易地扶贫搬迁对贫困户生计资本和生计策略的影响

王君涵 李文 冷淦潇 仇焕广

摘要 坚决打赢脱贫攻坚战是党中央、国务院的一项重要战略部署，2020年是我国精准扶贫战略的验收之年。易地扶贫搬迁是精准扶贫战略的重要组成部分，该文基于可持续生计框架与空间贫困观两种理论，阐述了易地扶贫搬迁打破贫困陷阱的机理。本文利用8省16县2 176户易地扶贫搬迁农户3期跟踪调查数据，通过PSM-DID、Heckman两阶段方法实证检验了易地扶贫搬迁对农户生计资本和生计策略的长期和短期影响，并采用多期DID等方法进行了稳健性检验。研究结果表明：①易地扶贫搬迁切实改善了农户的生计资本和生计策略，打破了原本由于制约性资源存量过低而无法跳出的贫困陷阱，使农户进入一个新的可持续生计循环中，即搬迁时间越长，生计资本积累越多。②易地扶贫搬迁在短期对家畜养殖有负向影响，对外出务工有正向影响;长期对农林种植有负向影响，对非农自营有正向影响。③对于搬迁后的农户而言，不同生计策略依赖于不同的生计资本。农林种植依赖于自然资本、物质资本、人力资本和金融资本，家畜养殖依赖于物质资本和社会资本，外出务工依赖于物质资本和人力资本，非农自营依赖于人力资本和金融资本。根据研究结果，提出以下政策建议：一是短期应及时稳定保证房屋基建、水电气网、交通道路设施等物质资本的供给，并根据当地产业特色提供技能培训、工作获取等帮扶措施，切实保障搬迁人口的策略转变。二是长期应持续地通过教育、医疗卫生等措施增强其文化素养和健康水平，同时提供便利的金融服务与税收优惠政策，支撑搬迁人口非农策略的可持续发展，实现长期稳定的脱贫。

关键词 易地扶贫搬迁;生计资本;生计策略;贫困陷阱;PSM-DID

中图分类号 F323.8

文献标识码 A 文章编号 1002-2104（2020）10-0143-11 DOI：10.12062/cpre.20200411

精准扶贫战略是党中央、国务院的一项重要战略部署，它要求通过易地搬迁、产业扶持、转移就业等措施在2020年前解决所有贫困人口的脱贫问题。易地扶贫搬迁是精准扶贫工程的重要组成部分，是打赢脱贫攻坚战的关键举措。截至2019年底，易地扶贫搬迁任务基本完成，并已为约90%的搬迁群众落实了后续扶持措施。该政策是否提高了农户的生计资本、令其找到了适合的生计策略、搬迁户的生计策略如何演变等，都是亟待探究的问题。

当前有关生计的研究主要聚焦在可持续生计框架中生计资本和生计策略领域[1-8]，但仍有以下不足：第一，只关注某一时点的生计信息。农户的生计资本和生计策略呈现出随时间推移的动态性，超过70%的家庭会随着时间的推移和政策的变化改变生计资本和策略，以应对不断变化的压力、激励和机遇[9]，因此凸显出生计的动态性是分析生计问题的关键。若只关注在某一时间横截面的生计数据，会丧失掉生计资本和策略的动态变化机制，很难研究出两者的因果关系。第二，研究区域的局限性。已有研究无论是生计资本和生计策略的依存关系研究，还是生计风险下的可持续生计研究，都只局限于某区域样本，缺乏大范围地区农户生计的普适性和代表性研究。我国国土幅员辽阔，区域之间的差异很大，不论是物质上的自然资源还是精神上的文化习俗，不同地区之间都存在巨大差异。第三，生计资本与生计策略的关系机制阐述不够详尽。根据英国国际发展部（DFID）制定的可持续生计框架（Sustainable Livelihood Framework， SLF），生计资本分为极具异质的自然资本、物质资本、人力资本、金融资本和社会资本五个维度，生计策略则分为农林种植、家畜养殖、外出务工和非农自营四个维度。简单汇总的综合指标只能综合地把握两者的依存关系，无法澄清其内在的影响机制。

据此，为了更合理地进行理论分析及政策效果评估，需要考虑时间因素，本文采用PSM-DID方法对多期微观面板数据进行分析，对比研究处理前后实验组和控制组的短期和长期差异。同时，利用8省16县易地扶贫搬迁农户的大范围、跨区域样本，基于更一般方法探究在易地搬迁冲击下的生计资本和策略关系，并对生计资本及生计策略进行维度拆分，以厘清生计资本对生计策略的影响机制。

1 分析框架与假说

可持续生计方法（the Sustainable Livelihoods Approach）是一种理解贫困的多种诱因及解决方案的集成分析框架，可持續生计框架是最近十年发展的能对贫困进行多方面评价的新方法。一方面，可持续性农户生计框架把农户看作一个脆弱性的背景中谋生的对象，通过对不同生计资本进行组合实施生计策略，以实现预期的成果并满足他们的生计目标[10]。并且可持续生计框架具有很强的灵活性和可塑性[11]，可以根据研究的需要进行适当的拓展和应用。另一方面，从空间贫困陷阱的角度，空间贫困陷阱往往分布于地理位置偏远、农业生态环境恶劣、基础设施和公共服务、政策资源供给不足的区域[12-14]，处于贫困片区中地理禀赋较差的农户会逐步落入贫困而无法自主挣脱，形成“地理禀赋贫困陷阱”效应[15]。而相同特征的家庭，居住于非贫困陷阱就会处于非贫困状态[16]，即如果地理空间没有本质改变，就不能从根本上解决贫困问题。

