IFAD中國(guó)項(xiàng)目精準(zhǔn)脫貧績(jī)效評(píng)價(jià)：基于農(nóng)民人均收入視角

帥競(jìng)+成金華+帥傳敏+李文靜+郭晴+程欣+丁麗萍

摘要 基于課題組在7省區(qū)1 356農(nóng)戶(hù)的調(diào)查問(wèn)卷數(shù)據(jù)，采用雙差分析模型對(duì)IFAD項(xiàng)目的扶貧績(jī)效進(jìn)行了測(cè)度；選用人均純收入作為貧困代理指標(biāo)，并采用傾向得分匹配法對(duì)項(xiàng)目干預(yù)的凈效應(yīng)進(jìn)行了分析，分別采用核匹配和半徑匹配（0.001）方法測(cè)算了項(xiàng)目的干預(yù)效果，定量評(píng)價(jià)了聯(lián)合國(guó)IFAD中國(guó)項(xiàng)目對(duì)項(xiàng)目區(qū)受益人精準(zhǔn)脫貧的實(shí)際貢獻(xiàn)。研究結(jié)果顯示：①I(mǎi)FAD項(xiàng)目脫貧效果顯著：IFAD項(xiàng)目的實(shí)施對(duì)項(xiàng)目區(qū)貧困農(nóng)戶(hù)脫貧率的凈貢獻(xiàn)為18.71%，由于IFAD項(xiàng)目實(shí)施而擺脫貧困的受益人總數(shù)達(dá)到80.746萬(wàn)人，其中直接受益人46.113 7萬(wàn)人，間接受益人為34.632 3萬(wàn)人；②從收入結(jié)構(gòu)來(lái)看，IFAD項(xiàng)目干預(yù)對(duì)貧困農(nóng)戶(hù)種植業(yè)收入增長(zhǎng)的影響最大：采用DiD、包含控制變量的DiD、加權(quán)最小二乘DiD和PSM方法分析的結(jié)果顯示，IFAD項(xiàng)目實(shí)施使項(xiàng)目受益人的種植業(yè)收入人均增長(zhǎng)了1 031.15元，且在0.05的水平上顯著；③從家庭特征來(lái)看，市場(chǎng)便捷程度和戶(hù)主學(xué)歷對(duì)IFAD項(xiàng)目干預(yù)效果的影響最大?；谝陨涎芯拷Y(jié)論，本文提出了旨在提高IFAD中國(guó)項(xiàng)目脫貧績(jī)效的政策建議：①應(yīng)充分發(fā)揮聯(lián)合國(guó)IFAD項(xiàng)目精準(zhǔn)脫貧的示范效應(yīng)；②加快貧困地區(qū)農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)以?xún)?yōu)化貧困戶(hù)的收入結(jié)構(gòu)；③進(jìn)一步加強(qiáng)貧困地區(qū)道路和教育等基礎(chǔ)設(shè)施建設(shè)。

關(guān)鍵詞 聯(lián)合國(guó)IFAD；項(xiàng)目績(jī)效評(píng)價(jià)；精準(zhǔn)脫貧；雙差分析（DiD）；傾向得分匹配（PSM）

中圖分類(lèi)號(hào) F061.3 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1002-2104（2017）02-0126-09 doi：10.3969/j.issn.1002-2104.2017.02.018

貧困問(wèn)題是關(guān)乎社會(huì)穩(wěn)定和可持續(xù)發(fā)展的世界性難題。如何消除貧困一直是世界各國(guó)共同關(guān)心的問(wèn)題。消除絕對(duì)貧困是實(shí)現(xiàn)我國(guó)共享發(fā)展和全面建成小康社會(huì)的重要措施。中國(guó)作為世界最大的發(fā)展中國(guó)家，農(nóng)村貧困一直是一個(gè)不容忽視的問(wèn)題。黨的十八大提出了2020年全面建成小康社會(huì)的宏偉目標(biāo)。當(dāng)前，我國(guó)已經(jīng)吹響了消滅絕對(duì)貧困的沖鋒號(hào)，從中央到地方都在積極推進(jìn)精準(zhǔn)扶貧，為2020年實(shí)現(xiàn)“精準(zhǔn)脫貧、不落一人”的目標(biāo)而不懈努力。聯(lián)合國(guó)國(guó)際農(nóng)業(yè)發(fā)展基金（簡(jiǎn)稱(chēng)IFAD），是一個(gè)致力于全球農(nóng)村減貧使命的聯(lián)合國(guó)專(zhuān)門(mén)機(jī)構(gòu)。IFAD從1981年開(kāi)始與中國(guó)政府開(kāi)展了長(zhǎng)達(dá)34年的反貧困合作，積極參與到中國(guó)農(nóng)村的減貧事業(yè)并做出了重要貢獻(xiàn)。截至2016年，IFAD共向中國(guó)批準(zhǔn)了29個(gè)項(xiàng)目，直接受益人4 393 300人，投資總額達(dá)21.918 億美元。IFAD項(xiàng)目的實(shí)施，惠及中國(guó)西北、西南和中部20多個(gè)省市自治區(qū)的農(nóng)村貧困地區(qū)。然而，IFAD中國(guó)項(xiàng)目的扶貧績(jī)效究竟如何？IFAD中國(guó)項(xiàng)目的實(shí)施使項(xiàng)目區(qū)多少貧困人口擺脫了貧困？哪些因素對(duì)IFAD項(xiàng)目干預(yù)效果的影響最大？農(nóng)戶(hù)收入結(jié)構(gòu)對(duì)IFAD項(xiàng)目干預(yù)效果是否存在顯著差異？現(xiàn)有的研究文獻(xiàn)，都沒(méi)能回答這些問(wèn)題。有鑒于此，本文將采用雙差分析（DiD）和傾向得分匹配（PSM）法，對(duì)收入視角下IFAD項(xiàng)目干預(yù)的凈效應(yīng)進(jìn)行分析，以檢驗(yàn)IFAD項(xiàng)目脫貧績(jī)效和對(duì)農(nóng)戶(hù)收入結(jié)構(gòu)干預(yù)效應(yīng)的影響，旨在提出提高扶貧項(xiàng)目精準(zhǔn)脫貧效果的政策建議。

