中國少數民族聚集區農戶貧困測度與分析

朱巧玲 張明飛

(中南財經政法大學 經濟學院，湖北 武漢 430073)

新中國成立以來的70多年創造了經濟快速發展和社會長期穩定的雙重奇跡。期間，中國的減貧工作取得了舉世矚目的成就。在人民群眾的收入水平持續快速增長的同時，通過長期實施精準高效的扶貧戰略，貧困人口總量和貧困發生率等指標都顯著下降。當前，我國正處于全面建成小康社會，實現第一個百年奮斗目標的決勝時期，并即將開啟全面建設社會主義現代化國家新征程。當此之際，受多因素綜合影響的少數民族聚集區農戶貧困已成為扶貧工作的重點。因此，以有效的方法充分掌握此類貧困人口及其所處環境的信息，并在提出假說之后進行驗證，進而為制定反貧困政策提供支持，顯然具有較高的理論與實踐價值。

一、問題的提出

貧困問題既可以源于個體在健康、知識技能或社會資本等方面的缺陷，也可以源于投融資機會、產業發展的溢出效應和公共物品供給等方面的不足使個體面臨人力資本投資、風險防范、機會獲取和經濟增長成果分享的障礙。阿瑪蒂亞·森認為，只有通過有效的貧困維度選取與權重設定來構造測度體系，才能為消除貧困提供有力的支持。早期研究中的貧困測度方式主要是，基于特定區域的最低生活保障水平確定貧困標準，并根據居民的收入或支出進行貧困識別。然而，有效的貧困研究和反貧困政策都要求從健康、教育、投資機會和公共物品等維度測度個體遭受的不利影響，同時，研究對象及其所處的環境越是復雜多變，對多維測度的依賴性就越強。因此，各種多維貧困測度方法在進入21世紀之后被相繼提出。其中，由Alkire & Foster(1)Alkire S, Foster J. Counting and Multidimensional Poverty Measurement. Journal of Public Economics, 2011, 95(7-8) :476-487.基于Kakwani & Silber(2)Kakwani, N. and Silber, J. Quantitative Approaches to Multidimensional Poverty Measurement. New York: Palgrave Macmillan, 2008.和Wagle(3)Wagle, U. R. Multidimensional Poverty Measurement: Concepts and Applications, Economic Studies in Inequality, Social Exclusion and Well-Being 4. New York: Springer, 2008.等研究提出的A-F多維貧困測度方法在理論界引起了極大的關注，并迅速成為研究貧困問題的典型方法。其實，王小林與Alkire在2009年就曾探索性地使用過這種方法(4)王小林、Alkire：《中國多維貧困測量: 估計和政策含義》，《中國農村經濟》2009年第12期。。此后，這種方法在中國學者的同類研究中得到迅速推廣，如鄒薇等對中國的貧困問題實施了動態多維度考察(5)鄒薇、方迎風：《關于中國貧困的動態多維度研究》，《中國人口科學》2011年第6期。；郭建宇等研究了多維貧困測量指標的權重設定與調整對貧困測算結果的影響(6)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》，《中國農村經濟》2012年第2期。。

本文將研究范圍界定為中國少數民族聚集區農戶貧困問題。雖然此類貧困人口在近年來因經濟發展而快速減少，但依然是中國貧困人口的主體，并呈現顯著的集中趨勢。就此而言，有效緩解此類貧困是中國實現區域經濟協調發展和全面建成小康社會的重要途徑。然而，由于經濟發展的地域差異、生態條件和文化觀念等因素的綜合影響，此類農戶的多維貧困比其他地區更為嚴重。隨著“深度脫貧、精準扶貧”戰略的推進，中國理論界除了在一般貧困問題的研究中精煉多維測度方法，還逐步拓展該方法在地域類型上的應用范圍，但目前專門就少數民族聚集區農戶貧困進行多維測度與分析的研究尚不多見。因此，本文認為，以充分利用農戶特征和村莊經濟發展狀況等信息為基礎，在多維測度方法的指導下，分析導致此類貧困的關鍵成因，并基于經濟事實進行驗證，對于精準扶貧戰略的實施有重要參考價值。

二、A-F測度方法應用的相關設定

A-F多維貧困測度方法假設經濟個體(家庭或個人)在多個方面遭受剝奪，并使用“雙界限”方法對此進行測定。其操作流程是先設定個體在相應的單一維度是否處于貧困狀態的判斷標準，再確定個體在既定數目及以上的維度同時處于貧困狀態時則被判定為貧困的維度數目的臨界值。

