后精準(zhǔn)扶貧時代多維貧困的識別與治理
——以大連市為例

孫玉環(huán),王 琳,王雪妮,尹麗艷

(1.東北財(cái)經(jīng)大學(xué) 統(tǒng)計(jì)學(xué)院,遼寧 大連 116025;2.汕頭職業(yè)技術(shù)學(xué)院 經(jīng)濟(jì)管理系,廣東 汕頭 515000)

一、引言和文獻(xiàn)回顧

改革開放以來,中國扶貧開發(fā)工作取得了舉世矚目的成就,農(nóng)村貧困人口由1978年的7.77億人減少到2018年末的1 660萬人,貧困發(fā)生率由1978年的97.5%下降到2018年末的1.7%(1)數(shù)據(jù)來源于《中國農(nóng)村貧困監(jiān)測報(bào)告2019》。,2020年現(xiàn)行標(biāo)準(zhǔn)下農(nóng)村貧困人口實(shí)現(xiàn)全面脫貧。2013年習(xí)近平總書記在湖南湘西考察時首次做出精準(zhǔn)扶貧的重要指示,自此中國扶貧事業(yè)進(jìn)入精準(zhǔn)扶貧的新階段。精準(zhǔn)扶貧是粗放扶貧的對稱,是中國在開展扶貧過程中針對粗放扶貧問題而提出的,要求轉(zhuǎn)變以往的粗放扶貧方式,針對不同貧困區(qū)域環(huán)境、不同貧困農(nóng)戶狀況,運(yùn)用科學(xué)有效程序?qū)Ψ鲐殞ο髮?shí)施精確識別、精確幫扶和精確管理的扶貧方式。精準(zhǔn)扶貧能夠克服和彌補(bǔ)傳統(tǒng)粗放扶貧中存在的盲點(diǎn),能夠解決“扶持誰”“誰來扶”和“怎么扶”三個扶貧關(guān)鍵問題。“兩不愁、三保障”是精準(zhǔn)扶貧的最新理論發(fā)展,從基本生活物質(zhì)需求到醫(yī)療、教育等基本服務(wù),是對多維貧困的科學(xué)概括。根據(jù)“兩不愁、三保障”的要求,需要從多維貧困出發(fā),深入分析貧困人口在致貧原因上的多維性和差異性,進(jìn)而做到精準(zhǔn)扶貧。在經(jīng)濟(jì)穩(wěn)定增長的背景下,扶貧政策的穩(wěn)步實(shí)施對減貧起到了巨大推動作用,但大量人口仍處于貧困脆弱狀態(tài)或隱性貧困狀態(tài),構(gòu)建多維貧困衡量體系以精準(zhǔn)識別貧困人口是未來扶貧、反貧的重點(diǎn)。

20世紀(jì)初開始有關(guān)貧困的研究逐漸興起,各國學(xué)者致力于探索影響貧困的因素,貧困的測度方式逐步從單維向多維轉(zhuǎn)變,從多維角度認(rèn)識貧困成為當(dāng)下主流。在構(gòu)建多維貧困指標(biāo)體系時,各國學(xué)者會結(jié)合時下全球貧困現(xiàn)狀或某國貧困現(xiàn)狀給出因時因地具有針對性的多維貧困指標(biāo)體系。Ervin等基于MPI多維貧困指數(shù)(Multidimensional Poverty Index)構(gòu)建多維貧困指標(biāo)體系,以此識別脆弱群體并評估公共政策對實(shí)現(xiàn)烏拉圭發(fā)展目標(biāo)的影響[1]。Decancq等根據(jù)個人偏好匯總和衡量貧困,提出全新的多維貧困衡量方法并使用俄羅斯調(diào)查數(shù)據(jù)進(jìn)行驗(yàn)證,結(jié)果表明測算得到的偏好敏感指數(shù)與傳統(tǒng)貧困指數(shù)之間存在很大差異[2]。Acharya等構(gòu)建并使用多維能源貧困指數(shù)MEPI(Multidimensional Energy Poverty Index)和地區(qū)水平的發(fā)展指數(shù)對印度能源貧困與經(jīng)濟(jì)發(fā)展之間的關(guān)系進(jìn)行研究分析[3]。Charlier等通過構(gòu)建燃料貧困指數(shù)FPI(The Fuel Poverty Composite Indicator)深入探究貨幣貧困、住宅能源效率和供暖限制之間的關(guān)系,并提供新的方案以更好地識別因燃料不足而陷入貧困的群體,從而優(yōu)化扶貧政策[4]。

國內(nèi)早期對貧困的認(rèn)識主要局限于經(jīng)濟(jì)貧困,忽視貧困群體在資源、教育和健康等方面的差異。隨著精準(zhǔn)扶貧基本方略的實(shí)施,學(xué)者們開始綜合考量貧困的多個維度。貧困的形成因時因地而異,而中國目前尚無官方統(tǒng)一的多維貧困指數(shù),如何構(gòu)建衡量和識別多維貧困的指標(biāo)體系是國內(nèi)學(xué)者們關(guān)注的研究熱點(diǎn)。在指標(biāo)設(shè)計(jì)上,學(xué)者們多選用國外現(xiàn)有指標(biāo)體系,結(jié)合中國實(shí)際進(jìn)行改進(jìn)和創(chuàng)新,并著重以某一因素對貧困的影響進(jìn)行實(shí)證分析。周強(qiáng)等按照Alkire和Foster的多維貧困理論和方法,結(jié)合中國國情,選用物質(zhì)資產(chǎn)、土地資產(chǎn)和可變現(xiàn)資產(chǎn)3個維度構(gòu)建多維資產(chǎn)貧困指數(shù),著重分析農(nóng)村非正規(guī)金融并深入研究其對家庭資產(chǎn)貧困的影響[5]。蘇靜等以能力貧困為基礎(chǔ),選取收入貧困、生活條件貧困和機(jī)會貧困3個維度構(gòu)建多維貧困指標(biāo)體系[6]。史恒通等借鑒MPI指數(shù)選擇收入、教育、醫(yī)療、生活水平、就業(yè)5個維度,并指出社會網(wǎng)絡(luò)、社會信任、社會參與均對多維貧困指數(shù)和多維貧困識別有顯著的負(fù)向影響[7]。

