中国农村贫困识别指标体系构建及应用

李良艳 王旭

摘要：2000年以来，我国在解决农村贫困问题上已经取得了重大成效，但是农村致贫因素以及贫困表现形式都发生重大变化，对农村贫困的识别已经从静态收入需求单维向动态多维转变。运用Alkire和Foster关于多维贫困的分析框架，构建包括教育、健康、卫生条件、生活状况等7个指标的农村多维贫困识别指标体系，选取6个年度CHNS面板样本数据，分别从剥夺视角和需求视角对我国农村贫困人口进行识别、追踪和分解。前者分析农村多维贫困情况，并对致贫因素进行甄选;由于目前收入仍然是衡量贫困的核心指标，所以后者从需求定义出发，对贫困人口的不同贫困程度进行研究，考察非收入贫困群体中存在的隐性贫困问题，依据分析结果得出相关结论，提出相应政策启示。

关键词：农村贫困;多维贫困;收入贫困;贫困识别

中图分类号：F069   文献标识码：A   文章编号：1007-2101（2019）04-0057-08

一、问题的提出

改革开放以来，为减少我国社会的农村贫困人口，中国的反贫困战略经历了1978—1993年农村家庭土地承包责任制、1986—1993年开发式扶贫、1994—2000年开发式扶贫加社会救助政策的双轮组合模式、2001—2014年扶贫瞄准机制以及2015年以来的精准扶贫，经过这五轮的反贫困策略帮扶以及经济增长双重辐射作用，我国农村绝对贫困人口的规模逐年下降，从1978年的2.5亿人降到2018年的1 660万人。中国的反贫困战略取得了巨大阶段性胜利，对全球人类发展做出了重大贡献。

随着社会经济发展，农村人口数量逐年下降，由2001年的不到7.9亿人降到2017年的5.7亿人，占比也从62.3%降至41.48%。无论是从农村人口的绝对数量还是相对数量来看，经济发展的福利惠及了广大农村，农民的生活条件和生活质量得到了极大改善。同时，农村居民人均纯收入得到大幅度提高，从2000年2 253元增加到2017年13 432元，2018年更突破了14 600元，收入翻了三番，扣除价格因素影响的平均每年实际增长率高达7.54%，2010年当期增长甚至升至10.9%，农村居民的生活水平较之前有了明显提高（见图1、表1）。同世界其他发展中国家横向来比，无论是从增长幅度还是速度来看，我国在增加农民收入方面取得令世界瞩目的成就，为减少农村地区贫困人口贡献了中国力量。

然而，同时也应该看到，同世界上的发达国家相比，我国农村人口比重还是比较高，中国面临的深层次贫困问题的艰巨性和复杂性依然不可小觑。

农村贫困人口的减少数量依据人均收入进行衡量，不同时间段设定的收入标准不同。2011年以来，国家将农村扶贫标准提高到年人均纯收入2 300元（2010年不变价），按照新标准，当年年末农村扶贫对象为12 238萬人（见图2）。随后，国家加大扶贫支持力度，实施精准扶贫、精准脱贫政策，农村贫困人口呈线性递减。2018年是打赢脱贫攻坚战三年行动起步之年，国家统计局数据显示，2018年底全国农村贫困人口1 660万人，比2017年减少1 386万人，贫困发生率降至1.7%，比上年贫困发生率3.1%下降了1.4个百分点。

党的十九大报告指出，“要坚决打赢脱贫攻坚战，确保到2020年我国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，做到脱真贫、真脱贫”。

这是否代表2020年我国农村不存在贫困了呢？答案是否定的，从前面分析看出，贫困标准的衡量主要是从收入来讲，并且2020年农村人口实现脱贫也是按照现行人均收入标准来进行测量，属于单维脱贫。但是从贫困的本质来看，长期以来我们定义的贫困还是一种相对比较狭义的概念，它是一种单一的，静态的显性贫困。马克思唯物辩证法认为，事物发展都遵循着一定的客观规律，同时，参照世界上其他国家在解决贫困问题的运行轨迹来看，贫困会随着社会和经济发展发生与之相应的变化，逐步由显性走向隐性、静态迈向动态。

