我国城乡居民家庭贫困脆弱性的测度与分解——基于CHNS微观数据的实证研究，本文主要内容关键词为：微观论文,分解论文,城乡论文,贫困论文,居民家庭论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
引言
贫困作为世界三大经济难题之一，长期以来受到各界的广泛关注，减少贫困一直是各国发展政策的重要目标，而其制定反贫困政策时更多地是依据当前的贫困状况评估结果。但是今天的贫困未必等于明天的贫困，现在贫困的家庭可能只是暂时性的，很快就能脱贫，也可能会在未来继续贫困下去，陷入贫困的恶性循环；现在不贫的家庭可能会因为遭受严重的负面冲击而陷入贫困，比如，农业歉收、失业、重大疾病或重大自然灾害等。根据对家庭收入或消费等福利状况的观测以及事先确定的福利标准（如贫困线）计算的贫困指标，只是在一个特定的时间点静态地度量了家庭或个人当前的福利水平，却没有将家庭的未来福利或与未来福利相关的风险考虑进去，只是一种事后测度，根据这一结果所制定的反贫困政策，充其量只能是亡羊补牢，不具有前瞻性，无法在贫困发生之前阻击贫困。
世界银行在2000/2001年度《世界发展报告》中正式提出了“贫困脆弱性”(vulnerability)这一术语，将其描述为“对冲击的复原性的测度—冲击造成未来福利下降的可能性”，之后，这一前瞻性研究视角迅速地成为发展经济学的一个研究热点。围绕如何将风险纳入贫困评估框架，如何理解和测度脆弱性，取得了大量的研究成果，但尚未达成共识。
最有代表性的观点有三种：第一种是作为期望贫困的脆弱性(Vulnerability as Expected Poverty,VEP)，Christiaensen和Subbarao(2001)将脆弱性定义为未来的期望贫困，
，其中，贫困指标p(c,z)采用的是贫困评估中最常用的FGT指标。第二种是作为期望效用的脆弱性(Vulnerability as Low Expected Utility,VEU)，Ligon和Schechter(2002)将脆弱性定义为风险的福利损失，用贫困线的效用和未来消费的期望效用之差来测度脆弱性，即
。第三种是作为风险暴露的脆弱性(Vulnerability as Uninsured Exposure to Risk,VER)。Amin等(1999)，Glewwe和Hall(1995)，Dercon和Krishman(2000)将脆弱性定义为对风险冲击的暴露或过度敏感性。其基本思想是如果家庭消费支出与冲击共同变动，说明该家庭缺少平滑消费能力和保证消费免受冲击影响的手段，对冲击过度敏感，因而是脆弱的。他们以体现家庭遭受的共同或特殊冲击的家庭相关特征为自变量对家庭消费及其变动进行回归，用回归系数来反映脆弱性的大小。
比较而言，VER刻画的是家庭对已实现风险的应对能力，本质上属于一种事后型的测度。VEP和VEU都是将风险和风险的福利结果结合起来，用未来的期望福利来度量脆弱性，都具有前瞻性，但在家庭效用函数未知，已有的数据维度又不足以刻画家庭偏好及消费变动性的条件下，VEU的实际应用受到很大限制。事实上，当前的大部分脆弱性研究都是遵循VEP的思想，特别当α=0时，VEP简化为消费低于贫困线的概率，为多数研究者所采用。如Chaudhuri、Jalan和Suryahadi(2002)将t期的脆弱性定义为家庭t+l期消费低于贫困线的概率，即
。Pritchett，Suyahadi和Sumarto(2000)认识到脆弱性的程度会随着时间延长而提高，拓展了这一测度，将脆弱性定义为在未来n个时期内至少贫困一次的概率，即
。本文也将采用下期贫困概率这一定义对我国居民家庭的贫困脆弱性进行测度和分解。
