर निर्भर नहीं रह सकते, जब हमारी अर्थव्यवस्था इतनी बिखरी हुई है। बहुआयामी दृष्टिकोण गैर-आर्थिक आयामों में वंचना को उजागर करता है, जो पहले गरीबी आंकड़ों में अदृश्य थे। उदाहरण के लिए, बिहार की शहरी गरीबी दर 9.1% उपभोग डेटा के माध्यम से केवल आंकलन करने पर एक असामान्य परिणाम है। फिर भी, स्वास्थ्य सूचकांक और महिला-नेतृत्व वाले घरेलू मापदंड और भी अधिक चुनौतियों को दर्शाते हैं, जिन्हें आय मानकों ने ढक दिया है।

वैश्विक स्तर पर, बहुआयामी ढांचे ने मेक्सिको जैसे देशों में गूंज पाई है, जिसने 2008 के बाद स्पष्ट रूप से MPI को अपनाया। वहां, शिक्षा की गुणवत्ता और स्वास्थ्य देखभाल पर ध्यान केंद्रित करने से स्थानीय हस्तक्षेप को सक्षम किया, जिससे चियापास जैसे क्षेत्रों में 12 वर्षों में गरीबी को आधा करने में मदद मिली। भारत का NITI Aayog तमिलनाडु जैसे राज्यों में समान सफलता की कहानियों का दावा करता है, जहां शहरी गरीबी 1.9% तक पहुंच गई। समर्थक तर्क करते हैं कि यह व्यापक दृष्टिकोण गहरी क्षेत्रीय असमानताओं को संबोधित करने के लिए आवश्यक है।

जो संस्थागत कमजोरियाँ बनी रहती हैं

हालांकि, RBI के अद्यतन गरीबी अनुमानों पर एक करीबी नज़र डालने से ऐसे संस्थागत तनाव सामने आते हैं, जिन्हें भारत नजरअंदाज नहीं कर सकता। पहले, अद्यतन ग्रामीण गरीबी रेखा मानक—₹972 प्रति माह—आधुनिक वास्तविकताओं से पूरी तरह से असंबंधित है। क्या ₹32 प्रति दिन 2025 में ग्रामीण भारत में पर्याप्त स्वास्थ्य परिणाम या स्कूल में नामांकन सुनिश्चित कर सकता है? यह संख्या भ्रामक लगती है।

दूसरी समस्या यह है कि विधिक अपनाने और राजनीतिक स्वीकृति के बीच का तनाव बना हुआ है। जबकि NITI Aayog बहुआयामी उपायों को प्राथमिकता देता है, तेंदुलकर समिति की आय आधारित गरीबी रेखा आधिकारिक रूप से उपयोग की जा रही है। वित्तीय और गैर-वित्तीय मापदंडों के बीच इस मापन प्रणाली का विभाजन संस्थागत अभिनेताओं के बीच सामंजस्य को कमजोर करने का जोखिम उठाता है—विशेष रूप से कल्याण कार्यक्रमों के लक्ष्य निर्धारण के स्तर पर। उदाहरण के लिए, आय मानकों (NFSA अधिकार या PMAY लाभार्थियों) के आधार पर सब्सिडी MPI के स्वच्छता या बिजली वंचना पर अंतर्दृष्टि के विपरीत काम करती हैं।

यहां विडंबना तीव्र है: दोनों दृष्टिकोण स्वतंत्र रूप से कुछ राज्यों जैसे हिमाचल प्रदेश को आश्चर्यजनक आंकड़े प्राप्त करने की अनुमति देते हैं (ग्रामीण गरीबी 0.4% तक गिर गई)। लेकिन बिना आपस में जुड़े डेटा सेट के, यह समझना सीमित है कि छत्तीसगढ़, जो आज का सबसे गरीब राज्य है, 25.1% ग्रामीण गरीबी और 13.3% शहरी गरीबी के साथ क्यों संघर्ष कर रहा है, जबकि इसके कल्याण बजट तुलनात्मक रूप से अधिक हैं।

कैसे मेक्सिको ने समान संरचनात्मक दोष रेखाओं को पार किया

भारत की तुलना मेक्सिको से करने पर, तीन सबक स्पष्ट रूप से उभरते हैं। पहले, मेक्सिको ने MPI ढांचे को पूरी तरह से संस्थागत किया, जिससे इसकी गरीबी सूचियों में संघीय और राज्य स्तरों के बीच समन्वय सुनिश्चित हुआ। दूसरे, शर्तीय नकद हस्तांतरण स्पष्ट रूप से MPI मापदंडों से जुड़े, जैसे कि स्कूलिंग वंचना या स्वास्थ्य देखभाल का कम उपयोग। तीसरे, गरीबी सुधारों के साथ मजबूत केंद्रीकृत डेटा उत्पादन आया, जहां राज्य स्तर के असमानताओं को वार्षिक रूप से पुनर्गणना किया जा सकता था। ये सुधार हस्तक्षेप उपकरणों को सफलतापूर्वक सुव्यवस्थित करते हैं, एक मॉडल जिसे भारत NITI Aayog और ग्रामीण विकास मंत्रालय जैसे संघीय एजेंसियों के बीच सामंजस्य को मजबूत करने के लिए अनुकरण कर सकता है।

आगे का रास्ता: जोखिम बनाम परिवर्तन

तो, हम आज कहां खड़े हैं? भारत का बहुआयामी सूचकांक की ओर गरीबी की पुनर्परिभाषा कल्याण प्राथमिकताओं को आधुनिक बनाने के लिए एक आवश्यक कदम है। लेकिन रंगराजन के पुरानी मानकों और MPI मापदंडों के बीच स्पष्टता की कमी इस प्रगति को विकृत करने का जोखिम उठाती है। बहुत कुछ इस पर निर्भर करता है कि राज्य स्तर की सरकारें MPI डेटा का प्रभावी ढंग से उपयोग करके अधिकारिता की गणनाओं को कैसे बदलती हैं। सबूत बहुत मिश्रित हैं कि जीत की घोषणा की जा सके।

आखिरकार, गरीबी को मापना केवल एक नौकरशाही अभ्यास नहीं है—यह बजट को आकार देता है, कल्याण को पुनर्निर्देशित करता है, और राजनीतिक विमर्श को ढालता है। आज जो अधिक महत्वपूर्ण है, वह यह नहीं है कि ग्रामीण गरीबी रेखा ₹972 है या ₹1,700, बल्कि यह है कि क्या वह ₹972 स्वास्थ्य देखभाल, स्वच्छता और शिक्षा तक पहुंच में परिवर्तित हो सकता है। यदि मेक्सिको से हमें कुछ सिखाता है, तो वह यह है कि डेटा एकीकरण और संस्थागत सामंजस्य आने वाले दशक में निर्णायक कारक होंगे।

मुख्य प्रश्न

भारत के बहुआयामी गरीबी सूचकांक को अपनाने का समालोचनात्मक मूल्यांकन करें कि क्या यह आय आधारित गरीबी रेखाओं की संरचनात्मक सीमाओं को पूरी तरह से संबोधित करता है। इस बदलाव का राज्य स्तर पर कल्याण कार्यक्रमों के लक्ष्यीकरण पर कितना प्रभाव पड़ा है?