我國農(nóng)村居民家庭的多維貧困測度及動態(tài)變化研究

史志樂 張琦

摘 要 解決我國農(nóng)村貧困問題已經(jīng)成為全面建成小康社會的底線目標。雖然我國在扶貧減貧方面取得了巨大成就，但是多維貧困研究和多維貧困實踐卻并不突出。出于目前精準扶貧精準脫貧的新需要，文章對中國家庭追蹤調(diào)查（CFPS）2010～2014年的微觀數(shù)據(jù)進行了比較，研究結(jié)果發(fā)現(xiàn)，在衡量和測度貧困動態(tài)變化時選擇k=40的區(qū)間較為合理，此時考察的脫貧、返貧、持續(xù)性貧困和從不貧困較為全面且具體，調(diào)查期內(nèi)農(nóng)戶的多維貧困指數(shù)得到了下降，但是在教育、健康、生活條件等方面多維貧困有所波動，且隨著剝奪維度的增加，貧困的變化相對較小，說明貧困農(nóng)戶在多維貧困測量時存在較大的脆弱性，貧困持續(xù)性強，脫貧難度大，返貧隱患大。

[關(guān)鍵詞]農(nóng)村貧困；精準扶貧；多維貧困；動態(tài)測量

[中圖分類號]F323.8 [文獻標識碼] A [文章編號]1673-0461（2018）11-0038-08

一、引 言

改革開放以來，我國取得了舉世矚目的減貧成就，在現(xiàn)行標準下貧困人口從1978年的 7.7億減少到2015年的5 575萬人。需要清醒的認識到，現(xiàn)行標準下貧困人口的減少主要是以收入為衡量標準的，也就是以單一維度為標準的測量。現(xiàn)階段我國脫貧攻堅的“硬骨頭”多是處于持續(xù)性貧困當中的家庭，這部分群體受到資本、健康、教育等多重因素的影響，而傳統(tǒng)單一維度缺乏對貧困人口全面的關(guān)注與認識，不能適應我國新時期精準扶貧精準脫貧的需要。面對錯綜復雜的致貧因素以及情況多變的返貧現(xiàn)象，需要從多維視角關(guān)注貧困人口的現(xiàn)實需要，而要實現(xiàn)“現(xiàn)行標準下農(nóng)村貧困人口脫貧”的目標，多維貧困成為關(guān)鍵性影響要素。

多維貧困概念源自阿瑪?shù)賮啞ど岢龅摹翱尚心芰Α狈椒ǎ⊿en，1979），森認為人類的發(fā)展需要獲得“實質(zhì)性的自由”，而收入只是這個過程中的一項工具，更為重要的應該是具備“可行能力”。在此基礎上經(jīng)由牛津大學貧困與人類發(fā)展研究中心構(gòu)建多維貧困指數(shù)（MPI），貧困的測量也就從單一的收入維度拓展到教育、健康、生活條件等多重維度。近幾年，國內(nèi)基于多維視角研究貧困測量的文獻日漸增多，這部分研究大都借鑒或是采用多維貧困指數(shù)，結(jié)合國內(nèi)現(xiàn)有的微觀數(shù)據(jù)進行研究。比如王小林等（2009）、鄒薇等（2011）、高艷云（2012）、張全紅等（2014）王春超等（2014）等利用中國健康與營養(yǎng)調(diào)查（CHNS）的年度數(shù)據(jù)對收入、健康、教育和生活質(zhì)量等維度構(gòu)建了相應的指標并進行測度，分別考察了我國城市、農(nóng)村以及農(nóng)民工的多維貧困情況；郭建宇等（2012）利用2009年山西省貧困縣的住戶數(shù)據(jù)，參考MPI 多維貧困指數(shù)測量方法，研究了不同收入貧困標準和多維貧困定義組合下多維貧困戶與收入貧困戶之間的數(shù)量關(guān)系；楊龍等（2015）利用2010年中國農(nóng)村貧困監(jiān)測調(diào)查數(shù)據(jù)，對我國農(nóng)村貧困地區(qū)多維貧困狀況進行測量。多維貧困測量結(jié)果要高于傳統(tǒng)單一收入維度的貧困程度，并且農(nóng)村貧困嚴重于城市，低收入貧困要嚴重于高收入者。

