习近平总书记在2020年决战决胜脱贫攻坚座谈会上强调巩固脱贫成果难度依然较大,并对脱贫质量和可持续性提出明确要求。如何进一步巩固特困地区的脱贫成果、提高减贫的可持续性值得深思。特别是新冠肺炎疫情增添了贫困边缘群体的返贫和致贫风险,大量扶贫资本投入效率和持续效果有待优化,特困地区可持续减贫路径需要进一步明确。理论上,从建档立卡时以收入为主要依据的贫困识别,到贫困县脱贫摘帽的“两不愁三保障”贫困退出,以及着眼于后脱贫时代的可持续减贫,贫困识别—贫困退出—可持续减贫力求精准的逻辑一脉相承,减贫理念逐步优化。实践上,脱贫攻坚中粗放式投入效果和政策机遇期过后减贫成果是否可持续值得反思。因而,理顺减贫逻辑应成为探寻减贫实践路径的有力支撑。太行山区贫困发生率和贫困人口数量均曾位于11个片区前列,属于多种贫困类型区域(汪三贵等,2018),太行山区(山西)大多数地区都属于革命老区,生态脆弱与深度贫困交织,太行山区可持续减贫研究对生态脆弱、立地条件较差、革命老区等特征明显的同类型深度贫困地区巩固和提升脱贫成果具有借鉴意义和参考价值。针对太行山特困地区进行可持续减贫的系统研究,有利于进一步明确特困地区的农村贫困态势与未来减贫策略转向,以巩固脱贫成果,增强减贫结果的可持续性。
国内外农村减贫的研究可概括为三方面:(1)构建农村减贫评价指标体系。学界从不同视角确定中国农村减贫指标,包括经济社会总产出、结构变迁、贫困动态和资金效率视角(刘朝明和张衔,1999),扶贫资金投向和构成视角(刘冬梅,2001),以及制度绩效、经济发展、社会进步和生态环境视角(姜爱华,2007),等等。(2)农村减贫评估方法。学者综合应用双重差分法、倾向匹配得分法、模糊评价法、DEA方法、层次分析法和偏离额度分析法、灰色关联分析法等对农村减贫进行评价(庄天慧和张军,2012;帅传敏等,2016)。由于中国农村减贫存在政策组合的复合效应和互动效应,已有研究大多是单一反贫困政策(如金融、社会救助等)的绩效评价,而缺乏对农村反贫困的复合效应评估(王增文,2017)。(3)农村减贫对策与减贫机制。减贫施策应将保障性减贫与基本公共服务相衔接,避免减贫对象政策待遇中的悬崖效应和福利陷阱(黄征学等,2019)。总体上,学界提出应优先增加农村公路、农业研究以及教育投资,从资金瞄准机制、资金监管、资金投向等方面提高资金使用效率;一些学者认为项目实施背景也对农村减贫结果产生较大影响,若减贫路径仅仅依靠农业增长,虽然有效但不充分,只有城乡间要素充分流动,形成益贫产业链条,才是减贫的内源性动力(Fan等,2008;Ravallion和Chen,2005;Vivalt,2015;于乐荣和李小云,2019)。精准扶贫机制是中国减贫的创新实践,在领导机制、资源筹措机制、贫困户识别机制、精准施策机制、考核评估机制等方面进行了系列扶贫创新,对精准识别、精准施策以及科学评估进行整合,形成了迄今为止最系统和最科学的减贫战略和政策框架(李小云等,2019)。然而,也有学者认为已有减贫机制在社会资本和人力资本培育方面存在缺失和碎片化问题(孙久文和夏添,2019),虽然基本公共服务对减贫具有深远影响,但构建基本公共服务减贫体系不仅要兼容“两不愁三保障”的脱贫标准,还要加强对稳定脱贫和可持续发展的评估(王瑜和汪三贵,2018)。扶贫的精准性与预期有差距,这也是未来精准扶贫工作亟需改进的地方(黄薇,2017;贾俊雪等,2017)。已有研究为本文奠定了一定的研究基础,但仍有拓展的空间:一是当前农村减贫偏重于经济考量,对农村生态、环境保护和可持续减贫重视不够;二是研究方法中缺少对农村反贫困的系统评价和比较;三是对扶贫投入的使用效率考量不足,扶贫资金使用效率有待优化和提升。
本文依据太行山区2个国家级贫困县的入户调研数据,构建切合太行山特困地区实际的农村可持续减贫框架,分别从收入贫困、贫困退出和可持续减贫视角,采用广义分层线性模型(GHLM)和可持续生计理论探索农村可持续减贫。本文可能的贡献在于:第一,遵循“立足特困现实,着眼长远可持续减贫”的基本思路,既结合联合国可持续发展目标(SDGs)和可持续生计理论,又紧密结合当前太行山特困地区实际,对当前中国特困地区农村可持续减贫理论进行探索,为当前及今后减贫实践提供新思路。第二,着眼于联合国可持续发展目标,从可持续生计视角探索特困地区农村可持续减贫路径,为特困地区农村可持续减贫提供决策参考,为分类实施效率高、时效长的减贫政策制定提供依据。
二、特困地区农村可持续减贫框架贫困识别—贫困退出—可持续减贫逻辑一脉相承,减贫理念逐步完善,减贫要求递增。本文聚焦特困地区可持续减贫,遵循“立足特困地区现实,着眼长远可持续减贫”的思路,试图从不同减贫视角的对比分析中寻找可持续减贫的路径。特困地区农村可持续减贫指标体系如表1所示:
维 度 | 含 义 | 具体指标与界定 | |
收入贫困 | 收入贫困 | 收入是否达到脱贫标准 | 2017年人均收入高于3200元,是=1,否=0 |
贫困退出 | 两不愁 | 不愁吃 | 食物安全得分高于21分,是=1,否=0 |
饮水安全 | 饮用水源安全,是=1,否=0 | ||
不愁穿 | 有换季衣服,是=1,否=0 | ||
三保障 | 住房安全有保障 | 自评住房安全,是=1,否=0 | |
基本医疗有保障 | 家人都有医保是=1,否=0 | ||
义务教育有保障 | 无义务教育阶段儿童辍学,是=1,否=0 | ||
可持续减贫 | 经济发展 | 享有经济资源的平等权利
进入市场的机会 个人福利逐步改善 |
借钱难易程度,容易=1,否=0 |
食物来源为购买,是=1,否=0 | |||
有产业发展意愿,是=1,否=0 | |||
产业发展能力,是=1,否=0 | |||
近三年收入改善,是=1,否=0 | |||
社会进步 | 基础设施改善
公共服务完善 更民主和包容 |
均参加新农合医疗保险,是=1,否=0 | |
无义务教育阶段儿童辍学,是=1,否=0 | |||
安装宽带或快递到村,是=1,否=0 | |||
