什么樣的農戶更容易貧困※
——家庭結構視角下的多維貧困精準識別研究

高 明

一、 問題的提出

精準扶貧戰略的實施使國家貧困人口數量大幅度減少，據統計按現行國家農村貧困標準，即2011年價格水平每人每年2300元測算，全國農村貧困人口由2012年的9899萬人減少至2016年的4335萬人，累計減少5564萬人，平均每年減少1391萬人，絕對性貧困問題得到極大的緩解。與此同時，中國扶貧開發已進入啃硬骨頭、攻堅拔寨的沖刺期。中西部一些省(自治區、直轄市)貧困人口規模依然較大，剩下的貧困人口陷入深度性貧困狀態。深度性貧困屬于多維度貧困的長期沉淀，其致貧原因遠比一般性貧困更為復雜，減貧成本更高，脫貧難度更大(李小云，2017)。雖然貧困問題一直是眾多學者關注的重要領域，但準確認識貧困的特點和把握最新貧困狀況一直是一個難點。尤其是深度性貧困地區，由于整個地區的經濟社會發展相對落后，深度性貧困表現出不同規模的、群體性的福利缺失的狀態，而這種福利的缺失狀態體現在多個維度上，現有的貧困監測體系很難對其加以描述。2015年，國家出臺《中共中央關于打贏脫貧攻堅戰的決定》(以下簡稱《決定》)，通過《決定》可以看出，單一收入維度的貧困監測因其掩蓋了真正貧困群體的致貧原因和貧困家庭的異質性，已經不再適合中國深度性貧困地區的減貧實際需要，更為綜合的多維貧困測量在包括建檔立卡貧困人口識別、貧困農戶的脫貧監測中都需要得到更為廣泛的應用。

在國家通過建檔立卡的形式確定了貧困農戶、扶貧瞄準單位已經固化的情況下，當前的脫貧攻堅任務的重心應該聚焦于關注貧困群體的多維貧困特征，進而把握現有建檔立卡精準識別的主要依據。“家庭戶”是當前我國建檔立卡貧困識別的最小化瞄準單位，而農戶天然具有異質性，不同類型的農戶在貧困的廣度和深度上存在較大的差異。雖然學界對多維貧困的研究已經取得了較為豐盛的成果，但是鮮有研究從農戶家庭結構異質性視角，分析不同家庭結構農戶在多維貧困上的差異。本文基于大規模的微觀調查數據，對貧困地區不同類型家庭的多維貧困狀況進行深入分析，試圖回答以下問題，即什么樣的家庭更容易陷入多維貧困？不同結構家庭有著怎樣的多維貧困特征？以期能夠深化多維貧困識別理論研究，并依此提出有針對性的多元化減貧發展建議。

二、 文獻綜述

1. 多維貧困與識別

多維貧困的概念來源于阿瑪蒂亞·森，他認為貧困不僅表現為收入的貧困，也包括飲用水、道路、衛生設施等其他指標的貧困(Sen,1985)。此外，森還認為貧困測量指數的構建應具有一定的數學基礎，后來演變為要求具有測量方法的公理性。公理性主要是指貧困測量指數應該滿足的公理化的基本準則，主要有焦點性公理、單調性公理、轉移性公理、敏感性公理和連續性公理。早期大部分公理性指數具有測量的一般性、嚴謹性等特點，但是也具有操作的復雜性，實用性較弱的劣勢(Nolan et al,2007)。為了解決多維貧困測量的實用性問題，一種集貧困識別、加總和分解于一體的方法，也被稱為A-F計數測量法被開發出來。該方法既滿足了測量公理性的要求，也具有較強的現實和技術方面的可操作性，在世界范圍內得到大量使用(Dewilde,2004；Alkire et al,2011)。

