脱贫人口返贫的路径依赖与影响因素研究——基于CHNS数据的离散时间生存分析

张 琦，李顺强，庄甲坤

(北京师范大学 经济与资源管理研究院，北京 100875)

引 言

2020年，我国脱贫攻坚战取得了全面胜利，现行标准下农村贫困人口全部脱贫。在中央农村工作会议上，党中央决定，脱贫攻坚目标任务完成后，对摆脱贫困的县，从脱贫之日起设立5年过渡期，巩固拓展脱贫攻坚成果同乡村振兴有效衔接。当前，部分脱贫人口可持续脱贫能力较弱，仍存在返贫风险，另外，部分边缘人口发展能力不足，仍存在致贫风险，防止规模性返贫成为5年过渡期内最重要的工作之一。

基于上述研究背景，本文在识别脱贫户返贫影响因素的基础上，以构建防返贫机制为目标，利用中国健康与营养调查(CHNS)1989—2015年共计十期家户追踪调查微观数据，构建离散时间生存分析模型，研究如下问题：一是返贫风险是否存在时间依赖性，即返贫风险在脱贫持续时间内如何分布；二是脱贫人口是否会形成对贫困持续时间的依赖，即贫困持续时间越长，返贫的概率越大；三是脱贫时高收入水平是否会降低返贫风险，以收入水平设置返贫监测线是否有效；四是具有哪些特征的家庭更容易返贫。

一、文献综述

返贫相关研究可分为定量研究和定性研究两类，国外研究主要采用定量方法，重点从微观层面研究返贫的影响因素，主要分析方法是生存分析。国内研究主要是定性研究，侧重于从宏观层面研究返贫影响因素和防返贫机制。

首先，国外关于返贫影响因素研究方面。现有文献一般将个人特征、家庭结构特征、社区环境和宏观经济发展水平等作为解释变量，分析哪些特征人口的返贫风险更高。在返贫机制方面的研究主要有两类：一类重点分析引起贫困的事件因素，如Mckernan等(2005)研究发现家庭组成结构变动、残疾和家庭劳动力减少是引发贫困的关键因素[1]；Callens 等(2009)研究发现离婚和结婚等家庭事件对女性返贫影响更大，而失业、职业变动等经济事件对男性返贫影响更大[2]；Vera-toscano等(2020)研究发现，在英国，相比于城镇居民，农村居民有更高的返贫风险，劳动福利政策改革对防返贫有重要影响，并显著降低了农村居民返贫风险[3]。另一类重点研究返贫的时间依赖性，如Imai等(2014)、Canavire-bacarreza 等(2017)研究发现返贫具有负的脱贫持续时间依赖性，即脱贫时间越长越不容易返贫[4][5]；Kyzyma(2014)将1991—2010年德国社会经济追踪数据分成13个滚动窗口期，研究发现在每一个窗口期内，个人脱贫持续时间越长，返贫风险越低，表明返贫的负持续时间依赖性在不同时间上是稳定的[6]。

其次，在生存分析模型应用方面。早期，Bane等(1986)主要使用单期生存分析模型研究动态贫困，主要用来估计不同持续时间的脱贫概率[7]。此后，Stevens(1999)建立起一种用于分析动态贫困的多期离散数据生存分析模型，将脱贫(Poverty Exit)与返贫(Poverty Re-Entry)放在一起研究，极大地拓展了生存分析在动态贫困研究领域的应用[8]。目前，有一系列文章运用生存分析模型来研究不同国家的动态贫困问题[9][10]。近几年，国内也有部分学者应用生存分析模型研究动态贫困问题，叶初升等(2013)利用生存分析模型研究发现持续贫困或持续非贫困的时间长度对贫困状态转换的影响，因选择绝对贫困线或相对贫困线而呈现不同的变动趋势[11]；孙晗霖等(2019)利用生存分析模型研究发现脱贫退出后的 2 年是防返贫监测的重点观察期[12]；陈永伟等(2020)利用生存分析模型研究发现有近15%的脱贫人口在间隔3～5年后会出现返贫现象[13]。

