农村脱贫家庭返贫风险测度及预警机制构建研究

陈文美 张昌柱 李春根

摘 要：

在阐释生计脆弱性与脱贫户返贫风险生成机理的基础上，构建农村脱贫家庭返贫风险的测度指标体系并测算其返贫风险程度。实证结果表明：全国农村脱贫家庭的返贫风险较低，西部地区农村脱贫家庭的返贫风险较高，且同时面临外源风险和内源能力较弱双重困境；风险适应能力强弱是引致返贫风险的主要指标，五项资本贡献率不尽相同，其中金融资本、人力资本是增强风险适应能力的主要贡献因子。在此基础上，可从信息收集管理系统、大数据平台判断预警级别、预警等级情况核查、预警措施介入、预警措施评估五个方面构建返贫风险预警机制。可聚焦易返贫地区，预防外源返贫风险，提升农村脱贫家庭抗风险能力，完善落实防止返贫预警帮扶机制。

关键词：

脱贫家庭；返贫风险；风险测度

文章编号：2095-5960（2023）02-0073-10；中图分类号：F59

；文献标识码：A

一、问题提出及文献回顾

2020年底，在现行标准下我国9899万农村人口全部脱贫，脱贫攻坚战取得了决定性胜利，绝对贫困和区域性整体贫困问题历史性地得到解决，标志着我国贫困治理迈进巩固脱贫攻坚成果阶段。《国民经济和社会发展第十四个五年规划和二○三五年远景目标的建议》指出要健全防止返贫监测和帮扶机制，同时2022年中央一号文件专门强调：坚决守住不发生规模性返贫底线。以上文件都指明了稳固脱贫成果、防止脱贫人口返贫不仅是“十四五”期间持续跟进农村发展的重要任务，更是推进巩固脱贫攻坚成果同乡村振兴有效衔接的底线要求。所谓返贫主要有“未贫—返贫”和“脱贫—返贫”两种类型，此处主要探讨“脱贫—返贫”，主要是指已经脱贫的个体或区域因各种主客观原因再次陷入贫困的现象和动态过程，表现出不确定性和反复性。［1］相关数据显示，目前脱贫具有返贫风险和致贫风险的人口分别为200万人和300万人左右。其中，2020年新增加38万返贫人口，一定程度上呈现出“扶贫—脱贫—返贫”的“恶性循环”。［2］事实上，当前我国农村在资源配置、公共服务、生计系统等方面依旧存在短板，引发返贫风险的诱因较多，农村脱贫人口的内生动力及自身的脆弱性和返贫风险并未彻底完全消除，因病、因灾等致贫返贫风险依然很大。［3，4］如何有效防止返贫现象的发生，需对农村地区的返贫风险实证测算，找准风险来源，以确保有效化解返贫风险，切断“脱贫—返贫”路径，为可持续减贫、促進乡村振兴、实现共同富裕目标的政策制定与路径优化提供一定的借鉴参考。

进入巩固脱贫攻坚成果同乡村振兴有效衔接的历史交汇期，有关返贫风险的研究不断深入，主要围绕返贫风险来源、脆弱性脱贫、防范化解返贫风险对策等内容展开研究。具体如以：一是关于返贫风险来源研究。Caner & Wolff研究得出：家庭的资产积累能够让其避免陷入返贫状态。［5］和立道等总结得出农村贫困人口彻底脱贫和预防返贫的根本在于提升人力资本。［6］吴本健等认为人力资本、自然资本和物质资本等生计资本是影响少数民族脱贫家庭返贫风险增加的重要因素。［7］二是关于脆弱性脱贫研究。脆弱性脱贫是指脱贫群体暴露于环境和社会变化的压力中，由于缺乏适应能力和抵御风险冲击的能力而容易受到损害，再次陷入贫困状态，其根本原因在于贫困主体的脆弱性。严小燕等通过对区域与家户两种尺度的转换与融合，探究返贫脆弱性问题及其原因，并运用BP神经网络、熵值法和偏相关分析等方法进行了典型连片特困区的返贫脆弱性评价。［8］黄国庆等以民族地区为特定研究区域，从生计脆弱的视角构建了脱贫户返贫风险的评估体系，并测算西南民族地区脱贫户返贫风险。［9］肖攀等从贫困脆弱性的视角，通过构建OLS模型实证分析家庭教育支出对农户脆弱性的影响机制与影响效应，得出家庭教育支出能显著降低农户的脆弱性，且不同家庭类型教育支出的影响具有异质性。［10］三是关于防范化解返贫风险对策建议研究。包国宪从预警模型主体构成、预警程序、支撑条件等方面构建了我国返贫预警机制。［11］萧鸣政等借助人力资源开发理论与方法，从自我开发、培训开发等方面实现返贫风险控制。［12］

