云南财经大学学报2020年第10期（总第222期）国民经济
———基于CLDS的准实验研究
王志涛，徐兵霞
（河南工业大学管理学院，郑州450001）
摘要：产业扶贫是实现贫困户稳定脱贫的根本之策。基于中国劳动力动态调查（CLDS）数据，采用期望贫困的脆弱性理论（VEP）估算出贫困脆弱性，然后根据双重差分法（DID）和倾向得分匹配法（PSM）分析产业扶贫对农户家庭贫困脆弱性的影响，并以前瞻性的研究视角对产业扶贫的脱贫减贫效果进行再评估。研究表明：产业扶贫显著降低了贫困脆弱性，且对东部地区的改善作用略高于中西部地区。最后，提出旨在降低贫困脆弱性的政策建议。 关键词：产业扶贫；贫困脆弱性；贫困线；脱贫效果
中图分类号：F320.3文献标志码：A文章编号：1674－4543（2020）10－0032－13
DOI:10.16537/jki.jynufe.000633
一、引言
党的十八大以来，我国把精准扶贫作为基本战略方针，大力推进脱贫攻坚。党的十九大再次强调，坚持精准扶贫、精准脱贫，坚决打赢脱贫攻坚战。目前，我国的脱贫工作已经进入“攻坚拔寨”的冲刺性阶段，面对严峻复杂的脱贫形势，产业扶贫成为精准扶贫的关键。一方面，国家部署以产业扶贫来带动3000万贫困农户脱贫，使产业扶贫成为涉及贫困人数最多的扶贫措施；另一方面，产业扶贫是易地扶贫搬迁、生态扶贫、教育扶贫等措施的重要基础，其他的扶贫措施都需要通过发展产业来巩固政策效果，最终实现贫困农户的稳定脱贫。从“五个一批”脱贫措施中“发展生产脱贫一批”的首要地位，到“十三五”规划纲要中将产业扶贫作为我国最重要的扶贫方式，到“五个振兴”的乡村振兴战略目标中“产业振兴”的优先位置，都充分反映出产业扶贫在脱贫攻坚工作中不可替代的关键作用。
以往的救济式扶贫是“输血式”扶贫方式，不能有效解决我国农村贫困现象的“病根”。但是，产业扶贫是参与式的“造血式”精准扶贫方式，是贫困地区脱“穷根”之根本，也是降低贫困脆弱性、消除致贫因素的根本保障。产业扶贫更加强调的是对于贫困人的赋权和赋能，以调动其广泛参与的积极性和内生的发展能力，并通过发展产业实现长期稳定增收（Fischer et al，2012）［1］。据国家统计局公布的权威数据，我国农村的贫困人口在2012年为9899万人，农村贫困发生率为10.2%；截止到2019年底，我国农村的贫困人口已减至551万人，农村贫困率降低至0.6%①。特别地，产业扶贫以增加农户收入为目的，以发展产业项目为杠杆，能够激发农户自我发展的内生动力。同时，产业扶贫通过贷款、技术
培训、项目支持、基础设施建设等措施，帮助贫困家庭增强抗风险能力、积累资本数量、优化资
收稿日期：2020－06－24
基金项目：国家社会科学基金项目“精准扶贫效果测度与返贫阻断的长效机制研究”（17BJY132）
作者简介：王志涛（1964－），男，河南郑州人，河南工业大学管理学院教授，硕士生导师，研究方向为公共管理、农村经济；徐兵霞（1994－），女，河南周口人，河南工业大学管理学院硕士研究生，研究方向为公共管理、
农村经济。
①方晓丹：2019年全国农村贫困人口减少1109万人。国家统计局，2020年1月23日。http：//v/ tjsj/zxfb/201908/t20190812_1690526.html。
王志涛，徐兵霞：产业扶贫降低了贫困脆弱性吗？———基于CLDS的准实验研究
本组合，促进农户增收，助力脱贫攻坚。无疑地，为实现我国农村贫困人口稳定脱贫、如期脱贫，需要充分发挥产业扶贫在脱贫攻坚战中的关键作用，以产业推动扶贫开发、以产业带动脱贫致富、以产业巩固扶贫效果，进而建立起阻断返贫的长期利益机制，促进乡村振兴战略的稳步实施。
