甘肃省贫困地区女性多维贫困测度及影响因素分析——基于14个贫困村的调查资料

柳建平，刘咪咪

（西北师范大学商学院，兰州 730070）

一、引言

贫困是人类文明发展进程中面临的长期挑战，而因性别差异所表现的女性贫困问题更甚。性别不平等作为一个历史遗留问题长期积累，致使女性从童年开始就缺乏一些经济、法律等方面的权利，使女性贫困在广度、深度上更甚，妇女在家庭生活中扮演的养育子女、照顾家庭及参与生产等多重角色，也使女性贫困异于其他群体。第四次世界妇女大会（1995）第一次把“妇女与贫困”置于重要关注领域，表明国际社会、特别是发展中国家将女性贫困列入反贫困政策的重要关注范围。2015年的联合国可持续发展峰会通过的可持续发展目标（SDGs）进一步强调消除一切形式的贫困，其中包括向所有妇女和女孩赋权，实现性别平等。其意旨就是通过更具（实质性）性别平等、以至针对女性特殊性的制度（如女性保护制度、避免歧视制度等）、政策（如专门针对女性的反贫困政策等）变革及行动，消除一切形式的女性贫困。

改革开放至今，我国的反贫困事业取得了巨大进展。然而女性贫困仍是一个毋庸置疑的社会事实。《中共中央关于打赢脱贫攻坚战的决定》明确提出，到2020年稳定实现农村贫困人口“两不愁”（不愁吃、不愁穿）、“三保障”（义务教育、基本医疗和住房安全有保障），确保农村贫困人口在国家现行标准下全部脱贫，包括了让农村贫困妇女摆脱贫困，这一目标已超脱以往单一维度的收入贫困标准，实质上已触及多维贫困的几个核心指标，表明在目前已开展的精准扶贫行动中，多维贫困理论及方法的应用将更具有政策实践意义。

甘肃省农村贫困地区由于恶劣的自然环境、滞后的经济社会发展状况以及特殊的历史、民族、文化、习俗等因素影响，农村女性的性别歧视、权利缺乏、经济社会文化不平等问题依然突出，特别是在教育、医疗、健康等方面相比男性均存在能力和权利的更重剥夺，由于女性贫困所导致的负面效应更为广泛和持久，因而需要在具体的精准扶贫政策实践中予以高度关注。基于此，本研究将对甘肃14个贫困村的调查数据中劳动年龄女性的多维贫困状况进行测度，同时就导致女性多维贫困的原因进行实证分析，以期寻找更具有针对性的反贫困政策措施。

二、文献综述

一直以来，学术界对贫困问题高度关注，从最初的收入贫困到现阶段的多维贫困，人们对于贫困的认识不断深化和扩展。在多维贫困理论的研究方面，从1985年阿马蒂亚·森最先提出将能力缺乏纳入贫困研究范围[1]，多维贫困理论逐渐引起学术界的研究热潮，随后学者相继对这一概念进行扩充。基于Sen等人的贫困理论思想，UNPD（联合国开发计划署）于1990年提出了人类发展指数（HDI）和人类贫困指数（UHPI），在以单一收入水平衡量人类发展状况的基础上，新增加了健康、教育和生活水平指标来衡量[2]。在多维贫困测度指标设置及方法上，国外一些学者做出了开创性研究，Alkire（2002）考察了139个与人类发展和福利水平相关的指标[3]；Nussbaum（2003）在肯定了Sen的“能力贫困”的基础上，提出了从寿命、健康、情感等10个维度考察多维贫困[4]，扩大了多维贫困测量的维度和覆盖面。Wagle（2008）[5]、Maasoumi and Lugou（2008）[6]则分别利用结构方程模型、公理化方法测度了美国和印度尼西亚的多维贫困状况。但目前使用最广泛的方法仍然是AF方法，从研究结果的普遍性来看，如Salahuddin and Zaman（2012）[7]，Alkire and Seth（2013）[8]，Batana（2013）[9]，Battiston（2013）[10]等，分别研究了巴基斯坦、印度、非洲撒哈拉和拉美国家的多维贫困现状，结果表明各国贫困人口数量及贫困剥夺程度均大幅度降低，但仍有部分国家在教育、健康等维度上的剥夺程度较为严重。

