農(nóng)戶異質(zhì)性對(duì)精準(zhǔn)扶貧績(jī)效的影響
——基于我國(guó)省級(jí)面板數(shù)據(jù)的空間計(jì)量分析

●左曉慧 劉思遠(yuǎn)

一、引言

貧困問(wèn)題威脅著社會(huì)的和諧穩(wěn)定，與社會(huì)主義共同富裕本質(zhì)相違背，所以國(guó)家一直非常重視脫貧攻堅(jiān)工作。長(zhǎng)期以來(lái)我國(guó)實(shí)施的扶貧開(kāi)發(fā)戰(zhàn)略和鄉(xiāng)村振興戰(zhàn)略極大地改善了貧困地區(qū)人民的生活條件，顯著降低了貧困率。至2019 年，我國(guó)貧困人口已減少9000 多萬(wàn)，貧困發(fā)生率降至歷史新低約0.6%，精準(zhǔn)扶貧工作整體效果顯著。但并未取得根本性的勝利，貧困問(wèn)題仍一直存在。而解決人民脫貧問(wèn)題，首要任務(wù)應(yīng)為精準(zhǔn)識(shí)別扶貧對(duì)象，繼而針對(duì)不同類(lèi)型的扶貧對(duì)象實(shí)施不同的扶貧政策。在全面小康的精準(zhǔn)扶貧新時(shí)期，貧困人口呈分散式、碎片化特點(diǎn)分布，對(duì)精準(zhǔn)扶貧績(jī)效的評(píng)估常面臨貧困率面板數(shù)據(jù)缺失、扶貧項(xiàng)目落實(shí)情況信息缺失等難題，難以形成科學(xué)的理論評(píng)估模型。因此，選擇何種方法科學(xué)地評(píng)估扶貧績(jī)效對(duì)扶貧政策目標(biāo)實(shí)現(xiàn)極具重要意義。

二、文獻(xiàn)綜述

關(guān)于精準(zhǔn)扶貧和精準(zhǔn)扶貧績(jī)效評(píng)價(jià)的研究，國(guó)內(nèi)外學(xué)者做出了巨大貢獻(xiàn)，研究成果豐富。本文梳理如下：

（一）精準(zhǔn)扶貧的界定

貧困問(wèn)題一直是人類(lèi)社會(huì)面臨的共同挑戰(zhàn)，脫貧工作將持續(xù)不斷地進(jìn)行下去。國(guó)外學(xué)者從不同層面分析了貧困產(chǎn)生的原因，其中，Ragnar（1953）從宏觀層面以資本供求差異為視角探討得出貧困產(chǎn)生的原因在于資本的供小于求。

Rowntree（1901）從微觀層面將個(gè)人或家庭缺乏生產(chǎn)所必須的貨物或服務(wù)稱為貧困并運(yùn)用“測(cè)算收入貧困線”界定貧困。而國(guó)內(nèi)界定貧困一般選用微觀視角，以個(gè)人年收入為主的貧困指標(biāo)評(píng)估個(gè)人貧困程度。為精準(zhǔn)解決貧困問(wèn)題，我國(guó)2013 年提出“精準(zhǔn)扶貧”戰(zhàn)略。楊國(guó)斌、普戡倪（2020）認(rèn)為我國(guó)“精準(zhǔn)扶貧”戰(zhàn)略是對(duì)馬克思主義學(xué)派關(guān)于“消除貧困”相關(guān)思想的繼承與發(fā)展。汪三貴、郭子豪(2016)指出精準(zhǔn)扶貧應(yīng)是扶貧政策和措施精準(zhǔn)針對(duì)真正的貧困人口,通過(guò)針對(duì)性幫扶消除貧困。王錚、楊寬明（2019）指出現(xiàn)階段扶貧工作的重點(diǎn)應(yīng)由盲目資助轉(zhuǎn)向重點(diǎn)扶持。呂若南(2019)指出精準(zhǔn)扶貧重在“精準(zhǔn)”貴在“精準(zhǔn)”,要發(fā)揮好基層黨組織的作用將“精準(zhǔn)”貫穿于整個(gè)扶貧工作中。參考上述文獻(xiàn)，本文將精準(zhǔn)扶貧定義為：對(duì)符合多維貧困標(biāo)準(zhǔn)的貧困農(nóng)戶，通過(guò)實(shí)施針對(duì)性的精準(zhǔn)幫扶措施增加其可支配收入、提升其生活質(zhì)量，使其脫離貧困。

（二）精準(zhǔn)扶貧績(jī)效評(píng)價(jià)

