中国城市居民家庭相对贫困测度研究

平卫英,占成意,罗良清

(江西财经大学 统计学院,江西 南昌 330013)

一、引 言

贫困是一个全球性的复杂难题,全面脱贫对于发展中国家更是一个艰巨的挑战。改革开放40多年来,中国扶贫工作取得了巨大的成果。2020年中国农村绝对贫困全面消除标志着扶贫工作将从绝对贫困转向相对贫困,一个更复杂的相对贫困群体逐渐在城市中引起重视。城市经济的高速发展使得城市居民的人均收入远远高于农村绝对贫困线,但也造成了更大的贫富差距,城市经济增长带动城市居民收入的增加降低了绝对贫困率,但不能有效降低城市的相对贫困率。单一维度上的收入贫困测度与研究不能更精准地得到城市相对贫困群体的特征。自从人的可行能力作为衡量贫困的标准被Sen提出后[1],国内外学者们对贫困的探索方向也从一维转向了多维,当前多维角度贫困测度与研究理念可以更好地认识中国城市相对贫困的本质特征。

与集中连片的农村绝对贫困群体不同,城市相对贫困群体大多以散点状分布于城市的各个区域中,所处环境更复杂,其环境整体水平更高,主要包括经济、教育、医疗、生活条件等方面。由于相对贫困的复杂性,无论是落后地区还是发达地区,都存在一定比例的相对贫困群体,虽然各方面需求已经得到满足,但处在一种相对落后的状态。纵观现有成果,中国城市相对贫困指标体系尚未有一个统一的标准,学术界迫切需要构建一个合理且合适的多维相对贫困评价体系。同时,一些学者在进行贫困测度时,各维度和指标的等权重处理方式值得商榷。基于此,本文从6个维度来构建新型城市相对贫困指标体系,把社会保障和家庭负债等纳入到城市相对贫困指标体系,引入熵值法和多元对应分析法对各维度指标进行权重处理并综合分析。科学的贫困测度可以更精准地识别城市相对贫困,分析城市相对贫困特征,从而为中国制定城市减贫战略提供科学的理论依据。

二、文献综述

作为全球公共难题之一,城市贫困的研究一直受到学术界的关注。中国城市贫困的研究开始于20世纪90年代初,学者们关于城市贫困的研究主要从两个视角展开,一个是单维贫困和多维贫困,一个是绝对贫困和相对贫困。

早期的研究认为城市贫困是单一维度物质生活上的绝对贫困,随着对城市贫困认识的加深,学者们逐渐注意到城市贫困群体关于精神、社会和权力等层面的贫困状况,城市贫困的判断标准也逐渐由单维转向多维。近年来关于城市贫困的识别维度与方法已较为完善,大都使用Alkire、Foster的“双界限”法从收入、教育和健康等方面进行城市贫困测度,如张全红与周强从教育、健康、就业、生活和公共服务5个维度进行城乡贫困对比,程世勇与秦蒙从教育、生活标准、健康、资产和社会参与5个维度测度城市农民工的多维贫困程度,于涛上浮农村绝对贫困标准设置城市绝对贫困标准,从教育、收入、健康和生活条件4个维度测度中国城市多维贫困水平[2-5]。同时,随着农村绝对贫困的消除,相对贫困的研究逐渐受到重视。学者们开始把相对贫困与城市贫困相结合,如杨洋、马骁发现流动人口与城镇人口相比处于贫困状态,杨舸认为流动人口增加了城市相对贫困程度[6-7];王锴认为相对贫困的思想更能反映城市贫困的本质特征,李亮从收入支出、精神和公平性3个维度梳理城市相对贫困群体的范围[8-9]。张文宏、苏迪认为社会保障对城市相对贫困程度有显著影响[10]。目前国内鲜有文章用相对贫困的思想构建中国城市多维贫困的评价标准,同时对于城市相对贫困线的设置也没有统一的标准。考察国内外文献,大都使用收入均值或者中位数的40%～60%作为相对贫困线的标准,国外学者Gottlieb和Fruman认为收入中位数的60%为最优的相对贫困线[11-13]。