最后，国内关于返贫的研究主要集中在返贫影响因素分析和防返贫机制构建两个方面。有部分研究主要聚焦于特定人群的返贫风险研究，史志乐等(2018)研究认为应关注残疾人、妇女、儿童、老年人等脆弱性人群的健康脱贫问题，减少因病返贫风险[14]；段小力(2020)提出返贫与脱贫地区经济发展滞后、抵御风险能力较差、贫困户自我发展意识不足、制度不够完善等因素有关，强调通过脱贫地区基础设施建设和教育培训，可增强脱贫人口风险抵御能力[15]；章文光(2019)认为疾病、产业经营失败等造成的收入锐减和因重病、子女高额教育费用等支出剧增是返贫的主要成因[16]。也有研究聚焦特定地区的返贫问题，耿新(2020)将民族地区返贫因素归纳为能力缺失型返贫风险(因病、缺乏市场能力、缺乏就业技能等)、政策性返贫风险(虚假脱贫等)、环境性返贫风险(自然灾害、疫情等)、发展型返贫风险(因教返贫、发展意识不足等)[17]；吕锐利等(2019)对平顶山市因病返贫问题研究表明，“因病致贫和因病返贫”的前五种疾病依次为：脑血管病、重性精神病、糖尿病、慢性阻塞性肺气肿、关节病，认为应通过建立基层卫生服务机构定期随访机制，控制疾病恶化、减轻患者医疗负担[18]；冯丹萌等(2019)对黑龙江、湖北、湖南三省四县的农户进行调查研究，认为应重点从产业可持续性出发，巩固低收入人口脱贫成果[19]。

综上所述，国内在返贫问题的定量研究方面依然比较欠缺，而不同国家的返贫规律具有特殊性，针对其他国家返贫问题的研究结果并不能完全反映我国具体返贫特征规律，且国外也很少有文献专门研究返贫问题。本文利用生存分析模型聚焦返贫风险研究，填补了国内返贫定量研究的短缺，并根据定量分析结果提出针对性防返贫措施，对当前防止规模性返贫具有一定的现实意义。

二、理论假设与研究思路

(一)理论假设

返贫是指摆脱贫困后再次陷入贫困的一种现象，而致贫是指由非贫困转入贫困的过程。两者既有联系也有区别，返贫研究不能离开致贫原因研究，但也不能局限于致贫过程，本文的理论基础源于返贫与致贫的异同点分析。历史上，人们对于致贫原因的认识有过几次重大变化，18世纪以前，贫困被认为是穷人自己的特性导致的，比如懒惰、思想脆弱、高生育率等，而且贫困被认为是经济发展的基础。18世纪以后，人们逐渐认为贫困是外部环境所致，而且消除贫困有利于经济发展。20世纪以来，产生了一系列解释贫困的理论，如人力资本理论、经济结构理论、生命周期理论等。但直到21世纪初，学者们依然对贫困的理论不满意，认为已有文献缺乏关于贫困的一般性理论[20]。因此，有许多学者致力于归纳致贫原因，试图提出具有普适性的贫困问题研究框架，David Brady(2019)就将致贫原因划分为三类：行为因素、结构因素、政策与政治因素[21]，这三类致贫因素中有部分同时也属于返贫因素，但也有部分并非返贫因素。

第一，返贫因素与致贫因素的相同之处。行为致贫理论和结构致贫理论中应用最广的是人力资本理论，该理论解释了个人在人力资本(教育、培训)方面的投资行为和个人的终生收入结构。个人在年轻时接受教育和培训，会损失直接成本(如学费)和沉没收入成本(如没有挣的工资)，但在未来会得到更高的收入补偿。而对于那些预计未来工作时间较短或工作机会很少的人来说，他们会较少投资教育和培训，从而导致低工资。如果家庭已经摆脱贫困，说明低教育水平已不是贫困的原因，但是如果出现市场结构升级导致就业技能不匹配，低教育水平人口就会面临更大的失业风险，从而出现返贫现象。根据人力资本理论终生收入结构，年轻时的收入一般较低，随着年龄增长收入会增加，但当接近退休年龄时，收入往往会下降。可以看出，行为致贫理论与结构致贫理论往往是相互关联的，行为致贫因素在结构改变时会产生返贫问题。

