●左曉慧 劉思遠(yuǎn)
貧困問(wèn)題威脅著社會(huì)的和諧穩(wěn)定,與社會(huì)主義共同富裕本質(zhì)相違背,所以國(guó)家一直非常重視脫貧攻堅(jiān)工作。長(zhǎng)期以來(lái)我國(guó)實(shí)施的扶貧開(kāi)發(fā)戰(zhàn)略和鄉(xiāng)村振興戰(zhàn)略極大地改善了貧困地區(qū)人民的生活條件,顯著降低了貧困率。至2019 年,我國(guó)貧困人口已減少9000 多萬(wàn),貧困發(fā)生率降至歷史新低約0.6%,精準(zhǔn)扶貧工作整體效果顯著。但并未取得根本性的勝利,貧困問(wèn)題仍一直存在。而解決人民脫貧問(wèn)題,首要任務(wù)應(yīng)為精準(zhǔn)識(shí)別扶貧對(duì)象,繼而針對(duì)不同類(lèi)型的扶貧對(duì)象實(shí)施不同的扶貧政策。在全面小康的精準(zhǔn)扶貧新時(shí)期,貧困人口呈分散式、碎片化特點(diǎn)分布,對(duì)精準(zhǔn)扶貧績(jī)效的評(píng)估常面臨貧困率面板數(shù)據(jù)缺失、扶貧項(xiàng)目落實(shí)情況信息缺失等難題,難以形成科學(xué)的理論評(píng)估模型。因此,選擇何種方法科學(xué)地評(píng)估扶貧績(jī)效對(duì)扶貧政策目標(biāo)實(shí)現(xiàn)極具重要意義。
關(guān)于精準(zhǔn)扶貧和精準(zhǔn)扶貧績(jī)效評(píng)價(jià)的研究,國(guó)內(nèi)外學(xué)者做出了巨大貢獻(xiàn),研究成果豐富。本文梳理如下:
貧困問(wèn)題一直是人類(lèi)社會(huì)面臨的共同挑戰(zhàn),脫貧工作將持續(xù)不斷地進(jìn)行下去。國(guó)外學(xué)者從不同層面分析了貧困產(chǎn)生的原因,其中,Ragnar(1953)從宏觀層面以資本供求差異為視角探討得出貧困產(chǎn)生的原因在于資本的供小于求。
Rowntree(1901)從微觀層面將個(gè)人或家庭缺乏生產(chǎn)所必須的貨物或服務(wù)稱為貧困并運(yùn)用“測(cè)算收入貧困線”界定貧困。而國(guó)內(nèi)界定貧困一般選用微觀視角,以個(gè)人年收入為主的貧困指標(biāo)評(píng)估個(gè)人貧困程度。為精準(zhǔn)解決貧困問(wèn)題,我國(guó)2013 年提出“精準(zhǔn)扶貧”戰(zhàn)略。楊國(guó)斌、普戡倪(2020)認(rèn)為我國(guó)“精準(zhǔn)扶貧”戰(zhàn)略是對(duì)馬克思主義學(xué)派關(guān)于“消除貧困”相關(guān)思想的繼承與發(fā)展。汪三貴、郭子豪(2016)指出精準(zhǔn)扶貧應(yīng)是扶貧政策和措施精準(zhǔn)針對(duì)真正的貧困人口,通過(guò)針對(duì)性幫扶消除貧困。王錚、楊寬明(2019)指出現(xiàn)階段扶貧工作的重點(diǎn)應(yīng)由盲目資助轉(zhuǎn)向重點(diǎn)扶持。呂若南(2019)指出精準(zhǔn)扶貧重在“精準(zhǔn)”貴在“精準(zhǔn)”,要發(fā)揮好基層黨組織的作用將“精準(zhǔn)”貫穿于整個(gè)扶貧工作中。參考上述文獻(xiàn),本文將精準(zhǔn)扶貧定義為:對(duì)符合多維貧困標(biāo)準(zhǔn)的貧困農(nóng)戶,通過(guò)實(shí)施針對(duì)性的精準(zhǔn)幫扶措施增加其可支配收入、提升其生活質(zhì)量,使其脫離貧困。
在實(shí)施眾多精準(zhǔn)扶貧新舉措之后,對(duì)于精準(zhǔn)扶貧績(jī)效的考核,國(guó)內(nèi)眾多學(xué)者并沒(méi)有得出相對(duì)一致的結(jié)論,學(xué)者們從不同角度對(duì)其進(jìn)行考核。一方面,正向來(lái)看,寧?kù)o、殷浩棟(2019)通過(guò)PSM-DID 模型以及安慰劑檢驗(yàn),實(shí)證分析了產(chǎn)業(yè)扶貧項(xiàng)目對(duì)扶貧的正向作用。東梅、王滿旺、馬榮等(2020)以“產(chǎn)業(yè)扶貧”為例,基于三階段DEA 模型驗(yàn)證了陜西省大部分貧困縣扶貧效率已達(dá)到最優(yōu)。另一方面,李小云、唐麗霞(2015)等認(rèn)為我國(guó)扶貧資源瞄準(zhǔn)長(zhǎng)期存在偏離,扶貧不夠“精準(zhǔn)”。