摘要：農(nóng)業(yè)產(chǎn)業(yè)扶貧是激發(fā)貧困地區(qū)農(nóng)戶內(nèi)生發(fā)展動力、實現(xiàn)農(nóng)戶穩(wěn)定脫貧與可持續(xù)發(fā)展的重要舉措。基于多維貧困分析, 建立一個“精準識別-農(nóng)戶參與-影響效果”的多維貧困瞄準分析框架, 并提出多維貧困瞄準數(shù)量缺口的概念和測量方法。在此框架下, 可首先使用多維貧困方法進行貧困農(nóng)戶識別, 在多維貧困農(nóng)戶分組基礎(chǔ)上分析農(nóng)戶參與狀況, 并分析參與層面的多維貧困瞄準數(shù)量缺口。然后基于多維貧困農(nóng)戶分組, 使用內(nèi)生轉(zhuǎn)換回歸 (ESR) 模型評估扶貧政策或項目對不同組農(nóng)戶的影響效果差異。在分析框架應(yīng)用中, 使用湖南、湖北、重慶和貴州四省 (直轄市) 貧困地區(qū)989個農(nóng)戶調(diào)研數(shù)據(jù)分析農(nóng)業(yè)產(chǎn)業(yè)扶貧的多維貧困瞄準效果。研究發(fā)現(xiàn): (1) 在農(nóng)戶參與層面, 多維貧困農(nóng)戶與非多維貧困農(nóng)戶參與農(nóng)業(yè)產(chǎn)業(yè)扶貧的比例相近, 但非多維貧困農(nóng)戶戶均獲得補貼金額總體上高于多維貧困農(nóng)戶; (2) 隨著維度臨界值逐漸增大, 農(nóng)業(yè)產(chǎn)業(yè)扶貧的一類瞄準數(shù)量缺口逐漸變小, 二類瞄準數(shù)量缺口逐漸增大, 多維貧困瞄準數(shù)量缺口總體呈現(xiàn)下降趨勢; (3) 在影響效果層面, 農(nóng)業(yè)產(chǎn)業(yè)扶貧總體上顯著促進了農(nóng)戶種植業(yè)投入和收入的增加, 但其影響仍存在異質(zhì)性, 深度貧困戶參加農(nóng)業(yè)產(chǎn)業(yè)扶貧并沒有明顯促進其種植業(yè)總收入和種植業(yè)純收入的增加。為提升農(nóng)業(yè)產(chǎn)業(yè)扶貧的效果, 針對貧困維度數(shù)量較少農(nóng)戶, 應(yīng)加強農(nóng)業(yè)技術(shù)服務(wù), 提供農(nóng)業(yè)產(chǎn)業(yè)扶貧貸款, 合理選擇產(chǎn)業(yè), 發(fā)展農(nóng)業(yè)保險。針對深度貧困農(nóng)戶, 應(yīng)探索建立利益聯(lián)結(jié)機制, 發(fā)揮農(nóng)村集體的組織聯(lián)系作用, 探索要素入股方式, 改善農(nóng)業(yè)產(chǎn)業(yè)扶貧的多維貧困瞄準效果。
關(guān)鍵詞：多維貧困瞄準; 瞄準數(shù)量缺口; 農(nóng)業(yè)產(chǎn)業(yè)扶貧; 深度貧困戶;
十八大以來, 中國脫貧攻堅取得了決定性的進展, 6 800多萬貧困人口實現(xiàn)脫貧。但由于中國人口基數(shù)大, 剩余貧困人口數(shù)量依然龐大, 脫貧攻堅仍是社會經(jīng)濟發(fā)展中的重要工作。近年來, 中國探索出一系列有自身特色的扶貧政策和措施。農(nóng)業(yè)產(chǎn)業(yè)扶貧作為一種造血式的扶貧方式, 能夠激發(fā)貧困地區(qū)農(nóng)戶內(nèi)生動力、實現(xiàn)穩(wěn)定脫貧和可持續(xù)發(fā)展。在精準扶貧戰(zhàn)略下, 研究農(nóng)業(yè)產(chǎn)業(yè)扶貧的貧困瞄準效果至關(guān)重要。本文將建立一個“精準識別—農(nóng)戶參與—影響效果”的多維貧困瞄準分析框架, 并提出多維貧困瞄準數(shù)量缺口的概念和方法。通過多維貧困農(nóng)戶分組, 使用內(nèi)生轉(zhuǎn)換回歸 (Endogenous Switching Regression, ESR) 模型評估農(nóng)業(yè)產(chǎn)業(yè)扶貧對不同組農(nóng)戶的影響效果差異。
1 文獻綜述
雖然已有大量研究關(guān)注農(nóng)業(yè)產(chǎn)業(yè)扶貧, 但在農(nóng)業(yè)產(chǎn)業(yè)扶貧的效果上還沒有形成一致的觀點。一類研究認為, 農(nóng)業(yè)產(chǎn)業(yè)扶貧對農(nóng)戶脫貧產(chǎn)生了積極的影響。這類研究認為, 農(nóng)業(yè)產(chǎn)業(yè)扶貧能夠改變農(nóng)戶生計策略選擇, 顯著增加貧困戶的收入[1]。在對農(nóng)戶消費和貧困發(fā)生率影響方面, 農(nóng)業(yè)產(chǎn)業(yè)扶貧中多支持發(fā)展特色經(jīng)濟作物種植, 而經(jīng)濟作物能夠?qū)r(nóng)戶消費增加和貧困發(fā)生率降低有顯著的影響[2]。另一類研究認為, 農(nóng)業(yè)產(chǎn)業(yè)扶貧并未發(fā)揮良好的減貧效果, 出現(xiàn)了瞄準偏離的問題。許漢澤等[3]研究發(fā)現(xiàn), 農(nóng)業(yè)產(chǎn)業(yè)扶貧在地方實踐中, 出現(xiàn)了農(nóng)業(yè)產(chǎn)業(yè)扶貧實施前“精英捕獲”和“弱者吸納”、實施中“政策性負擔”和“規(guī)模經(jīng)營不善”、實施后“后續(xù)維護不足”和“農(nóng)戶生計破壞”等問題。也有研究認為, 政府主導(dǎo)的產(chǎn)業(yè)扶貧以行政路徑為依賴, 各主體間的利益聯(lián)結(jié)關(guān)系不緊密, 使得扶貧開發(fā)缺乏社會基礎(chǔ), 往往導(dǎo)致目標偏移、貧富差距拉大[4]。
