許露露

（安徽財經大學，安徽 蚌埠 233000）

0 引言

迄今為止，我國已經實現7 億多農村貧困人口脫貧［1］。黨的十八大以來，我國以“精準扶貧”、“精準脫貧”為目標，取得了決定性的進展，向全面建成小康社會邁進了一大步。國務院扶貧辦和國家統計局的數據顯示，2012-2018年，我國貧困人口減少了8000多萬人，連續(xù)6年平均每年減貧1300多萬人，貧困人口從9899萬人減少到1660萬人，貧困發(fā)生率從2012年的10.2%下降至2018年的1.7%，累計下降8.5個百分點，832個貧困縣已脫貧摘帽436個［2］。預計到2019年底，全國95%左右現行標準的貧困人口將實現脫貧，90%以上的貧困縣將實現摘帽［2］。

國家扶貧工作成效斐然，但是我國扶貧效率水平以及各省市及地區(qū)扶貧成效如何，是否有明顯差異，影響扶貧效率水平的主要因素有哪些，這些問題都有待解答。本文以我國27 個有國家級貧困縣的?。▍^(qū)）市為研究對象，采用DEA和聚類分析以及斷尾回歸等方法試圖解答這些問題。

本文的邊際貢獻主要為：（1）運用DEA 方法測算效率時，采用全國27個?。▍^(qū)）市的面板數據進行分析，更能全面展示2012-2017 年歷年各省市精準扶貧效率情況以及各省市歷年扶貧效率變化情況；（2）通過聚類分析和分區(qū)域測算效率，可以對我國精準扶貧的區(qū)域差異和省市扶貧工作的相似性進行了解，從而全面把握我國精準扶貧的內部差異情況；（3）從八大投入指標的角度，通過逐步回歸和斷尾回歸模型建模，對精準扶貧效率的影響因素進行識別，從而有利于提出針對性建議。

1 文獻綜述

對精準扶貧這一問題的相關研究主要集中在理論闡釋、效率評價以及影響因素分析等三大方面。

在精準扶貧的理論闡釋方面，賀立龍和朱方明等指出精準扶貧不僅是一種戰(zhàn)略理念，更是一種經濟學思想，是為了擺脫僵化低效、政績導向、救濟性質的扶貧模式窠臼，追求發(fā)展脫貧、精準脫貧、高效扶貧的主動創(chuàng)新［3］。郝儒杰認為精準扶貧政策的時代內涵主要體現為以人民為中心的價值選擇、決勝全面小康的使命擔當以及強化基層黨組織的核心力量，使其具有問題導向、理論貢獻、內容方法有機結合的理論品格和方向精準、普惠廣泛、操作規(guī)范等價值特色［4］。趙敏從精準扶貧創(chuàng)新機制視角出發(fā)，指出精準扶貧機制通過設立精準的脫貧目標、構建了涵蓋精準識別、精準幫扶、精準退出、精準考核及精準管理等精準扶貧全過程的有機統一且高效運行的扶貧體系，創(chuàng)新性地解決了多年來扶貧制度設計中存在的諸多問題，大大提升了扶貧的精準度和幫扶效率［5］。

在精準扶貧效率評價方面，陳銀娥和尹湘基于中國貧困地區(qū)東中西部21 個省市及自治區(qū)普惠金融發(fā)展助推精準脫貧狀況，運用三階段DEA模型對其效率進行測度，發(fā)現普惠金融發(fā)展助推精準脫貧的效率均處于較高水平，效率值均高于0.90，但效率水平未達最優(yōu)，尚有提升空間，規(guī)模效率低是制約當前金融扶貧效率的主要原因［6］。杜興洋和楊起城選取湖南省國家級貧困縣所在的9 個市（州）為樣本，運用DEA-Tobit 模型對其2010-2015 年金融扶貧績效水平及效率影響因素進行測評和分析，結果發(fā)現湖南省不同城市的金融扶貧效率存在較大差異，農村金融發(fā)展水平及其效率的提高、農村產業(yè)結構的優(yōu)化及政府財政政策支持等有利于提高金融扶貧效率［7］。黃淵基和王韌等以湖南省為例，運用DEA-Tobit 模型測算湖南省14個市（州）2008-2014 年的政策性農業(yè)保險扶貧效率及其影響因素，研究發(fā)現，湖南省政策性農業(yè)保險市場總體上處于有效狀態(tài)，參保農戶數、風險保障、受益農戶數、已決賠款和政府保費補貼顯著影響農業(yè)保險扶貧效率［8］。

