农户分化对农村贫困脆弱性的影响研究——基于湖北1673户农户的实证分析

汪为1 吴海涛2 郑家喜2
（1．四川农业大学管理学院；2．中南财经政法大学工商管理学院）

摘要：本文基于2016年湖北省农村实地调研的1673户农户数据，从农户分化视角考察了影响农户贫困脆弱性的主要因素；在此基础上，利用回归分解法分析了各影响因素对农户贫困脆弱性的贡献率。研究结果表明：农户分化变量对贫困脆弱性具有显著影响，反映农户垂直分化的家庭人均纯收入和反映农户水平分化的非农劳动力占比均对农户贫困脆弱性有显著的负向影响。通过回归分解法测算得知，反映农户水平分化的非农劳动力占比对农户贫困脆弱性的贡献率最高，高达35.05%；家庭规模、人口负担系数、接受专业技能培训状况和生产性资产数量也在一定程度上影响了农户贫困脆弱性；而反映农户垂直分化的家庭人均纯收入对农户贫困脆弱性的贡献程度较低，仅为1.49%。

关键词：农户分化 贫困 脆弱性 回归分解法 湖北

一、引言

消除贫困是联合国千年发展目标之一，也是发展中国家面临的重要任务。中国作为世界上最大的发展中国家，在减贫方面已取得了巨大成就，贫困发生率由1990年的60%以上下降到2002年的30%以下，率先实现了贫困人口比例减半，并在2014年进一步下降到4.2%，对世界减贫的贡献超过70%。在新时期，中国提出到2020年农村贫困人口需全部脱贫，时间紧、任务重，扶贫形势依然严峻。当前扶贫的首要任务是精准了解贫困人口的贫困状况，进而针对性实施减贫缓贫措施。然而，以往的贫困测度往往是基于收入或消费维度的事后测度，是对当期或前期的贫困状态进行估计。这类估计结果虽然能在一定程度上反映贫困人口的贫困状态，但却无法对贫困人口未来的贫困状态进行预测，从而增加了贫困人口甚至是非贫困人口陷入贫困的可能。

贫困脆弱性是衡量农户陷入贫困状态可能性的指标，相比于传统的收入或消费临界值的贫困测量，它可以有效地预测农户未来的贫困状态（杨龙等，2015）。当然，贫困脆弱性与贫困状态有联系也有区别。处于贫困状态的农户，其贫困脆弱性越高，相对于非贫困农户，其未来仍处于贫困状态的可能性越大；然而，贫困状态并不意味着脆弱，因为贫困状态是静态的，多为事后测算，而贫困脆弱性是动态的，是对贫困状态的事前测度（李丽等，2010）。蒋丽丽（2017）发现发展中国家的贫困脆弱性人口占比通常高于贫困人口占比Suryahadi et al. （2016）对印尼的实证分析也印证了这个观点，他们测算出30%～50%的人口处于贫困脆弱性状态，而贫困发生率为20%。因此，贫困脆弱性不仅是贫困理论研究的延伸和拓展，而且更能反映未来贫困状态的趋势，对减贫缓贫有极其重要的现实意义。

农户分化是研究贫困的重要视角。随着城镇化和工业化的不断发展以及农业结构调整和农村市场化改革的推进，农业生产技术水平和农户市场参与能力等方面的差异正在不断扩大，由此使得农户间逐渐发生分化（李宪宝等，2013）。农户分化表现在农户收入差距的扩大和劳动力配置的差异，一方面，农户的生产行为由同质性的农业生产向异质性的非农经营和兼业经营转变，经营方式的差异导致农户收入出现分化，使得农户收入不均等程度不断扩大，处于收入分化底层的农户抵抗贫困风险冲击的能力越来越弱，当受到不利的风险冲击时，这类农户更容易陷入贫困状态；另一方面，工业化和城镇化进程促进了大量农村劳动力从农业部门转移到非农部门，使得农户劳动力配置发生变化，非农劳动力占比越来越高，收入结构也相应产生变化，多元化的收入来源能够有效防止农户陷入贫困。然而，这仅是从理论层面分析农户分化对贫困脆弱性的影响，为了更好地探究农户分化与贫困脆弱性的关系，厘清其对贫困脆弱性的具体影响程度，还需基于农户分化视角展开实证分析。

