易地扶貧搬遷家庭勞動力外出務工對多維貧困的影響

李聰 王穎文 劉杰 荀陽

摘要：基于多維貧困理論，以陜西南部安康地區為例，使用“AF”雙臨界值法對農戶家庭多維貧困指數進行測度，實證分析移民搬遷視角下勞動力外出務工對家庭多維貧困的影響。研究發現：不同類型農戶家庭，“搬遷戶—打工戶”家庭多維貧困指數最低，“非搬遷戶—非打工戶”家庭多維貧困指數最高;外出務工和外出務工強度能有效減輕農戶家庭多維貧困狀態，家庭收到匯款額和打工時間對減輕多維貧困有顯著正向影響，但受非搬遷戶樣本影響，外出務工強度對多維貧困的影響并不顯著;外出務工作為家庭主要生計活動，對減輕農戶家庭多維貧困有積極作用，相較于非搬遷戶，外出務工的減貧效應在搬遷戶群體中更為顯著。

關鍵詞：多維貧困;外出務工;易地扶貧搬遷;減貧效應;“AF”測度法

文獻標識碼：A

文章編號：100228482020（02）003213

開放科學（資源服務）標識碼（OSID）：

改革開放40年來，我國大力推進開發式扶貧，實現7億多人脫貧，成效顯著。2015年，中央提出到2020年實現貧困戶全面脫貧的總目標，并制定了“精準扶貧、精準脫貧”的基本方略。作為政策范式的創新，精準識別貧困戶是扶貧工作開展的首要前提，有效識別易地扶貧搬遷戶是扶貧開發的重大現實問題。隨著扶貧工作持續推進和反貧困研究不斷豐富，學者和政策制定者逐漸意識到單維收入“貧困”的局限性，代之以家庭系統和可行能力的角度來審視其“多維貧困”，這些因素包括家庭對外部基礎設施的可得性，如清潔飲水、道路、衛生設施等客觀指標，相關社會保障及福利措施，以及貧困者對福利的主觀感受等[12]。在扶貧實踐中，各級政府對扶貧對象的識別標準仍以收入貧困為主，忽略教育、健康及基礎設施等方面貧困的家庭，無法實現精準扶貧。

易地扶貧搬遷作為“五個一批”之一的精準扶貧實現途徑，主要針對“一方水土養不起一方人”地區的貧困戶，這些地區往往資源環境承載力差、交通不暢、信息滯后、人才匱乏，容易陷入“一般貧困—經濟發展乏力—貧困程度加深”的惡性循環。我國易地扶貧搬遷工作取得巨大成就，對特困區農戶脫貧作用明顯，但也出現了一些問題和弊端，如部分地區出現“濟富卻難益貧”現象，搬遷對象識別不精準導致“資源配置偏頗”效應，部分貧困戶“搬遷未脫貧”，陷入救濟陷阱。現階段，“搬得出”已基本實現，如何讓搬遷戶“穩得住”，擁有自我發展能力，保證搬遷家庭不重新返貧成為現階段政府及各界學者關注的問題。在現有移民搬遷安置區，以農民工為主體的流動人口處于城鄉貧困救助的“真空地帶”，外出務工已成為移民搬遷戶面臨“發展困境”時的主要選擇[3]，是移民安置區重要的生計活動，也是農戶家庭的主要收入來源。但是外出務工是否能有效緩解搬遷家庭的貧困狀態，尤其是多維貧困，相關問題值得關注。

本文以陜西南部（以下簡稱“陜南”）安康地區為研究區域，使用“AF”雙臨界值法對農戶家庭收入貧困和多維貧困指數進行測度，實證檢驗不同搬遷家庭勞動力外出務工對家庭多維貧困的影響。本文用多維貧困測度結果識別搬遷戶生計狀況，能有效甄別適宜搬遷貧困戶，完善搬遷戶精準識別方法，在后期合理評估易地扶貧搬遷政策的實施效果，具有重要的政策和現實意義。

一、相關理論與研究回顧

多維貧困依據可行能力理論延伸了貧困的界定標準。阿瑪蒂亞·森[2]指出，收入匱乏不是農戶致貧的原因，而是結果，貧困戶無法擺脫貧困的根本緣由是能力缺失，這種缺失限制了人們選擇生活的可能性。地理環境論也為本文提供了理論基礎，如德國學者Ratzel[4]發現，人口陷入貧困的程度和自然環境惡劣程度關聯度很大。氣候、土壤和水文等自然條件對地區農業生產和經濟發展非常重要，不利的自然因素使得農業生產條件差，經濟發展遲滯，最終引發地區貧困。由于自然環境極差地區的人們難以通過產業、金融等扶貧方式實現永久脫貧，易地扶貧搬遷能夠從根本上解決“一方水土養不起一方人”的現實困境[5]。此外，人口遷移理論認為，“推”和“拉”是導致人口遷移的重要力量。政府積極實施易地扶貧搬遷政策，推動貧困戶向移民安置區搬遷，同時移民安置區完善的基礎設施和務工機會拉動貧困戶脫貧致富。

