基于多維識別體系的民族地區貧困測度

畢晶晶

（華東政法大學 政管學院， 上海 松江 201600）

一、引言

一直以來，貧困問題都是影響人類發展的重大議題之一，對擁有14 億人口的中國來說更是如此。 消除貧困、改善民生、逐步實現共同富裕，是社會主義的本質要求，是中國共產黨的重要使命［1］。隨著2020 年小康社會的全面建成， 我國貧困人口從2015 年底的5 575 萬人減少到2019 年底的551 萬人［2］，提前十年完成《聯合國2030 年可持續發展議程》減貧目標，我國正式進入“后減貧時代”。 在這一時期，學界對貧困的研究從絕對貧困轉向相對貧困，從單一維度轉向多個維度，多維貧困成為研究的重點。 但在研究方法上，現有多維貧困的研究在指標體系的建構上多采用等權重法，具有較強的主觀隨意性。 而對于廣西、云南、寧夏、西藏等少數民族聚居地區來說，經濟要素水平、資源條件、基礎設施等顯性約束和語言、民族文化差異等隱性約束［3］更使其難以脫離貧困陷阱。因此，基于少數民族地區的實際情況構建多維貧困指標體系對監測民族地區貧困程度及扶貧工作具有重要意義。

多維貧困最早是基于阿馬蒂亞·森的可行能力理論提出的，森認為可行能力指“人們能夠做自己想做的事情、過上自己想過的生活的能力”，具體包括健康、教育、體面的工作、安全等多個維度。那么如何判斷個人或群體的貧困程度？以及個人或群體是否發生了多維度的貧困？這就需要建立相應的指標體系來測度個人或群體的貧困程度。 因此在已有的研究中傾向于注重多維貧困的識別與測度。 當前學術界應用最廣泛的測度方法是Alkire 與Foster［4］提出的AF方法，又稱“雙臨界值法”，即先通過一個指標的臨界值判斷個人或群體是否在該維度上被剝奪，然后再通過維度臨界值判斷個人或群體在幾個維度上發生了貧困。 但這一方法由于沒有包含收入維度而受到部分學者的批判。 此外，H-M 指數、HPI（人類貧困指數）、HDI（人類發展指數）也是目前常用的多維貧困識別方法。

在多維貧困的指標選取上，國內研究多采用聯合國開發計劃署和牛津大學貧困與人類發展中心聯合發布的MPI 指數，并在此基礎上進行補充調整。 例如李東、孫東期［5］在對中國多維貧困的動態分析中就沿用了全球多維貧困指數，同時根據數據可獲得性，對住宅地面類型和炊用燃料貧困標準進行了調整。李振宇、張昭［3］在MPI 指數的健康、教育、生活狀況三個維度基礎上結合中國實際情況又增加了食物支出和收入水平兩個維度。 值得注意的是，由于其研究對象的特殊性， 在教育維度中還增加了普通話熟練程度這一指標來判斷少數民族與主流社會的融合程度。 王恒、王博等［6］則是從鄉村振興的視角出發，在綜合考慮后構建了包括收入、教育、健康和生活水平在內的四個維度10 個指標對秦巴山區農戶的多維貧困狀態進行識別與測度。

在各維度與指標權重的確定方面，高艷云、馬玉［7］對常用方法進行了梳理總結，指出常用的方法有等權重法、頻率法和統計法。 等權重法即各維度內指標實行權重均等劃分，典型代表有HDI、MPI；頻率法是將物品或服務越普遍的維度賦予更大的權重,該方法常用于模糊集方法中；統計法則主要是主成分分析、因子分析以及層次分析法。 但在實際的研究中，等權重法因其簡便易行、操作簡單而受到研究者的歡迎。 但一些學者認為這種方法過于武斷，進而嘗試運用主成分分析和因子分析法進行權重的探索，但其中常出現負值，無法進行合理解釋。 相比較而言，層次分析法雖然屬于主觀賦權的方法，但因其首先要通過各個指標的兩兩比較來構建矩陣，再通過方根法計算權重而具有相當的客觀性和科學性。

而在研究主題上，陳聞鶴等借助CiteSpace 可視化研究工具指出，國外研究主要集中于美洲及非洲國家的貧困問題、社會排斥影響亞文化群體的貧困程度和能源貧困測度等方面［8］，國內研究多聚焦于精準扶貧、連片特困區和縣域貧困。 在多維貧困視角下對少數民族地區的貧困研究較少，如張潤君、張瑞［9］是從社會治理角度研究西北深度貧困，邢伯倫等［10］是從精準扶貧角度研究深度貧困地區。

