主观贫困影响因素研究——基于CGSS(2012—2013)的实证研究

刘 波，王修华，彭建刚

(湖南大学 金融与统计学院，湖南 长沙 410079)



主观贫困影响因素研究
——基于CGSS(2012—2013)的实证研究

刘 波，王修华，彭建刚

(湖南大学 金融与统计学院，湖南 长沙 410079)

贫困不仅是经济问题，还是社会问题，基于居民收入的客观经济贫困存在一定的局限性，不能反映居民在教育、医疗和养老等公共服务产品的消费情况，经济上的客观贫困和心理上的主观贫困存在较大差异，主观贫困更能全面真实地反映居民的贫困状态。本文基于2012—2013年中国综合社会调查(CGSS)数据，采用双变量Probit模型，并对其边际效应估计方法进行改进，研究我国居民主观贫困的影响因素。结果表明，受访者所在的区域、受教育水平、工作类型、家庭财富、住房面积、社会评价、决策参与、医疗保险、婚姻状态和预期对削弱主观贫困存在正向影响；随着年龄的增加，主观贫困感也随之降低；受访者的生活地区对主观贫困概率的影响不显著，是否参保养老保险对其影响也不显著。为了降低居民的主观贫困感，既要对收入分配进行调控，防止收入差距持续扩大，也要做好公共服务均等化、完善民主法制。

客观贫困；主观贫困；双变量Probit模型；边际效应分解；非参数估计

一、引言

改革开放以来，我国大力推进扶贫开发，特别是随着《国家八七扶贫攻坚计划(1994—2000年)》和《中国农村扶贫开发纲要(2001—2010)》的实施，农村居民生存和温饱问题基本解决，农村贫困人口大幅减少，收入水平稳步提高。扶贫开发是长期历史任务，虽然我国的扶贫事业取得巨大突破，但制约贫困地区发展的深层次矛盾依然存在，相对贫困问题凸显，扶贫开发任重道远。《中国农村扶贫开发纲要(2011—2020)》指出，“我国扶贫开发已经从以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、改善生态环境、提高发展能力、缩小发展差距的新阶段”。2015年10月，十八届五中全会指出，要提高发展平衡性、包容性、可持续性，普遍提升人民生活水平和质量，在现行标准下农村贫困人口实现脱贫，贫困县全部摘帽，解决区域性整体贫困；将“精准扶贫、精准脱贫”纳入“十三五”规划纲要中，把扶贫、脱贫放在共享发展成果和改善民生的重要地位。2015年11月29日，中共中央、国务院于颁布《中共中央、国务院关于打赢脱贫攻坚战的决定》(以下简称“《决定》”)，《决定》明确了“确保到2020年农村贫困人口实现脱贫”，值得关注的是，《决定》不只是强调经济脱贫，还凸出人文关怀，提出开展医疗保险和医疗救助脱贫，健全留守儿童、留守妇女、留守老人和残疾人关爱服务体系等。扶贫工作具有阶段性特征，随着经济社会的发展，已经从经济脱贫逐步过渡到以全方位提升生活水平为目标。

根据马斯洛(Maslow)层次需求理论，物质只是个人的基本需求，还包括安全、情感、尊重和自我实现。在我国传统文化中，“修身、齐家、治国、平天下”是实现个人价值的重要方面。贫困不只是经济上的贫困，不仅仅是收入不足、物质匮乏，还包括社会层面、精神层面和文化层面，如缺乏受教育机会，在医疗和养老上缺乏必要的保障，没有参与社会决策，英国学者Townsen(1979)将贫困归纳为“在食物、基本设施、服务与活动的缺乏与不足”[1]。贫困并不是单一维度的，而是多维度的，2010年，在联合国开发计划署(UNDP)与英国牛津大学贫困与人类发展研究中心(OPHI)联合开发的多维贫困指数(Multidimensional Poverty Index，MPI)中，采用健康、教育和生活水平3个维度在内的10项指标综合测度贫困水平[2]。贫困是一个多维度的概念，收入较低只是贫困的一方面。个人对自身是否处于贫困状态的判断也是如此，除了个人收入之外，其他方面的属性值也会影响判断，如受教育水平、是否参保医疗保险和养老保险、预期收入、发展空间等因素都会影响判断。Koczan(2016)将贫困界定为两个方面，一是客观上的经济贫困，收入难以为继日常生活支出；二是心理上的主观贫困，个人根据财产与收入、教育机会、养老与医疗保障、决策参与等方面对自身是否处于贫困状态的主观评价[3]。主观贫困与客观贫困两者并不等价，相比之下，主观贫困更具综合性，是个人基于自身所有属性值的全方位评价，也是居民对收入分配、教育资源分配、社会保障制度等政策实施效果的总体评价。

