中国贫困测度的多维方法和实证应用，本文主要内容关键词为：多维论文,实证论文,中国论文,贫困论文,方法论文，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。
修回日期：2015-05-25 中图分类号：F061.3 文献标识码：A 文章编号：1002-9753(2015)07-0029-13 贫困的识别和贫困指数的构建是长期以来贫困分析的关键。贫困的识别是贫困指数构建的基础，早期对于贫困的识别主要是依据家庭收入的高低，根据个体理论上的最低生存需求来确定收入贫困线，如世界银行确定的一天一美元的极端贫困和一天两美元的贫困标准[1]。后来，理论界有人提出贫困应该表现为福利的缺乏，而一些福利的获得决定于其收入水平，另一些福利如公共产品的享用等，则与货币变量无关[2]。可见，福利是个多维概念，除由收入水平决定外，还包含了公共产品的提供、基础教育的普及和医疗救治的可获得性等众多方面。因此，学术界对贫困的识别开始从单维的收入角度转向多维的福利角度。近年来，一些研究机构和国际组织开始构建和发布包含多维信息的指数，如1996年联合国开发计划署(UNDP)在《人类发展报告》中提出的能力贫困指数，用三个指标构成的一个综合指数来衡量个体能力缺失的程度。1997年UNDP对前者进行了改进，提出了人类贫困指数(Human Poverty Index)，包含生存指标、知识指标和体面生活标准的指标等三个维度的信息[3]。目前，从多维角度研究贫困已经成为学术研究的主流，对多维贫困的度量成为近年来贫困研究的焦点。 国际上对多维贫困指数的构建有多种方法，如Cheli等提出的克服贫困线界定中随意性的模糊集方法[4]、Bourguignon等提出的公理化方法[5]、Ramos等提出的投入产出效率方法[6]、Lugo等提出的基于信息理论的方法[7]、Alkire等提出的“双界线”方法[8]。邹薇、方迎风对此进行了归纳和总结[9]。其中，“双界线”方法得到了广泛的应用，它首先选择每个维度的贫困线以确定个体在各个维度的贫困状况，然后选择维度贫困的临界值，将一个或多个维度处于贫困状态的个体确定为贫困者。 在中国，目前采用多维度能力方法测度贫困的研究越来越多，但仍然存在一些缺陷，如对贫困家庭的识别不够科学，对维度和指标的选择有待改进。特别值得说明的是，国内按“双界线”方法测算的多维贫困指数也只是一个粗泛的统计，不能测算多维贫困的深度和强度，就如同收入贫困中的贫困发生率指数不能体现贫困的深度和强度一样。 本文试图分析近20年来中国多维贫困的广度、深度和强度。与现有文献相比，本研究具有以下特点：首先，本文通过计算家庭的加权缺失得分(weighted deprivation status score)来识别多维贫困家庭，而国内文献中往往通过计算贫困指标数的方法来识别，后者包含了指标等权重的不合理假设。其次，在维度选择上，加上了青少年生活条件和成人就业两个维度。青少年是家庭的希望，也是贫困家庭摆脱贫困的希望，如果一个贫困家庭的青少年享受不到或不愿参加国家的义务教育体系，过早辍学，外出打工(童工)，则很难阻止贫困的代际传递。就业是家庭获取收入的主要途径，如果一个家庭中全部或部分劳动力长期失业或在非正规部门就业(即所谓的“灵活就业”)，则该家庭陷入贫困的风险更高。因此，本文加上了这两个维度，更能反映贫困的长期性和陷入贫困的风险性。第三，分析了多维贫困人口的贫困缺口和不平等程度，即不仅测算了多维贫困的广度(H、
)，还测算了贫困深度指数(
)和贫困强度指数(
