网站首页  词典首页

请输入您要查询的论文:

 

标题 苏北地区脱贫家庭的贫困脆弱性测度及影响因素分析
范文

    冯盛源 孙颖

    

    

    

    摘 ? ?要:以2017年苏北地区X市建档立卡脱贫家庭的相关信息为基础,使用VEP法测度该地区农村已脱贫家庭的贫困脆弱性,区分脆弱家庭与非脆弱家庭并对其进行描述性统计,推测哪些因素可能是影响贫困脆弱性的主要因素之一;建立Logistic模型进行回归分析,测度各个因素对贫困脆弱性发生概率的影响程度。结果表明:户主为女性影响脆弱性概率比男性大、主要劳动力文化程度高和健康水平高会降低已脱贫家庭返贫的概率,而劳动力就近务工和劳动力残缺会增加其返贫概率。最后从家庭规模、户主性别、主要劳动力的文化程度和健康水平、务工地区等方面提出针对性的政策启示。

    关键词:脱贫家庭;贫困脆弱性;VEP法;logistic模型

    中图分类号:F323.8 ? ? ? ? ? 文献标識码:A ? ? ? ? ?DOI 编码:10.3969/j.issn.1006-6500.2019.10.018

    Abstract: Based on the information of the poverty-stricken families in X city of north Jiangsu province in 2017, the VEP method was used to measure the vulnerability to poverty of rural households out of poverty, and to distinguish and describe the vulnerable and invulnerable households, and to conjecture which factors maybe one of the main factors affecting vulnerability to poverty. A Logistic model was established to measure the probability of each influencing factors. The results showed that, the influence of the head of the household on the vulnerability of women was greater than that of men, the high level of education and the high level of health of the main workforce would reduce the probability of return poverty that households have been out of poverty, the impact of labor proximity and labor incompleteness would increase the probability of returning to poverty. Finally, targeted policy implications from the family size, gender of the head of household, the educational level and health level of the main labor force, and the work area were put forward.

    Key words: households out of poverty; vulnerability to poverty; VEP method; logistic model

    贫困一直都是长期困扰人类的难题,联合国定义为当一个家庭的福利低于一个国家和地区标准即为贫困,这一标准通常随着国家(地区)的不同而不同[1]。2013年习主席提出精准扶贫后,立足于“六个精准”(即扶贫对象精准、资金使用精准、措施到户精准、因村派人精准、脱贫成效精准)和“五个一批”(即发展生产脱贫一批、异地扶贫搬迁脱贫一批、生态补偿脱贫一批、发展教育脱贫一批、社会保障兜底一批),目前已取得丰硕成果。2013—2017年,我国贫困人口共减少6 853万人,减贫速度从2014年的14.9%增长至2017年的29.7%,也在逐年增加。截至2017年我国农村贫困人口占比为3.1%,预计2020年将实现现有贫困线下所有贫困人口脱贫,全面建成小康社会。

    然而随着贫困人口的不断减少,减贫速度增长幅度不断放缓,脱贫已进入攻坚阶段,除了要致力于减贫也要更多地关注返贫。中国的扶贫标准是按照上年度家庭人均年纯收入确定的,若低于贫困线则视为贫困。然而,家庭的经济状况是动态变化的,会遇到各种风险的影响,例如:因灾因病出现的家庭额外的重大开销,或有长期患病的成员,或有上学的子女,或有市场导致的结构性失业等。因此,即便对于暂时脱贫的家庭,也不能忽视其未来陷入贫困的可能性,我们将这种可能性称为贫困脆弱性[1-3]。

    脆弱性最初是在自然科学尤其是灾害学、环境科学中,描述一个系统受到外部灾害或者危险的易损程度,经济学家对于脆弱性的定义是基于货币测量福利损失。脆弱性与贫困的概念紧密联系但不完全相同。有些家庭并不贫困但脆弱,有些家庭不脆弱但贫困。贫困是一种事后可观察到的状况。脆弱性是将来陷入贫困的可能性,是一种事前状况,不能直接观察到但可以预测。Chaudhuri等[3]将脆弱性定义为一种可能性的概念,即家庭未来的消费(或收入)陷入贫困的可能性。Ligon等[4]将脆弱性进行了分解,主要来自贫困和风险两大部分。在贫困脆弱性的计算方面,除了Chaudhuri等提出的VEP方法和Ligon等提出的VEU方法外,还有Calvo等[5]提出的VER方法。

    影响贫困脆弱性的因素可分为内在因素和外在风险。内在因素包括:家庭人口特征即家户规模[6]、户主年龄[7]、户主性别[8]、非农劳动力比例[9];家庭成员健康水平即户主BMI指标[10]、家庭成员是否参与医疗保险[11];家庭成员受教育水平即户主受教育水平[12]、劳动人口平均受教育年限[13]。外在风险包括:自然灾害即气候变化带来的灾害(干旱、洪水等)[14-16];健康风险即家庭成员患有疾病[17-18]。

    本文通过Chaudhuri的VEP法对苏北地区2017年建档立卡的1 877个村46 018个已脱贫家庭的脆弱性做测度,划定脆弱家庭与非脆弱家庭,并比较该地区两者在家庭规模、劳动力能力的高低、主要劳动力受教育程度、户主性别,健康水平和主要劳动力务工地区等因素之间的差异并通过Logistic模型对各个因素的影响程度进行了回归分析。

    2 数据来源和研究方法

    2.1 研究区概况

    苏北地区共有5个地级市(辖17个市辖区)、3个县级市、17个县。截至2017年,地区生产总值为20 268.77亿元,常住总人口3 035.27万人,城镇人口1 881.71万人,占总人口的61.99%。截至2017年,X市乡村常住人口为317.59万人,占总人口的36.2%,其中贫困人口多达68.22万人,而低保户、五保户也占到了总户数的13%左右,故选择X市进行脱贫家庭脆弱性研究具有一定代表性。

