外出务工对农户家庭多维贫困的影响研究——基于2018年中国家庭追踪调查数据（CFPS）的实证分析

杨芳元

（江南大学商学院，江苏无锡 214000）

引言

消除贫困，改善民生，实现共同富裕是社会主义的本质要求。国家统计局发布的《2020年国民经济和社会发展统计公报》显示，按照每人每年生活水平2 300 元（2010年不变价）的现行农村贫困标准计算，我国551万农村贫困人口全部实现脱贫。党的十八大以来，9 899万农村贫困人口全部实现脱贫，贫困县全部摘帽，绝对贫困历史性消除。但这并不意味着农村贫困问题得到彻底解决，贫困的长期性、复杂性与历史性将会持续存在。2020年基本消除绝对贫困、全面建成小康社会后，中国进入以相对贫困为特征的后精准扶贫时代（唐任伍，等，2020）[1]。随着中国贫困问题由绝对贫困转为相对贫困，收入之外的其他维度逐渐凸显（王小林，Alkire，2009）[2]，从健康、教育、生活水平等多维角度来对贫困家庭或人口进行识别更符合现实要求，并且能够提供更加准确与丰富的信息（杨艳琳，付晨玉，2018）[3]，提高扶贫政策提出与实施的精准性与靶向性（黄承伟，王猛，2017）[4]。与此同时，就业扶贫作为整个扶贫政策体系中的重要组成部分一直备受关注。从当前我国农户家庭的收入结构来看，外出务工所赚取的工资性收入是其重要收入来源，也是农户脱贫致富的重要途径。2019年我国外出农民工达17 425 万人，占农民工总量的比重约为59.93%。在此背景下，研究外出务工能否有效缓解农户家庭贫困状态，尤其是多维贫困值得关注。

从已有文献来看，国内学者多是从收入角度出发来研究外出务工对于农户贫困的影响。杨雨欣等（2019）利用“中国家庭收入调查（CHIP2013）”的农村数据，实证分析了农村居民外出务工对于农户家庭经济脆弱性的影响，探讨了外出务工对于农户减贫的带动效果[5]。结果显示，外出务工有效缓解了农户家庭经济脆弱性，从而带动了农户减贫。樊士德等（2019）基于2016年东部欠发达县域878 户农户的微观调查数据，利用Logit 模型与多元线性回归模型，研究了农村劳动力流动、务工收入与家庭贫困之间的关系[6]。总体来说，农村劳动力流动往往是通过取得外出务工收入而改善了家庭生活，缓解了贫困，但还存在一系列影响劳动力外出务工收入的制约因素。平卫英等（2020）采用分位数回归方法研究了外出务工对于建档立卡贫困户的增收效应以及异质性影响效果[7]。研究发现，外出务工对各个收入水平的建档立卡贫困户都具有脱贫增收效果，其中对于高收入水平建档立卡贫困户的家庭纯收入促进作用最大，中等收入水平次之，低收入水平最小。近期有学者开始从多维贫困视角对此进行分析。邓大松等（2020）利用贵州省四县农村家庭微观调研数据，分析发现外出务工能够显著降低农村家庭多维贫困[8]。李聪等（2020）基于2015年在陕南安康地区的调研数据研究发现，外出务工作为农户家庭主要生计活动之一，对于减轻其多维贫困有明显的积极作用，且相较于非搬迁户，这种减贫效应在搬迁户中更为显著[9]。

综合已有研究发现，国内学者关于外出务工对于多维贫困影响的研究正处于起步阶段，尚未形成统一的定论。为此，本文基于2018年中国家庭追踪调查数据（CFPS），利用A-F 双界线法，从收入、教育、健康、生活水平、就业、保险6个维度对农户家庭的多维贫困进行测度，实证检验外出务工对于农户家庭多维贫困的影响。本文的边际贡献主要在于以下两个方面：一是丰富多维贫困测度指标。现有研究关于多维贫困的测度多聚焦于收入、教育、健康、生活水平4个维度，较少涉及到就业、保险等维度。二是采用最新的家庭追踪调查数据（CFPS），更为关注新形势下农户家庭多维贫困和外出务工状况，对于后期合理评估就业扶贫政策的实施效果具有重要的政策和现实意义。

一、多维贫困测度

参考联合国千年发展目标，借鉴国内外相关研究（如Alkire & Foster，2011[10]；杨艳琳，付晨玉，2019[3]），同时考虑到数据可得性，本文从收入、教育、健康、生活水平、就业以及保险6个维度来对农户多维贫困进行测度。具体各维度指标的选择如表1 所示。