國內關于多維貧困的研究大多集中于近十年內，早期的研究大多處于探討階段(尚未平、姚智謀，2005；陳立中，2008)。總體來看，多維貧困研究中測量方法創新的研究較為少見，已有研究的差異主要體現在三個方面。首先是維度和指標的選取上面，維度和指標、以及各項指標的權重不同，所得到的多維貧困測量結果也有所差異(陳琦，2012；王小林、Alkire，2009)。幾年來，隨著國家提出了精準扶貧、精準脫貧戰略，關于多維貧困的研究更為豐富，形成了一批以A-F測量法為基礎的研究成果(高帥、畢潔穎，2016；郭建宇、吳國寶，2012)，這些研究的結論之一既是選擇不同的指標和權重會對多維貧困測量結果產生重大影響。其次，國內現有的有關多維貧困的研究所使用的數據來源比較單一，并且具有一定的時間滯后性和空間覆蓋上的泛化。因關注的福利維度不同，學者們所選擇的指標也各不相同。其中大部分指標來源于國際標準，其特點是綜合考量了城鄉、尤其是城市貧民的貧困狀況。但是，實際上中國絕大部分的貧困群體集中在連片特困地區，從空間分布情況來看，大部分研究根據指標的需要往往側重于城鄉并重對多維貧困進行判斷，從而不能完全體現中國貧困地區的貧困特征和脫貧要求。針對中國的貧困群體，尤其是貧困地區建檔立卡貧困戶的數據和研究還非常少。最后，目前已有的多維貧困測度研究主要側重于從宏觀角度認識全國性的貧困差異，缺乏從微觀層面對貧困家庭的深入分析。

2. 農戶家庭結構異質性與貧困的關系

農戶異質性是一個較為寬泛的概念，具體而言可從兩種類型加以區分，一類是基于農戶家庭層面的差異，如家庭物質資產、社會資本、家庭結構等；一類是基于農戶個體差異而延伸的，如受教育水平、性別、年齡等。一直以來農戶異質性是國內外學界分析貧困成因的重要依據，并在微觀層面取得了大量研究成果。如Lopez R等(2000)對南美洲農村地區的貧困進行研究發現，受教育水平、家庭人口數量和可獲得的土地對農村貧困有顯著的影響。此外，也有研究發現不同的社會資本、鄰里關系對農戶的資產增加有著顯著的作用，越是貧窮的地區，農戶家庭財富增長越慢(Jalan et al,2002)。實際上，家庭戶作為當前我國扶貧瞄準的最小單位，也是減貧政策受益的最終目標，從家庭層面的差異分析不同類型家庭的貧困狀況更符合中國減貧的實際需要。但是通常情況中用于分析貧富差異的農戶異質性主要指的是農戶之間要素稟賦的差異，如農戶家庭性別比、平均受教育水平、家庭勞動力數量、社會資本等差別對收入、信貸和貧困的影響(楊龍等，2013；蔣輝、劉兆陽，2016；Alkier et al,2014；賀立龍、黃科，2017)。而從農戶家庭結構分析不同農戶之間的貧富差異的文獻還較為少見。

本文所提出的家庭結構是指基于代際視角的農戶家庭的原生結構狀態。林閩鋼等(2014)按照貧困家庭面臨的困難對不同家庭進行分類，重點分析了貧困家庭的社會服務需求及其服務供給問題。王金營等(2013)按照家庭人口組成情況，將農戶家庭分為純老人戶、留守婦女家庭和隔代家庭三類，并比較了不同類型家庭的貧困發生率。郭熙保等(2016)也通過家庭人口規模對不同類型家庭的貧困狀況進行了研究。但是以上研究的結論往往都停留在判斷家庭老人人口數量、子女數量與貧困的關系上，忽視了農戶家庭原生結構對多維貧困的影響。事實上，貧困家庭作為一個有機整體，人為地對家庭結構進行分割反倒可能使貧困家庭的貧困狀況變得模糊和不準確。因此，從家庭結構異質性視角考察家庭多維貧困的致貧原因不僅具有重要的理論意義，而且有助于制定出更具針對性的反貧困政策。

綜上所述，與現有文獻相比較，本文的貢獻主要在于：第一，研究分析的數據來源上，采用的是2016年貧困縣市的抽樣調查數據，包含大量建檔立卡貧困戶，能夠更為真實地反映貧困地區的多維貧困狀況；第二，多維貧困指數方面，采用修正的A-F多維貧困測量方法，使用了適用貧困地區的多維監測指標體系；第三，研究的實證分析方面，通過多維貧困指數的構建和Logit模型的建立，創新性地將家庭結構異質性引入不同結構家庭的多維貧困分析之中。需要說明的是，在進行Logit分析時，本文只使用了一個解釋變量，這主要是因為二值被解釋變量(是否為多維貧困)本身已經是一個由多種維度解釋變量解釋的結果，如果再次引入多個解釋變量容易導致變量之間的內生性問題。

