摘 要：進城農(nóng)民工是相對貧困的主要潛在群體，構(gòu)建高質(zhì)量的相對貧困識別體系是實現(xiàn)農(nóng)民工高質(zhì)量脫貧的基礎(chǔ)。利用四期中國家庭追蹤調(diào)查數(shù)據(jù)，基于UNDP的MPI構(gòu)建農(nóng)民工多維相對貧困識別體系，采用經(jīng)典FGT法和非線性模型的Blinder-Oaxaca分解法從性別差異視角動態(tài)測度并分解農(nóng)民工多維相對貧困指數(shù)。研究結(jié)果發(fā)現(xiàn)：農(nóng)民工多維相對貧困呈現(xiàn)出逐年下降趨勢，但男性農(nóng)民工多維相對貧困更嚴重;多維相對貧困動態(tài)過程測度表明男性農(nóng)民工多維相對貧困的“頑固性”和“反復(fù)性”更強，多維相對貧困動態(tài)結(jié)果測度表明男性農(nóng)民工的暫時貧困和慢性貧困更嚴重;經(jīng)典FGT指數(shù)分解表明各類型貧困動態(tài)過程和貧困動態(tài)結(jié)果的多維相對貧困指數(shù)的貢獻來源主要為男性農(nóng)民工，Blinder-Oaxaca分解結(jié)果表明性別歧視是造成農(nóng)民工各多維相對貧困動態(tài)類型發(fā)生概率差異的主因，且慢性貧困受到的性別歧視最嚴重。為此，建議運用貧困協(xié)同治理理念解決不同性別農(nóng)民工多維相對貧困問題，避免因農(nóng)民工貧困群體內(nèi)部分化加劇貧困問題復(fù)雜化，從而高質(zhì)量實現(xiàn)農(nóng)民工相對貧困治理。

關(guān)鍵詞：貧困識別質(zhì)量;多維相對貧困;貧困動態(tài)性;性別差異;Blinder-Oaxaca分解

一、引言

2020年我國脫貧攻堅戰(zhàn)取得了全面勝利，提前十年實現(xiàn)聯(lián)合國2030年可持續(xù)發(fā)展議程減貧目標，使得中國區(qū)域性整體貧困得到解決，創(chuàng)造了人類減貧史的奇跡。2020年后我國將進入新的扶貧階段，扶貧重心將由解決絕對貧困向緩解相對貧困轉(zhuǎn)變（汪三貴和胡駿，2020）。其實，相對貧困問題早已顯現(xiàn)，在解決農(nóng)村絕對貧困問題的過程中，城鎮(zhèn)化和工業(yè)化吸引了大量農(nóng)村剩余勞動力以農(nóng)民工的身份進入城鎮(zhèn)，造就了當前中國2.9億農(nóng)民工的盛況。有一部分農(nóng)村絕對貧困人口進入城鎮(zhèn)后，獲得了高于原居住地的工資收入，從而減少了全社會的絕對貧困人口，但相對于城鎮(zhèn)居民仍處于相對貧困狀態(tài);另一部分農(nóng)村非絕對貧困人口進入城市工作后，由于難以與城鎮(zhèn)居民享受同等的市民待遇，且社會尚無完備的農(nóng)民工社會保障體系，導(dǎo)致農(nóng)民工處于農(nóng)村扶貧體系和城鎮(zhèn)社會救助體系間的“真空地帶”，致使這部分農(nóng)村非絕對貧困人口在城鎮(zhèn)處于相對貧困狀態(tài)。因此，這兩類群體就成為城鎮(zhèn)相對貧困人口的主要來源，共同促使城鎮(zhèn)貧困發(fā)生率不斷提高，“貧困城市化”問題進一步加重。

堅決保障脫貧質(zhì)量是中國減貧全面勝利的寶貴智慧，習(xí)近平總書記曾多次強調(diào)脫貧質(zhì)量的重要性，如“確保脫真貧、真脫貧”、“把脫貧質(zhì)量放在首位”、“絕不搞數(shù)字脫貧、虛假脫貧”。2020年全面建成小康社會后需要重點解決社會相對貧困問題，不僅需要注重脫貧數(shù)量，也應(yīng)繼續(xù)堅持貫徹高質(zhì)量脫貧的理念（羅連發(fā)等，2021）。在經(jīng)濟社會高質(zhì)量發(fā)展目標導(dǎo)向下，社會相對貧困的解決離不開農(nóng)民工相對貧困的高質(zhì)量治理，提防和解決農(nóng)民工相對貧困有利于城鎮(zhèn)化良性發(fā)展，對社會和諧和經(jīng)濟高質(zhì)量發(fā)展意義重大。農(nóng)民工群體的特殊性必然會加大其治理難度，而貧困得以高質(zhì)量治理的首要條件就是保證貧困對象識別的質(zhì)量，高質(zhì)量的貧困識別體系是精準識別貧困的基礎(chǔ)（黃宏偉等，2021）。不僅如此，貧困的高質(zhì)量治理還應(yīng)注重脫貧的可持續(xù)性，農(nóng)民工貧困的復(fù)雜性使得識別農(nóng)民工貧困群體不能一勞永逸，需要對農(nóng)民工特殊群體進行長期追蹤并動態(tài)測度其貧困狀況。因此，農(nóng)民工高質(zhì)量脫貧的首要問題就是應(yīng)該如何構(gòu)建高質(zhì)量的農(nóng)民工相對貧困識別體系，并兼顧貧困的動態(tài)考察以保證農(nóng)民工貧困的識別質(zhì)量，從而為提高農(nóng)民工相對貧困的脫貧質(zhì)量奠定基礎(chǔ)。

本文的邊際貢獻主要表現(xiàn)為以下兩個方面：第一，雖然已有研究嘗試構(gòu)建農(nóng)民工相對貧困識別指標體系，但較少從貧困識別質(zhì)量的角度選取指標，更多仍是按照傳統(tǒng)的貧困識別維度進行選取，本研究則從收入質(zhì)量、教育質(zhì)量、健康質(zhì)量、生活質(zhì)量、就業(yè)質(zhì)量、融合質(zhì)量構(gòu)建高質(zhì)量的農(nóng)民工相對貧困識別體系。第二，貧困的產(chǎn)生和治理都與個體稟賦息息相關(guān)，而性別差異是個體稟賦最基本的特征，本研究嘗試從性別視角分析農(nóng)民工的相對貧困問題，以期更加高質(zhì)量的識別貧困問題和提出有針對性的治理措施。本文的剩余章節(jié)安排如下：第二部分，對現(xiàn)有文獻中有關(guān)農(nóng)民工貧困方面的識別研究進行綜述，并分析已經(jīng)取得的成果及存在的問題;第三部分，基于高質(zhì)量識別的理念，選取貧困維度和指標構(gòu)建農(nóng)民工多維相對貧困指標體系;第四部分，根據(jù)第三部分所構(gòu)建的指標體系，動態(tài)測度農(nóng)民工多維相對貧困的狀況;第五部分，基于Blinder-Oaxaca模型分解農(nóng)民工多維相對貧困，解釋性別貧困差距產(chǎn)生的機理，為高質(zhì)量解決農(nóng)民工相對貧困提供支撐;第六部分，為結(jié)論與討論。

