國(guó)家級(jí)貧困縣“帽子”的“棘輪效應(yīng)”
——基于全國(guó)2 073個(gè)區(qū)縣的實(shí)證研究

郭君平　荊林波　張　斌

?

國(guó)家級(jí)貧困縣“帽子”的“棘輪效應(yīng)”
——基于全國(guó)2 073個(gè)區(qū)縣的實(shí)證研究

郭君平荊林波張斌

文章利用內(nèi)地31省(直轄市、自治區(qū))2 073個(gè)區(qū)縣數(shù)據(jù)，分析了國(guó)家級(jí)貧困縣“帽子”或身份的路徑依賴現(xiàn)象。研究發(fā)現(xiàn)，影響最新扶貧重點(diǎn)縣、集中連片特困縣和雙重貧困縣擇定的因素有所差異，但其共同因素包括八七扶貧重點(diǎn)縣身份、農(nóng)民人均純收入、人均GDP、鄉(xiāng)村從業(yè)人數(shù)以及革命老區(qū)身份。無(wú)論控制其他影響因素與否，國(guó)家級(jí)貧困縣“帽子”均存在顯著的“棘輪效應(yīng)”。在其他條件不變情況下，全國(guó)有八七扶貧重點(diǎn)縣身份的候選縣入選最新扶貧重點(diǎn)縣、集中連片特困縣及雙重貧困縣的概率比普通縣分別高39%、14%、12.5%；而且此種效應(yīng)區(qū)域差異明顯，相比其他地區(qū)，革命老區(qū)、民族地區(qū)、邊疆地區(qū)、西部地區(qū)和山區(qū)地帶國(guó)家級(jí)貧困縣“帽子”的棘輪效應(yīng)更大。其主要原因是經(jīng)濟(jì)利益爭(zhēng)奪與政治考量，部分國(guó)家級(jí)貧困縣仍處于深度貧困之中，還有不少國(guó)家級(jí)貧困縣徘徊在脆弱性或不穩(wěn)定脫貧邊緣，以及國(guó)家級(jí)貧困縣調(diào)整周期過(guò)長(zhǎng)、缺乏動(dòng)態(tài)評(píng)估體系和退出機(jī)制。

國(guó)家級(jí)貧困縣； 棘輪效應(yīng)； 關(guān)聯(lián)分析； Probit模型； Logit模型

作為一種社會(huì)資源分配方式，國(guó)家級(jí)貧困縣政策是我國(guó)政府最重要的反貧困政策，其設(shè)立標(biāo)志著區(qū)域扶貧政策開(kāi)始向國(guó)定貧困縣傾斜[1-2]。為有效解決農(nóng)村貧困問(wèn)題，縮小地區(qū)差距，國(guó)務(wù)院扶貧辦自1986年啟動(dòng)扶貧開(kāi)發(fā)戰(zhàn)略并確定331個(gè)國(guó)家級(jí)貧困縣以來(lái)，又相繼進(jìn)行了三次“擴(kuò)充—微調(diào)—雙管齊下”的漸進(jìn)式調(diào)整，即1994年(592個(gè))、2001年(592個(gè))和2011年(832個(gè)，含扶貧重點(diǎn)縣或片區(qū)縣)。期間，選擇“貧困縣”作為政府扶貧主戰(zhàn)場(chǎng)，主要緣于五點(diǎn)原因：一是早期農(nóng)村貧困人口相對(duì)集中，絕大多數(shù)分布于664個(gè)國(guó)家和省級(jí)貧困縣。例如，2001年認(rèn)定的所有扶貧重點(diǎn)縣包含了中國(guó)60%以上的貧困人口[3-4]。二是減緩區(qū)域貧困(貧困縣的貧困)和群體貧困(農(nóng)村人口的貧困)可以同步進(jìn)行。三是縣具有行政區(qū)劃和地理?xiàng)l件合二為一的特點(diǎn)，有利于政策自上而下執(zhí)行和縣域內(nèi)資源整合[5]。四是前期縣級(jí)留存的數(shù)據(jù)、資料相對(duì)較全且易于瞄準(zhǔn)，而更小的扶貧單位瞄準(zhǔn)成本高且可操作性差。再者，在扶貧資源約束和提高減貧效益目標(biāo)下，將分散資金集中投入至貧困重點(diǎn)縣可沖擊其原有經(jīng)濟(jì)增長(zhǎng)模式，從而改變當(dāng)?shù)刎毨顩r。

由于國(guó)家級(jí)貧困縣是指由國(guó)務(wù)院扶貧辦經(jīng)過(guò)考核認(rèn)定并能獲得從國(guó)家到地方的各類財(cái)政撥款和援助的貧困縣區(qū)，而非字面意義上的國(guó)內(nèi)最窮縣，因此，國(guó)家級(jí)貧困縣如何從數(shù)千個(gè)縣級(jí)單位中產(chǎn)生，一直是相關(guān)政策研究極為關(guān)注的重要問(wèn)題。在此基礎(chǔ)上，以往國(guó)家級(jí)貧困縣“帽子”或身份是否并且在多大程度上影響新一輪國(guó)家級(jí)貧困縣的認(rèn)定，更是一項(xiàng)亟待和值得深入研究的課題。但是，迄今學(xué)界鮮有學(xué)者專門(mén)撰文對(duì)國(guó)家級(jí)貧困縣“帽子”的“棘輪效應(yīng)”作系統(tǒng)的質(zhì)化或量化分析(尤其缺少)。文中“棘輪效應(yīng)”乃中性概念，意指普通候選縣戴上國(guó)定貧困縣“帽子”后由于一種或諸種原因在相當(dāng)程度上具有不可逆轉(zhuǎn)性，即國(guó)家重新調(diào)整貧困縣名單時(shí)，這類縣易于延續(xù)既有貧困縣身份(即存在路徑依賴性)，而較難退出。

