大别山连片特困地区农户多维贫困测度及治理研究——以安徽省W县为例

李剑芳，朱道才

（安徽财经大学城市与区域经济研究中心，安徽蚌埠233030）

改革开放以来，我国减贫事业取得了举世瞩目的成就。我国现行标准下农村贫困人口由2012年的9899 万减少到2018年的1660 万，贫困地区基础设施和基本公共服务显著改善。贫困起初是指单一的收入贫困，即收入无法满足家庭最基本的生活需求，后由阿玛蒂亚·森提出 “能力贫困” ，即贫困不仅是收入低，更是贫困人口缺乏摆脱贫困的机会和能力，由此衍生出多维贫困的概念。总体而言，单纯以收入、支出或消费作为识别贫困户的依据，可能会造成贫困户识别不精准的问题[1]，不利于减贫识别的长效持续性[2]。

依据可行能力理论和阿玛蒂亚·森多维贫困理论，国内外学者纷纷将贫困研究从收入受限向多维度贫困转变，从国外研究来看，由Alkire 和Foster 首先提出了测度多维贫困的Alkire and Foster 方法（即AF 法），并在此基础上构建多维贫困指数MPI[3]，AF 法在匿名性、人口独立性、单调性以及分配敏感性[4]等诸多方面拥有一定优势，所以在测度多维贫困方面得到广泛应用；基于此，Alkire S、Seth S 和Batana Y M 分别对南亚和非洲撒哈拉的贫困现状进行多维度分析[5-6]；Mark 等运用结构方程模型对英国家庭1991—2003年多维贫困进行测度和比较[7]；Martinez、Perales 利用2001—2013年面板数据测算了澳大利亚多维贫困的波动情况及家庭收入和劳动力市场变化对多维贫困的影响作用[8]。

国内学者多利用中国健康与营养调查（CHNS）、中国家庭追踪调查（CFPS）以及调研问卷等宏观数据和微观数据对贫困进行测度和分解，取得了一系列成果。从数据来源看多分为以下三种，一是选取中国健康与营养调查（CHNS）数据，如李丽忍、陈云基于脆弱性预期理论对我国农村多维贫困进行测算，并运用三阶段可行广义最小二乘法（FGLS）进行我国农村多维贫困脆弱性的测度，借鉴Shapley 分解思想发现多维贫困脆弱性更多地依附于多维贫困的变化而变化。[9]二是选取中国家庭追踪调查（CFPS）数据，如蒋南平、郑万军通过2010—2014年中国家庭追踪调查数据，运用多维贫困识别方法构建相应指数对中国农村人口多维贫困的变动进行了分解，发现收入依然是农村人口多维贫困的主要维度，但健康维度是防范返贫风险的重要维度[10]；沈扬扬等根据全球MPI 标准和中国家庭调查数据（CFPS）对中国的多维贫困情况进行分析，发现中国多维贫困程度不高，且随时间变化呈下降趋势，其中区域发展不平衡对多维贫困影响较大，经济贫困与多维贫困的交叠程度呈跨期递减趋势。[11]三是选取入户走访和调研问卷数据，如王恒、王博等选取收入、教育、健康和生活水平4 个维度对农户多维贫困状态进行识别与测度，据此从农户生活水平、养老保障和健康医疗、教育和精神等三个方面提出政策建议[12]；彭继权、吴海涛等对湖北省2680 户农村住户进行问卷调查，基于Glick 提出的家庭生命周期模型，对不同家庭生命周期阶段农户的多维贫困进行测度并分解，发现不同家庭生命周期阶段的贫困与多维贫困的贡献率呈现倒 “U” 型。[13]

综上所述，学者对多维贫困进行大量研究，为本文提供了有益借鉴。多维贫困测度旨在打破单维贫困的片面性，从多个角度剖析贫困深度和广度，为贫困治理研究提供合理方向，随着脱贫攻坚的深入展开，多维贫困测度对长效减贫治理具有重要的作用。安徽省大别山连片特困地区是我国14个深度贫困片区之一，自然环境恶劣、农户居住分散、基础设施建设落后，脱贫成本高、难度大，致贫原因复杂交叉[14]，是典型的贫中之贫、困中之困。因此选取安徽省大别山连片特困地区12 个贫困县之一的W县为代表，通过抽样调查、实地调研的方式进行多维贫困测度，旨在降低深度贫困地区农户多维贫困发生率、提升贫困农户的生活水平和发展条件。因此，构建多维贫困指标体系，分析研究区域主要致贫原因，并提出相应的对策建议具有一定的理论和现实意义。

