生計資本視角下貧困地區返貧風險的識別—以黑水縣為例

騰葉 陳念

摘要：返貧現象的存在，在一定程度上延緩了我國的脫貧攻堅工作進程，蠶食了脫貧攻堅工作的成果。本文以黑水縣為例，運用多元Probit模型對農戶的返貧風險進行實證研究，發現對貧困地區農戶返貧影響顯著的因素為家庭有受教育兒童，以及轉移性收入在家庭總收入占比過高。孩子的教育會在一定程度上加重農戶的負擔，而農戶對轉移性收入依賴過強可能會導致農戶生計脆弱加重。由此提出重視教育、拓寬農戶收入渠道及構建農戶風險保障機制的建議。

關鍵詞：生計資本;返貧風險;Probit模型

黨的十八大以來，在以習近平同志為核心的黨中央從理論到實踐所形成的“精準扶貧、精準脫貧”農村貧困治理思想指導下，上下齊心，共同推進中國減貧事業取得歷史性新突破。據建檔立卡的數據統計顯示，從2012年至2018年的六年間，我國農村貧困人口從9888萬人減少到1660萬人，累計減少貧困人口8239萬人，貧困發生率從10.2%下降到1.7%，減少了將近9個百分點。建檔立卡貧困村從12.8萬個減少到2.6萬個，有10萬個貧困村已經脫貧退出。在貧困戶退出貧困后，因災因病返貧現象出現，返貧問題的存在不容忽視，可能阻礙我國脫貧攻堅目標順利實現。

一、相關文獻

現有的關于扶貧過程中返貧問題的研究主要集中在兩個方面：一是返貧因素的研究。鄭瑞強、曹國慶等（2016）將返貧分為：政策性返貧、缺失返貧、因災返貧以及發展中返貧，利用“生計空間重塑”理論清晰梳理致貧機理，據此來提出有效的脫貧人口后續發展政策。張珺（2011）認為返貧現象出現是因為脫貧工作只關注數量，不重視質量而導致扶貧工作失真返貧，以及在扶貧中重視物質投入，忽視精神脫貧，在遭遇沖擊時容易返貧。Alkire and Foster（2011）提出了多維貧困的識別方法，并以此為基礎從多維方面進行返貧識別。Satya and Amita（2005）在單維貧困測度公理的基礎上概括出了多維貧困測度公理，討論了衡量返貧的指數是否符合公理條件。

二是對返貧問題的治理。范和生（2017）分析和理性辨識了政策環境預警、自然環境預警以及主體自身預警三種返貧預警的類型，提出了建立有效的返貧預警機制，在源頭上治理返貧問題。付東震（2017）具體以福建市建甌市為例，對扶貧過程中的返貧阻斷的現狀做了簡要分析，提出了精準識別的動態管理、重視基礎設施建設等關于建立返貧阻斷長效機制的建議。何華征等（2017）分析了返貧的模式，提出了通過財富內生、心理介入、制度供應、價值挖掘、新民塑造等方式來阻斷返貧現象。綜合來看，對于返貧因素，返貧問題治理的分析研究是較為豐富多維的。而在實踐方面，扶貧工作在政府“精準扶貧，精準脫貧”貧困治理理論的指導下，取得了歷史性的突破。

隨著返貧問題研究的深入，發現農村返貧問題與農戶的生計脆弱性密切相關。生計（Livelihood）最早被理解為一種謀生的手段或方法，由Robert Chambers在20世紀80年代中期首次提出之后，現在已經被廣泛的運用在貧困問題、返貧問題以及農村問題的研究當中。英國國際發展部（DFID）在2000年提出了一個眾多學者廣泛認可的框架—可持續生計分析框架（the Sustainable Livelihoods Approach，SLA），該框架將可持續生計資本劃分為人力資本、自然資本、物質資本、金融資本和社會資本五種類型。許漢石、樂章（2012）對在生計資本的視角下，對農戶在生計過程中面臨的風險進行了研究，并分析了生計資本對生計風險的影響作用。

二、數據來源和變量選擇

（一）數據來源

黑水縣位于四川省阿壩藏族羌族自治州中部，地處青藏高原東南緣橫斷山脈中段北端的岷江上游，屬于典型的深度貧困地區，其貧困人口的生計較為脆弱，農戶抵御風險的能力較差，以此作為研究區域具有一定的代表性。

（二）變量選取

1、被解釋變量

本文的被解釋變量為貧困地區農戶的返貧風險，該變量為虛擬變量，通過對上述解釋變量進行實證分析得出脫貧農戶是否存在返貧風險，如果存在返貧風險變量值即為1，不存在返貧風險即為0。

