楊 洋， 喬家君， 王 偉， 張二申

（1.河南大學地理與環(huán)境學院，河南 開封 475004；2.河南大學文化產(chǎn)業(yè)與旅游管理學院，河南 開封 475001）

2020 年底，中國如期完成新時代脫貧攻堅任務，脫貧攻堅工作取得決定性勝利［1］，農(nóng)村發(fā)展已步入相對貧困為特點的新階段［2］。由于我國農(nóng)村底子薄、人口基數(shù)大、區(qū)域發(fā)展不平衡，鞏固脫貧攻堅成果、促進脫貧攻堅成果與鄉(xiāng)村振興銜接仍然是未來一段時期我國農(nóng)業(yè)農(nóng)村發(fā)展的核心任務之一［3］。鄉(xiāng)村振興作為實現(xiàn)農(nóng)民生活富裕的重大任務，其發(fā)展建設(shè)程度很大程度上受制于農(nóng)村人口收入水平的高低［4］，而低收入農(nóng)戶的收入與扶貧資源配置是高度相關(guān)的［5］。扶貧資源配置是指對扶貧資源（主要指資金等）進行分配的一種方式［5］。農(nóng)戶是脫貧攻堅時期瞄準的最小單位，面臨著較高的經(jīng)濟風險或沖擊，致貧或返貧風險較高，對脫貧攻堅成果的可持續(xù)性和穩(wěn)定性構(gòu)成嚴重威脅［6］。在這個鞏固拓展脫貧攻堅成果同鄉(xiāng)村振興有效銜接的特殊時期［7］，對扶貧資源配置的增收績效進行定量分析與政策效果評估顯得十分重要［8］，同時視角要在宏觀區(qū)域統(tǒng)籌的同時聚焦到微觀農(nóng)戶，讓低收入農(nóng)戶切實享受到國家政策和國家經(jīng)濟發(fā)展的成果［9］。實施精準扶貧政策以來，享受各類幫扶政策的農(nóng)戶，其家庭收入以及收入結(jié)構(gòu)發(fā)生了很大的變化［10］，因此定量測算與評估扶貧資源配置對低收入農(nóng)戶收入增長和收入結(jié)構(gòu)的影響力具有很重要的顯示意義。

低收入群體的收入情況一直是國內(nèi)外學者研究的重點。自2013 年習近平總書記提出“精準扶貧”重要思想以來，學術(shù)界關(guān)于農(nóng)村低收入群體的研究也迅速增多。可以概括為如下幾個方面：一是對農(nóng)戶收入結(jié)構(gòu)差異及影響因素的分析［4,11-13］。如Koen 等［14］研究表明社會轉(zhuǎn)移性收入對低收入家庭的經(jīng)濟收入水平有較為明顯的提高。二是研究國家扶貧政策對低收入農(nóng)戶總收入的影響［9,15-16］。如蔡進等［9］通過雙重差分模型驗證得到精準扶貧政策對貧困地區(qū)農(nóng)戶的收入增長起到巨大作用，對低收入農(nóng)戶家庭人均純收入有較明顯的提升。三是從人文地理的視角對農(nóng)戶的貧困脆弱性、情感重構(gòu)等進行實證研究［6,17-19］。如劉倩等［6］通過實地調(diào)研數(shù)據(jù)對農(nóng)戶貧困脆弱性進行測度并對影響因子進行分析?；谝陨衔墨I分析，可以發(fā)現(xiàn)目前尚缺乏扶貧資源配置對低收入農(nóng)戶收入影響的定量研究。本文以青海省國定貧困縣為例，通過實地調(diào)查農(nóng)戶實際收入情況與多種政策要素，構(gòu)建扶貧資源配置對低收入農(nóng)戶收入影響的指標體系，借助地理探測器探測出影響農(nóng)戶收入的扶貧資源配置因素，并利用Tobit 模型比較各因素對不同類型收入的影響力。最后，將兩種模型的定量化分析結(jié)果聯(lián)系起來，確定各要素在收入增長及收入結(jié)構(gòu)優(yōu)化過程中的優(yōu)先順序，且給出相應的資源配置參考建議，以期為鞏固拓展脫貧攻堅成果及鄉(xiāng)村振興戰(zhàn)略的實施提供決策參考。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

