脱贫农村家庭人均收入影响与返贫防控分析

2023-05-30钱鹏博程维朝江洋

中国集体经济 2023年1期

钱鹏博程维朝江洋

摘要：后脱贫时代，如何防止返贫、实现可持续性脱贫，已成为我国减贫事业的长期使命。文章基于亳州市谯城区、利辛县2020年脱贫人口微观调查数据，从家庭抚养比的视角，运用多元回归与Logit模型研究家庭人口结构特征对家庭人均收入的影响，同时对亳州市谯城区、利辛县当地是否存在政策环境型返贫风险进行分析。研究结果表明，家庭人数多、家庭男性比低、家庭抚养比高的家庭的人均收入越低；户主性别为男性、具有劳动力且文化程度较高的家庭的人均收入较高；亳州市谯城区、利辛县部分地区存在政策环境型返贫风险，一旦脱离政策扶持，极易造成返贫现象的发生。

关键词：家庭抚养比；政策环境型返贫；多元回归；Logit回归

一、前言

贫困问题一直是发展经济学、统计学、社会学以及政治学等学科长期关注的焦点，是伴随人类社会发展的永恒主题。消除贫困也是世界各国长期奋斗的目标。改革开放以来，我国政府在反贫困领域取得了举世瞩目的成就，贫困人口大规模持续减少，对世界减贫的贡献超过70%，2020年，我国脱贫攻坚战取得了全面胜利，现行标准下9899万农村贫困人口全部脱贫，832个贫困县全部摘帽，12.8万个贫困村全部出列，区域性整体贫困得到解决，完成了消除绝对贫困的艰巨任务，作为全球最活跃的经济体之一，中国已成功解决了贫困人口的基本生活问题，令全世界为之瞩目。在完成脱贫攻坚战后，如何巩固扶贫成果，防止脱贫人口返贫，是一个值得重点关注的区域。

返贫是由于贫困人口自身存在一定的脆弱性或返贫风险未完全消除，是一种动态现象，即“贫困-脱贫-贫困”，具有原因的复杂性以及结果的危害性，陈文瑞将返贫生成机理概述为：贫困户在得到政府与外界帮扶下，家庭生活水平得到提升并达到贫困线以上，符合脱贫条件顺利脱贫，但在后期的发展中，部分脱贫户自身脆弱性仍存在，在自然、教育、疾病、就业等因素下，削弱了自我发展能力，促使脱贫户再度面临贫困。因此家庭收入达到贫困线以上只是脱贫的第一步，不能完全衡量家庭是否仍具有返贫风险，在众多致贫因素影响下，因为政策帮扶导致抵御貧困能力的缺失极易使该类家庭再次面临贫困风险，即政策环境型返贫。本文旨在探究以家庭抚养比为核心变量的个人特征和家庭特征对家庭人均收入的影响，分析亳州市利辛县、谯城区两地是否存在政策环境型返贫风险，同时对影响农村家庭收入的关键因素提出针对性措施，更好地帮助贫困家庭增强自身造血能力，减少返贫现象的发生，做好脱贫攻坚与乡村振兴战略的有效衔接。

二、文献回顾与研究假说

返贫意味着原来已经脱贫的人口因某种原因，不能维持正常的生存状况，又重新陷入贫困状态。这种现象表明，贫困者的生存状况和发展方式没有发生根本性变化，难以在短时间内摆脱贫困状态。

目前已有较多学者对于返贫现象的成因进行了研究，段小力认为返贫成因主要包括地区经济发展滞后、抵御风险的能力较差、贫困户自我发展意识不足、制度不够完善。刘希、朱缘圆等人认为返贫现象的原因包括基层干部自身能力弱，返贫阻断不及时、脱贫后期帮扶缺乏、贫困户自身发展动力不足等。陈文瑞认为返贫因素包括自然资源利用受限返贫、自然灾害返贫、精神贫困返贫、因病返贫、能力不足返贫、政策精准度不够、政策惯性返贫等。李洪山、张馨元对黑龙江农业地区返贫人口的影响因素进行实证分析，发现人口文化程度、贫困户属性和致贫原因对返贫人口返贫影响显著。吴本健等人认为人口较少民族脱贫家庭的人力资本、自然资本、物质资本和社会资本等生计资本是影响其返贫风险的重要因素。正瑞强，曹国庆认为脱贫人口面临着政策性返贫、能力缺失返贫、环境返贫和发展型返贫等风险。由此可见，返贫原因可以归为环境因素、自身因素和政策因素。