综上所述，脱贫人口返贫诱因复杂多样，涉及经济、政治、社会、环境等诸多要素，脆弱性脱贫是返贫风险发生的根本原因。面对不同的返贫风险来源，学者从各自的角度对防范化解返贫风险的机制、优化路径等方面提出了独到见解。但当前对脱贫人口返贫风险的研究主要集中在定性层面，定量研究不多见，尤其是鲜有研究构建返贫风险测度体系并定量测度脱贫人口的返贫风险。为此，本文在阐释生计脆弱性与脱贫户返贫风险生成机理的基础上，以生计脆弱性“暴露度—敏感度—适应能力”的分析框架为基础，构建我国农村脱贫家庭返贫风险测度体系并测算其返贫风险，在此基础上创新性地运用气象灾害预警划分等级，有针对性地构建包括信息收集管理系统、大数据平台判断预警级别、预警等级情况核查、预警措施介入等方面的返贫风险预警机制，为现阶段我国返贫阻断、坚守不发生规模性返贫、扎实推进巩固脱贫攻坚成果同乡村振兴有效衔接提供现实依据和有益参考。

二、农村脱贫家庭的生计脆弱性返贫风险发生机制分析

（一）脆弱性与贫困的伴生关系

世界银行将贫困看作是公民缺少机会参与活动，使得在一些关系到自身命运的重要决策时缺乏发言权，且容易受到经济及其他冲击影响的一种脆弱性状态，表现出受到冲击和抵御能力两方面。其中，脆弱性高低与受到的冲击力呈正向关系，与抵御能力呈反向关系。事实上， 脆弱性会导致家庭遭受财产、人员等各种损失而引发福利水平下降，如果下降至社会公认的水平之下而陷入贫困，脆弱性与贫困间反映出一种伴生、相互影响的关系。［13］具体体现在：一是脆弱性作为贫困的重要表征，陷入贫困状态中的家庭往往会导致较高的脆弱性，当经济骤减中断或冲击发生时，贫困者需要调动和整合包括财富、健康、教育、资产、资本等诸多资源抵御应对特殊情况，越贫者越缺乏对上述资源的拥有和支配能力，引发的福利水平降低程度越严重，陷入的贫困程度越深。二是脆弱性高低还体现在面对冲击影响时的适应和恢复能力。贫困人口在遭遇冲击过后，如遭遇自然灾害、经济中断等，若未能及时得到外界援助，很难恢复到原来的生活水平。一般而言，冲击发生时他们通常会通过减少食物摄入量、出卖家产、使子女辍学、降低医疗费用等方式来维持较低的生活水平。其中，减少教育投入和健康支出会进一步加剧陷入“脆弱—贫困—更脆弱—更贫困”恶性循环的可能性。

（二）生计脆弱性脱贫的返贫本质

生计脆弱性是指家庭和个体在生计活动过程中，当生计结构变化或面临外力冲击时不稳定、易遭受損失的状态，是返贫风险发生的核心要素。一般而言，在脆弱性脱贫阶段造成脱贫家庭生计脆弱的原因主要来源于自然和个体两个层面，自然层面主要为自然灾害侵袭（如地质灾害、大气灾害），它不仅会导致脱贫农户种养殖业减产、减收致返贫，还会使房屋、固定财产及个人健康遭受损失；个体层面表现为突发事件冲击（如失业、疾病等）会不同程度导致收入减少或者支出增加导致生计不可持续，引发返贫风险发生。当然也有学者将影响农户生计可持续的原因归纳为内外因素，其中，内部原因来自脆弱性，外部冲击则用风险阐释。需要指出的是，为如期完成脱贫攻坚任务，政府通过高强度财政支出着力实施一系列超常规的扶贫政策，使得过度使用财政扶贫政策的边际支出效果、边际贡献不断弱化，贫困户对财政转移性收入的依赖程度过高，呈现出贫困户脆弱性脱贫的现象，其生计可持续能力依然较低，群体性返贫风险依然存在。关于生计脆弱性脱贫，Polsky提出了“暴露度—敏感度—适应能力”分析框架，认为暴露度衡量的是自然风险、社会风险等外源胁迫因素对农户生计脆弱性的压力大小；敏感度是农户自身的属性，不同的农村家庭在应对外源的风险时，直接或间接做出回应的难易和灵敏程度各不相同；适应能力是对外源风险已经或预期要发生，以及产生的影响采取适当的措施而趋利避害的能力、行为和恢复力。［14］一般来说，生计脆弱性与暴露度、敏感度呈反向关系，与适应能力呈正向关系，呈现出贫困区域包括地理位置、生态环境、经济基础、产业发展、基础设施等要素的系统功能不齐全或失调地延续，进而陷入“空间贫困陷阱”。从生计可持续的视角，脆弱性脱贫家庭的生计不足或生计资本组合不合理，使其难以有效应对各种风险的冲击，不能利用包括物质、金融、社会、人力等各类生计资本实现其生计可持续。

