楊龍 李寶儀 趙陽

摘要農(nóng)業(yè)產(chǎn)業(yè)扶貧是激發(fā)貧困地區(qū)農(nóng)戶內(nèi)生發(fā)展動力、實現(xiàn)農(nóng)戶穩(wěn)定脫貧與可持續(xù)發(fā)展的重要舉措?；诙嗑S貧困分析，建立一個“精準識別-農(nóng)戶參與-影響效果”的多維貧困瞄準分析框架，并提出多維貧困瞄準數(shù)量缺口的概念和測量方法。在此框架下，可首先使用多維貧困方法進行貧困農(nóng)戶識別，在多維貧困農(nóng)戶分組基礎(chǔ)上分析農(nóng)戶參與狀況，并分析參與層面的多維貧困瞄準數(shù)量缺口。然后基于多維貧困農(nóng)戶分組，使用內(nèi)生轉(zhuǎn)換回歸（ESR）模型評估扶貧政策或項目對不同組農(nóng)戶的影響效果差異。在分析框架應(yīng)用中，使用湖南、湖北、重慶和貴州四?。ㄖ陛犑校┴毨У貐^(qū)989個農(nóng)戶調(diào)研數(shù)據(jù)分析農(nóng)業(yè)產(chǎn)業(yè)扶貧的多維貧困瞄準效果。研究發(fā)現(xiàn)：①在農(nóng)戶參與層面，多維貧困農(nóng)戶與非多維貧困農(nóng)戶參與農(nóng)業(yè)產(chǎn)業(yè)扶貧的比例相近，但非多維貧困農(nóng)戶戶均獲得補貼金額總體上高于多維貧困農(nóng)戶;②隨著維度臨界值逐漸增大，農(nóng)業(yè)產(chǎn)業(yè)扶貧的一類瞄準數(shù)量缺口逐漸變小，二類瞄準數(shù)量缺口逐漸增大，多維貧困瞄準數(shù)量缺口總體呈現(xiàn)下降趨勢;③在影響效果層面，農(nóng)業(yè)產(chǎn)業(yè)扶貧總體上顯著促進了農(nóng)戶種植業(yè)投入和收入的增加，但其影響仍存在異質(zhì)性，深度貧困戶參加農(nóng)業(yè)產(chǎn)業(yè)扶貧并沒有明顯促進其種植業(yè)總收入和種植業(yè)純收入的增加。為提升農(nóng)業(yè)產(chǎn)業(yè)扶貧的效果，針對貧困維度數(shù)量較少農(nóng)戶，應(yīng)加強農(nóng)業(yè)技術(shù)服務(wù)，提供農(nóng)業(yè)產(chǎn)業(yè)扶貧貸款，合理選擇產(chǎn)業(yè)，發(fā)展農(nóng)業(yè)保險。針對深度貧困農(nóng)戶，應(yīng)探索建立利益聯(lián)結(jié)機制，發(fā)揮農(nóng)村集體的組織聯(lián)系作用，探索要素入股方式，改善農(nóng)業(yè)產(chǎn)業(yè)扶貧的多維貧困瞄準效果。

關(guān)鍵詞多維貧困瞄準;瞄準數(shù)量缺口;農(nóng)業(yè)產(chǎn)業(yè)扶貧;深度貧困戶

中圖分類號F323.8

文獻標識碼A文章編號1002-2104（2019）02-0134-11DOI：10.12062/cpre.20180927

十八大以來，中國脫貧攻堅取得了決定性的進展，6 800多萬貧困人口實現(xiàn)脫貧。但由于中國人口基數(shù)大，剩余貧困人口數(shù)量依然龐大，脫貧攻堅仍是社會經(jīng)濟發(fā)展中的重要工作。近年來，中國探索出一系列有自身特色的扶貧政策和措施。農(nóng)業(yè)產(chǎn)業(yè)扶貧作為一種造血式的扶貧方式，能夠激發(fā)貧困地區(qū)農(nóng)戶內(nèi)生動力、實現(xiàn)穩(wěn)定脫貧和可持續(xù)發(fā)展。在精準扶貧戰(zhàn)略下，研究農(nóng)業(yè)產(chǎn)業(yè)扶貧的貧困瞄準效果至關(guān)重要。本文將建立一個“精準識別—農(nóng)戶參與—影響效果”的多維貧困瞄準分析框架，并提出多維貧困瞄準數(shù)量缺口的概念和方法。通過多維貧困農(nóng)戶分組，使用內(nèi)生轉(zhuǎn)換回歸（Endogenous Switching Regression， ESR）模型評估農(nóng)業(yè)產(chǎn)業(yè)扶貧對不同組農(nóng)戶的影響效果差異。

