论文部分内容阅读
摘 要：本文基于2015年和2017年中国家庭金融调查（CHFS）农户样本构成的面板数据，运用双重差分倾向得分匹配法（PSM-DID），严格评估了精准扶贫政策对贫困农户收入增长的影响效应。研究发现，精准扶贫政策显著提高了贫困户家庭的收入水平，其中对种植收入的影响最为显著。本文在此基础上进一步估计了精准扶贫政策的异质性效应，即相对于中东部地区，精准扶贫政策对西部地区贫困户收入增长的影响更为显著。
关键词：精准扶贫;农户收入;PSM-DID;异质性影响
中图分类号：[S-9] 文献标识码：A DOI：10.19754/j.nyyjs.20201015051
引言
自2014年3月习近平总书记强调实施精准扶贫政策以来，我国进入了精准扶贫新阶段。国内学者对精准扶贫政策展开了大量研究与讨论。王立勇，许明[1]从家庭人均纯收入和贫困发生率2个角度实证分析了我国精准扶贫政策的减贫效应。蔡进等[2]基于贫困地区的调研数据，检验了精准扶贫政策对农户收入增长的影响，并提出了建议。张全红，周强[3]从收入、消费生活改善和外出务工4个方面对精准扶贫政策的效果进行了评估。李明月，陈凯[4]基于入户访谈和问卷调查，探讨了农户生计角度下精准扶贫政策的效应。
2020年是脱贫的收官之年，精准扶贫政策是否达到了预期效果，仍需要科学评估，而农户收入水平是衡量精准扶贫政策有效性的关键指标。鉴于此，本文借助中国家庭金融调查（CHFS）2期农户样本数据，运用PSM-DID准确估计了精准扶贫政策对农户收入的影响，进一步揭示了精准扶贫政策对不同地区贫困农户收入的影响异质性，以期为扶贫政策研究提供新的经验证据。
1 研究设计、指标选取与数据来源
1.1 方法选择与模型估计
为检验精准扶贫政策对贫困户收入的影响，可以采用单差法来直接比较贫困户在精准扶贫前后的家庭收入，但由于精准扶贫政策是非随机的，而且贫困户在精准扶贫政策引入前后家庭收入水平发生变化的原因可能不仅仅是因为精准扶贫政策的影响，也会受到宏观经济或市场其它行为等一些随时间变化的总体因素的影响，采用单差法容易产生选择误差，即无法识别精准扶贫政策对贫困户家庭收入水平影响的净效应。因此，为了剔除其它因素的干扰，本文采用双重差分法来估计精准扶贫对贫困户家庭收入的净效应。
双重差分模型设定如下：
Yi，t=β0 β1D β2T β3D×T γZi，t εi，t（1）
式中，下标i代表农户，t代表时间;Yi，t表示农户i在t時期的家庭收入水平。D和T是虚拟变量，本文将2015年、2017年2轮调查中均为贫困户的家庭定义为处理组，将2轮调查中均不是贫困户的家庭定义为控制组，其中D=1表示处理组，D=0表示控制组;T=1表示建档立卡之后，T=0表示建档立卡之前。Zi，t表示随时间变动且影响家庭收入水平的其它变量，εi，t是随机扰动项。
根据构建的虚拟变量D、T，将样本分为4组，如表1所示。
系数β3的估计值是本文关注的重点，对于处理组，建档立卡前后的发展情况分别为β1 β0和β0 β1 β2 β3，可见处理组在政策实施前后的变化幅度为ΔY1=β2 β3，其中包含了精准扶贫政策及市场其它行为的效果;同样的，对于控制组而言，在建档立卡前后的发展情况分别为β0和β0 β2，控制组在建档立卡前后的变化幅度为ΔY0=β2，该差异并没有将精准扶贫带来的效果包含在内。因此，用处理组在建档立卡前后的差异ΔY1，减去控制组在建档立卡前后的差异ΔY0，得到精准扶贫政策的净效应ΔΔY=β3，这是本文DID方法估计的关键，如果精准扶贫政策真实地提高或者降低了贫困户的家庭收入，那么β3的系数应显著为正或显著为负。
