农村贫困补助的瞄准精度、瞄准成本与减贫方案分析

边 恕，张铭志，孙雅娜

(1. 辽宁大学 人口研究所，辽宁 沈阳 110036；2. 辽宁大学 新华国际商学院，辽宁 沈阳 110036)

一、引言

改革开放四十多年来，我国农村共有七亿多贫困人口摆脱贫困，是世界上减贫人数最多的国家(1)资源来源：中华人民共和国国务院新闻办公室.中国的减贫行动与人权进步[N].人民日报海外版，2016-10-18(005)。。在取得历史性成就的同时，我国减贫事业已进入“啃硬骨头、攻坚拔寨”的冲刺期，脱贫难度增大，减贫成本提高，农村地区贫困补助的目标瞄准问题成为政界和学界共同关注的焦点。我国从1986年开始实施目标瞄准型的开发式扶贫政策，目标瞄准(Targeting)是指将扶贫资源选择性地分配给特定人群的过程，主要涉及两个方面：一是瞄准机制，如何准确地识别扶贫政策目标所选择的特定贫困群体；二是分配方案，如何将有限的扶贫资源有效地分配给特定贫困群体，这也是选择性政策的延续[1]。

不同的瞄准机制使用不同的标准来确定补助受益人。当前农村扶贫对象的认定主要采用家计调查(Means Tests)为核心的目标瞄准机制，即通过评估补助申请者的收入情况以确定其受助资格。在实践中，农村贫困补助面临较为严重的瞄准困境，存在错保率和漏保率较高、扶贫资金使用效益偏低和减贫效果受限等问题[2-5]。农村劳动力多在非正式部门工作，由于缺乏完善的收入核算体系，收集并核实其收入信息难度较大，由此产生高昂的行政成本也是明显的局限之处[6]。任何瞄准机制与分配方案都是有成本的[7]，增加行政成本可以提高瞄准精度，更准确地识别贫困样本，但也有可能挤占贫困群体补助资金，降低扶贫资金的利用效率[8-9]。区别于普惠式扶贫，选择性扶贫方案中行政成本是一笔不容小觑的支出，研究表明，行政成本占扶贫项目总支出的10%左右甚至更高[10-12]。因此，瞄准机制需要综合考虑瞄准精度和瞄准成本对减贫效果的影响。

本文引入代理家计调查(Proxy Means Tests)作为家计调查的替代机制，该机制并未直接调查收入或消费数据，而是使用易于观察、便于验证的客观表征指标来预测补助申请者的收入水平并判断其贫困状况。作为目标瞄准工具箱的新方法，代理家计调查在1980年智利推出Ficha CAS计划中被首次使用，并在拉丁美洲和东南亚等地试点及推广[13]。国外学者广泛地评估乌干达[14]、孟加拉国[15]、印度尼西亚[16]和肯尼亚[17]等地反贫困项目中应用代理家计调查的实施效果。国内有学者使用690户宁夏农村家庭调查数据构造OLS模型并使用遗漏率和漏损率两个指标判断模型瞄准偏误[18]，也有学者使用2013年中国居民家庭收入调查数据构造OLS、分位数回归模型并使用低保名额和金额等共四个指标检验瞄准效果[19]，研究结论均肯定代理家计调查测量尺度科学、操作简便、成本较低并且具有良好的区分功能。

国内外学者的先期研究还存在以下不足：仅使用地区性或者单期调研数据测算代理家计调查的瞄准精度，在样本数据选取和衡量指标设计方面有局限性；对于瞄准成本的讨论止步于定性研究，微观定量研究不足，仅考虑瞄准精度对减贫效果的影响，忽视了瞄准成本与减贫效果的关系；对于现实农村扶贫资源分配方式的实证研究较为匮乏。鉴于此，本文将农村贫困补助的瞄准精度、瞄准成本和减贫效果纳入同一分析框架，使用两期中国家庭追踪调查(CFPS)农村样本数据，构建八个指标比较现行贫困补助与代理家计调查机制的瞄准精度，量化检验代理家计调查的瞄准效果，并在此基础上设计三种补助分配减贫方案，综合评估其瞄准成本与减贫效果，以期提高农村扶贫资源的利用效率，助力国家治理与社会治理向精细化方向转型。

