乡村旅游扶贫政策的多维减贫效应研究——基于匹配倍差法的估计*

余利红

（中南民族大学，湖北 武汉 430074）

一、引言

我国贫困地区与旅游资源富集区高度重叠，旅游扶贫这一“造血式”扶贫开发战略已成为国家脱贫攻坚战略的重要组成部分，而乡村旅游扶贫也已成为许多农村贫困地区脱贫攻坚的有力抓手。经过二十多年的发展，乡村旅游扶贫为减少我国的收入贫困作出了巨大贡献。新时期我国扶贫攻坚任务仍十分艰巨，且贫困呈现收入、生活、教育、健康等多维性。国务院关于印发的《“十三五”脱贫攻坚规划》指出，到2020年稳定实现现行标准下农村贫困人口不愁吃、不愁穿，义务教育、基本医疗和住房安全有保障（简称“两不愁、三保障”），其中，“两不愁、三保障”实质上强调的就是多维贫困改善。可以预知，随着我国经济社会发展水平的提升，贫困治理也必然会瞄准更高标准下的多维贫困减贫。乡村旅游扶贫作为一种备受中央和地方政府推崇的反贫困手段，如何最大程度地发挥其多维减贫效应是一个值得深入研究的重要课题。

中外学术界对旅游减贫效应进行了大量的探讨，从研究尺度上可归纳为三个方面：一是将整个国家作为研究对象，从宏观尺度考察。如Muchapondwa 和Stage（2013）针对博茨瓦纳、纳米比亚和南非，用社会核算矩阵比较分析了三个国家入境旅游的减贫效应，测算出旅游对GDP 的贡献在6%～9%［1］；Croes 和Rivera（2017）采用社会核算矩阵研究了厄瓜多尔旅游业发展的减贫效应，发现旅游业对整个国家经济具有较大的乘数效应，且最贫困人口受益最大［2］；Njoya和Seetaram（2018）运用可计算一般均衡模型，证实了旅游发展是肯尼亚减贫的引擎［3］。二是以某区域为研究对象，从中观视角考察旅游的减贫效应。Anderson（2015）发现坦桑尼亚乞力扎罗山地区的旅游发展显著提高了贫困人口的生活水平，从而促进了贫困的减缓［4］；黄渊基（2017）以武陵山湖南片区的20 个贫困县（市、区）为例，实证研究了旅游扶贫的经济效应、生态效应、社会效应及时空分异［5］；孟秋莉（2018）运用湖北省2010-2015年旅游扶贫相关数据，探究了政府旅游扶贫资金投入、旅游企业投资对地方旅游收入及贫困人口收入的影响［6］。三是以单个农户为研究对象，从微观视角研究旅游的减贫效应。如张遵东和章立峰（2011）研究了贵州民族地区乡村旅游扶贫对农户收入的影响［7］；蒋莉和黄静波（2015）分析了汝城国家森林公园九龙江地区居民对旅游扶贫效应的感知和态度，发现当地居民对旅游扶贫的社会和经济效应感知明显，对环境效应不敏感［8］。杨柳（2017）对海南省琼中县什寒村乡村旅游扶贫的农民增收情况进行深入分析［9］。冯伟林和陶聪冲（2017）依据对重庆武陵山片区贫困人口抽样调查数据的统计分析，发现旅游扶贫对增加当地贫困农户收入有显著效应，生活及卫生环境得以较大改善，但也存在生活成本上升、飞地效应及贫富差距拉大等负面效应［10］。

