代理家计调查、农村低保瞄准精度和减贫效应——基于中国家庭金融调查的实证研究

韩华为

一、引言

作为中国农村主要的社会救助制度，农村低保于2007年开始在全国范围内推广。在过去10 多年间，农村低保发展迅速。据民政部最新统计数据显示，截至2019年底，全国农村低保对象共计1892.3 万户（3455.4 万人），2019年各级财政支出农村低保资金高达1127.2 亿元。①民政部：《2019年民政事业发展统计公报》，民政部官网：http://images3.mca.gov.cn/www2017/f ile/202009/160 1261242921.pdf.无论从覆盖人口数量，还是从投入资金总额来看，农村低保都已成为发展中国家范围内规模最大的减贫性现金转移支付项目之一。②World Bank,The State of Social Safety Nets 2018,Washington,DC,World Bank,2018,p.104.按照政策规定，家庭人均收入低于当地低保标准是获得农村低保救助的必要条件。③参见《社会救助暂行办法》第9 条和第12 条。若严格照此执行，相关机构就必须通过家计调查来精确核算申请家庭的收入水平。但是，由于农户收入具有种类多、不稳定、难以货币化的特点，再加上农户为获得低保资格而倾向于隐匿家庭收入的较强激励，采用家计调查来精确核算其收入水平困难极大。为了应对收入核算方面的挑战，在分权化的实际执行过程中，农村低保采取了变通性的瞄准策略。大多数情况下，基层执行机构首先通过入户调查、信息核对、信函索证等手段对申请家庭经济状况作出初步调查；然后，以上述调查结果为基础材料，再通过社区内部的民主评议来最终确定低保对象。不少案例研究发现，社区内民主评议在确定农村低保对象过程中发挥着关键性作用。①贺雪峰：《农村低保实践中存在的若干问题》，《广东社会科学》2017年第3期；Lena Kuhn,et al.,"The Brink of Poverty:Implementation of a Social Assistance Program in Rural China," Journal of Current Chinese Affairs,2016,45(1).因此，不少学者认为农村低保实际采取的是一种“社区瞄准机制”。②韩华为：《农村低保户瞄准中的偏误和精英俘获：基于社区瞄准机制的分析》，《经济学动态》2018年第2期。

社区瞄准机制主要依靠社区成员广泛参与的民主评议来确定救助资格，这有助于充分利用附着于村庄社会网络中的家户福利信息来识别贫困对象。③Jonathan Conning,Michael Kevane,"Community-based Targeting Mechanisms for Social Safety Nets:A Critical Review," World Development,2002,30(3).在行政能力相对薄弱的农村地区，社区瞄准有利于以较低成本识别出真正的贫困农户。但是，在社区瞄准机制下，村庄内部的政治精英和经济精英却很容易利用权力优势为其自身或帮助亲友获取低保。④Talip Kilic,et al.,"Decentralized Benef iciary Targeting in Large-scale Development Programs:Insights from the Malawi Farm Input Subsidy Program," Journal of African Economies,2015,24(1).社区瞄准中的这种精英俘获效应可能对低保兜底中准确识别贫困对象构成严重威胁。一系列文献基于不同来源的微观调查数据和严格的定量方法评估了农村低保的实际瞄准效果，结果发现农村低保存在较高的瞄准偏误，⑤韩华为、徐月宾：《农村最低生活保障制度的瞄准效果研究：来自河南、陕西省的调查》，《中国人口科学》2013年第4期；朱梦冰、李实：《精准扶贫重在精准识别贫困人口：农村低保政策的瞄准效果分析》，《中国社会科学》2017年第9期；Jennifer Golan,et al.,"Unconditional Cash Transfers in China:Who Benef it from the Rural Minimum Living Standard Guarantee(Dibao)Program," World Development,2017,93.而较高的瞄准偏误显著削弱了该政策的减贫效果。⑥韩华为、徐月宾：《中国农村低保制度的反贫困效应研究：来自中西部五省的经验证据》，《经济评论》2014年第6期。进一步分析结果表明，社区内部的精英俘获效应是导致农村低保瞄准效果不佳的重要原因。⑦Huawei Han,Qin Gao,"Community-based Welfare Targeting and Political Elite Capture:Evidence from Rural China,"World Development,2019,115.在此背景下，探索低成本、易操作，并且能够有效破解精英俘获效应的贫困瞄准策略便成了当前农村低保政策优化进程中最为紧迫的任务。

在发展中国家的减贫实践中，除了社区瞄准，代理家计调查（Proxy Means Tests,PMT）同样是一种得到广泛采用的贫困瞄准策略。代理家计调查首先选择一组易观测、可核实、难以被操纵的家庭特征变量作为代理指标，然后通过统计方法估计出这些代理指标的权重，最后基于代理指标取值和已估计出的权重来预测每一个家庭的人均收入。在此基础上，政策执行人员可以通过比较收入预测值和贫困标准的相对大小来识别贫困家庭。代理家计调查执行成本低、可操作性强、而且不易对申请家庭产生负向行为激励。⑧Caitlin Brown,et al.,"A Poor Means Test? Econometric Targeting in Africa," Journal of Development Economics,2018,134.因此，在收入核查面临挑战的发展中国家减贫实践中，该方法已经成为贫困瞄准工具箱中的重要选项。⑨Cuong Viet Nguyen,Tho Tran Dat,"Proxy Means Tests to Identify the Income Poor:Application for the Case of Vietnam," Journal of Asian &African Studies,2018,53(4);Pascale Schnitzer,"How to Target Households in Adaptive Social Protection System? Evidence from Humanitarian and Development Approaches in Niger," Journal of Development Studies,2019,55(s1).那么，代理家计调查是否有助于改善中国农村低保的瞄准精度呢？基于2017年中国家庭金融调查（CHFS）数据，本文构建了农村低保政策背景下的代理家计调查框架，并使用多种测度指标系统检验了该框架在改善农村低保瞄准精度和减贫效应方面的潜在效力。本研究对于破解农村低保瞄准难题，进而强化其减贫效应具有重要的现实意义。

