精準(zhǔn)扶貧項目與農(nóng)村居民收入增長
——基于傾向得分匹配模型的分析

趙 正，侯一蕾，溫亞利

(北京林業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院，北京 100083)

一、引言

中國的扶貧實踐始于20世紀(jì)80年代中期，時至今日已經(jīng)使六億多人成功脫貧，成為第一個實現(xiàn)聯(lián)合國千年發(fā)展目標(biāo)使貧困人口比例減半的國家。但是，當(dāng)前中國的扶貧工作仍然存在貧困居民底數(shù)不清、扶貧措施針對性不強(qiáng)、扶貧資金和項目指向不明等一系列問題。2013年11月，習(xí)近平總書記在湖南湘西考察時提出了“精準(zhǔn)扶貧”的重要思想，即針對不同貧困區(qū)域環(huán)境、不同貧困農(nóng)戶狀況，運(yùn)用科學(xué)有效程序?qū)Ψ鲐殞ο髮嵤┚_識別、精確幫扶、精確管理的治貧方式。也就是說，精準(zhǔn)扶貧的對象是真正的貧困農(nóng)戶。另一方面，習(xí)近平總書記在2015年10月再次強(qiáng)調(diào)，實施精準(zhǔn)扶貧方略需要堅持“分類施策”的原則，即“因人因地施策，因貧困原因施策，因貧困類型施策”。因此，設(shè)計科學(xué)合理的精準(zhǔn)扶貧模式就成為提升農(nóng)戶參與積極性和扶貧政策實施效果的保證?；诖?，本研究以典型地區(qū)貧困農(nóng)戶作為研究對象，從主要的精準(zhǔn)扶貧模式出發(fā)，就精準(zhǔn)扶貧項目與農(nóng)村居民收入增長之間的關(guān)聯(lián)及影響關(guān)系進(jìn)行深入探討。

二、文獻(xiàn)綜述

關(guān)于精準(zhǔn)扶貧的研究始于2013年，但目前已有的研究成果比較豐富，涵蓋了精準(zhǔn)扶貧的模式選擇、問題研究及對策分析等方面的內(nèi)容。

就精準(zhǔn)扶貧的模式選擇而言。有研究認(rèn)為扶貧模式的選擇需要考慮不同地區(qū)的貧困特點(diǎn)和致貧原因。有研究認(rèn)為中國西南石漠化地區(qū)精準(zhǔn)扶貧取得成效的關(guān)鍵，是在科學(xué)規(guī)劃和精準(zhǔn)識別的前提下建立農(nóng)業(yè)產(chǎn)業(yè)化的扶貧發(fā)展模式[1]；還有研究指出，中國川藏地區(qū)的貧困問題受到生態(tài)、經(jīng)濟(jì)、社會以及制度等因素的約束，其扶貧模式應(yīng)當(dāng)更多地考慮提升公共服務(wù)、加大資金投入以及創(chuàng)新機(jī)制等方面的內(nèi)容[2]。另一方面，有研究認(rèn)為有效的扶貧模式應(yīng)當(dāng)是將改善貧困狀況和增強(qiáng)發(fā)展能力相結(jié)合的模式，精準(zhǔn)扶貧工作應(yīng)當(dāng)注重農(nóng)戶的教育培訓(xùn)環(huán)節(jié)[3]；也有研究指出，有效的精準(zhǔn)扶貧模式需要一方面瞄準(zhǔn)對象、精確識別，另一方面對癥下藥、聯(lián)動幫扶[4]。

就精準(zhǔn)扶貧存在的問題而言。有學(xué)者從農(nóng)戶自身角度出發(fā)，認(rèn)為中國農(nóng)戶貧困的主要原因是自身發(fā)展能力的缺乏，具體體現(xiàn)在對借貸等精準(zhǔn)扶貧措施的積極性不高等方面[5]，還有學(xué)者提出中國精準(zhǔn)扶貧精準(zhǔn)度不高的原因之一是農(nóng)戶在參與扶貧項目時存在信息不對稱的問題[6]；其次，從扶貧政策角度考慮，有學(xué)者指出中國的農(nóng)村社會正在不斷發(fā)生分化，當(dāng)前的扶貧措施需要更多地考慮扶貧政策與社區(qū)發(fā)展之間的關(guān)系[7]；還有學(xué)者更加詳細(xì)地提出，中國的精準(zhǔn)扶貧工作存在需求、資金、市場等方面的排斥性因素，都不利于扶貧工作的有效開展[8]。以上研究表明，農(nóng)戶自身存在的問題與扶貧政策的缺陷，都會導(dǎo)致精準(zhǔn)扶貧的實踐與政策相背離。

