朱巧玲 張明飛

(中南財經(jīng)政法大學(xué) 經(jīng)濟學(xué)院，湖北 武漢 430073)

新中國成立以來的70多年創(chuàng)造了經(jīng)濟快速發(fā)展和社會長期穩(wěn)定的雙重奇跡。期間，中國的減貧工作取得了舉世矚目的成就。在人民群眾的收入水平持續(xù)快速增長的同時，通過長期實施精準高效的扶貧戰(zhàn)略，貧困人口總量和貧困發(fā)生率等指標都顯著下降。當前，我國正處于全面建成小康社會，實現(xiàn)第一個百年奮斗目標的決勝時期，并即將開啟全面建設(shè)社會主義現(xiàn)代化國家新征程。當此之際，受多因素綜合影響的少數(shù)民族聚集區(qū)農(nóng)戶貧困已成為扶貧工作的重點。因此，以有效的方法充分掌握此類貧困人口及其所處環(huán)境的信息，并在提出假說之后進行驗證，進而為制定反貧困政策提供支持，顯然具有較高的理論與實踐價值。

一、問題的提出

貧困問題既可以源于個體在健康、知識技能或社會資本等方面的缺陷，也可以源于投融資機會、產(chǎn)業(yè)發(fā)展的溢出效應(yīng)和公共物品供給等方面的不足使個體面臨人力資本投資、風險防范、機會獲取和經(jīng)濟增長成果分享的障礙。阿瑪?shù)賮啞どJ為，只有通過有效的貧困維度選取與權(quán)重設(shè)定來構(gòu)造測度體系，才能為消除貧困提供有力的支持。早期研究中的貧困測度方式主要是，基于特定區(qū)域的最低生活保障水平確定貧困標準，并根據(jù)居民的收入或支出進行貧困識別。然而，有效的貧困研究和反貧困政策都要求從健康、教育、投資機會和公共物品等維度測度個體遭受的不利影響，同時，研究對象及其所處的環(huán)境越是復(fù)雜多變，對多維測度的依賴性就越強。因此，各種多維貧困測度方法在進入21世紀之后被相繼提出。其中，由Alkire & Foster(1)Alkire S, Foster J. Counting and Multidimensional Poverty Measurement. Journal of Public Economics, 2011, 95(7-8) :476-487.基于Kakwani & Silber(2)Kakwani, N. and Silber, J. Quantitative Approaches to Multidimensional Poverty Measurement. New York: Palgrave Macmillan, 2008.和Wagle(3)Wagle, U. R. Multidimensional Poverty Measurement: Concepts and Applications, Economic Studies in Inequality, Social Exclusion and Well-Being 4. New York: Springer, 2008.等研究提出的A-F多維貧困測度方法在理論界引起了極大的關(guān)注，并迅速成為研究貧困問題的典型方法。其實，王小林與Alkire在2009年就曾探索性地使用過這種方法(4)王小林、Alkire：《中國多維貧困測量: 估計和政策含義》，《中國農(nóng)村經(jīng)濟》2009年第12期。。此后，這種方法在中國學(xué)者的同類研究中得到迅速推廣，如鄒薇等對中國的貧困問題實施了動態(tài)多維度考察(5)鄒薇、方迎風：《關(guān)于中國貧困的動態(tài)多維度研究》，《中國人口科學(xué)》2011年第6期。；郭建宇等研究了多維貧困測量指標的權(quán)重設(shè)定與調(diào)整對貧困測算結(jié)果的影響(6)郭建宇、吳國寶：《基于不同指標及權(quán)重選擇的多維貧困測量——以山西省貧困縣為例》，《中國農(nóng)村經(jīng)濟》2012年第2期。。