（三）生计脆弱性引致返贫现象产生的发生机制分析

返贫现象发生主要在于脱贫后的家庭仍然可能存在返贫风险，没有及时遏制和降低返贫风险，自然会沿“脱贫—返贫风险—返贫”的逻辑发生机制路径演进。从动态分析视角来看，无论通过何种方式实现脱贫的家庭，都会存在生计风险，主要是因为脱贫家庭的生计能力是否能在脱贫之后可持续主要取决于生计是否稳定，不稳定性预示着返贫风险存在，且具有动态性。一般而言，脱贫农户内源的生计能力和外源的生计风险两者的共同作用形成的返贫风险不断变化引发生计不稳定性。当返贫风险不断累积突破某一阈值，脱贫家庭就会再次陷入贫困，其实质内核是内源生计能力无法抵御外源生计风险，家庭的资产存量在抗击外源风险时导致家庭资产减少而无法维持正常生活，外在表征可以通过收入减少或者支出增加表现出来。从静态分析视角来看，返贫现象发生机制形成的核心在于中间环节的“返贫风险”，脱贫农户面临内外在的多源性致贫风险，从生计脆弱性的“暴露度—敏感度—适应能力”理论框架来看，脱贫农户的生计脆弱性变化主要反映在收入与支出层面，若脱贫家庭因脆弱性变化导致收入不能维持正常生活则再次返贫。其中，“暴露度”属于外源生计风险，涵盖了如气候变化、自然灾害、突发事件等，“敏感度”表示对外界风险的反应、敏感程度，涵盖健康情况的变差等可能会导致家庭支出增加进而引起收入减少，“适应能力”多指抵御外源风险的能力，资本作为集中衡量“适应能力”的指标，主要包括自然资本、物质资本、金融资本等，反映资本存量越多脱贫农户的收入越多抵御风险的能力越强。

三、返贫风险测度指标体系构建与测度方法

（一）数据来源

本文的数据来源于中国家庭追踪调查数据库（CFPS），该数据库包含个体、家庭、社区三个不同层次的数据，是一个全国性、综合性的社会跟踪调查数据库。本文利用最新2018年的数据，将个人库和少儿家长代答的数据筛选合并到家庭层面，并按照《2019年中国农村贫困监测报告》中关于我国2018年贫困线为人均收入3200元/年的标准进行筛选，将农村家庭样本中人均收入高于2018年贫困线的家庭视为脱贫家庭，最后得到2791个农村脱贫家庭数据样本，覆盖了8955人。

（二）返贫风险测度指标体系

运用Polsky的“暴露度—敏感度—适应能力”分析框架，在参考陆远权等 ［15］构建的评价指标体系的基础上，结合数据可获取性，重点从风险暴露程度（E）、风险敏感程度（S）、风险适应能力（A）三个维度考量，构建了我国农村脱贫家庭的返贫风险测度体系，具体指标情况见表1。

1.风险暴露程度。风险暴露程度是指脱贫农户可能遭受外源风险冲击的情况，参考已有学者的研究［16］，此处选取了自然风险、家庭风险、社会风险来表示风险暴露程度。其中，土地是农村家庭赖以生存和生产最重要的自然资源，土地的多少和好坏在很大程度上影响了农村家庭的收入，决定了农村家庭返贫面临的自然风险，所以将土地资产用作表示自然风险；选用教育压力代表家庭风险，用教育支出表示教育压力，主要考虑到教育的支出是家庭总支出的重要组成部分，其投入能促进家庭人力资本积累、提升家庭成员反贫困自我效能感和增强家庭内生脱贫动力，降低农户的生计脆弱性，家庭承受的外界返贫风险会相应减少；社会保险作为居民规避风险最有效的制度安排，在面临各种风险时，参保家庭会获得社会保险制度的补贴或兜底保障，降低返贫风险发生的可能性。

2.风险敏感程度。风险敏感程度是指脱贫农户在遭受了外源风险冲击时，家庭对风险冲击作出回应、反应的敏感程度。如前文所述，健康作为脱贫家庭在遭受风险时作出回应、反应的敏感程度的重要指标，其灾难性医疗支出增加会提高因病致贫或返贫的概率。［17］ 此处选用了家庭医疗支出占比、BMI、健康自评情况三个二级指标。

3.风险适应能力。根据本研究需要，此处将适应能力分为包括自然、物质、金融、人力、社会等资本在内的五种类型。第一，自然资本。自然资本与脆弱性联系最为密切，分为无形的公共资本（例如：空气质量）和有形的生活条件。选用了空气净化指标衡量自然资本中的无形公共资本，用做饭用水和做饭燃料两个指标来测度自然资本中有形的生活条件情况。［18］第二，物质资本。物质资本是长期存在的生产物资形式，是维持生计的最基本生产资料和基础设施［19］，此处用农用机械总值来代表物质资本的持有情况，还用住房面积来考察农户的住房情况，同时将包括电视、冰箱、洗衣机等家电以及衣柜、床等家具的耐用消费品价值用以描述家庭物质资本情况。第三，金融资本是在消费和生产过程中人们为了取得生计目标所需要的资金积累和流动。此处用脱贫家庭现金收入、政府补助、家庭存款和家庭欠款来反映金融资本。第四，人力资本。人力资本是其生产和经营的基础，且农户的受教育程度是决定家庭未来发展能力的重要因素。［20］其中，人力资产的数量和质量差异均会影响农村家庭的生计策略，表现出劳动力数量不足、低就业率和教育素质不高均容易引发脆弱而返贫，此处用家庭劳动力平均年龄、劳动力人数、就业人数、劳动力教育年限来衡量人力资本。第五，社会资本。该指标测度主要反映农户能够利用的社会网络能力，意味着人们在追求生计目标中所利用的社会资源。一般情况下，农户和亲友、邻居熟人的关系程度与获得就业机会、帮助、救济成正相关，关系越紧密就越能够降低遭遇冲击引发的返贫风险概率。此处用社交往来中的人情礼支出、人缘自评情况、亲友的经济帮助来衡量农户的社会资本。

