精准识别视角下产业扶贫效果评估

王立剑+叶小刚+陈杰

摘要 产业扶贫是实现农村贫困户彻底脱贫的根本途径，但是鲜有研究对产业扶贫效果进行准确估计。本文首先借鉴国际多维贫困指数评价方法及相关研究文献，从经济状况、生活水准以及精神依赖三个维度构建产业扶贫结果变量指标体系，测量产业扶贫效果；借鉴SPO理论与RHB模型，从个人因素、精准识别以及配套措施三个方面提出产业扶贫效果协变量指标体系，用以测量选择性偏倚。其次，按照建立倾向得分概率模型、均衡性评价、处理效应估计以及敏感性分析的标准程序处理陕西省贫困调查数据。研究发现，陕西省产业扶贫总体效果有限，且该结论得到不同匹配方法的验证，均衡性较好，研究结果不敏感。具体而言，陕西省产业扶贫效果在一对一匹配下，人均年增收1 510.04元；产业扶贫对农村贫困户生活水准提升没有显著效果，对精神依赖改善同样没有显著效果；贫穷系数、劳动能力、技能培训、产业适应性以及基础设施状况是影响贫困户参与产业扶贫的六个显著因素。现行产业扶贫难以覆盖极端贫穷的贫困户，家庭劳动能力强的贫困户更倾向于参加产业扶贫，接受技能培训的贫困户更倾向于参加产业扶贫，得到金融支持的贫困户更倾向于参加产业扶贫，基础设施不完善的村庄贫困户更倾向于参加产业扶贫；相较于产业适应性强的地区，产业适应性一般地区的贫困户更少参与产业扶贫。基于上述研究结果，本文提出调整扶贫贷款政策，关注底层贫困户；突破原材料供给扶贫方式，构建扶贫产业精准识别体系以及建立贫困户与企业利益联结机制等对策建议。

关键词 精准识别；产业扶贫；效果评估；倾向得分匹配

中图分类号 C979

文献标识码 A文章编号 1002-2104（2018）01-0113-11DOI：10.12062/cpre.20170619

依靠产业扶贫实现3 000万以上贫困人口脱贫，是“十三五”期间产业扶贫的重要任务。但是在产业扶贫的深入推进过程中，却暴露出贫困户受益机制不明确、只管引进不管销售以及自然市场风险大等诸多问题。产业扶贫效果评估与提升成为确保2020年实现全面脱贫目标的当务之急。当前，各级政府与学术界对产业扶贫的作用已经达成共识，但是产业扶贫的效果究竟有多大，如何准确评估产业扶贫效果，仍然是研究的难点问题[1-2]。基于此，本文通过处理产业扶贫过程中时间效应与系统差异，评估产业扶贫的“纯效应”。

1 文献综述

目前，学术界已经积累了丰富的贫困研究成果，但是产业扶贫效果评估研究相对较少，相关研究主要集中在扶贫绩效评估上。已有研究可以分为以下三类：一是对扶贫项目识别与参与等问题的分析[3-6]。汪三贵等[4]认为，政府主导的产业扶贫项目追求规模效益，制定的扶贫项目和群众的需求脱节；邓维杰[5]研究认为，许多受益于产业扶贫项目的主体没有明确贫困户受益机制安排，导致贫困农民参与产业扶贫的机会与程度受到挤压。二是扶贫绩效的影响因素及机理研究[7-9]。陈升等[7]研究精准扶贫绩效时发现，扶贫对象精准、项目安排精准、资金使用精准以及措施到户精准与因村派人精准是影响精准扶贫绩效的核心要素；伍琴[9]在研究公共投資对扶贫的影响时提出，公共投资通过基础设施建设、产业发展和社会事业发展三条相互交错的路径，对减贫发生显著作用。三是扶贫绩效的评估与测量[10-13]。Irz X等[11]从创造就业岗位、降低食品价格以及带动农村相关产业发展三方面评估农业发展带来的扶贫绩效；庄天慧[12]从温饱水平、生产生活条件、生态环境和发展能力四个方面评价西南少数民族反贫困综合绩效。上述三类研究，第一类主要是采取定性分析的方法，揭示扶贫过程存在的问题；第二类主要是定性描述和定量分析相结合，解释各因素对扶贫绩效的影响及机理；第三类主要是通过构建指标体系或模型，定量评估扶贫绩效，采用的主要方法有数据包络分析方法[14]、联立方程法[15]以及非线性回归[16]等。

已有研究对扶贫过程、扶贫影响因素以及扶贫绩效评估等都做了深入分析，参考价值较大；但是，尚未发现有学者对产业扶贫效果进行定量的实证测算，特别是对贫困户群体的系统性差异与时间效应重视不足，也没有将产业扶贫效果作为独立的单位进行评估，再加上现有分析扶贫绩效的常用方法要求数据是面板数据或者跟踪调查数据，收集难度大、成本高，亟需探索新的扶贫效果评估路径。基于此，本文选用能够利用截面数据，最大程度消除时间效应与系统性差异的倾向得分匹配法，评估产业扶贫效果；以国际多维贫困指数为基础，构建产业扶贫效果指标体系；从SPO理论与RHB模型出发，构建个人因素、精准识别与配套措施协变量体系，搭建产业扶贫效果评估模型，并以陕西省三县调查数据为基础，实证测算陕西省产业扶贫效果，提出对策建议。

2 研究设计

2.1 倾向得分匹配法与反事实

在评估公共政策影响效果时，一般关心该项政策产生的净效应[17]；但是，此类净效应因两种问题难以求得。一是选择接受或不接受公共政策群体本身存在系统性差异，如果简单地将接受与未接受政策干预的群体进行对比，得出的结论是有偏的。二是时间效应，随着公共政策的实施，其他政策不断渗透影响，必须将被评估政策的影响分离出来。“净效应”可以用平均处理效应ATT表示，ATT=E[YT|T=1，P（X）]-E[YC|T=0，P（X）]，T=1是个体接受政策干预状态，T=0是个体没有接受政策干预状态。研究者通常只能得到个体在接受政策干预前或干预后两种状态下的一种效果，另一种状态由于数据缺失无法得知，这就形成一种“反事实”估计。为了解决这一问题，学者将倾向得分匹配法引入社会科学领域，模拟自然状态下试验状态，以求得公共政策实施效果的“净效应”。

倾向得分匹配法是Rosenbaum 和 Rubin[18]于1983年首次在生物统计学领域提出的研究方法。他们对倾向得分匹配法定义是，个体在其自身特定属性下接受某种干预的可能性。该方法创造了“准随机”试验。在实验中，只要有两个倾向得分相同的试验对象分别分布在处理组与对照组，则可以认为接受干预可能性相同的两个试验对象被“随机”分配到不同组[19]。endprint