生計資本視角下貧困地區(qū)返貧風(fēng)險的識別—以黑水縣為例

騰葉 陳念

摘要：返貧現(xiàn)象的存在，在一定程度上延緩了我國的脫貧攻堅工作進(jìn)程，蠶食了脫貧攻堅工作的成果。本文以黑水縣為例，運(yùn)用多元Probit模型對農(nóng)戶的返貧風(fēng)險進(jìn)行實(shí)證研究，發(fā)現(xiàn)對貧困地區(qū)農(nóng)戶返貧影響顯著的因素為家庭有受教育兒童，以及轉(zhuǎn)移性收入在家庭總收入占比過高。孩子的教育會在一定程度上加重農(nóng)戶的負(fù)擔(dān)，而農(nóng)戶對轉(zhuǎn)移性收入依賴過強(qiáng)可能會導(dǎo)致農(nóng)戶生計脆弱加重。由此提出重視教育、拓寬農(nóng)戶收入渠道及構(gòu)建農(nóng)戶風(fēng)險保障機(jī)制的建議。

關(guān)鍵詞：生計資本;返貧風(fēng)險;Probit模型

黨的十八大以來，在以習(xí)近平同志為核心的黨中央從理論到實(shí)踐所形成的“精準(zhǔn)扶貧、精準(zhǔn)脫貧”農(nóng)村貧困治理思想指導(dǎo)下，上下齊心，共同推進(jìn)中國減貧事業(yè)取得歷史性新突破。據(jù)建檔立卡的數(shù)據(jù)統(tǒng)計顯示，從2012年至2018年的六年間，我國農(nóng)村貧困人口從9888萬人減少到1660萬人，累計減少貧困人口8239萬人，貧困發(fā)生率從10.2%下降到1.7%，減少了將近9個百分點(diǎn)。建檔立卡貧困村從12.8萬個減少到2.6萬個，有10萬個貧困村已經(jīng)脫貧退出。在貧困戶退出貧困后，因災(zāi)因病返貧現(xiàn)象出現(xiàn)，返貧問題的存在不容忽視，可能阻礙我國脫貧攻堅目標(biāo)順利實(shí)現(xiàn)。

一、相關(guān)文獻(xiàn)

現(xiàn)有的關(guān)于扶貧過程中返貧問題的研究主要集中在兩個方面：一是返貧因素的研究。鄭瑞強(qiáng)、曹國慶等（2016）將返貧分為：政策性返貧、缺失返貧、因災(zāi)返貧以及發(fā)展中返貧，利用“生計空間重塑”理論清晰梳理致貧機(jī)理，據(jù)此來提出有效的脫貧人口后續(xù)發(fā)展政策。張珺（2011）認(rèn)為返貧現(xiàn)象出現(xiàn)是因為脫貧工作只關(guān)注數(shù)量，不重視質(zhì)量而導(dǎo)致扶貧工作失真返貧，以及在扶貧中重視物質(zhì)投入，忽視精神脫貧，在遭遇沖擊時容易返貧。Alkire and Foster（2011）提出了多維貧困的識別方法，并以此為基礎(chǔ)從多維方面進(jìn)行返貧識別。Satya and Amita（2005）在單維貧困測度公理的基礎(chǔ)上概括出了多維貧困測度公理，討論了衡量返貧的指數(shù)是否符合公理條件。

