首页 >> 社会学 >> 人口学
中国农村家庭脱贫的时间路径及其策略选择
2021年01月06日 09:17 来源:《中国人口科学》(京)2020年第1期 作者:陈永伟 侯升万 符大海 字号
2021年01月06日 09:17
来源:《中国人口科学》(京)2020年第1期 作者:陈永伟 侯升万 符大海
关键词:收入;家庭脱贫;持续时间;加速失效时间模型

内容摘要:

关键词:收入;家庭脱贫;持续时间;加速失效时间模型

作者简介:

  内容提要:文章将时间概念引入贫困分析,进而发掘农村家庭的脱贫速度及脱贫稳定性,并使用中国家庭追踪调查数据,拟合加速失效时间模型与二元选择模型研究发现:(1)农村家庭脱贫存在久期相依性,37.2%的贫困人口在持续1年后可快速脱离贫困,但随时间延长,持续5年后能够脱贫的人口占比下降至8.6%。(2)多数家庭在脱贫后人均收入会增长到同期贫困标准的2倍以上,但也有近15%的脱贫人口在间隔3~5年后会出现返贫现象。(3)家庭成员外出务工或转变土地资源的利用方式来提高自有土地资产价值,可提高家庭快速脱贫的概率,也会提高家庭在脱贫后持续获取更高收入增幅的概率,但有慢性病患者的家庭脱贫速度更慢,脱贫后的收入增幅更低。(4)政府对贫困家庭提供的收入补助在帮扶脱贫、抑制返贫中的作用不显著,还会降低家庭在脱贫后赚取更高收入的概率。

  关 键 词:收入;家庭脱贫;持续时间;加速失效时间模型

  作者简介:陈永伟,浙江工商大学经济学院教授;侯升万,中南财经政法大学统计与数学学院硕士研究生;符大海,中央财经大学国际经济与贸易学院副教授。

  一、引言

  中国在农村反贫困工作中已经取得了显著成效。根据国家统计局公布的数据,全国农村贫困人口已从2012年的9899万下降到2018年的1660万,累计减贫8239万人。但边脱贫边返贫的现象仍时有发生,并且在部分地区还呈现上升趋势(张桂文等,2018;张琦,2019)。尽管从整体上看,中国的返贫人口在下降,但2016年的返贫规模仍达68.4万人,2017年的返贫人口为20.8万。因此,巩固扶贫成果,构建解决家庭贫困的长效机制已成为十九届四中全会明确部署的下一阶段重点任务。为此,本文尝试在家庭脱贫中引入时间维度,使用家庭追踪调查数据从时间维度上梳理家庭脱贫的动态规律,并在此基础上使用加速失效时间模型和二元选择模型分析能够促使家庭实现快速与稳定脱贫的动力因素。本研究对于认识家庭脱贫的时间路径特征,并采取有针对性的帮扶政策巩固扶贫成果具有重要的理论及现实意义。

  与中国在反贫困实践中取得的显著成绩相对应,在理论上,有关中国贫困问题的学术研究也同样积累了较丰硕的成果。本文着重从贫困动态性角度梳理现有文献。在这一领域,目前研究主要围绕贫困状态的转移变化及贫困的长期与短期分解两个方向进行了深入讨论。例如,在贫困状态的转移变化研究中,蒋南平、郑万军(2019)在贫困指数的基础上构造了脱贫与返贫指数,他们发现,农村贫困状况虽然在整体改善,但脱贫效果仍然受返贫现象的较大制约。李博等(2018)利用状态转移矩阵比较了收入贫困与多维贫困,研究发现,两种贫困发生率与状态转换率相差不大,且在2010~2014年均呈下降趋势。叶初升、赵锐(2013)对农村贫困的状态转化研究发现,家庭入贫与脱贫的过程会以非对称的比例同时存在,但入贫率明显小于脱贫率,因此,中国整体减贫呈上升趋势。也有文献重点分析了相邻两期家庭贫困状态的变化,发现由于短期收入波动较大,家庭贫困通常表现为进入率与退出率双高的特征(Xie等,2015;罗楚亮,2010)。此外,孙晗霖等(2019)从可持续性角度分析了脱贫的动态性,他们认为,贫困户在脱贫后两年内仍应成为重点保障对象,采取持续追踪和帮扶措施,从而建立稳定脱贫的可持续性。

