相对贫困背景下脱贫户增收影响因素及对策研究——基于贵州省A县242户脱贫户家庭微观数据的实证研究

蔡仕茂，唐小平，耿芳艳

（贵州大学 经济学院，贵州 贵阳 550025）

一、引言

相对贫困是继绝对贫困之后，长期存在并将成为下一步贫困治理的主战场。2020 年是脱贫攻坚收官之年、是全面实现小康社会之年，学术界普遍认为2020 年我国消灭了绝对贫困，但随之而来的相对贫困却依然存在[1]。

英国学者彼得·汤森是发达国家中最早提出相对贫困概念的学者，在他的著作《英国的贫困》一书中，将相对贫困诠释为不仅仅是生活必需品的缺乏，社会资源、权利的缺失将穷人排斥在主流社会之外，使得他们陷入贫困之中[2]。也有学者认为相对贫困是“收入的不平等”问题[3]，是指相对于其他生活条件较好的人而言，有一部分人的生活水平低下，反映的是收入、财产在社会不同阶层之间的分配问题。

从相对贫困的标准的设定看，有学者建议采用上一年农村居民的平均收入乘以均值系数作为下一年农村“相对贫困线”[4]，这一方法具有较强的可操作性。也有学者建议2020 年后应分别以城乡居民中位收入的一定比例作为城市和农村的相对贫困标准，并以一定年限作为调整期[5]，且这一提议得到了一些专家学者的支持。还有学者认为，2020 年后中国应采用多维相对贫困标准，从收入、教育、医疗、社会保障等方面设定相对贫困标准[6]；从相对贫困的对象看，有研究指出我国处于相对贫困的主体还是农村低收入人群以及老少病残等特殊群体，另外还有处于城市的流动性边缘人口。鉴于我国实际国情，李小云等（2020）[7]预计未来我国应采取人均纯收入中位数的40%为标准计算，作为我国相对贫困治理初期的贫困识别标准，得到学者的普遍认可。

综上所述，关于相对贫困已有丰富的研究作为理论支撑，但鲜有学者在现行社会背景下对收入影响因素进行评价和脱贫户增收机制进行研究。现有文献中有从农地产权、土地流转、扶贫政策、要素配置、产业融合、社会资本、劳动力流动等方面研究其对农户增收的影响，对于研究农户增收机制的文献目前在国内还很少。王任、陶冶、冯开文三位学者研究了贫困农户参与农民专业合作社减贫增收的机制，研究发现：1.贫困社员收益的提高程度不仅取决于其在农民专业合作社中的资本参与和农业生产经营等业务参与行为，更取决于社员个人能力的提高程度；2.在贫困社员3 个维度的能力中，技术应用能力的提高对其收益提高的影响程度最大；3.为了促进社员稳定可持续减贫与合作社的辐射带动作用，在鼓励贫困农户加入农民专业合作社的同时，更应注重提升社员的各维度能力[8]。姚海琴等学者研究农户从事家庭型乡村旅游对其收入的影响，研究认为，要结合当地的自然资源禀赋，大力推进乡村旅游业发展，使其成为农户增收的重要来源，从业农户应丰富旅游产品，克服乡村旅游的季节性[9]。

以上的学者分别从工作和产业的视角研究了农户增收的机制，对本文的撰写有较大的帮助。文章立足于贵州省A县242户脱贫户的家庭调查的微观数据，试图从脱贫户户主的文化程度、政策实施力度、家庭人口结构、农户收入来源4 个维度12个指标探析相对贫困背景下脱贫户收入影响因素评价收入增长机制，研究2020 年后我国相对贫困标准的构建思路，为2020 年后扶贫战略提供政策性参考。

二、数据来源与研究方法

（一）数据来源

本文分析所采用的数据来源于2019 年和2020年笔者在A县开展的脱贫户家庭收入调查。在A县县政府的大力支持下，为保证问卷数据可以全面反映当地农村和脱贫户收入的实际情况，农户问卷调查采取入户访谈的方式进行，选取经济社会发展水平高、中、低三类乡镇的深度贫困村进行入户调查，完成问卷260 份，调查组总共收集整理有效问卷242 份，其中2019 年有效问卷200 份，2020 年有效问卷42 份。之所以采取这种方式是由于本次调查主要目标群体是自2013 年扶贫工作开展以来被纳入贫困户序列，并建档立卡的贫困户，通过扶贫政策的推进，并于2015 年、2016 年、2017 年、2018 年、2019年退出贫困的脱贫户群体。这是按照脱贫攻坚环节“一达标，两不愁，三保障”的要求实现脱贫的群体，但是在我国消除绝对贫困以后，下一步进入相对贫困治理的背景下，这部分人的收入依然处于社会的底层，人均收入大都在全国水平以下，参考国内学者一致认为的相对贫困收入线按照人均收入中位数的40%来计算。

