扶贫开发工作重点县政策的经济增长效应——基于河北省县级数据的准自然实验研究

金 浩，张文若，李瑞晶

（1.河北工业大学 经济管理学院，天津 300401；2.河北金融学院 金融系，河北 保定 071051）

一、引言

扶贫开发是我国实现乡村振兴、共建小康社会的必由之路。随着脱贫攻坚进入深水区，国家扶贫开发工作也更加强调精准性，扶贫工作重心逐渐转向以集中连片特殊困难地区和国家扶贫开发工作重点县为代表的主战场。2012 年3 月，国务院扶贫开发领导小组正式公布了最新一轮扶贫开发工作重点县（下文简称“贫困县”）名单，将592 个贫困人口集中、基础设施薄弱，扶贫难度较大的县（市、区、旗，下文简称“县”）确立为国家级贫困县，并为其提供政策倾斜。

贫困县的设立始终是我国扶贫开发工作的重要环节，被列为贫困县的地区在财政转移支付、息税减免、公共服务和基础设施建设等多个方面享有政策优惠。但这些政策优惠能否真正惠及贫困县经济发展与居民生活水平提升？前期已有很多学者对此开展了深入的研究和探讨。

一种观点认为，贫困县政策的实施取得了比较理想的政策效果，有利于提升贫困县人力资本存量和人均储蓄存款余额[1-2]，推动“三农”发展和工业部门生产率提升[3-4]，进而促进贫困县经济增长和提升农村居民的人均收入水平[5]。黄志平[6]认为，国家级贫困县的设立主要通过优化产业结构和增加固定资产投资的渠道发挥作用，对于县域经济增长存在显著而持久的推动效应，并且有助于降低区域间经济发展的不平衡性。

而另一种观点认为，贫困县政策的脱贫效果明显被夸大了。由于存在“后发优势”[7]，贫困发生率的下降不过是经济增长的自然规律的体现[8]。第一，贫困县政策可能存在政策失灵现象，由于缺乏有效的配套制度保障，扶贫开发工作重点县政策不仅未能促进县域人均GDP 的增长，反而扩大了区域差距[9]。第二，贫困县政策存在偏重“三农”发展的倾向，过度扶持落后产业发展，抑制了这些地区的城市化进程，对于缩小城乡差距存在不利影响[10]。第三，由于缺乏完善的贫困县退出机制，随着时间的推移，政策的精准度和有效性也会有所下降[11-12]。

此外，还有研究对扶贫政策成效的区域异质性进行了分析[13]。王艺明等[14]指出，“八七计划”在贵州、甘肃、内蒙古和河北四省区的政策效果各有差异，其中在甘肃和贵州，政策实施绩效更加显著，而在内蒙古和河北，政策效果不稳定。刘伟等[15]和赵正等[16]分别针对陕西安康和秦岭地区的贫困农户开展了调查研究，认为参与精准扶贫项目有利于提高两地农村贫困农户收入。但江帆等[17]针对湖北省实证研究却发现，扶贫开发政策的执行并未有效推动贫困县经济增长，更不利于缩小区域间经济差异。

综上可知，已有文献不仅对贫困县政策的执行效果存在一定争议，并且发现政策的实施成效在不同地区也表现出明显的异质性。在最新一轮的国家扶贫开发战略中，河北省有39 个县被列为贫困县，是我国东部沿海地区贫困县数量最多、贫困程度最深的省份之一。现有研究普遍侧重关注我国西部地区、老少边穷地区、民族地区的扶贫开发进程，却很少有研究讨论扶贫开发工作重点县政策在河北省的执行情况。河北省的贫困县主要集中在张承地区、环首都地区、太行山区和黑龙港流域，这些地区自然生态环境恶劣，经济基础薄弱，面临经济建设和生态涵养的双重压力，其贫困问题极具典型性和特殊性。基于此，本研究以河北省为例，采用倾向得分匹配-双重差分（PSM-DID）模型构建准自然实验分析框架，评估扶贫开发工作重点县政策对于河北省县域经济增长的影响及其作用机制。本研究有助于对我国扶贫开发工作重点县政策执行的有效性进行更加充分和全面的认识，并为扶贫开发政策与区域经济发展战略的合理对接提供理论参考。

