生態移民政策能否化解家庭多維貧困？以青海藏區為例

(1.西北農林科技大學 經濟管理學院，陜西 楊凌 712100; 2.青海大學 財經學院，青海 西寧 810016)

1 引言

于非常之時，必以非常之舉，盡非常之功。貧困作為人類社會發展進程中不可回避的難題，受到各國的持續關注。我國自改革開放以來，為全球減貧做出的貢獻超過70%。十九大報告指出，“過去五年我國脫貧攻堅戰取得決定性進展，6000多萬貧困人口穩定脫貧，貧困發生率從10.2%下降到4%以下”。然而，脫貧攻堅戰的關鍵是打好深度貧困地區脫貧攻堅戰。當前，深度貧困地區多集中在革命老區、民族地區、邊疆地區，這些區域基礎設施與社會事業發展滯后，生態環境脆弱，人均可支配收入低，集體經濟薄弱，貧富差距正阻礙經濟增長對欠發達地區的帶動作用，已出現涓滴效應，且我國區域貧困性質發生了根本性變化，收入不是衡量貧困的唯一尺度[1]，從動態發展角度而言，需要通過多個維度進行考察[2]，貧困狀態從單一貧困演變為多維貧困[3]。

我國自進入21世紀以來，實施的生態移民政策就是為了幫助相對貧困和生計困難人群改變現有的生活方式而制定的政策，尤其是西部貧困地區或生態環境脆弱區域。這一政策不僅為民族地區人口集中度創造了現實的可能性，而且對民族地區脫貧工作意義重大，為民族地區經濟發展提供了難得的契機。在國家推動生態環境與社會經濟可持續發展的大背景下，生態移民政策無疑成為了突破貧困人口居住區域自然與人力資源雙重困境，促進家庭脫貧致富的重要舉措。2015年聯合國將消除極端貧困與確保環境可持續作為千年發展目標的兩大核心，且國務院發布的《中共中央關于打贏脫貧攻堅戰的決定》中明確要求堅持扶貧開發與生態保護并重。生態移民政策是保護生態與緩解貧困的最關鍵渠道之一，一直以來成為學術界、政策界關注的焦點。青海藏區作為我國西部一個特殊的經濟落后少數民族區域，貧困覆蓋面較大、貧困程度較深，生態環境較為脆弱，各級政府將生態移民視作實現生態環境可持續發展和農牧民增收的重要舉措，藏區生態移民政策的典型性與重要性愈發凸顯。那么，該政策是否有效緩解家庭貧困狀況已引起國內外學者們的高度關注，已有研究表明，生態移民具有改善生態環境和提高扶貧效率的作用，可通過協調平衡生態效率與經濟效率，達到“移得出且穩得住”的目標[4～6]。也有部分學者認為移民政策對家庭貧困并未產生影響，甚至由于政策與外來力量的介入會導致的失業、貧困等問題[7,8]，嚴重阻礙了移民后續生計。

為實現2020年建成小康社會的宏偉目標，面對脫貧攻堅已經到了攻堅拔寨的關鍵階段，如何做到生態保護與扶貧工作相輔相成、協調發展，為“三區三州”打好打贏脫貧攻堅戰、實施鄉村振興戰略、全面建成小康社會提供可靠保障，需從多維角度來認識貧困。那么，在生態移民政策的實施下，家庭的貧困狀況是否得以改善？是否能夠有效起到緩解家庭多維貧困的作用？生態移民政策影響家庭多維貧困的作用機制是怎樣的？在精準扶貧脫貧的時代背景下，回答上述問題不僅有助于全面了解與評價生態移民政策的實施效益，而且有利于拓展與完善家庭多維貧困理論研究與作用機制，為我國實現青海藏區鄉村振興、牧民扶貧脫貧具有至關重要的理論與現實意義。

2 研究區概況與數據來源

2.1 研究區概況

本文數據來源于國家社科基金青年項目“公平視角下青海藏區農牧民增收問題研究”課題組的調研數據。青海藏區是中國除西藏自治區之外最大的藏族聚居區，中國10個藏族自治州6個在青海境內，全省藏區總人口達210萬人，占全省總人口的36%。作為長江、黃河、瀾滄江的發源地，被稱為“江河源頭”，是我國重要的生態屏障之一，也是生態環境脆弱區域。同時，青海藏區屬于《中國農村扶貧開發綱要(2011～2020年)》扶貧新戰略重點部署的14個特殊片區和“三區三州”的范疇，該區域受到整體貧困與民族地區發展滯后并存、經濟建設落后與生態環境脆弱并存、人口素質偏低與公共服務滯后并存“三重矛盾”的制約，一直是我國扶貧開發任務重、難度大的典型藏區省份之一。因此，以該區域進行生態移民政策對家庭多維貧困的研究具有一定代表性。

