生计可持续性视角下精准扶贫...究——以武陵山区石柱县为例_刘倩.pdf

生计可持续性视角下精准扶贫的政策效应评估及其分异研究以武陵山区石柱县为例刘倩1，雷洋洋1，喻忠磊2，唐红林3，叶文丽3，杨新军3*(1.重庆师范大学三峡库区地表过程与环境遥感重庆市重点实验室，重庆 401331；2.河南大学黄河文明与可持续发展研究中心暨黄河文明省部共建协同创新中心，河南 开封 475001；3.陕西省地表系统与环境承载力重点实验室，西安 710127)摘 要：巩固拓展脱贫攻坚成果是十四五时期的重要任务，提升农户生计可持续性是防止返贫和实现脱贫地区高质量发展的关键，在生计可持续性视角下系统评估精准扶贫政策效应，可为此提供重要依据。论文构建涵盖生计资本、生计环境和代际发展能力3个维度的扶贫政策效应评估框架，以武陵山区石柱县为案例区，采用双重差分法(DID)和倾向得分匹配法量化了精准扶贫对农户生计可持续性的影响，并讨论了其分异性。研究表明：精准扶贫使农户生计可持续性水平整体提升了20.5%，农户生计资本、生计环境和代际发展能力分别提升21.3%、23.9%、15.8%，农户生计环境改善更突出，而代际发展能力具有一定时滞性。精准扶贫对生计要素禀赋较好的兼业型农户带动效应更大且显著，其次是务农主导型和务工主导型脱贫户，而以“输血式”帮扶为主的补贴依赖型农户则被边缘化，加剧了群体间生计可持续性分化。精准扶贫政策效应空间分异性明显。相比经济基础条件较好的王场镇和黄水镇，精准扶贫对具有区位优势的龙沙镇、贫困程度较深的中益乡的带动效应更大且显著。围绕强化对山区教育与技术投入、对偏远地区资源倾斜以及引导贫困边缘群体治理等方面提出巩固脱贫攻坚成果的对策。研究可为提升巩固脱贫攻坚成果政策的匹配性和精准性提供科学依据，有助于深化中国反贫困理论认识。关 键 词：精准扶贫；生计可持续性；政策效应；DID；武陵山区“巩固提升脱贫攻坚成果，提升脱贫地区整体发展水平”是十四五时期的重要任务。2022年中央一号文件再次强调“巩固拓展脱贫攻坚成果，确保不发生规模性返贫”的底线思维。然而，脱贫地区地理资本与生计资本的“双重劣势”效应凸显1，脱贫户发展能力较弱、脱贫基础尚不稳定2。尤其受新冠疫情、自然灾害等各类重大突出公共事件冲击影响，规模性返贫风险凸显3。国家乡村振兴局数据显示，2022年6月全国纳入监测的脱贫不稳定户、边缘易致贫户、突发严重困难户等共490.5万人4。贫困户脱贫摘帽后能否真正“稳得住”“能致富”成为巩固拓展脱贫攻坚成果的“痛点”和“盲点”。生计视角是观察贫困治理取得实质性进展的主导性视角5，实现农户生计可持续性发展是突破贫困陷收稿日期：2022-11-09；修订日期：2023-03-05。基 金 项 目：国 家 自 然 科 学 基 金 项 目(41901206)；教 育 部 人 文 社 科 青 年 项 目(19YJCZH006)；重 庆 教 委 科 技 项 目(KJQN202000524)；重庆市教委人文社科项目(22SKGH104)。Foundation:National Natural Science Foundation ofChina,No.41901206;Youth Foundation of Humanities and Social Sciences of Ministry of Education of China,No.19YJCZH006;Education Commission Science and technology Foundation of Chongqing,No.KJQN202000524;Educa-tion Commission Humanities and Social Science Foundation of Chongqing,No.22SKGH104.第一作者简介：刘倩(1989)，女，山东肥城人，博士，讲师，主要从事可持续性减贫研究。E-mail:*通信作者简介：杨新军(1972)，男，陕西扶风人，教授，主要从事人地关系的社会生态系统整合研究。E-mail:引用格式：刘倩,雷洋洋,喻忠磊,等.生计可持续性视角下精准扶贫的政策效应评估及其分异研究:以武陵山区石柱县为例 J.