EN中文

经济地理 >

2020 , Vol. 40 >Issue 1: 41 - 49

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.01.005

区域经济理论与方法

2010—2016年中国多维贫困动态分析——基于中国家庭跟踪调查(CFPS)数据的实证研究

  • 李东 , 1 ,
  • 孙东琪 , 2, ※
展开
  • 1.北京大学 马克思主义学院，中国 北京 100871
  • 2.中国科学院 区域可持续发展分析与模拟重点实验室/地理科学与资源研究所，中国 北京 100101
※孙东琪（1985—），男，山东单县人，博士，副研究员。主要研究方向为区域与城市发展。E-mail:。

李东（1986—），男，河南濮阳人，博士研究生。主要研究方向为反贫困领域。E-mail:。

收稿日期: 2019-10-21

  修回日期: 2020-01-07

  网络出版日期: 2025-04-25

基金资助

国家社会科学基金重大项目(19ZDA001)

国家社会科学基金重大委托项目(2018XZD08)

收起

Dynamic Analysis of Multidimensional Poverty in China from 2010 to 2016：Based on Chinese Family Panel Studies(CFPS)

  • LI Dong , 1 ,
  • SUN Dongqi , 2, ※
Expand
  • 1. School of Marxism，Peking University，Beijing 100871，China
  • 2. State Key Laboratory of Regional Sustainable Development Analysis and Simulation / Institute of Geographic Sciences and Natural Resources Research，Chinese Academy of Sciences，Beijing 100101，China

Received date: 2019-10-21

  Revised date: 2020-01-07

  Online published: 2025-04-25

Fold

摘要

随着中国反贫困实践的深入推进，收入维度下中国农村贫困状况得到大幅改善。但是一方面通过收入贫困线测度的贫困发生率不能完全反映出中国反贫困政策的实施效果，另一方面导致地方政府过度追求脱贫数量，而忽视脱贫质量。从多维的角度对中国的贫困状况进行测度，有助于有效克服以上两个问题。文章沿用全球多维贫困指数的分析框架，基于CFPS的历年抽样调查数据，对中国总体多维贫困状况的动态变化进行了研究，发现中国的多维贫困指数和多维贫困发生率均呈现逐年下降的趋势，但是贫困强度的变化却不明显；整体上贫困人口的生活水平在逐步提高，但是适龄儿童辍学率却出现了大幅上升；另外，安全饮用水和炊用燃料对于总体贫困的贡献也较高。

关键词： 多维贫困指数; 扶贫; 收入贫困; 儿童辍学率; 安全饮用水; 精准扶贫政策

本文引用格式

李东 , 孙东琪 . 2010—2016年中国多维贫困动态分析——基于中国家庭跟踪调查(CFPS)数据的实证研究[J]. 经济地理, 2020 , 40(1) : 41 -49 . DOI: 10.15957/j.cnki.jjdl.2020.01.005

Abstract

With the deepening of anti-poverty practice in China, rural poverty has been greatly improved under the income dimension. However, the poverty incidence rate measured by income poverty line cannot fully reflect the implementation effect of China's anti-poverty policies, and it leads the local governments to excessively pursue the number of poverty alleviation while neglecting the quality. Fortunately, measuring the poverty situation in China from the multidimensional perspective can effectively overcome the above two problems. Using the analytical framework of the global multidimensional poverty index and based on the annual sample survey data of CFPS, this paper studies the dynamic changes of the overall multidimensional poverty situation in China, and finds that both the multidimensional poverty index and the incidence of multidimensional poverty in China are decreasing year by year, but the change of poverty intensity is not obvious. Overall, the living standards of the poor are improving, but the dropout rate of school-age children has risen sharply. Safe drinking water and cooking fuel also contributed significantly.

Key words： Multidimensional Poverty Index(MDI); poverty alleviation; income poverty; the dropout rate of school-age children; safe drinking water; Targeted Poverty Alleviation Policy