综上所述,对于城市贫困的研究主要表现出以下几个特点。第一,涉及领域上,从原先的经济学、社会学扩展到管理学、人口学、哲学、政治学以及生态学等多学科;第二,分析方法上,定量分析与定性分析、静态分析与动态分析相结合;第三,研究视角上,从单维贫困到多维贫困,从绝对贫困到相对贫困。基于此,与已有的城市贫困研究相比,本文的创新点主要体现在两个方面:把相对贫困与城市多维贫困相结合,构建新型城市居民家庭相对贫困指标体系,从多个维度和领域来探索城市相对贫困的主要特征。运用两种客观权重法并结合随机模拟结果综合分析城市相对贫困测度结果,避免单一权重导致的结果误差,以期获得更科学的城市相对贫困测度结果。

三、城市相对贫困测度方法及指标体系

城市相对贫困测度需要获得调查对象每个维度或指标的值,进而对不同的维度或指标定义相对贫困临界值,根据制定的临界值来识别调查对象在该维度或指标上的相对贫困状态。本文基于Alkire、Foster的“双界线”法对中国城市居民家庭相对贫困水平进行测度和分解[2],该方法识别相对贫困水平后将各指标的信息加总成一个综合相对贫困指数。

(一)相对贫困测度方法

1.相对贫困的识别

相对贫困的识别分为单个维度相对贫困的识别和多个维度相对贫困的识别。

2.相对贫困的测度

按城市相对贫困家庭样本数量计算的相对贫困发生率(H)对各个维度的相对贫困状态进行加总,从而构成一个综合的相对贫困指数来评估城市居民家庭相对贫困水平。H表示城市居民家庭相对贫困人口的比率,计算方法如下:

(1)

Alkire和Foster提出了弥补FGT缺陷的方法[14],其计算如下:

(2)

3.相对贫困的分解

相对贫困指数在不同群组和维度上表现出可加性,因此可以按照地区、省份、维度等不同组别进行分解。按行分解可获得地区和省份的贡献率,按列分解可获得不同指标的贡献率。

(3)

(4)

按指标分解:

(5)

(6)

(二)指标体系构建及说明

1.MPI指标体系

多维贫困指数MPI(Multidimensional Poverty Index)从教育、健康和生活水平3个维度共10个指标来度量贫困状况,分别为儿童入学率、受教育程度,儿童死亡率、营养状况,卫生设施、用电、饮用水、屋内地板材质、做饭燃料和耐用消费品。通常处理方式是三个维度的权重相等,同一维度的指标权重相等。国内学者在研究贫困问题时,会结合各地区实际情况对指标做出一定调整,如王小林、张全红等增加了收入维度[15-16]。同时,在城市贫困的研究中,许多学者通过对农村多维贫困的研究体系进行改造来构建城市贫困指标体系[4-5,17]。通常来说都包含MPI中的3个维度,然后根据不同的研究侧重点以及城市实际情况做出适当的维度以及指标变化。

2.城市居民家庭相对贫困指标体系

本文在MPI的基础上增加收入、社会保障和家庭负债3个维度,主要是结合中国城市实际并参照国内外城市贫困以及相对贫困研究文献中的维度、指标和临界值的设置。

(1)收入维度。中国目前没有官方规定的城市相对贫困线,学术界对于相对贫困线也没有统一的标准。国内外学者们大都使用人均收入中位数的40%到60%作为相对贫困的参考标准。参照汪晨等以及Gottlieb和Fruman的研究成果[12-13],同时考虑到2018年国家统计局按全国居民五等份收入分组的中间偏下收入组收入线,中间收入组为23 188.90元,中间偏下收入组为14 360.52元。使用样本数据中位值家庭收入的60%作为相对贫困线,即15 000元。若家庭人均年收入低于15 000,则被认定为收入贫困。

