农业产业扶贫的多维贫困瞄准研究

杨龙 李宝仪 赵阳

摘要農业产业扶贫是激发贫困地区农户内生发展动力、实现农户稳定脱贫与可持续发展的重要举措。基于多维贫困分析，建立一个“精准识别-农户参与-影响效果”的多维贫困瞄准分析框架，并提出多维贫困瞄准数量缺口的概念和测量方法。在此框架下，可首先使用多维贫困方法进行贫困农户识别，在多维贫困农户分组基础上分析农户参与状况，并分析参与层面的多维贫困瞄准数量缺口。然后基于多维贫困农户分组，使用内生转换回归（ESR）模型评估扶贫政策或项目对不同组农户的影响效果差异。在分析框架应用中，使用湖南、湖北、重庆和贵州四省（直辖市）贫困地区989个农户调研数据分析农业产业扶贫的多维贫困瞄准效果。研究发现：①在农户参与层面，多维贫困农户与非多维贫困农户参与农业产业扶贫的比例相近，但非多维贫困农户户均获得补贴金额总体上高于多维贫困农户;②随着维度临界值逐渐增大，农业产业扶贫的一类瞄准数量缺口逐渐变小，二类瞄准数量缺口逐渐增大，多维贫困瞄准数量缺口总体呈现下降趋势;③在影响效果层面，农业产业扶贫总体上显著促进了农户种植业投入和收入的增加，但其影响仍存在异质性，深度贫困户参加农业产业扶贫并没有明显促进其种植业总收入和种植业纯收入的增加。为提升农业产业扶贫的效果，针对贫困维度数量较少农户，应加强农业技术服务，提供农业产业扶贫贷款，合理选择产业，发展农业保险。针对深度贫困农户，应探索建立利益联结机制，发挥农村集体的组织联系作用，探索要素入股方式，改善农业产业扶贫的多维贫困瞄准效果。

关键词多维贫困瞄准;瞄准数量缺口;农业产业扶贫;深度贫困户

中图分类号F323.8

文献标识码A文章编号1002-2104（2019）02-0134-11DOI：10.12062/cpre.20180927

十八大以来，中国脱贫攻坚取得了决定性的进展，6 800多万贫困人口实现脱贫。但由于中国人口基数大，剩余贫困人口数量依然庞大，脱贫攻坚仍是社会经济发展中的重要工作。近年来，中国探索出一系列有自身特色的扶贫政策和措施。农业产业扶贫作为一种造血式的扶贫方式，能够激发贫困地区农户内生动力、实现稳定脱贫和可持续发展。在精准扶贫战略下，研究农业产业扶贫的贫困瞄准效果至关重要。本文将建立一个“精准识别—农户参与—影响效果”的多维贫困瞄准分析框架，并提出多维贫困瞄准数量缺口的概念和方法。通过多维贫困农户分组，使用内生转换回归（Endogenous Switching Regression， ESR）模型评估农业产业扶贫对不同组农户的影响效果差异。

1文献综述

虽然已有大量研究关注农业产业扶贫，但在农业产业扶贫的效果上还没有形成一致的观点。一类研究认为，农业产业扶贫对农户脱贫产生了积极的影响。这类研究认为，农业产业扶贫能够改变农户生计策略选择，显著增加贫困户的收入[1]。在对农户消费和贫困发生率影响方面，农业产业扶贫中多支持发展特色经济作物种植，而经济作物能够对农户消费增加和贫困发生率降低有显著的影响[2]。另一类研究认为，农业产业扶贫并未发挥良好的减贫效果，出现了瞄准偏离的问题。许汉泽等[3]研究发现，农业产业扶贫在地方实践中，出现了农业产业扶贫实施前“精英捕获”和“弱者吸纳”、实施中“政策性负担”和“规模经营不善”、实施后“后续维护不足”和“农户生计破坏”等问题。也有研究认为，政府主导的产业扶贫以行政路径为依赖，各主体间的利益联结关系不紧密，使得扶贫开发缺乏社会基础，往往导致目标偏移、贫富差距拉大[4]。