就精準(zhǔn)扶貧的路徑與對策分析而言。已有研究普遍強(qiáng)調(diào)了建立和強(qiáng)化精準(zhǔn)扶貧機(jī)制的重要性，即更加關(guān)注區(qū)域和人口的實際需要以及扶貧資金的投向和效果，提高扶貧的精準(zhǔn)度[9]；還有學(xué)者認(rèn)為農(nóng)戶的參與是提高扶貧轉(zhuǎn)化率的根本之策，也是發(fā)現(xiàn)和解決貧困問題、提升精準(zhǔn)扶貧績效的重要手段[10]；有研究進(jìn)一步提出了提高精準(zhǔn)扶貧有效性的方式方法，即一方面制定和實施有效的財政、金融政策，另一方面加強(qiáng)對貧困農(nóng)戶的技能培訓(xùn)，提升生計水平，從兩方面努力來達(dá)到脫貧的目的[11]。

從相關(guān)研究所存在的問題出發(fā)，本研究認(rèn)為：一方面，由于精準(zhǔn)扶貧對于大部分地區(qū)農(nóng)戶而言仍然是一個比較新的話題，目前中國只有少數(shù)試點(diǎn)地區(qū)開展了相關(guān)的精準(zhǔn)扶貧項目，參與項目的農(nóng)戶人數(shù)也較少，因此用于此類研究的樣本數(shù)量較小，在觀察研究過程中存在的小樣本偏差，將會引致偏倚的結(jié)論，從而降低研究結(jié)果的可信度；另一方面，Heckman曾經(jīng)指出，樣本選擇性偏差和受訪者的先驗經(jīng)驗、個體特征等因素同樣會影響研究結(jié)果[12]。也就是說，農(nóng)戶精準(zhǔn)扶貧項目參與情況會受到多種因素的影響，而非僅僅由項目本身的好壞所決定，已有研究并未對此加以重點(diǎn)關(guān)注。本研究旨在通過引入傾向得分匹配法(PSM)解決這一系列問題。

基于已有研究成果和“實事求是，因地制宜，分類指導(dǎo)”的基本原則，本研究認(rèn)為，充分提升農(nóng)戶的參與積極性是精準(zhǔn)扶貧工作實施的重點(diǎn)，設(shè)計合理的精準(zhǔn)扶貧實施方式，則是提升農(nóng)戶參與積極性的保證。結(jié)合秦嶺地區(qū)精準(zhǔn)扶貧工作開展的實際情況，本研究以貧困補(bǔ)貼模式、合作社模式、生態(tài)旅游模式以及整村推進(jìn)模式為例進(jìn)行分析，旨在全面把握當(dāng)?shù)鼐珳?zhǔn)扶貧的基本情況，同時對不同模式下農(nóng)戶收入的增減情況進(jìn)行估算與對比，進(jìn)而得出最適宜的扶貧模式，為相關(guān)政策的制定提供依據(jù)。

三、研究區(qū)域和指標(biāo)設(shè)計

陜西省是中國生態(tài)脆弱、水土流失嚴(yán)重的省份之一，也是貧困問題較為突出的區(qū)域。本研究課題組于2016年對秦嶺地區(qū)農(nóng)戶的精準(zhǔn)扶貧項目參與意愿進(jìn)行了實地調(diào)研，共涉及陜西省佛坪縣、城固縣、洋縣、太白縣、眉縣、周至縣6縣的11個行政村。本研究在選取樣本農(nóng)戶時依據(jù)典型抽樣和隨機(jī)抽樣相結(jié)合的原則，選擇調(diào)查農(nóng)戶共計600戶，剔除由于常年在外打工而得到的無效問卷、有明顯失真的問卷、數(shù)據(jù)信息缺失嚴(yán)重以及完全對本次研究相關(guān)變量無法滿足的問卷，最終的有效問卷為561份，調(diào)查問卷有效率達(dá)93.50%(表1)。

