边境地区贫困农户多维特征及致贫因素分析——基于广西崇左市贫困户调查数据

叶　慧，陈敏莉

(中南民族大学公共管理学院，湖北武汉430074)



边境地区贫困农户多维特征及致贫因素分析
——基于广西崇左市贫困户调查数据

叶慧，陈敏莉

(中南民族大学公共管理学院，湖北武汉430074)

摘要：精准识别是边境地区精准扶贫的首要工作。较之单维收入贫困指标，包含健康、教育、居住、劳动力、耕地和收入的多维贫困指标更能反映农村人口的贫困全貌。边境地区贫困农户在每个维度上均存在不同程度的贫困，待遇县比边境县贫困程度更深更广且致贫因素也不尽相同。在贫困特征多维化和致贫因素多元化背景下，边境地区扶贫开发应建立起以多维贫困识别为基础，专项扶贫为主体，区域开发和定点帮扶为手段的精准扶贫体系。

关键词：边境地区；贫困农户；多维贫困指标；致贫因素

一、引言

与内陆地区相比，边境地区在自然条件、经济基础、公共服务、人口质量等方面仍有很大的差距，犹如全国小康社会建设中的一块“洼地”；同时，边境地区在地缘政治、国家安全方面又具有政治“高地”的特性[1]。边境地区的贫困问题不但是一个区域开发问题，更是一个国家战略问题[2]。进入21世纪之后，边境地区贫困问题已经从解决温饱为主要任务的阶段，转入巩固温饱成果、加快脱贫致富、缩小发展差距的新阶段。扶贫开发工作由过去“漫灌式”区域开发向“滴灌式”精准扶贫转变[3]。精准识别扶贫对象是精准扶贫的首要工作。

目前农村贫困人口识别仍采用传统的收入贫困测量方法，但贫困家庭往往在教育、健康和资产等多个方面遭受剥夺，收入贫困并不能全面反映农村人口的贫困全貌。虽然收入指标是现在识别贫困的通行标准[4](86)，但是阿玛蒂亚·森(1999)指出贫困必须被视为基本可行能力的被剥夺，而不仅仅是收入低下。据此，多维度测量贫困开始引起国际社会关注。2007年，森发起的牛津大学贫困与人类发展中心着手研究多维贫困指标的测算和修正，Alkire和Foster(2008)发表了工作论文《计数和多维贫困测量》，提出了计算多维贫困指标的“AF方法”[5]。联合国开发计划署发布的《2013年人类发展报告》将多维贫困指标作为衡量国家发展水平的指标之一[6]。Avidit Acharya和John E.Roemer(2015)认为贫困具有多维性已被国际社会和学术界广泛接受[7]。国内对于多维贫困的研究，主要是对国外多维贫困方法的应用。张建华、陈立中(2006)介绍了国外5种多维贫困测量方法[8]。陈立中(2008)采用Watts多维贫困指标，从收入、知识和健康三个维度对中国多维贫困进行了测算[9]。王小林和Alkire(2009)[10]、邹薇和方迎风(2011)[11]利用AF方法对中国城市和农村的多维贫困进行了测量。叶初升、王红霞(2010)对多维贫困测量的研究进展进行了文献综述[12]。李俊杰、李海鹏(2013)进行了武陵山区农户多维贫困测量[13]。杨龙、徐伍达(2014)对西藏多维贫困进行测量[14]。李俊杰、陈浩浩(2015)采用AF方法对不同民族农民多维贫困进行了测量比较[15]。

根据森的能力理论和国内外实践，边境地区贫困农户识别需要测量多维贫困属性和寻找致贫因素。崇左市与越南接壤，是广西陆地边境线最长的地级市，具有边境地区、民族地区、贫困地区的多维特征，是边境地区的典型和缩影。崇左市所辖7县(市、区)有4个边境县和3个享受边境县待遇县(以下简称“待遇县”)。少数民族人口占地方总人口的89.6%，以壮族为主体。该市处于我国滇桂黔石漠化集中连片特殊困难区，有两个国家扶贫开发工作重点县，两个广西区定扶贫重点县，3个地级市定扶贫面上县。本文采集2014年广西崇左市7县1 785户农户数据，并结合精准扶贫建档立卡数据库资料，测算人均纯收入2 300元(2010年不变价)贫困线下农户多维贫困指标，并运用Logistic二元选择模型对其多维致贫因素进行探析，以此为基础提出相关政策建议。

