绩效评价视角下河北省精准扶贫指标体系的构建与实践分析

魏名星 李名威 杨美赞

摘要 以国务院扶贫办制定的《建立精准扶贫工作机制实施方案》为依据，分别从精准识别、精准帮扶、精准管理3个维度，构建了扶贫绩效评价的指标体系，并依据AHP法对选取的指标予以赋权，同时，对该指标的可操作性在河北省2016年度的扶贫绩效评价中予以了实证。因此，自上而下的贫困户识别方法、农户参与的积极性、帮扶对策的多样性、未确定完善的扶贫制度以及法律保障是影响扶贫绩效实现的主要因素。并依据上述因素提出改善河北省扶贫绩效的建议。

关键词 精准扶贫；绩效评价；AHP；FAHP

Index System Construction and Practice of Precise Poverty Alleviation in Hebei Province Based on Performance Evaluation

WEI Ming-xing，LI Ming-wei*，YANG Mei-zan

（Commercial College，Hebei Agricultural University，Baoding，Hebei 071001）

Abstract According Establishment of Implementation Plan for Precise Poverty Alleviation Working Mechanism formulated by the State Council Leading Group Office of Poverty Alleviation and Development of China，Index system for evaluating poverty alleviation was constructed from the three dimensionality of precision recognition ，precision assistance，precision management .The selected indexes were weight by AHP method.Meanwhile，the indexesoperability was verified in poverty alleviation evaluating of Hebei in 2016.Therefore top-down peasantry identification method ，activity of farmer participation ， diversity of assistance ，uncertain system were main factors affected poverty alleviation effect.Suggestion was put forward to improve poverty alleviation effect.

Key words Precise poverty alleviation；Achievement evaluating；AHP；FAHP

改革開放以来，我国在扶贫的道路上实施了大规模的战略部署，同时也取得了显著的成绩。以河北省为例，自改革开放实施大规模扶贫开发以来，已使1 963万农村贫困人口摆脱贫困，贫困发生率也由35%下降到8.8%[1]；扶贫政策从1986到2001年的区域开发式扶贫、攻坚式扶贫、整村推进扶贫到了如今的精准到户的精准扶贫，扶贫对象工作更加细化精确，已从区域性、整村式转向了个体户的户级瞄准。截止到2014年底河北省农村贫困人口还有486万人，根据《中共中央国务院关于打赢脱贫攻坚战的决定》（中发〔2015〕34号），河北省政府制定了《关于坚决打赢脱贫攻坚战的决定》，大力实施精准扶贫、精准脱贫，每年有100万农村贫困人口实现稳定脱贫。在扶贫过程中正确认识贫困村的现状，将扶贫绩效进行量化，这对于今后的扶贫开发战略的制定与实施有重要的现实意义。因此，在以河北省保定市精准扶贫项目区为研究对象的基础上，构建评价河北省扶贫绩效的指标体系，并从中找出重要的指标加以分析，以期为河北省乃至全国精准扶贫工作的改进，提供可量化的依据。

1 相关研究现状述评

通过文献检索可得，直接通过绩效评价来研究精准扶贫的文章相对较少，而研究反贫困、绩效评估方法及指标选择的文章相对较多，所以较多地借鉴了这些方面的理论知识。

1.1 反贫困研究

有关反贫困的研究主要围绕经济增长模式以及导致贫困的根源，包括物质资本、人力资本的缺乏、社会文化等方面。美国经济学家Townsend[2]提出的贫困循环陷阱理论从经济学供给与需求方面分析贫困产生的原因，得出资本的缺乏是导致贫困的主要原因。之后，Waugh[3]提出的低水平均衡陷阱的理论，通过分析人口增长与资本增长的速度，得出人口的增长速度要大于资本的增长速度，这种现象最终会导致低水平的均衡贫困陷阱。美国经济学家Hirschman[4]在《经济发展战略》中论述了不平衡增长理论模式，他认为发达国家地区的发展主要是由地方主导产业所带动的，当地政府在选择投资项目时，应该注重投资主导产业，并以此带动其他部门产业的投资。这种观点对发展中国家反贫困也产生了较大的影响。

1.2 扶贫绩效指标的选取方面

扶贫不仅仅只是单纯的“输血”式投入，最重要的还是要调动贫困人民的自助“造血”能力[5]。让贫困人群主动参与到扶贫的活动中，并通过提高经济发展水平、社会发展水平，加强村民能力建设等指标来评价这种参与式扶贫的绩效[5-6]，这种参与式扶贫模式得以在贫困地区运行得益于扶贫项目的好坏[7]，在实行扶贫项目的前期，要根据贫困地区的地理特点、人口构成、环境状况、基础设施等指标对某项扶贫项目能否成功的在该地区实施进行全面的评价[8]，在项目实施后根据贫困人民收入增收状况、脱贫状况、贫困群众满意程度等指标来进行评价[9]。

1.3 扶贫绩效的研究方法选择方面

行之有效的绩效评价得益于研究方法的选择，扶贫绩效评价活动也不例外。在宏观方面，财政扶贫资金绩效评价与管理暴露了诸多问题，例如扶贫政策被市场弱化或瓦解、道义号召和行政手段失灵、贫困地区资金吸引能力进一步恶化、投入不足、扶贫工作重点不突出、直接解决贫困解决温饱的项目偏少、扶贫资金出现层层盘剥现象等，这些问题都阻碍了扶贫进程的步伐[10]。在微观方面，通过数据包络分析与层次分析法定量地评价了我国扶贫开发的绩效[11]。更加具体明确地指出了在扶贫绩效评价过程中农业科技资源的投入、农业科技成果的转化、科技创新能力的提高以及经济发展水平、社会发展水平等相关指标是值得关注的[12]。科技培训、财政资金规模效率和技术效率等指标水平较低还有待提高。为今后的扶贫工作指明了方向[13]。

