中国贫困现状与特点--基于等值尺度调整的再分析_贫困线论文

中国的贫困现状与特征：基于等值规模调整后的再分析，本文主要内容关键词为：中国论文,贫困论文,特征论文,现状论文,规模论文，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。

      本文所指的贫困是绝对贫困，即收入不足以满足基本生活需要的状态。减少贫困、让公民能够满足基本的物质需要，是每个政府的重要目标之一。所谓反贫困，指的是通过各种手段来增加低收入群体的收入，是收入分配领域的核心问题。中共十八届三中全会也把改革收入分配格局、提高低收入者收入作为我国下一阶段改革的重要方向之一。

      从1978年改革开放以来，伴随着经济的快速发展，中国的反贫困事业取得了举世瞩目的成就。由中国科学院最新完成的《2012中国可持续发展战略报告》对中国改革开放以来反贫困的成就做了总结。1978年，中国有2.5亿的贫困人口，经过多年的努力，到2010年底，按人均1274元的扶贫标准计算，全国贫困人口下降到2688万人。此外，世界银行的研究表明，按照国际贫困线每天1美元为标准，我国1981-2004年贫困率减少了54%，从1981年的64%降为2004年的10%(Ravallion and Chen，2007)。

      尽管我国反贫困事业取得了巨大成就，但由于我国人口基数大，贫困人口的绝对数量依然很多。因此，我国反贫困的工作仍然任重而道远。2011年，中央决定将农民人均纯收入2300元(以2010的价格水平为基数)作为新的国家扶贫标准。这一新标准的出台，使得全国贫困人口数量由2010年的2688万人扩大到了1.28亿人。贫困线的大幅提升标志着中国的减贫事业进入了一个全新的阶段。

      以往的贫困研究一般都会采用家庭人均收入(或支出)来衡量个体的福利水平。但是，个体福利水平不仅受到其所在家庭总收入水平的影响，而且还会受到其家庭规模及人口结构的影响。当考虑到家庭作为经济单元所存在的规模经济效应时，传统的家庭人均收入度量会低估其成员的福利水平，进而高估样本群体的贫困程度(韩华为、徐月宾，2014；Bargain et al.，2014)。国外文献中一般通过等值规模(equivalence scale)来纠正这种偏差(De Ree et al.，2013)。但是，现有针对中国贫困程度测量的文章大都没有进行等值规模调整。

      本文旨在运用Luxembourg和OECD两种等值规模调整的方法，对我国当前的贫困程度进行准确测量，并采用统计和计量分析的方法探究贫困的特征和影响因素，展现完整的我国贫困轮廓图(poverty profile)，进而提出我国进一步反贫困的政策建议。

      在已有文献的基础上，本研究至少做出了以下3点贡献。

      首先，本文在测量贫困的程度时考虑到了家庭内部收入共享的问题，并基于家庭的规模和人员构成进行了等值规模(equivalence scale)的调整，进而能够更准确地衡量我国当前贫困的现状。已有文献基本上只基于家庭人均收入来判断家庭成员是否为贫困。这种基于个体收入的测量方法没有考虑家庭内部资源共享的问题，会高估整体贫困的程度(De Ree et al.，2013)。举例来说，如果两个家庭的月人均收入都是1000元，但是第一个家庭是由一对夫妻组成的，收入各为1000元，而第二个家庭只是单个的个体，收入也为1000元。在这种情况下，尽管这两个家庭的人均收入相等，但是前一个家庭的生活状况要比后者好，因为夫妻之间可以共享资源，例如可以共享住房、水电费等等。可见，当存在家庭内部规模经济的情况下，构建出具有可比性的等值规模收入(equivalence scale-adjusted income)对于准确测量贫困是非常重要且必要的。

      其次，除了运用等值规模的调整，我们采用了4个贫困线水平和3种测量贫困的方法对我国贫困的广度与深度进行全方位的分析。我们采用的4条贫困线分别是中国2009年和2011年的扶贫标准(每人每年1169元和2300元)，世界银行2008年设定的国际贫困新标准每人每天1.25美元，和更宽泛的国际贫困线每人每天3美元(Appleton et al.，2010)。就测量贫困的指标而言，已有研究大多运用了贫困率或者贫困人数作为统计指标。但是这两个指标有很大的局限性。假如一个国家有5个人，收入分配格局从(1，1，1，1，2)变为(0，1，1，2，2)，贫困线为1.5。如果用贫困人数或者贫困率作为测量指标，我们得出结论：贫困水平下降了(贫困率从80%降为60%)。但是，在第二种收入分配格局中，尽管贫困人数下降了，但是穷人却变得更穷了，从原来收入为1变为0。可以看出，贫困率和贫困人数只能测度贫困的广度，却无法测度贫困的深度，即穷人到底有多穷。本文使用贫困率、贫困距指数和平方贫困距指数对我国贫困的现状进行全方位的考量。

      最后，除了上述从整体上对贫困程度做出测量外，本研究还通过统计和计量分析对我国当前的贫困结构特征做了详细分析，帮助我们更加准确地了解贫困人口的特点，为扶贫政策的实施提供科学依据。在具体分析中，我们首先对不同人群的贫困程度做了细化的分组分析，包括受教育程度、工作性质、所属地区等维度，探求哪些人群更容易贫困，展示了较为完整的我国贫困轮廓图(poverty profile)。此外，文章还运用probit和tobit回归分析了不同因素对个体贫困程度的影响。