一、农户多维贫困测度模型构建

1.指标体系构建

贫困是多维度的综合体现，贫困划分和脱贫战略都是从多个维度展开。《中国农村扶贫开发纲要（2011—2020年）》对贫困农户的脱贫要求为 “两不愁，三保障” （即吃穿不愁，义务教育、基本医疗和住房有保障），具体的目标见表1。

表1 中国农村扶贫开发纲要（2011-2020年）设定的2020年目标

我国扶贫经历救济式、开发式等大规模脱贫攻坚行动，绝对贫困逐渐消除，深度多维的相对贫困成为攻克难关，党的十九大报告强调将深度贫困地区作为脱贫任务的重中之重，解决区域性整体贫困，稳步实现深度贫困地区、深度贫困人口 “两不愁、三保障”[15]。依据我国精准扶贫的实际情况，本文共选取的12 个指标见表2。

表2 各维度指标临界值及贫困发生率

2.模型设定

根据AF 法对多维贫困情况进行测算，具体测算过程如下：

首先，采用双重识别法从多个维度识别调查贫困户的贫困状况，设调查对象总数为n，贫困维度数为d，xij为第i 个农户在维度j 上的取值，zj为各个维度的贫困临界线。根据对全部样本数据进行重新赋值，得到该样本在不同的维度上是否贫困，根据表2 得到如下剥夺矩阵G：

其次，根据不同的维度数K 定义贫困，临界维度K 是指样本定义为贫困家庭至少有k 个维度处于贫困临界值以下。设cij（k）为至少k 个贫困维度被剥夺的样本家庭的贫困维度之和，根据cij=对重新赋值的样本进行多维贫困识别，得到如下多维贫困剥夺矩阵C：

考虑到不同的贫困维度对家庭致贫的影响程度不同，例如有些家庭会因为突发疾病导致正常家庭陷入贫困、缺乏劳动力使家庭缺乏自我发展能力而长期脱贫困难，因此采取专家打分法确定不同维度的权重，具体权重结果见表3。

根据如下公式分别计算出贫困发生率H、平均剥夺份额A、多维贫困指数M 以及各维度对多维贫困贡献率I：

其中贫困发生率H（k）表示低于贫困标准值的人数与总人数的比值，主要从地区的宏观角度测算贫困程度，平均剥夺份额A（k）表示贫困农户的贫困维度之和与总维度的比值，反映地区的贫困深度，多维贫困指数M（k）是两者的乘积，反映地区多维贫困的综合衡量指标，多维贫困贡献率Ij表示不同维度对地区贫困的影响程度。

二、数据来源与实证分析

1.数据来源

安徽省W县地处大别山连片特困地区南部腹地，位于皖鄂赣三省交界处，地势呈现丘陵—岗地—平原阶梯状分布，2011年被确定为国家级贫困县，也是贫困革命老区县，资源禀赋相对较弱，导致扶贫攻坚成本高且脱贫难度大。本次数据来源于实地走访和问卷调查，在W县选取4 个乡镇分别为高士镇、华阳镇、太慈镇、漳湖镇，共发放问卷1012份，回收的有效问卷为906 份，有效率为89.53%，其中高士镇288 户、华阳镇253 户、太慈镇276 户、漳湖镇89 户。基于此对该地区的多维贫困状况和影响因素进行分解和分析。