农村贫困家庭人均收入是判断家庭是否脱贫的重要指标，其主要由工资、经营、财产和转移性收入四大类构成，工资性收入是进行非农业生产活动所获得的劳动性报酬，经营性收入是进行农业生产经营活动时获得的报酬，财产性收入是进行资产再投资或通过金融性产品的借贷活动得到的收入，转移性收入是指由国家财政、企业、组织和家庭其他成员等单位对农户进行资金的转移收入。而贫困家庭的转移性收入较多，甚至在部分家庭中占主要部分，因此本文将农户的工资性收入、经营性收入和财产性收入统称为劳动性收入，而转移性收入称为政策性收入。对于农村家庭而言，其收入来源有限，主要依靠务农、扶贫资金等渠道，使得他们在脱贫时期受到的政策性收入较多，脱贫的结束意味着脱贫户不能继续享受资金、扶贫项目等方面的政策优待，且政策性收入存在区域性差异，不同地方的政策种类和方式不同，若贫困家庭在脱贫后短期内劳动性收入无法补足政策性收入缺失，则极易造成返贫现象的发生。

农村贫困家庭的劳动性收入主要与家庭结构特征与户主个人特征有关。目前已有较多文献对家庭劳动力收入影响因素进行了研究。黄晓野、高一兰基于海南省36个贫困村扶贫调查数据，研究了家庭人口结构对家庭收入及贫困发生概率的影响，研究发现家庭总人口、家庭劳动力对贫困是否发生有显著负向影响。李馨兰、刘润芳基于代际传递视角，研究子代和父代的个人特征对子代收入的影响，研究发现子代受教育程度和父代医疗保健支出对子代家庭收入具有显著正向影响。杜华章对农村实用人才的结构、家庭收入分布及其影响因素进行统计，发现文化程度、职业、地区和年龄等因素对其家庭收入的影响较大。王桂荣等人运用灰色系统关联分析法对河北省农村居民人均收入影响因素进行关联度分析，认为扩大农村剩余劳动力就业机会，提供农民工资性收入水平是大幅度增加农村居民收入的关键。李彦军、刘梦帆以农村家庭人均纯收入为指标，分析考察了家庭和村庄层面的相关指标对农村家庭人均纯收入的影响，研究表明家庭层面的内在因素对减贫增收的影响远大于村庄层面的外在因素。司静波、王艺莼基于204户建档立卡户的精准扶贫调查数据，检验了家庭禀赋、个人特征等因素与收入变化的关系，研究发现家庭禀赋、政策支持对收入增加有显著的正向激励作用，由此可见，对于贫困家庭劳动力收入影响因素可以划分为家庭结构特征以及户主个人特征。

基于以上文献研究，本文提出关于返贫现象成因机制如图1所示。

纵观已有研究可以发现，对于返贫现象成因多以宏观分析为主，缺乏定量化研究，并鲜有文献研究劳动性收入与政策性收入之间的关系及其与返贫现象的因果关系。故本文提出以下两个需要实证检验的研究假说：亳州市谯城区、利辛县地区存在政策环境型返贫风险；家庭结构特征与户主个人特征对家庭劳动性收入存在显著影响。

三、数据来源及分析方法

（一）数据来源

本文使用的数据来自2020年12月底在安徽省亳州市的实地调查数据，亳州市位于安徽省西北部，地处华北平原南端，距省城合肥330公里，北依河南省商丘市，西与周口市鹿邑县接壤，西南部与阜阳市毗连，东部与淮北市、蚌埠市相倚，东南部与淮南市为邻，面积8374平方公里。亳州市辖涡阳、蒙城、利辛和谯城三县一区，其中谯城区为市委、市政府机关所在地。中心城区规划面积扩大到218平方公里，城镇化率年均增速居安徽省第1位。截至2020年，亳州市全面完成历年减贫任务，286个贫困村全部出列，三县一区全部脱贫摘帽，其中谯城区、蒙城县为全省首批摘帽县区，现行标准下建档立卡贫困人口全面脱贫，累计减贫54.84万人。

