社会资本对农村居民长期多维贫困影响研究——来自2010～2014年

左孝凡，王翊嘉，苏时鹏，黄森慰

（福建农林大学可持续发展研究所，福州350002）

一、问题的提出

改革开放40年来，中国经济发展取得了举世瞩目的成就。与此同时，大规模的扶贫开发使中国7亿多农村贫困人口摆脱贫困。据2017年《中国农村贫困监测报告》显示，按照现行国家农村贫困标准2300元（2010年不变价），中国贫困人口发生率从2012年的10.2%下降到2016年的4.5%。2018年世界银行最新《中国系统性国别诊断报告》显示，中国经济快速发展推动贫困人口数量以“史无前例”的速度和规模下降，预计2018年中国极端贫困率将降至1%以下，相比2010年的13%（世界银行：《世界发展指标》，2013年）有较大幅度下降。可以说中国在反贫困领域取得了非凡的成就，为世界反贫困事业做出了巨大的贡献。但由于中国人口基数大、发展不均衡等问题，截至2016年贫困人口依然有4335万人。在此背景下，2015年中共中央、国务院发布《关于打赢脱贫攻坚战的决定》，提出了2020年在现行标准下实现农村贫困人口脱贫的目标，农村贫困人口的识别就成为实现这一目标过程中不可或缺的重要流程。所以研究农村居民的长期多维贫困识别、区域特征及其影响因素对促进农村发展具有重要的意义，对实现“精准扶贫”和“乡村振兴战略”的进一步推进具有一定的参考价值。

居民贫困的研究已不能仅从收入层面进行衡量，以收入为基础对贫困的测量具有一定片面性，即是狭义的“贫困”[1]，还应考虑从居民的基本能力、自由等多个维度来进行测量[2]。所以Alkire等[3]提出的如何识别多维贫困及多维贫困的测算对研究贫困具有重大意义。目前，对农村居民减贫的研究大致可分为以下几类：第一，从政策、宏观环境的角度为切入点，比如“新农合”保险政策对农村居民的减贫作用[4]、城镇化进程中农转非的减贫作用[5]、社会保障支出对贫困的影响[6]、宏观经济增长与收入分配对贫困的影响[7]以及民族地区经济发展方式转变对贫困减缓效应[8]等方面；第二，从农村居民个体特征、家庭特征等方面为切入点，比如农村居民具有的人力资本和社会资本对居民贫困的影响[9]、居民个体自身的健康和劳动参与对贫困的影响[10]等；第三，从农村居民贫困的识别角度为切入点，对农村居民贫困的识别有较多的标准，国内研究运用最多的有3种：2010年为基期的人均纯收入2300元国家贫困线[5]、世界银行提出的1美元和2美元日人均消费标准[6]及A-F多维贫困识别法[20]。中国是一个人情社会，“关系”网络中社会资本在生活中发挥了重要作用[11]，甚至可以将社会资本视为与物质资本和人力资本并行的第三大资本[12]。所以较多学者关注到社会资本和人力资本对减少贫困的作用，将其并列进行研究，有学者通过甘肃省贫困村的实证指出社会资本可显著降低农户贫困发生的概率，同时在人力资本贫瘠时，社会资本会发挥减贫作用[18]。但也有学者指出社会资本对中国农村贫困的缓解作用随着市场化进程不断减弱[4]。可见，社会资本对居民贫困的作用究竟如何，学界尚未达成统一的意见，但值得肯定的是社会资本对居民贫困具有一定的影响。

综上所述，对多维贫困的测量方法已非常明确，且研究内容也较为全面，对多维贫困的测量方法采用Alkire-Foster测量法已被学界所接受，但在此基础上对长期多维贫困的识别和研究仍不够全面。同时，社会资本对居民贫困的影响尚有一定争议，在中国这样的人情社会环境中，社会资本发挥的作用更加特殊，需要以代表性数据为基础进一步研究。在现有文献的基础上，本文基于2010年、2012年和2014年三期中国家庭追踪调查数据，探索研究社会资本对农村居民长期多维贫困的影响，并分析其作用机制。本研究的贡献主要体现在以下两方面：第一，将多维贫困的识别加入了时间维度形成长期多维贫困的识别标准，分别对不同地域、不同贫困剥夺得分和不同贫困持续期的居民进行了测算；第二，收入是决定居民贫困的重要因素，形成“社会资本—居民收入—多维贫困”机制分析路径，并对不同贫困持续期的居民进行分别估计。

