基于系統聚類法的返貧風險預警機制分析

彭瑋 龔俊梅

摘要：隨著我國脫貧攻堅戰取得全面勝利，返貧成因將主要集中在貧困戶的收入遞減或者支出驟增造成的收入不達標，當前我國建檔立卡脫貧人口中返貧的數量并不大，且總體呈現逐步減少趨勢，返貧治理將以防止返貧為主。基于2019年中國農村貧困監測報告的實證分析結果表明，完善脫貧地區基礎設施和公共服務將是防止返貧的重點，我國西南部地區存在較為顯著的“脫貧—返貧”風險，四川和云南的脫貧狀態與我國其它地區相比不太穩定，返貧風險相對較高，而“三區三州”仍然是我國防止返貧工作的重點對象。在返貧預警系統中，并不存在一個明確的、清晰的風險劃定邊界，邊界劃定不當很可能會給防止返貧工作帶來一些新問題。因此，要根據社會經濟發展現狀，不斷完善并適當調整指標體系，特別是基層工作者在對返貧因素進行識別和干預時，應該結合各個地區的地域特點和經濟基礎來靈活利用預警機制。

關鍵詞：貧困治理;脫貧攻堅;風險預警機制;精準扶貧

基金項目：國家社會科學基金重大項目“后扶貧時代中國城鄉相對貧困統計測度與治理機制研究”（20&ZD132）;國家社會科學基金項目“精準扶貧視閾下我國農業社會化服務體系重構研究”（16BJY116）

中圖分類號：F126? ? 文獻標識碼：A? ? 文章編號：1003-854X（2021）12-0023-09

一、引言與相關文獻綜述

近年來黨中央把脫貧攻堅作為全面建成小康社會的底線任務，從整體上看，我國脫貧攻堅戰取得了全面勝利，現行標準下9899萬農村貧困人口全部脫貧，832個貧困縣全部摘帽，12.8萬個貧困村全部出列，區域性整體貧困問題得到解決①。但貧困人口自身的脆弱性以及返貧風險并沒有完全消除，因病、因災、因學等原因導致返貧的風險仍然很大。因此，我們必須高度重視動態監測返貧潛在風險，加快構建返貧風險預警機制，及時有效化解返貧風險。

貧困是人類社會的頑疾，是世界各國普遍存在的社會現象，其內涵豐富而復雜，國內外許多學者對其進行了解釋與定義。最初，貧困被定義為缺乏獲得參與社會經濟活動等方面資源的一種生存狀態。之后，貧困又被定義為能力的被剝奪。一個人有價值的可行能力包括擁有食品、衣著、居住、行動、教育、健康、社會參與等各種功能性活動的能力②，一旦這些基本可行能力被剝奪，就會發生貧困。因此，貧困是一種福祉被剝奪的現象，其核心是能力的欠缺性。而返貧是指原先已經脫離貧困的人口收入再次回到貧困線之下的一種動態現象，具有區域性、突發性以及頻繁性的特征③。脫貧和返貧有著緊密的聯系，要鞏固拓展脫貧攻堅的成果，首先應精準地找出返貧的誘因，從源頭上防止返貧的發生。

學界關于返貧誘因的研究主要集中在兩個方面：一是基于農民素質與行為、農戶特征等內因，主要包括貧困人口的健康狀況、受教育程度、收入消費水平等方面。如有研究認為貧困人口的身體健康水平與貧困發生率呈負相關④，這是因為貧困人口具有較大的脆弱性，如家庭成員突發重大疾病、主要勞動力遭遇意外事故等都會致使脫貧戶重入貧困陷阱。隨著我國脫貧攻堅戰取得全面勝利，返貧成因將主要集中在貧困戶的收入遞減或者支出驟增造成的收入不達標上⑤。二是外因視角，即返貧人口所處的外部環境因素，包括各個地區的經濟、生態、社會治理等方面。外部經濟環境的變化必然會影響脫貧人口正常的生產和生活秩序，脫貧人口自身的脆弱性使得他們更難對外部環境的驟然變化作出有效的積極反應。比如，宏觀經濟形勢惡化和政府轉移性支付減少等外部原因可造成返貧現象的發生⑥。貧困地區的生態環境也會影響脫貧人口的脫貧穩定性，農戶發生持續性貧困的主要原因之一是自然條件惡劣⑦。當然，社會環境的變化也會對返貧產生影響。在脫貧攻堅戰中，國家加大了對農村地區基礎設施的投入與建設，但是農業農村仍是社會主義現代化建設的突出短板，這是產生返貧現象的重要根源⑧。

