農(nóng)地轉(zhuǎn)出對精準(zhǔn)脫貧戶多維貧困的緩解效應(yīng)
——基于傾向得分匹配的實證分析

張明珠, 孟 梅

(新疆農(nóng)業(yè)大學(xué) 管理學(xué)院, 烏魯木齊 850025)

經(jīng)過長期的實踐證明，農(nóng)地流轉(zhuǎn)作為農(nóng)戶土地資源配置的重要方式，能促進農(nóng)村經(jīng)濟發(fā)展[1-2]。十七屆三中全會以來，國家就開始以農(nóng)村土地經(jīng)營權(quán)流轉(zhuǎn)為核心推動土地規(guī)模經(jīng)營，2015年《中共中央國務(wù)院關(guān)于打贏脫貧攻堅戰(zhàn)的決定》明確要求，將加強土地流轉(zhuǎn)，作為提高貧困戶增收的脫貧路徑[3]。2017年中央農(nóng)村工作會議明確指出要把促進規(guī)模經(jīng)營與脫貧攻堅和帶動一般農(nóng)戶增收結(jié)合起來，政府也把“土地清理再分配扶持一批”作為脫貧攻堅“7個一批”里的一項重大舉措，可以看出國家把土地流轉(zhuǎn)作為減貧的手段，但如何有效地落地這些政策，農(nóng)戶的貧困是否能通過土地流轉(zhuǎn)真正得到緩解，這些問題值得討論。

大量研究表明，農(nóng)地流轉(zhuǎn)在增加農(nóng)民收入、降低耕地細(xì)碎化、改善經(jīng)營規(guī)模、促進非農(nóng)就業(yè)、保障國家糧食安全、改善農(nóng)戶家庭化流動等方面意義重大[4-6]，近幾年研究把土地流轉(zhuǎn)與貧困結(jié)合，提出不管是土地轉(zhuǎn)出還是土地轉(zhuǎn)入，均能降低農(nóng)戶的貧困發(fā)生率[7-9]。但是，也有學(xué)者認(rèn)為土地流轉(zhuǎn)并沒有很好地緩解貧困，并起著阻礙作用[10]。不難發(fā)現(xiàn)，理論界對于農(nóng)地流轉(zhuǎn)是否真正能緩解貧困還沒有統(tǒng)一的定論，且已有的文獻大多側(cè)重于農(nóng)地流轉(zhuǎn)對農(nóng)戶增收的影響[11-13]，并沒有較好地與農(nóng)戶的教育、健康、生活水平等可行能力剝奪問題聯(lián)系起來。

因此，本文借鑒已有思路，將在測算脫貧戶多維貧困指數(shù)的基礎(chǔ)上，重點研究調(diào)研區(qū)域的貧困狀態(tài)如何，農(nóng)地轉(zhuǎn)出能否真正緩解精準(zhǔn)脫貧戶的多維貧困。以期為調(diào)研區(qū)域的脫貧攻堅之路提供參考。

1 研究區(qū)概況

額敏縣位于新疆維吾爾自治區(qū)西北部，地理坐標(biāo)為東經(jīng)83°63′11″—84°40′13″，北緯46°47′41″—47°07′28″，轄區(qū)面積9 532 km2。轄13個鄉(xiāng)(鎮(zhèn))場、196個村(社)，有25個民族在這里相融共生，區(qū)域總?cè)丝?2萬人。全縣被識別的自治區(qū)貧困村有15個、非貧困村124個，目前貧困村已全部退出、貧困戶已全部脫貧。縣內(nèi)的農(nóng)業(yè)資源豐富，土地肥沃，現(xiàn)有耕地10.67萬hm2、天然草場70萬hm2，素有“糧倉、肉庫、油缸、糖罐”之稱。雖然全縣已脫貧摘帽，但大部分都是實現(xiàn)了“兩個不愁，三保障”，實現(xiàn)人均年收入達(dá)到3 700元(2019年脫貧線)單一維度而實現(xiàn)的脫貧摘帽，但在教育、健康、生活等多維度上仍有一些人處于貧困狀態(tài)。經(jīng)過長期的實踐證明，農(nóng)地流轉(zhuǎn)能促進農(nóng)村經(jīng)濟發(fā)展，帶動非農(nóng)就業(yè)，通過分析額敏縣貧困戶農(nóng)地轉(zhuǎn)出對多維貧困的緩解效應(yīng)，對進一步推進額敏縣農(nóng)地流轉(zhuǎn)、促進貧困戶減貧具有現(xiàn)實意義。

