会员登录
会员注册三 实证分析
本部分主要研究我国扶贫工作中公共投资的作用机理及传导路径，以我国贫困地区（贫困重点县）为研究对象，采用结构方程模型考察各项公共投资通过中介传导影响贫困的情况，根据各个路径显著性和适配度大小，反映各项公共投资与减贫的关联度；根据模型拟合的结果，分析各项公共投资通过中介传导因素对减贫效果的直接、间接影响效应及程度，并提出有关建议。
（一）构建结构方程模型
1.结构方程模型介绍。结构方程模型（Structural Equation Modeling, SEM）方法是基于变量的协方差及模型中数据关联程度，分析变量之间关系及评价和验证模型合理程度的一种统计方法。同时，结构方程模型也可以分析中介指标产生的作用效果。理论模型中各观测变量通过建模的基本要求后，可运用AMOS 18.0软件进行SEM分析。结构方程模型通常包括潜变量、观测变量、误差变量、外生变量和内生变量。
2.构建公共投资减贫路径模型。根据公共投资传导理论分析，本文根据数据的可得性，选取贫困地区粮食总产量、人均工资性收入、乡村就业人口数、道路修建投资资金、规模以上工业总产值、固定电话用户数、学校及设备投资资金、卫生室及设施投资资金和贫困地区人均住房面积等变量，公共投资减贫路径模型如下页图2所示。其中，显变量用矩形表示，残差项用圆形表示，直接效果或单方向的路径关系用单向箭号表示，相关关系用双向箭号表示。
本文构建的路径模型中共有14个显变量。其中，基础性公共投资、经济性公共投资、公益性公共投资、贫困地区粮食总产量、人均工资性收入、乡村就业人口数、道路修建投资、规模以上工业总产值、固定电话用户数、学校及设备投资、卫生室及设施投资和贫困地区人均住房面积属于外生显变量，人均纯收入和贫困人口数属于内生显变量。除了上述变量，模型中还存在el-e9共9个显变量的残余变量和e10、e11两个潜变量的残差变量，它们的非标准化路径系数值默认为1，其作用是为了保证模型的验证过程能够成立。
数据来源于2003—2017年《中国农村贫困检测报告》中的贫困地区统计资料。其中，由于贫困人口数统计口径变化多次，因此本文以2012—2016年贫困地区贫困人口数为基础，采用ARIMA模型对2002—2011年贫困人口数进行拟合估测。在进行模型拟合前，本文利用SPSS软件对14个观测变量进行正态化检验，经检验上述变量符合正态化假设。
（二）公共投资减贫路径效应分析
根据上述构建的路径模型，利用Amos软件的最大似然估计法进行迭代运算，对各类公共投资减贫效应路径系数进行估计，可以直接观测到不同观测变量之间的路径系数及内在关系（具体过程略，如有需要可向作者索取）。
对模型进行设定后，将数据代入其中并观测响应的适配度指数，可获得模型整体的适配情况（如表1）。其中，绝对拟合指数卡方检验所得P值为0.000，GFI为1.000，RMR为0.000，以上指标均达到适配标准，说明公共投资减贫效应的假设模型与实际数据之间契合度较为理想。相对拟合指数NFI、IFI、CFI均为1.000，说明该模型整体适配和拟合情况较优。因此，可以认为模型整体的适配度满足模型要求。
从基础性公共投资方面来看，基础性公共投资对贫困地区粮食总产量、乡村就业人口和人均工资性收入等因素的影响效应分别为0.926、0.219和0.466，即基础性公共投资每增加1%，就会对贫困地区粮食总产量、乡村就业人口和人均工资性收入产生0.926、0.219和0.466个百分点的正向效应。乡村就业人口对人均工资性收入有显著正效应，效应系数为0.533，即每增加1%的乡村就业人口就会对贫困地区人均工资性收入产生0.533个百分点的正向效应。人均工资性收入对人均纯收入有着显著正效应，效应系数为0.765；贫困地区粮食总产量对贫困人口数有着显著负效应，效应系数为-0.180。这表明，基础性公共投资一方面可以改善农产品生产环境，通过增加机械使用和引进先进技术解决增收问题，直接促进农民富裕；另一方面，可以形成剩余劳动力从事非农业生产，增加农户整体收入，最终达到减贫的目的。