二是對返貧問題的治理。范和生（2017）分析和理性辨識了政策環(huán)境預(yù)警、自然環(huán)境預(yù)警以及主體自身預(yù)警三種返貧預(yù)警的類型，提出了建立有效的返貧預(yù)警機(jī)制，在源頭上治理返貧問題。付東震（2017）具體以福建市建甌市為例，對扶貧過程中的返貧阻斷的現(xiàn)狀做了簡要分析，提出了精準(zhǔn)識別的動態(tài)管理、重視基礎(chǔ)設(shè)施建設(shè)等關(guān)于建立返貧阻斷長效機(jī)制的建議。何華征等（2017）分析了返貧的模式，提出了通過財富內(nèi)生、心理介入、制度供應(yīng)、價值挖掘、新民塑造等方式來阻斷返貧現(xiàn)象。綜合來看，對于返貧因素，返貧問題治理的分析研究是較為豐富多維的。而在實(shí)踐方面，扶貧工作在政府“精準(zhǔn)扶貧，精準(zhǔn)脫貧”貧困治理理論的指導(dǎo)下，取得了歷史性的突破。

隨著返貧問題研究的深入，發(fā)現(xiàn)農(nóng)村返貧問題與農(nóng)戶的生計脆弱性密切相關(guān)。生計（Livelihood）最早被理解為一種謀生的手段或方法，由Robert Chambers在20世紀(jì)80年代中期首次提出之后，現(xiàn)在已經(jīng)被廣泛的運(yùn)用在貧困問題、返貧問題以及農(nóng)村問題的研究當(dāng)中。英國國際發(fā)展部（DFID）在2000年提出了一個眾多學(xué)者廣泛認(rèn)可的框架—可持續(xù)生計分析框架（the Sustainable Livelihoods Approach，SLA），該框架將可持續(xù)生計資本劃分為人力資本、自然資本、物質(zhì)資本、金融資本和社會資本五種類型。許漢石、樂章（2012）對在生計資本的視角下，對農(nóng)戶在生計過程中面臨的風(fēng)險進(jìn)行了研究，并分析了生計資本對生計風(fēng)險的影響作用。

二、數(shù)據(jù)來源和變量選擇

（一）數(shù)據(jù)來源

黑水縣位于四川省阿壩藏族羌族自治州中部，地處青藏高原東南緣橫斷山脈中段北端的岷江上游，屬于典型的深度貧困地區(qū)，其貧困人口的生計較為脆弱，農(nóng)戶抵御風(fēng)險的能力較差，以此作為研究區(qū)域具有一定的代表性。

（二）變量選取

1、被解釋變量

本文的被解釋變量為貧困地區(qū)農(nóng)戶的返貧風(fēng)險，該變量為虛擬變量，通過對上述解釋變量進(jìn)行實(shí)證分析得出脫貧農(nóng)戶是否存在返貧風(fēng)險，如果存在返貧風(fēng)險變量值即為1，不存在返貧風(fēng)險即為0。

2、解釋變量

生計資本是農(nóng)戶抵御風(fēng)險的重要保障，不同的生計資本狀況導(dǎo)致農(nóng)戶將選擇不同的生計策略，包括了人力資本、自然資本、物質(zhì)資本、金融資本以及社會資本五種類型。這涵蓋了農(nóng)戶生活的方方面面，能夠精確的描述農(nóng)戶的生計能力。為了進(jìn)一步研究貧困人口的返貧風(fēng)險，針對不同的資本類型選取具有代表性的變量做為解釋變量進(jìn)行分析。變量的具體情況如表1所示。

由表1可得，人力資本選取了家庭中是否存在義務(wù)教育適齡兒童來描述，該解釋變量就是虛擬變量，存在義務(wù)教育適齡兒童的賦值為1，不存在的賦值為0;物質(zhì)資本用的是農(nóng)戶家庭的房屋住宅面積來代表，是定量的變量，只有在吃住得到保障時，農(nóng)戶才能謀求更好的發(fā)展，所以選擇房屋面積來描述物質(zhì)資本;金融資本選取的是農(nóng)戶的經(jīng)營性收入占家庭總收入的比例，以及轉(zhuǎn)移性收入占家庭總收入的比例來衡量。社會資本是指農(nóng)戶在謀求生計的過程中所運(yùn)用到的社會資源，選取了家中是否有國家公職人員來表示，也是一個虛擬變量，家里有人在政府公務(wù)機(jī)關(guān)任職的賦值為1，沒有的賦值為0;自然資本是描述自然資源存量術(shù)語，黑水縣的自然資源豐富，但在調(diào)查數(shù)據(jù)中，僅有9.26%的農(nóng)戶主要收入來源是依靠當(dāng)?shù)氐淖匀毁Y源，由此，對于當(dāng)?shù)剞r(nóng)戶的生計脆弱性來說，農(nóng)戶對自然資本的依賴性不強(qiáng)。所以本文并未選取自然資本的代表變量。

