贫困村认定及扶持政策的减贫效应检验*——来自安徽省W县全域280个行政村的经验证据

王全忠，李 雨

(1.安庆师范大学 经济与管理学院，安徽 安庆 246133；2. 南京农业大学 经济管理学院，江苏 南京 210095)

改革开放40年以来，中国农村减贫开发取得了举世瞩目的成绩，按照2010年农村贫困标准核算，7亿多农民摆脱了贫困，被国际社会广泛视为人类社会扶贫实践中可复制、可分享和可持续发展的成功样板[1-3]。当前精准扶贫工作取得巨大成就的背后，既有特定的时空因素和中国独特的政治制度及治理体系的影响，也有来自世界其他国家扶贫经验或智慧“本土化”吸收的贡献，这其中关于减贫路径中的中国政治制度及治理体系的关系研究则充满魅力。中国扶贫工作的顺利开展，在一定程度上与扶贫管理体制高度相关，纵观当前精准扶贫的实践工作，基本形成了中央政府、省、县、建制村(或行政村)到户的多层级体系，自上而下的行政体制和与之配套的第三方监督评估及干部晋升激励制度，保障了扶贫工作的有序性、可监督性和创造性[4-5]。然而，较多研究资料从贫困户识别、收入增长与帮扶措施等多个视角阐述了减贫机制、存在的问题及政策效果，缺乏对我国扶贫制度设计的系统性研究，仅有部分研究关注到我国贫困县(即国家扶贫重点开发县)政策的执行效果或考核机制等[6-8]，而相对缺少对行政村(或贫困村)的关注[9]。

在我国农村扶贫工作中，贫困村认定最早可追溯到2001年。由于农村贫困发生所呈现的空间集聚特征以及真实贫困人口在帮扶过程中的可能“漏出”，容易造成县级瞄准失效和扶贫效率降低，因此，2001年制定的《中国农村扶贫开发纲要(2001—2010年)》明确指出，新时期农村扶贫需从县级瞄准变为村级瞄准，即基本的扶贫投资单位从贫困县变为贫困村，并给予相应的制度安排。但是，现有文献资料对“十五”至“十二五”时期中国贫困村的详细统计与减贫效果的研究较为零散，如汪三贵等[10]通过国家统计局的农村住户调查和世界银行的专项村级调查数据发现，以收入为标准和在精确瞄准状态下应该被确定为贫困村的村中有48%的村没有被瞄准。解析贫困村认定政策的演变逻辑可见，贫困村认定的初衷源于扶贫经验及规律的总结，但执行中也往往限于致贫成因复杂和地区经济社会发展较大差异等客观条件，不可避免地出现一定程度的非精准识别或瞄准失偏。随着扶贫工作探索中贫困村识别标准、遴选程序和管理制度的不断规范，到2014年，贫困村与贫困县、贫困户(人口)共同被纳入国家精准扶贫工作体系中，成为当前贫困县摘帽过程中“县—村—户”三级考核体制中的重要构成部分。

贫困村认定政策在农村扶贫探索中走过近20年，其取得的减贫效果如何？作用机制是什么？这些问题值得我们加以探讨。基于此，本文使用安徽省六安市W县(国家扶贫重点开发县)全境280个行政村2016—2017年的扶贫观测数据，评估贫困村认定政策的减贫效应，以期客观评价贫困村的减贫效应，为后续的政策走向提供理论参考依据。

一、贫困村认定政策的历史演变与减贫贡献

(一)贫困村政策的顶层设计与遴选机制

在中国农村扶贫工作开展过程中，贫困村认定实质上是国家扶贫治理的区域瞄准单元从县级贫困瞄准到村级贫困瞄准的转变，这一调整也经历了较长的一段时间，如汪三贵等[10]指出，1986—2000年，中国几乎所有的扶贫投资都是以贫困县为基本瞄准单位的，在中国政府宣布中国已经完成了“八七”扶贫攻坚计划并基本解决农村贫困人口的温饱问题之后，于2001年制定、发布了新的《中国农村扶贫开发纲要(2001—2010)》并对随后的农村扶贫工作进行了一系列的政策调整，相关调整的重点在于国务院扶贫办公室和地方扶贫部门于2001年在全国确定的148 131个贫困村[11-12]。

