农业产业扶贫的多维贫困瞄准研究

　　摘要：农业产业扶贫是激发贫困地区农户内生发展动力、实现农户稳定脱贫与可持续发展的重要举措。基于多维贫困分析，建立一个“精准识别－农户参与－影响效果”的多维贫困瞄准分析框架，并提出多维贫困瞄准数量缺口的概念和测量方法。在此框架下，可首先使用多维贫困方法进行贫困农户识别，在多维贫困农户分组基础上分析农户参与状况，并分析参与层面的多维贫困瞄准数量缺口。然后基于多维贫困农户分组，使用内生转换回归(ESＲ)模型评估扶贫政策或项目对不同组农户的影响效果差异。在分析框架应用中，使用湖南、湖北、重庆和贵州四省(直辖市)贫困地区989个农户调研数据分析农业产业扶贫的多维贫困瞄准效果。研究发现:①在农户参与层面，多维贫困农户与非多维贫困农户参与农业产业扶贫的比例相近，但非多维贫困农户户均获得补贴金额总体上高于多维贫困农户;②随着维度临界值逐渐增大，农业产业扶贫的一类瞄准数量缺口逐渐变小，二类瞄准数量缺口逐渐增大，多维贫困瞄准数量缺口总体呈现下降趋势;③在影响效果层面，农业产业扶贫总体上显著促进了农户种植业投入和收入的增加，但其影响仍存在异质性，深度贫困户参加农业产业扶贫并没有明显促进其种植业总收入和种植业纯收入的增加。为提升农业产业扶贫的效果，针对贫困维度数量较少农户，应加强农业技术服务，提供农业产业扶贫贷款，合理选择产业，发展农业保险。针对深度贫困农户，应探索建立利益联结机制，发挥农村集体的组织联系作用，探索要素入股方式，改善农业产业扶贫的多维贫困瞄准效果。

　　关键词：多维贫困瞄准;瞄准数量缺口;农业产业扶贫;深度贫困户

　　十八大以来，脱贫攻坚取得了决定性的进展，6800多万贫困人口实现脱贫。但由于人口基数大，剩余贫困人口数量依然庞大，脱贫攻坚仍是社会经济发展中的重要工作。近年来，探索出一系列有自身特色的扶贫政策和措施。农业产业扶贫作为一种造血式的扶贫方式，能够激发贫困地区农户内生动力、实现稳定脱贫和可持续发展。在精准扶贫战略下，研究农业产业扶贫的贫困瞄准效果至关重要。本文将建立一个“精准识别—农户参与—影响效果”的多维贫困瞄准分析框架，并提出多维贫困瞄准数量缺口的概念和方法。通过多维贫困农户分组，使用内生转换回归(EndogenousSwitchingＲegression，ESＲ)模型评估农业产业扶贫对不同组农户的影响效果差异。

　　1.文献综述

　　虽然已有大量研究关注农业产业扶贫，但在农业产业扶贫的效果上还没有形成一致的观点。一类研究认为，农业产业扶贫对农户脱贫产生了积极的影响。这类研究认为，农业产业扶贫能够改变农户生计策略选择，显著增加贫困户的收入［1］。在对农户消费和贫困发生率影响方面，农业产业扶贫中多支持发展特色经济作物种植，而经济作物能够对农户消费增加和贫困发生率降低有显著的影响［2］。另一类研究认为，农业产业扶贫并未发挥良好的减贫效果，出现了瞄准偏离的问题。许汉泽等［3］研究发现，农业产业扶贫在地方实践中，出现了农业产业扶贫实施前“精英捕获”和“弱者吸纳”、实施中“政策性负担”和“规模经营不善”、实施后“后续维护不足”和“农户生计破坏”等问题。也有研究认为，政府主导的产业扶贫以行政路径为依赖，各主体间的利益联结关系不紧密，使得扶贫开发缺乏社会基础，往往导致目标偏移、贫富差距拉大［4］

　　2.多维贫困瞄准分析框架

　　2．1基于多维贫困分析的贫困户精准识别

　　贫困户的精准识别是精准扶贫效果评估的基础。目前，采取建档立卡的方式进行贫困户的精准识别。但在建档立卡政策的实施中，出现了“表达与实践的背离”［20］，即在统计局从宏观层面测算贫困人口数量、分配贫困人口指标时采取的是经济福利指标，而在村级实践操作中，却采取民主评议的方式，综合农户收入和消费、受教育子女数量、病人状况、劳动力状况等多个方面进行评选。从理论上讲，村级民主评议所采取的贫困识别标准与目前学界使用的多维贫困测量方法有较大相似之处。基于贫困理论演进与实践的需求，可将多维贫困方法逐步应用于贫困户的精准识别中。在多维贫困方法相关研究中，由Alkire等［21］提出的基于双临界值的A－F方法得到了最为广泛的应用。本文将A－F方法用于多维贫困农户识别，根据Alkire等［21］研究，A－F方法的主要步骤为:

　　第一，选择和确定多维贫困方法的维度和具体指标。

　　第二，定义一个n×d矩阵Mn，d，其中，n为农户样本总数量，d为测量维度的数量。令yij∈Mn，d，其中，yij代表第i个农户在j维度上的取值。

　　2．2农户参与分析与多维贫困瞄准数量缺口

　　在多维贫困农户识别的基础上，农户能否从扶贫政策或项目实施中受益，其基础是参与到政策或项目实施中。只有参与到扶贫政策或项目实施中，才可能从中获得扶贫补贴或者其它扶贫资源。在多维贫困瞄准评估中，可以对比多维贫困农户与非多维贫困农户在政策或项目实施中的参与比例。如果有扶贫补贴等信息，可以对比多维贫困农户与非多维贫困农户获得补贴额度的差异。

　　3.数据本文所用数据

　　来自扶贫办和课题组合作在湖南、湖北、重庆和贵州四省(直辖市)的调研，调研于2013年6月进行。调研首先在四省(直辖市)中各选取一个县。在湖南选取了芷江县、湖北选取了利川市(湖北省利川市为县级市)、重庆选取了石柱县、贵州选取了印江县，这四个县(市)均为级或省级扶贫开发重点县。在县(市)层面，收集了调研地区主要发展的农业扶贫产业。湖南省芷江县的主导产业为水果、畜禽、蔬菜、烤烟，湖北省利川市主导产业是茶叶和药材，重庆市石柱县主要发展黄连和莼菜，贵州省印江县大力发展茶叶、核桃、食用菌以及烤烟。其次，每县选择10个调查村庄，对村庄的人口数量及结构、劳动力、基础设施、土地、村庄扶贫项目投入等信息进行问卷调查。第三，采取随机起点、等距抽样的方式在每村选取25个农户进行问卷调查，调查内容包括农户的家庭人口特征、基础设施和公共服务、土地状况、家庭收入、参与农业产业扶贫、家庭借贷等情况。最终获得有效问卷989份。

　　4.多维贫困农户的识别

　　4．1多维贫困维度和指标的选取

　　多维贫困虽然已被广泛地用于理论分析与应用研究，但目前对贫困维度和指标的选取并没有形成统一标准。根据在精准扶贫、建档立卡政策实践中村级民主评议时采取的考量指标，结合调研数据可得性等现实约束，本文选取了收入、教育、健康、公共服务4个维度和4个指标。维度、指标和权重选取情况如表1所示。

　　4．2多维贫困测量结果与农户识别

　　根据多维贫困方法的应用步骤，识别了在不同维度临界值下的多维贫困农户。当维度临界值K分别取值为1，2，3和4时，多维贫困农户的占比及样本农户的多维贫困指数如表2所示。当K=1时，多维贫困农户占比为81．70%，即81．70%的农户存在四个维度中至少一个维度的贫困。多维贫困指数M0为42．77%，其含义是所有多维贫困农户被剥夺维度数量占总体维度数量的42．77%。当K=3时，多维贫困农户占比为26．39%，表明有26．39%的农户存在至少三个维度的贫困。随K值增大，多维贫困农户占比和多维贫困指数均下降。分析还发现，6．37%的农户存在全部四个维度的贫困。根据前文界定，存在四个维度贫困的农户可视为深度贫困户，他们面临的脱贫难度更大，是目前扶贫政策关注的重点群体。

　　参考文献:

　　［1］胡晗，司亚飞，王立剑．产业扶贫政策对贫困户生计策略和收入的影响———来自陕西省的经验证据［J］．中国农村经济，2018(1):78－89．

　　［2］CUONGNV．MeasuringtheimpactofcashcropsonhouseholdexpenditureandpovertyinruralVietnam［J］．Asia-Pacificdevelopmentjournal，2009，16(2):87－112．

　　［3］许汉泽，李小云．精准扶贫背景下农村产业扶贫的实践困境———对华北李村产业扶贫项目的考察［J］．西北农林科技大学学报(社会科学版)，2017，17(1):9－16

　　杨龙1李宝仪1赵阳1汪三贵2

《农业产业扶贫的多维贫困瞄准研究》

上一篇：现代化技术在农业种植中的应用的研究

下一篇：民勤绿洲种植业结构调整及其对农作物需水量的影响