在村委会选举时投过票,是=1,否=0 | |||
贫困户认定经过民主评议,是=1,否=0 | |||
环境保护 | 人与环境协调发展
应对现实/潜在的环境问题 加大环境治理力度 提高环境质量 |
对环境整治满意程度,评分6分及以上=1,否=0 | |
村中垃圾经过集中处理,是=1,否=0 | |||
饮用水安全,是=1,否=0 | |||
露天厕所,是=1,否=0 | |||
近三年未遭遇极端气候/自然灾害,是=1,否=0 |
收入曾作为贫困的主要识别依据(2010年不变价,年人均纯收入低于2300元识别为贫困),因而从收入贫困视角对农村减贫进行分析。国务院扶贫开发领导小组办公室对贫困人口“建档立卡”贫困识别的主要依据就是收入,流程上综合考虑农户基本情况后,通过贫困人口自主申请、民主评议、公示公告等程序确立贫困户,并通过“回头看”和“再回头看”方式对贫困户实行动态管理(朱梦冰和李实,2017)。地方政府根据抽样调查数据确定分配指标,然后逐级分配名额,此类做法产生的不良后果是,越到基层,数据基础越差,真实贫困和数据之间容易出现偏差。本文拟采用“是否收入贫困”表征农户收入贫困状态(山西省扶贫标准指导线为2017年人均收入是否高于3200元,高于则定义为非收入贫困,赋值为1;否则定义为收入贫困,赋值为0)。
(二) “两不愁三保障”的贫困退出收入贫困标准可能忽视除收入外其他导致贫困的因素,基于多维贫困思想的“两不愁三保障”成为贫困县退出考核的依据。暂时脱离贫困并不意味着不再返贫,已脱贫人口因病因灾返贫问题需要重视(高帅,2015),脱贫本质要求贫困人口能稳定实现“两不愁三保障”。“不愁吃”要求根据当地饮食习惯农户能够通过自己生产或购买的方式满足口粮需求,并补充一定的肉蛋奶和豆制品等蛋白质。“不愁吃”实际上兼顾了能量摄入安全和蛋白质摄入安全(高帅和王征兵,2012)。处于贫困边缘的贫困人口基本需求比欲望更强烈,因而贫困人口能量和蛋白质摄入等能够满足基本需求更有现实意义(Allen,2017)。实践中“不愁吃”界定比较模糊,往往是根据被调查对象家中现有食物或者主观描述来判定。本文拟对“不愁吃”指标进行优化,采用世界粮食计划署(World Food Programme,WFP)的食物消费得分①(Food Consumption Score,FCS)来衡量,同时考虑饮用水源安全来判定饮水安全;“不愁穿”拟通过是否有换季衣服来考量。“三保障”中住房安全有保障用自评住房安全来衡量,基本医疗有保障选取家人有医保来衡量;义务教育有保障选取家中无义务教育阶段辍学儿童来衡量。由于“两不愁三保障”是贫困退出的刚性要求,本文将所选取指标均能达到“两不愁三保障”相应要求界定为符合贫困退出(实现“两不愁三保障”脱贫,赋值为1;未实现“两不愁三保障”,赋值为0)。
(三) 综合考虑经济发展、社会进步和环境保护的可持续减贫“两不愁三保障”贫困退出标准积累了丰富的历史和实践经验,为今后应对多方面发展不平衡、不充分问题的可持续减贫奠定了理论和实践基础(王小林和冯贺霞,2020)。可持续减贫指标体系参考联合国可持续发展目标,强调减贫过程中不断加强自身建设,尤其是在人力资本、发展能力、基础设施和基本公共服务等方面实现可持续减贫。由于可持续发展指标体系中各维度指标从不同领域和角度阐释可持续发展状况,重要性难分轻重,因此对指标进行均权处理(李晓西等,2014)。本文从经济发展、社会进步和环境保护三个维度对可持续减贫进行考量。
1.经济发展。实现可持续减贫需保障每个人应享有经济资源的平等权利、金融服务和进入市场的机会,并能在经济增长过程中获得个人福利改善。在衡量经济发展时,拟采用获取金融服务(可利用的贷款机会)是否存在障碍,进入市场的机会(能否买得到和买得起食物),产业发展的意愿和能力(是否加入合作社或“一村一品”),以及伴随经济发展农户是否获得收入改善等来衡量。
2.社会进步。完善的信息和通讯技术,有效、负责和透明的公共服务机构,民主和包容的社会等都是社会进步的体现。因此社会进步维度方面,着重考量基础设施和基本公共服务改善以及由此形成的社会保护情况,具体通过贫困户是否经过民主评议、家中是否安装宽带或者快递到村、农户是否在村委会选举时投票等来衡量社会进步。
3.环境保护。环境保护维度主要考量特困地区农村人口对生存环境和环境质量的整体感知、能否享有持续的水和环境卫生以及遭遇极端气候或者自然灾害的情况等。选取的指标有农户对环境整治的满意程度(按满意程度打分,数值0−10,数值越大,表明满意程度越高)、村里垃圾是否集中处理、饮用水是否安全、厕所类型、近三年家中是否遭遇极端气候或者自然灾害等。
三、数据描述、变量说明与方法选择 (一) 数据描述本文数据为课题组2018年5−6月于太行山特困地区农村实地入户调查数据,采取“一对一”入户访谈式问卷调查方式进行。为确保问卷设计的合理性和可操作性,课题组于2018年4月在山西省阳曲县、壶关县进行了预调研,并对预调研中发现的问题及不当之处进行了修正。数据特点为:一是针对农村可持续减贫进行专题调查,调研内容涉及生计与就业、权利能力机会、冲击与应对及可持续发展等;二是样本具有较好的代表性,在太行山特困地区中分别从大同市和忻州市选取一个县,然后采用多阶段分层整群随机抽样的方法,根据经济状况分别选取经济状况较好和较差的2个乡镇,从每县选取4个乡镇,根据距离乡镇远近每个乡镇分别选取2个贫困村和相邻的2个非贫困村,每镇共选取4个村,村级农户随机抽样,每个村选取16户左右,最终有效样本为542份。
(二) 变量说明及统计特征被解释变量按收入贫困、贫困退出和可持续减贫设计。核心解释变量选取及描述性统计结果见表2。(1)生计资本类别。采用人情礼支出和自评社会地位来衡量社会资本,选取反映资本经营能力的经营净收入来衡量金融资本;利用交通便捷性和市场可及性来衡量物质资本,选取的具体指标分别是住宅外道路是否硬化、距离乡镇距离和距离最近集市距离;自然资本的衡量侧重于自然资源占有量和自然资源的利用能力,分别选取人均耕地面积以及村庄属性是否为贫困村来衡量;人力资本通过受教育程度、是否参加过技能培训的指标来刻画。(2)生计资本的交互作用。不同生计资本类别之间可能存在协同或消减作用,只有协同的生计资本才能增加适应能力(Li 等,2017)。本文选取不同资本类别之间的交互项来考察生计资本之间是否存在协同或消减作用。此外,控制变量包括年龄、性别、农户类型等。
