收入貧困與多維貧困視角下中國農(nóng)村家庭致貧機理研究

侯亞景　周云波

摘要：本文利用2012年中國家庭追蹤調(diào)查數(shù)據(jù)（CFPS），分析了收入貧困與多維貧困的關(guān)聯(lián)性，并依據(jù)收入貧困和多維貧困雙重識別標(biāo)準(zhǔn)下農(nóng)村家庭的不重疊性，從家庭人口特征、生產(chǎn)經(jīng)營特征、資本特征、社會關(guān)系特征和村莊地理環(huán)境角度，對農(nóng)村收入貧困家庭和多維貧困家庭的致貧機理進行了實證分析。研究結(jié)論表明：（1）土地流轉(zhuǎn)、當(dāng)?shù)蒯t(yī)療衛(wèi)生條件越好，越利于兩類家庭擺脫貧困；（2）土地面積、組織成員、當(dāng)?shù)亟逃龡l件、地區(qū)類型對于兩類家庭具有相反的影響；（3）勞動力人數(shù)、戶口類型、家庭經(jīng)營、住房擁有情況僅對收入貧困家庭具有顯著影響；家庭社會地位、地貌特征僅對多維貧困家庭具有顯著影響。因此，未來扶貧工作應(yīng)該針對不同類型家庭的致貧因素采取差異化的扶貧方式。

關(guān)鍵詞：收入貧困；多維貧困；致貧機理；精準(zhǔn)扶貧

文獻標(biāo)識碼：A 文章編號：1002—2848—2017（02）—0116—08

一、引言

貧困問題被聯(lián)合國列為社會發(fā)展問題三大主題之首，越來越受到世界的關(guān)注和重視，消除絕對貧困并讓貧困人口共享改革發(fā)展的成果是各國努力的目標(biāo)。改革開放以來，我國扶貧事業(yè)取得了巨大進步，6億多人口擺脫貧困（國際貧困線標(biāo)準(zhǔn)下），聯(lián)合國千年發(fā)展目標(biāo)在中國基本實現(xiàn)。但事實上，伴隨著減貧規(guī)模和貧困發(fā)生率的遞減趨勢，農(nóng)村減貧的邊際效益逐年下降。2016年我國農(nóng)村仍有4335萬貧困人口，這些貧困人口大多分布在生存條件惡劣、基礎(chǔ)設(shè)施薄弱、自然災(zāi)害多發(fā)、教育衛(wèi)生醫(yī)療等社會事業(yè)發(fā)展滯后的山區(qū)、邊境地區(qū)、少數(shù)民族聚居區(qū)、革命老區(qū)和水庫移民區(qū)等特殊類型地區(qū)，他們的身體狀況差、文化水平低、就業(yè)能力弱、貧困程度深、抗災(zāi)害風(fēng)險能力弱、自我發(fā)展能力匱乏。因此，面對新時期扶貧工作的嚴(yán)峻形勢，要如期實現(xiàn)2020年農(nóng)村貧困人口全部脫貧和全面建成小康社會的總體目標(biāo)，最關(guān)鍵的還是要轉(zhuǎn)變扶貧思路，改進扶貧戰(zhàn)略。