1 文獻(xiàn)綜述

貧困概念最早由英國(guó)經(jīng)濟(jì)學(xué)家Holman 提出，認(rèn)為貧困應(yīng)按照滿(mǎn)足家庭基本需要的物品量或支出量來(lái)衡量[1]。美國(guó)經(jīng)濟(jì)學(xué)家Orshansky用收入定義美國(guó)的貧困問(wèn)題，她提出的貧困定義為美國(guó)官方統(tǒng)計(jì)機(jī)構(gòu)所采納，將購(gòu)買(mǎi)美國(guó)農(nóng)業(yè)部食品計(jì)劃所包含食物費(fèi)用的3倍設(shè)定為貧困線(xiàn)，如果某人的家庭收入低于由此計(jì)算出來(lái)的具有相同特征家庭的貧困線(xiàn)，這個(gè)人就被認(rèn)為是貧困者[2]。我國(guó)學(xué)者童星認(rèn)為貧困是一個(gè)復(fù)合概念，是經(jīng)濟(jì)、社會(huì)、文化落后的總稱(chēng)，因?yàn)槭杖胨降?，?dǎo)致一些生活必需品和基本服務(wù)無(wú)法得到滿(mǎn)足的一種生活狀況[3]。中國(guó)國(guó)家統(tǒng)計(jì)局從1998年開(kāi)始使用人均收入和人均消費(fèi)雙指標(biāo)衡量一個(gè)農(nóng)戶(hù)是否屬于貧困人口。根據(jù)住戶(hù)調(diào)查分戶(hù)收支數(shù)據(jù)測(cè)算，2014年中國(guó)現(xiàn)行農(nóng)村貧困標(biāo)準(zhǔn)為年人均純收入2 800元人民幣。世界銀行根據(jù)對(duì) 34 個(gè)發(fā)展中國(guó)家特別是12 個(gè)最貧困國(guó)家貧困狀況的研究結(jié)果提出，將 370 美元作為國(guó)際通用貧困標(biāo)準(zhǔn)衡量各國(guó)的貧困狀況，按購(gòu)買(mǎi)力平價(jià)簡(jiǎn)化為“1天1美元”的貧困標(biāo)準(zhǔn)[4]。世界銀行2005年調(diào)整為“1天1.25美元”，2015年又調(diào)整到“1天1.9美元”。

基于收入視角的貧困，與生理最低需要相聯(lián)系，低于這個(gè)需要，人就不能正常成長(zhǎng)和生活。由于基本需求確定的復(fù)雜性，經(jīng)濟(jì)學(xué)家們?cè)谘芯康幕A(chǔ)上又提出貧困確定的相對(duì)標(biāo)準(zhǔn)。歐盟各國(guó)普遍采用人均收入低于中位數(shù)50%作為貧困線(xiàn)。1979 年以來(lái)，英國(guó)對(duì)貧困的定義是“家庭收入低于收入中位數(shù)的 60%”，中位數(shù)收入是指處于中間收入分配階層的家庭所獲得的稅后收入。張全紅用向量自回歸模型對(duì)中國(guó)政府的農(nóng)村扶貧資金投入和貧困減少的關(guān)系和Granger因果關(guān)系進(jìn)行了研究，認(rèn)為經(jīng)濟(jì)增長(zhǎng)不僅減少了農(nóng)村貧困人口，同時(shí)也加重了貧困深度指數(shù)和貧困強(qiáng)度指數(shù)[5]。傳統(tǒng)的貧困測(cè)度方法通常是基于家庭的貨幣收入或家庭消費(fèi)的指標(biāo)來(lái)測(cè)度貧困，這種方法較為直接和簡(jiǎn)單，并被世界銀行和中國(guó)政府用來(lái)界定貧困。任春麗基于河北省農(nóng)村貧困的調(diào)查數(shù)據(jù)，從農(nóng)民收入、支出和國(guó)家的扶貧政策三個(gè)方面分析了農(nóng)村貧困狀況，得出的結(jié)論是：農(nóng)民收入少、支出多、政府投資力度不夠、扶貧政策效果不佳是造成農(nóng)村貧困的主要原因[6]。陳琦從人力資本和收入角度對(duì)武陵山區(qū)連片特困地區(qū)農(nóng)村家庭進(jìn)行了研究[7]。Shuai et al.對(duì)IFAD項(xiàng)目對(duì)中國(guó)項(xiàng)目區(qū)的影響進(jìn)行了評(píng)估，結(jié)果顯示：IFAD項(xiàng)目的減貧效果是明顯的，在減貧理念方面的示范作用和影響是深遠(yuǎn)的[8]。Gao et al.采用傾向得分匹配法分析了低保家庭與非低保家庭的減貧效應(yīng)，結(jié)果表明低保家庭減貧效果較為顯著，但難以消除其目標(biāo)群體內(nèi)的貧困現(xiàn)象[9]。

汪三貴認(rèn)為，我國(guó)精準(zhǔn)扶貧方面的困難體現(xiàn)在精準(zhǔn)識(shí)別、精準(zhǔn)扶持和精準(zhǔn)考核三個(gè)方面，并提出了改進(jìn)精準(zhǔn)扶貧績(jī)效的政策建議[10]。李毅等認(rèn)為，對(duì)扶貧項(xiàng)目的績(jī)效評(píng)價(jià)應(yīng)該以項(xiàng)目的目的性為基礎(chǔ)進(jìn)行多角度評(píng)價(jià)，同時(shí)驗(yàn)證了利用數(shù)據(jù)包絡(luò)法對(duì)單一項(xiàng)目績(jī)效評(píng)價(jià)的可行性[11]。朱乾宇通過(guò)政府扶貧資金及其具體投向?qū)μ岣咿r(nóng)業(yè)總產(chǎn)值和農(nóng)民純收入、降低農(nóng)村貧困人口及其比例的回歸分析研究了政府扶貧資金的使用績(jī)效[12]。Garriga R G采用3個(gè)指標(biāo)構(gòu)建了貧困指數(shù)，以貧困指數(shù)排名確定貧困區(qū)域[13]。Amartya Sen提出了能力貧困的概念，他認(rèn)為：貧困問(wèn)題不僅僅是因?yàn)槭杖氲?，它還意味著貧困人口缺乏獲得收入的能力，也就是說(shuō)貧困的真正含義是貧困人口創(chuàng)造收入機(jī)會(huì)和能力的貧困[14]。孫璐基于管理生態(tài)學(xué)思想，采用不同性質(zhì)的評(píng)估案例進(jìn)行對(duì)比實(shí)證檢驗(yàn)，探索了扶貧項(xiàng)目評(píng)估的適用方式，提出了精準(zhǔn)扶貧視角下扶貧項(xiàng)目績(jī)效評(píng)估的改進(jìn)建議[15]。在扶貧績(jī)效評(píng)價(jià)指標(biāo)方面，李興江運(yùn)用層次分析法，通過(guò)建立參與式扶貧模式績(jī)效評(píng)價(jià)指標(biāo)體系，對(duì)甘肅省徽縣麻安村參與式扶貧模式的績(jī)效進(jìn)行了評(píng)價(jià)[16]。宋衛(wèi)信的研究結(jié)果表明：甘肅省扶貧績(jī)效明顯的主要因子依此為人均收入、人均財(cái)政狀況、政府投入的人均非扶貧資金、未解決溫飽人口的人均扶貧資金、人均銀行存款及GDP值[17]。