本文將研究范圍界定為中國少數(shù)民族聚集區(qū)農(nóng)戶貧困問題。雖然此類貧困人口在近年來因經(jīng)濟發(fā)展而快速減少，但依然是中國貧困人口的主體，并呈現(xiàn)顯著的集中趨勢。就此而言，有效緩解此類貧困是中國實現(xiàn)區(qū)域經(jīng)濟協(xié)調(diào)發(fā)展和全面建成小康社會的重要途徑。然而，由于經(jīng)濟發(fā)展的地域差異、生態(tài)條件和文化觀念等因素的綜合影響，此類農(nóng)戶的多維貧困比其他地區(qū)更為嚴重。隨著“深度脫貧、精準扶貧”戰(zhàn)略的推進，中國理論界除了在一般貧困問題的研究中精煉多維測度方法，還逐步拓展該方法在地域類型上的應(yīng)用范圍，但目前專門就少數(shù)民族聚集區(qū)農(nóng)戶貧困進行多維測度與分析的研究尚不多見。因此，本文認為，以充分利用農(nóng)戶特征和村莊經(jīng)濟發(fā)展狀況等信息為基礎(chǔ)，在多維測度方法的指導(dǎo)下，分析導(dǎo)致此類貧困的關(guān)鍵成因，并基于經(jīng)濟事實進行驗證，對于精準扶貧戰(zhàn)略的實施有重要參考價值。

二、A-F測度方法應(yīng)用的相關(guān)設(shè)定

A-F多維貧困測度方法假設(shè)經(jīng)濟個體(家庭或個人)在多個方面遭受剝奪，并使用“雙界限”方法對此進行測定。其操作流程是先設(shè)定個體在相應(yīng)的單一維度是否處于貧困狀態(tài)的判斷標準，再確定個體在既定數(shù)目及以上的維度同時處于貧困狀態(tài)時則被判定為貧困的維度數(shù)目的臨界值。

(一)基本符號及其定義

(二)貧困的識別、加總與分解

令個體貧困狀況變量為ρk(yi,z)。當ci≥k時，ρk(yi,z) = 1，個體i為多維貧困；當ci≤k時，ρk(yi,z) = 0，個體i為非多維貧困。其中，k值存在是否考慮權(quán)重的區(qū)別。若不考慮權(quán)重，k∈[1,d]。當k= 1，只要存在一維剝奪，即被認定為貧困，而當k=d，則只有d維剝奪同時存在才被認定為貧困。若考慮權(quán)重，k∈[0,1]。此時，定義貧困的主流標準是個體在1/3及以上維度處于貧困，k的取值一般為1/3或0.3。

(1)

同時，可以從地區(qū)或維度等角度分解多維貧困指數(shù)M0，以便發(fā)現(xiàn)貧困在地區(qū)或維度間的差異，進而為制定反貧困政策提供支持。若按維度分解M0，可將公式(1)改寫為：

(2)

若按地區(qū)分解M0，并假設(shè)調(diào)查個體來自G個地區(qū)，n為各地區(qū)的個體數(shù)ni之和，可將公式(1)改寫為：

(3)

三、中國少數(shù)民族聚集區(qū)農(nóng)戶多維貧困測度

(一)資料來源

本文所用數(shù)據(jù)來自中國家庭追蹤調(diào)查(CFPS)(7)聯(lián)合國《人類發(fā)展報告2016》技術(shù)細節(jié)中(第8頁)，提到中國多維貧困所使用資料來自 2012 China Family Panel Studies(CFPS 2012); http://hdr.undp.org/sites/default/files/hdr2016_technical_notes.pdf.。這主要是基于如下兩方面考慮：一是該資料包含較新的微觀家庭調(diào)查資料，最早為2010年，最近為2016年，與“精準扶貧”國家戰(zhàn)略的實施時間相吻合。二是該資料能全面反映某一群體的貧困變化。因此，近年來使用該數(shù)據(jù)進行貧困分析的研究日益增多(8)相關(guān)研究：侯亞景：《中國農(nóng)村長期多維貧困的測量、分解與影響因素分析》，《統(tǒng)計研究》2017年第11期；李曉明、楊文?。骸秲和嗑S貧困測度與致貧機理分析——基于CFPS數(shù)據(jù)庫》，《西北人口》2018年第1期；張昭、楊澄宇、袁強：《“收入導(dǎo)向型”多維貧困的識別與流動性研究——基于CFPS調(diào)查數(shù)據(jù)農(nóng)村子樣本的考察》，《經(jīng)濟理論與經(jīng)濟管理》2017年第2期。。同時，本文將CFPS村居調(diào)查問卷中“您村/居是否為少數(shù)民族聚集區(qū)？”問題選擇“是”的村莊的居民界定為少數(shù)民族聚集區(qū)。