青海省地處青藏高原，是一個自然資源豐富但經(jīng)濟欠發(fā)達的特殊區(qū)域。雖然人口基數(shù)不大，但是青海省最初貧困發(fā)生率卻高出中國平均水平近一倍。2011 年青海全省貧困發(fā)生率高達36.6%，該省一直是中國扶貧開發(fā)任務重、難度大的省份之一，截至2019年年底，青海省所有貧困人口全部脫貧退出，實際減貧53.9×104人。2021 年青海省農(nóng)村居民人均可支配收入為1.36×104元，中國農(nóng)村居民人均可支配收入為1.89×104元，農(nóng)村居民收入明顯低于全國平均水平。青海省農(nóng)村人口的相對貧困仍是值得關(guān)注的問題。本研究的調(diào)查對象為青海省國定貧困縣中貧困村的低收入農(nóng)戶，研究區(qū)域主要為國家級貧困縣，所抽取的調(diào)查村分別為：大通縣俄博圖村、東至溝村、邊麻溝村、田家溝村、鐵家莊村和全家灣村，平安區(qū)李家村、木場村、宜麻村、莊科村、大寨子村和桑昂村，化隆縣東臺村、雪什藏村、本康溝村、甘都街村、工二村和清泉村（圖1）。

圖1 研究區(qū)示意圖Fig.1 Diagram of study areas

1.2 數(shù)據(jù)來源與處理

本研究按照隨機抽樣方法，為了防止采樣影響研究的科學性和普遍性，分別抽取2018—2020年退出貧困縣序列的脫貧縣各1 個，平均每縣各抽取6個村，其中包括4～5 個出列村、1～2 個非貧困村（共計18 個村），預期平均每村抽取30 戶脫貧戶進行調(diào)查，但由于實際情況，部分非貧困村脫貧戶數(shù)量較少，因此從抽取的脫貧戶較多的脫貧村補充樣本量。其目的在于全面反映低收入農(nóng)戶的收入情況和扶貧資源配置對低收入農(nóng)戶的影響。2021年3—4 月調(diào)研小組在研究區(qū)域內(nèi)采取入戶訪談的形式進行問卷調(diào)查，最終獲得總樣本量566戶，其中有效樣本512 戶。調(diào)查數(shù)據(jù)涵蓋2015 年及2020 年受訪家庭構(gòu)成基本信息、勞動生產(chǎn)情況、扶貧政策享受情況、收入結(jié)構(gòu)等。其中收入結(jié)構(gòu)根據(jù)已有研究劃分為4種類型：經(jīng)營性收入、工資性收入、財產(chǎn)性收入、轉(zhuǎn)移性收入［4,20-22］。青海省區(qū)域范圍、高程數(shù)據(jù)來源于地理空間數(shù)據(jù)云和中科院資源與環(huán)境數(shù)據(jù)中心。

1.3 研究方法

1.3.1 地理探測器地理探測器是一種可以探測地理現(xiàn)象空間分布及其驅(qū)動因素的有效工具［23］。與其他傳統(tǒng)模型相比，地理探測器模型具有多重共線性免疫、避免自變量與因變量互為因果等優(yōu)點［24］。考慮到影響因素中存在部分賦值型自變量，地理探測器可有效降低誤差且避免共線性問題，因此選擇運用地理探測器中的因子探測模塊，對低收入農(nóng)戶家庭總收入的影響因素進行探測分析，計算公式如下：

式中：q為驅(qū)動因子的解釋力，值域處于［0,1］，值越大表示影響作用越大；L為變量因子的分層數(shù)；N和Nh分別為農(nóng)戶樣本總數(shù)和層h內(nèi)樣本數(shù)；σ2和σ2h分別為研究區(qū)整體的方差和層h的方差。

1.3.2Tobit回歸模型Tobit 模型是運用極大似然估計對因變量在連續(xù)但受到某種限制情況下取值進行分析的模型，常被學者用于分析收入結(jié)構(gòu)問題［25］。由于部分樣本存在某類收入為0 的情況，若采用地理探測器進行全局探測易導致結(jié)果出現(xiàn)誤差。借鑒國內(nèi)外研究中探測居民收入影響因子的方法［26］，運用Tobit 回歸模型對青海省農(nóng)戶4 種不同類型收入的影響因素進行探測分析，回歸結(jié)果僅對同類型影響因子貢獻度比較，不進行交互分析。計算公式如下：

式中:ρ為樣本中特定類型收入（經(jīng)營性收入、工資性收入、財產(chǎn)性收入、轉(zhuǎn)移性收入）；λ0、λ1分別為截距向量和回歸參數(shù)向量；Fn為指標變量（x1～x16）；θn為誤差項。

