后减贫时代的中国城乡多维贫困及其衍生规律——基于六省市3199户贫困家庭的实证调查

栾 卉 万国威

一、引言

消除贫困一直是人类社会发展过程中的首要任务。作为世界上人口规模最大的发展中国家，中国在全球减贫事业中一直扮演着积极的角色。尤其是自改革开放以来，伴随着经济的快速崛起和扶贫政策的积极部署，中国反贫困事业取得了举世瞩目的成就。自1978年到2010年，中国贫困人口规模从7.7亿下降到1.6亿，贫困发生率从97.5%下降至17.2%。(1)国家统计局官方网站. [EB/OL].[2019-04-22]. http://data.stats.gov.cn.2013年以来的精准扶贫政策更是取得了突破性进展，贫困人口数量再次减少了6800多万，以收入为标准的贫困发生率从10.2%下降到3.1%。(2)政府工作报告.[EB/OL].[2018-03-22].http://www.gov.cn/premier/2018-03/22/content_5276608.htmb.自党的十九大提出“让贫困人口和贫困地区同全国一道进入全面小康社会”的庄严承诺，中国在消除绝对贫困的减贫道路上已取得了历史性胜利。(3)中国共产党十九次全国代表大会上的报告.[EB/OL].[2017-10-27].http://www.xinhuanet.com/politics/19cpcnc/2017-10/27/c_1121867529.htm.

经过40年时间里以收入为衡量标准的绝对贫困问题已经得到了较大改善，但仍有部分人口处于生活困境的边缘，并在发展、社会参与等诸多方面面临普遍困难。(4)关信平：《关注城市贫困问题，提高城市反贫困行动力度》，《中国社会报》2019年2月11日第01版。其背后的原因在于，经济社会的快速转型促使贫困家庭面临的社会风险变得日益复杂，医疗、教育、住房等一大批支出型贫困的涌现使得原有单一维度的收入保障政策越来越难以实现“真脱贫”。一些学者的测算也证实了此观点，虽然2010至2014年中国多维贫困的发生率从8.2%下降到4.0%，但依然有7000多万人口处于多维贫困之中，且多维贫困的受剥夺程度仅从42.2%略微下降至41.3%。(5)沈扬扬、Sabina Alkire、詹鹏：《中国多维贫困的测度与分解》，《南开经济研究》2018年第5期。为此，党的十九届四中全会提出“坚决打赢脱贫攻坚战，巩固脱贫攻坚成果，建立解决相对贫困的长效机制”的目标任务。这显示，2020年后我国下一阶段的反贫工作将突破现行政策中以收入为主的绝对贫困识别方式，在城乡统筹背景下更加重视贫困问题的多维特点，进入相对贫困治理的新阶段。

鉴于此，文章试图利用针对六省市3199户贫困家庭的实证调查来回答三个问题：(1)我国贫困家庭的多维贫困现状究竟如何？哪些因素对我国多维贫困的贡献度较高？(2)我国城乡多维贫困状况是大致类似的吗？什么因素对城乡多维贫困贡献度较高？(3)我国多维贫困是怎么产生的？什么因素对转型中国的多维贫困影响巨大？这些影响因素对于未来的反贫政策具有何种启示？

二、文献回顾

(一)多维贫困的概念内涵

传统上，贫困的概念一直被局限于收入的不足。自Booth开始，无论是结构主义贫困观还是文化主义贫困观都主要以收入线作为贫困认定的标准，(6)Gans Herbert J, “The positive functions of poverty.” American journal of Sociology, Vol. 78, No. 2, 1972, pp.275-289.这也逐步演化成为各国社会救助的政策底线，如中国的最低生活保障线。20世纪中期开始，以收入/消费定义贫困的“绝对贫困论”和“相对贫困论”逐步突破了单维贫困的理论限制，并将“多维贫困”(Multidimensional Poverty)概念引入到了学术领域。根据Rowntree(1970)的定义，绝对贫困可理解为“一个家庭的可支配收入不能支付家庭人口基本生存所需的食物、衣着、住房和燃料的最低费用”(7)Rowntree Benjamin Seebohm, “Poverty: A Study of Town Life”, Journal of Chemical Physics, Vol. 52 , No. 2, 1970, pp.398-404.，其测算方法主要包括基本需求法、马丁法、恩格尔系数法、生活形态法、超必需品剔除法、菜篮子法及世界银行测算法。而相对贫困论则认为贫困主要是因资源分配不均而引发的相对剥夺，贫困的识别不仅应衡量最低生存成本，还要考虑收入分配是否平等。其测算方法主要依赖于收入比例法、食物比率法和政治性贫困线法等，且多见于欧盟等发达国家的政策实践。(8)Townsend, Peter,Poverty in the United Kingdom, University of California Press. 1979, p. 11.

进入20世纪80年代，学者们不再仅仅关注于收入，而是将研究视角拓展至生活质量的改善。其中，Townsend(1979)着重利用“社会排斥”(Social Exclusion)概念来探讨贫困，并认为“贫困不仅仅是基本生活必需品的缺乏，而且是个人、家庭、社会组织缺乏获得饮食、住房、娱乐和参与社会活动等方面的资源，使其不足以达到按照社会习俗或所在社会鼓励提供的平均水平，从而被排斥在正常的生活方式和社会活动之外的一种生存状态”(9)Ibid.1979, p.15.；在此基础上，饮食、衣着、住房、居住环境、工作福利、娱乐、健康和社会关系等13项剥夺指标被构建出来以测量贫困。(10)TownsendPeter,“A Sociological Approach to the Measurement of Poverty——A Rejoinder to Professor Amartya Sen”, Oxford Economic Papers, Vol. 37, No. 4, 1985, pp. 659-668.Sen(1982)则将贫困看作是“权利不平等或丧失”的结果而非粮食的缺乏，并将公平地获得就业、教育、健康、社会保障、安全饮用水、卫生设施等能够促进人们体面生活的基本需要视为人类的“可行能力”。(11)Sen, Amartya.Poverty and Famines: An Essay on Entitlement and Deprivation. Oxford University Press. 1982, p. 56.而Sherraden(2005)则主张“贫困并非来自于有限的收入而是来自于有限的资产”，故对于资产的测量才能更有益的反映一个家庭的贫困程度。(12)Sherraden, Michael, Inclusion in the American Dream: Assets, Poverty and Public Policy. Oxford University Press. 2005, p. 112.在社会排斥、可行能力与资产建设等诸多理论的推动下，多维贫困概念逐渐形成了广泛的国际共识，并取代收入贫困而成为认定贫困人口的全球准则。

