农村低保会引致负向就业激励吗？——基于CFPS面板数据的实证检验

韩华为

（北京师范大学 社会发展与公共政策学院，北京 100875）

一、引言及文献回顾

农村低保自2007年正式建立以来在财政投入和保障标准方面都呈现出快速增长的趋势。2007-2018年全国各级财政支出农村低保资金总额从109亿元快速上升至1 057亿元，全国农村低保平均保障标准也从840元/人年持续提高至4 833元/人年。12年间全国农村低保财政总投入和平均保障标准上升幅度分别高达8.70倍和4.75倍。与此同时，随着农村社会救助体系的不断完善，农村低保人口除了可以获得稳定的现金救助之外，如果遭遇教育、就医、住房等方面的困难时，他们还可以获得这些领域的专项救助。［1］众多证据表明随着保障标准的不断提高，农村低保可以有效降低受助群体的贫困发生率和贫困距指数，［2-5］显著提升其在食品、住房、医疗和教育等基础需求方面的消费水平。［6-8］时至今日，作为农村社会的兜底保障网，低保制度在削减贫困、促进公平和维护社会稳定方面发挥着日益重要的作用。

从官方文件来看，农村低保采用家计调查方法来瞄准目标群体。这意味着只要家庭人均收入低于低保标准且符合低保户财产状况规定，即便是那些有劳动能力的农村个体也可以获得低保。民政部统计数据显示2010年以来农村低保群体中劳动年龄人口的比例一直在50%左右。另外一些基于不同数据来源的统计分析也发现，在农村低保群体中有相当比例的个体具有劳动能力。［2-4］那么，随着救助水平的不断提高，农村低保是否会对有劳动能力受助个体的就业行为产生负向激励，以至于形成广受诟病的“福利依赖”现象呢？本文将对此问题展开实证研究。

从理论层面来看，农村低保可能通过多条路径对受助个体的就业产生负向激励。首先，在经典的劳动供给模型中，在闲暇是一种正常商品并且工作本身不具有直接效用的前提下，非劳动收入提高所带来的收入效应会减少个体的劳动供给水平。［9］作为公共转移支付的低保救助金是一种典型的非劳动收入，因此获得低保会通过收入效应机制对受助者就业产生负面影响。其次，依据政策规定，农村低保使用家计调查瞄准方法，在此基础上按照家庭人均收入低于当地低保标准的差额进行补差式救助。这意味着受助者的边际税率为100%。此时，救助前的收入如果增加一定数额，受助者所获得的低保金将会减少相同的数额。显然，这种补差式救助很容易引致负向就业激励。［3］再次，目前农村低保实践中存在广泛的福利捆绑现象。［10］低保资格一旦被认定，受助家庭不仅能够得到低保金，而且在有需要的时候还能获得各类专项救助。一方面，这意味着更高水平的收入效应，从而导致对劳动供给更大的负向冲击。另一方面，在家计调查瞄准机制下，如果通过就业将其收入提升至低保标准以上，受助者不仅会失去现金救助，而且还会丧失与之相捆绑的各类专项救助。这显然会进一步强化低保对受助个体就业的负向激励。最后，农村低保执行过程中的污名化效应会引致福利耻感，［11］这种福利耻感也可能对就业意愿和就业行为产生负面影响。

与此同时，农村低保也可能通过一些潜在机制对受助者就业产生正向激励。比如，获得低保以及其他专项救助有助于改善受助个体的营养状况、提升受助个体健康和教育方面的人力资本水平，［12-13］这些均能促进受助个体的生产能力并对其就业产生正向影响。另外，低保救助还可以通过缓解农村贫困家庭的信贷约束而对其成员就业行为产生正向影响，［14］比如通过帮助其获得迁移费用而促进其外出打工就业。考虑农村低保对受助者就业具有正负两方面的影响机制，因此其净效应的方向和大小有待于严格的实证检验。