改革開放以來，中國政府實施了全國范圍的有計劃有組織的農(nóng)村扶貧開發(fā)，先后制定實施了《國家八七扶貧攻堅計劃（1994-2000年）》、《中國農(nóng)村扶貧開發(fā)綱要（2001-2010年）》、《中國農(nóng)村扶貧開發(fā)綱要（2011-2020年）》（簡稱《新綱要》）等減貧規(guī)劃，并在《關(guān)于創(chuàng)新機制扎實推進農(nóng)村扶貧開發(fā)工作的意見》中明確提出“建立精準(zhǔn)扶貧工作機制”，從而使得國家的扶貧戰(zhàn)略經(jīng)歷了從貧困縣瞄準(zhǔn)、貧困村瞄準(zhǔn)到貧困戶瞄準(zhǔn)的階段轉(zhuǎn)變。《新綱要》提出到2020年穩(wěn)定實現(xiàn)扶貧對象不愁吃、不愁穿，保障其義務(wù)教育、基本醫(yī)療和住房的脫貧目標(biāo)（簡稱“兩不愁、三保障”）。2016年4月中共中央辦公廳、國務(wù)院辦公廳印發(fā)的《關(guān)于建立貧困退出機制的意見》（簡稱《意見》）明確提出，“貧困人口退出以戶為單位，主要衡量標(biāo)準(zhǔn)是該戶年人均純收入穩(wěn)定超過國家扶貧標(biāo)準(zhǔn)且吃穿不愁，義務(wù)教育、基本醫(yī)療、住房安全有保障”。國家制定的農(nóng)村貧困人口脫貧和退出標(biāo)準(zhǔn)，涵蓋的范圍遠(yuǎn)高于傳統(tǒng)的收入貧困標(biāo)準(zhǔn)，因此貧困測量應(yīng)結(jié)合其他貧困維度的測量，通過建立健全扶貧對象識別機制，進而增強扶貧對象的自我發(fā)展能力，有助于新時期中國扶貧開發(fā)目標(biāo)的實現(xiàn)。

基于可行能力視角的多維貧困研究，擴展了貧困的研究范疇，更能反映貧困的本質(zhì)。Sen在《以自由看待發(fā)展》…中將可行能力視角引入了貧困分析中，認(rèn)為貧困的根源是能力的缺乏，這種能力包括使人們免于饑餓、營養(yǎng)不良、疾病的能力，接受基本教育、改善住房條件、提高生活水平的能力，還包括社會交往和享受尊重、政治自由等，不僅有助于消除收入貧困，其本身也代表了人類發(fā)展的目標(biāo)，這一理念構(gòu)成了多維貧困的核心觀點。2000年《世界發(fā)展報告》指出，貧困是指福利的被剝奪狀態(tài)，即貧困不僅指物質(zhì)的匱乏，還包括低水平的教育和健康；除此之外，貧困還包括風(fēng)險和面臨風(fēng)險時的脆弱性，以及不能表達(dá)自身的需求和缺乏參與機會。Alkire和Foster在《計數(shù)和多維貧困測量》中提出了多維貧困的識別、加總和分解方法（簡稱AF方法），以計數(shù)方法為基礎(chǔ)，其中貧困人口識別標(biāo)準(zhǔn)介于交叉識別法和聯(lián)合識別法之間，加總步驟使用了調(diào)整后的FGT系列指標(biāo)，可以用于反映多維貧困的廣度、深度和強度，從而成為目前應(yīng)用較廣的多維貧困測量方法。在此基礎(chǔ)上，UNDP在《人類發(fā)展報告（2010）》中正式提出了多維貧困指數(shù)（MPI），替代了之前UNDP的人類貧困指數(shù)，涵蓋了健康、教育和生活條件三個維度。

但是，收入貧困與多維貧困的關(guān)聯(lián)性如何呢？二者對于貧困人口的識別是否具有一致性？對于精準(zhǔn)扶貧下貧困家庭的識別有何借鑒意義呢？如何比較不同貧困類別家庭的致貧因素？Bourguignon和Chakravarty指出，滿足收入貧困減少的目標(biāo)，并不能保證降低非收入指標(biāo)剝奪，即收入減貧趨勢并不能代表非收入剝奪降低的趨勢，收入貧困測量必須結(jié)合其他貧困維度的測量。Alkire和Santos首次使用微觀家庭調(diào)查數(shù)據(jù)對104個國家的MPI指數(shù)進行測量，研究發(fā)現(xiàn)，農(nóng)村的多維貧困狀況嚴(yán)重高于城市，二者對貧困人口的識別具有差異性，收入貧困與多維貧困中生活水平維度的剝奪相關(guān)性最高，因此對于貧困的分析應(yīng)該將二者結(jié)合起來。郭建字和吳國寶利用山西省貧困縣的住戶數(shù)據(jù)，選擇不同的多維貧困指標(biāo)、臨界值和權(quán)重，考察其對多維貧困測量結(jié)果的影響，并根據(jù)不同扶貧標(biāo)準(zhǔn)測量了多維貧困對收入貧困戶的覆蓋率和漏人率，表明了收入貧困和多維貧困對貧困人口的識別不具有重疊性。Alkire和Setht根據(jù)全國家庭健康調(diào)查數(shù)據(jù)，使用了多維貧困指數(shù)來分析印度1999-2006年間的貧困變化，強調(diào)了貧困人口的識別是貧困瞄準(zhǔn)和測度的核心問題，認(rèn)為收入貧困不能代表人們在其它維度的剝奪，收入貧困與多維貧困是互補的，多維貧困人口與收入貧困人口不是完全重疊的。Wang等利用2011年中國營養(yǎng)與健康調(diào)查數(shù)據(jù)（CHNS），對比了收入貧困和多維貧困的關(guān)聯(lián)性，統(tǒng)計結(jié)果顯示，同時處于收入貧困和多維貧困的人口比例僅為31%。