可以预见，在“精准扶贫”思想的指导下，未来数年内可以消除绝对贫困，实现到2020年全面建成小康社会的目标。“不患寡而患不均，不患贫而患不安”，在收入分配中拥有平等的权利是我国传统的价值取向，在解决“寡与贫”的基础上，同时也要向解决“不均与不安”迈进，推进教育机会均等、社会保障全覆盖，提高居民的获得感、安全感和幸福感等。正如Koczan所指出的那样，居民客观上的经济贫困和心理上的主观贫困可能会对改革与发展形成阻力，研究居民的主观贫困程度以及影响因素具有重大现实意义，有助于实施更有效的社会保障制度，选择合理的改革顺序和沟通方式。基于此，本文根据我国经济社会发展的实际，结合2012—2013年中国综合社会调查(Chinese General Social Survey，CGSS)数据对主观贫困的影响因素进行实证分析，希冀为解决我国的贫困问题提供政策建议。

二、文献综述

当前，关于贫困的研究文献不胜枚举，但主观贫困的研究文献相对较少。对于贫困认识和研究贯穿于人类整个历史，我国在公元前就提出“不患寡而患不均，不患贫而患不安”的观点。对于贫困的研究可以总结为三个方面：在理论上，怎样界定贫困和测度贫困程度；在实践中，怎样解决贫困。贫困是一个动态发展的概念，银平均(2008)[4]对贫困内涵的演进作了较为全面的综述，将对贫困的界定归纳为缺乏论、相对剥夺论(排斥论)和不平等论。根据世界银行对贫困的界定，贫困不只是低收入和低消费，还意味着受教育机会的缺乏、健康状况较差，贫困意味着没有发言权、脆弱和恐惧等。阿玛蒂亚·森(2002)[5]是相对剥夺论的代表，贫困不仅是收入低下，还是基本可行能力的剥夺，包括健康权、养老权、教育权、居住权等能力的缺失。虽然各种观点对贫困概念的阐述不尽相同，但都认同贫困既是一个经济问题，也是一个社会问题。Koczan(2016)[3]认为贫困不仅包括客观贫困，还包括主观贫困；客观贫困主要指入不敷出，难以为继生活，主观贫困则是居民对个人经济地位综合评价，不仅包括收入，还涉及其生活中的其他方面。IMF的研究表明客观贫困不能很好地反映主观贫困感，经济上的客观贫困与心理上的主观贫困之间存在较大差异，客观贫困存在一定的局限性，不能反映家庭对公共服务等非市场产品的消费情况；与客观贫困一样，主观贫困在政府公共管理中影响巨大。主观贫困与客观贫困之所以存在差异，因为主观贫困还包括社会层面的其他因素。