表1 研究區(qū)域和問卷發(fā)放情況

就問卷調(diào)查的具體內(nèi)容而言，首先對農(nóng)戶在2014—2016年的收入情況進(jìn)行了調(diào)查，與收入相關(guān)的調(diào)查問題包括了農(nóng)戶在貧困補(bǔ)貼、合作社、生態(tài)旅游以及整村推進(jìn)四種精準(zhǔn)扶貧模式下的家庭月收入額。其次，還對以下3個方面的內(nèi)容進(jìn)行了調(diào)查：(1)農(nóng)戶的個人特征，包括農(nóng)戶的性別、年齡、受教育程度以及農(nóng)戶身份等；(2)農(nóng)戶的精準(zhǔn)扶貧項目參與情況，以2016年農(nóng)戶的項目參與情況作為區(qū)別實驗組與對照組的分類變量，同時對2014和2015年農(nóng)戶的項目參與情況進(jìn)行調(diào)查，以此來降低數(shù)據(jù)的內(nèi)生性問題；(3)考慮到可能存在的不可觀測因素和交叉影響因素的作用，以及解釋變量與被解釋變量間可能存在的非線性關(guān)系，本研究通過對個別變量的交叉和平方化處理構(gòu)建了6個虛擬變量。具體的變量設(shè)置及描述統(tǒng)計情況如表2所示。

表2 變量及其取值

由表2可知，實驗組農(nóng)戶各年的收入情況均低于對照組，且各組各變量的t檢驗結(jié)果顯示其組間差異非常顯著(P<0.01)。比較各變量可知，實驗組農(nóng)戶的年齡略小、受教育程度略低，這類農(nóng)戶普遍具有更多的閑暇時間；同時，實驗組農(nóng)戶的村干部或黨員任職要優(yōu)于對照組，即實驗組農(nóng)戶對于精準(zhǔn)扶貧政策的接觸頻率及認(rèn)知程度相對較高。由此可以推斷：參與精準(zhǔn)扶貧項目理論上應(yīng)當(dāng)促進(jìn)農(nóng)戶收入水平的提升，因此導(dǎo)致其收入較低的因素很有可能是內(nèi)生性的。描述統(tǒng)計部分只對農(nóng)戶的收入進(jìn)行了簡單對比，并未體現(xiàn)農(nóng)戶收入與其精準(zhǔn)扶貧項目參與情況之間可能存在的因果關(guān)系。因此，本研究擬對真實情況進(jìn)行進(jìn)一步的估計。

四、傾向得分匹配模型設(shè)計

在精準(zhǔn)扶貧項目參與對農(nóng)戶收入的影響分析中，實地調(diào)研所得到的數(shù)據(jù)主要是非實驗數(shù)據(jù)或觀測數(shù)據(jù)，而不是隨機(jī)對照實驗數(shù)據(jù)。原因在于：從數(shù)據(jù)獲取的角度考慮，對大量受訪者進(jìn)行調(diào)查，然后隨機(jī)分配到參與組和非參與組的實驗設(shè)計并不容易實現(xiàn)；反之，農(nóng)戶參與和未參與精準(zhǔn)扶貧項目的行為和結(jié)果很容易通過觀察得到。但是，利用觀察數(shù)據(jù)直接進(jìn)行研究將很容易得出非常偏倚的結(jié)論。比如：用參與項目的農(nóng)戶中收入狀況最差的10%樣本，與未參與項目的農(nóng)戶中收入狀況最好的10%樣本進(jìn)行對比，將會得出“精準(zhǔn)扶貧項目對農(nóng)戶收入產(chǎn)生負(fù)面影響”的錯誤結(jié)論。因此，本研究擬通過引進(jìn)傾向性得分匹配法來嘗試解決這一問題。

傾向得分匹配法(PSM)是使用非實驗數(shù)據(jù)或觀測數(shù)據(jù)進(jìn)行干預(yù)效應(yīng)分析的統(tǒng)計方法，可以有效降低調(diào)查樣本的選擇性偏差和內(nèi)生性干擾等問題。傾向得分匹配的理論框架是“反事實推斷模型”，即假定任何因果分析的研究對象都有兩種條件下的結(jié)果：被觀測到的和未被觀測到的結(jié)果。對于處在干預(yù)狀態(tài)和控制狀態(tài)的樣本而言，“反事實”分別表示處于相應(yīng)狀態(tài)下的潛在結(jié)果。傾向得分匹配法可以解決“反事實”無法觀測的問題。該方法首先將可能存在選擇性偏差和內(nèi)生性干擾的混淆變量納入到回歸模型中，通過計算得出其傾向得分，即實驗組樣本的條件概率；進(jìn)而以傾向得分為基礎(chǔ)，計算與每個實驗組樣本個體最為匹配的對照組樣本個體，從而達(dá)到組間的平衡。