但是，即便在样本内采用双重差分法，也会产生一定的偏差，因为处理组和控制组差距太大，得出的差分结果可能具有一定偏差，而共同趋势假定是双重差分法应用的前提，要求2组样本具有较小的异质性，即若未实施精准扶贫政策，处理组与控制组的发展趋势随着时间推移不会出现系统性差异，但依据现实发展情况来看，DID方法的这一前提假定可能并未满足。为解决这一问题，本文选择先采用倾向得分匹配法给处理组匹配相近的控制组，再在匹配后的样本范围内采用双重差分法来检验精准扶贫政策对贫困户家庭收入的净影响。
倾向得分匹配法的研究过程：运用logit模型或者probit模型估计倾向得分值，即样本农户建档立卡的条件概率：p（X）=Pr（D=1|X）=E（D=0|X），然后选择合适的匹配方法，根据倾向得分值将处理组样本（D=1）与控制组样本（D=0）进行匹配，最后，计算平均处理效应（ATT），即精准扶贫政策对农户家庭收入的影响σATT≡E{（Yi1-Yi0）|Di=1}=E{Yi1|Di=1}-E{Yi0|Di=1}。
1.2 指标选取
本文选取了家庭人均纯收入、人均种植业收入、人均务工收入、人均政府补贴收入和人均财产性收入5项指标，回归时采用对数值。同时选取了农户的年龄、文化水平、健康状况及家庭人口数等指标作为控制变量。
1.3 数据来源
本研究采用中国家庭金融调查（CHFS）2015年和2017年数据中的农户样本。其中，2015年的家庭金融调查农户家庭数为11634户，2017年的家庭金融调查农户家庭数为12715户。全国大规模开展贫困户建档立卡工作的时间为2014年，但是在政策初期，由于信息不对称等原因，贫困户存在识别偏离的问题，随着驻村工作队及社会组织第三方力量的参与，当地扶贫办的复查，后续的识别工作较为准确;另外，考虑到精准扶贫政策的滞后效应。鉴于此，本文匹配了2015年和2017年2a均参加了调查的家庭，即获得了2期跟踪调查数据。经过数据处理后，共得每年样本6273个，总计12546个。 2 实证结果与分析
2.1 倾向得分估计结果分析
运用倾向得分匹配法（PSM）进行分析时，匹配变量的选择尤为重要，本文通过梳理已有文献，从农户基本特征，生活水平2个方面选取匹配变量。具体来看，农户特质征包括户主年龄、户主性别、文化程度、家庭人数、健康状况;生活水平方面包括家庭可支配收入、消费总支出。
回归结果显示农户文化程度、健康状况、家庭可支配收入及消费总支出等变量均在不同程度显著，表明样本确实存在选择性偏误。因此，在双重差分之前需要进行倾向得分匹配。
2.2 匹配結果检验
为保证PSM-DID估计的信度和效度，本文对PSM2个基本假设进行检验。结果显示，2组样本的观测值均在共同取值范围内且匹配后的2组样本在变量特征上不存在差异，满足共同支撑假设和平衡性假设。
2.3 处理效应结果分析
对匹配成功的样本进行双重差分处理，结果如表4所示。
实证结果表明，精准扶贫政策对家庭人均纯收入的影响为正值且在5%水平上显著，表明精准扶贫政策显著提高了贫困户家庭的收入水平。其中，对人均种植业收入的影响系数最大且在1%水平上显著，原因在于贫困户家庭老弱病残成员较多，无法外出务工，收入的主要来源还是以种植业为主;另外，政府扶贫资金的投入使贫困农户的农业生产规模提高，收入明显增加;这也解释了为什么精准扶贫政策对务工收入的影响低于种植业收入的影响且仅在10%水平上显著。人均政府补贴收入的系数为正且在5%水平上显著，表明精准扶贫政策对贫困农户的补贴收入增长具有显著影响，但是精准扶贫政策对人均财产性收入的影响并不显著。原因在于精准扶贫政策实施之后，国家加大了对贫困农户的各项资金补贴及资金投入，包括危房改造补贴、金融扶贫、农业支持保护等，使农户获得的资金显著增加。对财产性收入的影响较小，原因在于贫困农户财产较少，像土地房屋仅够勉强维持生计。