收入貧困與多維貧困的綜合研究，不僅有助于深刻理解貧困的本質(zhì)和各種表現(xiàn)形式，更有助于為當(dāng)前貧困人口的脫貧和退出機制提供理論來源和實踐借鑒。本文立足于中國農(nóng)村扶貧開發(fā)中貧困人口的脫貧和退出標(biāo)準(zhǔn)，側(cè)重分析收入貧困與多維貧困的差異性和關(guān)聯(lián)性，同時針對收入貧困和多維貧困標(biāo)準(zhǔn)下的不同貧困類別家庭，研究土地規(guī)模、土地流轉(zhuǎn)、農(nóng)村借貸、家庭經(jīng)營活動、地理環(huán)境和區(qū)位等因素對農(nóng)村家庭的影響程度，并建議從多個方面對貧困家庭進行扶助，有助于貧困人口的持久性脫貧，降低返貧概率。

二、研究方法和數(shù)據(jù)

（一）多維貧困測度方法

本文以Alkire和Foster提出的雙臨界值法（即AF方法）為基礎(chǔ)，對樣本農(nóng)村地區(qū)人口進行多維貧困測度，包括多維貧困人口的識別和加總，其中多維貧困人口的識別以家庭為單位。本文參照MPI對維度、指標(biāo)、權(quán)重及臨界值的界定，結(jié)合聯(lián)合國千年發(fā)展目標(biāo)的各個具體指標(biāo)、《新綱要》提到的“三保障”總體目標(biāo)，以及樣本數(shù)據(jù)約束，選擇的MPI參數(shù)見表1。MPI計算步驟如下：

1.維度和指標(biāo)的選擇。MPI指數(shù)包括三大維度，即教育、健康和生活條件；其中教育維度包括成人受教育程度和兒童失學(xué)率兩個子指標(biāo)，健康維度包括營養(yǎng)狀況和兒童死亡率，生活條件包括6個子指標(biāo)。MPI下的這10個指標(biāo)涵蓋了能力視角下單位家庭的關(guān)鍵因素，比簡單的收入貧困測量更能體現(xiàn)貧困的現(xiàn)實狀況。

2.權(quán)重的設(shè)定。MPI采用的是維度等權(quán)重方法，認(rèn)為三個維度具有同樣的重要性，即三個維度的權(quán)重分別是1/3，各個維度內(nèi)部的指標(biāo)是等權(quán)重的。

3.1臨界值的設(shè)定。臨界值選定分兩步：一個是剝奪臨界值，一個是貧困臨界值（后）。剝奪臨界值是識別家庭在各個維度的被剝奪狀態(tài)，如果單個家庭滿足某一維度的剝奪條件，則認(rèn)為該家庭在該維度被剝奪，賦值為1，否則為0。貧困臨界值是識別哪些家庭為多維貧困家庭，如果對單個家庭在各個維度的剝奪值進行加權(quán)求和得到加權(quán)剝奪分值后，其值不小于貧困臨界值，則認(rèn)為該家庭為多維貧困家庭，賦值為1，否則為0；同時，非多維貧困家庭人口的加權(quán)剝奪得分以及在各維度的剝奪狀態(tài)均被刪減為0。

