中国农村收入贫困与多维贫困的动态转换及影响因素

张全红

(湖北经济学院，湖北 武汉 430205)

一、引言

党的十八大以来，中国的脱贫攻坚工作取得了巨大的成就，脱贫攻坚取得全面胜利，困扰中华民族几千年的绝对贫困问题得到历史性解决。同时，中国的扶贫工作为全球的减贫事业作出了重大贡献，成功走出了一条中国特色扶贫开发道路，形成了中国特色反贫困理论。随着2020年现行标准下绝对贫困的消除，2020年后缓解相对贫困将是推进乡村振兴战略的重点，党的十九届四中全会也明确提出要“建立解决相对贫困的长效机制”。从贫困内涵看，相对贫困具有多维特征，集中表现为免受困苦、接受教育、享受医疗卫生等能力的缺失(罗必良，2020；黄征学 等，2019)。自从阿玛蒂亚·森在1980年首次提出能力贫困理论以来，人们对贫困的认识不断从收入视角拓展到多维视角，现在多维贫困理论已被学术界和政府机构广泛采纳。令人欣喜的是，基于可行能力的多维贫困理论为避免精神贫困和贫困的代际传递提供了可操作方案，有效弥补了传统收入贫困观的缺陷。并且，可行能力与精准扶贫在贫困识别和可持续脱贫方面具有耦合性，是巩固拓展脱贫攻坚成果的重要切入点(杨帆 等，2016；钟晓华，2016)。

长期以来，我国的贫困测量和扶贫工作都是以收入标准为依据开展的，但党的十八大以来的脱贫攻坚实践(诸如“两不愁、三保障”等)却同多维贫困理论相一致，那么，一个值得研究的问题便是收入贫困和多维贫困之间的关联和差异如何？具体来说，收入(多维)贫困人口中有多少多维(收入)贫困人口，收入脱贫人口中又有多少实现了多维脱贫，收入增长能在多大程度上降低多维贫困程度，如果收入贫困与多维贫困差异很大，传统以收入指标为核心的扶贫工作将不再适合2020年后具有多维特征的相对贫困现实。针对以上问题的研究在国内尚处于起步阶段，缺乏对收入贫困和多维贫困两者关系的系统性检视。本文聚焦于静态水平和动态转换两个层次，对比分析收入贫困和多维贫困，探讨收入贫困和多维贫困之间的关联和差异以及影响两种贫困的关键因素。这些研究对2020年后巩固拓展脱贫攻坚成果和推进乡村振兴具有重要的参考价值。

二、文献综述

长期以来，贫困被理解为一个一维概念，仅指经济上的贫困，即个体或家庭的收入无法满足基本生活需要(World Bank,2000)。因此，对贫困的测量往往依据收入或消费的某个临界值即贫困线来确定。贫困线由食物贫困线和非食物贫困线构成，前者按每人每天2100大卡热量所需食品的开支计算，后者是指服装、居住等非食品开支，一般按照恩格尔系数法即食品开支在总开支中的比例为60%来估算(Ravallion,2012)。从收入角度开展的贫困测度以F-G-T指数最为盛行，涵盖了贫困的广度、深度和强度(Foster et al.,1984)。在实践中，英国和美国等国家最早制定了收入贫困标准，后来世界银行收集了33个国家(包括发展中国家和发达国家)的贫困线来确定可供全球贫困比较的贫困线，并从1981年开始对各发展中国家进行消费和收入贫困测算(王小林，2012)。世界银行制定的贫困线最初为每人每天1美元，2015年提高到每人每天1.9美元。另外，世界银行还制定了每人每天3.1美元、5.5美元和21.7美元三条贫困线，分别适用于中低收入国家、中高收入国家和高收入国家(黄征学 等，2019)。

