贫困性质转变下多维贫困及原因的识别<br/>——以甘肃省皋兰县六合村为例

贫困性质转变下多维贫困及原因的识别
——以甘肃省皋兰县六合村为例

2016-08-16张永丽

湖北社会科学 2016年6期

关键词：贫困人口维度农户

张永丽，卢　晓

（西北师范大学商学院，甘肃兰州 730070）

贫困性质转变下多维贫困及原因的识别
——以甘肃省皋兰县六合村为例

张永丽，卢晓

（西北师范大学商学院，甘肃兰州 730070）

经30多年改革开放和持久的扶贫攻坚，我国农村贫困已由绝对的生存贫困向相对的发展性贫困转变，以单一收入指标为主的衡量标准已无法全面准确地反映目前我国的多维贫困现状。依据多维贫困理论及我国农村贫困实际状况，在构建多维贫困及原因识别体系的基础上，利用2015年对甘肃省一个贫困村的社会调查资料，对该村的多维贫困现状进行了测算和识别，并对导致贫困的原因进行了probit回归分析。结果显示：尽管该村仍然存在着收入上的贫困，但教育和健康方面的贫困更加严重，多维贫困发生率较高；回归结果表明农户务工收入比重、教育、健康、信贷等在不同程度上可以解释多维贫困的发生原因。在此基础上提出了针对该村多维贫困现状的精准扶贫措施。

多维贫困；原因识别；精准扶贫

一、引言

改革开放以来我国经济长期的高速增长和持久的反贫困战略实施，使得农村贫困状况发生了巨大变化。1978—2013年，农村居民人均纯收入绝对数由133.6元增加到8895.9元，增长近66倍。农村居民人均消费水平由116元增加到6625.5元，恩格尔系数由67.7%下降到了37.7%（数据来源：中国统计年鉴2014）。农村贫困发生率从1993年的8.7%下降到了2010年的2.8%，2011年按照新定2300元的贫困标准全国有1.28亿贫困人口，截至2014年农村贫困人口已经减少到7017万人（我国贫困标准变化历史：1978-2008年实行的是绝对贫困标准，2000-2010年实行的是最低收入标准，2011年重新提高贫困标准到2300元）；另一方面，我国贫困特征和贫困性质也发生了较大变化，出现了致贫原因复杂化、贫困人口整体分散局部集中、新的贫困群体不断涌现、代际传递明显等一系列新的特征，贫困性质也由生存性贫困、绝对贫困向发展性贫困、相对贫困发生转变。虽然我国现行2300元的低收入贫困标准，与原来的贫困线相比有了较大幅度的提高，也兼顾考虑了贫困人口的教育、医疗缺乏等问题，但扶贫关注的焦点仍然聚焦在贫困人口的收入状况，解决的是贫困人口的基本生存问题。同时，我国传统扶贫措施正面临着在贫困特征和贫困性质已发生较大变化下的一系列新问题，诸如贫困人口的不断边缘化、发展能力建设不足、可持续性的人力资本开发不足、权利贫困问题难以解决、贫困地区生态环境和民族文化遭到破坏等问题。面对新的变化，新的问题，新时期的精准扶贫需要从更加深入的角度认识贫困，这样有助于更加精准地识别贫困对象、找准致贫原因、采取针对性措施，提高扶贫效率。以下本文将以多维贫困理论为基础，以贫困人口及致贫原因的精准识别为目标，利用近期我们对甘肃省一个贫困村的调查资料，就我国贫困性质变化下的多维贫困及识别问题进行探讨。

二、文献综述

随着社会经济的发展，学术界对贫困问题的认识不断深入和扩展。Morris在1979年就提出了物质生活质量指数，其中涉及到人类的多方面发展，而不是仅仅停留在对收入水平的关注上；［1］Hagenaars 在1987年从收入和闲暇两个方面对贫困进行了两维度评价，丰富了贫困的测量内容。［2］但真正引起学术界从多维角度关注贫困的则是阿玛蒂亚·森（1999）的多维贫困理论，他首次将能力贫困纳入贫困研究范围，认为贫困不应该局限于收入水平的低下和物质的匮乏，也表现在发展机会的缺失。［3］在此基础上联合国计划署（1990）创建了人类发展指数和人类贫困指数，从健康、教育和生活水平三个维度衡量人类发展。2010年联合国计划署与牛津大学又联合推出了多维贫困指数，依然从三个维度测量贫困，但对贫困的测量内容进行了拓展，也更加符合人类发展要求。