借助可持续分析框架和空间贫困陷阱理论，考察易地扶贫搬迁如何帮助农户，打破空间贫困陷阱并进入新的可持续生计，为此构建了如图1和图2所示的分析框架。“贫困陷阱”源于班纳吉与迪弗洛在《贫穷的本质》一书中的“S形曲线”，我们结合可持续生计框架进行了拓展。在图1中，横坐标表示农户今年的生计资本（某种最制约），纵坐标表示明年的生计资本（某种最制约），因此横坐标的增加代表农户生计资本提高，纵坐标的增加代表农户生计策略的改善。在垂直虚线左下方的扇形代表贫困陷阱，处于贫困陷阱中的农户A的最制约资源存量过低，难以有效地抵御风险，最终会均衡到An点;在垂直虚线右上方的扇形代表不处于贫困陷阱，位于E点的农户在可持续生计的循环中最终会达到En点。因此对于贫困片区中地理禀赋较差的农户，若仅给予现金补贴并不能改善其地理禀赋较差这项最制约的生计资本，从而难以跳出贫困陷阱进入新的可持续生计中。而易地扶贫搬迁改善了原有耕地质量低下、交通可达性差等农户最制约的生计资本，从根本上改变了处于空间贫困陷阱的农户的生存环境，使其能够有效地抵御风险，奠定了优化农户生计结构的基础。即通过优化农户的生计资本和生计策略，易地扶贫搬迁使农户A跳出原有的空间贫困陷阱到达E点，在新的可持续生计中达到更优的均衡。具体分析如下。

易地扶贫搬迁通过“人”“财”“物”三个方面的支持性政策影响生计资本。第一，有关“人”的支持性政策主要分为就业培训和信息获取。易地扶贫搬迁项目会提供有关就业培训方面的帮助，就业培训有利于提高农户的劳动力质量和劳动技能[17]，从而提升农户家庭的人力资本。搬迁后交通运输设施的便利有利于改善农户的社交活动和信息的获取[13]，因此能够有效提升社会资本。第二，有关“财”的支持性政策主要分为移民搬迁补助、税收减免和无息贷款三种。根据安置方式的不同，移民搬迁补助款为人均2.5万或3.5万元，用于补助搬迁户建设购买住房、耐用消费品或生产经营性固定资产等，因此有利于提高农户抵御生计冲击的能力，改善物质资本。税收减免包括不同情况下免征個人所得税、契税、城镇土地使用税、印花税等税种，可以一定程度上减少农户支出或贷款，从而提高其金融可获得性，增加其金融资本。无息贷款可以直接提高农户的借贷能力，即直接提高其金融资本。第三，有关“物”的支持性政策主要分为公共基础设施建设（有形）和公共服务、市场化水平提高（无形）。易地扶贫搬迁后公共基础设施建设表现在路面硬化、污水管网、广播电视、电力电信等方面，极大程度上改善了农户家庭的基本生存条件，可以改善农户的自然禀赋[13，18-19]，即提高农户的自然资本。公共服务的跟进，缩短了农户家庭距离学校、医院、市场等的距离，不仅改善了农户的生存条件，提高其自然资本，而且搬迁后教育和医疗卫生设施的分布更加密集，可以提高区域间人力资本水平[20]。据此提出假设1。

H1：易地扶贫搬迁可以提高农户的生计资本。

易地扶贫搬迁使农户的生计策略在整体上由农业转向非农业，并且部分策略的转变存在滞后性。生计策略不仅取决于个人偏好，也被周围的环境资源所驱动[21]，例如市场化和经济水平较高的地区社会网络更容易提高收入[22]，同时不同生计策略的属性不同，调整、反应的时间也有所差别。具体而言：农林种植方面，搬迁后安置地种植面积的减少及其机会成本的提高，会减少这一生计策略，并且农作物的生产周期通常为3月至来年2月，部分农作物的周期甚至更长[23]，使得农林种植这一生计策略无法在短期内迅速调整。家畜养殖方面，搬迁造成的养殖场地的缩小、居住环境不利于饲养等原因，会减少家畜养殖这一生计策略，并且禽类等养殖周期较短，一般在2个月以内[23]，处置方便，因此搬迁在短期内即可影响这一生计策略。外出务工方面，搬迁后公共基础设施的改善（如电缆、网线）等极大地方便了农户与外界的联系，使外出务工人员与家人有更多的沟通机会，为外出务工提供坚实的后盾。同时搬迁后更广阔的就业市场及多样的就业培训为外出务工提供了丰富的资源和指导，使农户能较为快速地找到工作。因此搬迁能在短期内改善外出务工这一生计策略。非农自营方面，搬迁提供的移民搬迁补助款、无息贷款、税收减免等政策不仅保障了资金需求，还有力地降低了运营风险，从而有利于这一生计策略的调整。同时非农自营需要个人才能等方面的原始积累[24-29]，短期内也很难迅速调整。因此长期来看，非农自营的边际效益较高，生计策略会向非农自营偏移。据此提出假设2。