從歷史文獻(xiàn)資料來(lái)看，國(guó)內(nèi)外以國(guó)家級(jí)貧困縣為研究對(duì)象的學(xué)術(shù)專論為數(shù)不多，且側(cè)重以下內(nèi)容：一是入選國(guó)家扶貧重點(diǎn)縣的決定因素，可大致分為經(jīng)濟(jì)因素(如人均純收入、人均谷物產(chǎn)量、總收入中工業(yè)份額及人均GDP等)、政治因素(如是否革命老區(qū)或少數(shù)民族地區(qū)等)和地理位置因素(如西部地區(qū)、邊疆地區(qū)或山區(qū)地帶等)[6-9]。二是國(guó)家級(jí)貧困縣確定、推行及調(diào)整中存在的問(wèn)題或負(fù)面效應(yīng)。例如，貧困縣功能泛化和擴(kuò)大化、評(píng)定指標(biāo)與數(shù)據(jù)來(lái)源可爭(zhēng)議、相關(guān)標(biāo)準(zhǔn)和程序不夠透明、政策路徑依賴明顯、虛假申報(bào)致資源分配不公、扶貧瞄準(zhǔn)精度下降、資金“跑冒滴漏”嚴(yán)重以及出現(xiàn)“滯(等靠要)、闊(窮擺闊)、亂(富縣戴窮帽)、怕(摘帽成罪人)、浮(人浮于事)”等怪象[2]14，[5]33，[10-11]。三是國(guó)家級(jí)貧困縣政策的減貧成效。對(duì)此問(wèn)題，學(xué)者間形成了兩種近乎對(duì)立的觀點(diǎn)：一種認(rèn)為貧困重點(diǎn)縣的扶貧政策或資金投入能明顯改善當(dāng)?shù)芈浜竺婷膊⒋龠M(jìn)農(nóng)民增收[12-16]；另一種認(rèn)為貧困縣瞄準(zhǔn)的“低命中率”與“高漏出量”現(xiàn)象突出[17-19]，而且縣域內(nèi)扶貧項(xiàng)目?jī)H使較為富有的農(nóng)戶家庭受益，并未提高貧困戶的收入和消費(fèi)水平[8]795，[20]。

與以往研究相比，本文力圖減少主觀價(jià)值判斷，以客觀事實(shí)為依據(jù)，通過(guò)構(gòu)建從全局到局部的樣本空間和分類型、分區(qū)域的對(duì)比分析框架，基于分縣數(shù)據(jù)實(shí)證檢驗(yàn)并測(cè)算比較全國(guó)及不同地區(qū)國(guó)家級(jí)貧困縣“帽子”的“棘輪效應(yīng)”。這既有助于從根源上對(duì)其存在性、程度大小(含類型差別)、區(qū)域差異、內(nèi)在機(jī)理及成因進(jìn)行系統(tǒng)梳理、深入認(rèn)識(shí)和準(zhǔn)確把握，為各級(jí)政府扶貧部門(mén)的政策制定或制度安排提供重要信息和參考依據(jù)，也有益于從研究視角、研究?jī)?nèi)容和研究設(shè)計(jì)等方面發(fā)展已有文獻(xiàn)，在總結(jié)扶貧實(shí)踐經(jīng)驗(yàn)中體現(xiàn)貧困治理理論價(jià)值，以期為后續(xù)相關(guān)研究作鋪墊。

一、研究設(shè)計(jì)

(一)模型、變量和方法

本文旨在通過(guò)分析八七*“八七”的含義是：對(duì)當(dāng)時(shí)全國(guó)農(nóng)村8 000萬(wàn)貧困人口的溫飽問(wèn)題，力爭(zhēng)用7年左右的時(shí)間(1994—2000年)基本解決。扶貧重點(diǎn)縣身份對(duì)最新扶貧重點(diǎn)縣、集中連片特困縣或雙重貧困縣(同時(shí)是最新扶貧重點(diǎn)縣和集中連片特困縣)評(píng)定的影響來(lái)考察國(guó)家級(jí)貧困縣“帽子”的“棘輪效應(yīng)”。為此，構(gòu)造如下計(jì)量經(jīng)濟(jì)學(xué)方程：

Npcountyi=αijpcounty_87+βijX1+βijX2+

βijX3+μiji=1,2,3

(1)

式(1)中，Npcounty1、Npcounty2和Npcounty3分別表示是否最新扶貧重點(diǎn)縣、集中連片特困縣以及雙重貧困縣。pcounty_87表示是否八七扶貧重點(diǎn)縣，是文中關(guān)注的核心變量。X1～X3是參照以往文獻(xiàn)和相關(guān)理論選取的一組控制變量，其中，X1表示社會(huì)歷史特征，主要出于政治、歷史因素的考慮，包括是否革命老區(qū)縣、是否少數(shù)民族縣兩指標(biāo)；X2表示人口地理特征，如鄉(xiāng)村從業(yè)人數(shù)、是否中部地區(qū)、是否西部地、是否丘陵地區(qū)、是否山區(qū)以及是否邊疆縣等；X3表示資源與經(jīng)濟(jì)水平特征，包括人均耕地面積、農(nóng)民人均純收入和縣人均GDP，后兩指標(biāo)取自國(guó)家貧困重點(diǎn)縣測(cè)定的“631指數(shù)”法則*“631指數(shù)法”：貧困人口(占全國(guó)比例)占60%權(quán)重(其中絕對(duì)貧困人口與低收入人口各占80%與20%比例)；農(nóng)民人均純收入較低的縣數(shù)(占全國(guó)比例)占30%權(quán)重；人均GDP低的縣數(shù)、人均財(cái)政收入低的縣數(shù)占10%權(quán)重。。各變量說(shuō)明見(jiàn)表1。

鑒于因變量是取值為0或1的虛擬變量，因此擬用probit模型和logit模型。其中，Probit回歸建立在正態(tài)分布理論基礎(chǔ)上，其模型應(yīng)用形式為：

表1　變量釋義、賦值及描述性統(tǒng)計(jì)

注：盡管集中連片特困縣2011年公布，最新扶貧重點(diǎn)縣2011年底調(diào)整(2012年初公布)，但這兩類貧困縣的擇定依據(jù)是2010年的數(shù)據(jù)資料。

(Y=1|X)=P(Y*>0|X1,X2,…,Xi)=

?(β0+β1X1+β2X2+…βiXi)

(2)

式(2)中，Y是實(shí)際觀測(cè)到的因變量，Y=1代指最新扶貧重點(diǎn)縣、集中連片特困縣或雙重貧困縣，而Y=0表示否；Y*是不可觀測(cè)的潛變量，?(·)表示標(biāo)準(zhǔn)正態(tài)分布的累計(jì)分布函數(shù)；X1,X2,Xi為影響因素；β0,β1,β2,…,βi為待估系數(shù)。

與Probit模型不同，Logit模型建立在邏輯分布理論基礎(chǔ)上，其基本形式為：

(3)