国内学者关于贫困问题的早期研究，主要是依据传统的经济贫困理论，大多集中于经济增长、收入分配与贫困之间关系的研究。［4-6］随着国际上多维贫困理论的提出，国内贫困问题研究者普遍认为，人力资本对贫困有着重要影响，［7-8］而人力资本的提升得益于教育培训、健康状况的提高，［9］农户教育水平的提高能够在很大程度上降低贫困发生率。［10］也有学者认为，社会排斥虽不等于贫困但却是表达贫困的有效方式，［11］是导致贫困人口发展机会丧失、机会不均等的主要原因。［12］除了来自于贫困人口自身能力的影响因素外，自然灾害的巨大破坏性及农户对灾害应对和防御能力的脆弱性，使得自然灾害对贫困发生率具有重大影响。［13-14］

认识到贫困受多方面因素影响，加之国外多维贫困理论的发展，国内学者开始结合我国实际，从多维视角关注贫困测度问题。李小云设计了包括教育、卫生、生活状况等8个方面的参与式贫困指数，丰富了贫困的测算内容。［15］王小林等利用中国健康与营养调查数据，从教育、健康、住房等八个维度测算了我国城市和农村家庭的多维贫困，发现我国城市和农村家庭都存在除收入之外的多维贫困。［16］许多学者的研究结构表明，利用多维贫困测量方法测量的贫困程度要高于利用传统单一的收入测量法测量的结果，而且更有利于扶贫政策的选择。［17-21］

由以上可见，随着我国经济社会结构转型的不断深化和扶贫事业的不断推进，多维贫困理论及实践运用将是一个必然趋势。

三、多维贫困识别体系的构建

我国贫困特征及贫困性质所发生的重大变化，对新时期减贫工作提出了新的要求，实施以全面贯彻“精准”要求的精准扶贫成为新时期扶贫战略的重大选择，而对贫困人口及其贫困原因的精准识别将是实施精准扶贫的首要任务和关键步骤。以下本文将从贫困人口、贫困户贫困原因和贫困村贫困原因三个有机联系的层面构建贫困识别体系。指标体系构建的基本原则是：遵循以人为本的宗旨，指标设计与人类发展指数保持一致，且指标之间的相关性最小，体现系统性、科学性和实用性。主要依据有五个方面：一是联合国千年发展目标、人类发展指数和多维贫困指数，并遵循各个指标的相关技术规定；二是沿用国家扶贫办农村贫困调查指标；三是结合《中国农村扶贫开发纲要（2011-2020）》中提出的主要目标指标；四是结合国内著名学者（如汪三贵、王小林等）已有研究；五是依据中国农村贫困地区的具体情况并兼具数据的可得性。

（一）贫困人口（或贫困户）识别体系。

贫困人口（或贫困户）识别体系由收入、教育、健康三个一级指标，人均纯收入、受教育程度、儿童辍学率、家庭健康状况、医疗保险、住房条件、饮用水、燃料类型、卫生设施、生活用电、家用电器11个二级指标构成。首先，收入维度。目前我国绝对贫困人口仍然存在，且《中国农村扶贫开发纲要（2011-2020）》中明确提出了到2020年贫困地区农民人均纯收入高于全国平均水平的要求，根据联合国人类发展指数（HPI）的维度之一即收入指数，本文把收入作为识别体系的维度之一，临界值依据国家最新贫困标准2300元设置。其次，教育维度。依据2010年联合国人类发展计划署和牛津贫困与人口项目提出的多维贫困指数（MPI）中教育维度的指标设置，结合我国农村贫困现状，采用成人受教育年限和儿童辍学率两个指标来表现教育维度上的贫困状况，临界值的设定按照联合国多维贫困指标设置。第三，健康维度。人的健康主要取决于自身健康状况和客观生活条件，而客观的生活条件包括吃、住、医疗等。兼具我国的现实状况和数据的可得性，本文选取了家庭健康状况、医疗保险及反映生活条件的住房条件、饮用水、燃料类型、卫生设施、生活用电、家用电器等6个指标，共计8个指标来表现健康维度上的贫困状况。指标临界值的选择遵循人类发展报告中MPI的设计标准，其中饮用水标准依据我国农村安全饮水的统计标准，把国际上通用的浅井水也划归为贫困。