針對返貧的誘因，學者們從不同視角提出了返貧治理的舉措。世界開發銀行認為，治理質量在減貧工作中起著非常重要的作用，良治能夠有效促進全社會參與國家事務，應出臺有利于窮人的政策并健全經濟管理制度。返貧治理包括返貧發生前的防返貧治理和返貧發生后的扶貧治理，當前我國建檔立卡脫貧人口中返貧的數量并不大，且總體呈現逐步減少趨勢，返貧治理應以防止返貧為主⑨。從宏觀層面來看，國家要建立健全相關保障機制。比如，對已摘帽的深度貧困縣、相對落后的農村地區以及相對貧困地區加大政策扶持和財政轉移支付力度，著力鞏固農村脫貧攻堅和全面小康的成果⑩。要完善政府主導下的多元參與格局和貫徹創新發展理念，構建多元主體協同治理的模式，讓多主體協同共治返貧{11}。從微觀層面來看，貧困治理涉及貧困的識別、監測、評估等過程，這些也是返貧預警中的重要環節。

隨著當前貧困治理研究的不斷深入與政策的不斷完善，如何構建返貧預警機制逐漸成為學界研究的熱點。構建返貧預警機制不僅可以防范化解脫貧人口、邊緣人口的返貧風險，降低返貧幾率，更可以在一定程度上提高我國脫貧質量，確保現有扶貧、脫貧成果的可持續性{12}。返貧預警機制重在構建一個評價指標體系。在已有的量化評估方法中，農戶家庭人均純收入測算被作為設置返貧預警級別的依據，但僅以人均純收入作為單一標準評估貧困是不合理的。因此，有學者提出家庭勞動能力的強弱和可支配收入多少是影響致貧返貧的核心因素，可以基于“家庭勞動能力+可支配收入”來構建防止致貧返貧評價指標體系{13}。但是，這一評價指標體系忽視了外部環境對返貧的影響。另外，風險區間的劃分也是返貧預警機制中的重要環節，它能夠使得后期干預措施更具有針對性。在現有的研究中，K中心聚類算法和BP神經網絡可以較為科學有效地劃分風險區間{14}，但該法在確定區間個數上存在一定的主觀性。

本文借助《2019中國農村貧困監測報告》收集了我國21個貧困地區（剔除了西藏地區）的樣本數據，利用系統聚類法對我國農村貧困地區的返貧風險進行量化評估，科學劃分出返貧風險等級，并基于實證結果構建了返貧風險預警機制。

二、返貧風險預警指標體系的設計

（一）指標的選取與設定

貧困最初僅僅被看成一種經濟現象，貧困理論的研究也長期聚焦在已經發生的、靜態的貧困事實上。但是隨著社會的發展與進步，越來越多的人逐漸意識到貧困絕不僅僅是一種經濟現象，而是政治、經濟、文化等因素綜合作用的結果，貧困還會剝奪人們獲得基本生活條件和物質條件的能力。貧困問題研究不能僅僅靜態地關注同一時期貧困人口的規模大小，還應當動態地研究貧困群體在不同時期貧困狀態的變化過程。因此，我們不能僅通過一個家庭的收入來判斷其是否為貧困戶。從實際來看，只用單一收入指標確認貧困可能會導致結果出現偏差，并且使得貧困動態瞄準出現錯誤。

通過查閱相關文獻，筆者發現大部分測量貧困指數和標準的研究都借鑒了多維貧困指數（MPI）的相關指標，實證結果也表明該指數能夠較好地反映多維貧困的發生率。因此，本文在借鑒MPI指數所選取的維度指標的基礎上，結合我國的實際情況和數據的可獲得性，設置了收入、消費、生活條件、基礎設施和公共服務、耐用品擁有量以及貧困人口基本情況等六個維度共計31個指標來構建返貧風險預警指標體系（如表1所示）。

