中国劳动力流动对家庭多维相对贫困影响的动态效应研究

樊士德 柏若云

［摘要］文章基于劳动力流动对多维相对贫困影响内在机理的考察，使用2010—2018年中国家庭追踪调查（CFPS）数据，运用AF法测度样本家庭多维相对贫困状况，并从静态和动态两个维度，实证研究劳动力流动对中国家庭多维相对贫困影响的具体效应。研究发现：（1）劳动力流动显著地缓解了家庭多维相对贫困状况，既提升了相对贫困家庭的收入，又改善了其在教育、健康、住房以及养老等多方面的相对贫困状态，进而提升其对生活的主观满足感。（2）劳动力流动年限与家庭脱贫、返贫之间呈现倒“U”和正“U”型关系。随着流动年限的增加，劳动力流动对家庭多维相对贫困的影响由积极转向消极。（3）劳动力流动对多维相对贫困的影响在时间维度上具有动态性。劳动力流动对多维相对贫困的边际贡献经历了增长-下降-再增长三个阶段。

［关键词］劳动力流动；多维相对贫困；AF法；动态变化

［中图分类号］F32 ［文献标识码］A［文章编号］1672-1071（2023）02-0058-13

一、 问题的提出

改革开放以来，大规模的劳动力流动和举世瞩目的脱贫成就是我国经济发展的重要特征。根据相关统计，农村外出务工劳动力规模从改革开放初期的不超过200万人发展到2022年的2.96亿。大规模的劳动力流动不仅改变了人口的空间分布、资源配置以及家庭的收入状况、生活水平等，而且打破了原有的贫困治理格局，同时对新时期的扶贫工作提出了更高要求。2020年脱贫攻坚取得全面胜利，现行标准下9899万农村贫困人口全部脱贫，完成了消除绝对贫困的艰巨任务。这意味着2020年后中国贫困治理工作重点向相对贫困转变，贫困出现多元化、多维化等新问题。如何更好地引导劳动力流动，巩固脱贫成果，建立扶贫长效机制成为经济社会发展的新目标。

回顾我国改革开放以来的减贫历程，早期以解决收入层面的绝对贫困为重点，分别在1978年、2008年、2010年设定了每人每年100元、1196元、2300元的收入贫困标准；《中国农村扶贫开发纲要（2011—2020年）》中提出“两不愁三保障”的多维贫困标准，进一步深化贫困内涵，突出多维度特征；十九届四中全会首次在中央全会公报中提及“相对贫困”，将“坚决打赢脱贫攻坚战，建立解决相对贫困的长效机制”作为之后工作的重心。因此，劳动力流动与贫困关系的研究主要分为三个方面：劳动力流动对绝对收入贫困的影响、劳动力流动对多维贫困的影响、劳动力流动对相对贫困的影响。

首先，关于劳动力流动对绝对贫困的影响，现有研究的结论并不完全一致。蔡昉、都阳认为劳动力流动可以有效地提高劳动力的绝对收入，是家庭摆脱贫困的重要途径［1］。李翠锦提出劳动力流动不仅能够通过资金汇回等方式直接增加家庭收入，还能够通过混合劳动形式为家庭创造多元化的收入来源，提升家庭勞动力配置效率，增加边际收入，减缓家庭贫困的状况［2］。与之相反，杨靳则揭示了当迁出人口的人均汇款额小于其农村边际产出时，劳动力流动不仅不会增加家庭收入，还会使其贫困情况恶化［3］。 赵曼、程翔宇指出外出务工使得家庭农业劳动力严重流失，在一定程度上限制了农户家庭生产经营的发展，阻碍了生产效率的提升，不利于缓解收入层面的绝对贫困［4］。

其次，关于劳动力流动对多维贫困的影响，已有观点可归纳为以下两个方面：一方面，车四方等发现劳动力流动通过知识溢出、非农就业、农业资源重组以及资金技术回流等方式对农户多维贫困起到积极作用［5］。李聪等也从农村居民身体状况、教育程度、生活条件等维度证实了外出务工对减轻多维贫困存在显著正向影响［6］。另一方面，韩佳丽等则认为劳动力流动对农村地区的人口结构和社会秩序造成冲击［7］，留守儿童和老人带来的健康、医疗和教育问题日益突出［8］。卢海阳、钱文荣等也提出劳动力流动对多维贫困的改善主要停留在经济和物质维度，在教育、养老以及主观满意度方面仍有很多问题，甚至出现负向效应［9，10］。因此，樊士德、金童谣认为劳动力流动的减贫效应最终取决于加剧作用和减缓效应二者间的强弱比较［11］。

再次，关于劳动力流动对相对贫困的影响，国内大多数文献研究的经验证据支持劳动力流动缩小城乡收入差距，降低相对贫困发生概率的观点。王湘红等发现劳动力流动使得中国农村小范围内收入不平等现象得到一定程度的改善［12］。樊士德、朱克朋以东部欠发达地区村县878位农户微观调研为样本进一步验证了这个观点，即劳动力流动不仅能够通过增加家庭收入降低绝对贫困发生的概率，对主观感受下的相对贫困也产生了显著的缓解作用［13］。