（三）数据处理

第一，数据标准化处理。考虑到不同指标的量纲、数量级和变化幅度，因而需对各级指标的量化值進行标准化处理，此处采用极差标准化方法对指标进行标准化处理。计算公式如下：

正向指标：Xij（正）={xij－xj（min）}/{xj（max）－xj（min）}  （1）

负向指标：Xij（负）={xj（max）－xij}/{xj（max）－xj（min）}  （2）

第二，确定权重。客观赋权法能有效克服人为因素带来的主观性影响，使指标权重的确定更具说服力。此处参考Sallu［21］和刘伟等[22］的处理方法，采用主成分分析方法，可利用载荷系数信息等进行权重计算，并对主成分分析的适切性进行了检验，得到的KMO检验值为0.688，Bartlett检验对应p＜0.0001，表明所选的数据变量适合进行主成分分析。具体操作步骤如下：1.运用主成分分析法提取得出8个主成分，根据计算结果生成一个23×8的载荷系数矩阵；将8个主成分的特征值求平方根，生成行向量。2.计算主成分得分系数矩阵。计算公式如下：

tmn=rmn/zn  （3）

第三，计算综合得分系数，计算公式如下：

fm=∑nn=1tmn×sn/∑nn=1sn  （4）

其中表示提取的8个主成分的方差贡献率。

第四，计算综合指标权重，计算公式如下：

Hm=fm/∑mm=1fm  （5）

最后，指数计算。根据过往研究文献，评估农户生计脆弱性的方法包括VSD评价整合模型、集对分析方法以及综合指数评估模型等，且都得到广泛应用。IPCC提出的ESA模型因易于理解，处理计算的过程比较简便，且可以有效反映评估单元脆弱程度的相对大小，所以在学界的脆弱性评估中得到了广泛的应用。本文采用ESA模型测算脱贫农户的返贫风险指数（V），其计算公式为：V=（E+S）-A，其中，各维度指标计算公式为：

E=∑m=3m=1Em×Hm  （6）

S=∑m=6m=4Sm×Hm  （7）

A=∑m=23m=7Am×Hm  （8）

四、我国农村脱贫家庭返贫风险测度的实证结果分析

（一）我国总体与地区的返贫风险测度结果

测算结果显示：我国农村脱贫家庭的返贫风险指数∈［-0.4077，0.1830］。返贫风险指数越大，意味着农村脱贫家庭的返贫风险发生概率越大。如表2所示，我国农村脱贫家庭的返贫风险指数为-0.1218，表明我国农村脱贫家庭的返贫风险程度较低，脱贫稳定性、抗风险能力较强，且除西部以外，东、中部地区农村脱贫家庭返贫风险指数均低于全国水平，这得益于我国脱贫攻坚中“两不愁三保障”的精准扶贫政策。深入测算发现东部地区农村脱贫家庭的返贫风险指数（-0.1282）最小，说明该地区巩固脱贫攻坚成效最稳定。西部地区农村脱贫家庭的返贫风险指数（-0.1122）最高，为防止规模性返贫，更好推进巩固脱贫攻坚成果同乡村振兴有效衔接，亟需重点关注西部地区尤其是脱贫之前的“三区三州”等深度贫困地区。

（二）返贫风险指数的不同维度分解对照分析

按公式（6）（7）（8）测算得出：就全国范围而言，各维度指数值分别为风险暴露程度∈［0.0381，0.1283］，风险敏感程度∈［0.0033，0.1362］，风险适应能力∈［0.0424，0.5869］。就不同区域看（见表3），西部地区的风险暴露指数为0.0965，暴露程度最高，中部、东部地区依次递减，可见我国西部农村脱贫家庭承受或面临较大的外界风险威胁，仍然是巩固脱贫攻坚成果的重点关注地区；东部地区的风险敏感度指数为0.0978，敏感程度最高，与西部地区相差不大；中部地区敏感指数（0.0954）最低，一定程度表明东部地区的农村脱贫家庭在面对外界风险时作出回应的敏感度不及中部、西部地区；东部地区的风险适应能力指数为0.3182，抵抗风险能力最强，西部地区该指数为0.3058，抵抗风险能力最弱，表明在遭遇返贫风险时，西部地区脱贫家庭较弱的适应能力更容易致使其返贫。

