不同模式農地整治的減貧增收效應研究
——基于匹配倍差法估計

汪文雄，馮彥飛，張東麗，陳思瑾

（華中農業大學公共管理學院，湖北 武漢 430070）

1 引言

中國貧困人口的90%在農村從事農業生產①數據來源：https: //openknowledge.worldbank.org/handle/10986/3199。，農地是農民賴以生存的寶貴資源，如果不從根本上提高農地的利用效率，貧困農戶就無法獲得穩定的可持續生計來源，而要提高農地的利用效率，就必須加強農地整治。《全國土地整治規劃（2016—2020年）》中也指出：大力推進貧困地區土地整治，加大政策、項目、資金支持，助力脫貧攻堅。由此可知，中國政府已將農地整治扶貧納入脫貧攻堅支撐體系。近年來，在政策引導下中國各地積極探索農地整治扶貧模式，除了利用傳統的政府主導模式農地整治來扶貧外，更是出現了龍頭企業或農業合作社主導的農地整治PPP模式。那么不同模式農地整治扶貧的增收效應如何呢？

近年來，學者們圍繞農地整治助推區域脫貧的作用路徑及農戶增收效應進行了廣泛研究。主要包括三個方面：一是結合理論分析與實踐探討了農地整治助推區域脫貧的實現路徑。如嚴金明指出土地整治能夠促進耕地增量提質、提升機械化水平、抵御自然災害，進而改變土地貧瘠現狀、增加貧困戶要素稟賦，提高貧困戶收入[1]；臧玉珠等探索了農地整治扶貧路徑，指出通過土地開發、平整及復墾能夠為農業生產創造良好的生產條件，增加農戶生產性收入[2]；ZHOU等通過典型案例探究了土地整治、土地使用權改革、土地政策創新三者相結合能夠打破制度壁壘，解決貧困地區發展缺乏土地、技術和資金的困境，促進農民資產和收入增加[3]。二是探究了農地整治對農戶農業收入的影響。HIIRONEN等采用成本收益分析法研究表明土地整治通過對產權結構的優化，使平均農業生產成本下降15%，從而增加了農戶的農業收入[4]；張琦和石超運用調研數據研究了貧困地區土地整治的收入效應，指出土地整治對項目區農戶家庭的農戶收入及總收入有顯著正向影響[5]。三是結合典型案例定性分析農地整治對農戶收入結構的影響。CHENG等通過典型案列分析了農地整治對農業收入的影響具有雙重性，一方面通過改善農業基礎設施條件促進農業規模化經營和作物種植結構優化，以增加農業收入；另一方面農地整治促進農地經營權流轉使得農戶經營耕地面積減少，農戶從傳統“小農”經營轉為農業雇工和二三產業工人，從而導致農業收入降低、增加其工資性收入和非農經營性收入[6]。現有文獻對農地整治的減貧增收效應進行了有益探索，但存在以下不足：雖然關注到農地整治的減貧增收效應，但并未深入研究不同模式農地整治的減貧增收效應；現有研究都將農戶作為一個相對均質整體，而農地整治對不同類型農戶（建檔立卡戶和非建檔立卡戶）增收效應的差異并未被關注；增收效應的評價方法不夠科學，通常只簡單比較農地整治扶貧前后農戶的收入變化，無法識別出隨時間變化的變量對農戶收入的影響，未能準確評估農地整治扶貧對農戶增收的凈效應。基于此，本文運用湖北省和貴州省調研數據，采用匹配倍差法實證研究不同模式農地整治對不同類型農戶（建檔立卡戶和非建檔立卡戶）的減貧增收效應及差異，對推動貧困地區實施農地整治扶貧攻堅具有重要意義，也為農地整治扶貧政策的制定提供借鑒。

2 理論分析

英國國際發展署（DFID）提出的可持續生計分析框架（SLA）由脆弱性背景、生計資本、結構與過程轉換、生計策略和生計輸出5個部分組成，描述了農戶生計資本、生計策略和生計輸出之間相互作用的動態路徑[7]，分析了農戶在脆弱性環境沖擊下，如何根據其擁有的生計資本狀況，利用結構與過程轉換中有利的政策等因素，采取更優生計策略并產生預期生計輸出的過程。