（二）研究方法-因子分析法

因子分析（factoranalysis）的基本思想就是根据数据的相关性大小把原始变量进行分组，然后使得同组内的变量之间相关性比较高，而不同组的变量间的相关性则比较低。因子分析模型是主成分分析的推广，它也是使用降维的思想，由研究原始变量相关矩阵内部的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。本文所选取指标多且复杂，而因子分析可对多变量进行降维，分析出隐藏在脱贫户收入背后的增收的影响因子。

（三）构建脱贫户收入影响因素指标体系

农户收入受多种因素影响，已有研究表明受教育程度、家庭劳动力、收入来源、国家政策等均是影响脱贫户收入的重要影响因素[10]。结合入户调查数据和调查的各项指标，如表1 所示：本文选取户主受教育程度、贫困情况、家庭人口结构、收入来源4个维度12 个指标研究其对A县脱贫户收入的影响，对各变量按照影响程度的大小进行排序，进而提出脱贫户增收的策略和建议。

表1 脱贫户收入影响因素评价指标体系

1.文化程度。文化程度可以衡量一个家庭在教育上的支付费用，并且不同文化程度的家庭成员的消费观、就业门路、价值观也有所不同。文章以每个脱贫户户主的受教育程度为代表，分别以小学及以下、初中、高中、大专及以上4 个文化层次作为研究对象，对其进行赋值，分别为1、2、3、4。

2.贫困情况。家庭贫困情况是影响家庭收入的重要因素，集中反映在贫困属性、致贫原因和脱贫年限等。自脱贫攻坚打响以来，从2013 年开始逐年都有退出贫困序列的贫困户，本文从退出年限的角度考察贫困户退出后收入是否稳定，是否稳定脱贫。从致贫原因探索贫困户致贫因素，贫困属性分为一般贫困户、低保户和五保户三种类型。

3.家庭人口结构。家庭人口结构不仅影响家庭消费支出，还是制约家庭增收的一项重要因素，具有不同人口结构的家庭其收入结构和消费结构也有所不同。文章以家庭的劳动力比例、低保领取人口比例和60 岁以上人口比例作为研究对象，研究其对家庭收入的影响。

4.收入来源结构。贫困户收入来源有多种渠道，文章选取是否有扶贫小额贷款、经营性收入占比、工资性收入占比、财产性收入占比以及转移性收入占比为代表，对脱贫户收入结构进行分析，试图找出最佳收入结构进而得出研究结论并提出脱贫户增收策略。

（四）因子分析法的基本数学模型

设研究对象为P，而且P可能存在具有相关关系的观测变量为X=（X1，X2，X3，…，Xp），其均值向量为E（X）=0，Xp为原变量信息；设F=（F1，F2，F3，…，Xm）为研究对象为P提取的新的因子变量信息，且m臆p，其均值向量E（F）=0。另外，Xi含有特殊因子εi（i=1，2，…，p）；ε=（ε1，ε2，ε3，…，εp）代表的是从初始变量中提取的新因子变量所无法表达的剩余信息，也称之为残差信息[11]。三者之间的线性函数关系表示如下：

三、脱贫户增收影响因素的实证分析—基于因子分析法

（一）数据处理

文章运用SPSS 软件对A县各乡镇脱贫户基本指标数据进行标准化处理。收集数据时，对问卷数据进行处理并剔除了异常问卷，同时将缺失值和对应的问卷进行反复的比对核查，确认无误后以平均值进行替代。将文化程度分为小学及以下、初中、高中、大专及以上，分别赋值为1、2、3、4，以便于利用SPSS 进行数据的分析处理。将收集的各脱贫户数据按乡镇进行归类，计算各乡镇各个指标平均值，以均值代表各乡镇各指标数据，以乡镇为基本单位，进行后续分析研究。

（二）KMO和巴特利特的检验

原始数据能做因子分析的前提是变量之间具有较强的相关性，因此，需要对数据做KMO和巴特利特检验，以验证原始数据是否适合做因子分析。KMO 的取值范围是0～1，KMO 越靠近0 说明相关性越不强，一般认为KMO 值大于0.5 就认为数据比较适合做因子分析，将调查数据输入SPSS 进行KMO和巴特利特检验，结果如表2 所示：KMO 值为0.709，该值处于0.7～0.8 之间，巴特利特球形度检验值为0.000 小于0.05，说明各指标之间相关性较强，即该数据适合做因子分析。