(2)教育维度。国内一些学者均采用受教育程度作为多维贫困指标体系中反映教育维度的指标[18-19]。同时中国九年义务教育已经全面实施,现阶段的适龄儿童入学率接近100%,故儿童入学率指标不适用于现阶段的城市相对贫困测度。因此本文剔除MPI指标体系中儿童入学率只保留受教育程度。若家庭成员中没有初中以上学历的成人,则判定在教育上相对贫困。

(3)健康维度。选取健康状况作为健康维度的指标,国内学者在选取健康状况作为指标的合理性已有研究[20]。并且受限于CFPS数据,考虑到城市的医疗条件以及家庭整体收入要高于农村贫困地区,营养状况和儿童死亡率更大程度是针对农村贫困现象,因此使用健康情况指标代替营养状况和儿童死亡率两项指标。健康状况使用家庭成年人员的健康自评来反映被剥夺情况,问卷中对健康情况采用1～7的打分制,分别表示从很差到很好。设置健康情况的剥夺临界值为4,若家庭成员的健康情况得分低于4,则判定该家庭在健康上相对贫困。

(4)社会保障维度。社会保障维度选取2个指标,医疗保险和养老保险。郭熙保等和车四方等把医疗保险作为反映医疗维度的指标[19-20]。而本文是从社会保障的视角出发,把医疗保险指标放在社会保障维度。同时考虑到当前中国城市家庭大多是“421”的人口结构,以及二胎的开放,将来城市家庭大多会是“422”的人口结构,老人和子女会给家庭带来巨大的经济负担,会对一个家庭的“可行能力”造成影响,而养老保险能够作为老年人退出劳动后的一种保障,降低家庭负担。参考韩莹莹、曾子澜、张伟华把养老和医疗作为城市扶贫整体绩效评估指标体系中的两个重要维度[21]。故本文把养老保险作为指标纳入到社会保障维度。

(5)生活水平维度。MPI指标体系中,生活水平维度下设6个指标,分别为水、电、做饭燃料、卫生设施、地板材质和耐用消费品。在CFPS2018里7 251个有效城市家庭样本数据中,考虑到城市地区经济生活的各方面条件,如水、电基本全覆盖;卫生设施相关数据较少,但城市地区的家庭卫生设施平均水平高于农村地区,基本符合标准。基于此,水、电、做饭燃料和卫生设施不适合作为城市相对贫困系数中的指标。CFPS2018数据中没有地板材料的相关数据,故用家居整洁度代替地板材料来反映家庭居住舒适度。家居整洁度采用打分制,1～7分别表示从低到高,设置剥夺临界值为4,若家庭成员的家居整洁度得分不足4,则判定该家庭在家居整洁度上相对贫困。CFPS2018问卷中耐用消费品统计的是总值,因而本文参考收入相对贫困线的设定,采取与样本数据中位值的60%比对的方式进行判定,在中位值60%之下为相对贫困,通过计算样本数据值,得到剥夺临界值为7 800元。除了以上根据MPI调整的指标外,还增加了城市家庭的恩格尔系数(Engel’s Coefficient),恩格尔系数指居民家庭中食物支出占消费总支出的比重,张昭等在构建多维贫困指标体系时认为恩格尔系数是反映居民生活水平的重要指标之一[22]。恩格尔系数大于或者等于0.6作为剥夺临界值。基于以上原因,生活水平维度选取耐用消费品、家具整洁度和恩格尔系数3个指标。