1. 收入。農村居民的收入變化對貧困的影響最直接，不同時期農村居民的收入增長均能促進農村貧困戶數量減少，收入增長是貧困下降的主要原因。本文主要從工資性收入、經營凈收入、財產凈收入和轉移性凈收入進行測量。

2. 消費。貧困不能簡單地定義為滿足生存的收入水平低，貧困更多地表現在消費水平上。有的居民收入已遠高于貧困標準，但是其在教育、醫療、養老等方面的高消費和意外支出也會使得家庭或個人迅速陷入貧困。本文主要從食品支出、衣著支出、居住支出、生活用品及服務支出、交通通信支出、教育文化娛樂支出、醫療保健支出以及其他商品和服務支出進行測量。

3. 生活條件。生活條件會影響家庭生活的穩定性，也會限制個人的發展空間，最后形成一個惡性循環。本文主要從居住竹草坯房的農戶比重、使用管道供水的農戶比重、使用凈化處理自來水的農戶比重、飲水無困難的農戶比重、使用獨用廁所的農戶比重以及使用柴草為主要炊用燃料的農戶比重進行測量。

4. 基礎設施和公共服務。良好的基礎設施和公共服務可以為農戶的自我發展創造一個良好的生活環境。本文主要從自然村通寬帶的農戶比重、所在自然村垃圾能集中處理的農戶比重、所在自然村有衛生站的農戶比重、所在自然村上幼兒園便利的農戶比重、所在自然村上小學便利的農戶比重、所在自然村主干道路面經硬化處理的農戶比重以及所在自然村能便利乘坐公共汽車的農戶比重進行測量。

5. 耐用品擁有量。耐用消費品的擁有量與個人的消費水平和發展能力有著較大的關系，本文主要從每百戶汽車擁有量、每百戶洗衣機擁有量、每百戶電冰箱擁有量以及每百戶計算機擁有量進行測量。

6. 貧困人口基本情況。貧困人口的基本情況能夠準確地反映貧困的整體情況，本文主要從農村貧困人口和農村貧困發生率進行測量。

（二）數據來源與標準化處理

本文分析所采用的數據均來自《2019中國農村貧困監測報告》中關于“貧困地區農村貧困狀況”的統計結果。由于我國東部沿海地區經濟相對比較發達，為了測量各地區返貧風險的研究結果更加方便直觀，本文以我國中西部21個省份貧困地區的相關數據為樣本。需要解釋的是，我國中西部地區共有22個省份，為了保證數據的一致性，將西藏地區的數據剔除。因此，本文所收集的數據包括湖北、湖南、河北等21個省份貧困地區農村居民的收入水平、消費支出水平、生活條件、基礎設施和公共服務等情況。

在多指標評價體系中，由于各評價指標的性質不同，通常具有不同的量綱和數量級，為了保證結果的可靠性，需要對原始指標數據進行標準化處理。本文采用Min—Max標準化法對各項預警指標進行標準化處理。Min—Max標準化也叫離差標準化，是對原始數據的線性變換，使結果落到[0，1]區間。其處理方法如下：

我們按照上述兩式的處理方法，計算得出標準化數據。

（三）權重的確定

一般來說，權重的確定方法主要有主觀賦權法和客觀賦權法。主觀賦權法具有較大的主觀性，一般都是根據專家的主觀經驗來進行賦值的，隨意性比較大，而客觀賦權法得到的認可更多。客觀賦權法中運用比較多的是熵權法、標準離差法等。熵權法能有效克服人為因素帶來的主觀性影響，使指標權重的確定更具有說服力。因此，本文通過計算每個指標的熵值來確定各指標權重。熵值的大小和脫貧狀態的穩定度呈反向變化，熵值越大，更容易返貧，熵值越小，則返貧發生的可能性就越小。計算方法如下：

