一、引　言

中国的扶贫工作取得了巨大成就，而世界其他地方的减贫情况却进展缓慢。《联合国千年宣言》和《联合国2030年可持续发展议程》都将减贫作为主要目标，但是根据世界银行发布的2020年《贫困与共享繁荣报告》，截至2020年底，每天生活费不足2.15美元的人口规模已达7.19亿，而到2030年，预计仍然将有近6亿人每天生活费不足2.15美元。

精准扶贫是全面建成小康社会的关键。2014年1月，中共中央办公厅、国务院办公厅印发了《关于创新机制扎实推进农村扶贫开发工作的意见》，提出要建立精准扶贫工作机制，对每个贫困村、贫困户建档立卡，建设全国扶贫信息网络系统。现有的相关文献肯定了精准扶贫政策的成效，研究发现精准扶贫有利于提高农民的收入、缩小城乡差距和降低贫困地区的贫困发生率（张全红和周强，2019；李芳华等，2020；张博胜和曹筱杨，2021；黄薇和曹杨，2022；罗良清等，2022；宋弘等，2022；武威等，2022；Zhou等，2023）。

脱贫是个全世界的难题，贫困产生的原因以及如何消除贫困受到国内外学者的广泛关注（Besley和Coate，1992；李实和Knight，2002；樊丽明和解垩，2014；马光荣等，2016；Bandiera等，2017；Balboni等，2022）。学者们针对如何解决贫困提出不同的政策建议，例如Sachs（2006）认为大规模转移支付是人们摆脱“贫困陷阱”和减少全球贫困的有效手段。也有学者认为不存在“贫困陷阱”，通过建立完整的自由市场和正确的刺激，贫困人口可以自己找到解决贫困的方法（Easterly，2002；Moyo，2009）。中国强调实现共同富裕的目标，因此中国政府积极采取扶贫政策来帮助贫困人口脱贫。

贫困户致贫的原因存在多样性，贫困地区的落后原因也不一样。当政府在大力推行扶贫项目的时候，部分扶贫政策或许不适合贫困户和贫困地区，相关主体也可能存在道德风险和逆向选择。贫困户由于各种能力缺失可能养成懒惰的习惯。自2014年以来，印度开始重视扶贫工作的开展，并采用“最后一个人的崛起”的模式，但印度的扶贫开发进展相对较慢，并存在明显的区域不平衡问题（Seth和Alkire，2021）。柬埔寨推行了经济土地特许权政策，但是由于地方和国家农村发展目标的冲突，结果却造成“小农边缘化”问题（Scheidel等，2013）。在扶贫的过程中，越南少数民族社会指标的发展显著低于全国平均水平（Fritzen，2002）。中国却在2020年基本实现了全面脱贫，且对不同贫困等级的贫困县，扶贫政策的效果大致相同（杨人懿等，2023）。那么，什么原因导致中国完成了全面脱贫的历史重任而其他发展中国家的扶贫工作却进展不大？中国脱贫成功的经验和机制值得我们思考。

就业不仅是扶贫的主要方法，也是政府和社会最关心的民生问题之一。已有文献表明，有效就业是脱贫的内生动力（沈扬扬，2012；平卫英等，2021）。在开发式扶贫阶段，改善的农村公路、电气化、通信和教育能够增加农村的非农业就业机会（林伯强，2005）。随着精准扶贫逐渐推进，政策效果逐渐实现，相关的扶贫政策例如电子商务（张琛等，2023）、政府采购（武威等，2022）、防止返贫的帮扶政策（张鹏龙等，2024）、易地扶贫搬迁（张会萍和罗媛月，2021；尹俊等，2023）等均被证实有促进就业的作用。已有的文献虽然识别了各种就业对于脱贫的效应，但是对于背后的激励和政府嵌入的机制分析不足。也有文献表明，精准扶贫政策减少了外出务工的比例（张全红和周强，2019），并且黄薇和曹杨（2022）认为贫困户在精准扶贫实施后会产生福利依赖。但是上述文献将外出务工作为体现劳动意愿的指标，这一指标并没有考虑能力较弱的贫困户难以外出务工的情况，这样可能高估贫困户对福利的依赖程度。因此，本文考虑精准扶贫中地方政府行为的同时还加入贫困户的异质性分析，进一步探究精准扶贫对贫困户劳动积极性的影响。

本文可能的创新点有：一是比较系统地总结了中国特色脱贫经验，肯定了完善激励机制在增加就业、加速脱贫中的重要作用，并通过理论和实证进行论证。本文使用委托代理模型分析提出，完善激励能够有效提高地方政府的努力程度，并使用2000—2021年2916个区县层面的面板数据，以精准扶贫促进就业为切入点，通过异质性分析证明了上述理论分析的结论。异质性分析表明，地方政府的扶贫困难程度和行政区划的差异间接体现了激励强弱，完善激励显著地提高了精准扶贫的效果。二是本文将地方政府的努力程度加入地方政府和贫困户的博弈论模型中，研究发现地方政府越努力，贫困户的劳动积极性越高。文章使用2013—2019年的中国家庭金融调查数据研究发现，精准扶贫显著增加了贫困户个体每周平均工作天数和每天平均工作小时数，并且对于能力相对欠缺的脱贫困难户和有政府帮扶的贫困户劳动积极性提高更明显。

