文化產業扶貧政策的增收和減貧效應：微觀機制和貴州農民畫的經驗

葉林 李艷瓊 方崢 余江 郭子楨

摘要：基于貧困家庭微觀決策的文化產業扶貧模型顯示，該政策促使貧困家庭生產將有限勞動時間配置到邊際產出更高的文化產品生產，并最終增加人均家庭收入和提高福利水平。為測度文化產業扶貧的增收和減貧效果并驗證其微觀作用機制，實證部分利用2006～2017年世界銀行貴州調查項目的農村家庭微觀定點追蹤調查數據，采用倍差法（DID）對2013年開始試點的貴州水城縣農民畫產業扶貧項目進行政策效果估計。結果顯示，相對于不受政策影響的控制組，該政策可導致參與該項目的貧困家庭年人均收入增長額外提高22.6%，且在考慮政策強度和政策質量差異后其增收效應仍然顯著。以文化產品勞動時間為中介變量的中介效應分析顯示，該扶貧政策通過增加貧困家庭的文化產品生產時間和文化產品銷售收入間接提高家庭人均收入，政策導致貧困家庭平均每年額外投入348小時進行文化產品生產并獲得9670元的農民畫銷售收入。此外，對該政策的年度和累計脫貧率估計顯示文化產業扶貧具有顯著的減貧效果，項目覆蓋的8個村民小組年均和累計脫貧率分別額外提高7.69%和13.82%。最后，對文化產業政策的年度效應估計還顯示，文化產業扶貧政策在考察期內存在持續增收和穩定脫貧的性質。

關鍵詞：文化產業扶貧 農業家庭模型 農民畫 倍差法

中圖分類號：F061.6

基金項目：教育部人文社會科學重點研究基地重大項目“新型城鎮化過程中農業轉移人口市民化關鍵問題研究”（16JJD790044）;華中師范大學中央高校基本科研業務項目“丹桂計劃”項目（CCNU15A03007）。

Income Increase And Poverty Reduction Effect of Cultural Industries Poverty Alleviation： Theory and Experience from Farmer Paintings in Guizhou Province

Ye Lin1，Li Yanqiong1，Fang Zheng2，Yu Jiang3，Guo Zizhen4

1. Central China Normal University， Wuhan， Hubei 430079， China; 2. Singapore University of Social Sciences， Singapore 599494， Singapore;3. Wuhan University， Wuhan， Hubei 430072， China;4. Iowa State University， Ames， Iowa 50011， USA）

Abstract： The cultural industries poverty alleviation model based on household model shows that the policy not only changes households production and family welfare level by investing cultural resources， but also reduces the resource and environmental constraints in poor areas. In addition， the non-competitiveness of intangible inputs of production reduces the cost of poverty alleviation and stabilizes poverty alleviation. The Evaluation of Farmer Painting Poverty Alleviation Project in Guizhou using the difference in difference （DID） and the data of the rural family survey data of the World Bank（2006-2017） finds the policy can lead to an additional 22.6% increase in the annual per capita income growth of poor families， and the effect is still significant after considering the policy intensity and quality. According to theory of mediation effects， the policy indirectly increases the per capita income of families by increasing the production time and sales income of cultural products， which results in the poor families to invest an additional 348 hours of cultural product production every year and obtain 9670 yuan of sales income of farmers' paintings. Estimates of the annual and cumulative poverty reduction rates show that the policy also has significant poverty reduction effects. The average annual and cumulative poverty reduction rates of the eight village groups covered by the project can be increased by 7.69% and 13.82% respectively. The estimated annual effect of the policy shows that the cultural industries poverty alleviation project can increase income and alleviate poverty.

Keywords： Cultural Industrial Poverty Alleviation; Agricultural Household Model; Farmer Painting;DID

引? 言

中國扶貧工作尤其是開發式產業扶貧政策為減少貧困人口做出巨大貢獻，被視為中國穩定脫貧的根本之策[1]。但隨著中國脫貧工作進入決戰決勝的最后攻堅階段，過去主要依賴自然資源的產業扶貧政策在缺乏生產條件的地區難以開展。而從其他國家的扶貧經驗來看，為克服自然資源對產業扶貧的限制，利用當地無形文化資源發展文化產業扶貧對增加貧困家庭收入具有顯著作用[2][3]。中國有豐裕的民族文化沃土，發展文化產業不僅是實現中國文化產業民族化和特色化發展的必由之路，也是中國缺乏生產條件的貧困地區和貧困家庭脫貧致富的有效途徑[4] [5]。此外，文化產業扶貧具有返貧率低和可持續發展的特征，能夠通過賦予貧困家庭新的生產機會提高家庭收入，改變民族地區貧困人口和貧困民眾的貧困狀況[6]。由于上述原因，2017 年中國文化部發布文化扶貧工作實施方案，鼓勵貧困地區在產業扶貧方面依托特色文化資源發展特色文化產業。

文化產業扶貧領域的現有研究基本集中在兩個方面：一是利用案例分析如何利用非物質文化資源發展文化產業并提高低收入家庭收入和減少貧困。如對馬來西亞特色音樂產業、哥倫比亞特色工藝品生產、意大利的文化創意產業以及韓國釜山地方文化產業的研究均發現，充分利用當地豐富的無形文化資源發展文化產業為當地低收入家庭增加收入提供了新的低風險就業機會，有利于缺乏就業技能的貧困家庭提高收入[7] -[10]。部分針對非洲和南美洲如坦桑尼亞、納米比亞、肯尼亞和秘魯等國農村地區貧困人口開展的文化產業扶貧項目評估也顯示，文化產業扶貧政策和配套的技能培訓可以為貧困人口提供文化產業就業的機會和獲得可靠收入來源，對增加貧困人口收入和減少貧困發生率都有顯著積極作用[11] - [14];二是對文化產業扶貧的多角度理論分析。這類研究一般從關注貧困地區入手，從產業扶持角度分析文化產業扶貧問題。現有研究基于理論或案例對文化產業扶貧的適用對象、作用機制和政策特點等方面進了分析，但目前的研究多限于基于政策實施角度的定性研究[15]-[18]。

