精準扶貧跟蹤審計與績效審計一體化實證研究
——基于吉林省大安市的多元Logistic回歸分析

顧 兵，王日俊

(東北電力大學 經濟管理學院，吉林 吉林 132012)

2013年11月習近平總書記首次提出“精準扶貧”； “十三五”規劃提出全力實施脫貧攻堅，在2020年全面建成小康社會；黨的十九大報告明確要求堅決打贏脫貧攻堅戰，堅持精準扶貧、精準脫貧。精準扶貧已經從“以解決溫飽為主要任務”的階段轉入“鞏固溫飽成果、加快脫貧致富、改善生態環境、提高發展能力、縮小發展差距”的新階段。[1]在當前脫貧攻堅的關鍵時期，只有對精準扶貧進行跟蹤審計與績效審計一體化的審計監督，即對扶貧政策的落實進行跟蹤審計，對扶貧資金的使用實行績效審計，才能高效地完成脫貧任務。

一、文獻綜述

現階段關于精準扶貧審計的研究大都將精準扶貧跟蹤審計和精準扶貧績效審計二者分開來探討。精準扶貧跟蹤審計主要指對扶貧政策進行跟蹤審計，有助于準確把握和實現扶貧目標。[2]由于實踐時間不長，其在審計目標、思路與方式方法上還存在一些需要改進的地方，因此，可以通過創新理念和改進方式等加強扶貧政策跟蹤審計。[3]需要緊緊圍繞政策、資金與項目等內容，運用信息化平臺和熵權評價等理念全方位構建扶貧政策跟蹤審計機制。[4]要利用大數據技術，做到事前參與立項咨詢審計，事中實時聯網跟蹤審計，事后績效評估審計，充分發揮審計監督全覆蓋對精準扶貧的保駕護航作用。[5]精準扶貧績效審計主要是對扶貧資金的使用效果進行審計。我國扶貧資金績效審計工作還比較薄弱，存在重視不夠、覆蓋范圍有限、審計力度和深度不夠、資源整合不到位以及公開程度不高等問題。一方面，可以通過強化扶貧資金績效審計意識、加強與其他專業性審計相結合、深化績效審計的深度和力度等方式加強扶貧資金績效審計。[6]另一方面，可以應用無影燈效應對扶貧資金績效審計實施全監管，基于修正的平衡計分卡構建扶貧績效審計評價指標體系，并利用三角模糊數理論和模糊積分法對農村扶貧績效審計進行客觀評價。[7-8]

總體而言，當前針對跟蹤審計與績效審計相結合的精準扶貧一體化審計的研究較少，且定性研究較多，定量研究較少；針對扶貧審計方法措施的研究較多，評價扶貧審計效果的實證研究較少。本文以吉林省大安市為樣本，運用多元Logistic回歸分析模型，對精準扶貧跟蹤審計與績效審計一體化進行實證研究，以期找尋影響其效果的主要因素，為進一步完善和創新一體化扶貧審計， 打贏脫貧攻堅戰提供政策參考。

二、研究設計

(一)變量及賦值

為了全面分析評價大安市精準扶貧跟蹤審計與績效審計一體化審計方法的實施效果，并找出其影響因素，本文分別以扶貧政策落實是否滿意和扶貧資金使用是否滿意作為因變量，分別代表精準扶貧跟蹤審計和績效審計的效果，并選取文化程度、貧困人口變化情況、是否存在扶貧違紀問題等多個自變量，用多元Logistic回歸分析模型，深入分析精準扶貧一體化審計方法實施效果的影響因素，旨在進一步完善精準扶貧一體化審計模式。

各變量分類賦值情況如表1所示。

表1 變量及賦值

(二)多元Logistic回歸模型的構建

由于本文要對精準扶貧一體化審計效果的影響因素進行研究，所選取的自變量和因變量都不止一個，且因變量是無序多分類的，故采用無序多元Logistic回歸模型。

無序多元Logistic回歸模型的基本表達式為：

由其表達式可知，Logistic回歸模型擬合反應變量水平數減一個Logit回歸方程。

在Logistic回歸模型中，估計優勢比是某一事件發生的概率與不發生的概率之比，其表達式為：

兩個比值的比就稱為優勢比，簡稱為OR，其計算公式如下：

其中，xl1、xl2表示第l個自變量的兩個不同的取值；OR值就是在控制其他變量時，當xl從xl1變化到xl2時，因變量j水平發生概率和參照水平發生概率之比變動的比率。[9-10]