1文獻綜述

雖然已有大量研究關(guān)注農(nóng)業(yè)產(chǎn)業(yè)扶貧，但在農(nóng)業(yè)產(chǎn)業(yè)扶貧的效果上還沒有形成一致的觀點。一類研究認為，農(nóng)業(yè)產(chǎn)業(yè)扶貧對農(nóng)戶脫貧產(chǎn)生了積極的影響。這類研究認為，農(nóng)業(yè)產(chǎn)業(yè)扶貧能夠改變農(nóng)戶生計策略選擇，顯著增加貧困戶的收入[1]。在對農(nóng)戶消費和貧困發(fā)生率影響方面，農(nóng)業(yè)產(chǎn)業(yè)扶貧中多支持發(fā)展特色經(jīng)濟作物種植，而經(jīng)濟作物能夠?qū)r(nóng)戶消費增加和貧困發(fā)生率降低有顯著的影響[2]。另一類研究認為，農(nóng)業(yè)產(chǎn)業(yè)扶貧并未發(fā)揮良好的減貧效果，出現(xiàn)了瞄準偏離的問題。許漢澤等[3]研究發(fā)現(xiàn)，農(nóng)業(yè)產(chǎn)業(yè)扶貧在地方實踐中，出現(xiàn)了農(nóng)業(yè)產(chǎn)業(yè)扶貧實施前“精英捕獲”和“弱者吸納”、實施中“政策性負擔”和“規(guī)模經(jīng)營不善”、實施后“后續(xù)維護不足”和“農(nóng)戶生計破壞”等問題。也有研究認為，政府主導(dǎo)的產(chǎn)業(yè)扶貧以行政路徑為依賴，各主體間的利益聯(lián)結(jié)關(guān)系不緊密，使得扶貧開發(fā)缺乏社會基礎(chǔ)，往往導(dǎo)致目標偏移、貧富差距拉大[4]。

在多維貧困研究方面，相關(guān)研究主要可以分為兩類。第一類，在理論方面，近期文獻重點探討對多維貧困方法的改進：①將多維貧困方法與時間變化結(jié)合起來，在多維貧困指數(shù)基礎(chǔ)上提出多維貧困的年度絕對變化率和年度相對變化率[5]。②將多維貧困方法與其他指數(shù)或測量方法相結(jié)合，例如將多維貧困方法與長期貧困測量相結(jié)合，構(gòu)建長期和暫時多維貧困指數(shù)[6]。③在多維貧困指數(shù)的權(quán)重設(shè)置方面，使用多重對應(yīng)分析方法、BP神經(jīng)網(wǎng)絡(luò)法改進權(quán)重設(shè)置[7-8]。④在多維貧困的識別階段，提出不同的識別標準，用于識別特殊群體。例如Nowak等[9]改進了識別標準，使多維貧困方法包含了極端貧困戶。

多維貧困的第二類研究是在應(yīng)用方面，最近研究趨向是：①將多維貧困方法應(yīng)用到不同地區(qū)或國家的貧困測量中，例如歐洲地區(qū)[10]、印度[11]、澳大利亞[12]、德國[9]、老撾[13]等。②將多維貧困方法應(yīng)用到不同群體的貧困分析中，例如Chzhen等[14]分析了兒童的多維貧困狀況，其他群體還包括民族群體[15]、老年人群體[16]、農(nóng)民工群體[17]等。③將多維貧困方法應(yīng)用于公共政策或項目評估的研究中，例如Azevedo等[18]評估了有條件現(xiàn)金轉(zhuǎn)移支付項目的受益者瞄準狀況，解堊[16]分析了公共轉(zhuǎn)移支付對老年人多維貧困的影響。

現(xiàn)有關(guān)于農(nóng)業(yè)產(chǎn)業(yè)扶貧和多維貧困的研究雖然已經(jīng)十分豐富，但仍存在以下不足之處：①缺少對扶貧政策或項目精準扶貧效果評估分析框架的總結(jié)，尤其是缺少基于多維貧困分析提出精準扶貧評估分析框架?？偨Y(jié)精準扶貧效果評估分析框架，基于多維貧困分析進行貧困戶精準識別和扶貧瞄準，將對分析包括農(nóng)業(yè)產(chǎn)業(yè)扶貧在內(nèi)的多種扶貧政策或項目精準扶貧瞄準度提供可行思路。②較少研究基于多維貧困分析進行農(nóng)業(yè)產(chǎn)業(yè)扶貧的效果評估，王立劍等[19]雖然分析了產(chǎn)業(yè)扶貧對農(nóng)戶多維貧困的影響，但沒有關(guān)注農(nóng)業(yè)產(chǎn)業(yè)扶貧的多維貧困瞄準狀況。③鮮有研究關(guān)注基于多維貧困分析的貧困瞄準概念與方法的推進。貧困瞄準與精準扶貧緊密相關(guān)，但當前文獻中少有研究將多維貧困分析與貧困瞄準結(jié)合。

針對現(xiàn)有研究的不足，本文將利用湖南、湖北、重慶和貴州四?。ㄖ陛犑校┑?89個農(nóng)戶調(diào)研數(shù)據(jù)，基于多維貧困分析，探討農(nóng)業(yè)產(chǎn)業(yè)扶貧的精準扶貧瞄準效果。本文貢獻在于以下幾方面：①嘗試建立了一個基于多維貧困分析的“精準識別—農(nóng)戶參與—影響效果”的多維貧困瞄準分析框架。此框架首先基于收入、教育、健康和公共服務(wù)等維度進行多維貧困農(nóng)戶識別，然后基于多維貧困農(nóng)戶分組，分析農(nóng)戶參與狀況，最后分析農(nóng)業(yè)產(chǎn)業(yè)扶貧影響效果的差異。②提出多維貧困瞄準數(shù)量缺口的概念?；谝延醒芯恐胸毨闇蕯?shù)量缺口的概念，本文將多維貧困分析和貧困瞄準數(shù)量缺口結(jié)合，提出多維貧困瞄準數(shù)量缺口的概念。③將多維貧困瞄準分析框架和多維貧困瞄準缺口應(yīng)用于農(nóng)業(yè)產(chǎn)業(yè)扶貧分析，探討農(nóng)業(yè)產(chǎn)業(yè)扶貧的瞄準效果，且根據(jù)中國扶貧政策重心變化，關(guān)注農(nóng)業(yè)產(chǎn)業(yè)扶貧對深度貧困戶的瞄準狀況。

