中國農村收入貧困與多維貧困的動態轉換及影響因素

張全紅

(湖北經濟學院，湖北 武漢 430205)

一、引言

黨的十八大以來，中國的脫貧攻堅工作取得了巨大的成就，脫貧攻堅取得全面勝利，困擾中華民族幾千年的絕對貧困問題得到歷史性解決。同時，中國的扶貧工作為全球的減貧事業作出了重大貢獻，成功走出了一條中國特色扶貧開發道路，形成了中國特色反貧困理論。隨著2020年現行標準下絕對貧困的消除，2020年后緩解相對貧困將是推進鄉村振興戰略的重點，黨的十九屆四中全會也明確提出要“建立解決相對貧困的長效機制”。從貧困內涵看，相對貧困具有多維特征，集中表現為免受困苦、接受教育、享受醫療衛生等能力的缺失(羅必良，2020；黃征學 等，2019)。自從阿瑪蒂亞·森在1980年首次提出能力貧困理論以來，人們對貧困的認識不斷從收入視角拓展到多維視角，現在多維貧困理論已被學術界和政府機構廣泛采納。令人欣喜的是，基于可行能力的多維貧困理論為避免精神貧困和貧困的代際傳遞提供了可操作方案，有效彌補了傳統收入貧困觀的缺陷。并且，可行能力與精準扶貧在貧困識別和可持續脫貧方面具有耦合性，是鞏固拓展脫貧攻堅成果的重要切入點(楊帆 等，2016；鐘曉華，2016)。

長期以來，我國的貧困測量和扶貧工作都是以收入標準為依據開展的，但黨的十八大以來的脫貧攻堅實踐(諸如“兩不愁、三保障”等)卻同多維貧困理論相一致，那么，一個值得研究的問題便是收入貧困和多維貧困之間的關聯和差異如何？具體來說，收入(多維)貧困人口中有多少多維(收入)貧困人口，收入脫貧人口中又有多少實現了多維脫貧，收入增長能在多大程度上降低多維貧困程度，如果收入貧困與多維貧困差異很大，傳統以收入指標為核心的扶貧工作將不再適合2020年后具有多維特征的相對貧困現實。針對以上問題的研究在國內尚處于起步階段，缺乏對收入貧困和多維貧困兩者關系的系統性檢視。本文聚焦于靜態水平和動態轉換兩個層次，對比分析收入貧困和多維貧困，探討收入貧困和多維貧困之間的關聯和差異以及影響兩種貧困的關鍵因素。這些研究對2020年后鞏固拓展脫貧攻堅成果和推進鄉村振興具有重要的參考價值。

二、文獻綜述

長期以來，貧困被理解為一個一維概念，僅指經濟上的貧困，即個體或家庭的收入無法滿足基本生活需要(World Bank,2000)。因此，對貧困的測量往往依據收入或消費的某個臨界值即貧困線來確定。貧困線由食物貧困線和非食物貧困線構成，前者按每人每天2100大卡熱量所需食品的開支計算，后者是指服裝、居住等非食品開支，一般按照恩格爾系數法即食品開支在總開支中的比例為60%來估算(Ravallion,2012)。從收入角度開展的貧困測度以F-G-T指數最為盛行，涵蓋了貧困的廣度、深度和強度(Foster et al.,1984)。在實踐中，英國和美國等國家最早制定了收入貧困標準，后來世界銀行收集了33個國家(包括發展中國家和發達國家)的貧困線來確定可供全球貧困比較的貧困線，并從1981年開始對各發展中國家進行消費和收入貧困測算(王小林，2012)。世界銀行制定的貧困線最初為每人每天1美元，2015年提高到每人每天1.9美元。另外，世界銀行還制定了每人每天3.1美元、5.5美元和21.7美元三條貧困線，分別適用于中低收入國家、中高收入國家和高收入國家(黃征學 等，2019)。

