脫貧人口返貧的路徑依賴與影響因素研究
——基于CHNS數據的離散時間生存分析

張 琦，李順強，莊甲坤

(北京師范大學 經濟與資源管理研究院，北京 100875)

引 言

2020年，我國脫貧攻堅戰取得了全面勝利，現行標準下農村貧困人口全部脫貧。在中央農村工作會議上，黨中央決定，脫貧攻堅目標任務完成后，對擺脫貧困的縣，從脫貧之日起設立5年過渡期，鞏固拓展脫貧攻堅成果同鄉村振興有效銜接。當前，部分脫貧人口可持續脫貧能力較弱，仍存在返貧風險，另外，部分邊緣人口發展能力不足，仍存在致貧風險，防止規模性返貧成為5年過渡期內最重要的工作之一。

基于上述研究背景，本文在識別脫貧戶返貧影響因素的基礎上，以構建防返貧機制為目標，利用中國健康與營養調查(CHNS)1989—2015年共計十期家戶追蹤調查微觀數據，構建離散時間生存分析模型，研究如下問題：一是返貧風險是否存在時間依賴性，即返貧風險在脫貧持續時間內如何分布；二是脫貧人口是否會形成對貧困持續時間的依賴，即貧困持續時間越長，返貧的概率越大；三是脫貧時高收入水平是否會降低返貧風險，以收入水平設置返貧監測線是否有效；四是具有哪些特征的家庭更容易返貧。

一、文獻綜述

返貧相關研究可分為定量研究和定性研究兩類，國外研究主要采用定量方法，重點從微觀層面研究返貧的影響因素，主要分析方法是生存分析。國內研究主要是定性研究，側重于從宏觀層面研究返貧影響因素和防返貧機制。

首先，國外關于返貧影響因素研究方面。現有文獻一般將個人特征、家庭結構特征、社區環境和宏觀經濟發展水平等作為解釋變量，分析哪些特征人口的返貧風險更高。在返貧機制方面的研究主要有兩類：一類重點分析引起貧困的事件因素，如Mckernan等(2005)研究發現家庭組成結構變動、殘疾和家庭勞動力減少是引發貧困的關鍵因素[1]；Callens 等(2009)研究發現離婚和結婚等家庭事件對女性返貧影響更大，而失業、職業變動等經濟事件對男性返貧影響更大[2]；Vera-toscano等(2020)研究發現，在英國，相比于城鎮居民，農村居民有更高的返貧風險，勞動福利政策改革對防返貧有重要影響，并顯著降低了農村居民返貧風險[3]。另一類重點研究返貧的時間依賴性，如Imai等(2014)、Canavire-bacarreza 等(2017)研究發現返貧具有負的脫貧持續時間依賴性，即脫貧時間越長越不容易返貧[4][5]；Kyzyma(2014)將1991—2010年德國社會經濟追蹤數據分成13個滾動窗口期，研究發現在每一個窗口期內，個人脫貧持續時間越長，返貧風險越低，表明返貧的負持續時間依賴性在不同時間上是穩定的[6]。

其次，在生存分析模型應用方面。早期，Bane等(1986)主要使用單期生存分析模型研究動態貧困，主要用來估計不同持續時間的脫貧概率[7]。此后，Stevens(1999)建立起一種用于分析動態貧困的多期離散數據生存分析模型，將脫貧(Poverty Exit)與返貧(Poverty Re-Entry)放在一起研究，極大地拓展了生存分析在動態貧困研究領域的應用[8]。目前，有一系列文章運用生存分析模型來研究不同國家的動態貧困問題[9][10]。近幾年，國內也有部分學者應用生存分析模型研究動態貧困問題，葉初升等(2013)利用生存分析模型研究發現持續貧困或持續非貧困的時間長度對貧困狀態轉換的影響，因選擇絕對貧困線或相對貧困線而呈現不同的變動趨勢[11]；孫晗霖等(2019)利用生存分析模型研究發現脫貧退出后的 2 年是防返貧監測的重點觀察期[12]；陳永偉等(2020)利用生存分析模型研究發現有近15%的脫貧人口在間隔3～5年后會出現返貧現象[13]。