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源

本研究選取額敏縣的郊區(qū)鄉(xiāng)北郊村、霍吉爾特蒙古民族鄉(xiāng)闊克薩依村、瑪熱勒蘇鎮(zhèn)牧業(yè)村以及上戶鎮(zhèn)吾巴勒二村4個村為調(diào)研區(qū)域，這4個村耕地資源較豐富，且有兩個村為自治區(qū)級貧困村。采用面對面的問卷調(diào)查法。調(diào)研共發(fā)放318份問卷，收回有效問卷308份。在問卷錄入、生成數(shù)據(jù)后，剔除了樣本中部分存在變量缺失和數(shù)據(jù)失真的家庭后，共獲得305個有效樣本。因為參與農(nóng)地流轉(zhuǎn)的人中，僅有20戶為農(nóng)地轉(zhuǎn)入，所以，本次調(diào)研是把參與農(nóng)地轉(zhuǎn)出農(nóng)戶和未流轉(zhuǎn)農(nóng)戶作為研究對象，其中參與農(nóng)地轉(zhuǎn)出的脫貧戶有163戶，未參與農(nóng)地轉(zhuǎn)出的脫貧戶有123戶，共計285戶，實證分析在脫貧戶處于多維貧困狀態(tài)時，農(nóng)地轉(zhuǎn)出對其有無緩解效應(yīng)。

2.2 研究方法

2.2.1 多維貧困指數(shù)測算 Sen[14]提出貧困不僅僅表現(xiàn)為收入低下，更表現(xiàn)為可行能力的被剝奪。可行能力理論把注意力從以收入為標(biāo)準(zhǔn)判定貧困到包含了收入、教育、醫(yī)療、個人能力等多個維度判定是否貧困的轉(zhuǎn)變，拓展了對貧困的理解，為貧困的識別和測度提供了新視角。基于對可行能力理論的理解，研究農(nóng)地轉(zhuǎn)出是否緩解貧困，不能單看對農(nóng)戶的收入是否緩解，因為收入不是衡量農(nóng)戶家庭是否貧困唯一因素，還要考慮農(nóng)戶的多維可行能力貧困在農(nóng)地轉(zhuǎn)出后是否得到緩解，本文對多維能力貧因的緩解主要通過教育、健康、生活水平和壓力這4個維度來體現(xiàn)。由于多維貧困指數(shù)是通過在實地構(gòu)建多維貧困指標(biāo)獲得，因此，本文基于A-F方法構(gòu)建多維貧困指數(shù)，主要包括以下3個步驟：

(2) 多維貧困的測算。基于上述步驟可以算出貧困人口發(fā)生率(H)、多維貧困強度指數(shù)(A)，多維貧困指數(shù)(MPI)：

(1)

(2)

MPI=H×A

(3)

(3) 多維貧困指數(shù)的維度與指標(biāo)選取。由于2019年該縣已實現(xiàn)貧困摘帽，人均年純收入都已達(dá)到2019年貧困線的最低標(biāo)準(zhǔn)(3 700元)，因此本文沒將人均年純收入作為測算脫貧戶多維貧困指數(shù)的指標(biāo)，選取了除收入維度外的其他維度來測算當(dāng)?shù)氐亩嗑S貧困指數(shù)，選取依據(jù)為：一是國內(nèi)外學(xué)者常用的變量；二是為“兩不愁，三保障”需要確保完成的指標(biāo)；三是結(jié)合調(diào)研農(nóng)戶家庭狀況及區(qū)域經(jīng)濟發(fā)展程度，兼具數(shù)據(jù)的可得性，最終確定多維貧困指標(biāo)體系從4維度構(gòu)建，即，教育、健康、生活、壓力，包含10個指標(biāo)。