根據以上計算方法，最后得出各個指標的熵權值Wj（如表1所示）。

在這31個指標中，所在自然村主干道路面經硬化處理的農戶比重（0.1179）、使用獨用廁所的農戶比重（0.0651）、居住竹草坯房的農戶比重（0.0633）、農村貧困人口（0.0489）、所在自然村有衛生站的農戶比重（0.0475）、每百戶洗衣機擁有量（0.0460）、所在自然村通寬帶的農戶比重（0.0413）、食品支出（0.0370）以及所在自然村能便利乘坐公共汽車的農戶比重（0.0361）等對返貧風險的影響最大，其熵權值之和超過了0.5。在這9個權重較大的指標中，基礎設施和公共服務這一維度的指標所占比重是最大的。這一結果說明，基礎設施和公共服務對返貧的影響非常大，應該繼續加大對農村地區基礎設施和公共服務的投入，進一步優化農村地區發展環境和生活環境。

從收入這個維度來看，工資性收入對返貧的影響最大（0.0255）。這一結果說明，我國農村地區居表1? 貧困地區返貧風險預警的指標體系

民的主要收入來源是工資性收入，因此當前通過政? ? ? 府提供公益性就業崗位、組織就業培訓、組織勞務輸出等方式來幫助農村居民增加工資性收入的效果是顯著的。從消費這一維度來看，食品支出所占的比重是最大的（0.0370）。這一結果說明，“吃飽吃好”仍然是我國農村地區居民的首要追求目標。從生活條件這一維度來看，使用獨用廁所的農戶比重這一指標所占比重最大（0.0651），凸顯了我國加快推進農村地區“廁所革命”的重大意義。從基礎設施和公共服務這一維度來看，所在自然村主干道路面經硬化處理的農戶比重是最大的（0.1179），反映出農村公路是保障農民群眾生產生活的基本條件，這是農村資源要素流動和經濟發展的先導性基礎性設施。

三、基于系統聚類法的返貧風險評估

（一）模型的選擇

本文的研究重點有兩個：一是科學評估返貧風險，二是有效劃分返貧風險類別。聚類分析是研究分類問題的一種多元統計分析方法，常見的聚類算法有K-Means算法和系統聚類算法。李劍芳和錢力（2019）利用K-Means算法對我國連片特困地區的貧困風險進行了分類，并且劃分出了風險預警區間{15}。但是，K-Means算法必須先指定聚類數量，而K值往往很難預先估計并準確地設定，而系統聚類分析可以解決這一問題。系統聚類法就是把個體逐個地合并成一些子集， 直至整個總體都在一個集合之內為止，具有數值特征的變量和樣本都可以通過選擇不同的距離和系統聚類方法而獲得滿意的數值分類效果{16}。

系統聚類算法的具體運作過程如下：先將每個樣本單獨看成一類，在規定類間距離的條件下，選擇距離最小的一對合并成為一個新類，并計算新類與其他類之間的距離，再將距離最近的兩類合并，這樣每次會減少一個類，直到所有的樣本合為一類為止（如圖1所示）。經過這樣的流程，該算法便可以給出一個合理的聚類數量。

本文收集了21個樣本（即我國21個省份的農村貧困地區），反映每個樣本信息的指標有31個，21個樣本的原始數據就構成了一個21行31列數據矩陣。把每個樣本看成31維空間中的一個點，可利用31維空間的距離來度量樣本之間的接近程度，然后進行聚類分析。由于R語言能夠快速地幫助我們得到系統聚類算法中所需要的數據，故本文利用該語言來輔助完成實證分析。

圖1? 系統聚類算法流程

（二）風險類別的劃分

現實生活中，交通信號燈已經成為指揮交通最常見和最有效的手段，具有疏導交通流量、提髙道路通行能力，最終使得交通得以有效管制的功能。交通信號燈作為重要的交通標志，可以給駕駛員提供指向明確的交通信息。綠燈亮時，駕駛員可立即判斷出此時駕駛環境安全，車輛可以順利通行;黃燈閃爍時，駕駛員可立即判斷出此時駕駛環境存在一定的危險，已越過停止線的車輛可以繼續通行，沒有越過線的車輛應該減速慢行到停止線前等待;紅燈亮時，駕駛員可立即判斷出此時駕駛環境非常危險，車輛禁止通行。

勝非其難也，持之者其難也。大規模的返貧會蠶食得之不易的脫貧攻堅成果，因此我們必須設置科學有效的預警機制。類似交通信號燈的預警信號在運行中會給人帶來強烈的視覺沖擊和明確的直觀指令，預警系統的建立有助于各級政府或機構更迅速地作出科學的即時反應。所以，本文擬以交通信號燈系統為參考對象來模擬仿真返貧預警系統。

