决胜脱贫攻坚背景下连片特困地区的贫困测度——基于南疆四地州的调查数据

陈 梦，张 霞，张玉玲

（新疆财经大学 经济学院，新疆 乌鲁木齐 830012）

改革开放40多年我国经济快速发展，不仅显示为财富的增长和城市的进步，我国农村也不断摆脱贫困的样貌向新型化农村发展。但是，伴随着经济的增长，仍有部分连片特困地区贫困户处于深度贫困中，生活条件和福利水平亟待改善。新疆南疆四地州作为我国重点战略的十四个连片特困地区之一，实现脱贫更是当前的首要任务。随着《中国农村扶贫开发纲要（2011-2020）》的正式颁布，扶贫力度的加大，我国扶贫效果显著。2018年新疆扶贫办数据显示，新疆贫困发生率已由2013年底的19.4%下降为6.1%。2020年是我国决胜脱贫的关键时期，如何有效解决新疆集中、连片特困地区深度贫困问题成为学者们更加关注的问题。

相关学者多从收入角度看待贫困问题，以收入界限判定是否为贫困群体。在贫困界定早期阶段，以收入为基础判断是否为贫困户具有一定合理性，在整体经济都不理想的情况下，收入是判定是否贫困的唯一标准［1］。然而，在经过了40多年的经济高速发展后，我国目前已经进入中上等收入国家行列，收入不足不再是唯一的制约因素，人们对义务教育、基本医疗和住房安全等福利的需求日益突出，收入之外的教育、医疗卫生、社会保障等公共服务的差距显著高于收入差距，所以从多维贫困角度来探索贫困问题更加符合我国现阶段基本国情。

本文可能的贡献有：①南疆四地州作为国家战略意义的十四个连片特困地区之一，以四地州为例能够为其他连片特困地区提供有效的借鉴意义，更能关注到多样性的致贫因素。②不再单一维度地测量收入问题，而是将收入情况放入多维贫困体系中，更能体现收入情况对贫困的贡献率。

一、连片特困地区与多维贫困测度文献综述

（一）集中连片特困地区的分析

随着经济社会的快速发展和扶贫力度的加大，扶贫范围从全国性贫困地区逐渐缩小到区域性贫困地区，由全面扶贫到精准扶贫，扶贫到户、扶贫到个人，因此集中、连片特困地区成了扶贫攻坚的重点以及难点［2］。精准扶贫政策实施以来，我国对集中连片特困地区采取整村推进、区域救济等扶贫政策，近年来又着重强调了生态扶贫。在基于多样化的扶贫政策上，不断加大投入力度和倾斜程度，为连片特困地区带来了很大力度上的优惠。相关研究主要集中于致贫因素和扶贫机制两个方面。

从致贫因素来看，贾林瑞等（2018）［3］分析我国集中连片特困地区贫困人口的致贫原因、帮扶需求和地域贫困差异，结果表明收入较低且没有享受同等的社会保障是造成贫困的主要成因。谢家智等（2017）［4］对农村贫困户进行多维贫困测度，研究发现经济发达的东部相较于中西部多维贫困度低，东部主要受金融因素影响，西部多维贫困的主要因素是收入不足。曾志红（2013）［5］基于300份调查数据测算农村多维贫困，发现生态、可持续生计能力、人力资本是造成多维贫困的主要因素。李佳（2013）［6］通过扶贫模式和扶贫效果对比分析，发现连片特困地区不同区域之间的扶贫机制存在错位现象。向从武等（2019）［7］以武陵山片区跨省边缘民族特色村镇为例，总结出民族特色村镇扶贫效果关键在于是否建立协同发展机制。由于连片特困地区多为生态功能区、生态脆弱区，张化楠等（2018）［8］在分析连片特困地区的影响因素时，提出随着生态环境与贫困联系越加紧密，构建生态功能区扶贫是我国连片特困地区可持续脱贫的有效扶贫模式。

（二）多维贫困的测度

诺贝尔经济学奖获得者阿马蒂亚∙森于1999年首次提出能力贫困理论，该理论以能力为基础来定义贫困程度和强度，能力的观点不仅包括了以货币来衡量的指标，还考虑了福利方面的非货币性指标，而收入贫困只是能力贫困的外在表现。

在多维贫困的实证研究中，Hagenaars(1987)［9］在多维贫困提出之后，便首次尝试从收入和闲暇两个维度构建多维贫困指标体系，探索多维贫困的可测度性。Alkire 等(2015)［10］通过测算中国多维贫困指数探索其多维贫困状况，并提出政府应建立贫困状况实时监控系统，有效减少贫困发生率。Qin等（2015）［11］采用了双界限估计法对低保家庭进行了实证研究。Batana（2013）［12］利用A-F方法研究了非洲撒哈拉的多维贫困现状。

