趙 正,侯一蕾,溫亞利
(北京林業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院,北京 100083)
中國(guó)的扶貧實(shí)踐始于20世紀(jì)80年代中期,時(shí)至今日已經(jīng)使六億多人成功脫貧,成為第一個(gè)實(shí)現(xiàn)聯(lián)合國(guó)千年發(fā)展目標(biāo)使貧困人口比例減半的國(guó)家。但是,當(dāng)前中國(guó)的扶貧工作仍然存在貧困居民底數(shù)不清、扶貧措施針對(duì)性不強(qiáng)、扶貧資金和項(xiàng)目指向不明等一系列問(wèn)題。2013年11月,習(xí)近平總書(shū)記在湖南湘西考察時(shí)提出了“精準(zhǔn)扶貧”的重要思想,即針對(duì)不同貧困區(qū)域環(huán)境、不同貧困農(nóng)戶(hù)狀況,運(yùn)用科學(xué)有效程序?qū)Ψ鲐殞?duì)象實(shí)施精確識(shí)別、精確幫扶、精確管理的治貧方式。也就是說(shuō),精準(zhǔn)扶貧的對(duì)象是真正的貧困農(nóng)戶(hù)。另一方面,習(xí)近平總書(shū)記在2015年10月再次強(qiáng)調(diào),實(shí)施精準(zhǔn)扶貧方略需要堅(jiān)持“分類(lèi)施策”的原則,即“因人因地施策,因貧困原因施策,因貧困類(lèi)型施策”。因此,設(shè)計(jì)科學(xué)合理的精準(zhǔn)扶貧模式就成為提升農(nóng)戶(hù)參與積極性和扶貧政策實(shí)施效果的保證?;诖?,本研究以典型地區(qū)貧困農(nóng)戶(hù)作為研究對(duì)象,從主要的精準(zhǔn)扶貧模式出發(fā),就精準(zhǔn)扶貧項(xiàng)目與農(nóng)村居民收入增長(zhǎng)之間的關(guān)聯(lián)及影響關(guān)系進(jìn)行深入探討。
關(guān)于精準(zhǔn)扶貧的研究始于2013年,但目前已有的研究成果比較豐富,涵蓋了精準(zhǔn)扶貧的模式選擇、問(wèn)題研究及對(duì)策分析等方面的內(nèi)容。
就精準(zhǔn)扶貧的模式選擇而言。有研究認(rèn)為扶貧模式的選擇需要考慮不同地區(qū)的貧困特點(diǎn)和致貧原因。有研究認(rèn)為中國(guó)西南石漠化地區(qū)精準(zhǔn)扶貧取得成效的關(guān)鍵,是在科學(xué)規(guī)劃和精準(zhǔn)識(shí)別的前提下建立農(nóng)業(yè)產(chǎn)業(yè)化的扶貧發(fā)展模式[1];還有研究指出,中國(guó)川藏地區(qū)的貧困問(wèn)題受到生態(tài)、經(jīng)濟(jì)、社會(huì)以及制度等因素的約束,其扶貧模式應(yīng)當(dāng)更多地考慮提升公共服務(wù)、加大資金投入以及創(chuàng)新機(jī)制等方面的內(nèi)容[2]。另一方面,有研究認(rèn)為有效的扶貧模式應(yīng)當(dāng)是將改善貧困狀況和增強(qiáng)發(fā)展能力相結(jié)合的模式,精準(zhǔn)扶貧工作應(yīng)當(dāng)注重農(nóng)戶(hù)的教育培訓(xùn)環(huán)節(jié)[3];也有研究指出,有效的精準(zhǔn)扶貧模式需要一方面瞄準(zhǔn)對(duì)象、精確識(shí)別,另一方面對(duì)癥下藥、聯(lián)動(dòng)幫扶[4]。