现有研究已从宏观、中观和微观层面对旅游反贫困效应进行了广泛探讨，但主要关注的是旅游对收入贫困的影响，虽然已有一些文献注意到乡村旅游扶贫具有社会、生态、文化等非经济效应，但基于多维贫困指标对乡村旅游扶贫政策的多维减贫效应进行科学量化分析的研究非常鲜见。王耀斌等（2018）在这方面进行了有益的探索，他们以扎尕那村为例运用倍差法从多维贫困视角评估了民族地区乡村旅游精准扶贫的效应［11］。倍差法的确可以解决遗漏控制变量的问题，然而该方法也存在选择性偏误的缺陷，导致测度结果不够客观准确。本文创新性地将倾向匹配得分法与倍差法相结合，即运用匹配倍差法以同时克服选择性偏误和遗漏控制变量的问题，并通过多个案例地的样本数据来科学评估乡村旅游扶贫政策的多维减贫效应，据此提出相应的对策建议，为乡村旅游扶贫这一重要减贫政策在未来发挥更大的多维减贫作用提供参考。

二、研究方法的选择

（一）倍差法

本研究旨在科学评估乡村旅游扶贫政策对农户多维贫困状况的影响。乡村旅游扶贫政策实施后农户多维贫困状况的变化来自两方面：一是随时间自然增长而出现多维贫困状况改变的“时间效应”，也就是即使未实施乡村旅游扶贫政策也依然会随着时间推移而发生的多维贫困状况改变；二是乡村旅游扶贫带来的“政策处理效应”，即因为乡村旅游扶贫政策实施而带来的多维贫困状况变化。作为现代计量方法中定量评估政策效应的分析工具，倍差法（Differences in Differences，简称DID）把政策实施看成一个“准自然实验”，通过对受政策影响的“处理组”和不受政策影响的“控制组”数据的两次差分来有效分离“时间效应”和“政策处理效应”，从而评价政策实施效应。本文将参与乡村旅游扶贫的农户作为处理组，未参与的农户作为控制组，乡村旅游扶贫政策实施前后处理组和控制组农户的多维贫困变化之差即为乡村旅游扶贫政策的多维减贫效应，其基本模型如下：

yit表示农户i 在t 时刻的多维贫困指标，虚拟变量Tourit={0 ，1} ，表示农户i 在时刻t 是否参与乡村旅游扶贫，若参与取值1，反之取值0；Yearit为时间虚拟变量，乡村旅游扶贫实施之后年份取值1，反之取0；β0、β1、β2、β3、α 均为参数；Xit是既影响农户是否参与乡村旅游扶贫，又影响乡村旅游扶贫效果的其他不可观测变量的向量集；对于控制组和处理组农户，两个时点的多维贫困变动分别为β1和β1+β3，β3则是倍差估计值，即是本研究最关注的乡村旅游扶贫对农户多维减贫的净效应，εit为残差项。

然而，DID 隐含了一个重要的前提假设，即处理组和控制组的“时间效应相同”，否则计量回归差异就只是控制组和处理组之间的差异，而非真正的“政策处理效应”。由于农户家庭特征及所在村庄存在异质性，使得农户之间的多维贫困变化很难具备相同的时间效应，这就要求在控制组中寻找与处理组特征尽可能相似的匹配农户，以减少样本选择偏差引起的估计偏误。

（二）匹配倍差法

Heckman、Rosenbaum 和Rubin逐步发展起来的倾向得分匹配法（Propensity Score Matching，简称PSM）为寻找与处理组尽可能相似的样本提供了科学方法。PSM通过匹配处理组和控制组的样本农户，以减弱样本选择性偏误，使两组样本具有相同的“时间效应”，但不能避免因遗漏不可观测变量而带来的估计偏误；DID 通过双重差分能很好地解决这一问题，但“时间效应相同”的假设前提很难满足。为此，本文采用PSM 与DID 相结合的方法，以更准确地估计“政策处理效应”，即乡村旅游扶贫政策的多维减贫效应。具体步骤如下：首先，运用PSM 方法按照农户家庭及村庄特征变量找到匹配组，使匹配后的样本农户“时间效应相同”。在具体匹配时，本文选择了核匹配法，其原理是利用所有控制组农户（通常去掉倾向得分取值范围相同部分以外的个体）的加权平均值为每个处理组农户建立匹配组，与处理组农户越相似的农户赋予权重越高，越不相似的农户权重越低，从而可以寻找到更为合理的匹配结果。然后，运用DID模型对匹配后的处理组和控制组样本农户估计乡村旅游扶贫对农户多维贫困指标的净效应，即平均处理效应ATTPSM-DID，计算公式如下：