關于勞動力外出務工和多維貧困的研究。宏觀上，勞動力外出務工顯著減輕了農村貧困程度，且在不同貧困標準和福利度量指標上均具備穩健性[6]。農村勞動力外出務工強度與家庭多維貧困存在著U形關系，即農村勞動力外出務工能夠有效減弱家庭多維貧困狀態，但隨著勞動力大量持續外流，超過U形拐點，其負面影響逐漸顯現，如家庭農業生產必要勞動力短缺，家庭人均收入降低，外出務工資金為其逃離村莊提供資本，加劇農村蕭條和貧困景象。勞動力外出務工對緩解家庭貧困作用顯著，但應避免出現大量勞動力外流導致嚴重的負面影響[7]。微觀上，外出務工收入成為農戶家庭收入的重要來源，使得家庭成員在健康、教育等維度上的多維貧困狀態得到有效緩解[8]。生活維度上，外出務工所得報酬能直接緩解農戶家庭在生活水平上的貧困程度[9];教育維度上，父親外出務工能顯著促進子女升學，改善家庭教育貧困狀態，母親外出務工改善子女受教育狀態的影響不顯著，但外出務工會提升父母對孩子的教育期望[1012];健康維度上，留守兒童要比父母沒有外出務工的兒童患病、體重超標和身材矮小等的概率更大，外出務工對留守老人健康方面的負面影響也是顯著的[1314]。家庭勞動力外出務工直接促進生活維度上貧困程度緩解，對其他維度上家庭貧困狀態的減輕有一定作用，但這種作用可能有限。

關于易地扶貧搬遷和多維貧困的研究。近年來，多維貧困概念逐漸被引入易地扶貧搬遷研究中，有學者從家庭稟賦、生態環境和基礎設施方面建立多維貧困指標體系，發現有些地方對于搬遷戶的識別存在一定漏洞[15]。易地扶貧搬遷后大多數農戶喪失原來的生產生活資料，農戶生計問題成為重要關注點。易地扶貧搬遷能為搬遷戶提供完善的基礎設施服務和務工機會，有效保障搬遷戶的可行能力，有助于增加農戶生計資本，并推動家庭內外部的務工策略的改變[1618]。

綜上，已有研究為本文提供了較好的研究基礎。研究方法上，多數文獻注意到模型內生性問題，并通過工具變量法、傾向得分匹配法對內生性問題進行處理，為本文研究提供了方法上的借鑒。然而，現階段關于易地扶貧搬遷對于緩解貧困方面的研究還停留在收入貧困層面，缺乏易地扶貧搬遷視角下勞動力外出務工對多維貧困的影響研究，為本文留下研究空間。

二、數據與方法

（一）數據來源

本文所用數據來自西安交通大學課題組于2015年在陜南安康地區的實地調研。陜南地處秦巴集中連片特困區，高山地形，自然條件惡劣，生態脆弱，扶貧難度較大。陜南移民搬遷肇始于2011年，后續納入國家“十三五”易地扶貧搬遷工程，實施8年多來，累計投資近千萬元，搬遷200多萬人，取得顯著成效。安康地區易地扶貧搬遷各項政策是本文多維貧困具體指標選取的重要依據。安康地區移民搬遷工程采取了涵蓋住房、就業、培訓及系列配套的扶持政策保障搬遷工程順利實施。住房上，以人定房，優先保障深度貧困戶搬遷，通過“交鑰匙”工程確保搬遷戶住房權益，兼顧做好舊宅騰退補貼資金，減輕搬遷戶建房負擔;就業上，培育相關產業，推動搬遷戶就業，加大對搬遷戶就業技能培訓，確保搬遷戶掌握基本生計技能，同時做好務工信息宣傳，鼓勵搬遷戶外出務工實現就業;相關配套上，在集中安置社區配套學校、社區醫院、文化活動室等設施，保障搬遷戶享受基本的公共服務，提升社區管理和治理水平，增強搬遷戶歸屬感。對比發現，搬遷戶和遷入地原居民住房條件基本相同，實現“有房可住”;針對搬遷戶的產業扶貧和技能培訓政策，遷入地原居民也可以無障礙參與相關培訓并實現就業，兩者“有事可做”;政府在相關配套上提供的公共服務不具備排他性，兩者都可以享受。與遷入地原居民最大不同在于，搬遷戶失去了原有耕地，生計方式面臨轉型的壓力更大，除在當地扶貧產業實現就業外，許多搬遷戶家庭勞動力不得不外出就業，以獲得生計收入。本文在搬遷戶和遷入地原居民各維度條件基本一致情形下，研究對由于失去土地面臨生計轉型農戶的家庭勞動力外出務工行為對其家庭多維貧困的影響。

