什么引致了農村居民貧困風險

摘要：對貧困風險成因的分析有助于更具前瞻性地推進精準扶貧。采用CLDS數據測度了表征貧困風險的貧困脆弱性，采用基于R2的夏普里值分解法分析了引致因素及貢獻度，并運用Order Probit模型考察了貧困脆弱的轉換動因。研究發現，個體具備更高教育水平和社會資本、從事非農工作、遷移，以及家庭獲得融資都有助于降低貧困脆弱性，但父輩劣勢的代際傳遞會提升貧困脆弱性；個體在教育、非農就業以及健康方面的差異對貧困脆弱性貢獻最大；有9%和24%的個體分別經歷過持續性脆弱和暫時性脆弱，健康沖擊是導致轉換到（或持續陷入）貧困脆弱的重要原因。因此，系統性的扶貧策略需要在當前促進貧困群體的非農就業，并持續通過教育和健康扶貧來阻斷貧困陷阱。

關鍵詞：貧困風險；貧困脆弱性；夏普里值分解

文章編號：2095-5960（2018）01-0091-12；中圖分類號：F061.3；文獻標識碼：A

一、問題的提出

消除絕對貧困既是人類社會發展中要克服的難題，又是我國全面建設小康社會的底線目標。到2015年底我國仍有5575萬貧困人口，貧困發生率為5.7%①①數據來源：國家統計局《2015年國民經濟和社會發展統計公報》。 ，在推進實施精準扶貧方略、消除貧困存量的同時，還應該關注貧困風險，才能更具前瞻性地預防和消除貧困。世界銀行于2000年提出貧困脆弱性的概念，它是對家戶由于未知的不確定性而遭受未來貧困威脅大小的一種事先測度，使貧困的定義動態化，貧困脆弱性越高則意味著未來陷入貧困的風險概率越大。那么，教育、健康、非農就業、社會交往等關系貧困的重要變量，會對貧困脆弱性產生怎樣的影響？上述因素中誰對貧困脆弱性的貢獻度較大？貧困脆弱性的動態變遷又由什么引致？明晰該問題，不僅有助于系統性地明晰精準扶貧的政策抓手、制定出更具前瞻性的貧困消除和預防措施，而且有助于防止返貧現象的產生，不斷鞏固精準扶貧的成效，因而具有重要的研究意義。

早期研究大都以貧困發生率為研究對象，來考察引致絕對貧困的主要因素，既包括宏觀層面的經濟增長、金融發展、區位條件、產業結構等變量，又包括微觀層面的教育、健康、生產資本、家庭背景等因素。無論是宏觀層面的探討還是基于微觀樣本的分析，都取得了較為豐富的研究結論。近年來的相關實證研究，更關注微觀視角下貧困消除問題。相對于貧困發生率，貧困脆弱性則更進一步，它通過概率來預測家戶面對的未來各種風險，更深入地、動態地、前瞻性地刻畫了貧困。Chaudhuri等（2002）[1]、Zhang和Wan（2006）[2]將貧困脆弱性定義為家庭或個人因為不確定性沖擊而陷入貧困或無法擺脫貧困的概率。

基于中國的微觀數據，早期的代表性文獻來自于Zhang和Wan（2006）[2]，其在測度貧困脆弱性的基礎上，通過回歸研究發現外出務工和教育對農戶貧困脆弱性有重要影響。李麗和白雪梅（2010）[3]從CHNS整理出追蹤調查樣本，研究發現65歲以上組和小學組的貧困脆弱性最高。萬廣華等（2014）[4]從資產視角考察了貧困脆弱性差異的形成因素，其將資產劃分為生產性物質資本、人力資本、金融資本和社會資本，而正是因為它們之間的結構性差異，引致了個體間貧困脆弱性的不同。