变量 | 定义(单位) | 均值 | 标准差 | |
减贫评价视角 | 收入贫困 | 2017年人均纯收入高于3200元(是=1;否=0) | 0.725 | 0.447 |
贫困退出 | 是否实现“两不愁三保障”(是=1;否=0) | 0.413 | 0.493 | |
可持续减贫 | 可持续减贫水平(很低=3;很高=14) | 8.946 | 1.942 | |
社会资本(SC) | 人情礼支出 | 家庭人均人情礼支出(元/人) | 614 | 959 |
自评社会地位 | 您在本地的社会地位?(很低=1;很高=5) | 2.703 | 0.792 | |
金融资本(FC) | 经营能力 | 经营净收入,经营性收入减生产性支出(元) | 4737 | 8014 |
物质资本(PC) | 交通便捷性 | 住宅外道路是否硬化?(是=1;否=0) | 0.846 | 0.361 |
区位条件 | 距乡镇距离(千米) | 5.050 | 3.160 | |
市场可及性 | 距最近市场距离(千米) | 16.389 | 7.481 | |
自然资本(NC) | 自然资源 | 人均耕地面积(亩/人) | 4.375 | 5.402 |
村庄属性 | 贫困村=1;非贫困村=0 | 0.655 | 0.476 | |
人力资本(HC) | 受教育程度 | 年 | 1.535 | 0.694 |
参加技能培训 | 家庭成员是否参加过技能培训?(是=1;否=0) | 0.094 | 0.292 | |
控制变量 | 年龄 | 岁 | 62.286 | 11.044 |
性别 | 男性=1;女性=0 | 0.862 | 0.346 | |
贫困户 | 贫困户=1;非贫困户=0 | 0.590 | 0.492 | |
数据来源:根据调研数据整理。 |
可持续减贫是多因素共同作用的结果,且影响因素可能分布于不同层面上,从不同层面来考察减贫有助于制定更具针对性的反贫困政策(郭熙保和周强,2016)。因此,本文利用分层线性模型从村级和农户两层级对太行山区农村可持续减贫进行分析。广义分层线性模型(generalized hierarchical linear models)可用来同时分析不同层次的变量,同时考虑到不同水平变量的内部效应(Pettit和Hook,2005;Stier和Mandel,2009)。多层数据中即便是很小的组内相关系数(intra-class correlation coefficient)也可能在统计检验中导致很大的第I类错误(弃真),传统分析方法不适合做多层数据的分析(王济川等,2009)。因此,我们运用广义分层线性模型对农村可持续减贫的影响因素进行分析,公式可表示如下:
$ {Y}_{ij}={(\beta }_{0}+{u}_{j})+\left({\beta }_{1}+{\nu }_{j}\right)\times {Vtype}_{ij}+{\Gamma }{X}_{ij}+{\varepsilon }_{j} ,\;{\text{其中}} \left[\begin{array}{c}{u}_{j}\\ {\nu }_{j}\end{array}\right]\sim N(0,{\Omega }) ; \Omega = {\rm{Var}}\left[ {\begin{array}{*{20}{c}} {{u_j}}\\ {{\nu _j}} \end{array}} \right] = \left[ {\begin{array}{*{20}{c}} {\sigma _u^2}\\ 0 \end{array}\begin{array}{*{20}{c}} 0\\ {\sigma _v^2} \end{array}} \right] $ | (1) |
其中,
$ {Y}_{ij}^{*}={(\beta }_{0}+{u}_{j})+\left({\beta }_{1}+{\nu }_{j}\right)\times {Vtype}_{ij}+{\Gamma }{X}_{ij}+{\varepsilon }_{j} ,\;{\text{其中}} \left[ {\begin{array}{*{20}{c}} {{u_j}}\\ {{\nu _j}} \end{array}} \right] \sim N(0,\Omega );\;\Omega = {\rm{Var}}\left[ {\begin{array}{*{20}{c}} {{u_j}}\\ {{\nu _j}} \end{array}} \right] = \left[ {\begin{array}{*{20}{c}} {\sigma _u^2}\\ 0 \end{array}\begin{array}{*{20}{c}} 0\\ {\sigma _v^2} \end{array}} \right] $ | (2) |
$ {Y_{ij}} = \left\{ {\begin{array}{*{20}{c}} {1,Y_{ij}^* > 0}\\ {0,Y_{ij}^* \leqslant 0} \end{array}} \right. $ | (3) |
其中,
在构建收入贫困、贫困退出和可持续减贫视角的可持续减贫框架的基础上,本文利用STATA15.0对太行山特困地区农村可持续减贫进行分析。由于常数项
自变量 | 模型1
收入贫困 |
模型2
贫困退出 |
模型3
可持续减贫 |
模型4
收入贫困 |
模型5
贫困退出 |
模型6
可持续减贫 |
