精准扶贫的成效和可持续性考察*——基于中国家庭大数据库调查数据的分析

□ 林 卡 樊士帅 马高明

作者林卡，浙江大学公共管理学院教授、博士生导师；樊士帅，浙江大学公共管理学院博士研究生；马高明，浙江大学公共管理学院副研究员。（杭州 310058）

内容提要 基于2013-2019年间4期中国家庭大数据库调查数据，运用双重差分的方法研究精准扶贫政策对贫困户收入的影响，考察开发性扶贫和保障性扶贫两类扶贫政策的效应。研究发现，精准扶贫政策的实施显著提高了贫困群体的总收入，增加了农户的经营性收入和转移性收入。进一步的研究显示，精准扶贫政策通过采用由政府提供的保障性扶贫项目提高了农村贫困群体的收入，也通过农业生产经营补贴的方式帮助贫困群体实现农业生产经营收入的增加。特别是对有劳动能力贫困群体和无劳动能力贫困群体精准扶贫增收效果的异质性分析可以看到，无劳动能力贫困群体收入的提高主要由政府直接转移性收入的增加实现脱贫。有劳动能力贫困群体在政府直接转移收入增加之外，还通过农业生产经营实现增收，依靠家庭经济的成长实现脱贫。上述研究为“后扶贫时代”完善农村反贫困政策的导向，防止规模性返贫，实现乡村振兴和可持续发展提供了政策分析基础。

一、引言

为了实现全面小康的目标，中国政府自2014年以来在全国范围内大力推进精准扶贫战略，并在五年时间内基本实现了精准扶贫的目标。2020年，中国政府宣布各贫困地区已经全面脱贫，并按照国际日均1.9美元的国际赤贫标准消灭了赤贫现象。在随之而来的后扶贫时代，中国社会将采取“提低扩中”战略（即提高低收入群体的收入水平，扩张中等收入群体的规模），提升社会公平程度，并通过高质量发展实现现代化的目标①。要实践这一战略，如何通过社会政策手段来达成这些发展目标是需要探索的重要问题。特别是在反贫困和社会救助方面，如何在精准扶贫的基础上继续推进，使脱贫群体在经济发展中能够更上一层楼，并逐渐进入中等收入群体，是目前面临的任务。

研究这些问题，既要考察近五年来精准扶贫实践为下一步的发展提供政策分析的基础，也要考察精准扶贫取得的成果的有效性和可持续性。这些考察一方面需要从宏观经济发展和社会政策的研究着手，比较不同的政策发展模式和理念，另一方面也需要从微观的个体家庭生活入手，基于家计调查的数据，反映人们收入和生活消费的具体情况来体现。这两方面的观察是互补和相互作用的，从而构成了精准扶贫的总体效应考察。

在以往人们对精准扶贫成效的研究中，有的考察精准扶贫实践对于处在绝对贫困群体中的个人和家庭在收入和消费方面的影响②，揭示扶贫政策对于降低贫困发生率的成效③；也有的关注相对贫困的状况，考察不同社会群体的消费水平④及其对于缩小收入差距（特别是城乡收入差距）的影响⑤。还有些研究探讨经济发展，社会保障和反贫困这些因素的相互关系，例如林万龙和孙颖的研究展示了精准扶贫政策在促进产业发展和农村贫困家庭的经营性收入的增加方面的作用⑥，而尹志超等人的研究探讨了农业信贷等政策扶持手段对于农户信贷使用率效率和规模的影响⑦。

此外，一些研究也讨论精准扶贫政策在不同的社会政策领域中的状况，主要包括收入保障政策、住房改造补贴、医疗救助政策、就业服务政策、教育帮扶政策，以及在产业发展和金融帮扶等方面政策手段对于贫困群体帮扶起到的积极作用。例如彭妮亚强调教育扶贫政策在阻断代际贫困方面发挥重要作用⑧；黄薇则强调精准扶贫政策的实施有助于防止刚脱贫的家庭因病致贫和因病返贫⑨。也有些研究从贫困户的劳动能力、生活质量、教育水平和健康水平的测量反映精准扶贫政策在改善贫困家庭生活水平⑩和能力建设⑪的状况，讨论贫困户生计的可持续性⑫，从贫困群体的可行能力出发评估精准扶贫政策对于贫困群体健康、教育等可行能力的影响⑬。