  研究贫困动态性的另一方向是将贫困分解为长期贫困与短期贫困,其中,短期贫困也被称为暂时性贫困。例如,Ward(2016)依据相邻两期贫困状态的转移率来推断家庭贫困的长期性与暂时性,并认为中国贫困主要表现为暂时性贫困。Gustafsson等(2009)使用持续时间来定义贫困的长期性与暂时性。通常,这种方法将样本期内所有时间均处于贫困的家庭定义为长期性贫困,将部分时间处于贫困的家庭定义为暂时性贫困。Duclos等(2010)指出,依据样本内持续时间长短来直接定义长期贫困和暂时性贫困会产生偏误,他们建议使用自助法来纠正这种偏误。章元等(2013)认为,定义样本期内的长期性或暂时性贫困首先需将家庭贫困按照样本时间长度进行加总,然后再对其进行分解度量,结果发现,中国农村贫困中长期性贫困的比重高于暂时性贫困。

  与上述研究不同,本文在讨论贫困的动态性时,聚焦家庭脱贫的速度与脱贫稳定性。以贫困家庭为分析对象,引入时间维度,进而考察贫困户脱贫的动态过程及其促进因素。Imai等(2014)将中国农村家庭脱贫视为自主选择的内生过程,使用包含家庭决策行为的久期模型分析发现,选择农业种植的家庭比在当地非农就业的家庭更容易摆脱持续性贫困,但其分析没有考虑脱贫的稳定性。在国际上,也有部分文献从时间维度分析了家庭贫困状态的变化过程。如Seker等(2015)发现土耳其贫困具有非常明显的状态转换特征,持续性贫困仅占贫困人口的1/4。Kyzyma(2014)发现德国贫困存在由短期向长期演变的趋势,其中,家庭户主特征是影响贫困向持续性发展的显著因素。

  本文的边际贡献主要体现在将时间维度引入贫困分析,从而为研究家庭脱贫及由此在时间轴上产生的返贫提供新的视角。尽管Imai等(2014)从时间维度初步分析了中国家庭脱贫的动态过程,但其研究并没有考虑脱贫后的返贫问题。本文将脱贫与返贫置于统一分析框架内,从而为构建解决家庭贫困的长效机制提供更有针对性的发现。通过对脱贫家庭收入变动的统计分析,本文还揭示了部分家庭在脱贫后收入出现较高幅度增长的系统性规律,并剖析了形成这种规律的内在因素。

  二、中国农村家庭脱贫的时间路径:特征事实

  (一)数据来源和核心变量定义

  1.数据来源。本文使用中国家庭追踪调查数据(CFPS),该数据便于观察家庭贫困状态的演变,从而确定家庭脱贫的具体时点并计算贫困持续时间。Zhang等(2014)分析了CFPS的样本代表性,他们发现,在研究家庭贫困时,使用该样本得出的结论与使用其他样本(如中国综合社会调查、中国家庭金融调查等)得出的结论基本一致。本文选用调查中2010、2012、2014和2016年的农村样本为研究对象,并按家庭识别码组成面板数据。

  2.核心变量定义。农村贫困具有典型的家庭属性特征,即使家庭中部分成员的收入水平位于贫困标准之上,但如果其余成员的收入水平低下或没有收入,那么,家庭整体仍有可能陷入贫困。国家统计局在监测贫困时也以农村住户家庭为单元,因此,本文在定义农村贫困时,参照郭熙保和周强(2016)、Liu等(2017)的研究方法,以农村家庭年人均纯收入低于国家统计局给出的同年标准定义为贫困。历年的贫困标准数据从《中国农村贫困监测报告》(国家统计局住户调查办公室,2017)查询得到。

  脱贫的时间路径是指家庭在贫困状态中持续一段时间后脱离贫困,若家庭在贫困状态中持续的时间较短,说明家庭脱贫的速度较快;反之,若家庭在贫困状态中的持续时间较长,说明家庭脱贫的速度较慢。因此,研究家庭脱贫的时间路径特征可等价转换为分析家庭在贫困状态中的持续时间。受限于本文使用样本的调查周期(CFPS每隔一年开展一次调查),本文对家庭贫困持续时间的计算进行以下约定:若家庭仅在一个调查期内被认定为贫困,该家庭的贫困持续时间为1年;若家庭在两个连续的调查期内被认定为贫困,该家庭的贫困持续时间为3年;若家庭在3个连续的调查期内被认定为贫困,该家庭的贫困持续时间为5年;若家庭在4个调查期内都被认定为贫困,该家庭的贫困持续时间为7年;若家庭在中间存在间隔的两个调查期内被分别认定为贫困,那么该家庭存在返贫现象,中间的间隔期被认定为脱贫时间。例如,家庭在2010和2016年两个调查期被分别认定为贫困,那么该家庭即有返贫现象,中间间隔的5年为脱贫时间。

  (二)与时间相关的脱贫人口分布统计:整体概况

  本文以家庭人口规模为权重,用脱贫人口占原有贫困总人口的比例来表示脱贫率①。在计算时,按照家庭在贫困状态中的持续时间为标准,分类统计上述脱贫人口的分布,以此描述家庭脱贫的时间路径特征(见表1)。