贫困包括经济和社会两个层面，相应地，对贫困测度也就有单一维度的收入不平等测度和多维度贫困测度。关于收入不平等测度问题的研究也可以归纳为两个方面，一是在方法论层面上的不平等指标的选择和不平等指标的分解，二是应用层面上的收入不平等的实证研究。在方法论研究中，具有代表性的文献有陈希孺(2004)[6]、程永宏(2006，2008)[7-8]、洪兴建和李金昌(2006)[9]、洪兴建(2009)[10]、龚志民和胡志军(2010)[11]，实证研究方面具有代表性的文献有程永宏(2007)[12]、胡志军等(2011)[13]、李实和罗楚亮(2011)[14]、胡志军(2012)[15]。由于贫困是一个多维度问题，单一维度的不平等测度不能满足理论需求。多维贫困测度方法可以追溯到Hagenaars(1987)[16]，Alkire、Foster(2007)[17]提出了一个多维贫困测度的一般模型，并给出了多维贫困的识别、加总和分解方法。2010年，联合国开发计划署与英国牛津大学贫困与人类发展研究中心联合开发出国际通用的多维贫困指数(Multidimensional Poverty Index，MPI)，该指标包括健康、教育和生活水平3个维度在内的10项指标[2]。这也表明，经济上的客观贫困只是贫困的一方面，而健康、教育、社会资本、社会保障和生活水平上的贫困会反映到个人的主观贫困中[18-21]，主观贫困是多维贫困的结果。在多维贫困的实证研究方面，张全红、周强(2014、2015)[22-23]基于CHNS数据对我国的多维贫困进行测度和分解，并讨论了缓解多维贫困问题的政策导向，刘一伟(2017)分析了社会保险对农村老人多维贫困的影响[24]。

相比于客观贫困，主观贫困更具综合性，无论是单一维度经济上的客观贫困还是多维的贫困，最终都会反映到主观贫困上，居民心理上是否贫困是对社会经济政策的总体评价。目前，我国处于全面深化改革的关键时期，研究主观贫困的影响因素具有重大现实意义，不仅有利于政策设计、优化现有政策制度，还有利于明确未来进一步改革的方向。

本文分为5个部分，首先是问题提出的背景，说明研究主观贫困影响因素的现实意义，其次对文献进行梳理和回顾，介绍研究进展。第三部分介绍了双变量Probit模型，并提出基于非参数方法的边际效应分解方法。第四部分结合样本数据进行实证分析和稳健性检验。最后，结合实证结果和我国实际给出结论与政策建议。

三、双变量Probit模型和基于非参数方法的边际效应分解方法

本文目的在于研究主观贫困的影响因素，由于客观贫困与主观贫困两者并不是独立，在影响因素的分析中不能将两者孤立，所以，我们采用系统估计方法。多方程的系统估计方法主要分为两类：联立方程组模型和似不相关模型，联立方程模型在各个方程的变量上存在关联，一个方程的被解释变量是另一个方程的解释变量；而在似不相关模型中，虽然各个方程在变量上不存在关联，但各个方程的扰动项之间存在相关性，同一观测对象的不可观测因素对主观贫困和客观贫困都会产生影响。由此，本文的基础实证模型为：

(1)

(2)

(3)

(4)

(5)

对式(3)求x的导数，为了简化表达，令

(6)

(7)

(8)

并将总的边际效应分解为直接效应edir和间接效应eindir：

(9)

(10)

(11)

(12)

再次对条件期望求关于x的导数可得：

(13)

根据上文的定义，直接效应和随机效应分别为：

(14)

(15)

同样，如果模型是递归的形式：

(16)

y1的条件均值为：

(17)

对其求关于x的导数，可得：

(18)

递归形式下的直接效应和间接效应分别为：

(19)

(20)

同样，如果相关系数为0，间接效应也将为0。

四、实证研究

(一)描述性统计

客观贫困的认定主要有两种方法，一是基于相对值的方法，将家庭收入位于全社会20%以下的家庭作为贫困家庭；二是根据所设定的绝对值，按照世界银行2008年对发展中国家和转型经济体设定的“2美元/天”的贫困标准，我国约有两亿人口处于贫困线以下，城乡有7000多万低保人口[24]。2012年11月，中央扶贫开发工作会议将农村的贫困线设定为人均年纯收入2300元，约1美元/天，按照该标准，我国农村有约7000万的贫困人口。本文所采用的数据样本包括城镇和农村居民，所以，本文采用相对值的方法确定客观贫困，将收入位于样本20%以下的家庭视作处于客观贫困。主观贫困的认定也有两种方式：经济地位和最低收入[3]，本文根据CGSS2012—2013的问卷调查中受访者对家庭经济状况的自我评价，将认为家庭生活状况在所在地属于“远低于平均水平”的家庭界定为处于主观贫困的家庭状态。