課題組對安康市紫陽縣三個移民集中安置區及寧陜縣和漢濱區4鄉鎮8行政村進行了農戶生計專項的調查，其中紫陽縣、寧陜縣和漢濱區均是國家扶貧開發工作重點縣。需要指明的是，本次調研地點為安康地區移民搬遷工程遷入安置區，即從遷出地搬遷到搬入地的農戶為易地搬遷戶，搬入地原居民則為非搬遷戶。本次調研采用分層抽樣法，具體過程如下：首先在安康地區三縣（區）選取4個鄉鎮;然后在樣本鄉鎮抽樣選擇8個樣本行政村，包含3個移民集中安置區;接著根據樣本村村民小組名單，在每個樣本行政村抽取2個村民小組;最后對樣本村民小組農戶進行入戶調查。調查對象均為18～65歲的家庭戶主或戶主配偶，保證調查信息準確可靠。為保證調查效果，課題組進行了前期預調研并對問卷設置存在的問題進行調整。在實際調查中，課題組采取了系列質量控制措施，對調查員進行充分培訓，并對調查員的問卷時間和訪談方式進行規定以保證問卷質量。數據錄入后，對問卷數據進行數值檢驗和邏輯檢驗。

本次調研就農戶及其家庭特征、生計資本狀況、外出務工情況和易地扶貧搬遷政策等相關內容進行實地訪談，共發放問卷800份，回收670份，有效問卷為657份，有效率超95%。其中，男性占5937%，女性占4063%;已婚人口占8690%，未婚人口占1310%;樣本戶平均人口數為359，平均勞動力數量為273。此外，有效搬遷戶問卷459份，占70%，非搬遷戶樣本占30%。2015年，安康地區總人口為260萬人，其中農村人口約為144萬人，涉及搬遷人口約100萬人，搬遷人口約占安康地區農村人口的70%左右，非搬遷人口為30%。本文抽樣的搬遷戶和非搬遷戶比例與安康地區情況基本一致，整體上，調查樣本具有較強代表性，符合研究要求。

（二）研究方法

1.“AF”雙臨界值法

考慮到調研數據類型的多樣性，借鑒以往研究，本文采用“AF”雙臨界值法對農戶多維貧困進行測度。該測度方法能兼容離散和連續、定性與定量等不同類型的數據需求，且在實際操作中對貧困指標設定、臨界值和權重等方面具有較強的彈性[1920]。本文利用“維度求和”和“維度分拆”方法定量測度貧困人口在各維度陷入貧困狀態的程度。其中，“維度求和”是將貧困人口各維度貧困指數綜合起來，計算總體貧困指數，簡稱MPI;“維度分拆”是通過計算各維度貧困指數與總體貧困指數的比值，反映各維度貧困的貢獻度。

（1）維度求和。

首先劃定各維度的臨界值以及貧困臨界值，以此判斷農戶所處的多維貧困狀態，達到精準識別，然后計算表征農戶貧困程度的指標——多維貧困發生率、平均剝奪份額及多維貧困指數等。具體計算公式如下：

多維貧困指數（MPI）測度方法主要有兩種，一是計算矩陣期望，二是計算平均剝奪份額和多維貧困發生率的積。在進行維度求和時，需要考慮各維度權重，由于本文選取的各個維度對貧困人口的生產和生活都極為重要，故采用等權重法測度多維貧困指數。

（2）維度分拆。

多維貧困指數可按照農戶類型和選取指標的不同進行分拆，也可按照其他維度分拆，如搬遷戶貧困指數和非搬遷戶貧困指數與總體貧困指數的比值，分別能夠反映搬遷戶和非搬遷戶在多維貧困程度上的差異;住房、健康等維度的貧困指數與總體貧困指數的比值，分別能反映住房、健康等指標對總體多維貧困的貢獻度。