在多維貧困研究方面, 相關(guān)研究主要可以分為兩類。第一類, 在理論方面, 近期文獻重點探討對多維貧困方法的改進: (1) 1將多維貧困方法與時間變化結(jié)合起來, 在多維貧困指數(shù)基礎(chǔ)上提出多維貧困的年度絕對變化率和年度相對變化率[5]。 (2) 將多維貧困方法與其他指數(shù)或測量方法相結(jié)合, 例如將多維貧困方法與長期貧困測量相結(jié)合, 構(gòu)建長期和暫時多維貧困指數(shù)[6]。 (3) 在多維貧困指數(shù)的權(quán)重設(shè)置方面, 使用多重對應(yīng)分析方法、BP神經(jīng)網(wǎng)絡(luò)法改進權(quán)重設(shè)置[7,8]。 (4) 在多維貧困的識別階段, 提出不同的識別標準, 用于識別特殊群體。例如Nowak等[9]改進了識別標準, 使多維貧困方法包含了極端貧困戶。
多維貧困的第二類研究是在應(yīng)用方面, 最近研究趨向是: (1) 2將多維貧困方法應(yīng)用到不同地區(qū)或國家的貧困測量中, 例如歐洲地區(qū)[10]、印度[11]、澳大利亞[12]、德國[9]、老撾[13]等。 (2) 將多維貧困方法應(yīng)用到不同群體的貧困分析中, 例如Chzhen等[14]分析了兒童的多維貧困狀況, 其他群體還包括民族群體[15]、老年人群體[16]、農(nóng)民工群體[17]等。 (3) 將多維貧困方法應(yīng)用于公共政策或項目評估的研究中, 例如Azevedo等[18]評估了有條件現(xiàn)金轉(zhuǎn)移支付項目的受益者瞄準狀況, 解堊[16]分析了公共轉(zhuǎn)移支付對老年人多維貧困的影響。
現(xiàn)有關(guān)于農(nóng)業(yè)產(chǎn)業(yè)扶貧和多維貧困的研究雖然已經(jīng)十分豐富, 但仍存在以下不足之處: (1) 3缺少對扶貧政策或項目精準扶貧效果評估分析框架的總結(jié), 尤其是缺少基于多維貧困分析提出精準扶貧評估分析框架。總結(jié)精準扶貧效果評估分析框架, 基于多維貧困分析進行貧困戶精準識別和扶貧瞄準, 將對分析包括農(nóng)業(yè)產(chǎn)業(yè)扶貧在內(nèi)的多種扶貧政策或項目精準扶貧瞄準度提供可行思路。 (2) 較少研究基于多維貧困分析進行農(nóng)業(yè)產(chǎn)業(yè)扶貧的效果評估, 王立劍等[19]雖然分析了產(chǎn)業(yè)扶貧對農(nóng)戶多維貧困的影響, 但沒有關(guān)注農(nóng)業(yè)產(chǎn)業(yè)扶貧的多維貧困瞄準狀況。 (3) 鮮有研究關(guān)注基于多維貧困分析的貧困瞄準概念與方法的推進。貧困瞄準與精準扶貧緊密相關(guān), 但當前文獻中少有研究將多維貧困分析與貧困瞄準結(jié)合。
針對現(xiàn)有研究的不足, 本文將利用湖南、湖北、重慶和貴州四省 (直轄市) 的989個農(nóng)戶調(diào)研數(shù)據(jù), 基于多維貧困分析, 探討農(nóng)業(yè)產(chǎn)業(yè)扶貧的精準扶貧瞄準效果。本文貢獻在于以下幾方面: (1) 4嘗試建立了一個基于多維貧困分析的“精準識別—農(nóng)戶參與—影響效果”的多維貧困瞄準分析框架。此框架首先基于收入、教育、健康和公共服務(wù)等維度進行多維貧困農(nóng)戶識別, 然后基于多維貧困農(nóng)戶分組, 分析農(nóng)戶參與狀況, 最后分析農(nóng)業(yè)產(chǎn)業(yè)扶貧影響效果的差異。 (2) 提出多維貧困瞄準數(shù)量缺口的概念。基于已有研究中貧困瞄準數(shù)量缺口的概念, 本文將多維貧困分析和貧困瞄準數(shù)量缺口結(jié)合, 提出多維貧困瞄準數(shù)量缺口的概念。 (3) 將多維貧困瞄準分析框架和多維貧困瞄準缺口應(yīng)用于農(nóng)業(yè)產(chǎn)業(yè)扶貧分析, 探討農(nóng)業(yè)產(chǎn)業(yè)扶貧的瞄準效果, 且根據(jù)中國扶貧政策重心變化, 關(guān)注農(nóng)業(yè)產(chǎn)業(yè)扶貧對深度貧困戶的瞄準狀況。
2 多維貧困瞄準分析框架
2.1 基于多維貧困分析的貧困戶精準識別
貧困戶的精準識別是精準扶貧效果評估的基礎(chǔ)。目前, 中國采取建檔立卡的方式進行貧困戶的精準識別。但在建檔立卡政策的實施中, 出現(xiàn)了“表達與實踐的背離”[20], 即在國家統(tǒng)計局從宏觀層面測算貧困人口數(shù)量、分配貧困人口指標時采取的是經(jīng)濟福利指標, 而在村級實踐操作中, 卻采取民主評議的方式, 綜合農(nóng)戶收入和消費、受教育子女數(shù)量、病人狀況、勞動力狀況等多個方面進行評選。從理論上講, 村級民主評議所采取的貧困識別標準與目前學(xué)界使用的多維貧困測量方法有較大相似之處。基于貧困理論演進與實踐的需求, 可將多維貧困方法逐步應(yīng)用于貧困戶的精準識別中。在多維貧困方法相關(guān)研究中, 由Alkire等[21]提出的基于雙臨界值的A-F方法得到了最為廣泛的應(yīng)用。本文將A-F方法用于多維貧困農(nóng)戶識別, 根據(jù)Alkire等[21]研究, A-F方法的主要步驟為:
第一, 選擇和確定多維貧困方法的維度和具體指標。