二、理论分析与研究假设

近年来，河北省通过财政专项资金投入、税息优惠、产业培育、就业帮扶、教育脱贫等多种渠道并行推进减贫工作。在产业扶贫方面，各地区结合当地资源禀赋和产业基础，通过现代农业产业园区、带贫合作社、家庭农场等多种经营主体模式，应用先进技术，发展具有乡土特色的手工业和生态旅游业，培育涉农新业态，带动贫困地区发展和贫困人口脱贫致富。在金融扶贫方面，运用财政和金融工具聚合金融资源，为贫困县经济发展提供优质资本积累[18]。2018年河北省财政投入专项扶贫资金40.4 亿元，同比增长306%[19]；2017 年河北省贫困县贷款余额达4 486.1亿元，高于河北全省和非贫困县贷款增速[20]。在教育和技能扶贫方面，一是在义务教育阶段，通过改善农村办学条件、资助建档立卡贫困生入学、行政督促辍学学生复学等措施提高义务教育巩固率；二是在劳动力培养上，坚持“扶贫先扶智”，通过发展职业教育和培训、推进产教融合，着力提升劳动力素质和技术能力，促进贫困劳动力就业。综上所述，如图1 所示，扶贫开发重点县政策主要通过支持县域产业发展、增加县域资本和劳动力生产要素积累等多种渠道促进贫困县经济增长。

基于以上分析，本文提出以下两个研究假设：

假设1：扶贫开发重点县政策有利于促进河北省贫困县经济增长。

图1 扶贫开发重点县政策影响贫困县经济增长的作用机理

假设2：扶贫开发重点县政策通过支持县域产业发展、增加县域资本和劳动力生产要素积累等多种渠道促进河北省贫困县经济增长。

三、模型构建与数据说明

（一）PSM-DID 方法

贫困县政策在河北省的实施构成了一项准自然实验，可以采用双重差分法（Difference in Differences，DID）评估政策的实施效果。DID 将政策和时间虚拟变量的交互项纳入到回归模型中，通过比较政策实施前后，受到政策影响的地区与未受影响的地区的差异估算政策执行的影响。

但是在实践中，由于贫困县和非贫困县的特征本身就存在差异，这样一来就会导致传统DID 模型在估计上存在样本选择偏误。Rosenbaum et al.[21]提出的倾向得分匹配（Propensity Score Matching，PSM）方法则可以有效解决这一问题。PSM 的基本思想是，考虑一个地区是否被列为贫困县的影响因素，构建Logistic 回归模型计算每个地区被列为贫困县的概率（即倾向得分），然后将得分接近的样本进行匹配，并将没有匹配对象的样本剔除，那么剩余样本就具有了同质性。使用匹配后的精炼样本构建DID 模型，可以避免由于样本选择性偏差而导致的估计偏误，从而能够更加精准地识别政策带来的净效应。

（二）模型、变量与数据说明

本研究使用PSM-DID 方法分析贫困县政策的经济增长效应，构建DID 基准回归模型如式（1）所示：

模型被解释变量为县域经济增长水平，使用人均GDP 的自然对数表示。

核心解释变量did 为贫困县虚拟变量poverty和政策执行时间虚拟变量time 的交互项。其中贫困县虚拟变量根据国务院扶贫开发领导小组于2012年3 月公布的《国家扶贫开发工作重点县名单》确定，若一个地区位于名单中，令poverty=1，否则令poverty=0。政策执行时点根据文件发布时间确定，令2012 年及以后年份的time=1，否则令time=0。

模型控制变量主要包括其他可能影响区域经济增长的因素。参考同类研究的控制变量设定情况[6，9]，本研究选择产业结构合理化、产业结构高级化、金融机构贷款规模、固定资产投资规模、政府干预强度、居民受教育程度和劳动力规模等7 项指标作为控制变量。其中产业结构合理化使用二三产业增加值占GDP 的比重表示，记为industry1；产业结构高级化使用第三产业增加值与第二产业增加值之比表示，记为industry2；金融机构贷款规模使用人均金融机构贷款余额的自然对数表示，记为lnfin；固定资产投资规模使用固定资产投资余额与GDP 之比表示，记为investment；政府干预强度使用财政预算收支之和与GDP 的比值表示，记为gov；居民受教育水平使用中小学在校学生数与总人口数之比表示，记为edu；劳动力规模使用单位就业人数与总人口数之比表示，记为labor。基准回归模型涉及的主要变量设定情况汇总如表1 所示。

