贫困地区农户脆弱性及其影响因素分析，本文主要内容关键词为：贫困地区论文,农户论文,因素论文,脆弱性论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号 F328 文献标识码A 文章编号1002-2104(2015)10-0150-07 doi：10.3969/j.issn.1002-2104.2015.10.020 新时期的扶贫开发工作要建立在全面了解我国贫困人口贫困状况的基础上。农户的人均纯收入是否低于国家贫困线是我国确定目前贫困人口的重要参考标准。但收入贫困测量方法存在不足之处。首先，收入贫困测量方法仅能反映贫困人口在某一时点上的状态，不能反映未来的贫困状态；其次，以收入为福利指标的测量方法仅能测量贫困人口福利指标的均值，不能反映指标的波动情况。收入波动大的农户，容易受到风险和各类冲击的影响，从而容易陷入贫困。由于当前所采用的收入贫困测量方法不能有效的提供贫困状况更全面的信息，相关研究采用贫困的脆弱性测量方法，弥补收入贫困测量方法的不足。脆弱性是指农户未来陷入贫困的可能性，它能够一定程度上测量贫困农户未来的贫困状态，从而更有效地区分结构性贫困农户和暂时性贫困农户，同时也能将农户福利指标的波动状态包含其中。目前，已有Chaudhuri、Hoddinott、Ligon、万广华和李丽等多位研究者对农户的脆弱性进行了研究[1-5]。 贫困脆弱性及其测量方法更适用于贫困人口的分析。我国贫困人口主要集中在农村贫困地区。我国农村贫困瞄准和监测是以592个扶贫开发重点县为基础的，但现有中国农村贫困脆弱性研究由于数据限制，并未做出对中国农村贫困地区农户脆弱性的全面评估，这是当前农户脆弱性研究的不足之一。其次，缺少在不同贫困线下，尤其是国家新公布的农村人均纯收入2 300元贫困线下农村家庭脆弱性测量的研究。Zhang和Wan认为在不同贫困线下，脆弱性农户与贫困农户的重叠比例会上升[6]。但当前关于中国农村脆弱性的研究中，使用不同贫困线以得到稳健脆弱性评估结果的研究还很少。第三，鲜有研究关注我国特殊类型贫困地区的农户脆弱性评估。针对现有研究的不足，本文首次利用具有全国代表性的2010年中国农村贫困监测调查53 271个农户微观数据，使用2010年农民人均纯收入1 274元国家贫困线和2 300元国家贫困线，对我国农村贫困地区农户的脆弱性进行测量。本文试图回答的问题是：中国农村贫困地区的农户脆弱性程度是怎样的？脆弱群体的家庭特征、社区特征是怎样的？少数民族贫困地区、山区农户脆弱性的影响因素有哪些？回答这些问题，将有助于深入了解我国农村贫困地区农户的贫困状况，为国家在农村扶贫新阶段扶贫政策的制定提供依据。 1 脆弱性测量方法综述 在已有研究中，贫困脆弱性的定义主要有三种[7]：第一种定义，脆弱性被视为农户未来陷入贫困的可能性，即预期贫困的脆弱性；第二种定义，脆弱性被视为确定性等价消费水平的效用和农户消费的预期效用之差，即低效用水平的脆弱性。如果农户消费的预期效用在确定性等价消费效用之下，则此农户被视为脆弱的。第三种定义，脆弱性被视为农户遭受风险冲击时消费水平迅速下降，即风险暴露贫困的脆弱性。 脆弱性测量一般需要包含收入或消费的微观面板数据，但面板数据由于收集难度较大，往往很难获得[8]。因此本文采取了Chaudhuri等对脆弱性的定义和测量方法，即选取了第一种脆弱性定义——脆弱性是农户未来陷入贫困的可能性，并借鉴其利用截面数据对农户脆弱性进行估计的方法。 具体的定义和方法如下，第i个农户t时期的脆弱性水平定义为：
其中，
代表第i个农户t时期的脆弱性，
代表第i个农户t+1时期的福利指标的水平，在本文中指农户的人均消费，Z为确定性等价指标，通常用国家贫困线代替。Pr(.)代表概率。 要计算农户脆弱性，首先需要计算农户的未来福利水平。要计算福利水平，需要得知农户的福利产生过程。农户i的福利水平
通常由农户的个体特征、农户所在社区的特征变量及农户所受的风险冲击变量决定。在以消费为福利指标的脆弱性测量中，消费服从对数正态分布[9]。因此，农户的福利产生函数为：