地理科学进展,2023,42(4):670-686.Liu Qian,Lei Yangyang,Yu Zhonglei,et al.Policy effect and differentiation of targeted poverty alleviationfrom the perspective of livelihood sustainability:Taking Shizhu County,Wuling Mountains as an example.Progress in Geography,2023,42(4):670-686.DOI:10.18306/dlkxjz.2023.04.005670-686页第42卷 第4期2023年4月地 理 科 学 进 展Progress in GeographyVol.42,No.4Apr.2023第4期刘倩 等：生计可持续性视角下精准扶贫的政策效应评估及其分异研究阱、阻止返贫的关键，也是中国反贫困治理和乡村发展的核心任务6。厘清精准扶贫(targeted povertyalleviation,TPA)对贫困人口生计改善程度、诊断贫困治理薄弱环节是检验贫困治理成效的关键，为巩固脱贫攻坚成果提供了靶点。因此，基于可持续性生计视角开展精准扶贫政策效应评估为后扶贫时代优化扶贫资源配置提供了科学依据。科学度量减贫效应对增强减贫政策的持续性和实践性具有重要意义。近年来，国外学者从贫困人口的收入或金融资本等方面评估了农业发展减贫绩效7、经济或金融减贫效果8-9、农村扶贫投资开发以及社会福利政策的减贫效应10-11，针对性减贫政策对贫困人口发挥了日益重要的作用。随着中国逐步完成全面建设小康社会的减贫任务(20102020年)，国内学者使用不同空间尺度的面板数据或典型地区调研数据，基于生计视角讨论了精准扶贫政策对农户的影响。具体包括：1)测度精准扶贫政策对农户生计整体影响。精准扶贫优化了农户生计的地理空间12，降低了贫困农户生计脆弱性，尤其对脱贫边缘户作用明显13。有学者也指出精准扶贫政策对生计可持续性影响不显著14，脱贫后期农户生计可持续性降低6。2)关注扶贫政策对农户生计资本、生计结果的影响分析。精准扶贫带动了贫困户生计资本积累，优化了农户生计策略选择15，提高了贫困户生活质量和收入水平16，但不同农户增收效果具有一定差异17，贫困户的纯收入和转移收入增加明显18。然而，也有学者认为精准扶贫对农户生计资本和生计发展能力作用不明显19。3)聚焦揭示单项减贫项目对生计资本、生计结果的作用。其中，产业扶贫提升农户生计资本总量，但产业扶贫对农户生计资本的影响在不同省份的差异较大20。易地搬迁项目对农户外出务工收入具有正向影响21；乡村土地整治项目带动脱贫户人力资本提升22；光伏产业带动农户金融资本积累23，但在提升生计资本上具有负激励作用24。从研究方法上看，数据包络分析11、TOPSIS14、倾向匹配得分20、双重差分16和中介效应模型25等方法被用于政策评估或政策机制分析。整体而言，从微观层面出发探究精准扶贫对农户的影响成为一种新趋势，契合了脱贫摘帽后基层政府和单位推进“回头看”“脱贫稳定性排查”任务的现实需求。尽管已有研究初步揭示了精准扶贫效果，但仍存在一些不足。首先，精准扶贫的特色在于通过“一揽子工程”、一系列综合性政策措施全面消除绝对贫困，这一过程使贫困人口收入明显增加、贫困地区的基础设施建设和公共服务明显改善，最终实现扶贫、扶志和扶智的综合治理效果24。然而，已有研究多关注农户福利(收入或消费变化)或生计资本短期变化16-17,19-20,24，忽视了外部软性(社会保障、乡村治理等)与硬性(基础设施、人居环境等)环境改善带来的防贫效应以及农户人力资本提高等对生计带来的长期影响，导致精准扶贫政策效应评估结果存在一定偏差，偏离了精准扶贫多维性减贫目标的政策初衷。其次，尽管有研究分析精准扶贫对农户生计可持续性影响6,14,17,26，但多基于单差法或定性分析，未能精准回答扶贫政策究竟在多大程度上影响了贫困群体生计可持续性的问题，导致研究结果的政策指导性存在一定不足。此外，精准扶贫的关键在于因村因户因人进行靶向性扶贫，即突出了贫困地区的地域性和贫困群体的异质性。然而，已有成果对精准扶贫的政策效应分异性研究较薄弱，导致对脱贫后预防返贫的重点群体和扶贫资源倾斜的区域揭示不足。武陵山区是14个脱贫攻坚片区之一，有超过一半的县(42个)为国家扶贫开发工作重点县，片区内人地关系紧张，土地退化、石漠化现象突出，非农就业人口增长缓慢、县域经济发展薄弱等问题使其乡村生计发展及巩固脱贫攻坚成果问题具有典型性和代表性。