三、數據來源

大安市隸屬于白城市，位于吉林省西北部，地處松嫩平原腹地，總面積4879平方公里。地貌可分為臺地、沙丘、平川、低洼地四種類型。大安市地處松嫩蘇打鹽堿地區的中心位置，全縣鹽堿化土地面積2510平方公里，占全市土地總面積的51.49%，中重度鹽堿地又占鹽堿化土地的66%。2018年8月末，全縣人口38.92萬人，其中城鎮人口15.95萬人，城鎮化率40.98%，鄉村人口22. 96萬人；共有223個行政村，其中建檔立卡貧困村86個，建檔立卡貧困人口7899戶計14 595人，貧困發生率5.2%。

根據大安市的貧困現狀和精準扶貧跟蹤審計與績效審計一體化審計方法的實施現狀，選取扶貧政策落實是否滿意、扶貧資金使用是否滿意、文化程度、貧困戶建檔立卡情況、扶貧資金到戶情況、貧困人口變化情況、貧困人口就業情況、貧困人口收入是否增長、是否為“精英貧困戶”、是否存在扶貧違紀問題10個指標對大安市一體化審計方法的效果進行實證研究。一部分數據來源于吉林省統計年鑒，以及大安市扶貧辦、統計局和審計局；另一部分數據是對大安市貧困戶進行抽樣調查獲取的。采用分層抽樣與隨機抽樣相結合的方法，首先將大安市86個貧困村按每村的人口數量進行排序，然后分為7個層次并從每個層次中隨機選取3個貧困村，最后從選取的21個貧困村中按照年齡和貧困戶的人均可支配收入水平進行分層，并在每個貧困村選取15個貧困人口。共發放問卷315份，回收315份，回收率100%；其中有效問卷302份，問卷的有效率為95.9%。具體結果如表2所示。

表2 一體化審計效果影響因素樣本量統計表

四、大安市精準扶貧一體化審計效果的實證分析

(一)模型檢驗及計量結果

運用SPSS軟件分別對精準扶貧跟蹤審計模型和精準扶貧績效審計模型的整體擬合進行檢驗。由表3和表4可知，當加入各因變量后，兩個模型的-2倍對數似然值都下降了，P值均小于0.05，說明兩個模型的擬合較好。

表3 精準扶貧跟蹤審計模型擬合信息

表4 精準扶貧績效審計模型擬合信息

表5是對兩個模型進行多元Logistic回歸分析的結果。在回歸時，兩個模型中分別以“不滿意扶貧政策落實”和“不滿意扶貧資金使用”作為參考類別，因此其系數都為0；“文化程度=小學及以下”、“貧困戶建檔立卡情況=未建檔立卡貧困戶”、“扶貧資金到戶情況=扶貧資金未到貧困戶”、“貧困人口變化情況=未脫貧”、“貧困人口就業情況=未就業”、“貧困人口收入是否增長=否”、“是否為精英貧困戶=否”、“是否存在扶貧違紀問題=否”作為其相應自變量中的參考類別，這些系數也都為0。回歸系數的正負和絕對值表示對應變量的變化在兩個模型中分別對“滿意扶貧政策落實”和“滿意扶貧資金使用”概率比的影響方向及程度。

表5 模型的參數估計

(二)結果分析

根據表5，分別以“扶貧政策落實是否滿意”和“扶貧資金使用是否滿意”作為因變量建立兩個多元Logistic回歸模型，從文化程度、貧困戶建檔立卡情況、扶貧資金到戶情況、貧困人口變化情況、貧困人口就業情況、貧困人口收入是否增長、是否為“精英貧困戶”、是否存在扶貧違紀問題八個方面分析大安市精準扶貧跟蹤審計與績效審計一體化審計效果的影響因素。

