乡村振兴背景下欠发达地区的多维贫困：分布与特征

冯双鹏 欧朝敏 房帆 曹自强

摘 要：巩固脱贫成果、推进乡村振兴，要从多维贫困视角深刻认识贫困。本文是基于Alkire-Foster方法、使用云南省曲靖市2015年至2020年建档立卡户的数据、测量其多维贫困得到如下结论：脱贫攻坚使MPI显著下降，但同时显示住房、饮水、收入对MPI的贡献率逐年下降，教育、健康、劳动技能对MPI的贡献率逐年上升;高寒山区MPI显著高于其他地区;城区街道后期的MPI有所上升，呈现出老人户、残疾人、大病户高占比的特征。

关键词：多维贫困;AF方法;防止返贫;乡村振兴

精准扶贫破解了“前两轮扶贫每当贫困人口减到3000万左右就减不动的瓶颈”，是我国全面建成小康社会战略中的重要内容。2020年脱贫攻坚目标任务完成后，党中央决定，对摆脱贫困的县，从脱贫之日起设立5年过渡期，巩固脱贫成果，有效衔接推进乡村振兴。巩固脱贫成果是基础，监测帮扶易返贫致贫人口是重点，不发生规模性返贫是底线。

在精准扶贫政策体系中，识别帮扶对象是以农户年人均纯收入低于2300元（2010年不变价）作为标准，这在实践中却容易产生错评、漏评及扶贫资源的“精英俘获”等现象;对贫困程度的衡量是以贫困发生率为主，贫困发生率虽能反映贫困的广度，但不能体现贫困的深度。而多维贫困不仅能够更加客观准确地识别帮扶对象，而且又能反映贫困的广度和深度。多维贫困由Amartya Sen在《以自有看待发展》《贫困与饥荒》等著作中提出，其核心观点是贫困不仅仅是收入维度的贫困，也包括教育、健康、生活质量以及权利保障等其他维度的贫困。如何建立科学、系统且与治贫实践紧密结合的多维贫困测量方法，如何选取测量维度并根据实际情况给每一个维度设定阈值，如何将这些维度的数据科学地合成一个既能反映贫困广度，又能反映贫困深度的多维贫困指数（MPI），以及如何利用这个指数包含的信息来指导实践工作，这都是亟待解决的问题。

曲靖市地处云南省东北部，辖9个县级行政区，其中F县、H县、X县、S县、L县5个县是国家级贫困县，贫困人口集中分布在西北部的H县、东北部的X县（两县属乌蒙山连片特困区）和南部的S县、L縣（两县属滇黔桂石漠化连片特困区）。1978年以来，在“八七扶贫”计划、《中国农村扶贫开发纲要（2001—2010年）》、《中国农村扶贫开发纲要（2011—2020年）》等多个阶段的扶贫工作中，曲靖市一直是重点区域。本文以全国贫困地区中具有代表性的曲靖市为例，使用其2015～2020年建档立卡户数据，运用AF方法测量多维贫困，从多维贫困的角度总结脱贫攻坚中的经验，为在实施乡村振兴战略中巩固脱贫成果、防止规模性返贫提供借鉴。

一、文献综述

Alkire and Foster（2009）基于阿玛蒂亚·森的能力方法（Capability Approach），提出了一种多维贫困识别和测量的方法——AF方法，该方法测量出的多维贫困指数，能够更加全面准确地反映贫困状况。王小林、Sabina Alkire（2009）利用该方法，基于2006年中国健康与营养调查数据，从多个维度对中国城市和农村家庭贫困状况进行了评估。结果表明，卫生设施、健康保险和教育对多维贫困指数的贡献最大。邹薇、方迎风（2011）、高艳云（2012）都利用中国健康与营养调查（CHNS数据库）的数据，对中国的贫困状况进行了动态多维度考察，探讨了多维贫困的致贫原因和消除多维贫困可以选择的公共政策。王素霞、王小林（2013）进一步将资产维度纳入了多维贫困测量指标，拓展了多维贫困测量的维度。张全红、周强（2014）认为城乡之间的贫困差距已从收入因素转变到非收入因素，反贫困政策要从单一的收入视角转向多维视角。沈扬扬、Sabina Alkire（2019）依据全球MPI指标获得了具有国际可比较的中国多维贫困指数，发现区域发展不平衡是多维贫困的重要原因。2020年公布的《全球多维贫困指数》显示新冠肺炎（COVID-19）全球大流行，使贫困人口增加，至少18个国家偏离了之前预测的减贫轨道。综览上述关于多维贫困的研究，诸多学者在多维贫困概念上形成了共识，为反贫困公共政策制定、执行和评估提供了有益借鉴。但是，还存在以下问题：一是所使用的数据大多是精准扶贫政策实施前的;二是所设定的维度受其数据的可获得性影响较大，与现行扶贫政策的实际结合并不紧密。本文使用脱贫攻坚中贫困户数据，并结合贫困退出标准设定维度阈值。