劉媛媛、吳玲(2020)指出當(dāng)前在農(nóng)村精準(zhǔn)扶貧過(guò)程中存在著精準(zhǔn)扶貧運(yùn)行機(jī)制不科學(xué)、優(yōu)秀人才匱乏、信息化程度不足以及扶貧主體較單一等問(wèn)題。針對(duì)以上文獻(xiàn)研究得出的精準(zhǔn)扶貧現(xiàn)有不足之處,本文為使精準(zhǔn)扶貧目標(biāo)盡快達(dá)成,從扶貧資源瞄準(zhǔn)偏離以及扶貧主體單一等角度出發(fā),以農(nóng)戶異質(zhì)性作為精準(zhǔn)扶貧績(jī)效考核的落腳點(diǎn),進(jìn)而研究農(nóng)戶異質(zhì)性與精準(zhǔn)扶貧績(jī)效的內(nèi)在聯(lián)系。
不同農(nóng)戶類(lèi)型稱為農(nóng)戶異質(zhì),Mancur Olson(1965)將異質(zhì)性定義為資源分配不均等程度。楊曉云、鄧曉霞(2019)研究發(fā)現(xiàn),中國(guó)農(nóng)村家庭之間存在較為普遍的資產(chǎn)異質(zhì)性。本文將農(nóng)戶異質(zhì)性定義為各農(nóng)戶在個(gè)體因素與家庭因素兩方面存在差異?;谵r(nóng)戶異質(zhì)性,何廣文、劉甜(2019)從農(nóng)戶創(chuàng)業(yè)信貸需求差異角度,劉勝科、孔榮(2018)從農(nóng)戶創(chuàng)業(yè)意愿層面,高富雄、趙丹丹(2020)等以耕地質(zhì)量保護(hù)行為及耕地質(zhì)量保護(hù)的選擇方式為視角研究農(nóng)戶異質(zhì)性對(duì)行為的差異,均得出一致結(jié)論:農(nóng)戶異質(zhì)性影響了農(nóng)戶的異質(zhì)行為。進(jìn)一步,對(duì)于精準(zhǔn)扶貧績(jī)效,劉魏、王小華(2019)通過(guò)對(duì)不同類(lèi)型的多維貧困戶細(xì)分發(fā)現(xiàn),土地流轉(zhuǎn)能夠緩解一般多維貧困戶的多維貧困,但對(duì)于極端多維貧困戶的影響效果并不明顯。
已有文獻(xiàn)對(duì)精準(zhǔn)扶貧的界定及措施、精準(zhǔn)扶貧績(jī)效以及農(nóng)戶異質(zhì)性單方面研究成果豐富,為本文研究提供了一定的理論支持。但從農(nóng)戶異質(zhì)性角度研究其對(duì)于精準(zhǔn)扶貧績(jī)效影響的研究較少,該框架缺少文獻(xiàn)的支持和實(shí)證證據(jù);并且已有文獻(xiàn)對(duì)精準(zhǔn)扶貧績(jī)效的評(píng)估大多選定特定區(qū)域進(jìn)行研究,忽視了省級(jí)間的空間效應(yīng)?;诖?,本文采用微觀省級(jí)數(shù)據(jù),從省級(jí)層面考量農(nóng)戶異質(zhì)性對(duì)精準(zhǔn)扶貧績(jī)效的影響并用空間計(jì)量模型進(jìn)一步研究?jī)烧叩目臻g溢出效應(yīng)。精準(zhǔn)扶貧是現(xiàn)階段政策的關(guān)注點(diǎn),本文的研究有利于政策制定者厘清政策重點(diǎn),為精準(zhǔn)扶貧更好地貫徹落實(shí)、全面脫貧提供理論支持。
2020 年是脫貧攻堅(jiān)的關(guān)鍵時(shí)期,迫使我們對(duì)精準(zhǔn)扶貧的績(jī)效進(jìn)行考核。2013—2018 年我國(guó)各省級(jí)貧困率整體上呈逐年下降趨勢(shì),說(shuō)明我國(guó)精準(zhǔn)扶貧戰(zhàn)略取得了大規(guī)模的勝利。但各省級(jí)貧困率依舊存在,劉媛媛、吳玲(2020)指出當(dāng)前在農(nóng)村精準(zhǔn)扶貧過(guò)程中存在著精準(zhǔn)扶貧運(yùn)行機(jī)制不科學(xué)、優(yōu)秀人才匱乏、信息化程度不足以及扶貧主體較單一等問(wèn)題。在部分農(nóng)戶長(zhǎng)期難以脫貧,且國(guó)家精準(zhǔn)扶貧機(jī)制運(yùn)行不足的基礎(chǔ)上,本文基于農(nóng)戶異質(zhì)性對(duì)精準(zhǔn)扶貧績(jī)效的影響做出如下理論分析并提出相應(yīng)的研究假設(shè)。