从实践层面来看，扶贫区域瞄准单元从“县”到“村”级的下移，本质上是中国长期的农村贫困发生规律的总结和提升扶贫效率的结合。

首先，在空间形态上，贫困户并非均匀分布，而多是呈现出一定程度的以村聚集的空间地理特点[9]。其次，贫困村往往既分布于贫困县内，也多分布于非贫困县内，传统的仅针对贫困县的扶贫瞄准，容易导致瞄准失效和走偏，尤其是遗漏非贫困县中的贫困人口。最后，贫困村认定是原先国家的贫困县政策在县域空间尺度内的更精准化瞄准，表现出覆盖范围趋广、识别更细化且增强扶贫效率和公平性的特点[13]，如同将“撒胡椒面”变成“握指成拳”，更加有利于增进扶贫开发工作的成效。

国家对扶贫单元下移至行政村的顶层设计，折射出扶贫工作的方向性、必要性和紧迫性，相关的围绕贫困村的识别标准、认定程序和出列(退出)标准及流程的整套工作机制(见图1)也随之跟进并付诸于扶贫实践，这其中，识别和认定贫困村的遴选机制对后续精准脱贫工作产生了基础性的影响。从实践操作来看，贫困村的识别标准原则上对照“一高一低一无”，即行政村贫困发生率高于所在县(市、区)平均水平、行政村2013年全村农民人均纯收入水平低于所在县(市、区)平均水平和行政村无固定性集体经济收入，同时辅助性参照了村集体组织运行状况、村内基础设施和基本公共服务等多维观测指标。在程序上，按照贫困村识别标准，符合条件的行政村采取“村委会自愿申请、乡镇政府审核、县扶贫办审定”的流程，并进行“乡公示县公告”。上述贫困村识别标准和程序，有效保障了县域内相对贫困或发展落后的行政村被遴选为贫困村，但是少量或部分识别失偏的现象仍然存在[14]。

图1 贫困村认定、退出流程

在2014年以前，中央及地方政府有限的扶贫资金、措施并未格外“照顾”或落实到被认定的贫困村，只戴“帽子”而无“里子”的贫困村政策，致使很长一段时间内行政村的减贫积极性不高或处于“空转”状态，这种关于贫困村认定政策的不良印象、认知或情感，延续并影响到了2014年国家启动新一轮贫困村认定工作，较有代表性的是部分行政村两委干部缺乏长远预期、观望或抱以“图省事”态度而未及时申请，甚至部分县(市、区)出现“推磨转圈”式轮流确定贫困村现象②。

(二)贫困村政策的运行状况与减贫效果

当前精准扶贫工作中，中央及地方政府的扶贫资金、项目和资源投入对贫困村“内外兼修”的转折始于2016年。到2016年，国家将2014年认定的贫困村进行了“身份”固定(建档立卡)，并对贫困村开始给予高强度的“关照”与发展支持[15]。

相关研究资料显示，在国家精准扶贫的整盘棋上，贫困村的遴选和认定充分考虑到村域内贫困发生程度，也参考了农村基础设施、基本公共服务和村集体经济收入等综合因素，体现出提升扶贫效率和国家照顾深度贫困地区的扶贫理念，因此，大量的财政扶贫资金、帮扶政策、技术、人员、援助物资和外协组织(对接单位)等的“资源输入”也立体式地投放到贫困村[16-19]。通过对农村基础设施、产业项目和民生服务等方面的持续性、倾斜式扶贫投入支持，贫困村相对落后的经济社会面貌得到了大力改善，贫困村数量也逐年减少。据最新报道，2019年2月20日，国务院扶贫办公室副主任欧青平表示，2012年至2018年，我国建档立卡贫困村从12.8万个减少到2.6万个，已有10万个贫困村脱贫退出[20]，降幅达78.13%。