(6)家庭负债维度。在家庭负债维度上选取2个指标,借款被拒情况和房贷占比。谢家智、车四方从金融视角出发,在测度农村居民多维贫困水平时增加金融借贷指标,认为金融服务对于农村贫困人口的生活质量有着重要的影响作用[23]。Sen提出的可行能力视角,可以将家庭中存在借款被拒经历视为其在借款方面的可行能力受到剥夺[1]。本文则从家庭负债角度出发,故把借款被拒情况作为家庭负债维度指标。而房贷占收入比重指标则是结合了当前城市家庭的经济负担的特点而设立,房贷压力易导致家庭在其他方面的消费受到影响。考虑恩格尔系数0.6的食物比例支出,设置房贷月供占月人均收入的比重0.4为剥夺临界值,若家庭房贷月供占比高于0.4,则判定该家庭在房贷支出方面相对贫困。

综上所述,本文从收入、教育、健康、社会保障、生活水平、家庭负债6个维度10个指标来构建指标体系。结果见表1。

表1 城市居民家庭相对贫困指标体系

四、城市居民家庭相对贫困测度及分解

(一)数据来源

本文数据来源于中国家庭追踪调查(China Family Panel Studies,简称CFPS),该追踪调查每两年一期。CFPS2018全国追踪调查以前三次全国调查所界定出来的家庭为基础,样本包括2016年已经完访的家庭和2016年没有成功追踪的2010年及2014年完访家庭。数据库涵盖中国31个地区的人口,本文所使用的CFPS2018城市居民家庭数据,总计7 251份有效数据。本文城市居民家庭相对贫困的研究使用了CFPS2018数据中的个人和家庭调查问卷中的相关数据。

(二)权重设置

国内学术界对于多维贫困测度中的权重选取方式分为两种,一种为等权重法,通常沿用了Alkire和Foster的处理方法[2];另一种为非等权重法。由于等权重赋权会忽略各个维度指标间的相对重要性,因此本文选用了非等权重的方法。而不同的赋权结果会使最终的相对贫困指数出现不同的结果,如果仅用一种赋权方法会存在偶然性,因此本文选用了两种赋权方法并进行随机权重模拟。进而对两种权重法和随机模拟的结果综合分析,主要目的是防止单一权重的偶然性对最终结果造成较大误差。

1.熵值法下各指标权重

熵值法是一种客观赋权的多指标综合评价方法,能够客观准确地评价研究对象,它依据各维度指标间关联程度或各维度指标里包含的信息量来得到最终的权重。为了满足一致性要求,本文采用极差标准化处理原始数据,计算公式如下:

正向指标:

(7)

负向指标:

(8)

表2 熵值法权重赋值表

2.多元对应分析法下各指标权重

多元对应分析(MCA)能有效处理多个定类变量,能够分析出多个变量之间潜在的结构关系,是对应分析的延伸。城市居民家庭相对贫困的研究所选用的指标变量大部分为定类变量,因此本文选用多元对应分析方法来分析数据。将原始数据按照临界值转化为剥夺矩阵,各指标用1表示处于被剥夺状态,0表示未被剥夺。对转换后的剥夺矩阵数据进行多元对应分析计算:

权重:

(9)

相对贫困指数:

(10)

式(9)中,Wj是通过MCA方法计算的权重,MCA结果中第一、二主因子的惯量贡献度为71.02%,且第三主因子的惯量贡献度为2.15%,故按第一主因子和第二主因子的加权贡献率计算权重。px为第x主因子的总惯量占比(x=1或2),cjx为指标j两种状态(剥夺状态和未剥夺状态)对第x主因子的贡献率。

表3 多元对应分析法权重赋值表

(三)城市家庭相对贫困指数测度结果

1.单一维度相对贫困测度结果

单维测度结果见表4。城市居民家庭中单一维度相对贫困发生率排名从高到低依次为:耐用消费品、养老保险、人均年收入、受教育年限、借款被拒情况、恩格尔系数、医疗保险、健康状况、家居整洁度、房贷占比。最高的两个维度是生活水平和社会保障,最低的两个维度是教育和健康,这也与实际较为贴合。自九年义务教育实施后,目前城市家庭适龄儿童入学率基本达到100%,虽然部分中老年人的受教育程度存在差异,但总体来看教育基本得到改善。而如房贷占比、家居整洁度和健康状况等指标相对贫困发生率比较低,这与国家近年来医疗保障领域的快速发展有重要的关系,同时城市居民的生活环境较好,生活水平和工资水平也较高,所以在这些指标上相对贫困发生率相对较低。

