农户异质性对精准扶贫绩效的影响——基于我国省级面板数据的空间计量分析

●左晓慧 刘思远

一、引言

贫困问题威胁着社会的和谐稳定，与社会主义共同富裕本质相违背，所以国家一直非常重视脱贫攻坚工作。长期以来我国实施的扶贫开发战略和乡村振兴战略极大地改善了贫困地区人民的生活条件，显著降低了贫困率。至2019 年，我国贫困人口已减少9000 多万，贫困发生率降至历史新低约0.6%，精准扶贫工作整体效果显著。但并未取得根本性的胜利，贫困问题仍一直存在。而解决人民脱贫问题，首要任务应为精准识别扶贫对象，继而针对不同类型的扶贫对象实施不同的扶贫政策。在全面小康的精准扶贫新时期，贫困人口呈分散式、碎片化特点分布，对精准扶贫绩效的评估常面临贫困率面板数据缺失、扶贫项目落实情况信息缺失等难题，难以形成科学的理论评估模型。因此，选择何种方法科学地评估扶贫绩效对扶贫政策目标实现极具重要意义。

二、文献综述

关于精准扶贫和精准扶贫绩效评价的研究，国内外学者做出了巨大贡献，研究成果丰富。本文梳理如下：

（一）精准扶贫的界定

贫困问题一直是人类社会面临的共同挑战，脱贫工作将持续不断地进行下去。国外学者从不同层面分析了贫困产生的原因，其中，Ragnar（1953）从宏观层面以资本供求差异为视角探讨得出贫困产生的原因在于资本的供小于求。

Rowntree（1901）从微观层面将个人或家庭缺乏生产所必须的货物或服务称为贫困并运用“测算收入贫困线”界定贫困。而国内界定贫困一般选用微观视角，以个人年收入为主的贫困指标评估个人贫困程度。为精准解决贫困问题，我国2013 年提出“精准扶贫”战略。杨国斌、普戡倪（2020）认为我国“精准扶贫”战略是对马克思主义学派关于“消除贫困”相关思想的继承与发展。汪三贵、郭子豪(2016)指出精准扶贫应是扶贫政策和措施精准针对真正的贫困人口,通过针对性帮扶消除贫困。王铮、杨宽明（2019）指出现阶段扶贫工作的重点应由盲目资助转向重点扶持。吕若南(2019)指出精准扶贫重在“精准”贵在“精准”,要发挥好基层党组织的作用将“精准”贯穿于整个扶贫工作中。参考上述文献，本文将精准扶贫定义为：对符合多维贫困标准的贫困农户，通过实施针对性的精准帮扶措施增加其可支配收入、提升其生活质量，使其脱离贫困。

（二）精准扶贫绩效评价

在实施众多精准扶贫新举措之后，对于精准扶贫绩效的考核，国内众多学者并没有得出相对一致的结论，学者们从不同角度对其进行考核。一方面，正向来看，宁静、殷浩栋（2019）通过PSM-DID 模型以及安慰剂检验，实证分析了产业扶贫项目对扶贫的正向作用。东梅、王满旺、马荣等（2020）以“产业扶贫”为例，基于三阶段DEA 模型验证了陕西省大部分贫困县扶贫效率已达到最优。另一方面，李小云、唐丽霞（2015）等认为我国扶贫资源瞄准长期存在偏离，扶贫不够“精准”。刘媛媛、吴玲（2020）指出当前在农村精准扶贫过程中存在着精准扶贫运行机制不科学、优秀人才匮乏、信息化程度不足以及扶贫主体较单一等问题。针对以上文献研究得出的精准扶贫现有不足之处，本文为使精准扶贫目标尽快达成，从扶贫资源瞄准偏离以及扶贫主体单一等角度出发，以农户异质性作为精准扶贫绩效考核的落脚点，进而研究农户异质性与精准扶贫绩效的内在联系。

