張文武 歐習 徐嘉婕

摘要：本文運用CHNS1993—2015年連續(xù)追蹤面板數(shù)據(jù)，在測算多維貧困基礎上討論了城鄉(xiāng)貧困狀況的差異，進而運用PSM方法和xtlogit模型從整體多維貧困和單維分解兩個層面系統(tǒng)研究了勞動參與和家庭結(jié)構特征對貧困的影響。研究發(fā)現(xiàn)：（1）我國多維貧困狀況已經(jīng)得到了極大的改善，勞動參與對緩解城鄉(xiāng)多維貧困具有決定性的影響，尤其是對具有勞動能力的家庭，在收入提高、生活質(zhì)量提升方面具有顯著的促進作用;（2）勞動參與的多維減貧效應具有顯著的家庭異質(zhì)性特征，幼年子女和老人越多，家庭陷入生活質(zhì)量貧困的可能性越高，但“健康化趨勢”明顯;（3）城市樣本的勞動參與度相對較低但減貧效應更加明顯，農(nóng)村樣本勞動參與和多維貧困呈現(xiàn)不規(guī)則關系，勞動參與在緩解多維貧困的同時呈現(xiàn)加重健康貧困和教育貧困的趨勢。

關鍵詞：勞動參與;多維貧困;家庭結(jié)構;CHNS面板;PSM

文獻標識碼：A

文章編號：100228482020（01）008513

開放科學（資源服務）標識碼（OSID）：

一、問題的提出

自“精準扶貧”思想提出，以習近平同志為核心的黨中央把“脫貧攻堅和共同富?！碧嵘搅诵碌膽?zhàn)略高度?[1]，中國經(jīng)濟高速增長的涓滴效應和持續(xù)不懈的舉措取得了舉世矚目的扶貧成就。十八大以來，我國的貧困發(fā)生率由10.2%降為2017的3.1%，穩(wěn)定脫貧人口超過6000萬，如果從改革開放起算，中國絕對貧困人口減少量高達8.5億，占世界絕對貧困人口減少總量的約3/4?[2]①。與此同時，新時代社會主要矛盾的變化和全面建成小康社會的戰(zhàn)略對扶貧工作的深度、廣度以及精度提出了更高的要求，尤其是在社會結(jié)構和經(jīng)濟發(fā)展發(fā)生巨大變化的背景下，人民群眾對美好幸福生活的追求更加普遍，貧困也內(nèi)生出一些不同于傳統(tǒng)貧困線觀念的多元化、多維化等新問題?[3]。其中，家庭結(jié)構變遷和跨區(qū)域勞動供給所引發(fā)的獨居老人貧困、留守兒童貧困等已經(jīng)成為不可忽視的社會問題?[45]，以家庭結(jié)構和勞動供給為視角研究系統(tǒng)性多維貧困的發(fā)生和緩解具有重要的學術價值和現(xiàn)實意義。

在以家庭為倫理觀念基礎的中國社會，貧困認知和貧困緩解歷來是以整個家庭生活改善及其成員發(fā)展為標準而非僅僅關注個人?[6]，成員結(jié)構的差異可能導致相近收入水平的家庭面臨完全不同的生活境遇。在中國城鎮(zhèn)化快速推進的當下，勞動力跨區(qū)域流動就業(yè)成為一種常態(tài)，極易出現(xiàn)家庭成員擺脫收入貧困的同時陷入其他形式的貧困。以較為普遍的農(nóng)業(yè)轉(zhuǎn)移人口為例，在尚未完全市民化之前，“候鳥式”的勞動參與導致了留守兒童情感陪伴和日常教育的缺失，同時也引發(fā)了農(nóng)村老年人的貧困及社會支持問題，盡管在某種程度上以收入為衡量標準可能并不屬于貧困。這一現(xiàn)象反映了當前扶貧工作幾個值得關注的點：一是家庭貧困的多維衡量和精準識別;二是家庭結(jié)構所導致的差異化貧困表現(xiàn)及其致貧因素;三是家庭勞動參與的特點和收入來源可能對多維貧困動態(tài)變化的影響。在此背景下，本文利用CHNS1993—2015的微觀面板追蹤數(shù)據(jù)，通過xtlogit模型和PSM分析方法，從家庭結(jié)構、勞動參與角度對多維貧困進行系統(tǒng)的探討和研究，為精準扶貧精準脫貧提供更加細致的點對點證據(jù)支撐。

相較于現(xiàn)有研究，本文的學術貢獻主要體現(xiàn)在以下兩個方面：一是從家庭減貧的視角出發(fā)，采用PSM方法探究勞動參與對多維貧困影響，不僅有別于對單一個體或群體的研究，而且進行了區(qū)域城鄉(xiāng)的差異性分析，增加了研究對象匹配的精度;二是采用追蹤時間長、樣本數(shù)量大的CHNS面板數(shù)據(jù)，基于家庭結(jié)構特征進行相應分解，提供了更加精準的微觀支撐。本文接下來的結(jié)構安排如下：第二部分為文獻回顧與分析;第三部分是多維貧困測算和基礎回歸;第四部分進行多維貧困分解的擴展檢驗;最后一部分為結(jié)論與啟示。

二、文獻回顧與分析

自阿馬蒂亞森提出“能力剝奪”觀點以來，健康、情感、教育等影響個人長期能力形成的主客觀因素被越來越多的研究者納入致貧因素和貧困衡量的研究范圍，基本的住房條件、受教育機會、健康水平以及其他經(jīng)濟福利構成衡量一個社會人是否真正貧困的基本屬性?[79]。許多學者不僅從宏觀政策和環(huán)境（如貿(mào)易開放、收入差距、公共轉(zhuǎn)移制度、經(jīng)濟增長、政府財政專項扶貧）進行探討，且隨著微觀數(shù)據(jù)的普及，從微觀層面如個體特質(zhì)、社會保障、代際貧困傳遞等角度進行的多維貧困研究逐漸增多。

貧困內(nèi)涵的變化首先帶來了衡量方法的變化，對多維貧困的測算，大都是采用微觀調(diào)查數(shù)據(jù)，如聯(lián)合國兒童基金會總部的多指標類集調(diào)查（MICS）