具體來說，首先對原始數(shù)據(jù)進(jìn)行歸納與整合，得到兩個組別的樣本數(shù)據(jù)，實驗組表示該組農(nóng)戶有參與精準(zhǔn)扶貧項目，對照組則表示該組農(nóng)戶沒有參與精準(zhǔn)扶貧項目。令因變量Y1和Y0分別表示實驗組和對照組農(nóng)戶收入，二值變量D表示農(nóng)戶是否參與項目(D=1則代表該農(nóng)戶在實驗組，D=0則代表該農(nóng)戶在對照組)。本研究的目的在于探討已經(jīng)參與精準(zhǔn)扶貧項目的農(nóng)戶與假設(shè)其未曾參與的情況相比，其收入狀況是否會更好。當(dāng)樣本農(nóng)戶屬于試驗組時，事實E(Y1|D=1)可觀測，而反事實E(Y0|D=1)無法觀測；同理，當(dāng)樣本農(nóng)戶屬于對照組時，事實E(Y0|D=0)可觀測，而反事實E(Y1|D=0)無法觀測，這種研究思路稱為“反事實因果分析”[13]。同時，由于個體農(nóng)戶的參與情況存在差異，因此本研究重點(diǎn)關(guān)注實驗組中事實E(Y1|D=1)與反事實E(Y0|D=1)之間的樣本均值差，即平均參與效應(yīng)(ATT)：

ATT=α[E(Y1|D=1)-E(Y0|D=1)]+(1-α)[E(Y1|D=0)-E(Y0|D=0)]

其中，α為實驗組樣本農(nóng)戶比重，(1-α)為對照組的樣本農(nóng)戶比例。考慮到各組樣本的隨機(jī)分配方式以及反事實無法觀測的困難，本研究引入非混淆假設(shè)E(Y1|D=0)=E(Y1|D=1)和E(Y0|D=0)=E(Y0|D=1)對平均參與效應(yīng)(ATT)的表達(dá)式進(jìn)行簡化[14]，得到：

ATT=E(Y1|D=1)-E(Y0|D=0)

本研究用傾向得分(Propensity Score)作為對多個混淆變量x的代替進(jìn)行估計，它表示“個體在一組既定的協(xié)變量下，接受某種參與(Treatment)的可能性”[15]。令P(x)表示實驗組中變量x的傾向得分，即P(x)=P(D=1|x)，則平均參與效應(yīng)(ATT)可以進(jìn)一步改寫為：

ATT=E(Y1|D=1，P(x))-E(Y0|D=0，

P(x))

由于本研究的參與變量D為二值變量(0，1)，因此采用logit模型對傾向得分值進(jìn)行估計。對傾向得分值進(jìn)行估計的目的在于，將多維協(xié)變量x轉(zhuǎn)換為一維變量P(x)，從而降低匹配的復(fù)雜程度。當(dāng)前比較常用的傾向得分匹配方式有4種，即最鄰近匹配法(Nearest Neighbor Matching Method)、核匹配法(Kernel Matching Method)、分層匹配法(Stratification Method)和半徑匹配法(Radius Matching Method)。本研究擬采用最鄰近匹配法，對與實驗組樣本的傾向得分最為接近的實驗組樣本進(jìn)行一對一匹配，數(shù)據(jù)的整理和分析采用Stata軟件完成。

五、實證結(jié)果分析

(一)傾向得分的Logit模型估計結(jié)果

本研究的因變量類型為二分類變量，自變量包括二分類變量、連續(xù)變量和有序多分類變量，因此采用二分類Logit回歸模型進(jìn)行分析，來探討二分類因變量與自變量之間的關(guān)系。同時，還計算了各影響因素變量的邊際變化對農(nóng)戶參與精準(zhǔn)扶貧項目的概率的影響。計算結(jié)果如表3所示。

