集中连片特困地区多维贫困测度与治理研究——基于大别山片区微观调研数据

钱力 倪修凤

(安徽财经大学经济学院，安徽蚌埠233030)

一、引言

贫困是一种复杂的社会经济现象，贫困问题一直受到世界各国的广泛关注，消除贫困是当前我国社会经济发展面临的重大难题。随着减贫脱贫工作的深入开展，贫困概念不断拓宽，贫困无法完全用货币来衡量，仅仅用收入水平或消费支出等经济维度来衡量贫困是片面的，教育水平、基础设施状况和公共服务能力等都能反映人类福祉，多维贫困理论逐渐被广泛接受。集中连片特困地区是特殊的区域性贫困，贫困范围广、贫困程度深，贫困成因较为复杂，是我国脱贫攻坚任务完成过程中的重中之重，是当前扶贫开发工作的主战场。针对集中连片特困地区进行多维贫困治理，不仅要从多维贫困理论角度出发分析其致贫原因，更要运用科学的多维贫困测度方法来测算其贫困程度，根据各片区的不同贫困程度，实施差异性贫困治理措施，实现精准扶贫、精准脱贫，有利于推动集中连片特困地区乃至全国脱贫攻坚的工作步伐，实现整体脱贫、全面小康的战略目标。

大别山片区地处河南、湖北和安徽三省交界地带，集粮食主产区、沿淮低洼易涝区和革命老区于一体，洪涝与干旱等自然灾害频发且破坏性强，是我国洪涝灾害最为严重的地区之一，也是国家新一轮扶贫攻坚主战场中人口规模和密度最大的片区。由于特殊历史、地理、气候等因素影响，大别山片区扶贫对象规模大，人地矛盾突出，矿产资源匮乏，洪涝干旱危害大，公共服务水平低，城镇化进程滞后，交通闭塞、基础设施薄弱，发展相对落后，脱贫攻坚任务相当艰巨。加快大别山片区区域发展步伐，加大其扶贫攻坚力度，有利于推动革命老区及其贫困人口脱贫致富，促进中部地区崛起，进一步深化改革、扩大开放、转变发展方式。大别山片区脱贫攻坚工作的高效开展，为其他片区有效减贫脱贫提供了参考，对实现全面建设小康社会奋斗目标具有十分重要的意义。因此，本文以大别山片区为例，研究全国集中连片特困地区多维贫困治理问题，具有典型性和科学性。

集中连片特困地区多维贫困治理问题具有复杂性和特殊性，各片区贫困程度不同，贫困成因也具有差异性，多维贫困治理需提高精准性。三支决策理论的核心要义是“三分而治”，在信息系统不完备、不精确而难以简单决策接受或拒绝时，引入延迟决策，待决策信息收集完备、充分后再进行准确决策，减小了直接决策的风险和代价，增加了决策的选择性和准确性，这与精准扶贫战略在价值取向上高度一致。因此，将三支决策理论应用于多维贫困治理，具有合理性、适用性和科学性。在多维贫困理论分析基础上，基于三支决策研究视角，运用大别山片区微观调研数据，对其多维贫困治理问题进行定量与定性分析，提供适用性较强、精准度较高的多维贫困治理建议，有利于大别山片区乃至全国集中连片特困地区减贫脱贫，推动精准扶贫战略的进一步实施，实现稳定脱贫、长效脱贫。