第二, 定義一個n×d矩陣Mn, d, 其中, n為農(nóng)戶樣本總數(shù)量, d為測量維度的數(shù)量。令yij∈Mn, d, 其中, yij代表第i個農(nóng)戶在j維度上的取值。
第三, 根據(jù)選擇的維度和指標, 確定每個指標的貧困線或臨界值, 根據(jù)此貧困線或臨界值確定此農(nóng)戶在某個維度上是否存在貧困或被剝奪。可定義Zj為第j個維度上被剝奪的貧困線或臨界值。定義一個n×d剝奪矩陣g=[gij], 通過比較yij與Zj, 確定yij是否處于貧困或被剝奪狀態(tài), 當yij處于貧困或被剝奪狀態(tài)時, gij=1, 否則gij=0。
第四, 計算第i個農(nóng)戶貧困或被剝奪維度的數(shù)量。定義一個列向量ki=[g], 代表第i個人忍受的總的被剝奪維度數(shù)量。
第五, 確定維度臨界值K, 然后定義ρk為考慮K個維度時識別貧困戶的函數(shù), 當ki≥K時, ρk (yi;z) =1, 當ki 第六, 識別多維貧困農(nóng)戶, ρk (yi;z) =1的農(nóng)戶即為多維貧困農(nóng)戶。在確定哪些農(nóng)戶是多維貧困農(nóng)戶之后, 可計算多維貧困農(nóng)戶與非多維貧困農(nóng)戶占比。此外, Alkire等[21]還提出了對貧困戶貧困維度增加敏感的多維貧困指數(shù)M0。M0的含義是所有多維貧困農(nóng)戶經(jīng)歷的總剝奪維度數(shù)量占樣本總體維度數(shù)量的比例。在中國脫貧攻堅進程中, 扶貧重心向深度貧困轉(zhuǎn)移。根據(jù)中國扶貧政策關(guān)注點, 將所有維度均處于貧困或被剝奪狀態(tài) (即ki=K) 的多維貧困農(nóng)戶視為深度貧困戶, 在分析中予以重點關(guān)注。 2.2 農(nóng)戶參與分析與多維貧困瞄準數(shù)量缺口 在多維貧困農(nóng)戶識別的基礎(chǔ)上, 農(nóng)戶能否從扶貧政策或項目實施中受益, 其基礎(chǔ)是參與到政策或項目實施中。只有參與到扶貧政策或項目實施中, 才可能從中獲得扶貧補貼或者其它扶貧資源。在多維貧困瞄準評估中, 可以對比多維貧困農(nóng)戶與非多維貧困農(nóng)戶在政策或項目實施中的參與比例。如果有扶貧補貼等信息, 可以對比多維貧困農(nóng)戶與非多維貧困農(nóng)戶獲得補貼額度的差異。 此外, 為分析“農(nóng)戶參與”層面扶貧政策或項目實施的貧困瞄準精度, 根據(jù)Park等[22]評估貧困瞄準中定義的瞄準數(shù)量缺口的概念, 提出多維貧困瞄準數(shù)量缺口。根據(jù)Park等[22]的定義, 瞄準數(shù)量缺口 (Targeting Count Gap, TCG) 描述的是相對于給定的貧困線, 扶貧政策或項目在全樣本中的瞄準失誤的比例。在此定義基礎(chǔ)上, 本文將多維貧困分析和瞄準數(shù)量缺口相結(jié)合, 提出多維貧困瞄準數(shù)量缺口 (Multidimensional Poverty Targeting Count Gap, MPTCG) , 其定義為在給定貧困維度臨界值之下, 扶貧政策或項目在全樣本中的瞄準失誤的比例, 其具體形式如下: 其中, N為農(nóng)戶樣本總數(shù), i代表第i個農(nóng)戶。Ii1是一個指標函數(shù), 即如果第i個農(nóng)戶的多維貧困維度 (ki) 大于或等于給定的貧困維度臨界值 (K) , 但他沒有參與扶貧政策或項目實施 (Pi=0) , 則Ii1=1, 否則Ii1=0。Ii2也是一個指標函數(shù), 如果第i個農(nóng)戶的多維貧困維度 (ki) 小于給定貧困維度臨界值 (K) , 但他參與了扶貧政策或項目實施 (Pi=1) , 則Ii2=1, 否則Ii2=0。MPTCG為綜合Ii1和Ii2之后計算出的多維貧困瞄準數(shù)量缺口, 即扶貧政策或項目實施中對多維貧困農(nóng)戶瞄準失誤的比例。它可以被分解為一類瞄準數(shù)量缺口和二類瞄準數(shù)量缺口。一類瞄準數(shù)量缺口是指屬于多維貧困戶但沒有參與政策或項目實施的農(nóng)戶數(shù)量占樣本總體的比例, 二類瞄準數(shù)量缺口是指屬于非多維貧困戶但參與了政策或項目實施的農(nóng)戶數(shù)量占樣本總體的比例。 2.3 基于多維貧困分組的影響效果分析 在農(nóng)戶參與分析基礎(chǔ)上, 扶貧政策或項目實施是否能夠促進多維貧困農(nóng)戶的減貧, 也是多維貧困瞄準分析的重要組成部分。若多維貧困農(nóng)戶從扶貧政策或項目影響效果評估中并未明顯受益, 而非多維貧困農(nóng)戶明顯受益, 或者是多維貧困農(nóng)戶與非多維貧困農(nóng)戶均明顯受益, 但非多維貧困農(nóng)戶從項目中受益更多, 都可以表明扶貧政策或項目的瞄準發(fā)生了偏離。 在扶貧政策或項目影響評估中, 經(jīng)常遇到因果關(guān)系問題, 分析此問題的一個常用思路是引入反事實框架, 通過構(gòu)造無法被觀察的反事實結(jié)果, 對比同一個農(nóng)戶參加項目和假設(shè)其沒有參加項目的結(jié)果凈差異。這種凈差異即是農(nóng)戶參加扶貧政策或項目實施對其福利的影響效果。本文基于的是項目實施后問卷調(diào)查得到的農(nóng)戶截面數(shù)據(jù), 常用的影響效果評估方法為傾向得分匹配法。雖然傾向得分匹配法使用較為廣泛, 但它只能控制可觀測變量造成的偏誤對因變量的影響, 不能控制不可觀測變量造成的偏誤。