精准扶贫、全要素生产率与县域经济发展——基于滇桂黔国家级贫困县的证据*

丁建军，柳艳红

(吉首大学 商学院，湖南 吉首 416000)

一、引言

2013年以来，我国累计减少贫困人口9 300多万，年均减贫1 000万以上，随着贵州最后9个贫困县退出，我国832个贫困县全部脱贫，实现了人类减贫史上的伟大奇迹，也取得了我国现阶段共同富裕的实质性进展。习近平总书记在全国脱贫攻坚总结表彰大会上发表了重要讲话，指出：“事实充分证明，精准扶贫是打赢脱贫攻坚战的制胜法宝，开发式扶贫方针是中国特色减贫道路的鲜明特征。”[1]那么，精准扶贫这一制胜法宝是如何实现现行标准下全部贫困人口脱贫、贫困村出列、贫困县摘帽的？以及除了“脱贫”这一最备受关注的成效外对县域经济的发展影响如何？对于前一问题，已有不少的回答，如，习近平总书记在全国脱贫攻坚总结表彰大会上的重要讲话中将其总结为“七个坚持”；[1]新华社国家高端智库将其上升为“中国减贫学”，其中“5D”(即坚强领导、细绘蓝图、发展导向、数字管理、分级实施)是具有世界意义的经验要素。[2]然而，对于后一问题现有的研究还相对有限，特别是严谨的定量评估研究更是鲜见。但在脱贫攻坚实践中，各级政府以精准扶贫为抓手，统筹推进县域经济社会发展，这也意味着精准扶贫必然对县域经济发展产生深远影响，对这一影响的研究也将成为精准扶贫成效评估的又一重要关注点。基于此，本文尝试对这一问题进行定量回答，即基于滇桂黔2008—2019年县域面板数据，在测算县域全要素生产率的基础上，运用PSM-DID方法探究精准扶贫方略对县域经济增长及全要素生产率的影响，并进一步分析经济效率改善在精准扶贫促进县域经济增长中的作用。之所以选择滇桂黔三省的县域作为样本，一是滇桂黔地区集民族地区、集中连片特困地区、西部地区于一体，境内有滇桂黔石漠化片区、武陵山片区15个县、乌蒙山片区25个县和滇西边境山区56个县。其中，滇桂黔石漠化片区是全国14个片区中扶贫对象最多、少数民族人口最多、所辖县数最多、民族自治县最多的片区，而且其贫困县与非贫困县的数量非常相近，具有可比性。二是世界银行曾对西南四省的扶贫开发效果进行过评估，[3]301-305得出过扶贫开发影响贫困地区发展的系列结论。再次以西南地区滇桂黔三省县域为对象，考察精准扶贫方略对县域经济的影响，既能进一步丰富扶贫开发对县域经济发展影响的经验证据，也可为不同时期脱贫攻坚成效的比较提供经验依据。

二、文献简述

精准扶贫方略实施以来，国内关于精准扶贫的研究可以归为三类：第一类关注精准扶贫方略的内涵、实施过程、实践经验以及与乡村振兴衔接的研究。[4]130-148，[5]141-155，205，[6]58-67第二类是精准扶贫方略下“五个一批”及其具体举措的益贫性研究，并集中于产业扶贫、教育扶贫、金融扶贫、基础设施改善等的减贫效应。现有研究表明，多样化扶贫方式通过改善贫困地区生计资本、影响贫困群体的生计策略，进而保障贫困人口稳定的生计输出；[7]567-578扶贫资金的精细化管理提高扶贫资金的使用效率，改善扶贫资金的支出结构，固定资产投资增加提升当地资本投入，教育扶贫则进一步提高当地人力资本；[8]36-43产业扶贫不同于以产业结构升级为目的的产业发展，其首要目标是帮助贫困人口脱贫，其次才是促进当地经济发展。[9]1-9，18第三类为政策成效评估，主要针对扶贫改革试验区、连片特困区以及国家级贫困县设立等进行的政策有效性评估。虽然，该类文献不直接关注精准扶贫，但其研究方法和对区域整体经济效应的关注与本研究高度相似。