在精準扶貧成效的影響因素分析方面，鐘文和鐘昌標等以云南省為例，研究發(fā)現：各市（州）與省會中心的距離、經濟密度和扶貧資金對云南省扶貧效率產生顯著的正向影響［9］。王舒可和胡翠紅等以四川省公共圖書館文化扶貧現狀為例，利用主成分分析法對文化扶貧的影響因素進行量化研究，歸納出影響公共圖書館文化扶貧的六大因子［10］。黃曉野和高一蘭基于海南省36 個貧困村扶貧調查數據，使用Probit 模型實證檢驗發(fā)現，貧困發(fā)生概率與貧困人口教育水平及脫貧能力和意識等個人特征關系顯著，同時與家庭人口結構、收入來源、社會組織、交通等家庭和社會特征有關［11］。邢伯倫和龔賢等通過對涼山彝族自治州的101戶建檔立卡貧困戶進行問卷調查和入戶訪談，運用描述性統計和有序Logistic回歸模型的方法進行實證研究發(fā)現，年齡、受教育程度、住房等基礎設施改善、扶貧資金的合理有效使用、貧困戶的精準識別、政府對扶貧工作的重視等是影響貧困戶對精準扶貧滿意度的主要因素［12］。

綜上可知，雖然關于精準扶貧效率的研究已經不少，但是以往的研究多以截面數據為主，且其考察的對象范圍往往局限于個別省域或縣域，目前尚未有對全國的精準扶貧成效及其影響因素進行研究的文獻，因此，本文對我國27 個有國家級貧困縣的省市的精準扶貧效率進行測算與評價，并通過斷尾回歸模型等方法進一步探討精準扶貧效率的影響因素，進而提出有利于精準扶貧效率提升的具有針對性的建議。

2 研究方法設計

2.1 精準扶貧效率測算模型

數據包絡分析法（DEA）是人們常使用的用來評價同一類單元的相對有效性的方法，1978年由美國學者首次提出，在效率評價方面優(yōu)勢顯著［13］。假定有若干個決策單元，每個決策單元對應m個投入和n個產出，通過建立線性規(guī)劃模型，求解得出每個決策單元的相對有效性，進而進行效率評價［13］。本文基于投入產出的原始數據，運用投入導向的BCC模型進行DEA效率測算，模型表達式如下。

設有I個決策單元DMUj(1 ≤j≤I)，每個決策單元對應N種投入、K種產出，任意一個決策單元投入與產出可以表示為［13］：

對應的投入權向量和產出權向量分別為：

其對偶形式可以表示為：

其中，X為投入向量，Y為產出向量，j=1，2，…，I表示決策單元，λj為權重，S-和S+均為松弛變量，ε為非阿基米德無窮小，一般取ε=10-6，最優(yōu)解為θ*，若θ*=1，則表明決策單元DEA有效，若θ*＜1，則決策單元無效。

2.2 精準扶貧效率評價體系構建

本文采用DEA方法對精準扶貧效率進行評價，從投入和產出出發(fā)，構建指標體系。借鑒張俊英、唐紅濤的做法，從經濟產出和減貧產出兩方面確定產出指標為人均國內生產總值（GDP）、非貧困發(fā)生率和非貧困人口數量［14］。至于投入指標，綜合考慮精準扶貧總要求和“兩不愁、三保障”（指不愁吃、不愁穿，保障義務教育、基本醫(yī)療和住房安全）的主要目標，從農業(yè)、教育、醫(yī)療、養(yǎng)老、救濟以及住房等方面選取了8個投入指標。具體的效率評價體系見表1。