(二)多维贫困的测度方法

随着多维贫困概念的盛行，国外学术界逐步形成了公理化和非公理化两种贫困测度方法。其中，前者主要包含基于传统单维贫困指数发展建立的多维测度方法(如H-M指数、F-M指数、W-M指数等)、克服贫困线界定中随意性的模糊集方法、基于信息理论的方法和AF法。后者一般多见于实际应用未能满足公理化标准的多维贫困指数测度方法或基层创新的测度方法，如HPI指数以及参与式多维贫困指数的测度方法。

1976年，以Sen为代表的学者开创性地建立了判定贫困指数优劣的公理化标准体系(13)公理化标准包括：贫困焦点公理(focus axiom)、弱转移敏感性公理(weak transfer sensitivity axiom)、连续性公理(continuity axiom)、对称性公理(symmetry axiom)、人口子群一致性公理(subgroup consistency axiom)、可分解性公理(decomposability axiom)和贫困线上升性公理(increasing poverty line axiom)。，(14)SenAmartya,“Poverty: An Ordinal Approach to Measurement”,Econometrica, Vol. 44, 1976, pp. 219-231.即S指数。该指数的优点在于既能反映总贫困率又能刻画贫困程度，但由于该指数缺乏对贫困线以上人口收入分布的考量，故其实践操作性较差。2002年，Tsui在其基础上推导出Tsui贫困综合指数(或称F-M指数)。(15)TsuiKai-yuen,“Multidimensional Poverty Indices”, Social Choice and Welfare,Vol. 19, No. 1, 2002, pp. 69-93.作为传统一维FGT指数的扩展，该指数规定任意维度超过临界值即视为贫困，但因其建立在维度间相关性假设之上，易导致扶贫实践中的偏误而未被广泛应用。随后，有学者在筛选多维贫困的测算方法及其数学性质后提出了“Bourguignon- Chakravarty 方法”。(16)BourguignonFrancois, Satya R. Chakravarty,“The Measurement of Multidimensional Poverty”, The Journal of Economic Inequality, Vol.1, No.1, 2003, pp. 25-49.这种方法基于公理化条件将“Watts单维贫困指数”(Watts Poverty Index)构建成了Watts多维贫困指数(或称W-M指数)。(17)ChakravartySatya R., Joseph Deutsch, Jacques Silber, “On the Watts multidimensional poverty index and its decomposition”,World Development,Vol. 36, No. 6, 2008, pp. 1067-1077.相比单维贫困指数，Watts多维贫困指数由于满足了人口子群可分解及贫困维度可分解性，且具有较强的时效性，因而成为对多维贫困进行测度的典型方法之一。

鉴于传统公理化贫困测度方法中临界值设定武断的问题，Cerioli(1990)等学者利用完全模糊方法(The Totally Fuzzy Approach，TFA)率先将模糊集方法应用到了贫困测量。(18)Cerioli Andrea, Sergio Zani, A fuzzy approach to the measurement of poverty. In “Income and wealth distribution, inequality and poverty.” Berlin, Heidelberg: Springer, 1990, pp. 272-284.该方法通过所构造隶属函数(函数值从“0”到“1”)来评定个体贫困到非贫困的过渡区间，用以反映“贫困的倾向程度”。该方法对应的多维贫困值是将所有个体隶属函数值加总，得到群体的总贫困程度，并多以频率方法确定各维度权重。随后，Cheli(1995)通过修正TFA方法中的阈值选择缺陷而对完全模糊方法进行了改进，并提出完全模糊集和相对方法(The Totally Fuzzy and Relative Approach，TFR)。(19)CheliBruno, Achille Lemmi,“A ‘Totally’ Fuzzy and Relative Approach to the Multidimensional Analysis of Poverty”, Economic Notes, Vol. 24, No. 1,1995, pp. 115-134.2006年，Betti等学者进一步对TFR方法中连续变量的个体差异不敏感问题及分布问题进行了修正，提出了综合模糊集和相对方法(Integrated Fuzzy and Relative Approach，IFR)，(20)BettiGianni, et al, Multidimensional and longitudinal poverty: an integrated fuzzy approach.In “Fuzzy set approach to multidimensional poverty measurement”, Boston, MA: Springer, 2006, pp.115-137.但由于该方法引入了洛伦茨函数而使得维度贡献率的计算较为困难。

此外，也有学者将信息理论应用到贫困测量中。其中，Maasoumi(1986)较早借鉴了信息理论并提出福利和不平等的多维测量思路，通过构建个体层面的福利加总概率函数，测算出最小差异化的个体福利特征。(21)MaasoumiEsfandiar, “The measurement and decomposition of multi-dimensional inequality”,Econometrica: Journal of the Econometric Society, 1986, pp.991-997.其后，Miceli(1998)也同样运用信息理论，通过构建复合指数S分布来测量多维贫困。(22)MiceliDa,Measuring Poverty Using Fuzzy Sets. Natsem, University of Canberra Press, 1998, p. 35.这种方法的优势在于不需要确定剥夺临界值，而是先根据该理论逻辑测算个体最能代表其福利水平的复合指数，再根据相对贫困概念选取贫困临界值，进而对多维贫困进行识别和测量，但是同样也存在主观设定的问题。

