资产与长期贫困——基于面板数据的2SLS估计，本文主要内容关键词为：贫困论文,面板论文,资产论文,数据论文,SLS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。
中图分类号：F323.8 文献标识码：A 文章编号：1002—6924(2013)09—050—058
一、引言
在人类经济社会发展的过程中，伴随经济持续增长，贫困程度在不断减轻。2012年初，世界银行更新的2008年全球贫困数据显示，以每天1.25美元消费标准估算出的发展中国家极端贫困人口为12.9亿人，占总人口的22％。据世界银行预测，即使到2015年全球将有10亿人处于严重贫困状态。在这种贫困下，人类的基本生存难以得到保障，缺乏食物、安全饮用水、医疗教育等基本权利，全世界每年有800万人死于极端贫困。[1]中国虽然实现了大规模的减贫，但是以2300元的新贫困线标准衡量的2012年贫困人口约1.29亿。在如此众多的贫困人口中，有一部分群体处于最严重的贫困状态，他们在一段较长时间或是一生中都处于贫困状态。借用Baulch和Hoddinott基于弗里德曼的持久性收入理论所界定的概念，我们可以称之为长期贫困者。[2]1长期贫困是一种持续多年的绝对贫困，更有甚者历经整个生命过程。一个生存在绝对贫困的人不能够满足食物、衣服和住所的最低需求。全世界长期贫困人口数量庞大，以每天一美元的消费标准估计，全球长期贫困人口大致在3亿到4.2亿之间，[3]70％的极端贫困的人口生活在发展中国家。中国大约有4000至6500万的长期贫困者。世界银行报告认为中国的极端贫困人数更多，以每天1.25美元消费的贫困标准计算，中国有1.73亿人生活处于极端贫困。经验证据表明，极端贫困的人群几乎享受不到经济发展的福利，整体式的扶贫策略也难以改善他们的处境。对于这些处于长期贫困中的人而言，除非生活和工作环境发生巨大的变化，否则很难从长期贫困中逃脱出来。长期贫困不仅是过去被剥削的一个状态，而且更容易引发贫困的代际转移，[4]这样的家庭是福利状况最差的群体，需要特殊的关注与扶持。
二、资产与贫困动态
Baulch和Hoddinott从弗里德曼的持久性收入理论出发，研究了经济发展动力和贫困动态之间的联系，将贫困动态划分为短期和长期两类。[2]24如何准确的区分长期贫困家庭需要综合全面的指标体系。大多数的贫困研究文献所采用的衡量指标是基于收入或消费的角度，这种指标随意性强，容易造成误差，不能够清晰地描述家庭层面复杂的返贫和脱贫过程。[5]一些学者发现从资产的角度更能全面客观地阐述家庭福利状况，而且资产在贫困动态中起到了核心的作用。[6]资产决定了商品和服务的可获得性，就像信贷、政治参与更多的面向有资本者，因为资本是民众获得公共话语权的标准，更多资产有助于提高社会地位。资产的水平能够基本反映福利水平。物质资本是财富的实体，而广义资产中的社会资本有助于维持福利的稳定。特别是在不存在健全的金融市场的农村地区，非正式网络和社会关系常常起着关键的替代作用。
资产与贫困动态的关系主要体现在两方面：资产积累是否有助于脱离贫困；资产损失导致家庭陷入贫困。资产积累是改善生计和摆脱贫困的重要手段。资产的累积能够降低脆弱性，而脆弱性是长期贫困和短期贫困的主要区分维度之一。拥有足够的资产存量及主要资产的累积轨迹，是家庭能否脱离贫困的重要因素。学者证实了耕地资产及生产性固定资产是脱贫的重要资产。[7]然而许多家庭无法积累足够的资产，这正是长期贫困的关键成因。资产积累是一个渐进过程，应当以资产数量、获得非农就业的能力，以及交易活动为基础。[8]
资产损失可能使家庭陷入贫困，有很多的文献关注健康对资产的冲击。在农村，疾病是陷入贫困的主要因素，它的影响包括对健康的直接损害、高昂的医疗费用甚至劳动力的死亡等。[9]健康冲击会引起贫困并带来高额负债，而高昂的利率禁锢了贫困家庭，这也说明了信贷市场失灵对脱贫的严重制约。[10]当面临风险时，不能够获得更好的信贷渠道的家庭只能迫使变卖资产以规避风险，从而降低了资本存量，将难以维持和改善现有的生计水平。
综上所述，资产与贫困动态之间关系紧密，而缺乏主要资产的家庭极有可能陷入贫困陷阱，一旦进入贫困陷阱之中就处于长期贫困。类似于设立收入或消费，家庭所拥有的资产可以用来衡量家庭的福利，从而可以建立资产贫困线衡量长期贫困家庭，因此本文研究的问题是：从资产的角度怎么得到资产贫困线来衡量长期贫困?基于资产贫困线的衡量，有多少家庭陷入了长期贫困?资产贫困作为一种新的衡量方法，是否比传统贫困衡量方法更好地分析长期贫困?