使用普通最小二乘法对(2)式进行估计，其前提假设必须是每个农户福利对数
同方差，但是在实际生活中，这种假设难以成立。因此，本文假设农户福利干扰项
的方差为：
2 数据来源与变量描述 2.1 数据 本文数据来自2010年中国农村贫困监测调查，调查对象是592个国家扶贫开发重点县中的农户。此调查由国家统计局农村社会经济调查总队负责，每年调查一次。农村贫困监测调查具有全国代表性，国家扶贫开发重点县约占全国县级行政区划单位的20%，调查涉及约5 300个行政村，共计约53 000个农户。由于中国农村贫困监测调查在农村贫困地区进行，与农村住户调查数据相比，该数据能够更好地反映贫困地区农户的生活条件和住户特征[11]。调查中每县随机选取6至15个贫困村，每村随机选取10户[12]。中国农村贫困监测调查包含监测地区农户家庭的人口特征、基础设施和公共服务、土地状况、种植业、养殖业、私营活动、务工活动、转移收入、日常消费支出、家庭资产等详细的生计状况。本文使用的2010年农村贫困监测的调查数据包括有国家扶贫开发重点县的河北、山西、内蒙古、安徽等21省农户数据，共计53 271个农户。这些农户数据为评估我国农村贫困地区农户脆弱性以及分析农户脆弱性的影响因素奠定了基础。 2.2 变量描述 脆弱性测量的核心是消费的产生过程。消费有很多决定因素，例如财富、当前的收入、未来的预期收入等。而这些因素又最终取决于农户及农户生计环境的一系列特征因素[13-14]。本文选取了农户的家庭特征变量、社区特征变量和风险冲击变量。在农户的家庭特征变量
中选取了家庭规模、劳动力平均受教育年限、抚养比、病人数量、劳动力中接受过培训的比例、房屋价值、生产性固定资产原值、土地数量。 家庭规模、劳动力平均受教育年限和劳动力中接受过培训的比例反映家庭人力资本状况，而抚养比、病人数量反映家庭的经济负担情况。房屋价值、生产性固定资产原值、土地数量反映农户的经济能力和再生产能力。在社区特征变量
中选取了是否是少数民族聚居村、是否是革命老区县、是否是陆地边境县、村中乡镇企业数量。风险冲击变量
选取了2010年是否建房、是否有婚丧嫁娶等大事、是否有子女上大学(或大专)、是否有大病冲击、是否发生旱灾、是否发生洪灾、是否有地方病。本文所使用的变量及其描述统计如表1所示。 3 贫困地区农户的贫困和脆弱性 贫困地区农户脆弱性描述农户未来陷入贫困的可能性，这主要由农户福利水平的平均值和波动共同形成。而收入贫困所确定的贫困人口仅反映在某一时点上的贫困状态，且仅反映福利水平的均值。因此，农户的贫困状态和脆弱性状态可能并不一致。借鉴脆弱性的相关研究，设定农户脆弱性临界值为0.5。本文将农户脆弱性低于0.5的家庭视为低度脆弱的家庭，将脆弱性大于等于0.5的家庭视为高度脆弱的家庭。在1 274元贫困线下，有9.49%的农户虽然是贫困户，但却是低度脆弱的农户。贫困且高度脆弱的农户仅占全部农户的0.52%。在2 300元贫困线下，有近20%的农户虽然不是贫困户，但却是高度脆弱的农户。16.19%的农户虽然是贫困户，但却属于低度脆弱的农户。这说明，脆弱性测量与贫困测量的结果并不一致。贫困测量所确定的贫困户中有相当大比例是暂时贫困农户。非贫困户中也有一定比例农户面临着风险冲击，极可能在风险冲击影响下陷入贫困。贫困线标准提高，高度脆弱农户所占比例增大，脆弱性测量与贫困测量的不一致程度增加。 脆弱性测量结果与贫困测量并不一致，农村贫困地区农户脆弱性的程度是怎样的呢？总体来看，不同贫困线下农户的脆弱程度不同。在1 274元贫困线下，农户的脆弱性为15.2%，表明所有家庭在未来陷入贫困的平均可能性为15.2%。而在2 300元贫困线下，农户陷入未来贫困的平均可能性为49.49%。根据不同贫困线确定的贫困状态与脆弱性状态分组，可分为非贫困且低脆弱性、贫困且低脆弱性、非贫困且高脆弱性、贫困且高脆弱性四组。贫困线标准越高，各组农户的脆弱性也越高。在同为低脆弱性或高脆弱性的分组中，贫困农户的脆弱程度略高于非贫困农户。贫困且低脆弱性组的农户在不同贫困线下的脆弱程度分别为17.85%、37.96%，均低于非贫困且高脆弱性的农户，说明非贫困群体可能比贫困群体面临更多或更大的风险冲击。
