深度贫困地区贫困村多维贫困研究——基于四川大小凉山彝区的实证分析

许 鲜 蓝红星

（四川农业大学 管理学院，四川 成都 610000）

引言

消除贫困，改善民生，是社会主义社会的本质要求。党的十八大以来，中国脱贫攻坚成绩显著，每年农村贫困人口减少均超过1000万；贫困发生率从2012年底的10.2%降至2018年底的1.7%，累计下降8.5个百分点；贫困群众生活水平明显提高，贫困地区面貌有效改善。但是，中国的脱贫攻坚仍面临比较严峻的形势。从总量上看，2018年底，全国农村贫困人口还有1660多万人，且越往后脱贫成本越高、难度越大，其中深度贫困地区脱贫攻坚仍存在较大的困难。2017年6月23日，习近平总书记在山西太原主持召开深度贫困地区脱贫攻坚座谈会时也指出，脱贫攻坚的主要难点是深度贫困。党的十九大报告明确指出从现在到2020年，是全面建成小康社会的决胜期。因此，攻克深度贫困堡垒，是打赢脱贫攻坚战必须完成的任务，是开启全面建设社会主义现代化国家新征程的必要前提。

深度贫困地区的贫困程度究竟有多深？又主要受到哪些因素影响？只有弄清楚了以上问题，才能以非常规举措应对，如期实现脱贫。早期仅用收入（支出）水平来识别贫困，太过单一，往往导致识别精准度不高，由此诞生了多维贫困理论。多维贫困理论最早由Amartya Sen（1873）在福利经济学的基础上创立，在其著作《以自由看待发展》一书中首次提出“能力贫困（Capability poverty）”概念，认为家庭贫困的根源是来自“能力的缺乏”，而不仅仅是收入低下。［1］2联合国开发计划署（UNDP）2000《人类发展报告》中也指出，收入贫困是以贫困线为标准定义的，它忽视了贫困和福利中非常重要的非收入特征。［2］深度贫困地区因其贫困的特点及其致贫原因的特殊性、复杂性，更有必要进行多维贫困研究。学术界对多维贫困的测量方法常见的主要有：Cheli、Lemmi（2001）提出的克服贫困线界定中随意性的模糊集方法，［3］Bourguignon、Chakravarty（2003）提出的公理化方法，［4］Maasoumi、Lugo（2008）提出的基于信息理论的方法，［5］1-29Ramos、Silber（2010）提出的投入产出效率方法，［6］以及Alkire和 Foster（2011） 提出的“双界线”方法。［7］目前，多维贫困测量方法主要运用于贫困县（郑长德， 单德朋，2016）［8］、农户（贫困户）（王小林， Sabina， Alkire，2009［9］；郭建宇， 吴国宝，2012［10］）和贫困人口（邹薇，方迎风，2011）［11］等宏微观层面，而关于村级层面的多维贫困研究却鲜有涉及（汪三贵等，2007［12］；叶初升，2010［13］5-11；郭辉，2015［14］），但是，村一级作为最基层的组织，是党执政的基础。全国12.8万个贫困村补齐短板实现脱贫摘帽是现实需要，也是经济社会发展的必经之路。

本文以深度贫困地区四川省大小凉山彝区为例，抽样选取300个贫困村进行多维贫困测量，旨在探析贫困村的识别、多维贫困程度、影响多维贫困的因素，并提出以超常规举措应对深度贫困地区贫困村脱贫攻坚的新思路。本文的主要贡献在于以下三点。一是以深度贫困地区贫困村为单位分析村级多维贫困，丰富多维贫困研究领域。村一级作为一个整体，其内部贫困户、贫困人口存在一定同质性，整体分析有利于提升扶贫资源的利用率。二是从不同特征人群分解多维贫困。按照妇女人口、劳动力、外出务工人口、长期慢性病患者和家庭规模5个方面进行分类，遵从“以人为本”的发展理念。三是首次纳入村级集体经济指标。鉴于四川省贫困村退出标准中明确提出村村有集体经济的要求，本文侧重分析深度贫困地区当前贫困村集体经济发展现状，并探讨脱贫攻坚时期该标准是否合时宜。