三、實(shí)證分析

（一）模型構(gòu)建

由于本文選取的變量多為虛擬變量，所以本文采用了Probit模型進(jìn)行回歸分析。Probit模型是一種二分類因變量模型，服從于正態(tài)分布。最簡單的Probit模型就是指被解釋變量Y是一個0，1變量，事件發(fā)生的概率是依賴于解釋變量，即P（Y=1）=f（X），也就是說Y=1的概率是一個關(guān)于X的函數(shù)，其中f（.）服從標(biāo)準(zhǔn)的正態(tài)分布。本文的實(shí)證分析都基于STATA14.0統(tǒng)計分析軟件完成。

（二）變量的統(tǒng)計描述

本文的數(shù)據(jù)來源于黑水縣15個鄉(xiāng)鎮(zhèn)21個村，在剔除了數(shù)據(jù)缺失以及異常數(shù)據(jù)后，共采集到259份樣本用于實(shí)證分析。根據(jù)樣本的家庭疾病情況、收入情況以及教育情況，將樣本劃分為存在返貧風(fēng)險組和正常組。

在解釋變量的統(tǒng)計性描述中，受教育兒童X1為虛擬變量，存在受教育兒童為1，不存在為0，所以最大值、最小值分別為1，0，均值為0.4534884，表明在調(diào)查的樣本中有接近一半的家庭中存在受教育兒童。房屋面積X2是實(shí)際值，最大值為300平方米，而最小值為30平方米，差異較大。通過對樣本數(shù)據(jù)進(jìn)行分析后發(fā)現(xiàn)，僅存在1戶農(nóng)戶的面積為30平方米，而房屋面積超過150平米的僅有10戶，調(diào)查地區(qū)的房屋住宅條件較好且差異不大，同時通過房屋面積的均值也可以看出這一點(diǎn)。通過上表可以看出，工資性收入占比X3最大值為0.96，收入幾乎全部來源于工資性收入，但同時也存在工資性收入為0的情況，工資性收入占比的均值為0.3967954，表明在樣本中工資性收入占到了家庭總收入約40%，而轉(zhuǎn)移性收入占比約42%，可以看出調(diào)查地區(qū)的收入主要依賴于這兩部分。而在調(diào)查樣本中沒有家庭有國家公職人員，所以其最大、最小及均值都為0。

（三）實(shí)證結(jié)果與解釋

將5個自變量和表示農(nóng)戶返貧風(fēng)險的分類指標(biāo)（0代表正常組，1代表存在返貧風(fēng)險組）的數(shù)據(jù)輸入STATA14.0，使用Probit模型進(jìn)行回歸分析，得出的結(jié)果見下表所示。

在進(jìn)行Probit回歸后發(fā)現(xiàn)，X5即家庭是否存在國家公職人員全部樣本的結(jié)果均為否，對應(yīng)觀測值均為0，在模型回歸中沒有影響，系數(shù)也為0，所以在回歸分析中將其剔除。

根據(jù)Probit模型的回歸結(jié)果，建立回歸方程：

Y=-4.866319+2.524454X1-0.0045465X2-1.450493X3+7.099561X4

從上述回歸結(jié)果可以看出，各變量系數(shù)的估計值有正有負(fù)，X1、X4的系數(shù)值為正，而X2、X3的系數(shù)值為負(fù)。系數(shù)符號為正表明：解釋變量越大，被解釋變量取1的概率越大;反之，系數(shù)符號為負(fù)則解釋變量越大，被解釋變量取1的概率越小。