（3）式中，hn是指定带宽；G 为核函数；pi为参与乡村旅游扶贫的农户i 的倾向得分，pj和pk则分别是在带宽内的第j 个和第k 个未参与乡村旅游扶贫的农户倾向得分。

三、数据来源与变量说明

（一）数据来源

本文从全国11 个集中连片特困区中选取了武陵山和大别山两个片区作为研究区域，其中武陵山区选取恩施州恩施市龙凤镇青堡村和白杨坪集镇麂子渡村，在大别山区选择红安县永佳河镇喻畈村、七里坪镇杨山村和草鞋店村。恩施市是国家扶贫工作重点县市，红安县直到2018年才摘除国家贫困县帽子。

恩施市龙凤镇青堡村素有高山“小平原”之称，该村2012年还是恩施市最穷村，所辖9个村民小组826 户人家中原有506 户贫困户。2014年以来政府投入3000 多万元完成了道路的拓宽与黑化、高低压供电网络改造等工程，并按照“土家风情体验、生态乡村休闲”的旅游格局，于2016年9月完成旅游村寨的建设，打造了“民宿一条街”，逐渐发展成了鄂西的避暑圣地。恩施市白杨坪集镇麂子渡村有11个村民小组，约1400个农户。该村四面环山，有美丽的太阳河流经该地中心区域，生态环境良好，民族风情浓郁。2015年8月麂子渡村11 名致富能人投资1000 万元的成立麂子渡观光农业旅游专业合作社立，政府与合作社先后完成了旅游公路、官渡河风雨桥及周边配套工程、数百亩桃柚园及游步道、漂流水道等乡村旅游项目的建设，打造成集产业发展、文化体验、旅游观光、休闲度假于一体的乡村旅游区，并于2016年6月开始接纳游客。永佳河镇喻畈村位于红安县东部，紧邻尾斗湖水库，山青水秀，有着宝贵的红色文化，全村12 个小组共369 户1368 人，但这里田地贫瘠，收入低微，村民们大部分外出务工，十分贫困。自2015年9月以来，依照红安县旅游扶贫规划，喻畈村被列为重点发展的30 个旅游重点村之一，通过因地制宜编制建设规划，给予项目资金支持，打造独特乡村特色旅游品牌等举措，喻畈村已经成为周边都市人群放松休闲的世外桃源，村里还成立了休闲旅游合作社，引领村贫困户脱贫致富。七里坪镇草鞋店村和杨山村有杨山河流经，草鞋店村拥有良好的自然生态环境，风景秀丽，拥有1.6万亩野生山林，也是全国知名的“中国最美小鸟”蓝喉蜂虎在长江流域的最大聚集地。杨山村是全国旅游扶贫重点村，距七里坪镇4 千米，全村总面积8平方千米，8个生产小组，11个自然湾，总人数为1400 人。这两个村依托杨山河风景发展乡村旅游，从2014年开始乡村旅游开发，2016年底项目竣工并接待游客。

课题组于2017年12月至2018年1月组织教师和研究生等8 人深入上述地区，采取分层随机抽样及访谈式问卷调查，共发放调查问卷520 份，收回有效问卷469份，问卷有效率达到90.2%。本文以2013年数据来反映实施乡村旅游扶贫前的情况，以2017年数据来反映实施乡村旅游扶贫后的情况，后文分别采用了2013年和2017年共938组被调查农户样本的数据，其中2013年的数据为调研时通过农户对比回忆收集得到。

