基于貧困脆弱性視角下的就業扶貧影響效應研究

謝玉梅 ， 丁鳳霞

（江南大學 商學院，江蘇 無錫 214122）

一、引 言

2013年以來，我國扶貧工作取得了重大進展，截至2017年底，全國貧困發生率由2010年的17.27%下降到3.1%①數據來源：國家統計局。。中共十九大報告明確提出，到2020年我國將實現現行標準下貧困人口全部脫貧，因此在后扶貧時代，扶貧目標將面臨戰略轉型，即由絕對貧困向相對貧困、由貧困治理向貧困防治轉型，貧困防治視角下政策靶向目標也應由建檔立卡貧困群體向未來可能陷入貧困的群體轉變，因而提升內生發展動力成為穩定脫貧和提高貧困人口福利的共同要求。習近平總書記在2018年中央財經委員會會議中強調，在各項扶貧舉措中應落實產業配套和就業安置，解決勞務組織化程度低等問題。2018年6月15日，中共中央國務院頒布了《關于打贏脫貧攻堅戰三年行動的指導意見》，意見中將就業扶貧作為一項重要舉措進行推進，以期更好地銜接現階段的脫貧攻堅與未來的鄉村振興。人力資源和社會保障部與財政部聯合出臺的《關于進一步加大就業扶貧政策支持力度著力提高勞務組織化程度的通知》部署了就業扶貧的具體落實方案，主要包括就地就近就業、支持創業帶動就業、開展有組織的勞務輸出、公益性崗位托底安置、開展職業培訓和加強組織保障等措施。

事實上，自2013年以來我國就在東部發達地區分批次設立了6個國家級扶貧改革試驗區，探索產業脫貧和家門口就業工程脫貧路徑。筆者所在課題組在調研中發現，創造家門口就業崗位在減貧益貧中扮演了重要角色，一些地區通過勞動力培訓、引進企業和創造社區公益性崗位等方式擴大本地就業，同時通過區域協作等方式組織勞務輸出，但現有研究對就業扶貧舉措在多大程度上促進貧困戶增收和減少農戶未來貧困的可能性，以及本地務工與外出務工是否產生不同影響仍缺乏深入研究。由于“絕對貧困——貧困緩沖期——相對貧困”的脫貧進程大致與“西部——中部——東部”的區域梯度一致，東部相對貧困地區的減貧舉措能夠在一定程度上為2020年后扶貧時代戰略轉型提供參考，因此對該地區的貧困形態進行研究能夠為區域發展梯度處于低水平的地區提供未來發展的可鑒經驗?；谙鄬ω毨У貐^貧困特征探究的重要性，以及就業扶貧與貧困脆弱性關系對后扶貧時代相對貧困戰略部署的重要指導意義，本文選擇江蘇宿遷扶貧改革試驗區為研究對象，旨在通過研究實現四個基本目標：一是根據貧困發展趨勢設定三條貧困線，研究不同貧困線下相對貧困地區貧困脆弱性的大小，梳理其脆弱性分布特征；二是分析當期貧困與當期脆弱性（未來貧困）之間的關系，判斷目前的貧困識別中的目標偏移程度與目標調整策略；三是厘清務工收入與減緩貧困脆弱性之間的關系，并通過區分務工對貧困戶與非貧困戶的不同效應，分析政策調整的合理方向；四是在目標三的基礎上進一步分析兩個就業流向即本地務工和外出務工對貧困脆弱性的影響差異，并結合二者在實踐過程中的優劣給出合理化建議。

二、貧困脆弱性與就業扶貧邏輯

扶貧對象精準是實施“六個精準”的邏輯起點，也是判斷是否“脫真貧”的依據，因而貧困識別問題歷來是學者研究的重點。已有研究越來越關注不同群體的貧困特征差異且更多地從多維貧困視角進行貧困識別（郭熙保和周強，2016；史志樂和張琦，2018），而不足的是這些研究大多從靜態視角展開，忽視了農戶未來的福利特征。隨著扶貧理論的發展，貧困防治尤其是貧困脆弱性（Vulnerability to Poverty）問題成為政策制定者和學者的關注重點（Klasen和Waibel，2014；Zereyesus等，2017）。

貧困脆弱性的概念最早由世界銀行在2001年正式提出（World Bank，2001）?；诓煌芯恳暯牵瑢W者賦予了貧困脆弱性不同的內涵，代表性的量化定義有預期的貧困脆弱性（Vulnerability as Expected Poverty，VEP）、風險暴露脆弱性（Vulnerability as Uninsured Exposure to Risk，VER）和低期望效用脆弱性（Vulnerability as Low Expected Utility，VEU）（黃承偉等，2010；蔣麗麗，2017）。其中常用的預期貧困脆弱性是用來衡量目標個體或群體未來陷入貧困可能性的前瞻性概念（Chaudhuri等，2002），即貧困人口識別偏移導致非貧困人口在未來可能陷入貧困、脫貧人口返貧及貧困人口繼續處于貧困狀態等共同構成貧困脆弱性的內涵。