2.2 數據來源

課題組于2017年、2018年多次深入青海藏區實地調查研究，覆蓋青海省黃南藏族自治州、果洛藏族自治州、玉樹藏族自治州、海南藏族自治州、海西蒙古族藏族自治州、海北藏族自治州的11個縣(市)，結合青海藏區家庭生活習慣、民族文化等特色，按照6個自治州覆蓋范圍進行隨機抽樣，每個縣抽取1～3個自然村，每個自然村平均隨機抽取20戶家庭進行問卷訪談，共發放問卷570份，最終獲取517個有效樣本。

3 模型構建、研究方法與變量選擇

3.1 模型構建

根據多維貧困理論，為了準確識別青海藏區家庭貧困狀況，通過設定多維貧困各個維度及指標體系，確定每個指標臨界值，以此來測算多維貧困指數，青海藏區家庭多維貧困模型構建具體有以下幾個步驟：

第一，維度與指標體系構建。在甄別家庭多維貧困狀況過程中，構建多維貧困維度與指標是非常重要的。在借鑒Sen[9]的多維貧困理論和Alkire和Foster[10]提出的MPI指數的基礎上，該方法適用于發展中國家，通過確定剝奪臨界值與貧困臨界值來測量多維貧困，由于具有一定權威性，被學者們普遍應用[11～13]；同時，結合我國的《中國農村扶貧開發綱要》中扶貧要求與青海藏區調研過程中的實際情況，構建了以下維度與指標來衡量青海藏區家庭多維貧困狀況。

第二，權重與指標計算。借鑒已有文獻的研究[14,15]，在確定多維貧困維度和指標的權重過程中，熵值法是被學者們普遍認可的。這種方法是通過計算多維貧困各維度及指標的貢獻率，對每一個維度中的指標以不同的權重賦值。同時，已有學者研究表明，該方法研究得出的結論通過了穩健性檢驗[16]，說明熵值法還是具有一定的權威性。因此，本文采用等權重方法對10個多維貧困指標的權重進行計算，見表1。

表1 多維貧困指標體系與指標權重

第三，家庭多維貧困指數計算。先計算出多維貧困人口發生率H，然后計算出多維貧困強度指數A。最后多維貧困指數MPI是由多維貧困人口發生率乘以多維貧困強度指數獲得的。表達式如下

3.2 研究方法

政策效應評估的本質在于比較同一樣本參與和未參與某一項目的收益差，本文運用政策評價中的平均處理效應方法實證分析參與生態移民政策對青海藏區家庭多維貧困的影響。將樣本家庭分為實驗組與對照組，其中實驗組是參與生態移民政策的樣本家庭，對照組是未參與的樣本家庭。由于生態移民政策是以政府引導、自愿選擇為前提，既不是隨機產生的行為也不是隨機分配的結果，屬于自選擇的結果，農牧民根據自身家庭各方面條件做出選擇，因此，家庭是否參與生態移民政策不是外生變量，而是屬于內生變量范疇。考慮到最小二乘法OLS估計參與生態移民政策對家庭多維貧困的影響會產生自選擇導致的估計偏差問題，同時，樣本家庭選擇參與生態移民政策也會受到戶主個人特征、家庭特征、環境特征等方面的因素影響，而這些因素也會同樣影響家庭多維貧困，這在分析生態移民政策對家庭多維貧困的影響時會存在內生性問題，即家庭參與生態移民政策不僅與多維貧困有關，也與殘差項有關。

鑒于以上考慮，本文運用傾向得分匹配方法(PSM)來解決家庭參與生態移民政策的自選擇問題。PSM方法既能夠避免不可觀測因素帶來的內生性問題，又能夠控制一些可觀測的異質性因素，消除自選擇帶來的內生性問題[17]。假設處理變量為Di=(0,1)，表示家庭i是否參與生態移民政策，若參與，D=1，反之，D=0。家庭的多維貧困為Yi，參與生態移民政策的家庭多維貧困為Y0i，未參與為Y1i，探究Di對Yi的影響，表達式為

ATT=E[Y1i-Y0i]=E[Y1i-Y0i|D=1]

=E[Y1i|D=1]-E[Y0i|D=1]

(1)