2 數(shù)據(jù)與方法

2.1 評(píng)估范圍

按照聯(lián)合國(guó)IFAD總部的部署，本次中國(guó)項(xiàng)目影響評(píng)估覆蓋7個(gè)項(xiàng)目，涉及9個(gè)省市區(qū)，這7個(gè)項(xiàng)目實(shí)際總投資達(dá)到49 432.73萬(wàn)美元，其中，IFAD投入19 892.96萬(wàn)美元，占項(xiàng)目總投資的40.24%，中國(guó)政府配套資金投入26 247.16萬(wàn)美元，總投資的53.10%，其余（6.66%）為農(nóng)民投工投勞等（見(jiàn)表1）。這7個(gè)項(xiàng)目的計(jì)劃受益人總數(shù)為5 915 874人、項(xiàng)目實(shí)際受益人總數(shù)為6 407 550人，包括項(xiàng)目直接受益人2 580 779人和項(xiàng)目間接受益人3 826 771人。按照IFAD的定義，項(xiàng)目直接受益人是指直接接受項(xiàng)目干預(yù)措施的農(nóng)戶(hù)即項(xiàng)目戶(hù)的總?cè)丝?，?xiàng)目間接受益人是指項(xiàng)目溢出效應(yīng)即項(xiàng)目示范效應(yīng)所輻射的農(nóng)戶(hù)的總?cè)丝凇?/p>

2.2 IFAD中國(guó)項(xiàng)目脫貧績(jī)效評(píng)價(jià)的理論框架

列入本次評(píng)估對(duì)象的7個(gè)IFAD中國(guó)項(xiàng)目，分布在中國(guó)西南、西北和中部地區(qū)三大區(qū)域9個(gè)省市區(qū)。每個(gè)IFAD項(xiàng)目都包括5方面建設(shè)內(nèi)容（子項(xiàng)目）：即基于土地的農(nóng)業(yè)生產(chǎn)發(fā)展、農(nóng)村基礎(chǔ)設(shè)施建設(shè)、農(nóng)村信貸、社會(huì)發(fā)展和項(xiàng)目管理?？紤]到IFAD中國(guó)項(xiàng)目的實(shí)際情況，按照課題組與IFAD總部達(dá)成的共識(shí)，本次評(píng)估選擇了農(nóng)村信貸、農(nóng)村基礎(chǔ)設(shè)施建設(shè)和社會(huì)發(fā)展3個(gè)子項(xiàng)目開(kāi)展了IFAD國(guó)家級(jí)項(xiàng)目影響的后評(píng)估。IFAD扶貧項(xiàng)目的主要干預(yù)方式，是向貧困農(nóng)戶(hù)發(fā)放小額信貸幫助其發(fā)展農(nóng)牧業(yè)生產(chǎn)，因而農(nóng)村信貸子項(xiàng)目是本次評(píng)估的重點(diǎn)。而農(nóng)村基礎(chǔ)設(shè)施子項(xiàng)目可以反映政府投入和貧困村生產(chǎn)生活設(shè)施的改善情況，這對(duì)項(xiàng)目持續(xù)發(fā)揮效益具有重要作用。社會(huì)發(fā)展子項(xiàng)目主要反映貧困村和貧困人口的健康、教育和賦權(quán)等社會(huì)發(fā)展水平，是項(xiàng)目長(zhǎng)遠(yuǎn)影響和長(zhǎng)期效益的重要體現(xiàn)。

本次IFAD項(xiàng)目影響評(píng)估，參照美國(guó)國(guó)際開(kāi)發(fā)署（USAID）開(kāi)發(fā)的邏輯框架分析法（LFA），并結(jié)合IFAD項(xiàng)目親貧與減貧目標(biāo)導(dǎo)向的設(shè)計(jì)理念，通過(guò)在項(xiàng)目區(qū)開(kāi)展的一系列“投入-產(chǎn)出-結(jié)果-影響”的因果鏈條，從而實(shí)現(xiàn)項(xiàng)目的短期和長(zhǎng)期脫貧目標(biāo)。課題組基于IFAD項(xiàng)目設(shè)計(jì)理念和邏輯框架法（LFA），從項(xiàng)目干預(yù)投入-項(xiàng)目產(chǎn)出-項(xiàng)目短期效果-中期效果-長(zhǎng)期影響的邏輯因果關(guān)系鏈，分析和構(gòu)建了農(nóng)村信貸、農(nóng)村基礎(chǔ)設(shè)施建設(shè)、社會(huì)發(fā)展3個(gè)子項(xiàng)目的減貧路徑，形成了本次IFAD國(guó)家級(jí)項(xiàng)目影響評(píng)估的理論框架。

2.3 樣本容量的確定

為了確定適合本次IFAD國(guó)家級(jí)項(xiàng)目深度影響評(píng)估的樣本容量大小，在90%的置信度下，本文采用SAS 9.1軟件模擬在7種不同情景下受益群體人均純收入的改善程度。考慮到10年來(lái)中國(guó)農(nóng)村的迅速發(fā)展，根據(jù)IFAD項(xiàng)目在中國(guó)項(xiàng)目區(qū)實(shí)施的實(shí)際情況，本文認(rèn)為在7種情景中，情景4（樣本量為900）與現(xiàn)實(shí)最為接近?？紤]到運(yùn)用傾向得分匹配（PSM）方法，本文在理論模擬結(jié)果基礎(chǔ)上又增加了50%的農(nóng)戶(hù)樣本量，即900 × 150% = 1 350，樣本量設(shè)定為1 350左右。

2.4 問(wèn)卷設(shè)計(jì)和抽樣方法

本文采用了分層抽樣和隨機(jī)抽樣相結(jié)合的方法，按照省級(jí)、縣級(jí)、村級(jí)分層抽樣的方法，且各級(jí)抽樣均采用隨機(jī)抽樣的方式選取。此外，根據(jù)本次影響評(píng)估的設(shè)計(jì)方案，為了科學(xué)評(píng)估IFAD干預(yù)效應(yīng)的大小，本研究采用了準(zhǔn)實(shí)驗(yàn)研究方法設(shè)計(jì)了干預(yù)組和對(duì)照組，并分別確定了抽樣方法。對(duì)干預(yù)組（項(xiàng)目村）的抽樣采用了隨機(jī)抽樣的方法選取，采用傾向得分匹配（PSM）法的匹配思想選取了對(duì)照組（非項(xiàng)目村）。在7個(gè)?。▽幭?、重慶、甘肅、新疆、內(nèi)蒙、河南、四川）中抽取了49個(gè)樣本村。首先，每個(gè)省隨機(jī)抽取一個(gè)縣；其次，每個(gè)縣隨機(jī)抽取7個(gè)村，其中隨機(jī)抽取4個(gè)項(xiàng)目村，再運(yùn)用傾向得分匹配（PSM）方法選擇3個(gè)最合適的非項(xiàng)目村；最后，在每個(gè)村隨機(jī)抽取28個(gè)左右的農(nóng)戶(hù)，使農(nóng)戶(hù)樣本總?cè)萘窟_(dá)到1 350左右。

2.5 樣本數(shù)據(jù)一致性檢驗(yàn)