從現有研究來看，該領域的研究存在兩個方面的擴展空間：一方面，文化產業扶貧政策對家庭微觀決策行為影響的作用機制研究不足。目前對文化產業扶貧的微觀理論研究尚處于起步階段，相關研究主要集中在對文化產業扶貧的理論內涵和困境對策等方面，且多基于政府的政策實現視角，從家庭微觀決策角度刻畫文化產業扶貧政策如何影響家庭行為和福利的系統分析相對缺乏[19];另一方面，實證研究領域分析文化產業扶貧對微觀家庭層面的政策干預效果評估相對缺乏。目前大量關于文化產業扶貧的文獻多是從理論層面或基于某個案例對文化產業扶貧進行的定性分析，對該政策效果微觀層面的實證研究尚未系統展開，這顯然影響了對文化產業扶貧政策效果的評估精度。

因此，從微觀家庭視角出發，在理論和實證兩個方面系統分析如何利用地區特色文化資源進行文化產業扶貧，對于中國貧困家庭提高收入水平和減少貧困具有重要意義。本文的主要工作和貢獻體現在兩個方面：理論方面，嘗試從貧困家庭的微觀視角入手，分析文化產業扶貧政策如何通過影響貧困家庭決策行為而改變家庭福利水平;實證方面，為精確評估文化產業扶貧對貧困家庭的政策干預效果，本文將貴州水城縣農民畫扶貧試點項目作為外生政策沖擊，利用世界銀行2006-2017年家庭層面的定點追蹤數據考察該文化產業扶貧政策在微觀層面的增收和減貧效果，并使用中介效應模型分析該政策的微觀作用機制。

基于上述分析，以下部分的結構安排為：第一部分基于貧困農業家庭決策模型，分析文化產業扶貧如何改變貧困家庭的生產決策，并通過增加文化產品收入最終增加家庭收入和提高福利水平;第二部分介紹貴州水城農民畫產業扶貧試點項目的基本情況，并給出實證分析框架和數據來源;第三部分和第四部分利用雙重差分（DID）模型給出該文化產業扶貧政策在增加家庭收入和減少貧困方面的干預效果，并利用中介效應模型驗證該政策通過改變家庭生產決策影響收入水平的作用機制;第五部分給出主要結論和政策含義。

一、微觀視角的文化產業扶貧模型

為考察文化產業扶貧政策的微觀作用機制，理論部分利用農業家庭決策模型分析文化產業扶貧政策在增加貧困家庭收入和提高福利水平方面的干預效果。在該模型中，半商品化的貧困農業家庭（Semi-commercial Agriculture Household）被視為同時進行多產品生產和消費決策單位[20] - [22]，勞動時間的機會成本、完全收入（full-income）約束和技術效率作為家庭決策的影響因素[23]，在政策干預方面則將文化產業扶貧項目視為對家庭決策的純粹政策外生沖擊。

首先假設代表性貧困農業家庭i依賴其擁有的土地和勞動力生產某種同質主糧，則家庭福利水平受時間稟賦、家庭生產函數和家庭預算三方面的約束。貧困農業家庭效用最大化決策問題可被表述為：家庭基于現有資源和技術稟賦配置農業勞動La和固定要素投入A生產農產品并售賣其中的部分農產品（Qa-Xa），通過消費自產農產品Xa、其他商品Xm以及享受閑暇Xl最大化其效用，該最大化決策可寫為：

（1）

其中，U為效用函數，τ是體現家庭消費效應中閑暇和商品替代關系的偏好參數。pa、pm和pl分別為主糧、其他商品和閑暇的市場價格（勞動力市場出清時閑暇價格pl等于工資率w），家庭時間稟賦T包括生產時間La和消費閑暇X l，E為非生產額外收入。則最大化效用時家庭福利水平可表示為：

（2）

顯然，貧困家庭在現有資源約束下已最大化其效用，但資源稟賦有限導致家庭最優化決策不足以獲得足夠收入和脫離貧困。同時，由于影響家庭福利水平的變量均為外生變量，這暗示如果不存在外部條件變化其家庭決策和福利水平不會改變，在現有條件下可能處于長期貧困，需要扶貧政策干預。

（一）文化產業扶貧政策的干預效果

假設政府通過投資I開發當地的特色文化資源C，形成文化產業并賦予貧困家庭非競爭性的文化產品生產資料C（I）和新的工作機會。貧困家庭則改變家庭生產函數和時間分配，投入時間Lc生產出價格為pc的文化產品Qc，最終提高收入和改善福利水平。那么參與文化產業扶貧政策的家庭效用最大化行為可以刻畫為：

（3）

顯然，分析該文化產業扶貧政策前后家庭福利水平變化可以得到命題1：文化產業扶貧政策可以增加貧困家庭收入和提高福利水平。

證明：首先，由于文化產業扶貧提供了新的生產條件并可能增加家庭產出和收入，貧困家庭將通過增加文化產品生產的勞動供給和獲得文化產品產出，最終增加收入和提高家庭福利水平。由公式（3）最大化效用時的一階條件容易得到pa?Qa1/La1= pc?Qc1/Lc1=w，此時最大化效用時家庭福利水平可以表示為：

（4）

該均衡條件表明，參與文化產業扶貧項目的貧困家庭福利水平除外生變量外還依賴于政府投資的文化資源C（I）。在不存在投資風險和效用線性可加的假設下，福利水平W1*顯然更高，即文化產業扶貧提高了家庭收入和福利水平，并有可能幫助該家庭擺脫貧困。

（二）文化產業扶貧政策的微觀機制

其次，分析家庭福利水平的變化過程可以得到命題2：文化產業扶貧政策導致家庭增加文化產品勞動時間以改變家庭的生產決策，并通過增加文化產品收入間接提高家庭收入和增加福利水平。