中国农村的贫困问题将不再只是用收入来度量的贫困人口减少的表面现象，取而代之，更多将是运用综合因素来衡量一种动态的农村贫困。实质上也是从单维绝对收入贫困到多维的能力贫困，从货币性指标到非货币综合指标。本文旨在研究农村的贫困识别问题，希冀通过该文研究为未来中国反贫困政策提供一定参考。

二、关于贫困

贫困伴随着社会经济发展而出现，学术界对贫困的认识先后经历了经济增长贫困理论、社会发展贫困理论。目前，研究重点主要侧重于人力资本贫困理论领域。

经济增长理论是基于经济增长角度探讨发展中国家落后根源和成因的理论体系，核心观点是这些国家经济发展缓慢或停滞不前的原因归咎于人均收入水平低下和物质资本形成不充分，但其根源还是在于缺乏物质资本和投资。经济增长贫困理论主要包括罗格纳·纳克斯的贫困恶性循环理论、纳尔逊的低水平均衡陷阱理论、哈维·来宾斯坦的临界最小努力理论。

社会发展贫困理论并不是单纯地把贫困作为一种经济现象，而是把它看作一种社会现象进行研究和探索，该理论认为导致贫困的主要原因是因为社会基本制度和具体实施制度安排不合理、社会结构扭曲以及社会不平等。它的代表人物是瑞典经济学家冈纳·缪尔达尔，在其《亚洲的戏剧——南亚国家贫困问题研究》一书中，作者从发展经济学的资源、人口与经济发展、经济结构与国民收入、农业化问题、不平等问题等8个方面对南亚贫困的致贫原因进行深入分析，研究南亚地区如何脱贫、如何发展的问题。

人力资本贫困理论是从贫困主体本身来研究贫困，而且在不同程度上对贫困的致贫因素和表现形式做了很大程度的扩展，为分析贫困提供了一种全新的视角和分析框架。主要包括舒尔茨的人力资本理论、阿玛蒂亚·森的可行能力贫困理论、赫伯特·J·甘斯的功能贫困理论以及世界银行的人力资本贫困理论。其中阿玛蒂亚·森的可行能力贫困理论被广泛接受，他从能力贫困视角出发，认为贫困的实质是人们创造收入和机会的贫困，是缺乏维持正常生活与社会活动的可行能力，即贫困是对人们可行能力的剥夺。他对贫困的定义已经不再局限于物资生活方面的匮乏，还包括社会、文化、政治、精神等方面的能力剥夺。基于森的能力贫困理论，Sabina Alkire和James Foster对多维贫困问题进行量化，提出计算多维贫困指数（MPI）的A-F方法，并在国际上得到广泛应用。

虽然学者们从不同视角对贫困理论进行研究，但从中也可以看到，随着贫困实质发生变化，学者们大都以研究对象的福利最大化为基石，从多重视角来理解贫困。贫困内涵已经不仅仅是简单收入/消费方面的贫困，而是可行能力处于被社会所排斥和相对剥夺的一种状态。随着理解不断深入，对贫困的识别已经逐渐走向多维化和动态化。

