中国西部地区农村多维返贫测度与分解研究

邱亚楠, 史维良, 钱萌月

(西安财经大学 统计学院, 西安 710100)

绝对贫困消除后,所有新产生的贫困皆视为返贫[1]。根据相关研究报告,贫困人口覆盖较广的地区,其返贫率和返贫程度都偏高,如西部的贫困人口覆盖广泛,返贫率超过了20%。在西北部分省份,甚至有返贫人数超过已脱贫人数的情况。总体而言,虽然在持续推动扶贫的进程中,返贫的人数确实有所减少。但是,每年返贫群体的出现,仍然反映出了一些人群生存状况的逆向变化,这对个人的可持续发展产生了一定的影响。

真正的脱贫是不再贫困,真正的发展是在各方面都不再贫困。祝慧和雷明[2]提出,消除绝对贫困后,仍然存在相对贫困,未来我国将进入“后扶贫时代”。如今我国脱贫攻坚战取得了全面胜利, 国内学者对防返贫治理的研究已经趋于成熟,少数学者在“多维贫困”的基础上展开“多维防返贫”的相关研究。我国在扶贫实践中虽然一直以单一的收入维度作为标准,但是还推行了“两不愁三保障”的基本要求与系列核心指标,实质上已经初步实现了多维贫困的识别与测度[3]。黄锐等[4]利用 中国家庭追踪调查(China Family Panel Studies,CFPS)数据,从多维返贫视角测度了返贫状况,结果证明单维返贫率均控制在较低水平,但多维返贫率仍达到 16.2%。因此,对我国西部农村地区多维贫困现象进行深入的测量和研究,可以更为精确地评估当前西部地区农村的脱贫工作是否持续有效,并可以全方位展现出当前我国西部农村地区新的贫困问题。同时,这也是在反贫困战略升级后,中国西部农村地区为进一步巩固脱贫成果,构建农村反贫困长效机制的现实需求。

1 数据来源与研究方法

1.1 数据来源

本文中使用的统计信息是由北京大学社会科学调查中心(ISSS)主管的中国家庭追踪调查(CFPS)项目提供的。这项研究主要关注中国居民的经济及其社会福利,追踪并记录了受访者的个人、家庭及社区的数据,这些数据涵盖了经济活动、家庭转变、教育状况等诸多领域,为各类学术研究分析提供了重要的基础数据。CFPS项目通过多层次、多阶段,并与人口规模一致的随机抽样方式收集样本,样本覆盖了全国25个省(区、市),研究对象包括样本家庭中的所有成员。

严小燕和祁新华[5]提出基于对贫困脆弱性认识的加深,面板数据获得的可能性增强,学术界研究贫困问题具有明显的动态化趋势。因此基于动态贫困视角,选取CFPS中2016年和2018年的数据;在筛选过程中选择西部地区并且生活在乡村的样本,并且剔除了不合适的样本,只保留了在2016年和2018年进行连续追踪的样本个体。经过数据筛选和匹配,最终处理后获得的有效个人样本数共计7 493个,家庭样本数1 916个。

1.2 维度、指标和权重设定

依据UNDP(联合国开发计划署) 提供的全球性多维度标准,参照Alkire和Foster[6]的多维贫困度量机制A-F(Alkire-Foster)方法,对健康、教育以及生活水平这3个方面进行了详尽的分析,希望能更准确地描绘贫穷的现状。沈权平[7]通过对边疆民族地区的实地调研,发现乡村经济萎靡、持续过疏化、医疗资源匮乏、收入结构不合理和教育没落是造成返贫的主要原因。朱莹鑫[8]将13个指标与教育、健康、生活条件、收入以及主观幸福感相结合,构建了一个全方位的贫困评定系统。张鸽[9]运用7个指标,包括收入、教育、医疗、居住环境以及心理健康,来评估陷入贫困的程度。王小林[10]使用了8个指标,如住房、饮水、卫生设备、电力、财产、土地、教育以及健康保险,来衡量中国的多维贫困现状。借鉴文献资料和CFPS数据,本研究特别关注中国西部农地区的多维贫困和复贫状况,利用等权重方法,从经济、医疗健康、教育、生活和资产5个层面进行测量分析。具体指标及权重见表1。