證明：由于貧困農業家庭決策模型中的生產函數決定收入和時間分配并最終影響家庭消費水平和效用，因此文化產業扶貧政策本身并不改變直接效用函數，而是通過重新配置勞動時間首先改變生產函數和收入水平，并最終間接影響家庭福利水平。對于參與文化產業扶貧項目的代表性貧困家庭，該政策干預微觀作用機制依次表現為：（1）時間配置變化。文化產業扶貧提供了新生產資料C（I），這意味著家庭需要在兩種類型的生產中重新分配勞動時間。由于時間稟賦T給定且貧困家庭更傾向于生產而不是閑暇，如果文化產品生產具有更高邊際產出，貧困家庭必然減少閑暇甚至其他勞動時間并增加價格為pc的文化產品生產時間Lc1;（2）生產函數變化。在獲得新生產資料和分配新的勞動時間后，家庭生產函數變為包含農業生產和文化產品Qc1生產的多產品生產函數;（3）預算約束變化。假設文化產品全部用于銷售而不是自我消費，則家庭約束由于增加文化產品收益而增加預算;（4）效用和福利水平變化。現金收入增加導致通過消費各種商品獲得的效用增加并同時遭受閑暇損失，在貧困家庭的閑暇效用低于消費商品效用的假設下，必然導致總效用增加和福利水平提高。

二、貴州農民畫產業扶貧政策的基本內容、數據來源和實證框架

為進一步檢驗理論部分的主要結論，實證分析部分基于2013年開始的中國貴州水城農民畫扶貧試點項目對文化產業扶貧政策的干預效果進行微觀層面的檢驗，主要考察該扶貧項目對當地貧困家庭增加收入和減少貧困的干預效果，以及該政策的微觀作用機制。

（一）貴州水城農民畫產業扶貧政策的背景和基本內容

六盤水市水城縣位于貴州省西部，2012年該縣的貧困發生率超過38%。目前仍屬于貴州省深度貧困縣和國家級貧困縣。涉及本文研究對象的A村屬于高寒山區，當地經濟以農業為主但缺乏耕地資源且交通不便。對當地貧困家庭的調查顯示，該地區貧困原因中缺生產資料（土地或資金）和缺技術的家庭占比高達80%，貧困家庭迫切需要增加生產資料或技能獲得收入。但由于土地資源等生產資料匱乏，發展特色農業缺乏物質條件，導致減貧工作開展困難。黨的十八大以來，水城縣開始積極探索創新民族文化助力精準扶貧的長效機制，通過加大對民族文化的挖掘、整理、保護和開發，把民族文化作為精準扶貧的出發點和落腳點。當地特色文化資源為起源于1983年的水城農民畫，經過多年發展已成為貴州省特色文化品牌。但過去當地居民僅將其作為一種當地傳統文化，沒有實現經濟效益。受制于生產條件的限制，當地政府考慮利用非物資的文化資源擺脫貧困，即通過培訓當地貧困村民利用閑暇時間學習農民畫以增加收入。

2013年當地政府開始農民畫產業扶貧試點項目，各級政府與相關部門采取了一系列農民畫文化產業扶貧政策措施幫助當地貧困家庭增加收入。目前的試點措施有：（1）通過技能培訓增加農民利用文化資源的能力。由于貧困人口需要獲得一定繪畫技能才能利用該文化資源增加收入和擺脫貧困，因此當地政府從2013年開始在A村開辦農民畫培訓班試點，政府派專門繪畫人員對貧困村民進行農民畫技藝培訓。截至2017年，該村的233戶貧困戶家庭有205戶參與該培訓;（2）采用“合作社+農民畫創作者”的模式。由于農民畫為當地村民基于自己理解對農村生活的描繪，每幅農民畫都不相同，因此該產品屬于異質性極強的小眾文化產品，在生產環節不適合大規模標準化生產，但在銷售環節需要統一營銷以節省成本。因此，該村農民畫創作人員以技術入股，合作社負責銷售協調服務，按照97：3的股比分紅。這一模式既實現了銷售渠道的規模經濟，也體現了文化產業中人力資本的重要性;（3）政府扶持塑造品牌和提供營銷渠道。由于合作社宣傳能力相對有限，政府利用各種途徑對該農民畫進行宣傳，為農民畫的展示、交易、交流、合作提供平臺。經過5年左右的努力，該村參與農民畫扶貧的貧困家庭通過學習和銷售農民畫實現了收入的較大幅度增加，并且大部分家庭都已經脫貧。

（二）數據來源

本文的原始數據來自基于世界銀行貸款項目支持的對中國貴州微觀家庭不間斷年度追蹤調查，該調查時間范圍跨度為2006-2017年共12年。具體到本文研究，采用的家庭微觀數據來自該數據庫中涉及受貴州水城農民畫文化產業扶貧項目影響的A村和未受該項目影響而作為對照組的B村，共涉及按照國家或貴州地方標準確定的在2012年被認定為貧困戶的家庭428戶共1793人（覆蓋兩個村的全部貧困戶，非抽樣）。其中，該項目試點政策所覆蓋A村有貧困家庭233戶共1016人，未被該政策影響的B村共有貧困戶195戶777人。

表1 家庭樣本的分布情況

政策覆蓋 村 2012年是否貧困戶 村民小組（個） 家庭（戶） 人口（人）

是 A村 是 8 233 1016

否 B村 是 8 195 777

數據來源：根據本項目家庭調查數據匯總。

（三）實證框架

由于該農民畫產業扶貧政策的覆蓋對象和實施時間非常明確[ 需要指出的是，由于中國產業扶貧政策多為自愿參與型政策，相對于強制性參與政策（如稅收政策）或收益確定的高參與政策（如貧困戶補貼政策），產業扶貧政策在一定程度存在“政策全覆蓋但參與者未必全部同時參加”的自選擇問題。但仍可以認為這類政策具有明確的作用時間，其理由是：一方面，從政策本身和政策覆蓋的角度來看該政策的作用時間明確。如本項目中從2013年開始A村的全部貧困戶都有資格參與該項目，從這個角度來看政策始終覆蓋該村全部貧困戶。參與行為差異不來源于政策，而來自貧困戶的選擇行為;另一方面，平均政策效果本身也是政策作用的體現。由于政策效果為全體被政策覆蓋貧困戶的平均效果（政策效果/全覆蓋貧困戶），因此其平均效果體現了對全體覆蓋對象的影響。]，且調查樣本時間跨度足夠長并包含政策實施年份，因此本文將采用雙重差分方法進行家庭層面的扶貧政策效果估計，具體政策估計的框架設計為：

