代理家計調查、農村低保瞄準精度和減貧效應
——基于中國家庭金融調查的實證研究

韓華為

一、引言

作為中國農村主要的社會救助制度，農村低保于2007年開始在全國范圍內推廣。在過去10 多年間，農村低保發展迅速。據民政部最新統計數據顯示，截至2019年底，全國農村低保對象共計1892.3 萬戶（3455.4 萬人），2019年各級財政支出農村低保資金高達1127.2 億元。①民政部：《2019年民政事業發展統計公報》，民政部官網：http://images3.mca.gov.cn/www2017/f ile/202009/160 1261242921.pdf.無論從覆蓋人口數量，還是從投入資金總額來看，農村低保都已成為發展中國家范圍內規模最大的減貧性現金轉移支付項目之一。②World Bank,The State of Social Safety Nets 2018,Washington,DC,World Bank,2018,p.104.按照政策規定，家庭人均收入低于當地低保標準是獲得農村低保救助的必要條件。③參見《社會救助暫行辦法》第9 條和第12 條。若嚴格照此執行，相關機構就必須通過家計調查來精確核算申請家庭的收入水平。但是，由于農戶收入具有種類多、不穩定、難以貨幣化的特點，再加上農戶為獲得低保資格而傾向于隱匿家庭收入的較強激勵，采用家計調查來精確核算其收入水平困難極大。為了應對收入核算方面的挑戰，在分權化的實際執行過程中，農村低保采取了變通性的瞄準策略。大多數情況下，基層執行機構首先通過入戶調查、信息核對、信函索證等手段對申請家庭經濟狀況作出初步調查；然后，以上述調查結果為基礎材料，再通過社區內部的民主評議來最終確定低保對象。不少案例研究發現，社區內民主評議在確定農村低保對象過程中發揮著關鍵性作用。①賀雪峰：《農村低保實踐中存在的若干問題》，《廣東社會科學》2017年第3期；Lena Kuhn,et al.,"The Brink of Poverty:Implementation of a Social Assistance Program in Rural China," Journal of Current Chinese Affairs,2016,45(1).因此，不少學者認為農村低保實際采取的是一種“社區瞄準機制”。②韓華為：《農村低保戶瞄準中的偏誤和精英俘獲：基于社區瞄準機制的分析》，《經濟學動態》2018年第2期。

社區瞄準機制主要依靠社區成員廣泛參與的民主評議來確定救助資格，這有助于充分利用附著于村莊社會網絡中的家戶福利信息來識別貧困對象。③Jonathan Conning,Michael Kevane,"Community-based Targeting Mechanisms for Social Safety Nets:A Critical Review," World Development,2002,30(3).在行政能力相對薄弱的農村地區，社區瞄準有利于以較低成本識別出真正的貧困農戶。但是，在社區瞄準機制下，村莊內部的政治精英和經濟精英卻很容易利用權力優勢為其自身或幫助親友獲取低保。④Talip Kilic,et al.,"Decentralized Benef iciary Targeting in Large-scale Development Programs:Insights from the Malawi Farm Input Subsidy Program," Journal of African Economies,2015,24(1).社區瞄準中的這種精英俘獲效應可能對低保兜底中準確識別貧困對象構成嚴重威脅。一系列文獻基于不同來源的微觀調查數據和嚴格的定量方法評估了農村低保的實際瞄準效果，結果發現農村低保存在較高的瞄準偏誤，⑤韓華為、徐月賓：《農村最低生活保障制度的瞄準效果研究：來自河南、陜西省的調查》，《中國人口科學》2013年第4期；朱夢冰、李實：《精準扶貧重在精準識別貧困人口：農村低保政策的瞄準效果分析》，《中國社會科學》2017年第9期；Jennifer Golan,et al.,"Unconditional Cash Transfers in China:Who Benef it from the Rural Minimum Living Standard Guarantee(Dibao)Program," World Development,2017,93.而較高的瞄準偏誤顯著削弱了該政策的減貧效果。⑥韓華為、徐月賓：《中國農村低保制度的反貧困效應研究：來自中西部五省的經驗證據》，《經濟評論》2014年第6期。進一步分析結果表明，社區內部的精英俘獲效應是導致農村低保瞄準效果不佳的重要原因。⑦Huawei Han,Qin Gao,"Community-based Welfare Targeting and Political Elite Capture:Evidence from Rural China,"World Development,2019,115.在此背景下，探索低成本、易操作，并且能夠有效破解精英俘獲效應的貧困瞄準策略便成了當前農村低保政策優化進程中最為緊迫的任務。

在發展中國家的減貧實踐中，除了社區瞄準，代理家計調查（Proxy Means Tests,PMT）同樣是一種得到廣泛采用的貧困瞄準策略。代理家計調查首先選擇一組易觀測、可核實、難以被操縱的家庭特征變量作為代理指標，然后通過統計方法估計出這些代理指標的權重，最后基于代理指標取值和已估計出的權重來預測每一個家庭的人均收入。在此基礎上，政策執行人員可以通過比較收入預測值和貧困標準的相對大小來識別貧困家庭。代理家計調查執行成本低、可操作性強、而且不易對申請家庭產生負向行為激勵。⑧Caitlin Brown,et al.,"A Poor Means Test? Econometric Targeting in Africa," Journal of Development Economics,2018,134.因此，在收入核查面臨挑戰的發展中國家減貧實踐中，該方法已經成為貧困瞄準工具箱中的重要選項。⑨Cuong Viet Nguyen,Tho Tran Dat,"Proxy Means Tests to Identify the Income Poor:Application for the Case of Vietnam," Journal of Asian &African Studies,2018,53(4);Pascale Schnitzer,"How to Target Households in Adaptive Social Protection System? Evidence from Humanitarian and Development Approaches in Niger," Journal of Development Studies,2019,55(s1).那么，代理家計調查是否有助于改善中國農村低保的瞄準精度呢？基于2017年中國家庭金融調查（CHFS）數據，本文構建了農村低保政策背景下的代理家計調查框架，并使用多種測度指標系統檢驗了該框架在改善農村低保瞄準精度和減貧效應方面的潛在效力。本研究對于破解農村低保瞄準難題，進而強化其減貧效應具有重要的現實意義。

