贵州农村贫困状况分析与可持续型反贫困机制.docVIP

PAGE PAGE 1 贵州农村贫困状况分析与可持续型反贫困机制 　　一、引言 　　提到贫困，人们不免立刻想到贫困就是缺吃少穿。然而，西方经济学家鲁西曼（Runciman，1966）和汤森德（Townsend，1971）提出了相对贫困理论，对贫困的概念作了具体的划分，认为贫困分为绝对贫困和相对贫困。绝对贫困以收入作为决定性因素，如果达不到一定的基本生活必须就是贫困的。相对贫困则是由社会经济的不断发展，社会成员和地区之间不同而形成的。为了使贫困的概念更加具体，国际经济与发展组织制定了国际贫困线标准：以一个国家或地区社会中等收入的50%--60%作为这个国家或地区的贫困线。按照我国统计局和国务院扶贫办制定的中国农村贫困标准，改革开放之初的贫困线为100元，90年代初为300元，2003年为637元。近年来，随着中国GDP的增长，中央最近宣布将农民人均纯收入2300元作为新的国家扶贫标准，这一标准似乎更接近国际标准。 　　改革开放以后的三十年中，我们经历了太多的激情时刻，国庆五十周年、中国加WTO、成功举办奥运、成功举办世博会……毫无疑问，中国的经济社会发展已经走上了一条敞亮的康庄大道。然而，根据中国社会科学院城市发展与环境研究所发布的《中国城市发展报告——聚焦民生》称，中国贫困人口数仍然还有5000万人左右。在已往中国贫困问题的研究中，比较普遍的看法是，贫困只是农村特有的现象，主要出现在西部偏远地区和少数民族地区，贫困人口大部分集中在西南偏远少数民族地区，贫困主要出现在女孩，妇女，老人和无工作能力的人身上。贵州正好地处中国西南，又是少数民族聚集地，提到贵州多数人立即想到的同义词就是贫困。基于对贵州贫困状况的一些认识，以及到贵州农村进行实地调研积累的一些资料，笔者认为贵州贫困状况和上述特征有所不同的是贵州大多数贫困人口大多都有工作能力，近四分之三的农村贫困人口都生活子全部成员都有工作能力的家庭，８６％的农村人口生活在至少有两名成员具备工作能力的家庭。（“有工作能力”的意思是，年龄在１６周岁以上，包括老人，具备从事工作的身体条件。）这些人当中，女孩比其他人更易成为贫困人口。这些特征，为今后建立可持续型反贫困机制开拓了新的途径。 　　二、贵州农村贫困状况分析 　　本文以2011年贵州省三惠县的入户调查数据为基础，具体分析贵州农村的实际贫困状况，以中央最近宣布的2300元作为新的国家扶贫标准，贫困线上或下即为二分变量。当因变量是一个分类变量（categorical）而不是一个连续变量（continuousvariables）时，如果二分变量被当作因变量并定义一系列自变量时，Logistic模型适用。 　　2011年暑假笔者组织对贵州省三惠农民进行实地入户抽样问卷调查，通过问卷形式从农民的角度了解贵州农村贫困的现状，农民自身对贫困的看法及农民对政府提供的一系列农村公共政策的评价等。以问卷收集的数据为基础，构建Logistic模型实证分析贵州农村反贫困的影响因素，为下一步建立可持续型反贫困机制提供有益的数据支撑。 　　（一）模型构建 　　Logistic模型是比较常用于处理因变量是属性变量的统计分析模型。 　　Logistic模型的具体形式如下： 　　（1） 　　进一步转化为： 　　（2） 　　式中，Pi=P（Yi=1｜X1i，X=2i，X3i，...Xki）为给定系列自变量X1i，X=2i，X3i，...Xki的值时，事件发生的概率为模型的截距，βk为回归系数。为事件发生与不发生概率比，这样Logistic模型把预测（0，1）之间概率问题转化为实数轴上预测“成功”（或某事件发生）的优势问题。通过相关数据的整理，这里以新确立的人均年收入2300元作为贫困线。使用多元的Logistic回归模型进行分析，因变量为贫困状况，当该样本人均年收入小于2300元时属于贫困人口时[1]，因变量y=1，反之不属于贫困人口y=0，各变量含义具体如表一。模型用于描述或预测因变量y=1时各解释变量导致贫困发生的概率，所以回归系数β为正值表示具有该特征的农户家庭收入在贫困线下的概率变化，β为负值表示具有该特征的农户家庭收入在贫困线以上的概率变化。 　　表1：变量数据描述 　　Table1Thedescriptionofvariables 　　（二）模型回归分析 　　模型通过SPSS16.0软件采用所有变量强制进入回归方程的方法对二项Logistic模型进行分析，通过HosmerandLemeshow检验，表现较好（见表3）。回归结果见（表2），虽然（表2）没有给出Logistic回归的标准化回归系数，但给出了偏回归系数β，可通过系数β值的正负，看其变化的方向。对于Logistic回归而言，无需线性回归解释，因而本文没有进行标准化处理。根据分析各变量的观测概率