20世纪90年代，有学者提出贫困应该表现为福利的缺失，而福利又是一个多维概念，除由收入水平决定外，还包含公共产品的提供、住房供给、扫盲和平均寿命等因素(Strobel,1996；Burns et al.,2000)。多维贫困(Multidimensional Poverty)理论的主要创始者为1998年诺贝尔经济学奖获得者阿马蒂亚·森。Sen(1999)认为，贫困是对人的基本可行能力的剥夺，影响能力剥夺的因素包括收入水平、公共政策、社会制度、经济的不平等和民主的程度等。阿马蒂亚·森的理论的提出是贫困理论研究中的一座里程碑，它引起了经济学家对人类发展的思考，将贫困的概念从单一收入维度扩展到多维度的能力贫困和人类贫困，对贫困的测度也相应地从货币(包括收入或消费)贫困扩展到多维贫困。目前，Alkire et al.(2008)基于能力方法理论构建的多维贫困指数MPI(也称为A-F指数)影响和运用最广，并得到国际机构的采纳，如联合国在《2010年人类发展报告》中首次公布了全球104个国家和地区的多维贫困状况(王小林，2012)。MPI包括健康、教育和生活水平三个维度，共10个指标，按照指标—维度—多维贫困指标进行三级汇总计算即可得出。

一般而言，收入贫困和多维贫困之间具有一定的吻合度，因为随着个体收入的提高，其非货币维度的福利水平也会相应增加。但毋庸置疑的是，即使收入是多维贫困的一个很好的代理变量，仅仅用收入指标也是不足以反映其他方面的福利剥夺和社会排斥的。例如，对印度和秘鲁的研究表明，许多在教育和健康等方面贫困的人口并不属于收入贫困人群(Klasen,2000)。相反，收入贫困家庭如果注重对健康和教育的投资，不仅可以加快脱贫，而且还可以大大降低返贫的概率。相对于货币福利指标，非货币的福利问题往往同市场不完善、公共产品供给不足等宏观社会运行政策相关。因此，非货币维度的福利改进主要是指社会公共品和公共服务的改善(Bourguignon et al.,2003)。

那么，收入贫困和多维贫困之间的关联度到底有多高？针对不丹的研究表明，2010年该国有12%的人口为收入贫困，13%的人口为多维贫困，但只有3.2%的人口同时为收入贫困和多维贫困。根据智利官方报道，2013年该国收入贫困人口比例为14.4%，多维贫困人口比例为20.4%，但同时陷入收入贫困和多维贫困的人口比例仅为5.5%。其他类似的研究也表明收入贫困和多维贫困之间的差异较大，重合度较低(Gallo et al.,2012；Levine et al.，2014；Santos et al.,2014)。冯贺霞等(2015)利用2011年中国健康与营养调查(CHNS)数据测算发现，在2536元的收入贫困线和33%的多维贫困临界值下，收入贫困和多维贫困的吻合度仅为31%，也就是说，69%的多维贫困人口不属于收入贫困。需要指出的是，以上研究主要是采用截面数据对收入贫困和多维贫困关联度进行静态的比较，缺乏对这两种贫困之间的动态变化和相互影响效应的分析。另外还值得进一步分析的是，哪些特征家庭更易陷入收入贫困，哪些类型家庭更易陷入多维贫困，收入增长能在多大程度上缓解多维贫困，这类问题在现有文献中也没有明确的回答。

三、分析方法和数据

(一)收入贫困的界定

收入贫困指数采用收入贫困发生率衡量，即收入贫困人口在总人口中所占的比重。我们考察的是绝对贫困，因此贫困线的设定基于绝对标准。世界银行于2015年10月5日将国际贫困线标准由1.25美元/天提高到1.9美元/天(低标准)，这同中国官方贫困线非常接近(如表1所示)，同时也给出了3.1美元/天的贫困线标准(高标准)。为增强结论的稳健性，本文将分别采用1.9美元/天的低标准和3.1美元/天的高标准。

表1 各年贫困线

(二)多维贫困的识别和测算方法

本文基于阿马蒂亚·森的贫困剥夺理论，按照Alkire et al.(2011)提出的A-F方法来测算多维贫困指数。A-F方法包含两个临界值，也称“双界线”法。第一步，设定多维贫困的维度、指标及相应的指标剥夺临界值；第二步，计算个体的加总剥夺得分和设定总体剥夺临界值，如果个体的加总剥夺得分超过这个临界值，则被认定为多维贫困。

