鄉村振興背景下欠發達地區的多維貧困：分布與特征

馮雙鵬 歐朝敏 房帆 曹自強

摘 要：鞏固脫貧成果、推進鄉村振興，要從多維貧困視角深刻認識貧困。本文是基于Alkire-Foster方法、使用云南省曲靖市2015年至2020年建檔立卡戶的數據、測量其多維貧困得到如下結論：脫貧攻堅使MPI顯著下降，但同時顯示住房、飲水、收入對MPI的貢獻率逐年下降，教育、健康、勞動技能對MPI的貢獻率逐年上升;高寒山區MPI顯著高于其他地區;城區街道后期的MPI有所上升，呈現出老人戶、殘疾人、大病戶高占比的特征。

關鍵詞：多維貧困;AF方法;防止返貧;鄉村振興

精準扶貧破解了“前兩輪扶貧每當貧困人口減到3000萬左右就減不動的瓶頸”，是我國全面建成小康社會戰略中的重要內容。2020年脫貧攻堅目標任務完成后，黨中央決定，對擺脫貧困的縣，從脫貧之日起設立5年過渡期，鞏固脫貧成果，有效銜接推進鄉村振興。鞏固脫貧成果是基礎，監測幫扶易返貧致貧人口是重點，不發生規模性返貧是底線。

在精準扶貧政策體系中，識別幫扶對象是以農戶年人均純收入低于2300元（2010年不變價）作為標準，這在實踐中卻容易產生錯評、漏評及扶貧資源的“精英俘獲”等現象;對貧困程度的衡量是以貧困發生率為主，貧困發生率雖能反映貧困的廣度，但不能體現貧困的深度。而多維貧困不僅能夠更加客觀準確地識別幫扶對象，而且又能反映貧困的廣度和深度。多維貧困由Amartya Sen在《以自有看待發展》《貧困與饑荒》等著作中提出，其核心觀點是貧困不僅僅是收入維度的貧困，也包括教育、健康、生活質量以及權利保障等其他維度的貧困。如何建立科學、系統且與治貧實踐緊密結合的多維貧困測量方法，如何選取測量維度并根據實際情況給每一個維度設定閾值，如何將這些維度的數據科學地合成一個既能反映貧困廣度，又能反映貧困深度的多維貧困指數（MPI），以及如何利用這個指數包含的信息來指導實踐工作，這都是亟待解決的問題。

曲靖市地處云南省東北部，轄9個縣級行政區，其中F縣、H縣、X縣、S縣、L縣5個縣是國家級貧困縣，貧困人口集中分布在西北部的H縣、東北部的X縣（兩縣屬烏蒙山連片特困區）和南部的S縣、L縣（兩縣屬滇黔桂石漠化連片特困區）。1978年以來，在“八七扶貧”計劃、《中國農村扶貧開發綱要（2001—2010年）》、《中國農村扶貧開發綱要（2011—2020年）》等多個階段的扶貧工作中，曲靖市一直是重點區域。本文以全國貧困地區中具有代表性的曲靖市為例，使用其2015～2020年建檔立卡戶數據，運用AF方法測量多維貧困，從多維貧困的角度總結脫貧攻堅中的經驗，為在實施鄉村振興戰略中鞏固脫貧成果、防止規模性返貧提供借鑒。

一、文獻綜述

Alkire and Foster（2009）基于阿瑪蒂亞·森的能力方法（Capability Approach），提出了一種多維貧困識別和測量的方法——AF方法，該方法測量出的多維貧困指數，能夠更加全面準確地反映貧困狀況。王小林、Sabina Alkire（2009）利用該方法，基于2006年中國健康與營養調查數據，從多個維度對中國城市和農村家庭貧困狀況進行了評估。結果表明，衛生設施、健康保險和教育對多維貧困指數的貢獻最大。鄒薇、方迎風（2011）、高艷云（2012）都利用中國健康與營養調查（CHNS數據庫）的數據，對中國的貧困狀況進行了動態多維度考察，探討了多維貧困的致貧原因和消除多維貧困可以選擇的公共政策。王素霞、王小林（2013）進一步將資產維度納入了多維貧困測量指標，拓展了多維貧困測量的維度。張全紅、周強（2014）認為城鄉之間的貧困差距已從收入因素轉變到非收入因素，反貧困政策要從單一的收入視角轉向多維視角。沈揚揚、Sabina Alkire（2019）依據全球MPI指標獲得了具有國際可比較的中國多維貧困指數，發現區域發展不平衡是多維貧困的重要原因。2020年公布的《全球多維貧困指數》顯示新冠肺炎（COVID-19）全球大流行，使貧困人口增加，至少18個國家偏離了之前預測的減貧軌道。綜覽上述關于多維貧困的研究，諸多學者在多維貧困概念上形成了共識，為反貧困公共政策制定、執行和評估提供了有益借鑒。但是，還存在以下問題：一是所使用的數據大多是精準扶貧政策實施前的;二是所設定的維度受其數據的可獲得性影響較大，與現行扶貧政策的實際結合并不緊密。本文使用脫貧攻堅中貧困戶數據，并結合貧困退出標準設定維度閾值。