二、文献综述

贫困具有复杂性和综合性，仅仅通过收入或消费水平低下来衡量贫困已经不能很好体现贫困的实质，从理论上来说贫困是多维的［1］。首先，贫困衡量指标具有多维性。由于对多维贫困的见解不同和数据来源的限制，现有研究在具体衡量指标选择上具有差异性，但大体上都会参考MPI的指标设定，涵盖教育、健康和生活水平三个方面［2］，社会保障、政治参与［3］、就业、住房和技能［4］等维度逐渐被纳入贫困衡量体系中。随着脱贫攻坚工作的深入，机会、能力、风险［5］和生计资本［6］也越来越受到关注。 其次，贫困形成机理多维。现有研究主要从教育、健康、生活水平和发展能力四个维度分析多维贫困形成机理［7］，但针对不同贫困主体，贫困机理具有差异性。研究表明，营养维度、医疗保障维度和贫困文化维度成为儿童多维贫困的主要致贫因素［8］，收入、教育、健康与社会资本对农民工多维贫困产生重要影响［9］，社会关系、健康、教育、卫生设施和决策权等维度对妇女多维贫困的贡献率较高［10］，外出务工、有未成年子女等因素也在不同程度上解释了女性多维贫困发生的原因［11］，而失能老人多维贫困的主要致贫原因则为精神孤独、照料满意度低、医疗保障水平低等因素［12］。最后，多维贫困测度方法体系逐渐丰富，具有多维特性。针对多维贫困测度，不仅有较常见的 Alkire-Foster多维贫困测度法［13］［14］、CHNS数 据 法［15］［16］，也有创新性测度方法，如通过构建随机占优方法和测算一致性比例两种方法研究多维贫困指数关于维度变化、权重选择的稳定性［17］，采用UNDP-MPI、泰勒指数、空间自相关及多元回归分析等方法分析贫困地区多维贫困的时空格局及影响因素［18］，运用多边形综合图示法、莫兰指数和地理探测器模型等方法对贫困程度、空间格局及影响因素进行研究［19］。

基于集中连片特困地区贫困形成机理多维性与我国精准扶贫战略构想的科学性，贫困治理研究有着重要的理论意义与实践意义。首先，贫困治理体系构建逐渐完善。学者们不仅提出构建以地方政府为扶贫开发主体，非营利组织、国际和本土扶贫NGO、社会组织、个人及政府内部各部门间共同协作的多中心协同反贫困治理体系［20］，还建议下移反贫困治理中心、扩大利益主体参与度、丰富贫困治理工具措施载体［21］，在价值取向中坚持人民性、救急性和发展性，在制度体系中建立专门领导机构体系，持续推动改革［22］。其次，贫困治理绩效评价逐渐专业。利用主成分分析与面板数据回归相结合的研究方法得出我国农村金融发展对于缓解农村地区贫困的绩效评价［23］，将一些综合性较强的如贫困承受指数、Sen-Shorrocks-Thon贫困指数等反贫困指数进行分解，求得各分解要素对农村反贫困绩效的贡献率［24］，运用改进的模糊数学评价法对连片特困区精准扶贫多维绩效进行评价［25］，提出贫困治理绩效评价的改进应在共享发展价值理念的指导下，发展政府内部加外部第三方主体在内的多元评价主体、完善评价内容和指标体系［26］。最后，全面推进贫困治理模式创新。一方面健全社会保障体系，强化社会资本建设［27］，建立包括政府、第三部门、贫困群体在内的多中心贫困治理主体结构等［28］，另一方面运用大数据、物联网等信息通信手段，将互联网和扶贫政策有机融合［29］，化解贫困数据失真、信息不对称、被动救助等难题［30］。

综上所述，国内外学者越来越关注贫困问题，对多维贫困的内涵、测度、形成机理以及治理问题进行了深入研究，取得了丰硕成果，但仍存在一些不足。首先，就研究数据而言，原始数据较多来源于统计年鉴等公开发布的刊物及网站，学者较少采用问卷调查等实地调研方式来获取一手数据，缺乏针对性与真实性；其次，基于研究目的，大部分文献将贫困形成机理、贫困测度或是扶贫绩效评价等作为研究目的，而将多维贫困测度与治理相结合作为研究目的的文献还相对较少；最后，基于研究深度，已有文献提出的贫困治理措施具有普适性，特色性、针对性不强，研究深度还有进一步加大的空间。本文基于2016—2018年大别山片区微观调研数据，运用A-F多维贫困测度模型，测算大别山片区多维贫困程度，并基于三支决策模型，提出具有特色性的多维贫困治理措施，为推进大别山片区乃至全国连片特困地区脱贫攻坚提供借鉴。

三、研究方法、变量选取和数据来源

（一）研究方法

基于集中连片特困地区贫困现状可知，各片区多维贫困程度不同，即使是同一片区不同县域，多维贫困程度都具有一定的差异性。三支决策理论认为，在信息系统不完备、不精确而难以作出接受或拒绝的决策时，可以等到决策信息收集充分后再进行准确决策［31］，其核心要义在于分类施策，这与多维贫困治理在价值取向上高度相关，可为集中连片特困地区多维贫困治理提供理论参考，有利于多维贫困治理路径的有效选择，加快减贫脱贫工作步伐。