一、研究的区域概况和数据来源

（一）研究区域概况

作为深度贫困地区的重要组成部分，大小凉山彝区位于我国地势第一级阶梯向第二级跨越的横断山区。区域山高谷深，生态环境脆弱，自然灾害频发，贫困面宽、量大、程度深，是我国全面小康和脱贫攻坚的短板和硬骨头，是习近平总书记在深度贫困地区脱贫攻坚座谈会上明确提出的连片深度贫困地区，是四川省脱贫攻坚四大片区之一，同时也是少数民族的集中区和极端贫困①地区，多维连片贫困特性凸显，研究该连片区域的多维贫困，具有重要的理论和现实意义。

图1. 大小凉山彝区13个贫困县地理位置

大小凉山彝区现有13个贫困县（如图1所示），面积3.38万平方千米，占到四川省面积的6.95%。截止2015年，区域13个贫困县农村居民人均纯收入5750.85元，仅为四川省平均水平的65.33%；农村建档立卡贫困人口44.70万人，占四川省农村贫困人口的8.98%；贫困发生率为16.11%，高于四川省平均水平8.41个百分点。

（二）数据来源

为保证样本数据的可靠性和权威性，本文采用四川省扶贫和移民工作局2015年建档立卡贫困村调查数据，该数据主要通过各贫困县选派第一书记进村入户开展实际调研汇总，具有较高的真实性和可靠性，综合反映了现阶段四川省脱贫攻坚四大片区所有贫困村生产、生活、医疗、帮扶计划等多方面的实际情况。

与现阶段其它大部分有关多维贫困研究不同的是，本文将研究对象锁定为贫困村，在此基础上对贫困村整体多维贫困进行深入分析，使研究结论在精准扶贫和整村推进中更具代表性和可借鉴性。同时，本文采用分层等距抽样的方法，运用随机触发器对各深度贫困县贫困村按总体规模15.54%的样本数量，随机选取300份样本，此抽样方法既保证了经验样本的客观性，又保证了其整体性和代表性。见表1。

表1.样本分布概况

（三）样本特征

本文研究区域中，按不同特征人群将从妇女人口、劳动力、外出务工人口、长期慢性病患者和大家庭②5个方面分析。样本的构成情况如表2③。

表2.区域基本特征

大小凉山彝区13个深度贫困县（区）共计276619人，家庭66521户。该区域的贫困人口有65919人，收入贫困发生率为23.83%，显著高于同时期全国平均水平的7.2%，妇女④人口数为114079人，占总人口的41.24%，劳动力达到143577人，占到了总人口的51.90%，外出务工人口32508人，比例仅为11.75%，长期慢性病患者10234人，占到了3.70%，大家庭占到总户数的40.72%。

二、多维贫困测量模型建立

（一）A-F多维贫困测量方法

Amartya Sen把发展看作是深化人们享受实质自由的过程，包括免受困苦，诸如饥饿、营养不良等基本可行能力。人们因基本可行能力被剥夺而陷入贫困。基于此，多维贫困测算就是要识别出贫困个体被剥夺的维度，从而测算出贫困个体多维贫困状况，即多维贫困发生率（H），贫困深度指标，即平均剥夺份额（A）和贫困人口综合贫困状况（多维贫困指数）。

多维贫困状况的测量基于贫困识别和构建测量方法两个步骤。Alkire和Foster基于能力化的多维贫困测度，构建了“双临界值”识别和测量方法，即A-F多维贫困测量方法。该方法主要包括对贫困的识别、加总和分解三个步骤。A-F多维贫困测量方法能够很方便地对多维贫困进行识别、加总和分解，是目前为止较为理想的多维贫困测度方法。首先，该测量方法对贫困识别更加简单化、明确化，且容易操作。其次，能够在运用修正的FGT方法⑤的基础上，较为容易计算出贫困强度以及贫困深度下的多维贫困指数。再次，A-F方法可以方便地对贫困进行分解，从而比较不同地区、不同特征人群的多维贫困状况。

（二）指标选取和剥夺值设定

贫困村的多维贫困测量建立在贫困户或贫困人口的整体水平之上，本文依据《中国统计年鉴2015》各项指标平均水平和《中共中央国务院关于打赢脱贫攻坚战的决定》明确提出的“到2020年稳定实现农村贫困人口不愁吃、不愁穿，义务教育、基本医疗和住房安全有保障”的要求，结合四川省贫困村退出标准，主要从经济水平、社会保障、基础设施、教育文化和人居环境5个维度共计10项指标对贫困村进行多维贫困测量与分解。需要注意的是，贫困村的多维贫困测量应优先考虑指标的覆盖率或普及率。见表3。

