農(nóng)村家庭多維貧困測量及影響因素分析
——基于CFPS 2018數(shù)據(jù)的實證

湯 晉，陳洋庚，滕 盼

(1.江西農(nóng)業(yè)大學 a.經(jīng)濟管理學院 b.人文與公共管理學院，江西 南昌 330045；2.湘潭大學 公共管理學院,湖南 湘潭 411105 )

一、問題的提出

進入21世紀以來，基于Sen提出的“可行能力”剝奪理念[1]，多維貧困的測度指標設置和方法研究取得突破性進展。牛津大學貧困與人類發(fā)展中心采用Alkire 和Foster提出的“雙界限值”計數(shù)方法(AF方法)來判斷調查對象是否貧困，并且用各維度總剝奪值加總判斷其是否為多維貧困，[2]而后UNDF頒布了由教育、健康和生活水平3個維度構成的多維貧困指數(shù)(MPI)。[3]國內(nèi)學者在對中國不同地區(qū)多維貧困方面的研究也頗有建樹，比較有代表性的指標有收入水平、健康、生活質量、衛(wèi)生設施、教育、食物支出等。[4-6]在測量方法方面，國內(nèi)大多數(shù)文獻主要采用Alkire 和Foster提出的“雙界限”計數(shù)方法(AF方法)測量多維貧困狀態(tài)。關于農(nóng)村多維貧困的致貧因素，現(xiàn)有研究主要聚焦于教育水平、是否外出務工、贍養(yǎng)系數(shù)和家庭成員養(yǎng)老保險等個體和家庭因素，[7-8]也有學者關注到社區(qū)基礎設施、耕地資源數(shù)量、財政支農(nóng)等社區(qū)與政府財政行為因素。[9-10]

綜上，現(xiàn)有研究凸顯出對農(nóng)村貧困治理強烈的現(xiàn)實關照，為后續(xù)研究提供了鮮活的現(xiàn)實經(jīng)驗和知識譜系的學術積累。但現(xiàn)有研究仍然有值得進一步拓展的空間：一是現(xiàn)有研究聚焦于省級區(qū)域層面或集中連片特殊困難地區(qū)，鮮有對全國層面進行的整體研究，缺乏對全國整體貧困的認知；二是現(xiàn)有研究主要采用MPI指數(shù)與A-F方法相結合，但是MPI指數(shù)部分指標已經(jīng)不適合目前中國扶貧開發(fā)的政策導向；三是當前國內(nèi)研究主要分析收入貧困這一維度指標的影響因素，而對多維貧困的影響因素則過于偏重個人特征與家庭等內(nèi)在因素的分析。有鑒于此，本文希望在彌補以上三點不足方面作出一些嘗試和突破。

二、理論分析和研究假設

(一)家庭多維貧困的理論基礎

當前家庭多維貧困問題的研究主要聚焦于農(nóng)村家庭多維貧困的識別與測度。本文通過對多維貧困相關文獻的梳理，建立了4個維度以考察多維貧困。(1)恩格爾系數(shù)是指食品消費支出占全部消費支出的比重。國際上一般將60%作為貧困警戒線。關于收入貧困線，本文參照我國2015年的貧困線，以2800元為基準，即家庭成員人均純收入2800元/年。[11](2)農(nóng)村村民使用的燃料和用水類型直接影響到村民的長期健康問題，易引起呼吸道疾病。在我國扶貧目標“到2015年貧困地區(qū)農(nóng)村飲水安全問題基本得到解決”的背景下，農(nóng)村地區(qū)是否還存在用水安全問題，值得深入研究。(3)關注農(nóng)村居民健康是切實增強農(nóng)村居民反貧困能力的關鍵因素。俞福麗(2015)通過健康資本對農(nóng)村村民家庭資源配置影響的研究，發(fā)現(xiàn)健康資本能夠增加農(nóng)村村民的家庭資源。[12]醫(yī)療消費是一種家庭消費，國務院扶貧數(shù)據(jù)顯示，截止到2015年，中國7000多戶貧困農(nóng)民中有42%系因病返貧。醫(yī)療支出的增加會導致家庭積蓄減少，并且使家庭債務負擔加重，還可能會擠占其他消費資源，導致家庭生活標準下降，在其他多個維度上導致貧困。[13]這是導致農(nóng)村家庭返貧的重要原因。(4)在教育與貧困的關系研究中，很多學者發(fā)現(xiàn)農(nóng)村地區(qū)貧困發(fā)生率與受教育程度兩者間存在顯著負相關關系，隨著受教育程度的提高，貧困發(fā)生率明顯降低，而家庭教育支出在不同教育層次階段發(fā)揮著不同的作用。[12]綜上，本文提出以下假設：