  表1 与时间相关的脱贫(返贫)人口分布统计 %

持续时间 脱贫人口占比 返贫人口占比  
1年 37.24 -  
3年 13.63 15.97  
5年 8.63 14.99

  注:受限于样本调查的时间间隔,当统计返贫人口占比时,无法观察到间隔1年的返贫情况,因此表中数据缺失。

  从表1可以看出,37.24%的贫困人口在贫困状态中持续1年后会脱离贫困,并且没有出现返贫现象。但随时间延长,当贫困状态的持续时间达到5年时,脱贫人口的占比会快速下降到8.63%。这一结果初步揭示了中国家庭脱贫的时间动态特征,也印证了当前劳动经济学中关于贫困久期相依的观点,即家庭在贫困中经历的时间越长,人力资本贬值和损耗的程度会越大,因此,依靠家庭自身能力获得工作收入进而脱离贫困的概率也会越低。如果将表中三类脱贫人口(不含返贫人口)的占比简单相加,可以看出,样本期内,仅有59.5%的贫困人口会脱离贫困。

  与脱贫状态密切相关的是,样本期内,部分家庭在脱贫后会存在返贫现象。从表1可以看出,接近16%的贫困人口在首次脱贫3年后会再次返贫,并且这种现象在脱贫持续时间延长后并没有得到显著缓解;当家庭脱贫的持续时间达到5年时,仍有近15%的脱贫人口会再次返贫。

  (三)与时间相关的脱贫人口分布统计:具体动态

  表1从时间分布角度统计了中国农村家庭脱贫的整体概况,但对整个样本调查期而言,这一时期家庭贫困状态的转变既有可能表现为部分贫困人口的脱贫,也有可能表现为部分非贫困人口的入贫,同时,随着样本追踪时期的延长,还有可能表现为初次脱贫人口的再次返贫。因此,本文以样本调查期为时间轴,统计了家庭贫困状态演变的具体动态(见表2)。

  表2 样本调查期内家庭贫困状态的转移变化 %

年份 2012年 2014年 2016年  
贫困 非贫困 贫困 非贫困 贫困 非贫困  
2010  
贫困 37.66 62.34 31.82 68.18 38.62 61.38  
非贫困 21.19 78.81 19.10 80.90 21.02 78.98  
2012  
贫困     37.59 62.41 36.82 63.18  
非贫困     15.31 84.69 18.57 81.43  
2014  
贫困         40.89 59.11  
非贫困         18.07 81.93

  从短期看,农村家庭贫困状态的转移变化较快。例如,在2010~2012年的调查期内,大约60%的贫困人口会脱离贫困,并且这一现象在2012~2014年及2014~2016年两个调查期内也大致成立。表1显示,仅有37.24%的贫困人口在贫困状态中持续1年后会成功脱离贫困(没有返贫),将以上二者结合可以推断出,短期内,在60%的脱贫人口中仍有相当比例的人口会出现返贫现象。由于贫困状态的转换以家庭人均纯收入与国家贫困线的比较来判断,由此也说明,中国农村低收入家庭的收入存在较大波动。这一结果也可以从短期内新增入贫人口的比例看出,在以上3个调查期内,即使中国经济已进入新的发展阶段,人均收入水平增长较快,但仍有15.3%~21.2%的人口会陷入贫困,并且在样本期内呈现波动趋势。这些结果也意味着,拓宽农村低收入家庭的稳定增收途径对于农村减贫具有重要作用。

  从长期看,农村家庭贫困存在反复现象。当样本观察期从2010~2012年延伸到2010~2014年时,贫困人口中脱贫人口占比会从62.3%上升到68.2%,但当样本观察期进一步延伸到2010~2016年时,脱贫人口的占比又会从68.2%下降到61.4%,说明中国农村家庭脱贫人口存在返贫现象。当观察期的起点设定为2012年,从2012~2014年到2012~2016年,在连续5年时间内,农村脱贫人口仅出现缓慢上升趋势(从62.4%上升到63.2%),这说明在农村实现持续高效减贫难度较大。

  为了更进一步揭示脱贫人口的来源构成及其分布特征,本文对家庭人均纯收入进行区间划分,观察在每一区间上脱贫人口的占比分布。本文以0.25倍、0.5倍和0.75倍贫困线为界限,将贫困家庭的人均纯收入划分为4个区间:[0,0.25PL]、[0.25PL,0.5PL]、[0.5PL,0.75PL]和[0.75PL,PL];同时以2倍贫困线为界限,将非贫困家庭的人均纯收入划分为两个区间:[PL,2PL]和[2PL,∞]。这里,0.25PL、0.5PL、0.75PL、PL和2PL分别表示相应倍数的贫困线水平。基于这种划分,本文分析位于不同收入区间的贫困家庭在脱贫后,其收入增长到对应非贫困收入区间的人口占比分布。结果如表3所示。