H2a：易地扶贫搬迁可以改善农户的生计策略，实现农业向非农的转化。

H2b：短期具体表现为减少家畜养殖、提高外出务工，长期表现为减少农林种植、增加非农自营。

改变后的生计资本也会对生计策略产生影响，并且不同类型的生计策略会受到不同种类生计资本的影响。根据可持续生计框架，农户对生计资产进行组合来选择某种生计策略[2-4]。农户拥有的生计资产越多，选择生计策略的余地就越大，更能够灵活地自我调整，从而提高了生计水平。具体来说：农林种植这一生计策略对自然禀赋、交通便利程度、机械化程度和劳动力等要求较高[30-31]，因此自然资本、物质资本和人力资本对农林种植这一生计策略影响较大。在家畜养殖方面，家畜养殖产业链上公司和农户既要分工也要合作[32]，使社会关系网对家畜养殖至关重要，因此社会资本会影响这一生计策略。同时畜牧业是整个农业生产中规模化程度最高，技术、设备投入相对集中的领域之一[33]，使得物质资本对家畜养殖的影响也较大。以外出务工为核心的工资性收入已经成为农户收入的重要组成部分[34]，它要求劳动力常年能在外独立生存谋生[35-37]，因此选择外出务工策略的家庭会更看易地扶贫搬迁背景下农户生计分析框架重该家庭的人力资本的建立。非农自营这一生计策略要求稳健的资金供给，拥有金融资本的农户会有更多的民间借贷渠道，从而更有可能创办自营工商业[25，27，29]，同时创业者的个人才能对非农自营的成败至关重要[24，26，28]，因此以非农自营为主的农户家庭会要求更高的人力资本和金融资本。据此提出假设3。

H3：不同生计策略依赖不同生计资本。农林种植依赖自然资本、物质资本和人力资本;家畜养殖依赖物质资本和社会资本;外出务工依赖人力资本;非农自营依赖人力资本和金融资本。

总之，基于可持续生计分析框架和贫困陷阱理论，分析易地扶贫搬迁对贫困户生计资本和生计策略的影响，可为政府后续扶持措施的侧重点提供一定的决策参考。

2 数据来源和变量选取

2.1 数据来源

根据“十三五”全国易地扶贫搬迁任务的分布，项目组依托“国务院扶贫办易地扶贫搬迁项目”课题，于2016年7月、2017年8月、2019年5月在贵州、云南、陕西、甘肃、湖北、湖南、广西、四川共8个搬迁任务较重的省（自治区）开展大规模调研。调研组采用多阶段抽样，在每个省（自治区）份抽取2个县。根据县级政府提供的全县安置区名单、安置区规模和已搬迁入住的情况，在每县（市）抽取大型安置点、中型安置点、小型安置点共计3～6个（最少抽3个，最多抽6个，5户以下的安置点不抽）。每个安置点根据安置点规模抽取一定比例的“十三五”期间已入住的搬迁户。剔除了搬迁时间不明确和部分关键变量缺失严重的样本，最终得到三年有效样本共5 858个。

2.2 变量选取

主要变量为是否进行易地扶贫搬迁、生计资本和生计策略。生计资本分为自然资本、物质资本、人力资本、金融资本和社会资本五个维度[38]，每个维度下面由多个题项进行测量。生计策略分为农林种植、家畜养殖、外出务工、非农自营四个维度[4，11]。控制变量分为户主层面的控制变量、家庭层面的控制变量和安置区层面的控制变量，其中户主层面的控制变量控制了户主的年龄、性别、婚姻状况、民族、在家居住时间、健康状况等变量，家庭层面的控制变量控制了家庭租金收入和宅基地补偿款，安置区层面的控制变量控制了安置区投资情况和安置区投资方式。

生计资本。根据DFID可持续生计框架[38]，生计资本是指个人或家庭为改善长远的生活状况所拥有和获得的谋生的能力、资产和禀赋，生计资本分为五个维度：自然资本、物质资本、人力资本、金融资本和社会资本。自然资本指的是人们的生计所依靠的自然资源的储存和流动，包括距离市场、县城、乡镇等的距离和可直接利用的资源（如土地、树木等）以及生态服务，其中对于农户来讲最主要的是耕地面积。物质资本包括维持生计所需要的基础设施以及生产用具，一般来说包括家庭的总资产和住房面积等。人力资本是指人们为了追求不同的生计策略和实现生计目标而拥有的技能、知识、劳动能力和健康等，一般来说包括家庭总人口、家庭中劳动力的个数、健康人数的比例等。金融资本主要指流动资金、储备资金和获得金融资产的便利程度，一般用金融贷款的额度、金融参与和金融便利性等衡量。社会资本指各种社会资源，如社会关系网和社会组织（宗教组织、亲朋好友和家族等），一般用人情收礼、亲戚朋友的数量等衡量。在该文中，自然资本用“到乡镇的距离的对数”“到中学的距离的对数”“到市场的距离的对数”“到县城的距离的对数”“承包土地面积”等题项测量。物质资本用“家庭总资产的对数”“家庭住房面积的对数”衡量。人力资本用“家庭总人口”“家庭总劳动力个数”“家庭成员平均受教育年限”等题项衡量。金融资本用“最近银行或信用社的距离的对数”“家庭借出去的钱的对数”等测量。社会资本用“人情往来收礼的对数”“亲戚朋友数量的对数”“参加红白喜事人数的对数”衡量。采用熵权法合成生计资本的测量值，参考苏芳[4]的做法，生计资本的综合指数即为Q=∑ni=1WiIi，其中Wi是指标的权重，Ii是指标的标准化得分，Q是综合指数。