作線性變換后可得：ln(P/(1-P))=∑Xβ，式中符號(hào)含義同前。為便于穩(wěn)健性檢驗(yàn)和直觀解釋模型估計(jì)結(jié)果，同時(shí)運(yùn)用Probit模型和Logit模型進(jìn)行回歸，并給出各自變量的邊際效應(yīng)，意指在其他變量取均值時(shí)，某自變量每變動(dòng)一單位對(duì)因變量處于某狀態(tài)的概率有多大影響。

(二)數(shù)據(jù)來(lái)源與樣本特征

文章數(shù)據(jù)采自公開(kāi)統(tǒng)計(jì)資料，包括《中國(guó)縣(市)社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)年鑒》《中國(guó)區(qū)域經(jīng)濟(jì)統(tǒng)計(jì)年鑒》中國(guó)經(jīng)濟(jì)與社會(huì)發(fā)展統(tǒng)計(jì)數(shù)據(jù)庫(kù)以及《中國(guó)農(nóng)村貧困監(jiān)測(cè)報(bào)告》等，后經(jīng)整理形成一個(gè)含2 073個(gè)樣本區(qū)縣(覆蓋內(nèi)陸31省區(qū)、直轄市)的截面數(shù)據(jù)。其中，八七扶貧重點(diǎn)縣571(缺失21個(gè)*八七扶貧重點(diǎn)縣共592個(gè)，缺失的21個(gè)區(qū)縣是：安徽六安，江西寧岡，河南信陽(yáng)、盧氏，湖北寧可，海南通什，重慶五橋區(qū)、天城區(qū)，四川黔江、嘉陵區(qū)，寧夏固原，甘肅定西、平川，陜西銅川、安康、延安和榆林，云南東川、昭通、中甸和臨滄。)，占27.54%；最新扶貧重點(diǎn)縣583個(gè)(缺失9個(gè)*最新扶貧重點(diǎn)縣共592個(gè)，缺失的9個(gè)區(qū)縣：安徽穎東、裕安，重慶萬(wàn)州、黔江區(qū)，四川嘉陵區(qū)，云南東川，陜西印臺(tái)、漢濱，甘肅麥積區(qū)。)，占28.12%；集中連片特困縣668個(gè)(缺失12個(gè)*集中連片特困縣共680個(gè)，缺失的12個(gè)區(qū)縣是：重慶黔江區(qū)，四川巴州區(qū)、元壩區(qū)，甘肅北道區(qū)，陜西漢濱區(qū)，青海冷湖行委、大柴旦行委、茫崖行委，貴州西秀區(qū)，云南隆陽(yáng)區(qū)，西藏城關(guān)區(qū)、雙湖辦事處。)，占32.22%；雙重貧困縣有438個(gè)(缺失2個(gè)*雙重貧困縣共440個(gè)，缺失的2個(gè)區(qū)縣是重慶黔江區(qū)和四川朝天區(qū)。)，占21.23%；非貧困縣1 260個(gè)，占60.78%。

表2顯示了樣本縣的構(gòu)成與分布特征：(1)八七扶貧重點(diǎn)縣、最新扶貧重點(diǎn)縣、集中連片特困縣以及雙重貧困縣都主要集聚在中、西部地區(qū)，且西部占比最高；(2)革命老區(qū)縣大多數(shù)處于中、西部地區(qū)(以中部為主)，且被認(rèn)定為國(guó)家級(jí)貧困縣的比例也比東部地區(qū)高；(3)丘陵縣基本在東、中部地區(qū)(以東部為主)，但其中國(guó)家級(jí)貧困縣多在中、西部；(4)山區(qū)縣、邊疆縣以及民族縣主要分布在中、西部地區(qū)，尤以西部為主，其中民族縣、山區(qū)縣被擇定為國(guó)家級(jí)貧困縣的比例相對(duì)更高。

表2　樣本縣的基本構(gòu)成與特征　單位：個(gè)

注：革命老區(qū)縣是指境內(nèi)90%以上的鄉(xiāng)、鎮(zhèn)屬于革命老區(qū)的縣區(qū)；丘陵縣、山區(qū)縣均以國(guó)家統(tǒng)計(jì)局的定義為準(zhǔn)；邊疆縣指部分區(qū)域處于國(guó)界線上；民族縣即少數(shù)民族聚居縣；括號(hào)內(nèi)為八七扶貧重點(diǎn)縣個(gè)數(shù)。

二、實(shí)證計(jì)量分析

(一)推斷性統(tǒng)計(jì)：關(guān)聯(lián)分析

本研究首先采用列聯(lián)分析揭示八七扶貧重點(diǎn)縣身份與能否入選最新扶貧重點(diǎn)縣(或集中連片特困縣、雙重貧困縣)之間是否存在某種關(guān)聯(lián)性，并測(cè)算其強(qiáng)弱和方向。研究假設(shè)如下：H0：是否八七扶貧重點(diǎn)縣與是否最新扶貧重點(diǎn)縣(或集中連片特困縣、雙重貧困縣)無(wú)關(guān)；H1：是否八七扶貧重點(diǎn)縣與是否最新扶貧重點(diǎn)縣(或集中連片特困縣、雙重貧困縣)相關(guān)。在列聯(lián)分析中，測(cè)度相關(guān)程度的系數(shù)有Φ系數(shù)、列聯(lián)系數(shù)和Cramer’s V系數(shù)，前者僅適用于2×2列聯(lián)表，而后兩者適用于大于2×2的列聯(lián)表，本文采用Φ系數(shù)。當(dāng)Φ=1表明變量X與Y完全相關(guān)，Φ=0表明變量X、Y之間相互獨(dú)立，Φ系數(shù)越接近于1，表明變量X與Y越相關(guān)，Φ系數(shù)越接近于0，表明變量X與Y越不相關(guān)[21]。其中，Φ≥0.8時(shí)兩變量高度相關(guān)；0.5≤Φ<0.8時(shí)兩變量中度相關(guān)；0.3≤Φ<0.5時(shí)兩變量低度相關(guān)；Φ<0.3時(shí)相關(guān)程度極弱。

