农村家庭相对贫困的脆弱性测量及影响因素分析*

钱 力，王 花

（安徽财经大学经济学院，安徽 蚌埠 233030）

一、引 言

贫困问题一直阻碍人类社会的进步，影响世界人民对美好生活的追求（王博等，2019）。中国在不懈努力奋斗下，截至2020年，贫困县全部摘帽，农村贫困人口全部脱贫，贫困地区农村居民人均可支配收入由2013年的6 079元增至2020年的12 588元，增加了约1.07倍，中国脱贫事业取得巨大成功，这对人类发展做出巨大贡献。但中国仍将处在相对贫困长期存在的发展新阶段，与绝对贫困相比，相对贫困有着独特的衡量标准，通常是人均收入的40%～60%。同时相对贫困更具有长期性、复杂性，相对贫困也可称之为发展性贫困，长久存在于社会发展阶段。经济的发展可解决绝对贫困，但相对贫困会由于衡量测度、分配等复杂问题，难以轻易得到解决；相对贫困还具有广泛性、艰巨性，陷入相对贫困的不仅包括农村家庭，也包括大量的城市家庭，不仅包括发展中国家的人民，还包括发达国家的人民，因此解决相对贫困问题会面临更艰巨的考验。目前，正确认识相对贫困问题，并制定一系列解决措施，是巩固脱贫攻坚成果，不断提高人民幸福感，进而推动中国经济发展的重要环节。

相对贫困群体在经济、文化等方面处于弱势地位，加之贫困脆弱性，更容易遭受疾病、自然灾害、子女教育支出、养老等问题的负面冲击而陷入困境，成为相对贫困家庭，更有甚者可能会重新返贫，所以贫困脆弱性既是巩固脱贫攻坚成果面临的挑战，又对缩小相对贫困规模影响重大，因此这些脆弱的贫困群体将是我国未来重点关注的群体。贫困脆弱性的测量能够帮助有效识别目前经济尚可，但未来有可能陷入相对贫困的脆弱群体，从而帮助治理相对贫困政策的制定，进一步从“事前”减少家庭陷入相对贫困。因此识别相对贫困、测量贫困脆弱性以及挖掘脆弱的原因，对巩固脱贫成果、有效解决相对贫困问题具有重大意义。

二、文献综述

国内外学者通过不断深入研讨贫困问题，逐渐意识到贫困是动态发展、逐渐演变的。贫困脆弱性从灾害学、环境科学等自然领域应用到社会科学领域，主要是家庭或者个人面对重大冲击致使福利水平下降，从而深陷贫困的概率。贫困脆弱性的具体定义没有统一的标准，不同的定义也有着不同的测量方法，主要有预期贫困的脆弱性（VEP）、低效用水平的脆弱性（VEU）、风险暴露贫困的脆弱性（VER）等测量方法（Ligon，2003；Christiaensen，2005）。其中VEP 的思想受到更多学者重视，基于VEP的思想，研究发现不同个体之间的贫困脆弱性差异明显，其面临的风险也有较大区别，其中农村家庭贫困脆弱性不断降低，高脆弱群体所占比重不断降低，另外收入对贫困脆弱性还具有门槛效应（何军等，2020；黄潇，2018；聂荣，2014；韦惠兰，2018）。

近年来，一些学者把研究目光转向贫困脆弱性的影响因素分析上。贫困脆弱性与家庭特征、受教育程度、土地利用、自然灾害、获得食物的能力、收入等因素息息相关（Ligon，2003；Alam，2017；Tran，2018；Azeem，2016；Rajesh，2017；Seefeldt，2018）。户主特征、性别、年龄及家庭特征对贫困脆弱性影响显著不同，甚至家庭负面的心理因素、生态退化会加剧家庭贫困脆弱性产生（和月月等，2020；吴和成等，2020）。另外，不同借款额度的贫困村互助资金没有显著降低农户的贫困脆弱性，转移支付与贫困脆弱性呈现正相关，普惠金融可提高农村家庭应对风险的能力，从而降低农村家庭风险脆弱性（杨龙等，2018；孙伯驰等，2020；张栋浩等，2018）。也有一些研究基于医疗保险的角度，发现新农合大病保险与贫困脆弱性存在显著负向关系和异质性，异质性包括中西部的新农合大病保险对贫困脆弱性的影响明显大于东部地区，也包括健康状态良好的群体不显著，健康状态差的群体较为显著（高健等，2021；刘子宁等，2019）。而宏观层面上不完善的市场、经济全球化、经济危机等也显著影响贫困脆弱性。

