目前, 我國在貧困識別方面主要基于單一的收入維度 (按照2016年價格計算為人均年收入2855元) , 通過調查摸底、群眾評議、鄉村公示等程序進行, 對貧困家庭建檔立卡, 并錄入貧困人口數據庫, 按周期進行動態調整。
實際上, 各地識別貧困戶主要是由村組干部對本村/組農戶家庭情況的總體把握來決定, 其中家庭收入維度是主要考量因素。寧夏一名村干部介紹道:“‘一看房、二看梁、三看勞力強不強、四看家里有沒有讀書郎’, 我們通過這幾個標準來看自然村組里哪些人不行, 然后再進行組與組之間的比較, 要是這個組的貧困戶比那個組的貧困戶還要窮, 我們再把條件好一些的貧困戶去掉, 讓大家都心服口服。”這一貧困識別存在主觀性比較強, 在冊貧困戶中選出, 容易因分解失當、人手不足等主觀因素將真正的貧困人口排斥在識別范圍之外。
據以往調查, 最窮困的人口十分容易識別出來, 難以界定的是一般貧困人口, 即貧困標準附近的臨界人口。即使嚴格按照收入標準來識別貧困農戶, 臨界人群也很難界定。一些地方雖然沒有采用收入指標, 但是在對農戶綜合情況進行“倒排隊”時, 也經常面臨農戶總體水平相差不大時的取舍困難, 一些地方只好采取“輪流坐莊”或者平均分配扶貧資金的做法來應對這些沖突和矛盾。
一、單維貧困測度的困境
不可否認, 對貧困對象的經濟扶助在一定程度上有效地防止了因收入分配不均而可能出現的更大規模的絕對貧困人口 (劉成果, 2013) 。然而, 僅限于單一經濟測評的貧困識, 將扶貧對象作為唯一的關注點, 忽視了貧困主體能力培養、扶貧目標和程序等眾多其他要點, 導致了“依賴式貧困”和“貧困陷阱”, 使貧困問題更加復雜 (關信平, 2012) , 無法有效地促成貧困地區的可持續性發展的困境。造成這一困境原因有二:
一是貧困識別的單維、靜態描述。貧困本身是一個多維概念, 既體現在導致貧困的因素眾多, 也體現在貧困表現形式多樣。雖然我們的貧困線及扶貧線也隨著經濟增長在不斷地提升, 但是扶貧對象識別的方法依然是單維、靜態的描述某一地區或貧困對象的貧困狀態。
二是貧困識別的單維貧困測度無法精確瞄準致貧原因?，F實中, 我們更多關注貧困對象維持生計所需要的最低收入是否達到貧困線, 更多關注的是貧困的結果, 對個體差異性的貧困成因關注不夠。因此, 單單針對經濟單維貧困測度的貧困識別無法制定出更有針對性的扶貧政策和計劃。
二、Alkire-Foster多維貧困測度模型
1973年, 阿瑪蒂亞·森提出了“能力貧困”概念及貧困的本質, 這是“多維貧困”測度的首次提出, 這一概念認為除單維收入維度之外, 貧困識別還應涉及健康、教育、居住等方面。
2007年, 牛津大學貧困與人類發展中心 (OPHI) 的研究人員Alkire和Foster, 從多維視角對貧困進行識別、加總, 給出了多維貧困測度模型 (即A-F模型) 。這一模型立足多維貧困測度, 識別出貧困主體的哪些行為能力被剝奪, 最終測算出表示貧困個體多維貧困狀況的“多維貧困發生率”指標 (H) 、表示貧困深度的“平均剝奪份額”指標 (A) 及表示貧困人口群體綜合貧困狀況的“多維貧困指數”指標 (MPI) 。
(一) 確定貧困維度指標
本次研究借鑒了MPI指數的維度構成, 考略到收入、飲食和勞動對個體貧困存在一定的重要性, 本文在MPI (多維貧困) 指數已有的健康, 教育和生活水平3個方面的基礎上, 我們增加了收入、飲食和勞動這三個方面。收入與飲食單獨由一個維度構成分別是家庭收入維度與占有糧食維度, 考慮到當地主要勞動方式的不同在勞動這方面我們由耕種情況維度、養殖情況維度和勞動人數這三個維度構成。而生活水平方面根據當地農村的實際情況適度的對維度進行調整最后決定選取用電條件、家電情況、生活能源、住房面積及飲水條件這9個維度構成。最后我們選取12個維度 (表1) 對五華縣貧困村進行多維度的識別。
(二) 貧困線設定
本次研究家庭貧困線的標準是以2016年5月中國國務院扶貧辦主任劉永富在北京公布的中國目前最低扶貧標準為 (農民年人均純收入) 2855元為依據, 其余各項通過梅州市統計局以及結合當地農村實際狀況, 分析對比得到。在此基礎上, 我們根據對樣本家庭里每個維度進行賦值, 得到每個樣本家庭在該維度上是否貧困, 從而獲得貧困剝奪矩陣G。其中Xij表示家庭i在維度j上的取值, Zj為各個維度貧困線標準 (表2) 。