表2 KMO 和巴特利特检验

（三）提取公因子

文章运用主成分分析法进行因子提取，根据特征值大于1 的要求提取公因子。选取变量因子分析的初始解如表3 所示。通过表3 可以看出，12 项指标中共同度大于0.7 的有6 项指标，大于0.5 小于0.7 的有4 项，大于0.3 小于0.5 的有2 项，说明有10 项原始变量潜在的相关性较大，原始变量的信息能够较多的被提取。致贫原因和转移性收入两项指标和其他指标之间潜在的相关性较小。

表3 公因子方差

通过表4 可以看出：依据特征值大于1 的原则提取了5 个主成分，运用最大方差法对因子进行旋转，旋转平方和载入后，各成分的方差贡献率分别是22.909%、13.595%、9.717%、9.645%、8.919%，累计贡献率为64.786%，即这5 个成分解释了原始变量中64.786%的信息，分析结果较为理想。

表4 总方差解释

如图1 所示，前5 个成分特征值所形成的折线的坡度较大且都大于1，而后面的成分特征值所构成的折线较为平缓，斜率较低。表明对原始变量能够很好地给予解释的是解释贡献率较大的前5 个因子，其余的7 个因子解释贡献率较低，由此说明提取前5 个因子是比较适合的。

图1 碎石图

（四）因子的识别与命名

如表5 所示：表5 中所表述的成分矩阵表明了公共因子与原始变量之间的关系，表中体现不出变量与各公共因子的相关性。基于此，运用SPSS 软件中的凯撒正态化最大方差法进行旋转，使系数在1和0 之间进行两极分化，以找到隐藏的公共因子，并归纳每个公共因子的实际含义。

表5 成分矩阵a

旋转得到的结果如表6 所示：第1 主因子与变量X3负相关、与变量X2、X4、X6、X12高度正相关。这5 项指标主要反映了脱贫户家庭基本贫困状况，将第1 主因子命名为扶贫政策力度，用其来很好地反映贫困个体贫困程度。第2 主因子对变量X5、X7载荷较大，它主要是从家庭人口结构对家庭收入进行主观评判，劳动力比例很好的反映了贫困家庭良好的劳动力结构是家庭增收的关键因素，60 岁以上人数比例则反映出60 岁以上人数领取的养老金、低保等收入也是家庭收入的重要组成部分。因此将该两项指标命名为可持续发展能力。第3 主因子对变量X1、X9的荷载较大，X1、X9分别指户主受教育程度和经营性收入，这两项指标表明户主受教育程度和经营性收入相关度较高，因此将其命名为农技培训参与度。第4 主因子对变量X10、X11高度正相关，主要从工资性收入和财产性收入评判家庭收入来源情况，将其命名为主要收入来源，第5 主因子对变量X8是否有扶贫小额贷款高度正相关，反映了家庭内生性生产发展意愿情况，将其命名为内生发展动力。公因子命名一览表如表7 所示。

表6 旋转后的成分矩阵a

表7 公因子命名表

（五）因子得分

文章运用凯撒正态化最大方差法得到旋转后的因子成分得分系数矩阵，具体如表8 所示。设F1、F2、F3、F4、F5依次代表上文提到的第1 到第5 个公因子，依据成分得分系数矩阵表8 可以得出5 个公因子的计算模型为：

表8 成分得分系数矩阵

为了更好地测算出A县每个样本镇在各公因子上的收入影响因素的贡献，将经过标准化处理之后的原始数据代入上述公因子计算模型，计算出各个镇在每个公因子上的得分排名如表9 所示。

根据表9 排名分析：

表9 A县各镇因子得分表

第一，扶贫政策力度因子得分排名分析。该因子得分中B镇、E镇、F镇相对于其他镇来说得分较高，分别为2.57、1.49、1.01，即B镇、E镇、F镇扶贫政策落实较好，有效促进农户增收。另外，C镇和D镇得分较低，A镇得分为负值。

第二，可持续发展能力因子得分排名。该因子得分中B镇相对于其他镇来说得分较高，得分为0.42，说明脱贫后B镇家庭人口结构更为合理，而其他镇均为负值。

第三，农技培训参与度因子得分排名。该因子得分中A镇、D镇、F镇相对于其他镇来说得分较高，即A镇、D镇、F镇的农技培训参与度更高，将所学技能和科技运用于农业生产的产前、产中、产后各部门，更有利于农民收入稳定增长。而E镇得分较低，B镇和C镇得分为负值。