以上研究為理解和研究多維貧困提供了基礎，但是隨著新一輪扶貧攻堅的開展，以及精準扶貧精準脫貧工作的不斷推進，我國農(nóng)村貧困問題呈現(xiàn)出何種特點，在收入水平提高的同時，其他維度的可行能力又發(fā)生了哪些變化？尤為重要的是，在全面建成小康社會的關(guān)鍵時期對農(nóng)村地區(qū)尤其是貧困地區(qū)的扶貧脫貧提出了更高要求，不能僅靠單一的收入維度來解決貧困問題。從現(xiàn)有文獻研究情況來看，多維貧困動態(tài)變化的比較研究尚顯不足，且缺乏對貧困測量維度的不同層次說明，不同維度的分解對貧困的解釋是不同的。另外，現(xiàn)有文獻中的樣本一般采用的都是2010年之前的數(shù)據(jù)，缺乏對新一輪扶貧攻堅（2011～2020年）以來的貧困研究；樣本多是采用CHNS中全國9個省的抽樣數(shù)據(jù)或是部分地區(qū)的抽樣數(shù)據(jù)，樣本的可追蹤、可延續(xù)性弱，代表性不強。本文首次利用中國家庭追蹤調(diào)查（China Family Panel Studies，CFPS）公布的微觀農(nóng)戶數(shù)據(jù)，樣本覆蓋25個省/市/自治區(qū)的家戶，其作為一項跟蹤調(diào)查，動態(tài)性、持續(xù)性強，樣本地區(qū)范圍廣，較好地滿足了本文農(nóng)村貧困動態(tài)追蹤測度的要求。另外考慮到我國于2014年開始實施建檔立卡的相關(guān)工作，針對貧困地區(qū)、貧困人口構(gòu)建了精準扶精準脫貧體系，本文將選取2011年和2016年公布的兩期數(shù)據(jù)，一方面借鑒多維貧困的方法從橫向進行多維度、多指標分解分析，另一方面將利用微觀面板數(shù)據(jù)從縱向進行動態(tài)跟蹤分析，對精準扶貧精準脫貧前后的農(nóng)村地區(qū)的貧困狀況進行系統(tǒng)研究。

二、多維貧困測度方法

多維貧困指數(shù)（Multidimensional Poverty Index，以下簡稱MPI）通過微觀數(shù)據(jù)從個人或家戶的角度解釋其在教育、健康和生活條件等多個維度上福利的缺失，其測度過程涵蓋了貧困識別、剝奪識別、貧困加總和貧困分解4個方面，。

M0一方面是根據(jù)不同的維度、指標構(gòu)建起來的，另一方面M0在不同地區(qū)、不同時期也顯示出不同的結(jié)果。為了反映不同維度、不同指標、不同地區(qū)、不同時期的多維貧困變化情況，在滿足連續(xù)性（consistency）和可分解性（decomposability）的前提下，可以根據(jù)研究的目的和需要進行不同方面的維度分解，比如可以通過對不同指標進行分解，每一項指標作為一組（subgroups），分別計算其對這個貧困結(jié)果的貢獻率，據(jù)此分析各項指標在貧困中的影響程度，找到貧困的癥結(jié)所在。

三、數(shù)據(jù)選擇和處理

（一）數(shù)據(jù)說明

本文選用中國家庭追蹤調(diào)查（China Family Panel Studies，CFPS）數(shù)據(jù)，其樣本覆蓋25個省/市/自治區(qū)的家戶以及樣本家戶的所有家庭成員，這些地區(qū)可以綜合反映我國各個地區(qū)的貧困差異。CFPS的這一數(shù)據(jù)特性較好地滿足了本文對多維貧困動態(tài)追蹤測度要求?？紤]到我國于2014年開始實施建檔立卡的相關(guān)工作，針對貧困地區(qū)、貧困人口構(gòu)建了精準扶精準脫貧體系。本文將選取2011年和2016年公布的兩期數(shù)據(jù)，對精準扶貧精準脫貧前后的農(nóng)村地區(qū)的貧困狀況進行系統(tǒng)研究。本文重點篩選農(nóng)村地區(qū)（Rural）家戶和個人樣本，經(jīng)梳理和匹配后，家戶面板數(shù)據(jù)樣本量為6 588戶，個體面板數(shù)據(jù)樣本量為14 436個，詳細的變量信息見表1。