表1中给出CGSS2012—2013家庭收入和主观贫困家庭的描述性统计结果。由表1可知，2012年和2013年家庭收入的基尼系数为0.5752、0.5006，基尼系数较大，家庭收入的不平等程度相对较高。2012年、2013年客观贫困的临界值分别为13000元和17286元，主观贫困家庭在数据样本中较为分散，不全是低收入家庭，2012年子样本(主观贫困)的80%分位数为30000，大于全样本的40%分位数，2013年子样本(主观贫困)的80%分位数与全样本的40%分位数相等，可见主观贫困家庭并不都是低收入家庭。表2中给出了主观贫困与客观贫困的交叉表，卡方检验表明，客观贫困与主观贫困两者并不独立。

根据表2，在2012年8247个非客观贫困的家庭中也有310个主观贫困家庭，2013年的7904个非客观贫困的家庭中也有173个，即使某些受访者的家庭收入相对较低，但其也不认为家庭的经济状况“远低于平均水平”，由此可见，客观贫困并不是主观贫困的唯一决定因素，还受其他因素的影响。

(二) 变量选择与实证分析

相对于客观贫困，主观贫困更具综合性，客观贫困并不等价于主观贫困，处于客观贫困的群体未必是主观贫困的，同样，没有处于客观贫困的群体也可能是主观贫困的。主观贫困不仅涉及收入，还与其他诸多方面有关，涉及教育、医疗、养老、交通、公共服务、决策参与以及对未来的预期等多个方面。本文将这些影响因素具体化，检验以下变量对主观贫困是否存在显著性影响，变量包括：受访人所在地理区域、居住地区、家庭背景、家庭财富、家庭投资、家庭年收入、住房面积、是否达到退休年龄、受教育程度、婚姻状况、健康状况、社会保障(医疗保险和养老保险)、对未来的预期、民主生活和社会评价，表3中列示了上述变量在CGSS调查问卷中所对应的问题以及赋值方法。

表1 家庭收入描述性统计

表2 主观贫困与客观贫困(CGSS2012—2013)

表3 变量及说明

数据来源：http://www.chinagss.org/。

由于家庭的经济水平并不是只由受访人个人决定，还受家庭其他成员影响，如受访人的配偶，受教育水平、工作类型、是否退休等变量要综合考虑两者。我们将在基本模型的基础上，分别对上述两种情况进行估计，以对核心变量作稳健性检验，基本模型的一般形式以及递归形式的估计结果如表4。

表4 二维Probit模型的估计结果

注：括号中为稳健标准差；***p<0.01,**p<0.05,*p<0.1；下表亦同。

在模型估计的基础上，进一步将进行边际效应分析，由估计结果可知，一般形式的相关系数显著不为0，而递归形式则不能拒绝相关系数等于0的原假设，同时Wald检验的结果也表明不能拒绝该假设。由此，本文只对基本模型的一般形式进行边际效应分析。如上文所述，通过非参数方法估计直接效应和间接效应的关键在于估计出二维分布函数，图1中给出了两个模型所涉及的核密度函数的等高线，从等高线的分布来看，密度函数并不是对称分布的，由此可见，相比于参数方法，非参数方法能够较好地描述样本数据的分布。当然，核密度估计也存在局限性，如边界问题，这样就可能导致平均边际效应(Everage Marginal Effect，EME)的估计存在较大误差，但不会对样本均值处的边际效应(Everage Marginal Effect at Mean，EME-Mean)产生影响，在实践应用中，我们也较为关注变量在均值处的边际效应。基于参数与非参数方法的边际效应分解结果如表5所示。