三、资产贫困线的推导
一些学者通过回归家庭资产集与消费贫困线，得到维持贫困线消费水平的最小资产需求，即一个资产指数，并将其定义为资产贫困线。[11]2123当一个家庭的资产所代表的收入低于这条贫困线时，可称之为资产贫困，同理，当家庭的资产预期产生的收入高于贫困线时便是资产非贫困。外在因素也许会使一个缺乏生产性资产的家庭在某一年的消费高于贫困线，但是这种资产贫困的家庭不太可能维持这种消费水平。同样的，一个拥有众多资产的家庭偶然经历了一年的低消费水平，资产衡量方法依然会把它归于资产非贫困，因为它能够在没有外界援助下大幅度增加消费。相比较贫困与非贫困的二分法，资产贫困线更能微妙的分解贫困状态。如表1所示，基于收入和资产，家庭可以被分解为四种贫困类型。结构性贫困家庭的收入和资产都低于贫困线，可以称之为长期贫困者。偶然性非贫困家庭的当前收入高于贫困线，但被认为最终会处于收入贫困状态。偶然性贫困家庭的资产水平处于非贫困状态，尽管当期收入低于贫困线，但未来会转变到非贫困状态。
Sahn和Stifel，Barrett等通过因子分析法对家庭的资产集合予以分析，得到资产指数，划分结构性与偶然性贫困。[11]2155[12]但是这种方法不能解决资产之间的互补性和非线性问题。比如在混合农业地区，土地和工具的回报率也许会受到健康或牲畜数量的影响。因为不完全市场的存在，一些农户因为资本流动性低而缺乏足够的生产性配套资产。因子分析能够区分出一些关键资产，但是不能够区分不同禀赋下资产之间的关联性，也不能准确衡量不同资产对家庭福利的贡献程度。
一些学者探索了新的方法用来解决因子分析的缺陷。Adato等在南非所做研究中使用了超越对数模型。[13]超越对数模型的初始设定基于混合普通最小二乘法(POLS)：
四、资产贫困线的实证分析
(一)数据来源
本文采用的数据来自世界银行1999—2004年西部扶贫项目的评估数据。这个扶贫项目对象为内蒙古和甘肃的27个贫困状况较为严重的国家级特困县。调查样本为1999—2004年追踪调查的面板数据，由于1999年的统计口径与随后5年的统计口径有差异，部分变量缺失，因此本文只采用了2000年至2004年的数据。调查样本的抽样包括15个县(内蒙古8个县，甘肃7个县)，每个县抽取10个村，每个村抽取10户，最后收集有效问卷1500份。
(二)变量选择
被解释变量为消费支出与贫困线的比例的对数，在2000到2008年之间，国家设置了低收入线，低收入线高于绝对贫困线，笔者将被解释变量设置为消费支出与低收入线的比例的对数值，低收入线分别为2000年865元、2001年872元、2002年869元、2003年882元、2004年924元。模型解释变量按自然资本、物质资本、金融资本、人力资本、社会资本、使用方式这六类进行分类选择。每年各项资产的计算经过了CPI的调整，2000年至2004年的CPI指数分别为100、100.7、99.2、101.2、103.9。牲畜的价格以2000年的牲畜销售平均价格为准，分别为马和骡子2500元/头，牛1000元/头，羊100元/只，猪400元/头，家禽30元/只。年末粮食结存以1元/斤计算而得。
(三)模型估计
1.混合普通最小二乘估计(POLS)
笔者首先利用混合普通最小二乘估计(POLS)作为基准，对所有解释变量做了稳健标准差(robust)的估计，同时以县为聚类变量做了聚类稳健的估计，两者结果相差不大。稳健标准差估计的POLS回归结果显示，模型的拟合优度达到0.7809(见表4)，但这并不代表得到了渐进有效的一致估计量。因为模型中存在内生性的问题，即存在由随时间不变且与解释变量相关的误差项所产生的异方差性、随时间变化的特异性误差的序列自相关性。POLS在存在个体效应的条件下，更倾向于产生有偏的估计。在本文模型中，无形资产难以衡量，区域、市场、基础设施等具有差异性，这些因素将会导致POLS得不到一致的估计量。
2.固定效应模型(FE)
鉴于POLS不能得到渐进有效的一致估计量，