最后，國內關于返貧的研究主要集中在返貧影響因素分析和防返貧機制構建兩個方面。有部分研究主要聚焦于特定人群的返貧風險研究，史志樂等(2018)研究認為應關注殘疾人、婦女、兒童、老年人等脆弱性人群的健康脫貧問題，減少因病返貧風險[14]；段小力(2020)提出返貧與脫貧地區經濟發展滯后、抵御風險能力較差、貧困戶自我發展意識不足、制度不夠完善等因素有關，強調通過脫貧地區基礎設施建設和教育培訓，可增強脫貧人口風險抵御能力[15]；章文光(2019)認為疾病、產業經營失敗等造成的收入銳減和因重病、子女高額教育費用等支出劇增是返貧的主要成因[16]。也有研究聚焦特定地區的返貧問題，耿新(2020)將民族地區返貧因素歸納為能力缺失型返貧風險(因病、缺乏市場能力、缺乏就業技能等)、政策性返貧風險(虛假脫貧等)、環境性返貧風險(自然災害、疫情等)、發展型返貧風險(因教返貧、發展意識不足等)[17]；呂銳利等(2019)對平頂山市因病返貧問題研究表明，“因病致貧和因病返貧”的前五種疾病依次為：腦血管病、重性精神病、糖尿病、慢性阻塞性肺氣腫、關節病，認為應通過建立基層衛生服務機構定期隨訪機制，控制疾病惡化、減輕患者醫療負擔[18]；馮丹萌等(2019)對黑龍江、湖北、湖南三省四縣的農戶進行調查研究，認為應重點從產業可持續性出發，鞏固低收入人口脫貧成果[19]。

綜上所述，國內在返貧問題的定量研究方面依然比較欠缺，而不同國家的返貧規律具有特殊性，針對其他國家返貧問題的研究結果并不能完全反映我國具體返貧特征規律，且國外也很少有文獻專門研究返貧問題。本文利用生存分析模型聚焦返貧風險研究，填補了國內返貧定量研究的短缺，并根據定量分析結果提出針對性防返貧措施，對當前防止規模性返貧具有一定的現實意義。

二、理論假設與研究思路

(一)理論假設

返貧是指擺脫貧困后再次陷入貧困的一種現象，而致貧是指由非貧困轉入貧困的過程。兩者既有聯系也有區別，返貧研究不能離開致貧原因研究，但也不能局限于致貧過程，本文的理論基礎源于返貧與致貧的異同點分析。歷史上，人們對于致貧原因的認識有過幾次重大變化，18世紀以前，貧困被認為是窮人自己的特性導致的，比如懶惰、思想脆弱、高生育率等，而且貧困被認為是經濟發展的基礎。18世紀以后，人們逐漸認為貧困是外部環境所致，而且消除貧困有利于經濟發展。20世紀以來，產生了一系列解釋貧困的理論，如人力資本理論、經濟結構理論、生命周期理論等。但直到21世紀初，學者們依然對貧困的理論不滿意，認為已有文獻缺乏關于貧困的一般性理論[20]。因此，有許多學者致力于歸納致貧原因，試圖提出具有普適性的貧困問題研究框架，David Brady(2019)就將致貧原因劃分為三類：行為因素、結構因素、政策與政治因素[21]，這三類致貧因素中有部分同時也屬于返貧因素，但也有部分并非返貧因素。

第一，返貧因素與致貧因素的相同之處。行為致貧理論和結構致貧理論中應用最廣的是人力資本理論，該理論解釋了個人在人力資本(教育、培訓)方面的投資行為和個人的終生收入結構。個人在年輕時接受教育和培訓，會損失直接成本(如學費)和沉沒收入成本(如沒有掙的工資)，但在未來會得到更高的收入補償。而對于那些預計未來工作時間較短或工作機會很少的人來說，他們會較少投資教育和培訓，從而導致低工資。如果家庭已經擺脫貧困，說明低教育水平已不是貧困的原因，但是如果出現市場結構升級導致就業技能不匹配，低教育水平人口就會面臨更大的失業風險，從而出現返貧現象。根據人力資本理論終生收入結構，年輕時的收入一般較低，隨著年齡增長收入會增加，但當接近退休年齡時，收入往往會下降。可以看出，行為致貧理論與結構致貧理論往往是相互關聯的，行為致貧因素在結構改變時會產生返貧問題。