總而言之，已有的研究從多維貧困的維度選取、權重設置和測算方法等多方面展開，較為充分地測算了不同人群的多維貧困狀況，但對民族地區的研究還不是很全面。 此外，常采用的等權重法也有可以改進的空間，層次分析法作為可以判斷指標重要程度的科學方法，能夠為多維貧困的不同維度科學賦權。

因此，本文通過使用層次分析法（AHP）確定各維度及指標的權重，構建適用于少數民族聚居地區的多維貧困指標識別體系，在此基礎上再利用AF 法進行多維貧困測度。

二、研究方法及數據來源

（一）研究方法

本文采用AF 法和層次分析法相結合的研究方法，AF 法是在2008 年由牛津貧困與人類發展中心（OPHI）的Alkire 和Foster 提出的方法。 根據其發表的《計數和多維貧困測量》一文可知， 多維貧困測度通常包括多維貧困的識別、 加總和分解三個步驟。 通過AF 法測算得出的MPI 指數不僅能反映一個國家或地區多維貧困發生率與多維貧困發生的強度， 還能從微觀層面反映個人或家庭的被剝奪量。 該方法由于指數選取的維度面廣，能夠全方位、多方面地反饋貧困人口的生活境況，被認為是目前較先進的相對貧困測算方法。

在多維貧困識別階段，本文選擇層次分析法進行維度及指標權重的確定，以此建立民族地區的多維貧困識別體系。 層次分析法主要是將定性與定量方法相結合， 使決策過程科學化、可測量化的一種決策分析方法，常用的使用場景包括多方案決策選擇和方案內指標權重確定。 它的提出者Saaty 認為層次分析法包括四個步驟。 1）建立遞階層次結構。 遞階層次結構最頂層為目標層，并根據影響目標達成的要素設置準則層和方案層。 2）構建兩兩比較矩陣。 將每兩個指標進行重要性的比較并賦予其相應數值。 一般采取Saaty 提出的1 至9 標度法進行判斷，也就是以數值1 至9 以及它們的倒數表示其重要性，數值的具體含義如表1 所示。 3）在構建比較矩陣的基礎上，采用“方根法”計算各級指標的單排序數值，得出比較矩陣的排序向量。 4）進行一致性檢驗。 一般認為，CR＜0.1 表示比較矩陣通過一致性檢驗，計算誤差可以忽略不計。

表 1 數值及含義

結合AF 法和層次分析法可以避免主觀的等權重法帶來的隨意性， 使多維貧困指數的測算具有更強的客觀性和科學性。 參考張慶紅、祝志川等的研究［11-12］，多維貧困指數的測算步驟如下：

1）構造矩陣。構造 n×d 維矩陣，即 X（n,d）。xij代表矩陣中的元素，其中 i=1，2，3，…，n； j=1，2，3， …，d，元素 xij表示個體 i 在 j 維度上的取值。

2）確定維度及指標①的權重。 借助層次分析法確定多維貧困指標體系中各維度及其下設指標的權重，便于后續貧困識別及加總。

3）確定指標的剝奪標準Zk，形成貧困剝奪矩陣：

當xij小于剝奪標準Zk時，代表個體在該指標上陷入貧困，將g（0）賦值為1；反之，則表示個體沒有在該指標上被剝奪，g（0）為 0。

4）貧困的識別與加總。通過計算平均剝奪份額（A）和貧困發生率（H）得到樣本的多維貧困指數（MPI），即：

其中，q 表示貧困人口數；n 代表樣本總數；Wi表示各指標的權重；gij代表個體發生貧困的指標剝奪值，即0 或1；ci（k）代表在k 個指標下，樣本被剝奪的總權重分數。

5）貧困分解。 確定各指標對貧困的貢獻度，分析影響多維貧困的主要因素。

（二）數據來源

本文采用中國家庭追蹤調查第5 輪調查數據（CFPS 2018）作為數據來源，運用stata 16 進行家庭成員庫、個人庫和兒童庫的數據合并與清洗、變量編碼等工作。 因本文研究對象為少數民族地區，根據國家統計局官方口徑，將被稱為“民族八省”的貴州省、云南省、青海省、新疆維吾爾自治區、廣西壯族自治區、西藏自治區、寧夏回族自治區、內蒙古自治區列為研究對象，最終選取3 068 個樣本數據，主要分布于貴州、廣西和云南地區，包含除漢族之外的苗族、壯族、布依族、瑤族、彝族、白族等20 個少數民族，其中主要以苗族、布依族和壯族為主。