2 結(jié)果與分析

2.1 收入增長變化

從數(shù)據(jù)統(tǒng)計來看（表1），2015—2020 年低收入農(nóng)戶的家庭總收入增長明顯，其中經(jīng)營性收入、工資性收入、財產(chǎn)性收入、轉(zhuǎn)移性收入均在不同程度上獲得提升。與2015年相比，2020年農(nóng)戶家庭總收入增長了4.058×104元，增長率為345.36%，可見農(nóng)戶獲得扶貧資源后整體提升幅度較大。從經(jīng)營性收入來看，2015 年平均值為0.263×104元，2020 年增長至1.131×104元，增長率為330.04%，農(nóng)戶經(jīng)營性收入極 差 在2015 年 為1.906×104元，2020 年 增 長 至6.400×104元。由于地方政府積極組織合作社等，為低收入群體創(chuàng)造了擴大經(jīng)營規(guī)模的機會，在扶貧資源的支持下，農(nóng)戶充分利用自身勞動力資源與土地資源，部分貧困農(nóng)戶返鄉(xiāng)務農(nóng)或創(chuàng)業(yè)，增加了對傳統(tǒng)農(nóng)業(yè)或其他行業(yè)的投入，形成一定的規(guī)模，獲得了較好的效果，收益提升明顯。而部分老人戶等由于自身缺乏勞動力，無法參與農(nóng)業(yè)勞動等，因此經(jīng)營性收入無法獲得提升。從工資性收入看，2015 年平均值為0.437×104元，2020 年增長至2.662×104元，增長率為509.15%，農(nóng)戶工資性收入極差在2015 年為5.700×104元，2020 年增長至16.800×104元。2015年部分有勞動力的低收入農(nóng)戶由于缺乏就業(yè)技能且無就業(yè)渠道，多參與扶貧車間工作或公益性崗位，工資收入較低，但在地方政府組織就業(yè)培訓以及整體介紹外出務工后，通過城市對多余勞動力的吸納，將這部分農(nóng)戶培訓為技術(shù)工種外出務工，收入得到大幅度提升，對其家庭工資性收入起到顯著的正向作用。而同樣，由于部分老人戶、殘疾戶等無勞動能力，因此無法獲得工資性收入。從財產(chǎn)性收入來看，2015 年平均值為0.029×104元，2020 年為0.371×104元，增長率為1179.31%，農(nóng)戶財產(chǎn)性收入極 差 在2015 年 為7.000×104元，2020 年 增 長 至11.000×104元。由于農(nóng)戶自身脫貧意愿強烈，不斷積極參與到政府組織的合作社、扶貧企業(yè)中，通過入股等形式獲得分紅收益，此外部分農(nóng)戶將自身耕地流轉(zhuǎn)，獲得租金收入。但財產(chǎn)性收入始終不是農(nóng)戶的主要收入來源，考慮農(nóng)戶入股金額普遍較低，因此獲得分紅較少，低收入農(nóng)戶普遍擁有耕地面積較少，且多數(shù)流轉(zhuǎn)給親屬，因此獲得收入不高。從轉(zhuǎn)移性收入來看，2015 年平均值為0.446×104元，2020 年為1.069×104元，增長率為139.69%，農(nóng)戶轉(zhuǎn)移性收入極差在2015 年為0.900×104元，2020 年增長至6.320×104元。轉(zhuǎn)移性收入主要是政府對農(nóng)戶進行的兜底政策，由于部分農(nóng)戶出現(xiàn)重病、大病等特殊情況，地方政府對其采用“整戶保”的形式保障其基本生活，此外農(nóng)戶親戚、朋友、分戶的子女等考慮其生活困難，對其進行經(jīng)濟上的贈與保證其基本生活。因此農(nóng)戶整體轉(zhuǎn)移性收入提升不大，但極差變化較大。

表1 低收入農(nóng)戶收入增長變化Tab.1 Changes in income growth of low-income farmer households /104元