政策處理效果的衡量。根據作為局部試點的文化產業扶貧項目，該政策覆蓋的家庭僅限于A村的233戶貧困家庭， B村的195戶貧困戶不受該政策影響。因此，在基本模型中將A村233戶貧困戶作為政策處理組，B村196戶貧困家庭作為不受政策影響的對照組;在政策時間方面，由于項目正式開始于2013年，而調查數據包含該政策實施前的2006-2012年共7年和2013-2017項目實施后共5年的數據。因此，在政策時間變量的處理上，將2006-2012年設置為政策前，將2013-2017年設置為該政策實施時間。另外，由于該扶貧項目涉及繪畫技術培訓，因此接受培訓的個體差異必然導致不同家庭受政策影響的程度不同。為刻畫該差異，擴展研究中分別采用家庭層面的農民畫銷售收入增長衡量政策實施強度的個體差異，用貧困家庭參與農民畫學習的時間衡量干中學效應和時間學習效應在家庭間的個體差異。

因變量的衡量。文化產業扶貧項目的首要任務是增加貧困戶的人均家庭收入和最終減少貧困人口，因此因變量采用家庭當年人均收入作為該文化產業扶貧政策增加收入效應的衡量指標。基于歷年的持續跟蹤調查數據，我們用428戶家庭戶2006～2017年的年度人均收入數據作為因變量的衡量指標，共包括5136個觀測值。此外，為測度該文化產業扶貧項目對脫貧效果的影響，在第四部分采用村民小組層面的每年新增脫貧家庭比例和累計脫貧家庭比例作為因變量衡量該政策的減貧效果，共涉及2006～2017年的16個組（處理組和對照組各8個）共192個觀測值（處理組和對照組各96個觀測值）。

控制變量。雖然本文主要在DID框架下考察處理組和對照組的政策干預效果，但考慮到兩個組影響家庭人均收入的因素未必完全隨機，仍需要加入控制變量。基于現有對農村家庭人均收入影響的文獻，本文涉及的控制變量包括：（1）勞動力個體特征。由于家庭勞動力是家庭生產和收入的主要影響因素，因此影響收入的勞動力個體特征都需要考慮。基于文獻和數據可得性，這里主要考慮家庭勞動力年齡、受教育水平、健康狀況、是否殘疾和家庭負擔等變量。由于采用人均家庭收入做因變量，因此家庭規模不需要控制;（2）家庭生產條件。由于收入水平還取決于家庭生產條件，因此這里進一步控制了家庭人均耕地面積、機械化水平和勞動力數量;（3）其他非生產性收入。考慮到貧困家庭獲得的非生產性收入較普通家庭占總收入比例更高，因此家庭貧困補貼和子女教育補貼等的非生產性收入也被納入;（4）對于區域性差異和不可觀測的家庭差異，采用估測對象編號主要進行了組層面和家庭層面的控制。此外，我們將貧困戶家庭的致貧原因（按照中國精準扶貧調查問卷中的11類致貧原因標準設置）作為控制變量，以控制家庭個體層面上影響家庭人均收入的不可觀測因素。

表2顯示了上述主要變量的定義、衡量指標以及政策前后處理組和對照組在變量均值上的基本統計特征。可以看出，控制組和對照組在絕大部分控制變量方面的差異不大，接近隨機分組狀態。而在因變量人均家庭收入方面，政策前差異不顯著，政策后差異非常明顯，這顯示該農民畫扶貧政策可能具有顯著的增加收入效果。

三、貴州農民畫特色文化產業扶貧的增收效應估計

（一）基本模型和回歸結果

命題1顯示，文化產業扶貧政策可通過改變貧困家庭收入提高家庭收入和福利水平。為驗證該命題，首先在家庭層面上考察農民畫產業扶貧政策的增收效應，通過雙重差分比較2006-2017年期間受農民畫產業扶貧政策影響的A村233戶貧困戶家庭和非政策覆蓋范圍的B村196戶貧困戶其家庭人均收入變化情況，因變量為貧困戶家庭的當年人均收入對數值。基本回歸模型為：

這里TREAT為政策變量的向量，政策時間變量postFP在2012年后均等于1。研究對象為全部428戶貧困戶家庭，并將該項目覆蓋的A村233戶貧困戶定義為處理組，未受政策影響鄰村B的 195戶貧困戶定義為對照組。此外，控制變量Z為影響貧困家庭人均收入的一系列變量，變量δ和f則分別控制年固定效應和家庭固定效應。按照倍差法的設計框架，TREATi和postFPt交互項的系數β是標準的DID估計量。

基本模型的回歸結果見表3的列1和列2。其中，列2未控制其他影響因素，其結果顯示，該農民畫產業扶貧政策與貧困戶家庭人均收入之間存在顯著統計相關。即相對于未受政策影響的貧困家庭，受到農民畫產業扶貧政策影響的233戶貧困家庭在2012年后其家庭人均收入每年額外提高了26.8%。列1則為考慮了各種控制變量后的回歸結果，對比可以發現控制變量對政策干預效果影響不大，其系數顯示農民畫產業扶貧政策的增加收入效應為22.6%且仍在1%水平統計顯著。回歸結果顯示，由于針對A村貧困家庭開展的農民畫扶貧試點項目干預，相對于B村未受到該政策影響的195戶貧困家庭，該項目導致該村233戶貧困家庭在政策實施后其人均家庭收入增長率額外提高約22.6個百分點。由于2012年后未受到農民畫扶貧政策影響的B村貧困戶在2013～2017年的年均人均收入增長為21.08%，這意味著該政策對受政策影響的貧困戶產生了約107%（=22.6%/21.08%）的額外增收效果，農民畫對貧困家庭的增收效果非常顯著。