2.最小二乘估計

由于因變量多維貧困指數為數值型變量，故本文首先使用普通最小二乘法（OLS）進行實證分析，初步判斷自變量與多維貧困的關系，之后在打工戶樣本中，使用OLS來分析打工強度（家庭收到匯款額及打工時長）對家庭多維貧困的影響。

其中，Y為因變量，表示多維貧困指數（為減小異方差影響，取自然對數形式），即多維貧困程度;自變量中，X分別表示農戶是否外出務工、外出務工收入、打工時間及農戶是否為搬遷家庭等變量，Z表示農戶家庭生計策略、家庭人口特征和地理特征等控制變量，ε為隨機干擾項。

3.傾向得分匹配

農戶是否外出務工是本文基于易地扶貧搬遷視角下研究外出務工對多維貧困影響的重要問題，但是農戶選擇外出務工并不是一個隨機行為，它受家庭和社會特征等因素影響。如獲得貸款難度較大的家庭，家庭成員有更高可能性外出務工以增加家庭資產;學習能力強、學歷高的農戶更容易掌握外出務工所需技能，從事外出務工活動的可能性較大。但是采用最小二乘法可能會導致模型中內生性問題無法解決，致使研究結果存在偏差[11]。因此，在此選擇傾向得分匹配法（PSM）來估計易地扶貧搬遷視角下外出務工對多維貧困的影響，可以有效解決模型存在的內生性問題。

本文使用PSM方法處理農戶外出務工自選擇問題，即基于非打工戶樣本，為每個打工戶匹配一個非打工戶，使這兩個農戶僅在是否外出務工行為方面不一致，其他變量特征基本相同。于是，只有是否外出務工行為不同的兩個農戶的結果變量可看作同一個農戶打工和非打工變化前后的結果，其結果變量差值即為農戶外出打工凈效應。對整個農戶組而言，這個凈效應稱為平均處理效應（ATT），其表達式是

其中，Y1為農戶外出務工后的多維貧困水平，Y0為農戶沒有外出務工時的多維貧困水平。式（7）只能觀測到E（Y1[JB<1|]D=1）的結果，而E（Y0[JB<1|]D=1）是不可觀測的，稱為反事實結果，可以利用PSM方法構造它的替代指標[22]。傾向得分匹配法（PSM）首先需要對樣本數據進行傾向得分計算，然后對樣本進行匹配，最后檢驗匹配結果是否有效。

（三）指標構建及變量設置

1.多維貧困指標構建

依據阿馬蒂亞·森[2]的研究和世界銀行定義，貧困可視為人的福利缺失，涵蓋多維度和多層次的缺失，本質是人可行能力缺失，無法獲得收入和機會。在此定義基礎上，結合調研地區實際情況，本文選取身體狀況、教育程度、掌握手藝、家庭就業、清潔飲水、能源燃料、家庭資產和住房保障等8個維度對該地區多維貧困狀況進行測度。這些維度極大影響著貧困人口獲得收入和機會的能力，在聯合國發布的全球貧困狀況和減貧目標中充分體現，也是國內外學者研究多維貧困主題的主要指標，具有較強的理論和現實價值。由于上述8個維度對貧困人口的生產和生活極為重要，不可或缺，故在多維貧困測度方法中對各維度賦予相等權重[2324]。另外，本文對多維貧困的測度以家庭為單位。多維貧困各維度及臨界值設定見表1。

若家庭有2個及以上成員身體狀況不好，視為該家庭在身體狀況維度上貧困，否則視為該家庭在身體狀況維度上不貧困;若家庭沒有成員接受過初中及以上教育，視該家庭在教育程度維度上貧困，否則為不貧困;若家庭成員都不掌握一項技能或手藝（如編織、裁縫、會計、泥瓦匠、木匠、廚師和司機等），視該家庭在掌握手藝維度上貧困，否則為不貧困;若家庭沒有任何成員有工作（如農民、養殖戶、村干部、企事業職工、工人和個體戶等的為有工作，在家僅做家務和正在上學的成員為無工作狀態），視該家庭在就業維度上貧困，否則為不貧困;若家庭沒有任何生產或生活耐用品（如挖掘機、摩托車、鏟車、拖拉機、汽車、水泵、機動三輪、電腦、電視、洗衣機、冰箱/柜等），視該家庭在資產維度上貧困，否則為不貧困。