全球小組與政府代表和其他專家協(xié)商，制定了一套標準的調(diào)查工具——從制表計劃和樣本權重指南到手冊和問卷調(diào)查。、人口與健康調(diào)查（DHS）、各國家全國住戶抽樣調(diào)查（PNAD）等。由于僅用收入度量貧困的不足，早在1990年，聯(lián)合國開發(fā)計劃署（UNDP）就建立了人類發(fā)展指數(shù)（HDI）和人類貧困指數(shù)（HPI）來多方面衡量貧困，在此基礎上，于2010年與牛津大學合作建立了多維貧困指數(shù)（MPI），許多研究是借此完成的。國外學者在構建利用這些數(shù)據(jù)識別加總多維貧困人口時采用的方法主要有投入產(chǎn)出效率法?[10]、公理化方法?[11]、模糊集法?[12]、信息論法?[13]等。我國主要是利用CHNS和CFPS數(shù)據(jù)來測度多維貧困，國內(nèi)大都基于公理化方法中的Alkire等?[14]提出的“雙界限”法（簡稱A?F方法），構建全球多維貧困指數(shù)計算MPI?[1517]

MPI指數(shù)是一個國際通用的多維貧困指數(shù)，涵蓋了100多個發(fā)展中國家的貧困情況，反映了貧困個體或家庭在不同維度上的貧困程度。在此之前，HPI（人類貧困指數(shù)）和HDI（人類發(fā)展）指數(shù)均有一定的缺陷。，并根據(jù)研究目的自行增減指標以進行特定區(qū)域特定群體多維貧困狀況的對比。

相較于指標改良、測算和衡量的研究，另一類主要文獻則將重點聚焦于多維貧困的致貧因素和扶貧路徑。結(jié)合我國社會轉(zhuǎn)型和城鄉(xiāng)差異的現(xiàn)實，以劉生龍等?[1821]為代表的學者從生活性消費、收入差距、經(jīng)濟環(huán)境等視角進行農(nóng)村多維貧困的具體分析，認為收入以外的維度已經(jīng)成為致貧的主要因素，應加強農(nóng)村醫(yī)療基礎設施和社會保障水平，繼續(xù)完善教育衛(wèi)生等公共服務;也有學者進一步從農(nóng)戶、農(nóng)民工、老年人、女性、兒童等進行多維貧困的動靜態(tài)比較分析?[6，2223]，發(fā)現(xiàn)城鄉(xiāng)異質(zhì)性、戶籍制度、家庭戶主特征、社會關系、人口等對長期多維貧困發(fā)生率具有顯著影響?[5，2425]。在不同區(qū)域的表現(xiàn)上，東西部不同省份之間差異明顯，西部地區(qū)普遍多維貧困水平較高，中部次之，東部地區(qū)貧困情況較低。結(jié)合中央持續(xù)推進脫貧攻堅、更加注重精準脫貧和高質(zhì)量脫貧的現(xiàn)實，近年來開始出現(xiàn)少量以家庭和特定政策為對象的研究，李博等?[26]從家庭層面對中國收入和多維貧困進行動靜態(tài)對比分析，發(fā)現(xiàn)兩種貧困家庭存在巨大的靜態(tài)和動態(tài)偏移;陳國強等?[27]的研究則發(fā)現(xiàn)分類設計的多層次公共轉(zhuǎn)移支付則可能是同時緩解收入貧困和多維貧困的有效之策。除此外近年來關于收入貧困和多維貧困之間的對比分析文獻也在逐漸增多?[26，28]。

盡管目前國內(nèi)學者對多維貧困的識別和測算已經(jīng)有了相對成熟的算法，有助于宏觀識別特定區(qū)域特定群體的多維貧困，但以家庭為研究對象的文獻相對較少，以家庭為單位的研究多考慮戶主的因素，以個體為研究對象的研究多關注宏觀政策如公共轉(zhuǎn)移支付、收入差距等，鮮少考慮家庭結(jié)構的因素，個體主觀能動性和家庭結(jié)構異質(zhì)性尚未被充分考慮。

大量研究顯示家庭要素稟賦的不同是進行分工合作的基礎，充分利用才能實現(xiàn)家庭和個人的效用最大化。家庭的老年成員和青年成員以及幼童的比例，對勞動時間具有重要影響。宋揚等?[29]研究發(fā)現(xiàn)家庭中勞動力數(shù)量、組成規(guī)模和人員結(jié)構對一個家庭脫貧具有一定的影響，解堊?[30]認為家庭特征會對家庭資產(chǎn)變動造成正向或負向沖擊。由家庭多育貧困模型相關理論可以推出，在技術、管理和家庭最大效用保持不變時，如果增加對兒童看護、家庭內(nèi)部撫養(yǎng)的消費支出，必然會對生活資料的投資產(chǎn)生擠出效應，甚至形成一個貧困代際傳遞鏈。勞動力是經(jīng)濟社會發(fā)展的核心要素，是勞動者參與社會生活、滿足自身經(jīng)濟需求的必要條件，勞動參與率的提高不僅能改變勞動者的收入和提高家庭地位以及議價能力，對降低生育率、提高子女的教育投資都有積極的影響?[31]，Reklewski等?[32]在對波蘭公共福祉研究得出勞動力市場狀況與公眾生活質(zhì)量、文明福利、社會福利、物質(zhì)福利有不同的影響;就業(yè)狀態(tài)在家庭、體制與工作沖突三體制中碰撞中決定了個體主觀幸福感?[33]。由上可知，勞動參與和家庭結(jié)構對個人發(fā)展、家庭效用有著重要影響，多維貧困指數(shù)已經(jīng)逐漸成為衡量個體或家庭貧困狀況的一個重要指標，個體勞動參與和家庭結(jié)構對多維貧困產(chǎn)生的具體影響將是本文接下來的研究重點。