到目前為止，已有不少研究定量評估了農村低保政策的瞄準效果。①韓華為、徐月賓：《農村最低生活保障制度的瞄準效果研究：來自河南、陜西省的調查》，《中國人口科學》2013年第4期；朱夢冰、李實：《精準扶貧重在精準識別貧困人口：農村低保政策的瞄準效果分析》，《中國社會科學》2017年第9期；Jennifer Golan,et al.,"Unconditional Cash Transfers in China:Who Benef it from the Rural Minimum Living Standard Guarantee(Dibao)Program," World Development,2017,93.在此基礎上，也有一些文獻分析了導致農村低保瞄準偏誤的可能原因。②Huawei Han,Qin Gao,"Community-based Welfare Targeting and Political Elite Capture:Evidence from Rural China,"World Development,2019,115.但是，現有文獻對農村低保瞄準偏誤破解策略的探索卻相對匱乏。國內少數學者初步探討了如何通過設置代理家計調查指標來破解農村低保的瞄準難題。比如，基于2012 和2014年中國家庭追蹤調查（CFPS）數據，張翔和張曉鑫發現農戶電力消費和家庭收入之間存在顯著的相關關系。③張翔、張曉鑫：《家庭電力消費、家庭收入與最低生活保障制度的瞄準率》，《中國人口科學》2017年第2期。進一步的模擬瞄準結果顯示，采用家庭電力消費排序法能夠有效降低農村低保的錯保率。考慮到電力消費數據可以通過電網部門直接獲取，精確而不易被操縱，因此作者認為將電力消費信息納入低保戶認定標準中能夠有效改善農村低保瞄準。從實踐角度來看，該研究的價值在于提出了一個幾乎不增加調查成本但能提升低保瞄準效果的可操作性辦法。在另一項研究中，韓華為和高琴基于2013年中國家庭收入調查（CHIP）數據構建了代理家計調查框架，并進一步檢驗了代理家計調查框架在改善農村低保瞄準精度方面的效果。④韓華為、高琴：《代理家計調查與農村低保瞄準效果：基于CHIP 數據的分析》，《中國人口科學》2018年第3期。研究結論表明，代理家計調查的瞄準精度優于農村低保的實際瞄準精度，這說明代理家計調查有助于破解農村低保的瞄準偏誤。

盡管已有少數研究開拓性地考察了代理家計調查在改善農村低保瞄準精度方面的效力，但它們卻仍然存在以下幾個方面的缺陷。首先，這些研究所使用的數據較為陳舊，而農村低保瞄準的動態性要求相關研究使用更具時效性的數據展開分析。其次，這些研究所使用的瞄準測度指標具有局限性，尤其是未能采用恰當的測度工具來衡量低保資金在總樣本中的分布性特征，這限制了對農村低保瞄準效果做出更精確的評估。再次，隨著信息化技術在低保領域的廣泛應用，更多的代理指標信息可以從相關部門信息平臺直接獲取。在此背景下，以往研究所選擇的代理指標就顯得不夠系統全面，這可能在一定程度上削弱代理指標框架的預測能力，進而低估代理家計調查方法在改善低保貧困瞄準精度方面的潛力。最后，這些研究沒有探討代理家計調查在不同項目覆蓋率水平下的貧困瞄準效果，而這對于未來農村低保政策優化具有重要意義。

與上述研究相比，本文的邊際貢獻主要體現在以下幾個方面。第一，本文實證研究基于2017年CHFS 數據，這使得本文研究結論和政策建議更具時效性。第二，除了以往文獻廣泛使用的瞄準測度指標之外，本文還使用集中曲線和集中指數來測度不同瞄準機制下低保資金在總樣本中的分布特征，這有助于對農村低保瞄準效果做出更精確的評估。第三，本文精心構建了更系統全面的代理家計指標體系，在保證政策可操作性的同時還確保模型具有較高的預測能力。第四，本文詳細探討了代理家計調查方法在不同項目覆蓋率水平下的瞄準效果，這能為農村低保未來的政策調整提供重要指導。

二、研究方法和數據來源

（一）瞄準精度和減貧效應測度方法

本文使用兩類方法來測度農村低保的瞄準精度。第一類方法是漏保率和錯保率。漏保率也被稱為棄真瞄準偏誤，它衡量了所有貧困（應保）家庭中未獲得低保的比例。錯保率也被稱為納偽瞄準偏誤，它衡量所有低保家庭中非貧困（不應保）家庭的比例。