到目前为止，已有不少研究定量评估了农村低保政策的瞄准效果。①韩华为、徐月宾：《农村最低生活保障制度的瞄准效果研究：来自河南、陕西省的调查》，《中国人口科学》2013年第4期；朱梦冰、李实：《精准扶贫重在精准识别贫困人口：农村低保政策的瞄准效果分析》，《中国社会科学》2017年第9期；Jennifer Golan,et al.,"Unconditional Cash Transfers in China:Who Benef it from the Rural Minimum Living Standard Guarantee(Dibao)Program," World Development,2017,93.在此基础上，也有一些文献分析了导致农村低保瞄准偏误的可能原因。②Huawei Han,Qin Gao,"Community-based Welfare Targeting and Political Elite Capture:Evidence from Rural China,"World Development,2019,115.但是，现有文献对农村低保瞄准偏误破解策略的探索却相对匮乏。国内少数学者初步探讨了如何通过设置代理家计调查指标来破解农村低保的瞄准难题。比如，基于2012 和2014年中国家庭追踪调查（CFPS）数据，张翔和张晓鑫发现农户电力消费和家庭收入之间存在显著的相关关系。③张翔、张晓鑫：《家庭电力消费、家庭收入与最低生活保障制度的瞄准率》，《中国人口科学》2017年第2期。进一步的模拟瞄准结果显示，采用家庭电力消费排序法能够有效降低农村低保的错保率。考虑到电力消费数据可以通过电网部门直接获取，精确而不易被操纵，因此作者认为将电力消费信息纳入低保户认定标准中能够有效改善农村低保瞄准。从实践角度来看，该研究的价值在于提出了一个几乎不增加调查成本但能提升低保瞄准效果的可操作性办法。在另一项研究中，韩华为和高琴基于2013年中国家庭收入调查（CHIP）数据构建了代理家计调查框架，并进一步检验了代理家计调查框架在改善农村低保瞄准精度方面的效果。④韩华为、高琴：《代理家计调查与农村低保瞄准效果：基于CHIP 数据的分析》，《中国人口科学》2018年第3期。研究结论表明，代理家计调查的瞄准精度优于农村低保的实际瞄准精度，这说明代理家计调查有助于破解农村低保的瞄准偏误。

尽管已有少数研究开拓性地考察了代理家计调查在改善农村低保瞄准精度方面的效力，但它们却仍然存在以下几个方面的缺陷。首先，这些研究所使用的数据较为陈旧，而农村低保瞄准的动态性要求相关研究使用更具时效性的数据展开分析。其次，这些研究所使用的瞄准测度指标具有局限性，尤其是未能采用恰当的测度工具来衡量低保资金在总样本中的分布性特征，这限制了对农村低保瞄准效果做出更精确的评估。再次，随着信息化技术在低保领域的广泛应用，更多的代理指标信息可以从相关部门信息平台直接获取。在此背景下，以往研究所选择的代理指标就显得不够系统全面，这可能在一定程度上削弱代理指标框架的预测能力，进而低估代理家计调查方法在改善低保贫困瞄准精度方面的潜力。最后，这些研究没有探讨代理家计调查在不同项目覆盖率水平下的贫困瞄准效果，而这对于未来农村低保政策优化具有重要意义。

与上述研究相比，本文的边际贡献主要体现在以下几个方面。第一，本文实证研究基于2017年CHFS 数据，这使得本文研究结论和政策建议更具时效性。第二，除了以往文献广泛使用的瞄准测度指标之外，本文还使用集中曲线和集中指数来测度不同瞄准机制下低保资金在总样本中的分布特征，这有助于对农村低保瞄准效果做出更精确的评估。第三，本文精心构建了更系统全面的代理家计指标体系，在保证政策可操作性的同时还确保模型具有较高的预测能力。第四，本文详细探讨了代理家计调查方法在不同项目覆盖率水平下的瞄准效果，这能为农村低保未来的政策调整提供重要指导。

二、研究方法和数据来源

（一）瞄准精度和减贫效应测度方法

本文使用两类方法来测度农村低保的瞄准精度。第一类方法是漏保率和错保率。漏保率也被称为弃真瞄准偏误，它衡量了所有贫困（应保）家庭中未获得低保的比例。错保率也被称为纳伪瞄准偏误，它衡量所有低保家庭中非贫困（不应保）家庭的比例。