其中ATT為參與生態移民政策家庭的平均處理效應。具體而言，傾向得分匹法分為傾向得分(propensity score)與匹配(matching)兩個步驟：一是構建一個家庭參與政策的概率模型，預測每個家庭的傾向分數值，并根據該值檢驗變量的平衡條件；二是進行配對分析，運用相應的匹配方法為參與生態移民政策的家庭尋找匹配的未參與政策的家庭，為避免選擇性偏誤和混雜偏差進行模擬隨機分組，同時，比較參與政策的實驗組和未參與政策的對照組，對傾向得分相近的家庭計算生態移民政策對多維貧困的平均影響。

3.3 變量選擇

從已有研究發現，目前學界對是否處于多維貧困的劃分標準并不統一，結合楊慧敏等[13]與韓佳麗等[18]的研究，本文以二維貧困狀態作為劃分標準，處于二維及以上的多維貧困狀態的家庭，視為多維貧困，將其賦值為1；處于一維或非貧困狀態的家庭，視為非多維貧困，將其賦值為0。同時，將是否參與生態移民政策作為核心變量，由于家庭是否選擇參與生態移民政策會受到戶主個人特征、家庭特征、環境特征等方面因素的影響，因此，本文選取的主要變量有：家庭是否處于多維貧困狀態、是否參與生態移民政策、以及涵蓋個人、家庭和環境相關變量的控制變量。

4 青海藏區家庭多維貧困狀況

4.1 多維貧困各指標貧困測度

為了更準確分析多維貧困，首先對單一維度貧困進行測度。根據分析發現，家庭受教育年限和做飯燃料的貧困問題凸顯，其中51.03%的樣本家庭受教育年限小于6年，65.02%的家庭沒有使用清潔能源，仍以木柴、牛糞等為主要燃料，而兒童入學的貧困發生率最低，在九年義務教育普遍推行的同時，家庭對子女教育的理念也悄然轉變，由以往的代際傳承傳統畜牧業變得越來越重視孩子的教育。比較生態移民與非生態移民群體差異發現，非生態移民的貧困發生率普遍高于生態移民的貧困發生率，尤其是家庭用電、飲用水、醫療保障等方面的差距尤其明顯，初步判斷與移民搬遷有一定關系，家庭由于以傳統畜牧業生產方式為主，每年游牧分為冬季與夏季草場，居無定所的日子給他們的基本生活帶來不便，而生態移民搬遷后，統一安置在政府修建的社區，基礎設施也相應具備，水、電等生活保障基本到位，因此，這三個指標的貧困發生率差距顯著；除了受教育年限與做飯燃料指標外，非生態移民還在交通道路、家庭用電、健康水平、醫療保障等方面的貧困更為突出。

4.2 多維貧困測度與分解

從單一貧困的測度分析發現，青海藏區家庭存在著多維貧困的現象。為更準確地識別家庭的多維貧困狀況，對多維貧困測度估計結果。結果顯示，臨界值K=0.1時，全樣本的貧困發生率最高為81.1%，說明81.1%的家庭至少存在著一維貧困的現象，且非生態移民高于生態移民群體。隨著K值升高，貧困維度逐步遞增，貧困發生率與多維貧困指數逐步遞減，值得關注的是，生態移民家庭的最高貧困發生率是在K值為0.6時，其多維貧困指數為0.012，非生態移民家庭在K值為0.8時，其多維貧困指數為0.013，說明發生多維貧困現象易出現在非生態移民家庭群體。從貢獻率來看，K=0.1和K=0.2時，生態移民家庭的貢獻率分別是62.2%與48.9%，而非生態移民家庭的貢獻率分別為34.8%與46.4%，說明非生態移民家庭在低維度貧困狀況的貢獻小于移民家庭，隨著貧困維度增加，非移民家庭的貢獻率大于移民家庭，說明非生態移民家庭的貧困狀況隨著臨界值升高也越嚴重，這與前文分析的結果也非常吻合。

5 生態移民政策對家庭多維貧困的影響

5.1 家庭參與生態移民政策的影響因素

傾向得分匹配的第一步需要估計家庭參與移民政策的傾向得分，根據得分進行匹配，進而分析實驗組與對照組的處理效應，關鍵是選擇匹配變量，PSM對家庭參與移民政策的影響因素的要求較高，即需要同時影響家庭參與移民政策的行為與家庭多維貧困，且選擇的變量不會因家庭參與生態移民而受到影響[19]。基于已有文獻的基礎上，本文選取個人、家庭、環境特征的相關變量作為匹配變量，表2為家庭參與生態移民政策的傾向得分估計結果，可以看出，模型整體較顯著，通過了ROC檢驗，且logit回歸系數與邊際效應的符號均一致。