二、文獻回顧

（一）基于高質(zhì)量識別的農(nóng)民工貧困動態(tài)測度研究

中國的城鎮(zhèn)化使得大量農(nóng)村勞動力向城鎮(zhèn)轉(zhuǎn)移，形成了規(guī)模龐大的農(nóng)民工群體，隨之而來的社會經(jīng)濟問題備受關(guān)注。已有學(xué)者開始關(guān)注農(nóng)民工貧困，高質(zhì)量識別出貧困農(nóng)民工群體是貧困治理的關(guān)鍵。隨著對農(nóng)民工貧困研究的不斷深入，衡量農(nóng)民工貧困的方法已經(jīng)由最初的單一經(jīng)濟指標向目前所流行的多維指標轉(zhuǎn)變，但選取的維度和指標各有不同。例如，王春超和葉琴（2014）采用的是收入、健康、教育、醫(yī)療保險4維貧困指數(shù)，蔣南平和葉琴（2017）采用的是收入、健康、醫(yī)療、生活和城市融入5維貧困指數(shù)，郭君平和譚清香等（2018）從“收入-消費-多維”視角探究進城農(nóng)民工家庭的貧困狀況，何宗樾和宋旭光（2018）采用的是教育、健康、醫(yī)保、就業(yè)和收入5維貧困指數(shù)，孫詠梅（2019）采用的是生活、工作和社會參與3維貧困指數(shù)，吳麗娟和羅淳（2021）采用的是教育、健康、資產(chǎn)、社保、融入5維貧困指數(shù)?？梢缘弥瑢W(xué)者大多基于UNDP的MPI構(gòu)建農(nóng)民工貧困指標體系，但較少考慮農(nóng)民工所面臨的特殊情況，導(dǎo)致未能準確測度農(nóng)民工的貧困問題，影響農(nóng)民工的高質(zhì)量脫貧任務(wù)，現(xiàn)有指標體系主要存在以下四個方面的問題：第一，已有指標體系中的貧困指標爭議較大，存在把農(nóng)戶貧困指標誤用到測度農(nóng)民工貧困的現(xiàn)象，導(dǎo)致測度結(jié)果與實際不符;第二，進城農(nóng)民工的相對貧困問題更多是源自個體自身因素，然而目前大多從家戶層面對農(nóng)民工貧困進行測度，采用個體層面測度更能提高識別農(nóng)民工貧困的質(zhì)量;第三，沒有充分理解農(nóng)民工貧困內(nèi)涵，導(dǎo)致重要指標遺漏，農(nóng)民工與農(nóng)戶所處社會環(huán)境的差異必然要求衡量貧困的指標有所不同，應(yīng)根據(jù)農(nóng)民工適應(yīng)社會發(fā)展要求選取貧困指標;第四，貧困指標臨界值的設(shè)定有誤，已有文獻主要運用絕對貧困思維研究農(nóng)民工貧困，忽略了農(nóng)民工貧困參照對象的潛在變化，存在將農(nóng)戶貧困標準誤用為農(nóng)民工貧困臨界值的問題。農(nóng)民工貧困不同于農(nóng)戶絕對貧困，農(nóng)民工貧困的參照對象應(yīng)為城鎮(zhèn)居民。因此，為高質(zhì)量識別農(nóng)民工相對貧困對象以及測度其多維相對貧困狀況，需要運用相對貧困理論構(gòu)建高質(zhì)量的農(nóng)民工多維相對貧困識別體系。

（二）性別差異視角下農(nóng)民工貧困的相關(guān)研究

探清不同群體的貧困狀況是高質(zhì)量脫貧的重要保證，農(nóng)民工在勞動力市場處于相對弱勢的地位，女性農(nóng)民工更是在各方面都可能會遭受差別對待，隨著女性在勞動力市場中的占比不斷提高，女性農(nóng)民工問題越來越受到關(guān)注，更多學(xué)者開始從性別差異視角分析農(nóng)民工問題?；谛詣e差異視角研究農(nóng)民工問題主要分為三個方面：一是分析農(nóng)民工的婚姻問題，李衛(wèi)東（2017）發(fā)現(xiàn)女性農(nóng)民工的婚姻穩(wěn)定性更差。許加明和魏然（2018）發(fā)現(xiàn)男性新生代農(nóng)民工會采取多種結(jié)婚策略突破擇偶困境;二是分析農(nóng)民工的就業(yè)和收入問題，蒯鵬州和張麗麗（2016）發(fā)現(xiàn)女性工作時間和培訓(xùn)參與率的回報率顯著高于男性。羅俊峰（2017）發(fā)現(xiàn)性別歧視會導(dǎo)致行業(yè)內(nèi)男女不同薪酬，葉俊燾（2021）發(fā)現(xiàn)居住聚集會更易提高男性農(nóng)民工收入。陳鵬程和田旭等（2019）發(fā)現(xiàn)農(nóng)民工簽訂勞動合同能提高工資，且女性溢價更高;三是分析農(nóng)民工城鎮(zhèn)化問題，曾鵬和向麗（2017）發(fā)現(xiàn)社會認同度會更多促進女性農(nóng)民工就近城鎮(zhèn)化。郝彩虹（2018）發(fā)現(xiàn)傳統(tǒng)性別規(guī)范和國家排斥性政策是女性農(nóng)民工生活世界的深層結(jié)構(gòu)。張敏和鄭曉敏等（2020）發(fā)現(xiàn)不同遷移模式對不同性別農(nóng)民工市民化意愿有明顯差異。鐘曼麗和楊寶強（2021）認為女性農(nóng)民工融入城市是帶動整個家庭融入城市的基礎(chǔ)。性別差異研究的出發(fā)點和意義是為了厘清問題的基本面，進而針對不同性別所面臨的問題采取相應(yīng)策略，避免因“一刀切”措施導(dǎo)致問題復(fù)雜化。盡管性別差異已經(jīng)成為研究農(nóng)民工問題的重要視角，但鮮有學(xué)者直接從性別視角測度農(nóng)民工多維相對貧困，這就直接導(dǎo)致我們無法認清農(nóng)民工貧困的基本面，難以針對不同性別農(nóng)民工的多維相對貧困問題分類施策。從已有扶貧經(jīng)驗來看，“一刀切”扶貧措施必然導(dǎo)致扶貧效果大打折扣，“精準施策”是保障脫貧治理的基礎(chǔ)，采用統(tǒng)一扶貧策略極有可能造成農(nóng)民工多維相對貧困群體內(nèi)部分化，加劇農(nóng)民工貧困問題復(fù)雜化。因此，探明不同性別農(nóng)民工的多維相對貧困狀況是農(nóng)民工貧困得以協(xié)同解決的重要前提。

（三）文獻評述

綜上所述，從多維角度構(gòu)建指標體系已經(jīng)成為高質(zhì)量測度農(nóng)民工貧困的共識，但維度設(shè)置和指標選擇尚存在較大爭議。目前學(xué)者大多仍延用測度農(nóng)戶絕對貧困的思路分析農(nóng)民工貧困，沒有認清當前貧困“換擋期”的現(xiàn)實背景，導(dǎo)致所測度的農(nóng)民工貧困結(jié)果與事實背離，難以保證貧困對象識別的質(zhì)量。另外，貧困精準施策需要把握不同性別農(nóng)民工多維相對貧困的基本面，性別差異已經(jīng)成為研究農(nóng)民工的重要切入點，但目前鮮有從性別差異視角研究農(nóng)民工貧困狀況，從性別差異視角測度農(nóng)民工多維相對貧困更有利于把握貧困的構(gòu)成和分布，為解決農(nóng)民工多維相對貧困提供現(xiàn)實支撐。因此，本文將基于前人研究和農(nóng)民工貧困特征，構(gòu)建高質(zhì)量的農(nóng)民工多維相對貧困識別體系，并從性別差異視角測度和分解農(nóng)民工多維相對貧困，力求厘清農(nóng)民工多維相對貧困的現(xiàn)實狀況和構(gòu)成機理，為縮小農(nóng)民工多維相對貧困的性別差異，實現(xiàn)農(nóng)民工更高質(zhì)量脫貧提供政策依據(jù)和可行建議。

三、高質(zhì)量識別相對貧困：測度方法和變量說明

（一）數(shù)據(jù)來源

本文使用的數(shù)據(jù)為中國家庭追蹤調(diào)查（Chinese Family Panel Studies，CFPS），CFPS是北京大學(xué)中國社會科學(xué)調(diào)查中心實施的一項旨在通過跟蹤搜集個體、家庭、社區(qū)三個層面的數(shù)據(jù)，內(nèi)容包括經(jīng)濟活動、教育成果、家庭關(guān)系與家庭動態(tài)、人口遷移、健康等。涵蓋我國31個?。ㄖ陛犑?、自治區(qū)），由社區(qū)問卷、家庭問卷、成人問卷和少兒問卷四種主體問卷構(gòu)成。本文將“農(nóng)民工”定義為年齡在15～55歲，在城鎮(zhèn)從事非農(nóng)業(yè)生產(chǎn)經(jīng)營活動，但戶籍身份依然是農(nóng)民的勞動者。通過對2012年、2014年、2016年和2018年的數(shù)據(jù)進行匹配，篩選出連續(xù)4期被調(diào)查的農(nóng)民工為1638人，其中男性農(nóng)民工有1065人，女性農(nóng)民工有573人。

（二）農(nóng)民工多維相對貧困測度方法

1.農(nóng)民工多維相對貧困指標構(gòu)建

相對貧困是指因缺乏獲得飲食、住房、健康、娛樂和參與社會活動等方面的社會資源時，導(dǎo)致他們處于低于社會習(xí)俗或主流社會所提倡的生活水平，而最終被排斥在正常生活方式和社會活動之外的一種狀態(tài)（ 潘文軒和閻新奇，2020）?；谏呢毨儕Z理論，采用Alkire和Foster（2011）提出的A-F“雙界線”法測度農(nóng)民工多維相對貧困。第一步設(shè)定多維相對貧困的維度，第二步設(shè)定貧困的維度界限值。第一層界限為識別樣本在各維度是否被剝奪，第二層界限通過被剝奪的維度數(shù)識別樣本是否為多維相對貧困。