表3. 维度、指标及临界值的设定

（三）权重的确定

已有研究中，常用的权重确定方法主要有数据推动（Data-driven）、规范的（Normative）和混合的方法。数据推动方法主要包含频率、统计方法等。规范方法常采取的是等权重。目前，比较简单的确定多维贫困指标权重的方法是等权重法，尽管也有一些研究人员采取主成分分析等统计方法确定权重，但结果始终带有随意性，没有找出统一科学的做法。基于此，本文使用等权重法对深度贫困地区贫困村多维贫困指标体系进行赋权，即：各维度等权重以及同一维度内各指标等权重。各指标的权重如表4所示。

表4.各指标权重确定

三、多维贫困测量结果与分析

（一）多维贫困测度结果

从区域总体来看，大小凉山彝区贫困剥夺在各个维度上都较为严重，测度结果不容乐观。如表5所示，当只考虑1个维度或2个维度时，大小凉山彝区贫困村贫困发生率为100%，表明研究区域所有贫困村都存在着5个维度中任意2个维度的贫困剥夺。此时的贫困剥夺份额为80.33%，多维贫困指数为80.33%，说明研究区域贫困状况十分严重。随着维度K值的不断增大，处于多维贫困状况的贫困村个体数量（H）逐渐减小，多维贫困指数（M）也呈现出下降趋势，贫困剥夺份额（A）则呈现上升趋势。当K取值为4时，大小凉山彝区贫困村贫困发生率下降到67.44%，平均剥夺份额上升到87.59%，多维贫困指数下降到59.07%。需要特别指出的是，当K取值为5时，研究区域中仍有12.29%的贫困村遭受着所有维度的贫困剥夺，同时，多维贫困指数为12.29%。

从区域对比来看，大凉山彝区贫困剥夺深度和广度均高于小凉山彝区，大凉山彝区更偏向于大小凉山彝区总体趋势。当K=1时，大、小凉山彝区的贫困发生率均为100%，大凉山彝区的贫困剥夺份额为81.12%，多维贫困指数为81.12%，而此时小凉山彝区贫困剥夺份额为73.75%，多维贫困指数为73.75%；当K=5时，大凉山彝区与小凉山彝区的差距更加明显，此时大凉山彝区的贫困发生率为13.75%，贫困剥夺份额为100%，多维贫困指数为13.75%，而小凉山彝区的贫困发生率为0，不存在贫困的广度和深度。

表5.大小凉山彝区贫困村多维贫困估计结果 单位：%

（二）多维贫困指数分解

1.按维度进行分解

按照A-F方法，本部分对多维贫困指数M0进行了维度上的分解。最终得出了经济水平、教育文化等各个维度对多维贫困指数M0的贡献率，结果见表6。

从表6可以看出，大小凉山彝区贫困村在经济水平、社会保障、基础设施、教育文化、人居环境等各个维度都有不同程度的贫困现象发生，尤其在收入贫困发生率、村集体经济和基础教育方面缺失较为严重，贫困发生率十分高，分别达到了100%⑥、99%和99%。同时，经济水平和教育文化两个维度对多维贫困指数M0的贡献率最高，分别为24.77%和20.1%。

表6. 各维度单维贫困发生率及各维度对多维贫困的贡献率 单位：%

着重从村集体经济进行分析可以发现，深度贫困地区村集体经济严重匮乏，单维贫困发生率高达99%，即在每100个贫困村中，仅有1个贫困村满足拥有村集体经济并且村集体经济收入达到人均3元的标准。在10个指标中，其对M的贡献率也超过10%的平均水平，为12.32%，与基础教育的贡献率持平。但与基础教育不同的是，目前，在深度贫困地区，尤其是在民族地区，义务教育的投入期限较长，但投入力度连年攀升，而村集体经济建设却一直是薄弱环节，因此短时间内难以得到根本改变。

