农村家庭多维贫困测量及影响因素分析——基于CFPS 2018数据的实证

汤 晋，陈洋庚，滕 盼

(1.江西农业大学 a.经济管理学院 b.人文与公共管理学院，江西 南昌 330045；2.湘潭大学 公共管理学院,湖南 湘潭 411105 )

一、问题的提出

进入21世纪以来，基于Sen提出的“可行能力”剥夺理念[1]，多维贫困的测度指标设置和方法研究取得突破性进展。牛津大学贫困与人类发展中心采用Alkire 和Foster提出的“双界限值”计数方法(AF方法)来判断调查对象是否贫困，并且用各维度总剥夺值加总判断其是否为多维贫困，[2]而后UNDF颁布了由教育、健康和生活水平3个维度构成的多维贫困指数(MPI)。[3]国内学者在对中国不同地区多维贫困方面的研究也颇有建树，比较有代表性的指标有收入水平、健康、生活质量、卫生设施、教育、食物支出等。[4-6]在测量方法方面，国内大多数文献主要采用Alkire 和Foster提出的“双界限”计数方法(AF方法)测量多维贫困状态。关于农村多维贫困的致贫因素，现有研究主要聚焦于教育水平、是否外出务工、赡养系数和家庭成员养老保险等个体和家庭因素，[7-8]也有学者关注到社区基础设施、耕地资源数量、财政支农等社区与政府财政行为因素。[9-10]

综上，现有研究凸显出对农村贫困治理强烈的现实关照，为后续研究提供了鲜活的现实经验和知识谱系的学术积累。但现有研究仍然有值得进一步拓展的空间：一是现有研究聚焦于省级区域层面或集中连片特殊困难地区，鲜有对全国层面进行的整体研究，缺乏对全国整体贫困的认知；二是现有研究主要采用MPI指数与A-F方法相结合，但是MPI指数部分指标已经不适合目前中国扶贫开发的政策导向；三是当前国内研究主要分析收入贫困这一维度指标的影响因素，而对多维贫困的影响因素则过于偏重个人特征与家庭等内在因素的分析。有鉴于此，本文希望在弥补以上三点不足方面作出一些尝试和突破。

二、理论分析和研究假设

(一)家庭多维贫困的理论基础

当前家庭多维贫困问题的研究主要聚焦于农村家庭多维贫困的识别与测度。本文通过对多维贫困相关文献的梳理，建立了4个维度以考察多维贫困。(1)恩格尔系数是指食品消费支出占全部消费支出的比重。国际上一般将60%作为贫困警戒线。关于收入贫困线，本文参照我国2015年的贫困线，以2800元为基准，即家庭成员人均纯收入2800元/年。[11](2)农村村民使用的燃料和用水类型直接影响到村民的长期健康问题，易引起呼吸道疾病。在我国扶贫目标“到2015年贫困地区农村饮水安全问题基本得到解决”的背景下，农村地区是否还存在用水安全问题，值得深入研究。(3)关注农村居民健康是切实增强农村居民反贫困能力的关键因素。俞福丽(2015)通过健康资本对农村村民家庭资源配置影响的研究，发现健康资本能够增加农村村民的家庭资源。[12]医疗消费是一种家庭消费，国务院扶贫数据显示，截止到2015年，中国7000多户贫困农民中有42%系因病返贫。医疗支出的增加会导致家庭积蓄减少，并且使家庭债务负担加重，还可能会挤占其他消费资源，导致家庭生活标准下降，在其他多个维度上导致贫困。[13]这是导致农村家庭返贫的重要原因。(4)在教育与贫困的关系研究中，很多学者发现农村地区贫困发生率与受教育程度两者间存在显著负相关关系，随着受教育程度的提高，贫困发生率明显降低，而家庭教育支出在不同教育层次阶段发挥着不同的作用。[12]综上，本文提出以下假设：

H1:家庭成员受教育程度、生活用燃料、生活用水、家庭成员健康状况与农村家庭多维贫困发生率呈负相关。

H2:家庭成员受教育程度、健康状况、教育支出对多维贫困支出贡献率最大。

(二)家庭多维贫困的影响因素

1.个体特征

农村户主一般是家庭收入的主要来源，其个人能力和知识储备的增长能够引导家人脱离陷入贫困的概率。其中，户主政治面貌、工作状态能够显著降低家庭贫困的脆弱性；随着户主年龄的增长，其劳动力价值衰退则会导致家庭收入水平下降；而在贫困人口中，年龄与收入水平存在倒“U”型关系。[14]户主的婚姻状态意味着劳动力数量的变化，如果户主是已婚状态则意味着家庭劳动力增加可以共同缓解家庭收入状况，以及共同承担家庭风险的能力增强。