)，这有利于我们判断最底层贫困人口的福利变化。迄今为止，国内还没有学者进行上述分析。 二、分析方法和数据说明 (一)贫困的识别 现有文献中关于多维贫困人口的识别一般有四种方法：单维方法(the unidimensional approach)、并的方法(the union approach)、交的方法(the intersection approach)和“双界线”方法(the dualcutoff approach)。其中，“双界线”方法使用最广，由Alkire和Foster(2011)提出，一般也称为AF方法。“双界线”方法包括两个临界值：一是每个福利指标上的临界值，用来判断个体在该指标上是否贫困；二是缺失得分的临界值，通过计算个体在所有指标上的缺失得分，再同该临界值比较，用来判断个体是否属于多维贫困。其实，并的方法和交的方法是“双界线”方法的两种极端情况。本文将采用这种方法，通过计算家庭的加权缺失得分来识别多维贫困家庭。 (二)贫困的加总指数及其性质 通过“双界线”方法对贫困加总和计算贫困指数，实质上就是把F-G-T贫困指数(Foster，Greer和Thorbecke于1984年首先提出，后被人们简称为F-G-T指数[10])原理从单维空间拓展到了多维空间，因此，所计算的加总贫困指数具有一系列良好的特性。本文具体包含以下四种指数： 1.贫困发生率(H)。这个指数衡量了多维贫困的广度，即多维贫困人口占总人口的比例。H=q/n，q表示多维贫困人口的数量，n表示总人口的数量。 2.人均贫困指数(
)。也称为调整的多维贫困人头指数(adjusted headcount ratio)，包含了贫困的广度和贫困人口的缺失宽度(the breadth of deprivation)的信息，即
=HA，A表示贫困人口的平均缺失份额。如果用10个指标来表示福利状况，A=0.5，则贫困人口平均在5个指标上缺失。 3.贫困差距指数(
)。该指数进一步包含了贫困人口缺失的深度(the depth of poverty)的信息，即
=HAG，G表示贫困人口在福利指标上的平均缺失深度，也就是贫困人口在贫困指标上的实际水平与临界值之间的差距(gap)。例如，假定教育年限的临界值为9年，个体的实际教育年限为6年，则教育年限的贫困距为(9-6)/9=33%。个体在所有指标上的缺失深度的加权和，就是该个体的多维缺失深度。所有个体的多维缺失深度的平均值，就是样本总体的多维缺失深度。 4.加权贫困差距指数(
)。该指数包含了贫困人口内部的福利差距即贫困的强度(the severity of poverty)的信息，对更贫困的人口赋予一个更高的权重，即
。 以上指数中，H、A、
的计算方法参见Alkire S.and Foster J.(2011)，
、
的计算方法参见Roberto Carlos Angulo Salazar，Batriz Yadira Diaz和Renata Pardo Pinzon(2013)[11]。 本文采用的四个贫困指数满足一系列公理性的特征，如缺失聚焦性(deprivation focus)、单调性(monotonicity)、可分解性(decomposability)、复制不变性(replication invariance)和对称性(symmetry)，便于对多维贫困进行跨期、跨区域的对比分析，也便于按指标和人口进行分解。 (三)分析对象的选择 鉴于调查样本的数据和维度指标的性质，我们以家庭而不是个人为分析对象。因此，某一指标上的缺失会同时发生在家庭所有成员中。例如，对于儿童入学指标，当家庭中的某一儿童辍学时，那么该家庭在该指标上处于缺失状态，不仅该儿童在该指标上缺失，而且家庭所有成员均在该指标上缺失。之所以以家庭为分析对象，主要原因有三点：一是以家庭为对象来处理数据更加便利。在众多指标中，一些指标如住房、用电、饮用水等是针对家庭所有成员的，应该以家庭为分析对象，另一些指标如儿童入学、成人教育年限等专对家庭中的不同成员，理论上讲应该以个人为分析对象，但调查样本数据(CHNS数据)难以分开处理。