研究样本选择河北省131 个县2008—2016 年均衡面板数据，其中37 个县为贫困县，94 个县为非贫困县。原始数据来源于国研网县级经济统计数据库和CNKI 中国经济社会大数据研究平台，个别缺失数据采用插值法弥补。变量数据的描述性统计分析情况如表2 所示。从中可以看出，贫困县的人均GDP、二三产业占比、金融机构贷款规模、人均受教育程度和就业规模都低于非贫困县和全部样本的平均值，但财政收支占GDP 的比重高于非贫困县，表明贫困县与其他地区相比经济状况相对更差，并受到了更强政策干预的影响，这从侧面反映出扶贫政策具有较好的瞄准性。

表1 基准模型主要变量汇总

四、实证结果与分析

（一）倾向得分匹配

本研究使用一对一临近匹配法对贫困县与非贫困县样本进行倾向得分匹配，匹配使用的协变量包括：rgdp、industry1、industry2、lnsave、lnfin、investment、edu、labor 和lngov。其中变量rgdp、lnsave 和lngov 分别表示人均GDP、人均金融机构储蓄存款余额的自然对数和人均财政收入的自然对数，其余变量的含义和计算方式与前文一致。除极少数，Logistic 回归模型的估计系数均通过了显著性检验，表明协变量选择有效。倾向得分匹配的检验结果如图2 和表3所示，匹配后贫困县和非贫困县的公共支撑范围如图3 所示。

表2 变量数据的描述性统计

图2 匹配前后贫困县与非贫困县的标准偏差

图3 匹配后样本的共同支撑域

从图2 和表3 中可以看出，匹配前贫困县与非贫困县的标准偏差值较大，均超过了35%，平衡性检验的p 统计值也在0.01 的显著性水平下拒绝原假设，说明二者存在明显的系统性偏差。匹配后两组样本的特征变量均值的差异与匹配前（表3）相比有所减小，标准化偏差值明显降低，均低于20%，平衡性检验的p 值大多不再显著，Logistic 回归模型的伪R2也从0.295 降低到0.019，表明匹配后贫困县和非贫困县的特征差异得到了很好的控制，可以有效地降低回归过程中的样本选择偏误。如图3 所示，匹配后的贫困县和非贫困县样本存在一定的共同支撑范围，处在共同支撑域内的样本有977 个，损耗样本202 个。

（二）政策效应分析

基准回归模型的估计结果如表4 所示，其中第（1）列和第（2）列分别为匹配前样本随机效应和固定效应模型的估计结果，第（3）列和第（4）列分别为匹配后样本随机效应和固定效应模型的估计结果。模型的拟合优度R2接近0.9，解释变量的估计系数大多也通过了显著性检验，回归结果比较理想。

从主要解释变量的回归结果来看，变量did 的回归系数为正，且在大多数情况下都通过了显著性检验（随机效应的PSM-DID 模型除外），表明扶贫开发工作重点县政策的实施对于县域经济增长存在显著的促进效果。从各个控制变量的回归结果来看，变量lnfin、edu 和labor 的回归系数显著为正，表明金融机构贷款、居民受教育水平和就业水平对区域经济增长均存在显著的促进作用。变量industry1 和industry2、investment 和gov 的回归系数显著为负，反映出县域产业结构、固定资产投资和政府干预与经济增长呈负相关关系。

（三）作用机制分析

进一步，本研究通过构建含政策虚拟变量和解释变量交互项的回归模型，具体分析贫困县政策推动县域经济增长的作用机制。如式（2）所示，X×poverty 为政策虚拟变量与解释变量的交互项，结合前文的理论分析可知，扶贫开发政策主要在资本投入、产业发展、增进教育和就业等方面施加政策影响，因此将X 分别设定为lnfin、investment、industry1、industry2、edu 和labor。εit为随机误差项。模型的回归结果如表5 所示。