(一)基本符號及其定義

(二)貧困的識別、加總與分解

令個體貧困狀況變量為ρk(yi,z)。當ci≥k時，ρk(yi,z) = 1，個體i為多維貧困；當ci≤k時，ρk(yi,z) = 0，個體i為非多維貧困。其中，k值存在是否考慮權重的區別。若不考慮權重，k∈[1,d]。當k= 1，只要存在一維剝奪，即被認定為貧困，而當k=d，則只有d維剝奪同時存在才被認定為貧困。若考慮權重，k∈[0,1]。此時，定義貧困的主流標準是個體在1/3及以上維度處于貧困，k的取值一般為1/3或0.3。

(1)

同時，可以從地區或維度等角度分解多維貧困指數M0，以便發現貧困在地區或維度間的差異，進而為制定反貧困政策提供支持。若按維度分解M0，可將公式(1)改寫為：

(2)

若按地區分解M0，并假設調查個體來自G個地區，n為各地區的個體數ni之和，可將公式(1)改寫為：

(3)

三、中國少數民族聚集區農戶多維貧困測度

(一)資料來源

本文所用數據來自中國家庭追蹤調查(CFPS)(7)聯合國《人類發展報告2016》技術細節中(第8頁)，提到中國多維貧困所使用資料來自 2012 China Family Panel Studies(CFPS 2012); http://hdr.undp.org/sites/default/files/hdr2016_technical_notes.pdf.。這主要是基于如下兩方面考慮：一是該資料包含較新的微觀家庭調查資料，最早為2010年，最近為2016年，與“精準扶貧”國家戰略的實施時間相吻合。二是該資料能全面反映某一群體的貧困變化。因此，近年來使用該數據進行貧困分析的研究日益增多(8)相關研究：侯亞景：《中國農村長期多維貧困的測量、分解與影響因素分析》，《統計研究》2017年第11期；李曉明、楊文健：《兒童多維貧困測度與致貧機理分析——基于CFPS數據庫》，《西北人口》2018年第1期；張昭、楊澄宇、袁強：《“收入導向型”多維貧困的識別與流動性研究——基于CFPS調查數據農村子樣本的考察》，《經濟理論與經濟管理》2017年第2期。。同時，本文將CFPS村居調查問卷中“您村/居是否為少數民族聚集區？”問題選擇“是”的村莊的居民界定為少數民族聚集區。

本文選擇刪除給出無效回答的調查戶。如果在回答中選擇“無法判斷”、“缺失”、“不適用”或“不知道”等，那么不僅刪除相應的個體，而且刪除所在的家庭。由于研究對象為全國少數民族聚集區的農戶，本文只使用調查數據中農村家庭資料。同時，由于2016年的調查數據仍未完整公布，本文選用2010和2014兩個年度的數據。經整理，2010年家庭樣本涉及9個省區、857戶家庭，2014年的家庭樣本涉及9個省區、618戶家庭。樣本的地區分布顯示，我國少數民族聚集區在西部地區所占比重約為八成。

(二)多維貧困指標設定

本文參考已有文獻資料，選擇從教育、健康以及生活水平等三個維度共計11個指標進行多維貧困識別，并在權重設定方面采用等權重設定方式。見表1所示。

表1 多維貧困指標設定

(三)貧困測度結果

1. 單維度貧困測度

從上述11個維度分別估算單維貧困發生率，結果顯示，在2010年，少數民族聚集地區農戶單維貧困中較為突出的維度是：94.75%的農戶在垃圾處理時不通過公共垃圾桶/箱、樓房垃圾道，82.85%的農戶常用的做飯燃料非煤、電、煤油、液化氣或天然氣中的一種，76.55%的農戶沒有衛生設施，65.34%的農戶家中所有成人受教育程度為小學及以下，55.19%的農戶既沒有汽車，也沒有拖拉機，且至多有摩托、電視中的一種；而在2014年，單維貧困中較為突出的維度是：77.02%的農戶沒有衛生設施，70.87%的農戶在垃圾處理時不通過公共垃圾桶/箱、樓房垃圾道，59.55%的農戶常用的做飯燃料非煤、電、煤油、液化氣或天然氣中的一種，以及40.94%的農戶家中所有成人受教育程度為小學及以下等，整體表現出與2010調查年度類似的特征。