國外學者對貧困脆弱性的測度和影響因素的分析較多，主要的差異體現在研究區域選擇、福利測度指標和主要影響因素選擇三方面。區域選擇多以加納、印度、泛撒哈拉地區等貧困程度較深的區域為代表（échevin，2013；Azeem等，2016；Zereyesus等，2017），近年來也有越來越多的學者將中國農村地區作為研究對象（Ward，2016；Xu等，2017）。目前國內針對脆弱性的研究多使用CHNS等數據庫對全國層面或區域層面的脆弱性進行測度（林文和鄧明，2014；徐偉等，2011；萬廣華等，2014），也有部分文獻進行了絕對貧困地區貧困脆弱性分析（楊龍和汪三貴，2015；李聰，2018）。

在主要影響因素分析中，已有文獻主要研究沖擊因素，如洪水等對貧困脆弱性的影響（Mahanta和Das，2017）、與扶貧政策及扶貧措施緊密結合的易地搬遷、政府轉移支付、產業扶貧及非農就業等在減緩貧困脆弱性方面的影響（樊麗明和解堊，2014；李聰，2018；胡倫和陸遷，2018）。學者大多肯定了非農部門在減貧與減少貧困脆弱性方面所具有的顯著作用（Zereyesus等，2017）。劉一偉和刁力（2018）認為，非農就業包括作為被雇傭者工作（務工）和自主創業從事小型商業活動（自我雇傭）兩類，但對于非農就業子分類的減貧作用及其對貧困脆弱性的影響卻少有涉及，對于就業流向分類影響的研究更加缺乏。高若晨和李實（2018）通過DID-PSM的方法論證了農村勞動力外出有利于留守家庭持久脫貧，但由于樣本數據來源于2007年和2009年的全國多個省份，因此對于當前乃至2020年后扶貧時代的相對貧困問題的解決，可以提供的借鑒作用較為有限。

綜上所述，已有研究對象多集中于深度貧困群體或全國所有農戶群體，較少涉及相對貧困地區的貧困脆弱性研究，對于非農就業子分類務工對貧困脆弱性的影響研究更是欠缺。由于東部地區可耕地面積較少、缺少穩定脫貧途徑等問題尚未得到徹底解決，相對貧困地區農戶依然具有一定程度的貧困脆弱性。根據中國乃至世界的貧困發展漸進趨勢，貧困人口已經或將進入相對貧困的發展層次，絕對貧困問題的有效解決對新型貧困的防治即相對貧困地區農戶的貧困脆弱性及其影響因素研究具有重要意義。實際調研中發現就業扶貧在相對貧困地區的貧困脆弱性減緩中扮演了重要角色，其中反映了扶貧與務工在相對貧困地區的現實聯系。

作為進行生產與消費決策的經濟單元，農戶總是追求效用最大化（Chang等，2012）。由于農戶生產決策和消費決策可以分離，農戶的效用最大化決策可分解為兩個過程：一是在生產過程中追求利潤最大化；二是在此基礎上通過合理配置消費實現個人效用最大化（文輝星，2016）。因此理性農戶首先將選擇最大化自身家庭凈收入水平。收入水平取決于農戶所擁有和選擇的收入渠道，而農戶所擁有的要素稟賦決定了其可供選擇的收入獲取來源。相對貧困地區農戶可供選擇的收入來源一般包括農業生產與非農工作，其中農業生產中包括種植與養殖兩類，非農工作包括自我雇傭與務工兩類，而務工則可根據就業流向區域分為本地務工與外出務工。

對宿遷扶貧改革試驗區調查發現，該地區農戶具有以下特點：（1）人均耕地少。以調研的宿遷市管轄的宿豫區、泗陽縣和沭陽縣樣本為例，樣本農戶人均耕地面積為1.2畝，戶均耕地面積僅為5.529 1畝，其中包含了不利于農作物生長的鹽堿地，且由于種植呈現明顯的季節性特征，單一的種植會導致農戶收入有限。（2）基于生態保護原則，宿遷市于2016年頒布了《宿遷市畜禽養殖禁養劃定方案》，畜禽養殖禁養區劃定使得農戶小型零散養殖覆蓋規模受到限制，在一定程度上導致農戶的小型養殖收入被壓縮。（3）農戶從事自我雇傭所需要的人力資本基本能力欠缺。由于貧困地區相對閉塞性，貧困多有代際傳遞的特征，由此造成農戶具有顯著的思想局限性、認知局限性和承受力局限性。其中思想局限性是指其主觀脫貧意愿較弱，認知局限性導致農戶對信息的利用率和對市場的洞察力有限，引致其難以確定合適的創業方向。陸漢文和李文君（2017）通過研究發現，針對貧困人口的農村實用技術培訓存在“有用”但“無效”的結構性困境。相似困境在實踐調研中被普遍證實，農戶大多認為技能培訓、知識普及等具有啟發意義，但極少將其應用于生產實踐。承受力局限是指其抗風險沖擊能力弱，不僅包括資產層面的抗風險沖擊能力不足，也包括心理層面的風險規避性。以上局限性決定了農戶選擇自我雇傭這一收入渠道極為有限。（4）宿遷交通、物流、政策等相對完善，企業入駐意愿較高。在政策驅動下，宿遷—義烏的“來料加工經紀人”培養模式、“家門口就業工程”得到較好發展。