本文余下部分的安排：第二部分是政策背景和理论分析；第三部分是实证研究设计和描述性统计；第四部分是回归结果与稳健性检验；第五部分是机制和进一步研究；第六部分是结论和政策启示。

二、政策背景和理论分析

（一）扶贫政策的变化

2001年国务院印发了《中国农村扶贫开发纲要（2001—2010年）》，文件中指出要“坚持开发式扶贫方针”。通过发展当地的生产力，提高贫困农户的自我发展能力，从而使贫困农户实现脱贫致富。这一期间主要的扶贫手段是大规模的财政转移支付，提高地方政府的财政能力，促进贫困地区的经济发展，创造更多的就业岗位，进而实现大规模的脱贫（李丹和李梦瑶，2020）。在开发式扶贫政策下，资金投入的主要领域包括农业、农产品加工业和基础设施，但是开发式扶贫政策容易忽视个体之间的差异，并且贫困户获取扶贫的信息较困难，所以开发式扶贫难以帮助全体贫困户。

2011年国务院印发了《中国农村扶贫开发纲要（2011—2020年）》，在确定扶贫对象时提到要“建立健全扶贫对象识别机制，做好建档立卡工作，实行动态管理，确保扶贫对象得到有效扶持”，说明随着扶贫进程的推进，扶贫对象要更加精确。同时在扶贫政策上，与大规模的财政转移不同，中央提出了“三位一体”的扶贫政策，包括社会扶贫、专项扶贫和行业扶贫。但是这期间也出现了部分扶贫政策难以落实的现象。因此，为了精准识别贫困户的身份，扶贫的机制需要创新与改变。

2014年1月，中共中央办公厅、国务院办公厅印发了《关于创新机制扎实推进农村扶贫开发工作的意见》，文件中提出要建立精准扶贫工作机制，健全干部驻村帮扶机制。为实现对贫困户的精准识别，国务院扶贫办印发《扶贫开发建档立卡工作方案》。地方政府努力执行多样化的扶贫政策以帮助贫困户实现就业脱贫。2015年中共中央、国务院发布的《关于打赢脱贫攻坚战的决定》指出，要“创新扶贫开发模式，由偏重‘输血’向注重‘造血’转变”。

（二）扶贫中的激励机制

在中国脱贫成功的经验中，最主要的一点就在于中国的制度优势和完善的激励机制带来的超强的组织动员能力与资源配置能力。一方面，为提高贫困地区领导人脱贫的积极性，中央政府设立了“脱贫攻坚资格赛”的新一轮竞争（汪三贵和钟宇，2021）。2014年12月，中共中央组织部和国务院扶贫办印发《关于改进贫困县党政领导班子和领导干部经济社会发展实绩考核工作的意见》。此次的改革重点是降低了地区生产总值、工业增加值、固定资产投资等考核指标的比重，增加了贫困人口生活水平、减少贫困人口数量和改善贫困地区生产生活条件这些扶贫开发成效指标的比重。2016年4月，中共中央组织部和国务院扶贫办印发《关于脱贫攻坚期内保持贫困县党政正职稳定的通知》，明确贫困县党政正职在完成脱贫任务前原则上不得调离。这也就意味着脱贫“摘帽”后，政策仍要保持稳定一段时间。2016年10月，中共中央办公厅和国务院办公厅印发《脱贫攻坚责任制实施办法》，明确了“中央统筹、省负总责、市县抓落实”的工作机制，并要求中部和西部 22个省份党委和政府向中央签订责任书。该文件也明确了奖惩力度，对通过考核表现优异的部门和个人给予表扬，并作为干部选拔的重要依据，对没有通过考核的需要追究相关部门和人员责任。激励与考核的有机结合共同促进了地方政府认真执行扶贫政策，完成中央政府的既定目标。

另一方面，中央政府赋予地方政府扶贫任务时，将扶贫的“事权”和“财权”相匹配。大多数省下放扶贫项目审批权限，除按规定应由国家和省级审批的项目外，原则上扶贫项目的审批权限均下放到县，而省市扶贫部门主要负责项目的监管和考核。根据财政分权理论分析，县级政府由于能够较精确地掌握地方发展情况以及贫困户的信息，在提供小范围的区域公共产品时有信息优势，可以降低提供公共品的成本，从而提高公共品使用的效率。将决策权下放给贫困县，有效地激发贫困县政府的积极性，这不仅可以提高地方政府的执行动力，而且可以提高政策的精准度。

当扶贫变成地方政府主要责任的时候，如果没有中央政府的激励和考核，地方政府可能会采用“输血式脱贫”的方法，但这样的方法没有可持续性，反而使贫困户容易对政府补贴产生福利依赖。在精准扶贫政策下，驻村工作队、第一书记以及定点扶贫等机制直接加入到原有的贫困地区正式制度和非正式制度中，增加了贫困户的人力资本和社会资本。通过设置驻村工作队、第一书记以及引入第三方评级机构进行干预等政策创新，各方的脱贫积极性都有所增加。然而国外的减贫行动往往成效不佳，这可能是因为其只能动员一定的政府资源来从事减贫工作，而无法调动贫困户的积极性。