2.2 收入結(jié)構(gòu)變化

2015—2020 年低收入農(nóng)戶家庭在享受到扶貧資源配置后收入結(jié)構(gòu)變化很大，但多渠道共同收入結(jié)構(gòu)較為穩(wěn)定（表2）。從經(jīng)營性收入占比看，2015、2020 年收入占比分別為22.38%和21.61%，表示農(nóng)戶整體還保持對土地的有效利用。2015 年青海省制定了《青海省農(nóng)村牧區(qū)扶貧開發(fā)條例》，大力扶持了發(fā)展種植養(yǎng)殖業(yè)、農(nóng)副產(chǎn)品加工業(yè)、鄉(xiāng)村旅游業(yè)、民族傳統(tǒng)手工業(yè)等特色優(yōu)勢產(chǎn)業(yè)，很大程度保證了農(nóng)戶的種植養(yǎng)殖業(yè)收入。此外，地方政府還通過種子站等對農(nóng)戶啟動幫扶工作，對農(nóng)戶進行種畜、種子等農(nóng)耕必需品的免費發(fā)放，有效調(diào)動了農(nóng)戶務農(nóng)的積極性。從工資性收入占比來看，由2015 年的37.19%提升至2020 年的50.87%，收入占比提升明顯。由于傳統(tǒng)的農(nóng)業(yè)收益較低，有勞動力的農(nóng)戶不愿務農(nóng)，通過就業(yè)技術(shù)培訓與地方政府組織外出務工，該類勞動力因此獲得更多務工技能與機會，使得工資性收入逐漸成為主要收入來源，這與當前全國農(nóng)村家庭收入形式基本一致。從財產(chǎn)性收入占比來看，由2015 年的2.47% 提升至2020 年的7.09%，但占比始終較低。由于部分有勞動力的農(nóng)戶外出務工導致務農(nóng)勞動力的缺失，該類家庭選擇將土地流轉(zhuǎn)獲得財產(chǎn)性收入。此外政府有序出臺光伏扶貧政策和合作社入股分紅政策等，使多數(shù)農(nóng)戶收益但不依賴于此類分紅，因此財產(chǎn)性收入占比得到提升但占比不高。從轉(zhuǎn)移性收入來看，2015、2020 年分別為37.96%和20.43%，占比下降明顯，在2015 年轉(zhuǎn)移性收入還是低收入農(nóng)戶家庭最主要的收入來源，到2020年已經(jīng)低于經(jīng)營性收入和工資性收入。轉(zhuǎn)移性收入主要來源是低保、五保等兜底政策，主要目的是支撐農(nóng)戶基本生活。雖然農(nóng)戶享受到的政策數(shù)量與收入均有提升，但占比下降明顯，這反映出政府在“扶貧不扶懶”的原則上堅持較好?？傮w來看，經(jīng)營性收入、財產(chǎn)行收入占農(nóng)戶總收入比重變化不大，而工資性收入占農(nóng)戶總收入比重提升明顯，轉(zhuǎn)移性收入比重明顯降低。2015—2020 年中央財政和地方財政通過對農(nóng)村地區(qū)長期的大力投入，扶貧資源配置越來越具有針對性，明顯改善了農(nóng)戶自身脫貧的積極性，在保障農(nóng)戶基本生活的同時使得農(nóng)戶自身的造血能力得到明顯提升。

表2 低收入農(nóng)戶收入結(jié)構(gòu)變化Tab.2 Changes in income structure of low-income farmer households

2.3 農(nóng)戶總收入影響因子探測

扶貧資源配置主要包括扶貧資源配置渠道和扶貧資源配置方式［19］。結(jié)合國內(nèi)外研究文獻與扶貧資源配置實際情況，對指標進行設(shè)計。其中扶貧資源配置渠道主要包括中央財政資金（x1）、省級財政資金（x2）、市級財政資金（x3）、縣級財政資金（x4）和其他涉農(nóng)資金［16］（x5）5項具體指標，主要采用虛擬變量的方式來表示，虛擬變量的設(shè)置方式是1 為獲得，0 為未獲得。扶貧資源配置方式中設(shè)計了提供技能培訓［27］（x6）、直接補助資金［28］（x7）、提供產(chǎn)業(yè)幫扶［16］（x8）、資金入股分紅［21］（x9）、提供公益崗位［29］（x10）、提供教育補貼［30］（x11）、提供小額信貸［31］（x12）和提供醫(yī)療保障［32］（x13）8 項具體指標。同時在探測扶貧資源配置對農(nóng)戶的影響時也應考慮農(nóng)戶自身家庭特征，因此在個體特征變量中設(shè)置勞動力人數(shù)［33］（x14）、所在村屬性［34］（x15）和建檔立卡人數(shù)［35］（x16）3個具體指標（表3）。