  表3 在各收入区间上脱贫人口的转移变化分布 %

年份 2012年脱贫后 2014年脱贫后 2016年脱贫后  
PL<Inc≤2PL Inc>2PL PL<Inc≤2PL Inc>2PL PL<Inc≤2PL Inc>2PL  
2010年脱贫前  
0.75PL<Inc≤PL 13.84 21.66 13.22 23.97 13.59 19.64  
0.5PL<Inc≤0.75PL 11.91 18.17 8.77 21.29 13.35 18.46  
0.25PL<Inc≤0.5PL 6.42 12.92 6.36 10.82 8.80 12.33  
Inc≤0.25PL 3.02 12.06 3.11 12.45 2.51 11.31  
2012年脱贫前  
0.75PL<Inc≤PL     8.32 14.65 8.47 13.86  
0.5PL<Inc≤0.75PL     7.37 16.24 8.60 15.79  
0.25PL<Inc≤0.5PL     8.19 17.32 9.24 15.76  
Inc≤0.25PL     9.23 18.68 12.10 16.17  
2014年脱贫前  
0.75PL<Inc≤PL         9.81 11.56  
0.5PL<Inc≤0.75PL         9.37 14.58  
0.25PL<Inc≤0.5PL         12.47 14.65  
Inc≤0.25PL         10.92 16.64

  注:Inc表示家庭年人均纯收入;0.25PL、0.75PL、PL、2PL分别表示0.25倍、0.75倍、1倍、2倍贫困线水平。

  表3中数值表示在每一收入区间上脱贫人数占调查期内总脱贫人数的比例。通过纵向对比②可以发现,当贫困人口能够成功脱贫时,有更多人口的收入会出现较大幅度的增长。脱贫后,收入在高区间[2PL,∞]的人口占比明显高于同期收入在低区间[PL,2PL]的人口占比。这一结果在每一个调查期均成立,并且对于贫困人口的每一类初始收入水平或表示贫困严重程度的每一个低收入区间也成立。那么,哪些贫困家庭在脱贫后收入获得了更大幅度的增长?本文在后续部分将引入家庭个体特征变量,分析家庭在脱贫时能够促使其获得更大收入增幅的影响因素。

  三、中国农村家庭脱贫的时间路径:影响因素及其策略选择

  中国农村家庭脱贫时表现出两个典型特征:(1)在脱贫前,不同家庭在贫困状态中的持续时间不同,由此表明家庭脱贫存在速度快慢的差别,并且在脱贫后,部分家庭存在返贫现象,因此,本文将构建贫困久期及复发模型,揭示能够提升家庭快速且稳定脱贫的因素。(2)脱贫后,有较多家庭的收入会出现大幅增长,因此,本文也将分析能够促使家庭脱贫后收入获得大幅增长的因素。

  (一)快速稳定脱贫的影响因素分析

  1.快速脱贫分析。本文首先建立贫困久期模型来分析家庭快速脱贫的影响因素。令T表示家庭在贫困状态中的持续时间,并借鉴久期分析中被广泛使用的加速失效时间模型(AFT)来设定T的具体形式为:

  logT=x′β+ε (1)

  其中,x为反映家庭特征的向量,β为反映回归系数的向量,ε为模型误差项。由前述表1的统计结果可知,家庭脱贫与贫困持续时间之间存在久期相关性,为了揭示这种特征,本文假设ε服从极值分布,对应的,e[ε]将具有威布尔(weilbull)分布形式:

  fe[ε](t)=pt[p-1]exp(-t[p]) (2)

  其中,参数p刻画了家庭脱贫与贫困持续时间的久期相关性特征。使用加速失效时间模型来刻画贫困持续时间的另一优势是,该模型可以反映贫困持续时间的截尾特征(Cameron等,2005)。例如,某家庭在样本调查期内的贫困时间为2014~2016年,那么,该样本的贫困持续时间被定义为3年,但2016年以后该样本仍有可能存在贫困,只是随着样本调查期结束而不被观察到,因此,贫困持续时间3年具有截尾特征③。

  进一步,令λ(t)表示当家庭贫困持续时间为t时,在下一时刻能够脱离贫困的概率④。由式(1)和式(2)可以计算得到:

  λ(t)=pt[p-1]exp(-px′β)=pt[p-1]exp(x′β*) (3)

  显然,λ(t)的数值越大,表示在给定贫困持续时间为t时能够脱贫的速度越快。特别地,当家庭个体特征变量x[,j]增加1个单位时,脱贫概率变动为:

  λ(t|x[,new])=pt[p-1]exp(x′β*+β*[,j])=exp(β*[,j])λ(t) (4)