正如公共健康事业中，为了抗击某种疾病的暴发，既要治疗那些已经染病的，又要对那些有患病危险的采取预防性措施。反贫困政策也需要将事后减少贫困和事前预防贫困的措施结合起来，不能仅仅局限于识别当前谁是贫困的，而要扩展到识别未来谁可能贫困，即谁是脆弱的，脆弱的主要根源是什么。应将现存的和未来的贫困都纳入扶贫政策的瞄准目标中去，阻止那些当前不贫困但未来可能贫困的家庭陷入贫困，帮助那些当前贫困未来可能无法脱离贫困的家庭摆脱贫困，并且根据脆弱根源的不同设计适当的扶贫政策，使扶贫政策的效用达到最大化。从家庭微观数据出发，对贫困脆弱性进行测度和分解，无疑将为上述目标的实现提供有益的参考。
一、理论框架
1.脆弱性测度
从VEP的定义出发，脆弱性可用一个通用的公式表示：
本文使用的CHNS数据缺少消费数据，因此用收入来度量家庭福利水平。关于收入分布的形式，Harrison等发现伽马分布更适合描述中等收入群体的收入分布。Cowell(1995)在详细研究了收入分配的分布形式后认为，帕累托分布可以很好地拟合中等以上收入，特别是最富裕的20%人口。对数正态分布高收入部分的尾部密度小于帕累托分布，更适合描述低收入群体的收入分布。Chaudhuri(2002)、章元(2009)在其脆弱性研究中也采用了对数正态分布的假设。鉴于本文的研究目的，我们假设未来收入服从对数正态分布。
进而，贫困脆弱性的测度公式可具体化为：
在确定了收入的分布形式之后，接下来要估计分布的均值和方差，估计方法可简可繁：首先，根据Friedman的持久收入理论，长期消费支出取决于持久收入，持久收入是预期在较长时期中（3年以上）稳定的收入流量，可根据若干年的收入观测的加权平均数来计算，也就是说我们可以直接计算家庭收入的跨期平均数和方差作为未来收入分布的均值和方差。Jalan和Ravallion(2000)，McCulloch和Baulch(2000)曾分别将这种方法用于对中国和巴基斯坦的研究。其次，利用观测到的数据，构建收入对家庭特征、社区特征甚至宏观特征的回归模型，由此计算的收入估计值即为持久收入，作为未来收入分布的均值，并在此基础上计算方差。Kühl(2003)基于这种方法，借助bootstrap模拟测度了埃塞俄比亚的脆弱性。最后，考虑到家庭的异质性，方差可能会因家庭而不同，可将其看做是家庭特征的线性或非线性函数，借助收入方程残差对家庭特征的回归方程实现对方差的估计。Chaudhuri(2002)用这种方法研究了菲律宾、印尼、中国的脆弱性问题。
三种方法中第一种最为简单易行，而且笔者研究发现，CHNS某些收入决定变量的数据缺失较为严重，导致基于回归法的脆弱性测度效率降低。所以本文将采用第一种方法，以直接计算的家庭收入跨期均值和方差为未来收入分布的均值和方差。即：
2.脆弱性分解
家庭脆弱性的大小取决于未来收入的分布。脆弱性相近的家庭，其脆弱的原因可能大不相同。期望收入水平高于贫困线的家庭，如果变动性很高，有可能面对落入贫困线以下的风险，这类家庭可称之为HV型脆弱。收入变动性很低的家庭，如果期望收入水平小于等于贫困线，也可能呈现较高的脆弱性，这种家庭可称之为LM型脆弱。从政策角度看这种区分十分重要，比如说，源于波动的脆弱性，需要的事前干预措施应该是那种使家庭风险减少，或为风险投保的；为了解决收入水平低下造成的脆弱性，就可能需要转移支付项目了。
借鉴Kakwani和Subbarao(1990)，Tendulkar和Jain(1995)，林伯强(2003)进行贫困分解时的做法，我们可以考虑用以下三种方法进行脆弱性分解：
三种分解方法中，等式右边第一项是均值差异的影响，第二项是方差差异的影响。但是三种方法各有利弊。前两种方法实现了完全分解，即两种影响之和等于总变差，但是均值（方差）的影响因对比项的方差（均值）固定在实际家庭水平上还是参照家庭水平上而不同，即存在“路径依赖”问题。第三种方法每个参数的影响都是在另一个参数保持在参照家庭水平的情况下计算的，是“路径独立”的，但是两种影响之和不等于总变差，存在剩余项R。