H1:家庭成員受教育程度、生活用燃料、生活用水、家庭成員健康狀況與農(nóng)村家庭多維貧困發(fā)生率呈負相關。

H2:家庭成員受教育程度、健康狀況、教育支出對多維貧困支出貢獻率最大。

(二)家庭多維貧困的影響因素

1.個體特征

農(nóng)村戶主一般是家庭收入的主要來源，其個人能力和知識儲備的增長能夠引導家人脫離陷入貧困的概率。其中，戶主政治面貌、工作狀態(tài)能夠顯著降低家庭貧困的脆弱性；隨著戶主年齡的增長，其勞動力價值衰退則會導致家庭收入水平下降；而在貧困人口中，年齡與收入水平存在倒“U”型關系。[14]戶主的婚姻狀態(tài)意味著勞動力數(shù)量的變化，如果戶主是已婚狀態(tài)則意味著家庭勞動力增加可以共同緩解家庭收入狀況，以及共同承擔家庭風險的能力增強。

2.家庭特征

農(nóng)村家庭所擁有的人力資本和土地類價值變量能夠顯著影響家庭貧困程度。首先，人口數(shù)量多的家庭，消費支出會增加，因此陷入貧困的概率也會增加。候亞景(2017)研究發(fā)現(xiàn)，土地面積較大的家庭，其家庭勞動力從事農(nóng)業(yè)工作時間和生產(chǎn)資料投入增加，從而對家庭成員的健康、教育和生活條件造成影響[15]；土地面積少的家庭，其家庭勞動力會進城務工或者外出打工，在一定程度上緩解了家庭收入困難狀況，并且一些農(nóng)村家庭外出務工會攜帶子女外出上學，因此會提高子女受到良好教育的機會。其次，農(nóng)村家庭從事個體經(jīng)營不僅有助于家庭勞動技能的提高和生活條件的改善，還可以提高家庭在當?shù)氐纳鐣匚?，進而影響社會關系網(wǎng)絡，緩解家庭的貧困狀態(tài)。最后，家庭成員健康不理想的狀態(tài)，尤其是主要勞動力殘疾或者有重大疾病則會讓家庭陷入“貧困的惡性循環(huán)”。[16]因此，農(nóng)村家庭對于健康的投入對貧困的影響顯著。

3.社會網(wǎng)絡

我國農(nóng)村長期以來都是以小農(nóng)家庭為核心拓展開來的社會圈層結構，家庭的社會網(wǎng)絡通常是指基于家庭親友之間的社會關系。徐偉(2011)等研究發(fā)現(xiàn)，家庭社會網(wǎng)絡可以通過直接和間接的方式降低中國家庭的脆弱性，有助于家庭應對負向沖擊的風險。[17]本文所采用的家庭社會網(wǎng)絡用過去一年收到家庭親友貨幣形式的贈與資源的價值來度量。