第二，返贫因素和致贫因素的不同之处。某些致贫因素并非返贫因素的原因主要有两个方面。一方面，脱贫意味着家庭具备了摆脱贫困的条件，如已具备克服自然约束、经济环境约束等，其再次陷入贫困可能是由于新的负外部冲击所致，也有可能是失去政策保护且内生动力不足所致；而致贫的原因则更多，如历史原因、自然禀赋不足、社会经济环境不稳定等。另一方面，返贫重点关注已脱贫人口，如我国脱贫攻坚后防止规模性返贫的重点对象是脱贫户；而致贫研究的对象则更加广泛，既包括已脱贫户，还包括边缘户。

返贫和致贫的一个重要区别是返贫家庭曾经历了贫困阶段，贫困持续时间会影响返贫的风险。致贫因素三分法中，行为因素理论集中于动机和文化驱动的个体行为；结构因素理论强调人口结构和劳动力市场，结构因素同时也影响个人行为；政策与政治因素理论认为权力和制度产生政策，政策可能引致贫困，政策也调节个人行为与贫困之间的关系。结构致贫因素和政策与政治致贫因素对贫困的影响很容易度量，因为贫困对经济结构、人口结构和政策没有反向作用。但是，行为致贫的测度则非常困难，因为在行为导致贫困的同时，贫困反过来也会影响贫困人口的行为，而且贫困人口动力和文化自身就难以测算。动态贫困研究可以很好地处理贫困与行为之间的关系。在第一个贫困期，贫困持续时间越长，那么贫困对贫困人口的认知和行为影响就更大，如产生懒惰、福利依赖等，从而导致在脱贫后也会面临更大的返贫风险。根据路径依赖理论，Hartell(2013)认为某种模式和轨迹是从其自身的历史发展而来的，是早期频繁随机事件的积累，其中包含了发展动力和方向的自我强化机制[22]，而返贫具有类似的动力机制，我国许多脱贫人口是在国家扶贫政策下实现脱贫，脱离脱贫路径的动力不足，可能会提高返贫的风险。因此，本文提出如下假设：

假设1：贫困持续时间越长，摆脱贫困后的返贫风险越高。在摆脱贫困后，脱贫持续时间越长，则返贫风险越低。

根据贫困脆弱性理论，黄承伟等(2010)提出抵御风险能力弱是返贫的关键因素[23]，徐志明(2009)提出农户抵御风险能力主要由其拥有的资产决定，包括人力资产、物质资产、社会资产、公共资源以及公共物品等[24]，资本是家庭收入高于支出的长期积累。从经济学的角度来看，农户会根据自己的偏好，在积累资本和提高当前消费之间进行权衡，当农户重视当前享受时，就会在收入上升时提高消费。因此，农户高收入并不必然产生高资产，而高收入也有可能导致高消费，在收入波动增大时更加容易陷入贫困。杨天宇等(2015)研究发现，中国低收入阶层的储蓄率稳定地高于中等收入阶层和高收入阶层[25]。从现实观察也可发现我国的农户具有高储蓄的倾向，尤其是有家室的家庭。结合我国农户储蓄特征和资本的抵御风险能力，本文提出如下假设：

假设2：农户摆脱贫困时的收入越高，则其返贫的风险越低。

(二)研究思路

本文利用了完整的贫困持续时间段和脱贫持续时间段研究返贫，通过存在路径依赖的动态返贫研究结构图描述一次脱贫事件和一次返贫事件，结果变量y1、y2表示脱贫或返贫事件是否发生。以脱贫结果y1为终点的贫困持续时间受到贫困影响因素x1的影响；以返贫结果y2为终点的脱贫持续时间受到当期贫困影响因素x2的影响，也受到贫困持续期Dp的影响，即路径依赖性。