基于调查数据和严格的定量方法，国外已有不少文献对发展中国家贫困瞄准型公共救助项目的就业效应展开实证考察。来自肯尼亚、马拉维和吉尔吉斯斯坦公共现金救助项目的证据发现这些救助项目会对受助者就业产生显著的负向激励。［15-17］而来自巴西、洪都拉斯、印度尼西亚、菲律宾等国的研究却发现公共救助项目并未对受助家庭成员的就业行为产生显著影响。［18-20］其中，一些文献还进一步分析了这些救助项目未产生负向就业激励的原因。一些学者认为发展中国家救助项目的瞄准过程很难严格按照家计调查方法来执行，当转而采用其他变通的瞄准方法时①比如社区瞄准、分类瞄准、代理家计调查瞄准方法等。，由于瞄准和收入的关联度减弱，因此救助项目的边际税率显著下降，最终削弱了救助项目引致的负向就业激励。［21］另外，也有一些学者指出救助水平较低也是一些发展中国家救助项目未引发显著负向就业激励的重要原因。［20］

由于中国低保救助在城市地区建立时间较长，国内学者对城市低保的就业效应和福利依赖问题展开了较多的考察。［22-25］但受到方法和数据的限制，这些研究大多仅以有劳动能力的城市低保人口作为研究对象，然后通过考察救助时间或救助水平对就业变量的影响来探讨城市低保对低保对象产生的就业效应。在此基础上，其中一些研究发现城市低保会对低保对象的就业意愿和就业行为产生负面影响。［22］但也有不少研究发现城市低保并未对低保对象就业产生显著的负向激励。［23-25］从项目评估角度来看，对低保救助就业激励效应的实证检验需要基于包括低保对象和非低保对象在内的样本数据，构造合理的反事实框架来识别低保干预变量对就业变量的因果性影响。由此观之，上述对城市低保就业效应的评估存在较大的局限性，该领域的研究需要基于更全面的数据和更严格的计量方法来进行深化。

尽管一些定性研究发现农村低保对受助个体就业存在潜在的负向激励风险，［26］但现有文献对农村低保就业效应的定量考察却非常稀少。一些研究测算了农村低保的边际税率，发现该边际税率远低于诱发负向就业激励的水平。［3-4］另外，通过分析农村低保对受助者时间利用模式的影响，有文献发现获得低保与个体工作时间之间存在显著的负向关联，该结论意味着农村低保存在引发负向就业激励的可能性。［27］这些研究虽然在定量层面对该问题做出了初步的探索，但却都未能在反事实因果识别框架下对农村低保的就业激励效应做出严格评估。基于来自中国家庭追踪调查农村样本的面板数据，使用倾向值匹配和双重差分相结合（PSM-DID）的实证策略，本研究试图对农村低保的就业激励效应做出严格的实证检验。

本研究的贡献体现在如下几点。首先，研究主题方面，本文对农村低保的就业激励效应展开了严格的实证检验，同时还探讨了这些效应在不同群体中的异质性，这在国内尚属首次。第二，数据方面，本研究所采用的CFPS面板数据具有全国代表性，样本量大且包含了低保和非低保两类群体，这使得我们能对农村低保的就业效应做出严格评估。第三，方法方面，本文使用PSM-DID方法构造反事实因果识别框架，这有助于消除样本选择引致的内生性问题，从而获得更可靠的评估结果。

二、实证策略与计量模型

本文基于2012和2014年CFPS农村样本构成的平衡面板数据构造反事实框架来识别农村低保对受助者就业状况的影响效应。我们将2012年设定为初始期并将研究样本限定为2012年未获得低保的有劳动能力的农村成年个体。因此，在本文所设置的反事实框架中，干预组为2012年未获得低保但2014年获得低保的样本，而对照组则为2012年和2014年均未获得低保的样本。为了控制效果评估中普遍存在的样本选择偏误，我们将使用倾向值匹配和双重差分相结合（PSM-DID）的估计策略来识别政策效果。