第二类方法是集中曲线和基于集中曲线构建的瞄准指标。如图1 所示，集中曲线C(p)测度了某个累积比例的最贫困家庭所能获得的累积低保金比例。该曲线能够精确反映低保金总额在所有样本家庭中的分布状况。当低保金在所有样本家庭中平均分配时，集中曲线将退化为45°线。集中曲线距离45°线越远，低保资金的分配性贫困瞄准精度越高。

以集中曲线为基础可以构建3 个瞄准指标。第一个是集中指数（CI）。集中指数等于集中曲线和45°线之间封闭图形面积的两倍。集中指数的取值范围在-1 到1 之间。集中指数接近1代表救助金更集中于贫困群体，反之接近-1 则说明救助金更集中于富裕群体。第二个是SHARE 指标。当集中曲线的横坐标取值为样本的贫困发生率（H0）时，那么其对应的纵坐标取值即为SHARE 值。它反映了样本中贫困家庭所获得的低保金份额。第三个是CGH 指标。①该指标最初由Coady、Grosh 和Hoddinott 构建，用于比较不同现金转移支付项目的瞄准精度，文献中一般将该瞄准指标简称为CGH 指标。具体请见David Coady,et al.,Targeting Transfers in Developing Countries:Review of Lessons and Experience,Washington DC,The World Bank,2004,pp.25-26.将SHARE 值与H0相除即可得到CGH 指标。CGH 指标也被称为标准化SHARE 指标，它反映了与平均分配低保金相比，样本中贫困家庭获得低保金份额的相对大小。不难看出，与集中指数相比，SHARE 指标值和CGH 指标值具有更明确的政策内涵。

由于农村低保的最终政策目标是减贫，因此本文还考察了项目实际瞄准和代理家计调查瞄准下农村低保的减贫效应。通过比较实际瞄准和代理家计调查瞄准下的减贫效应，我们可以判断代理家计调查在改善农村低保减贫效应方面的潜力。我们采用FGT指数来衡量贫困水平，然后通过测算接受救助前后该指数的变化率来衡量农村低保的减贫效应。FGT指数的构造如下：

式（1）中，N 代表样本家庭总数，z 代表贫困标准，Yi代表第i 个家庭的人均收入水平，(z-Yi)代表第i 个家庭的贫困距。当α 取值为0、1 和2 时，FGT 指数分别为贫困发生率、贫困距指数和平方贫困距指数，三者分别衡量了贫困广度、贫困深度和贫困群体内部的不平等程度。

图1 集中曲线和基于集中曲线构建的瞄准指标

在测算漏保率、错保率、SHARE、CGH 和FGT 贫困指数时都需要使用贫困标准。为了保证结论的稳健性，我们使用了4 条贫困标准。首先，我们使用了农村官方贫困标准（2300 元/人年，2010年不变价）。其次，我们使用了世界银行提出的两条国际贫困标准，即1.9 美元/人天和3.2 美元/人天。与农村官方贫困标准相比，1.9 美元/人天是水平更低的极端贫困标准，3.2 美元/人天是水平更高的中度贫困标准。最后，我们还使用了各地政府确定的低保标准作为贫困标准。由于2017年CHFS 询问的是前一年的家庭收入信息，因此我们将前3 种贫困标准通过农村消费物价指数和购买力平价折算为用人民币表示的2016年不变价。低保标准则使用了2016年第4 季度各省平均低保标准。参照何欣和朱可涵的处理方法，我们使用“家庭人均收入-家庭人均低保救助金-家庭人均五保救助金-家庭人均特困救助金”来衡量“接受救助前的家庭人均收入”。②何欣、朱可涵：《农户信息水平、精英俘获与农村低保瞄准》，《经济研究》2019年第12期。在此基础上，我们定义接受救助前的家庭人均收入低于贫困标准的家庭为贫困（应保）家庭。③本文仅通过收入标准来界定应保家庭主要出于下述两点考虑。首先，从本质上来说，代理家计调查仍然是基于收入标准来认定低保资格，只不过其所依据的收入是统计模型预测出的收入。因此，本文仅以收入标准来界定应保家庭有助于确保实际瞄准精度测算结果和代理家计调查瞄准精度测算结果具有可比性（两者均以收入为资格认定标准）。其次，各地确定低保资格的财产标准和刚性支出标准并不明确，而且该信息不易获得。这使得我们很难基于包含财产和刚性支出在内的多维度标准来考察农村低保瞄准问题。

（二）代理家计调查指标体系及回归模型

代理家计调查的基本思路是通过一组易观测、可核实、难以被操纵的家庭特征变量来预测家庭收入，然后通过比较预测收入和贫困标准来识别贫困家庭。为了尽可能提高代理家计调查框架的预测能力，借鉴已有文献的模型设置，本文的代理指标包括家庭人口结构（DEM）、家庭人力资本状况（HUM）、家庭成员就业状况（EMP）、家庭财产状况（AST）、家庭公用事业支出（UTE）和省份虚拟变量（PRO）六类。其中，家庭财产状况变量包括了住房面积、车辆、耐用品、活期存款和定期存款的拥有状况。在目前的低保申请中，多部门信息共享使得机动车、住房、存款等信息可以有效核对，①民政部、国家统计局：《关于进一步加强农村最低生活保障申请家庭经济状况核查工作的意见》，中国政府网：http://www.gov.cn/zhengce/zhengceku/2015-03/03/content_5554657.htm，2015年3月10日。因此选择上述财产变量作为代理指标较为合理。另外，包括水、电在内的公用事业支出能够较好的反映家庭经济状况，而且这些信息很容易通过供给机构获取和核实，②张翔、张晓鑫：《家庭电力消费、家庭收入与最低生活保障制度的瞄准率》，《中国人口科学》2017年第2期。因此我们也将其加入代理指标体系中。这些代理指标的具体设置及其描述性统计结果请见表1。

