精準識別視角下產業扶貧效果評估

王立劍+葉小剛+陳杰

摘要 產業扶貧是實現農村貧困戶徹底脫貧的根本途徑，但是鮮有研究對產業扶貧效果進行準確估計。本文首先借鑒國際多維貧困指數評價方法及相關研究文獻，從經濟狀況、生活水準以及精神依賴三個維度構建產業扶貧結果變量指標體系，測量產業扶貧效果；借鑒SPO理論與RHB模型，從個人因素、精準識別以及配套措施三個方面提出產業扶貧效果協變量指標體系，用以測量選擇性偏倚。其次，按照建立傾向得分概率模型、均衡性評價、處理效應估計以及敏感性分析的標準程序處理陜西省貧困調查數據。研究發現，陜西省產業扶貧總體效果有限，且該結論得到不同匹配方法的驗證，均衡性較好，研究結果不敏感。具體而言，陜西省產業扶貧效果在一對一匹配下，人均年增收1 510.04元；產業扶貧對農村貧困戶生活水準提升沒有顯著效果，對精神依賴改善同樣沒有顯著效果；貧窮系數、勞動能力、技能培訓、產業適應性以及基礎設施狀況是影響貧困戶參與產業扶貧的六個顯著因素?，F行產業扶貧難以覆蓋極端貧窮的貧困戶，家庭勞動能力強的貧困戶更傾向于參加產業扶貧，接受技能培訓的貧困戶更傾向于參加產業扶貧，得到金融支持的貧困戶更傾向于參加產業扶貧，基礎設施不完善的村莊貧困戶更傾向于參加產業扶貧；相較于產業適應性強的地區，產業適應性一般地區的貧困戶更少參與產業扶貧?；谏鲜鲅芯拷Y果，本文提出調整扶貧貸款政策，關注底層貧困戶；突破原材料供給扶貧方式，構建扶貧產業精準識別體系以及建立貧困戶與企業利益聯結機制等對策建議。

關鍵詞 精準識別；產業扶貧；效果評估；傾向得分匹配

中圖分類號 C979

文獻標識碼 A文章編號 1002-2104（2018）01-0113-11DOI：10.12062/cpre.20170619

依靠產業扶貧實現3 000萬以上貧困人口脫貧，是“十三五”期間產業扶貧的重要任務。但是在產業扶貧的深入推進過程中，卻暴露出貧困戶受益機制不明確、只管引進不管銷售以及自然市場風險大等諸多問題。產業扶貧效果評估與提升成為確保2020年實現全面脫貧目標的當務之急。當前，各級政府與學術界對產業扶貧的作用已經達成共識，但是產業扶貧的效果究竟有多大，如何準確評估產業扶貧效果，仍然是研究的難點問題[1-2]?；诖?，本文通過處理產業扶貧過程中時間效應與系統差異，評估產業扶貧的“純效應”。

1 文獻綜述

目前，學術界已經積累了豐富的貧困研究成果，但是產業扶貧效果評估研究相對較少，相關研究主要集中在扶貧績效評估上。已有研究可以分為以下三類：一是對扶貧項目識別與參與等問題的分析[3-6]。汪三貴等[4]認為，政府主導的產業扶貧項目追求規模效益，制定的扶貧項目和群眾的需求脫節；鄧維杰[5]研究認為，許多受益于產業扶貧項目的主體沒有明確貧困戶受益機制安排，導致貧困農民參與產業扶貧的機會與程度受到擠壓。二是扶貧績效的影響因素及機理研究[7-9]。陳升等[7]研究精準扶貧績效時發現，扶貧對象精準、項目安排精準、資金使用精準以及措施到戶精準與因村派人精準是影響精準扶貧績效的核心要素；伍琴[9]在研究公共投資對扶貧的影響時提出，公共投資通過基礎設施建設、產業發展和社會事業發展三條相互交錯的路徑，對減貧發生顯著作用。三是扶貧績效的評估與測量[10-13]。Irz X等[11]從創造就業崗位、降低食品價格以及帶動農村相關產業發展三方面評估農業發展帶來的扶貧績效；莊天慧[12]從溫飽水平、生產生活條件、生態環境和發展能力四個方面評價西南少數民族反貧困綜合績效。上述三類研究，第一類主要是采取定性分析的方法，揭示扶貧過程存在的問題；第二類主要是定性描述和定量分析相結合，解釋各因素對扶貧績效的影響及機理；第三類主要是通過構建指標體系或模型，定量評估扶貧績效，采用的主要方法有數據包絡分析方法[14]、聯立方程法[15]以及非線性回歸[16]等。

已有研究對扶貧過程、扶貧影響因素以及扶貧績效評估等都做了深入分析，參考價值較大；但是，尚未發現有學者對產業扶貧效果進行定量的實證測算，特別是對貧困戶群體的系統性差異與時間效應重視不足，也沒有將產業扶貧效果作為獨立的單位進行評估，再加上現有分析扶貧績效的常用方法要求數據是面板數據或者跟蹤調查數據，收集難度大、成本高，亟需探索新的扶貧效果評估路徑。基于此，本文選用能夠利用截面數據，最大程度消除時間效應與系統性差異的傾向得分匹配法，評估產業扶貧效果；以國際多維貧困指數為基礎，構建產業扶貧效果指標體系；從SPO理論與RHB模型出發，構建個人因素、精準識別與配套措施協變量體系，搭建產業扶貧效果評估模型，并以陜西省三縣調查數據為基礎，實證測算陜西省產業扶貧效果，提出對策建議。

2 研究設計

2.1 傾向得分匹配法與反事實

在評估公共政策影響效果時，一般關心該項政策產生的凈效應[17]；但是，此類凈效應因兩種問題難以求得。一是選擇接受或不接受公共政策群體本身存在系統性差異，如果簡單地將接受與未接受政策干預的群體進行對比，得出的結論是有偏的。二是時間效應，隨著公共政策的實施，其他政策不斷滲透影響，必須將被評估政策的影響分離出來?！皟粜笨梢杂闷骄幚硇狝TT表示，ATT=E[YT|T=1，P（X）]-E[YC|T=0，P（X）]，T=1是個體接受政策干預狀態，T=0是個體沒有接受政策干預狀態。研究者通常只能得到個體在接受政策干預前或干預后兩種狀態下的一種效果，另一種狀態由于數據缺失無法得知，這就形成一種“反事實”估計。為了解決這一問題，學者將傾向得分匹配法引入社會科學領域，模擬自然狀態下試驗狀態，以求得公共政策實施效果的“凈效應”。

傾向得分匹配法是Rosenbaum 和 Rubin[18]于1983年首次在生物統計學領域提出的研究方法。他們對傾向得分匹配法定義是，個體在其自身特定屬性下接受某種干預的可能性。該方法創造了“準隨機”試驗。在實驗中，只要有兩個傾向得分相同的試驗對象分別分布在處理組與對照組，則可以認為接受干預可能性相同的兩個試驗對象被“隨機”分配到不同組[19]。endprint