为了聚焦于贫困人口，我们在剥夺矩阵g0中删除非贫困人口的剥夺数据，也就是如果第i个个体的剥夺得分ci≤k，则g0中第i行的每个值都为0，得到了一个新的矩阵g0(k)。g0(k)列出了所有贫困人口的加权剥夺情况，且排除了非贫困人口。基于此，我们可以重新构建剥夺得分列向量ck，在ck中，如果第i个个体是非贫困的，则其得分为0。通过以上步骤，我们可以计算出样本的多维贫困指数(MPI),即矩阵g0(k)的均值乘以福利维度d：MPI=dμ(g0(k))，其中，μ表示算术平均算子。

多维贫困指数(MPI)可以表示为两部分的乘积，即多维贫困发生率(H)和贫困人口的平均剥夺程度(A)的乘积，前者表示样本中多维贫困人口(q)在总人口(n)中的比例，后者表示贫困人口平均被剥夺份额。由此可见，多维贫困指数由贫困发生率和平均被剥夺程度决定。

(三)多维贫困指标体系

参考《人类发展报告(2010)》中国际多维贫困指数的指标体系(UNDP，2010；Alkire et al.,2013)，结合中国经济社会发展阶段，我们选取了健康、教育和生活水平共3个维度共10个指标。《中国农村扶贫开发纲要(2010—2020)》明确提出，中国未来十年扶贫开发工作的总体目标是到2020年稳定实现扶贫对象不愁吃、不愁穿，保障其义务教育、基本医疗和住房。“不愁吃、不愁穿”由收入贫困来测算，教育、医疗和住房则由多维贫困来测算。另外，考虑到贫困村出列所需要满足的基础设施和公共服务的标准，本文增加了生活水平维度，以此反映农村生活质量。在识别过程中，由于家庭成员共享家庭资源(如住房、水、电等)，因此以家庭为单位来判断其成员的剥夺情况，即如果一个家庭在某个福利指标上受到剥夺，则其每一个成员都在该指标上处于剥夺状态，一个家庭被界定为多维贫困，则其每一个成员也被认定为贫困。

教育维度包括教育年限和适龄入学率两个指标，这和国际MPI体系完全相同。教育年限上，如果家庭任一成年人没有完成6年义务教育，则该家庭在教育年限上遭受剥夺。家庭中存在6到17岁的孩子未能上学，则该家庭在适龄入学指标上遭受剥夺。

健康维度包含营养和健康功能两个指标。按照国际通用算法，营养指标采用身体质量指数(Body Mass Index,BMI)(1)BMI(身体质量指数)原用于公众健康研究，计算方法为BMI=体重(kg)÷身高(m)2。来衡量(Baulch et al.,2003)。参照王春超等(2014)，BMI临界值设为18.5，如果家庭16岁以上成年人的BMI低于18.5则被认为贫困。对于健康功能指标，如果家庭任意成员在过去半年内遭受重大疾病或伤害且没有及时就医的，则在该指标上遭受剥夺。

生活水平采用6个指标衡量，分别为做饭燃料、卫生设施、清洁饮用水、照明、住房和耐用品。第一，做饭燃料方面，如果一个家庭仅用动物粪便、木头、秸秆等燃料而非清洁燃料(液化气、天然气、电等)，则被视为贫困。第二，卫生设施方面，如果厕所不能使用室内冲水、室内马桶，被视为贫困。第三，清洁饮用水方面，将使用自来水、矿泉水、纯净水、过滤水作为饮用水源的家庭视为非贫困，否则为贫困。第四，通电方面，将没通电或经常断电看作贫困。第五，住房方面，如果家庭日常生活中住房方面存在困难，包括老少三代同住一室、12岁以上的子女与父母同住一室、12岁及以上异性子女同住一室、有的床晚上架起白天拆掉、客厅里也架起了睡觉的床等情况，视为贫困。第六，家庭资产方面，彩电、冰箱、洗衣机、空调等主要资产上最多只拥有一项的，视为贫困。

一般认为，以上3个维度对于家庭福利同等重要，因此被赋予相同权重，各为1/3，同一维度下的不同指标也被赋予相同权重(见表2)。

表2 福利维度、指标、权重及剥夺临界值

(四)数据来源

本文采用2012年和2014年北京大学中国社会科学调查中心公布的中国家庭追踪调查(CFPS)的农户数据。CFPS充分考虑到了中国复杂和差异化的社会文化背景，采用多阶段、内隐分层的抽样方法，每个样本都经过三个层次的分层选取抽样得到，反映了中国社会、经济、人口、教育和健康的变迁(支俊立 等，2017)。除去无效和漏缺数据，共采用了5365个农村有效样本数据，其中，东部地区1871个，中部地区1563个，西部地区1931个。