表3 指標變量及其說明Tab.3 Indicator variables and their descriptions

利用地理探測器風險探測（圖2）發(fā)現(xiàn)，共7個因子在0.01 水平上顯著，分別為x1、x4、x7、x10、x11、x14和x16；共4 個因子在0.05 水平上顯著，分別為x2、x3、x5和x9；僅x6在0.1 水平上顯著；其他因子雖然具有解釋力但顯著性不明顯。通過顯著性檢驗的影響因子 解 釋 力 （q） 由 高 到 低 為x16>x14>x7>x10>x9>x4>x1>x6>x11>x5>x3>x2。

圖2 影響農(nóng)戶收入的單因子解釋力Fig.2 Single factor explanatory power affecting farmers households’income

從公共性扶貧資源配置渠道來看，各種渠道的扶貧資源均對農(nóng)戶收入具有較強的解釋力，且均通過顯著性水平檢驗，說明我國的扶貧資源無論選擇哪種配置渠道，均可提升低收入農(nóng)戶的收入水平，這一結(jié)果也符合我國扶貧實際情況。q由高到低為x4>x1>x5>x3>x2，分 別 為 0.0308、0.0274、0.0120、0.0098 和0.0083，說明扶貧資源通過中央財政資金和縣級財政資金渠道的效果明顯好于省級、市級財政資金和其他涉農(nóng)資金。由于扶貧制度具有行政強制性，難免會使得扶貧資源在配置渠道上產(chǎn)生依賴性，這就制約了扶貧資源配置的方式，進而影響到農(nóng)村低收入群體的收入情況。

從公共性扶貧資源配置方式來看，除x8、x12和x133 個因子外，其余因子均通過顯著性檢驗，q由高到低為x7>x10>x9>x6>x11>x12>x8>x13。說明因子x7、x10、x9、x6和x11等不同程度地提升農(nóng)村低收入人口的經(jīng)濟收入。因子x7對農(nóng)戶收入的影響最直接，但實際這種直接補助資金的“輸血式”扶貧極容易形成依賴，如果低收入人口過度依賴政府直接補貼，將導致農(nóng)戶缺乏內(nèi)生性動力，限制其內(nèi)源性發(fā)展。因子x10對農(nóng)戶收入也有很強的解釋力，通過提供公益崗位的方式能夠有效地激發(fā)農(nóng)戶的內(nèi)生動力，部分具有半勞力或者弱勞力的農(nóng)戶很少有其他就業(yè)機會，增收難度很大。成為專崗工作人員后，獲得了穩(wěn)定的工作機會，每月實現(xiàn)穩(wěn)定增收。此類工作具有勞動時間短、勞動強度低等特點，契合了此類人員半勞動力、弱勞動力的特征。x9是指政府引導龍頭企業(yè)、合作社等和農(nóng)戶之間按照自愿互利原則，通過股份合作、勞動合作等進行利益聯(lián)結(jié)的模式，這種資金入股分紅的模式可以有效提升價值鏈，完善利益鏈，促進不同形式農(nóng)民家庭收入水平提高。x6是指政府構(gòu)建多種形式的職業(yè)技能培訓體系，針對農(nóng)戶產(chǎn)業(yè)發(fā)展現(xiàn)狀對其進行務工、務農(nóng)技能培訓，通過提供技能培訓增強農(nóng)戶自身造血功能。x11能夠有效減輕農(nóng)戶家庭教育方面負擔，通過提供教育補助在一定程度上解放勞動力，減少勞動力就業(yè)的機會成本，從而提高家庭經(jīng)濟收入。

從農(nóng)戶個體特征變量來看，x16和x142 個因子q分別為0.2142 和0.1589，且均在0.01 水平上顯著。建檔立卡人數(shù)與政府補貼收入間存在明顯的相關(guān)性，農(nóng)戶家庭建檔立卡人數(shù)越多，說明其家庭存在越明顯的致貧或返貧風險，其享受的針對性幫扶政策就越豐富。而通過我國脫貧攻堅期的努力，使該類農(nóng)戶的收入有明顯的提升，這一現(xiàn)象符合實際情況。勞動力數(shù)量一直是決定農(nóng)村貧困家庭收入的關(guān)鍵因素，勞動力數(shù)量所代表的人力資本水平也是造成低收入家庭收入差距的首要因素，2020 年青海省出臺7 條政策措施支持貧困勞動力轉(zhuǎn)移就業(yè)，創(chuàng)造了大量的就業(yè)機會，使勞動力人數(shù)較多的家庭增收明顯。精準扶貧政策通過各種路徑增加了貧困家庭勞動力供給與主要勞動力的生產(chǎn)效率，從而提高了貧困家庭收入。