政府主導模式農地整治是一種以行政管理為主的“自上而下”的實施模式，政府自然資源部門既是農地整治項目的投資者和實施者，也是項目的監管者，農戶是項目的參與者和農地的經營者[8]。該模式農地整治包括土地平整、農田水利設施、田間道路及防護林等建設內容，其目標是“上”層制定的，農地整治項目直接受益人——農戶的參與較有限，難以充分反映其生產需求[8-9]，受政府財力限制其投資標準相對偏低，是著眼于農田基礎設施扶貧的單一扶貧手段。PPP模式農地整治是指龍頭企業或農業生產合作社根據現代農業產業發展需求先投資實施農地整治，項目竣工驗收合格后再由政府給予部分費用補助的“自下而上”的實施模式[10-11]。該模式農地整治是包含了農田基礎設施扶貧、企業扶貧、科技扶貧及產業扶貧的綜合扶貧手段。農地整治可在一定程度上降低環境脆弱性、改善農戶生計資本稟賦，使其獲得可持續生計來源，屬于SLA中的政策、結構與過程轉換范疇。本文運用SLA分析不同模式農地整治減貧增收路徑以及減貧增收效應的差異。

政府主導模式農地整治通過改善農田灌排設施、提高道路通達性、降低土地細碎化程度、增加耕地數量及提高耕地質量等手段，增加農戶生計資本中的自然資本和物質資本；農戶進而做出相應的生計策略調整，由政策實施前的傳統農業種植以及本地零星打工等調整為規模化農業種植及本地短期務工等，從而提高農戶農業收入、工資性收入及總收入等。PPP模式農地整治通過高標準農田基礎設施建設大大提高農戶的自然資本和物質資本；龍頭企業或合作社投入資金組織農戶發展現代農業，并利用其社會資源和掌握的市場信息實現生產和市場需求的對接，可提高農戶的金融資本和社會資本；通過對農戶進行新技術教育培訓可改善其人力資本；農戶的生計資本稟賦得以大大改善，進而調整生計策略，一部分農戶選擇將土地入股或流轉后在本地或外地長期務工，另一部分農戶則從龍頭企業或合作社返租土地以發展現代化農業、標準化養殖業等，從而大大提高其家庭收入。

3 研究方法

倍差法（DID）主要用于評估政策實施的凈效應，該模型將調查樣本分為受政策影響的“處理組”和不受政策影響的“對照組”。由于農地整治項目選址時在地形地貌等自然條件一致的條件下更偏向于選擇農戶對實施整治政策支持程度高的地區，使得農地整治區的處理組農戶和未實施農地整治的對照組農戶在其平均水平上存在著顯著差異，若直接采用DID模型評估其政策效應則存在著選擇性偏誤。而傾向得分匹配法（Propensity Score Matching, PSM）可以有效減弱選擇性偏誤，因此，本文采用PSM-DID模型以有效地解決上述問題，控制不同群體農戶之間不隨時間變化的組間差異。PSM-DID模型先將處理組和對照組的樣本進行匹配，即按傾向得分值相近的原則從對照組樣本中選擇與處理組匹配的樣本，使處理組和對照組滿足共同支撐域假設，然后再運用DID模型分析，以確保政策效應評估結果的準確性。其具體步驟如下：

（1）估計傾向得分值。運用Logit模型估計出由村莊和農戶的一系列特征變量X決定的該村莊的農戶獲得農地整治政策支持的概率P（X）。按照是否獲得農地整治政策支持將樣本農戶分為處理組和對照組，R1為處理組的集合，R0為對照組的集合。

（2）匹配處理組與對照組。估計出傾向得分值后需選擇匹配方法，本文選取k值最近鄰匹配、半徑匹配及核匹配三種匹配方法。k值最近鄰匹配是在對照組中尋找傾向得分與處理組最近的k個不同樣本進行匹配，本文k值取10；半徑匹配是取與傾向得分的絕對距離在ε范圍內樣本進行匹配，一般取值小于0.25，本文取0.05；核匹配屬整體匹配法，本文使用二次核與0.01的帶寬。通過比較三種方法的平均處理效應，以確保匹配結果的穩健性。