三、多維貧困指數(shù)測算與基礎回歸

（一）數(shù)據(jù)來源與處理

本文采用的是中國居民營養(yǎng)和健康調(diào)查（CHNS）數(shù)據(jù)，該數(shù)據(jù)是北卡羅來納大學教堂山分校卡羅萊納州人口中心與國家營養(yǎng)與健康研究所（NINH，前國家營養(yǎng)與食品研究所）之間的國際合作項目，旨在研究國家和地方政府所實施健康、營養(yǎng)、計劃生育政策和計劃的效果，并了解中國人的社會和經(jīng)濟轉(zhuǎn)型。該調(diào)查分別在1989、1991、1993、1997、2000、2004、2006、2009、2011、2015年對上年家庭和樣本各方面信息采用多階段

分層隨機抽樣，考慮了個人人口學背景資料、工作和收入情況、家庭情況、教育健康公共衛(wèi)生等，契合本文的研究目的。本文對數(shù)據(jù)處理如下：由于未成年人幾乎沒有收入和工作，將其歸結(jié)為收入貧困人口有失妥當，故本文選取18—60歲具有勞動能力的樣本;根據(jù)歷年唯一不變的個人代碼（id）和年份（wave）進行匹配獲得健康、教育、工作狀況等方面的個體信息，并對部分年度個體年齡和性別缺失值進行了補齊;截面樣本通過對同一年度id與家庭代碼（hhid）進行匹配計算獲得家庭結(jié)構

計算家庭老人數(shù)和孩子數(shù)目等家庭結(jié)構步驟在進行樣本篩選之前進行。、家庭凈收入、固定資產(chǎn)等其他家庭信息（下文會有詳細介紹），由于數(shù)據(jù)庫樣本量較大，故本文對重要變量缺失值和異常值采取了直接刪除的方法，共收集到1993—2015年進行八次調(diào)查所得所有樣本共60563個，其中共有城市樣本19956人，共8011戶不同的家庭，嚴格來說所選取最終數(shù)據(jù)為非平衡面板

在利用微觀數(shù)據(jù)測量多維貧困時，已有許多學者為追求樣本數(shù)量采用非平衡面板數(shù)據(jù)?[17，21]。但也有跟蹤匹配使用截面數(shù)據(jù)的研究?[24]，故本文也對數(shù)據(jù)重新整理為平衡面板數(shù)據(jù)后共得到每年556人×8年=4448個樣本量，重新計量結(jié)論未有改變。限于篇幅，結(jié)果未放置到正文中。。

（二）多維貧困指數(shù)的測算與識別

1.指數(shù)測算方法

在目前各種多維貧困測算方法中，A?F雙界限法最為成熟且應用最為廣泛，Sen?[7]認為人的貧困不僅表現(xiàn)在經(jīng)濟收入不足，更表現(xiàn)在能力、權利是否被剝奪上。因此結(jié)合數(shù)據(jù)的可得性及以往學者研究，本文以全球多維貧困指數(shù)（MPI

MPI指數(shù)取值越小，說明該個體或家庭貧困程度越低，反之越高。）為基礎衡量個體的多維貧困狀況，并將其分解為多維貧困發(fā)生率（H）和平均剝奪程度（A）來衡量多維貧困的廣度和深度。

MPI指數(shù)的計算方法如下：n為樣本總?cè)丝冢琿代表貧困人口數(shù)，d表示總維度數(shù)，k表示維度截斷點，即如果個體的最終得分超過k則視為多維貧困者，yij表示個體i在j維度上的值，zj為維度j的貧困臨界值，wj為j維度所占權重（∑dj=1wj=1）。若個體在某一維度上取值小于該維度的貧困臨界值，則視為該個體在該維度貧困，即gij=1yij≤zj0其他，用ci表示貧困個體i的加權貧困程度，即

ci=∑dj=1gij·wj（1）

則貧困個體的識別為q?（k）i=1ci≥k0ci

H?（k）=∑ni=1q?（k）in（2）

表示相應k值下多維貧困人口占總?cè)丝诘谋嚷?。另一個平均被剝奪程度指數(shù)A?（k）為所有貧困個體平均被剝奪的維度數(shù)與總維度數(shù)的比值，即

A?（k）=∑ni=1c?（k）i∑ni=1q?（k）i（3）

其中c?（k）i是剔除非多維貧困人口后的加權，

c?（k）i=∑dj=1gij·wj?（q?（k）i=1）（4）

結(jié)合以上公式我們可以推導出MPI貧困指數(shù)，即

M?（k）=∑ni=1c?（k）in=H?（k）·A?（k）（5）

在維度和指標設置方面，本文采用學者們常用的等權重法（雖然已有PCA等分析法對權重進行了進一步的細化，但等權重不影響本文的結(jié)果）。根據(jù)數(shù)據(jù)的可得性、本文的研究目的以及《人類發(fā)展報告（2010）》提出的全球多維貧困指數(shù)，本文對維度和剝奪臨界值酌情進行了調(diào)整。由于原MPI指數(shù)中缺少貨幣化的指標，為充分反映各方面的剝奪和社會排斥，本文參考王春超等?[17，34]的做法，將收入作為一個維度加入其中。

2.指數(shù)識別

根據(jù)全球多維貧困指數(shù)，維度截斷點k在20%以上時，貧困風險就會逐漸上升，故許多學者采用20%作為多維貧困臨界值并用30%、40%作為深度貧困的研究。在此基礎上，結(jié)合Alkire等?[35]的研究和選取的指標，本文采用22%和33%分別作為k截斷點H（2）、A（2）、M（2）對應k=22%，H（3）、A（3）、M（3）對應k=33%。

由圖1和表3我們可以看出，1993到2015年，我國貧困發(fā)生率明顯下降。當k取值33%時，我國貧困人口已急劇下降，重度多維貧困發(fā)生率由92.2%下降到14.6%，這說明我國扶貧減貧工作取得了較大成就。但是當截斷點為22%時，全國樣本的貧困發(fā)生率由1993年的99.6%下降至2015年的53.9%。相比農(nóng)村，城市發(fā)生率也不容樂觀，我國仍存在大量輕微多維貧困的人口。

橫向?qū)Ρ瓤砂l(fā)現(xiàn)，當截斷點由22%提高到33%時，所有樣本每年的貧困發(fā)生率和多維貧困指數(shù)都呈現(xiàn)明顯下降態(tài)勢，平均被剝奪程度為上升狀態(tài)，最終多維貧困指數(shù)在零點幾處小幅度波動。無論是從截斷點取值是否上升、期初還是期末，農(nóng)村多維貧困人口的貧困發(fā)生率、貧困剝奪份額以及多維貧困指數(shù)均顯著高于城市人口，直到2015年農(nóng)村仍有約62.5%的人口存在輕度多維貧困，農(nóng)村減貧刻不容緩。