2.4 异质性差异分析
考虑到我国区域经济发展不平衡，精准扶贫政策的推行对不同地区贫困户的收入可能存在异质性影响，因此本文将全部样本划分为东部地区、中部地区和西部地区（东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南;中部地区包括：山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南;西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆），分别检验这3个地区的精准扶贫政策对区域内贫困户收入水平的影响。鉴于篇幅，仅采用k最近邻匹配（k=4）对主要变量的效应进行分析。
由表5可知，精准扶贫政策对西部地区家庭人均纯收入的影响最为显著，其次为中部，最后为东部。这也一定程度上反映了国家精准扶贫政策对西部地区的倾向性：大力发展西部地区经济，提高农户收入水平。精准扶贫政策对人均政府补贴收入的影响在西部地区最为显著，也从侧面反映出了国家对西部地区的重视。精准扶贫政策对东部地区人均种植业的收入影响最为显著，原因在于东部地区土地平坦，资源丰富，农户主要以种植业为主，而中部和西部地区由于客观条件限制，种植业较少。人均务工收入的影响方面，东部和中部的效应大于西部地区，原因在于东部和中部经济较为发达，工作机会较西部地区多。而对人均财产性收入的影响只在东部地区显著，这与东部地区经济发达有着密切的关系。
3 结论与政策启示
本文基于2015年和2017年中国家庭金融调查（CHFS）农户样本构成的面板数据，运用PSM-DID方法，严格评估了精准扶贫政策对农户家庭收入的影响。得出以下基本结论：精准扶贫政策显著提高了贫困户家庭的收入水平，其中对种植收入的影响最为显著;相对于中东部地区，精准扶贫政策对西部地区贫困户收入增长的影响更为显著。
基于上述研究结论，本文得出的政策启示：国家要继续贯彻落实精准扶贫政策，坚决打赢脱贫攻坚战;对贫困程度不同的农户采取不同的扶贫力度，进一步提高精准扶贫政策的效率;与东中部地区相比，西部地区受客观条件限制，贫困程度更高，脱贫的难度更大，在资金、政策方面要给予西部地区更多扶持。
参考文献
[1] 王立勇，许明.中国精准扶贫政策的减贫效应研究：来自准自然实验的经验证据[J].统计研究，2019，36（12）：15-26.
[2]蔡进，禹洋春，邱继勤.国家精准扶贫政策对贫困农户脱贫增收的效果评价——基于双重差分模型的检验[J].人文地理，2019，34（02）：90-96.
[3]张全红，周强.精准扶贫政策效果评估——收入、消费、生活改善和外出务工[J].统计研究，2019，36（10）：17-29.
[4]李明月，陈凯.精准扶贫对提升农户生计的效果评价[J].华南农业大学学报（社会科学版），2020，19（01）：10-20.
[5]汪三贵，曾小溪.从区域扶贫开发到精准扶贫——改革开放40年中国扶贫政策的演进及脱贫攻坚的难点和对策[J].农业经济问题，2018（08）：40-50.
[6]朱梦冰，李实.精准扶贫重在精准识别贫困人口——农村低保政策的瞄准效果分析[J].中国社会科学，2017（09）：90-112，207.
[7]姚明明，王磊.基于双重差分法的农村最低生活保障制度减贫效果研究[J].辽宁大学学报（哲学社会科学版），2018，46（03）：71-76.