（3）計算處理組的平均處理效應。

（4）計算匹配的對照組的平均處理效應。采用上述三種傾向得分匹配法分別計算對照組的平均處理效應（ATE）。

式（1）—式（3）中：t0、t1分別表示農地整治實施前和實施后的年份；分別為農地整治區樣本農戶i在t0、t1時期的結果變量分別為未整治區樣本農戶j在t0、t1時期的結果變量；w（i，j）為權重；F（·）是核密度函數；Pi是對照組樣本i的傾向得分；Pj是處理組樣本j的傾向得分；D為帶寬。

4 數據來源與變量設置

4.1 數據來源

本文選取湖北省恩施州利川市、貴州省畢節市的赫章縣和金沙縣作為研究區域，分析不同模式農地整治的減貧增收效應。湖北省恩施州和貴州省畢節市兩個地區的農村貧困人口規模大，具有很好的代表性，且在經濟發展水平、自然地理條件等方面的差異較小；鑒于農地整治PPP模式在貧困地區出現的時間較晚、數量相對較少，需選取實施時間相對較早的項目，因此滿足上述條件的項目數量有限，最終在恩施州和畢節市選擇了滿足項目要求的利川市、赫章縣和金沙縣。課題組于2018年7—8月在上述縣（市）的PPP模式農地整治區、政府主導模式農地整治區和未整治區進行了深入調查，選取的農地整治項目均為2014年開工和竣工并取得一定成效。調研采用隨機抽樣的方法對抽取農戶進行訪談式問卷調查，收集得到2013年和2017年的數據，2013年數據為農地整治政策實施前的基期數據，而2017年的數據用來反映農地整治政策實施后的數據。面對面訪談式的問卷調查確保了問卷質量，共發放629份問卷，回收有效問卷562份，有效率89.3%。其中建檔立卡戶253份，非建檔立卡戶309份；政府主導模式農地整治區117份，PPP模式農地整治區276份，未整治區169份。受訪家庭中男性戶主居多，占85.2%；戶主年齡40～55歲占52.5%，65歲以上占19.9%；戶主受教育程度集中在小學和初中，占80.8%；家庭人口數集中在3～6人，占70.5%；家庭經營耕地面積5畝及以下占67.4%，5～10畝占25.4%。

4.2 變量設置及描述性統計

為了全面揭示不同模式農地整治的減貧增收效應，除了考察農戶家庭的總收入外，還分析各類收入的變化情況，因此，選擇了農戶家庭的總收入、農業收入、工資性收入、財產性收入及其他收入共5個指標為因變量。在農地整治實施后，農戶收入還受戶主特征、家庭特征、村莊特征及公共政策等一系列控制變量的影響，由于選取的調研村的村莊特征及其他公共政策（除農地整治之外）基本一致，因此，后文中不考慮村莊特征和其他公共政策的差異對農戶收入的影響。參考現有研究，本文選取了戶主特征和家庭特征共9個控制變量，包括戶主年齡（X1）、戶主受教育程度（X2）、家庭人口數（X3）、家庭勞動力人口數（X4）、家庭農業勞動力人口數（X5）、15歲以下兒童數量（X6）、65歲以上老人數量（X7）、是否有人擔任村干部（X8）和家庭承包耕地面積（X9），變量含義及賦值規則如表1。

不同模式農地整治前后各類收入的描述性統計如表2。從建檔立卡戶來看：2017年與2013年相比，農地整治PPP模式區、政府主導模式區和未整治區農戶的總收入、財產性收入和工資性收入均有所增加，其中PPP模式區農戶增幅最大，政府主導模式區次之，未整治區最小；而農業收入增減情況存在一定差異，政府主導模式區農戶增幅最大，PPP模式區減少最多，未整治區有所增加；其他收入在不同模式間均有增加但差異較小。從非建檔立卡戶來看，2017年與2013年相比，農地整治區與未整治區農戶的各類收入變化與建檔立卡戶基本一致，但非建檔立卡戶的總收入、財產性收入、工資性收入及其他收入的增幅均高于建檔立卡戶。

表1 控制變量含義及賦值規則Tab.1 Meanings and assignment rules of variables

表2 不同模式農地整治前后農戶各類收入描述性統計Tab.2 Descriptive statistics of rural households’ income before and after rural land consolidation in different modes (元)

