多维贫困背景下模型构建精准识贫研究

凌博威

[摘 要] 贫困标准是贫困研究中首要解决的问题，作为一个有效的经济工具，不仅可以用来统计贫困人口，还有助于政府制定各种政策来消除贫困。当前，我国的贫困标准仍低于国际标准水平，且对贫困人口的识别角度相对单一，采用的贫困户分配方式是由下到上逐级举证的模式，无法达到精准到户的效果，耗费大量的人力物力。为解决现有制度的弊端，本文在现有研究水平的基础上进行创新，综合某地区的多维致贫因子，并借助于建档立卡，提出精准识贫的函数假设模型，并通过对比函数结果和民政局在档贫困户之间的拟合度，不断调整函数式，从而达到快速、客观、准确识别贫困户的目的。

[关键词] 贫困标准；多维贫困；模型

[中图分类号] C93 [文献标识码] A [文章编号] 1671-0037（2017）1-33-3

Research on Model-based Precise Poverty Identification in the Background of Multidimensional Poverty

Ling Bowei

（ School of Information Management， Zhengzhou University， Zhengzhou Henan 450001）

Abstract： Poverty standard is the most important problem for solution in the study of poverty， as an effective economic tool， it can not only be used to count the poor， but also help the government to formulate various policies to eliminate poverty. At present， the standard of poverty in China is still lower than the international standards， the poor identification perspective is relatively simple， and the poor distribution is using a proof mode from bottom to top level， which cannot achieve the effect of being accurate to household， consuming a large amount of manpower and material resources. To solve the drawbacks of the existing system， this paper makes innovation based on the existing research level， combines with the multidimensional poverty factors in a certain area， with the help of filing puts forward a function hypothesis model of precise poverty identification， and adjusts the function constantly by comparing the fitting between the function results and the filed poor households in Civil Affairs Bureau， to achieve the goal of rapid， objective and accurate identification of poor households.

Key words： poverty standard； multidimensional poverty； model

1 引言

党的十八大以来，脱贫攻坚取得显著成绩。2013—2016年4年间，每年农村贫困人口减少都超过1 000万人，累计脱贫5 564万人；贫困地区农村居民收入增幅高于全国平均水平，贫困群众生活水平明显提高，贫困地区面貌明显改善。由于贫困人口基数大，致贫原因多样化，我国仍有7 000多万人处于贫困水平线以下。随着2020年全面建成小康社会的节点不断迫近，现行的扶贫政策仍存在很多问题亟待解决，使扶贫工作难以展开。传统的由下到上逐级举证的模式，不仅耗时耗力，而且由于认证贫困户的权力在县以下的基层政府和村委会，在实际实施过程中，扶贫对象确定不客观、不透明，扶贫工作负责人缺乏一致的执行标准，贫困户候选人大多定在自己的社会关系圈中，导致了最终确定的人选不准确。而借助建档立卡的“东风”，利用其得到的原始数据，可以综合多维贫困因子建立函数模型，实现快速识别贫困户的功能，并通过对数据分析后与当地民政局所得贫困户登记表情况作对照，验证假设模型的可行性，利用函数模型贫困相关因素权值对政府识贫、定贫、扶贫提出具体有参考性的建议。本文从多维度贫困的视角对我国农村目前的贫困标准进行考察，通过分析我国农村居民呈现的多维度贫困现状，指出现行农村贫困标准存在的问题，最后对我国农村贫困标准的完善与改进提出建议。

2 我国当前的农村贫困现状

從多维贫困的视角来看待我国当前的贫穷现状，依然需要承认收入对农户贫困的影响力不可忽视。收入在一定程度上反映了农户创造价值及生存的能力，但仅凭收入，又无法全面且深入地反映农户真实的贫困情况，因而在贫困标准的制定过程中，不能仅考虑农户的个人收入而将其他影响个人生活的指标忽视，包括家庭成员健康状况、家庭劳动力的数量、教育水平、区域固有环境、所享受的政策福利等等[1]。从多元的视角考虑让我们对贫困的性质和原因理解得更加深入，能更好地衡量和消除贫困。

