易地扶贫搬迁目标农户的识别

2018-05-15洁2

中南财经政法大学学报 2018年3期

刘伟徐洁黎洁2,

(1. 西安建筑科技大学管理学院，陕西西安 710055；2. 陕西易地扶贫搬迁研究基地，陕西西安 710049；3. 西安交通大学公共政策与管理学院，陕西西安710049)

一、引言与文献回顾

易地扶贫搬迁是新时期脱贫攻坚“五个一批”精准扶贫工程的首要举措，对实现现行标准下农村贫困人口的脱贫目标和打好打赢脱贫攻坚战具有重要意义。国家发展改革委在2018年4月发布的《中国的易地扶贫搬迁政策》白皮书中指出，2016～2017年全国22个有易地扶贫搬迁任务的省共搬迁589万人，2018年将再完成280万人的搬迁任务。脱贫攻坚贵在精准，因此易地扶贫搬迁的瞄准精度和识别的有效性对该项活动意义重大，其可以有效减少“应搬未搬”和“搬富不搬穷”等社会不公及社会救助资源浪费问题，提升扶贫搬迁政策的针对性和项目资源的配置效率，实现易地扶贫搬迁的“真扶贫” “扶真贫”和“真脱贫”。尽管移民搬迁是一种减贫和消除弱势群体贫困状态的有效途径和工具性手段，但由于现行制度设计存在不足，在政策实施过程中存在“搬富不搬穷”等政策执行目标的偏离[1]。就移民搬迁的政策目标来说，项目遗漏使农户不仅丧失参与搬迁的权利和机会，还将失去在安置地获得的隐性福利和后续支持。短期内这些问题会给易地扶贫搬迁活动带来显著的负向冲击效应，从长远来看，“谁是值得救助的穷人”这一福利思想会对国家的社会政策乃至社会融合产生巨大影响[2]。

易地扶贫搬迁活动顺利实施的首要和关键环节是目标农户识别。所谓目标农户识别是指针对不同生计环境、不同生计资本的农户，采取规范有效的程序和方法对目标农户进行准确区分、辨别的过程。具体来说，在政策实践中通过对目标农户的识别可以锁定搬迁对象，确保政策目标不发生偏离，为实现政策目标提供保障。易地扶贫搬迁要为贫困人口建档立卡，在当前的政策实践中识别贫困农户主要采取“程序识别法”，地方政府在识别贫困农户时普遍采取自上而下、逐级分配指标的办法[3][4]，村干部和村委会在其中扮演着极为重要的角色。

易地扶贫搬迁是事关社会稳定和公平正义的重大民生工程，想要真正达成易地扶贫搬迁政策的既定目标，关键在于政策的执行情况及过程[5]。纵观既有研究，学者们从不同研究视角对易地扶贫搬迁政策的执行和实践进行了讨论。陈坚借鉴政策执行过程理论模型，对易地扶贫搬迁政策执行困境及其应对策略展开了分析[5]。何得桂和党国英的实地调查发现，信息不对称、不充分，行政激励不足，目标难以度量、政策的不完善以及目标的多重性均是导致避灾移民搬迁政策执行产生偏差的原因[1]。

另外，部分学者对易地扶贫搬迁对农户生计的影响展开了分析。Lemenih等认为扶贫搬迁可能在移民和原居民社区造成紧张和冲突以及类似于森林退化的环境破坏[6]。Li等指出易地扶贫搬迁基本实现了生态系统服务和生计恢复的双重目标，且在改善农户收入水平、生活条件和生计安全方面作用也很突出[7]。李聪等还从微观农户视角实证检验了易地移民搬迁对农户生态系统服务依赖度的影响[8]。黎洁发现政府主导的搬迁类型、安置方式以及所获资助对搬迁户的生计适应情况没有显著影响[9]。特别地，有学者对易地扶贫搬迁农户生计资本的演化和变动情况进行了研究，如金梅和申云采用差分法模型分析发现易地扶贫搬迁总体上有利于提升农户生计资本[10]。可以发现，以往相关研究对易地扶贫搬迁政策执行问题进行了讨论，但政策执行是执行主体和目标农户的双向互动，需要双方紧密配合。推进易地扶贫搬迁工作的首要任务是对移民对象进行精准识别[1][11]，如何精确有效地瞄准真正需要搬迁的贫困群体是项目能否发挥减贫效果的关键因素[12]。学者们主要针对农村低保制度的社区瞄准机制和瞄准效果展开了研究[2]。殷浩栋等检验了多级指标体系下的扶贫搬迁户的识别情况[13]，但对目标识别机制和瞄偏的原因缺乏探讨。