（责任编辑 李媛媛）
收稿日期：2020-09-15
作者简介：韩丰骏（1994-），男，硕士。研究方向：农业管理;樊东鑫（1994-），男，硕士。研究方向：农村发展;郭亚军（1992-），男，硕士。研究方向：农业管理;通讯作者卜令营。
关键词：精准扶贫;农户收入;PSM-DID;异质性影响
中图分类号：[S-9] 文献标识码：A DOI：10.19754/j.nyyjs.20201015051
引言
自2014年3月习近平总书记强调实施精准扶贫政策以来，我国进入了精准扶贫新阶段。国内学者对精准扶贫政策展开了大量研究与讨论。王立勇，许明[1]从家庭人均纯收入和贫困发生率2个角度实证分析了我国精准扶贫政策的减贫效应。蔡进等[2]基于贫困地区的调研数据，检验了精准扶贫政策对农户收入增长的影响，并提出了建议。张全红，周强[3]从收入、消费生活改善和外出务工4个方面对精准扶贫政策的效果进行了评估。李明月，陈凯[4]基于入户访谈和问卷调查，探讨了农户生计角度下精准扶贫政策的效应。
2020年是脱贫的收官之年，精准扶贫政策是否达到了预期效果，仍需要科学评估，而农户收入水平是衡量精准扶贫政策有效性的关键指标。鉴于此，本文借助中国家庭金融调查（CHFS）2期农户样本数据，运用PSM-DID准确估计了精准扶贫政策对农户收入的影响，进一步揭示了精准扶贫政策对不同地区贫困农户收入的影响异质性，以期为扶贫政策研究提供新的经验证据。
1 研究设计、指标选取与数据来源
1.1 方法选择与模型估计
为检验精准扶贫政策对贫困户收入的影响，可以采用单差法来直接比较贫困户在精准扶贫前后的家庭收入，但由于精准扶贫政策是非随机的，而且贫困户在精准扶贫政策引入前后家庭收入水平发生变化的原因可能不仅仅是因为精准扶贫政策的影响，也会受到宏观经济或市场其它行为等一些随时间变化的总体因素的影响，采用单差法容易产生选择误差，即无法识别精准扶贫政策对贫困户家庭收入水平影响的净效应。因此，为了剔除其它因素的干扰，本文采用双重差分法来估计精准扶贫对贫困户家庭收入的净效应。
双重差分模型设定如下：
Yi，t=β0 β1D β2T β3D×T γZi，t εi，t（1）
式中，下标i代表农户，t代表时间;Yi，t表示农户i在t時期的家庭收入水平。D和T是虚拟变量，本文将2015年、2017年2轮调查中均为贫困户的家庭定义为处理组，将2轮调查中均不是贫困户的家庭定义为控制组，其中D=1表示处理组，D=0表示控制组;T=1表示建档立卡之后，T=0表示建档立卡之前。Zi，t表示随时间变动且影响家庭收入水平的其它变量，εi，t是随机扰动项。
根据构建的虚拟变量D、T，将样本分为4组，如表1所示。
系数β3的估计值是本文关注的重点，对于处理组，建档立卡前后的发展情况分别为β1 β0和β0 β1 β2 β3，可见处理组在政策实施前后的变化幅度为ΔY1=β2 β3，其中包含了精准扶贫政策及市场其它行为的效果;同样的，对于控制组而言，在建档立卡前后的发展情况分别为β0和β0 β2，控制组在建档立卡前后的变化幅度为ΔY0=β2，该差异并没有将精准扶贫带来的效果包含在内。因此，用处理组在建档立卡前后的差异ΔY1，减去控制组在建档立卡前后的差异ΔY0，得到精准扶贫政策的净效应ΔΔY=β3，这是本文DID方法估计的关键，如果精准扶贫政策真实地提高或者降低了贫困户的家庭收入，那么β3的系数应显著为正或显著为负。