为解决传统公理化指数复杂及应用差的缺陷，Alkire和Foster(2011)提出了多维贫困识别和测量的AF方法，成为目前应用最广的多维贫困测度方法。(23)AlkireSabina, James Foster,“Counting and Multidimensional Poverty Measurement”,Journal of Public Economics, Vol. 95, No. 7,2011, pp. 476-487.与F-M指数相类似，AF法亦是基于单维FGT指数的修正和扩展(包括调整的贫困发生率M0、调整的贫困距离M1和调整的FGT贫困指数M2)来确立的。该指数通过单维剥夺临界值和贫困临界值(加权维数和临界值)方法来识别贫困，因此又称双临界值方法。实践中，由于AF方法对指标、贫困临界值和权重可依实际情况灵活设定，且以“多重剥夺”贫困概念为设计基础的测算方法对各维度剥夺的联合分布更为敏感，因而能够更为普遍的反映出贫困人口的剥夺组合。这一特性既为政策实践提供了不同贫困人群差异化的资源组合证据，也增强了该指数的应用性。但AF法因指标分配、权重设定等主观性问题而导致测量结果差异性较大，这也被许多学者所诟病。

综合以上测度方法，文章对目前主要的多维贫困测度方法在维度选择(j)、权重确定(wj)、识别与加总(f(xij/zj))等方面的差异进行了汇总，如表1所示。

表1 多维贫困主要测度方法的比较

(三)多维贫困的评估指标

多维贫困的评估指标也是学术界讨论较多的议题，并在近年来形成了两种类型：一是依据国际组织发布的贫困指数确定的评估指标，具有认可度高和应用性广等特点；二是运用参与式评估方法来确定的评估指标，多见于地方基层贫困识别和测量方法。后者虽然改变了传统上“自上而下”的贫困认定方式，更能及时反映地方性差异和贫困群体的现实状况，但由于数据获取过程中易存在主观性、普遍性不足和操作性差等问题，故应用范围较小。

目前，较权威的多维贫困指数来自于联合国开发计划署(UNDP)发布的一系列贫困指数，包括人类贫困指数(以下简称HPI)、人类发展指数(以下简称HDI)以及多维贫困指数(以下简称MPI)。其中，HPI基于能力视角从读写能力、预期寿命及生活质量等三个维度对贫困进行了界定。(24)发展中国家的贫困维度指标标准是：读写能力(成人文盲比重)、寿命(预期寿命在40岁以下人口比重)以及生活质量(拥有安全饮用水的人口比重、5岁以下营养不良的人口比重和没有获得医疗保健的人口比重，取3个指标均值)，而发达国家的贫困指标标准则是：寿命(预期寿命在40岁以下人口比重)、16至65岁年龄组中缺乏技能的人口比例、人均可支配收入不到平均水平的比例和失业率等4个维度。该指标为不同国家的贫困人口瞄准提供了较为广泛的科学依据，但也存在着三个明显的缺陷：一是以宏观指标为主的测量方式无法观测特定或局部群体的贫困剥夺程度，二是无法及时甄别贫困的短期变动，三是权重设定的主观性易造成的测量偏差。随后，Alkire(2010)等学者对此进行了完善，并构建出HDI指数。(25)该指数可一起与基尼系数、库兹涅茨系数、平对绝对差指数等作为反映收入不均等的测量指标，从宏观上反映一个国家的福利水平，体现一定的社会进步程度和发展水平。(26)AlkireSabina, Maria Emma Santos,“Acute multidimensional poverty: A new index for developing countries”,United Nations development programme human development report office background paper, 2010, No.11, p.78.该指数包含出生时的预期寿命、预期受教育年限及生活水平(购买力平价折算的人均GDP)等三个维度，不但能够直观反映一个社会的整体福利水平，而且能够测算出不同群体间的收入分配差异，但由于该指数成立的前提是每个维度的均匀分布及等概率函数，因此也存在与实际情况不符及实际应用中信息缺乏全面性等问题。

由于HPI和HDI指数在权重设计上存在主观性偏差，UNDP与英国贫困与人类发展中心借鉴AF方法，共同开发了涵盖全球105个发展中国家的MPI指数。该指数主要由健康(营养状况和儿童死亡率)、教育(儿童入学率和受教育程度)和生活质量(饮用水、电、日常生活燃料、室内空间面积、环境卫生和耐用消费品)等三个维度10个子指标构成，并在实践中具备如下四个优势：一是MPI指数可以通过扩展多项微观指标比较不同国家、地区之间的多维贫困程度；二是MPI-AF测算方法在维度的选取、贫困线临界值的设定上可依据实际情况和政策需求灵活厘定；三是MPI指数基于家户为单位的分析与公理化测度方法相一致，四是 MPI指数可通过标准化且可对比的家户数据保障数据质量。此外，Alkire(2018)还指出MPI指数在政策应用方面的三大优势：一是MPI指数能够为识别不同人群、地区的贫困状况或资源组合提供证据，二是MPI指数对如何解决相互关联的贫困及其变化的管理提供了更为经济、有效的方法，三是MPI指数指标数据的可获得性和计算方法的可读性有利于相关政策的透明性及问责机制的建立。(27)AlkireSabina, “Multidimensional Poverty Measures as Relevant Policy Tools”,OPHI Working Paper, 2018,p. 118.在此基础上，各国使用的MPI指数在有所创新的基础上普遍围绕健康、教育、生活质量等三个维度来展开设计，如表2所示。