（三）农户的异质性及其对扶贫绩效影响

不同农户类型称为农户异质，Mancur Olson（1965）将异质性定义为资源分配不均等程度。杨晓云、邓晓霞(2019)研究发现,中国农村家庭之间存在较为普遍的资产异质性。本文将农户异质性定义为各农户在个体因素与家庭因素两方面存在差异。基于农户异质性，何广文、刘甜（2019）从农户创业信贷需求差异角度，刘胜科、孔荣（2018）从农户创业意愿层面，高富雄、赵丹丹（2020）等以耕地质量保护行为及耕地质量保护的选择方式为视角研究农户异质性对行为的差异，均得出一致结论：农户异质性影响了农户的异质行为。进一步，对于精准扶贫绩效，刘魏、王小华（2019）通过对不同类型的多维贫困户细分发现，土地流转能够缓解一般多维贫困户的多维贫困，但对于极端多维贫困户的影响效果并不明显。

已有文献对精准扶贫的界定及措施、精准扶贫绩效以及农户异质性单方面研究成果丰富，为本文研究提供了一定的理论支持。但从农户异质性角度研究其对于精准扶贫绩效影响的研究较少，该框架缺少文献的支持和实证证据；并且已有文献对精准扶贫绩效的评估大多选定特定区域进行研究，忽视了省级间的空间效应。基于此，本文采用微观省级数据，从省级层面考量农户异质性对精准扶贫绩效的影响并用空间计量模型进一步研究两者的空间溢出效应。精准扶贫是现阶段政策的关注点，本文的研究有利于政策制定者厘清政策重点，为精准扶贫更好地贯彻落实、全面脱贫提供理论支持。

三、研究设计

（一）研究假设

2020 年是脱贫攻坚的关键时期，迫使我们对精准扶贫的绩效进行考核。2013—2018 年我国各省级贫困率整体上呈逐年下降趋势，说明我国精准扶贫战略取得了大规模的胜利。但各省级贫困率依旧存在，刘媛媛、吴玲（2020）指出当前在农村精准扶贫过程中存在着精准扶贫运行机制不科学、优秀人才匮乏、信息化程度不足以及扶贫主体较单一等问题。在部分农户长期难以脱贫，且国家精准扶贫机制运行不足的基础上，本文基于农户异质性对精准扶贫绩效的影响做出如下理论分析并提出相应的研究假设。

1.农户自身异质对精准扶贫绩效的影响。农户的自身因素包括农户年龄、健康、性别、受教育程度等属性，农户自身因素异质影响了农户生产能力及其脱贫能力。首先，随着农户年龄的增加、疾病发生率的增加，农户劳动能力减弱、劳动时间减少，降低了能从增加劳动中获得收益的可能性。其次，性别与劳动强度与劳动密度密不可分，男女农户数量比例与劳动报酬直接挂钩。再次，因教育投资带来的农户素质的提升将会显著提高劳动生产率以及相应报酬，对精准扶贫绩效影响显著。基于此，本文建立假设1 及其子假设：

假设1：精准扶贫绩效受农户自身异质的影响。

假设1a：农户的年龄对精准扶贫具有正向影响。

假设1b：农户的健康状况对精准扶贫绩效具有正向影响。

假设1c：农户的性别对精准扶贫绩效具有负向影响。

假设1d：农户的受教育程度对精准扶贫绩效具有负向影响。

2.农户家庭异质对精准扶贫绩效的影响。农户的家庭因素包括家庭规模、耕地面积两个要素。农户在农业生产经营中，所拥有劳动力人数以及耕地面积等资源禀赋的差异对农业产业发展绩效影响重大。家庭所含劳动力数量越大，通过劳动获得财富增加的可能性增加。家庭拥有的耕地面积越大，可供生产的可能性就越大，增加了农户家庭脱贫可能性，两因素对精准扶贫绩效均具有显著影响。基于此，本文提出假设2 及其子假设：