上述文獻基于農戶視角探討了貧困脆弱性的引致原因，而近年相關研究則進一步從 “事件沖擊”和“政策效應”考察了對貧困脆弱性的影響。一是從健康視角考察對貧困脆弱性的沖擊。黃瀟（2013）[5]基于CHNS數據的研究發現，居民健康水平的惡化會使其面臨更高的貧困脆弱性，居民健康水平每下降10%，貧困脆弱性大約會上升6%；不僅如此，方迎風和鄒薇（2013）[6]的實證結果指出，健康沖擊會導致生產性支出與健康投資下降，加劇了貧困脆弱性；同樣基于健康視角，韓靜舒和謝邦昌（2016）[7]采用反事實框架，研究發現就醫行為會使得家庭經濟風險概率值增加0.31。因此，總體上健康惡化（疾病沖擊）會導致更高的貧困脆弱性。二是從政策評價視角，考察轉移支付、社會保障等政策措施對貧困脆弱性的影響。樊麗明和解堊（2014）[8]采用PSM+DID方法，研究發現，盡管教育程度、家庭規模、就業狀態、工作性質及地區變量同時同方向地影響到貧困及脆弱性，但公共轉移支付并未表現為顯著降低貧困脆弱性；李齊云和席華（2015）[9]采用面板數據雙向固定效應模型研究表明，新農保顯著地降低了參保家庭的貧困脆弱性。總的來看，教育、健康水平、外出務工、家庭物質資本、社會資本對農戶貧困脆弱性的高低有顯著影響，但相關公共服務對于降低貧困脆弱性的效應卻不一致。

顯然，前期文獻對貧困脆弱性的相關影響因素進行了深入探討，既有宏觀層面的原因，又有微觀層面的特征。更令人感興趣的是，如果綜合考慮宏觀因素和微觀特征，其又會對貧困脆弱性造成何種影響？在這些引致農戶貧困風險的主要因素中，誰的貢獻度較大？什么因素引致了個體貧困脆弱性的狀態轉移？明晰該問題，有助于在一個相對系統的框架下辨析出不同影響因素的重要程度，厘清精準扶貧中亟待解決的“主要矛盾”和“緊迫問題”，而這也正是本文力圖回答的重點問題。本文的特色在于，通過CLDS2012和2014的微觀調查數據測度出近年來農戶的貧困脆弱性，并進一步采用基于R2的夏普里值分解法，考察教育、健康、外出務工、社會交往、資產水平、家庭背景、經濟增長等關系貧困的核心變量對貧困脆弱性的影響和貢獻度；最后，基于貧困脆弱性構建了貧困風險轉移矩陣，并采用Order Probit方法考察貧困風險轉移的引致原因。

二、研究方法

（一）貧困脆弱性的測度

貧困脆弱性區別于貧困發生率，前者是將家庭（個體）面臨風險沖擊所引致的福利變化以概率的形式表現出來，體現出未來陷入貧困的風險；后者則僅僅衡量出陷入貧困的人口比例。可以說，貧困發生率通常是可觀察、靜態的，強調貧困產生的結果；貧困脆弱性則是不可觀察的、動態的，強調貧困產生的預期，更有利于從前瞻性視角制定反貧困對策。有關貧困脆弱性的定義，Kühl（2003）[10]認為，貧困脆弱性是一個家庭因遭受重大沖擊而導致其福利水平降低到貧困線以下的可能性。進一步，Chaudhuri等（2002）[1]、Zhang和Wan（2006）[2]將貧困脆弱性定義為家庭或個人因為不確定性沖擊而陷入貧困或無法擺脫貧困的概率，后文實證測度也將基于這一定義展開。

貧困線的選取關系到貧困脆弱性計算的準確度。我國官方于2011年公布的貧困線為2300元/年（2011年價格），而本文樣本調查時間為2011和2013，對于2013的數據需要采用CPI指數對貧困線進行平滑以確保數據的可比性。國際貧困線往往參照世行標準，一般為1.9美元/天（低標準）和3.1美元/每天（高標準）①①此前，世行的貧困線一般是1美元/天、1.25美元/天、2美元/天。2015年10月5日，世行將國際貧困線標準由1.25美元/天提高到1.9美元/天（低標準），同時也給出了3.1美元/天的貧困線標準（高標準）。 。本文按照世行最新調整的貧困線，并采用世行公布的PPP指數②②世行公布的2011和2013年的PPP指數分別為3.5053和3.5455。 進行了統一折算。