4.MPI指數(shù)的計算。多維貧困人口識別出來之后，可以對其進行加總，得到綜合的多維貧困指數(shù)。MPI指數(shù)共包括兩部分，即多維貧困家庭人口發(fā)生率（H）和多維貧困人口的平均剝奪強度（A），MPI指數(shù)等于這兩部分的乘積，即MPI=H×A，其中H為總?cè)丝谥卸嗑S貧困家庭人口的比重，A為多維貧困家庭人口的平均剝奪得分。

（二）數(shù)據(jù)說明

本文數(shù)據(jù)來自于北京大學(xué)中國社會科學(xué)調(diào)查中心的中國家庭追蹤調(diào)查（以下簡稱CFPS），該項目旨在通過跟蹤收集個體、家庭、社區(qū)三個層次的數(shù)據(jù)，采用追蹤調(diào)查方法，重點關(guān)注中國居民的經(jīng)濟與非經(jīng)濟福利，以及包括經(jīng)濟活動、教育獲得、家庭關(guān)系與家庭動態(tài)、人口流動、身心健康等在內(nèi)的諸多研究主題，力圖全面反映中國社會經(jīng)濟變動、家庭生活變化及民眾個體發(fā)展?fàn)顩r。CFPS自2010年在全國正式實施，調(diào)查對象包含樣本家戶中的全部家庭成員，樣本覆蓋全國25個省/市/自治區(qū)，具有代表性和權(quán)威性。本文使用了2012年調(diào)查數(shù)據(jù)，并按照常住人口且無缺失值進行篩選后的樣本個體數(shù)為28643個，樣本家庭為8101戶。

三、收入貧困與多維貧困的統(tǒng)計分析

（一）收入貧困測量

我國在2008年之前存在兩條貧困線標(biāo)準(zhǔn)，分別是絕對貧困標(biāo)準(zhǔn)和低收入標(biāo)準(zhǔn)。2008年國家將絕對貧困標(biāo)準(zhǔn)和低收入標(biāo)準(zhǔn)合并，并根據(jù)消費價格指數(shù)等相關(guān)因素的變化，將扶貧標(biāo)準(zhǔn)上調(diào)至1196元（簡稱“極端貧困標(biāo)準(zhǔn)”）。2011年中央再次上調(diào)扶貧標(biāo)準(zhǔn)，以農(nóng)民年人均純收入2300元（2010年不變價）作為新的國家扶貧標(biāo)準(zhǔn)（簡稱“一般貧困標(biāo)準(zhǔn)”），這一標(biāo)準(zhǔn)比2009年的1196元提高了92.31%，有利于覆蓋更多扶貧對象。按照農(nóng)村當(dāng)年CPI進行調(diào)整，2011年極端貧困標(biāo)準(zhǔn)和一般貧困標(biāo)準(zhǔn)分別為農(nóng)村人均純收入1311元和2433元。隨著扶貧標(biāo)準(zhǔn)的提高，農(nóng)村收入貧困發(fā)生率、比例貧困距和平方貧困距均大幅提升（見表2），其中比例貧困距（貧困深度）和平方貧困距指數(shù)（貧困強度），分別代表國家扶貧工作的資金缺口和貧困人口內(nèi)部收入不平等情況。因此，隨著貧困線水平提高，貧困人口規(guī)模增大，需要投入更多的扶貧資金，同時更注重極端貧困人口是否能夠獲取相應(yīng)的基本生活條件。

（二）多維貧困測量

1.單個指標(biāo)的剝奪比例

表3列示了農(nóng)村家庭在這10個指標(biāo)的未刪減剝奪比例，表明農(nóng)村家庭在各個指標(biāo)遭受的剝奪情況是不均等的，其中清潔飲水、生活燃料和衛(wèi)生設(shè)施指標(biāo)的剝奪比例均超過50%，尤其是衛(wèi)生設(shè)施指標(biāo)的剝奪狀況最差。同時兒童死亡、兒童失學(xué)、家庭資產(chǎn)、家庭用電指標(biāo)的剝奪比例較低，表明國家在農(nóng)村的義務(wù)教育、醫(yī)療水平、電力基礎(chǔ)設(shè)施建設(shè)方面扶貧效果顯著；家庭資產(chǎn)指標(biāo)較低的剝奪比例還有助于提高農(nóng)村家庭抗風(fēng)險能力。

