产业扶贫降低了贫困脆弱性吗？——基于CLDS的准实验研究

王志涛，徐兵霞

(河南工业大学 管理学院，郑州 450001)

一、引言

党的十八大以来，我国把精准扶贫作为基本战略方针，大力推进脱贫攻坚。党的十九大再次强调，坚持精准扶贫、精准脱贫，坚决打赢脱贫攻坚战。目前，我国的脱贫工作已经进入“攻坚拔寨”的冲刺性阶段，面对严峻复杂的脱贫形势，产业扶贫成为精准扶贫的关键。一方面，国家部署以产业扶贫来带动3000万贫困农户脱贫，使产业扶贫成为涉及贫困人数最多的扶贫措施；另一方面，产业扶贫是易地扶贫搬迁、生态扶贫、教育扶贫等措施的重要基础，其他的扶贫措施都需要通过发展产业来巩固政策效果，最终实现贫困农户的稳定脱贫。从“五个一批”脱贫措施中“发展生产脱贫一批”的首要地位，到“十三五”规划纲要中将产业扶贫作为我国最重要的扶贫方式，到“五个振兴”的乡村振兴战略目标中“产业振兴”的优先位置，都充分反映出产业扶贫在脱贫攻坚工作中不可替代的关键作用。

以往的救济式扶贫是“输血式”扶贫方式，不能有效解决我国农村贫困现象的“病根”。但是，产业扶贫是参与式的“造血式”精准扶贫方式，是贫困地区脱“穷根”之根本，也是降低贫困脆弱性、消除致贫因素的根本保障。产业扶贫更加强调的是对于贫困人群的赋权和赋能，以调动其广泛参与的积极性和内生的发展能力，并通过发展产业实现长期稳定增收(Fischer et al，2012)[1]。据国家统计局公布的权威数据，我国农村的贫困人口在2012年为9899万人，农村贫困发生率为10.2%；截止到2019年底，我国农村的贫困人口已减至551万人，农村贫困率降低至0.6%(1)方晓丹:2019年全国农村贫困人口减少1109万人。国家统计局，2020年1月23日。 http://www.stats.gov.cn/tjsj/zxfb/201908/t20190812_1690526.html。。特别地，产业扶贫以增加农户收入为目的，以发展产业项目为杠杆，能够激发农户自我发展的内生动力。同时，产业扶贫通过贷款、技术培训、项目支持、基础设施建设等措施，帮助贫困家庭增强抗风险能力、积累资本数量、优化资本组合，促进农户增收，助力脱贫攻坚。无疑地，为实现我国农村贫困人口稳定脱贫、如期脱贫，需要充分发挥产业扶贫在脱贫攻坚战中的关键作用，以产业推动扶贫开发、以产业带动脱贫致富、以产业巩固扶贫效果，进而建立起阻断返贫的长期利益机制，促进乡村振兴战略的稳步实施。