（二）貧困脆弱性的夏普里值分解

在測算出貧困脆弱性的基礎上，可進一步采用基于R2的夏普里值分解法（Huettner andSunder）[13]來考察主要變量對貧困脆弱性的貢獻程度。該方法由兩個步驟構成，首先，需要根據理論來設定有關回歸方程。結合既有關于貧困脆弱性的有關文獻，回歸方程設定如下：

式（9）中，Xi表示影響貧困脆弱性的重要控制變量，主要由如下幾個方面構成。首先，個體特征類變量。一是受訪者教育水平，用受訪者的受教育年限作為其代理指標；在不少文獻中（李麗、白雪梅，2010[3]；Zhang，2014 [14]），教育缺乏被認為是導致貧困人口發展能力缺乏的根本原因，也是制約貧困人口遷移、獲取非農工作及生產技能信息等的重要因素，預計受教育水平越高、貧困脆弱性越低。除教育外，另一表征人力資本的因素就在于健康水平，健康對農村減貧困的作用更為顯著（程明望等，2014）[15]；因此，預計健康沖擊將會導致貧困脆弱性增加。三是職業狀況，當前從事非農工作成為農民增收的重要渠道，這里用是否從事非農工作的虛擬變量來表示；有證據表明，農村勞動力外出行為顯著地降低了農村貧困程度（岳希明、羅楚亮，2010）[16]，預計該變量估計系數為負。四是社會資本，在我國農村社會資本作為一種非市場化的力量，可以通過獲取融資和創業信息、促進公共品提供和勞動力流動，進而對貧困消除產生影響；有研究表明，社會資本能顯著地減少貧困，社區層面社會資本的作用要大于家庭層面（張爽，2007）[17]，但關于社會資本是否能減輕相對貧困則尚未取得一致的認識，隨著市場化進程的深入，社會資本反貧困的積極作用有減弱的趨勢（周曄馨、葉靜怡，2007）[18]，因此，社會資本對貧困脆弱性的影響既可能為正又可能為負。五是遷移狀況，考慮到搬遷式扶貧以及上述的外出務工是重要的扶貧方式，因而人口流動會降低貧困發生的可能性（方迎風、張芬，2016）[19]，預計遷移有可能會減低貧困脆弱性，其估計系數為負。

其次，為家庭特征類變量。一是家庭融資能力，即家庭是否獲得生產性融資，既有研究表明，農村金融規模的擴張有利于農戶生產性資金獲得、進而擺脫貧困（呂勇斌、趙培培，2014）[20]。二是家庭獲得的外部轉移支付（轉移支付占家庭收入的比例），盡管有文獻表明公共轉移支付對慢性貧困和暫時性貧困的脆弱性沒有影響（樊麗明、解堊，2014）[8]，但轉移支付仍然是貧困戶的重要收入來源，在此控制了該變量。三是家庭代際遺傳因素，主要由受訪者父親的經濟社會狀態構成，包括了三個指標：第一，受訪者父親是否在其16歲前離世，通常父親過早離世對家庭經濟狀況會造成重大沖擊，這在現實中往往成為貧困的重要誘因，預計其估計系數為正；第二，受訪者父親的教育水平和職業狀況（在1979年是否從事非農職業），通常教育被認為是打破階層固化的重要途徑，且“子承父業”現象在現實中亦較為普遍，這使得具備優勢的父代可通過教育、職業等渠道將這種優勢傳遞給子代，進而阻礙代際收入流動（邸玉娜，2014）[21]，對貧困群體則可能造成貧困惡性循環。

最后，為宏觀經濟背景變量，在此用2000—2010期間農村居民人均純收入年均增長率表示，用以控制受訪者所在地經濟狀況的影響。農戶收入增長更直接地反映出農民在經濟增長中的獲益（溢出效應），農戶收入增長對貧困縮減具有促進作用（沈揚揚，2012）[22]，因此預計農戶收入增長也有利于降低貧困風險。