表2 參與生態移民政策傾向得分的logit估計結果

注:*、**、***分別表示通過顯著性水平為10%、5%、1%的統計檢驗。下同。

由表2顯示，性別、年齡、家庭規模、家庭負擔比、家庭人均收入、家庭是否有村干部、家庭牛羊量、草場質量、是否在生態脆弱區均對家庭參與生態移民政策產生顯著影響。男性戶主比女性戶主參與政策概率高11.1%，戶主年齡每增加1歲，其參與政策概率提升0.3%，家庭規模增加1人，其參與政策概率降低4.1%，家庭負擔每增加1%則會降低36.5%的參與率，家中有村干部的比沒有村干部的高出17.9%的參與率，牛羊總量每提高1個單位，參與政策的概率降低6.8%，草場質量每提高1個單位，參與政策的概率下降8.5%，生活在生態脆弱區的家庭參與生態移民政策概率比非生態脆弱區的家庭高出17.7%。

5.2 假設檢驗

PSM方法的前提條件有兩個，即共同支撐假設與平行假設，其中共同支撐假設是為了保證實驗組與對照組的個體在綜合特征上相似，而平行假設是為了保證實驗組與對照組的個體在每個指標上相似。只有滿足這兩個假設才能保證匹配質量。

一般而言，共同支撐假設的檢驗方法有經驗密度函數圖、共同支撐域條形圖以及ROC曲線三類，本文選擇家庭傾向得分匹配后的密度函數圖，見圖1。從圖中可見，匹配之后生態移民政策參與家庭和對照組家庭的傾向得分區間具有較大范圍的共同區間，該區間即為共同支撐域，由此可知，本文的共同支撐域條件較理想，大多觀察值均在共同取值的范圍內，運用傾向得分匹配只有少量的損失樣本。

表3 匹配變量平衡檢驗結果

注：采用一比四的K近鄰匹配方法。

對于平行假設而言，通過平衡性檢驗可以分析，進一步對比分析匹配前后主要匹配變量誤差消減結果，見表3，可以看出，匹配后絕大多數變量在實驗組和對照組之間變量的標準化偏差均有不同程度的減少，除了婚姻和對生態移民政策了解程度標準偏差接近10%，其余變量均小于10%，且對比匹配前的結果，大多數變量的偏誤比例均大幅度降低，這意味著傾向得分匹配法的確能夠大幅度降低生態移民組與非生態移民組之間的差異。另外，T檢驗值的絕對值明顯變小，結果表明匹配后實驗組和對照組變量不存在系統性差異，意味著匹配后兩組之間在協變量上的差異進一步降低，由于自選擇導致的估計偏誤也得以改善。由此可知，樣本經過匹配后通過平衡性檢驗，即兩個樣本組在協變量上不存在系統差異或差異很微小，基本可達到隨機試驗的效果。

表4 模型匹配前后的總體擬合優度

而模型總體擬合優度統計量的結果顯示，見表4，Pseudo-R2值顯著降低，從匹配前的0.229下降到匹配后的0.010，LR統計量由匹配前的140.66下降到匹配后的8.30且不再顯著，檢驗結果表明，匹配結果較好地平衡了實驗組與對照組之間的解釋變量分布，平行假設得以驗證。

5.3 生態移民政策對家庭多維貧困的影響

在匹配過程中，為保證匹配質量，通常只保留傾向得分有重疊的樣本。根據陳強[20]的研究，本文選取K近鄰匹配、半徑匹配與核匹配方法估計生態移民政策對家庭多維貧困的處理效應結果，見表5。

表5 對ATT 估計結果

由于不存在適用于一切情景的絕對好方法，只有根據具體數據來選擇匹配方法，雖然本文由于對照組個體并不多，但由于研究數據來自于實地調研，在采取科學的調研方法滿足了樣本代表性的前提下，實驗組和對照組的樣本比反映了當地真實的家庭參與生態移民政策的現狀；且樣本數量經過共同支撐域檢驗和平衡性檢驗，因此，本文數據滿足了PSM模型的使用條件。由表5可以看出，通過K近鄰匹配、半徑匹配與核匹配得到的平均處理效應ATT分別為-0.362、-0.351、-0.353，且分別在10%、5%、5%的水平上顯著，由此可見，不同的匹配方法得到的平均處理效應估計值與其顯著性均相似，結果表明，模型估計結果是穩健的，也說明三種匹配方法均較為合適，更嚴謹地講，結合本文研究實情，在三類匹配方法中，有放回的K鄰匹配更為理想。對參與政策的家庭與未參與政策的家庭兩個樣本組在消除了可觀測異質性導致的顯性偏差后，參與生態移民政策的家庭多維貧困比未參與的家庭低36.2%。這可能說明生態移民搬遷前后生活確實發生較大轉變，經過搬遷后，移民生活不僅有了較大改善，而且住房、醫療、教育等有所保障，從而大大降低了家庭多維貧困狀況。