為克服傾向得分匹配法的不足, 新近研究采用了內(nèi)生轉(zhuǎn)換回歸 (ESR) 模型, 其優(yōu)勢在于能夠同時控制可觀測和不可觀測變量造成的影響偏誤, 而且內(nèi)生轉(zhuǎn)換回歸模型分別對處理組和控制組的結(jié)果方程進行回歸, 能夠更好地分析各種因素的作用[23,24]。因此, 本文在農(nóng)業(yè)產(chǎn)業(yè)扶貧的影響效果分析中采用內(nèi)生轉(zhuǎn)換回歸模型, 評估農(nóng)業(yè)產(chǎn)業(yè)扶貧對多維貧困農(nóng)戶和非多維貧困農(nóng)戶的影響效果差異。 內(nèi)生轉(zhuǎn)換回歸模型估計以下三個方程: 其中, Ti代表農(nóng)戶是否參加農(nóng)業(yè)產(chǎn)業(yè)扶貧, 若農(nóng)戶參加農(nóng)業(yè)產(chǎn)業(yè)扶貧, 則Ti=1, 否則Ti=0。Zi代表一系列可能影響農(nóng)戶是否參加農(nóng)業(yè)產(chǎn)業(yè)扶貧的特征變量, α、βiM和βiN為待估計的參數(shù), μi為隨機干擾項。YiM和YiN分別代表處理組和控制組的農(nóng)戶的福利水平, Xi代表可能影響農(nóng)戶福利水平的變量, εi為隨機干擾項。在Zi和Xi的變量選取中, 允許二者有重合, 但Zi中需要至少有一個變量不能出現(xiàn)在Xi中[24]。這個變量要求對農(nóng)戶是否參加農(nóng)業(yè)產(chǎn)業(yè)扶貧有影響, 而對農(nóng)戶的福利水平?jīng)]有影響。 在內(nèi)生轉(zhuǎn)換回歸模型估計過程中, 為控制不可觀測因素造成的影響偏差, 在行為方程估計后, 需要在 (3) 式和 (4) 式中加入逆米爾比率 (Inverse Mills Ratio) λiM和λiN: 3 數(shù)據(jù) 本文所用數(shù)據(jù)來自國務(wù)院扶貧辦和課題組合作在湖南、湖北、重慶和貴州四省 (直轄市) 的調(diào)研, 調(diào)研于2013年6月進行。調(diào)研首先在四省 (直轄市) 中各選取一個縣。在湖南選取了芷江縣、湖北選取了利川市 (湖北省利川市為縣級市) 、重慶選取了石柱縣、貴州選取了印江縣, 這四個縣 (市) 均為國家級或省級扶貧開發(fā)重點縣。在縣 (市) 層面, 收集了調(diào)研地區(qū)主要發(fā)展的農(nóng)業(yè)扶貧產(chǎn)業(yè)。湖南省芷江縣的主導(dǎo)產(chǎn)業(yè)為水果、畜禽、蔬菜、烤煙, 湖北省利川市主導(dǎo)產(chǎn)業(yè)是茶葉和藥材, 重慶市石柱縣主要發(fā)展黃連和莼菜, 貴州省印江縣大力發(fā)展茶葉、核桃、食用菌以及烤煙。其次, 每縣選擇10個調(diào)查村莊, 對村莊的人口數(shù)量及結(jié)構(gòu)、勞動力、基礎(chǔ)設(shè)施、土地、村莊扶貧項目投入等信息進行問卷調(diào)查。第三, 采取隨機起點、等距抽樣的方式在每村選取25個農(nóng)戶進行問卷調(diào)查, 調(diào)查內(nèi)容包括農(nóng)戶的家庭人口特征、基礎(chǔ)設(shè)施和公共服務(wù)、土地狀況、家庭收入、參與農(nóng)業(yè)產(chǎn)業(yè)扶貧、家庭借貸等情況。最終獲得有效問卷989份。 4 多維貧困農(nóng)戶的識別 4.1 多維貧困維度和指標的選取 多維貧困雖然已被廣泛地用于理論分析與應(yīng)用研究, 但目前對貧困維度和指標的選取并沒有形成統(tǒng)一標準。根據(jù)在精準扶貧、建檔立卡政策實踐中村級民主評議時采取的考量指標, 結(jié)合調(diào)研數(shù)據(jù)可得性等現(xiàn)實約束, 本文選取了收入、教育、健康、公共服務(wù)4個維度和4個指標。維度、指標和權(quán)重選取情況如表1所示。 注:多維貧困的指標臨界值選取目前還沒有形成一致的觀點, 多數(shù)研究是根據(jù)理論或研究數(shù)據(jù)情況確定。根據(jù)數(shù)據(jù)狀況, 71.69%的農(nóng)戶有1個及以上的病人, 37.21%的農(nóng)戶有2個及以上病人。若臨界值選取1人, 則此維度上貧困占比過大, 而選取臨界值為2人, 較為符合貧困識別的人數(shù)占比。 4.2 多維貧困測量結(jié)果與農(nóng)戶識別 根據(jù)多維貧困方法的應(yīng)用步驟, 識別了在不同維度臨界值下的多維貧困農(nóng)戶。當維度臨界值K分別取值為1, 2, 3和4時, 多維貧困農(nóng)戶的占比及樣本農(nóng)戶的多維貧困指數(shù)如表2所示。當K=1時, 多維貧困農(nóng)戶占比為81.70%, 即81.70%的農(nóng)戶存在四個維度中至少一個維度的貧困。多維貧困指數(shù)M0為42.77%, 其含義是所有多維貧困農(nóng)戶被剝奪維度數(shù)量占總體維度數(shù)量的42.77%。當K=3時, 多維貧困農(nóng)戶占比為26.39%, 表明有26.39%的農(nóng)戶存在至少三個維度的貧困。隨K值增大, 多維貧困農(nóng)戶占比和多維貧困指數(shù)均下降。分析還發(fā)現(xiàn), 6.37%的農(nóng)戶存在全部四個維度的貧困。根據(jù)前文界定, 存在四個維度貧困的農(nóng)戶可視為深度貧困戶, 他們面臨的脫貧難度更大, 是目前扶貧政策關(guān)注的重點群體。 