（三）不同返贫风险指数类型家庭分布对照分析

根据上述测度综合评价的测算公式，若V≥0，说明该家庭的适应能力不足以抵御外界的风险，具有返贫的可能性，本文将其界定为返贫风险家庭。另外，V＜0所包含样本家庭既存在部分返贫风险指数（V）接近于0的易返贫边缘群体，又存在非返贫家庭，所以本文将研究家庭样本（V＜0）中返贫风险指数的均值（V=-0.1405）作为分界点，处在-0.1405≤V＜0的样本界定为易返贫家庭。将V＜-0.1405，即低于返贫风险指数均值的家庭界定为非返贫家庭。为进一步分析不同类型家庭的返贫风险差异，此处将三类家庭：返贫家庭（V≥0）、易返贫家庭（-0.1405≤V＜0）、非返贫家庭（V＜-0.1405）分别标识为a组家庭、b组家庭、c组家庭，统计三组家庭的数量和样本占比情况（见表4），发现在农村脱贫家庭样本中，有41.45%的家庭不存在返贫风险，充分反映出我国减贫事业取得的扎实成绩。超过40%的脱贫人口彻底摆脱贫困，但仍有48.05%的农村脱贫家庭处于易返贫状态，随时有再次陷入贫困的可能，需要扎实做好防止返贫动态监测工作。数据显示10.50%的样本家庭已经处于返贫状态之中，需要持续推进巩固脱贫攻坚成果，严格落实“四个不摘”，强化对返贫家庭的多元有效帮扶，促使其尽快脱贫。

（四）不同返贫风险类型家庭的返贫风险指数及分解

此处通过对照a、b、c三组的返贫风险指数及维度指标的区别，旨在分解出引发农村脱贫家庭返贫风险的主要指标维度，如表5测算结果显示：一是a组家庭返贫风险指数最大，b组次之，c组最低，三组家庭的返贫风险指数最大差值为0.2518，三组家庭的返贫风险差距较为明显。其中，a组家庭的风险暴露程度和风险敏感程度的指数值最高，但三组家庭相差不大，最大差值分别为0.0153、0.0037，表明三组家庭有关风险暴露程度和风险敏感程度差异不明显，不是造成三组脱贫家庭返贫风险指数差异的主要原因。二是在对比三组脱贫家庭的风险适应能力指标后发现，组间差异明显，最大差值为0.2360。其中，易返贫家庭的风险适应能力指数为0.2720，返贫家庭高达0.3982，表明三组脱贫家庭返贫风险指数的维度贡献主要来源于风险适应能力差异，呈现出风险适应能力越强，返贫风险指数越小，返贫可能性越小的状态，反之亦然。

（五）风险适应能力指数的维度贡献率分解

为进一步剖析风险适应能力对返贫风险的具体维度贡献情况，此处将风险适应能力指数进行分解，分解结果显示，三组脱贫家庭返贫风险适应能力指数在自然、物质、金融、人力、社会五个维度层面均呈现a组＜b组＜c组（见表6）。表明返贫风险越高的脱贫家庭所对应的五项资本均较弱。具体分解到不同维度，发现物质资本的指数相差最大，c组约是a组的5.27倍，物质资本作为农村家庭长期存在的生产物资形式，需要在巩固脱贫攻坚成果的过程中重点补齐；自然资本和人力资本指数差距分别排第二、第三位次，持续不断改善易返贫家庭的生计条件，提升其生活质量水平，稳固提高人口素质和就业能力，增强脱贫家庭尤其是易返贫家庭和已返贫家庭的人力资本积累，使其成为稳定脱贫的核心要素；金融资本和社会资本两个指标差距分别排在第四、第五位次，但亦是影响不同返贫类型家庭组间差距的重要因素，其中金融资本的不断积累是脱贫家庭摆脱贫困风险的前提和基础，社会资本有利于加强脱贫家庭持续脱贫的能力建设。

从各组家庭风险适应能力指数构成贡献率来看，金融资本、人力资本是风险适应能力指数的主要贡献因子。具体反映在三组脱贫家庭其各项资本贡献率不尽相同，a组家庭的金融资本对风险适应能力指数贡献率最高（37.10%），物质资本贡献率最低（4.76%），二者相差32.34%；b组家庭的人力资本对风险适应能力指数贡献率最高（31.36%），物质资本贡献率最低（7.81%），二者相差23.55%；c组家庭的人力资本指标对风险适应能力指数贡献率最高（30.29%），物质资本的贡献率最低（10.19%），二者相差20.10%。可看出物质资本对三组家庭风险适应能力指数的贡献率均最低，但随着风险程度的降低，物质资本的贡献率有上升趋势，表明返贫风险越低家庭的物质资本还有提升空间。此外，a组家庭的5个资本指数贡献率相差最大，一定程度表明a组家庭在风险适应能力上存在结构失衡的问题。