2多維貧困瞄準分析框架

2.1基于多維貧困分析的貧困戶精準識別

貧困戶的精準識別是精準扶貧效果評估的基礎(chǔ)。目前，中國采取建檔立卡的方式進行貧困戶的精準識別。但在建檔立卡政策的實施中，出現(xiàn)了“表達與實踐的背離”[20]，即在國家統(tǒng)計局從宏觀層面測算貧困人口數(shù)量、分配貧困人口指標時采取的是經(jīng)濟福利指標，而在村級實踐操作中，卻采取民主評議的方式，綜合農(nóng)戶收入和消費、受教育子女數(shù)量、病人狀況、勞動力狀況等多個方面進行評選。從理論上講，村級民主評議所采取的貧困識別標準與目前學(xué)界使用的多維貧困測量方法有較大相似之處?；谪毨Ю碚撗葸M與實踐的需求，可將多維貧困方法逐步應(yīng)用于貧困戶的精準識別中。在多維貧困方法相關(guān)研究中，由Alkire等[21]提出的基于雙臨界值的A-F方法得到了最為廣泛的應(yīng)用。本文將A-F方法用于多維貧困農(nóng)戶識別，根據(jù)Alkire等[21]研究，A-F方法的主要步驟為：

4多維貧困農(nóng)戶的識別

4.1多維貧困維度和指標的選取

多維貧困雖然已被廣泛地用于理論分析與應(yīng)用研究，但目前對貧困維度和指標的選取并沒有形成統(tǒng)一標準。根據(jù)在精準扶貧、建檔立卡政策實踐中村級民主評議時采取的考量指標，結(jié)合調(diào)研數(shù)據(jù)可得性等現(xiàn)實約束，本文選取了收入、教育、健康、公共服務(wù)4個維度和4個指標。維度、指標和權(quán)重選取情況如表1所示。

4.2多維貧困測量結(jié)果與農(nóng)戶識別

根據(jù)多維貧困方法的應(yīng)用步驟，識別了在不同維度臨界值下的多維貧困農(nóng)戶。當維度臨界值K分別取值為1，2，3和4時，多維貧困農(nóng)戶的占比及樣本農(nóng)戶的多維貧困指數(shù)如表2所示。當K=1時，多維貧困農(nóng)戶占比為81.70%，即81.70%的農(nóng)戶存在四個維度中至少一個維度的貧困。多維貧困指數(shù)M0為42.77%，其含義是所有多維貧困農(nóng)戶被剝奪維度數(shù)量占總體維度數(shù)量的42.77%。當K=3時，多維貧困農(nóng)戶占比為26.39%，表明有26.39%的農(nóng)戶存在至少三個維度的貧困。隨K值增大，多維貧困農(nóng)戶占比和多維貧困指數(shù)均下降。分析還發(fā)現(xiàn)，6.37%的農(nóng)戶存在全部四個維度的貧困。根據(jù)前文界定，存在四個維度貧困的農(nóng)戶可視為深度貧困戶，他們面臨的脫貧難度更大，是目前扶貧政策關(guān)注的重點群體。

5農(nóng)戶參與分析和多維貧困瞄準數(shù)量缺口

農(nóng)戶參與是從農(nóng)業(yè)產(chǎn)業(yè)扶貧中受益的重要環(huán)節(jié)。在實地調(diào)查開展之時，因所調(diào)研的四縣均為國家級或省級貧困縣，所有農(nóng)戶均有資格參與農(nóng)業(yè)產(chǎn)業(yè)扶貧。雖然如此，農(nóng)戶是否選擇參與、采用何種形式參與、其自身要素怎樣融入到農(nóng)業(yè)產(chǎn)業(yè)扶貧中，這些均是農(nóng)戶根據(jù)自身的勞動力、土地、資金、能力以及風險態(tài)度等特征做出的選擇，是一個自選擇（Self-select）的過程。不同地區(qū)結(jié)合區(qū)域具體情況實施農(nóng)業(yè)產(chǎn)業(yè)扶貧，沒有統(tǒng)一的補貼方式。評價農(nóng)業(yè)產(chǎn)業(yè)扶貧的主要標準是貧困戶的參與受益狀況以及增收減貧效果。因此，本節(jié)分析農(nóng)戶在農(nóng)業(yè)產(chǎn)業(yè)扶貧中的參與受益狀況，在第6節(jié)分析農(nóng)業(yè)產(chǎn)業(yè)扶貧對不同農(nóng)戶增收減貧的影響。

5.1農(nóng)業(yè)產(chǎn)業(yè)扶貧中的農(nóng)戶參與狀況

從農(nóng)戶參與農(nóng)業(yè)產(chǎn)業(yè)扶貧的分析發(fā)現(xiàn)，多維貧困農(nóng)戶與非多維貧困農(nóng)戶參與比例相近，而非多維貧困農(nóng)戶戶均獲得補貼金額總體上高于多維貧困農(nóng)戶。如表3所示，當維度臨界值K=1時，多維貧困農(nóng)戶中有41.83%參加了農(nóng)業(yè)產(chǎn)業(yè)扶貧，僅比非多維貧困農(nóng)戶高3.16個百分點。多維貧困農(nóng)戶戶均獲得補貼比非多維貧困農(nóng)戶低520.12元。當維度臨界值K等于2、3和4時，多維貧困農(nóng)戶和非多維貧困農(nóng)戶均有41%左右參加了農(nóng)業(yè)產(chǎn)業(yè)扶貧，兩組農(nóng)戶在參與比例上十分接近。而在戶均獲得補貼方面，在K等于2和3時，多維貧困農(nóng)戶分別比非多維貧困農(nóng)戶平均少獲得補貼164.74元、135.7元。只有在K等于4時，即農(nóng)戶為深度貧困戶時，多維貧困農(nóng)戶戶均獲得的補貼高于非多維貧困農(nóng)戶。因此，綜合不同維度臨界值下的分析結(jié)果看，多維貧困農(nóng)戶并未從農(nóng)業(yè)產(chǎn)業(yè)扶貧中更多地受益。

