蔡仕茂，唐小平，耿芳艷

（貴州大學(xué) 經(jīng)濟(jì)學(xué)院，貴州 貴陽 550025）

一、引言

相對貧困是繼絕對貧困之后，長期存在并將成為下一步貧困治理的主戰(zhàn)場。2020 年是脫貧攻堅(jiān)收官之年、是全面實(shí)現(xiàn)小康社會之年，學(xué)術(shù)界普遍認(rèn)為2020 年我國消滅了絕對貧困，但隨之而來的相對貧困卻依然存在[1]。

英國學(xué)者彼得·湯森是發(fā)達(dá)國家中最早提出相對貧困概念的學(xué)者，在他的著作《英國的貧困》一書中，將相對貧困詮釋為不僅僅是生活必需品的缺乏，社會資源、權(quán)利的缺失將窮人排斥在主流社會之外，使得他們陷入貧困之中[2]。也有學(xué)者認(rèn)為相對貧困是“收入的不平等”問題[3]，是指相對于其他生活條件較好的人而言，有一部分人的生活水平低下，反映的是收入、財(cái)產(chǎn)在社會不同階層之間的分配問題。

從相對貧困的標(biāo)準(zhǔn)的設(shè)定看，有學(xué)者建議采用上一年農(nóng)村居民的平均收入乘以均值系數(shù)作為下一年農(nóng)村“相對貧困線”[4]，這一方法具有較強(qiáng)的可操作性。也有學(xué)者建議2020 年后應(yīng)分別以城鄉(xiāng)居民中位收入的一定比例作為城市和農(nóng)村的相對貧困標(biāo)準(zhǔn)，并以一定年限作為調(diào)整期[5]，且這一提議得到了一些專家學(xué)者的支持。還有學(xué)者認(rèn)為，2020 年后中國應(yīng)采用多維相對貧困標(biāo)準(zhǔn)，從收入、教育、醫(yī)療、社會保障等方面設(shè)定相對貧困標(biāo)準(zhǔn)[6]；從相對貧困的對象看，有研究指出我國處于相對貧困的主體還是農(nóng)村低收入人群以及老少病殘等特殊群體，另外還有處于城市的流動性邊緣人口。鑒于我國實(shí)際國情，李小云等（2020）[7]預(yù)計(jì)未來我國應(yīng)采取人均純收入中位數(shù)的40%為標(biāo)準(zhǔn)計(jì)算，作為我國相對貧困治理初期的貧困識別標(biāo)準(zhǔn)，得到學(xué)者的普遍認(rèn)可。

綜上所述，關(guān)于相對貧困已有豐富的研究作為理論支撐，但鮮有學(xué)者在現(xiàn)行社會背景下對收入影響因素進(jìn)行評價和脫貧戶增收機(jī)制進(jìn)行研究?，F(xiàn)有文獻(xiàn)中有從農(nóng)地產(chǎn)權(quán)、土地流轉(zhuǎn)、扶貧政策、要素配置、產(chǎn)業(yè)融合、社會資本、勞動力流動等方面研究其對農(nóng)戶增收的影響，對于研究農(nóng)戶增收機(jī)制的文獻(xiàn)目前在國內(nèi)還很少。王任、陶冶、馮開文三位學(xué)者研究了貧困農(nóng)戶參與農(nóng)民專業(yè)合作社減貧增收的機(jī)制，研究發(fā)現(xiàn)：1.貧困社員收益的提高程度不僅取決于其在農(nóng)民專業(yè)合作社中的資本參與和農(nóng)業(yè)生產(chǎn)經(jīng)營等業(yè)務(wù)參與行為，更取決于社員個人能力的提高程度；2.在貧困社員3 個維度的能力中，技術(shù)應(yīng)用能力的提高對其收益提高的影響程度最大；3.為了促進(jìn)社員穩(wěn)定可持續(xù)減貧與合作社的輻射帶動作用，在鼓勵貧困農(nóng)戶加入農(nóng)民專業(yè)合作社的同時，更應(yīng)注重提升社員的各維度能力[8]。姚海琴等學(xué)者研究農(nóng)戶從事家庭型鄉(xiāng)村旅游對其收入的影響，研究認(rèn)為，要結(jié)合當(dāng)?shù)氐淖匀毁Y源稟賦，大力推進(jìn)鄉(xiāng)村旅游業(yè)發(fā)展，使其成為農(nóng)戶增收的重要來源，從業(yè)農(nóng)戶應(yīng)豐富旅游產(chǎn)品，克服鄉(xiāng)村旅游的季節(jié)性[9]。