|
社会资本 | 人情礼支出 | 5.653*** (2.64) |
1.854
(1.49) |
2.170*** (2.73) |
6.276*** (2.87) |
2.561* (1.92) |
2.234*** (2.72) |
自评社会地位 | 0.164
(1.10) |
0.231* (1.65) |
0.296*** (3.24) |
0.385
(0.75) |
0.834* (1.77) |
0.312
(0.94) |
|
金融资本 | 经营性收入 | 2.754*** (4.40) |
0.382** (2.30) |
0.240** (2.50) |
1.858
(0.72) |
0.158
(0.15) |
1.314** (2.34) |
物质资本 | 道路硬化 | −0.107
(−0.30) |
0.863** (2.47) |
0.396* (1.82) |
−0.114
(−0.32) |
1.301*** (3.05) |
0.419* (1.95) |
距乡镇距离 | −0.040
(−0.82) |
0.030
(0.67) |
−0.096*** (−2.84) |
−0.032
(−0.65) |
0.057
(1.12) |
−0.083** (−2.40) |
|
距市场距离 | 0.017
(0.71) |
−0.024
(−1.31) |
−0.032** (−2.13) |
0.034
(0.47) |
−0.048
(−0.72) |
−0.129*** (−3.13) |
|
自然资本 | 人均耕地面积 | 0.157*** (3.39) |
0.021
(0.94) |
0.002
(0.17) |
0.153*** (3.25) |
0.003
(0.14) |
0.0006
(0.04) |
贫困村 | −0.383
(−1.19) |
−0.417
(−1.46) |
−0.847*** (−2.76) |
0.038
(0.03) |
0.983
(0.77) |
−0.103
(−0.12) |
|
人力资本 | 受教育程度 | 0.530*** (2.64) |
0.203
(1.31) |
0.223** (2.17) |
0.511
(0.57) |
1.937*** (2.60) |
0.316
(0.68) |
技能培训 | −0.241
(−0.50) |
0.272
(0.69) |
0.493* (1.94) |
−0.167
(−0.34) |
0.279
(0.67) |
0.547** (2.15) |
|
控制变量 | 年龄 | 0.015
(1.38) |
0.020* (1.90) |
−0.015** (−2.17) |
0.016
(1.45) |
0.030*** (2.66) |
−0.012* (−1.83) |
性别 | −0.745** (−2.19) |
0.050
(0.16) |
0.0004
(0.002) |
−0.781** (−2.25) |
0.146
(0.43) |
−0.066
(−0.33) |
|
贫困户 | 0.26
(0.99) |
−0.317
(−1.04) |
0.234
(1.57) |
0.271
(1.02) |
−0.358
(−1.46) |
0.241
(1.61) |
|
生计资本
交互项 |
自评社会地位×
贫困村 |
0.093
(0.26) |
−0.082
(−0.26) |
−0.470** (−2.26) |
|||
自评社会地位×
距市场距离 |
7.43e-05
(0.004) |
−0.003
(−0.17) |
0.026** (2.21) |
||||
自评社会地位×
受教育程度 |
−0.212
(−0.99) |
−0.369* (−1.95) |
−0.035
(−0.30) |
||||
经营净收入×
受教育水平 |
0.239
(0.29) |
−0.363
(−1.60) |
−0.15
(−1.16) |
||||
贫困村×
受教育水平 |
0.396
(0.90) |
−0.629* (−1.83) |
−0.081
(−0.37) |
||||
自评社会地位×
经营净收入 |
−0.029
(−0.04) |
0.0387
(0.13) |
−0.205
(−1.48) |
||||
经营净收入×
贫困村 |
−0.470
(−0.37) |
0.078
(0.24) |
−0.045
(−0.24) |
||||
经营净收入×
距市场距离 |
0.063
(0.82) |
0.047** (1.97) |
−0.008
(−0.63) |
||||
贫困村×
距市场距离 |
−0.079* (−1.81) |
−0.005
(−0.11) |
0.048
(1.47) |
||||
距市场距离×
受教育水平 |
0.017
(0.65) |
−0.003
(−0.16) |
0.009
(0.64) |
||||
检验 |
$ {\beta }_{0} $
|
−1.736
(−1.58) |
−3.202*** (−3.27) |
9.438*** (13.97) |
−2.195
(−1.08) |
−6.635*** (−3.52) |
9.325*** (7.50) |
$ {\sigma }_{v}^{2} $
|
0.776*** (3.12) |
1.154*** (4.46) |
0.182*** (5.99) |
0.701** (2.94) |
1.492*** (4.56) |
1.262*** (6.04) |
|
Likelihood-ratio检验
(
$ {\chi }^{2}\left(1\right)$
)
|
8.24*** p=0.002 |
23.98*** p=0.000 |
108.00*** p=0.000 |