基本模型的回歸結果雖然顯示該農民畫產業扶貧項目的政策效果非常顯著，但DID的系數β在基本模型中存在諸多假設需要加以放松。首先需要考慮政策強度在家庭層面上的差異。在基本模型中，政策扶貧的增收效應僅被衡量為貧困戶是否被該政策覆蓋，即只要參與該項目，其政策強度被假設為大小一樣。而調查結果顯示，盡管對貧困戶提供了同樣的政策支持，但由于各種不可觀測的原因（如個人繪畫天賦和參與程度）等，參與項目的貧困戶從項目中獲得的農民畫收入存在較大差異。因此，將政策效果簡單處理為0和1不能充分展示處理組中不同貧困家庭其受政策影響程度不同的差異。基于該考慮，我們利用連續DID衡量政策處理強度進行進一步測度。結果顯示，當考慮用農民畫銷售收入衡量政策強度在家庭間的差異后政策的增收效應仍然顯著。表3中列3和列4的政策效果系數顯示，相對于不受政策影響的貧困戶家庭，受政策影響的貧困戶家庭其農民畫收入每增長1000元，其家庭人均收入每年額外提高3.59%，相當于未受政策干預的貧困戶年均人均收入增長的0.17倍（=4.09%/21.08%）。

進一步考慮文化產業扶貧政策實施中的學習效應。農民畫能否賣出或賣出更高單價還取決于創作者繪畫水平（農民畫質量），除去不可觀測的繪畫天賦外，農民畫質量主要與貧困戶參與培訓和開始創作的早晚有關。調查結果顯示，部分農民在第一期就參加了培訓，大部分都是在第二年或更晚時期加入，這意味著在其他條件相同的情況下，更早參與培訓和創作的貧困戶可能在農民畫創作技法上更嫻熟，其通過售賣農民畫獲得的收益也更高（更高售出概率和更高價格）。調查顯示，大約1/3家庭的家庭在項目初期參加了培訓，而到調查結束時，除了8個家庭由于缺乏合適人選沒有參加項目培訓外，其余225家均參加了該項目培訓并獲得農民畫銷售收益。因此，從參與該項目的時間上來看，參與越早的貧困戶越可能獲得更多收益。采用連續DID進一步控制農民參與繪畫培訓時間后對該模型進行了擴展分析，表3中的列5和列6回歸結果顯示，考慮農民畫質量后貧困戶每早一年加入該項目，其收入將額外增長8.01%（1%水平顯著）。這暗示，相對于到2017年才加入該項目的貧困戶，在2013年就參加培訓和創作的貧困戶在2017年的額外收入增長更快，即該特色文化產業扶貧政策存在“干中學”和時間上的學習效應。。

（二）平行趨勢檢驗和政策年度效應

上述DID政策評估的一個潛在挑戰是處理組和對照組之間的收入差異變化可能是由時間趨勢預先存在差異導致，基本模型假設處理效應系數β只有在處理組和對照組之間不受扶貧政策影響的收入差異在時間上保持不變時才一致。為處理該問題，允許在政策發生前系數βt可以在處理組和對照組之間存在變化，基于可獲得的數據，以2006年為基期的平行檢驗基本模型為：

表4的平行檢驗結果顯示，整體來看2013年前處理組和對照組之間不存在系統差異，除離政策實施時間較遠的2008年以外，其余年份平行檢驗的系數均不顯著。尤其是政策實施的前4年（2009-2012年），各年系數均不顯著。因此，可以判斷該政策實施前處理組和對照組的家庭人均收入增長呈明顯平行趨勢。

此外，基礎模型僅顯示政策對增加收入的平均效果，考慮到特色文化產業扶貧的穩定脫貧問題，我們更感興趣的是該政策效果在實施后的各個年度是否存在差異。此外，從實踐角度來看，文化產業扶貧的政策效果有可能出現滯后和逐年增強的性質，其原因有二：第一，與其他產業扶貧政策一樣，農民畫產業扶貧政策并非直接給予補貼的扶貧項目，貧困戶家庭通過售賣農民畫獲得收益存在不確定性，這必然導致項目實施初期有相當部分的貧困戶處于觀望狀態，未必一開始就參加培訓或在初期投入較多時間進行訓練和創作;第二，與生產工業產品一樣，參加農民畫產業扶貧項目后，需要投入較多個人時間通過項目培訓和創作才可能創作出質量較高的農民畫，增加出售概率。即該項目是通過投入大量時間反復訓練提高技能水平才能生產合格的產品，可能存在“干中學”效應和學習的時間效應（time to learn）。因此，隨著政策實施持續推進和參與培訓的貧困戶數量增長，貧困戶的繪畫技能也更加嫻熟，從該項目中獲得的收益更大。基于上述分析，文化產業扶貧政策的收入效應可能在時間上存在持續效果，并隨著培訓和持續創作時間的增長而放大。例如，政策初期的2013年，絕大部分的貧困戶基本都是沒有經過繪畫技術系統訓練的低技能勞動者，其通過農民畫售賣獲得收益的可能性較低，政策效果可能不明顯。而通過其后的持續訓練，農民畫質量可能逐步提高并增加銷售收入，政策效果將可能明顯且持續擴大。

因此，除了基礎模型的平均效應外，這里進一步估計了年度政策效應以檢驗政策是否具有穩定提高收入的效果。基于上述考慮，采用年度處理效應系數βt可以展示在政策出臺后的第t年處理組和對照組之間的人均收入變化情況，并幫助估計這種政策干預效果是否存在滯后性：