鉴于此，本文突破以往减贫政策效应分析框架囿于单一福利或生计资本度量的局限，在整合精准扶贫对农户宏观(生计环境)与微观(家庭和个体)、静态与动态影响的基础上，尝试构建可持续性生计视角下精准扶贫政策效应多维分析框架，以全方位、多要素刻画精准扶贫对农户综合性、系统性影响。采用双重差分模型和倾向得分匹配法，量化精准扶贫政策对农户生计可持续性的影响，并尝试回答以下问题：1)如何量化表征精准扶贫政策对农户可持续性生计综合影响；2)精准扶贫政策效果如何，是否存在异质性？若存在，这种异质性在不同群体和地区间表现如何？因此，本文将脱贫攻坚战视为一项拟自然实验，基于20152020年微观农户调查数据，初步回答上述2个问题，以期为巩固脱贫攻坚成果、实现脱贫攻坚与乡村振兴有效衔接提供科学依据，为深化中国反贫困理论提供有益的思路和借鉴。671地理科学进展第42卷1 研究区域与数据1.1 研究区概况武陵山原连片特困地区地跨湖北、湖南、重庆、贵州4省市交界地区的11个地(市、州)、71个县(市、区)；2019年贫困人口49万人，贫困发生率为1.7%；农村居民收入增长11.0%，低于全国原集中连片特困地区约0.5个百分点。石柱县地处武陵山区北部(1075910834E、29393032N)、三峡库区腹心(图1)，是国家扶贫开发重点县、少数民族县。石柱县面积3016.06 km2，地貌由东北西南走向山地平行纵贯，形成典型“两山一槽一坝”的地形格局，其地形分区包括：沿江小平原区、方斗山低山区、方斗七曜山所夹槽谷区、七曜山北部高山区和七曜山南部中山区(图1)27。石柱县脱贫户中因病因残致贫占比高达 50.60%，因缺技术和劳动力占比25.87%。在脱贫攻坚有效推进下，石柱县贫困发生率由2014年的12.70%下降到2019年的0.23%，农村居民年人均可支配收入由2014年的8586元增长至2019年的15456元，实现85个贫困村、6万余人脱贫，2019年石柱县退出国家扶贫开发工作重点县。然而，2019年石柱县脱贫返贫率为4.92%，脱贫稳定性面临挑战。在十四五时期，石柱县巩固脱贫攻坚成果的任务较重。1.2 数据来源1.2.1 农户问卷数据(1)样本村的确定。数据来源于课题组在2021年78月开展的农户调研，采用分层抽样和随机抽样确定样本村。具体步骤：1)依据石柱县地形分区27，参考不同分区内各乡镇脱贫攻坚状况，在不同地形分区随机抽取1个乡镇(抽中的乡镇为：王场镇、鱼池镇、龙沙镇、黄水镇和中益乡)。2)依据是否为贫困村、贫困发生率和贫困村退出年份，兼顾贫困村与非贫困村等类型，在每个镇随机抽取4个村进行调研，共计20个村(表1)。(2)采用随机抽样和判断抽样获取农户调研数据。课题组依据石柱县扶贫办提供的贫困户名单，参考脱贫户属性、致贫原因和建档时间对脱贫户进行随机抽样。非贫困户(即一般农户)为非概率抽样，由当地对农户家庭情况(包括家庭成员及收入、生活质量和生产经营状况等)十分熟知的村干部(例如村主任等)进行筛选。非贫困户一般是家庭收入在贫困线附近，但未被识别为贫困户的相对困难户，以形成可比较的“对照组”。问卷调查均采用面对面访谈方式进行，每户调研时间均为30 min以上，共发放问卷646份，获得有效问卷632份，有效率97.83%，含脱贫户311户，一般农户321户。问卷内容涵盖：户主及家庭成员信息，自然资本、物质资本、金融资本和社会资本状况，居住地环境及基础设施状况，农户家庭保障及帮扶状况等。(3)问卷信度与效度检验。采用Stata 13.1软件对调研数据进行信度与效度检验，结果显示，Cron-bachs 值为0.8730.700，表明样本数据具有良好可信度。KMO检验值为0.8010.600，Bartletts检验出的相伴概率小于0.001，表明调研数据间相关性较高，具有良好结构效度。1.2.2 地理空间数据和统计数据1 1万村级界限和乡镇界限、1 1万道路和居民点分布图源于石柱县国土局；30 m分辨率DEM数据来源于国家基础地理信息网站，用于提取样本区乡镇、村的平均海拔和坡度。统计数据源于石柱县 2019年初石柱县已脱贫人口为6.01万人，其中分布在贫困村、非贫困村的脱贫人口分别为2.43万、3.58万人，占总脱贫人口的40.433%、59.567%。鉴于非贫困村的脱贫人口占比较高的实情，将非贫困村也纳入调研村范围。注：图中I、II、III、IV、V分别为沿江小平原区、方斗山低山区、方斗七曜山所夹槽谷区、七曜山北部高山区和七曜山南部中山区。