本研究樣本數(shù)據(jù)來(lái)源于本評(píng)估組實(shí)地調(diào)研的7個(gè)?。ɑ蜃灾螀^(qū)、直轄市，下同）的農(nóng)戶(hù)調(diào)查問(wèn)卷。課題組在實(shí)地調(diào)研過(guò)程中共發(fā)放農(nóng)戶(hù)調(diào)查問(wèn)卷1 362份，其中有效問(wèn)卷數(shù)為1 356份，問(wèn)卷有效率分別為99.56%。本文從受訪(fǎng)者是否接受項(xiàng)目干預(yù)、地域、性別、年齡及戶(hù)主學(xué)歷等角度統(tǒng)計(jì)了農(nóng)戶(hù)問(wèn)卷樣本的基本特征，基本特征如下：干預(yù)戶(hù)764，對(duì)照戶(hù)592；從受訪(fǎng)者性別來(lái)看，男性占比75.96%，女性占比24.04%；從受訪(fǎng)者年齡來(lái)看，29歲及以下所占比例為6.34%，30—39歲為12.76%，40—49歲為30.60%，50—59歲為26.70%，60歲及以上為23.60%。從戶(hù)主學(xué)歷來(lái)看，文盲占比20.72%，小學(xué)占比40.78%，初中占比29.50%，高中及以上9.00%。本文對(duì)問(wèn)卷所獲取得數(shù)據(jù)是否具有良好的內(nèi)在一致性進(jìn)行了檢驗(yàn)，結(jié)果顯示：Cronbachs Alpha值和KMO值均在0.7以上，表明實(shí)地調(diào)研獲取的樣本數(shù)據(jù)具有良好的內(nèi)部一致性。

2.6 貧困線(xiàn)的選取

本文選取了農(nóng)民人均純收入作為貧困代理指標(biāo)，以測(cè)算本次調(diào)研的樣本農(nóng)戶(hù)的貧困狀況。已有研究中對(duì)收入測(cè)度的貧困界限的劃分通常采用中國(guó)政府貧困線(xiàn)標(biāo)準(zhǔn)和世界銀行貧困線(xiàn)標(biāo)準(zhǔn)。本次評(píng)估的項(xiàng)目實(shí)施年份跨度為2003—2013年。世界銀行根據(jù)1985年的購(gòu)買(mǎi)力平價(jià)數(shù)據(jù)，將1990年的貧困線(xiàn)標(biāo)準(zhǔn)定在每天1美元。2005年，世界銀行將標(biāo)準(zhǔn)提高到1.25美元?？紤]到收入貧困線(xiàn)標(biāo)準(zhǔn)的國(guó)際實(shí)用性以及IFAD項(xiàng)目總部對(duì)貧困線(xiàn)劃分標(biāo)準(zhǔn)的要求，本文采用了世界銀行標(biāo)準(zhǔn)作為收入貧困線(xiàn)標(biāo)準(zhǔn)，以衡量本次調(diào)研的樣本農(nóng)戶(hù)貧困狀態(tài)的變動(dòng)情況。

2.7 評(píng)價(jià)方法

2.7.1 雙差分法（DiD）

雙差分法主要通過(guò)自然試驗(yàn)的數(shù)據(jù)，通過(guò)有效控制研究對(duì)象間的事前差異，排除時(shí)間等固定效應(yīng)，從而將政策影響的真正結(jié)果有效分離出來(lái)，以便真實(shí)反映政策的真實(shí)干預(yù)效果，減少過(guò)濾結(jié)果變量受時(shí)間和固定效應(yīng)的干擾[18]。本文主要采用雙差分析法對(duì)IFAD項(xiàng)目干預(yù)前后農(nóng)戶(hù)的貧困狀態(tài)進(jìn)行評(píng)估和對(duì)比分析，借以考察IFAD項(xiàng)目對(duì)中國(guó)項(xiàng)目區(qū)農(nóng)戶(hù)貧困狀態(tài)改善（脫貧）的貢獻(xiàn)程度。本文對(duì)項(xiàng)目干預(yù)效應(yīng)的分析主要從以下兩個(gè)角度進(jìn)行：首先，本文基于雙差分方法，對(duì)IFAD項(xiàng)目干預(yù)前后對(duì)項(xiàng)目村與非項(xiàng)目村脫貧率變動(dòng)的差異進(jìn)行了分析；接著，本文采用雙差分析法，采用農(nóng)民人均純收入作為測(cè)度農(nóng)戶(hù)貧困狀態(tài)的代理指標(biāo)，對(duì)項(xiàng)目前后項(xiàng)目農(nóng)戶(hù)和非項(xiàng)目（對(duì)照）農(nóng)戶(hù)收入的差異進(jìn)行了分析。

DiD的評(píng)估模型見(jiàn)式（1）：

包括協(xié)變量的DiD評(píng)估模型見(jiàn)式（2）：

上式中，yit代表農(nóng)戶(hù)貧困狀態(tài)，i代表農(nóng)戶(hù)，t代表時(shí)期，Pi為二值虛擬變量，用于衡量農(nóng)戶(hù)是否參與IFAD項(xiàng)目，Tt衡量農(nóng)戶(hù)參與項(xiàng)目時(shí)期，Xit為影響農(nóng)戶(hù)貧困狀態(tài)的協(xié)變量組。我們將全部樣本分為四組，即項(xiàng)目前、后控制組和項(xiàng)目前、后處理組。經(jīng)代入公式可知交乘項(xiàng)的系數(shù)N1為本文研究的IFAD項(xiàng)目對(duì)中國(guó)項(xiàng)目區(qū)農(nóng)戶(hù)的凈影響。然而，該方法對(duì)項(xiàng)目前后其他因素要求非?？量?，要求對(duì)照組和處理組對(duì)于項(xiàng)目干預(yù)以外的其它影響因素完全相同。因此，我們?cè)冢?）的基礎(chǔ)上引入了協(xié)變量，考察其在控制外部變量的情況下IFAD項(xiàng)目對(duì)農(nóng)戶(hù)的平均處理效應(yīng)。

本文采用獨(dú)立樣本T檢驗(yàn)對(duì)項(xiàng)目干預(yù)前處理組與對(duì)照組差異的顯著性進(jìn)行了檢驗(yàn)，結(jié)果表明：項(xiàng)目干預(yù)前，處理組與對(duì)照組之間不具備顯著差異，即滿(mǎn)足采用雙差異分析法的前提條件。

2.7.2 傾向得分匹配法（PSM）

傾向得分匹配方法（PSM）最早由Rosenbaum和Rubin提出，其基本思想在于評(píng)估某項(xiàng)政策的效果時(shí)，若能找到與處理組盡可能相似的控制組，就可能盡最大程度的降低樣本選擇偏誤，使得政策評(píng)估的結(jié)果更加合理[19]。本文采用PSM的基本思想進(jìn)行了樣本村與對(duì)照村的選擇，選取了4個(gè)基本指標(biāo)用于確定對(duì)照村（項(xiàng)目基年的村級(jí)農(nóng)民人均純收入、人均耕地面積、農(nóng)戶(hù)到最近市場(chǎng)的距離、村部所在地的海拔高度），并據(jù)此采用傾向得分匹配的方式從項(xiàng)目縣沒(méi)有參加IFAD項(xiàng)目的村中抽取對(duì)照村，在對(duì)照村內(nèi)采用隨機(jī)抽樣的方式選擇樣本農(nóng)戶(hù)。本文采用PSM法對(duì)IFAD中國(guó)項(xiàng)目脫貧的凈貢獻(xiàn)進(jìn)行了分析。PSM方法的基本原理見(jiàn)式（4），項(xiàng)目組的可觀察特征X，參與了項(xiàng)目用T = 1表示，傾向得分值為P（X） = Pr （T = 1|x），當(dāng)PSM方法的前提假設(shè)得到滿(mǎn)足時(shí)，IFAD項(xiàng)目干預(yù)的平均處理效應(yīng)ATET可以用項(xiàng)目組的平均產(chǎn)出E[YT|T=1， P（X）]減去對(duì)照組的平均產(chǎn)出E[YC|T=0， P（X）]表示：