X1即家庭是否有受教育兒童，系數(shù)值為正且在統(tǒng)計上是顯著的，這表明家庭是否有受教育兒童對返貧風(fēng)險的影響是正向的，即家庭存在受教育兒童，會使家庭的返貧風(fēng)險加大，并且該影響在統(tǒng)計上是顯著的。該變量的表現(xiàn)與我們理論上的認(rèn)知是一致的，我們從調(diào)查資料的數(shù)據(jù)中分析得知，農(nóng)戶家庭的主要支出中除了衣食保障外，占比最大的部分就是文化教育支出。雖然我國目前普及了九年義務(wù)教育，但更高級別教育的費(fèi)用對于農(nóng)戶來說仍然存在較大的壓力。

X2即為家庭的房屋面積，系數(shù)值為負(fù)，表明農(nóng)戶的房屋住宅面積越大，農(nóng)戶返貧風(fēng)險越小。這也與我國脫貧的“兩不愁，三保障”的要求相契合，農(nóng)戶的住房安全得到保障，才能謀求更好的發(fā)展。但該變量在統(tǒng)計上并不顯著，可能是因為在調(diào)查的樣本中農(nóng)戶的住宅面積相對接近，住房條件差異不大，樣本中的平均住房面積為127.47平方米，同時當(dāng)?shù)剡€享受過政府的危房改造政策，住房條件較好，對農(nóng)戶返貧風(fēng)險影響較不明顯。

X3是工資性占比，其系數(shù)值為-1.450493，表明工資性收入占家庭總收入的比重越大，農(nóng)戶的返貧風(fēng)險越小。農(nóng)戶的工資性收入在總收入中的占比越大，說明農(nóng)戶的自身生存發(fā)展能力越強(qiáng)，減弱了生計脆弱性，具有一定的返貧風(fēng)險防范能力。該變量的P值為0.091，在統(tǒng)計上較不顯著。可能是因為在調(diào)查樣本中農(nóng)戶的收入結(jié)構(gòu)不穩(wěn)定，雖然外出務(wù)工成為了調(diào)查農(nóng)戶最主要的收入來源，但部分農(nóng)戶的外出務(wù)工時間只有1-2年，外出務(wù)工時間短，導(dǎo)致工資性收入占比的波動性較大。

X4是轉(zhuǎn)移性收入占比，系數(shù)值為正且在統(tǒng)計上是顯著的，轉(zhuǎn)移性收入占比越大，農(nóng)戶返貧風(fēng)險越大。轉(zhuǎn)移性收入在總收入中占比越高，對政府政策幫扶的依賴性越強(qiáng)，農(nóng)戶的收入較不穩(wěn)定，生計較為脆弱，不能很好的進(jìn)行返貧風(fēng)險的預(yù)防。一旦脫貧，政府的幫扶措施逐漸減弱，農(nóng)戶極有可能因為自身能力缺失而返貧。

綜上可以看出，受教育兒童與轉(zhuǎn)移性收入占比是農(nóng)戶返貧風(fēng)險的重要影響因素，并且在統(tǒng)計上較為顯著。農(nóng)村家庭子女受教育問題對返貧發(fā)生概率有積極的正向影響，因為在義務(wù)教育之后的高中、大學(xué)教育的費(fèi)用對于貧困地區(qū)的農(nóng)戶家庭來說依然較高，很容易導(dǎo)致返貧。轉(zhuǎn)移性收入占比對農(nóng)戶返貧概率的影響也是正向的，扶貧工作中政府的政策幫扶是很重要的一部分，但如果轉(zhuǎn)移性的政府補(bǔ)助在總收入中的比重較大，農(nóng)戶收入的增加就是無源之水，是不可持續(xù)和不穩(wěn)定的。