在單因子解釋力探測結(jié)果的基礎(chǔ)上，將影響力顯著的因子進行交互探測，得到探測結(jié)果（表4），任意2個自變量同時作用于收入結(jié)構(gòu)時的綜合解釋力都高于單一變量，均呈現(xiàn)出非線性增強與雙因子增強，不存在減弱或獨立作用類型。相比于單因子作用，雙因子交互作用的q值均有一定程度的提高，其中x14?x16（0.319）的影響力居首。x16對其他因子的影響最強，一般來說家庭建檔立卡人數(shù)多，農(nóng)戶享受扶貧資源配置也更多，且該類農(nóng)戶貧困程度較深，地方政府給與其扶貧資源配置也更有針對性，幫扶性更強，因此x14?x16（0.319）的影響力最高。而x6、x7和x10等影響因子之間相互作用與單因子作用相比均有所提升，呈現(xiàn)為非線性增強。結(jié)果表示：（1）受多種因素綜合影響，雙因子交互作用的探測結(jié)果可以更好地解釋影響因子對農(nóng)戶總收入的影響。（2）探測因子經(jīng)交互作用之后均增強了對于農(nóng)戶收入的解釋程度，說明低收入群體農(nóng)戶的收入情況是多種驅(qū)動因子共同作用的結(jié)果。（3）較大部分影響因子交互后，呈現(xiàn)出交互作用值大于雙因子單獨作用值之和的非線性增強關(guān)系，另一部分影響因子交互后，呈現(xiàn)出交互作用值小于雙因子單獨作用值之和、大于單因子作用的雙因子增強的關(guān)系，總體來看，雙因子交互增強效果明顯。

表4 單因子、雙因子交互探測結(jié)果Tab.4 Iinteraction detection results between single-factor and double-factor

2.4 農(nóng)戶各類型收入回歸結(jié)果分析

運用Stata 16.0 軟件中Tobit 回歸模型對農(nóng)戶的各類收入進行因子分析（表5），可以看出經(jīng)營性收入分析整體通過了0.01 的顯著性檢驗，在其主要影響因素中，x8、x12通過了0.01的顯著性檢驗，x7、x9、x13和x16通過了0.05 的顯著性檢驗，x6和x14通過了0.1的顯著性檢驗。其中x8對經(jīng)營性收入的影響明顯高于其他因子，說明通過政府提供的產(chǎn)業(yè)幫扶政策，如青海省農(nóng)業(yè)農(nóng)村部門2020年“抓特色優(yōu)勢、強利益聯(lián)結(jié)、強科技服務、美人居環(huán)境、借協(xié)作助力”五大措施等，在提升農(nóng)戶積極性、推動生產(chǎn)營銷收益的同時降低其成本支出。此外，部分農(nóng)戶為了拓展收入來源渠道，通過產(chǎn)業(yè)幫扶政策嘗試規(guī)?；N植經(jīng)濟作物或飼養(yǎng)肉牛肉羊等牲畜或雞鴨等家禽，農(nóng)產(chǎn)品種植與畜禽養(yǎng)殖收入都有明顯的提升。

表5 農(nóng)戶收入類型的影響因子分析結(jié)果Tab.5 Analysis results of influencing factors of farmer households’income types

工資性收入整體通過了0.01 的顯著性檢驗，在其主要影響因素中，x2、x7、x10和x14通過了0.01 的顯著性檢驗，x15通過了0.05 的顯著性檢驗，x16通過了0.1的顯著性檢驗。其中x10和x14對工資性收入呈現(xiàn)明顯的正相關(guān)。對于弱勞動力農(nóng)戶來說，通過市場來獲取工作機會難度很大，地方政府通過不斷開發(fā)公益崗位，使得該類勞動力實現(xiàn)就業(yè)。在獲得公益崗位后，通過基本服務技能培訓和簡單勞動，激勵他們通過自己的工作來增加家庭收入。勞動力作為農(nóng)村地區(qū)重要的生產(chǎn)性資本，通過政府組織技能培訓和務工介紹后增加其非農(nóng)就業(yè)機會和非農(nóng)就業(yè)的機會，因此增加了其工資性收入。x2對于工資性收入呈現(xiàn)負向影響，通過財政資金的幫扶措施，農(nóng)戶的基本生活得到了保障，進而選擇就近務工、務農(nóng)替代外出務工，較低收益的務工、農(nóng)業(yè)活動占用了家庭勞動力的時間，導致工資性收入降低。