综上所述，一些学者对贫困脆弱性的测量及影响因素的深入分析，既有家庭特征、生存环境、普惠政策等微观层面的影响因素分析，也有宏观层面的影响因素分析，本文基于上述研究，进一步扩展，根据2012、2014、2016、2018 年CFPS 数据库，在相对贫困的基础上测算农户家庭的贫困脆弱性，并分析贫困脆弱性的变化，再运用二元Logistic模型分析贫困脆弱性的影响因素，提出相应的对策和建议，以期为政府部门制定相应扶贫政策提供依据。

三、测量方法、数据来源、变量说明

（一）方法选取

1.农户贫困脆弱性测量方法

根据Ligon（2003）和Christiaensen（2005）的研究发现，预期贫困脆弱性（VEP）的概念和测量方法符合实际，得到广泛运用，因此本文在农户贫困脆弱性的测量中采取此方法。度量方程如下：

式（1）中，Vit代表农户i在T时期的贫困脆弱性，即农户陷入相对贫困的可能性，Yi,t+1代表农户i在t+1时期的收入水平，Lt代表t时期的相对贫困线。此外计算贫困脆弱性，需要估计农户未来收入的均值和方差，本文采用面板数据，可直接使用农户家庭收入对数的跨期均值和方差作为未来收入的均值和方差。多数文献定义未来收入服从正态分布，因此贫困脆弱性估计方程式如下所示：

2.二元Logistic回归

农户家庭是否属于贫困脆弱性家庭（属于贫困脆弱性家庭=1，不属于贫困脆弱性家庭=0），是典型的二元决策题，为了进一步分析哪些因素对农户家庭贫困脆弱具有重要影响，特意选取了二元Logistic模型进行分析。二元Logistic 模型的基本形式如下：

对（3）取对数，得到Logistic回归模型的线性表达式：

式（3）和式（4）的Pi是指事件发生的概率，指农户家庭贫困脆弱性发生的概率，Xj(j=1,2,3…m)表示因素的第j个自变量，m表示自变量的个数，β0是常数，βj(j=1,2,3…m)表示自变量的回归系数，ϵ为随机误差，若βj大于0，则表示第j个因素对农户家庭贫困脆弱性具有正向影响，否则为负向影响。

（二）数据来源与变量说明

本文使用的数据主要来自“中国家庭追踪调查数据（CFPS）”，经过筛选共获得1 792 份完整的数据，再根据CFPS数据库中的2012、2014、2016、2018年的数据考查国内农村家庭的贫困脆弱性。为了进一步分析农村家庭贫困脆弱性影响因素，从数据库提取户主年龄、性别、受教育程度等变量（见表1）。

表1 主要变量以及变量含义

续表

（三）相对贫困线和阈值设定

根据黄成伟（2010）使用的方法，本文采用相对贫困线作为衡量贫困脆弱性的标准，相对贫困线一般可采用城乡两条线，本文研究的是农户家庭贫困脆弱性，因此相对贫困线采取农村度量标准，即按照农民的可支配收入平均数的0.4、0.5、0.6 衡量相对贫困线，本文采用农村人均可支配收入的0.4、0.5、0.6作为衡量贫困脆弱性的标准，具体如表2所示。