1.農(nóng)戶自身異質(zhì)對(duì)精準(zhǔn)扶貧績(jī)效的影響。農(nóng)戶的自身因素包括農(nóng)戶年齡、健康、性別、受教育程度等屬性,農(nóng)戶自身因素異質(zhì)影響了農(nóng)戶生產(chǎn)能力及其脫貧能力。首先,隨著農(nóng)戶年齡的增加、疾病發(fā)生率的增加,農(nóng)戶勞動(dòng)能力減弱、勞動(dòng)時(shí)間減少,降低了能從增加勞動(dòng)中獲得收益的可能性。其次,性別與勞動(dòng)強(qiáng)度與勞動(dòng)密度密不可分,男女農(nóng)戶數(shù)量比例與勞動(dòng)報(bào)酬直接掛鉤。再次,因教育投資帶來(lái)的農(nóng)戶素質(zhì)的提升將會(huì)顯著提高勞動(dòng)生產(chǎn)率以及相應(yīng)報(bào)酬,對(duì)精準(zhǔn)扶貧績(jī)效影響顯著?;诖耍疚慕⒓僭O(shè)1 及其子假設(shè):
假設(shè)1:精準(zhǔn)扶貧績(jī)效受農(nóng)戶自身異質(zhì)的影響。
假設(shè)1a:農(nóng)戶的年齡對(duì)精準(zhǔn)扶貧具有正向影響。
假設(shè)1b:農(nóng)戶的健康狀況對(duì)精準(zhǔn)扶貧績(jī)效具有正向影響。
假設(shè)1c:農(nóng)戶的性別對(duì)精準(zhǔn)扶貧績(jī)效具有負(fù)向影響。
假設(shè)1d:農(nóng)戶的受教育程度對(duì)精準(zhǔn)扶貧績(jī)效具有負(fù)向影響。
2.農(nóng)戶家庭異質(zhì)對(duì)精準(zhǔn)扶貧績(jī)效的影響。農(nóng)戶的家庭因素包括家庭規(guī)模、耕地面積兩個(gè)要素。農(nóng)戶在農(nóng)業(yè)生產(chǎn)經(jīng)營(yíng)中,所擁有勞動(dòng)力人數(shù)以及耕地面積等資源稟賦的差異對(duì)農(nóng)業(yè)產(chǎn)業(yè)發(fā)展績(jī)效影響重大。家庭所含勞動(dòng)力數(shù)量越大,通過(guò)勞動(dòng)獲得財(cái)富增加的可能性增加。家庭擁有的耕地面積越大,可供生產(chǎn)的可能性就越大,增加了農(nóng)戶家庭脫貧可能性,兩因素對(duì)精準(zhǔn)扶貧績(jī)效均具有顯著影響。基于此,本文提出假設(shè)2 及其子假設(shè):
假設(shè)2:精準(zhǔn)扶貧績(jī)效受農(nóng)戶家庭異質(zhì)的影響。
假設(shè)2a:農(nóng)戶的家庭規(guī)模對(duì)精準(zhǔn)扶貧績(jī)效具有負(fù)向影響。
假設(shè)2b:農(nóng)戶的耕地面積對(duì)精準(zhǔn)扶貧績(jī)效具有負(fù)向影響。
3.農(nóng)戶異質(zhì)性對(duì)精準(zhǔn)扶貧績(jī)效的溢出效應(yīng)。從全國(guó)范圍看,本地區(qū)人力資本會(huì)對(duì)本地區(qū)的產(chǎn)業(yè)經(jīng)濟(jì)發(fā)展影響顯著,且人力資本的空間溢出效應(yīng)異質(zhì)。本地區(qū)農(nóng)戶年齡越大、健康狀況越差,本地區(qū)可進(jìn)行勞動(dòng)生產(chǎn)的農(nóng)戶數(shù)量越少,本地扶貧產(chǎn)業(yè)職位的空缺會(huì)吸引周邊剩余勞動(dòng)力流入,從而抵消了周邊地區(qū)部分精準(zhǔn)扶貧績(jī)效。本地區(qū)農(nóng)戶男性比例越大、受教育程度越高,本地扶貧產(chǎn)業(yè)發(fā)展越興旺,會(huì)帶動(dòng)周邊地區(qū)上下游產(chǎn)業(yè)的發(fā)展,拉動(dòng)周邊地區(qū)精準(zhǔn)扶貧績(jī)效的提升。本地區(qū)農(nóng)戶家庭規(guī)模越大,剩余農(nóng)戶的外流擠占了周邊地區(qū)農(nóng)戶勞動(dòng)機(jī)會(huì),抵消周邊地區(qū)部分精準(zhǔn)扶貧績(jī)效。農(nóng)戶耕地面積越大,在國(guó)家總耕地面積一定的假設(shè)前提下,就對(duì)應(yīng)著周邊地區(qū)耕地面積的減少,一定程度上降低了周邊地區(qū)精準(zhǔn)扶貧績(jī)效。據(jù)此,提出假設(shè)3 及其子假設(shè):
假設(shè)3:農(nóng)戶異質(zhì)性與精準(zhǔn)扶貧績(jī)效存在空間溢出效應(yīng)。
假設(shè)3a:農(nóng)戶的年齡與精準(zhǔn)扶貧績(jī)效具有正向空間溢出效應(yīng)。
假設(shè)3b:農(nóng)戶的性別與精準(zhǔn)扶貧績(jī)效具有負(fù)向空間溢出效應(yīng)。