本文采用了一个折中的方法解决这个问题，即：
(9)式中，仍然是右边第一项反映均值差异的影响，第二项反映方差差异的影响。但是两项的计算方法完全相同，都是对方法1和方法2的相应位置进行平均。这种平均法的好处是，不仅不受计算方法和计算顺序的影响，而且能够实现完全分解，分解式中没有剩余项。
二、数据及相关处理
本文采用的面板数据来自北卡罗来纳娜人口研究中心和中国疾病预防与控制中心营养与食品安全研究所共同组织的“中国营养与健康调查”(China Health and Nutrition Survey,CHNS)，该项调查采用多阶段随机抽样的方法，首先依据经济发展程度、地理位置、公共资源的丰裕程度和健康状况指数覆盖了东、中、西部地区的9个省份；其次，每个省抽取两个城市调查点和四个农村调查点，分别是省城、一个较低收入的城市和依据收入分层和一定的权重随机抽取的4个县；第三，城市分城区和郊区随机抽取，每个县抽取县城和3个村，每村20户。虽然这一调查不是专门为研究贫困问题而设计的，但调查中包括了各种收入及补贴的信息，还包括了有关家庭、个人、社区特征的信息，是一个难得的多省份城乡分布样本，为我们研究贫困的脆弱性提供了可能。
迄今为止，CHNS已经进行了七轮（1989年、1991年、1993年、1997年、2000年、2004年、2006年），每轮调查4000多个家庭。本文选取了后四轮都参与的家庭，剔除掉重要变量缺失的家庭，得到了一个容量为2638的样本，其中城镇家庭为671户，农村家庭为1967户。没有采用前三轮的数据，一方面是因为七轮都参与的家庭太少，另一方面也是考虑到研究的时效性问题。测度脆弱性应用的是1997年、2000年和2004年的数据，2006年数据主要用于与脆弱性测度结果的对照。CHNS数据中的家庭各年总收入、净收入和人均净收入分别以三种形式报告：名义收入、按照CPI平减到1988年的收入、按照CPI折算到2006年的收入，但是所谓的净收入是从总收入中减去了婚嫁、随礼、教育方面的支出，与传统的净收入不是一个概念，而且这样处理之后，许多家庭的净收入出现了负值，不利于进一步的计算和分析。所以本文中使用的家庭人均收入是用按CPI折算到2006年家庭总收入除上家庭规模重新计算的。由于数据的复杂性，本文所有数据整理和分析均使用matlab实现。
测度脆弱性还应有两条标准：一是脆弱性的定义和测量标准，即贫困线；二是脆弱性的评价标准，即家庭的脆弱性达到多少才能判定为脆弱，我们可以称之为脆弱线。常用的贫困线有国家线、1美元／天、1.25美元／天、2美元／天，其中国家线相对于国际贫困标准而言水平过低已经是公认的事实，1美元／天的标准在国际上被广泛采用，我国近期的贫困线调整也以此为参照，所以本文采用1美元／天的贫困线来测度脆弱性。脆弱线的常用标准也有两条：一条是观测贫困发生率，又叫低脆弱线，另外一条是50%，又叫高脆弱线。二者都有一定的理论基础，本文后面的研究将分别采用这两条脆弱线。
三、脆弱性测度
我国的城乡二元特征十分突出，城乡家庭的收入水平和分布都有很大差别。而且大量研究表明，年龄和教育程度作为重要的人力资本变量，对收入有决定性影响。所以根据既定的理论框架测度出单个家庭的脆弱性之后，又将所有家庭按照城乡、户主年龄和成人平均受教育程度进行交叉分组，汇总各子群的脆弱性，计算结果如下页表1。
1.脆弱性测度结果
脆弱性测度结果呈现出明显的城乡差别、生命周期特征和教育程度差别。总的来看，城镇家庭贫困脆弱性低于农村家庭，前者的脆弱率、高度脆弱率和平均脆弱性分别为0.42、0.20和0.239，而后者则分别为0.57、0.29和0.32。