以上分析显示，过往研究多从易地扶贫搬迁政策演进、经验方法、效果评估、安置方式、权益保障、农户效应和执行偏差的视角进行探讨，研究方法多以定性描述和现象观察为主，没有从目标识别和瞄准的视角来计量分析易地扶贫搬迁政策执行问题。在移民搬迁背景下和可持续生计分析框架中对政策目标农户的识别问题进行深入分析和挖掘，进而探索移民搬迁对贫困农户的目标识别机制和作用机理，具有一定的现实意义。与以往研究不同，本文的特点体现在：通过将农户家庭的生计资本和生计环境特征变量作为重要的影响因素，运用Probit模型检验了影响易地扶贫搬迁选择的重要决定因素；通过对识别结果的梳理，进一步将错误识别细分为“应搬未搬”和“搬不应搬”，并采用MLM模型分析当前政策实践中导致错误识别的根本性原因；构建农户家庭识别指标体系，并验证该指标体系对移民搬迁瞄准效率和识别有效性的提升作用。

二、一个分析框架：易地扶贫搬迁背景下目标农户的识别

易地扶贫搬迁属于典型的层级性公共政策，具有多重政策目标和政策诉求，涉及多级政府部门[14]。层级性可以分为真实性执行和失真性执行两种形态。政策执行失真是指公共政策执行偏离政策既定目标、违背政策本意和初衷、政策产出与政策目标不匹配等问题。作为一项复杂的社会政治实践活动，特别是在基层的行政活动过程中，公共政策执行不可避免地会受到政策质量、政策资源、执行主体、目标群体、环境等因素的影响[15]，进而发生政策执行失真或偏差现象，这不仅严重影响了公共政策的权威性、有效实施和政策目标的实现，也极大降低了政策执行的效率。

结合贺东航和孔繁斌提供的有关政策执行的理论框架——“高位推动—层级性治理—多属性治理”，本文将对实现扶贫避灾既定目标的障碍因素进行深入分析。一般而言，政策执行相关研究需要回答两个最为关键的问题，那就是政策执行者和政策目标人群的行为在多大程度上与政策决策保持一致，以及政策结果在多大程度上与政策目标保持一致[16]。本文将从农户视角关注目标群体的行为，即农户是否参与移民搬迁。政策结果包含政策产出和政策影响两个方面。政策产出是政策为目标群体提供的服务、产品和资源等，例如搬迁补贴以及后期扶持计划等，可以使用政策瞄准效率进行测量；政策影响是政策产出对政策目标群体或政策环境所产生的改变，这种改变通常包含了目标群体或利益相关者的行为与态度的变化[17]，本文主要采用“应搬已搬”和“不应搬未搬”比率来衡量政策结果和政策目标的匹配度。

综上，根据相关理论和现有研究，本文尝试构建易地扶贫搬迁目标农户识别的分析框架，从农户生计资本和所处生计环境的视角构建易地扶贫搬迁目标农户识别机制，估算移民搬迁政策福利送达的效率，衡量政策结果与政策目标的匹配度。具体分析策略如下：首先，通过描述性统计比较不同农户生计资本和所处生计环境的差异，分析实际操作中识别目标农户的决定性因素，实证检验农户“搬得出”的影响因素；其次，从易地扶贫搬迁政策目标的视角，观察政策产生瞄准偏差的问题，通过建立MLM模型探讨瞄准偏差产生的制度原因；最后，基于以上步骤展现了当前政策执行的政策产出和政策影响，本文试图提供一种政策调整和有效识别的替代方案，旨在减少瞄准错误，提升瞄准效率。文章以下部分将采用课题组实地调研数据进行实证检验。

三、数据与方法

(一)数据来源

本文的研究数据来源于课题组2011年底在陕南安康市进行的农户调查。安康是新时期精准扶贫、精准脱贫的重点帮扶区域，全市有100.5万贫困人口，因生存发展环境受限和自然灾害致贫的人口约占贫困总人口的14.3%，10个区县中除平利县为陕西省确定的扶贫开发工作重点县之外，其余均为国家级扶贫开发工作重点县。为彻底解决当地经济发展、农户增收和贫困减少的实际问题，陕西省政府于2011年5月启动号称有史以来“搬迁之最”的陕南大移民，涉及安康地区22.6万户、88万人，这些区域中的农户生计异常脆弱，致贫原因复杂，因灾因病致贫返贫现象尤为严重。

农户调查主要以结构化的入户问卷调查和社区问卷调查为主，调查对象分别为家中年龄在18～65周岁的户主或其配偶以及全部样本村。具体抽样过程为：在5个调查县(区)内分别选择3个调查镇(须同时满足移民搬迁、生态补偿等项目实施地和邻近自然保护区)，从中随机选取12个一般行政村，再补充3个生态系统服务功能突出的一般行政村和10个有移民搬迁安置点的行政村，形成包含25个调查村的样本框。调查问卷涉及信息包括被访者的家庭成员基本信息、移民搬迁情况和农户各类生计活动参与情况等。农户调查最终收集有效问卷1404份，其中29.1%的农户为易地扶贫搬迁户(408户)，包含工程移民112户。课题组在2015年11月再次对个别样本县进行实地调查，更新了相关数据资料。

