基于双重差分模型的精准扶贫政策评估与长效性研究

刘钊 王作功

摘要：精准扶贫不仅要实现貧困家庭脱贫致富，还要建立长效机制防止脱贫家庭再次返贫。本文采用中国家庭追踪调查2014—2018年家庭水平数据，从家庭收入和生产资本积累两个角度，借助双重差分模型对中国精准扶贫政策效果及其长效性进行实证研究。结果表明：精准扶贫对增加农村贫困家庭人均纯收入成效显著，但实际效果呈现边际递减特征;农用机械作为家庭主要的生产资本形式，对农村贫困家庭有效利用政府补助提升家庭收入至关重要;政府补助有助于提升家庭拥有的农业机械价值，但对提高农用机械拥有率作用不理想。为了化解实践中的矛盾，应当引导贫困家庭将收入和政府补助转化为生产资本，实现精准扶贫政策的长效性。

关键词：精准扶贫;双重差分模型;生产资本;长效性

中图分类号：F32    文献标志码：A    文章编号：1001-862X（2020）03-0012-006

贫困问题是世界各国政府和人民面临的共同难题，也是人们长期关注的焦点问题之一。中国政府长期致力于减贫事业，但随着扶贫工作的深入开展，贫困人口分散性和贫困诱因复杂性等问题日益凸显，脱贫攻坚难度越来越大。在精准扶贫的收官阶段，要寻求更有针对性的扶贫政策，发挥“组织”在引领经济社会发展、化解基层社会矛盾和领导基层社会治理中的重要作用。[1]2013年11月，习近平总书记首次作出“实事求是、因地制宜、分类指导、精准扶贫”的重要指示。中国的扶贫工作开始由过去“漫灌”式粗放式扶贫转向精准扶贫。自此以后，经过艰苦奋战，中国的精准扶贫工作已经到了收官之年，有必要对其政策效果和长效性进行客观评估。

一、理论基础与统计描述

（一）理论基础

精准扶贫强调通过对贫困户和贫困村精准识别、精准帮扶、精准管理和精准考核，引导各类扶贫资源优化配置，实现扶贫到村到户，不仅要提高贫困人口的收入水平，更重要的是建立长效机制，确保贫困人口收入增加的可持续性，避免脱贫家庭再次返贫。长效机制也是精准扶贫工作面临的主要挑战，其关键在于政府通过政策牵引，使农户对精准扶贫产生认同感，形成政府和农户二者之间的“共意”[2]。在此基础上，创造条件引导贫困家庭将收入和政府补助转化为生产资本，形成比较稳定的未来收入流。在精准管理和考核约束下，扶贫资金的针对性和使用效率都有一定保证，但到村到户的扶贫资金能够转化为生产资本尚有很大的不确定性。在评估精准扶贫的政策效果时，既要关注贫困家庭的收入改善状况，同时也要结合贫困家庭的资产转化情况，考察扶贫政策的长效性。

关于精准扶贫的政策效果，现有文献进行了比较丰富的研究。一些研究针对精准扶贫的“精准考核”问题，探讨第三方评估模型及其应用。关于精准扶贫政策效果的定量研究，主要关注特定扶贫政策的效果评估，如农村低保政策、搬迁扶贫政策和链式融资政策等。[3]也有部分研究针对具体地区进行调查分析，从不同侧面考察扶贫政策效果。[4]在宏观层面综合考察精准扶贫的政策效果，需要有涵盖面更为广泛的社会调查数据支撑，大量利用中国家庭追踪调查（China Family Panel Studies，CFPS）数据的研究应运而生，朱梦冰、李实（2017）认为要实现贫困人口的精准识别，有必要从单一收入标准向多维贫困标准转变;张全红、周强（2019）从家庭纯收入、转移支付收入、家庭人均消费、生活改善和外出务工等多个方面研究精准扶贫政策对农村贫困人口的效果;王立勇、许明（2019）主要考察农村贫困人口家庭人均纯收入和贫困发生率两个指标，利用双层差分模型研究精准扶贫政策的减贫效应。这些文献从不同角度相对全面地考察了扶贫政策的实施效果，但普遍对贫困家庭生产资本的形成及其影响关注不够，从而很难用来衡量扶贫政策的长期效果，有限的关于长效性的探讨也仅限于定性描述，缺乏必要的数据支持。此外，2016年11月，国务院印发《“十三五”脱贫攻坚规划》，标志着精准扶贫工作进入到攻坚阶段，但由于CFPS数据公布时间的限制，现有文献只能使用2016年之前的样本，难以涵盖此后的脱贫攻坚阶段。[5]这些问题是本文研究的关注重点。

（二）指标选取与描述性统计

关于贫困状态的衡量，文献中最广泛使用的指标是收入。CFPS中以家庭为单位的收入指标包括全部家庭纯收入和人均家庭纯收入。本文选取家庭人均纯收入度量家庭贫困状况，使用其以2010年不变价调整后的数据。理论上，家庭人均纯收入与政策文件契合度高，能体现我国精准扶贫政策以户为单位的特点。对于大多数农村户籍人口，农用机器是可用于未来生产的资本主要形式，因而选择CFPS中农用器械价值作为生产资本的主要度量指标。针对农村居民的政府补助主要包括低保、退耕还林补助、农业补助、五保户补助、特困户补助等，2016年之后CFPS不再进行细分，统一归入政府补助。事实上，这些补助与财政专项资金的范围相重合，精准扶贫中政府补助主要就是来源于财政专项扶贫资金，因而这里选择是否接受政府补助作为精准扶贫政策变量的度量，家庭接受了政府补助时其值取1，否则取0。此外，针对可以由于变量遗漏导致的内生性，还选取家庭规模、医疗保健支出、文教娱乐支出作为控制变量，以反映家庭成员健康状况、子女教育等因素。[6]

考虑到2014年为精准扶贫实施的基准年份，且主要针对农村贫困人口，本文使用2014年、2016年和2018年CFPS家庭经济状况调查的混合截面数据，剔除其中城镇户籍样本和部分关键指标缺失样本。利用这些数据计算各指标的年度平均值，结果如表1所示，从中可以初步看出精准扶贫实施以来农村家庭的基本情况及变化特征。

对于人均家庭纯收入和家庭农用机械拥有情况等关键指标，区分受到政府补助和无补助两组样本，分别计算不同年度的样本均值。无论是否受到政府补助，平均来看从2014年到2016年人均家庭收入的变化都不明显，但2018年两组家庭的收入水平大幅度增加，两年内受补助和无补助家庭纯收入分别增长11.17%和11.05%。以家庭农用机械价值是否为零来衡量其拥有率，两组家庭农用机械价值和拥有率都存在明显差异。无补助家庭农用机械拥有率偏低可能源于其较少从事农业生产，这也导致其拥有农用机械价值的平均水平明显低于受补助者。精准扶贫实施后政府补助比例明显下降，随后基本保持稳定，部分体现了扶贫工作由大水“漫灌”到精准识别的转变。[7]医疗保健和文教娱乐支出略有增加，但这些指标是按家庭核算的，考虑家庭规模的影响后，二者占收入的比重约为12%和7%。