設(shè)定各維度的取值，令樣本總?cè)藬?shù)為n，維度數(shù)為d，建立行向量為n，列向量為d的n×d維的矩陣yn，d，并設(shè)yij∈yn，d為第i個人在j維度的取值，i=1，2，…，n;j=1，2，…，d。令zj代表第j個維度農(nóng)民工被剝奪的臨界值或者貧困線。則任一農(nóng)民工在單一維度被剝奪矩陣可以被定義為：g0=[g0ij]，當yij<zj時，g0ij=1，表示處于貧困狀態(tài)的農(nóng)民工;當yij≥zj時，g0ij=0，表示處于非貧困狀態(tài)的農(nóng)民工，則單個農(nóng)民工i總的貧困維度數(shù)矩陣為ci=|g0i|。同時考慮k個維度時，令k=1，2，…，d，假設(shè)qk為農(nóng)民工在k個維度時的貧困狀態(tài)函數(shù)，當ci≥k時，qk（yi，z）=1，則農(nóng)民工i處于多維相對貧困狀態(tài);當ci<k時，qk（yi，z）=0，則農(nóng)民工i處于非多維相對貧困狀態(tài)。因此，函數(shù)qk同時會受到zj和ci的雙重影響，即多維相對貧困的雙界限法。

若M0為農(nóng)民工多維相對貧困指數(shù)，其函數(shù)表達式為M0（y，z）=μ[g0（k）]=HA，H為多維相對貧困發(fā)生率，A為平均剝奪份額，H=H（y，z）;A=|c（k）|∕（qd）。根據(jù)FGT分解法，從貧困動態(tài)過程、貧困動態(tài)結(jié)果和性別角度分解農(nóng)民工多維相對貧困指數(shù)，假設(shè)m表示男性矩陣，f表示女性矩陣，則可分解為：

M（m，f，z）=n（m）n（m，f）M（m，z）+n（f）n（m，f）M（f，z）（1）

2.多維相對貧困的維度與指標

貧困維度和指標的選取是能否高質(zhì)量識別出真實貧困群體的關(guān)鍵。文中所選取的維度和被剝奪臨界值以MPI為基礎(chǔ)，結(jié)合Alkire等的“雙界線”法來確定。MPI是對人類貧困指數(shù)（HPI）和人類發(fā)展指數(shù)（HDI）的發(fā)展和完善，能更加真實準確地反映貧困狀況。MPI重點從健康質(zhì)量、教育質(zhì)量和生活質(zhì)量測度貧困狀況，健康質(zhì)量維度包括營養(yǎng)和兒童死亡率，教育質(zhì)量維度包括受教育年限和兒童輟學(xué)率，生活質(zhì)量維度包括做飯燃料、衛(wèi)生設(shè)施、飲用水、通電、地板材質(zhì)和資產(chǎn)，共10個指標。

MPI最早用于測度農(nóng)村家庭貧困狀況，測度農(nóng)民工多維相對貧困可能有失偏頗，農(nóng)民工多維相對貧困與農(nóng)戶貧困既有聯(lián)系也有區(qū)別。區(qū)別之一在于MPI主要衡量家戶貧困，而農(nóng)民工多維相對貧困為個體貧困，應(yīng)選擇個體指標測度;區(qū)別之二在于農(nóng)戶貧困的比較對象是群體內(nèi)部的其他農(nóng)戶，而作為城鎮(zhèn)化后備軍的農(nóng)民工，貧困比較對象并不是群體內(nèi)部的其他農(nóng)民工，也絕非農(nóng)村居民，選用城鎮(zhèn)居民更為合理，因此，應(yīng)結(jié)合城鎮(zhèn)居民的特征來選取維度和指標。再則，MPI側(cè)重于從能力和福利角度測度貧困狀況，沒有考慮經(jīng)濟維度?；贛PI和前人研究基礎(chǔ)，結(jié)合數(shù)據(jù)的可獲得性和農(nóng)民工的實際情況，構(gòu)建測度農(nóng)民工多維相對貧困識別體系，選取收入質(zhì)量、教育質(zhì)量、健康質(zhì)量、生活質(zhì)量、就業(yè)質(zhì)量和融合質(zhì)量維度。各維度的含義和指標解釋如下：

（1）收入質(zhì)量維度。經(jīng)濟水平是衡量貧困的經(jīng)典指標，可以用收入、消費和福利等指標衡量。中國政府確定了農(nóng)村貧困的人均純收入標準，但沒有規(guī)定農(nóng)民工的收入貧困標準。一般而言，農(nóng)民工水平應(yīng)高于農(nóng)村居民人均收入水平，農(nóng)民工在城市生活的成本也大于在農(nóng)村生活的成本，采用農(nóng)村居民收入貧困標準衡量農(nóng)民工的收入貧困并不合適。本文收入維度用農(nóng)民工純收入來衡量，以城市低保的1.5倍作為收入相對貧困標準（彭繼權(quán)和張利國等，2020）。

（2）教育質(zhì)量維度。教育能反映農(nóng)民工的人力資本，對農(nóng)民工發(fā)展至關(guān)重要。MPI中教育維度包括受教育年限和兒童輟學(xué)率，考慮到本文研究對象為個體而非家戶，兒童輟學(xué)率不在本文的考察范圍。MPI中受教育年限是指學(xué)歷教育，非學(xué)歷教育對農(nóng)民工發(fā)展一般影響較大。因此，本文的教育維度的衡量指標包括學(xué)歷教育和非學(xué)歷教育。

（3）健康質(zhì)量維度。健康狀況會直接影響農(nóng)民工的工作和生活，MPI中健康維度使用營養(yǎng)和兒童死亡率衡量（王青和劉爍，2020），兒童死亡率不是農(nóng)民工貧困的考察范圍，CFPS中也沒有涉及農(nóng)民工營養(yǎng)的數(shù)據(jù)。目前學(xué)者大多從客觀健康和主觀自評健康來衡量健康貧困，本文也從客觀和主觀兩個方面選取貧困指標，客觀健康指標為身體質(zhì)量指數(shù)（BMI）是否正常、是否有慢性病，主觀健康指標為受訪者自評健康。

（4）生活質(zhì)量維度。MPI中生活維度包括做飯燃料、衛(wèi)生設(shè)施、飲用水、通電、地板材質(zhì)和資產(chǎn)等指標，但這些指標衡量農(nóng)民工多維相對貧困并不適用。農(nóng)民工在城市生活遇到的問題可能更多為住房問題，學(xué)者目前主要采用住房情況和生活滿意自評測度生活貧困。另外，移動互聯(lián)網(wǎng)在城市居民日常生活中愈加重要，是否使用移動互聯(lián)網(wǎng)也是農(nóng)民工生活水平的重要表現(xiàn)。因此，本文生活維度用農(nóng)民工居住擁擠程度、移動互聯(lián)網(wǎng)使用和生活滿意自評程度來衡量。

（5）就業(yè)質(zhì)量維度。農(nóng)民工區(qū)別于農(nóng)民的關(guān)鍵之處在于就業(yè)屬性不同，自主經(jīng)營模式的農(nóng)戶只存在生產(chǎn)經(jīng)營收益問題，而在城市就業(yè)的農(nóng)民工會存在就業(yè)歧視問題，就業(yè)歧視體現(xiàn)在“同工不同酬”等方面。本文就業(yè)維度用工作時間、工作合同、有無五險、有無公積金來衡量。

（6）融合質(zhì)量維度。農(nóng)民工作為城鎮(zhèn)化的后備軍，其融入城市程度會影響農(nóng)民工落戶城市的意愿和行為。本文融入貧困維度用貧富歧視、戶籍歧視和組織參與來衡量。

3.多維相對貧困的指標權(quán)重

指標權(quán)重設(shè)定關(guān)乎貧困指數(shù)計算的合理性，進而影響貧困識別的質(zhì)量。一般而言，貧困指標權(quán)重的設(shè)定方法主要有等權(quán)重法、主成分分析法以及熵值法（彭繼權(quán)，2021）。等權(quán)重法操作簡便，主成分分析法能解決信息重復(fù)問題，熵值法主要分析數(shù)據(jù)離散程度。由于各指標相關(guān)系數(shù)較小，說明數(shù)據(jù)不適合做主成分分析;再則，各指標取值均為0和1，也不適用熵值法。因此，借鑒大多數(shù)學(xué)者在研究貧困時采用的等權(quán)重法，其具體操作是：將維度權(quán)重總值設(shè)置為1，各維度的權(quán)重值就是維度數(shù)的倒數(shù)，各維度下各指標的權(quán)重值則為該維度權(quán)重值除以指標數(shù)，指標權(quán)重見表1。