經(jīng)卡方檢驗(yàn)和Φ相關(guān)系數(shù)測(cè)算后發(fā)現(xiàn)(表3)，在全國(guó)及不同地區(qū)，最新扶貧重點(diǎn)縣、集中連片特困縣和雙重貧困縣中屬于八七扶貧重點(diǎn)縣的比重均超過(guò)一半，但這些地區(qū)的集中連片特困縣中屬于八七扶貧重點(diǎn)縣的占比均遠(yuǎn)低于最新扶貧重點(diǎn)縣和雙重貧困縣中的同類占比；此外，所有皮爾遜卡方值均極顯著，這表明候選縣是否有八七扶貧重點(diǎn)縣身份與能否入選最新扶貧重點(diǎn)縣(或集中連片特困縣、雙重貧困縣)存在顯著相關(guān)；不僅如此，變量是否八七扶貧重點(diǎn)縣與是否最新扶貧重點(diǎn)縣或雙重貧困縣基本呈中度相關(guān)，與是否集中連片特困縣總體呈低度相關(guān)。

表3　交叉列聯(lián)表卡方檢驗(yàn)與關(guān)聯(lián)程度測(cè)量

注：括號(hào)內(nèi)是Φ系數(shù)，帶“***”的是皮爾遜卡方值，表示在1%置信水平顯著，余下數(shù)值均是各類型縣數(shù)量(個(gè))。

(二)計(jì)量分析結(jié)果

列聯(lián)表是基于單因素的分析，未控制其他因素的影響。為更準(zhǔn)確分析核心變量的影響效應(yīng)，需進(jìn)一步采用計(jì)量回歸分析。而在此之前，檢驗(yàn)多重共線性問(wèn)題不可或缺。通常檢驗(yàn)自變量多重共線性有多種方法，如相關(guān)系數(shù)法、矩陣法和方差膨脹因子法。經(jīng)計(jì)算，全樣本自變量間的相關(guān)系數(shù)最大為0.73(人均GDP與農(nóng)民人均純收入高度相關(guān))，高于存在共線性的門(mén)檻值0.70[22]，因此，預(yù)設(shè)模型存在多重共線性的可能性較大。為處理這一問(wèn)題，本文利用逐步回歸篩選、剔除引起多重共線性的變量，結(jié)果如表4所列。

表4　全樣本國(guó)家級(jí)貧困縣“帽子”的“棘輪效應(yīng)”(逐步回歸法)

注：表中僅匯報(bào)估計(jì)的邊際效應(yīng)，穩(wěn)健性標(biāo)準(zhǔn)差予以省略；*、**、***分別表示在10%、5%和1%的置信水平上顯著，下同。

核心變量是否八七扶貧重點(diǎn)縣對(duì)因變量是否最新扶貧重點(diǎn)縣、集中連片特困縣或雙重貧困縣均有極顯著正向影響。詳言之，相比普通縣，有八七扶貧重點(diǎn)縣身份的候選縣入選最新扶貧重點(diǎn)縣、集中連片特困縣和雙重貧困縣的概率分別高39%、13%、13%*注：此處取Probit模型和Logit模型估計(jì)的邊際效應(yīng)均值，再轉(zhuǎn)換成百分比，即(40%+38%)/2=39%，(14%+12%)/2=13%，(15%+11%)/2=13%。下同。。

除核心變量外，影響最新扶貧重點(diǎn)縣、集中連片特困縣和雙重貧困縣擇定的共同因素還有是否革命老區(qū)、農(nóng)民人均純收入、人均GDP以及鄉(xiāng)村從業(yè)人數(shù)。其中，革命老區(qū)縣入選以上三種國(guó)家級(jí)貧困縣的概率分別比非革命老區(qū)縣高10%、21.5%和6%，這體現(xiàn)了中央政府對(duì)此類縣的政策性照顧。農(nóng)民人均純收入每提高1個(gè)百分點(diǎn)，候選縣入選三種國(guó)家級(jí)貧困縣的概率分別約降低0.63%、0.41%和0.12%。人均GDP每提高1個(gè)百分點(diǎn)，候選縣入選三種國(guó)家級(jí)貧困縣的概率依次約下降0.11%、0.31%和0.08%。這暗含著候選縣的農(nóng)民收入和經(jīng)濟(jì)水平越高，入選國(guó)家級(jí)貧困縣的可能性越低。鄉(xiāng)村從業(yè)人數(shù)每增大1個(gè)百分點(diǎn)，候選縣入選最新扶貧重點(diǎn)縣、雙重貧困縣的概率分別約提高0.06%和0.02%，而入選集中連片特困縣的概率約下降0.04%，其原因可能是片區(qū)特困候選縣的鄉(xiāng)村從業(yè)人員*鄉(xiāng)村從業(yè)人員是指鄉(xiāng)村人口中16歲以上實(shí)際參加生產(chǎn)經(jīng)營(yíng)活動(dòng)并取得實(shí)物或貨幣收人的人員，不包括戶口在家的在外學(xué)生、現(xiàn)役軍人、喪失勞動(dòng)能力者、待業(yè)人員以及家務(wù)勞動(dòng)者。中非農(nóng)就業(yè)人數(shù)占比較大。

此外，上述三種國(guó)家級(jí)貧困縣的認(rèn)定還受其他不完全相同的因素影響。其中，少數(shù)民族縣入選最新扶貧重點(diǎn)縣、集中連片特困縣的概率分別比漢族縣高8%和6.5%；人均耕地面積每增加1個(gè)百分點(diǎn)，候選縣入選最新扶貧重點(diǎn)縣的概率提高0.07%。邊疆縣入選集中連片特困縣的概率比內(nèi)陸縣低8%；西部地區(qū)縣入選集中連片特困縣、雙重貧困縣的概率分別比中西部地區(qū)縣高18%和3%；山區(qū)地帶縣入選集中連片特困縣、雙重貧困縣的概率分別比平原、丘陵地區(qū)縣高14.5%和2.5%。

區(qū)域差異始終是經(jīng)濟(jì)學(xué)和地理學(xué)研究的熱點(diǎn)問(wèn)題[23]。為考察地區(qū)特性和差異性，下文基于式(1)根據(jù)研究需要通過(guò)調(diào)整相關(guān)自變量衍生出多個(gè)“子”計(jì)量方程式*受篇幅所限，不一一列舉，讀者若需要，可與作者聯(lián)系。，然后對(duì)各分樣本采用逐步回歸法得到表5所示結(jié)果。從中可知，核心變量在各子模型中均影響顯著，抑或在按不同標(biāo)準(zhǔn)劃分的地區(qū)中八七扶貧重點(diǎn)縣身份對(duì)最新扶貧重點(diǎn)縣、集中連片特困縣和雙重貧困縣的評(píng)定均有或強(qiáng)或弱、或大或小的顯著作用。這意味著國(guó)家級(jí)貧困縣身份或“帽子”的棘輪效應(yīng)存在區(qū)域差異(含組內(nèi)和組間差異)，而此空間格局主要由自然稟賦、區(qū)位條件、人口結(jié)構(gòu)、發(fā)展歷史以及政治文化背景不同所致。