分年龄来看，较年轻的家庭脆弱性较低。城镇和农村家庭脆弱性最低的都是35～45岁组，平均脆弱性仅为0.167和0.29，脆弱率分别为0.27和0.54，最高的都是65岁以上组，平均脆弱性达到0.31和0.40，脆弱率高达0.55和0.65。需要注意的是，农村35岁以下组的脆弱性为0.361，仅次于最高的65岁组。城镇35～45岁，45～55岁，55～65岁三组的脆弱性依次上升，而农村这三组的脆弱性水平却比较接近，说明农村劳动人口的工作年限要长于城镇。
表1 脆弱性测度结果（按城乡、户主年龄和成人受教育程度分组）
分教育程度来看，除文盲组比较特殊以外，其他各组都是教育程度越高，脆弱性越低。城镇和农村家庭脆弱性最低的都是大学及以上组，平均脆弱性仅为0.079和0.097，脆弱率分别为0.12和0.23，特别值得一提是，城镇大学组的高度脆弱率为0.03，而农村大学组的高度脆弱率为0。最高的都是小学组，平均脆弱性分别为0.27和0.34，脆弱率分别为0.50和0.62。文盲组的脆弱性较低，这与我们通常的感觉很不一致，但一方面文盲组在总体中所占比重极小，仅占城镇家庭的3.7%和农村家庭的2.5%。另一方面，我们观察文盲组家庭的其他特征，对照按其他特征汇总的子群脆弱性，发现文盲组家庭大都来自脆弱性较低的黑龙江、江苏等省，而且文盲组的平均年龄低于总体平均年龄，出现文盲组脆弱性较低的结果也就不奇怪了。
观察表中数据还可发现，各子群间脆弱性的差别与收入水平有很大关系，脆弱性较低的组普遍收入水平较高，但是收入水平并非唯一的决定因素，比如，无论城镇和农村，脆弱性最低的35～45岁组，平均收入都不是最高的。
图1 城镇和农村脆弱性直方图
2.脆弱性结果的分布——基于与贫困的对照
脆弱性测度的可靠性如何？脆弱性和贫困的关系如何？为了解决这些问题，我们将家庭按照2004年和2006年的贫困状况分组，分别计算两年都贫，两年都不贫和一年贫一年不贫的家庭的平均脆弱性，城乡两年都不贫组的平均脆弱性分别为0.13和0.19，两年都贫组为0.67和0.65。2004年不贫2006年贫组为0.26和0.31，2004年贫2006不贫组为0.58和0.61。显然，不贫一不贫组的脆弱性显著低于贫一贫组和不贫—贫组。说明不贫的家庭中，那些脆弱性较低的更可能继续维持不贫的状态，而贫困家庭中，那些脆弱性较高的则更可能继续贫困。
从各组的直方图上，不但可以更直观地证实这一点，还可捕捉到更多的信息。不贫—不贫组中，脆弱性接近于0的占极高比例，无论城镇还是农村，都呈现出明显的倒J形分布，而且递减的速率极快。不贫—贫组仍然呈现倒J形分布，但递减的速率比较平缓，脆弱性在0.5以上的家庭比例有所增加。贫—贫组的分布发生了逆转，虽然未能形成J形分布，但家庭比例确实随着脆弱性提高而增大，脆弱性在0.5以上的高脆弱性家庭占了绝大比例，特别的，城镇家庭贫—贫组脆弱性低于0.25的家庭比例为0。
图2 城镇和农村脆弱性发生率曲线
为了更全面地观察脆弱性的分布规律，按照2004年的贫困状况将家庭分为贫困者和不贫困者，计算不同脆弱线下脆弱家庭的比例，即脆弱性发生率，并据以绘制脆弱性发生率曲线。该线实际上是脆弱性的累计分布曲线，与传统的累计分布曲线不同的是，线上的每一点体现的不是小于等于某值的比例，而是大于该值的比例。观察总体、贫困家庭、不贫困家庭的脆弱性发生率曲线可以发现：首先，每条脆弱性发生率曲线都单调减，脆弱线越高，发生率越低。脆弱线为0时，所有的家庭都脆弱。脆弱线为1时，没有家庭脆弱。这一点与世行的观点“人人都脆弱，只不过程度有高低”相呼应。但是我们可以用于扶持脆弱者的资源是有限的，所以人人都脆弱几乎没有任何可操作性，而太低的脆弱线同样不具有可操作性，因而设定一条合适的脆弱线十分必要。其次，“穷人更脆弱”。无论是城镇还是农村，贫困家庭的脆弱性发生率曲线都在最上方，远高于中间位置的总体脆弱性发生率曲线和最下方的非贫困家庭的脆弱性发生率曲线。以城镇家庭为例，脆弱性在0.2以上的不贫困家庭不到30%，而贫困家庭则达到了接近90%，穷人更脆弱这一结论本身印证了脆弱性对于贫困的预测作用。第三，农村家庭更脆弱。例如，脆弱性在0.2以上的城镇和农村家庭比例分别为41%和56%，脆弱性在0.5以上的城镇和农村家庭比例分别为20%和29%，这与我们通常的感觉也是一致的。