2012年2013年变量参数方法非参数方法参数方法非参数方法直接效应间接效应总效应直接效应间接效应总效应直接效应间接效应总效应直接效应间接效应总效应job＿state00092001010019400904001650106800049000910014100783-0030300480zone-0010900072-00038-0107200117-00955-0004800027-00021-00764-00089-00853location000090006200071000880010100188-000100004400034-00153-00145-00297edu-000320004600013-0031700074-00243-0002300021-00002-00365-00070-00434politics-000960012000024-0093800195-00743-0006100047-00014-00963-00156-01118job＿type-000770017100094-0075500278-00478-000200009900079-00318-00327-00646healthy-0009300049-00044-0090700079-00828-0006100046-00015-00971-00153-01124family-000160002900013-0016100047-0011400005000150002000084-0005000034house-00162--00162-01588--01588-00043--00043-00680--00680house＿S-00001--00001-00010--00010-00001--00001-00012--00012car-00192--00192-01876--01876-00186--00186-02950--02950even-00029--00029-00280--00280-00022--00022-00347--00347vote-00044--00044-00432--00432-00032--00032-00505--00505medicare-00070--00070-00681--00681-00058--00058-00922--00922pension-00022--00022-00217--00217-00005--00005-00073--00073marriage-00128--00128-01251--01251-00107--00107-01694--01694expect-00096--00096-00940--00940-00066--00066-01050--01050

结合模型估计结果和边际效应分解可知，在客观贫困方程中，8个解释变量对被解释变量均存在显著影响，基于2012年和2013年数据样本的一般形式和递归形式的估计结果类似。其中，年龄(是否达到退休年龄，job_state)、教育(受教育程度edu、政治面貌politics)、生活环境(区域zone，生活地区location)、工作类型(是否从事非农工作，job_type)、健康状况(healthy)和家庭背景(family)对客观贫困的影响都是显著的，年龄、工作类型和教育对其影响相对较大，值得关注的是，受访人的健康状况对是否客观贫困是显著，说明存在“因病致贫”的现象。

在主观贫困方程中，基于不同数据样本和不同形式方程的估计结果与显著程度略有不同，主观贫困方程中的8个变量中，年龄(job_state)、区域(zone)、受教育程度(edu)、工作类型(job_type)和健康状况(healthy)在不同样本和不同方程中都是显著的，虽然系数的估计值有所差异，但影响方向是一致的。是否主观贫困在年龄上存在差异，年纪较大的群体的主观贫困感相对较低；主观贫困的概率在东、中、西部上递减，从事非农工作的小于从事其他工作的群体；受教育程度越高，主观贫困的概率越低；身体健康的群体主观贫困的概率越低。在其他9个变量中，住房面积(house_S)、家庭财富(房产数量house、是否拥有家用小汽车car)、社会评价(even)、决策参与(vote)、是否参保医疗保险(medicare)、婚姻状况(marriage)和对未来的预期(expect)在不同置信水平下都是显著的。具体来看，住房面积越大、房产数量越多，主观贫困的概率越小，这说明房产在我国居民生活中具有特殊意义，存在“藏富于房”的现象；除房产数量外，家庭财富的另一代理变量car(是否拥有家用小汽车)对主观贫困的概率也存在正向影响，家庭财富越多，主观贫困的概率越小，且影响相对较大。与家庭收入不同，家庭财富是一个存量值，是否主观贫困不仅受当前拥有的财富影响，对未来的预期(expect)也是重要一方面，预期越乐观，主观贫困的概率也越低。在社会保障的代理变量中，参保医疗保险群体的主观贫困概率相对较低，身体健康的受访者的主、客观概率都较低，这也间接地反映出医疗保险的重要作用。估计结果还表明，已婚受访者的主观贫困概率相对较低。值得关注的，决策参与(vote)和社会评价(even)对降低主观贫困概率存在积极意义。养老保险之所以不显著，这与我国“养儿防老”的传统文化有关。

