基于精准扶贫因子的贫困减缓模型及其实证研究

胡杨 赵培标

摘 要：2017年10月，党的十九大提出了金融部门要发挥更大更好的作用，把更多的金融活水精准滴灌在穷根上，真正做到精准扶贫。研究并能够给出合理有效的精准扶贫的数理特性描述或评价机制，对于精准扶贫政策的贯彻落实以及精准扶贫实效的考量与界定等，都具有很现实的意义。本文借鉴柯布-道格拉斯生产函数，选取人口与资金两方面因素来量化精准扶贫变量，进而构建相应的数学模型，研究基于精准扶贫因子的贫困减缓效应。运用python对模型进行了实证分析。结果显示，模型拟合优度达到0.97，表明基于精准扶贫变量的贫困减缓模型能够较好地模拟真实的宏观经济，有一定的借鉴意义。

关键词：精准扶贫;贫困减缓;柯布—道格拉斯生产函数;交互效应

中图分类号：F2 文献标识码：A doi：10.19311/j.cnki.1672-3198.2021.08.016

0 引言

扶贫一直是中国的焦点问题，政府也始终把脱贫作为体现社会主义优越性的基础工作来抓。

关于如何减缓贫困这一课题，历来研究者众多。长期以来，国内外学者对金融发展与贫困减缓的关系进行了大量研究。Greenwood和Jovanovich（1990）认为，金融发展与收入分配之间存在着倒“U”型关系，即在初期，金融发展对收入分配的影响不利于穷人，当越过拐点后，金融发展有利于穷人积累更多的财富，进而缩小与富人的收入分配差距。显然，金融发展在影响收入分配的同时也在影响穷人的生活。那么可以预见的，当收入分配不平等时，金融发展所带来的经济增长不仅未使穷人从中获得任何好处，而且就连金融发展本身也对穷人生活没有起到该有的改善的作用。

也有学者从地方政府影响的角度研究减贫。范学俊在标准福利经济学的框架下分析了政府在金融市场中的作用，认为市场化背景下金融发展对贫困减缓的效果并不明显，而适当的政府干预在可以消除市场失灵的同时，还可能带来帕累托改进;叶初升等认为由于地区财政资源有限，导致政府对金融发展的干预力度不足，造成信贷资金错配现象，阻碍了贫困减缓;王欣昱基于中国31个省际面板数据进行实证研究，认为信贷配置的效率同政府干预有很大关系，而政府通常依照政治原则而非经济原则对信贷资金实行配置，导致信贷资金配置效率低下，对贫困地区收入增长的促进效果不显著，甚至可能落入“地方政府干预陷阱”，产生抑制作用;谢婷婷等基于1988-2011年間中国30个省级面板数据，运用系统GMM模型分析了地方政府干预与反贫困的关系，结果表明：地方政府干预程度较强地区的农村信贷资金配置规模和效率，对贫困减缓的作用更加明显;蔡晓春采用各省（市）当年财政支出占财政收入的比例衡量地方政府进行财政干预的程度，从资金入手研究扶贫的力度，打开了研究的新局面。然而，仅仅是从政府总的财政支出入手来研究，较为笼统，除了扶贫，政府的财政预算还需惠及各个方面，如基础设施建设、民生、医疗、教育等。如能单独找出政府各年度拨出的用于扶贫的资金数，以此为基础进一步研究精准扶贫工作的影响效应，将会填补这方面研究的空白。

1 精准扶贫因子构建

精准扶贫指的是针对不同贫困区域环境、不同贫困农户情况，运用科学有效程序方法对扶贫对象实施精确识别、精确帮扶、精确管理的治贫扶贫方式。在精准扶贫政策涉及的因素众多，例如各地区的人口、资源、环境、教育水平、基础设施建设水平等。在这些因素中，贫困地区人口数量与拔放扶贫资金数量这两个因素，无疑具有至关重要的作用。

精准扶贫的实施，首先要做到精确识别，然后在此基础上实施精确帮扶，精确管理。其中，精确帮扶是精准扶贫的关键，在识别出贫困民后，针对帮扶对象的贫困情况指定责任人，制定帮扶措施，以确保帮扶效果。精确帮扶要求做到，一是坚持方针。重在从“人”“钱”两个方面做到细化，确保扶贫措施落实到户、到人。二是做到六个方面的到村到户，分布是基础设施到村到户、产业扶持到村到户、教育培训到村到户、农村危房改造到村到户、扶贫生态移民到村到户和结对帮扶到村到户。三是因户施策，通过到村到户，分析研究致贫原因，逐户落实帮扶项目、帮扶责任人和帮扶资金。四是资金到户，在产业发展、住房建设、技能培训、异地扶贫搬迁、乡村旅游发展等项目中，推行成功案例的资金到户经验，以参股、现金补贴、实物等形式，廉租房、特困大学生“一卡通”、直接发放等方式，实现资金到户。五是干部帮扶。

综合各方面因素与可操作性，本文拟选用柯布-道格拉斯生产函数作为一个主要影响变量来近似描述精准扶贫问题。

在经济学中，柯布-道格拉斯生产函数最开始提出是为了研究投入和产出的关系，提出者认为劳动力、资本和技术决定经济发展。我们研究扶贫也可以采用这个思路，构建出精准扶贫变量的投入产出模型。用TPA表示。