就精準(zhǔn)扶貧存在的問(wèn)題而言。有學(xué)者從農(nóng)戶(hù)自身角度出發(fā),認(rèn)為中國(guó)農(nóng)戶(hù)貧困的主要原因是自身發(fā)展能力的缺乏,具體體現(xiàn)在對(duì)借貸等精準(zhǔn)扶貧措施的積極性不高等方面[5],還有學(xué)者提出中國(guó)精準(zhǔn)扶貧精準(zhǔn)度不高的原因之一是農(nóng)戶(hù)在參與扶貧項(xiàng)目時(shí)存在信息不對(duì)稱(chēng)的問(wèn)題[6];其次,從扶貧政策角度考慮,有學(xué)者指出中國(guó)的農(nóng)村社會(huì)正在不斷發(fā)生分化,當(dāng)前的扶貧措施需要更多地考慮扶貧政策與社區(qū)發(fā)展之間的關(guān)系[7];還有學(xué)者更加詳細(xì)地提出,中國(guó)的精準(zhǔn)扶貧工作存在需求、資金、市場(chǎng)等方面的排斥性因素,都不利于扶貧工作的有效開(kāi)展[8]。以上研究表明,農(nóng)戶(hù)自身存在的問(wèn)題與扶貧政策的缺陷,都會(huì)導(dǎo)致精準(zhǔn)扶貧的實(shí)踐與政策相背離。
就精準(zhǔn)扶貧的路徑與對(duì)策分析而言。已有研究普遍強(qiáng)調(diào)了建立和強(qiáng)化精準(zhǔn)扶貧機(jī)制的重要性,即更加關(guān)注區(qū)域和人口的實(shí)際需要以及扶貧資金的投向和效果,提高扶貧的精準(zhǔn)度[9];還有學(xué)者認(rèn)為農(nóng)戶(hù)的參與是提高扶貧轉(zhuǎn)化率的根本之策,也是發(fā)現(xiàn)和解決貧困問(wèn)題、提升精準(zhǔn)扶貧績(jī)效的重要手段[10];有研究進(jìn)一步提出了提高精準(zhǔn)扶貧有效性的方式方法,即一方面制定和實(shí)施有效的財(cái)政、金融政策,另一方面加強(qiáng)對(duì)貧困農(nóng)戶(hù)的技能培訓(xùn),提升生計(jì)水平,從兩方面努力來(lái)達(dá)到脫貧的目的[11]。
從相關(guān)研究所存在的問(wèn)題出發(fā),本研究認(rèn)為:一方面,由于精準(zhǔn)扶貧對(duì)于大部分地區(qū)農(nóng)戶(hù)而言仍然是一個(gè)比較新的話(huà)題,目前中國(guó)只有少數(shù)試點(diǎn)地區(qū)開(kāi)展了相關(guān)的精準(zhǔn)扶貧項(xiàng)目,參與項(xiàng)目的農(nóng)戶(hù)人數(shù)也較少,因此用于此類(lèi)研究的樣本數(shù)量較小,在觀(guān)察研究過(guò)程中存在的小樣本偏差,將會(huì)引致偏倚的結(jié)論,從而降低研究結(jié)果的可信度;另一方面,Heckman曾經(jīng)指出,樣本選擇性偏差和受訪(fǎng)者的先驗(yàn)經(jīng)驗(yàn)、個(gè)體特征等因素同樣會(huì)影響研究結(jié)果[12]。也就是說(shuō),農(nóng)戶(hù)精準(zhǔn)扶貧項(xiàng)目參與情況會(huì)受到多種因素的影響,而非僅僅由項(xiàng)目本身的好壞所決定,已有研究并未對(duì)此加以重點(diǎn)關(guān)注。本研究旨在通過(guò)引入傾向得分匹配法(PSM)解決這一系列問(wèn)題。