（二）維度及指標

牛津大學MPI的維度指標選取主要是基于聯(lián)合國可持續(xù)發(fā)展計劃（SDGs）的主要目標而設定。在考慮具體的指標時，還會根據(jù)各個地區(qū)發(fā)展的實際情況和實際需求來調(diào)整，以便為貧困監(jiān)測提供更具針對性的說明和解釋。考慮我國貧困監(jiān)測的特點以及 CFPS的數(shù)據(jù)特征，本文以MPI的維度和指標為基礎，結(jié)合《中國農(nóng)村扶貧開發(fā)綱要（2011-2020）》“兩不愁、三保障”的扶貧目標和任務，構(gòu)建了3個維度10個指標（見表2）。關(guān)于權(quán)重的設定前文已經(jīng)提及，本文將采用等權(quán)重法即分別給予3個維度1/3的權(quán)重，而維度內(nèi)的指標也采取等權(quán)重，其中教育維度中的適齡兒童入學率、成人受教育年限和家庭年教育支出的權(quán)重均為1/9，健康維度中的BMI、自評健康和醫(yī)療保險的權(quán)重均為1/9，生活條件維度中的用水、燃料、廁所、住房的權(quán)重均為1/12。

四、多維貧困的測度結(jié)果

（一）多維貧困指數(shù)分析

按照多維貧困的測算方法和步驟，本文首先分別對兩期數(shù)據(jù)進行指數(shù)測度，相繼得出兩期的貧困發(fā)生率（H）、平均剝奪份額（A）和多維貧困指數(shù)（M0），然后對兩期的變化情況進行對比（見表3）。從家戶樣本來看，基期的貧困發(fā)生率在k=10時達到最高，接近100%，隨著k值增加貧困發(fā)生率（H）隨之遞減，到k=90時，貧困發(fā)生率（H）降為0?；诘钠骄鶆儕Z份額在k=10時最低，為36.8%，隨著k值增加平均剝奪份額（A）隨之增加，在貧困存在的情況下，也即k=80時，平均剝奪份額（A）達到最大為81.61%。2014年之后測度結(jié)果發(fā)生了變化，貧困發(fā)生率（H）最高值為97.06%，出現(xiàn)在k=10處；平均剝奪份額（A）最高值為72.22%，出現(xiàn)在k=70處。

M0作為貧困發(fā)生率（H）與平均剝奪份額（A）的乘積，在k=10時最高，隨著k值增加多維貧困指數(shù)（M0）隨之遞減。從貧困分解的角度，也即通過貧困廣度（headcount ratio）和貧困強度（intensity）兩個方面，對其進行解釋更容易理解。從貧困廣度來看：①在至少有一個維度剝奪即視為貧困，貧困發(fā)生率（H）仍然很高，僅下降2.94個百分點，一方面由于我國貧困分布廣，另一方面家戶很難滿足10個貧困指標都不被剝奪；②下降區(qū)間在兩位數(shù)以上的出現(xiàn)在k=20～50之間，這部分下降絕對幅度在19.04～49.36個百分點之間，這說明在二維至五維剝奪層面有了很大的改善和提升空間；③貧困發(fā)生率（H）為0分別在：基期是k=90時，報告期是k=80時，雖然只是一個層級的變化，但是足以說明我國農(nóng)村地區(qū)貧困人口數(shù)量有了大幅度減少，這也與我國減貧脫貧成效的實際情況相符。從平均剝奪份額來看：①下降區(qū)間在兩位數(shù)以上的僅出現(xiàn)一次，即k=10時，平均剝奪份額（A）下降個15.63個百分點，這表明在10項指標的貧困強度方面有了較大緩解；②隨著k值增大，相應的平均剝奪份額（A）并沒有較大改善，仍然很高，這也表明在個別維度指標上我國農(nóng)村地區(qū)貧困強度未能得到合理解決，需要警惕返貧問題。

（二）貧困動態(tài)變化分析

本文通過兩期家戶的多維貧困指數(shù)匹配，將家戶的兩期貧困情況分為4種情況：兩期都不貧困、兩期都貧困（持續(xù)貧困）、基期貧困但報告期不貧困（脫貧）、基期不貧困但報告期貧困（陷貧）（見表4），本文重點關(guān)注k=20～60時，不同維度下兩期農(nóng)戶貧困動態(tài)變化情況。