五、农村脱贫家庭返贫风险的预警系统和预警机制构建

（一）返贫风险预警系统构建

为及早发现和有效化解农村脱贫家庭返贫风险，防止出现规模性返贫，在前述实证研究的基础上，本文构建了返贫风险的预警系统，主要包括了预警主体、预警客体和预警载体。预警客体是预警系统中的监测对象，鉴于我国在2020年已经实现了绝对贫困的消除，本文建议将人均可支配收入高于国家贫困线、低于贫困线2倍的家庭，以及建档立卡户均纳入返贫风预警系统的监测范围。预警系统主体一方面负责管理运行返贫风险预警系统，另一方面对返贫风险预警系统中不同的预警对象予以帮扶干预，主要包括了各级政府、省级返贫预警办公室、专家顾问、各类社会组织、驻村工作队等。预警载体是预警系统的重要组成部分，承担着连接预警系统主体和客体的枢纽作用，也是返贫风险预警机制的重要支撑。

（二）返贫风险预警机制运行

1.信息收集管理系统。信息的采集对象主要来自人均可支配收入高于国家贫困线、低于贫困线2倍的家庭，以及建档立卡户。信息收集管理系统中的数据指标可以在本文构建的体系中增加更全面的指标以更好反映返贫风险的全貌。同时打通各层级以及多部门之间的信息联动共享渠道，数据实现标准化处理。建立由乡村振兴局牵头，医保、民政、教育等部门协同对接共享返贫预警系统所需的指标数据，对于重复指标数据不一致等问题，要进行数据再次校核确认以保证数据准确无误。此外，共享的数据可能会无法满足返贫风险预警系统所需，可以采用社区工作人员、委托平台和小程序共同参与的方式收集在外务工人员相关信息，留在本村落的人群主要依托驻村工作队采集数据。除了基础性地收集数据信息之外，关键性的收集工作主要在于及时对相应指标的变化情况作出回应，每半年要对监测范围内的家庭进行数据更新，以确保信息收集管理系统数据的时效性。

2.人工智能大数据平台算法判断预警级别。在接收到信息收集管理系统传输的数据后，人工智能大数据平台需要立即对数据展开分析和处理，进行预警级别的判断。此处借助前述实证中的分类方法对各个家庭的返贫类型进行划分，如果预警值V≥0，划分为Ⅰ级；如果预警值V＜0且V≥-0.1405，劃分为Ⅱ级；如果预警值V≤-0.1405，划分为Ⅲ级。依据气象灾害划分等级，将Ⅰ级、Ⅱ级、Ⅲ级分别视为红色预警对象、黄色预警对象和蓝色预警对象。可以从大数据网络返贫预警系统看到具体到每一户农村家庭的预警等级情况。

3.预警等级情况核查。在人工智能大数据平台确定了监测范围内每一户的预警情况之后，对于黄色和红色预警等级的家庭需要重点实地逐一核实信息的准确性，对于蓝色预警等级的家庭主要采取抽查的方式核验家庭信息。首先是返贫预警系统将每一户的预警等级情况发送至基层的驻村工作队或社区人员手中。然后，由基层人员实地走访对监测范围内的家庭信息进行核实确认，重点对自然灾害受灾情况、身体健康变化、就业问题、收支是否能够平衡等问题展开核实，登记填写监测卡。最后，基层人员将监测卡的信息交由县乡一级单位在返贫预警系统中反馈给系统处理中心最新核实的数据信息。

4.预警措施介入防止返贫。在返贫预警监测中心更新最新确认的数据之后，人工智能大数据平台会再次计算出每一户的预警情况，根据最新的不同预警等级，尤其是红色预警对象和黄色预警对象，将采取由上而下主动介入的帮扶方式。具体而言，红色预警对象可以参照“自然—物质—金融—人力—社会”五大资本框架对其进行系统性防止返贫的帮扶，多措并举对其返贫风险展开预警帮扶措施，如针对红色预警家庭可能存在家庭收入不稳定、农业生产设备较差等问题，可采取农用机械小额贷款、政府补贴等帮扶方式。黄色预警对象将采用“点对点”的针对性预警帮扶措施，先由大数据平台对其五大资本进行测算之后，找准其中的短板资本，如在就业方面由于文化水平较低、缺乏就业技能，相关部门需为其提供就业培训或就业岗位。对蓝色预警对象而言，主要采取由下而上介入的帮扶方式，除了依靠每半年一次的数据更新监测以外，主要靠自己通过小程序申报和电话热线等方式的自主申报更新家庭的相应数据信息。如果其数据信息更新使得其转变为黄色或红色预警对象，预警等级情况核查将再次介入对其进行核查，核查后一旦确认其属于黄色或红色预警对象，预警帮扶机制的防止返贫措施将会按照相应程序立即介入。

