生计资本视角下贫困地区返贫风险的识别—以黑水县为例

腾叶 陈念

摘要：返贫现象的存在，在一定程度上延缓了我国的脱贫攻坚工作进程，蚕食了脱贫攻坚工作的成果。本文以黑水县为例，运用多元Probit模型对农户的返贫风险进行实证研究，发现对贫困地区农户返贫影响显著的因素为家庭有受教育儿童，以及转移性收入在家庭总收入占比过高。孩子的教育会在一定程度上加重农户的负担，而农户对转移性收入依赖过强可能会导致农户生计脆弱加重。由此提出重视教育、拓宽农户收入渠道及构建农户风险保障机制的建议。

关键词：生计资本;返贫风险;Probit模型

党的十八大以来，在以习近平同志为核心的党中央从理论到实践所形成的“精准扶贫、精准脱贫”农村贫困治理思想指导下，上下齐心，共同推进中国减贫事业取得历史性新突破。据建档立卡的数据统计显示，从2012年至2018年的六年间，我国农村贫困人口从9888万人减少到1660万人，累计减少贫困人口8239万人，贫困发生率从10.2%下降到1.7%，减少了将近9个百分点。建档立卡贫困村从12.8万个减少到2.6万个，有10万个贫困村已经脱贫退出。在贫困户退出贫困后，因灾因病返贫现象出现，返贫问题的存在不容忽视，可能阻碍我国脱贫攻坚目标顺利实现。

一、相关文献

现有的关于扶贫过程中返贫问题的研究主要集中在两个方面：一是返贫因素的研究。郑瑞强、曹国庆等（2016）将返贫分为：政策性返贫、缺失返贫、因灾返贫以及发展中返贫，利用“生计空间重塑”理论清晰梳理致贫机理，据此来提出有效的脱贫人口后续发展政策。张珺（2011）认为返贫现象出现是因为脱贫工作只关注数量，不重视质量而导致扶贫工作失真返贫，以及在扶贫中重视物质投入，忽视精神脫贫，在遭遇冲击时容易返贫。Alkire and Foster（2011）提出了多维贫困的识别方法，并以此为基础从多维方面进行返贫识别。Satya and Amita（2005）在单维贫困测度公理的基础上概括出了多维贫困测度公理，讨论了衡量返贫的指数是否符合公理条件。

二是对返贫问题的治理。范和生（2017）分析和理性辨识了政策环境预警、自然环境预警以及主体自身预警三种返贫预警的类型，提出了建立有效的返贫预警机制，在源头上治理返贫问题。付东震（2017）具体以福建市建瓯市为例，对扶贫过程中的返贫阻断的现状做了简要分析，提出了精准识别的动态管理、重视基础设施建设等关于建立返贫阻断长效机制的建议。何华征等（2017）分析了返贫的模式，提出了通过财富内生、心理介入、制度供应、价值挖掘、新民塑造等方式来阻断返贫现象。综合来看，对于返贫因素，返贫问题治理的分析研究是较为丰富多维的。而在实践方面，扶贫工作在政府“精准扶贫，精准脱贫”贫困治理理论的指导下，取得了历史性的突破。

随着返贫问题研究的深入，发现农村返贫问题与农户的生计脆弱性密切相关。生计（Livelihood）最早被理解为一种谋生的手段或方法，由Robert Chambers在20世纪80年代中期首次提出之后，现在已经被广泛的运用在贫困问题、返贫问题以及农村问题的研究当中。英国国际发展部（DFID）在2000年提出了一个众多学者广泛认可的框架—可持续生计分析框架（the Sustainable Livelihoods Approach，SLA），该框架将可持续生计资本划分为人力资本、自然资本、物质资本、金融资本和社会资本五种类型。许汉石、乐章（2012）对在生计资本的视角下，对农户在生计过程中面临的风险进行了研究，并分析了生计资本对生计风险的影响作用。

二、数据来源和变量选择

（一）数据来源

黑水县位于四川省阿坝藏族羌族自治州中部，地处青藏高原东南缘横断山脉中段北端的岷江上游，属于典型的深度贫困地区，其贫困人口的生计较为脆弱，农户抵御风险的能力较差，以此作为研究区域具有一定的代表性。

（二）变量选取

1、被解释变量

本文的被解释变量为贫困地区农户的返贫风险，该变量为虚拟变量，通过对上述解释变量进行实证分析得出脱贫农户是否存在返贫风险，如果存在返贫风险变量值即为1，不存在返贫风险即为0。

