脱贫农户的收入不均等状况及其影响因素研究——来自幕阜山区S县的证据

○陈志 许佳慧 吴海涛

（1湖北省社会科学院经济研究所，湖北 武汉 430077；2中南财经政法大学工商管理学院，湖北 武汉 430077）

一、引言

当前，我国已经实现了第一个百年奋斗目标，全面建成了小康社会，历史性地解决了绝对贫困问题，正在朝着第二个百年奋斗目标迈进[1]。但绝对贫困问题的解决并不意味着中国反贫困事业的终结，以收入不均等为代表的相对贫困问题会进一步凸显出来。国家统计局住户调查数据表明，二十世纪八十年代初至二十一世纪初期，全国居民收入基尼系数从0.31上升到0.45，农村居民收入基尼系数从0.25 上升到0.36。2007 年至2017 年，虽然农村人均实际收入翻了一番，年均增速也高达12.9%，但基尼系数却从2007 年的0.37 上升到2017 年的0.47，农村内部收入最高的10%人群与收入最低的10%人群之间的收入比从12.5 倍上升为15.5 倍[2]。据国家统计局公布的农村居民人均可支配收入五等份分组数据显示①数据来源：国家统计局.中国统计摘要(2019)[M].北京：中国统计出版社，2019.，2013年中国农村居民高收入组与低收入组的人均可支配收入比值为7.4∶1，这一比值在2018年扩大至9.3∶1。由此可见，我国农村收入不均等问题形势还相当严峻。缓解脱贫农户收入不均等状况将成为巩固拓展脱贫攻坚成果及全面推进共同富裕时期的“当务之急”。

鉴于此，本文拟基于幕阜山区S县的调查数据测度当前脱贫农户收入不均等状况，并剖析影响脱贫农户收入不均等的核心因素，以期对缓解脱贫农户收入不均等状况提出有针对性的对策建议，确保脱贫攻坚与乡村振兴的稳步衔接，并为推动共同富裕提供有益参考。

二、文献回顾与理论基础

（一）文献回顾

在收入不均等程度测度方法的研究历程里，PARETO[3]在其分布函数中首先使用指数α来度量收入分配的状况。PARETO 认为所有的收入分布都服从帕累托分布，但是实证检验结果表明，PARETO分布能够很好地拟合高收入群体，而非整个收入群体的分布。在此基础上，GINI（1910）基于洛伦兹曲线提出了一个比α更全面的指标，并于1914年提出了著名的基尼系数。这一测度方法由于其很好地诠释了洛伦兹曲线的内涵而为众多学者所接受，并最终成为了使用最多的衡量指标。

除基尼系数外，THEIL[4-5]基于信息理论中的熵概念所提出并扩展的广义熵指数也成为了学术界使用相对广泛的测度指标之一，这一指数由于受样本容量的影响较大而经常与基尼系数合并使用。为使测度指标能够更为有效地反映社会福利水平的变化，ATKINSON[6]基于社会福利函数首次提出了不均等状况的衡量指标，即阿特金森指数。阿特金森指数和广义熵指标实际上存在着对应的单调转换关系，且广义熵指标中常用的指数也能用于不均等的分解。除上述指标外，度量收入不均等程度的指标还有相对离方差、变异系数、罗宾汉指数、广义的基尼系数等[7]。

关注农户收入不均等状况的同时，探究其背后的影响机制是缩小收入差距的途径和方法。大量研究表明，农户的收入不均等程度受多种因素影响。理论上而言，人力资本对脱贫农户可能会产生非常强的促收效应，人力资本不仅可以通过提高农民劳动生产率来促进工资增长，而且还体现在增加劳动力的非农参与机会上。大多学者认为教育对家庭收入差距的作用是非线性的[8-9],我国不同教育阶段的教育回报率随收入水平的变化呈现不同的变动特征,家庭平均受教育水平过低或者过高都有可能带来收入差距的加大。中国农村家庭不断上升的疾病发病率不仅阻碍了健康人力资本的积累，而且还承受着沉重的医疗费用负担所带来的农村家庭过度负债和因病致贫的风险。相比于中高收入人群，灾难性卫生支出通过健康状况降低收入水平对低收入人群的作用强度更大[10]。有学者认为劳动力流动能够提高农村居民收入水平，一定程度上缩小农村居民的收入差距[11]。