2.農(nóng)村多維貧困狀況

經(jīng)計算，2012年我國農(nóng)村地區(qū)多維貧困指數(shù)為0.0948（k=30%），其中多維貧困發(fā)生率為22.82%，多維貧困人口的平均剝奪強度為41.57%，表明樣本地區(qū)大約有近四分之一的家庭人口處于多維貧困狀態(tài)，與一般收入貧困線下的貧困發(fā)生率20.30%相比，多維貧困發(fā)生率高于收入貧困發(fā)生率，表明農(nóng)村多維貧困狀況比收入貧困更嚴(yán)重。農(nóng)村家庭在各指標(biāo)刪減后的貧困發(fā)生率結(jié)果表明（見表3），相較于未刪減的指標(biāo)剝奪比例，多維貧困各指標(biāo)的貧困率顯著下降，但仍以衛(wèi)生設(shè)施、生活燃料和清潔飲水的貧困發(fā)生率最高；受權(quán)重因素影響，營養(yǎng)狀況指標(biāo)對MPI的貢獻最大。

（三）收入貧困與多維貧困的關(guān)聯(lián)性分析

1.收入貧困與多維貧困的相關(guān)系數(shù)比較

作為貧困測量的兩個不同代表方面，本文使用Spearman秩相關(guān)系數(shù)對收入貧困與多維貧困的關(guān)聯(lián)性進行研究。通過對兩條收入貧困標(biāo)準(zhǔn)下貧困發(fā)生率與多維貧困各指標(biāo)發(fā)生率的Spearman秩相關(guān)系數(shù)對比發(fā)現(xiàn)：（1）多維貧困10個指標(biāo)之間相關(guān)系數(shù)差異較大，其中衛(wèi)生指標(biāo)與其余指標(biāo)成對關(guān)聯(lián)性最高，例如衛(wèi)生設(shè)施和生活燃料的相關(guān)系數(shù)達(dá)0.9195.衛(wèi)生設(shè)施和清潔飲水的相關(guān)系數(shù)為0.8266，表明農(nóng)村可以首先通過改善衛(wèi)生設(shè)施來幫助多維貧困人口脫貧。（2）兩條收入貧困線下的收入貧困發(fā)生率與多維貧困各指標(biāo)貧困發(fā)生率的相關(guān)系數(shù)普遍較低，例如極端收入貧困標(biāo)準(zhǔn)、一般收入貧困標(biāo)準(zhǔn)與多維貧困各指標(biāo)發(fā)生率的相關(guān)系數(shù)最高分別為0.2350、0.2238。（3）不同收入貧困標(biāo)準(zhǔn)與多維貧困三個維度的關(guān)聯(lián)表現(xiàn)差異：教育維度兩個指標(biāo)、生活條件維度中家庭用電、住房困難和家庭資產(chǎn)與極端收入貧困相關(guān)性較高（例如兒童失學(xué)與極端收入貧困、一般收入貧困的相關(guān)系數(shù)分別為0.0933、0.0753）；健康維度兩個指標(biāo)、生活條件維度中清潔飲水、生活燃料和衛(wèi)生設(shè)施與一般收入貧困相關(guān)性較高（例如營養(yǎng)狀況與極端收入貧困、一般收入貧困的相關(guān)系數(shù)分別為0.0576、0.0780）。