本文選擇刪除給出無效回答的調(diào)查戶。如果在回答中選擇“無法判斷”、“缺失”、“不適用”或“不知道”等，那么不僅刪除相應(yīng)的個體，而且刪除所在的家庭。由于研究對象為全國少數(shù)民族聚集區(qū)的農(nóng)戶，本文只使用調(diào)查數(shù)據(jù)中農(nóng)村家庭資料。同時，由于2016年的調(diào)查數(shù)據(jù)仍未完整公布，本文選用2010和2014兩個年度的數(shù)據(jù)。經(jīng)整理，2010年家庭樣本涉及9個省區(qū)、857戶家庭，2014年的家庭樣本涉及9個省區(qū)、618戶家庭。樣本的地區(qū)分布顯示，我國少數(shù)民族聚集區(qū)在西部地區(qū)所占比重約為八成。

(二)多維貧困指標設(shè)定

本文參考已有文獻資料，選擇從教育、健康以及生活水平等三個維度共計11個指標進行多維貧困識別，并在權(quán)重設(shè)定方面采用等權(quán)重設(shè)定方式。見表1所示。

表1 多維貧困指標設(shè)定

(三)貧困測度結(jié)果

1. 單維度貧困測度

從上述11個維度分別估算單維貧困發(fā)生率，結(jié)果顯示，在2010年，少數(shù)民族聚集地區(qū)農(nóng)戶單維貧困中較為突出的維度是：94.75%的農(nóng)戶在垃圾處理時不通過公共垃圾桶/箱、樓房垃圾道，82.85%的農(nóng)戶常用的做飯燃料非煤、電、煤油、液化氣或天然氣中的一種，76.55%的農(nóng)戶沒有衛(wèi)生設(shè)施，65.34%的農(nóng)戶家中所有成人受教育程度為小學(xué)及以下，55.19%的農(nóng)戶既沒有汽車，也沒有拖拉機，且至多有摩托、電視中的一種；而在2014年，單維貧困中較為突出的維度是：77.02%的農(nóng)戶沒有衛(wèi)生設(shè)施，70.87%的農(nóng)戶在垃圾處理時不通過公共垃圾桶/箱、樓房垃圾道，59.55%的農(nóng)戶常用的做飯燃料非煤、電、煤油、液化氣或天然氣中的一種，以及40.94%的農(nóng)戶家中所有成人受教育程度為小學(xué)及以下等，整體表現(xiàn)出與2010調(diào)查年度類似的特征。

2. 多維貧困估計結(jié)果

基于CFPS2010、CFPS2014中國農(nóng)村居民調(diào)查數(shù)據(jù)，可以運用A-F測度方法對樣本中少數(shù)民族聚集區(qū)農(nóng)戶進行多維貧困測量，其結(jié)果如表2所示。相關(guān)數(shù)據(jù)顯示，2014年較2010年在貧困比率、貧困剝奪份額和多維貧困指數(shù)等方面都明顯降低，這意味著中國少數(shù)民族聚集區(qū)農(nóng)戶多維貧困狀況得到了較好的緩解。