PSM-DID方法最初由Heckman等提出并应用于政策评估研究中。［28］该方法的基本思想体现为：通过倾向值匹配方法，在对照组样本中，为每一个干预组样本匹配出与其特征相似的样本，将所有匹配样本作为控制组代替原来的对照组来进行DID估计①为了做出区分，本文将匹配前的非低保样本称为对照组，而将匹配后的非低保样本称为控制组。。与单纯的DID策略相比，PSM-DID方法较好地满足了干预组和控制组的共同趋势假设①共同趋势假设是采用DID方法识别政策效应的重要前提。该假设指，如果没有政策干预，干预组和对照组的结果变量在两期之间的变化不存在显著差异。PSM方法可以在一定程度上消除控制组与干预组之间除政策干预之外的系统性差异，因此能够较好地满足共同趋势假设。。与单独使用PSM方法相比，PSM-DID方法不仅能控制可观测的特征，而且还能在一定程度上消除不可观测异质性的影响，从而有助于获得较为可靠的政策效应估计结果②PSM方法通过控制可观测的特征来进行匹配，但干预组和控制组之间还可能在不可观测的特征方面存在差异，两期之间的双重差分（DID）有助于消除不随时间改变的不可观测异质性的干扰。。

在本文的研究背景下，我们使用下述三个步骤来具体执行PSM-DID方法。

第一步，考虑初始期（2012年）特征能够刻画样本在未来期（2014年）陷入贫困并获得低保的风险，我们基于Probit模型来建立2014年农村低保获得与2012年各类特征之间的关系，利用其估计系数来计算每个样本在2014年获得低保的倾向性分数。该回归模型表示如（1）式：

（1）式中，Di,14是一个虚拟变量，代表样本i在2014年是否获得低保（获得=1；未获得=0）。Xi,12代表样本i来自个体、家庭和社区三个层面的特征在2012年的取值。此外，考虑农村低保执行在各省之间可能存在差异，我们在回归模型中还进一步控制了省份虚拟变量。

第二步，利用步骤一中得出的倾向性分数，为干预组中的所有样本在对照组中匹配出与其特征类似的样本，我们使用这些匹配出的样本构建出控制组。我们以半径匹配（caliper=0.01）作为主要的匹配方法。半径匹配的优势在于，它能够利用在半径范围内尽可能多的对照组样本进行匹配，这有助于提高匹配的精确性。同时，为了检验核心结论的稳健性，我们还采用了其他两种匹配方法：最近邻匹配（k=10；caliper=0.01）和核匹配（核类型为normal；bwidth=0.01）。

第三步，PSM-DID得出的平均处理效应如（2）式所示：

（2）式中，T代表干预组，C代表通过匹配获得的控制组，Y12代表干预前的结果变量，Y14代表干预后的结果变量，D代表是否获得农村低保，X12代表匹配过程中所控制的2012年的各类特征变量和省份虚拟变量。

三、数据来源及变量说明

1.数据来源

本文使用的数据来自北京大学中国社会科学调查中心（ISSS）执行的中国家庭追踪调查（CFPS）。CFPS已经公布了2016年轮次的调查数据，但是它却没有针对家庭是否获得农村低保进行询问。考虑低保获得是本研究中最为关键的政策干预变量，我们只能利用CFPS在2012年和2014年两轮调查中的农村样本，以此构造两期面板数据来展开实证分析。两个方面的优势使得该数据能满足我们的研究目的。第一，CFPS在上述两轮调查中不仅询问了农村低保获得状况，而且还调查了受访者的就业状况及就业意愿。不同于以往调查仅依靠单一问题来判断样本的就业状态③比如，不少调查仅仅通过“您现在有工作吗？”一个问题来判断样本的就业状态。，CFPS的就业板块还考虑了个体临时休假、生意淡季、农闲季节等多方面的因素，因此能够通过逐步筛查对样本就业状态做出更精确的判断。第二，两个年度的面板数据以及CFPS所提供的受访者各个层面的丰富特征信息，使得我们可以使用PSM-DID 反事实因果识别框架，这有助于克服样本选择引致的内生性问题，从而获得更可靠的评估结果。

