韓豐駿　樊東鑫　郭亞軍　卜令營

摘 要：本文基于2015年和2017年中國家庭金融調(diào)查（CHFS）農(nóng)戶樣本構成的面板數(shù)據(jù)，運用雙重差分傾向得分匹配法（PSM-DID），嚴格評估了精準扶貧政策對貧困農(nóng)戶收入增長的影響效應。研究發(fā)現(xiàn)，精準扶貧政策顯著提高了貧困戶家庭的收入水平，其中對種植收入的影響最為顯著。本文在此基礎上進一步估計了精準扶貧政策的異質(zhì)性效應，即相對于中東部地區(qū)，精準扶貧政策對西部地區(qū)貧困戶收入增長的影響更為顯著。

關鍵詞：精準扶貧;農(nóng)戶收入;PSM-DID;異質(zhì)性影響

中圖分類號：[S-9] 文獻標識碼：A DOI：10.19754/j.nyyjs.20201015051

引言

自2014年3月習近平總書記強調(diào)實施精準扶貧政策以來，我國進入了精準扶貧新階段。國內(nèi)學者對精準扶貧政策展開了大量研究與討論。王立勇，許明[1]從家庭人均純收入和貧困發(fā)生率2個角度實證分析了我國精準扶貧政策的減貧效應。蔡進等[2]基于貧困地區(qū)的調(diào)研數(shù)據(jù)，檢驗了精準扶貧政策對農(nóng)戶收入增長的影響，并提出了建議。張全紅，周強[3]從收入、消費生活改善和外出務工4個方面對精準扶貧政策的效果進行了評估。李明月，陳凱[4]基于入戶訪談和問卷調(diào)查，探討了農(nóng)戶生計角度下精準扶貧政策的效應。

2020年是脫貧的收官之年，精準扶貧政策是否達到了預期效果，仍需要科學評估，而農(nóng)戶收入水平是衡量精準扶貧政策有效性的關鍵指標。鑒于此，本文借助中國家庭金融調(diào)查（CHFS）2期農(nóng)戶樣本數(shù)據(jù)，運用PSM-DID準確估計了精準扶貧政策對農(nóng)戶收入的影響，進一步揭示了精準扶貧政策對不同地區(qū)貧困農(nóng)戶收入的影響異質(zhì)性，以期為扶貧政策研究提供新的經(jīng)驗證據(jù)。

1 研究設計、指標選取與數(shù)據(jù)來源

1.1 方法選擇與模型估計

為檢驗精準扶貧政策對貧困戶收入的影響，可以采用單差法來直接比較貧困戶在精準扶貧前后的家庭收入，但由于精準扶貧政策是非隨機的，而且貧困戶在精準扶貧政策引入前后家庭收入水平發(fā)生變化的原因可能不僅僅是因為精準扶貧政策的影響，也會受到宏觀經(jīng)濟或市場其它行為等一些隨時間變化的總體因素的影響，采用單差法容易產(chǎn)生選擇誤差，即無法識別精準扶貧政策對貧困戶家庭收入水平影響的凈效應。因此，為了剔除其它因素的干擾，本文采用雙重差分法來估計精準扶貧對貧困戶家庭收入的凈效應。

雙重差分模型設定如下：

Y_i，t=β₀+β₁D+β₂T+β₃D×T+γZ_i，t+ε_i，t（1）

式中，下標i代表農(nóng)戶，t代表時間;Yi，t表示農(nóng)戶i在t時期的家庭收入水平。D和T是虛擬變量，本文將2015年、2017年2輪調(diào)查中均為貧困戶的家庭定義為處理組，將2輪調(diào)查中均不是貧困戶的家庭定義為控制組，其中D=1表示處理組，D=0表示控制組;T=1表示建檔立卡之后，T=0表示建檔立卡之前。Zi，t表示隨時間變動且影響家庭收入水平的其它變量，εi，t是隨機擾動項。

根據(jù)構建的虛擬變量D、T，將樣本分為4組，如表1所示。

系數(shù)β3的估計值是本文關注的重點，對于處理組，建檔立卡前后的發(fā)展情況分別為β1+β0和β0+β1+β2+β3，可見處理組在政策實施前后的變化幅度為ΔY1=β2+β3，其中包含了精準扶貧政策及市場其它行為的效果;同樣的，對于控制組而言，在建檔立卡前后的發(fā)展情況分別為β0和β0+β2，控制組在建檔立卡前后的變化幅度為ΔY0=β2，該差異并沒有將精準扶貧帶來的效果包含在內(nèi)。因此，用處理組在建檔立卡前后的差異ΔY1，減去控制組在建檔立卡前后的差異ΔY0，得到精準扶貧政策的凈效應ΔΔY=β3，這是本文DID方法估計的關鍵，如果精準扶貧政策真實地提高或者降低了貧困戶的家庭收入，那么β3的系數(shù)應顯著為正或顯著為負。