在多维贫困研究方面，相关研究主要可以分为两类。第一类，在理论方面，近期文献重点探讨对多维贫困方法的改进：①将多维贫困方法与时间变化结合起来，在多维贫困指数基础上提出多维贫困的年度绝对变化率和年度相对变化率[5]。②将多维贫困方法与其他指数或测量方法相结合，例如将多维贫困方法与长期贫困测量相结合，构建长期和暂时多维贫困指数[6]。③在多维贫困指数的权重设置方面，使用多重对应分析方法、BP神经网络法改进权重设置[7-8]。④在多维贫困的识别阶段，提出不同的识别标准，用于识别特殊群体。例如Nowak等[9]改进了识别标准，使多维贫困方法包含了极端贫困户。

多维贫困的第二类研究是在应用方面，最近研究趋向是：①将多维贫困方法应用到不同地区或国家的贫困测量中，例如欧洲地区[10]、印度[11]、澳大利亚[12]、德国[9]、老挝[13]等。②将多维贫困方法应用到不同群体的贫困分析中，例如Chzhen等[14]分析了儿童的多维贫困状况，其他群体还包括民族群体[15]、老年人群体[16]、农民工群体[17]等。③将多维贫困方法应用于公共政策或项目评估的研究中，例如Azevedo等[18]评估了有条件现金转移支付项目的受益者瞄准状况，解垩[16]分析了公共转移支付对老年人多维贫困的影响。

现有关于农业产业扶贫和多维贫困的研究虽然已经十分丰富，但仍存在以下不足之处：①缺少对扶贫政策或项目精准扶贫效果评估分析框架的总结，尤其是缺少基于多维贫困分析提出精准扶贫评估分析框架。总结精准扶贫效果评估分析框架，基于多维贫困分析进行贫困户精准识别和扶贫瞄准，将对分析包括农业产业扶贫在内的多种扶贫政策或项目精准扶贫瞄准度提供可行思路。②较少研究基于多维贫困分析进行农业产业扶贫的效果评估，王立剑等[19]虽然分析了产业扶贫对农户多维贫困的影响，但没有关注农业产业扶贫的多维贫困瞄准状况。③鲜有研究关注基于多维贫困分析的贫困瞄准概念与方法的推进。贫困瞄准与精准扶贫紧密相关，但当前文献中少有研究将多维贫困分析与贫困瞄准结合。

针对现有研究的不足，本文将利用湖南、湖北、重庆和贵州四省（直辖市）的989个农户调研数据，基于多维贫困分析，探讨农业产业扶贫的精准扶贫瞄准效果。本文贡献在于以下几方面：①尝试建立了一个基于多维贫困分析的“精准识别—农户参与—影响效果”的多维贫困瞄准分析框架。此框架首先基于收入、教育、健康和公共服务等维度进行多维贫困农户识别，然后基于多维贫困农户分组，分析农户参与状况，最后分析农业产业扶贫影响效果的差异。②提出多维贫困瞄准数量缺口的概念。基于已有研究中贫困瞄准数量缺口的概念，本文将多维贫困分析和贫困瞄准数量缺口结合，提出多维贫困瞄准数量缺口的概念。③将多维贫困瞄准分析框架和多维贫困瞄准缺口应用于农业产业扶贫分析，探讨农业产业扶贫的瞄准效果，且根据中国扶贫政策重心变化，关注农业产业扶贫对深度贫困户的瞄准状况。

2多维贫困瞄准分析框架

2.1基于多维贫困分析的贫困户精准识别

贫困户的精准识别是精准扶贫效果评估的基础。目前，中国采取建档立卡的方式进行贫困户的精准识别。但在建档立卡政策的实施中，出现了“表达与实践的背离”[20]，即在国家统计局从宏观层面测算贫困人口数量、分配贫困人口指标时采取的是经济福利指标，而在村级实践操作中，却采取民主评议的方式，综合农户收入和消费、受教育子女数量、病人状况、劳动力状况等多个方面进行评选。从理论上讲，村级民主评议所采取的贫困识别标准与目前学界使用的多维贫困测量方法有较大相似之处。基于贫困理论演进与实践的需求，可将多维贫困方法逐步应用于贫困户的精准识别中。在多维贫困方法相关研究中，由Alkire等[21]提出的基于双临界值的A-F方法得到了最为广泛的应用。本文将A-F方法用于多维贫困农户识别，根据Alkire等[21]研究，A-F方法的主要步骤为：