5.2農(nóng)戶參與的多維貧困瞄準數(shù)量缺口

在不同維度臨界值下，隨著維度臨界值K逐漸變大，一類瞄準數(shù)量缺口逐漸變小，二類瞄準數(shù)量缺口逐漸增大，多維貧困瞄準數(shù)量缺口總體呈現(xiàn)下降趨勢。如表4所示，當維度臨界值K等于1時，多維貧困瞄準數(shù)量缺口為54.60%。一類瞄準數(shù)量缺口為47.52%，表明在總體樣本農(nóng)戶中有47.52%的農(nóng)戶是多維貧困農(nóng)戶，但他們卻沒有參加農(nóng)業(yè)產(chǎn)業(yè)扶貧。二類數(shù)量缺口為7.08%，其含義是總體樣本農(nóng)戶中有7.08%的農(nóng)戶是非多維貧困農(nóng)戶，但他們參加了農(nóng)業(yè)產(chǎn)業(yè)扶貧。當K等于3時，多維貧困瞄準數(shù)量缺口下降到45.60%，其中一類瞄準數(shù)量缺口降低為15.37%，但二類瞄準數(shù)量缺口增加至30.23%，表明隨著維度臨界值增加和多維貧困農(nóng)戶占比降低，農(nóng)業(yè)產(chǎn)業(yè)扶貧在農(nóng)戶參與層面的多維貧困瞄準偏差總體降低，對多維貧困農(nóng)戶覆蓋不完全的問題減少，但農(nóng)戶是非多維貧困農(nóng)戶但卻參加了農(nóng)業(yè)產(chǎn)業(yè)扶貧的比例增加。當維度臨界值K等于4時，即多維貧困農(nóng)戶僅占樣本總量的6.37%、識別出的貧困戶為深度貧困戶時，農(nóng)業(yè)產(chǎn)業(yè)扶貧的一類瞄準數(shù)量缺口僅為3.74%，說明農(nóng)業(yè)產(chǎn)業(yè)扶貧對深度貧困戶的覆蓋不完全問題比較小。雖然如此，當K等于4時，多維貧困瞄準數(shù)量缺口雖然與其他維度臨界值下的多維貧困瞄準數(shù)量缺口相比最低，但仍為42.37%，說明農(nóng)業(yè)產(chǎn)業(yè)扶貧總體的多維貧困瞄準效果仍需要進一步改善。

6農(nóng)業(yè)產(chǎn)業(yè)扶貧對不同農(nóng)戶的影響效果差異分析

在農(nóng)業(yè)產(chǎn)業(yè)扶貧的影響效果方面，多維貧困農(nóng)戶能否明顯獲益，或者是否獲益比非多維貧困農(nóng)戶更多，也是衡量多維貧困瞄準的重要內(nèi)容。因本次調(diào)查涉及的農(nóng)業(yè)扶貧產(chǎn)業(yè)主要是經(jīng)濟作物，因此本節(jié)主要分析農(nóng)戶參加農(nóng)業(yè)產(chǎn)業(yè)扶貧對農(nóng)戶種植業(yè)投入、種植業(yè)總收入和種植業(yè)純收入的影響。在農(nóng)業(yè)產(chǎn)業(yè)扶貧實施中，所有農(nóng)戶均有機會參加，但不同農(nóng)戶參加的傾向并不相同。從理論上看，家庭中勞動力數(shù)量多、戶主受教育程度高、戶主年齡較小、耕種土地多的農(nóng)戶更有可能參加農(nóng)業(yè)產(chǎn)業(yè)扶貧并從中受益，這就產(chǎn)生了政策或項目評估中常遇到的內(nèi)生性問題，本節(jié)將使用內(nèi)生轉(zhuǎn)換回歸模型控制內(nèi)生性問題。

6.1描述分析

通過描述分析發(fā)現(xiàn)，不管是在何種維度臨界值分組之下，參加農(nóng)業(yè)產(chǎn)業(yè)扶貧的農(nóng)戶平均的種植業(yè)投入和收入高于沒有參加項目的農(nóng)戶，但非多維貧困農(nóng)戶的投入和收入增量高于多維貧困農(nóng)戶。如表5所示，當維度臨界值K等于1時，在多維貧困農(nóng)戶中，參加農(nóng)業(yè)產(chǎn)業(yè)扶貧的農(nóng)戶比未參加農(nóng)戶的種植業(yè)投入多608.55元，而非多維貧困農(nóng)戶中參加農(nóng)戶比未參加農(nóng)戶的投入多1 621.61元，這一差值比多維貧困農(nóng)戶中參加與未參加農(nóng)戶的差值高1 013.06元。在種植業(yè)總收入上，雖然多維貧困農(nóng)戶中參加農(nóng)戶比未參加農(nóng)戶高1 490.69元，但這一差值比非多維貧困農(nóng)戶的差值低2 135.03元。在種植業(yè)純收入方面，多維貧困農(nóng)戶中參加農(nóng)戶比未參加農(nóng)戶高882.14元，但比非多維貧困農(nóng)戶的這一差值低1 121.97元。當維度臨界值K分別等于2、3和4時，分析結(jié)果與K等于1時相似。這些描述分析的結(jié)果表明，參加農(nóng)業(yè)產(chǎn)業(yè)扶貧的農(nóng)戶比未參加農(nóng)戶有更多的種植業(yè)投入和收入，但多維貧困農(nóng)戶從農(nóng)業(yè)產(chǎn)業(yè)扶貧中的受益增量比非多維貧困農(nóng)戶少。雖然如此，但由于內(nèi)生性問題的存在，農(nóng)業(yè)產(chǎn)業(yè)扶貧的影響效果和多維貧困瞄準評估還需要使用內(nèi)生轉(zhuǎn)換回歸模型進一步分析。