本文实证分析选择16-65岁之间有劳动能力的农村个体作为研究对象，我们删除了处于该年龄段的在校学生以及因病残而丧失劳动能力的样本。为了构建平衡面板数据，我们仅仅保留了2012年和2014年两轮均接受调查的受访者样本。在删除核心变量有缺失值的样本后，我们最终获得样本量为12 170的两期平衡面板数据。其中，干预组和对照组的样本数量分别为610个和11 560个。

2.变量说明

本研究的被解释变量为样本个体的就业状态，我们通过两个变量来对其进行刻画。第一个就业变量（Work1）是度量样本个体是否工作的虚拟变量（工作=1；未工作=0）。CFPS通过五个问题逐步筛查来判断样本个体是否工作（见图1）。第二个就业变量（Work2）还进一步纳入样本个体的工作意愿信息。CFPS 通过两个问题来判断样本个体是否具有工作意愿：（1）您过去一个月是否找过工作？（2）如有工作机会，您能否在两周之内开始工作？当两个问题回答均为否时，我们设定该样本无工作意愿。反之，我们设定该样本具有工作意愿。在此基础上，我们设定变量Work2包括三个取值：当样本个体未工作且无工作意愿时，该变量取值为0；当样本个体未工作但有工作意愿时，该变量取值为1；当样本个体实际参与工作时，则该变量取值为2。我们认为该变量的数值越大，样本个体的就业激励越强。

本研究的解释变量为样本个体是否获得农村低保（获得=1；未获得=0）。CFPS 询问受访农户是否获得低保，如果回复为获得低保，我们就将该家庭内的所有成员界定为低保个体。在Probit 模型（1）式中，我们控制了2012年来自个体、家庭、社区三个层面的特征变量和一组省份虚拟变量。其中，个体特征包括年龄、性别、受教育程度、是否在婚、是否少数民族、是否中共党员以及自评健康水平。家庭特征变量有家庭规模、16 岁以下儿童人数、60 岁及以上老人人数、家庭人均收入对数、家庭人均净资产的四等分①家庭人均净资产来自靳永爱等的测算结果。［30］、家庭存在住房困难②家庭存在住房困难指因住房面积过小导致出现12岁以上的子女与父母同住一室、老少三代同住一室、12岁以上的异性子女同住一室、床晚上架起白天拆掉、客厅里也架起睡觉的床等情形。、家庭发生灾难性医疗支出①设M=家庭自付医疗支出/家庭非食品消费支出。如果M＜40%，我们定义该家庭未发生灾难性医疗支出。如果40%≤M＜80%，我们定义该家庭发生轻度灾难性医疗支出。如果M ≥80%，我们定义该家庭发生重度灾难性医疗支出。。社区特征则包括村庄内是否有卫生站或诊所、家族祠堂和宗教场所，村庄是否位于少数民族聚居区、矿产资源开发区和自然灾害频发区，村庄是否已经开展民主直选，村庄距本县县城是否超过20公里②考虑两个年度内社区特征变化的可能性较小，CFPS在2010年调查社区特征之后，CFPS2012并未对社区特征进行调查。因此，本研究采用CFPS2010中的社区特征来度量初始期社区特征。。