根據調研數據，約有65.50%的受訪農戶家庭至少有一位務工者，戶均務工人數為1.29人，務工也越來越成為相對貧困地區農戶實現收入增長的最主要方式。因而在現階段要素稟賦不變的前提下，農戶將大多數時間分配在務工上也能更大程度地實現農戶家庭收益最大化。然而，目前蘇北地區的勞動力市場發展不夠充分，因此宿遷的就業工程脫貧實踐也提供了一個自然實驗契機，以驗證如果提供了就業機會是否會明顯減緩農戶的貧困脆弱性，以及本地務工與外地務工對減緩貧困脆弱性是否具有不同影響。

三、方法與數據

（一）方法

1. 貧困脆弱性。依據貧困脆弱性有針對性地對政策施與對象進行精準識別是公共扶貧政策實施成敗的關鍵因素（Ward，2016；蔣麗麗，2017），如何準確度量潛在扶貧對象的貧困脆弱性吸引了眾多學者的關注。貧困脆弱性的測量方法大致可以分為三類：一是Ligon和Schechter（2003）提出的期望效用的貧困脆弱性，VEU方法強調了對風險因素的考察，對數據時間跨度和數據頻率要求較高；二是Dercon和Krishnan（2000）提出的風險暴露的脆弱性；三是以Chaudhuri等（2002）為代表提出的期望貧困脆弱性，其含義是指農戶預期未來收入低于貧困線的概率。VEP定義下的貧困脆弱性測量允許數據為截面數據，該理論認為家庭貧困脆弱性大小主要來源于家庭未來福利水平的分布特征，其福利期望與福利波動水平均由家庭特征變量決定。根據VEP定義，農戶h在時間t的貧困脆弱性可由下式表示：

其中， vh,t是指農戶h在當期時間t的貧困脆弱性，其含義是農戶下期收入的自然對數 lnyh,t+1低于貧困線PL的自然對數P的概率，一般認為高收入群體的收入特征符合帕累托分布，而對數正態分布更加適合描述低收入群體狀況，因此選擇收入的自然對數作為描述農戶收入的因變量。

依據假設，家庭h的收入可以表示為一組家庭特征變量Xh的函數，其中Xh包含是否參與務工和其他家庭特征變量：

VEP理論認為收入的波動項eh來源于沖擊，由家庭特征變量決定，遵循下式關系：

為減少異方差帶來的估計誤差，應用Amemiya（1977）的三步最小二乘法（Three-step Feasible Generalized Least Squares，FGLS）對β、θ進行估計。估計步驟如下：

用OLS對式（2）進行估計，將估計的誤差項應用于式（3），得到

再次使用OLS對式（5）進行回歸，得到θ的漸√進有效估計值θFGLS，該值與家庭特征變量Xh共同得到應用到式（2）的轉換中，得到

對式（6）進行估計，可以得到β的漸進有效估計值βFGLS，由此農戶收入對數的期望與波動可以表示如下：

在收入對數期望為 收入對數方差為 的情況下，農戶h在當期時間t的貧困脆弱性可表示如下：

基于研究目的的不同，學者對貧困脆弱性的閾值選擇也有一定的差異。大多數學者如Chaudhuri等（2002）和Novignon等（2012）等學者選擇了0.5的貧困脆弱性閾值，即農戶下期將有50%的概率陷入貧困狀態或繼續保持貧困狀態，研究同時選擇了0.75的高脆弱線作為農戶有較高概率陷入貧困的參與閾值。Günther和Harttgen （2009）采用了更為嚴苛的0.29作為貧困脆弱性閾值，其依據是假定未來兩期內有任意一期或以上陷入貧困的總概率為0.5，那么單期貧困脆弱性閾值選擇應為0.29。也有部分學者認為貧困發生率是一個可供參考的嚴格的閾值選擇標準，該觀點認為只要高于當地貧困發生率即說明該農戶具有高于平均貧困水平的陷入貧困概率，應該被納入脆弱性范圍。江蘇省范圍內相對貧困標準下的貧困發生率為全省范圍內收入在后6%左右的低收入人口，因此0.06是一個可供參考的脆弱性閾值。本文將0.1作為初始值，0.9作為終值，0.1作為步長，進行脆弱線閾值選擇，結合0.06、0.29和0.75進行綜合考量，分析不同標準下該地農戶貧困脆弱性水平。