第二，返貧因素和致貧因素的不同之處。某些致貧因素并非返貧因素的原因主要有兩個方面。一方面，脫貧意味著家庭具備了擺脫貧困的條件，如已具備克服自然約束、經濟環境約束等，其再次陷入貧困可能是由于新的負外部沖擊所致，也有可能是失去政策保護且內生動力不足所致；而致貧的原因則更多，如歷史原因、自然稟賦不足、社會經濟環境不穩定等。另一方面，返貧重點關注已脫貧人口，如我國脫貧攻堅后防止規模性返貧的重點對象是脫貧戶；而致貧研究的對象則更加廣泛，既包括已脫貧戶，還包括邊緣戶。

返貧和致貧的一個重要區別是返貧家庭曾經歷了貧困階段，貧困持續時間會影響返貧的風險。致貧因素三分法中，行為因素理論集中于動機和文化驅動的個體行為；結構因素理論強調人口結構和勞動力市場，結構因素同時也影響個人行為；政策與政治因素理論認為權力和制度產生政策，政策可能引致貧困，政策也調節個人行為與貧困之間的關系。結構致貧因素和政策與政治致貧因素對貧困的影響很容易度量，因為貧困對經濟結構、人口結構和政策沒有反向作用。但是，行為致貧的測度則非常困難，因為在行為導致貧困的同時，貧困反過來也會影響貧困人口的行為，而且貧困人口動力和文化自身就難以測算。動態貧困研究可以很好地處理貧困與行為之間的關系。在第一個貧困期，貧困持續時間越長，那么貧困對貧困人口的認知和行為影響就更大，如產生懶惰、福利依賴等，從而導致在脫貧后也會面臨更大的返貧風險。根據路徑依賴理論，Hartell(2013)認為某種模式和軌跡是從其自身的歷史發展而來的，是早期頻繁隨機事件的積累，其中包含了發展動力和方向的自我強化機制[22]，而返貧具有類似的動力機制，我國許多脫貧人口是在國家扶貧政策下實現脫貧，脫離脫貧路徑的動力不足，可能會提高返貧的風險。因此，本文提出如下假設：

假設1：貧困持續時間越長，擺脫貧困后的返貧風險越高。在擺脫貧困后，脫貧持續時間越長，則返貧風險越低。

根據貧困脆弱性理論，黃承偉等(2010)提出抵御風險能力弱是返貧的關鍵因素[23]，徐志明(2009)提出農戶抵御風險能力主要由其擁有的資產決定，包括人力資產、物質資產、社會資產、公共資源以及公共物品等[24]，資本是家庭收入高于支出的長期積累。從經濟學的角度來看，農戶會根據自己的偏好，在積累資本和提高當前消費之間進行權衡，當農戶重視當前享受時，就會在收入上升時提高消費。因此，農戶高收入并不必然產生高資產，而高收入也有可能導致高消費，在收入波動增大時更加容易陷入貧困。楊天宇等(2015)研究發現，中國低收入階層的儲蓄率穩定地高于中等收入階層和高收入階層[25]。從現實觀察也可發現我國的農戶具有高儲蓄的傾向，尤其是有家室的家庭。結合我國農戶儲蓄特征和資本的抵御風險能力，本文提出如下假設：

假設2：農戶擺脫貧困時的收入越高，則其返貧的風險越低。

(二)研究思路

本文利用了完整的貧困持續時間段和脫貧持續時間段研究返貧，通過存在路徑依賴的動態返貧研究結構圖描述一次脫貧事件和一次返貧事件，結果變量y1、y2表示脫貧或返貧事件是否發生。以脫貧結果y1為終點的貧困持續時間受到貧困影響因素x1的影響；以返貧結果y2為終點的脫貧持續時間受到當期貧困影響因素x2的影響，也受到貧困持續期Dp的影響，即路徑依賴性。