对于多维贫困治理来说，随着贫困治理工作不同程度的有效开展，不同年份、不同区域的贫困现状不同，所需选择的贫困治理路径也存在时序性变化。考虑到实际决策问题存在动态性，张春英等人根据决策集合的动态特性提出了基于双向概率PS-粗糙集的动态三支决策模型［32］，较静态三支决策而言，更适用于解决集中连片特困地区多维贫困动态治理问题，并为进一步贫困治理的路径选择提供参考。

1.模型表示

为便于分析，这里只考虑片区适合减小扶持力度和不适合减小扶持力度两种情况。根据三支决策规则，可用状态集Ω=｛X，¬X｝表示贫困户适合减小扶持力度和不适合减小扶持力度两种状态，行动集 A=｛aP，aB，aN｝分别表示减小扶持力度 POS（x）、延迟扶持BND（x）、加大扶持力度NEG（x）三种行动，用λ表示选择某种行动时的损失值，即可得到决策损失矩阵，如表1所示。

表1 三种决策的损失值

三个概率区间两两不相交，并集为实体集U。这里，正域表示贫困程度较轻、可以减小扶持力度的贫困户；负域表示贫困程度较深、需要加大扶持力度的贫困户；而边界域表示在目前条件下难以明确判断贫困程度、需进一步观察的贫困户。

2.方法步骤

（1）构建信息系统。针对三支决策视角下大别山片区多维贫困治理问题，首先构建大别山片区贫困程度评价信息系统，如表2所示。

表2 大别山片区贫困程度评价信息系统

（2）确定风险损失值。为保证研究具有科学性和合理性，采用专家打分法计算大别山片区多维贫困治理的风险损失值 λ， 分别得出 λPP、λBP、λNP、λNN、λBN、λPN 的值。

（3）计算决策阈值α和β。阈值的计算是三支决策模型中的关键问题，计算公式为：

（4）求出等价类并计算概率。等价类的计算方法多种多样，考虑到各贫困户的致贫原因、脱贫难度存在差异，这里采用A-F多维贫困测度模型来测算大别山片区多维贫困程度，以此为依据划分论域，求出等价类，并计算概率 P（X|[x]），其计算公式为。具体测度方法如下：

选取维度数k值（k≤d）进行多维贫困识别：

其中，rij是加权贫困剥夺值，cij(k)为多维贫困剥夺份额。

对不同k值相对应的多维贫困样本数进行识别：

将多维贫困指数进行加总，计算公式如下：

（二）变量选取与数据来源

1.变量选取

基于A-F多维贫困测度模型及方法，参考国内外学者研究常用的维度和指标，如联合国发展计划署（UNDP）与英国牛津贫困与人类发展中心（OPHI）合作开发的多维贫困指数（MPI）中的生活水平、教育和健康三维度，张全红等在此基础上提出了增加收入这一维度［33］，廖娟提出了继续增加就业、资产等维度［34］，以及 Suppa 创新提出了社会参与等维度［35］。结合大别山片区贫困现状与调查问卷结构，选取收入、教育、健康与医疗、生活水平及生产水平等5个维度共12个指标，构建综合评价贫困户多维贫困现状的指标体系。由于各贫困户贫困现状存在差异性，贫困形成机理具有多维特性，这里采用等权重法对各维度的重要性进行赋值，即各维度等权重，维度内部各指标等权重，指标选取及具体赋值情况如表3所示。

2.数据来源与说明

本文数据来自课题组在大别山片区开展的入户调查，数据调查时间从2016年持续到2018年，为连续三年调研的样本数据，保证了原始数据的时序性。调研综合了收入、教育、健康与医疗及生产生活水平等维度，采用分层抽样与简单随机抽样相结合的抽样方法，三年共抽取了12个样本县，基本涵盖了大别山片区贫困程度较深、贫困成因较复杂的县域，样本县的选择具有一定代表性。整个调研过程均采取调研人员与被调查农户一对一、面对面的访谈方式进行，受访者基本上是户主，当户主不在家或受身体健康等状况限制无法接受访问时，选择直系亲属、或对该家庭非常了解的邻居作为受访者，共发放580份问卷，剔除无效问卷后共获得566份（其中2016年127份，2017年253份，2018年186份）有效问卷，有效率为97.58%，调研质量较高，为有效问卷的准确性和有效性提供了有力保障。