2. 貧困線選擇。貧困識別也即貧困線的確定，主流觀點一般有絕對貧困線、相對貧困線、主觀貧困線、社會剝奪貧困線四種（王榮黨和李保春，2017）。主觀貧困線是嘗試通過對個人進行大規模的實地調查并運用一定的計量手段直接得出貧困線，這種方法目前一般用于發達國家（Niemietz，2011）。社會排斥是指社會某類群體由于性別、種族等被排斥于主流社會之外。目前世界廣泛應用的貧困識別仍主要為絕對貧困線和相對貧困線。自19世紀末20世紀初C. Booth和S. Rowntress在英國開展貧困調查以來，對絕對貧困的研究逐漸形成了一個以生計調查的方法來描述貧困群體特性的研究傳統，貧困識別開始超越經驗研究階段。但最初的絕對貧困線都是基于“生計維持”（subsistence）來測算，這一觀點受到Alcock（1993）等人的質疑，新觀點認為應將其他“基本需要”（basic needs）擴充為識別依據，減貧也更應通過增強貧困人口的可行能力來實現。隨著國際社會對貧困問題研究的不斷深化，李永友和沈坤榮（2007）、池振合和楊宜勇（2012）等認為絕對貧困忽視了貧困的社會性，還應考慮其遭受的相對排斥和相對剝奪，因此提出了相對貧困的概念。根據這一理念，衡量貧困不能脫離一個社會在一個特定時段的具體情形。所謂貧困者，意味著他們首先在物質和社會生活條件上處于一種相對于他人的匱乏狀態（顧昕，2011）。葉普萬（2006）認為，居民需求隨著居民收入水平以及社會環境的變化而變化，其展現了不同社會成員之間的分配關系，因此絕對論中的“最低需求”忽視或低估了某些社會需求，尤其是蘇北等相對發達地區底層人口的相對需求。

中國目前通過劃定國家貧困標準確定精準識別幫扶對象的貧困識別方式仍主要以絕對貧困線為主，即2 300元（2010年不變價）的農村貧困標準。在“十二五”期間，江蘇省將人均年收入4 000元作為判定低收入農戶的標準；在“十三五”期間，進一步提高標準，選擇了6%作為相對貧困線，規劃將江蘇省全省6%左右的低收入人口作為扶貧脫貧的幫扶對象，而根據6%的相對貧困線約合人均收入6 000元。因此，本文選擇4 000元、6 000元和8 000元三條貧困線進行脆弱性水平測度，分別反映相對貧困地區農戶在已有標準、現行標準和前瞻性標準三種水平下的農戶貧困脆弱性差異。

3. 傾向得分匹配（Propensity Score Matching，PSM）。傾向得分匹配一般用于利用觀測數據估計某一政策或者干預的效果，其優于普通回歸的一點是PSM第一步先用一系列協變量估計干預的發生概率，通過擬自然實驗技術處理干預因素的影響貢獻和確定控制組的反事實結果，較好地解決了截面數據可能帶來的內生性問題。在實踐中，參與務工的確可能會對貧困脆弱性產生一定的影響，但是否參與務工可能并非隨機選擇，而是農戶基于自身特征和家庭特征做出的選擇。同理，務工樣本中外出務工和本地務工也可能存在相似的內生性問題。本文將樣本分為處理組與控制組（分別為“有務工組”和“無務工組”、“外出務工組”和“本地務工組”），將其進行匹配，理論上匹配后樣本的其他稟賦特征一致，可以估計得到干凈的“務工對貧困脆弱性的平均處理效應”和“外出務工對貧困脆弱性的平均處理效應”。假設樣本i的處理變量ti發生的概率由一系列協變量Xi決定，傾向得分可表達為：

匹配后處理組家庭i的平均處理效應為：

其中，Y1代表處理組的被解釋變量，即務工家庭的貧困脆弱性和外出務工家庭的貧困脆弱性；Y0代表控制組的被解釋變量，即無務工家庭的貧困脆弱性和本地務工家庭的貧困脆弱性。

（二）數據

1. 數據來源。宿遷位于江蘇省北部，2017年年末GDP總量為2 610.94億元，約占江蘇省GDP總量的2.96%。江蘇省《關于實施脫貧致富奔小康工程的意見》中規劃有6個扶貧重點片區，其中成子湖周邊地區、泗洪西南崗地區、漣沭泗結合部均位于宿遷市；821個省定薄弱村中宿遷市共有180個，占比為21.9%；277萬低收入人口中宿遷共有61.5萬，占比為22.2%。宿遷具有鮮明的相對貧困特征，在扶貧改革試驗區相對貧困治理實踐中率先實行了家門口就業工程等扶貧舉措，宿遷的選擇具有代表性。

筆者所在課題組對宿遷所轄的宿豫區、泗陽縣和沭陽縣抽取了15個行政村作為調研樣本，貧困戶樣本均來自進入江蘇省扶貧信息管理系統的建檔立卡貧困戶，所選貧困戶與非貧困戶樣本的基礎數據來自村兩委提供的檔案。課題組根據村委提供的名單隨機抽取，共發放并收集農戶層面樣本353份，樣本基本遵循貧困戶（含建檔立卡的一般低收入戶、低保戶、五保戶）與非貧困戶按1：1的比例進行抽樣，樣本回收率為100%。由于調研由經過訓練的老師和研究生成員進行提問和填寫，剔除問卷信息不全及矛盾樣本后，有效問卷數量為342份，樣本有效率達96.88%。在有效樣本中，191份為貧困戶樣本，151份為非貧困戶樣本。