表5 中第一行的变量名代表其所属列模型的X。从模型估计结果来看，全部模型的R2均超过了0.86，拟合优度较高。从政策的作用机制来看，变量investment×poverty 的回归系数显著为正而investment 不显著，表明在河北省县域可能存在固定资产投资浪费现象，导致投资促进经济增长的效果没有很好地体现，但贫困县政策的实施可以改善固定资产投资利用方式，使其显著地促进经济增长。变量investment×poverty 的系数显著为正，反映出政策可以提升贫困县的贷款可得性，改善贫困地区的金融排斥现象，但政策效应相对较小。从产业结构调整的渠道来看，变量industry1×poverty 和industry2×poverty 的回归系数均显著为正，反映出扶贫开发政策对于“三农”发展的支持一定程度上扭转了县域产业结构不合理的局面，更有利于培育与当地要素资源禀赋和经济发展需求相适应的优势产业。变量edu×poverty 和labor×poverty 的回归系数均显著为正，表明贫困县政策的实施提高了劳动力素质，促进了就业，为县域经济增长提供了更有力的人力资本积累。

（四）稳健性检验

本研究采用安慰剂检验和更换PSM 协变量两种方法对实证结果进行稳健性检验，以保证研究结论的可靠性。

第一，通过构建反事实分析框架进行安慰剂检验，其基本思路为：分别假设政策实施时间提前两年和推迟两年，若此时变量did 的回归系数仍然显著，则说明存在某种未考虑的因素而非政策本身导致了贫困县的经济增长。安慰剂检验模型的回归结果如表6 所示，从中可以看出，无论是假设政策提前还是推迟两年实施，变量did 的回归系数均不再显著，表明安慰剂政策对经济增长未表现出促进作用，也就是说，扶贫开发政策确实产生了促进县域经济增长的效果。

第二，本研究通过更换PSM 协变量的方式进行稳健性检验。本文在这里选择了两组变量作为PSM的协变量：第一类是反映县域经济特征的变量组合，具体包括县域人均GDP（rgdp）、产业结构合理化（industry1）和产业结构高级化（industry2）三项指标；第二类是反映县域生产要素投入的变量组合，具体包括贷款规模（lnfin）、固定资产投资规模（investment）、居民受教育水平（edu）和就业水平（labor）四项指标。匹配方式仍然选用一对一近邻匹配法。由于这里使用的协变量数量减少，相当于放松了匹配条件，因此处在共同支撑域内的样本数量有所增加，保留样本分别为1 025 个和1 058 个。更换匹配变量后的PSM-DID 模型回归结果如表7 所示，其中第（1）列和第（2）列分别为第一组PSM 的随机效应和固定效应模型的回归结果，第（3）列和第（4）列分别为第二组PSM 的随机效应和固定效应模型回归结果。从表7 中可以看出，PSM-DID 模型的拟合优度均接近0.9，解释变量的回归系数方向、大小及其显著性水平与基准回归模型高度一致，表明实证结果具备较好的稳健性。

表6 安慰剂检验模型回归结果

五、结论与建议

扶贫开发工作重点县政策是我国新一轮扶贫开发战略的核心制度性安排。本研究基于河北省131个县2008—2016 年面板数据，采用PSM-DID 方法构建准自然实验分析框架，评估了政策实施对于河北省贫困县经济增长的影响及其作用机制。研究发现：扶贫开发工作重点县政策在河北省的实施取得了比较理想的效果，有利于促进贫困县经济增长，并且这一结论通过了反事实分析、更换PSM 协变量等多种形式的稳健性检验；政策的实施可通过支持县域优势产业发展、增加县域资本和劳动力生产要素积累等多种渠道起到推动贫困地区经济增长的作用。

表7 更换匹配变量的模型回归结果

本文对未来河北省县域扶贫开发与经济发展提出如下政策建议：第一，应因地因时制宜地完善扶贫开发机制，避免为了满足短期考核指标而进行“一刀切”的政策改革模式。作为京津冀协同发展和雄安新区建设的组成部分，河北省的发展具有至关重要的战略性意义，未来的扶贫开发战略应和区域协同发展战略实现有效衔接，重视县域优势产业和龙头企业发展，培育县域经济增长的内生动力，逐步缩小与发达地区的差距。第二，应重视扶贫开发政策效应的持久性和延续性。现阶段贫困县逐步脱贫摘帽，需要谨防这些刚刚脱贫的地区在缺少国家政策扶持的情况下再度陷入贫困。建议及时采取一些地方性的政策措施打造优势平台，营造有利环境，吸引更多市场和社会力量参与县域经济建设，从而对贫困县政策退出的影响起到一定缓和作用。