图1 研究区域及样本村落的分布Fig.1 Location of the study area and distribution ofthe sample villages672第4期刘倩 等：生计可持续性视角下精准扶贫的政策效应评估及其分异研究统计局、石柱县乡村振兴局(原扶贫办)提供的 石柱土家族自治县统计年鉴(20162020年)、石柱县贫困户台账表(20152019年)、石柱县贫困户名单(20152019年)。2 研究方法2.1 分析框架及指标选取党的十八大以来，精准扶贫、精准脱贫战略通过一系列政策组合拳，因村因户帮扶、因人因贫施策，超常规注入资金、信息、技术、管理和制度等与贫困户自有资源进行整合，激活农户生计要素，突破贫困陷阱“锁定效应”，消除了农村绝对贫困24。以“增强内生动力”为特色的精准扶贫政策治理体系对农户生计系统产生多层次影响：1)在家庭层面上，带动农户生计资本增量、优化和重塑生计资本结构，使其生计趋于安全、稳健和协调发展5。2)从宏观上看，补齐了贫困地区基础设施建设和公共服务的短板。通过移民搬迁、生态治理等改善了生计环境、优化和重构了生计空间，增强了农户对生计资本的可控性和可得性28。3)从长期来看，激发贫困人口内生动力、提升人力资本，构筑了预防返贫的长效机制，解决长期以来农村地区存在的贫困代际传递问题，真正实现彻底消除农村贫困5,29。因此，精准扶贫绩效评估需要从多维度、全方位视角出发，既要关注短期内生计资本的提高，也要兼顾农户生计环境的改善，更要凸显长期的生计动态发展能力。英国国际发展部(Department for InternationalDevelopment，DFID)开发的可持续生计分析框架(sustainable livelihoods approach，SLA)为可持续生计研究提供了一种规范化的工具和系统化的思路6，强调家庭或个人的资本积累总量或资本组合在维持家庭可持续生计策略上的作用，是从贫困家庭或个人层面分析贫困产生的原因。这一框架对讨论贫困治理效应具有借鉴性，亦有学者通过借鉴该框架初步分析了贫困治理效果6,26,30，但多是在静态视角下对某个时间点家庭或个体生计资本或福利的考量，而未考虑家庭未来发展能力或潜力，缺乏对未来农户发展动态性的关注，导致精准扶贫治理效应刻画并不充分。对此，本文对可持续生计分析框架(SLA)进行拓展，从生计资本、生计环境和代际发展能力维度构建可持续性视角下精准扶贫政策效应评估框架(图2)，以表征精准扶贫对农户生计直接与间接、短期与长期影响。该框架中，第一，生计资本是农户维持生计稳定性、摆脱贫困的基础31-32，精准扶贫政策通过投入硬软性资源要素，增加了农户生计资本多样性，为脱贫户生计发展提供保障。借鉴SLA中对生计资本的划分：1)在自然资本方面，选取农户拥有的生表1 调研点及有效样本分布Tab.1 Surveyed towns and distribution of the valid samples地理单元I 沿江小平原II 方斗山低山区III 方斗七曜山所夹槽谷区IV 七曜山北部高山区V 七曜山南部中山区调研乡镇王场镇鱼池镇龙沙镇黄水镇中益乡样本村石溪村、双龙村、太和村、蛟鱼村白江村#、金竹村#、山轿村、水田村*长坪村、中海村#、石岭村#、永丰村#金花村#、万胜坝村、清河村、洋洞村建峰村#、坪坝村*、全兴村#、盐井村#有效样本量/户130126118124134注：*为深度贫困村，#为一般贫困村，其他为非贫困村。图2 生计可持续性视角下精准扶贫政策效应评估框架Fig.2 Evaluation framework of the effects of the targetedpoverty alleviation policy from the livelihoodsustainability perspective673地理科学进展第42卷物生产面积指标6；2)在物质资本方面，选择住房条件、固定资产、牲畜养殖表征农户基本生存保障的物质基础33；3)在人力资本方面，选择劳动力数量、健康水平指标6；4)在金融资本方面，选择人均收入、信贷机会指标13；5)社会资本反映了农户利用社会资源应对外部变化及获取信息的能力，选择社会网络、公共参与和社会信任指标34(表2)。第二，生计环境是生计活动的载体，影响农户与外界经济联系，进而影响农户生计资本的可得性34。精准扶贫通过全面落实“六个保障到户”、补齐基础设施和公共服务短板等，从外部嵌入资源打破地理环境因素导致的贫困高发24，使贫困群体生计环境得到明显改善。