我國勞動(dòng)力人口多維相對貧困測度及影響因素分析

左宇曉 卜津月

（鄭州大學(xué) 商學(xué)院，河南 鄭州 450001）

一、引言及文獻(xiàn)綜述

全面建成小康社會(huì)之后，我國貧困問題并未結(jié)束，相對貧困還會(huì)長期存在。如何識(shí)別并測度相對貧困，找出影響相對貧困的因素，確保脫貧的高效性及可持續(xù)性，是現(xiàn)階段及未來必須關(guān)注的重要問題。

基于阿馬蒂亞·森的可行能力理論，Sabina和James（2011）提出了貧困識(shí)別、加總和分解的多維貧困測度方法，簡稱A-F法，并給出了A-F的一般模型[1]。聯(lián)合國開發(fā)計(jì)劃署與牛津貧困與人類發(fā)展項(xiàng)目聯(lián)合發(fā)布了以A-F模型為基礎(chǔ)的全球多維貧困指數(shù)MPI，替代了聯(lián)合國開發(fā)計(jì)劃署之前的人類貧困指數(shù)HPI，MPI包含了教育、健康和生活條件3個(gè)維度。國內(nèi)大多數(shù)文獻(xiàn)基于A-F法對多維貧困進(jìn)行測度，王小林和Sabina（2009）利用A-F模型對我國農(nóng)村和城市進(jìn)行了多維貧困測量[2]。呂文慧和蘇華山等（2018）利用中國家庭追蹤調(diào)查數(shù)據(jù)，基于A-F模型構(gòu)建農(nóng)村留守兒童多維貧困指標(biāo)，對農(nóng)村留守兒童的多維貧困狀況進(jìn)行分析[3]。黃森慰和蔣暢等（2019）依據(jù)A-F模型，從健康、教育、住房、耐用消費(fèi)品、飲用水等11個(gè)維度對貧困婦女進(jìn)行多維貧困測量[4]。姚興安和朱萌君等（2021）采用A-F模型分別對我國東部、中部和西部地區(qū)農(nóng)村家庭的多維相對貧困指標(biāo)進(jìn)行測量和比較分析[5]。

影響多維相對貧困的因素有多種，學(xué)者們大多采用計(jì)量經(jīng)濟(jì)模型對多維相對貧困影響因素進(jìn)行分析。鄒薇和方迎風(fēng)（2012）通過構(gòu)造多層次計(jì)量模型，考察影響個(gè)體生活水平的因素以及導(dǎo)致我國農(nóng)村區(qū)域性貧困陷阱的路徑[6]。楊慧敏和羅慶等（2016）通過構(gòu)建雙變量Probit模型，從三個(gè)方面考察中國農(nóng)村家庭貧困狀況，并研究其動(dòng)態(tài)特征變化[7]。

本文以我國勞動(dòng)力人口為研究對象，以A-F模型為基礎(chǔ)構(gòu)建多維相對貧困分析模型，基于中國家庭追蹤調(diào)查2010年、2014年和2018年的數(shù)據(jù)，分析我國勞動(dòng)力人口的多維相對貧困狀況，并分地區(qū)討論。通過構(gòu)建二元Logistic模型，對我國勞動(dòng)力人口多維相對貧困影響因素進(jìn)行分析。

二、多維相對貧困模型構(gòu)建和數(shù)據(jù)選擇

（一）多維相對貧困測量方法

A-F法測算多維貧困指數(shù)MPI的核心是通過雙臨界值識(shí)別多維貧困群體。具體步驟如下：

1.單維貧困識(shí)別。首先定義X=[xij]是一個(gè)n×d維的矩陣，xij表示個(gè)體 i在維度 j上的取值，i=1，2，…，n，j=1，2，…，d。假設(shè)zj（j=1，2，…，d）表示維度j上貧困剝奪臨界值，Z=（z1，z2，…，zd），當(dāng)個(gè)體 i在某個(gè)維度下的取值xij＜zj時(shí)，表明該個(gè)體在這一維度上處于被剝奪的狀態(tài)，賦值為1；反之賦值為0。據(jù)此可以得到不同個(gè)體的貧困矩陣具體形式可表示為：g0ij=。這是單維貧困的識(shí)別過程。