表1　多维贫困人口（贫困户）识别体系

（二）贫困原因识别体系。

生活环境分为家庭微观环境和家庭所处地理位置的宏观环境两个部分，微观上家庭是每个社会人最小的生存单位，每个家庭的组成、人口结构、生活方式不尽相同，进而导致贫富不均；宏观上，每个家庭存在于差异巨大的外部环境中，如经济增速差异、南北气候差异、平原和多山地区的地形差异，种种差异的存在导致每个家庭生活水平不同。本文采用层次分析法，把对贫困原因的识别分为微观和宏观两个层次，微观指家庭单位，宏观指村级单位，构建贫困户和贫困村的贫困原因识别体系，具体见表2和表3。

表2　贫困户贫困原因识别指标体系

表3　贫困村贫困原因识别体系

（一）样本区概况与数据来源。

本文选取地处甘肃省兰州市皋兰县忠和镇南部的六合村进行调查，该村南与兰州市安宁区接

四、案例实证分析

壤，距离兰州市仅7公里、皋兰县城35公里，下辖4个自然村（薛家湾、安家沟、梁家湾、拐达沟），6个村民小组，现有856户3229人，其中常住人口438户，2014年人均纯收入达到6476元。总耕地面积5507亩，其中水浇地2298亩，人均耕地1.72亩。目前建有村卫生所1所，小学1所，文化活动广场1处。全村现有贫困人口106户414人，占总人口的12.82%，其中一般贫困户21户86人，低保户76户311人，五保户9户17人。

本研究所采用的数据主要来自于2015年10月对六合村进行的入户调查，本次调查的内容主要包括农户家庭成员结构、收入支出、农业生产、医疗卫生、教育培训、金融服务等7个方面。调查过程中由于农户下地务农、外出务工、走访亲朋等原因，最终共获得210户1026人调查数据，其中含29户贫困户和2户五保户的基本资料信息。

（二）多维贫困广度和深度分析。

1.不同维度下的贫困规模。

根据上文识别体系中各指标贫困线的设定，六合村在各指标上的贫困发生率如表4所示。收入一级指标上，该村农户中人均收入水平在2300元以下的农户数为29户122人，占样本总户数和总人数的比例分别为13.81%、11.89%，这与政府建档立卡贫困人口贫困发生率12.82%几乎相等。对农户人均纯收入进行分组可以发现该村有86.19%的农户收入都达到2300元以上，其中15%左右的农户收入水平接近或超过该县当年6512元的人均纯收入水平。

教育维度上，家庭成员平均受教育程度在小学及以下的农户为89户，占总户数的比重为42.38%，农户贫困发生率为42.38%，小学至初中水平的农户比重为45.72%，初中至高中和高中及以上的农户比重分别为10%和1.9%，将近一半的农户受教育水平只达到小学及以下程度。此外，调查农户中不存在6-15岁儿童辍学情况，说明农户已经意识到儿童教育的重要性，愿意对后代进行教育投资。

健康维度上，从农户自身健康水平上看，家庭成员中至少1人身有残疾或患长期慢性病农户占比达到50%，虽然被调查农户都参加了新型农村合作医疗，但遇大病、重病必须首先到县医院治疗，当县医院医治不了并开具证明的情况下，才能到县以上的医院进行医治，否则不予报销或报销比例很低，这种医疗报销制度的规定与该地区地理位置距市近，距县城远的实际情况不匹配，农户未能真正从新农合中受益，农户在该指标上反映的贫困发生率为0，但实际上贫困，且因病致贫的几率增加。从生活条件上看，5.24%的农户居住在土坯结构的房屋中，21.9%的农户生活燃料为不洁净的柴草，34.29%的农户家用电器不超过2件，调查对象中通电、通自来水、拥有室内冲水厕所或旱厕的农户都已经达到100%。但实际上农户饮水依然困难，一方面，受当地冬季温度较低影响供水不及时，自来水大概只在6至10月份供应，供水期间，村民把水存入水窖以备日后用水，当水用完后只能到就近集市买水；另一方面，自来水管质量较差导致供水不畅，水管爆裂却没有部门管理维修，造成饮水困难。一定程度上反映了农村扶贫项目在建设中因地制宜、建设后管理维护等存在问题。