在革命老區(qū)，相比普通候選縣，有八七扶貧重點(diǎn)縣身份的候選縣入選最新扶貧重點(diǎn)縣、集中連片特困縣和雙重貧困縣的概率分別高45.5%、39.5%和46.5%。同樣，在非革命老區(qū)，有八七扶貧重點(diǎn)縣身份的候選縣入選以上三種國(guó)家級(jí)貧困縣的概率分別比普通候選縣高36%、12%、11.5%。對(duì)比上述入選概率來(lái)看，革命老區(qū)國(guó)家級(jí)貧困縣“帽子”的棘輪效應(yīng)約是非革命老區(qū)的1.26～4.04倍，其主要原因之一即是黨和國(guó)家出于對(duì)這類地區(qū)歷史貢獻(xiàn)的政治考慮，具體體現(xiàn)在政策上傾斜和優(yōu)待。

在少數(shù)民族地區(qū)，有八七扶貧重點(diǎn)縣身份的候選縣入選三種國(guó)家級(jí)貧困縣的概率分別比普通候選縣高61%、20%和28%。在漢族地區(qū)，相較于普通候選縣，該地具有八七扶貧重點(diǎn)縣身份的候選縣入選三種國(guó)家級(jí)貧困縣的概率分別高22%、7%和8%。據(jù)此計(jì)算，民族地區(qū)國(guó)家級(jí)貧困縣“帽子”的棘輪效應(yīng)約是漢族地區(qū)的2.77～3.5倍。對(duì)此現(xiàn)象，除少數(shù)民族地區(qū)更貧窮落后因素外，還可從響應(yīng)國(guó)家民族政策、加快民族地區(qū)發(fā)展和實(shí)現(xiàn)共同繁榮的角度解釋。

在邊疆地區(qū)，與普通候選縣相比，有八七扶貧重點(diǎn)縣身份的候選縣入選三種國(guó)家級(jí)貧困縣的概率依次高64%、35%和43%。在內(nèi)陸地區(qū)，有八七扶貧重點(diǎn)縣身份的內(nèi)陸候選縣入選三種國(guó)家級(jí)貧困縣的概率分別比普通候選縣高36%、14%和13.5%。兩地相比，邊疆地區(qū)國(guó)家級(jí)貧困縣“帽子”的棘輪效應(yīng)約是內(nèi)陸地區(qū)的1.78～3.16倍。

在東部地區(qū)，有八七扶貧重點(diǎn)縣身份的候選縣入選三種國(guó)家級(jí)貧困縣的概率比普通候選縣依序高14.5%、5%和6%。在中部地區(qū)，相較普通候選縣，該地有八七扶貧重點(diǎn)縣身份的候選縣入選三種國(guó)家級(jí)貧困縣的概率分別高35.5%、15.5%和14.5%。在西部地區(qū)，有八七扶貧重點(diǎn)縣身份的候選縣入選三種國(guó)家級(jí)貧困縣的概率分別比普通候選縣高58.5%、24.5%和28%。其中，西部地區(qū)國(guó)家級(jí)貧困縣“帽子”的棘輪效應(yīng)平均約是東、中部地區(qū)的4.53倍和1.72倍，而這可能是由地理位置、礦物資源、開(kāi)放程度以及過(guò)去“不平衡”經(jīng)濟(jì)政策等因素所致。

在平原地區(qū)，與普通候選縣相比，有八七扶貧重點(diǎn)縣身份的候選縣入選三種國(guó)家級(jí)貧困縣的概率分別高23%、6%和7%。在丘陵地區(qū)，有八七扶貧重點(diǎn)縣身份的候選縣入選三種國(guó)家級(jí)貧困縣的概率分別比普通候選縣高39.5%、12%和15%。在山區(qū)地帶，相較普通候選縣，有八七扶貧重點(diǎn)縣身份的候選縣入選三種國(guó)家級(jí)貧困縣的概率分別高61%、24%和41.5%。相較而言，山區(qū)地帶國(guó)家級(jí)貧困縣“帽子”的棘輪效應(yīng)平均約是平原、丘陵地區(qū)的4.19倍和2.10倍，對(duì)此可能的解釋是不同地形類型的地區(qū)在交通便利性、耕地資源、與外界聯(lián)通性以及商品規(guī)模化生產(chǎn)等方面差別巨大。

表5　不同地區(qū)分樣本國(guó)家級(jí)貧困縣“帽子”的“棘輪效應(yīng)”(逐步回歸法)

注：dy/dx表示核心變量的邊際效應(yīng)；為節(jié)省篇幅，子模型中各變量的其他估計(jì)參數(shù)均予省略，下同。

(三)穩(wěn)健性檢驗(yàn)

將式(16)作為價(jià)值函數(shù),可以實(shí)現(xiàn)磁鏈和轉(zhuǎn)矩快速跟隨給定值,但是逆變器的開(kāi)關(guān)頻率較高,在中高壓的驅(qū)動(dòng)場(chǎng)合中,期望在保證控制性能的同時(shí)降低逆變器的開(kāi)關(guān)頻率.相應(yīng)地,在價(jià)值函數(shù)中對(duì)開(kāi)關(guān)切換次數(shù)進(jìn)行約束,低開(kāi)關(guān)頻率模型預(yù)測(cè)直接轉(zhuǎn)矩控制(LSFMPDTC)的價(jià)值函數(shù)可以表示為

每種統(tǒng)計(jì)計(jì)量方法均有各自特點(diǎn)、前提假設(shè)(或適用條件)和局限性，而同時(shí)選擇數(shù)種方法對(duì)數(shù)據(jù)進(jìn)行印證分析則顯得極為必要。為檢驗(yàn)上述結(jié)果的穩(wěn)健性，除采用probit模型和logit模型兩種方法外，還對(duì)國(guó)家“片區(qū)- 重點(diǎn)”貧困縣(指最新扶貧重點(diǎn)縣與集中連片特困縣的并集)的全國(guó)及分區(qū)域樣本進(jìn)行逐步回歸估計(jì)，得到與上文相似結(jié)論：國(guó)家級(jí)貧困縣“帽子”具有顯著“棘輪效應(yīng)”和區(qū)域差異性，即全國(guó)及其不同地區(qū)有八七扶貧重點(diǎn)縣身份的候選縣入選國(guó)家“片區(qū)- 重點(diǎn)”貧困縣的概率相比普通縣均要高且大小各異(表6)。綜上，本文核心結(jié)論穩(wěn)健。