（二）指标选取及描述性统计

1.多维贫困指标选取

Sen（2004）从“可行能力视角”提出了能力贫困的概念，他指出贫困对应的是功能性福利的缺失，而这背后则是基本可行能力的缺失［12］；最基本可行能力由健康、教育以及体面的生活等一系列功能构成，这些功能的丧失既是贫困产生的原因也是贫困的表现，由此催生了多维贫困理论。在Sen 的基础上，许多学者与机构进一步发展了多维贫困理论，其中联合国开发计划署和牛津大学人类发展中心联合开发的全球多维贫困指标（GMPI）被广泛应用，但至今多维贫困的维度和指标选取学术界尚无统一标准。本文中多维减贫效应的指标选取参考了GMPI，并结合《中国农村扶贫开发纲要（2011-2020）》中的扶贫目标与调研区域的实际情况，遵循科学有效和数据可得原则，最终确定将收入（y1）、健康（y2）、教育（y3）、生活（y4）、住房（y5）与就业（y6）共6 个贫困维度作为因变量，涉及到家庭年收入、健康状况、受教育年限、职业培训、清洁用水、清洁燃料、通电情况、卫生设施、垃圾处理、住房面积、房屋装修、就业情况共12个指标，具体含义及赋值规则见表1。

多维贫困指标的描述性统计如表2 所示。可知，2017年（乡村旅游扶贫实施后）与2013年（乡村旅游扶贫实施后）相比，农户家庭收入、健康、教育、生活、住房及就业六个维度的12 个指标均有所增长，其中参与乡村旅游扶贫的农户（处理组农户）家庭年收入、职业培训次数、家庭人均住房面积、住房装修水平、家庭劳动力本地就业人数共五项指标相对于未参与农户（控制组农户）有更高幅度的增长。由于各指标量纲不一致，本文运用了归一法对各指标进行无量纲处理，使标准化后的取值介于0到1之间，同时采用专家评估法确定各指标权重（见表1）。

2.控制变量的选取

采用Logit 回归方法计算PSM 中的倾向得分时，要求所选的控制变量既对农户是否参与乡村旅游扶贫有很强的解释能力，也对6 个因变量有影响。根据已有的理论和经验，这些控制变量主要有户主特征（如户主年龄、户主受教育年限）、家庭特征（如家庭成员是否担任过村干部、家庭总人口数、家庭劳动人口数、承包耕地面积、承包林地面积等）、村庄特征（交通基础设施条件、离核心景点距离等）以及公共政策等（除旅游扶贫之外的其他扶贫措施等）。由于案例区所涉及的村庄公共政策基本一致，其差异带来的影响可以忽略不计。因此，本文选取了户主特征、家庭特征和村庄特征三个方面的控制变量。

表1 多维贫困指标及赋值规则

表2 多维贫困指标描述性统计分析

四、实证结果

（一）样本匹配结果

本文采用核匹配法对控制组和处理组样本进行匹配，为了确保匹配结果的准确度，需检验控制性变量在控制组和处理组之间是否存在着显著差异，即匹配的平衡性检验。由表3 中的结果可知，匹配前多数变量在处理组和控制组之间存在显著差异，但是匹配后全部控制性变量的标准化偏差明显减小，其绝对值均小于15%。T 检验结果表明匹配后控制组和处理组的控制性变量不存在系统性差异，即通过平衡性检验，倾向得分匹配结果可靠。

（二）模型估计结果

为比较是否控制选择偏误对乡村旅游扶贫政策多维减贫效应的影响，本文在采用PSM-DID 模型对全部样本数据进行估计前，先运用普通DID模型进行估计，表4和表5反映了两种方法的估计结果。两种方法估出的结果都显示收入、教育、住房及就业四个因变量分别在1%、10%、10%和5%的水平上通过显著性检验，其它二个因变量均不显著，表明乡村旅游扶贫政策的实施对参与乡村旅游扶贫农户的收入、教育、住房及就业产生了积极的正向影响，参与乡村旅游扶贫能使农户家庭人均年收入显著提高50%左右，教育水平显著提高23%左右，住房综合水平显著提高25%，在本地就业的人数显著提高了20%左右。正如前文所述，普通DID模型因未考虑样本选择偏差问题，有可能存在估计偏误。对比两种方法估计结果可知，针对显著的四个因变量收入、教育、住房及就业，PSM-DID 的交互项TourYear 估计系数β3分别为0.492、0.219、0.227 和0.174，均低于普通DID模型的估计结果0.539、0.264、0.268 和0.213。从控制变量的标准误来看，PSM-DID 估计中控制变量的标准误也都比普通DID 模型的估计结果低，表明PSM-DID 估计效果更优，可信度更高；而普通DID模型估计结果“虚高”。