在實(shí)施眾多精準(zhǔn)扶貧新舉措之后，對(duì)于精準(zhǔn)扶貧績(jī)效的考核，國(guó)內(nèi)眾多學(xué)者并沒(méi)有得出相對(duì)一致的結(jié)論，學(xué)者們從不同角度對(duì)其進(jìn)行考核。一方面，正向來(lái)看，寧?kù)o、殷浩棟（2019）通過(guò)PSM-DID 模型以及安慰劑檢驗(yàn)，實(shí)證分析了產(chǎn)業(yè)扶貧項(xiàng)目對(duì)扶貧的正向作用。東梅、王滿旺、馬榮等（2020）以“產(chǎn)業(yè)扶貧”為例，基于三階段DEA 模型驗(yàn)證了陜西省大部分貧困縣扶貧效率已達(dá)到最優(yōu)。另一方面，李小云、唐麗霞（2015）等認(rèn)為我國(guó)扶貧資源瞄準(zhǔn)長(zhǎng)期存在偏離，扶貧不夠“精準(zhǔn)”。劉媛媛、吳玲（2020）指出當(dāng)前在農(nóng)村精準(zhǔn)扶貧過(guò)程中存在著精準(zhǔn)扶貧運(yùn)行機(jī)制不科學(xué)、優(yōu)秀人才匱乏、信息化程度不足以及扶貧主體較單一等問(wèn)題。針對(duì)以上文獻(xiàn)研究得出的精準(zhǔn)扶貧現(xiàn)有不足之處，本文為使精準(zhǔn)扶貧目標(biāo)盡快達(dá)成，從扶貧資源瞄準(zhǔn)偏離以及扶貧主體單一等角度出發(fā)，以農(nóng)戶異質(zhì)性作為精準(zhǔn)扶貧績(jī)效考核的落腳點(diǎn)，進(jìn)而研究農(nóng)戶異質(zhì)性與精準(zhǔn)扶貧績(jī)效的內(nèi)在聯(lián)系。

（三）農(nóng)戶的異質(zhì)性及其對(duì)扶貧績(jī)效影響

不同農(nóng)戶類(lèi)型稱為農(nóng)戶異質(zhì)，Mancur Olson（1965）將異質(zhì)性定義為資源分配不均等程度。楊曉云、鄧曉霞(2019)研究發(fā)現(xiàn),中國(guó)農(nóng)村家庭之間存在較為普遍的資產(chǎn)異質(zhì)性。本文將農(nóng)戶異質(zhì)性定義為各農(nóng)戶在個(gè)體因素與家庭因素兩方面存在差異?；谵r(nóng)戶異質(zhì)性，何廣文、劉甜（2019）從農(nóng)戶創(chuàng)業(yè)信貸需求差異角度，劉勝科、孔榮（2018）從農(nóng)戶創(chuàng)業(yè)意愿層面，高富雄、趙丹丹（2020）等以耕地質(zhì)量保護(hù)行為及耕地質(zhì)量保護(hù)的選擇方式為視角研究農(nóng)戶異質(zhì)性對(duì)行為的差異，均得出一致結(jié)論：農(nóng)戶異質(zhì)性影響了農(nóng)戶的異質(zhì)行為。進(jìn)一步，對(duì)于精準(zhǔn)扶貧績(jī)效，劉魏、王小華（2019）通過(guò)對(duì)不同類(lèi)型的多維貧困戶細(xì)分發(fā)現(xiàn)，土地流轉(zhuǎn)能夠緩解一般多維貧困戶的多維貧困，但對(duì)于極端多維貧困戶的影響效果并不明顯。

已有文獻(xiàn)對(duì)精準(zhǔn)扶貧的界定及措施、精準(zhǔn)扶貧績(jī)效以及農(nóng)戶異質(zhì)性單方面研究成果豐富，為本文研究提供了一定的理論支持。但從農(nóng)戶異質(zhì)性角度研究其對(duì)于精準(zhǔn)扶貧績(jī)效影響的研究較少，該框架缺少文獻(xiàn)的支持和實(shí)證證據(jù)；并且已有文獻(xiàn)對(duì)精準(zhǔn)扶貧績(jī)效的評(píng)估大多選定特定區(qū)域進(jìn)行研究，忽視了省級(jí)間的空間效應(yīng)?；诖?，本文采用微觀省級(jí)數(shù)據(jù)，從省級(jí)層面考量農(nóng)戶異質(zhì)性對(duì)精準(zhǔn)扶貧績(jī)效的影響并用空間計(jì)量模型進(jìn)一步研究?jī)烧叩目臻g溢出效應(yīng)。精準(zhǔn)扶貧是現(xiàn)階段政策的關(guān)注點(diǎn)，本文的研究有利于政策制定者厘清政策重點(diǎn)，為精準(zhǔn)扶貧更好地貫徹落實(shí)、全面脫貧提供理論支持。

三、研究設(shè)計(jì)

（一）研究假設(shè)

2020 年是脫貧攻堅(jiān)的關(guān)鍵時(shí)期，迫使我們對(duì)精準(zhǔn)扶貧的績(jī)效進(jìn)行考核。2013—2018 年我國(guó)各省級(jí)貧困率整體上呈逐年下降趨勢(shì)，說(shuō)明我國(guó)精準(zhǔn)扶貧戰(zhàn)略取得了大規(guī)模的勝利。但各省級(jí)貧困率依舊存在，劉媛媛、吳玲（2020）指出當(dāng)前在農(nóng)村精準(zhǔn)扶貧過(guò)程中存在著精準(zhǔn)扶貧運(yùn)行機(jī)制不科學(xué)、優(yōu)秀人才匱乏、信息化程度不足以及扶貧主體較單一等問(wèn)題。在部分農(nóng)戶長(zhǎng)期難以脫貧，且國(guó)家精準(zhǔn)扶貧機(jī)制運(yùn)行不足的基礎(chǔ)上，本文基于農(nóng)戶異質(zhì)性對(duì)精準(zhǔn)扶貧績(jī)效的影響做出如下理論分析并提出相應(yīng)的研究假設(shè)。