從k=20到k=50，隨著維度約束條件的放寬下，兩期貧困動態(tài)結(jié)構(gòu)實現(xiàn)了調(diào)整和變化。從表4中可以看出，當k=40時，脫貧比例達到最大66.27%，2/3的農(nóng)戶實現(xiàn)了從基期的貧困到報告期的不貧困的轉(zhuǎn)變，這也說明在四維貧困動態(tài)測度中，農(nóng)戶脫貧的概率最大。需要注意的是，此時陷貧率也達到了最高值3.38%，這是由于隨著k值的增加，貧困強度增加導致有些原本不貧困的農(nóng)戶可能會陷入貧困，同時也與具體的維度和指標分解有著重要關(guān)系。當k=20時，貧困動態(tài)結(jié)構(gòu)開始發(fā)生變化，兩期持續(xù)貧困的比例為64.81%，脫貧比例為33.36%，有1/3的農(nóng)戶實現(xiàn)了脫貧，此時也報告了兩期都不貧困比例和陷貧比例，雖然比例有些低，但是對于貧困動態(tài)結(jié)構(gòu)研究提供了合理架構(gòu)。當k=30時，持續(xù)貧困比例和脫貧比例幾乎持平，分別為47.18%和46.95%，這說明在三維貧困動態(tài)測度中，農(nóng)戶不再受限于貧困陷阱，脫貧的可能性大幅度提升。當k=50和60時，持續(xù)了這種貧困動態(tài)調(diào)整的結(jié)構(gòu)，脫貧比例保持在20%～60%的水平。到了k=70時，理想的貧困動態(tài)結(jié)構(gòu)被打破，只報告了兩期不貧困、兩期持續(xù)貧困和陷貧3種情況。當k>70時，貧困狀態(tài)值幾乎為0，隨著維度和指標的增多，對貧困家庭的限制條件也在增多，此時很難有完全被剝奪的家戶。通過貧困動態(tài)分析可知，在衡量和測度貧困動態(tài)變化時選擇k=40的區(qū)間較為合理，此時考察的脫貧、返貧、持續(xù)性貧困和從不貧困較為全面且具體，為政策制定提供了依據(jù)。比如我國現(xiàn)在脫貧的標準“兩不愁，三保障”涉及的吃、穿、住和教育、醫(yī)療就是對此的較好運用，如果能在這些方面對貧困家庭進行針對性幫扶，將會形成可靠完備的脫貧體系。

（三）指標動態(tài)變化分析

貧困動態(tài)結(jié)構(gòu)變化不僅表現(xiàn)在家戶“是否貧困”方面，對于究竟是何原因、是何因素導致了此種結(jié)構(gòu)的變化，需要對各維度、各指標進行分解和說明。如上文所述，當k=40時，貧困動態(tài)結(jié)構(gòu)較為完整而且貧困動態(tài)結(jié)構(gòu)變化最大，脫貧比例和陷貧比例達到最高值，因此本文選取k=40的貧困動態(tài)結(jié)構(gòu)變化情況做進一步分析。

通過分解各項指標，測算出基期和報告期各指標的貧困發(fā)生率和貢獻率可以更加清晰地顯示指標動態(tài)變化情況（見表5）。本文按照多維貧困的研究范式，比較了各指標處理前的貧困發(fā)生率（UH）、處理后的貧困發(fā)生率（CH）和各指標的貢獻率。一般意義上的貧困發(fā)生率指的是UH，是未經(jīng)多維貧困處理的貧困發(fā)生率，只能反映單維的貧困人口數(shù)量。而CH是多維貧困指數(shù)構(gòu)建的基礎，它是經(jīng)過多維貧困識別、加權(quán)、剝奪識別得到的貧困發(fā)生率，經(jīng)過處理的CH數(shù)值小于等于UH，不會大于UH。如表5所示，各項指標上的CH都小于UH。通過多維貧困調(diào)整和識別出的貧困發(fā)生率（CH）雖然數(shù)值變小，但是對各項指標的貧困發(fā)生率排序或者重要性并沒有較大改變，比如基期的教育年限在調(diào)整前貧困發(fā)生率最高，調(diào)整后雖然數(shù)值變?yōu)?0.23%，但是仍然最高；報告期的教育年限在調(diào)整前貧困發(fā)生率第二，調(diào)整后數(shù)值變?yōu)?.21%，CH在各指標中最高。其他指標也類似，基本保持了穩(wěn)定的測度。