生计策略。生计策略是农户采用何种方式把生计资本转化为积极的生计成果，是农户对经营活动和资产配置的选择，目的是通过生计策略实现生计目标。调查地区属于武陵山片区、秦巴山片区、乌蒙山片区、六盘山片区等山区，根据苏芳[4]的做法，山区农户主要的生计策略包括农林种植、家畜养殖、外出务工和非农自营四类。农林种植不仅包括一般意义上的粮食作物的种植，还包括农户在山区里种植和采摘的经济作物，例如核桃等。家畜养殖是指家庭内饲养的牛、羊、鸡、猪等家畜。外出务工是指家庭的成员长期（3个月以上）在外打工，其中不包括上学、当兵等因素。非农自营是指农户在本地进行非农活动，例如开小卖部等。参考李聪[11]的做法，用各项生计策略的收入衡量生计策略。

2.3 描述性统计

主要变量的描述性统计如表1所示，易地扶贫搬迁的比例从2016年的0.03，到2017年的0.22，最后到2019年的0.83，可以看出易地扶贫搬迁已经接近尾声。生计资本的五个维度（自然资本、物质资本、人力资本、金融资本、社会资本）中，2016年相对较高的是自然资本和人力资本，说明搬迁前农户家庭普遍有较为充分的土地和劳动力，从而为获得收入提供充分的人力保障。2017年和2019年相对最高的是物质资本，说明搬迁后物质资本有明显提高，房屋等基础设施有所改善。在生计策略方面，农林种植、家畜养殖、外出务工以及非农自营四种生计策略从2016—2019年都有不同程度的提高。其中外出务工这一生计策略的增加最明显，从2016年的7.42到2017年的9.77再到2019年的10.26，农林种植和家畜养殖则增加的较为缓慢，这可以粗略地看出搬迁后农户的生计策略倾向从农业向非农产业转化。同时，表1中列出了几个主要控制变量的描述性统计。以2016年为例，户主的平均年龄在54岁左右，性别均值为0.9，代表90%的户主性别为男性，且户主平均每年在家居住时间超过了10个月，说明户主基本每年都在家生活。

3 实证分析结果

3.1 搬迁对农户生计资本、生计策略的影响

采用2016年、2017年和2019年易地扶贫搬迁共3年的面板数据，研究易地扶贫搬迁政策对生计资本和生计策略是否有显著影响，并通过双重差分模型（DID）消除潜在时间趋势中的偏差[39-41]。然而在实际推进易地扶贫搬迁工作中，基层政府偏向于先选择容易实施的地区和群体，这就导致实验组和控制组在平均水平上存在显著差异，不滿足双重差分模型（DID）的假设前提。Heckman等[42]、Dehejia 和Wahba[43]则指出通过双重差分倾向得分匹配（PSM-DID）控制来自不同区域、不同群体样本值之间不随时间变化的组间差异，能有效地解决这一问题。具体来说，PSM-DID将实验组和控制组的样本匹配到倾向值相近的样本，使其满足共同支撑域假设，再使用双重差分分析，进而得到更准确的结果，并采用Rosenbaum和Rubin[44]提出的核密度倾向评分匹配策略进行匹配。

考虑到政策效应的滞后性，运用双重差分模型分别检验易地扶贫搬迁贫困户搬后1 a、2 a和3 a对生计资本、生计策略的影响。考虑到数据的可得性和效应的滞后性，定义搬后1 a为短期影响，搬后3 a为长期影响。控制组和实验组的设计如图3所示，不同阴影表示不同搬迁时间的样本。在这些分析中，差分估计量的显著性水平和重要性是主要关注因素[39]。在2016—2017年搬后1 a的短期影响DID中，差分估计量是处理变量和时间变量的交互项，处理变量是一个虚拟变量，实验组（2016年搬迁的样本）编码为1，控制组（2017年仍未搬迁的样本）编码为0，时间变量也是虚拟变量，在2017年其值为1，在2016年其值为0。在2017—2019年搬后2 a的DID影响分析中，实验组为2017年已搬迁的农户，控制组为2019年仍未搬迁的样本，时间变量2017年为0，2019年为1。搬后3 a实验组和控制组的设计同理。

从本质上讲，差异估计量反映了与控制组（没有经历过易地扶贫搬迁的农户家庭）相比，实验组（经历过易地扶贫搬迁的农户家庭）的因变量变化率是否显著不同。是否搬迁对农户生计资本和生计策略的双差分影响效果可以用计量模型方式表达为：

其中，capitalit为第i个农户t时期的生计资本，strategyit为第i个农户t时期的生计策略，immigi和timet均为二值变量，immigi为第i个农户是否已经搬迁，timet为时间变量，Xit表示第i个农户t时期的协变量以排除掉潜在的混杂影响（Confounding Effects），ε1it和ε2it为随机误差项。系数β3代表是否搬迁对农户生计资本的影响效果，系数γ3代表是否搬迁对农户生计策略的影响效果。

在进行匹配后，大部分变量的标准偏差明显降低，实验组与对照组的差异变得不显著，意味着匹配之后实验组与对照组的可比性大幅增强。匹配后实验组与对照组的核密度函数曲线匹配良好，大部分都在共同的区域内，表明实验组和对照组具有可比性，排除了搬迁户样本可能存在的自选择效应，从而可以进行下一步的双重差分模型估计。