表2 各个国家/地区多维贫困的评估指标

(四)多维贫困的实证研究

自20世纪70年代阿玛蒂亚·森提出多维贫困概念以来，学者们就开始致力于结合各地区情况对多维贫困的发生率及其致贫原因展开实证讨论。从测算结果来看，全球范围内的多维贫困不但在发展中国家广泛存在，而且也呈现出巨大的国别与城乡差异。其中，2018年发布的全球多维贫困指数(Global MPI)报告显示(如表3)，泰国全人口统计口径下的多维贫困率约为0.8%，印尼、巴西、墨西哥、埃及和越南等国的比例约为5.0%—7.4%，印度、巴基斯坦和孟加拉等南亚国家的比例达到了27.5%—43.9%，而部分非洲国家的比例甚至达到了50%以上。各国形成多维贫困的致贫要素也不尽相同，其中墨西哥和巴西以健康维度的贫困贡献率最高，印度、印尼和尼日利亚的生活质量威胁最大，而巴基斯坦、埃及和泰国的教育贫困最为典型。各国内部的城乡差异也表现得较为明显，多数发展中国家多维贫困率的城乡差异大致维持在1.9倍到3.0倍之间，但印度、巴西等少数国家的城乡差异超过了5倍。从中国数据来看，2014年中国多维贫困率约为4.0%，城镇和农村多维贫困率分别为2.1%和6.4%，且健康与教育对于多维贫困的贡献率最高。以上的国别差异和城乡差距在其他实证研究中也得到了检验，不但教育、健康、就业和职业能力等因素对于各国贫困的贡献率存在明显差异，(28)DehuryBidyadhar, Sanjay K. Mohanty,“Regional Estimates of Multidimensional Poverty in India”,Economics E-Journal,Vol. 34, No. 1,2015, pp. 3-23.而且一国之内的城乡差距也普遍存在，其中住房、健康、教育等基本生存必需品的提升在农村地区尤为必要。(29)Khan Attaullah, et al., “Mapping and Measuring of Multidimensional Poverty in Pakistan: Empirical Investigations”,Pakistan Journal of Life and Social Sciences, Vol. 9, No. 2,2011, pp. 121-127.

在致贫原因方面，研究普遍依托经济增长、经济水平及制度安排等宏观因素，社会地理因素等中观因素，以及社会人口特征和主要劳动力状况等微观因素对多维贫困展开讨论。其中在宏观层面，来自摩洛哥和菲律宾的研究表明，持续经济增长对多维贫困的改善远远超过了对收入贫困的抑制，(30)EzzrariAbdeljaouad, Paolo Verme, “A Multiple Correspondence Analysis Approach to the Measurement of Multidimensional Poverty in Morocco 2001-2007”,The World Bank, 2012, p.34.这使得前者的下降幅度同比后者更为明显。(31)Balisacan Arsenio M, The Growth-Poverty Nexus: Multidimensional Poverty in the Philippines. In “Sustainable Economic Development”, Academic Press, 2015, pp. 445-468.但也有研究得出了针锋相对的结论，并指出一国的出口水平、工业和服务比重以及对腐败的控制程度都会削减多维贫困的减贫效果。(32)SantosMaria Emma, Carlos Dabus, Fernando Delbianco, “Growth and Poverty Revisited from a Multidimensional Perspective”,OPHI Working Papers, 2016,p. 105.这种相互矛盾结论的背后是多维贫困指标间的错位，即不同贫困指标下降速度的不均衡使得该测量存在瞄准性偏差。(33)Wang Xiaolin et al.,“On the Relationship between Income Poverty and Multidimensional Poverty in China”, OPHI Working Papers, 2016, p. 101.(34)AlkireSabina, Yangyang Shen, Exploring Multidimensional Poverty in China: 2010 to 2014. In “Research on Economic Inequality: Poverty, Inequality and Welfare”, Emerald Publishing Limited., 2017, pp. 161-228.另有研究对经济发展水平的影响效应予以了关注，虽然基础设施和工业发展水平被巴基斯坦的经验研究证明是影响多维贫困的重要因素，(35)Said Farah, TareenaMusaddiq, Mahreen Mahmud, “Macro level Determinants of Poverty: Investigation through poverty mapping of districts of Pakistan”,The Pakistan Development Review, Vol. 50, No.3,2011, pp. 895-910.但83个欠发达国家的比较研究却显示两者的关联正在变得羸弱，国家的不平等性、经济增长模式及公共财政投入的价值正在变得越发重要。(36)Alkire, Sabina, Jose Roche, and Andy Sumner, “Where Do the World’s Multidimensionally Poor People Live?” OPHI Working Papers No.61, University of Oxford. 2013.还有研究对一国制度安排与多维贫困的关联进行了讨论。其中非洲诸国的调查发现产业政策对多维贫困的解决具有重要影响，在产业活跃集聚区生活的民众相比集群之外的民众具有更低的多维贫困程度。(37)Oyelaran-OyeyinkaB, Industrialization Pathways to Human Development: Industrial Clusters, Institutions and Multidimensional Poverty in Nigeria. In “Harnessing Africa’s Growth for Faster Poverty Reduction: Proceedings of the First Annual Bank Conference on Africa.” 2014,pp. 23-24.而针对欧洲国家的研究则指出，福利制度安排对多维贫困的抑制作用并非简单的正比关系，而是依循不同劳动力流动状态与就业制度而呈现出某种地域特殊性。(38)Dewilde Caroline, “Individual and Institutional Determinants of Multidimensional Poverty: A European Comparison”, Social Indicators Research, Vol. 86, No. 2, 2008, pp. 233-256.