（1）多維相對貧困動態(tài)性測度方法

本文所指的多維相對貧困動態(tài)性包括兩個方面，即多維相對貧困動態(tài)過程和多維相對貧困動態(tài)結(jié)果，具體測度如下：

1）多維相對貧困動態(tài)過程測度方法。多維相對貧困動態(tài)過程包括貧困經(jīng)歷期數(shù)、貧困持續(xù)期數(shù)、貧困是否進入、貧困是否退出、貧困進入期數(shù)和貧困退出期數(shù)，表2為貧困動態(tài)類型的組合方式。①貧困經(jīng)歷期數(shù)是指在觀察期內(nèi)農(nóng)民工多維相對貧困存在的期數(shù)，取值介于0～4。由于貧困經(jīng)歷期數(shù)的組合方式較多，共有T=C04+C14+C24+C34+C44=11種方式，因此沒有在表2中列出。②貧困持續(xù)期數(shù)是指在觀察期內(nèi)農(nóng)民工持續(xù)貧困的期數(shù)，農(nóng)民工持續(xù)貧困年數(shù)最多為4期，最少為2期。③貧困是否進入是指農(nóng)民工在觀察期內(nèi)有無從非多維相對貧困轉(zhuǎn)為多維相對貧困的狀況，取值可能是0、1和2。④貧困是否退出是指農(nóng)民工在觀察期有無從多維相對貧困轉(zhuǎn)為非多維相對貧困狀況，取值可能是0、1和2。⑤貧困退出期數(shù)是指農(nóng)民工在觀察期內(nèi)一共由多維相對貧困狀態(tài)進入非多維相對貧困狀況的次數(shù)，取值可能為0、1和2。⑥貧困進入期數(shù)是指農(nóng)民工在觀察期內(nèi)一共由非多維相對貧困狀態(tài)進入多維相對貧困狀況的次數(shù)，取值可能為0、1和2。

2）多維相對貧困動態(tài)結(jié)果測度方法。采用Ravallion（1994）關(guān)于貧困動態(tài)性的劃分方法，首先測算農(nóng)民工每個觀察期內(nèi)的多維相對貧困狀態(tài)，然后根據(jù)貧困年數(shù)劃定多維相對貧困動態(tài)類型，多維相對貧困類型分為從不貧困、暫時貧困和慢性貧困。測算方法如下：

Pik=0， if Yik=01， if 0<Yik≤T′2， if T′<Yik≤T（2）

式（2）中Pik為第i個農(nóng)民工在T時期內(nèi)的多維相對貧困類型，Yik為第i個農(nóng)民工在T時期內(nèi)的多維相對貧困經(jīng)歷期數(shù)，T′為判斷農(nóng)民工多維相對貧困動態(tài)類型的臨界值。當?shù)趇個農(nóng)民工在T時期內(nèi)的多維相對貧困經(jīng)歷期數(shù)為0時，該農(nóng)民工在T時期的多維相對貧困動態(tài)類型為從不貧困;當?shù)趇個農(nóng)民工在T時期內(nèi)的多維相對貧困經(jīng)歷期數(shù)在0～T′期之間時，該農(nóng)民工在T時期的多維相對貧困動態(tài)類型為暫時貧困;當?shù)趇個農(nóng)民工在T時期內(nèi)的多維相對貧困經(jīng)歷期數(shù)大于T′期時，該農(nóng)民工在T時期的多維相對貧困動態(tài)類型為慢性貧困。本文的T為4期，T′設(shè)置為3期。

四、農(nóng)民工多維相對貧困的精準測度結(jié)果

（一）不同性別農(nóng)民工多維相對貧困的精準測度結(jié)果

由不同性別農(nóng)民工多維相對貧困的測度結(jié)果可知限于篇幅，文中未列出不同性別農(nóng)民工多維相對貧困的測度結(jié)果，作者備索。，由于k=6時沒有農(nóng)民工處在多維相對貧困狀態(tài)，本文只列出k=1～5的多維相對貧困指數(shù)結(jié)果。表2采用累加的統(tǒng)計方法，如k=3是指農(nóng)民工所處的貧困維度數(shù)是大于或等于3。從總體來看，k取不同維度時，全樣本農(nóng)民工多維相對貧困指數(shù)測度結(jié)果差異較大。當k=1時，農(nóng)民工多維相對貧困指數(shù)介于0.34～0.42，4期的平均剝奪份額介于3.7～4.3，此時農(nóng)民工4期的貧困發(fā)生率均超過90%，2012年的多維相對貧困發(fā)生率為98.93%，表明全樣本中大多數(shù)農(nóng)民工在4期間至少有1個維度處于多維相對貧困狀態(tài);當k=2時，農(nóng)民工貧困指數(shù)介于0.12～0.18，平均剝奪份額介于0.22～0.24，各年度多維相對貧困發(fā)生率大幅下降，從k=1時90%以上降低到k=2時80%以下，2018年下降到57.63%;當k=3時，農(nóng)民工多維相對貧困發(fā)生率下降到25%以下，多維相對貧困指數(shù)都處在0.03以下;當k=4時，全樣本農(nóng)民工多維相對貧困發(fā)生率下降到5%以下;當k=5時，全樣本農(nóng)民工多維相對貧困發(fā)生率下降到0.14%。從不同年份來看，不論k為何值，農(nóng)民工多維相對貧困均呈現(xiàn)下降趨勢，說明農(nóng)民工多維相對貧困在逐年緩解。

從不同性別來看，k取不同維度時，男性農(nóng)民工和女性農(nóng)民工的多維相對貧困指數(shù)結(jié)果差異較大，男性農(nóng)民工多維相對貧困程度總體上更高。當k=1時，男性農(nóng)民工和女性農(nóng)民工多維相對貧困指數(shù)的取值區(qū)間分別為0.22～0.27和0.11～0.16，且男性農(nóng)民工多維相對貧困發(fā)生率將近為女性農(nóng)民工多維相對貧困發(fā)生率的2倍;當k=2時，男性農(nóng)民工和女性農(nóng)民工多維相對貧困指數(shù)有較大下降趨勢，各年度男性農(nóng)民工和女性農(nóng)民工的多維相對貧困發(fā)生率急劇下降，且男性農(nóng)民工多維相對貧困的下降幅度更大;當k=3時，男性農(nóng)民工和女性農(nóng)民工的多維相對貧困程度相差不大;當k=4和k=5時，男性農(nóng)民工和女性農(nóng)民工的多維相對貧困指數(shù)幾乎都為0。從不同年份來看，不論k為何值，男性農(nóng)民工和女性農(nóng)民工的多維相對貧困均呈現(xiàn)下降趨勢，說明男性農(nóng)民工和女性農(nóng)民工的多維相對貧困程度得到緩解，但當k值達到一定值時，女性農(nóng)民工比男性農(nóng)民工的多維相對貧困程度反而更高，說明女性農(nóng)民工更易在高維度遭受多維相對貧困。

（二）農(nóng)民工多維相對貧困的動態(tài)過程

1.農(nóng)民工多維相對貧困的“頑固性”

貧困的經(jīng)歷期數(shù)和持續(xù)期數(shù)能夠刻畫農(nóng)民工在考察期內(nèi)多維相對貧困的“頑固性”，一般而言，貧困經(jīng)歷或持續(xù)時間越長，多維相對貧困的“頑固性”就越強。由于多維相對貧困存在退出和進入狀態(tài)，因此需要從經(jīng)歷期數(shù)和持續(xù)期數(shù)兩個角度來考察。圖1和圖2分別為農(nóng)民工多維相對貧困的經(jīng)歷期數(shù)和持續(xù)期數(shù)，從圖1中可知，k=2和k=3時農(nóng)民工的多維相對貧困經(jīng)歷期數(shù)有明顯差異，k=2時的多維相對貧困經(jīng)歷期數(shù)更高，主要是受到k值標準設(shè)置的影響。在k=2時，男性和女性的多維相對貧困經(jīng)歷發(fā)生率隨著年數(shù)提高在不斷增加，且男性和女性的多維相對貧困經(jīng)歷期數(shù)都集中在4期這一類型，表明男性和女性的多維相對貧困頑固性較強;男性各期數(shù)貧困經(jīng)歷的發(fā)生率遠高于女性，表明男性的多維相對貧困頑固性要強于女性。在k=3時，男性和女性的多維相對貧困經(jīng)歷發(fā)生率隨著期數(shù)提高在降低，多維相對貧困經(jīng)歷最多的類型為1期，說明高維度下農(nóng)民工的多維相對貧困經(jīng)歷較低;男性各期多維相對貧困經(jīng)歷的發(fā)生率依然都高于女性，但差距在縮小，說明不論k取何值，結(jié)果都顯示男性農(nóng)民工的多維相對貧困頑固性更強。從圖2中可知，k=2時各持續(xù)期數(shù)的多維相對貧困發(fā)生率都要遠高于k=3時各持續(xù)期數(shù)的多維相對貧困發(fā)生率，且貧困持續(xù)主要來自于男性農(nóng)民工，女性農(nóng)民工持續(xù)貧困的發(fā)生率一直處在較低水平，說明從持續(xù)貧困角度來看，男性農(nóng)民工的多維相對貧困頑固性依然更強。