但是，即便在樣本內(nèi)采用雙重差分法，也會產(chǎn)生一定的偏差，因為處理組和控制組差距太大，得出的差分結(jié)果可能具有一定偏差，而共同趨勢假定是雙重差分法應用的前提，要求2組樣本具有較小的異質(zhì)性，即若未實施精準扶貧政策，處理組與控制組的發(fā)展趨勢隨著時間推移不會出現(xiàn)系統(tǒng)性差異，但依據(jù)現(xiàn)實發(fā)展情況來看，DID方法的這一前提假定可能并未滿足。為解決這一問題，本文選擇先采用傾向得分匹配法給處理組匹配相近的控制組，再在匹配后的樣本范圍內(nèi)采用雙重差分法來檢驗精準扶貧政策對貧困戶家庭收入的凈影響。

傾向得分匹配法的研究過程：運用logit模型或者probit模型估計傾向得分值，即樣本農(nóng)戶建檔立卡的條件概率：p（X）=Pr（D=1|X）=E（D=0|X），然后選擇合適的匹配方法，根據(jù)傾向得分值將處理組樣本（D=1）與控制組樣本（D=0）進行匹配，最后，計算平均處理效應（ATT），即精準扶貧政策對農(nóng)戶家庭收入的影響σATT≡E{（Yi1-Yi0）|Di=1}=E{Yi1|Di=1}-E{Yi0|Di=1}。

1.2 指標選取

本文選取了家庭人均純收入、人均種植業(yè)收入、人均務工收入、人均政府補貼收入和人均財產(chǎn)性收入5項指標，回歸時采用對數(shù)值。同時選取了農(nóng)戶的年齡、文化水平、健康狀況及家庭人口數(shù)等指標作為控制變量。

1.3 數(shù)據(jù)來源

本研究采用中國家庭金融調(diào)查（CHFS）2015年和2017年數(shù)據(jù)中的農(nóng)戶樣本。其中，2015年的家庭金融調(diào)查農(nóng)戶家庭數(shù)為11634戶，2017年的家庭金融調(diào)查農(nóng)戶家庭數(shù)為12715戶。全國大規(guī)模開展貧困戶建檔立卡工作的時間為2014年，但是在政策初期，由于信息不對稱等原因，貧困戶存在識別偏離的問題，隨著駐村工作隊及社會組織第三方力量的參與，當?shù)胤鲐氜k的復查，后續(xù)的識別工作較為準確;另外，考慮到精準扶貧政策的滯后效應。鑒于此，本文匹配了2015年和2017年2a均參加了調(diào)查的家庭，即獲得了2期跟蹤調(diào)查數(shù)據(jù)。經(jīng)過數(shù)據(jù)處理后，共得每年樣本6273個，總計12546個。

2 實證結(jié)果與分析

2.1 傾向得分估計結(jié)果分析

運用傾向得分匹配法（PSM）進行分析時，匹配變量的選擇尤為重要，本文通過梳理已有文獻，從農(nóng)戶基本特征，生活水平2個方面選取匹配變量。具體來看，農(nóng)戶特質(zhì)征包括戶主年齡、戶主性別、文化程度、家庭人數(shù)、健康狀況;生活水平方面包括家庭可支配收入、消費總支出。

回歸結(jié)果顯示農(nóng)戶文化程度、健康狀況、家庭可支配收入及消費總支出等變量均在不同程度顯著，表明樣本確實存在選擇性偏誤。因此，在雙重差分之前需要進行傾向得分匹配。

2.2 匹配結(jié)果檢驗

為保證PSM-DID估計的信度和效度，本文對PSM2個基本假設進行檢驗。結(jié)果顯示，2組樣本的觀測值均在共同取值范圍內(nèi)且匹配后的2組樣本在變量特征上不存在差異，滿足共同支撐假設和平衡性假設。

2.3 處理效應結(jié)果分析

對匹配成功的樣本進行雙重差分處理，結(jié)果如表4所示。

實證結(jié)果表明，精準扶貧政策對家庭人均純收入的影響為正值且在5%水平上顯著，表明精準扶貧政策顯著提高了貧困戶家庭的收入水平。其中，對人均種植業(yè)收入的影響系數(shù)最大且在1%水平上顯著，原因在于貧困戶家庭老弱病殘成員較多，無法外出務工，收入的主要來源還是以種植業(yè)為主;另外，政府扶貧資金的投入使貧困農(nóng)戶的農(nóng)業(yè)生產(chǎn)規(guī)模提高，收入明顯增加;這也解釋了為什么精準扶貧政策對務工收入的影響低于種植業(yè)收入的影響且僅在10%水平上顯著。人均政府補貼收入的系數(shù)為正且在5%水平上顯著，表明精準扶貧政策對貧困農(nóng)戶的補貼收入增長具有顯著影響，但是精準扶貧政策對人均財產(chǎn)性收入的影響并不顯著。原因在于精準扶貧政策實施之后，國家加大了對貧困農(nóng)戶的各項資金補貼及資金投入，包括危房改造補貼、金融扶貧、農(nóng)業(yè)支持保護等，使農(nóng)戶獲得的資金顯著增加。對財產(chǎn)性收入的影響較小，原因在于貧困農(nóng)戶財產(chǎn)較少，像土地房屋僅夠勉強維持生計。