2、解释变量

生计资本是农户抵御风险的重要保障，不同的生计资本状况导致农户将选择不同的生计策略，包括了人力资本、自然资本、物质资本、金融资本以及社会资本五种类型。这涵盖了农户生活的方方面面，能够精确的描述农户的生计能力。为了进一步研究贫困人口的返贫风险，针对不同的资本类型选取具有代表性的变量做为解释变量进行分析。变量的具体情况如表1所示。

由表1可得，人力资本选取了家庭中是否存在义务教育适龄儿童来描述，该解释变量就是虚拟变量，存在义务教育适龄儿童的赋值为1，不存在的赋值为0;物质资本用的是农户家庭的房屋住宅面积来代表，是定量的变量，只有在吃住得到保障时，农户才能谋求更好的发展，所以选择房屋面积来描述物质资本;金融资本选取的是农户的经营性收入占家庭总收入的比例，以及转移性收入占家庭总收入的比例来衡量。社会资本是指农户在谋求生计的过程中所运用到的社会资源，选取了家中是否有国家公职人员来表示，也是一个虚拟变量，家里有人在政府公务机关任职的赋值为1，没有的赋值为0;自然资本是描述自然资源存量术语，黑水县的自然资源丰富，但在调查数据中，仅有9.26%的农户主要收入来源是依靠当地的自然资源，由此，对于当地农户的生计脆弱性来说，农户对自然资本的依赖性不强。所以本文并未选取自然资本的代表变量。

三、实证分析

（一）模型构建

由于本文选取的变量多为虚拟变量，所以本文采用了Probit模型进行回归分析。Probit模型是一种二分类因变量模型，服从于正态分布。最简单的Probit模型就是指被解释变量Y是一个0，1变量，事件发生的概率是依赖于解释变量，即P（Y=1）=f（X），也就是说Y=1的概率是一个关于X的函数，其中f（.）服从标准的正态分布。本文的实证分析都基于STATA14.0统计分析软件完成。

（二）变量的统计描述

本文的数据来源于黑水县15个乡镇21个村，在剔除了数据缺失以及异常数据后，共采集到259份样本用于实证分析。根据样本的家庭疾病情况、收入情况以及教育情况，将样本划分为存在返贫风险组和正常组。

在解释变量的统计性描述中，受教育儿童X1为虚拟变量，存在受教育儿童为1，不存在为0，所以最大值、最小值分别为1，0，均值为0.4534884，表明在调查的样本中有接近一半的家庭中存在受教育儿童。房屋面积X2是实际值，最大值为300平方米，而最小值为30平方米，差异较大。通过对样本数据进行分析后发现，仅存在1户农户的面积为30平方米，而房屋面积超过150平米的仅有10户，调查地区的房屋住宅条件较好且差异不大，同时通过房屋面积的均值也可以看出这一点。通过上表可以看出，工资性收入占比X3最大值为0.96，收入几乎全部来源于工资性收入，但同时也存在工资性收入为0的情况，工资性收入占比的均值为0.3967954，表明在样本中工资性收入占到了家庭总收入约40%，而转移性收入占比约42%，可以看出调查地区的收入主要依赖于这两部分。而在调查样本中没有家庭有国家公职人员，所以其最大、最小及均值都为0。

（三）实证结果与解释

将5个自变量和表示农户返贫风险的分类指标（0代表正常组，1代表存在返贫风险组）的数据输入STATA14.0，使用Probit模型进行回归分析，得出的结果见下表所示。

在进行Probit回归后发现，X5即家庭是否存在国家公职人员全部样本的结果均为否，对应观测值均为0，在模型回归中没有影响，系数也为0，所以在回归分析中将其剔除。

根据Probit模型的回归结果，建立回归方程：

Y=-4.866319+2.524454X1-0.0045465X2-1.450493X3+7.099561X4

从上述回归结果可以看出，各变量系数的估计值有正有负，X1、X4的系数值为正，而X2、X3的系数值为负。系数符号为正表明：解释变量越大，被解释变量取1的概率越大;反之，系數符号为负则解释变量越大，被解释变量取1的概率越小。

X1即家庭是否有受教育儿童，系数值为正且在统计上是显著的，这表明家庭是否有受教育儿童对返贫风险的影响是正向的，即家庭存在受教育儿童，会使家庭的返贫风险加大，并且该影响在统计上是显著的。该变量的表现与我们理论上的认知是一致的，我们从调查资料的数据中分析得知，农户家庭的主要支出中除了衣食保障外，占比最大的部分就是文化教育支出。虽然我国目前普及了九年义务教育，但更高级别教育的费用对于农户来说仍然存在较大的压力。