三、少數民族地區多維貧困指標體系構建

（一）維度及指標選取

多維貧困的維度及指標選取并沒有統一的標準，研究者通常根據自己的研究需要對前文提到的國際通用指標進行調整。 由于本文研究對象少數民族地區主要位于我國北部和西南部，涵蓋高原、山地和丘陵等多種地形，地理環境復雜，生態環境相對脆弱，這種客觀存在的地理環境一定程度上導致了民族地區在教育、 基礎設施建設以及經濟發展等方面相對滯后［13］。因此，本文結合民族地區的實際情況和已有貧困特征及脫貧績效方面的相關研究［14-18］，并借鑒聯合國計劃開發署和牛津大學貧困與人類發展中心聯合發布的MPI 指數，選擇將健康、教育、生活狀況、經濟收入四個維度納入多維貧困識別體系。 具體維度及其指標選取作如下描述。

1.健康維度

選取看病點條件滿意度和是否參加醫療保險兩個指標。由于這里的看病點主要指距離居民區較近的社區衛生服務中心或村衛生室，主要負責慢性病和基礎性疾病的恢復階段，因此條件完備的看病點有利于保障群眾的基本健康。 此外在CFPS 問卷中看病點條件不僅指醫、藥、就診、住院等條件，也包括求醫的路程遠近、交通便利程度，所以受訪者對看病點條件的滿意度也能在一定程度上反映民族地區的交通便利情況。而醫療保險是國家分擔社會成員疾病風險的基本保障，是否參加醫保對個人遭遇疾病風險后維持個人及其家庭的正常生活具有重要影響。

2.教育維度

選取適齡兒童入學情況、成人受教育年限和漢語水平3 個指標。 反貧困理論認為，教育通過提高人口素質、提升人的綜合發展能力能夠從根本上阻斷貧困對下一代的影響，因此教育層面是必須要考慮的維度。 適齡兒童入學情況可反映家庭長遠的抗風險能力，成人受教育年限則反映勞動人口的勞動能力，這兩個指標都是影響一個家庭能否擺脫貧困以及個人衡量自身發展能力的重要因素。 而漢語作為我國的官方語言，少數民族人口自身的漢語水平會直接影響其接收信息和融入社會的能力。

3.生活狀況維度

包括飲用水、電、生活燃料3 個指標。 這3 個指標都是直接影響民眾基本生活的要素。

4.收入維度

選取家庭人均純收入、耐用消費品數量和住房3 個指標。 收入是個體是否發生貧困的顯性特征。 有學者指出，“中國不存在一般發展中國家的絕對貧困，只存在相對于現金收入能力的貧困化”，因此在收入維度的指標選取上，非現金財產也應納入進來，耐用消費品和住房面積是非現金財產的典型代表。

（二）層次分析法確定權重

1.建立遞階層次結構

多維貧困識別體系可以分為三層：目標層、準則層和方案層，目的在于分解和構建多維貧困識別體系的重要指標。 如圖1 所示，目標層為多維貧困識別體系，用A 表示；準則層則表示這一體系主要從健康、教育、生活狀況和經濟收入四個維度來構建，分別表示為B1、B2、B3、B4；方案層表示衡量各個維度的細分指標，這一層用C 表示，總計11 個指標。

2.構建判斷矩陣并計算權重

1）確定一級指標權重

結合圖1 可知，這里的一級指標為準則層的健康、教育、生活狀況和經濟收入四個維度。要確定其權重，首先需要構建比較判斷矩陣，即A-Bi矩陣（i=1，2，3，4）；其次通過方根法計算Bi的權重，即：

圖1 多維貧困識別體系

其中，bi表示矩陣內的數值，n 表示矩陣的階數，Wi* 表示矩陣的每行乘積，Wi表示Bi的權重。最終結果如表2 所示。

表 2 A-Bi 比較矩陣及權重

2）進行一致性檢驗

一致性檢驗是為了判斷各指標的權重是否合理。 當一致性比率CR＜0.1 時，可以認為各指標權重的不一致性在合理區間，具備滿意的一致性，通過檢驗。 計算公式為：

其中，CR 代表一致性比率，λmax代表最大特征根，Wi表示進行比較的維度的權重，AWi表示矩陣內數值與所得權重Wi的乘積，n 表示矩陣階數，RI 為已知的隨機一致性系數，如表3 所示。

