乡村振兴背景下脱贫质量的影响因素分析

代诗雅

（广西师范大学政治与公共管理学院）

当前，我国已如期完成现行标准下农村贫困人口全部脱贫。新的发展阶段，我国的贫困性质将由绝对贫困转向相对贫困，巩固拓展脱贫攻坚成果与乡村振兴有效衔接的重要性、紧迫性不言而喻，重点是抓好脱贫攻坚成果的持续巩固即脱贫质量的持续提高。本文聚焦于扶贫开发工作中脱贫质量的影响因素，以Z县的建档立卡贫困户为总体对象进行研究，数据源自该地区官方建档立卡贫困户数据库，从贫困户的自身特征出发，以全国农村居民人均可支配收入中位数为参考依据，界定该地区的脱贫质量，进而考察影响贫困户脱贫质量的主要因素，为监测和帮扶提供更有针对性、更有效率的措施。

一、脱贫攻坚阶段Z县的基本情况

2023年，Z县户籍总人口17.98万人，城镇人口3.79万人，城镇化率37.56%，农村居民人均收入11 954元。精准扶贫实施以来，Z县实现了贫困人口脱贫7 855户，贫困发生率从2015年年末的16.03%降至2019年年末的0.21%。2020年，全县实现贫困村摘帽、贫困人口全部脱贫。Z县的相关信息统计表见表1。

表1 Z县2023年扶贫相关信息统计表

二、概念界定与研究假设

（一）脱贫质量的概念

我国现阶段的贫困问题可分为原生贫困问题和返贫问题，在解决原生贫困问题、防范返贫问题中提高脱贫质量是实现稳定脱贫的必由之路。相对贫困理论认为，贫困人口在经济条件上具有明显的脆弱性，具体表现为家庭应对意外事故的支付能力不足。在实际的脱贫战略中，贫困人口的收入水平也一直是衡量其贫困程度和脱贫质量的重要因素。郑长德（2018）指出脱贫质量即满足脱贫的要求，脱贫质量是脱贫的真实性和可持续状况，高质量的脱贫必然是可持续的；王富珍等（2019）引入收入变量，将农户的脱贫稳定状况描述为其收入和生活条件在脱贫标准之上的保持，除贫困脆弱性和抗风险能力的提升外，稳定脱贫还应表现为收入的持续增长。

（二）研究假设

从贫困户的个体特征出发，影响脱贫质量的因素主要包括家户人口结构、家户人力资本结构、家户产业结构等。

在家户人口结构方面，老年人及未成年人的收入获取能力相对较差，很难为家庭带来实质性收入，反而会在就医和教育方面为家庭带来负担。奚晓军等学者（2020）通过模型研究发现高龄家庭的贫困脆弱性高于低龄家庭，家庭人口数量的多少也会影响贫困户的脱贫进程，同时在Z县还有因学致贫的情况。根据这些情况，本文提出以下假设。

h1：家庭人口数越多，贫困户脱贫质量越低。

h2：家庭老年人口数越多，贫困户脱贫质量越低。

h3：家庭未成年人口数越多，贫困户脱贫质量越低。

在家户人力资本结构方面，舒尔茨提出的人力资本理论认为教育形成的人力资本在经济增长中可以替代其他生产要素，由学习形成的劳动技能差异会导致个人收入的不平等。根据这些情况，本文提出以下假设。

h4：家庭平均文化程度越低，贫困户脱贫质量越低。

h5：家庭无劳动力人口数越多，贫困户脱贫质量越低。

在家户产业结构方面，Z县农村贫困家庭的主要产业收入包括外出务工收入与加入当地产业所获得的收入。万杰良（2021）采用模糊集定性比较分析法，剖析了可能返贫家庭产生的原因，认为务工收入与财产收入是产生贫困的主要因素，同时乡村特色产业是乡村振兴的重要组成部分。根据这些情况，本文提出以下假设。

h6：家庭外出务工人口数越少，贫困户脱贫质量越低。

h7：没有加入当地产业的贫困户较已加入当地产业的贫困户脱贫质量低。

脱贫质量的操作化度量比较复杂，还未形成统一的度量标准。侯军岐（2020）的多维度贫困测评中认为家庭收入是贫困户的一种贫困维度，并将农村贫困收入标准作为标尺来衡量贫困户的收入贫困程度。左停等（2021）从相对贫困的角度，以全国农村居民人均可支配收入中位数为主要标尺度量不同贫困户的脱贫质量。综合现有研究，本文采取以全国农村居民人均可支配收入中位数为主要标尺的办法来度量该县域内贫困户的脱贫质量。