二、研究方法与数据来源

1.数据来源与变量说明

本文数据来源为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 Panel Studies，CFPS)。该调查使用多阶段、多层次的概率抽样，调查范围覆盖全国25个省/市/自治区。研究选取2014年和2016年农村样本数据作为研究对象，经过整理筛选，两期数据保留的样本量依次为9290个和9499个。依据分析框架，具体变量设定如下。

(1)被解释变量。农村地区贫困样本的识别以年收入为标准。出于收入函数正态分布的考虑，将被解释变量不包含政府补助的人均年纯收入作对数处理。

(2)解释变量。为了更好地预测样本收入水平，代理家计调查的表征变量选取主要遵循两个原则，一是与收入水平高度相关，二是选择易于观察、可验证的客观指标[20]。本文表征指标的选取主要包括户主特征、家庭人口特征、生活条件特征、耐用品特征和住房特征。首先，户主的特征与家庭收入水平息息相关，将问卷中“财务回答人”作为识别家庭户主的指标，得到其年龄、受教育程度、就业情况与所在省份信息，并且加入年龄平方项以检验收入与年龄的关系是否为线性。其次，家庭人口特征包括家庭人口数量和人口就业情况，分性别统计样本家庭中20—59岁适龄劳动力、60岁及以上老年人的人数，并统计样本家庭中从事外出打工、领取工资和从事个体私营的人数，这些直接影响现在和未来的收入情况，并且都是公开、真实的数据。再次，生活条件特征主要选取做饭燃料和用水情况，这是反映农民经济状况的基础指标，在调查中也易于操作、方便复核。最后，在耐用品特征和住房特征上选取拥有汽车、房产的情况及装修情况，因为在现实农村，住房和汽车很大程度上代表了农民的经济实力，并且指标容易观察、不易伪造。

解释变量的具体赋值情况如下：根据问卷计算得到户主的年龄及年龄平方项；将户主受教育程度赋值1—5，分别代表文盲、小学、初中、高中/中专、大专及以上学历；户主领取退休金的赋值为1，反之为0；所在省份划分为四个区域，东部、中部、西部和东北省份分别赋值0—3；使用柴草或者煤炭等原始燃料作为做饭燃料的赋值为0，反之为1；每个月不使用收费的水资源，即没有产生水费的赋值为0，反之为1；家庭未拥有汽车的赋值为0，反之为1；目前居住方式是租房的赋值为0，反之为1；除现住房以外还有其他房产取1，反之取0；问卷中“室内装修程度”选项中共有7个评级，将评级小于4即装修状况较差的赋值为0，反之为1。从取值可见，两期数据具有较好的延续性，详见表1。

表1 各变量的描述性统计

2.瞄准效果测度指标

本文使用国家农村贫困线(2300元/年，为2010年不变价)作为划分贫困与非贫困样本的界限，并以2010年为基期对贫困线进行调整，得到购买力等同于2010年贫困线的人均年收入，2014年和2016年分别为2800元和3000元。从实际贫困和预测贫困两个维度，本文将样本划分为以下四个类型：表2中m1代表正确识别的贫困样本数，m2代表将贫困家庭错误识别为非贫困家庭的样本数，即弃真错误，n1代表将非贫困家庭错误识别为贫困家庭，即存伪错误，n2代表正确排除的非贫困样本数。此外，m3为实际贫困总样本数，n3为实际非贫困总样本数，s1为预测贫困总样本数，s2为预测非贫困总样本数，s3为总样本数。

表2 农村样本的类型划分

鉴于模型只是选择适合的表征指标预测样本收入水平并判断其贫困状况，而非寻求致贫因素或推出因果关系，因此本文构造八个测度指标衡量模型的瞄准效果。具体如下：

实际贫困发生率(Real poverty incidence,RI)。即实际人均收入低于贫困线的样本数占总样本数的比重。

RI=m3/s3*100%

(1)

预测贫困发生率(Predicting poverty incidence,PI)。即预测人均收入低于贫困线的样本数占总样本数的比重。

PI=s1/s3*100%

(2)