(二)计量方法

1.Probit模型和Multinomial Logit Model(MLM)模型

本文采用Probit计量模型通过预测农户为搬迁户的概率分析目标农户识别的决定性因素。此外，2011年新的国家贫困线为2300元，即搬迁农户的资格条件为家庭人均纯收入低于2300元/年。本文根据易地扶贫搬迁目标农户的资格条件和识别结果，将所有样本农户划分为“应搬未搬”“搬不应搬”“应搬已搬”和“不应搬未搬”4种类型。从福利经济学的角度出发，根据易地扶贫搬迁瞄准失败的利害关系，将“应搬未搬”称为第Ⅰ类错误，将“搬不应搬”称为第Ⅱ类错误。

为了进一步分析易地扶贫搬迁错误识别的原因，本文通过MLM模型探讨发生两类瞄准错误的情况。具体地，分别将“应搬未搬”“搬不应搬”“应搬已搬”“不应搬未搬”定义为第Ⅰ、Ⅱ、Ⅲ类和Ⅳ类农户(后两类均是准确识别农户)。该模型可以通过寻找风险因素预测事件发生的概率，采用最大似然估计法对回归参数进行拟合。

2.代理家计调查法Proxy Means Test(PMT)模型

本研究采用PMT模型讨论如何提升易地扶贫搬迁的瞄准效率和识别的有效性。PMT通常应用于发展中国家减贫政策的瞄准和实施，其在1980年率先被智利政府用于审核社会救助项目，随后不断得到修正和完善。作为判断农户经济状况的有效方法，PMT在实际操作中通过确定被赋权的代理变量(或指标识别)和预测农户生活状况，其优点在于低成本、易收集、操作简单和权重合理。本文将该方法归纳为4个步骤：(1)确定影响贫困户收入或消费的代理变量；(2)根据OLS模型确定的权重计算各样本农户的PMT分数；(3)设置相应门槛线(cut-off line)计算对应的门槛线分数；(4)根据门槛线分数对模型的瞄准效率进行评估，详见刘伟等[18]。

(三)变量选取及说明

针对一项政策的瞄准效率，国内外研究通常使用以下几个指标来进行测量：覆盖率、遗漏率和渗漏率。第I类错误用覆盖率和遗漏率来衡量，减少第I类错误，遗漏率降低；第II类错误用渗漏率表示，减少这类错误，渗漏率降低。这几个指标计算简便、易于理解，应用较为广泛。

为了更好地理解易地扶贫搬迁目标农户识别的决定性因素，本文基于以往相关研究，并结合课题组前期成果以及实地调查所获情况，使用“是否参与移民搬迁”这个变量来反映农户的移民搬迁行为。具体地，本研究Probit回归模型的被解释变量为“是否参与移民搬迁”，为二元选择变量；MLM模型的被解释变量为移民搬迁政策目标识别结果，为多分类变量；代理家计调查法采用的OLS模型的被解释变量为农户家庭的年人均纯收入，在实际回归中对其取自然对数。根据经验性判断和理论研究，结合以往对贫困的识别和影响因素研究，本文挑选在实际中与家庭福利等经济状况相关并相对容易收集的变量作为解释变量。本文的研究目的是寻找移民搬迁目标农户的识别指标而非移民搬迁的决定因素，因而没有将自变量的内生性问题考虑在内。具体变量解释如下：