      二、文献综述

      在进行我们的实证分析之前，本文首先对已有文献对我国贫困程度测量、贫困影响因素和贫困人口特征等方面的研究进行梳理和总结，进而说明本文在现有文献基础上的主要贡献。

      (一)贫困程度的测量

      在现有的研究中，针对我国贫困程度的测量问题已有国内外众多学者给予了高度关注。从全国范围来看，Ravalian和Chen(2007)运用国家统计局(NBS)的城市家庭调查(UHS)和农村家庭调查(RHS)的住户收入数据分析中国1980-2001年的反贫困进程。结果发现，这一时期内中国的反贫困取得了显著的成果。若以2002年中国新贫困线(农村贫困线每人每年850元，城市贫困线每人每年1200元)为基准，中国贫困率从1980年的75.70%下降到了2001年的12.49%。Montalvo和Ravallion(2009)沿用Ravalion和Chen(2007)的分析方法，进一步计算了中国29个省份20世纪80年代以来的反贫困进程，发现除了某些直辖市如北京、上海等的贫困率下降程度并不明显，大部分地区的贫困率在这一时期内都显著下降。杜凤莲、孙婧芳(2011)基于中国健康营养调查(CHNS)关于家庭收入的面板数据，分析了1991-2009年中国贫困的城乡差距和东中西部差距，认为我国城乡之间、东部和中西部地区之间的贫困程度的差距在逐渐扩大。

      有很多文献单独测量了中国城市或者农村的贫困状况。例如，就城市的研究而言，Wang(2007)采用2004年中国城市就业和社会保障调查(China's Urban Employment and Social Protection Survey 2004)的数据研究中国14个主要城市住户贫困的状况，结果发现，若以最低生活保障收入作为贫困线，无锡市的住户贫困率和个人贫困率是最低的，分别是6.29%和6.04%。Appleton等(2010)则采用中国住户收入项目(Chinese Household Income Project)的数据分析中国城市地区1988-2002年间的绝对贫困变化趋势，发现无论贫困线的设定如何，中国城市的贫困率在这一时期内明显下降：以国际贫困线每人每天2美元为例，贫困率从1988年的7.3%降低到2002年的2.1%。Park和Wang(2010)采用中国城市劳动力调查(China Urban Labor Survey，CULS)的数据分析中国10个城市的贫困状况，计算发现，外来人口和本市居民的贫困率差异并不大。以上海市为例，国家低保线下，城市居民的贫困率为0.6%，外来人口贫困率为0.7%，仅相差0.1个百分点。

      关于中国农村的贫困状况，张全红、张建华(2010)采用农村城市调查(RHS)的收入数据，基于不同的贫困线和贫困指数，分析中国农村贫困的变动，发现从1978年起，中国农村贫困发生率降低的程度十分显著，1978年农村贫困发生率为30.7%，而到2005年，该数值为2.5%，降低了92%(采用中国官方贫困线，1978年为每人每年100元，2005年为每人每年683元)。

      也有学者针对某些省份或城市进行了贫困程度的研究。Glauben、Herzfeld、Rozelle和Wang(2012)运用中国农村经济研究中心(China's Research Center for Rural Economy，RCRE)1995-2004年的住户数据，研究中国3个省份(浙江、湖北、云南)的长期贫困状况，发现省份之间存在明显差异：相对贫困线下，浙江省1995-2004年间年平均贫困率为14%，最高；国际贫困线下，湖北和云南的年均贫困率较高，分别是1.3%和7%。Mcculloch和Calandrino(2003)运用国家统计局(NBS)的农村家庭调查(RHS)得到的消费数据分析了中国四川省农村住户的长期贫困。结果发现，1991-1993年，无论采用哪条贫困线(按1991年不变价计算，较低贫困线为每人每年409元，较高贫困线为每人每年457元)，四川省农村的贫困率都呈现略微上升的趋势(以较低贫困线为例：1991年15.5%，1992年16.5%和1993年17.0%)，而1993-1995年则呈现迅速下降的趋势(以较低贫困线为例：1994年13.4%，1995年10.4%)。Gravemeyer、Gries和Xue(2010)将外来人口的贫困状态纳入考虑，研究了中国深圳市的贫困状况。他们使用了2005年深圳住户调查收入相关的数据，计算发现，深圳市的赤贫现象并不严重(以每人每天1.25美元的国际贫困线为例，深圳市2005年的贫困率仅有0.09%)，但是相对贫困现象却十分显著(以收入中位数的一半作为贫困线，深圳市2005年贫困率高达24.8%)。Olivia、Gibson、Rozelle、Huang和Deng(2008)运用2000年人口普查数据、2001年国家统计局(NBS)下的农村住户收入和支出调查(Rural Household and Income Expenditure Survey，RHIES)、地球物理变量(geophysical variables)构造出包含某地区环境变量的消费方程，预测陕西省2000年的全省贫困率为43.5%，这与人口普查数据43.2%十分接近。

      (二)贫困的特征和影响因素

      很多现有文献研究了中国贫困的特征和影响因素。杜凤莲、孙婧芳(2011)使用了混合logit模型，发现影响贫困的因素主要有以下3点：区域与地域因素、个人素质因素和贫困代际传递。Glauben、Herzfeld、Rozelle和Wang(2012)的顺序probit模型结果显示，住户规模和住户中无工作成员比例的上升都会增加住户长期贫困的概率，住户中受教育成员比例和持城市户口的成员比例的上升都会降低住户长期贫困的概率，单一依靠农业耕种获得收入的住户长期贫困的概率最高，而在人口稠密的地区和山区长期贫困率更高。Wang(2007)在分析中国城市贫困影响因素时，使用了probit模型，并针对每一条贫困线都做了回归。结果发现，住户中有失业工人时贫困率更高，并且低保制度确实能够减少贫困率，但是作用不明显。Appleton、Song和Xia(2010)使用probit模型和tobit模型分析影响住户贫困发生与否和贫困距的因素，发现户主受教育年限、户主的党员身份和户主为男性都显著降低贫困发生的概率和贫困距，而抚养比率和住户中成年成员数的增加都显著提高贫困发生的概率和贫困距。Park和Wang(2010)详细刻画了城市居民和外来人口的特征，结果发现，虽然外来人口的小时工资远远低于本地居民所得，但是外来人口却拥有更长的工作时间、更低的抚养比率和更高的劳动参与率，这可能是两类人群贫困率差异不大的主要原因。