二是我国的反贫困政策主要是针对家庭而非个人的，如最低生活保障制度、廉租房制度和医疗救助制度等都是以家庭为对象来瞄准和救助的。三是家庭成员总是作为一个总体来决策、行动和应对外部冲击。例如，当家庭的户主由于疾病而失业时，青少年可能会辍学，过早进入劳动力市场。 (四)指标体系、权重和缺失临界值 1.选择依据 多维贫困理论起源于Sen的能力贫困体系，因此在维度和指标选择上侧重于强调家庭和个体的能力和功能，但学术界对具体的选择标准和指标体系并无定论。本文在选择维度和变量时基于以下几种考虑。 首先，参考了国际机构所发布的贫困指数中常用的变量，如联合国提出的人类发展指数(HDI)和人类贫困指数(HPI)、世界银行提出的人类机会指数(HOI)中所采用的维度和变量。 其次，参考了国内外学术界常用的变量，如AF贫困指数的3维度10变量(Alkire，S.and Foster，J.，2007)、邹薇和方迎风(2011)的3维度8变量[12]、高燕云和马瑜(2013)的3维度9变量[13]。3个维度一般是教育、健康和生活水平三个方面，细分的指标和变量则略有不同。 第三，考虑到了变量对经济发展政策的敏感性。为了评估经济发展和反贫困政策的效应，所选择的变量应该对政策比较敏感。 第四，考虑到了数据的可获得性。我们用“中国健康与营养调查”(CHNS)数据来进行实证分析，所选变量必须包含在CHNS数据中。 最后，特别强调的是，为了反映家庭中贫困代际传递性和就业对家庭福利的重要影响，我们加入了“儿童和青少年生活条件”和“就业”两个维度，以往国内的分析都忽略了这一点。 2.指标体系 按照上述原则，我们选择了5个维度共12个指标，具体如下： (1)教育维度(dimension of household education conditions) 指标1：教育成效(education achievement)。用家庭中16岁以上成员的平均受教育年限来表示，但不包含学前教育时间。由于我国1986年已开始实施9年制义务教育，因此教育成效的缺失临界值(贫困线)为9年。另外，如果家庭中没有16岁及以上成员时，也被认定为在教育成效上处于缺失状态。 (2)儿童和青少年生活条件(dimension of childhood and youth condition) 指标2：青少年入学率(school attendance)。用家庭中6岁-16岁青少年入学的比例来表示，如果该家庭中只要有一个6岁-16岁青少年辍学，则被认为处于缺失状态；如果该家庭中没有6岁-16岁成员时，则认定在这个指标上没有缺失。 指标3：幼儿入托(access to childcare services)。用家庭中3岁-6岁幼儿进入托儿所或幼儿园的比例来表示，一个家庭中只要有一名3岁-6岁婴幼儿没有进入托儿所或幼儿园，则该家庭在这个指标上处于缺失状态。 指标4：童工问题(children not working)。用家庭中12岁-16岁成员没有参加工作的比例来衡量，只要该年龄段成员中有一人参加工作，那么该家庭在这个指标上处于缺失状态。 (3)就业维度(dimension of employment) 指标5：没有长期失业(absence of long-term unemployment)。用家庭经济活动人口(economically active population)中失业时间超过1年的人口的比重来衡量。只要家庭家庭经济活动人口中有一人处于长期失业状态，则该家庭在这个指标上缺失。如果该家庭成员中没有经济活动人口(退休金领取者除外)，也被认定为在这个变量上处于缺失状态。 指标6：正规就业(formal employment)。