第四，主要收入来源因子得分。按照排名高低分别为A镇、D镇、C镇、F镇、E镇、B镇，排名前4 的镇得分较高，表明其收入来源主要有工资性收入和财产性收入，特别是A镇得分最高，为63.34，与其他镇差距较大，说明其收入来源单一，不利于长期稳定增收。

第五，内生发展动力得分均为负值，说明扶贫小额贷款并不能为A县脱贫户带来增收，究其原因，可能是贷款并未用于农户自身发展，而是用于消费支出，加大了还款压力。

综合得分最高的是A镇，分值为37.85，与排名第二的D镇相比高出了28.38 分，分数差距非常大，这也间接表明A县各乡镇之间发展差距巨大，家庭人均收入两极化严重，为后期的相对贫困治理带来了较大的挑战。除了排名第一的A镇外，排名2、3、4、5 的D、F、C、E镇得分相近，分差不大，说明这4 个乡镇综合发展水平相近，家庭人均收入差异较小，各因素对人均收入的影响比较均衡。得分最低的B镇，其得分为0.87，与第一的37.85 足足相差了29.8 分，差距巨大，也反映了两个乡镇人均收入差距巨大，逐步缩小人均收入差异将是该县下一步贫困治理的主要目标。整体上来看，A县的6 个乡镇得分全部为正，脱贫户脱贫后收入较为稳定，只是存在地区发展差异导致人均收入不均衡[12]。

四、结论与建议

（一）实证分析结论

通过运用SPSS 软件对A县各乡镇脱贫户基本指标数据进行因子分析，认为该方法对脱贫户收入影响因素评价是可行的，文章所构建的脱贫户家庭收入影响因素评价指标体系是科学的。根据实证分析结果得出以下结论：

（1）政策落实较好：A县大部分乡镇扶贫政策落实较好，有效地促进了脱贫户收入增加。

（2）可持续发展潜力大：在A县脱贫户的收入影响因素中主要收入来源工资性收入和财产性收入得分最高，占较大分量，是该县脱贫户收入影响中最主要的因素，表明该县可持续发展后劲足、空间大。

（3）内生发展动力不足：在A县脱贫户收入影响因素中小额贷款得分为-26.35，对该县贫困户收入有抑制作用，进一步表明脱贫户内生发展动力不足。

（4）地区收入分化严重：从因子得分中看出，A县各乡镇之间得分差距巨大，充分论证了该县地区发展差异大，脱贫户之间收入两极分化严重。

（5）农技培训和主要收入来源对脱贫户收入影响最大：总体来看，得分表中农技培训和主要收入来源得分最高，其次是政策实施力度和可持续发展动力，农户内生发展动力表现最差。

（二）政策建议

（1）注重因地制宜，做到精准识别。地域差异导致各地区之间交流沟通较少，政策的实施不能一概而论，标准化的执行，地区之间有差异，农户之间也有差异，特别是对于脱贫边缘户和易返贫户的监管必须高效迅速，一旦发现农户出现重特大事故或者灾难的应及时纳入监管序列。

（2）加强政策落实，促进就业，提高收入。农户知识文化水平相对较低，对政策的解读和农业先进科学技术的学习和理解相对滞后，因此要加强政策引导宣传，农业技能的培训落到实处。调研发现有些地区开展了农业技能培训，但是，没有与之相匹配的就业岗位，相当于走过场，完成任务，对农户就业增收帮助较小。

（3）各乡镇同步发展，缩小收入差距。A县各乡镇之间收入差距较大，应整合各方经济、技术、就业、教育、医疗等资源，使不同层次的乡镇享有同等的资源，带动协同发展，缩小收入差距。

（4）提升发展动力，激发内生潜能。有学者指出“贫穷的本质就是懒”，研究发现，很多脱贫户并不认为自己已经脱贫了，甚至还提出想申请低保或者应急救助等不合理要求，可见提升发展动力，激发农户内生发展潜能已迫在眉睫。

（5）探索可持续发展机制，促进多渠道增收。研究发现该县脱贫户收入渠道单一，主要靠工资性收入和财产性收入为主，农户经营性收入相对较小，在实施乡村振兴战略和相对贫困治理的过程中，应保障农户收入呈现多渠道趋势，实现可持续发展。