4多维贫困农户的识别

4.1多维贫困维度和指标的选取

多维贫困虽然已被广泛地用于理论分析与应用研究，但目前对贫困维度和指标的选取并没有形成统一标准。根据在精准扶贫、建档立卡政策实践中村级民主评议时采取的考量指标，结合调研数据可得性等现实约束，本文选取了收入、教育、健康、公共服务4个维度和4个指标。维度、指标和权重选取情况如表1所示。

4.2多维贫困测量结果与农户识别

根据多维贫困方法的应用步骤，识别了在不同维度临界值下的多维贫困农户。当维度临界值K分别取值为1，2，3和4时，多维贫困农户的占比及样本农户的多维贫困指数如表2所示。当K=1时，多维贫困农户占比为81.70%，即81.70%的农户存在四个维度中至少一个维度的贫困。多维贫困指数M0为42.77%，其含义是所有多维贫困农户被剥夺维度数量占总体维度数量的42.77%。当K=3时，多维贫困农户占比为26.39%，表明有26.39%的农户存在至少三个维度的贫困。随K值增大，多维贫困农户占比和多维贫困指数均下降。分析还发现，6.37%的农户存在全部四个维度的贫困。根据前文界定，存在四个维度贫困的农户可视为深度贫困户，他们面临的脱贫难度更大，是目前扶贫政策关注的重点群体。

5农户参与分析和多维贫困瞄准数量缺口

农户参与是从农业产业扶贫中受益的重要环节。在实地调查开展之时，因所调研的四县均为国家级或省级贫困县，所有农户均有资格参与农业产业扶贫。虽然如此，农户是否选择参与、采用何种形式参与、其自身要素怎样融入到农业产业扶贫中，这些均是农户根据自身的劳动力、土地、资金、能力以及风险态度等特征做出的选择，是一个自选择（Self-select）的过程。不同地区结合区域具体情况实施农业产业扶贫，没有统一的补贴方式。评价农业产业扶贫的主要标准是贫困户的参与受益状况以及增收减贫效果。因此，本节分析农户在农业产业扶贫中的参与受益状况，在第6节分析农业产业扶贫对不同农户增收减贫的影响。

5.1农业产业扶贫中的农户参与状况

从农户参与农业产业扶贫的分析发现，多维贫困农户与非多维贫困农户参与比例相近，而非多维贫困农户户均获得补贴金额总体上高于多维贫困农户。如表3所示，当维度临界值K=1时，多维贫困农户中有41.83%参加了农业产业扶贫，仅比非多维贫困农户高3.16个百分点。多维贫困农户户均获得补贴比非多维贫困农户低520.12元。当维度临界值K等于2、3和4时，多维贫困农户和非多维贫困农户均有41%左右参加了农业产业扶贫，两组农户在参与比例上十分接近。而在户均获得补贴方面，在K等于2和3时，多维贫困农户分别比非多维贫困农户平均少获得补贴164.74元、135.7元。只有在K等于4时，即农户为深度贫困户时，多维贫困农户户均获得的补贴高于非多维贫困农户。因此，综合不同维度临界值下的分析结果看，多维贫困农户并未从农业产业扶贫中更多地受益。

5.2农户参与的多维贫困瞄准数量缺口

在不同维度临界值下，随着维度临界值K逐渐变大，一类瞄准数量缺口逐渐变小，二类瞄准数量缺口逐渐增大，多维贫困瞄准数量缺口总体呈现下降趋势。如表4所示，当维度临界值K等于1时，多维贫困瞄准数量缺口为54.60%。一类瞄准数量缺口为47.52%，表明在总体样本农户中有47.52%的农户是多维贫困农户，但他们却没有参加农业产业扶贫。二类数量缺口为7.08%，其含义是总体样本农户中有7.08%的农户是非多维贫困农户，但他们参加了农业产业扶贫。当K等于3时，多维贫困瞄准数量缺口下降到45.60%，其中一类瞄准数量缺口降低为15.37%，但二类瞄准数量缺口增加至30.23%，表明随着维度临界值增加和多维贫困农户占比降低，农业产业扶贫在农户参与层面的多维贫困瞄准偏差总体降低，对多维贫困农户覆盖不完全的问题减少，但农户是非多维贫困农户但却参加了农业产业扶贫的比例增加。当维度临界值K等于4时，即多维贫困农户仅占样本总量的6.37%、识别出的贫困户为深度贫困户时，农业产业扶贫的一类瞄准数量缺口仅为3.74%，说明農业产业扶贫对深度贫困户的覆盖不完全问题比较小。虽然如此，当K等于4时，多维贫困瞄准数量缺口虽然与其他维度临界值下的多维贫困瞄准数量缺口相比最低，但仍为42.37%，说明农业产业扶贫总体的多维贫困瞄准效果仍需要进一步改善。