圖2? 最優聚類數目的選擇

系統聚類算法最后確定的最優聚類數目為3（如圖2所示），因此本文將風險劃分為三個區間。結合交通信號燈的原理，本文將三類風險區分為紅燈區、黃燈區和綠燈區。當一個地區處于紅燈區時，代表該地區的脫貧穩定性極差，極易返貧，相關部門與機構必須馬上行動，快速采取針對性措施解決返貧問題;當一個地區處于黃燈區時，代表該地區的脫貧穩定性不是很好，存在返貧風險，相關部門與機構要引起高度注意，加強監測頻率與幫扶力度，防止情況惡化;當一個地區處于綠燈區時，代表該地區的脫貧穩定性好，相關部門和機構只需進行常態化監測即可。

通過熵值法和系統聚類算法可將我國21個貧困省份風險指標的閾值作出如下劃分：當預警值Fw∈（0.2151，0.3497）時，為綠燈區I;當預警值Fw∈（0.3497，0.4683）時，為黃燈區II;當預警值Fw∈（0.4683，0.5639）時，為紅燈區III。具體計算結果如表2所示。

根據表2的風險劃分結果，我們可以看到當前我國各地存在程度不同的返貧風險。從地理位置上來看，處在紅燈區的兩個省份位于我國的西南部;處在黃燈區的大部分省份位于我國北部以及東北部，并且呈現出帶狀分布的特點;處在綠燈區的絕大部分省份位于我國的中部。整體而言，各類風險區呈現出相對集中的狀態。這一結果說明，如果不能及時有效地化解返貧風險，很有可能會發生大規模、區域性的集中返貧現象。為了更加直觀地反映21個貧困地區的返貧風險分布特點，我們將風險劃分的結果在地圖上呈現出來（如圖3所示）。

四、返貧預警機制的構建

（一）返貧預警系統的框架構成

本文所構建的返貧預警系統由干預客體、干預主體和干預載體組成。干預客體是預警系統中的監測對象，包括脫貧鞏固戶、脫貧不穩定戶和邊緣戶。我們參照現有相關學者的研究成果和某些已建立返貧預警監測機制縣市的做法，將“脫貧鞏固戶”定義為“在正常情況下無返貧風險，人均可支配收入大于國家扶貧標準的1.5倍但小于國家扶貧標準2倍的脫貧戶”;將“脫貧不穩定戶”定義為“人均可支配收入大于國家扶貧標準但小于國家扶貧標準1.5倍，且有返貧風險的脫貧戶”;將“邊緣戶”定義為“人均可支配收入高于國家扶貧標準但低于國家扶貧標準1.5倍，且有致貧風險的非建檔立卡農戶”。干預主體是幫助預警系統更好運行的外部力量，包括政府返貧預警辦公室、專家顧問、社會組織以及個人。干預載體是幫助解決預警中出現問題的手段，包括信息管理系統、監測識別系統、應急管理系統和評價系統等。在眾多條件的支撐下，本文建立了“省—市（州）—縣—鄉（鎮）—村”五級常態化預警系統以及突發性風險預警系統。

在整個返貧預警機制的框架構成中，干預主體和干預載體起著非常重要的作用，其具體功能如表3所示。

（二）返貧預警系統的運行程序

1. 信息管理系統收集信息。信息的采集對象為脫貧鞏固戶、脫貧不穩定戶和邊緣戶，信息管理系統需要打通各層級以及多部門之間的信息共享渠道，并且需要進行分類管理。一般而言，各個單位或部門單獨開展防止返貧工作可能造成投入成本高、信息不對稱、工作重復、效果不佳等問題，以“省—市（州）—縣—鄉（鎮）—村”五級預警網絡系統可以幫助實現信息共享共用。同時，依托平臺和微信小程序等手段，對重點人群隨時采集信息，實時監測分析，有效降低成本。另外，依托全國精準扶貧大數據平臺在脫貧地區建立省級返貧預警監測中心，由鄉村振興局牽頭對醫保、教育、人社、殘聯等部門信息定期比對，對存在疑惑的對比結果再次核實確認。