2. 變量定義與描述性統計。研究的第一階段是對樣本地區農戶貧困脆弱性的測算，第二階段是樣本貧困脆弱性與是否參與務工之間的關系研究，以及外出務工和本地務工對貧困脆弱性的影響差異研究。在第一階段中，方程lnyh=Xhβ+eh的因變量為收入的自然對數，自變量包括戶主個人特征、農戶家庭特征以及家庭中是否有成員擁有務工薪資收入的變量。在第二階段的第一步中，因變量為第一階段的最終產出即農戶貧困脆弱性大小，自變量為家庭成員是否務工，控制變量為戶主或農戶其他相關變量；第二階段第二步中，選取有務工的樣本進行討論，因變量仍舊選擇貧困脆弱性，自變量選擇家庭中是否有外出務工人員以及其他控制變量。相關變量解釋與描述性統計如表1所示：

表1 變量定義與描述性統計

續表1 變量定義與描述性統計

表1的統計數據顯示，樣本農戶人均收入為11 163.92元，高于江蘇省“十三五”規劃期間6 000元的相對貧困標準，但該地區收入差距明顯。受教育程度方面，戶主受教育水平均值僅為1.450 3，略高于未受教育或小學水平，僅有7.02%的戶主受教育程度在高中以上，反映了相對貧困地區現有的受教育水平較低，但在問卷“如果您的孩子不想上學，您會選擇如何”選項中，有62.6%的農戶選擇了讓其繼續求學，27.8%的農戶選擇了輟學或尊重孩子的意見，也有9.6%的農戶選擇讓其學習其他技術，表明相對貧困地區戶主受教育水平雖不高但越來越意識到教育的重要性。樣本地區家庭平均土地面積為5.529 1畝，人均土地面積僅為1.2畝，其中包括種植條件較差的鹽堿地等。將務工定義為包含外出務工、本地務工以及參與扶貧公益崗位等一切能夠獲得工資收入的就業活動，則樣本群體務工的覆蓋率水平為65.50%，意味著約有65.5%的農戶家庭中至少有一人參與務工，能夠獲得薪資收入，務工參與率較高，但同時該地區仍存在較高比例的未被雇傭家庭，為研究是否參與務工對農戶家庭貧困脆弱性影響提供了有利條件。

四、實證分析

本文首先根據Chaudhuri等（2002）測算貧困脆弱性的方法估計樣本地區的貧困脆弱性，然后使用OLS和Probit估計務工對貧困脆弱性的影響以及外出務工、本地務工對貧困脆弱性的影響差異，最后考慮內生性影響情況下采用PSM方法對研究結果進行驗證。

（一）相對貧困地區脆弱性測度與分析

1. 相對貧困地區的貧困脆弱性測度。在貧困脆弱性測度中，現有文獻大多選擇資產、收入或消費作為衡量其脆弱性的指標，測算農戶下期選定指標低于相應貧困線的概率，從而判斷農戶家庭貧困脆弱性，本文選擇農戶家庭年人均純收入作為因變量進行未來值預測。由于研究區域為宿遷市，樣本地區基礎設施以及道路交通等在國家扶貧改革試驗區規劃初期已經完成“十位一體”①“十位一體”是指宿遷市村社區建設中配備的黨群服務中心、便民超市、“銀村通”、衛生室、文體廣場、公交站臺、文化活動中心、幼兒園、“三來一加”加工點、電商服務點。等項目建設，因此在區域特征上具有一致性，農戶家庭人均純收入視角下農戶家庭未來貧困程度受一系列家庭特征因素的影響。

在采用FGLS方法計算家庭未來收入預測值時，選擇戶主年齡、有無干部、戶主受教育程度、戶主受教育程度門檻效應、戶主性別、戶主婚姻狀況、流轉后土地面積、長期病患人數占比、勞動力占比、學齡人數占比、60歲以上老齡人口占比是否參與務工、家庭規模作為解釋變量。其中有無干部與該地區扶貧工作是否具有精英捕獲現象相關；戶主受教育程度、戶主受教育程度門檻效應、長期病患人數占比、家庭規模作為人力資本的反映指標；在調研中發現，由于戶主性別和婚姻狀況在一定程度上反映家庭的既有經濟水平，因此將上述指標納入自變量范圍；流轉后土地面積反映農戶種植養殖水平及意愿。