四、建議

基于以上結(jié)論，本文認(rèn)為可以在以下方面展開相應(yīng)的工作：

一是重視教育，加大對貧困地區(qū)的教育支出，阻斷貧困的代際傳遞，為穩(wěn)定脫貧提供可能。人力資本是返貧研究中的關(guān)鍵因素，必須得到相應(yīng)的重視。政府應(yīng)該加大對貧困地區(qū)的助學(xué)貸款力度，降低助學(xué)貸款的門檻，簡化助學(xué)貸款的審批機(jī)制，讓更多的家庭能夠享受到資助，普及高級教育的學(xué)雜費(fèi)，減小農(nóng)戶的壓力負(fù)擔(dān)，同時通過教育提升農(nóng)戶家庭下一代的綜合素質(zhì)，從另一方面增強(qiáng)其人力資本。

二是提升貧困農(nóng)戶的知識技能，降低其對政策的依賴性，減少甚至阻斷“政策性返貧”?？梢酝ㄟ^邀請一些專家對農(nóng)戶進(jìn)行培訓(xùn)，或開展一些相關(guān)講座，鼓勵農(nóng)戶提高自身的知識技能水平;同時政府還可以出臺一些政策鼓勵農(nóng)戶積極創(chuàng)業(yè)，拓寬農(nóng)戶收入渠道，帶動當(dāng)?shù)亟?jīng)濟(jì)發(fā)展，穩(wěn)定脫貧成效。

三是構(gòu)建的風(fēng)險保障機(jī)制，減低農(nóng)戶收入風(fēng)險?？梢酝ㄟ^農(nóng)業(yè)保險在一定程度上降低農(nóng)業(yè)的風(fēng)險，同時政府可以對農(nóng)業(yè)保險進(jìn)行一定的補(bǔ)助，降低農(nóng)戶購買農(nóng)業(yè)保險的費(fèi)用，以此來鼓勵農(nóng)戶購買農(nóng)業(yè)保險，減低農(nóng)戶的生計脆弱性，保證農(nóng)戶脫貧穩(wěn)定。

參考文獻(xiàn)：

[1]? 鄭瑞強(qiáng)、曹國慶，脫貧人口返貧：影響因素、作用機(jī)制與風(fēng)險控制[J].農(nóng)林經(jīng)濟(jì)管理學(xué)報，2016（6）.

[2]? 張珺，當(dāng)前我國農(nóng)村返貧現(xiàn)狀與問題分析[J].中國管理信息化，2011.

[3]? Alkire S.and J.Foster，2011，“Counting and Multidimensional Poverty Measurement”，Journal of Public Economics，95（7-8）：476-487.

[4]? Satya C.and M.Amita，2005，“Measuring Human Poverty：A Generalized Index and an Application Using Basic Dimensions of Life and Some Anthropometric Indicators”，Journal of Human Development，6（3）：275-299.

[5]? 范和生，返貧預(yù)警機(jī)制構(gòu)建探究[J].社會建設(shè)，2017.

[6]? 付東震，精準(zhǔn)扶貧過程中返貧阻斷的長效機(jī)制研究[J].經(jīng)濟(jì)師，2017.

[7]? 何華征、盛德榮，論農(nóng)村返貧模式及其阻斷機(jī)制[J].現(xiàn)代經(jīng)濟(jì)探討，2017.

[8]? 許漢石、樂章，生計資本、生計風(fēng)險與農(nóng)戶的生計策略[J].農(nóng)業(yè)經(jīng)濟(jì)問題，2012.

基金項目：本項目得到了西南民族大學(xué)研究生創(chuàng)新項目（項目名稱：生計資本視角下貧困地區(qū)返貧風(fēng)險的識別CX2019SP140）資助。

（作者單位：西南民族大學(xué)? 經(jīng)濟(jì)學(xué)院）