2.按不同特征人群进行分解

不同特征的人口结构理应使得多维贫困状况有不同的表现。本文主要从贫困村人口结构进行多维贫困分解，包括5个角度：妇女人口、劳动力、外出务工人口、长期慢性病患者和家庭规模。统计学中以平均数为标准来判断某种现象或事物数量的大小，水平高低，效果和质量的好坏。因此在进行以上5个方面的多维贫困分解时，本文采用300个样本的平均值作为分割线。其中：妇女人口为41.42%，劳动力为51.9%，外出务工人口为11.75%，长期慢性病患者为3.7%，家庭规模的分割线为大家庭占比40.72%。

（1）妇女人口

目前有关妇女贫困的研究较多（李芝兰，2007［15］；王爱君，2013［16］；陈光燕，2016［17］），但在民族地区，妇女是否更贫困，仍然值得商讨。部分研究表明，妇女作为弱势群体，应该给予更多的关注（万兰芳、向德平，2016［18］）。本文鉴于前人研究，以妇女比例占全村人口的41.42%为分界线，主要从贫困村中妇女人口比例高低对多维贫困的贡献进行探讨，结果如表7。

表7.妇女人口多维贫困贡献率 单位：%

从表7可以看出，在K取值为1—5时，妇女比例大于等于41.42%的贫困村多维贫困贡献率更大，这就表明，在1—5个维度时，妇女人口越多，越容易使贫困村陷入贫困，甚至在K取值为5时，这种情况更加严峻。由此可见，妇女越多的贫困村，其遭受的多维贫困广度和深度都越大。主要原因在于民族地区的性别不平等，导致妇女文化程度低、健康状况差，其非农就业机会少，工资性收入水平低。这也从一个方面论证了民族地区妇女更容易陷入贫困的观点。

（2）劳动力

贫困村摆脱贫困的重要途径即是通过劳动力的劳动创造财富。理论上，社会劳动力资源总数的计算方法是劳动年龄人口和劳动年龄之外实际参加劳动人数之和减去劳动年龄内不可能参加劳动人数的差值。而本文的劳动力指的是年龄处于适合参与到劳动的阶段，是作为生产者统计的这类人口。我国一般规定男子16岁—59岁期间、女子16岁—55岁期间的人口为劳动适龄人口。⑦

如表8所示，劳动力比例大于等于51.9%的贫困村对多维贫困的贡献率较小，且随着维度的增加，其贡献率呈现下降的趋势，即劳动力有利于减缓贫困的广度。劳动力对贫困村贫困程度的加深具有阻碍作用，但如何将这些劳动力有效地利用起来使得贫困村摆脱贫困才是当下需要解决的难题。

表8. 劳动力多维贫困贡献率 单位：%

（3）外出务工人口

现有研究指出务工对于民族地区来说是把“双刃剑”，认为外出务工在增加不同民族家庭平均收入的同时，也增加了贫困发生率和收入不平等，处于收入分配低端的家庭往往遭遇人口流动带来的负面影响，从而造成贫困化增长现象（社会保障绿皮书，2017［19］285-304）。一方面，务工在增加非农收入的同时，也可以增长见识，转变陈旧观念；另一方面，少数民族群体在外出务工地可能面临劳动力市场的歧视或排斥。本文基于此类文章存在的争议，对贫困村外出务工比例对多维贫困的贡献率进行分析，结果如表9。

表9.外出务工多维贫困贡献率 单位：%

结果显示，务工比例小于11.75%的贫困村对多维贫困的贡献率更大，务工比例大于等于11.75%的贫困村贡献相对较少，但当K值等于3时，外出务工比例较大的贫困村多维贫困贡献率从40.53%上升至40.73%。这就较好解释了在某种程度上，外出务工对于多维贫困有着一定的阻碍作用，但这种阻碍作用远不能抵消其积极作用，因此务工对贫困地区依然起着积极的作用，能够缓解贫困村多维贫困程度。

（4）长期慢性病患者

程名望等（2014）认为，农村减贫短期内应该更关注健康问题。［20］本文在此类研究观点的基础上，从村级层面探讨长期慢性病患者与多维贫困的关系，结果见表10。

表10.长期慢性病患者多维贫困贡献率 单位：%

研究结果表明，长期慢性病患者比例大于3.7%的贫困村对多维贫困的贡献率较大，且随着K取值的增加，其贡献率呈上升趋势，当K取值为5时其贡献率达到了81.08%，平均增幅达到1.38%。而长期慢性病患者比例小于3.7%的贫困村多维贫困贡献率仅有18.92%，平均每个维度下降4.58个百分点。长期慢性病有一个长期累积的过程，随着维度的增加，其贡献率也随之增加，表明长期慢性病患者遭受的贫困剥夺更加严重，由于长期的药物支出和健康程度较低不能较好从事生产活动，从而导致收入水平较低和其他维度的剥夺。