二、贫困脆弱性测量方法

Chaudhuri et al. （2002）提出了贫困脆弱性测度方法，Bronfman（2014）进一步完善了该方法，具体估计方法如下：

Yi,t+1表示农户i在t+1时刻的人均收入水平，Z为贫困线，Vi t表示农户i在t时刻的贫困脆弱值，是农户i在t+1时刻的人均收入水平处于贫困线Z下的概率。

一般认为，对数正态分布比较适合描述低收入农户的收入水平，所以假设农户收入水平服从对数正态分布，因此，需要估计农户的未来收入水平。未来收入水平的表达式如下：

Xi和Hi分别表示农户的个体特征和家庭特征，βi和βi′分别表示Xi和Hi的估计系数，εi为均值为0的干扰项，它表示了收入或消费的异质冲击。这里假定，在相对稳定的经济结构中，未来收入或消费的变动是由εi的异质冲击造成的，无偏地估计εi的前提条件是农户的收入或消费LnYi同方差，但在现实中是不可能的，因此，我们假设εi的方差依赖于下式：

普通二乘法的参数估计结果会因为异方差的存在而得到有偏估计，因此借鉴Chaudhuri et al. （2002）利用三阶段可行广义最小二乘法（FGLS）的方法，对式（2）和式（3）进行估计得到βi、βi′、λi、λi′，进而可以得出农户i的预期消费或收入及其方差：

假设消费或收入的对数服从正态分布，则贫困脆弱性可由以下公式得出：

其中，φ（·）为正态分布函数，计算出的概率值Vit即为贫困脆弱性值。

三、数据来源、变量选择与模型构建

（一）数据来源

2016年7～8月期间，课题组十余名成员先后奔赴湖北省黄冈市、荆州市、襄阳市和黄石市开展了实地调研。此次调研采用分层随机抽样方式，按经济发展水平选择沙市区、老河口市、英山县、蕲春县、阳新县作为样本县（区、市），每个县（区、市）随机抽取12个村，每个村随机抽取30户开展调查。调查共发放问卷1800份，最终收回问卷1765户，剔除无效样本及关键变量缺失样本后，获得有效样本1673户，占样本总数的94.79%。调查问卷的内容主要包括：第一，农户基本情况，主要为家庭成员的年龄、性别、受教育程度、工作类别、健康状况及参保情况等；第二，农户资产状况，主要为生产资产和生活资产；第三，农户生产经营情况，主要为种植业、养殖业的收益、成本和其他类型收入；第四，农户消费情况，主要为生活支出、教育支出、医疗支出及其他支出等；第五，农户社会资源情况，主要为农户的社会交往状况。

（二）变量选择

（1）因变量。因变量为农户贫困脆弱性程度，利用前文所述方法进行测算。在测算过程中，贫困临界值的选取运用了国家贫困线和世界银行贫困线。其中，国家贫困线为2011年贫困标准不变价，世界银行贫困线分别选取了1.25美元和1.9美元。

（2）自变量。本文考察的重点是农户分化对贫困脆弱性的影响，因此，农户分化程度为关键变量。多数学者将农户分化分为水平分化和垂直分化（例如杨龙等，2015；李丽等，2015；蒋丽丽，2017），其中，水平分化用非农劳动力占家庭劳动力比例来衡量，反映农户的职业分化程度，垂直分化用家庭人均纯收入来衡量，反映农户的经济分化程度。同时，本文还引入了一些控制变量，包括户主特征和家庭特征。户主特征包括户主的年龄、性别、受教育水平和健康状况，家庭特征包括家庭规模、人口负担系数、接受培训劳动力占比、人均土地面积、生产性资产数量和往来亲戚数量。表1给出了各变量的定义、描述性统计和预期影响方向，限于篇幅，不再赘述。