二、数据与方法

（一）数据来源

本文数据来源于北京大学中国社会科学调查中心开展的中国家庭追踪调查（China Family Pan⁃el Studies，CFPS），该项目旨在通过跟踪收集个体、家庭、社区3个层次的数据，反映中国社会、经济、人口、教育和健康的变迁，为学术研究和公共政策分析提供数据基础。CFPS样本覆盖25个省/市/自治区，目标样本规模为16000户，调查对象包含样本家户中的全部家庭成员。经2010年基线调查界定出来的所有基线家庭成员及其今后的血缘/领养子女将作为CFPS的基因成员，成为永久追踪对象。考虑到样本在2010年、2012年和2014年出现变动，期间均有新样本和旧样本进入和退出调查，为了保证研究数据的准确性和对长期多维贫困识别的真实性，对2010年、2012年和2014年三期数据按照居民个体样本编号进行匹配，保留了三期调查年度中均存在的样本，保证了跟踪调查的准确性。同时对三期数据中的缺失值和异常值做了剔除处理，最后保留9149个样本的3期跟踪调查数据，总计27447个观测值。

表1报告了长期多维贫困指标的选取、权重设置及描述统计。对长期多维贫困维度的指标选取和权重设置，本文参考了联合国千年发展目标（MDGs）、2015～2017年《中国农村贫困监测报告》、《中国农村扶贫开发纲要（2011～2020年）》。教育维度选取个体教育程度为观测变量，样本个体回答“文盲/未上过学”，则认为该个体教育维度贫困；健康选取样本对自己身体健康的了解程度，用1～7数字表示自己的身体健康程度，数字越大表示越不健康，本文将样本回答为3或3以上的个体赋值为1，认为该个体健康贫困；生活条件包含做饭用水、做饭燃料、垃圾处理方式、卫生设施状况及家庭资产情况。做饭用水不是自来水或矿泉水或纯净水、做饭所用燃料使用柴草或煤炭等非清洁能源、经常断电或未通电、生活垃圾处理不是通过垃圾桶或楼房垃圾道或专人收集、卫生设施使用非冲水厕所、家庭资产中没有汽车或拖拉机，并至多只有摩托车或电视机，出现上述情况则认为个体在此维度贫困，赋值为1。心理或主观认知包括生活满意度、社会公平感和未来信心度，其中“社会公平感”用是否遇到不公正待遇来表征，遇到过则赋值为1，表示样本在此维度贫困。“生活满意度”和“未来信心度”采用李克特量表，1～5表示越来越好，本文选取临界值为3。从均值角度观察，农村居民基本不受家庭没有电或经常断电的困扰，农村教育普及也有较大提升，但农村居民对生活的满意度偏低，对未来的信心度不足。本文将设置两个多维贫困临界值分别用样本个体多维剥夺得分30%和50%，样本的多维贫困持续期用u表示，取值范围为[1，3]。权重设置按照“Alkire-Foster”方法的等权重设置，即第一维度采用等权重，第一维度中的子维度依旧采取等权重的做法。

表1 长期多维贫困相关指标选取与权重设置

表2报告了社会资本对农村居民长期多维贫困影响模型中被解释变量、解释变量和控制变量及变量释义。被解释变量将采用长期多维贫困平均得分、是否为长期多维贫困及长期多维贫困维度数等3个代理变量表征长期多维贫困，检验社会资本对长期多维贫困影响的稳健性，其数值的测量方法详见下节。核心解释变量就是社会资本，本文采用礼金收入、礼金支出和礼金收支作为社会资本的代理变量。礼金收入和礼金支出在一定程度上反映了居民在日常生活中的社会网络，采用礼金收支可进一步考察礼金收入和礼金支出对农村居民长期多维贫困影响的稳健性。控制变量方面，本文选取了村庄层面的村庄经济发展水平、村卫生从业人员、村卫生机构和村礼金收支，反映村庄的经济发展水平和基础医疗卫生水平的影响。家庭层面选取了家庭规模、婚姻状况和政府补贴作为控制变量，可以反映家庭经济收入水平、稳定性等方面内容；个人层面选取了工作状况和组织成员。考虑到了社会资本和农村居民长期多维贫困之间存在可能的内生性关系，选取了村人均礼金收支和是否为组织成员作为工具变量。