产业扶贫是从短期效益到长期效益、从“输血”到”造血”的重要平台，也是乡村振兴的有力支撑。产业扶贫的主要目标是提升农户的收入水平和富裕程度，使其稳定脱贫。汪三贵等（2018）［2］针对现阶段贫困人口和深度贫困地区的特征，提出采用短期帮扶与长期帮扶相结合的方法，短期内以重点解决贫困户的生活问题为目标，长期则需要更加注重农户的技能水平。劳动能力较强的农户更愿意参加产业扶贫（王立剑等，2018）［3］，而禀赋较弱的农户参与产业扶贫项目会面临较大的风险（金媛等，2019）［4］。产业扶贫过程中，转变“被动扶贫”为“主动脱贫”需要创新扶贫的商业模式，选择和培育新型的经营主体，实现农户和产业发展的有机衔接（杨久栋等，2019）［5］。目前，由于产业扶贫的有效实施与发展，逐渐涌现出了多元化的产业扶贫模式，具体模式主要包括“企业+”“金融+”“互联网+”“旅游+”等模式（申云等，2019［6］；王延中等，2018［7］；吴乐，2018［8］），逐渐形成了产业稳定发展和贫困户积极参与的良性循环机制，使贫困户最大程度地参与到扶贫项目之中，促进贫困户增收，助力脱贫攻坚。但是，产业扶贫过程中，在瞄准机制、农户参与程度、收益分配机制、产业扶贫资金管理等方面还有待提高（李小云等，2018［9］；刘明月等，2019［10］）。因此，产业扶贫的实施效果如何，究竟能够在多大程度上实现政策初衷，对其脱贫效果进行评估是关键。目前，关于产业扶贫脱贫效果的研究仍然处于不断的探索阶段。大量研究对产业扶贫进行了深入分析（帅传敏等，2016［11］；张国建等，2019［12］；章元等，2019［13］），但绝大多数研究从事后角度分析贫困、评估脱贫效果、探究如何帮助贫困农户脱贫致富，仅关注了产业扶贫对当前贫困的影响，很少涉及产业扶贫脱贫效果的持久性，即很少关注产业扶贫对未来贫困的影响。此外，现有研
究一般以收入为标准来界定贫困，然而低收入仅是农户家庭贫困的外部表征之一，农户家庭在面对不确定性风险和外部冲击时的脆弱性才是其陷入贫困的内因所在。因此，进一步研究产业扶贫对未来贫困的影响具有重要现实意义，不仅要注重贫困农户如何减贫脱贫，还应更加注重农户未来陷入贫困的可能性，准确评估产业扶贫对其贫困脆弱性的影响。
世界银行在2000/2001年度《世界发展报告》中提出“贫困脆弱性”，以描述农户在未来陷入贫困的概率。贫困脆弱性是对贫困的事前预测，通过识别未来可能陷入贫困的农户，有助于针对性地采取扶贫措施阻止这些个体或家庭在未来陷入贫困（黄承伟等，2010［14］；杨文等，2012［15］；杨龙等，2018［16］）。由于前瞻性特征，贫困脆弱性不能在现在或过去的时点上进行观测，只能利用一定的方法进行评估。测量贫困脆弱性的方法有三种，一是期望贫困的脆弱性（Vulnerability as Expected Poverty，VEP），即农户未来陷入贫困的概率；二是低效用水平的脆弱性（Vulnerability as Low Expected Utility，VEU），即确定性等价消费水平的效用与农户消费的预期效用之差；三是风险暴露的脆弱性（Vulnera-bility as Uninsured Exposure toＲisk，VEＲ），即农户遭受风险冲击时消费水平迅速下降。其中，期望贫困的脆弱性（VEP）的应用较为广泛（万广华等，2009［17］；林文等，2014［18］）。该方法的优点在于使用截面数据或者较少年份的面板数据即可估算贫困脆弱性。Bronfman（2014）［19］基于VEP方法分析了贫困脆弱性，发现贫困脆弱性比实际贫困对农户的影响程度大；宁静等（2018）［20］采用VEP方法，从贫困脆弱性视角研究易地搬迁对农户福利的影响，
发现易地搬迁降低了农户的贫困脆弱性。与之类似，沈冰清等（2018）［21］基于VEP方法，并采用双重差分法评估了新农保制度的实施效果，研究发现该政策降低了贫困脆弱性。反贫困政策成败的关键在于如何测量贫困的脆弱性，从而识别出政策针对的对象。因此，本文采用这一前瞻性方法预测贫困脆弱性。