第二類方法是集中曲線和基于集中曲線構建的瞄準指標。如圖1 所示，集中曲線C(p)測度了某個累積比例的最貧困家庭所能獲得的累積低保金比例。該曲線能夠精確反映低保金總額在所有樣本家庭中的分布狀況。當低保金在所有樣本家庭中平均分配時，集中曲線將退化為45°線。集中曲線距離45°線越遠，低保資金的分配性貧困瞄準精度越高。

以集中曲線為基礎可以構建3 個瞄準指標。第一個是集中指數（CI）。集中指數等于集中曲線和45°線之間封閉圖形面積的兩倍。集中指數的取值范圍在-1 到1 之間。集中指數接近1代表救助金更集中于貧困群體，反之接近-1 則說明救助金更集中于富裕群體。第二個是SHARE 指標。當集中曲線的橫坐標取值為樣本的貧困發生率（H0）時，那么其對應的縱坐標取值即為SHARE 值。它反映了樣本中貧困家庭所獲得的低保金份額。第三個是CGH 指標。①該指標最初由Coady、Grosh 和Hoddinott 構建，用于比較不同現金轉移支付項目的瞄準精度，文獻中一般將該瞄準指標簡稱為CGH 指標。具體請見David Coady,et al.,Targeting Transfers in Developing Countries:Review of Lessons and Experience,Washington DC,The World Bank,2004,pp.25-26.將SHARE 值與H0相除即可得到CGH 指標。CGH 指標也被稱為標準化SHARE 指標，它反映了與平均分配低保金相比，樣本中貧困家庭獲得低保金份額的相對大小。不難看出，與集中指數相比，SHARE 指標值和CGH 指標值具有更明確的政策內涵。

由于農村低保的最終政策目標是減貧，因此本文還考察了項目實際瞄準和代理家計調查瞄準下農村低保的減貧效應。通過比較實際瞄準和代理家計調查瞄準下的減貧效應，我們可以判斷代理家計調查在改善農村低保減貧效應方面的潛力。我們采用FGT指數來衡量貧困水平，然后通過測算接受救助前后該指數的變化率來衡量農村低保的減貧效應。FGT指數的構造如下：

式（1）中，N 代表樣本家庭總數，z 代表貧困標準，Yi代表第i 個家庭的人均收入水平，(z-Yi)代表第i 個家庭的貧困距。當α 取值為0、1 和2 時，FGT 指數分別為貧困發生率、貧困距指數和平方貧困距指數，三者分別衡量了貧困廣度、貧困深度和貧困群體內部的不平等程度。

圖1 集中曲線和基于集中曲線構建的瞄準指標

在測算漏保率、錯保率、SHARE、CGH 和FGT 貧困指數時都需要使用貧困標準。為了保證結論的穩健性，我們使用了4 條貧困標準。首先，我們使用了農村官方貧困標準（2300 元/人年，2010年不變價）。其次，我們使用了世界銀行提出的兩條國際貧困標準，即1.9 美元/人天和3.2 美元/人天。與農村官方貧困標準相比，1.9 美元/人天是水平更低的極端貧困標準，3.2 美元/人天是水平更高的中度貧困標準。最后，我們還使用了各地政府確定的低保標準作為貧困標準。由于2017年CHFS 詢問的是前一年的家庭收入信息，因此我們將前3 種貧困標準通過農村消費物價指數和購買力平價折算為用人民幣表示的2016年不變價。低保標準則使用了2016年第4 季度各省平均低保標準。參照何欣和朱可涵的處理方法，我們使用“家庭人均收入-家庭人均低保救助金-家庭人均五保救助金-家庭人均特困救助金”來衡量“接受救助前的家庭人均收入”。②何欣、朱可涵：《農戶信息水平、精英俘獲與農村低保瞄準》，《經濟研究》2019年第12期。在此基礎上，我們定義接受救助前的家庭人均收入低于貧困標準的家庭為貧困（應保）家庭。③本文僅通過收入標準來界定應保家庭主要出于下述兩點考慮。首先，從本質上來說，代理家計調查仍然是基于收入標準來認定低保資格，只不過其所依據的收入是統計模型預測出的收入。因此，本文僅以收入標準來界定應保家庭有助于確保實際瞄準精度測算結果和代理家計調查瞄準精度測算結果具有可比性（兩者均以收入為資格認定標準）。其次，各地確定低保資格的財產標準和剛性支出標準并不明確，而且該信息不易獲得。這使得我們很難基于包含財產和剛性支出在內的多維度標準來考察農村低保瞄準問題。

（二）代理家計調查指標體系及回歸模型

代理家計調查的基本思路是通過一組易觀測、可核實、難以被操縱的家庭特征變量來預測家庭收入，然后通過比較預測收入和貧困標準來識別貧困家庭。為了盡可能提高代理家計調查框架的預測能力，借鑒已有文獻的模型設置，本文的代理指標包括家庭人口結構（DEM）、家庭人力資本狀況（HUM）、家庭成員就業狀況（EMP）、家庭財產狀況（AST）、家庭公用事業支出（UTE）和省份虛擬變量（PRO）六類。其中，家庭財產狀況變量包括了住房面積、車輛、耐用品、活期存款和定期存款的擁有狀況。在目前的低保申請中，多部門信息共享使得機動車、住房、存款等信息可以有效核對，①民政部、國家統計局：《關于進一步加強農村最低生活保障申請家庭經濟狀況核查工作的意見》，中國政府網：http://www.gov.cn/zhengce/zhengceku/2015-03/03/content_5554657.htm，2015年3月10日。因此選擇上述財產變量作為代理指標較為合理。另外，包括水、電在內的公用事業支出能夠較好的反映家庭經濟狀況，而且這些信息很容易通過供給機構獲取和核實，②張翔、張曉鑫：《家庭電力消費、家庭收入與最低生活保障制度的瞄準率》，《中國人口科學》2017年第2期。因此我們也將其加入代理指標體系中。這些代理指標的具體設置及其描述性統計結果請見表1。