6农业产业扶贫对不同农户的影响效果差异分析

在农业产业扶贫的影响效果方面，多维贫困农户能否明显获益，或者是否获益比非多维贫困农户更多，也是衡量多维贫困瞄准的重要内容。因本次调查涉及的农业扶贫产业主要是经济作物，因此本节主要分析农户参加农业产业扶贫对农户种植业投入、种植业总收入和种植业纯收入的影响。在农业产业扶贫实施中，所有农户均有机会参加，但不同农户参加的倾向并不相同。从理论上看，家庭中劳动力数量多、户主受教育程度高、户主年龄较小、耕种土地多的农户更有可能参加农业产业扶贫并从中受益，这就产生了政策或项目评估中常遇到的内生性问题，本节将使用内生转换回归模型控制内生性问题。

6.1描述分析

通过描述分析发现，不管是在何种维度临界值分组之下，参加农业产业扶贫的农户平均的种植业投入和收入高于没有参加项目的农户，但非多维贫困农户的投入和收入增量高于多维贫困农户。如表5所示，当维度临界值K等于1时，在多维贫困农户中，参加农业产业扶贫的农户比未参加农户的种植业投入多608.55元，而非多维贫困农户中参加农户比未参加农户的投入多1 621.61元，这一差值比多维贫困农户中参加与未参加农户的差值高1 013.06元。在种植业总收入上，虽然多维贫困农户中参加农户比未参加农户高1 490.69元，但这一差值比非多维贫困农户的差值低2 135.03元。在种植业纯收入方面，多维贫困农户中参加农户比未参加农户高882.14元，但比非多维贫困农户的这一差值低1 121.97元。当维度临界值K分别等于2、3和4时，分析结果与K等于1时相似。这些描述分析的结果表明，参加农业产业扶贫的农户比未参加农户有更多的种植业投入和收入，但多维贫困农户从农业产业扶贫中的受益增量比非多维贫困农户少。虽然如此，但由于内生性问题的存在，农业产业扶贫的影响效果和多维贫困瞄准评估还需要使用内生转换回归模型进一步分析。

6.2内生转换回归模型分析过程和结果

根据内生转换回归模型的分析步骤，首先选取行为方程和结果方程的变量。本文在行为方程中选取的因变量为农户是否参加农业产业扶贫，结果方程的因变量为农户的种植业投入的对数、种植业总收入的对数和种植业纯收入的对数。本文选取的自变量包括户主特征变量、家庭特征变量和村级特征变量。在户主特征变量中，选取了户主受教育年限、户主年龄、户主年龄的平方、户主打工或经商年数。在家庭特征变量中选取了家庭规模、劳动力数量、家庭耕种土地数量以及是否参加了合作经济组织。在村级特征变量中，选取了村里是否组织技术培训、村里是否组织外出务工。除了以上特征变量外，根据前文行为方程自变量选择的要求，选取了村庄当年基础设施投资的对数这一变量加入行为方程中，但不加入处理组或控制组的结果方程中。选取这一变量的原因在于，农业产业发展与村庄基础设施紧密相关，如果村庄基础设施更加完善，农户选择参加农业产业扶贫的可能性会增大。但村庄当年基础设施的投资对农户种植业投入和收入在短时间内不会产生影响。为验证选取变量合适与否，文章还分别将农户是否参加农业产业扶贫、农户种植业投入和收入对村庄当年基础设施投资的变量进行回归。结果表明，村庄当年基础设施投资显著影响了农户是否参加农业产业扶贫，但对农户种植业投入和收入没有产生显著的影响，这说明选取的变量是适宜的。本节分析选取的变量及其描述统计见表6。