2.4 異質(zhì)性差異分析

考慮到我國區(qū)域經(jīng)濟發(fā)展不平衡，精準扶貧政策的推行對不同地區(qū)貧困戶的收入可能存在異質(zhì)性影響，因此本文將全部樣本劃分為東部地區(qū)、中部地區(qū)和西部地區(qū)（東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南;中部地區(qū)包括：山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南;西部地區(qū)包括內(nèi)蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆），分別檢驗這3個地區(qū)的精準扶貧政策對區(qū)域內(nèi)貧困戶收入水平的影響。鑒于篇幅，僅采用k最近鄰匹配（k=4）對主要變量的效應進行分析。

由表5可知，精準扶貧政策對西部地區(qū)家庭人均純收入的影響最為顯著，其次為中部，最后為東部。這也一定程度上反映了國家精準扶貧政策對西部地區(qū)的傾向性：大力發(fā)展西部地區(qū)經(jīng)濟，提高農(nóng)戶收入水平。精準扶貧政策對人均政府補貼收入的影響在西部地區(qū)最為顯著，也從側(cè)面反映出了國家對西部地區(qū)的重視。精準扶貧政策對東部地區(qū)人均種植業(yè)的收入影響最為顯著，原因在于東部地區(qū)土地平坦，資源豐富，農(nóng)戶主要以種植業(yè)為主，而中部和西部地區(qū)由于客觀條件限制，種植業(yè)較少。人均務工收入的影響方面，東部和中部的效應大于西部地區(qū)，原因在于東部和中部經(jīng)濟較為發(fā)達，工作機會較西部地區(qū)多。而對人均財產(chǎn)性收入的影響只在東部地區(qū)顯著，這與東部地區(qū)經(jīng)濟發(fā)達有著密切的關系。

3 結(jié)論與政策啟示

本文基于2015年和2017年中國家庭金融調(diào)查（CHFS）農(nóng)戶樣本構成的面板數(shù)據(jù)，運用PSM-DID方法，嚴格評估了精準扶貧政策對農(nóng)戶家庭收入的影響。得出以下基本結(jié)論：精準扶貧政策顯著提高了貧困戶家庭的收入水平，其中對種植收入的影響最為顯著;相對于中東部地區(qū)，精準扶貧政策對西部地區(qū)貧困戶收入增長的影響更為顯著。

基于上述研究結(jié)論，本文得出的政策啟示：國家要繼續(xù)貫徹落實精準扶貧政策，堅決打贏脫貧攻堅戰(zhàn);對貧困程度不同的農(nóng)戶采取不同的扶貧力度，進一步提高精準扶貧政策的效率;與東中部地區(qū)相比，西部地區(qū)受客觀條件限制，貧困程度更高，脫貧的難度更大，在資金、政策方面要給予西部地區(qū)更多扶持。

參考文獻

[1] 王立勇，許明.中國精準扶貧政策的減貧效應研究：來自準自然實驗的經(jīng)驗證據(jù)[J].統(tǒng)計研究，2019，36（12）：15-26.

[2]蔡進，禹洋春，邱繼勤.國家精準扶貧政策對貧困農(nóng)戶脫貧增收的效果評價——基于雙重差分模型的檢驗[J].人文地理，2019，34（02）：90-96.

[3]張全紅，周強.精準扶貧政策效果評估——收入、消費、生活改善和外出務工[J].統(tǒng)計研究，2019，36（10）：17-29.

[4]李明月，陳凱.精準扶貧對提升農(nóng)戶生計的效果評價[J].華南農(nóng)業(yè)大學學報（社會科學版），2020，19（01）：10-20.

[5]汪三貴，曾小溪.從區(qū)域扶貧開發(fā)到精準扶貧——改革開放40年中國扶貧政策的演進及脫貧攻堅的難點和對策[J].農(nóng)業(yè)經(jīng)濟問題，2018（08）：40-50.

[6]朱夢冰，李實.精準扶貧重在精準識別貧困人口——農(nóng)村低保政策的瞄準效果分析[J].中國社會科學，2017（09）：90-112，207.

[7]姚明明，王磊.基于雙重差分法的農(nóng)村最低生活保障制度減貧效果研究[J].遼寧大學學報（哲學社會科學版），2018，46（03）：71-76.

（責任編輯 李媛媛）

收稿日期：2020-09-15

作者簡介：韓豐駿（1994-），男，碩士。研究方向：農(nóng)業(yè)管理;樊東鑫（1994-），男，碩士。研究方向：農(nóng)村發(fā)展;郭亞軍（1992-），男，碩士。研究方向：農(nóng)業(yè)管理;通訊作者卜令營。