（三）模型与假说

本文通过构建委托代理模型以及混合博弈模型，试图解释在中央政府的激励制度下，贫困地区的地方政府会认真执行精准扶贫政策，并且贫困户的最优策略是在政府认真执行精准扶贫政策下选择就业。

1. 委托代理模型。为了简化分析，模型仅考虑中央政府和地方政府，将省以下政府统称为地方政府，在此基础上参考李青原（2019）构建委托代理模型，并提出如下假设：

（1）国家政策需要地方政府激励的驱使和支撑才能发挥真正的作用（周黎安，2022）。地方政府多大程度执行中央政府制定的政策，决定了这个政策最终的效果。所以本文假设地方政府的努力产出函数为$ f\left(x\right)=km+\varepsilon $。其中，$ m $表示地方政府在执行政策上的努力程度，$ 0 < m < 1 $，$ k $代表地方政府努力的产出；$ \varepsilon $是符合正态分布的随机项。

（2）为了便于分析，本文对激励的类别不进行细分讨论，并假定地方政府获得的激励和产出有关。激励函数为$ I=\beta km $。其中，$ \beta $表示的是中央政府根据地方政府的产出所规定的激励系数，代表中央政府对地方政府的激励强度。对没有通过考核的地方政府给予相应的惩罚，惩罚函数为$ L=A-\beta km $，$ A $是惩罚的最高上限。

（3） 中央政府将扶贫任务委托给地方政府，并对地方政府实施激励和监督政策。在扶贫的进程中，地方政府的扶贫资金主要依靠上级政府的转移支付。假设中央政府转移给地方政府的资金为$ G $，同时存在监督成本$ {C}_{s} $，地方政府通过考核的概率为$ P $，不能通过考核的概率为$ 1-P $。如果地方政府没有通过考核，中央政府会面临$ {C}_{n} $的成果损失，并收取地方政府支付的惩罚$ L $。在此基础上得出中央政府效用函数如式（1）所示。

（4）假设中央政府和地方政府存在委托代理关系。中央政府是风险中性的，而地方政府是风险厌恶的。同时，地方政府在执行任务的过程中，由于自然灾害、宏观经济周期等地方不可控因素，会面临$ \dfrac{1}{2}r{\beta }^{2}{\sigma }^{2} $的风险成本。其中，$ r $为绝对风险规避系数。地方在执行的过程中需要承担成本$ C=\dfrac{a}{2}{m}^{2} $，$ a $是成本系数。并且政府最低期望为X，只有当执行政策的预期收益高于不执行政策期望时，地方政府才会执行中央政府的政策，地方政府效用函数如式（2）所示。

对地方政府的效用函数求偏导，求解效用最大化的一阶条件，即激励相容的条件：$ m=\beta k/a $。此时应满足的条件为$ {U}_{g}=P\left(G-C+I\right)+\left(1-P\right)\left(G-C-L\right)$$-\dfrac{1}{2}r{\beta }^{2}{\sigma }^{2}=\stackrel{-}{X} $。将激励相容的条件带入到中央政府效用公式并求效用最大的一阶条件，得到结果为$ \beta =1/(1+ra{\sigma }^{2}/{k}^{2}) $，$ \beta $恒大于零。因此，努力的产出系数$ k $越大，中央政府就越应该激励地方政府，提高地方政府的积极性。也就是说，中央政府将部分“财权”下放给地方，增加了执行政策的产出，中央政府也加大了激励力度。风险系数越大，说明委托代理的风险越高，中央政府就应该减少激励，但这也会降低地方政府的努力程度。

2. 不完全信息博弈模型。将地方政府执行政策的努力程度$ m $作为地方政府与贫困户之间博弈的过程中执行精准扶贫的概率$ m $。并且政府有$ (1-m) $的概率选择继续执行大规模的开发式扶贫。尽管政府通过建档立卡精准地掌握了贫困户的收入信息，但是贫困户工作意愿难以衡量，并且在评选贫困户的时候存在信息不对称的现象。为了便于博弈论的分析并与实际情况相结合，本文设置不完全信息博弈模型，参考王磊（2009）提出的博弈模型，设定如下假设：

（1）假设博弈双方都是追求效应最大化。由于贫困户个体之间存在禀赋差异，因此本文将贫困户区分为容易脱贫户（$ E $）和困难脱贫户（$ H $）。即使政府掌握了贫困户的收入等信息，但是也不能确定贫困户的脱贫能力。根据已经掌握的信息政府可以预测容易脱贫的贫困户所占比例为$ P $，难脱贫的贫困户所占比例为$ 1-P $。

（2）政府两种政策选择为精准扶贫和开发式扶贫。政府有$ m $的概率执行精准扶贫政策，而有$ (1-m) $的概率选择继续执行大规模的开发式扶贫。针对不同的扶贫方式政府所需要付出的成本不同。精准扶贫下政府付出的成本为$ {C}_{1} $，而开发式扶贫下政府付出的成本为$ {C}_{2} $。并且精准扶贫下政府所需要付出的成本更高，即$ {C}_{1} > {C}_{2} $。