表4中年度效應的回歸結果顯示，考慮到政策的年度效應后，各年政策效應的確呈現較大差異，并存在明顯滯后性和逐年擴大的效果。具體來看，2013年的βt系數僅為0.0276且不顯著，可能的原因是，2013年作為政策實施的第一年，由于大部分貧困戶都在進行技能培訓和初步創作，其創作的農民畫作品無論是數量還是質量都不高，因此2013年當年的政策增收效應并不明顯;其后，隨著培訓和創作時間的增長，政策帶來的增收效應開始顯現。2014～2017年政策效果系數βt逐漸增大，且均在1%水平顯著。即對于受到農民畫產業扶貧政策影響的A村233戶貧困戶家庭，在2012年后其家庭人均收入每年額外提高了分別為20.6%、31.2%、45.9%和65.7%。這意味著相對于無政策影響的B村195戶貧困戶，該文化產業政策在2014年到2017年期間幫助A村的貧困家庭人均收入產生了顯著的額外增長效果。此外，這一時期年度政策效應的回歸結果也暗示，該農民畫產業扶貧的政策干預效果可能具有穩定脫貧的性質，且該效果存在時滯并隨政策實施而不斷變大。

（三）文化產業扶貧機制的中介效應分析

前一部分雖然已經從家庭微觀層面評估了農民畫產業扶貧政策的增收效應，且回歸結果符合預期并證明了命題1的主要結論，但對該政策的作用機制還有待繼續檢驗。命題2顯示，文化產業扶貧政策主要通過推動貧困家庭改變生產決策并最終增加家庭人均收入和提高福利水平。為進一步明確政策機制是通過增加文化產品生產而提高福利水平，這里利用中介效應模型分析該政策的作用機制是否成立。基于上述分析，我們將分別用家庭參與農民畫創造時間和農民畫銷售收入作為中介變量，分析該政策是否通過家庭增加文化產品生產而間接提高家庭人均收入，則中介效應模型為：

顯然，根據上面的作用機制分析，文化產業扶貧政策將首先將影響中介效應模型中的農民畫生產和銷售，并最終影響家庭人均收入。回歸分析的結果見表5。

首先從生產函數的要素投入視角考慮農民畫創作時間作為中介變量的效果，表5中列1的回歸結果顯示，文化產業扶貧政策導致參與該項目的貧困家庭平均每年增加348小時進行農民畫創作工作。在考慮該中介效應后，列2的結果顯示文化產業扶貧政策對家庭人均收入的直接影響不再顯著，而農民畫創作時間對家庭人均收入的影響仍然顯著，這意味著這該項目對家庭收入影響為完全中介效應。完全中介效應的計算結果為0.226（=3.481*0.065），這說明文化產業扶貧政策并不直接影響家庭收入，而是通過增加農民畫創作時間而導致受政策影響貧困家庭的人均收入每年額外增加22.6%;列3和列4則從生產函數的產出視角出發，采用農民畫銷售收入作為中介變量的效果同樣顯示了完全中介效應，文化產業扶貧政策首先導致參與項目的家庭每年農民畫收入平均增加了9670元，并且在考慮該中介變量后政策的直接效果同樣不再顯著。完全中介效應的計算結果為0.223（=9.67*0.0233），這再次暗示該政策是通過影響農民畫收入最終間接提高貧困家庭人均收入。

因此，綜合上述中介效應模型的分析結果可以發現，農民畫產業扶貧政策首先促使家庭改變了生產決策，通過增加農民畫創造時間提高農民畫銷售收入，并最終提高了家庭人均收入，命題2得到驗證。此外，為進一步明確政策機制僅通過增加文化產品生產而提高收入水平，我們還做了兩個間接佐證分析：首先用非繪畫收入代替總收入進行DID分析，結果顯示該政策對非繪畫收入并無顯著影響;其次，采用非繪畫收入作為中介變量進行中介效應分析，結果顯示該中介效應并不存在。因此，該政策的作用機制明確是通過參與農民畫創作間接提高家庭人均收入水平。

四、貴州農民畫特色文化產業扶貧的減貧效果

考慮到農民畫產業扶貧政策的最終目的是幫助貧困家庭脫貧，有必要進一步討論該政策的減貧效果，因此在村民小組層面上將因變量衡量為每個村民小組的脫貧家庭比例。這里，2006～2017年期間428個貧困戶家庭的微觀樣本共涉及16個村民小組共192個觀測值，每個小組的人數從20人到46人不等，其中8個小組為政策覆蓋的處理組，8個小組為政策未覆蓋的控制組（小組基本情況參見表6）。模型設計和回歸方法與家庭層面的實證設計類似，僅將觀測對象從微觀家庭加總為小組，且因變量變為每個小組每年脫貧家庭占全部小組家庭的比例。具體分析時因變量包括每年新增脫貧比例（當年新增脫貧家庭數/小組家庭數量）和累計脫貧比例（累計脫貧家庭數/小組家庭數量）兩類，前者刻畫政策扶貧每年的新增脫貧家庭占比，后者展示政策實施后累計脫貧家庭占比，回歸結果見表7。

表7中列1結果顯示，當因變量為每年新增脫貧家庭比例時，農民畫產業扶貧政策與各小組每年新增脫貧家庭比例之間存在顯著統計相關。即相對于未受政策影響的村民小組，受到農民畫產業扶貧政策影響的8個村民小組在2012年后其新增脫貧家庭比例每年額外提高了7.69%，且在1%水平統計顯著。這意味著，相對于2012年后處理組大約7.45%的年平均脫貧率，該政策產生了103%（=7.69%/7.45%）的額外減貧效果。考慮到政策強度差異和政策學習效應的組間差異后，列2和列3采用與家庭層面類似的回歸方法評估該政策效果，發現該政策對貧困戶家庭的脫貧效應仍然正向顯著。政策強度的系數顯示，相對于不受政策影響的貧困戶家庭，受政策影響的小組其農民畫收入每增長1000元，其脫貧比例每年額外提高1.22%。政策學習效應的系數顯示，小組中家庭平均每早一年加入該項目，其每年新增脫貧家庭比例額外增加2.83%（1%水平顯著）。這暗示，相對于到2017年才加入該項目的小組，在2013年就全部參加培訓和創作的小組其每年減貧比例更高。