假设2：精准扶贫绩效受农户家庭异质的影响。

假设2a：农户的家庭规模对精准扶贫绩效具有负向影响。

假设2b：农户的耕地面积对精准扶贫绩效具有负向影响。

3.农户异质性对精准扶贫绩效的溢出效应。从全国范围看，本地区人力资本会对本地区的产业经济发展影响显著，且人力资本的空间溢出效应异质。本地区农户年龄越大、健康状况越差，本地区可进行劳动生产的农户数量越少，本地扶贫产业职位的空缺会吸引周边剩余劳动力流入，从而抵消了周边地区部分精准扶贫绩效。本地区农户男性比例越大、受教育程度越高，本地扶贫产业发展越兴旺，会带动周边地区上下游产业的发展，拉动周边地区精准扶贫绩效的提升。本地区农户家庭规模越大，剩余农户的外流挤占了周边地区农户劳动机会，抵消周边地区部分精准扶贫绩效。农户耕地面积越大，在国家总耕地面积一定的假设前提下，就对应着周边地区耕地面积的减少，一定程度上降低了周边地区精准扶贫绩效。据此，提出假设3 及其子假设：

假设3：农户异质性与精准扶贫绩效存在空间溢出效应。

假设3a：农户的年龄与精准扶贫绩效具有正向空间溢出效应。

假设3b：农户的性别与精准扶贫绩效具有负向空间溢出效应。

假设3c：农户的受教育程度与精准扶贫绩效具有负向空间溢出效应。

假设3d：农户的健康状况与精准扶贫绩效具有正向空间溢出效应。

假设3e：农户的家庭规模与精准扶贫绩效具有正向空间溢出效应。

假设3f：农户的耕地面积与精准扶贫绩效具有正向空间溢出效应。

（二）变量选取

1.被解释变量。精准扶贫的主要目标是减贫和可持续发展，本文基于杨国斌和普戡倪（2020）认为我国“精准扶贫”战略是对马克思主义学派关于“消除贫困”相关思想的继承与发展，以贫困发生率度量精准扶贫绩效，为模型被解释变量的衡量指标。贫困发生率越低，精准扶贫绩效越好；反之，精准扶贫绩效越差。

2.解释变量。核心解释变量为“农户异质性”，在解释变量的选择上，将农户异质性具体分为两类：（1）以性别、年龄、受教育程度、健康状况四项为主的农户自身因素；（2）以家庭规模、耕地面积两项为主的农户家庭因素。

3.控制变量。此外，考虑到目前农村贫困地区劳动力转移情况较多，而农户外流又会影响到本地与周边地区精准扶贫绩效，为防止回归结果出现重大偏误，特将非农务工人数作为控制变量，用农村非农就业人数占总就业人数比来衡量。

（三）样本选取与数据来源

本文中选取的数据来源于民政部和国家统计局，作为被解释变量的“贫困发生率”用农村低保人数与农村总人数比例衡量；解释变量中的“性别”变量用农村低保中男性人数占农村低保总人数比衡量，“年龄”变量用低保中0~14 岁和65 岁以上属于抚养范围的人数占农村低保总人数比例度量，“受教育程度”变量用本专科以上学历占农村低保人数比衡量，“健康状况”变量用乡镇卫生院入院人数占低保总人数比例衡量，“家庭规模”变量用家中劳动力人数占低保总人数比衡量。

本文以2013—2018 年31 个省级（不含港澳台）共186 个样本面板数据为基础，构建空间计量模型来系统性分析农户异质性对精准扶贫绩效的影响以及两者之间的空间溢出效应。主要变量描述如表1 所示：