图1 CFPS中判断就业状态的流程图

四、实证结果

1.样本就业状态描述性统计

表1 样本就业状态描述性统计（个、%）

表1给出了样本就业状态的描述性统计结果。无论在哪个年度，总样本中均有接近88%的个体参与工作。在未工作的样本中，无工作意愿的个体比例（两个年度分别为8.41%和8.82%）显著高于有工作意愿的个体比例（两个年度分别为3.93%和3.10%）。分性别来看，男性样本的工作参与率显著高于女性样本。同时，与男性相比，女性样本未工作且无工作意愿的比例要高得多。分年龄段来看，随着年龄的增加，工作参与率呈现出先上升后下降的倒U形趋势。其中，36-45岁样本的工作参与率最高且无工作意愿比例最低，而16-25 岁和56-65 岁样本的劳动参与率最低且无工作意愿比例最高。按教育水平分组来看，各类教育水平组群在工作参与率方面差异不明显，但教育水平为小学以下的个体未工作且无工作意愿的比例显著高于教育水平更高的样本个体。按健康水平分组来看，与自评健康好的个体相比，自评健康差的个体未工作且无工作意愿的比例更高。按地区分组来看，西部地区的工作参与率高于中东部地区，而东部地区未工作且无工作意愿的样本比例高于中西部地区。最后，从低保干预前后的两期比较来看，总样本及各子样本的工作参与率变化并不明显。与低保干预前的2012年相比，2014年低保干预之后，56-65岁子样本、自评健康差子样本以及东部子样本的未工作且无工作意愿的比例有较大幅度的上升，这说明农村低保可能对这几类群体产生负向就业激励。

2.匹配前后的平衡性检验

本文通过倾向值匹配方法（PSM）来构造控制组。表2给出了用于计算倾向值分数的Probit回归估计结果。许多2012年的特征变量对样本个体在2014年是否获得低保表现出显著的影响效应。个体特征变量中，少数民族、自评健康差会显著提高个体获得农村低保的概率，而在婚和教育水平较高的个体获得农村低保的可能性更低。家庭特征变量中，家庭规模越大、家中老人人数越多、家中发生重度灾难性医疗支出的个体获得农村低保的可能性更高，而家中儿童人数较多、家庭人均收入和人均净资产更高则会显著降低个体获得农村低保的概率。社区特征变量中，村内有卫生站或诊所与个体获得低保存在负向关系，而所在村庄位于少数民族聚居区、所在村庄位于自然灾害频发区、村庄内部有家族祠堂却与个体获得农村低保呈现出正向关系。

表2 农村低保获得Probit模型回归结果

表3 倾向值匹配前后的平衡性检验

表3显示了用于检验倾向值匹配效果的平衡性检验结果。匹配之前，非常多的特征变量在干预组和对照组之间存在显著差异。总体来看，与未获得低保的对照组样本相比，获得低保的干预组样本在家庭经济状况和人力资本水平方面均表现出明显的劣势，同时干预组样本遭遇灾难性医疗支出冲击的可能性更高。干预组和对照组之间存在系统性差异，这使得两者共同趋势假设很难成立。基于匹配结果构建控制组之后，所有的特征变量在干预组和控制组之间的差异不再显著。这表明基于匹配结果构建的控制组在各类特征变量方面与干预组非常相似，这保证了两者共同趋势假设的成立。因此，在倾向值匹配基础上进一步采用双重差分方法能够更好地处理样本选择问题，从而使得政策效果估计结果更为可靠。

3.总样本中的PSM-DID估计结果

表4给出了在全部样本中的PSM-DID估计结果。首先，我们考察了获得农村低保救助分别对两个就业状态变量的影响效应。第一个就业状态变量Work1 是度量样本个体是否工作的虚拟变量。第二个就业状态变量Work2则进一步纳入了工作意愿信息，当样本个体的就业状态分别为未工作且无工作意愿、未工作但有工作意愿、实际参与工作时，Work2的取值分别为0、1、2。当Work2数值越大时，样本个体的就业激励越强。使用半径匹配的估计结果表明，获得农村低保会对有劳动能力受助个体就业产生显著的负向效应。对Work1的估计结果表明获得农村低保会显著降低样本个体参与工作的概率。对Work2的估计结果表明获得农村低保会显著降低考虑工作意愿之后的就业激励。