综上所述，现有文献从不同视角提供了不少有价值的观点，但仍存在一定的局限性：（1）现有文献中从多维视角测度相对贫困的研究较少，鲜有学者探讨劳动力流动对多维相对贫困的作用机制；（2）未将劳动力流动面临的多重约束和差异化特征纳入对贫困影响的统一框架；（3）未系统考察劳动力对贫困影响的复杂性和长期性，未基于时间维度研究劳动力流动对贫困影响的动态变化。因此，本文在贫困由绝对贫困向相对贫困、由单一维度向多维贫困双重转变的宏观背景下，将研究主题聚焦劳动力流动对多维相对贫困的内在机理与效应，主要基于“贫”和“困”的双重视角构建多维相对贫困的识别框架，从收入、教育、健康、住房、养老、主观感受等六个维度，与临界值相比，并赋予相应的权重，测度多维相对贫困指数；从时间维度研究劳动力流动微观决策改变对多维相对贫困的动态影响，作为相关研究的有益补充。这构成了本文可能的边际贡献和创新。

二、 理论逻辑与机制分析

2020年全面脱贫的背景下，学界对贫困的识别更加多元化，对劳动力流动与贫困关系的认识也更加全面和综合，但关于劳动力流动对家庭多维相对贫困影响尚未得到一致的结论。劳动力流动对微观家庭多维相对贫困既有减缓作用也有加剧作用。基于此，本文从收入、教育、健康、养老、住房、主观感受等方面尝试探讨劳动力流动对家庭多维相对贫困影响的内在理论逻辑与影响机制。

（一） 劳动力流动缓解相对贫困家庭多维剥夺状态

劳动力流动会通过改善家庭收入水平、受教育情况、健康状况、养老保障情况以及主观评价来降低家庭陷入多维相对贫困的概率。其内在影响机理具体见图1。

在收入维度，劳动力流动通过非农收入、农业收入、财产收入三个维度改善家庭的收入状况。外流劳动力通过非农就业获得工资收入，并通过资金汇回等方式促进家庭的资本积累。外流劳动力在“再社会化”过程中获得知识溢出效应，通过技术回流的方式促进农业生产效率的提高，增加农业生产的边际产出，提高农业收入［5］；在教育维度，外流劳动力不仅能够通过非农就业提高自身的素质，也能让家庭改善自身的教育观念，让家庭有意识地增加子代的教育投入［14］。除此之外，随迁子女也能够在流入地得到相较于流出地更为优质的教育资源，这种教育资源的改善将促进整个家庭人力资本的积累和提升，为家庭脱离贫困带来长久的内生动力；在健康维度，劳动力流动通过增强健康意识、提高生活标准、优化消费结构降低健康维度贫困的发生。外流劳动力在进入城市经历“再社会化”的过程中，获得必要的卫生、健康、日常生活习惯等方面的知识，提升自身和整个家庭的健康意识，改善家庭原有的食物结构，提高家庭的营养水平。收入和生活标准的提高也有助于优化家庭消费结构，增加家庭健康医疗保险的投入，避免陷入健康维度的贫困；在养老和住房维度，劳动力外流能够在一定程度上拓宽外流劳动力的社会关系网络，帮助他们改善边缘化的处境，获得更加公平的医疗资源和住房保障。收入的改善也会增加家庭在住房、养老方面的投入，在提高生活标准的同时，增加家庭抵御风险的意识和能力；在主观评价维度，信任、互惠、互助的人际网络关系将会帮助外流劳动力更加便捷地获取信息和支持，降低信息成本。外出务工带来的家庭收入的改善、生活水平的提高以及社会地位的上升都帮助他们找到获得感和满足感。