2.多維相對貧困識(shí)別。給不同的維度設(shè)置權(quán)重wj（0＜wj＜1），對一維貧困剝奪矩陣按照維度賦權(quán)之后得到加權(quán)貧困剝奪矩陣記 ci=為個(gè)體 i遭受剝奪后的加權(quán)總維度數(shù)（加權(quán)貧困值）。比較加權(quán)貧困值ci與多維貧困臨界值k之間的關(guān)系，考察個(gè)體i是否處于多維相對貧困狀態(tài)。當(dāng)ci≥k時(shí)，個(gè)體i處于多維相對貧困狀態(tài)，當(dāng)ci＜k時(shí)，個(gè)體i未處于多維相對貧困狀態(tài)。

（二）數(shù)據(jù)來源與選擇

本文數(shù)據(jù)來源于中國家庭追蹤與調(diào)查（CFPS）。2014年1月國家出臺(tái)扶貧工作意見，明確提出建立精準(zhǔn)扶貧工作機(jī)制，因此本文選取具有代表性的2014年的數(shù)據(jù)，為了突出對比，又選取2010年和2018年的數(shù)據(jù)。采用stata14.0篩選16—50歲勞動(dòng)力人口原始樣本，由于數(shù)據(jù)庫樣本量較大，故本文對重要變量缺失值和異常值采取了直接刪除的方法，得到2010年、2014年和2018年有效數(shù)據(jù)分為9971個(gè)、2355個(gè)和2988個(gè)。

三、多維相對貧困維度、指標(biāo)、臨界值和權(quán)重確定

（一）指標(biāo)選取基礎(chǔ)

首先，參考國際機(jī)構(gòu)公布的貧困指數(shù)，如聯(lián)合國提出的人類發(fā)展指數(shù)和牛津貧困與人類發(fā)展項(xiàng)目的MPI指數(shù)。其次，參考國內(nèi)外學(xué)者在研究不同貧困對象時(shí)所選取的變量和維度。如王小林關(guān)于2020年后中國多維相對貧困標(biāo)準(zhǔn)的研究和張抗私關(guān)于當(dāng)代青年工作貧困指標(biāo)體系的構(gòu)建。再次，由于研究對象是勞動(dòng)力人口，所選指標(biāo)必須與勞動(dòng)力人口特質(zhì)高度相關(guān)，才能對其生存和發(fā)展產(chǎn)生更大的影響。最后，構(gòu)建出多維相對貧困測度指標(biāo)體系。

（二）指標(biāo)體系

根據(jù)以上分析，本文最終確定了5個(gè)維度的11個(gè)指標(biāo)。具體見表1。

（三）權(quán)重確定

為避免因個(gè)人主觀性帶來的偏差，本文利用SPSS軟件，選取客觀賦權(quán)法中的主成分分析法對指標(biāo)進(jìn)行賦權(quán)。

根據(jù)不同的因子載荷系數(shù)測算出每個(gè)指標(biāo)具體權(quán)重，并對各個(gè)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理，結(jié)果見表2。

表2 各維度及指標(biāo)權(quán)重

從表2可知，自我評估健康和慢性疾病2個(gè)指標(biāo)所占的權(quán)重一直較大，說明健康水平對相對貧困的影響很大。從時(shí)間跨度看，人均純收入、受教育程度和做飯用燃料3個(gè)指標(biāo)的權(quán)重隨時(shí)間的變化不斷升高，說明人們開始更多地把目光聚焦在收入、受教育程度方面，在生活條件維度，也越來越重視清潔能源的使用。2010年，自我評估健康、慢性疾病和就業(yè)狀態(tài)3個(gè)指標(biāo)所占權(quán)重相對較大；2014年，自我評估健康、慢性疾病和受教育程度3個(gè)指標(biāo)所占權(quán)重相對較大；2018年，自我評估健康、受教育程度和人均純收入3個(gè)指標(biāo)所占權(quán)重相對較大。出現(xiàn)次數(shù)最多的是自我評估健康、慢性疾病和受教育程度，說明健康和教育對相對貧困的影響較大。

四、多維相對貧困模型測量結(jié)果

本文利用A-F模型，采用2010年、2014年和2018年的CFPS數(shù)據(jù)對我國東部、中部、西部和東北部地區(qū)進(jìn)行多維相對貧困的識(shí)別和測量。

（一）各指標(biāo)貧困發(fā)生率測算

結(jié)合各指標(biāo)的臨界值，測算不同維度下的指標(biāo)貧困發(fā)生率以及我國勞動(dòng)力人口多維貧困發(fā)生率和多維貧困指數(shù)。