从经济性公共投资方面来看，经济性公共投资对规模以上工业总产值、固定电话用户数和道路修建等因素的影响效应分别为0.381、0.288和0.839。其中，经济性公共投资对固定电话用户数的传导路径并未通过显著性检验，这可能由于随着经济的发展，移动电话的普及导致固定电话用户数量的递减，但是由于数据的可得性，本文依然采用固定电话用户数数据解释经济性公共投资完善农村居民基础生活设施以达到减贫目的的机理。经济性公共投资对道路修建投资的效应最大，这也说明了经济性公共投资着重投资于基础设施建设。道路修建对规模以上工业总产值有着显著正向影响，每增加1%的道路修建投资引致规模以上工业总产值产生0.604个百分点的正向效应，最终引起人均纯收入的增加；规模以上工业总产值每增加1%，人均纯收入将增加0.267%。固定电话用户数所代表的农村基础生活设施的完善则会直接起到减贫的作用，即固定电话用户数每增加1%，贫困人口数将减少0.214%。
从公益性公共投资方面来看，公益性公共投资对学校及设备投资、卫生室及设施投资和人均住房面积等因素的影响效应分别为0.994、0.873和0.866。学校及设备投资的增加对贫困人口数产生的影响是正向的，卫生室及设施投资对贫困人口数产生的负向效应勉强通过检验，这均不符合现实情况。这可能由于从获取知识到运用知识改变贫困现状以及保障有效劳动力的效果需要一定的时间，而该模型并不能反映滞后效果。教育的普及有助于提高贫困地区儿童的上学率、劳动力的知识水平和就业竞争力，打破贫困的代际传递。有效劳动力的保障和人力资本的积累是农业生产效率提升和剩余劳动力增加的关键。分析表明每增加1%的学校及设备投资会引致0.797%的乡村就业人口数。人均住房面积的增加对减贫起到较大作用，这也是居民生活水平提高的表现。模型显示，每增加1%的人均住房面积，会减少0.710%的贫困人口。
根据各观测变量的路径效应系数分析可以看出，各路径对减贫均产生了直接或间接的效应。具体而言，对人均纯收入和贫困人口数产生的直接效应、间接效应和总效应如表2所示。根据效应程度可知，人均纯收入是导致贫困人口减少的直接原因，这也符合现实情况，我国判别是否为贫困人口的主要依据就是每人每年收入是否低于标准线。从效应程度可知，人均纯收入每增加1%，贫困人口数将减少0.427%。
从公共投资结构来看，对人均纯收入影响较大的是基础性公共投资，每增加1%的基础性公共投资就会对人均纯收入产生0.445个百分点的正效应；对贫困人口数影响较大的是公益性公共投资，即每增加1%的公益性公共投资就会间接减少0.405个百分点的贫困人口数。而经济性公共投资对人均纯收入和贫困人口数的效应程度均小于其他两项公共投资，由此看来，经济性公共投资对减贫作用的影响效应相对微弱，也可能是存在一定的滞后性。
从中间传导因素来看，对人均纯收入影响最大的是人均工资性收入，这毋庸置疑，因为人均工资性收入是收入的一部分。在间接影响因素中，乡村就业人口对人均纯收入的影响较大，每增加1%的乡村就业人口会间接给人均纯收入产生0.407%的正效应。对贫困人口数量影响最大的是人均住房面积，而间接影响效应最大的是人均工资性收入。道路修建投资对人均纯收入和贫困人口的效应相对较小，说明道路等基础设施，由于近年来建设力度较大，已经摆脱了短缺态势，对减贫的作用效果趋于下降。综上所述，各项公共投资通过中介因素增加人均纯收入和减少贫困人口数，进而对减贫起了较大的作用。