预测总准确度(Total Accuracy,TA)。即正确识别的贫困和非贫困样本数占总样本数的比重，该数值越大，表示模型正确区分样本的准确度越高。

TA=(m1+n2)/s3*100%

(3)

预测贫困准确度(Poverty Accuracy,PA)。即正确识别的贫困样本数占贫困总样本数的比重，该数值越大，表示识别贫困样本的准确度越高。

PA=m1/m3*100%

(4)

弃真率(Undercoverage Rate,UR)。即错误地将贫困样本识别为非贫困的样本数占实际贫困总样本数的比重。该值越小，表示越多的真正贫困样本被正确识别。

UR=m2/m3*100%

(5)

存伪率(Leakage Rate,LR)。即错误地将非贫困样本识别为贫困的样本数占实际贫困总样本数的比重。该值越小，表示越多的非贫困样本被正确排除。

LR=n1/m3*100%

(6)

综合瞄准误差(Total Targeting Error,TTE)。真正贫困样本数占预测总贫困样本数的比重与真正贫困样本数占实际总贫困样本数的比重的乘积，表示综合瞄准准确度，用1减去综合瞄准准确度就是综合瞄准误差。该指标综合反映弃真错误与存伪错误导致的瞄准偏差。在理想状态下，模型不存在偏差(n1=0，m2=0)则综合瞄准误差为0(m1=s1=m3)；反之，瞄准完全偏离则该值为1。该值越大，表示瞄准偏误越高。

(7)

平衡贫困精度(Balanced Poverty Accuracy Criterion,BPAC)。即预测贫困准确度减去弃真率与存伪率之差的绝对值。若模型不存在瞄准误差，平衡贫困精度就等于预测贫困准确度(PA)，现实中该值的分布处于0—1的区间。正值越大，表示模型准确度越高。

BPAC=PA-abs(UR-LR)

(8)

由于现实中信息不对称，瞄准过程中难免会出现两种瞄准偏误：弃真错误和存伪错误，并且很难同时消除这两种误差[21]。从社会福利角度考虑，较高的弃真错误将直接降低真正贫困者及其群体的福利水平，而存伪错误可能浪费财政资源，但可以变相增加社会福利。当公共政策目标是致力于减贫脱贫时，更需要优先减少弃真错误[22]。习近平总书记在关于扶贫的重要论述中，强调精准扶贫首先要精准识贫，切实解决好“扶持谁”的问题，做到真扶贫、扶真贫、真脱贫[23]。因此针对农村地区贫困补助，本文首先考虑瞄准真正贫困群体，优先降低弃真率，并对存伪率持一定包容度。

3.模型构建

在运用表征指标预测收入水平时，多元线性回归模型(Ordinary Least Square, OLS)是应用较早的模型，其原理是在被解释变量的均值处求得最小化的残差平方和。但由于全样本的收入均值一般远高于贫困群体的收入水平(国家贫困线)，得到的回归拟合结果会产生较高的弃真错误[18，24]，这有违本文的研究取向。

本文利用分位数回归模型(Quantile Regression, QR)作为OLS的替代方法，其原理是在给定的回归点处，以非对称权重求得残差最小化。根据国家贫困线定义分位数回归点，即以实际贫困发生率作为回归点，以更好地聚焦农村样本的真实贫困状况。分位数回归受调查数据异常值的影响较小，得到的预测误差也低于OLS模型[14，19]。因此，本文构建分位数回归模型估计各指标的系数，并以此为指标权重预测样本收入水平。模型具体设定为：

(9)

其中i是第i个样本；yi表示第i个样本的人均年纯收入；xi为解释变量，表示第i个样本的收入表征指标，具体包括户主特征、所在省份虚拟变量、家庭人口特征、生活条件特征、耐用品数量特征和住房情况特征；θ为分位点，Qθ(lnyi|xi)表示在给定解释变量xi的情况下，分位点θ对应的条件分位数；βi(θ)为回归系数。