6.42*** p=0.006 |
51.22*** p=0.000 |
110.38*** p=0.000 |
|
Wald检验 | 60.51*** p=0.000 |
39.44*** p=0.000 |
118.93*** p=0.000 |
64.56*** p=0.000 |
46.39*** p=0.000 |
138.07*** p=0.000 |
|
样本量 | 520 | 519 | 511 | 520 | 519 | 511 | |
注:***、**、*分别代表估计系数在1%、5%、10%的检验水平显著,括号内为z值。下同。 |
1. 三种减贫视角比较下的路径差异。(1)从收入贫困、贫困退出和可持续减贫视角比较看,收入贫困标准下减贫与实现贫困退出和可持续减贫的路径存在明显差异。从可持续减贫视角看,人情礼支出、自评社会地位、经营性收入、住宅外道路硬化、受教育程度和参加技能培训等均对可持续减贫产生正向显著影响,距离乡镇和市场距离、贫困村等均对可持续减贫产生负向显著影响。由人情礼支出和自评社会地位形成的社会资本作为贫困群体陷入贫困的缓冲,会促进贫困群体利用社会资本摆脱贫困,从而对可持续减贫产生积极影响。由受教育程度和技能培训所形成的人力资本将对农村人口可持续减贫产生积极影响。(2)从收入贫困和可持续减贫视角比较看,社会资本中自评社会地位、人力资本中技能培训和物质资本对收入贫困的影响不显著,但对可持续减贫均产生显著影响。自评社会地位作为农村人口对社会资本的主观评价,对贫困群体的收入贫困影响有限,而提升自评社会地位可促进可持续减贫;技能培训在收入贫困视角下作用尚未显现,但从可持续减贫视角看其作用不容忽视。住宅外道路硬化反映农户在村庄中的区位及交通便捷性等,也反映了基本公共服务的水平,远离乡镇和市场,居住较为偏远,可能对农户可持续减贫产生不利影响,这在可持续减贫工作中应予以重点关注。(3)从贫困退出和可持续减贫视角比较来看,社会资本中人情礼支出、人力资本中受教育程度和技能培训、物质资本中距乡镇和市场距离对贫困退出的影响不显著,但是这些变量对可持续减贫产生显著影响,这也是巩固提升脱贫成果、实现可持续减贫应重点关注的着力点。
2. 生计资本对收入贫困、贫困退出和可持续减贫的影响明显不同。社会资本中人情礼支出对收入贫困视角的减贫和可持续减贫产生正向显著影响,自评社会地位对贫困退出和可持续减贫产生正向显著影响。这表明人情礼支出的增加有利于农户收入贫困视角的减贫和实现可持续减贫,自评社会地位提升有利于促进农村人口贫困退出并实现可持续减贫。金融资本中经营净收入对收入贫困视角减贫、贫困退出和可持续减贫均产生正向显著影响,意味着无论是从收入贫困视角减贫、贫困退出还是可持续减贫的视角来看,巩固提升金融资本都是普遍适用的、应长期坚持的方向。人力资本中受教育程度对收入贫困视角减贫和可持续减贫产生正向显著影响,表明受教育程度提高对收入贫困视角减贫和可持续减贫产生积极作用。技能培训对收入贫困和贫困退出的作用不明显,但对可持续减贫产生正向显著影响,可能的原因是个别村的技能培训流于形式,培训局限于材料发放或政策宣讲,导致技能培训效果不明显。自然资本中人均耕地面积对收入贫困视角减贫产生正向显著影响,但对贫困退出和可持续减贫的影响不显著,表明从摆脱收入贫困的角度来看,自然资本仍可以产生基本保障的作用,这也是土地行使基本社会保障功能的体现,但从贫困退出和可持续减贫的视角来看,自然资本发挥的作用有限。物质资本中,住宅外道路硬化对贫困退出和可持续减贫均产生积极影响,距离乡镇距离和市场距离太远对可持续减贫产生负向显著影响。住宅外道路硬化反映农户居住地在村中所处的位置、基础设施和交通便捷程度,而距乡镇和市场的距离反映村在乡镇所处的区位及市场可及性等,表明农户家庭周边基础设施较好有助于实现贫困退出,位置较为偏远的农户可持续减贫受限。
3. 生计资本间产生不同程度的协同或消减作用。不同生计资本类别间产生显著的协同或消减作用,如果交互项为负值,二者的作用相互抵消;反之,二者的作用相互增强。从生计资本交互作用产生的协同作用来看,金融资本和物质资本的交互项对贫困退出产生正向显著影响,社会资本和物质资本的交互项对可持续减贫产生正向显著影响,表明其存在一定程度的互补作用,产生生计资本的协同效果。对农户而言,生计策略是通过充分利用物质资本(如市场区位等)促进金融资本来发挥作用的,比如务农或经商后市场信息更充分,更容易选择好的产业或产品,进而促使农户实现贫困退出,而社会资本和物质资本的有机结合则有利于农户实现可持续减贫。从生计资本交互作用产生的消减作用看,自然资本和物质资本对收入贫困视角减贫产生显著负向影响,表明二者存在一定的替代作用。社会资本和人力资本、自然资本和人力资本的交互项对贫困退出产生显著负向影响,社会资本和自然资本的交互项对可持续减贫产生显著负向影响,表明生计资本之间存在一定的替代作用,产生一定的消减效果。
需要注意的是,代表自然资本的村级属性变量和社会资本、物质资本、人力资本的交互项对农村减贫产生不同程度负向影响,意味着贫困村属性对社会资本、物质资本和人力资本发挥减贫作用产生不利影响。贫困的属性可能会限制贫困人口只能找到低工资或者边缘性的工作,特别是资助政策取消可能会导致贫困户收入下降以及收入不稳定性增加(Deshpande,2016),福利项目可能会产生对贫困资格和贫困资助依赖的不正当竞争。一些贫困村帮扶政策、帮扶力度等各种资源获得更多,扶贫推动和政策落实力度更大(刘学敏等,2018),但资本增量较高时资本利用效率相对较低,投入资本充分释放政策效果需要一定周期,也难以避免“等靠要”思想,贫困户和非贫困户矛盾增大给脱贫攻坚带来负面影响。调研中也发现存在“干得好不如扶得好”的现象,由于农业生产的弱质性和外出务工的不确定性等诸多原因,可能会出现非贫困户收入不高,而贫困户享受各种帮扶政策后生活水平大幅提高的现象。