为了保证线性回归模型的因变量接近正态分布，我们对接受救助前的家庭人均收入（Yi）进行对数变换，然后将其设置为因变量。本文构建OLS 回归模型来估计各代理指标的系数，具体形式表示如下：

我们首先将该OLS 模型应用在所有样本中，此时所有样本家庭将基于相同的估计系数来进行收入预测。然而，对于不同地区的样本，式（2）中自变量和因变量之间的关系可能存在差异。基于分地区OLS 回归的估计系数进行收入预测有助于改善预测效果。③Cuong Viet Nguyen,Tho Tran Dat,"Proxy Means Tests to Identify the Income Poor:Application for the Case of Vietnam," Journal of Asian &African Studies,2018,53(4).因此，我们还将上述OLS 模型分别应用到东部、中部和西部样本中进行估计，然后基于分地区回归系数来预测相应地区样本家庭的收入水平。

（三）数据来源

本文使用的数据为2017年中国家庭金融调查（CHFS2017）数据。该数据由西南财经大学中国家庭金融调查与研究中心搜集，于2019年11月正式公布。CHFS2017 采用分层、三阶段与人口规模成比例（PPS）方法及重点抽样相结合的抽样设计。CHFS2017 调查范围覆盖东部、中部、西部29 个省份355 个区县，是一项具有全国代表性的微观家户调查。CHFS2017 涵盖了人口特征与就业、家庭收入与消费、家庭资产、社会保障等方面的丰富信息。该数据包含了“是否获得低保救助”和“所获低保救助金额”两项低保信息，这使得本文可以采用多种测度指标精确评估农村低保的贫困瞄准效果。此外，丰富的家庭特征变量有助于通过构建更全面的代理指标体系来改善代理家计调查方法的预测能力。由于本文聚焦于农村低保的贫困瞄准问题，所以我们仅保留了CHFS2017 的农村家庭样本。出于数据的完整性，我们删除了相关变量存在缺失值的样本，最终获得来自全国29 个省份的12268 个农村家庭作为研究样本。

三、实证结果

（一）代理家计调查框架及其回归结果

表1 第3 列给出了由式（2）表示的OLS 模型在所有样本中的估计结果。模型R2为0.322，拟合优度相较已有文献处于可以被接受的水平。①比如，Grosh 和Baker 对拉美地区3 个国家的研究中，代理家计调查回归的R2 介于0.3—0.4 之间。Brown 等人对撒哈拉以南非洲9 个国家的研究中，代理家计调查回归的R2 介于0.3—0.6 之间。具体请见Margaret Grosh,Judy Baker,Proxy Means Tests for Targeting Social Programs:Simulations and Speculation,World Bank Living Standards and Measurement Study Working Paper 118,World Bank,1995;Caitlin Brown,et al.,"A Poor Means Test? Econometric Targeting in Africa," Journal of Development Economics,2018,134.在所有样本中的回归结果显示，在控制省份虚拟变量之后，几乎所有代理指标的估计系数都表现出统计显著性。其中，与家庭人均收入存在显著正向关系的代理指标包括成员受教育水平、成员就业或离退休比例、有成员从事工资性工作或非农经营性活动、人均住房面积、有车辆和其他消费性耐用品、有较高金额的活期存款、有定期存款、有较高水平的公用事业支出。与家庭人均收入存在显著负向关系的代理指标包括家中分性别年龄人口数和自评健康差的成员比例。

使用各代理指标回归系数的估计值作为权重，并结合样本家庭各代理指标的实际取值，我们可以获得每个样本家庭Ln(Yi)的预测值。按照该预测值升序排列之后，我们定义该预测值最小的7.27%的家庭为代理家计调查识别出的应保家庭（892 户）。如此设定是因为所有样本中农村低保的实际覆盖率为7.27%。设定代理家计调查瞄准与实际瞄准具有相同的低保覆盖率，目的在于保证两种执行机制下瞄准指标测算结果具有可比性。我们进一步设定通过代理家计调查分配的低保金总额等于实际瞄准时分配的低保金总额，这有助于在预算相同的前提下对代理家计调查瞄准和实际瞄准展开比较。同时，按照发展中国家执行代理家计调查时的常规操作，我们设定低保金总额在代理家计调查识别出的所有应保人口中进行平均分配。②Caitlin Brown,et al.,"A Poor Means Test? Econometric Targeting in Africa," Journal of Development Economics,2018,134.具体来看，PMT 下的人均低保金=样本中所有实际低保户获得的低保金总额/PMT 识别出的贫困人口总数。PMT 下家庭获得的低保金=PMT 下的人均低保金×家庭人口数。