国内外一般把在能够提供全面社会保险的单位就业称为正规就业，但CHNS数据中只有就业单位类型的信息，因此我们把在政府机关、国有事业单位或研究所、国有企业、三资企业的就业界定为正规就业，在私营、个体企业就业界定为非正规就业。 (4)健康维度(dimension of health) 指标7：健康保险参保率(health insurance coverage)。用家庭成员中参加医疗保险的人口比重来表示。前面我们考虑到了0岁-6岁婴幼儿的照料和入托情况，这里只分析6岁以上成员的医疗保险，只要家庭中有1个6岁以上成员没有参加政府提供的医疗保险，则该家庭在这个指标上处于缺失状态。 指标8：医疗服务的可获得性(access to health in case of need)。用家庭成员中患病后能够在正规医疗机构就医的人员的比重来表示。所谓正规医院是指社区卫生服务站、乡计生服务机构、乡医院、县市及以上医院等。另外，如果家庭成员最近没有患病，该家庭在这个指标上就没有缺失。 (5)公共服务和生活条件维度(dimension of access to public utilities and living conditions) 指标9：干净饮用水(access to improved drinking water)。如果家庭不能使用室内或院内自来水的，或者井水深度超过5米的，则该家庭在这个指标上处于缺失状态。 指标10：排污设施(adequate elimination of sewer waste)。用厕所类型来衡量，如果不能使用室内冲水或者室内马桶，则该家庭在这个指标上处于缺失状态。 指标11：清洁做饭燃料(clean cooking fuel)。如果家庭常用的做饭燃料为清洁燃料，如液化气、天然气、电等，则为非贫困，否则为贫困。 指标12：居住不拥挤(no critical overcrowding)。用人均住房面积来表示，很多城市把人均住房面积15平方米以内作为申请廉租房或公租房的标准，因此我们用人均居住面积12平方米作为这个指标的缺失临界值。 对于各维度和指标的权重的确定，并无统一明确的法则，参考大部分文献，我们采用维度等权重方法，即各维度是等权重的，每一维度内部的指标也是等权重的。对各维度赋予相同的权重，意味着各维度对于家庭的福利来讲是同等重要的。但是，由于各维度内部的指标数往往不同，因此不同维度的指标的权重通常也不同。 综合以上分析，本文所采用的变量体系总结如表1所示。
4.临界值k的确定 多维贫困指数的高低在很大程度上取决于临界值k的大小，k取值越大，贫困指数(
)越低，而缺失份额(A)越高。k实质上就是家庭的缺失得分的临界值，当家庭的缺失得分超过这个临界值时，就被认定为贫困，否则为非贫困。理论上看，k可以在0%～100%之间变化，当k取0%时，所有家庭都被认定为贫困，当k取100%时，则没有任何家庭被认定为贫困。但是，理论界对k的取值并无非常严谨的方法。大部分学者根据经验判断，将k取值为1/3左右。例如，国内学者如邹薇、方迎风(2011)、高燕云等(2012)将k取值为1/3。 (五)数据来源和说明 本文选用我国官方公布的“中国健康与营养调查”(China Health and Nutrition Survey，CHNS)数据，这一调查由北卡罗来纳大学的卡罗琳娜人口研究中心和中国疾病预防控制中心营养与食品安全研究所共同组织。该调查分别于1989、1991、1993、1997、2000、2004、2006、2009和2011年，对家庭和个体的人口特征、经济、教育、医疗卫生以及营养健康等方面进行多阶段分层随机抽样，考虑到了全国地理环境、经济发展水平和人口分布等宏观因素，覆盖了中国西部、中部、东部和东北部地区，对全国总体状况具有较强的代表性，具有较高的权威性和可靠性。目前，对我国多维贫困的实证分析几乎都采用了CHNS数据。