表2 中國少數(shù)民族聚集區(qū)農(nóng)戶多維貧困估計結(jié)果

3. 多維貧困指數(shù)分解

(1)維度分解

表3是2010年中國少數(shù)民族聚集區(qū)農(nóng)戶在不同k值下的貧困指數(shù)的維度貢獻率。以k= 4為例，相應(yīng)的多維貧困指數(shù)為0.3494，即同時存在4個維度貧困的貧困指數(shù)為0.3494。其中，垃圾處理對貧困的貢獻率最大，為19.61%；做飯燃料的貢獻率次之，為18.40%；衛(wèi)生設(shè)施的貢獻率為15.24%。

表3 2010年中國少數(shù)民族聚集區(qū)農(nóng)戶多維貧困維度貢獻(%)

表4是2014年聚集區(qū)農(nóng)戶貧困在不同k值下的貧困指數(shù)的維度貢獻率。以k= 4為例，多維貧困指數(shù)為0.1749，即同時存在4個維度貧困的貧困指數(shù)為0.1749。其中，垃圾處理的貢獻率最大，為19.68%；衛(wèi)生設(shè)施的貢獻率次之，為17.66%；做飯燃料的貢獻率為17.24%。

對比兩個調(diào)查年度的數(shù)據(jù)可知，受教育程度、做飯燃料、家庭用電以及家庭耐用品對多維貧困的貢獻程度在下降；而醫(yī)療保險、BMI、清潔飲用水、衛(wèi)生設(shè)施以及住房對多維貧困的貢獻程度在上升。

表4 2014年中國少數(shù)民族聚集區(qū)農(nóng)戶多維貧困維度貢獻(%)

(2)地區(qū)分解

通過對多維貧困指數(shù)M0進行基于區(qū)域的分解，可以得到不同k值下各區(qū)域多維貧困指數(shù)的貢獻率，結(jié)果見表5和表6。以k=4為例，2010年全國多維貧困指數(shù)為0.3494，其中，東部、西部以及東北地區(qū)少數(shù)民族聚集區(qū)農(nóng)戶多維貧困指數(shù)分別為0.0282、0.2878和0.0334；各區(qū)域?qū)θ珖嗑S貧困指數(shù)的貢獻率分別為8.08%、82.36%和9.56%。顯然，西部地區(qū)的貧困指數(shù)最高，貧困問題最為嚴重。

同樣以k=4為例，2014年全國多維貧困指數(shù)為0.1749，其中，東部、西部以及東北地區(qū)農(nóng)戶多維貧困指數(shù)分別為0.0057、0.1489和0.0203；各區(qū)域?qū)θ珖嗑S貧困指數(shù)的貢獻率分別為3.28%、85.11%和11.61%。同樣，西部地區(qū)的貧困指數(shù)最高，最為嚴重。

兩個調(diào)查年度的對比顯示，東部地區(qū)對多維貧困指數(shù)的貢獻程度在不同的k值下都實現(xiàn)了不同程度的下降，而西部和東北地區(qū)的貢獻則呈現(xiàn)上升態(tài)勢。在全國整體多維貧困指數(shù)呈現(xiàn)持續(xù)下降的前提下，這一結(jié)果說明西部和東北地區(qū)的貧困狀況在相對意義上有所加劇，這些地區(qū)依然是精準扶貧的主戰(zhàn)場。

表5 不同k值下多維貧困指數(shù)(M0)的地區(qū)分解結(jié)果(2010)

表6 不同k值下多維貧困指數(shù)(M0)的地區(qū)分解結(jié)果(2014)

四、 中國少數(shù)民族聚集區(qū)農(nóng)戶致貧因素分析

在多維貧困測度之后，可以探討導(dǎo)致貧困的成因。問題是，多數(shù)社會調(diào)查資料都具有層級結(jié)構(gòu)，會使個體之間存在非獨立性，導(dǎo)致經(jīng)典回歸方法的分析結(jié)果具有顯著的偏差。所幸的是，分層線性回歸能很好地解決非獨立性問題。如果將農(nóng)戶分為貧困與非貧困，分層Logisitc回歸就是研究貧困問題的適當選擇。