四、收入贫困与多维贫困的关联及差异

为了全面比较收入贫困和多维贫困的关联与差异，我们对收入贫困采用了1.9美元/天和3.1美元/天两条贫困线，对多维贫困采用了25%和33%两个剥夺临界值。我们不仅对收入贫困和多维贫困进行了水平或静态对比，而且进行了动态对比，动态对比可以揭示两种视角下测算的脱贫(入贫)人口是否一致，对巩固脱贫攻坚成果具有重要的参考价值。

(一)贫困规模

我们分别按两种贫困临界值测算了2012年和2014年中国农村的收入贫困率和多维贫困率，结果见表3。

表3 不同标准下的收入贫困发生率和多维贫困发生率

首先，从收入贫困看，我们测算的贫困率要高于官方公布的结果。按1.9美元/天的贫困线标准，农户贫困发生率在2014年高达19.82%，高于相同贫困线标准下官方公布的11.34%的水平，但同其他学者的估算是一致的。例如，蒋南平等(2017)运用2010、2012、2014年的中国家庭追踪调查(CFPS)面板数据测算发现，生活水平相对较高的农民工家庭的收入贫困率从2012年的7.1%上升到了2014年的8.1%。普通农户的收入水平要低于农民工家庭，由此可以推测总体农户家庭的收入贫困率肯定要远高于8.1%的水平。宋扬等(2015)运用2010年中国综合社会调查数据(CGSS)测算发现，在1.87美元/天的贫困标准下，2010年农村贫困率为19.38%，也要高于同年官方公布的17.27%的水平。学者根据各种公开调查数据计算的贫困人口要高于官方公布的结果，原因可能在于：一是样本的差异，例如我们采用的CFPS样本数据中，贫困程度最高的西部地区样本占比最高，达到了36%(东部地区占比35%、中部地区占比29%)，明显高于西部地区实际的农村人口比重。二是地方政府建档立卡贫困人口数据并没有完全反映实际贫困程度。由于地方政府对贫困家庭和人口的识别和建档立卡工作通常只能在控制名额的基础上借助基层民主评议的方法来变通进行，民主评议虽然较好地解决了公平性问题，但与实际收入标准存在较大的差异(汪三贵 等，2015)。

其次，收入贫困规模和多维贫困规模总体相当。按照低贫困线即1.9美元/天和33%的剥夺临界值，2014年的收入贫困率为19.82%，多维贫困率为20.35%。按照高贫困线即3.1美元/天和25%的剥夺临界值，收入贫困率和多维贫困率分别上升到30.12%和35.25%。

(二)收入贫困与多维贫困的静态比较

收入贫困和多维贫困所覆盖的人口在多大程度上是吻合的？从图1中可以看出这两种贫困人口的关联度很低。以2012年为例，在33%和1.9美元/天的临界值下，多维贫困发生率为23.24%，略高于19.59%的收入贫困发生率水平。但是，同时为收入贫困和多维贫困的人口比例只有7.43%，仅收入贫困的人口比例为12.16%，仅多维贫困的人口比例为15.81%。换句话说，收入贫困人口中有62%(12.16%/19.59%)的人口并非多维贫困，多维贫困人口中有68%(15.81%/23.24%)的人口并非收入贫困。可见，按收入和多维标准测算的贫困人口的关联度很低。2014年，在相同贫困临界值下，贫困规模并未明显下降，贫困关联度仍然很低，收入贫困人口中有仍有62%(12.31%/19.82%)的人口并非多维贫困，多维贫困人口中则有63%(12.84%/20.35%)的人口并非收入贫困。

图1 收入贫困与多维贫困的关联与差异

图2 收入贫困与多维贫困的关联与差异

当把贫困临界值进一步放松到25%和3.1美元/天时，两种贫困人口比例几乎都提高了一半，但二者之间的关联度仍然很低(见图2)。2012年，收入贫困人口中有55%(16.84%/30.64%)的人口并非多维贫困，多维贫困人口中有64%(24.57%/38.37%)的人口并非收入贫困。2014年则分别为59%和65%。