在贫困主体方面，蒋南平等（2017）［13］运用2010-2014年的动态数据对农民工多维返贫进行了测度。常洁等（2019）［14］从多维资本视角分析贫困村旅游减贫的潜力。在多样性扶贫模式以及不断加大的财政力度拉动下，一些轻微贫困地区现已处于脱贫状态，集中连片特困地区作为脱贫攻坚的重点、难点，其扶贫任务将是我国脱贫攻坚后期的焦点。郭宁宁等（2019）［15］基于2011-2016年的数据对集中连片特困地区进行可持续生计的多维贫困研究。梁晨霞等（2019）［16］基于空间贫困视角研究乌蒙山连片特困区的空间分布特征以及贫困影响因素。郭学军等（2019）［17］基于甘肃省集中连片特殊困难地区的实地调查研究如何缓解连片特困地区农户信贷约束问题。宋扬等（2019）［18］探索儿童时期多维贫困的长期影响力。张跃华等（2019）［19］通过对农村老龄群体多维贫困测度，提出需不断加大养老保险的覆盖率以及力度才能提高扶贫的工作效率。

近年来，随着扶贫政策不断完善，数据的可获得性，多维贫困的测度也越来越有现实意义。从多维贫困的各指标来看，Ogutu 等（2019）［20］和Vandercasteelen等（2018）［21］通过研究农村到城镇的距离对农业生产集约化和农产品商业化的影响来判断当地农户处于多维贫困的深度和强度。还有部分学者从家庭资源禀赋（郭熙保等，2016）［22］、人口特征（侯亚景，2017）［23］、教育（周强等，2017）［24］等角度测度其对农村贫困的贡献率。张全红等（2018）［25］不仅研究贫困地区农户的教育、健康和生活水平多维贫困的广度，还研究了贫困家庭多维贫困的深度和强度。

（三）小结

综上所述，由于实现连片特困地区长期脱贫是决胜脱贫攻坚的关键，所以针对连片特困地区的文章近两年增多。区域差异导致连片特困地区多维贫困侧重点有所不同，扶贫机制存在错位现象。针对多维贫困测度的文献主要根据地区与贫困主体的贫困深度与强度探索该地区实现脱贫的有效途径。虽然多维贫困的理念已深入到精准扶贫政策的实施，但主要依靠CHNS数据，没有对南疆四地州等集中、连片特困地区进行实地考察，因此未能全面了解连片特困地区致贫因素以及造成该因素的具体原因，导致某种程度上与理解相悖，不利于精准扶贫的整体效果，更为脱贫攻坚后期的扶贫带来了困难。文章基于实地调查数据，把握南疆四地州多维贫困特征和变化趋势，不仅能够为南疆四地州反贫困政策的制定提供依据，同时为其他连片特困地区扶贫提供借鉴。

二、数据来源及测算方法

（一）数据来源

为全面了解南疆四地州致贫原因，课题组本科生组首先实地发放纸质问卷并进行统计，其次课题组负责人与研究生组分批次前往南疆四地州贫困户进行调研（2018年）。调查地区选取连片特困地区——新疆南疆四地州，包括喀什地区（莎车县、英吉沙县、伽师县、麦盖提县）、和田地区（墨玉县）、克孜勒苏柯尔克自治州（阿克陶县）、阿克苏地区（阿瓦提县）。针对南疆四地州贫困程度较深的县域中还未脱贫的贫困户，共收集三类数据：一是四地州县域农户的相关情况，包括生活状况、健康状况；二是从长期可持续脱贫角度收集相关农户的就业信息，包括受教育程度、失业以及是否拥有就业的技能；三是判定政府是否真正按照国家政策实施精准扶贫政策，是否真正为贫困群体带来了福利。共调查了四个地州的七个县域，按照贫困程度对每个县域发放不同数量的问卷。共收回467份调查问卷，有效问卷为327份。

（二）测算方法

参考Batana对非洲撒哈拉多维贫困的测算方法，对南疆四地州的多维贫困进行测度。MPI（多维贫困指数）的计算通常分为以下五步。

第一步，确定多维贫困的维度和指标。参考常用的测度多维贫困方法，即AF贫困测算。

第二步，标准化多维贫困各指标的临界值。确定各指标贫困的标准，指标得分超过标准值，则判定该家庭在此指标上处于贫困状态，用1来表示，否则赋值为0（表1）。

表1 多维贫困维度、指标及剥夺临界值

第三步，确定各维度和指标的权重。对四个维度确定等权重处理，基于维度权重确定指标权重（表1）。

第四步，分别计算每个家庭的多维贫困剥夺分值（k），国际机构设定为1/3，即当农户所处贫困的维度数量超过该值，即判定该农户为多维贫困户，可以根据分值的变化判定该贫困户或地区的多维贫困深度与强度。