表1 精準扶貧效率評價體系

基于數據的可得性，選取了2012-2017 年中國27 個省（區(qū)）市①由于樣本考察期內北京、天津貧困發(fā)生率情況一致，且2013年開始貧困發(fā)生率均為0，故忽略；上海市貧困發(fā)生率一直為0，沒有扶貧一說，故也不考慮。西藏地區(qū)數據嚴重缺失，也不考慮，港、澳、臺地區(qū)也不包括在內。②非貧困發(fā)生率=1-貧困發(fā)生率；非貧困人口數量=非貧困發(fā)生率×各年各省市年末總人口數。的相關指標數據，并對個別指標進行運算后②，進行效率測算與分析。數據來源于國家統計局、EPS 全球統計數據庫相關統計數據以及歷年的《中國農村貧困監(jiān)測報告》。

3 實證分析

3.1 精準扶貧效率評價

3.1.1 各?。▍^(qū)）市精準扶貧效率

表2為2012-2017年中國27個?。▍^(qū)）市的精準扶貧效率值。（1）就總體均值而言，27 個?。▍^(qū)）市2012-2017年的精準扶貧效率均值達到0.923，扶貧效率水平整體較高。這說明“精準扶貧”戰(zhàn)略提出以來，全國各?。▍^(qū)）市對扶貧各項資源的配置較合理，扶貧效果整體較好。（2）對地區(qū)進行比較可以看出，有12個省（區(qū)）市的精準扶貧效率均值達到最優(yōu)為1.000，占比達到44%，這12 個?。▍^(qū)）市中，東部地區(qū)有7 個，西部地區(qū)有3 個，而中部地區(qū)僅有2個。高于整體扶貧效率均值的省（區(qū)）市有18個，占比達到67%。江西省的精準扶貧效率在27 個省（區(qū)）市中最低，僅為0.641；次低的是湖南省，精準扶貧效率為0.687。此外，湖北省和四川省的精準扶貧效率值也低于0.800，分別為0.754和0.788。這說明這些省份扶貧效果整體較差，扶貧精度也有待提高。（3）縱向對比來看，2012-2017 年全國27 個?。▍^(qū)）市的精準扶貧效率整體呈現上升趨勢，2013年扶貧效率水平最低，為0.903，2017 年效率水平最高，達到0.944，高于整體效率均值。2012年到2017年，全國27個省（區(qū)）市的精準扶貧效率水平提升了4%。近些年來，尤其是黨的十八大以來，我國通過深化改革和大規(guī)模的扶貧開發(fā)，不斷加大精準扶貧投入和攻堅力度，大力實施精準扶貧、精準脫貧，貧困人口大幅度減少，減貧效果顯著［1］。因此，隨著精準扶貧工作的進一步深入與完善，實現全面脫貧指日可待。

表2 精準扶貧效率評價結果

3.1.2 各省（區(qū)）市精準扶貧要素投入冗余分析

由前文所述，已知27個省（區(qū)）市的精準扶貧效率水平存在差異，因此，為進一步明確各地區(qū)要素投入情況，綜合分析其與精準扶貧效率之間的聯系，以2017年為例，進行投入冗余分析。其中，投入冗余=徑向距離（radical movement）+松弛變量（slack movement），正值表示存在投入冗余，負值表示存在投入不足，0 表示要素投入完全合理［13］。測算結果見表3所示。