2.農(nóng)民工多維相對貧困的“反復(fù)性”

貧困經(jīng)歷期數(shù)和持續(xù)期數(shù)只能考察農(nóng)民工多維相對貧困的頑固性，無法動態(tài)考察農(nóng)民工的進入和退出多維相對貧困的狀態(tài)，即無法考察農(nóng)民工多維相對貧困的“反復(fù)性”，圖3是不同階段內(nèi)農(nóng)民工進入貧困和退出多維相對貧困的發(fā)生率，本文把2012-2018年分為三個階段，分別為2012-2014年、2014-2016年、2016-2018年，圖3中依次用一階段、二階段、三階段表示，圖中“男性I”代表男性進入多維相對貧困，“男性E”代表男性退出多維相對貧困，其他變量依此類推。圖4是刻畫農(nóng)民工在考察期內(nèi)各階段進入多維相對貧困次數(shù)和退出多維相對貧困次數(shù)的發(fā)生率。從圖3可知，k=2和k=3時男性農(nóng)民工各階段進入多維相對貧困和退出多維相對貧困的發(fā)生率要高于女性農(nóng)民工各階段進入多維相對貧困和退出多維相對貧困的發(fā)生率，農(nóng)民工各階段退出多維相對貧困的發(fā)生率要遠高于農(nóng)民工各階段進入

多維相對貧困的發(fā)生率，說明農(nóng)民工多維相對貧困發(fā)生率在考察期內(nèi)整體呈現(xiàn)下降趨勢。從圖4可知，k=2時農(nóng)民工從不進入多維相對貧困和退出多維相對貧困的發(fā)生率要高于k=3時農(nóng)民工從不進入多維相對貧困和退出多維相對貧困的發(fā)生率，但k=3時農(nóng)民工進入多維相對貧困和退出多維相對貧困在1次和2次數(shù)上的發(fā)生率要明顯高于k=2時農(nóng)民工進入多維相對貧困和退出貧困在1次和2次數(shù)上的發(fā)生率。男性進入多維相對貧困和退出多維相對貧困的發(fā)生率都要比女性進入多維相對貧困和退出多維相對貧困的發(fā)生率要高，說明男性農(nóng)民工多維相對貧困的“反復(fù)性”更強。

3.農(nóng)民工多維相對貧困的動態(tài)類型

根據(jù)多維相對貧困動態(tài)類型的劃分方法，把觀察期內(nèi)農(nóng)民工的多維相對貧困狀態(tài)劃分為三類，圖5為k=1～5的多維相對貧困動態(tài)性的劃分結(jié)果。從全樣本來看，隨著k值增加，農(nóng)民工從不貧困的發(fā)生率在逐漸增加，慢性貧困的發(fā)生率在逐漸減少，暫時貧困的發(fā)生率呈現(xiàn)出先增加后減少的趨勢，男性農(nóng)民工和女性農(nóng)民工各相對動態(tài)貧困類型的發(fā)生率也表現(xiàn)出此種規(guī)律。從圖中可知，農(nóng)民工貧困動態(tài)類性的劃分對k值選取較為敏感，k=1、k=4和k=5時農(nóng)民工多維相對貧困動態(tài)類型的分布較為極端，k=2和k=3時農(nóng)民工多維相對貧困動態(tài)類型的分布相對分散。在多維貧困分析中一般選取K=1/3時的貧困值作為主要分析內(nèi)容，本文與K=1/3相對應(yīng)的則為k=2，并同時考慮k=3時的貧困狀態(tài)。不論k=2或k=3，男性農(nóng)民工的暫時貧困和慢性貧困都要比女性農(nóng)民工的暫時貧困和慢性貧困更加嚴重，從不貧困的發(fā)生率要更低，說明男性農(nóng)民工的多維相對貧困更為嚴重。

（三）農(nóng)民工多維相對貧困的動態(tài)過程及動態(tài)結(jié)果的分解

1.按性別分解農(nóng)民工多維相對貧困經(jīng)歷和持續(xù)期數(shù)的多維相對貧困指數(shù)

按照FGT貧困指數(shù)分解方法，按性別分解農(nóng)民工貧困經(jīng)歷期數(shù)和貧困持續(xù)期數(shù)的多維相對貧困指數(shù)，表3為分解結(jié)果。從貧困經(jīng)歷期數(shù)的分解可知，k=2時男性和女性農(nóng)民工經(jīng)歷貧困的多維相對貧困指數(shù)的貢獻率分別為64.46%和35.54%，男性農(nóng)民工和女性農(nóng)民工的多維相對貧困貢獻率都隨著貧困經(jīng)歷期數(shù)的增加而上升。k=3時男性和女性農(nóng)民工經(jīng)歷貧困的多維相對貧困指數(shù)的貢獻率分別

為64.46%和35.54%，各自的多維相對貧困貢獻率都隨著貧困經(jīng)歷期數(shù)增加而下降，主要原因是k值增加所致，但仍然可以得出男性農(nóng)民工的經(jīng)歷貧困更嚴重。從貧困持續(xù)期數(shù)的分解可知，k=2和k=3時，男性農(nóng)民工持續(xù)貧困的貢獻率都要高于女性農(nóng)民工持續(xù)貧困的貢獻率，k=2時男性農(nóng)民工和女性農(nóng)民工持續(xù)貧困貢獻率都隨著期數(shù)增加呈現(xiàn)出先下降后上升的趨勢，k=3時男性農(nóng)民工和女性農(nóng)民工持續(xù)貧困貢獻率隨著期數(shù)增加而下降，且下降幅度較大，但k=2和k=3的分解結(jié)果表明男性農(nóng)民工持續(xù)貧困的貢獻率更高。

2.按性別分解農(nóng)民工進入和退出貧困次數(shù)的多維相對貧困指數(shù)

表4是按照性別分解農(nóng)民工進入和退出貧困次數(shù)的多維相對貧困指數(shù)。從進入多維相對貧困的分解結(jié)果來看，在k=2和k=3時農(nóng)民工0次進入多維相對貧困的貢獻率分別為74.14%和73.23%，男性農(nóng)民工和女性農(nóng)民工的2次進入多維相對貧困的貢獻率都在1%以下，表明大多數(shù)農(nóng)民工的多維相對貧困狀態(tài)變動不大。從不同性別來看，k=2和k=3時男性農(nóng)民工1次進入多維相對貧困的貢獻率分別為17.67%和7.52%，而女性農(nóng)民工分別為15.65%和10.68%，說明男性農(nóng)民工進入多維相對貧困的貢獻率更高。從退出貧困的分解結(jié)果來看，在k=2和k=3時男性農(nóng)民工和女性農(nóng)民工的0次退出多維相對貧困貢獻率依然最高，但有下降趨勢，而農(nóng)民工1次和2次退出多維相對貧困貢獻率卻有上升趨勢，但男性農(nóng)民工退出多維相對貧困貢獻率依然高于女性。從整體來看，男性農(nóng)民工進入和退出多維相對貧困的貢獻率相對較高，說明男性農(nóng)民工貧困反復(fù)性的特點更為明顯。

3.按多維相對貧困動態(tài)類型分解農(nóng)民工多維相對貧困指數(shù)

從性別角度測度農(nóng)民工多維相對貧困的動態(tài)類型，只能探究農(nóng)民工在考察期內(nèi)各多維相對貧困動態(tài)類型的發(fā)生率，難以得知各多維相對貧困動態(tài)類型占總體多維相對貧困指數(shù)的比例，即不能得出多維相對貧困指數(shù)在性別層面的分布，需要運用多維相對貧困指數(shù)的分解方法從性別角度對多維相對貧困值分解得出，表5為從性別角度按照各多維相對貧困動態(tài)類型分解農(nóng)民工多維相對貧困指數(shù)。從表5可知，當k=1時，農(nóng)民工多維相對貧困基本都由慢性貧困所貢獻，且男性農(nóng)民工慢性貧困的貢獻率超過60%，女性農(nóng)民工慢性貧困貢獻率只有34.7%。當k=5時，農(nóng)民工多維相對貧困基本都由從不貧困所貢獻，男性農(nóng)民工和女性農(nóng)民工的多維相對貧困貢獻率分別為64.35%和35.27%。在k=2和k=3時，農(nóng)民工多維相對貧困貢獻的主要來源于暫時貧困和慢性貧困，說明農(nóng)民工的多維相對貧困主要來源于暫時貧困和慢性貧困。男性農(nóng)民工暫時貧困和慢性貧困的貢獻率都高于女性農(nóng)民工暫時貧困和慢性貧困的貢獻率，說明男性農(nóng)民工的多維相對貧困程度更為嚴重。

