贫困精准识别问题研究

杨晓娟

摘要：精准扶贫的首要问题是对贫困的精准识别，包含内容的精准和方法的精准两个方面。贫困内容的识别主要在于贫困人口和致贫原因的精准定位，识别方法除定性识别外，还应结合定量的方法，真正做到精准识别贫困。与此同时，贫困精准识别还应借助现代科技手段和“互联网+”等技术，实现贫困识别的动态精准。本文在研究借鉴已有贫困识别问题的前提下，阐述贫困精准识别内容和方法，并对贫困精准识别提出相应的建议。

关键词：精准扶贫；精准识别；脱贫攻坚

精准扶贫首先需要精准识别不同致贫原因的贫困区域和贫困人口，并对其实施有区别的、有侧重的精准帮扶和精准管理。通俗地说，精准扶贫就是谁贫困就帮扶谁。2015年10月，习近平总书记强调，中国扶贫攻坚工作的实施需注重六个精准，即扶贫对象、项目安排、资金使用、措施到户、因村派人、脱贫成效六个方面都要精准，其要旨是“真扶贫，扶真贫”。而扶贫对象的精准重点在于对扶贫对象的精准识别，包含贫困内容的精准识别和贫困方法的精准识别两个方面。这是精准扶贫其他内容的基础和前提，也是评估是否实现可持续脱贫的重要依据。本文在研究借鉴已有的贫困识别问题的前提下，阐述贫困精准识别内容和方法，并对贫困精准识别提出相应的建议。

一、贫困内容的精准识别

贫困内容的精准识别，应该包括贫困人口的精准识别和致贫原因的精准识别两个方面，以解决扶贫谁和怎么扶的问题。

（一）贫困人口的精准识别

当前，贫困人口精准识别主要根据经济标准这一单一维度，即收入水平制定贫困线识别贫困户和贫困人口。国务院扶贫办主任刘永富2016年5月10日在北京的新闻发布会上指出，中国是人口最多的发展中国家，贫困人口规模大，扶贫标准要与基本国情相适应，并随着经济社会发展逐步提高[1]。1986年，我国第一次制定国家扶贫标准，贫困线为农民年人均纯收入206元；2000年，标准提高到625元；2001年，标准提高到865元；2010年，标准提高到1274元；2011年，标准提高到2300元。到2015年，这个标准的现价为2855元，这是目前我国最低的扶贫标准。以收入水平刻画和识别贫困程度，较直观、简捷且易操作，但是贫困问题涉及经济、社会、文化、生态、心理等多维因素[2]，仅用收入水平为标准来识别存在难选、漏选、错选等问题，识别精度难保证。近年来，很多学者都意识到单一维度识别贫困人口的局限性，尝试运用多维贫困测度的方法来识别贫困人口。汪三贵等[3]就曾提出，国家统计局对扶贫人口数量的估计需要从收入和消费的标准转变为收入、消费、资产、健康、教育等多个维度；吴雄周等[4]认为，精准扶贫应该从单维度向多维度过渡，既要瞄准贫困对象，还应关注贫困主体、致贫原因、扶贫产业、扶贫期限等方面；王介勇等[5]建议，将农户收入能力、可支配能力、消费能力有机结合起来，建立贫困人口识别与评判综合指标体系，完善贫困户多尺度、多维度识别方法；王小林[6]在对黔西南州案例研究中，从住房、生产、设备、存款、劳动力、教育等6个维度对贫困农户的进行评估，并给予每个维度不同的权重，从中设置了22个指标来评判贫困农户；陈辉等[7]基于Alkire-Foster多维贫困测度模型，以粤北山区农村家庭为例，从收入、教育、健康和生活水平四个维度，选取9个指标，测算出主要贫困地区、贫困村、贫困家庭和贫困维度；汪磊和伍国勇[2]建议，从收入情况、身体状况、劳动力状况、学历水平、技术技能等多个维度，全面动态收集贫困人口的信息，形成大数据扶贫信息综合管理平台精准识别贫困人口；贺立龙等[8]以贵州省50个国家级贫困县为研究对象，从社会生产、财政金融、居民收入、生活与健康及教育5个主维度着手，选取16项指标，对其贫困状况进行测度，并建议从宏观和微观两个层面精准瞄准致贫原因，推动多维度贫困测度法的广泛应用，实现精准扶贫绩效的多维度评价。