2. 大數據平臺執行警度判斷。在接收到信息管理系統傳輸的數據后，大數據平臺需要立即進行數據分析與處理，然后進行警度判斷。在這里，我們借助上文所構建的返貧風險預警指標體系，通過系統聚類法對中西部21個地區返貧風險指標的閾值作出劃分，得到兩個臨界值a和b（a<b），將整個區間劃分為三個部分。如果預警值Fw>b，則Fw∈III，紅燈亮，該地區進入紅燈區;如果預警值a<Fw<b，則Fw∈II，黃燈亮，該地區進入黃燈區;如果預警值Fw<a，則Fw∈I，綠燈亮，該地區進入綠燈區。

3. 入戶排查篩選對象。在警度判斷這一程序中，我們從宏觀層面初步找出了存在返貧風險的省份，但是尚未精確瞄準到特定省份的特定監測對象。因此，需要統籌組織力量對照初步重點監測省份名單，分別對處在紅燈區和黃燈區的省份進行入戶排查篩選工作。

將所有處在紅燈區和黃燈區的監測戶均納入排查篩選的對象中，并以村為單位開展入戶走訪工作。在對紅燈區的監測戶進行入戶排查篩選時，填寫《返貧致貧預警紅色監測卡》，重點關注核實監測戶收入、支出、“兩不愁三保障”、飲水安全等基本民生方面的情況。在對黃燈區的監測戶進行入戶排查篩選時，填寫《返貧致貧預警黃色監測卡》，重點關注核實監測戶在遭受自然災害、意外風險、重大變故等方面的情況，并綜合考量監測戶抵御這些風險的能力。最后，對處在紅燈區和黃燈區的監測對象的基本信息、救助幫扶措施落實情況等分別在預警系統中及時更新。如果在走訪過程中發現新的邊緣戶，應重點核查其因病、因學、因災、因意外事故等導致住房、教育、醫療及飲水安全等方面存在的問題，并出具書面排查結果，在村委會公示五天無異議后，將此結果上交至鄉鎮審查，再由鄉鎮匯總報縣直相關部門進行信息比對和篩查預警，審查篩查通過后應將其納入監測對象范圍，然后將相關信息錄入省返貧預警監測系統，并在系統中標注新增監測對象。

4. 警兆識別。在返貧預警監測中心的數據更新后，監測識別系統就開始進入警兆識別程序。警兆識別分為主動識別與被動識別。其中，主動識別是農戶自下而上主動進行返貧風險識別申報，不具有強制性，適用于處在綠燈區的監測戶。被動識別是相關部門自上而下的篩查預警，具有強制性，適用于處在紅燈區和黃燈區的監測戶。

在返貧治理過程中，識別警源是一個費時費力費資的事情，因此，一方面應該根據返貧預警指標體系中各個指標的權重，將各指標按權重大小進行重新排序，并將權重大的指標調為最優先級別，避免重大事故的發生。另一方面，應該結合收入支出、“三保障”及飲水安全變化等方面的相關指標進行考察。比如，在我們利用《2019中國農村貧困監測報告》中的相關數據所構建的返貧預警指標體系中，使用獨用廁所的農戶比重、居住竹草坯房的農戶比重等9個指標的熵權值之和超過了0.5。同時，也要結合特定區域內監測對象的收入支出、住房、醫療等基本民生指標進行研判。

5. 分類制定干預措施。對處在紅燈區的地區，“省—市（州）—縣—鄉（鎮）—村”預警中心必須提高警惕，認真分析返貧風險預警指標體系中的各個指標的變化，并及時向上級政府部門報備相關情況。其次，設置臨時救助基金，對符合臨時救助標準的農戶及時撥付救助款。同時，由住建、衛健、醫保、教體、水利等部門分別針對“兩不愁三保障”及飲水安全方面的致貧返貧風險進行“一站式”救助。對處在黃燈區的地區，各級部門可以根據返貧風險預警指標體系的要求，對不達標的指標進行適當修正，不作系統性整改的要求，而是進行“點對點”幫扶。比如，當預警監測系統識別到干預客體的收入這一維度中的相關指標不達標時，如果工資性收入不達標，政府或社會組織要有針對性地為其提供就業培訓或就業崗位;如果經營凈收入不達標，則由政府農業技術服務部門或龍頭企業、農民合作社為其提供相關種養殖技術指導、農產品加工、市場銜接服務;如果財產性凈收入不達標，就要采取相關改革措施增加農民財產性收入;如果轉移性凈收入不達標，政府應根據實際情況適當提高相關政策補貼，但是要對上級政府部門進行情況說明，做好檔案記載。