4 贫困地区农户的家庭特征与社区特征 脆弱性评估需分析脆弱群体的家庭特征与社区特征。在1 274元贫困线下，不同组别农户的家庭特征存在一定差异。如表2所示，从非贫困且低脆弱性组农户到贫困且高脆弱性组农户，农户家庭规模呈增大趋势，说明家庭规模较大农户的脆弱性较高。家庭劳动力数量呈增加趋势，但劳动力平均受教育年数和接受过培训的劳动力比重却呈下降趋势，说明在农户人力资本对脆弱性的影响中，劳动力的受教育程度、接受技能培训比劳动力数量增加更为重要。劳动力数量的增加并没有降低农户脆弱性，而劳动力受教育年限的增加以及接受过培训的劳动力比例的提高却可以降低农户脆弱性。病人数量越多的农户越倾向于成为贫困和脆弱的家庭。在家庭抚养比方面，贫困农户的抚养比高。若同为贫困户或同为非贫困户，脆弱程度高的农户抚养比高于脆弱程度低的农户。在2 300元贫困线下，上述结论依然成立，说明贫困和脆弱农户的家庭特征分析结果比较稳健。 农户的家庭特征还包括农户资产特征。农户资产是农户生计的重要组成部分。如表2所示，在1 274元贫困线下，从非贫困且低脆弱性组农户到贫困且高脆弱性组农户，房屋平均价值呈下降趋势。非贫困且低脆弱性组农户的房屋均值比贫困且高脆弱性农户高约8 782元。高脆弱性农户的耕地面积少于低脆弱性的农户。这些结论在2 300元贫困线下依然成立，说明结论具有稳健性。 农户的社区特征包括农户社区所处地形、社区类型及经济状况。本文主要使用村庄拥有的乡镇数量代表村庄经济状况。村庄地形特征变量和社区类型变量均为0-1变量，因此每组均值即为该组中地形特征或社区类型的百分比。在1 274元贫困线下，从非贫困且低脆弱性组到贫困且高脆弱性组，住在平原和丘陵地区的农户比例由18%下降到8%，住在山区的农户比例由63%上升到81%，说明社区地形为山区的农户更倾向是脆弱农户。从社区类型看，高脆弱性农户较多分布在革命老区县、陆地边境县和少数民族聚居村。从社区拥有的乡镇企业数量看，贫困且高脆弱性组农户生活的社区乡镇企业数量平均仅有0.15个，少于非贫困且低脆弱性组，说明社区中乡镇企业数量多，有助于降低农户脆弱性。在2 300元贫困线标准下，上述结论总体上依然成立，表明分析结果比较稳健。
5 贫困地区农户脆弱性的影响因素 农户的贫困状态和其脆弱性并不一致，本文利用包含农户家庭特征变量、社区特征变量和冲击特征变量的多元回归模型分析农户脆弱性影响因素。农户脆弱性包括农户消费水平和消费波动状况。计量模型，使用前文中公式(2)和公式(3)进行多元回归分析。脆弱性影响因素的计量模型包括消费水平对自变量的回归模型和消费方差对自变量的回归模型。由于设定农户的消费服从对数正态分布，因此因变量均取其对数。 根据世界银行对中国的贫困评估报告，山区和少数民族地区的贫困现象最为严重[15]。本文根据农户是否居住在山区和是否居住在少数民族地区将所有贫困地区分为四种类型，分别是非山区汉族地区、山区汉族地区、非山区少数民族地区和山区少数民族地区。针对每种类型的地区，分别构建人均消费对数和人均消费方差的模型。回归结果如表3和表4所示。 对人均消费对数和人均消费方差同时产生显著影响的是农户脆弱性影响因素。通过比较四个类型地区，发现影响四个类型地区农户脆弱性的因素存在一定差异。如表3所示，对非山区汉族地区的农户，影响其脆弱性的因素是家庭规模、土地数量、当年有建房或买房、婚丧嫁娶、有子女上大学(大中专)、有大病治疗的情况和旱灾。影响山区汉族地区的农户脆弱性的显著因素是家庭规模、劳动力平均受教育年数、劳动力中接受过培训的比例、社区中乡镇企业数量、房屋价值、当年有建房或买房、有婚丧嫁娶和有大病治疗的情况。如表4所示，对非山区少数民族地区的农户，影响其脆弱性的显著因素是房屋价值、处于陆地边境县、当年有子女上大学(大中专)和旱灾。影响山区少数民族地区农户脆弱性的显著因素是劳动力的平均受教育年数、房屋价值、当年有建房或买房、有大病治疗的情况、旱灾和地方病。 