權(quán)重確定上，現(xiàn)有文獻大多采用等權(quán)重法[15-17]，也有學(xué)者采用主成分分析法、熵值法進行非等權(quán)重賦值[18]，雖避免了權(quán)重設(shè)置過程中主觀性過強的問題，但其根據(jù)數(shù)據(jù)推導(dǎo)的指標(biāo)權(quán)重解釋能力有限且難以反映權(quán)重設(shè)置中的價值觀。因此，本研究仍選取常用的等權(quán)重方法確定權(quán)重，構(gòu)建了農(nóng)戶多維貧困指標(biāo)體系(表1)。

表1 多維貧困指標(biāo)體系與權(quán)重

2.2.2 傾向得分匹配法 農(nóng)戶參與農(nóng)地轉(zhuǎn)出是農(nóng)戶根據(jù)自身情況做出的選擇，是自選擇的結(jié)果。因此，對土地的依賴程度、自身的狀況、政策了解度等都將決定農(nóng)戶是否將農(nóng)地轉(zhuǎn)出，而這些因素同時也會對多維貧困指數(shù)產(chǎn)生影響，這就導(dǎo)致在估計農(nóng)地轉(zhuǎn)出對農(nóng)戶多維貧困影響時存在內(nèi)生性問題，即家庭參與農(nóng)地轉(zhuǎn)出的行為不僅與多維貧困指數(shù)相關(guān)，也與誤差項相關(guān)。

鑒于此，本文對由于自選擇導(dǎo)致的偏差問題采用傾向得分匹配法解決。將參加農(nóng)地轉(zhuǎn)出的設(shè)為試驗組，未參加農(nóng)地轉(zhuǎn)出的視為控制組，進行分析，我們實際關(guān)心的是試驗組如果不參加農(nóng)地轉(zhuǎn)出，是否比參加農(nóng)地轉(zhuǎn)出對農(nóng)戶多維貧困緩解效應(yīng)小，但一個個體只能處于其中一種狀態(tài)，無法同時觀測到Y(jié)0i(參與農(nóng)地轉(zhuǎn)出)和Y1i(不參與農(nóng)地轉(zhuǎn)出)的值，也就無法得到處理效應(yīng)，即，一個農(nóng)戶參加農(nóng)地轉(zhuǎn)出對緩解多維貧困效應(yīng)減去假設(shè)農(nóng)戶沒有參加農(nóng)地流轉(zhuǎn)對緩解多維貧困的效應(yīng)。而Rubin Causal Model(1974年)提出的傾向得分匹配模型是人為假設(shè)這個已經(jīng)參與土地流轉(zhuǎn)的農(nóng)戶沒有參與土地流轉(zhuǎn)對緩解多維貧困的的效應(yīng)是多少，也就是反事實框架，用Y1i-Y0i就是試驗本身的結(jié)果，其基本思想就是找到與試驗組(農(nóng)地轉(zhuǎn)出戶)相似的控制組(農(nóng)地未轉(zhuǎn)出戶)，再去比較參與農(nóng)地轉(zhuǎn)出對農(nóng)戶多維貧困是否有影響，也降低樣本自選擇偏誤，得到ATT，即農(nóng)地轉(zhuǎn)出后農(nóng)戶多維貧困的平均處理效應(yīng)。

ATT=E(MPI1|TDLZ=1)-E(MPI0|TDLZ=0)

(4)

MPI1表示農(nóng)戶農(nóng)地轉(zhuǎn)出后的多維貧困狀況，MPI0表示農(nóng)戶農(nóng)地轉(zhuǎn)出之前的多維貧困狀況，為獲得反事實結(jié)果主要有兩個步驟：一是采用Logit模型計算出每個家庭的傾向得分，二是檢驗匹配效果。