2.家庭多維貧困的影響因素

為探究易地扶貧搬遷視角下農戶外出務工對家庭多維貧困的影響，本文選取16個變量，并將其分為5類，分別是打工因素（外出務工、打工時間、家庭收到匯款額）、搬遷因素（是否為搬遷戶）、家庭生計策略（非農經營、農林生產、信貸難易、低保戶、培訓機會）、家庭人口特征（戶主年齡、家庭規模、婚姻狀況、撫養比、村務參與）、地理特征（交通狀況）。自變量多維貧困指數由式（3）計算所得，相關變量設置見表2。

借鑒李聰等[17]的研究，本文打工因素主要選取家庭中是否有成員外出務工、外出打工時間和家庭收到匯款額對其進行具體測度。本文首先將樣本分為總體、打工戶和非打工戶，并對選取變量進行統計描述，初步了解樣本特征，判斷打工與否對其的影響。然后觀測在搬遷戶與非搬遷戶樣本中打工時間和家庭收到匯款額的不同。最后將外出務工、打工時間和家庭收到匯款額納入到回歸模型，分析其對家庭多維貧困的影響。在總樣本中打工戶有495戶，占76%，非打工戶有154戶，占24%。

搬遷因素選擇了農戶是否為搬遷戶（即是否參與移民搬遷工程）。本文把樣本區分為總體、搬遷戶和非搬遷戶，將搬遷與否納入模型進行回歸，分析其對多維貧困的影響。始終將樣本分為搬遷戶和非搬遷戶以便研究搬遷因素對外出務工和多維貧困的影響。

農戶生計策略包括經營性收入和其他收入。經營性收入為農戶主要收入來源，分為非農經營和農林生產。考慮到培訓機會如農林業培訓、外出務工培訓和養殖培訓等會對經營性收入產生較大影響，從而間接影響家庭多維貧困狀態，本文借鑒李聰等[17]對培訓指標的研究，將培訓機會納入變量中。其他收入包括家庭獲得貸款和低保戶政府補助，這可以幫助農戶抵御經濟上的風險和沖擊，減輕農戶多維貧困的程度。

家庭人口特征包括戶主年齡、家庭規模、婚姻狀況、撫養比等方面。考慮到戶主在家庭決策中的重要作用，本文將戶主特征納入模型，選取戶主的年齡這一指標，該指標在一定程度上代表家庭決策的不同特征，也直接影響家庭貧困的狀態。此外，考慮到農戶家庭人口結構對農戶家庭重要決策的影響較大，選取3項農戶家庭結構指標（家庭規模、婚姻狀況和撫養比）作為具體變量。

考慮到陜南安康地區的實際地理狀況和實地調研數據可得性，選取交通狀況作為表征地理特征的指標，其主要測量家庭住房與村主要公路的距離，體現農戶交通便利程度，獲得外界資源可能性大小，是影響貧困戶獲得非資源性收入的重要原因。

三、收入貧困和多維貧困的測度

（一）收入貧困測度

2008年，我國將貧困線標準劃定為家庭人均純收入1196元（極端貧困標準），2011年上調貧困線標準至2300元（一般貧困標準），新的扶貧標準線與調整前相比提高了近一倍，涵蓋更多貧困人口。在剔除CPI影響后，2014年一般收入標準貧困線和極端收入貧困標準線分別為家庭人均純收入2617元和1410元。貧困標準線提高直接導致貧困廣度、深度和強度大幅增加，要重點關注扶貧資金缺口拉大和貧困人口內部差距擴大的問題，尤其是極端貧困人口脫貧問題。調研地區是移民搬遷安置區，僅計算比例貧困距（貧困深度）和平方貧困距（貧困強度），結果見表3

（二）多維貧困測度

1.多維貧困臨界值的確定

依據“AF”雙臨界值法測算農戶多維貧困指數。多維貧困指數不僅取決于不同貧困維度的權重w，也取決于給定臨界值k下的多維貧困發生率，即平均缺失程度。參照聯合國通用做法，以k是否大于1/3為標準界定農戶家庭是否陷入多維貧困。

在不同臨界值下農戶多維貧困指數的測算結果見表4。可以看出，隨著k值的增大，多維貧困指數和貧困發生率隨之降低，而貧困缺失份額逐漸提高。根據現行收入貧困的標準，由貧困發生率計算方法得出收入維度上的貧困發生率為125%。顯然，收入這項單維貧困在一定程度上低估了貧困發生率，如果只以收入貧困作為指標來判斷農戶是否為貧困戶，會導致對象識別不精準，影響搬遷戶精準脫貧實施效果。