      通过以上的文献回顾可以发现，对于全国范围内贫困程度测量的文献基本都没有考虑到不同家庭规模和人员构成情况下人均收入的可比性问题，都没有进行等值规模的调整①。这会导致我国的贫困程度被高估了。此外，已有文献并没有运用我国最新制定的贫困线标准来测量贫困的程度。2011年，中央决定将农民人均纯收入2300元作为新的国家扶贫标准。那么，根据新的标准，我国的贫困状况究竟如何？

      本文将运用中国综合社会调查的数据(CGSS2010)并采用家庭等值规模调整的新方法对我国贫困程度进行重新考量，构建一个相对完整的中国贫困测度方法，并通过分组详细地剖析中国的贫困状况和特征，最后使用logit和tobit模型分析影响中国贫困的因素。接下来的文章结构如下：第三部分进行数据描述和来源说明。第四部分给出测度贫困方法并分别计算中国全国、城市和农村的贫困程度。第五部分探究影响贫困的因素，主要分为两步，第一步针对分组数据进行描述性统计，剖析各特征人群的贫困状况；第二步使用logit模型分析有关家庭的变量对于家庭是否陷入贫困的影响，并使用tobit模型分析这些变量对于贫困距(家庭人均收入与贫困线的距离)的影响。第六部分为结论。

      三、数据来源与描述

      根据Gustafsson、Shi和Sato(2014)的文献，目前关于我国家庭收入的调查有很多种。其中主要分为国家统计局和其他研究者调查得到的数据库。以前国家统计局的调查结果按城乡分别统计，未呈现全国总体的情况。有鉴于此，本文所使用的数据是来自于中国人民大学和香港科技大学调查中心联合完成的中国综合社会调查项目(简称：CGSS)。

      CGSS目前为止共进行过多次大型调查，最早的一次是2003年。本文采用能获得的最新数据，即2010年CGSS的全国抽样调查数据。CGSS的抽样设计采用多阶分层概率抽样设计，其调查点覆盖了中国内地所有省级行政单位。调查组在全国一共抽取了100个县(区)，加上北京、上海、天津、广州、深圳5个大城市，作为初级抽样单元。其中在每个抽中的县(区)，随机抽取4个居委会或村委会；在每个居委会或村委会又计划调查25个家庭；在每个抽取的家庭，随机抽取一人进行访问。而在北京、上海、天津、广州、深圳这5个大城市，一共抽取80个居委会；在每个居委会计划调查25个家庭；在每个抽取的家庭，随机抽取一人进行访问。这样，在全国一共调查480个村/居委会，每个村/居委会调查25个家庭，每个家庭随机调查1人，总样本量约为12000。

      CGSS数据中含有每个被调查者详细的个人基本信息、收入数据、家庭情况等，为我们准确测量贫困的程度提供了数据保障。表1中给出了我们使用样本的描述性统计。

      表1的结果使我们对数据有了大概的了解，有效样本中共有9046个家庭，每个家庭平均有3.18个人共享家庭总收入。因此，就人口数而言，总的样本量为28766人，家庭全年平均总收入为42736.95元人民币。由于后面定义的贫困线是以美元为基准的，所以我们把收入都折合成以美元为单位的日均收入，样本的平均值为20.97美元/天。在样本中，有39%来自东部，28%来自西部，33%来自中部。就户口属性而言，农业户口和非农业户口差不多各占一半。被调查者中，有34%没有工作，26%从事农业工作，40%从事非农工作。只有13%的被访者是党员，有90%的被访家庭参加了至少一种社会保障。

      

      四、中国的贫困现状

      正如Meyer和Sullivan(2012)所说，要想准确地测量贫困，至少需要搞清楚3个问题，即贫困线是多少，如何比较不同家庭规模和人员组成情况下的收入，以及用什么指标来测量贫困。下文分别就这3个问题逐一讨论，阐述本文测量贫困程度的具体方法。

      (一)贫困线的设定

      本文考察的是绝对贫困，因此贫困线的设定基于绝对标准。我们采用的4种贫困线，分别是中国2009年与2011年的农村扶贫标准每人每年1169元和每人每年2300元，以及世界银行2008年设定的国际贫困新标准每人每天1.25美元，此外，为了对中国的贫困现状有一个更加全面的把握，我们还采用了更宽泛的国际贫困线每人每天3美元(Appleton et al.，2010)。为了使以上的贫困线更具有可比性，我们运用CPI(消费物价指数)和PPP(购买力平价指数)进行了双重调整。具体来说，首先将国内贫困线经CPI调整为2005年人民币数据，再用2005年PPP指数调整为2005年美元数据。也就是说，最终我们把贫困线都转换成以人均每天的美元收入(2005年美元标准)为单位。相应的，在数据中，我们也把收入都转换成了以2005年美元价格为标准的日收入。最后需要指出的是，由于我国2009年和2011年制定的扶贫标准都是相对于农村的收入水平，我国还运用两年的城乡居民消费物价指数计算了对应的城市贫困线，并都最终折算为美元数据，以与国际贫困线进行比较。由于城市的物价水平高于农村，因此城市的贫困线相比农村也略高一些。4条贫困线的具体值见表2。

      可见，我国2009年的贫困线非常接近于学术界常用的“1天1美元”的国际贫困标准(张全红、张建华，2010)，而2011年的贫困线标准则非常接近于“1天2美元”的标准。也就是说，我国2011年贫困线标准提高后实际已经超过了世行广泛使用的1.25美元每天的贫困标准。

      