既有文献已经从不同角度分别对贫困脆弱性的测量方法、影响因素及其作用机理进行了深入分析，具有很好的参考价值（Ward，2016［22］；王小林，2017［23］；蒋丽丽，2017［24］）。但仍有进一步拓展的空间，特别是产业扶贫对贫困脆弱性的影响方面。一是较少研究产业扶贫对农户贫困脆弱性的影响。虽然现有研究分别对产业扶贫和贫困脆弱性进行了较多的分析，但对二者之间关系的研究还比较少。二是在评价时容易受指标构成和标准选取的影响而产生偏误，因而具有一定的局限性。因此，准确评
估产业扶贫对农户贫困脆弱性的影响，成为目前研究的重要问题。对于产业扶贫对贫困脆弱性的影响进行科学合理地评估，不仅对科学评价产业扶贫的减贫脱贫效果具有重要的现实意义，还有助于构建产业扶贫项目评估理论框架，对今后我国精准脱贫和脱贫攻坚战工作的有效推进具有理论指导作用。
本文基于中国劳动力动态调查（CLDS）的两期微观面板数据，采用期望贫困的脆弱性方法（VEP）计算得出农户家庭的贫困脆弱性，并利用双重差分法（DID）和倾向得分匹配法（PSM），通过构建
计量经济模型，检验产业扶贫对贫困脆弱性的影响。同时，本文以前瞻性视角对产业扶贫的减贫脱贫效果进行再评估，并试图回答以下问题：第一，贫困地区的贫困脆弱性程度如何；第二，产业扶贫能否有助于降低农户家庭的贫困脆弱性，以期为产业扶贫的实施提供科学依据和理论指导。
二、贫困脆弱性的测量
（一）贫困脆弱性的测量方法
本文借鉴Chaudhuri等（2002）［25］的估算方法，使用期望贫困的脆弱性方法（VEP）来测量产业扶贫对贫困脆弱性的影响，并计算得出样本家庭的贫困脆弱性。贫困脆弱性的测量方程为：
Vul
i，t =P（Y
i，t+1
≤z）（1）2008年国务院机构改革
其中，Vul i，t代表家庭或者个体i在时期t的贫困脆弱性，Y i，t+1代表家庭或者个体i在t+1时期的未来收入，z代表贫困线。
未来收入可表示为可观测变量X i以及误差项e i的函数，并代入式（1）可得：
Y
i，t+1=f（X
i
，α
i
，e
i
）（2）
Vul
i，t =P（Y
i，t+1
=f（X
i
，α
i
，e
i
）≤z）（3）
假设未来收入服从对数正态分布（Zhang等，2006［26］；李丽等，2014［27］），本文基于Amemiya （1977）［28］提出的广义最小二乘法（FGLS），计算贫困脆弱性。
第一步，估计收入方程。估计方程为：
ln Y
i =X
i
β+e i（4）
e∧2 i =X
i
ρ+ηi（5）
其中，X i是涉及家庭特征的相关变量（樊丽明等，2014）［29］，主要包括年龄、教育程度、就业情况、人均耕地面积、人口规模等特征变量。
第二步，根据拟合值构建权重并进行FGLS估计。即
E∧ln Y
i X
()
i =X
i
β∧FGLS（6）
V∧ln Y
i X
()
i =σ∧2
e，i
=X
i
ρ∧FGLS（7）
第三步，估算家庭i的贫困脆弱性。即独立空间
V∧ul
i =
ln z－X
i
β∧FGLS
顾城别恋下载
X
i
ρ∧
槡
()FGLS（8）
（二）贫困脆弱性的测量结果
本文选择国家贫困标准2300元和世界银行每人每天1.9美元极端贫困线两条贫困线计算农户家庭的贫困脆弱性①。一般将贫困脆弱性高于脆弱线的视为贫困脆弱家庭，而脆弱线的确定一般有两种方式：一是将贫困发生率视为脆弱线，被称为低脆弱线（徐超等，2017）［30］；二是选择50%作为脆弱线，即当某家庭未来陷入贫困的可能性大于50%时，则其是脆弱的，也被称为高脆弱线（杨龙等，2018）［16］。如表1所示。
云南财经大学学报（2020年第10期）
①我国2011年确定的国家贫困线标准为人均纯收入2300元/年；世界银行的极端贫困线标准为每人每天1.9美元，根据2011年购买力平价（PPP）折合人民币约为人均2108元/年。下文均采用PPP折算后的数值。
表1不同标准下农户家庭的贫困脆弱性单位：%
测量标准
贫困发生率50%
全样本2014年2016年全样本2014年2016年
2300元国家贫困线
脆弱54.1030.7723.3227.8028.9410.42不脆弱45.9069.2376.6872.2071.0689.58