使用内生转换模型，对农户是否参加农业产业扶贫以及处理组（即参加了农业产业扶贫的农户）、控制组（即没有参加农业产业扶贫的农户）的结果方程进行回归分析，结果如表7所示。行为方程分析结果表明，除了户主年龄、村里是否组织技术培训和村里是否组织外出务工外，其余变量对农户参与农业产业扶贫产生了显著的影响。其中，村庄当年基础设施投资对农户是否参加农业产业扶贫具有显著的正向影响，这表明，村庄基础设施的改善有助于提高农户参加农业产业扶贫的可能性。

在农户种植业投入、种植业总收入和种植业纯收入的回归结果中，模型2、4、5和6的逆米尔比率对因变量有显著的影响，这表明，在分析农户是否参加农业产业扶贫对种植业投入和收入的影响时，同时受到了农户可观测变量和不可观测变量的影响。若不考虑内生性问题，在评估农业产业扶贫的影响效果时，结果会存在偏差。处理组和控制组结果方程的分析显示，影响处理组和控制组种植业投入和收入的因素存在差异。对农户种植业投入的回归结果分析显示，农户是否参加合作经济组织、村里是否组织技术培训对处理组的种植业投入有显著影响，但对控制组农户没有显著影响。户主的受教育年限、户主年龄和家庭耕种土地数量对控制组农户的种植业投入有显著影响，但对处理组的影响不显著。农户种植业总收入的回归结果表明，村里是否组织技术培训、村里是否组织外出务工对处理组农户有显著的影响，但对控制组的影响并不显著。种植业纯收入的回归结果也显示出，处理组和控制组农户种植业纯收入的影响因素存在差异这些因素中，劳动力数量对处理组农户的种植业收入产生了负向影响，其原因是在贫困地区，若把过多劳动力投入在农业生产中，其边际收益较低，因此劳动力较多的农户更倾向于把劳动力配置于非农活动，这导致劳动力较多农户的种植业收入低于劳动力少的农户。参加合作经济组织对处理组农户的种植业投入和收入产生了负向影响，其原因是在本研究所调查的贫困地区中，合作经济组织发展时间较短，参加合作经济组织的农户多为小农户，大农户因能力较强，较少选择加入合作经济组织，小农户的种植业投入和收入低于大农户，因此参加合作经济组织对农户种植业投入和收入呈现出了负向影响。。这些结果均表明，处理组和控制组农户在特征变量上可能存在显著差异，以致对农户福利产生显著影响的因素存在差异，这也间接表明了评估农户参加农业产业扶贫影响效果时，控制内生性的必要性。同时，处理组和控制组农户特征存在差异，也表明了使用内生转换回归模型分别对两组农户进行回归分析，更加符合实际情况，这进一步显明了使用内生转换回归模型的合理性。

通过计算农业产业扶贫的平均处理效果发现，农户参加农业产业扶贫总体上能够促进种植业投入、种植业总收入和种植业纯收入的增加，这与描述分析结果总体一致。但是農业产业扶贫的影响仍存在异质性，当维度临界值等于4时，即农户为深度贫困户时，参加农业产业扶贫并未对农户种植业总收入和种植业纯收入产生显著的正向影响，农业产业扶贫的多维贫困瞄准效果仍存在需要改善之处。具体来讲，如表8所示，当维度临界值等于1、2或3时，不管是多维贫困农户还是非多维贫困农户，处理组农户在种植业投入、种植业总收入和种植业纯收入平均处理效应总体上显著高于其反事实（即处理组若不参加农业产业扶贫）下的表现。但当维度临界值等于4、农户是深度贫困户时，虽然参加农业产业扶贫能够促进其种植业投入，但是并未显著提高其种植业总收入，这导致的结果是，参加农业产业扶贫显著降低了深度贫困户的种植业纯收入。造成这种结果的原因在于，深度贫困户往往面临着户主受教育水平有限、病人数量较多、享受的公共服务有限、增收能力较弱等因素的制约。他们参加农业产业扶贫，虽然增加了种植业投入，但受到多种因素的制约，难以获得产业投入的正常回报。在农业产业扶贫未来发展中，需要更多地关注深度贫困户。