CHNS调查样本在2000年以前每年大约为3500左右个家户，总共约有15000个个体数据，2000年以后调整为每年大约4400户家庭，总共约19000个个体。在省份方面的调整中，1989-1997年调查样本为8个省，分别是辽宁、山东、江苏、河南、湖北、湖南、广西和贵州(1997年用黑龙江代替的辽宁)，1997年以后则将黑龙江和辽宁一起纳入调查，增加到9个省，每个省每年约有450～500个家户样本。2011年的调查新纳入了北京、上海和重庆三个直辖市，为便于对照分析，我们在计算2011年的贫困指数时没有把这三个直辖市包含在内。由于1991年及以后的调查才涵盖家庭人员医疗保险这一重要指标，因此本文选取1991年为起点，包含1991-2011年共20年时间。该数据库样本量较大，对相关维度上的缺失值和异常值的处理，采用了直接删除的方法。 三、计算结果 (一)各指标的贫困发生率 1991年，我国在很多指标上的贫困状况都比较严重。由于当时居住条件差，排污和做饭燃料的贫困发生率很高(超过了80%)。成人受教育程度低，初中辍学率高，医疗保险尤其农村医疗保险覆盖面小，这三个指标的贫困发生率超过了50%。另外，入托、失业、饮用水和住房指标上的贫困面超过了20%。贫困发生率唯一较低的指标是正规就业，在上个世纪90年代初，我国经济仍以公有制为主，个体、私营以及其他非正规部门比重不高，就业人员主要集中在国有和集体经济，尽管工资水平低，但正规就业比重很高。2011年，由于非公有制经济比重早已超过了公有制经济以及就业形式的灵活多样，正规部门的就业比重相对于1991年急剧下降，导致了正规就业的贫困发生率在所有12个指标中最高，达到了82%，同时失业指标的贫困发生率位居第二，达到41%。其他指标的贫困发生率较低，大多在20%以内。可见，2011年我国贫困的主要致因来自就业维度。 从动态变化看，1991-2011年间10个指标上的贫困发生率出现了下降，下降率在20%-90%之间。但是，失业和正规就业的贫困发生率分别上升了105%和1950%。本文的测算以家庭为统计对象，只要家庭中任一劳动力失业或者没有劳动力，则该家庭在失业指标上被界定为贫困，因此，2011年失业指标的贫困发生率高达41%，这意味着样本中41%的家庭至少有一个劳动力处于失业状态。这也说明，当前政府提高就业机会和正规就业比重，是反贫困的重要措施之一。 从城乡对比看，我国农村在11个指标上的贫困发生率，在所有三个计算年份中都要高于城市(见表3)。唯一例外的是失业指标，由于失业主要发生在城市，城市的失业保险、最低生活保障金等政策的覆盖面和标准都要高于农村，故城市在失业指标上的贫困发生率一直高于农村。
(二)多维贫困状况 1.全国总体的分析 图1描述了我国总体的多维贫困发生率的变化趋势，3条曲线分别代表1991年、2000年和2011年在k的不同取值(0.1-0.9)下的多维贫困发生率指数(H)。正如理论预期，3条曲线都向右下方倾斜，表明临界值k越大，H越小。当k≥0.7时，H接近于0，即贫困人口基本消失。除了k的少数取值外，后面年份的曲线落在前面年份的曲线的下方，这表明贫困发生率随时间推移而下降。 表4给出了当k取值0.3和0.4时全国总体的多维贫困发生率。1991-2011年间，当k=0.3时，H从81%下降到了63%，降低了18个百分点，下降率为22%。
图2描绘了在k的不同取值下我国多维贫困人口的缺失份额，3条曲线分别代表1991年、2000年和2011年。显然，k越大，缺失份额越高。除了k取0.1之外，后面年份的缺失份额都要略低于前面年份。 图3描绘了多维贫困指数
的变化趋势。由于
=H×A，随着临界值k的提高，H下降，A上升，因此各年份
随k提高而下降的幅度比H的下降幅度小。从3个年份的