(三) 權重設定
我們考略到收入、健康、教育、飲食和勞動幾個方給華城鎮造成的貧困程度幾乎相同, 所以我們將12個維度設為等權重。
(四) 多維貧困識別
設定不同的被被剝奪的臨界維度數K, K代表的樣本家庭至少k個維度處于貧困時該樣本家庭我們定義為貧困家庭, 在依據對每個樣本家庭進行多維貧困識別。其中K=1, 2, 3, 4…, j。cij (K) 為樣本家庭在至少k個維度處于貧困時貧困維度的總和。從而得到多維貧困剝奪矩陣C。
再依據得到多維貧困剝奪個體數矩陣Q。
(五) 多維貧困指數計算
利用以下公式分別計算貧困發生率H, 平均剝奪份額A和多維貧困指數M。
其中H (K) 為貧困發生率, 指的是低于貧困線的人口占全部人口的比例, 它反映當地地區貧困的廣度, 而A (K) 為平均剝奪指數, 指的是貧困人口的貧困維度總和占貧困人口的總維度, 它反映當地地區貧困的深度, M (K) 為多維貧困指數, 表示一個地方貧困狀況的綜合指標, 通過對各地區樣本家庭多維貧困發生率、平均剝奪份額和多維貧困指數的比較, 可以找出最為貧困的地區。
(六) 維度計算
根據我們測算出各個維度對多維貧困的貢獻率, 對貧困維度進行更精準更深層度的識別, 從而為當地選擇重點扶貧維度提供一定依據。
三、廣東省五華縣A-F多維貧困測度模型實證分析
(一) 樣本家庭的選擇
五華縣是廣東省級貧困縣在2016年新一輪精準扶貧精準脫貧人口中仍有相對貧困戶28881戶95020人, 占全市相對貧困人口的49.5%, 五華縣貧困面較大、脫貧任務較重。華城鎮是五華人口占比最多的一個鎮, 從事農業人口比例在各中占比最多。此次調研華城鎮, 葵富村、黃埔村、維西村、維新村、城鎮村, 在維期7天的調研中, 共完成問卷, 1139份, 回收有效問卷1005份。
(二) 模型測度結果
首先, 通過對回收問卷獲取的第一手資料使用A-F模型進行測算與分析, 從表4中我們可以看到五個村都在一維和二維貧困發生率都非常的高而在三維中為由維新村遠遠高于其余四個村, 可見維新村的貧窮比其余四個村更加廣泛。而從整體來看我們會發現城鎮村在K (維度數) 等于9、10、11時他們的貧困發生率是相同的這也表明城鎮村貧困居民沒有在九個維度處于貧困以及沒有在十個維度處于貧困的家庭, 而貧困發生率來自于在十一個維度處于貧困的家庭, 同理可得黃埔、維新和葵富村都至少在某個維度上不存在貧困家庭只有維西在每個維度上都存在貧困家庭表明維西貧困家庭的貧困狀況比較混雜。從每個村的多維貧困指數中我們可以看到葵富村在每個維度的多維貧困指數都高于其余四個村落說明葵富村貧困整體狀況比其余四個村都要差而平均值排在第二的是維西村。
其次, 我們測算出各個村每個維度的單維貧困發生率H, 根據測算出各個維度對多維貧困的貢獻率, 其中我們把12維度分為等權, 所以每個維度權重為1, 再利用表4中K等于1時各個村多維貧困指數 (M) 得出各個村每個維度對貧困的貢獻率 (表5) 。
最終測算結果:通過對每個村中各維度的貢獻率進排序我們可以發現黃埔村 (住房面積、家庭收入、占有糧食和教育程度) 的貧困主要來自住房面積、家庭收入、占有糧食和教育程度4個維度;葵富村 (住房面積、家庭收入、占有糧食和養殖情況) 的貧困主要來自住房面積、家庭收入、占有糧食和養殖情況4個維度, 所以黃埔村和葵富村貧困程度是相同可他們的貧困方面略有不同。其中, 黃埔村和葵富村都存在有住房面積貧困而且貢獻率都排在第一位, 從住房面積維度來看黃埔村住房面積貢獻率21.4%, 葵富村的住房面積平均貢獻率為19.3%, 說明它們在住房面積上都處于貧困。對黃埔村而言, 住房面積維度貧困比葵富更加突出而且更為嚴重。
城鎮村、維西村和維新村貧困發生率主要來自五個維度。城鎮村貧困主要來自住房面積、占有糧食、教育程度、家庭收入和養殖情況, 維西村貧困主要來住房面積、養殖情況、家庭收入、占有糧食和耕種情況, 新村貧困主要住房面積、家庭收入、占有糧食、養殖情況和教育程度。對于城鎮村而言, 住房面積維度貢獻率為22.6%在五個村中城鎮村住房面積維度上貧困狀況最為嚴重。導致這一維度貧困可能與外部干預有關, 在調研過程中我們發現當地農村家庭超生情況比較嚴重, 有一些家庭甚至有5個小孩, 這是人均住房面積少的首要原因。