對處在綠燈區的地區，繼續進行日常監測，完善風險預警自主申報信息系統。農戶本人（也可委托他人）通過全國防止返貧監測信息系統以及 APP端口、“12317”防止返貧監測和鄉村振興咨詢服務平臺提出申報。系統接收到預警申報，由村干部進行逐戶走訪排查，核實情況，在系統中提交鄉鎮審查審核，最后再交由縣級相關部門復核。若最后的核查結果屬實，則應在預警監測系統中及時更新，形成臺帳記錄，并對新增監測戶進行“零距離”監測和幫扶，特別是要加強扶智方面的引導教育，及時提供農業技術、產業項目、金融扶持等方面的支持，加強生產經營技能培訓，并實時動態關注，防止返貧風險的發生。

6. 開展事后評估工作。在政策實施后要對脫貧戶、邊緣戶等進行事后評估，并再次執行警度判別。同時，建立監測對象幫扶臺帳，所有享受了幫扶政策的脫貧鞏固戶、脫貧不穩定戶以及邊緣戶都應記入臺帳中，并對其進行動態跟蹤和調整。此外，如果原來處在紅燈區的地區經過干預后直接進入到綠燈區，要對該區域標注“風險消除”，但不能立即停止監測以及幫扶政策，要對返貧干預客體設置一個“過渡期”，持續關注處在“過渡期”中的新增返貧人口或難以實現持續穩定脫貧的不穩定戶。如果原來處在黃燈區的地區經過干預后解除了返貧風險預警，進入了綠燈區，則可以對該地區解除特殊監測與管理，只需進行日常監測即可。另外，如果處在紅燈區或黃燈區的地區在經過干預和調整后仍然處在紅燈區或黃燈區，則重復上述流程，直到進入綠燈區為止。如有必要，可啟動應急管理系統。整個返貧預警系統的運行流程如圖4所示。

五、研究結論與政策啟示

返貧預警機制可以及時將存在返貧風險的家庭納入到監測體系，并迅速精準地識別出警源，促進幫扶政策的有效落實，從而有效避免大規模返貧現象的發生。本文的分析結果表明：第一，加強貧困地區基礎設施和公共服務體系的建設有助于阻斷返貧問題的發生。因此，貧困地區基礎設施和公共服務體系的建設將是防返貧工作的重點內容。第二，我國不少地區存在“脫貧—返貧”的風險，四川和云南的脫貧狀態與我國其它地區相比不太穩定，返貧風險相對較高，各級政府和管理監測部門應該給予高度的重視。同時，甘肅、廣西、貴州、海南、黑龍江、內蒙古、青海和陜西處在黃燈區，存在一定的返貧風險，相關部門與機構要及時動態監測相關指標，防止情況進一步惡化進入“紅燈區”。第三，“三區三州”仍然是我國防返貧工作的重點對象。實際上，處在紅燈區和黃燈區的青海、甘肅、四川和云南四省的藏區曾是我國最貧困的“三區”之一，而甘肅臨夏回族自治州、四川涼山彝族自治州和云南怒江傈■族自治州曾是我國最貧困的“三州”。經過多年幫扶，這些地方的基礎設施條件、生活條件大為改善，但與其它經濟發達地區相比還存在一定的差距。因此，應該重點加強對這些地區的動態監測與幫扶，防止大規模返貧。

從實際出發，在返貧預警系統中，并不存在一個明確的、清晰的風險劃定邊界，邊界劃定不當很可能會給防止返貧工作帶來一些新問題。因此，我們要根據社會經濟的發展現狀，不斷完善并適當調整指標體系。同時，基層工作者在對返貧因素進行識別和干預時，要結合各個地區的地域特點和經濟基礎來靈活利用預警機制。