三、模型與數據

(一)模型

1.離散時間比例風險模型。本文使用的數據為CNHS數據，每隔2～4年統計一次，數據類型為離散型數據，因此本文使用離散時間生存分析模型。tj表示離散時間隨機變量，將連續時間劃分成n個時間段[0-t1), [t1-t2),…,[tk-tk-1),…，[tn-1-∞)，并假設每一個時間段內的貧困或非貧困狀態不發生變化。調查發生在每一個時間段的開始時期，調查收入是否高于絕對貧困線決定脫貧、返貧、持續貧困、持續非貧困等四種貧困轉換事件：(1)脫貧：貧困—非貧困；(2)陷入貧困：非貧困—貧困；(3)持續貧困：貧困—貧困；(4)持續非貧困：非貧困—非貧困。本文將第二次陷入貧困事件定義為返貧。比如，家庭i在進入調查時(0時刻)為非貧困狀態，在t1時刻陷入貧困，在tk時刻脫貧，在tk+j時刻第二次陷入貧困，即返貧。則定義[t1-tk)為貧困持續時間，[tk-tk+j)為脫貧持續時間，t=tk+j-tk為生存分析時間。對于一個完整的返貧風險動態研究，需要應用脫貧之前的家庭貧困歷史事件信息，本文用H表示,則脫貧持續期的返貧風險函數可以表示為：

λi(t|x,H)=Pi(T=t|T≥t,x,H)

(1)

對于返貧風險函數模型，需要考慮三個問題：(1)風險函數的時間依賴性，用參數θ表示;(2)風險函數的歷史路徑依賴性，用參數α表示；(3)其他解釋變量的影響，用參數β表示。根據貧困持續時間與致貧因素的相關性，我們將脫貧前的貧困信息簡化為貧困持續時間，即將H簡化為貧困持續時間Dp。于是返貧風險函數(1)可以簡化為：

λi(t|x,H)=λi(t|x,Dp;θ,α,β)

(2)

本文同時研究返貧風險的時間依賴性、路徑依賴性和其他返貧因素等三方面問題，采用了補對數—對數(cloglog)離散時間比例風險模型:

(3)

(4)

其中,f(t)代表基準返貧風險函數,是脫貧持續時間的函數，用來研究風險函數時間依賴性，本文采用參數模型和分段固定風險模型兩種形式估計基準返貧風險。

第一，參數模型下，f(t)=θln(t)，當θ=0時，不存在時間依賴性，即返貧風險與脫貧持續時間無關；當θ<0時，存在負向時間依賴，即返貧風險隨著脫貧持續時間遞減；當>0時，存在正向時間依賴，即返貧風險隨著脫貧持續時間遞增。風險函數可以寫為：

(5)

第二，分段固定風險模型下，將脫貧持續時間分為L個小區間(0=τ1<τ2<τ3…τL)，設Dl={t|τ1

(6)

2.不可觀測異質性模型。在返貧研究中，雖然可以控制多個層面的解釋變量，但并不能包括所有的家庭特征信息，有些不可觀測的變量可能是影響返貧的關鍵因素，這就造成了不可觀測異質性問題。如果不處理不可觀測異質性問題，往往會造成系數回歸結果出現偏誤。將不可觀測的異質性引入模型時，補對數—對數(clogclog)離散時間比例風險模型可寫為：

(7)

μi代表不可觀測的異質性，當μi較大時，家庭i更弱質，返貧的風險更大，反之亦然，本文利用參數形式和非參數形式兩種模型估計不可觀測異質性返貧風險模型，參數模型下，假設μi服從正態分布(normal)或伽馬分布(gamma)。

另一種非參數估計模型是由Heckman和Singer(1984) 提出的不可觀測異質性非參數模型[26]，其基本思想是不可觀測異質性分布是由不同類別潛在風險群體決定的，模型需要估計不同類別群體分布和樣本落入不同群體的可能性。假如存在兩個潛在類別群體，我們可以讓兩個類別的群體的截距項不同：

Cloglog[λ1(t|x,Dp)]=f(t)+αDp+X′β+μ1for type1

(8)

Cloglog[λ2(t|x,Dp)]=f(t)+αDp+X′β+μ2for type2

(9)

如果μ2>μ1，那么我們認為類型2群體比類型1群體更容易返貧。用π表示樣本屬于群體1的可能性，c表示是否右截尾變量，那么似然函數可以表示為：

L=πL(μ1)+(1-π)L(μ2)

(10)

其中，

(11)

(12)