用電條件、家電情況、生活能源和健康狀況這四個維度不構成當地的貧困指標, 飲水條件、耕種情況和勞動人數對某些村貧困形成影響。自住房面積、占有糧食、養殖情況、家庭收入和教育貧困這六個維度是導致貧困的主要原因。
(三) 實證結果分析
1.實證共性分析
第一, 城鎮村與黃埔村多維貧困測試相似, 貧困致因大體相同。兩村多維貧困測度主要體現在住房面積、占有糧食、家庭收入和教育情況四個維度。因此這四個維度是兩村扶貧工作的重點。從橫向看, 城鎮村的住房面積的貧困程度高于黃埔村, 而黃埔村的家庭收入的貧困高于城鎮村, 對黃埔村而言, 住房面積改善及家庭增收顯得更為迫切。而從教育情況看, 黃埔村的教育貧困維度測評低于城鎮村, 兩村教育貧困維度占在10%左右, 教育的幫扶在兩村依然顯得重要。占有糧食的情況均構成兩村貧困原因, 這一維度關系到村各戶人口的構成, 從總體上看, 家庭人口數量對這一維度沖擊較大。
第二, 葵富村、維新村、華城鎮多維貧困測試相似, 貧困致因大體相同。這三個村多維貧困測度主要體現在住房面積、占有糧食、家庭收入和養殖情況四個維度。這四個維度是這三村扶貧重點。從橫向看, 在住房面積這一維度中, 華城鎮貧困發生率最高, 導致這一維度貧困發生率高的主要原因在于, 城鎮住房土地供應人均相對較少, 加之各戶家庭人口較多所致。其它兩個村在這一維度貧困發生率, 成因與華城鎮相似, 主要原因在于家庭人口數量。
實證維度分析
一是收入維度。中國目前最低扶貧標準為 (農民年人均純收入) 2855元為標準, 華城鎮雖處于廣東省地區, 總體經濟發展水平還是比較落后, 而落后的原因可能與當地人口有關, 在調研過程中我們發現當地大部分的農民家里的收入情況穩定, 家里也具有一定的土地, 外出打工的一般2-3人, 梅州市總體的收入情況較好, 但是農村的收入貧困率還是比較高的, 在調查問卷過程中, 發現超生情況比較嚴重, 有一些家庭甚至5個小孩, 超生罰款或者花錢上戶口, 這是也造成人均收入較低的原因之一。
二是健康維度。健康狀況維度的貧困發生率只有2.1%, 說明隨著國家和地方政府的對疾病的重視, 對農村家庭的醫療保險推行比較到位。
三是教育維度。華城鎮教育維度貧困發生率為7.3%, 教育的重要性及有用性得到普遍認可, 但經濟收入與其受教育程度不一定呈正比, 這在一定程度上對教育維度貧困產生貢獻。
四是生活水平維度。華城鎮在住房面積貧困發生率比較高, 在城鎮農村當地沒有像城市那樣的高樓大廈, 他們房子基本為低層自建建筑, 致使農村總房子總面積較低, 當地有些家庭住在自己新屋把舊屋放在那里不拆建也不住人, 導致土地面積流失無法好好利用。當地家庭都存在收入低的普遍現象所以當地居民無法對現有的房子進行擴充或者建新房。
五是飲食方面維度。當地平均家庭人口數量較多, 糧食需求量較大, 當地所產糧食在一些不足以支撐當地人口, 這與農業人口減少及村民外出務工相關。
六是勞動方面維度。當地家庭勞動力人口充足, 年輕勞動力基本以外出打工為主, 在當地生活的并不多, 老年人口占比重較大。
摘要：貧困家庭的精準識別是實施精準扶貧的第一要務, 只有做到了精準識別, 才能確保精準扶貧實施到位。目前, 我國在貧困識別方面主要基于單一的收入維度, 在精準扶貧新階段, 以單一指標衡量貧困的方式已顯得不合時宜, 單一指標對貧困程度的真實反映存在偏差, 導致貧困程度判定出現誤差。多維貧困測度法的重要性日益凸顯。本文以廣東省五華省級貧困縣為研究對象, 基于Alkire-Foster多維貧困測度模型, 從宏觀、微觀兩個層面精確瞄準致貧原因, 選取居民收入、生活、健康、教育等六個主維度、十二個項指標, 對其貧困狀況進行測度, 并考察各維度貧困對總體多維貧困的貢獻度, 分析該地區在多維貧困的貢獻率, 并基于此構建精準脫貧攻堅政策, 實現精準扶貧績效的多維度評價。
關鍵詞：A-F模型,多維測評,精準識別,精準扶貧