在农村贫困的识别度量上，学者们采用不同方法对多维贫困指数和贫困程度进行测度。夏庆杰等（2007）使用CHIP调查数据，估计了1988—2002年中国城镇绝对贫困的变化趋势[1]。王小林等（2009）采用Alkire和Foster于2007 年开发的多维贫困测量方法，利用2006 年中国健康与营养调查数据，对中国城市和农村家庭多维贫困进行了测量[2]。Sabina Alkire和James Foster（2011）拓展了传统的横截面和单一方法，提出一种新的多维贫困的测度方法，即A-F方法[3]。Sabina  Alkire（2014）采用多維贫困指数（MPI）对100多个发展中国家的严重贫困程度进行直接衡量，通过对该指数使用范围和稳健性的测试表明，多维贫困指数分析可以提供可靠的分析框架，能弥补收入估计的不足[4]。Sabina Alkire和Ana Vaz（2017）利用Alkire-Foster调整贫困人口比率和其一致的子指标，建立一套对多维贫困的跨期变化进行计算的系统方法[5]。郭熙保、周强（2016）利用Alkire和Foster（2011）多维贫困测度方法和Foster（2009）的持续时间分析法，构建了长期多维贫困与平均贫困持续时间指数，以CHNS 数据为样本从静态和动态双重视角分析了我国的长期多维贫困程度，并通过多层回归模型探讨了致贫的宏微观因素[6]。蒋南平、郑万军（2017）在改进A-F多维贫困指数分析的基础上，提出了多维返贫识别及测算方法，并且运用2010—2014年中国家庭追踪调查数据对中国农民工多维返贫进行了测度[7]。刘洪、王超（2018）基于分层Logistic回归模型的中国农村贫困识别研究显示，该模型能够提高贫困农户的识别率，有效识别率能够达到75%[15]。章元、万广华（2012）[9]，张全红、周强（2014）[10]，王春超、叶琴（2014）[11]，王朝明、马文武（2014）[12]，侯为民（2015）[13]，王增文（2017）[14]，霍萱、林闽钢（2018）[15]，张昭、吴丹萍（2018）[16]等从多维角度构建我国贫困识别指标体系，在此基础上，分别选取不同的指标和临界值对我国贫困指数和贫困程度进行了度量。

三、多维视角下农村贫困的识别及研究方法

在传统的减贫策略中，以收入和消费水平作为工具是识别农村贫困问题直接而有效的一种手段，依据这样的标准，贫困仅和家庭收入水平密切相关，个人或家庭为维持最低生活所需的最低收入或消费水平往往成为贫困线（阈值）的标准。在第一部分的分析中可以看到，按照收入标准衡量的农村贫困人口数量在绝对减少，但随着经济发展，由于收入分配差距、贫困强度差异、脱贫后返贫以及总贫困中的慢性贫困等复杂因素综合作用，农村的相对贫困人口数量开始逐渐显现，并且以不同贫困形式表现出来，其中隐性贫困具有极强的隐蔽性，很难进行精准识别，无疑会成为政府扶贫政策的真空，从而缺少政策上的针对性和有效性。因此，识别农村贫困对解决农村贫困问题具有现实意义。

（一）多维视角下农村贫困的识别

农村贫困人口的识别是扶贫政策和扶贫项目瞄准的基础，收入只能反映经济贫困的一个方面，在对贫困人口的准确识别上，不仅要从多个维度识别和判定，而且还要把贫困的动态性即时间变量考虑进去。也就是说，除了收入维度之外，还需要从其他多个不同维度去瞄准，在识别的过程中，贫困并不是一种静止状态，而是随着时间变化而变化。所以，在上述多维识别的基础上，还要把时间变量贯穿到整个识别过程。

多维贫困理论来源于印度籍诺贝尔经济学家阿玛蒂亚·森，属于福利经济学范畴，其核心观点认为发展实质上是人类追求自由的过程，发展的首要目的是自由，发展应超越单纯追求GDP增长速度、技术进步或者社会现代化等狭隘的发展观，这些所谓的目标只具有工具性价值。森提出以“可行能力”作为贫困标准，是一种综合评定方法，强调贫困的实质是人们创造收入和机会的贫困，即缺乏维持正常生活和参与社会活动的可行能力，贫困是对人基本可行能力的剥夺，除了收入低下的经济贫困外，其他可行能力的缺失也影响到贫困。他对贫困的定义方法可以称为能力方法，实际上也可以称作以能力方法定义的多维贫困理论，多维贫困理论指出人类的贫困是客观指标贫困和对公共福利主观感受贫困的加总。