但固定效应模型也存在缺陷，它在回归估计中滤去了随时间不变的特征。如表4的回归结果中，到最近市场的距离、地理因素这些变量在模型中被剔除了，这代表着模型结果不能很好体现家庭背景环境的差异性，而这又是本文研究必须涉及的内容。此外，从回归结果来看，解释变量之间的自相关没有得到解决，比如人均生产性资产是一个解释力比较强的变量，但是在FE模型中极不显著，p值为0.9804，这明显违背了理论假设，笔者有理由怀疑FE模型并没有得到一致的估计，因此需要寻求新的方法来解决这些问题。
3.二阶段最小二乘法(2SLS)
正如前面所提到的解释变量之间的自相关而产生了内生性问题，可以通过引入工具变量解决此问题。工具变量的选择途径为：首先确定解释变量中的内生变量，再利用内生变量的离均差做工具变量。公式推导如下：
内生变量的选择是基于所有解释变量的相关性检验分析，通过对比分析，发现人均金融资产、人均借贷资金、人均生产性资产、人均存货资产、人均耐用资产五个变量的相关关系系数略大，因此初步确定这五个变量为内生变量，并使用这些变量的离均差作为工具变量进行了二阶段最小二乘估计(2SLS)。
使用了工具变量，就必须对工具变量的有效性进行检验，如果工具变量不是有效的，即出现“弱工具变量”，就可能导致估计不一致。笔者利用Shea's偏
判断“弱工具变量”，从表3中可得，F统计量远远超过10，p值为0.0000。这样可以强烈拒绝“弱工具变量”的原假设。
虽然前面简单地论述了存在内生解释变量，但论证不严谨，需要从统计上检验解释变量是否内生。由于扰动项的不可观测，故无法直接检验解释变量与扰动项的相关性。但如果找到了有效的工具变量，就可以借助工具变量检验解释变量的内生性。为此，借助豪斯曼检验判定是否存在内生解释变量，其原假设为“所有解释变量均为外生”。然而检验发现，由于异方差的存在，传统的豪斯曼检验不成立。因此只能使用“杜宾—吴—豪斯曼检验”(DWH)，该检验在异方差的情况下也适用，并且更为稳健。异方差稳健的DWH检验的p值为0.0000(见表4)，表明认可了人均金融资产、人均借贷资金、人均生产性资产、人均存货资产、人均耐用资产为内生解释变量。
随后，笔者尝试在2SLS—2模型中剔除了之前各种回归模型中一直不显著的变量，如医疗健康状况、到市场距离平方、是否担任村干部、是否参加培训，参数估计结果显示，几乎所有解释变量在1％的水平显著，从表4的检验结果来看，2SLS—2模型的估计是可信的。
(四)回归结果分析
从自然资本来看，地理特征影响显著，通常的假设是山区的居民因为交通不便，相对封闭，更容易陷入贫困之中。到最近市场距离在10％的水平下显著，而且平方项不显著，这说明到市场的距离与福利水平存在线性关系，非线性关系不明显。人均土地面积代表一个家庭可利用的自然资源，回归结果极其显著，说明拥有更多土地资源和生产性资本有利于家庭长期远离贫困。
从物质资本来看，所有的物质资本系数极其显著(1％水平)，需要注意的是人均生产性资产在第二次模型中变得更显著了。总体结果证实了前面所述的资产与贫困之间的理论关系，物质资本增加是能够创造更多的财富，有较强的风险抵抗能力，资产累积有利于贫困过渡，资产损失则可能陷入贫困。
从金融资本来看，期末债务余额以及金融资产余额很显著，说明较好的金融可得性能够加强抗风险能力，抵御外部冲击，有利于家庭远离长期贫困。构建良好的金融体系，使得农户能够平滑消费投资，保证投资额度，有利于收入的提高，这能够加速减贫的步伐。
从社会资本来看，家庭成员中是否当过村干部这个变量不显著，原本假设农村之中能够担任村干部的个体，具有较高的社会资本，其家庭一般不容易陷入贫困。不显著的原因可能是村干部所占样本比例太低，以至于在回归中其差异性被掩盖了。另外，可能是因为指标选取的原因，不能很好的估计出社会资本真实情况。虽然这个变量不显著，但是回归结果中，村干部对福利的影响是正向的，说明良好的社会资本有助于福利水平的提高。
非农就业时间比第一次回归时在统计上5％的水平显著，第二次回归在统计上10％的水平显著。即使非农就业时间比不能完全表示资本使用方式对贫困的影响程度，不过也验证了资本使用方式影响了资本回报率，进而影响家庭福利。非农就业时间比的增大，通常意味着稳定的带薪工作比重增大，将降低农户对农业生产的依赖，这是脱贫的重要途径。