（3）本文认为贫困户找到工作后就摆脱了贫困户的身份，从而不再领取政府补贴。假设政府提供的贫困补贴为$ S $。在精准扶贫政策下，难脱贫的贫困户的预期收入为$ {W}_{1} $，容易脱贫的个体预期收入为$ {W}_{3} $。在开发式扶贫下，难脱贫的贫困户预期收入$ {W}_{2} $，并且找工作的成本为$ C $。容易脱贫的贫困户的预期收入为$ {W}_{4} $，由于这部分人能力较强，找工作的成本可以忽略。在精准扶贫政策下，政府对贫困户家庭的信息掌握得更加详细，因此精准扶贫政策显著提高农村地区的人均收入（张博胜和曹筱杨，2021），同时居民的预期收入水平会随着实际收入增加而增加（廖朴和贺晔平，2019），故假设$ {W}_{1} > {W}_{2} $，$ {W}_{3} > {W}_{4} $。 ²

（4）容易脱贫的贫困户存在“隐性就业”的情况，即本身已经有了工作收入$ {W}_{0} $，但是为了保留贫困户的身份继续领取低保补贴。王雨磊和苏杨（2020）认为，精准行政扶贫模式有效解决了基层治理的政府失灵、市场失灵和社会失灵。因此，在精准扶贫政策下，容易脱贫的贫困户存在$ {q}_{1} $的概率不是贫困户，而在开发式扶贫下，有$ {q}_{2} $的概率不是贫困户，并且$ {q}_{1} > {q}_{2} $。

基于以上假设并根据海塞尼转换将不完全信息博弈转化为关联的策略式博弈，结果如表1所示。难脱贫的贫困户由于在开发式扶贫下存在搜寻工作成本，并且工作就意味着贫困户身份将不能再享受扶贫补贴。因此，其期望净收入会小于补贴收入$ S $。在开发式扶贫下，难脱贫的贫困户的占优策略是不就业。当政府实施精准扶贫的时候，贫困户搜索工作的成本为零，并且贫困户的期望收入会更高，此时难脱贫的贫困户的占优策略是就业。因此，难脱贫的贫困户的决策取决于政府执行的扶贫政策。针对容易脱贫的贫困户，由于存在“隐性就业”现象，在实施精准扶贫的时候，这部分个体工作和不工作没有明显的差别。假设他们工作的概率为$ \alpha $，不工作的概率为$ 1-\alpha $。在开发式扶贫政策下，其就业的期望收益低于不就业的情况。因为被识别的概率$ {q}_{2} $更小，所以这部分人的最优策略是不就业。对于容易脱贫的个体，就业的期望收入为$ m{W}_{3}+(1-m){W}_{4} $，不工作的期望收入为$ mS\left(1-{q}_{1}\right)+{W}_{0}+\left(1-m\right)S(1-{q}_{2}) $。在混合均衡状态下，容易脱贫的贫困户的就业和不就业的期望收入相同，求得$ m={W}_{0}-{W}_{4}+S(1-q_{2})/ {W}_{3}-{W}_{4}+S({q}_{1}-{q}_{2}) $。此时在已有的假设条件下，$ m $恒大于零。政府选择开发式扶贫的时候，难脱贫的贫困户会选择不就业，而容易脱贫的贫困户由于识别力度不精确也会选择不就业。在这种情况下，政府的期望收益是$ -{C}_{2} $。但在精准扶贫下，难脱贫的贫困户的最优选择是就业，而容易脱贫户对于就业和不就业的选择是无差异的，此时政府的期望收益为$ S-{C}_{1}-\left(1-\alpha \right)SP $。在均衡条件下，政府对两种政策的选择是无差异的，就业的机会为$ {a}^{*}=[C_{1}-C_{2}+S(P-1\left)\right]/SP $，并且要满足条件$ {C}_{1}-{C}_{2} > S(1-P) $。综上所述，本文得到混合均衡的最优解为$ ({\alpha }^{*},{m}^{*}) $。对混合均衡的结果进行说明：第一，由混合均衡的必要条件$ {C}_{1}-{C}_{2} > S(1-P) $可知，执行精准扶贫政策后的成本变化要大于难脱贫贫困户的补贴额，这说明在地方政府推行精准扶贫的政策时应该注重政策的宣传以及入户扶贫的强度，让贫困户切实感受到地方政府的努力与政策强度；第二，当政府越努力$ m $越大，即$ m > {W}_{0}-{W}_{4}+S(1-{q}_{2})/ {W}_{3}-{W}_{4}+S({q}_{1}-{q}_{2}) $时，贫困户的预期收入会显著大于不工作时候的预期收入，这时贫困户的最优选择是就业；第三，在精准扶贫政策下，识别力度越精确，均衡的临界值越小，政府的努力越容易使贫困户的就业期望高于不工作的期望收入，贫困户就会越努力工作。