表1 变量说明与数据来源

（四）估计方法与模型构建

通常而言，研究者们对扶贫绩效的评估只针对扶贫措施落点范围内，因此以往学者们在评估扶贫绩效时大多局限于特定研究区域范围内，例如：某集中连片区或某市、某地区等，且假定与周边地区变量数据相互独立、无交叉影响。而现实中大部分数据都具有一定的空间性，各省级间联系密切，空间溢出效应是研究省级面板数据不可避免的问题。为更准确评估精准扶贫绩效的全局性，本文充分考虑面板数据之间的空间相关性并选取空间计量模型作为本文的实证分析模型。为验证上述假设，本文选取2013—2018 年31 个省份（不含港澳台）的省级面板数据为研究基础，从农户自身因素和农户家庭因素两个维度，采用空间计量模型分析农户异质性对精准扶贫绩效的影响以及农户异质性与精准扶贫绩效是否存在空间溢出效应。根据对前人研究成果的整理归纳以及本文实际研究目标，本文在空间计量模型的选择上选用空间面板模型，空间面板模型形式构建如下：

四、实证结果与分析

（一）变量的描述性统计

为研究农户异质性对精准扶贫绩效的影响，现对186 个样本面板数据中的 pov、sex、age、edu、hea、gro、fam、job8 个变量进行原始数据描述性统计，样本数据描述性统计结果如下表所示：

表2 样本数据描述性统计

由表2 可知，作为被解释变量的贫困发生率，所选取的31个省级中贫困发生率最大值为22.8%，最小值为1.03%，最大值与最小值差异大，由此可见，我国各省级精准扶贫绩效参差不齐。在农户自身因素方面，性别因素最大值与最小值相差48.9%，可见在本文研究时间区间范围内某些省级男性在贫困农户中占比较高。年龄因素最大值为50.6%，最小值为22.7%，相差一倍多，说明各省级贫困农户中年龄差异较大。其余农户自身因素中最大值与最小值差异均较大，说明各省级间农户自身因素异质性严重。在本文研究时间区间范围不大的前提下，农户家庭因素中的农户家庭耕地面积与家庭规模两因素最大值与最小值差异明显，耕地面积因素最大值与最小值相差60%，家庭规模因素最大值与最小值相差3 倍，说明各省级间农户的家庭异质明显。在各省级农户异质性严重的前提下，各省间较大的精准扶贫绩效差异可以初步判断，我国省级间农户异质性与精准扶贫绩效密切相关。

（二）模型的估计结果

本文利用贫困发生率作为精准扶贫绩效指标的被解释变量进行空间计量分析。首先计算各年份的莫兰指数以检验精准扶贫绩效是否存在空间效应。本文通过stata 软件进行估计检验，检验结果如表3 所示。

由表3 可知，2013—2018 年各年份莫兰指数均显著，该结果有两方面含义：

第一，莫兰指数为正，说明我国各省份精准扶贫绩效存在“高—高”“低—低”集聚现象，精准扶贫绩效的分布空间关联性强。

表3 精准扶贫空间自相关检验结果

第二，莫兰指数显著表明精准扶贫绩效存在着明显的空间效应，为了无偏估计各变量的空间效应，需运用空间计量模型进行分析。

不同空间模型的效应产生原因以及解释能力有差异，因此需要通过实证检验选取最佳的空间计量模型进行检验。

首先，应对空间模型进行LR 检验，通过检验自变量空间滞后项及空间效应是否显著来判别是否为SEM 模型。其原假设为：

H0∶θ=-βP

其次，对空间计量模型进行Wald 检验，检验自变量空间滞后项与空间效应是否为0 来判断SDM是否退化为SAR，其原假设为：

H0∶θ=0

2 项检验统计量如表4 所示：

表4 各检验统计量

表4 检验结果显示，LR 检验与Wald 检验均显著拒绝了H0∶θ=-βP 与H0∶θ=0 原假设，则表明SDM模型可以很好地拟合数据，SDM模型并不能退化为SEM或SLM模型。因此，本文在进行空间计量分析时，初步判定应选用SDM模型进行检验。

表5 不同模型效应对比的拟合效果

表5 显示SAR、SEM、SDM在随机效应、时间固定效应、空间固定效应以及双固定效应检验下，SDM在各效应检验下拟合数据程度均优于其他两种模型，故进一步采用SDM模型进行空间计量检验。