表3 不同扶貧模式下傾向得分的logit估計結(jié)果

注：***、**、*分別表示1%、5%和10%顯著性水平。

由表2可知，年齡和教育因素會顯著提升農(nóng)戶參與精準(zhǔn)扶貧項目的概率，農(nóng)戶的年齡越大、受教育程度越高，農(nóng)戶參與精準(zhǔn)扶貧項目的概率就越高；類似地，具有村干部或黨員身份的農(nóng)戶參與精準(zhǔn)扶貧項目概率要顯著高于普通農(nóng)戶；相反，從事非農(nóng)工作的農(nóng)戶參與精準(zhǔn)扶貧項目的概率要低于傳統(tǒng)農(nóng)戶。此外，就2016年的情況而言，農(nóng)戶的收入水平越高，其參與精準(zhǔn)扶貧項目的概率就越低?？赡艿脑蚴牵S著收入水平的提升，農(nóng)戶通過參與扶貧項目來繼續(xù)提高收入的主觀意愿就會逐漸降低。本研究認(rèn)為，這是由于農(nóng)戶對于精準(zhǔn)扶貧重要功能的認(rèn)知不夠充分，他們并不理解“精準(zhǔn)扶貧”和“收入提升”之間的因果聯(lián)系。為了體現(xiàn)和驗證精準(zhǔn)扶貧項目對于農(nóng)戶收入的真實作用程度和方向，需要進(jìn)行傾向得分匹配分析。

(二)傾向得分匹配的估計結(jié)果

采用相鄰樣本匹配的方法進(jìn)行傾向值得分匹配，試驗組的可匹配情況如表4所示。由表4可見，按照本研究設(shè)定的匹配規(guī)則，試驗組僅有8位受訪農(nóng)戶未能匹配到合適的對照組樣本。

表4 傾向得分匹配的可匹配情況

由表5所示的傾向得分匹配結(jié)果可知：總體上，匹配前的農(nóng)戶收入呈現(xiàn)“實驗組<對照組”的特點(diǎn)，且二者差值小于0，表明參與了精準(zhǔn)扶貧項目的農(nóng)戶，其收入值反而更低了；匹配后的農(nóng)戶收入呈現(xiàn)“實驗組>對照組”的特點(diǎn)且ATT>0，表明參與精準(zhǔn)扶貧項目確實可以提升農(nóng)戶收入。就不同模式對農(nóng)戶收入的提升作用而言，生態(tài)旅游模式的作用最為顯著，合作社和貧困補(bǔ)貼模式次之，整村推進(jìn)模式的作用相對較小；就不同模式下收入的絕對值而言，貧困補(bǔ)貼和合作社模式下的農(nóng)戶收入較高，生態(tài)旅游和整村推進(jìn)模式下的農(nóng)戶收入較低。

表5 傾向得分匹配的估計結(jié)果

注：***、**、*分別表示1%、5%和10%顯著性水平。

以上傾向得分匹配的結(jié)果充分證明：當(dāng)前農(nóng)戶對精準(zhǔn)扶貧項目的參與存在著選擇性偏差和內(nèi)生性干擾，忽視這些問題將會導(dǎo)致精準(zhǔn)扶貧政策的作用被低估甚至誤判。傾向得分匹配方法降低了此類干擾對真實研究結(jié)果的影響，表明在農(nóng)戶參與精準(zhǔn)扶貧項目后，其收入水平會獲得不同程度的提升。

(三)傾向得分匹配的平衡性檢驗

在傾向得分匹配估計的基礎(chǔ)上，本研究擬對結(jié)果的可靠性進(jìn)行平衡性檢驗，目的在于驗證匹配后實驗組與對照組的匹配變量不存在顯著的組間差異。以總體收入為例進(jìn)行檢驗，結(jié)果如表6所示?？芍?，logit回歸的偽R2由匹配前的0.673下降到了匹配后的0.068，表明傾向值匹配后混淆變量對于處理效應(yīng)所提供的新信息大幅減少到0.1以下；同時，總體組間均值差異為10.1%，可以認(rèn)為平衡性假設(shè)得到了滿足。

表6 傾向得分匹配前后的相關(guān)指標(biāo)對比

注：***、**、*分別表示1%、5%和10%顯著性水平。

此外，本研究通過對實驗組和對照組各變量進(jìn)行標(biāo)準(zhǔn)偏誤(SB)和t檢驗計算來反映偏差的減少情況，結(jié)果如表7所示。其中，變量的標(biāo)準(zhǔn)偏誤是實驗組與對照組的樣本均值之差與樣本方差平均值的平方根之比。已有研究對具體評判的標(biāo)準(zhǔn)闕值并未達(dá)成一致，但是一般而言，標(biāo)準(zhǔn)偏誤越小則表示匹配的效果越好[16-17]。