表3 27省市2017年精準扶貧投入冗余分析結果

由表3可知，對27個?。▍^(qū)）市2017年精準扶貧要素投入冗余分析結果與27個省（區(qū)）市2017年的效率評估情況是一致的。其中，2017 年效率值為1.000 的省（區(qū)）市，即DEA 有效的各?。▍^(qū)）市對應的要素投入完全合理，既不存在任何要素的冗余，也不存在任何要素不足的情況，如遼寧、吉林、黑龍江、江蘇以及浙江等?。▍^(qū)）市。同理，2017 年效率值小于1.000 的省（區(qū)）市則在8 種要素投入上均存在不同的投入不足情況，如河北、山西、安徽以及江西等省（區(qū)）市。這意味著，未達到DEA 有效的?。▍^(qū)）市，在扶貧資源配置方面不夠合理，扶貧投入力度有待進一步加大。如在8 大投入要素中，村衛(wèi)生室的數量在各個未達到DEA 有效的?。▍^(qū)）市都有著巨大的缺口，而精準扶貧的總目標之一就有“保障基本醫(yī)療”，村衛(wèi)生室數量的嚴重不足恰恰說明了這一點沒有做到，從而扶貧效率相應地就很低。其他要素投入也是一樣，只有合理配置各項扶貧資源，提高資源配置效率，才能進一步提高精準扶貧效率。

3.2 各?。▍^(qū)）市及地區(qū)精準扶貧效率差異分析

3.2.1 聚類分析

聚類分析是對研究對象進行定量分類的一種常用方法。其根據所研究對象數據的差異程度，通過逐次聚類，將相似度最高的省份劃分為一組，即一類［15］。為了對各?。▍^(qū)）市精準扶貧體系的差異進行研究，筆者采用Q 類聚類法［15］，基于原始面板數據對研究對象進行聚類。聚類前首先標準化數據，聚類結果見圖1。

圖1 系統聚類分析譜系圖

由譜系圖可知，當閾值為10時，27個?。▍^(qū)）市根據相似程度可以分為4類，分類結果如表4所示。

表4 各省（區(qū)）市精準扶貧體系分類結果

第一類是經濟發(fā)達的江蘇省和浙江省，這兩個省份各方面相似度較高。經濟發(fā)展水平較高，貧困發(fā)生率及貧困規(guī)模都較小，加上扶貧力度大，近年來減貧成果尤為顯著，且這兩個省份在扶貧要素各項投入及產出方面相似度極高。國家統計局全國農村貧困監(jiān)測調查顯示，2018年農村貧困發(fā)生率降至3%以下的省份中，浙江和江蘇在列。

第二類共包括16個?。▍^(qū)）市，其中以西部地區(qū)和中部地區(qū)?。▍^(qū)）市為主。近年來，隨著國家對區(qū)域協調發(fā)展的重視程度不斷加大，中、西部地區(qū)同東部地區(qū)的經濟水平差距在逐漸減小，此外，由于東、西部扶貧協作的加深，區(qū)域性整體貧困的現象得以緩解，中西部減貧效果也日益明顯，整體扶貧體系和減貧規(guī)模也越來越接近，在扶貧要素各項投入及產出方面表現出極高的相似度。

第三類共包括8 個省，其中以中部地區(qū)省份為主。由上述精準扶貧效率評價結果可知，中部地區(qū)的江西省、湖南省以及湖北省精準扶貧效率水平均遠低于全國均值，扶貧效果較差，而西部地區(qū)的四川省精準扶貧效率水平也遠低于全國均值，扶貧效率水平亟待提高。安徽省雖然整體精準扶貧效率水平較高，但是近年來扶貧效率水平呈現下降趨勢，扶貧精度仍然不夠。由于系統聚類是根據樣本數據相似性進行分類的，這表明這8 個省在精準扶貧各項指標的投入和產出方面具有較大的相似性。

第四類只包括河南省。這說明河南省的各項指標與其他?。▍^(qū)）市相比差異較大。事實上，由上述精準扶貧效率評價結果可知，河南省2012-2014年的精準扶貧效率水平均低于0.900，但2015 年、2016 年和2017 年連續(xù)三年扶貧效率達到1.000，為DEA 有效，這也從側面反映出近幾年來，河南省加快了精準扶貧步伐，扶貧資源配置效率顯著提高，扶貧成果顯著。上文中對2017 年各?。▍^(qū)）市的要素投入冗余分析也驗證了這一點。