贫困问题是困扰人类社会发展的一项世界性难题。二战之后全球范围内的反贫困进程在联合国主导的合作框架下开始逐步推进，而随着人类千年发展目标的实现，世界范围内的极端贫困现象得到大幅缓解。在世界反贫困实践的进程中，中国做出了突出贡献，并有望于2020年实现绝对贫困的全面消除。但是，中国的反贫困进程依然暴露出一些亟待解决问题。一是反贫困措施与目标的不完全匹配，中国政府设定的全面消除绝对贫困的目标属于通过收入标准衡量的单维度贫困，而反贫困措施却是涵盖了收入、教育、医疗、社会保障等多个方面的多维度减贫；二是随着中国绝对贫困人口的不断减少，反贫困政策的目标取向应逐步由注重数量转向更加注重质量，这样才能实现真正的脱贫。另外，深度贫困问题逐步成为中国脱贫攻坚工作的重点，并成为阻碍中国实现2020年全面脱贫目标的主要障碍。深度贫困问题主要表现为贫困程度深、脱贫难度大和贫困时间长，要解决深度贫困问题必须从多个层面入手系统解决贫困户缺乏内生增长动力的问题。因而，从多维角度对中国的贫困状况进行研究，一方面可以从直接反映微观贫困群体生活状况的多个层面来审视中国的精准扶贫进程，通过对比不同子群体的发展差异来提高精准扶贫政策的精准度；另一方面有助于发现深度贫困群体的个性化特征，从而为各级政府消灭深度贫困问题提供政策依据。另外，随着中国即将实现绝对贫困现象的全面消除，相对贫困问题的解决将成为未来中国消除贫困、实现共同富裕的关键步骤。中国共产党十九届四中全会在“十八大”之后首次提出“建立解决相对贫困的长效机制”，其重点则在于基本福利制度的逐步建立和完善，实现地区发展差距和城乡差距的逐步缩小。在此背景下，收入贫困测度方法的局限性将进一步凸显，中国未来的贫困标准也必将走向多维化。从多维角度对中国的贫困现状和减贫进程进行深入研究既有较强的实践价值，同时也可为未来中国设定多维贫困标准积累理论储备。
自Sen提出基本可行能力的分析框架之后，从多个维度对贫困进行测度就成为学术界研究的全新课题[1]。2010年，联合国开发计划署同牛津大学贫困与人类发展研究中心（OPHI）采用Alkire-Foster方法联合开发了多维贫困指数（Multidimensional Poverty Index，MPI）[2]，该指数也成为全球范围内测度多维贫困程度的权威指数。近年来，学术界在多维贫困指数领域的研究也主要集中于对Alkire-Foster方法的改进以及针对不同国家和地区的实证研究。首先，在贫困维度的选择方面，王小林等根据中国的实际国情将全球多维贫困指数模型的三个维度扩展为住房、饮用水、卫生设施、电、资产、土地、教育和健康保险八个维度，其中资产维度的引入将家庭存量资产纳入了研究范围，弥补了传统的单纯以收入作为贫困识别标准的不足[3]。李佳路则将脆弱性作为一个单独的维度进行考量，将中低收入人群的抗风险能力纳入多维贫困测度，使得脱贫质量这一重要变量在多维贫困指数中得以体现[4]。Liu等同样将脆弱性作为衡量多维贫困的一个重要维度，同时他们从资本的角度（金融资本、人力资本、自然资本、有形资本和社会资本）来衡量贫困群体的生活状况与发展能力[5]。从五项资本的角度来构建多维贫困模型相较于全球多维贫困模型而言，或许更加符合Sen提出的能力贫困的分析框架，但是这一模型框架对于数据的可得性要求更高。多维贫困理论的兴起源于以收入为标准的单维贫困测度存在诸多不足，但是全球多维贫困指数对于收入维度的彻底抛弃仍然引起了很大的争议。陈辉等将收入作为一个单独的维度纳入多维贫困测度并以国家贫困线作为临界值[6]。此外，作为将多维贫困测度方法作为官方贫困测度方法的少数国家之一的德国，其选取的六个维度中就包含了收入，其余五个维度分别为健康、教育、就业、住房和机动性。将收入纳入多维贫困测度固然可以更加全面地考察低收入群体的生活状况，但是这样则直接导致多维贫困发生率将大概率高于收入贫困发生率，也使得全球多维贫困指数框架下二者之间的一致性比较失去了意义。Qi等在测度中国儿童多维贫困现状时选取营养、水、卫生设施、住房、教育、保健和信息七个维度[7]。这七个维度中，部分维度在全球多维贫困指数模型中属于二级指标，例如水、卫生设施和住房属于生活状况维度，将其由指标提升为维度，一方面是限于数据的可得性，另一方面则是为了更加准确地测度儿童这一子群的多维贫困状况。Santos等在研究拉丁美洲多维贫困状况的过程中，选取了住房、基本服务、生活标准、教育、就业与社会保障五个维度，对于全球多维贫困指数的维度进行了有益拓展，同时他们将卫生设施（improved sanitation）从生活标准维度调整到了基本服务维度，将其从家庭私人物品的范畴转变为准公共物品，甚至是公共物品的范畴，旨在强调政府在改善卫生设施条件过程中应当承担的责任[8]。另外，杨慧敏等用Probit模型从多维的角度探讨了教育、耕地面积、村庄从事农业生产的劳动力比重、到最近小学的距离、到最近火车站的距离等因素对于农户贫困状态的影响，其对维度的选择对于多维贫困指数的研究同样具有一定的参考意义[9]。其次，在维度的权重选择方面，多数学者选择沿用全球多维贫困指数等权重的赋权方法。但是等权重的赋权方法过于主观性，这一点成为备受争议的焦点之一。蒋翠侠等通过主成分分析法来对各个维度进行赋权，实现了维度权重的非等权设计[10]。Qi等则采用了一般线性模型法[7]，此外以Liu等为代表的学者则采用了加权秩相关分析法[11]。Santos等虽然没有沿用等权重的赋权方法，但是依然是以一种比较主观的方式来分配各维度之间的权重，与等权重的赋权方法并没有本质区别[8]。虽然学者们都在试图寻找一种更加合理和便于操作的赋权方法，但是迄今为止仍然没有找到一种绝对优于等权重法的赋权方法，这也是目前等权重法依然在被普遍应用的重要原因。郭建宇等的研究发现不同的指标选择和权重确定会对多维贫困测量结果产生重大影响，因此未来维度权重的确定将是多维贫困研究领域的重点和难点工作之一[12]。本文的研究一方面沿用了全球多维贫困指数的分析框架，即选取教育、健康和生活水平三个维度并继续采用等权重方法，另一方面也对Shen等的研究进行了拓展，并利用CFPS的最新数据测度了中国的整体多维贫困状况[13]。