1.農(nóng)戶自身異質(zhì)對(duì)精準(zhǔn)扶貧績(jī)效的影響。農(nóng)戶的自身因素包括農(nóng)戶年齡、健康、性別、受教育程度等屬性，農(nóng)戶自身因素異質(zhì)影響了農(nóng)戶生產(chǎn)能力及其脫貧能力。首先，隨著農(nóng)戶年齡的增加、疾病發(fā)生率的增加，農(nóng)戶勞動(dòng)能力減弱、勞動(dòng)時(shí)間減少，降低了能從增加勞動(dòng)中獲得收益的可能性。其次，性別與勞動(dòng)強(qiáng)度與勞動(dòng)密度密不可分，男女農(nóng)戶數(shù)量比例與勞動(dòng)報(bào)酬直接掛鉤。再次，因教育投資帶來(lái)的農(nóng)戶素質(zhì)的提升將會(huì)顯著提高勞動(dòng)生產(chǎn)率以及相應(yīng)報(bào)酬，對(duì)精準(zhǔn)扶貧績(jī)效影響顯著?；诖耍疚慕⒓僭O(shè)1 及其子假設(shè)：

假設(shè)1：精準(zhǔn)扶貧績(jī)效受農(nóng)戶自身異質(zhì)的影響。

假設(shè)1a：農(nóng)戶的年齡對(duì)精準(zhǔn)扶貧具有正向影響。

假設(shè)1b：農(nóng)戶的健康狀況對(duì)精準(zhǔn)扶貧績(jī)效具有正向影響。

假設(shè)1c：農(nóng)戶的性別對(duì)精準(zhǔn)扶貧績(jī)效具有負(fù)向影響。

假設(shè)1d：農(nóng)戶的受教育程度對(duì)精準(zhǔn)扶貧績(jī)效具有負(fù)向影響。

2.農(nóng)戶家庭異質(zhì)對(duì)精準(zhǔn)扶貧績(jī)效的影響。農(nóng)戶的家庭因素包括家庭規(guī)模、耕地面積兩個(gè)要素。農(nóng)戶在農(nóng)業(yè)生產(chǎn)經(jīng)營(yíng)中，所擁有勞動(dòng)力人數(shù)以及耕地面積等資源稟賦的差異對(duì)農(nóng)業(yè)產(chǎn)業(yè)發(fā)展績(jī)效影響重大。家庭所含勞動(dòng)力數(shù)量越大，通過(guò)勞動(dòng)獲得財(cái)富增加的可能性增加。家庭擁有的耕地面積越大，可供生產(chǎn)的可能性就越大，增加了農(nóng)戶家庭脫貧可能性，兩因素對(duì)精準(zhǔn)扶貧績(jī)效均具有顯著影響。基于此，本文提出假設(shè)2 及其子假設(shè)：

假設(shè)2：精準(zhǔn)扶貧績(jī)效受農(nóng)戶家庭異質(zhì)的影響。

假設(shè)2a：農(nóng)戶的家庭規(guī)模對(duì)精準(zhǔn)扶貧績(jī)效具有負(fù)向影響。

假設(shè)2b：農(nóng)戶的耕地面積對(duì)精準(zhǔn)扶貧績(jī)效具有負(fù)向影響。

3.農(nóng)戶異質(zhì)性對(duì)精準(zhǔn)扶貧績(jī)效的溢出效應(yīng)。從全國(guó)范圍看，本地區(qū)人力資本會(huì)對(duì)本地區(qū)的產(chǎn)業(yè)經(jīng)濟(jì)發(fā)展影響顯著，且人力資本的空間溢出效應(yīng)異質(zhì)。本地區(qū)農(nóng)戶年齡越大、健康狀況越差，本地區(qū)可進(jìn)行勞動(dòng)生產(chǎn)的農(nóng)戶數(shù)量越少，本地扶貧產(chǎn)業(yè)職位的空缺會(huì)吸引周邊剩余勞動(dòng)力流入，從而抵消了周邊地區(qū)部分精準(zhǔn)扶貧績(jī)效。本地區(qū)農(nóng)戶男性比例越大、受教育程度越高，本地扶貧產(chǎn)業(yè)發(fā)展越興旺，會(huì)帶動(dòng)周邊地區(qū)上下游產(chǎn)業(yè)的發(fā)展，拉動(dòng)周邊地區(qū)精準(zhǔn)扶貧績(jī)效的提升。本地區(qū)農(nóng)戶家庭規(guī)模越大，剩余農(nóng)戶的外流擠占了周邊地區(qū)農(nóng)戶勞動(dòng)機(jī)會(huì)，抵消周邊地區(qū)部分精準(zhǔn)扶貧績(jī)效。農(nóng)戶耕地面積越大，在國(guó)家總耕地面積一定的假設(shè)前提下，就對(duì)應(yīng)著周邊地區(qū)耕地面積的減少，一定程度上降低了周邊地區(qū)精準(zhǔn)扶貧績(jī)效。據(jù)此，提出假設(shè)3 及其子假設(shè)：

