欧盟统计局10月16日公布的区域数据，把一个经常被宏观增长率掩盖的问题放回视野：2025年欧盟约有9270万人处于“贫困或社会排斥风险”状态，占总人口20.9%。这个指标不是已经陷入绝对贫困的人数，也不是失业人数。它综合反映相对收入贫困、严重物质与社会匮乏，或居住在劳动参与程度很低家庭等风险条件。即便欧盟总体经济继续增长，一个地区的住房成本、收入分配与工作机会仍可能让很多人无法分享增长成果。

区域差异比欧盟平均值更明显。在有数据的243个二级统计区域中，有24个地区的风险比例至少达到31.5%；另有24个地区低于13.0%。最高的是法属圭亚那，达到54.8%。意大利南部的卡拉布里亚和西西里分别为45.3%、44.0%；西班牙梅利利亚、法属留尼汪也处于较高水平。若只展示“欧盟平均20.9%”，读者很难意识到不同地区居民面对的是截然不同的收入与公共服务条件。

为什么同一个经济体内会出现如此大的落差

风险指标对就业机会敏感，但并不只由就业决定。一个家庭即使有人工作，也可能因为工资偏低、临时合同多、家庭抚养负担重而缺乏足够的可支配资源；相反，某些经济活动不算特别活跃的地区，也可能借助社会保障和公共服务降低物质匮乏。生活成本、住房供应、交通、教育和医疗资源，都会改变名义收入能够换来的实际生活水平。因此，不能从一张区域地图直接推断“哪个地方居民更努力”或“哪个政府政策必然失败”。需要把就业、收入、物价与家庭结构一起分析。

欧盟统计局采用NUTS二级区域进行比较，这种划分有利于跨国观察，但同一级区域的人口规模和地理特点并不完全相同。外围地区与首都圈、岛屿与大陆工业区的经济结构差别很大。法属圭亚那的高比例不能当作法国本土所有地区的情况，布鲁塞尔首都地区的风险也不代表比利时全国平均。新闻写作里常见的错误是把局部极值当成国家整体，或以国家排名解释区域内部差距。地图应该是提出问题的起点，不是因果结论的终点。

低风险地区的分布同样值得关注。欧盟统计局提到，低于13%门槛的24个地区包括中东欧多个首都区域、意大利北部一些地区，以及比利时北部、奥地利等地区。这并不说明这些地方没有生活压力；13%以下仍意味着相当一部分居民面临风险。统计指标能够提示政策资源投向，却不能告诉我们每个家庭的困难形态。城市中住房价格高企与农村地区缺乏就业服务，都可能让相同风险率背后呈现不同的生活经验。

经济政策该如何使用这组数字

区域数据对于财政转移、职业培训、交通连接和社会服务布局有直接意义。若某地风险长期偏高，单纯给一次性补贴可能缓解眼前困难，却难以改变稳定工作不足、技能与岗位不匹配、儿童教育资源不足等结构问题。反过来，宏观增长向好也不应成为削减基层服务的理由，因为全国或欧盟层面的平均数可能掩盖少数地区持续被落下的现实。预算制定者需要同时看风险人数、风险率和公共服务覆盖面，避免把低人口地区与高人口地区简单等同。

这项数据对应的是2025年，而不是2026年10月当月的实时状况。欧盟统计局在报道中提醒，文章依据2026版区域年鉴，相关数据日后可能更新。它也说明10月17日是国际消除贫困日，发布时点有公共议题背景。报道时应坚持“2025年数据、2026年公布”的时间表述，不把旧年度观察写成当日突然恶化，更不能说欧盟已经有9270万人处于同一种贫困程度。

对投资市场或政策观察者而言，这类社会指标不如GDP和通胀那样直接引发利率交易，却影响消费韧性、地区财政压力和长期生产率。一个居民对未来缺乏确定性的地区，家庭往往更谨慎地消费和投资教育，企业也更难形成稳定的人才供给。但这种传导是长期而复杂的，不能由一张地图给出精确的增长预测。数据最扎实的结论是：欧洲社会风险的空间分布很不均匀，任何统一政策都需要面对地区执行的差异。

比较时还要记住两个口径。风险率与风险人数不是一回事：人口稀少的地区比例再高，受影响的绝对人数未必高于都市圈；两者决定不同的预算优先顺序。统计口径也只是“至少符合一项风险条件”，并非三项困难同时发生。公共讨论如果把所有对象描述为失业或无家可归，会让政策措施偏离实际需求。更成熟的做法，是把区域数据与年龄、家庭类型及住房负担交叉查看，找出真正需要支持的群体，并在下一轮发布中检验政策是否改善了结果。

来源：欧盟统计局，2026年10月16日《Regional divide in risk of poverty or social exclusion》：https://ec.europa.eu/eurostat/web/products-eurostat-news/w/edn-20261016-1