假設(shè)3c:農(nóng)戶的受教育程度與精準(zhǔn)扶貧績(jī)效具有負(fù)向空間溢出效應(yīng)。
假設(shè)3d:農(nóng)戶的健康狀況與精準(zhǔn)扶貧績(jī)效具有正向空間溢出效應(yīng)。
假設(shè)3e:農(nóng)戶的家庭規(guī)模與精準(zhǔn)扶貧績(jī)效具有正向空間溢出效應(yīng)。
假設(shè)3f:農(nóng)戶的耕地面積與精準(zhǔn)扶貧績(jī)效具有正向空間溢出效應(yīng)。
1.被解釋變量。精準(zhǔn)扶貧的主要目標(biāo)是減貧和可持續(xù)發(fā)展,本文基于楊國(guó)斌和普戡倪(2020)認(rèn)為我國(guó)“精準(zhǔn)扶貧”戰(zhàn)略是對(duì)馬克思主義學(xué)派關(guān)于“消除貧困”相關(guān)思想的繼承與發(fā)展,以貧困發(fā)生率度量精準(zhǔn)扶貧績(jī)效,為模型被解釋變量的衡量指標(biāo)。貧困發(fā)生率越低,精準(zhǔn)扶貧績(jī)效越好;反之,精準(zhǔn)扶貧績(jī)效越差。
2.解釋變量。核心解釋變量為“農(nóng)戶異質(zhì)性”,在解釋變量的選擇上,將農(nóng)戶異質(zhì)性具體分為兩類(lèi):(1)以性別、年齡、受教育程度、健康狀況四項(xiàng)為主的農(nóng)戶自身因素;(2)以家庭規(guī)模、耕地面積兩項(xiàng)為主的農(nóng)戶家庭因素。
3.控制變量。此外,考慮到目前農(nóng)村貧困地區(qū)勞動(dòng)力轉(zhuǎn)移情況較多,而農(nóng)戶外流又會(huì)影響到本地與周邊地區(qū)精準(zhǔn)扶貧績(jī)效,為防止回歸結(jié)果出現(xiàn)重大偏誤,特將非農(nóng)務(wù)工人數(shù)作為控制變量,用農(nóng)村非農(nóng)就業(yè)人數(shù)占總就業(yè)人數(shù)比來(lái)衡量。
本文中選取的數(shù)據(jù)來(lái)源于民政部和國(guó)家統(tǒng)計(jì)局,作為被解釋變量的“貧困發(fā)生率”用農(nóng)村低保人數(shù)與農(nóng)村總?cè)藬?shù)比例衡量;解釋變量中的“性別”變量用農(nóng)村低保中男性人數(shù)占農(nóng)村低保總?cè)藬?shù)比衡量,“年齡”變量用低保中0~14 歲和65 歲以上屬于撫養(yǎng)范圍的人數(shù)占農(nóng)村低保總?cè)藬?shù)比例度量,“受教育程度”變量用本??埔陨蠈W(xué)歷占農(nóng)村低保人數(shù)比衡量,“健康狀況”變量用鄉(xiāng)鎮(zhèn)衛(wèi)生院入院人數(shù)占低???cè)藬?shù)比例衡量,“家庭規(guī)?!弊兞坑眉抑袆趧?dòng)力人數(shù)占低???cè)藬?shù)比衡量。
本文以2013—2018 年31 個(gè)省級(jí)(不含港澳臺(tái))共186 個(gè)樣本面板數(shù)據(jù)為基礎(chǔ),構(gòu)建空間計(jì)量模型來(lái)系統(tǒng)性分析農(nóng)戶異質(zhì)性對(duì)精準(zhǔn)扶貧績(jī)效的影響以及兩者之間的空間溢出效應(yīng)。主要變量描述如表1 所示:
表1 變量說(shuō)明與數(shù)據(jù)來(lái)源
通常而言,研究者們對(duì)扶貧績(jī)效的評(píng)估只針對(duì)扶貧措施落點(diǎn)范圍內(nèi),因此以往學(xué)者們?cè)谠u(píng)估扶貧績(jī)效時(shí)大多局限于特定研究區(qū)域范圍內(nèi),例如:某集中連片區(qū)或某市、某地區(qū)等,且假定與周邊地區(qū)變量數(shù)據(jù)相互獨(dú)立、無(wú)交叉影響。而現(xiàn)實(shí)中大部分?jǐn)?shù)據(jù)都具有一定的空間性,各省級(jí)間聯(lián)系密切,空間溢出效應(yīng)是研究省級(jí)面板數(shù)據(jù)不可避免的問(wèn)題。為更準(zhǔn)確評(píng)估精準(zhǔn)扶貧績(jī)效的全局性,本文充分考慮面板數(shù)據(jù)之間的空間相關(guān)性并選取空間計(jì)量模型作為本文的實(shí)證分析模型。為驗(yàn)證上述假設(shè),本文選取2013—2018 年31 個(gè)省份(不含港澳臺(tái))的省級(jí)面板數(shù)據(jù)為研究基礎(chǔ),從農(nóng)戶自身因素和農(nóng)戶家庭因素兩個(gè)維度,采用空間計(jì)量模型分析農(nóng)戶異質(zhì)性對(duì)精準(zhǔn)扶貧績(jī)效的影響以及農(nóng)戶異質(zhì)性與精準(zhǔn)扶貧績(jī)效是否存在空間溢出效應(yīng)。根據(jù)對(duì)前人研究成果的整理歸納以及本文實(shí)際研究目標(biāo),本文在空間計(jì)量模型的選擇上選用空間面板模型,空間面板模型形式構(gòu)建如下:
