多维相对贫困测度研究

方迎风,周少驰

(武汉大学 经济与管理学院,湖北 武汉 430072)

一、引言

中国农村减贫取得了举世瞩目的成就。农村贫困人口从2012年的9 899万人锐减到2019年的551万人,贫困发生率从2012年的10.2%降至2019年的0.6%。2020年初虽然新冠肺炎疫情的爆发,使脱贫攻坚遇到了极大挑战,但是到2020年底中国实现了现行贫困标准下农村贫困人口全部脱贫,实现了党中央向全国人民做出的郑重承诺。习近平总书记也指出,脱贫摘帽不是终点,而是新生活、新奋斗的起点,要继续推进全面脱贫与乡村振兴有效衔接,推动减贫战略和工作体系平衡转型。在全面建成小康社会、实现第一个百年奋斗目标的关键节点,党的十九届四中全会明确指出:“坚决打赢脱贫攻坚战,建立解决相对贫困的长效机制。”这表明在现行贫困标准下,绝对贫困问题的解决并不意味着扶贫工作的终结。新时代的扶贫工作在巩固扶贫成果的同时,逐步将工作重心从消灭绝对贫困转移到缓解相对贫困。相对贫困将成为2020年后的“后扶贫时代”中国扶贫体系构建的核心基础,相对贫困人口将是未来中国扶贫的主要对象。

然而,在当前阶段,中国衡量相对贫困的主要标准仅仅停留在收入层面,并且还不是很成熟,因而新型贫困标准的制定对未来扶贫战略而言至关重要。随着时代的发展,相对贫困的内涵不断得到丰富,从中国全面建成小康社会的要求和联合国可持续发展峰会提出“2030年前消除一切形式的贫困”的目标出发,2020年后的贫困定义和贫困标准必定是多维度的[1-2]。针对中国新时代相对贫困标准制定问题,本文基于Alkire-Foster多维贫困测度方法和收入相对贫困标准设定原则,构建多维视角下的相对贫困测度方法,结合Sen提出的可行性能力理论,纳入教育、健康、生活水平等其他维度指标,建立多维情形下的相对贫困测度体系[3]。本文采用中国家庭追踪调查(CFPS)2010、2012、2014、2016和2018年共五次调查数据,对多维情形下的相对贫困和绝对贫困进行测算比较,分析中国贫困的动态变化情况。最后,通过实证分析,研究多维绝对贫困和多维相对贫困的特征差异,为后续针对相对贫困展开的扶贫战略提供政策思路。

二、文献综述

早期,学者倾向于将贫困划分为基于生存需求界定的绝对贫困和以相对收入界定的相对贫困。绝对贫困标准源于Rowntree提出的“最低温饱线”理论,该理论用“获得维持体力的最低需求”的“购物篮子”来测量贫困。在此之后,国际上通常采用满足饮食、住房、交通等基本生存需求所需最低经济水平来衡量贫困。在全球经济社会发展不平衡的背景下,部分学者逐渐认识到贫困不仅仅是指基本生存需要,还包含着在生活中的不平等和相对剥夺。Strobel提出,个人如果不能享有参与社会活动等的基本社会权利,那么也属于贫困[4]。Foster认为,贫困的测度应当基于需求资源的比较,在资源达不到贫困线水平时,就处于贫困状态[5]。

在能力贫困理论被提出后,学者们逐渐转向用多维视角分析贫困问题。Sen将个体获得食品、健康、教育、社会参与等各种功能性活动的能力称为可行性能力。随后,Sen提出在上述功能性活动能力被剥夺的情形下出现贫困[3]。能力贫困理论指出了贫困的核心内涵,良好的生活状态和福利水平是人们所向往的目标,而收入只是实现目标的一种手段,这一理论极大地拓展了社会对贫困问题研究的视角。

目前,中国正处于由治理绝对贫困到缓解相对贫困的过渡时期,整体贫困状况呈现出绝对贫困与相对贫困并存的特点。贫困人口的收入水平和生活状况均与社会平均水平有较大的差距,相对贫困问题不容忽视。李永友等提出,相对贫困问题很难由市场机制解决,需要政府重新调整社会财富的分配状况[6]。其中,一种解决方式即为调整对相对贫困的认知,构建相对贫困衡量体系。然而,由于在特定的发展阶段,国内对贫困问题的研究主要集中在绝对贫困问题上[7]。相对贫困问题的研究相对较少,早期主要研究则多是兼论相对贫困,如李永友等讨论财政支出结构、相对贫困与经济增长[6],蔡昉等在讨论迁移时,检验相对贫困假说[8],陈宗胜等则在讨论中国农村贫困状况的绝对和相对变动时,对相对贫困线的设定给予了讨论[9]。