3.2.2 地區(qū)精準扶貧效率差異性分析

為了對比精準扶貧效率水平的區(qū)域差異，根據《中國農村貧困監(jiān)測報告2018》的劃分方法，將27個?。▍^(qū)）市劃分為三大區(qū)域：東部地區(qū)、中部地區(qū)和西部地區(qū)，各分區(qū)的精準扶貧效率評價結果見表5。

就區(qū)域及整體而言，27個?。▍^(qū)）市的整體扶貧效率均值為0.923，東部地區(qū)、中部地區(qū)以及西部地區(qū)精準扶貧效率的總體均值均遠高于這一總體水平，分別達到0.991、1.000和0.997。中部地區(qū)2012-2017年的扶貧效率均值均達到最優(yōu)，為1.000；西部地區(qū)雖然整體效率均值較高，但是沒有效率值為1.000的年份，即西部地區(qū)歷年的扶貧效率水平較穩(wěn)定，但仍然有待進一步提高；東部地區(qū)的精準扶貧效率均值在三大地理分區(qū)里面雖然相對較低，但是，其2016 年和2017 年效率均值均達到最優(yōu)水平1.000，說明東部地區(qū)在2016-2017 年扶貧工作為DEA 有效，扶貧資源配置效率高，扶貧精度較高。

為了更直觀地了解2012-2017年三大區(qū)域的精準扶貧效率的整體情況和變化趨勢，進一步給出了東部地區(qū)、中部地區(qū)和西部地區(qū)各年的精準扶貧效率趨勢圖（圖2）以及2012年與2017年東部地區(qū)、中部地區(qū)和西部地區(qū)貧困人口對比圖（圖3）。

表5 分區(qū)域精準扶貧效率評價結果

圖2 三大區(qū)域精準扶貧效率值變化趨勢圖

圖3 我國三大區(qū)域貧困人口對比圖

由圖2 可知，2012-2017 年東、中、西三大區(qū)域的精準扶貧效率均值均高于全國平均水平。中部地區(qū)效率水平最高，其次是西部地區(qū)，東部地區(qū)最低。中部地區(qū)精準扶貧效率水平穩(wěn)定在1；西部地區(qū)效率水平較穩(wěn)定，前5年效率水平平穩(wěn)上升，2017年出現小幅下降；東部地區(qū)歷年扶貧效率均高于0.96，且經歷短暫波動后不斷上升至1。我國三大區(qū)域整體的精準扶貧效率水平穩(wěn)中有進。

由圖3可知，2017年全國貧困人口較2012年大幅度減少。其中，西部地區(qū)貧困規(guī)模最大，減貧幅度也最明顯，其貧困人口由2012 年的5086 萬人下降至2017年的1634萬人，降幅達到67.9%。中部地區(qū)貧困人口減少緊隨其后，降幅達到67.7%，東部地區(qū)雖然貧困規(guī)模較小，但是減貧成果顯著，貧困人口降幅達到78%。我國東、中、西部貧困人口全面減少，減貧成果明顯。

3.3 基于斷尾回歸模型的精準扶貧效率影響因素分析

為了對精準扶貧效率的影響因素進行識別，從而有針對性地提出有利于我國整體精準扶貧效率提升的建議。筆者以精準扶貧效率（eff）為被解釋變量，以8個投入指標的對數值為解釋變量，建立回歸模型，探究全國各?。▍^(qū)）市精準扶貧效率及其區(qū)域差異的影響因素。模型如下：

其中，i和t分別是個體與時間效應，βj(j=1，2，…，8) 為待估計的參數，εit為隨機誤差項。eff是精準扶貧效率值，mach為農用機械總動力，area為農作物總播種面積，pris和mids分別為鄉(xiāng)村小學數量和鄉(xiāng)村初中數量，hosp為村衛(wèi)生室數量，care為養(yǎng)老機構數量，expd為農村低保支出，dwel為人均住宅面積。

