1.2　集中连片特困地区多维贫困的动态识别

1.2.1　多维贫困的识别方法

本章使用的多维贫困测度原理和方法源于Alkire和Foster（Alkire，Sabina，et al.，2015），但对各贫困维度的指标选择以及各贫困维度的权重设定方式进行了适应性修改。其主要原理为：首先，在县级行政单元层面判断各贫困维度是否超过某一临界值（单维度贫困线）；其次，对各县在各贫困维度上的贫困状况进行加权处理，得到总体多维贫困值；最后，比较各县总体多维贫困值和总体临界值（多维贫困线），从而得到多维贫困指数，并利用多维贫困指数良好的可分解性，分析多维贫困的动态演化和结构变迁。

考虑n个县和d个贫困维度，g_ij为该n×d维矩阵的元素，表示贫困县i在贫困维度j上的取值。如果g_ij<z_j，g_ij=w_j，否则g_ij=0。其中，z_j和w_j分别为贫困维度j的单维度贫困线和该贫困维度在总体多维贫困中的权重，且∑w_j=1。该矩阵中的第i行表示贫困县i在各贫困维度上的贫困向量，第j列表示贫困维度j在各贫困县的分布情况。根据各单维度贫困线得到各地区各贫困维度的贫困状况之后，可以对各贫困县的多维贫困状况进行进一步识别。令，且ρ_i表示贫困县i的多维贫困指数，如果c_i>k，则ρ_i=1，否则ρ_i=0。其中，k为总体临界值（多维贫困线），总体临界值的不同设定能够反映多维贫困的深度。如果k=1，表示只有贫困县i在所有贫困维度上均贫困时，才定义为多维贫困；如果k≤min（w_j），则意味着只要贫困县i在任何一个贫困维度上贫困，即可定义为多维贫困。基于同一总体多维贫困线，ρ越大表示多维贫困越严重。

1.2.2　贫困维度和对应指标的选择

本章从机会与风险视角选择各贫困维度，基于该视角展开多维贫困分析的原因和逻辑为：首先，经济机会是当前阶段继续获得大规模减贫绩效的关键。减贫不同于社会救济，减贫政策盯住的贫困主体具有一定的先天能力，而非无参与经济活动的能力，该能力随机分布且在劳动适龄阶段持续存在。在贫困人口的就业结构以低技能就业为主的当前背景下，该随机分布的先天能力是最为核心的禀赋资源，受扶贫政策影响的短期弹性较小。也就是说，在当前阶段，扶贫政策无法寄希望于在短时间内通过政策冲击实现贫困人口发展能力的显著改善。因此，新一轮扶贫攻坚阶段，减贫政策应强化贫困人口核心能力的收入转化效率，即在接受贫困人口当前能力的约束条件下，通过改善经济机会提升贫困人口现有能力下的减贫绩效。其次，风险管理和经济机会的匹配，能够在扶贫资源财务约束的背景下，获得额外减贫红利空间，且有效规避贫困脆弱性，体现2020年减贫目标和更长期人类发展目标的耦合。自然灾害、农产品价格波动、经济周期以及人力资本的匮乏，使得贫困人口在参与经济活动时，始终面临着内外部的风险冲击。在风险抵御能力较差时，风险冲击的负面影响带来的效用损失大于风险收益带来的效用增加，因此贫困人口更倾向于成为风险规避者（World Bank，2013）。贫困人口由于意识到负面冲击会使他们陷入赤贫、破产或危机，可能就会坚持使用那些看起来比较保险，但实际上落后的生产技术和谋生手段，从而陷入“稳妥的贫困”。尤其是对于有一定经济机会和自我发展能力的贫困主体而言，风险冲击成为他们对减贫政策主动参与不足的最大约束。因此，在改善贫困地区和贫困人口经济机会的同时，妥善的风险管理将放大经济机会的减贫效果。从县级行政单元贫困人口经济机会和风险管理的现实情况出发，我们从农业发展机会、非农产业发展机会和潜在发展机会三个方面描绘贫困县的经济机会，从内部风险和外部风险两个方面反映贫困县的风险情况。各维度的解释和对应指标选择如下：

第一，农业发展机会。现有研究表明农业依然是农村地区贫困减缓的主要动力来源（单德朋，2012），农业发展机会的提升不仅能够通过农产品产量提升和质量改善体现直接减贫，而且能够通过农业发展机会增加非农劳动力的供给，改善贫困人口收入结构。本章使用单位农村人口第一产业增加值、农林牧渔业从业人员单位农产品产量和人均农业机械动力三个指标，分别反映农业发展机会，各指标的计算方法详见表1-1所示。