但是，即便在样本内采用双重差分法，也会产生一定的偏差，因为处理组和控制组差距太大，得出的差分结果可能具有一定偏差，而共同趋势假定是双重差分法应用的前提，要求2组样本具有较小的异质性，即若未实施精准扶贫政策，处理组与控制组的发展趋势随着时间推移不会出现系统性差异，但依据现实发展情况来看，DID方法的这一前提假定可能并未满足。为解决这一问题，本文选择先采用倾向得分匹配法给处理组匹配相近的控制组，再在匹配后的样本范围内采用双重差分法来检验精准扶贫政策对贫困户家庭收入的净影响。
倾向得分匹配法的研究过程：运用logit模型或者probit模型估计倾向得分值，即样本农户建档立卡的条件概率：p（X）=Pr（D=1|X）=E（D=0|X），然后选择合适的匹配方法，根据倾向得分值将处理组样本（D=1）与控制组样本（D=0）进行匹配，最后，计算平均处理效应（ATT），即精准扶贫政策对农户家庭收入的影响σATT≡E{（Yi1-Yi0）|Di=1}=E{Yi1|Di=1}-E{Yi0|Di=1}。
1.2 指标选取
本文选取了家庭人均纯收入、人均种植业收入、人均务工收入、人均政府补贴收入和人均财产性收入5项指标，回归时采用对数值。同时选取了农户的年龄、文化水平、健康状况及家庭人口数等指标作为控制变量。
1.3 数据来源
本研究采用中国家庭金融调查（CHFS）2015年和2017年数据中的农户样本。其中，2015年的家庭金融调查农户家庭数为11634户，2017年的家庭金融调查农户家庭数为12715户。全国大规模开展贫困户建档立卡工作的时间为2014年，但是在政策初期，由于信息不对称等原因，贫困户存在识别偏离的问题，随着驻村工作队及社会组织第三方力量的参与，当地扶贫办的复查，后续的识别工作较为准确;另外，考虑到精准扶贫政策的滞后效应。鉴于此，本文匹配了2015年和2017年2a均参加了调查的家庭，即获得了2期跟踪调查数据。经过数据处理后，共得每年样本6273个，总计12546个。 2 实证结果与分析
2.1 倾向得分估计结果分析
运用倾向得分匹配法（PSM）进行分析时，匹配变量的选择尤为重要，本文通过梳理已有文献，从农户基本特征，生活水平2个方面选取匹配变量。具体来看，农户特质征包括户主年龄、户主性别、文化程度、家庭人数、健康状况;生活水平方面包括家庭可支配收入、消费总支出。
回归结果显示农户文化程度、健康状况、家庭可支配收入及消费总支出等变量均在不同程度显著，表明样本确实存在选择性偏误。因此，在双重差分之前需要进行倾向得分匹配。
2.2 匹配結果检验
为保证PSM-DID估计的信度和效度，本文对PSM2个基本假设进行检验。结果显示，2组样本的观测值均在共同取值范围内且匹配后的2组样本在变量特征上不存在差异，满足共同支撑假设和平衡性假设。
2.3 处理效应结果分析
对匹配成功的样本进行双重差分处理，结果如表4所示。
实证结果表明，精准扶贫政策对家庭人均纯收入的影响为正值且在5%水平上显著，表明精准扶贫政策显著提高了贫困户家庭的收入水平。其中，对人均种植业收入的影响系数最大且在1%水平上显著，原因在于贫困户家庭老弱病残成员较多，无法外出务工，收入的主要来源还是以种植业为主;另外，政府扶贫资金的投入使贫困农户的农业生产规模提高，收入明显增加;这也解释了为什么精准扶贫政策对务工收入的影响低于种植业收入的影响且仅在10%水平上显著。人均政府补贴收入的系数为正且在5%水平上显著，表明精准扶贫政策对贫困农户的补贴收入增长具有显著影响，但是精准扶贫政策对人均财产性收入的影响并不显著。原因在于精准扶贫政策实施之后，国家加大了对贫困农户的各项资金补贴及资金投入，包括危房改造补贴、金融扶贫、农业支持保护等，使农户获得的资金显著增加。对财产性收入的影响较小，原因在于贫困农户财产较少，像土地房屋仅够勉强维持生计。
2.4 异质性差异分析