当这些研究从不同的方面探讨精准扶贫和各种政策问题时，我们也需要展开综合的分析。这种综合性分析要超越对于各类具体的实践问题的讨论，对各种扶贫政策展开理论性的研究。从项目的内容看，这些扶贫政策项目在性质上可以分为两类：一是保障性的扶贫政策，二是开发性的扶贫政策。前者通过各种社会保障项目和公共福利项目，使用公共财政资源为老弱病残或丧失劳动能力的困境群体提供托底保障。后者则把扶贫与发展相关联，采用社会政策和经济政策的手段来鼓励个人和家庭的经济自立。其资源可以来自于国家津贴，也可以来自商业机构（如银行的小额贷款）或民间资源。保障性扶贫的政策和项目能够很好地体现政府转移支付的功能，而开发性扶贫政策则具有很强的赋能作用。理解这一逻辑，有助于我们客观的认识精准扶贫阶段所取得的积极成果和各种社会政策的性质和特点，揭示政策设计与现实的执行情况中反映反贫困政策的特点和精准扶贫的成效从而为我们把反贫困实践与推进共同富裕的要求相对接，探索农村发展的可能路径提供有效的帮助。

二、研究设计

在上述理论基础上，本研究将沿着家计调查和生活质量测量的路径展开，讨论精准扶贫的效应以及反贫困战略的可持续发展。该研究采用浙江大学“中国家庭大数据库”（Chinese Family Database，CFD）数据作为分析的基础。数据库由浙江大学和西南财经大学中国家庭金融调查与研究中心合作建立⑭。其数据库包含四轮调查数据，前两轮（2013年和2015年）的调查数据由西南财经大学独自搜集，后两轮（2017年和2019年）的调查数据由西南财经大学和浙江大学及其他科研机构共同搜集。调查对象的抽样按照人均GDP和人口分布状况，采用等距抽样的方法抽取。在第一期（2013年）样本中，调查员从全国29个省市区的267个区县中抽取28141户作为样本。随后在2015年、2017年、2019年的调查中，也从这些省份和区县中抽取样本，样本量分别达到37289户、40011户和34643户样本。在这4期的研究数据中，2013年的样本含有城市19209户，农村8932户；2015年含城市25635户，农村11654户；2017年含城市27279户，农村12732户；2019年含城市22307户，农村12336户。在剔除无效数据和关键变量缺失样本后，共保留农村37070个家户样本作为研究对象（4期）。在这些研究样本中，对于贫困户的设定是根据调查问卷中设立的“是否建档立卡户”的回答来确定的。经过筛查，本研究所使用的数据包括3679户贫困户，33491户非贫困户。其中，贫困户占总户数的比重为9.92%。

采用上述的数据资料进行分析，我们将沿着以下设计展开。首先，基于家计调查的资料，考察在精准扶贫的五年中被调查对象家庭经济状况的改进情况；其次，考察这些家庭的经济收入构成，以便反映在收入增长中哪些是来自于保障性的扶贫项目，哪些是来自于开发性扶贫项目，以便评估扶贫成效的内在逻辑和内容结构；第三，这一考察也进而探索脱贫家庭的收入结构来反映其可持续发展的潜力，为讨论“提低扩中”策略提供基础。由于本研究聚焦在家庭收入及其变化的比较，因而选取与收入相关的指标作为考察内容。这些指标包括家庭人均纯收入、家庭人均工资性收入、家庭人均经营性收入，以及家庭人均政府转移收入、家庭人均农业生产经营补贴、家庭人均养老金收入等指标。在这众多的考察指标中，我们按照收入结构把被考察对象的收入指标划分成四类，即工资性收入、经营性收入、财产性收入、转移性收入，以便反应被调查农户的收入整体状况。在对于农户收入类型的界定中，农户的工资性收入是指家庭成员受雇于单位或个人靠劳动而获得的收入；经营性收入包括农业生产经营收入和非农业生产经营收入，是以家庭的生产和管理扣除生产成本和税金后所得的收入后计入；财产性收入是指金融资产或有形非生产性资产的所有者向其他机构单位提供资金或将有形非生产性资产供其支配而获得的回报；转移性收入是国家、单位、社会团体对居民家庭的各种转移支付和居民家庭间的收入转移，包括政府直接转移收入、农业生产经营补贴、亲属间转移收入和养老金收入等多种类型⑮。对于这些社会指标进行考察，可以反映出贫困家庭的生计发展可持续能力和国家支持贫困家庭的收入再分配方面的状况⑯。