6.2內(nèi)生轉(zhuǎn)換回歸模型分析過程和結(jié)果

根據(jù)內(nèi)生轉(zhuǎn)換回歸模型的分析步驟，首先選取行為方程和結(jié)果方程的變量。本文在行為方程中選取的因變量為農(nóng)戶是否參加農(nóng)業(yè)產(chǎn)業(yè)扶貧，結(jié)果方程的因變量為農(nóng)戶的種植業(yè)投入的對數(shù)、種植業(yè)總收入的對數(shù)和種植業(yè)純收入的對數(shù)。本文選取的自變量包括戶主特征變量、家庭特征變量和村級特征變量。在戶主特征變量中，選取了戶主受教育年限、戶主年齡、戶主年齡的平方、戶主打工或經(jīng)商年數(shù)。在家庭特征變量中選取了家庭規(guī)模、勞動力數(shù)量、家庭耕種土地數(shù)量以及是否參加了合作經(jīng)濟組織。在村級特征變量中，選取了村里是否組織技術(shù)培訓(xùn)、村里是否組織外出務(wù)工。除了以上特征變量外，根據(jù)前文行為方程自變量選擇的要求，選取了村莊當年基礎(chǔ)設(shè)施投資的對數(shù)這一變量加入行為方程中，但不加入處理組或控制組的結(jié)果方程中。選取這一變量的原因在于，農(nóng)業(yè)產(chǎn)業(yè)發(fā)展與村莊基礎(chǔ)設(shè)施緊密相關(guān)，如果村莊基礎(chǔ)設(shè)施更加完善，農(nóng)戶選擇參加農(nóng)業(yè)產(chǎn)業(yè)扶貧的可能性會增大。但村莊當年基礎(chǔ)設(shè)施的投資對農(nóng)戶種植業(yè)投入和收入在短時間內(nèi)不會產(chǎn)生影響。為驗證選取變量合適與否，文章還分別將農(nóng)戶是否參加農(nóng)業(yè)產(chǎn)業(yè)扶貧、農(nóng)戶種植業(yè)投入和收入對村莊當年基礎(chǔ)設(shè)施投資的變量進行回歸。結(jié)果表明，村莊當年基礎(chǔ)設(shè)施投資顯著影響了農(nóng)戶是否參加農(nóng)業(yè)產(chǎn)業(yè)扶貧，但對農(nóng)戶種植業(yè)投入和收入沒有產(chǎn)生顯著的影響，這說明選取的變量是適宜的。本節(jié)分析選取的變量及其描述統(tǒng)計見表6。

使用內(nèi)生轉(zhuǎn)換模型，對農(nóng)戶是否參加農(nóng)業(yè)產(chǎn)業(yè)扶貧以及處理組（即參加了農(nóng)業(yè)產(chǎn)業(yè)扶貧的農(nóng)戶）、控制組（即沒有參加農(nóng)業(yè)產(chǎn)業(yè)扶貧的農(nóng)戶）的結(jié)果方程進行回歸分析，結(jié)果如表7所示。行為方程分析結(jié)果表明，除了戶主年齡、村里是否組織技術(shù)培訓(xùn)和村里是否組織外出務(wù)工外，其余變量對農(nóng)戶參與農(nóng)業(yè)產(chǎn)業(yè)扶貧產(chǎn)生了顯著的影響。其中，村莊當年基礎(chǔ)設(shè)施投資對農(nóng)戶是否參加農(nóng)業(yè)產(chǎn)業(yè)扶貧具有顯著的正向影響，這表明，村莊基礎(chǔ)設(shè)施的改善有助于提高農(nóng)戶參加農(nóng)業(yè)產(chǎn)業(yè)扶貧的可能性。