(五)资产贫困线衡量结果与对比
1.资产衡量的贫困数量
表5是以资产贫困线衡量的五年贫困状态，从表中结果可见，以资产衡量的贫困状态在各年度之间没有出现大幅度异常变动，这说明资产衡量具有稳定性，可以得到统一的价值判断标准。而分别以绝对贫困线和低收入线衡量的贫困状态有明显的浮动(见表5)，特别是2003年，数据统计出现了较大的变化。即使这是以平滑的消费支出衡量的结果，也许这是由于统计误差所造成的，但不可否认存在贫困状态误判的可能。此外通过三个表格的对比，可以发现资产贫困线衡量出的贫困比例高于绝对贫困线与低收入线，达到了52.96％，同理可以推测资产贫困线衡量下的长期贫困家庭数量高于其他两种。这表明以资产指数区分家庭福利水平的标准也更高，对非贫困状况的资产有着较高的诉求。
2.资产贫困分类比例
依据表1的分类，既是资产贫困又是收入贫困的家庭是结构性贫困家庭，也就是长期贫困家庭，资产非贫困但收入贫困的家庭处于偶然性贫困状态。在表6中，不考虑2003年的数据，可以看到在绝对贫困线和资产贫困线共同衡量下，2000年至2002年，处于结构性贫困的家庭占样本总数15％左右，2004年比例也不足三分之一，总体上偶然性贫困比例比较少，最高的比例也只有11％。而在以低收入线和资产贫困线共同衡量下，贫困比例升高了，结构性贫困的家庭平均达到1/3左右(28％—39％)，偶然性贫困的家庭最高也不超过20％。总体来看，结构性贫困家庭多于偶然性贫困家庭。此外，通过结构性贫困数量除以资产贫困的数量，可以判断长期贫困家庭在资产贫困家庭中的比例接近三分之一，说明长期贫困家庭数量少，大多数贫困家庭是处于暂时贫困。
五、结论与政策建议
(一)结论
1.资产贫困线能够稳定客观地衡量出家庭的福利水平
资产贫困线对现期福利的分析较之传统的贫困分析方法具有明显的优势。广义资产框架能够比较客观的反映家庭福利状况，各年度之间的衡量结果没有出现大幅度异常变动。以资产指数区分家庭福利水平的标准比低收入线高，对非贫困状况的资产标准有着较高的诉求。
2.资产贫困线衡量出在贫困群体中长期贫困比例占少数
资产贫困线的确定能够区分结构性贫困和偶然性贫困，具体的衡量结果表明，收入贫困群体中，结构性贫困家庭多于偶然性贫困家庭。但是在资产贫困中，长期贫困家庭数量少，大多数贫困家庭是处于暂时贫困。
(二)政策建议
1.细分贫困类型，采用差异化策略
资产贫困衡量方法细分了贫困类型，将贫困人口划分为三个层次，便于精确地瞄准不同类型的贫困群体而采取不同扶贫对策，进而实现了扶贫目标从贫困地区向贫困村再向最贫困人口的转化。对长期贫困群体居多的地区，通过二次分配，从社会保障角度如提供津贴和补助着重照顾这些陷入贫困陷阱的群体，以满足其基本的生活需求为扶贫策略重点。对短期贫困突出的地区，扶贫重点在于培育农户的自我发展能力。结合整村推进和片区开发，为农户提供就业机会，组织培训提高务工技能，提升穷人运用资产的能力，使其资本回报率增高，就能保障农民的长期稳定收入，最终就能远离贫困。
2.提供资本援助，维持资本水平
由于长期贫困群体通常面临很低的资本水平，这个水平是不足以自发的进行投资增值而摆脱贫困。在制定面向长期贫困群体的政策时，政府在扶贫开发的过程应当给予直接的资本援助，至少能够保证他们采用高回报生产策略。对长期贫困严重的地区，贫困户的基本生活需求都难以得到保障，只能通过社会保障体系向贫困群体提供津贴和补助金。长期贫困中有一种极端的形式是代际传递，当儿童失学而使人力资本匮乏时，贫困的代际传递极有可能发生。加大教育投入，使农村儿童基本能接受教育、消除农村青壮年文盲是截断长期贫困最有效的方法。此外，由于长期贫困者对土地的依赖性较强，政府针对以农业收入为主，而且收入来源单一的贫困地区，应当加大农业投入，提高当地农业科技含量，并且构建完善的农产品流通体系和土地流转市场，使贫困地区农民能够充分利用土地达到增产增收的目标。