以上的學(xué)者分別從工作和產(chǎn)業(yè)的視角研究了農(nóng)戶增收的機(jī)制，對本文的撰寫有較大的幫助。文章立足于貴州省A縣242戶脫貧戶的家庭調(diào)查的微觀數(shù)據(jù)，試圖從脫貧戶戶主的文化程度、政策實(shí)施力度、家庭人口結(jié)構(gòu)、農(nóng)戶收入來源4 個維度12個指標(biāo)探析相對貧困背景下脫貧戶收入影響因素評價收入增長機(jī)制，研究2020 年后我國相對貧困標(biāo)準(zhǔn)的構(gòu)建思路，為2020 年后扶貧戰(zhàn)略提供政策性參考。

二、數(shù)據(jù)來源與研究方法

（一）數(shù)據(jù)來源

本文分析所采用的數(shù)據(jù)來源于2019 年和2020年筆者在A縣開展的脫貧戶家庭收入調(diào)查。在A縣縣政府的大力支持下，為保證問卷數(shù)據(jù)可以全面反映當(dāng)?shù)剞r(nóng)村和脫貧戶收入的實(shí)際情況，農(nóng)戶問卷調(diào)查采取入戶訪談的方式進(jìn)行，選取經(jīng)濟(jì)社會發(fā)展水平高、中、低三類鄉(xiāng)鎮(zhèn)的深度貧困村進(jìn)行入戶調(diào)查，完成問卷260 份，調(diào)查組總共收集整理有效問卷242 份，其中2019 年有效問卷200 份，2020 年有效問卷42 份。之所以采取這種方式是由于本次調(diào)查主要目標(biāo)群體是自2013 年扶貧工作開展以來被納入貧困戶序列，并建檔立卡的貧困戶，通過扶貧政策的推進(jìn)，并于2015 年、2016 年、2017 年、2018 年、2019年退出貧困的脫貧戶群體。這是按照脫貧攻堅(jiān)環(huán)節(jié)“一達(dá)標(biāo)，兩不愁，三保障”的要求實(shí)現(xiàn)脫貧的群體，但是在我國消除絕對貧困以后，下一步進(jìn)入相對貧困治理的背景下，這部分人的收入依然處于社會的底層，人均收入大都在全國水平以下，參考國內(nèi)學(xué)者一致認(rèn)為的相對貧困收入線按照人均收入中位數(shù)的40%來計(jì)算。

（二）研究方法-因子分析法

因子分析（factoranalysis）的基本思想就是根據(jù)數(shù)據(jù)的相關(guān)性大小把原始變量進(jìn)行分組，然后使得同組內(nèi)的變量之間相關(guān)性比較高，而不同組的變量間的相關(guān)性則比較低。因子分析模型是主成分分析的推廣，它也是使用降維的思想，由研究原始變量相關(guān)矩陣內(nèi)部的依賴關(guān)系出發(fā)，把一些具有錯綜復(fù)雜關(guān)系的變量歸結(jié)為少數(shù)幾個綜合因子的一種多變量統(tǒng)計(jì)分析方法。本文所選取指標(biāo)多且復(fù)雜，而因子分析可對多變量進(jìn)行降維，分析出隱藏在脫貧戶收入背后的增收的影響因子。

（三）構(gòu)建脫貧戶收入影響因素指標(biāo)體系

農(nóng)戶收入受多種因素影響，已有研究表明受教育程度、家庭勞動力、收入來源、國家政策等均是影響脫貧戶收入的重要影響因素[10]。結(jié)合入戶調(diào)查數(shù)據(jù)和調(diào)查的各項(xiàng)指標(biāo)，如表1 所示：本文選取戶主受教育程度、貧困情況、家庭人口結(jié)構(gòu)、收入來源4個維度12 個指標(biāo)研究其對A縣脫貧戶收入的影響，對各變量按照影響程度的大小進(jìn)行排序，進(jìn)而提出脫貧戶增收的策略和建議。

表1 脫貧戶收入影響因素評價指標(biāo)體系

1.文化程度。文化程度可以衡量一個家庭在教育上的支付費(fèi)用，并且不同文化程度的家庭成員的消費(fèi)觀、就業(yè)門路、價值觀也有所不同。文章以每個脫貧戶戶主的受教育程度為代表，分別以小學(xué)及以下、初中、高中、大專及以上4 個文化層次作為研究對象，對其進(jìn)行賦值，分別為1、2、3、4。