1.生计资本。包括自然资本、人力资本、物质资本、金融资本和社会资本。具体地，自然资本水平使用“人均耕地面积”指标衡量。人力资本是体现在农户中的以家庭成员的数量和质量表示的资本。家庭成员数量以及劳动能力方面，“家庭规模”对农户收入水平和贫困的影响非常显著，较小的家庭规模对减缓贫困具有十分重要的意义[19]。“65岁以上人员比重”和“16岁以下人员比重”反映家庭成员获取收入的能力[18]，16～65岁家庭成员可以赚取更多工资报酬，进而降低陷入贫困的可能性。家庭成员质量包括教育、健康和培训。其中，教育回报可以提升家庭的生活水平[20]，健康对农户收入的影响具有持续性[21]，而培训是提高劳动力专业化技能水平和专业化人力资本积累水平的有效途径之一[22]。此外，家庭是否陷入贫困与户主的个人素质、生活阅历以及处理外界信息和事务的能力关系密切，本文纳入户主年龄、性别和宗教信仰这3个指标。物质资本包括挖掘机、铲车、机动三轮车、拖拉机等生产性工具，摩托车、汽车等交通工具以及电视、冰箱、洗衣机等生活耐用品等共计11项，本文对其进行标准化处理，方法参见邰秀军等[23]。金融资本中信贷资本由“有无从银行贷款”“在银行有无存款”和“有无从亲朋好友处借款”3个指标合成，具体处理方法参见李小云等的资本指标计算方法[24]。“非农收入比重”反映农户家庭的生计类型，一般认为多样化的农户兼业方式和生计策略可以为家庭带来更高收入和提高抵御外部风险冲击的能力。社会资本从宏观和微观两个层面衡量，宏观方面，本文使用“参加专业合作协会数量”“拥有特殊经历(包括曾经是村干部、农村智力劳动者、企事业职工或军人等经历)人数”和“集体事务参与程度”来表示；微观方面，本研究使用“人情礼金费用”和“通信费用”来表征农户家庭社会网络的规模，选择“亲戚中有无公职人员”来测量社会网络的异质性。

2.生计环境。在不考虑经济社会背景和政策制度作用的情况下，自然地理环境的贫困效应十分明显[25]。本文使用“是否靠近自然保护区”“到镇上的距离”“与小学的距离”“与初中的距离”和“是否遭受负面冲击”这5个变量来反映农户所处的生计环境。“是否靠近自然保护区”直接关系到农户家庭的收入和消费方式是否受限[26]。“到镇上的距离”表征农户所在村庄到商店、农产品加工点等生活设施的便利程度。“与小学的距离”和“与初中的距离”可以判断农户家庭学龄子女接受义务教育的便捷程度。“是否遭受负面冲击(指自然灾害或意外等导致的损失)”用以考察农户面临的风险。此外，本文在回归模型中还增加了地区虚拟变量。

四、结果与分析

(一)描述性统计分析

表1的描述性统计结果显示，不同识别结果的农户在生计资本和生计环境特征变量之间表现出一定程度的差异性。第III 类农户拥有的人均耕地面积明显少于其他3种类型，而第IV类农户的土地面积是最多的，由此本文可以推测土地面积在搬迁识别和瞄准方面具有一定重要性。第I类农户的受教育年限明显偏低，而第III类农户最高，可以反映政策在较大程度上覆盖了文化程度偏高的农户群体。健康状况方面的信息说明需要救助的搬迁群体不仅在经济生活上表现出相对弱势，其健康状况同样较差。总体来说，第I类农户的资本要素禀赋相对弱势，可获资源相对稀缺，这从物质资本和金融资本的均值上得以体现。第II类农户拥有一定数量的耕地面积、相对较高的文化程度和较为健康的体魄，在资本要素禀赋方面相对第I类农户拥有绝对优势，特别表现在物质、金融和社会资本上，比如人情礼金和通信费用以及亲戚中公职人员的多少，这些因素对于农户捕捉信息和获取资源至关重要。

表1 不同识别结果农户特征的描述性统计信息

注：括号内数值为标准差。一些解释变量的赋值如下：(1)是否培训：参加培训为1，否为0；(2)户主性别：男性户主为1，女性户主为0；(3)户主宗教信仰：有为1，无为0；(4)集体事务参与程度：很多为1，多为2，一般为3，少为4，很少为5；(5)亲戚中有无公职人员：有为1，无为0；(6)是否靠近自然保护区：靠近为1，否为0；(7)是否遭受负面冲击：遭受冲击为1，否为0。

(二)Probit模型回归分析

一般而言，对移民搬迁目标农户进行识别时，需要考虑两方面的因素：家庭消费标准低和收入标准低。由于农户消费和支出的度量很困难，再加上选择性消费和个人偏好，消费支出低的农户家庭并非完全属于贫困户，本文在实际操作中选用收入指标进行实证分析，将一些显性指标(例如家庭生产生活工具、耐用品等)纳入识别的决定性因素中，Probit模型回归结果如表2所示。表2显示，各解释变量对搬迁农户选择的影响不尽相同，具体来说：

表2 易地扶贫搬迁农户识别的Probit分析

注：健康状况变量赋值是以医疗费用占家庭总收入的比重为参照，比重在20%以下为好(对照组)，比重在20%～50%为一般，比重在50%以上为差；*、**、***分别表示10%、5%、1%的显著性水平，下表同。

第一，随着家庭人均耕地面积的增加，被识别为搬迁户的可能性降低。土地资源尤其是人均耕地面积对农户收入有显著的正向影响，人均耕地面积越多，理论上农户家庭陷入贫困的可能性越小，表明政策倾向于排斥自然资本更为丰厚的农户。