表2 相对贫困线（元/年）

设定阈值是为了更好衡量贫困脆弱性的临界点，本文根据周君璧等（2017）的做法，在设定的两个29%、49%脆弱性阈值（VT）的基础上增加了79%的阈值。阈值界定有所不同，本文采用30%、50%、80%作为阈值临界点，并规定脆弱性低于30%，表明农户家庭不脆弱，若脆弱性置于30%～50%区间，表明属于轻度脆弱家庭，若脆弱性置于50%～80%之间，表明属于中度脆弱家庭，若脆弱性置于80%以上区间，表明陷入重度脆弱性。

四、实证分析

（一）农户贫困脆弱性测度

基于2012、2014、2016、2018年CFPS数据库，运用贫困脆弱性测量公式，在0.4、0.5、0.6标准下划分的相对贫困线的基础上，对农户家庭的相对贫困脆弱性进行测量并分析农户家庭的相对贫困脆弱性在2012、2014、2016、2018年四年间的动态变化。

由表3可知，在农村可支配收入的0.4标准下划分的相对贫困线，2012～2018年，接受调查的家庭在2012年全部陷入重度贫困脆弱性，农户家庭贫困问题较为严重，2014年43.96%的家庭陷入中度贫困脆弱性，56.02%的家庭陷入重度贫困脆弱性，其中陷入中度贫困脆弱性的家庭，有43.56%处于0.6～0.7贫困脆弱性的阈值里。2016年98.60%处于中度贫困脆弱性，仅有1.34%的家庭陷入重度脆弱性，另外陷入中度贫困脆弱性的家庭，有15.20%处于0.5～0.6贫困脆弱性阈值内，63.40%处于0.6～0.7贫困脆弱性阈值内。2018年0.03%的家庭未陷入贫困脆弱性，63.90%的家庭陷入轻度贫困脆弱性，36.07%的家庭陷入中度贫困脆弱性，另外陷入中度贫困脆弱性的家庭，有31.85%处于0.5～0.6 贫困脆弱性阈值内，2018年已无家庭陷入重度贫困脆弱性。

表3 0.4标准下的农户贫困脆弱率 （%）

由表4可知，在农村可支配收入的0.5标准下划分的相对贫困线，2012年调查家庭均陷入重度贫困脆弱性，2014 年41.58%的家庭陷入中度贫困脆弱性，其中41.52%陷入0.7～0.8 贫困脆弱性阈值内，另外58.42%的家庭陷入重度贫困脆弱性。2016年0.03%的家庭陷入轻度贫困脆弱性，97.49%的家庭陷入中度贫困脆弱性，其中62.11%处于0.6～0.7 贫困脆弱性阈值内，7.82%处于0.5～0.6 贫困脆弱性阈值内，与2014年相比，农户家庭贫困脆弱性不断降低，另外在2016年仅有2.46%的家庭陷入重度贫困脆弱性。2018年52.22%的家庭陷入轻度贫困脆弱性，47.75%的家庭陷入中度贫困脆弱性，其中40.79%处于0.5～0.6贫困脆弱性阈值内，另外2018年无家庭陷入重度贫困脆弱性。

表4 0.5标准下农户的贫困脆弱率 （%）

由表5可知，在农村可支配收入的0.6标准下划分的相对贫困线，2012年农户家庭全部陷入重度贫困脆弱性，2014 年25.01%的家庭陷入中度贫困脆弱性，其中24.90%处于0.7～0.8 贫困脆弱性阈值内，表明陷入中度贫困脆弱性的家庭易于陷入高度贫困脆弱性，另外74.97%的家庭陷入重度贫困脆弱性。2016年96.31%的家庭陷入中度贫困脆弱性，其中34.56%处于0.7～0.8贫困脆弱性阈值内，57.42%处于0.6～0.7 贫困脆弱性阈值内，另外仅有3.65 的家庭陷入重度贫困脆弱性。2018 年38.22%的家庭陷入轻度贫困脆弱性，57.31%的家庭陷入中度贫困脆弱性，无家庭陷入重度贫困脆弱性。

