相對貧困背景下脫貧戶增收影響因素及對策研究
——基于貴州省A縣242戶脫貧戶家庭微觀數據的實證研究

蔡仕茂，唐小平，耿芳艷

（貴州大學 經濟學院，貴州 貴陽 550025）

一、引言

相對貧困是繼絕對貧困之后，長期存在并將成為下一步貧困治理的主戰場。2020 年是脫貧攻堅收官之年、是全面實現小康社會之年，學術界普遍認為2020 年我國消滅了絕對貧困，但隨之而來的相對貧困卻依然存在[1]。

英國學者彼得·湯森是發達國家中最早提出相對貧困概念的學者，在他的著作《英國的貧困》一書中，將相對貧困詮釋為不僅僅是生活必需品的缺乏，社會資源、權利的缺失將窮人排斥在主流社會之外，使得他們陷入貧困之中[2]。也有學者認為相對貧困是“收入的不平等”問題[3]，是指相對于其他生活條件較好的人而言，有一部分人的生活水平低下，反映的是收入、財產在社會不同階層之間的分配問題。

從相對貧困的標準的設定看，有學者建議采用上一年農村居民的平均收入乘以均值系數作為下一年農村“相對貧困線”[4]，這一方法具有較強的可操作性。也有學者建議2020 年后應分別以城鄉居民中位收入的一定比例作為城市和農村的相對貧困標準，并以一定年限作為調整期[5]，且這一提議得到了一些專家學者的支持。還有學者認為，2020 年后中國應采用多維相對貧困標準，從收入、教育、醫療、社會保障等方面設定相對貧困標準[6]；從相對貧困的對象看，有研究指出我國處于相對貧困的主體還是農村低收入人群以及老少病殘等特殊群體，另外還有處于城市的流動性邊緣人口。鑒于我國實際國情，李小云等（2020）[7]預計未來我國應采取人均純收入中位數的40%為標準計算，作為我國相對貧困治理初期的貧困識別標準，得到學者的普遍認可。

綜上所述，關于相對貧困已有豐富的研究作為理論支撐，但鮮有學者在現行社會背景下對收入影響因素進行評價和脫貧戶增收機制進行研究。現有文獻中有從農地產權、土地流轉、扶貧政策、要素配置、產業融合、社會資本、勞動力流動等方面研究其對農戶增收的影響，對于研究農戶增收機制的文獻目前在國內還很少。王任、陶冶、馮開文三位學者研究了貧困農戶參與農民專業合作社減貧增收的機制，研究發現：1.貧困社員收益的提高程度不僅取決于其在農民專業合作社中的資本參與和農業生產經營等業務參與行為，更取決于社員個人能力的提高程度；2.在貧困社員3 個維度的能力中，技術應用能力的提高對其收益提高的影響程度最大；3.為了促進社員穩定可持續減貧與合作社的輻射帶動作用，在鼓勵貧困農戶加入農民專業合作社的同時，更應注重提升社員的各維度能力[8]。姚海琴等學者研究農戶從事家庭型鄉村旅游對其收入的影響，研究認為，要結合當地的自然資源稟賦，大力推進鄉村旅游業發展，使其成為農戶增收的重要來源，從業農戶應豐富旅游產品，克服鄉村旅游的季節性[9]。

以上的學者分別從工作和產業的視角研究了農戶增收的機制，對本文的撰寫有較大的幫助。文章立足于貴州省A縣242戶脫貧戶的家庭調查的微觀數據，試圖從脫貧戶戶主的文化程度、政策實施力度、家庭人口結構、農戶收入來源4 個維度12個指標探析相對貧困背景下脫貧戶收入影響因素評價收入增長機制，研究2020 年后我國相對貧困標準的構建思路，為2020 年后扶貧戰略提供政策性參考。

二、數據來源與研究方法

（一）數據來源

本文分析所采用的數據來源于2019 年和2020年筆者在A縣開展的脫貧戶家庭收入調查。在A縣縣政府的大力支持下，為保證問卷數據可以全面反映當地農村和脫貧戶收入的實際情況，農戶問卷調查采取入戶訪談的方式進行，選取經濟社會發展水平高、中、低三類鄉鎮的深度貧困村進行入戶調查，完成問卷260 份，調查組總共收集整理有效問卷242 份，其中2019 年有效問卷200 份，2020 年有效問卷42 份。之所以采取這種方式是由于本次調查主要目標群體是自2013 年扶貧工作開展以來被納入貧困戶序列，并建檔立卡的貧困戶，通過扶貧政策的推進，并于2015 年、2016 年、2017 年、2018 年、2019年退出貧困的脫貧戶群體。這是按照脫貧攻堅環節“一達標，兩不愁，三保障”的要求實現脫貧的群體，但是在我國消除絕對貧困以后，下一步進入相對貧困治理的背景下，這部分人的收入依然處于社會的底層，人均收入大都在全國水平以下，參考國內學者一致認為的相對貧困收入線按照人均收入中位數的40%來計算。