借鉴国外的研究成果，国内学者也采用多维贫困方法对我国贫困现状进行了研究。李小云等（2005）通过分析贫困线和多方面测量贫困方法以及我国扶贫瞄准机制，开发并验证了参与式贫困指数，丰富了贫困测算方法[11]。王小林等（2009）采用AF方法分析了2006年中国健康与营养调查数据，发现城乡均存在不同程度的多维贫困，且贫困程度远高于收入贫困发生率[12]。汪三贵等（2015）利用中国农村贫困监测调查数据测算了农村贫困地区的包含饮用水、健康、资产等在内的六个维度的贫困状况[13]。冯贺霞等（2015）探讨了收入贫困与多维贫困之间的关系，并使用2011年的CHNS数据分析了两者之间的关联和差异，发现收入贫困漏测了将近70%的贫困户[14]。张全红等（2015）通过AF方法，从教育、儿童和青少年生活条件、就业等五个维度十二个指标测算城乡多维贫困，发现城乡多维贫困虽有明显改善，但发展仍然不平衡[15]。以上研究均表明，单一维度的收入贫困已不再适应现阶段的贫困性质，多维贫困能够更准确地瞄准贫困群体，更有利于扶贫政策的推进。

尽管国内学术界对我国女性贫困问题进行了一些研究，但多注重于女性贫困成因分析，而鲜少利用多维贫困理论和方法研究女性贫困问题。在女性贫困的成因研究方面，大部分学者认为女性贫困受到传统性别观念、教育水平、经济收入、社会制度、社会结构的影响（邵彩玲，2011[16]；孙运宏，2011[17]）。也有学者对特殊地域、特殊女性群体的贫困问题进行了研究，如朱玲（2013）基于对甘肃、青海、云南等省农牧区的调研，研究了传染病、妇科疾病和孕产期照料不足等对女性健康及其贫困的影响[18]；王增文（2010）将老年女性贫困分为“暂时性贫困”和“持续性贫困”，并使用Cox比例风险模型找出影响女性持续贫困的决定因素[19]。在女性多维贫困研究方面，仅有张晓颖等（2016）使用AF方法，测算了在北京市从业的451名家政服务业流动妇女的多维贫困指数，发现流动妇女在收入上都已脱贫，但是在社会融入度、生活水平、教育培训方面相对贫困[20]；吴海涛等（2013）利用AF方法测算了湖北省农村家庭贫困的性别差异，发现女性在教育、消费、决策权等方面表现出更为明显的贫困，而男性在健康方面存在较深程度的贫困[21]；高帅等（2016）认为能力、动态、多维贫困更符合现阶段贫困的本质和未来走向，并采用Biprobit模型，分析了对农村人口持续多维贫困产生影响的因素、各地区发生持续性多维贫困的概率等[22]。

综上所述，国内学术界利用多维贫困理论和方法的研究正在蓬勃开展，且其研究成果对目前的精准扶贫具有重要的指导意义，但同时有关女性多维贫困问题的研究还非常稀少，这也是本文选题的又一个重要原因。

三、劳动年龄女性多维贫困测度及分析

（一）数据来源和样本概况

本文使用的数据来源于2016年西北师范大学“三农社”组织的“甘肃省农村贫困问题调查”，此次调查覆盖了甘肃8个市区的14个建档立卡贫困村①调查的14个贫困村的行政隶属：兰州市永登县通远乡团庄村，白银市景泰县正路乡川口村，白银市会宁县八里湾乡富岔村，天水市张家川县恭门镇城子村，平凉市庄浪县郑河乡史洼村，庆阳市华池县五蛟乡杜右手村，庆阳市镇原县方山乡张大湾村，定西市陇西县宏伟乡文家集村，定西市漳县四族乡四族村，定西市临洮县龙门镇马家湾村，临夏州积石山县小关乡大寺村，临夏州康乐县五户乡五户村。在集中连片特困片区分布上，这12个贫困村都属六盘山片区甘肃片区；另外2个建档立卡贫困村分别是陇南市礼县雷坝乡蒲陈村，陇南市礼县雷坝乡甘山村，属于秦巴山片区甘肃片区。。调查内容主要包括样本村基本概况（农业自然条件，人口、耕地状况，路、水、电等基础设施建设，产业发展状况，村学、村医等社会发展状况，贫困状况等）和样本农户基本情况（家庭人口、耕地、劳动力、资产、收入及来源、消费支出、农业经营、教育培训、医疗健康等）。