（二） 劳动力流动加剧相对贫困家庭多维剥夺状态

相反的，劳动力流动在增加收入风险、留守儿童教育、健康管理、老人养老以及主观评价五个方面产生负向冲击，进而造成家庭多维相对贫困恶化，具体见图2。

在收入维度，劳动力流动为家庭带来未知的经济风险。外流劳动力在流出时必然放弃原有的收入来源，而新就业岗位的寻找和筛选具有时间成本和货币成本，短期内为家庭的经济状况带来极大的不确定性，收入来源的突然改变也会对家庭原有的收入结构产生冲击，增加陷入贫困的可能性。除此之外，外流劳动力通常是家庭中在受教育程度、身体素质、社会关系网络等方面最突出的人员，优质劳动力的流失限制了农业生产经营的规模，阻碍了生产效率的提升，使得农村家庭更易陷入贫困的恶性循环。从长期来看，劳动力数量和质量的降低对流出地的经济发展具有漏出效应，不利于从根本上解决贫困家庭的收入和发展问题；在教育维度，劳动力流动给留守儿童带来的教育问题愈发严峻。一方面，父母的教育“缺位”和隔代教育的缺陷影響了留守儿童的健康成长。另一方面，农村人才的外流造成教育资源进一步向城市集聚，加剧了教育资源分布的不均衡，使得农村家庭的教育劣势愈发明显，更易陷入代际教育贫困；在健康维度，父母陪伴和监管的缺失，使得留守儿童更易染上吸烟、饮酒、沉迷网络等恶习，对其身体素质和心理健康带来负向影响。另外，生活环境的改变以及工作强度的增加都会危害外出务工人员的身体健康，异地就医的不便以及治疗费用的高昂也使得外出务工人员的健康缺少保障；在养老保障维度，劳动力流动造成了留守老人的福利受损。劳动力流动打破了原有的传统家庭结构，家庭观念、赡养理念的减弱使得留守老人在经济供养、生活照料以及精神慰藉等方面出现困难。除此之外，留守老人承担了大部分本应由外流劳动力承担的留守儿童的生活照料，进而导致自身福利受损，更易陷入养老维度的贫困；在主观评价维度，外来人口与原住人口的融合状况直接影响其在城镇中的主观相对贫困感受。由于“制度壁垒”和“舆论壁垒”的存在，外流劳动力长期以来在城市中处于边缘化的状态，对城市的融入感不强，无法享受平等的权利和基本的保障，因此，劳动力流动在一定程度上加大了微观家庭陷入多维相对贫困的概率。

三、 多维相对贫困的识别和估计

（一） 基于AF方法的多维相对贫困识别策略

本文采用被广泛使用的AF法构建多维相对贫困指数（MPI）来衡量农村家庭多维贫困整体状况。具体测算方式如下：用ｎ表示样本家庭数，ｉ（ｉ＝1，２，．．．，ｎ）表示被观测的第ｉ个农村家庭，ｄ表示福利指标数，ｊ（ｊ＝1，２，．．．，ｄ）表示第ｊ个指标，Xij表示家庭ｉ在第ｊ项福利指标上的观测值，Zj表示第ｊ项福利指标的剥夺临界值。家庭ｉ在福利指标ｊ上的贫困状况gij可表示为式（1）。gij=

1，若xij＜Zij（表示家庭i在指标j上属于贫困人口）

0，若xij≥Zij（表示家庭i在指标j上属非贫困人口）（1）以wj表示第j项福利指标的权重，有0

∑dj=1wjgij，如果∑dj=1wjgij≥k（家庭i是多维贫困）

0，如果∑dj=1wjgij＜k（家庭i不是多维贫困）（2）临界值k的取值会严重影响多维相对贫困指数。理论上k的取值范围在0到1之间，k值越大，贫困发生率越低。根据国际MPI指数的建议，通常将30%作为k值。国内的学者也广泛采用这一比例作为临界值［15，16］，因此本文将k=30%作为多维相对贫困临界值。

（二） 数据说明和指标设计

1. 数据来源

本文所采用的数据来自北京大学中国社会科学调查中心组织实施的中国家庭追踪调查（CFPS）的微观数据。该调查以2010年为基期，每两年进行一次追踪。本文使用2010—2018年的数据，将个人自答、个人代答和少儿代答数据库并入家庭数据库，并删除相关变量的缺失值，作为本文的数据来源。

2. 多维相对贫困指标设计

本文所构建的多维相对贫困指数中的多维主要包括收入、教育、健康、住房、养老和主观感受六个维度，具体的二级指标包括家庭年总收入、受教育年限、健康自评、医疗保险覆盖率、人均住房面积、住房贷款占收入的比重、养老保险、生活满意度、未来信心度等九个方面，每一个二级指标给出对应的临界值，进而采用相对值进行刻画，具体如表1所示。

在收入维度指标的选择上，本文更加关注收入水平差距，借鉴了欧盟①和OECD国家②可支配收入中位数一定比例的方法，考虑到我国2020年全面脱贫的背景以及城乡间的实际收入差距，本文参考孙久文和夏添的标准，选取了城乡居民中位数收入的40%作为相对贫困线［17］。具体衡量标准为：若某家庭年总收入低于该年全样本家庭中位数收入的40%，则定义该家庭为收入维度的贫困；在教育维度，本文选择了家户中成人最高受教育年限作为指标，将家庭中成人最高受教育年限小于该年度全样本家庭的均值定义为教育维度的贫困；健康维度选择了健康自评和医疗保险两个指标。家庭自评不健康成年人比例高于该年度全样本家庭的均值或家庭成年人医疗保险覆盖率低于该年度全样本家庭的均值即视为健康维度的贫困；住房层面选取了人均住房面积和住房贷款两个指标。家庭人均住房面积小于该年度全样本家庭的均值或房贷超过家庭月收入40%的家庭视为住房维度的贫困；养老维度选取了是否有养老保险这一指标，将家中有年满60岁但没有养老保险的家庭视为养老维度的贫困；主观维度则通过“生活满意度”和“未来信心度”两个指标分别研究样本家庭对当下和未来生活的评价。将家庭中成人对生活满意度和未来信心度均值小于3的，视为主观维度的贫困。