5.预警措施评估。在预警措施实施之后，会再一次进行家庭信息数据核查工作，主要针对红色和黄色预警对象，更新其预警等级情况。对于红色预警转为黄色预警的家庭，可以将系统性的多措并举措施调整为“点对点”针对性措施；红色预警转为蓝色预警的家庭，为保证其能够平稳保持在蓝色预警监测范围，原有的预警帮扶措施将保持一定的“过渡期”，之后将转入蓝色预警监测范围；黄色预警转为蓝色预警的家庭，“点对点”的帮扶措施可以转为蓝色预警范围的常规监测即可。对于采取预警措施之后仍保持在原来预警范围的家庭，特别是红色和黄色预警对象，同样再次采取家庭信息数据核查工作，评估之前的预警帮扶方式是否需要作出调整或者加强帮扶力度。除此以外，如果出现了从蓝色（黄色）预警对象转变成了红色（黄色）预警对象，那么预警机制会返回到第二步，重新依照大数据平台对预警等级进行判断，重新实施预警措施。

六、结论与政策建议

本文从生计脆弱性理论的视角，阐释了生计脆弱性的贫困本质及其引致返贫风险的发生机制，然后以生计脆弱性“暴露度—敏感度—适应能力”的逻辑为基础分析框架，构建了我国农村脱贫家庭返贫风险测度体系，运用2018年CFPS调查数据和ESA模型测度其返贫风险指数，并对风险指数进行不同维度的贡献率分解。测算结果表明，一是整体显示我国农村脱贫家庭的返贫风险较低，脱贫稳定性、抗风险能力较强。二是西部地区农村脱贫家庭在风险暴露程度、风险敏感程度上均处于较高风险状态，其适应抵抗能力最弱，同时面临外源风险和内源能力较弱双重困境。三是对照返贫家庭、易返贫家庭、非返贫家庭间区别，发现造成返贫的症结主要取决于风险适应能力的强弱，呈现出风险适应能力越强，返贫风险越弱的特点，反之亦然。四是返贫风险越高的家庭，自然、物质、金融、人力和社会资本的积累均较低，其中，金融资本、人力资本是增强风险适应能力的主要贡献因子，且三组脱贫家庭各项资本贡献率不尽相同。

基于上述结论，本文认为降低农村脱贫家庭的返贫风险、防止其规模性返贫的解决办法应以遵循提升生计资本的风险适应能力为主，降低风险暴露程度、风险敏感程度为辅的思路，采取“干预+监测”手段，具体政策建议如下：

一是聚焦易返贫地区，尤其是西部欠发达地区。从测算结果来看区域差异较为明显，西部地区作为脱贫攻坚的重点关注地区，亦是巩固脱贫攻坚成果任务最重的区域。针对风险暴露程度高的区域，应重点改善区域生态环境，防范这些地区因灾返贫；立足于旅游资源禀赋的优势，发挥比较优势，紧密结合乡村振兴战略，打造“绿色旅游”“特色旅游”，以“特”制胜，将特色优势和比较优势转化为经济优势，推动旅游业的高质量发展。深化资源、产业、市场三者的融合联动，提升农户在发展中的综合效益。持续深化东西部协作、定点帮扶和社会力量帮扶，加强劳务协作、职业技能培训，促进脱贫人口持续增收致富的目标。

二是预防外源返贫风险，提升农村脱贫家庭抗风险能力。外源风险预防主要从医疗健康和教育两方面着手，巩固拓展“两不愁三保障”成果，继续发挥社会保障在防止返贫中的兜底作用，提升基层医疗卫生健康服务水平，改善办学条件，提高教学质量，严守防止规模性返贫底线。与此同时，优先考虑保证当前脱贫家庭的生计资本的存量，打破金融、人力、社会等资本瓶颈，重塑其生计模式，提升生计资本的风险适应能力，持续增强抵御风险的能力，做到因户因人因需求分类施策，精准跟进帮扶措施。

三是完善落实防止返贫预警帮扶机制，构筑防止返贫的“防火墙”。建立健全防止返贫大数据监测平台，建立网格化动态监测机制，开展常态化动态监测，加强与其他相关部门数据共享。在监测机制的基础上继续建立完善返贫预警帮扶机制，实现数据监测与预警帮扶机制的快速衔接，做到风险早掌握、短板早发现、帮扶早实施，及时遏制返贫发生。进一步加强帮扶力度，确保监测对象应扶尽扶，全力巩固拓展脱贫攻坚成果，全面推进乡村振兴。

参考文献：

［1］周迪，王明哲. 返贫现象的内在逻辑：脆弱性脫贫理论及验证［J］. 财经研究，2019（11）：126～139.

［2］王瑶. 大决战倒计时国务院扶贫办主任刘永富谈脱贫攻坚［EB/OL］. http：//rmfp.people.com.cn/n1/2020/0312/c406725- 31629675.hml， 2020-03-12.

［3］王春城，刘欢欢.构建与体系化运行：后脱贫攻坚时代返贫风险治理的政策框架［J］.行政论坛，2022（2）：81～88.

［4］张梦林，李国平，侯宇洋.从脱贫攻坚到乡村振兴：金融素养如何防范返贫［J］.统计与信息论坛，2022（2）：117～128.

［5］ Caner A，Wolff E N. Asset Poverty in the United States，1984～1999［J］.Challenge，2004（1）：5～52.