表4 单维相对贫困发生率

2.城市家庭相对贫困测度结果

本次所使用的CFPS2018中的7 251个城市家庭样本数据中,不存在10个指标同时被剥夺的情况,被剥夺的次数最大值为9。根据A-F“双界线”方法,首先计算不同权重条件下,第二个临界值K=0.1到K=0.9间的H(相对贫困发生率)、A(平均被剥夺份额)和M0(相对贫困指数),结果如表5所示。

从表5中可以看出,多元对应分析法下相对贫困发生率H在临界值K从0.1向0.3变化时下降幅度较大,直接降至0.326 0,而同样情况下熵值法中的相对贫困发生率则下降相对较缓。与之对应的平均缺失份额A也出现了相类似的变动情况,在临界值K从0.1向0.3变化时,熵值法中的平均缺失份额上升速度对比多元对应分析法较缓。就相对贫困指数M0来说,熵值法的M0下降速度小于多元对应分析法。从整体的变化趋势来看,不管是熵值法还是多元对应分析法得到的H、A还是M0,都会跟随K的增大而发生变化,其中A逐渐增大,H和M0逐渐减小且接近于0,这表明随着维度的增加城市相对贫困程度会减少,甚至消除。

表5 两种赋权方法下不同临界值的相对贫困指数

另外,从变动趋势图1和2中也可以看到,随着K增大,相对贫困家庭逐渐减少,当K=0.9时,H<1%,A>90%,M0<1%,表明城市居民家庭相对贫困基本消失,城市相对贫困家庭处在大多数指标被剥夺的状态。M0减小,表明城市居民家庭发生多维相对贫困的状况越来越少。

图1 熵值法下相对贫困发生率、平均缺失份额及相对贫困指数变动趋势

图2 多元对应分析法下相对贫困发生率、平均 缺失份额及相对贫困指数变动趋势

(四)城市家庭相对贫困指数分解

参考联合国在多维贫困测度中使用的K≥0.3的标准,本文主要对K=0.3时的情况进行探讨分解。

1.按区域分解

按照国家统计局对中国区域的划分,东部地区包括10个区域;中部地区包括6个区域;西部地区包括12个区域;东北地区包括3个区域。CFPS2018中7 251个城市家庭数据共涉及31个省市及自治区。按照各区域的样本量以及依据多维测度的分解公式,利用规划求解的方式,测算出各区域的城市相对贫困指数见表6。

表6 各区域的样本量及相对贫困指数

从分解的结果来看,不论采用哪种权重,相对贫困指数最低的都是东部,其中中部区域的城市相对贫困程度均高于东部,低于西部,而东部地区又远低于另外三个区域,这与当前中国的实际情况较为吻合。由于东部地区的发展水平远高于其他3个地区,教育、医疗等资源也不均衡,故东部地区多维相对贫困程度较低。由于样本数量存在差异,这一结果可能略有偏差。

2.按省份分解

由于此次样本中青海、海南、内蒙古、宁夏、新疆、西藏数据量很小,故在进行省份分解前将其剔除。分解结果见表7。从表7省份的分解结果来看,采用的指标赋权方法不同得到的数值也存在一定的差异,且在排名上存在一定的差距,后文会利用此差异,对两种赋权方法进行综合。但总体来看,不论是熵值法还是多元对应分析法,相对贫困指数较高的地区为广西、贵州、山西、四川、福建等地区,较低的地区为广东、浙江、上海、北京、江苏等,这与区域分解的结果存在一定差异,但整体结果基本一致,基本呈现出东低西高的局面,出现这种结果与地区经济发展有一定关系,广西、贵州等地区城市居民的收入、教育、社会保障等方面与北上广等发达地区存在较大差距。