1.3 多维返贫测度方法

在返贫的定量研究中,明确提出返贫测度的是蒋南平和郑万军[11],两位学者在改进A-F多维贫困指数分析的基础上,提出了多维返贫的识别与测算方法。本文中应用Alkire和Foster[6]提出的A-F方法来识别多维贫困,应用蒋南平和郑万军[11]提出的改进的A-F法测度多维返贫。首先,确认是否存在单维度的贫困,然后基于这一点判断是否存在多维贫困。确定这些后,进行进一步的返贫识别,计算贫困率、回归贫困的指标,以及每个维度对多维贫困的贡献值和贡献率。

1.3.1 识别方法

1.3.1.1 各维度贫困识别

(1)

用同样的方法可以得到个体i在t+1年被剥夺的维度个数。

1.3.1.2 多维贫困识别。

将个体的多维贫困记为P,个体i在t年多维贫困定义为

(2)

式(2)为现有文献多采用的关于多维贫困的定义。当个体i贫困总维度数大于等于 2 时,定义个体i在t年处于多维贫困状态。同理可以得到个体i在t+1年的多维贫困状态。

1.3.1.3 多维返贫识别

定义基于多维贫困的返贫:

(3)

各个维度的返贫以个体的多维返贫为前提,根据识别出的返贫状态定义出各维度的返贫:

(4)

在识别了每个个体的多维返贫后,需要对返贫的个体进行加总,以对各维度的返贫状况进行度量和分解。

1.3.2 测度指数

构造的具体指数及过程如下。

1.3.2.1 计算返贫率H

返贫率和贫困率的计算方法一样,加总出返贫总人数即可,计算公式为

(5)

(6)

1.3.2.2 定义多维平均返贫份额A

返贫率只能用来衡量返贫的广度,并不能反映返贫的深度,因此,需要能够反映返贫深度的指标。定义多维平均返贫份额为

(7)

1.3.2.3 计算多维返贫指数M0

结合度量返贫广度的返贫率与度量返贫深度的多维平均返贫份额,可以得到多维返贫指数为

(8)

即M0=HA。

1.3.2.4 计算各维度对多维贫困的贡献额与贡献率

第j维度的贡献额为

(9)

第j维度的贡献率为

(10)

综合上述步骤,维度贫困和多维贫困的识别与A-F法的多维贫困指数相同,但多维返贫指数增加了多维返贫的识别。在对返贫进行识别的基础上,用返贫率来衡量返贫的广度,用多维平均返贫份额来衡量返贫的深度,并将返贫的深度与广度相结合,设计了多维返贫指数,对于每个维度的返贫贡献,可以基于多维返贫指数来计算各维度的贡献额和贡献率。

2 实证结果与分析

2.1 西部地区农村多维贫困测度分析

2.1.1 单维贫困状况

随着时间的推移,不同维度及指标的贫困发生率、返贫发生率以及返贫家庭占贫困家庭的比例都发生了动态变化。表2显示,2016年、2018年,医疗健康、教育及生活维度以及各指标的贫困发生率都呈现出了下降的趋势。这充分显示了随着脱贫攻坚战的大力实施,西部农村地区的医疗、教育和生活水平都有了明显的提升,在这几个方面陷入贫困的概率有显著下降。其中,医疗健康维度的贫困发生率呈现出骤降的发展态势。说明西部地区农户家庭在医疗保障方面得到了较显著的缓解。但值得注意的是,在各维度中,经济维度以及资产维度的贫困发生率较2016年呈现上升趋势,表明在各指标层面上,人均纯收入低于国家标准贫困线以及家庭所拥有的房产和土地的丧失是导致西部地区农村家庭贫困的最主要表现。