在多维度权重的选择上，国内大多数文献均采用等权重法，虽然有少量学者也探索了包括主成分分析、熵权法［20］在内的非等权法，这些方法虽然注重客观分析，但不能进一步反映各指标之间的随机性、离散性和非线性等复杂关系［21］。因此本文同樣采用等权重法，对多维相对指标体系内的各项指标赋予相同权重，即将收入、教育、健康、住房、养老、主观感受6个维度分别赋予相等权重。

四、 劳动力流动与多维相对贫困的特征化事实

为了进一步厘清劳动力流动对多维相对贫困影响的变化过程，本文从静态和动态两个维度构建模型并做相关的实证分析。

（一） 多维相对贫困

在静态实证模型中，本文的被解释变量是家庭是否陷入多维相对贫困。通过比较不同贫困标准下的贫困发生率（见表2）可以发现，无论是哪种贫困标准下，2018年全国和分地区样本家庭的贫困发生率均低于2010年，这表明了我国扶贫工作取得的显著成就。不同贫困标准下，2010年、2018年绝对收入维度的贫困发生率均低于相对收入维度和多维度下的贫困发生率。绝对贫困标准已经不再适用于不断变化的贫困发展现状，在维度上过于单一和局限。在2010年，相较于相对贫困标准下的贫困发生率，多维贫困防止了“一刀切”状况的发生，贫困发生率反而降低了。而在2018年，多维贫困问题更加严峻和显著，在全国样本中多维贫困发生率高于相对贫困发生率。除此之外，在这三种维度下，无论是2010年还是2018年，贫困发生率都表现出由东部向西部不断递增的趋势，这也反映了贫困发生的地区差异。

为了进一步探讨劳动力流动对贫困状态改变的影响，本文在动态实证模型中选取了“是否返贫”和“是否脱贫”两个变量，将样本家庭根据贫困状态进行分类，进一步探讨劳动力流动对返贫和脱贫的影响。根据表3可知，无论是在全国还是分地区样本中，不贫困组占比最大，这反映了我国经济发展和扶贫攻坚的重大成就。但全国样本中仍有10.83%的家庭处于多维相对贫困中，尤其在西部地区，长期处于多维相对贫困的家庭占比最高，多维相对贫困的地区差异显著。值得关注的是，在全国和分地区样本家庭中，均存在返贫现象。即使在经济发展水平较高的东部地区也出现了返贫现象，而西部地区由于资源缺乏、生态脆弱、生存条件恶劣、基础设施落后，成为返贫高发区域。这反映了返贫现象的地域分布具有普遍性和不均匀性。

（二） 劳动力流动

在静态实证模型中，本文的核心解释变量为“家庭是否存在劳动力流动”。从表4中可以看出，2010年全国样本家庭中，30.35%的家庭存在劳动力流动，东、中、西部地区分别有23.85%、31.97%、37.94%的家庭存在劳动力流动，西部、中部欠发达地区的劳动力流动明显高于发达的东部地区。2018年的劳动力流动也呈现出同样的地区差异，且相较于2010年，无论是全国样本还是分地区样本，2018年的劳动力外流情况均得到明显提升。同时，劳动力流出占比也在8年间得到显著的提高，与劳动力流动呈现一致的变动态势。

为了进一步讨论劳动力流动状态改变以及劳动力流动年限对多维相对贫困的影响，笔者引入“仅2010年流动”“仅2018年流动” “2010年和2018年都流动”“劳动力流动年限”作为核心解释变量。如表5所示，在全样本的流动家庭中，2010年和2018年都流动的家庭占比最大，计算发现流动状态发生改变的家庭占所有流动家庭的比例，即仅2010流动家庭和仅2018流动家庭占所有流动家庭的比例=（17.5%+20.43%）/（17.5%+20.43%+21.16%）=64.19%。由流动转变为不流动的家庭占比为17.5%，由不流动转变为流动的家庭占比为20.43%。在分地区样本中，2010年到2018年间，西部地区家庭的流动状态变化最大。在流动年限的统计中，全样本家庭的平均流动年限为4.04年，分地区样本中西部地区样本家庭的流动年限最长，约为4.93年，远远高于东部和中部地区。

