摘 要：依据多维贫困理论及中国农村贫困实际状况，利用2016年对甘肃省1 749家农户的社会调查资料，对样本农户的多维贫困现状进行了测算和分解，并对导致贫困的原因进行了Probit回归分析。结果显示：尽管样本农户存在收入层面的贫困，但交通、教育和健康方面的贫困更加严重，多维贫困发生率较高。因此，反贫困内容由物质性为主向辅以教育、医疗、交通、社会保障等转变，反贫困模式由“输血”转向“造血”式扶贫开发，是健全反贫困长效机制的关键。
关键词：多维贫困；测度；精准扶贫；Probit回归分析
中图分类号：F328 文献标识码：A 文章编号：1009-9107（2017）05-0138-10
引 言
经过多年坚持不懈的努力，中国农村反贫困事业取得巨大进展，对全球减贫事业做出了杰出贡献。但随着中国社会经济结构的演变，农村致贫原因变得多元化、复杂化，多维贫困已成为当前农村贫困的主要表现形式，贫困特征和性质的变化向传统注重单一收入指标的扶贫模式提出了挑战。
关于多维贫困，1985年Sen首次将能力贫困纳入贫困研究范围，认为贫困不应该局限于收入水平的低下和物质的匮乏，也表现在发展机会的缺失[1]。此后，学术界对多维贫困问题的认识不断深化，联合国开发计划署与牛津大学联合推出了多维贫困指数（MPI），采用“Alkire-Foster”方法从健康、教育、生活水平3个维度，测算了104个发展中国家的多维贫困指数，反映个人或家庭在多个维度的被剥夺情况[2]。国际国内大量学者广泛应用这一方法，如Alkire，Batana，Battiston等利用这一方法分别研究了南亚国家、非洲撒哈拉和拉美国家的多维贫困状况[3-5]。王小林等利用中国健康与营养调查数据，从教育、健康、住房等8个维度测算了我国城市和农村家庭的多维贫困，发现我国城市和农村家庭都存在除收入之外的多维贫困[6]。杨龙等测度出2010年我国贫困地区农户多维贫困指数为21.6%（2 300元），并对多维贫困指数按省份分解，得出甘肃省的多维贫困指数在全国各省中最高，达29.6%[7]。进一步地，部分学者在《2010年人类发展报告》报告的MPI指数基础上，对多维贫困的维度进行了拓宽，如张童朝等从市场参与程度对农户多维贫困进行测量[8]；吴海涛等在多维贫困测度中加入了消费维度[9-10。许多学者的研究结果表明，利用多维贫困测量方法测量的贫困程度要高于利用传统单一的收入测量法测量的结果，而且更有利于扶贫政策的选择[11-14]。
基于此，本研究以多维贫困理论为基础，以贫困人口及致贫原因的精准识别为目标，利用甘肃省14个贫困村1 749个农户的调查资料，采用AF多维贫困测度方法，对农户的多维贫困进行测度和分解，并对影响多维贫困的因素进行实证检验，以期从多维视角为中国反贫困政策提供有益参考。
一、数据与方法
（一）数据来源
本文数据来源于西北师范大学“甘肃省精准扶贫与区域发展研究中心”于2016年2-4月份在甘肃省片区贫困县进行的农村社会调查，调查涵盖村庄基本情况、农户家庭人口结构、劳动力外出、资产状况、收支情况、农业生产、医疗卫生、教育培训等内容。本次调查采取分层随机抽样形式，首先依据《中国农村贫困检测报告2011》，在全国集中连片特困区抽取了六盘山甘肃片区和秦巴山甘肃片区；然后分别从六盘山甘肃片区的47个县抽取12个贫困县，秦巴山片区8县1区抽取2个贫困县；再依据《甘肃省精准扶贫资料汇编（统计资料）》中甘肃省建档立卡贫困村资料，从六盘山片区的12个贫困县中各抽取1个建档立卡贫困村，那匕蜕狡区的两个贫困县中抽取2个建档立卡贫困村，共计14个贫困村；最后从14个贫困村中随机抽取农户进行调查。本次调查以走访和问卷形式进行，共发放问卷2 000份，收回有效问卷1 749份，包括了1 749个农户和8 319个农村人口的信息。
其中，建档立卡贫困户767户，占比43.85%；低保户471户，占比26.93%；五保户30户，占比1.72%。样本农户所在的14个行政村的基本概况具体见表1。在14个行政村中8个村通自来水，6个村用窖水；照明电全覆盖，且5个村通动力电；14个行政村已全部实现道路硬化、客车通达，但其中的2 个行政村村组道路硬化，其他12个自然村内道路均为土路；有4个村建有幼儿园，11个村建有小学（或者教学点）；有2个贫困村没有卫生室。由于14个贫困村不同程度的处于偏远山区，这里用耕地面积占全村土地面积的比例代表着山大沟深程度，其中有5个村这一指标低于20%，结合调研过程的现场评估，这5个村都处于山大沟深、交通不便、生态环境恶劣的深山区。样本村情况见表1。