從數(shù)據(jù)來源來看,多數(shù)學(xué)者使用微觀數(shù)據(jù)對多維貧困群體進(jìn)行識別和分析。國外學(xué)者中,Zakaria等基于馬來西亞的家庭調(diào)查數(shù)據(jù)提出適用于城市的多維貧困衡量體系,將Alkire和Foster開發(fā)的“雙界限法”與ANFIS(Adaptive Neural Fuzzy Inference Systems)相結(jié)合,旨在找到導(dǎo)致馬來西亞城市貧困的問題[8]。Ervin等使用烏拉圭2000—2015年全國家庭調(diào)查數(shù)據(jù)對該國多維貧困情況進(jìn)行測度[1]。Kim使用2006年和2009年埃塞俄比亞、印度、秘魯和越南的青年生活調(diào)查數(shù)據(jù),探究以貨幣衡量的傳統(tǒng)單維貧困指數(shù)和現(xiàn)行多維貧困指數(shù)隨時間推移發(fā)生的轉(zhuǎn)變[9]。Decancq等使用1995—2005年間俄羅斯調(diào)查數(shù)據(jù)對其提出的多維貧困指數(shù)予以驗(yàn)證[2]。Alkire作為“牛津貧困與人類發(fā)展中心”的主任,多年來帶領(lǐng)其團(tuán)隊(duì)致力于多維貧困指數(shù)的驗(yàn)證與推廣,Alkire和Foster共同開發(fā)了A-F法并使用美國和印尼兩國數(shù)據(jù)進(jìn)行實(shí)證說明[10];Alkire和Santos基于MPI指數(shù)并使用微觀數(shù)據(jù)集對全球104個發(fā)展中國家進(jìn)行貧困估計(jì)[11];在中國的多維貧困測度中,Alkire和Fang使用中國健康與營養(yǎng)調(diào)查(CHHS)的數(shù)據(jù)構(gòu)建中國多維貧困指標(biāo)并將其與收入貧困進(jìn)行比較,指出權(quán)重的大幅變化對多維貧困衡量指標(biāo)有明顯影響[12]。國內(nèi)學(xué)者中,大部分以中國家庭追蹤調(diào)查(CFPS)為分析樣本研究多維貧困的影響因素[6]。部分學(xué)者使用針對特定區(qū)域或特定對象的問卷調(diào)查數(shù)據(jù),如賈海彥等選取山東省走訪調(diào)研典型農(nóng)戶所得數(shù)據(jù)進(jìn)行實(shí)證分析[13]。

從研究方法來看,國際上較為成熟的多維貧困測度方法大多基于全球多維貧困指數(shù)方法(2)全球多維貧困指數(shù)由牛津大學(xué)和華盛頓大學(xué)研究人員研究構(gòu)建,涉及貧困維度、指標(biāo)體系、臨界標(biāo)準(zhǔn)、加權(quán)方式等多個層面。維度和指標(biāo)體系構(gòu)建基于MPI多維貧困指數(shù),分為教育、健康、生活水平3個維度,共選用受教育水平、兒童入學(xué)情況等10項(xiàng)指標(biāo)。閾值設(shè)置上推薦以k=1/3來定義多維貧困,即當(dāng)一個家庭的不達(dá)標(biāo)指標(biāo)加權(quán)分?jǐn)?shù)大于等于1/3時,這個家庭被認(rèn)為是多維貧困。加權(quán)方式上通常采用等權(quán)重法(等權(quán)法)賦值,即每個維度的權(quán)數(shù)是相等的,維度內(nèi)的每項(xiàng)指標(biāo)權(quán)數(shù)也是相等的。,該方法基于MPI多維貧困指數(shù)和A-F法,被聯(lián)合國開發(fā)計(jì)劃署采納。在構(gòu)建和測度多維貧困指數(shù)上,A-F法得到普遍認(rèn)可,Alkire和Foster對如何應(yīng)用A-F法測算和分解指數(shù)進(jìn)行了詳細(xì)介紹[10]。Omotoso等使用南非全國代表性調(diào)查和改進(jìn)的A-F法構(gòu)建了針對兒童的貧困脆弱性衡量標(biāo)準(zhǔn),指出易受傷害的非貧困兒童比例高于長期處于貧困的兒童。中國有關(guān)多維貧困的測度研究也主要使用了全球多維貧困指數(shù)方法[14]。夏慶杰等采用A-F法來識別農(nóng)戶多維貧困,重新考察了中國農(nóng)村多維貧困的現(xiàn)狀及變化,并對流動家庭與非流動家庭的多維貧困差異進(jìn)行比較[15]。隨著對貧困識別的多維演進(jìn),蔣南平等在A-F法的基礎(chǔ)上提出了多維返貧識別及測算方法,使用中國家庭追蹤調(diào)查數(shù)據(jù)對中國農(nóng)民工多維貧困進(jìn)行測度,從而獲得對農(nóng)民工貧困狀況變動的認(rèn)識[16]。