近几年,随着扶贫战略的转换,相对贫困研究开始兴起。其中,刘宗飞等较早地对吴起县的相对贫困进行了动态测度[10]。偶有文献尝试讨论相对贫困这一概念[11],王小林等则尝试提出多维相对贫困标准的政策取向[12]。沈扬扬等建议分城乡设置相对贫困标准,并将相对贫困标准设定为居民中位收入的40%[13]。但是,相对贫困研究主要基于收入层面的相对贫困线,且也没有形成相对成熟的相对贫困衡量标准,因此相对贫困标准的重新制定对未来扶贫战略而言至关重要。

在基本消除绝对贫困的背景下,重新制定相对贫困标准时有两个问题不容忽视。第一个问题是相对贫困的维度选取,即在相对贫困衡量过程中,是采用单一的收入维度还是选取多维度的方式。现有文献大多采用单一收入维度评估相对贫困状况。其中,Zheng采用平均收入的百分比作为贫困线进行分析[14],Ravallion等提出放宽收入水平限制的弱相对贫困线理论[15],孙久文等提出在不同时期选用不同比例的居民平均收入作为相对贫困线[11]。然而,贫困不仅仅包含收入不能满足基本需求引起的“贫”,也包括健康、教育等功能性活动能力被剥夺造成的“困”[16]。从中国实现全面小康、全面发展的要求出发,2020年后的贫困定义和标准必然是多维度的。目前,已有学者尝试从多维视角评估相对贫困程度,王小林等基于可行能力理论构建了多维相对贫困标准概念框架,提出中国2020年后多维相对贫困标准的政策取向[12],仲超等尝试分析相对贫困家庭的多维剥夺状况及其影响因素[17]。

第二个问题则是在多维视角下相对贫困测度方法的研究。事实上,单一维度的相对贫困已经存在相当多的测度方法[18],然而多维相对贫困的测度方式与其具有较大的差异性。目前,多维贫困的测度方法可以总结为两大类:不考虑不同维度间关系的边缘分布法和考虑维度间关系的联合分布法[19]。边缘分布法中比较简单的是仪表盘法,该方法将多维贫困的每一维度单独处理。此外还有一种是综合指数法,如由联合国开发计划署发布的人类贫困指数。联合分布法则是更为广泛使用的多维贫困测度方法,常用的有反映不同贫困维度间交叉剥夺的维恩图[20]。由Alkire和Foster所开发的AF多维贫困测度方法正是满足多维贫困测度的若干公理化准则[21],被联合国开发计划署所采纳,成为目前测量和评估多维贫困的主流方法。

因此,本文基于AF多维贫困测度“双界线”方法,构建“双相对界线”多维相对贫困指数,并利用CFPS数据测算分析中国的多维相对贫困状况。

三、多维情形下相对贫困体系的构建

(一)多维情形下绝对贫困线的划定

假设社会中有n个独立个体,任取其中一个个体i,i的社会福利状况由收入、健康和教育等共d个指标度量(d≥2)。考虑n×d维矩阵Y=[yij],其中i=1,2,…,n,j=1,2,…,d。行向量Yi表示个体i在各个维度下的状态,列向量Yj表示在维度j下所有个体的状态。

(1)

(2)

第二个临界值为k临界值,将k临界值与ci进行大小比较,以识别多维情形下个体的整体多维贫困状态。若ci≥k,即个体被剥夺程度大于或者等于k临界值,在整体上个体i被视为处于多维贫困状态;若ci

(二)多维情形下相对贫困线的划定

基于Alkire和Foster对多维贫困程度的设定[21],本文将相对贫困线从由收入决定的一维情形拓展到多维情形,构建多维情形下的相对贫困衡量体系。

从AF多维绝对贫困的识别过程可以发现,整体的界定过程中有两个关键指标,z临界值和k临界值。在AF模型中,国际通常采用的z临界值和k临界值均为确定的,具有很强的主观性和限制性。当选取的维度中包含多个指标时,z临界值并不能很好地评估维度的被剥夺情况。为了使识别结果能够真实反映多维情形下相对贫困情况,本文考虑将z临界值和k临界值进行重新定义,分别将其替换为m临界值与h临界值,从而得到在一维和多维情形下相对贫困的衡量结果。具体设定如下:

在维度j内,定义cj为加权剥夺总分,选取mj为加权剥夺总分cj均值的一定比例值,用a来表示该特定比例,从而mj可以表示为:

(3)

(4)

(5)

(三)多维情形下相对贫困指数的计算

对Alkire-Foster多维贫困模型进行修正,根据贫困识别函数对剥夺矩阵进行删减,得到剥夺矩阵的表达式:

(6)

其中,ρk(Yi,M)为贫困识别函数,当个体i在多维情形下处于相对贫困状态时,ρk(Yi,M)=1,否则记其为0。简而言之,即将非贫困人口剥夺矩阵设为0,贫困个体剥夺矩阵保持不变。根据剥夺矩阵,得到个体i的加权剥夺总分,将其记为ci(k),表示为:

(7)

H=q/n

(8)

假设多维状态下相对贫困人群平均被剥夺程度为A,A可以表示为:

(9)

A表示多维状态下相对贫困人口被剥夺的平均维度数。A越大,表明在多维情形下相对贫困人口平均被剥夺维度数越高。由于多维相对贫困指数M0表示总人口的福利状况平均被剥夺程度,因而基于上述信息可以得到多维状态下相对贫困指数M0的数学表达式:

(10)

根据多维相对贫困指数等于多维贫困深度和多维贫困发生率之积,可以进一步得到多维状态下相对贫困指数更加全面的表达形式:

(11)

其中,当α=0时,p(0,Y,M)=M0,该式含义为所有处于多维相对贫困状态个体的被剥夺维度数量加总占总体维度数量的比例;当α=1时,p(1,Y,M)=M1,表示多维状态下相对贫困之间的差距;当α=2时,p(2,Y,M)=M2,表示多维相对贫困深度。

(四)多维情形下相对贫困指数的可分解性

为了能够观测到不同维度和不同人群对最终相对贫困人口识别结果的影响,通常还需要满足维度可分解性和子群可分解性。本文将分别对这两个可分解性质进行探讨验证。

1.维度可分解性。首先从维度方面验证多维相对贫困指数的静态可分解性。假定个体i的第j维度的相对贫困指数用p(α,Y,mj)来表示,进而根据式(11)得到该维度下相对贫困指数的表达形式:

(12)

因此,个体i在多维情形下整体相对贫困指数的大小等于每个单一维度相对贫困指数之和,即多维情形下的相对贫困指数在维度上符合静态可分解性。

其次,动态情形下的可分解性质,即从动态视角出发,将整体相对贫困指数的变化分解为各个维度相对贫困指数的变动。假定在一段时期中,整体相对贫困指数从时期t1到t2发生了大小为ΔM的变动,依据整体相对贫困指数的静态可分解性,可以将其表示为:

(13)

这表明在不同时期之间,整体相对贫困指数的变动可以表示为不同时期各个维度相对贫困指数变动之和,即多维情形下的相对贫困指数在维度上符合动态可分解性。

2.子群可分解性。假定在一个地区中个体总数为N,并且存在S个不同的子群,其中子群s占所在地区总人口比例记为θs,因而该地区在多维情形下整体相对贫困指数可以由各子群的相对贫困指数按人口权重加权得到。记子群s的状态矩阵为Ys,当地全部人口的相对贫困状态矩阵为Y,那么该地区整体相对贫困指数Mα可以表示为:

(14)

即多维情形下的相对贫困指数在维度上符合静态可分解性。

假定在一段时期中,整体相对贫困指数从时期t1到t2发生了大小为ΔM的变动,依据整体相对贫困指数的静态可分解性,可以将其分解为:

(15)

这表明在不同时期之间,多维情形下整体相对贫困指数的变动可以表示为不同时期各个子群的相对贫困指数变动之和,即多维情形下的相对贫困指数在子群上符合动态可分解性。

四、中国多维贫困状况的测算

(一)数据与指标的选取

1.数据来源。本文利用中国家庭追踪调查(China Family Panel Studies,CFPS)2010、2012、2014、2016、2018年共五轮追踪数据进行分析。CFPS调查样本覆盖了中国25个省份,所覆盖区域占全国总人口的95%,因此加权样本具有全国代表性。