為了保證線性回歸模型的因變量接近正態分布，我們對接受救助前的家庭人均收入（Yi）進行對數變換，然后將其設置為因變量。本文構建OLS 回歸模型來估計各代理指標的系數，具體形式表示如下：

我們首先將該OLS 模型應用在所有樣本中，此時所有樣本家庭將基于相同的估計系數來進行收入預測。然而，對于不同地區的樣本，式（2）中自變量和因變量之間的關系可能存在差異。基于分地區OLS 回歸的估計系數進行收入預測有助于改善預測效果。③Cuong Viet Nguyen,Tho Tran Dat,"Proxy Means Tests to Identify the Income Poor:Application for the Case of Vietnam," Journal of Asian &African Studies,2018,53(4).因此，我們還將上述OLS 模型分別應用到東部、中部和西部樣本中進行估計，然后基于分地區回歸系數來預測相應地區樣本家庭的收入水平。

（三）數據來源

本文使用的數據為2017年中國家庭金融調查（CHFS2017）數據。該數據由西南財經大學中國家庭金融調查與研究中心搜集，于2019年11月正式公布。CHFS2017 采用分層、三階段與人口規模成比例（PPS）方法及重點抽樣相結合的抽樣設計。CHFS2017 調查范圍覆蓋東部、中部、西部29 個省份355 個區縣，是一項具有全國代表性的微觀家戶調查。CHFS2017 涵蓋了人口特征與就業、家庭收入與消費、家庭資產、社會保障等方面的豐富信息。該數據包含了“是否獲得低保救助”和“所獲低保救助金額”兩項低保信息，這使得本文可以采用多種測度指標精確評估農村低保的貧困瞄準效果。此外，豐富的家庭特征變量有助于通過構建更全面的代理指標體系來改善代理家計調查方法的預測能力。由于本文聚焦于農村低保的貧困瞄準問題，所以我們僅保留了CHFS2017 的農村家庭樣本。出于數據的完整性，我們刪除了相關變量存在缺失值的樣本，最終獲得來自全國29 個省份的12268 個農村家庭作為研究樣本。

三、實證結果

（一）代理家計調查框架及其回歸結果

表1 第3 列給出了由式（2）表示的OLS 模型在所有樣本中的估計結果。模型R2為0.322，擬合優度相較已有文獻處于可以被接受的水平。①比如，Grosh 和Baker 對拉美地區3 個國家的研究中，代理家計調查回歸的R2 介于0.3—0.4 之間。Brown 等人對撒哈拉以南非洲9 個國家的研究中，代理家計調查回歸的R2 介于0.3—0.6 之間。具體請見Margaret Grosh,Judy Baker,Proxy Means Tests for Targeting Social Programs:Simulations and Speculation,World Bank Living Standards and Measurement Study Working Paper 118,World Bank,1995;Caitlin Brown,et al.,"A Poor Means Test? Econometric Targeting in Africa," Journal of Development Economics,2018,134.在所有樣本中的回歸結果顯示，在控制省份虛擬變量之后，幾乎所有代理指標的估計系數都表現出統計顯著性。其中，與家庭人均收入存在顯著正向關系的代理指標包括成員受教育水平、成員就業或離退休比例、有成員從事工資性工作或非農經營性活動、人均住房面積、有車輛和其他消費性耐用品、有較高金額的活期存款、有定期存款、有較高水平的公用事業支出。與家庭人均收入存在顯著負向關系的代理指標包括家中分性別年齡人口數和自評健康差的成員比例。

使用各代理指標回歸系數的估計值作為權重，并結合樣本家庭各代理指標的實際取值，我們可以獲得每個樣本家庭Ln(Yi)的預測值。按照該預測值升序排列之后，我們定義該預測值最小的7.27%的家庭為代理家計調查識別出的應保家庭（892 戶）。如此設定是因為所有樣本中農村低保的實際覆蓋率為7.27%。設定代理家計調查瞄準與實際瞄準具有相同的低保覆蓋率，目的在于保證兩種執行機制下瞄準指標測算結果具有可比性。我們進一步設定通過代理家計調查分配的低保金總額等于實際瞄準時分配的低保金總額，這有助于在預算相同的前提下對代理家計調查瞄準和實際瞄準展開比較。同時，按照發展中國家執行代理家計調查時的常規操作，我們設定低保金總額在代理家計調查識別出的所有應保人口中進行平均分配。②Caitlin Brown,et al.,"A Poor Means Test? Econometric Targeting in Africa," Journal of Development Economics,2018,134.具體來看，PMT 下的人均低保金=樣本中所有實際低保戶獲得的低保金總額/PMT 識別出的貧困人口總數。PMT 下家庭獲得的低保金=PMT 下的人均低保金×家庭人口數。