产业扶贫是从短期效益到长期效益、从“输血”到”造血”的重要平台，也是乡村振兴的有力支撑。产业扶贫的主要目标是提升农户的收入水平和富裕程度，使其稳定脱贫。汪三贵等(2018)[2]针对现阶段贫困人口和深度贫困地区的特征，提出采用短期帮扶与长期帮扶相结合的方法，短期内以重点解决贫困户的生活问题为目标，长期则需要更加注重农户的技能水平。劳动能力较强的农户更愿意参加产业扶贫(王立剑等，2018)[3]，而禀赋较弱的农户参与产业扶贫项目会面临较大的风险(金媛等，2019)[4]。产业扶贫过程中，转变“被动扶贫”为“主动脱贫”需要创新扶贫的商业模式，选择和培育新型的经营主体，实现农户和产业发展的有机衔接(杨久栋等，2019)[5]。目前，由于产业扶贫的有效实施与发展，逐渐涌现出了多元化的产业扶贫模式，具体模式主要包括“企业+”“金融+”“互联网+”“旅游+”等模式(申云等，2019[6]；王延中等，2018[7]；吴乐，2018[8])，逐渐形成了产业稳定发展和贫困户积极参与的良性循环机制，使贫困户最大程度地参与到扶贫项目之中，促进贫困户增收，助力脱贫攻坚。但是，产业扶贫过程中，在瞄准机制、农户参与程度、收益分配机制、产业扶贫资金管理等方面还有待提高(李小云等，2018[9]；刘明月等，2019[10])。因此，产业扶贫的实施效果如何，究竟能够在多大程度上实现政策初衷，对其脱贫效果进行评估是关键。目前，关于产业扶贫脱贫效果的研究仍然处于不断的探索阶段。大量研究对产业扶贫进行了深入分析(帅传敏等，2016[11]；张国建等，2019[12]；章元等，2019[13])，但绝大多数研究从事后角度分析贫困、评估脱贫效果、探究如何帮助贫困农户脱贫致富，仅关注了产业扶贫对当前贫困的影响，很少涉及产业扶贫脱贫效果的持久性，即很少关注产业扶贫对未来贫困的影响。此外，现有研究一般以收入为标准来界定贫困，然而低收入仅是农户家庭贫困的外部表征之一，农户家庭在面对不确定性风险和外部冲击时的脆弱性才是其陷入贫困的内因所在。因此，进一步研究产业扶贫对未来贫困的影响具有重要现实意义，不仅要注重贫困农户如何减贫脱贫，还应更加注重农户未来陷入贫困的可能性，准确评估产业扶贫对其贫困脆弱性的影响。

世界银行在2000/2001年度《世界发展报告》中提出“贫困脆弱性”，以描述农户在未来陷入贫困的概率。贫困脆弱性是对贫困的事前预测，通过识别未来可能陷入贫困的农户，有助于针对性地采取扶贫措施阻止这些个体或家庭在未来陷入贫困(黄承伟等，2010[14]；杨文等，2012[15]；杨龙等，2018[16])。由于前瞻性特征，贫困脆弱性不能在现在或过去的时点上进行观测，只能利用一定的方法进行评估。测量贫困脆弱性的方法有三种，一是期望贫困的脆弱性(Vulnerability as Expected Poverty，VEP)，即农户未来陷入贫困的概率；二是低效用水平的脆弱性(Vulnerability as Low Expected Utility，VEU)，即确定性等价消费水平的效用与农户消费的预期效用之差；三是风险暴露的脆弱性(Vulnerability as Uninsured Exposure to Risk，VER)，即农户遭受风险冲击时消费水平迅速下降。其中，期望贫困的脆弱性(VEP)的应用较为广泛(万广华等，2009[17]；林文等，2014[18])。该方法的优点在于使用截面数据或者较少年份的面板数据即可估算贫困脆弱性。Bronfman(2014)[19]基于VEP方法分析了贫困脆弱性，发现贫困脆弱性比实际贫困对农户的影响程度大；宁静等(2018)[20]采用VEP方法，从贫困脆弱性视角研究易地搬迁对农户福利的影响，发现易地搬迁降低了农户的贫困脆弱性。与之类似，沈冰清等(2018)[21]基于VEP方法，并采用双重差分法评估了新农保制度的实施效果，研究发现该政策降低了贫困脆弱性。反贫困政策成败的关键在于如何测量贫困的脆弱性，从而识别出政策针对的对象。因此，本文采用这一前瞻性方法预测贫困脆弱性。