四、脆弱性分解
“幸福的家庭都是相似的，不幸的家庭却各有各的不幸”，这句话同样适用于脆弱家庭。脆弱性相近的家庭，其脆弱的原因可能各不相同，有的因病而脆弱，有的因年迈而脆弱，有的因自然灾害而脆弱，有的因失业而脆弱……这些具体的脆弱原因最终不外乎以两种方式发挥作用，一是影响家庭收入水平，二是影响家庭收入的变动性，最终转化为脆弱性的两个直接根源。为了探寻不同家庭脆弱性的根源，本部分先借助等脆弱线和核密度曲线两个工具，从直观上展示了两种根源的存在和影响，也佐证了对脆弱性进行分解的必要性。然后将家庭脆弱性离差分解为均值差异的影响和方差差异的影响，并在不同子群上进行汇总。
1.脆弱性根源的可视化描述——借助等脆弱线和核密度曲线
在城镇样本中筛选脆弱性分别为0.1～0.6的家庭，在农村样本中选择脆弱性为0.1～0.4的家庭，以其对数收入均值为横坐标，对数收入方差为纵坐标，将这些点描在坐标图上，得到了一系列的点集，我们称之为等脆弱线，这里使用对数收入的均值和方差一方面是因为收入对数正态分布假设，另一方面也是考虑图形的紧凑性。
图3 城镇和农村家庭等脆弱线
观察等脆弱线图可以发现，等脆弱线斜率有正有负。斜率为正的等脆弱线，都位于贫困线（对数约为7.8）右侧，而且脆弱性越高的等脆弱线斜率越大，位置越靠左，脆弱性越低的等脆弱线斜率越小，越靠近右下方。即脆弱性随着收入的增加而下降，随着方差的增加而提高。斜率为负的等脆弱线，都位于贫困线的左侧，如城镇家庭的0.5和0.6两条脆弱线，也是脆弱性更低的0.5脆弱线更靠右，说明方差的增加会带来脆弱性的降低。简言之，收入高于贫困线时，更大的变动性意味着更大的脆弱性。收入低于贫困线时，在初始变动足够低的情况下，适当的变动性可能引起脆弱性的降低。这点有些难于理解，但想象一个消费固定在贫困线以下的家庭，如果没有变动性，其脆弱性必然为1，但是如果引入一些正向的变动性，比如有机会中彩票，哪怕概率很小，这个家庭至少有机会高出贫困线，即脆弱性小于1。
从图中任选一条等脆弱线，观察其均值和方差的组合情况，如脆弱性为0.3的等脆弱线上，所有家庭的脆弱性都在0.29到0.31之间（并不是严格地等于0.3，其他几条脆弱线也是如此），最左下方的家庭收入为7.9左右，方差也很低，最右上方的家庭收入为8.8，其方差也达到了极高的水平，接近3.2。可见脆弱性相同的家庭，脆弱的根源可能大不相同，有的因低收入水平而脆弱，有的因高变动性而脆弱。
核密度估计也给出了类似的信息。将城镇和农村家庭分别按照脆弱性水平分组，分为V≤0.1、0.1＜V≤低脆弱线、低脆弱线＜V≤高脆弱线、V＞高脆弱线四组。分别画四组的2006年家庭人均收入核密度图，注意这里的收入用贫困线做了相对化处理。脆弱性越高的组，其未来收入分布越向左侧偏，说明其收入前景越差，从而未来贫困的可能性越高。同时，无论是脆弱性较高的组，还是脆弱性较低的组，都没有绝对地只分布在贫困线的哪一侧，脆弱性低的组有一部分在贫困线右侧，即其脆弱性来源于高变动性(HV)。脆弱性低的组也有一部分分布在贫困线以左，即其脆弱性来源于低收入水平(LM)。但是平均来讲，脆弱性越高的组其密度曲线落在贫困线左侧的区域越大，即脆弱性由LM解释的部分越多；脆弱性越低的组，其密度曲线落在贫困线右侧的区域越大，说明脆弱性由HV解释的部分越多。