      (二)按家庭规模和组成进行等值规模的调整

      下面我们说明本文如何对不同家庭规模和人员组成的收入可比性问题进行等值规模调整。CGSS的样本以家庭为单位，我们使用的是“家庭2009年全年总收入”这一变量。为了得到基于个人的收入数据，需要根据家庭规模和组成计算个人的“平均”收入。在这里，“平均”的涵义需要认真分析。张全红、张建华(2010)在研究中国农村的贫困变动时，假设家庭收入在家庭成员内部平均分配，并且假设家庭规模对个人福利的影响不大。然而，忽略家庭规模和组成是不准确的，比如，当家庭内部的成员共享收入或共同消费时，需要区分三口之家以及夫妻两人组成的家庭，还需要区分家庭内的成人和儿童。这是因为不同的规模和组成会影响收入的分享，进而影响实际每个个体的生活水平。比如，一般认为，三口之家可能比夫妻二人的负担更重，因为正在上学的子女没有收入来源，却仍支出家庭收入。Gravemeyer、Gries和Xue(2010)在研究深圳的贫困状况时，考虑了住户规模的因素②，使用了Luxembourg的等值规模对家庭收入进行了调整，等值规模调整后的收入等于家庭总收入除以家庭人数的α次方。具体来说，根据Luxembourg的等值规模计算方法，如果家庭总收入为Y，家庭总人口数为N，则通过等值规模调整后的家庭人均收入为

。其中，α代表了家庭规模经济的程度(Biewen and Juhasz，2013)。如果没有家庭规模经济，则α=0。Gravemeyer、Gries和Xue(2010)把α取值为0.7，因此他们得到等值规模调整后的家庭收入可用如下公式表示：

      

      其中

代表每个家庭成员的收入水平，N代表家庭中共享收入的人数。这种方法虽然考虑了家庭规模的因素，但却没有考察家庭组成的影响。因此，为了更好地对不同家庭规模和家庭结构的收入状况进行比较，得到有关个人收入更精确的数据，本文除采用上述方法外，主要采用“OECD等值规模”调整CGSS的家庭人均收入。

      “OECD等值规模”是根据家庭不同组成调整家庭收入的工具之一，表示家庭每个成员分享家庭总收入的比重。Anyaegbu(2010)在分析税收和福利对家庭收入的影响时给出了“OECD等值规模”的简化算法。见表3。

      以上简化版本的“OECD等值规模”是由Hagenaars、De Vos和Zaidi(1994)率先提出的。它的涵义是，单独的成年人相比于夫妻二人的收入来说，需要更高的收入来维持相同的生活水平。而额外的成年人的加入则意味着该家庭需要更低的收入比重就能维持相同的生活水平。对于0到14岁的儿童来说，分享家庭总收入的比例更低了。比如，一个家庭所有共享收入的成员包括一对夫妻，两个12岁的孩子，孩子没有收入，夫妻带来的家庭总收入为每月10000元，那么这个家庭经OECD等值规模调整后的人均月收入应为：

      

      本文将分别采用“OECD等值规模”调整方法以及Luxembourg家庭规模调整方法对家庭收入进行重新计算。同时，我们在结果部分也会给出不经过等值规模调整的结果，进而阐明在贫困测量中进行等值规模调整的重要性和必要性。

      为了能精确的掌握家庭内部收入分享的情况，我们运用CGSS的问卷特征只考虑与被调查者经济共享的家庭成员。CGSS将家庭定义为由姻缘关系(夫妻)、血缘关系(父母子女等)和收养关系形成的基本社会组织，具有“同居共财”的特征。CGSS居民问卷中问到了有关家庭成员目前是否与您(被采访者)住在一起，以及经济上是否与您(被采访者)独立，通过其中“经济是否与您独立”这个问题能够看出家庭成员之间是否经济共享。因此，本文中，我们只关心经济上与被采访者不独立的家庭成员，而不关心是否与被采访者住在一起③。根据CGSS给出的经济共享的家庭成员年龄和上述“OECD等值规模”，我们可以计算出等值规模调整后的家庭人均收入，进而与给定的贫困线相比较，以测量贫困的现状④。

      (三)贫困的测量指标

      为了能够兼顾测量贫困的深度与广度，本文将采用Foster、Greer和Thorbeeke(1984)提出的F-G-T指数，也叫

指数。在收入离散分布下，该指数可以表示为：

      

      

      其中α表示贫困厌恶度参数(poverty aversion parameter)，衡量给予贫困人口中更穷的人口多大的权重。α越大，表示该指标给予贫困人口中越穷的人权重越大。n代表总人口规模，z代表贫困线，q代表贫困人口的数量，

代表每个贫困人口的收入水平。比如，当α=0时，即得到贫困发生率的指标，即全部人口中贫困人口的比例。当α=1时，得到平均贫困距的指数。贫困距衡量贫困的缺口，表示贫困人口相对于贫困线的收入缺口。当α=2时，得到平均平方贫困距的指数。平方贫困距衡量贫困的加权缺口，表示给予更穷的贫困人口更大的权重，权重是贫困距本身。

      可见，

只是测量了贫困的广度，而

和

还可以测量的贫困的深度，是更准确地测量贫困的指标。因此，本文的实证分析将分别采用这3个指标，用以测量我国的贫困程度。

      

      

      (四)贫困测量的结果

      在明确以上3个问题后，我们可以运用CGSS的数据测量出中国的贫困现状，具体结果见表4～表6，分别呈现了全国、城市、农村的贫困情况。为了方便结果的报告，以下的所有的贫困指标都在原始值的基础上乘以100。

      首先，以上结果显示，尽管改革开放以来我国的反贫困工作取得了巨大成绩，但考虑到我国庞大的人口基数，我国的贫困状况仍然不容乐观，反贫困工作仍需要进一步得到重视与落实。国内贫困线的提升使得3个贫困指数都进一步上升，在采用新的国内贫困线下(经“OECD等值规模”调整)，全国、城市和农村的贫困发生率分别为5.80、2.05和8.15，贫困距指数分别为1.80、0.99和3.01，平方贫困距指数分别为1.12、0.68和1.69。也就是说，在全国范围内仍然有5.8%的人口处于贫困状态。运用贫困距指数的公式(