基于相對貧困地區農戶家庭收入服從對數正態分布的假設，本文選擇了4 000元、6 000元兩條貧困線，并考量了貧困線進一步提高到8 000元的情況下農戶貧困脆弱性的大小。如表2所示，在6 000元貧困線下，樣本貧困脆弱性均值為0.453 3，不超過0.5的貧困脆弱線。貧困線每提高2 000元，農戶貧困脆弱性約提高10%，但4 000元至6 000元和6 000元至8 000元之間，貧困脆弱性各提高10.289 7%和7.528 1%，脆弱性增長幅度減緩，表明相對貧困地區經濟水平處于較高層次的農戶收入穩定，脆弱性水平受貧困線提高的影響較小。

而在不同貧困線下，貧困脆弱線取值不同則對應的脆弱農戶數量也有較大變化。貧困線為4 000元、6 000元及8 000元，貧困脆弱線取值為0.06、0.1、0.2、0.29、0.3、0.4、0.5、0.6、0.7、0.75、0.8、0.9時，對應的脆弱農戶數量如圖1所示。

表2 不同貧困線下樣本農戶貧困脆弱性均值

圖1 不同貧困線與不同脆弱性閾值選擇下的脆弱性農戶數量

貧困線為4 000元、6 000元、8 000元，脆弱性為0.06、0.29、0.5及0.75的情況下，脆弱人數如表3所示。以6 000元現行貧困線及大多數學者采用的0.5脆弱線為例，有149戶農戶貧困脆弱性高于0.5，占總樣本的43.57%，而原始樣本中貧困農戶占總樣本比例為55.85%。因此，從未來貧困角度出發進行貧困防治不僅能夠以防治替代治理，還能從一定程度上優化扶貧資源配置。

表3 脆弱農戶統計

2. 貧困脆弱性與貧困之間的關系。貧困與貧困脆弱性有一定的內在聯系，考慮貧困戶和非貧困戶可能存在的差異，本文分析了相對貧困地區非貧困農戶和貧困農戶貧困脆弱性的分布特征。由圖2和圖3可見，非貧困農戶脆弱性水平更多聚集在較低水平，隨著脆弱性水平升高頻數逐漸下降；貧困農戶的貧困脆弱性水平則分布較為均勻，在高脆弱性和低脆弱性區域均有較高頻次分布。

圖2 非貧困戶貧困脆弱性分布

圖3 貧困戶貧困脆弱性分布

但由于風險沖擊等因素的存在，當期貧困并不等于未來貧困，未來貧困和當期貧困之間的關系能夠反映目前的資源錯配程度。在貧困線為當期貧困線6 000元，脆弱線為0.5的情況下，將貧困脆弱性高于0.5的農戶脆弱性定義為1即脆弱農戶，低于0.5的農戶脆弱性定義為0即非脆弱農戶。表4描述了當期認定的貧困農戶與農戶貧困脆弱性之間的關系，其中有220戶當期貧困和未來貧困狀態一致，占比為64.33%。

表4 貧困與貧困脆弱性情況

在相關性檢驗中，貧困與貧困脆弱性之間的相關系數為0.306 2（t=5.931 5），說明二者相關程度較低，政策實施中應對二者做出區分。

（二）務工對相對貧困地區貧困脆弱性的影響

1. 就業扶貧影響效應分析。對務工是否影響相對貧困地區農戶貧困脆弱性進行實證分析時，首先通過FGLS計算得出相對貧困地區樣本的貧困脆弱性水平vh（貧困線為6 000元，且因變量單位為%），再采用OLS分析與務工之間的關系。由于文中因變量單位為%，因此Y2定義為vh高于（包含等于）貧困脆弱閾值線50的樣本貧困脆弱性為1，低于50的樣本定義為0，用Probit模型再次進行估計，檢驗務工對貧困脆弱性影響的穩定性。進一步地，將貧困農戶與非貧困農戶樣本進行區分后再次檢驗，檢驗步驟與全樣本估計步驟一致。使用Stata15.0對模型進行估計，結果如表5所示。

對總體樣本的OLS估計與Probit估計結果具有明顯一致性，關鍵變量是否參與務工對貧困脆弱性有負向影響，且其在統計意義和經濟意義上均具有顯著性，即務工能夠顯著降低相對貧困地區農戶的貧困脆弱性。

表5 務工對農戶貧困脆弱性影響的估計結果

現有研究大多認為非農就業能夠顯著減緩貧困及貧困脆弱性，本文的研究結論與其一致。需要說明的是，本文的研究結論是基于務工這一非農就業子分類得出的，即務工確實能夠顯著減少貧困脆弱性。相對于非農就業正向影響產生的實際意義，務工這一非農就業子分類的影響效果能夠對政策實施提供更為明確的指導意義。

在控制變量中，Cadre變量幾乎在每個模型中均不具有顯著性，說明相對貧困地區目前的扶貧舉措并不會通過干部流向關系型農戶，宿遷扶貧實踐中存在較小程度的由于干部偏私導致的“精英俘獲”等現象。受教育程度的門檻效應系數為正，但不具有穩定的顯著影響，可能的原因在于：一是受訪農戶戶主的受教育程度普遍較低，不足以產生明顯的影響；二是目前相對貧困地區就業多為村莊附近的“三來一加”就業點和外出從事勞動密集型崗位，有限的去向決定農戶在就業過程中更加需要的是勞動能力而非知識水平，因此在就業市場發展并不充分的前提下，貧困脆弱性并不會受到受教育程度門檻效應的顯著影響。