3 結(jié)果與分析

3.1 農(nóng)戶多維貧困的測度

3.1.1 單維貧困狀態(tài)分析 表2為10個指標(biāo)的貧困發(fā)生率。首先，應(yīng)重點關(guān)注的是調(diào)研區(qū)域仍然有70.17%的家庭做飯用的燃料是煤或者木柴，有66.31%的家庭沒有沖水廁所，有59.29%家庭勞動力最高文化程度初中及以下，有53.33%的家庭中家庭成員患慢性病，可以看出有一半以上的農(nóng)戶在這4個指標(biāo)處于被剝奪狀態(tài)。表明大部分家庭仍使用煤炭做燃料，長期使用煤炭不僅污染空氣還對人的身體有較大的危害，沒修建沖水廁所不僅容易滋生細(xì)菌，而且不利于人的身體健康，教育水平低等這都在一定程度上加大了農(nóng)戶的可行能力貧困。其次，應(yīng)關(guān)注有49.82%的家庭有撫養(yǎng)壓力，有28.42%的家庭不會聽說寫漢語，表明部分農(nóng)戶家庭的撫養(yǎng)壓力大，勞動力水平較低，加之漢語水平程度不高，不利于獲得就業(yè)機會。最后，在飲水來源、家庭成員有殘疾人、家里有65歲以上老人、家里有重大疾病這幾個剝奪指標(biāo)的貧困發(fā)生率分別為16.84%，15.08%，11.92%，11.28%，經(jīng)調(diào)查發(fā)現(xiàn)在調(diào)研區(qū)域中主要是上戶鎮(zhèn)吾巴勒二村有一部分農(nóng)戶飲水來源還是井水，水質(zhì)一般，主要原因是這部分農(nóng)戶所住的地方地勢比較高，自來水目前供應(yīng)不上，不過村里正在解決該問題，雖然在這幾個方面的貧困發(fā)生率不高，但仍應(yīng)予以重視。

表2 單維貧困指標(biāo)發(fā)生率 %

從是否參與農(nóng)地轉(zhuǎn)出來看，在受教育年限、患慢性病、衛(wèi)生設(shè)施、做飯燃料這4個指標(biāo)上轉(zhuǎn)出戶和未轉(zhuǎn)出忘掉的貧困發(fā)生率都較高，面臨較嚴(yán)重的貧困問題，兩者相比，未轉(zhuǎn)出農(nóng)戶在很多指標(biāo)上面臨的問題更為嚴(yán)重，貧困發(fā)生率高于農(nóng)地轉(zhuǎn)出戶。

3.1.2 不同剝奪臨界值下的多維貧困指數(shù)K的取值目前尚未統(tǒng)一，通過閱讀文獻[19-20]，大部分學(xué)者采用K取0.3左右研究。由表3可以看出，通過整理數(shù)據(jù)，本文計算多維貧困指數(shù)時將K的取值范圍劃分為0.1～0.6，當(dāng)K=0.3時，多維貧困發(fā)生率為63.2%，即，有63.2%農(nóng)戶至少在3個指標(biāo)上處于貧困狀態(tài)，相應(yīng)，A為0.477，MPI為0.311。如果以某一單一維度來衡量農(nóng)戶貧困，如收入，因為該縣已實現(xiàn)貧困摘帽，說明人均純收入都已達(dá)標(biāo)，在面對面調(diào)研時，所調(diào)研的農(nóng)戶確實不存在收入維度上的貧困，若把農(nóng)戶是否貧困用收入來衡量，將有很多可行能力被剝奪，處于多維貧困狀態(tài)的農(nóng)戶被忽略。或者從單維貧困分析來看，70.17%的農(nóng)戶在做飯燃料上仍使用煤，不能片面說該調(diào)研區(qū)域70.17%的農(nóng)戶都處于貧困狀態(tài)。因此，把多維貧困指數(shù)作為衡量農(nóng)戶是否貧困的依據(jù)更具有真實性。由表3還可以看出，參與農(nóng)地轉(zhuǎn)出的農(nóng)戶的多維貧困指數(shù)除了K=4是高于未參與農(nóng)地轉(zhuǎn)出的農(nóng)戶，其余無論K取何值，農(nóng)地轉(zhuǎn)出戶的多維貧困指數(shù)相較于農(nóng)地未轉(zhuǎn)出戶都偏低，說明在面臨多維貧困這個問題上，農(nóng)地未轉(zhuǎn)出戶比農(nóng)地轉(zhuǎn)出戶更嚴(yán)重。

表3 不同剝奪臨界值下的多維貧困指數(shù)