本文根據(jù)Logit模型獲取PS值，采用多維匹配的方法，獲取影響農(nóng)戶(hù)貧困狀態(tài)的個(gè)體因素和家庭因素，以便于尋找與項(xiàng)目戶(hù)更相似的對(duì)照戶(hù)。運(yùn)用Probit模型分析選擇作為進(jìn)入PSM模型的協(xié)變量，分別為戶(hù)主年齡（hha）、戶(hù)主學(xué)歷（hhe）、家庭成員數(shù)（nfm）、勞動(dòng)力中女性占比（pww）、家庭勞動(dòng)力個(gè)數(shù)（nfl）、去市場(chǎng)的最短耗時(shí)（ttm）和人均耕地面積（aveland）。然后，本文分別運(yùn)用近鄰匹配法（1∶1）、核匹配法、半徑匹配法，估計(jì)IFAD項(xiàng)目干預(yù)的平均處理效果ATET。通過(guò)運(yùn)用不同的匹配方法對(duì)項(xiàng)目組農(nóng)戶(hù)和對(duì)照組農(nóng)戶(hù)進(jìn)行匹配，可以檢驗(yàn)PSM方法對(duì)IFAD項(xiàng)目干預(yù)的平均處理效果的穩(wěn)健性。

本文采用PSM平衡假設(shè)檢驗(yàn)結(jié)果表明：匹配后偏差百分比基本上都小于5%，表明平衡效果較好；匹配后的t檢驗(yàn)結(jié)果表明，處理組與對(duì)照組的差異不顯著，表明滿(mǎn)足平衡假設(shè)條件。

3 IFAD中國(guó)項(xiàng)目精準(zhǔn)脫貧績(jī)效評(píng)價(jià)結(jié)果與分析

3.1 IFAD項(xiàng)目對(duì)項(xiàng)目區(qū)直接受益人的精準(zhǔn)脫貧績(jī)效分析

本文采用雙差分分析法，參照世界銀行貧困線(xiàn)標(biāo)準(zhǔn)，基于IFAD項(xiàng)目實(shí)施前后農(nóng)民人均純收入變動(dòng)的樣本數(shù)據(jù)，測(cè)算了項(xiàng)目區(qū)項(xiàng)目前后脫貧率的變動(dòng)情況，以揭示IFAD項(xiàng)目對(duì)項(xiàng)目區(qū)直接受益人脫貧的實(shí)際貢獻(xiàn)，測(cè)算結(jié)果見(jiàn)表2。

按照IFAD要求，本次評(píng)估采用世界銀行貧困線(xiàn)標(biāo)準(zhǔn)，各省項(xiàng)目村脫貧率均實(shí)現(xiàn)了大幅度增長(zhǎng)。從總體上看，七省項(xiàng)目村項(xiàng)目前脫貧率為35.86%，而項(xiàng)目后脫貧率為93.59%，項(xiàng)目前后增長(zhǎng)了57.73%。同期，對(duì)照村脫貧率由項(xiàng)目前的36.99%提高到項(xiàng)目后的76.01%，項(xiàng)目前后增長(zhǎng)了39.02%。雙差異分析（DiD）結(jié)果顯示：由于IFAD項(xiàng)目實(shí)施，項(xiàng)目村脫貧速度高于對(duì)照村18.71%，這是IFAD項(xiàng)目對(duì)項(xiàng)目村減貧的凈貢獻(xiàn)。從各省分別來(lái)看，IFAD項(xiàng)目對(duì)脫貧率的貢獻(xiàn)大小依次為：內(nèi)蒙古（24.70%）、新疆（20.83%）、甘肅（17.56%）、重慶（17.27%）、寧夏（15.31%）、四川（12.60%）、河南（10.40%）。

與此同時(shí)，本文從項(xiàng)目村與對(duì)照村人均純收入上升的農(nóng)戶(hù)所占比例之差的視角來(lái)分析IFAD項(xiàng)目對(duì)減貧帶來(lái)的影響。本文以世界銀行標(biāo)準(zhǔn)衡量農(nóng)戶(hù)項(xiàng)目后的脫貧和未脫貧狀態(tài)，且農(nóng)戶(hù)在項(xiàng)目期內(nèi)人均純收入的變動(dòng)情況，即農(nóng)戶(hù)若在項(xiàng)目后處于未脫貧或脫貧狀態(tài)，則該農(nóng)戶(hù)的人均純收入在整個(gè)項(xiàng)目期內(nèi)是處于上升還是下降？從總體上來(lái)看，所有項(xiàng)目村農(nóng)民人均純收入處于上升的比率為97.64%，而同期對(duì)照村為90.03%，項(xiàng)目村比對(duì)照村高出7.61%。項(xiàng)目區(qū)有6.15%的農(nóng)戶(hù)雖未達(dá)到脫貧標(biāo)準(zhǔn)，但這部分農(nóng)戶(hù)的人均純收入在項(xiàng)目期內(nèi)也實(shí)現(xiàn)了正增長(zhǎng)。

3.2 脫貧績(jī)效的顯著性檢驗(yàn)

基于上述人均純收入貧困標(biāo)準(zhǔn)，本文對(duì)7個(gè)省項(xiàng)目村和對(duì)照村的脫貧率以及脫貧率的差異進(jìn)行了分析，并在此基礎(chǔ)上采用獨(dú)立樣本T檢驗(yàn)了項(xiàng)目村和對(duì)照村脫貧情況變動(dòng)差異的顯著性。檢驗(yàn)結(jié)果表明：P=0.023<0.05，這顯示項(xiàng)目村與對(duì)照村在人均純收入維度下脫貧率的雙差分結(jié)果存在顯著差異，置信水平達(dá)到95%（見(jiàn)表3）。與此同時(shí)，本文對(duì)項(xiàng)目戶(hù)與對(duì)照戶(hù)項(xiàng)目前后的收入差異進(jìn)行了分析，并對(duì)項(xiàng)目戶(hù)與非項(xiàng)目戶(hù)項(xiàng)目前后人均純收入增量差異的顯著性也進(jìn)行了檢驗(yàn)，結(jié)果見(jiàn)表4。檢驗(yàn)結(jié)果表明：在脫貧率方面，項(xiàng)目村的脫貧率顯著高于對(duì)照村；在人均純收入的增量方面，項(xiàng)目戶(hù)的收入增長(zhǎng)顯著高于非項(xiàng)目戶(hù)。