调查村庄大多处于黄土高原干旱半干旱山区，自然环境较差，基础设施薄弱，教育医疗等公共事业较为落后。调查以户为单位、采取随机入户访谈形式填写问卷，共获取有效问卷1749份，其中建档立卡贫困户767户，占比43.85%；样本总人数为8319人，其中女性3970人，平均年龄36.65岁，平均受教育年限5.97年。女性年龄结构分布为：16岁以下776人；16～64岁的劳动年龄女性2803人，占样本女性人口的70.6%；65岁以上女性有478人。劳动年龄人口是最主要的财富创造者，也是决定家庭是否贫困的最关键因素②由于传统和经济社会发展水平限制，在我国农村地区绝大多数老年人口的养老仍然以家庭养老为主，而这种家庭养老最核心的表现是老年人口在经济上往往需依附于子女。，因此本文主要以劳动年龄女性为研究对象，分析甘肃省贫困地区多维贫困状况。

（二）指标的选取

结合已有研究以及OPHI③Oxford Poverty&Human Development Initiative Department of International Development Queen Elizabeth House，University of Oxford Mansfield Road，Oxford OX1 3TB，UK，Sabina Alkire，August 2007.提出的联合国发展目标、人类发展指数和多维贫困指数，依据现有农村可调查数据的可行性，本文主要选取收入水平、消费水平、受教育年限、健康水平、饮用水、交通条件、房屋、耐用消费品等8个指标，各项指标的选取及设定均依据人类发展报告中MPI的设计标准。

首先，由于我国农村贫困地区依然存在大量的绝对贫困人口，本文将收入作为多维贫困的首要维度，并将2015年国定贫困线2800元设定为临界值；因消费水平的高低反映了生活水平的好坏，为此将消费也设定为贫困识别的重要维度，根据世界银行的相关资料，将消费水平的临界值④国际上通常以消费水平界定贫困线，实际上消费水平更能反映在市场经济体制下的物质或绝对贫困状况。如世界银行于2008年将国际贫困线定为每人每天消费水平1.25美元，这一水平与当前我国2800元人民币的贫困线十分接近。资料来源：2008 WORLD DEVELOPMENT INDICATORS THE WORLD BANK。设定为与收入水平的临界值相同；其次，在教育指标上，依据MPI教育维度的指标设置，结合农村贫困现状（调查样本中不存在适龄儿童失学情况），并参考女性平均受教育年限，将女性在教育维度贫困的临界值设定为小学（6年）；第三，在健康维度上，主要指标有医疗条件、医保水平和女性自身健康状况，医疗条件通过就医的便利性反映，样本中村级卫生室全部覆盖，样本人口“新农村合作医疗”参与率达到99.87%，能够解决基本的就医需求，因此本文仅通过女性自身健康状况反映健康指标；第四，女性及其家庭生活的基本环境通常通过饮用水、生活用电、交通条件等指标反映，这些维度往往会影响到女性的生活、健康和教育水平，国际上将浅井水也划为饮用水贫困范围，因样本村通电率为100%，故不再考虑该维度的贫困状况，通村道路为土路影响女性劳动力的出行、外出务工状况，将其作为贫困临界值；第五，女性及其家庭生活水平的高低通过房屋、耐用品消费等固定资产[12]的拥有来反映，这里将住房不安全即住房结构为土坯、茅草、窑洞等设定为临界值，耐用消费品（彩电、冰箱、洗衣机）缺少任意一种则认为该维度贫困。详见表1。