（二）分析方法
本文参照Alkire 等的多维贫困测量方法[15]，首先选取多个层面作为测量维度，对不同维度设立临界值来确定个体的贫困情况，在计算个体i在各维度是否贫困的基础上加上该个体的贫困维度总数，然后设定该维度的临界值，若某一个体的维度数大于或等于临界值，则认为该个体存在多维贫困。基于调查数据测算了多维贫困发生率H、多维贫困剥夺程度A和多维贫困指数M0。其中，H表示多维贫困农户占总农户比例，A为贫困农户家庭平均被剥夺的维度数占总剥夺维度数比值，多维贫困指数M0 是上述两个指标的乘积。具体计算公式如下：
其中，q表示多维贫困人口，n表示研究总人口，Ci（k）为贫困临界值为k的情况下第i个体或农户被剥夺维度数总和；d为总维度。由以上定义式可见，多维贫困发生率（H）可表征任意几个维度上多维贫困发生的广度，贫困剥夺程度（A）表征任意几维度上多维贫困发生的深度，H和A的值越大，表示贫困广度或深度水平越高，多维贫困指数则兼有贫困广度和深度的综合意义。
多维贫困指数可以按照维度、城乡、地区、省份、性别等进行分解，进而求出各属性组群影响贫困的程度。本文将对样本农户的多维贫困指数按照维度、地区进行分解，以下为分解公式： 其中，j表示多维贫困中的维度，Σni=1gijnd是维度j下的贫困指数，j=1，2，…，d。
按人口子群分解的表达式如下：
其中，ni 表示各个群组的人口数量，nin表示各个群组人口数占总的群体人口数的比重，p（xi；z）表示i群组的多维贫困指数。
二、数据处理及分析
（一）维度和指标选取
为体现研究的系统性、科学性和实用性，维度选取主要遵循以人为本的原则，指标设计与人类发展指数保持一致。具体而言，主要参考和依据以下5个方面的内容进行设定：（1）参考联合国千年发展目标、人类发展指数和多维贫困指数的设定，遵循各个指标的相关技术规定；（2）参考国家扶贫办农村贫困调查指标；（3）结合《中国农村扶贫开发纲要（2011-2020）》中提出的主要目标指标；（4）参考国内著名学者已有关于多维贫困问题的研究成果；（5）依据农村贫困地区的具体情况并兼具数据的可得性。
对贫困户从经济状况、教育水平、健康状况、生活环境、资产状况5个方面来识别，由收入水平、消费水平、受教育程度、健康水平、饮用水、交通条件、房屋、耐用消费品等8个指标构成。指标临界值的选取设定，部分遵循人类发展报告中MPI的设计标准的同时，结合样本村的实际情况，具体如下：（1）经济状况的测度，主要由收入和消费水平2个指标构成。根据联合国人类发展指数（HPI）的维度之一即收入指数，这里将收入水平作为识别多维贫困的重要指标之一，临界值依据国家最新贫困线即2015年确定的2 800元为标准；由于贫困线是根据基本消费折算的，因此消费水平的临界值与收入水平相同，为2 800元。（2）教育水平的测度，主要包括适龄儿童入学状况和劳动人口平均受教育年限两个指标。由于调查中不存在适龄儿童未入学的情况，这里依据2010年联合国开发计划署和牛津大学联合提出的多维贫困指数（MPI）中教育维度的指标设置，采用劳动人口平均受教育年限指标，临界值为小学（6年）。（3）医疗健康状况的测度，主要包括医疗条件、医疗保险水平、村民自身的身体健康状况等3个方面。医疗条件主要体现在基本医疗救治的可得性，虽然村级卫生室基本覆盖但能解决的问题十分有限，农户基本医疗救治主要靠乡镇卫生院或者县医院，可得性主要取决于交通状况，所以这一指标设在交通维度反映；样本农户中参与“新型农村合作医疗”的比例为99.87%，因此医疗保险水平不予考虑；这里选取农户家庭健康水平作为反映健康状况的主要指标。（4）生活环境的测度，主要包括水、电、路等基础设施建设状况。由于所有村庄已100%实现照明电网全覆盖，因此这里选取饮用水、交通2个指标，其中饮用水以国际上通用的标准将浅井水视为贫困；样本村虽然都实现了村村通公路和客车，但距离最近集市的便利与否影响着农户的生产与生活，并且由于山大沟深，交通条件不仅取决于道路的硬化，而且很大程度上取决于交通时间，所以这里用到达最近集市的时间表示交通状况，以1小时为临界值。（5）资产状况的测度，主要包括房屋、耐用消费品的占有情况。房屋、耐用消费品的占有在一定程度上表明农户生活水平的高低，并且住房安全达标是“两不愁、三保障”的主要内容之一，这里用住房不安全即土坯、茅草等房屋为临界值，用彩电、冰箱、洗衣机等耐用消费品拥有状况衡量家庭资产状况。根据已有研究[6-7]，将各指标权重设为“等权重”，并以农户家庭为单位测算。另外，样本中儿童入学率接近100%，通电率100%，参与医疗保险率为99.87%，儿童入学、通电和医疗保险等3个指标的贫困发生率几乎为零，故本研究不考虑这3个指标，其他指标设置见表2。