根据上述模型分析，各行为主体的行为如图1所示。中央政府的一系列激励政策降低了委托代理模型中的风险系数，增大了奖惩力度$ \beta $。将“事权”与“财权”相匹配的政策有效地增加了地方政府努力的产出$ k $，那么地方政府的努力水平$ m $就会越高。同时,精准扶贫政策增强了识别贫困户的精确度$ q $，降低了识别过程中的逆向选择，提高了贫困户工作的可能性$ \alpha $。

因此，根据以上模型分析可提出如下假说：

假说1a：在精准扶贫期间，中央政府完善了对地方政府的激励机制，增强了对地方政府的激励，这会增加地方政府的努力程度，从而改善贫困地区的就业情况。

假说1b：地方政府认真执行精准扶贫政策，这能够改变贫困户的约束条件和社会资本等禀赋，进而提高贫困户的劳动积极性。

三、实证研究设计

（一）数据来源

本文的数据来源于《中国区域经济统计年鉴》《中国县域统计年鉴》以及国泰安数据库。基于历年的统计年鉴，整理得到2000—2021年中国2916个区县面板数据。832个贫困县名单来源于国家乡村振兴局（原国务院扶贫办）网站。

（二）变量选取和描述性统计

1. 被解释变量。本文选取乡村从业人员数（employments）作为衡量农村就业状况的统计指标。乡村从业人员数是指16周岁以上实际参加生产经营活动并取得实物或货币收入的人员，包括劳动年龄内经常参加劳动的人员，也包括超过劳动年龄但经常参加劳动的人员，但不包括户口在家的在外学生、现役军人和丧失劳动能力的人，也不包括待业人员和家务劳动者。因此，从事农业劳动的个体也属于从业人员。尽管如此统计难以反映农村地区的“隐性失业”问题，但是对于贫困家庭来说，其从事农业劳动能够跨越“贫困陷阱”（Balboni等，2022）。并且乡村从业人员数可以反映贫困县地区完成考核指标的情况。 ³因此，乡村从业人员数作为衡量地方政府努力成果的指标是可行的。

2. 核心解释变量。采用组别虚拟变量与时间虚拟变量的交互项（did）作为本文的核心解释变量，时间虚拟变量（post）选取2014年之后实施的精准扶贫政策作为冲击时点，以是否为2014年国务院调整的832个贫困县地区作为识别实验组和对照组的标志（treat）。由于中央政府和省政府有关扶贫的转移支付是针对贫困县实施的，因此将贫困县作为区分实验组和对照组的方法是可行的。

3. 控制变量。借鉴张琛等（2023）、齐秀琳和江求川（2023）等的方法，本文控制了地区层面因素对乡村从业人数的影响。结合数据的可获得性，本文从乡村人口规模、地区经济发展水平、地区产业结构、基础设施水平等方面选取控制变量。具体包括：乡村人口规模（$ \mathrm{l}\mathrm{n}pop $）、地区生产总值（$ \mathrm{l}\mathrm{n}GDP $）、地方财政一般预算收入（$ \mathrm{l}\mathrm{n}fin $）、年末金融机构各项贷款余额（$ \mathrm{l}\mathrm{n}ba $）、地区第一产业的总产值占地区总产值的比率（$ rate1 $）、地区第二产业的总产值占地区总产值的比率（$ rate2 $）、普通中学在校学生数（$ \mathrm{l}\mathrm{n}e $）和医院卫生院床位数（$ \mathrm{l}\mathrm{n}h $）。变量说明详见表2，非虚拟变量均进行了1%的缩尾处理。

（三）模型设定

为检验精准扶贫政策对农村就业情况的影响，借鉴现有研究文献的方法（武威等，2022），采用双重差分法研究并选取2014年国务院调整的832个贫困县地区作为实验组，没有设立为贫困县的城市设置为对照组。将2014年作为政策冲击时间点，构建如公式（3）所示的DID模型：

其中，$ {employments}_{it} $表示$ i $县在$ t $年的乡村从业人员数；$ {treat}_{i} $表示实验组的指示变量；$ {post}_{t} $代表政策前后的指示变量；$ {X}_{it} $代表一系列的控制变量；$ {\alpha }_{i} $代表个体的固定效应，$ {\mu }_{t} $表示时间固定效应。由于扶贫是“中央统筹、省负总责、市县抓落实”，不同的省份会根据自身的情况制定不同的考核、激励和扶贫政策，因此要加入时间和省份的联合固定效应控制省级层面无法观测的因素。

中央政府在2016年先后发布了《关于脱贫攻坚期内保持贫困县党政正职稳定的通知》和《脱贫攻坚责任制实施办法》，明确了脱贫攻坚的责任，强化了脱贫攻坚的激励。根据上文理论分析，2016年后的地方扶贫成果会有显著提升。因此，参考赵仁杰和张子尧（2023）的事件研究法（Event Study Approach），对试点政策的动态效应进行实证检验，并以此考察实验组和对照组的平行趋势，构建以下模型：

其中，$ {year}_{k} $在第k年的时候取值为1，其他年份的时候取值为0，其他变量含义和式（3）相同。将2013年作为基期，在2000—2021年间进行动态效应的平行趋势检验。