既有文献已经从不同角度分别对贫困脆弱性的测量方法、影响因素及其作用机理进行了深入分析，具有很好的参考价值(Ward，2016[22]；王小林，2017[23]；蒋丽丽，2017[24])。但仍有进一步拓展的空间，特别是产业扶贫对贫困脆弱性的影响方面。一是较少研究产业扶贫对农户贫困脆弱性的影响。虽然现有研究分别对产业扶贫和贫困脆弱性进行了较多的分析，但对二者之间关系的研究还比较少。二是在评价时容易受指标构成和标准选取的影响而产生偏误，因而具有一定的局限性。因此，准确评估产业扶贫对农户贫困脆弱性的影响，成为目前研究的重要问题。对于产业扶贫对贫困脆弱性的影响进行科学合理地评估，不仅对科学评价产业扶贫的减贫脱贫效果具有重要的现实意义，还有助于构建产业扶贫项目评估理论框架，对今后我国精准脱贫和脱贫攻坚战工作的有效推进具有理论指导作用。

本文基于中国劳动力动态调查(CLDS)的两期微观面板数据，采用期望贫困的脆弱性方法(VEP)计算得出农户家庭的贫困脆弱性，并利用双重差分法(DID)和倾向得分匹配法(PSM)，通过构建计量经济模型，检验产业扶贫对贫困脆弱性的影响。同时，本文以前瞻性视角对产业扶贫的减贫脱贫效果进行再评估，并试图回答以下问题：第一，贫困地区的贫困脆弱性程度如何；第二，产业扶贫能否有助于降低农户家庭的贫困脆弱性，以期为产业扶贫的实施提供科学依据和理论指导。

二、贫困脆弱性的测量

(一)贫困脆弱性的测量方法

本文借鉴Chaudhuri等(2002)[25]的估算方法，使用期望贫困的脆弱性方法(VEP)来测量产业扶贫对贫困脆弱性的影响，并计算得出样本家庭的贫困脆弱性。贫困脆弱性的测量方程为：

Vuli,t=P(Yi,t+1≤z)

(1)

其中，Vuli,t代表家庭或者个体i在时期t的贫困脆弱性，Yi,t+1代表家庭或者个体i在t+1时期的未来收入，z代表贫困线。

未来收入可表示为可观测变量Xi以及误差项ei的函数，并代入式(1)可得：

Yi,t+1=f(Xi,αi,ei)

(2)

Vuli,t=P(Yi,t+1=f(Xi,αi,ei)≤z)

(3)

假设未来收入服从对数正态分布(Zhang等，2006[26]；李丽等，2014[27])，本文基于Amemiya(1977)[28]提出的广义最小二乘法(FGLS)，计算贫困脆弱性。

第一步，估计收入方程。估计方程为：

lnYi=Xiβ+ei

(4)

(5)

其中，Xi是涉及家庭特征的相关变量(樊丽明等，2014)[29]，主要包括年龄、教育程度、就业情况、人均耕地面积、人口规模等特征变量。

第二步，根据拟合值构建权重并进行FGLS估计。即

(6)

(7)

第三步，估算家庭i的贫困脆弱性。即

(8)

(二)贫困脆弱性的测量结果

本文选择国家贫困标准2300元和世界银行每人每天1.9美元极端贫困线两条贫困线计算农户家庭的贫困脆弱性(2)我国2011年确定的国家贫困线标准为人均纯收入2300元/年；世界银行的极端贫困线标准为每人每天1.9美元，根据2011年购买力平价(PPP)折合人民币约为人均2108元/年。下文均采用PPP折算后的数值。。一般将贫困脆弱性高于脆弱线的视为贫困脆弱家庭，而脆弱线的确定一般有两种方式：一是将贫困发生率视为脆弱线，被称为低脆弱线(徐超等，2017)[30]；二是选择50%作为脆弱线，即当某家庭未来陷入贫困的可能性大于50%时，则其是脆弱的，也被称为高脆弱线(杨龙等，2018)[16]。如表1所示。