在中观层面上，针对发展中国家的实证调查显示恶劣的自然环境与多维贫困联系紧密，(39)LiuYanhua, Yong Xu, “A Geographic Identification of Multidimensional Poverty in Rural China under the Framework of Sustainable Livelihoods Analysis”, Applied Geography, Vol. 73, No. 1,2016, pp. 62-76.且多维贫困的地理分布在经济落后地区具有一定的聚集效应，在经济发达地区则呈现出异质化分布。(40)Wang Yanhui, Baixue Wang, “Multidimensional Poverty Measure and Analysis: A Case Study from Hechi City, China”, Springer Plus,Vol. 5, No.1,2016, p. 642.这一地理区隔现象被解释为，虽然在某些地区获得自然资源的问题可能不那么严重，但获得信息和机会等能力的匮乏使得贫困地区往往囿于“地理资本”的低禀赋而形成了“空间贫困陷阱”，社会排斥和边缘化迫使政府的生计发展策略走向失败；同时，低收入社区人口在经济社会、健康和住房等领域的多重剥夺身份也具有某种“结构性和关系性动态”(Structural and Relational Dynamics)。(41)SaatciogluBige, Canan Corus, “Poverty and Intersectionality: A Multidimensional Look into the Lives of the Impoverished”, Journal of Macromarketing,Vol. 34, No. 2,2014, pp.122-132.也有少量研究从社会网络层面论述这重关系，一项针对巴西原始农户与新迁农户的比较研究观察到，虽然两者的贫困和不平等状况都得到了全面减少，但后者的减贫幅度却远高于前者，而其原因在于新迁农户能够开发更具功能性的社交网络并采取更复杂的土地使用策略。(42)Guedes Gilvan R., et al., “Poverty and Inequality in the Rural Brazilian Amazon: A Multidimensional Approach”,Human Ecology. Vol. 40, No. 1,2012, pp. 41-57.另有研究也证实了“社会联结”(Social Connectedness)对多维减贫的工具性作用，基于南非和莫桑比克的调查显示人际关系、归属感和社区参与感是提升家庭脱贫能力的重要力量。(43)Samuel, Kim, et al., “Social Isolation and its Relationship to Multidimensional Poverty”,Oxford Development Studies,Vol. 46, No.1,2018, pp.83-97.

而在微观层面，家庭规模及家庭主要劳动力的状况往往决定了一个家庭是否陷入多维贫困。一项针对尼日利亚的研究表明，家庭规模越大及主要劳动成员的经济社会状况越羸弱，该家庭陷入多维贫困风险的概率越高。(44)Ataguba John, William Fonta, Ementa Hyacinth Ichoku, “The Determinants of Multidimensional Poverty in Nsukka, Nigeria”,PEP PMMA Working Paper No. 13, 2011, p.56.类似的结论在喀麦隆也得到了证实，户主处于非劳动年龄阶段且家庭规模越大则发生多维贫困可能性越大。(45)Epo Boniface Ngah, Francis MenjoBaye, “Determinants of Well‐being and Poverty Changes in Cameroon: 2001-2007”,African Development Review,Vol. 24, No. 1,2012, pp. 18-33.而来自澳大利亚的证据也显示，主要劳动力的健康状况不佳会导致一个家庭多维贫困程度的显著提升。(46)Martinez Arturo,Francisco Perales, “The Dynamics of Multidimensional Poverty in Contemporary Australia”, Social Indicators Research, Vol. 130, No. 2,2017, pp. 479-496.性别因素似乎也对多维贫困构成影响。印度的调查发现多维贫困的形成与性别密切相关，女性为主要劳动力的家庭往往更容易陷入困境。(47)Vijaya Ramya M., Rahul Lahoti, Hema Swaminathan, “Moving from the Household to the Individual: Multidimensional Poverty Analysis”,World Development, Vol. 59, No. 1,2014, pp. 70-81.来自南非的研究也发现，女性和男性户主之间的MPI差距非常严重，且这种性别差异在农村地区具有更为明显的影响力。(48)Rogan Michael,“Gender and Multidimensional Poverty in South Africa: Applying the Global Multidimensional Poverty Index (MPI)”,Social Indicators Research, Vol, 126, No. 3, 2016, pp. 987-1006.Zahra(2015)等学者将这种典型的性别差异解释为，女性户主在劳动力市场遭受到的更高就业歧视以及获得更少工作机会的概率。(49)Zahra Kanwal, Tasneem Zafar, “Marginality and Multidimensional Poverty: A Case Study of Christian Community of Lahore, Pakistan”,Pakistan Journal of Commerce and Social Sciences,Vol. 9, No. 2,2015, pp. 322-335.除此以外，还有研究发现组织身份、婚姻状况等人口学特征也是影响多维贫困的显著因素，未参与合作组织且已婚的农户更容易陷入多维贫困状态，而贷款更为困难、信息难以获得以及已婚家庭普遍较大的家庭规模是影响其脱贫的重要原因。(50)Adenuga A. H., et al., “Poverty Analysis of Rice Farming Households: A Multidimensional Approach”,Albanian Journal of Agricultural Sciences, Vol. 12, No. 4,2013 , p. 641.