可见，从收入和多维两种标准来识别贫困人口时，所覆盖的对象相差较大。因此，在精准识别贫困人口方面，如果简单地以收入为标准或简单地以多维为标准，都将导致大量的贫困遗漏问题。

为了进一步分析哪些群体在收入贫困和多维贫困之间存在较大的偏差，我们进一步把样本按年龄段进行了分类，以考察不同年龄段人口的占比及其在各类型贫困中的占比。从表4中可以看出，年轻人(25岁以下)更易陷入收入贫困，因为在收入贫困人口中，年轻人占比为23.61%，而总样本中年轻人比重只有8.21%。老年人(65岁以上)则更易陷入多维贫困。

表4 2014年不同年龄段人口的贫困状况 (单位：%)

(三)收入贫困与多维贫困的动态比较

进一步从动态转换的角度来分析收入贫困与多维贫困的关联与差异，主要探讨收入(多维)脱贫或入贫人口在多大程度上伴随着多维(收入)脱贫或入贫。

表5和表6显示，两种贫困测量结果之间的动态偏差也较大。从脱贫看，2012—2014年间，收入脱贫人口中只有11.34%的人口脱离了多维贫困，多维脱贫人口中只有17.82%的人口脱离了收入贫困。动态偏离如此之大，原因在于两方面：一是在基期(2012年)收入贫困和多维贫困人口的重合度本来就很低；二是收入与其他福利指标之间的变化不完全一致。在精准扶贫实践中，通过产业帮扶、社会政策兜底等政策可以在短期内较快地提高贫困户收入，从而脱离收入贫困，但是，教育、医疗、营养、饮用水和环境卫生等指标的改善需要一个长期的过程。同样，农村基础设施和公共服务水平的提高也不会立竿见影地提高农户的收入，即存在滞后效应。因此，收入脱贫和多维脱贫之间存在着偏差。

从贫困持续时期看，如果把2012年和2014年两期均贫困的人口看作持久性贫困人口，那么，收入持久性贫困人口中只有37.28%的人口为多维持久性贫困人口，多维持久性贫困人口中只有35.84%的人口为收入持久性贫困人口。相反，在一种标准下计算的持久性贫困人口，在另一种标准下约有40%在两期均贫困。

表5 2012—2014年收入贫困向多维贫困的动态转换 (单位：%)

表6 2012—2014年多维贫困向收入贫困的动态转换 (单位：%)

五、贫困影响因素的计量分析

我们使用Logit模型分析相关变量对于家庭陷入贫困的概率的影响，Logit模型如下：

其中，Y代表家庭是否陷入贫困的虚拟变量，β为系数变量。由于遗漏变量和内生性的问题，本文的计量分析结果并不意味着某一变量对于家庭是否贫困的绝对因果关系，而是显示在控制其他变量的情况下不同因素对家庭贫困的影响程度。

(一)收入对多维贫困的影响

被解释变量为多维贫困和各指标贫困，取二值变量，解释变量取家庭人均可支配收入的对数值，回归结果见表7。结果表明，随着收入水平的上升，多维贫困发生率下降。当家庭人均可支配收入对数值上升1单位，其陷入多维贫困的概率平均下降36.62%(e0.312-1)。然而，修正的回归拟合度仅为6.7%，即在控制相关家户特征变量后，收入仅仅解释了6.7%的多维贫困变异，还有近93%的多维贫困变异没有得到解释。

表7 收入对多维贫困的影响(2014年，Logit模型)

另外，收入水平的上升均能显著降低各维度贫困发生的可能性。当农户的收入对数值上升1单位时，其陷入教育贫困的风险平均下降38.54%(e0.326-1)，陷入营养贫困的风险平均下降17.7%(e0.163-1)，陷入健康贫困的风险平均下降20.56%(e0.187-1)。