表3 维度、指标、权重及剥夺临界值的选取与设定

四、实证结果与分析

（一）样本描述性统计

为了有效概括和表征大别山片区农户家庭基本情况现状，对大别山片区2018年186份有效问卷上的样本数据进行描述性统计，以掌握样本农户及家庭基本特征和收支结构，为进一步的研究分析奠定基础。

1.样本农户及家庭基本特征

基于户属性、家庭户籍人口数、房屋结构、建档立卡时间及主要致贫原因等指标进行统计分析，分析结果如表4所示。

表4 2018年样本农户及家庭基本特征（n=186）

由上表分析结果可知，户属性指标中占比最高的是一般贫困户，达到46.77%左右，低保户和五保户占比共计47.85%，这说明大别山片区贫困现状依然严峻。家庭户籍人口数指标中一人户比例较高，五户贫困户中就有一户是一人户，且大都是独居老人，自身发展能力不足，需要当地政府提供更多的政策支持。房屋结构以砖混和砖木为主，基本没有居住土坯房的情况，住房安全基本能够得到保障。从建档立卡时间指标来看，高达63.98%的贫困户建档立卡时间是2014年，建档立卡户数逐年减少，这与脱贫攻坚工作的有效开展有着密切联系。就主要致贫原因来看，自我发展能力不足占比最高，成为制约大别山片区减贫脱贫步伐的最主要影响因素，其次是因病、因残，这说明贫困根源于贫困主体自身，加快培育并增强贫困户自我发展能力是大别山片区下一步减贫脱贫工作的重点之一。就家庭年人均纯收入而言，以3500元以下居多，这表明大别山片区贫困户年人均纯收入不高，扶贫工作有待进一步有效开展；但可喜的是家庭年人均纯收入在5000—10000元之间的贫困户比例也相对较高，减贫成效较为明显。

2.收支结构

通过对主要收入来源、主要支出用途两指标进行统计分析，以了解大别山片区2018年样本农户及家庭收支结构，分析结果如表5所示。

表5 2018年样本农户及家庭收支结构（n=186）

由于主要收入来源与支出用途具有多样性，各分类占比总和超过100%。基于上表所示，大别山片区贫困户收入更多来源于务工收入，占比达到51.92%，平均在15000元左右，这说明外出务工能够有效增加收入；很大一部分贫困户（42.94%）的主要收入来源于政府提供的生活保障性资金，这与大别山片区一人户较多、低保和五保户比例较高、自身发展能力不足有关；种植业和养殖业加总占比为57.69%，但均值仅达到3900元左右，只占务工收入的1/4；其他如自主经营等方式取得的收入只占一小部分，仅为10.90%左右。就主要支出用途而言，衣食保障占比最高，高达98.09%，均值能达到9000元左右，切实保障贫困户基本生活是脱贫攻坚任务中的首要工作之一；而文化教育、医疗健康和农业生产比例相当，需加快推进教育、健康和生产生活条件的改善。

（二）多维贫困各维度贡献率

多维贫困指数具有可分解性，但各维度对多维贫困贡献率具有差异性。为具体了解各维度贡献率变化情况，本文特对2016—2018年各维度贡献率进行计算并分析，结果如图1所示。