截面數(shù)據(jù)角度，以2015年為例，當k為22%時，全國貧困發(fā)生率為53.9%，平均剝奪份額為0.0369，即2015年平均每人有0.3157×9=2.8413個維度上是貧困的，多維貧困指數(shù)為0.1701。當k=33%，全國貧困發(fā)生率為14.6%，平均剝奪份額為0.4487，但多維貧困指數(shù)下降至0.0073，貧困發(fā)生率下降幅度較大。

（三）基礎回歸

在現(xiàn)實經(jīng)濟中，個體的勞動參與不是隨機發(fā)生的是一種“自選擇”行為，即個體自己決定是否要參加工作，故個體的勞動參與會受到一些不可觀測因素的影響（如個體自身生活追求、進取精神等），而這些因素往往與多維貧困有直接或間接的聯(lián)系，因此會導致個體勞動參與與隨機誤差項相關從而使所得結(jié)果存在偏誤，無法反映真實的情況，這會使我們對勞動參與對多維貧困影響的判斷造成偏差。為有效解決樣本自選擇問題，本文借鑒已有研究?[22，32]，采用傾向得分匹配（PSM）方法來降低選擇性偏誤，它不僅沒有函數(shù)形式、參數(shù)、誤差項分布的強烈約束，也無需控制相關控制變量識別因果效應，較之工具變量法、Heckman兩階段模型約束更為放松。據(jù)此本文利用平均處理效應（ATT）來估計構造反事實，即假設參與勞動的個體未參與勞動會對其各維度貧困狀況造成怎樣的影響，因此個體參與勞動后對多維貧困的實際效應為：ATT=E（MPIi，1|Ti=1）-E（MPIi，0|Ti=1），Ti=1表示參與勞動。

由于E（MPIi，1|Ti=1）現(xiàn)實中不能直接觀察到，故本文利用PSM方法為參與勞動者找到最相近的從未參與勞動者個體來構造適當?shù)姆词聦崳诉^程包括兩個步驟：利用形式靈活的logit模型得到參與勞動的個體可觀測變量傾向得分和利用不同匹配方法進行傾向得分匹配。借鑒已有學者研究，第一階段logit模型主要變量包括家庭結(jié)構（家庭總?cè)丝趆hzize、>60歲老人數(shù)hhold、0—6歲孩子數(shù)hhchild）、個體年齡（age）、性別（gender）、個體教育程度（edu）、婚姻（marriage）、戶口（hukou）和地區(qū)控制變量等，以個體勞動參與（work）為被解釋變量，各變量根據(jù)問卷賦值如下：被解釋變量為勞動參與（work），采取的衡量指標為問卷中“您是否具有工作”，肯定回答為1，否則為0，有學者將“失業(yè)正在找工作”的人口歸結(jié)為勞動參與人口，但本文勞動參與以結(jié)果為導向，故待業(yè)人口仍視為現(xiàn)階段未參與勞動。其他控制變量賦值如下：性別男性為1，女性為0;教育程度按照受教育年限計算，受教育年限在6年及以下為1，7—9年為2，10—12年為3，12年以上為4;戶口城市戶口為1，農(nóng)村戶口為0;婚姻狀況在婚為1，其他為0;地區(qū)控制變量分別設置東部（east）和西部（west）以及城鄉(xiāng)的虛擬變量

北京、遼寧、上海、江蘇、山東、廣西屬東部地區(qū);黑龍江、河南、湖南、湖北屬中部地區(qū);其他屬西部地區(qū)。，城市（urban）為1，農(nóng)村為0。

表5是PSM方法第一階段傾向值計算的logit回歸結(jié)果。從中可知，對全部城鄉(xiāng)樣本而言，家庭人口越多，個體越容易參與勞動。孩子和老人數(shù)量增加使個體時間分工更多的向家務時間偏移，不利于參與勞動。城市樣本孩子數(shù)目與勞動參與關系不顯著可能是城市經(jīng)濟更加發(fā)達，各種學前班、托兒所的存在使得孩子“幼有所托”，且成人時間彈性更小，照顧孩子對勞動參與影響不大。年齡和勞動參與的關系基本符合“倒U”型關系，符合生命周期假說。男性和已婚對勞動參與具有顯著的正向影響，居住在東西部地區(qū)的成年人比在中部的個體參與勞動概率高，東部天然的地理優(yōu)勢與國家對西部的政策支持提供大量的就業(yè)崗位。相比城市農(nóng)村就業(yè)形勢較為嚴峻，迫切需要勞動參與，而城市人口相對沒有迫切勞動的需要，由于城鄉(xiāng)資源差距，即使城市人出現(xiàn)短暫失業(yè)，也會有一些失業(yè)險、培訓等，這些因素使得城市戶口個體不愿意參與勞動。文章還發(fā)現(xiàn)受教育程度越高，在農(nóng)村參與勞動的積極性反而越小，教育水平越高的人口更愿意在城市定居?[36]，在本樣本中77.91%的農(nóng)村人口受教育水平在9年以下，人力資本要素已經(jīng)成為限制農(nóng)村人發(fā)展的一個門檻，教育程度較高的農(nóng)村人口更愿意流向城市尋找就業(yè)機會。

表6匯報了勞動參與對城鄉(xiāng)個體的多維貧困ATT影響結(jié)果。結(jié)果顯示，對于輕度貧困，勞動參與對城鄉(xiāng)所有個體均存在顯著的降低作用，結(jié)果大都在1%的統(tǒng)計水平上顯著。多種匹配方法顯示，當考慮k截斷點為22%時，勞動參與能降低城市約9%的多維貧困，對降低農(nóng)村多維貧困的影響相對較小，約1%，勞動參與有利于緩解全體樣本的輕度貧困。但當k增加時，勞動參與反而不利于農(nóng)村個體多維貧困程度的降低，故本文針對農(nóng)村樣本各主要維度又做了單獨匹配，結(jié)果如表7所示。