20世紀90年代，有學者提出貧困應該表現為福利的缺失，而福利又是一個多維概念，除由收入水平決定外，還包含公共產品的提供、住房供給、掃盲和平均壽命等因素(Strobel,1996；Burns et al.,2000)。多維貧困(Multidimensional Poverty)理論的主要創始者為1998年諾貝爾經濟學獎獲得者阿馬蒂亞·森。Sen(1999)認為，貧困是對人的基本可行能力的剝奪，影響能力剝奪的因素包括收入水平、公共政策、社會制度、經濟的不平等和民主的程度等。阿馬蒂亞·森的理論的提出是貧困理論研究中的一座里程碑，它引起了經濟學家對人類發展的思考，將貧困的概念從單一收入維度擴展到多維度的能力貧困和人類貧困，對貧困的測度也相應地從貨幣(包括收入或消費)貧困擴展到多維貧困。目前，Alkire et al.(2008)基于能力方法理論構建的多維貧困指數MPI(也稱為A-F指數)影響和運用最廣，并得到國際機構的采納，如聯合國在《2010年人類發展報告》中首次公布了全球104個國家和地區的多維貧困狀況(王小林，2012)。MPI包括健康、教育和生活水平三個維度，共10個指標，按照指標—維度—多維貧困指標進行三級匯總計算即可得出。

一般而言，收入貧困和多維貧困之間具有一定的吻合度，因為隨著個體收入的提高，其非貨幣維度的福利水平也會相應增加。但毋庸置疑的是，即使收入是多維貧困的一個很好的代理變量，僅僅用收入指標也是不足以反映其他方面的福利剝奪和社會排斥的。例如，對印度和秘魯的研究表明，許多在教育和健康等方面貧困的人口并不屬于收入貧困人群(Klasen,2000)。相反，收入貧困家庭如果注重對健康和教育的投資，不僅可以加快脫貧，而且還可以大大降低返貧的概率。相對于貨幣福利指標，非貨幣的福利問題往往同市場不完善、公共產品供給不足等宏觀社會運行政策相關。因此，非貨幣維度的福利改進主要是指社會公共品和公共服務的改善(Bourguignon et al.,2003)。

那么，收入貧困和多維貧困之間的關聯度到底有多高？針對不丹的研究表明，2010年該國有12%的人口為收入貧困，13%的人口為多維貧困，但只有3.2%的人口同時為收入貧困和多維貧困。根據智利官方報道，2013年該國收入貧困人口比例為14.4%，多維貧困人口比例為20.4%，但同時陷入收入貧困和多維貧困的人口比例僅為5.5%。其他類似的研究也表明收入貧困和多維貧困之間的差異較大，重合度較低(Gallo et al.,2012；Levine et al.，2014；Santos et al.,2014)。馮賀霞等(2015)利用2011年中國健康與營養調查(CHNS)數據測算發現，在2536元的收入貧困線和33%的多維貧困臨界值下，收入貧困和多維貧困的吻合度僅為31%，也就是說，69%的多維貧困人口不屬于收入貧困。需要指出的是，以上研究主要是采用截面數據對收入貧困和多維貧困關聯度進行靜態的比較，缺乏對這兩種貧困之間的動態變化和相互影響效應的分析。另外還值得進一步分析的是，哪些特征家庭更易陷入收入貧困，哪些類型家庭更易陷入多維貧困，收入增長能在多大程度上緩解多維貧困，這類問題在現有文獻中也沒有明確的回答。

三、分析方法和數據

(一)收入貧困的界定

收入貧困指數采用收入貧困發生率衡量，即收入貧困人口在總人口中所占的比重。我們考察的是絕對貧困，因此貧困線的設定基于絕對標準。世界銀行于2015年10月5日將國際貧困線標準由1.25美元/天提高到1.9美元/天(低標準)，這同中國官方貧困線非常接近(如表1所示)，同時也給出了3.1美元/天的貧困線標準(高標準)。為增強結論的穩健性，本文將分別采用1.9美元/天的低標準和3.1美元/天的高標準。

表1 各年貧困線

(二)多維貧困的識別和測算方法

本文基于阿馬蒂亞·森的貧困剝奪理論，按照Alkire et al.(2011)提出的A-F方法來測算多維貧困指數。A-F方法包含兩個臨界值，也稱“雙界線”法。第一步，設定多維貧困的維度、指標及相應的指標剝奪臨界值；第二步，計算個體的加總剝奪得分和設定總體剝奪臨界值，如果個體的加總剝奪得分超過這個臨界值，則被認定為多維貧困。