考慮到被解釋變量是通過DEA 方法測算的相對效率，其范圍受限，因此，本文選擇斷尾回歸模型（truncated regression model）進行回歸分析，斷尾回歸模型根據數據缺失的位置，可以分為左端斷尾、右端斷尾和區(qū)間斷尾［16］。本文主要研究精準扶貧效率及其影響因素，精準扶貧效率作為被解釋變量，其取值范圍大于等于零，即被解釋變量屬于斷尾數據，并屬于“左端斷尾”［16］。由于等式（6）斷尾回歸結果顯示僅有個別變量顯著，因此，為了剔除不顯著變量，筆者先運用stata軟件通過逐步回歸篩選出重要變量，然后對重要變量進行斷尾回歸，回歸結果顯示篩選出來的重要變量與最初回歸結果中顯著的變量一致，并且回歸結果更加顯著，系數符號也都一致，因此，回歸結果是可信的，具體結果見表6。

表6 斷尾回歸結果

表6 顯示，鄉(xiāng)村初中數量（mids）的系數估計值為-0.046，在5%的顯著性水平上顯著，這說明鄉(xiāng)村初中數量對精準扶貧效率具有顯著的負作用，鄉(xiāng)村初中數量每增加1%，精準扶貧效率就降低0.046個單位。鄉(xiāng)村初中數量是實現“保障義務教育”目標的重要變量，增加鄉(xiāng)村初中的數量會使精準扶貧效率降低顯然不符合常理，說明了當前的鄉(xiāng)村初中并沒有發(fā)揮應有的效益。出現負值的可能原因是教育財政支持力度不夠，鄉(xiāng)村初中建設不夠完善，教育水平不夠高，從而導致教育投入資源配置低效率，未能真正“保障義務教育”，也未能減輕貧困戶的教育負擔，進而導致精準扶貧效率的降低。

農用機械總動力（mach）的系數估計值為0.067，在5%的顯著性水平上顯著，這說明農用機械總動力對精準扶貧效率具有顯著的促進作用，農用機械總動力每增加1%，精準扶貧效率就增加0.067個單位。“三農”問題主要是農業(yè)產業(yè)化的問題，只有農業(yè)發(fā)展，才有農民及農村的大發(fā)展。

村衛(wèi)生室數量（hosp）的系數估計值為-0.043，在5%的顯著性水平上顯著，這說明村衛(wèi)生室數量對精準扶貧效率具有顯著的負作用，村衛(wèi)生室數量每增加1%，精準扶貧效率就降低0.043個單位。村衛(wèi)生室數量反映了“保障基本醫(yī)療”的目標實現情況，據統計，很多貧困戶是因病致貧、因病返貧，因此，完備的醫(yī)療保障機制對于精準脫貧具有積極的作用，增加村衛(wèi)生室數量會使精準扶貧效率降低顯然不符合常理，說明當前農村衛(wèi)生室并沒有發(fā)揮應有的效益。出現負值的原因可能是農村衛(wèi)生室醫(yī)療人員和醫(yī)療設備的數量不夠，質量整體也不高，從而未能真正發(fā)揮“保障基本醫(yī)療”的作用，也就未能真正為因病致貧及因病返貧的貧困戶提供醫(yī)療救助，從而導致精準扶貧效率的降低。

養(yǎng)老機構數量（care）的系數估計值為-0.024，在5%的顯著性水平上顯著，這說明養(yǎng)老機構數量對精準扶貧效率具有顯著的負作用，養(yǎng)老機構數量每增加1%，精準扶貧效率就降低0.024個單位。養(yǎng)老機構數量反映了對老年人的安置情況，不少貧困戶因為家里有老人，必須照看家庭，從而不能出去就業(yè)，也就沒有收入，從而導致貧困加深，因此，養(yǎng)老機構數量增加應該有利于這部分貧困戶脫貧，增加養(yǎng)老機構數量反而使精準扶貧效率降低顯然不符合常理，說明當前養(yǎng)老機構并沒有發(fā)揮應有的效益。因此，應該通過整體提升養(yǎng)老機構人員、機構設備以及服務等的質量和數量，提高養(yǎng)老機構自身的效率，進而提高農村精準扶貧效率。