扶贫改革试验区设立政策评估方面，张国建等(2020)[10]136-154基于辽宁省2002—2016年县级面板数据使用双重差分法进行检验，发现扶贫改革试验区的设立对当地经济绩效正向作用明显，主要通过产业扶贫、金融扶贫、提高农村居民人均纯收入等渠道产生间接影响；周迪等(2019)[11]127-144以东部8省144个省定扶贫工作重点县为样本，应用三重差分法基于2009—2016年面板数据进行分析，发现主要是通过提升城镇化率与固定资产投资推动经济发展，同时，通过提升农业机械总动力带动农业发展；张楠等(2020)[12]20-35使用合成控制法，基于2003—2016年东部80个地级市数据识别了试验区政策的减贫效应及影响机制，发现试验区设立主要通过保险覆盖、金融参与和社会网络等渠道实现收入及多维减贫。集中连片特困区政策评估方面，李绍平等(2018)[13]142-155采用PSM-DID法，利用2007—2015年2 079个区县的面板数据研究发现，集中连片特困区设立不仅促进了当地经济发展，而且有助于降低地区间经济发展不均衡程度；王泽润等(2020)[14]145-155则进一步发现区域政策主要通过第一和第二产业增长等渠道对当地经济增长和农民增收产生间接影响。国家级贫困县设立政策评估方面，研究时间相对较早且数据类型上有宏微观之分。宏观层面，周玉龙等(2019)[15]21-40基于1990—2010年县域数据使用双重差分与合成控制法发现，政策实施的短期增长效应显著，但长期对农民增收的效果会逐渐弱化；黄志平(2018)[16]98-111基于993县2005—2015年的面板数据采用双重差分法检验了国家级贫困县设立对当地经济发展的影响，发现对当地经济发展具有显著且持续的推动作用，推动途径主要为优化产业结构和提高固定资产投资水平；佟大建等(2019)[17]126-135基于贫困县名单调整的“准自然实验”分析，发现退出贫困县时间越长对农民人均纯收入的负向影响越大，进而强调贫困县设立应注重对贫困县自我发展能力的培育。微观层面，徐舒等(2020)[18]134-149基于农业农村部农村固定观察点1986—2011年微观面板数据，使用双重差分方法评估减贫效果及收入分配效应，发现国家级贫困县设立主要通过促进基础设施投资、提高农业全要素生产率和鼓励外出务工等途径来缩小贫困县内部收入差距。

相对于上述扶贫改革试验区、集中连片特困区和国家级贫困县设立政策的评估而言，精准扶贫方略的成效评估，尤其是对贫困县县域经济发展影响的评估还十分有限。有限的研究表明，精准扶贫主要通过固定资产投资增加、融资能力增强和经济环境改善[19]34-42以及农民的劳动生产率提升促进当地产业发展[20]42，优化县域经济产业结构[21]20-24等，而农业生产效率提升也有助于增强减贫效果及收入分配效应[18]134-149。不过，上述精准扶贫对县域经济绩效、贫困户增收具有正向影响的结论主要是对既有认知的验证，既缺乏严谨的全面性评估，也尚未有新影响机制或路径的发现。精准扶贫方略除了对当地经济增长产生影响外，是否还影响贫困县的经济效率？经济效率提升又怎样作用于精准扶贫对县域经济发展的影响效应？对这些问题的回答，有助于加深对精准扶贫方略价值的理解以及对中国减贫方案、经验和理论的认知。本研究将借鉴现有政策评估中较为成熟的双重差分法，在倾向性匹配研究样本和测度、分解全要素生产率的基础上，检验精准扶贫方略对贫困县县域经济增长、经济效率的影响以及经济效率在精准扶贫影响县域经济发展中的作用。