其指标选取考虑如下：1)在基础设施条件方面，选取农户生产生活设施(水电等)、交通设施建设(入户道路类型和道路通达性水平)、农村信息化设施(上网设备或智能手机)3个二级指标35-36；2)在公共服务与社会保障方面，选择医疗卫生服务、农业生产组织和社会保障3个二级指标37(表2)。第三，代际发展能力意味着对贫困动态性阻断和未来发展潜力，表征精准扶贫的长期影响。贫困家庭子女的教育投资和就业技能培训为实现社会各种功能性活动奠定基石，是拉动劳动力非农就业、阻断贫困代际传递的重要途径，也是增强脱贫户内生动力的关键要素38。指标选取考虑：1)以受教育水平和教育政策支持反映教育状况39；2)以技术水平和技术运用反映技能状况(表2)。该框架兼顾精准扶贫对农户生计短期与长期效应，克服已有精准扶贫评估的静态性、事后性，从宏观(生计环境)与微观(农户个体)、静态性与动态性综合视角来揭示精准扶贫的影响，可为精准扶贫政策评估提供一种新思路。对选取的指标进行共线性检验，分别计算方差膨胀因子和相关系数，保留方差膨胀因子小于10的指标，剔除相关系数大于0.75的指标，对指标进行筛选获得3个维度21个指标，如表2所示。2.2 农户生计可持续性测度2.2.1 数据标准化和权重计算由于各评判指标具有不同的量纲和量纲单位，为消除指标之间的不可公度性，需要对评判指标进行无量纲化处理。采用极差正规化方法将数值转化到01之间。其中，正向指标极差正规化计算公式：xij=xij-min xjmax xj-min xj(1)负向指标极差正规化计算公式：xij=max xj-xijmax xj-min xj(2)式中：xij是标准化后的数据；xij为第i个评价对象的第j项指标；max xj和min xj分别为第j项指标的最大值和最小值。为克服指标赋值的主观性，采用熵值法进行指标权重计算。具体过程详见文献37。2.2.2 农户生计可持续性通过综合指数法计算得到农户生计可持续性指数(livelihood sustainability index,LSI)。在参考已有研究基础上6,26,35，从生计资本、生计环境和代际发展能力三者的函数构建农户生计可持续性指数，其计算公式为：Ci=i=1nj=111xijwj(3)Ei=i=1nj=1217xijwj(4)Gi=i=1nj=1821xijwj(5)LSIi=Ci+Ei+Gi(6)式中：LSI为生计可持续性指数；Ci为生计资本指数；Ei为生计环境指数；Gi为代际发展能力指数；wj为指标权重。2.3 模型设定2.3.1 双重差分法双重差分法(difference-in-differences，DID)通过控制研究对象之间的事前差异，过滤时间效应等固定效应的影响，将政策实施的效果分离出来，以反映政策实施干预效果，是政策效应评估应用较广泛的方法24。精准扶贫可被视为在贫困地区进行的拟自然实验，将贫困户视为实验组，而非贫困户视为对照组，利用DID法检验精准扶贫对农户生计可持续性的影响。为了控制政策环境的异质性，确定差分计算统一可行的时间节点(政策落地的2015年和精准扶贫收官的2020年)，以识别精准扶贫政策的净影响。依据DID方法的基准回归模型设置如下：Yit=0+1didit+2Xit+i+vi+i(7)674第4期刘倩 等：生计可持续性视角下精准扶贫的政策效应评估及其分异研究表2 生计可持续性指标体系与权重Tab.2 Evaluation indicator system for livelihood sustainability of households and indicator weights维度生计资本生计环境代际发展能力一级指标自然资本物质资本人力资本金融资本社会资本基础设施条件公共服务社会保障教育状况技能状况二级指标生物生产面积x1住房结构x2固定资产x3牲畜养殖x4劳动力数量x5健康水平x6人均收入x7信贷机会x8社会网络x9公共参与x10社会信任x11生产生活设施x12交通设施建设x13农村信息化设施x14医疗卫生服务x15农业生产组织x16社会保障x17受教育水平x18教育政策支持x19技术水平x20技术运用x21指标释义与赋值生物生产面积=耕地面积2.8+林果面积1.1+林地面积1.1+鱼塘0.2+园地0.5(hm2)住房结构：土/木房=0，砖瓦/砖木=0.25，砖混(平层)=0.5，楼房(2层)=0.75，楼房(3层及以上)=1微型农业机械设备(小型