（四）動態(tài)二值回歸分析

以上通過多維貧困測算對各維度、各指標的貧困動態(tài)結(jié)構(gòu)進行了說明，下面將結(jié)合有序響應Probit模型對多維貧困動態(tài)結(jié)果進行二值響應分析，分析農(nóng)戶動態(tài)演進的影響因素。選取k=40時多維貧困結(jié)果作為二值因變量，考慮貧困受到多種因素的影響，建立如下實證模型：

當G表示標準正態(tài)的積累分布函數(shù)時，為Probit模型。其中，y=1表示貧困家庭，否則y=0；？茁0為待估參數(shù)，？茁為待估向量，？滋為隨機擾動項，服從正態(tài)分布，X為家庭特征，用于控制影響貧困的其他因素，現(xiàn)在定義如下：

可以看出，農(nóng)戶的貧困動態(tài)類型受到一系列與家庭資源稟賦相關(guān)的因素影響。其中size代表家庭規(guī)模，用家庭人口數(shù)量表示；age代表戶主年齡；edu代表戶主的受教育年限；attend代表家庭中適齡兒童入學情況，正常入學為0，反之為1；ins代表家庭成員是否有醫(yī)療保險，有為0，無為1；health代表家庭成員健康狀況，健康為0，不健康為1；water代表用水情況，用水方便并且飲用水安全為0，反之為1；house代表家庭住房情況，擁有安全住房為0，反之為1；nonagri代表家庭是否從事非農(nóng)業(yè)生產(chǎn)經(jīng)營，是為0，否為1。control 代表控制變量，本文選取家庭戶所在地區(qū)，以東中西部進行劃分，middle代表中部，中部地區(qū)取值為1，否則為0；west代表西部，西部地區(qū)取值為1，否則為0。利用CFPS兩期匹配數(shù)據(jù)，根據(jù)上述實證模型得到回歸結(jié)果（見表6）。從表6可以看出，在Probit模型中各變量方向和顯著性水平一致，而且模型的顯著性水平一致，說明模型穩(wěn)定，具有可信性。

以上結(jié)果顯示，家庭規(guī)模、戶主年齡、適齡兒童入學情況、醫(yī)療保險、健康、用水、住房等指標的系數(shù)為正，意味著陷入貧困的概率較高。首先，家庭規(guī)模影響系數(shù)為正，家庭成員的人口越多陷入貧困的概率越高，從幾率比來看，家庭規(guī)模越大其貧困的概率上升22.7%。這說明家庭規(guī)模越大，或者說家庭成員越多，就越容易致使農(nóng)戶陷入貧困。其次，戶主年齡越大也越容易陷入貧困，隨著戶主年齡上升其陷入貧困的概率上升3.3%，年齡的增大導致農(nóng)戶生產(chǎn)能力、勞動效率較低，增加了陷入貧困的概率。第三，家中適齡兒童沒有正常上學的農(nóng)戶比正常上學的農(nóng)戶陷貧的概率高10.43倍；沒有醫(yī)療保險的農(nóng)戶比擁有醫(yī)療保險農(nóng)戶陷貧的概率高18.94倍；身體不健康的農(nóng)戶比健康農(nóng)戶陷貧的概率高13.07倍；用水不方便或不安全的農(nóng)戶比方便和安全的農(nóng)戶陷貧的概率高9.29倍；住房困難的農(nóng)戶比不困難的農(nóng)戶陷貧的概率高1.47倍。可見無論是教育、健康還是生活條件的維度，如果存在被剝奪的情況（也即滿足等于1的情況），就存在陷貧的高風險。第四，西部地區(qū)農(nóng)戶比東中部地區(qū)農(nóng)戶陷貧的概率高1.81倍，西部地區(qū)受地理環(huán)境資源的限制，仍然是貧困的重災區(qū)。