表3 匹配平衡性检验结果

1.乡村旅游扶贫政策对农户收入维度的减贫效应

表4 中PSM-DID 模型估计结果显示F =57.091、Sig =0.000，反映该模型拟合效果较好。交互项TourYear 的系数β3通过1%显著性水平检验，表明与未参与乡村旅游扶贫农户相比，参与农户的收入增长幅度高出49.2%。其收入增长更快主要有三个方面原因：一是乡村旅游扶贫项目的实施增加了参与农户的自主经营机会，为其带来可观的经营收入；二是参与农户到当地旅游小微企业打工的机会增多，提高了其打工收入；三是有机会将农副产品以更高价格卖给游客或农家乐等，提高了其农业收入。从控制变量来看，户主年龄和家庭成员是否担任过村干部对参与乡村旅游扶贫农户的收入均在5%水平上有显著正向影响，可能原因是：户主越年轻或者家庭成员担任过村干部的农户往往对乡村旅游扶贫的认可度越高，其可利用的社会资源也更丰富，参与乡村旅游扶贫的积极性更高，其经营也更灵活，因而对其收入增加更有利；家庭劳动人口数对参与乡村旅游扶贫农户的人均收入有显著正向影响，其原因在于劳动人口数越多的农户，在参与乡村旅游扶贫中越有可能从事农家乐等需要较多人手的经营型活动，而这类经营相对于务农等传统生计方式有更高的收入；距核心景点距离的回归系数通过了1%显著性水平检验，表明距核心景点越近的农户参与乡村旅游扶贫后收入增长越多，可能原因是到核心景点距离越近的农户接待游客的机会越多，而游客的消费能显著增加接待农户的收入。

表4 乡村旅游扶贫对农户收入、教育和健康维度减贫效应的估计结果

2.乡村旅游扶贫政策对农户教育维度的减贫效应

对教育贫困这一因变量而言，表4 中PSM-DID 估计结果显示F =62.408、Sig =0.000，反映该模型拟合效果较好。交互项TourYear 的系数β3通过10%显著性水平检验，表明与未参与乡村旅游扶贫农户相比，参与农户受教育水平高出21.9%。本文中教育贫困维度选取的指标主要是家庭劳动力每年接受职业培训的人次，地方政府为提高乡村旅游服务质量开展了相关职业教育培训，并以各种方式鼓励农户积极参与。与未参与旅游扶贫农户相比，参与农户往往更积极参加这类培训，参与人次更多，教育减贫效应越好。从控制变量来看，户主受教育程度对参与乡村旅游扶贫农户的教育减贫有显著的正向影响，且通过10%显著性水平检验，可能原因是受教育程度越高的户主往往对劳动力职业技能培训更舍得投入时间精力和成本，以积累家庭的人力资本，谋求家庭未来更长远的发展。此外，交通设施条件和离核心景点距离的系数均通过5%的显著性水平检验，表明交通设施条件越好、离核心景点距离越近的农户，参与乡村旅游扶贫后对其教育减贫效应越好，可能原因是离核心景点距离越近的农户从事乡村旅游扶贫接待游客的机会越多，为提高服务技能也越积极地参与相关的职业技能培训，而交通设施条件越好也使农户接受职业技能培训越便利。