由表3可知，總體來看，2010年、2014年和2018年貧困發(fā)生率最高的3個(gè)指標(biāo)依次分別是：每周工作時(shí)長、工作總體滿意度和就業(yè)狀態(tài)；每周工作時(shí)長、住房產(chǎn)權(quán)和受教育程度；每周工作時(shí)長、住房產(chǎn)權(quán)和工作總體滿意度。每周工作時(shí)長每一年都是貧困發(fā)生率最高的指標(biāo)，且在2010年，就業(yè)維度的3個(gè)指標(biāo)是貧困發(fā)生率最高的3個(gè)指標(biāo)?？v向看，2010—2018年，人均純收入、受教育程度、就業(yè)狀態(tài)、每周工作時(shí)長、工作總體滿意度、醫(yī)療保險(xiǎn)、自我評估健康、慢性疾病和做飯用燃料9個(gè)指標(biāo)的貧困發(fā)生率均有所下降，其中人均純收入、受教育程度、醫(yī)療保險(xiǎn)、慢性疾病和做飯用燃料5個(gè)指標(biāo)的貧困發(fā)生率一直呈下降趨勢。就絕對變化來說，貧困發(fā)生率下降最多的是人均純收入和就業(yè)狀態(tài)2個(gè)指標(biāo)，分別下降了23.4%和23.24%；慢性疾病和每周工作時(shí)長的貧困發(fā)生率下降最少，分別下降了2.55%和2.83%。就相對變化來說，貧困發(fā)生率下降幅度最大的指標(biāo)是人均純收入，高達(dá)66.38%；下降幅度最小的是每周工作時(shí)長，僅4.41%。但2010—2014年，就業(yè)狀態(tài)和工作總體滿意度2個(gè)指標(biāo)的貧困發(fā)生率下降幅度最大，均超過50%。

表3 各地區(qū)不同指標(biāo)的貧困發(fā)生率

分區(qū)域看，東部地區(qū)在大多數(shù)指標(biāo)上是貧困發(fā)生率最低的地區(qū)，西部地區(qū)在大多數(shù)指標(biāo)上是貧困發(fā)生率最高的地區(qū)，次高的是東北地區(qū)。在人均純收入和做飯用燃料2個(gè)指標(biāo)上，2010年、2014年和2018年均是東部地區(qū)貧困發(fā)生率最低，西部地區(qū)貧困發(fā)生率最高。值得注意的是，在住房產(chǎn)權(quán)指標(biāo)上，東部地區(qū)在2014年和2018年都是貧困發(fā)生率最高的地區(qū)，而中部地區(qū)在2010年、2014年和2018年都是貧困發(fā)生率最低的地區(qū)。在工作總體滿意度指標(biāo)上，東部地區(qū)每年均是貧困發(fā)生率最低的地區(qū)；在做飯用水指標(biāo)上每年均是西部地區(qū)貧困發(fā)生率最高，東北地區(qū)貧困發(fā)生率最低。

（二）我國勞動(dòng)力人口多維相對貧困測度

本文利用A-F模型，結(jié)合指標(biāo)的貧困臨界值，基于主成分分析法對各指標(biāo)賦權(quán)，測算2010年、2014年和2018年我國勞動(dòng)力人口多維相對貧困發(fā)生率和多維貧困指數(shù)。在MPI測度中，聯(lián)合國開發(fā)計(jì)劃署選用k=1/3作為多維貧困的臨界值，之后世界各國都使用這一標(biāo)準(zhǔn)，因此本文選取k=1/3，當(dāng)個(gè)體加權(quán)貧困值大于等于1/3時(shí)，認(rèn)為個(gè)體處于相對貧困狀態(tài)。測算結(jié)果如表4所示。

表4 總體多維相對貧困測算結(jié)果（單位：%）

由表4可知，橫向看，隨著維度上升，相對貧困發(fā)生率和多維貧困指數(shù)逐漸下降，當(dāng)k值超過0.8時(shí)，二者都逐漸接近于0或等于0，這說明我國勞動(dòng)力人口極端多維貧困的發(fā)生率十分低。2014年，當(dāng)k=0.1時(shí)，相對貧困發(fā)生率高達(dá)70.62%，當(dāng)k=1/3時(shí)，相對貧困發(fā)生率為19.32%，當(dāng)k=0.6時(shí)，相對貧困發(fā)生率下降至1.53%。可以看出，在多個(gè)維度上處于相對貧困的個(gè)體較少，且平均被剝奪份額的增長幅度遠(yuǎn)小于貧困發(fā)生率的下降幅度?？v向看，同一維度上隨著時(shí)間的推移，相對貧困發(fā)生率和多維貧困指數(shù)有明顯下降趨勢，說明我國經(jīng)濟(jì)快速發(fā)展的同時(shí)，扶貧工作成效顯著。