基于已有研究成果和“實(shí)事求是,因地制宜,分類(lèi)指導(dǎo)”的基本原則,本研究認(rèn)為,充分提升農(nóng)戶(hù)的參與積極性是精準(zhǔn)扶貧工作實(shí)施的重點(diǎn),設(shè)計(jì)合理的精準(zhǔn)扶貧實(shí)施方式,則是提升農(nóng)戶(hù)參與積極性的保證。結(jié)合秦嶺地區(qū)精準(zhǔn)扶貧工作開(kāi)展的實(shí)際情況,本研究以貧困補(bǔ)貼模式、合作社模式、生態(tài)旅游模式以及整村推進(jìn)模式為例進(jìn)行分析,旨在全面把握當(dāng)?shù)鼐珳?zhǔn)扶貧的基本情況,同時(shí)對(duì)不同模式下農(nóng)戶(hù)收入的增減情況進(jìn)行估算與對(duì)比,進(jìn)而得出最適宜的扶貧模式,為相關(guān)政策的制定提供依據(jù)。
陜西省是中國(guó)生態(tài)脆弱、水土流失嚴(yán)重的省份之一,也是貧困問(wèn)題較為突出的區(qū)域。本研究課題組于2016年對(duì)秦嶺地區(qū)農(nóng)戶(hù)的精準(zhǔn)扶貧項(xiàng)目參與意愿進(jìn)行了實(shí)地調(diào)研,共涉及陜西省佛坪縣、城固縣、洋縣、太白縣、眉縣、周至縣6縣的11個(gè)行政村。本研究在選取樣本農(nóng)戶(hù)時(shí)依據(jù)典型抽樣和隨機(jī)抽樣相結(jié)合的原則,選擇調(diào)查農(nóng)戶(hù)共計(jì)600戶(hù),剔除由于常年在外打工而得到的無(wú)效問(wèn)卷、有明顯失真的問(wèn)卷、數(shù)據(jù)信息缺失嚴(yán)重以及完全對(duì)本次研究相關(guān)變量無(wú)法滿(mǎn)足的問(wèn)卷,最終的有效問(wèn)卷為561份,調(diào)查問(wèn)卷有效率達(dá)93.50%(表1)。
表1 研究區(qū)域和問(wèn)卷發(fā)放情況
就問(wèn)卷調(diào)查的具體內(nèi)容而言,首先對(duì)農(nóng)戶(hù)在2014—2016年的收入情況進(jìn)行了調(diào)查,與收入相關(guān)的調(diào)查問(wèn)題包括了農(nóng)戶(hù)在貧困補(bǔ)貼、合作社、生態(tài)旅游以及整村推進(jìn)四種精準(zhǔn)扶貧模式下的家庭月收入額。其次,還對(duì)以下3個(gè)方面的內(nèi)容進(jìn)行了調(diào)查:(1)農(nóng)戶(hù)的個(gè)人特征,包括農(nóng)戶(hù)的性別、年齡、受教育程度以及農(nóng)戶(hù)身份等;(2)農(nóng)戶(hù)的精準(zhǔn)扶貧項(xiàng)目參與情況,以2016年農(nóng)戶(hù)的項(xiàng)目參與情況作為區(qū)別實(shí)驗(yàn)組與對(duì)照組的分類(lèi)變量,同時(shí)對(duì)2014和2015年農(nóng)戶(hù)的項(xiàng)目參與情況進(jìn)行調(diào)查,以此來(lái)降低數(shù)據(jù)的內(nèi)生性問(wèn)題;(3)考慮到可能存在的不可觀(guān)測(cè)因素和交叉影響因素的作用,以及解釋變量與被解釋變量間可能存在的非線(xiàn)性關(guān)系,本研究通過(guò)對(duì)個(gè)別變量的交叉和平方化處理構(gòu)建了6個(gè)虛擬變量。具體的變量設(shè)置及描述統(tǒng)計(jì)情況如表2所示。
表2 變量及其取值