2.指标的选取。结合中国的国情,在UNDP发布的健康、教育与生活水平三大维度的基础上增加收入维度,考察健康(包括健康自评、长期健康、重疾状况三个指标)、教育(包括教育年限、儿童入学两个指标)、生活水平(包括生活燃料、用水状况、住房状况三个指标)和收入(人均纯收入)共四个维度九个指标的相对贫困状况。本文借鉴UNDP多维贫困指数构造方法,赋予每个维度相等的权重,同时对每个维度下的指标也赋予相等的权重。各指标的具体设定如表1所示,其中指标设定还有三点需要说明。

表1 多维贫困指标体系

一是在多维贫困衡量过程中涉及到个人层面与家庭层面的指标,比如健康、教育反映了个人层面的剥夺情况,生活水平和人均纯收入反映家庭层面剥夺情况。鉴于中国人口的家庭聚居特性,本文选取家庭为最小分析单元,因此在变量预处理时按年份分别将家庭、成人、儿童和成员四个数据库用家庭编号整合在一起,得到符合本文多维贫困研究的样本。最终得到的有效样本量分别为4 198,3 550,3 636,3 568,3 863。

二是在此指标体系中将剥夺临界值从绝对贫困标准替换为相对贫困标准,在后续使用m临界值和h临界值的条件下,单一维度被剥夺家庭将被视为在该维度处于相对贫困状态,满足多维相对贫困条件的家庭将被视为在多维条件下处于相对贫困状态。例如,假设某个家庭在健康维度的加权剥夺总分ci为0.23,小于取值为0.25的m临界值的情形下,即可认为该家庭在健康维度上处于相对贫困状态。如果该家庭在其他维度的被剥夺情况良好,整体的加权剥夺总分低于h临界值,则其在多维情形下不处于相对贫困状态。

三是在数据处理过程中,由于CFPS数据中每年调整后的家庭人均纯收入与2010年的家庭人均纯收入都具有可比性,因此在后续分析中选取2010年为基准年份,并且根据2010年多维情形下的相对贫困状况选取合适的h临界值,以进行下一步的分析。

(二)测算分析

在明确单个维度下相对贫困衡量与多维情形下整体相对贫困测算后,本文对以下两种情形的中国多维贫困状况分别进行测算:第一种情形为使用z临界值与k临界值下的多维绝对贫困测算;第二种情形为使用m临界值与h临界值下的多维相对贫困测算。关于临界值还有三点需要说明:第一,在进行多维绝对贫困测算时,为了使得测算结果具有国际可比性,本文借鉴UNDP发布的多维贫困指数设定,取k临界值为0.33。第二,参考在收入维度中以平均收入的60%为相对贫困线的设定,取m为0.6,mj为维度j加权剥夺总分cj的5/3,由于本文设定2010年为基准年份,临界值mj均根据2010年数据计算得出,即在维度j,剥夺总分大于mj的视为该维度被剥夺,相当于处于一维相对贫困状态,否则不处于贫困状态。第三,由于h等于4时,多维贫困指数出现了反常的波动。本文为了减小该波动的影响,h值选取为3(1)因篇幅限制,不同h取值下的多维贫困指数动态图没有呈现,有需要的读者可向作者索取。。

1.使用z临界值与k临界值的多维绝对贫困测度。表2呈现了2010年至2018年间中国多维绝对贫困的变动情况,可以发现,中国总体多维贫困的改善趋势比较明显,多维贫困指数从2010年到2018年下降了近40%,体现了中国扶贫的成效。通过比较贫困发生率与贫困剥夺强度的变动情况,可以发现多维贫困指数的下降主要归功于贫困发生率H的下降幅度较大,这意味着贫困人数出现大幅下降,而贫困剥夺强度的变动幅度并不大。然而不可忽视的是,由于本文设有四个维度,在k取值为0.33的情况下,多维贫困发生率H表示至少有两个维度被剥夺的概率(0.25

2.使用m临界值与h临界值的多维相对贫困测算。表2还呈现了多维情形下相对贫困指标的测算结果,其中测算指标的变动幅度很大,多维相对贫困指数在2010—2018年间减少了60%,同时贫困发生率也从2010年的20.2%下降到2018年的7.8%,出现了大幅度的下降,这表明了在精准扶贫过程中人民生活水平逐渐提高的事实,并且在消灭绝对贫困的同时,相对贫困状况也得到了很大幅度的改善。由于h临界值的设定,六年间贫困剥夺强度并没有出现明显的波动。多维贫困指数的大幅下降主要归功于贫困发生率的减小。