5 模型估計與研究結果

5.1 傾向得分估計與匹配質量檢驗

傾向得分匹配法的第一步是計算農戶的傾向得分，而選擇匹配變量是最關鍵的步驟[12]，選取的變量需同時滿足兩個條件：一是對農戶所在村莊是否實施農地整治政策有影響；二是對農戶收入有影響。基于此原則，本文選取戶主年齡、戶主受教育程度、家庭人口數、家庭勞動力人口數、家庭農業勞動力人口數、15歲以下兒童數量、65歲以上老人數量、是否有人擔任村干部和家庭承包耕地面積共計9個控制變量作為匹配變量，采用Logit模型進行回歸，分別針對不同模式整治區與未整治區、不同模式整治區之間的兩類樣本農戶計算其傾向得分，具體如下：從政府主導模式農地整治區與未整治區估計結果來看，家庭農業勞動力人口數和家庭承包耕地面積對兩類農戶均有顯著影響，同時建檔立卡戶還受到戶主年齡和戶主受教育程度的影響，非建檔立卡戶還受到15歲以下兒童數量的影響；從PPP模式農地整治區與未整治區估計結果來看，戶主受教育程度和家庭承包耕地面積對兩類農戶均有顯著影響，同時建檔立卡戶還受到15歲以下兒童數量的影響，非建檔立卡戶還受到家庭農業勞動力人口數和65歲以上老人數量的影響；從PPP模式區與政府主導模式區估計結果來看，戶主受教育程度、家庭農業勞動力人口數和家庭承包耕地面積對兩類農戶均有顯著影響，同時建檔立卡戶還受到65歲以上老人數量的影響，非建檔立卡戶還受到戶主年齡的影響。

在估計出傾向得分后，為了保證傾向得分匹配結果的準確性，需要進行平衡性檢驗，即檢驗處理組和對照組在控制變量上是否存在顯著差異。在進行傾向得分匹配時，常用的匹配方法有k值最近鄰匹配法、半徑匹配法和核匹配法，實際應用中到底哪種方法最優學術界尚沒有明確規定，為了確保結果的穩健性本文采用上述三種匹配法，分別對政府主導模式農地整治區和未整治區、PPP模式農地整治區和未整治區、PPP模式農地整治區和政府主導模式農地整治區的兩類農戶共6個分組的控制變量進行匹配，匹配質量檢驗結果如表3。從政府主導模式農地整治區和未整治區農戶匹配后特征變量標準化偏差來看，大部分變量的標準化偏差小于10%，在近鄰匹配法中，建檔立卡戶有4個變量標準化偏差大于10%，非建檔立卡戶均小于10%；在半徑匹配法中，建檔立卡戶有6個變量標準化偏差大于10%，非建檔立卡戶均小于10%；在核匹配法中，建檔立卡戶有9個變量標準化偏差大于10%，非建檔立卡戶有4個大于10%。PPP模式農地整治區和未整治區、PPP模式農地整治區和政府主導模式農地整治區兩類農戶匹配后控制變量的標準化偏差與政府主導模式農地整治區和未整治區類似。總體而言，雖然部分變量的標準化偏差大于10%，但滿足小于20%的要求，匹配估計結果可靠。聯合檢驗如表4所示，各組匹配后的Pseudo R2顯著減少，p值顯著增大，說明匹配后控制變量在處理組和對照組的分布沒有系統差異，符合可比性要求，可用于后續匹配分析。

5.2 匹配倍差結果分析

采用近鄰匹配倍差法、半徑匹配倍差法和核匹配倍差法估計不同模式農地整治的實施對兩類農戶總收入及各分項收入的影響，結果如表5—表7。

從總收入來看，由表5可知，政府主導模式農地整治的實施對建檔立卡戶和非建檔立卡戶的戶均總收入有顯著的正向影響，三種匹配倍差法計算的ATT平均值分別是是2 200.6元、2 832.6元，表明政府主導模式農地整治的實施能使非建檔立卡戶增收2 832.6元，比建檔立卡戶高632元。由表6可知，PPP模式農地整治的實施對建檔立卡戶和非建檔立卡戶的戶均總收入有顯著正向影響，三種匹配倍差法計算的ATT平均值分別是7 104.8元、12 870.6元，表明PPP模式農地整治的實施能使非建檔立卡戶增收12 870.6元，比建檔立卡戶高5 765.8元。由表7可知，PPP模式農地整治的實施對建檔立卡戶和非建檔立卡戶的增收效應比政府主導模式分別高5 172.1元、11 167.1元。由此可見，兩種模式農地整治的實施對非建檔立卡戶減貧增收效應高于建檔立卡戶，其原因是非建檔立卡戶在人力資本、物質資本及社會資本等方面優于建檔立卡戶，從農地整治中更易于受益；PPP模式下農地整治的減貧增收效應遠大于政府主導模式，其原因是PPP模式下農地整治項目的投資標準高于政府主導模式，而且還是一種具有產業扶貧、科技扶貧及企業扶貧等功能的綜合性扶貧方式。