)，我们可以计算出平均每个贫困人口的收入与贫困线的差距为0.6美元每天，占到了贫困线(1.8美元每天)的1/3⑤。也就是说，不仅有5.8%的人处于贫困状态，这些贫困人群的收入距离贫困线仍然有很大距离，要使他们摆脱贫困的总资金量仍然很大，显示出我国贫困现状的严峻。

      其次，不同的贫困线会显著影响绝对贫困的程度，无论用哪种贫困指标测量，无论全国、城市、农村的数据都支持这一论断。这说明当我们给出中国贫困率为多少时，必须要指明依据的贫困线是多少。以全国数据经“OECD等值规模”调整后的绝对贫困发生率为例，观察表4的第1、4、7列。将国内的两条贫困线和国际的两条贫困线按照高低进行排序后，发现贫困线越低，绝对贫困的贫困发生率、贫困距指数和平方贫困距指数也就越小：当贫困线为更宽泛的国际贫困线每人每天3美元，贫困发生率有11.96，贫困距指数为4.55，平均平方贫困距指数则是2.54；当我们把贫困线降低到我国的旧贫困线0.99美元，贫困发生率降低1.79，贫困距指数也降低到0.86，平方贫困距指数也随之下降到了0.64。这说明贫困线越低，全国有越少的人生活在贫困线以下。同时，为了使这些贫困人口摆脱贫困所需要的资金金额也就越小，这是符合直觉的。

      再次，观察经过不同“等值规模”调整后的贫困状况，可以发现，无论在全国、城市还是农村，无论使用哪一条贫困线作为标准，3个贫困指数的排序都是OECD等值规模调整＜Luxembourg等值规模调整＜未经调整，而且经“OECD等值规模”调整后的贫困指标几乎是未经调整的一半，这有力证明了在贫困测量中进行等值规模调整的重要性，也突出展示了本研究的价值。以城市数据为例，依据我国2011年的新贫困线每人每天1.93美元为例，观察表4的第3行。在以上背景下，如果只是用家庭人均收入来衡量家庭每个成员的收入水平(即总收入除以家庭人数)，则贫困发生率是最高的，有3.92；而若考虑家庭中的经济共享情况，给成员数目赋予0.7的权重，贫困发生率降低至2.29；更进一步，如果还能考虑到家庭内部成员构成的差异，即大人和小孩的收入和支出情况是不同的，因此维持同样生活水平的构成不同的家庭所需要的收入是有差异的，这样一来，贫困发生率又进一步降低，直至2.05，几乎是不进行家庭规模调整的一半。可见，已有的很多文献中单纯考虑个人收入而没有考虑家庭规模以及家庭资源共享等情况测量出来的贫困率实际上高估了中国的贫困水平，而且高估了将近一倍。

      最后，全国、城市和农村的贫困指数不尽相同，说明我国的城乡之间仍存在着较为严重的收入不平等。无论贫困线如何，无论采用何种“等值规模”进行调整，农村的贫困状况都比城市的更严重。比如，若将贫困线定在世界银行新规定的每人每天1.25美元，个人收入经“OECD等值规模”进行调整，农村的贫困发生率达到了3.96，城市的贫困发生率仅有1.08。如果采用更为宽泛的国际贫困线每人每天3美元，农村的贫困发生率上升至17.99，这说明有将近1/5的农村人口生活在贫困线之下。因此，我们认为，针对农村的反贫困政策刻不容缓，缓解我国的贫困状况的主要工作重心应放在农村。

      五、贫困的特征与影响因素

      (一)贫困人口的特征

      尽管上部分对于中国贫困状况的刻画和分析能够使我们感受到我国贫困现状的严峻，然而反贫困政策的制定和实施需要我们深入了解影响贫困人口的特征。比如，贫困人口多数失业吗，他们的受教育程度如何，他们主要集中在中西部地区吗？这些问题的答案都将帮助我们对我国贫困人口的情况有更深入的了解，进而能够制定更加有针对性的反贫困政策。本部分将对不同人群的贫困程度做细化的分组分析，按照一些可能影响贫困的因素分组，包括受教育程度、工作性质、所属地区等维度，探求哪些人群更容易贫困，展示出较为完整的我国贫困轮廓图(poverty profile)。

      根据CGSS提供的数据，我们按照以下维度进行分组计算不同人群的贫困指标。

      家庭规模——影响一个家庭是否贫困的家庭因素主要体现在其规模上。这里我们将上部分提到的经济共享的家庭成员计入一个家庭之内。例如，某家庭常住人口有6人，但其中有2人虽与其他家庭成员居住在一起，却与他们经济独立；同时有1人虽与其他家庭成员不居住在一起，但却与他们经济共享。此时，该家庭的家庭规模为5人。家庭规模影响一个家庭的贫困发生率的渠道主要有两个方面：第一，家庭规模越大，可能意味着收入来源越多、家庭总收入越多，因此更不可能陷入贫困；第二，家庭规模越大，则平均意义上每个成员能够享受到的收入就越低，因此更有可能陷入贫困。然而，以上两种相反力量的原因究竟哪一个占优，我们将在实证分析结果中寻找答案。

      家庭人力资本状况——家庭成员的人力资本状况也将通过影响一个家庭的收入状况而影响该家庭的贫困发生与否。本文我们将家庭人力资本状况分解为家庭中有劳动收入的成员个数，以及家庭平均受教育年限。CGSS询问采访者“您家去年(2009年)有劳动收入的家庭成员一共有几人(包括您自己)？”从而其数据直接给出家庭的劳动力状况。然而，有关家庭成员的受教育年限，CGSS的问卷仅仅涉及了被采访者、其配偶(如果有的话)、其父母的最高教育水平⑥，因此，我们根据被采访者及其配偶和父母的受教育年限，来计算家庭中主要劳动力的平均受教育年限。