在對式（9）進行回歸分析的基礎上，可進一步進行夏普里值分解，該方法來自于Huettner and Sunder（2012）[13]，其通過觀察不同解釋變量組合下模型R2的變化，以此得到某個自變量對因變量的邊際貢獻。其基本步驟為：對于自變量Xi，首先計算包含Xi的模型的R2；之后，去掉Xi再計算一次模型的R2，前后兩次R2的差異則為由自變量Xi引起的變化，即Xi對因變量的邊際貢獻率。但值得注意的是，當計算Xi的貢獻率時，其余解釋變量可以全部選擇、也可以部分選擇，于是自變量個數越多則計算量會呈現出幾何級增長。解決辦法是計算Xi的貢獻率時，按照全部可能的變量組合進行計算，并以其算術平均值作為Xi的貢獻度。另外，基于R2的夏普里值分解結果，只代表在條件回歸下各變量對被解釋變量差異的貢獻度，但回歸方程顯然只能控制核心的理論因素，因此可通過計算實際值與擬合值的分布差異，來獲得殘差對被解釋變量的貢獻度。最后，為提升結果的穩健性，采取了300次自抽樣的結果。

三、樣本構建

實證分析樣本來源于中國勞動力動態調查（CLDS）2012和2014，以此構建出2011、2013連續兩年參與調查的追蹤樣本①①為保證樣本的全國代表性，CLDS按照多階段、多層次、與勞動力規模成比例的方式進行抽樣，樣本覆蓋了中國29個省市（除港澳臺、西藏、海南外），調查對象為樣本家庭戶中的全部勞動力（年齡15-64歲家庭成員）。2014年為CLDS項目的第一次追蹤調查，對2012年（基線調查）訪問的村居、家庭及個體進行了追訪，兩個調查年度所涉及的省份保持一致。由于剔除了缺失值，最終樣本涵蓋了27個省份。 。構建實證樣本時，需要對原始數據進行以下處理：（1）由于主要分析的是絕對貧困，而絕對貧困主要集中在農村，因此剔除了城鎮樣本；（2）剔除了收入、教育、健康等關鍵變量缺失或取值具有邏輯性錯誤的樣本。通過篩選，最終得到2607個樣本。主要變量的定義如表2所示：

四、實證結果分析

（一）貧困脆弱性的測算

根據上述有關貧困脆弱性測度的描述，在利用回歸方程估計出對數收入均值和方差的基礎上，利用正態分布的密度函數可計算出貧困脆弱性，相關結果如表4和5所示。

在分析各年份的貧困脆弱性狀況之前，需要對貧困脆弱性的測算準確度進行研判，這關系到基于貧困脆弱性分析的精確性①①由于需要通過相關加入相關變量，在條件回歸下來預測對數收入和方差，以及微觀調查數據中控制變量受調查樣本所限等原因，難免出現估計誤差，也很難出現完全判真和零判偽的情況。所以，產生一定程度誤判是難以避免的，因而也就需要通過判真率和判偽率指標來判斷貧困脆弱性的預測精度，以保證數據的有效性。 。從表4中的判真率看，2011和2013年樣本中，分別有大體70%和80%的貧困個體可以被有效識別；從判偽率看，基本上控制在10%左右。因此，總體上貧困脆弱性計算結果與實際貧困發生基本一致，這說明所得到的貧困脆弱性是識別有效的，與“收入水平越高則貧困風險越低”的邏輯判斷相一致。

從表4還可以看到，如果按照世行設定的高貧困線標準（3.1美元/天），那么我國貧困發生率仍還處于較高水平（13.73%和16.64%）。即使按照2300元/年的標準，樣本的貧困發生率分別為9.81%和7.55%，與官方公布的12.7%（2011年）和8.5%（2013年）基本一致②②造成樣本貧困發生率與官方公布數據差異的原因在于：樣本數據來源于抽樣調查，而官方數據來源于各監測點直報，顯然在覆蓋范圍及抽樣設計方面，樣本范圍沒有官方統計廣，但二者差異并不明顯。 ，說明樣本具有明顯的代表性。