表2 中国多维贫困的测算结果

与z和k临界值下的多维绝对贫困相比,由于多维相对贫困识别门槛的上升,在人群的选择范围上更加狭小,贫困发生率也有很大幅度的下降。从数值上来看,采用m和h临界值的贫困发生率较低而剥夺强度相对较高,这是由h临界值的取值导致的,h取值越大,多维相对贫困的门槛越高,剥夺强度也相应较大,贫困发生率自然处于较低水平。由于本文选取2010年为基准年份,各个指标均与2010年的数据具有可比性,因此考虑两年之间指标状况的大幅度改善导致贫困发生率的下降。

(三)多维相对贫困的进一步分析

为了进一步分析多维相对贫困的动态变化情况,接下来将对多维相对贫困从维度和子群两个视角进行静态和动态分解。

1.维度分解。首先,维度的静态分解。表3给出了贫困临界值m=0.6,h=3时多维相对贫困指数M0维度静态分解的结果。可以发现,不同维度对整体多维相对贫困的贡献大小存在明显的区别,变动趋势也不尽相同。从数值上看,收入和生活水平这两个维度始终保持着较高的贡献率,健康和教育对多维相对贫困的影响相对较小。在2010—2018年间,收入、教育两个维度的贫困指数大小和贡献率均出现了明显的下降趋势,表明参与调查人群的人均经济收入和教育水平得到了一定程度的提高,侧面体现了中国精准扶贫政策和义务教育普及的积极效果。与此同时,尽管健康维度的贫困指数出现下降,但是其对多维贫困指数的贡献率不降反升,这表明中国居民的身体健康情况跟不上收入教育等其他维度的提升速度,健康贫困将是未来扶贫的重点,需要给予高度重视。

表3 多维相对贫困维度的静态分解结果

其次,维度的动态分解。结果如表4所示。可以发现,在2010—2018年间,整体的多维相对贫困指数出现了较大幅度的下降,而教育、生活水平和收入三个维度贫困指数的下降对整体多维相对贫困指数的下降起到不可或缺的作用,其中生活水平和收入维度的贡献率相对较高,分别贡献了30.70%和32.40%。健康维度对整体贫困指数下降的贡献不高,仅占13.19%。这表明中国广大居民的健康状况虽然在不断改善,但是跟不上生活水平和收入等其他福利水平的提升速度。

表4 多维相对贫困维度的动态分解结果

2.子群分解。首先,子群的静态分解。本文将全部样本按城乡划分为农村和城镇两个子群,并按人口权重加权分别对多维相对贫困指数和多维绝对贫困指数进行分解,分解结果见表5。可以发现,在2010—2018年间多维绝对贫困指数和多维相对贫困指数均出现了不同程度的下降,其中多维相对贫困指数下降幅度明显,中国相对贫困状况随着扶贫的进程也得到了很大程度的改善。城乡之间的贫困状况有着明显的差别,农村地区的多维贫困状况更为严重,贡献率远远高于城镇地区的贡献率。

表5 多维贫困指数的城乡静态分解

然而,值得注意的是,农村人口的多维绝对贫困和多维相对贫困均出现较大幅度的下降,而且对整体贫困指数的贡献率呈不断下降的趋势,这表明农村地区多维贫困状况出现明显好转,体现了农村扶贫工作的有效性。但是,城镇多维贫困则出现了振荡上升的趋势,对相对和绝对多维贫困的贡献率均出现小幅度上升,表明城镇多维贫困问题也急需关注。结合城市工业化提高环境污染程度和居民生活水平大幅提高的社会背景,可以推断出城镇人口身体健康状况的改善与生活水平的提升出现脱钩,健康风险出现较大的提高,即使在医疗环境日益提升的今天,居民还应当注重自身的身体素质。因此,后续中国扶贫需要统筹城乡,做到有机结合。在城乡统一的扶贫框架下,分地区制定相对贫困标准。

其次,子群的动态分解。从表6可以发现,在2010—2018年间农村地区的多维相对贫困和多维绝对贫困指数的下降幅度都很大,在整体多维贫困的下降过程中均起着决定性作用。城镇地区的多维贫困指数的下降幅度相对较小,对整体多维贫困的贡献不大,这进一步说明城镇贫困问题急需纳入中国扶贫体系。