另一方面，受教育水平、非農(nóng)經(jīng)營以及中部地區(qū)的系數(shù)是負，意味著陷入貧困的概率較低。受教育年限每增長一年，陷入貧困的概率就減少10.2%，這說明家庭戶提高教育水平有助于脫貧，也就是說隨著教育水平的提高，退出貧困的概率將會提高；從事非農(nóng)經(jīng)營也降低了陷貧的概率，降低了1.1%，從事非農(nóng)經(jīng)營活動將有助于減輕家庭戶的貧困狀況；中部地區(qū)陷入貧困的概率也有所降低①，降低了4.3%，相比于西部較高的陷貧率，中部地區(qū)在區(qū)域位置上具有脫貧優(yōu)勢。

五、結(jié)論與建議

近些年，我國農(nóng)村貧困問題受到了極大的重視與關(guān)注，以收入為標準衡量的貧困狀況得到了極大改善。但是，從多維貧困視角研究我國貧困狀況仍顯滯后，尤其缺乏對貧困家庭、貧困人口的動態(tài)追蹤測量。本文利用多維貧困測量方法，結(jié)合中國家庭追蹤調(diào)查（CFPS）數(shù)據(jù)，對我國農(nóng)村地區(qū)貧困狀況進行多維動態(tài)測度，得到如下基本結(jié)論：

首先，多維貧困提供了一個涵蓋教育、健康、生活條件的綜合測量范式，結(jié)合個人和家戶特征，確定每一個維度和指標的剝奪臨界值，相對于收入維度單一的測量，能夠多方面、深層次反映農(nóng)戶的貧困狀況。本研究結(jié)果發(fā)現(xiàn)，調(diào)查期內(nèi)農(nóng)戶的多維貧困指數(shù)得到了下降，但是從不同維度來看多維貧困結(jié)果存在波動，且隨著剝奪維度的增加，貧困的變化相對較小，說明貧困農(nóng)戶在多維貧困測量時存在較大的脆弱性，貧困持續(xù)性強，脫貧難度大，返貧隱患大。在衡量和測度貧困動態(tài)變化時選擇k=40的區(qū)間較為合理，此時考察的脫貧、返貧、持續(xù)性貧困和從不貧困較為全面且具體，為政策制定提供了依據(jù)。其次，在多維貧困遵循等權(quán)設定的情況下，可以監(jiān)測出不同維度、不同指標的貢獻度。結(jié)果顯示，橫向比較而言，教育年限和身體質(zhì)量指數(shù)對多維貧困的貢獻度較高，其次是醫(yī)療保險和燃料；縱向比較來看，3個維度中健康和生活水平的貢獻率整體得到了下降，教育卻出現(xiàn)了上漲，可見健康和生活條件的改善對農(nóng)戶脫貧有重大影響。教育方面雖然報告期各項指標的CH值均有所下降，但是其貢獻度都得到了提高，這有可能導致部分農(nóng)戶“因?qū)W致貧”。第三，家庭規(guī)模、戶主年齡、適齡兒童入學情況、醫(yī)療保險、健康、用水、住房系數(shù)為正，陷入貧困的概率較高，這些因素往往也是致貧的關(guān)鍵因素，而只有通過改善教育、醫(yī)療和生活條件才能幫助農(nóng)戶擺脫貧困。受教育水平、非農(nóng)經(jīng)營系數(shù)為負，陷入貧困的概率較低，可見提高教育水平、鼓勵發(fā)展非農(nóng)經(jīng)營有助于脫貧。地區(qū)比較來看，西部地區(qū)受地理環(huán)境、歷史文化、經(jīng)濟水平等限制，貧困的概率仍然很高。

多維貧困不僅為我國農(nóng)村貧困提供了監(jiān)測方法，更有效地指出了陷貧、脫貧的路徑。在全面建成小康社會的歷史背景下，政府應當繼續(xù)重視精準扶貧精準脫貧，重點關(guān)注貧困地區(qū)、貧困人口的教育、健康和生活條件問題，努力做到因戶施策、因人施策。第一，扶貧必扶智，針對貧困地區(qū)制定和實施教育發(fā)展專項規(guī)劃并給予傾斜性政策，尤其要更加關(guān)注基礎差、欠賬多的貧困地區(qū)、貧困家庭，對有發(fā)展能力和發(fā)展意愿的家戶和個人進行針對性的政策幫扶；針對貧困家庭學生提供獎助學金和勞動力培訓計劃，在提高教育水平的同時提高貧困家庭的勞動生產(chǎn)力和可持續(xù)發(fā)展能力。第二，積極實施健康扶貧工程，一方面通過引導正確膳食結(jié)構(gòu)，形成良好的食品與營養(yǎng)環(huán)境，積極推動和實施營養(yǎng)餐計劃；另一方面通過加強貧困地區(qū)醫(yī)療衛(wèi)生服務體系建設，切實減輕農(nóng)村貧困人口醫(yī)療費用負擔，關(guān)注殘疾人、婦女、兒童、老年人等脆弱性人群的健康脫貧問題，減少因病致貧、因病返貧的風險。第三，從貧困地區(qū)、貧困人口的切身利益出發(fā)，結(jié)合貧困地區(qū)的地理環(huán)境特點，積極完善水、電、路、網(wǎng)、房等基礎設施改造，為貧困人口脫貧提供完備的基礎動力和保障。