总之，虽然等脆弱线和核密度曲线研究问题的视角不同，得出的结论却是一致的：首先，收入与脆弱性呈反向变动关系，变动性与脆弱性基本呈正向变动关系，即收入越低或变动性越高，家庭越脆弱。其次，脆弱性相等或相近的家庭，其脆弱性的根源可能不同，有的主要因LM而脆弱，有的主要因HV而脆弱。但是不同家庭脆弱性的差异中究竟有多少可以归因于LM，有多少可以归因于HV?需要进行具体的脆弱性分解才能确定。
图4 城镇和农村不同脆弱性水平的收入核密度
2.脆弱性离差的分解
根据前面讨论的理论框架，我们选择一个均值和方差都为中位数的参照家庭，将每个家庭与参照家庭的脆弱性离差分解为由均值差异解释的部分和由方差差异解释的部分，称前者为水平效应，后者为变动效应。在此基础上，分别按城乡、户主年龄和成人平均受教育程度进行汇总，对于不同子群脆弱性根源的异同点进行比较研究。
图5 城镇和农村脆弱性按年龄和教育程度分解
总的来看，城镇家庭的总离差线主要运行在x轴上方，而农村家庭的总离差线主要运行在x轴下方，说明城镇家庭脆弱性大多低于参照家庭，而农村家庭的脆弱性大都高于参照家庭。分解结果显示，农村家庭水平效应占主体，城镇家庭两种效应基本达到平衡。具体来讲，城镇家庭脆弱性总离差为0.018，其中水平效应为0.033，变动效应为-0.014。农村家庭脆弱性总离差为0.103，其中水平效应为0.117，变动效应为-0.015，说明LM是农村家庭脆弱性的主要根源。
从户主年龄来看，脆弱性分解结果也呈现出明显的生命周期特征。在城镇，年龄最高的两组都是水平效应和变动效应作用方向相反，65岁及以上组，正向的水平效应远高于负向的变动效应，使这组成为脆弱性最高组，55～65岁组两种效应持平，脆弱性水平接近于参照家庭。其他三组水平效应和变动效应同为负向，并且都是变动效应占优，其中脆弱性最低的35～45岁组的变动效应尤为突出。说明城镇较年轻家庭不但收入前景更好，而且收入更加稳定，二者共同拉动使这三组的脆弱性水平远低于参照家庭。在农村，脆弱性最高和最低的组也分别是65岁以上组和35～45组，但是所有年龄组水平效应与变动效应作用方向都相反，且都是正水平效应占据绝对优势，使农村家庭整体的脆弱性水平都高于参照家庭。
从成人平均受教育程度来看，城乡各组脆弱性的排列顺序一致，从高到低依次是小学组、初中组、高中组、文盲组和大学及以上组，但是两种效应的作用机制却有很大差别。脆弱性最高的小学和初中组相似，都是两种效应方向相反，且正向水平效应占优，只是农村的程度更高些。大学及以上组脆弱性最低，都是收入效应占绝对优势，但农村大学组两种效应同为负向。可见，除文盲组比较特殊外，其他各组的脆弱性分解结果都充分体现了教育对脆弱性的影响：从小学组到大学组，总离差线不断下行，说明教育程度越高，脆弱性越低；收入正效应也不断降低，直至转负，说明教育主要通过增加收入水平的方式降低脆弱性。但是教育对脆弱性的影响也存在着城乡差异：城镇总离差线下行的速率明显高于农村，高中组的水平效应就已接近于0，而农村高中组还保持着很高的正水平效应，直到大学组才转负，这说明农村的教育收益率低于城镇，更不容易达到脆弱性变化的转折点。一种可能的解释是农村教育仍以高考为导向，能够升入大学的劳动力基本跳出农门，没有升学的劳动力因为知识技能脱离农村实际，难以学以致用。
图6 脆弱性最高和最低组的均值方差