此外，大量研究发现，社会资本是缓解收入不均等加剧趋势的重要均衡器，具有显著的减贫效应并能缩小农户间收入不均等程度[12-14]。然而，部分学者发现，以社会网络表征的社会资本是“富人的资本”，社会资本甚至会加大居民间的收入不均等程度，这是因为富人拥有的财富与社会资本具有更强的增收效应[15]。杨晶等[16]将社会资本分为纽带型、桥梁型和连接型三类，并分别以“亲戚经济支持”“人情礼支出”和“个体劳动者协会或工会”相关变量来刻画其大小。人情资源对高收入群体的回报率更高，人情资源有扩大城市居民收入差距的作用趋势[17]。但小额信贷较好地发挥了缩小城乡收入差距的作用，且在经济发展水平较低时尤为明显[18]。同时，促进农村产业融合发展和参与合作社有利于缩小城乡收入差距，农村产业融合发展显著强化了农村经济增长和城镇化对缩小城乡收入差距的积极作用[19]，而贫困户参与合作社扶贫对贫困户家庭的人均收入、农业生产性纯收入、工资性收入、转移性收入均具有正向影响[20]。

学者们围绕收入不均等问题取得了较为丰硕的研究成果，遗憾的是，多数文献仅利用某个单一指标度量收入不均等程度，比如变异系数、基尼系数或泰尔指数等，而各指标由于性能的不同，测度的结果可能不一致。此外，研究脱贫农户收入不均等影响因素的文献较少，且已有文献大部分是利用国家层面和省级层面的数据。

（二）理论基础

收入分配理论指出，土地、劳动和资本是影响脱贫农户收入不均等的首要因素。古典经济学家曾对分配理论给予极高的重视，侧重于讨论土地、劳动和资本三种生产要素之间的收入分配。收入分配理论认为，收入由各种有关生产要素共同创造，各个要素的所有者分别依据这些要素各自提供的生产性服务，取得各自的收入：劳动的所有者得到工资、资本的所有者得到利息、土地的所有者得到地租。生产要素所有者在经济活动中提供的生产要素的服务是他们的收入来源，在提供生产要素服务之后，总收入中有一定的份额归属于各个生产要素所有者，土地、劳动和资本在分配过程中影响着农户的收入归属份额。

二十世纪六十年代，美国经济学家舒尔茨和贝克尔创立人力资本理论，开辟了关于人类生产能力的崭新思路。该理论认为人力资本是体现在人身上的资本，即对生产者进行教育、职业培训等支出及其在接受教育时的机会成本等的总和，表现为蕴含于人身上的各种生产知识、劳动与管理技能以及健康素质的存量总和。人力资本的强弱关系到脱贫农户的谋生能力和收入水平高低，进而影响农户收入不均等状况。一般而言，教育、健康和劳动力会有助于拓展脱贫农户从事非农活动的能力和非农就业渠道，影响就业机会和经济地位，进而使得农村内部收入不均等程度更低。

同时，社会资本较高有助于提升脱贫农户的社会资源可获得性，从而拓展自身的发展空间，对农户的收入分配变动产生影响。LOURY[21]从社会结构资源对经济活动影响的角度出发，首次提出了与物质资本、人力资本相对应的一个崭新的理论概念——社会资本。在他看来，社会资本是诸种资源之一，存在于家庭关系与社区的社会组织之中，是指个体或团体之间的关联——社会网络、互惠性规范和由此产生的信任，是人们在社会结构中所处的位置给他们带来的资源。社会资本有助于农村居民获取充分的就业信息，进而获得优质的工作机会和较高的收入水平。对于拥有较多社会资本的父代来说，其自身可以更容易获得高水平收入，并通过影响子代的受教育程度和职业选择帮助子代也获得较高的收入水平[22]。

本文在已有文献的研究基础上，结合收入分配理论、人力资本理论和社会资本理论，利用幕阜山区S 县的调查数据，运用基尼系数、泰尔指数和阿特金森指数联合测度法和RIF回归方法，揭示目前脱贫农户收入不均等的状况，厘清影响脱贫农户收入不均等的因素，根据研究结论为缓解我国农村收入不均等程度提出政策建议。

三、收入不均等的程度测算

（一）方法选取

测量不均等的指标可以大致分为绝对指标和相对指标，目前学界应用较为广泛的是通过相对指标测度收入不均等。其中，代表性的指标有基尼系数、泰尔指数和阿特金森指数[23]。