[注 釋]

① 這里主要相比較于西部地區(qū)，但是控制變量中也包含東部地區(qū)，可能結(jié)果不是很明顯。

[參考文獻]

[1] ATKINSON， A. B. On the Measurement of Poverty[J]. Econometrica，1987，55（4）：749-764.

[2] ALKIRE S. and FOSTER J. Counting and Multidimensional Poverty Measurement[J]. Journal of Public Economics，2011（95）：476-487.

[3] ALKIRE，S. Capability Approach and Well-being Measurement for Public Policy[Z]. OPHI Working Paper 94，2015，Oxford University.

[4] DECANCQ K，LUGO M A. Weights in Multidimensional Indices of Wellbeing：An Overview[J]. Econometric Reviews，2013，32（1）：7-34.

[5] JAMES FOSTER，JOEL GREER and ERIK THORBECKE. A Class of Decomposable Poverty Measures[J]. Econometrica，1984，52（3）：761-766.

[6] MORDUCH，J. and T. SICULAR. Rethinking Inequality Decomposition：with Evidence from Rural China[J]. Economic Journal，2002，112（476）：93-106.

[7] ROBANO，V. and SMITH，S. C. Multidimensional targeting and evaluation：General framework with an application to a poverty program in Bangladesh[Z]. OPHI Working Paper 65，2014，Oxford University.

[8] RAVALLION M. On Multidimensional Indices of Poverty[J]. Journal of Economic Inequality，2011（9）：235-248.

[9] 高艷云. 中國城鄉(xiāng)多維貧困的測度及比較[J]. 統(tǒng)計研究，2012（11）：61-66.

[10] 郭建宇，吳國寶. 基于不同指標及權(quán)重選擇的多維貧困測量——以山西省貧困縣為例[J]. 中國農(nóng)村經(jīng)濟，2012（2）：12-20.

[11] 駱永民，樊麗明.中國農(nóng)村基礎設施增收效應的空間特征——基于空間相關(guān)性和空間異質(zhì)性的實證研究[J].管理世界，2012（5）：71-87.

[12] 汪三貴，王姮，王萍萍.中國農(nóng)村貧困家庭的識別[J].農(nóng)業(yè)技術(shù)經(jīng)濟，2007（1）：20-31.

[13] 王春超，葉琴.中國農(nóng)民工多維貧困的演進——基于收入與教育維度的考察[J].經(jīng)濟研究，2014（12）：159-174.

[14] 王小林，SABINA ALKIRE.中國多維貧困測量：估計和政策含義[J].中國農(nóng)村經(jīng)濟，2009（12）：4-10，23.

[15] 楊建芳，龔六堂，張慶華.人力資本形成及其對經(jīng)濟增長的影響——一個包含教育和健康投入的內(nèi)生增長模型及其檢驗[J].管理世界，2006（5）：10-18，34，171.

[16] 袁方，史清華.不平等之再檢驗：可行能力和收入不平等與農(nóng)民工福利[J].管理世界，2013（10）：49-61.

[17] 楊龍，汪三貴. 貧困地區(qū)農(nóng)戶的多維貧困測量與分解——基于2010年中國農(nóng)村貧困監(jiān)測的農(nóng)戶數(shù)據(jù)[J]. 人口學刊，2015（2）：15-25.

[18] 張全紅，周強. 中國多維貧困的測度及分解：1989～2009年[J]. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2014（6）：88-101.

[19] 鄒薇，方迎風. 關(guān)于中國貧困的動態(tài)多維度研究[J]. 中國人口科學，2011（6）：49-59，111.