表1 不同标准下农户家庭的贫困脆弱性 单位：%

从总体上看，随着贫困线的提高，贫困脆弱性程度逐渐增加。由表1可知，以贫困发生率作为脆弱线标准，在2300元国家贫困线下，贫困脆弱性为54.10%，即农户家庭在未来陷入2300元国家贫困线之下的概率为54.10%；在1.9美元极端贫困线下，贫困脆弱性为50.45%，即农户家庭在未来陷入1.9美元极端贫困线之下的概率为50.45%。同理，以50%作为脆弱线标准，在2300元国家贫困线下，贫困脆弱性为27.80%，即农户家庭在未来陷入2300元国家贫困线之下的概率为27.80%；在1.9美元极端贫困线下，贫困脆弱性为24.96%，即农户家庭在未来陷入1.9美元极端贫困线之下的概率为24.96%。国家贫困线2300元仅比世界银行极端贫困线高出192元，但农户家庭的贫困脆弱性却提高了3%左右，说明我国贫困地区中存在一些人均纯收入刚超过极端贫困线的农户，这些农户由于人均纯收入超过了极端贫困线但低于国家贫困线，他们的生活水平不稳定，在遭遇风险或冲击时有可能陷入极端贫困。

三、数据来源与模型构建

(一)数据来源

本文使用的数据来源于中国劳动力动态调查(China Labor-force Dynamic Survey，CLDS)，该调查由中山大学社会科学调查中心主持开展。CLDS基于概率抽样方法，调查样本覆盖了中国的29个省份(除西藏、海南外，另外，不包括港澳台地区)，调查对象为样本家庭中15～64岁的全部劳动力，是我国第一个以劳动力为主题的全国性的动态追踪调查。本文使用的主要数据为2014年和2016年CLDS的两期微观调查数据。由于本文的研究对象为农户家庭，所以对调查数据进行了筛选，首先，剔除了城市户口家庭，保留了农村户口家庭；其次，剔除户主年龄小于16岁以及主要变量缺失的农户家庭；最后，得到一个样本容量为6226的研究样本。

(二)模型设定

公共政策效果评估时，会更加关注政策实施产生的净效应。然而，很难单独得知该净效应，一是参加或者未参加公共政策的群体本身存在系统性差异，若简单地将其进行比较，所得结论存在偏差。二是时间效应，随着公共政策的实施，其他政策不断渗透，可能会使这种评估所得出的结论被放大或者缩小，因此，需要将该政策的影响分离出来。一般情况下，学者们仅能求得群体在政策实施前或实施后的一种效果，另一种效果难以求得，这也即是“反事实”估计。为解决这一问题，学者们模拟一种“准自然实验”的状态，通过设置实验组和对照组，进而得到一致的估计结果。因此，本文采用“准自然实验”研究方法，通过设置实验组(参加产业扶贫,T=1)和对照组(未参加产业扶贫,T=0)，考察两组对象参加产业扶贫与否的政策差异，进而可以较好地分析产业扶贫对农户家庭贫困脆弱性的影响。

1.双重差分法(DID)

双重差分法(DID)通过控制研究对象之间的事前差异，过滤时间效应等固定效应的影响，将政策实施的效果分离出来，较为准确地反映政策实施对研究对象的干预效果(Ravallion，2007)[31]。本文通过设置对照组和实验组，采用双重差分法对比分析研究对象是否参加产业扶贫的政策差异，考察产业扶贫对贫困脆弱性的影响程度。为了分析产业扶贫的平均处理效应，本文采用了DID、包括协变量的DID对产业扶贫的平均处理效应进行估计。

本文设定的DID评估模型如式(9)：

Vit=β0+α0Pt+β1Ti+α1·PtTi+εit

(9)

包含协变量的DID评估模型如式(10)：

稳定下来后，她庆幸自己没有带小周去做笔录。会见室虽然有摄像头，但不录音，第三者听不到会见内容。新的《律师法》给了律师充分的自由，可以单独会见嫌疑人。

Vit=β0+α0Pt+β1Ti+α1·PtTi+θXit+εit

(10)

其中，Vit是被解释变量贫困脆弱性，下标i和t分别代表不同的样本家庭和不同的时期。Ti为是否参加产业扶贫的处理变量。Pt代表样本家庭参加产业扶贫的时期。交叉项PtTi反映了产业扶贫政策实施的净效应。Xit代表协变量。εit代表随机干扰项。