  变动后,新的脱贫概率是原来的exp(β*[,j])倍。本文借鉴现有文献中关于中国农村贫困问题的研究(Glauben等,2012),从家庭拥有的人口学信息变量、家庭的土地资产及家庭所在村庄的地理信息3个方面进行分析。其中,家庭拥有的人口学信息变量包括户主年龄、性别、受教育程度、家庭规模、家庭劳动人口占总人口比例、劳动人口中各学历程度的占比、家庭患病人口占总人口比例、外出务工收入占家庭总收入比例、政府补助收入占总收入比例。家庭所在村庄的地理信息包括村庄的地貌特征和村庄距离县城里程两类。表4给出了变量的描述性统计。

  表4 主要变量的描述性统计

变量 均值 标准差  
户主年龄 51.92 11.58  
户主性别(女性) 0.580 0.494  
户主学历(文盲)  
小学 0.286 0.452  
初中 0.256 0.437  
高中及以上 0.102 0.303  
家庭规模 4.110 1.750  
家庭劳动人口占比 0.465 0.247  
各学历劳动人口占比  
小学 0.226 0.297  
初中 0.217 0.289  
高中及以上 0.090 0.200  
家庭患病人口占比 0.127 0.178  
家庭人均拥有土地资产(万元) 0.949 2.030  
外出务工收入占比 0.135 0.198  
政府补助收入占比 0.072 0.158  
家庭所在村庄的地貌特征  
山区 0.309 0.462  
高山 0.140 0.347  
高原 0.074 0.262  
家庭所在村庄与县城距离(公里) 45.05 36.53

  表5中快速脱贫模型结果显示:(1)在家庭户主方面,户主年龄每增加1岁,家庭成功脱贫的概率会下降为原来的98.2%。由于户主年龄在一定程度上反映了家庭老龄化程度,因此本文估计结果说明,家庭老龄化程度越高,快速脱贫的难度也越大。对老年贫困家庭而言,由于家庭的劳动技能会逐步下降或丧失,因此,在陷入贫困后依靠自身能力快速脱贫的难度会显著增加,此时依靠政府帮扶或采取保障式扶贫措施是解决老年家庭贫困较为有效的方式⑤。户主是男性的家庭比户主是女性的家庭具有更高的脱贫概率,从表5快速脱贫模型可以看出,男性户主家庭的脱贫概率是女性户主家庭的1.2倍。这一结果与国际上同类研究的发现一致。例如,Brucker等(2015)使用美国人口调查数据分析发现,以女性为户主的家庭具有更高的贫困脆弱性。户主的受教育程度也会对家庭快速脱贫产生显著影响。户主是小学学历的贫困家庭,其脱贫的概率是户主属于文盲家庭的1.36倍。因此,从这个角度而言,中国当前在农村地区实行的免费义务教育政策,以及在一些低收入地区提供的职业技能培训对农村反贫困具有重要意义。(2)家庭成员患有慢性疾病这一因素会显著影响家庭快速脱贫的概率。以五口之家为例,若新增一人患病(比例提高20%),则家庭快速脱贫的概率会下降为原来的93.7%。因此,中国农村家庭不仅存在因病致贫现象,患病后,也会显著侵蚀家庭快速脱贫的可能性。从这个意义上说,中国政府目前在农村地区全面实施的医疗保障制度和部分地区正在开展试行的重大疾病保险救助模式对抵御农村贫困、建立反贫困的长效机制都具有积极作用。(3)从家庭收入来源看,外出务工行为对家庭快速脱贫会产生非常显著的促进作用。我们发现,外出务工收入占家庭总收入的比例每提高10%,家庭快速脱贫的概率会提高为原来的1.11倍。因此,中国政府当前实施的东西部地区结对帮扶、在贫困地区引入产业支持等鼓励农村家庭劳动力跨产业、跨区域流动政策对农村脱贫具有重要意义。(4)家庭人均拥有的土地资产及家庭所在村庄的地理特征也会影响家庭快速脱贫。具体而言,家庭人均拥有土地资产每提高1万元,家庭脱贫概率可以提高为原来的1.07倍。家庭所处的地理环境越不利,如位于高山或高原地区,或者是所在村庄距离县城的里程较远,这些都会制约家庭实现快速脱贫。因此,从这个意义上说,中国政府在当前扶贫过程中采取的易地搬迁及相应的土地开发利用政策,对于实现农村快速脱贫会产生直接有效的促进作用。