三、数据来源与变量设定

（一）数据来源与抽样方法

Z县共有74个行政村，其中贫困村47个，贫困发生率超10%，是滇桂黔石漠化片区县和自治区扶贫开发工作重点县，选取Z县作为研究样本具有一定代表性，数据源自Z县官方建档立卡系统。

（二）因变量的设置及其统计描述

为了进一步利用定量的方式对脱贫质量这一因变量进行研究，对该因变量进行离散变量等级赋值。参考以往研究中相对贫困标准的界定方法，以全国农村居民人均可支配收入中位数为标准，根据贫困户的家庭人均年收入进行分组，赋值和具体分布情况见表2。

表2 因变量赋值及描述统计情况

（三）自变量的设置及其描述性统计

基于本文所提出的研究假设需要，结合现有研究及理论，从样本数据中选取了7个自变量来对贫困户的脱贫质量展开研究，具体的描述统计分析情况如表3，其中家庭人均文化程度根据样本数据情况分为小学以下及文盲、初中及高中学历、大专及以上学历并分别赋值0、1、2。

表3 自变量描述性统计

四、模型构建与实证结果

（一）模型构建与检验

由于本文的因变量为有序变量，因此适用有序回归分析，但由于平行性检验不通过，转而采用无序多分类回归分析。

模型1为脱贫质量低与脱贫质量高的比较（以脱贫质量高为参照组），建立如下回归模型：

模型2为脱贫质量中等与脱贫质量高的比较（以脱贫质量高为参照组），建立如下回归模型：

模型3为脱贫质量高与脱贫质量低的比较（以脱贫质量低为参照组），建立如下回归模型：

在模型拟合度上，模型的-2倍对数似然值为1 158.378，最终模型和初始模型相比，-2倍对数似然值从1 664.017下降到1 158.378，似然比卡方检验值为505.638，对应的Sig.值为0.000，小于0.01，在1%统计水平下显著。因此，可以认为模型总体显著。本文还对自变量进行了多重共线性检验，所选取的所有自变量容忍度均大于0.1，且VIF均小于10，因此本例不存在共线性，满足无序多分类的回归分析条件。

（二）实证结果分析

根据SPSS22.0统计软件对自变量和因变量进行无序多分类Logistic回归分析，并对回归系数进行显著性检验，得到计量模型结果（见表4）。

表4 脱贫质量影响因素的无序多分类logistic回归分析结果

家庭人均文化程度和外出务工人口数对结果有显著影响，人均文化程度高的户较低的户有更高的收入水平，外出务工可以为家户带来更多的收入。这两个变量的回归分析结果完全符合上文所提出的假设。家户人口年龄结构及规模间接影响结果，并不起决定性作用，原因在于不同家户之间的个体差异。加入当地产业在模型1和模型3的结果中显著，这说明加入当地产业有利于改善贫困户的脱贫质量。对于脱贫质量低的户来说，加入当地产业能够提高其脱贫质量，使其脱贫质量达到中或者高的情况。但是，对于脱贫质量中的户来说，加入当地产业不能够显著地提高其脱贫质量。其原因可能在于不同脱贫质量的户之间存在一定的差异，加入当地产业对不同的户产生的正向作用大小不一。

五、全面脱贫后巩固拓展脱贫攻坚成果的对策建议

持续巩固提升教育保障成果。家庭人均文化水平是影响脱贫质量的显著因素，精准扶贫实施以来，Z县推动控辍保学责任落实，配合开展控辍保学专项行动，辅以“雨露计划”“教育扶贫救助基金”保障义务教育阶段适龄少年儿童失学辍学保持动态清零。“扶贫先扶智”的“扶”不能只落在学生头上，政府还应该牵头，引导拥有一定劳动能力和创造市场经济价值的成年劳动者提高科学素养，以推动更多一般劳动力转向技能劳动力，促进贫困群众转变思想观念，激发贫困群众脱贫的内生发展动力，实现持续稳定脱贫，全面推进乡村振兴。

持续壮大县域经济，着力拓展脱贫人口增收致富渠道。为助力脱贫攻坚有效衔接乡村振兴，应将促进地区发展作为主攻方向，加强脱贫地区与发达地区间的合作交流，持续深化社会帮扶力量，带动当地特色产业发展。着力从产业、就业、综合保障等方面发力，对低收入群体给予重点帮扶，推动脱贫人口全方位多渠道增收致富。