假設(shè)3：農(nóng)戶異質(zhì)性與精準(zhǔn)扶貧績(jī)效存在空間溢出效應(yīng)。

假設(shè)3a：農(nóng)戶的年齡與精準(zhǔn)扶貧績(jī)效具有正向空間溢出效應(yīng)。

假設(shè)3b：農(nóng)戶的性別與精準(zhǔn)扶貧績(jī)效具有負(fù)向空間溢出效應(yīng)。

假設(shè)3c：農(nóng)戶的受教育程度與精準(zhǔn)扶貧績(jī)效具有負(fù)向空間溢出效應(yīng)。

假設(shè)3d：農(nóng)戶的健康狀況與精準(zhǔn)扶貧績(jī)效具有正向空間溢出效應(yīng)。

假設(shè)3e：農(nóng)戶的家庭規(guī)模與精準(zhǔn)扶貧績(jī)效具有正向空間溢出效應(yīng)。

假設(shè)3f：農(nóng)戶的耕地面積與精準(zhǔn)扶貧績(jī)效具有正向空間溢出效應(yīng)。

（二）變量選取

1.被解釋變量。精準(zhǔn)扶貧的主要目標(biāo)是減貧和可持續(xù)發(fā)展，本文基于楊國(guó)斌和普戡倪（2020）認(rèn)為我國(guó)“精準(zhǔn)扶貧”戰(zhàn)略是對(duì)馬克思主義學(xué)派關(guān)于“消除貧困”相關(guān)思想的繼承與發(fā)展，以貧困發(fā)生率度量精準(zhǔn)扶貧績(jī)效，為模型被解釋變量的衡量指標(biāo)。貧困發(fā)生率越低，精準(zhǔn)扶貧績(jī)效越好；反之，精準(zhǔn)扶貧績(jī)效越差。

2.解釋變量。核心解釋變量為“農(nóng)戶異質(zhì)性”，在解釋變量的選擇上，將農(nóng)戶異質(zhì)性具體分為兩類(lèi)：（1）以性別、年齡、受教育程度、健康狀況四項(xiàng)為主的農(nóng)戶自身因素；（2）以家庭規(guī)模、耕地面積兩項(xiàng)為主的農(nóng)戶家庭因素。

3.控制變量。此外，考慮到目前農(nóng)村貧困地區(qū)勞動(dòng)力轉(zhuǎn)移情況較多，而農(nóng)戶外流又會(huì)影響到本地與周邊地區(qū)精準(zhǔn)扶貧績(jī)效，為防止回歸結(jié)果出現(xiàn)重大偏誤，特將非農(nóng)務(wù)工人數(shù)作為控制變量，用農(nóng)村非農(nóng)就業(yè)人數(shù)占總就業(yè)人數(shù)比來(lái)衡量。

（三）樣本選取與數(shù)據(jù)來(lái)源

本文中選取的數(shù)據(jù)來(lái)源于民政部和國(guó)家統(tǒng)計(jì)局，作為被解釋變量的“貧困發(fā)生率”用農(nóng)村低保人數(shù)與農(nóng)村總?cè)藬?shù)比例衡量；解釋變量中的“性別”變量用農(nóng)村低保中男性人數(shù)占農(nóng)村低保總?cè)藬?shù)比衡量，“年齡”變量用低保中0~14 歲和65 歲以上屬于撫養(yǎng)范圍的人數(shù)占農(nóng)村低保總?cè)藬?shù)比例度量，“受教育程度”變量用本?？埔陨蠈W(xué)歷占農(nóng)村低保人數(shù)比衡量，“健康狀況”變量用鄉(xiāng)鎮(zhèn)衛(wèi)生院入院人數(shù)占低?？?cè)藬?shù)比例衡量，“家庭規(guī)?！弊兞坑眉抑袆趧?dòng)力人數(shù)占低?？?cè)藬?shù)比衡量。

本文以2013—2018 年31 個(gè)省級(jí)（不含港澳臺(tái)）共186 個(gè)樣本面板數(shù)據(jù)為基礎(chǔ)，構(gòu)建空間計(jì)量模型來(lái)系統(tǒng)性分析農(nóng)戶異質(zhì)性對(duì)精準(zhǔn)扶貧績(jī)效的影響以及兩者之間的空間溢出效應(yīng)。主要變量描述如表1 所示：