具体地，从表2展示的易地扶贫搬迁对农户生计资本的PSM-DID结果来看，易地扶贫搬迁后1 a就有显著提高（DID=0.754，P=0.000），搬迁后2 a的生计资本增长更多，显著提高0.819（P=0.000），搬迁3 a的正向效应增长到0.974（P=0.000）。可以看出，搬迁对于农户的生计资本具有正向影响，并且其正向累积影响逐年增加。根据易地扶贫搬迁背景下农户生计分析框架，原因在于：一是搬迁后的就业培训、社会保障等政策提高了农户的人力资本[17，20]，交通运输设施的便利提高了农户的社会资本[13]，移民搬迁补助、税收减免和无息贷款等提高了农户的金融资本。二是补助搬迁户建设购买住房、耐用消费品或生产经营性固定资产等提高了农户的物质资本。三是易地扶贫搬迁后公共基础设施建设和公共服务的跟进则提高了农户的自然资本[13，18-19]，从而易地扶贫搬迁后农户的生计资本显著提高。并且随着搬迁后农户生活逐渐稳定，对地理位置和基础设施更加熟悉，农户的生计资本会在搬迁后已提高的基础上继续提高，进入良性循环，使得易地扶贫搬迁后生计资本提高的长期效果比短期效果更为显著。意味着搬迁后农户的生计会随时间进展逐渐优化，可保障农户从根本上摆脱贫困。

从表2展示的易地扶贫搬迁对农户生计策略的PSM-DID结果来看，农林种植搬迁后1 a和2 a均没有显著改变，搬迁后3 a显著降低（DID=-1.128）;家畜养殖搬迁后1 a就显著降低，并且搬迁3 a下降幅度更大;外出务工这一生计策略在搬迁后1 a就显著增加，并且3 a内保持稳定的促进作用（0.884→0.883→0.871）;非农自营搬迁后1 a和2 a均没有显著改变，搬迁后3 a显著增加（DID=0.227）。说明易地扶贫搬迁短期内使农户从原有的家畜养殖转向外出务工（家畜养殖DID=-0.984，外出务工DID=0.884），农林种植和非农自营两项生计策略没有显著变化。而长期则会引起农林种植和非农自营的策略调整，使农户从原有的农林种植、家畜养殖转向外出务工和非农自营（农林种植DID=-1.128，家畜养殖DID=-1.257，外出务工DID=0.871，非农自营DID=0.227）。因此，易地扶贫搬迁政策的部分效果具有时滞性。易地扶贫搬迁不仅直接带来的环境改变和市场化水平提高使农户的外出务工更加方便[45]，还通过改变生计资本对生计策略产生影响[2-4]，从而改变原有以农林种植和家畜养殖为主的生计策略，转向外出务工和非农自营。值得注意的是，易地扶贫搬迁对农林种植和非农自营两项生计策略的短期影响并不显著，这是因为农林种植有一定的生长周期[23]、非农自营需要一定的原始积累[24-29]，需要给农户时间调整再做出新的策略选择。因此短期内易地扶贫搬迁对农林种植和非农自营没有影响，但是长期来看搬迁降

图3 控制组和实验组的设计低了农林种植和家畜养殖，提高了外出务工和非农自营。反映了农户在搬迁后生计资本逐年提高并且在逐步调整生计策略的事实，从而验证了易地扶贫搬迁的良好效果。也说明在更长期的未来，随着搬迁后的农户对交通情况、基础设施、市场条件、关系网络等的进一步熟悉和生计资本的逐渐提高，农户的生计策略结构会从农业向非农业演变，从而彻底使农户打破原有的空间贫困陷阱，在新的可持续生计中达到更优的均衡。

3.2 生计资本对生计策略影响的进一步分析

为了研究搬迁后政府如何根据农户不同生计策略有针对性地扶持生计资本，以帮助已搬迁的农户进一步提高可持续生计，具体采用了以下数据分析程序：首先，使用豪斯曼检验（Hauseman Test）来检验面板数据采用固定效应模型还是随机效应模型。检验结果表明，P值为0.000，因此采用固定效应模型。其次，为了控制时变的不可观测因素的影响，增加了年度虚拟变量。最后，使用瓦尔德检验（Wald Test）发现存在异方差。因此在区域层面上对标准差进行聚类，以调整其异方差性。然而，仅仅用这种样本进行回归分析是不合适的，以农林种植这一生计策略为例，由于从事农林种植的农户可能与不从事农林种植的农户有系统的不同，因此使用两阶段的Heckman选择模型[46]来纠正这种样本选择偏差。在这种分析中，第一阶段通过将Probit模型应用于整个农户样本，估计了农户选择农林种植的可能性，即逆米尔斯比（Inverse Mills Ratio）。然后将该比率作为第二阶段方程式中的控制变量，采用已做出农林种植选择的农户样本检验生计资本和生计策略之间的关系。具体地，第一步使用Probit模型估计农户选择各种生计策略（农林种植、家畜养殖、外出务工、非农自营）的概率，其方程为：