二、数据来源

国务院扶贫办在2015年建成全国扶贫开发信息系统，实现了贫困户数据的系统化管理。本文使用从全国扶贫开发信息系统中提取的曲靖市2015年至2020年建档立卡户数据，涉及126个乡镇21.9万户贫困户。本文特对每年未脱贫户的多维贫困进行测量。

三、多维贫困测量与分析

（一）维度及阈值

紧密结合贫困县“三率一度”、贫困户“户5条”的脱贫退出标准，设定多维贫困的分析维度，具体包括受教育年限、健康状况、劳动技能、基本医疗、人均纯收入、住房安全、饮水安全7个维度。我们以户为最小单位进行分析，因为户主对家庭决策具有重要作用，本文以户主的受教育年限、健康状况、劳动技能作为该户这三个维度的代表。全国扶贫开发信息系统中的信息是定性或定类描述数据，因此还需要把每一个维度的定性描述转化为定量数据，7个维度的定量转换原则及其阈值如表1所示。

（二）多维贫困测量结果

用AF方法计算曲靖市贫困户多维贫困指数如图1所示，一直下降的MPI表示贫困程度得到有效缓解。从下降速度看，2015年以来MPI年均下降0.07，2017年以来下降速度最快，每年下降一个大的台阶，是减贫成效最出色的时期。图2、图3表示各个维度对MPI的贡献度，为了便于呈现出其变化趋势，故缺省了2020年数据（2020年年末全部脱贫）。

从图2看，教育、健康、劳动技能对多维贫困指数的贡献率逐年上升，其中受教育年限的贡献率年均增加1.95%，健康年均增加5.11%，劳动技能年均增加5.17%，到2019年三者几乎都达30%，成为多维贫困最主要的三个指标。教育维度从一开始就占比较高，达24%，这是因为贫困农户的户主受教育年限普遍不足，平均值仅为6.5年，大部分只是小学文化程度。扶贫资金的投入使住房、饮水、收入方面得到不断完善，但贫困人口的健康和职业技能相对而言并不容易得到改善，所以健康和劳动技能一开始表现得并不突出，但后面对多维贫困指数的贡献率一路升高。值得注意的是，已经呼吁了多年的职业技能、实用技术培训效果一直不理想。

从图3看，住房、饮水和收入对多维贫困指数的贡献率逐年降低。其中住房安全年均降低5.54%，饮水安全年均降低1.57%，人均纯收入贡献率年均降低4.97%;而基本医疗维度没有显著变化，主要是因为前期绝大部分农民参保了新型农村合作医疗保险，有较广泛的覆盖面。收入和住房维度的贡献率大幅下降，表明这两个方面条件都得到明显改善。另外，这两者的变化趋势也很接近，实际上，收入和住房状况具有较强的相关性，笔者走访调研发现，农户获得一笔较大收入或者外出务工几年有一笔积蓄后，首先会选择修缮或重建房子。这也能印证从农户房子的好坏大致可以判断其经济条件的说法。

（三）多维贫困的时空特征分析

我们以乡镇为单位，测量每个乡镇的多维贫困指数，然后使用ArcGIS软件进行可视化呈现，结果如图4所示。整体上看，曲靖市的多维贫困呈现“中心——边缘”的分布特点，即中心贫困轻、边缘贫困重，这与其地理特征高度相关。从2015年至2019年，整个区域的颜色都由深变浅，显示贫困状况得到明显缓解。