（二）农户单一维度贫困发生率
根据上文各指标“剥夺临界值”的设定，可以测算出1 749家r户在各单一指标上的贫困发生率（见图1）。
1.从农户经济状况看，低于2 800元的共计334户（样本农户人均纯收入为6 689元），占样本总户数的19.10%，即收入指标上的贫困发生率为19.10%。同时通过对调查数据分析显示，农户的收入差距非常大，基尼系数高达0.43。 样本农户人均消费支出为4 158元，人均消费低于2 800元的有842户，占样本总户数48.14%，即消费维度上的贫困发生率为48.14%。可以发现，农户消费指标上的贫困发生率明显大于收入指标，其原因一方面是由于大部分农户处于半自给自足状态，部分食物消费没有包括，另一方面也反映出样本农户消费水平整体比较低，并且日常生活、教育、医疗等3个方面占户均消费总量的80%以上，生产消费仅占到10.7%。
2.从教育水平上看，家庭劳动年龄人口平均受教育程度在“小学及以下”的有722户，占样本总户数的41.28%，即在教育指标上的贫困发生率是41.28%。此外，家庭劳动年龄人口平均受教育在“小学至初中”水平的户数比重为42.60%，“初中至高中”和“高中及以上”户数比重则分别达到14.46%和1.66%，表明样本农户的整体文化素质相对低下。但受教育水平和年龄结构高度相关，35岁以上人口特别是50岁以上人口文盲比例比较高，35岁以下人口的平均受教育年限相对比较高，文盲率为零。
3.从健康状况方面看，样本农户家庭成员中至少有1人由于身患慢性病、大病或残疾而丧失劳动力的农户占比高达36.42%，表明因病致贫是当前农户面临的一大挑战。由于生活条件恶劣，劳动负担重等原因，加之交通闭塞、收入较低、有病得不到及时救治，样本人口患病比例很高，家庭成员至少有1人长期吃药的户数将近70%。从医疗保险来看，高达99.87%的样本农户参加了农村合作医疗，在很大程度上缓解了农户因病致贫的风险。但是，农户常规的看病吃药花费很高，户均达到4 944元，占农户消费总额的26.8%。
4.从生产生活环境上看，34.36%的农户尚不能使用自来水，只能使用井水、窖水、河水等，饮水安全达标率比较低；从交通状况来看，63.58%的农户出行道路（从村组或自然村到行政村）为土路，特别是由于山大沟深、交通不便，52.8%的人口到达最近集市的距离在1小时以上。样本村已全部实现了通照明电，但仍有9个村没有通动力电。 4.进一步加快基础设施建设，改善农村生产生活条件。安全、便捷、通畅的交通是贫困地区发展的首要问题，在进一步完善区域范围内交通网络体系，加快行政村道路硬化工作的同时，应该尽快解决偏远、分散地区自然村道路通畅和硬化问题，完成最后一公里交通网路体系建设，结合农村信息、水电等基础设施建设，结合小片区、小流域综合治理、生态修复，力争到尽快实现“进得来、出得去、行得通、走得畅”，推动“交通+特色产业”“交通+电商快递”等扶贫新模式，将贫困村庄纳入现代生产生活体系。
5.促进区域发展，实现贫困人口稳定脱贫。甘肃绝大部分贫困人口分布在六盘山片区和秦巴山片区，区域整体发展水平比较低，通过区域发展带动扶贫开发，通过扶贫开发促进区域发展是实现贫困人口稳定脱贫的主要途径。因此，一方面应该通过进一步加强区域基础设施建设，促进工业化和新型城镇化建设，增强区域发展能力，创造就业机会，加快农村劳动力就业和转移，提高对贫困人口的辐射带动作用。另一方面，应该努力将经济发展的成果渗透到贫困地区，通过加大扶贫力度，加强特色产业和龙头企业培育，发展农村合作经济组织，开发乡村旅游，辐射带动贫困人口，提高经济增长的脱贫效应，在发展中改善收入分配状况，实现贫困人口的稳定脱贫。