表4　贫困识别体系各指标贫困户贫困发生率

从不同维度下的贫困发生率比较来看，教育、健康维度的农户贫困发生率都大于收入维度的农户贫困发生率，其中健康维度的贫困发生率最高；从任意两维度同时贫困的发生率来看，收入与教育同时存在贫困的农户为20户，农户贫困发生率为9.52%，收入和健康维度同时贫困的农户为23户，农户贫困发生率为10.95%，教育与健康维度同时存在贫困的农户为69户，贫困发生率为32.86%，农户教育和健康维度同时贫困的比例最高。同时，在收入、教育、健康三个维度同时贫困的农户有16户，贫困发生率为7.62%，这也意味着在调查样本中收入低于2300元以下的29户贫困户中有55%的属于在三个维度都贫困的贫困户。

以上分析表明：该村农户中的生存贫困已经得到大幅解决，而教育和健康方面的多维贫困已成为贫困问题的重点，以单一收入指标为主的贫困识别标准已难以适应贫困性质转变条件下的贫困及原因识别。同时也表明，采用多维识别方法更能全面地反映该村的贫困状况和原因，并且在相当程度上能够区分贫困对象的轻重次序，对实施有效的精准扶贫具有重要意义。

2.多维贫困规模。

仅按单一的收入水平低于2300元的贫困标准计算，该村的农户贫困发生率为13.81%，但识别体系中11个指标，除因调查数据局限在一个村导致的贫困发生率为0的指标和住房条件指标外，受教育程度、家庭健康状况、燃料类型、家用电器等指标上的农户贫困发生率都大于收入指标的农户贫困发生率，表明农村不仅存在收入上的贫困，也存在其他维度上的贫困。因此，本文将采用多维贫困测量方法，对六合村的多维贫困广度和深度进行分析。

本文参照Sabina Alkire，James Foster（2011）［22］的多维贫困测量方法，首先选取多个指标作为多维贫困测量的维度，对每个维度设立临界值来确定个体在每一维度上的剥夺情况，在计算第i个个体每个维度是否受到剥夺的基础上，加总此个体受到的被剥夺维度总数，然后设定被剥夺维度的临界值，若被剥夺的维度数量大于或等于临界值，则此个体被视为多维贫困。本文通过调查问卷收集数据计算了多维贫困发生率H、多维贫困剥夺程度A和多维贫困指数M0，用于分析六合村的多维贫困状况。贫困发生率H为多维贫困农户占总农户的比例；贫困剥夺程度A为贫困农户家庭平均被剥夺的维度数占总剥夺维度数的比值，多维贫困指数M0是这两个指标的乘积。具体计算公式如下。

MPI=H×A（3）

其中，q表示多维贫困人口，n表示研究区域总人口，Ci（k）为在贫困临界值为k的情况下第i个体或农户被剥夺维度数总和；d为总维度。

在各指标等权重的情况下，农户在第K个指标上超过该指标的临界值，即视为在第K个指标上贫困，计算当K的取值为1、2、3、4、5、6时的农户贫困发生率（H）、贫困剥夺程度（A）和多维贫困指数（M0），以此估算六合村的多维贫困结果，具体情况见下表5。