基于森的多维贫困理论，Sabina Alkire和James Foster（2011）[3]详细阐述A-F双界限法，这种方法被学术界普遍用来识别多维贫困，是一种特定时点上测度多维贫困的静态方法。它是一种对多维贫困进行识别、分解和加总的方法。具体来讲，通过分类统计个体或家庭在每个维度上取值，并且设定每个维度的贫困线标准临界值，根据这一标准判断统计个体在每个维度上是否贫困，对被剥夺程度进行识别，最后在识别了各维度的被剥夺状况后，还需要对各维度进行加总进一步推导出多维贫困综合指数。A-F方法是测度一定时点的静态方法，缺点是无法反映贫困个体和家庭的动态变化，为弥补上述不足，Sabina Alkire（2017）[5]进一步地把时间变量考虑在内。

（二）多维视角下农村贫困的研究方法

本文以收入为基础，按照当年农村绝对贫困人口标准为贫困线，划分贫困人口和非贫困人口。在此基础上，利用A-F双界限法从多维贫困角度识别贫困人口和非贫困人口中的剥夺状况，以此考察农村人口中的贫困问题。研究步骤如下：

1. 调查样本数n，假设当年贫困线为S，个体收入Rj≤S，为贫困人口，相反，则为非贫困人口。

2. 多維贫困的测量。多维贫困指数本质上兼容了直接和间接方法，运用此方法时，要确定剥夺界限和贫困界限的一般形式。首先，要设置多维测量中的指标，在A-F方法中，一般都是从教育、健康、生活条件3个维度进行考察。其次，设置剥夺界限，运用剥夺临界值识别个体在每个指标下是否被剥夺，设临界值Zj，当Xij≤Zj，赋值为1，代表该个体在该指标下处于被剥夺状态，相反，赋值为0，表示该指标下没有被剥夺。再次，给每一个指标设置权重，从现有文献来看，对多维贫困识别一般都采用各个维度等权重方法，即赋予每个维度相等的权重。在每个维度上以及维度内的每个指标上都赋予相等权重简洁而明显，可以简化对指数的解释，达到对剥夺的一个权衡。对每个指标都赋予相等的权重，每一个维度j的贡献百分比可以表示为（wjhj（κ））/m0，其中wj是j维所占权重，hj（κ）表示向量矩阵中j列的平均值。在对农村贫困的识别中，要注意不同时期贫困变化的幅度，Sabina Alkire（2017）提出绝对变化率和相对变化率，绝对变化率即两个时期的差值，相对变化率即两个不同时期的水平差同初始期的百分比。除了考虑时间的变化，同时也要重视维度的变化。最后，设置多维贫困界限，即多维剥夺临界值k。

3. 计算多维贫困指数。计算多维贫困的发生率H，H=H（y;z）=q/n，其中q是按照双界限法识别的贫困人口数量，q=q（y;z）=∑ni=1？籽k（yi;z），？籽k代表K个维度时识别穷人的函数，多维贫困发生率无法对贫困的分布和剥夺的深度进行衡量，而且无法识别在其他维度上出现的新的贫困人口。为克服上述方法的不足，引入平均剥夺份额A，平均被剥夺程度等于所有贫困个体平均被剥夺的维度数与总维度数（m）的比值，A=c（k）/qd=∑ni=1ci（κ））/m，ci（κ）表示个体i加权贫困维度数。多维贫困指数既反映贫困密度也反映贫困强度，等于多维贫困发生率和平均被剥夺程度的乘积，公式表示m0=ΗΑ，还可以用平均贫困距、平均贫困深度进一步对m0进行调整，得到m1、m2。综上，多维贫困指数有m0、m1、m2等不同形式，在实际应用中，可以依据实际情况进行选择。