表4 基于总样本的PSM-DID估计结果

按照政策设置，农村低保按照家庭人均收入低于低保标准的差额进行补差式救助。在此背景下，来自不同家庭的受助者获得的低保救助金额可能存在较大差异。因此，我们有必要进一步探讨不同额度的低保干预对个体就业的差异化影响。我们将家庭人均低保金低于其中位数（1 020元/人年）的个体定义为获得较低低保救助金额的样本（N=305），而将家庭人均低保金高于其中位数的个体定义为获得较高低保救助金额的样本（N=305）。参照Gao 等采用的方法，［13］我们通过有序Probit模型①有序Probit模型的自变量与表2中的自变量完全一致。限于篇幅，该结果未在文中呈现。来估计每个样本未获得低保、获得较低低保救助金额、获得较高低保救助金额的概率，然后分别为获得较低低保救助金额和获得较高低保救助金额的样本匹配出与其特征相似的非低保样本，最后基于匹配后的控制组和干预组来识别与其对应的PSM-DID效应。表4给出采用上述方法得出的估计结果。比较之后不难发现，当使用半径匹配方法时，获得较低低保救助金额对受助个体的两个就业状态变量均未产生显著影响，而获得较高低保救助金额则显著降低了两个就业状态变量。这说明较高的救助水平会对受助者产生较为严重的负向就业激励。

为了检验以上结论的稳健性，表4还给出了基于k最近邻匹配和核匹配的PSM-DID 估计结果。无论从影响方向来看，还是从影响效应的显著性水平来看，基于其他两种匹配方法的估计结果与基于半径匹配的估计结果大体一致，这说明表中结果较为稳健。

4.异质性分析

表5 基于不同子样本的PSM-DID估计结果

农村低保对个体就业的影响效应在不同群体之间可能存在差异。同样采用PSM-DID 识别策略，我们分别从性别、年龄、教育水平、健康状况、所处地区五个角度检验这种异质性效应。表5给出在不同组群中的PSM-DID 估计结果。在不同性别组群中的估计结果显示，获得农村低保会对女性样本的就业产生显著的负向效应，而该效应在男性样本中并不显著。在农村家庭内部，女性更多地承担料理家务和照顾老幼的责任。而贫困会迫使一些女性选择参与生产活动以缓解家庭经济压力。获得低保则可能降低女性的就业激励，使其花更多的时间来承担传统的家庭责任。在不同年龄组群中的估计结果表明农村低保仅对56-65岁样本个体产生显著的负向就业激励。该年龄段的农村个体大多从事劳动密集型的农业生产，年龄较大导致其体力出现较严重的衰减。因此，当获得低保救助及其他专项救助之后，该年龄段的个体更倾向于降低其工作意愿和工作参与。按照教育水平和健康状况分组估计结果表明农村低保仅在教育水平为小学以下及自评健康差的子样本中表现出显著的负向激励效应。教育和健康是农村个体最主要的两类人力资本，较低的人力资本水平限制了个体的就业能力和就业机会。当获得保障其最低生活水平的救助之后，这些面临就业困难的个体更容易对福利产生依赖而降低其工作积极性。

最后，在不同地区组群中的估计结果表明与中西部地区相比，农村低保的负向就业激励在东部地区更为显著。相比中部和西部地区，东部地区农村低保的保障标准和救助金额更高，同时与低保配套的各类专项救助制度也更加完善。因此，该地区较高的福利待遇更容易引致显著的负向就业激励。

五、结论与政策启示

本文基于中国家庭追踪调查2012和2014两个年度构成的面板数据，使用倾向值匹配和双重差分相结合的因果识别策略，实证检验了农村低保对具有劳动能力受助对象的就业激励效应并进一步考察了该效应在不同样本群体中的异质性。研究结果表明：获得农村低保会显著降低有劳动能力受助个体的就业激励，当就业状态变量纳入工作意愿信息之后，该结论仍然成立。不同的低保救助金额所产生的就业激励效应存在差异，其中，获得较低救助金额对受助个体产生的就业效应并不显著，而获得较高救助金额能够对受助个体就业产生显著的负向效应。按照社会人口特征分组后的估计结果表明，农村低保在女性、年龄较大、教育水平较低、健康状况差的群体中表现出显著的负向就业效应。按照地区分组的估计结果显示，农村低保的负向就业激励在东部地区更为突出。采用多种匹配方法的分析结果表明，本文上述结论具有较好的稳健性。