由表2可知,實(shí)驗(yàn)組農(nóng)戶(hù)各年的收入情況均低于對(duì)照組,且各組各變量的t檢驗(yàn)結(jié)果顯示其組間差異非常顯著(P<0.01)。比較各變量可知,實(shí)驗(yàn)組農(nóng)戶(hù)的年齡略小、受教育程度略低,這類(lèi)農(nóng)戶(hù)普遍具有更多的閑暇時(shí)間;同時(shí),實(shí)驗(yàn)組農(nóng)戶(hù)的村干部或黨員任職要優(yōu)于對(duì)照組,即實(shí)驗(yàn)組農(nóng)戶(hù)對(duì)于精準(zhǔn)扶貧政策的接觸頻率及認(rèn)知程度相對(duì)較高。由此可以推斷:參與精準(zhǔn)扶貧項(xiàng)目理論上應(yīng)當(dāng)促進(jìn)農(nóng)戶(hù)收入水平的提升,因此導(dǎo)致其收入較低的因素很有可能是內(nèi)生性的。描述統(tǒng)計(jì)部分只對(duì)農(nóng)戶(hù)的收入進(jìn)行了簡(jiǎn)單對(duì)比,并未體現(xiàn)農(nóng)戶(hù)收入與其精準(zhǔn)扶貧項(xiàng)目參與情況之間可能存在的因果關(guān)系。因此,本研究擬對(duì)真實(shí)情況進(jìn)行進(jìn)一步的估計(jì)。
在精準(zhǔn)扶貧項(xiàng)目參與對(duì)農(nóng)戶(hù)收入的影響分析中,實(shí)地調(diào)研所得到的數(shù)據(jù)主要是非實(shí)驗(yàn)數(shù)據(jù)或觀(guān)測(cè)數(shù)據(jù),而不是隨機(jī)對(duì)照實(shí)驗(yàn)數(shù)據(jù)。原因在于:從數(shù)據(jù)獲取的角度考慮,對(duì)大量受訪(fǎng)者進(jìn)行調(diào)查,然后隨機(jī)分配到參與組和非參與組的實(shí)驗(yàn)設(shè)計(jì)并不容易實(shí)現(xiàn);反之,農(nóng)戶(hù)參與和未參與精準(zhǔn)扶貧項(xiàng)目的行為和結(jié)果很容易通過(guò)觀(guān)察得到。但是,利用觀(guān)察數(shù)據(jù)直接進(jìn)行研究將很容易得出非常偏倚的結(jié)論。比如:用參與項(xiàng)目的農(nóng)戶(hù)中收入狀況最差的10%樣本,與未參與項(xiàng)目的農(nóng)戶(hù)中收入狀況最好的10%樣本進(jìn)行對(duì)比,將會(huì)得出“精準(zhǔn)扶貧項(xiàng)目對(duì)農(nóng)戶(hù)收入產(chǎn)生負(fù)面影響”的錯(cuò)誤結(jié)論。因此,本研究擬通過(guò)引進(jìn)傾向性得分匹配法來(lái)嘗試解決這一問(wèn)題。
傾向得分匹配法(PSM)是使用非實(shí)驗(yàn)數(shù)據(jù)或觀(guān)測(cè)數(shù)據(jù)進(jìn)行干預(yù)效應(yīng)分析的統(tǒng)計(jì)方法,可以有效降低調(diào)查樣本的選擇性偏差和內(nèi)生性干擾等問(wèn)題。傾向得分匹配的理論框架是“反事實(shí)推斷模型”,即假定任何因果分析的研究對(duì)象都有兩種條件下的結(jié)果:被觀(guān)測(cè)到的和未被觀(guān)測(cè)到的結(jié)果。對(duì)于處在干預(yù)狀態(tài)和控制狀態(tài)的樣本而言,“反事實(shí)”分別表示處于相應(yīng)狀態(tài)下的潛在結(jié)果。傾向得分匹配法可以解決“反事實(shí)”無(wú)法觀(guān)測(cè)的問(wèn)題。該方法首先將可能存在選擇性偏差和內(nèi)生性干擾的混淆變量納入到回歸模型中,通過(guò)計(jì)算得出其傾向得分,即實(shí)驗(yàn)組樣本的條件概率;進(jìn)而以?xún)A向得分為基礎(chǔ),計(jì)算與每個(gè)實(shí)驗(yàn)組樣本個(gè)體最為匹配的對(duì)照組樣本個(gè)體,從而達(dá)到組間的平衡。