三、數(shù)據(jù)來源和研究方法

(一)數(shù)據(jù)來源與抽樣方法

本文數(shù)據(jù)采用北京大學中國社會科學調查中心實施的中國家庭追蹤調查項目(China Family Panel Studies)。中國家庭追蹤調查項目(CFPS)重點關注中國居民的經(jīng)濟與非經(jīng)濟福利、教育獲得、身心健康和經(jīng)濟活動等研究主題，研究樣本覆蓋中國25個省(市、自治區(qū))95%的人口(不包含香港、澳門、臺灣、新疆、西藏、青海、內(nèi)蒙古、寧夏和海南)。CFPS2018是中國家庭追蹤調查的第四輪全國調查，通過對社區(qū)、家庭和個體3個層面的追蹤，反映中國家庭的經(jīng)濟、健康、教育和心理等各方面的狀況。因此本文對農(nóng)村家庭多維貧困的測量以家庭為分析單位。通過對2018年的樣本數(shù)據(jù)進行處理，剔除存在缺失的農(nóng)戶數(shù)據(jù)，最終得到5629戶農(nóng)村家庭樣本在各個維度上的結果。

在抽樣方法上，CFPS采用的是內(nèi)隱分層、多階段、多層次與人口規(guī)模成比例(PPS)的系統(tǒng)概率抽樣方式。抽樣分三個階段進行：抽取行政性區(qū)/縣、抽取行政性村/居委會和抽取家庭戶。[18]CFPS抽樣采用城鄉(xiāng)一體化的抽樣方式，這一特點打破了農(nóng)村與城市分開抽樣的傳統(tǒng)，能夠反映中國快速城市化的現(xiàn)實。

(二)研究方法

1.AF多維貧困測量方法

自從多維貧困理論提出至今，國內(nèi)外學者們構建了多種貧困指數(shù)的測度方法。比如單維方法、并的方法、交的方法和“雙界限”方法。在農(nóng)村家庭貧困測量識別和測度方面，本文采用學術界廣泛應用的Alkire(2011)等提出的克服交與并缺陷的“雙界限”方法——AF法。[3]本文選取了等權重法來設置維度和指標的權重，即各維度權重相同，維度內(nèi)各指標權重也相同。參照史春芳對多維貧困的測度過程方法，主要分為兩個步驟：一是對貧困進行識別，判斷家庭在多個維度上每一個指標的貧困狀態(tài)；二是對貧困進行加總，以此判斷某個家庭是否屬于多維貧困家庭。[19]具體步驟如下所示：

(1)單維貧困識別。假設樣本家庭總量為N，每個家庭由D個指標來評估其總體多維貧困水平。因此，所有樣本個體的調查情況構成一個N×D維矩陣X，X中的xij就是第i個家庭在j指標上的取值，根據(jù)指標取值結果設置各維度指標的剝奪臨界值Z=[zj]，例如，家庭人均純年收入臨界值為2800元，xij﹤zj表示第i個家庭在第j個維度上是貧困的，此時賦值為1，令gij=1；如果xij﹥zj表示第i個家庭在第j個維度上不存在貧困，此時賦值為0(家庭成員人均純年收入低于2800視為貧困，賦值為1，則gij=1；否則gij=0)。綜上所述，所有觀測值gij構成剝奪矩陣G。

(3)計算多維貧困指數(shù)(M)。通過以上方法測算出多維貧困家庭狀況，可以計算多維貧困發(fā)生的程度。多維貧困指數(shù)主要是通過兩個指標來計算：多維貧困人口發(fā)生率(H)和多維貧困平均剝奪份額(A)。多維貧困發(fā)生率(H)為多維貧困家庭總數(shù)除以樣本家庭總數(shù)，得到公式(1)；多維貧困平均剝奪份額(A)等于多維貧困家庭人口剝奪分值之和除以多維貧困家庭總戶數(shù)，得到公式(2)。

(1)

(2)

M=H·A

(3)

(4)維度分解。多維貧困指數(shù)可以按照城鄉(xiāng)、省份、地區(qū)等進行分解，本文將樣本農(nóng)戶的多維貧困指數(shù)按照維度或指標進行分解，進而測度所有維度和指標對多維貧困指數(shù)的貢獻額及貢獻率。設本文有d個貧困維度，由公式(1)(2)(3)綜合可分解出公式(4)，得到多維貧困指數(shù)公式：