為了聚焦于貧困人口，我們在剝奪矩陣g0中刪除非貧困人口的剝奪數據，也就是如果第i個個體的剝奪得分ci≤k，則g0中第i行的每個值都為0，得到了一個新的矩陣g0(k)。g0(k)列出了所有貧困人口的加權剝奪情況，且排除了非貧困人口。基于此，我們可以重新構建剝奪得分列向量ck，在ck中，如果第i個個體是非貧困的，則其得分為0。通過以上步驟，我們可以計算出樣本的多維貧困指數(MPI),即矩陣g0(k)的均值乘以福利維度d：MPI=dμ(g0(k))，其中，μ表示算術平均算子。

多維貧困指數(MPI)可以表示為兩部分的乘積，即多維貧困發生率(H)和貧困人口的平均剝奪程度(A)的乘積，前者表示樣本中多維貧困人口(q)在總人口(n)中的比例，后者表示貧困人口平均被剝奪份額。由此可見，多維貧困指數由貧困發生率和平均被剝奪程度決定。

(三)多維貧困指標體系

參考《人類發展報告(2010)》中國際多維貧困指數的指標體系(UNDP，2010；Alkire et al.,2013)，結合中國經濟社會發展階段，我們選取了健康、教育和生活水平共3個維度共10個指標。《中國農村扶貧開發綱要(2010—2020)》明確提出，中國未來十年扶貧開發工作的總體目標是到2020年穩定實現扶貧對象不愁吃、不愁穿，保障其義務教育、基本醫療和住房。“不愁吃、不愁穿”由收入貧困來測算，教育、醫療和住房則由多維貧困來測算。另外，考慮到貧困村出列所需要滿足的基礎設施和公共服務的標準，本文增加了生活水平維度，以此反映農村生活質量。在識別過程中，由于家庭成員共享家庭資源(如住房、水、電等)，因此以家庭為單位來判斷其成員的剝奪情況，即如果一個家庭在某個福利指標上受到剝奪，則其每一個成員都在該指標上處于剝奪狀態，一個家庭被界定為多維貧困，則其每一個成員也被認定為貧困。

教育維度包括教育年限和適齡入學率兩個指標，這和國際MPI體系完全相同。教育年限上，如果家庭任一成年人沒有完成6年義務教育，則該家庭在教育年限上遭受剝奪。家庭中存在6到17歲的孩子未能上學，則該家庭在適齡入學指標上遭受剝奪。

健康維度包含營養和健康功能兩個指標。按照國際通用算法，營養指標采用身體質量指數(Body Mass Index,BMI)(1)BMI(身體質量指數)原用于公眾健康研究，計算方法為BMI=體重(kg)÷身高(m)2。來衡量(Baulch et al.,2003)。參照王春超等(2014)，BMI臨界值設為18.5，如果家庭16歲以上成年人的BMI低于18.5則被認為貧困。對于健康功能指標，如果家庭任意成員在過去半年內遭受重大疾病或傷害且沒有及時就醫的，則在該指標上遭受剝奪。

生活水平采用6個指標衡量，分別為做飯燃料、衛生設施、清潔飲用水、照明、住房和耐用品。第一，做飯燃料方面，如果一個家庭僅用動物糞便、木頭、秸稈等燃料而非清潔燃料(液化氣、天然氣、電等)，則被視為貧困。第二，衛生設施方面，如果廁所不能使用室內沖水、室內馬桶，被視為貧困。第三，清潔飲用水方面，將使用自來水、礦泉水、純凈水、過濾水作為飲用水源的家庭視為非貧困，否則為貧困。第四，通電方面，將沒通電或經常斷電看作貧困。第五，住房方面，如果家庭日常生活中住房方面存在困難，包括老少三代同住一室、12歲以上的子女與父母同住一室、12歲及以上異性子女同住一室、有的床晚上架起白天拆掉、客廳里也架起了睡覺的床等情況，視為貧困。第六，家庭資產方面，彩電、冰箱、洗衣機、空調等主要資產上最多只擁有一項的，視為貧困。

一般認為，以上3個維度對于家庭福利同等重要，因此被賦予相同權重，各為1/3，同一維度下的不同指標也被賦予相同權重(見表2)。

表2 福利維度、指標、權重及剝奪臨界值

(四)數據來源

本文采用2012年和2014年北京大學中國社會科學調查中心公布的中國家庭追蹤調查(CFPS)的農戶數據。CFPS充分考慮到了中國復雜和差異化的社會文化背景，采用多階段、內隱分層的抽樣方法，每個樣本都經過三個層次的分層選取抽樣得到，反映了中國社會、經濟、人口、教育和健康的變遷(支俊立 等，2017)。除去無效和漏缺數據，共采用了5365個農村有效樣本數據，其中，東部地區1871個，中部地區1563個，西部地區1931個。