表3 隨機一致性系數RI

根據公式（8）和（9），可以得出最大特征根 λmax=3.982，繼而可得 CR≈-0.36＜0＜0.1，通過了一致性檢驗，表明表2 矩陣具有良好的一致性。

3）確定二級指標權重并進行一致性檢驗

在確定一級指標權重的基礎上，構建二級指標（即方案層C 層）的比較判斷矩陣并利用公式（5）、（6）、（7）計算二級指標的權重。 表 4 為二級指標的比較判斷矩陣、所得權重和一致性檢驗結果。 由于二級指標隸屬于一級指標，其最終權重應為方根法計算結果與所屬維度的權重相乘，見表4 中的最后一列。

表4 二級指標的比較判斷矩陣、所得權重和一致性檢驗結果

（三）AF 法確定臨界值

從表4 可知，上述矩陣都具有較好的一致性，可得到多維貧困指標體系。 下一步根據AF雙臨界值法，確定各指標的剝奪臨界值（第一臨界值）和多維貧困的臨界值（第二臨界值），以識別個體是否發生貧困以及在哪些指標上發生貧困。

剝奪臨界值一般賦值1 和0 來表示， 賦值為1 表示個體在該指標上受到剝奪， 賦值為0則表示未受到剝奪。 是否受到剝奪的標準主要依據前人的研究和所得數據來確定，本文各項指標的剝奪標準描述如下：

依據2018 年中國家庭追蹤調查問卷中對看病點就醫條件的回答，將答案“不滿意”和“很不滿意”視為在這一指標上受到剝奪，賦值為1；回答為“一般”“滿意”和“很滿意”則視為未受到剝奪，賦值0。 考慮到基本醫療保險的抗風險性，將未參加任何形式的基本醫療保險的個體賦值為1，反之賦值為0。 結合2011 年我國2 300 元的國家貧困線標準，將家庭人均年純收入低于2 300 元的個體賦值為1，反之，賦值為0。家庭人均月用電費基于統計局給出的家庭人均月用電量和平均電價計算得出，我國家庭人均月用電量取整為70 kWh，平均電價為0.6 元，因此家庭人均月用電費的剝奪標準為42 元，低于42 元的視為在這一指標上受到剝奪，賦值為1，反之賦值為0。人均住房面積參考仲超、林閩剛［18］的研究，規定少于15 平方米即認為受到剝奪，賦值為1，反之賦值為0。 根據國家統計局標準，耐用消費品包括家用汽車、摩托車、電動車、洗衣機、電冰箱、微波爐、彩色電視機、空調、熱水器、抽油煙機、移動電話和計算機，本文認為少于兩項屬于在這一指標上發生了貧困。 其余指標的剝奪標準在表5 中加以說明。

表5 多維貧困指標識別體系

多維貧困的臨界值指個體至少同時在多個指標上發生貧困的指標數。 國際上通常規定多維貧困的臨界值為3，即個體至少在3 個指標上存在貧困，就認為該個體發生了多維貧困，一般表示為k≥3。

四、多維貧困指數（MPI）測度與分解

（一）少數民族地區多維貧困測度分析

依據公式（1）、（2）、（3）、（4），可計算得出表 6 數據。 其中 k 值表示，如果一個家庭在 11 個指標（維度）中的任意k 個及以上指標同時存在貧困，就定義該家庭發生k 維貧困［19］。 從表6中可以看出，貴州、云南、青海及內蒙古、新疆、西藏、寧夏、廣西8 個省市自治區中最多存在9維貧困，不存在10 個指標及以上的多維貧困。當k=1 時，多維貧困發生率為99.51%，平均剝奪份額為26.61%。 表明民族地區存在普遍的單維貧困，99.51%的人都至少在1 個指標上陷入了貧困。 而平均剝奪份額僅為多維貧困發生率的四分之一，說明當k=1 時，貧困群體陷入貧困的程度較輕，比較容易從貧困的境地中脫離出來。 高貧困發生率和低貧困深度表明少數民族地區普遍存在單個維度上的相對易于擺脫的貧困問題。 此外，多維貧困發生率隨著k 值的增大不斷降低，平均剝奪份額卻不斷增加，意味著隨著發生貧困維度的增多，越來越少的人口陷入貧困，但他們的貧困深度卻逐漸加深。 這也就是說，越是在更多維度陷入貧困的人口，靠自我發展能力擺脫貧困的可能性相對較小，更需要社會資源的支持。