2.不同類型農戶的單維貧困發生率比較

“搬遷戶和非搬遷戶”“打工戶和非打工戶”“搬遷戶—打工戶和搬遷戶—非打工戶”“非搬遷戶—打工戶和非搬遷戶—非打工戶”單維貧困發生率的比較結果如圖1所示。其中，搬遷戶樣本為453，非搬遷戶樣本197，從圖1（a）可以看出，在教育程度、住房保障、家庭燃料、清潔飲水和掌握手藝等方面，搬遷戶和非搬遷戶之間存在較大差異，非搬遷戶各維度的貧困發生率明顯高于搬遷戶;此外，打工戶樣本495，非打工戶樣本154，從圖1（b）可以看出，打工戶和非打工戶在教育程度、住房保障、能源燃料、身體狀況、家庭就業和掌握手藝等方面的貧困發生率差異明顯。

在搬遷戶樣本中，打工戶樣本364，非打工戶樣本88，圖1（c）對兩個樣本組的對比分析可以看出，搬遷戶樣本中的打工戶除清潔飲水外的其他指標貧困發生率都比非打工戶低，說明搬遷家庭中，打工戶和非打工戶在除了清潔飲水外其他指標的多維貧困程度上差異較大，且打工戶家庭貧困程度較低;圖1（d）為非搬遷戶樣本中打工戶與非打工戶的對比，其中打工戶樣本131，非打工戶樣本為66，與非搬遷戶樣本情況相似，在非搬遷戶樣本中，打工戶在除清潔飲水外和家庭資產外其他指標上的貧困發生率都比非打工戶要低，說明在非搬遷戶中，打工戶和非打工戶在教育程度、住房保障、能源燃料、身體狀況、家庭就業和掌握手藝等維度上貧困程度差異較大，且打工戶的貧困程度顯著低于非打工戶。

通過分析比較可以發現，“搬遷戶—非搬遷戶”和“打工戶—非打工戶”兩大類型家庭在家庭資產和清潔飲水維度上的貧困發生率較低，原因可能是搬遷與否、打工與否與清潔飲水關聯度不大，基本的清潔飲水都能得到滿足，而搬遷促進外出務工，增加了家庭收入，家庭資產維度上的貧困發生率較低。這兩類型家庭類型在其余維度上的貧困發生率較高，原因在于搬遷與否、務工與否可能影響家庭收入，進而導致家庭在其余維度上的彈性差異較大。此外還發現，上述類型家庭在8個維度上相似程度較高，原因是搬遷可能對家庭成員外出務工有促進作用，即易地扶貧搬遷戶外出務工的概率更大，外出務工有效降低了搬遷戶的多維貧困狀態，原因在于搬遷戶失去了最為依賴的土地，而搬遷安置區就業崗位有限，形成農戶外出務工的“推力”，加之外出務工收入相對較高，形成農戶外出務工的“拉力”。為維持家庭生計，這一“推—拉”作用使得搬遷戶選擇外出務工的概率增加[26]。此外，上述類型家庭在掌握手藝維度上的貧困程度較深，原因是調研時重點關注家庭成員是否具會計、司機等顯性技能，發現較多農戶選擇在建筑工地、電子工廠等務工，此類工作崗位也可被視為家庭成員擁有一項手藝或技能，若將這類技能納入數據，農戶家庭在掌握手藝上的貧困預期會大大降低，故本文在測度多維貧困時使用等權重方法。

3.不同類型農戶多維貧困的測度結果及比較

不同類型家庭多維貧困的測度結果見表5，其中搬遷戶的多維貧困指數顯著低于非搬遷戶，表明非搬遷戶的多維貧困程度明顯高于搬遷戶多維貧困程度，易地扶貧搬遷對降低農戶家庭多維貧困程度有顯著積極作用。其余三種類型家庭與“搬遷戶和非搬遷戶”分析結論相似，不再贅述。

4.不同類型農戶多維貧困分解結果及比較

不同臨界值下，搬遷戶和非搬遷戶、打工戶和非打工戶的多維貧困指數分解結果見表6。無論在哪個臨界值下，搬遷戶家庭多維貧困指數明顯小于非搬遷戶家庭的多維貧困指數。對比發現，臨界值k越大，對多維貧困指數來說，非搬遷戶的貢獻率越大，搬遷戶的貢獻率越小。當k=05時，非搬遷戶貢獻率為553%，而搬遷戶貢獻率僅為447%。該結果表明，多維貧困臨界值越高，非搬遷戶貧困狀態就越嚴重。相似地，不同臨界值下，打工戶家庭多維貧困指數明顯小于非打工戶家庭的多維貧困指數。而臨界值k越大，對多維貧困指數來說，非打工戶的貢獻率越大，打工戶的貢獻率越小，即多維貧困臨界值越高，非打工戶的貧困狀態就越嚴重。