四、回归结果与稳健性检验

（一）基准回归结果

双重差分法的回归结果如表3所示。列（1）没有加入任何控制变量，列（2）在回归中加入全部的控制变量。该结果说明，精准扶贫的实施使得更多的农村人口找到了工作，改善了贫困地区的农村就业状况。

（二）稳健性检验 ⁴

1. 动态效应分析。为了验证是否满足双重差分法的前提假设，本文对实验组和对照组进行了平行趋势检验。将政策实施的前一期作为基期，展示在 95%置信区间下$ {\beta }_{k} $的估计结果。根据图表分析结果，在 2000—2014年两者变化趋势没有显著差别，满足平行趋势假设。此外，在政策实施之后，估计系数$ {\beta }_{k} $从2016年开始显著并逐渐增大，这说明2014年精准扶贫政策在促进就业方面影响滞后了一年，并且影响在2015年之后显著增大。在2016年，政府完善了激励机制，扶贫的效果开始变得显著并且系数逐年增大。

2. 替换被解释变量。在扶贫过程中，国家鼓励创业以创造更多的就业岗位，并且乡村居民人均可支配收入也是贫困县脱贫绩效的直接考核指标。因此，本文根据“天眼查”整理的2000—2021年各县新注册企业数量的对数以及乡村居民人均可支配收入的对数，并将其作为替换乡村从业人数后的被解释变量。回归结果均是显著的，这表明基准回归的结果具有稳健性。

3. 安慰剂检验。双重差分法能够使用的前提就是实验组和对照组之间在政策实施之前不存在系统性偏差，本文通过随机抽取个体作为实验组和对照组，重复500次后观察“伪政策虚拟变量”的系数的显著性。最终的抽样结果通过了稳健性检验。

五、机制和进一步研究

（一）中央政府的激励作用

本文进一步将贫困地区按照脱贫困难程度和行政区划异质性进行分组，考察不同强度下的激励对精准扶贫成果的影响。

1. 脱贫难度异质性。当中央政府制定了考核和激励标准以后，不同脱贫难度的贫困地区面临的激励或压力程度是有差异的。脱贫难度高的地区要达到中央政府制定的考核指标需要更加认真地执行中央制定的扶贫政策。这些地区面临更高的经济激励以及政治激励，根据前文的理论模型，地方政府面临的激励越高，地方政府将付出更多的努力，最终的结果为更多的贫困人口就业，精准扶贫的政策效果更有效。本文选择“胡焕庸线”作为脱贫难度差异的地理界线。“胡焕庸线”不仅能够反映中国人口密度分布，同样也能反映出经济发展水平和自然环境的差异。中国贫困人口大多集中在“胡焕庸线”以西的地区（Liu等，2017）。“胡焕庸线”以西的贫困县交通便利度较低（夏海斌等，2006），城市起伏度较高（封志明等，2011）且城市基础设施建设和维护成本较高（王峤等，2021）。因此“胡焕庸线”以西的贫困县脱贫难度大于“胡焕庸线”以东的贫困县脱贫难度。

分组回归结果如表4的列（1）和列（2）所示。结果表明，“胡焕庸线”以西的地区实施精准扶贫促进地区的就业效果更显著。以上回归结果说明，激励强度越大，执行精准扶贫的政策效果越好。

2. 行政区划异质性。在理论假说部分，本文认为激励的增强使得贫困地区认真落实精准扶贫政策。为验证理论分析的合理性，本文根据2014年国务院调整公布的贫困县名单，将贫困县按照县级市、县、区进行划分。虽然县级市、县和区三者同属于县级行政区，但是职权范围和“财权”存在差异。一是县级市政府拥有审批权，因此县级市的领导人有更高的政治激励和经济激励，县级市的乡村就业水平在精准扶贫政策下改善的程度会更大。二是区政府的“财权”较小，区政府的财政完全上缴给市政府，并由市政府统一计算和使用。但是县和县级市的财政独立计算，享有较大的自主权。由于区政府的财政由市政府统一调配，在执行精准扶贫政策的过程中，相比于县和县级市政府，区政府的积极性可能会相对较弱，精准扶贫的政策效果较差。

基于以上分析本文将实验组分为县、区、县级市三组进行分组回归。回归结果如表4的列（3）至列（5）所示。从结果可以看出，县级市的回归系数最大，而区的回归系数最小且不显著。这说明面临更高的激励和拥有更多的“财权”时，精准扶贫政策的效果更好。

（二）贫困户的劳动积极性

如果只将贫困问题视为宏观问题，研究往往会忽视贫困人口的行为方式和习惯，政策的效果较弱（Banerjee和Duflo，2011）。本文使用2013—2019年中国家庭金融调查数据（CHFS）构建的面板数据，从微观个体层面观察贫困户的行为。处理过程如下：（1）合并2013—2019年的CHFS数据，保留四年的追踪调查样本；（2）只保留2015年和2017年的回答了“你家是否是贫困户”问题的样本，删除缺失值；（3）进一步保留有失业经历的个体， ⁷保证实验组和对照组之间具有可比性；（4）将16岁至65岁的劳动个体作为基础样本，并且剔除控制变量的异常值。使用2013—2019年样本可以观察精准扶贫期间贫困户的行为变化，研究政策实施期间贫困户的劳动积极性。