3.乡村旅游扶贫政策对农户住房维度的减贫效应

对住房贫困这一因变量而言，表5 中PSM-DID 估计结果显示F =47.091、Sig =0.000，反映该模型拟合效果较好。交互项TourYear 的系数β3为正且通过10%显著性水平检验，表明与未参与乡村旅游扶贫农户相比，参与农户的住房改善水平提高22.7%。原因在于：参与乡村旅游的农户中有不少从事农家乐或民宿接待，为提升接待水平，农户比较注重住房条件改善，除了进行标准化装修升级外，有的还对自家房屋进行扩建改造，当地政府也会出台一些激励政策如给予一定经济补贴来实施穿衣戴帽工程，以提升当地乡村旅游的整体竞争力和吸引力。从控制变量来看，户主年龄、户主受教育程度、家中是否有成员担任过村干部、家庭劳动人口数及离核心景点距离对参与乡村旅游农户的住房减贫都有显著正向影响。其原因在于，户主越年轻、户主受教育程度越高以及家中有人担任过村干部的农户往往眼界更开阔，对乡村旅游发展的前景越看好，也更有能力和魄力从事需要投入较多家庭资源的农家乐和民宿接待经营；家庭劳动人口数越多，从事农家乐和民宿接待经营的人力资源越丰富，越有动力投入较多资源进行房屋改扩建和装修升级；离核心景区越近，接待游客的机会越多，也会促使参与农家乐和民宿经营的农户扩大房屋面积提升装修水平，以此吸引更多的游客，因此其住房减贫效应越显著。

4.乡村旅游扶贫政策对农户就业维度的减贫效应

对就业贫困这一因变量而言，表5 中PSM-DID 估计的交互项TourYear 的系数β3为正且通过5%显著性水平检验，表明乡村旅游扶贫对参与农户的就业减贫有显著正向影响，与未参与乡村旅游扶贫农户相比，参与农户的就业水平提高17.4%。原因在于乡村旅游扶贫可通过多种途径增加本地就业机会：一是，农户利用自家的房屋和劳动力等资源经营农家乐、小商店、民宿等增加就业；二是，旅游服务小微企业等在旅游旺季也可以为当地农户提供部分就业岗位；三是，农户可以通过提供交通运输服务及在景点附近从事小商品或农副土特产品的售卖来拓宽就业门路；四是，实施乡村旅游扶贫后原本因农产品价格低廉而抛荒的农户重新耕种承包地，从而新增了就业。值得注意的是，乡村旅游扶贫政策对参与农户的就业减贫效应与收入减贫效应存在一致，这主要是因为调研地农户还处于脱贫过程中，其收入基本都是从各类就业中获得，其财产性收入等还非常有限。从控制变量来看，是否有家庭成员担任过村干部对参与乡村旅游农户的就业减贫有显著正向影响，担任过村干部的农户往往能力更强，其就业机会也更多；户主受教育程度越高的农民学习能力和接受新生事物的能力越强，掌握的相关技能越多，就业面也越宽；离核心景区距离和交通设施条件也通过了显著性检验，可能的原因是离核心景区越近、交通设施条件越好，吸引游客的能力越强，接待游客的人数越多，就业岗位的需求量也越大，为当地农户提供的就业机会越多，因而就业减贫效应也越显著。

表5 乡村旅游扶贫对农户生活、住房和就业减贫效应的估计结果

5.乡村旅游扶贫政策对农户健康与生活维度的减贫效应

对农户健康和生活维度的因变量而言，表4和表5 中PSM-DID 估计结果显示，交互项TourYear 的系数β3均未通过显著性检验，表明乡村旅游扶贫并未对参与农户的健康和生活维度的减贫带来显著影响。健康维度指标在文中被界定为家庭成员健康状况，该指标在匹配农户之间没有明显差异，在调研的几年内该指标也无规律性的变化，与农户是否参与乡村旅游扶贫无显著相关性；生活维度的指标包括清洁用水、清洁燃料、通电情况、卫生设施、垃圾处理共5 项，该类指标均涉及基础设施或公共服务项目，在新农村建设特别是美丽乡村建设过程中，这几个方面都由政府民生工程统一推动，无论农户是否参与乡村旅游，该类指标的水平均随时间推移呈现基本一致的提升。对于控制变量而言，户主年龄、户主受教育程度、是否为村干部、劳动人口数、交通设施条件、离核心景点距离等均未通过显著性检验，说明这些控制性变量对健康和生活维度的减贫不存在显著效应。