从边际效应的分解结果来看，基于参数和非参数的方法在均值处的边际效应分解结果在数值上存在较大差异，各个变量总效应的相对位置也有一定差异。在参数方法的分解结果中，2012年，在总效应中位列前5的分别是家庭财富的代理变量(car、house)、婚姻状态(marriage)、预期(expect)和是否参保医疗保险(medicare)，这5个变量在2013年的总效应中也位列前5，排序分别为第5、1、2、3、4；在非参数方法的分解结果中，2012年，在总效应中位列前5的分别是家庭财富的代理变量(car、house)、婚姻状态(marriage)、地区(zone)和预期(expect)，2013年，位列前5的分别是家庭财富的代理变量(car)、婚姻状态(marriage)、健康状况(healthy)、受教育程度的代理变量(politics)和预期(expect)。综合来看，家庭财富、婚姻状况、对未来的预期、是否参保医疗保险、受教育程度、健康状况对主观贫困的概率存在较大的影响。

(三) 稳健性分析

一般而言，家庭的经济水平不只是由受访人的特征决定，其他家庭成员的特征对家庭的经济水平也存在重要影响，如受访人的配偶。另一方面，男性家庭成员对家庭收入起决定作用，我国的传统文化赋予“丈夫”、“父亲”更多的经济责任，有研究表明我国男性工资存在溢价现象(王智波、李长洪，2016)。因此，在稳健性检验中，本文将对受访者的相关变量进行替换。首先，将受访人及其配偶的年龄(job_state)、受教育程度(edu)、政治面貌politics)、工作类型(job_type)相加，这样就加大了家庭之间在这4个变量上的区分度。其次，如果受访人是男性，上述4个保持不变；若受访人是女性，则将变量替换成其配偶的变量；再者，如果受访人未婚，变量保持不变。以2012年的调查数据为例，两种稳健性检验的估计结构如表6所示。

表6 稳健性检验(2012)

从稳健性检验的估计结果来看，两种情况下的估计结果与基本模型的估计结果大同小异，家庭财富、婚姻状态、预期和是否参保医疗保险对降低主观贫困概率的影响是积极的，由此说明模型较为稳健。

五、结论与政策建议

贫困是一个多维度问题，经济贫困只是贫困的一方面。扶贫工作不仅要解决经济上脱贫，还要关注和解决心理上的主观贫困问题，居民心理上的主观贫困是对社会经济政策成效的反馈，研究主观贫困的影响因素有利于及时调整方针政策，顺利推进社会经济改革。从实证结果来看，在递归形式的联立方程中，主观贫困对客观贫困存在显著性影响，与此同时，居民的教育、医疗、社会评价和决策参与等变量对主观贫困的影响也是显著的，因此，解决主观贫困问题不仅要解决经济上的贫困，还要从公共服务均等化、完善民主法治等方面入手。

从宏观层面来看，我国的贫困人口多集中于中西部、农村和边远地区，这些地区的贫困是多重原因导致的。纳克斯(Nurkse)在《不发达国家资本形成问题》中提出“A country is poor because it is poor”，即“贫困恶性循环问题”，一个国家的贫困正是由于其贫困而缺乏摆脱贫困的资本，这一规律对于贫困地区同样适用。贫困地区的发展之所以滞后，改革开放以来，我国执行非均衡的发展战略，优先发展东部地区，在经济转轨的过程中，并未改变原有的城乡二元经济结构和二元社会政策，导致中西部、农村和边远地区的投入长期不足，资本积累不够。由于经济发展滞后，收入水平低，劳动力大量向外迁移，教育资源相对缺乏，人力资本积累不够。缺乏支撑产业，难以找到经济发展的突破口。在微观层面上，贫困群体是收入分配中的弱势群体，长期的收入分配不平等会进一步扩大这一群体。与此同时，贫困群体还会在代际之间流转。美国经济顾问委员会主席Krueger(2012)援引著名劳动经济学家Corak的研究成果，提出了“了不起的盖茨比曲线(The great Gatsby Curve)”，认为收入越不平等的国家，个人经济地位就越由其父母的经济地位所决定，即存在代际流动性较弱的现象，收入分配中的机会不平等问题突出。此外，清华大学“中国与世界经济研究中心”李稻葵提出了“中产收入陷阱”这一概念，将其定义为“尽管整体经济在不断增长，但是中产阶层的焦虑却难以化解，导致一个国家始终不能跨入成熟的发达国家行列”，中产阶层较为关切可支配收入的增长、房价以及教育、医疗和养老成本，并提出要在税收和住房上向中产阶层倾斜，逐步建立透明公正的社会治理体制。基于此，我们认为，解决主观贫困问题应从以下几个方面着力：