二、模型构建和数据

(一)多维贫困指标模型

本文采用牛津大学贫困与人类发展中心Alkire和Foster(2008)提出的农村居民多维贫困测量方法[5]来计算多维贫困指标。其中，需要界定贫困属性的各个维度变量及其剥夺阀值。根据联合国千年发展目标的八项目标和《中国农村扶贫开发纲要(2011～2020)》提出的“在2020年实现贫困人口不愁吃、不愁穿、保障其义务教育、基本医疗和住房”目标，结合广西崇左市实际情况以及数据的可获得性，本文分别选取了健康、教育、居住、劳动力、耕地和收入6个维度作为贫困测算的维度变量，其指标内容及剥夺阀值如下所述。

健康变量x1代表农户健康状况，是个虚拟变量，因病因残致贫者x1=1，其他x1=0。该指标的剥夺阀值是x1=1，阀值确定是根据调查方案中“主要致贫原因”指标的“因病”“因残”选项。

教育变量x2代表户主受教育年限，单位为年。该指标的剥夺阀值是x2≤6，阀值确定是根据崇左市小学6年学制的要求。

居住变量x3代表家庭人均住房面积，单位为平方米。该指标剥夺阀值是x3≤30，阀值确定是根据2010年全国第六次人口普查结果，广西人均住房建筑面积为30.33平方米。

劳动力变量x4代表劳动力人数占家庭总人口比例。该指标的剥夺阀值是x4≤58%，阀值确定是根据2010年全国第六次人口普查结果，广西劳动力人口占家庭总人口的58%。

耕地变量x5代表家庭人均耕地面积，单位为亩。该指标的剥夺阀值是x5≤1.3，阀值确定是根据2008年全国土地变更调查结果，广西人均耕地面积为1.3亩。

收入变量x6代表家庭人均纯收入，单位为元。该指标的剥夺阀值是x6≤2 015，阀值确定是按2013年崇左市农村居民最低生活保障标准2 015元/年·人。

(二)Logistic二元选择模型

联合国在其多维贫困测度中指出，应该以1/3以上的指标存在贫困来定义多维贫困。本文确定以2维为研究的最少维度，将存在2个指标及以上被剥夺的农户界定为多维贫困者。这里采用Logistic回归模型来探析影响边境地区农户陷入多维贫困的主要因素。其中，因变量y是二值变量，代表农户是否是多维贫困户，如果农户是多维贫困户，则y=1，反之y=0。自变量选取健康变量x1、教育变量x2、居住变量x3、劳动力变量x4、耕地变量x5、收入变量x6。这里对各自变量与因变量关系假定为：假定1为家有病残者的农户较之其他农户更容易陷入多维贫困；假定2为户主受教育年限越多，农户越不容易陷入多维贫困；假定3为人均住房面积越大，农户越不容易陷入多维贫困；假定4为家庭劳动力比例越高，农户越不容易陷入多维贫困；假定5为人均耕地面积越大，农户越不容易陷入多维贫困；假定6为人均纯收入越高，农户越不容易陷入多维贫困。

(三)数据来源及说明

本文采集2014年广西崇左市7县1 785户农户调查数据，并结合精准扶贫建档立卡数据库资料进行分析。2014年崇左市共识别出贫困户134 288户、贫困人口45 5547人，贫困发生率约为18.7%。调查方案包含户主信息、家庭人口结构、劳动力情况、贫困户属性、致贫原因、自然资本、物质资本和收入。为比较边境县与待遇县贫困状况和致贫因素，以下分析将两者区别开来。其中，4个边境县的样本量合计占51%，3个待遇县的样本量合计占49%。

三、实证模型估计

(一)多维贫困测算

从单维角度来看，一是所有农户在每个维度均存在不同程度的贫困，单维贫困发生率均大于0。单维贫困发生率最高的是居住维度，79%的农户人均居住面积小于30平方米，由此反映崇左市贫困人口居住面积远低于广西人均30.33平方米的平均水平，这可能与边境地区特殊的政治位置有关。单维贫困发生率最低的是健康维度，但也有39%的农户是因病因残致贫，说明健康缺乏对崇左市农户致贫的影响也非常大。二是边境县和待遇县在每个维度均存在不同程度的贫困，且待遇县贫困程度更深。待遇县在健康、劳动力和耕地三个维度上的贫困发生率均高于边境县，两者贫困差距在11%～22%。边境县虽然在教育、居住、收入三个维度上的贫困发生率均高于待遇县，但是除了收入维度，两者贫困差距仅有3%，说明待遇县比边境县可能更为贫困。