  表5 快速稳定脱贫及脱贫后收入快速增长模型的估计结果

变量 快速脱贫模型 稳定脱贫模型 脱贫收入快速增长模型  
系数 边际效应 系数 边际效应  
户主年龄 0.982*** 0.005 0.001 0.001 0.000  
户主性别 1.200*** 0.061 0.017 -0.274** -0.105**  
户主学历  
小学 1.357*** -0.111 -0.030 0.025 0.010  
初中 1.063 -0.088 -0.024 0.189 0.072  
高中及以上 1.152 -0.010 -0.003 -0.259 -0.102  
家庭规模 0.973 0.021 0.006 -0.005 -0.002  
家庭劳动人口占比 0.867 -0.463* -0.127* 0.399* 0.154*  
各学历劳动人口占比  
小学 0.884 -0.009 -0.002 -0.015 -0.006  
初中 1.156 -0.026 -0.007 -0.118 -0.046  
高中及以上 1.014 -0.102 -0.028 0.434 0.167  
家庭患病人口占比 0.722* -0.040 -0.011 -0.532** -0.205**  
家庭人均拥有土地资产(万元) 1.065*** -0.088 -0.024 0.133*** 0.051***  
外出务工收入占比 2.739*** -0.652** -0.178** 0.990*** 0.381***  
政府补助收入占比 0.847 0.221 0.061 -1.266*** -0.487***  
家庭所在村庄的地貌特征  
山区 0.938 0.309*** 0.087*** -0.081 -0.031  
高山 0.718*** 0.236* 0.069* -0.119 -0.046  
高原 0.810* 0.105 0.030 -0.041 -0.016  
家庭所在村庄与县城距离(公里) 0.997*** -0.002 -0.001 0.001 0.001  
常数项 0.693* -0.910***   0.166    
久期相关系数(p) 0.756***      
  注:*、**、***分别表示在10%、5%、1%的水平上显著。

  2.稳定脱贫分析。依据前述表1中对脱贫时间路径的统计分析,近16%的人口在脱贫3年后会出现返贫现象,15%的人口在脱贫5年后返贫。因此,本文以二元选择变量表示家庭是否实现了稳定脱贫,其中,0表示实现稳定脱贫,1表示存在返贫,进而揭示家庭个体特征因素对稳定脱贫的影响。

  从表5可以看出,家庭外出务工行为会显著降低家庭在脱贫后出现返贫的概率。具体来看,外出务工收入在家庭总收入中的比例每提高10%,家庭脱贫后出现返贫的概率会下降1.78%,同时,家庭劳动人口占比也会对稳定脱贫产生积极影响。其中,劳动人口的比例每提高10%,家庭脱贫后出现返贫的概率会下降1.27%。与平原或渔村等地相比,位于山区或高山地区的农村家庭在脱贫后更容易返贫,由此说明当前政府对部分贫困家庭采取的易地搬迁扶贫政策不仅有助于贫困家庭的快速脱贫,同时也有利于这些家庭的稳定脱贫。

  (二)脱贫人口收入快速增长的影响因素分析

  在前面的统计分析中,通过对比脱贫后家庭收入的增长幅度(见表3),本文还发现,更多贫困家庭在脱贫后收入会出现较大幅度的增长。因此,本部分将揭示能够促使家庭收入获得较大增长的显著因素,并仍使用二元选择变量来表示。其中,若脱贫后家庭人均纯收入超过当时的2倍贫困线标准,则令二元选择变量取值为1,表示家庭收入获得了较大幅度增长,否则,二元选择变量取值为0。这种定义方式与前述的统计分析结果相对应。

  从表5还可以看出,外出务工可以显著提高家庭在脱贫后的收入增幅,具体而言,外出务工收入占家庭总收入的比例提高10%,家庭脱贫后收入进入2倍贫困标准之上的概率会提高3.81%。有慢性疾病患者的家庭,即使在脱贫后其收入增幅也会更低。我们发现,患病人口在家庭总人口中的比例提高20%,家庭脱贫后收入增长进入2倍贫困标准之上的概率会显著下降4.1%。另外,提高政府补助收入在家庭总收入中的占比会显著降低家庭在脱贫后收入大幅增长的可能性。政府补助收入占家庭总收入的比例每提高10%,家庭脱贫后收入增长到2倍贫困标准之上的概率会下降4.87%。因此,从长期来看,政府对贫困家庭的补助额度应以保障家庭居民的基本生活需求为限,过高的政府补助容易促使贫困家庭产生过度依赖政府帮扶的道德风险倾向,从而弱化了其依靠自身赚取劳动收入的能力。最后,家庭人均拥有的土地资产越多,脱贫后收入获得较大幅度增长的概率越高。