表5 多维贫困测算结果

由上表可见，当K=1时，即考虑11个指标中任意一个指标下的贫困，农户贫困发生率为84%，贫困剥夺程度为18.29%，多维贫困指数为0.1553；当K=2、3、4、5、6时，农户贫困发生率为 25.27%、24.76%、9.05%、2.86%和0.48%，且同时在收入上受剥夺的农户贫困发生率为3.81%、3.33%、3.33%、1.90%、0.42%，多维贫困中，收入对多维贫困的贡献是较低的，表明农户不仅存在收入方面的贫困，在有关农户生产生活发展的住房、生活燃料、家用电器、教育水平和医疗健康等方面同样存在贫困，而且更加严重。随着维度个数的上升，农户多维贫困发生率在下降，但贫困剥夺程度则呈上升趋势，表明贫困维度增加的同时多维贫困的广度在降低，而深度在增强，虽然多个维度上同时贫困的农户数量随着维度个数增加而下降，但多维贫困者的被剥夺程度更加严重，农户在多维贫困中的贫困点不同，说明现行的统一的扶贫政策和项目显然是不合适的，不利于解决农户的特殊贫困。根据国际上同行的标准，三个及三个以上指标同时贫困则认为存在多维贫困，该村多维贫困程度达到13.07%。

（三）贫困原因分析。

1.贫困原因识别体系指标的调查数据描述。

调查资料统计显示，从全村基本情况上看，六合村基础设施严重不足，通村道路虽然硬化，但村庄内部仍有一半的道路为土路，不仅影响村民的日常出行生活，且对农业生产、特别是农产品外运造成不便。公共服务水平低，全村仅有一所卫生室，且仅有一位当地医生，虽然新农合参保率虽达100%，但由于政策硬性规定，农户受益程度较低；小学教育质量不高，大多数农户将孩子转到县城或市区谋求更高质量的教育，家庭教育支出增加；金融服务方面，全村有两个金融网点，能够满足村民日常取现或存储业务，但大额贷款的程序相当麻烦和困难，不能满足村民贷款需求；全村通网农户数为0，信息化水平低。此外，该村无增收产业，受地形影响，农业主要生产西瓜、南瓜、西红柿等经济作物，但生产的规模化、组织化程度低，耕作技能传统，没有形成产业优势，加之自然环境差，灾害频发，农户对灾害的抵抗能力较低，脆弱性加深。农产品主要运往最近的兰州市，但供销方式基本是独家独户的自运自零售，交通运输工具主要以农用三轮车为主。

从农户家庭生活生产特征上看，收入结构方面，农户家庭收入来源主要有农业收入、务工收入、非农经营收入和其他收入，其中农业收入、务工收入占总收入的比重分别为35.68%、59.08%，而非农经营收入和其他收入只占到总收入的5.25%，说明外出务工收入和农业收入是大多数农户家庭总收入的两个主要组成部分，且以务工收入为主；人口结构方面，全村人口负担系数大于或等于50%的农户数达到100户，占总户数的47.62%，将近一半的农户不在国际认定“人口机会窗口”（人口负担系数小于等于50%）内，这部分农户家庭负担较重，更易产生家庭贫困。教育培训方面，家庭成人平均受教育程度为小学及以下的户数达到89户，占总户数的42.4%，将近一半的农户受教育水平只达到小学及以下程度，且家庭拥有技术人员数量大于等于一个的农户数为40户，占总户数的19%，大多数农户没有受过任何培训；信贷方面，全村10年内农户平均贷款频次为0.49次，平均贷款额为8452元，其中没有贷过款或贷款频次小于2的农户为91户，占总户数的43.3%，且贷款的用途主要是农业投入，占比57%，而用于日常生活（主要是盖房、结婚）、医疗、教育、创业投入的农户占比分别为20%、13%、8%和2%。

2.贫困影响因素分析。

为更加精准地识别贫困原因及影响程度，以下就贫困影响因素进行probit回归分析。对解释变量进行的相关分析表明，相关系数最大为0.284，低于共线性门槛值0.7（Lind，2002）。［23］本文采用二值响应模型中的probit模型，结合上文测度的多维贫困结果，选取K=3时贫困状况作为因变量，取值0或1，而自变量则根据本文设计的贫困原因识别体系指标和其他学者相关研究［24］［25］［26］选取收入结构、人口负担系数、教育年限、健康状况、信贷水平、农用机械、耕地面积等7个变量。各变量定义及影响预测详见表6。