为了改善预测效果，我们还采用分地区OLS 回归模型来估计代理指标的系数，其结果见表1 中的第4—6 列。结果显示，在东、中、西3 个地区样本中OLS 回归的R2分别为0.329、0.291、0.318，这说明在东部和西部样本中回归的拟合优度比在中部样本中更好。大部分代理指标系数的估计结果在影响方向和显著性上与在所有样本中OLS 回归结果保持一致。然后，我们使用各地区的系数估计值和相应的代理指标取值来计算样本家庭的Ln(Yi)预测值。按照升序排列之后，我们同样将预测值最小的7.27%的家庭设定为应保家庭。关于低保金总额及其在应保家庭中分配的设置与上段介绍完全一致。

表1 代理指标描述性统计及回归模型估计结果

均值标准差所有样本东部样本中部样本西部样本0—5 岁女性人数0.082 0.304-0.126***-0.313***-0.025-0.057 6—15 岁男性人数0.212 0.471-0.178***-0.284***-0.091**-0.191***6—15 岁女性人数0.176 0.460-0.187***-0.189***-0.199***-0.141***16—64 岁男性人数1.203 0.860 0.019 0.003 0.046-0.021 16—64 岁女性人数1.133 0.832-0.100***-0.104***-0.129***-0.087***65 岁及以上男性人数0.327 0.474-0.016-0.093**-0.033 0.080 65 岁及以上女性人数0.314 0.470-0.068***-0.117***-0.111***0.010家庭人力资本状况户主学历为初中0.353 0.478 0.068**0.119**0.010 0.114**户主学历为高中0.105 0.307 0.128***0.324***-0.038 0.124户主学历为高中以上0.013 0.115 0.223**0.461***0.214-0.271成员最高学历为初中0.333 0.471 0.088**-0.032 0.149**0.123*成员最高学历为高中0.228 0.420 0.067-0.141**0.142**0.185**成员最高学历为高中以上0.151 0.359 0.170***-0.036 0.224***0.335***自评健康差的成员比例0.251 0.326-0.300***-0.167***-0.450***-0.269***家庭成员就业状况就业成员比例0.564 0.329 0.406***0.385***0.306***0.574***离退休成员比例0.015 0.097 0.863***0.960***0.851***0.789**有成员从事工资性工作0.475 0.499 0.638***0.738***0.517***0.712***有成员从事非农经营活动0.155 0.362 0.217***0.305***0.190***0.176***家庭财产状况人均住房面积20—40 m2 0.273 0.445 0.016 0.020-0.046 0.067人均住房面积40—60 m2 0.292 0.455 0.056*0.030 0.010 0.104人均住房面积60—80 m2 0.094 0.291 0.058 0.011 0.158**-0.057人均住房面积＞80 m2 0.175 0.380 0.147***0.071 0.133**0.236***有家用汽车0.163 0.369 0.240***0.213***0.224***0.339***有商用汽车0.044 0.205 0.196***0.020 0.173**0.386***有手机0.958 0.201 0.241***0.175**0.165*0.486***有冰箱0.821 0.383 0.213***0.083 0.191***0.268***有空调0.339 0.473 0.098***0.115***0.167***-0.030有电脑0.263 0.44 0.136***0.119***0.175***0.144**有热水器0.396 0.489 0.221***0.267***0.150***0.210***有净水器0.091 0.287 0.161***0.332***0.115**-0.007有活期存款0—5000 元0.291 0.454 0.017 0.000 0.041 0.012有活期存款5000—10000 元0.075 0.264 0.267***0.234***0.142**0.438***有活期存款＞10000 元0.171 0.377 0.420***0.432***0.362***0.477***

注：学历虚拟变量的参照组为小学及以下；自评健康差指与同龄人相比自评健康为不好和非常不好；人均住房面积虚拟变量的参照组为0—20 m2；活期存款虚拟变量的参照组为没有活期存款；家庭公用事业支出包括水、电、燃料、物业和取暖支出，参照组为月均支出0—50 元；***、**、*分别代表1%、5%、10%的显著性水平。

（二）代理家计调查对低保瞄准的改善作用

表2 给出了农村低保实际瞄准和代理家计调查瞄准下的漏保率和错保率。其中，我们将基于所有样本OLS 回归的代理家计调查称为PMT1，而将基于分地区样本OLS 回归的代理家计调查称为PMT2。①下文中所有PMT1 和PMT2 具有与此处相同定义。从全国实际瞄准效果来看，农村低保仍然具有较高的漏保率和错保率。其中，无论使用哪条贫困标准，全国实际瞄准的漏保率比错保率均高出至少20 个百分点，这说明当前农村低保的漏保偏误比错保偏误更为严重。表2 显示，农村低保在所有样本中的覆盖率远低于应保率，这必然导致相当比例的应保家庭被漏保。当使用水平更高的贫困标准时，②1.9 美元/人天、2300 元/人年和3.2 美元/人天是3 条全国统一的贫困标准，按照折算后的水平来看，3 条贫困标准逐次升高。实际瞄准的漏保率稍有升高，而其错保率却出现明显的下降。分地区的实际瞄准结果表明，东部地区的漏保率要高于中西部地区，而中部地区的错保率比西部地区更高。