三、研究设计、变量和数据

(一)研究设计

1.随机性验证与PSM-DID模型构建

借鉴郑新业等(2011)[22]34-44，65的做法检验贫困县设定是否存在非随机性特征。结果表明，地区经济发展水平越低，越容易被识别为贫困县，贫困县选择具有非随机性。因而，首先须解决非随机性问题。

倾向性匹配得分法(PSM)是解决非随机性问题的有效方法。采用卡尺匹配，选择表1控制变量作为协变量，在非贫困县中选取与贫困县倾向得分偏差在1%以内的观测值进行一对一匹配消除选择性偏误。进而，在匹配成功后的贫困县与非贫困县中进行比较，利用双重差分法，将“精准扶贫”政策实施视作一项“准自然实验”，通过组内差分将处理组政策发生后的均值减去政策发生前的均值得到处理组政策前后的变化，对照组也进行同样的操作得到对照组在政策发生前后的变化，考虑到其中可能还包括时间效应，未代表政策的净处理效应，在此基础上再进行一次组间差分，用处理组的变化减去对照组的变化剔除时间效应，得到“精准扶贫”政策的“净影响”。构建模型(1)：

Yit=α0+β1Treatedi+β2Postt+β3didit+βkXkit+λt+ηi+εit

(1)

其中，Yit是被解释变量，用于衡量县域经济发展水平；Treatedi为是否为处理组的虚拟变量，在文中指代i县是否为贫困县，是贫困县则赋值为1，不是贫困县则赋值为0；Postt为是否为处理期的虚拟变量，当年份t大于或者等于2014年则赋值为1，年份t小于2014年则赋值为0；didit为处理组与处理期的交乘项，didit=Treatedi×Postt；Xkit(k=4,5,6…)代表不同层面的控制变量，λt为时间固定效应，控制不随县域个体而变但随时间而变的因素，ηi为个体固定效应，控制县域不随时间而变但随个体而变的因素；εit为随机误差项；α0为截距项；β1、β2、β3、βk为待估参数，其中didit前面的系数β3是主要关注的参数，代表贫困县的“精准扶贫”政策效应，同时，由于同一县不同期的扰动项一般存在自相关、不同县的扰动项一般存在异方差，不符合独立同分布的假设，故本文标准误均采用县级层面的聚类稳健标准误修正。

2.全要素生产率测度与中介效应模型

为了进一步检验精准扶贫对贫困县县域经济发展效率的影响以及精准扶贫对县域经济发展的影响机制，本文在全要素生产率测算及其分解的基础上，应用中介效应模型进行识别。

首先，利用DEA-Malmquist模型测算得出全要素生产率及其分解指标。采用Ray(1997)[23]1033-1039等的方法测算全要素生产率变化(TFPCH)，其中，投入产出指标借鉴现有文献[24]1293-1301并综合数据可得性进行选取，将反映县域经济发展的投入指标确定为全社会固定资产投资额、城乡从业人员总数、农用机械总动力、中等学校在校学生人数，产出指标确定为地区国内生产总值、社会消费零售总额和农民人均纯收入(1)考虑到短期内相关生产要素难以发生大幅变动且政策本身的益贫性，因此，如何在当前投入下获得最大的产出更加契合本文所关注的内容，故本文采用产出导向的DEA-Malmquist模型进行计算。。全要素生产率变化又进一步分解为纯技术变化(TECCH)、纯效率变化(TECH)和规模效率变化(SECH)3个部分，以分别衡量在研究期内各县域是否取得了技术进步、资源配置与利用效率改善以及规模效率提升。

其次，借鉴温忠麟、叶宝娟(2014)[25]731-745的中介效应检验的程序，设立如下中介效应检验模型进行检验：

Yit=α0+α1didit+αkXkit+λt+ηi+εit

(2)

Mit=β0+β1didit+βkXkit+λt+ηi+εit

(3)

Yit=γ0+γ1didit+γ2Mit+γkXkit+λt+ηi+εit

(4)