5 農(nóng)戶參與分析和多維貧困瞄準數(shù)量缺口 農(nóng)戶參與是從農(nóng)業(yè)產(chǎn)業(yè)扶貧中受益的重要環(huán)節(jié)。在實地調(diào)查開展之時, 因所調(diào)研的四縣均為國家級或省級貧困縣, 所有農(nóng)戶均有資格參與農(nóng)業(yè)產(chǎn)業(yè)扶貧。雖然如此, 農(nóng)戶是否選擇參與、采用何種形式參與、其自身要素怎樣融入到農(nóng)業(yè)產(chǎn)業(yè)扶貧中, 這些均是農(nóng)戶根據(jù)自身的勞動力、土地、資金、能力以及風險態(tài)度等特征做出的選擇, 是一個自選擇 (Self-select) 的過程。不同地區(qū)結(jié)合區(qū)域具體情況實施農(nóng)業(yè)產(chǎn)業(yè)扶貧, 沒有統(tǒng)一的補貼方式。評價農(nóng)業(yè)產(chǎn)業(yè)扶貧的主要標準是貧困戶的參與受益狀況以及增收減貧效果。因此, 本節(jié)分析農(nóng)戶在農(nóng)業(yè)產(chǎn)業(yè)扶貧中的參與受益狀況, 在第6節(jié)分析農(nóng)業(yè)產(chǎn)業(yè)扶貧對不同農(nóng)戶增收減貧的影響。 5.1 農(nóng)業(yè)產(chǎn)業(yè)扶貧中的農(nóng)戶參與狀況 從農(nóng)戶參與農(nóng)業(yè)產(chǎn)業(yè)扶貧的分析發(fā)現(xiàn), 多維貧困農(nóng)戶與非多維貧困農(nóng)戶參與比例相近, 而非多維貧困農(nóng)戶戶均獲得補貼金額總體上高于多維貧困農(nóng)戶。如表3所示, 當維度臨界值K=1時, 多維貧困農(nóng)戶中有41.83%參加了農(nóng)業(yè)產(chǎn)業(yè)扶貧, 僅比非多維貧困農(nóng)戶高3.16個百分點。多維貧困農(nóng)戶戶均獲得補貼比非多維貧困農(nóng)戶低520.12元。當維度臨界值K等于2、3和4時, 多維貧困農(nóng)戶和非多維貧困農(nóng)戶均有41%左右參加了農(nóng)業(yè)產(chǎn)業(yè)扶貧, 兩組農(nóng)戶在參與比例上十分接近。而在戶均獲得補貼方面, 在K等于2和3時, 多維貧困農(nóng)戶分別比非多維貧困農(nóng)戶平均少獲得補貼164.74元、135.7元。只有在K等于4時, 即農(nóng)戶為深度貧困戶時, 多維貧困農(nóng)戶戶均獲得的補貼高于非多維貧困農(nóng)戶。因此, 綜合不同維度臨界值下的分析結(jié)果看, 多維貧困農(nóng)戶并未從農(nóng)業(yè)產(chǎn)業(yè)扶貧中更多地受益。 5.2 農(nóng)戶參與的多維貧困瞄準數(shù)量缺口 在不同維度臨界值下, 隨著維度臨界值K逐漸變大, 一類瞄準數(shù)量缺口逐漸變小, 二類瞄準數(shù)量缺口逐漸增大, 多維貧困瞄準數(shù)量缺口總體呈現(xiàn)下降趨勢。如表4所示, 當維度臨界值K等于1時, 多維貧困瞄準數(shù)量缺口為54.60%。一類瞄準數(shù)量缺口為47.52%, 表明在總體樣本農(nóng)戶中有47.52%的農(nóng)戶是多維貧困農(nóng)戶, 但他們卻沒有參加農(nóng)業(yè)產(chǎn)業(yè)扶貧。二類數(shù)量缺口為7.08%, 其含義是總體樣本農(nóng)戶中有7.08%的農(nóng)戶是非多維貧困農(nóng)戶, 但他們參加了農(nóng)業(yè)產(chǎn)業(yè)扶貧。當K等于3時, 多維貧困瞄準數(shù)量缺口下降到45.60%, 其中一類瞄準數(shù)量缺口降低為15.37%, 但二類瞄準數(shù)量缺口增加至30.23%, 表明隨著維度臨界值增加和多維貧困農(nóng)戶占比降低, 農(nóng)業(yè)產(chǎn)業(yè)扶貧在農(nóng)戶參與層面的多維貧困瞄準偏差總體降低, 對多維貧困農(nóng)戶覆蓋不完全的問題減少, 但農(nóng)戶是非多維貧困農(nóng)戶但卻參加了農(nóng)業(yè)產(chǎn)業(yè)扶貧的比例增加。當維度臨界值K等于4時, 即多維貧困農(nóng)戶僅占樣本總量的6.37%、識別出的貧困戶為深度貧困戶時, 農(nóng)業(yè)產(chǎn)業(yè)扶貧的一類瞄準數(shù)量缺口僅為3.74%, 說明農(nóng)業(yè)產(chǎn)業(yè)扶貧對深度貧困戶的覆蓋不完全問題比較小。雖然如此, 當K等于4時, 多維貧困瞄準數(shù)量缺口雖然與其他維度臨界值下的多維貧困瞄準數(shù)量缺口相比最低, 但仍為42.37%, 說明農(nóng)業(yè)產(chǎn)業(yè)扶貧總體的多維貧困瞄準效果仍需要進一步改善。 6 農(nóng)業(yè)產(chǎn)業(yè)扶貧對不同農(nóng)戶的影響效果差異分析 在農(nóng)業(yè)產(chǎn)業(yè)扶貧的影響效果方面, 多維貧困農(nóng)戶能否明顯獲益, 或者是否獲益比非多維貧困農(nóng)戶更多, 也是衡量多維貧困瞄準的重要內(nèi)容。因本次調(diào)查涉及的農(nóng)業(yè)扶貧產(chǎn)業(yè)主要是經(jīng)濟作物, 因此本節(jié)主要分析農(nóng)戶參加農(nóng)業(yè)產(chǎn)業(yè)扶貧對農(nóng)戶種植業(yè)投入、種植業(yè)總收入和種植業(yè)純收入的影響。