2.倾向得分匹配法(PSM)

倾向得分匹配法(PSM)主要用于评估某一政策或行为的实施效果，通过控制组间差异，排除样本选择性偏误和内生性问题(Rosenbaum et al，1983)[32]，使得政策评估的结果更加合理。本文还运用PSM方法分析产业扶贫对农户家庭贫困脆弱性的影响，其核心思想是将多维的协变量整合为单一维度的倾向得分值，进而匹配参加产业扶贫的农户家庭和未参加产业扶贫的农户家庭，使其仅在是否参加产业扶贫上存在差异，而在其他方面保持一致。其步骤简述如下：(1)引入影响产业扶贫评估效果的协变量，运用概率模型估计倾向得分值；(2)匹配对照组和实验组；(3)估计产业扶贫的平均处理效应ATT。

倾向得分匹配法的基本原理如式(11)，Xi表示可以观察到的共变量，T=1表示贫困户参与了产业扶贫，倾向得分值为P(Xi)=Pr(T=1|Xi)，产业扶贫的平均处理效应为实验组的处理效应E[VT|T=1,P(X)]减去对照组的处理效应E[VC|T=0,P(X)]：

ATT=EP(X)|T=1{E[VT|T=1,P(X)]-E[VC|T=0,P(X)]}

(11)

本文基于Probit模型得出倾向得分值，采用多维度匹配的方法，选择影响农户家庭贫困脆弱性的个体因素、家庭因素、社区因素，使匹配效果更加合理。首先，基于Probit模型分析结果，选择合适的协变量。其次，分别运用k近邻匹配法(1∶1)、k近邻匹配法(1∶4)、半径匹配法和核匹配法计算产业扶贫项目对农户家庭贫困脆弱性的平均处理效果(ATT)，并比较不同地区的产业扶贫对贫困脆弱性的平均处理效果。最后，采用PSM-DID检验其稳健性，若不同匹配方法的检验结果相似，则表明产业扶贫对农户家庭贫困脆弱性的平均处理效应是稳健的，反之亦然。

(三)变量选取

被解释变量。本文的被解释变量为贫困脆弱性(Vul)。

核心解释变量。本文选取的核心解释变量为“是否参加产业扶贫”，代表样本家庭是否参加产业扶贫。其中，参加产业扶贫项目T=1，否则T=0。

控制变量。本文主要从户主特征、家庭特征、社区特征三个方面选取控制变量。首先，本文加入了重要的家庭特征变量。其中，从事非农工作且有稳定收入人数、是否参加低保补助反映了家庭的经济状况；人口规模反映了家庭的人口状况，人口规模越大的家庭，越容易在未来陷入贫困，而这些家庭也更倾向于参加产业扶贫；家庭耐用品数量和农业机械数量反映了农户家庭生活性资产和生产性资产的变动状况。其次，为了排除人力资本对实证结果的影响，本文还加入了户主特征变量，包括年龄、教育程度、健康水平、是否参加工作及技能培训等反映户主能力特征的变量。最后，本文还加入了社区特征变量。其中，社区内合作社数量、近3年是否发生自然灾害反映自然资源禀赋对农户贫困状态的影响；是否有路灯、路面硬化比例以及到商业中心的距离表示贫困户家庭的区位条件；是否属于东部地区，可以进一步消除地区固定效应的影响。表2报告了主要变量的描述性统计分析。

表2 主要变量描述性统计

四、实证分析

(一)基于双重差分法(DID)的分析结果

本文利用双重差分法(DID)的基本研究框架测度产业扶贫对农户家庭贫困脆弱性的影响程度，结果如表3。其中，模型(1)、(2)表示2300元的国家贫困线下农户家庭的贫困脆弱性，模型(3)、(4)表示世界银行1.9美元极端贫困线下农户家庭贫困脆弱性。表3中DID分析结果表明，加入协变量前，两种不同贫困线下农户家庭贫困脆弱性的平均处理效应分别为-0.1852和-0.1612，系数均为负，且均在1%的水平上显著；加入协变量后，两种不同贫困线下农户家庭贫困脆弱性的平均处理效应为-0.1009和-0.1093，系数均为负，且分别在5%和1%的水平上显著，说明产业扶贫的实施对农户家庭未来贫困起到了积极的改善作用，明显降低了贫困脆弱性。