第二，非农产业发展机会。农村劳动力从农业生产方式向非农生产方式的转换能够体现生产效率的改进，并发挥农村劳动力最大的劳动潜力。本章使用乡村从业人员中非农林牧渔业从业人员比重、人均固定电话用户以及经济结构三个指标正向反映非农产业发展机会。其中，经济结构为第二产业增加值与第一产业增加值之比。

第三，潜在发展机会。在个体能力和外部经济机会相同的情况下，人力资本和物质资本的提升，能够促使贫困人口获得额外发展机会。本章使用中小学在校学生占年末总人口的比重以及人均贷款余额分别表征人力资本和物质资本能够带来的教育机会和金融机会等潜在发展机会。

第四，内部风险。贫困主体面临风险冲击时，平滑风险成本收益在不同风险状态的能力能够有效反映贫困主体的内部风险情况。内部风险的刻画可以从风险本身、风险应对手段两个方面进行。本章着重从个体的风险应对手段方面选择了人均居民储蓄存款余额、人均医院和卫生院床位数，以及人均各种福利收养性单位床位数作为反映贫困主体应对风险冲击的内部应对手段。人均居民储蓄存款余额能够使得贫困人口在面临物价波动、经济周期和经营性风险时，利用自我储蓄实现平滑消费。人均医院、卫生院床位数反映了贫困人口因病致贫的风险，而人均各种福利收养性单位床位数则能够反映因家庭结构带来的贫困和劳动力供给受约束的风险。

第五，外部风险。县域经济的波动性是贫困人口系统性风险的重要来源，而集中连片特困地区当前的经济增长模式以投资驱动为主，因此县级行政单元稳健投资的能力构成了贫困主要的外部风险。政府债务风险和固定资产投资的可持续性能够有效反映政府稳健投资的能力，这两个风险来源分别使用预算收入占预算支出之比和人均固定资产投资来反映。

1.2.3　各贫困维度和细分指标的权重和贫困线设定

（1）各贫困维度和细分指标的权重设定。一旦设定了多维贫困的贫困维度和相应的贫困指标，接下来要考虑的问题是各贫困维度和贫困指标的权重设定，以及各贫困指标的门槛值。现有研究主要采取等权重（equal weights）方法，认为不同贫困维度对多维贫困的贡献度相同，并且在同一贫困维度内部，各贫困指标也赋予同等权重。本章给出的多维贫困指标体系在等权重方法下，五个贫困维度的权重均为0.2，以外部风险为例，外部风险维度有两个贫困指标，则政府债务风险和均衡投资风险在总体多维贫困中的权重均为0.1。

然而，现有研究表明不同贫困维度与收入贫困的相关系数存在较大差异，因此等权重方法确实面临着理论解释上的缺陷。为此，一个变通的方法是频率加权法（frequency-based weighting approach），该方法采用平方贫困距理念，针对贫困主体不同贫困维度分布情况的差异，进行差别化的权重赋予，越贫困的群体赋予的权重越大（Figari，2012）。该方法认为在某个贫困指标上非贫困样本比重越大，则贫困样本认识到自己贫困的感受越强烈，即“不患寡，而患不均”。该理念体现了主观贫困的内涵，即便某主体客观贫困状况没有任何变化，随着其他主体贫困状况的缓解，其主观贫困情况也会加深。本章综合了等权重法和频率加权法两种方法，并与等权重法的测度结果进行稳健性对比。技术处理过程为：首先，对五个贫困维度进行等权重赋值；其次，在各贫困维度对应贫困指标的权重赋予上采用频率加权法。以内部风险为例，该贫困维度的总权重为0.2，所有样本在消费、投资平滑风险和养老风险三个指标上定义为非贫困的样本比重为x₁、x₂和x₃，则各指标在总体多维贫困指数中的权重为，其中m（=1，2，3）为当前贫困维度中的贫困指标数。同理我们可以得到其他贫困维度各贫困指标在总体多维贫困中的权重。

（2）贫困线设定。多维贫困识别和测度过程中既需要设定各贫困指标的单一贫困门槛值，也需要设定总体多维贫困的总体门槛值。由于本章是现有研究中首次针对集中连片特困地区从县级层面进行长时间序列的多维贫困测度，故而无法从同类研究中获得各贫困指标的公允门槛值。在操作中，本章借鉴了相对贫困的理念，取同一时间点上所有样本某指标均值的70%作为该指标的相对贫困线，即，其中i（=1，2，…，n）为所有样本数。该种贫困线设定方法的优点在于体现了贫困线的动态变化和相对贫困内涵。在贫困识别过程中，为了进行多维贫困的横向比较，我们还使用了2013年的相对贫困线作为统一贫困线，对各年的绝对贫困状况进行测度。本章使用数据均来源于历年《中国县域统计年鉴》，因行政区划调整和数据可得的原因，我们从集中连片特困地区680个贫困县中筛选出了663个贫困县作为本章研究的样本⁽¹⁾。