第二，人力资本方面。人口越多的农户家庭，经济负担越重，获得搬迁项目的概率越高。农户家庭中年龄在65岁以上的成员越多，被识别为搬迁户的可能性越高，可能的解释是老年负担比这一变量与家庭结构密切相关，其与家庭规模共同影响农户获得搬迁的可能性。我国农村的主干家庭不仅有利于经济储蓄，而且成年人的农业和非农收入以及老年人的金融储备均能够在全部家庭成员中共享。教育和健康对搬迁救助决定的影响并不显著，搬迁政策并未将文化程度低、健康状况差的农户家庭识别为目标农户，而这些特征恰恰与贫困相生相伴。培训可以提高劳动力专业化技能水平和专业化人力资本积累水平，使得外出务工和本地就业的人员能够拥有专业技能进而赚取工资和收入。该变量在模型中表现出显著的正向影响，表明农户接受培训后被识别为搬迁户的可能性更高。

第三，家庭资产作为重要的物质资本对搬迁救助决定没有显著影响，可能是由于西部农村生产工具和生活耐用品等在农户之间并不存在较大异质性，方差波动较小，当然也有可能是农户倾向于隐瞒或少报自己的资产和收入，导致该变量在回归模型中并不显著。而金融资本表现出显著强劲的正向边际效应，说明拥有一定借贷能力和家庭储蓄可以增加农户获得搬迁的可能性，项目存在“精英捕获”现象。

第四，尽管各个表征社会资本的变量对搬迁救助决定的影响不同，但对人力资本和物质资本都相当匮乏的贫困山区来说，相互帮扶式的民间社会网络、非正式信贷以及现金和礼物的馈赠等社会资本作为“穷人的资本”，在抵御风险冲击、重塑农户生计等方面起到重要作用[27]，可以增加农户获得搬迁的可能性。理论上，农户参与集体事务的积极性对农户能够获得搬迁项目有正向影响，本文的回归结果恰好与理论假设相反。可能的解释是，尽管农户积极参加集体事务并向基层政府靠拢，但一定的搬迁成本成为阻碍他们获得搬迁项目的重要因素。

另外，模型2显示，如果农户的居住地靠近自然保护区并且距离集镇更远，其获得搬迁的可能性更大，政策倾向于将这类农户识别为移民搬迁目标农户。较长的路途可能是抑制贫困地区经济发展的关键因素，同时也是农村人口迁移的重要诱因[28][29]。本文发现农户离小学和初中的距离越近，获得搬迁的可能性越大，这一结果表明教育条件较为艰苦的农户被识别为搬迁户的可能性更低。是否遭受负面冲击对搬迁救助决定表现出显著的正向影响，说明政策运行中采用的贫困人口识别方式和目标识别机制除综合申请农户的金融资本和人力资本状况外，还考虑到自然灾害等负面冲击因素。

此外，5个样本区县中农户收入相对较低的宁陕县参与搬迁项目的概率明显低于其他4个收入相对较高的区县。由于调查区县之间生态环境和文化习惯等非经济因素基本相同，本文推断地区经济发展水平是影响搬迁救助决定的直接因素，而当前的政策瞄准呈现向非贫困地区农户倾斜的态势。

(三)MLM模型估算结果

易地扶贫搬迁属于公共政策，而一项公共政策的执行产生错误识别和瞄偏在所难免。本文通过引入MLM模型对发生瞄偏的情况进行分析，以挖掘“应搬未搬”和“搬不应搬”农户的特征和属性，进一步探索移民搬迁项目错误识别的原因。MLM模型中对照组为第I类农户即“应搬未搬”农户。

表3的计量结果显示，与“应搬未搬”农户相比，收入不贫困农户之所以能够获得搬迁项目主要是因为拥有更多的土地资源、更大的家庭规模及老年负担比、更多家庭成员接受过培训、更为丰厚的家庭资产和信贷资本、更高的非农收入比重和参与更多专业协会以及靠近自然保护区；家庭健康状况更少集中在医疗费用占家庭总收入50%以上这个层次、拥有更少特殊经历、参与集体事务频率更低以及距离小学更近。本文发现，与对照组农户相比，“搬不应搬”农户拥有更多的土地资源、家庭资产、信贷资本和社会资本，表明良好的借贷能力和资金储备有利于农户在竞争社会救助资源和扶贫资金时表现出相对优势。

与“应搬未搬”农户相比，同是收入贫困农户但能够获得搬迁项目主要是因为拥有的人均耕地面积更少、家庭规模及老年负担比更大、参与集体事务频率更低、户主有宗教信仰和靠近自然保护区。整体上来说，尽管都属于收入贫困农户，但是获得移民搬迁的家庭同时表现出更明显的自然资本贫困和生计环境约束特征，尤其是遭受自然灾害侵袭方面，如果农户遭受自然灾害等负面冲击，获得搬迁的可能性更高。