四種匹配方法均發(fā)現(xiàn)在農(nóng)村1單位的勞動參與會加重約10%的健康貧困，1單位的勞動參與會加重2%～3%的教育貧困，且均在1%的顯著性水平上顯著，收入作用效果不穩(wěn)健。這些結(jié)果可從當前研究農(nóng)村樣本特殊的職業(yè)構成角度解釋，當前樣本僅有25.67%的人員為技術工作者、管理、辦公室人員、技術工人、軍官士兵、運動員，從事農(nóng)業(yè)勞動（農(nóng)民、漁民、獵人）的人員仍是勞動力的主力軍（占比53.85%

此外，還有普通工人、伐木工等非技術工人占比10.09%，管家廚師服務員門衛(wèi)等服務行業(yè)人員占比10.35%。），雖然他們也能享受勞動參與帶來的收入福利，但受傳統(tǒng)觀念影響，這部分群體自我保健和風險意識薄弱，參保意識相對較差;且新農(nóng)合、新農(nóng)保的推廣給廣大農(nóng)村群體帶來了福音，但仍需要更加人性化的改進。據(jù)新農(nóng)合相關規(guī)定，外傷（扭傷、摔傷、骨折、工傷）等報銷流程相對復雜，意外事故易脫離報銷范圍，而農(nóng)村勞動人員又是這類事故的多發(fā)群體，定點醫(yī)院醫(yī)療資源相比城市分布不均;另外，財政投入仍然不夠大，2015年之前各級財政對新農(nóng)合參保者的人員補助標準為320元，報銷比例相對城鎮(zhèn)醫(yī)療保險不夠大

新農(nóng)合門診衛(wèi)生所能報銷60%，有些大醫(yī)院門診不能報銷，住院鎮(zhèn)衛(wèi)生院報銷60%，二級醫(yī)院可報銷40%，三級醫(yī)院30%;住院城鎮(zhèn)一般居民一級醫(yī)院不設起付標準，報銷比例為60%，二級醫(yī)院報銷比例為55%;三級醫(yī)院50%;城鄉(xiāng)還是存在差距，且新農(nóng)合可報銷的醫(yī)藥目錄比城鎮(zhèn)醫(yī)保少。;同時，農(nóng)村個體一方面對教育重視程度不夠，一方面父母勞動引致的照料缺失導致“家庭空心化”，老人和未成年子女變相留守使得未成年子女在家庭溝通、學習監(jiān)督等方面較為缺乏，兒童教育問題未得到充分重視。

綜上所知，近年來我國的多維貧困狀況已經(jīng)得到了較好的緩解，扶貧成就卓然，個體的勞動參與有利于緩解城鄉(xiāng)樣本的輕度多維貧困，對城市作用效果更明顯。但當考慮維度增加時，農(nóng)村勞動參與加重了個體的健康和教育貧困，不利于農(nóng)村個體多維貧困程度的降低。但由前文理論分析可知，不同家庭結(jié)構對各維度貧困影響不一，如何更加精確地識別個體勞動對貧困各個維度的作用？家庭人口結(jié)構對貧困各個維度又有怎樣的影響？這些都將在下文得到解答。

四、進一步討論：維度分解的擴展回歸

（一）基本描述性統(tǒng)計

本文采用FGT指數(shù)作為衡量貧困人口的參數(shù)，Pα=1n∑qi=1z-xiz?α，α為貧困厭惡度指數(shù)，當其為0時表示貧困發(fā)生率，即全部人口中貧困人口的比例，本文采用這最為直觀的做法。n為人口總規(guī)模，q代表貧困人口的數(shù)量，z為貧困線

各維度貧困識別與前文多維貧困保持一致，如收入貧困為2300元，并根據(jù)CPI進行折算。。

根據(jù)CHNS數(shù)據(jù)計算出的各維度

本節(jié)的維度與前文不同，特指九個指標。貧困發(fā)生率分別如圖2、圖3和圖4所示。無論是全部樣本還是城鄉(xiāng)樣本，收入和資產(chǎn)是貧困發(fā)生率下降幅度最大的兩個維度，在全國分別從1989年的98.31%、67.57%下降到2015年的10.15%、1.42%，下降了50個以上的百分點，這些進步與國家20世紀90年代初開始組織實施的“八七”扶貧攻堅計劃密切相關，在接下來的十幾年間國家也高度重視經(jīng)濟扶貧，家電下鄉(xiāng)等政策在擴大內(nèi)需的同時也減緩了我國大部分地區(qū)的硬件資產(chǎn)昂貴缺少的窘境。高度重視教育、科教興國戰(zhàn)略使我國教育貧困長期以來保持一個平穩(wěn)的下降趨勢。

2003—2006年國家逐步試水并實行新農(nóng)合制度，為廣大的農(nóng)村勞動人員參與社會保障提供了強有力的政策支持，國家對醫(yī)療事業(yè)更加重視并投入大量資金。這些是2005年左右我國健康維度貧困發(fā)生率出現(xiàn)了驟降，農(nóng)村下降幅度尤其明顯，健康維度呈現(xiàn)倒V型的貧困發(fā)生率狀態(tài)的原因。其他維度均保持著比較低的貧困發(fā)生率，以用電為例，早在80年代其已普及，故從1993年起我國就有較低的貧困發(fā)生率。值得注意的是，在其他各維度保持低水平平穩(wěn)運行或高開低走的良好態(tài)勢時，住房在全國及城鄉(xiāng)之間都呈現(xiàn)往上走的趨勢，城市住房貧困在2015年已經(jīng)達到了15.53%，住房貧困越來越成為一個迄待解決的問題。隨著社會發(fā)展，住房供需不平衡問題逐漸突出，城市高房價使得房子從供不應求到供大于求，高熱的房地產(chǎn)行業(yè)甚至開始侵入農(nóng)村地區(qū)占據(jù)大量的農(nóng)業(yè)用地，土地城鎮(zhèn)化卻導致了大量城鎮(zhèn)新增人口邊緣化，另外戶籍政策的限制也側(cè)面加重了我國“住房難”的問題。