三、 數據及研究設計

1. 數據來源

本文使用的是2016年全國農科學子助力精準扶貧活動的調研數據。本次調研采用隨機抽樣的方式，在全國21個省市選擇了89個貧困縣市共191個貧困村。每個村莊選擇25戶農戶，采用問答式問卷訪談的方法收集農戶數據，經過清理共獲得有效問卷3101份。本次調查聚焦于貧困地區的建檔立卡貧困戶，為了使分析結果具有可比較性，實際調查和分析中也包含了貧困村中的非建檔立卡戶。其中，建檔立卡貧困戶1729戶，占有效問卷總量的55.8%；非建檔立卡戶1372戶，占比44.2%。與已有研究所使用數據相比，本文的數據能夠更好地反映貧困地區建檔立卡貧困戶的生活水平和住戶特征。

2. 多維貧困測量方法及指標的選取

本文基于現實和技術雙方面的考量，采用修正的A-F方法來進行中國農村多維貧困狀況的測算。修正的A-F多維貧困測量法包含三個基本步驟：選擇指標空間、確認貧困人口、匯總和分解貧困信息。這其中最為重要的是貧困人口確認，具體來說，這一步驟又可分為六個部分：一是定義一組指標；二是設定每項指標的剝奪閾值；三是就每一項指標為個體賦予二進制剝奪積分，其中“1”定為受剝奪，“0”定為不受剝奪；四是為每一項指標設定權重值；五是計算剝奪加權得分；六是設置貧困閾值，個體的加權剝奪得分高于或等于閾值，則判定為貧困。實際上，不同指標對農戶的福利影響程度不同，按照中國新一輪脫貧要求“兩不愁，三保障”來看，部分關鍵性指標變量是當前中國多維貧困應該關注的重點，這也要求我們在設計多維貧困測量指數時，應采用不同權重賦值的方式。因此，本文采用指標不同權重的設計思路計算多維貧困指數。

在指標的選取上，本文的貧困維度與指數的選取，主要參考了國際上通用的多維貧困指數(MPI)。同時，結合國內外現有的研究基礎，參考不同文獻中多維貧困指標體系，在符合聯合國可持續發展目標(SDGs)的基礎上,結合中國當前貧困現狀和數據可獲得性等因素，綜合考慮后選取了收入、教育、健康、生活水平、資產共5個維度10項指標。其中需要指出的是，此次調研的地區全部為貧困縣貧困村，農戶受教育水平普遍都不高，因此人均受教育年限的閾值設定為6年而不是9年。另外，生產性資產指標閾值的設定結合了數據特征并參考了王小林所提出的多維貧困指數(王小林等，2017)。(見表1)

3. Logistic回歸模型的設定

本次研究的實證分析主要分為兩部分，第一部分是通過多維貧困指數的建立確定多維貧困戶，第二部分則驗證不同家庭結構農戶的多維貧困狀況及其多維貧困對比情況。因此，對于第二部分的實證分析，研究將利用多維貧困測量結果，在給定的貧困閾值條件下，對是否陷入多維貧困進行二項賦值。為了分析不同類型家庭多維貧困的差異，我們引入了Logistic回歸模型，其中被解釋變量為家庭的多維貧困狀態(貧困= 1，不貧困= 0)。按照代際結構差異將家庭類型分為7類，分別為單身或夫婦、夫婦與一個孩子、夫婦與兩個孩子、夫婦與三個孩子及以上、單親與孩子、三代同堂、四代同堂。將其轉換成為虛擬變量，再進行Logistic回歸。

表1 多維貧困維度和指標設定

資料來源：作者自制

四、 實證結果分析

1. 農戶多維貧困測度

多維貧困指數的測度與個體被剝奪得分臨界值的設定有關，不同得分臨界值所對應的指數結果也不同。目前，國際上對于臨界值K的取值沒有統一的標準，根據聯合國MPI指數的建議，通常將K=30%設定為臨界值，也就是被剝奪得分大于或等于0.3的個體認定為多維貧困。利用2016年的調查數據，本文估算了中國農村深度性貧困地區的多維貧困指數。因調查樣本全部來源于貧困村，與其他研究相比，本文估算獲得的多維貧困指數以及貧困發生率都偏高。根據表2可知，當K值為0.3時，貧困地區多維貧困發生率為66.4%，多維貧困指數為0.336。這表明盡管國家實施了更大力度的精準扶貧戰略并取得了顯著的脫貧成績，但是深度貧困地區的貧困情況依然嚴峻。(見表2)