参考叶菁菁等（2017）的方法，选取“家庭成员去年平均每月工作天数（$ days $）”和“家庭成员去年平均每天工作时间（$ hours $）”作为核心被解释变量。由于劳动积极性具有主观性，因此为了使上述指标能够合理反映贫困户的工作积极性，本文研究的问题为：在精准扶贫政策下，贫困户就业后是否表现出比非贫困户更高的劳动积极性？参考尹志超和郭沛瑶（2021）的方法，选取2015年作为政策的冲击时间。由于CHFS数据都是调查上一年的家庭情况，实际上数据的时间跨度为2012—2018年。将“是否是贫困户（$ treat $）” ⁸作为区分实验组和对照组的指标，在2015年之前，设$ post=0 $；在2015年之后，则$ post=1 $。使用双重差分模型对样本进行回归。回归模型如下所示：

其中，${X_{it}}$代表个体层面的控制变量，因为在合并数据时为确保追踪调查的准确性，本文只保留了与户主有关的调查信息；控制变量主要为婚姻状况（$ marriage $）、户口类型（$ hukou $）、文化程度（$ education $）、年龄（$ age $）、身体状况（$ healthy $）、家庭总收入（$ income $）；$ {\alpha }_{i} $表示个体固定效应，$ {\mu }_{t} $为时间固定效应，$ {\varepsilon }_{it} $代表回归的误差项。

回归结果如表5所示。列（1）和列（3）是将$ days $作为被解释变量的回归结果，结果表明精准扶贫政策显著提高了贫困户的每月工作时间，促进了贫困户的劳动积极性。列（2）和列（4）是将$ hours $作为被解释变量的回归结果，结果表明精准扶贫政策提高了贫困户的每天工作时间，进一步表明贫困户的劳动积极性有所提高。

本文按照2019年的问卷问题“过去是否有在外地半年以上的打工或学习的经历”作为分组条件，用来研究精准扶贫政策对难脱贫的贫困户劳动积极性的影响。难脱贫的贫困户容易对扶贫转移支付产生福利依赖，提高这部分人的劳动积极性对完成脱贫攻坚具有重要意义。回归结果如表6所示，其中列（1）和列（3）是容易脱贫的贫困户的回归结果，而列（2）和列（4）则是难脱贫的贫困户的回归结果。可以发现，难脱贫的贫困户的回归系数显著，这说明精准扶贫政策显著提高了难脱贫的贫困户的劳动积极性。

为了能够体现政府努力对贫困户劳动积极性的影响，本文选择使用2019年的问卷问题“自2014年至今，您家享受过下列哪些方面的帮扶？”作为区分地方政府努力程度的指标。由于我们使用CHFS公开数据缺少个体层面的城市信息,因此只能通过问卷数据体现地方政府的努力程度。我们认为，当贫困户受到至少一项帮扶政策时，贫困户面对的政府的努力程度更高。基于此进行异质性分组回归，结果如表6列（5）至列（8）所示，受到过政府帮扶的家庭劳动积极性的回归结果更显著。

（三）进一步讨论 ¹²

1. 绿色发展

本文使用2000—2020年县级年度pm2.5指标作为衡量地区空气质量的指标。考虑到东部生态环境和治理能力的优势以及东部地区不存在贫困县，因此在回归中剔除东部省份的样本，并构建双重差分模型进行回归，模型如下：

其中，$ {pm2.5}_{it} $代表地区$ i $在$ t $年的年度pm2.5均值，核心解释变量和控制变量与基础回归相同，并在回归中加入时间和省份固定效应。

根据回归结果，核心解释变量系数显著为正。其中的原因可能有如下几点：（1）非贫困地区往往更加重视生态文明建设，不仅是因为需要完成上级政府的考核，还因为非贫困地区的居民对高质量生活环境的需求更高。（2）贫困县政府在招商引资的时候，可能更加重视企业带来的经济效益，而忽视了企业所带来的环境污染问题。因此，在完成全面脱贫进入到乡村振兴新阶段的时候，需要提高环境指标在相对落后地区的考核指标中的权重，改善相对落后地区的生态环境。

2. 产业发展

本文使用2000—2021年区县的分行业新注册企业数，考察精准扶贫政策的溢出效应。考虑到东部地区的市场环境优势且不存在国家贫困县，本文剔除了东部地区的区县样本，最终得到了1963个区县的面板数据。构造如下的双重差分模型：

其中，$ {enterprise}_{itj} $表示地区$ i $在$ t $年行业$ j $新注册的企业数量，核心解释变量和控制变量与基准回归相同，并在回归中加入时间和省份固定效应。

