随着精准扶贫政策的实施,2021年绝对贫困的消除并不意味着扶贫工作的结束,我国相对贫困现状仍然存在,此类问题的解决除了需要对贫困人口进行识别,还要了解不同地区的贫困状况,因此对城乡间不同区域进行测度和影响因素分析尤为重要,只有这样才能做到精准扶贫。基于此,本文以家庭为单位进行多维贫困测度并对多维贫困的影响因素进行分析,希望研究结果对提高我国扶贫效率和改善贫困现状有一定的贡献。本文通过梳理多维贫困的内涵、测度方法以及影响因素,并结合我国贫困发展现状及国际多维贫困测度体系,来构建我国家庭多维贫困测度体系。同时运用2010—2018年中国家庭追踪调查（China Family Panel Studies,以下简称CFPS）数据对我国家庭多维贫困状况进行“A-F”测度分析,在此基础上采用Logistic模型对多维贫困影响因素进行分析。第一,多维贫困测度分析。首先,从教育、健康、生活水平、收入和主观福利五个维度选取13个指标构建多维贫困测度体系,设定指标临界值与权重,对不同地区进行单维度贫困识别,结果显示,健康维度和生活水平维度被剥夺程度较高;其次,运用“A-F”方法识别多维贫困家庭,并构建多维贫困指数,研究表明在临界值30%的情况下,不同地区的贫困状况并不相同,从2010年到2018年农村地区的多维贫困指数最大,基于多维贫困指数反映多维贫困的广度和深度说明农村地区的多维贫困状况较为严峻;最后,将多维贫困指数的贡献率按区域、维度和指标进行分解。按区域分解研究结果表明:（1）同一维度下各地区对总体多维贫困指数的贡献率不同,西部和中部地区对总体多维贫困指数贡献率偏高,2018年它们的贡献率分别为32.0%和30.4%,而东部地区的贡献率最低。（2）同一地区在不同贫困维度下的贡献率不同,西部和中部的贡献率呈上升趋势,东部和东北部呈下降趋势。按维度和指标分解研究结果表明:（1）生活水平指标的贡献率最高,而主观福利的贡献率呈现明显的下降趋势。（2）同一维度下各指标贡献率不同,家庭恩格尔系数、受教育年限和做饭燃料对多维贫困的贡献率最高。第二,多维贫困的影响因素研究。本文建立Logistic回归模型对此进行研究,将家庭是否多维贫困作为被解释变量,解释变量选择户主特征、家庭特征和制度特征三个层面的指标。根据研究结果来看:（1）在个体特征方面,性别、年龄、婚姻状况很大程度上影响家庭多维贫困,患病情况对家庭多维贫困影响较小,就业状况对家庭多维贫困无显著性影响。其中,年龄、婚姻状况、患病情况、就业情况均与家庭多维贫困呈显著正向关系,性别与家庭多维贫困呈显著负向关系,与预期相一致。（2）在家庭特征方面,65岁及以上老人数、0-16岁子女数和借贷情况对家庭多维贫困具有显著的正向影响,说明65岁以上老人数越多、0-16岁子女数越多以及借贷情况越严重,家庭更易陷入多维贫困状态。除此之外,人口规模并没有对家庭是否陷入多维贫困起显著性的作用。（3）在制度特征方面,户籍制度与多维贫困呈显著的负相关,表明农村户口的家庭比城市户口的家庭更易陷入多维贫困状态。（4）在城乡对比方面,无论是城镇还是农村,户主性别、婚姻状况、家庭65岁以上老人数、0-16岁子女数均对家庭多维贫困影响显著,且城镇和农村的在这些变量上的影响方向一致,但65岁以上的老人数对于城镇家庭多维贫困状况影响更大,0-16岁子女数对农村家庭多维贫困状况影响更大。除此之外,在农村中,人口规模、借贷情况、户籍制度也对家庭多维贫困影响显著,因此,通过致贫因素数量对比来看,农村家庭比城镇家庭某些程度上更易发生多维贫困。最后,本文基于测度分析和影响因素的研究结果,从政府和居民两个层面提出相对应的建议:政府相关政策的制定应该从致贫因素的角度出发,尤其是在教育、健康和生活水平等方面需要多加关注,西部和农村仍是扶贫的重要地区;居民应该增强学习能力,提高受教育程度,开阔发家致富的眼界,只有这样才能从根本上解决多维贫困问题。