2.貧困情況。家庭貧困情況是影響家庭收入的重要因素，集中反映在貧困屬性、致貧原因和脫貧年限等。自脫貧攻堅(jiān)打響以來，從2013 年開始逐年都有退出貧困序列的貧困戶，本文從退出年限的角度考察貧困戶退出后收入是否穩(wěn)定，是否穩(wěn)定脫貧。從致貧原因探索貧困戶致貧因素，貧困屬性分為一般貧困戶、低保戶和五保戶三種類型。

3.家庭人口結(jié)構(gòu)。家庭人口結(jié)構(gòu)不僅影響家庭消費(fèi)支出，還是制約家庭增收的一項(xiàng)重要因素，具有不同人口結(jié)構(gòu)的家庭其收入結(jié)構(gòu)和消費(fèi)結(jié)構(gòu)也有所不同。文章以家庭的勞動力比例、低保領(lǐng)取人口比例和60 歲以上人口比例作為研究對象，研究其對家庭收入的影響。

4.收入來源結(jié)構(gòu)。貧困戶收入來源有多種渠道，文章選取是否有扶貧小額貸款、經(jīng)營性收入占比、工資性收入占比、財(cái)產(chǎn)性收入占比以及轉(zhuǎn)移性收入占比為代表，對脫貧戶收入結(jié)構(gòu)進(jìn)行分析，試圖找出最佳收入結(jié)構(gòu)進(jìn)而得出研究結(jié)論并提出脫貧戶增收策略。

（四）因子分析法的基本數(shù)學(xué)模型

設(shè)研究對象為P，而且P可能存在具有相關(guān)關(guān)系的觀測變量為X=（X1，X2，X3，…，Xp），其均值向量為E（X）=0，Xp為原變量信息；設(shè)F=（F1，F(xiàn)2，F(xiàn)3，…，Xm）為研究對象為P提取的新的因子變量信息，且m臆p，其均值向量E（F）=0。另外，Xi含有特殊因子εi（i=1，2，…，p）；ε=（ε1，ε2，ε3，…，εp）代表的是從初始變量中提取的新因子變量所無法表達(dá)的剩余信息，也稱之為殘差信息[11]。三者之間的線性函數(shù)關(guān)系表示如下：

三、脫貧戶增收影響因素的實(shí)證分析—基于因子分析法

（一）數(shù)據(jù)處理

文章運(yùn)用SPSS 軟件對A縣各鄉(xiāng)鎮(zhèn)脫貧戶基本指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。收集數(shù)據(jù)時，對問卷數(shù)據(jù)進(jìn)行處理并剔除了異常問卷，同時將缺失值和對應(yīng)的問卷進(jìn)行反復(fù)的比對核查，確認(rèn)無誤后以平均值進(jìn)行替代。將文化程度分為小學(xué)及以下、初中、高中、大專及以上，分別賦值為1、2、3、4，以便于利用SPSS 進(jìn)行數(shù)據(jù)的分析處理。將收集的各脫貧戶數(shù)據(jù)按鄉(xiāng)鎮(zhèn)進(jìn)行歸類，計(jì)算各鄉(xiāng)鎮(zhèn)各個指標(biāo)平均值，以均值代表各鄉(xiāng)鎮(zhèn)各指標(biāo)數(shù)據(jù)，以鄉(xiāng)鎮(zhèn)為基本單位，進(jìn)行后續(xù)分析研究。

（二）KMO和巴特利特的檢驗(yàn)

原始數(shù)據(jù)能做因子分析的前提是變量之間具有較強(qiáng)的相關(guān)性，因此，需要對數(shù)據(jù)做KMO和巴特利特檢驗(yàn)，以驗(yàn)證原始數(shù)據(jù)是否適合做因子分析。KMO 的取值范圍是0～1，KMO 越靠近0 說明相關(guān)性越不強(qiáng)，一般認(rèn)為KMO 值大于0.5 就認(rèn)為數(shù)據(jù)比較適合做因子分析，將調(diào)查數(shù)據(jù)輸入SPSS 進(jìn)行KMO和巴特利特檢驗(yàn)，結(jié)果如表2 所示：KMO 值為0.709，該值處于0.7～0.8 之間，巴特利特球形度檢驗(yàn)值為0.000 小于0.05，說明各指標(biāo)之間相關(guān)性較強(qiáng)，即該數(shù)據(jù)適合做因子分析。