在减贫路径中，贫困村身份的确定，意味着获取外部资源的丰寡，那么，贫困村认定所能带来的减贫效果如何？随着精准扶贫工作的持续推进，大量的贫困村逐渐出列或摘帽，有必要追溯和评价这一政策的有效性，而对于那些尚未被列入贫困村序列但又处于贫困村边缘的行政村来说，这一政策是否可以再度使用，成为我国扶贫工作，尤其是后续建立城乡统筹的贫困治理体系需要思考的现实问题[21]。

二、模型设置与数据来源

(一)模型设置与变量

为了回答上述问题，构建以贫困村为虚拟解释变量的线性回归模型，以解释贫困村的减贫效应及作用机制，具体模型设置如下：

(1)

其中，下标i和t分别表示行政村和年份，Yit表示第i个行政村第t年的贫困界定，具体指标包括行政村年末贫困发生率、年内贫困发生率增量(变化量)和行政村年内脱贫户数、脱贫人数；D=1和D=0分别表示贫困村和非贫困村，T=0和T=1分别代表2016年和2017年，Zjj=1,2,…,k表示k个控制变量，ε为随机扰动项(见表1)。

表1 主要变量的指标定义

(二)数据来源

安徽省六安市W县③处于大别山北麓、淮河上游地区，县域行政区面积约2 000平方公里，其中山区、丘陵岗区和湾畈各占1/3，县域内下辖3个街道、1个经济开发区和19个镇(乡)，总人口约102.5万，是农业大县、人口大县和大别山革命老区，也是国家级扶贫开发工作重点县区。

使用数据来源于安徽省六安市W县人民政府官网的信息公开目录/年报和县扶贫开发办公室网站公布、披露及存档的2016年、2017年的各类扶贫简报、项目计划通知和统计报表，相关原始数据依照项目、类别、隶属村镇和批次进行汇总整理为行政村级④统计数据，共计筛选了280个行政村(含21个乡镇街道、社区)，形成W县行政村全覆盖统计，最终形成2016、2017年平衡(短)面板数据。

另外，追溯并统计了2015年安徽省六安市W县280个行政村的年末贫困发生率数据⑤，并结合已有的2016年、2017年相关数据，通过差值法构建行政村2016年、2017年的年内贫困发生率增量(y)指标，以观测行政村年内贫困发生率降幅。

三、样本的统计性描述

(一)全样本的统计性描述

据官方统计数据显示，2014年安徽省六安市W县认定的贫困村数量为75个，约占全县行政村总数的26.79%。经过2016年、2017年末W县的贫困村出列程序(村申请、乡镇审核和县级核查)，两年内共有50个贫困村退出贫困村序列，故截至2018年，W县存量贫困村数量尚存25个[22]，贫困村数量的降幅达66.67%。

在表2中，对比贫困村、非贫困村的年末村贫困发生率能够发现，贫困村的贫困发生率大幅降低成为拉动安徽省六安市W县村贫困发生率均值下降的主要构成部分。2015年末， W县境内行政村的年末贫困发生率均值为9.69%，其中，贫困村的村贫困发生率水平显著地高出非贫困村2.829个百分点。经过2016年开始的扶贫投资倾斜，2016年、2017年末的贫困村、非贫困村的贫困发生率发生了逆转，主要体现在贫困发生率绝对值和年均降幅上，即贫困村的年末贫困发生率绝对值稍低于同期的非贫困村，而贫困发生率的年均降幅高于非贫困村。与上述情况类似，贫困村的当年脱贫户数远大于非贫困村，2016年、2017年W县贫困村的脱贫户数均值为55.89户和60.54户，显著高于同期非贫困村的15.47户和21.95户(见表2)。

表2 贫困村与非贫困村的贫困发生率的统计

从扶贫实践来看，特别是农村基础设施建设投资和产业帮扶资金支持方面⑥，2016年、2017年贫困村获得了较多的政策倾斜和财政投入。如表3所示，相比于2016年，2017年贫困村的基础设施建设投资额增长迅速，增幅接近1倍，达到253.998万元/村，而同期非贫困村在基础设施建设投资上获取到的支持额度则明显偏低。