［6］和立道，王英杰，路春城. 人力资本公共投资视角下的农村减贫与返贫预防［J］.财政研究，2018（5）：15～24.

［7］吴本健，肖时花，马雨莲. 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（2）：119～135.

［8］严小燕，祁新华，潘颖，等. 贫困退出背景下返贫脆弱性评价——融合区域与个体的新视角［J］.自然资源学报，2022（2）：440～458.

［9］黄国庆，刘钇，时朋飞. 民族地区脱贫户返贫风险评估与预警机制构建［J］.华中农业大学学报（社会科学版），2021（4）：79～88.

［10］肖攀，刘春晖，李永平. 家庭教育支出是否有利于农户未来减贫——基于贫困脆弱性的实证分析［J］.教育与经济，2020（5）：3～12.

［11］包国宪，杨瑚. 我国返贫问题及其预警机制研究［J］.兰州大学学报（社会科学版），2018（6）：123～130.

［12］萧鸣政，张睿超. 中国后扶贫时代中的返贫风险控制策略——基于风险源分析与人力资源开发视角［J］.中共中央党校（国家行政学院）学报，2021（2）：58～65.

［13］韩峥. 脆弱性与农村贫困［J］.农业经济问题，2004（10）：8～12.

［14］Polsky C， Neff R， Yarnal B. Building Comparable Global Change Vulnerability Assessments： The Vulnerability Scoping Diagram. Global Environmental Change， 2007（3～4）： 472-485.

［15］陆远权，刘姜.脱贫农户生计可持续性的扶贫政策效应研究［J］.软科学，2020（2）：50～58.

［16］李玉山，陆远权. 产业扶贫政策能降低脱贫农户生计脆弱性吗——政策效应评估与作用机制分析［J］.财政研究，2020（5）：63～77.

［17］朱超，王戎. 因病致贫与缓冲效应的比较优势［J］. 贵州财经大学学报，2020（6）：75～86.

［18］苏芳，徐中民，尚海洋. 可持续生计分析研究综述［J］.地球科学进展，2009（1）：61～69.

［19］王立安，刘升，钟方雷. 生态补偿对贫困农户生计能力影响的定量分析［J］.农村经济，2012（11）：99～103.

［20］邹薇，郑浩. 贫困家庭的孩子为什么不读书：风险、人力资本代际传递和贫困陷阱［J］.经济学动态，2014（6）：16～31.

［21］Sallu S M， Twyman C， Stringer L C. Resilient or Vulnerable Livelihoods？ Assessing Livelihood Dynamics and Trajectories in Rural Botswana［J］. Ecology and Society，2010（ 4） ： 299～305．

［22］刘伟，徐洁，黎洁. 陕南易地扶贫搬迁农户生计脆弱性研究［J］.资源科学，2018（10）：2002～2014.

Research on the risk measurement and early warning mechanism construction of rural poverty alleviation families

- An analytical framework based on livelihood vulnerability

CHEN Wen-mei1，2，ZHANG Chang-zhu1，LI Chun-gen2

（1.School of Public Management， Guizhou University of Finance and Economics， Guiyang， Guizhou 550025， China;

2.School of Finance， Taxation and Public Management， Jiangxi University of Finance and Economics， Nanchang， Jiangxi 330013， China）

Abstract：

On the basis of explaining the mechanism of livelihood vulnerability and the risk of returning to poverty of the poverty-stricken households， this paper constructs the index system for measuring the risk of returning to poverty of the rural poverty-stricken households and calculates the risk degree of returning to poverty. The empirical results show that the risk of returning to poverty of rural poverty relief families in the whole country is low， and the risk of returning to poverty of rural poverty relief families in the western region is high， and at the same time. Facing the dual dilemma of external risk and weak internal capacity; The risk adaptation ability is the main indicator leading to the risk of returning to poverty. The five capital contribution rates are different. Financial capital and human capital are the main contribution factors to enhance the risk adaptation ability. On this basis， the early warning mechanism of poverty reduction risk can be built from five aspects： information collection and management system， big data platform judgment of early warning level， early warning level verification， early warning measures intervention， and early warning measures evaluation. We can focus on areas prone to return to poverty， prevent the risk of external return to poverty， improve the anti-risk ability of rural poverty-stricken families， and improve the implementation of early warning and assistance mechanism to prevent return to poverty.

Key words：

poverty alleviation families;Poverty reduction risk;risk measure

責任编辑：萧敏娜

吴锦丹 萧敏娜 常明明 张士斌 张建伟 张 领

收稿日期：2022-05-08

基金项目：贵州省哲学社会规划课题“贵州易返贫人口的返贫风险测度及预警帮扶机制研究”（21GZYB49）。

作者简介：陈文美（1982—），女，贵州毕节人，博士，副教授，硕士生导师，江西财经大学财税与公共管理学院博士后，研究方向为公共经济与社会保障；张昌柱（1995—），男，贵州贵阳人，硕士研究生，研究方向为社会保障与反贫困；李春根（1975—），男，江西抚州人，博士，教授，博士生导师，研究方向为公共经济与社会保障。