3.3 基于雙差分的扶貧項(xiàng)目效果分析

本文首先采用雙差分模型對(duì)IFAD項(xiàng)目的扶貧績(jī)效進(jìn)行測(cè)度，選用人均純收入作為主要測(cè)度指標(biāo)，結(jié)果表明，項(xiàng)目干預(yù)對(duì)農(nóng)戶(hù)收入的凈貢獻(xiàn)為：農(nóng)戶(hù)人均收入增長(zhǎng)了1 101.145元，且達(dá)到了99.99%的顯著性水平。為增加分析結(jié)果的可靠性和穩(wěn)定性，本文采用包括控制變量的雙差異分析模型對(duì)IFAD項(xiàng)目的扶貧績(jī)效進(jìn)行測(cè)度。本文對(duì)控制變量的選取采用Logit模型，最終選用家庭中婦女勞動(dòng)力占比、戶(hù)主年齡、戶(hù)主學(xué)歷、家庭成員數(shù)、家庭勞動(dòng)力個(gè)數(shù)、去市場(chǎng)的最短耗時(shí)和人均耕地作為控制變量，對(duì)IFAD項(xiàng)目對(duì)農(nóng)戶(hù)人均純收入的凈貢獻(xiàn)進(jìn)行分析，結(jié)果見(jiàn)表5。從表5不難看出：在控制農(nóng)戶(hù)家庭規(guī)模、土地情況、勞動(dòng)力情況和市場(chǎng)便捷程度等規(guī)模的情況下，IFAD項(xiàng)目干預(yù)對(duì)農(nóng)戶(hù)收入增長(zhǎng)的凈貢獻(xiàn)為883.299元。對(duì)模型中控制變量的分析結(jié)果表明，去市場(chǎng)的最短耗時(shí)對(duì)項(xiàng)目?jī)糌暙I(xiàn)的影響最大（-1 017.533，p=0.000），即以市場(chǎng)最短耗時(shí)表征的市場(chǎng)便利越短，對(duì)收入增長(zhǎng)的影響最大；戶(hù)主學(xué)歷對(duì)項(xiàng)目?jī)糌暙I(xiàn)的影響也較大（176.726，p=0.000），即戶(hù)主學(xué)歷越高，對(duì)收入增長(zhǎng)的貢獻(xiàn)越大。研究結(jié)果還表明，家庭勞動(dòng)力個(gè)數(shù)（-99.645，p=0.049）和人均耕地面積（-30.635，p=0.014）對(duì)收入增長(zhǎng)具有負(fù)向影響。

此外，本文還對(duì)IFAD扶貧項(xiàng)目對(duì)受益農(nóng)戶(hù)收入結(jié)構(gòu)的影響進(jìn)行了分析，分別采用DiD、包含控制變量的DiD和加權(quán)最小二乘DiD方法，對(duì)人均收入視角下IFAD項(xiàng)目干預(yù)的凈效應(yīng)進(jìn)行了分析。結(jié)果顯示：IFAD項(xiàng)目對(duì)農(nóng)戶(hù)人均純收入干預(yù)效果顯著，在不考慮控制變量的情況下，項(xiàng)目的凈干預(yù)效應(yīng)為1 101.145元，在考慮控制變量的情況下為883.299元，在加權(quán)最小二乘法估計(jì)的結(jié)果下為938.978元，三種估計(jì)方法的均值為974.474元。即從總體上來(lái)看，IFAD對(duì)農(nóng)戶(hù)人均純收入的貢獻(xiàn)顯著。從收入結(jié)構(gòu)來(lái)分析，IFAD項(xiàng)目干預(yù)對(duì)人均種植業(yè)收入的貢獻(xiàn)顯著，而在人均養(yǎng)殖業(yè)收入、人均外出務(wù)工收入、人均政府補(bǔ)貼收入和人均其他收入方面的貢獻(xiàn)不顯著。其可能原因在于，上述項(xiàng)目地區(qū)主要以種植業(yè)為主，因此IFAD項(xiàng)目對(duì)種植業(yè)的干預(yù)效應(yīng)顯著；而養(yǎng)殖業(yè)由于受養(yǎng)殖規(guī)模的影響，項(xiàng)目干預(yù)效應(yīng)并未達(dá)到顯著性水平。

3.4 基于PSM的扶貧項(xiàng)目效果分析

為提高對(duì)IFAD扶貧項(xiàng)目干預(yù)效應(yīng)分析的穩(wěn)定性，本文采用傾向得分匹配法對(duì)項(xiàng)目干預(yù)的凈效應(yīng)進(jìn)行了分析，分別采用核匹配和半徑匹配（0.001）的方法估算項(xiàng)目的干預(yù)效果。結(jié)果顯示：采用2種匹配方法估算的IFAD項(xiàng)目扶貧效果分別使農(nóng)民人均純收入增長(zhǎng)了426.870元和564.180元，取二者的平均值，即項(xiàng)目干預(yù)對(duì)人均收入增長(zhǎng)的凈貢獻(xiàn)為495.525元。從收入結(jié)構(gòu)來(lái)看，項(xiàng)目干預(yù)對(duì)人均種植業(yè)收入（728.756元）貢獻(xiàn)最大，其次為人均外出務(wù)工收入（666.889元）、人均養(yǎng)殖業(yè)收入（324005元）、人均其他收入（98.322元）和人均政府補(bǔ)貼收入（84.875元）。

3.5 IFAD項(xiàng)目在9省項(xiàng)目區(qū)脫貧總?cè)丝诘臏y(cè)算

3.5.1 IFAD中國(guó)項(xiàng)目區(qū)直接受益人脫貧人口的測(cè)算

本文根據(jù)上述IFAD項(xiàng)目區(qū)脫貧率的測(cè)度，以項(xiàng)目受益人為基礎(chǔ)數(shù)據(jù)，對(duì)項(xiàng)目區(qū)內(nèi)因受項(xiàng)目干預(yù)而脫貧的人口進(jìn)行了推算，結(jié)果見(jiàn)表6。

3.5.2 IFAD中國(guó)項(xiàng)目區(qū)間接受益人脫貧人口的測(cè)算

本文以甘肅省廣河縣為例測(cè)算了IFAD項(xiàng)目對(duì)間接受益人脫貧的貢獻(xiàn)率，結(jié)果如表7所示。

由于缺乏其他項(xiàng)目縣的相關(guān)數(shù)據(jù)，本文采用甘肅省廣河縣項(xiàng)目后（2013年）IFAD項(xiàng)目對(duì)間接受益人脫貧的貢獻(xiàn)率（9.05%）來(lái)推算各省IFAD項(xiàng)目間接受益人的脫貧人口數(shù)，如表8所示。

3.5.3 IFAD中國(guó)項(xiàng)目區(qū)總受益人脫貧人口的測(cè)算

基于上述分析結(jié)果，本文對(duì)本次評(píng)估9個(gè)IFAD項(xiàng)目省（市、區(qū)）的受益人脫貧總?cè)丝谶M(jìn)行了測(cè)算，IFAD項(xiàng)目脫貧的總受益人數(shù)為80.746萬(wàn)人（見(jiàn)表9）?；跇颖究h的脫貧率對(duì)我國(guó)9省市區(qū)的測(cè)算，截至2013年底，IFAD項(xiàng)目實(shí)施的9省市項(xiàng)目區(qū)擺脫貧困的總?cè)丝谝堰_(dá)562.61萬(wàn)人，其中項(xiàng)目直接受益人239.58萬(wàn)人，項(xiàng)目間接受益人323.03萬(wàn)人。