(二)數據來源及處理

1.數據介紹。本研究使用數據主要來源于中國健康與營養調查數據(CHNS)和《中國統計年鑒》。CHNS調查數據由中國疾病預防控制中心營養與食品安全所與美國北卡羅萊納大學人口中心合作展開，分別于1989年、1991年、1993年、1997年、2000年、2004年、2006年、2009年、2011年和2015年在9個省份的代表地區進行了10輪同一群體追蹤調查，9個省份分別為：遼寧、黑龍江、江蘇、山東、河南、湖北、湖南、廣西、貴州。

2.使用該數據的優劣勢。該調查采用多階段整群隨機抽樣的方式，數據具有較強的連續性，能夠較好地反映中國貧困動態變化過程，契合返貧研究的動態性和周期性，國內外有大量動態貧困研究采用了這一數據[27][28]。CHNS數據用于返貧問題研究有幾個優勢：首先，CHNS為追蹤數據，可以用來研究同一群體的動態貧困問題；其次，追蹤數據有利于研究貧困人口在受到外部沖擊時的貧困狀態變化；最后，農村家庭收入在短期內發生大幅度變化的可能性較小，因此研究返貧問題就需要較長的時間跨度，而長達25年的CHNS追蹤數據非常適合研究我國返貧的深層次機制。但是該數據的調查周期跨度在2～4年不等，也會造成兩個問題：一是持續時間段的測量誤差，二是較大的調查時間跨度可能低估貧困狀態轉換頻率，進而低估返貧風險。但綜合來看，CHNS依然是從路徑依賴和風險沖擊角度研究返貧風險問題可獲得的較好數據。

3.貧困持續時間和脫貧持續時間的處理過程。將首次進入調查的家庭分為貧困戶(P)和非貧困戶(N)。假如某兩個家庭于1997年進入調查，追蹤到2015年，那么調查年份行向量x=(1997，2000，2004，2006，2009，2011，2015)。首先，對于首次調查為貧困的家庭，如家庭1的貧困狀態調查結果為x1=(P，N，N，P，P，N，P)。那么該家庭2000脫貧，2006年返貧，2011年脫貧，2015年再次返貧。考慮到我們需要研究貧困持續時間對返貧的影響，而該家庭1997年前的貧困狀態未知，無法準確計算貧困持續時間，因此本文不使用2000—2006年的脫貧持續時間；第二次返貧發生在2015年，而2006—2011年的貧困持續時間相對準確，所以本文研究使用2011—2015年為脫貧持續時間。其次，對于首次調查為非貧困的家庭，如家庭2的貧困狀態調查結果為x2=(N，N，N，P，P，N，P)，那么該家庭2006年陷入貧困，2011年脫貧，2015年返貧。2006—2011年的貧困持續時間相對準確，所以本文研究使用2011—2015年為脫貧持續時間。

根據前面貧困持續時間和脫貧持續時間構建過程，我們較好地度量了貧困持續時間，盡量減少了測量誤差。但是因樣本退出調查或2015年調查時仍然未返貧等原因，脫貧持續時間數據依然存在右截尾的問題。

4.數據清理過程。首先，僅保留參加兩輪以上調查的農村地區家庭數據。其次，考慮到CHNS的調查間隔時間較長，如果連續兩輪未參加調查，其間貧困狀態轉換可能較為復雜，如果簡單使用插值法，造成測量偏誤的可能很大，因此對此后再追蹤到的數據做刪除處理。如果只缺失一輪數據，則對該輪數據做插值處理，連續變量(如收入、城鎮化指數等)使用線性均值插入，類別變量(如婚姻狀態等)插入前一輪的調查數據。

(三)貧困指標與變量選取

1.貧困指標使用絕對貧困。CHNS數據提供了CPI折算到2015年的每年家庭人均收入，這為跨時間維度上的貧困比較提供了便利，本文采用2015年國家貧困線(2800元)作為絕對貧困指標，用年家庭人均收入減去2800元，大于或等于0為非貧困，小于0則為貧困。

2.主要解釋變量。本文使用脫貧前貧困持續時間分析返貧的路徑依賴問題；使用脫貧時收入水平分析不同收入水平的返貧概率；引入脫貧年份，固定時間效應，研究在不同年份脫貧是否有不同的返貧風險；本文使用省份年度農業受災率分析因災致貧；使用家庭患重病人數分析因病致貧；使用外出上學人數分析因學致貧。