综合表3和表4中影响不同地区农户脆弱性的因素分析，冲击性事件是影响农户脆弱性的共性因素。农户生活中的冲击性事件包括当年有建房或买房、有婚丧嫁娶大事、有子女上大学(大中专)、有大病治疗情况、旱灾、地方病等。这些事件会导致农户消费产生巨大波动，从而使农户陷入贫困的可能性增加，即农户的脆弱程度增加。农户当年有建房或买房的情况，使农户的人均消费增加，同时增加了人均消费方差，即增大了农户消费波动幅度。这在农户定性研究中也能得到证实，建房或买房会调用农户一生积蓄，而贫困农户在积蓄不足的情况下需通过借贷满足建房或买房需求。建房对农户的储蓄、消费、借贷行为产生了重要影响，且影响时间可能超过一个家庭的生命周期。婚丧嫁娶、子女上大学(大中专)、大病冲击、旱灾等冲击性事件对农户的影响和建房买房类似，这些事件使农户通过多年调整才能恢复到冲击事件前的状态。
表3和表4回归结果还表明，家庭规模、人力资本和资产也是影响不同地区农户脆弱性的重要因素。家庭规模对汉族地区农户产生了显著影响。回归结果表明，家庭规模大会降低农户的人均消费水平，从而增加农户的脆弱性，这与前文描述分析的结果一致。劳动力平均受教育年数和劳动力中接受过培训的比例影响山区汉族地区和山区少数民族地区农户脆弱性。劳动力平均受教育年数多、劳动力中接受过培训的比例大，农户的平均消费越高，农户脆弱性越低。房屋是农户的重要资产，房屋价值高的农户人均消费水平也较高。房屋价值高的农户往往较为富裕，其脆弱性程度也往往较低，这和上文描述分析的结果一致。 总体来讲，不同类型地区的农户脆弱性影响因素存在差异，但也存在共性。冲击性事件是农户脆弱性的共性影响因素，家庭规模、人力资本状况和房屋价值也是影响农户脆弱程度的重要变量。 6 结论和政策含义 在2010年中国农村贫困监测调查53 271个农户数据基础上，使用预期贫困的脆弱性定义和测量方法，在1 274元、2 300元贫困线标准下，对我国贫困地区农户脆弱性进行了整体评估，描述了脆弱群体的家庭特征、社区特征，并分析了不同类型地区农户脆弱性的影响因素。主要结论如下： (1)脆弱性测量与贫困测量的结果存在差异，且随贫困线标准提高，脆弱性测量与贫困测量的不一致程度增大，高度脆弱农户所占比例变大。非贫困户中也有高度脆弱农户，且随贫困标准提高，非贫困户中高度脆弱农户所占比重也随之提高。 (2)不同贫困线下农户脆弱程度不同，在1 274元和2 300元贫困线下，所有农户未来陷入贫困的平均可能性分别为15.20%和49.49%。 (3)高度脆弱农户具有较大家庭规模、人力资本不足、病人数量多、抚养比高、资产价值少的家庭特征，且更可能居住在山区、特殊类型贫困地区。不同贫困线下，贫困且高度脆弱组农户的劳动力数量较多，但劳动力平均受教育年数和接受过培训的比例较低。脆弱性群体更多分布在山区、革命老区县、陆地边境县和少数民族聚居村。 (4)不同类型地区农户脆弱性的影响因素存在差异，但冲击性事件是主要影响因素。当年有建房或买房、有婚丧嫁娶大事、有子女上大学(大中专)、有大病治疗情况、旱灾等冲击性事件是各个地区农户脆弱性的共性影响因素。家庭规模、人力资本状况和房屋价值也是影响农户脆弱程度的重要因素。 上述结论具有重要政策含义。脆弱性测量与贫困测量的结果存在较大差异，说明在我国农村贫困地区，贫困农户不一定同时也是脆弱农户。为提高贫困瞄准的准确性，应将贫困测量和脆弱性测量方法结合起来进行贫困瞄准。贫困瞄准更应关注生活在山区、革命老区县、陆地边境县和少数民族聚居村等特殊类型贫困地区的农户，尤其是家庭规模较大、人力资本水平低、病人数量多、抚养比高、资产价值少的农户。不管是贫困农户还是非贫困农户，贫困线标准越高，脆弱性程度越高，表明在国家新实行的农村人均纯收入2 300元贫困线下，减贫的同时还应注重降低贫困农户的脆弱性，重点是减小冲击性事件对贫困农户福利的影响，降低农户未来陷入贫困的可能性。在未来减贫战略和政策制定中，应同时关注农户收入的增加和农户脆弱性的降低。
标签：贫困地区论文; 贫困线论文; 消费类型论文;