三、模型估计与效果检验

表3给出了各分位数模型的回归结果，其中模型(1)为2014年数据分位数模型(θ=26th)估计结果，模型(2)为2016年数据(θ=25th)估计结果，大部分自变量均呈现高度的显著性，说明表征指标对样本收入水平有较好的代表性和解释力。回归结果显示，户主年龄系数为正，年龄平方项为负，说明年龄的增长与收入之间呈倒“U”型关系；户主受教育程度较高、家中有较多成员外出打工、领取工资或者从事个体私营与家庭收入能力正相关；使用清洁燃料做饭、拥有高价耐用品及较好的住房条件也与收入呈现显著正相关关系；户主已退休、家庭人口规模大、老年人多等情况与人均纯收入之间呈负相关。

表3 回归模型估计结果

首先，基于模型的回归结果，测算现有贫困补助的瞄准效果并作为基准方案。将人均收入低于国家贫困线的样本作为实际贫困样本，将获得贫困补助的样本作为预测贫困样本，测算结果见表4。可以得出农村地区现行贫困补助存在较高的瞄准偏误。从补助覆盖率上看，现行补助覆盖情况低估了贫困发生率，2014年农村地区实际贫困发生率(RI)为25.37%，但贫困补助的覆盖率仅有13.31%，而弃真率(UR)达到76.07%，说明远超半数的真正贫困家庭并未得到贫困补助，并且综合瞄准误差(TTE)高达89.24%，平衡贫困精度(BPAC)为负值说明现行补助方案暴露出较大的瞄准偏离问题。当然，补助分配存在较高的瞄准偏误情况在其他国家也存在，例如智利实施的救助养老金计划(Assistance Pension)弃真率高达84%，巴西推出的学校津贴计划(Bolsa Escola)弃真率为73%，美国的贫困家庭临时救助计划(TANF)也存在48%的弃真率[25]。

表4 农村贫困补助的基准方案与代理家计调查瞄准效果 %

表4中模型(1)为2014年农村样本数据的瞄准效果，可以发现代理家计调查机制的瞄准精度明显优于现行补助方案，前者预测总准确度(TA)和预测贫困准确度(PA)相比于基准方案都有不同幅度的提高，弃真率(UR)同比下降43.78%，仅有32.29%的真正贫困样本未被正确识别，综合瞄准误差(TTE)同比下降26.10%，且平衡精度准则(BPAC)远高于基准方案，表明瞄准精度得到较大程度的改善。不过该预测结果仍存在一定的偏差，这可能与分位数模型的回归点较低有关[22]。预测贫困发生率(PI)存在高估，存伪率(LR)也相比现行补助措施有所升高，但误差仍在可以接受的合理范围内，并且通过TTE和BPAC两个综合测度指标仍可以得出代理家计调查的瞄准精度显著优于基准方案的结论。

模型(2)是2016年数据的瞄准效果，同样表明代理家计调查对于贫困与非贫困人口均有良好的区分度，筛选样本较为准确。本文关注的弃真率(UR)处于较低水平，只有36.04%的真正贫困样本被错误排除，从综合瞄准误差(TTE)和平衡贫困精度(BPAC)两个指标来看，模型(2)有较高的可取性，有效保障了扶贫对象的类别划分。

综合两期数据的预测结果，代理家计调查机制相比于现行补助大幅降低了弃真错误与瞄准误差，显著改善了整体目标瞄准效果，较为准确地预测了农村贫困群体的收入水平，对于贫困与非贫困样本有着良好的区分功能，保障了扶贫对象目标瞄准的准确度。

四、瞄准成本与减贫收益

目标瞄准过程中会面临各种成本，在技术层面的主要表现就是行政成本。在有限的扶贫预算中，行政成本的变化将对贫困补助的瞄准成本与减贫效果产生怎样的影响？现实农村中不同的资源分配方式是否制约了减贫效益的提高？基于2014年模型(1)得到的预测收入数据并结合现实农村的扶贫资源分配方式，对预测贫困样本采用三种模拟减贫方案，并与现行贫困补助方案比较，以评估代理家计调查是否更具瞄准成本和减贫效果优势。

1.测度指标

本文沿用贝斯利(Besley)[7]的设定，贫困补助财政预算由行政成本和贫困补助两部分构成，公式表示为：

B=AC+P

(10)

P=RP+NP

(11)