（三）女性多维贫困广度和深度分析

1.单一维度贫困发生率

根据上表1中设定的各指标临界值，测算样本女性在各单一维度上的贫困发生率，详见表2。

由表2可以看出，劳动年龄女性在收入维度上的贫困发生率18.4%⑤这一数据稍低于总体人口收入贫困发生率19.42%，是由于研究样本仅以劳动年龄女性为计。，而在消费维度上的贫困发生率为47.6%，远高于收入指标，一定程度上反映了农村家庭由于收入水平、地理位置、交通、消费意识、特别是女性持家筹划家计等影响，贫困家庭的成年女性往往通过“自我剥夺”而减轻亲人的贫困程度，必然导致她们生活质量低下。教育水平上，样本女性受教育年限少于6年的人数占样本总数的56.5%，远高于户均水平（41.28%），这表明女性在家庭内部仍然存在教育维度上的剥夺，但在调查样本中并没有6～15岁的适龄儿童辍学，进一步说明，即使是我国贫困地区的农村家庭，也已经意识到子女教育的重要性[23]，也印证了妇女对下一代的受教育状况会起到关键作用[24]；在健康状况方面，身有残疾或患长期慢性病的女性占比达到21%，即女性在健康维度上的贫困发生率为21%；在饮水和交通上，34.5%的女性及家庭没有享受自来水或存在饮水困难，64%的女性及家庭出行之路（从村组或自然村到行政村）为土路。在资产水平上，21%的女性及家庭居住在结构为土坯或窑洞的房屋中，女性家庭中缺乏彩电、冰箱、洗衣机等耐用消费品中的任何一件的占样本女性总数的50%，即一半的女性在家用电器维度上受到剥夺。

表1 多维贫困指标及剥夺临界值

表2 各指标上贫困发生率（%）

以上分析表明：贫困村劳动年龄女性的收入贫困发生率仍然较高，将近五分之一的女性人均年收入在现行贫困标准以下，因此促进农村女性增收仍是扶贫工作的重点。同时女性在消费、教育、健康、交通和耐用品等指标上都存在着更高的贫困率，传统的收入贫困识别指标难以适应当前阶段的贫困状况，采用多维度贫困识别方法能够更加全面、客观地反映女性贫困地区女性的贫困现状，对实施更具针对性的精准扶贫策略具有重要的指向意义。

2.多维贫困程度和深度

以下将采用Sabina Alkire，James Foster（2011）的多维贫困测量方法，对甘肃省贫困地区劳动年龄女性多维贫困状况进行分析。

首先，选定将要测量的维度，并设定每个维度的临界值，测量样本女性个体在每个维度的剥夺状况；其次，在测算样本个体i在各维度剥夺状况的基础上，测算该个体被剥夺的总维数；再次，设定多维贫困标准（一般定为K=3），若个体i被剥夺维数大于或等于该临界值，则认为该个体正处于多维贫困状态。本文测算了样本女性人口多维贫困发生率H（多维贫困的广度）、多维贫困剥夺程度A（多维贫困的深度）和多维贫困指数MPI，分析甘肃省贫困地区女性多维贫困状况。具体计算公式如下：

表3 女性多维贫困指数

其中，q代表陷入多维贫困的女性人口数，n代表研究样本的女性总人口数，Ci（k）代表贫困临界值为k的情况下第i个体被剥夺维度数总和；d代表总维度。贫困发生率H和贫困剥夺份额A的值越大，分别代表贫困的广度和深度越大，因此MPI越大。

多维贫困指数关于权重并不稳健，按照现有研究的通行做法，将各维度的权重设为等权重，测算女性在8个维度下受剥夺情况。表3测算了样本女性的贫困发生率（H）、贫困剥夺程度（A）和多维贫困指数（MPI）。