五、基于Blinder-Oaxaca模型分解農(nóng)民工多維相對貧困

（一）研究模型選擇

多維相對貧困發(fā)生的概率在不同性別農(nóng)民工之間相同嗎？由于男性一般處于家庭“主人翁”地位，男性農(nóng)民工在生活和工作中會承擔更多，面臨的貧困脆弱性風險更大，可能導(dǎo)致男性農(nóng)民工在“先天”上就比女性農(nóng)民工更易陷入多維相對貧困，即農(nóng)民工的多維相對貧困發(fā)生存在性別“歧視”。通過多維相對貧困指數(shù)分解能夠清楚了解到農(nóng)民工多維相對貧困指數(shù)在性別層面的貢獻差異，但只是從數(shù)理統(tǒng)計角度解構(gòu)了多維相對貧困指數(shù)，并不能簡單地把不同性別間多維相對貧困貢獻的差異歸因為性別因素。多維相對貧困差距會內(nèi)生于性別嗎？這一問題解答將為我們厘清性別貧困差距產(chǎn)生的機理。性別貧困差距受到諸多因素影響，可能來源于性別歧視，也可能受制于男性和女性農(nóng)民工生產(chǎn)力的不同。例如，假設(shè)女性農(nóng)民工社會資本較低，那么性別貧困差距可能反映的是性別受社會資本差距。因此，探究農(nóng)民工多維相對貧困是否存在性別歧視，需要構(gòu)建一個反事實（couterfactual group），即“被視為男性的女性”。若無歧視存在，那么該反事實組別（couterfactual group）的貧困狀態(tài)應(yīng)與女性農(nóng)民工多維相對貧困狀態(tài)一致，即說明多維相對貧困動態(tài)類型與歧視無關(guān)，反之，與歧視有關(guān)。換句話說，若女性被視為男性，那她們會和男性面臨同樣程度的多維相對貧困風險。

研究兩類群體（如種族、性別）間在收入、勞動決策參與等結(jié)果變量的差異及差異原因的常見方法為Blinder-Oaxaca分解方法，此方法由Blinder（1973）和Oaxaca（1973）提出，運用線性回歸的方法把不同群體間的差異分解為“可解釋部分”和“不可解釋部分”，可解釋部分指可觀測到的個體特征引發(fā)的差異（個人稟賦差異），不可解釋部分是指不可觀測因素引發(fā)的差異（“歧視”產(chǎn)生的差異）。本文的被解釋變量為虛擬變量，此方法不適用。Fairlie（2003）和Bauer（2008）將Blinder-Oaxaca分解法擴展到二分類因變量的Logit和Probit模型估計中。本文將運用擴展后的Blinder-Oaxaca分解法研究男性農(nóng)民工和女性農(nóng)民工陷入不同多維相對貧困動態(tài)類型的差異及歧視程度。

采用二元離散選擇Logit模型分析影響農(nóng)民工多維相對貧困動態(tài)類型的因素，模型如下：

P（y=1|X）=Λ（X′β）=exp （X′β）1+exp （X′β）（3）

式（3）中，y代表多維相對貧困動態(tài)類型（從不貧困、暫時貧困和慢性貧困），1代表處于多維相對貧困動態(tài)狀態(tài)，0不處于多維相對貧困動態(tài)狀態(tài);X代表解釋變量向量;β為模型參數(shù)。

若得到某類農(nóng)民工中Logit模型的估計系數(shù)β︿，則該類農(nóng)民工處于多維相對貧困動態(tài)類型的平均預(yù)測概率為：

P（y=1|X，β︿）=1N∑Ni=1Λ（X’iβ︿）（4）

其中，N為樣本量。若用m、f分別代表男性農(nóng)民工和女性農(nóng)民工，D表示總差異，則農(nóng)民工多維相對貧困動態(tài)類型的性別差異可表示為：

D=P（y=1|Xm，β︿m）-P（y=1|Xm，β︿f）（5）

通過變換可得：

D=[P（y=1|Xm，β︿*）-P（y=1|Xm，β︿*）]+[P（y=1|Xm，β︿m）-P（y=1|Xm，β︿*）]+[P（y=1|Xf，β︿*）-P（y=1|Xf，β︿f）]（6）

式（6）中，β︿*為系數(shù)向量的加權(quán)平均數(shù)，代表無歧視時的多維相對貧困動態(tài)類型系數(shù)。等式右邊表示農(nóng)民工多維相對貧困動態(tài)類別差異被分解為3個部分，右邊第一項表示男性農(nóng)民工和女性農(nóng)民工個體特征不同引起的差異，屬于可以被個體特征差異解釋的“合理部分”，一般稱為“特征效應(yīng)”;第二項代表男性農(nóng)民工在進入多維相對貧困動態(tài)類型的“優(yōu)勢”，第三項代表女性農(nóng)民工在進入多維相對貧困動態(tài)類型的“劣勢”，等式后兩項相加即為由于歧視原因造成的男性農(nóng)民工和女性農(nóng)民工的差距，為在控制個體特征變量后估計系數(shù)導(dǎo)致的貧困差異，即不可觀測因素導(dǎo)致的系數(shù)差異，一般稱為“系數(shù)效應(yīng)”。

（二）變量選取及描述統(tǒng)計

根據(jù)多維相對貧困動態(tài)類型劃分方法可以將考察期內(nèi)的農(nóng)民工多維相對貧困狀態(tài)分為3種（從不貧困、暫時貧困和慢性貧困），如將上述3種類型合為一個變量（多類別變量）作為因變量，將既不適用于線性模型的Blinder-Oaxaca分解方法，也不適用于二分類模型的Blinder-Oaxaca分解方法。因此，需要將上述3種動態(tài)多維相對貧困狀態(tài)分置為3個虛擬變量（是否從不貧困變量、是否暫時貧困變量和是否慢性貧困變量）。在前人研究的基礎(chǔ)上，進一步選取模型的控制變量，表6為本文計量模型所使用的變量及其描述性統(tǒng)計。

（三）不同多維相對貧困動態(tài)類型的影響因素

二分類模型的Blinder-Oaxaca分解方法是建立在回歸模型基礎(chǔ)上，農(nóng)民工是否處于各多維相對貧困動態(tài)類型屬于二分類變量，本文使用二元Logit模型分別估計不同性別農(nóng)民工處于各多維相對貧困動態(tài)類型的影響因素。由從不貧困模型的估計結(jié)果可知，除性別和醫(yī)療支出以外，其他變量對男性農(nóng)民工和女性農(nóng)民工進入從不貧困狀態(tài)有顯著正向影響，說明年齡和醫(yī)療支出都會加重農(nóng)民工多維相對貧困，且年齡變量降低男性農(nóng)民工從不貧困的作用更大?；橐鰧r(nóng)民工從不貧困有顯著的正向影響，說明結(jié)婚能增強抵御風險的能力。本地話水平和普通話水平對農(nóng)民工從不貧困有顯著正向影響，可能是農(nóng)民工可以通過加強語言表達技能來增加自身人力資本積累，縮小與其他群體生產(chǎn)力的差距，從而獲得進入勞動力市場的機會（王金山，2020），還發(fā)現(xiàn)本地話水平和普通話水平對女性的影響更大，說明農(nóng)民工多維相對貧困存在性別歧視。外貌水平越高，農(nóng)民工從不貧困的概率就越大，這與郭繼強等研究的結(jié)論基本一致，即相貌能夠通過人際技能信號路徑來影響勞動者收入，且外貌水平對女性農(nóng)民工從不貧困影響更大（郭繼強和費舒瀾等，2017）。社會地位對農(nóng)民工從不貧困有顯著正向影響，表明社會地位越高的農(nóng)民工，其從不貧困發(fā)生概率就越高，社會地位越高的群體通常擁有較高的聲望和能力，而且社會地位較低的群體對社會活動特別是政治活動的關(guān)心較少，參與積極性不高，容易錯失自身發(fā)展的機會，導(dǎo)致陷入貧困（盧海陽和鄭旭媛，2019）。勞動力數(shù)量對農(nóng)民工從不貧困有顯著的正向影響，說明家庭勞動力數(shù)量越多，抵御貧困風險的能力越強。父母教育水平對農(nóng)民工從不貧困有正向影響，但只對男性農(nóng)民工影響顯著，父母上過高中的農(nóng)民工更易進入從不貧困類型，說明父母教育能影響子女貧困狀況。醫(yī)療支出對女性農(nóng)民工從不貧困有顯著負向影響，對男性貧困不影響，一般而言，醫(yī)療支出過大不僅會產(chǎn)生因病致貧，而且也會減少農(nóng)民工的工作時間，形成貧困陷阱。農(nóng)民工生活周邊的公共設(shè)施越好，從不貧困的概率就越大，表明良好的生活公共設(shè)施在一定程度能降低多維相對貧困發(fā)生。從暫時貧困和慢性貧困來看，各系數(shù)的影響方向基本上與從不貧困系數(shù)的影響方向相反，說明除年齡和醫(yī)療支出外，其他變量都是降低農(nóng)民工進入暫時貧困和慢性貧困的影響因素。