2.家庭特征

农村家庭所拥有的人力资本和土地类价值变量能够显著影响家庭贫困程度。首先，人口数量多的家庭，消费支出会增加，因此陷入贫困的概率也会增加。候亚景(2017)研究发现，土地面积较大的家庭，其家庭劳动力从事农业工作时间和生产资料投入增加，从而对家庭成员的健康、教育和生活条件造成影响[15]；土地面积少的家庭，其家庭劳动力会进城务工或者外出打工，在一定程度上缓解了家庭收入困难状况，并且一些农村家庭外出务工会携带子女外出上学，因此会提高子女受到良好教育的机会。其次，农村家庭从事个体经营不仅有助于家庭劳动技能的提高和生活条件的改善，还可以提高家庭在当地的社会地位，进而影响社会关系网络，缓解家庭的贫困状态。最后，家庭成员健康不理想的状态，尤其是主要劳动力残疾或者有重大疾病则会让家庭陷入“贫困的恶性循环”。[16]因此，农村家庭对于健康的投入对贫困的影响显著。

3.社会网络

我国农村长期以来都是以小农家庭为核心拓展开来的社会圈层结构，家庭的社会网络通常是指基于家庭亲友之间的社会关系。徐伟(2011)等研究发现，家庭社会网络可以通过直接和间接的方式降低中国家庭的脆弱性，有助于家庭应对负向冲击的风险。[17]本文所采用的家庭社会网络用过去一年收到家庭亲友货币形式的赠与资源的价值来度量。

三、数据来源和研究方法

(一)数据来源与抽样方法

本文数据采用北京大学中国社会科学调查中心实施的中国家庭追踪调查项目(China Family Panel Studies)。中国家庭追踪调查项目(CFPS)重点关注中国居民的经济与非经济福利、教育获得、身心健康和经济活动等研究主题，研究样本覆盖中国25个省(市、自治区)95%的人口(不包含香港、澳门、台湾、新疆、西藏、青海、内蒙古、宁夏和海南)。CFPS2018是中国家庭追踪调查的第四轮全国调查，通过对社区、家庭和个体3个层面的追踪，反映中国家庭的经济、健康、教育和心理等各方面的状况。因此本文对农村家庭多维贫困的测量以家庭为分析单位。通过对2018年的样本数据进行处理，剔除存在缺失的农户数据，最终得到5629户农村家庭样本在各个维度上的结果。

在抽样方法上，CFPS采用的是内隐分层、多阶段、多层次与人口规模成比例(PPS)的系统概率抽样方式。抽样分三个阶段进行：抽取行政性区/县、抽取行政性村/居委会和抽取家庭户。[18]CFPS抽样采用城乡一体化的抽样方式，这一特点打破了农村与城市分开抽样的传统，能够反映中国快速城市化的现实。

(二)研究方法

1.AF多维贫困测量方法

自从多维贫困理论提出至今，国内外学者们构建了多种贫困指数的测度方法。比如单维方法、并的方法、交的方法和“双界限”方法。在农村家庭贫困测量识别和测度方面，本文采用学术界广泛应用的Alkire(2011)等提出的克服交与并缺陷的“双界限”方法——AF法。[3]本文选取了等权重法来设置维度和指标的权重，即各维度权重相同，维度内各指标权重也相同。参照史春芳对多维贫困的测度过程方法，主要分为两个步骤：一是对贫困进行识别，判断家庭在多个维度上每一个指标的贫困状态；二是对贫困进行加总，以此判断某个家庭是否属于多维贫困家庭。[19]具体步骤如下所示：

(1)单维贫困识别。假设样本家庭总量为N，每个家庭由D个指标来评估其总体多维贫困水平。因此，所有样本个体的调查情况构成一个N×D维矩阵X，X中的xij就是第i个家庭在j指标上的取值，根据指标取值结果设置各维度指标的剥夺临界值Z=[zj]，例如，家庭人均纯年收入临界值为2800元，xij﹤zj表示第i个家庭在第j个维度上是贫困的，此时赋值为1，令gij=1；如果xij﹥zj表示第i个家庭在第j个维度上不存在贫困，此时赋值为0(家庭成员人均纯年收入低于2800视为贫困，赋值为1，则gij=1；否则gij=0)。综上所述，所有观测值gij构成剥夺矩阵G。