1. 继续深化收入分配制度和财税制度改革，规范收入分配秩序。完善收入分配调控体制机制和政策体系，建立健全以税收、社会保障、转移支付为主要手段的再分配调节机制，加大再分配制度对贫困人口的倾向力度。扩大中等收入者比重，缩小收入分配在城乡、区域、行业之间的差距，逐步形成橄榄型分配格局[31]。加大财政政策对贫困地区倾斜力度，引导金融机构扩大对贫困地区的信贷支持规模，解决前期的资本积累不足问题。因地制宜，充分发挥“后发优势”和“比较优势”，发展特色产业，通过特色产业撬动经济发展。

2. 推动公共服务均等化，全面共享发展成果。推进教育机会均等，继续加强对贫困地区和贫困人口的教育倾斜；提高助学贷款的广度和深度，不仅要财政贴息，还要政府担保，增加金融机构助力教育的积极性；扩大面向贫困地区定向招生计划规模，引导高等资源向贫困家庭倾斜；在贫困地区实施常态化的职业技能培训，对贫困人口实施免费职业技能教育，采用“授之以渔”的方式彻底脱贫。逐步实现社会保障制度全覆盖，缩小保障水平差距，合理调控房地产市场，增加保障性住房投资，实现“病有所医、老有所养、住有所居”。

3.促进社会公平，提升安全感。在党的领导下，发展更加广泛、更加充分、更加健全的人民民主。发展基层民主，健全基层选举、议事、公开、述职、问责等机制，建立健全居民、村民监督机制，提升居民参与社会决策的积极性。建设法治中国，必须坚持依法治国、依法执政、依法行政共同推进，坚持法治国家、法治政府、法治社会一体建设。深化司法体制改革，加快建设公正高效权威的社会主义司法制度，维护人民权益，让人民群众在每一个司法案件中都感受到公平正义。

[1]TOWNSEN P. Poverty in the United Kingdom:Asurvey of household resources and standards of living[M]. Berkeley: University of California Press, 1979.

[2]LUGO M A, MAASOUMI E. Multidimensionalpoverty measures from an information theory perspective[R]. OPHI Working Papers No.10, 2008.

[3]KOCZAN Z. Being poor, Feeling poorer: Inequality, Poverty and poverty perceptions in the Western Balkans[J]. IMF Working Papers No.16/31, 2016.

[4]银平均. 社会排斥视角下的中国农村贫困[M]. 北京：知识产权出版社, 2008.

[5]阿玛蒂亚·森. 以自由看待发展[M]. 北京：中国人民大学出版社, 2002.

[6]陈希孺. 基尼系数及其估计[J]. 统计研究, 2004(8):58-60.

[7]程永宏. 二元经济中城乡混合基尼系数的计算与分解[J]. 经济研究,2006(1):109-120.

[8]程永宏. 基尼系数组群分解新方法研究:从城乡二亚组到多亚组[J]. 经济研究,2008(8):124-135.

[9]洪兴建,李金昌. 关于基尼系数若干问题的再研究：与部分学者商榷[J]. 数量经济技术经济研究,2006(2):86-96.

[10]洪兴建. 一个新的基尼系数子群分解公式:兼论中国总体基尼系数的城乡分解[J]. 经济学(季刊),2009(1):307-324.

[11]龚志民,胡志军. 基尼系数计算的误差估计与中国居民收入差距分析[J]. 统计研究,2010(3):107-109.

[12]程永宏. 改革以来全国总体基尼系数的演变及其城乡分解[J]. 中国社会科学,2007(4):45-60.

[13]胡志军,刘宗明,龚志民. 中国总体收入基尼系数的估计:1985—2008[J]. 经济学(季刊),2011(4):1423-1436.

[14]李 实,罗楚亮. 中国收入差距究竟有多大?：对修正样本结构偏差的尝试[J]. 经济研究,2011(4):68-79.