(四)PMT模型估计结果

本文引入PMT方法并构建计量模型，讨论其能否减少第I类和第II类错误，特别是降低遗漏率，进而提升易地扶贫搬迁项目目标识别的有效性。PMT方法将农户家庭年人均纯收入的对数作为因变量，采用OLS进行估计。借鉴现有研究成果，选择户主个人特征、农户家庭特征和农户资产情况作为自变量。

表4显示，户主年龄、家庭规模、人均土地面积、集体事务参与程度和地区变量等12个变量最终被纳入OLS模型。从模型估计的结果来看，PMT方法瞄准的目标贫困户有如下特征：家庭规模较大、人均土地面积少、集体事务参与程度低、未接受培训、亲戚中没有公职人员和较少数量的资产，以及远离自然保护区。尽管模型中有个别变量并未通过显著性检验，比如户主年龄，但本文旨在预测整体趋势的走向，因此个别变量对整体的影响可以不做考虑。

表4的模型拟合优度检验显示，判定系数为0.21，因此模型拟合的程度表现一般。回顾国内外相关研究的拟合优度发现，模型的判定系数大多数介于0.2～0.3之间，故本文构建的PMT模型拟合程度尚在可接受的范围内。

表3 易地扶贫搬迁错误识别的MLM模型分析(N=1292)

在获得计量估计结果后，需要对PMT模型的有效性进行稳健性检验。值得注意的是，如果在检验过程中依旧采用建模时使用的样本，会引起“过度拟合”问题，导致结果出现偏差，不过Sharif认为采用随机拆分样本和整体样本进行稳健性检验的结果基本相同，相反采用整体样本的估计表现更加稳健[30]。故采纳Sharif的研究方法，采用农户调查所获取的全部样本对模型进行稳健性检验。

本文关心如何认定农户家庭是贫困的并且有资格参与移民搬迁项目，通常以设置的门槛线作为判定标准。门槛线的设置以百分位数计，如第30百分位数。门槛线可以反映瞄准相对贫困农户的预期，影响搬迁项目的瞄准有效性和政府财政预算。根据表4的估算结果，这里对所有样本农户的PMT分数进行计算并排序。若预测结果低于门槛线，则该农户有资格获得项目资助。完成门槛线设置后，本文采用遗漏率和渗漏率评估PMT模型的瞄准效率。

图1是PMT模型的评估结果。可以发现，该目标识别模型遗漏率较低，渗漏率偏高。可能的原因在于，我国农户家庭的收入仍然以实物收入为主，特别是农林种植和家畜养殖活动，缺乏相应的信息系统以供审查人员核对估算，而部分被调查农户特别是外出务工和非农经营的农户，倾向于在调查过程中故意隐瞒自己的收入和资产，导致模型在识别非贫困人群方面表现不佳。此外，随着门槛线的提高，模型的遗漏率急剧下降，但渗漏率保持较高比例，本文建议采用代理家计调查法和社区瞄准的混合瞄准机制，增强瞄准效果并有效排除不合格的救助对象。

表4 OLS模型的估计结果

图1 不同区域PMT模型的遗漏率和渗漏率

显然，随着政策实践中门槛线的不断提高，PMT模型在识别和判断贫困农户方面能力较好，但对于非贫困农户的排除作用有限。事实上，在政策实践中希望绝对排除非贫困群体非常困难。以往研究指出社会救助资源和扶贫资金并没有流入真正急需救助的贫困家庭的原因在于，政策表达的“收入贫困”和实际瞄准机制的贫困测量方式存在错位现象，因此单纯使用代理家计调查法降低渗漏率并有效排除非贫困群体不太现实，必须结合代理家计调查法、多维贫困测量方法和社区瞄准才能有效提高瞄准效率[2]，降低把非贫困群体纳入救助范围的可能性。

五、结论与对策建议

本文构建了易地扶贫搬迁目标农户识别的分析框架，以农户生计资本和生计环境为特征变量建立易地扶贫搬迁目标农户识别和瞄准模型，检验了移民搬迁政策目标识别的决定性因素、发生瞄准偏差的原因和提升瞄准效率与识别有效性的方法。主要结论有：

第一，生计资本、生计环境均是影响易地扶贫搬迁政策目标识别的重要因素。就生计资本而言，农户的土地资源、家庭规模、老年负担比、培训状况、金融资本和社会资本等均对移民搬迁农户的选择产生显著影响；农户居住地靠近自然保护区并且距离集镇较远，其获得搬迁项目的可能性会得到明显提升。教育条件较为艰苦的农户被识别为搬迁户的可能性更低，表明当前的政策没有赋予农村儿童获得公平教育的权利和机会，此发现值得我们反思。是否遭受负面冲击这一变量对搬迁农户的选择有显著影响，搬迁政策的执行考虑到了自然灾害等负面因素对农户的冲击。