6.遵循城乡结构结构转换规律，有计划、有步骤的推进农村建设。随着城乡结构转型和人口转变，人口城镇化和部分村庄的空心化已经是必然趋势，扶贫开发也必须遵循这一规律，顺势而为，完善农村空间结构，逐步引导贫困地区有条件的农户以及新生代农民工下山、进镇、进城。首先，在中小城市、县城所在地，结合市县房地产去库存等政策，加大户籍制度、社会保障制度、教育制度、住房制度、土地制度等一系列综合改革，配套基础设施建设，促进新型城镇化建设和非农产业发展，吸纳更多的农民工转移就业并逐步市民化。其次，对于交通和自然地理条件比较好，具有特色产业开发基础和一定比较优势、人口相对集中的中心村庄，进行重点建设、重点布局，大幅度改善生产生活条件，支持现代农业和龙头企业发展，吸纳偏远山区人口就近就业。第三，对于偏远山区、空心化和人口老龄化比较严重的村庄，重点以生态建设与生态恢复为主，不主张进行大范围、大规模建设和重点项目建设，一是大力推进这些村庄的人口通过易地搬迁、转移就业、教育发展等措施，向城镇和中心村庄转移；二是对于不能转移出去的人口，通过退耕还林、生态扶贫、社保兜底等措施，保障其基本生活；三是采取以时间换空间的方式，随着这些村庄人口的逐渐迁移和转移，转换为生态建设用地。
参考文献：
[1] Sen A K.Commodities and Capabilities [M].Amsterdam： North Holland，1985：46-58.
[2]UNDP.Human Development Report 2010[M/OL].[2011-12-20]，http：//hdr.undp.org.
[3]Sabina Alkire，Suman Seth . Multidimensional Poverty Reduction in India Between 1999 and 2006：Where and How？ [J].World Development，2015，72 （2）：93-108.
[4]Batana Y.Multidimensional Measurement of Poverty Among Women in Sub-sahara Africa [J].Social Indicators Research，2013，112 （2）： 337 -362.
[5]Battiston D.Income and Beyond：Multidimensional Poverty in Six Latin American Countries[J].Social Indicators Research， 2013，112 （2）： 291-314.
[6]王小林，Sabina Alkire.中多维贫困测量：估计和政策含义[J].中国农村经济，2009（12）：4-10.
[7]杨龙，汪三贵.贫困地区农户的多维贫困测量与分解――基于2010年中国农村贫困监测的农户数据[J].人口学刊，2015（2）：15-25.
[8]张童朝，颜廷武，何可，等. 基于市场参与维度的农户多维贫困测量研究――以连片特困地区为例[J].中南财经政法大学学报，2016（3）：38-45.
[9]吴海涛，侯宇，曾燕芳. 多维贫困视角下农村家庭性别贫困度量[J].统计与决策，2013 （20）：27-29.
[10]李俊杰，陈浩浩.不同民族农村居民多维贫困测量与减贫措施研究――基于重庆市渝东南土家、苗和汉族居民的调查[J].中南民族大学学报（社会科学版），2015（2）：98-102.
[11]李佳路.农户多维度贫困测量――以S省30个国家扶贫开发工作重点县为例[J].财贸经济，2010（10）：63-68.
[12]郭建宇，吴国宝.基于不同指标及权重选择的多维贫困测量――以山西省贫困县为例[J]. 中国农村经济，2012（2）：12-20.
[13]张昭.中国农村贫困人口多维特征分析 [J].西北农林科技大学学报（社会科学版），2017 （3）：31-42.
[14]张全红，周强.中国贫困测度的多维方法和实证应用[J].中国软科学，2015（7）：29-41.
[15]Alkire S，Foster J. Counting and Multidimensional Poverty Measurement[J].Journal of Public Economics ，2011， 95（7）： 476-487.
[16]石智雷，邹蔚然.库区农户的多维贫困及致贫机理分析[J].农业经济问题，2013（6）： 61-69.
[17]李昊源，崔琪琪.农村居民家庭贫困的特征与原因研究――基于对甘肃省调研数据的分析[J].上海经济研究，2015（4）：79-86.
[18]Marcha L D， William M G，Samuel W. Statistical Techniques in Business and Economics[M].McGraw-Hill/Irwin， 2011： 58-99.