2. 多維貧困估計結果

基于CFPS2010、CFPS2014中國農村居民調查數據，可以運用A-F測度方法對樣本中少數民族聚集區農戶進行多維貧困測量，其結果如表2所示。相關數據顯示，2014年較2010年在貧困比率、貧困剝奪份額和多維貧困指數等方面都明顯降低，這意味著中國少數民族聚集區農戶多維貧困狀況得到了較好的緩解。

表2 中國少數民族聚集區農戶多維貧困估計結果

3. 多維貧困指數分解

(1)維度分解

表3是2010年中國少數民族聚集區農戶在不同k值下的貧困指數的維度貢獻率。以k= 4為例，相應的多維貧困指數為0.3494，即同時存在4個維度貧困的貧困指數為0.3494。其中，垃圾處理對貧困的貢獻率最大，為19.61%；做飯燃料的貢獻率次之，為18.40%；衛生設施的貢獻率為15.24%。

表3 2010年中國少數民族聚集區農戶多維貧困維度貢獻(%)

表4是2014年聚集區農戶貧困在不同k值下的貧困指數的維度貢獻率。以k= 4為例，多維貧困指數為0.1749，即同時存在4個維度貧困的貧困指數為0.1749。其中，垃圾處理的貢獻率最大，為19.68%；衛生設施的貢獻率次之，為17.66%；做飯燃料的貢獻率為17.24%。

對比兩個調查年度的數據可知，受教育程度、做飯燃料、家庭用電以及家庭耐用品對多維貧困的貢獻程度在下降；而醫療保險、BMI、清潔飲用水、衛生設施以及住房對多維貧困的貢獻程度在上升。

表4 2014年中國少數民族聚集區農戶多維貧困維度貢獻(%)

(2)地區分解

通過對多維貧困指數M0進行基于區域的分解，可以得到不同k值下各區域多維貧困指數的貢獻率，結果見表5和表6。以k=4為例，2010年全國多維貧困指數為0.3494，其中，東部、西部以及東北地區少數民族聚集區農戶多維貧困指數分別為0.0282、0.2878和0.0334；各區域對全國多維貧困指數的貢獻率分別為8.08%、82.36%和9.56%。顯然，西部地區的貧困指數最高，貧困問題最為嚴重。

同樣以k=4為例，2014年全國多維貧困指數為0.1749，其中，東部、西部以及東北地區農戶多維貧困指數分別為0.0057、0.1489和0.0203；各區域對全國多維貧困指數的貢獻率分別為3.28%、85.11%和11.61%。同樣，西部地區的貧困指數最高，最為嚴重。

兩個調查年度的對比顯示，東部地區對多維貧困指數的貢獻程度在不同的k值下都實現了不同程度的下降，而西部和東北地區的貢獻則呈現上升態勢。在全國整體多維貧困指數呈現持續下降的前提下，這一結果說明西部和東北地區的貧困狀況在相對意義上有所加劇，這些地區依然是精準扶貧的主戰場。

表5 不同k值下多維貧困指數(M0)的地區分解結果(2010)

表6 不同k值下多維貧困指數(M0)的地區分解結果(2014)

四、 中國少數民族聚集區農戶致貧因素分析

在多維貧困測度之后，可以探討導致貧困的成因。問題是，多數社會調查資料都具有層級結構，會使個體之間存在非獨立性，導致經典回歸方法的分析結果具有顯著的偏差。所幸的是，分層線性回歸能很好地解決非獨立性問題。如果將農戶分為貧困與非貧困，分層Logisitc回歸就是研究貧困問題的適當選擇。

(一)模型設定

本文采用兩層Logistic回歸模型，其中，農戶被設定為第一層，而村莊則被設定為第二層。具體而言，在該回歸模型中，有關農戶和村莊模型的形式可以進行如下設定：

(4)

(5)

式(4)中i=1, 2, …,nj表示省份j中的第i戶調查家庭，j=1, 2, …,J表示村莊，nj為村莊j總調查戶數。P(Yi j= 1) 表示村莊j農戶i貧困發生的概率，P(Yi j= 0) 表示村莊j農戶i貧困不發生的概率，log{P(Yi j= 1)/[1-P(Yi j= 1) }表示P(Yi j= 1)的Logit變換，經過這一變換，貧困發生率就可以寫成自變量的線性表述。式(4)意味著農戶貧困發生概率的Logit變換是K個解釋變量X的線性函數。β0j、βkj分別代表截距項和第k個解釋變量Xkj所對應的回歸系數。