4. 贫困分解，计算各维度对多维指标的贡献率。衡量考察对象在各个贫困维度对于总贫困的贡献率，找出占比最大的致贫因素，增加政府政策的针对性，提高精准脱贫的瞄准精度。

5. 识别模型构建。首先，识别个体在维度j的贫困状态，可表示为：

其中yij 表示识别对象i在j维上是否处于贫困，当在该维度上处于贫困时，取值为1，否则为0。xi是识别对象的可支配收入，Z是特征向量。

其次，识别个体的多维贫困状态，可表示为：

因变量yim 表示识别对象i在多维视角下是否处于贫困，当m维大于K阈值时，yim 取值为1，代表存在多维视角下的能力剥夺，否则取值为0。

从式（1）和（2）可以看出因变量是二分类，而且非连续，属于0-1二项分布。

四、农村贫困的测算

1. 数据来源。本文选用中国营养与健康调查（CHNS）数据，CHNS数据从1989年开始收集，分别于1989年、1991年、1993年、1997年、2000年、2004年、2006年、2009年、2011年、2015年对15个省市7 200户家庭超过30 000人进行大范围的样本采集，2011年新增3个大型城市，2015年又增3个省。这些数据的收集整理不仅为了解我国贫困形式的变化特点提供了丰富资料，也为我国隐性贫困的研究提供了可靠的基础数据。

2. 多维贫困指标的选择与剥夺临界值设定。联合国公布的MPI是从健康、教育和生活标准3个维度，共10项指标来衡量不同国家和地区的贫困状况，由于有些指标，例如入学率、儿童死亡率，已经不符合我们的现实国情，因为随着社会经济发展和社会制度的不断完善，我国已经基本解决了上述问题，上述指标的意义已不是很大。例如，农村地区适龄儿童入学率已经基本达到100%。本文在设计多维指标时，兼顾国际通行标准、我国国情以及数据可获得性，选取收入、教育、健康、资产、卫生条件、饮用水和生活状况8个维度测度我国贫困状况，探析我国农村贫困的分布及其发展态势。

维度选择上基于致贫原因以及我国减贫经验，除传统指标外，新增健康维度，主要考虑到在农村中，因病致贫、因病返贫的现象十分普遍。国务院新闻办公室2015年发布的数据显示，因病陷入贫困的人口占整个贫困人口高达44.1%。此外，本来还加入了住房这一指标，现阶段住房不仅仅是居住的场所，同时也被赋予了资产的性质，该指标更能反映家庭和个体的社会状态，但住房指标由于考察期内缺失，故不再予以考虑。各指标的阈值见表2。

3. 多维视角下农村贫困的识别、捕获及分解。截止目前，CHNS调查数据最新是2015年，本文选取2000、2004、2006、2009、2011、2015六个调查年度的面板数据进行考察，以识别、追踪农村人口的贫困状况和动态变化。剔除掉CHNS数据库中包含的城市人口数据以及在调查期间农村人口指标的缺失值，共得到13 510个数据。在计算多维贫困指数时，采用等权重法，分别赋予每个指标1/7权重，考虑到多维阈值界限的主观性，因此，本文分别计算k=1、2…7，以便比较不同维度视角下多维贫困指数横界面的变化状况。表3显示了6个调查年度的多维贫困指数的测算结果。

从表3结果来看，随着贫困维度的逐渐增加，贫困发生率H和多维贫困指数m0呈相反的下降趋势，而平均剥夺份额A则表现为不断上升的态势，结果和A-F理论推测相一致。此外，如何确定合适的剥夺临界值K具有十分重要的现实意义，因为如果K取值过大，会夸大我国农村的贫困程度，与我国的国情不符，过低则无法准确甄别出真正的贫困人口，会掩盖农村贫困的真实状况，最优临界值的确定还是要依据地方的具体情况来考虑，同时结合数据作为参考，从而减少确定过程中带有的主观性。例如，从表中可以看出K=4是多维贫困临界值的重要节点，当K﹥4时，m0随着维度的增加下降的幅度相当明显;当K<4时，即使维度不断增加，但m0的下降幅度并不很大，反映出其对K值并不敏感。因此，本文测算结果表明K=4是合适的多维阈值（见图3）。