为了估计精准扶贫政策对农户收入的影响，我们采用比较贫困户在精准扶贫政策实施前后收入水平的差异的方式来达成。由于中央政府在推进精准扶贫方面的政策实践在2016年后加大了力度，因此比较前两期的数据（2013和2015）与扶贫后年份的数据（2017和2019），能够在一定程度上彰显出精准扶贫行动所取得的效果，以及贫困户与非贫困户的家庭收入改善情况。当然，这种差异也会受到经济发展等随时间变化的因素的影响。为了剔除各种内生性因素的干扰，本文参考Nunn和Qian、尹志超、黄薇等采用双重差分（Difference-in-Differences，DID）的方法⑰，通过观察贫困户（实验组）与非贫困户（对照组）的收入在政策发生前后的变动，来检验精准扶贫政策对贫困户收入的影响。在资料的比较中我们可以假设贫困户的收入变化状况受到了精准扶贫政策帮扶的影响，而非贫困户的收入变化状况未受到这种影响。在此，我们认为在获取受到政策帮扶前后的贫困户的收入变化的差异后，减去非贫困户的收入变化，就可以反映出精准扶贫政策效果。为此，本文用于DID估计的面板固定效应模型设定如下：

式中下标i代表农户，t代表时间。被解释变量Yi，t，表示第i家庭在第t期人均收入水平的对数值，主要包括人均总收入、人均工资性收入、人均经营性收入、人均财产性收入和人均转移性收入等方面。解释变量Treati表示第i家庭在精准扶贫政策中是否被识别为贫困户，Treati=1代表贫困户（受到政策影响），否则为非贫困户（不受到政策影响）；Postt为年份虚拟变量，Postt=1表示该年份处于精准扶贫政策实施后，Postt=0表示该年份处于精准扶贫政策前。Treati×Postt为虚拟变量的交叉项，对应的系数β代表本文所关心的精准扶贫政策对于贫困户的帮扶效果；控制变量Xi，t反映了户主和家庭特征变量的影响。ui代表家庭的固定效应，vt则是时间固定效应，εi，t为误差项。由于同村农户的收入具有较强的相关性，所以所有回归分析的标准误都选择在村级层面聚类计算。

三、分析结果

表1列出了各项被考察变量的描述性统计结果。数据表明，在被考察的对象群体中贫困户的人均家庭纯收入水平低于普通农户。在人均工资性收入、经营性收入、财产性收入和转移性收入的各项考察中，贫困户与普通农户相比分别低2056元、2275元、75.7元、91元。在经营性收入相关的指标中，贫困户的农业生产经营收入和非农业生产经营收入比普通农户低1162元、1113.8元。在转移性收入中，贫困户的农业生产经营补贴、亲属间转移收入和养老金收入也比普通农户低，但在低保等政府直接转移收入方面，贫困户比普通农户高380.8元。在家庭社会人口指标方面，相较于普通农户，贫困户家庭还具有户主年龄偏大、家庭中老年人口比例和家庭中不健康人口比例较高，而户主受教育水平、家庭规模、家庭中劳动力比例和家庭中村干部比例等要素普遍较低的特征。

表1 描述性统计结果

表2反映了运用公式（1）对数据进行分析检测的DID结果。在表2中时间虚拟变量和“是否建档立卡贫困户”虚拟变量交叉项（Treat*Post）的系数估计值可以反映精准扶贫政策对贫困户的帮扶效果。表中第（1）列估计结果显示，在控制了家庭的个体固定效应和时间固定效应的前提下，精准扶贫政策的实施显著提高了贫困户的总收入18.18%（=100×e0.167-1）。此外，贫困户中户主年龄和家庭中身体不健康的成员的比例均会对贫困户的人均家庭纯收入产生负向影响。而户主的受教育水平、家庭规模、家庭中劳动力比例、家庭中老年人比例等要素均会对贫困户的人均家庭纯收入产生正向影响。但是，与政府的扶贫政策相比，这些家庭人口和教育因素的作用对于这些贫困户脱贫因素的影响力可能不是关键的。表中第（2）列至第（5）列探究了精准扶贫政策的实施对于农户各项收入来源的影响。其中第（3）列和第（5）列的结果表明，精准扶贫政策的实施通过提高贫困户的人均生产经营收入和人均转移性收入，从而实现了家庭人均纯收入的提升。但是，精准扶贫政策的实施对贫困户工资性收入和财产性收入的增长方面并没有显著影响。