表2 2016年、2018年西部农村地区单维贫困发生率

2.1.2 多维贫困指数

通过对单一贫困度量的统计资料的审查,注意到参考样本中家庭的多维贫困的表现是非常突出的。为了对这些家庭的多维度贫困状况进行更深层次的探讨。在本文中应用了A-F多维贫困指标的技术,以计算多维贫困的发生率、多维贫困的剥夺份额,以及多维贫困指数。计算结果见表3。

表3 2016年、2018年西部地区农村多维贫困指数

评估中运用的等权重法以及双重临界值法产生的多维贫困指标(M0)会因贫困阈值k的不同而出现不同,存在一定的差异性。为此,使用表3详述了临界值k在1～5各阶段的多维贫困发生率(H)、贫困剥夺份额(A)以及多维贫困指数(M0)。依据对比研究分析,临界值k的逐步提高,将会使西部农村家庭的贫困环境有所好转,贫困剥夺份额(A)出现上升趋势。无论农村家庭贫困因素如何增多,逐渐减小的多维贫困广度和逐渐恶化的深度证明了样本家庭的多维贫困问题的复杂性。在我国实施精准扶贫的大背景下,尽管收入贫困率正在缓解,但农村地区的多维贫困问题却显示出更多的变动与复杂现象。

随着多维相对贫困发生率的减少,贫困平均剥夺份额也随之增加,具体来说,2016年当k=2时,多维贫困发生率为24.16%,贫困平均剥夺份额为0.694 3;当k=3时,贫困平均剥夺份额为0.777 5。当k增加时,贫困平均剥夺份额也会增加,导致农村家庭指标剥夺强度加深,最大值可达0.781 9。同样地,在2018年,当临界值为2和3时,多维贫困发生率分别为21.4%和4.85%,贫困平均剥夺份额分别为0.656 1和0.766 4,与2016年的基准相比,多维贫困平均剥夺份额分别下降了5.5%和1.43%。多维相对贫困指数的变化是和多维相对贫困发生率的变化一致,多维贫困指数减小的最主要原因就是多维相对贫困发生率的下降。

2.2 西部地区农村多维返贫测度分析

2.2.1 返贫状况

通过纵向比较表4中单个指标的返贫情况可以发现,受教育程度指标的返贫率最高,达到33.71%,而其贫困发生率却呈现出显著下降趋势,说明在西部农村地区社会发展和政策扶持下,农户受教育情况得到了阶段性的显著改善,但这种改善仍然缺乏持续性和稳定性,在外部风险的冲击下,仍然存在由非贫困重新陷入贫困的可能性。而医疗维度的贫困状态具有一定的黏性:医疗保险是否覆盖全民是国家在社会保障工作中国人民福利改善的重点领域,随着政策覆盖范围的扩大和强度的提升,教育和医疗维度的非贫困状况变动具有较强的非逆性,发生返贫的概率较低。

表4 2016年、2018年西部地区农村家庭返贫情况

综上所述,巩固脱贫成果和防止返贫是现阶段西部农村地区的主要任务。对此进行比较分析后可知,贫困率和返贫率的波动并不同步。在贫困率较高的情况下,返贫率往往不会太高,然而贫困率降低时,返贫率却相对增加。这意味着在此阶段,虽然脱贫的覆盖面很大,但脱贫的效果并不稳定,这可能会导致贫困率在来年的上升。因此,在保持解决贫困问题的决心与力度的同时,也需加强对防止返贫的控制。这个现象表明,站在动态的角度来考虑贫困问题,是评估返贫情况的一个重要指标。

2.2.2 多维返贫指数测算

在识别出多维贫困人口的基础上,在跨期动态视角下识别出2016—2018年由非多维贫困陷入多维贫困的人口。表5显示,当临界值k=1的时候,能够识别出的多维返贫样本是646个。多维返贫的比例达到了67.01%,它的发生频次相当高,这表明在当前的定义下,多维返贫是一个普遍存在且覆盖面广的现象。多维返贫的平均剥夺份额为0.2,反映了多维返贫家庭的返贫深度。多维返贫指数为0.134 0。当k=2 时,识别出的多维返贫家庭数为124户。结果显示,多维返贫的发生率高达8.53%,其中剥夺的比例达到0.4,而多维返贫指数也达到了0.034 1。