根据国际通行标准，个体存在三个及其以上维度同时贫困则判定该个体陷入多维贫困状态。当K=3时，即八个维度中的任意三个或三个以上维度同时贫困时，贫困发生率H为61.8%，贫困剥夺份额A为51.9%，多维贫困指数MPI为0.321，说明样本女性存在着相当高程度的多维贫困。由表3可看出，随着维数的增加，贫困发生率、多维贫困指数均显现出下降的态势，贫困剥夺份额呈上升态势，也即贫困维数越多，贫困的广度随之降低、深度随之升高，表明女性多维贫困存在较大差异，不同个体都存在着自身特殊的贫困特征。

3.多维贫困指数分解

A-F多维贫困指数可按维度将其分解，计算各维度对总体贫困指数的贡献程度。在多维贫困中各维度对总体贫困指数的贡献各不相同，在贫困识别以后进行维度分解，对于分析女性的贫困状况有很大的帮助。表4列出了各维度的贡献率。

以K取3为例，交通条件对女性多维贫困的贡献率最高（19.34%），且贡献率大于10%的维度依次为受教育程度（16.74%）、耐用品消费（15.38%）、消费水平（14.71%）和饮用水（13.13%），有三个指标的贡献率小于10%，分别是房屋（7.48%）、健康水平（6.55%）和收入水平（6.67%）。可见除收入之外的7个指标对多维贫困的贡献率都大于收入水平指标，表明样本女性中收入之外的多维贫困比较严重。且从总体趋势上看，交通条件在K取1到7时占比均最大，受教育程度次之，表明交通条件、受教育程度对女性多维贫困影响最大。此外，随着K值的增大，收入水平、房屋对多维贫困的贡献率呈上升趋势，消费水平、受教育程度、交通条件的贡献率整体呈下降趋势，而其他指标变化不大。

四、样本村劳动年龄女性多维贫困影响因素的实证分析

以上结果表明：样本村劳动年龄女性和整体人口的多维贫困状态基本相同[25]，这一群体不仅存在着收入维度上较深的贫困，而且在其他维度（特别是教育、消费、健康）上的贫困更甚。以下本文就导致这一状况的具体原因进行实证分析。

（一）变量选择及描述

女性贫困不仅与其自身特征有关，还受到其家庭以及所处地理环境等因素的影响。受数据资料可获得性限制和我国农村地区实际（可认为女性在家庭及村庄所受歧视很小），本文重点考虑个体特征、家庭禀赋和村庄特征对女性多维贫困的影响。在遵循Sen的多维贫困框架体系的基础上，自变量的选择参考国内外其他学者的相关研究（方迎风，2012；[26]张全红等，2015；[15]张晓颖等，2016[20]）和本文使用的调查资料，共选取17个指标作为解释变量。由于劳动年龄女性在家庭中担负着养育子女、照顾家庭及参与生产等多重角色，因此在选取变量时，个体特征变量在选取女性自身婚姻状况、年龄、受教育水平、健康状况、就业培训变量的基础上增加了是否有幼儿、子女是否16岁以下作为自变量；家庭禀赋变量中涉及家庭规模、劳动力外出务工情况、耐用品、耕地资源、是否有学生等6个变量；由于样本女性分属于不同的村庄，村级特征存在差异，因此在村庄特征中选取医疗条件、交通条件和地理环境3个变量反映（见表5）。

表4 多维贫困维度分解 单位：%

（二）实证结果

根据上文第三部分对研究样本多维贫困的测算结果，分别选取K=3、K=4时多维贫困状况作为因变量，令贫困=1、非贫困=0，因被解释变量为二分变量，故本文选取Logit模型进行回归。

本文使用Stata14.0统计软件对样本进行分析，对解释变量所做的相关性分析表明，各解释变量之间的相关系数的绝对值最大为0.6849，低于共线性门槛值 0.7（Lind，2002）[27]。模型拟合结果显示17个解释变量中有14个通过了对女性多维贫困影响的显著性检验，伪判决系数（Pseudo R2）分别为0.4414、0.4533，卡方值的显著性水平均为0.000，在1%的显著水平下拒绝原假设，表明拟合结果较好，表6显示了回归结果。