三、模型与数据

(一)模型

1.离散时间比例风险模型。本文使用的数据为CNHS数据，每隔2～4年统计一次，数据类型为离散型数据，因此本文使用离散时间生存分析模型。tj表示离散时间随机变量，将连续时间划分成n个时间段[0-t1), [t1-t2),…,[tk-tk-1),…，[tn-1-∞)，并假设每一个时间段内的贫困或非贫困状态不发生变化。调查发生在每一个时间段的开始时期，调查收入是否高于绝对贫困线决定脱贫、返贫、持续贫困、持续非贫困等四种贫困转换事件：(1)脱贫：贫困—非贫困；(2)陷入贫困：非贫困—贫困；(3)持续贫困：贫困—贫困；(4)持续非贫困：非贫困—非贫困。本文将第二次陷入贫困事件定义为返贫。比如，家庭i在进入调查时(0时刻)为非贫困状态，在t1时刻陷入贫困，在tk时刻脱贫，在tk+j时刻第二次陷入贫困，即返贫。则定义[t1-tk)为贫困持续时间，[tk-tk+j)为脱贫持续时间，t=tk+j-tk为生存分析时间。对于一个完整的返贫风险动态研究，需要应用脱贫之前的家庭贫困历史事件信息，本文用H表示,则脱贫持续期的返贫风险函数可以表示为：

λi(t|x,H)=Pi(T=t|T≥t,x,H)

(1)

对于返贫风险函数模型，需要考虑三个问题：(1)风险函数的时间依赖性，用参数θ表示;(2)风险函数的历史路径依赖性，用参数α表示；(3)其他解释变量的影响，用参数β表示。根据贫困持续时间与致贫因素的相关性，我们将脱贫前的贫困信息简化为贫困持续时间，即将H简化为贫困持续时间Dp。于是返贫风险函数(1)可以简化为：

λi(t|x,H)=λi(t|x,Dp;θ,α,β)

(2)

本文同时研究返贫风险的时间依赖性、路径依赖性和其他返贫因素等三方面问题，采用了补对数—对数(cloglog)离散时间比例风险模型:

(3)

(4)

其中,f(t)代表基准返贫风险函数,是脱贫持续时间的函数，用来研究风险函数时间依赖性，本文采用参数模型和分段固定风险模型两种形式估计基准返贫风险。

第一，参数模型下，f(t)=θln(t)，当θ=0时，不存在时间依赖性，即返贫风险与脱贫持续时间无关；当θ<0时，存在负向时间依赖，即返贫风险随着脱贫持续时间递减；当>0时，存在正向时间依赖，即返贫风险随着脱贫持续时间递增。风险函数可以写为：

(5)

第二，分段固定风险模型下，将脱贫持续时间分为L个小区间(0=τ1<τ2<τ3…τL)，设Dl={t|τ1

(6)

2.不可观测异质性模型。在返贫研究中，虽然可以控制多个层面的解释变量，但并不能包括所有的家庭特征信息，有些不可观测的变量可能是影响返贫的关键因素，这就造成了不可观测异质性问题。如果不处理不可观测异质性问题，往往会造成系数回归结果出现偏误。将不可观测的异质性引入模型时，补对数—对数(clogclog)离散时间比例风险模型可写为：

(7)

μi代表不可观测的异质性，当μi较大时，家庭i更弱质，返贫的风险更大，反之亦然，本文利用参数形式和非参数形式两种模型估计不可观测异质性返贫风险模型，参数模型下，假设μi服从正态分布(normal)或伽马分布(gamma)。

另一种非参数估计模型是由Heckman和Singer(1984) 提出的不可观测异质性非参数模型[26]，其基本思想是不可观测异质性分布是由不同类别潜在风险群体决定的，模型需要估计不同类别群体分布和样本落入不同群体的可能性。假如存在两个潜在类别群体，我们可以让两个类别的群体的截距项不同：

Cloglog[λ1(t|x,Dp)]=f(t)+αDp+X′β+μ1for type1

(8)

Cloglog[λ2(t|x,Dp)]=f(t)+αDp+X′β+μ2for type2

(9)

如果μ2>μ1，那么我们认为类型2群体比类型1群体更容易返贫。用π表示样本属于群体1的可能性，c表示是否右截尾变量，那么似然函数可以表示为：

L=πL(μ1)+(1-π)L(μ2)

(10)

其中，

(11)

(12)