（5）家庭规模

图2.不同K值下长期慢性病患者多维贫困贡献率变化

关于家庭规模与贫困的研究目前较多，但多是局限于家庭内部结构（杨龙、汪三贵，2015［21］；郭熙保、周强，2016［22］），本文将家庭规模分为6人户以下和6人户及以上，即中小家庭和大家庭，来分析家庭规模的大小对多维贫困的贡献率。

表11.家庭规模多维贫困贡献率 单位：%

从表11可以看出，对于任意K值，大家庭比例较少的贫困村对多维贫困的贡献率大于大家庭比例较大的贫困村，由此可见，在民族地区，家庭规模越大，反而使得其越不容易陷入贫困。但值得一提的是，随着K值从4增加到5，大家庭比例较大的贫困村对多维贫困的贡献率也随之增加。换言之，随着剥夺维度的增加，大家庭比例较大的贫困村遭受着贫困剥夺加重。资源约束的前提下，家庭规模越大，越无法实现资源配置与利益分配的一致性，造成更多维度的贫困剥夺。

主要结论与启示

（一）主要结论

本文在参照联合国MPI多维贫困指数的基础之上，以深度贫困地区为研究区域，以贫困村为研究对象，对大小凉山彝区进行了多维贫困测量，并结合当地贫困村的实际贫困状况，设计了深度贫困地区贫困村多维贫困指标体系。得到以下结论：

1.深度贫困地区贫困村存在严重的多维贫困剥夺。通过多维贫困指数和贫困剥夺份额可以看出，深度贫困地区贫困村存在较为普遍的多维贫困剥夺，且存在任意两个维度的贫困剥夺。尤其是在经济水平、教育文化维度方面遭受的贫困剥夺情况更为严重。

2.妇女人口较多的贫困村对多维贫困指数贡献较大。研究总体趋势表明妇女人口比例越大，贫困村多维贫困越严重，且陷入贫困的广度和深度都越大。这与以户为研究对象得出的妇女人口比例越大的家庭，多维贫困越严重的结论相吻合。民族地区妇女贫困除经济因素以外，还有一定程度的性别歧视，妇女获得权利、教育、培训和生产资源的机会有限（朱楚珠、李树茁，2000［23］），还包括生育导致的健康问题以及其他所出现的导致家庭不稳定的诸因素。

3.务工对深度贫困地区贫困村的积极作用远超消极作用。结果表明，务工比例较小的贫困村，其对多维贫困的贡献率更大。然而，当K取值为3时，务工比例较大的贫困村对多维贫困的贡献率少量上涨，由此表明务工在三个维度条件下，会轻微加重贫困村多维贫困，这也能较好地解释由于民族地区人口受到语言、地域、习俗等的约束，外出务工在一定程度上可能对贫困村脱贫起着阻碍作用。但在深度贫困地区内部，得益于外出务工所增加的总平均收入，其反贫困作用依然突显。若将研究区域延伸至包括其他地区或民族诸如汉族，由于存在收入不平等的问题，结论可能会相悖（社会保障绿皮书，2017［19］285-304）。

4.长期慢性病深刻影响贫困村多维贫困。长期慢性病人口比例较大的贫困村对多维贫困的贡献率较大，且与该比例较小的贫困村有显著差异，表示长期慢性病是贫困地区的毒瘤，深刻影响贫困村多维贫困。随着K值的增加，其多维贫困贡献率也随之增加，这也能很好解释长期慢性病对于脱贫的反作用力，因此贫困主体强健的体魄是其摆脱贫困奔小康的基础。深度贫困地区长期慢性病主要包括心脑血管疾病、类风湿性关节炎、慢性呼吸系统疾病和糖尿病，从经济支出高、劳动力水平不高等方面影响贫困地区的生产生活。

5.大家庭发展后劲较足。与现有研究比较，大家庭比例较高的贫困村比大家庭比例较低的贫困村对多维贫困的贡献率更少。换言之，家庭规模越大，反而越不容易陷入贫困，其原因在于家庭内部成员的资源共享以及能提供的劳动力更多。但随着维度的增加，大家庭比例较高的贫困村对多维贫困的贡献率有所回升，表明其受到的贫困剥夺程度依然严重，这就可以解释大家庭在资源共享的同时也存在资源的分摊，家庭所需支出的费用也同比增加。