根據表5，不難看到，貧困脆弱性的平均值和中位數都低于0.5，說明多數樣本都未暴露于較高的貧困風險。其次，從貧困脆弱性的分布來看，不同年份不同貧困線下，樣本個體的貧困脆弱性差異都比較大，90百分位與10百分位的貧困脆弱性數值之比，最高可達2.15倍，最低也有1.54倍，說明個體間面臨的貧困風險沖擊差別明顯。那么，引致個體貧困脆弱性差異的原因是什么呢？接下來，將采用基于R2的夏普里值分解法來進行分析。

（二）貧困脆弱性引致因素的分解

接下來，以貧困脆弱性為被解釋變量，按照式（9）進行回歸估計，可獲得各控制變量的估計系數；在此基礎上，進一步運用Huettner and Sunder（2012）[13]提出的基于R2的夏普里值分解法，得到相關控制變量對貧困脆弱性的貢獻程度，結果如表6—8所示。

首先，考察個體層面因素對貧困脆弱性的影響。根據表6和表7，總體上受訪者教育水平的估計系數都顯著負相關，意味著受教育水平越高、貧困脆弱性越低，與理論預期相符。同樣，健康水平的估計系數顯著為正，表明健康水平惡化可能引致更高的貧困脆弱性。實際上，全國現有的7000多萬貧困農民中，因病致貧、因病返貧的有42%①①數據來源：2015年12月15日，時任國務院扶貧辦主任劉永富在國務院新聞發布會上公布的調查結果。 ，說明健康沖擊已成為貧困風險的重要來源。其次，職業特征變量顯著為負，說明與僅從事農業生產相比，具有非農工作的個體，其陷入貧困的風險概率明顯更低。由于非農工作會帶來相對農業更多的收入回報，因此在開發式扶貧中，農戶的外出務工收入不僅有助于降低貧困發生率（岳希明、羅楚亮，2010）[16]，而且增加可以降低因農業收入損失所導致的貧困脆弱性（邰秀軍等，2009）[23]。進一步，社會資源變量同樣顯著地與貧困脆弱性負相關，說明社會資本有利于降低貧困風險。理論上看，社會資本通過非正式保險的機制平滑消費、減輕暫時貧困，通過促進融資和創業、保護產權、促進公共品提供和勞動力流動，有助于消除長期貧困（周曄馨、葉靜怡，2014）[18]；近年來的實證研究更表明，社會資本積累有利于降低成為貧困戶的機率（關愛萍、李靜宜，2017）[24]。最后，遷移也使得貧困脆弱性顯著降低，意味著遷移通過改善貧困戶的生產生活環境，進而達到降低貧困風險的目的，這也體現了促進勞動力流動的重要性。

其次，分析家庭層面因素對貧困脆弱性的影響。一是家庭信貸獲得。盡管在2011樣本中部分變量的估計系數不顯著，但總體上信貸獲得與貧困脆弱性負相關；這說明生產性資本的獲取有助于降低貧困風險，近年來的經驗分析也指出，農村金融規模擴張有利于減緩貧困（呂勇斌、趙培培，2014）[20]。二是家庭轉移收入占比的系數較小、估計系數為正，說明家庭收入中轉移支付占比的提升在一定程度上帶來了更高的貧困風險，意味著主要依靠轉移性收入的家庭本身就比較脆弱。三是代際傳遞因素。從估計結果看，只有父親早年離世的影響被證明是有效的，而父代教育傳遞和職業傳遞的還缺乏統計上的顯著支撐。顯然，家庭重大變故是貧困風險加劇的重要誘因，需要在扶貧中加大對于喪失主要勞動力家庭的關注。