綜上所述,中國現(xiàn)有結(jié)合數(shù)據(jù)進(jìn)行多維貧困的實(shí)證研究中,多數(shù)集中于挖掘貧困影響因子,即針對某一方面致貧原因予以重點(diǎn)分析,少有研究將多維貧困指標(biāo)體系構(gòu)建與多維貧困人口精準(zhǔn)識別相結(jié)合。在方法上,MPI指數(shù)和A-F法使用最為廣泛。由于中國存在地域廣闊、自然環(huán)境復(fù)雜、區(qū)域特性明顯等特征,所以上述方法在中國的應(yīng)用效果具有地區(qū)差異性,而且多數(shù)學(xué)者著眼于貧困地區(qū)的多維貧困問題,因此現(xiàn)有多維貧困指標(biāo)體系大多針對貧困地區(qū),不適用于非貧困地區(qū)。但是,在扶貧的最后沖刺期,非貧困地區(qū)的貧困戶容易成為“死角”,非貧困地區(qū)的多維貧困問題同樣不能忽視。在數(shù)據(jù)來源上,宏觀數(shù)據(jù)無法實(shí)現(xiàn)多維貧困戶的精準(zhǔn)識別,因此微觀數(shù)據(jù)的使用更為廣泛。部分學(xué)者使用針對特定區(qū)域或特定對象的問卷調(diào)查數(shù)據(jù),但其調(diào)查總體受限,無法分析以城市為單位的群體性多維貧困問題。對于以中國健康與營養(yǎng)調(diào)查為代表的大多數(shù)微觀數(shù)據(jù)庫,其優(yōu)點(diǎn)是能夠從中獲取如營養(yǎng)健康等特定指標(biāo)的數(shù)據(jù),但在調(diào)查獲取數(shù)據(jù)的過程中,受訪者普遍采用回憶的方式填答問卷,并且問題選項(xiàng)大多設(shè)置為區(qū)間,由此獲得的居民收入數(shù)據(jù)并不準(zhǔn)確。

與現(xiàn)有文獻(xiàn)相較,本文的貢獻(xiàn)主要有:首先,基于國家統(tǒng)計(jì)局大連調(diào)查隊(duì)家庭收支與生活狀況調(diào)查數(shù)據(jù)開展研究,其中包含的日記賬調(diào)查能夠提供詳細(xì)、準(zhǔn)確、客觀的居民生活狀況資料,由此獲取的收入數(shù)據(jù)更加精確。其次,在MPI指數(shù)的基礎(chǔ)上結(jié)合大連市的實(shí)際狀況設(shè)置維度和指標(biāo)。維度上,根據(jù)現(xiàn)有數(shù)據(jù)和已有文獻(xiàn)增加了收入和就業(yè)兩個維度;在指標(biāo)上,根據(jù)數(shù)據(jù)可用性和Rasch模型對指標(biāo)進(jìn)行篩選,構(gòu)建針對大連市的多維貧困指標(biāo)體系,嘗試分析大連市的多維貧困問題。最后,在應(yīng)用A-F法測算多維貧困指數(shù)時,采用等權(quán)法和難度權(quán)重法兩種方式設(shè)置權(quán)重,并將現(xiàn)行標(biāo)準(zhǔn)下貧困群體的識別率作為檢驗(yàn)方式,分析不同閾值及不同賦權(quán)方式下多維貧困指數(shù)的可行性;在分解多維貧困指數(shù)時,同時考量貢獻(xiàn)率、指標(biāo)權(quán)重和子群比重,有效規(guī)避了以往研究可能存在的貢獻(xiàn)率解讀誤區(qū)。

二、研究方法與數(shù)據(jù)來源

(一)數(shù)據(jù)來源

本文所用數(shù)據(jù)來源于國家統(tǒng)計(jì)局大連調(diào)查隊(duì)住戶收支與生活狀況調(diào)查數(shù)據(jù)(簡稱住戶調(diào)查)。住戶調(diào)查是以家庭及其家庭成員為調(diào)查對象的數(shù)據(jù)搜集方法,調(diào)查內(nèi)容主要包括居民現(xiàn)金和實(shí)物收支情況、家庭成員及勞動力從業(yè)情況、居民家庭食品和能源消費(fèi)情況、住房和耐用消費(fèi)品擁有情況、家庭經(jīng)營和生產(chǎn)投資情況、社區(qū)基本情況以及其他民生狀況等。住戶調(diào)查按照國家規(guī)定的抽樣框和抽樣方法,使用統(tǒng)一的抽樣框,以省為總體,在對縣級調(diào)查網(wǎng)點(diǎn)代表性進(jìn)行評估的基礎(chǔ)上,采用分層、多階段隨機(jī)抽樣方法抽選調(diào)查住宅,確定調(diào)查戶,調(diào)查過程更具科學(xué)性,調(diào)查樣本更具代表性。住戶調(diào)查采用日記賬和問卷調(diào)查相結(jié)合的方式采集基礎(chǔ)數(shù)據(jù),居民現(xiàn)金收入與支出、實(shí)物收入與支出等內(nèi)容主要使用記賬方式采集。相較而言,住戶調(diào)查得到的數(shù)據(jù)更具精確性。本文使用2013—2018年的住戶調(diào)查數(shù)據(jù),從中篩選出125個相關(guān)問題,對應(yīng)164個變量,經(jīng)數(shù)據(jù)清洗最終按家庭匯總得到11 024條家庭數(shù)據(jù)。