表3 贫困村与非贫困村的基础设施项目投资额、产业帮扶资金的统计

在农村基础设施建设投资的去向上，贫困村的道路类建设投资占比较大，说明贫困村的交通改善是扶贫工作的主要方向，相比于非贫困村来说，道路类投资占比则偏低，基建投资的主要去向是沟、塘、渠等水利工程。同时，比较贫困村和非贫困村的产业到户奖补资金发现，2016年、2017年安徽省六安市W县产业帮扶资金额度在逐年增加，但贫困村的资金获取力度要大于非贫困村，主要取决于贫困村的贫困户数相对高于非贫困村，致使这种参照贫困户头发放的产业帮扶资金在绝对数量上要高于非贫困村。

综合表2和表3发现，安徽省六安市W县的减贫效果明显，行政村的贫困发生率逐年降低，扶贫投入倾斜政策对贫困村脱贫发挥出重要作用，保障了贫困村的有序出列，上述数据基本勾勒出“强化投入、有序退出和扶持跟进”的总方针在减贫路径中的有效性。

(二)对出列贫困村的统计研究

本文数据中在政策执行后出现观测个体退出政策覆盖的现象，即2016年、2017年末依次各有25个行政村退出贫困村序列，这提供了另一个研究贫困村认定政策的减贫效应视角。为便于比较研究，构建一个匹配样本⑦，即排序后并以2015年末贫困村的贫困发生率为参照，在非贫困村序列中选择与之贫困发生程度最接近的行政村，然后对匹配样本分别进行统计性描述。上述操作具有两方面作用：一是消除贫困发生率的内生影响，因为贫困村认定政策背后的资金、技术或帮扶手段等投入性指标，具有较强的非随机性，其在很大程度上参照了行政村的贫困发生率，致使减贫效果与认定政策之间表现出内生性。二是在相同或相近的行政村贫困发生率水平下，可直观地比较贫困村认定政策的减贫效果。

图2中，以贫困村2015年末的贫困发生率⑧为匹配标准，样本数据较好地甄选出贫困村与非贫困村的匹配结果，匹配后结果初步显示，贫困村与非贫困村的年末贫困发生率均值分别为11.765%与11.426%，组间均值和分布基本接近，其中，0.339%的组间均值差异主要由贫困村尾端的部分行政村的贫困发生率水平稍高所致。与此同时，匹配后的直方图对比发现，相比于非贫困村，2016年度贫困村的贫困发生率变化幅度一致地高出非贫困村，且两者差异幅度也较大，由此暗示出贫困村认定政策取得了较为直观的减贫效果。

注：左图横坐标位序是按贫困村2015年末贫困发生率由低到高排列；右图中的上实心柱和下空心柱分别是一一对应的贫困村和非贫困村的2016年村贫困发生率变化幅度，为便于直观比较非贫困村的变化幅度，经相反数处理，横坐标是位序，与左图的横坐标对应。图2 匹配结果和2016年匹配后的贫困发生率变化幅度

由表4中的统计与显著性差异检验结果发现⑨，在2015年末行政村贫困发生率较为接近的情况下，经过2016年和2017两年的减贫工作，贫困村的年末贫困发生率显著低于非贫困村，降幅y显著，并且贫困村的脱贫户数及人口数均显著超出了非贫困村，表明贫困村认定政策在减贫效果上的有效性。

追溯贫困村减贫效果的产生原因，与贫困村认定政策裹挟的倾斜式高财政投入有关，这从表4中农村基础设施建设投资额和产业帮扶投资额在贫困村、非贫困村的组间差异得以反映。在农村减贫实践中，较高的财政资金投入往往在贫困村基础设施完善、民生改善、劳动就业和产业进驻等方面具有较强的帮扶和带动作用。

表4 匹配的样本统计结果

进一步，探讨25个出列贫困村于2016年、2017年在减贫效果和投入方面的差异性。表5中的统计结果表明，得益于较为显著的倾斜式农村基础设施建设投资和产业帮扶的资金投入，2016年计划出列贫困村的贫困发生率降幅显著，较2015年降低9.21个百分点，即至2016年底，25个贫困村的贫困发生率均值降至1.069%，低于2%的出列规定标准。