為了改善預測效果，我們還采用分地區OLS 回歸模型來估計代理指標的系數，其結果見表1 中的第4—6 列。結果顯示，在東、中、西3 個地區樣本中OLS 回歸的R2分別為0.329、0.291、0.318，這說明在東部和西部樣本中回歸的擬合優度比在中部樣本中更好。大部分代理指標系數的估計結果在影響方向和顯著性上與在所有樣本中OLS 回歸結果保持一致。然后，我們使用各地區的系數估計值和相應的代理指標取值來計算樣本家庭的Ln(Yi)預測值。按照升序排列之后，我們同樣將預測值最小的7.27%的家庭設定為應保家庭。關于低保金總額及其在應保家庭中分配的設置與上段介紹完全一致。

表1 代理指標描述性統計及回歸模型估計結果

均值標準差所有樣本東部樣本中部樣本西部樣本0—5 歲女性人數0.082 0.304-0.126***-0.313***-0.025-0.057 6—15 歲男性人數0.212 0.471-0.178***-0.284***-0.091**-0.191***6—15 歲女性人數0.176 0.460-0.187***-0.189***-0.199***-0.141***16—64 歲男性人數1.203 0.860 0.019 0.003 0.046-0.021 16—64 歲女性人數1.133 0.832-0.100***-0.104***-0.129***-0.087***65 歲及以上男性人數0.327 0.474-0.016-0.093**-0.033 0.080 65 歲及以上女性人數0.314 0.470-0.068***-0.117***-0.111***0.010家庭人力資本狀況戶主學歷為初中0.353 0.478 0.068**0.119**0.010 0.114**戶主學歷為高中0.105 0.307 0.128***0.324***-0.038 0.124戶主學歷為高中以上0.013 0.115 0.223**0.461***0.214-0.271成員最高學歷為初中0.333 0.471 0.088**-0.032 0.149**0.123*成員最高學歷為高中0.228 0.420 0.067-0.141**0.142**0.185**成員最高學歷為高中以上0.151 0.359 0.170***-0.036 0.224***0.335***自評健康差的成員比例0.251 0.326-0.300***-0.167***-0.450***-0.269***家庭成員就業狀況就業成員比例0.564 0.329 0.406***0.385***0.306***0.574***離退休成員比例0.015 0.097 0.863***0.960***0.851***0.789**有成員從事工資性工作0.475 0.499 0.638***0.738***0.517***0.712***有成員從事非農經營活動0.155 0.362 0.217***0.305***0.190***0.176***家庭財產狀況人均住房面積20—40 m2 0.273 0.445 0.016 0.020-0.046 0.067人均住房面積40—60 m2 0.292 0.455 0.056*0.030 0.010 0.104人均住房面積60—80 m2 0.094 0.291 0.058 0.011 0.158**-0.057人均住房面積＞80 m2 0.175 0.380 0.147***0.071 0.133**0.236***有家用汽車0.163 0.369 0.240***0.213***0.224***0.339***有商用汽車0.044 0.205 0.196***0.020 0.173**0.386***有手機0.958 0.201 0.241***0.175**0.165*0.486***有冰箱0.821 0.383 0.213***0.083 0.191***0.268***有空調0.339 0.473 0.098***0.115***0.167***-0.030有電腦0.263 0.44 0.136***0.119***0.175***0.144**有熱水器0.396 0.489 0.221***0.267***0.150***0.210***有凈水器0.091 0.287 0.161***0.332***0.115**-0.007有活期存款0—5000 元0.291 0.454 0.017 0.000 0.041 0.012有活期存款5000—10000 元0.075 0.264 0.267***0.234***0.142**0.438***有活期存款＞10000 元0.171 0.377 0.420***0.432***0.362***0.477***

注：學歷虛擬變量的參照組為小學及以下；自評健康差指與同齡人相比自評健康為不好和非常不好；人均住房面積虛擬變量的參照組為0—20 m2；活期存款虛擬變量的參照組為沒有活期存款；家庭公用事業支出包括水、電、燃料、物業和取暖支出，參照組為月均支出0—50 元；***、**、*分別代表1%、5%、10%的顯著性水平。

（二）代理家計調查對低保瞄準的改善作用

表2 給出了農村低保實際瞄準和代理家計調查瞄準下的漏保率和錯保率。其中，我們將基于所有樣本OLS 回歸的代理家計調查稱為PMT1，而將基于分地區樣本OLS 回歸的代理家計調查稱為PMT2。①下文中所有PMT1 和PMT2 具有與此處相同定義。從全國實際瞄準效果來看，農村低保仍然具有較高的漏保率和錯保率。其中，無論使用哪條貧困標準，全國實際瞄準的漏保率比錯保率均高出至少20 個百分點，這說明當前農村低保的漏保偏誤比錯保偏誤更為嚴重。表2 顯示，農村低保在所有樣本中的覆蓋率遠低于應保率，這必然導致相當比例的應保家庭被漏保。當使用水平更高的貧困標準時，②1.9 美元/人天、2300 元/人年和3.2 美元/人天是3 條全國統一的貧困標準，按照折算后的水平來看，3 條貧困標準逐次升高。實際瞄準的漏保率稍有升高，而其錯保率卻出現明顯的下降。分地區的實際瞄準結果表明，東部地區的漏保率要高于中西部地區，而中部地區的錯保率比西部地區更高。