从多维角度来看(表1)，一是绝大多数农户存在多维贫困。89.5%的农户存在2维及以上的多维贫困，可见单维的收入贫困指标无法反映农户贫困全貌。二是待遇县在任一维数上的多维贫困指标均超过边境县。差别最大的是3维，待遇县贫困指标超过边境县7.3%。差别最小的是6维，两者多维贫困指标基本相当。由此可见，待遇县多维贫困程度确实比边境县更深更广。

表1：多维贫困测算

注：差额=边境县多维贫困指标-待遇县多维贫困指标

(二)致贫因素分析

本文采用Logistic二元回归模型来探析影响边境地区农户陷入多维贫困的主要因素，由于边境县和待遇县无论在单维还是多维层面，均存在贫困差别，因此这里对两者分开进行分析，模型估计结果如表2所示。从模型的拟合结果来看，边境县和待遇县模型拟合效果较好，似然比检验概率小于1%的显著性水平，表明回归分析结果可靠。

从回归结果来看，一是各因素均对边境县和待遇县农户陷入多维贫困具有显著影响，且影响方向符合上述假定。当其他条件不变时，有病残者的农户较之其他农户更易陷入多维贫困，边境县和待遇县发生比为57.537和17.575；当其他条件不变时，户主受教育年限越多，农户越不容易陷入多维贫困，边境县和待遇县发生比为0.491和0.637；当其他条件不变时，人均住房面积越大，农户越不容易陷入多维贫困，边境县和待遇县发生比为0.921和0.96。当其他条件不变时，家庭劳动力比例越高，农户越不容易陷入多维贫困，边境县和待遇县发生比为0.266和0.054；当其他条件不变时，人均耕地面积越大，农户越不容易陷入多维贫困，边境县和待遇县发生比为0.690和0.469；当其他条件不变时，人均纯收入越高，农户越不容易陷入多维贫困，边境县和待遇县发生比为0.996和0.997。二是影响边境县和待遇县农户陷入多维贫困的因素存在差异。根据回归系数的检验概率p值判断，影响边境县农户多维贫困的主要因素依次排序为收入、居住、教育、健康、耕地和劳动力；影响待遇县多维贫困的主要因素依次为教育、健康、收入、劳动力、耕地和居住。由此说明，区域扶贫政策不宜实行“一刀切”，应根据当地实情进行精准扶贫开发。

表2：回归模型估计结果

四、结论与建议

本文采集广西崇左市2014年1 785户贫困户数据，从总体、边境县、享受边境待遇县三个层面，测算和比较人均纯收入2 300元贫困线下农户多维贫困指标及其致贫因素。结果表明，在贫困多维化和致贫因素多元化背景下，边境地区扶贫开发应建立以多维贫困识别为基础，专项扶贫为内容，区域开发和定点帮扶为手段的精准扶贫体系。

第一，建立多维贫困框架下的精准扶贫识别系统。目前精准扶贫识别的对象是家庭人均纯收入低于农村扶贫标准的农村居民。研究发现，单维的收入贫困指标无法反映农户贫困全貌，边境地区精准扶贫识别系统应包括收入、居住、教育、健康、耕地和劳动力等多维贫困指标。具体程序：一是确定多维贫困指标及其剥夺阀值，由此设计《扶贫手册》和《贫困户登记表》；二是通过农户申请、民主评议和县乡村三级公示来确定扶贫对象候选人；三是根据扶贫对象候选人人数调整多维贫困指标的剥夺阀值；四是根据新阀值确定各区域贫困人口指标并分解到村；五是确定扶贫对象，并进行县乡村三级公示。

第二，建立包括就业、住房、教育、健康、资源等专项扶贫体系。研究发现，总体农户在每个维度均存在不同程度的贫困，各因素均对边境县和待遇县农户陷入多维贫困具有显著影响。边境地区专项扶贫应围绕促进贫困户就业来减缓其收入贫困、通过危房改造等措施来减缓其居住贫困，通过教育救助和义务教育等措施来减缓其教育贫困，通过医疗保险和救助来减缓其健康贫困，通过水土治理和保护来减缓其资源贫困。