其中，新定义的变量Mit代表中介变量，中介效应是否存在的判断标准是对模型(2)(3)(4)前的系数进行显著性检验：首先检验模型(2)中α1的系数，代表“精准扶贫”政策的总效应；然后依次检验模型(3)中的系数以及模型(4)中的系数，其中β1表示“精准扶贫”政策对中介变量的效应，γ2表示控制了“精准扶贫”政策的影响后，中介变量对被解释变量的影响效应；模型(4)中γ1的系数代表在控制了中介变量的影响后，“精准扶贫”政策对地区经济发展的直接效应。若所有模型中的系数α1、β1、γ2都显著，则说明中介效应存在；同时，若模型(4)中γ1的系数不显著，则说明为完全中介效应，若模型(4)中γ1的系数显著，则说明为部分中介效应。

(二)变量说明

参考现有扶贫政策评价研究成果选用以下变量。其中，采用区域内某县某年是否为精准扶贫政策实施的重点对象作为核心解释变量，若i县在t年实行某项政策，则该县及后续年份赋值为1，否则为0。2013年11月习近平总书记在湘西考察时提出“精准扶贫”方略，2014年瞄准贫困家庭与贫困人口探索实施，[4]130-148故在本文中将t≥2014年设为1，t<2014年设为0。另外，文中所有经济指标均以2008年为基期采用省级GDP平减指数进行平减。[16]98-111

表1 变量说明

(三)数据来源

本文选取2008—2019云南、贵州、广西三省的县域数据，数据来自各年份《云南统计年鉴》《贵州统计年鉴》《广西统计年鉴》《中国县域统计年鉴》《中国财政统计年鉴》以及相关统计公报，对少数变量个别年份缺失值利用线性插值法进行补充。连片特困区县名单、扶贫开发重点县名单、各贫困县脱贫时间名单数据均来自国务院扶贫开发领导小组办公室网站(2)连片特困区县名单：http://www.cpad.gov.cn/art/2012/6/14/art_50_23717.html；扶贫开发重点县名单：http://www.cpad.gov.cn/art/2014/12/23/art_343_981.html；贫困县脱贫时间名单：http://www.cpad.gov.cn/art/2020/10/16/art_343_1140.html。。本文得到滇桂黔328个县(其中贫困县171个，非贫困县157个)2008—2019年共3 936个样本(3)匹配后样本共963个，因篇幅限制未给出描述性统计和具体匹配后检验图表，若有需要可向作者索取。后文均基于匹配后样本进行分析。。

四、实证结果分析

(一)对县域经济总体影响效应分析

首先，利用模型(1)对“精准扶贫”政策的县域经济总体影响的平均效应进行估计。回归结果如表2所示。可以发现，不论是以地区实际生产总值还是人均地区实际生产总值作为被解释变量，“精准扶贫”政策都存在显著的正向影响，加入时间效应、个体固定效应以及相关控制变量后系数估计值稍有下降但仍然显著为正，说明较好地控制了相关因素造成的估计偏误，第3、6列为比较稳健地接近真实效应的估计。由此可知，“精准扶贫”政策对县域经济有着显著的促增作用，同时，对人均地区实际生产总值的影响效应略大于对地区实际生产总值的效应。具体表现为，“精准扶贫”对贫困县地区实际生产总值的政策效应比非贫困县平均高出9.03%，而对人均地区实际生产总值的影响则平均高出11.70%。

表2 精准扶贫对县域经济总体影响的平均效应

其次，考虑到受不同地理环境、历史文化、政策倾斜差异性等的影响，“精准扶贫”效果可能存在异质性。滇桂黔三省内贫困县比例高达52%，同时，民族县、山区县以及革命老区县的比例分别为59%、62%、16%，均占据较大比例(4)根据相关滇桂黔石漠化片区贫困县、民族县、山区县、革命老区县名单测算得出。。为考察不同类型县(区)政策效应是否不同，该部分以“是否民族县”“是否山区县”“是否革命老区县”分组对比考察。表3为分组检验结果。与前文基准回归的结论一致，各分组下“精准扶贫”政策对县域经济(lngdp、lnpgdp)具有正向促进作用，且对人均生产总值的影响整体来看仍大于对地区生产总值的影响。