在農(nóng)戶種植業(yè)投入、種植業(yè)總收入和種植業(yè)純收入的回歸結(jié)果中，模型2、4、5和6的逆米爾比率對因變量有顯著的影響，這表明，在分析農(nóng)戶是否參加農(nóng)業(yè)產(chǎn)業(yè)扶貧對種植業(yè)投入和收入的影響時，同時受到了農(nóng)戶可觀測變量和不可觀測變量的影響。若不考慮內(nèi)生性問題，在評估農(nóng)業(yè)產(chǎn)業(yè)扶貧的影響效果時，結(jié)果會存在偏差。處理組和控制組結(jié)果方程的分析顯示，影響處理組和控制組種植業(yè)投入和收入的因素存在差異。對農(nóng)戶種植業(yè)投入的回歸結(jié)果分析顯示，農(nóng)戶是否參加合作經(jīng)濟組織、村里是否組織技術(shù)培訓(xùn)對處理組的種植業(yè)投入有顯著影響，但對控制組農(nóng)戶沒有顯著影響。戶主的受教育年限、戶主年齡和家庭耕種土地數(shù)量對控制組農(nóng)戶的種植業(yè)投入有顯著影響，但對處理組的影響不顯著。農(nóng)戶種植業(yè)總收入的回歸結(jié)果表明，村里是否組織技術(shù)培訓(xùn)、村里是否組織外出務(wù)工對處理組農(nóng)戶有顯著的影響，但對控制組的影響并不顯著。種植業(yè)純收入的回歸結(jié)果也顯示出，處理組和控制組農(nóng)戶種植業(yè)純收入的影響因素存在差異這些因素中，勞動力數(shù)量對處理組農(nóng)戶的種植業(yè)收入產(chǎn)生了負向影響，其原因是在貧困地區(qū)，若把過多勞動力投入在農(nóng)業(yè)生產(chǎn)中，其邊際收益較低，因此勞動力較多的農(nóng)戶更傾向于把勞動力配置于非農(nóng)活動，這導(dǎo)致勞動力較多農(nóng)戶的種植業(yè)收入低于勞動力少的農(nóng)戶。參加合作經(jīng)濟組織對處理組農(nóng)戶的種植業(yè)投入和收入產(chǎn)生了負向影響，其原因是在本研究所調(diào)查的貧困地區(qū)中，合作經(jīng)濟組織發(fā)展時間較短，參加合作經(jīng)濟組織的農(nóng)戶多為小農(nóng)戶，大農(nóng)戶因能力較強，較少選擇加入合作經(jīng)濟組織，小農(nóng)戶的種植業(yè)投入和收入低于大農(nóng)戶，因此參加合作經(jīng)濟組織對農(nóng)戶種植業(yè)投入和收入呈現(xiàn)出了負向影響。。這些結(jié)果均表明，處理組和控制組農(nóng)戶在特征變量上可能存在顯著差異，以致對農(nóng)戶福利產(chǎn)生顯著影響的因素存在差異，這也間接表明了評估農(nóng)戶參加農(nóng)業(yè)產(chǎn)業(yè)扶貧影響效果時，控制內(nèi)生性的必要性。同時，處理組和控制組農(nóng)戶特征存在差異，也表明了使用內(nèi)生轉(zhuǎn)換回歸模型分別對兩組農(nóng)戶進行回歸分析，更加符合實際情況，這進一步顯明了使用內(nèi)生轉(zhuǎn)換回歸模型的合理性。

通過計算農(nóng)業(yè)產(chǎn)業(yè)扶貧的平均處理效果發(fā)現(xiàn)，農(nóng)戶參加農(nóng)業(yè)產(chǎn)業(yè)扶貧總體上能夠促進種植業(yè)投入、種植業(yè)總收入和種植業(yè)純收入的增加，這與描述分析結(jié)果總體一致。但是農(nóng)業(yè)產(chǎn)業(yè)扶貧的影響仍存在異質(zhì)性，當維度臨界值等于4時，即農(nóng)戶為深度貧困戶時，參加農(nóng)業(yè)產(chǎn)業(yè)扶貧并未對農(nóng)戶種植業(yè)總收入和種植業(yè)純收入產(chǎn)生顯著的正向影響，農(nóng)業(yè)產(chǎn)業(yè)扶貧的多維貧困瞄準效果仍存在需要改善之處。具體來講，如表8所示，當維度臨界值等于1、2或3時，不管是多維貧困農(nóng)戶還是非多維貧困農(nóng)戶，處理組農(nóng)戶在種植業(yè)投入、種植業(yè)總收入和種植業(yè)純收入平均處理效應(yīng)總體上顯著高于其反事實（即處理組若不參加農(nóng)業(yè)產(chǎn)業(yè)扶貧）下的表現(xiàn)。但當維度臨界值等于4、農(nóng)戶是深度貧困戶時，雖然參加農(nóng)業(yè)產(chǎn)業(yè)扶貧能夠促進其種植業(yè)投入，但是并未顯著提高其種植業(yè)總收入，這導(dǎo)致的結(jié)果是，參加農(nóng)業(yè)產(chǎn)業(yè)扶貧顯著降低了深度貧困戶的種植業(yè)純收入。造成這種結(jié)果的原因在于，深度貧困戶往往面臨著戶主受教育水平有限、病人數(shù)量較多、享受的公共服務(wù)有限、增收能力較弱等因素的制約。他們參加農(nóng)業(yè)產(chǎn)業(yè)扶貧，雖然增加了種植業(yè)投入，但受到多種因素的制約，難以獲得產(chǎn)業(yè)投入的正常回報。在農(nóng)業(yè)產(chǎn)業(yè)扶貧未來發(fā)展中，需要更多地關(guān)注深度貧困戶。

7結(jié)論與政策建議

本文嘗試總結(jié)了一個扶貧政策或項目多維貧困瞄準的分析框架，并提出了多維貧困瞄準數(shù)量缺口的概念。在湖南、湖北、重慶和貴州四?。ㄖ陛犑校?89個農(nóng)戶調(diào)研的基礎(chǔ)上，使用多維貧困瞄準分析框架，分析了農(nóng)業(yè)產(chǎn)業(yè)扶貧的多維貧困瞄準狀況。本文主要結(jié)論如下。