拖拉机、农用排灌动力机、收割机、脱粒机等)与常用家庭耐用消费品(电脑、洗衣机、电视机、摩托车、电瓶车、冰箱、空调、小汽车、货车等)的数量之和牲畜数量=牛1+驴0.8+羊0.6+猪0.4+鸡0.2(羊单位)成年劳动力(1665岁)数量(人)劳动力健康水平之和：无法自理(患重大疾病)=0，部分自理(频发疾病且影响生产生活)=0.25，基本健康(偶发疾病且轻微影响生产生活)=0.5，较健康(偶发疾病但不影响生产生活)=0.75，非常健康(无患病)=1年总收入与家庭人口比值(以对数化处理)(元/人)可获得政策性贷款(例如，小额信贷或贴息贷款等)：是=1，否=0获得帮助的人数和关系网络支持种类(如现金借款、就业提携、子女上学帮扶、实用技术传授等)：无=0，1种=0.25，2种=0.5，3种=0.75，4种=1现场参加或微信群参加村内公共事务(例如集体选举或表决、公共工程修建等)：从不参与=0，较少参与(参与度约25%)=0.25，一般情况参与(参与度约50%)=0.5，经常参与(参与度约75%)=0.75，全部参与=1对村干部或驻村工作队的信任程度：几乎没有=0，较少=0.25，一般=0.5，较多=0.75，非常信任=1生产生活设施之和。是否有安全饮用水/新建饮水点：是=1，否(旱季饮用江湖水/人畜饮水困难)=0；生活用电是否稳定：是=1，否(停电天数7 d)=0；庭院是否硬化：是=1，否=0；是否有新修灌溉水网/蓄水池/冷库/农产品临时收储点等：是=1，否=0入户道路类型：山路、陡坡路(仅能供畜力运输工具通行)=0，村间小道(能通行摩托车)=0.25，村道支道(能通行小型农用车)=0.5，村主干道=0.75，乡镇道路=1道路可达性计算公式：Bi=did，Bi为农村道路可达系数，di为农户i到达最近国道、省道或县道等高等级公路的路程，d为到达高等级公路的平均里程是否至少有1台上网设备或至少1部手机：是(可流畅使用互联网)=1，否=0村内是否拥有卫生所/卫生室：是=1，否=0参加村内农业生产合作社/互助社/龙头企业/集体经济组织：是=1，否=0已享有社会福利保障(农村居民养老保险、新农合、大病险、低保、农村特困供养、残疾补助、高龄补助)的数量青壮年劳动力(1545周岁)的受教育程度：文盲=0，小学=0.25，初中=0.5，高中及大专=0.75，本科及以上=1子女是否享受“雨露计划”/三免一补/营养餐/学生特困救助/助学贷款等政策支持：是=1，否=0青壮年劳动力(1545周岁)的技术水平：无技能(无业)=0，农业生产技能(仅从事农业经营的劳动者)=0.25，初级技工+农业生产(从事打零工且具有农业经营的劳动者)=0.5，中级技工或自主经营(从事长期务工或自主经营)=0.75，高级技能(从事具有一定专业或高技术劳动者或企事业单位人员)=1劳动力对新种养殖技术或新职业技能运用情况：未运用无帮助(未获得收益增加)=0，有运用且有一定帮助(获得收益且增加的收益原家庭收入的50%)=0.5，有运用且帮助较大(获得收益且增加的收益原家庭收入的50%)=1权重0.0730.1150.1070.0630.0920.1080.1250.0780.0870.0600.0920.1180.1440.1050.2040.1130.1560.1600.3070.1960.2080.289675地理科学进展第42卷式中：Yit为被解释变量，选取生计可持续性指数及其维度指数；i是农户，t为时间，0是常数项；didit是政策实施的虚拟变量，精准扶贫帮扶户为实验组，该变量设置为1，一般农户为对照组，该变量取值为0；didit的系数1是DID估计量；Xit为控制变量；2为控制变量的系数；i、vi、i分别代表时间固定效应、个体固定效应和随机扰动项。2.3.2 倾 向 得 分 匹 配(propensity score matching，PSM)影响生计可持续性因素众多，DID能控制随时间变化的不可观测影响因素，PSM能分析可观测影响因素。PSM方法克服了DID方法使用需满足共同趋势假设的局限，消除不可测变量所带来的内生性问题，减少采用单差法或直接使用双重差分法的估计误差。因此，采用PSM-DID方法进行稳健性估计。当使用倾向得分匹配方法对实验组和对照组匹配后，使用DID，将精准扶贫政策实施前后脱贫户生计可持续性及其分维度值变化减去匹配后一般农户在精准扶贫实施前后的生计可持续性及其分维度值变化，即可得到精准扶贫政策对脱贫户生计可持续性及其分维度的平均效果(averagetreatement effect on the treated,ATT)。