表2 多維貧困指數和貧困發生率(K=0.3)

根據多維貧困得分大于或等于0.3認定為多維貧困戶的設定，我們對陷入多維貧困的家庭按照不同家庭結構類型進一步做出了描述性統計。根據表3可知，全部樣本中多維貧困戶數為2058戶，其中建檔立卡戶為1349戶，建檔立卡戶占全部樣本建檔立卡戶的比重為78%。這說明從多維角度來看，存在22%的建檔立卡戶并不是多維貧困戶但依然被納入了建檔立卡范疇，當前建檔立卡的識別過程存在一定程度的偏差和錯漏。從農戶不同家庭結構類型來看，家庭結構為四代同堂、單親與孩子、單身或夫婦的農戶的貧困發生率要遠高于平均水平；家庭結構為三代同堂的農戶，其貧困發生率與平均水平接近；家中有孩子的二代家庭的貧困發生率要低于平均水平。這與目前已有的如郭熙保等(2016)研究發現家庭人口規模和子女數與長期多維貧困呈正向關系，家中65歲及以上老人數量與長期多維貧困發生率呈負相關的研究結論存在一定的差異。(見表3)

2. 不同類型農戶多維貧困的Logistic模型分析

基于上述描述性統計分析，通過對數據進行對比觀察，我們可以提出一些基本的假設：

假設一：相對于其他類型農戶而言，家庭結構為單身或夫婦、單親與孩子、四代同堂的農戶更容易陷入多維貧困；

假設二：子女數量越多，家庭越容易陷入多維貧困。

我們使用SPSS21.0軟件對處理后的數據進行Logistic回歸分析，因為解釋變量各個類別之間是非等距的，需要將其轉變為虛擬變量，我們假設第一種類型的農戶(單身或夫婦)作為參照類別，進而分析各類別變量對被解釋變量平均貢獻的差異。在具體計算各虛擬變量的β值前，需要先對Logistic模型進行檢驗。表4顯示了采用方法為向前步進策略時回歸方程顯著性檢驗的總體情況，可以發現，步驟1所選擇變量均進入方程，似然比卡方的觀測值為125.104，概率p值為0.000。在顯著性水平α為0.05時，由于概率p值小于顯著性水平α，應拒絕原假設，認為所有回歸系數不同時為0，解釋變量的全體與Logit P之間的線性關系顯著，采用該模型是合理的。此外，Hosmer-Lemeshow統計量的概率p值遠大于顯著性水平α，因此不應拒絕原假設，認為由樣本實際值得到的分布與由預測值得到的分布無顯著差異，模型的擬合優度較好。從模型的預測類別圖也可以發現，模型的預測效果較為理想。這說明，使用該模型分析是否多維貧困戶與家庭結構之間的關系是非常恰當的。(見表4)

表3 不同家庭結構農戶的多維貧困發生率(K=0.3)

表4 模型系數的綜合檢驗

根據二元Logistic回歸結果(表5)可以看出，相對于單身或夫婦結構家庭而言，四代同堂結構的家庭使Logit P平均增長了0.205個單位，其他幾類家庭在不同程度上為負數減少。結合優勢發生比可知，四代同堂家庭陷入貧困的概率是單身或夫婦家庭的1.227倍。與此同時，家庭結構為單親與孩子的農戶的β值為-0.059，優勢比為0.943，可以判斷相對于單身或夫婦家庭而言，二者陷入多維貧困的幾率差異不明顯。家庭結構為夫婦與一個孩子的農戶的回歸方程系數為-1.078，其優勢是單身或夫婦家庭的0.34 倍，這說明相對于單身或夫婦結構家庭而言，夫婦與一個孩子組成的家庭最不容易陷入多維貧困。(見表5)