      

      

      家庭主要劳动力的就业状况——由于数据所限，家庭主要劳动力在这里指被采访者⑦。被采访者的工作状况可以分为3种情况：目前没有工作，目前务农和目前从事非农工作。我们认为主要劳动力的工作性质将影响一个家庭是否陷入贫困。一般而言，从事非农工作意味着有较为稳定的工资收入，因此贫困发生的概率也较低。

      家庭的地区分布、政治地位和福利状况等结构性社会特征——被调查家庭所在地区(东部、中部、西部)、家庭主要成员中是否有共产党员、家庭主要成员是否参加了社会保障项目(无论是城市基本医疗保险/新型农村合作医疗保险/公费医疗，或城市/农村基本养老保险，均被认为是社会保障项目而不区分类别)，这3个指标构成了这一类社会特征。需要说明的是，一个家庭中的被采访者、其配偶、其父母这些主要家庭成员中，只要有一人是中共党员，便将该家庭视为有党员的家庭；同样，主要家庭成员中只要有一人参加了社会保障项目，就认为该家庭参加了社保而享有福利。一般认为，东部地区的家庭有更低的概率会陷入贫困，因为东部享有较为发达的经济环境。党员身份和社会保障情况在一定程度上体现了一个家庭主要成员的社会地位，因此预期也将影响家庭的贫困发生率。

      选择上述我们认为可能影响家庭是否发生贫困的变量，是基于劳动力市场的需求和供给方面，以及特定的家庭特征和结构性社会特征的考虑。下面我们给出按照这几个维度分组后不同人群的贫困状况，即完整的贫困轮廓图(poverty profile)。

      观察这3张表可以发现不同组间的贫困状况差异。

      首先，按照国家统计局分省份、年度数据划分的三大地带——东部地区、中部地区和西部地区对家庭进行分类⑧。结果发现，东部地区家庭的贫困发生率、贫困距指数和平方贫困距指数都是最低的；相反，西部家庭的贫困发生率、贫困距指数和平方贫困距指数则在这3组家庭中最高。这个结论不受是否进行等值规模调整的影响。因此，反贫困的政策应该更加倾向于西部的贫困人口，这样才能缩小东西部地区的贫富差距。

      同时，上述表格中还有一个发现值得注意。尽管东部地区的贫困状况相对较好，但是东部赤贫人口的比例却并不少。具体来说，如果观察贫困线为1美元的结果，可以发现经过OECD等值规模调整后东部的贫困状况与中部地区并无明显差异，都近似为1%。也就是说，尽管东部地区在较高贫困线(如3美元)以下的比例较小，但是其中的贫困人口有很多在赤贫线以下。这就需要政府在制定反贫困政策时要区别对待，不仅要认识到不同区域间的差异，也要看到区域内部的贫困差距，以最大限度的帮助贫困人群。

      

      第二，从经济共享角度来看，进行等值规模调整不仅影响着贫困程度，还会影响贫困结构。具体而言，如果不进行等值规模调整，人口多的家庭贫困率越高。以1美元为贫困线为例，6人以上家庭的贫困率在未经调整时为6.85%，在3组家庭中最高，但是经OECD等值规模调整后降为1.65%，甚至低于3～5人家庭的平均贫困率。这说明由于家庭规模经济的存在，人口多的家庭贫困程度未必像我们想象的那样严重。

      第三，按照家庭中劳动力成员的数目，将1～2人、3～5人、6人以上的家庭分为不同的3组，结果发现，劳动力成员数的增多会降低贫困的程度和概率，这在经过OECD等值规模调整的结果中尤为明显。这说明劳动收入的增加是中国家庭摆脱贫困的重要途径，劳动力市场在收入分配中起到了主导性作用。这也可以进一步解释家庭规模的效应。虽然家庭规模的影响渠道不唯一，但劳动力成员数却可以从侧面反映一个家庭的人力资本状况。当家庭中可以成为收入来源的成员越多时，我们可以认为该家庭的人力资本越多。即使更多的人口进一步平摊总收入，这一效应也无法超过总收入增加的效应，从而使家庭的贫困状况好转。

      第四，家庭平均受教育年限的增加使得家庭的贫困状况得以好转，无论是从贫困发生率、贫困距指数还是平方贫困距指数来看都是如此，证实了人力资本理论中所强调的教育对提高收入的重要性。

      第五，按照家庭主要劳动力(即被采访者)的工作情况分组，可以看出无工作者、农业工作者和非农工作者之间的贫困差异。3组家庭中，农业工作者的贫困发生率、贫困距指数和平方贫困距指数的值都最高，非农工作者的3个指标的数值都最低；而值得注意的是，无工作者的贫困情况并不是最糟糕的。一般认为，失业的状态应该对应一个更高的贫困发生率；统计分析的结果却与此相反。这也许与CGSS调查的问题有关，CGSS只是询问了被采访者是否工作以及是否为非农工作。然而，在不工作的人群中，我们无法区分是失业还是退出劳动力市场。失业是指无工作，且主动寻找工作的状态。也就是说，失业人口只是一部分的无工作的人口，还有一部分不工作的人群并不在劳动力市场中，如退休人员等。这也许能够解释为什么无工作者的贫困状况反而比农业工作者稍好：也许是因为被采访者属于正常的退休而仍获取退休收入、被采访者并未工作但却有房租等收入来源，或者被采访者的家庭中其他成员有足够的收入来源等。然而，需要强调的是这两组家庭的贫困率差不多，但非农工作者的贫困率要远远低于前两组家庭，因此劳动力的非农工作对于反贫困的重要性不言而喻。