借鉴以上研究成果，笔者赞同贫困是多维度的理念，倾向于运用多维度贫困预测的方法识别贫困地区和贫困人口。我国精准扶贫是以县为单位，同时要求精准到贫困人口，而贫困人口（包含贫困户）与贫困县相比更为微观，涉及到具体的贫困对象，笔者认为在识别这两个层次的贫困度上，维度和具体指标应稍有不同。鉴于此，本文贫困识别维度和指标尝试分开考虑（如表1）。

一方面，贫困维度与指标选择要反映贫困地区（县级）的经济发展水平；另一方面，要反映人民生活状态[8]。结合研究对象特点和已有研究成果，考虑数据获取的难易及定量识别方法运用的便利性，笔者确定以上表中5个维度、18个指标研究县域贫困状况。实际应用中，还应该结合不同的县域特点对指标进行调整和細化。比如，社会生产维度的人均拥有的经济资产，可以考虑县域的生态环境和生存状态来具体化；财政金融维度里的人均拥有的金融资产，可结合当地金融资产情况设置针对性指标；文化教育维度的每万人的人才比重，可根据具体情况再设定，以实际反映县域人口的文化程度。

从自然人的角度看，研究的维度和指标要更具体，更贴近实际生活。可从收入、资产、劳动力、健康、教育5个维度、15个指标来研究。与县级层次的贫困识别具体指标相比较，贫困人口（包含贫困户）的识别指标偏于定性描述，具体应用中可将这些指标细化处理。比如，健康维度的有无残障问题，如果无残障即可忽略，有残障可继续分为残疾和智障，继而考虑残疾和智障的程度，有无劳动力、健康花费等问题。另外，县级层次的贫困识别指标的具体数值一般可以在现有的统计数据中取得，或者可根据现有的统计数据稍加计算得到；而微观层次的贫困人口和贫困户的识别指标数据，则一般需要实地走访调查取得数据。

（二）致贫原因的精准识别

相对于贫困人口的精准识别，国内学者几乎没有单独明确考虑致贫原因的精准识别，大部分是在贫困人口精准识别的同时，顺带分析致贫原因。多维度贫困测度本身也反映了致贫原因。王国勇和邢溦[9]以及潘帅[10]在研究中都提到，要按照不同地区、不同致贫原因进行分类精准指导。他们把致贫原因大致分为失去劳动力、劳动力少、残疾人、缺少资金、缺乏技能、生存条件恶劣的等，并针对具体的致贫原因提出了相应的帮扶策略；王介勇等人[5]根据国务院扶贫办建档立卡相关资料，研究了中国贫困户主要成因类型及结构比例，把致贫原因分为因病、因残、因学、因灾、技术和劳动力短缺、资金短缺及其他等七个方面；陈辉等[7]根据多维贫困测度模型，结合在粤北山区韶关、清远、河源、梅州4市15个自然村的样本家庭调查分析主要的贫困原因；贺立龙等人[8]通过对多维贫困指数分解，得到各维度指标的贡献度，从宏观、微观两个层面精确探测致贫原因，测算出贵州省国家级贫困县在哪些维度上贫困状态较为严重，哪些维度上贫困状态较为缓和；汪磊等人[2]也明确提到，贫困识别的内容既包括贫困人口本身，还包括贫困人口的致贫原因分析，并通过研究贵州、甘肃、云南、宁夏、四川和安徽6省的贫困精准识别内容，得出只有云南和安徽在贫困人口精准识别的同时，识别了致贫原因。