将贫困区域分布地图与地形图对比看，发现贫困的分布与地形具有较强的相关性。曲靖市平均海拔2000米，山多地少谷深，具有“九山一水一分田，高山围着坝子转”的地理特点。东北部、西北部、东南部颜色最深，同时这些地方也是山区;中部整体上颜色较浅，这些地方多是坝子;南部是石漠化地区，岩石裸露土层浅薄，水肥难贮存;北部是绵延的乌蒙山脉，90%的面积都是山地，耕地严重不足。

城市周边地区的贫困值得引起注意。从2019年贫困分布图上看，有几个位于市政府所在中心城区附近的街道颜色反而变深了，意味着其多维贫困指数不降反升。分析发现，一是其属于最近几年城镇化的社区;另一个是其所处并非山区，地理位置较好，经济发展情况较好。以西平街道为例，其贫困特征可以用老人户、残疾人、大病户来概括。综合来看，虽然人均纯收入并不低，甚至从全市来看是属于比较高的，但是这个群体的多维贫困指数仍然很高。

四、结论及对策建议

总结汲取脱贫攻坚的经验，结合本文的研究结论，为乡村振兴战略实施中巩固拓展脱贫成果、防止规模性返贫提出以下建议：

一是结合多维贫困指数建立返贫风险预警指标。已脱贫户中存在大量自身能力素质不高、脱贫基础不牢的脆弱农户，当扶持资源撤走时，其很容易返贫。应当使用多维贫困标准，科学地设计评价指标和阈值，对脱贫不稳定户和边缘易致贫户实行监测预警，提前进行干预，防止规模性返贫和新生贫困。此外，相比贫困发生率，多维贫困指数可以提供更加全面、丰富的信息，我国可以积极借鉴世界银行的做法，发布国家层面的多维贫困指数。

二是侧重从提升人力资本的角度巩固脱贫成果，促进乡村人才振兴。如果说“十三五”期间修路、盖房子对减贫最有效，那么“十四五”期间提升教育、健康水平，开展技能培训，将对减贫发挥显著的作用。要提高医疗资源的可获得性，改变目前农村虽有卫生室，但乡村医生职业素质不高的现状;要倡导健康生活方式、开展农民群众性体育活动，改变目前农民不注重锻炼身体的不良生活习惯。

三是建立城乡一体化的帮扶救助体系，促进城乡融合发展。既要重视巩固农村脱贫成果，又不忽视城市边缘地区农改非、村改居的低收入人群。完善融合城乡社会保障制度，织牢织密安全网，防止低收入群体掉入“贫困陷阱”。

参考文献：

[1]Sen A. Development as Freedom[M]，1999：366.

[2]（印度）阿玛蒂亚·森著，王宇，王文玉译. 汉译世界学术名著丛书[M]，2011.08： 316.

[3]Alkire SA，Foster JAB.Counting and Multidimensional Poverty Measurement[J].Journal of Public Economics， 2011， Vol.95（No.7-8）：476-487.

[4]王小林，Sabina Alkire.中國多维贫困测量：估计和政策含义[J].中国农村经济，2009，300（第12期）： 4-10.

[5]邹薇，方迎风.关于中国贫困的动态多维度研究[J].中国人口科学，2011（6）：49-59，111.

[6]高艳云.中国城乡多维贫困的测度及比较[J]. 统计研究，2012，29（11）：61-66.

[7]王素霞，王小林.中国多维贫困测量[J]. 中国农业大学学报（社会科学版），2013，30（2）：129-136.

[8]张全红，周强.中国多维贫困的测度及分解：1989-2009年[J].数量经济技术经济研究， 2014， 第31卷（第6期）：88-101.

[9]沈扬扬，Alkire S，詹鹏. Measurement and Decomposition of Multi-dimensional Poverty in China[J]. China Economist， 2019，14（第3期）：12-28.

[10] Undp.The 2019 Global Multidimensional Poverty Index （mpi）[R]，2019.

2018年国家自然科学基金项目（项目编号：71774168）

（第一作者冯双鹏，国防科技大学系统工程学院硕士，研究方向：公共政策与公共事务管理;通讯作者欧朝敏，国防科技大学博士、教授，研究方向：应急管理）