表1 變量說(shuō)明與數(shù)據(jù)來(lái)源

（四）估計(jì)方法與模型構(gòu)建

通常而言，研究者們對(duì)扶貧績(jī)效的評(píng)估只針對(duì)扶貧措施落點(diǎn)范圍內(nèi)，因此以往學(xué)者們?cè)谠u(píng)估扶貧績(jī)效時(shí)大多局限于特定研究區(qū)域范圍內(nèi)，例如：某集中連片區(qū)或某市、某地區(qū)等，且假定與周邊地區(qū)變量數(shù)據(jù)相互獨(dú)立、無(wú)交叉影響。而現(xiàn)實(shí)中大部分?jǐn)?shù)據(jù)都具有一定的空間性，各省級(jí)間聯(lián)系密切，空間溢出效應(yīng)是研究省級(jí)面板數(shù)據(jù)不可避免的問(wèn)題。為更準(zhǔn)確評(píng)估精準(zhǔn)扶貧績(jī)效的全局性，本文充分考慮面板數(shù)據(jù)之間的空間相關(guān)性并選取空間計(jì)量模型作為本文的實(shí)證分析模型。為驗(yàn)證上述假設(shè)，本文選取2013—2018 年31 個(gè)省份（不含港澳臺(tái)）的省級(jí)面板數(shù)據(jù)為研究基礎(chǔ)，從農(nóng)戶自身因素和農(nóng)戶家庭因素兩個(gè)維度，采用空間計(jì)量模型分析農(nóng)戶異質(zhì)性對(duì)精準(zhǔn)扶貧績(jī)效的影響以及農(nóng)戶異質(zhì)性與精準(zhǔn)扶貧績(jī)效是否存在空間溢出效應(yīng)。根據(jù)對(duì)前人研究成果的整理歸納以及本文實(shí)際研究目標(biāo)，本文在空間計(jì)量模型的選擇上選用空間面板模型，空間面板模型形式構(gòu)建如下：

四、實(shí)證結(jié)果與分析

（一）變量的描述性統(tǒng)計(jì)

為研究農(nóng)戶異質(zhì)性對(duì)精準(zhǔn)扶貧績(jī)效的影響，現(xiàn)對(duì)186 個(gè)樣本面板數(shù)據(jù)中的 pov、sex、age、edu、hea、gro、fam、job8 個(gè)變量進(jìn)行原始數(shù)據(jù)描述性統(tǒng)計(jì)，樣本數(shù)據(jù)描述性統(tǒng)計(jì)結(jié)果如下表所示：

表2 樣本數(shù)據(jù)描述性統(tǒng)計(jì)

由表2 可知，作為被解釋變量的貧困發(fā)生率，所選取的31個(gè)省級(jí)中貧困發(fā)生率最大值為22.8%，最小值為1.03%，最大值與最小值差異大，由此可見(jiàn)，我國(guó)各省級(jí)精準(zhǔn)扶貧績(jī)效參差不齊。在農(nóng)戶自身因素方面，性別因素最大值與最小值相差48.9%，可見(jiàn)在本文研究時(shí)間區(qū)間范圍內(nèi)某些省級(jí)男性在貧困農(nóng)戶中占比較高。年齡因素最大值為50.6%，最小值為22.7%，相差一倍多，說(shuō)明各省級(jí)貧困農(nóng)戶中年齡差異較大。其余農(nóng)戶自身因素中最大值與最小值差異均較大，說(shuō)明各省級(jí)間農(nóng)戶自身因素異質(zhì)性嚴(yán)重。在本文研究時(shí)間區(qū)間范圍不大的前提下，農(nóng)戶家庭因素中的農(nóng)戶家庭耕地面積與家庭規(guī)模兩因素最大值與最小值差異明顯，耕地面積因素最大值與最小值相差60%，家庭規(guī)模因素最大值與最小值相差3 倍，說(shuō)明各省級(jí)間農(nóng)戶的家庭異質(zhì)明顯。在各省級(jí)農(nóng)戶異質(zhì)性嚴(yán)重的前提下，各省間較大的精準(zhǔn)扶貧績(jī)效差異可以初步判斷，我國(guó)省級(jí)間農(nóng)戶異質(zhì)性與精準(zhǔn)扶貧績(jī)效密切相關(guān)。

（二）模型的估計(jì)結(jié)果

本文利用貧困發(fā)生率作為精準(zhǔn)扶貧績(jī)效指標(biāo)的被解釋變量進(jìn)行空間計(jì)量分析。首先計(jì)算各年份的莫蘭指數(shù)以檢驗(yàn)精準(zhǔn)扶貧績(jī)效是否存在空間效應(yīng)。本文通過(guò)stata 軟件進(jìn)行估計(jì)檢驗(yàn)，檢驗(yàn)結(jié)果如表3 所示。

由表3 可知，2013—2018 年各年份莫蘭指數(shù)均顯著，該結(jié)果有兩方面含義：

第一，莫蘭指數(shù)為正，說(shuō)明我國(guó)各省份精準(zhǔn)扶貧績(jī)效存在“高—高”“低—低”集聚現(xiàn)象，精準(zhǔn)扶貧績(jī)效的分布空間關(guān)聯(lián)性強(qiáng)。

表3 精準(zhǔn)扶貧空間自相關(guān)檢驗(yàn)結(jié)果

第二，莫蘭指數(shù)顯著表明精準(zhǔn)扶貧績(jī)效存在著明顯的空間效應(yīng)，為了無(wú)偏估計(jì)各變量的空間效應(yīng)，需運(yùn)用空間計(jì)量模型進(jìn)行分析。

不同空間模型的效應(yīng)產(chǎn)生原因以及解釋能力有差異，因此需要通過(guò)實(shí)證檢驗(yàn)選取最佳的空間計(jì)量模型進(jìn)行檢驗(yàn)。

首先，應(yīng)對(duì)空間模型進(jìn)行LR 檢驗(yàn)，通過(guò)檢驗(yàn)自變量空間滯后項(xiàng)及空間效應(yīng)是否顯著來(lái)判別是否為SEM 模型。其原假設(shè)為：