1 研究方法与数据来源

1.1 Alkire-Foster方法

全球多维贫困指数的测度方法采用的是Alkire等提出的Alkire-Foster方法[14]。A-F方法采用双重临界值方法来判断个体（家庭）的多维贫困状况。
假定 N代表样本总人数， d ≥ 2为选取的维度数量， y = [ y i j ] N × d是一个 N × d的福利矩阵，其中 y i j代表个体 i = 1,2 , … , N在维度 j = 1,2 , … , d上的取值。因此，任意一个行向量 y i代表个体 i在指定维度上所取得的全部福利，而任意一个列向量 y . j就代表维度 j上所有个体所取得的福利。令 z j表示维度 j的贫困临界值，亦即维度 j的贫困线。 z = [ z 1 , z 2 , … , z j ] 就是多维贫困的临界值矩阵。A-F方法首先通过设定每个维度的临界值来判断个体 i在维度 j上的被剥夺状况。
定义函数 ρ i j = ρ i j ( y i j , z j )，若 y i j > z j，则 ρ i j = 0，表示个体 i在维度 j上没有被剥夺，即个体 i在维度 j上非贫困；若 y i j ≤ z j，则 ρ i j = 1，表示个体 i在维度 j上被剥夺，即个体 i在维度 j上为贫困。那么行向量 ρ i就是表示个体 i被剥夺情况的0-1向量，也称剥夺向量。
在确定了个体 i的被剥夺情况之后，设定第二个贫困临界值 k， k表示被剥夺的维度数量。定义函数：
ν i = ν i ρ i j · λ j = ∑ j = 1 d ρ i j × λ j       i = 1,2 , … , N
式中： λ j为赋予不同维度加总权重的行向量，且有 0 ≤ λ j ≤ 1 , ∑ j = 1 d λ j = 1； ν i为个体 i被剥夺的加权维度数，若 ν i ≥ k，则个体 i即为多维度贫困，反之，若 ν i < k，则个体 i为非多维贫困。
定义函数 n i = n i ( ν i )，当 ν i ≥ k时， n i = 1； ν i < k时， n i = 0。
令 n = ∑ i = 1 N n i，则 n为样本中多维贫困人口的数量。
令 H = n N， A = ∑ i = 1 N ν i n， ∀ ν i > k则 H即为贫困发生率， A为贫困强度，样本总体的多维贫困指数即为：
M 0 = H · A = n N × 1 n ∑ i = 1 N v i = 1 N ∑ i = 1 n ∑ j = 1 d ρ i j × λ j
对公式（2）进行数学变换可得：
M 0 = ∑ l = 1 m n l N ∑ j = 1 d ρ i j × λ j = ∑ l = 1 m n l N M l = ∑ k = 1 q j k N ∑ i = 1 n ρ i j × λ j = ∑ k = 1 q j k N M k
可见，多维贫困指数 M 0具有很好的可分解性，既可以分解为各个子群多维贫困指数的加权和，也可以分解为目标群体在各个维度上的贫困指数之和。