首先，在一個復雜的經濟系統中，信息反饋是一個雜亂、緩慢，難以把握的過程，要想讓系統以最高效率運作，系統內部的層次結構必須能夠平衡整體系統和各個子系統。在中國的貧困治理過程中，政府發揮著主導作用，而信息的反饋、政策的制定與實施之間存在較長的真空時段。在這段時間內，貧困的狀況可能會發生改變，干預客體的需求可能發生變化，這就可能會造成干預客體所享受到的政策與它們的實際需求不匹配，或者導致幫扶資源浪費。因此，在制定幫扶政策時，各級政府部門一定要充分考慮到政策的滯后性，樹立前瞻性和系統性思維，及時對政策進行調整和更新。

其次，當前我們處在鞏固脫貧攻堅成果同鄉村振興有效銜接的過渡期，各地應該繼續壓實各級黨委和政府的責任，健全快速發現和響應機制，并以更有力的措施匯聚更強大的力量來幫助建立返貧預警監測體系和防止返貧的長效幫扶機制，重點監測醫療、健康、教育“三保障”的狀況以及收入、消費狀況，堅決守住不發生規模性返貧的底線。同時，各省市應由新成立的鄉村振興部門牽頭，加強與住建部、水利部、農業農村部等參與預警監測的相關部門聯合，加快實現現有數據庫、部門數據庫的共享和對接。

最后，政府是返貧治理工作的主要力量，但也要充分利用好社會力量。在返貧預警機制中，干預主體既包括政府相關部門，也包括各種社會力量，各種社會力量要有足夠的自主權，才能有效幫助維持系統的活力、功能和自組織。因此，返貧風險預警機制既要通過足夠的政府力量來有效實現整體系統目標，也要重視并且利用好社會這一重要的補充力量，要充分利用大數據平臺的“雙邊”撮合能力，廣泛動員更多的社會資源參與返貧治理工作，形成阻斷返貧聯動機制。

注釋：

① 習近平：《在全國脫貧攻堅總結表彰大會上的講話》，《人民日報》2021年2月26日。

② A. K. Sen， Poverty： An Ordinal Approach to Measurement， Econometrica， 1976， 44（2）， pp.219-231.

③ 鄧永超：《鄉村振興下精準扶貧中防治返貧的優化機制》，《湖南財政經濟學院學報》2018年第4期。

④ 鄧大松、張晴晴：《農村貧困地區返貧成因及對策探》，《決策與信息》2020年第6期。

⑤ 章文光：《建立返貧風險預警機制化解返貧風險》，《人民論壇》2019年第23期。

⑥ 張遇哲：《“政策性返貧”呼喚生態補償立法》，《環境保護》2011年第21期。

⑦ 陳全功、李忠斌：《少數民族地區農戶持續性貧困探究》，《中國農村觀察》2009年第5期。

⑧ 黃海棠、蔡創能、滕劍侖：《鄉村振興背景下的返貧風險評估及防范長效機制研究》，《洛陽理工學院學報》（社會科學版）2019年第3期。

⑨ 覃志敏、黃麗珠：《鄉村振興與返貧治理》，《中國國情國力》2019年第8期。

⑩ 魏后凱：《“十四五”時期中國農村發展若干重大問題》，《中國農村經濟》2020年第1期。

{11} 陳凌霄：《我國農村扶貧開發政策中的多元執行主體研究》，2017年南京大學碩士學位論文。

{12} 范和生：《返貧預警機制構建探究》，《中國特色社會主義研究》2018年第1期。

{13} 姚學剛：《建立防止返貧監測和幫扶機制的思考和建議》，《重慶行政》2020年第2期。

{14}{15} 李劍芳、錢力：《連片特困地區貧困風險預警機制構建及防范措施》，《合肥工業大學學報》（社會科學版）2019年第3期。

{16} 劉大為、李倩：《系統聚類分析在農業生產效率綜合評價中的應用》，《農業與技術》2006年第1期。

作者簡介：彭瑋，湖北省社會科學院研究員，湖北武漢，430077;龔俊梅，湖北省社會科學院農村經濟研究所，湖北武漢，430077。

（責任編輯? 陳孝兵）