表1 多维贫困维度、指标、指标解释及剥夺临界值

本文采用“A-F”双界线方法对农户家庭的多维贫困状况进行测度。第一步，定义多维贫困测度指标集合，构造样本福利矩阵X。以家庭为单位定义样本福利指标，假设样本由n个个体组成，每个个体的福利水平由d个指标来评估，Xij表示第i个样本在第j个福利指标上的取值。第二步，确定指标剥夺临界向量Z，Z=（Z1，Z2，…，Zd）。其中，用Zj表示第j个指标上的剥夺临界值，将样本i 在每一福利指标上的得分与对应福利指标上的剥夺临界值对比，从而比较其在各福利指标上的剥夺情况。如果Xji＜Zj，则该样本Zj在第j个指标上处于剥夺或贫困状态。第三步，根据福利矩阵X 和剥夺临界向量Z 确定剥夺矩阵G。该矩阵中元素为gij，表示第i个样本在第j个指标上的剥夺得分，如果在第j个指标上处于剥夺状态，则gij=1，否则gij=0。第四步，确定指标权重向量W，W=（w1，w2，…wd），其中，wj为第j个指标权重，满足wj=1。第五步，构造加权剥夺矩阵C 并计算样本的总剥夺得分cj。其中，cj=wjgij∈[0，1]，cj越大表示样本i 被剥夺程度越深。第六步，确定多维贫困临界值k，其意义为当所有指标均被剥夺时，样本被剥夺程度占其剥夺得分的比重。其中，k∈（0，1]，若cj＞=k则样本i 被界定为多维贫困，否则为非多维贫困。

二、数据、变量与描述性统计

（一）数据来源

本文利用2018年“中国家庭追踪调查”（CFPS）数据库，样本覆盖中国除香港、澳门、台湾、新疆、西藏、青海、内蒙古、宁夏和海南之外的25个省（直辖市、自治区）的人口。在测度农户家庭多维贫困方面，CFPS 数据库涵盖农户收入、生活水平和家庭成员健康、教育、就业以及社会保障等方面信息。在考察农户外出务工这一信息时，直接通过2018年家庭经济问卷中“过去12个月，您家是否有人外出打工（如去城市打工）挣钱？”这一问题来考量。此外，CFPS 数据库还包含农户个人特征、家庭特征和所属地区特征等信息。由于本文研究对象为农户家庭，故在对数据的处理中保留“urban”为“乡村”字样的样本，在对重要变量缺失值和异常值作直接删除处理后，共得到6 167 户农户家庭。

（二）变量与描述性统计

1.因变量：多维贫困状态。依据上述A-F 方法，本文选用收入、健康、教育、生活水平、就业和保险6个维度13个指标，运用等权重方法，使用k=0.33 的通用阈值对农户家庭多维贫困进行测度。若农户家庭贫困总剥夺得分ci＞=0.33，则该家庭处于多维贫困状态，取值为1；否则该家庭处于非多维贫困状态，取值为0。

2.核心自变量：外出务工。针对家庭经济问卷中“过去12个月，您家是否有人外出打工（如去城市打工）挣钱？”这一问题，若回答为“是”，则外出务工=1；若回答为“否”，则外出务工=0。

3.控制变量：户主个人特征、家庭特征、地区特征。在控制变量的选取上，参考郭熙保、周强（2016）等的研究。本文选取户主性别、年龄、婚姻状况、受教育程度与政治关系作为个人特征变量，由于CFPS 数据库没有给出家庭户主的直接信息，本研究选取“财务回答人”，即最了解熟悉这个家庭财务状况的人作为事实户主的代理变量。在此基础上，选用家庭规模作为家庭特征变量，最后引入地区虚拟变量。

主要变量的含义、赋值以及描述性统计结果如表2所示。

表2 变量定义与描述性统计

总样本农户家庭数量为6 167 户。其中，处于多维贫困状态的农户家庭有2 957 户，占总样本的47.95%。在6 167 户农户家庭中，家庭中有人外出务工的农户家庭有3 148 户，占总样本的51.05%。在控制变量中，户主性别平均值为0.512 1，年龄平均值为49.169 3，表明被调查农户男性户主多于女性户主，且整体年纪偏大；婚姻状况均值为0.771 7，表明受访者农户已婚者居多；受教育程度平均值为1.525 9，说明农户总体文化水平偏低，多为未受教育或仅受过小学、初中教育，这也与受访者的年龄相符；政治关系均值为0.063 9，表明受访者农户家庭户主多为普通群众；家庭规模平均为3.761 8人，表明大多数家庭一般由3—4 人构成，符合我国家庭特征现状。地区虚拟变量平均值为0.988 0，表明调查对象在东中西分布比较均匀。

三、外出务工对农户家庭多维贫困影响的实证分析

（一）模型设定

考虑到被解释变量多维贫困状态为0—1 虚拟变量，本文采用Probit 模型，分析外出务工对农户家庭多维贫困的影响。模型设定如（1）式所示。

其中，被解释变量是农户家庭i 是否是处于多维贫困状态的家庭，multipovertyi=1 表示家庭i 是处于多维贫困状态的家庭，multipovertyi=0 则表示家庭i 不是处于多维贫困状态的家庭；migranti代表外出务工；Xi代表户主个人特征、家庭特征、地区特征等控制变量；β0、β1、β2是待估参数，εi表示随机误差项。