（三）模型构建

以上述方法测算所得贫困脆弱值为被解释变量，以本文选取的农户分化变量、户主特征和家庭特征为解释变量，构建多元线性回归模型如下：

其中Vuli表示农户贫困脆弱值，α表示常数项，βi为待估系数，εi为残差项。

四、实证结果分析

（一）模型估计结果

本文使用Stata13.0测算了农户贫困脆弱性，并在此基础上估计了模型式（7）的各个参数（见表2中的方程1），发现除了户主受教育年限和人均经营土地面积外，其他变量均在10%水平以上显著；同时，除了人均经营土地面积变量外，其他变量系数估计值的符号都与预期一致。

农户分化变量对农户贫困脆弱性具有显著的影响。具体表现为，家庭人均纯收入和非农劳动力占比均对农户贫困脆弱性有显著的负向作用。农户家庭人均纯收入越高，农户贫困脆弱值越低，提升其收入可以有效地降低其陷入贫困的风险，因为人均纯收入反映了家庭当年的经营与发展能力，对于收入较高的农村家庭而言，在未受到较大外部风险冲击的前提下，其次年人均纯收入的波动较小，即使受到了严重的风险冲击，也可利用家庭积累的储蓄进行缓解，因而人均纯收入越高的家庭，其陷入贫困的可能性越小。非农劳动力占比越高，农户贫困脆弱性越低。非农劳动力占比反映了家庭外出务工劳动力人数的多少，这一占比直接影响了农村家庭收入来源结构，一方面，从事非农行为的家庭，其收入来源更加多样化，面临贫困风险冲击具有较强的抵抗能力；另一方面，劳动力从事非农行为具有较为稳定的工资收入，而对于从事农业经营的家庭而言，由于农业生产受自然资源约束和农产品市场影响，风险性较大，收入波动性也相对较大，从事农业生产增加了其陷入贫困的概率。统计结果也证实了这一点，当家庭非农劳动力占比分别为0.25以下、0.25～0.5、0.5～0.75和0.75以上时，农户贫困脆弱值大小分别为0.58、0.48、0.31和0.13。

从户主特征来看，户主为男性的家庭陷入贫困的风险更小。统计结果表明，当户主为男性时，农户贫困脆弱值为0.36；当户主为女性时，农户贫困脆弱值为0.54。户主年龄对农户贫困脆弱性有显著的正向影响，户主年龄越大，农户陷入贫困的风险越大，这可能是因为户主年龄越大，家庭可持续发展能力越低，劳动力数量也可能减少，抵抗贫困风险的能力越低，从而导致较高的贫困脆弱性。户主健康状况对农户贫困脆弱性有显著的负向影响，和户主健康的家庭相比，户主不健康的家庭陷入贫困的风险更大，其原因可能是户主作为家庭关键劳动力，其健康状况对整个家庭创造收入的能力影响较大，从而导致贫困脆弱性的差异。从家庭特征来看，家庭规模越大、人口负担系数越高和生产性固定资产数量越多的家庭，其陷入贫困的风险越大，而接受过专业技能培训和密切往来亲戚较多的家庭，其陷入贫困的风险要明显小一些。

（二）稳健性检验

为了检验上述估计结果的稳健性，本文还需通过对部分变量进行取舍和选用不同贫困标准的方式对参数重新进行估计（见表3）。方程2在方程1的基础上去掉了户主受教育年限和家庭规模两个变量；方程3在方程1的基础上去掉了接受专业技能培训状况和人均经营土地面积两个变量；方程4为世界银行1.25美元标准贫困线计算的农户贫困脆弱值；方程5为世界银行1.9美元标准贫困线计算的农户贫困脆弱值。由表2不难发现，本文所关注的农户分化变量及其他控制变量的系数大小、方向和显著性基本上没有变化，因此方程（1）的估计结果是稳健的。