2.1 收入因素

农民收入是衡量农户是否贫困最直接也是最容易操作的度量，当然多维贫困的概念也不否认低收入是导致贫困的重要原因。传统方法对于贫困人口的界定是以其收入作为衡量标准的，农户是否贫困取决于其个人可支配收入与给定的贫困标准的比较来划分的。显然，单一以收入作为判定贫困标准不能全方位地消除贫困。为了直观且可信地说明当前我国农村收入贫困状态，本文选取各年度国家统计局的统计年鉴数据。从数据中可以清楚地看到2013—2015年期间农村居民分组的人均可支配收入变化，但用其表示我国农村贫困农户的情况却是不合适的，且不符合我国的当代国情。

2.2 健康因素

健康水平是农民参与农业活动、社会活动的前提。而影响农民健康水平的因素主要分为两种：自然因素和社会因素[2]。自然因素是指由于自然的力量导致健康被剥夺，如先天性的疾病或者受到伤害导致的残疾；社会因素指的是因非自然力量导致的健康机会被剥夺，如过高的医药花费、医疗保障的不完善等导致的二次伤害。健康水平作为衡量贫困的一个因素，能评估农户对于贫困的抵御能力。良好的健康水平有助于农户脱离贫困，而疾病、医疗水平、政策保障等方面发展薄弱，很可能造成贫困的发生或者程度的加深。

2.3 劳动力

劳动力，意指具有进行经济活动能力的人员，理应是农村脱贫的中坚力量。然而，现实情况下，由于农村固有经济、自然条件的限制，劳动力选择外出务工加剧了农村经济贫困，使所在家庭陷入贫困的概率更大、程度更深。一方面，由于农村劳动力剩余不足，大量的劳动力外流导致当地劳动力短缺，从而限制了家庭发展；另一方面，由于家庭人员的分离，家庭收入虽然增加，但经等值规模调整后人均收入不增反降，加剧了家庭贫困。当前，经济形势严峻，“打工经济”萧条，劳动力外流家庭举家进城难以实现，而促进留守劳动力、回流劳动力就地就业，立足当地资源、实现就地脱贫，是推进精准扶贫的首选之策。

2.4 教育水平

教育是减少贫困的一个重要工具。舒尔茨和贝克尔的人力资本理论认为：通过传授知识和生产技能，提高劳动生产率，能够有效增加劳动者的收入。另外，教育不仅可以提高贫困农民的自身能力，使其摆脱贫困实现可持续生计，还能改变贫困农民自身的脆弱性，有效降低脱贫农民的返贫率。李晓嘉采用中国家庭动态跟踪调查（CFPS）方式，在2010年和2012年共调查25个省、市、自治区的7 524个农村家庭，通过构建一个四阶段政策评估系统，发现延长教育年限对于绝对贫困群体的工作收入仅有微小的增加作用，但对相对贫困群体的收入却有较为显著的促进作用[3]。因此，政府应把教育作为农村开发式扶贫资金的投入重点，不仅可以提高农民自身获取收入和应对贫困风险的能力，还能阻断贫困的代际传递，有效减少农户陷入贫困后的政府扶持和救助。

2.5 区域固有环境

贫困农户生活水平的提高与其所处的区域固有环境有着密切的关系。以农业为主业的地区为例，自然环境是贫困农户发展的前提，是影响其农业生产的关键因素。良好的自然环境有助于当地农户的生产、经济活动，为其提供了丰富的原材料，是消除贫困的催化剂。但自然资源并不会必然地带来快速的经济增长，丰富的自然资源还有可能阻碍经济的增长，发生“资源诅咒”。段利民认为解决“资源诅咒”的有效途径就是协调好收入与分配的问题，把资源收入用于可持续发展因素的培育上[4]。区域内的交通因素、经济因素也在一定条件下制约贫困农户的发展。