2.收入貧困標(biāo)準(zhǔn)下三類人群的多維貧困各指標(biāo)發(fā)生率比較

表4列示了兩條收入貧困標(biāo)準(zhǔn)劃分的三類人群，即非收入貧困人群（一般貧困線之上的人口）、一般收入貧困人群（介于極端貧困線和一般貧困線的貧困人口）和極端收入貧困人群（極端貧困線下的貧困人口），在多維貧困各指標(biāo)的貧困發(fā)生率，可以看出：（1）極端收入貧困人群各指標(biāo)的貧困狀況最嚴(yán)峻，非貧困人群的各指標(biāo)貧困發(fā)生率相對最低，表明多維貧困狀況與收入具有一定的相關(guān)性；（2）三類人群中，貧困發(fā)生率高的指標(biāo)均為衛(wèi)生設(shè)施、生活燃料、清潔飲水，表明農(nóng)村整體在多維貧困這三個指標(biāo)存在不足；（3）非收入貧困人群在某些指標(biāo)的貧困發(fā)生率也比較高，表明收入貧困和多維貧困識別具有一定的差異性，非收入貧困人群中存在一定數(shù)量的多維貧困人口。

3.收入貧困與多維貧困下的家庭識別

收入貧困和多維貧困的交叉列聯(lián)表分析中（見表5），以一般收入貧困標(biāo)準(zhǔn)為例，收入貧困與多維貧困聯(lián)合標(biāo)準(zhǔn)下同時識別為貧困家庭人口和非貧困家庭人口的比例分別為7.64%和64.53%，重合率為72.17%（極端收入貧困標(biāo)準(zhǔn)下的識別重合率為75.06%），表明收入貧困和多維貧困標(biāo)準(zhǔn)對家庭人口的識別并不具有一致性。另外，可將農(nóng)村樣本家庭分為四類：非貧困家庭（既不是收入貧困家庭又不是多維貧困家庭）、單一收入貧困家庭（屬于收入貧困家庭但不是多維貧困家庭）、單一多維貧困家庭（屬于多維貧困家庭但不是收入貧困家庭）、雙貧困家庭（既是收入貧困家庭又是多維貧困家庭）。表5中，單一收入貧困家庭、單一多維貧困家庭分別代表誤差類型Ⅰ（包容型）和誤差類型Ⅱ（排除型），代表收入與多維貧困兩種識別標(biāo)準(zhǔn)的不匹配程度，可以解釋為：以收入作為貧困測量手段來瞄準(zhǔn)多維貧困人口時，收入貧困家庭中存在一定比例的非多維貧困家庭，而非收入貧困家庭中存在一定比例的多維貧困家庭。

四、實證分析

（一）模型設(shè)定

在上述分析框架下，本文著重分析單一收入貧困家庭（包容型誤差）和單一多維貧困家庭（排除型誤差）的致貧機理，并采用Logit模型來對比這兩類貧困家庭的影響因素，因變量分別為單一收入貧困家庭、單一多維貧困家庭的虛擬變量；自變量為影響農(nóng)村家庭貧困狀況的特征因素，主要表現(xiàn)在以下幾個方面：家庭人口特征、家庭生產(chǎn)經(jīng)營特征、家庭資本特征、家庭社會關(guān)系特征和村莊環(huán)境特征等，各解釋變量的描述性統(tǒng)計見表6。

（二）農(nóng)村家庭貧困類型的影響因素分析

本文以一般收入貧困和多維貧困為研究標(biāo)準(zhǔn)，對比分析單一收入貧困家庭、單一多維貧困家庭的致貧機理。模型檢驗結(jié)果具有較高的擬合度和總體顯著性，解釋變量符號基本符合預(yù)期且具有穩(wěn)健性（表7），由此可見：

第一，家庭人口特征對于兩類貧困家庭的影響具有明顯差異。多維貧困家庭主要受教育、健康和家庭生活環(huán)境影響，因此家庭人口特征對于擺脫多維貧困的作用并不顯著。勞動力人數(shù)和非農(nóng)戶口對于收入貧困家庭具有顯著負(fù)向影響。勞動力人數(shù)越多，家庭收入來源就越廣泛，越有利于農(nóng)村家庭擺脫收入貧困。相較于農(nóng)業(yè)戶口家庭，具有非農(nóng)戶口的家庭往往具有較多的就業(yè)機會、較高的社會保障水平，能夠獲得較多的社會資源，一定程度上有助于農(nóng)村家庭收入貧困的改善。因此在扶貧開發(fā)過程中，應(yīng)該注意新型城鎮(zhèn)化對農(nóng)村家庭貧困狀況的影響，同時也應(yīng)該逐步消除戶籍制度農(nóng)村人口發(fā)展的限制。