(3)计算多维贫困指数(M)。通过以上方法测算出多维贫困家庭状况，可以计算多维贫困发生的程度。多维贫困指数主要是通过两个指标来计算：多维贫困人口发生率(H)和多维贫困平均剥夺份额(A)。多维贫困发生率(H)为多维贫困家庭总数除以样本家庭总数，得到公式(1)；多维贫困平均剥夺份额(A)等于多维贫困家庭人口剥夺分值之和除以多维贫困家庭总户数，得到公式(2)。

(1)

(2)

M=H·A

(3)

(4)维度分解。多维贫困指数可以按照城乡、省份、地区等进行分解，本文将样本农户的多维贫困指数按照维度或指标进行分解，进而测度所有维度和指标对多维贫困指数的贡献额及贡献率。设本文有d个贫困维度，由公式(1)(2)(3)综合可分解出公式(4)，得到多维贫困指数公式：

(4)

(5)

2.Logit回归模型

为了测算农村家庭多维贫困的影响因素，本文将“是否为多维贫困”作为二分变量，以k=0.2总体剥夺临界值情况下的多维贫困状况作为因变量构建二元Logistic回归模型。假设个体多维贫困发生概率为P，则非多维贫困家庭发生概率为1-P。通过Logistic模型对影响家庭多维贫困状态的因素进行分析。其中回归方程设定为：

In(P/1-P)=β0+β1X1+β2X2+……+βmXm

(6)

公式(6)中P表示农村多维贫困家庭，1-P表示非农村多维贫困家庭；Xm表示农村家庭多维贫困的影响因素，m表示自变量的个数；β0为常数项，βm表示自变量的回归系数，反映的是农村家庭多维贫困的方向和因素。

(三)维度和指标选取

关于如何识别各个农户家庭是否为多维贫困，我们借鉴联合国多维贫困指数构造框架，结合中国“两不愁、三保障”的扶贫目标，参照国内学者周强、张全红[19]和陈闻鹤[20]提出的指标体系，本文采用了三个维度共八个指标来识别家庭是否为多维贫困。同时设置每个指标的临界值，其中低于临界值被认为存在贫困状态的指标有：家庭人均纯收入C1、教育支出C8；高于临界值被认为存在该贫困状态的指标有：恩格尔系数C2、家庭成员健康状况C5、医疗支出C6；采用定性划分的家庭使用柴草、煤等非清洁能源判定为贫困，赋值为1；农户家庭不能使用井水、自来水、桶装水、纯净水或过滤水判定为贫困，赋值为1。具体指标如表1所示：

表1 多维贫困指标和剥夺临界值

四、多维贫困的测算和分解

(一)农户单一维度贫困发生率

从单维贫困测量表2来看，农户家庭各个指标贫困发生率情况相差较大。贫困发生最高的三个指标依次为家庭成员最高受教育程度(64.8%)、家庭用燃料(41.57%)和家庭用水(35.89%)，说明这三个指标的被剥夺程度最严重。其后是家庭成员平均健康状况(32.77%)、家庭人均纯年收入(9.6%)、恩格尔系数(5.4%)、医疗支出比例(2.89%)和教育支出(0.28%)。从总体上来看，在家庭多维贫困指标上，家庭成员受教育程度对多维贫困的影响较大。

表2 农村家庭各指标的贫困发生率(%)

从农户家庭经济状况来分析，调查样本为5629户农村家庭，其中有546户存在收入贫困，贫困发生率仅为9.6%。家庭人均纯收入一直以来就是衡量贫困的标准，我国自1987年开始就以开发式扶贫为手段，转变农村经济发展方式，提高农户收入。2018年农村家庭人均收入调查结果显示，我国2020年全面脱贫的目标能够顺利完成。