表5 0.6标准下农户的贫困脆弱率 （%）

整体而言，相对贫困线不论基于农村可支配收入的0.4、0.5、0.6哪个标准划分，所调查的农户家庭陷入贫困脆弱性的概率从2012 年到2018 年均不断减少，2012 农户家庭全部陷入重度贫困脆弱性，到2018年逐渐减少为没有家庭陷入相对贫困脆弱性，这些均表明农户家庭拥有更多收入，可承担更多风险，中国的脱贫取得了很大进展。根据上述数据分析可知，不同地划分相对贫困线标准，同一个家庭陷入贫困脆弱性的概率会有所不同，基于农户可支配收入的0.4标准下划分的相对贫困线，农户陷入贫困脆弱性的概率小于基于农户可支配收入的0.5、0.6标准下划分。

根据对CFPS数据库的处理筛选，最终得到河北、河南、上海、湖南、湖北、安徽等24个省份的数据，通过计算得到各省份相应的贫困脆弱性（见表6）。

由表6可知，在农村可支配收入的0.4标准下划分的相对贫困线下，河北、江苏、上海、福建、辽宁等20个省份陷入轻度贫困脆弱性，广西、贵州、重庆、四川四省份陷入中度贫困脆弱性，另外这四省份贫困脆弱性阈值处于0.5～0.6区间，贫困脆弱性容易降低。在农村可支配收入的0.5标准下划分的相对贫困线下，江苏、上海、福建等13省份陷入轻度贫困脆弱性，河北、广西、河南、山西等11省份陷入中度贫困脆弱性，其中增加了河北、河南、山西、吉林、陕西、甘肃、云南7省份。在农村可支配收入的0.6标准下划分的相对贫困线下，江苏、上海、福建、天津等8省份陷入轻度贫困脆弱性，占比33.33%，河北、辽宁、广东、广西等16 省份陷入中度贫困脆弱性，与0.5 标准相比，增加了辽宁、广东、山东、江西、湖南5省份。不管相对贫困线用何种标准划分，上海的贫困脆弱性最低，重庆的贫困脆弱性最高。

表6 各省的贫困脆弱性

（二）影响因素分析

运用SPSS 软件对农户家庭不同程度的贫困脆弱性影响因素进行二元Logistic 回归，由于变量较多，一些变量对贫困脆弱性的影响不显著，经过筛选，保留较为显著的核心变量，并把核心变量归于家庭特征、生计资本、物质资本、金融资本四个维度，其中，家庭特征采取年龄学历等指标衡量，生计资本采取生活所需的指标衡量，物质资本采取收入与支出等指标衡量，金融资本采取金融产品总价、财产性收入等指标衡量。回归结果如表7所示。

表7 贫困脆弱性影响因素回归结果

由表7 可知，在不同标准下的贫困脆弱性样本进行二元Logistic 回归时，Omnibus 的P值均小于0.05，说明样本具有较高显著性，另外霍斯默-莱梅肖检验值分别为0.332、0.275、0.117，均大于0.05，说明样本拟合度较好，模型适用。从家庭特征维度看，年龄、学历、家庭人口规模三个指标均对不同标准下的贫困脆弱性影响较显著，具体而言，年龄与学历、家庭规模，对0.6标准下的贫困脆弱性影响显著性略小，年龄与不同标准下的贫困脆弱性呈正相关关系，即户主年龄越大，家庭更容易陷入贫困脆弱性，学历则与家庭贫困脆弱性呈现负相关关系，受教育越高，越有能力获得良好的生活，更不容易陷入贫困脆弱性。

在生计资本维度，整体而言，生计资本变量对贫困脆弱性影响较明显。是否收到政府补助对0.4标准下的贫困脆弱性影响不显著，对0.5、0.6标准下的贫苦脆弱性影响较明显。现住房面积、是否租用他人土地对0.4、0.5标准下的贫困脆弱性影响不显著，对0.6标准下的贫困脆弱性影响显著，且现住房面积对贫困脆弱性呈负相关影响，是否租用他人土地与贫困脆弱性呈现正相关影响。是否养过牲畜或水产品与不同标准的贫困脆弱性存在负相关关系，是否同一住房、是否外出打工与不同标准的贫困脆弱性呈正相关关系。