式(5)的設定表示截距項β0j和斜率項βkj隨村莊j變化而變化，而且都是與村莊j有關的S個解釋變量W的線性函數，Wsj表示村莊j的第s個解釋變量。此時，β0j和βkj解釋變量W的個數既可以相同，也可以不同。

(二)變量設定

因變量Y：本文將當k= 4時處于多維貧困的農戶界定為貧困戶，此時Y= 1，而低于這一臨界值的則是非貧困戶，此時Y= 0。

解釋變量：鑒于CFPS數據庫的特點，本文從戶主特征、家庭人口特征、家庭稟賦以及村莊特征等角度選取14個變量作為解釋變量。需要說明的是，CFPS家庭問卷中并無戶主這一項，對于2010年度調查資料，本文使用“誰是家庭主事者”來代替，對于2014年度調查資料，使用“買房子誰說了算”來代替。所有解釋變量可以處理成兩種類型，包括9個分類變量和5個數值變量，各變量的定義與類型設定如表7所示。

表7 解釋變量設定

(三)模型結果與分析

1. 變量的描述性統計分析

通過描述性統計分析可知，在2010年，戶主的平均年齡為46.22歲，平均家庭人口規模為4.68人，而2014年的數值則分別是47.59歲和4.67人。同時，兩個調查年度的結果都體現如下特征：貧困戶戶主年齡更高、貧困戶戶主是黨員的比重明顯更低。通過相關性檢驗，包括以列聯表χ2獨立性檢驗方法檢驗分類變量和以獨立樣本t檢驗方法檢驗數值變量，結果顯示，當選擇以10%作為顯著性水平時，戶主年齡、戶主性別、戶主是否是少數民族、戶主受教育程度、家庭中勞動年齡人口、家庭是否有自有住房以及是否有耐用消費品等變量在貧困戶與非貧困戶之間都存在顯著性差別，而其余變量則不存在顯著性差別。

此外，與第二層變量相關的分析結果顯示，在樣本范圍內，村莊常住人口比重的變化幅度較大，在2010年，最高者為1，最低者為0.6237，均值為0.9232，同時，有37.50%的村莊經濟發展水平較高，62.50%的村莊經濟發展水平較低；到2014年，村莊常住人口比重的最低值下降為0.4178，而村莊經濟發展水平較高的比例上升為70.27%。這意味著村莊的經濟結構特征和經濟發展水平都實現了實質性改善。

2. 回歸模型結果

對于分層線性模型而言，是否應該將層級影響納入考慮范圍的主要判定指標是組內相關系數(Intra-Class Correlation，ICC)，即組間方差占組內方差與組間方差之和的比重，其實質是因變量的變異中可用組間方差解釋的部分。Cohen(1988)認為，當ICC > 0.059時，就應選擇以分層線性模型對層級影響進行處理。其中，分層線性模型一般使用軟件HLM實現。而在以HLM軟件進行分層Logistic回歸估計時，有兩種估計程序，即特定單元模型和總體平均模型。比較而言，總體平均模型估計需要更少的假設條件，并對隨機效應的設定偏誤缺乏敏感性，在實踐中更為常用。因此，本文選用總體平均模型進行分層Logistic回歸估計。

從Logistic回歸分析的角度看，通過使用全部解釋變量構建模型，并以兩個調查年度的數據進行檢驗，結果顯示，可以將全部解釋變量分為對貧困有正向影響和負向影響的兩種類型。其中，在2010年，全部解釋變量中參數檢驗不顯著的變量包括戶主年齡、戶主是否是黨員、戶主是否是少數民族、戶主工作狀況、家中人口規模和家中不健康人口數量。同時，戶主是男性(9)多數研究認為戶主為女性更容易引起貧困；但也有研究發現戶主性別為女性更不容易引起貧困。如樊麗明、解堊：《公共轉移支付減少了貧困脆弱性嗎？》，《經濟研究》2014年第8期；郭熙保、周強：《長期多維貧困，不平等與致貧因素》，《經濟研究》2016年第6期。、戶主不健康、家庭沒有自有住房以及汽車或拖拉機等固定資產的家庭更易陷入貧困，而戶主受教育程度越高、家中勞動年齡人口越多，則越不容易陷入貧困。而在2014年，參數檢驗不顯著的變量則包括戶主年齡、戶主是否是黨員、戶主受教育程度、戶主健康狀況、戶主工作狀況和家中不健康人口數量。此外，通過剔除參數檢驗不顯著的變量重新構建模型，各變量的參數估計結果與其在原模型中的表現高度相似，從而意味著分析結果是有效的。