（三） 控制变量

依据本文所要研究的具体内容以及CFPS问卷中数据的可得情况，本文的控制变量主要包含两个方面：家庭户主的特征和家庭的特征。对于家庭户主的特征，本文选用了户主的年龄、性别、教育年限加以控制。其中因为在微观家庭中通常核心决策者为家庭收入最高的成员，因此本文将每户家庭中收入最高者定义为户主。在家庭特征方面，本文选取了家庭人口规模、家庭性别构成（家庭中男性占比）、家庭老年人占比（65岁及以上的人口占家庭总人口的比重）以及家庭是否从事非农经营来加以控制。主要控制变量的描述性统计如表6所示。

从家庭特征来看，相较于2010年，全国和分地区样本的家庭人口规模均有所下降，这可能与计划生育政策以及生育观念的转变有较大关系。2018年相较于2010年家庭男性占比也有了小幅的上升。在人口老龄化的背景下，2018年家庭老人占比也得到显著提高。从提高幅度来看，东部地区的涨幅更大，老龄化问题更加突出。从家庭是否从事非农经营的特征来看，全国和分地区样本家庭从事第二三产业的比例有明显的提高。

从户主特征来看，2010年和2018年全国样本中家庭户主的平均年龄分别为46岁和37岁，户主年龄有年轻化趋势，且户主大多以男性为主。在户主受教育年限方面，2010年和2018年全国样本家庭均值分别为5年和7年，虽然2018年相较于2010年有显著的提高，但均低于我国义务教育要求的9年，尤其是西部地区样本家庭户主的受教育年限均值都不足6年，这说明无论是2010年还是2018年，家庭户主的受教育水平均相对较低，且存在着较大的地区差异，西部地区的教育水平明显落后于中东部地区。

五、 劳动力流动对多维相对贫困影响的实证研究

（一） 实证模型构建

对于微观家庭而言，存在两种状态：一是贫困家庭；二是非贫困家庭。农村家庭的贫困问题构成了离散选择模型中的二元选择模型，本文采用Probit模型来重点考察劳动力流动对家庭多维相对贫困发生概率的影响。具体模型如式（3）-（8）：

Pr（Yi=1∣Xi）=Φ（α0+α1Xi+α2Xi1+α3Xi2）（3）

Pr（povti=1∣Xi）=Φ（α0+α1migi+α2h_age+α3h_gender+α4h_edu+α5fam_num+α6male_pro+α7old_pro+α8fam_unfarm）（4）

Pr（povireturn=1∣Xi）=Φ（α0+α1migi_2010/α1migi－2018/α1migi_both+α2h_age+α3h_gender+α4h_edu+α5fam_num+α6male_pro+α7old_pro+α8fam_unfarm）（5）

Pr（povi_out=1∣Xi）=Φ（α0+α1migi_2010/α1migi_2018/α1migi_both+α2h_age+α3h_gender+α4h_edu+α5fam_num+α6male_pro+α7old_pro+α8fam_unfarm）（6）

Pr（povireturn=1∣Xi）=Φ（α0+α1migi _year +α2h_age +α3h_gender+α4h_edu+α5fam_num+α6male_pro+α7old_pro+α8fam_unfarm）（7）

Pr（povi_out=1∣Xi）=Φ（α0+α1migi _year +α2h_age +α3h_gender+α4h_edu+α5fam_num+α6male_pro+α7old_pro+α8fam_unfarm）（8）

式（4）中，povti为样本家庭i在t时期所处的贫困状态，式（5）、（6）、（7）、（8）中povi_return为样本家庭i是否返贫，povi_out为样本家庭是否脱贫；migi为相应家庭是否存在劳动力流动，migi_2010代表是否仅在2010年流动，migi_2018代表是否仅在2018年流动，migi_both代表是否在2010年、2018年都流动，migi_year为样本家庭i中流动劳动力的流动年限；h_age、h_gender、h_edu分别代表户主的年龄、性别以及受教育年限；fam_num、male_pro、old_pro、fam_unfarm是相应的家庭规模、家庭男性占比、家庭老人占比以及家庭是否存在非农经营。

（二） 实证结果分析

1. 基于静态角度的分析

本文首先选取了截面数据做静态的实证分析。考虑到贫困改善具有长期性、艰巨性、复杂性的特点，本文选取了2010年和2018年的數据探讨在较长时间跨度上劳动力流动对贫困效应影响的不同特点，得到的回归估计结果如表7所示。

分别表示10%、5%和1%的显著性水平；括号中的数值为t值，下同。表7的回归结果显示，在绝对贫困标准、相对贫困标准、多维相对贫困三个标准下，劳动力流动对贫困均有显著的改善作用。与2010年相比，2018年劳动力流动对绝对收入贫困的影响变小，而对相对收入贫困以及多维相对贫困的影响变大。这表明劳动力流动对改善多维相对贫困具有更为重要的意义。这里值得说明的是，在劳动力流动对贫困影响的内在机理考察过程中，我们发现劳动力流动既存在对收入、教育、健康、住房、养老和主观感受等不同维度贫困的缓解效应，又存在对收入、教育、健康、养老和主观感受等不同维度贫困的抑制效应。“劳动力流动改善了多维相对贫困，且相比绝对收入贫困更为显著”这一实证研究发现说明了劳动力流动对上述维度贫困的正向效应比负向效应更大，即劳动力流动对多维相对贫困的缓解效应抵消了可能存在的加剧效应，进而呈现最终的促进和改善作用。