需要说明的是，虽然农户收入增加对多维贫困及各维度贫困的发生概率在统计上是显著的，但其影响效应较小。收入对数值上升1单位，多维贫困及各维度贫困的发生概率的下降幅度均没有超过40%。这也再次验证了本文前面的分析结果：收入并不足以作为家庭福利的代理变量，非货币维度的福利改进主要依靠社会公共品和公共服务的改善。

为确保研究结论的可靠，我们采用相同的模型、方法和变量，使用2012年CFPS数据进行了稳健性检验，回归结果与表7基本一致。

(二)家庭特征对收入贫困的影响

家庭特征除了我们在计算多维贫困中采用的教育、健康等指标外，还考虑到了东西部地区、户主是否党员、家庭劳动力人数和就业状况等特征，共包含10个变量，其名称和含义见表8。

表8 回归模型中变量的定义

估计结果(表9)表明，无论采用1.9美元/天或3.1美元/天的贫困线来区分一个家庭是否收入贫困，影响家庭贫困概率的因素大多显著，并且其符号与预期基本相符。

表9 家庭特征对收入贫困的影响

回归结果印证了家庭非农工作和成员健康对家庭脱离收入贫困的重要性。无论采用低标准还是高标准的贫困线，当控制家庭经济共享规模后，家庭中劳动力数量越多，长期就业劳动力越多，收入贫困的概率就越低。此外，我们更关注农户从事农业工作和非农工作的差别。以农业工作为基准组，收入主要来自非农产业的农户家庭的收入贫困概率为50%以上。原因在于，非农工作比农业工作的报酬更高，风险更低，对于缓解收入贫困的效应是显著的。家庭成员健康对于脱贫也有积极的正向影响，这印证了健康扶贫以及防范因病致贫和因病返贫的重要性。成员健康的农户，贫困的概率也会降低60%以上。

地区特征对收入贫困的影响也是显著的。以中部地区家庭为基准组，结果发现，在低贫困线标准下，东部地区家庭的贫困发生概率仅为中部地区的0.182倍，西部地区家庭的贫困发生概率是中部地区家庭的1.823倍。

家庭的身份性特征也会显著影响收入贫困发生的概率。户主为党员的农户的贫困发生率显著更低。党员身份往往意味着更高的受教育年限、更多的从事非农工作和更高的福利待遇，这些因素都可以解释党员身份农户比非党员农户的贫困发生率更低。

六、结论和政策建议

本文运用CFPS2012年和2014年的数据对比分析了中国农村收入贫困与多维贫困的现状、特征、关联、差异以及影响因素，得出以下主要结论：

第一，收入贫困人口和多维贫困人口的重合度较低。从静态比较看，收入贫困概念中遗漏了60%的多维贫困户，多维贫困概念中遗漏了65 %的收入贫困户。从动态转换看，2012—2014年间，收入脱贫农户中仅有11%的农户同时实现了多维脱贫，余下近90%仍然处在多维贫困状态。

第二，从贫困的特征和影响因素看，地区特征、家庭教育程度、健康水平和就业状况等因素对收入贫困均存在显著影响。西部、中部和东部地区农户的收入贫困率依次下降。从家庭特征看，教育程度高、营养和健康水平高以及主要从事非农工作的农户的收入贫困概率要显著低于其他家庭。另外，收入水平的上升虽然可以显著降低各维度贫困发生的可能性，但其影响效应较小。

在巩固拓展脱贫攻坚成果和治理相对贫困的过程中，首先，应该将低收入户的识别从单一的收入标准转向收入和多维并重的标准。收入贫困线要随经济社会的发展而相应调整，多维标准则需要把教育、健康、居住环境、生活水平等维度纳入进来。利用针对低收入人口和生活困难人口的大数据信息监测系统，尽快在多维指标下制定统一的贫困识别方案和程序，真正做到对易致贫易返贫人口的精准识别。其次，鉴于多维贫困的持续性和多元性特点，以及公共服务的缺失和分配不均衡的致贫原因，多维贫困治理政策应该要重视公共服务工作，将财政扶贫资金更多投入到公共服务的均衡化和供给水平提升上面来。教育公共服务，不仅要实现有保障，还要注重对脱贫地区教育质量的提升，加大脱贫地区义务教育的投入，同时医疗公共服务要进一步缩小城乡和省份差异，实现跨省医保结算和衔接。