（二）长期多维贫困识别及测量方法

长期多维贫困是将 Alkire和Foster（2011）提出的多维贫困识别和测量方法与Foster（2009）提出的慢性贫困计数法结合起来考虑长期多维贫困问题。这就要求在对多维贫困识别和测量的过程中加入时间维度，区别于多维贫困识别，长期多维贫困测量关注到了同一个体在不同年份的贫困进出问题。但同样也涉及多维贫困的分解和加总。长期多维贫困的测度有别于A-F法对多维贫困维度的识别，参考侯亚景（2017）和郭熙保，周强（2016）使用的测量方法，需要使用3个临界值用于识别个体是否属于长期多维贫困，包括多维贫困测度中的维度剥夺得分临界值和多维贫困临界值及时间维度上的长期多维贫困持续期临界值。

MC0表示长期多维贫困指数，其数值表示将所有非长期多维贫困人口删减后的剥夺矩阵在持续期内的平均值，具体计算如公式（1）所示。N表示总人数，T表示时间，本研究选取的T分别为2010、2012和2014年三期，故T取值[1，3]。d表示总维度数，j表示每个维度。wj表示第j个维度的权重，为贫困人口删减后的剥夺矩阵。

表2 计量模型变量及变量释义

A-F多维贫困识别和测量方法，将多维贫困指数分解为贫困人口发生率和多维贫困剥夺强度的乘积。长期多维贫困同样可以将长期多维贫困指数进行分解。如（5）式所示，HL表示长期多维人口发生率，AL表示长期多维贫困人口的平均剥夺强度，DL表示长期多维贫困人口的平均贫困持续期。区别于多维贫困指数分解，长期多维贫困加入了时间维度上的平均贫困持续期。具体到每个数值，HL的具体计算方法如（2）所示，ρi(k ,u)表示在u贫困持续期下发生平均剥夺得分为k时该个体的多维贫困状态，本质是一个识别个体在满足(k ,u)条件下是否符合长期多维贫困，其累加后数值上等于qL，在长期多维贫困剥夺得分为k时，在u的长期多维贫困持续期的条件下的贫困总人口。

AL的具体计算方法如（3）式所示，cti(k ,u)表示在时间点t下个体i在各个维度的加权剥夺得分总和。Q(k ,u)表示个体i在不同时间的多维贫困状态，即表示多维贫困临界值为k时，个体i经历的贫困总时期。

DL具体计算方法如公式（5）所示在数值上等于同样表示的是多维贫困临界值k下个体i经历的贫困总时期。

在A-L多维贫困方法中还涉及到对维度贡献率的分解计算。长期多维贫困同样适用将维度贡献率的分解计算。计算方法如公式（6）（7）所示，长期多维贫困维度贡献率主要是采用考虑权重下每个维度被剥夺的平均得分占总维度被剥夺平均总得分的比例数值。∂ti表示在时间点t下，第j维度的贡献率，其数值等于第j维度的权重与第j个维度在k剥夺得分临界值和贫困持续期u的条件下的发生率的乘积，与贫困指数的比例值。

（三）计量模型

1.多元线性回归模型

本文采用OLS法建立回归模型、二分类Logit模型和有序Probit模型研究社会资本对长期多维贫困的影响。

通过OLS方法建立多元线性回归模型，设随机变量y与一般变量x1,x2,…,xp线性回归模型为：

模型中y为被解释变量，为长期多维贫困平均得分，而x1,x2,…,xp为核心解释变量和控制变量，β0,β1,β2…βp为待估计参数，ε是随机误差。

2.有序Probit模型

有序Probit模型设置与多元线性回归模型设置较为相似，但是存在一定差异，有序Porbit模型要求模型被解释变量为有序的离散型变量，并使用最大似然估计对参数值进行估计。本文选取贫困维度作为被解释变量，其取值范围为[1，11]之间的有序离散型变量，符合模型要求。模型方程形式设置与公式（8）相同，在此不做赘述。