圖3显示，从多维角度来看，2006—2015年，无论是贫困指数还是发生率都明显下降，我国的贫困状况得到极大改善，反贫困政策取得明显成效。与此同时，我国农村贫困人口的变化出现了个别年度反弹，尤其2006年，贫困状况出现一定程度恶化，这和当时脱贫人口的脆弱性相关，存在脱贫后返贫的情况。自我国实施精准扶贫政策以来，脱贫工作取得了重大进展，多维贫困人口大幅度下降，脱贫绩效从数据上得到了充分肯定，贫困人口的福利水平得到极大改善。此外，伴随着反贫困政策不断深入，多维贫困发生率同贫困指数之间的间距日益缩小，表明同前期考察年度相比，农村贫困人口的贫困强度逐步减弱。多维贫困的分解见表4。

从表4的分解结果来看，7个维度对多维贫困指数的贡献率存在较大差异。卫生条件和饮用水的贡献率相对稳定，前者基本维持在20%-24%，说明农村贫困人口卫生条件的改善程度很有限，此项已经成为制约农村贫困的第二大重要指标。因此，党中央提出农村厕所革命具有很强的现实意义。这些指标中变化最大的是健康指标，它的贡献率从2000年的3.05%升至2015年的22.95%，已经成为影响贫困指数的最大因素，因病致贫、因病返贫现象已经严重影响到脱贫成效。其中，资产、生活状况两项指标下降速度非常明显，表明我国农村人口的财产状况和生活条件福祉明显提高，特别是资产，贡献率由2000年23.11%降至2015年的8.85%，成为贡献率最低的指标，意味着农民占有的财富显著增加。实际上，收入水平对总指数的贡献率也在不断下降，虽然2011和2015年数据有明显增幅，主要归咎于2010年我国采用了新的收入贫困标准，大大提高了收入标准门槛。

4. 收入视角下农村贫困的追踪。现阶段，我国农村贫困的识别主要还是基于收入水平，在收入水平下，通过多维视角对贫困群体以及非贫困群体潜在的贫困状况进一步细分，捕获潜在的隐性贫困。这种做法有利于提高扶贫对象瞄准精度，这直接关系到有限扶贫资源的分配效率和公平，避免农村中存在的精英捕获现象（见图4）。

图4中，第二象限收入贫困且多维贫困是深度贫困族群，属于精准扶贫政策应重点倾斜的对象，也是多方位扶贫资源最应流向的群体。第三象限中收入贫困但多维不贫困，这部分人群只是单维的收入贫困，如果针对提高收入这个目标对接特定项目，进行特定产业帮扶，是最容易走出贫困的群体。与此同时，由于此部分人群多维并不贫困，如果收入不再贫困，不易返贫。值得注意的是第一象限，因为不存在收入贫困，在现行的扶贫体制下还不是反贫困政策帮扶的重点，但由于存在多维贫困，实际上这部分属于隐性的贫困人口，如果周围环境突然恶化或自身遭遇变故，非常容易返贫，这部分人群脱贫成效并不高，是脆弱性脱贫。第四象限则是脱贫成效下的最理想状态，不仅脱贫绩效显著，而且最不易陷入贫困。