具体步骤参照文献40。PSM-DID效应模型如下：YPSMit=0+1didit+2Xit+i+vi+i(8)式中：YPSMit是匹配后农户i的生计可持续性水平，0为常数项，1为匹配后实验组和对照组农户相比生计的变化程度，2为控制变量Xit的估计系数向量，其余各变量的含义与式(7)相同。2.3.3 变量设置被解释变量为生计可持续性水平及其子维度值。本文还控制了其他变量对农户生计可持续性的影响。参考已有研究成果22，从农户和村庄层面选取控制变量(表3)。其中：1)户主层面考虑从户主年龄、受教育程度、健康状况选取指标24-25。2)家庭抚养比反映家庭人口结构，人口负担率越高的家庭越易陷入贫困41；生计多样性是农户提高生计产出、增强生计稳定性的途径35；非农经营性收入是山区农户收入重要来源，非农经营性收入比反映农户非农活动的强度。3)村庄层面分别从村庄区位条件、经济发展水平和自然环境方面选取控制变量。农户所在村庄与最近集镇距离影响农户生产成本42；经济发展水平表征村域经济基础；海拔高程等自定地貌因子直接影响农业生产潜力，进而影表3 变量说明及其统计性描述Tab.3 Main variables and their descriptive statistics变量户主特征家庭结构与生计特征村域特征变量名称年龄X1受教育程度X2健康状况X3家庭抚养比X4生计多样性X5非农经营性收入比X6区位条件X7经济发展水平X8海拔高程X9指标描述及含义1825岁=1，2640岁=2，4160岁=3，61岁以上=4文盲=1，小学=2，初中或中专=3，高中或大专=4，本科及以上=5无法自理=1，部分自理=2，基本健康=3，较健康=4，非常健康=5非劳动力数量/劳动力数量由生计多样性计算公式得出，见文献37非农经营性收入占总收入比重所在村庄与最近乡镇的距离：04 km=1，48km=2，812 km=3，1216 km=4，16 km=5所在村庄人均收入水平(万元/人)ArcGIS提取所在村域的平均海拔高程：450 m=1，450750 m=2，7501000 m=3，10001500 m=4，1500 m=5全样本3.712(2.147)2.441(0.818)4.055(1.124)0.706(0.755)0.454(0.306)0.121(0.561)4.457(2.497)0.912(1.203)3.789(1.440)实验组3.790(1.557)2.283(0.715)4.070(1.156)0.727(0.734)0.490(0.286)0.032(0.161)4.697(3.147)0.842(1.420)4.014(1.369)对照组3.606(1.859)2.575(0.873)4.588(0.738)0.688(0.773)0.422(0.318)0.199(0.744)4.367(1.198)1.112(1.074)3.647(1.964)t检验*ns*注：均值和方差(括号中数据)仅列出2015年数据。差异性t检验：*、*分别表示通过1%、5%的显著性水平检验，ns表示不显著。采用独立样本t检验分析连续型数据的显著性水平，采用Pearson卡方检验分析离散型数据的显著性水平。676第4期刘倩 等：生计可持续性视角下精准扶贫的政策效应评估及其分异研究响农户生计活动和福利水平43。对上述控制变量进行相关性或共线性检验，剔除不符合的变量。2.4 农户类型划分综合研究区农户特征和已有研究成果6,32,37,39，基于不同生计活动的收入比重，将农户划分为4类：务农主导型、务工主导型、兼业型、补贴依赖型(表4)。3 结果分析3.1 脱贫户样本特征精准扶贫实施前后脱贫群体出现以下变化(表5)：1)脱贫户主年龄趋于老化，家庭规模略有增长，但家庭劳动力数量略有萎缩，减少1.647%。脱贫户家庭抚养比较高且持续增加，2020年较2015年增长19.257%。经统计，2015、2020年脱贫户家庭抚养比比对照组分别高5.669%、5.990%，表明脱贫户人口负担较重且持续恶化，可能导致家庭照料成本增加。2)与2015年相比，2020年劳动力受教育程度改善明显，增长16.488%。同期，家庭患病比增长20.518%，分别高于同期对照组97.445%、100.00%，脱贫户健康风险仍较突出，脱贫巩固时期预防因病返贫的任务仍较重，医疗扶贫应保持一定延续性。