五、结论与建议

（一）研究结论

本文基于多维贫困视角，运用实地调研数据和匹配倍差法实证分析了乡村旅游扶贫的多维减贫效应，具体结论如下。

1.乡村旅游扶贫政策具有显著的多维减贫效应。乡村旅游扶贫项目的实施对参与农户的收入、教育、就业和住房有显著正向影响，参与乡村旅游扶贫能使农户人均年收入显著提高了50%左右，受教育综合水平显著提高了23%左右，住房综合水平显著提高了25%左右，在本地的就业人数显著提高了20%左右，但对健康及生活维度的减贫效应并不显著。

2.从倍差法和匹配倍差法两种方法的估计结果看，匹配倍差法估计结果更优。收入、教育、住房和就业维度减贫效应的匹配倍差估计系数分别为0.492、0.219、0.227 和0.174，均低于倍差法估计系数0.539、0.264、0.268和0.213。从控制变量的标准误来看，匹配倍差估计中各控制变量的标准误也都比倍差法估计结果小，表明倍差法估计结果“虚高”，匹配倍差法估计效果更优，可信度更高。

3.户主年龄、家庭成员是否担任过村干部、家庭劳动人口数、距核心景点距离对参与乡村旅游扶贫农户的收入维度减贫有显著影响；户主受教育程度、交通基础设施条件和离核心景点距离对参与乡村旅游扶贫农户的教育维度减贫有显著影响；家庭成员担任过村干部、离核心景区距离和交通基础设施条件对参与乡村旅游扶贫农户的就业维度减贫有显著影响。

（二）政策建议

1.乡村旅游扶贫对参与农户的收入、教育、住房及就业减贫起到了积极作用，但其多维减贫效应还应进一步挖掘。政府扶贫部门和旅游部门应将乡村旅游扶贫作为一项脱贫致富的重要战略举措，采取各种措施力促当地乡村旅游业的可持续特色发展，让乡村旅游业这一绿色产业成为当地农户发展的重要生计方式，从而使旅游扶贫政策的多维减贫效应更显著并可持续。

2.政府部门采取多种措施引导贫困农户积极参与乡村旅游扶贫，使其有机会有能力共享乡村旅游发展红利，实现稳定的多维脱贫。乡村旅游扶贫项目实施效果关键取决于贫困农户是否参与了乡村旅游扶贫，调查中我们也了解到贫困农户的弱势地位很大程度阻碍他们参与乡村旅游扶贫。因此，要充分发挥担任过村干部的农户、受教育程度高的农户等能人的示范带头作用，积极引导贫困农户参与乡村旅游，同时，政府部门也应为农民提供多种免费的职业技能培训，提高贫困农户的乡村旅游服务水平和经营能力。

3.引入其他精准扶贫方式，进一步减缓健康与生活维度的贫困。为实现全面多维减贫，政府还需引入其他精准扶贫方式，以进一步减缓贫困农户的健康和生活贫困问题，如加快提升乡村医疗服务环境和能力，推进针对贫困人口的疾病防控和健康教育工作等。

4.当地政府应结合当地旅游资源和贫困情况进行科学统筹，确保乡村旅游扶贫政策的公平性。离核心景点距离显著影响着参与乡村旅游扶贫农户的多维减贫效应，因此建议政府、村委会等组织在乡村旅游扶贫项目规划中统筹考虑景点或景区等核心旅游资源的合理布局，充分考虑村庄内部多维减贫的整体效应，确保乡村旅游扶贫政策能让当地农户较公平地分享旅游扶贫带来的各种收益。