曲线可以看出，2000年的曲线仅仅略低于1991年的曲线，并且在k取0.5、0.6、0.7时，2000年的
还要高于1991年，而2011年的曲线在k的所有取值下都要明显低于2000年，因此可以判断，我国多维贫困指数M[，0]的下降主要发生在2000-2011年间，1999-2000年的下降幅度很小。 2.城乡对比的分析 由于我国城乡之间经济社会发展水平的不平衡，城乡的多维贫困程度相差很大，因此有必要考察城乡之间的贫困差距。我们从H、A和
三个指数来进行城乡对比。图4和图5分别描绘了我国城市和农村多维贫困发生率的变化趋势，从图中可以看出，在k的任意取值下，农村的多维贫困发生率都要高于城镇，但无论城镇还是农村，后面年份的贫困发生率曲线总体上位于前面年份曲线的下方，这表明城镇和农村的多维贫困发生率都随时间递减。 表5列出了在临界值k=0.3时1991-2011年城乡的多维贫困发生率(H)。在考察期内，城乡多维贫困发生率都呈现下降趋势，但无论从绝对量还是相对率看，城镇的下降幅度要高于农村。从绝对量看，农村的多维贫困发生率在20年间下降了17个百分点，城镇下降了19个百分点；从相对率看，农村下降率为20%，城镇则为28%。
图1 k不同取值下中国总体的多维贫困发生率(1991-2011年)
图2 k不同取值下中国总体的贫困人口缺失份额
图3 k不同取值下中国总体的多维贫困指数
图4 1991-2011年中国城镇的多维贫困发生率 从城乡对比看，乡-城多维贫困发生率的差距，在考察期内先扩大后缩小，从1991年的18个百分点的差距扩大到2000年的24个百分点，然后下降到2011年的20个百分点，但2011年的乡-城差距仍比1991年高出2个百分点。乡-城多维贫困发生率的比率从1991年的1.26上升到2000年的1.42，2011年为1.40。 可见，1991-2011年间，无论从城乡各自的变化幅度还是从城乡对比看，乡-城的多维贫困发生率的差距是扩大的，农村多维贫困人口从经济社会发展和政府公共服务中的受益程度要小于城镇。
图5 1991-2011中国农村的多维贫困发生率
城乡贫困人口所遭受的缺失程度即缺失份额(A)见表6。不管从全国还是城乡看，2011年的缺失份额比1991年略有下降，全国从1991年的45%下降到了2011年的39%，即贫困人口缺失的指标数从1991年的5.4(12×45%)下降到2011年的4.7(12×39%)个。农村的缺失份额略高于全国平均水平，城镇则略低于全国平均水平，但城乡差别并不大。因此，尽管农村多维贫困人口的比例要比城镇高，但其缺失程度并不明显高于城镇，城乡多维贫困的差异主要来自贫困发生率H，而非缺失程度A。
由于多维贫困指数
可表示为H与A的乘积，而在1991-2011年间，全国以及城镇和农村的H明显下降，A则轻微下降，因此，农村、城镇以及全国的
指数也呈现比H和A更大的下降趋势，其下降率分别为30%、39%和32%，城镇的下降率高于全国平均水平，而农村则低于全国平均水平。乡-城之间
的比率也是扩大的，从1991年的1.29上升到2011年的1.47。可见，从
指数看，农村贫困人口从经济社会发展中的获利程度也要小于城镇。
综上所述，在考察期内我国农村的三个贫困指数都要高于城镇，虽然城市和农村的多维贫困状况都随经济发展而下降，但农村的绝对下降幅度和相对下降率都要低于城镇，从而导致了农村和城市之间多维贫困的相对扩大。 (四)贫困人口的贫困缺口及内部不平等 1.测量指数和计算方法 H、A和
指数反映了贫困人口的广度和缺失份额，但不能反映贫困人口的深度(贫困缺口)和强度(贫困人口内部的不平等)，因此，我们进一步分析了能够反映后者信息的两个贫困指数即
指数。
指数相当于在计算收入贫困时常用的3个F-G-T指数即