第一，扶貧政策或項目瞄準可以基于多維貧困方法、利用“精準識別—農(nóng)戶參與—影響效果”的扶貧瞄準框架進行分析?？墒紫仁褂枚嗑S貧困方法進行貧困農(nóng)戶識別，在多維貧困農(nóng)戶分組基礎(chǔ)上分析農(nóng)戶參與狀況，并分析參與層面的多維貧困瞄準數(shù)量缺口。最后基于多維貧困農(nóng)戶分組，使用計量分析方法評估扶貧政策或項目對不同組農(nóng)戶的影響效果差異。

第二，在農(nóng)戶參與層面，多維貧困農(nóng)戶與非多維貧困

農(nóng)戶參與農(nóng)業(yè)產(chǎn)業(yè)扶貧比例相近，但非多維貧困農(nóng)戶戶均獲得補貼金額總體上高于多維貧困農(nóng)戶。隨著維度臨界值逐漸增大，一類瞄準數(shù)量缺口逐漸變小，二類瞄準數(shù)量缺口逐漸增大，多維貧困瞄準數(shù)量缺口總體呈現(xiàn)下降趨勢。

第三，在影響效果層面，農(nóng)戶參加農(nóng)業(yè)產(chǎn)業(yè)扶貧總體上顯著促進了種植業(yè)投入與收入的增加。但農(nóng)業(yè)產(chǎn)業(yè)扶貧的影響效果存在異質(zhì)性，對貧困維度數(shù)量較少的農(nóng)戶，參加農(nóng)業(yè)產(chǎn)業(yè)扶貧能夠顯著促進其種植業(yè)投入和收入，對深度貧困戶而言，雖然參加農(nóng)業(yè)產(chǎn)業(yè)扶貧顯著促進了其種植業(yè)投入的增加，但并沒有顯著促進其種植業(yè)總收入和純收入的增加。農(nóng)業(yè)產(chǎn)業(yè)扶貧對深度貧困戶的多維貧困瞄準效果還需要進一步改善。

在農(nóng)業(yè)產(chǎn)業(yè)扶貧未來發(fā)展中，應(yīng)針對不同貧困程度的農(nóng)戶采取不同舉措，具體如下。

第一，針對貧困維度數(shù)量較少的農(nóng)戶，要提升農(nóng)業(yè)產(chǎn)業(yè)扶貧的效果，可從以下方面入手：①加強農(nóng)業(yè)技術(shù)指導(dǎo)服務(wù)。在貧困地區(qū)，農(nóng)業(yè)技術(shù)服務(wù)發(fā)展相對滯后，限制了農(nóng)業(yè)產(chǎn)業(yè)扶貧的發(fā)展和貧困戶參與熱情。另外，農(nóng)業(yè)產(chǎn)業(yè)扶貧雖然大多推廣的是優(yōu)良特色品種，但如果缺少配套農(nóng)業(yè)技術(shù)服務(wù)指導(dǎo)，可能會大大影響扶貧產(chǎn)業(yè)的發(fā)展。應(yīng)借助科研單位、高等院校的力量結(jié)對幫扶貧困地區(qū)，加強對貧困地區(qū)農(nóng)業(yè)特色產(chǎn)業(yè)發(fā)展的農(nóng)業(yè)技術(shù)服務(wù)指導(dǎo)。②提供農(nóng)業(yè)產(chǎn)業(yè)扶貧貸款。貧困地區(qū)農(nóng)戶的生產(chǎn)性信貸需求通常難以得到滿足，面臨信貸約束或信貸配給。應(yīng)將發(fā)展農(nóng)業(yè)產(chǎn)業(yè)扶貧與扶貧小額貸款結(jié)合起來，通過增加農(nóng)村信用社、商業(yè)銀行等正規(guī)金融機構(gòu)的小微貸款，或者發(fā)展貧困村互助資金、社區(qū)基金等微型金融組織，滿足有能力發(fā)展扶貧產(chǎn)業(yè)但缺少資金的農(nóng)戶信貸需求。③合理選擇產(chǎn)業(yè)。應(yīng)該根據(jù)貧困地區(qū)不同的氣候條件、地形條件、土壤條件等情況，結(jié)合考慮市場需求狀況，因地制宜推廣差異化的扶貧產(chǎn)業(yè)，避免“跟風式”發(fā)展某個扶貧產(chǎn)業(yè)可能帶來的價格下跌、產(chǎn)業(yè)失敗風險。④發(fā)展農(nóng)業(yè)保險。試點農(nóng)業(yè)產(chǎn)業(yè)扶貧與農(nóng)業(yè)保險相結(jié)合，對農(nóng)戶提供農(nóng)業(yè)保險的保費補貼，擴大農(nóng)業(yè)保險對不同地區(qū)特色經(jīng)濟作物的保障范圍，改變貧困戶對參與扶貧產(chǎn)業(yè)的風險預(yù)期。