在农户生活条件方面，共选取了3个指标。其中家庭使用的燃料贫困发生率较高，达到41.57%，这一指标的贫困户有2340户。这表明农村家庭大多仍然使用煤炭、柴草等非清洁型能源燃料。按照联合国的规定，若家庭不能使用天然气、电等清洁能源视为贫困，燃料使用不规范，不仅对家庭成员身体健康不利，而且过度使用煤、柴草也会对空气造成污染；生活用水方面贫困发生率达到35.89%，这一维度的贫困户有2019户。在农村地区，还有一大部分家庭未使用自来水、桶装水和过滤水，一部分原因可能是城市供水系统没有把农村地区纳入供水范围，另一部分原因是桶装水送达农村地区成本高、路程远，且农村家庭不愿为此消费；农村家庭恩格尔系数的贫困发生率为5.4%，这表明随着农村家庭收入水平的提高，食品支出占比逐渐下降。

在农户家庭成员健康方面，采用农村家庭成员最低健康状况和医疗支出比例来衡量。从样本农村家庭成员最低健康状况来看，贫困发生率为32.77%，这一指标的贫困户有1845户。表明随着我国老龄化进程加快，老年人身体较差对摆脱贫困提出了挑战；在家庭医疗支出比例方面，贫困发生率为2.89%，一部分原因是国家提出的“两不愁，三保障”，在农村地区推行农村医疗报销和新型农村养老保险，缓解了农村家庭的医疗支出压力。

在家庭教育方面，教育相对于其他脱贫投资有明显较高的收益率和回报率，并且家庭收入的增加能够进一步促进教育需求增加与受教育水平的提高。从家庭成年成员最高受教育程度来看，贫困发生率为64.8%，共有3648户农村家庭受教育程度为初中及以下。样本家庭受教育程度在“高中及以上”的仅为16.39%。表明样本家庭整体受教育程度较低。样本家庭“教育支出比例”这一指标的贫困发生率为0.28%，表明农户希望子女受教育从而实现整个家庭脱离贫困，但教育支出可能造成“因教致贫”的状态。“教育致贫”理论上主要发生在高中及以上阶段，即非义务教育阶段。

单维贫困指标结果显示，样本农村家庭以收入一维指标的贫困发生率仅达9.6%，而样本家庭的受教育程度、生活用燃料和生活用水等指标呈现出比较高的贫困发生率，这表明以单一收入指标衡量农户贫困状态已经难以适应农户的多维贫困状态，因此采用多维贫困指标更能显示农村家庭的贫困性质以及致贫因素的次序，从而提出精准脱贫的措施。

(二)农户多维贫困测度结果

从单维贫困统计结果中可知，样本家庭存在明显的多维贫困现象，为了能够更详细地分析样本家庭的多维贫困状况，本文运用AF多维贫困指数法对多维贫困发生率、多维贫困剥夺份额以及多维贫困指数进行测算，测算结果如表3所示。

表3 不同临界值下农村家庭多维贫困情况(%)

在遵循各指标“等权重法”以及双重临界值设定方法情况下，不同贫困临界值K计算的多维贫困指数(M)是不同的。因此，表3估算了样本农户的贫困临界值K取0.1～0.8的多维贫困发生率(H)、贫困剥夺份额(A)和多维贫困指数(M)的情况。根据调查结果显示，以K=0.2为例，样本农村家庭贫困发生率(H)为68.91%，贫困剥夺份额(A)为31.34%，多维贫困指数为0.215，这表明样本家庭在整体上存在多维贫困现象。随着临界值k不断增长，农村家庭多维贫困发生率(H)和多维贫困指数(M)逐渐减少，但是家庭贫困剥夺份额(A)逐渐增加。在农村家庭贫困维度提高的同时，多维贫困的广度在降低，而多维贫困的深度在增加。这表明样本家庭存在不同原因造成的多维贫困。在我国精准扶贫的大背景下，在收入一维贫困发生率降低的情况下，农村地区多维贫困表现得更为多样和复杂。

由于本文临界值选取k=0.2，采用AF法标准识别出非多维贫困1750户，多维贫困户3879户，多维贫困发生率为68.91%，这表明我国农村地区仍然有很大一部分群体存在多维贫困。

(三)多维贫困指数分解：各个维度和指标的重要性

进一步考察各个维度在贫困上的状态对于多维贫困指数的贡献，本文选取多维贫困维度临界值k=0.2时，多维贫困按维度分解的贡献率如表4所示。对于样本农村家庭多维贫困人口来说，教育和家庭生活状况是对多维贫困贡献率最大的，分别达到39.12%和28.47%。这说明家庭成员受教育年限以及生活条件的改善能够缓解多维贫困状况。

