[文萃]高明 唐丽霞：精准识别多维贫困研究发现，高达98%的收入贫困户同时陷入多维贫困之中

    国内关于多维贫困的研究大多集中于近十年内，早期的研究处于探讨阶段，如尚未平和姚智谋对多维贫困测量指标的性质、可分解性进行了初步的探讨。陈立中使用Watts多维贫困指数从收入、健康和知识三个维度测算了中国多维贫困状况。近几年来，随着国家提出了精准扶贫、精准脱贫战略，关于多维贫困的研究更为丰富，形成了一批以A-F测量法为基础的研究成果。王小林和Sabina Alkire利用中国健康与营养调查数据，采用A-F计数测量法对中国城市和农村家庭贫困进行了测量，结果表明中国城市和农村家庭存在收入之外的多维贫困。郭建宇和吴国宝对山西省8个贫困县进行贫困多维测量，得到的结论之一是不同的指标选择和权重会对多维贫困测量结果产生重大影响。陈琦以武陵山区为例，对连片特困地区农村贫困进行多维测量，发现贫困地区的多维贫困指数较高。
    总体来看，关于多维贫困测量方法上的创新研究较为少见，已有研究的差异主要体现在两个方面。首先，国内外关于多维贫困研究的差异集中体现在维度和指标的选取上面，维度和指标、以及各项指标的权重不同，所得到的多维贫困测量结果也有所差异。其次，现有的有关国内多维贫困的研究所使用的数据来源大多相同，并且具有一定的时间滞后性。尽管有的研究根据部分面板数据在一定程度上分析了贫困的动态变化，但是数据的范围和时限都不足以描述当前国内贫困地区的多维贫困特征。
    综上所述，国内外学术界主要以简单易懂的计数测量法对穷人的多维贫困状况进行测量。计数测量法中以A-F法最为典型，并在国内得到大量实证应用。因关注的福利维度不同，学者们所选择的指标也有所区别。大部分研究选取的指标来源于国际标准，其特点是综合考量了城乡、尤其是城市贫民的贫困状况。但是，实际上中国绝大部分的贫困群体集中在农村深度贫困地区。现有实证研究的局限性主要在于，一方面研究数据的滞后性和不全面严重限制了学者们关于指标的选择范围，所选择的指标一般都偏向于城市贫困的测量，不能完全体现中国农村贫困特征和脱贫要求。另一方面，在扶贫单元已经固化的情况下，关于建档立卡贫困户的数据和研究还非常少。在国家大力推进农村减贫战略，贫困人口急剧减少的形势下，对当前贫困人口多维贫困状况开展及时的研究更显重要。
    本文使用修正的FGT多维贫困测算法，估算了当前中国贫困地区的多维贫困状况。在指标的设定上，结合了中国政府所提出的“两不愁、三保障”的脱贫目标以及国际社会广泛认可的MPI指数中对指标的设置标准。同时，采用2016年贫困村入户调研数据，按照地区和指标进行分解，重点研究了建档立卡户与非建档立卡户的多维贫困差异，并对当前国家建档立卡识别标准进行了实证分析。研究的结论主要有以下几点。
    第一，从各指标单维度贫困发生率来看，卫生设施、生活用主要燃料和生产性资产是贫困发生率最高的指标。贫困地区卫生设备以及清洁能源普及率还非常低，低收入水平限制了农户家庭生产性资产的拥有水平。此外，建档立卡户与非建档立卡户在医疗保险与耐用品两个指标的贫困发生率都很低。这说明，国家大力推进新农合取得了初步的成效，农村新农合参保率显著提高，但仍需注意贫困地区“病人参保，健康成员不参保”的问题。另外，随着收入的提高，大部分家庭拥有两种及以上耐用消费品，生活水平得到一定程度的改善。
    第二，贫困地区的多维贫困发生率和多维贫困指数较高。当K值为30%时，全部样本的贫困发生率为66.2%，多维贫困指数为0.336。建档立卡户与非建档立卡户的多维贫困指数分别为0.410和0.243。建档立卡户的多维贫困发生率要高于非建档立卡户，但是两者的多维贫困强度比较接近。此外，从指标贡献率的横向对比来看，建档立卡贫困户与非建档立卡户之间的差异也并不大。收入、健康状况、住房和耐用品四个指标对建档立卡户的贫困贡献率要明显高于非建档立卡户。非建档立卡户在住房和耐用品拥有情况上有更好的表现，但是成人受教育水平、家庭卫生设施、医疗保险、饮用水和生产性资产各指标对其多维贫困的贡献率更大。这说明现有的识别系统更加侧重于收入、健康、住房和耐用品拥有量四个指标，而这也是国家持续开展易地扶贫搬迁和农村危房改造扶贫项目，制定“两不愁、三保障”脱贫目标的基础。从多维视角来看，贫困地区尤其是国家认定的重点贫困村庄中贫困依然是普遍现象，目前识别出来的贫困群体只是某些指标贫困更为突出的群体，建档立卡户的“摘帽”并不意味着多维贫困的终结。
    第三，分区域测度表明，不同区域省份的多维贫困存在明显差异，但是多维贫困指数与地区经济发展水平并没有显著相关关系。本次测量中，东部地区部分省份的多维贫困指数要高于大部分西部地区，中西部地区各省份的多维贫困指数也高低不一，如贵州、内蒙古的多维贫困指数要远低于其他省份。这启示我们在进行扶贫资源的分配时，不能单纯地以地区经济发展水平作为判断标准，要综合考虑多维贫困程度和贫困人口数量两个指标，保证扶贫资源分配的精准性。
    第四，结合多维贫困测量结果，本文对当前中国建档立卡贫困识别率做出了评估，并比较了多维贫困与收入贫困的匹配差异。当K=30%时，多维贫困户总户数为2058户，其中建档立卡户占比为65.5%，占全部建档立卡户的比例为77.9%。同时，非建档立卡户占所测量多维贫困户数比例为34.5%。这表明，非建档立卡户的多维贫困发生率也很高，已有的贫困识别准确率不高。进而，本文比较了多维贫困与收入贫困的匹配差异，研究发现，高达98%的收入贫困户同时陷入了多维贫困之中，而在所有的多维贫困户中非收入贫困户的比重为53%。这说明，收入贫困户必然伴随有其他维度的贫困，从而陷入多维贫困陷阱。从多维识别的视角来看，收入维度依然是重要因素，但是非收入因素对农户多维贫困的影响更大。对此，未来的精准脱贫战略需要注意建立贫困户的多维识别和调整机制，促进国家的减贫政策惠及更多的穷人。而在多维识别的指标构成选择上，收入维度指标必不可少，非收入维度指标也要能够体现当前中国特色的不同类型农户的多维识别需求，本文所构建的指标体系为此提供了一种参考。

上一页  [1] [2] [3] 下一页