表2 實際瞄準和PMT 瞄準下的漏保率和錯保率（%）

比較代理家計調查瞄準和實際瞄準下的測算結果，我們發現代理家計調查能夠顯著降低農村低保的漏保率和錯保率。進一步看，與來自其他發展中國家的證據類似，我們還發現代理家計調查在降低錯保率方面的效果遠高于其在降低漏保率方面的效果。③Margaret Grosh,Judy Baker,Proxy Means Tests for Targeting Social Programs:Simulations and Speculation,World Bank Living Standards and Measurement Study Working Paper 118,World Bank,1995;Caitlin Brown,et al.,"A Poor Means Test? Econometric Targeting in Africa," Journal of Development Economics,2018,134.比如，當基于農村官方貧困標準測算時，PMT1 瞄準相比實際瞄準，全國錯保率降低了27.69 個百分點（從57.62%降到29.93%），而全國漏保率僅降低了8.17 個百分點（從87.49%降到79.32%）。分地區的結果表明，在降低漏保率方面，PMT1 在西部地區的效果更好。在降低錯保率方面，PMT1 在中部地區的效果更好。通過比較兩種代理家計調查方法下的測算結果，我們發現PMT2 在降低全國漏保率和錯保率方面的效果優于PMT1。上述結論在4 條不同的貧困標準下均保持成立，這說明本部分結論具有較好的穩健性。

圖2 給出了農村低保實際瞄準和代理家計調查瞄準下的集中曲線。首先，圖2 左上側給出了在全國所有樣本中的集中曲線。不難看出，相比實際瞄準下的集中曲線，PMT1 和PMT2 瞄準下的集中曲線距離代表平均分配的45°線更遠。這說明，與低保實際瞄準相比，代理家計調查瞄準使得低保金總額的分配更集中于低收入群體。然后，圖2 右上、左下和右下分別給出了在東部、中部和西部樣本中的集中曲線。我們發現，在3 個地區樣本中，代理家計調查瞄準下低保金總額向低收入群體的集中程度均高于實際瞄準。更細致的觀察可以看出，代理家計調查瞄準對這種集中程度的改善在中西部地區樣本中比在東部樣本中更為明顯。

圖2 實際瞄準和PMT 瞄準下的集中曲線

表3 給出的集中指數測算結果印證了上述基于集中曲線得出的結論。在全國所有樣本中，PMT1 和PMT2 瞄準下的集中指數分別比低保實際瞄準下的集中指數高出96.42%和100.33%。這表明，總體來看，相比低保實際瞄準，代理家計調查瞄準使得低保金總額更集中地分配給低收入群體。在分地區的考察中，我們發現在3 個地區樣本中PMT1 和PMT2 瞄準下的集中指數均高于實際瞄準下的集中指數。但是，代理家計調查在提高集中指數方面的效果卻存在明顯的地區差異。具體而言，集中指數的提高幅度在西部最高、中部居中、東部最低。這說明，在貧困水平更高的中西部地區，代理家計調查能夠使得低保資源更集中地分配給低收入群體。比較PMT1 和PMT2 的結果表明，在改善低保金分配性瞄準精度方面，PMT2 比PMT1 的效果更好。

表3 實際瞄準和PMT 瞄準下的集中指數

表4 給出了農村低保實際瞄準和代理家計調查瞄準下的SHARE 指標值和CGH 指標值。我們可以發現，無論采用哪條貧困標準，代理家計調查瞄準下的SHARE 指標值和CGH 指標值均顯著高于實際瞄準下的結果。比如，在全國樣本中，當采用農村官方貧困標準時，實際瞄準下的SHARE 值和CGH 值分別僅為43.56%和1.77，當采用PMT1 瞄準時兩項指標值分別上升至70.85%和2.88。這說明，實際瞄準時按照官方貧困標準界定的貧困家庭僅能獲得43.56%的低保總金額。但是當采用PMT1 來瞄準時，貧困家庭能夠獲得的低保金份額顯著提升至70.85%。與在所有樣本家庭中平均分配低保金相比，實際瞄準時貧困家庭獲得的低保金份額僅高出77%。當采用PMT1 來瞄準時，貧困家庭獲得的低保金份額卻會高出188%。分地區的結果顯示，在東、中、西3 個地區中PMT1 瞄準下的兩個指標值均高于實際瞄準下的結果。然而，PMT1瞄準對SHARE 指標值和CGH 指標值的提升幅度在中西部地區更大。這說明，在相對貧困的中西部地區，PMT1 在提高貧困人口所獲低保金份額方面的效果更好。最后，比較PMT1 和PMT2的結果表明，在提升上述兩項指標值方面，PMT2 比PMT1 的效應更強。

表4 實際瞄準和PMT 瞄準下的SHARE 指標和CGH 指標

（三）不同覆蓋率水平下的代理家計調查瞄準精度

來自其他發展中國家的證據表明，當項目覆蓋率水平較高時，代理家計調查的貧困瞄準精度會更高。特別是，隨著項目覆蓋率的提高，代理家計調查在降低漏保率方面的效應會尤其顯著。①Caitlin Brown,et al.,"A Poor Means Test? Econometric Targeting in Africa," Journal of Development Economics,2018,134.因此，本部分我們來考察不同項目覆蓋率水平下代理家計調查的漏保率和錯保率。在基于回歸模型獲得樣本家庭收入預測值之后，我們設定代理家計調查瞄準下的覆蓋率為低保實際覆蓋率（7.27%）的若干倍數。比如，當代理家計調查瞄準下的覆蓋率為實際低保覆蓋率的1.5 倍時，我們定義家庭人均收入預測值最小的10.91%（7.27%×1.5）的那些家庭為代理家計調查識別出的應保家庭。我們分別計算了PMT1 和PMT2 在不同覆蓋率水平下的漏保率和錯保率。為了保證結果的穩健性，我們選擇農村官方貧困標準和各地低保標準作為識別應保家庭的貧困標準。②使用另外兩條貧困標準（1.9 美元/人天和3.2 美元/人天）與使用農村官方貧困標準和各地低保標準時的結論基本一致。限于篇幅，這些結果未在文中呈現。