基于国家精准扶贫大数据平台，综合考虑交通区位条件、地形地貌、贫困程度、经济发展水平、村庄属性等因素，本次调查共抽取4个乡镇的39个建制村进行调研，各村庄调查人数如图2所示。调研实际完成农户问卷13807份，共5369个农村家庭，农户问卷内容包括：户主个人特征信息、家庭结构特征，家庭收入情况、致贫原因、脱贫年度等。

（二）变量说明

文中涉及的变量测量方法是在借鉴国内外相关研究的基础上结合客观实际和研究需要确定。连续性变量采取实际值，分类变量采取等距赋值，具体变量测量详见表1。其中位置交互项为是否离城区近与家庭抚养比的乘积，劳动力交互项指户主是否具有劳动力与家庭抚养比的乘积，是否高于亳州市当年人均收入计算按照亳州市当年农村家庭人均可支配收入为15293元为标准，家庭抚养比为家庭中非劳动力人数与劳动力人数的比值，可以反映家庭整体经济负担压力程度，具体变量及描述统计如表1所示。

（三）分析方法

本文的研究问题主要为农村贫困家庭的家庭抚养比及其他相关因素对家庭人均收入的影响以及亳州市谯城区、利辛县是否具有政策环境型返贫风险。研究相关性问题常用多元回归、logit回归等，因此本文采用多元回归和logit回归对家庭人均收入影响因素进行分析。

本文拟构建4个二元logit连续模型，4个多元回归模型，首先建立因变量为家庭人均收入和是否高于亳州市当年人均入，自变量为家庭抚养比以及其他相关变量的多元回归和logit回归，在基础回归中不包含任何交互项，在模型一、二中仅加入位置交互项与对应调节变量，在模型三、四中仅加入劳动力交互项与对应调节变量，在五、六中将两组交互项与调节变量加入进去。基于以上八组模型数据进行对比研究，多元回归模型的结果和logit模型结果可以相互佐证，增强结果的稳健性。

为保证模型的准确性和稳定性，在回归之前需要检验回归方程中各个自变量之间是否存在多重共线性，首先是以家庭人均收入为因变量，其他变量作为自变量进行回归分析；随后以此以家庭人数、家庭男性比、户主性别、户主年龄、户主文化程度、户主是否具有劳动力、务工时间、户主致贫原因、劳动技能等其余11个变量作为因变量，重复上述回归过程。通过判断回归结果中各变量的容忍度与方差膨胀因子的取值是否在合理范围内（一般情况下，容忍度<0.1，VIF>10，则认为存在共线性问题），由此检验模型中各个自变量之间的多重共线性问题。检验结果表明进入模型的自变量均通过了多重共线性检验，囿于篇幅限制，仅列出家庭人均收入这一变量的检验结果，如表2所示。

四、模型构建与实证结果及分析

线性回归模型是广泛使用的标准统计模型是广泛使用的标准统计模型，本文首先构建因变量为家庭人均收入（y），核心变量为家庭抚养比以及其他变量的多元回归模型。假设这些自变量都包括在向量x中。首先考虑采用线性回归模型来预测家庭人均收入：

yi=xiβ+εi（i=1，2，……，5369）（1）

基于该线性回归模型，假设家庭人均收入存在两种情况，高于2020年亳州市贫困家庭人均收入（y*=1）或者低于2020年亳州市贫困家庭人均收入（y*=0），随后构建一个方程组对二元离散因变量进行建模，首先关于y*的线性回归方程：