（二）研究方法-因子分析法

因子分析（factoranalysis）的基本思想就是根據數據的相關性大小把原始變量進行分組，然后使得同組內的變量之間相關性比較高，而不同組的變量間的相關性則比較低。因子分析模型是主成分分析的推廣，它也是使用降維的思想，由研究原始變量相關矩陣內部的依賴關系出發，把一些具有錯綜復雜關系的變量歸結為少數幾個綜合因子的一種多變量統計分析方法。本文所選取指標多且復雜，而因子分析可對多變量進行降維，分析出隱藏在脫貧戶收入背后的增收的影響因子。

（三）構建脫貧戶收入影響因素指標體系

農戶收入受多種因素影響，已有研究表明受教育程度、家庭勞動力、收入來源、國家政策等均是影響脫貧戶收入的重要影響因素[10]。結合入戶調查數據和調查的各項指標，如表1 所示：本文選取戶主受教育程度、貧困情況、家庭人口結構、收入來源4個維度12 個指標研究其對A縣脫貧戶收入的影響，對各變量按照影響程度的大小進行排序，進而提出脫貧戶增收的策略和建議。

表1 脫貧戶收入影響因素評價指標體系

1.文化程度。文化程度可以衡量一個家庭在教育上的支付費用，并且不同文化程度的家庭成員的消費觀、就業門路、價值觀也有所不同。文章以每個脫貧戶戶主的受教育程度為代表，分別以小學及以下、初中、高中、大專及以上4 個文化層次作為研究對象，對其進行賦值，分別為1、2、3、4。

2.貧困情況。家庭貧困情況是影響家庭收入的重要因素，集中反映在貧困屬性、致貧原因和脫貧年限等。自脫貧攻堅打響以來，從2013 年開始逐年都有退出貧困序列的貧困戶，本文從退出年限的角度考察貧困戶退出后收入是否穩定，是否穩定脫貧。從致貧原因探索貧困戶致貧因素，貧困屬性分為一般貧困戶、低保戶和五保戶三種類型。

3.家庭人口結構。家庭人口結構不僅影響家庭消費支出，還是制約家庭增收的一項重要因素，具有不同人口結構的家庭其收入結構和消費結構也有所不同。文章以家庭的勞動力比例、低保領取人口比例和60 歲以上人口比例作為研究對象，研究其對家庭收入的影響。

4.收入來源結構。貧困戶收入來源有多種渠道，文章選取是否有扶貧小額貸款、經營性收入占比、工資性收入占比、財產性收入占比以及轉移性收入占比為代表，對脫貧戶收入結構進行分析，試圖找出最佳收入結構進而得出研究結論并提出脫貧戶增收策略。

（四）因子分析法的基本數學模型

設研究對象為P，而且P可能存在具有相關關系的觀測變量為X=（X1，X2，X3，…，Xp），其均值向量為E（X）=0，Xp為原變量信息；設F=（F1，F2，F3，…，Xm）為研究對象為P提取的新的因子變量信息，且m臆p，其均值向量E（F）=0。另外，Xi含有特殊因子εi（i=1，2，…，p）；ε=（ε1，ε2，ε3，…，εp）代表的是從初始變量中提取的新因子變量所無法表達的剩余信息，也稱之為殘差信息[11]。三者之間的線性函數關系表示如下：

三、脫貧戶增收影響因素的實證分析—基于因子分析法

（一）數據處理

文章運用SPSS 軟件對A縣各鄉鎮脫貧戶基本指標數據進行標準化處理。收集數據時，對問卷數據進行處理并剔除了異常問卷，同時將缺失值和對應的問卷進行反復的比對核查，確認無誤后以平均值進行替代。將文化程度分為小學及以下、初中、高中、大專及以上，分別賦值為1、2、3、4，以便于利用SPSS 進行數據的分析處理。將收集的各脫貧戶數據按鄉鎮進行歸類，計算各鄉鎮各個指標平均值，以均值代表各鄉鎮各指標數據，以鄉鎮為基本單位，進行后續分析研究。

（二）KMO和巴特利特的檢驗

原始數據能做因子分析的前提是變量之間具有較強的相關性，因此，需要對數據做KMO和巴特利特檢驗，以驗證原始數據是否適合做因子分析。KMO 的取值范圍是0～1，KMO 越靠近0 說明相關性越不強，一般認為KMO 值大于0.5 就認為數據比較適合做因子分析，將調查數據輸入SPSS 進行KMO和巴特利特檢驗，結果如表2 所示：KMO 值為0.709，該值處于0.7～0.8 之間，巴特利特球形度檢驗值為0.000 小于0.05，說明各指標之間相關性較強，即該數據適合做因子分析。