从家庭特征来看，家庭人口规模越大，家庭陷入收入层面贫困的可能性越小。而多维相对贫困的发生概率却随着家庭人口规模的扩大而增加。这是因为家庭规模越大，所需要的教育、医疗、养老支出越大，抵消掉了一部分的收入优势，造成家庭陷入多维度的相对贫困。无论在哪个维度下，样本家庭的老人占比越大，家庭越易陷入贫困，这与实际相符。一般而言，家庭中的青壮年是家庭中财富的主要创造者，老人则会增加该家庭的医疗、养老支出，使该家庭更易陷入贫困。相较于以单一的农业为收入来源，存在非农经营的家庭陷入贫困的概率显著降低，这是由于从事第二三产业既能够丰富样本家庭的收入来源，又能打破样本家庭原有的社交距离和人脉限制，为家庭提供更好的社会资本，避免陷入贫困。除此之外，在三个维度中家庭男性占比越大，家庭陷入贫困的概率越小。男性在农业生产和务工人群中具有更多的性别优势，会为家庭带来更多的收入来源，降低家庭贫困发生的概率。

从户主特征来看，户主受教育年限与家庭贫困发生率有着显著的负相关关系，即无论在哪种贫困标准下，户主的受教育程度越高家庭陷入贫困的概率越小。一方面，戶主通常是家庭中的最终决策者，户主的受教育程度通常决定了家庭的决策能力和水平。另一方面，户主受教育程度越高，在就业市场上也将拥有更多的选择权，更大概率获得相对体面和高薪的工作，有助于改善家庭的经济收入、提高社会地位。此外，估计结果显示户主年龄和户主性别分别对于绝对、相对收入层面的贫困有正向的影响。

2. 实证结果：基于动态角度的分析

在对截面数据静态分析的基础上，本文进一步引入2010—2018年CFPS数据从时间维度上探讨劳动力流动对多维相对贫困影响的动态变化，具体见表8。

通过2010—2018年全样本数据的分析可知（见表8），劳动力流动对多维相对贫困具有显著的负效应，进一步的实证结果证明了这种影响在时间维度上具有动态性。2010—2018年间劳动力流动对多维相对贫困的影响系数分别为-0.0538、-0.1930、-0.0436、-0.0283、-0.1495。

从表8中的变化趋势来看，2012年前劳动力流动对多维相对贫困家庭贫困状态的改善是持续快速增加的，这与我国在21世纪前十年劳动力的大规模迁移以及显著的扶贫成就是相符的。2012—2016年期间，劳动力流动对多维相对贫困的影响减小，这个阶段贫困发展呈现出新的特征，随着人口大规模的迁移，劳动力流动在教育、健康以及权利维度的负面效应也逐渐显现，因此这个阶段劳动力流动仍旧能够改善相对贫困家庭多维剥夺的情况，但减贫效果却在减弱。2016年之后，劳动力流动对相对贫困家庭多维剥夺的影响又呈现出上升的趋势。我们认为之所以呈现这样的演进趋势，主要在于早期伴随劳动力流动规模不断扩大，不仅其绝对收入逐步提升，而且与城镇相比的相对收入差距有较大幅度的缩小，进而带来逐步递增的效应；2012—2016年期间，一方面因为边际效应递减，另一方面，除收入之外的教育、健康、权利等维度越来越受到重视，而在这一阶段往往因为外流劳动力存在主观故意规避或降低如自身健康、教育等外流成本，导致减贫效应呈现减弱的特征。2016年习近平总书记在全国两会期间曾指出脱贫和高标准的小康是两码事，我们不是一劳永逸，毕其功于一役，相对贫困、相对落后、相对差距将长期存在，在这一阶段伴随着绝对贫困逐步被消除，相对贫困逐步被提到一定高度，加之外流劳动力这一微观主体通过干中学、工作与生活理念的更新等，逐步注重教育、健康、人力资本等多个维度，与城镇、发达地区相对水平的提升，因此，逐步呈现劳动力流动的相对多维贫困效应递增的特征。

为了进一步探究这种影响动态变化的原因，本文将样本家庭分为返贫组和脱贫组，厘清劳动力流动对贫困家庭脱贫和非贫困家庭返贫的影响，考察劳动力流动微观决策的改变对家庭贫困的动态影响，由此得到的回归结果见表9。