第二，土地總面積對收入貧困家庭和多維貧困家庭具有相反的顯著影響。土地總面積的增加不利于多維貧困家庭狀況的改善，可能的原因在于土地面積增加使得農(nóng)村人口從事農(nóng)業(yè)勞作的時間延長，農(nóng)業(yè)生產(chǎn)所需勞動力和生產(chǎn)資料投入增大、并易于遭受農(nóng)業(yè)風(fēng)險的影響，從而對農(nóng)村人口的健康、教育和生活水平產(chǎn)生負(fù)向影響，不利于擺脫多維貧困。土地作為農(nóng)村家庭的主要經(jīng)濟來源，農(nóng)村土地流轉(zhuǎn)可以促進農(nóng)村土地規(guī)?；?jīng)營和土地使用效率，提高農(nóng)村家庭的財產(chǎn)性收入；農(nóng)村家庭從事個體經(jīng)營或私營有助于提高家庭自身的收入水平，還可能通過雇傭等方式來吸納農(nóng)村剩余勞動力，進而帶動農(nóng)村整體的脫貧致富，是改善農(nóng)村家庭收入貧困狀況的重要途徑。

第三，家庭擁有額外住房對農(nóng)村收入貧困家庭具有顯著負(fù)向影響。家庭住房作為農(nóng)村家庭的固定資產(chǎn)，不僅具有保值增值功能，還有助于抵抗外來風(fēng)險沖擊。農(nóng)村家庭借款主要來源包括銀行/信用社、親戚/好友、民間借貸等，農(nóng)村家庭借款對于貧困家庭的改善沒有起到顯著作用，可能的原因在于，從正規(guī)金融機構(gòu)或民間金融獲得資金后，不論用于房屋、教育、疾病、耐用品等投資性支出，還是婚喪大事、日常花銷等消費性支出，一方面資金不會在短期發(fā)生效力，另一方面還可能由于借貸壓力而遏制當(dāng)期消費。

第四，家庭社會關(guān)系特征對于農(nóng)村收入貧困家庭和多維貧困家庭影響顯著。家庭社會地位很大程度上反映了農(nóng)村家庭在當(dāng)?shù)氐挠绊懥?、人脈關(guān)系、社會網(wǎng)絡(luò)等因素，是家庭綜合實力的表現(xiàn)，有利于擺脫多維貧困。家庭組織成員主要包括干部、黨員、工會成員、團體協(xié)會成員等。相對于非組織成員，組織成員對于收入貧困家庭具有顯著負(fù)向影響，有利于收入貧困家庭擺脫貧困，一方面表明組織成員的工資性收入更高、福利待遇更好，另一方面在于部分組織成員的隱性收入更可觀。家庭存在組織成員對于多維貧困家庭具有顯著正向影響，不利于農(nóng)村家庭擺脫多維貧困狀況，可能的原因在于組織成員為了維護制度的公平性、組織的自律性以及個人的良好形象，而主動放棄改善家庭貧困的機會。

第五，就村莊地理環(huán)境而言，醫(yī)療和教育條件、地區(qū)、地貌都對貧困家庭具有顯著影響。村莊最近醫(yī)療點的距離越遠(yuǎn)，農(nóng)村人口的健康狀況不能得到有效保障，不利于擺脫收入貧困和多維貧困。最近高中的距離越遠(yuǎn)，家庭中孩子接受高等教育的機會成本越高，孩子會選擇輟學(xué)或者外出打工，這樣的后果雖然短期內(nèi)縮減了家庭教育支出，或提高了收入水平，但并不利于農(nóng)村人口教育素質(zhì)的提高。地區(qū)、地貌對多維貧困家庭的影響更為明顯，不同地域的經(jīng)濟發(fā)展水平、基礎(chǔ)設(shè)施建設(shè)、公共服務(wù)水平、生活環(huán)境具有巨大差異，會對家庭的生產(chǎn)、生活方式產(chǎn)生影響，進而影響家庭在經(jīng)濟和能力方面的提高。