四、收入貧困與多維貧困的關聯及差異

為了全面比較收入貧困和多維貧困的關聯與差異，我們對收入貧困采用了1.9美元/天和3.1美元/天兩條貧困線，對多維貧困采用了25%和33%兩個剝奪臨界值。我們不僅對收入貧困和多維貧困進行了水平或靜態對比，而且進行了動態對比，動態對比可以揭示兩種視角下測算的脫貧(入貧)人口是否一致，對鞏固脫貧攻堅成果具有重要的參考價值。

(一)貧困規模

我們分別按兩種貧困臨界值測算了2012年和2014年中國農村的收入貧困率和多維貧困率，結果見表3。

表3 不同標準下的收入貧困發生率和多維貧困發生率

首先，從收入貧困看，我們測算的貧困率要高于官方公布的結果。按1.9美元/天的貧困線標準，農戶貧困發生率在2014年高達19.82%，高于相同貧困線標準下官方公布的11.34%的水平，但同其他學者的估算是一致的。例如，蔣南平等(2017)運用2010、2012、2014年的中國家庭追蹤調查(CFPS)面板數據測算發現，生活水平相對較高的農民工家庭的收入貧困率從2012年的7.1%上升到了2014年的8.1%。普通農戶的收入水平要低于農民工家庭，由此可以推測總體農戶家庭的收入貧困率肯定要遠高于8.1%的水平。宋揚等(2015)運用2010年中國綜合社會調查數據(CGSS)測算發現，在1.87美元/天的貧困標準下，2010年農村貧困率為19.38%，也要高于同年官方公布的17.27%的水平。學者根據各種公開調查數據計算的貧困人口要高于官方公布的結果，原因可能在于：一是樣本的差異，例如我們采用的CFPS樣本數據中，貧困程度最高的西部地區樣本占比最高，達到了36%(東部地區占比35%、中部地區占比29%)，明顯高于西部地區實際的農村人口比重。二是地方政府建檔立卡貧困人口數據并沒有完全反映實際貧困程度。由于地方政府對貧困家庭和人口的識別和建檔立卡工作通常只能在控制名額的基礎上借助基層民主評議的方法來變通進行，民主評議雖然較好地解決了公平性問題，但與實際收入標準存在較大的差異(汪三貴 等，2015)。

其次，收入貧困規模和多維貧困規模總體相當。按照低貧困線即1.9美元/天和33%的剝奪臨界值，2014年的收入貧困率為19.82%，多維貧困率為20.35%。按照高貧困線即3.1美元/天和25%的剝奪臨界值，收入貧困率和多維貧困率分別上升到30.12%和35.25%。

(二)收入貧困與多維貧困的靜態比較

收入貧困和多維貧困所覆蓋的人口在多大程度上是吻合的？從圖1中可以看出這兩種貧困人口的關聯度很低。以2012年為例，在33%和1.9美元/天的臨界值下，多維貧困發生率為23.24%，略高于19.59%的收入貧困發生率水平。但是，同時為收入貧困和多維貧困的人口比例只有7.43%，僅收入貧困的人口比例為12.16%，僅多維貧困的人口比例為15.81%。換句話說，收入貧困人口中有62%(12.16%/19.59%)的人口并非多維貧困，多維貧困人口中有68%(15.81%/23.24%)的人口并非收入貧困。可見，按收入和多維標準測算的貧困人口的關聯度很低。2014年，在相同貧困臨界值下，貧困規模并未明顯下降，貧困關聯度仍然很低，收入貧困人口中有仍有62%(12.31%/19.82%)的人口并非多維貧困，多維貧困人口中則有63%(12.84%/20.35%)的人口并非收入貧困。

圖1 收入貧困與多維貧困的關聯與差異

圖2 收入貧困與多維貧困的關聯與差異

當把貧困臨界值進一步放松到25%和3.1美元/天時，兩種貧困人口比例幾乎都提高了一半，但二者之間的關聯度仍然很低(見圖2)。2012年，收入貧困人口中有55%(16.84%/30.64%)的人口并非多維貧困，多維貧困人口中有64%(24.57%/38.37%)的人口并非收入貧困。2014年則分別為59%和65%。