表2 KMO 和巴特利特檢驗(yàn)

（三）提取公因子

文章運(yùn)用主成分分析法進(jìn)行因子提取，根據(jù)特征值大于1 的要求提取公因子。選取變量因子分析的初始解如表3 所示。通過表3 可以看出，12 項(xiàng)指標(biāo)中共同度大于0.7 的有6 項(xiàng)指標(biāo)，大于0.5 小于0.7 的有4 項(xiàng)，大于0.3 小于0.5 的有2 項(xiàng)，說明有10 項(xiàng)原始變量潛在的相關(guān)性較大，原始變量的信息能夠較多的被提取。致貧原因和轉(zhuǎn)移性收入兩項(xiàng)指標(biāo)和其他指標(biāo)之間潛在的相關(guān)性較小。

表3 公因子方差

通過表4 可以看出：依據(jù)特征值大于1 的原則提取了5 個主成分，運(yùn)用最大方差法對因子進(jìn)行旋轉(zhuǎn)，旋轉(zhuǎn)平方和載入后，各成分的方差貢獻(xiàn)率分別是22.909%、13.595%、9.717%、9.645%、8.919%，累計(jì)貢獻(xiàn)率為64.786%，即這5 個成分解釋了原始變量中64.786%的信息，分析結(jié)果較為理想。

表4 總方差解釋

如圖1 所示，前5 個成分特征值所形成的折線的坡度較大且都大于1，而后面的成分特征值所構(gòu)成的折線較為平緩，斜率較低。表明對原始變量能夠很好地給予解釋的是解釋貢獻(xiàn)率較大的前5 個因子，其余的7 個因子解釋貢獻(xiàn)率較低，由此說明提取前5 個因子是比較適合的。

圖1 碎石圖

（四）因子的識別與命名

如表5 所示：表5 中所表述的成分矩陣表明了公共因子與原始變量之間的關(guān)系，表中體現(xiàn)不出變量與各公共因子的相關(guān)性。基于此，運(yùn)用SPSS 軟件中的凱撒正態(tài)化最大方差法進(jìn)行旋轉(zhuǎn)，使系數(shù)在1和0 之間進(jìn)行兩極分化，以找到隱藏的公共因子，并歸納每個公共因子的實(shí)際含義。

表5 成分矩陣a

旋轉(zhuǎn)得到的結(jié)果如表6 所示：第1 主因子與變量X3負(fù)相關(guān)、與變量X2、X4、X6、X12高度正相關(guān)。這5 項(xiàng)指標(biāo)主要反映了脫貧戶家庭基本貧困狀況，將第1 主因子命名為扶貧政策力度，用其來很好地反映貧困個體貧困程度。第2 主因子對變量X5、X7載荷較大，它主要是從家庭人口結(jié)構(gòu)對家庭收入進(jìn)行主觀評判，勞動力比例很好的反映了貧困家庭良好的勞動力結(jié)構(gòu)是家庭增收的關(guān)鍵因素，60 歲以上人數(shù)比例則反映出60 歲以上人數(shù)領(lǐng)取的養(yǎng)老金、低保等收入也是家庭收入的重要組成部分。因此將該兩項(xiàng)指標(biāo)命名為可持續(xù)發(fā)展能力。第3 主因子對變量X1、X9的荷載較大，X1、X9分別指戶主受教育程度和經(jīng)營性收入，這兩項(xiàng)指標(biāo)表明戶主受教育程度和經(jīng)營性收入相關(guān)度較高，因此將其命名為農(nóng)技培訓(xùn)參與度。第4 主因子對變量X10、X11高度正相關(guān)，主要從工資性收入和財(cái)產(chǎn)性收入評判家庭收入來源情況，將其命名為主要收入來源，第5 主因子對變量X8是否有扶貧小額貸款高度正相關(guān)，反映了家庭內(nèi)生性生產(chǎn)發(fā)展意愿情況，將其命名為內(nèi)生發(fā)展動力。公因子命名一覽表如表7 所示。

表6 旋轉(zhuǎn)后的成分矩陣a

表7 公因子命名表

（五）因子得分

文章運(yùn)用凱撒正態(tài)化最大方差法得到旋轉(zhuǎn)后的因子成分得分系數(shù)矩陣，具體如表8 所示。設(shè)F1、F2、F3、F4、F5依次代表上文提到的第1 到第5 個公因子，依據(jù)成分得分系數(shù)矩陣表8 可以得出5 個公因子的計(jì)算模型為：