3.2 基于傾向得分匹配的實證分析

3.2.1 農(nóng)戶參與農(nóng)地轉(zhuǎn)出的影響因素 本文運用stata 14.2軟件進行傾向得分匹配分析，分析農(nóng)地轉(zhuǎn)出的多維貧困的緩解效應(yīng)。首先，估計傾向得分，選擇協(xié)變量，即匹配變量是關(guān)鍵，協(xié)變量要選擇能對控制組和試驗組同時影響的混在因素，不能忽略重要協(xié)變量，不然將會形成顯著的誤差，也要滿足獨立樣本假設(shè)。本文對于協(xié)變量的選擇，參考了相關(guān)學(xué)者對減貧效應(yīng)的研究[21-22]，也結(jié)合本次研究區(qū)域?qū)嶋H情況，考慮各種因素的綜合影響，最終選擇以家庭外出務(wù)工人員數(shù)、家庭勞動力數(shù)量、戶主的文化程度、家庭結(jié)構(gòu)、與親戚朋友聯(lián)系情況、能否技能培訓(xùn)機會、家中有無村干部、村莊到縣城距離這8個變量作為匹配變量，進行傾向得分匹配分析，找到合適的匹配變量組。由表4可知，家庭外出務(wù)工人員數(shù)、家庭勞動力數(shù)量、家庭結(jié)構(gòu)、是否為村干部、村莊到縣城距離對農(nóng)戶是否參與農(nóng)地轉(zhuǎn)出有顯著影響。其中家庭外出務(wù)工人員多的農(nóng)戶家庭比其他農(nóng)戶家庭參與概率高25.9%，說明外出打工的人多了，就更愿意將農(nóng)地轉(zhuǎn)出去，在收入來源上，不但有穩(wěn)定的工資性收入還有收取的土地租金，使自身收入水平提高。家庭勞動力數(shù)量多的農(nóng)戶家庭比其他農(nóng)戶家庭參與流轉(zhuǎn)概率低15.3%，家庭成員有擔(dān)任村干部的家庭比其他農(nóng)戶家庭流轉(zhuǎn)概率13.1%，村干部對政策的了解程度比普通農(nóng)戶多，思想也較開放，因此，樂于將自家農(nóng)地轉(zhuǎn)出，家庭結(jié)構(gòu)趨向老年的農(nóng)戶家庭比其他農(nóng)戶家庭的參與流轉(zhuǎn)概率高6.2%。

表4 參與農(nóng)地轉(zhuǎn)出傾向得分的Logit估計結(jié)果

3.2.2 農(nóng)地轉(zhuǎn)出對農(nóng)戶家庭多維貧困的影響 本文以K=1/3作為臨界值算的多維貧困指數(shù)作為被解釋變量，以農(nóng)地是否轉(zhuǎn)出作為解釋變量，以家庭外出務(wù)工人員數(shù)、家庭勞動力數(shù)量、戶主的文化程度、家庭結(jié)構(gòu)、與親戚朋友聯(lián)系情況、能否技能培訓(xùn)機會情況如何、村莊到縣城距離等8個變量作為匹配變量。用logit估計傾向得分后，選擇最近鄰匹配、半徑匹配或核匹配等方法找到屬于控制組(農(nóng)地未轉(zhuǎn)出農(nóng)戶)的某個個體使其與屬于試驗組(農(nóng)地轉(zhuǎn)出農(nóng)戶)的個體的協(xié)變量取值盡可能相似的樣本，進而計算平均處理效應(yīng)(ATT)(表5)。

表5 農(nóng)地轉(zhuǎn)出對農(nóng)戶多維貧困影響效應(yīng)估計

由表5可知，在未控制任何協(xié)變量的情況下，平均處理效應(yīng)(ATT)為-0.113 9，即參加農(nóng)地轉(zhuǎn)出的農(nóng)戶與沒有參加農(nóng)地轉(zhuǎn)出的農(nóng)戶相比，更能緩解農(nóng)戶的多維貧困。加入?yún)f(xié)變量，經(jīng)過傾向匹配控制樣本的選擇偏誤后，采用3種匹配方法進行匹配，結(jié)果顯示，ATT分別為2.22，2.67，2.50，兩者的平均處理效應(yīng)差值分別為-0.168 3，-0.209 5，-0.186 0，且t值均在0.05統(tǒng)計水平上顯著。可以看出，農(nóng)地轉(zhuǎn)出的多維減貧效應(yīng)都有所提高。3個傾向得分匹配方法的測算結(jié)果雖有所差異，但得到了基本一致的結(jié)論。