表5 中基于兩條貧困標準的測算結果顯示，當使用PMT1 和PMT2 來瞄準貧困家庭時，隨著項目覆蓋率的提高，漏保率逐漸下降而錯保率逐漸上升。此時，漏保率和錯保率表現出一種此起彼伏的變化特征。那么，綜合來看，提高代理家計調查下項目覆蓋率對瞄準效果的總體影響如何呢？這個問題的答案不僅取決于漏保率和錯保率的相對變化幅度，而且還取決于哪種瞄準偏誤對低保的最終政策目標（減貧）有更大的影響。首先，從表5 結果可以看出，當提高代理家計調查下的項目覆蓋率時，漏保率下降的幅度遠高于錯保率上升的幅度。比如，當采用官方貧困標準，項目覆蓋率從低保實際覆蓋率（7.27%）提高到3.5 倍的低保實際覆蓋率（25.45%）時，PMT1 的錯保率提高了14.56 個百分點（從29.93%提高至44.49%），而其漏保率則下降了36.67 個百分點（從79.32%下降至42.65%）。當政策制定者對降低漏保率和降低錯保率給予同等的重視時，漏保率下降的幅度遠高于錯保率上升的幅度意味著提高項目覆蓋率水平能夠從總體上改善農村低保的瞄準效果。其次，一些學者基于嚴格的實證研究發現，與降低錯保率相比，降低漏保率對改善項目減貧效果有更大的影響。③Martin Ravallion,"How Relevant Is Targeting to the Success of an Antipoverty Program," World Bank Research Observer,2009,24(2).考慮到農村低保是以減貧為主旨的政策，因此在降低兩種瞄準偏誤中應該給予降低漏保率以更高的優先性。此時，通過提高代理家計調查下的項目覆蓋率來改善農村低保瞄準效果會變得更有政策吸引力。

在我們的樣本中，農村低保的實際覆蓋率遠低于其應保率。在此情況下，一個合理的設定是將代理家計調查下的項目覆蓋率設置為接近其應保率的水平。比如，當使用農村官方貧困標準時，我們設定代理家計調查的項目覆蓋率等于實際覆蓋率的3.5 倍。此時的覆蓋率（25.45%）和應保率（24.63%）非常接近。我們發現，在此條件下PMT1 的漏保率和錯保率分別為42.65%和44.49%。與PMT1 下覆蓋率等于實際覆蓋率（7.27%）時相比，這等價于以提高14.56 個百分點的錯保率為代價降低了36.67 個百分點的漏保率。按照上文分析，這種覆蓋率的調整有助于農村低保減貧目標的實現。當然，政策制定者在選擇項目覆蓋率時還會受到預算約束等其他諸多現實條件的影響。表5給出了不同覆蓋率水平下的瞄準效果，這些測算結果可以為政策調整提供重要指導。

表5 不同覆蓋率水平下PMT 瞄準的漏保率和錯保率（%）

（四）代理家計調查對低保減貧效應的改善作用

農村低保的最終政策目標是減貧，所以有必要進一步考察代理家計調查對農村低保減貧效應的改善程度。基于3 條全國統一的貧困標準，①各地低保標準存在較大差異，這種差異化的低保標準本身就反映了水平不平等。因此在考察減貧效應時低保標準不適宜在全國樣本中被采納為貧困標準。所以，我們僅使用了全國統一的3 條貧困標準。表6 測算了通過FGT 指數度量的實際瞄準和代理家計調查瞄準下的農村低保減貧效應。在所有樣本中的測算結果顯示，代理家計調查相比實際瞄準在降低貧困發生率方面并無優勢，但代理家計調查瞄準比實際瞄準在降低貧困距和平方貧困距方面的效果更好。這說明，代理家計調查瞄準方法在緩解貧困深度和降低貧困群體內部不平等程度方面比農村低保實際瞄準做得更好。進一步看，代理家計調查在改善減貧效應方面存在地區差異。與中東部地區相比，代理家計調查在降低貧困距和平方貧困距方面的效果在西部地區更為顯著。比較PMT1 和PMT2 的結果表明，無論是在所有樣本中，還是在西部樣本中，PMT2 的減貧效果均優于PMT1。上述結果在3 條貧困標準下均成立，這說明研究結論具有較好的穩健性。

表6 實際瞄準和PMT 瞄準下的低保減貧效應（%）

四、結論及政策建議

基于2017年中國家庭金融調查（CHFS）數據，本文基于回歸模型構建了系統性代理家計調查框架，并且綜合使用多種瞄準和貧困測度指標嚴格檢驗了代理家計調查在改善農村低保瞄準精度和減貧效應方面的表現。研究結果顯示：與實際瞄準相比，采用代理家計調查方法能夠顯著降低農村低保的漏保率和錯保率，大幅提升其集中指數、SHARE 指標和CGH 指標取值。同時，代理家計調查在削減貧困距指數和平方貧困距指數方面也表現出比實際瞄準更好的效果。上述測算結果說明，使用代理家計調查有助于改善農村低保的瞄準精度和減貧效應。進一步分析表明，代理家計調查在降低錯保偏誤方面的效果大于其在降低漏保偏誤方面的效果。代理家計調查在改善低保瞄準效果和減貧效應方面的作用在中西部地區更為顯著。當設置較高的項目覆蓋率時，代理家計調查在控制漏保偏誤并促進減貧方面有更強的效力。在改善低保瞄準精度和減貧效應方面，基于OLS 分地區回歸的代理家計調查框架比基于OLS 總樣本回歸的代理家計調查框架效果更好。