具體來(lái)說(shuō),首先對(duì)原始數(shù)據(jù)進(jìn)行歸納與整合,得到兩個(gè)組別的樣本數(shù)據(jù),實(shí)驗(yàn)組表示該組農(nóng)戶(hù)有參與精準(zhǔn)扶貧項(xiàng)目,對(duì)照組則表示該組農(nóng)戶(hù)沒(méi)有參與精準(zhǔn)扶貧項(xiàng)目。令因變量Y1和Y0分別表示實(shí)驗(yàn)組和對(duì)照組農(nóng)戶(hù)收入,二值變量D表示農(nóng)戶(hù)是否參與項(xiàng)目(D=1則代表該農(nóng)戶(hù)在實(shí)驗(yàn)組,D=0則代表該農(nóng)戶(hù)在對(duì)照組)。本研究的目的在于探討已經(jīng)參與精準(zhǔn)扶貧項(xiàng)目的農(nóng)戶(hù)與假設(shè)其未曾參與的情況相比,其收入狀況是否會(huì)更好。當(dāng)樣本農(nóng)戶(hù)屬于試驗(yàn)組時(shí),事實(shí)E(Y1|D=1)可觀(guān)測(cè),而反事實(shí)E(Y0|D=1)無(wú)法觀(guān)測(cè);同理,當(dāng)樣本農(nóng)戶(hù)屬于對(duì)照組時(shí),事實(shí)E(Y0|D=0)可觀(guān)測(cè),而反事實(shí)E(Y1|D=0)無(wú)法觀(guān)測(cè),這種研究思路稱(chēng)為“反事實(shí)因果分析”[13]。同時(shí),由于個(gè)體農(nóng)戶(hù)的參與情況存在差異,因此本研究重點(diǎn)關(guān)注實(shí)驗(yàn)組中事實(shí)E(Y1|D=1)與反事實(shí)E(Y0|D=1)之間的樣本均值差,即平均參與效應(yīng)(ATT):
ATT=α[E(Y1|D=1)-E(Y0|D=1)]+(1-α)[E(Y1|D=0)-E(Y0|D=0)]
其中,α為實(shí)驗(yàn)組樣本農(nóng)戶(hù)比重,(1-α)為對(duì)照組的樣本農(nóng)戶(hù)比例。考慮到各組樣本的隨機(jī)分配方式以及反事實(shí)無(wú)法觀(guān)測(cè)的困難,本研究引入非混淆假設(shè)E(Y1|D=0)=E(Y1|D=1)和E(Y0|D=0)=E(Y0|D=1)對(duì)平均參與效應(yīng)(ATT)的表達(dá)式進(jìn)行簡(jiǎn)化[14],得到:
ATT=E(Y1|D=1)-E(Y0|D=0)
本研究用傾向得分(Propensity Score)作為對(duì)多個(gè)混淆變量x的代替進(jìn)行估計(jì),它表示“個(gè)體在一組既定的協(xié)變量下,接受某種參與(Treatment)的可能性”[15]。令P(x)表示實(shí)驗(yàn)組中變量x的傾向得分,即P(x)=P(D=1|x),則平均參與效應(yīng)(ATT)可以進(jìn)一步改寫(xiě)為:
ATT=E(Y1|D=1,P(x))-E(Y0|D=0,
P(x))