二十世纪初意大利经济学家基尼于1922年提出了定量测定收入分配差异程度的指标，即基尼系数。其计算公式如下：

式（1）中，X代表各组的人口比重，Y代表各组的收入比重，v代表各组累计的收入比重，i=1，2，3，…,n，n代表分组的组数。

THEIL 基于信息理论中的熵理论提出了关于收入不均等的泰尔指数度量方法。泰尔指数可以用来衡量一个国家地区间的收入差异（或其它差异），其文字公式表示为各地区的收入份额与人口份额之比的对数的加权和，权数为收入份额。数字公式如下：

式（2）中，T是泰尔指数，Ii是第i个地区的收入，I是总收入，Pi是第i个地区的人口，P是总人口。泰尔指数≥0，指数值越小，不均等的差异就越小。

阿特金森指数是诸多收入不均等测度指标中明显带有社会福利规范观点的一个指数。其数学公式如下：

式（3）中x*是认为被所有人都能接受的人均收入水平，μ为平均收入。从该指数可以看出，社会收入分配越公平，则x*越接近μ，阿特金森指数值也就越小。对于任何分布而言，阿特金森指数值的取值范围为0～1，其中0 代表社会达到了收入的完全公平分配。

（二）数据来源及结构

本文使用的数据来源于笔者所在研究团队于2020 年7 月中旬在幕阜山区S 县进行的贫困户脱贫质量调研。S县位于幕阜山区，属于贫困深度较大的连片特困地区，于2018年底实现全县“脱贫摘帽”，全县建档立卡贫困人口均实现了现行标准下的脱贫。本次调查覆盖S县全部13个乡镇，调查对象仅涉及脱贫农户，采取分层随机抽样的方法确定样本村和样本脱贫农户，进村入户后对抽取到的脱贫农户户主或其成年家庭成员进行问卷调查。主要调查其脱贫前后的政策享受情况与生计状况。本次调查发放1 034 份问卷，筛除有缺失值和极端值的样本后，保留有效问卷1 034 份。抽样结果显示，本次调查具有较好的代表性。

实地调查内容主要包括以下方面：户主及家庭基本情况、“两不愁”和“三保障”情况，产业扶贫、转移就业扶贫、扶贫小额信贷等扶贫政策享受情况，2014 年和2019 年的家庭收入登记及收入来源，驻村帮扶、脱贫退出认可度、脱贫前后风险与生计资本对比等，具体内容如表1所示。

表1 幕阜山区S县实地调研数据调查内容

（三）脱贫农户收入不均等状况

对于脱贫农户收入不均等的测度采取基尼系数、泰尔指数和阿特金森指数三种指标。其中，脱贫农户的收入包含人均纯收入及各分项收入。本文将分别测度调查样本中脱贫农户在2014年和2019年的收入不均等状况，并根据结果进行系统分析。

表2展示的是筛除极端值样本后，样本贫困户在2014年各收入类型的不均等度量。需要指出的是，当年样本贫困户都未脱贫，还属于建档立卡贫困户。在当年，样本贫困户人均纯收入的基尼系数为0.52，工资性收入的基尼系数为0.48，经营性收入的基尼系数0.39，转移性收入的基尼系数为0.43，财产性收入的基尼系数为0.04。在国际惯例中，基尼系数大于0.5 时表示收入差距悬殊，在0.40～0.50 之间表示收入差距较大，在0.30～0.40 之间被视为收入相对合理。由此可见，2014年，样本贫困户人均纯收入差距较为悬殊，工资性收入和转移性收入差距较大，经营性收入差距尚可，但财产性收入却过于平均，原因在于93.3%的样本贫困户的财产性收入为0。

表2 2014年脱贫农户各项收入的不均等程度

泰尔指数越大表明收入差距越大。由表2 中的泰尔指数可知，样本贫困户从工资性收入差距、转移性收入差距、经营性收入差距到财产性收入差距依次缩小。同时，因阿特金森指数具有洛伦茨准则一致性，所以表2中样本贫困户阿特金森指数结果和基尼系数结论显示的差距程度具有一致性。