表5 不同結構家庭多維貧困的Logistic回歸

a. 在步驟1中輸入的變量: 家庭結構。

由此，我們可以根據不同類型家庭相對于單身或夫婦家庭的優勢比將各類型家庭陷入多維貧困的難易程度進行排名。參考類型為單身或夫婦家庭，各家庭陷入多維貧困的概率大小依次為：四代同堂>單身或夫婦>單親與孩子>三代同堂>夫婦與三個孩子>夫婦與兩個孩子>夫婦與一個孩子。從而驗證了文章所提出的第一個假設，即相對于其他類型農戶而言，家庭結構為單身或夫婦、單親與孩子、四代同堂的農戶更容易陷入多維貧困。出現以上研究結果的可能原因是，首先，本次調研是以戶為基本單位進行統計分析，在我國的傳統文化中，子女長大成人或結婚之后通常是會與父母分家單獨重新分戶。青壯年勞動力大多集中于夫婦與孩子組成的二代結構家庭中，單身或夫婦結構的家庭通常是由單身、老年夫婦為主，這些家庭缺乏勞動力，并大多留守貧困地區無法通過勞動力轉移的形式增加收入。其次，單親與孩子組成的家庭因為子女教育和養育成本較高，再加上父母為單親意味著家庭創收能力較差。家中子女數量越多，家庭在子女養育和教育上的剛性支出也會更多，這使家庭累積資本進行擴大再生產的可能性變小，從而無法增加收入，陷入多維貧困的概率也就更大。比較有意思的是分析發現四世同堂的家庭陷入多維貧困的概率最高，可能的原因是這類家庭是真正嚴格意義上的“上有老，下有小”，家庭需要將更多的支出用于老人和子女。而家庭一直沒有分戶實際上在一定程度上說明了該家庭在長期內沒有累積足夠的資產用于子女分戶，也因此四世同堂結構家庭的貧困狀態更可能是長期性和深度性的。

但是以上結論并不足以支持假設二的成立。根據分析結果，二代結構家庭中，子女數量越多，家庭越容易陷入多維貧困，但是其差異并不明顯。而相對于另外四類家庭，即便二代結構家庭中擁有三個及以上的子女，其家庭陷入多維貧困的可能性依然較小。可能的原因是，一方面經過改革開放和國家大規模扶貧開發支持，農村地區經濟社會發展變化巨大，當前能夠生育更多子女的家庭往往也具備更為雄厚的經濟基礎；另一方面，國家基礎教育的改革和普及極大地減少了農村地區家庭的教育成本，子女的撫養費用進一步降低，從而使家庭有更多的能力應對貧困沖擊。

3. 不同結構類型家庭的多維貧困分解

為了驗證上述推論，進而對識別出的貧困戶的多維貧困特征做出判斷，接下來需要對多維貧困指數按指標和農戶類別進行分解。(見表6)

根據分解結果可以發現，多維貧困指數值的大小排比中，四世同堂、單親及子女、單身或夫婦結構的家庭的M0值要遠高于其他類型農戶，這進一步驗證了我們所提出的假設一。盡管單親及孩子構成的家庭的貧困發生率低于單身或夫婦結構家庭，但是由于前者多維貧困剝奪強度高，導致其多維貧困指數要高于后者，這個結果反映的是不同類型家庭多維貧困深度的差異，與上文中得出的單身或夫婦家庭比單親家庭更容易陷入多維貧困的結論并不沖突。

表6 不同家庭結構類型農戶的多維貧困特征(K=30%)

橫向比較多維貧困的維度和指標分解結果，可以發現，首先，教育維度貧困是導致所有類型家庭貧困的最重要因素，其中四世同堂、單身或夫婦結構家庭的教育維度指標貢獻率要高于其他類型農戶。可能的原因是，以上兩種類型家庭含有老人數量較多，整體受教育水平偏低。需要說明的是，本次研究中教育維度的指標反映的是當前貧困家庭勞動力存量的受教育水平，不包含正在入學的18周歲以下子女的受教育情況。其次，不同類型家庭生產性資產貧困狀況都很嚴重。這說明，從脫貧攻堅的中長期來看，農村地區的貧困狀況更多地表現為資產缺失的問題。解決了溫飽和住房問題的農戶在受教育水平低下和生產性資產匱乏的條件限制下，沒有能力進一步提高生活質量。