脆弱性最高和最低组的均值方差图有助于理解各组分解结果的差异。首先，无论城乡，35～45岁组的负向变动效应都是所有组里最高的，而在均值方差图上，这组的大部分点都贴近x轴，说明多数家庭的方差都很小，收入稳定，对脆弱性起到显著的负向拉动作用。其次，65岁以上组正向水平效应远高于35～45岁组，而在均值方差图上，前者家庭点的分布确实比后者更靠左。经测算，城乡35～45岁以上组均值高于参照家庭的比例分别为74%和47%，而65岁以上组则分别为51%和33%。第三，大学组和小学组的脆弱性差异主要源于水平效应，这一点在均值方差图上也可找到根据。城乡大学组均值高于参照家庭的比例分别为97%和85%，小学组分别为51%和43%。第四，城镇小学组大部分家庭方差都在1以下，而大学组的方差在1以下的比例要低得多。相应的，前者变动效应为负向，后者变动效应为正向。类似地，农村小学组的方差高于大学组，所以其负向变动效应也比大学组低。最后，图中还有一个特别引人注目的信息，城镇大学组的家庭数大大高于农村，如果再考虑到二者的样本量（城镇为671，农村为1967），城乡高等教育上的差距就更加突出了，前者大学以上家庭比例为8.8%，后者仅为0.7%，这也进一步说明大力推进农村教育是十分必要的。
五、结论与政策含义
本文使用CHNS四轮的家庭面板数据，对城乡共2638个家庭的脆弱性进行测度和分解，并按城乡、户主年龄和成人平均受教育程度交叉分组，汇总各子群的脆弱性及分解结果，旨在识别脆弱家庭，并探寻其脆弱性的根源。主要的研究结论及相关的政策含义如下：
第一，“穷人更脆弱”，基于2004年到2006年贫困动态的脆弱性直方图、区分贫困家庭和不贫困家庭分别绘制的脆弱性发生率曲线都体现了这一点。脆弱性是对贫困的事前测度，用于预测未来贫困可能性。贫困家庭更脆弱这个结论本身印证了用脆弱性预测贫困的可靠性。
第二，用脆弱性测度结果识别脆弱家庭，有助于有效地预防和阻击贫困。总的来看，农村家庭更脆弱；分年龄来看，较年轻的家庭脆弱性较低，其中城乡脆弱性最高的都是65岁以上组，次高的分别是55～65岁组和35岁以下组。因此旨在减轻脆弱性的反贫措施仍应向农村倾斜，在城镇要关注55岁以上、特别是65岁以上组，在农村既要关注年龄最大组，又要兼顾年龄最小组。分教育程度来看，城乡脆弱性最低的都是大学及以上组，最高的都是小学组，应当作为重点的扶持对象。
第三，脆弱性相近的家庭，脆弱的根源可能并不相同。一般来讲，收入越低，变动性越高，家庭越脆弱。农村家庭的脆弱性多归因于低收入水平，而城镇家庭的脆弱性还有相当一部分由变动性来解释。无论城镇还是农村，最脆弱的65岁及以上组和小学组，都是以水平效应为主导。因此，农村减脆措施应以提高收入水平为主，如减免税费、组织培训、转移支付等方式。城镇的减脆设计要更复杂一些，对于最脆弱的家庭仍应以提高收入为主要目标，对于其他的家庭则应更多地采用保险等方式，减少家庭对风险的暴露，保证其收入的稳定性。
第四，教育程度越高，脆弱性越低。教育通过影响收入水平的方式影响脆弱性，相对于其他的减脆措施，更根本也更可持续。但是也要注意到，农村教育收益率低于城镇，需要达到大学教育程度才能从根本上改变命运。提高农村中等教育质量，提高升学率，力保考上大学的农村学生不会上不起学等措施都将对脆弱家庭产生长远的影响。
第五，脆弱性测度是一种很有前景的方法，对于制定前瞻性的反贫困政策有一定的参考价值，但脆弱性测度的精确性受到数据的限制，政府应在积累面板数据方面提供更多的帮助和支持。
当然，本文的研究还存在着很多不足。首先，测度单个家庭脆弱性时，只使用了最直接也最简单的方法，对于收入的分布形式，贫困线和脆弱线的选择，持久收入的估计方法，脆弱性的测度方法等重要的技术问题，都直接使用了前人的研究结论，没有进行详细的探讨和比较。再加上面板数据的长度有限，研究结果的准确性受到一定限制。其次，汇总子群脆弱性及其分解结果时，由于样本量有限，只采用了城乡和年龄，城乡和教育程度两个层次的交叉分组。这样识别出的脆弱群体比较粗略，瞄准面过宽，针对性不强。但是随着数据的不断积累和完善，我们可以将测度和分解的视角更加细化，相应的研究结论也将更有可操作性。