最后，考察宏觀層面因素對貧困脆弱性的影響。不難發現，農村居民人均收入的增長并不會顯著帶來貧困脆弱性的降低，可能的原因在于剩余貧困人口面臨更大的貧困深度，難以同步獲得收入增長的溢出效應。雖然我國農村居民人均純收入從2000年的2253元增長到2010年的5919元，貧困發生率也從農村貧困發生率為49.8%降低為17.2%②②數據來源：國家扶貧開發領導小組辦公室網站：www.cpad.gov.cn。 ，但這種溢出效應對剩余深度貧困人口的影響比較有限。有資料顯示，“十二五”期間貧困總量下降了60%，但深度貧困只下降了25%③③數據來源：國務院扶貧辦原主任范小建在2016年全國政協十二屆四次會議召開記者會上的發言。摘自：人民網，http：//lianghui.people.com.cn/2016cppcc/n1/2016/0309/c402984-28184548.html。 ，當前的剩余貧困人口其貧困程度往往更加深化。

在明晰重要控制變量對貧困脆弱性影響的基礎上，則可進一步基于上述回歸結果，根據式（9）的描述，采用基于R2的夏普里值分解法，以明確不同因素在貧困脆弱性中的差異性作用。相關結果如表8所示。

上述研究結論具有明顯的政策含義。當前剩余貧困人口的貧困程度更加深化，需要更為系統性的扶貧措施才能助其脫離貧困。從現實來看，貧困脆弱性與個體人力資本水平、職業狀態密切相關，而貧困群體在人力資本和職業等方面的“弱勢疊加”，使得其面臨著更高的貧困風險。因此，幫助貧困群體獲得相關的職業（發展）渠道以擺脫收入來源的匱乏，是當前產業扶貧的重要依據和現實選擇。從長遠來看，造成個體特征現實差異的深層次原因還在于代際傳遞，要斬斷這種惡性循環的“馬太效應”鏈條，需要系統的扶貧政策進行干預，因此提升貧困群體的公共服務保障（包括基礎教育質量的提升、職業培訓幫扶、衛生條件及保障水平的改善等）是幫助其建立可持續發展能力的根基。這既是消除貧困的重要之策，又是預防貧困發生、降低貧困風險、防止返貧的核心手段。

最后，就研究進展而言，追蹤調查數據的出現將為相關研究提供更為豐富的研究素材，無論是樣本選取、指標測度、研究方法設計，還是貧困脆弱性的測度和分解，抑或相關精準扶貧措施的政策效應評估，都可以得到更為豐富且有意義的結論。

參考文獻：

[1]Chaudhuri S，Jalan J，Suryahadi A.Assessing Household Vulnerability to Poverty from Cross-Sectional Data：A Methodology and Estimates from Indonesia[J].Discussion Papers，Department of Economics，Columbia University，2002.

[2]Zhang Yuan and Wan Guanghua.An Empirical Analysis of Household Vulnerability in Rural China[J].Journal of the Asia Pacific Economy，2006，11（2）：196-212.

[3]李麗，白雪梅.我國城鄉居民家庭貧困脆弱性的測度與分解——基于CHNS 微觀數據的實證研究[J].數量經濟技術經濟研究，2010（8）：61-73.

[4]萬廣華，劉飛，章元.資產視角下的貧困脆弱性分解：基于中國農戶面板數據的經驗分析[J].中國農村經濟，2014（4）：4-19.

[5]黃瀟.健康在多大程度上引致貧困脆弱性——基于CHNS農村數據的經驗分析[J].統計與信息論壇，2013（9）：54-62.

[6]方迎風，鄒薇.能力投資、健康沖擊與貧困脆弱性[J].經濟學動態，2013（7）：36-49.

[7]韓靜舒，謝邦昌.中國居民家庭脆弱性及因病致貧效應分析[J].統計與信息論壇，2016（7）：36-49.

[8]樊麗明，解堊.公共轉移支付減少了貧困脆弱性嗎？[J].經濟研究，2014（8）：67-78.

[9]李齊云，席華.新農保對家庭貧困脆弱性的影響——基于中國家庭追蹤調查數據的研究[J].上海經濟研究，2015（7）：45-54.