表3 精准扶贫影响的县域异质性

进一步地，考察贫困县与非贫困县是否具有事前平行趋势，同时检验事后年份精准扶贫的动态效应。基于匹配后的样本，对模型(5)进行回归分析。

(5)

其中，新定义post(c)为虚拟变量，实施精准扶贫后第c年赋值为1，否则为0(c为负值时，表示在精准扶贫前|c|年)。将处理组虚拟变量与实施政策当年前后年份的交乘项表示反事实情形，即设定不同年份为精准扶贫的实施年份，探究此时政策效应是否仍然存在。若在精准扶贫实施年份前交乘项前的系数不显著(5)此处选择去掉政策实施前一年d_1作为基期。，则表示通过了平行趋势检验；若在精准扶贫实施年份后交乘项前的系数在相连续的年份都显著，则表示精准扶贫的影响效应具有持续性。

反事实平行趋势检验表明(图1)：第一，精准扶贫实施前各年份，贫困县与非贫困县在精准扶贫实施前具有相同的时间趋势；第二，精准扶贫实施对提升县域人均地区实际生产总值存在持续效应，这与已有研究结论一致，[15]21-40,[18]134-149,[21]20-24但对地区实际生产总值提升具有滞后效应，表现为精准扶贫实施后两年，对县域经济发展的促进作用才体现出来。

图1 lngdp、lnpgdp的平行趋势及动态效应

(二)对全要素生产率的影响及中介效应检验

在测得2009—2019年滇黔桂三省县域全要素生产率变化及纯效率、纯技术和规模效率变化(6)鉴于篇幅有限，本部分未报告详细测度结果，如有需要，可向作者索取。的基础上，应用模型(1)，分别将全要素生产率变化、纯效率变化、纯技术变化和规模效率变化作为被解释变量进行回归分析。结果如表4所示：精准扶贫实施显著提升了县域全要素生产率水平，说明精准扶贫对贫困县域的经济发展质量有提升作用。同时，从全要素生产率的分解因子来看，除了纯技术变化外，精准扶贫对贫困县域纯效率变化和规模效率变化均具有显著的正向影响，说明政策实施有效改善了贫困地区资源配置、利用与管理水平，改善了投入产出转化率，促进了纯效率和规模效率的提升。即精准扶贫方略以相对生产规模、纯效率变化等提升县域经济效率。

表4 精准扶贫对全要素生产率变化的影响效应

进一步地，为识别精准扶贫对县域经济影响的机制和路径，将表4中did前系数显著的变量纳入模型(4)中，检验全要素生产率及其分解因子的中介效应。回归结果(7)本文构建了Sobel统计量对中介变量系数对应的Z统计量进行检验，限于文章篇幅不再展示，结果TFPCH、TECH、SECH均通过了5%水平的显著性检验。如表5所示，其中第1列为未纳入相关中介变量的基准回归模型，2～4列依次纳入全要素生产率变化(TFPCH)、纯效率变化(TECH)、规模效率变化(SECH)以探究其中介效应。表5显示，全要素生产率及其分解因子均为部分中介效应，表明精准扶贫方略在直接促进贫困县域经济增长的同时，还通过全要素生产率、纯效率以及规模效率的提升间接促进当地经济增长。一方面，通过驻村干部、道路建设、人居环境改造等提升了乡村治理水平、公共服务和基础设施水平，进而有效改善了资源的配置、利用与管理水平；另一方面，通过产业扶贫培育的当地龙头企业、新型农业经营主体以及产业合作社等提升了经济系统的投入产出转化率和相对生产规模，进而有效提升了县域经济效率，促进了贫困县域经济发展。值得注意的是，精准扶贫方略并未显著改善当地的技术水平，可能的原因是产业扶贫的主要目标是脱贫而非产业结构升级，此外，由于农业机械化水平改善有限、教育回报周期较长、专业技术人员不足等原因，即使在精准扶贫方略强有力的干预下，贫困地区仍未发生明显的技术进步。