由于本研究的參與變量D為二值變量(0,1),因此采用logit模型對(duì)傾向得分值進(jìn)行估計(jì)。對(duì)傾向得分值進(jìn)行估計(jì)的目的在于,將多維協(xié)變量x轉(zhuǎn)換為一維變量P(x),從而降低匹配的復(fù)雜程度。當(dāng)前比較常用的傾向得分匹配方式有4種,即最鄰近匹配法(Nearest Neighbor Matching Method)、核匹配法(Kernel Matching Method)、分層匹配法(Stratification Method)和半徑匹配法(Radius Matching Method)。本研究擬采用最鄰近匹配法,對(duì)與實(shí)驗(yàn)組樣本的傾向得分最為接近的實(shí)驗(yàn)組樣本進(jìn)行一對(duì)一匹配,數(shù)據(jù)的整理和分析采用Stata軟件完成。
本研究的因變量類(lèi)型為二分類(lèi)變量,自變量包括二分類(lèi)變量、連續(xù)變量和有序多分類(lèi)變量,因此采用二分類(lèi)Logit回歸模型進(jìn)行分析,來(lái)探討二分類(lèi)因變量與自變量之間的關(guān)系。同時(shí),還計(jì)算了各影響因素變量的邊際變化對(duì)農(nóng)戶(hù)參與精準(zhǔn)扶貧項(xiàng)目的概率的影響。計(jì)算結(jié)果如表3所示。
表3 不同扶貧模式下傾向得分的logit估計(jì)結(jié)果
注:***、**、*分別表示1%、5%和10%顯著性水平。
由表2可知,年齡和教育因素會(huì)顯著提升農(nóng)戶(hù)參與精準(zhǔn)扶貧項(xiàng)目的概率,農(nóng)戶(hù)的年齡越大、受教育程度越高,農(nóng)戶(hù)參與精準(zhǔn)扶貧項(xiàng)目的概率就越高;類(lèi)似地,具有村干部或黨員身份的農(nóng)戶(hù)參與精準(zhǔn)扶貧項(xiàng)目概率要顯著高于普通農(nóng)戶(hù);相反,從事非農(nóng)工作的農(nóng)戶(hù)參與精準(zhǔn)扶貧項(xiàng)目的概率要低于傳統(tǒng)農(nóng)戶(hù)。此外,就2016年的情況而言,農(nóng)戶(hù)的收入水平越高,其參與精準(zhǔn)扶貧項(xiàng)目的概率就越低。可能的原因是,隨著收入水平的提升,農(nóng)戶(hù)通過(guò)參與扶貧項(xiàng)目來(lái)繼續(xù)提高收入的主觀(guān)意愿就會(huì)逐漸降低。本研究認(rèn)為,這是由于農(nóng)戶(hù)對(duì)于精準(zhǔn)扶貧重要功能的認(rèn)知不夠充分,他們并不理解“精準(zhǔn)扶貧”和“收入提升”之間的因果聯(lián)系。為了體現(xiàn)和驗(yàn)證精準(zhǔn)扶貧項(xiàng)目對(duì)于農(nóng)戶(hù)收入的真實(shí)作用程度和方向,需要進(jìn)行傾向得分匹配分析。
采用相鄰樣本匹配的方法進(jìn)行傾向值得分匹配,試驗(yàn)組的可匹配情況如表4所示。由表4可見(jiàn),按照本研究設(shè)定的匹配規(guī)則,試驗(yàn)組僅有8位受訪(fǎng)農(nóng)戶(hù)未能匹配到合適的對(duì)照組樣本。
表4 傾向得分匹配的可匹配情況
由表5所示的傾向得分匹配結(jié)果可知:總體上,匹配前的農(nóng)戶(hù)收入呈現(xiàn)“實(shí)驗(yàn)組<對(duì)照組”的特點(diǎn),且二者差值小于0,表明參與了精準(zhǔn)扶貧項(xiàng)目的農(nóng)戶(hù),其收入值反而更低了;匹配后的農(nóng)戶(hù)收入呈現(xiàn)“實(shí)驗(yàn)組>對(duì)照組”的特點(diǎn)且ATT>0,表明參與精準(zhǔn)扶貧項(xiàng)目確實(shí)可以提升農(nóng)戶(hù)收入。就不同模式對(duì)農(nóng)戶(hù)收入的提升作用而言,生態(tài)旅游模式的作用最為顯著,合作社和貧困補(bǔ)貼模式次之,整村推進(jìn)模式的作用相對(duì)較??;就不同模式下收入的絕對(duì)值而言,貧困補(bǔ)貼和合作社模式下的農(nóng)戶(hù)收入較高,生態(tài)旅游和整村推進(jìn)模式下的農(nóng)戶(hù)收入較低。