表2 基准回归结果（1）

表3详细展示了精准扶贫政策对贫困户经营性收入和转移性收入指标的影响。其中列（1）和列（2）反映了精准扶贫政策对贫困户经营性收入两种类别：农业生产经营收入和非农业生产经营收入的影响。列（3）和列（4）反映了精准扶贫政策对贫困户政府直接转移收入和农业生产经营补贴的影响。列（5）和列（6）反映了社会网络（亲戚朋友）和个人收入（养老金）对贫困户收入的贡献。由于列（5）和列（6）来源并非出自公共财政的各种扶贫政策的帮扶，因而与列（3）和列（4）有所区别。从分析结果看，列（1）的结果显示，精准扶贫政策对贫困户经营性收入的提高主要通过提高贫困户的农业生产经营收入30.34%（=100×e0.265-1）来实现，而非农业生产经营活动增收效果并不显著。列（3）和列（4）的研究结果表明，政府直接转移收入161.17%（=100×e0.96-1）和农业生产经营补贴127.5%（=100×e0.822-1）两项转移性收入的显著提高是精准扶贫政策提高贫困户转移性收入的主要方式，并且政府直接转移收入的增加幅度远高于农业政策经营补贴的增加幅度。

表3 基准回归结果（2）

表4比较了精准扶贫政策对于具有劳动能力贫困群体（A组）和不具有劳动能力贫困群体（B组）的帮扶效果。结果显示，精准扶贫政策显著提高了人均家庭纯收入19.72%（=100×e0.18-1）。在政府直接转移收入和农业生产经营补贴方面，对于不具有劳动能力群体来说，政府直接转移收入提高了561.93%（=100×e1.890-1），而对于有劳动能力群体政府直接转移收入提高了42.9%（=100×e0.357-1）。对经营性收入来说，精准扶贫政策的实施显著提高了有劳动能力群体经营性收入中的农业生产经营收入37.85%（=100×e0.321-1），而对不具有劳动能力的贫困群体而言，农业生产经营收入的提升并不显著。

表4 不同贫困群体增收效果的区分考察

四、稳健性检验

基准模型报告的实证结果的可信度取决于双重差分法估计的有效性。因此，本研究采取平行趋势检验和安慰剂检验两种方式对前文的分析结果进行检验。

（一）平行趋势检验

在图1中，我们能够观测到精准扶贫政策实施后的效果Y2-Y0，但是这一效应在逻辑上可以分解为Y2-Y1和Y1-Y0两部分，其中Y1-Y0是经济发展等内生性因素带来的收入提升，不属于政策效果，Y2-Y1是精准扶贫政策真正的政策效果。采用双重差分方法可以排除由经济发展等内生性因素带来的影响。这一方法要求对照组和处理组满足平行趋势，即假设在政策事件发生前，处理组和对照组的变化趋势应该是一致的，在没有政策干预的情况下，二者变动的趋势相同。具体地说，在没有精准扶贫政策干预的情况下，农户（贫困户和非贫困户）收入的自然增长情况应该相同，即Y4-Y3=Y1-Y0。但由于经济发展对贫困户和非贫困户收入的影响是不同的，因而可以假设经济增长对非贫困收入的提升效果高于贫困户，即Y4-Y3>Y1-Y0。由此在双重差分方法中（Y2-Y0）-（Y4-Y3）所获得的政策效果评估可以体现精准扶贫政策对贫困户收入的影响。如Pesko和Currie（2019）和Maclean（2019）所指出的，如果由选择性偏差导致的双重差分的最终结果被低估，而上述结果仍然显著，则这一结果不仅不会遮掩因果效应，反而使得得出的因果效应更为突出⑱。因此，可以使用DID估计方法对精准扶贫政策的增收效果进行因果识别。