表6 变量解释与说明

本文运用stata13.0统计软件进行probit回归，结果表明（下表7）：模型中7个解释变量的系数除人口结构、劳动工具两个变量不显著外，其余均显著。自变量的回归系数表明在控制了其他因素后，该自变量的变化对农户贫困概率的影响方向和程度。

在收入结构上，农户务工收入占总收入比重系数为-0.801，且显著，边际概率为-0.160，表明农户务工收入占比对多维贫困概率的影响显著为负，表明农户务工收入占总收入比重每提高1个百分点，农户陷入多维贫困的概率就降低0.801。这与该村农户家庭收入主要来源为务工收入有关，务工收入比重高一方面可以积累家庭财富，在教育、医疗、生活消费等方面产生优势，另一方面，务工收入比重高说明农户教育、技能可能比较高，有利于农户在其他方面的发展。家庭人口负担系数的系数为0.066，作用方向与预期一致，但并不显著，可能的解释是随着国家政策利好，九年义务教育的实行，子女的教育负担减轻，而养老保险也相应地减轻了老人带来的家庭负担，导致家庭负担对贫困的影响不显著；教育方面，农户成人平均受教育年限的系数为-0.277，显著为负向作用，边际概率为-0.055，表明农户成人平均受教育年限每提高1年，贫困概率就降低0.055，这与“知识改变命运”的说法呼应，表明教育在脱贫上发挥着显著的正向作用；健康方面，农户不健康人数的系数为0.570，非常显著，边际概率为0.114，表明农户家庭不健康人数每增加1人，贫困概率就提高0.114，影响是非常大的，农户家庭重大疾病、无劳动能力人数较多已经成为致贫的重要因素，也反映出农户家庭劳动人口对脱贫的重要性。信贷水平的系数为-0.580，显著，边际概率为-0.116，表明农村信贷对农户贫困概率有负向作用，这与近年来国家提倡的金融扶贫相通，农户贷款可以解决农业季节性收支矛盾，还可以提高农户自主创业的资产水平，有助于带动其他人脱贫。生产条件上，耕地面积是农户赖以生存之本，对贫困概率的影响显著为负，系数为-0.117，边际概率为-0.023，影响作用相对较小，表明土地虽是农村农户生存的依赖，但随着经济的发展，城乡二元制的缓解，劳动力流动，农户对土地的依赖不再那么强烈。劳动工具的系数为-0.319，是负向影响，与预期一致，但并不显著，这可能与该村特殊的地理位置有关（距兰州市很近，为出售农产品几乎每家都有一辆农用三轮车）。

表7　probit模型的回归结果

五、结论及建议

以上分析表明：依据国际通行的多维贫困识别标准，六合村在存在收入维度的贫困（贫困发生率为13.8%）的同时，教育、健康维度的贫困更为突出（教育维度的贫困发生率为42.4%、健康维度的贫困发生率为50%），而依据多维贫困测算方法得到的贫困发生率达到13.07%（即：三个及三个以上指标受剥夺的农户多维贫困发生率）。尽管我们的研究仅针对六合村，且该村的综合条件状况应比大多数偏远（远离城镇的）贫困乡村的条件要好，这一实际表明，针对我国大多数贫困乡村来说，在普遍存在收入维度的贫困的同时，教育与健康维度的贫困更加严重。对于当前进行的精准扶贫工作来说，除了重视提高贫困人口的收入外，同时还应重视多维贫困严重的现实，在贫困及原因识别方面应采用更为科学合理的多维贫困识别方法，特别应将教育、卫生、社会保障等方面的社会事业扶贫作为精准扶贫的重点之一，既解决当前问题，更注重长远发展。