由表3可知，农户的教育程度、技能水平、工作能力等个人特征因素的提高均显著削减了农户家庭的贫困脆弱性。因此，加强劳动力的职业教育、技能培训，扩大“阳光工程”“雨露计划”的覆盖率，是提高现有劳动力水平、降低贫困脆弱性的重要措施。提高农户技能水平和教育程度有利于丰富农户的精神生活，使其掌握一定的职业技能，激发其自我发展、自我致富的内生动力，降低其未来陷入贫困的可能性。同时，从事非农工作且有稳定收入的人数越充裕，农户家庭的贫困脆弱性越低；社区内路面硬化比例越高、路灯数量越多表明交通情况和自然禀赋条件越好，能够为产业发展创造更加便利的条件，产业扶贫对农户家庭贫困脆弱性的削减效果也会越好。随着社区内合作社数量的增多，新型的经营主体也越来越多，通过培育新型经营主体，发展当地特色产业，建立联贫带贫的长效机制，使贫困户最大程度地参与到产业发展之中，拓宽增收渠道，降低其未来陷入贫困的可能性，实现稳定脱贫。

表3 DID回归结果

表3(续)

(二)基于倾向得分匹配法(PSM)的分析结果

1.平衡性检验

本文运用Probit概率模型估计倾向得分值，为了进一步验证产业扶贫对于农户家庭贫困脆弱性的影响，需要进行倾向得分匹配分析。为了保证匹配结果的准确性，需要进行平衡性检验，要求匹配后参加产业扶贫家庭和未参加产业扶贫家庭在各个特征变量上均无显著差异，即产业扶贫对贫困脆弱性的影响效果不再受特征变量的干扰，从而有效校正样本选择偏误，检验结果见表4。根据t值可以看出，大部分变量在匹配前有显著性差异，匹配后差异不显著。若偏差率绝对值小于20%，则表明检验结果较好(Rosenbaum et al，1985)[33]。由表4可知，匹配后的偏差率绝对值大部分都小于20%。因此，样本匹配通过了平衡性检验。

表4 平衡性检验

表4(续)

2.平均处理效应估计(ATT)

通过平衡性检验后，本文采用k近邻匹配(1∶1)、k近邻匹配(1∶4)、半径匹配以及核匹配法测量产业扶贫对农户家庭贫困脆弱性的影响程度，如表5所示。根据PSM分析结果显示，在4种不同的匹配方法下，分别以2300元国家贫困线和1.9美元极端贫困线为标准时，均在1%的水平上通过了显著性检验，表明产业扶贫对贫困脆弱性具有显著的削减作用。具体而言，在全样本情况下，运用k近邻匹配(1∶1)、k近邻匹配(1∶4)、半径匹配和核匹配4种不同的匹配方法，以2300元国家贫困线为标准时，产业扶贫对农户家庭贫困脆弱性的平均处理效应分别为-0.1390、-0.1514、-0.1448和-0.1548，且均在1%的水平上显著，4种方法下平均处理效应的均值为-0.1475，说明产业扶贫的实施使农户家庭贫困脆弱性降低了14.75%；在1.9美元极端贫困线下，产业扶贫对农户家庭贫困脆弱性的平均处理效应分别为-0.1357、-0.1496、-0.1432和-0.1535，均在1%的水平上显著，4种方法下平均处理效应的均值为-0.1455，说明产业扶贫的实施使农户家庭贫困脆弱性降低了14.55%。