表6 少數民族地區多維貧困指數

從樣本包含的民族來看，苗族、布依族、壯族是分布人數較多的民族。 根據表7 可知，三個民族之中，苗族的貧困覆蓋面最廣，因為不論在k 取何值時，苗族的多維貧困發生率整體高于布依族和壯族。 并且，苗族存在同時在9 個及以上的維度中發生貧困的現象，布依族最多同時在8 個及以上維度上存在貧困現象，壯族次之，k 值最大取到7。然而從數值上看，k=9 時，苗族的多維貧困指數僅為0.12%，而k=8 時，布依族的多維貧困指數為1.02%，是苗族的兩倍左右。此外從貧困深度來看，布依族的貧困深度是三個民族中最高的，整體高于苗族和壯族，而且其多維貧困指數也平均高出苗族和壯族3 個百分點左右。 因此，在三個民族之中，壯族的貧困范圍和貧困深度最輕，發展情況最好，其次是苗族，第三是布依族。 這表明相對而言，壯族具有較強的擺脫貧困的能力，自我發展能力較高。

表7 主要民族多維貧困測度

從發生貧困的具體維度來進行分析，如表8 所示。 在11 個指標中，“醫療保險”和“家庭人均純收入”這兩個指標的貧困發生率較低，均低于10%，尤其是“醫療保險”，貧困發生率僅在5%左右，與我國當前95%的醫療保險參保率相吻合，這表明全民醫保政策在民族地區也得到了充分的實施且取得了良好效果。 而在“家庭人均純收入”這一指標上發生貧困的概率較低，說明國家的精準扶貧政策在少數民族地區發揮了重要作用，在很大程度上少數民族地區已擺脫了收入帶來的絕對貧困。

表8 主要民族單維度貧困發生率

貧困發生率排名前四的指標是“電”“家庭人均住房面積”“耐用消費品”和“成年人受教育水平”。 其中，“電”和“家庭人均住房面積”這兩個指標都是影響個體和家庭生活水平的重要指標，80%左右的貧困發生率表明有絕大多數的少數民族群眾仍然處于缺電、少電的困境，民族地區的基礎設施建設還有進一步完善的空間。 人均住房面積低于15 平方米，少數民族地區的生活用電和住房問題還需要進一步加大力度，向這兩個領域投入更多資源。 “耐用消費品”指標是一個家庭生活水平的重要象征，三個少數民族在這一指標發生貧困的概率較高，說明少數民族地區無力購買必要的一些耐用消費品，如汽車、微波爐等，影響了生活水平的提高。由于此樣本中各個年齡段分布較為均衡，因此“成年人受教育水平”這一指標的高貧困發生率可以說明少數民族地區的民眾受教育水平普遍較低，未能完成9 年義務教育的人口占八成左右。 此外值得指出的是，布依族在“漢語水平”這一指標上的貧困發生率較高，為70.18%，說明其主要使用的語言仍是方言或民族語言，漢語水平不高，而其他兩個民族僅為45.43%和23.89%。 這可能會對少數民族與以漢語為主要語言的主流社會的融合產生阻礙，不利于其長期的發展。

從樣本包含的發生貧困區域來看，貴州、云南、廣西是主要地區。 從表9 中可以看出，三個地區的多維貧困指數相差不大，且被剝奪維度數相對集中，主要集中在k=3、k=4 和k=5。 其中在k=3 時，多維貧困指數最高，這表明三個省份的貧困人口主要在3 個及以上維度陷入貧困。從具體指標來看，當k 值增加時，多維貧困指數（MPI）總體呈現不斷減小的趨勢，貴州從26.27%降低至0.05%，廣西從26.11%降低至0.24%，云南從27.66%減少至0.14%。 對比三個省份的平均剝奪份額可以發現，貧困深度整體較高的是云南省，貴州次之，廣西最輕。 且從貧困覆蓋面來看，廣西也是三個地區中情況最好的，說明廣西在脫貧攻堅戰中取得了較其他兩個省份更好的效果，具備較強的多維貧困反貧困能力。