在農(nóng)業(yè)產(chǎn)業(yè)扶貧實施中, 所有農(nóng)戶均有機會參加, 但不同農(nóng)戶參加的傾向并不相同。從理論上看, 家庭中勞動力數(shù)量多、戶主受教育程度高、戶主年齡較小、耕種土地多的農(nóng)戶更有可能參加農(nóng)業(yè)產(chǎn)業(yè)扶貧并從中受益, 這就產(chǎn)生了政策或項目評估中常遇到的內(nèi)生性問題, 本節(jié)將使用內(nèi)生轉(zhuǎn)換回歸模型控制內(nèi)生性問題。 6.1 描述分析 通過描述分析發(fā)現(xiàn), 不管是在何種維度臨界值分組之下, 參加農(nóng)業(yè)產(chǎn)業(yè)扶貧的農(nóng)戶平均的種植業(yè)投入和收入高于沒有參加項目的農(nóng)戶, 但非多維貧困農(nóng)戶的投入和收入增量高于多維貧困農(nóng)戶。如表5所示, 當維度臨界值K等于1時, 在多維貧困農(nóng)戶中, 參加農(nóng)業(yè)產(chǎn)業(yè)扶貧的農(nóng)戶比未參加農(nóng)戶的種植業(yè)投入多608.55元, 而非多維貧困農(nóng)戶中參加農(nóng)戶比未參加農(nóng)戶的投入多1 621.61元, 這一差值比多維貧困農(nóng)戶中參加與未參加農(nóng)戶的差值高1 013.06元。在種植業(yè)總收入上, 雖然多維貧困農(nóng)戶中參加農(nóng)戶比未參加農(nóng)戶高1 490.69元, 但這一差值比非多維貧困農(nóng)戶的差值低2 135.03元。在種植業(yè)純收入方面, 多維貧困農(nóng)戶中參加農(nóng)戶比未參加農(nóng)戶高882.14元, 但比非多維貧困農(nóng)戶的這一差值低1 121.97元。當維度臨界值K分別等于2、3和4時, 分析結(jié)果與K等于1時相似。這些描述分析的結(jié)果表明, 參加農(nóng)業(yè)產(chǎn)業(yè)扶貧的農(nóng)戶比未參加農(nóng)戶有更多的種植業(yè)投入和收入, 但多維貧困農(nóng)戶從農(nóng)業(yè)產(chǎn)業(yè)扶貧中的受益增量比非多維貧困農(nóng)戶少。雖然如此, 但由于內(nèi)生性問題的存在, 農(nóng)業(yè)產(chǎn)業(yè)扶貧的影響效果和多維貧困瞄準評估還需要使用內(nèi)生轉(zhuǎn)換回歸模型進一步分析。 6.2 內(nèi)生轉(zhuǎn)換回歸模型分析過程和結(jié)果 根據(jù)內(nèi)生轉(zhuǎn)換回歸模型的分析步驟, 首先選取行為方程和結(jié)果方程的變量。本文在行為方程中選取的因變量為農(nóng)戶是否參加農(nóng)業(yè)產(chǎn)業(yè)扶貧, 結(jié)果方程的因變量為農(nóng)戶的種植業(yè)投入的對數(shù)、種植業(yè)總收入的對數(shù)和種植業(yè)純收入的對數(shù)。本文選取的自變量包括戶主特征變量、家庭特征變量和村級特征變量。在戶主特征變量中, 選取了戶主受教育年限、戶主年齡、戶主年齡的平方、戶主打工或經(jīng)商年數(shù)。在家庭特征變量中選取了家庭規(guī)模、勞動力數(shù)量、家庭耕種土地數(shù)量以及是否參加了合作經(jīng)濟組織。在村級特征變量中, 選取了村里是否組織技術(shù)培訓(xùn)、村里是否組織外出務(wù)工。除了以上特征變量外, 根據(jù)前文行為方程自變量選擇的要求, 選取了村莊當年基礎(chǔ)設(shè)施投資的對數(shù)這一變量加入行為方程中, 但不加入處理組或控制組的結(jié)果方程中。選取這一變量的原因在于, 農(nóng)業(yè)產(chǎn)業(yè)發(fā)展與村莊基礎(chǔ)設(shè)施緊密相關(guān), 如果村莊基礎(chǔ)設(shè)施更加完善, 農(nóng)戶選擇參加農(nóng)業(yè)產(chǎn)業(yè)扶貧的可能性會增大。但村莊當年基礎(chǔ)設(shè)施的投資對農(nóng)戶種植業(yè)投入和收入在短時間內(nèi)不會產(chǎn)生影響。為驗證選取變量合適與否, 文章還分別將農(nóng)戶是否參加農(nóng)業(yè)產(chǎn)業(yè)扶貧、農(nóng)戶種植業(yè)投入和收入對村莊當年基礎(chǔ)設(shè)施投資的變量進行回歸。結(jié)果表明, 村莊當年基礎(chǔ)設(shè)施投資顯著影響了農(nóng)戶是否參加農(nóng)業(yè)產(chǎn)業(yè)扶貧, 但對農(nóng)戶種植業(yè)投入和收入沒有產(chǎn)生顯著的影響, 這說明選取的變量是適宜的。本節(jié)分析選取的變量及其描述統(tǒng)計見表6。 使用內(nèi)生轉(zhuǎn)換模型, 對農(nóng)戶是否參加農(nóng)業(yè)產(chǎn)業(yè)扶貧以及處理組 (即參加了農(nóng)業(yè)產(chǎn)業(yè)扶貧的農(nóng)戶) 、控制組 (即沒有參加農(nóng)業(yè)產(chǎn)業(yè)扶貧的農(nóng)戶) 的結(jié)果方程進行回歸分析, 結(jié)果如表7所示。行為方程分析結(jié)果表明, 除了戶主年齡、村里是否組織技術(shù)培訓(xùn)和村里是否組織外出務(wù)工外, 其余變量對農(nóng)戶參與農(nóng)業(yè)產(chǎn)業(yè)扶貧產(chǎn)生了顯著的影響。