2、解釋變量

生計資本是農戶抵御風險的重要保障，不同的生計資本狀況導致農戶將選擇不同的生計策略，包括了人力資本、自然資本、物質資本、金融資本以及社會資本五種類型。這涵蓋了農戶生活的方方面面，能夠精確的描述農戶的生計能力。為了進一步研究貧困人口的返貧風險，針對不同的資本類型選取具有代表性的變量做為解釋變量進行分析。變量的具體情況如表1所示。

由表1可得，人力資本選取了家庭中是否存在義務教育適齡兒童來描述，該解釋變量就是虛擬變量，存在義務教育適齡兒童的賦值為1，不存在的賦值為0;物質資本用的是農戶家庭的房屋住宅面積來代表，是定量的變量，只有在吃住得到保障時，農戶才能謀求更好的發展，所以選擇房屋面積來描述物質資本;金融資本選取的是農戶的經營性收入占家庭總收入的比例，以及轉移性收入占家庭總收入的比例來衡量。社會資本是指農戶在謀求生計的過程中所運用到的社會資源，選取了家中是否有國家公職人員來表示，也是一個虛擬變量，家里有人在政府公務機關任職的賦值為1，沒有的賦值為0;自然資本是描述自然資源存量術語，黑水縣的自然資源豐富，但在調查數據中，僅有9.26%的農戶主要收入來源是依靠當地的自然資源，由此，對于當地農戶的生計脆弱性來說，農戶對自然資本的依賴性不強。所以本文并未選取自然資本的代表變量。

三、實證分析

（一）模型構建

由于本文選取的變量多為虛擬變量，所以本文采用了Probit模型進行回歸分析。Probit模型是一種二分類因變量模型，服從于正態分布。最簡單的Probit模型就是指被解釋變量Y是一個0，1變量，事件發生的概率是依賴于解釋變量，即P（Y=1）=f（X），也就是說Y=1的概率是一個關于X的函數，其中f（.）服從標準的正態分布。本文的實證分析都基于STATA14.0統計分析軟件完成。

（二）變量的統計描述

本文的數據來源于黑水縣15個鄉鎮21個村，在剔除了數據缺失以及異常數據后，共采集到259份樣本用于實證分析。根據樣本的家庭疾病情況、收入情況以及教育情況，將樣本劃分為存在返貧風險組和正常組。

在解釋變量的統計性描述中，受教育兒童X1為虛擬變量，存在受教育兒童為1，不存在為0，所以最大值、最小值分別為1，0，均值為0.4534884，表明在調查的樣本中有接近一半的家庭中存在受教育兒童。房屋面積X2是實際值，最大值為300平方米，而最小值為30平方米，差異較大。通過對樣本數據進行分析后發現，僅存在1戶農戶的面積為30平方米，而房屋面積超過150平米的僅有10戶，調查地區的房屋住宅條件較好且差異不大，同時通過房屋面積的均值也可以看出這一點。通過上表可以看出，工資性收入占比X3最大值為0.96，收入幾乎全部來源于工資性收入，但同時也存在工資性收入為0的情況，工資性收入占比的均值為0.3967954，表明在樣本中工資性收入占到了家庭總收入約40%，而轉移性收入占比約42%，可以看出調查地區的收入主要依賴于這兩部分。而在調查樣本中沒有家庭有國家公職人員，所以其最大、最小及均值都為0。

（三）實證結果與解釋

將5個自變量和表示農戶返貧風險的分類指標（0代表正常組，1代表存在返貧風險組）的數據輸入STATA14.0，使用Probit模型進行回歸分析，得出的結果見下表所示。

在進行Probit回歸后發現，X5即家庭是否存在國家公職人員全部樣本的結果均為否，對應觀測值均為0，在模型回歸中沒有影響，系數也為0，所以在回歸分析中將其剔除。

根據Probit模型的回歸結果，建立回歸方程：

Y=-4.866319+2.524454X1-0.0045465X2-1.450493X3+7.099561X4

從上述回歸結果可以看出，各變量系數的估計值有正有負，X1、X4的系數值為正，而X2、X3的系數值為負。系數符號為正表明：解釋變量越大，被解釋變量取1的概率越大;反之，系數符號為負則解釋變量越大，被解釋變量取1的概率越小。

X1即家庭是否有受教育兒童，系數值為正且在統計上是顯著的，這表明家庭是否有受教育兒童對返貧風險的影響是正向的，即家庭存在受教育兒童，會使家庭的返貧風險加大，并且該影響在統計上是顯著的。該變量的表現與我們理論上的認知是一致的，我們從調查資料的數據中分析得知，農戶家庭的主要支出中除了衣食保障外，占比最大的部分就是文化教育支出。雖然我國目前普及了九年義務教育，但更高級別教育的費用對于農戶來說仍然存在較大的壓力。