1.2 数据来源与指标选择

中国家庭跟踪调查（Chinese Family Panel Studies，CFPS）是由北京大学中国社会科学调查中心主持的一项全国性、大规模、多学科的社会跟踪调查项目，旨在通过跟踪收集个体、家庭、社区三个层次的数据，反映中国社会、经济、人口、教育和健康的变迁，为学术研究和公共政策分析提供数据基础（http://opendata.pku.edu.cn/dataverse/CFPS）。CFPS 的数据采集方式为抽样调查，其样本覆盖中国除香港、澳门、台湾、新疆、西藏、青海、内蒙古、宁夏和海南之外的25个省（直辖市、自治区）的人口，覆盖人口约占全国总人口（不含港、澳、台）的95%，保证了样本抽样结果的代表性。CFPS的子样本虽然覆盖了25个省（直辖市、自治区），但其抽样过程为非等量抽样。CFPS首先将25个省/市/自治区进行分类，其中将上海、辽宁、河南、甘肃、广东5个省市归类为“大省”，其余20个省（直辖市、自治区）归类为“小省”。CFPS的最初目标样本规模为16 000户，其中有一半的户数是从5个“大省”中通过过度抽样得到，每个“大省”的样本量为1 600户。另有一半则从其余20个“小省”中抽取。5个“大省”的子样本具有地区自代表性，可以进行省级推断以及地区间的数据比较。5个“大省”样本框在二次抽样后，与“小省”样本框共同构成具有全国代表性的总样本框。CFPS在2008和2009年做了测试调查，于2010年正式开始基线调查，截至目前分别于2012、2014和2016年做了追踪调查，有效家庭数分别为14 799（2010年）、13 316（2012年）、13 947（2014年）、14 020（2016年）。CFPS将在2010年基线调查中界定出来的与家庭有血缘/婚姻/领养关系的所有家庭成员界定为基因成员（Gene members），这些基因成员将成为调查的永久追踪对象，其今后的新生子女（具有血缘关系或领养）也被视为基因成员，成为永久追踪调查对象。若基因成员从现有家庭中分离出来组成新的家庭，其所在家庭的非基因直系亲属（父母、配偶、子女）则被定义为核心成员（Core members）。当核心成员同基因成员共同生活在CFPS定义的“家庭”中时，将对核心成员进行问卷访问，否则访问将终止。
在指标选取方面，本文沿用了Global-MPI的分析框架。不过，虽然CFPS的微观数据基本涵盖了Global-MPI模型的所有维度，但是由于缺少“住宅地面类型（Flooring）”信息，因此本文参照Shen等的做法对中国的MPI模型进行了适当调整[13]。首先，删除住宅地面类型这一指标，模型共考察三个维度9个指标，由此生活标准维度剩余5个指标的权重也相应由1/18变为1/15（表1）；其次，Global-MPI对于儿童死亡情况的界定标准为“调查前5年内家庭中有儿童死亡”，而CFPS在调查这一数据时只询问了“孩子（编号）是否健在”，而没有具体的时间信息，因此对中国儿童死亡情况的界定标准取消了“调查前5年”的时间限定，即只要该家庭有过儿童死亡，便被视为贫困（被剥夺）；再次，对于炊用燃料的判定中，Shen等在执行Global-MPI模型对于炊用燃料贫困界定标准的同时[13]，参考了联合国千年发展目标的界定标准，最终界定家庭使用天然气/液化天然气、甲烷和电力的情况被视为在该指标下“非贫困”，由此在中国使用“煤炭”作为炊用燃料的家庭就被视为“贫困”。最后，对于家庭财产的界定范围，由于CFPS未调查家庭收音机和固定电话的拥有情况，因此将这两项从家庭财产中删除。
表1 中国多维贫困指数的维度、指标、贫困线和权重

Tab.1 Dimension, index, poverty line and weight of China's MPI

维度 指标 贫困标准 权重
教
育		 上学年限 家庭成员中无人完成五年的学业，也没有成员完成小学学业 1/6
儿童入学率 任何一个7~15岁的孩子在理应完成8年级学业的年龄还没有上学 1/6
健
康		 儿童死亡情况 家中有儿童死亡 1/6
营养状况 任何一个70岁以下的家庭成员出现营养不良 1/6
生
活
标
准		 用电情况 家庭尚未通电 1/15
卫生设施 家庭没有私人厕所，无论是室内还是室外，水厕或是旱厕 1/15
改善饮用水 家庭无法获得改善的饮用水，这里定义为井水/泉水、自来水或矿物水/纯净水/过滤水 1/15
生活燃料 使用粪、木头或木炭做饭 1/15
财产状况 家庭不拥有以下财产中的一项以上：电视、移动电话、自行车（机动）、摩托车或冰箱，也不拥有汽车或类似车辆* 1/15