3.二分类Logit模型

二分类Logit模型需要被解释变量为二分类变量，并采用最大似然估计对参数值进行估计。本文“是否为长期多维贫困”为二值变量，选取“不是长期多维贫困”参照组，构建模型形式如公式（9）所示：

对公式（9）进行线性变化后如公式（10）所示：

其中公式（9）和公式（10）中p表示发生长期多维贫困的概率，xi表示影响发生的被解释变量，μi表示该被解释变量的影响系数值，μ0表示误差项。

基于对既有文献的回顾并结合本文模型设置和研究内容，提出以下假设：

假设H1：社会资本具有一定的减贫作用，表现为居民的社会资本越丰富，发生长期多维贫困的概率越小。社会资本作为一种有别于人力资本和物质资本的无形资本，在测量上具有模糊性，但在中国人情社会中具有不可忽视的作用，可通过变现或其他途径促进居民生活水平的提高。目前，社会资本在中国已成为人力资本和物质资本后的第三大资本，对居民收入具有较强的影响。

假设H2：社会资本主要通过影响农村居民收入水平进而实现缓解农村居民的长期多维贫困。居民收入与长期多维贫困中各个维度有较强联系。居民收入越高，越会关注教育并向下一代进行教育投资[13]。居民收入越高越会关注自己的健康状况，农村居民收入的提高会通过医疗服务配置与利用对其健康起到改善作用[9]。提高收入水平有利于改善生活方式，比如可用于改善卫生设施等，且有利于提高居民的幸福感[15]。

三、结果分析

（一）长期多维贫困识别及测量结果

表3报告了不同区域、不同剥夺得分临界值与不同贫困持续期下的长期多维贫困相关指标的测算与分解。在进行长期多维贫困识别和测量时，在全国选取样本个体9149个的3期跟踪数据，保证了数据在时间维度上的准确性。从整体全国范围来看，不同贫困持续期在剥夺得分临界值为30%的情况下，贫困人数绝对值分别8043、6176、1817人，贫困指数分别为0.33、0.28、0.10，贫困发生率为87.91%、67.50%、19.86%，平均剥夺强度为56.75%、54.57%、50.80%，平均贫困持续期为66.46%、76.47%、100.00%。这说明了随着平均贫困持续期的增长，贫困人数的绝对值、贫困指数、贫困发生率和平均剥夺强度都呈现下降的趋势。在剥夺得分临界值为50%的情况也呈现这样的特征。分区域来看，将样本个体按照地区的不同划分为东部区、中部、西部和东北等4个区域，样本个体数量分别为2491、2434、3015、1209。在剥夺得分为30%临界值的情况下，西部地区在不同持续期的贫困指数、贫困发生率、平均剥夺强度均高于其他区域，在剥夺得分临界值为50%的情况下也具有上述特征。平均贫困持续期在区域之间并未发现较强的规律性。表3还报告了不同剥夺得分临界值情况下的特征。剥夺得分临界值增长反映了对贫困识别所要求的贫困程度进一步加深。所以，随着剥夺临界值增长，可发现贫困指数、贫困发生率、平均剥夺强度和平均贫困持续期均有所下降，当然平均贫困持续期在u=3时，其数值始终为100%。

表3 长期多维贫困相关指数计算与分解：不同区域、不同剥夺得分临界值与不同贫困持续期

（二）社会资本对长期多维贫困影响模型结果分析

表4报告了在贫困剥夺得分为50%和贫困持续期临界值为1的情况下，社会资本对长期多维贫困的影响模型运行结果，并按照被解释变量不同应用了不同模型进行估计。为了提高研究社会资本对长期多维贫困的影响结果的说服力，本文选取三个可以衡量长期多维贫苦的指标并通过运用不同估计方法建立模型，当被解释变量为长期多维贫困平均得分（连续性变量）时，采取多元线性回归模型；当被解释变量为是否为多维贫困（离散型变量），采用二分类Logit模型；当被解释变量为长期多维贫困维度（有序离散变量），采用有序Pro⁃bit模型。同时如何对社会资本进行较为准确衡量具有一定难度，采用一个指标得出结论往往不具有说服力，本文选取礼金收入、礼金支出和礼金收支作为代理变量，同时互为代理变量，通过结果相互验证来衡量模型运行结果是否具有稳健性。通过运用不同估计方法建立不同模型和选取多个变量表征解释变量，以期能够全面、准确的检验农村居民社会资本对其长期多维贫困的影响。