我国深度贫困人口逐渐呈下降趋势（见表5）。截止到2015年，深度贫困人口占贫困人口比例为67.47%，占总人口的6.09%，特别是扶贫政策实施以来，收入贫困且多维贫困人口由2011年8.82%降至2015年6.09%，表明我国的扶贫政策瞄准精度大幅度提高，更多深度贫困人口摆脱了贫困。实际上，深度贫困人口是脱贫攻坚中最难啃的硬骨头，是扶贫工作的重中之重，需要扶贫资源的重点倾斜，要进行全方位的立体帮扶。收入不贫困而多维贫困这一群体下降趋势十分明显，说明除收入维度之外的其他如健康、教育等维度的状况得到明显改善，在肯定成绩的同时，也是需要密切关注这部分人群，因其脱贫脆弱性极易陷入贫困境地。

五、结论与政策启示

我国在解决农村贫困问题上已经取得了重大成效，但是应看到贫困问题无论是现在还是未来发展中并不会消失，农村的致贫因素以及表现的贫困形式已经发生根本变化，用收入衡量的绝对贫困向相对贫困演化，显性贫困向隐性贫困转化，单维贫困走向多维贫困，农村贫困将更多表现在功能性贫困方面。本文基于Sen剥夺能力贫困理论，运用 Alkire和Foster关于多维贫困的分析框架，构建了农村多维贫困识别指标体系，选取2000、2004、2006、2009、2011、2015等各年CHNS面板数据，分析农村家庭的贫困状况，分别从剥夺视角和需求视角对我国农村贫困人口进行识别、追踪和分解，前者主要分析农村多维贫困情况，并对致贫因素进行甄选;后者从需求定义出发，对贫困人口的不同贫困程度进行捕捉，做到扶真贫，真扶贫。两种方法相辅相成，弥补各自不足，构成相对完整的农村贫困识别指标体系。主要得出以下结论：

第一，多维视角下的多维贫困指数和贫困发生率均明显下降，并且两者之间的间距逐渐收紧，说明考察期我国反贫困政策成效明显，特别是精准扶贫政策的实施，精准到户，得益于中央和地方政策支持，多维贫困得到全方面改善，脱贫效率大大提高;第二，多维指数动态分解显示，健康、教育和卫生条件是影响多维贫困指数的三个主要指标，尤其是健康维度，已经成为增长最快和最核心的指标，它的剥夺状况直接关系到农户是否贫困，这和我国的现实情况基本符合;第三，现行收入视角下对农村贫困户的识别和追踪可以看出，在收入贫困家庭中，部分家庭面临着双重收入贫困和多维贫困，属于深度贫困群体，另一部分只是单一的收入贫困家庭。同时，在非收入贫困家庭中，有些家庭也面临多维贫困。

在上述分析基础上，今后我国反贫困政策的重点要注意以下三个方面。

一是考虑到我国贫困的现实国情和未来发展趋势，可以参考“多维视角+收入视角”双重衡量工具对我国的农村贫困人口进行识别追踪。该计量手段的运用不仅可以对贫困程度和类型进行分类，捕捉到最需要帮助的深度贫困人口以及容易返贫的组群，还可以甄别出所涉及的主要剥夺指标，为国家反贫困干预政策的实施提供侧重点。兼顾收入和多维剥夺视角的农村贫困识别指标体系有利于用绝对数量衡量的需求贫困向相对贫困转化，从多维视角更加重视人的全面发展，个体自身福利最大化的实现，为未来贫困研究提供多角度的研究范式。与此同时，这种衡量方法可以有效捕捉农村中的隐性贫困群体，为隐性贫困研究提供方向和指导。

二是重点帮扶贫困线下的多维贫困人口，这一特征群体收入水平低下，面临着多个维度的剥夺困境，脱贫难度大。这些深度贫困人口不管是自身能力还是所处的生态环境都比较脆弱，贫困劣势非常明显，脱贫政策全方位支持的同时也要强化自身能力的提高，扶贫要和扶智、扶志相结合，增强其可持续发展的脱贫能力。由于深度贫困人口的天然劣势，一旦遭遇意外，容易返贫，要建立持续的识别追踪机制，保证其真脱贫、脱真贫。