表7 各省份的相对贫困指数

福建、陕西等地区与区域分解的结果不一致。东部地区福建省,2018年人均GDP排在全国第6但相对贫困程度较高。其中收入维度相对贫困发生率为37.18%,高于全国平均水平28.22%。与东部其他地区相比,福建省中低收入以下人群占比较高,因此地区经济的发展不一定能够降低城市相对贫困率。与绝对贫困不同,城市相对贫困存在空间上的比较性,同一相对贫困个体在不同地区其相对贫困程度是不同的,因此缩小贫富差距不仅要关注城市相对贫困群体自身的状况,还需要考虑到其所处的经济、社会等环境,只有城市相对贫困治理的速度大于城市经济发展的速度,才能使相对贫困群体减少。

3.按维度和指标分解

分解相对贫困指数能得到所有维度以及指标的贡献率,从而可以对城市家庭的主要相对贫困维度或者指标进行分析,能够科学精准地缓解城市相对贫困问题。分解结果见表8、图3和图4。

图3 熵值法下各指标贡献率

表8 各指标的相对贫困指数

结合图4与表8来看,在熵值法确定的权重下,城市相对贫困指数和贡献率最高的是收入维度的家庭人均年收入,贡献率达到33.22%;其次是家具整洁度和耐用消费品,贡献率分别是27.52%和24.44%,这3个指标整体贡献率达到了85.18%;其它指标占比相对较少,尤其是房贷支出和健康状况维度仅为0.03%和0.66%。因此可认为房贷和健康不是城市家庭致贫的主要原因,收入、生活环境和耐用品消费才是致贫主要原因。

图4 多元对应分析法下各指标贡献率

在多元对应分析法确定的权重下,城市相对贫困指数和贡献率最高的是家庭人均年收入,为36.10%;其次是耐用品消费、受教育程度和养老保险,分别占19.47%、13.19%和10.40%,再次则是恩格尔系数占9.58%,这5个指标整体贡献率达到了88.74%,即家庭人均年收入、耐用品消费、人均受教育程度,养老保险和食品支出是城市家庭的主要致贫原因。健康状况和借款被拒占比很低,二者之和不超过4%,说明这两项指标不是重要的致贫原因。

相对贫困指数的测算中,指标权重的测算极为重要。综合两种赋权方法来看,家庭人均年收入、耐用消费品、健康状况、借款被拒和房贷支出为两种方法下分解结果的交集,即大多数城市相对贫困家庭在家庭人均年收入、耐用消费品这一指标上处于临界值之下,从而导致了相对贫困;健康状况、借款被拒和房贷支出的贡献率较小,表明城市医疗水平相对较高并且中国医疗保障体系比较完善,同时城市经济发展条件较好,医疗健康问题以及借款被拒不是城市家庭相对贫困的主要致贫原因。

(五)实证结果稳定性分析

1.实验原理介绍

为了综合分析最终结果,本文从排序出发来综合分析熵值法和多元对应分析法的赋权结果。

2.各省份相对贫困水平排名结果

基于以上步骤算出各省期望排名。参照上一部分中的省份分解结果,对各省份的相对贫困指数进行排序,结果见表9。

表9 两种不同权重下的各省份的相对贫困水平排名

3.稳定性分析

设定各省绝对离差的和形式作为最终的总误差函数,从而能够得到熵值法和多元对应分析法排序的结果和误差。将随机模拟实验得到的各省份期望排名情况与利用熵值法及多元对应分析法得到的各省份排名,其中多元对应分析的误差小于熵值法。尽管3种结果排名存在一定差异,但整体来看各地区的相对贫困指数所处的层次变化不大,比较稳定。如北京、天津、上海等地,无论哪种权重结果的城市相对贫困程度在全国范围内都属于较低水平,而广西、山西等地属于较高水平。因此,使用熵值法和多元对应分析法得到的各指标权重结果对各指标分解的相对贫困指数影响较大,但对综合相对贫困指数的结果影响较小。