指数，后3个指数可以分别反映收入贫困的广度、深度和强度。
是在
的基础上再乘以多维贫困距G得出的(
=
G=HAG)，G表示多维的贫困距(poverty gap)，即贫困人口在贫困指标上的实际成效或福利相对于贫困临界值(贫困线)的差距，可以反映贫困人口相对于贫困线的缺口的大小或贫困深度(depth of poverty)。例如，在失业指标上，如果家庭有2个劳动力，其中1人失业，则贫困距为50%，如果2人均失业，则贫困距为100%。样本的贫困距G是针对的贫困人口的贫困指标的，且为相对值，即贫困差距相对于贫困线的比例。其计算分为两步：首先，计算每个贫困家庭的贫困距，为该家庭在所有贫困指标上的贫困距的加权平均值；然后，计算所有贫困家庭的贫困距的平均值，即得出样本总体的贫困距。
是在
的基础上乘以多维贫困距
为所有贫困家庭的贫困距的平方的平均值，相当于赋予更贫困的家庭更高的权重，因此，
进一步反映了贫困人口内部的贫困强度即不平等程度。 值得注意的是，不同于H和
指数，
的计算需要个人或家庭在各指标上的基数信息(cardinal information)，而不仅仅是定性的描述。本文的指标体系中，第5个维度中包含了饮用水、排污和做饭燃料等3个定性变量，因此在计算
时删除了这3个变量，相应的，住房面积指标的权重调整到0.2。 2.计算结果 从图6和图7中可以看出，多维贫困深度(
)和强度(
)都随临界值k的上升而下降。但是在两个图形中，1991年曲线和2000年曲线非常接近，并且相互交织，表明1991-2000年间
的下降幅度非常微小，即贫困人口的福利缺口和不平等程度没有得到改善。而2011年曲线在k的所有取值下都明显低于1991年曲线和2000年曲线，这说明2000年后的10年的减贫效果显著。
图6 1991-2011年中国的多维贫困深度(
)
图7 1991-2011年中国的多维贫困强度(
) 表8给出了在临界值k=0.3时我国总体的贫困深度(
)和贫困强度(
)指数。从表7中可以看出，1991-2011年间，我国的
都明显减轻了，分别下降了40%和37%。而同期我国的多维贫困发生率(H)和多维贫困指数(
)的下降率分别为22%和32%。这种对比表明，考察期内不仅多维贫困人口的比例下降了，而且贫困人口的实际福利水平相对于贫困线的缺口，以及贫困人口内部的福利不平等程度下降得更大。 表9和表10分别对
进行了城乡对比，可以发现，1991-2011年间城市和农村的
都发生了明显的下降。从绝对变化量看，农村的
指数都要比城市下降得多，但从下降率和乡-城比率看，20年间
指数在我国的城乡分布结构总体上稳定。
四、结论、政策含义与进一步的讨论 (一)结论 本文分析了1991-2011年间中国多维贫困的广度(H、
)、深度(
)和强度(
)，其计算结果在很大程度上取决于缺失得分临界值k的大小。但总体上看，分析结论对k的不同取值是稳健的：在k的不同取值下，多维贫困指数在1991-2011年间均是下降的。 我国多维贫困的下降主要发生在后半期即2000-2011年，1991-2000年间多维贫困仅发生了轻微的减少，并且在k的少数取值下还有所上升。2000年后，我国推行和完善了一系列惠民制度和措施，如农村新型合作医疗制度，新农村建设中的通水、改厕和危房改造等工程，这明显改善了农村家庭在健康和居住条件维度的贫困程度。城市社会保障投入的提高和廉租房的建设，也有效地改善了城市家庭的贫困状况。目前，这些民生和公共政策还在普及和加强。 不同指标上的贫困程度，其变化幅度相差很大。那些对公共政策不太敏感的指标，往往是长期性指标，变化缓慢，因此需要长期的关注和投入。例如，教育成效指标用家庭中16岁以上成员的平均受教育年限表示，2011年其贫困发生率仍高达41%，只比1991年降低了25%。另一些指标的贫困程度不降反升：由于市场化程度的提高和非正规就业比重的上升，失业和正规就业这两个指标的贫困发生率反而急剧上升，成为目前贫困的主要致因。例如，2011年非正规就业的贫困发生率为82%，在12个指标中位居第一，这意味着82%的家庭中至少有1名劳动力在非正规部门工作。 虽然城市和农村的贫困程度在考察期内均明显下降，但农村几乎在所有指标上的贫困程度都要高于城市，并且这种不平衡并没有缩小，反而扩大了。H、