(二)数据来源及处理

1.数据介绍。本研究使用数据主要来源于中国健康与营养调查数据(CHNS)和《中国统计年鉴》。CHNS调查数据由中国疾病预防控制中心营养与食品安全所与美国北卡罗莱纳大学人口中心合作展开，分别于1989年、1991年、1993年、1997年、2000年、2004年、2006年、2009年、2011年和2015年在9个省份的代表地区进行了10轮同一群体追踪调查，9个省份分别为：辽宁、黑龙江、江苏、山东、河南、湖北、湖南、广西、贵州。

2.使用该数据的优劣势。该调查采用多阶段整群随机抽样的方式，数据具有较强的连续性，能够较好地反映中国贫困动态变化过程，契合返贫研究的动态性和周期性，国内外有大量动态贫困研究采用了这一数据[27][28]。CHNS数据用于返贫问题研究有几个优势：首先，CHNS为追踪数据，可以用来研究同一群体的动态贫困问题；其次，追踪数据有利于研究贫困人口在受到外部冲击时的贫困状态变化；最后，农村家庭收入在短期内发生大幅度变化的可能性较小，因此研究返贫问题就需要较长的时间跨度，而长达25年的CHNS追踪数据非常适合研究我国返贫的深层次机制。但是该数据的调查周期跨度在2～4年不等，也会造成两个问题：一是持续时间段的测量误差，二是较大的调查时间跨度可能低估贫困状态转换频率，进而低估返贫风险。但综合来看，CHNS依然是从路径依赖和风险冲击角度研究返贫风险问题可获得的较好数据。

3.贫困持续时间和脱贫持续时间的处理过程。将首次进入调查的家庭分为贫困户(P)和非贫困户(N)。假如某两个家庭于1997年进入调查，追踪到2015年，那么调查年份行向量x=(1997，2000，2004，2006，2009，2011，2015)。首先，对于首次调查为贫困的家庭，如家庭1的贫困状态调查结果为x1=(P，N，N，P，P，N，P)。那么该家庭2000脱贫，2006年返贫，2011年脱贫，2015年再次返贫。考虑到我们需要研究贫困持续时间对返贫的影响，而该家庭1997年前的贫困状态未知，无法准确计算贫困持续时间，因此本文不使用2000—2006年的脱贫持续时间；第二次返贫发生在2015年，而2006—2011年的贫困持续时间相对准确，所以本文研究使用2011—2015年为脱贫持续时间。其次，对于首次调查为非贫困的家庭，如家庭2的贫困状态调查结果为x2=(N，N，N，P，P，N，P)，那么该家庭2006年陷入贫困，2011年脱贫，2015年返贫。2006—2011年的贫困持续时间相对准确，所以本文研究使用2011—2015年为脱贫持续时间。

根据前面贫困持续时间和脱贫持续时间构建过程，我们较好地度量了贫困持续时间，尽量减少了测量误差。但是因样本退出调查或2015年调查时仍然未返贫等原因，脱贫持续时间数据依然存在右截尾的问题。

4.数据清理过程。首先，仅保留参加两轮以上调查的农村地区家庭数据。其次，考虑到CHNS的调查间隔时间较长，如果连续两轮未参加调查，其间贫困状态转换可能较为复杂，如果简单使用插值法，造成测量偏误的可能很大，因此对此后再追踪到的数据做删除处理。如果只缺失一轮数据，则对该轮数据做插值处理，连续变量(如收入、城镇化指数等)使用线性均值插入，类别变量(如婚姻状态等)插入前一轮的调查数据。

(三)贫困指标与变量选取

1.贫困指标使用绝对贫困。CHNS数据提供了CPI折算到2015年的每年家庭人均收入，这为跨时间维度上的贫困比较提供了便利，本文采用2015年国家贫困线(2800元)作为绝对贫困指标，用年家庭人均收入减去2800元，大于或等于0为非贫困，小于0则为贫困。

2.主要解释变量。本文使用脱贫前贫困持续时间分析返贫的路径依赖问题；使用脱贫时收入水平分析不同收入水平的返贫概率；引入脱贫年份，固定时间效应，研究在不同年份脱贫是否有不同的返贫风险；本文使用省份年度农业受灾率分析因灾致贫；使用家庭患重病人数分析因病致贫；使用外出上学人数分析因学致贫。