其中B为固定的扶贫财政预算，AC为行政经费，P为贫困补助总额，即分配给所有的预测贫困收入低于国家线的贫困样本(表2中s1样本)补助总资金，P由两部分构成：RP为正确补助给真正贫困样本的资金，NP为错误补助给非贫困样本的资金。

基于以上变量，本文构建六个指标综合评估目标瞄准机制的瞄准成本和减贫效果。首先，本文构造以下三个指标衡量各补助方案的瞄准成本，公式设定为：

(12)

(13)

(14)

其中T0为非转移率，表示行政成本(AC)占总财政预算(B)的比重；T1为错误转移率，表示向非贫困样本的错误转移支付(NP)占总财政预算(B)的比重，T2为单位转移成本，表示向真正贫困样本转移支付一单位补助资金所支出的额外成本。

其次，本文利用FGT指数衡量模拟方案的减贫效果。通过构造固定预算约束下的FGT指数，对比贫困样本在接受补助前后贫困状况的变化情况，公式设定为：

(15)

(16)

其中N代表总样本数，z表示国家农村贫困线，j为按照预测收入正向排序后的第j个样本，Yj为第j个样本预测收入，Fj表示对第j个样本的非负转移支付，P为贫困补助的总资金，z-(Yj+Fj)表示第j个样本的贫困距，当α取0、1和2时，FGT(0)、FGT(1)和FGT(2)表示贫困发生率、贫困距指数和平方贫困距指数，分别衡量样本的贫困广度、贫困深度和贫困样本间的不平等程度。

2.模拟方案

现实农村中主要存在三种扶贫资源分配方式：①严格按照扶贫补助政策规定。以消除绝对贫困为目的，总体分配思路是分配给贫困群体的低收入者较多资源，给贫困群体的高收入者较少的资源。②均等普惠分配。由于扶贫资源的稀缺性和指标的有限性，各方对扶贫资源划分的最后结果是采用简单平均的方式。③扶富不扶贫。有些农村地区由于缺少监督机制，导致在分配扶贫资源时出现精英俘获现象。收入高的群体成为扶贫资源的主要受益者，而最贫困群体的利益受到侵害。

本文针对上述分配方式设计了均等型和序次型两大类补助分配模式。模拟方案的示意图见图1，纵轴为样本预测人均年收入，横轴为样本收入排名的累计百分比，与横轴平行的虚线代表2014年国家农村贫困线。为了更好地展示补助前后的人均年收入变化情况，图1只绘制排名前70%样本的收入分布。

图1 各转移支付模拟方案的收入分布

第一类均等型模式是面向全部贫困样本的固定金额转移支付，补助方式是从总预算中减去行政成本(AC)后，剩下的转移支付资金(P)平均分给收入在贫困线以下的样本。这种方案中每人获得固定数额的补助，并保持贫困程度排名不变，见图1中的方案一，可称为“均等普惠方案”。公式可表示为：

(17)

第二类序次型模式是面向部分贫困样本的不定额转移支付，总体思路是针对贫困群体中符合条件的样本按序次进行转移支付，这会改变样本贫困程度排名。公式(17)和(18)中的变量含义与上面公式相同，公式表示为：

(18)

本文将序次型模式分为两种方案：第一种是图1中的方案二，可称为“绝对贫者优先方案”。补助顺序为自下而上，补助分配方式是先补助最贫困者，将其收入提升到贫困线水平，然后补助排名第二的样本，按照排名顺序依次向上补助，直至补助资金(P)用完；第二种是图1中的方案三，可称其为“临界贫困者优先方案”，补助顺序为自上而下，即先补助最靠近国家贫困线即贫困群体中收入最高的样本，使其收入达到贫困线后，再补助贫困样本中收入第二高的样本，依次向下补助，直至补助资金(P)用完。