在衡量該政策的累計減貧效應方面，表7中第4-6列的回歸結果證明該政策有極為顯著的減貧效果。列4的結果顯示，相對于未受政策影響的村民小組，受到農民畫產業扶貧政策影響的8個村民小組在2012年后其年累計脫貧家庭比例額外提高了13.82%，且在1%水平統計顯著。這意味著，相對于2012年后處理組大約17.8%的年累計平均脫貧率，該政策產生了77.64%（=13.82%/17.8%）的額外減貧效果。考慮政策強度差異和政策學習效應后的政策脫貧效應與前面類似且都在1%水平顯著。政策強度回歸結果顯示，受政策影響的小組其農民畫收入每增長1000元，其脫貧比例每年額外提高3.59%。政策學習效應的結果顯示，小組中家庭平均每早一年加入該項目，其年累計脫貧家庭比例額外增加4.99%。

與微觀層面的政策增收效應類似，為探討該政策的年度減貧效應，我們同樣采用年度處理效應系數展示政策實施后第t年處理組和對照組之間的年度新增脫貧率和累計脫貧率，并分析政策減貧效應的滯后性。回歸結果見表8，結果顯示考慮到農民畫扶貧政策的年度效應后，政策效應存在明顯時滯和年度差異的效果。

首先考察年新增脫貧家庭比例，回歸結果顯示，2013年和2014年的政策減貧系數均不顯著，可能的原因與政策的增收效應類似。結合前面的分析可以推測，2013年主要工作是培訓，當年政策增收效應不明顯，因此更談不上減貧效應。2014年雖然通過銷售農民畫增加了收入，但收入增長幅度尚不足以保證大部分家庭收入高于貧困線;其后，隨著政策帶來收入不斷增長，從2015年開始，該政策的減貧效應開始逐步顯現。2015的脫貧系數為17.30且均在1%水平顯著，即對于受到農民畫產業扶貧政策影響的貧困戶小組，經過2013和2014年的收入增長積累，在2015年后其家庭當年新增脫貧比例額外提高了17.3%，而即額外導致政策效應導致約40戶貧困戶家庭脫貧（無政策的反事實估計當年僅有脫貧18戶，實際脫貧58戶）。該政策在2016年到2017年期間的脫貧效應仍然顯著但存在波動，2016年政策效果有所減弱，額外增加脫貧家庭約5.88%（約14戶），2017年政策脫貧效果為13.28%（約31戶）。年度政策效應的回歸結果說明，該農民畫產業扶貧政策的脫貧效應時滯為兩年，相對于增收效應更慢一些，且效應隨政策時間存在差異。

進一步考察農民畫產業政策的累計脫貧效應，結果與新增脫貧效應類似，同樣存在約兩年的時滯，脫貧系數到2015年才開始顯著。由于是累計脫貧效應（考察期內樣本中沒有返貧的情況），因此減貧效應必然存在逐年擴大趨勢。到考察期結束時的2017年，該扶貧政策的累計脫貧效應顯示，對于受到農民畫產業扶貧政策影響的8個貧困戶小組，經過2013到2017年的政策脫貧效應累計，到2017年后這些小組的家庭累計脫貧比例額外提高了36.2%。無政策反事實估計顯示，如果沒有該政策，2017年8個處理組共233戶家庭的累計脫貧率僅為37.26%，即2013-2017年期間有87戶脫貧。但政策實施后實際脫貧171戶，脫貧比例為73.39%，即政策效應導致233戶貧困家庭中有84戶貧困戶家庭額外脫貧[ 穩健性檢驗方面做了如下工作（限于篇幅正文部分不報告具體結果）：第一，同時期其他政策的影響。。為處理可能存在同時期其他政策的影響，增收和減貧效果均利用A村和B村在2012年屬于非貧困家庭的205戶家庭作為新控制組進行了三重差分（DDD）檢驗，結果仍然穩健;第二，收入內生問題。雖然DID估計中內生問題不太嚴重，我們仍然采用了用家庭人均消費支出和人均耐用消費品支出替代家庭人均收入進行了DID檢驗，結果顯示，在用消費替代人均收入后，農民畫產業扶貧政策的效果仍然顯著。]。

五、主要結論

本文的理論部分從貧困農業家庭決策視角分析了文化產業扶貧政策如何通過改變貧困家庭決策行為以提高其效用水平，實證部分則基于2013年開始的貴州水城農民畫特色文化產業扶貧政策的準自然實驗，采用倍差法（DID）對農村貧困家庭2006～2017年的定點追蹤調查數據進行分析，以評估該扶貧政策的增加收入和減少貧困效應。主要結論有：

（1）理論分析顯示，基于無形文化資源的特色文化產業扶貧政策在一定程度上可以克服政府扶貧資金和當地物質生產條件的限制，通過開發無形的特色文化資源為貧困家庭提供新的就業機會，并通過改變家庭生產決策（增加文化產品生產時間和獲得文化產品銷售收入）間接提高了家庭收入和福利水平，具有穩定增收和脫貧的效果。因此，作為產業扶貧政策的新類型，文化產業扶貧政策可以成為在傳統產業扶貧難以實施地區開展扶貧的有益嘗試。