表9 主要省份多維貧困指數

（二）多維貧困的分解分析

對多維貧困的分解意在發現影響相對多維貧困的關鍵因素，為相對貧困地區可持續發展提供方向，避免返貧現象的發生，不斷鞏固和擴大我國脫貧攻堅行動的成果。 一般來說，AF 法可以按維度或者地區分解多維貧困指數［12］。 但因為本文已運用層次分析法確定各維度和指標的權重，已經體現了各指標的貢獻度，因此選擇按地區（省份）分解和按城鄉分解。

1.按地區分解的多維貧困指數的貢獻度

多維貧困指數的貢獻度Con 按地區分解表示為：

其中，n 表示第i 個地區的人口數，N 表示樣本總數，n/N 代表該地區所占的權重；nq表示在k=1，2，3，…，d 時第 i 個地區被剝奪的人口數，Nq代表在 k=1，2，3，…，d 時樣本總數被剝奪的人口數。 mpi 代表在貧困閾值k 下第i 個地區的多維貧困指數，MPI 代表貧困閾值k 下少數民族地區總體的多維貧困指數（見表6）。

表10 為樣本中主要地區對多維貧困指數的貢獻程度，貢獻度越高，代表該地區是影響少數民族地區擺脫多維貧困的主要因子。 從表10 可以看出，貴州、云南兩地區的貢獻度較高，廣西地區相對來說貧困貢獻度較低。 這與表9 中體現的云貴地區貧困深度高于廣西地區相吻合，說明對少數民族八省份來說，云貴地區更需要外力扶持去擺脫貧困，相關部門有必要進一步加大對云貴地區的扶貧力度和精準度。

表10 各地區對多維貧困指數的貢獻度

2.按城鄉分解的多維貧困指數的貢獻度

多維貧困指數的貢獻度Con 按城鄉分解表示為：

其中，Ci表示城鎮或農村陷入多維貧困的人口數，C1代表城鎮（i=1），C2代表農村（i=2），mpi（c）表示城鎮或農村的多維貧困指數，公式內其他指標含義與（10）式相同。 城鄉分解的結果如圖2 所示。

圖2 民族地區多維貧困的城鄉貢獻差異

由圖2 可知，民族地區農村的多維貧困貢獻程度遠大于城鎮，農村地區的貧困貢獻度在57%～98%之間，而城鎮地區的貢獻度不超過0.5%，并且多維貧困的維度數較少，不存在同時在8 個及以上維度陷入貧困的現象。 也就是說民族地區的多維貧困主要集中在農村地區，且隨著k 的增加，農村多維貧困的貢獻度也在增加，表明農村的貧困是多維度、多方面的復雜的貧困狀態，需要政府相關部門全方位、系統性的扶持，同時結合當前方興未艾的鄉村振興戰略，進一步細化民族地區的反貧和發展路徑。

五、結論與政策建議

（一）結論

總體來說，經過前幾年的脫貧攻堅行動，我國全面建成了小康社會，并且實現了人類歷史上的偉大壯舉——消除絕對貧困。 相應地，少數民族地區的生活狀況也得到了極大改善，特別是在健康和收入層面，貧困發生率均在10%以下。 本文的研究可以得出以下結論：

一是少數民族地區在健康、收入以外的其他維度貧困發生率相對較高，基礎設施和教育水平仍然是少數民族地區擺脫多維貧困的主要障礙。 具體表現為少數民族地區民眾在生活用電、飲用水和生活燃料以及住房問題上仍然存在不同程度的貧困，且不同民族之間有所差異。適齡兒童入學率和成年人受教育年限及漢語水平的貧困發生率相對較高。

二是少數民族地區的多維貧困主要集中在農村地區，不論從單維還是多維來看，仍難以將城鎮的貧困問題提高到和農村貧困同等的重視程度。

所以要想從根本上擺脫貧困，首先要建立完善的貧困識別體系，實現貧困人口的精準識別；其次要從教育和社會環境入手，培養少數民族地區群眾的自我發展能力，增強其擺脫貧困的能力。