為研究農(nóng)戶異質(zhì)性對(duì)精準(zhǔn)扶貧績(jī)效的影響,現(xiàn)對(duì)186 個(gè)樣本面板數(shù)據(jù)中的 pov、sex、age、edu、hea、gro、fam、job8 個(gè)變量進(jìn)行原始數(shù)據(jù)描述性統(tǒng)計(jì),樣本數(shù)據(jù)描述性統(tǒng)計(jì)結(jié)果如下表所示:
表2 樣本數(shù)據(jù)描述性統(tǒng)計(jì)
由表2 可知,作為被解釋變量的貧困發(fā)生率,所選取的31個(gè)省級(jí)中貧困發(fā)生率最大值為22.8%,最小值為1.03%,最大值與最小值差異大,由此可見(jiàn),我國(guó)各省級(jí)精準(zhǔn)扶貧績(jī)效參差不齊。在農(nóng)戶自身因素方面,性別因素最大值與最小值相差48.9%,可見(jiàn)在本文研究時(shí)間區(qū)間范圍內(nèi)某些省級(jí)男性在貧困農(nóng)戶中占比較高。年齡因素最大值為50.6%,最小值為22.7%,相差一倍多,說(shuō)明各省級(jí)貧困農(nóng)戶中年齡差異較大。其余農(nóng)戶自身因素中最大值與最小值差異均較大,說(shuō)明各省級(jí)間農(nóng)戶自身因素異質(zhì)性嚴(yán)重。在本文研究時(shí)間區(qū)間范圍不大的前提下,農(nóng)戶家庭因素中的農(nóng)戶家庭耕地面積與家庭規(guī)模兩因素最大值與最小值差異明顯,耕地面積因素最大值與最小值相差60%,家庭規(guī)模因素最大值與最小值相差3 倍,說(shuō)明各省級(jí)間農(nóng)戶的家庭異質(zhì)明顯。在各省級(jí)農(nóng)戶異質(zhì)性嚴(yán)重的前提下,各省間較大的精準(zhǔn)扶貧績(jī)效差異可以初步判斷,我國(guó)省級(jí)間農(nóng)戶異質(zhì)性與精準(zhǔn)扶貧績(jī)效密切相關(guān)。
本文利用貧困發(fā)生率作為精準(zhǔn)扶貧績(jī)效指標(biāo)的被解釋變量進(jìn)行空間計(jì)量分析。首先計(jì)算各年份的莫蘭指數(shù)以檢驗(yàn)精準(zhǔn)扶貧績(jī)效是否存在空間效應(yīng)。本文通過(guò)stata 軟件進(jìn)行估計(jì)檢驗(yàn),檢驗(yàn)結(jié)果如表3 所示。
由表3 可知,2013—2018 年各年份莫蘭指數(shù)均顯著,該結(jié)果有兩方面含義:
第一,莫蘭指數(shù)為正,說(shuō)明我國(guó)各省份精準(zhǔn)扶貧績(jī)效存在“高—高”“低—低”集聚現(xiàn)象,精準(zhǔn)扶貧績(jī)效的分布空間關(guān)聯(lián)性強(qiáng)。
表3 精準(zhǔn)扶貧空間自相關(guān)檢驗(yàn)結(jié)果
第二,莫蘭指數(shù)顯著表明精準(zhǔn)扶貧績(jī)效存在著明顯的空間效應(yīng),為了無(wú)偏估計(jì)各變量的空間效應(yīng),需運(yùn)用空間計(jì)量模型進(jìn)行分析。
不同空間模型的效應(yīng)產(chǎn)生原因以及解釋能力有差異,因此需要通過(guò)實(shí)證檢驗(yàn)選取最佳的空間計(jì)量模型進(jìn)行檢驗(yàn)。
首先,應(yīng)對(duì)空間模型進(jìn)行LR 檢驗(yàn),通過(guò)檢驗(yàn)自變量空間滯后項(xiàng)及空間效應(yīng)是否顯著來(lái)判別是否為SEM 模型。其原假設(shè)為:
H0∶θ=-βP
其次,對(duì)空間計(jì)量模型進(jìn)行Wald 檢驗(yàn),檢驗(yàn)自變量空間滯后項(xiàng)與空間效應(yīng)是否為0 來(lái)判斷SDM是否退化為SAR,其原假設(shè)為:
H0∶θ=0
2 項(xiàng)檢驗(yàn)統(tǒng)計(jì)量如表4 所示:
表4 各檢驗(yàn)統(tǒng)計(jì)量
表4 檢驗(yàn)結(jié)果顯示,LR 檢驗(yàn)與Wald 檢驗(yàn)均顯著拒絕了H0∶θ=-βP 與H0∶θ=0 原假設(shè),則表明SDM模型可以很好地?cái)M合數(shù)據(jù),SDM模型并不能退化為SEM或SLM模型。因此,本文在進(jìn)行空間計(jì)量分析時(shí),初步判定應(yīng)選用SDM模型進(jìn)行檢驗(yàn)。
表5 不同模型效應(yīng)對(duì)比的擬合效果
表5 顯示SAR、SEM、SDM在隨機(jī)效應(yīng)、時(shí)間固定效應(yīng)、空間固定效應(yīng)以及雙固定效應(yīng)檢驗(yàn)下,SDM在各效應(yīng)檢驗(yàn)下擬合數(shù)據(jù)程度均優(yōu)于其他兩種模型,故進(jìn)一步采用SDM模型進(jìn)行空間計(jì)量檢驗(yàn)。
再次,一般來(lái)說(shuō),當(dāng)對(duì)指定變量進(jìn)行樣本數(shù)據(jù)回歸分析時(shí),在固定效應(yīng)下模型回歸更為合適。表6 列示了不同固定效應(yīng)下SDM模型的MLE 檢驗(yàn)結(jié)果:
表6 固定效應(yīng)下SDM 模型的MLE 估計(jì)結(jié)果
由表6 可知,時(shí)間固定效應(yīng)與時(shí)間空間雙固定效應(yīng)的空間相關(guān)系數(shù)rho 均顯著為負(fù),而空間固定效應(yīng)模型顯著為正??臻g計(jì)量模型下,數(shù)據(jù)擬合效果的優(yōu)良性由Log-likelihood 值表示,Log-likelihood 值越大表明擬合效果越好,時(shí)間空間雙固定效應(yīng)的Log-likelihood 值最大,為574.9345。因此,本文選用時(shí)間空間雙固定效應(yīng)進(jìn)行實(shí)證研究分析。
針對(duì)雙固定效應(yīng)下SDM模型的適用性,本文進(jìn)行了進(jìn)一步的檢驗(yàn),檢驗(yàn)結(jié)果如表7 所示。
表7 SDM 模型適用性檢驗(yàn)結(jié)果
上表LM 和穩(wěn)健性LM 的檢驗(yàn)結(jié)果均顯著拒絕了SEM 與SAR 模型嵌套于SDM的原假設(shè),故更加證實(shí)了SDM的實(shí)用性。Hausman 檢驗(yàn)結(jié)果顯著拒絕了選用隨機(jī)效應(yīng)的原假設(shè),因此驗(yàn)證了固定效應(yīng)的適用性。
進(jìn)一步對(duì)采用時(shí)間空間雙固定效應(yīng)下的SDM 模型進(jìn)行空間效應(yīng)分解,分解的系數(shù)估計(jì)值如表8 所式。其中,直接效應(yīng)為解釋變量對(duì)本省份被解釋變量的影響,間接效應(yīng)為解釋變量對(duì)鄰近省級(jí)被解釋變量的影響,總效應(yīng)為兩者之和。
表8 雙固定效應(yīng)下SDM 模型空間效應(yīng)分解結(jié)果
農(nóng)戶性別因素對(duì)精準(zhǔn)扶貧績(jī)效的直接效應(yīng)與間接效應(yīng)分別為-0.035、-0.010,表明農(nóng)戶中男性比例越大,貧困發(fā)生率越低,進(jìn)而促進(jìn)了本省與鄰近省級(jí)精準(zhǔn)扶貧績(jī)效的提升。農(nóng)戶年齡因素的直接效應(yīng)、間接效應(yīng)分別為0.172、0.406,說(shuō)
明農(nóng)戶年齡越大,貧困發(fā)生率越大,不僅對(duì)本省級(jí)的精準(zhǔn)扶貧績(jī)效有正向影響,而且對(duì)鄰近省級(jí)也表現(xiàn)出正向空間溢出效應(yīng)。受教育程度的直接效應(yīng)顯著為負(fù),表明農(nóng)戶受教育程度越高,對(duì)本省和鄰近省份的貧困發(fā)生率均有減弱作用。健康的直接效應(yīng)與間接效應(yīng)為0.016 和0.024,農(nóng)戶入院次數(shù)越多,貧困發(fā)生率越高。耕地面積的直接效應(yīng)為-0.001,說(shuō)明了農(nóng)戶家庭所擁有耕地面積與精準(zhǔn)扶貧績(jī)效的負(fù)向關(guān)系。農(nóng)戶家庭規(guī)模的間接效應(yīng)為0.024,說(shuō)明農(nóng)戶家庭規(guī)模對(duì)精準(zhǔn)扶貧績(jī)效具有正向空間溢出效應(yīng)。最后,非農(nóng)務(wù)工人數(shù)的直接效應(yīng)與間接效應(yīng)均為負(fù),說(shuō)明了非農(nóng)務(wù)工人數(shù)的負(fù)向空間溢出效應(yīng)。