最后，通過比較各維度指標貢獻率最大值發現，四世同堂家庭收入維度的指標貢獻率要高于其他類型家庭，四世同堂及單親結構家庭的住房指標貢獻率要高于其他類型家庭，單身或夫婦家庭在飲用水、耐用品兩項指標的貢獻率要高于其他類型家庭。這可能是由于四世同堂家庭人口數量較多，消解了家庭收入。單身或夫婦、單親家庭缺乏積累，無法購買清潔能源及更多的耐用品改善家庭生活水平。上述結果論證了當前我國農村地區推行的易地搬遷政策的必要性，同時也意味著需要對特殊類型家庭在衛生設施、飲用水和生活用燃料等方面提供更多的基礎性幫扶支持。此外，樣本中其他類型農戶的健康狀況、醫療保險指標貢獻率分別為10.8%、5.4%，略高于前述三種類型家庭。可能的原因是，農戶疾病風險防范意識還較為薄弱，沒有疾病發生的農戶家庭往往會存有僥幸心理而選擇不購買醫療保險。根據我們入村調研發現，貧困地區農戶為了節省開支，往往只會為家中生病病人交納保費，在普遍貧困的環境中，非貧困農戶家中也可能存在未參保人員，這種情況反過來可能使家庭因未知的疾病風險而陷入多維貧困。

五、 結論與啟示

本文根據修正的FGT多維貧困測算法，使用2016年貧困村入戶調研數據，估算了當前中國貧困地區的多維貧困狀況，并使用Logistic模型對不同結構家庭的多維貧困發生率的差異進行了驗證。同時，按照家庭結構和指標進行分解，重點研究了不同類型農戶的多維貧困差異。研究的結論主要有以下幾點。

首先，貧困地區的多維貧困發生率和多維貧困指數較高。當K值為30%時，全部樣本的貧困發生率為66.2%，多維貧困指數為0.336。在所有的多維貧困戶中，建檔立卡戶占比為65.5%，占全部樣本建檔立卡戶的比重為78%。同時，非建檔立卡戶占所測量多維貧困戶數比例為34.5%。這說明從多維角度來看，存在22%的建檔立卡戶并不是多維貧困戶但依然被納入了建檔立卡范疇，非建檔立卡戶的多維貧困發生率也很高，當前建檔立卡的識別過程存在一定程度的偏差和錯漏。未來的精準脫貧戰略需要注意對貧困戶進行多維識別和動態調整，促進國家的減貧政策惠及更多的窮人。

其次，分家庭類型的多維貧困發生率差異回歸結果顯示，家庭結構特征對農戶多維貧困有顯著影響。相對于其他類型農戶而言，家庭結構為單身或夫婦、單親與孩子、四代同堂的農戶更容易陷入多維貧困。不同結構家庭陷入多維貧困的難易程度排比中：四代同堂>單身或夫婦>單親與孩子>三代同堂>夫婦與三個孩子>夫婦與兩個孩子>夫婦與一個孩子。而從反映貧困深度的多維貧困指數大小來看，四代同堂>單親與孩子>單身或夫婦>其他類型家庭。這給我們的政策啟示是，“家庭戶”作為最終的扶貧瞄準單位，需要從家庭結構類型的角度認清不同農戶在多維貧困的深度和廣度上的差異。當前的精準扶貧戰略和深度性貧困地區多維貧困監測，應重點關注家庭結構為四代同堂、單親與孩子、單身或夫婦結構的家庭。子女數量與家庭是否多維貧困的關系并不顯著，這說明，當前我國農村貧困的特征已經發生改變。“教育致貧”更多的是因為現有勞動力的受教育水平低下，從而無法擴大家庭收入來源，并不意味著家庭子女越多產生了更多的教育費用致使家庭更容易陷入多維貧困。