X2即為家庭的房屋面積，系數值為負，表明農戶的房屋住宅面積越大，農戶返貧風險越小。這也與我國脫貧的“兩不愁，三保障”的要求相契合，農戶的住房安全得到保障，才能謀求更好的發展。但該變量在統計上并不顯著，可能是因為在調查的樣本中農戶的住宅面積相對接近，住房條件差異不大，樣本中的平均住房面積為127.47平方米，同時當地還享受過政府的危房改造政策，住房條件較好，對農戶返貧風險影響較不明顯。

X3是工資性占比，其系數值為-1.450493，表明工資性收入占家庭總收入的比重越大，農戶的返貧風險越小。農戶的工資性收入在總收入中的占比越大，說明農戶的自身生存發展能力越強，減弱了生計脆弱性，具有一定的返貧風險防范能力。該變量的P值為0.091，在統計上較不顯著。可能是因為在調查樣本中農戶的收入結構不穩定，雖然外出務工成為了調查農戶最主要的收入來源，但部分農戶的外出務工時間只有1-2年，外出務工時間短，導致工資性收入占比的波動性較大。

X4是轉移性收入占比，系數值為正且在統計上是顯著的，轉移性收入占比越大，農戶返貧風險越大。轉移性收入在總收入中占比越高，對政府政策幫扶的依賴性越強，農戶的收入較不穩定，生計較為脆弱，不能很好的進行返貧風險的預防。一旦脫貧，政府的幫扶措施逐漸減弱，農戶極有可能因為自身能力缺失而返貧。

綜上可以看出，受教育兒童與轉移性收入占比是農戶返貧風險的重要影響因素，并且在統計上較為顯著。農村家庭子女受教育問題對返貧發生概率有積極的正向影響，因為在義務教育之后的高中、大學教育的費用對于貧困地區的農戶家庭來說依然較高，很容易導致返貧。轉移性收入占比對農戶返貧概率的影響也是正向的，扶貧工作中政府的政策幫扶是很重要的一部分，但如果轉移性的政府補助在總收入中的比重較大，農戶收入的增加就是無源之水，是不可持續和不穩定的。

四、建議

基于以上結論，本文認為可以在以下方面展開相應的工作：

一是重視教育，加大對貧困地區的教育支出，阻斷貧困的代際傳遞，為穩定脫貧提供可能。人力資本是返貧研究中的關鍵因素，必須得到相應的重視。政府應該加大對貧困地區的助學貸款力度，降低助學貸款的門檻，簡化助學貸款的審批機制，讓更多的家庭能夠享受到資助，普及高級教育的學雜費，減小農戶的壓力負擔，同時通過教育提升農戶家庭下一代的綜合素質，從另一方面增強其人力資本。

二是提升貧困農戶的知識技能，降低其對政策的依賴性，減少甚至阻斷“政策性返貧”。可以通過邀請一些專家對農戶進行培訓，或開展一些相關講座，鼓勵農戶提高自身的知識技能水平;同時政府還可以出臺一些政策鼓勵農戶積極創業，拓寬農戶收入渠道，帶動當地經濟發展，穩定脫貧成效。

三是構建的風險保障機制，減低農戶收入風險。可以通過農業保險在一定程度上降低農業的風險，同時政府可以對農業保險進行一定的補助，降低農戶購買農業保險的費用，以此來鼓勵農戶購買農業保險，減低農戶的生計脆弱性，保證農戶脫貧穩定。

參考文獻：

[1]? 鄭瑞強、曹國慶，脫貧人口返貧：影響因素、作用機制與風險控制[J].農林經濟管理學報，2016（6）.

[2]? 張珺，當前我國農村返貧現狀與問題分析[J].中國管理信息化，2011.

[3]? Alkire S.and J.Foster，2011，“Counting and Multidimensional Poverty Measurement”，Journal of Public Economics，95（7-8）：476-487.

[4]? Satya C.and M.Amita，2005，“Measuring Human Poverty：A Generalized Index and an Application Using Basic Dimensions of Life and Some Anthropometric Indicators”，Journal of Human Development，6（3）：275-299.

[5]? 范和生，返貧預警機制構建探究[J].社會建設，2017.

[6]? 付東震，精準扶貧過程中返貧阻斷的長效機制研究[J].經濟師，2017.

[7]? 何華征、盛德榮，論農村返貧模式及其阻斷機制[J].現代經濟探討，2017.

[8]? 許漢石、樂章，生計資本、生計風險與農戶的生計策略[J].農業經濟問題，2012.

基金項目：本項目得到了西南民族大學研究生創新項目（項目名稱：生計資本視角下貧困地區返貧風險的識別CX2019SP140）資助。

（作者單位：西南民族大學? 經濟學院）