图1 人均家庭纯收入、工资性收入、经营性收入、财产性收入的平行趋势检验

对于转移性收入来说，如上所述，在没有精准扶贫政策干预的情况下，贫困户和非贫困户的变动趋势应该是一致的。借鉴Liu和Qiu（2016）和吕越等人的方法对处理组和对照组的变化趋势进行考察⑲，图2显示出，在2015年政策时间点上的回归结果均不显著，表明在精准扶贫政策发生前，处理组和对照组的变化趋势是一致的，不存在显著差异。但在2016年政府大力推行精准扶贫政策后，处理组的转移性收入的指标数据相比控制组出现了显著上升。由此，通过双重差分法的平行趋势检验。

图2 转移性收入的平行趋势检验

（二）安慰剂检验

导致估计结果偏误的另一个可能原因是遗漏贫困户随时间变动的变量。借鉴Cai et al.（2016）、La Ferrara et al.（2012）等的研究⑳，本研究从样本中随机抽取贫困户对本文的主要结果进行安慰剂检验。据此，我们从37070农户中随机选取3579个农户为贫困户，将其设定为“虚拟”贫困户，受到精准扶贫政策的干预，将剩余的贫困户设立为不受到精准扶贫政策的影响非贫困户，据此构建一个安慰剂检验的虚拟变量TreatiFalse和安慰剂检验交叉项Treati×Postt。由于“虚拟”处理组是随机生成的，因此安慰剂检验交叉项应该不会对模型因变量产生显著影响（即βfalse = 0）。由此，如果βfalse的估计系数在统计上显著偏离于零，则表明模型设定存在识别偏差。同时，为了避免其他小概率事件对估计结果的干扰，我们重复500次上述过程进行回归分析。图3反映了精准扶贫政策对人均家庭纯收入影响情况500次随机生成处理组的估计系数核密度以及对应p值的分布。检验结果表示得到回归系数的均值接近于0（系数为0.0002），且绝大部分p值大于0.1。图3中竖线代表的实际估计系数在安慰剂检验的估计系数中明显属于异常值，估计结果并没有因为遗漏变量导致严重偏误。基准回归中较为显著的经营性收入、转移性收入、农业生产经营收入、政府直接转移收入、农业生产经营补贴等收入来源的安慰剂检验与人均家庭纯收入的安慰剂检验结果相差不大，均通过了安慰剂检验。

图3 随机分配处理组的估计系数和P值

五、结论

本文采用“中国家庭大数据库”和“中国家庭金融调查”2013-2019年4期数据，运用双重差分的方法对精准扶贫政策对于贫困户的增收效果及其可持续性进行了分析。研究显示，精准扶贫政策的实施对于贫困群体收入的提升具有显著效果，但这些政策对于不同贫困群体的影响有显著差异。由于精准扶贫政策提升贫困户收入的主要渠道是转移性收入和经营性收入，本研究检验了贫困户的两类收入来源，即政府直接转移收入和农业生产经营补贴在收入结构中的比率的状况。同时，本研究也将受益的贫困户区分成两类人群进行检验，即有劳动能力的贫困户和没有劳动能力的贫困户。实证结果显示，对于不具有劳动能力的贫困群体来说，政府直接转移收入是其脱贫的唯一渠道；而对于有劳动能力的贫困群体来说，政府提供的直接转移收入和农业生产经营补贴对其脱贫都起到重要作用。这些结果也通过了包括平行趋势检验和安慰剂检验等多种稳健性检验。

基于这些研究结论可以认为，在保障性扶贫和开发性扶贫两类政策的运用中，要针对不同人群采取不同的对策。对于无劳动能力的贫困群体，要加大社会保障的力度，强化保障性的扶贫政策以确保他们的生存权利；对于具有劳动能力的贫困群体则要把反贫困工作的着力点放在扶志扶智商，强化他们的工作动机，摆脱贫困文化的影响，为他们增权赋能。在实现“应保尽保”的目标后，加大对于农业发展的促进与开发，采取开发性扶贫战略来提高他们的经济自立能力，加大农业生产经营补贴力度这一扶贫发展路径尤为重要。从本研究中可以看到，农业生产经营补贴项目提升了有劳动能力贫困群体的生计能力，帮助其通过农业生产经营实现脱贫增收。因此，在各种扶贫政策中要针对不同的贫困群体分类施策，并鼓励农民通过可持续发展步入中产群体，为贫困户从低收入走向脱贫致富的上升通道起到积极作用。由此，在反贫困战略的设计中，如果说前五年的精准扶贫中提供保障性脱贫帮扶对于缓解城乡居民的生活困境起到关键的作用，那么在“后扶贫时代”，强化赋能增权的开发性政策手段则是更为有效的手段。