其中，pi是农户选择第i种（i=1，2，3，4）生计策略的概率，i=1代表选择农林种植，i=2代表选择家畜养殖，i=3代表选择外出务工，i=4代表选择非农自营。xn是可能引起生计策略选择的变量，γn是引起选择的变量的系数，γ0是常数项。其中农林种植的选择变量是除农林种植的其他生计策略收入，家畜养殖的选择变量是除家畜养殖的其他生计策略收入，外出务工的选择变量是除外出务工的其他生计策略收入，非农自营的选择变量是除非农自营已搬迁农户生计资本对生计策略的影响如表3所示。模型1～模型4是分别对农林种植、家畜养殖、外出务工、非农自营四个生计策略分别使用Heckman两阶段选择模型的回归结果，各个逆米尔斯比均显著说明选择该方法是合适的。根据回归结果可以看出，首先，农户选择农林种植的策略受到自然资本（β=0.119，P<0.01）、物质资本（β=0.022，P<0.05）、人力资本（β=0.062，P<0.01）的影响，这和前面的理论分析一致。同时，农户选择农林种植还会受到金融资本（β=0.058，P<0.05）的影响，可能是因为林业等农林种植策略周期很长，对资金流转要求较高，所以需要较高的金融资本。其次，家畜养殖主要受到物质资本（β=0.035，P<0.01）和社会资本（β=0.047，P<0.1）的影响。因为选择家畜养殖策略的农户要想扩大规模，需要与购买方和养殖企业进行沟通交流，更依赖社会资本的积累。同时畜牧业更需要技术和设备，使得物质资本对家畜养殖的影响也较大。同时，外出务工这一生计策略会显著受到人力资本（β=0.074，P<0.01）和物质资本（β=0.034，P<0.01）的影响。因为外出打工等工作必须要有劳动力的投入，更加看重劳动力的质量，因此依賴人力资本。值得注意的是，外出务工受到物质资本的影响，可能是因为农户的物质资本越高，家里就有交通工具等资源，可选择工资更高的工作，因此会对外出务工的收入产生正向影响。最后，非农自营这一策略会受到人力资本（β=0.263，P<0.05）和金融资本（β=0.132，P<0.05）的影响。因为拥有更多金融资本的农民，会有更多的民间借贷渠道，从而更有可能创办自营工商业[25，27，29]。同时创业者的个人才能对经营的成败至关重要[24，26，28]，这也和理论分析一致。

综合以上，农户选择农林种植这一生计策略显著受到自然资本、物质资本、人力资本和金融资本的正向影响，家畜养殖显著受到物质资本和社会资本的正向影响，外出务工显著受到物质资本和人力资本的正向影响，非农自营显著受到人力资本和金融资本的正向影响。

4 稳健性检验

4.1 改变模型设定方法

更一般地，对三期面板数据采用多期DID模型进行估计。易地扶贫搬迁对农户生计资本和生计策略的多期双重差分影响效果可以用计量模型方式表达为：

其中，capitalit为第i个农户t时期的生计资本，strategyit为第i个农户t时期的生计策略，AS和Bt是解释省份和年份固定效应的省份和年份虚拟变量的向量，Xit是其他控制变量，ε3it和ε4it是随机误差项。当第i个农户家庭在t年进行易地扶贫搬迁时，虚拟变量removalit取值为1，否则为0。因此，系数λ1和μ1分别表示易地扶贫搬迁对生计资本和生计策略的影响，回归后得到的结果依然稳健。

4.2 更换生计策略的衡量指标

由于生计策略对生计资本的影响具有一定的滞后性[47]，所以生计资本和生计策略不存在互为因果的问题，从而一定程度上避免了内生性问题。以上分析均采用各项生计策略的收入来衡量生计策略[11]，但同时也有部分学者采用二元变量来衡量生计策略，具体方法为选择该项生计策略赋值为1，不选择该项生计策略赋值为0[4]。采用二元0-1变量再次衡量四项生计策略后进行稳健性检验，发现生计策略进行Logit回归后主要变量的系数符号和显著性保持稳定，模型的稳健性良好，从而验证了该模型的稳定性。

5 结论和政策建议

通过研究易地扶贫搬迁对农户生计资本和生计策略的影响机制，发现易地扶贫搬迁能够显著改善贫困户的生计资本和生计策略，打破原有的空间贫困陷阱，具体结论如下。

（1）易地扶贫搬迁政策有助于改善农户生计资本。一方面，搬迁后农户的外部环境得到改善，包括公共基础设施和公共服务等，进而农户的生活条件、自然禀赋以及获得信息的能力得到提升，农户的自然资本和社会资本显著增加。另一方面，搬迁后农户获得移民搬迁补助和就业培训以及较好的住房保障，有助于农户购买生产经营性固定资产，提高农户贷款能力，增强搬迁户的物质资本、金融资本和人力资本。同时，易地扶贫搬迁对于生计资本的促进作用会随着搬迁时间的增加而增加，说明易地扶贫搬迁的政策效果是长期的、可持续性的，对于生计资本的影响是长久的、深远的，从根本上改变了农户的生计禀赋，能够使得农户摆脱恶劣的、贫穷的生计环境，跳出贫困陷阱。

（2）易地扶贫搬迁后农户的生计策略逐步由农业向非农业转化。搬迁1a后，易地搬迁户会显著减少家畜养殖生产，增加外出务工，即在短期内搬迁户会由家畜养殖策略转变为外出务工策略，这是因为家畜养殖受到限制，且畜牧生产较为灵活，而搬迁后外出务工的机会相对增多。搬迁3a后，易地扶贫搬迁户的农林种植收入显著减少，非农自营收入显著增加，而在此之前均不显著，说明农林种植和非农自营策略具有滞后性，即长期内搬迁户的农林种植的生计策略转变为非农自营策略。因此，外出务工和非农自营是搬迁户搬迁后所演变的主要生计策略，但是非农自营的政策效果具有滞后性。这种演变表明易地扶贫搬迁提高了农户的生活水平和生计能力，推动了我国目前的城镇化进程。