表5 2016年末出列的25个贫困村及匹配的样本统计结果

从贫困村分年度的财政资金投入来看，作为稳定贫困户持续收入的产业帮扶资金变化较小，体现出扶贫路径中稳收入的“锚”作用，但出列贫困村获取的农村基础设施建设投资额出现了明显的“高位回落”趋势，2017年贫困村出列后获取到的村均23.432万元的基建投资额，较2016年显著减少了91.56%。产生上述现象的主要原因有两方面：一是阶段性任务完成而导致政策的自然“解绑”，贫困村摘帽工作往往既包含村内贫困人口的减少目标，又蕴含发展、壮大村集体经济和补充贫困村发展短板等难题，在贫困村达到出列标准后，与之携带的倾斜式政策并未跟进或未出现诸如贫困户“脱贫不脱政策”的承诺；二是出于资金最优化配置和目标实现，财政扶贫专项资金向“更需要”处转移而出现的预算压缩。

四、实证结果分析

基准回归模型采用以是否为贫困村为虚拟解释变量的面板回归模型，表6中以年末行政村贫困发生率(y)、村贫困发生率增量(y)、脱贫户数(y1)和脱贫人数(y2)为被解释变量，相关模型的Hausman检验结果认为应使用固定效应模型。

表6 基准模型估计结果

表6中估计结果显示，贫困村认定政策对年末行政村贫困发生率(y)具有显著的负向影响，在控制时间因素的情况下，贫困村认定能够显著降低村贫困发生率2.72个百分点。与之对应，贫困村认定政策对行政村贫困发生率增量(y)、脱贫户数(y1)和脱贫人数(y2)具有显著的正向影响，上述结果从4个不同的减贫观测维度，验证了贫困村认定政策能够显著地减少贫困。

接下来，在基准回归的基础上，添加相关财政投入等控制因素，并使用面板固定效应模型，检验上述影响因素的减贫效应。表7中不同模型的估计结果显示，贫困村虚拟变量(D)对行政村年末贫困发生率变化量(y)、当年脱贫户数(y1)与脱贫人口数(y2)具有显著正向影响，表明了贫困村认定政策具有显著的减贫效应。与之对应，农村基础设施建设投资额(Infrast)和产业帮扶的财政投入额(Indust)对行政村年末贫困发生率变化量(y)也具有显著的正向影响，从影响程度的绝对数值来看，产业帮扶的财政投入额的影响一致地高于农村基础设施建设投资额，说明这种“给予型”产业帮扶资金投入对于行政村贫困发生率降低和贫困户收入提升，具有更为直接的明显效果。

表7 面板固定效应模型估计结果

另外，表7及计量模型中贫困村与时间交互项(DT)具有明确的变量涵义，表示2017年是否仍是贫困村，相关参数显示，2017年是否仍是贫困村对行政村年末贫困发生率变化量(y)、当年脱贫户数(y1)与脱贫人口数(y2)具有显著的正向影响，表明贫困村的政策延续，能够产生较强的减贫效应。

进一步，利用匹配后的分样本进行面板组间估计和差分模型估计，以检验上述计量结果的稳健性。表8中面板数据的组间估计结果显示，贫困村虚拟变量(D)对年内行政村贫困发生率增量(y)具有显著的正向影响。在控制其他影响因素不变的情况下，贫困村认定能显著降低行政村年内贫困发生率约2.98个百分点。与之对应，差分模型估计结果，基本验证了上述结论。同时，是否为贫困村变量对行政村脱贫户数(y1)的影响亦有显著正向影响，估计参数表明在控制其他影响因素不变的情况下，贫困村认定能显著带动24.40户脱贫。

表8 匹配样本的模型估计结果

结合全样本和匹配的分样本的估计结果，贫困村认定政策具有显著的减贫效应，表明了此项政策设计的有效性。在具体的减贫措施上，农村基础设施建设投资和产业帮扶资金投入对降低行政村贫困发生率产生显著的正向作用，这其中产业帮扶资金投入的减贫效果往往更加直接，表明了依托产业发展所承载的转移性收入手段对贫困户脱贫具有较强的推动力。