五、农户分化对贫困脆弱性的影响程度

表2的模型参数估计结果仅仅反映了不同变量是否对农户贫困脆弱性产生的影响，而农户分化变量、户主特征和家庭特征变量对农户贫困脆弱性影响的贡献率具体为多少，哪些因素是影响农户贫困脆弱性的关键性因素，农户分化效应有多大，这都需要进一步测算。在方程1估计结果的基础上，利用Wan （2002、2004）改进的回归分解法，可测算出各变量对农户贫困脆弱性影响的贡献率。具体方法如下：

将式（7）简化为：

其中，Vuli表示农户i的贫困脆弱值，α表示常数项，Xi表示解释变量，εi表示残差项。对式（8）参数进行估计后，得到βi的估计值，然后计算得到Vuli的估计值，以及不考虑常数项时Vuli的估计值′，即：

然后依次进行回归分解。第一步：用CV（∗）表示变异系数，计算残差和常数项对Vuli的贡献Cε和Cα：

第二步：计算各变量对CV（）的贡献。运用Shorrocks（2013）提出的Sharply值理论分解可计算出每个变量对CV（）的贡献。一般而言，不同的农户的X取值不同，用Xi的样本均值取代X可以消除Xi的差异，替换后计算的V值记为（不含常数项），从而得到变异系数CV（）, CV（）取决于X消除Xi后的差异性；同样，用Xi和Xj的样本均值取代Xi和Xj可以消除Xi和Xj的差异，替换后计算的V值记为，从而得变异系数CV（）。以此类推，可以消除更多X的差异。

用表示变量i在第m次中第n个对变异系数的贡献，各次计算公式如下：

变量i在第m次对变异系数的贡献为：

式（16）中，表示变量i在第m次对变异系数的贡献。变量i对农户贫困脆弱性差异的贡献为：

第三步：测算各变量对农户脆弱性的贡献率。

其中CDε、CDε、CDε分别表示残差项、常数项和各变量对农户贫困脆弱性差异的贡献率。

表3给出了残差项、常数项和解释变量对贫困脆弱性的贡献率。虽然回归分解方法无法识别出未被纳入的解释变量的贡献率（Wan, 2002），但这些未被识别的变量可在残差项中反映出来。本文测得残差项对农户贫困脆弱性的贡献率为28.24%，解释变量对农户贫困脆弱性的贡献率为78.58%。因此，即使有不可观测的因素未纳入回归模型，本文所选取的解释变量仍能在很大程度上解释对农户贫困脆弱性的影响。

进一步，运用回归分解法测算各个解释变量对农户贫困脆弱性的贡献率，结果如表4所示。从中不难发现，在所有因素中，非农劳动力占比对农户贫困脆弱性的贡献率最大，达到了35.05%，即农户水平分化对农户贫困脆弱性的影响程度最大；而农户垂直分化对贫困脆弱性的影响程度相对较小，其贡献率仅为1.49%。农户水平分化使得农户从农业生产中逐渐分离出来，越来越多的农户开始由纯农业生产户转变为兼业生产户，部分甚至完全放弃农业生产而成为非农生产户。农户水平分化主要表现在两个方面：一是农业兼营或非农经营。多元化的生产经营行为可以将农业风险进行分散或转移，还可以克服农业生产资金投入不足、农产品市场不完善等一系列问题。二是农村劳动力外出务工。相比农业生产经营收入，外出务工收入通常更高且更为稳定。这两个方面都能够增强农户抵抗风险的能力，从而减少其陷入贫困的可能性。而农户垂直分化对农户贫困脆弱性贡献较小的可能性原因是，农户贫困脆弱性反映的是农户未来陷入贫困的可能性，当期的收入并不能反映农户未来抵抗风险的能力。除农户分化变量外，家庭规模、人口负担系数、接受专业技能培训状况、生产性资产数量等对农户贫困脆弱性的贡献率均超过了10%；而户主性别、户主健康、户主教育年限、人均经营土地面积、密切往来亲戚数量等对农户贫困脆弱性的贡献率较低，均低于5%。