二、數據來源

國務院扶貧辦在2015年建成全國扶貧開發信息系統，實現了貧困戶數據的系統化管理。本文使用從全國扶貧開發信息系統中提取的曲靖市2015年至2020年建檔立卡戶數據，涉及126個鄉鎮21.9萬戶貧困戶。本文特對每年未脫貧戶的多維貧困進行測量。

三、多維貧困測量與分析

（一）維度及閾值

緊密結合貧困縣“三率一度”、貧困戶“戶5條”的脫貧退出標準，設定多維貧困的分析維度，具體包括受教育年限、健康狀況、勞動技能、基本醫療、人均純收入、住房安全、飲水安全7個維度。我們以戶為最小單位進行分析，因為戶主對家庭決策具有重要作用，本文以戶主的受教育年限、健康狀況、勞動技能作為該戶這三個維度的代表。全國扶貧開發信息系統中的信息是定性或定類描述數據，因此還需要把每一個維度的定性描述轉化為定量數據，7個維度的定量轉換原則及其閾值如表1所示。

（二）多維貧困測量結果

用AF方法計算曲靖市貧困戶多維貧困指數如圖1所示，一直下降的MPI表示貧困程度得到有效緩解。從下降速度看，2015年以來MPI年均下降0.07，2017年以來下降速度最快，每年下降一個大的臺階，是減貧成效最出色的時期。圖2、圖3表示各個維度對MPI的貢獻度，為了便于呈現出其變化趨勢，故缺省了2020年數據（2020年年末全部脫貧）。

從圖2看，教育、健康、勞動技能對多維貧困指數的貢獻率逐年上升，其中受教育年限的貢獻率年均增加1.95%，健康年均增加5.11%，勞動技能年均增加5.17%，到2019年三者幾乎都達30%，成為多維貧困最主要的三個指標。教育維度從一開始就占比較高，達24%，這是因為貧困農戶的戶主受教育年限普遍不足，平均值僅為6.5年，大部分只是小學文化程度。扶貧資金的投入使住房、飲水、收入方面得到不斷完善，但貧困人口的健康和職業技能相對而言并不容易得到改善，所以健康和勞動技能一開始表現得并不突出，但后面對多維貧困指數的貢獻率一路升高。值得注意的是，已經呼吁了多年的職業技能、實用技術培訓效果一直不理想。

從圖3看，住房、飲水和收入對多維貧困指數的貢獻率逐年降低。其中住房安全年均降低5.54%，飲水安全年均降低1.57%，人均純收入貢獻率年均降低4.97%;而基本醫療維度沒有顯著變化，主要是因為前期絕大部分農民參保了新型農村合作醫療保險，有較廣泛的覆蓋面。收入和住房維度的貢獻率大幅下降，表明這兩個方面條件都得到明顯改善。另外，這兩者的變化趨勢也很接近，實際上，收入和住房狀況具有較強的相關性，筆者走訪調研發現，農戶獲得一筆較大收入或者外出務工幾年有一筆積蓄后，首先會選擇修繕或重建房子。這也能印證從農戶房子的好壞大致可以判斷其經濟條件的說法。

（三）多維貧困的時空特征分析

我們以鄉鎮為單位，測量每個鄉鎮的多維貧困指數，然后使用ArcGIS軟件進行可視化呈現，結果如圖4所示。整體上看，曲靖市的多維貧困呈現“中心——邊緣”的分布特點，即中心貧困輕、邊緣貧困重，這與其地理特征高度相關。從2015年至2019年，整個區域的顏色都由深變淺，顯示貧困狀況得到明顯緩解。