2.6 所享受的政策福利

扶贫政策制定的目的是为了消除贫穷，为扶贫提供指导思路与建议，但政策执行力不足可能会导致资源分配的不公，直接影响扶贫效果。缑文学通过对湘西土家族苗族自治州各项扶贫政策的实施情况调研，发现湘西大部分农民并没有感受到惠农政策带给他们的实惠和利益[5]。究其原因有以下几个方面：配套资金制度作为“一刀切”的激励方法造成拿走项目的都是经济实力比较好的县份，越穷的地方越得不到中央和上级政府的支持；脱贫在相当大的程度上是依附性的，贫困地区的经济发展缺乏一种内生的发展动力；大多数的审批只是流于形式，无法监管到位。因此，要改善这些政策福利的不利影响，必须考虑到特殊地区的实际情况，制定相应的扶贫政策。

2.7 其他因素

针对不同地区的实际情况，致贫因子也不尽相同。为了提高该模型的可扩展性，应考虑其他因素，避免模型片面化。在模型中加入其他因素，使函数可以在更多的地域得到扩展。

3 我国多维贫困的测量方的模型构建

我国幅员辽阔，致贫因素复杂多样，很难制定出统一的扶贫标准，整体识别起来难度很大，仅以收入作为衡量指标又有其现实弊端。综合区域特点和贫困家庭的特殊状况，利用因子加权方法预设精准识贫的假设模型，并通过问卷分析结果调整假设模型是一个不错的解决途径。把收入和其他的非收入因素放在一个同等的位置，通过赋予不同的权重，计算一个综合的指数，来考虑贫困是否发生。模型从多维因素出发，充分利用现有建档立卡机制的优势，在对家庭的基本情况进行了解的基础上，通过对与贫困有关的各个因素赋以不同的权值，各因素的权值与某一家庭对应的该因素的衡量值之积的累加和定量表示该家庭的贫困指数，达到精准识别贫困户的预期效果。模型从涉及家庭生活水平最为关键的指标入手，对各种指标的贡献率进行严密科学的分析，通过调查问卷分析结果，对模型进行验证及调整，使模型更加贴合当地的实际情况。该模型从多方面进行定量分析家庭的现有生活层次，打破了现有贫困户识别过程中单纯以人的主观因素来分配指标的弊端，旨在为扶贫工作推进起到一定的参考。具体模型公式如下：其中Xi代表导致贫困的各个因素，Vi代表该因素的权值。函数值越高，则认为越不贫困，反之，则越贫困。

“精准识别”要求的是将贫困指标精准分配到户，做到不漏任何贫困户。该模型虽然整体呈现出可行的状态，但还是存在着不可避免的系统误差，因而在实际的识贫过程中，以模型得出的定量分析结果为主，并辅以必要的主观评价，扶贫工作者还要根据当地的实际情况动态调整模型。

4 结论和建议

通过建立模型的方法衡量、识别贫困，把收入和其他的非收入因素放在一个同等的位置，通过计算一个综合的指数，可以轻松、客观地识别贫困。

利用构建的模型可知某地贫困人群的主要致贫原因有以下几个方面：家庭有效劳动外流情况严重；土地单位面积产生经济效益低；各户所享受地区帮扶政策不同；各地区每年自然环境情况难以预测；教育、医疗、生活起居等开支对贫困户造成巨大负担等。由于致贫因素的多样化导致贫困户的贫困问题一直难以定点、定户地展开，无法起到实质性的帮扶作用。因此，需要对不同贫困户可能存在的不同致贫因素，提出具有参考性、针对性的建议。

参考文献：

[1] 韓林芝，邓强.我国农村贫困主要影响因子的灰色关联分析[D].北京：中央财经大学经济学院，2009.

[2] 郝璐.多维贫困视角下我国城镇贫困标准研究[D].北京：北京化工大学，2015.

[3] 李晓嘉.教育能促进脱贫吗——基于CFPS农户数据的实证研究[D].北京：对外经济贸易大学公共管理学院，2015.

[4] 段利民.资源诅咒与区域经济增长研究[D].西安：西北大学，2009.

[5] 缑文学.政策执行对贫困的影响——以湖南湘西为例[J].广西大学学报，2011（3）：49-50.