(4)

(5)

2.Logit回歸模型

為了測算農(nóng)村家庭多維貧困的影響因素，本文將“是否為多維貧困”作為二分變量，以k=0.2總體剝奪臨界值情況下的多維貧困狀況作為因變量構建二元Logistic回歸模型。假設個體多維貧困發(fā)生概率為P，則非多維貧困家庭發(fā)生概率為1-P。通過Logistic模型對影響家庭多維貧困狀態(tài)的因素進行分析。其中回歸方程設定為：

In(P/1-P)=β0+β1X1+β2X2+……+βmXm

(6)

公式(6)中P表示農(nóng)村多維貧困家庭，1-P表示非農(nóng)村多維貧困家庭；Xm表示農(nóng)村家庭多維貧困的影響因素，m表示自變量的個數(shù)；β0為常數(shù)項，βm表示自變量的回歸系數(shù)，反映的是農(nóng)村家庭多維貧困的方向和因素。

(三)維度和指標選取

關于如何識別各個農(nóng)戶家庭是否為多維貧困，我們借鑒聯(lián)合國多維貧困指數(shù)構造框架，結合中國“兩不愁、三保障”的扶貧目標，參照國內(nèi)學者周強、張全紅[19]和陳聞鶴[20]提出的指標體系，本文采用了三個維度共八個指標來識別家庭是否為多維貧困。同時設置每個指標的臨界值，其中低于臨界值被認為存在貧困狀態(tài)的指標有：家庭人均純收入C1、教育支出C8；高于臨界值被認為存在該貧困狀態(tài)的指標有：恩格爾系數(shù)C2、家庭成員健康狀況C5、醫(yī)療支出C6；采用定性劃分的家庭使用柴草、煤等非清潔能源判定為貧困，賦值為1；農(nóng)戶家庭不能使用井水、自來水、桶裝水、純凈水或過濾水判定為貧困，賦值為1。具體指標如表1所示：

表1 多維貧困指標和剝奪臨界值

四、多維貧困的測算和分解

(一)農(nóng)戶單一維度貧困發(fā)生率

從單維貧困測量表2來看，農(nóng)戶家庭各個指標貧困發(fā)生率情況相差較大。貧困發(fā)生最高的三個指標依次為家庭成員最高受教育程度(64.8%)、家庭用燃料(41.57%)和家庭用水(35.89%)，說明這三個指標的被剝奪程度最嚴重。其后是家庭成員平均健康狀況(32.77%)、家庭人均純年收入(9.6%)、恩格爾系數(shù)(5.4%)、醫(yī)療支出比例(2.89%)和教育支出(0.28%)。從總體上來看，在家庭多維貧困指標上，家庭成員受教育程度對多維貧困的影響較大。

表2 農(nóng)村家庭各指標的貧困發(fā)生率(%)

從農(nóng)戶家庭經(jīng)濟狀況來分析，調查樣本為5629戶農(nóng)村家庭，其中有546戶存在收入貧困，貧困發(fā)生率僅為9.6%。家庭人均純收入一直以來就是衡量貧困的標準，我國自1987年開始就以開發(fā)式扶貧為手段，轉變農(nóng)村經(jīng)濟發(fā)展方式，提高農(nóng)戶收入。2018年農(nóng)村家庭人均收入調查結果顯示，我國2020年全面脫貧的目標能夠順利完成。