1.9美元极端贫困线
脆弱50.4528.9421.5124.9615.879.09不脆弱49.5571.0678.4975.0484.1390.91
从总体上看，随着贫困线的提高，贫困脆弱性程度逐渐增加。由表1可知，以贫困发生率作为脆弱线标准，在2300元国家贫困线下，贫困脆弱性为54.10%，即农户家庭在未来陷入2300元国家贫困线之下的概率为54.10%；在1.9美元极端贫困线下，贫困脆弱性为50.45%，即农户家庭在未来陷入1.9美元极端贫困线之下的概率为50.45%。同理，以50%作为脆弱线标准，在2300元国家贫困线下，贫困脆弱性为27.80%，即农户家庭在未来陷入2300元国家贫困线之下的概率为27.80%；在1.9美元极端贫困线下，贫困脆弱性为24.96%，即农户家庭在未来陷入1.9美元极端贫困线之下的概率为24.96%。国家贫困线2300元仅比世界银行极端贫困线高出192元，但农户家庭的贫困脆弱性却提高了3%左右，说明我国贫困地区中存在一些人均纯收入刚超过极端贫困线的农户，这些农户由于人均纯收入超过了极端贫困线但低于国家贫困线，他们的生活水平不稳定，在遭遇风险或冲击时有可能陷入极端贫困。
从时间上看，随着精准扶贫的实施，农户家庭的贫困脆弱性程度逐渐下降。由表1可知，2014—2016
年，以贫困发生率作为脆弱线标准，在2300元国家贫困线下，贫困脆弱性下降了7.45%；在1.9美元极端贫困线下，贫困脆弱性下降了7.43%。同理，以50%作为脆弱线标准，在2300元国家贫困线下，贫困脆弱性下降了18.52%；在1.9美元极端贫困线下，贫困脆弱性下降了6.78%。自2014年我国全面实施精准扶贫以来，农户家庭的贫困脆弱性逐渐降低，说明精准扶贫以来，扶贫政策的实施真正起到了促增收、助脱贫、谋致富的积极作用。
三、数据来源与模型构建
（一）数据来源
本文使用的数据来源于中国劳动力动态调查（China Labor－force Dynamic Survey，CLDS），该调查由中山大学社会科学调查中心主持开展。CLDS基于概率抽样方法，调查样本覆盖了中国的29个省份（除西藏、海南外，另外，不包括港澳台地区），调查对象为样本家庭中15 64岁的全部劳动力，是我国第一个以劳动力为主题的全国性的动态追踪调查。本文使用的主要数据为2014年和2016年CLDS的两期微观调查数据。由于本文的研究对象为农户家庭，所以对调查数据进行了筛选，首先，剔除了城市户口家庭，保留了农村户口家庭；其次，剔除户主年龄小于16岁以及主要变量缺失的农户家庭；最后，得到一个样本容量为6226的研究样本。
（二）模型设定
公共政策效果评估时，会更加关注政策实施产生的净效应。然而，很难单独得知该净效应，一是参加或者未参加公共政策的体本身存在系统性差异，若简单地将其进行比较，所得结论存在偏差。二是时间效应，随着公共政策的实施，其他政策不断渗透，可能会使这种评估所得出的结论被放大或者缩小，因此，需要将该政策的影响分离出来。一般情况下，学者们仅能求得体在政策实施前或实施后的一种效果，另一种效果难以求得，这也即是“反事实”估计。为解决这一问题，学者们模拟一种“准自然实验”的状态，通过设置实验组和对照组，进而得到一致的估计结果。因此，本文采用“准自然实验”研究方法，通过设置实验组（参加产业扶贫，T=1）和对照组（未参加产业扶贫，T=0），考察两组对象参加产业扶贫与否的政策差异，进而可以较好地分析产业扶贫对农户家庭贫困脆弱性的影响。
王志涛，徐兵霞：产业扶贫降低了贫困脆弱性吗？———基于CLDS的准实验研究
1.双重差分法（DID ）
双重差分法（DID ）通过控制研究对象之间的事前差异，过滤时间效应等固定效应的影响，将政策实施的效果分离出来，
较为准确地反映政策实施对研究对象的干预效果（Ｒavallion ，2007）［31］。本文通过设置对照组和实验组，采用双重差分法对比分析研究对象是否参加产业扶贫的政策差异，考察产业