表3展示的是筛除极端值样本后，样本农户在2019 年各收入类型的不均等度量。需要指出的是，样本农户此时均已脱贫。由表3 可知，2019 年脱贫农户人均纯收入的基尼系数为0.42，经营性收入、转移性收入、工资性收入、财产性收入的基尼系数分别为0.48、0.46、0.37 和0.36。可见，脱贫农户人均纯收入、经营性收入、转移性收入差距较大，工资性收入和财产性收入差距较合理。由泰尔指数得出，在各项收入中，经营性收入差距、转移性收入差距、财产性收入差距到工资性收入差距依次缩小。阿特金森指数结果除经营性收入差距和转移性收入差距与基尼系数结论有些许差异外，其他收入差距程度依然与基尼系数呈现一致性。

表3 2019年各项收入的不均等程度

以基尼系数为主要参照，对比2014 年和2019年样本农户的收入不均等测度结果发现，2019 年样本农户的人均纯收入差距、工资性收入差距较2014 年都呈现显著缩小的趋势；经营性收入和转移性收入的差距略有扩大，但都还在合理范围。财产性收入出现较大幅度增加，主要原因是脱贫后部分农户开始拥有了财产性收入。纵向对比结果再次验证了，脱贫攻坚工作确实取得了良好的工作成效——从整体上缩小了贫困户的收入差距。但就脱贫农户收入不均等（基尼系数）的绝对值看，尚处于差距较大的区间，若不及时科学应对，极可能出现一定规模的返贫，从而影响全面小康社会的质量。由此，必须要掌握影响脱贫农户收入不均等的核心阻碍因素。

四、收入不均等的影响因素分析

（一）模型构建

再中心化影响函数适用于衡量样本中解释变量某一处微小变化对被解释变量统计量分布的影响研究，RIF回归不仅能够反映出自变量对因变量的多种统计分布，而且能够更加有效地解决遗漏变量等带来的内生性问题。RIF的计算基于IF，是在IF 基础上加上原始的统计量构成的[24]。IF 具体的定义式如表达式（4）所示：

式（4）含义为样本发生微小的增加后，其统计量将发生的改变。RIF在IF的基础上，加上了在原分布中的相应统计量形成式（5）：

式（5）中，在给定原始分布和统计量时，RIF是被解释变量的函数。被解释变量旨在反映脱贫农户收入不均等程度，而衡量收入不均等程度的指标一般为基尼系数。因此，本文在此构建以脱贫农户收入或各分项收入基尼系数为被解释变量的RIF基准模型，具体形式如下：

为保证回归结果的稳健性，依次加入分类解释变量进入回归，形成表达式（6）至（8）。以上表达式中，GINI(lninc)表示脱贫农户年总收入或各分项收入的对数基尼系数，x1表示脱贫农户人力资本对应的变量，x2表示社会资本对应的变量，x3表示物质资本对应的变量。

（二）变量选取及描述性统计

1.变量选取

被解释变量：在基准模型中将脱贫农户年总收入和各分项收入对数的基尼系数作为被解释变量。在稳健性检验中选取总收入对数的方差作为被解释变量。

解释变量：将前文所述的影响农户收入不均等各因素作为解释变量。需要说明的是，由于此处分析的是脱贫农户收入不均等的影响因素，因此使用的数据为幕阜山区S 县调查数据中样本农户2019年的相关经济状况。根据问卷设计情况，在进行定量分析时使用“亲朋支持户数”变量来衡量“人情资源”因素，运用“是否发展产业”变量来衡量“产业融合”因素，最后将“户主性别”和“耕地面积”两个变量也加入回归模型，并将以上所有变量分为三类——人力资本、社会资本和物质资本。

具体地，根据样本特征和研究需要，本文在做回归分析时，在人力资本方面选取该脱贫农户的户主性别、户主健康水平、家庭成员受教育年限均值和家庭劳动力人数来衡量；在社会资本方面选取该农户能够给予资金支持的亲朋户数、是否借过扶贫小额信贷、是否独立发展了产业以及是否入股了合作社；物质资本方面则用耕地面积来代表。

2.描述性统计

相关解释变量的描述性统计结果如表4所示，在人力资本方面，样本中脱贫农户的户主性别81%为男性，户主健康水平分布在“非常差”到“非常好”之间，平均值为2.77，说明健康水平整体一般；家庭成员受教育年限均值为5.23，通俗来说，整体停留在小学学历水平；家庭劳动力人数均值为1.57，整体偏少。在社会资本方面，能够给予脱贫农户资金支持的亲朋户数量均值为2.42，中位数为2，说明该项分布不算平均；21%的脱贫农户借过小额信贷、38%的脱贫农户获得资本独立发展产业、8%的脱贫农户入股了合作社。在物质资本方面，户均耕地分布在0到5.31亩之间，均值为2.24亩。