3.其他控制變量。戶主層面包括戶主教育程度、年齡、是否有配偶；家庭層面包括撫養兒童(18歲以下)數量、贍養老人(65歲以上)數量、家庭勞動力占比、家庭規模、家庭外出打工人數等；社區層面包括社區城鎮化指數。具體指標參見下頁表1。

表1 解釋變量定義和描述

四、實證結果

(一)離散時間比例風險模型回歸結果

下頁表2為未處理不可觀測異質性的補對數—對數(cloglog)離散時間比例風險模型估計結果，其中參數風險模型為公式(5)的估計結果，分段固定風險模型為公式(6)的估計結果。通過模型(1)和模型(3)的AIC準則比較可知，參數模型具有更好的擬合性質。模型中同時匯報了系數和風險比率，系數可解釋為半彈性，即x增加1單位，將使風險函數增加百分之100β；風險比率表示x增加1單位將使新風險變為原來風險率的(eβ)倍。

表2 離散時間比例風險模型估計結果

1.負向時間依賴性。模型(2)為時間依賴性的完全非參數估計，系數呈遞減趨勢，說明返貧具有負向時間依賴，擬合的返貧風險率(1-exp(-exp(β))分別為0.23、0.15、0.14、0.10。從模型(1)來看，在控制其他變量時，參數模型的基準風險系數(-0.585)顯著小于零，表明返貧風險具有負向時間依賴性，說明隨著脫貧持續時間增加，其返貧風險越低，這與本文假設1相一致。

2.正向路徑依賴性。在模型(1)中貧困持續時間的系數(0.027)顯著為正，表示貧困持續時間每增加1年，其返貧風險將增加2.7%。模型(3)的系數雖然也為正，但并不顯著，我們認為可能是由于分段后變量之間的多重共線性所致。考慮到模型(1)相較于模型(2)具有更好的擬合性，可認為返貧風險具有正向路徑依賴性。實證結果與本文假設1相一致。

3.脫貧時低收入群體具有更高的返貧風險。模型(1)和模型(3)中，低收入組的系數均顯著為正，其風險比率分別為1.217和1.266，表示低收入群體的返貧風險是高收入群體的返貧風險的1.2倍以上。整體來看，脫貧時期的收入水平能夠在一定程度上決定返貧風險，表明當前用貧困線的1.5倍作為返貧監測線具有合理性。這一實證結果與本文假設2相一致。

4.城鎮化水平具有顯著的防返貧效應。模型(1)和模型(3)中城鎮化水平估計系數均為-0.008，且均顯著，表示城鎮化指數每提高1個單位，其返貧風險將下降0.8%。城鎮化水平的提高，可以促進產業發展，提供更多就業崗位，可以促進公共設施建設，提供更好的公共服務，減少脫貧人口返貧風險。實證結果表明城鎮化具有顯著的防返貧效應。

5.具有哪些特征的家庭更容易返貧。第一，脫貧年份系數顯著為負，表明脫貧年份越往后，其返貧的風險越低。第二，在戶主層面控制變量中，模型(1)中的戶主年齡系數顯著為正，這與人力資本理論相符，隨著年齡增加，其收入水平會出現下降，抵抗風險沖擊能力下降，返貧風險增加。第三，在家庭層面控制變量中，撫養兒童數量、贍養老人數量的系數在兩個模型中均顯著為正。撫養兒童數量的系數分別為0.177和0.161，表示多撫養一個兒童，將使返貧風險增加16%以上。贍養老人數量的系數為0.146和0.156，表明多贍養一位老人將使返貧風險增加14%以上。可見，在家庭層面，撫養兒童和贍養老人數量是影響返貧的關鍵因素。第四，本文雖然控制了農業受災率對數、患重病人數、外出上學人數來研究因災致貧、因病致貧和因學致貧等風險因素，但是其系數為負，表明這些致貧因素具有更低的返貧效應，這與現實不符，但系數并不顯著，所以本文不做深入討論。