  (三)脱贫策略选择

  总结以上分析,可以看出:(1)对贫困家庭而言,外出务工可以有效帮助家庭摆脱贫困。若外出务工收入占家庭总收入的比例提高10%,那么,家庭快速脱贫的概率会上升为原来的1.11倍,且脱贫后返贫的概率会下降1.78%,并且脱贫后收入出现较高幅度增长的概率会上升3.81%。因此,从政府帮扶的角度来看,引入产业支持,并且鼓励农村劳动力外出就业,拓宽及保障低收入家庭的外出务工渠道,这些措施可以显著提升并巩固农村扶贫的成效。(2)家庭人均拥有的土地资产每增加1万元,家庭快速脱贫的概率会提高为原来的1.07倍,并且脱贫后收入出现较高幅度增长的概率会提高5.1%。因此,对于贫困家庭而言,可在土地资源给定的条件下,依据土地禀赋特征,改种或培育适销对路的经济作物,通过间接提高土地资产的相对价值进而获得快速脱贫及收入增长的机会。(3)家庭患有慢性疾病人口的占比提高20%,家庭实现成功脱贫的速度会更慢,脱贫概率会显著下降为原来的93.7%,并且在脱贫后,收入获得较高幅度增长的概率会下降4.1%。因此,构建脱贫的长效机制还需要政府不断深化农村医疗保障体制改革,在现行农村医保政策的基础上积极探索大重病的防贫医疗保险、医疗共济互助制度,切实减轻农村居民的医疗负担。(4)家庭所处的村庄地理特征,如山区、高山或高原地区的贫困家庭脱贫速度会更慢,并且脱贫后也更容易出现返贫。(5)政府对贫困家庭提供的补助收入对家庭脱贫及返贫的影响不显著,但会显著降低家庭脱贫后收入增长的可能性。具体而言,政府补助收入在家庭总收入中的比例提高10%,家庭脱贫后收入出现较大幅度增长的概率会下降4.87%。因此,政府对贫困家庭的帮扶应以保障家庭基本生活需求为限,过高的补助额度容易促使家庭产生过度依赖政府帮扶的倾向,弱化其自身脱贫的动力。

  四、结论及建议

  本文将时间要素引入贫困分析,重新考察农村家庭脱贫在时间维度上的动态演变规律,并在此基础上有针对性地使用加速失效时间模型和二元选择模型分析促使家庭快速稳定脱贫的内在因素。主要结论可概括为:(1)中国农村家庭脱贫存在久期相依特征,在样本期内,37.2%的贫困人口在持续一年后可脱离贫困,并且不出现返贫现象,但当持续时间延长为5年时,能够成功脱贫的人口占比会快速下降至8.6%。在脱贫人口中,有更多家庭的收入会出现较高幅度增长,他们的人均收入在脱贫后会增长到2倍贫困标准之上,但有近15%的脱贫人口在持续3~5年后会出现返贫现象。(2)家庭外出务工或者是提高土地资产的利用价值,可有效增加家庭快速且稳定脱贫的概率,也会提高家庭在脱贫后的收入增长幅度。因病致贫不仅是农村家庭入贫的诱因,同时会进一步约束后续的脱贫和脱贫后的收入增长。(3)政府补助对家庭快速且稳定脱贫的影响不显著,且会降低家庭脱贫后获得较高收入的概率。

  本文结论为政府构建解决贫困的长效机制提供了丰富的政策启示。考虑到因病致贫及患病家庭在脱贫速度与脱贫后的收入增长中存在显著劣势,本文认为,构建反贫困长效机制的首要任务是保障农村家庭居民的健康需求,切实减轻居民医疗支出负担。为此,可进一步深化现行农村医保体制改革,提高医疗报销比例,扩大医疗报销范围,同时,还可进一步结合大重病等特殊案例,积极探索并试点推广由政府、企业与居民个体共同参与的防贫医疗保险、医疗共济互助等灵活机制。从居民增收脱贫的渠道看,宏观上可将现行实施的精准扶贫与乡村振兴战略有效衔接,深化农村产权改革,加快推进土地与宅基地的赋权颁证工作,适度盘活农村家庭资产,从而为居民增收创造有利的制度环境。深入到家庭内部看,由于外出务工及家庭土地资产价值在快速稳定脱贫中均存在显著作用,因此,从长效机制的构建而言,政府可利用现行结对帮扶政策,一方面通过政策引导并辅以专项资金支持,建立针对农村居民的产业技能培训,改善家庭人力资本,进而鼓励并拓宽农村家庭劳动力外出就业的渠道和机会,为家庭脱贫创造稳定的收入来源,另一方面可以因地制宜,利用现有土地资源禀赋,有针对性地开展产业扶贫政策。例如,培训农地产品套种技术,提高现有土地资源利用率;改变种养产业,培育土特农产品种植并深化农产品加工链;集约化土地经营程度,开展农业休闲观光与特色旅游开发相结合,通过因势利导,为农村家庭增收脱贫提供可靠的机制保障。同时,鉴于政府补助在帮扶家庭脱贫中的有限作用,本文建议,政府对贫困家庭的补助应以保障家庭的基本生活需求为限,将扶贫与宣传教育相结合,转变贫困家庭的思想认识,积极培育并激励家庭自主脱贫的内生动力。

  注释:

  ①本文中成功脱贫率是指在样本期内脱贫后没有出现返贫的人口占比。

  ②由于在每一低收入区间上初始贫困人口的规模可能不同,因此不能简单地将表内数值通过横向比较得出结论。

  ③本文同时考虑样本的左侧截断特征,发现估计结果具有稳健性。

  ④这里的概率是指久期分析中的风险函数,其定义为:λ(t)=lim[,Δt→0]Pr(t≤T<t+Δt|T≥t)/Δt,T是持续时间的随机变量。为了语义表达顺畅,本文用概率表示风险函数,指贫困持续t时间后,在下一时刻可以脱离贫困的概率。

  ⑤本文依据老年人口占家庭总人口比例是否高于50%对样本进行划分,发现对于老年人口占比较高的贫困家庭,提高政府补助收入占家庭总收入的比例是帮扶家庭实现脱贫的有效方式;而对于老年人口占比较低的贫困家庭,估计结果与表5相似。

  参考文献:

  [1]国家统计局住户调查办公室(2017):《中国农村贫困监测报告》,中国统计出版社.

  [2]郭熙保、周强(2016):《长期多维贫困、不平等与致贫因素》,《经济研究》,第6期.

  [3]蒋南平、郑万军(2019):《中国农村人口贫困变动研究——基于多维脱贫指数测度》,《经济理论与经济管理》,第2期.

  [4]李博等(2018):《中国收入贫困和多维贫困的静态与动态比较分析》,《数量经济技术经济研究》,第8期.

  [5]罗楚亮(2010):《农村贫困的动态变化》,《经济研究》,第5期.

  [6]孙晗霖等(2019):《贫困地区精准脱贫户生计可持续及其动态风险研究》,《中国人口·资源与环境》,第2期.

  [7]叶初升、赵锐(2013):《中国农村的动态贫困:状态转化与持续——基于中国健康与营养调查微观数据的生存分析》,《华中农业大学学报(社会科学版)》,第3期.

  [8]张桂文等(2018):《中国农业劳动力转移的减贫效应研究》,《中国人口科学》,第4期.

  [9]张琦、刘守英(2019):《防止返贫,巩固脱贫成果是关键》,《社会科学报》,第1652期.

  [10]章元等(2013):《暂时性贫困与慢性贫困的度量、分解和决定因素分析》,《经济研究》,第4期.

  [11]Brucker,D.L.,Mitra,S.,Chaitoo,N.and Mauro,J.(2015),More Likely to Be Poor whatever the Measure:Working-age Persons with Disabilities in the United States.Social Science Quarterly.96(1):273-296.

  [12]Cameron,A.C.and Trivedi,P.K.(2005),Microeconometrics:Methods and Applications.New York:Cambridge University Press.

  [13]Duclos,J.Y.,Araar,A.and Giles,J.(2010),Chronic and Transient Poverty:Measurement and Estimation,with Evidence from China.Journal of Development Economics.91(2):266-277.

  [14]Glauben,T.,Herzfeld,T.,Rozelle,S.and Wang,X.(2012),Persistent Poverty in Rural China:Where,Why,and How to Escape?.World Development.40(4):784-795.

  [15]Gustafsson,B.and Sai D.(2009),Temporary and Persistent Poverty among Ethnic Minorities and the Majority China.The Review of Income and Wealth.55(1):588-606.

  [16]Imai,K.S.and You,J.(2014),Poverty Dynamics of Households in Rural China.Oxford Bulletin of Economics and Statistics.76(6):898-923.

  [17]Kyzyma,I.(2014),Changes in the Patterns of Poverty Duration in Germany,1992-2009.Review of Income and Wealth.60(S2):S305-S331.

  [18]Liu,X.and Hannum,E.(2017),Early Poverty Exposure Predicts Young Adult Educational Outcomes in China.China Economic Review.44:79-97.

  [19]Seker,S.D.and Dayioglu,M.(2015),Poverty Dynamics in Turkey.The Review of Income and Wealth.61(3):477-493.

  [20]Ward,P.S.(2016),Transient Poverty,Poverty Dynamics,and Vulnerability to Poverty:An Empirical Analysis Using a Balanced Panel from Rural China.World Development.78,pp.541-553.

  [21]Xie,Y.,Zhang,X.,Xu,Q.and Zhang,C.(2015),Short-term Trends in China's Income Inequality and Poverty:Evidence from a Longitudinal Household Survey.China Economic Journal.8(3):235-251.

作者简介

姓名:陈永伟 侯升万 符大海 工作单位:

转载请注明来源:中国社会科学网 (责编:赛音)
W020180116412817190956.jpg

回到频道首页
中国社会科学院概况|中国社会科学杂志社简介|关于我们|法律顾问|广告服务|网站声明|联系我们
中国社会科学院概况|中国社会科学杂志社简介|关于我们|法律顾问|广告服务|网站声明|联系我们