再次，一般来说，当对指定变量进行样本数据回归分析时，在固定效应下模型回归更为合适。表6 列示了不同固定效应下SDM模型的MLE 检验结果：

表6 固定效应下SDM 模型的MLE 估计结果

由表6 可知，时间固定效应与时间空间双固定效应的空间相关系数rho 均显著为负，而空间固定效应模型显著为正。空间计量模型下，数据拟合效果的优良性由Log-likelihood 值表示，Log-likelihood 值越大表明拟合效果越好，时间空间双固定效应的Log-likelihood 值最大，为574.9345。因此，本文选用时间空间双固定效应进行实证研究分析。

针对双固定效应下SDM模型的适用性，本文进行了进一步的检验，检验结果如表7 所示。

表7 SDM 模型适用性检验结果

上表LM 和稳健性LM 的检验结果均显著拒绝了SEM 与SAR 模型嵌套于SDM的原假设，故更加证实了SDM的实用性。Hausman 检验结果显著拒绝了选用随机效应的原假设，因此验证了固定效应的适用性。

进一步对采用时间空间双固定效应下的SDM 模型进行空间效应分解，分解的系数估计值如表8 所式。其中，直接效应为解释变量对本省份被解释变量的影响，间接效应为解释变量对邻近省级被解释变量的影响，总效应为两者之和。

表8 双固定效应下SDM 模型空间效应分解结果

农户性别因素对精准扶贫绩效的直接效应与间接效应分别为-0.035、-0.010，表明农户中男性比例越大，贫困发生率越低，进而促进了本省与邻近省级精准扶贫绩效的提升。农户年龄因素的直接效应、间接效应分别为0.172、0.406，说

明农户年龄越大，贫困发生率越大，不仅对本省级的精准扶贫绩效有正向影响，而且对邻近省级也表现出正向空间溢出效应。受教育程度的直接效应显著为负，表明农户受教育程度越高，对本省和邻近省份的贫困发生率均有减弱作用。健康的直接效应与间接效应为0.016 和0.024，农户入院次数越多，贫困发生率越高。耕地面积的直接效应为-0.001，说明了农户家庭所拥有耕地面积与精准扶贫绩效的负向关系。农户家庭规模的间接效应为0.024，说明农户家庭规模对精准扶贫绩效具有正向空间溢出效应。最后，非农务工人数的直接效应与间接效应均为负，说明了非农务工人数的负向空间溢出效应。

以上实证结果大部分验证了本文的3 项假设，而农户家庭规模因素的直接效应以及受教育程度、耕地面积的间接效应检验结果与假设相反。经进一步研究发现，农户家庭规模扩大，家庭生活负担加重，因此与精准扶贫绩效成正向影响；受教育程度在教育资源一定的前提下确对精准扶贫绩效成正向溢出效应；而耕地面积负向空间溢出效应的原因在于由于市场的存在，资源的流动性拉动了周边地区的扶贫绩效。

（三）稳健性检验

为检验上述结论稳定性，最大程度降低结果差异。通过替换回归模型以及固定效应，选用空间固定效应下的SAR 模型重新检验，结果如表9 所示：

表9 稳健性检验结果

空间固定效应下的SAR 模型空间相关系数为0.0967，Log-likelihood 值为543.6502，数据拟合程度较高。故本文检验结果不受模型、固定效应与随机效应选用变化的影响，均可以得出一致结论：农户异质性对精准扶贫绩效空间影响显著。

（四）空间计量的局限性

本文选用的空间计量模型有一局限性：模型中所运用的空间权重矩阵并非根据数据的估计结果，而是研究者根据主观设定，具有非随机性，因此有无法完全反映不同省域之间复杂相互关系的可能性。

五、研究结论与对策建议

（一）研究结论

基于我国31 个省份（不含港澳台）2013—2018 年的相关数据，运用时间空间双固定效应下的空间杜宾计量模型，分析了农户异质性的不同表现对精准扶贫绩效影响，实证结果表明：农户异质性对精准扶贫绩效有显著的空间效应。具体结论如下：