從分層Logistic回歸分析的角度看，通過在截距項部分引入村莊常住人口比重以及村莊經濟發展狀況兩個層級變量，相應的回歸分析發現，村莊常住人口比重、村莊經濟發展狀況對模型的截距項具有顯著影響，這意味著采用分層思維進行模型設定是合理的。就2010調查年度而言，戶主年齡、戶主性別、戶主受教育程度、家中勞動年齡人口、住房是否自有等變量對貧困影響皆為顯著；而在2014年，戶主年齡、家中勞動年齡人口、住房是否自有、是否擁有汽車或拖拉機等變量對貧困影響顯著。

通過兩類回歸分析的對比可知，農戶貧困判定的有效性在很大程度上依賴于層級變量的引入。換言之，如果不考慮層級變量，家庭勞動年齡人口數量等變量對貧困的影響將被嚴重低估，而戶主性別和住房是否自有等因素的影響則會被高估。

五、結論與政策建議

本文以中國農村家庭追蹤調查(CFPS)數據為基礎，將A-F多維貧困測度方法運用于少數民族聚集區農戶貧困的測度與分析。研究發現，垃圾處理、衛生設施與做飯燃料對此類區域農戶貧困的貢獻度較大。2014、2010兩個調查年度的對比顯示，受教育程度、做飯燃料、家庭用電以及家庭耐用品對少數民族聚集區多維貧困的貢獻程度在下降；而醫療保險、BMI、清潔飲用水、衛生設施和住房等對多維貧困的貢獻程度在上升。同時，通過多維貧困的地區分解發現，西部少數民族聚集區的貧困指數最高，對多維貧困的貢獻程度約為八成。此外，分層Logisitc回歸結果表明，戶主年齡、家中勞動年齡人口、住房是否自有、是否擁有汽車或拖拉機等變量對貧困影響皆為顯著。而Logistic回歸模型與分層Logistic回歸模型的對比分析顯示，農戶貧困判定的有效性在很大程度上依賴于是否引入層級變量。因此，本文認為，能有效減緩此類貧困的政策措施主要包括：

第一，大力發展少數民族聚集區的農村經濟。本文選用的村莊常住人口比重和村莊經濟發展狀況等層級變量在本質上都是農村經濟發展狀況的反映，而相應的分析結果顯示，鄉村經濟的振興發展對于提升農戶的就業機會和收入水平有重要影響，能夠有效減緩少數民族聚集區農戶貧困。

第二，通過強化鄉村建設規劃和公共財政投入等途徑改善農戶的住房條件和公共物品的供給水平。目前，少數民族聚集區農戶在建房時依然主要是從自身的局部利益出發，較少考慮配套設施建設，導致臟、亂、差現象比較突出。同時，此類農戶在醫療、教育、經濟機會的獲取和溢出效應的分享等方面遠低于全國農村的平均水平。因此，完善鄉村建設規劃，增加公共財政投入，是少數民族聚集區扶貧工作的重要內容。

第三，加大政府對少數民族聚集區農戶的科技投入，積極開展以就業為導向的科技培訓，以增強農民就業能力。政府在扶貧政策的實施過程中應該以少數民族聚集區的經濟發展特征為基礎，有針對性地提供此類區域農民急需的職業技能和農業科技知識等方面的培訓，以期有效提高就業與經濟機會獲取能力。

總之，從政策效果的可持續性看，有效的扶貧政策高度依賴于扶貧方式實現從“輸血式”向“造血式”轉變。因此，只有以充分掌握此類農戶及其所處環境的信息為基礎，通過多維貧困測度與分析確定致貧的關鍵成因，并有針對性地實施包括有效提升農戶的人力資本水平，大力增加公共物品供給，以及有效改善農村經濟發展的環境條件等內容的政策調整，才能為實現少數民族聚集區農戶的有效脫貧提供堅實的支持。