在扶贫攻坚作战中，最突出的两个因素贫困人口数与扶贫资金数，分别用L、K表示。其中K采取当年地方政府的扶贫资金，包括中央政府下拨的归为该地方政府的部分，L则采用该年年末时的地方贫困人口数。构造函数形式如下：

其中，A代表技术水平，为一个常数。α和β均为常系数。

2 模型构建

贫困居民能够从金融发展中获益，在一定程度上取决于社会金融发展水平和国家精准扶贫政策实施的程度。基于本文的研究目的，参考蔡等的研究，我们以贫困减缓（Pov）为被解释变量、以金融发展水平（Fin），以及金融发展水平与政府精准扶贫政策的交叉项指标（TPA×Fin）为核心解释变量，并加入其它对贫困减缓有显著影响的控制变量，如产业结构、经济发展，构建模型如下：

将精准扶贫项

其中，α和β根据经验一般取0.75和0.25。模型中的变量名称及定义、符号说明如表1所示。

3 实证研究

运用实证分析方法，通过真实的宏观经济数据来验证模型的解释力度。湖南省作为扶贫工作大省，扶贫资金数据公开透明，较易获得。本文以湖南省为例，开展实证分析工作。

3.1 数据选取

本文采用2005～2016年湖南省各地级市的数据。湖南省共有14个地级市，而湘西土家苗族自治州由于数据缺失严重，故做剔除处理。收集其他13个地级市在这12年间的面板数据进行实证分析。数据主要来源有湖南省扶贫开发办公室网站、湖南省历年统计年鉴，以及wind数据库，为了尽可能降低异方差和内生性等问题的影响，提前将所有数据进行了处理。根据湖南省扶贫开发办公室网站公布的资料，我们获得了湖南省贫困人口与扶贫资金的数据。其中，扶贫资金方面，各年度内湖南省与中央都有多次下发扶贫资金，包括专项扶贫资金与当年新增扶贫资金，划拨的归属地方重点县的资金也一并统计在内。

3.2 参数估计与交互效应

基于精准扶贫变量的贫困减缓模型，参数估计结果如表2示。

R2与调整后的R2分别为0.972与0.971，都十分接近1，明模型本身拟合效果好，采用金融发展、精准扶贫政策影响下的金融发展因素以及两大控制变量构建的模型，对贫困减缓变量的解释力度较强。

针对精准扶贫本身，我们可以看到，表中TPA项的t值为-3.564，大于2.58，表明该项在1%的显著性水平下显著，十分有效。

本文还引入全省的财政冲击作为共同因子，测度不同城市对财政冲击的敏感性差异，实证结果如表3所示。

不难看出，除了省会长沙市外，湖南省其他城市的冲击敏感度均为正数。而对于这些城市来说，数值越大则意味着扶贫政策的效果越为明显。从表3中我们也看到，衡阳、邵阳、永州、益阳四个城市的政策敏感度均大于10，说明相对于其他城市来说，这四个城市以此种方法测算的扶贫政策效果更为显著。

4 结语

今年是我国全面建成小康社会的收官之年，决胜之年。我国必将在今年底建成全面的、人民共享的小康社会，这就必须打好精准扶贫的攻坚战。尽管受到今年年初爆发的新冠病毒影响，笔者相信我们必将战胜各种艰难险阻，完成这一历史伟业。本文參考大量金融学者的研究成果建立模型，具有相当的现实意义和普适性。实证研究表明，本文的贫困减缓模型能够较好的模拟真实的宏观经济，具有一定的实践指导意义。通过模型对湖南省的数据检验发现，衡阳、邵阳、永州、益阳四个城市的扶贫政策效果较为显著。限于水平，本文的某些分析还存在着缺点与不足。对于人口教育水平、固定资产投资、对外开放水平等影响地区贫困减缓水平的因素并没有考虑在本文中。因此，综合考虑各种因素以提高模型解释力度，是本文后续研究的方向。

参考文献

[1]Greenwood J，Jocanovic B.Development，Growth And Distribution of Income[J].Journal of Political Economy，1990，（5）.

[2]范学俊.政府在金融市场中的作用-基于福利经济学的理论分析框架[J].华东师范大学学报（哲学社会科学版），2008，40（4）：84-91.

[3]叶初升，张凤华.政府减贫行为的动态效应-中国农村减贫问题的SVAR模型实证分析（1990-2008）[J].中国人口·资源与环境，2011，21（9）：123-131.

[4]王欣昱.我国信贷配给效率差异性研究——基于31个省域面板数据[J].云南社会科学，2013，（6）：86-89.

[5]谢婷婷，郭艳芳.地方政府干预，农村信贷资金配置与反贫困[J].贵州财经大学学报，2016，（2）：71-79.

[6]蔡晓春，郭玉鑫.政府干预，金融发展对贫困减缓的影响分析——基于非线性交互效应动态面板模型[J].统计与信息论坛，2018，（9）：6.

[7]董晓花，王欣，陈利，等.柯布——道格拉斯生产函数理论研究综述[J].生产力研究，2008，（3）：148-150.