其中, 村莊當年基礎(chǔ)設(shè)施投資對農(nóng)戶是否參加農(nóng)業(yè)產(chǎn)業(yè)扶貧具有顯著的正向影響, 這表明, 村莊基礎(chǔ)設(shè)施的改善有助于提高農(nóng)戶參加農(nóng)業(yè)產(chǎn)業(yè)扶貧的可能性。 注:*、**和***分別表示在10%、5%和1%水平上顯著。括號內(nèi)為t值。 在農(nóng)戶種植業(yè)投入、種植業(yè)總收入和種植業(yè)純收入的回歸結(jié)果中, 模型2、4、5和6的逆米爾比率對因變量有顯著的影響, 這表明, 在分析農(nóng)戶是否參加農(nóng)業(yè)產(chǎn)業(yè)扶貧對種植業(yè)投入和收入的影響時, 同時受到了農(nóng)戶可觀測變量和不可觀測變量的影響。若不考慮內(nèi)生性問題, 在評估農(nóng)業(yè)產(chǎn)業(yè)扶貧的影響效果時, 結(jié)果會存在偏差。處理組和控制組結(jié)果方程的分析顯示, 影響處理組和控制組種植業(yè)投入和收入的因素存在差異。對農(nóng)戶種植業(yè)投入的回歸結(jié)果分析顯示, 農(nóng)戶是否參加合作經(jīng)濟組織、村里是否組織技術(shù)培訓(xùn)對處理組的種植業(yè)投入有顯著影響, 但對控制組農(nóng)戶沒有顯著影響。戶主的受教育年限、戶主年齡和家庭耕種土地數(shù)量對控制組農(nóng)戶的種植業(yè)投入有顯著影響, 但對處理組的影響不顯著。農(nóng)戶種植業(yè)總收入的回歸結(jié)果表明, 村里是否組織技術(shù)培訓(xùn)、村里是否組織外出務(wù)工對處理組農(nóng)戶有顯著的影響, 但對控制組的影響并不顯著。種植業(yè)純收入的回歸結(jié)果也顯示出, 處理組和控制組農(nóng)戶種植業(yè)純收入的影響因素存在差異 (1) 5。這些結(jié)果均表明, 處理組和控制組農(nóng)戶在特征變量上可能存在顯著差異, 以致對農(nóng)戶福利產(chǎn)生顯著影響的因素存在差異, 這也間接表明了評估農(nóng)戶參加農(nóng)業(yè)產(chǎn)業(yè)扶貧影響效果時, 控制內(nèi)生性的必要性。同時, 處理組和控制組農(nóng)戶特征存在差異, 也表明了使用內(nèi)生轉(zhuǎn)換回歸模型分別對兩組農(nóng)戶進行回歸分析, 更加符合實際情況, 這進一步顯明了使用內(nèi)生轉(zhuǎn)換回歸模型的合理性。 通過計算農(nóng)業(yè)產(chǎn)業(yè)扶貧的平均處理效果發(fā)現(xiàn), 農(nóng)戶參加農(nóng)業(yè)產(chǎn)業(yè)扶貧總體上能夠促進種植業(yè)投入、種植業(yè)總收入和種植業(yè)純收入的增加, 這與描述分析結(jié)果總體一致。但是農(nóng)業(yè)產(chǎn)業(yè)扶貧的影響仍存在異質(zhì)性, 當維度臨界值等于4時, 即農(nóng)戶為深度貧困戶時, 參加農(nóng)業(yè)產(chǎn)業(yè)扶貧并未對農(nóng)戶種植業(yè)總收入和種植業(yè)純收入產(chǎn)生顯著的正向影響, 農(nóng)業(yè)產(chǎn)業(yè)扶貧的多維貧困瞄準效果仍存在需要改善之處。具體來講, 如表8所示, 當維度臨界值等于1、2或3時, 不管是多維貧困農(nóng)戶還是非多維貧困農(nóng)戶, 處理組農(nóng)戶在種植業(yè)投入、種植業(yè)總收入和種植業(yè)純收入平均處理效應(yīng)總體上顯著高于其反事實 (即處理組若不參加農(nóng)業(yè)產(chǎn)業(yè)扶貧) 下的表現(xiàn)。但當維度臨界值等于4、農(nóng)戶是深度貧困戶時, 雖然參加農(nóng)業(yè)產(chǎn)業(yè)扶貧能夠促進其種植業(yè)投入, 但是并未顯著提高其種植業(yè)總收入, 這導(dǎo)致的結(jié)果是, 參加農(nóng)業(yè)產(chǎn)業(yè)扶貧顯著降低了深度貧困戶的種植業(yè)純收入。造成這種結(jié)果的原因在于, 深度貧困戶往往面臨著戶主受教育水平有限、病人數(shù)量較多、享受的公共服務(wù)有限、增收能力較弱等因素的制約。他們參加農(nóng)業(yè)產(chǎn)業(yè)扶貧, 雖然增加了種植業(yè)投入, 但受到多種因素的制約, 難以獲得產(chǎn)業(yè)投入的正常回報。在農(nóng)業(yè)產(chǎn)業(yè)扶貧未來發(fā)展中, 需要更多地關(guān)注深度貧困戶。 注:種植業(yè)投入和收入均為對數(shù)。*、**和***分別表示在10%、5%和1%水平上顯著。 7 結(jié)論與政策建議 本文嘗試總結(jié)了一個扶貧政策或項目多維貧困瞄準的分析框架, 并提出了多維貧困瞄準數(shù)量缺口的概念。在湖南、湖北、重慶和貴州四省 (直轄市) 989個農(nóng)戶調(diào)研的基礎(chǔ)上, 使用多維貧困瞄準分析框架, 分析了農(nóng)業(yè)產(chǎn)業(yè)扶貧的多維貧困瞄準狀況。本文主要結(jié)論如下。 第一, 扶貧政策或項目瞄準可以基于多維貧困方法、利用“精準識別—農(nóng)戶參與—影響效果”的扶貧瞄準框架進行分析。可首先使用多維貧困方法進行貧困農(nóng)戶識別, 在多維貧困農(nóng)戶分組基礎(chǔ)上分析農(nóng)戶參與狀況, 并分析參與層面的多維貧困瞄準數(shù)量缺口。最后基于多維貧困農(nóng)戶分組, 使用計量分析方法評估扶貧政策或項目對不同組農(nóng)戶的影響效果差異。 