X2即为家庭的房屋面积，系数值为负，表明农户的房屋住宅面积越大，农户返贫风险越小。这也与我国脱贫的“两不愁，三保障”的要求相契合，农户的住房安全得到保障，才能谋求更好的发展。但该变量在统计上并不显著，可能是因为在调查的样本中农户的住宅面积相对接近，住房条件差异不大，样本中的平均住房面积为127.47平方米，同时当地还享受过政府的危房改造政策，住房条件较好，对农户返贫风险影响较不明显。

X3是工资性占比，其系数值为-1.450493，表明工资性收入占家庭总收入的比重越大，农户的返贫风险越小。农户的工资性收入在总收入中的占比越大，说明农户的自身生存发展能力越强，减弱了生计脆弱性，具有一定的返贫风险防范能力。该变量的P值为0.091，在统计上较不显著。可能是因为在调查样本中农户的收入结构不稳定，虽然外出务工成为了调查农户最主要的收入来源，但部分农户的外出务工时间只有1-2年，外出务工时间短，导致工资性收入占比的波动性较大。

X4是转移性收入占比，系数值为正且在统计上是显著的，转移性收入占比越大，农户返贫风险越大。转移性收入在总收入中占比越高，对政府政策帮扶的依赖性越强，农户的收入较不稳定，生计较为脆弱，不能很好的进行返贫风险的预防。一旦脱贫，政府的帮扶措施逐渐减弱，农户极有可能因为自身能力缺失而返贫。

综上可以看出，受教育儿童与转移性收入占比是农户返贫风险的重要影响因素，并且在统计上较为显著。农村家庭子女受教育问题对返贫发生概率有积极的正向影响，因为在义务教育之后的高中、大学教育的费用对于贫困地区的农户家庭来说依然较高，很容易导致返贫。转移性收入占比对农户返贫概率的影响也是正向的，扶贫工作中政府的政策帮扶是很重要的一部分，但如果转移性的政府补助在总收入中的比重较大，农户收入的增加就是无源之水，是不可持续和不稳定的。

四、建议

基于以上结论，本文认为可以在以下方面展开相应的工作：

一是重视教育，加大对贫困地区的教育支出，阻断贫困的代际传递，为稳定脱贫提供可能。人力资本是返贫研究中的关键因素，必须得到相应的重视。政府应该加大对贫困地区的助学贷款力度，降低助学贷款的门槛，简化助学贷款的审批机制，让更多的家庭能够享受到资助，普及高级教育的学杂费，减小农户的压力负担，同时通过教育提升农户家庭下一代的综合素质，从另一方面增强其人力资本。

二是提升贫困农户的知识技能，降低其对政策的依赖性，减少甚至阻断“政策性返贫”。可以通过邀请一些专家对农户进行培训，或开展一些相关讲座，鼓励农户提高自身的知识技能水平;同时政府还可以出台一些政策鼓励农户积极创业，拓宽农户收入渠道，带动当地经济发展，稳定脱贫成效。

三是构建的风险保障机制，减低农户收入风险。可以通过农业保险在一定程度上降低农业的风险，同时政府可以对农业保险进行一定的补助，降低农户购买农业保险的费用，以此来鼓励农户购买农业保险，减低农户的生计脆弱性，保证农户脱贫稳定。

参考文献：

[1]  郑瑞强、曹国庆，脱贫人口返贫：影响因素、作用机制与风险控制[J].农林经济管理学报，2016（6）.

[2]  张珺，当前我国农村返贫现状与问题分析[J].中国管理信息化，2011.

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

[4]  Satya C.and M.Amita，2005，“Measuring Human Poverty：A Generalized Index and an Application Using Basic Dimensions of Life and Some Anthropometric Indicators”，Journal of Human Development，6（3）：275-299.

[5]  范和生，返贫预警机制构建探究[J].社会建设，2017.

[6]  付东震，精准扶贫过程中返贫阻断的长效机制研究[J].经济师，2017.

[7]  何华征、盛德荣，论农村返贫模式及其阻断机制[J].现代经济探讨，2017.

[8]  许汉石、乐章，生计资本、生计风险与农户的生计策略[J].农业经济问题，2012.

基金项目：本项目得到了西南民族大学研究生创新项目（项目名称：生计资本视角下贫困地区返贫风险的识别CX2019SP140）资助。

（作者单位：西南民族大学  经济学院）