將貧困區域分布地圖與地形圖對比看，發現貧困的分布與地形具有較強的相關性。曲靖市平均海拔2000米，山多地少谷深，具有“九山一水一分田，高山圍著壩子轉”的地理特點。東北部、西北部、東南部顏色最深，同時這些地方也是山區;中部整體上顏色較淺，這些地方多是壩子;南部是石漠化地區，巖石裸露土層淺薄，水肥難貯存;北部是綿延的烏蒙山脈，90%的面積都是山地，耕地嚴重不足。

城市周邊地區的貧困值得引起注意。從2019年貧困分布圖上看，有幾個位于市政府所在中心城區附近的街道顏色反而變深了，意味著其多維貧困指數不降反升。分析發現，一是其屬于最近幾年城鎮化的社區;另一個是其所處并非山區，地理位置較好，經濟發展情況較好。以西平街道為例，其貧困特征可以用老人戶、殘疾人、大病戶來概括。綜合來看，雖然人均純收入并不低，甚至從全市來看是屬于比較高的，但是這個群體的多維貧困指數仍然很高。

四、結論及對策建議

總結汲取脫貧攻堅的經驗，結合本文的研究結論，為鄉村振興戰略實施中鞏固拓展脫貧成果、防止規模性返貧提出以下建議：

一是結合多維貧困指數建立返貧風險預警指標。已脫貧戶中存在大量自身能力素質不高、脫貧基礎不牢的脆弱農戶，當扶持資源撤走時，其很容易返貧。應當使用多維貧困標準，科學地設計評價指標和閾值，對脫貧不穩定戶和邊緣易致貧戶實行監測預警，提前進行干預，防止規模性返貧和新生貧困。此外，相比貧困發生率，多維貧困指數可以提供更加全面、豐富的信息，我國可以積極借鑒世界銀行的做法，發布國家層面的多維貧困指數。

二是側重從提升人力資本的角度鞏固脫貧成果，促進鄉村人才振興。如果說“十三五”期間修路、蓋房子對減貧最有效，那么“十四五”期間提升教育、健康水平，開展技能培訓，將對減貧發揮顯著的作用。要提高醫療資源的可獲得性，改變目前農村雖有衛生室，但鄉村醫生職業素質不高的現狀;要倡導健康生活方式、開展農民群眾性體育活動，改變目前農民不注重鍛煉身體的不良生活習慣。

三是建立城鄉一體化的幫扶救助體系，促進城鄉融合發展。既要重視鞏固農村脫貧成果，又不忽視城市邊緣地區農改非、村改居的低收入人群。完善融合城鄉社會保障制度，織牢織密安全網，防止低收入群體掉入“貧困陷阱”。

參考文獻：

[1]Sen A. Development as Freedom[M]，1999：366.

[2]（印度）阿瑪蒂亞·森著，王宇，王文玉譯. 漢譯世界學術名著叢書[M]，2011.08： 316.

[3]Alkire SA，Foster JAB.Counting and Multidimensional Poverty Measurement[J].Journal of Public Economics， 2011， Vol.95（No.7-8）：476-487.

[4]王小林，Sabina Alkire.中國多維貧困測量：估計和政策含義[J].中國農村經濟，2009，300（第12期）： 4-10.

[5]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）：49-59，111.

[6]高艷云.中國城鄉多維貧困的測度及比較[J]. 統計研究，2012，29（11）：61-66.

[7]王素霞，王小林.中國多維貧困測量[J]. 中國農業大學學報（社會科學版），2013，30（2）：129-136.

[8]張全紅，周強.中國多維貧困的測度及分解：1989-2009年[J].數量經濟技術經濟研究， 2014， 第31卷（第6期）：88-101.

[9]沈揚揚，Alkire S，詹鵬. Measurement and Decomposition of Multi-dimensional Poverty in China[J]. China Economist， 2019，14（第3期）：12-28.

[10] Undp.The 2019 Global Multidimensional Poverty Index （mpi）[R]，2019.

2018年國家自然科學基金項目（項目編號：71774168）

（第一作者馮雙鵬，國防科技大學系統工程學院碩士，研究方向：公共政策與公共事務管理;通訊作者歐朝敏，國防科技大學博士、教授，研究方向：應急管理）