表5 傾向得分匹配的估計(jì)結(jié)果
注:***、**、*分別表示1%、5%和10%顯著性水平。
以上傾向得分匹配的結(jié)果充分證明:當(dāng)前農(nóng)戶(hù)對(duì)精準(zhǔn)扶貧項(xiàng)目的參與存在著選擇性偏差和內(nèi)生性干擾,忽視這些問(wèn)題將會(huì)導(dǎo)致精準(zhǔn)扶貧政策的作用被低估甚至誤判。傾向得分匹配方法降低了此類(lèi)干擾對(duì)真實(shí)研究結(jié)果的影響,表明在農(nóng)戶(hù)參與精準(zhǔn)扶貧項(xiàng)目后,其收入水平會(huì)獲得不同程度的提升。
在傾向得分匹配估計(jì)的基礎(chǔ)上,本研究擬對(duì)結(jié)果的可靠性進(jìn)行平衡性檢驗(yàn),目的在于驗(yàn)證匹配后實(shí)驗(yàn)組與對(duì)照組的匹配變量不存在顯著的組間差異。以總體收入為例進(jìn)行檢驗(yàn),結(jié)果如表6所示。可知,logit回歸的偽R2由匹配前的0.673下降到了匹配后的0.068,表明傾向值匹配后混淆變量對(duì)于處理效應(yīng)所提供的新信息大幅減少到0.1以下;同時(shí),總體組間均值差異為10.1%,可以認(rèn)為平衡性假設(shè)得到了滿(mǎn)足。
表6 傾向得分匹配前后的相關(guān)指標(biāo)對(duì)比
注:***、**、*分別表示1%、5%和10%顯著性水平。
此外,本研究通過(guò)對(duì)實(shí)驗(yàn)組和對(duì)照組各變量進(jìn)行標(biāo)準(zhǔn)偏誤(SB)和t檢驗(yàn)計(jì)算來(lái)反映偏差的減少情況,結(jié)果如表7所示。其中,變量的標(biāo)準(zhǔn)偏誤是實(shí)驗(yàn)組與對(duì)照組的樣本均值之差與樣本方差平均值的平方根之比。已有研究對(duì)具體評(píng)判的標(biāo)準(zhǔn)闕值并未達(dá)成一致,但是一般而言,標(biāo)準(zhǔn)偏誤越小則表示匹配的效果越好[16-17]。
從總體上看,各變量的標(biāo)準(zhǔn)偏誤在傾向得分匹配處理后得到了極大的改善,突出體現(xiàn)在其絕對(duì)值的大幅降低上。具體來(lái)說(shuō):(1)計(jì)算得到的標(biāo)準(zhǔn)偏誤的絕對(duì)值基本都小于20%,可認(rèn)為傾向得分匹配的估計(jì)結(jié)果是可靠的[18];(2)與匹配前相比,除“是否從事非農(nóng)工作”這一變量的標(biāo)準(zhǔn)偏誤增加之外,其他所有變量標(biāo)準(zhǔn)偏誤的絕對(duì)值均呈現(xiàn)出較很大幅度的降低;(3)在進(jìn)行傾向得分匹配后,絕大部分變量的t檢驗(yàn)統(tǒng)計(jì)量不再顯著。因此,認(rèn)為該傾向得分匹配的結(jié)果是可靠的,該方法在很大程度上消除了實(shí)驗(yàn)組與對(duì)照組樣本之間的個(gè)體差異,表明傾向得分匹配后的結(jié)果更加符合實(shí)際情況。與此同時(shí),匹配標(biāo)準(zhǔn)偏誤絕對(duì)值的大幅降低也表明,農(nóng)戶(hù)問(wèn)卷調(diào)查由于受到樣本個(gè)體生存背景、主觀(guān)情感以及對(duì)調(diào)查問(wèn)題的認(rèn)知程度等因素的影響,導(dǎo)致調(diào)查的誤差相對(duì)較大,還需要設(shè)計(jì)更加合理的調(diào)查內(nèi)容及形式以提升農(nóng)戶(hù)回答問(wèn)題的真實(shí)性和可靠性。