從總體上看，各變量的標(biāo)準(zhǔn)偏誤在傾向得分匹配處理后得到了極大的改善，突出體現(xiàn)在其絕對值的大幅降低上。具體來說：(1)計算得到的標(biāo)準(zhǔn)偏誤的絕對值基本都小于20%，可認(rèn)為傾向得分匹配的估計結(jié)果是可靠的[18]；(2)與匹配前相比，除“是否從事非農(nóng)工作”這一變量的標(biāo)準(zhǔn)偏誤增加之外，其他所有變量標(biāo)準(zhǔn)偏誤的絕對值均呈現(xiàn)出較很大幅度的降低；(3)在進(jìn)行傾向得分匹配后，絕大部分變量的t檢驗統(tǒng)計量不再顯著。因此，認(rèn)為該傾向得分匹配的結(jié)果是可靠的，該方法在很大程度上消除了實驗組與對照組樣本之間的個體差異，表明傾向得分匹配后的結(jié)果更加符合實際情況。與此同時，匹配標(biāo)準(zhǔn)偏誤絕對值的大幅降低也表明，農(nóng)戶問卷調(diào)查由于受到樣本個體生存背景、主觀情感以及對調(diào)查問題的認(rèn)知程度等因素的影響，導(dǎo)致調(diào)查的誤差相對較大，還需要設(shè)計更加合理的調(diào)查內(nèi)容及形式以提升農(nóng)戶回答問題的真實性和可靠性。

表7 傾向得分匹配結(jié)果的平衡性檢驗結(jié)果

六、結(jié)論與討論

綜上所述，本研究采用傾向性匹配得分法(PSM)分析了農(nóng)戶參與精準(zhǔn)扶貧項目對其收入的影響，并對研究結(jié)果的平衡性進(jìn)行了檢驗。研究發(fā)現(xiàn)：(1)在進(jìn)行傾向得分匹配前，農(nóng)戶收入呈現(xiàn)“實驗組<對照組”的特點(diǎn)，而經(jīng)過傾向得分匹配后，農(nóng)戶收入呈現(xiàn)“實驗組>對照組”的特點(diǎn)，表明在參與精準(zhǔn)扶貧項目后農(nóng)戶的收入水平會獲得提升。(2)就不同模式對收入的提升作用而言，生態(tài)旅游模式的作用最為顯著，合作社和貧困補(bǔ)貼模式次之，整村推進(jìn)模式的作用相對較?。痪筒煌Ｊ较率杖氲慕^對值而言，貧困補(bǔ)貼模式和合作社模式下的農(nóng)戶收入仍然最大，生態(tài)旅游模式和整村推進(jìn)模式下的農(nóng)戶收入相對較小。(3)傾向得分匹配法的計算和驗證結(jié)果顯示，當(dāng)前農(nóng)戶對精準(zhǔn)扶貧項目的參與存在著選擇性偏差和內(nèi)生性干擾，這些因素共同導(dǎo)致了精準(zhǔn)扶貧政策的作用被低估甚至誤判。

基于以上研究結(jié)論，本研究認(rèn)為精準(zhǔn)扶貧項目的順利實施離不開農(nóng)戶的關(guān)注和參與，在日后的工作中，需要重點(diǎn)提升農(nóng)戶對精準(zhǔn)扶貧相關(guān)政策的了解程度，使其明晰精準(zhǔn)扶貧項目的實施機(jī)理和最終目的，讓農(nóng)戶意識到整體精準(zhǔn)扶貧項目實施與個人收入提升之間的因果聯(lián)系，進(jìn)而深化農(nóng)戶感知，提升其參與精準(zhǔn)扶貧項目的主動性。換句話說，只有充分發(fā)揮公眾的作用，才能提高精準(zhǔn)扶貧項目實施的效率，為精準(zhǔn)扶貧工作的進(jìn)一步開展創(chuàng)造條件。此外，從方法層面考慮，傾向性得分匹配法被證實可以有效降低調(diào)查樣本的選擇性偏差和內(nèi)生性干擾等問題，該方法可以在實驗組和對照組交集很小的情況下消除組別之間的干擾因素，揭示研究對象之間的真實因果關(guān)系。在下一步的研究中，還可以在研究方法的綜合使用方面做進(jìn)一步拓展，如，使用不同的匹配方法進(jìn)行估計，并比對不同的計算結(jié)果分析，選擇最合適的方法進(jìn)行研究；增加衡量個體特征變量的個數(shù)，使研究的結(jié)論更加全面。