以上實(shí)證結(jié)果大部分驗(yàn)證了本文的3 項(xiàng)假設(shè),而農(nóng)戶家庭規(guī)模因素的直接效應(yīng)以及受教育程度、耕地面積的間接效應(yīng)檢驗(yàn)結(jié)果與假設(shè)相反。經(jīng)進(jìn)一步研究發(fā)現(xiàn),農(nóng)戶家庭規(guī)模擴(kuò)大,家庭生活負(fù)擔(dān)加重,因此與精準(zhǔn)扶貧績(jī)效成正向影響;受教育程度在教育資源一定的前提下確對(duì)精準(zhǔn)扶貧績(jī)效成正向溢出效應(yīng);而耕地面積負(fù)向空間溢出效應(yīng)的原因在于由于市場(chǎng)的存在,資源的流動(dòng)性拉動(dòng)了周邊地區(qū)的扶貧績(jī)效。
為檢驗(yàn)上述結(jié)論穩(wěn)定性,最大程度降低結(jié)果差異。通過(guò)替換回歸模型以及固定效應(yīng),選用空間固定效應(yīng)下的SAR 模型重新檢驗(yàn),結(jié)果如表9 所示:
表9 穩(wěn)健性檢驗(yàn)結(jié)果
空間固定效應(yīng)下的SAR 模型空間相關(guān)系數(shù)為0.0967,Log-likelihood 值為543.6502,數(shù)據(jù)擬合程度較高。故本文檢驗(yàn)結(jié)果不受模型、固定效應(yīng)與隨機(jī)效應(yīng)選用變化的影響,均可以得出一致結(jié)論:農(nóng)戶異質(zhì)性對(duì)精準(zhǔn)扶貧績(jī)效空間影響顯著。
本文選用的空間計(jì)量模型有一局限性:模型中所運(yùn)用的空間權(quán)重矩陣并非根據(jù)數(shù)據(jù)的估計(jì)結(jié)果,而是研究者根據(jù)主觀設(shè)定,具有非隨機(jī)性,因此有無(wú)法完全反映不同省域之間復(fù)雜相互關(guān)系的可能性。
基于我國(guó)31 個(gè)省份(不含港澳臺(tái))2013—2018 年的相關(guān)數(shù)據(jù),運(yùn)用時(shí)間空間雙固定效應(yīng)下的空間杜賓計(jì)量模型,分析了農(nóng)戶異質(zhì)性的不同表現(xiàn)對(duì)精準(zhǔn)扶貧績(jī)效影響,實(shí)證結(jié)果表明:農(nóng)戶異質(zhì)性對(duì)精準(zhǔn)扶貧績(jī)效有顯著的空間效應(yīng)。具體結(jié)論如下:
1.各省份精準(zhǔn)扶貧績(jī)效具有顯著的空間相關(guān)性,主要表現(xiàn)為“高—高”集聚與“低—低”集聚,從而形成鄰近省域間精準(zhǔn)扶貧績(jī)效的同質(zhì)性。
2.農(nóng)戶異質(zhì)性對(duì)精準(zhǔn)扶貧績(jī)效影響顯著。農(nóng)戶的年齡、健康與家庭規(guī)模三項(xiàng)影響因素對(duì)精準(zhǔn)扶貧績(jī)效顯示出正向影響,其余影響變量對(duì)精準(zhǔn)扶貧績(jī)效負(fù)向影響顯著。
3.農(nóng)戶異質(zhì)性對(duì)精準(zhǔn)扶貧績(jī)效均有顯著的空間溢出效應(yīng)。其中,農(nóng)戶的性別與耕地面積倆因素對(duì)精準(zhǔn)扶貧績(jī)效具有負(fù)向空間溢出效應(yīng),其余因素顯示出正向空間溢出效應(yīng)。
根據(jù)前文的理論分析和實(shí)證分析結(jié)果,為了提升精準(zhǔn)扶貧績(jī)效,提出以下對(duì)策建議:
1. 根據(jù)農(nóng)戶異質(zhì)性建立多維貧困識(shí)別體系和精準(zhǔn)扶貧瞄準(zhǔn)機(jī)制?,F(xiàn)有的貧困識(shí)別多以收入為主,應(yīng)采取多維指標(biāo),建立以收入為主,其他指標(biāo)為輔的多維貧困識(shí)別體系,精準(zhǔn)識(shí)別貧困農(nóng)戶。進(jìn)一步依照農(nóng)戶貧困原因的異質(zhì)性實(shí)施不同的扶貧措施,豐富扶貧措施種類(lèi),精準(zhǔn)對(duì)口扶貧。目前已有的扶貧項(xiàng)目大多未能與個(gè)體貧困戶相匹配,只是針對(duì)地區(qū)因地制宜,且部分扶貧政策難以落實(shí),缺乏扶貧精準(zhǔn)性。在常規(guī)扶貧舉措無(wú)法生效時(shí),分析異質(zhì)農(nóng)戶貧困生成邏輯,采取針對(duì)性措施,降低“久扶不能脫貧”以及“主體缺位”的概率。