在農(nóng)戶生活條件方面，共選取了3個指標。其中家庭使用的燃料貧困發(fā)生率較高，達到41.57%，這一指標的貧困戶有2340戶。這表明農(nóng)村家庭大多仍然使用煤炭、柴草等非清潔型能源燃料。按照聯(lián)合國的規(guī)定，若家庭不能使用天然氣、電等清潔能源視為貧困，燃料使用不規(guī)范，不僅對家庭成員身體健康不利，而且過度使用煤、柴草也會對空氣造成污染；生活用水方面貧困發(fā)生率達到35.89%，這一維度的貧困戶有2019戶。在農(nóng)村地區(qū)，還有一大部分家庭未使用自來水、桶裝水和過濾水，一部分原因可能是城市供水系統(tǒng)沒有把農(nóng)村地區(qū)納入供水范圍，另一部分原因是桶裝水送達農(nóng)村地區(qū)成本高、路程遠，且農(nóng)村家庭不愿為此消費；農(nóng)村家庭恩格爾系數(shù)的貧困發(fā)生率為5.4%，這表明隨著農(nóng)村家庭收入水平的提高，食品支出占比逐漸下降。

在農(nóng)戶家庭成員健康方面，采用農(nóng)村家庭成員最低健康狀況和醫(yī)療支出比例來衡量。從樣本農(nóng)村家庭成員最低健康狀況來看，貧困發(fā)生率為32.77%，這一指標的貧困戶有1845戶。表明隨著我國老齡化進程加快，老年人身體較差對擺脫貧困提出了挑戰(zhàn)；在家庭醫(yī)療支出比例方面，貧困發(fā)生率為2.89%，一部分原因是國家提出的“兩不愁，三保障”，在農(nóng)村地區(qū)推行農(nóng)村醫(yī)療報銷和新型農(nóng)村養(yǎng)老保險，緩解了農(nóng)村家庭的醫(yī)療支出壓力。

在家庭教育方面，教育相對于其他脫貧投資有明顯較高的收益率和回報率，并且家庭收入的增加能夠進一步促進教育需求增加與受教育水平的提高。從家庭成年成員最高受教育程度來看，貧困發(fā)生率為64.8%，共有3648戶農(nóng)村家庭受教育程度為初中及以下。樣本家庭受教育程度在“高中及以上”的僅為16.39%。表明樣本家庭整體受教育程度較低。樣本家庭“教育支出比例”這一指標的貧困發(fā)生率為0.28%，表明農(nóng)戶希望子女受教育從而實現(xiàn)整個家庭脫離貧困，但教育支出可能造成“因教致貧”的狀態(tài)?！敖逃仑殹崩碚撋现饕l(fā)生在高中及以上階段，即非義務教育階段。

單維貧困指標結果顯示，樣本農(nóng)村家庭以收入一維指標的貧困發(fā)生率僅達9.6%，而樣本家庭的受教育程度、生活用燃料和生活用水等指標呈現(xiàn)出比較高的貧困發(fā)生率，這表明以單一收入指標衡量農(nóng)戶貧困狀態(tài)已經(jīng)難以適應農(nóng)戶的多維貧困狀態(tài)，因此采用多維貧困指標更能顯示農(nóng)村家庭的貧困性質以及致貧因素的次序，從而提出精準脫貧的措施。

(二)農(nóng)戶多維貧困測度結果

從單維貧困統(tǒng)計結果中可知，樣本家庭存在明顯的多維貧困現(xiàn)象，為了能夠更詳細地分析樣本家庭的多維貧困狀況，本文運用AF多維貧困指數(shù)法對多維貧困發(fā)生率、多維貧困剝奪份額以及多維貧困指數(shù)進行測算，測算結果如表3所示。

表3 不同臨界值下農(nóng)村家庭多維貧困情況(%)

