[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

    原文标题：多维贫困的精准识别——基于修正的FGT多维贫困测量方法
    摘 要：本文使用修正的FGT多维贫困测量方法测算了贫困村庄建档立卡户与非贫困户的多维贫困指数。研究发现，对贫困地区总体而言，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。分指标和农户类型的测度表明，非建档立卡户的多维贫困强度与建档立卡户接近，两种类型农户的多维贫困差异并不明显。与非贫困户相比，建档立卡户在家庭人均纯收入、健康状况、住房以及耐用品拥有量等指标上的贫困程度更深。分区域测度表明，地区经济发展水平高低与多维贫困指数并不存在必然联系，经济发展水平高的地区也存在深度多维贫困群体。进而，本文比较了多维贫困与收入贫困的匹配差异，98%的收入贫困户同时陷入了多维贫困，而多维贫困户中非收入贫困户的比重为53%。这说明，从多维测量的视角来看，收入维度依然是多维贫困识别的重要因素，但是非收入因素对农户贫困的影响更大。
    关键词：多维贫困；精准识别；Alkire-Foster 模型；多维贫困强度
    Accurate Identification of the Multidimensional Poverty:Based on the Modified Multidimensional Poverty Measurement Method of FGT
    Gao Ming，and Tang Lixia
    （College of Humanities and Development Studies, China Agricultural University）
    Abstract：To better measure the multidimensional poverty index of poor households and non-poor household who are identified by the government’s poverty card, this paper tried to use the revised FGT multidimensional poverty measurement method and found that: firstly, for the poor areas, the highest rates of poverty incidence are sanitation, main fuel of living and productive assets. Secondly, the measurement of the sub-index and the peasant households’ type also shows the multidimensional poverty difference between the two types of rural households was not obvious. While the poor households have the higher rates of poverty in terms of per capita net income, health condition, housing and the amount of durable goods. Thirdly, the measurement of regional separation shows the regional economic development level is not necessarily linked with the multidimensional poverty index, and the regions with high economic development level also have the deep multidimensional poverty group. Furthermore, this paper compares the matching differences between multidimensional poverty and income poverty. The result is 98% of the low-income households fall into the multidimensional poverty, while the proportion of non-income poverty households in multidimensional poverty is 53%. This indicates that from the perspective of multidimensional measurement, the income dimension is still an important factor for multidimensional recognition, but the non-income factors have a greater impact on the poverty of rural households.
    Keywords：Multidimensional Poverty，Accurate Identification，Alkire-Foster Model，Multidimensional Poverty Intensity
    JEL Classification: I32，O15
    作者及简介：高明，中国农业大学人文与发展学院；唐丽霞（通讯作者），中国农业大学人文与发展学院。
    致谢：本文得到国家社会科学基金项目“实施精准扶贫、精准脱贫的机制与政策研究”（项目编号：15ZD026）的资助。感谢匿名审稿人的宝贵建议和编辑老师的辛勤工作，当然文责自负。
    期刊责任编辑：惠利、陈永清
    【文摘】
    改革开放以来，通过实施一系列开发式扶贫政策，中国取得了举世瞩目的减贫成就，提前完成了联合国千年发展目标中对中国的减贫要求。2015年，继千年发展目标取得阶段性成果之后，联合国可持续发展峰会又提出了下一阶段人类发展计划的《可持续发展目标（SDGs）》，再次强调消除一切形式的贫穷，并从人的教育、健康、居住生活等方面设定了基于能力发展的多维度指标，这标志着全球减贫战略正式进入“多维”时代。与此同时，长期的开发式扶贫战略的实施为中国累积了大量减贫经验，其中最为重要的是两个方面：首先，精英俘获使财政扶贫目标出现极其严重的偏离，中国的扶贫瞄准机制一直在调整，瞄准单位不断下沉。到2014年，政府提出了以农户收入为基本依据，对贫困农户进行建档立卡的举措，最小化扶贫瞄准单位。其次，贫困人口的识别机制、脱贫标准更加多维化。2015年，国家出台《中共中央关于打赢脱贫攻坚战的决定》（以下简称《决定》），明确提出到2020年实现7000万建档立卡贫困人口全部脱贫的目标，使穷人“不愁吃、不愁穿，义务教育、基本医疗和住房安全有保障”。通过《决定》可以看出，单一收入维度的贫困监测已经不再适合中国的减贫实际需要，更为综合的多维贫困测量在包括建档立卡贫困人口识别、贫困农户的脱贫监测中都将得到广泛应用。在通过建档立卡的形式确定了贫困农户、扶贫瞄准单位已经固化的情况下，当前的脱贫攻坚任务的重心应该聚焦于已有建档立卡贫困户的多维贫困特征，分析不同类型农户在收入和多维贫困上的差异，进而把握现有建档立卡精准识别的主要依据，并依此提出有针对性的多元化减贫发展建议。
    基于上述背景，本文利用全国农科院校联合组织的“全国农科学子助力精准扶贫”活动获得的贫困农户家庭调查数据，对中国农村贫困地区农户的多维贫困特征进行分析。需要说明的是，本研究关注的重点是建档立卡贫困人群，但是为了使分析结果具有可比较性，实际调查和分析中也包含了贫困村中的非建档立卡户。
    贫困的多维测量思想来源于阿玛蒂亚·森，他认为贫困是多维的，不仅表现为收入的贫困，也包括饮用水、道路、卫生设施等其他指标的贫困。此外，他还认为贫困测量指数的构建应具有一定的数学基础，后来演变为贫困测量方法的数理公理性。公理性主要是指贫困测量指数应该满足的公理化的基本准则，主要有焦点性公理、单调性公理、转移性公理、敏感性公理和连续性公理。为了延续这种公理性，不同的多维测量方法被开发出来。这其中，Watts多维度贫困指数是早期使用较为广泛的指数。虽然大部分公理性指数具有测量的一般性、严谨性等特点，但是也具有操作的复杂性，实用性较弱的劣势。为了克服这种劣势，Alkire和Foster提出了一种集贫困识别、加总和分解于一体的方法，即A-F计数测量法。该方法既满足了测量公理性的要求，也具有较强的现实和技术方面的可操作性，一经问世便在世界范围内得到大量使用。

[1] [2] [3] 下一页