所示，在助力脱贫角度，对于2010年未外出务工的家庭来说，如果2018年选择外出务工，这种微观决策的改变能够帮助这些家庭更大概率摆脱贫困。两期都务工的家庭成功脱贫的概率更是显著增加。在遏制返贫角度，对于2010年未外出的家庭来说，如果2018年选择外出务工，也会有效降低其重返贫困的可能性。对两期都务工的家庭来说，劳动力流动更是会显著降低返贫概率。这说明，贫困家庭如果能长期外出务工，家庭摆脱多维相对贫困的概率会显著增加。

在此基础上，劳动力流动年限对样本家庭脱贫和返贫的影响结果表明，劳动力流动时间对脱贫和返贫的影响并不是简单的线性关系，而是呈不同的“U”型分布。对脱贫组来说，劳动力流动时间对脱贫的影响呈倒“U”型分布，拐点时间约为6.18年，劳动力流动在6.18年内有显著的减贫效应，6.7年之后样本家庭脱贫的概率随着流动年限的增加而递减。劳动力流动时间对返贫的影响呈正“U”型分布，即起初随着劳动力流动年限的增加，家庭返贫的几率降低。但在约8.37年之后，家庭返贫的概率随着劳动力流动年限的增加而增加。这一趋势符合一般的经济规律，在劳动力流动初期以及持续一定时间后，外流劳动力主要呈现年纪轻、学习能力强、包括子女和老人在内的家庭负担轻等特征，进而决定了其脱贫效应递增、返贫效应递减的趋势，而在上述特征发生转变，自身年龄增长、务工过程中的身体健康透支、子女教育和赡养老人负担等方面的因素导致其脱贫的边际贡献降低、返贫的概率提升，最终呈现出对脱贫组脱贫的倒“U”特征以及对返贫组的正“U”特征。因此，劳动力流动对多维相对贫困在一定年限内具有显著的减贫效应，能够帮助贫困家庭脱贫以及防止返贫现象的发生。但劳动力流动对多维相对贫困的影响会随着劳动力流动年限的延长由积极转为消极。

六、 稳健性检验

在之前的实证过程中，多维贫困是一个虚拟变量，对满足多维贫困条件的家庭povti_d=1，反之povti_d=0。为了进一步探讨劳动力流动对多维贫困的影响，本文将更换被解释变量，将多维贫困剥夺得分作为被解释变量。

参考谢家智、车四方的方法［21］，首先对每个维度设定一个贫困标准zj。若yij

0，其他，于是样本矩阵YN×D可以变换成剥夺矩阵g0=g0ij。此外，剥夺矩阵g0可以由规范化差距剥夺矩阵g1=g1ij进行弥补，这里的g1ij=g0ijzj－yijzj。即g1ij表示农村家庭i在维度j上的贫困差距。更一般的对于任意的α，gαij=gαijzj－yijzjα，在此基础上计算家庭i在所有维度上的总剥夺得分，即ci=∑Dj=1ωjgαij。计算结果见表10。

如表10所示，通过更换被解释变量，再一次验证了劳动力流动对相对贫困家庭多维剥夺的现状有着显著的改善作用，这与我们原有的实证结果相一致，即本文的研究结论是稳健的。

七、 主要结论与政策建议

本文采用2010—2018年中国家庭追踪调查数据，从静态、动态两个视角讨论劳动力流动对多维相对贫困的影响机制及其具体效应。結果表明：（1）从静态视角看，劳动力流动在总体上显著降低了家庭多维相对贫困，明显提高了家庭生活质量。分组研究也表明，劳动力流动能够提高贫困家庭的脱贫概率，降低家庭重返贫困的可能性。（2）劳动力流动年限与家庭脱贫、返贫之间呈现倒“U”型与正“U”型关系。在一定年限内，劳动力流动有助于贫困家庭摆脱多维相对贫困并降低返贫发生的概率。而当流动年限超过拐点值时，劳动力流动反而会阻碍贫困家庭脱贫，增加返贫的发生。（3）从动态视角看，劳动力流动对多维相对贫困的影响在时间维度上具有动态性。劳动力流动对多维相对贫困的边际贡献经历了增长-下降-再增长三个阶段。（4）家庭特征信息以及户主特征信息等控制变量对多维相对贫困发生率以及返贫、脱贫现象具有一定影响。