在遵循各指標“等權重法”以及雙重臨界值設定方法情況下，不同貧困臨界值K計算的多維貧困指數(shù)(M)是不同的。因此，表3估算了樣本農(nóng)戶的貧困臨界值K取0.1～0.8的多維貧困發(fā)生率(H)、貧困剝奪份額(A)和多維貧困指數(shù)(M)的情況。根據(jù)調查結果顯示，以K=0.2為例，樣本農(nóng)村家庭貧困發(fā)生率(H)為68.91%，貧困剝奪份額(A)為31.34%，多維貧困指數(shù)為0.215，這表明樣本家庭在整體上存在多維貧困現(xiàn)象。隨著臨界值k不斷增長，農(nóng)村家庭多維貧困發(fā)生率(H)和多維貧困指數(shù)(M)逐漸減少，但是家庭貧困剝奪份額(A)逐漸增加。在農(nóng)村家庭貧困維度提高的同時，多維貧困的廣度在降低，而多維貧困的深度在增加。這表明樣本家庭存在不同原因造成的多維貧困。在我國精準扶貧的大背景下，在收入一維貧困發(fā)生率降低的情況下，農(nóng)村地區(qū)多維貧困表現(xiàn)得更為多樣和復雜。

由于本文臨界值選取k=0.2，采用AF法標準識別出非多維貧困1750戶，多維貧困戶3879戶，多維貧困發(fā)生率為68.91%，這表明我國農(nóng)村地區(qū)仍然有很大一部分群體存在多維貧困。

(三)多維貧困指數(shù)分解：各個維度和指標的重要性

進一步考察各個維度在貧困上的狀態(tài)對于多維貧困指數(shù)的貢獻，本文選取多維貧困維度臨界值k=0.2時，多維貧困按維度分解的貢獻率如表4所示。對于樣本農(nóng)村家庭多維貧困人口來說，教育和家庭生活狀況是對多維貧困貢獻率最大的，分別達到39.12%和28.47%。這說明家庭成員受教育年限以及生活條件的改善能夠緩解多維貧困狀況。

表4 多維貧困按維度分解貢獻率(%)

表5顯示了各指標對于多維貧困貢獻率具有較大的差異。家庭成員受教育程度這一指標的貢獻率最高達到了38.95%，其次是家庭成員健康狀況為18.61%，這說明家庭成員受教育程度和健康狀況對于多維貧困具有重要影響，其中家庭成員受教育程度貢獻率已經(jīng)超過1/3。出現(xiàn)這一現(xiàn)象的原因主要是因為農(nóng)村地區(qū)教育水平落后，教育條件落后和教育資源稀缺導致農(nóng)村家庭成員受教育程度普遍較低。其后是生活使用燃料、生活用水和人均收入對于多維貧困的貢獻率分別是14.88%、12.5%和11.22%。醫(yī)療保險的貢獻率為1.64%，說明近年來農(nóng)村醫(yī)療保險發(fā)揮了有效作用，減輕了農(nóng)村家庭因病致貧。教育支出對多維貧困的貢獻率最低為0.27%，主要是因為教育在不同的階段對于貧困有不同的作用。農(nóng)村基本公共服務缺失，教育質量較低，農(nóng)村家庭子女上學顯著增加了農(nóng)戶陷入貧困的概率。研究發(fā)現(xiàn)，對于樣本農(nóng)戶多維貧困人口來說，教育和健康是造成多維貧困最為重要的影響因素。受教育水平的提高和健康的改善是消除貧困的根本途徑，這就要求今后的扶貧政策要更加重視這兩個方面的幫扶。

表5 多維貧困按指標分解貢獻率(%)

五、模型估計和影響因素分析

(一)變量選擇和描述

根據(jù)上文多維貧困研究測度結果，選取k=0.2時多維貧困識別作為因變量，令多維貧困家庭=1，非多維貧困家庭=0，被解釋變量為因變量，因此選用二元logistic模型，利用spss20軟件進行回歸分析。

基于以上多維貧困測度，結合以往研究成果和數(shù)據(jù)可獲得性，農(nóng)村家庭陷入多維貧困不僅受到農(nóng)戶“家庭特征”影響，還包括“戶主特征”和“社會網(wǎng)絡”雙重影響。因此，本文構建了三個層面共13個解釋變量：(1)戶主特征變量。農(nóng)戶戶主一般在家庭中承擔著更多的責任，選用了戶主年齡、政治面貌、工作情況和婚姻狀態(tài)四個變量。(2)家庭特征變量?？紤]到家庭結構特征和資源稟賦，選取家庭規(guī)模、政府幫助情況、是否為個體經(jīng)營戶、外出打工情況、是否從事農(nóng)業(yè)工作、是否領取養(yǎng)老金退休金、醫(yī)療保健支出和投資情況等因素。(3)社會網(wǎng)絡變量。主要包括每年的人情禮金支出以及平時親戚互相支持程度。