(二)研究方法

本文在分析和借鑒國內(nèi)外最新研究成果的基礎(chǔ)上,基于改進(jìn)的全球多維貧困指數(shù)方法測算多維貧困指數(shù)。具體的研究方法和研究手段主要有:

1.A-F雙界限法

目前應(yīng)用廣泛且較為成熟的A-F法具有兩種截?cái)嘈问?一是選擇每個維度的貧困線以確定個體在各個維度下的貧困狀況;二是選擇維度貧困的閾值,將維度貧困測算值超過某一閾值的個體確定為貧困者。其優(yōu)點(diǎn)在于能夠同時將離散型數(shù)據(jù)與連續(xù)型數(shù)據(jù)納入模型體系,使測算結(jié)果更加準(zhǔn)確。多維貧困發(fā)生率H(k)、平均被剝奪程度A(k)和多維貧困指數(shù)M0(k)的具體計(jì)算方法如下:

(1)

(2)

(3)

其中,k表示貧困閾值,n表示受訪家庭數(shù)量,q(k)表示貧困閾值為k時的多維貧困家庭數(shù)量,qi表示閾值為k時第i個家庭的多維貧困指數(shù)。

2.Rasch模型

Rasch模型原本是用來分析考試成績或者問卷調(diào)查數(shù)據(jù)的數(shù)學(xué)模型,其特點(diǎn)是可以生成同時描述試題難度和被試能力的等距量尺,試題難度與初試能力相互獨(dú)立又可以相互比較。本文中Rasch模型一方面將用來評價問題的難度,即指標(biāo)的難度,從而篩選并剔除容易導(dǎo)致虛假貧困的指標(biāo)和識別能力較差的指標(biāo);另一方面Rasch模型作為難度權(quán)重法的核心方法,將用于測算多維貧困衡量體系中的權(quán)重。Rasch模型的函數(shù)形式如下:

(4)

其中,θn為第n個受訪家庭的貧困剝奪得分,θn越大,表示該家庭在當(dāng)前指標(biāo)體系上的剝奪情況越嚴(yán)重;反之則越輕。bi為第i個問題的難度,即第i個指標(biāo)的難度,bi越大,表示該指標(biāo)更不易被剝奪,對重度貧困家庭的指向性更高;bi越小,表示該指標(biāo)被剝奪的情況更加普遍,對非貧困家庭的指向性更高。Pni為第n個家庭在第i個指標(biāo)上被剝奪的概率,其值取決于θn和bi的差值,差值越大,Pni越大。θn服從標(biāo)準(zhǔn)正態(tài)分布,當(dāng)bi一定時,θn絕對值越大,Pni的上升速度越緩慢,θn絕對值越小,Pni的上升速度越快。

三、大連市多維貧困狀況實(shí)證分析

(一)指標(biāo)體系構(gòu)建

1.指標(biāo)選擇

目前多維貧困指標(biāo)體系沒有統(tǒng)一的標(biāo)準(zhǔn),多數(shù)文獻(xiàn)主要借鑒MPI指數(shù),但MPI指數(shù)中部分指標(biāo),如嬰兒死亡率等不能應(yīng)用于中國的實(shí)際情況。Alkire認(rèn)為在選擇維度和指標(biāo)時可以基于以下5種方式,即現(xiàn)有數(shù)據(jù)、規(guī)范性假設(shè)、公共認(rèn)知、參與式方法、已有文獻(xiàn)的實(shí)證分析。基于上述原則,在初步選擇指標(biāo)時,一方面盡可能保留現(xiàn)有貧困群體的數(shù)據(jù)以便進(jìn)行閾值的選取和驗(yàn)證,另一方面在未知情況下盡可能全面地探索多維貧困群體特征,對符合條件的指標(biāo)均予以保留,最終匯總得到收入、教育、健康、就業(yè)和生活水平共5個維度,其中包含家庭人均年收入、受教育年限、兒童入學(xué)情況等共計(jì)22項(xiàng)可用指標(biāo),詳見表1。

表1 多維貧困維度、指標(biāo)及剝奪閾值

2.基于Rasch模型的多維貧困指標(biāo)體系修訂

權(quán)重設(shè)置是A-F法的重要環(huán)節(jié)。多維貧困指標(biāo)體系的權(quán)重設(shè)置尚無統(tǒng)一標(biāo)準(zhǔn),現(xiàn)有研究大部分采用等權(quán)法處理,即各維度的權(quán)重相等,同時各維度內(nèi)指標(biāo)的權(quán)重也相等。等權(quán)重意味著不同剝奪維度都是同等重要的,在實(shí)際測算中簡單易行[10]。但是,等權(quán)法無法反映出指標(biāo)之間的復(fù)雜關(guān)系,并且所有維度均以相同權(quán)重納入計(jì)算容易導(dǎo)致“虛假貧困”現(xiàn)象產(chǎn)生,使用等權(quán)法賦權(quán)是值得商榷的[17]。因此,部分學(xué)者在實(shí)踐中嘗試使用新的方法調(diào)整權(quán)重,采用主成分分析法進(jìn)行穩(wěn)健性分析,結(jié)果表明等權(quán)重與主成分分析權(quán)重取值方法的計(jì)算結(jié)果存在較大的正相關(guān)性,并無顯著區(qū)別[18]。此外,李峰等指出主成分分析法并不適用于對貧困指標(biāo)的權(quán)重設(shè)置,并提出以Rasch模型估計(jì)得出的指標(biāo)難度作為權(quán)重設(shè)置的基礎(chǔ),指向嚴(yán)重貧困的指標(biāo)權(quán)重大,反之則權(quán)重低[19]。本文選擇等權(quán)法和難度權(quán)重法兩種方式分別進(jìn)行賦權(quán),并對兩種方法的結(jié)果加以比較。