表3 各维度权重系数表

2.单维结果分析

农户的单维贫困发生率如图1 所示，除医疗保险外，其他维度的贫困发生率均高于人均收入维度，表明贫困户不仅遭受收入维度的贫困剥夺，更多面临的是其他多个维度贫困，由此可见单一以收入识别贫困并非准确合理的方式。医疗保险的贫困发生率为0%，这主要得益于新农合扶贫政策；文化素养、资产情况、劳动人数的贫困发生率最高分别为97.5%、78.3%、57.9%，说明农村人力资本的缺乏，具有专业技能的优秀人才不足。随着以收入为主的 “绝对贫困” 消除，以可行能力为主的 “相对贫困” 成为脱贫的重要方面；此外，以生活燃料、电力等为主要反映农户生活质量的指标的现状也不容乐观；卫生设施、教育医疗等基础设施建设问题也需继续改善。

图1 W县受调查农户单维贫困发生率（%）

3.多维贫困测度结果分析

多维贫困指数能够反映该样本多个维度的整体贫困状况，根据公式可得到W县各剥夺维度数下的贫困发生率H、贫困剥夺份额A 以及多维贫困指数M，由此可得出农户多维贫困状况和特征见表4。

表4 多维贫困测算结果

由表4 可知，随着剥夺维度数的递增，多维贫困发生率H 与多维贫困指数M 呈现下降趋势，这说明脱贫攻坚取得了成效，农户的贫困问题得到了改善；另外贫困剥夺份额却随剥夺维度增加而递增，说明农户存在多维贫困风险，地区多维贫困强度较大。当取k=3 时，多维贫困发生率为60.3%，多维贫困指数为0.214，表示60.3%的家庭至少在三个维度上处于贫困状态，当取k=8 时，多维贫困发生率为0.3%，多维贫困指数为0.002，表示0.3%的家庭在8 个维度上处于贫困状态，也就是发生极端贫困的农户家庭有2 个。

进一步对不同镇进行分解，根据图1 所示受调查农户单维贫困发生率和相应的贡献率，得出各个镇的多维贫困测度结果（见表5），取K=1 时的多维贫困指数M，得出表6 各个镇各维度的贡献率。

由测算结果可知：除华阳镇的贫困维度达到7个，其他3 镇都存在8 个维度的指标被剥夺现象；通过不同维度的贫困贡献度可以发现4 个县的主要贫困指标与W县总体呈相似趋势，家庭收入、未上学儿童、医疗保险、饮水条件、住房设施等维度的贡献率较低，健康状况和卫生设施贡献率居中，这两个维度贫困源于当地因病因残致贫且缺乏自主脱贫实力，基础设施建设不够完善故卫生设施维度一定程度上存在贫困现象。劳动人数维度贡献率最高的是漳湖镇，达到15.0%，最低的是华阳镇为11.8%。调查过程中发现贫困农户主要家庭收入来自农业生产和务工劳务所得，且多为从事没有技术含量的劳动密集型产业。从调查家庭人口数看，1—2 人占比最高，这类贫困家庭多是无劳动能力的老人，家庭人口在3—6 人，劳动人口以家庭青壮年为主，人数以1—2 个居多，即便是劳动人口数较多的家庭共享开支的人员也较多；文化素养维度贡献率最高的是华阳镇为24.2%，最低的是漳湖镇为21.8%，也是贡献率最高的维度。调查发现户主年龄多数在46 岁以上（占89.6%），其中超过一半在65岁以上，户主或家庭主要劳动力尤其是年龄较大的户主，文化水平都较低，多数人为文盲半文盲水平。文化素养是阻止贫困代际传递的重要因素，教育水平的提高和高素质人才的培养是需要长期投资关注的重点；资产情况维度贡献率最高的是漳湖镇为19.5%，最低的是太慈镇为18.0%，表明农户耐用消费品数量不多，生活质量有所提高但仍处于较低水平，资产状况是反映贫困农户生活质量的重要指标，农户接受更多耐用消费品进入家庭也是消费观和价值观转变的重要体现；电力网络维度贡献率最高的是华阳镇为12.2%，最低的是太慈镇为10.4%，实地调研发现，W县通电情况完成较好，但存在部分地点经常断电现象；另外网络设施尚未普及，网络是连接贫困村与外部世界桥梁，既可借助平台将贫困地区特色产品销往各地，又可及时掌控市场信息和动态，不断提高农户的生产积极性；生活燃料维度贡献率最高的是高士镇为12.9%，最低的是华阳/漳湖镇为11.2%，生活燃料由秸秆柴草等非清洁能源向清洁能源转变，既能保护生态环境节约资源，又能提高资源利用效率，是重要的贫困考察维度指标。