（二）政策建議

1.探索多維貧困識別體系的建立

在2020 年之后， 我國衡量是否貧困的標準不應再以收入等物質指標為主要標準，而是以影響民眾體面生活的多個維度作為標準，如健康、教育、生活設施、主觀感受等。 對少數民族地區來說也是如此。 依據上述研究可知，收入確實不再成為阻礙民族地區脫貧的主要因素，因此學界采用的等權重法不符合現實情況，應將收入層面的剝奪標準適當提高或者賦予其較低的權重。 而由于健康維度的標準受到主觀差異的影響較大，不同的研究者會選用不同的指標來衡量，因此健康維度的權重要視所選取的衡量指標而確定。例如，如果以本文中選取的“醫療保險”“看病點條件滿意度”為指標衡量，那么根據研究結果，它們的貧困發生率較低，在實際的貧困識別體系建立時就應適當降低健康維度及相關指標的權重，適當提高教育維度的權重，其他維度權重確定也應將其所選指標的含義作為參考。

此外，多維貧困識別體系應該因地制宜。 我國幅員遼闊，從地理環境、資源稟賦、經濟能力各個方面都存在巨大差異。 但就本文的研究對象而言，少數民族地區的發展環境類似，都存在一些地理環境帶來的限制，同質性相對較高，可以為其建立統一的多維貧困識別體系，以利于進一步精準扶貧，不斷擴大反貧困成果。

2.進一步發揮教育對貧困的阻斷作用

少數民族地區多山的地理環境本就容易與主流的社會環境相脫離， 又因其獨特的語言文字、民俗文化等與現代社會發展存在較大差距，不易實現接軌。上述研究也顯示，云南和貴州地區的貧困深度整體較高，當地群眾自我發展能力不足。教育作為提升人口綜合素質，阻斷代際貧困傳遞的重要手段對少數民族地區來說顯得尤為重要［20］，教育水平的高低關系到民族地區與主流社會的融合程度。因此在后減貧時代，要充分發揮教育在阻斷貧困代際傳遞方面的重要作用， 進一步加大對少數地區基礎教育的投入并盡可能提高投入的精準性。 首先，應在民族地區全面開展漢語和民族語言的雙語教學，提高少數民族民眾的漢語水平，為其在適應社會生活時減輕負擔，尤其是布依族和苗族。其次，要加大民族地區的人才補貼力度，吸引當地高校具備雙語能力的青年人留在當地，成為教學隊伍源源不斷的后備力量。最后，健全教師隊伍建設的長效機制。張慶紅［11］的研究顯示，國家對民族地區的投入主要集中在教學設施和校舍環境的改善，而對教師的關注較少。 因此提高民族地區雙語教師的待遇應成為教育扶貧的第一要事。 一方面，除薪資之外可以為其提供職稱評定、住房保障等方面的傾斜政策，為教師提供良好的住宿環境與教學環境等；另一方面，完善民族地區的教師培訓機制，定期開展地區間培訓交流，為教師提供有前景的職業發展路徑。

3.進一步完善基礎設施建設，為提升民族地區可持續發展能力提供保障

基礎設施是一個地區經濟發展的基本物質條件，是群眾生活品質的實體保障。 基礎設施建設的完善程度制約著區域間的協調發展。 而民族地區由于地理環境的限制和生態環境的脆弱，基礎設施建設相對不完善，部分地區仍然在用電、用水、生活燃料等方面存在不足。 此外，基礎設施的不完善也造成民族地區與主流社會交流、貿易的機會相對有限，一定程度上限制了民族地區特色產業的發展以及產業的升級轉型等。

所以在“后減貧時代”更應注意民族地區的基礎設施建設。 首先，民族地區政府要加大對水、電的投入，加快推進電網改造和城鄉供水工程，搶抓國家加大“新基建”投資的政策機遇，以縣域為單元統籌完善農村基礎設施建設，徹底暢通城鄉道路、供電、通信、供水等基礎設施網絡的“腸梗阻”［21］，為貧困人口的基本生活提供保障。 此外較為突出的住房問題也需加以重視。 少數民族地區多數民眾還處于租房或人均住房面積低于15 平方米的現狀。 其次，從國情來看，我國最大的相對貧困群體主要在農村［22］。 本文研究也顯示，民族地區的多維貧困主要集中在農村。 因此，減貧戰略要與鄉村振興戰略相銜接，側重加強交通網絡及通信網絡的建設，通過基礎設施的通達度強化民族地區與主要經濟中心之間的交流，使民族地區可以借助基礎設施的輻射帶動作用發展特色產業，從而實現可持續發展。

注釋：

① 關于本文中“指標”與“維度”的含義：在運用層次分析法時，“維度”與“指標”含義不同，“指標”隸屬于“維度”，屬于“維度”下面的細分一級。 在AF 多維貧困測算法中，“維度”與“指標”同義。