(一)模型設(shè)定

本文采用兩層Logistic回歸模型，其中，農(nóng)戶被設(shè)定為第一層，而村莊則被設(shè)定為第二層。具體而言，在該回歸模型中，有關(guān)農(nóng)戶和村莊模型的形式可以進行如下設(shè)定：

(4)

(5)

式(4)中i=1, 2, …,nj表示省份j中的第i戶調(diào)查家庭，j=1, 2, …,J表示村莊，nj為村莊j總調(diào)查戶數(shù)。P(Yi j= 1) 表示村莊j農(nóng)戶i貧困發(fā)生的概率，P(Yi j= 0) 表示村莊j農(nóng)戶i貧困不發(fā)生的概率，log{P(Yi j= 1)/[1-P(Yi j= 1) }表示P(Yi j= 1)的Logit變換，經(jīng)過這一變換，貧困發(fā)生率就可以寫成自變量的線性表述。式(4)意味著農(nóng)戶貧困發(fā)生概率的Logit變換是K個解釋變量X的線性函數(shù)。β0j、βkj分別代表截距項和第k個解釋變量Xkj所對應(yīng)的回歸系數(shù)。

式(5)的設(shè)定表示截距項β0j和斜率項βkj隨村莊j變化而變化，而且都是與村莊j有關(guān)的S個解釋變量W的線性函數(shù)，Wsj表示村莊j的第s個解釋變量。此時，β0j和βkj解釋變量W的個數(shù)既可以相同，也可以不同。

(二)變量設(shè)定

因變量Y：本文將當k= 4時處于多維貧困的農(nóng)戶界定為貧困戶，此時Y= 1，而低于這一臨界值的則是非貧困戶，此時Y= 0。

解釋變量：鑒于CFPS數(shù)據(jù)庫的特點，本文從戶主特征、家庭人口特征、家庭稟賦以及村莊特征等角度選取14個變量作為解釋變量。需要說明的是，CFPS家庭問卷中并無戶主這一項，對于2010年度調(diào)查資料，本文使用“誰是家庭主事者”來代替，對于2014年度調(diào)查資料，使用“買房子誰說了算”來代替。所有解釋變量可以處理成兩種類型，包括9個分類變量和5個數(shù)值變量，各變量的定義與類型設(shè)定如表7所示。

表7 解釋變量設(shè)定

(三)模型結(jié)果與分析

1. 變量的描述性統(tǒng)計分析

通過描述性統(tǒng)計分析可知，在2010年，戶主的平均年齡為46.22歲，平均家庭人口規(guī)模為4.68人，而2014年的數(shù)值則分別是47.59歲和4.67人。同時，兩個調(diào)查年度的結(jié)果都體現(xiàn)如下特征：貧困戶戶主年齡更高、貧困戶戶主是黨員的比重明顯更低。通過相關(guān)性檢驗，包括以列聯(lián)表χ2獨立性檢驗方法檢驗分類變量和以獨立樣本t檢驗方法檢驗數(shù)值變量，結(jié)果顯示，當選擇以10%作為顯著性水平時，戶主年齡、戶主性別、戶主是否是少數(shù)民族、戶主受教育程度、家庭中勞動年齡人口、家庭是否有自有住房以及是否有耐用消費品等變量在貧困戶與非貧困戶之間都存在顯著性差別，而其余變量則不存在顯著性差別。

此外，與第二層變量相關(guān)的分析結(jié)果顯示，在樣本范圍內(nèi)，村莊常住人口比重的變化幅度較大，在2010年，最高者為1，最低者為0.6237，均值為0.9232，同時，有37.50%的村莊經(jīng)濟發(fā)展水平較高，62.50%的村莊經(jīng)濟發(fā)展水平較低；到2014年，村莊常住人口比重的最低值下降為0.4178，而村莊經(jīng)濟發(fā)展水平較高的比例上升為70.27%。這意味著村莊的經(jīng)濟結(jié)構(gòu)特征和經(jīng)濟發(fā)展水平都實現(xiàn)了實質(zhì)性改善。