（三）回归结果的解释

从个体特征的影响来看，在控制其它变量的条件下，年龄的回归系数为负，表明随着年龄增长，劳动（务工）经验增加，陷入贫困的几率会降低。但由于系数的绝对量很小，可认为年龄对女性贫困的影响仍十分微弱；年龄的平方作为参考变量，回归系数为正，表明随年龄的平方增大，陷入贫困的概率会有所增加，契合了收入会随年龄增长呈现出先增后减的“倒U型”效果[28]。婚姻状况的系数为负，且系数的绝对值相对较大，表明农村女性成婚会较大地降低其陷入贫困的可能性；这一结果与农村女性寻找婆家的实际状况基本相符，一般而言，农村女青年寻找婆家通常将男方的经济状况（或发展前途）好于自家作为一个基本条件，也符合“生的好、不如嫁的好”这一社会常理。受教育水平和接受过技能培训与多维贫困呈显著负向关系，表明农村女性受教育年限越长或接受过技能培训越有助于降低自身陷入贫困的概率，而且女性的受教育水平越高，其自身素质越高，能够培养更优秀的下一代，防止了贫困的代际传递。女性身体健康对女性的多维贫困影响显著，系数在三维和四维上分别为-2.0359、-1.6009，系数均比较大，表明女性身体健康能够显著降低其陷入多维贫困的几率；家庭中有幼儿或子女还未成年或子女上学更需要意味着子女需要母亲的照顾，增加女性陷入贫困的几率。

表5 主要解释变量的名称与描述

表6 模型回归结果

从家庭禀赋对女性多维贫困的影响来看，6个变量在2个维度上都通过显著性检验，且与预期相符。家庭劳动力资源对女性贫困的影响显著为负，表明家庭劳动力相对负担人口越多，越有利于降低女性贫困发生的概率。已有研究也表明：劳动力数量对家庭是否陷入贫困有着重要作用，在满足农业所需劳动力的条件下，劳动力越多，意味着劳动力外出务工的概率会增加，而劳动力非农就业对农村家庭脱贫具有重要的正向意义[29]，同时印证了因劳动力缺乏导致的贫困是当前贫困地区致贫的一个重要原因。家庭规模对贫困影响在5%水平上显著为正，表明农村家庭人数越多，女性越容易陷入贫困。在农村家庭不断核心化、小型化的趋势下，那些人口多的家庭，往往是“上有老、下有小”的“大家庭”①本文将家庭人规模在6人及以上称之为“大家庭”。。进一步分析调查资料发现，家庭人数在五人及以上的女性有1212人，占样本总量的43.2%，而抚养比在2以上的达273位，其中三维贫困占比83.15%、四维贫困的比重72.52%，表明“大家庭”中的女性陷入贫困的几率更大；家庭耐用品和耕地数量的系数显著为负，其实际含义非常明显，家庭耐用品消费数量作为衡量贫困的一个重要指标，数量越多即意味着家庭条件越好。而就家庭所拥有的耕地数量来说，对农户家庭解决生存贫困仍然具有重要意义；家庭中是否有学生的回归系数为正，且绝对量相对较大，意味着家庭有在学学生，会大大增加女性贫困发生的概率，这一结论与贫困地区农村因学致贫、因学返贫现象的普遍实际相符。

从村级特征对女性多维贫困的影响来看，医疗条件对贫困的影响显著为正，与预期不相符，可能的原因是健康维度的指标采用农户家庭人口中是否有大病、慢性病等作为指标，这一指标具有长期累积结果，而村庄医疗条件采用调查期村庄诊所数为指标，实际上贫困村正规医疗诊所主要是指近几年扶贫政策实施建设的村级卫生室，而这些已建的卫生室大多数只是“建筑”，真正能发挥作用的很少，因此从长期角度而言这一变量对健康指标没有多大解释意义是合理的；交通条件对于与女性贫困具有显著的负相关，且影响系数的绝对值远远高于除地理环境外的其他指标，表明交通条件、道路硬化越好，女性陷入贫困的几率就会大幅度降低，“要想富先修路”是有一定道理的，实际上交通条件不仅影响到农户日常生活的便利性和质量，更影响到农产品市场交易的便利性、经济性，以至对就医、上学、劳动力外出务工等都会产生至关重要的影响；地理环境对贫困的影响显著为负，与预期相符，表明地理环境越好，贫困发生率越低。地理环境的好坏不仅影响农业生产，且会影响到村民的饮水安全、身心健康等多个指标的贫困，进而影响到女性陷入多维贫困的概率。