第二, 在農(nóng)戶參與層面, 多維貧困農(nóng)戶與非多維貧困農(nóng)戶參與農(nóng)業(yè)產(chǎn)業(yè)扶貧比例相近, 但非多維貧困農(nóng)戶戶均獲得補貼金額總體上高于多維貧困農(nóng)戶。隨著維度臨界值逐漸增大, 一類瞄準數(shù)量缺口逐漸變小, 二類瞄準數(shù)量缺口逐漸增大, 多維貧困瞄準數(shù)量缺口總體呈現(xiàn)下降趨勢。 第三, 在影響效果層面, 農(nóng)戶參加農(nóng)業(yè)產(chǎn)業(yè)扶貧總體上顯著促進了種植業(yè)投入與收入的增加。但農(nóng)業(yè)產(chǎn)業(yè)扶貧的影響效果存在異質(zhì)性, 對貧困維度數(shù)量較少的農(nóng)戶, 參加農(nóng)業(yè)產(chǎn)業(yè)扶貧能夠顯著促進其種植業(yè)投入和收入, 對深度貧困戶而言, 雖然參加農(nóng)業(yè)產(chǎn)業(yè)扶貧顯著促進了其種植業(yè)投入的增加, 但并沒有顯著促進其種植業(yè)總收入和純收入的增加。農(nóng)業(yè)產(chǎn)業(yè)扶貧對深度貧困戶的多維貧困瞄準效果還需要進一步改善。 在農(nóng)業(yè)產(chǎn)業(yè)扶貧未來發(fā)展中, 應(yīng)針對不同貧困程度的農(nóng)戶采取不同舉措, 具體如下。 第一, 針對貧困維度數(shù)量較少的農(nóng)戶, 要提升農(nóng)業(yè)產(chǎn)業(yè)扶貧的效果, 可從以下方面入手: (1) 6加強農(nóng)業(yè)技術(shù)指導(dǎo)服務(wù)。在貧困地區(qū), 農(nóng)業(yè)技術(shù)服務(wù)發(fā)展相對滯后, 限制了農(nóng)業(yè)產(chǎn)業(yè)扶貧的發(fā)展和貧困戶參與熱情。另外, 農(nóng)業(yè)產(chǎn)業(yè)扶貧雖然大多推廣的是優(yōu)良特色品種, 但如果缺少配套農(nóng)業(yè)技術(shù)服務(wù)指導(dǎo), 可能會大大影響扶貧產(chǎn)業(yè)的發(fā)展。應(yīng)借助科研單位、高等院校的力量結(jié)對幫扶貧困地區(qū), 加強對貧困地區(qū)農(nóng)業(yè)特色產(chǎn)業(yè)發(fā)展的農(nóng)業(yè)技術(shù)服務(wù)指導(dǎo)。 (2) 提供農(nóng)業(yè)產(chǎn)業(yè)扶貧貸款。貧困地區(qū)農(nóng)戶的生產(chǎn)性信貸需求通常難以得到滿足, 面臨信貸約束或信貸配給。應(yīng)將發(fā)展農(nóng)業(yè)產(chǎn)業(yè)扶貧與扶貧小額貸款結(jié)合起來, 通過增加農(nóng)村信用社、商業(yè)銀行等正規(guī)金融機構(gòu)的小微貸款, 或者發(fā)展貧困村互助資金、社區(qū)基金等微型金融組織, 滿足有能力發(fā)展扶貧產(chǎn)業(yè)但缺少資金的農(nóng)戶信貸需求。 (3) 合理選擇產(chǎn)業(yè)。應(yīng)該根據(jù)貧困地區(qū)不同的氣候條件、地形條件、土壤條件等情況, 結(jié)合考慮市場需求狀況, 因地制宜推廣差異化的扶貧產(chǎn)業(yè), 避免“跟風式”發(fā)展某個扶貧產(chǎn)業(yè)可能帶來的價格下跌、產(chǎn)業(yè)失敗風險。 (4) 發(fā)展農(nóng)業(yè)保險。試點農(nóng)業(yè)產(chǎn)業(yè)扶貧與農(nóng)業(yè)保險相結(jié)合, 對農(nóng)戶提供農(nóng)業(yè)保險的保費補貼, 擴大農(nóng)業(yè)保險對不同地區(qū)特色經(jīng)濟作物的保障范圍, 改變貧困戶對參與扶貧產(chǎn)業(yè)的風險預(yù)期。 第二, 針對深度貧困戶, 要提升農(nóng)業(yè)產(chǎn)業(yè)扶貧的效果, 可從以下方面入手: (1) 7建立利益聯(lián)結(jié)機制。當前扶貧工作雖然特別強調(diào)扶貧資源要瞄準深度貧困戶, 但發(fā)展農(nóng)業(yè)產(chǎn)業(yè)扶貧需要農(nóng)戶勞動力、農(nóng)業(yè)技能等要素的投入, 而深度貧困戶往往在這些要素上存在一定劣勢。需要根據(jù)農(nóng)業(yè)產(chǎn)業(yè)的特點, 建立種養(yǎng)大戶、家庭農(nóng)場等具有優(yōu)勢生產(chǎn)要素的主體帶動深度貧困戶共同發(fā)展的機制。 (2) 發(fā)揮農(nóng)村集體的組織聯(lián)系作用。深度貧困戶因自身能力較差, 即使參加農(nóng)業(yè)產(chǎn)業(yè)扶貧, 種植或養(yǎng)殖規(guī)模通常較小, 而且深度貧困戶大多缺少市場信息和銷售渠道。需要發(fā)揮農(nóng)村集體或經(jīng)濟合作組織的中介作用, 可借鑒“巢狀市場”形式, 幫助深度貧困戶與城市消費者連接, 擴大其銷售渠道。 (3) 探索要素入股方式。在農(nóng)業(yè)產(chǎn)業(yè)扶貧中可探索深度貧困戶的土地入股、扶貧資金入股方式, 借鑒資產(chǎn)收益扶貧的模式解決缺少勞動力的深度貧困戶受益問題。 中國鄉(xiāng)村發(fā)現(xiàn)網(wǎng)轉(zhuǎn)自：中國人口·資源與環(huán)境 2019（29） (掃一掃，更多精彩內(nèi)容！)