以2014年為例，當(dāng)k=1/3時(shí)，我國勞動(dòng)力人口貧困發(fā)生率為19.32%，其含義為：有19.32%的個(gè)體處于至少3.6667個(gè)維度的貧困中；平均被剝奪份額為44.32%，表明平均每人有0.4432×11=4.8752個(gè)維度上是貧困的；多維貧困指數(shù)為0.0856。

表5 不同區(qū)域多維相對貧困指數(shù)M0測算（單位：%）

由表5可知，橫向看，東部地區(qū)多維相對貧困指數(shù)最小，西部地區(qū)多維相對貧困指數(shù)最大。這與東部地區(qū)經(jīng)濟(jì)發(fā)展水平高、基礎(chǔ)設(shè)施完善，西部地區(qū)經(jīng)濟(jì)較為落后有關(guān)?？v向看，隨著時(shí)間推移，各個(gè)地區(qū)的多維相對貧困指數(shù)不斷下降，從絕對數(shù)看，中部和西部地區(qū)下降幅度最大，分別下降了18.25%和17.72%。各個(gè)地區(qū)的多維相對貧困狀況都得到了明顯改善。

（三）多維相對貧困指數(shù)按指標(biāo)分解

本文將多維貧困指數(shù)在各指標(biāo)上進(jìn)行了分解，各指標(biāo)對多維相對貧困指數(shù)的貢獻(xiàn)率情況見表6。

表6 多維相對貧困指數(shù)各指標(biāo)貢獻(xiàn)率（單位：% ，k=1/3）

由表6可知，從總體看，2010年、2014年和2018年對多維相對貧困指數(shù)貢獻(xiàn)率最大的3個(gè)指標(biāo)依次是：工作總體滿意度、就業(yè)狀態(tài)和每周工作時(shí)長；受教育程度、做飯用燃料和人均純收入；受教育程度、人均純收入和做飯用燃料。不難發(fā)現(xiàn)，從2010年到2014年，就業(yè)維度的3個(gè)指標(biāo)對多維相對貧困的貢獻(xiàn)率大幅下降。2009年，在金融危機(jī)導(dǎo)致部分企業(yè)發(fā)展困難，經(jīng)濟(jì)下行的大背景下，就業(yè)成為最大難題。為此國家出臺(tái)了一系列支持和促進(jìn)就業(yè)的政策，就業(yè)水平維度的3個(gè)指標(biāo)尤其是就業(yè)狀態(tài)指標(biāo)貧困發(fā)生率和對貧困指數(shù)貢獻(xiàn)率的大幅度下降，表明這些政策取得了顯著成效。受教育程度指標(biāo)的貢獻(xiàn)率隨著時(shí)間的增加而增加，且在2014年和2018年貢獻(xiàn)率都達(dá)到了最大，說明當(dāng)前造成個(gè)體陷入多維相對貧困的最主要原因是教育貧困。人均純收入貢獻(xiàn)率逐年增加，在2018年與受教育水平指標(biāo)共同構(gòu)成對多維相對貧困指數(shù)貢獻(xiàn)率最大的2個(gè)指標(biāo)。在健康水平維度，健康狀況對多維相對貧困的貢獻(xiàn)率最大，且隨時(shí)間增加而增加，隨著醫(yī)療體制改革以及醫(yī)療體系完善，醫(yī)療保險(xiǎn)的貢獻(xiàn)率較低且在呈下降趨勢?？梢钥闯?，做飯用燃料指標(biāo)的貢獻(xiàn)率也較高，因此解決天然氣等配套設(shè)施問題有重要意義。由以上分析可知，收入相對貧困是基礎(chǔ)，但要從多個(gè)維度來衡量貧困，這對緩解我國相對貧困具有重要意義。

分區(qū)域看，東部地區(qū)的人均純收入和做飯用燃料2個(gè)指標(biāo)貢獻(xiàn)率較低，西部地區(qū)的人均純收入和做飯用燃料2個(gè)指標(biāo)貢獻(xiàn)率較高，東部及東北地區(qū)住房產(chǎn)權(quán)的貢獻(xiàn)率較高，而西部和中部地區(qū)較低。西部地區(qū)受教育程度貢獻(xiàn)率高，東北地區(qū)低。不同區(qū)域各指標(biāo)貢獻(xiàn)率與總體大致保持一致。