財產(chǎn)性收入整體未通過顯著性檢驗，但x7和x9對財產(chǎn)性收入有顯著影響。財產(chǎn)性收入主要是指通過向他人提供金融性資產(chǎn)或其他有形非生產(chǎn)性資產(chǎn)的控制權(quán)獲得的收入［36］，因此在資源配置方式中，主要與x7和x9相關(guān)，且影響力較大。

轉(zhuǎn)移性收入整體通過0.01 的顯著性檢驗，在其主要影響因素中，除x3、x4、x5、x11和x16影響不顯著外，其余因子均通過顯著性檢驗。農(nóng)戶轉(zhuǎn)移性收入主要由救濟金、養(yǎng)老金、糧食直補費等政府補助資金構(gòu)成，因此受到的影響因素較多。其中x2和x7的影響力明顯高于其他扶貧資源配置方式因子，青海省及時落實各項農(nóng)牧業(yè)轉(zhuǎn)移支付補助、農(nóng)業(yè)保險、助學貸款、農(nóng)村低保、公益崗位補貼、殘疾人補貼等政策，使得農(nóng)戶切實獲得了各類直接補助資金，提高了農(nóng)牧民轉(zhuǎn)移性收入。

總體來看，公共性扶貧資源配置對低收入農(nóng)戶收入結(jié)構(gòu)有顯著影響，不同收入的影響因素也各不相同。從村莊角度出發(fā)，應因戶施策，以發(fā)展規(guī)劃為目標引導農(nóng)民改變其收入結(jié)構(gòu)從而增加農(nóng)戶收入，為鄉(xiāng)村振興夯實基礎(chǔ)。從農(nóng)民的角度來看，在收入改善階段應更多地關(guān)注貢獻程度較高的影響因素，從而盡快提高收入水平、優(yōu)化收入結(jié)構(gòu)。

3 結(jié)論與建議

3.1 結(jié)論

（1）低收入農(nóng)戶的家庭總收入增長明顯，4種類型收入均在不同程度上獲得提升。農(nóng)戶家庭平均收 入 由2015 年 的1.175×104元 提 升 至2020 年 的5.233×104元，增收效果明顯，脫貧攻堅成效顯著。

（2）通過扶貧資源配置，農(nóng)戶增收意愿與內(nèi)生動力明顯提升。2015 年低收入農(nóng)戶收入主要依靠政府扶持的轉(zhuǎn)移性收入，占比高達37.96%。2020年農(nóng)戶主要依靠勞動獲取收入，工資性收入占比高達50.87%，而轉(zhuǎn)移性收入占比降至20.43%。農(nóng)戶內(nèi)生動力提升明顯。

（3）影響農(nóng)戶收入的單因子解釋力由高到低為x16>x14>x7>x10>x9>x4>x1>x6>x11>x5>x3>x2，且任意兩因子交互后對農(nóng)戶收入的解釋力加強，表現(xiàn)為雙因子增強或非線性增強，其中x14?x16（0.319）的影響力居首，且x16對其他因子的影響最強。

（4）公共性扶貧資源配置對農(nóng)戶的收入結(jié)構(gòu)影響顯著，不同的收入渠道影響因子各不相同。在收入提升階段應重點關(guān)注貢獻程度較高的影響因子。對經(jīng)營性收入的貢獻度，影響因子依次為x8>x12>x9>x16>x7>x13>x6>x14；對 工 資 性 收入 的 貢 獻 度 ， 影 響 因 子 依 次 為x7>x10>x2>x14>x15>x16；對轉(zhuǎn)移性收入的貢獻度 ， 影 響 因 子 依 次 為x7>x10>x13>x2>x15>x14>x9>x8>x12>x1>x6。