表6　穩(wěn)健性檢驗(yàn)：替換研究對(duì)象類型

(四)成因分析與擴(kuò)展性討論

前文從經(jīng)驗(yàn)分析視角證實(shí)了國(guó)家級(jí)貧困縣雖“戴帽”不易，但“摘帽”更難這一事實(shí)。但是，鑒于不同區(qū)域此種現(xiàn)象的致因或同或異、或綜合或單一，因此，為避免重復(fù)論述和進(jìn)行更深層次分析，特將國(guó)家級(jí)貧困縣“帽子”產(chǎn)生“棘輪效應(yīng)”的根源系統(tǒng)歸納如下：

第一，國(guó)家級(jí)貧困縣“帽子”背后存在政治照顧性考慮和經(jīng)濟(jì)利益之爭(zhēng)。除了體現(xiàn)在革命老區(qū)和少數(shù)民族地區(qū)貧困縣同等條件下得到優(yōu)先或特殊照顧，另一方面體現(xiàn)在各縣政府爭(zhēng)相搶奪“貧困縣之名”(聞著臭、吃著香)，事后又受利益集團(tuán)(包括縣級(jí)政府官員和既得利益的低收入人口兩類群體)共同阻礙“脫貧摘帽”。根據(jù)目前的扶貧政策，國(guó)家級(jí)貧困縣可享受財(cái)政支持、稅收減免、金融服務(wù)(如扶貧貼息貸款、小額信用貸款和殘疾人康復(fù)扶貧貸款)、以工代賑、人才保障(西部計(jì)劃)、外資扶貧、教育支持(雨露計(jì)劃和高考定向招生)以及社會(huì)扶貧(包括定點(diǎn)扶貧、東西協(xié)作扶貧和社會(huì)組織、民間團(tuán)體、私營(yíng)企業(yè)扶貧活動(dòng))等方面好處。

以財(cái)政扶貧資金為例，2015年中央財(cái)政預(yù)算安排扶貧資金補(bǔ)助地方部分高達(dá)460.9億元，同比增長(zhǎng)8%。其中，發(fā)展資金370.1億元，同比增長(zhǎng)9.39%；少數(shù)民族發(fā)展資金40億元，同比增長(zhǎng)4.68%；以工代賑資金41億元，與上年持平；“三西”資金3億元，未有變化；國(guó)有貧困林場(chǎng)扶貧資金4.2億元，同比增長(zhǎng)16.67%；國(guó)有貧困農(nóng)場(chǎng)扶貧資金2.6億元，同比增長(zhǎng)8.33%*數(shù)據(jù)來(lái)源：①《中央財(cái)政全年460.9億元扶貧資金全部下?lián)堋?http:∥news.xinhuanet.com/fortune/2015-07/21/c_1115993640.htm)；②《中央財(cái)政下?lián)?53億元扶貧資金支持農(nóng)村扶貧開(kāi)發(fā)》(http:∥www.chinapolicy.net/bencandy.php?fid-34-id-40209-page-1.htm)。。另?yè)?jù)國(guó)家統(tǒng)計(jì)局歷年《中國(guó)農(nóng)村貧困監(jiān)測(cè)報(bào)告》*數(shù)據(jù)來(lái)源：國(guó)家統(tǒng)計(jì)局住戶調(diào)查辦公室. 中國(guó)農(nóng)村貧困監(jiān)測(cè)報(bào)告. 北京：中國(guó)統(tǒng)計(jì)出版社，2002—2011年。數(shù)據(jù)，2002—2010年期間，去除物價(jià)因素后，全國(guó)國(guó)定貧困縣年縣均扶貧資金由0.42億元增至1.26億元；若分?jǐn)偟絺€(gè)人，所有國(guó)定貧困縣中貧困人口年人均扶貧資金由518.9元增至4 423元。其中，2009年是一個(gè)分水嶺，國(guó)定貧困縣貧困人口的人均投入扶貧資金開(kāi)始反超2011年最新國(guó)家貧困線(年人均2 300元)；之后僅一年時(shí)間(財(cái)政扶貧支持力度空前)，國(guó)定貧困縣貧困人口的人均投入扶貧資金即超出了最新國(guó)家貧困線的92.3%。

第二，未脫貧的國(guó)家級(jí)貧困縣中不少屬于扶貧攻堅(jiān)“硬骨頭”。隨著扶貧開(kāi)發(fā)向縱深推進(jìn)，我國(guó)貧困發(fā)生率大幅下降，但即便如此，不少集中在生態(tài)環(huán)境脆弱、生存條件艱苦地區(qū)的國(guó)家級(jí)貧困縣，其貧困廣度、深度和強(qiáng)度仍然較大，而且縣域貧困代際傳遞、兩極分化、社會(huì)排斥等問(wèn)題較為嚴(yán)重。因此，這些貧困縣的脫貧發(fā)展仰賴國(guó)家長(zhǎng)期鼎力扶持，難以畢其功于一役。以現(xiàn)存國(guó)家級(jí)“深度貧困縣”(界定為農(nóng)民人均純收入低于最新國(guó)家貧困線10%以上或少于2 070元的縣)數(shù)量及其占比的地區(qū)分布為例(表7)，全國(guó)“深度貧困”的最新扶貧重點(diǎn)縣、集中連片特困縣、雙重貧困縣分別占各自樣本總數(shù)的4.80%、3.44%和5.02%。其中，“深度貧困”的三種國(guó)家級(jí)貧困縣均分布在非革命老區(qū)(革命老區(qū)縣的貧困因長(zhǎng)期受惠于多種傾斜性政策已得到極大緩解)，漢族地區(qū)“深度貧困”的三種國(guó)家級(jí)貧困縣多于少數(shù)民族地區(qū)，內(nèi)陸地區(qū)遠(yuǎn)多于邊疆地區(qū)，中、西部地區(qū)遠(yuǎn)多于東部地區(qū)，以及平原與山區(qū)地帶遠(yuǎn)多于丘陵地區(qū)。