表2 实际瞄准和PMT 瞄准下的漏保率和错保率（%）

比较代理家计调查瞄准和实际瞄准下的测算结果，我们发现代理家计调查能够显著降低农村低保的漏保率和错保率。进一步看，与来自其他发展中国家的证据类似，我们还发现代理家计调查在降低错保率方面的效果远高于其在降低漏保率方面的效果。③Margaret Grosh,Judy Baker,Proxy Means Tests for Targeting Social Programs:Simulations and Speculation,World Bank Living Standards and Measurement Study Working Paper 118,World Bank,1995;Caitlin Brown,et al.,"A Poor Means Test? Econometric Targeting in Africa," Journal of Development Economics,2018,134.比如，当基于农村官方贫困标准测算时，PMT1 瞄准相比实际瞄准，全国错保率降低了27.69 个百分点（从57.62%降到29.93%），而全国漏保率仅降低了8.17 个百分点（从87.49%降到79.32%）。分地区的结果表明，在降低漏保率方面，PMT1 在西部地区的效果更好。在降低错保率方面，PMT1 在中部地区的效果更好。通过比较两种代理家计调查方法下的测算结果，我们发现PMT2 在降低全国漏保率和错保率方面的效果优于PMT1。上述结论在4 条不同的贫困标准下均保持成立，这说明本部分结论具有较好的稳健性。

图2 给出了农村低保实际瞄准和代理家计调查瞄准下的集中曲线。首先，图2 左上侧给出了在全国所有样本中的集中曲线。不难看出，相比实际瞄准下的集中曲线，PMT1 和PMT2 瞄准下的集中曲线距离代表平均分配的45°线更远。这说明，与低保实际瞄准相比，代理家计调查瞄准使得低保金总额的分配更集中于低收入群体。然后，图2 右上、左下和右下分别给出了在东部、中部和西部样本中的集中曲线。我们发现，在3 个地区样本中，代理家计调查瞄准下低保金总额向低收入群体的集中程度均高于实际瞄准。更细致的观察可以看出，代理家计调查瞄准对这种集中程度的改善在中西部地区样本中比在东部样本中更为明显。

图2 实际瞄准和PMT 瞄准下的集中曲线

表3 给出的集中指数测算结果印证了上述基于集中曲线得出的结论。在全国所有样本中，PMT1 和PMT2 瞄准下的集中指数分别比低保实际瞄准下的集中指数高出96.42%和100.33%。这表明，总体来看，相比低保实际瞄准，代理家计调查瞄准使得低保金总额更集中地分配给低收入群体。在分地区的考察中，我们发现在3 个地区样本中PMT1 和PMT2 瞄准下的集中指数均高于实际瞄准下的集中指数。但是，代理家计调查在提高集中指数方面的效果却存在明显的地区差异。具体而言，集中指数的提高幅度在西部最高、中部居中、东部最低。这说明，在贫困水平更高的中西部地区，代理家计调查能够使得低保资源更集中地分配给低收入群体。比较PMT1 和PMT2 的结果表明，在改善低保金分配性瞄准精度方面，PMT2 比PMT1 的效果更好。

表3 实际瞄准和PMT 瞄准下的集中指数

表4 给出了农村低保实际瞄准和代理家计调查瞄准下的SHARE 指标值和CGH 指标值。我们可以发现，无论采用哪条贫困标准，代理家计调查瞄准下的SHARE 指标值和CGH 指标值均显著高于实际瞄准下的结果。比如，在全国样本中，当采用农村官方贫困标准时，实际瞄准下的SHARE 值和CGH 值分别仅为43.56%和1.77，当采用PMT1 瞄准时两项指标值分别上升至70.85%和2.88。这说明，实际瞄准时按照官方贫困标准界定的贫困家庭仅能获得43.56%的低保总金额。但是当采用PMT1 来瞄准时，贫困家庭能够获得的低保金份额显著提升至70.85%。与在所有样本家庭中平均分配低保金相比，实际瞄准时贫困家庭获得的低保金份额仅高出77%。当采用PMT1 来瞄准时，贫困家庭获得的低保金份额却会高出188%。分地区的结果显示，在东、中、西3 个地区中PMT1 瞄准下的两个指标值均高于实际瞄准下的结果。然而，PMT1瞄准对SHARE 指标值和CGH 指标值的提升幅度在中西部地区更大。这说明，在相对贫困的中西部地区，PMT1 在提高贫困人口所获低保金份额方面的效果更好。最后，比较PMT1 和PMT2的结果表明，在提升上述两项指标值方面，PMT2 比PMT1 的效应更强。

表4 实际瞄准和PMT 瞄准下的SHARE 指标和CGH 指标

（三）不同覆盖率水平下的代理家计调查瞄准精度

来自其他发展中国家的证据表明，当项目覆盖率水平较高时，代理家计调查的贫困瞄准精度会更高。特别是，随着项目覆盖率的提高，代理家计调查在降低漏保率方面的效应会尤其显著。①Caitlin Brown,et al.,"A Poor Means Test? Econometric Targeting in Africa," Journal of Development Economics,2018,134.因此，本部分我们来考察不同项目覆盖率水平下代理家计调查的漏保率和错保率。在基于回归模型获得样本家庭收入预测值之后，我们设定代理家计调查瞄准下的覆盖率为低保实际覆盖率（7.27%）的若干倍数。比如，当代理家计调查瞄准下的覆盖率为实际低保覆盖率的1.5 倍时，我们定义家庭人均收入预测值最小的10.91%（7.27%×1.5）的那些家庭为代理家计调查识别出的应保家庭。我们分别计算了PMT1 和PMT2 在不同覆盖率水平下的漏保率和错保率。为了保证结果的稳健性，我们选择农村官方贫困标准和各地低保标准作为识别应保家庭的贫困标准。②使用另外两条贫困标准（1.9 美元/人天和3.2 美元/人天）与使用农村官方贫困标准和各地低保标准时的结论基本一致。限于篇幅，这些结果未在文中呈现。