由于使用數(shù)據(jù)均為取值0或1的二分變量,故采用二分Rasch模型進(jìn)行擬合。采用二分Rasch模型對量表進(jìn)行擬合時需滿足量表具有單維性。當(dāng)?shù)谝灰蜃犹卣鞲c第二因子特征根的比值接近或大于3時,說明該量表具有單維性。對數(shù)據(jù)進(jìn)行探索性因子分析得到第一因子特征根為3.856,第二因子特征根為1.327,兩特征根比值為2.906,數(shù)據(jù)基本滿足單維性的要求,適用于二分Rasch模型。對住戶調(diào)查數(shù)據(jù)進(jìn)行擬合度檢驗(yàn),使用加權(quán)殘差均方Infit MNSQ(Infit Mean Square)衡量模型擬合效果,與Rasch模型的擬合度數(shù)據(jù)見圖1。大多數(shù)指標(biāo)的加權(quán)殘差均方在嚴(yán)格擬合標(biāo)準(zhǔn)[0.75,1.25]之間,剩余指標(biāo)的加權(quán)殘差均方在可接受范圍[0.6,1.4]之間,數(shù)據(jù)和模型的擬合較好。

圖1 Rasch模型的加權(quán)殘差均方

基于Rasch模型計(jì)算得到各指標(biāo)的難度bi見表2。當(dāng)難度小于0時,一半以上的家庭在第i項(xiàng)指標(biāo)上的被剝奪概率小于50%,指標(biāo)被剝奪的情況將普遍存在,選用該類指標(biāo)會導(dǎo)致非貧困家庭和貧困程度較輕的家庭被納入多維貧困群體中,導(dǎo)致虛假貧困的發(fā)生;當(dāng)難度大于3時,θn服從標(biāo)準(zhǔn)正態(tài)分布,查表可得0.015%的家庭在第i項(xiàng)指標(biāo)上被剝奪的概率大于50%,指向重度貧困家庭,選用該類指標(biāo)會導(dǎo)致模型更難識別貧困程度不是十分嚴(yán)重的群體,如返貧人口和新發(fā)生貧困人口,而且難度適中的指標(biāo)同樣可以區(qū)分重度貧困群體,因此選擇bi=0和bi=3作為閾值,篩選并剔除容易導(dǎo)致虛假貧困的指標(biāo)和識別能力較差的指標(biāo)。保留難度位于[0,3]之間的10項(xiàng)指標(biāo):受教育年限、疾病、社會醫(yī)療保險(xiǎn)、勞動人口完全就業(yè)、炊用能源、飲用水、洗澡設(shè)施、衛(wèi)生設(shè)施、 環(huán)境衛(wèi)生、醫(yī)療便利程度。此外,雖然家庭人均年收入的難度為5.39,遠(yuǎn)高于3,但作為收入維度的唯一指標(biāo),并且在后續(xù)多維貧困指數(shù)識別性的檢驗(yàn)中具有重要作用,所以對收入指標(biāo)予以保留。

表2 各指標(biāo)的難度bi

3.權(quán)重設(shè)置

本文分別采用等權(quán)法和難度權(quán)重法進(jìn)行賦權(quán),得到相應(yīng)權(quán)重如表3。對于等權(quán)法,分別給予5個維度1/5的權(quán)重,維度內(nèi)指標(biāo)也采用等權(quán)法,如健康維度中的疾病和社會醫(yī)療保險(xiǎn)的權(quán)重均為1/10;對于難度權(quán)重法,以各指標(biāo)難度除以指標(biāo)難度之和得到難度權(quán)重法下的指標(biāo)權(quán)重,難度越高,權(quán)重越大。以收入和教育為例,難度權(quán)重法下收入維度權(quán)重是教育維度權(quán)重的2倍多,陷入收入貧困的家庭將更容易被識別為多維貧困。

表3 指標(biāo)體系及權(quán)重設(shè)置

(二)多維貧困的估計(jì)結(jié)果

1.單維貧困發(fā)生率

本文使用2013—2018年的住戶調(diào)查數(shù)據(jù)展開實(shí)證分析,樣本共計(jì)27 902條觀測,將數(shù)據(jù)按家庭匯總得到11 024條家庭數(shù)據(jù),從常住人口數(shù)量、家庭年收入、城鄉(xiāng)和貧困狀態(tài)四方面進(jìn)行樣本劃分,樣本特征見表4。常住人口數(shù)量以1～3人為主,共占88.13%;家庭年收入普遍在1萬元到10萬元之間,共占81.55%;城鄉(xiāng)家庭樣本比約為9∶2;現(xiàn)有標(biāo)準(zhǔn)下的貧困群體占比極少,樣本中五保戶僅有2戶,建檔立卡戶僅有4戶,低保戶有41戶。