第五步，计算多维贫困指数M。假设有n个家庭和d个贫困指标，dj表示第j个指标，xij表示该个体i在第j个指标上的贫困程度。首先，确定每个指标的权重，总权重为1。第i个个体在指标j上的得分用gij，设定临界值为zj。若xij

公式（1）中代表多维贫困个体总数量，q/n表示在总人口n中的贫困发生率。通过观察H和A的变化能够了解多维贫困（M）的动态变化。

三、连片特困地区多维贫困的测算

（一）各指标的贫困发生率

表2给出了2018年南疆四地州各指标的贫困发生率。

表2 贫困发生率

从生活水平维度来看，做饭燃料指标的贫困发生率最高，贫困发生率为99.08%。其次为收入维度中就业情况贫困发生率为77.99%，生存技能为62.08%。从各指标贫困发生率对比来看，南疆四地州生活水平和收入情况的贫困发生率处于高度甚至极端贫困中。

在教育方面，由于研究的非贫困体是学历在小学以上，而新疆已实施了义务教育，孩子入学不需要花费高成本，所以相较于其他维度的贫困发生率，儿童辍学的贫困发生率相对偏低。在健康方面，南疆四地州由乡（镇）政府免费提供体检项目，对于参加医疗保险的贫困户给予一定激励。对于正在生病的农户，政府通过召集社会人士给予照顾。在生活水平方面，照明、住房及耐用品贫困发生率不高。生活水平的整体贫困发生率不高，可知很多贫困户由于政府的帮扶已脱离极端贫困状态。从就业情况维度来看，在调查过程中，一方面，农户大多处于季节性在岗，就业情况的贫困发生率有所偏高。另一方面，农户没有拥有一项保持可持续收入的技能。农户一般是靠种植业与畜牧业获得收入来源，因为靠天收，风险较高，农民没有应付风险的能力，而畜牧业也会因牲畜的高发病率处于极大风险中。可以看出没有一项获得收入的技能，仅仅依赖种植业与畜牧业，很容易陷入轻微贫困甚至深度贫困中。

（二）多维贫困状况

表3 给出了总体多维贫困指数M

根据联合国定义贫困维度k≥1/3，即判定该家庭处于多维贫困。当k取1/3时，M为0.36。在动态检测中，M的值较难测度，只能通过观察H和A的变化来确定M的变化。现将11个指标的贫困发生率合成一个综合指标，其值为0.66。再来看A的值，超过一般的农户贫困的维度大于1/3。一个农户如果缺乏一项获得稳定收入的技能，那么收入不会很高，生活水平也不会很高，因此造成了连续性的多维贫困。从数据中可以看出几乎所有农户的做饭燃料都是木柴或其他的非清洁能源，导致这一片区域空气的污染程度高于其他地区，农户感染疾病的概率较大。从多维贫困人口的平均被剥夺程度可以看出一个家庭被剥夺的维度占比，精准扶贫政策的侧重点有所体现，从而也能帮助我们在脱贫攻坚关键时期找准方向。

（三）连片特困地区多维贫困的分解

（1）按指标分解。表4显示了各指标对多维贫困指数M的贡献率。

表4 各指标的贫困对多维贫困指数M的贡献

就业情况、做饭燃料和健康状况对多维贫困指数的贡献率分别为18.08%、17.22%和15.95%,南疆四地州就业率低、做饭燃料为非清洁能源以及生病是致贫的重要原因。一方面，就业是稳定收入的主要来源，拥有一份稳定的职业能帮助人们提高生活水平，享受更多的社会福利。另一方面，健康的身体是脱贫的前提条件。因病致贫、因病返贫是当今解决贫困问题的一大难题，非贫困农民或已脱离贫困线的农民因患重大疾病无力医治，最终陷入贫困，增加扶贫难度。从贫困人口健康角度出发，利用清洁燃料相较于污染性能源能减少空气污染，从而降低损害身体健康的概率。

（2）按区域分解。分别测算各地州的多维贫困状况，阿克苏地区的多维贫困发生率为0.857（表5），喀什英吉沙县的多维贫困发生率为0.537，差距较大。喀什英吉沙县的农民大多处于单维贫困或所被剥夺的贫困程度较小，主要集中于就业情况维度，我国之前的精准扶贫政策已经收到一定成效，接下来对于喀什英吉沙县就要从长期脱贫的角度出发，减少返贫概率。