表7　收入視角下“深度貧困”國(guó)家級(jí)貧困縣分布情況　個(gè)、%

第三，部分國(guó)家級(jí)貧困縣處于不穩(wěn)定或脆弱性脫貧邊緣。此處不穩(wěn)定或脆弱性脫貧是指貧困縣各項(xiàng)指標(biāo)實(shí)際值略高于預(yù)設(shè)脫貧標(biāo)準(zhǔn)，但易受外部沖擊或內(nèi)在因素影響而重新陷入貧困狀態(tài)。盡管以縣為單位的扶貧工作取得了巨大成績(jī)，但還有些已達(dá)到脫貧標(biāo)準(zhǔn)的國(guó)家級(jí)貧困縣特別是邊境少數(shù)民族貧困縣由于生態(tài)環(huán)境惡劣、自然災(zāi)害頻繁、人口素質(zhì)較低以及觀念傳統(tǒng)陳舊等諸多原因，縣域并未形成支柱型產(chǎn)業(yè)(經(jīng)濟(jì)發(fā)展根基不穩(wěn))和持續(xù)有效的減貧機(jī)制或造富能力，而且境內(nèi)農(nóng)民“因病、因?qū)W、因?yàn)?zāi)返貧”現(xiàn)象難以徹底改變。所以，這類貧困縣的外部依賴性較強(qiáng)，雖已扶上馬，但仍需送一程。假定以農(nóng)民人均純收入高出最新貧困線的10%以內(nèi)(即2 300～2 530元)作為國(guó)家級(jí)貧困縣不穩(wěn)定或脆弱性脫貧的邊界，那么收入視域下“脆弱性脫貧未脫帽”的國(guó)家級(jí)貧困縣分布情況如表8所列。據(jù)統(tǒng)計(jì)，目前全國(guó)“脆弱性脫貧未脫帽”的最新扶貧重點(diǎn)縣、集中連片特困縣、雙重貧困縣分別占各自樣本總數(shù)的5.15%、5.39%和5.94%。其中，“脆弱性脫貧未脫帽”的三種國(guó)家級(jí)貧困縣主要分布在非革命老區(qū)、內(nèi)陸地區(qū)、中西部地區(qū)或山區(qū)地帶，民族地區(qū)“脆弱性脫貧未脫帽”的三種國(guó)家級(jí)貧困縣多于漢族地區(qū)。

表8　收入視角下“脆弱性脫貧未脫帽”的國(guó)家級(jí)貧困縣分布情況　個(gè)、%

第四，國(guó)家級(jí)貧困縣動(dòng)態(tài)評(píng)估體系缺乏且退出機(jī)制尚未明確。從歷次調(diào)整時(shí)間的制度安排來(lái)看，國(guó)家級(jí)貧困縣的評(píng)選周期較長(zhǎng)(1986—1993年、1994—2000年、2001—2010年和2011—2020年)，過(guò)去平均約隔7.33年一次。不僅如此，在很多地方，國(guó)家級(jí)貧困縣的退出屬于自愿，由它們自行申報(bào)“摘帽”。其結(jié)果使得不少依托自身自然資源、經(jīng)濟(jì)獲得快速發(fā)展的國(guó)家級(jí)貧困縣即使達(dá)到脫貧標(biāo)準(zhǔn)成為“小康縣”“百?gòu)?qiáng)縣”，也不需或未能及時(shí)退出貧困縣名單。當(dāng)然，這亦是一些地方(如早前媒體報(bào)道的湖北秭歸、湖南新化和四川巴中等)發(fā)生“貧縣不貧”“戴窮帽過(guò)富日子”等丑聞怪象的重要原因。同上文，以農(nóng)民人均純收入為標(biāo)尺，可測(cè)算出全國(guó)及不同地區(qū)“穩(wěn)定脫貧未脫帽”的國(guó)家級(jí)貧困縣(農(nóng)民人均純收入高出最新貧困線10%以上，即多于2 530元)數(shù)量和占比。表9顯示，全國(guó)“穩(wěn)定脫貧未脫帽”的最新扶貧重點(diǎn)縣、集中連片特困縣、雙重貧困縣分別占各自樣本總數(shù)的86.62%、88.47%和84.93%。分不同地區(qū)來(lái)看，“穩(wěn)定脫貧未脫帽”的三種國(guó)家級(jí)貧困縣集中分布在非革命老區(qū)、內(nèi)陸地區(qū)、西部地區(qū)或山區(qū)地帶，但漢族地區(qū)與民族地區(qū)的這幾類貧困縣數(shù)量或占比均相差不大。

三、結(jié)論與政策建議

表9　收入視角下“穩(wěn)定脫貧未脫帽”的國(guó)家級(jí)貧困縣分布情況　個(gè)、%

針對(duì)上述研究結(jié)論尤其是問(wèn)題致因，并結(jié)合中國(guó)政府提出到2020年7 000萬(wàn)農(nóng)村人口脫貧和全部貧困縣“摘帽”的目標(biāo)，本文提出以下“精準(zhǔn)定向、分類施策、急緩得當(dāng)”等建議：第一，在現(xiàn)有國(guó)家級(jí)貧困縣中，精準(zhǔn)識(shí)別出國(guó)家級(jí)“穩(wěn)定脫貧未脫帽”貧困縣，并要求全部率先“摘帽”。第二，為保持政策延續(xù)性以鞏固整縣扶貧成果，對(duì)一些國(guó)家級(jí)“脆弱性脫貧”貧困縣，在“摘帽”后1～3年內(nèi)，中央和地方政府應(yīng)堅(jiān)守支持政策不變、力度不減的原則。第三，對(duì)那些在國(guó)家預(yù)定脫貧時(shí)間表內(nèi)完不成扶貧任務(wù)、經(jīng)濟(jì)社會(huì)事業(yè)發(fā)展和農(nóng)民收入水平繼續(xù)擴(kuò)大等多重目標(biāo)的國(guó)家級(jí)“深度貧困”縣，“摘帽”宜緩則緩，地方政府不要“一刀切”或?yàn)檎?jī)剛性“摘帽”，可適時(shí)申請(qǐng)將其他已脫貧摘帽的國(guó)家級(jí)貧困縣所騰退出的扶貧資源轉(zhuǎn)移過(guò)來(lái)，以增加資本積累、集中力量加快突破此類地區(qū)貧困惡性循環(huán)和低水平均衡陷阱。