在物质资本维度，是否领取离退休或养老金与0.4、0.5标准下的贫困脆弱性有着较为显著的负相关影响，即农户家庭领取的养老金越多，越不容易陷入贫困脆弱性，与0.6标准下的贫困脆弱性无显著影响。领取离退休或养老金总额、农副产品总值、打工收入、工资收入总额、家庭总支出、居民消费性总支出均与0.4、0.5、0.6标准下的贫困脆弱性影响显著，但其边际效应较低，为0。金融资本维度，金融产品总价、财产性收入与不同维度的贫困脆弱性关系显著，但其边际效应较低，为0。

（三）稳健性分析

为了进一步检验结果的可靠性，使用二元Probit回归模型进行稳健性分析，结果如表8所示。

由表8可知，年龄、学历、家庭规模、是否同一住房、是否外出打工、是否领取离退休或养老金等因素对农户的贫困脆弱性依旧影响显著，其中值得注意的是打工收入与贫困脆弱性具有负向关系，但其边际效应较低，为0。通过更换回归模型发现，回归系数略有不同但所得结论与上述基本一致，这表明上述结果具有稳健性。

表8 稳健性检验

五、结论与政策建议

（一）结论

基于CFPS 数据库2012、2014、2016、2018 年的农户家庭数据，运用VEP 贫困脆弱性测量方法，测量农户家庭贫困脆弱性，并使用二元Logistic 回归模型分析贫困脆弱性的影响因素。结果表明，第一，农户家庭陷入相对贫困的概率不断降低。整体而言，基于0.4、0.5、0.6标准下相对贫困线，被调查的农户家庭陷入重度贫困脆弱性的概率均从2012年的百分之百降低到2018年的零，另外陷入中度贫困脆弱性、轻度贫困脆弱性的概率也随着年份的增加而不断降低。第二，农户家庭的贫困脆弱性具有地区异质性。在0.4标准下划分相对贫困线，陷入中度贫困的4个省份是西部地区，在0.6标准下划分的相对贫困线，陷入轻度贫困的省份绝大部分属于东部地区，贫困脆弱性有明显的地区异质性。第三，年龄、学历、家庭规模等因素对农户的贫困脆弱性影响较显著。年龄、家庭人口规模以及是否同一住房、是否外出打工等因素对农户家庭贫困脆弱性具有正向影响关系，学历与是否领取离退休或养老金等因素对农户贫困脆弱性呈现出负向影响关系。

（二）政策建议

第一，全面构建社会保障和经济发展成果共享体系。相对贫困是一个长期的发展阶段，为此必须坚持大力推动乡村振兴战略，坚持产业扶贫，坚持“脱贫不脱政策”的宗旨，巩固脱贫攻坚成果。政府积极做好社会保障，如针对相对贫困群体的养老金、大病救助资金，实施营养扶贫、医疗扶贫、健康扶贫等综合性扶贫，防止代际贫困传递，进一步提高容易陷入贫困脆弱性群体的生活质量。

第二，合理分配不同省份之间的教育、医疗、技术等资源。在保证经济平稳发展的前提下，加大落后地区的资源倾斜，如广西、贵州、重庆、四川等发展较为落后的省份，应给与政策、技术等资源倾斜，加大地区间的经济、文化等方面合作，缩小不同地区经济发展差异，进一步推动地区协调发展，缩小相对贫困脆弱性的地区异质性，共同提高人民的生活幸福指数。

第三，坚持教育公平、巩固提高义务教育水平。坚持教育优先战略，对于农村更要重视教育资源的分配，加大公共教育资源向农村、偏远地区倾斜，科学协调优质教育资源的分配，扩大农村教师队伍，增加贫困家庭受教育机会，政府部门应建立教育资金，帮扶由于贫困而无法持续参与教育的家庭，进一步推动农村教育发展，提高农村的文化素质教育。