需要特別指出的是，本文基于收入標準來評估實際瞄準效果可能高估了農村低保的瞄準偏誤。目前政策規定的農村低保資格認定標準主要包括家庭收入、財產、剛性支出等3 個維度。①參見國務院于2014年發布的《社會救助暫行辦法》第9 條；民政部和國家統計局于2019年發布的《關于在脫貧攻堅中切實加強農村最低生活保障家庭經濟狀況評估認定工作的指導意見》第2—5 部分。基于多維度標準來認定救助資格在農村低保實踐中也非常普遍。②張昊：《農村低保評審亂象的成因及治理：基于定性定量混合研究方法的分析》，《中國農村觀察》2017年第1期。因此，那些在收入標準下被判定為漏保或錯保的家庭，其實很有可能是多維度貧困標準判定的結果。本文在收入標準下探討了代理家計調查在改善農村低保瞄準精度方面的有效性。所得結論應該更準確表述為：在瞄準收入貧困家庭時，代理家計調查比農村低保實際執行做得更好。這說明，代理家計調查有助于提高收入核查的精準度，從而提高對收入貧困家庭的瞄準效果。但是，官方政策要求農村低保應該以多維度貧困家庭為瞄準目標。因此，我們認為代理家計調查僅僅應該成為現有農村低保瞄準機制的一種有益補充，而不能成為其替代。農村低保需要采用包括代理家計調查在內的多種瞄準策略來識別出真正需要兜底的多維度貧困家庭。

中國農村基層行政力量薄弱，在這樣的條件下，代理家計調查是否能夠以較低的成本順利展開呢？操作代理家計調查包括兩個步驟。第一步，需要基于大樣本家戶調查數據和統計模型來確定代理指標并估計其權重，并以此為基礎構建信息系統。該步驟需要由中央和省級政府牽頭并負責資金、技術和組織層面的投入。具體來看，可以基于國家統計局采集的一體化住戶調查數據，組織相關領域的專家團隊通過統計模型來識別出分地區的代理指標體系并估計出各指標權重。基于上述結果編制計算機應用程序，并將該應用程序嵌入至各地區現有的低保信息管理系統中。第二步，在基層執行中，需要通過申請者自報、入戶核查、跨部門信息聯網共享和比對等手段來搜集代理指標信息，然后由基層工作人員將這些信息輸入代理家計調查應用程序得出識別結果。盡管基層行政能力薄弱，但信息化技術的廣泛使用為基層執行代理家計調查方法提供了重要推力。由于代理家計指標具有易觀測、可核實、難以被操縱的特征，這些指標信息大多可以通過公安、金融、車管、醫療衛生、教育、電網、水務等相關部門信息平臺獲取。另外，扶貧部門管理的建檔立卡信息系統、民政部門管理的家庭經濟狀況信息核對平臺也可以作為重要的信息獲取來源。在申請者授權之后，基層工作人員可以通過聯網信息共享和比對，以較低的成本獲得大部分代理指標信息。總體來看，在適度的財政支持下，考慮到當前信息化技術在低保制度運行中的助力，代理家計調查在農村低保實際執行中具有較高的可行性。

目前，農村低保主要依靠社區瞄準方法來識別貧困家庭。與社區瞄準相比，代理家計調查的貧困識別標準更為客觀、透明而不易被操縱，這有助于控制貧困瞄準中的精英俘獲效應，從而整體改善農村低保的瞄準和減貧效果。另外，代理家計調查還具有操作性強、執行成本低的優點。因此，我們認為可以在當前的農村低保瞄準實踐中逐步引入代理家計調查方法。具體來看，我們建議在農村低保執行中建立社區瞄準和代理家計調查兩類瞄準方法的協同作用機制。首先，政策執行者可以通過代理家計調查方法來識別極端貧困家庭和極端富裕家庭，并在此基礎上將極端貧困家庭納入低保，而將極端富裕家庭排除出項目。然后，在剩余家庭中通過民主評議等社區瞄準手段來確定低保資格。此外，在中西部地區低保實踐中優先引入代理家計調查方法、在貧困水平較高的地區適度提高農村低保覆蓋率，以及使用分地區回歸的代理家計調查框架均有助于更好地發揮該方法在改善低保貧困瞄準方面的積極作用。

脫貧攻堅戰取得全面勝利之后，“十四五”時期我國將開啟以解決相對貧困問題為目標的貧困治理新階段。完善農村社會救助制度，健全農村低收入人口常態化幫扶機制將是實現新的農村相對貧困治理目標的重要舉措。在此背景下，精準識別幫扶和救助對象，通過提升瞄準精度來改善干預效果仍然是相關政策執行中的重要挑戰。作為發展中國家常用的一種貧困瞄準方法，代理家計調查在中國減貧和社會救助領域中的應用還較少。我們建議在包括農村低保在內的各類幫扶和救助政策中試點展開代理家計調查瞄準，并且繼續探索代理家計調查和其他瞄準方法的協同作用機制，這對于優化新時期農村貧困治理機制具有重大意義。