近年勞動參與率如圖5所示，我國的勞動參與率近年來出現(xiàn)小幅波動，整體呈現(xiàn)向下的趨勢。這可能與我國人口紅利消失、老齡化程度加深有關，且農(nóng)村勞動參與率略高于城市，這與前文所得結(jié)論城市人員相對不愿意參與勞動一致。

（二）計量模型

前文已對多維貧困進行了介紹，為更明確直觀的觀察各維度情況，下文將從經(jīng)濟維度（spoverty）、健康維度（hpoverty）、教育維度（edupoverty）以及生活質(zhì)量維度（water、light、toilet、fuel、house、asset）單獨展開回歸分析。主要解釋變量為勞動參與（work）同家庭結(jié)構，根據(jù)前面理論分析，家庭結(jié)構方面的因素選取家庭總?cè)丝冢╤hsize）、老人數(shù)（hhold）、6歲以下孩子數(shù)目

由CHNS各年度數(shù)據(jù)按照家庭年份匹配計算可得。（hhchild）。為了更精確的得出解釋變量對被解釋變量的邊際影響，且與前文PSM第一階段回歸變量保持一致，本文將已有研究中對貧困具有重要影響的特征作為控制變量，主要包括年齡（age）、受教育程度（edu）、戶口（hukou）、婚姻狀況（marriage）等，但不包括不隨時間改變的性別、省份等變量。由于被解釋變量為二值變量，采用1990—2015年多時點的面板數(shù)據(jù)，為剔除不隨時間改變的個體異質(zhì)性的影響，本文采用固定效應的xtlogit模型對各維度貧困進行估計。由上表可知，在生活質(zhì)量各維度中，飲水和用電一直處于較低且平穩(wěn)的貧困發(fā)生率，與國家宏觀政策相關較高，回歸意義不大，故在分析時剔除兩維度，表8為基本的計量結(jié)果。

（三）穩(wěn)健性檢驗

為了避免偶然因素的干擾和證明結(jié)果的穩(wěn)健性，本文采用三種方法進行穩(wěn)健性檢驗：

首先，改變勞動參與度量方法。參考李琴等?[37]的度量方法，按照國家統(tǒng)計局的標準，把每周勞動參與時間少于1小時視為未參與勞動，只要全年勞動時間大于52小時視為勞動參與

我們事先對數(shù)據(jù)進行了篩選，對明顯異常數(shù)據(jù)，如勞動時間小于0、周勞動時間大于等于168小時、年勞動時間大于等于8760小時的數(shù)據(jù)進行了清理。。勞動時間根據(jù)CHNS數(shù)據(jù)庫將主要職業(yè)以及其他勞動（包括家庭菜園、果園;集體和家庭農(nóng)業(yè);家畜、家禽養(yǎng)殖;集體和家庭漁業(yè);家庭小手工業(yè)和小型家庭商業(yè)）參與時間進行加總算出。

其次，改變勞動參與定義方法。采用國際通用的標準將15—59歲的人口定義為勞動年齡人口

根據(jù)國際通行的標準，一般認定0—14歲為少年兒童人口，15—59歲為勞動年齡人口，60歲或65歲以上為老齡人口。，故以家庭勞動年齡人口數(shù)量（hhlabor）代替勞動是否參與（work）進行回歸。另外，由于本文面板回歸未找到工具變量，故本文還對所有被解釋變量和解釋變量與其省級均值進行組內(nèi)拆分?[18]，然后再重新進行回歸來檢驗基本回歸的穩(wěn)健性

限于篇幅穩(wěn)健性檢驗結(jié)果三未放置于正文中，如需可向作者索取。

通過基礎回歸和穩(wěn)健性檢驗發(fā)現(xiàn)：

第一，居民勞動參與顯著降低了收入、健康貧困發(fā)生，對教育貧困有不穩(wěn)健的減輕作用;參與勞動能顯著的提高生活質(zhì)量水平，主要表現(xiàn)在改善家庭資產(chǎn)和住房條件上。勞動參與獲得工資性或非工資性收入，從而提高家庭整體收入水平和購置固定資產(chǎn)的能力，這是符合常識的佐證。隨著國家醫(yī)療保險的普及，許多城市明確要求工作單位要為其職工購買基本醫(yī)療保險，為職工統(tǒng)一投保，鼓勵參與勞動、普及各種醫(yī)療制度對提高國民的生活水平具有重要的意義，勞動參與能夠獲得物質(zhì)和精神上的雙重滿足。個體就業(yè)能夠改善孩子的教育條件卻對已成事實的家庭老人教育程度沒有作用或作用較小，這可能是就業(yè)與教育貧困關系不穩(wěn)健的原因。

第二，家庭人口越多造成的經(jīng)濟壓力越大，與收入貧困、教育貧困呈正相關，老幼數(shù)目能夠顯著提高家庭的健康水平，但是老人數(shù)目越多教育貧困越嚴重，兒童反之。這是因為家庭成員較多的樣本陷入貧困的風險更大，他們往往“上有老下有小”，作為家庭頂梁柱的存在，更加關注自身和家人的身體健康，而孩子數(shù)量較多促使核心家庭傾向共同生活分享有限的資源?[26]。義務教育到20世紀以后才真正普及開來，老一輩人的教育程度普遍不高，而如今隨著科教興國、人才強國戰(zhàn)略的實施，國家和個人都更加重視新一代的教育。

第三，各主要變量對生活質(zhì)量各維度貧困基本呈現(xiàn)減輕作用，但：

（1）家庭人口規(guī)模越大、孩子數(shù)目越多將加重住房貧困。一方面人口越多，人均住房面積越少;孩子數(shù)目越多使得成人更愿意購買較為昂貴的學區(qū)房，“大房換小房”減少成本實現(xiàn)住房私有化，住房貨幣化改革使得那些收入較低且家庭生活壓力較大的年輕住戶更容易陷入住房貧困。另一方面隨著貧富差距增大、利益固化以及住房價格持續(xù)上漲，對于新進入社會的年輕人尤其是整個家庭隨遷的人很有可能選擇群租這一相對經(jīng)濟便捷的方式，這也是另一種意義上的住房貧困。