3.其他控制变量。户主层面包括户主教育程度、年龄、是否有配偶；家庭层面包括抚养儿童(18岁以下)数量、赡养老人(65岁以上)数量、家庭劳动力占比、家庭规模、家庭外出打工人数等；社区层面包括社区城镇化指数。具体指标参见下页表1。

表1 解释变量定义和描述

四、实证结果

(一)离散时间比例风险模型回归结果

下页表2为未处理不可观测异质性的补对数—对数(cloglog)离散时间比例风险模型估计结果，其中参数风险模型为公式(5)的估计结果，分段固定风险模型为公式(6)的估计结果。通过模型(1)和模型(3)的AIC准则比较可知，参数模型具有更好的拟合性质。模型中同时汇报了系数和风险比率，系数可解释为半弹性，即x增加1单位，将使风险函数增加百分之100β；风险比率表示x增加1单位将使新风险变为原来风险率的(eβ)倍。

表2 离散时间比例风险模型估计结果

1.负向时间依赖性。模型(2)为时间依赖性的完全非参数估计，系数呈递减趋势，说明返贫具有负向时间依赖，拟合的返贫风险率(1-exp(-exp(β))分别为0.23、0.15、0.14、0.10。从模型(1)来看，在控制其他变量时，参数模型的基准风险系数(-0.585)显著小于零，表明返贫风险具有负向时间依赖性，说明随着脱贫持续时间增加，其返贫风险越低，这与本文假设1相一致。

2.正向路径依赖性。在模型(1)中贫困持续时间的系数(0.027)显著为正，表示贫困持续时间每增加1年，其返贫风险将增加2.7%。模型(3)的系数虽然也为正，但并不显著，我们认为可能是由于分段后变量之间的多重共线性所致。考虑到模型(1)相较于模型(2)具有更好的拟合性，可认为返贫风险具有正向路径依赖性。实证结果与本文假设1相一致。

3.脱贫时低收入群体具有更高的返贫风险。模型(1)和模型(3)中，低收入组的系数均显著为正，其风险比率分别为1.217和1.266，表示低收入群体的返贫风险是高收入群体的返贫风险的1.2倍以上。整体来看，脱贫时期的收入水平能够在一定程度上决定返贫风险，表明当前用贫困线的1.5倍作为返贫监测线具有合理性。这一实证结果与本文假设2相一致。

4.城镇化水平具有显著的防返贫效应。模型(1)和模型(3)中城镇化水平估计系数均为-0.008，且均显著，表示城镇化指数每提高1个单位，其返贫风险将下降0.8%。城镇化水平的提高，可以促进产业发展，提供更多就业岗位，可以促进公共设施建设，提供更好的公共服务，减少脱贫人口返贫风险。实证结果表明城镇化具有显著的防返贫效应。

5.具有哪些特征的家庭更容易返贫。第一，脱贫年份系数显著为负，表明脱贫年份越往后，其返贫的风险越低。第二，在户主层面控制变量中，模型(1)中的户主年龄系数显著为正，这与人力资本理论相符，随着年龄增加，其收入水平会出现下降，抵抗风险冲击能力下降，返贫风险增加。第三，在家庭层面控制变量中，抚养儿童数量、赡养老人数量的系数在两个模型中均显著为正。抚养儿童数量的系数分别为0.177和0.161，表示多抚养一个儿童，将使返贫风险增加16%以上。赡养老人数量的系数为0.146和0.156，表明多赡养一位老人将使返贫风险增加14%以上。可见，在家庭层面，抚养儿童和赡养老人数量是影响返贫的关键因素。第四，本文虽然控制了农业受灾率对数、患重病人数、外出上学人数来研究因灾致贫、因病致贫和因学致贫等风险因素，但是其系数为负，表明这些致贫因素具有更低的返贫效应，这与现实不符，但系数并不显著，所以本文不做深入讨论。