基于上图可知，三年来，收入维度贡献率基本保持不变，维持在28.00%左右，呈现出微弱的下降趋势，这说明大别山片区由于收入来源单一或收入水平过分低下而导致贫困的贫困户有所减少；教育维度贡献率较收入维度呈现出较为明显的下降趋势，由2016年的14.29%降至2018年的9.00%，但主要体现在2017—2018年度，这与国家越来越重视教育平等、特别是贫困地区教育保障问题有着重要联系；健康与医疗维度贡献率下降趋势最为明显，由2016年的21.43%直接降至2017年的10.00%，2018年与2017年持平，可见近年来看病难、看病贵、看病烦现象有着明显改善，贫困人口健康水平得到有效提高；就生活水平维度贡献率来看，三年来尚未有明显变化，基本保持在15.38%左右，仅为收入维度贡献率的一半；生产水平维度贡献率逐年上升，且上升趋势明显，由2016年的19.00%上升至2017年的30.77%，2018年又增至40.00%，可见生产水平低下越来越制约着大别山片区脱贫攻坚工作的有效开展，这与大别山片区地貌形态复杂、人地关系紧张有着一定的联系。

（三）综合测度视角下动态三支决策结果与分析

受篇幅限制，对全部样本户进行编号，采用随机起点等距抽样的统计方法，每年各抽取20份问卷，并进行重新编号，依次为 x1，x2，x3，…，x20。根据上述模型与方法，基于2016—2018年大别山片区微观调研数据，通过构建多维贫困测度指标体系，对大别山片区进行多维贫困综合评价，并基于此进行动态三支决策分析，结果如表6所示。

表6 2016—2018年大别山片区多维贫困综合评价

1.2016年动态三支决策结果

根据大别山片区多维贫困形成机理、贫困现状及贫困程度结果，对论域U进行划分，可得到如下等价类：U/A=｛X1，X2，X3，X4｝，其中，X1=｛x1，x3，x4，x7，x13，x14，x15，x17，x18，x19｝，X2=｛x6，x8｝，X3=｛x2，x5，x9，x10，x20｝，X4=｛x11，x12，x16｝。 设目标域 X=｛x1，x6，x8｝，根据等价类概率计算公式，可得 P （X|X1）=0.2，P（X|X2）=0.67，P（X|X3）=0，P（X|X4）=0。

通过对数据进行标准化处理、指标约简以及风险损失值的确定与计算，可得决策阈值α=0.65，β=0.15。根据三支决策规则，P（X|X2）=0.67＞α，则将｛x6，x8｝划分到正域，即多维贫困程度较浅、适合减小扶持力度的样本 户 ；P（X|X3）=P（X|X4）=0＜β，则 将｛x2，x5，x9，x10，x11，x12，x16，x20｝ 划分到负域， 即多维贫困程度较深、适合加大扶持力度的样本户；β＜P（X|X1）=0.2＜α，则将｛x1，x3，x4，x7，x13，x14，x15，x17，x18，x19｝划 分 到边界域，即多维贫困程度暂时无法减轻、需进一步监测才能进行贫困治理决策的样本户。

2.2017年动态三支决策结果

根据决策规则，应将｛x2，x5，x6，x9，x10，x11，x18｝划分到正域，｛x3，x4，x7，x12，x16｝划分到负域，｛x1，x8，x13，x14，x15，x17，x19，x20｝划分到边界域。其中，与 2016 年决策结果相比，X8从正域迁入边界域，x3、x4和x7从边界域迁出，划分到负域，表明这些样本户2016年来贫困治理决策实施效果并不太理想，需结合家庭具体情况给予针对性较强的帮扶措施；x20从负域迁入边界域，x18从边界域迁入到正域，说明这些样本户2016年来减贫工作略有成效，需提出创新性扶贫措施；x2、x5、x9、x10和 x11从负域迁出，直接划分到正域，表征这些样本户2016年来减贫工作成效明显，可适当减小扶持力度，保证稳定、长效脱贫；其他样本户仍被划分到原来决策阈中，尚未发生迁入迁出现象，即贫困治理成效与2016年基本持平。

3.2018年动态三支决策结果

根据决策规则，应将｛x1，x2，x4，x5，x6，x11，x15，x18，x20｝划分到正域，｛x3，x9，x17｝划分到负域，｛x7，x8，x10，x12，x13，x14，x16，x19｝划分到边界域。其中，与 2017 年决策结果相比，X10从正域迁入边界域，X17从边界域迁出，划分到负域，表明这些样本户的贫困现状尚未得到有效缓解；X7、x12和 x16从负域迁入边界域，x1、x15和x20从边界域迁入正域，表征这些样本户2017年来贫困程度略有减轻；x4从负域迁出，直接划分到正域，而x9从正域直接迁入负域，表明x4贫困程度逐年减轻，而x9贫困现状却未见好转。