以下将分别设定基准方案与模拟方案中行政成本(AC)的取值。行政成本的比重没有统一标准，国家间因政策等条件不同差异较大，但选择性扶贫的行政支出一般高于普惠式扶贫方案，比如美国公共援助与失业保险(特定型)的行政成本占总预算支出的比重分别为12.1%和11.8%[14]。罗林斯(Rawlings)测算6个国家的目标瞄准型减贫项目，得出行政成本约占总支出的7%到13%[11]。格罗什(Grosh)分别评估三类瞄准机制的行政成本，其中代理家计调查的行政成本占比均值为10%[10]。依据两类模式的补助方式和当前扶贫工作行政效率，本文将均等型模式的非转移率设定为7%，序次型模式统一设定为10%。

对于现行贫困补助措施的行政成本，根据民政部《全国基层低保规范化建设暂行评估标准》中“市区低保工作经费不低于每名低保对象20元，镇(街)不低于10元，社区(村)不低于15元”的要求，本文将农村地区每名低保对象的工作经费确定为每月15元。据此计算，CFPS数据中2932个贫困样本对应约52万元的行政工作经费(AC)。另外，经统计得到2014年CFPS数据中人均年收入低于贫困线的贫困样本实际共获得约218万元(P)的贫困补助。根据上面公式设定，将行政经费(AC)与贫困样本补助总额(P)加总，得到模拟方案的财政总预算(B)为270万元。

3.效果评估

下面将分别评估现行补助与模拟方案的瞄准成本和减贫效果。首先分析现行贫困补助方案。在瞄准成本方面，基准方案的行政成本占比接近20%，这也印证了家计调查是一种行政成本高昂的瞄准机制。受限于较高的存伪错误，错误转移率(T1)达到44.37%，从绝对值上看，共有137.03万元正确分配给真正贫困样本。每单位转移成本(T2)达到最高的1.76元，这意味着每向贫困样本补助1元对应着共计1.76元的行政成本及错误转移支出。但是在减贫成效方面，精确到户的瞄准方式确实取得了较好的效果，根据国务院印发的《关于创新机制扎实推进农村扶贫开发工作的意见》，国家在2014年初步建立精准扶贫工作机制，各地针对扶贫对象建档立卡工作相继铺开，加上补助收入后，贫困发生率FGT(0)从补助前的31.56%下降到18.88%，大幅下降了12.68个百分点，贫困距指数FGT(1)下降至9.98%，但是贫富差距FGT(2)同比上升了1.70个百分点。

表5 各减贫方案的瞄准成本和减贫效果 %，元

以下具体分析三个模拟方案与现行贫困补助方案对比的瞄准成本和减贫效果。

方案一采取均等普惠的补助方式。该方案所需的行政成本较低，非转移率(T0)为7%。由于代理家计调查机制提高了瞄准精度，错误转移率(T1)略微下降到42.38%。从绝对值上看，得益于行政成本和存伪错误的降低，方案一的正确补助资金总额(RP)相比基准方案增加了39.02万元(2)基准方案中正确补助金额为98.01万元，方案一中则为137.03万元，两者之差绝对值为39.02万元。，这也使得每单位转移成本(T2)从1.76元降到0.98元。但横向对比上看，降低的行政成本并未转化为更多的正确补助，在模拟方案中该方案的非补助资金占比最高，共有49.38%的预算资金支出在行政成本及错误转移上(3)非转移率即行政成本为7%，错误转移率为42.38%，两者之和为49.38%。。在减贫效果方面，均等式补助分配后的贫困发生率相比基准方案改观不明显，FGT(0)仅下降了0.7%，而贫困距指数FGT(1)和贫富差距FGT(2)改善较大，分别下降了6.44%和5.81%。

方案二为绝对贫困者优先的补助方式。严格的补助分配方式抬高了行政成本，使得非转移率(T0)达到10%。得益于瞄准精度的改善，错误转移率(T1)和单位转移成本(T2)均降至三个模拟方案的最低，分别达到32.15%和0.72元，正确补助金额(RP)达到最高的156.60万元。在减贫效果方面，该方案降低贫困发生率和贫富差距效果更加显著，FGT(0)、FGT(1)和FGT(2)相比基准方案降幅分别为6.48%、8.36%和6.52%，后两个指标均达到模拟方案的最低值，横向来看该方案有利于实现扶贫对象福利水平的最大化。