表5 中基于两条贫困标准的测算结果显示，当使用PMT1 和PMT2 来瞄准贫困家庭时，随着项目覆盖率的提高，漏保率逐渐下降而错保率逐渐上升。此时，漏保率和错保率表现出一种此起彼伏的变化特征。那么，综合来看，提高代理家计调查下项目覆盖率对瞄准效果的总体影响如何呢？这个问题的答案不仅取决于漏保率和错保率的相对变化幅度，而且还取决于哪种瞄准偏误对低保的最终政策目标（减贫）有更大的影响。首先，从表5 结果可以看出，当提高代理家计调查下的项目覆盖率时，漏保率下降的幅度远高于错保率上升的幅度。比如，当采用官方贫困标准，项目覆盖率从低保实际覆盖率（7.27%）提高到3.5 倍的低保实际覆盖率（25.45%）时，PMT1 的错保率提高了14.56 个百分点（从29.93%提高至44.49%），而其漏保率则下降了36.67 个百分点（从79.32%下降至42.65%）。当政策制定者对降低漏保率和降低错保率给予同等的重视时，漏保率下降的幅度远高于错保率上升的幅度意味着提高项目覆盖率水平能够从总体上改善农村低保的瞄准效果。其次，一些学者基于严格的实证研究发现，与降低错保率相比，降低漏保率对改善项目减贫效果有更大的影响。③Martin Ravallion,"How Relevant Is Targeting to the Success of an Antipoverty Program," World Bank Research Observer,2009,24(2).考虑到农村低保是以减贫为主旨的政策，因此在降低两种瞄准偏误中应该给予降低漏保率以更高的优先性。此时，通过提高代理家计调查下的项目覆盖率来改善农村低保瞄准效果会变得更有政策吸引力。

在我们的样本中，农村低保的实际覆盖率远低于其应保率。在此情况下，一个合理的设定是将代理家计调查下的项目覆盖率设置为接近其应保率的水平。比如，当使用农村官方贫困标准时，我们设定代理家计调查的项目覆盖率等于实际覆盖率的3.5 倍。此时的覆盖率（25.45%）和应保率（24.63%）非常接近。我们发现，在此条件下PMT1 的漏保率和错保率分别为42.65%和44.49%。与PMT1 下覆盖率等于实际覆盖率（7.27%）时相比，这等价于以提高14.56 个百分点的错保率为代价降低了36.67 个百分点的漏保率。按照上文分析，这种覆盖率的调整有助于农村低保减贫目标的实现。当然，政策制定者在选择项目覆盖率时还会受到预算约束等其他诸多现实条件的影响。表5给出了不同覆盖率水平下的瞄准效果，这些测算结果可以为政策调整提供重要指导。

表5 不同覆盖率水平下PMT 瞄准的漏保率和错保率（%）

（四）代理家计调查对低保减贫效应的改善作用

农村低保的最终政策目标是减贫，所以有必要进一步考察代理家计调查对农村低保减贫效应的改善程度。基于3 条全国统一的贫困标准，①各地低保标准存在较大差异，这种差异化的低保标准本身就反映了水平不平等。因此在考察减贫效应时低保标准不适宜在全国样本中被采纳为贫困标准。所以，我们仅使用了全国统一的3 条贫困标准。表6 测算了通过FGT 指数度量的实际瞄准和代理家计调查瞄准下的农村低保减贫效应。在所有样本中的测算结果显示，代理家计调查相比实际瞄准在降低贫困发生率方面并无优势，但代理家计调查瞄准比实际瞄准在降低贫困距和平方贫困距方面的效果更好。这说明，代理家计调查瞄准方法在缓解贫困深度和降低贫困群体内部不平等程度方面比农村低保实际瞄准做得更好。进一步看，代理家计调查在改善减贫效应方面存在地区差异。与中东部地区相比，代理家计调查在降低贫困距和平方贫困距方面的效果在西部地区更为显著。比较PMT1 和PMT2 的结果表明，无论是在所有样本中，还是在西部样本中，PMT2 的减贫效果均优于PMT1。上述结果在3 条贫困标准下均成立，这说明研究结论具有较好的稳健性。

表6 实际瞄准和PMT 瞄准下的低保减贫效应（%）

四、结论及政策建议

基于2017年中国家庭金融调查（CHFS）数据，本文基于回归模型构建了系统性代理家计调查框架，并且综合使用多种瞄准和贫困测度指标严格检验了代理家计调查在改善农村低保瞄准精度和减贫效应方面的表现。研究结果显示：与实际瞄准相比，采用代理家计调查方法能够显著降低农村低保的漏保率和错保率，大幅提升其集中指数、SHARE 指标和CGH 指标取值。同时，代理家计调查在削减贫困距指数和平方贫困距指数方面也表现出比实际瞄准更好的效果。上述测算结果说明，使用代理家计调查有助于改善农村低保的瞄准精度和减贫效应。进一步分析表明，代理家计调查在降低错保偏误方面的效果大于其在降低漏保偏误方面的效果。代理家计调查在改善低保瞄准效果和减贫效应方面的作用在中西部地区更为显著。当设置较高的项目覆盖率时，代理家计调查在控制漏保偏误并促进减贫方面有更强的效力。在改善低保瞄准精度和减贫效应方面，基于OLS 分地区回归的代理家计调查框架比基于OLS 总样本回归的代理家计调查框架效果更好。