为了考察产业扶贫对贫困脆弱性的影响在不同地区是否存在差异，本文进一步分地区检验了产业扶贫对贫困脆弱性的平均处理效应，回归结果如表5所示。估计结果显示，在东部和中西部地区，产业扶贫的实施对贫困脆弱性都具有显著的削减作用。但农户家庭所处地不同，产业扶贫对贫困脆弱性的影响略有不同，其中，产业扶贫对东部地区贫困脆弱性的削减效果略高于中西部地区。同时，这也表明了贫困脆弱性受地区经济发展水平的影响，经济发达地区产业扶贫对贫困脆弱性的削减作用略高于经济欠发达地区。经济发达地区基础设施建设较为完善、资源相对丰富，且就业机会和劳动报酬要高于经济欠发达地区，因此,发达地区产业扶贫的脱贫效果作用更强。

(三)稳健性检验

为检验产业扶贫效果评估的稳键性，本文进一步采用了双重差分-倾向得分匹配法(PSM-DID)进行辅助检验，结果如表6所示。根据表6的分析结果可得，平均处理效应方向和趋势与上文一致，均表现出显著的负向效应，均在1%的水平上显著，说明效果评估比较稳定，证明了评估结果的稳健性。

表6 基于PSM-DID方法的稳健性检验

五、研究结论与政策建议

本文基于2014年和2016年中国劳动力动态调查(CLDS)数据，考察了产业扶贫对贫困脆弱性的影响。首先，本文采用期望贫困的脆弱性理论估算出贫困脆弱性，然后采用双重差分法和倾向得分匹配法构建了贫困脆弱性模型，定量分析了农户家庭未来陷入贫困的概率，并以前瞻性视角对产业扶贫的脱贫减贫效果进行再评估。研究结果表明：第一，从总体上来看，产业扶贫的实施显著降低了贫困脆弱性。产业扶贫使农户家庭的贫困脆弱性降低了15%左右，且在1%的水平上显著，产业扶贫对农户家庭的贫困脆弱性有显著的改善作用。第二，从地理位置来看，产业扶贫对东部地区农户家庭贫困脆弱性的改善程度略高于中西部地区。我国东部地区的经济发展水平相对高于中西部地区，经济增长对于东部地区农村的基础设施、社会保障、提供就业等方面产生了积极的影响。在东部地区，产业扶贫的实施使农户家庭的贫困脆弱性降低了15%左右；在中西部地区，产业扶贫的实施使农户家庭的贫困脆弱性降低了12%左右，略低于东部地区。

为有效推进产业扶贫，提高扶贫覆盖面和脱贫效果，降低农户家庭的贫困脆弱性，实现精准脱贫、持久减贫，本文提出以下政策建议：第一，加强对贫困的动态识别能力。在未来的精准扶贫工作中，不仅要关注贫困户，也要关注当前不是贫困户但在未来可能陷入贫困的农户。随着精准扶贫的全面实施，今后的扶贫工作除了重视深度贫困地区的贫困家庭，还应更加重视容易返贫的脆弱家庭，提高其应对风险的能力，降低贫困脆弱性。第二，提高农户的内生动力。产业扶贫既要求实效，又要着眼于未来。加强教育发展水平、职业技能培训、岗位推荐等帮扶形式，为农户提供“换血”功能，在最大程度上降低贫困脆弱性，实现稳定脱贫不返贫。第三，构建利益联结机制。集聚农户、合作社、企业等主体力量，建立利益联结机制，加强经营主体和农户的联动作用，大力推广订单发展、资产租赁、土地流转、就地务工及股份合作等带贫模式，促进产业多元化发展，真正起到促助脱贫、谋致富的积极作用。尤其是中西部贫困地区，可以积极尝试展开订单农业，引导企业与贫困户、合作社等签订产品购销合同，形成稳定的购销关系，也可以支持企业为贫困户、合作社等提供贷款担保[34]，资助订单农户参加农业保险；同时，还可推行股权模式，鼓励农户以土地等入股企业，采取“保底收益+按股分红”方式，使农户分享产业发展增值收益。