表6 主要解釋變量的名稱和描述

(二)農(nóng)戶多維貧困影響因素分析

1.多重共線性檢驗。考慮到解釋變量可能存在多重共線性關系，本研究對各變量進行多重共線性診斷。一般認為VIF>3，變量存在一定程度的多重共線性；若VIF>10,則存在高度共線性。[9]經(jīng)過檢驗,模型中各變量容忍度均遠大于0.1，模型的方差膨脹因子最大值為1.69，說明模型穩(wěn)健性良好。

2.模型擬合結果。本文采用二分類Logistic回歸模型評估個體特征、家庭特征和社會網(wǎng)絡對農(nóng)戶多維貧困的影響。使用Box-Tidwell方法檢驗連續(xù)自變量與因變量logit轉換值是否為線性。線性檢驗模型共納入18項，Bonferroni校正后顯著性水平為0.0027。線性檢驗結果顯示所有連續(xù)自變量與因變量logit轉換值間存在線性關系。根據(jù)回歸模型擬合結果，經(jīng)霍斯默-萊梅肖檢驗(Hosme and Lemeshow Test)，P值為0.167>0.05，接受零假設，說明二元logistic模型與觀測值擬合良好。該模型能夠正確分析74.20%的研究對象，得到的Logistic模型具有統(tǒng)計學意義。

表7 Hosmer 和 Lemeshow 檢驗結果

模型回歸結果顯示，農(nóng)戶年齡、政治面貌、家庭規(guī)模、政府補助情況、從事個體經(jīng)營情況、外出工作情況、醫(yī)療保健支出、商業(yè)性保險支出、人情禮金支出共9個變量對農(nóng)戶家庭多維貧困有顯著性影響。解釋變量與預測方向有一些差距，具體回歸結果見表8。

表8 Logit模型回歸結果

從個體特征對家庭多維貧困的影響來看，農(nóng)戶的年齡多維貧困具有顯著的正向作用，說明隨著農(nóng)戶年齡的增長，其陷入多維貧困的概率會增加。黨員系數(shù)為正且系數(shù)較大，說明戶主的政治面貌為黨員會極大地降低農(nóng)戶陷入多維貧困的概率。原因主要可能是黨員發(fā)揮了更好的示范效應和帶動作用所致，并且能夠較好地識別家庭風險。

從家庭特征對家庭多維貧困的影響來看，8個變量中有6個變量對家庭多維貧困有顯著影響。農(nóng)村家庭規(guī)模在1%的情況下影響為正，但其回歸系數(shù)較低。一般來說家庭人口越多，越容易陷入貧困，[21]在家庭總收入不變的情況下，家庭人口越多則人均收入越低，因此容易陷入收入這一維度的貧困，但是隨著人口的增加，家庭共同承擔風險的能力會增強。因此，家庭人口規(guī)模對于多維貧困的影響不顯著。政府提供補助對于家庭多維貧困具有顯著的負向作用，有政府補助的家庭有助于降低多維貧困的概率。隨著我國對于農(nóng)村脫貧工作的重視，新型農(nóng)村合作醫(yī)療、農(nóng)業(yè)補貼、貧困學生助學金等政府補貼在一定程度上降低了農(nóng)村家庭陷入多維貧困的概率。家庭中從事個體經(jīng)營對多維貧困具有顯著的正向作用，說明家庭經(jīng)營者更容易陷入多維貧困。可能是因為家庭資金的分散，以及個體經(jīng)營承擔的風險比較大。外出務工在10%的水平下對家庭多維貧困具有顯著負向作用，農(nóng)村家庭成員外出打工可以降低農(nóng)戶陷入多維貧困的概率。由于打工可以增加家庭收入，較好地抵御家庭風險。家庭醫(yī)療保健支出和家庭商業(yè)保險支出均在1%的水平下對多維貧困有顯著正向影響。醫(yī)療保健支出和商業(yè)保險支出較低的家庭，其家庭承受風險更大，相應更容易陷入多維貧困。