（四）農(nóng)民工各多維相對貧困動態(tài)類型的性別差異的Blinder-Oaxaca分解

對農(nóng)民工各多維相對貧困動態(tài)類型分別進行Logit回歸，繼續(xù)使用擴展的Blinder-Oaxaca分解方法對不同性別農(nóng)民工各多維相對貧困動態(tài)類型的差異進行分解，分解結(jié)果見表8。從總效應(yīng)來看，從不貧困分解的總效應(yīng)為負值，表明男性農(nóng)民工從不貧困的概率更低;暫時貧困分解的總效應(yīng)為正值，表明女性農(nóng)民工暫時貧困的概率更低;慢性貧困分解的總效應(yīng)為正值，表明男性農(nóng)民工陷

入慢性貧困的概率更高，且暫時貧困總效應(yīng)值是慢性貧困總效應(yīng)值的2.8倍，說明農(nóng)民工暫時貧困的性別差異更大。從分解結(jié)果來看，從不貧困的特征效應(yīng)和系數(shù)效應(yīng)分別為負值和正值，特征效應(yīng)為正值表明男性農(nóng)民工和女性農(nóng)民工間的特征差異起到擴大兩者從不貧困發(fā)生概率的作用，系數(shù)效應(yīng)為負值表明特征系數(shù)的差異會降低男性農(nóng)民工和女性農(nóng)民工間的從不貧困發(fā)生概率的差異。從不貧困分解的系數(shù)效應(yīng)大于特征效應(yīng)，說明不同性別農(nóng)民工從不貧困發(fā)生概率的差距主要是由特征系數(shù)差異引起，即由性別歧視造成。暫時貧困的特征效應(yīng)和系數(shù)效應(yīng)分別為正值和負值，說明特征效應(yīng)會增加農(nóng)民工暫時貧困的發(fā)生概率，系數(shù)效應(yīng)會減少農(nóng)民工暫時貧困的發(fā)生概率，但男性農(nóng)民工和女性農(nóng)民工暫時貧困發(fā)生概率的差距主要源于系數(shù)效應(yīng)，即歧視效應(yīng)。慢性貧困特征效應(yīng)和系數(shù)效應(yīng)的作用方向和暫時貧困一致，不同性別農(nóng)民工慢性貧困發(fā)生概率的差距主要由系數(shù)效應(yīng)構(gòu)成。慢性貧困的系數(shù)效應(yīng)大于暫時貧困的系數(shù)效應(yīng)，說明慢性貧困受到的性別歧視更為嚴重。

六、結(jié)論與討論

中國政府一以貫之“真脫貧、脫真貧”的高質(zhì)量脫貧模式，使得中國提前10年完成了聯(lián)合國減貧目標。絕對貧困消除后將是更難解決的相對貧困問題，只有繼續(xù)保持高質(zhì)量脫貧決心才能有效解決相對貧困問題，高質(zhì)量脫貧的前提就是構(gòu)建高質(zhì)量的相對貧困識別體系。本文從提高農(nóng)民工相對貧困識別質(zhì)量的角度，利用2012年、2014年、2016年和2018年的中國家庭追蹤調(diào)查數(shù)據(jù)，基于UNDP的MPI和農(nóng)民工貧困特征構(gòu)建高質(zhì)量農(nóng)民工多維相對貧困識別體系，采用經(jīng)典的FGT法和Ravallion的貧困動態(tài)類型劃分方法從性別差異視角考察農(nóng)民工多維相對貧困程度及貧困動態(tài)變化情況，并運用非線性模型的Blinder-Oaxaca分解方法構(gòu)建反事實模型對不同性別農(nóng)民工各貧困動態(tài)類型多維相對貧困指數(shù)的差異進行分解，從而探尋性別因素對農(nóng)民工多維相對貧困的歧視程度，為后扶貧時代更精準、更高質(zhì)量的農(nóng)民工貧困識別和治理提供參考和建議。

研究結(jié)果表明：①從貧困指數(shù)來看，農(nóng)民工多維相對貧困指數(shù)會因k值不同呈現(xiàn)出較大差異，但總體來看是隨著年份增加在減少，表明農(nóng)民工在收入質(zhì)量、教育質(zhì)量、健康質(zhì)量、生活質(zhì)量、就業(yè)質(zhì)量和融合質(zhì)量方面有明顯提升，且低維度時男性農(nóng)民工多維相對貧困更嚴重，高維度時女性農(nóng)民工多維相對貧困更嚴重。②從貧困動態(tài)過程來看，貧困經(jīng)歷期數(shù)和貧困連續(xù)期數(shù)都表明男性農(nóng)民工多維相對貧困的“頑固性”更強。農(nóng)民工各階段退出貧困的發(fā)生率要遠高于進入貧困發(fā)生率，說明農(nóng)民工多維相對貧困整體呈現(xiàn)下降趨勢。男性進入貧困和退出貧困的發(fā)生率更高，說明男性的多維相對貧困“反復(fù)性”更強。③從貧困動態(tài)結(jié)果來看，男性農(nóng)民工的暫時貧困和慢性貧困更嚴重，從不貧困的發(fā)生率更低，說明男性農(nóng)民工的多維相對貧困狀態(tài)更嚴重。④從FGT分解結(jié)果可知，男性農(nóng)民工經(jīng)歷貧困和持續(xù)貧困的貢獻率更高，男性農(nóng)民工進入和退出貧困的貢獻率更高，男性農(nóng)民工暫時貧困和慢性貧困的貢獻率更高，進一步說明男性農(nóng)民工的多維相對貧困程度更嚴重。⑤從Blinder-Oaxaca分解結(jié)果來看，不同農(nóng)民工多維相對貧困動態(tài)類型發(fā)生概率的差距主要是由性別歧視造成，且慢性貧困受到的性別歧視最嚴重。

農(nóng)民工多維相對貧困人口是社會相對貧困群體中的重要組成部分，農(nóng)民工多維相對貧困的高質(zhì)量治理事關(guān)社會公平正義和社會和諧穩(wěn)定。隨著城鎮(zhèn)化和市民化程度的不斷深化，農(nóng)民工必然會成為歷史，農(nóng)民工群體也就成為社會發(fā)展的一個過渡性群體。但并不意味著農(nóng)民工群體及附著在其身上的多維相對貧困問題會自然消失，而恰恰是農(nóng)民工多維相對貧困問題充分解決是農(nóng)民工成為歷史的前提條件?；谝陨习l(fā)現(xiàn)，為更高質(zhì)量解決2020年后農(nóng)民工相對貧困問題，應(yīng)從以下幾個方面著手：

一是破除農(nóng)民工“身份壁壘”，高質(zhì)量推進農(nóng)民工市民化。需要落實居住證制度，逐步剝離附加在戶口上的教育、醫(yī)療、衛(wèi)生等權(quán)益，并通過居住證制度實現(xiàn)公共服務(wù)的均等化。高質(zhì)量做好農(nóng)民工社會服務(wù)保障工作，逐步實現(xiàn)與城鎮(zhèn)居民社會保障體系并軌，解除農(nóng)民工城市落戶的后顧之憂。同時，采取適當貧困干預(yù)措施，增強農(nóng)民工內(nèi)生脫貧能力，鞏固脫貧質(zhì)量。根據(jù)“事前預(yù)防、事中控制、事后補救”原則，提高農(nóng)民工的健康質(zhì)量、教育質(zhì)量、生活質(zhì)量、社會融入質(zhì)量的水平。不斷加強農(nóng)民工職業(yè)教育和技能培訓(xùn)力度，提高其在就業(yè)市場中的競爭力，從而促進“新人口紅利”產(chǎn)生。要多舉措解決農(nóng)民工身心健康問題，避免因病致貧，并關(guān)注農(nóng)民工子女教育，避免貧困代際傳遞，保障脫貧家庭生計得以可持續(xù)高質(zhì)量的發(fā)展。

二是建立高質(zhì)量的農(nóng)民工貧困識別體系，分性別對農(nóng)民工多維相對貧困指數(shù)進行測度，推進社會性別主流化。在現(xiàn)有以家戶為單位的貧困統(tǒng)計和監(jiān)測上，建立家庭內(nèi)男性和女性農(nóng)民工的貧困監(jiān)測系統(tǒng)，從以上兩方面綜合評估家庭貧困和性別貧困，從而高質(zhì)量的識別出農(nóng)民工貧困群體。通過對比男性和女性農(nóng)民工的貧困特征、發(fā)生機理和演變趨勢的差異，幫助扶貧部門把握不同性別農(nóng)民工的貧困狀況，采取性別貧困靶向的資源整合方式，改善不利于性別平等的宏觀制度、文化和政策環(huán)境，提高農(nóng)民工自身資源的利用水平，解決資源獲取和就業(yè)市場等各方面的機會不平等，從而協(xié)同推進兩性農(nóng)民工高質(zhì)量減貧。