（3）不同的生计资本对各种生计策略的影响不同，从农户搬迁后生计策略的转变可以得出不同生计资本的重要程度。通过分析，研究发现农户选择农林种植依赖于自然资本、物质资本、人力资本和金融资本，家畜养殖依赖于物质资本和社会资本，外出务工依赖于物质资本和人力资本，非农自营依赖于人力资本和金融资本。整体上，在农户的生计策略由农业逐步向非农业转变的过程中，物质资本和人力资本在短期上可以改善外出务工策略，进而提高搬迁户生计水平。但在长期，搬迁户需要依赖人力资本和金融资本改善非农自营，以促进其可持续生计和长久脱贫。

由于农户生计策略对政策反应的时滞性不同，因此需分时间阶段和轻重缓急配套实施政策扶持措施。据此，针对后续扶持提出以下政策建议。

短期上，易地扶贫搬迁政策改变了农户原本恶劣的自然禀赋，能够及时地改善农户的生计资本，促使农户的生计策略从家畜养殖转为外出务工。因此短期内应注重搬迁户家畜养殖的处理和售卖，开通便利的家畜销售渠道，提供销售信息支持和帮助。而外出务工策略依赖于物质资本和人力资本，因此短期内政府应及时稳定地保障房屋基建、水电气网、交通道路设施等物质资本的供给，并根据当地产业特色和工业需求加强搬迁人口的技能培训、工作获取等帮扶措施。

长期上，农户的生计策略由农林种植和家畜养殖转为外出务工和非农自营。长期内农户农林种植的减少需要政府完善土地流转政策、提供土地流转信息等，解放土地生产力，并鼓励村内大户、合作社或新型经营主体对土地进行流转、规模经营，解放搬迁劳动生产力。而非农自营更依赖于人力资本和金融资本，因此长期内政府应持续地加强人力资本和金融资本建设。具体包括：①通过教育、医疗卫生服务等提高搬迁人口的文化素养和健康水平，增强外出务工人口的劳动能力。②提供便利的贷款服务、金融服务等金融措施，给予资金支持和税收优惠政策，以缓解、保障、满足非农自营或创业的搬迁人口的资金需求，为非农自营活动提供有利的发展空间和完善的市场条件。农户才能逐步获得更多资源和致富途径，才能够持续、长久、稳定地脱贫致富，以实现易地扶贫搬迁政策目标。

总体来说，“以人为本”是易地扶貧搬迁后续扶持的根本原则，注重搬迁人口的人才培养和人力资本积累，加强搬迁人口的技术教育和医疗健康，是保障贫困人口长期稳固脱贫，社会长治久安的根本之策。

参考文献

[1]道日娜.农牧交错区域农户生计资本与生计策略关系研究——以内蒙古东部四个旗为例[J].中国人口·资源与环境， 2014，24（5）：274-278.

[2]伍艳.贫困山区农户生计资本对生计策略的影响研究——基于四川省平武县和南江县的调查数据[J].农业经济问题，2016，37（3）：88-94，112.

[3]赵雪雁，李巍，杨培涛，等.生计资本对甘南高原农牧民生计活动的影响[J].中国人口·资源与环境，2011，21（4）：111-118.

[4]苏芳，蒲欣冬，徐中民，等.生计资本与生计策略关系研究——以张掖市甘州区为例[J].中国人口·资源与环境，2009，19（6）：119-125.

[5]ASHLEY C， CARNEY D. Sustainable livelihoods： lessons from early experience[R]. London：Department for International Development， 1999：46-47.

[6]ELLIS F. The determinants of rural livelihood diversification in developing countries[J].Agricultural economics，2000，51： 289-302.

[7]BABULO B， MUYS B， NEGA F， et al. Household livelihood strategies and forest dependence in the highlands of Tigray[J]. Agricultural systems. 2008（6）：147-155.

[8]许汉石，乐章.生计资本、生计风险与农户的生计策略[J].农业经济问题，2012，33（10）：100-105.

[9]XI J， POULIOT M， WALELIGN S Z. Livelihood strategies and dynamics in rural Cambodia[J]. World development， 2017，97 ：266-278.

[10]苏芳，徐中民，尚海洋.可持续生计分析研究综述[J].地球科学进展，2009，24（1）：61-69.

[11]李聪，柳玮，冯伟林，等.移民搬迁对农户生计策略的影响——基于陕南安康地区的调查[J].中国农村观察，2013（6）：31-44，93.

[12]DAIMON T. The spatial dimension of welfare and poverty： lessons from a regional targeting programme in Indonesia[J]. Asian economic journal， 2001， 15 （4） ：345-367.

[13]BIRD K， SHEPHERD A. Livelihoods and chronic poverty in semiarid Zimbabwe[J]. World development， 2003， 31 （3） ：591-610.

[14] EPPRECHT M， MüLLER D， MINOT N. How remote are Vietnams ethnic minorities？ An analysis of spatial patterns of poverty and inequality[J]. The annals of regional science， 2011， 46 （2） ：349-368.