(二) 稳健性检验为检验表3中回归结果的稳健性,本文做了多项稳健性检验,对于生计资本对减贫的影响,本文在模型1、模型2、模型3的基础上,减少控制变量后分别得到模型7、模型8、模型9,结果发现回归分析的稳健性检验整体较好(见表4),说明生计资本对收入贫困、贫困退出、可持续减贫的影响是显著且稳健的。在分析生计资本的交叉项对减贫的影响时,本文采用逐步回归法,在模型1、模型2、模型3的基础上加入五个交叉项,分别得到模型10、模型11、模型12,并在模型1、模型2、模型3的基础上进一步加入另外五个交叉项,分别得到模型13、模型14、模型15。
自变量 | 模型7 | 模型8 | 模型9 | |
收入贫困 | 贫困退出 | 可持续减贫 | ||
社会资本 | 人情礼支出 | 4.841**(2.33) | 2.121*(1.70) | 2.257***(2.85) |
自评社会地位 | 0.0890(0.62) | 0.211(1.52) | 0.264***(2.95) | |
金融资本 | 经营性收入 | 2.468***(4.22) | 0.268*(1.78) | 0.285***(3.03) |
物质资本 | 道路硬化 | −0.136(−0.39) | 1.150***(2.81) | 0.407*(1.86) |
距乡镇距离 | −0.0305(−0.64) | 0.0366(0.77) | −0.0895***(−2.64) | |
距市场距离 | 0.0118(0.52) | −0.0322(−1.56) | −0.0338**(−2.26) | |
自然资本 | 人均耕地面积 | 0.168***(3.73) | 0.0138(0.62) | 0.00118(0.09) |
贫困村 | −0.358(−1.13) | −0.311(−0.82) | −0.816***(−2.67) | |
人力资本 | 受教育程度 | 0.389**(2.06) | 0.229(1.49) | 0.236**(2.38) |
技能培训 | −0.177(−0.38) | 0.120(0.30) | 0.552**(2.17) | |
检验 |
$ {\beta }_{0} $
|
−0.754(−1.07) | −2.242***(−3.20) | 8.684***(19.00) |
$ {\sigma }_{v}^{2} $
|
0.770***(3.18) | 1.419***(4.50) | 1.272***(5.98) | |
Likelihood-ratio检验(
$ {\chi }^{2}\left(1\right)$
)
|
8.72*** p=0.002 |
47.10*** p=0.000 |
107.66*** p=0.000 |
|
Wald检验 | 57.85*** p=0.000 |
33.62*** p=0.000 |
109.08*** p=0.000 |
|
样本量 | 520 | 519 | 511 |
表5中的模型回归结果表明,在模型4中自然资本和物质资本对收入视角减贫产生的负向影响仍然显著,在模型5中社会资本和人力资本、自然资本和人力资本、金融资本和物质资本的交互项对贫困退出产生的影响仍然显著,在模型6中社会资本和物质资本、社会资本和自然资本的交互项对可持续减贫产生的影响仍然显著。这说明上述生计资本的交叉项对收入贫困、贫困退出、可持续减贫的影响与前文保持一致,即结论是稳健的。
自变量 | 模型10
收入贫困 |
模型11
贫困退出 |
模型12
可持续减贫 |
模型13
收入贫困 |
模型14
贫困退出 |
模型15
可持续减贫 |
|
生计资本
交互项 |
自评社会地位×
贫困村 |
−0.007
(−0.02) |
−0.089
(−0.29) |
−0.456** (−2.20) |
|||
自评社会地位×
距市场距离 |
0.005
(0.26) |
0.003
(0.15) |
0.024** (2.10) |
||||
自评社会地位×
受教育程度 |
−0.217
(−1.02) |
−0.391** (−2.12) |
−0.054
(−0.45) |
||||
经营净收入×
受教育水平 |
0.004
(0.00) |
−0.273
(−1.24) |
−0.086
(−0.70) |
||||
贫困村×
受教育水平 |
0.463
(1.08) |
−0.603* (−1.82) |
−0.0532
(−0.25) |
||||
自评社会地位×
经营净收入 |
−0.051
(−0.07) |
−0.048
(−0.17) |
−0.164
(−1.21) |
||||
经营净收入×
贫困村 |
−0.312
(−0.25) |
−0.071
(−0.22) |
−0.077
(−0.42) |
||||
经营净收入×
距市场距离 |
0.061
(0.84) |
0.043* (1.89) |
−0.003
(−0.20) |
||||
贫困村×
距市场距离 |
−0.074* (−1.74) |
−0.0004
(−0.01) |
0.041
(1.26) |
||||
距市场距离×
受教育水平 |
0.022
(0.88) |
−0.004
(−0.17) |
0.010
(0.79) |
||||
检验 |
$ {\beta }_{0} $
|
−1.889
(−1.02) |
−6.673*** (−3.78) |
9.281*** (7.84) |
−1.908
(−1.46) |
−3.592*** (−2.95) |
9.572*** (12.26) |
$ {\sigma }_{v}^{2} $
|
0.802*** (3.14) |
1.468*** (4.54) |
1.292*** (6.01) |
0.679** (2.92) |
1.477*** (4.56) |
1.264*** (5.92) |
|
Likelihood-ratio检验
(
$ {\chi }^{2}\left(1\right)$