表8 成分得分系數(shù)矩陣

為了更好地測算出A縣每個樣本鎮(zhèn)在各公因子上的收入影響因素的貢獻(xiàn)，將經(jīng)過標(biāo)準(zhǔn)化處理之后的原始數(shù)據(jù)代入上述公因子計(jì)算模型，計(jì)算出各個鎮(zhèn)在每個公因子上的得分排名如表9 所示。

根據(jù)表9 排名分析：

表9 A縣各鎮(zhèn)因子得分表

第一，扶貧政策力度因子得分排名分析。該因子得分中B鎮(zhèn)、E鎮(zhèn)、F鎮(zhèn)相對于其他鎮(zhèn)來說得分較高，分別為2.57、1.49、1.01，即B鎮(zhèn)、E鎮(zhèn)、F鎮(zhèn)扶貧政策落實(shí)較好，有效促進(jìn)農(nóng)戶增收。另外，C鎮(zhèn)和D鎮(zhèn)得分較低，A鎮(zhèn)得分為負(fù)值。

第二，可持續(xù)發(fā)展能力因子得分排名。該因子得分中B鎮(zhèn)相對于其他鎮(zhèn)來說得分較高，得分為0.42，說明脫貧后B鎮(zhèn)家庭人口結(jié)構(gòu)更為合理，而其他鎮(zhèn)均為負(fù)值。

第三，農(nóng)技培訓(xùn)參與度因子得分排名。該因子得分中A鎮(zhèn)、D鎮(zhèn)、F鎮(zhèn)相對于其他鎮(zhèn)來說得分較高，即A鎮(zhèn)、D鎮(zhèn)、F鎮(zhèn)的農(nóng)技培訓(xùn)參與度更高，將所學(xué)技能和科技運(yùn)用于農(nóng)業(yè)生產(chǎn)的產(chǎn)前、產(chǎn)中、產(chǎn)后各部門，更有利于農(nóng)民收入穩(wěn)定增長。而E鎮(zhèn)得分較低，B鎮(zhèn)和C鎮(zhèn)得分為負(fù)值。

第四，主要收入來源因子得分。按照排名高低分別為A鎮(zhèn)、D鎮(zhèn)、C鎮(zhèn)、F鎮(zhèn)、E鎮(zhèn)、B鎮(zhèn)，排名前4 的鎮(zhèn)得分較高，表明其收入來源主要有工資性收入和財(cái)產(chǎn)性收入，特別是A鎮(zhèn)得分最高，為63.34，與其他鎮(zhèn)差距較大，說明其收入來源單一，不利于長期穩(wěn)定增收。

第五，內(nèi)生發(fā)展動力得分均為負(fù)值，說明扶貧小額貸款并不能為A縣脫貧戶帶來增收，究其原因，可能是貸款并未用于農(nóng)戶自身發(fā)展，而是用于消費(fèi)支出，加大了還款壓力。

綜合得分最高的是A鎮(zhèn)，分值為37.85，與排名第二的D鎮(zhèn)相比高出了28.38 分，分?jǐn)?shù)差距非常大，這也間接表明A縣各鄉(xiāng)鎮(zhèn)之間發(fā)展差距巨大，家庭人均收入兩極化嚴(yán)重，為后期的相對貧困治理帶來了較大的挑戰(zhàn)。除了排名第一的A鎮(zhèn)外，排名2、3、4、5 的D、F、C、E鎮(zhèn)得分相近，分差不大，說明這4 個鄉(xiāng)鎮(zhèn)綜合發(fā)展水平相近，家庭人均收入差異較小，各因素對人均收入的影響比較均衡。得分最低的B鎮(zhèn)，其得分為0.87，與第一的37.85 足足相差了29.8 分，差距巨大，也反映了兩個鄉(xiāng)鎮(zhèn)人均收入差距巨大，逐步縮小人均收入差異將是該縣下一步貧困治理的主要目標(biāo)。整體上來看，A縣的6 個鄉(xiāng)鎮(zhèn)得分全部為正，脫貧戶脫貧后收入較為穩(wěn)定，只是存在地區(qū)發(fā)展差異導(dǎo)致人均收入不均衡[12]。

四、結(jié)論與建議

（一）實(shí)證分析結(jié)論

通過運(yùn)用SPSS 軟件對A縣各鄉(xiāng)鎮(zhèn)脫貧戶基本指標(biāo)數(shù)據(jù)進(jìn)行因子分析，認(rèn)為該方法對脫貧戶收入影響因素評價是可行的，文章所構(gòu)建的脫貧戶家庭收入影響因素評價指標(biāo)體系是科學(xué)的。根據(jù)實(shí)證分析結(jié)果得出以下結(jié)論：