表4 多维贫困按维度分解贡献率(%)

表5显示了各指标对于多维贫困贡献率具有较大的差异。家庭成员受教育程度这一指标的贡献率最高达到了38.95%，其次是家庭成员健康状况为18.61%，这说明家庭成员受教育程度和健康状况对于多维贫困具有重要影响，其中家庭成员受教育程度贡献率已经超过1/3。出现这一现象的原因主要是因为农村地区教育水平落后，教育条件落后和教育资源稀缺导致农村家庭成员受教育程度普遍较低。其后是生活使用燃料、生活用水和人均收入对于多维贫困的贡献率分别是14.88%、12.5%和11.22%。医疗保险的贡献率为1.64%，说明近年来农村医疗保险发挥了有效作用，减轻了农村家庭因病致贫。教育支出对多维贫困的贡献率最低为0.27%，主要是因为教育在不同的阶段对于贫困有不同的作用。农村基本公共服务缺失，教育质量较低，农村家庭子女上学显著增加了农户陷入贫困的概率。研究发现，对于样本农户多维贫困人口来说，教育和健康是造成多维贫困最为重要的影响因素。受教育水平的提高和健康的改善是消除贫困的根本途径，这就要求今后的扶贫政策要更加重视这两个方面的帮扶。

表5 多维贫困按指标分解贡献率(%)

五、模型估计和影响因素分析

(一)变量选择和描述

根据上文多维贫困研究测度结果，选取k=0.2时多维贫困识别作为因变量，令多维贫困家庭=1，非多维贫困家庭=0，被解释变量为因变量，因此选用二元logistic模型，利用spss20软件进行回归分析。

基于以上多维贫困测度，结合以往研究成果和数据可获得性，农村家庭陷入多维贫困不仅受到农户“家庭特征”影响，还包括“户主特征”和“社会网络”双重影响。因此，本文构建了三个层面共13个解释变量：(1)户主特征变量。农户户主一般在家庭中承担着更多的责任，选用了户主年龄、政治面貌、工作情况和婚姻状态四个变量。(2)家庭特征变量。考虑到家庭结构特征和资源禀赋，选取家庭规模、政府帮助情况、是否为个体经营户、外出打工情况、是否从事农业工作、是否领取养老金退休金、医疗保健支出和投资情况等因素。(3)社会网络变量。主要包括每年的人情礼金支出以及平时亲戚互相支持程度。

表6 主要解释变量的名称和描述

(二)农户多维贫困影响因素分析

1.多重共线性检验。考虑到解释变量可能存在多重共线性关系，本研究对各变量进行多重共线性诊断。一般认为VIF>3，变量存在一定程度的多重共线性；若VIF>10,则存在高度共线性。[9]经过检验,模型中各变量容忍度均远大于0.1，模型的方差膨胀因子最大值为1.69，说明模型稳健性良好。

2.模型拟合结果。本文采用二分类Logistic回归模型评估个体特征、家庭特征和社会网络对农户多维贫困的影响。使用Box-Tidwell方法检验连续自变量与因变量logit转换值是否为线性。线性检验模型共纳入18项，Bonferroni校正后显著性水平为0.0027。线性检验结果显示所有连续自变量与因变量logit转换值间存在线性关系。根据回归模型拟合结果，经霍斯默-莱梅肖检验(Hosme and Lemeshow Test)，P值为0.167>0.05，接受零假设，说明二元logistic模型与观测值拟合良好。该模型能够正确分析74.20%的研究对象，得到的Logistic模型具有统计学意义。

表7 Hosmer 和 Lemeshow 检验结果

模型回归结果显示，农户年龄、政治面貌、家庭规模、政府补助情况、从事个体经营情况、外出工作情况、医疗保健支出、商业性保险支出、人情礼金支出共9个变量对农户家庭多维贫困有显著性影响。解释变量与预测方向有一些差距，具体回归结果见表8。

表8 Logit模型回归结果

从个体特征对家庭多维贫困的影响来看，农户的年龄多维贫困具有显著的正向作用，说明随着农户年龄的增长，其陷入多维贫困的概率会增加。党员系数为正且系数较大，说明户主的政治面貌为党员会极大地降低农户陷入多维贫困的概率。原因主要可能是党员发挥了更好的示范效应和带动作用所致，并且能够较好地识别家庭风险。