(二)不可觀測異質性風險模型回歸結果

考慮到不可觀測異質性可能造成回歸系數出現偏誤，本文將不可觀測異質性風險模型回歸結果作為上述回歸結果的穩健性檢驗。上頁表3和表4為考慮不可觀測異質性的三個模型估計結果。回歸結果表明存在不可觀測異質性，根據AIC準則，模型(6)具有更好的擬合效果。第一，時間依賴性變為正向，這在持續時間模型中較為常見，往往意味著在未考慮不可觀測異質性時，模型可能具有虛假的持續時間依賴性，但因為其估計結果并不顯著，所以我們并不能否定返貧具有負向持續時間依賴。第二，從路徑依賴來看，各個模型的貧困持續時間的系數依然顯著為正，且系數比未考慮不可觀測異質性時更大。模型(6)中系數為0.065，表示貧困持續時間每增加1年，返貧風險提高6.5%。第三，低收入群體表現出更強的返貧風險，而且低收入群體返貧風險是高收入群體的1.4倍。第四，脫貧年份依然表現出顯著的負效應，這在一定程度上說明了，隨著我國扶貧的不斷深化，脫貧的可持續性越來越強。第五，撫養兒童數量、贍養老人數量、城鎮化指數的系數在幾個模型中均顯著，且與未控制不可觀測異質性模型相一致，限于篇幅，本文不再匯報其結果。

表3 正態分布和伽馬分布不可觀測異質性模型估計結果

表4 非參數最大似然(NPML)不可觀測異質性模型

五、結論與建議

本文基于1989—2015年CNHS數據，通過離散時間生存分析模型研究了我國農戶返貧的風險因素，重點關注貧困持續時間、脫貧時收入水平對返貧的影響，同時還研究了不同人群特征對返貧風險的影響，主要得出以下結論：返貧具有負向持續時間依賴；返貧對貧困持續時間有顯著的路徑依賴性；脫貧時低收入人群具有更高的返貧風險；撫養兒童數和贍養老人數較大的家庭具有更高的返貧風險；城鎮化水平具有顯著的防返貧作用。根據研究結論，本文提出以下針對性防返貧措施。

第一，提升脫貧戶內生動力，切斷貧困路徑依賴。貧困持續時間會影響貧困人口的行為和態度，產生貧困自我強化機制，而脫貧是一種路徑創造。在實現脫貧后，持續貧困產生的負面態度和行為依然會起到導致返貧的作用。因此，在鞏固拓展脫貧攻堅成果中，要關注那些曾長期處于貧困狀態的家庭，通過激勵機制，提升其內生動力，隔斷對貧困的路徑依賴，加強脫貧路徑強化機制，從而實現脫貧的可持續性。

第二，精準識別不同收入群體，分類實施返貧監測策略。我國當前執行的返貧監測線能夠識別高返貧風險群體，這部分低收入人口是防返貧和鞏固脫貧成果的關鍵。但是不可否認，高于防返貧監測線的脫貧群體也有返貧的風險。因此，為了防返貧監測的全面性和高效性，防返貧監測可實施差異化監測策略。對于納入防返貧監測的群體應該重點關注，提高監測頻次；而對于不符合防返貧監測標準的家庭，也應予以監測，但可降低監測頻次，重點監測發生家庭結構變動、產生致貧事件以后的收入變動情況。

第三，完善農村養老保險制度，提高農村托幼服務水平。如果家庭中有更多的老人和兒童，將限制勞動人口外出就業，限制家庭增收渠道。當前，我國已經實施三孩政策，這對于防返貧形成了一定的挑戰。我國農村養老金較低，在農村老人不能參加農業生產以后，會極大增加家庭支出負擔。在鞏固拓展脫貧攻堅成果中，應該重點關注兒童多、老人多的家庭，適當提高農村養老保險支付水平，建立農村托幼服務機制，消除低收入人口外出就業的家庭顧慮，創造外出就業機會，提升低收入人口整體收入水平。

第四，大力推進新型城鎮化建設，更好實現城鄉融合發展。更高的城鎮化水平意味著家庭可以更容易接觸到外部市場，也意味著更多的就業機會。當前我國城鎮化率超過63%，這對于鞏固拓展脫貧成果和全面推進鄉村振興具有重要作用。在未來，仍需進一步推進城鎮化建設，促進城鄉融合發展，為低收入人口增收提供可持續的外部環境。