基于上述研究结论，本文得到以下几个方面的政策内涵：（1）有序引导劳动力在城乡间的流动。一方面，进一步推进户籍制度改革，打破劳动力流动的制度障碍，促进微观家庭经济模式的转变，充分发挥劳动力流动的减贫效应。另一方面，建立完善的农村劳动力流动机制，落实、落细劳务输出战略，加强对流动人口的有序引导， 避免盲目流动，降低外流成本，提升流动收益。（2）加强对多维相对贫困人口各项权利的保障力度，完善流动人口劳动权益与社会保障政策。加大对农村相对贫困家庭子女教育的帮扶力度，健全控辍保学工作机制，确保义务教育阶段适龄儿童不失学辍学；落实分类资助参保政策，做好相对贫困人口参保动员工作；完善养老保障和儿童关爱服务，解决好流动人口的后顾之忧，最小化劳动力流动的负面效应，从多维角度改善流动劳动力的相对贫困状态。（3）建立健全贫困识别和动态监测机制。建立多维相对贫困家庭监测系统，实现对该群体的动态帮扶，且适时组织对脱贫人口开展“回头看”，建立完整的退出评价体系和保障措施，同时增强贫困人口的“造血功能”，防止返贫的发生。（4）加快贫困地区农村特色产业的发展。尽管劳动力流动对减缓家庭多维相对贫困具有积极作用，但随着流动年限的增加，这种影响由积极变为消极。因此，结合贫困地区的资源禀赋和本地优势，发展农村特色产业，实现自身的内涵式发展具有重要意义。通过技术创新和科技推广等方式促进贫困地区特色产业发展，推动人才和科技在城乡间和地区间的顺畅循环，增强贫困地区的脱贫能力，实现巩固脱贫攻坚成果同乡村振兴的有效衔接是从根本上解决我国当前乃至未来一段时间内多维相对贫困问题的重要路径。

注释：

①欧盟国家以全体居民收入中位数的60%作为相对贫困的标准。

②国际经合组织提出将一个国家或地区收入中位数或平均数的50%作为标准识别相对贫困。

参考文献：

［1］蔡昉，都阳.迁移的双重动因及其政策含义——检验相对贫困假说［J］.中国人口科学，2002（4）：3-9.

［2］李翠锦.贫困地区劳动力迁移、农户收入与贫困的缓解——基于新疆农户面板数据的实证分析［J］.西北人口，2014（1）：34-38+44.

［3］杨靳.人口迁移如何影响农村贫困［J］.中国人口科学，2006（4）：64-69+96.

［4］赵曼，程翔宇.劳动力外流对农村家庭贫困的影响研究——基于湖北省四大片区的调查［J］.中国人口科学，2016（3）：104-113+128.

［5］车四方，谢家智，姚领.社会资本、农村劳动力流动与农户家庭多维贫困［J］.西南大学学报（社会科学版）， 2019（2）：61-73+196.

［6］李聪，王颖文，刘杰，等.易地扶贫搬迁家庭劳动力外出务工对多维贫困的影响［J］.当代经济科学， 2020（2）：32-44.

［7］韩佳丽，王志章，王汉杰.贫困地区劳动力流动对农户多维贫困的影响［J］.经济科学，2017（6）：87-101.

［8］赵晓航.父母外出务工对农村留守儿童健康的影响——基于CFPS 2012数据的实证分析［J］.社会发展研究，2017（1）：19-41+242.

［9］卢海阳，钱文荣.子女外出务工对农村留守老人生活的影响研究［J］.农业经济问题，2014（6）：24-32+110.

［10］阳义南，连玉君.中国社会代际流动性的动态解析——CGSS与CLDS混合横截面数据的经验证据［J］.管理世界，2015（4）：79-91.

［11］樊士德，金童谣.中国劳动力流动对家庭贫困影响的内在机理与效应研究——基于面板Logit模型与随机效应模型的实证研究［J］.江苏社会科学，2020（6）：79-89+242-243.

［12］王湘红，孙文凯，任继球.相对收入对外出务工的影响：来自中国农村的证据［J］.世界经济，2012（5）：121-141.

［13］樊士德，朱克朋.农村劳动力流动、务工收入与家庭贫困——基于东部欠发达县域878户农户的实证研究［J］.南京社会科学，2019（6）：26-33+58.

［14］张安驰，樊士德.劳动力流动、家庭收入与农村人力资本投入——基于CFPS微观数据的实证研究［J］. 现代经济探讨，2018（3）：19-26.

［15］王小林，Alkire S.中国多维贫困测量：估计和政策含义［J］.中国农村经济，2009（12）：4-10+23.

［16］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.

［17］孙久文，夏添.中国扶贫战略与2020年后相对贫困线划定——基于理论、政策和数据的分析［J］.中国农村经济，2019（10）：98-113.

［18］郭建宇，吴国宝.基于不同指标及权重选择的多维贫困测量——以山西省贫困县为例［J］.中国农村经济， 2012（2）：12-20.

［19］郭熙保，周强.长期多维贫困、不平等与致贫因素［J］.经济研究，2016（6）：143-156.

［20］王保雪.基于DEMATEL-熵权法云南多维贫困指标的权重研究［D］.昆明：云南财经大学，2014.

［21］谢家智，车四方.农村家庭多维贫困测度与分析［J］.统计研究，2017（9）：44-55.

［22］Alkire Sabina，Foster J.Understanding and misunderstanding of multidimensional poverty measurement［J］.Journal of Economic Inequality，2011（2）：289-314.

［23］Alkire Sabina，Foster J. Counting and multidimensional poverty measurement［J］. Journal of Public Economics， 2011（8）：476-487.

（责任编辑：田青）

（校对：木子）