扶贫对贫困脆弱性的影响程度。为了分析产业扶贫的平均处理效应，本文采用了DID 、包括协变量的DID 对产业扶贫的平均处理效应进行估计。
本文设定的DID 评估模型如式（9）：V it =β0+α0P t +β1T i +α1·P t T i +εit （9）
包含协变量的DID 评估模型如式（10）：V it =β0+α0P t +β1T i +α1·P t T i +θX it +εit
（10）
其中，V it 是被解释变量贫困脆弱性，下标i 和t 分别代表不同的样本家庭和不同的时期。T i 为是否参加产业扶贫的处理变量。P t 代表样本家庭参加产业扶贫的时期。交叉项P t T i 反映了产业扶贫政策实施的净效应。X it 代表协变量。εit 代表随机干扰项。
2.倾向得分匹配法（PSM ）
倾向得分匹配法（PSM ）主要用于评估某一政策或行为的实施效果，通过控制组间差异，排除样本选择性偏误和内生性问题（Ｒosenbaum et al ，
1983）［32］，使得政策评估的结果更加合理。本文还运用PSM 方法分析产业扶贫对农户家庭贫困脆弱性的影响，其核心思想是将多维的协变量整合为单一维度的倾向得分值，
进而匹配参加产业扶贫的农户家庭和未参加产业扶贫的农户家庭，使其仅在是否参加产业扶贫上存在差异，
而在其他方面保持一致。其步骤简述如下：（1）引入影响产业扶贫评估效果的协变量，
运用概率模型估计倾向得分值；（2）匹配对照组和实验组；（3）估计产业扶贫的平均处理效应ATT 。
倾向得分匹配法的基本原理如式（11），
计算机产业
X i 表示可以观察到的共变量，T =1表示贫困户参与了产业扶贫，
倾向得分值为P X ()i =Pr T =1X ()i ，产业扶贫的平均处理效应为实验组的处理效应E V T T =1，P （X []）减去对照组的处理效应E V C T =0，P （X []）：
ATT =E P （X ）
T =1
E V T T =1，
P （X []）－E V C T =0，P （X []{}）（11）
本文基于Probit 模型得出倾向得分值，采用多维度匹配的方法，选择影响农户家庭贫困脆弱性的
个体因素、
家庭因素、社区因素，使匹配效果更加合理。首先，基于Probit 模型分析结果，选择合适的协变量。其次，
分别运用k 近邻匹配法（1ʒ1）、k 近邻匹配法（1ʒ4）、半径匹配法和核匹配法计算产业扶贫项目对农户家庭贫困脆弱性的平均处理效果（ATT ），
并比较不同地区的产业扶贫对贫困脆弱性的平均处理效果。最后，
采用PSM －DID 检验其稳健性，若不同匹配方法的检验结果相似，则表明产业扶贫对农户家庭贫困脆弱性的平均处理效应是稳健的，
反之亦然。（三）变量选取
被解释变量。本文的被解释变量为贫困脆弱性（Vul ）。
核心解释变量。本文选取的核心解释变量为“是否参加产业扶贫”，代表样本家庭是否参加产业
扶贫。其中，
参加产业扶贫项目T =1，否则T =0。控制变量。本文主要从户主特征、家庭特征、社区特征三个方面选取控制变量。首先，本文加入
了重要的家庭特征变量。其中，
从事非农工作且有稳定收入人数、是否参加低保补助反映了家庭的经济状况；人口规模反映了家庭的人口状况，
人口规模越大的家庭，越容易在未来陷入贫困，而这些家庭也更倾向于参加产业扶贫；家庭耐用品数量和农业机械数量反映了农户家庭生活性资产和生产性资产的变动状况。其次，
为了排除人力资本对实证结果的影响，本文还加入了户主特征变量，包括年龄、教育程度、健康水平、是否参加工作及技能培训等反映户主能力特征的变量。最后，本文还加入了社
区特征变量。其中，
社区内合作社数量、近3年是否发生自然灾害反映自然资源禀赋对农户贫困状态的影响；是否有路灯、路面硬化比例以及到商业中心的距离表示贫困户家庭的区位条件；是否属于东云南财经大学学报（2020年第10期）
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议