表4 家庭樣本特征

對每項(xiàng)指標(biāo)測算單維貧困發(fā)生率,結(jié)果見表5?？梢钥闯?不僅在收入上存在貧困,在教育、健康、就業(yè)和生活水平上同樣會發(fā)生貧困。2013—2017年間,收入位于貧困線以下的家庭占比呈明顯下降趨勢,2018年收入貧困家庭占比突然增加至1.07%?？紤]到樣本輪換的設(shè)計(jì)要求,樣本調(diào)查小區(qū)的設(shè)計(jì)使用周期為5年,2013—2017年為一個周期,2017年末抽中的調(diào)查小區(qū)一次性全部輪換,2018年收入貧困家庭占比的大幅增加與該年調(diào)查樣本輪換有關(guān)。與此同時,2018年受教育年限、疾病等超半數(shù)指標(biāo)的貧困發(fā)生率均較上年有明顯下降。從6年總體情況看,除收入外,受教育年限和環(huán)境衛(wèi)生兩項(xiàng)指標(biāo)的貧困發(fā)生率較低;飲用水、洗澡設(shè)施和衛(wèi)生設(shè)施三項(xiàng)指標(biāo)的貧困發(fā)生率在20%～30%;炊用能源和醫(yī)療便利程度的貧困發(fā)生率較高,均超過40%。上述差異表明,從多維角度測度貧困比單一的收入角度更加全面。

表5 2013—2018年各指標(biāo)的貧困發(fā)生率(%)

2.多維貧困指數(shù)計(jì)算結(jié)果

針對使用Rasch模型篩選前及篩選后的指標(biāo)體系分別計(jì)算多維貧困指數(shù),初始指標(biāo)體系使用等權(quán)法賦值,基于Rasch模型篩選后的指標(biāo)體系分別使用等權(quán)法和難度權(quán)重法賦值。除保留國際標(biāo)準(zhǔn)閾值1/3外,考慮到k>0.6時,多維貧困發(fā)生率趨近于0,故選取以0.1為組距,最大值為0.6的6個等距k值計(jì)算多維貧困指數(shù),表6為k在0.3～0.5之間的計(jì)算結(jié)果。計(jì)算現(xiàn)有標(biāo)準(zhǔn)下的貧困群體覆蓋率,以此作為衡量多維貧困指數(shù)識別能力和可信度的指標(biāo)。從表6可以看出,針對初始指標(biāo)體系,當(dāng)k≥0.4時,各類貧困群體覆蓋率均不超過20%,已經(jīng)不能識別現(xiàn)有標(biāo)準(zhǔn)下的貧困群體,具有識別能力的可選擇閾值為0.3,而較低的閾值會導(dǎo)致嚴(yán)重的“虛假貧困”問題,此時初始指標(biāo)體系不具有可行性和可信度;將兩種指標(biāo)體系進(jìn)行橫向?qū)Ρ?以k=1/3為例,初始指標(biāo)體系現(xiàn)有貧困群體覆蓋率均不超過50%,初始指標(biāo)體系的識別能力更差。針對基于Rasch模型篩選后的指標(biāo)體系,根據(jù)不同的k值在縱向上比較,當(dāng)k≥0.3時,相同閾值下基于等權(quán)法計(jì)算得到的現(xiàn)有貧困群體覆蓋率較難度權(quán)重法更低,識別能力較差,存在漏報(bào)的可能性更高。與此同時,等權(quán)法下多維貧困發(fā)生率H較難度權(quán)重法更高,這意味著識別率更低的前提下等權(quán)法識別出的多維貧困家庭更多,因此存在“虛假貧困”的可能性更高。相較之下使用難度權(quán)重法賦值計(jì)算得到的多維貧困指數(shù)識別效果更好。因此,本文后續(xù)計(jì)算將基于難度權(quán)重法賦權(quán),并選用k=1/3時的多維貧困指數(shù)進(jìn)行分解。

表6 不同k值多維貧困指數(shù)計(jì)算結(jié)果

基于Rasch模型篩選得到的指標(biāo)體系,使用難度權(quán)重法賦權(quán),測算k=1/3時的多維貧困指數(shù),得到大連市多維貧困發(fā)生率為10.8%,平均被剝奪程度為41.0%,多維貧困指數(shù)為0.044。總體上,多維貧困發(fā)生率較低,僅10.8%的家庭陷入多維貧困,但陷入多維貧困的家庭在收入、教育、健康、就業(yè)和生活水平5個維度上有41.0%被剝奪,并且通過計(jì)算權(quán)重可知多維貧困家庭至少在兩個維度上陷入貧困。

(三)多維貧困指數(shù)的分解

分別按照維度、城鄉(xiāng)和家庭人口將原多維貧困指數(shù)分解為子群多維貧困指數(shù)。維度分解中,將維度分解結(jié)果與單維貧困發(fā)生率進(jìn)行比較,進(jìn)而分析現(xiàn)階段多維貧困群體特征。其他分解方式下,本文同時考量貢獻(xiàn)率、指標(biāo)權(quán)重和子群比重,以此分析城鄉(xiāng)多維貧困群體差異和家庭人口對多維貧困群體帶來的影響。