表2 KMO 和巴特利特檢驗

（三）提取公因子

文章運用主成分分析法進行因子提取，根據特征值大于1 的要求提取公因子。選取變量因子分析的初始解如表3 所示。通過表3 可以看出，12 項指標中共同度大于0.7 的有6 項指標，大于0.5 小于0.7 的有4 項，大于0.3 小于0.5 的有2 項，說明有10 項原始變量潛在的相關性較大，原始變量的信息能夠較多的被提取。致貧原因和轉移性收入兩項指標和其他指標之間潛在的相關性較小。

表3 公因子方差

通過表4 可以看出：依據特征值大于1 的原則提取了5 個主成分，運用最大方差法對因子進行旋轉，旋轉平方和載入后，各成分的方差貢獻率分別是22.909%、13.595%、9.717%、9.645%、8.919%，累計貢獻率為64.786%，即這5 個成分解釋了原始變量中64.786%的信息，分析結果較為理想。

表4 總方差解釋

如圖1 所示，前5 個成分特征值所形成的折線的坡度較大且都大于1，而后面的成分特征值所構成的折線較為平緩，斜率較低。表明對原始變量能夠很好地給予解釋的是解釋貢獻率較大的前5 個因子，其余的7 個因子解釋貢獻率較低，由此說明提取前5 個因子是比較適合的。

圖1 碎石圖

（四）因子的識別與命名

如表5 所示：表5 中所表述的成分矩陣表明了公共因子與原始變量之間的關系，表中體現不出變量與各公共因子的相關性。基于此，運用SPSS 軟件中的凱撒正態化最大方差法進行旋轉，使系數在1和0 之間進行兩極分化，以找到隱藏的公共因子，并歸納每個公共因子的實際含義。

表5 成分矩陣a

旋轉得到的結果如表6 所示：第1 主因子與變量X3負相關、與變量X2、X4、X6、X12高度正相關。這5 項指標主要反映了脫貧戶家庭基本貧困狀況，將第1 主因子命名為扶貧政策力度，用其來很好地反映貧困個體貧困程度。第2 主因子對變量X5、X7載荷較大，它主要是從家庭人口結構對家庭收入進行主觀評判，勞動力比例很好的反映了貧困家庭良好的勞動力結構是家庭增收的關鍵因素，60 歲以上人數比例則反映出60 歲以上人數領取的養老金、低保等收入也是家庭收入的重要組成部分。因此將該兩項指標命名為可持續發展能力。第3 主因子對變量X1、X9的荷載較大，X1、X9分別指戶主受教育程度和經營性收入，這兩項指標表明戶主受教育程度和經營性收入相關度較高，因此將其命名為農技培訓參與度。第4 主因子對變量X10、X11高度正相關，主要從工資性收入和財產性收入評判家庭收入來源情況，將其命名為主要收入來源，第5 主因子對變量X8是否有扶貧小額貸款高度正相關，反映了家庭內生性生產發展意愿情況，將其命名為內生發展動力。公因子命名一覽表如表7 所示。

表6 旋轉后的成分矩陣a

表7 公因子命名表

（五）因子得分

文章運用凱撒正態化最大方差法得到旋轉后的因子成分得分系數矩陣，具體如表8 所示。設F1、F2、F3、F4、F5依次代表上文提到的第1 到第5 個公因子，依據成分得分系數矩陣表8 可以得出5 個公因子的計算模型為：

表8 成分得分系數矩陣

為了更好地測算出A縣每個樣本鎮在各公因子上的收入影響因素的貢獻，將經過標準化處理之后的原始數據代入上述公因子計算模型，計算出各個鎮在每個公因子上的得分排名如表9 所示。

根據表9 排名分析：

表9 A縣各鎮因子得分表

第一，扶貧政策力度因子得分排名分析。該因子得分中B鎮、E鎮、F鎮相對于其他鎮來說得分較高，分別為2.57、1.49、1.01，即B鎮、E鎮、F鎮扶貧政策落實較好，有效促進農戶增收。另外，C鎮和D鎮得分較低，A鎮得分為負值。

第二，可持續發展能力因子得分排名。該因子得分中B鎮相對于其他鎮來說得分較高，得分為0.42，說明脫貧后B鎮家庭人口結構更為合理，而其他鎮均為負值。

第三，農技培訓參與度因子得分排名。該因子得分中A鎮、D鎮、F鎮相對于其他鎮來說得分較高，即A鎮、D鎮、F鎮的農技培訓參與度更高，將所學技能和科技運用于農業生產的產前、產中、產后各部門，更有利于農民收入穩定增長。而E鎮得分較低，B鎮和C鎮得分為負值。