五、结论与政策建议

本文基于MPI指标体系构建了城市居民家庭相对贫困指标体系,包含6个维度10个指标,采用CFPS2018的数据,参照A-F的多维贫困测度方法,使用熵值法和多元对应分析法对指标权重进行确定,以测度城市居民家庭的相对贫困,在此基础上按区域、省份和指标对相对贫困指数进行分解,并通过随机实验的方式综合分析实验结果的稳定性。得出以下结论:第一,各维度相对贫困发生率有明显差异,单维度相对贫困发生状况依然严重。城市居民家庭在人均年收入、受教育年限、耐用消费品及养老方面的相对贫困发生率超过20%,除房贷占比指标,其他指标处在5%到20%之间。第二,东部城市相对贫困程度最低。从按区域分解的城市相对贫困指数来看,东部区域远低于其他区域,这说明东部的高质量经济发展状况在一定程度上能解决城市相对贫困。第三,从相对贫困测度来看,随着城市居民家庭剥夺维数增加,相对贫困指数减小,陷入相对贫困状态的概率降低;从相对贫困分解来看,在两种方法确定的权重下,家庭人均收入和耐用消费品均居于前三,说明城市居民家庭在这两个方面受到的剥夺程度较深。

从城市相对贫困成因的分析以及从相对贫困测度的实证结果来看,针对性地提出以下六方面的建议:第一,降低针对社会脆弱群体的制度性社会排斥程度。推进市场化改革,合理消除限制市场机制发挥作用的各种壁垒,让市场机制成为优化资源配置的主要方式,尽量减少因地区、行业、所有制等因素造成的针对社会脆弱群体的社会排斥,真正让每个人都获得平等的市场机会。第二,减少城市相对贫困人口的脆弱性,增强其把握市场机会的能力。在市场经济制度之下,脆弱性主要表现为较低的人力资本和较少物质资产。增加人力资本投资,可以有效帮助城市相对贫困家庭积累自身发展的物质资产,从而有效降低城市相对贫困家庭的脆弱性。第三,完善社会保障制度。完善以社保为基础的各类保障制度;完善企业基本养老制度,将城市就业人员全覆盖,统筹基本养老保险基金;健全失业保险制度,进一步扩大失业保险的覆盖面,不仅要涵盖企事业单位职工,也要包括国家机关工作人员;扩大基本医疗保险的覆盖面,使其覆盖到所有的城镇就业人员和离退休人员,城镇就业人员包括各种所有制单位的就业人员,包括正式就业人员和各类非正式就业人员。第四,逐步建立以改善城市相对贫困家庭生活条件为目的的综合扶贫体系。一方面为达到提高城市相对贫困家庭基本生活条件的目的,城市居民最低生活保障制度需要结合各地区实际生活水平进一步完善。另一方面要考虑到城市相对贫困家庭的刚性需求,完善城市相对贫困家庭在教育和住房等方面的帮扶策略,在保障相对贫困家庭基本生活水平的基础上,提高城市相对贫困家庭成员的教育条件,增强其寻求自身发展的机会和摆脱相对贫困的能力。第五,降低收入差距,始终贯彻实施收入再分配政策。认识到城市相对贫困的意义,相对贫困的治理需要结合考虑贫困个体与社会环境,单方向的治理不能使效率最大化。第六,避免产生“贫困陷阱”。从保障到改善城市相对贫困家庭的根本需求,结合现实发展水平适当调整最低生活保障水平,既能防止城市相对贫困家庭对福利金的过度依赖,又能使其脱离相对贫困状态。