)
|
8.65*** p=0.002 |
50.02*** p=0.000 |
112.14*** p=0.000 |
6.08*** p=0.007 |
50.70*** p=0.000 |
107.15*** p=0.000 |
|
Wald检验 | 61.58*** p=0.000 |
43.99*** p=0.000 |
129.85*** p=0.000 |
64.25*** p=0.000 |
40.30*** p=0.002 |
124.83*** p=0.000 |
|
生计资本 | 是 | 是 | 是 | 是 | 是 | 是 | 是 |
控制变量 | 是 | 是 | 是 | 是 | 是 | 是 | 是 |
样本量 | 520 | 519 | 511 | 520 | 519 | 511 |
本文遵循“立足特困地区现实、着眼长远可持续减贫”的思路,基于太行山特困地区实际,结合联合国2030年可持续发展目标和可持续生计理论,分别从收入贫困、贫困退出、可持续减贫视角对特困地区农村可持续减贫路径进行系统探索,主要研究结论有:
(1)可持续减贫既是减贫中应遵循的模式,也是力求减贫成果能够稳定的目标,可持续减贫是巩固减贫成果和优化减贫效率的必然选择。收入贫困—贫困退出—可持续减贫体现减贫理念的递进关系,收入曾作为建档立卡的主要依据,“两不愁三保障”作为贫困退出的硬性要求,未来减贫要兼顾当前与长远的策略转向,做好收入贫困—贫困退出—可持续减贫的政策衔接与协同。可持续减贫聚焦“减贫模式和减贫结果协同可持续”的目标导向,通过增强贫困人群能力的“增能”和赋予贫困人群基本公共服务权利的“赋权”来形成内源性持续减贫动力,“增能赋权”促进生计资本良性互动形成可持续生计(高帅等,2020)。减贫模式优化与减贫结果可持续形成良性循环,从而不断优化扶贫资金的使用效率和效果。同时,政策制定者需及时纠正脱贫中的一些突出问题,如“限期脱贫”压力难免导致扶贫脱贫工作偏重于短期效益,贫困人口医疗过度保障导致财政负担过重和非贫困人口医疗资源挤压问题等;“低保式脱贫”可持续性值得关注,尤其是有劳动能力人口通过最低生活保障实现“低保式脱贫”的现象需要警惕,特别是伴随扶贫资金投入边际效率递减,“低保式脱贫”不可持续亦不能过分倚重。
(2)普适提升金融资本,理性引导社会资本,志智双扶强化人力资本。生计资本在收入贫困、贫困退出和可持续减贫中的作用不同,这也是精准扶贫路径选择中的着力点和突破口。对于共性和较为集中的问题,针对相应生计资本重点施策,并根据生计类别差异找准切入点,并精准施策。金融资本对农户收入贫困、贫困退出和可持续减贫均产生显著影响,提升金融资本是太行山区农村人口贫困退出和可持续减贫的普适性政策。社会资本和人力资本次之,自然资本和物质资本对农户收入贫困和可持续减贫的影响较弱。提升金融资本行之有效的方式是培育涉农产业发展和强化益贫带贫能力,基于特困山区地域特点提升特色农产品优势,在农户既有生计资本的基础上为其融入“社区支持农业”“互联网+农业”等新业态、新经济创造条件;对于自主经营能力较弱的农户,注重产业发展带动和利益联结机制的构建,为促进小农户和现代农业衔接创造条件。人情礼支出及其形成的社会资本对可持续减贫产生积极作用,然而,也有研究表明人情礼支出的作用可能存在异化现象,鉴于农村人情礼支出惯性较大的事实,应理性看待农村“人情重”的现象,积极引导人情消费和面子消费回归理性。农村人口受教育偏低和技能不足导致的农村人力资本较差是不争的事实,提升人力资本应积极探索“志智双扶”共荣互动,通过“扶志”催化脱贫攻坚的效果,通过“扶智”阻断贫困代际传递,两者产生协同作用,共同促进贫困边缘群体的可持续减贫。
(3)关注生计资本间协同和消减作用,提升扶贫资金使用效率。可持续减贫应促进农户生计资本投入,发挥协同作用,减少和消除生计资本间的消减效果。明确政府资金的引导作用和市场在资源配置中的决定性作用,如农户居住地市场区位优势可促进社会资本、金融资本更好地发挥作用,为金融资本和物质资本、社会资本和物质资本发挥协同作用创造条件。防范自然资本与物质资本、自然资本与人力资本、自然资本与社会资本的消减作用,需要注意的是,贫困村属性对物质资本、人力资本、社会资本发挥作用均产生不利影响。在政策外力支持的作用效果未充分显现的前提下,贫困村属性伴随精准扶贫政策支持的过度叠加,可能会抑制农村人口的内生动力,从而导致贫困村生计资本间消减作用较为明显。此外,“自上而下”的政策执行范式在一定程度上忽视了民意,虽然强制命令式政策的推行产生了立竿见影的效果,但也导致了大量的政策“缺位”“越位”“错位”问题的发生。因而,在政策制定和实施过程中,应注重倾听民意,不仅在政策评估中尊重民意,在政策制定和实施过程中也要尊重民意。“自下而上”建立农户评价和反馈机制,“自上而下”与“自下而上”相结合逐步优化扶贫资金投入效率和使用效果。
特困地区在脱贫攻坚背景下面临前所未有的发展契机,如何克服依赖资源、破坏环境、激化非贫困群体矛盾等短平快式的减贫方式的不足,从而实现可持续减贫,并不断提高群众的幸福感和获得感,这是一个仍需进一步探索的课题。政策制定者应兼顾减贫当前与长远的扶贫目标转向,减少和消除政策间的不连贯和不协调,在收入贫困标准减贫和贫困退出的基础上,致力于实现可持续减贫。
① 采用世界粮食计划署(WFP)的食物消费得分(FCS)计算方法:根据不同食物营养价值将食物分成八类,赋予每类食物组相应分值(权重),记录农户在过去一周各类食物的消费频率,将食物组分值与消费频率相乘并加权求和,可计算出农户的食物消费得分(在0到21分之间表示极度食物不安全)。
[1] | 高帅, 史婵, 唐建军. 基于增能赋权视角的农户贫困脆弱性缓解研究——以太行山连片特困地区为例[J].中国农村观察,2020(1). |
[2] | 高帅. 社会地位、收入与多维贫困的动态演变——基于能力剥夺视角的分析[J].上海财经大学学报,2015(3). |