[15]胡志军. 基于分组数据的基尼系数估计与社会福利:1985—2009年[J]. 数量经济技术经济研究,2012(9):111-121.

[16]HAGENAARS A. Aclass of poverty indices[J]. International Economic Review, 1987, 28(3):583-607.

[17]ALKIRE S, FOSTER J. Counting and multidimensional poverty measurement[J]. Journal of Public Economics, 2011, 95(7/8):476-487.

[18]陈振环,杨海平,冯亚娟. 社会资本、家庭收入与城镇居民幸福感:基于中国大样本微观数据的实证研究[J]. 科学决策,2016(12):24-44.

[19]郑 适,周海文,周永刚,王志刚. “新农合”改善农村居民的身心健康了吗?：来自苏鲁皖豫四省的经验证据[J]. 中国软科学,2017(1):139-149.

[20]田 玲,刘章艳. 基本养老保险能有效缓解居民消费压力感知吗?：基于中国综合社会调查(CGSS)的经验证据[J]. 中国软科学,2017(1):31-40.

[21]李春青. 扩招、教育选择与教育公平[J]. 科学决策,2016(8):69-83.

[22]张全红,周 强. 中国多维贫困的测度及分解:1989—2009年[J]. 数量经济技术经济研究,2014(6):88-101.

[23]张全红,周 强. 中国贫困测度的多维方法和实证应用[J]. 中国软科学,2015(7):29-41.

[24]刘一伟. 社会保险缓解了农村老人的多维贫困吗?：兼论“贫困恶性循环”效应[J]. 科学决策,2017(2):26-43.

[25]GREENE W H. Econometric analysis[M]. Greene William H. Boston:Prentice Hall, 2012.

[26]HASEBE T. Marginal effects of a bivariate binary choice model[J]. Economics Letters, 2013, 121(2):298-301.

[27]LEHMANN E L. Someconcepts of dependence[M]. Selected Works of E. L. Lehmann. Springer US, 2012:1137-1153.

[28]RACINE J S. Mixed data kernel copulas[J]. Empirical Economics, 2015, 48(1):37-59.

[29]习近平.在华盛顿州当地政府和美国友好团体联合欢迎宴会上的演讲[N]. 人民日报,2015-09-24(2).

[30]刘 波, 王修华, 彭建刚. 我国居民收入差距中的机会不平等：基于CGSS数据的实证研究[J]. 上海经济研究, 2015(8):77-88.

[31]王修华, 关 键. 中国农村金融包容水平测度与收入分配效应[J]. 中国软科学, 2014(8):150-163.

(本文责编：海 洋)

Study on Influencing Factors of Subjective Poverty In China

LIU Bo, WANG Xiu-hua, PENG Jian-gang

(CollegeofFinanceandstatistics,HunanUniversity,Changsha410079,China)

Poverty is not only an economic problem, but also a social problem, there are some limitations in objective economic poverty which based on personal income, objective poverty cannot reflect education, health care and pension and other public service product. There are notable differences between the economic objective poverty and psychological subjective, compared with the former, the subjective poverty is more integrated and comprehensive. Based on the China General Social Survey (CGSS2012-2013) data, we use bivariate probit model to study factors of subjective poverty, and the marginal effect of bivariate probit model estimation methods are modified. The results of our study indicate that, zone, educational level, type of work, family wealth, housing area, social evaluation and decision, medicare, marriage status and expected have a positive effect to weaken the subjective poverty; with the increase of age, subjective poverty are decreased, living area had no significant effect on the probability of subjective poverty, whether the impact of the pension insurance is not significant. In order to reduce the population of subjective poverty, it is not only to control income distribution, to prevent the income gap continues to expand, but also to make public services to be more equal, improving democracy and legal system.

objective poverty; subjective poverty;bivariate probit model; marginal effect decomposition; Non-parametric estimation

2016-12-20

2017-05-20

国家自然科学基金青年项目(71303077)

刘波(1986-)，男，重庆人，湖南大学金融与统计学院博士研究生，研究方向：金融发展、金融管理。

F061.3

A

1002-9753(2017)07-0139-13