表5 多维贫困各地区分解结果

四、多维贫困的分类与比较

（一）按照贫困强度的人口的四种分类

为实现2020年全部脱贫，须将处于多维贫困的家庭按照贫困维度的强度和深度划分以此实现扶贫到户。这里采用更高的临界值k=1/2来测算多维贫困的强度，当k大于该临界值便判定为处于强度多维贫困中。图1中，横轴代表临界值k的数值，纵轴代表指标的剥夺阈值Z。图中包含了四类贫困群体：区域Ⅰ表示该家庭没有指标处于被剥夺状态，属于完全非贫困群体；区域Ⅱ表示k值剥夺得分小于1/3，按照单维度贫困测算属于贫困群体但不属于多维贫困；区域Ⅲ、Ⅳ表示多维贫困总人口，区域Ⅲ为轻微贫困群体，被剥夺得分指标数少于第四区域，同时，区域Ⅳ包含了极端贫困人口。通过以上方法，我们可以将南疆四地州的人口按照贫困强度分为四类群体。

图1 界定极端多维贫困人口的标准

（二）对四种多维贫困的测算

首先，测算每个区域人口占总人口的比例，第Ⅰ类群体数值为0，数据显示在做饭燃料指标中只有一位全部使用清洁的做饭燃料，所以最终没有一位处于第Ⅰ类群体。区域Ⅱ为部分指标被剥夺但非多维贫困人口，即01/2。其中，轻微贫困人口占比较大，说明即使是连片特困地区的贫困类型也以轻微贫困为主。

对于多维贫困进行不同强度的测算（表6），H与A变化幅度较大，H从0.66下降为0.33，A呈反方向上升，由于多维贫困指数是固定的，因此多维贫困发生率的下降幅度与贫困平均被剥夺程度上升幅度成反比，部分群体仍处于极端贫困中。随着贫困维度的增加，贫困人口占比与多维贫困强度有所下降，连片特困地区处于多维极端贫困人口小于轻微贫困人口数。针对这类群体，政府必须实现扶贫到户并找到其致贫因素，才能将强度贫困人口转换为轻微贫困人口或已脱贫人口中。

表6 不同强度的多维贫困指数比较

五、结论与政策建议

基于2018年南疆四地州连片特困地区的调查数据，从教育、健康、生活水平和收入情况4个维度进行多维贫困测度和分解，主要结论如下：

（1）农户多维贫困指数测度。一方面，在多维贫困测度中发现农户在就业情况和做饭燃料指标上存在严重的贫困现象。不存在11个指标均为贫困现象的极端个体，但有部分群体在11个贫困指标中达到了6个指标上的贫困，即k>1/2，处于高维度贫困中。针对这类群体，政府应加快落实到个体，落实该类群体在之前的扶贫政策是否接收到相应的福利。另一方面，从多维贫困指数来看，教育、健康、生活水平的低贫困率肯定了前期的扶贫政策的成果。

（2）农户多维贫困影响因素。即使同时处于多维贫困中，不同维度下农户多维贫困的影响因素仍然存在差异。k≥1/3时，基本的小学教育问题包括辍学率的降低、生活水平得到了一定保障，但在健康和收入维度还存在严重的贫困现象。从收入维度来看，大部分多维度贫困群体缺乏保障收入的技能，多数户主或中年人处于文盲或半文盲状态，受教育程度低。对于知识或能力不足的贫困人口，即使其短期内在国家的帮助下处于脱贫状态，但长期内仍会再次陷入贫困，陷入“贫困—人力资本不足—贫困”这一恶性循环怪圈。

在决胜脱贫攻坚关键时期，政策应不断向提高就业率、帮助农户拥有立身的技能和生态扶贫的角度倾斜。首先，根据脱贫攻坚后期的新形势，成立数据实时检测系统，建立动态扶贫体系来实现长效扶贫机制。其次，加大人力资本投资，提升集中、连片特困地区贫困人口的自我发展能力。一方面，坚持扶贫与扶志相结合，克服“稳定的贫困均衡”思想。另一方面，注重贫困群体的健康问题。针对做饭燃料问题，迫切需要政府修正贫困识别与瞄准机制，提升农户的环境保护意识，将已脱贫的维度上的补贴转移到清洁能源上，在不浪费资源的基础上有效利用资源。

（3）从整体来看，集中连片特困特区的多维贫困深度与强度呈现趋同状态。若贫困深度、强度趋于同质，容易引起资源的争夺，所以在规划、政策和资金的协调上，政府必须根据各地区的贫困数据来分配相对的资源，保持地区内部的协调。在十四个连片特困区的扶贫照顾上，应根据实时数据分配相应的财政资金，保持集中、连片特困区区域内外的协调是当前政府从整体角度的首要考虑。