    2.2 数据来源

    本文数据来源于江苏省苏北地区X市建档立卡的已脱贫家庭的抽样数据。按照随机分层抽样方法选取了样本,共抽取了7个县(区)。先对人均年纯收入做降序排列,按7等分分组,从每组中随机产生一个样本县(区)。剔除缺失信息和模糊信息的数据,最后得到1 877个村46 018个有效户数。由表1可知,已脱贫家庭的户主大多为男性,家庭规模在3人左右,文化程度普遍是初中及以下,健康人数占60%以上,但务工人员只有30%且在乡镇务工人数居多。

    2.3 研究方法

    3 結果与分析

    3.1 贫困脆弱性的测度结果

    根据Chaudihuri的定义,将脆弱性的阈值设定如下:0~0.29为无脆弱;0.29~0.49为低脆弱度,0.49以上为中等脆弱度。由数据计算可知,即为1 439.994,ii为6 813.636,z为5 880。经公式(1)计算,Vi为0.499 9趋近于0.5,因此属于中等脆弱。可见苏北地区2017年已脱贫家庭中近50%的家庭在未来可能返贫。通过该地区年纯收入的中位数(6 ?487元)筛选出脆弱家庭和非脆弱家庭各23 ?055户,并对表2筛选出的脆弱家庭的指标做Logistic回归。

    由表2可知,从家庭人均纯收入来看,脆弱家庭的平均人均纯收入为6 195.553元,较非脆弱家庭低1 238.994元,仅高出该地区贫困线(5 880元)315元左右,未来极容易返贫。

    从户主性别来看,脆弱家庭和非脆弱家庭的户主多为男性;从家庭规模来看,脆弱家庭与非脆弱家庭均在3人左右,但从数据的集中和离散程度看,脆弱家庭规模在3以上的明显多于非脆弱家庭;从主要劳动力的文化程度来看,脆弱家庭中的文盲或半文盲和小学文化水平人数多于非脆弱家庭,初中和高中文化水平人数低于非脆弱家庭;从劳动力是否健全来看,脆弱家庭和非脆弱家庭大多数成员都具备劳动能力,但从均值来看,脆弱家庭的劳动力健全程度低于非脆弱家庭;从主要劳动力的健康水平来看,脆弱家庭的主要劳动力患有长期慢性病、大病和残疾的人数均多于非脆弱家庭;从务工地区来看,脆弱家庭的务工人数少于非脆弱家庭,并且在乡镇务工的居多。

    3.2 脆弱发生概率影响因素

    根据表2设置的变量做Logistic回归分析,家庭规模为离散变量,取值为1,2,3……,其他变量均为虚拟变量,因变量为是否为脆弱家庭(是=1,否=0)。估计结果显示,模型的LR x2(15)值为120.177,P>x2=0.000,模型回归结果理想。

    由表3可知,该模型各因变量显著性水平在90%置信水平下,户主性别、家庭规模、文化程度(文盲或半文盲、小学、初中)、劳动力是否健全和主要劳动力健康水平(患有大病、残疾)及务工地区中的省外务工对脆弱性发生概率的影响显著。

    (1)户主性别为男性的脆弱性的概率是女性的0.898倍。即户主为女性更易导致脆弱的发生。笔者推测男性工资水平一般会高于女性,同时男性的就业机会多于女性,因此户主为女性的家庭返贫可能性较大。

    (2)当家庭规模大于3人时,每增加1人,对于脆弱人口发生的概率增加1.609倍,即当户主家庭规模大于3人时,每增加1人脆弱发生概率将提升60.9%。根据边际效用递减原则,“挤占效应”每增加1人,对脆弱家庭来说都是经济负担。特别是对劳动力少和家里小孩老人居多的家庭影响会更大。

    (3)当主要劳动力文化程度是文盲或半文盲、小学、初中、高中时的脆弱性概率分别是其他的1.706,1.664,1.379,1.156倍。可见,文化程度越高,对脆弱性发生概率的影响越小。

    (4)有劳动力家庭的脆弱性概率是其他的0.866倍。主要劳动力患有长期慢性病、大病、残疾的脆弱性概率分别是其他的1.031,1.273和1.074倍;当家庭中主要劳动力的健康受损时,会通过“劳动效应”、“挤占效应”和“情感效应”导致其在未来某日因病返贫的概率大大增加。

    (5)务工地区对脆弱性概率产生负向影响,在省外、县外省内、乡镇内务工分别是其他的0.640,1.006和0.972倍。

    4 结论与建议

    家庭规模、户主性别、主要劳动力的文化程度和健康水平、务工地区都是导致已脱贫家庭返贫的主要因素,也是我们判断脆弱家庭的重要标准。因此政府在制定政策和具体扶贫方案时应该瞄准脆弱家庭,依据家庭的具体情况精准施策。第一,政府应引导脆弱家庭改变生育观念,对于家庭规模大的家庭给予更多的政策倾斜和补助。第二,要积极落实农村新医保,建立健全医疗保障机制,提高新农合覆盖率和农村医疗服务水平,降低就医成本。第三,针对主要劳动力文化程度较低的已脱贫家庭,政府应当组织相关人员进行集中技能培训,以降低文化程度不足带来的返贫风险。此外,针对户主为女性的家庭,政府应适当给予更多的帮扶,多出台针对女性的社会支持政策,切实改善女性户主的就业环境,降低其返贫风险[20-21]。

随便看

 

科学优质学术资源、百科知识分享平台,免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。

 

Copyright © 2004-2023 puapp.net All Rights Reserved
更新时间:2025/3/16 2:33:02