H0∶θ=-βP

其次，對(duì)空間計(jì)量模型進(jìn)行Wald 檢驗(yàn)，檢驗(yàn)自變量空間滯后項(xiàng)與空間效應(yīng)是否為0 來(lái)判斷SDM是否退化為SAR，其原假設(shè)為：

H0∶θ=0

2 項(xiàng)檢驗(yàn)統(tǒng)計(jì)量如表4 所示：

表4 各檢驗(yàn)統(tǒng)計(jì)量

表4 檢驗(yàn)結(jié)果顯示，LR 檢驗(yàn)與Wald 檢驗(yàn)均顯著拒絕了H0∶θ=-βP 與H0∶θ=0 原假設(shè)，則表明SDM模型可以很好地?cái)M合數(shù)據(jù)，SDM模型并不能退化為SEM或SLM模型。因此，本文在進(jìn)行空間計(jì)量分析時(shí)，初步判定應(yīng)選用SDM模型進(jìn)行檢驗(yàn)。

表5 不同模型效應(yīng)對(duì)比的擬合效果

表5 顯示SAR、SEM、SDM在隨機(jī)效應(yīng)、時(shí)間固定效應(yīng)、空間固定效應(yīng)以及雙固定效應(yīng)檢驗(yàn)下，SDM在各效應(yīng)檢驗(yàn)下擬合數(shù)據(jù)程度均優(yōu)于其他兩種模型，故進(jìn)一步采用SDM模型進(jìn)行空間計(jì)量檢驗(yàn)。

再次，一般來(lái)說(shuō)，當(dāng)對(duì)指定變量進(jìn)行樣本數(shù)據(jù)回歸分析時(shí)，在固定效應(yīng)下模型回歸更為合適。表6 列示了不同固定效應(yīng)下SDM模型的MLE 檢驗(yàn)結(jié)果：

表6 固定效應(yīng)下SDM 模型的MLE 估計(jì)結(jié)果

由表6 可知，時(shí)間固定效應(yīng)與時(shí)間空間雙固定效應(yīng)的空間相關(guān)系數(shù)rho 均顯著為負(fù)，而空間固定效應(yīng)模型顯著為正?？臻g計(jì)量模型下，數(shù)據(jù)擬合效果的優(yōu)良性由Log-likelihood 值表示，Log-likelihood 值越大表明擬合效果越好，時(shí)間空間雙固定效應(yīng)的Log-likelihood 值最大，為574.9345。因此，本文選用時(shí)間空間雙固定效應(yīng)進(jìn)行實(shí)證研究分析。

針對(duì)雙固定效應(yīng)下SDM模型的適用性，本文進(jìn)行了進(jìn)一步的檢驗(yàn)，檢驗(yàn)結(jié)果如表7 所示。

表7 SDM 模型適用性檢驗(yàn)結(jié)果

上表LM 和穩(wěn)健性LM 的檢驗(yàn)結(jié)果均顯著拒絕了SEM 與SAR 模型嵌套于SDM的原假設(shè)，故更加證實(shí)了SDM的實(shí)用性。Hausman 檢驗(yàn)結(jié)果顯著拒絕了選用隨機(jī)效應(yīng)的原假設(shè)，因此驗(yàn)證了固定效應(yīng)的適用性。

進(jìn)一步對(duì)采用時(shí)間空間雙固定效應(yīng)下的SDM 模型進(jìn)行空間效應(yīng)分解，分解的系數(shù)估計(jì)值如表8 所式。其中，直接效應(yīng)為解釋變量對(duì)本省份被解釋變量的影響，間接效應(yīng)為解釋變量對(duì)鄰近省級(jí)被解釋變量的影響，總效應(yīng)為兩者之和。

表8 雙固定效應(yīng)下SDM 模型空間效應(yīng)分解結(jié)果

農(nóng)戶性別因素對(duì)精準(zhǔn)扶貧績(jī)效的直接效應(yīng)與間接效應(yīng)分別為-0.035、-0.010，表明農(nóng)戶中男性比例越大，貧困發(fā)生率越低，進(jìn)而促進(jìn)了本省與鄰近省級(jí)精準(zhǔn)扶貧績(jī)效的提升。農(nóng)戶年齡因素的直接效應(yīng)、間接效應(yīng)分別為0.172、0.406，說(shuō)

明農(nóng)戶年齡越大，貧困發(fā)生率越大，不僅對(duì)本省級(jí)的精準(zhǔn)扶貧績(jī)效有正向影響，而且對(duì)鄰近省級(jí)也表現(xiàn)出正向空間溢出效應(yīng)。受教育程度的直接效應(yīng)顯著為負(fù)，表明農(nóng)戶受教育程度越高，對(duì)本省和鄰近省份的貧困發(fā)生率均有減弱作用。健康的直接效應(yīng)與間接效應(yīng)為0.016 和0.024，農(nóng)戶入院次數(shù)越多，貧困發(fā)生率越高。耕地面積的直接效應(yīng)為-0.001，說(shuō)明了農(nóng)戶家庭所擁有耕地面積與精準(zhǔn)扶貧績(jī)效的負(fù)向關(guān)系。農(nóng)戶家庭規(guī)模的間接效應(yīng)為0.024，說(shuō)明農(nóng)戶家庭規(guī)模對(duì)精準(zhǔn)扶貧績(jī)效具有正向空間溢出效應(yīng)。最后，非農(nóng)務(wù)工人數(shù)的直接效應(yīng)與間接效應(yīng)均為負(fù)，說(shuō)明了非農(nóng)務(wù)工人數(shù)的負(fù)向空間溢出效應(yīng)。