需要特别指出的是，本文基于收入标准来评估实际瞄准效果可能高估了农村低保的瞄准偏误。目前政策规定的农村低保资格认定标准主要包括家庭收入、财产、刚性支出等3 个维度。①参见国务院于2014年发布的《社会救助暂行办法》第9 条；民政部和国家统计局于2019年发布的《关于在脱贫攻坚中切实加强农村最低生活保障家庭经济状况评估认定工作的指导意见》第2—5 部分。基于多维度标准来认定救助资格在农村低保实践中也非常普遍。②张昊：《农村低保评审乱象的成因及治理：基于定性定量混合研究方法的分析》，《中国农村观察》2017年第1期。因此，那些在收入标准下被判定为漏保或错保的家庭，其实很有可能是多维度贫困标准判定的结果。本文在收入标准下探讨了代理家计调查在改善农村低保瞄准精度方面的有效性。所得结论应该更准确表述为：在瞄准收入贫困家庭时，代理家计调查比农村低保实际执行做得更好。这说明，代理家计调查有助于提高收入核查的精准度，从而提高对收入贫困家庭的瞄准效果。但是，官方政策要求农村低保应该以多维度贫困家庭为瞄准目标。因此，我们认为代理家计调查仅仅应该成为现有农村低保瞄准机制的一种有益补充，而不能成为其替代。农村低保需要采用包括代理家计调查在内的多种瞄准策略来识别出真正需要兜底的多维度贫困家庭。

中国农村基层行政力量薄弱，在这样的条件下，代理家计调查是否能够以较低的成本顺利展开呢？操作代理家计调查包括两个步骤。第一步，需要基于大样本家户调查数据和统计模型来确定代理指标并估计其权重，并以此为基础构建信息系统。该步骤需要由中央和省级政府牵头并负责资金、技术和组织层面的投入。具体来看，可以基于国家统计局采集的一体化住户调查数据，组织相关领域的专家团队通过统计模型来识别出分地区的代理指标体系并估计出各指标权重。基于上述结果编制计算机应用程序，并将该应用程序嵌入至各地区现有的低保信息管理系统中。第二步，在基层执行中，需要通过申请者自报、入户核查、跨部门信息联网共享和比对等手段来搜集代理指标信息，然后由基层工作人员将这些信息输入代理家计调查应用程序得出识别结果。尽管基层行政能力薄弱，但信息化技术的广泛使用为基层执行代理家计调查方法提供了重要推力。由于代理家计指标具有易观测、可核实、难以被操纵的特征，这些指标信息大多可以通过公安、金融、车管、医疗卫生、教育、电网、水务等相关部门信息平台获取。另外，扶贫部门管理的建档立卡信息系统、民政部门管理的家庭经济状况信息核对平台也可以作为重要的信息获取来源。在申请者授权之后，基层工作人员可以通过联网信息共享和比对，以较低的成本获得大部分代理指标信息。总体来看，在适度的财政支持下，考虑到当前信息化技术在低保制度运行中的助力，代理家计调查在农村低保实际执行中具有较高的可行性。

目前，农村低保主要依靠社区瞄准方法来识别贫困家庭。与社区瞄准相比，代理家计调查的贫困识别标准更为客观、透明而不易被操纵，这有助于控制贫困瞄准中的精英俘获效应，从而整体改善农村低保的瞄准和减贫效果。另外，代理家计调查还具有操作性强、执行成本低的优点。因此，我们认为可以在当前的农村低保瞄准实践中逐步引入代理家计调查方法。具体来看，我们建议在农村低保执行中建立社区瞄准和代理家计调查两类瞄准方法的协同作用机制。首先，政策执行者可以通过代理家计调查方法来识别极端贫困家庭和极端富裕家庭，并在此基础上将极端贫困家庭纳入低保，而将极端富裕家庭排除出项目。然后，在剩余家庭中通过民主评议等社区瞄准手段来确定低保资格。此外，在中西部地区低保实践中优先引入代理家计调查方法、在贫困水平较高的地区适度提高农村低保覆盖率，以及使用分地区回归的代理家计调查框架均有助于更好地发挥该方法在改善低保贫困瞄准方面的积极作用。

脱贫攻坚战取得全面胜利之后，“十四五”时期我国将开启以解决相对贫困问题为目标的贫困治理新阶段。完善农村社会救助制度，健全农村低收入人口常态化帮扶机制将是实现新的农村相对贫困治理目标的重要举措。在此背景下，精准识别帮扶和救助对象，通过提升瞄准精度来改善干预效果仍然是相关政策执行中的重要挑战。作为发展中国家常用的一种贫困瞄准方法，代理家计调查在中国减贫和社会救助领域中的应用还较少。我们建议在包括农村低保在内的各类帮扶和救助政策中试点展开代理家计调查瞄准，并且继续探索代理家计调查和其他瞄准方法的协同作用机制，这对于优化新时期农村贫困治理机制具有重大意义。