由表6比較可知，非搬遷戶和搬遷戶、非打工戶和打工戶的多維貧困指數隨臨界值k的增大而逐步減小，說明農戶家庭的貧困狀態與選取標準（臨界值k）緊密相關。此外還發現k=03是搬遷與否的貢獻率拐點，k<03時，非搬遷戶貢獻率小于搬遷戶，k≥03時，非搬遷戶貢獻率大于搬遷戶;k=04是打工與否的貢獻率拐點，k<04時，非打工戶貢獻率小于打工戶，k≥04時，非打工戶貢獻率大于打工戶。

（三）收入貧困和多維貧困下的農戶家庭識別

收入貧困和多維貧困的列聯表結果見表7，以極端貧困標準為例，在多維貧困和收入貧困雙重標準下，識別出5603%的貧困農戶和3439%的非貧困農戶，精準識別率為8876%（一般貧困標準下的精準識別率則超過90%），表明收入貧困和多維貧困標準對安康地區農戶家庭的識別效率較高。兩個標準識別下的農戶家庭重合度較高，即大多數樣本農戶在陷于收入貧困的同時也處于多維貧困中，故本文僅考慮外出務工對農戶家庭多維貧困的影響。

四、實證結果與討論

（一）外出務工與否對家庭多維貧困的影響

表8第（1）列表示總樣本中以多維貧困指數為因變量，以外出務工與否和搬遷與否為核心自變量的回歸結果;第（2）（3）列分別表示搬遷戶和非搬遷戶樣本中以多維貧困指數為因變量，以外出務工與否為核心自變量的回歸結果。

在總樣本和搬遷戶樣本中，外出務工與否對多維貧困指數的影響在1%水平上顯著，即打工戶多維貧困指數較低，貧困程度較低。非搬遷戶樣本中，外出務工與否對多維貧困指數的影響在5%水平上顯著。在總樣本中，家庭是否為搬遷戶對多維貧困指數的影響也極為顯著，即搬遷戶家庭多維貧困指數較低，多維貧困程度較低。總體而言，打工戶和搬遷戶家庭多維貧困程度普遍較低。

從不同維度來分析外出務工對多維貧困的具體影響。教育維度上，外出務工顯著提升了家庭對教育的消費能力，增強了家庭對教育的重視程度;勞動力外出務工收入不僅為子女接受教育提供經濟支持，且外出務工人員在城市接受新生活和新思想的沖擊也增強了對子女教育的重視程度。健康維度上，勞動力外出務工所得報酬有效改善留守父母和兒童的飲食水平，還提升了農村家庭的醫療支付能力;此外，農村家庭外出務工間接推動農村基本醫療和保險的覆蓋率。生活維度上，外出務工報酬在滿足基本生存、教育和醫療消費外，還會增加對大額耐用品的消費，同時還會間接促使外出務工人員對家庭能源設施和衛生設施的需求增加，進而降低生活水平維度上的貧困程度。

（二）內生性問題的處理

為了消除樣本的自選擇偏誤造成的內生性，本文采取傾向得分匹配（PSM）來評估外出務工帶來的減貧效應。在總樣本和不同搬遷樣本中采用最近鄰近匹配法和核匹配法兩種方法的估計結果見表9。在總樣本中，匹配前打工戶和非打工戶的多維貧困指數在1%水平上有顯著差異，這表明打工戶比非打工戶的多維貧困指數低0073;經過最近鄰近匹配法配比后，打工戶和非打工戶的多維貧困指數在5%水平上有顯著差異，兩者差異為-0058，和匹配法得出的結果大致相同，驗證了結果的準確性。在考慮了外出務工選擇性偏差后，外出務工對多維貧困指數降低的作用明顯變小，忽視外出務工選擇性偏差和內生性問題將導致外出務工對減小多維貧困狀態效果的高估。

在搬遷戶樣本中，打工戶和非打工戶多維貧困指數在1%水平上有顯著差異，這表明搬遷戶群體中打工戶比非打工戶的多維貧困指數低0071;經過配比后，打工戶和非打工戶的多維貧困指數在1%水平上有顯著差異，兩者差異為-0085。在考慮了外出務工選擇性偏差和內生性問題后，外出務工對多維貧困指數的降低作用仍顯著。