表5 W县4 镇多维贫困测算结果

表6 W县4 镇各维度的贡献率

4.多维贫困测度模型拟合优度检验

农户贫困既受家庭自身的微观因素影响，又受社会环境、政策措施等宏观因素影响，检验多维贫困测度模型的拟合效果，同时考察多维贫困影响因素，对模型的解释变量进行检验，利用SPSS20.0 对上述12 个维度指标进行Logisitic 回归分析，得出模型显著性水平sig＜0.05，卡方值为265.442，说明模型整体拟合效果显著，检验结果见表7。

表7 变量回归结果

由表7 可知，除未上学儿童指标外，其他维度指标对多维贫困测度具有显著的负向影响。如文化素养的回归系数是-33.834，即文化素质较高的家庭可以减少贫困的发生概率；再如通过优势比可以看出，患有残疾或大病成员的家庭发生贫困的概率是健康状况良好的家庭的6.752 倍；未通电或未通网络的家庭发生贫困的概率是电力网络条件完善的家庭2.643 倍；卫生基础设施未建成的家庭发生贫困的概率是卫生基础设施完备的家庭4.839 倍。因此，扶贫政策倾向教育、医疗、基础设施建设能够在一定程度上缩小贫困发生概率，减缓或解决多维贫困发生率。

三、结论与对策建议

1.结论

通过AF 模型对问卷调查数据进行多维贫困测度分析，得出以下主要结论：

第一，从单维贫困发生率看，医疗保险的贫困发生率为0%。这表明随着扶贫开发工作的持续投入，农户的看病风险大大降低，通过调研发现大多数正常家庭或因罹患大病或突发疾病陷入贫困，且因报销手续繁多以及未纳入医保报销名单等问题导致脱贫困难，因此虽然有新农合医疗的全面保障，但农村医疗问题仍有很多需求需长期投入。除医疗保险外，其他维度的贫困发生率均高于人均收入维度的贫困发生率，农户的收入贫困已经得到较大改善，农户更多面临其他多维度的贫困风险。研究区域单维贫困发生率最高的指标分别为文化素养（97.5%）、资产情况（78.3%）、劳动人数（57.9%）等，说明农村人力资本的缺乏，具有专业技能的优秀人才不足，脱贫能力缺乏的问题较为突出。此外生活燃料、电力等为主要反映农户生活质量的指标贫困发生率仍居较高水平，卫生设施、教育医疗等基础设施建设也需完善。

第二，研究区域贫困农户多存在多维贫困现象。随着剥夺维度数的递增，多维贫困发生率与多维贫困指数呈现下降趋势，贫困剥夺份额随剥夺维度增加而递增。这说明精准扶贫使得贫困农户的贫困问题得到了改善，但仍存在多维贫困风险。地区多维贫困强度较大，当剥夺维度数取3 时，多维贫困发生率为60.3%，多维贫困指数为0.214，表示60.3%的家庭至少在三个维度上处于贫困状态。除华阳镇的贫困维度达到7 个，其他3 镇都存在8 个维度的指标被剥夺现象。通过不同维度的贫困贡献度可以发现4 县的主要贫困指标与W县总体呈相似趋势，但不同乡镇、不同贫困户又存在各自的致贫因素，因此在制定扶贫帮扶措施时要根据不同贫困家庭的实际情况采取针对性的方案。

第三，影响农户贫困的原因是由家庭、经济、政策、自然环境等多种因素综合决定，这些因素直接影响了贫困户摆脱 “相对贫困” 的成效。家庭收入、未上学儿童、医疗保险、饮水条件、住房设施等维度的贡献率较低；健康状况和卫生设施贡献率居中，这两个维度贫困源于病残致贫；基础设施建设不够完善，卫生设施维度一定程度上存在贫困现象。调研发现，家庭主要劳动力或户主，尤其是年龄较大的户主，文化水平都较低，多为文盲半文盲水平。文化素养是阻止贫困代际传递的重要因素，教育水平的提高和高素质人才的培养认识是需要长期投资关注的重点。农户耐用消费品数量不多，生活质量有所提高但仍处于较低水平，资产状况是反映贫困农户生活质量的重要指标，农户接受更多耐用消费品进入家庭也是消费观和价值观转变的重要体现。因此测度农户多维贫困、长效治理贫困问题应从个人能力、社会制度、自然环境、意志意识等多方面入手。