第二，針對深度貧困戶，要提升農(nóng)業(yè)產(chǎn)業(yè)扶貧的效果，可從以下方面入手：①建立利益聯(lián)結(jié)機制。當前扶貧工作雖然特別強調(diào)扶貧資源要瞄準深度貧困戶，但發(fā)展農(nóng)業(yè)產(chǎn)業(yè)扶貧需要農(nóng)戶勞動力、農(nóng)業(yè)技能等要素的投入，而深度貧困戶往往在這些要素上存在一定劣勢。需要根據(jù)農(nóng)業(yè)產(chǎn)業(yè)的特點，建立種養(yǎng)大戶、家庭農(nóng)場等具有優(yōu)勢生產(chǎn)要素的主體帶動深度貧困戶共同發(fā)展的機制。②發(fā)揮農(nóng)村集體的組織聯(lián)系作用。深度貧困戶因自身能力較差，即使參加農(nóng)業(yè)產(chǎn)業(yè)扶貧，種植或養(yǎng)殖規(guī)模通常較小，而且深度貧困戶大多缺少市場信息和銷售渠道。需要發(fā)揮農(nóng)村集體或經(jīng)濟合作組織的中介作用，可借鑒“巢狀市場”形式，幫助深度貧困戶與城市消費者連接，擴大其銷售渠道。③探索要素入股方式。在農(nóng)業(yè)產(chǎn)業(yè)扶貧中可探索深度貧困戶的土地入股、扶貧資金入股方式，借鑒資產(chǎn)收益扶貧的模式解決缺少勞動力的深度貧困戶受益問題。

（編輯：于杰）

參考文獻

[1]

胡晗， 司亞飛， 王立劍. 產(chǎn)業(yè)扶貧政策對貧困戶生計策略和收入的影響——來自陜西省的經(jīng)驗證據(jù)[J]. 中國農(nóng)村經(jīng)濟， 2018 （1）： 78-89.

[2]CUONGN V. Measuring the impact of cash crops on household expenditure and poverty in rural Vietnam[J]. AsiaPacific development journal，2009，16（2）：87-112.

[3]許漢澤， 李小云. 精準扶貧背景下農(nóng)村產(chǎn)業(yè)扶貧的實踐困境——對華北李村產(chǎn)業(yè)扶貧項目的考察[J]. 西北農(nóng)林科技大學(xué)學(xué)報（社會科學(xué)版），2017，17（1）：9-16.

[4]孫兆霞. 脫嵌的產(chǎn)業(yè)扶貧——以貴州為案例[J]. 中共福建省委黨校學(xué)報， 2015 （3）： 14-21.

[5]ALKIRES， ROCHE J E M， VAZ A. Changes over time in multidimensional poverty： methodology and results for 34 countries[J]. World development， 2017， 94： 232-249.

[6]張全紅， 李博， 周強. 中國多維貧困的動態(tài)測算、結(jié)構(gòu)分解與精準扶貧[J]. 財經(jīng)研究， 2017，43（4）：31-40.

[7]PASHAA. Regional perspectives on the multidimensional poverty index[J]. World development， 2017， 94： 268-285.

[8]韓佳麗， 王志章， 王漢杰. 貧困地區(qū)勞動力流動對農(nóng)戶多維貧困的影響[J]. 經(jīng)濟科學(xué)， 2017 （6）： 87-101.

[9]NOWAKD， SCHEICHER C. Considering the extremely poor： multidimensional poverty measurement for Germany[J]. Social indicators research， 2017， 133（1）： 139-162.

[10]WHELANC T， NOLAN B， MAITRE B. Multidimensional poverty measurement in Europe： an application of the adjusted headcount approach[J]. Journal of European social policy， 2014， 24（2）： 183-197.

[11]ALKIRES， SETH S. Multidimensional poverty reduction in India between 1999 and 2006： where and how？[J]. World development， 2015， 72： 93-108.

[12]MARTINEZA， PERALES F. The dynamics of multidimensional poverty in contemporary Australia[J]. Social indicators research， 2017， 130（2）： 479-496.

[13]BADERC， BIERI S， WIESMANN U， et al. Is economic growth increasing disparities？ a multidimensional analysis of poverty in the Lao PDR between 2003 and 2013[J]. Journal of development studies， 2017， 53（12）： 2067-2085.

[14]CHZHENY， FERRONE L. Multidimensional child deprivation and poverty measurement： case study of Bosnia and Herzegovina[J]. Social indicators research， 2017， 131（3）： 999-1014.

[15]AWAWORYIC S， SMYTH R. Ethnic diversity and poverty[J]. World development， 2017， 95：285-302.

[16]解堊. 公共轉(zhuǎn)移支付與老年人的多維貧困[J]. 中國工業(yè)經(jīng)濟， 2015 （11）： 32-46.

[17]王春超， 葉琴. 中國農(nóng)民工多維貧困的演進——基于收入與教育維度的考察[J]. 經(jīng)濟研究， 2014 （12）： 159-174.

[18]AZEVEDOV， ROBLES M. Multidimensional targeting： identifying beneficiaries of conditional cash transfer programs[J]. Social indicators research， 2013， 112（2）： 447-475.

[19]王立劍， 葉小剛， 陳杰. 精準識別視角下產(chǎn)業(yè)扶貧效果評估[J]. 中國人口·資源與環(huán)境， 2018，28（1）：113-123.

[20]楊龍， 李萌， 汪三貴. 我國貧困瞄準政策的表達與實踐[J]. 農(nóng)村經(jīng)濟， 2015 （1）： 8-12.

[21]ALKIRES， FOSTER J. Counting and multidimensional poverty measurement[J]. Journal of public economics， 2011， 95（7）：476-487.

[22]PARK A， WANG S， WU G. Regional poverty targeting in China[J]. Journal of public economics， 2002， 86（1）： 123-153.

[23]ABDULAIA. Impact of conservation agriculture technology on household welfare in Zambia[J]. Agricultural economics， 2016， 47（6）： 729-741.

[24]MAW， ABDULAI A. Does cooperative membership improve household welfare？ evidence from apple farmers in China[J]. Food policy， 2016， 58： 94-102.