三、研究设计

(一)数据来源与样本状况

文章以民政部低收入家庭认定指导中心和南开大学联合开展的“2017年度全国低收入家庭经济社会地位调查”(CLIFSS)(51)本研究的数据来源为民政部委托课题“2017年度全国低收入家庭经济社会地位调查”(编号F3003162)。作为支撑，通过多阶段整群随机抽样方法对江苏、湖南、吉林、山西、云南、甘肃等六省市的贫困家庭进行了实证调查。调查对象主要瞄准当前的低保户、扶贫户及近一年曾经享受过低保资金但调查期间暂时退出的边缘贫困户，前两者的占比约为80.1%，边缘贫困户的比例约为19.9%。调查全程由经过培训的调查员以阅读问卷的形式来采集数据，并对调查期间的疑问问题进行了追踪修正。调查共计发放有效问卷3500份，经筛选后共获得有效样本3199户，有效样本率为91.4%。从样本的分布状况来看，城乡低收入群体的户数分别为1084户和2165户，两者接近1∶2的比例；六省市贫困家庭户数大致相当，其中江苏539户、湖南534户、吉林530户、山西533户、云南531户、甘肃532户；户主的男女性别比例约为7∶3；被调查者的平均年龄约为56岁，年龄分布大致呈正态分布；贫困家庭的人口规模大致在3人左右，约有六成比例为已婚家庭。

(二)因变量与自变量

多维贫困的评估指标对其测度结果至关重要。目前，MPI指数作为全球范围内广泛应用的多维贫困指数，侧重对个体及家庭微观福利状况的刻画。但随着经济发展和社会进步方面，在多维贫困的维度选择中，除了包含教育、健康、生活状况等(52)健康维度包含营养状况和儿童死亡率两个指标；教育维度包含成人受教育年限和儿童入学率两个指标；生活状况维度包含是否用电、安全饮水、卫生设施、做饭燃料、屋内地面和资产六个指标。三项基本指标外，一般还会考虑资产、居住环境等。文章基于国内外现有研究，以MPI指数为基础并纳入资产维度来考察中国贫困家庭的多维贫困状况。考虑到MPI部分指标设置在中国适用性，例如中国农村地区绝大部分均已通电，农村适龄儿童入学率也已经达到99%以上，(53)关于中国农村地区用电器情况的资料引自“中国最后3.98万无电人口通电”(新华网，2015年12月24日)，关于农村地区适龄儿童入学率相关资料引自教育部发布的《2011年全国教育事业发展统计公报》。因此文章对MPI指数中“是否用电”和“儿童入学率”等指标进行了修正。同时，文章采用AF方法对多维贫困进行识别、加总和分解，其中权重设置使用等权法。具体如表4所示。

表4 维度、指标、临界值及权重设定

文章将运用回归模型对城乡多维贫困的致贫因素进行分析，透过贫困家庭的户主特征、家庭特征以及地区特征等变量反映微观到宏观层次的致贫因素。测量中，户主特征包括户主性别、年龄、婚姻状况三项指标；家庭特征则通过家庭人口数和社会关系两项指标来测量，其中后者采用家庭人情支出作为社会关系的代理变量；而地区特征包括地区经济水平、社区类型等两项指标，其中前者将通过区/县GDP对数和城乡社区类型来测量。因变量方面，文章分别以多维贫困和单维贫困状况为因变量，并依据AF法处理成为“贫困”与“非贫困”的两类二分变量(贫困=1，不贫困=0)，进行logit多元回归分析。其中，多维贫困状况为k=2的取值。自变量分为户主特征、家庭特征以及地区特征三个层次，具体变量设置详见表5。

表5 回归模型各变量描述性统计

(三)数据测算方法

文章借鉴Sen(2001)的贫困剥夺理论，以Alkire和Foster(2011)提出的AF法为基础来确定多维贫困指数测度方法。在实际测算中，基于AF法的多维贫困测度方法包含如下几个步骤：

1.确定多维贫困的观测矩阵。令Yn,d=[ynd]n×d维矩阵，元素y∈Yn,d代表个体i在维度j上的取值。

2.设定剥夺临界值和剥夺矩阵。令向量z=(z1,z2,…zd)为d项指标被剥夺临界值矩阵，元素zj(zj>0)表示个体在第j个维度上的剥夺临界值。定义剥夺矩阵G，即将剥夺临界值zj在所有个体各维度取值矩阵Yn,d转换成剥夺矩阵G=[gij]：

(1)

4.多维贫困识别。个体i在j个维度中处于贫困的维度数小于k时，个体i为非贫困个体，取值为0；个体i在j个维度中处于贫困的维度数不小于k时，个体i为贫困个体，取值为1；分别得到识别剥夺矩阵g'(k)和多维贫困识别函数qij(k)：

(2)

(3)

5.多维贫困指数，涉及贫困发生率H、平均剥夺份额A以及多维贫困指数M，计算公式分别为：

(4)

(5)

6.多维贫困指数分解。令qj为多维贫困在j维度的贫困发生率，则j维度对多维贫困指数的贡献额Mj和贡献率Pj计算公式分别为：

Mj=(qj×wj)/n；Pj=Mj/M(k)=(qj×wj)/(n×M(k))

(6)

四、实证分析

(一)城乡多维贫困的宏观概貌

表6为我国六省市低收入家庭的单维贫困状况。首先，在不同维度的比较中，教育、健康的单维贫困发生率最高，分别达到了72.3%和78.2%，生活质量贫困居中，为61.4%，而资产贫困的发生率也达到了35.4%。其次，城乡之间各维度贫困发生率存在较大差异，尤其在教育、资产、生活质量等方面，城市的单维贫困发生率明显低于农村。第三，贫困家庭的问题主要集中在教育和健康等人力资本维度，城镇贫困家庭更为集中地体现在健康维度上，而农村贫困家庭则更为多元，在教育、生活质量与健康维度上贫困发生率均较为突出。

表6 城乡贫困家庭单维贫困发生率(%)