六、結(jié)論與啟示

新時期，國家扶貧開發(fā)的工作目標(biāo)是實現(xiàn)2020年現(xiàn)有標(biāo)準(zhǔn)下農(nóng)村貧困人口全部脫貧，最基礎(chǔ)的環(huán)節(jié)在于對貧困家庭致貧機理的研究，結(jié)合“兩不愁，三保障”總體扶貧目標(biāo)和貧困退出機制要求，收入貧困和多維貧困作為貧困的兩個不同表現(xiàn)形式層面，既有差異性也有關(guān)聯(lián)性，二者的綜合研究不僅表明了國家扶貧開發(fā)理念的深刻內(nèi)涵，還為未來國家扶貧工作提出了發(fā)展方向。

基于此，本文利用2012年中國家庭追蹤調(diào)查數(shù)據(jù)（CFPS），對比分析了收入貧困與多維貧困的區(qū)別和聯(lián)系，并在此基礎(chǔ)上對單一收入貧困家庭和單一多維貧困家庭的影響因素進行了實證分析，得到的結(jié)論如下：（1）土地流轉(zhuǎn)對兩類家庭具有同樣顯著的負(fù)向影響，農(nóng)村家庭土地參與流轉(zhuǎn)可以顯著擺脫收入貧困或多維貧困狀況。因此，在現(xiàn)階段土地制度改革背景下，在堅持集體所有制的前提下，積極做好土地確權(quán)登記工作，為土地所有權(quán)、承包權(quán)和經(jīng)營權(quán)的合理分置奠定基礎(chǔ)，可以有效推動農(nóng)村土地流轉(zhuǎn)，促進農(nóng)村土地規(guī)?；?jīng)營和土地使用效率，進而提高農(nóng)村家庭的財產(chǎn)性收入。（2）當(dāng)?shù)蒯t(yī)療衛(wèi)生條件對于兩類家庭同樣具有顯著正向影響，距離最近醫(yī)療點越遠(yuǎn)，越不利于收入貧困家庭或多維貧困家庭擺脫貧困。因此，擴展基層醫(yī)療機構(gòu)，提高農(nóng)村的醫(yī)療服務(wù)能力和水平，健全農(nóng)村三級醫(yī)療衛(wèi)生服務(wù)體系，加大醫(yī)療精準(zhǔn)扶貧力度，從而有效解決農(nóng)村人口看病難、看病貴以及因病致貧等問題。（3）勞動力人數(shù)越多、非農(nóng)戶口、土地總面積越大、從事家庭經(jīng)營、擁有額外住房、是組織成員、距離當(dāng)?shù)馗咧性竭h(yuǎn)，對于收入貧困家庭具有顯著負(fù)向影響，有利于其擺脫貧困狀況；土地總面積越大、低社會地位、是組織成員、非東部地區(qū)、非平原地貌，對于多維貧困家庭均具有顯著正向影響，不利于其擺脫貧困。因此，應(yīng)該針對不同貧困類型的家庭采取差異化的扶貧方式，進一步凸顯精準(zhǔn)扶貧的目的。

總之，隨著貧困研究的不斷深入，貧困的內(nèi)涵和類型不斷拓展，在當(dāng)前精準(zhǔn)扶貧背景下，通過收入貧困和多維貧困的綜合分析，有利于建立健全扶貧對象識別機制，并根據(jù)不同貧困類型致貧因素制定差異化的扶貧手段，進而實現(xiàn)減貧目標(biāo)和增強扶貧對象的穩(wěn)定脫貧能力，從而使得精準(zhǔn)扶貧開發(fā)工作能夠有的放矢，提高扶貧開發(fā)效率，為全面建成小康社會奠定堅實的群眾基礎(chǔ)。