在进行面板OLS模型估计前，首先对模型采用固定效应模型和随机效应模型选择进行检测，通过Hausman检验P值为0.000，由此可知随机效应模型的基本假设无法满足，故模型应采用固定效应模型。就模型运行结果来看，社会资本采用礼金收入、礼金收支作为代理变量，在一定的显著性水平下均通过了显著性检验，且对长期多维贫困平均得分、是否为长期多维贫困以及长期多维贫困的维度数显著负向影响，说明社会资本越高对缓解贫困具有有利影响。具体而言，模型1、模型4、模型7分别检验了礼金收入对长期多维贫困得分、是否为长期多维贫困和长期多维贫困维度的影响。结果显示礼金收入在1%的检验水平下对上述3个被解释变量具有显著负向影响，说明随着礼金收入的增加有利于农村居民减少贫困程度。模型2、模型5和模型8分别检验了礼金支出对长期多维贫困得分、是否为长期多维贫困和长期多维贫困维度的影响。结果显示礼金支出对农村居民长期多维贫困没有显著影响，这可能受选取礼金支出作为代理变量与随机误差项之间的内生性关系影响。模型3、模型6和模型9分别检验了组织成员对长期多维贫困平均得分、是否为长期多维贫困和长期多维贫困维度的影响。结果显示组织成员在1%的统计水平下分别对上述3个被解释变量具有显著负向影响。农村居民长期多维贫困包括了农村居民的教育、医疗等多方面内容，具有较高社会资本的农村居民有机会通过“人情关系”获得更好的教育和医疗资源[24]，同时社会资本对获取优质的工作机会也有较大影响[25]，而这对缓解贫困均具有正向影响。结合实证结果，证实社会资本确实具有一定的减贫作用。

表4 社会资本对长期多维贫困基准回归及稳健性检验：OLS模型、二分类Logit模型、有序Probit模型运行结果

社会资本和居民长期多维贫困之间可能存在内生性关系，为消除内生性带来模型估计的偏误，本文运用二阶段最小二乘法和IV-Probit分别建立工具变量模型，解决社会资本与长期多维贫困之间的内生性问题。借助刘一伟（2017）等人在研究社会资本对居民贫困时的做法[21]，选取村级人均礼金收支作为工具变量，同时本文还选取了是否为组织成员作为工具变量，对OLS模型和有序Probit模型再次进行回归，表5报告了工具变量模型的运行结果。模型2、模型3均通过Wald检验，大于10%的显著性水平的临界值19.93，所以不存在弱工具变量问题，并且进行Hansen-J检验，p值分别为0.3175和0.2189，说明选取的工具变量为外生变量，符合工具变量的选取标准。从表6模型运行结果与表5比较而言均有很大差距，说明社会资本与居民长期多维贫困之间内生性影响到最后的估计结果，表5的估计为有偏估计。通过二阶段最小二乘法（2SLS）和IV-Probit模型对长期多维贫困的影响进行分析可以发现，采用村级礼金人均收支和组织内成员作为工具变量后，礼金支出和礼金收支均对长期多维贫困具有显著影响，且影响方向为负，同时两个工具变量模型结果相互验证，说明礼金支出和礼金收支数值越大，农村居民发生长期多维贫困的概率会越低。

