贫困、人口和污染是二十一世纪人类面临的三大问题,而贫困问题是其中最尖锐的问题,仍然困扰着大多数发展中国家甚至一些发达国家。改革开放三十多年,中国取得举世瞩目的经济成就,但贫困问题依然很严峻。对贫困问题的研究有助于让人们了解贫困产生原因、机制和动态,而研究贫困的首要工作是进行贫困指标测度,但是目前大多数国家和地区缺乏反映贫困的普查数据,而通过抽样调查等其它手段获取相关数据难度极大,因此数据缺失成为贫困指标测度的瓶颈。本文采用小域估计方法能够解决数据不足时的贫困指标测度问题。本文跟踪小域估计理论的最新研究成果,并将其用于数据不足、缺失甚至没有数据条件下的贫困指标测度。具体实证研究中,以中国贫困问题为研究对象,以阿马蒂亚·森的经典贫困理论为基础,结合FGT模型,运用小域估计方法估计非线性小域总体的贫困指标。为进一步对小域估计的估计结果进行评价,本文利用蒙特卡罗模拟和自举法计算了估计值的均方误差,并将其应用于中国贫困指标的随机模拟分析。借助模拟分析方法,贫困指标经验最优预测值在有偏性和均方误差方面表现良好。通过实证分析与模拟实验相结合的方法,本文得出如下的结论：(1)利用小域估计量和由“模拟”人口普查得到的辅助估计量可以减小贫困缺口的均方误差;(2)采用经验贝叶斯方法来估计小域里的贫困指标,采用自举的方法来获取均方误差的信值,结论显示经验贝叶斯方法要优于直接估计和ELL方法；(3)经验贝叶斯方法是一种基于设计和模型的方法,可被用于估计各种小域的数值(如贫困缺口).但经验贝叶斯很大程度上依赖干模型有效性,所以模型检验和选择尤为重要。本文的创新性工作主要体现在以下三个方面：1.研究了在数据很少、数据不全甚至没有数据情况下的贫困测度问题,运用小域估计对贫困指标进行测度。2.在没有普查数据的情况下,运用小域估计的方法,结合蒙特卡洛模拟实验和参数自举模拟作为辅助方法能够得到更加稳健的估计量。对贫困指标测度进行了改进,使得贫困指标测度更加准确,测量的误差范围更小3.运用小域估计方法对贫困指标进行测度,可以节省大量的人力物力,所以使得动态监测贫困问题成为可能。