[10]Jesper J.Kuhl.Disaggregating Household Vulnerability-Analyzing fluctuations in consumption using a simulation approach[D].Institute of Economics，University of Copenhagen，Denmark，2003.

[11]萬廣華，章元，史清華.如何更準確地預測貧困脆弱性：基于中國農戶面板數據的比較研究[J].農業技術經濟，2011（9）：13-23.

[12]Amemiya T.The maximum likelihood estimator and the non-linear three stage least squares estimator in the general nonlinear simultaneous equation model[J].Econometrica，1977，45：995-968.

[13]Huettner F，Sunder M.Axiomatic arguments for decomposing goodness of fit according to Shapley and Owen values[J].Electronic Journal of Statistics，2012，vol（6）：1239-1250.

[14]Zhang Huafeng.The poverty trap of education：Education-poverty connections in Western China[J].International Journal of Educational Development，vol（38），2014：47-58.

[15]程明望，Jin Yanhong，蓋慶恩，史清華.農村減貧應該更關注教育還是健康？——基于收入增長和差距縮小雙重視角的實證[J].經濟研究，2014（11）：130-144.

[16]岳希明，羅楚亮.農村勞動力外出打工與緩解貧困[J].世界經濟，2010（1）：84-98.

[17]張爽，陸銘，章元.社會資本的作用隨市場化進程減弱還是加強？——來自中國農村貧困的實證研究[J].經濟學（季刊），6（2），2007：539-560.

[18]周曄馨，葉靜怡.社會資本在減輕農村貧困中的作用：文獻述評與研究展望[J].南方經濟，2014（7）：35-57.

[19]方迎風，張芬.鄰里效應作用下的人口流動與中國農村貧困動態[J].中國人口·資源與環境，2016（10）：137-163.

[20]呂勇斌，趙培培.我國農村金融發展與反貧困績效：基于2003—2010年的經驗證據[J].農業經濟問題，2014（1）：54-60.

[21]邸玉娜.代際流動、教育收益與機會平等——基于微觀調查數據的研究[J].經濟科學，2014（1）：65-74.

[22]沈揚揚.收入增長與不平等對農村貧困的影響——基于不同經濟活動類型農戶的研究[J].南開經濟研究，2012（2）：132-150.

[23]邰秀軍，羅丞，李樹茁，李聰.外出務工對貧困脆弱性的影響：來自西部山區農戶的證據[J].世界經濟文匯，2009（6）：67-76.

[24]關愛萍，李靜宜.人力資本、社會資本與農戶貧困——基于甘肅省貧困村的實證分析[J].教育與經濟，2017（1）：66-74.

[25]黃斌，高蒙蒙，查晨婷.中國農村地區教育收益與收入差異[J].中國農村經濟，2014（11）：28-38.

[26]黃瀟.如何預防貧困的馬太效應——代際收入流動視角[J].經濟管理，2014（5）：153-161.

Abstract：Analyzing the origin of the poverty helps to reduce poverty predicted. Based on the CLDS data， this paper firstly measures the rural households poverty vulnerability； then answer a question that which economic-social status contributes to the poverty vulnerability most， by the method of Shapley Value Decomposition； and finally analyzes the dynamic reason of status transformation in poverty vulnerability using Order Probit model. Results Show that individual factors such as education， non-agricultural job， social capital and immigration， family background including productive loan all help to decrease the poverty vulnerability； however， the disadvantage from intergenerational transfer leads to higher poverty vulnerability. According to the contributions， the difference among individuals education， non-agricultural job and health explain most part of poverty vulnerability. In addition， 9% and 24% of samples have fell into transient and persistent poverty vulnerability respectively， and healthy problems are viewed as the main reason of translating to higher poverty vulnerability. Consequently， the systematic poverty reduction solutions should not only pay attention to the poors no-agricultural job opportunities right now， but also take some measures including education and health to eliminate the poverty trap in the long time.

Key words：poverty risk； poverty vulnerability； shapley value decomposition

責任編輯：吳錦丹 吳錦丹 蕭敏娜 常明明 張士斌