表4 解释变量的描述性统计（2019年）

（三）实证结果分析

按照上述模型和变量设置，分别以脱贫农户总收入和各分项收入对数的基尼系数作为刻画收入不均等程度的被解释变量，基于幕阜山区S县脱贫农户2019年的相关数据依次进行RIF回归。

1.以总收入对数的基尼系数为被解释变量的回归分析结果

为保证回归稳健性，依次加入各变量得到模型5-1 至模型5-3，在以总收入对数的基尼系数作为被解释变量的情况下，得到回归结果如表5所示。

表5中，模型5-1至模型5-3拟合度不断增加，且核心解释变量的显著性和方向基本保持不变，基准模型的回归结果具有较强的稳健性。具体地，在人力资本方面，“户主性别”“受教育水平”和“劳动力”对总收入水平对数的基尼系数存在显著性的负相关，即户主为男性、家庭平均受教育水平越高、家庭劳动力越多的农户之间的不均等程度越小；同时，户主的“健康水平”对收入不均等程度的影响也是负向的。在社会资本方面，只有依靠资本“发展产业”对收入不均等程度有显著的负向影响，而“加入合作社”对收入差距的影响不显著。一般而言，“加入合作社”对农户收入具有显著的正向作用，而对其收入差距的影响不显著的原因可能在于“加入合作社”对农户收入的提高是较为广泛公平的，与其他个人和家庭因素无关。在物质资本方面，耕地面积越多则脱贫农户的收入不均等程度越小。

表5 总收入对数作为被解释变量的RIF回归结果（2019年）

考察各因素对收入不均等程度的影响，从宏观上看就是探究其对收入边际变化的影响。理论上，若该因素使得低收入农户的收入增速高于高收入农户，那么它就能缩小农户收入差距，反之，如果一种因素对高收入农户的增收效应高于低收入农户，那么它就会恶化脱贫农户的收入不均等程度。由回归结果可知，在人力资本方面，“受教育水平”“健康水平”和“劳动力”的增加可以缓解农户收入差距，并且它们能使低收入农户的收入增速高于高收入农户，在回报率上随着农户收入增加，会呈现出边际增速递减的趋势。人力资本状况越富裕的脱贫农户，其获得较高收入地位的可能性越大，对农户收入不均等具有抑制作用。在社会资本方面，“发展产业”对低收入农户的收入增加效应更明显。在物质资本方面，“耕地面积”也有同样的效果。总的来说，影响脱贫农户收入不均等的各项因素都是通过对低收入农户的收入增速高于高收入农户的路径来缩小农户间收入差距的。

2.以分项收入对数的基尼系数为被解释变量的回归结果分析

从上文对脱贫农户收入不均等状况的分析可知，对贫困农户的各分项收入而言，最主要的来源是工资性收入和生产经营性收入，转移性收入较少，财产性收入更是微乎其微。江帆和吴海涛[25]发现，探究如何缓解工资性收入和生产经营性收入对缓解脱贫农户收入不均等具有更直接的作用。在此，本文分别将年总收入对数、工资性收入和经营性收入对数的基尼系数作为因变量带入回归模型，依次建立模型6-1、模型6-2和模型6-3，回归结果如表6所示。

由表6可知，户主性别为男性对缓解脱贫农户收入不均等有着显著影响，对工资性收入和经营性收入不均等的影响并不显著；户主健康水平好对缓解脱贫农户总收入和工资性收入不均等有着显著正向影响，且对缓解工资性收入不均等的效果更为显著；家庭成员的受教育平均水平越高，也会显著缓解脱贫农户总收入和工资性不均等程度，且对总收入不均等的缓解效果更为显著；家庭劳动力人数越多，越能够缓解脱贫农户总收入和工资性收入不均等程度，但它对经营性收入差距没有显著影响。相反，“亲朋支持”和“小额信贷”的支持力度越大，对缓解贫困农户的经营性收入不均等有着显著正向影响。脱贫农户可以独立发展产业且家庭耕地面积越大，越能缓解脱贫农户的总收入和经营性收入不均等，但对工资性收入差距没有显著影响。是否入股合作社对脱贫农户收入不均等没有显著影响。