7结论与政策建议

本文尝试总结了一个扶贫政策或项目多维贫困瞄准的分析框架，并提出了多维贫困瞄准数量缺口的概念。在湖南、湖北、重庆和贵州四省（直辖市）989个农户调研的基础上，使用多维贫困瞄准分析框架，分析了农业产业扶贫的多维贫困瞄准状况。本文主要结论如下。

第一，扶贫政策或项目瞄准可以基于多维贫困方法、利用“精准识别—农户参与—影响效果”的扶贫瞄准框架进行分析。可首先使用多维贫困方法进行贫困农户识别，在多维贫困农户分组基础上分析农户参与状况，并分析参与层面的多维贫困瞄准数量缺口。最后基于多维贫困农户分组，使用计量分析方法评估扶贫政策或项目对不同组农户的影响效果差异。

第二，在农户参与层面，多维贫困农户与非多维贫困

农户参与农业产业扶贫比例相近，但非多维贫困农户户均获得补贴金额总体上高于多维贫困农户。随着维度临界值逐渐增大，一类瞄准数量缺口逐渐变小，二类瞄准数量缺口逐渐增大，多维贫困瞄准数量缺口总体呈现下降趋势。

第三，在影响效果层面，农户参加农业产业扶贫总体上显著促进了种植业投入与收入的增加。但农业产业扶贫的影响效果存在异质性，对贫困维度数量較少的农户，参加农业产业扶贫能够显著促进其种植业投入和收入，对深度贫困户而言，虽然参加农业产业扶贫显著促进了其种植业投入的增加，但并没有显著促进其种植业总收入和纯收入的增加。农业产业扶贫对深度贫困户的多维贫困瞄准效果还需要进一步改善。

在农业产业扶贫未来发展中，应针对不同贫困程度的农户采取不同举措，具体如下。

第一，针对贫困维度数量较少的农户，要提升农业产业扶贫的效果，可从以下方面入手：①加强农业技术指导服务。在贫困地区，农业技术服务发展相对滞后，限制了农业产业扶贫的发展和贫困户参与热情。另外，农业产业扶贫虽然大多推广的是优良特色品种，但如果缺少配套农业技术服务指导，可能会大大影响扶贫产业的发展。应借助科研单位、高等院校的力量结对帮扶贫困地区，加强对贫困地区农业特色产业发展的农业技术服务指导。②提供农业产业扶贫贷款。贫困地区农户的生产性信贷需求通常难以得到满足，面临信贷约束或信贷配给。应将发展农业产业扶贫与扶贫小额贷款结合起来，通过增加农村信用社、商业银行等正规金融机构的小微贷款，或者发展贫困村互助资金、社区基金等微型金融组织，满足有能力发展扶贫产业但缺少资金的农户信贷需求。③合理选择产业。应该根据贫困地区不同的气候条件、地形条件、土壤条件等情况，结合考虑市场需求状况，因地制宜推广差异化的扶贫产业，避免“跟风式”发展某个扶贫产业可能带来的价格下跌、产业失败风险。④发展农业保险。试点农业产业扶贫与农业保险相结合，对农户提供农业保险的保费补贴，扩大农业保险对不同地区特色经济作物的保障范围，改变贫困户对参与扶贫产业的风险预期。

第二，针对深度贫困户，要提升农业产业扶贫的效果，可从以下方面入手：①建立利益联结机制。当前扶贫工作虽然特别强调扶贫资源要瞄准深度贫困户，但发展农业产业扶贫需要农户劳动力、农业技能等要素的投入，而深度贫困户往往在这些要素上存在一定劣势。需要根据农业产业的特点，建立种养大户、家庭农场等具有优势生产要素的主体带动深度贫困户共同发展的机制。②发挥农村集体的组织联系作用。深度贫困户因自身能力较差，即使参加农业产业扶贫，种植或养殖规模通常较小，而且深度贫困户大多缺少市场信息和销售渠道。需要发挥农村集体或经济合作组织的中介作用，可借鉴“巢状市场”形式，帮助深度贫困户与城市消费者连接，扩大其销售渠道。③探索要素入股方式。在农业产业扶贫中可探索深度贫困户的土地入股、扶贫资金入股方式，借鉴资产收益扶贫的模式解决缺少劳动力的深度贫困户受益问题。

（编辑：于杰）

参考文献

[1]

胡晗， 司亚飞， 王立剑. 产业扶贫政策对贫困户生计策略和收入的影响——来自陕西省的经验证据[J]. 中国农村经济， 2018 （1）： 78-89.