6 結論與建議

6.1 研究結論

基于青海藏區的微觀家庭調查數據，通過多維貧困測量方法與傾向得分匹配方法研究了家庭參與生態移民政策對多維貧困的影響，研究表明：(1)家庭多維貧困的單一維度中，最嚴重的問題是做飯燃料和受教育年限，且家庭的貧困狀況存在復雜性，單一因素并不能很好地表征貧困狀況的多維特性。(2)家庭貧困狀況不能夠僅以收入為衡量標準，還存在著多維貧困，且生態移民政策對其影響顯著。從家庭多維貧困狀況分析，隨著貧困維度提高，貧困發生率與指數均遞減，且生態移民組與非生態移民組存在差異；此外，多維貧困貢獻率中，移民組隨著維度提高逐漸減少，非移民組則正好相反。(3)生態敏感區參與生態移民政策的家庭受到性別、年齡、家庭規模、家庭負擔比、家庭人均收入、家庭是否有村干部、家庭牛羊總量、草場質量、是否在生態脆弱區等因素的顯著影響，且生態移民政策的實施具有緩解家庭多維貧困的效果，參與生態移民政策的家庭多維貧困比未參與的家庭低36.2%。

6.2 建議與局限

首先，從貧困狀況特性看，需重視做飯燃料和受教育年限兩個最為嚴重的問題，且青海藏區家庭多維貧困涉及多個方面，家庭扶貧也應從多個維度進行考慮。各級相關部門應側重提高藏區農牧民生活質量，加強自來水、清潔燃料、道路交通等基礎工程建設，加大公共衛生醫療投入，改善家庭做飯燃料狀況。同時，繼續加大對青海藏區基礎教育投入力度，通過統一性、連續性、標準化和制度化的正規教育循序漸進地提升移民整體的文化素質，借助技能教育、成人教育提升農牧民的生產、生存技能，進而改善青海藏區家庭就業的邊緣處境，提升自我發展能力。

其次，多維貧困指標體系為青海藏區生態移民政策實施效果提供了有理論價值和可操作的視角，基礎設施、公共服務等多維度的結構性改善，是移民貧困人口所需，更是多維扶貧對移民綜合福利提升的體現。有關部門應將全面提升青海藏區家庭福利水平作為一個長遠的政策目標，從公共服務、社會保障等多維結構角度改善，提高青海藏區扶貧資金與項目的瞄準率，引導扶貧項目有序開展，以改善藏區家庭生產生活條件與基礎設施建設，加強醫療保險、家庭低保等公共服務項目，加大對其的財政轉移支付，使得青海藏區貧困家庭能夠有機會與能力參與經濟發展成果，進一步降低家庭多維貧困發生率。

最后，鑒于藏區家庭的群體差異性，只有實施差別化的群體扶貧政策，才能實現藏區精準扶貧。對于參與生態移民政策的家庭，因地制宜地鼓勵優勢產品相關企業在當地集聚，重點開發優勢畜牧業產品和特色民族手工藝品等，促進畜牧業產業、手工產業集群的形成，打通產業間的融合，提供更多就業崗位，拓寬增收渠道，加快藏區家庭脫貧速度。對于未參與生態移民政策的家庭，尤其是特殊狀況的貧困群體，應實施綜合救助措施，考慮該地區生存環境惡劣，高原病、地方病問題突出，農牧民子女上學不便，可通過開展醫療救助、教育救助等多方面救助，保障貧困家庭基本生存水平，最大限度避免出現貧困的代際傳遞效應。

本文研究也存在一些研究局限。在研究變量方面，構建的多維貧困指標體系選取可能并不全面，未來將進一步豐富與完善家庭多維貧困的指標體系，如資產方面將綜合考慮草場面積與牛羊數量等；在研究內容方面，雖然彌補了少數民族生態脆弱地區，但鑒于數據可獲性，僅針對青海藏區地區的截面數據進行研究，未來將基于時間序列逐步拓展到多省區域間的研究。