按照第一产业、第二产业和第三产业以及各行业在全国生产总值中的贡献额进行区分，本文展示了4个行业的回归结果。根据回归结果，第一产业的新增企业数为正，但是结果不显著。然而采矿业的系数显著为正，这表明精准扶贫政策的实施显著提高了贫困地区制造业和采矿业企业的发展。仇童伟和彭嫦燕（2023）、方迎风和杨子明（2023）研究发现，在精准扶贫政策时期，贫困县的经济增长主要源自第二产业发展。农村信贷是帮助贫困户脱贫以及防止贫困户返贫的重要手段。金融业行业的回归系数为正，但并不显著。宋弘等（2022）研究发现，教育扶贫相关政策促进了公共教育领域的实物投资和人力资源投资。因此，贫困县实施的教育扶贫政策会减少私人在教育业的投资，新注册的教育业企业数量就会下降。综上所述，本文研究发现，精准扶贫政策的产业发展效应表现为其促进了贫困地区的第一产业、第二产业的发展，但是对于第三产业的提升效果较弱。

六、结论与政策建议

中国脱贫成功的关键在于完善了激励机制，这个激励机制不仅包含中央政府对地方政府的激励，还包括激发了贫困户的劳动积极性。精准扶贫不仅是公平的，而且是有效率的。在精准扶贫期间，中央政府完善了对地方政府的激励机制，提高了地方政府的努力程度，从而改善了贫困地区的就业情况。同时，地方政府认真执行精准扶贫政策，改变了贫困户的约束条件和社会资本等禀赋，进而提高贫困户的劳动积极性。此外，本文考察了精准扶贫的产业效应和环境效应，发现精准扶贫政策显著促进了第二产业的发展。

本文尝试从政府间激励机制与微观的个体激励相结合角度去解释脱贫攻坚成功的原因。中国政府通过有效的激励机制使地方政府认真执行中央政府制定的精准扶贫政策。同时，充分发挥“造血式扶贫”在脱贫过程中的作用，鼓励贫困户就业，激发贫困户工作的积极性。总结这种激励机制的变化，可以为进一步的高质量发展提供借鉴。上述脱贫领域成功的关键是对地方政府的激励和企业的积极配合。尤其是驻村工作队、对口合作等新的扶贫机制不仅增加了基层信息的传递效率，而且对于贫困户就业能力的提高也非常重要。在推进全面乡村振兴阶段，首先要多采取激励相容的激励政策，使得地方政府把高质量发展作为行动指南；对贫困户而言，可以采取更多有条件的现金转移支付（Conditional Cash Transfers）政策，尽力降低贫困户对财政转移支付的福利依赖。其次，可以适当提高就业水平在地方政府考核中的权重。再次，需要鼓励地方政府在完成脱贫攻坚的任务后，注重生态文明建设。最后，需要遵循经济发展规律，考虑积极支持重点帮扶县发展第三产业。

　　* 感谢2017年“全国脱贫攻坚奖”获得者李朝阳对基层实践的介绍，感谢匿名审稿人专业的建设性意见。文责自负。

1当然实践中，在贫困县表现好的官员虽短期不能调离，但是会给予地位晋升（享受副厅级或者二级巡视员待遇），调离后晋升概率也很大。

2根据2019年CHFS问卷的问题“您觉得未来三个月经济形势会如何变化？”，比较贫困户和非贫困户对未来经济的预期。由于缺少对未来收入预期的相关问题，我们只能把对经济形势的预期作为收入预期的间接体现。调查结果发现，93.14%的贫困户认为经济形势稳中向好。

3例如，贵州省公布的《贫困县党政领导班子和领导干部经济社会发展实绩考核指标体系》中有关就业的指标包括：建档立卡贫困户参加农村合作社比例、县级特色优势主导产业覆盖建档立卡范围、建档立卡贫困户新成长劳动力参加职业教育培训的比例。

4限于篇幅，省略稳健性检验的结果，留存备索。

5例如2016年安徽省委办公厅省政府办公厅印发《市县党政领导班子和主要负责同志脱贫攻坚工作成效考核办法》的第八条提到“考核结果作为评价市、县(市、区)党政领导班子和主要负责同志抓发展政绩的重要内容，作为干部选拔任用和奖惩的重要依据”。我们在其他省份的文件中也发现类似表述。

6撤县设市主要是上世纪八九十年代，东中西部地区都有很多，主要标准包括人口密度、工业产值等，后来由于把关不严数字造假等粗放式发展到1997年基本叫停，随后撤县设区逐渐成为主流。贫困线标准主要为人均收入，二者标准不同，所以贫困县很多也出现撤县设市、撤县设区。

7根据调查问题“家庭成员有无工作”作为衡量标准，如果2013—2019年期间有回答“没有工作”，则视为有失业经历。

82015年和2017年的问卷设置了“你家是否是贫困户”问题，如果回答“是”则$ treat=1 $，反之则$ treat=0 $。

9根据美国哥伦比亚大学社会经济数据与应用中心提供的全球PM2.5的年均浓度数据整理计算而得。样本中，全国的年度pm2.5的均值为40.8，贫困地区的年度pm2.5的均值为32.4低于全国平均水平。

10例如，国家中医管理局在山西省五寨县建成西北中药健康产业孵化园，中国铁道建设集团在张家口市万全区以村集体的名义投入170万元用以支持三里庄村安全帽厂项目。

11限于篇幅，本文仅展示了部分通过平行趋势检验的行业的回归结果，留存备索。

12限于篇幅，图表分析省略，留存备索。