表6 各分项收入对数作为被解释变量的RIF回归结果（2019年）

（四）稳健性检验

1.更换收入不均等测度方法

为保证基准模型回归的稳健性和可靠性，将衡量收入不均等程度的被解释变量替换为脱贫农户总收入对数的方差，模型中其他解释变量与上文一致，RIF 回归具体结果如表7 所示。表7 的回归结果显示，户主性别为男性对收入不均等程度有显著的负向影响，在1%显著性水平上显著；“受教育水平”“劳动力”“亲朋支持”“发展产业”和“耕地面积”这些变量的增加都能有效缓解农户内部收入差距。唯一与基尼系数作为被解释变量时不同的是，“健康水平”对脱贫农户的收入不均等程度变得不显著了。

表7 更换测度后的DIF回归结果（2019年）

对比表5 和表7 可知，各解释变量系数符号基本未改变且保持显著性，与基准模型展示的回归结果一致，说明上述解释变量确实可以有效缓解农户内部收入差距，对脱贫农户收入不均等的影响具有稳健性。

2.更换回归方法

考虑到脱贫农户人均可支配收入为连续变量，因此本文将回归方法更换为最小二乘法（OLS），据此对基准模型回归结果进行稳健性检验。

表8 中，被解释变量为农户总收入对数，解释变量与基准模型一致。同样采取逐步加入变量的方式，先加入“人力资本”类别变量，再依次加入“社会资本”和“物质资本”类别变量，得到回归结果如表8中模型8-1至8-3所示。

表8 中模型8-1 至8-3 的回归判定系数均在21%以上，说明模型中变量能解释相当规模的脱贫农户收入变化情况，即回归结果具有一定的代表性和解释力。从全样本回归模型来看，“健康水平”“受教育水平”“劳动力”“耕地面积”的增加以及“发展产业”“加入合作社”对脱贫农户收入的增加（进而缓解收入不均等）具有显著的正向作用，与前文基准模型中的回归结果基本一致，充分证明了基准模型的回归结果具有较强的稳健性和可信度。

表8 各变量对总收入对数的OLS回归结果（2019年）

五、结论与建议

（一）研究结论

本文基于幕阜山区S 县调查数据测度了当前脱贫农户收入不均等状况，比较了脱贫前后不均等水平的变化，并剖析了影响脱贫农户收入不均等的核心因素，研究发现：脱贫农户收入不均等状况较脱贫前有较大缓解，但基尼系数、泰尔指数等系数的绝对值还处在偏大的区间，仍存在进一步缓解的空间，而脱贫农户的收入不均等状况主要受到人力资本、社会资本、物质资本等因素的影响。

具体地，在人力资本方面，户主为男性、家庭平均受教育水平越高、家庭劳动力越多、户主健康水平较好的脱贫农户收入不均等程度越低；在社会资本方面，有发展产业的脱贫农户间的收入不均等程度相对较低；在物质资本方面，耕地面积越多的脱贫农户，其收入不均等程度越小。

（二）政策建议

1.注重脱贫农户人力资本培育，不断提高脱贫农户可持续生计能力。提高农村基层医疗服务水平，方便脱贫农户就医，保障其健康水平；巩固落实各类教育扶贫政策，加强农村学校教师队伍建设，确保优质教学资源适当向相对贫困的山区倾斜；强化农业技能培训，培养新型职业农民，全面提升农村劳动力素质，促进相对低收入的脱贫农户持续增收。

2.强化脱贫农户社会资本保障。地方政府、农民专业合作社要帮助脱贫农户把控产业项目参与的质量，降低信贷资金投放的风险，提高资金的使用效率；政府和社会要加强对脱贫农户的技术培训，使其持久性地融入产业扶贫项目中；在激发脱贫农户发展产业内生动力的同时，跟进扶贫小额信贷资金的投放，为脱贫农户的产业发展提供资金支持，保障其稳定增收。

3.提升脱贫农户物质资本水平。耕地面积与农业收入密切相关，应完善耕地保护政策，通过工程技术措施等提升耕地总体质量，保证脱贫农户收入来源。确保脱贫农户的生计资本和生计能力稳定提升，进一步缓解收入不均等状况，实现稳定脱贫的目标。