（2）參與勞動、家庭老人數(shù)目越多，衛(wèi)生貧困和燃料貧困會更嚴重，這個結(jié)果可能是由于本文篩選后的農(nóng)村樣本偏多，衛(wèi)生設施和天然氣等清潔燃料尚未普及。

五、結(jié)論與啟示

本文運用CHNS1993—2015年連續(xù)追蹤面板數(shù)據(jù)，在測算多維貧困基礎上討論了城鄉(xiāng)貧困狀況的差異，進而運用PSM方法和xtlogit模型從整體多維貧困和單維分解兩個層面系統(tǒng)研究家庭結(jié)構、勞動參與對貧困的影響。結(jié)論顯示：（1）我國多維貧困狀況已經(jīng)得到了極大的改善，勞動參與對緩解城鄉(xiāng)多維貧困具有決定性的影響，尤其是對具有勞動能力的家庭，在收入提高、生活質(zhì)量提升方面具有顯著的促進作用，主要表現(xiàn)在改善住房條件和提高家庭資產(chǎn)水平上。（2）勞動參與的多維減貧效應具有顯著的家庭異質(zhì)性特征，幼年子女和老人越多，家庭陷入生活質(zhì)量貧困的可能性越高，住房和衛(wèi)生問題與家庭老幼數(shù)量存在明顯的線性關系;老幼數(shù)量增加促進家庭往“健康化趨勢”發(fā)展，但二者對教育貧困減緩存在相反的態(tài)勢，幼童數(shù)目較高的家庭更加注重教育。（3）城市樣本的勞動參與度相對較低但減貧效應更加明顯，農(nóng)村樣本勞動參與和多維貧困呈現(xiàn)不規(guī)則關系，勞動參與在緩解多維貧困的同時呈現(xiàn)加重健康貧困和教育貧困的趨勢，1%勞動參與約加重10%的健康貧困和2%～3%的教育貧困。

我們認為，精準扶貧和精準脫貧的重點在于如何從家庭層面入手構建以鼓勵勞動參與實現(xiàn)貧困戶的“系統(tǒng)性造血功能”為中心的多維貧困緩解支持體系。首先，以供給側(cè)結(jié)構性改革和鄉(xiāng)村產(chǎn)業(yè)振興為支撐，加大貧困居民就業(yè)創(chuàng)業(yè)培訓和社會主義核心價值觀宣傳力度，提升貧困人口的勞動能力、勞動意愿，創(chuàng)造勞動機會和就業(yè)平臺，從根本上解決脫貧致富的路徑問題;第二，持續(xù)關注城鄉(xiāng)家庭結(jié)構變化的特殊性和貧困的多維特征，精準識別和高質(zhì)量地開展扶貧工作。城鄉(xiāng)二元結(jié)構和跨區(qū)域勞動力流動極易造成“收入提升與家庭照料缺失”的雙重矛盾，農(nóng)業(yè)轉(zhuǎn)移人口市民化的過渡階段產(chǎn)生了留守兒童貧困、老年貧困等較為普遍的社會問題，如何通過城鄉(xiāng)一體化的公共服務體系建設、城鄉(xiāng)一體的產(chǎn)業(yè)融合發(fā)展解決非收入維度的貧困問題將成為高質(zhì)量發(fā)展階段精準扶貧的重點;第三，從城鎮(zhèn)化的角度出發(fā)，構建城市群為主體形態(tài)的城鎮(zhèn)網(wǎng)絡，尤其是發(fā)揮小城鎮(zhèn)的亞核心和輻射作用對多維貧困的緩解具有至關重要的空間作用。多維貧困問題，歸根結(jié)底是全民所享有的生產(chǎn)生活條件整體水平提升和相對水平協(xié)調(diào)問題，城市群的輻射帶動能力的發(fā)揮和網(wǎng)絡式小城鎮(zhèn)格局兩者可以兼顧，以產(chǎn)業(yè)支撐的就地城鎮(zhèn)化和城市帶動的農(nóng)業(yè)轉(zhuǎn)移人口市民化是從根本上實現(xiàn)以家庭為單位脫貧摘帽的有效之策。

參考文獻：

[1]?李卓， 左停. 資產(chǎn)收益扶貧有助于“減貧”嗎？——基于東部扶貧改革試驗區(qū)Z市的實踐探索[J]. 農(nóng)業(yè)經(jīng)濟問題， 2018（10）： 6977.

[2]?蔡昉. 改革時期農(nóng)業(yè)勞動力轉(zhuǎn)移與重新配置[J]. 中國農(nóng)村經(jīng)濟， 2017（10）： 414.

[3]?萬喆. 新形勢下中國貧困新趨勢和解決路徑探究[J]. 國際經(jīng)濟評論， 2016（6）： 7+4964.

[4]?樂章， 劉二鵬. 家庭稟賦、社會福利與農(nóng)村老年貧困研究[J]. 農(nóng)業(yè)經(jīng)濟問題， 2016（8）： 6373.

[5]?葛巖， 吳海霞， 陳利斯. 兒童長期多維貧困、動態(tài)性與致貧因素[J]. 財貿(mào)經(jīng)濟， 2018（7）： 1833.

[6]?郭君平， 譚清香， 曲頌. 進城農(nóng)民工家庭貧困的測量與分析——基于“收入—消費—多維”視角[J]. 中國農(nóng)村經(jīng)濟， 2018（9）： 94109.

[7]?Alkire S. Poverty： An ordinal approach to measurement[J]. Econometrica， 1976， 44（2）： 219231.

[8]?Alkire S. Commodities and capabilities[M]. Amsterdam： North Holland， 1985.

[9]?Bourguignon F， Chakravarty S R. A family of multidimensional poverty measures[M]∥Slottje D J. Advances in Econometrics， Income Distribution and Scientific Methodology， Heidelberg： Physica?Verlag H D， 1999.

[10]Ramos X， Silber J. On the application of efficiency analysis to the study of the dimensions of human development[J]. Review of Income and Wealth， 2010， 51（2）： 285309.

[11]Bourguignon F， Chakravarty S R. The measurement of multidimensional poverty[J]. Journal of Economic Inequality， 2003， 1（1）： 2549.

[12]Cerioli A， Zani S. A fuzzy approach to the measurement of poverty[M]∥Dagum C， Zenga M. Income and wealth distribution， inequality and poverty. Berlin： Springer Verlag，1990： 272?284.