五、主要结论及政策建议

（一）主要结论

首先，参照国际通用的多维贫困标准（K=3），样本劳动年龄女性的多维贫困发生率为61.8%，多维贫困指数为0.321，高于一些研究显示的全国贫困水平，如杨龙、汪三贵（2015）测算出2010年全国农村多维贫困发生率是38.9%、多维贫困指数是0.216，进一步对多维贫困指数分解，得出甘肃省农村多维贫困发生率为52.2%、多维贫困指数为0.296[13]。进一步证明了“女性贫困尤甚”这一论断。其次，通过测算劳动年龄女性多维贫困发生率、分解多维贫困指数，我们发现收入维度对整体多维贫困指数的贡献率明显低于其他维度，意味着从一些外生变量角度考虑的致贫因素成为最为关键问题，交通、教育、医疗、饮水安全等作为现代社会发展必须的公共物品成为农村反贫困及发展的最大“短板”，且这一“短板”制约其它内生性指标（如消费、房屋、耐用消费品等），因此精准扶贫的首要任务是补“短板”。再次，个体特征中的主动性因素，如受教育水平、技能培训、外出务工、身体健康影响劳动年龄女性的多维贫困，精准扶贫当以贫困人口的人力资本开发为重。另外家庭特征中显示的劳动年龄女性因家庭负担（如“大家庭”和学生负担）导致的贫困问题需以适度的保障政策解决。最后，需强调的是，虽然本研究以劳动年龄女性多维贫困为研究对象，在“女性贫困尤甚”这一结论之下，由于研究样本与调查村庄、农户所处环境的一致性，本文的主要结论和政策含义应适用于样本村所有人口。

（二）相关政策建议

当前精准扶贫工作已经进入攻坚克难的关键阶段，更应该立足多维贫困的现实，从多个维度审视贫困，而女性多维贫困尤为突出的现状，需要反贫困政策在具体的操作上，更加重视对贫困女性这一弱势群体的扶持力度，改变当前精准扶贫行动中忽视这一问题的一般性做法②实际上，在我们编写省及部分市县精准扶贫规划所参阅的有关材料中，很少发现有针对贫困女性的专门措施，仅有的只是“资源配置边缘化部门”妇联微乎其微的培训计划（培训资源通常来源于是一些慈善机构）。而在我们进行的有关扶贫的农村调查过程中，基层扶贫工作人员提出“能不能扶个媳妇？”，甚至以他们长期的观察认为，在农村家庭一个当家妇女的素质对其家庭的贫困状况及未来发展具有决定性意义。。首先，加强女性劳动力自身脱贫能力的提升，重视学龄女性基础教育，鼓励和支持她们在接受完义务教育之后的后续教育，提高其受教育水平，并为女性劳动力提供合适的技能培训，鼓励完整家庭型的劳动力非农转移，增加女性劳动者收入。其次，相对于核心家庭，抚养比的增加使得“大家庭”更容易陷入贫困，老龄化问题在农村越来越严重，提高农村养老保障水平，促进养老方式多元化，减轻农村家庭养老负担，提高社会化养老保障程度。完善贫困学生资助政策，减轻家庭教育负担。最后，加大教育、交通、医疗、饮水安全等公共产品供给向贫困农村倾斜力度。

[1]Sen A.K.Commodities and Capabilities[M].Amsterdam：North Holland，1985．

[2]UNDP.Human Development Report 2010[M/OL].2011-12-20，http：//hdr.undp.org.

[3]Alkire S.Valuing Freedom’s：Sen’s Capability Approach and Poverty Reduction[M].Oxford：OUP，2002.

[4]Nussbaum M.Capabilities as Fundamental Entitlements：Sen and Social Justice[J].Feminist Economics，2003（9）：33-59.