综合2016—2018年动态三支决策分析结果来看，大别山片区总体上多维贫困程度明显减轻，贫困治理成效明显。基于上述分析结果，从贫困治理成效角度来看，迁入正域中的样本户数逐年增多，属于轻度贫困的样本数由2016年的2个增长到2018年的9个；而划分到负域、边界域中的样本户数逐年减少，隶属于重度贫困的样本数由2016年的8个减少至2018年的3个，中度贫困的样本户数也减少了2个，这与国家精准扶贫战略的有效实施、多维贫困治理的创新性及其决策的准确性有着密切联系。

五、研究结论与对策建议

大别山片区多维贫困治理问题不是能够一概而论的，不同地区、不同贫困程度、不同致贫原因等都会增加贫困治理问题的复杂性，因此运用三支决策模型进行贫困治理是十分有必要的。基于三支决策研究视角，运用大别山片区微观调研数据，对其多维贫困治理问题进行定量与定性分析，得出研究结论并提供适用性、特色性较强的多维贫困治理建议，有利于大别山片区乃至全国集中连片特困地区减贫脱贫，实现稳定脱贫、长效脱贫。

（一）研究结论

大别山片区贫困成因复杂，贫困范围较广，要实现全面建设小康社会的战略目标，关键在于有效治理多维贫困，实现持久脱贫。本文基于2016—2018年大别山片区微观调研数据，构建多维贫困评价指标体系，依据综合评价结果，进行动态三支决策分析，可以得到如下结论：

1.总体来看，大别山片区多维贫困程度明显减轻，贫困治理成效显著，但不同年份、不同地区贫困户的多维贫困程度仍有较大差异，贫困治理有效性不同。根据多维贫困测度与三支决策分析结果，划分到负域、边界域中的样本户数逐年减少，隶属于重度贫困的样本户数由2016年的8个减少至2018年的3个，中度贫困的样本户数也减少了2个，而轻度贫困的样本户数直接增加了7个。基于动态三支决策结果，每年各决策域都有较频繁的迁入迁出现象，贫困治理路径需及时更新。

2.就致贫原因而言，自我发展能力不足成为大别山片区多维贫困的主要影响因素。根据描述性统计结果来看，主要致贫原因中自我发展能力不足占比最高，达到38.71%，成为制约大别山片区减贫脱贫步伐的最主要影响因素，其次是因病、因残，这说明多维贫困根源于贫困主体自身，加快培育并增强贫困户自我发展能力是大别山片区下一步减贫脱贫工作的重点之一。

3.生产水平的提高越来越成为大别山片区减贫脱贫的关键工作。基于2016—2018年各维度对大别山片区多维贫困贡献率的结果，收入和生活水平维度贡献率基本持平，教育、健康与医疗维度贡献率逐年递减，但生产水平维度却逐年上升，生产水平的有效提高越来越成为大别山片区减贫脱贫工作的关键所在。

（二）对策建议

1.积极承接产业转移，培育并增强大别山片区自身发展能力。立足区位优势，主动承接长江三角洲、珠江三角洲等地区和周边发达城市的产业转移，发挥大别山片区劳动力资源优势，大力承接纺织服装等劳动密集型产业，解决片区贫困人口就业等问题，扩大增收渠道，促进大别山片区减贫脱贫。

2.提高大别山片区农村劳动力素质，增强贫困人口自我发展能力。围绕承接产业转移和优化产业结构，大力开展农村转移劳动力的继续教育和职业技术培训，鼓励农村劳动力参加各种职业技能培训，提高职业技能、科技素质，从“输血式扶贫”向“造血式扶贫”转变，增强大别山片区贫困人口自我发展能力。

3.大力推动大别山片区文化旅游融合发展。深度挖掘整合历史文化、红色文化及生态旅游资源，以革命旧址、历史文化遗产和国家级自然保护区、森林公园等为依托，加强片区内外旅游热线的连接和旅游区域合作，扩大文化影响力，促进片区经济发展，为贫困户增加收入，加快推动大别山片区脱贫攻坚步伐。