针对文中对该村贫困原因识别的计量分析结果，就该村的精准扶贫提出以下具体建议。首先，教育扶贫上，实施幼儿教育向乡村中心集聚发展战略，积极着手农村幼儿园建设，采取多种形式扩大乡村学前教育，可在村小学附设学前班，逐步实现乡村儿童1至3年的学前教育普及。加大政府投入，全面落实贫困乡村幼儿学前免费教育。鼓励本地优秀师范人才留任，吸引外地优秀教师流入，提高小学教学质量；其次，卫生医疗上，强化乡村医生培养培训，不断提高乡村医生的服务能力和水平，同时要积极培养农村卫生室医生的接班人。在医疗保险报销制度上，应考虑该村的实际地理位置，把该村病人看病住院的医保医院范围确定为兰州市安宁区某一医院（实际上，就全国农村医疗保险实施而言，在实行分级诊疗制时，应考虑打破行政分割，实施就近诊疗制度）；第三，大力实施就业培训扶贫，本研究及许多实证研究都表明促进农村劳动力外出务工对农村扶贫具有非常重要的提升作用。因此，应将对贫困农户的劳动力技能培训作为重点，通过技能培训，提高务工人员的素质和技能，拓宽就业渠道，建立村级就业服务点，汇集周边招聘信息，加强求职与招聘的对接，提高农户务工收入；第四，加快信息化建设，着手实现全村通互联网建设，实施电商扶贫，建立物流代理点和信息化培训点，促使农户利用互联网实现生产、生活的便利，加快农产品的商品化；第五，加快村内增收产业建设，结合该村主要经济作物，建设产业化基地，推动贫困地区产业规模化、集约化和专业化，有组织的进行经济作物的销售，如利用距离兰州市近的优势，与兰州市内各大超市联合，定点输送瓜果蔬菜，降低销售成本；第六，加大农村金融扶贫力度，放宽抵押条件，如可将农户拖拉机、农林地产权、温室大棚等纳入银行贷款抵押范围，建立贫困户贷款风险补偿基金，发生贷款损失时，政府与金融机构按一定比例分担，降低金融机构的风险；第七，建立扶贫公共设施项目建成后的可持续使用及维护机制，如该村自来水管在冬季因气候原因冻爆或长期不能使用问题，这一事例实际上也反映出一个扶贫工作中普遍存在的问题，重眼前项目建设、轻后续维护管理。若任由这一状况发生，许多扶贫公共设施（如建成的硬化村道、水利设施、自来水设施、乡村文化广场等）可能存在着因缺乏管理和维护而使用寿命缩短、甚至荒废、报废的可能。这需要在扶贫工作中予以特别重视，当项目建成后还应考虑帮助村委会及时建立设施的后期管理及维护制度。

尽管以上建议针对该村提出，但这些建议应还是有着一定的普遍意义。同时，本文的局限主要在于调查数据的样本量较小，可能对回归结果及系数显著性产生影响，且调查范围局限在一个贫困村，很难对诸如村级基础设施、公共服务、村庄环境等一并纳入致贫因素进行深入分析。

［1］Morris D.Measuring the Condition of the World's Poor:The Physical Quality of Life Index［M］. New York:Pergaman Press，1979.

［2］Hagenaars A.A Class of Poverty Indices［J］. International Economic Review，28（3）1987.

［3］Sen A K.Commodities and Capabilities［M］. Amsterdam:North Holland，1985.

［4］胡兵，赖景生，胡宝娣.经济增长、收入分配与贫困减缓——基于中国农村贫困变动的实证分析［J］.数量经济技术经济研究，2007，（05）.

［5］罗楚亮.经济增长、收入差距与农村贫困［J］.经济研究，2012，（02）.

［6］沈扬扬.经济增长与不平等对农村贫困的影响［J］.数量经济技术经济研究，2012，（08）.

［7］黄敬宝.从根本上解决农村贫困问题——以人力资本投资打破我国农村贫困的恶性循环怪圈［J］.财经问题研究，2004，（05）.

［8］邹薇，郑浩.贫困家庭的孩子为什么不读书:风险、人力资本代际传递和贫困陷阱［J］.经济学动态，2014，（06）.

［9］刘纯阳.人力资本投资对贫困地区农民增收作用的实证分析—对湖南西部贫困县的实证分析［J］.教育与经济，2005，（02）.

［10］刘修岩，章元，贺小海.教育与消除农村贫困:基于上海市农户调查数据的实证研究［J］.中国农村经济，2007，（10）.

［11］银平均.社会排斥视角下的中国农村贫困［J］.思想战线，2007，33（01）.