從文化程度來看，“滿意扶貧政策落實”的回歸系數是-0.813，“滿意扶貧資金使用”的回歸系數是-0.749，且P值均小于0.05，表明貧困人口的文化程度對精準扶貧一體化審計效果具有顯著影響。在中學及以上學歷的貧困人口中，滿意扶貧政策落實的貧困人口的發生比和不滿意扶貧政策落實的貧困人口的發生比之比是小學及以下學歷的貧困人口中這一比值的0.443倍；滿意扶貧資金使用的貧困人口的發生比和不滿意扶貧資金使用的貧困人口的發生比之比是小學及以下學歷的貧困人口中這一比值的0.912倍。這表明小學及以下學歷的貧困人口中滿意扶貧政策落實和扶貧資金使用的發生比與不滿意扶貧政策落實和扶貧資金使用的發生比之比要高于中學及以上學歷的貧困人口。

從貧困人口建檔立卡情況來看，“滿意扶貧政策落實”的回歸系數是2.531，“滿意扶貧資金使用”的回歸系數是2.148，且P值分別為0.001和0.006，表明貧困人口建檔立卡情況對精準扶貧一體化審計效果具有顯著影響。在已建檔立卡的貧困戶中，滿意扶貧政策落實的貧困人口的發生比和不滿意扶貧政策落實的貧困人口的發生比之比是未建檔立卡貧困戶這一比值的12.562倍；滿意扶貧資金使用的貧困人口的發生比和不滿意扶貧資金使用的貧困人口的發生比之比是未建檔立卡貧困戶這一比值的8.566倍。這表明，已建檔立卡貧困戶對于扶貧政策和資金的滿意度比例要遠高于未建檔立卡貧困戶。

從扶貧資金到戶情況來看，“滿意扶貧政策落實”的回歸系數是2.477，“滿意扶貧資金使用”的回歸系數是3.337，相應的P值分別為0.000和0.001，表明扶貧資金到戶情況對精準扶貧一體化審計效果具有顯著影響。在扶貧資金已到的貧困戶中，滿意扶貧政策落實的貧困人口的發生比和不滿意扶貧政策落實的貧困人口的發生比之比是扶貧資金未到的貧困戶這一比值的11.905倍；滿意扶貧資金使用的貧困人口的發生比和不滿意扶貧資金使用的貧困人口的發生比之比是扶貧資金未到的貧困戶這一比值的28.121倍。這里需要特別說明的是，OR值較大的原因是自變量分類“扶貧資金未到貧困戶”的樣本個數太少，這也是因為大安市的扶貧資金發放工作完成得較好。上述結果表明，分到了扶貧資金的貧困戶對扶貧政策落實和扶貧資金使用的滿意度都要遠超過沒有收到扶貧資金的貧困戶。

從貧困人口變化情況和是否為“精英貧困戶”來看，在精準扶貧跟蹤審計模型中的P值分別為0.124和0.24，在精準扶貧績效審計模型中的P值分別為0.059和0.047，表明貧困人口變化情況和是否為“精英貧困戶”這兩個因素對于“扶貧政策落實滿意度”的影響非常小，而對“扶貧資金使用滿意度”具有一定的影響但是不顯著。這說明，貧困人口是否脫貧和是不是“精英貧困戶”對精準扶貧一體化審計的效果沒有顯著影響。

從貧困人口就業情況來看，“滿意扶貧政策落實”的回歸系數是4.398，“滿意扶貧資金使用”的回歸系數是-1.215，且P值均為0.000，表明貧困人口就業情況對精準扶貧一體化審計效果具有顯著影響。在已就業的貧困人口中，滿意扶貧政策落實的貧困人口的發生比和不滿意扶貧政策落實的貧困人口的發生比之比是未就業的貧困人口這一比值的81.263倍；滿意扶貧資金使用的貧困人口的發生比和不滿意扶貧資金使用的貧困人口的發生比之比是未就業的貧困人口這一比值的0.297倍。回歸系數一正一負說明貧困人口就業情況對“扶貧政策落實滿意度”和 “扶貧資金使用滿意度”的影響方向是相反的，這也導致OR值一個遠大于1、另一個遠小于1。已就業貧困人口對于扶貧政策落實的滿意度比例要遠高于未就業人口中的這一比例，而未就業貧困人口對于扶貧資金使用的滿意度要遠高于已就業貧困人口對于扶貧資金使用的滿意度，可能是因為已就業的貧困人口憑借自身勞動力更多享受到的是相關的扶貧政策，未就業的貧困人口可能因為年齡和身體狀況等原因導致勞動能力不足而更多更直接地得到扶貧資金的資助。