對總樣本中貧困戶和非貧困戶進行分類，各獲得191個和151個樣本，分別進行與總樣本相同的OLS回歸和Probit回歸，對貧困戶及非貧困戶的貧困脆弱性影響因素進行實證分析，以驗證其針對不同群體是否具有相同作用。

估計結果顯示，6個模型中是否務工對減緩貧困脆弱性的作用均在1%的置信水平上顯著，也即務工能夠顯著減緩相對貧困地區貧困戶和非貧困戶的貧困脆弱性。家庭中由無務工人員到有務工人員（即變量Emp由0變成1），非貧困家庭預期貧困脆弱性平均減少26.28 %，貧困家庭預期貧困脆弱性平均減少31.49%。當被解釋變量為貧困戶是否具有貧困脆弱性時，貧困人口家庭中由無務工人員到有務工人員，貧困家庭能夠實現由脆弱到非脆弱的顯著轉變。

綜合上述分析，務工對相對貧困地區貧困和非貧困群體均具有減緩脆弱的作用，且其對貧困農戶效果更加具有經濟上的顯著意義。但結合調研實踐，非貧困農戶務工覆蓋率達到78%，而貧困戶的務工覆蓋率僅為55.7%，政策實施中應更加注重解決有勞動能力或部分喪失勞動能力的農戶的充分就業問題，而對完全喪失勞動能力的農戶則需加強社會保障。

2. 外出務工與本地務工對貧困脆弱性的影響差異。前文論證了務工對減緩貧困脆弱性的顯著作用，但就業扶貧框架構建在多措并舉的同時，也受限于資金與人力，需要有側重地進行政策推行，因此探究本地和外出務工哪個更具高效性具有重要意義。就業扶貧在現階段以及未來一定時期內，將在加強組織保障、完善培訓機制的基礎上，發展以“家門口就業”為代表的本地務工和勞務輸出等外出務工形式（見圖4）。

圖4 就業扶貧框架

調研樣本中共有224個農戶家庭參與務工。其中，家庭中至少有一人參與本地務工的樣本數量為144戶，占總樣本的比例為42.11%，占務工家庭比例的62.29%；家庭中至少有一人外出務工的樣本數量為134戶，占總樣本的比例為39.18%，占務工家庭比例的59.82%。研究將Mig//Edu/Edu1/Scale/Labor/Cadre作為影響貧困脆弱性大小和是否具有脆弱性的影響因素，利用Stata15.0對以上方程進行多元線性回歸估計，分析外出務工與本地務工在貧困脆弱性減緩方面的效果差異。估計結果如表6所示。

表6 外出務工與貧困脆弱性關系估計

估計結果表明，務工家庭中有外出務工的樣本家庭比只有本地務工的樣本家庭貧困脆弱性程度在1%的置信水平上顯著減少8.70%。在人均年收入6 000元貧困標準下，農戶參與外出務工更有利于減緩貧困脆弱性。結合實地調研與訪談，可能的解釋是當地外出務工去向多為長三角城市如上海、蘇州、無錫及常州等，勞動力流入區域工資水平相對較高，而文中未來福利的考察標準僅為收入水平，并未考慮支出因素，也即僅從現階段的收入衡量標準來看，外出務工比本地務工在減緩貧困脆弱性方面更具有優越性。

（三）基于PSM的穩健性檢驗

樣本中農戶務工與否可能并非隨機變量，而是來源于一系列變量影響后的自我選擇，而這些特征變量也會對貧困脆弱性產生影響。因此有必要排除內生性干擾，檢驗參與務工對貧困脆弱性的影響以及外出務工和本地務工對貧困脆弱性影響差異的估計結果是否穩健。本文采用傾向得分匹配的方法進行穩健性檢驗。

1. 務工影響貧困脆弱性的PSM分析。本文在將數據進行隨機排序后首先計算了處理組與控制組的傾向得分，以Emp為因變量，Edu/Edu1/Scale/Labor/Cadre作為自變量構建Logit模型，并利用PSTEST命令檢查數據的平衡效果，匹配后大多數變量的標準化偏差小于10%，且較匹配前出現了大幅縮小。

根據處理組與控制組的得分結果，我們采用有放回的一對一匹配和K近鄰匹配（K=4）兩種方法進行參與務工對貧困脆弱性的凈影響效應分析，其中ATT、ATU和ATE的標準差和T值均通過自助標準誤的方法得到。在具體估計中，未處理組共有17個樣本、處理組共有3個樣本未在共同取值范圍內，其余322個樣本在共同取值范圍內。一對一匹配和K近鄰匹配結果如表7所示，在考慮了內生性的情況下，參與務工也能夠顯著降低貧困脆弱性，其平均處理效應在采用一對一匹配和K近鄰匹配的方法時分別為-32.209 9和-35.061 9。