考虑到我国区域经济发展不平衡，精准扶贫政策的推行对不同地区贫困户的收入可能存在异质性影响，因此本文将全部样本划分为东部地区、中部地区和西部地区（东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南;中部地区包括：山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南;西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆），分别检验这3个地区的精准扶贫政策对区域内贫困户收入水平的影响。鉴于篇幅，仅采用k最近邻匹配（k=4）对主要变量的效应进行分析。
由表5可知，精准扶贫政策对西部地区家庭人均纯收入的影响最为显著，其次为中部，最后为东部。这也一定程度上反映了国家精准扶贫政策对西部地区的倾向性：大力发展西部地区经济，提高农户收入水平。精准扶贫政策对人均政府补贴收入的影响在西部地区最为显著，也从侧面反映出了国家对西部地区的重视。精准扶贫政策对东部地区人均种植业的收入影响最为显著，原因在于东部地区土地平坦，资源丰富，农户主要以种植业为主，而中部和西部地区由于客观条件限制，种植业较少。人均务工收入的影响方面，东部和中部的效应大于西部地区，原因在于东部和中部经济较为发达，工作机会较西部地区多。而对人均财产性收入的影响只在东部地区显著，这与东部地区经济发达有着密切的关系。
3 结论与政策启示
本文基于2015年和2017年中国家庭金融调查（CHFS）农户样本构成的面板数据，运用PSM-DID方法，严格评估了精准扶贫政策对农户家庭收入的影响。得出以下基本结论：精准扶贫政策显著提高了贫困户家庭的收入水平，其中对种植收入的影响最为显著;相对于中东部地区，精准扶贫政策对西部地区贫困户收入增长的影响更为显著。
基于上述研究结论，本文得出的政策启示：国家要继续贯彻落实精准扶贫政策，坚决打赢脱贫攻坚战;对贫困程度不同的农户采取不同的扶贫力度，进一步提高精准扶贫政策的效率;与东中部地区相比，西部地区受客观条件限制，贫困程度更高，脱贫的难度更大，在资金、政策方面要给予西部地区更多扶持。
参考文献
[1] 王立勇，许明.中国精准扶贫政策的减贫效应研究：来自准自然实验的经验证据[J].统计研究，2019，36（12）：15-26.
[2]蔡进，禹洋春，邱继勤.国家精准扶贫政策对贫困农户脱贫增收的效果评价——基于双重差分模型的检验[J].人文地理，2019，34（02）：90-96.
[3]张全红，周强.精准扶贫政策效果评估——收入、消费、生活改善和外出务工[J].统计研究，2019，36（10）：17-29.
[4]李明月，陈凯.精准扶贫对提升农户生计的效果评价[J].华南农业大学学报（社会科学版），2020，19（01）：10-20.
[5]汪三贵，曾小溪.从区域扶贫开发到精准扶贫——改革开放40年中国扶贫政策的演进及脱贫攻坚的难点和对策[J].农业经济问题，2018（08）：40-50.
[6]朱梦冰，李实.精准扶贫重在精准识别贫困人口——农村低保政策的瞄准效果分析[J].中国社会科学，2017（09）：90-112，207.
[7]姚明明，王磊.基于双重差分法的农村最低生活保障制度减贫效果研究[J].辽宁大学学报（哲学社会科学版），2018，46（03）：71-76.
（责任编辑 李媛媛）
收稿日期：2020-09-15
作者简介：韩丰骏（1994-），男，硕士。研究方向：农业管理;樊东鑫（1994-），男，硕士。研究方向：农村发展;郭亚军（1992-），男，硕士。研究方向：农业管理;通讯作者卜令营。