五、我國勞動(dòng)力人口多維相對貧困的影響因素分析

（一）模型構(gòu)建與變量描述

被解釋變量“是否為多維相對貧困”是一個(gè)二分類變量，因此本文選取二元Logistic模型進(jìn)行分析。被解釋變量用Y來表示，Y=1表示多維相對貧困，Y=0表示非多維相對貧困，具體模型如下：

其中，xi表示影響多維相對貧困的第i個(gè)因素，p表示多維相對貧困發(fā)生概率，β1是自變量xi的相關(guān)系數(shù)，u表示誤差項(xiàng)。

本文主要從個(gè)體特征及地區(qū)方面來考慮多維相對貧困的影響因素，最終確定8個(gè)指標(biāo)考察其對我國勞動(dòng)力人口多維相對貧困的影響是否顯著。變量具體情況見表7。

表7 變量選取與定義

（二）實(shí)證結(jié)果分析

本文選取k=1/3作為多維相對貧困臨界值，對我國勞動(dòng)力人口多維相對貧困的影響因素進(jìn)行分析，這里以2018年的數(shù)據(jù)為例，樣本量為2988個(gè)。Logistic回歸結(jié)果顯示，在模型系數(shù)的Omnibus檢驗(yàn)中，p值均小于0.05，表示擬合模型的變量中至少有一個(gè)變量的OR值具有統(tǒng)計(jì)學(xué)意義，即模型總體有意義。在Hosmer—Lemeshow檢驗(yàn)中，p=0.532＞ 0.05，說明模型擬合優(yōu)度較高。具體的回歸分析結(jié)果見表8。

表8 Logistic回歸分析結(jié)果

由表8可知，在1%的顯著性水平下，地區(qū)、受教育程度、城鄉(xiāng)、婚姻狀況、就業(yè)狀況和健康狀況對勞動(dòng)力人口多維相對貧困的影響是顯著的。性別和年齡對勞動(dòng)力人口多維相對貧困的影響不顯著。地區(qū)變量中是以東部地區(qū)為參照對象，分析結(jié)果顯示，東北地區(qū)和西部地區(qū)都是顯著的，各自對應(yīng)的優(yōu)勢比0R=EXP（B）分別是1.881和4.396，表示東北地區(qū)勞動(dòng)力人口陷入相對貧困的概率是東部地區(qū)的1.881倍，西部地區(qū)勞動(dòng)力人口陷入相對貧困的概率是東部地區(qū)的4.396倍。而中部地區(qū)與東部地區(qū)相比貧困與否在1%水平下不顯著。由此可見西部地區(qū)和東北地區(qū)是相對貧困發(fā)生的主要地區(qū)。受教育程度分為五級，以大學(xué)本科及以上學(xué)歷為參照對象，小學(xué)及以下水平發(fā)生相對貧困的概率是大學(xué)本科及以上的55.625倍，初中水平發(fā)生相對貧困的概率是大學(xué)本科及以上的3.483倍。而高中/中專/技校/職高和大專與本科及以上學(xué)歷相比，在1%水平下貧困與否不顯著。說明教育對個(gè)人是否相對貧困的影響很大，隨著當(dāng)前人們受教育水平越來越高，九年制義務(wù)教育已不能滿足社會(huì)需求。結(jié)果還表明，農(nóng)村勞動(dòng)力人口陷入多維相對貧困的概率是城鎮(zhèn)的3.442倍?；橐鰻顩r中，其他（未婚、離婚、同居、喪偶）情況發(fā)生多維相對貧困的概率是已婚的1.720倍。失業(yè)/退出勞動(dòng)力市場的勞動(dòng)力人口多維相對貧困發(fā)生概率是在業(yè)的4.071倍。健康狀況中，不健康的勞動(dòng)力人口多維相對貧困發(fā)生概率是非常健康的41.344倍，健康狀況一般的勞動(dòng)力人口陷入多維相對貧困的概率是非常健康的1.803倍。

六、結(jié)論及建議

（一）結(jié)論

本文利用中國家庭追蹤調(diào)查（CFPS）2010年、2014年和2018年的數(shù)據(jù)，采用A-F模型對我國勞動(dòng)力人口多維相對貧困進(jìn)行了識(shí)別、測量和分解，然后建立二元Logistic模型，對我國勞動(dòng)力人口多維相對貧困的影響因素進(jìn)行分析。由此得出以下結(jié)論：