表3 特征變量匹配質量檢驗Tab.3 Matching test of variables (%)

表4 特征變量聯合檢驗Tab.4 Joint test of variables (%)

表5 政府主導模式農地整治區與未整治區各類收入的處理效應Tab.5 Treatment effects of RLC in government-led mode area and non-consolidated area

表6 PPP模式農地整治區與未整治區各類收入的處理效應Tab.6 Treatment effects of RLC in PPP mode area and non-consolidated area

表7 PPP模式農地整治區與政府主導模式農地整治區各類收入的處理效應Tab.7 Treatment effects of RLC in PPP mode area and government-led mode area

從農業收入來看，由表5可知，政府主導模式農地整治的實施對建檔立卡戶和非建檔立卡戶戶均農業收入有顯著的正向影響，三種匹配倍差法計算的ATT平均值分別是801.2元、1 183.3元，表明政府主導模式農地整治的實施能使非建檔立卡戶農業收入增加程度比建檔立卡戶高382.1元。由表6可知，PPP模式農地整治的實施對建檔立卡戶和非建檔立卡戶戶均農業收入有顯著負向影響，三種匹配倍差法計算的ATT平均值分別是-809.2元、-544.4元，表明PPP模式農地整治的實施使建檔立卡戶農業收入降低比非建檔立卡戶多264.8元。由表7可知，政府主導模式農地整治的實施對建檔立卡戶和非建檔立卡戶的農業收入的增長比PPP模式分別高1 682元、1 604元。由此可見，政府主導模式農地整治的實施對非建檔立卡戶農業收入增長的促進作用高于建檔立卡戶，其原因是政府主導模式農地整治通過簡單土地平整和田間基礎設施建設在一定程度上降低生產成本及提高生產效率從而增加農業收入，且非建檔立卡戶擁有更好的人力資本和物質資本所以農業收入增長幅度更大；PPP模式農地整治的實施會導致農戶農業收入降低且對建檔立卡戶影響更大，其原因是PPP模式農地整治會促使農地從農戶流轉到企業從而降低農民農業收入，且建檔立卡戶因缺乏科學種植技術導致農地流轉比例更高農業收入受影響更大。

從財產性收入來看，由表5可知，政府主導模式農地整治的實施對建檔立卡戶戶均財產性收入無顯著影響，但對非建檔立卡戶有顯著正向影響，兩類農戶ATT的平均值分別是64.6元、27.5元，表明政府主導模式農地整治的實施對兩類農戶財產性收入影響不大。由表6可知，PPP模式農地整治的實施對建檔立卡戶和非建檔立卡戶戶均財產性收入有顯著正向影響，三種匹配倍差法計算的ATT平均值分別是1 326.4元、1 735.6元，表明PPP模式農地整治的實施使得非建檔立卡戶財產性收入增加幅度比建檔立卡戶高409.2元。由表7可知，PPP模式農地整治的實施對建檔立卡戶和非建檔立卡戶的財產性收入增長比政府主導模式分別高1 313.4元、1 696.6元。由此可見，PPP模式農地整治的實施能顯著促進農戶財產性收入的增加且對非建檔立卡戶的促進作用高于建檔立卡戶，而政府主導模式對兩類農戶財產性收入的影響非常小，其原因是農戶將農地出租或者入股以獲得相應的租金或紅利，財產性收入增加。此外，非建檔立卡戶的耕地資源更豐富，流轉面積也更大，其獲得的財產性收入比建檔立卡戶多。