、
的乡-城比率分别扩大10%、14%和4%，
仅缩小了2%。 考察期内贫困深度(
)和贫困强度(
)的下降率要高于贫困广度(H和
)的下降率，这表明贫困人口的贫困缺口及内部的不平等程度得到了改善，扶贫政策使得更贫困人口的福利得到了较大的提高。 (二)政策含义 首先，从能力贫困的12个指标看，目前失业和正规就业两个指标上贫困发生率最高，已成为多维贫困的主要致因。因此，在我国目前劳动力市场处于刘易斯拐点以及经济增长从高速向中高速转变的时期，政府要加强对劳动力的技能培训，增加正规就业水平，同时加强对非正规就业即灵活就业劳动力的保护。 其次，不管从绝对水平还是相对差距看，20年间我国多维贫困的城乡不平衡继续扩大，因此，农村地区尤其需要从多角度来加强扶贫工作的力度。在解决农村地区的温饱和普及义务教育后，应注重提高农村居民的生活质量，如加强自来水、排污、清洁燃料等工程建设。这应该成为农村扶贫攻坚和公共支出的重点。 (三)进一步的讨论 关于维度和变量。本文选择维度和变量的一个重要标准就是要能代表家庭的福利水平。随着经济社会的发展，人们的福利需求变化很大，因此要尽可能地把一些新指标纳入进来。例如，对于就业维度而言，就业的地点和环境、每天工作的时间、合同的类型等都会影响个体的福利水平，但由于CHNS缺乏这些数据，本文没有纳入这些变量。另外，人们的福利水平不仅与收入、住房等客观的物质因素有关，还与安全性、尊严、自由度等主观和心理因素有关，如何把这些主观和心理因素纳入多维贫困分析，也有待于进一步的探索。 关于权重。多维贫困分析中的一个核心问题就是如何确定维度和指标的权重，我们需要将家庭在各维度和指标上的缺失得分进行加权求和，然后才能识别出穷人和计算贫困指数。但是，迄今为止权重的确定并无公认的统一的方法。Decancq and Lugo总结了三种确定权重的方法：数据挖掘法(data driven approach)、规范法(normative approach)和混合法(hybrid approach)[14]，以上方法各有利弊。数据挖掘法首先要判别各维度或指标对于家庭福利水平的重要性，然后对比较重要的维度赋予更高的权重，但不适合动态分析，因为各维度和指标的重要性通常随时间而变化。另一方面，如果在每年都根据维度的重要性赋予不同的权重，那么不同年份的贫困指数就缺乏可比较性了。规范法认为各维度对于家庭福利都是同等重要的，因此对各维度赋予相同的权重，并且对维度内部的各指标也赋予相同的权重。这种方法相对简单，但缺陷是各维度内部的指标数往往是不同的，一个维度包含的指标越多，其内部每一指标的权重越小，否则越大。例如，本文的分析包含5个维度，每一维度的权重是0.2，教育维度包含了2个指标，那么每一指标的权重为0.1。公共服务和住房条件维度包含了4个指标，每一指标的权重为0.05。只有当各维度所含的指标数相差不大，并且当这些指标更能表示所在维度的福利水平时，这种局限性会减轻。混合法一般通过参与式调查来发现穷人的意愿(Voice of the Poor)，揭示穷人的显示性偏好(revealed preferences)，让穷人自己来决定个维度和指标的权重，但也不适合动态分析，并且存在个人偏好很难加总成社会偏好的问题。
标签：贫困人口论文; 中国贫困标准论文; 贫困问题论文; 城乡差异论文;