（2）實證分析方面考察了貴州農民畫文化產業扶貧政策的增收和脫貧效果，并考察了該政策的微觀作用機制，主要結論有：第一，文化產業扶貧可以有效增加貧困家庭的收入并改善其福利水平。利用雙重差分比較受農民畫產業扶貧政策影響的233戶貧困戶家庭和非政策覆蓋范圍的195戶貧困戶之間家庭人均收入變化后發現，通過實施農民畫扶貧政策可以額外提高年人均收入增長率22.6%，考慮農民畫繪制技能個體差異的連續DID分析顯示該特色文化產業扶貧政策對貧困群體的增收效應仍顯著，且上述分析均通過平行檢驗;第二，文化產業扶貧政策的微觀作用機制通過改變家庭生產決策間接影響家庭收入水平。利用文化產品生產時間和文化產品銷售收入作為中介變量的中介效應模型結果顯示，文化產業扶貧政策通過增加家庭文化產品生產的時間（平均384小時/年）增加文化產品收入（平均9670元/家），并通過這種生產決策的變化最終提高家庭人均收入;第三，文化產業扶貧可以有效降低貧困發生率。進一步討論政策在16個村民小組間的減貧效果后發現，該特色文化產業扶貧政策有顯著減貧效果，項目覆蓋的八個村民小組平均年脫貧率和累計脫貧率可以額外提高7.69%和13.82%;第四，文化產業扶貧政策在增收和減貧方面均存在穩定增長和脫貧的性質，且呈現明顯時滯和效果持續增加的效果。估計特色文化產業扶貧政策干預效果年度的結果顯示，文化產業扶貧的增收和減貧效應在考察期內均存在效果持續增加的趨勢。上述結果暗示，文化產業扶貧是一種基礎性、造血型和可持續性的扶貧方式，能夠實現社會效應與經濟效應的“雙效統一”。

參考文獻：

[1] 習近平.習近平扶貧論述摘編—在打好精準脫貧攻堅戰座談會上的講話[M].中央文獻出版，2018：83-84。

[2] Choi， Jong-Ryeol.， Kim， Dong-Hwan. A Study on the Vitalizations of Local Cultural Contents Industry by Contents Value Assessment （COVA） System Development[J]. Humanities Contents， 2010， 17（3）：253-277.

[3]Thorne， KMM.， Thorne， LMM.， Albor， GJR. Innovation， Cultural Industries And Local Development[J]. Dimension Empresarial， 2017， 15（1）： 279-302.

[4] 齊勇鋒，吳莉.特色文化產業發展研究[J].中國特色社會主義研究，2013（5）：90-96.

[5] 周建軍，張愛民.論特色文化產業的內涵和發展途徑[J].社會科學研究，2016（06）：119-121.

[6] 范建華.中國特色文化與特色文化產業論綱[J].學術探索，2017（12）：114-124.

[7] Young-Kyu， Jeong. Malaysian Cultural Characteristics and Growth Prospects of the Content Industry Focusing on Broadcasting and Music Album[J]. Annals of Korean Association of the Islamic Studies. 2013， 23（5）： 57-98.

[8] Roberto Suárez， Catalina González， Carrasquilla G. An Ecosystem Perspective in the Socio-Cultural Evaluation of Dengue in Two Colombian Towns[J]. Journal of Public Health， 2009， 25 （1）：104-114.

[9]Della Lucia， M.， Segre， G. Intersectoral Local Development in Italy： The Cultural， Creative and Tourism Industries[J]. International Journal of Culture， Tourism and Hospitality Research， 2017， 11（3）：450-462.

[10]Lee， Joon-Ho.， Kyung， Won Suk. Operational Strategies of Cultural Contents Industry Cluster in Busan： Based on In-depth Interviews with Local Experts on Cultural Industries[J]. Journal of Communication Science， 2017， 17（4）： 242-270.

[11] Anderson， W. Cultural Tourism and Poverty Alleviation in Rural Kilimanjaro， Tanzania[J]. Journal of Tourism And Cultural Change， 2015，13（3）： 208-224.

[12] Kimaro， M.E.， Ndlovu， J. Evaluating the Role of Small Private Tourism Businesses in Poverty Alleviation： A Corporate Social Responsibility Approach in Namibia[J]， Journal of Human Ecology， 2017， 58（3）： 132-145.

[13]Njoya， E.T.， Seetaram， N. Tourism Contribution to Poverty Alleviation in Kenya： A Dynamic Computable General Equilibrium Analysis[J]. Journal Of Travel Research. 2018， 57（4）： 513-524.

[14]Liorca-Rodriguez， C.M.， Casas-Jurado， A.C.， Garcia-Fernandez， R.M. Tourism And Poverty Alleviation： An Empirical Analysis Using Panel Data On Peru's Departments[J]. International Journal of Tourism Research， 2017， 19（6）： 746-756.

[15] 肖勉之.構建貴州省文化產業扶貧機制的思考[J].中共貴州省委黨校學報，2009（4）： 69-71.

[16] 胥悅紅.全球化時代的民族地區文化產業發展研究——基于文化資源商業模式與全產業鏈建構的探討[J].學術前沿，2016（11）：70-85.

[17] 熊正賢.特色文化產業扶貧的特征分析與績效問題研究——以武陵山區為例[J]. 云南民族大學學報（哲學社會科學版），2017（4）：108-115.

[18]趙迎芳.當代中國文化扶貧存在的問題與對策[J].理論學刊，2017（5）：113-120.

[19] Singh， L.， Squire， and J. Strauss， eds. Agricultural Household Models： Extensions， Applications， and Policy[M]. The Johns Hopkins University Press， 1986a： 71-91.

[20] Varian， H.R. Microeconomic Analysis[M]. 3rd Ed. W. W. Norton & Company， New York， 1992.

[21] Reid， M.D. The Economics of Household Production[M]. New York： Wiley， 1934.

[22] Mincer， J. Market Prices， Opportunity Costs， and Income Effects [C]. In Measurement in Economics， C. Christ， ed. Stanford， CA： Stanford University Press， 1963： 66-82.

[23] Becker， G.S. A Theory of the Allocation of Time[J]. The Economic Journal，1965， 75（299）： 493–517.

[24] Iqbal， Farrukh. The Demand and Supply of Funds among Agricultural Households in India [C]. In Singh， Squire and Strauss ed.， Agricultural Household Models： Application and Policy. Baltimore and London： John Hopkins University Press， 1986：183-205.

責任編輯：吳錦丹