如表7所示，H为多维贫困发生率，即贫困家庭在至少k个维度上达到了贫困临界值。当k=1时，贫困家庭的多维贫困发生率为94.3%，表明约有超过九成贫困家庭至少发生了一个维度的贫困。其中，城镇和农村贫困家庭的多维贫困发生率分别为90.1%和97.5%；K=2时，多维贫困发生率下降至68.2%，城镇和农村贫困家庭发生多维贫困的比例分别下降至52.1%和80.9%，相对而言农村下降幅度相对较小；k=3时，城乡贫困家庭发生多维贫困的比例均下降明显，城镇多维贫困发生率降至不足一成，而农村仍有超过三成的比例。

表7 城乡贫困家庭多维贫困指数

表7还显示，当k=1时，城乡总体多维贫困指数M为0.517。其中，城乡多维贫困指数分别为0.414和0.599，二者相差0.185；当k=2时，城乡多维贫困指数分别下降至0.307和0.542；当k=3时，多维贫困指数分别下降到0.075和0.285。可以看出，农村贫困家庭的多维贫困发生率和多维贫困指数始终高于城镇。同时，随着k值提高，城乡贫困家庭的多维贫困发生率和多维贫困指数普遍下降，但是农村贫困家庭的下降幅度远小于城镇。数据结果证明，农村贫困家庭陷入多维贫困的广度和深度均高于城镇。

表8显示的是城乡贫困家庭多维贫困分解结果。根据一维到三维的贫困分解，研究发现健康维度的贫困是城镇贫困家庭出现多维贫困的主要力量，随后是教育、生活质量和资产；而对于农村贫困家庭而言，教育维度的贫困则是其陷入多维贫困的重要原因，健康次之，随后是生活质量和资产。这说明，虽然因学致贫和因病致贫都对多维贫困的形成具有深刻影响，但是相对而言，健康因素对城市贫困家庭的多维贫困状况的影响可能更大，而教育因素则对于农村的影响相对更大。

表8 城镇和农村贫困家庭多维贫困各维度分解

表9进一步显示出了多维贫困不同维度的贡献率。其中，教育和健康维度对城乡贫困家庭多维贫困的贡献率均占较大份额，且随着维度的增加，二者基本保持三成的比例，而资产维度则占不足一成比例，这反映出城乡贫困家庭人力资本的普遍不足。另外，不同维度的贫困贡献率在城乡间呈现明显差异：在城镇贫困家庭中，资产和生活质量维度的贡献率呈现稳步上升趋势，二者贡献率分别由8.4%和10.5%分别提高到15.9%和21.1%，而健康维度的贡献率呈现下降趋势，由接近五成下降至三成；在农村贫困家庭中，健康多维贫困的贡献率始终维持在三成比例，当k=3时，城乡之间在健康维度的贡献率几近相同。而生活质量维度对农村家庭的贫困贡献率较为稳定，基本保持两成的比例，城乡之间差距逐渐缩小。资产维度对城乡低收入家庭多维贫困的贡献率不大，但随着维度k值的增加，资产维度对多维贫困的贡献逐步上升，且城镇上升幅度略大于农村。

表9 城乡贫困家庭多维贫困贡献率比较(%)

(二)城乡多维贫困的影响因素

表10的回归结果显示，微观和中宏观因素对贫困家庭的单维与多维贫困均存在显著影响。其中在户主特征方面，相对于男性户主家庭，女性户主家庭陷入多维贫困、教育贫困的可能性更高；户主年龄与贫困程度呈显著的正向关系，即户主年龄越高，该家庭陷入多维贫困的可能性越大；相对于已婚家庭，未婚或离异家庭多维贫困发生率更高，且对健康贫困、资产贫困的影响显著。家庭特征方面，家庭人口数量越多，多维贫困、教育及健康贫困发生概率越高，但影响不显著，而对资产、生活质量贫困呈现负面影响，即家庭人口数量越多，资产、生活质量贫困发生率越低；人情支出能够显著降低贫困家庭的多维贫困状况，但对生活质量贫困的影响不显著。地区特征方面，地区经济水平的提高能显著降低多维及单维贫困的发生。除了健康维度的贫困，农村贫困家庭相对于城镇贫困家庭发生多维贫困、教育、资产和生活质量贫困的可能性更高，即考虑户主、家庭、地区经济等因素下，城镇与农村社区之间多维贫困状况仍存在显著差异。

表10 城乡贫困家庭多维贫困及各维度贫困的影响因素估计

为检验多维贫困影响因素的城乡差异，文章分别对城镇贫困家庭和农村贫困家庭进行了分组回归分析(如表11所示)。回归结果显示，不同层次的影响因素在城乡之间存在小幅度差异。两者的差异主要在于，城镇贫困家庭的多维贫困、教育贫困状况更易受到家庭特征、地区特征的影响，且作用程度更大，而对农村贫困家庭的多维贫困、教育贫困影响不显著；户主性别对城镇贫困家庭的多维贫困、教育贫困以及农村贫困家庭的资产贫困影响更为显著，且作用程度更大；而年龄对城乡贫困家庭多维贫困状况影响较为一致。

表11 城乡多维贫困及各维度贫困的影响因素估计

五、结论与建议

随着2020年消除绝对贫困目标的逐步实现，如何全面改善贫困人口的生活境遇并促进反贫事业的可持续发展已经成为中国下一阶段的重要建设方向。文章以多维贫困为切入点，试图利用2017年CLIFSS 调查来考察中国城乡贫困家庭的多维贫困发生率，并综合论证多维贫困的形成机制，继而为中国的反贫政策提供数据依托。文章发现了三个重要规律：