表7 參與務工對貧困脆弱性的影響：PSM估計

2. 外出務工和本地務工對貧困脆弱性影響的PSM分析。與務工影響貧困脆弱性的PSM分析類似，在分析外出務工和本地就業對貧困脆弱性的影響是否有差異時，樣本農戶選擇外出務工可能并非是隨機的，需要將參與務工的224個樣本進行匹配，分析Mig變量對貧困脆弱性影響的凈效應。即將Mig作為處理變量，Edu/Edu1/Scale/Labor/Cadre作為協變量進行匹配，在考慮較好地平衡了數據的情況下計算外出務工對貧困脆弱性影響的處理效應。

我們仍然采用有放回的一對一匹配和K近鄰匹配（K=4）兩種方法進行外出務工對貧困脆弱性的凈影響效應分析，其中ATT、ATU和ATE的標準差和T值也均是通過自助標準誤的方法得到。此次估計中，在全部共224個樣本中有1個為處理組樣本和8個處理組樣本不在共同取值范圍內。一對一匹配和K近鄰匹配結果如表8所示，在考慮了內生性的情況下，外出務工也更能夠顯著降低貧困脆弱性，其平均處理效應在采用一對一匹配和K近鄰匹配的方法時分別為-14.060 8和-10.558 8。

表8 外出務工對貧困脆弱性的影響：PSM估計

五、結論與展望

本文得出四點研究結論：（1）對不同取值組合下相對貧困地區貧困脆弱研究表明，整體經濟水平發展雖能通過區域GDP增長帶動低收入水平農戶的收入增長，但其脆弱性并未得到根本減緩，仍易受到風險沖擊的影響。以當期貧困線（樣本地區）6 000元為例，樣本地區貧困脆弱性為0.453 3，仍有較大概率陷入貧困；在貧困線為6 000元，脆弱線為0.5的情況下，共有149個農戶（占總樣本43.57%）未來極易陷入貧困，但這一數據低于55.85%的樣本貧困發生率。（2）當期貧困與未來貧困之間相互獨立，扶貧戰略目標要關注未來貧困群體，從而實現資源優化配置。在貧困線為6 000元、脆弱線為0.5的情況下，342個樣本中共有220個樣本的未來貧困與當期貧困具有一致性。非一致的122個樣本中有67.2%的樣本是當期貧困但非脆弱的，32.8%的樣本是當期非貧困但脆弱的，政策實施中將二者進行資源重新整合配置，能夠更好地提高貧困治理效率，達到貧困防治的目的。（3）參與就業扶貧能夠顯著減緩相對貧困地區的貧困脆弱性，即使考慮了內生性的影響也是如此。對比OLS、Probit以及PSM估計，研究結果具有一致性，其中參與務工與貧困脆弱性呈現顯著負相關，對減緩貧困脆弱性具有顯著影響；且務工對貧困戶與非貧困戶的貧困脆弱性均具有顯著減緩作用，但貧困戶家庭中就業覆蓋率更低，這與非貧困戶家庭成員更能實現縣外務工有關。因此，政策實施需要進行針對性改進，促進家門口就業，實現就業多樣化。（4）外出務工和本地務工對貧困脆弱性影響差異的估計表明，以現階段收入衡量外出務工比本地務工在減緩貧困脆弱性方面更具有優越性。

上述結論具有重要的政策意義：一是扶貧政策靶向目標選擇需要進一步修正。隨著2020年后扶貧時代的到來，由于相對貧困的特殊性和廣泛性，貧困防治比貧困治理更加具有現實意義，全國范圍內的貧困防治將更加必要。二是參與務工能夠顯著減緩相對貧困地區農戶貧困脆弱性，但由于農村地區勞動力市場的欠發達性，農戶的充分就業難以實現，因此落實就業扶貧等措施，擴大就業扶貧覆蓋率，對促進農村地區勞動力市場發展具有重要意義；從長遠看，務工也將成為全國范圍內解決脫貧內生發展動力不足、實現扶貧長效機制的重要舉措。三是從收入維度考慮，促進外出務工能夠更有效地實現農戶持久脫貧，但政策制定中也要權衡現行標準下的脫貧效率與外出務工導致的“三留守”、鄉村振興人才缺失以及貧困人口向城市轉移等問題。

本研究也存在一定的不足。首先，本文選擇的主要貧困線為6 000元，是江蘇省“十三五”規劃中針對江蘇發展特征制定的相對貧困線，因此在與其他學者的研究進行橫向對比時不一定具有可比性，后續研究應進一步完善研究對象的細化工作，提高研究結論的橫向及縱向可比性。其次，本文對未來福利的度量僅從收入維度進行，從發展的角度看，消費、資產以及權利等因素也將是福利度量的重要維度，因此構建更加科學的貧困標準也是本文后續的研究方向。