2.对策建议

基于研究结论，结合研究区域和连片特困地区的贫困现状和存在问题，提出如下建议：

首先，构建多维贫困测度指标优化识别机制。扶贫对象识别是全部扶贫工作开展的基础和前提，正确识别帮扶对象、创新识别方案对于帮扶措施的落实和扶贫效率的提高具有重要的意义。连片特困地区的深度贫困远不止物质贫困范畴，体现出健康贫困、精神贫困、文化贫困、生态贫困等多维特征。因此传统的以收入判别是否贫困的识别方法已不再适用现实情况，构建教育、健康、居住环境等多维贫困识别指标势在必行。针对安徽省大别山地区的多维贫困现状，应着重将文化素养、健康状况、个人资产、电力网络、住房条件和生活燃料等因素纳入考察之列，同时对整村医疗教育基础设施建设、饮水安全工程、卫生和教育场所建设等进行同步测评，从而构建整个地区的多维贫困测度指标体系。在建档立卡贫困户的基础上持续关注脱贫户和边缘户，建立实时监测和动态管理系统，精准到户的根据每户的实际情况，防止边缘户陷入贫困以及脱贫户因学因灾因病返贫的情况。基于此对不同贫困户进行精准识别和差异化帮扶，实现多维贫困测度与精准扶贫的有效联结。

其次，依据多维贫困指标分解进行多维治理。根据W县多维贫困测度中各个维度的指标分解结果可以得出其多维贫困程度深、强度较大，除收入贫困外，还存在文化教育、资产情况、劳动人数、电力网络等多个维度的贫困问题。因此，需要因地制宜地采取针对性的措施才能提高贫困治理的精确度。根据具体致贫因素精确到村到户，对于地理环境恶劣、资源匮乏缺乏生存条件的地区可以采取异地搬迁、生态补偿帮助贫困户改善生存现状；对于尚有发展条件但缺乏人力资本的贫困家庭可以提供专业技能培训、产业发展奖补等提升贫困户的发展能力，重塑其脱贫信心和积极性。同时要不断完善公共交通、饮水水利、电力通信等各方面的基础设施建设，保障贫困户在出行、饮水、用电等生产生活方面的基本需求以及医疗卫生、教育设施等方面的社会保障需要。另外，不同的乡镇应根据各评价指标对多维贫困贡献度合理分配扶贫资源，制定符合多维贫困测度结果的反贫困措施，提升扶贫资源的使用效率。

第三，巩固提升脱贫攻坚长效机制。首先，要加快培育贫困主体内生动力，贫困户既是扶贫帮扶的主体，也是脱贫的主体，扶贫先扶志，不少贫困户深陷精准扶贫带来的 “帮扶福利” ，过度依赖政府转移支付，而缺乏摆脱贫困的斗志和勇气。因此，需要转变 “等、靠、要” 的错误思想观念，激发脱贫的紧迫感和信心，结合当地扶贫的优势产业，通过开展职业技能培训、发展教育文化事业提升贫困主体的自我发展能力，通过以工代赈、发放劳务工资的方式提高贫困户的脱贫积极性。其次，发挥贫困户在脱贫攻坚中的主体地位，帮助贫困主体挖掘潜能、发挥优势，提供市场信息查询，引进产业和项目，支持贫困农户自主择业、创业，引导其自主选择与实际发展情况相符合的产业项目。另外将 “扶贫” 与 “扶志” 相结合，加强文化教育，防止贫困的代际传递，通过媒体报道和广播海报的方式加强精准扶贫政策宣传，对脱贫的贫困户给予脱贫奖励，帮助贫困户转变价值观念，提升脱贫积极性和信心。