在非搬遷戶樣本中，打工戶和非打工戶的多維貧困指數在5%水平上差異顯著，這表明非搬遷戶群體中打工戶比非打工戶的多維貧困指數低0065;經過最近鄰近匹配法的配比后，打工戶和非打工戶多維貧困指數無顯著差異，和匹配法所得結果大致相同，說明去除樣本內生性后，外出務工對多維貧困雖然仍有積極影響，但是影響并不顯著，與表8的分析結果相符，即在非搬遷戶中外出務工對多維貧困的積極影響更弱。

（三）外出務工強度對家庭多維貧困的影響

為了進一步分析打工強度對家庭多維貧困的影響，本文選取打工戶樣本，構建回歸模型分析打工時間、家庭收到匯款額等因素對家庭多維貧困的影響。表10第（1）（3）（5）列分別以打工戶樣本、打工戶中的搬遷戶和非搬遷戶為樣本，構建家庭收到匯款額對多維貧困影響的模型;第（2）（4）（6）列為打工時間影響家庭多維貧困的回歸模型。

在打工戶總樣本和打工戶搬遷樣本中，家庭收到匯款額對多維貧困指數的影響在1%水平上顯著，打工時間對多維貧困的影響也是正向的，但在總樣本中，它對多維貧困的影響不顯著，此外在非搬遷樣本中，家庭收到匯款額和打工時間對多維貧困的影響也都不顯著。

對搬遷戶而言，移民搬遷不僅意味著空間轉換，還意味著生產資料和生活方式的轉變。根據陜南移民搬遷政策的規定，搬遷戶要將原有土地歸還，即便安置地會重新分配，但受客觀條件影響，搬遷戶獲得土地比原來要減少很多，導致他們面臨著生計方式從農業到非農的轉型。為維持基本生活，多數農戶會選擇外出務工以獲得酬勞彌補家用，外出務工收入成為搬遷家庭重要的收入來源。外出務工在增加農戶家庭總收入的同時，對勞動力自身健康、家庭子女教育、留守老人和兒童的照料會產生負面影響。打工時間、家庭收到匯款額都代表了外出務工強度，兩者對多維貧困的減弱都有顯著影響，原因在于在移民搬遷家庭中，外出務工收入占家庭總收入比重很大，而外出務工收入一般遠多于農業收入，故外出務工強度對緩解家庭貧困有非常顯著的影響。

與搬遷戶相比，非搬遷戶在生活方式和生產資料上都沒有較大改變，沒有生計轉型的壓力，子女陪伴、鄰里相處和生活環境等也沒有改變，非搬遷戶的收入既包括農林收入、家畜養殖收入，也包括外出務工收入等。但外出務工收入僅占家庭總收入的小部分，對多維貧困的改善有限。外出務工收入帶來健康、教育和生活維度上的改善，故外出務工與否對多維貧困程度改善有顯著影響，但因外出務工不是家庭收入的主要來源，所以其強度變化并沒有對貧困減弱產生顯著影響，相反，外出務工強度對多維貧困減弱的影響在搬遷戶中更加顯著。

五、結論與建議

[18]李聰， 王磊， 康博緯， 等. 易地移民搬遷農戶的生計恢復力測度及影響因素分析 [J]. 西安交通大學學報（社會科學版）， 2019（4）： 3847.

[19]鄒薇， 方迎風. 關于中國貧困的動態多維度研究 [J]. 中國人口科學， 2011（6）： 4959.

[20]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 [J]. 中國農村經濟， 2012（2）： 1220.

[21]侯晶， 應瑞瑤， 周力. 契約農業能有效提高農戶的收入嗎？——以肉雞養殖戶為例 [J]. 南京農業大學學報（社會科學版）， 2018（3）： 122132.

[22]王方妍， 蔡青文， 溫亞利. 電商扶貧對貧困農戶家庭收入的影響分析——基于傾向得分匹配法的實證研究 [J]. 林業經濟， 2018（11）： 6166+85.

[23]Barbara A， Daniel P M， Sheila R Z. How many struggle to get by inretirement？ [J]. The Gerontologist， 2010， 50（4）： 2937.

[24]Alkire S， Shen Y. Exploring multidimensional poverty in China： 2010 to 2014 [J]. Research on Economic Inequality， 2017（25）： 161228.

[25]侯亞景， 周云波. 收入貧困與多維貧困視角下中國農村家庭致貧機理研究 [J]. 當代經濟科學， 2017（2）： 116123.

[26]Li C， Zheng H， Li S Z， et al. Impacts of conservation and human development policy across stakeholders and scales [J]. The National Academy of the Sciences of the United States of America， 2015， 112（24）： 73967401.

責任編輯、校對： 高原