表5 全要素生产率对lnpgdp的影响效应

(三)稳健性检验

为了进一步检验回归结果的稳健性，该部分通过采用不同的匹配方法、调整控制变量和样本调整三种途径进行检验。其中，匹配方法上，分别采用熵平衡法、一对三匹配以及核匹配法(使用默认带宽0.06)进行匹配，在此基础上再使用双重差分模型，结果显示，不同匹配方法得出的结论具有高度一致性；调整控制变量方面，分别将财政支出占比滞后一期、社会消费品零售总额占地区实际生产总值的比重、从业人员占总人口的比重、第三产业(旅游产业)增加值占地区实际生产总值的比重等纳入回归模型，结果仍然稳健。样本调整方面，更改样本时期为 2010—2017年(规避金融危机冲击的影响)、去掉2017年后已脱贫县的样本、将样本替换为“扶贫工作重点县”的样本(验证“精准扶贫”政策对三省内不属于滇桂黔石漠化片区县，但依旧是贫困县地区的经济发展是否也具有正向促增作用)，结果均成立。综合多种检验方法，发现本文得出的结论稳健。

表6 不同方法下的稳健性检验

五、结论与讨论

精准扶贫方略是我国脱贫攻坚战全面胜利的制胜法宝，不仅如期实现了全部贫困人口脱贫、贫困村出列、贫困县摘帽，而且对贫困县域经济发展产生了深远影响。本文基于2008—2019年滇桂黔三省328县的数据，在全要素生产率测算和分解的基础上，运用PSM-DID识别了精准扶贫对贫困县域经济增长与生产效率提升的因果效应。主要结论为：(1)精准扶贫显著促进了县域经济发展水平。对贫困县地区实际生产总值的影响效应比非贫困县平均高出9.03%，而对人均地区实际生产总值的影响效应则平均高出11.70%，该结论在多种识别假定检验和稳健性检验下仍然成立；(2)精准扶贫对县域人均GDP具有持续性影响，但对县域实际GDP的影响具有滞后性，且政策实施对县域经济增长的异质性明显。总体而言，对民族县、非山区县、非革命老区县的影响更为明显，精准扶贫虽对贫困县地区实际GDP产生了明显的正向影响，但只对山区县人均GDP的影响显著；(3)精准扶贫对县域全要素生产率、纯效率变化以及规模效率变化具有明显的正向影响，但对技术进步的影响相对有限，同时，全要素生产率及其分解因子对贫困县域经济增长存在中介效应，且均为部分中介效应，表明精准扶贫方略在直接促进贫困县域经济增长的同时，还通过全要素生产率、纯效率以及规模效率的提升间接促进经济增长。

显然，以上结论对“十四五”时期巩固拓展脱贫攻坚成效，接续推进乡村振兴有着重要的启示。精准扶贫方略虽然采取的是到村、到户、到人的瞄准机制，旨在精准滴灌、靶向干预地解决现行标准下的绝对贫困问题，但“五个一批”“六个精准”的系统性干预对县域经济发展有着明显的外溢效应，这正是“以脱贫攻坚统筹县域经济发展”的科学性所在。与此同时，精准扶贫不仅促进了县域经济增长，而且对县域全要素生产率即经济发展质量也产生了重要影响。不过，从全要素生产率的分解因子变化来看，精准扶贫带来的技术进步还远远不够，需要在资源优化配置和治理水平提升等既有基础上进一步发力，注重人力资本积累，提高农业生产的机械化和专业化水平，进一步促进县域经济高质量发展。因此，在脱贫攻坚与乡村振兴的5年衔接期内，“扶上马送一程”工作显得尤为重要。同时，对滇桂黔地区各县域来说，民族县、山区县仍需要资源和政策倾斜以缩小发展差距，借助有效的外力帮扶，通过“靶向干预”促进贫困县域“人—业—地”资源要素的良性耦合，进而提升自我发展能力，跳出贫困陷阱，实现可持续发展。