1.按維度分解

對多維貧困指數(shù)按維度進(jìn)行分解,測算結(jié)果見表7。由于貢獻(xiàn)率與權(quán)重存在正相關(guān)關(guān)系,通過貢獻(xiàn)率和權(quán)重的比較可以清晰直觀地看出各指標(biāo)對貧困的指向性。收入、就業(yè)兩個維度對多維貧困的貢獻(xiàn)率較低,分別為3.27%和3.10%,但收入維度權(quán)重是就業(yè)維度權(quán)重的近4倍,說明大部分陷入多維貧困的家庭并未在收入維度上有所體現(xiàn),收入不能作為衡量貧困的唯一標(biāo)準(zhǔn);教育、健康維度對多維貧困的貢獻(xiàn)率分別為16.62%和11.11%,其中受教育年限和疾病兩項(xiàng)指標(biāo)權(quán)重相同,但貢獻(xiàn)率分別為16.62%和6.80%,前者遠(yuǎn)高于后者,說明受教育年限上被剝奪的情況更加普遍;生活水平對應(yīng)權(quán)重最高,對多維貧困的貢獻(xiàn)率同樣最高,為68.07%,結(jié)合權(quán)重和貢獻(xiàn)率,飲用水、洗澡設(shè)施、衛(wèi)生設(shè)施和環(huán)境衛(wèi)生4項(xiàng)指標(biāo)被剝奪的情況較為嚴(yán)重,炊用能源和醫(yī)療便利程度上被剝奪的情況較少。

表7 各指標(biāo)貢獻(xiàn)率

2.按城鄉(xiāng)分解

對多維貧困指數(shù)按城鄉(xiāng)進(jìn)行分解,測算結(jié)果見表8。總體上看,各區(qū)域陷入多維貧困的家庭在平均被剝奪程度上差距不大,但多維貧困發(fā)生率存在顯著差異。主城區(qū)的多維貧困狀況最輕,多維貧困發(fā)生率和平均被剝奪程度在所有地區(qū)中均為最低,分別為0.017和0.392。雖然主城區(qū)多維貧困指數(shù)貢獻(xiàn)率在所有區(qū)域中位于第二位,但由γ項(xiàng)可以看出,主城區(qū)的高貢獻(xiàn)率是由于主城區(qū)人口基數(shù)大,入樣數(shù)量多導(dǎo)致。城鄉(xiāng)結(jié)合區(qū)多維貧困發(fā)生率為0.095,與其他地區(qū)相較偏低,但平均被剝奪程度在所有地區(qū)中最高為0.436,這意味著城鄉(xiāng)結(jié)合區(qū)陷入多維貧困的家庭較少,但被剝奪程度更加嚴(yán)重。鎮(zhèn)中心區(qū)的多維貧困程度在所有區(qū)域中處于中間位置。鎮(zhèn)鄉(xiāng)結(jié)合區(qū)和鄉(xiāng)中心區(qū)的多維貧困發(fā)生率偏高,分別為0.331和0.337,二者中鄉(xiāng)中心區(qū)平均被剝奪程度更高,為0.425。村莊的多維貧困發(fā)生率高居第一,為0.448,即44.8%居住在村莊的家庭陷入多維貧困。從貢獻(xiàn)率來看,不超過兩成的入樣比對應(yīng)超過六成的貢獻(xiàn)率,對應(yīng)比例γ超過4,村莊地區(qū)的多維貧困情況非常嚴(yán)重。

表8 多維貧困指數(shù)的城鄉(xiāng)分解結(jié)果

3.按家庭人口分解

對多維貧困指數(shù)按家庭人口進(jìn)行分解,測算結(jié)果見表9。多維貧困程度總體上與家庭人口呈正相關(guān),家庭人口越多將越容易陷入貧困。家庭人口以1～3人為主,總比重為88.13%,這類家庭多維貧困發(fā)生率和平均被剝奪程度均較低,多維貧困程度較輕。隨著家庭人口數(shù)量上升,多維貧困程度相應(yīng)加重。當(dāng)家庭人口超過3人時,多維貧困貢獻(xiàn)率開始超過子群占比,γ項(xiàng)隨家庭人口增加而增加;當(dāng)家庭人口為6人時,多維貧困指數(shù)達(dá)到0.162,該類家庭有41.2%會陷入多維貧困。在全部樣本中,家庭人口為7人的樣本僅占到0.05%,其中沒有家庭陷入多維貧困。

表9 多維貧困指數(shù)的家庭人口分解結(jié)果

四、結(jié)論與政策建議

(一)研究結(jié)論

本文結(jié)合大連市住戶調(diào)查數(shù)據(jù),通過測算多維貧困指數(shù)嘗試對大連市的多維貧困情況進(jìn)行測度和分析。研究結(jié)果表明:

第一,收入不再是衡量和識別貧困的唯一標(biāo)準(zhǔn)。按維度分解多維貧困指數(shù)得到收入維度的貢獻(xiàn)率僅為3.27%。通過權(quán)重比較可以得出,大部分陷入多維貧困的家庭并未陷入收入貧困,收入貧困群體在多維貧困群體中占比低于一成。同時,多維貧困指數(shù)偏高的群體并非現(xiàn)有標(biāo)準(zhǔn)下的貧困群體。以收入作為唯一衡量標(biāo)準(zhǔn)的單維貧困衡量方式不能準(zhǔn)確識別潛在的返貧人口和新發(fā)生貧困人口。