方案三是临界贫困者优先的补助方式。该方案非转移率(T0)同样为10%。由于处于贫困临界收入的贫困者样本中存伪错误较多，使得瞄准精度相比方案二有所降低，资金错误转移率(T1)较方案二的32.15%略提高到36.74%，单位转移成本(T2)也提高到0.88元，共有144.18万元正确分配给真正贫困样本，这一数值明显优于基准方案与方案一，但稍逊于方案二。在减贫效果方面，该方案最为突出，贫困发生率FGT(0)从基准方案的18.88%大幅下降到2.20%，但贫富差距FGT(2)增加到模拟方案最高，达到1.20%。

三个减贫模拟方案的测算结果表明：方案一(均等普惠方案)行政成本的减少并未转化为瞄准成本的降低，单位转移成本反而达到三个模拟方案的最高，预算资金使用效益偏低。虽然取得了一定的减贫效果，但减贫效果相比基准方案降低有限，相比序次型方案劣势明显。平均主义的均等分配方案侵蚀了更多的扶贫资源，既牺牲了效率，又牺牲了公平。方案二(绝对贫困者优先方案)增加的行政成本有利于显性化扶贫对象，单位转移成本最低，扶贫资金使用效率最高，并且取得了较好的减贫效果。该方案的总体分配思路类似于现行贫困补助，得益于代理家计调查机制降低了瞄准偏误，使得瞄准机制及减贫方案更有效率、更加公平。方案三(临界贫困者优先方案)的瞄准成本介于方案一与方案二之间，减贫效果最为显著，在有限的预算资源内最大程度地降低了贫困总人口，但同时贫富差距明显上升。该方案实现的是临界贫困者利益最大化，而不是绝对贫困者利益最大化，这种资源分配的失衡违背贫困补助的设立初衷，该方案效率性有余但公平性不足。

五、研究结论与政策建议

本文将农村贫困补助的瞄准精度、瞄准成本和减贫效果纳入同一分析框架，定量检验现行补助瞄准机制和代理家计调查机制的瞄准效果，并在此基础上设计三种分配方式的减贫方案，综合分析基准方案与模拟方案的瞄准成本与减贫效果。研究主要得出以下几点结论。

第一，在瞄准精度上，代理家计调查机制对于农村地区的贫困与非贫困样本具有良好的区分功能，本文选取的收入表征指标与样本收入之间高度相关，可以较好地表征样本收入水平。在采用代理家计调查机制后，瞄准精度得到显著改善，以2014年数据为例，农村贫困补助的综合瞄准误差从89.24%下降至63.14%。

第二，在三个模拟方案中，序次型模式优于均等型模式。序次型模式可以更加精细化分配补助资源，其增加的行政成本并没有挤占扶贫资金，反而提升了预算使用效益，显性化扶贫对象有利于在降低瞄准成本的同时提升减贫效果。均等型模式虽然节约了行政成本，但是模糊分配方式导致瞄准成本大幅提升，侵蚀了更多的扶贫资源，既无效率，也不公平。

第三，在序次型模式中，绝对贫困者优先方案与现行贫困补助的分配方式类似，该方案扶贫资金的使用效率最高，使用最低的瞄准成本达到较好的减贫效果，如果现行补助方案结合代理家计调查机制，改善现行的瞄准机制和分配方案，可使扶贫工作更有效率、更加公平。但该方案贫富差距明显拉大，违背贫困补助初衷，效率性有余但公平性不足。

基于上述结论，本文提出以下政策建议：一是对贫困补助资格的认定可以结合本文的代理家计指标，以缓解家计调查仅以收入或消费信息作为筛选标准的瞄准困境，提高受助资格认定的客观性和可操作性。在具体实施时应因地制宜，可以先试点后铺开，在试点中积累经验并持续完善。二是代理家计调查瞄准机制涉及计量分析方法，这对于贫困户的信息化水平提出较高要求，民政部门可以加强与工商、税务等部门的配合，建立信息管理共享平台，方便监督和管理工作。三是任何瞄准机制都无法达到零瞄准误差，应健全贫困补助动态管理机制，并结合民主评议会和村委会定期公示制度，增强扶贫资金使用透明度，切实纠正“关系保、人情保”，完善扶贫退出机制，确保做到“应保尽保、应退进退”。