（二）实证结果与分析

1.基准回归结果

基准回归结果如表3 所示。Probit 回归中LR 卡方检验在1%显著性水平下Prob＞chi2=0.0000，说明模型整体拟合结果较好。此外，由于Probit 模型为非线性模型，因此需要通过求边际效应来具体分析外出务工对农户多维贫困的影响。从具体影响程度来看，外出务工对农户家庭多维贫困的影响在1%水平上显著，且回归系数与边际效应值均为负。其中，边际效应为-0.113，说明在其他因素不变的情况下，外出务工会使农户处于多维贫困的概率降低11.3%，这表明外出务工能够显著改善农户家庭的多维贫困。这可能是由于外出务工有利于拓宽农户家庭的收入来源，提高农户的就业水平；同时，外出务工所获得的收入可用于改善留守农户家庭的生活水平、改善留守父母与儿童的饮食状况、提升家庭医疗支付能力、为子女接受教育提供经济支持等；此外，农户家庭外出务工还有助于间接推动农村基本医疗和保险的覆盖率，从而从不同维度缓解了家庭的多维贫困。

从表3 中的控制变量来看，户主性别和年龄与家庭多维贫困并无显著相关关系。户主的婚姻状况、受教育程度和政治关系均对农户家庭多维贫困有显著负向影响，其边际效应分别为-0.083 4、-0.111 和-0.052 8，且前两者在1%水平上显著，后者在5%水平上显著，这可能是因为已婚的家庭拥有更稳定的经营能力和抗风险能力，因此相比未婚及其他状况更不易陷入多维贫困；户主受教育水平越高，越有能力和意识改善家庭状况，处于多维贫困的概率越低；同时，户主的政治关系可能给家庭带来生活便利，从而缓解家庭多维贫困。家庭规模的边际效应较小，为-0.006 89，在5%水平上显著，说明家庭规模越大越有助于改善家庭多维贫困，但这种改善作用有限。这可能是由于家庭规模越大意味着家庭中有工作的人越多，从而收入来源越多，但同时家庭人口数越多可能意味着负担也就越重，相互作用下导致家庭规模对农户多维贫困的改善作用有限。此外，不同地区由于其自身的地理条件和经济发展水平不同，导致省份哑变量在1%的水平上对农户家庭多维贫困产生影响，具有明显的异质性。

表3 外出务工对农户多维贫困影响的基准回归结果

2.稳健性检验

为了确保上述模型估计结果的可能性，本文采用替换变量法，即直接用农户家庭贫困总剥夺得分ci 作为被解释变量，代表农户家庭多维贫困状态，同时采用OLS 回归方法对模型进行稳健性检验。回归结果如表4所示。其中，外出务工回归系数的符号与显著性与基准回归结果保持一致，印证了外出务工对农户多维贫困有显著负向影响，即外出务工能够有效改善农户家庭多维贫困状态；相关控制变量对农户多维贫困的影响也与前文相一致，从而证实了本文结论的稳健性。

表4 外出务工对农户多维贫困影响的稳健性检验

四、结论与建议

本文基于CFPS2018 数据库，采用A-F 方法从收入、教育、健康、生活水平、就业、保险6个维度对6 167户农户家庭的多维贫困进行测度，并在此基础上应用Probit 模型和OLS 回归模型，实证分析了外出务工对于农户家庭多维贫困的影响。研究发现，在总样本农户中，多维贫困发生率为47.95%，从多维角度对贫困农户进行识别，贫困发生率仍然较高，说明脱贫任务任重道远；样本农户家庭外出务工比例为51.05%，农户家庭中若有成员外出务工，则该家庭陷入多维贫困的概率会降低，即外出务工能够有效缓解农户家庭多维贫困，对农户减贫具有积极影响。

随着我国进入2020“后扶贫时代”，在对贫困农户进行识别方面，建议将单一收入贫困指标转向多维贫困指标衡量，即在当前“两不愁、三保障”目标基础上结合农户面临的贫困现状构建多维贫困指标，来对贫困农户家庭进行有效精准识别。在此基础上，对于贫困农户给予外出务工特惠政策倾斜，通过就业扶贫政策为农民创造外出务工的机会。同时，针对贫困农户家庭不同特质展开定点定向帮扶，对农户进行就业指导与技术培训，提升农户内生发展动力，以此拓宽农户家庭增收渠道，促进农户家庭福利改善。此外，对于外出务工农民工在子女教育、医疗、住房、就业、保险等方面完善相关福利政策与保障制度，从而改善其家庭多维贫困状况，降低农户贫困脆弱性。