综合以上研究，笔者认为，致贫原因可以分为主观致贫和客观致贫两个方面，针对不同的致贫原因，采取针对性的扶贫措施，更能体现精准扶贫的主旨要义。主观的致贫原因主要是“等靠要”的思想意识和心理状态，由此导致不积极主动脱贫的行为表现。对于这类的贫困，帮扶过程中应侧重于改变其思想状态和行为意识，引进竞争机制，运用激励手段刺激其脱贫致富的信心和决心。客观的致贫原因，笔者将其分为短期原因和长期原因。短期的原因主要是考虑微观的贫困人口和贫困户阶段性的事件引致的贫困，而长期的原因主要是基于宏观一点的贫困者长期生存的生态环境、社会生产环境和经济生活环境等来考虑，如表2所示。但是，短期和长期是相对的，如果短期的致贫因素没有精准帮扶，就可能发展成为长期；相反，长期致贫因素得到可持续性的帮扶，长期就会变成短期，甚至将永远消失。同样，帮扶策略也不是绝对固定的，比如，属于生存环境恶劣、生态环境差导致贫困人口缺乏脱贫资源，可以采用异地搬迁的扶贫策略。

二、贫困方法的精准识别

贫困方法的精准识别，包括定性识别和定量识别，并将二者有机结合起来。实际操作中，可根据不同的情况来选择不同的识别方式，确保真正的贫困家庭和贫困人口受到帮扶，避免“被扶贫”，做到“扶真贫”。

（一）定性识别

识别贫困人口，必须牢牢坚持“实事求是、因地制宜、分类指导”的精准扶贫观念[11]。在遵循总原则的基础上，结合当地的实际情况，在逐户摸清群众生活现状、生产条件和家庭资产、脱贫致富条件、收支和储蓄等情况下，可按照“自主申请识别、群众评议识别、重点调查识别、县级监督审核识别”几个层级来进行。自主申请识别是指由贫困人口根据收入、资产、劳动力、健康、教育等贫困维度的指标分解，查看对照提出申请，然后由比较熟悉情况的当地群众公开评议，再有相关部门或者村、社区工作人员进行重点调查认定，最后报县级部门进行审核判定并公示。在此基础上建立贫困户和贫困人口档案卡，摸清致贫原因和帮扶需求。在对贫困县的识别中也需要采用定性判别的方式，如各省市级的所属县级可对照表1五个维度的指标分解，提出申请，然后由省市级所属所有县级评议、省市级重点调查申报 的县级单位，最后核定公示。

在自主申请和重点调查识别贫困人口和贫困户的过程中，运用了貧困多维指标分解，一定程度上体现了贫困原因。当然，还可以依据以上表2所列举的方面，通过全面调查贫困人口和贫困县，更为细致和具体地找出致贫原因，再通过描述统计、比较对比、聚类分析等定性判别的方式，进行分类，确保扶贫政策的精准实施。

（二）定量识别

定性识别主观性较强，容易因为个人的主观意识、对贫困维度指标理解程度以及处于某些目的性原因造成所获取的内容抽象、信息模糊、关联性差，甚至可能造成精准扶贫沦为空谈。因此，笔者以为，实现贫困人口的精准识别必须在适当的时候以已有的贫困人口数据库为基础，借助客观的定量分析方法（经济计量、统计建模等）和计算机仿真手段，来预测贫困地区及贫困人口的分布、范围以及变化规律，剖析致贫因子之间深层次的量化关系和作用机理，以此提高贫困人口识别的精准程度，也便于动态筛选和管理。