      第六，按照被采访者的党员身份进行分组，结果发现党员的贫困发生率、贫困距指数和平方贫困距指数都远远低于非党员，说明党员身份代表的家庭政治地位与陷入贫困的概率成反比。其中的影响机制多种多样，比如党员更有可能从事非农工作、所接受的教育水平可能更高，或除工资之外的福利更多等等。更准确地讲，党员身份所代表的也许是更高的政治地位，从而使得贫困显现出一种社会结构性特征。

      第七，如果按照家庭是否参加某种社会保障(城市基本医疗保险/新型农村合作医疗保险/公费医疗，或城市/农村基本养老保险)来给家庭分组，结果是：有社保的家庭相比于无社保的家庭来说，贫困发生率、贫困距指数和平方贫困距指数更高。虽然二组数值相差不大，但是根据经济学常识，预期的结果应该是有社保的家庭的状况更好，陷入贫困的概率更低。然而，描述性统计的结果却是相反的，这值得我们在后面的计量分析中更详细的讨论。

      综上而言，分组进行贫困状况分析是有必要的。想要有的放矢地制定和实施反贫困措施，就需要知道到底是哪一组人群或家庭的脱贫需求更急切。结果显示，东部地区的贫困状况好于西部，家庭中就业的数量、人力资本情况、党员身份都会起到降低贫困程度的作用。此外，等值规模调整对贫困结构的影响并不明显，无论是否进行调整上述结论都是成立的。唯一的影响在于经等值规模调整后人口多的家庭贫困程度明显降低了，甚至低于中等规模家庭的贫困率。

      当然，以上分析只是逐一考察了不同维度上的贫困情况，并没有在控制其他变量的情况下分析某一因素对贫困的影响。为了更科学地分析不同因素对家庭贫困程度的定量影响，需要借助计量分析和多元回归模型，这正是下一节我们将要做的工作。

      (二)影响贫困的因素——计量分析

      我们使用logit模型分析上述变量对于家庭是否陷入贫困概率的影响，并使用tobit模型分析这些变量对于贫困家庭的人均收入与贫困线距离(即贫困距)的影响。需要强调的是，由于遗漏变量和内生性的问题，本文计量分析的目的并不是要探究某一变量对家庭贫困程度的绝对因果关系，而是要分析在控制其他变量的情况下不同因素对家庭贫困的影响程度。在描述计量结果时，我们也会比较谨慎地尽可能避免用绝对因果关系的语言描述。以下的分析中家庭的人均收入经过了“OECD等值规模”的调整。解释变量共有10个，见表10。

      

      以上10个解释变量组成的向量记为X。首先，第一步的logit模型如下：

      

      其中，Y代表家庭是否陷入贫困的虚拟因变量；β为系数向量。我们分别使用国内和国际的4条绝对贫困线作为判断家庭是否贫困的标准，用logit模型进行回归得到的主要结果如表11。

      估计结果表明，无论用哪一条国内或国际贫困线作为临界值区分一个家庭是否贫困，影响家庭贫困概率的因素大多显著，并且其符号与描述性统计得到的基本相符。

      回归结果再次印证了劳动收入对一个家庭脱贫的重要性。无论采用哪条贫困线，当控制家庭总的共享人口数后，家庭中劳动力数量越多，贫困的概率就越低。从家庭中主要劳动力的具体工作情况来分析，以农业工作者为基准组，在国内新贫困线下，无工作者比农业工作者的贫困概率低0.0214，非农业工作者比农业工作者的贫困概率低0.0645。如前所述，“无工作”并不等同于“失业”，且情况复杂，因此，我们更关注非农业工作和农业工作之间的差别。非农业工作相比于农业工作来说，收入来源更稳定，并且报酬更高，因此对于缓解贫困状态的效应是显著的。从劳动力供给角度看，家庭的人均教育水平对摆脱贫困也至关重要。家庭的人均受教育年限每增加1年，贫困的概率降低0.016。家庭成员的教育水平可以部分体现劳动力的质量。高收入的劳动力市场需要就业者具备高水平的知识技能，这可能带来家庭收入的成倍增长，从而摆脱贫困的状态。这与前人的研究结论是一致的，即提高教育水平会显著降低贫困(Song，2012)。

      地区特征对贫困的影响也是显著的。按照东、中、西部来分类，以中部地区家庭为基准组，结果发现，在新国内贫困线下，东部地区家庭的贫困发生概率较之中部地区低0.0144，西部地区家庭的贫困发生概率较之中部地区高0.0101。然而，我们发现当采用较低贫困线时(如1美元)，东部地区的贫困状况并没有显著比中部好，这说明东部地区赤贫的人数仍然较多。按照城乡分类来看，户口类型对贫困的影响仍然非常大，城市户口的家庭比农村户籍家庭贫困的概率要小0.046，可以看出我国城乡分割的劳动力市场仍然很突出。

      家庭的结构性特征对于贫困发生概率的影响也是显著的。党员身份和社保项目参与者的贫困发生率显著更低。如前所述，党员身份更多的是政治地位的代表，与此相关的影响机制，如更高的受教育水平、更有可能从事非农业工作，和更高的工资外福利，都可以用来解释党员比非党员的贫困发生率更低。此外，与描述性统计的结果相反，家庭参加社保项目会降低贫困发生的概率，且影响显著。也就是说，在控制了其他变量的情况下，参加社保还是与贫困率负相关。

      

      其次，我们使用标准的tobit模型分析上述各解释变量对家庭人均贫困缺口的影响。之所以选用tobit模型，是因为对于非贫困家庭来说，缺口值为0，因此因变量是断尾数据，正是tobit模型所适用的范畴。该模型如下：

      

      