五、简要结论

依据安徽省六安市W县全境280个行政村2016年、2017年的政府扶贫办公室公布的短面板数据进行的实证分析表明：2016—2017年间，贫困村认定政策所裹挟的倾斜式财政资金投入对贫困村出列和贫困发生率逐年降低发挥了强有力的保障作用，统计数据基本勾勒出减贫路径中“强化投入、有序退出和扶持跟进”的指导方针；贫困村认定政策具有显著的减贫效应，表明了贫困村认定政策设计的有效性。产生上述减贫效应的核心机制仍是裹挟于贫困村认定政策下的财政资金投入或资源倾斜，其中“给予型”产业帮扶财政资金投入对行政村贫困发生率影响程度高于农村基础设施建设投资，具有更直接的减贫效果。

随着脱贫攻坚工作的持续深入，在扶贫财政资金强有力支持和扶贫专项制度的配合下，贫困村将不断地有序退出或“摘帽”转变为一般行政村，那么，该项政策的去留问题，则值得加以探讨。在中国扶贫战略由“消除绝对贫困”到“减少相对贫困”的演进过程中，贫困村名义上的“消失”并不意味着现实中贫困村的终结，尤其是部分落后、欠发达的深度贫困地区，发展基础薄弱、村集体经济不强和民生脆弱的事实仍客观存在，普遍还需要外部的经济社会支持。当前减贫经验表明，贫困村认定政策具有较强的减贫效应，这一政策设计或思路仍可延续至2020年后的乡村振兴战略和农村发展的工作中。未来的政策重点应做好“认定—投入—验收”流程，以减少瞄准失偏、促进资源优化配置和强化结果导向，提高财政资金的经济效率。

注释：

①“十一有一低于”是贫困村退出标准的简称，主要是安徽省扶贫办公室参照国家扶贫办公室制定的退出标准。“十一有”指有特色产业、有住房保障、有基本医疗保障、有义务教育保障、有安全饮水、有路通村屯、有电用、有基本公共服务、有电视看、有村集体经济收入、有好的“两委”班子。“一低于”指村集体收入不得低于5万元。

②扶贫实践中，部分行政村的贫困发生率偏高但未遴选为贫困村，除部分村两委未及时递交申请外，还可能受到下拨贫困村的指标数量限制或县域内统筹考虑而发生的取舍(选择性平衡)等原因的影响，因此，客观评价贫困村识别失偏问题，需要根据具体情况以差异化分析。

③为避免相关研究结论对观测县产生影响，对观测县匿名化处理。

④未统计到村民组，主要限于行政村下辖的村民组数据无法完整获取，且相关基础设施建设投资、产业扶贫项目在村民组之间多有交叉，难以有效地分割。另外，少量表格中的部分信息记录不详，在W县人民政府网站信息公开页面的乡镇街开发区目录栏下有所补充。

⑤无法获得2015年完整的计量数据，仅获取了2015年末行政村贫困发生率数据，其他扶贫投资类数据缺失，这导致本文无法形成2015—2017的三年期面板数据。

⑥就扶贫实践来说，扶贫资金中的基建投资与产业帮扶资金不具有替代关系，两者是根据贫困村实际情况独立核算、审批的资金构成。另外，基建投资和产业帮扶资金的减贫效果上，的确存在长短期之分，其中，基建投资主要针对基础设施建设薄弱或亟需改善的部分行政村，目的是改善出行条件、便于产品运输和产业进驻，其减贫效应具有长期性和间接性，而产业帮扶主要针对贫困户，旨在培育生产经营能力，以期后续能够独立从事于简单的生产劳作，其减贫效果多数有直接性和短期化。

⑦本文缺少2014年或2016年之前的观测样本，在数据形态上不适合用PSM-DID方法进行政策评估。

⑧以2015年末行政村贫困发生率为匹配标准，实质等同一维匹配。限于观测数据获取性，无法从更多维度或其他有效信息(如村老龄化率、基础设施水平或产业结构等)来匹配“极可能相似”的参照样本。

⑨表4中的部分统计均值高于表2、表3，主要是匹配后的部分非贫困村样本被删除。