y■■=x■■β+εi（i=1，2，……，5369）（2）

然后通过一个分段函数搭建跟因变量y■■的关系：

y■■＝1，y■■＞00，y■■＜0（3）

根据公式（2）和公式（3）可以推导出y*＝1的概率为：

P（y■■｜x）=P（x■■β+εi＞0）

=P（εi＞-x■■β）（4）

=1-P（εi≤-x■■β）

＝P（εi≤-x■■β）

假设εi残差服从标准正态分布，且满足独立同分布的假定，则公式（2）和公式（3）就构成了logit模型的一般形式：

P（yi｜x）＝Φ（x■■β）＝■φ（t）dt（5）

（一）家庭特征对贫困户收入增长的影响

在家庭特征中，家庭抚养比、是否离城区较近、家庭人数、家庭患病比的B值均为负数，家庭男性比的B值为正数，回归结果表明，家庭抚养比对家庭人均收入的增加有显著负向效应（显著性<0.01）。可能的解释是：家庭抚养比越高，象征着未成年人和老人的增多，雖然非劳动力占比较高意味着政策性补助也会随之增多，但劳动力所承担的经济压力仍然较大，家庭抚养比每增加1个单位，家庭人均收入下降804.559元，高于亳州市当年人农村家庭人均收入的概率下降36.68%。家庭中劳动力较少会造成收入来源较为局限，若在此情况下农户仍然仅依靠传统农业的低利润性，则可能具有返贫风险。因此，部分家庭成员可以通过参与非农岗位转移部分剩余劳动力，将无劳动力的老幼年群体归为持续帮扶对象中，同时利用当地特色产业扶贫为贫困户提供创业就业补贴，采用产业收益分红向贫困户倾斜的方式增加贫困户家庭的劳动力收入和政策性收入。

在其余呈现显著性的家庭特征中，家庭人数每增加1个单位，家庭人均收入下降568.479元，家庭男性比每增加一个单位，家庭人均收入增加1585.758元，由此可见，家庭人数越多，家庭中劳动力人数越无法满足家庭经济需求，家庭男性比较高有利于缓解家庭经济压力，家庭男性比的正向效应也表明在农村家庭中，男性劳动力的劳动收入在家庭经济来源中占主要地位。

（二）户主个人特征对贫困户收入增长的影响

在户主个人特征中，户主是否具有劳动力、户主年龄的B值均为负数，户主性别、戶主文化程度B值为正数，以上变量对家庭人均收入呈现显著影响。户主为男性的家庭人均收入比户主为女性的高760元，高于亳州市当年人农村家庭人均收入的概率提升58.65%，以上数据表明在被调查地区，传统农业、种植业收入占比较大，男女性生理间差异较大，从事重体力劳动，是获得家庭收入的主要来源，而女性大多将主要精力放在了照顾家庭、操持家务方面。户主文化程度也会对家庭人均收入产生显著正向影响，户主文化程度每增加一个单位，家庭人均收入提高273.844元。由此可见，在农村地区，学历水平较高的群体，拥有了较高的人力资本，这可以使其在农业劳动中更易于接受和掌握先进的生产技术和科技手段，获得较高的劳动生产率，从而带来较高的收入，同时在就业就会方面，具有较高学历的农民，也更容易被城市所接受，找到合适且收入相对较高的工作。因此，在农民获得收入的过程中，教育水平的提高对于收入的增长起到了积极的促进作用。而对于那些农村青少年来说，抓住一切可能的机会来进行更高层次的学历教育，逐步提高自身的受教育水平，将是未来获得更高收入的前提和保障。

（三）亳州市谯城区、利辛县政策环境型返贫风险分析

由表4可知，贫困家庭地理位置及户主是否具有劳动力呈负向显著影响，且位置交互项与劳动力交互项均为正向显著影响，可以得出家庭抚养比越高，若地理位置离城区较近或户主具有劳动力其家庭收入越低，产生叠加效应。这一结论似乎有违常理，本文选取了谯城区和利辛县两户基本情况相同的家庭进行对比，如表5所示，可以发现在其他条件相同时，谯城区贫困家庭的相关扶贫补助和政策更少，导致该地区家庭的政策性收入更低，其家庭人均收入比利辛县贫困家庭低1773.349元，由此可以发现，其劳动性收入也保持在较低的水平，而对于利辛县的贫困家庭而言，在与谯城区家庭的劳动性收入均保持在较低水平的条件下，能凭借政策性收入较多导致总收入要比城区的贫困家庭收入更高，表明当地政府更多是进行“输血式”扶贫，通过扶贫政策和资金项目增加贫困家庭收入。这是由于部分基层干部缺乏防返贫意识，追求“形式脱贫”、“数字脱贫”、“表格脱贫”，“阶段性脱贫”，此外贫困户自身发展能力也相对较弱，缺乏知识、技能，导致脱贫后的生计问题成为难题，一些脱贫户虽然在2020年亳州市贫困家庭统计表中所显示的家庭人均收入较高，但他们对政策的依赖性极大，一旦国家相关扶贫政策撤出，极易重新返回贫困状态，且利辛县地理位置偏远，常有旱、涝、风、霜、冻、雹等各种气象灾害发生，在很大程度上会造成部分脱贫人口再度返贫。