本文实证结论支持农村低保会对有劳动能力受助个体产生负向就业激励。结合我们在引言部分所展开的理论分析及已有的农村低保研究文献，本文实证结论可以从以下几个角度来进行理解。首先，农村低保的负向就业激励可能来源于该制度在瞄准方面的政策设置。按照官方的政策文本，农村低保应该采用严格的家计调查瞄准并且按照家庭人均收入与低保标准的差额来确定实际救助金额。这种政策设置意味着低保金会面临很高的边际税率，从而会对受助者的就业产生负向激励。一些文献发现农村低保在瞄准实践中对上述政策规定有所偏离，这可能会弱化瞄准和家庭收入的关联度，从而降低低保金的边际税率并削弱其可能导致的负向就业激励。［31-33］但是，2012年以来，国家相关部门严格规范了农村低保家庭经济状况核查工作并且重新强调了家庭收入和财产是认定低保对象和确定救助金额的基本依据。在此背景下，农村低保在瞄准方面的政策设置仍然可能是引致负向就业激励的重要原因。其次，农村低保所带来的负向就业激励也可能归因于低保实践中广泛存在的福利捆绑现象。基于案例研究的证据显示，在现有的农村低保政策下，低保户不仅可以获得越来越高的低保救助金，而且还可以获得医疗救助、教育救助、危房补贴、过节补助等诸多的额外好处。［10］这甚至使得低保身份成了某种特权，造成一种“赢者通吃”的现象。很显然，福利捆绑提高了低保的含金量，这意味着更高水平的收入效应，从而导致对劳动供给更大的负向冲击。另外，在现有的瞄准机制下，如果通过就业将其收入提升至低保标准以上，那么受助者不仅会失去现金救助，而且还会丧失与低保相捆绑的其他各类救助，这显然会进一步强化低保对受助个体就业的负向激励。最后，针对农村低保对象的就业扶持政策效果不佳，［34］这导致低保对其受助者，尤其是能力不足受助者的负向就业激励难以得到有效缓解。

为了缓解负向就业激励以及由此可能导致的福利依赖问题，未来农村低保可以尝试从以下几个方面进行政策优化。首先，为了弱化农村低保内在的制度性负向就业激励机制，可以尝试设置就业收入豁免和救助渐退政策。在瞄准过程中确定低保户救助额度时，对其新增就业收入给予一定比例的豁免，从而使得对新增就业收入的边际税率低于100%。在低保动态管理过程中，对于通过就业使其收入超过低保标准的家庭，应该尝试采取低保渐退政策，即允许该类家庭在一定期限内仍然能够继续享受低保待遇，从而削弱福利悬崖效应引致的负向就业激励。其次，考虑福利捆绑可能强化农村低保的负向就业激励，农村低保和其他专项救助应该逐步建立相对独立的保障对象识别机制。与农村低保救助相比，医疗、教育、住房等领域的专项救助应该设置稍高的收入识别标准。这样，即使因为增加就业而使人均收入略高于低保标准，在发生特定领域的困难时，这些农村困难家庭仍然有资格享受相应领域的专项救助。在这样的政策设置下，低保个体因为害怕失去各类专项救助而减少工作的激励才能随之减弱。最后，积极的、有针对性的就业援助措施也有助于缓解农村低保引致的负向就业激励。对于女性、年龄较大、健康和教育人力资本水平较低的低保个体，受制于体力和技能方面的不足，其就业能力差而工作报酬低，因此低保对其产生的负向就业激励尤其显著。在当前农村地区脱贫攻坚的时代背景下，通过整合民政系统的就业救助政策和扶贫系统的各类转移就业项目，为这些弱势群体提供有针对性的就业帮扶，这对于缓解农村低保负向就业激励、降低低保对象福利依赖具有重要作用。