3)人均收入水平显著提高，脱贫增收效果明显，但收入结构变化差异较大。从收入结构上看，脱贫户的人均务农收入呈现下降趋势，降低23.158%，而人均务工收入、人均经营性收入分别增长32.689%、81.250%，表明脱贫农户生计非农化趋势明显，非农经营活动增加带动人均收入水平提高。4)脱贫户实际耕种土地面积呈现下降趋势，减少41.962%。同时，农户种植多样性明显降低，而非农就业人数增加，表明农户对土地等自然资源的依赖强度下降。3.2 精准扶贫对农户生计可持续性的影响利用DID方法评估精准扶贫政策对农户生计可持续性的影响(表6)，模型14分别是以农户生计可持续性、生计资本、生计环境和代际发展能力为因变量的模型，且4个模型没有加入控制变量。模型58分别是以农户生计可持续性、生计资本、生计环境和代际发展能力为因变量的模型，且4个模型加入控制变量。以上8个模型计算精准扶贫对农户生计可持续性及其3个子维度的影响。从表6看，无论是否加入控制变量，精准扶贫实施对农户生计可持续性及其构成维度均为显著的表4 农户类型划分标准Tab.4 Criteria for the classification of farming household types按生计方式划分L1：务农主导型L2：务工主导型L3：兼业型L4：补贴依赖型户数/户126230170106占比/%19.93736.39226.89916.772分类标准务农收入占比60%务工收入占比60%务农或务工收入占40%60%政府补贴60%特征生计以务农为主，包括从事农林牧副渔业生计以务工为主，包括短期、长期务工，土地多流转或弃耕，农业经营或自主性经营活动较少从事2种及以上的生计活动，采取打工+务农、自主经营+务农/务工等组合方式无务工或务农活动，以政府转移性收入为主表5 脱贫农户描述统计Tab.5 Descriptive statistics of characteristics of out of poverty farming households变量户主平均年龄/岁家庭规模/人户均劳动力数量/人患病比a劳动力受教育程度b家庭抚养比生计多样性水平c2015年47.990(11.557)3.437(1.276)2.246(1.247)0.541(0.726)0.746(0.583)0.727(0.734)0.490(0.286)2020年52.965(11.574)3.497(1.320)2.209(1.406)0.652(0.804)0.869(0.686)0.867(0.922)0.466(0.272)变量人均收入/万元人均务农收入/万元人均务工收入/万元人均经营性收入/万元人均实际耕地面积/亩非农就业人数/人种植多样性2015年0.817(0.775)0.095(0.115)0.517(0.740)0.032(0.161)2.681(2.560)1.214(1.247)0.491(0.271)2020年1.051(0.635)0.073(0.116)0.686(0.571)0.058(0.213)1.556(2.461)1.331(0.987)0.331(0.279)注：统计值为样本均值，括号内数值为标准差。a.患病比：患慢性病或大病的成员数占比；b.劳动力受教育程度赋值：文盲=0，小学=0.25，初中=0.5，高中及大专=0.75，本科及以上=1；c.生计多样性水平计算参考文献37。677地理科学进展第42卷正向影响，即精准扶贫对农户生计可持续性水平具有明显的带动效应。据模型14估计结果，在没有控制其他影响农户生计可持续性因素时，精准扶贫政策实施后，实验组农户生计可持续性比对照组高约23.1%。据模型58估计结果，控制其他影响农户生计可持续性因素，精准扶贫政策实施后，脱贫户生计可持续性(Y5)提高约19.5%，生计资本、生计环境和代际发展能力分别提高了 20.1%、22.6%、16.2%。可见，精准扶贫对农户生计可持续性具有带动效应，政策治理体系与贫困户匹配性较好，贫困治理效果远超“两不愁三保障”的基本目标。3.3 基于双重差分倾向得分匹配法的检验3.3.1 共同支撑域和PSM匹配结果为克服脱贫户与非贫困户之间存在的系统性差异，降低DID估计的偏误，采用PSM-DID法进行稳健性检验。为保证匹配结果的稳健性，除使用核匹配外，还采用最近邻匹配、半径匹配(k=2，即一对二匹配)等匹配方式。对生计可持续性进行核匹配的结