4 結(jié)論與建議

4.1 研究結(jié)論

通過(guò)以上實(shí)證分析，本文得出如下結(jié)論：

（1）從總體上來(lái)看，IFAD項(xiàng)目脫貧效果顯著。研究結(jié)果顯示：參照世界銀行貧困線(xiàn)標(biāo)準(zhǔn)，截至2013年底，我國(guó)9?。▍^(qū)市）IFAD項(xiàng)目區(qū)脫貧總?cè)丝谝堰_(dá)562.61萬(wàn)人。從IFAD項(xiàng)目對(duì)項(xiàng)目區(qū)脫貧的實(shí)際貢獻(xiàn)來(lái)看，IFAD項(xiàng)目的實(shí)施對(duì)項(xiàng)目區(qū)貧困農(nóng)戶(hù)脫貧率的凈貢獻(xiàn)為18.71%，對(duì)脫貧人口總數(shù)的凈貢獻(xiàn)為80.746萬(wàn)人，即在9?。▍^(qū)市）項(xiàng)目實(shí)施期內(nèi)562.61萬(wàn)的脫貧總?cè)丝谥?，?0.746萬(wàn)人由于IFAD項(xiàng)目的實(shí)施而擺脫了貧困；從人均純收入角度來(lái)看，基于DiD模型分析的項(xiàng)目干預(yù)的凈貢獻(xiàn)為1 101.145元，采用包括控制變量的DiD模型分析的項(xiàng)目干預(yù)的凈貢獻(xiàn)為883.299元，采用加權(quán)最小二乘模型估計(jì)的項(xiàng)目干預(yù)凈效應(yīng)為938.978元，采用PSM分析的項(xiàng)目干預(yù)的凈貢獻(xiàn)為574.290元，且均在0.05的水平上顯著，平均干預(yù)效果為974.474元。

（2）從收入結(jié)構(gòu)來(lái)看，IFAD項(xiàng)目干預(yù)對(duì)種植業(yè)收入增長(zhǎng)的影響最大。本文的交叉驗(yàn)證分析結(jié)果表明：在農(nóng)戶(hù)收入結(jié)構(gòu)中，IFAD項(xiàng)目干預(yù)對(duì)種植業(yè)收入增長(zhǎng)影響最大。在IFAD項(xiàng)目的干預(yù)下，人均種植業(yè)收入平均增長(zhǎng)了1 031.15元。雙差分結(jié)果表明：項(xiàng)目干預(yù)對(duì)人均種植業(yè)收入的貢獻(xiàn)最大（974.474元）且顯著，而對(duì)人均養(yǎng)殖業(yè)收入、外出務(wù)工收入、政府補(bǔ)貼收入和其他收入方面的貢獻(xiàn)不顯著；PSM分析結(jié)果表明：項(xiàng)目干預(yù)對(duì)人均種植業(yè)收入（728.756元）貢獻(xiàn)最大，其次為人均外出務(wù)工收入（666.889元）、人均養(yǎng)殖業(yè)收入（324.005元）、人均其他收入（98.322元）和人均政府補(bǔ)貼收入（84.875元），且均在0.05的水平上顯著。

（3）從家庭特征來(lái)看，市場(chǎng)便捷程度和戶(hù)主學(xué)歷對(duì)IFAD項(xiàng)目干預(yù)效果的影響最大。從包含控制變量的雙差分模型可以看出，去市場(chǎng)的最短耗時(shí)對(duì)項(xiàng)目?jī)糌暙I(xiàn)的影響最大（-1 017.533，p=0.000），即以市場(chǎng)最短耗時(shí)表征的市場(chǎng)便利越短，對(duì)收入增長(zhǎng)的影響最大；戶(hù)主學(xué)歷對(duì)項(xiàng)目

凈貢獻(xiàn)的影響也較大（176.726，p=0.000），即戶(hù)主學(xué)歷越高，對(duì)收入增長(zhǎng)的貢獻(xiàn)越大。研究結(jié)果還表明，家庭勞動(dòng)力個(gè)數(shù)（-99.645，p=0.049）和人均耕地面積（-30.635，p=0.014）對(duì)收入增長(zhǎng)具有負(fù)向影響。

4.2 政策建議

基于以上研究結(jié)論，本文提出以下建議：

（1）應(yīng)充分發(fā)揮聯(lián)合國(guó)IFAD項(xiàng)目精準(zhǔn)脫貧的示范效應(yīng)。研究表明，IFAD中國(guó)項(xiàng)目的精準(zhǔn)脫貧效果顯著，為項(xiàng)目區(qū)貧困人口脫貧致富發(fā)揮了重要作用。本文課題組在各省IFAD項(xiàng)目區(qū)調(diào)研時(shí)發(fā)現(xiàn)，IFAD項(xiàng)目高度重視扶貧對(duì)象即項(xiàng)目受益人的生計(jì)改善和可持續(xù)發(fā)展，在增加項(xiàng)目受益人收入的同時(shí)加強(qiáng)貧困人口尤其是婦女等弱勢(shì)群體的能力建設(shè)，高度重視項(xiàng)目實(shí)施過(guò)程的監(jiān)測(cè)評(píng)價(jià)（M&E）和結(jié)果導(dǎo)向的精細(xì)管理（RIMS），使IFAD項(xiàng)目干預(yù)活動(dòng)實(shí)現(xiàn)了預(yù)期的脫貧目標(biāo)。為此，建議我國(guó)在當(dāng)前精準(zhǔn)扶貧和精準(zhǔn)脫貧的語(yǔ)境下，充分發(fā)揮IFAD項(xiàng)目精準(zhǔn)脫貧的示范效應(yīng)，借鑒IFAD扶貧項(xiàng)目實(shí)施和管理的有益做法和經(jīng)驗(yàn)，強(qiáng)化各類(lèi)精準(zhǔn)扶貧項(xiàng)目的監(jiān)測(cè)評(píng)價(jià)和過(guò)程管理，以大幅度改善扶貧項(xiàng)目脫貧的實(shí)際效果。

（2）加快貧困地區(qū)農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)以?xún)?yōu)化貧困戶(hù)的收入結(jié)構(gòu)。研究結(jié)果顯示，IFAD扶貧項(xiàng)目的干預(yù)措施對(duì)貧困農(nóng)戶(hù)的收入結(jié)構(gòu)產(chǎn)生了影響，提高了種植業(yè)和養(yǎng)殖業(yè)收入的比重，降低了貧困戶(hù)對(duì)政府補(bǔ)貼和外出打工的過(guò)度依賴(lài)。這有助于提高貧困人口的“造血機(jī)能”，以提高貧困人口脫貧致富的穩(wěn)定性和可持續(xù)性。因此，建議我國(guó)在精準(zhǔn)脫貧進(jìn)程中加快貧困地區(qū)農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，因地制宜、因戶(hù)施策地發(fā)展特色種植業(yè)和特色養(yǎng)殖業(yè)，以?xún)?yōu)化貧困農(nóng)戶(hù)的收入結(jié)構(gòu)，提高貧困人口精準(zhǔn)脫貧的長(zhǎng)效性。