[3] | 高帅, 王征兵. 收入、偏好与居民食物安全[J].财经科学,2012(10). |
[4] | 郭熙保, 周强. 长期多维贫困、不平等与致贫因素[J].经济研究,2016(6). |
[5] | 黄薇. 医保政策精准扶贫效果研究——基于URBMI试点评估入户调查数据[J].经济研究,2017(9). |
[6] | 黄征学, 高国力, 滕飞, 等. 中国长期减贫, 路在何方? ——2020年脱贫攻坚完成后的减贫战略前瞻[J].中国农村经济,2019(9). |
[7] | 贾俊雪, 秦聪, 刘勇政. “自上而下”与“自下而上”融合的政策设计——基于农村发展扶贫项目的经验分析[J].中国社会科学,2017(9). |
[8] | 姜爱华. 我国政府开发式扶贫资金使用绩效的评估与思考[J].宏观经济研究,2007(6). |
[9] | 刘朝明, 张衔. 扶贫攻坚与效益衡定分析方法——以四川省阿坝、甘孜、凉山自治州为样本点[J].经济研究,1999(7). |
[10] | 刘冬梅. 中国政府开发式扶贫资金投放效果的实证研究[J].管理世界,2001(6). |
[11] | 刘学敏, 张生玲, 王诺. 效率、社会公平与中国减贫方略[J].中国软科学,2018(5). |
[12] | 李晓西, 刘一萌, 宋涛. 人类绿色发展指数的测算[J].中国社会科学,2014(6). |
[13] | 李小云, 于乐荣, 唐丽霞. 新中国成立后70年的反贫困历程及减贫机制[J].中国农村经济,2019(10). |
[14] | 帅传敏, 李文静, 程欣, 等. 联合国IFAD中国项目减贫效率测度——基于7省份1356农户的面板数据[J].管理世界,2016(3). |
[15] | 孙久文, 夏添. 中国扶贫战略与2020年后相对贫困线划定——基于理论、政策和数据的分析[J].中国农村经济,2019(10). |
[16] | 王增文. 中国农村反贫困绩效的推动因素测度及分解: 1978−2014[J].财贸经济,2017(9). |
[17] | 王济川, 谢海义, 费舍余. 多层统计分析模型: SAS与应用[M]. 北京: 高等教育出版社, 2009. |
[18] | 王瑜, 汪三贵. 基本公共服务减贫: 理论概念、现实关切与评估建议[J].贵州社会科学,2018(9). |
[19] | 王小林, 冯贺霞. 2020年后中国多维相对贫困标准: 国际经验与政策取向[J].中国农村经济,2020(3). |
[20] | 汪三贵, 杨龙, 张伟宾, 等. 扶贫开发与区域发展: 我国特困地区的贫困与扶贫策略研究[M]. 北京: 经济科学出版社, 2018. |
[21] | 于乐荣, 李小云. 中国益贫经济增长的时期特征及减贫机制[J].贵州社会科学,2019(8). |
[22] | 朱梦冰, 李实. 精准扶贫重在精准识别贫困人口——农村低保政策的瞄准效果分析[J].中国社会科学,2017(9). |
[23] | 庄天慧, 张军. 民族地区扶贫开发研究——基于致贫因子与孕灾环境契合的视角[J].农业经济问题,2012(8). |
[24] | Allen R C. Absolute poverty: When necessity displaces desire[J]. American Economic Review,2017(12):3690–3721. |
[25] | Deshpande M. Does welfare inhibit success? The long-term effects of removing low-income youth from the disability rolls[J]. American Economic Review,2016(11):3300–3330. |
[26] | Fan S G, Gulati A, Thorat S. Investment, subsidies, and pro-poor growth in rural India[J]. Agricultural Economics,2008(2):163–170. |
[27] | Li M P, Huo X X, Peng C H, et al. Complementary livelihood capital as a means to enhance adaptive capacity: A case of the loess plateau, China[J]. Global Environmental Change,2017(47):143–152. |
[28] | Pettit B, Hook J. The structure of women’s employment in comparative perspective[J]. Social Forces,2005(2):779–801. |
[29] | Ravallion M, Chen S H. Hidden impact? Household saving in response to a poor-area development project[J]. Journal of Public Economics,2005(11−12):2183–2204. |
[30] | Stier H, Mandel H. Inequality in the family: The institutional aspects of women’s earning contribution[J]. Social Science Research,2009(3):594–608. |
[31] | Vivalt E. Heterogeneous treatment effects in impact evaluation[J]. American Economic Review,2015(5):467–470. |