第二,受教育年限、飲用水、洗澡設(shè)施、衛(wèi)生設(shè)施和環(huán)境衛(wèi)生5項(xiàng)指標(biāo)被剝奪情況較為嚴(yán)重。總體上,多維貧困發(fā)生率較低,僅10.8%的家庭陷入多維貧困,但陷入多維貧困的家庭在收入、教育、健康、就業(yè)和生活水平5個維度上有41.0%被剝奪,并且至少在其中兩個維度上被剝奪。從指標(biāo)分解看,生活水平是多維貧困的第一致因,貢獻(xiàn)率為68.07%;教育和健康排在第二位和第三位,貢獻(xiàn)率分別為16.62%和11.11%。細(xì)分指標(biāo)中受教育年限、飲用水、洗澡設(shè)施、衛(wèi)生設(shè)施和環(huán)境衛(wèi)生5項(xiàng)指標(biāo)貢獻(xiàn)率達(dá)到10%以上,被剝奪情況較為嚴(yán)重;醫(yī)療便利程度和勞動人口完全就業(yè)兩項(xiàng)指標(biāo)的被剝奪情況較輕。

第三,農(nóng)村地區(qū)多維貧困發(fā)生率遠(yuǎn)高于城市,但平均被剝奪程度差距不大。城市中,主城區(qū)的多維貧困程度最輕,其他城市地區(qū)多維貧困發(fā)生率從低到高依次為:城鄉(xiāng)結(jié)合區(qū)、鎮(zhèn)中心區(qū)、鎮(zhèn)鄉(xiāng)結(jié)合區(qū)。值得注意的是,城鄉(xiāng)結(jié)合區(qū)的平均被剝奪程度在包含農(nóng)村在內(nèi)的所有區(qū)域中最高,即該區(qū)域呈現(xiàn)多維貧困家庭較少、家庭貧困程度較為嚴(yán)重的特點(diǎn)。農(nóng)村地區(qū)中鄉(xiāng)中心區(qū)和村莊地區(qū)的多維貧困指數(shù)分別為0.143和0.183,其中村莊地區(qū)入樣占比為15.08%,但其對多維貧困指數(shù)的貢獻(xiàn)率高達(dá)62.58%,村莊地區(qū)的多維貧困情況非常嚴(yán)重。

第四,總體上,多維貧困程度與家庭人口呈正相關(guān)關(guān)系。家庭人口為1～3人時多維貧困發(fā)生率和平均被剝奪程度均較低,多維貧困程度較輕。當(dāng)家庭人口超過3人時,隨著家庭人口數(shù)增加,多維貧困程度相應(yīng)加重。家庭人口為6人的家庭中有41.2%會陷入多維貧困。從分解結(jié)果來看,多維貧困程度總體上與家庭規(guī)模呈正相關(guān)關(guān)系,家庭人口越多將越容易陷入貧困。

(二)政策建議

基于以上研究結(jié)論,本文得出以下三點(diǎn)政策啟示:

一是應(yīng)盡快實(shí)現(xiàn)多維貧困體系規(guī)范化和指標(biāo)標(biāo)準(zhǔn)化。在精準(zhǔn)識別貧困人口方面,衡量指標(biāo)除了國家規(guī)定的貧困線,還應(yīng)納入教育、健康、就業(yè)和生活水平等多維指標(biāo),以便找到貧困人口所需,同時解決扶貧三問中“扶持誰”和“怎么扶”的問題。2020年中央一號文件提出打贏脫貧攻堅(jiān)戰(zhàn),確保剩余貧困人口如期脫貧,其中提到農(nóng)村要補(bǔ)上修路、供水、人居、教育、醫(yī)療、保障、文化和環(huán)境八塊短板。這與多維貧困識別體系涉及的多項(xiàng)指標(biāo)不謀而合。當(dāng)下應(yīng)進(jìn)一步提高多維貧困識別的科學(xué)性和可操作性,實(shí)現(xiàn)體系規(guī)范化和指標(biāo)標(biāo)準(zhǔn)化,同時與現(xiàn)有識別體制結(jié)合,互為驗(yàn)證,進(jìn)一步提高準(zhǔn)確性。

二是應(yīng)對農(nóng)村地區(qū)的多維貧困情況給予更多重視,城市地區(qū)的扶貧工作需要更加精確。從分析結(jié)果可以看出,農(nóng)村地區(qū)的多維貧困情況非常嚴(yán)重,對于農(nóng)村地區(qū)的扶貧工作要加大力度;與此同時,不能只考慮農(nóng)村的多維貧困問題,城市地區(qū)的多維貧困人口較少,但在被剝奪程度上相差不大,對于城市地區(qū)的扶貧工作要抓精度,并對城鄉(xiāng)結(jié)合區(qū)的貧困家庭給予更多關(guān)注。

三是應(yīng)進(jìn)一步提高居民生活水平,并著力于幫助貧困家庭擺脫能力貧困。在精準(zhǔn)幫扶方面,可根據(jù)多維貧困計(jì)算結(jié)果制定相應(yīng)的幫扶計(jì)劃?；谥笜?biāo)貢獻(xiàn)率的考量,有關(guān)部門應(yīng)逐步幫助貧困家庭改善其生活水平,對存在大病或殘疾的家庭和家庭人口數(shù)較多的家庭予以更多關(guān)注。與此同時,關(guān)注貧困家庭中勞動人口就業(yè)率和受教育水平,從提高職業(yè)技能的層面幫助其擺脫能力貧困和收入貧困,以此建立未來扶貧的長效機(jī)制,逐步減少返貧人口和新發(fā)生貧困人口。