第二，“应搬未搬”农户相较“搬不应搬”农户在家庭资产、信贷资本和社会资本方面表现出明显劣势，而当前政策实践中的“收入贫困”与移民搬迁瞄准机制发生错位是导致政策错误识别的根本原因。本文发现，易地扶贫搬迁目标农户的识别机制对于贫困的判定涵盖了有效劳动力、家庭负担和风险冲击等，而不局限于收入贫困，这对于项目执行产生瞄准偏差有很大程度的贡献。此外，扶贫搬迁项目也在政策实践中被赋予了太多的使命。调查过程中发现，由于中央财政转移支付和地方财政能力有限，农村大多数地区的社会救助政策和惠农措施采取集中捆绑式实施，这在集中强化优势资源、有针对性地帮扶贫困农户方面作用明显，但同时也加重了单个社会救助项目的负担，容易导致政策扭曲和错误识别。例如陕南易地扶贫搬迁项目涵盖的搬迁类型包括避灾移民搬迁，需要将遭受自然灾害等风险冲击的农户识别为目标农户，这在一定程度上挤占了农村扶贫资源。

第三，代理家计调查法在识别和判断贫困农户方面能力较好，但对于非贫困农户的排除作用非常有限。随着门槛线的提高，模型在识别和判断非贫困农户方面表现一般，因此政策制定者在采用代理家计调查模型有效排除不具备资格的农户家庭时必须保持谨慎的态度。尽管“制度嵌入性”是导致政策瞄偏的重要诱因，同时政策被赋予的社会救助和社会保护功能也远超它自身的能力和范围，但本文认为搬迁项目保持高渗漏率的主要原因在于一般农户家庭在参与项目资源分配时没有话语权。可能的解释是，由于农村剩余劳动力多为特定困难群体，其文化水平较低、劳动技能缺失，造成他们在村级集体事务参与和社区管理上影响力较小，而我国农村的扶贫发展项目分配通常采取村干部个人决策的方式，参与决策者追求农户动员最大化以履行村干部职能和实现连任[31]。村干部为获取支持特别是农村精英的支持，倾向于将项目分配给集体事务参与程度和积极性高的农户以及资本禀赋突出的农村精英。值得注意的是，尽管中国政府一直致力于推进村务信息公开和村庄民主管理制度，但当前中国基层政府仍然缺乏有效的民主监督和信息公开，特别是地理位置偏远的贫困山区。

基于上述讨论，本文认为政府应确保易地扶贫搬迁救助资源有效瞄准贫困人口，努力解决贫困人口公平有序“搬得出”。第一，改变过去单纯基于部门统计数据的自上而下式的贫困人口识别机制，扩展现有移民政策的瞄准群体，以便涵盖更为丰富的贫困类型，例如给予“暂时性”贫困人口更多关注，从而将视线从收入低下转向现实中的生活质量和水平。第二，移民搬迁瞄准制度应该将社区瞄准和代理家计调查法结合起来混合瞄准、共同实施。考虑到建档立卡的贫困人口数量远超移民搬迁救助资源的转移支付能力范围，建议在保证特殊贫困群体外，逐一分批次有序扶持被确定的贫困农户，保障贫困群体在抽签识别过程中受益。第三，改革当前移民搬迁政策实施的项目制框架，将项目制定权逐级下放到贫困村庄，统一捆绑规划地方政府不同部门的搬迁建设资金，削弱不同部门用于扶贫搬迁建设资金的管理权限，将权限统一下放到县级以下，各个部门仅在技术投入上给予指导。

本文进行实证分析的数据捕获于2011年。近几年，随着政府扶贫力度和项目瞄准精度的提升，管理成本和工作量均大幅增加，当前瞄准机制仍然面临着信息失真、错误激励、方法无效和管理成本过高的严峻挑战，因此如何保证政策目标对象识别和瞄准的可靠性仍是未来研究的主要方向。此外，政府和社会已经开始关注无行为能力弱势群体的易地搬迁问题，针对他们建立了相应的目标识别和瞄准机制，但依然存在瞄偏和漏瞄的情况，再加上如何帮扶这类群体实现“稳得住”和“能致富”的政策目标，都值得我们进一步研究。

参考文献：

[1] 何得桂, 党国英. 西部山区避灾移民搬迁政策执行偏差及其影响研究——以陕南为例[J].青海社会科学, 2015,(4): 65—74.