[2]CUONGN V. Measuring the impact of cash crops on household expenditure and poverty in rural Vietnam[J]. AsiaPacific development journal，2009，16（2）：87-112.

[3]许汉泽， 李小云. 精准扶贫背景下农村产业扶贫的实践困境——对华北李村产业扶贫项目的考察[J]. 西北农林科技大学学报（社会科学版），2017，17（1）：9-16.

[4]孙兆霞. 脱嵌的产业扶贫——以贵州为案例[J]. 中共福建省委党校学报， 2015 （3）： 14-21.

[5]ALKIRES， ROCHE J E M， VAZ A. Changes over time in multidimensional poverty： methodology and results for 34 countries[J]. World development， 2017， 94： 232-249.

[6]张全红， 李博， 周强. 中国多维贫困的动态测算、结构分解与精准扶贫[J]. 财经研究， 2017，43（4）：31-40.

[7]PASHAA. Regional perspectives on the multidimensional poverty index[J]. World development， 2017， 94： 268-285.

[8]韩佳丽， 王志章， 王汉杰. 贫困地区劳动力流动对农户多维贫困的影响[J]. 经济科学， 2017 （6）： 87-101.

[9]NOWAKD， SCHEICHER C. Considering the extremely poor： multidimensional poverty measurement for Germany[J]. Social indicators research， 2017， 133（1）： 139-162.

[10]WHELANC T， NOLAN B， MAITRE B. Multidimensional poverty measurement in Europe： an application of the adjusted headcount approach[J]. Journal of European social policy， 2014， 24（2）： 183-197.

[11]ALKIRES， SETH S. Multidimensional poverty reduction in India between 1999 and 2006： where and how？[J]. World development， 2015， 72： 93-108.

[12]MARTINEZA， PERALES F. The dynamics of multidimensional poverty in contemporary Australia[J]. Social indicators research， 2017， 130（2）： 479-496.

[13]BADERC， BIERI S， WIESMANN U， et al. Is economic growth increasing disparities？ a multidimensional analysis of poverty in the Lao PDR between 2003 and 2013[J]. Journal of development studies， 2017， 53（12）： 2067-2085.

[14]CHZHENY， FERRONE L. Multidimensional child deprivation and poverty measurement： case study of Bosnia and Herzegovina[J]. Social indicators research， 2017， 131（3）： 999-1014.

[15]AWAWORYIC S， SMYTH R. Ethnic diversity and poverty[J]. World development， 2017， 95：285-302.

[16]解堊. 公共转移支付与老年人的多维贫困[J]. 中国工业经济， 2015 （11）： 32-46.

[17]王春超， 叶琴. 中国农民工多维贫困的演进——基于收入与教育维度的考察[J]. 经济研究， 2014 （12）： 159-174.

[18]AZEVEDOV， ROBLES M. Multidimensional targeting： identifying beneficiaries of conditional cash transfer programs[J]. Social indicators research， 2013， 112（2）： 447-475.

[19]王立剑， 叶小刚， 陈杰. 精准识别视角下产业扶贫效果评估[J]. 中国人口·资源与环境， 2018，28（1）：113-123.

[20]杨龙， 李萌， 汪三贵. 我国贫困瞄准政策的表达与实践[J]. 农村经济， 2015 （1）： 8-12.

[21]ALKIRES， FOSTER J. Counting and multidimensional poverty measurement[J]. Journal of public economics， 2011， 95（7）：476-487.

[22]PARK A， WANG S， WU G. Regional poverty targeting in China[J]. Journal of public economics， 2002， 86（1）： 123-153.

[23]ABDULAIA. Impact of conservation agriculture technology on household welfare in Zambia[J]. Agricultural economics， 2016， 47（6）： 729-741.

[24]MAW， ABDULAI A. Does cooperative membership improve household welfare？ evidence from apple farmers in China[J]. Food policy， 2016， 58： 94-102.