（3）進(jìn)一步加強(qiáng)貧困地區(qū)道路和教育等基礎(chǔ)設(shè)施建設(shè)。研究表明，IFAD扶貧項(xiàng)目干預(yù)效果在很大程度上受貧困戶(hù)市場(chǎng)便捷程度和戶(hù)主學(xué)歷的影響。這表明，鄉(xiāng)村道路和貧困戶(hù)受教育程度是制約貧困人口盡快脫貧的瓶頸要素。因此，建議在當(dāng)前我國(guó)強(qiáng)力推進(jìn)的精準(zhǔn)扶貧熱潮中，進(jìn)一步加強(qiáng)貧困地區(qū)以鄉(xiāng)村道路為主的農(nóng)村基礎(chǔ)設(shè)施建設(shè)，加強(qiáng)貧困地區(qū)的基礎(chǔ)教育和勞動(dòng)力的實(shí)用技能培訓(xùn)，以此拔掉窮根，從根本上改變貧困地區(qū)的落后面貌，以實(shí)現(xiàn)到2020年“精準(zhǔn)脫貧，不落一人”的目標(biāo)。

參考文獻(xiàn)（References）

[1]HOLMAN R. Poverty explanation of social deprivation [M]. London： Martin Robertson， 1978.

[2]ORSHANSKY M. Counting the poor： another look at the poverty profile [J]. Soc. sec. bull， 1965， 28（1）：3-29.

[3]童星， 林閩鋼. 我國(guó)農(nóng)村貧困標(biāo)準(zhǔn)線(xiàn)研究[J]. 中國(guó)社會(huì)科學(xué)， 1994 （3）： 86-98. [TONG Xing， LIN Mingang. Study on rural poverty lines in China [J].Social sciences in China， 1994（3）： 86-98.]

[4]世界銀行. 1990年世界發(fā)展報(bào)告[R]. 1990. [World Bank. World development report in 1990 [R]. 1990.]

[5]張全紅. 中國(guó)農(nóng)村扶貧資金投入與貧困減少的經(jīng)驗(yàn)分析[J]. 經(jīng)濟(jì)評(píng)論， 2010 （2）：42-50. [ZHANG Quanhong. An empirical analysis on poverty alleviation funds input and poverty reduction [J]. Economic review， 2010（2）：42-50.]

[6]任春麗， 王余丁， 趙邦宏. 農(nóng)村貧困狀況調(diào)查分析——基于河北省調(diào)查問(wèn)卷的分析[J]. 經(jīng)濟(jì)論壇， 2011（4）：68-73. [REN Chunli， WANG Yuding， ZHAO Banghong. Analysis of rural poverty： based on a questionnaire survey of Hebei Province [J]. Economic forum， 2011（4）：68-73.]

[7]陳琦. 連片特困地區(qū)農(nóng)村家庭人力資本與收入貧困——基于武陵山片區(qū)的實(shí)證考察[J]. 江西社會(huì)科學(xué)， 2012（7）：231-275. [CHEN Qi. Human capital and income poverty of rural families in continuous poor areas： based on an empirical investigation of the Wuling mountain areas [J]. Jiangxi social sciences， 2012（7）：231-275.]

[8]SHUAI C， LI Z， SUN R. IFAD projects： results and impact on poverty reduction in rural China [J]. Outlook on agriculture， 2011， 40（4）：329-336（8）.

[9]GAO Q， YANG S， LI S. Welfare， targeting， and anti-poverty effectiveness： the case of urban China [J]. Quarterly review of economics & finance， 2014， 56：30-42.

[10]汪三貴， 郭子豪. 論中國(guó)的精準(zhǔn)扶貧[J]. 貴州社會(huì)科學(xué)， 2015（5）：147-150. [WANG Sangui， GUO Zihao. Analysis of targeted poverty alleviation in China [J]. Guizhou social sciences， 2015（5）：147-150.]

[11]李毅， 王榮黨， 段云龍. 基于數(shù)據(jù)包絡(luò)法的農(nóng)村扶貧項(xiàng)目績(jī)效評(píng)價(jià)模型研究[J]. 項(xiàng)目管理技術(shù)， 2012 （9）：49-55. [LI Yi， WANG Rongdang， DUAN Yunlong. Analysis of rural poverty alleviation project performance evaluation model in rural China [J]. Project management technology， 2012 （9）：49-55.]

[12]朱乾宇. 政府扶貧資金投入方式與扶貧績(jī)效的多元回歸分析[J]. 中央財(cái)經(jīng)大學(xué)學(xué)報(bào)， 2004 （7）：11-15. [ZHU Qianyu. Multiple regression analysis of the way of government funding in poverty and poverty alleviation performance [J]. Journal of Central University of Finance & Economics， 2004 （7）：11-15.]

[13]GARRIGA R G， FOGUET A P. Unravelling the linkages between water， sanitation， hygiene and rural poverty： the WASH poverty index [J]. Water resources management， 2013， 27（5）： 1501-1515.

[14]SEN A. Poverty： an ordinal approach to measurement [J]. Econometrica， 1976， 44（5）：219-31.

[15]孫璐， 陳寶峰. 基于AHP-TOSPSIS方法的扶貧開(kāi)發(fā)項(xiàng)目績(jī)效評(píng)估研究——以四川大小涼山地區(qū)為例[J]. 科技與經(jīng)濟(jì)， 2015， 28（1）：62-66. [SUN Lu， CHEN Baofeng. Research on the performance evaluation of rural poverty Alleviation and development project in AHP-TOPSIS： based on the data of Sichuan Liangshan area [J]. Science & technology and economy， 2015， 28（1）：62-66.]

[16]李興江， 陳懷葉. 參與式整村推進(jìn)扶貧模式扶貧績(jī)效的實(shí)證分析——以甘肅省徽縣麻安村為例[J]. 甘肅社會(huì)科學(xué)， 2008（6）：53-56. [LI Xingjiang， CHEN Huaiye. Empirical analysis on the poverty alleviation performance of ‘the whole Village approach：a case study on Maan Village， Huixian County， Gansu Province [J]. Gansu social sciences， 2008 （6）：53-56.]

[17]宋衛(wèi)信. 甘肅六十個(gè)貧困縣扶貧績(jī)效因子分析[J]. 甘肅農(nóng)業(yè)大學(xué)學(xué)報(bào)， 2004 （5）：595-600. [SONG Weixin. Factor analysis of poverty alleviation performance of sixty impoverished counties in Gansu [J]. Journal of Gansu Agricultural University， 2004 （5）：595-600.]

[18]RAVALLION M. Chapter 59 evaluating anti-poverty programs [J]. Handbook of development economics， 2007， 4（7）： 3787-3846.

[19]ROSENBAUM P R， RUBIN D B. The central role of the propensity score in observational studies for causal effects [J]. Biometrika， 1983， 70（1）： 41-55.