六、研究结论与启示

（一）主要研究结论

本文基于2016年湖北省农村实地调研数据，首先运用Bronfman改进的贫困脆弱性测度方法对其农户贫困脆弱性进行了测量。然后从农户分化视角考察了影响农户贫困脆弱性的主要因素；在此基础上，利用Wan改进的回归分解方法，分析了各影响因素对农户贫困脆弱性的贡献率。研究结果表明：①农户分化变量对贫困脆弱性有显著影响。具体而言，反映农户垂直分化的家庭人均纯收入和反映农户水平分化的非农劳动力占比对农户贫困脆弱性均有显著的负向影响。②通过回归分解法测算得知，反映农户水平分化的非农劳动力占比对农户贫困脆弱性的贡献率最高，达到了35.05%；家庭规模、人口负担系数、接受专业技能培训状况和生产性资产数量也在一定程度上影响了农户的贫困脆弱性；而反映农户垂直分化的家庭人均纯收入对农户贫困脆弱性的贡献程度较小，仅为1.49%。

（二）政策启示

基于本文研究结论，可以得出以下几点政策启示：

第一，可以通过多种形式有序推进农村土地流转，规范农村土地流转程序，完善农村土地流转市场。通过土地流转，一方面可以极大促进农业生产规模化经营，提升农业经营效益；另一方面，有助于土地流出农户的劳动力转移，通过外出务工、从事非农行业以获取更高、更为稳定的收入。第二，有针对性地开展农民专业技能培训，以增加农民从事非农活动的适应能力，提升农户非农劳动力比例，进而有效降低农户未来陷入贫困的可能性。第三，不断完善劳动力市场，为农村劳动力提供专业化信息服务，构建统一城乡就业制度，保障转移农村劳动力权益，以增强其收入稳定性。第四，进一步统筹城乡公共服务，为从事非农经营的农户和外出务工农民提供各项保障，促进农户水平分化，提高各自应对贫困风险的能力。

参考文献：

[1] 杨龙，汪三贵．贫困地区农户脆弱性及其影响因素分析 [J]．中国人口·资源与环境，2015（10）: 150-156.

[2] 李丽，白雪梅．我国城乡居民家庭贫困脆弱性的测度与分解：基于CHNS微观数据的实证研究 [J]．数量经济技术经济研究，2010（8）: 61-73.

[3] 蒋丽丽．贫困脆弱性理论与政策研究新进展 [J]．经济学动态，2017 （6）: 96-108.

[4] Suryahadi A, et al. Quantifying Vulnerability to Poverty: A Proposed Measure, Applied to Indonesia. Social Science Electronic Publishing,2016,34（6）:65-78.

[5] 李宪宝，高强．行为逻辑、分化结果与发展前景——对1978年以来我国农户分化行为的考察 [J]．农业经济问题，2013（2）: 56-65, 111.

[6] Chaudhuri S., Jalan J., Suryahadi A.. Assessing Household Vulnerability to Poverty from Cross-sectional Data: A Methodology and Estimates from Indonesia [M]. New York: Columbia University, Department of Economics, 2002.

[7] 聂建亮，钟涨宝．农户分化程度对农地流转行为及规模的影响 [J].资源科学，2014（4）: 749-757.

[8] 杨应杰．农户分化对农村宅基地使用权流转意愿的影响分析——基于结构方程模型（SEM）的估计 [J]．经济经纬，2014（1）: 38-43.

[9] 刘同山，牛立腾．农户分化、土地退出意愿与农民的选择偏好 [J].中国人口·资源与环境，2014（6）: 114-120.

[10] G H Wan. Accounting fo Income Inequality in Rural China: A Regression-based Approach, Journal of Comparative Economics, 2004, 32（2）:348-363.

[11] A F Shorrocks, Anthony F. Decomposition Procedures for Distributional Analysis: A Unified Framework Based on the Shaply Value [J]. Journal of Economic Inequality,2013,11（1）:99-126.