3.2.3 匹配的平衡性檢驗 傾向得分匹配模型需要滿足平衡性假設(shè)。即通過匹配，處理組和對照組降低了農(nóng)戶因個體異質(zhì)性產(chǎn)生的偏差。由表6可以看出，運用不同方法匹配后，相比匹配前估計多維貧困指數(shù)的Pseudo R2值、標(biāo)準(zhǔn)偏差均值與中位數(shù)值都大幅度降低，在B值上，K近鄰匹配和半徑卡尺匹配估計多維貧困指數(shù)的B值小于25%。綜上所述，匹配后的變量之間已無顯著差異，減小了農(nóng)戶個體的異質(zhì)性偏差，可以說明匹配樣本的協(xié)變量比較平衡，通過了平衡性檢驗。

表6 不同方法下的平衡性檢驗

4 結(jié)論與建議

4.1 結(jié) 論

(1) 在單維貧困上，有一半以上的農(nóng)戶在做飯燃料、衛(wèi)生設(shè)施、教育水平、患慢性病這4個指標(biāo)方面存在剝奪，且未轉(zhuǎn)出農(nóng)地戶貧困發(fā)生率高于農(nóng)地轉(zhuǎn)出戶。(2) 在多維貧困上，測算出不論是哪種匹配方法，未轉(zhuǎn)出農(nóng)地戶的多維貧困指數(shù)都高于轉(zhuǎn)出農(nóng)地戶的多維貧困指數(shù)。(3) 家庭外出務(wù)工人員數(shù)、家庭勞動力數(shù)量、家庭結(jié)構(gòu)、是否為村干部、村莊到縣城距離對農(nóng)戶是否參與農(nóng)地轉(zhuǎn)出有顯著影響。(4) 農(nóng)地轉(zhuǎn)出能夠顯著緩解農(nóng)戶多維貧困，基于傾向得分的3種不同匹配法得出一致結(jié)論，即農(nóng)地轉(zhuǎn)出具有很好的減貧效應(yīng)。

4.2 建 議

基于研究結(jié)論，結(jié)合中國脫貧攻堅實際和鄉(xiāng)村振興的迫切要求，本文提出以下政策建議:一是加大基礎(chǔ)設(shè)施建設(shè)，降低單維貧困。加快天然氣惠民工程進度，使更多農(nóng)戶用上天然氣，把好農(nóng)戶健康關(guān)，加大醫(yī)療負(fù)擔(dān)重家庭的家庭醫(yī)生來訪頻次；重視農(nóng)村改廁，防止細(xì)菌滋生；針對一些受教育年限低、漢語水平差的家庭應(yīng)針對性的定期組織漢語培訓(xùn)班提高漢語的讀說寫能力，定期組織職業(yè)技能培訓(xùn)，加強溝通能力、提升少數(shù)民族外出就業(yè)人數(shù)。二是加大扶貧政策宣傳力度。通過實證分析得到是否為村干部對農(nóng)戶是否參與農(nóng)地轉(zhuǎn)出有顯著影響，村干部對一些土地政策和扶貧政策相比普通的農(nóng)戶了解的更多，如郊區(qū)鄉(xiāng)郊區(qū)村協(xié)調(diào)土地對外承包提價，使得參與農(nóng)地轉(zhuǎn)出的農(nóng)戶每公頃地能提升11元，上戶鎮(zhèn)吾巴勒二村為了促進農(nóng)戶將農(nóng)地轉(zhuǎn)出還成立了土地流轉(zhuǎn)合作社，流轉(zhuǎn)后土地每公頃承包價達(dá)20元這些都是很好的脫貧、減貧、促進非農(nóng)就業(yè)的政策，但一些農(nóng)戶對這些政策的了解程度不高或者不重視。因此，應(yīng)加大政策宣傳力度，加強農(nóng)戶參與農(nóng)地轉(zhuǎn)出意識，擺脫小農(nóng)思想的束縛。三是重視脫貧戶土地流轉(zhuǎn)及其配套政策優(yōu)化。在今后工作應(yīng)加快落實土地清理再分配扶持一批政策，合理調(diào)整流轉(zhuǎn)價格，為更多的農(nóng)戶提供土地紅利機會，同時，應(yīng)該繼續(xù)加大轉(zhuǎn)移就業(yè)扶持一批，使得參與土地轉(zhuǎn)出的農(nóng)戶獲得更穩(wěn)定的收入來源。