可見，從收入和多維兩種標準來識別貧困人口時，所覆蓋的對象相差較大。因此，在精準識別貧困人口方面，如果簡單地以收入為標準或簡單地以多維為標準，都將導致大量的貧困遺漏問題。

為了進一步分析哪些群體在收入貧困和多維貧困之間存在較大的偏差，我們進一步把樣本按年齡段進行了分類，以考察不同年齡段人口的占比及其在各類型貧困中的占比。從表4中可以看出，年輕人(25歲以下)更易陷入收入貧困，因為在收入貧困人口中，年輕人占比為23.61%，而總樣本中年輕人比重只有8.21%。老年人(65歲以上)則更易陷入多維貧困。

表4 2014年不同年齡段人口的貧困狀況 (單位：%)

(三)收入貧困與多維貧困的動態比較

進一步從動態轉換的角度來分析收入貧困與多維貧困的關聯與差異，主要探討收入(多維)脫貧或入貧人口在多大程度上伴隨著多維(收入)脫貧或入貧。

表5和表6顯示，兩種貧困測量結果之間的動態偏差也較大。從脫貧看，2012—2014年間，收入脫貧人口中只有11.34%的人口脫離了多維貧困，多維脫貧人口中只有17.82%的人口脫離了收入貧困。動態偏離如此之大，原因在于兩方面：一是在基期(2012年)收入貧困和多維貧困人口的重合度本來就很低；二是收入與其他福利指標之間的變化不完全一致。在精準扶貧實踐中，通過產業幫扶、社會政策兜底等政策可以在短期內較快地提高貧困戶收入，從而脫離收入貧困，但是，教育、醫療、營養、飲用水和環境衛生等指標的改善需要一個長期的過程。同樣，農村基礎設施和公共服務水平的提高也不會立竿見影地提高農戶的收入，即存在滯后效應。因此，收入脫貧和多維脫貧之間存在著偏差。

從貧困持續時期看，如果把2012年和2014年兩期均貧困的人口看作持久性貧困人口，那么，收入持久性貧困人口中只有37.28%的人口為多維持久性貧困人口，多維持久性貧困人口中只有35.84%的人口為收入持久性貧困人口。相反，在一種標準下計算的持久性貧困人口，在另一種標準下約有40%在兩期均貧困。

表5 2012—2014年收入貧困向多維貧困的動態轉換 (單位：%)

表6 2012—2014年多維貧困向收入貧困的動態轉換 (單位：%)

五、貧困影響因素的計量分析

我們使用Logit模型分析相關變量對于家庭陷入貧困的概率的影響，Logit模型如下：

其中，Y代表家庭是否陷入貧困的虛擬變量，β為系數變量。由于遺漏變量和內生性的問題，本文的計量分析結果并不意味著某一變量對于家庭是否貧困的絕對因果關系，而是顯示在控制其他變量的情況下不同因素對家庭貧困的影響程度。

(一)收入對多維貧困的影響

被解釋變量為多維貧困和各指標貧困，取二值變量，解釋變量取家庭人均可支配收入的對數值，回歸結果見表7。結果表明，隨著收入水平的上升，多維貧困發生率下降。當家庭人均可支配收入對數值上升1單位，其陷入多維貧困的概率平均下降36.62%(e0.312-1)。然而，修正的回歸擬合度僅為6.7%，即在控制相關家戶特征變量后，收入僅僅解釋了6.7%的多維貧困變異，還有近93%的多維貧困變異沒有得到解釋。

表7 收入對多維貧困的影響(2014年，Logit模型)

另外，收入水平的上升均能顯著降低各維度貧困發生的可能性。當農戶的收入對數值上升1單位時，其陷入教育貧困的風險平均下降38.54%(e0.326-1)，陷入營養貧困的風險平均下降17.7%(e0.163-1)，陷入健康貧困的風險平均下降20.56%(e0.187-1)。