（1）政策落實(shí)較好：A縣大部分鄉(xiāng)鎮(zhèn)扶貧政策落實(shí)較好，有效地促進(jìn)了脫貧戶收入增加。

（2）可持續(xù)發(fā)展?jié)摿Υ螅涸贏縣脫貧戶的收入影響因素中主要收入來源工資性收入和財(cái)產(chǎn)性收入得分最高，占較大分量，是該縣脫貧戶收入影響中最主要的因素，表明該縣可持續(xù)發(fā)展后勁足、空間大。

（3）內(nèi)生發(fā)展動力不足：在A縣脫貧戶收入影響因素中小額貸款得分為-26.35，對該縣貧困戶收入有抑制作用，進(jìn)一步表明脫貧戶內(nèi)生發(fā)展動力不足。

（4）地區(qū)收入分化嚴(yán)重：從因子得分中看出，A縣各鄉(xiāng)鎮(zhèn)之間得分差距巨大，充分論證了該縣地區(qū)發(fā)展差異大，脫貧戶之間收入兩極分化嚴(yán)重。

（5）農(nóng)技培訓(xùn)和主要收入來源對脫貧戶收入影響最大：總體來看，得分表中農(nóng)技培訓(xùn)和主要收入來源得分最高，其次是政策實(shí)施力度和可持續(xù)發(fā)展動力，農(nóng)戶內(nèi)生發(fā)展動力表現(xiàn)最差。

（二）政策建議

（1）注重因地制宜，做到精準(zhǔn)識別。地域差異導(dǎo)致各地區(qū)之間交流溝通較少，政策的實(shí)施不能一概而論，標(biāo)準(zhǔn)化的執(zhí)行，地區(qū)之間有差異，農(nóng)戶之間也有差異，特別是對于脫貧邊緣戶和易返貧戶的監(jiān)管必須高效迅速，一旦發(fā)現(xiàn)農(nóng)戶出現(xiàn)重特大事故或者災(zāi)難的應(yīng)及時納入監(jiān)管序列。

（2）加強(qiáng)政策落實(shí)，促進(jìn)就業(yè)，提高收入。農(nóng)戶知識文化水平相對較低，對政策的解讀和農(nóng)業(yè)先進(jìn)科學(xué)技術(shù)的學(xué)習(xí)和理解相對滯后，因此要加強(qiáng)政策引導(dǎo)宣傳，農(nóng)業(yè)技能的培訓(xùn)落到實(shí)處。調(diào)研發(fā)現(xiàn)有些地區(qū)開展了農(nóng)業(yè)技能培訓(xùn)，但是，沒有與之相匹配的就業(yè)崗位，相當(dāng)于走過場，完成任務(wù)，對農(nóng)戶就業(yè)增收幫助較小。

（3）各鄉(xiāng)鎮(zhèn)同步發(fā)展，縮小收入差距。A縣各鄉(xiāng)鎮(zhèn)之間收入差距較大，應(yīng)整合各方經(jīng)濟(jì)、技術(shù)、就業(yè)、教育、醫(yī)療等資源，使不同層次的鄉(xiāng)鎮(zhèn)享有同等的資源，帶動協(xié)同發(fā)展，縮小收入差距。

（4）提升發(fā)展動力，激發(fā)內(nèi)生潛能。有學(xué)者指出“貧窮的本質(zhì)就是懶”，研究發(fā)現(xiàn)，很多脫貧戶并不認(rèn)為自己已經(jīng)脫貧了，甚至還提出想申請低?；蛘邞?yīng)急救助等不合理要求，可見提升發(fā)展動力，激發(fā)農(nóng)戶內(nèi)生發(fā)展?jié)撃芤哑仍诿冀蕖?/p>

（5）探索可持續(xù)發(fā)展機(jī)制，促進(jìn)多渠道增收。研究發(fā)現(xiàn)該縣脫貧戶收入渠道單一，主要靠工資性收入和財(cái)產(chǎn)性收入為主，農(nóng)戶經(jīng)營性收入相對較小，在實(shí)施鄉(xiāng)村振興戰(zhàn)略和相對貧困治理的過程中，應(yīng)保障農(nóng)戶收入呈現(xiàn)多渠道趨勢，實(shí)現(xiàn)可持續(xù)發(fā)展。