[15]袁航，刘梦璐，刘景景.基于健康營养调查（CHNS）对地理禀赋贫困陷阱的实证分析[J].经济地理，2017，37（6）：45-51.

[16]罗庆，李小建.国外农村贫困地理研究进展[J].经济地理，2014，34（6）：1-8.

[17]莫荣，岳威.增加下岗职工就业机会研究[J].管理世界，2001（2）：88-94.

[18]宁静，殷浩栋，汪三贵，等.易地扶贫搬迁减少了贫困脆弱性吗？——基于8省16县易地扶贫搬迁准实验研究的PSM-DID分析[J].中国人口·资源与环境，2018，28（11）：20-28.

[19]CHRISTIAENSEN L， DEMERY L， PATERNOSTRO S. Economic growth and poverty in sub-Saharan Africa messages from the 1990s[J]. World bank economic review， 2003， 17 （3） ：317-347.

[20]OKWI P O， NDENG G， KRISTJANSON P， et al. Spatial determinants of poverty in rural Kenya[J]. Proceedings of the national academy of sciences， 2007， 104 （43） ：16769-16774.

[21]MARTHA G R， 杨国安. 可持续发展研究方法国际进展——脆弱性分析方法与可持续生计方法比较[J].地理科学进展，2003（1）：11-21.

[22]赵剑治，陆铭.关系对农村收入差距的贡献及其地区差异——一项基于回归的分解分析[J].经济学（季刊），2010，9（1）：363-390.

[23]庞金波，邓凌霏，范琳琳.黑龙江省农民专业合作社融资问题、成因及对策研究[J].农业现代化研究，2016，37（4）：725-732.

[24]李强，龙文进.农民工留城与返乡意愿的影响因素分析[J].中国农村经济，2009（2）：46-54，66.

[25]朱红根，康兰媛，翁贞林，等.劳动力输出大省农民工返乡创业意愿影响因素的实证分析——基于江西省1145个返乡农民工的调查数据[J].中国农村观察，2010（5）：38-47.

[26]张益丰，郑秀芝.企业家才能、创业环境异质性与农民创业——基于3省14个行政村调研数据的实证研究[J].中国农村观察，2014（3）：21-28，81.

[27]郝朝艳，平新乔，张海洋，等.农户的创业选择及其影响因素——来自“农村金融调查”的证据[J].中国农村经济，2012（4）：57-65，95.

[28]赵浩兴.农民工创业地点选择的影响因素研究——来自沿海地区的实证调研[J].中国人口科学，2012（2）：103-110，112.

[29]马光荣，杨恩艳.社会网络、非正规金融与创业[J].经济研究，2011，46（3）：83-94.

[30]董晓霞，黄季焜，SCOTT R，等.地理区位、交通基础设施与种植业结构调整研究[J].管理世界，2006（9）：59-63，79.

[31]杜鹰，韩俊，黄延信，等.21世纪初期我国农村就业及剩余劳动力利用问题研究[J].中国农村经济，2000（5）：4-16.

[32]万俊毅，欧晓明.产业链整合、专用性投资与合作剩余分配：来自温氏模式的例证[J].中国农村经济，2010（5）：28-42.

[33]熊本海，楊振刚，杨亮，等.中国畜牧业物联网技术应用研究进展[J].农业工程学报， 2015， 31（S1）：237-246.

[34]程名望，史清华，JIN Y，等.农户收入差距及其根源：模型与实证[J].管理世界，2015（7）：17-28.

[35]刘传江，程建林.第二代农民工市民化：现状分析与进程测度[J].人口研究，2008（5）：48-57.

[36]李培林.流动民工的社会网络和社会地位[J].社会学研究，1996（4）：42-52.

[37]王春光.农村流动人口的“半城市化”问题研究[J].社会学研究，2006（5）：107-122，244.

[38]DFID. Sustainable livelihoods guidance sheets[R]. London：Department for International Development， 1999：45-56.

[39]BERTRAND M， DUFLO E， MULLAINATHAN S. How much should we trust differences-in-differences estimates？ [J]. Quarterly journal of economics， 2004， 119（1）： 249-275.

[40]CHANG S J， CHUNG J， MOON J J. When do wholly owned subsidiaries perform better than joint ventures？ [J]. Strategic management journal， 2013， 34（3）： 317-337.

[41]LEVINE D I， TOFFEL M W. Quality management and job quality： how the ISO 9001 standard for quality management systems affects employees and employers[J]. Management science， 2010， 56（6）： 978-996.

[42]HECKMAN J J， ICHIMURA H， TODD P E. Matching as an econometric evaluation estimator[J]. Review of economic studies， 1998，65：261-294.

[43]DEHEJIA R H， WAHBA S. Causal effects in non-experimental studies： re-evaluating the evaluation of training programs[J]. Journal of the American Statistical Association， 1999，94：1053-1062.

[44]ROSENBAUM P R， RUBIN D B. The central role of the propensity score in observational studies for causal effects[J]. Biometrika， 1983， 70（1）： 41-55.

[45]陈昭玖，谢秦华.产业转型背景下中部地区农民工就业流动研究——以江西省为例[J].农业经济问题，2014，35（3）：56-61.

[46]HECKMAN J J. Sample selection bias as a specification error[J]. Econometrica，1979，47： 153-162.

[47]柴玉珂，顾晓敏.科技型小微企业金融支持、资本结构与创新绩效研究[J].科技进步与对策，2014，31（2）：98-103.

（责任编辑：李 琪）