從貧困人口收入是否增長和是否存在扶貧違紀問題來看，在精準扶貧跟蹤審計模型中的P值分別為0.000和0.007，在精準扶貧績效審計模型中的P值分別為0.000和0.019，表明貧困人口收入是否增長和是否存在扶貧違紀問題都對精準扶貧一體化審計效果具有顯著影響。在收入增長的貧困人口中，滿意扶貧政策落實和資金使用的貧困人口的發生比和不滿意扶貧政策落實和資金使用的貧困人口的發生比之比分別是收入沒有增長的貧困人口這一比值的26.291和26.862倍，這表明收入增長大大提高了貧困人口對于扶貧政策落實和資金使用的滿意度；在認為存在扶貧違紀問題的貧困人口中，滿意扶貧政策落實和資金使用的貧困人口的發生比和不滿意扶貧政策落實和資金使用的貧困人口的發生比之比分別是認為不存在扶貧違紀問題的貧困人口這一比值的0.056和0.082倍，這表明認為存在扶貧違紀的貧困人口不滿意扶貧政策落實和扶貧資金使用情況。

五、研究結論及對策建議

精準扶貧跟蹤審計與績效審計一體化對于保障扶貧政策落實，規范扶貧資金使用，進而打贏脫貧攻堅戰具有重要作用。本文通過對吉林省大安市的精準扶貧一體化審計進行多元Logistic回歸的實證分析，找出了影響精準扶貧一體化審計效果的因素。為了最大化地保證精準扶貧一體化審計實施效果，進一步完善和創新一體化扶貧審計工作，根據各種影響因素的特征，從貧困人口自身、扶貧工作主體和扶貧審計主體三個方面提出對策建議。

首先，從貧困人口自身出發。實證結果表明，貧困人口的文化水平、就業情況以及收入是否增加都對精準扶貧一體化審計的效果有顯著影響。貧困人口文化水平的高低在一定程度上決定了其對相關扶貧政策和資金使用的理解程度，進而影響著扶貧審計時其所反饋信息的合理性和相對準確性；已就業且收入增加的貧困人口相對更愿意配合扶貧審計工作。因此，要提高貧困人口的文化水平，使貧困人口充分就業，增加貧困人口的收入；要全面推進教育扶貧，開展對貧困人口的基礎教育和職業技術教育，使其獲得專業的技能；還要大力發展產業扶貧，通過“政府—企業—農戶”的產業鏈模式為貧困人口提供更多的就業機會，增加貧困人口的收入。

其次，從扶貧工作的主體出發。這里的扶貧主體主要指的是落實扶貧政策、管理扶貧資金的相關單位和人員。實證結果表明，貧困人口的建檔立卡情況和扶貧資金的到戶情況都對精準扶貧一體化審計的效果有顯著影響。已建檔立卡和收到扶貧資金的貧困戶對扶貧政策落實和資金使用情況更滿意，也更愿意接受扶貧審計的調研，其所提供的信息對扶貧審計更有幫助。因此，要繼續完善貧困戶建檔立卡和扶貧資金的發放工作，增加人員和資金的投入，實行分區負責制；相關工作人員要定期走訪，及時更新貧困戶檔案；要對從貧困戶識別到建檔再到發放扶貧資金最后退檔的全過程實行一體化審計。

最后，從扶貧審計的主體出發。實證結果表明，扶貧違紀問題對精準扶貧一體化審計的效果有顯著影響，是否為“精英貧困戶”對精準扶貧一體化審計的效果也具有一定的影響。扶貧違紀問題既包括扶貧工作過程中發生的違紀行為，也包括對扶貧工作進行審計時出現的違紀現象，利用與扶貧工作人員和扶貧審計工作人員的特殊關系而產生的“精英貧困戶”就是其中的一種嚴重的扶貧違紀現象。扶貧違紀問題是影響審計效果最直接也是最嚴重的因素之一。因此，要在扶貧審計的同時對審計主體進行監督，通過群眾監督檢舉、審計部門內部相互監督和定期走訪調查等方式及時發現并整肅扶貧違紀行為。建立嚴明的懲戒機制，對存在扶貧違紀行為的人員和單位進行嚴厲追責、嚴肅處理。