[13]Lugo M A， Maasoumi E. Multidimensional poverty measures from an information theory perspective[R]. Oxford Poverty & Human Development Initiative， Working Paper No.10， 2009.

[14]Alkire S， Foster J E. Counting and multidimensional poverty measurement[J]. Journal of Public Economics， 2007， 95（7）： 476487.

[15]王小林， Alkire S. 中國多維貧困測量： 估計和政策含義[J]. 中國農(nóng)村經(jīng)濟， 2009（12）： 410.

[16]鄒薇， 方迎風. 關于中國貧困的動態(tài)多維度研究[J]. 中國人口科學， 2011（6）： 4959.

[17]王春超， 葉琴. 中國農(nóng)民工多維貧困的演進——基于收入與教育維度的考察[J]. 經(jīng)濟研究， 2014（12）： 159174.

[18]劉生龍， 李軍. 健康、勞動參與及中國農(nóng)村老年貧困[J]. 中國農(nóng)村經(jīng)濟， 2012（1）： 5668.

[19]楊龍， 汪三貴. 貧困地區(qū)農(nóng)戶的多維貧困測量與分解——基于2010年中國農(nóng)村貧困監(jiān)測的農(nóng)戶數(shù)據(jù)[J]. 人口學刊， 2015（2）： 1525.

[20]楊振. 中國農(nóng)村居民多維貧困測度與空間格局[J]. 經(jīng)濟地理， 2015（12）： 148153.

[21]程名望， Yan H J， 蓋慶恩. 農(nóng)村減貧： 應該更關注教育還是健康？——基于收入增長和差距縮小雙重視角的實證[J]. 經(jīng)濟研究， 2014（11）： 130144.

[22]解堊. 公共轉(zhuǎn)移支付與老年人的多維貧困[J]. 中國工業(yè)經(jīng)濟， 2015（11）： 3246.

[23]彭繼權， 吳海濤. 家庭生命周期視角下農(nóng)戶多維貧困影響因素研究[J]. 世界經(jīng)濟文匯， 2017（6）： 7287.

[24]郭熙保， 周強. 長期多維貧困、不平等與致貧因素[J]. 經(jīng)濟研究， 2016（6）： 143156.

[25]柳建平， 劉咪咪. 貧困地區(qū)女性貧困現(xiàn)狀分析——多維貧困視角的性別比較[J]. 軟科學， 2018（9）： 4346.

[26]李博， 張全紅， 周強， 等. 中國收入貧困和多維貧困的靜態(tài)與動態(tài)比較分析[J]. 數(shù)量經(jīng)濟技術經(jīng)濟研究， 2018（8）： 3955.

[27]陳國強， 羅楚亮， 吳世艷. 公共轉(zhuǎn)移支付的減貧效應估計——收入貧困還是多維貧困？[J]. 數(shù)量經(jīng)濟技術經(jīng)濟研究， 2018（5）： 5976.

[28]Francesco B， Nicole R， Claudio E M. From income poverty to multidimensional poverty： an international comparison[R]. German Development Institute （DIE） and the World Bank， Working Paper. No.174， 2018.

[29]宋揚， 趙君. 中國的貧困現(xiàn)狀與特征： 基于等值規(guī)模調(diào)整后的再分析[J]. 管理世界， 2015（10）： 6577.

[30]解堊. 農(nóng)村家庭的資產(chǎn)與貧困陷阱[J]. 中國人口科學， 2014（6）： 7183.

[31]Anderson S， Eswaran M. What determines female autonomy？ Evidence from Bangladesh[J]. Journal of Development Economics， 2009， 90（2）： 179191.

[32]Rklewski M， Maciej R. The polish regional labour market welfare indicator and its links to other well?being measures[J]. Comparative Economic Research， 2016， 19（3）： 113132.

[33]吳愈曉， 王鵬， 黃超. 家庭庇護、體制庇護與工作家庭沖突——中國城鎮(zhèn)女性的就業(yè)狀態(tài)與主觀幸福感[J]. 社會學研究， 2015（6）： 122144.

[34]Dhongde S， Haveman R. Multi?dimensional poverty in the U. S[R]. University of Wisconsin?Madisons Institute for Research on Poverty Working Paper， No.4， 2014.

[35]Alkire S， Santos M E. Measuring acute poverty in the developing world： robustness and scope of the multidimensional poverty index[J]. World Development， 2014（59）： 251274.

[36]王瑞民， 陶然. “城市戶口”還是土地保障： 流動人口戶籍改革意愿研究[J]. 人口與發(fā)展， 2016（4）： 1928.

[37]李琴， 雷曉燕， 趙耀輝. 健康對中國中老年人勞動供給的影響[J]. 經(jīng)濟學（季刊）， 2014（3）： 917938.

責任編輯、校對： 李再揚

Labor Participation and Multidimensional Poverty from a Family Perspective

—Evidence from CHNS Continuous Tracking Panel

ZHANG Wenwu， OU Xi， XU Jiajie

（School of International Trade， Nanjing University of Finance & Economics， Nanjing 210046， China）

Abstract：This paper uses data from the CHNS continuous tracking panel from 1993 to 2015 to discuss the differences between urban and rural poverty based on the measurement of multidimensional poverty.

The PSM method and xtlogit model are adopted to systematically research the effects of labor participation and family structure characteristics on poverty under two different levels， overall multidimensional poverty and one?dimensional decomposition. The conclusions show that： （1） Chinas multi?dimensional poverty situation has been greatly improved. Labor participation has a decisive influence on alleviating urban and rural poverty and significantly promotes income and quality of life in working families. （2） The multi?dimensional effect on poverty reduction under labor participation has significant family heterogeneity characteristics. The number of children and the elderly， the higher the probability the family trapped in low quality of life is. But the “healthy trend” is obvious; （3） The labor participation of urban samples is relatively low but the poverty reduction effect is more obvious. The labor participation of rural sample and multidimensional poverty show an irregular relationship. Labor participation tends to aggravate health poverty and education poverty while alleviating multidimensional poverty.

Keywords：Labor participation; Multidimensional poverty; Family structure; CHNS panel; PSM