3.2 建議

根據(jù)上述研究結(jié)論得出，扶貧資源配置對于低收入農(nóng)戶總收入增長、農(nóng)戶自身造血能力提升明顯，這與其他相關(guān)研究基本一致。此外，本研究通過地理探測器模型與Tobit模型發(fā)現(xiàn)，影響農(nóng)戶收入水平的因素是多元而復雜的，既有制度和政策等宏觀因素，也有人力資本積累、物質(zhì)資本投資、金融資產(chǎn)和農(nóng)戶特征等微觀因素，且不同因素對于農(nóng)戶收入結(jié)構(gòu)的影響也存在差異。全面脫貧后，中國進入一個以次生貧困與相對貧困為主的新階段，扶貧的目標群體將轉(zhuǎn)變?yōu)檗D(zhuǎn)型貧困群與潛在貧困群［37］。在后脫貧時代，提高脫貧農(nóng)戶的收入可持續(xù)性、防止返貧，不僅是新時期農(nóng)村扶貧的現(xiàn)實需求，更是推動鄉(xiāng)村振興的客觀要求［38］?；趯嵶C結(jié)果，要提升低收入農(nóng)戶的收入水平，需要采取具有綜合性、針對性政策措施。為鞏固提升脫貧攻堅成果，提出政策建議如下：

（1）在兜底政策的基礎(chǔ)上，加大就業(yè)培訓、產(chǎn)業(yè)培訓、公益崗位開發(fā)力度，增強農(nóng)戶自身的“造血”能力。部分農(nóng)戶由于大量的享受政策，部分基本生活得到了保障，出現(xiàn)自身發(fā)展動力不足情況，導致家庭收入主要依靠政府補貼，收入結(jié)構(gòu)不合理。因此，對于具有一定勞動力能力的低收入農(nóng)戶的后續(xù)發(fā)展，有必要避免對農(nóng)戶底線的政策過度依賴。堅持“扶貧不助懶”的原則，通過就業(yè)援助、技能培訓等手段，增強農(nóng)戶的造血功能。

（2）工資性收入已在農(nóng)戶的收入結(jié)構(gòu)中占據(jù)較高的比重，勞動力作為農(nóng)村較為重要的生產(chǎn)性資本，對農(nóng)戶收入產(chǎn)生了顯著的正向影響。因此對于部分勞動充足的農(nóng)戶家庭來說，過度發(fā)展第一產(chǎn)業(yè)極有可能占據(jù)農(nóng)戶外出務工的時間，減少農(nóng)戶家庭收入。因此，政府在為勞動力條件較好的農(nóng)戶介紹務工機會，同時應積極招商引資，為農(nóng)戶本地就業(yè)創(chuàng)造條件，避免出現(xiàn)空心村現(xiàn)象，鼓勵耕地林地進行集體流轉(zhuǎn)，在充分利用農(nóng)村土地資源的同時以期達到勞動力的最優(yōu)化分配。

（3）充分發(fā)揮農(nóng)村產(chǎn)業(yè)融合，增加農(nóng)戶經(jīng)營性收入。發(fā)揮專業(yè)種養(yǎng)大戶、家庭農(nóng)場、農(nóng)民專業(yè)合作社等新型農(nóng)業(yè)經(jīng)營主體的示范帶動作用，將分散的農(nóng)戶聯(lián)合起來，形成規(guī)模效應。同時鼓勵合作社等將產(chǎn)品范圍擴展至農(nóng)產(chǎn)品加工、銷售等環(huán)節(jié)，延長其產(chǎn)業(yè)鏈條，提高商品化和規(guī)?；潭?，通過提高農(nóng)業(yè)生產(chǎn)效率進而提高農(nóng)戶的收入。

（4）實施“一戶一策”有效提升農(nóng)戶收入。對于不同的低收入農(nóng)戶家庭，其所享有的生產(chǎn)資源、社會資源均存在一定差異。對于生產(chǎn)資源相對充足、社會資源相對較差的農(nóng)戶家庭，應著重對其經(jīng)營性收入進行優(yōu)化提升，適當在產(chǎn)業(yè)幫扶、資金入股分紅、提供小額貸款等方面給與一定的政策性幫助。對于社會資源相對充足、生產(chǎn)資源相對較差的農(nóng)戶家庭，應盡量優(yōu)化提升其轉(zhuǎn)移性收入，此類家庭生產(chǎn)資料較少，勞動力較為薄弱，多數(shù)依靠轉(zhuǎn)移性收入保障其基本生活。對于此類農(nóng)戶，應在可享受范圍內(nèi)讓其盡可能多的享受扶貧資源配置帶來的政策補助，保障其家庭生活需求。此外，在村莊整體規(guī)劃來看，不同發(fā)展狀況的村莊應著重于提升不同類型收入。村級政府應在不同規(guī)劃階段將扶貧資源配置傾斜于提升農(nóng)戶某一項收入，充分其主要影響因素，在保障農(nóng)戶基本生活的同時，有效提升農(nóng)戶整體收入水平。