三是建立高質(zhì)量的農(nóng)民工動態(tài)貧困監(jiān)測機制，及時把握農(nóng)民工多維相對貧困的動態(tài)情況，通過精準施策保障扶貧質(zhì)量，并借鑒“精準扶貧”思路，鼓勵社會多元主體協(xié)同參與農(nóng)民工多維相對貧困治理。不僅如此，為防止農(nóng)民工群體分化加劇社會矛盾復(fù)雜化，農(nóng)民工內(nèi)部群體間的貧困差異問題更應(yīng)得到高度重視，需要制定適應(yīng)不同性別農(nóng)民工的扶貧措施，盡可能保證不同性別農(nóng)民工多維相對貧困的差異問題得以解決。

[HT5”SS]參考文獻：

[1] 陳鵬程、田旭、何軍，2019：《市場發(fā)育、勞動合同異質(zhì)性與農(nóng)民工工資的溢價效應(yīng)——基于CHIP數(shù)據(jù)的實證研究》，《農(nóng)業(yè)技術(shù)經(jīng)濟》第6期。

[2] 郭繼強、費舒瀾、林平，2017：《越漂亮，收入越高嗎？——兼論相貌與收入的“高跟鞋曲線”》，《經(jīng)濟學(xué)（季刊）》第1期。

[3] 郭君平、譚清香、曲頌，2018：《進城農(nóng)民工家庭貧困的測量與分析——基于“收入—消費—多維”視角》，《中國農(nóng)村經(jīng)濟》第9期。

[4] 郝彩虹，2018：《現(xiàn)實與彼岸：外來女工的生活世界與城市融入——以北京市為例》，《北京社會科學(xué)》第2期。

[5] 何宗樾、宋旭光，2018：《中國農(nóng)民工多維貧困及其戶籍影響》，《財經(jīng)問題研究》第5期。

[6] 黃宏偉、潘小慶，2021：《脫貧質(zhì)量提升：對象精準識別與標準動態(tài)調(diào)整——以農(nóng)村老年人為例》，《宏觀質(zhì)量研究》第2期。

[7] 蔣南平、鄭萬軍，2017：《中國農(nóng)民工多維返貧測度問題》，《中國農(nóng)村經(jīng)濟》第6期。

[8] 蒯鵬州、張麗麗，2016：《農(nóng)民工性別工資差異及其成因的解釋——歧視的貢獻到底有多大》，《農(nóng)業(yè)經(jīng)濟問題》第6期。

[9] 李衛(wèi)東，2017：《農(nóng)民工婚姻穩(wěn)定性研究：基于代際、遷移和性別的視角》，《中國青年研究》第7期。

[10] 盧海陽、鄭旭媛，2019：《稟賦差異、議價能力與農(nóng)民工工資——來自中國勞動力動態(tài)調(diào)查的證據(jù)》，《農(nóng)業(yè)技術(shù)經(jīng)濟》第6期。

[11] 羅俊峰，2017：《農(nóng)民工行業(yè)分布對性別工資差異的影響》，《人口與經(jīng)濟》第6期。

[12] 羅連發(fā)、吳成強、劉沛瑤，2021：《提高脫貧質(zhì)量的理論、政策與測算框架》，《宏觀質(zhì)量研究》第1期。

[13] 潘文軒、閻新奇，2020：《2020年后制定農(nóng)村貧困新標準的前瞻性研究》，《農(nóng)業(yè)經(jīng)濟問題》第5期。

[14] 彭繼權(quán)，2021：《行業(yè)異質(zhì)性視角下農(nóng)民工多維貧困測度及分解》，《統(tǒng)計與決策》第7期。

[15] 彭繼權(quán)、張利國、陳蘇，2020：《進城農(nóng)民工相對貧困的代際差異研究——基于RIF無條件分位數(shù)回歸分解法》，《財經(jīng)論叢》第9期。

[16] 孫詠梅，2019：《多維視角下的隱性貧困測度及其影響因素探究——基于我國建筑業(yè)農(nóng)民工貧困度的調(diào)查》，《社會科學(xué)輯刊》第6期。

[17] 汪三貴、胡駿，2020：《從生存到發(fā)展：新中國七十年反貧困的實踐》，《農(nóng)業(yè)經(jīng)濟問題》第2期。

[18] 王春超、葉琴，2014：《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》，《經(jīng)濟研究》第12期。

[19] 王金山，2020：《新生代農(nóng)民語言使用對自身經(jīng)濟生活改善及社會認同問題研究》，《農(nóng)業(yè)技術(shù)經(jīng)濟》第4期。

[20] 王青、劉爍，2020：《進城農(nóng)民工多維貧困測度及不平等程度分析——基于社會融合視角》，《數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究》第1期。

[21] 吳麗娟、羅淳，2021：《心理健康與進城農(nóng)民工的多維貧困》，《華南農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版） 》第1期。

[22] 許加明、魏然，2018：《男性新生代農(nóng)民工的擇偶困境及結(jié)婚策略——基于蘇北C村的調(diào)查與分析》，《中國青年研究》第1期。

[23] 葉俊燾，2021：《聚集居住與農(nóng)民工工資——來自CLDS數(shù)據(jù)的實證》，《華東師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版》第2期。

[24] 張敏、鄭曉敏、盧海陽，2020：《中遷移模式對農(nóng)民工市民化意愿的影響研究——基于福建省2635名農(nóng)民工的實證分析》，《調(diào)研世界》第9期。

[25] 鐘曼麗、楊寶強，2021：《中性別、圈層與嵌入：女性農(nóng)民工城市融入研究》，《新疆社會科學(xué)》第3期。

[26] 曾鵬、向麗，2017：《中西部地區(qū)人口就近城鎮(zhèn)化意愿的代際-性別差異研究》，《統(tǒng)計與信息論壇》第11期。

[27] Alkire， S. and Foster， J.， 2011， Counting and Multidimensional Poverty Measurement， Journal of Public Economics， 95（7-8）： 476-487.

[28] Bauer， T. K. and Sinning， M.， 2008， An Extension of the Blinder-Oaxaca Decomposition to Nonlinear Models， Asta Advances in Statistical Analysis， 92（2）： 197-206.

[29] Blinder， A. S.， 1973， Wage Discrimination： Reduced Form and Structural Estimates， Journal of Human Resources， 8（4）： 436-455.

[30] Fairlie， R. W.， 2003， An Extension of the Blinder-Oaxaca Decomposition Technique to Logit and Probit Models， Social Science Electronic Publishing， 30（4）： 305-316.

[31] Oaxaca， R.， 1973， Male-Female Wage Differentials in Urban Labor Markets， International Economic Review， 14（3）： 693-709

[32] Ravallion， M.， Poverty comparisons： A guide to concepts and methods [M] . The World Bank， 1993： 88.

Improving the Quality of Relative Poverty Recognition： Multidimensional Dynamic Measurement and Decomposition from the Perspective of Gender Differences

—Taking Migrant Workers in Cities as an Example

Peng Jiquan

（School of Economics， Jiangxi University of Finance and Economics）

Abstract：Migrant workers in cities are the major potential group of relative poverty. Therefore constructing a high quality identification system for relative poverty of migrant workers is the basis for achieving high quality poverty alleviation. This paper， using the data of the four-period Chinese Family Tracking Survey， constructs a multidimensional relative poverty indicator system for migrant workers， based on UNDP’s MPI. In the study the classic FGT method and the nonlinear model of the Blinder-Oaxaca decomposition method are used to dynamically measure and decompose the multidimensional relative poverty index of migrant workers from the perspective of gender differences. The study finds that the multidimensional relative poverty of migrant workers has shown a downward trend year by year， while the multidimensional relative poverty of male migrant workers is more serious. The poverty dynamic process measurement shows that male migrant workers are more ‘stubborn’ and ‘repeated’ in the multidimensional relative poverty. And the multidimensional poverty dynamic result measurement shows that both the temporary poverty and chronic poverty of male migrant workers are more serious. The decomposition of the classic FGT index shows that the male migrant workers form the major contribution source of the multidimensional relative poverty index of various types of poverty dynamic processes and poverty dynamic results. The Blinder-Oaxaca decomposition results show that gender discrimination is the main cause of the difference in the probability of different types of poverty among migrant workers， and the chronic poverty suffers the most serious gender discrimination. It is recommended to use the concept of coordinated poverty governance to handle the multidimensional relative poverty of migrant workers of different genders， so as to achieve high quality governance of the relative poverty of migrant workers.

Key Words：quality of poverty identification; multidimensional relative poverty; poverty dynamics; gender differences; Blinder-Oaxaca decomposition

責任編輯 鄧 悅