2. 回歸模型結(jié)果

對于分層線性模型而言，是否應(yīng)該將層級影響納入考慮范圍的主要判定指標是組內(nèi)相關(guān)系數(shù)(Intra-Class Correlation，ICC)，即組間方差占組內(nèi)方差與組間方差之和的比重，其實質(zhì)是因變量的變異中可用組間方差解釋的部分。Cohen(1988)認為，當ICC > 0.059時，就應(yīng)選擇以分層線性模型對層級影響進行處理。其中，分層線性模型一般使用軟件HLM實現(xiàn)。而在以HLM軟件進行分層Logistic回歸估計時，有兩種估計程序，即特定單元模型和總體平均模型。比較而言，總體平均模型估計需要更少的假設(shè)條件，并對隨機效應(yīng)的設(shè)定偏誤缺乏敏感性，在實踐中更為常用。因此，本文選用總體平均模型進行分層Logistic回歸估計。

從Logistic回歸分析的角度看，通過使用全部解釋變量構(gòu)建模型，并以兩個調(diào)查年度的數(shù)據(jù)進行檢驗，結(jié)果顯示，可以將全部解釋變量分為對貧困有正向影響和負向影響的兩種類型。其中，在2010年，全部解釋變量中參數(shù)檢驗不顯著的變量包括戶主年齡、戶主是否是黨員、戶主是否是少數(shù)民族、戶主工作狀況、家中人口規(guī)模和家中不健康人口數(shù)量。同時，戶主是男性(9)多數(shù)研究認為戶主為女性更容易引起貧困；但也有研究發(fā)現(xiàn)戶主性別為女性更不容易引起貧困。如樊麗明、解堊：《公共轉(zhuǎn)移支付減少了貧困脆弱性嗎？》，《經(jīng)濟研究》2014年第8期；郭熙保、周強：《長期多維貧困，不平等與致貧因素》，《經(jīng)濟研究》2016年第6期。、戶主不健康、家庭沒有自有住房以及汽車或拖拉機等固定資產(chǎn)的家庭更易陷入貧困，而戶主受教育程度越高、家中勞動年齡人口越多，則越不容易陷入貧困。而在2014年，參數(shù)檢驗不顯著的變量則包括戶主年齡、戶主是否是黨員、戶主受教育程度、戶主健康狀況、戶主工作狀況和家中不健康人口數(shù)量。此外，通過剔除參數(shù)檢驗不顯著的變量重新構(gòu)建模型，各變量的參數(shù)估計結(jié)果與其在原模型中的表現(xiàn)高度相似，從而意味著分析結(jié)果是有效的。

從分層Logistic回歸分析的角度看，通過在截距項部分引入村莊常住人口比重以及村莊經(jīng)濟發(fā)展狀況兩個層級變量，相應(yīng)的回歸分析發(fā)現(xiàn)，村莊常住人口比重、村莊經(jīng)濟發(fā)展狀況對模型的截距項具有顯著影響，這意味著采用分層思維進行模型設(shè)定是合理的。就2010調(diào)查年度而言，戶主年齡、戶主性別、戶主受教育程度、家中勞動年齡人口、住房是否自有等變量對貧困影響皆為顯著；而在2014年，戶主年齡、家中勞動年齡人口、住房是否自有、是否擁有汽車或拖拉機等變量對貧困影響顯著。

通過兩類回歸分析的對比可知，農(nóng)戶貧困判定的有效性在很大程度上依賴于層級變量的引入。換言之，如果不考慮層級變量，家庭勞動年齡人口數(shù)量等變量對貧困的影響將被嚴重低估，而戶主性別和住房是否自有等因素的影響則會被高估。