以上實(shí)證結(jié)果大部分驗(yàn)證了本文的3 項(xiàng)假設(shè)，而農(nóng)戶家庭規(guī)模因素的直接效應(yīng)以及受教育程度、耕地面積的間接效應(yīng)檢驗(yàn)結(jié)果與假設(shè)相反。經(jīng)進(jìn)一步研究發(fā)現(xiàn)，農(nóng)戶家庭規(guī)模擴(kuò)大，家庭生活負(fù)擔(dān)加重，因此與精準(zhǔn)扶貧績(jī)效成正向影響；受教育程度在教育資源一定的前提下確對(duì)精準(zhǔn)扶貧績(jī)效成正向溢出效應(yīng)；而耕地面積負(fù)向空間溢出效應(yīng)的原因在于由于市場(chǎng)的存在，資源的流動(dòng)性拉動(dòng)了周邊地區(qū)的扶貧績(jī)效。

（三）穩(wěn)健性檢驗(yàn)

為檢驗(yàn)上述結(jié)論穩(wěn)定性，最大程度降低結(jié)果差異。通過(guò)替換回歸模型以及固定效應(yīng)，選用空間固定效應(yīng)下的SAR 模型重新檢驗(yàn)，結(jié)果如表9 所示：

表9 穩(wěn)健性檢驗(yàn)結(jié)果

空間固定效應(yīng)下的SAR 模型空間相關(guān)系數(shù)為0.0967，Log-likelihood 值為543.6502，數(shù)據(jù)擬合程度較高。故本文檢驗(yàn)結(jié)果不受模型、固定效應(yīng)與隨機(jī)效應(yīng)選用變化的影響，均可以得出一致結(jié)論：農(nóng)戶異質(zhì)性對(duì)精準(zhǔn)扶貧績(jī)效空間影響顯著。

（四）空間計(jì)量的局限性

本文選用的空間計(jì)量模型有一局限性：模型中所運(yùn)用的空間權(quán)重矩陣并非根據(jù)數(shù)據(jù)的估計(jì)結(jié)果，而是研究者根據(jù)主觀設(shè)定，具有非隨機(jī)性，因此有無(wú)法完全反映不同省域之間復(fù)雜相互關(guān)系的可能性。

五、研究結(jié)論與對(duì)策建議

（一）研究結(jié)論

基于我國(guó)31 個(gè)省份（不含港澳臺(tái)）2013—2018 年的相關(guān)數(shù)據(jù)，運(yùn)用時(shí)間空間雙固定效應(yīng)下的空間杜賓計(jì)量模型，分析了農(nóng)戶異質(zhì)性的不同表現(xiàn)對(duì)精準(zhǔn)扶貧績(jī)效影響，實(shí)證結(jié)果表明：農(nóng)戶異質(zhì)性對(duì)精準(zhǔn)扶貧績(jī)效有顯著的空間效應(yīng)。具體結(jié)論如下：

1.各省份精準(zhǔn)扶貧績(jī)效具有顯著的空間相關(guān)性，主要表現(xiàn)為“高—高”集聚與“低—低”集聚，從而形成鄰近省域間精準(zhǔn)扶貧績(jī)效的同質(zhì)性。

2.農(nóng)戶異質(zhì)性對(duì)精準(zhǔn)扶貧績(jī)效影響顯著。農(nóng)戶的年齡、健康與家庭規(guī)模三項(xiàng)影響因素對(duì)精準(zhǔn)扶貧績(jī)效顯示出正向影響，其余影響變量對(duì)精準(zhǔn)扶貧績(jī)效負(fù)向影響顯著。

3.農(nóng)戶異質(zhì)性對(duì)精準(zhǔn)扶貧績(jī)效均有顯著的空間溢出效應(yīng)。其中，農(nóng)戶的性別與耕地面積倆因素對(duì)精準(zhǔn)扶貧績(jī)效具有負(fù)向空間溢出效應(yīng)，其余因素顯示出正向空間溢出效應(yīng)。

（二）對(duì)策建議

根據(jù)前文的理論分析和實(shí)證分析結(jié)果，為了提升精準(zhǔn)扶貧績(jī)效，提出以下對(duì)策建議：

1. 根據(jù)農(nóng)戶異質(zhì)性建立多維貧困識(shí)別體系和精準(zhǔn)扶貧瞄準(zhǔn)機(jī)制?，F(xiàn)有的貧困識(shí)別多以收入為主，應(yīng)采取多維指標(biāo)，建立以收入為主，其他指標(biāo)為輔的多維貧困識(shí)別體系，精準(zhǔn)識(shí)別貧困農(nóng)戶。進(jìn)一步依照農(nóng)戶貧困原因的異質(zhì)性實(shí)施不同的扶貧措施，豐富扶貧措施種類(lèi)，精準(zhǔn)對(duì)口扶貧。目前已有的扶貧項(xiàng)目大多未能與個(gè)體貧困戶相匹配，只是針對(duì)地區(qū)因地制宜，且部分扶貧政策難以落實(shí)，缺乏扶貧精準(zhǔn)性。在常規(guī)扶貧舉措無(wú)法生效時(shí)，分析異質(zhì)農(nóng)戶貧困生成邏輯，采取針對(duì)性措施，降低“久扶不能脫貧”以及“主體缺位”的概率。