表6 多维贫困的子群动态分解

五、实证分析

因不同地区、不同家庭的多维相对贫困和多维绝对贫困的特征不尽相同,本文进一步使用2016年数据和Logit模型分析多维相对贫困和绝对贫困的影响因素,结果如表7所示。

表7 多维相对贫困与绝对贫困的实证比较分析

第一,户主最高学历的系数值始终显著为负,说明其对应的优势比(odds ratio)小于1,且随着户主最高学历提升,优势比将会变小。这意味着户主的受教育水平提高,家庭陷入多维贫困的概率会大幅降低。不仅如此,可以发现,户主的受教育水平对相对贫困的影响明显高于绝对贫困,尤其是城镇地区。因此,教育不仅能改变贫困状况,还能改变相应的地位。与此类似,户主性别对家庭多维贫困状况有着较大的影响,相较于男性,女性户主家庭更容易陷入多维贫困状况,并且对多维相对贫困影响更为明显。

第二,家庭人均年收入与多维贫困状况成显著的负相关关系。随着家庭人均收入的提升,多维贫困发生的概率出现相应的下降,这体现了收入水平的上升对降低多维贫困的显著影响。通过比较系数的绝对值大小可以发现,收入水平的变动情况对多维绝对贫困状况的影响相比于多维相对贫困更大,这间接表明本文所构建的多维相对贫困模型的合理性。

第三,户口所在地会显著影响农村家庭的多维贫困状况。西部地区在多维相对贫困和多维绝对贫困方面都最为严重,尤其是多维相对贫困。中部地区的多维相对贫困相对东部地区也较为严重,但是在多维绝对贫困方面,中部地区与东部地区之间已无显著差异。这意味着,虽然各地区发展较快,人们的生活水平都显著提高,绝对贫困下降,但是地区间发展依然不平衡,中西部地区的相对贫困依然较高。不仅如此,这种发展的不平等效应在农村地区显得更为严重,而中西部地区的城镇在多维相对和绝对贫困间已无显著差异。

第四,城乡多维贫困状况存在较大的差异性。城镇地区的多维贫困已基本不存在较大差异的群体特征,尤其是多维绝对贫困,如东中西部地区、户主性别等,但是地区发展的不平衡导致多维相对贫困依然有明显的差异。因此,在后续扶贫过程中应当按城乡分类分别制定相应的贫困标准,并契合城乡多维贫困群体的实际需求,做到精准扶持。

六、主要结论及政策建议

本文基于AF多维贫困指数模型,将相对贫困从一维情形拓展到多维情形,构建多维相对贫困的测量体系,并对比分析不同情形下多维贫困指数的差异。可以发现,得益于中国经济的高速发展和政府扶贫工作的开展,中国多维贫困状况改善显著,收入和生活水平都得到了大幅度提高。其中,教育、生活水平和收入维度的改善对多维相对贫困的下降起着决定性作用,但健康贫困改善较慢已成为中国居民致贫的主要因素。地区及群体间的不平衡发展已日益成为中国未来扶贫的重要阻力,虽然城乡多维绝对贫困差距已明显改善,但多维相对贫困差距依然较大,农村依然是多维贫困的主体,但城镇的多维贫困状况已不容忽视。

因此,随着中国进入新的发展阶段,要做好2020年后中国贫困的治理工作:第一,中国应当重新构建适合新时代中国发展国情的贫困识别体系。在精准扶贫的理论指导下,构建多维度视角下的相对贫困测度体系符合“满足人民群众对美好生活的需要”,单一的收入维度已不能够全面地反映当前人民群众的美好生活诉求,多维绝对贫困测度已经无法反映地区间和群体间发展的不平衡问题。第二,外部冲击下的贫困脆弱性将是未来扶贫的常态工作,尤其是健康贫困,已成为中国目前贫困的主要致因,宏观经济波动以及自然灾害的常态化将成为中国未来致贫和返贫的主要因素,因此应从健康、教育、资产等多个维度构建多层次相对贫困测度体系,实现对贫困人口的精准动态识别。第三,中国需要构建城乡相对统一的贫困识别体系。在推动城乡融合的背景下,中国应当构建城乡统一的社会保障体系,将城市和农村的扶贫工作纳入到统一的框架中,但是城乡差距以及其他地区间发展的不平衡问题依然严重,维度指标和相对贫困线的选择还需要根据地区发展和生活习惯的差异进行科学的论证,做到动态的相对统一,在扶贫政策上也要因地制宜,实现对不同地区、不同类型贫困人口的精准扶持。