根据以上国内外研究综述，可以看出西方学者主要从经济学中的供给与需求的角度来解析贫困产生的机理，认为资本的缺乏是贫困产生的主要因素，摆脱贫困的主要手段是加大资本的投入。我国诸多学者更倾向于对促进贫困群众“造血”能力方面的绩效评价，指标的选取也更多的是贫困群众的增收情况、能力提高情况、就业创业情况等，从不同角度关注如何投入扶贫资金，分析如何提高扶贫资金的使用效率，而且提出的对策多针对于国家政府层面，没有太多地从农民自身的层面考虑，不同的贫困户到底需要什么、需要怎样识别、怎样帮扶，在实践中区分的并不明显；也没有站在贫困户的角度来评价某个扶贫项目到底是否真正激发了贫困户的自主性。自上而下的扶贫研究已经不能切实体现精准扶贫绩效的真实性，基层广大贫苦群众的呼声是扶贫工作不断进步的基础，因此，该研究将自上而下与自下而上的扶贫工作相结合，构建评价扶贫绩效的指标体系，为今后的扶贫工作提供更加精细化、可量化的借鉴。

2 精准扶贫实践应用绩效评价指标体系设计

以国务院扶贫办制定的《建立精准扶贫工作机制实施方案》为依据，主要从精准识别、精准帮扶、精准管理3个方面进行指标的筛选与体系的建立。在河北省扶贫调研的基础上，验证指标体系的科学性和评价数据搜集的可操作性。找出影响精准扶贫实践困境的原因所在，并以此建立绩效评价指标体系，将影响因子进行分类汇总，根据实际情况计算出各因子的绩效权重，并分析各项指标在实践应用中效果，为今后的扶贫实践工作提供相应的借鉴。

其中，目标层是指扶贫所要达到的总目标，就是准确衡量当前精准扶贫在实践应用中所产生绩效的整体水平。

准则层是指评价精准扶贫在实践应用中3个基本过程，即精准识别过程、精准帮扶过程以及精准管理过程。

指标层是指评价精准扶贫在实践应用中体现的绩效整体水平的基本评价指标集合，具体包括环境因素、技术因素、乡土文化因素、帮扶对策的多样性、农户参与程度、扶贫资金运用的灵活性、扶贫制度的完善、健全的法律保障以及科学的教育方法等9项内容（表1）。

3 模糊层次分析法

层次分析法（简称AHP）是一种将定量和定性分析相结合的多目标决策方法，在20世纪70年代中期由美国运筹学家托马斯·塞蒂正式提出。该方法能够有效地分析目标各层次之间的非序列关系，简单易行，便于理解，因此在众多领域得到广泛应用。

黄本笑等[14]提出：“AHP法的基本思路为将目标分解为不同的组成因素，将这些因素按照各自不同的支配关系归类形成递阶层次结构，通过分别比较不同指标之间的相对重要程度，并结合专家判断，来决定决策诸因素相对重要性总的顺序。”基于以上对AHP的基本认识，不难发现，该方法存在一定的人为判断的模糊性，例如，在比较2个指标时，人为A指标比B指標明显重要，这本身就属于一种模糊判断。基于此，在模糊环境下拓展AHP法是非常有必要的。目前，一些学者提出将模糊分析法运用到AHP分析方法中，由此形成模糊层次分析法（简称FAHP），其具体操作流程如图1所示。

3.1 构造模糊判断矩阵

构造模糊判断矩阵，根据各因素的相对重要性进行判断，并用模糊数表示出来，即可构成模糊判断矩阵：

C0=[bij]=1…b1n

bn1…1

（1）

3.2 去模糊化

将上述模糊矩阵运用一定的方法去模糊化，如式（2）、（3）所示：

（baij）θ=[θ·Laij+（1+θ）·Uaij]，0≤θ≤1，0≤α≤1，i

（baij）θ=1/（baij）θ，0≤θ≤1，0≤α≤1，i

式中，α为偏好系数，其值的大小反映了判断的不确定性，当α=0时不确定性达到最大；θ表示对风险的容忍度，其值越小意味着决策者越乐观，反之亦然；

Laij=（Mij-LMij）·α+Lij和Uaij=Uij-（Uij-Mij）α分别是bij的左端值与右端值，其中Mij为Uij与Lij的几何平均值。

3.3 计算层次单排序

将去模糊化的矩阵计算满足[（Ba）θ-θ]·W=0的特征根与特征向量，并将特征向量归一化，则对应最大特征根的特征向量就是相应因素的相对权重。

3.4 一致性检验

所谓一致性检验就是要确保评价过程中思维判断的一致性，可以通过一致性指标CI和随机性指标CR来进行检验，具体公式为

CI=（θmax-n）/（n-1）（4）

CR=CI/RI（5）

式中，RI为平均随机一致性指标，它随着判断矩阵的阶数有固定的取值，即

n=1，2，3，4，5，6，7，8，9，10，11时，RI值分别为0.00、0.00、0.58、0.90、1.12、1.24、1.32、1.41、1.45、1.49、1.51。

当CR<0.1时或CI=0时标明判断矩阵通过了满意一致性的检验，也表明权重是合理的，否则就要对判断矩阵进行调整，直到通过检验为止。