農村低保支出（expd）對精準扶貧效率具有不顯著的負作用，這可能是因為，雖然低保可以一定程度上緩解貧困戶的資金困難，但是，貧困是一個長期的問題，僅靠低保救濟是不可能長久有效的，僅僅靠低保，會養(yǎng)成貧困戶的依賴性和“坐享其成”、“不勞而獲”的想法，反而不利于脫貧。正所謂“扶貧先扶志和智”，只有貧困戶思想上想脫貧，主動提高自身技能，靠自己雙手去創(chuàng)造財富，才能真正實現脫貧。

4 結論與建議

4.1 結論

本文基于我國27 個有國家級貧困縣的?。▍^(qū)）市2012-2017 年的面板數據，利用數據包絡分析法（Data Envelopment Analysis，DEA），選取斷尾回歸模型對精準扶貧效率的區(qū)域差異及其影響因素進行了分析。結果表明：（1）我國精準扶貧效率均值為0.923，扶貧效率水平整體較高，且東、中、西部差異較明顯。（2）不同?。▍^(qū)）市間精準扶貧效率水平差異較大，如江西、湖南和四川三省，效率均值均遠低于0.800，需要進一步完善精準扶貧體系，提高精準扶貧效率。（3）從影響精準扶貧效率的因素來看，農用機械總動力越大，精準扶貧效率的提高越顯著；鄉(xiāng)村初中、村衛(wèi)生室以及養(yǎng)老機構未能發(fā)揮扶貧應有的效益，需要通過進一步提高資源配置效率以及提高服務質量等途徑充分發(fā)揮其對扶貧的促進作用，提高精準扶貧效率；農村低保支出對精準扶貧效率具有不顯著的負效應。

4.2 建議

（1）加大脫貧攻堅投入與合作力度，貫徹落實各項扶貧政策。由上述研究結論可知，雖然我國精準扶貧效率整體較高，但區(qū)域差異性較大，且個別?。▍^(qū)）市效率極低，扶貧各項投入嚴重短缺。因此，要根據各地的實際情況，因地施策，在加大精準扶貧各項投入的同時，可以通過開展扶貧合作，互相借鑒，取長補短，建立合作幫扶的長效機制，推動脫貧攻堅取得新進展。

（2）繼續(xù)推進新農村建設，保障貧困地區(qū)基本生活條件。對精準扶貧效率的影響因素分析結果表明，農村教育、醫(yī)療、養(yǎng)老等方面的基礎設施建設都未能發(fā)揮應有的效益，在資源配置和服務質量等方面都有欠缺。因此，要進一步促進城鄉(xiāng)協調發(fā)展，積極加大貧困地區(qū)基礎設施建設力度，提高公共服務的質量，逐步提高社會保障水平，提高農村貧困人口的生活水平。

（3）做好就業(yè)扶貧工作，促進貧困地區(qū)勞動力轉移就業(yè)［1］。“扶貧先扶志和智”，要使貧困戶真正脫貧，首先就需要貧困戶有脫貧的信念，說到底還是要讓他們有持續(xù)的收入來源。因此，各扶貧部門可以通過對貧困勞動力進行技能培訓，開發(fā)公益性崗位以及對接產業(yè)扶貧加工點等方式使更多貧困人口能夠就近就業(yè)，努力把轉移就業(yè)脫貧作為脫貧的根本之策。

（4）加大金融扶貧力度。無論基礎設施建設還是農村產業(yè)發(fā)展，抑或是貧困人口創(chuàng)業(yè)就業(yè)都少不了資金支持，因此，要切實加強這些領域的金融服務，通過提供更加優(yōu)質的金融服務和產品以及農村小額信貸等方式解決貧困地區(qū)資金不足和融資難等困難，提高貧困地區(qū)人民的生存與發(fā)展能力。