由于定量识别专业技术含量较高，要求扶贫工作人员具备更高的文化素质和定量分析技能。因此，应加强扶贫工作队伍相关专业知识培训，以有效提高识别精度夯实人才基础。笔者在查阅相关资料的时候，发现目前运用定量分析法进行贫困人口识别问题的研究很少，比较有代表性的是Alkire-Foster多维贫困测度模型[7][8]。该模型的基本原理是确定“一线一值”：“一线”，指每个维度确定一个的贫困线；“一值”，指为维度贫困选择一个临界值，当个体贫困维度数大于或等于该临界值时确定该个体为贫困者[7]。在具体操作中，可将贫困线和贫困维度临界值二合一，根据实际情况，借鉴和参考已有文献和全国平均指标来确定。也可在运用中对不同维度的指标进行加权平均，计算一个多维贫困指数，用以在县级单位之间进行贫困比较。加权平均计算过程中的权数非常重要，它反映了不同维度指标对多维度贫困指数的影响程度，会影响到多维度贫困指数计算结果，其可利用主成分分析等定量方法来确定。

另外，不同维度指标对于多维贫困指数的贡献度体现了贫困的差异性，贡献度越高，说明该样本在该维度上相对于其他维度而言贫困状况更严重。因此，研究致贫原因也可采用这样的定量方法，分解多维贫困指数，通过对指数的分解可得到各维度指标的贡献度，以此确定引致贫困的主要原因，针对贡献度较高的维度进行重点扶贫。也可以运用表2致贫原因分解选择具体指标建成指标体系，搜集样本数据，建立相应的分析模型，采用其他定量分析方法进行客观分析贫困原因。

三、结语

贫困精准识别内容和方法，决定了扶贫精准实施、精准监管和成效评估，其应是科学合理、机动灵活的，即既要识别出真正的贫困人口，又不能一成不变。应建立定期的贫困人口再识别机制，使其动态化，这样既可保证全部贫困人口都能纳入贫困帮扶范畴，又能及时监测扶贫措施是否对症下药，精准实施，还可以获取返贫现象的相关信息，衡量精准扶贫的成效。随着我国科学技术水平的不断进步和互联网快速发展，贫困人口的精准识别离不开“互联网+”、大数据、云计算等信息技术，也需要利用这些技术整合不同部门和不同行业的相关信息，以及高效并全面动态地收集贫困人口的多维度信息，建立扶贫信息综合管理大数据平台，从而实现扶贫信息公开、完整、动态，便于公众监督，也利于扶贫政策的精准制定和实施。另外，还可将数据框架和结构划分不同等级，精准锁定每个贫困人口的基本信息，并通过数据平台实现随时进行贫困人口和贫困县级的定性和定量的精准动态识别，也可利用这个数据平台对与扶贫相关的其他问题进行综合分析，并根据分析结果完善有益于社会良性的可持续发展的联动改进措施和机制。

参考文献：

[1] 刘永富.12个省市制定了高于国家扶贫标准的地方标准[OL].http：//news.xinhuane，2016-05-10.

[2]汪磊，伍国勇.精准扶贫视域下我国农村地区贫困人口识别机制研究[J].农村经济，2016（7）：112—117.

[3]汪三贵，郭子豪.论中国的精准扶贫[J].贵州社会科学，2015（5）：147—150.

[4]吴雄周，丁建军.精准扶贫：单维瞄准向多维瞄准的嬗变——兼析湘西州十八洞村扶贫调查[J].湖南社会科学杂志，2015（6）：162—166.

[5]王介勇，陈玉福，严茂超.我国精准扶贫政策及其创新路径研究[J].中国科学院院刊，2016（3）：289—295.

[6]王小林.扶贫对象精准识别与精准帮扶研究[J].当代农村财经，2016（3）：5—9.

[7]陈辉，张全红.基于多维贫困测度的贫困精准识别及精准扶贫对策[J].广东财经大学学报，2016（3）：64—71.

[8]贺立龙，左泽，罗樱浦.以多维度贫困测度法落实精准扶贫识别与施策[J].经济纵横，2016（7）： 47—52.

[9]王国勇，邢溦.我国精准扶贫工作机制问题探析[J].农村经济，2015（9）：46—50.

[10]潘帅.新常态下我国精准扶贫工作机制研究[D].河北师范大学，2016年5月10日.

[11]赵国梁.以改革创新精神扎实推进扶贫开发工作[N].贵州日报，2014年4月15日.