1.總體說，2010—2018年，每周工作時(shí)長是貧困發(fā)生率最高的指標(biāo)。貧困發(fā)生率下降最多的是人均純收入和就業(yè)狀態(tài)2個(gè)指標(biāo)；最少的是慢性疾病和每周工作時(shí)長2個(gè)指標(biāo)。住房產(chǎn)權(quán)及面積的貧困發(fā)生率逐年上升。

2.東部地區(qū)在人均純收入和做飯用燃料2個(gè)指標(biāo)上每年均是貧困發(fā)生率最低的地區(qū)，西部地區(qū)貧困發(fā)生率最高。住房產(chǎn)權(quán)指標(biāo)貧困發(fā)生率最高的地區(qū)是東部地區(qū)，貧困發(fā)生率最低的地區(qū)是中部地區(qū)。

3.橫向看，隨著維度的上升，相對貧困發(fā)生率和多維貧困指數(shù)逐漸下降。東部地區(qū)多維相對貧困指數(shù)最小，西部地區(qū)多維相對貧困指數(shù)最大?？v向來看，同一維度上隨著時(shí)間的推移，相對貧困發(fā)生率和多維貧困指數(shù)有明顯下降趨勢。

4.總體看，2010年對多維相對貧困指數(shù)貢獻(xiàn)率最大的3個(gè)指標(biāo)分別是：工作總體滿意度、就業(yè)狀態(tài)和每周工作時(shí)長，3個(gè)指標(biāo)從2010年到2014年貢獻(xiàn)率大幅下降。2014年到2018年，人均純收入和受教育程度2個(gè)指標(biāo)的貢獻(xiàn)率上升較多，排在貢獻(xiàn)率最大的前2名。醫(yī)療保險(xiǎn)的貢獻(xiàn)率一直較低且呈下降趨勢。

5.在1%的顯著性水平下，地區(qū)、受教育程度、城鄉(xiāng)、婚姻狀況、就業(yè)狀況和健康狀況對勞動(dòng)力人口多維相對貧困的影響是顯著的。性別和年齡對勞動(dòng)力人口多維相對貧困的影響不顯著。

（二）建議

1.繼續(xù)落實(shí)穩(wěn)就業(yè)政策，全面提升就業(yè)質(zhì)量。嚴(yán)格落實(shí)勞動(dòng)法規(guī)定的勞動(dòng)者工作時(shí)長限定，提高勞動(dòng)者的工作滿意度。加大勞動(dòng)力就業(yè)政策扶持力度，對處于較嚴(yán)重工作貧困的勞動(dòng)人口，在政策制定上給予一定側(cè)重。針對存在就業(yè)困難的群體開展就業(yè)宣講與招聘。

2.擴(kuò)大城鎮(zhèn)居民醫(yī)療保險(xiǎn)和新農(nóng)合醫(yī)療保險(xiǎn)制度范圍，使受惠居民的范圍更廣更深，完善醫(yī)保制度，有效減少返貧現(xiàn)象。

3.重點(diǎn)關(guān)注貧困人口的教育問題。貧困家庭往往因?yàn)槭杖氲投鴽]有過多的資金投入到教育當(dāng)中，而受教育程度又會(huì)影響一個(gè)人的收入，這樣循環(huán)下去，貧困群體極有可能陷入代際貧困。

4.加大對西部地區(qū)的政策支持力度。西部地區(qū)一直是貧困發(fā)生率和多維相對貧困指數(shù)最大的地區(qū)，我國在發(fā)展經(jīng)濟(jì)的同時(shí)要保障各地區(qū)經(jīng)濟(jì)持續(xù)發(fā)展，縮小區(qū)域間發(fā)展差距。

5.繼續(xù)提高對農(nóng)村問題的重視。研究發(fā)現(xiàn)，農(nóng)村勞動(dòng)力人口陷入多維相對貧困的概率是城鎮(zhèn)的3.442倍，政府要加強(qiáng)對鄉(xiāng)鎮(zhèn)企業(yè)的補(bǔ)助，重視農(nóng)村地區(qū)技術(shù)和方法的引進(jìn)，同時(shí)加強(qiáng)對促進(jìn)城鄉(xiāng)一體化發(fā)展機(jī)制研究。