注释：

①李实、朱梦冰：《推进收入分配制度改革促进共同富裕实现》，《管理世界》2022年第1期。

②李芳华、张阳阳、郑新业：《精准扶贫政策效果评估——基于贫困人口微观追踪数据》，《经济研究》2020年第8期。

③罗良清、平卫英、单青松等：《中国贫困治理经验总结：扶贫政策能够实现有效增收吗？》，《管理世界》2022年第2期。

④尹志超、郭沛瑶：《精准扶贫政策效果评估——家庭消费视角下的实证研究》，《管理世界》2021年第4期。

⑤刘梦航、李俊伟、李强：《精准扶贫政策对城乡居民收入差距的影响研究——以山西省为例》，《中国农业资源与区划》2020年第8期。

⑥林万龙、孙颖：《精准到户：产业精准扶贫政策评价及下一步改革思考》，《中国农业大学学报（社会科学版）》2020年第6期。

⑦尹志超、郭沛瑶、张琳琬：《“为有源头活水来”：精准扶贫对农户信贷的影响》，《管理世界》2020年第2期。

⑧彭妮娅：《教育扶贫成效如何?——基于全国省级面板数据的实证研究》，《清华大学教育研究》2019年第4期。

⑨黄薇：《医保政策精准扶贫效果研究——基于URBMI试点评估入户调查数据》，《经济研究》2017年第9期。

⑩张全红、周强：《精准扶贫政策效果评估——收入、消费、生活改善和外出务工》，《统计研究》2019年第10期。

⑪邓大松、钟悦、杨晶：《精准扶贫对农户多维贫困的影响机制分析：外出务工的中介作用》，《经济与管理评论》2020年第5期。

⑫王建洪、李伶俐、夏诗涵等：《制度性合作机制下脱贫户生计可持续性评价与脱贫政策效应研究》，《西南大学学报（社会科学版）》2020年第5期。

⑬秦升泽、李谷成：《精准扶贫政策对农户多维贫困的影响研究——来自准自然实验的经验证据》，《海南大学学报（人文社会科学版）》2022年第3期。

⑭甘犁、尹志超、贾男等：《中国家庭资产状况及住房需求分析》，《金融研究》2013年第4期。

⑮罗楚亮、李实、岳希明：《中国居民收入差距变动分析（2013—2018）》，《中国社会科学》2021年第1期。

⑯张静、周慧：《中国到户扶贫资金政策效果——来自家庭层面的经验证据》，《经济学（季刊）》2022年第2期。

⑰Nunn N.，Qian N. The potato’s contribution to population and urbanization：evidence from a historical experiment[J]. The quarterly journal of economics，2011，126（2）：593~650.

黄薇、祝伟：《精准帮扶政策的多维评估：基于G省B市扶贫实践的经验分析》，《管理世界》2021年第10期。

⑱Nicholas L. H.，Maclean J. C. The effect of medical marijuana laws on the health and labor supply of older adults：Evidence from the health and retirement study [J].Journal of Policy Analysis and Management，2019，38（2）：455~480.

Pesko M. F.，Currie J. M. E-cigarette minimum legal sale age laws and traditional cigarette use among rural pregnant teenagers[J]. Journal of health economics，2019，66：71~90.

⑲Liu Q.，Qiu L. D. Intermediate input imports and innovations：Evidence from Chinese firms’patent filings [J].Journal of International Economics，2016，103：166~183.

吕越、陆毅、吴嵩博等：《“一带一路”倡议的对外投资促进效应——基于2005—2016年中国企业绿地投资的双重差分检验》，《经济研究》2019年第9期。

⑳La Ferrara E.，Chong A.，Duryea S. Soap operas and fertility：Evidence from Brazil[J]. American Economic Journal：Applied Economics，2012，4（4）：1~31.

Cai X.，Lu Y.，Wu M. Does environmental regulation drive away inbound foreign direct investment? Evidence from a quasi-natural experiment in China[J]. Journal of Development Economics，2016，123：73~85.