从家庭特征对家庭多维贫困的影响来看，8个变量中有6个变量对家庭多维贫困有显著影响。农村家庭规模在1%的情况下影响为正，但其回归系数较低。一般来说家庭人口越多，越容易陷入贫困，[21]在家庭总收入不变的情况下，家庭人口越多则人均收入越低，因此容易陷入收入这一维度的贫困，但是随着人口的增加，家庭共同承担风险的能力会增强。因此，家庭人口规模对于多维贫困的影响不显著。政府提供补助对于家庭多维贫困具有显著的负向作用，有政府补助的家庭有助于降低多维贫困的概率。随着我国对于农村脱贫工作的重视，新型农村合作医疗、农业补贴、贫困学生助学金等政府补贴在一定程度上降低了农村家庭陷入多维贫困的概率。家庭中从事个体经营对多维贫困具有显著的正向作用，说明家庭经营者更容易陷入多维贫困。可能是因为家庭资金的分散，以及个体经营承担的风险比较大。外出务工在10%的水平下对家庭多维贫困具有显著负向作用，农村家庭成员外出打工可以降低农户陷入多维贫困的概率。由于打工可以增加家庭收入，较好地抵御家庭风险。家庭医疗保健支出和家庭商业保险支出均在1%的水平下对多维贫困有显著正向影响。医疗保健支出和商业保险支出较低的家庭，其家庭承受风险更大，相应更容易陷入多维贫困。

从社会网络来看，家庭年人情礼金支出在1%的水平下对多维贫困具有显著正向作用。显然，家庭人情礼金支出反映的是农村家庭的社会网络状态，其直接影响的是家庭收入状况和抵御风险的能力。

六、结论与建议

(一)研究结论

本文通过采用中国家庭追踪调查5629户农村家庭数据，在精准扶贫的大背景下，通过AF方法识别农村地区家庭多维贫困现状，并且运用Logit模型从个体特征、家庭特征和社会网络分析其影响因素，得到如下结论：

(1)参照多维贫困标准(K=0.2)，样本家庭多维贫困发生率为68.91%，共识别出3879户家庭存在多维贫困现象，多维贫困指数为0.2159。对多维贫困指数分解的结果显示，不同因素对于贫困的影响存在较大的差异。

(2)从单维贫困发生率可以看出，教育水平、生活使用燃料、生活用水贫困发生率较高，其次是健康、收入、恩格尔系数、医疗支出和教育支出；其中教育水平、健康情况、生活使用燃料和生活用水对于多维贫困指数贡献率均高于收入水平，并且各维度影响差异较大。

(3)个体特征、家庭特征和社会网络对样本家庭多维贫困的影响分析结果显示，年龄、党员、家庭规模、从事个体经营情况、医疗保健支出、商业保险支出对农村家庭多维贫困具有显著正向作用，而政府补助、外出打工情况对农村家庭多维贫困具有显著的负向作用。

(二)政策建议

要打破以收入单维度考察农村地区贫困，应从教育、生活水准等方面对贫困进行深层次分析，旨在瞄准真正贫困的群体并建立更为精准的扶贫开发政策，为2020年后实现全面建成小康社会提供更全面的理论分析。基于以上结论，本文提出以下建议：

第一，大力提高农村教育水平，隔断贫困的代际传递。目前，农村地区最紧迫的任务是重新塑造和提高农户应对风险的能力，对于受教育年限不足的成年人，应该定期开展教育普及性知识讲座，做到“扶贫先扶智”，从而提高脱贫质量。

第二，积极引导农户使用清洁能源，减少农村人口脱贫阻碍。农村地区应减少木柴、秸秆的使用，实施新型能源供应方式，从而降低对自然环境的破坏以及对贫困人口身体健康的损害，减轻“因病致贫”现象的循环往复。

第三，保障农村地区饮水安全问题。贫困人口长期使用非清洁水源会对身体造成危害。农村地区要对饮用水进行消毒处理常态化，政府应尽快将农村地区纳入自来水供应范围。

第四，加强职业教育培训，增强法律意识。在农村家庭外出务工对减贫影响巨大的情况下，政府要对农户开展职业培训教育，提高农户法律意识，帮助农户运用法律手段维护自身合法权益。