首先，我国贫困家庭的多维贫困风险较为严重。结果表明，被调查家庭的多维贫困发生率(k=2)达到了68.2%，健康、教育、生活质量及资产等单维贫困发生率分别达到了78.2%、72.3%、61.4%和35.4%，显示我国贫困人口所面临的生活压力比较严峻。按照2017年城乡贫困人口5306万人进行推估，(54)相关数据来自于国家统计局官方网站国家数据查询部分(http://data.stats.gov.cn/search.htm?s)，其中城镇低保和农村低保(扶贫)人口分别为1261万和4045万，总人口为13.90亿。我国当年度国民的多维贫困率约为2.6%，城镇和农村的多维贫困率分别为0.8%和5.7%，同比全球多维贫困指数(Global MPI)公布的2014年数据(整体为4%、城镇为2.1%、农村为6.4%)，下降明显，反映出中国反贫政策在近三年取得了明显进步。在贫困贡献率方面，教育和健康维度是当前贫困家庭多维贫困的主要贡献因素，这与2014年全人口统计口径的测算保持了一致，反映出“因病致贫”和“因学致贫”现象仍然持续困扰中国低收入群众。进一步的数据分析也显示，医疗支出(87.6%的家庭具有此项支出，有医疗支出家庭人均2700元/年)和教育支出(34.2%的家庭具有此项支出，平均7765元/年)是我国城乡贫困家庭最稳定的支出项目，而如何通过更加完善的专项救助政策来纾解该领域的经济威胁乃是保证低收入家庭持续脱贫的关键。

其次，我国城乡贫困家庭的多维贫困发生率具有一定差异。结果显示，农村与城市的多维贫困发生率(K=2)分别为80.9%和52.1%，前者为后者的1.55倍；在单维贫困发生率上，农村被调查家庭在教育、资产、生活质量维度上的贫困率也均高于城镇家庭。同时，反映贫困剥夺程度的多维贫困指数在城乡之间也呈现较大差距，二者数值分别达到了0.307和0.542，显示农村贫困剥夺程度同比城市明显偏高。该领域中城乡差异的原因有二：一是城乡居民收入间的差距转变为了贫困者间的差距，2018年我国城镇和农村居民人均可支配收入中位数分别为36413元和13066元，两者2.79倍的差距使得农村居民整体上的贫困概率更高；二是城乡社会救助制度的分离使得两者的贫困识别标准不尽相同，2018年城镇地区低保每月541元的标准同比农村地区358元的标准具有51.12%的领先，这种标准的差异也使得农村居民更容易遭受多维贫困。同样值得注意的是，在城乡多维贫困贡献要素的比较中，教育维度对农村多维贫困的贡献率普遍更高，而健康维度则对城镇家庭威胁更大。该现象的形成原因既与农村被调查家庭的在学人员数量显著高于城镇地区有关(城镇1276人，农村1701人)，也与城镇贫困家庭的残疾率高于农村地区有关(城镇40.2%，农村35.0%)。

再次，我国城乡贫困家庭的多维贫困成因并无本质性差异。调查显示，无论城市家庭还是农村家庭，在多维贫困的测量中均受到宏观、中观及微观等多层面因素的深刻影响。从宏观和中观层面看，地区经济对降低贫困家庭多维贫困的发生具有积极作用，说明经济增长对消减贫困家庭非货币化的多维贫困依然存在“扩散效应”，这在证实诸多学者观点的基础上反映出中国有必要持续通过区域经济增收来实现多维贫困的降低。这种“空间贫困陷阱”在中国的存续也与Samuel等西方学者所普遍认可的“社会联结”有着密切的关系，调查显示人情支出作为社会关系的侧面反映对降低中国贫困家庭的多维贫困影响显著，这提醒政策制定者构建贫困者与所在社区的良好人际关系、归属感和参与感对于长期反贫工作颇为必要。而在微观层面，女性户主家庭、户主年龄较大且规模较小的家庭同样被发现更加容易陷入贫困，这与尼日利亚、喀麦隆、印度、南非和澳大利亚的研究结论比较类似，显示家庭主要劳动力的人力资本不足及家庭抗风险能力的羸弱是中国贫困家庭陷入多维贫困的重要原因。同时值得关注的是，我国城乡贫困者的致贫诱因也有小幅差异，在社会关系指标的测量中，城镇居民显示出了同比农村居民更为明确的影响力，这反映出社会网络再造对于城镇贫困民众更为重要，依托社会联结而形成的信息交流更有益于快速提升城镇居民的反贫能力。

基于以上结论，得出以下三点政策启示：一是需要重视贫困家庭的多维贫困治理，加强对贫困家庭人力资本的建设。从未来政策来看，一方面政府可以通过进一步普及高中和职业教育，加强对贫困家庭的教育救助及职业培训资助，提高其人力资本存量，另一方面也需要积极改善贫困地区医疗水平，扩大城乡居民医疗保险的覆盖面，提高对贫困家庭的医疗救助范围及就医报销比例。二是加大对农村贫困地区的政策倾斜，并适当采取城乡差异的反贫策略。具体而言，城乡贫困的治理一方面需要在深化城乡体制改革的基础上积极推进公共资源的均等化建设，在中央专项投资和社会力量投资领域向基层农村地区予以倾斜，另一方面还应当厘清城乡反贫政策的精准度，适度形成差异化的政策方向，农村地区应当积极强化教育领域的财政支持，城镇地区则需要发展更为积极的残疾人康复医疗制度。三是持续践行区域扶贫开发、社会网络再造与兜底保障等三项组合型政策，增强反贫政策的持久性。未来中国政府一方面应当利用农村贫困地区的资源持续开展区域扶贫开发，通过地区经济的振兴助力扶贫工作，避免形成“空间贫困陷阱”，另一方面政策制定者需要综合考虑贫困家庭的致贫原因，引导贫困者尤其是城镇贫困者建立良好的社会关系网络，并增加对人力资本薄弱家庭的兜底保障。