2.加大職業(yè)教育投入，提高貧困農(nóng)戶自我發(fā)展能力。經(jīng)研究調(diào)查發(fā)現(xiàn)，貧困地區(qū)大部分農(nóng)戶僅受過(guò)基礎(chǔ)教育，對(duì)扶貧政策依賴度較高，為“輸血式扶貧”，政府資金投入壓力較大。基于此，一方面，對(duì)有脫貧能力但無(wú)脫貧意識(shí)的農(nóng)戶進(jìn)行在職培訓(xùn)，增加其知識(shí)儲(chǔ)備，提高其脫貧素養(yǎng)。另一方面，對(duì)有脫貧意識(shí)但無(wú)脫貧能力屬于政策兜底的農(nóng)戶，鼓勵(lì)加入農(nóng)村合作社，以“能人帶動(dòng)”形式幫助其提高生活質(zhì)量，降低貧困風(fēng)險(xiǎn)。實(shí)現(xiàn)農(nóng)戶脫貧由“輸血式扶貧”轉(zhuǎn)為“造血式脫貧”，降低貧困內(nèi)生性以及陷入“貧困陷阱”的可能。

3. 鑒于貧困農(nóng)戶發(fā)展生產(chǎn)資金來(lái)源大多依靠國(guó)家財(cái)政補(bǔ)貼和貸款，為避免稅收和還貸的負(fù)向影響，一方面，國(guó)家應(yīng)評(píng)估貧困農(nóng)戶潛在發(fā)展能力，設(shè)立最高貸款限額并設(shè)立多元還貸方式，減輕貧困農(nóng)戶到期還貸壓力。另一方面，發(fā)揮市場(chǎng)的調(diào)節(jié)作用，完善土地流轉(zhuǎn)市場(chǎng)，廣泛吸收社會(huì)治理主體，實(shí)現(xiàn)互利共贏。

4. 增強(qiáng)扶貧績(jī)效檢測(cè)實(shí)時(shí)性。隨著現(xiàn)代化技術(shù)的進(jìn)步以及近期區(qū)塊鏈技術(shù)的發(fā)展，充分利用現(xiàn)代數(shù)字技術(shù)的實(shí)時(shí)性、完整性、準(zhǔn)確性，構(gòu)建數(shù)字化扶貧績(jī)效檢測(cè)體系，實(shí)時(shí)檢測(cè)扶貧措施實(shí)施進(jìn)程與實(shí)施效率，及時(shí)增進(jìn)優(yōu)勢(shì)扶貧舉措、撤銷(xiāo)劣勢(shì)扶貧項(xiàng)目，提高扶貧措施的覆蓋廣度和實(shí)踐深度。

5.深化產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，開(kāi)展多元扶貧措施。在農(nóng)村耕地面積有限，剩余勞動(dòng)力價(jià)值無(wú)法充分釋放的前提下，應(yīng)深化產(chǎn)業(yè)結(jié)構(gòu)、延長(zhǎng)產(chǎn)業(yè)鏈、促進(jìn)扶貧措施多元化發(fā)展。從研究結(jié)論來(lái)看，農(nóng)戶家庭規(guī)模與非農(nóng)務(wù)工人數(shù)負(fù)向的直接效應(yīng)、間接效應(yīng)顯示勞動(dòng)力人數(shù)越多，貧困發(fā)生率越低，精準(zhǔn)扶貧績(jī)效越好。因此，應(yīng)充分利用農(nóng)村剩余勞動(dòng)力，統(tǒng)籌協(xié)調(diào)，利用本地區(qū)的特色優(yōu)勢(shì)，優(yōu)化配套產(chǎn)業(yè)，開(kāi)發(fā)特色扶貧項(xiàng)目，激發(fā)產(chǎn)業(yè)升級(jí)動(dòng)力，防止勞動(dòng)力資源的浪費(fèi)。

6.加大與周邊省份的產(chǎn)業(yè)發(fā)展聯(lián)系，發(fā)揮區(qū)域作用。貧困的空間集聚效應(yīng)要求扶貧措施應(yīng)在省域?qū)用嫱七M(jìn)農(nóng)產(chǎn)業(yè)的協(xié)同發(fā)展，發(fā)展跨省域特色農(nóng)產(chǎn)品加工業(yè)，建立省域間農(nóng)民生產(chǎn)合作組織，打破潛在發(fā)展壁壘，加大區(qū)域經(jīng)濟(jì)合作，擴(kuò)大產(chǎn)業(yè)規(guī)模與規(guī)模經(jīng)濟(jì)效應(yīng)。增強(qiáng)扶貧舉措省域間上中下游的對(duì)接與耦合，實(shí)現(xiàn)鄉(xiāng)村振興和全面脫貧。