從工資性收入來看，由表5可知，政府主導模式農地整治的實施對建檔立卡戶戶均工資性收入影響不顯著，但對非建檔立卡戶有顯著正向影響，三種匹配倍差法計算的ATT平均值分別是1 122.2元、1 614.1元，表明政府主導模式農地整治的實施對非建檔立卡戶財產性收入的提升明顯優于建檔立卡戶。由表6可知，PPP模式農地整治的實施對建檔立卡戶和非建檔立卡戶戶均工資性收入有顯著正向影響，三種匹配倍差法計算的ATT值平均值分別是6 446.9元、11 755元，表明PPP模式農地整治的實施能使兩類農戶工資性收入增加，但非建檔立卡戶比建檔立卡戶高5 308.1元。由表7可知，PPP模式農地整治的實施能夠顯著促進建檔立卡戶和非建檔立卡戶工資性收入的增長，且比政府主導模式分別高5 540.8元、11 008.8元。由此可見，PPP模式農地整治的實施能顯著促進農戶工資性收入的增加且對非建檔立卡戶的促進作用高于建檔立卡戶，而政府主導模式僅能促進非建檔立卡戶工資性收入的增加且促進作用較小。其原因是PPP模式農地整治一方面通過土地流轉釋放了勞動力，另一方面整治實施后龍頭企業發展現代農業為農戶提供了就業崗位；同時，兩類農戶在人力資本等多方面均存在較大差異，建檔立卡戶非農就業渠道的拓展更困難，因此其工資性收入的提高更少。

此外，兩種模式農地整治的實施對兩類農戶的其他收入并無顯著影響。

6 結論與啟示

本文在湖北省利川市、貴州省赫章縣和金沙縣農戶問卷調研基礎上，運用三種匹配倍差法探索了不同模式農地整治對建檔立卡戶和非建檔立卡戶減貧增收效應的差異，主要結論：

（1）兩種模式農地整治的實施對兩類農戶的總收入均具有顯著正向影響，PPP模式農地整治的實施使兩類農戶總收入增加程度遠大于政府主導模式農地整治，且兩種模式農地整治對非建檔立卡戶的增收效應強于建檔立卡戶。

（2）政府主導模式農地整治的實施對兩類農戶的農業收入有顯著正向影響，對非建檔立卡戶影響更大；PPP模式農地整治的實施會顯著降低兩類農戶的農業收入，對建檔立卡戶影響更大。

（3）政府主導模式農地整治的實施對建檔立卡戶財產性收入影響不顯著，對非建檔立卡戶有顯著影響但增加值較小；PPP模式農地整治的實施對兩類農戶財產性收入均有顯著正向影響，且對非建檔立卡戶影響更大；PPP模式對農戶財產性收入增長的促進作用遠大于政府主導模式。

（4）政府主導模式農地整治僅能顯著增加非建檔立卡戶工資性收入，但增加值較小；PPP模式農地整治能顯著增加兩類農戶的工資性收入，且對非建檔立卡戶影響更大；PPP模式對農戶工資性收入增長的促進作用遠大于政府主導模式。

基于上述結論，本文得到以下政策啟示。

（1）政府應重視農地整治對扶貧的促進作用，進一步提高PPP模式農地整治的比例。在扶貧工作中，PPP模式農地整治具有政府主導模式無法比擬的優越性：一方面，該模式拓展了資金來源，提高了資金使用效率；另一方面，該模式是一種具有基礎設施扶貧、產業扶貧、科技扶貧及企業扶貧等功能的綜合性扶貧方式。因此，相比政府主導模式，PPP模式農地整治能更好地增加農戶生計資本，優化農戶生計策略，達到持續增收的目的。

（2）完善PPP模式農地整治的相關政策，引導龍頭企業等社會資本積極參與農地整治扶貧項目。目前在推廣PPP模式農地整治過程中，有些地區存在著社會資本難參與、參與之后難管理的現象，要總結PPP模式農地整治的實踐經驗，加快制定社會資本參與農地整治扶貧的相關法律法規、政策制度及各項標準，讓社會資本的參與有據可依，從而加大PPP模式農地整治的推廣力度。

（3）加強農地整治扶貧與其他精準扶貧手段相結合，以促進農地整治項目區內農戶全部脫貧。在扶貧工作中農地整治對建檔立卡戶的脫貧能起到助推作用，但因農戶生計資本稟賦不同農地整治并不能使項目區農戶做到全部脫貧，為了實現全部脫貧的目標，需要針對特定建檔立卡戶設計其他精準扶貧的干預政策，并與農地整治扶貧政策相結合，以實現項目區內農戶全部脫貧。