五、結(jié)論與政策建議

本文以中國農(nóng)村家庭追蹤調(diào)查(CFPS)數(shù)據(jù)為基礎(chǔ)，將A-F多維貧困測度方法運用于少數(shù)民族聚集區(qū)農(nóng)戶貧困的測度與分析。研究發(fā)現(xiàn)，垃圾處理、衛(wèi)生設(shè)施與做飯燃料對此類區(qū)域農(nóng)戶貧困的貢獻度較大。2014、2010兩個調(diào)查年度的對比顯示，受教育程度、做飯燃料、家庭用電以及家庭耐用品對少數(shù)民族聚集區(qū)多維貧困的貢獻程度在下降；而醫(yī)療保險、BMI、清潔飲用水、衛(wèi)生設(shè)施和住房等對多維貧困的貢獻程度在上升。同時，通過多維貧困的地區(qū)分解發(fā)現(xiàn)，西部少數(shù)民族聚集區(qū)的貧困指數(shù)最高，對多維貧困的貢獻程度約為八成。此外，分層Logisitc回歸結(jié)果表明，戶主年齡、家中勞動年齡人口、住房是否自有、是否擁有汽車或拖拉機等變量對貧困影響皆為顯著。而Logistic回歸模型與分層Logistic回歸模型的對比分析顯示，農(nóng)戶貧困判定的有效性在很大程度上依賴于是否引入層級變量。因此，本文認為，能有效減緩此類貧困的政策措施主要包括：

第一，大力發(fā)展少數(shù)民族聚集區(qū)的農(nóng)村經(jīng)濟。本文選用的村莊常住人口比重和村莊經(jīng)濟發(fā)展狀況等層級變量在本質(zhì)上都是農(nóng)村經(jīng)濟發(fā)展狀況的反映，而相應(yīng)的分析結(jié)果顯示，鄉(xiāng)村經(jīng)濟的振興發(fā)展對于提升農(nóng)戶的就業(yè)機會和收入水平有重要影響，能夠有效減緩少數(shù)民族聚集區(qū)農(nóng)戶貧困。

第二，通過強化鄉(xiāng)村建設(shè)規(guī)劃和公共財政投入等途徑改善農(nóng)戶的住房條件和公共物品的供給水平。目前，少數(shù)民族聚集區(qū)農(nóng)戶在建房時依然主要是從自身的局部利益出發(fā)，較少考慮配套設(shè)施建設(shè)，導(dǎo)致臟、亂、差現(xiàn)象比較突出。同時，此類農(nóng)戶在醫(yī)療、教育、經(jīng)濟機會的獲取和溢出效應(yīng)的分享等方面遠低于全國農(nóng)村的平均水平。因此，完善鄉(xiāng)村建設(shè)規(guī)劃，增加公共財政投入，是少數(shù)民族聚集區(qū)扶貧工作的重要內(nèi)容。

第三，加大政府對少數(shù)民族聚集區(qū)農(nóng)戶的科技投入，積極開展以就業(yè)為導(dǎo)向的科技培訓(xùn)，以增強農(nóng)民就業(yè)能力。政府在扶貧政策的實施過程中應(yīng)該以少數(shù)民族聚集區(qū)的經(jīng)濟發(fā)展特征為基礎(chǔ)，有針對性地提供此類區(qū)域農(nóng)民急需的職業(yè)技能和農(nóng)業(yè)科技知識等方面的培訓(xùn)，以期有效提高就業(yè)與經(jīng)濟機會獲取能力。

總之，從政策效果的可持續(xù)性看，有效的扶貧政策高度依賴于扶貧方式實現(xiàn)從“輸血式”向“造血式”轉(zhuǎn)變。因此，只有以充分掌握此類農(nóng)戶及其所處環(huán)境的信息為基礎(chǔ)，通過多維貧困測度與分析確定致貧的關(guān)鍵成因，并有針對性地實施包括有效提升農(nóng)戶的人力資本水平，大力增加公共物品供給，以及有效改善農(nóng)村經(jīng)濟發(fā)展的環(huán)境條件等內(nèi)容的政策調(diào)整，才能為實現(xiàn)少數(shù)民族聚集區(qū)農(nóng)戶的有效脫貧提供堅實的支持。