（二）启示

1.贫困村退出标准要求村村有集体经济，对于深度贫困地区是否有“大跃进”嫌疑？从测量结果可以看出，目前贫困村村集体经济严重缺失，若要保证到2019年实现全面脱贫、2020年实现全面小康，短时间内从无到有，是否会过分注重数量上的硬性要求，忽视其本身能力与实际生产力不相符的客观条件，同时，村集体经济建立和发展的制约条件较多，如何培养具有“理想主义”或“英雄主义”情结的带头人才是当务之急。因此，村集体经济不能作为缓解深度贫困甚至消除深度贫困的选择，但可作为后续发展策略。

2.基础教育应“软硬兼施”。教育扶贫是阻断贫困代际传递最根本的途径。调查显示，自2016年春季学期开始，研究区域实施了十五年免费教育⑧。政策实施至今两年有余，由于农村大量成年人是文盲已经成为既定事实，因此并不会在短时间内改变基础教育被严重剥夺的现状；另一方面，为了满足贫困退出要求，目前大小凉山彝区控辍保学力度空前强大，因贫辍学现象已鲜有发生。最新数据显示，截至2019年1月，2064名建档立卡贫困户失辍学子女已全部劝返复学。但由此将引发一系列新的问题，其中最突出的问题——由于突然提升的控辍保学力度，凸显了教育硬件和师资配套严重不足的情况，这种不足势必会降低教学质量，无法达到政策预期效果。因此，如何确保控辍保学的可持续性，是现阶段亟待解决的难题。从政策制定者角度出发，加大学校基础设施建设投入是当务之急，尤其是教室与校舍的扩建；从学校角度，落实汉语辅导员制度，学生在幼儿园阶段即普及双语教育，同时努力实现每一所小学、初中均安装宽带的目标；从师资角度，由于目前深度贫困地区师资队伍参差不齐，陷入“留不住，引不来”的尴尬局面，因此有效利用现有较稳定但水平不高的师资，能适度缓解学生数量与教师不匹配带来的压力。一是提升现有教师专业水平，在学校已安装宽带的前提下，采取网络在线教育的方式进行教学，考虑到双语教学在彝区刚推动不久，因此主要的形式为教师先学先懂，学生再学再懂。二是提高教师薪资待遇，留住现有教师的同时吸引一批新教师加入，壮大师资队伍，优化师资结构。

3.正视民族地区多生多育现状，提升人口质量。民族地区多生多育的习俗存在已久，政策制定者在从源头去制止这种现象的基础上，应更大程度地正视这一现实，思考盘活这类人的途径。这类人作为劳动力的组成部分，运用得当可以起到有效缓解贫困的作用，尤其是在其子女均成年的情况下，能够更大限度地反哺家庭、回报社会。一个可能的方法是将贫困村闲置劳动力统一集中，进行技能培训，使其成为推动贫困村脱贫致富的力量而非绊脚石。

注释：

①极端贫困指每日收入低于1.25美元的全球贫困线标准，处于极度贫困状态的人口。

②2015年我国家庭平均规模为3.35人，因此，一般地，人口统计学将5人（含5人）以上的家庭户定义为大家庭，同时期大小凉山彝区家庭平均规模为4.16人，鉴于彝区的特殊性，本文将大家庭定义为家庭规模在6人及以上的家庭。

③表中比例除大家庭是大家庭规模数占该区域家庭总户数的比例外，其它比例均是研究因素占总人口之比。

④司法解释中定义14岁以上的女性称为妇女，未满14岁的男女称为儿童。本文的妇女以司法解释中的定义为准。

⑤FGT方法是由Foster、Green和Thorbeeke于1984年提出的衡量贫困的一种方法。

⑥收入贫困发生率为100%解释了本文选取的对象是2015年已经被认定为收入贫困的贫困村。

⑦见1953年《劳动保险条例》和2013年《劳动合同法》。

⑧在九年义务教育的基础上，全面免除民族地区公办幼儿园3年保教费和公办普通高中3年学费，并为所有普通高中在校学生免费提供教科书。