[2] 刘凤芹, 徐月宾. 谁在享有公共救助资源?——中国农村低保制度的瞄准效果研究[J].公共管理学报, 2016,(1): 141—150.

[3] 唐丽霞, 罗江月, 李小云. 精准扶贫机制实施的政策和实践困境[J].贵州社会科学, 2015,(5):151—156.

[4] 庄天慧, 杨帆, 曾维忠.精准扶贫内涵及其与精准脱贫的辩证关系探析[J].内蒙古社会科学(汉文版)，2016，(3)：6—16.

[5] 陈坚. 易地扶贫搬迁政策执行困境及对策——基于政策执行过程视角[J].探索, 2017,(4):153—158.

[6] Lemenih, M., Kassa, H., Kassie, G., et al. Resettlement and Woodland Management Problems and Options: A Case Study from North-Western Ethiopia[J].Land Degradation & Development, 2014,25(4):305—318.

[7] Li, C., Zheng, H., Li, S., et al. Impacts of Conservation and Human Development Policy across Stakeholders and Scales[J].Proceedings of the National Academy of Sciences of the United States of America, 2015,112(24):7396—7401.

[8] 李聪, 康博纬, 李萍, 等. 易地移民搬迁对农户生态系统服务依赖度的影响——来自陕南的证据[J].中国人口·资源与环境, 2017,(11):115—123.

[9] 黎洁. 陕西安康移民搬迁农户的生计适应策略与适应力感知[J].中国人口·资源与环境, 2016,(9): 44—52.

[10] 金梅, 申云. 易地扶贫搬迁模式与农户生计资本变动——基于准实验的政策评估[J].广东财经大学学报, 2017,(5):70—81.

[11] 孙良顺. 非农业户口水库移民贫困问题研究[J].南通大学学报(社会科学版)，2017，(5)：134—139.

[12] 东梅, 李晓明, 刘乔巧. 生态移民瞄准精度实证研究——以宁夏为例[J].农业技术经济, 2011, (9):24—32.

[13] 殷浩栋, 王瑜, 汪三贵. 易地扶贫搬迁户的识别：多维贫困测度及分解[J].中国人口·资源与环境, 2017,(11): 104—114.

[14] 贺东航, 孔繁斌. 公共政策执行的中国经验[J].中国社会科学, 2011,(5):61—79.

[15] 翁士洪. 农村土地流转政策的执行偏差——对小岗村的实证分析[J].公共管理学报, 2012,9(1):17—24.

[16] Paul, A.S. Top-down and Bottom-up Approaches to Implementation Research: A Critical Analysis and Suggested Synthesis[J].Journal of Public Policy, 1986,6(1):21—48.

[17] 周秀平, 李振刚. 农民工培训的集中化与政策瞄准效果分析[J].中国职业技术教育, 2015, (12):30—36.

[18] 刘伟, 李树茁, 任林静. 西部农村扶贫项目目标瞄准方法研究——基于陕西安康贫困山区的调查[J].西安交通大学学报(社会科学版)，2017,37(1):72—78.

[19] 杨国涛, 东梅, 张会萍. 家庭特征对农户贫困的影响:基于西海固分户调查数据的分析[J].农业技术经济, 2010,(4):42—48.

[20] 汪三贵, 王姮, 王萍萍. 中国农村贫困家庭的识别[J].农业技术经济, 2007,(1):20—31.

[21] 高梦滔, 姚洋. 健康风险冲击对农户收入的影响[J].经济研究, 2005,(12):156—157.

[22] 屈小博. 培训对农民工人力资本收益贡献的净效应——基于平均处理效应的估计[J].中国农村经济, 2013,(8): 55—64.

[23] 邰秀军, 罗丞, 李树茁, 等. 外出务工对贫困脆弱性的影响:来自西部山区农户的证据[J].世界经济文汇, 2009,(6): 67—76.

[24] 李小云, 董强, 饶小龙, 等. 农户脆弱性分析方法及其本土化应用[J].中国农村经济, 2007,(4):32—39.

[25] 曲玮, 涂勤, 牛叔文, 等. 自然地理环境的贫困效应检验——自然地理条件对农村贫困影响的实证分析[J].中国农村经济, 2012,(2):21—34.

[26] 黎洁. 陕西安康移民搬迁农户生计选择与分工分业的现状与影响因素分析——兼论陕南避灾移民搬迁农户的就地就近城镇化[J].西安交通大学学报(社会科学版), 2017,(1):55—63.

[27] 刘彬彬, 陆迁, 李晓平. 社会资本与贫困地区农户收入——基于门槛回归模型的检验[J].农业技术经济, 2014,(11): 40—51.

[28] 欧璟华, 姚树洁, 武斌. 中国“空巢村”:陕北农村案例研究[J].当代经济科学, 2015,(4):72—80.