最后，不同類型農戶在多維貧困的指標貢獻率上存在一定的差異。研究發現，成人受教育水平、人均年純收入、生產性資產和健康狀況是各類型家庭陷入多維貧困的主要貢獻因素。不難看出，家庭多維貧困是多因素綜合的結果，而且非貨幣性指標對貧困的影響突出。對我國的扶貧工作來說，未來的扶貧政策需要開發基于提高農戶資產水平的減貧措施增加農戶收入，促使農戶跳出低水平貧困陷阱；現存勞動力的教育貧困問題在短期內需要通過技能培訓、職業教育等手段加以解決，而長期來看，則需要加大貧困地區的基礎教育投入，實施貧困家庭子女免費上學制度，阻斷教育貧困的代際傳遞；此外，應加大農村醫療衛生設施投入力度和改革現有醫療衛生體制，著力解決貧困家庭看病難、看病貴、醫療保險匱乏等問題。與此同時，根據研究結果可以看出，四世同堂、單親及子女家庭在住房指標上的貢獻率要高于其他類型農戶，未來的住房補貼政策需要更多地向這些貧困家庭傾斜。單身或夫婦家庭在飲用水及耐用品兩指標的貢獻率遠大于其他類型家庭，單親家庭在生活用主要燃料指標的貢獻率也很突出。針對這部分家庭政府除了需要在衛生設施、飲用水和清潔能源等方面提供普惠式的幫扶支持，同時應注重開發多樣性的資產收益型的現金轉移支付等兜底政策。

1. Alkire S, and B. Housseini. Multidimensional poverty in Sub-saharan Africa: Levels and trends.OPHIWorkingPaper, 2014(81):1-25.

2. Alkire S, and J. Foster. Counting and multidimensional poverty measurement.Journalofpubliceconomics，2011,95(7-8):476-487.

3. Dewilde C.The multidimensional measurement of poverty in Belgium and Britain: A categorical approach.SocialIndicatorsResearch，2004,68(3):331-369.

4. Jalan J,and M. Ravallion. Geographic poverty traps? A micro model of consumption growth in rural China.Journalofappliedeconometrics，2002,17(4):329-346.

5. Lopez R, and A. Valdes. Fighting rural poverty in Latin America: New evidence of the effects of education, demographics, and access to land.Economicdevelopmentandculturalchange, 2000,49(1):197-211.

6. Nolan B, and C. Whelan. On the multidimensionality of poverty and social exclusion//JENKINS S. Inequality and Poverty Re-Examined. Oxford:OxfordUniversityPress, 2007:146-163.

7. Sen A. Commodities and Capabilities. Oxford U.K.:OxfordUniversityPress, 1985:26-33.

8. 陳立中：《轉型時期我國多維度貧困測算及其分解》，《經濟評論》2008年第5期。

9. 陳琦：《連片特困地區農村貧困的多維測量及政策意涵：以武陵山片區為》，《四川師范大學學報》2012年第3期。

10. 高帥、畢潔穎：《農村人口動態多維貧困：狀態持續與轉變》，《中國人口·資源與環境》2016年第2期。

11. 郭建宇、吳國寶：《基于不同指標及權重選擇的多維貧困測量—以山西省貧困縣為例》，《中國農村經濟》2012年第2期。

12. 郭熙保、周強：《長期多維貧困、不平等與致貧因素》，《經濟研究》2016年第6期。

13. 賀立龍、黃科：《信貸扶貧的精準性:農戶視角的實證考察》，《現代經濟探討》2017年第6期。

14. 蔣輝、劉兆陽：《農戶異質性對貧困地區特色農業經營收入的影響研究—微觀農戶數據的檢驗》，《貴州社會科學》2016年第8期。

15. 李小云：《把深度性貧困的治理作為精準扶貧的重中之重》，《老區建設》2017年第7期。

16. 林閩鋼、梁譽、劉璐嬋：《中國貧困家庭類型、需求和服務支持研究—基于“中國城鄉困難家庭社會政策支持系統建設”項目的調查》，《天津行政學院學報》2014年第3期。

17. 尚未平、姚智謀：《多維貧困測度方法研究》，《財經研究》2005年第12期。

18. 王金營、李競博：《連片貧困地區農村家庭貧困測度及其致貧原因分析—以燕山一太行山和黑龍港地區為例》，《中國人口科學》2013年第4期。

19. 王小林主編：《貧困測量：理論與方法》，北京市社會科學文獻出版社2017年版。

20. 王小林、S. Alkire：《中國多維貧困測量：估計和政策含義》，《中國農村經濟》2009年第12期。

21. 楊龍、汪三貴、支婷婷：《貧困地區農戶的波動性風險和脆弱性分解—基于四省農戶調查的面板數據》，《貴州社會科學》2013年第7期。