三是在提高农民收入的同时，还要重视其他维度对贫困的影响，尤其是在健康、教育和卫生条件方面。伴随着人口老龄化以及生态环境的变化，因病造成全家致贫、返贫现象已经成为农村的普遍现象，在大力普及农村合作医疗保险的前提下，也要积极鼓励商业医疗保险进入农村市场，特别是重大疾病等险种。此外，通过改善农村卫生状况和医疗条件水平，培养扎根农村的医务人员队伍建设，提高农民健康水平。大力推进农村厕所革命，营造干净整洁的卫生条件，防止面子工程，使农民的卫生设施改革真正落到实处，惠及广大农村群体。

参考文献：

[1]夏庆杰，宋丽娜，Simon Appleton.中国城镇贫困的变化趋势和模式：1988—2002[J].经济研究，2007（9）：96-111.

[2]王小林，Sabina Alkire.中国多维贫困测量：估计和政策意义[J].中国农村经济，2009（12）：4-23.

[3]Sabina Alkire，James Foster. Counting and multidimensional poverty measurement[J]. Journal of Public Economics，2011（8）：476-487.

[4]Sabina Alkire.Measuring Acute Poverty in the Developing World：Robustness and Scope of the Multidimensional Poverty Index[J]. World Development，2014（7）：251-274.

[5]Sabina Alkire Ana Vaz.Changes Over Time in Multidimensional Poverty：Methodology and Results for 34 Countries[J]. World Development，2017（6）：1-17.

[6]郭熙保，周强.长期多维贫困、不平等与致贫因素[J].经济研究，2016（6）：143-156.

[7]蔣南平，郑万军.中国农民工多维返贫测度问题[J].中国农村经济，2017（6）：58-69.

[8]刘洪，王超.基于分成logistic回归模型的中国农村贫困识别研究[J].农业技术经济，2018（2）：130-140.

[9]章元，万广华，史清华.中国农村的暂时性贫困是否真的更严重[J].世界经济，2012（1）：144-160.

[10]张全红，周强，蒋赟.中国省份多维贫困的动态测度——以中国健康与营养调查中的9省为例[J].贵州财经大学学报，2014（1）：98-105.

[11]王春超，叶琴.中国农民工多维贫困的演进——基于收入与教育维度的考察[J].经济研究，2014（12）：159-174.

[12]王朝明，马文武.中国城镇化进程中的贫困问题：按要素分解分析[J].中国人口·资源与环境，2014（10）：94-102.

[13]候为民.城镇化进程中农民工的多维贫困问题分析[J].河北经贸大学学报，2015（3）：99-105.

[14]王增文.中国农村反贫困绩效的推动因素测度及分解：1978-2014[J].财贸经济，2017（9）：96-110.

[15]霍萱，林闽刚.中国农村家庭多维贫困识别指标体系研究[J].社会科学战线，2018（3）：227-236.

[16]张昭，吴丹萍.多维视角下贫困的识别、追踪及分解研究[J].华中农业大学学报，2018（3）：90-99.

责任编辑：母爱英

Abstract：Since 2000， we have made great achievements in solving problems of rural poverty， but the factors contributing to rural poverty and the manifestations of poverty have undergone significant changes， and the identification of rural poverty has changed from static income demand to dynamic multi-dimensional transformation. Using Alkire and Foster analysis framework about multidimensional poverty， buildingmultidimensional poverty identification index system including education， health， sanitation， rural life， etc seven indexes， selecting six years' CHNS panel sample data， respectively from the perspective of deprivation and demand perspective to recognize， track and decompose on China's rural poor. The former analyzes the multi-dimensional poverty in rural areas and selects the factors contributing to poverty. Since income is still the core index to measure poverty at present， the latter studies different poverty levels of poor people from the perspective of demand definition， investigates the hidden poverty problems existing in non-income poor groups， draws relevant conclusions based on the analysis results， and proposes corresponding policy enlightenment.

Key words： rural poverty，multidimensional poverty，income poverty，poor identification