五、结论及建议

（一）结论

本文在贫困家庭的家庭人均收入影响因素相关研究基础上，基于乡村振兴战略背景，结合亳州市谯城区、利辛县5369户贫困家庭微观调查数据，利用多元回归、二元logit回归研究了该地区农村家庭以家庭抚养比为关键变量的户主个人特征和家庭特征对家庭人均收入的影响，研究结果表明：家庭人数多、家庭男性比低、家庭抚养比高的家庭的人均收入越低；户主性别为男性、且具有劳动力、文化程度高的家庭，其人均收入越高；亳州市谯城区、利辛县部分地区存在政策环境型返贫风险，一旦脱离政策扶持，极易造成返贫现象的发生。

（二）建议

第一，对于家庭患病比高、家庭男性比低、家庭人数众多的家庭，这部分家庭的自主成长和生计能力很弱，当地政府应当持续加大对该类家庭的政策扶持力度，建立以能力帮扶为主的扶贫机制，鼓励引导该类家庭提升自主生存与成长能力，如结合亳州市当地特色产业，支持贫困户发展特色农产品生产及加工业等。同时应加大社会保障力度，解决该类家庭的医疗负担重和就医难的问题。

第二，对于户主为女性、且不具有劳动力、文化程度低的家庭，可采取鼓励“发展为主、兜底为辅”的策略，加强对该类家庭子女接受义务教育的相关政策扶持，并结合当地特色农业、旅游业等为该类家庭提供保洁员、护林员等合适岗位，充分依靠乡村特色旅游产业链不断提升个人收入。

第三，完善防返贫政策，制定返贫帮扶计划，打赢返贫治理战役。完善政策兜底保障，重点监测享受扶贫措施数量较多的家庭，针对其可能因政策消失而造成返回贫困的情况，制定相应的保障制度，提高脱贫脆弱户的风险承受能力。其次要保持扶贫政策的相对稳定，针对家庭抚养比较高、离城区较远、户主不具有劳动力的家庭，要坚持“摘帽不摘责任、摘帽不摘政策、摘帽不摘帮扶、摘帽不摘监管”，进一步提出相应的延续政策，保障贫困户的相关权益。最后要增强脱贫户自身造血能力，在逐渐减少政策的同时，要增加贫困户的自身造血能力，着眼于贫困户个人的文化程度、职业技能水平，为贫困人口提供专业的技能培训，为贫困残疾人提供特殊岗位培训，推动贫困户就近就业，实现经济收入的可持续增长，在教育方面要注重贫困家庭子女的教育问题，避免农村教育空心化现象的出现，防止贫困代际传递现象的发生。

参考文献：

[1]孙伯驰.中国农村家庭贫困脆弱性及减贫效应研究[D].天津：天津财经大学，2020.

[2]耿新.民族地区返贫风险与返贫人口的影响因素分析[J].云南民族大学学报（哲学社会科学版），2020，37（05）：68-75.

[3]肖泽平，王志章.脱贫攻坚返贫家户的基本特征及其政策应对研究——基于12省（区）22县的数据分析[J].云南民族大学学报（哲学社会科学版），2020，37（01）：81-89.

[4]陈文端.脱贫人口返贫影响因素与预警机制研究[J].热带农业工程，2021，45（03）：101-107.

[5]Changsheng，zuo.The Evolution of China’s Poverty Alleviation and Development Policy（2001～2015）[M].2019.

[6]段小力.返贫的特征、成因及阻断[J].人民论坛，2020（03）：90-91.

[7]刘希，朱缘圆，龚轩，陈晨.“后2020”时期武陵山片区返贫防控存在的问题及对策[J].乡村科技，2021，12（05）：41-42.

[8]李洪山，张馨元.黑龙江省农业地区返贫人口返贫影响因素研究[J].现代商业，2021（04）：35-37.

[9]吴本健.人口较少民族脱贫家庭的返贫风险：测量方法、影响因素与政策取向[J].西北民族研究，2021（02）：17-20.

[10]郑瑞强，曹国庆.脱贫人口返贫：影响因素、作用机制与风险控制[J].农林经济管理学报，2016，15（06）：619-624.

[11]王灏威，陈思，郭建新.农户收入现状及影响因素研究[J].合作经济与科技， 2020（24）： 54-56.