[5]Wagle U.R.Multidimensional Poverty：An Alternative Measurement Approach for the United States？[J].Social Sci⁃ence Research，2008，37（2）：559-580.

[6]Maasoumi E，Lugo M.A.The Information Basis of Multivar⁃iate Poverty Assessments[C]//In Quantitative Approaches to Multidimensional Poverty Measurement.London，Palgrave Macmillan，2008：1-29.

[7]Salahuddin T.，Zaman A.Multidimensional Poverty Mea⁃surement in Pakistan：Time Series Trends and Breakdown[J].The Pakistan Development Review，2012，51（4）：493-504.

[8]Alkire S.，Seth S.Multidimensional poverty reduction in In⁃dia between 1999and 2006：Where and how?[R].Oxford Poverty&Human Development Initiative OPHI Working Paper，2013.

[9]Batana Y.Multidimensional measurement of poverty among women in Sub-Sahara Africa[J].Social Indicators Research，2013，112（2）：337 –362.

[10]Battiston D.Income and beyond：Multidimensional pover⁃ty in six Latin American countries[J].Social Indicators Re⁃search，2013，112（2）：291 –314.

[11]李小云，李周，唐丽霞，等.参与式贫困指数的开发与验证[J].中国农村经济，2005（5）：39-46.

[12]王小林，Alkire.中国多维贫困测量：估计和政策含义[J].中国农村经济，2009（12）：4-10.

[13]杨龙，汪三贵.贫困地区农户的多维贫困测量与分解——基于2010年中国农村贫困监测的农户数据[J].人口学刊，2015（2）：15-25.

[14]冯贺霞，王小林，夏庆杰.收入贫困与多维贫困关系分析[J].劳动经济研究，2015（3）：38-58.

[15]张全红，周强.中国贫困测度的多维方法和实证应用[J].中国软科学，2015（7）：29-41.

[16]邵彩玲.农村女性贫困成因及治理[J].中国经贸导刊，2011（16）：85-86.

[17]孙运宏.农村女性贫困问题研究综述[J].理论观察，2011（3）：69-70.

[18]朱玲.减贫与包容：发展经济学研究[M].北京：中国社会科学出版社，2013：15-17.

[19]王增文.农村老年女性贫困的决定因素分析——基于Cox比例风险模型的研究视角[J].中国人口科学，2010（1）：75-84.

[20]张晓颖，冯贺霞，王小林.流动妇女多维贫困分析——基于北京市451名家政服务从业人员的调查[J].经济评论，2016（3）：95-107.

[21]吴海涛，侯宇，曾燕芳.多维贫困视角下农村家庭性别贫困度量[J].统计与决策，2013（20）：27-29.

[22]高帅，毕洁颖.农村人口动态多维贫困：状态持续与转变[J].中国人口·资源与环境，2016（2）：76-83.

[23]张永丽.“教育致贫”悖论解析及相关政策建议——以甘肃省14个贫困村为例[J].西北师大学报（社会科学版），2017（2）：20-29.

[24]张科静，王亚琦，吴海涛.我国农村女性受教育程度对儿童多维贫困的影响[J].开发研究，2016（1）：109-112.

[25]张永丽，卢晓.贫困性质转变下多维贫困及原因的识别——以甘肃省皋兰县六合村为例[J].湖北社会科学，2016（6）：71-79.

[26]方迎风.中国贫困的多维测度[J].当代经济科学，2012（7）：7-16.

[27]Marcha L.D.，William M.G.，Samuel W.Statistical Tech⁃niques in Business and Economics[M].McGraw-Hill/Irwin，2011.

[28]岳希明，史泰丽，李实等.中国个人收入差距及其变动的分析[C]//李实，史泰丽，别壅·古斯塔夫森.中国居民收入分配研究Ⅲ.北京：北京师范大学出版社，2008：61-91.

[29]王金营，魏慧静.农村贫困地区家庭成员受教育程度、外出状况与家庭经济发展——基于河北省燕山—太行山、黑龙港流域的调查[J].人口学刊，2015（5）：42-51.