第四，主要收入來源因子得分。按照排名高低分別為A鎮、D鎮、C鎮、F鎮、E鎮、B鎮，排名前4 的鎮得分較高，表明其收入來源主要有工資性收入和財產性收入，特別是A鎮得分最高，為63.34，與其他鎮差距較大，說明其收入來源單一，不利于長期穩定增收。

第五，內生發展動力得分均為負值，說明扶貧小額貸款并不能為A縣脫貧戶帶來增收，究其原因，可能是貸款并未用于農戶自身發展，而是用于消費支出，加大了還款壓力。

綜合得分最高的是A鎮，分值為37.85，與排名第二的D鎮相比高出了28.38 分，分數差距非常大，這也間接表明A縣各鄉鎮之間發展差距巨大，家庭人均收入兩極化嚴重，為后期的相對貧困治理帶來了較大的挑戰。除了排名第一的A鎮外，排名2、3、4、5 的D、F、C、E鎮得分相近，分差不大，說明這4 個鄉鎮綜合發展水平相近，家庭人均收入差異較小，各因素對人均收入的影響比較均衡。得分最低的B鎮，其得分為0.87，與第一的37.85 足足相差了29.8 分，差距巨大，也反映了兩個鄉鎮人均收入差距巨大，逐步縮小人均收入差異將是該縣下一步貧困治理的主要目標。整體上來看，A縣的6 個鄉鎮得分全部為正，脫貧戶脫貧后收入較為穩定，只是存在地區發展差異導致人均收入不均衡[12]。

四、結論與建議

（一）實證分析結論

通過運用SPSS 軟件對A縣各鄉鎮脫貧戶基本指標數據進行因子分析，認為該方法對脫貧戶收入影響因素評價是可行的，文章所構建的脫貧戶家庭收入影響因素評價指標體系是科學的。根據實證分析結果得出以下結論：

（1）政策落實較好：A縣大部分鄉鎮扶貧政策落實較好，有效地促進了脫貧戶收入增加。

（2）可持續發展潛力大：在A縣脫貧戶的收入影響因素中主要收入來源工資性收入和財產性收入得分最高，占較大分量，是該縣脫貧戶收入影響中最主要的因素，表明該縣可持續發展后勁足、空間大。

（3）內生發展動力不足：在A縣脫貧戶收入影響因素中小額貸款得分為-26.35，對該縣貧困戶收入有抑制作用，進一步表明脫貧戶內生發展動力不足。

（4）地區收入分化嚴重：從因子得分中看出，A縣各鄉鎮之間得分差距巨大，充分論證了該縣地區發展差異大，脫貧戶之間收入兩極分化嚴重。

（5）農技培訓和主要收入來源對脫貧戶收入影響最大：總體來看，得分表中農技培訓和主要收入來源得分最高，其次是政策實施力度和可持續發展動力，農戶內生發展動力表現最差。

（二）政策建議

（1）注重因地制宜，做到精準識別。地域差異導致各地區之間交流溝通較少，政策的實施不能一概而論，標準化的執行，地區之間有差異，農戶之間也有差異，特別是對于脫貧邊緣戶和易返貧戶的監管必須高效迅速，一旦發現農戶出現重特大事故或者災難的應及時納入監管序列。

（2）加強政策落實，促進就業，提高收入。農戶知識文化水平相對較低，對政策的解讀和農業先進科學技術的學習和理解相對滯后，因此要加強政策引導宣傳，農業技能的培訓落到實處。調研發現有些地區開展了農業技能培訓，但是，沒有與之相匹配的就業崗位，相當于走過場，完成任務，對農戶就業增收幫助較小。

（3）各鄉鎮同步發展，縮小收入差距。A縣各鄉鎮之間收入差距較大，應整合各方經濟、技術、就業、教育、醫療等資源，使不同層次的鄉鎮享有同等的資源，帶動協同發展，縮小收入差距。

（4）提升發展動力，激發內生潛能。有學者指出“貧窮的本質就是懶”，研究發現，很多脫貧戶并不認為自己已經脫貧了，甚至還提出想申請低保或者應急救助等不合理要求，可見提升發展動力，激發農戶內生發展潛能已迫在眉睫。

（5）探索可持續發展機制，促進多渠道增收。研究發現該縣脫貧戶收入渠道單一，主要靠工資性收入和財產性收入為主，農戶經營性收入相對較小，在實施鄉村振興戰略和相對貧困治理的過程中，應保障農戶收入呈現多渠道趨勢，實現可持續發展。