（三）社会资本对长期多维贫困影响机制分析

农村居民低收入是导致其长期多维贫困的重要因素，同时也是描述贫困的重要指标，为了检验不同剥夺得临界值下的影响。表6报告了在剥夺得分临界值为30%情况下，社会资本对不同持续期长期贫困的影响模型的运行结果。居民收入高低直接与长期多维贫困中各维度高度相关，居民收入高低对教育水平，健康情况、生活方式以及对自身的主观认知情况都具有一定影响。由假设2可知，居民收入越高，越会关注教育并向下一代进行教育投资。居民收入越高越会关注到自己的健康状况，农村居民收入的提高会通过医疗服务配置与利用对其健康起到改善作用。提高收入水平是有利于改善生活方式的，比如可以用于改善卫生设施等。并且提高居民收入有利于提高居民的幸福感。社会资本的减贫效应主要是通过改善居民收入发挥作用的。所以建立社会资本对收入模型对进一步检验社会资本的减贫效应具有一定意义。本模型被解释变量设置为是否处于贫困线以下，即对居民收入为2300元（2010年为基期的不变价）以下的个体赋值为1。具体到模型运行结果，在长期贫困持续期为u=1和u=2的情况下礼金收入、礼金支出和组织成员均在1%的显著性水平下通过检验，说明社会资本具有较强提高收入的作用，其中组织成员带来的效应高于礼金收入和礼金支出，说明其变现能力较强，能够明显改善居民的收入状况。在长期贫困持续期为u=3的情况下，礼金收入和礼金收支分别在在5%和10%的显著性水平下通过检验，但是礼金支出对居民的收入不具有显著影响。从贫困持续期来看，持续期为3的农村居民此时社会资本对增加居民收入的影响会被削弱，进而削弱社会资本对农村居民长期多维贫困的缓解作用。

表5 社会资本对长期多维贫困工具变量模型：2SLS模型、IV-Probit模型

四、结论与政策含义

基于2010年、2012年和2014年三期CFPS数据，对长期多维贫困进行测算并研究社会资本对长期多维贫困的影响。综合全文分析得出以下结论：第一，中国农村地区居民的长期多维贫困具有明显的区域差异性。通过对中国农村居民长期多维贫困的测度，发现中国农村地区长期多维贫困的地区差异性明显，西部地区的贫困发生率明显高于其他地区，中国应进一步实施西部大开发战略，吸引更多的人才为西部经济发展和减贫事业做贡献。第二，社会资本具有明显的减贫效用。虽然目前学界对此仍有争议，但本文通过礼金收入、礼金支出和组织成员证实社会资本确实具有减贫作用，且通过不同的被解释变量衡量居民的长期多维贫困，运用不同估计方法建立不同模型及建立工具变量模型进行检验，结果表明社会资本可有效降低农村居民发生长期多维贫困的概率。第三，社会资本通过对居民收入的正向影响进一步缓解农村居民长期多维贫困。本文为社会资本对长期多维贫困的影响找到了合适的解释路径，即社会资本通过提高居民收入达到减贫的作用。收入对长期多维贫困中的所有维度均具有显著的缓解作用，而社会资本有利于提高农村居民的收入，其通过变现和其他途径提升居民的可支配收入，这对提升居民教育水平、健康状况、生活方式的改善及主观幸福感、认知具有重要影响。

减贫和扶贫是全球关注的事业，中国的反贫困事业仍然艰巨。本研究结论对进一步消除贫困及进一步推进“精准扶贫”与“乡村振兴”战略具有一定的政策含义。首先，优化顶层设计和制度安排。要进一步深化改革，制定一系列政策进一步缩小地区发展不均衡、城乡发展不均衡和贫富差距的问题，充分发挥社会主义制度优越性，逐步实现先富带后富，最终实现共同富裕。其次，具体实施方面，要注意对农村居民多维贫苦的精准识别，实现精准扶贫，对教育落后的农村地区要加强教育基础设施建设、加强师资力量的引入；对医疗落后的地区，要加强医疗设施、医疗人员的覆盖，降低医疗成本，同时保证各类医疗保险的全覆盖；对生态环境较差的区域，要积极进行环境治理，优化垃圾处理方式和流程及农村卫生设施的绿色化改造，同时在识别过程中也要注意到农村居民的社会资本对其贫困状态的影响。最后，还应重视居民的主观心态。要进一步加强社会主义法制建设，减少农村不公平现象的发生，加强社会主义新农村文化建设，增强农村居民对社会主义新农村建设过程中的获得感，积极加强农村劳动力的职业培训，进一步提升农村居民对未来的信心度，进而提高居民对生活的满意度和幸福感。✿

表6 社会资本对不同持续期长期贫困的影响机制：二分类Logit模型运行结果