(二)不可观测异质性风险模型回归结果

考虑到不可观测异质性可能造成回归系数出现偏误，本文将不可观测异质性风险模型回归结果作为上述回归结果的稳健性检验。上页表3和表4为考虑不可观测异质性的三个模型估计结果。回归结果表明存在不可观测异质性，根据AIC准则，模型(6)具有更好的拟合效果。第一，时间依赖性变为正向，这在持续时间模型中较为常见，往往意味着在未考虑不可观测异质性时，模型可能具有虚假的持续时间依赖性，但因为其估计结果并不显著，所以我们并不能否定返贫具有负向持续时间依赖。第二，从路径依赖来看，各个模型的贫困持续时间的系数依然显著为正，且系数比未考虑不可观测异质性时更大。模型(6)中系数为0.065，表示贫困持续时间每增加1年，返贫风险提高6.5%。第三，低收入群体表现出更强的返贫风险，而且低收入群体返贫风险是高收入群体的1.4倍。第四，脱贫年份依然表现出显著的负效应，这在一定程度上说明了，随着我国扶贫的不断深化，脱贫的可持续性越来越强。第五，抚养儿童数量、赡养老人数量、城镇化指数的系数在几个模型中均显著，且与未控制不可观测异质性模型相一致，限于篇幅，本文不再汇报其结果。

表3 正态分布和伽马分布不可观测异质性模型估计结果

表4 非参数最大似然(NPML)不可观测异质性模型

五、结论与建议

本文基于1989—2015年CNHS数据，通过离散时间生存分析模型研究了我国农户返贫的风险因素，重点关注贫困持续时间、脱贫时收入水平对返贫的影响，同时还研究了不同人群特征对返贫风险的影响，主要得出以下结论：返贫具有负向持续时间依赖；返贫对贫困持续时间有显著的路径依赖性；脱贫时低收入人群具有更高的返贫风险；抚养儿童数和赡养老人数较大的家庭具有更高的返贫风险；城镇化水平具有显著的防返贫作用。根据研究结论，本文提出以下针对性防返贫措施。

第一，提升脱贫户内生动力，切断贫困路径依赖。贫困持续时间会影响贫困人口的行为和态度，产生贫困自我强化机制，而脱贫是一种路径创造。在实现脱贫后，持续贫困产生的负面态度和行为依然会起到导致返贫的作用。因此，在巩固拓展脱贫攻坚成果中，要关注那些曾长期处于贫困状态的家庭，通过激励机制，提升其内生动力，隔断对贫困的路径依赖，加强脱贫路径强化机制，从而实现脱贫的可持续性。

第二，精准识别不同收入群体，分类实施返贫监测策略。我国当前执行的返贫监测线能够识别高返贫风险群体，这部分低收入人口是防返贫和巩固脱贫成果的关键。但是不可否认，高于防返贫监测线的脱贫群体也有返贫的风险。因此，为了防返贫监测的全面性和高效性，防返贫监测可实施差异化监测策略。对于纳入防返贫监测的群体应该重点关注，提高监测频次；而对于不符合防返贫监测标准的家庭，也应予以监测，但可降低监测频次，重点监测发生家庭结构变动、产生致贫事件以后的收入变动情况。

第三，完善农村养老保险制度，提高农村托幼服务水平。如果家庭中有更多的老人和儿童，将限制劳动人口外出就业，限制家庭增收渠道。当前，我国已经实施三孩政策，这对于防返贫形成了一定的挑战。我国农村养老金较低，在农村老人不能参加农业生产以后，会极大增加家庭支出负担。在巩固拓展脱贫攻坚成果中，应该重点关注儿童多、老人多的家庭，适当提高农村养老保险支付水平，建立农村托幼服务机制，消除低收入人口外出就业的家庭顾虑，创造外出就业机会，提升低收入人口整体收入水平。

第四，大力推进新型城镇化建设，更好实现城乡融合发展。更高的城镇化水平意味着家庭可以更容易接触到外部市场，也意味着更多的就业机会。当前我国城镇化率超过63%，这对于巩固拓展脱贫成果和全面推进乡村振兴具有重要作用。在未来，仍需进一步推进城镇化建设，促进城乡融合发展，为低收入人口增收提供可持续的外部环境。