表7 傾向得分匹配結(jié)果的平衡性檢驗(yàn)結(jié)果
綜上所述,本研究采用傾向性匹配得分法(PSM)分析了農(nóng)戶(hù)參與精準(zhǔn)扶貧項(xiàng)目對(duì)其收入的影響,并對(duì)研究結(jié)果的平衡性進(jìn)行了檢驗(yàn)。研究發(fā)現(xiàn):(1)在進(jìn)行傾向得分匹配前,農(nóng)戶(hù)收入呈現(xiàn)“實(shí)驗(yàn)組<對(duì)照組”的特點(diǎn),而經(jīng)過(guò)傾向得分匹配后,農(nóng)戶(hù)收入呈現(xiàn)“實(shí)驗(yàn)組>對(duì)照組”的特點(diǎn),表明在參與精準(zhǔn)扶貧項(xiàng)目后農(nóng)戶(hù)的收入水平會(huì)獲得提升。(2)就不同模式對(duì)收入的提升作用而言,生態(tài)旅游模式的作用最為顯著,合作社和貧困補(bǔ)貼模式次之,整村推進(jìn)模式的作用相對(duì)較??;就不同模式下收入的絕對(duì)值而言,貧困補(bǔ)貼模式和合作社模式下的農(nóng)戶(hù)收入仍然最大,生態(tài)旅游模式和整村推進(jìn)模式下的農(nóng)戶(hù)收入相對(duì)較小。(3)傾向得分匹配法的計(jì)算和驗(yàn)證結(jié)果顯示,當(dāng)前農(nóng)戶(hù)對(duì)精準(zhǔn)扶貧項(xiàng)目的參與存在著選擇性偏差和內(nèi)生性干擾,這些因素共同導(dǎo)致了精準(zhǔn)扶貧政策的作用被低估甚至誤判。
基于以上研究結(jié)論,本研究認(rèn)為精準(zhǔn)扶貧項(xiàng)目的順利實(shí)施離不開(kāi)農(nóng)戶(hù)的關(guān)注和參與,在日后的工作中,需要重點(diǎn)提升農(nóng)戶(hù)對(duì)精準(zhǔn)扶貧相關(guān)政策的了解程度,使其明晰精準(zhǔn)扶貧項(xiàng)目的實(shí)施機(jī)理和最終目的,讓農(nóng)戶(hù)意識(shí)到整體精準(zhǔn)扶貧項(xiàng)目實(shí)施與個(gè)人收入提升之間的因果聯(lián)系,進(jìn)而深化農(nóng)戶(hù)感知,提升其參與精準(zhǔn)扶貧項(xiàng)目的主動(dòng)性。換句話(huà)說(shuō),只有充分發(fā)揮公眾的作用,才能提高精準(zhǔn)扶貧項(xiàng)目實(shí)施的效率,為精準(zhǔn)扶貧工作的進(jìn)一步開(kāi)展創(chuàng)造條件。此外,從方法層面考慮,傾向性得分匹配法被證實(shí)可以有效降低調(diào)查樣本的選擇性偏差和內(nèi)生性干擾等問(wèn)題,該方法可以在實(shí)驗(yàn)組和對(duì)照組交集很小的情況下消除組別之間的干擾因素,揭示研究對(duì)象之間的真實(shí)因果關(guān)系。在下一步的研究中,還可以在研究方法的綜合使用方面做進(jìn)一步拓展,如,使用不同的匹配方法進(jìn)行估計(jì),并比對(duì)不同的計(jì)算結(jié)果分析,選擇最合適的方法進(jìn)行研究;增加衡量個(gè)體特征變量的個(gè)數(shù),使研究的結(jié)論更加全面。