1.各省份精准扶贫绩效具有显著的空间相关性，主要表现为“高—高”集聚与“低—低”集聚，从而形成邻近省域间精准扶贫绩效的同质性。

2.农户异质性对精准扶贫绩效影响显著。农户的年龄、健康与家庭规模三项影响因素对精准扶贫绩效显示出正向影响，其余影响变量对精准扶贫绩效负向影响显著。

3.农户异质性对精准扶贫绩效均有显著的空间溢出效应。其中，农户的性别与耕地面积俩因素对精准扶贫绩效具有负向空间溢出效应，其余因素显示出正向空间溢出效应。

（二）对策建议

根据前文的理论分析和实证分析结果，为了提升精准扶贫绩效，提出以下对策建议：

1. 根据农户异质性建立多维贫困识别体系和精准扶贫瞄准机制。现有的贫困识别多以收入为主，应采取多维指标，建立以收入为主，其他指标为辅的多维贫困识别体系，精准识别贫困农户。进一步依照农户贫困原因的异质性实施不同的扶贫措施，丰富扶贫措施种类，精准对口扶贫。目前已有的扶贫项目大多未能与个体贫困户相匹配，只是针对地区因地制宜，且部分扶贫政策难以落实，缺乏扶贫精准性。在常规扶贫举措无法生效时，分析异质农户贫困生成逻辑，采取针对性措施，降低“久扶不能脱贫”以及“主体缺位”的概率。

2.加大职业教育投入，提高贫困农户自我发展能力。经研究调查发现，贫困地区大部分农户仅受过基础教育，对扶贫政策依赖度较高，为“输血式扶贫”，政府资金投入压力较大。基于此，一方面，对有脱贫能力但无脱贫意识的农户进行在职培训，增加其知识储备，提高其脱贫素养。另一方面，对有脱贫意识但无脱贫能力属于政策兜底的农户，鼓励加入农村合作社，以“能人带动”形式帮助其提高生活质量，降低贫困风险。实现农户脱贫由“输血式扶贫”转为“造血式脱贫”，降低贫困内生性以及陷入“贫困陷阱”的可能。

3. 鉴于贫困农户发展生产资金来源大多依靠国家财政补贴和贷款，为避免税收和还贷的负向影响，一方面，国家应评估贫困农户潜在发展能力，设立最高贷款限额并设立多元还贷方式，减轻贫困农户到期还贷压力。另一方面，发挥市场的调节作用，完善土地流转市场，广泛吸收社会治理主体，实现互利共赢。

4. 增强扶贫绩效检测实时性。随着现代化技术的进步以及近期区块链技术的发展，充分利用现代数字技术的实时性、完整性、准确性，构建数字化扶贫绩效检测体系，实时检测扶贫措施实施进程与实施效率，及时增进优势扶贫举措、撤销劣势扶贫项目，提高扶贫措施的覆盖广度和实践深度。

5.深化产业结构调整，开展多元扶贫措施。在农村耕地面积有限，剩余劳动力价值无法充分释放的前提下，应深化产业结构、延长产业链、促进扶贫措施多元化发展。从研究结论来看，农户家庭规模与非农务工人数负向的直接效应、间接效应显示劳动力人数越多，贫困发生率越低，精准扶贫绩效越好。因此，应充分利用农村剩余劳动力，统筹协调，利用本地区的特色优势，优化配套产业，开发特色扶贫项目，激发产业升级动力，防止劳动力资源的浪费。

6.加大与周边省份的产业发展联系，发挥区域作用。贫困的空间集聚效应要求扶贫措施应在省域层面推进农产业的协同发展，发展跨省域特色农产品加工业，建立省域间农民生产合作组织，打破潜在发展壁垒，加大区域经济合作，扩大产业规模与规模经济效应。增强扶贫举措省域间上中下游的对接与耦合，实现乡村振兴和全面脱贫。