第三，建立减缓多维贫困目标下的区域扶贫开发均衡格局。从区域整体层面看，扶贫开发不仅是扶贫问题，更是区域开发问题。受边境地区特殊的地缘政治因素影响，距离边境线越近的区域得到上级政府各种优惠政策和各级财政支持的力度就越大，即边境县比待遇县得到的扶持更多。但是研究发现，待遇县比边境县多维贫困程度更深更广。因此，各级政府应处理好“兴边富民”和“扶贫开发”的关系，两者有联系，但不等同，在扶贫开发力度上应向多维贫困更深更广的待遇县倾斜，由此构建区域扶贫开发均衡格局。

第四，建立减缓多维贫困目标下的农户定点帮扶精准模式。从农户个体层面看，扶贫开发不仅是增收问题，更是农户能力培育问题。研究发现，影响边境县农户和待遇县农户多维贫困的因素有所差别，前者主要是收入、居住和教育因素，后者主要是教育、健康和收入因素。致贫因素的差异性要求定点帮扶工作必须以贫困户为瞄准对象，因户施策，精准帮扶，通过就业、住房、教育、健康、资源等专项扶贫工作实施精准扶贫模式。

参考文献：

[1]胥留德.边境民族地区和谐社会建设特殊性问题探讨[J].资质文摘·管理版，2010(6).

[2]孙文振.消除边境民族地区贫困是战略问题[N].中国民族报，2012-03-16(04).

[3]闻涛.扶贫开发，成败在于精准[N].人民日报，2015-06-25(05).

[4]Sen A.K.DevelopmentasFreedom[M].New York:Oxford University Press,1999.

[5]Alkire S.,Foster J.CountingandMultidimensionalPovertyMeasurement[C].OPHI Working Paper Series,2008.

[6]UNDP.HumanDevelopmentReport2013[R].New York:United Nations Development Program,2013.

[7]Avidit Acharya,John E.Roemer.Multidimensional Poverty with Missing Attributes[J].Economics Letters,2015(5).

[8]张建华，陈立中.总量贫困测度研究评述[J].经济学(季刊)，2006(3).

[9]陈立中.收入、知识和健康的三类贫困测算与解析[J].改革，2008(3).

[10]王小林，Sabina Alkire.中国多维贫困测量：估计和政策含义[J].中国农村经济，2009(12).

[11]邹薇，方迎风.关于中国贫困的动态多维度研究[J].中国人口科学，2011(6).

[12]叶初升，王红霞.多维贫困及其度量研究的最新进展：问题与方法[J].湖北经济学院学报，2010(6).

[13]李俊杰，李海鹏.民族地区农户多维贫困测量与扶贫政策创新研究[J].中南民族大学学报(人文社会科学版)，2013(3).

[14]杨龙，等.西藏作为特殊集中连片贫困区域的多维贫困测量[J].西藏研究，2014(1).

[15]李俊杰，陈浩浩.不同民族农村居民多维贫困测量与减贫措施研究——基于重庆市渝东南土家、苗族和汉族居民的调查[J].中南民族大学学报(人文社会科学版)，2015(2).

【责任编辑马明德】

收稿日期：2016-04-10

基金项目：教育部哲学社会科学研究重大课题攻关项目“民族地区特殊类型贫困与反贫困研究”(13JZD026)

作者简介：叶慧(1979-)，女，湖北武汉人，中南民族大学公共管理学院副教授，博士，主要从事贫困与社会保障研究；陈敏莉(1978-)，女，湖南岳阳人，中南民族大学公共管理学院讲师，博士，主要从事贫困与法律研究。

中图分类号：F323.8

文献标志码：A

文章编号：1674-6627(2016)04-0102-05

Multidimensional Characters of Poor Farmers and Poverty Factors Analysis in Border Areas:Based on the Survey Data of Poor Households in Chongzuo, Guangxi

YE Hui, CHEN Min-li

(School of Public Administration, South-Central University of Nationalities, Wuhan 430074，China)

Abstract:Accurate identification is the primary task of precision poverty alleviation in the border areas. Compared with the single dimension of income poverty indicators, including health, education, housing, labor, land and income of the multidimensional poverty indicators more reflected the whole picture of poverty in rural areas. In each dimension, there are different levels of poverty in border areas. Under the characteristics of poverty in the multidimensional and poverty factors of diversification, the border areas of poverty alleviation and development should be established on the basis of Multidimensional Poverty identification and special poverty reduction as the main body, regional development and targeted assistance as a means of precise system of poverty reduction.

Key words:Border Areas; Poverty Households; Multidimensional Poverty Index; Poverty Factors