表5 2018年多维返贫指数

尽管多维返贫的家庭数量得到了有效的控制,但是它们的贫困程度仍在加剧。因此,在解决返贫问题进行治理时,不应该仅仅将重点放在返贫家庭的数目上,而应该关注他们贫困程度的变化。

2.2.3 多维返贫指数分解

通过多维返贫指数可以全面了解我国西部农村的贫困状况,并且能够更加深入地探讨导致贫困的各种因素及其影响。为此,对多维返贫情况进行详细的分析,具体结果见表6。

表6 各维度对多维贫困、返贫指数的贡献额和贡献率

对多维返贫家庭来讲,表6清晰显示,不同方面对农村家庭再度陷入贫困的影响力差异明显,其中,生活水平、经济状况和教育层面的贡献最大,分别占据了64.30% 、54.29%和40.62%。这意味着农村家庭多维贫困的主要因素就是经济状況、生活水平和教育年限的增加,以及家庭成员的生活水平和经济状况的改进和教育水平的提高有助于减轻多维返贫情况。

3 结论与建议

3.1 结论

采用A-F方法,利用CFPS数据,选取经济状况、医疗健康、教育、生活水平和资产5个维度10个指标对中国西部地区农村多维贫困及多维返贫进行了测度及分解,得到如下结论。

1)多维贫困和多维返贫在变化趋势上有显著不同,返贫率的降低可能会伴随着贫困率的升高而降低,这反映出贫困问题的动态和复杂性。所以,在对贫困问题进行研究时,不能只以贫困率来判断其是否存在,而应该与返贫相联系,对其进行动态分析。

2)家庭人均收入较低是农村家庭贫困的最首要表现。这说明,提高贫困家庭的收入仍然是实现脱贫、防止返贫的主攻方向。应适当拓宽贫困家庭的收入来源,使其收入结构多样化,可发展观光经济、庭院经济、转移就业等方式。与此同时,对农村劳动力进行合理的开发和利用,将妇女、老人在劳动和生产中的作用充分发挥出来。

3)经济、生活水平、受教育年限的增长是导致农村家庭多维返贫的主要因素,而家庭成员的生活水平、经济水平的提高以及受教育水平的提高,都会对其产生一定的缓解。

3.2 政策建议

现阶段是我国巩固脱贫攻坚成果、实现与乡村振兴的有效衔接的关键时期,因此重视防返贫工作是十分必要的。基于此,提出如下政策建议。

1)健全西部地区农村贫困人口动态监控体系。在现行的社会保障制度的基础上,对处于贫困线上的脱贫人口,处于贫困线边缘的、突发重大困难的人群进行详细的动态监控。要充分发挥各相关部门数据平台的优势,加强贫困、返贫数据的交流,健全返贫风险监控与预警机制,做到早发现、早帮扶。

2)积极促进刚脱贫人员、返贫人员就业。对发现具有返贫风险的人员,帮助他们实现再就业。农村人口随着年龄的增加,再就业率降低,应充分利用现有的互联网手段,提供线上求职招聘、职业培训等服务,也可以开展线下招聘会。

3)重视农村老年人口的脱贫工作。及时与农村老年人口进行沟通与贫困监测,定期走访了解情况,有条件的可以帮助他们实现“家门口”再就业;对于自己种植农产品的人员,可以提供渠道促进农产品销售,进而增加其收入。

4)加强各项公共服务保障。加强乡村道路、互联网、电路的建设,发展乡村教育事业,可以加大财政投入,促进教学设施、环境建设,提高乡村教师的专业水平与待遇。优化医疗资源分配,提升村医专业水平,可以利用互联网进行网上问诊。也要重视完善脱贫、有返贫风险人员的医疗保障制度。