從社會網(wǎng)絡來看，家庭年人情禮金支出在1%的水平下對多維貧困具有顯著正向作用。顯然，家庭人情禮金支出反映的是農(nóng)村家庭的社會網(wǎng)絡狀態(tài)，其直接影響的是家庭收入狀況和抵御風險的能力。

六、結論與建議

(一)研究結論

本文通過采用中國家庭追蹤調查5629戶農(nóng)村家庭數(shù)據(jù)，在精準扶貧的大背景下，通過AF方法識別農(nóng)村地區(qū)家庭多維貧困現(xiàn)狀，并且運用Logit模型從個體特征、家庭特征和社會網(wǎng)絡分析其影響因素，得到如下結論：

(1)參照多維貧困標準(K=0.2)，樣本家庭多維貧困發(fā)生率為68.91%，共識別出3879戶家庭存在多維貧困現(xiàn)象，多維貧困指數(shù)為0.2159。對多維貧困指數(shù)分解的結果顯示，不同因素對于貧困的影響存在較大的差異。

(2)從單維貧困發(fā)生率可以看出，教育水平、生活使用燃料、生活用水貧困發(fā)生率較高，其次是健康、收入、恩格爾系數(shù)、醫(yī)療支出和教育支出；其中教育水平、健康情況、生活使用燃料和生活用水對于多維貧困指數(shù)貢獻率均高于收入水平，并且各維度影響差異較大。

(3)個體特征、家庭特征和社會網(wǎng)絡對樣本家庭多維貧困的影響分析結果顯示，年齡、黨員、家庭規(guī)模、從事個體經(jīng)營情況、醫(yī)療保健支出、商業(yè)保險支出對農(nóng)村家庭多維貧困具有顯著正向作用，而政府補助、外出打工情況對農(nóng)村家庭多維貧困具有顯著的負向作用。

(二)政策建議

要打破以收入單維度考察農(nóng)村地區(qū)貧困，應從教育、生活水準等方面對貧困進行深層次分析，旨在瞄準真正貧困的群體并建立更為精準的扶貧開發(fā)政策，為2020年后實現(xiàn)全面建成小康社會提供更全面的理論分析?；谝陨辖Y論，本文提出以下建議：

第一，大力提高農(nóng)村教育水平，隔斷貧困的代際傳遞。目前，農(nóng)村地區(qū)最緊迫的任務是重新塑造和提高農(nóng)戶應對風險的能力，對于受教育年限不足的成年人，應該定期開展教育普及性知識講座，做到“扶貧先扶智”，從而提高脫貧質量。

第二，積極引導農(nóng)戶使用清潔能源，減少農(nóng)村人口脫貧阻礙。農(nóng)村地區(qū)應減少木柴、秸稈的使用，實施新型能源供應方式，從而降低對自然環(huán)境的破壞以及對貧困人口身體健康的損害，減輕“因病致貧”現(xiàn)象的循環(huán)往復。

第三，保障農(nóng)村地區(qū)飲水安全問題。貧困人口長期使用非清潔水源會對身體造成危害。農(nóng)村地區(qū)要對飲用水進行消毒處理常態(tài)化，政府應盡快將農(nóng)村地區(qū)納入自來水供應范圍。

第四，加強職業(yè)教育培訓，增強法律意識。在農(nóng)村家庭外出務工對減貧影響巨大的情況下，政府要對農(nóng)戶開展職業(yè)培訓教育，提高農(nóng)戶法律意識，幫助農(nóng)戶運用法律手段維護自身合法權益。