      其中，X仍代表解释变量向量；Y是受限因变量，由经OECD调整的家庭人均收入

和所选取的贫困线z决定；β代表系数向量；ε为误差项。模型回归得到的主要结果如表12。

      可见，所有变量的回归系数的符号和显著性与logit模型得到的结果一致。也就是说，地区因素、劳动力成员数、平均受教育年限、主要劳动力的工作情况、党员身份、是否参加社保项目和户口属性不仅会影响一个家庭是否贫困，还会影响一个家庭到底有多贫困，即贫困缺口的大小。贫困缺口越小，意味着要使一个家庭摆脱贫困所需要的资金投入越少。

      本文运用CGSS2010年的数据详细分析了我国贫困的现状、贫困的特征与影响因素。通过详尽的数据分析，我们得出如下主要结论。

      第一，在测量我国贫困状况时，按照家庭的组成规模和人员结构而进行等值规模调整是非常必要的，已有的很多文献中单纯考虑个人收入而没有考虑家庭规模以及家庭资源共享等情况测量出来的贫困率实际上高估了中国的贫困水平，而且高估了将近1倍。

      第二，尽管改革开放以来我国的反贫困工作取得了巨大成绩，但是经“OECD等值规模”调整后的贫困率仍然达到5.8%，贫困状况仍然不容乐观，反贫困工作仍需要进一步得到重视与落实。以13亿人计算，我国仍有7500万人处于贫困状态下，日收入不及每天2美元，年收入不及2300元人民币。

      第三，从贫困的特征和影响因素看，地区特征对贫困的影响仍然是显著的。按照东、中、西部来分类，西部的贫困最为严重，但是东部地区的赤贫现象也不容忽视。按照城乡分类，农村的贫困显著高于城市。也就是说，从地域特征看，中国穷人最多的地方依然是中西部的贫困乡村。

      第四，数据分析再次印证了劳动收入对一个家庭脱贫的重要性。根据CGSS家庭收入具体来源的数据，我们计算了家庭中劳动收入占总收入的平均比例，为93%。可见，增加家庭的劳动收入是帮助其摆脱贫困的重要途径。从贫困人口的特征以及贫困的影响因素来看，就业，仍然是民生之本，家庭成员的就业数量与质量直接决定着家庭的经济情况，对家庭贫困状况影响显著。例如，家庭中劳动力数量越多，人均受教育年限越多，越可能摆脱贫困。从就业属性来看，农业的收入仍然最低，农业从业者最容易贫困，而非农就业会大幅度降低贫困的概率和程度。

      因此，本文认为，应该尽可能的发挥劳动力市场的作用，提高贫困人口的劳动所得。从劳动力需求角度，充分发挥民营经济作用、为穷人创造更多的就业岗位；通过农业补贴以及增加非农就业的方式提高农民收入，并给予中西部的农村以特殊照顾。从劳动力市场供给的角度，可以看到贫困人群无法进入到高收入的劳动力市场是由于他们不具备该市场的企业所要求的知识技能与就业能力。因而，普及基础教育、加强对贫困人群的职业技能培训是减轻贫困的重要手段。

      作者感谢北京师范大学经济学研讨会上邢春冰教授、杨澄宇教授等专家学者对本文提出的宝贵建议。

      ①只有少数几篇文献在研究个别省份或者我国20世纪90年代贫困问题时采用了不同住户规模的等值调整，但也只是考虑了人口规模，并没有考虑具体的人口的组成，包括Mcculloch和Calandrino(2003)在四川的研究，Gravemeyer、Gries和Xue(2010)针对深圳贫困状况的测量，Zhang和Wan(2006)以及Osberg和Xu(2008)运用1995年CHIP数据对全国贫困状况的测量等。

      ②住户(household)是指人们居住在同一住所中，而家庭是指成员之间具有血缘或姻缘关系。

      ③亦即，本文所采用的共享经济资源的单位为“家庭”，但是此“家庭”的涵义更为具体，即经济上与被采访者不独立的家庭成员。我们之所以用家庭(family)而非住户作为共享单位，因为家庭内部的收入共享更加普遍。由于我们界定的贫困是指收入不足以满足基本生活需要的状态，因此以家庭为单位能更加准确地反映每个个体的可支配收入情况，进而更准确地测量贫困水平。

      ④在运用等值规模调整进行贫困测量的文献中，大致采用以下两种不同的方法。第一种方法是调整贫困线，而不调整每个家庭的实际收入。具体来说，运用等值规模因子把贫困线按照不同家庭规模分别计算出来，然后再把每个家庭的收入与该家庭规模对应的贫困线相比较，如果低于贫困线则为贫困(Zhang and Wan，2006)。第二种方法则恰恰相反，即不调整贫困线，而调整每个家庭的实际收入。也就是固定贫困线，但是把每个家庭的人均收入按照等值规模因子进行调整，得到具有可比性的家庭收入，然后再把该收入与给定的贫困线相比较(Osberg and Xu，2008；Gravemeyer，Gries and Xue，2010)。本文采用的是第二种方法。两种方法本质上是一致的，无优劣之分。

      ⑤设贫困线为z，则根据上文公式(3)，可以推导出平均每个贫困人口的收入与贫困线的差距，即平均贫困距为(P[，1]/P[，0])z。

      ⑥教育水平选项包括：没有受过任何教育、私塾、小学、初中、职业高中、普通高中、中专、技校、大学专科(成人高等教育)、大学专科(正规高等教育)、大学本科(成人高等教育)、大学本科(正规高等教育)、研究生及以上。

      ⑦因为CGSS调查对象为家庭，而被采访者的年龄在18岁到55岁的比例高于70%，因此可以将其视作主要劳动力。

      ⑧东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆。

标签：贫困线论文;  贫困人口论文;  中国贫困标准论文;  农村人口论文;  中国现状论文;  人口问题论文;  中国人口论文;