[1]岳希明，李實(shí)，王萍萍，等. 透視中國(guó)農(nóng)村貧困. 北京：經(jīng)濟(jì)科學(xué)出版社，2007

[2]徐彥平. 國(guó)家貧困縣政策改革的路徑依賴及其破解之道. 理論導(dǎo)刊，2014(9)：14-16

[3]國(guó)務(wù)院扶貧辦. 中國(guó)農(nóng)村扶貧開(kāi)發(fā)概要. 北京：中國(guó)財(cái)政經(jīng)濟(jì)出版社，2003

[4]都陽(yáng)，蔡昉. 中國(guó)農(nóng)村貧困性質(zhì)的變化與扶貧戰(zhàn)略調(diào)整. 中國(guó)農(nóng)村觀察，2005(5):2-9

[5]鄭風(fēng)田，普蓂喆. 以縣扶貧模式負(fù)面效應(yīng)探究，人民論壇，2011(12)：32-33

[6]Park A, Wang S, Wu G. Regional Poverty Targeting in China.JournalofPublicEconomics, 2002(1) :123-153

[7]李文，汪三貴. 中央扶貧資金的分配及影響因素分析. 中國(guó)農(nóng)村經(jīng)濟(jì)，2004(8)：44-48

[8]Park A, Wang S. Community-Based Development and Poverty Alleviation: An Evaluation of China’s Poor Village Investment Program.JournalofPublicEconomics, 2010(9): 790-799

[9]張彬斌. 新時(shí)期政策扶貧：目標(biāo)選擇和農(nóng)民增收. 經(jīng)濟(jì)學(xué)(季刊)，2013(3)：959-981

[10]吳國(guó)寶. 準(zhǔn)入和退出：如何決定貧困縣去留. 人民論壇，2011(12)：30-31

[11]馬致平. 貧困縣窘境：理想與現(xiàn)實(shí)的糾結(jié). 人民論壇，2011(12)：22-23

[12]劉冬梅. 中國(guó)政府開(kāi)發(fā)式扶貧資金投放效果的實(shí)證研究. 管理世界，2001(6)：123-131

[13]陳凡，楊越. 中國(guó)扶貧資金投入對(duì)減緩貧困的作用. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2003(6)：1-5

[14]汪三貴. 在發(fā)展中戰(zhàn)勝貧困——對(duì)中國(guó)30年大規(guī)模減貧經(jīng)驗(yàn)的總結(jié)與評(píng)價(jià). 管理世界，2008(11)：78-87

[15]帥傳敏，梁尚昆，劉松. 國(guó)家扶貧重點(diǎn)縣投入績(jī)效的實(shí)證分析. 經(jīng)濟(jì)問(wèn)題，2008(6)：84-86

[16]姜愛(ài)華. 我國(guó)開(kāi)發(fā)式扶貧資金投放效果實(shí)證分析. 中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2008(2)：13-18

[17]張新偉. 扶貧政策低效性與市場(chǎng)化反貧困思路探尋. 中國(guó)農(nóng)村經(jīng)濟(jì)，1999(2)：52-57

[18]江華. 7158萬(wàn)扶貧款哪里去了?——對(duì)貴州省習(xí)水縣1994—1998 年扶貧款流向的調(diào)查. 中國(guó)改革(農(nóng)村版)，2002(16)：34-35

[19]汪三貴，Park A，Shubham Chaudhuri，等. 中國(guó)新時(shí)期農(nóng)村扶貧與村級(jí)貧困瞄準(zhǔn). 管理世界，2007(1)：56-64

[20]李小云，唐麗霞，許漢澤. 論我國(guó)的扶貧治理：基于扶貧資源瞄準(zhǔn)和傳遞的分析. 吉林大學(xué)社會(huì)科學(xué)學(xué)報(bào)，2015(4)：90-97

[21]Agresti A.AnIntroductiontoCategoricalDataAnalysis. New York: John Wiley & Sons, 1996

[22]Lind D A, Marchal W G, Wathen S A.Statisticaltechniquesinbusinessandeconomics. Irwin: MaGraw-Hill, 2002

[23]潘竟虎，賈文晶. 中國(guó)國(guó)家級(jí)貧困縣經(jīng)濟(jì)差異的空間計(jì)量分析. 中國(guó)人口·資源與環(huán)境，2014(5)：153-159

(責(zé)任編輯：常英)

The “Ratchet Effect” of National Poverty County’s Title——An Empirical Study Based on a Sample of 2 073 Counties

Guo JunpingJing LinboZhang Bin

Based on 2 073 districts data across 31 provinces (municipalities or autonomous regions) in mainland, this paper analyzes the path-dependence of the title or identity of national level poor county. The result shows that the determinants of the latest national level poor county, concentrated destitute county and dual poor county are not exactly the same, but their common influence factors include the identity of eight-seven national level poor county, per capita net income of farmers, GDP per capita in county, the number of employees in rural areas and the identity of old revolutionary base area. Regardless of control other factors or not, the title of national level poor county had significant “ratchet effect”, which means the former national poverty counties have the higher possibility to become the new ones. Specifically, with other conditions unchanged, the probabilities of candidate counties that had the title of eight-seven national level poor county are 39%、12.5%、14% higher than ordinary counties to be selected in the list of the latest national level poor county, concentrated destitute county or dual poor county. What’s more, this kind of effect has obvious regional differences. The identity of national level poor county’s ratchet effects in old revolutionary base area, minority area, border area, western region and mountainous area are greater than in other types regions. There are mainly four reasons for the existence of ratchet effect: firstly for economic and political considerations; secondly, some of former national level poor counties were still in deep poverty, thirdly, also many in vulnerability or unstable poverty alleviation; fourthly, the period adjustment of national level poor county was too long, and there was no dynamic assessment system and exit mechanism.

National Level Poor County； Ratchet Effect； Association Analysis； Probit Model； Logit Model

2016-02-18

國(guó)家社會(huì)科學(xué)基金“精準(zhǔn)扶貧戰(zhàn)略下貧困地區(qū)農(nóng)村信息化減貧能力提升研究”(15CTY048)；博士后基金面上項(xiàng)目“‘互聯(lián)網(wǎng)+’戰(zhàn)略背景下精準(zhǔn)化鄉(xiāng)村旅游扶貧開(kāi)發(fā)研究”(一等資助，2015M580180)。

郭君平，中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)經(jīng)濟(jì)與發(fā)展研究所助理研究員，郵編：102488；荊林波，中國(guó)社科院中國(guó)社會(huì)科學(xué)評(píng)價(jià)中心主任、研究員；張斌，農(nóng)業(yè)部農(nóng)村經(jīng)濟(jì)研究中心助理研究員。