2.加大職業(yè)教育投入,提高貧困農(nóng)戶自我發(fā)展能力。經(jīng)研究調(diào)查發(fā)現(xiàn),貧困地區(qū)大部分農(nóng)戶僅受過(guò)基礎(chǔ)教育,對(duì)扶貧政策依賴度較高,為“輸血式扶貧”,政府資金投入壓力較大。基于此,一方面,對(duì)有脫貧能力但無(wú)脫貧意識(shí)的農(nóng)戶進(jìn)行在職培訓(xùn),增加其知識(shí)儲(chǔ)備,提高其脫貧素養(yǎng)。另一方面,對(duì)有脫貧意識(shí)但無(wú)脫貧能力屬于政策兜底的農(nóng)戶,鼓勵(lì)加入農(nóng)村合作社,以“能人帶動(dòng)”形式幫助其提高生活質(zhì)量,降低貧困風(fēng)險(xiǎn)。實(shí)現(xiàn)農(nóng)戶脫貧由“輸血式扶貧”轉(zhuǎn)為“造血式脫貧”,降低貧困內(nèi)生性以及陷入“貧困陷阱”的可能。
3. 鑒于貧困農(nóng)戶發(fā)展生產(chǎn)資金來(lái)源大多依靠國(guó)家財(cái)政補(bǔ)貼和貸款,為避免稅收和還貸的負(fù)向影響,一方面,國(guó)家應(yīng)評(píng)估貧困農(nóng)戶潛在發(fā)展能力,設(shè)立最高貸款限額并設(shè)立多元還貸方式,減輕貧困農(nóng)戶到期還貸壓力。另一方面,發(fā)揮市場(chǎng)的調(diào)節(jié)作用,完善土地流轉(zhuǎn)市場(chǎng),廣泛吸收社會(huì)治理主體,實(shí)現(xiàn)互利共贏。
4. 增強(qiáng)扶貧績(jī)效檢測(cè)實(shí)時(shí)性。隨著現(xiàn)代化技術(shù)的進(jìn)步以及近期區(qū)塊鏈技術(shù)的發(fā)展,充分利用現(xiàn)代數(shù)字技術(shù)的實(shí)時(shí)性、完整性、準(zhǔn)確性,構(gòu)建數(shù)字化扶貧績(jī)效檢測(cè)體系,實(shí)時(shí)檢測(cè)扶貧措施實(shí)施進(jìn)程與實(shí)施效率,及時(shí)增進(jìn)優(yōu)勢(shì)扶貧舉措、撤銷(xiāo)劣勢(shì)扶貧項(xiàng)目,提高扶貧措施的覆蓋廣度和實(shí)踐深度。
5.深化產(chǎn)業(yè)結(jié)構(gòu)調(diào)整,開(kāi)展多元扶貧措施。在農(nóng)村耕地面積有限,剩余勞動(dòng)力價(jià)值無(wú)法充分釋放的前提下,應(yīng)深化產(chǎn)業(yè)結(jié)構(gòu)、延長(zhǎng)產(chǎn)業(yè)鏈、促進(jìn)扶貧措施多元化發(fā)展。從研究結(jié)論來(lái)看,農(nóng)戶家庭規(guī)模與非農(nóng)務(wù)工人數(shù)負(fù)向的直接效應(yīng)、間接效應(yīng)顯示勞動(dòng)力人數(shù)越多,貧困發(fā)生率越低,精準(zhǔn)扶貧績(jī)效越好。因此,應(yīng)充分利用農(nóng)村剩余勞動(dòng)力,統(tǒng)籌協(xié)調(diào),利用本地區(qū)的特色優(yōu)勢(shì),優(yōu)化配套產(chǎn)業(yè),開(kāi)發(fā)特色扶貧項(xiàng)目,激發(fā)產(chǎn)業(yè)升級(jí)動(dòng)力,防止勞動(dòng)力資源的浪費(fèi)。
6.加大與周邊省份的產(chǎn)業(yè)發(fā)展聯(lián)系,發(fā)揮區(qū)域作用。貧困的空間集聚效應(yīng)要求扶貧措施應(yīng)在省域?qū)用嫱七M(jìn)農(nóng)產(chǎn)業(yè)的協(xié)同發(fā)展,發(fā)展跨省域特色農(nóng)產(chǎn)品加工業(yè),建立省域間農(nóng)民生產(chǎn)合作組織,打破潛在發(fā)展壁壘,加大區(qū)域經(jīng)濟(jì)合作,擴(kuò)大產(chǎn)業(yè)規(guī)模與規(guī)模經(jīng)濟(jì)效應(yīng)。增強(qiáng)扶貧舉措省域間上中下游的對(duì)接與耦合,實(shí)現(xiàn)鄉(xiāng)村振興和全面脫貧。