需要說明的是，雖然農戶收入增加對多維貧困及各維度貧困的發生概率在統計上是顯著的，但其影響效應較小。收入對數值上升1單位，多維貧困及各維度貧困的發生概率的下降幅度均沒有超過40%。這也再次驗證了本文前面的分析結果：收入并不足以作為家庭福利的代理變量，非貨幣維度的福利改進主要依靠社會公共品和公共服務的改善。

為確保研究結論的可靠，我們采用相同的模型、方法和變量，使用2012年CFPS數據進行了穩健性檢驗，回歸結果與表7基本一致。

(二)家庭特征對收入貧困的影響

家庭特征除了我們在計算多維貧困中采用的教育、健康等指標外，還考慮到了東西部地區、戶主是否黨員、家庭勞動力人數和就業狀況等特征，共包含10個變量，其名稱和含義見表8。

表8 回歸模型中變量的定義

估計結果(表9)表明，無論采用1.9美元/天或3.1美元/天的貧困線來區分一個家庭是否收入貧困，影響家庭貧困概率的因素大多顯著，并且其符號與預期基本相符。

表9 家庭特征對收入貧困的影響

回歸結果印證了家庭非農工作和成員健康對家庭脫離收入貧困的重要性。無論采用低標準還是高標準的貧困線，當控制家庭經濟共享規模后，家庭中勞動力數量越多，長期就業勞動力越多，收入貧困的概率就越低。此外，我們更關注農戶從事農業工作和非農工作的差別。以農業工作為基準組，收入主要來自非農產業的農戶家庭的收入貧困概率為50%以上。原因在于，非農工作比農業工作的報酬更高，風險更低，對于緩解收入貧困的效應是顯著的。家庭成員健康對于脫貧也有積極的正向影響，這印證了健康扶貧以及防范因病致貧和因病返貧的重要性。成員健康的農戶，貧困的概率也會降低60%以上。

地區特征對收入貧困的影響也是顯著的。以中部地區家庭為基準組，結果發現，在低貧困線標準下，東部地區家庭的貧困發生概率僅為中部地區的0.182倍，西部地區家庭的貧困發生概率是中部地區家庭的1.823倍。

家庭的身份性特征也會顯著影響收入貧困發生的概率。戶主為黨員的農戶的貧困發生率顯著更低。黨員身份往往意味著更高的受教育年限、更多的從事非農工作和更高的福利待遇，這些因素都可以解釋黨員身份農戶比非黨員農戶的貧困發生率更低。

六、結論和政策建議

本文運用CFPS2012年和2014年的數據對比分析了中國農村收入貧困與多維貧困的現狀、特征、關聯、差異以及影響因素，得出以下主要結論：

第一，收入貧困人口和多維貧困人口的重合度較低。從靜態比較看，收入貧困概念中遺漏了60%的多維貧困戶，多維貧困概念中遺漏了65 %的收入貧困戶。從動態轉換看，2012—2014年間，收入脫貧農戶中僅有11%的農戶同時實現了多維脫貧，余下近90%仍然處在多維貧困狀態。

第二，從貧困的特征和影響因素看，地區特征、家庭教育程度、健康水平和就業狀況等因素對收入貧困均存在顯著影響。西部、中部和東部地區農戶的收入貧困率依次下降。從家庭特征看，教育程度高、營養和健康水平高以及主要從事非農工作的農戶的收入貧困概率要顯著低于其他家庭。另外，收入水平的上升雖然可以顯著降低各維度貧困發生的可能性，但其影響效應較小。

在鞏固拓展脫貧攻堅成果和治理相對貧困的過程中，首先，應該將低收入戶的識別從單一的收入標準轉向收入和多維并重的標準。收入貧困線要隨經濟社會的發展而相應調整，多維標準則需要把教育、健康、居住環境、生活水平等維度納入進來。利用針對低收入人口和生活困難人口的大數據信息監測系統，盡快在多維指標下制定統一的貧困識別方案和程序，真正做到對易致貧易返貧人口的精準識別。其次，鑒于多維貧困的持續性和多元性特點，以及公共服務的缺失和分配不均衡的致貧原因，多維貧困治理政策應該要重視公共服務工作，將財政扶貧資金更多投入到公共服務的均衡化和供給水平提升上面來。教育公共服務，不僅要實現有保障，還要注重對脫貧地區教育質量的提升，加大脫貧地區義務教育的投入，同時醫療公共服務要進一步縮小城鄉和省份差異，實現跨省醫保結算和銜接。