注：*CFPS中没有统计家庭拥有自行车、电动车和冰箱的信息，因此在后续计算中不包含此三项信息；同时本文将类似车辆定为拖拉机。

2 实证分析

2.1 中国总体多维贫困现状

Shen等利用CFPS 2010、2012和2014年的数据计算了中国的多维贫困指数[13]，本文首先沿用其基本方法补充研究了2016年中国的多维贫困情况，见表2①。
表2 中国多维贫困指数变动情况：2010—2016年

Tab.2 Changes in China's multidimensional poverty index：2010-2016

年份 变量 M0 置信区间（95%） H(%) 置信区间（95%） A(%) 置信区间（95%）
2010 MPI 0.035 [0.027，0.042] 8.2 [6.7，9.7] 42.4 [41.3，43.5]
MPI* 0.036 [0.034，0.039] 8.5 [8.0，9.0] 42.5 [39.9，45.2]
Severity 0.007 [0.004，0.011] 1.3 [0.8，1.9] 57.2 [56.0，58.4]
Severity* 0.009 [0.007，0.010] 1.6 [1.3，1.8] 57 [48.4，65.6]
2012 MPI 0.023 [0.016，0.030] 5.4 [4.1，6.8] 43 [40.2，45.8]
MPI* 0.029 [0.027，0.031] 6.9 [6.3，7.4] 42.7 [39.3，46.1]
Severity 0.006 [0.001，0.011] 1 [0.1，1.8] 58.8 [47.3，70.4]
Severity* 0.007 [0.006，0.009] 1.2 [1.0，1.4] 58.9 [45.5，70.1]
2014 MPI 0.017 [0.013，0.020] 4 [3.2，4.9] 41.3 [40.1，42.5]
MPI* 0.015 [0.013，0.016] 3.6 [3.2，4.0] 41.0 [36.3，45.8]
Severity 0.0017 [0.544，0.594] 0.3 [0.1，0.5] 56.9 [54.4，59.4]
Severity* 0.0014 [0.0009，0.002] 0.3 [0.15，0.36] 58.2 [33.9，82.5]
2016 MPI* 0.014 [0.012，0.015] 3.3 [2.9，3.8] 40.7 [35.5，45.9]
Severity* 0.0015 [0.0008，0.002] 0.2 [0.13，0.36] 58.5 [30.5，86.5]

注：标*的数据为本文根据CFPS的数据重新计算所得。

从总体上看，2010—2016年中国的多维贫困指数总体呈下降趋势，从2010年的0.035（0.036*）持续下降至2016年的0.014。2010—2014年，中国的多维贫困指数呈快速下降趋势，但是2014—2016年仅降低0.001，且在统计上不显著（表3）。其次，从贫困发生率和贫困强度来看，中国的多维贫困发生率同样在持续下降，从2010年的8.2%（8.5%*）下降至2014年的4%（3.6%*），2016年下降至3.3%*。根据中国的实际人口计算，2010—2016年中国的多维贫困人口减少了6 400万（6 800万）人，截至2016年仅剩不足4 600万多维贫困人口，其中农村多维贫困人口约为3 624万①。同时期中国的农村收入贫困人口为4 335万[15]，由此可见不管是根据收入贫困人口还是多维贫困人口数据，都说明了中国在减贫领域取得的巨大成就。然而，相较于多维贫困指数和贫困发生率的大幅下降，贫困强度（A）却并没有发生明显变化。2010—2016年，中国多维贫困人口的贫困强度始终保持在42%左右，且变化在统计上不显著。贫困强度指标反映的是贫困人口的平均被剥夺程度，贫困强度未发生显著变化说明中国在大量贫困人口脱贫的同时，从多维角度看剩余贫困人口的生活质量并没有发生明显改善。最后，严重贫困人口（Severity）②的比例也呈持续下降的趋势，且下降速度明显③，但是严重贫困人口的贫困强度同总体贫困人口一样没有明显改善。
表3 MPI、H和A的年度变化统计分析表

Tab.3 Statistical analysis of annual changes in MPI, H and A

统计量 2010—2012年 2012—2014年 2014—2016年
绝对值 t值 绝对值 t值 绝对值 t值
H（%） 1.700 4.385* 3.300 9.659* 0.300 0.811
A 0.200 -0.087 1.700 0.557 0.400 0.101
MPI 0.007 4.172* 0.015 9.934* 0.001 0.895

注：“*”表示在 ∂=0.001的水平上显著。

2.2 多维贫困指数的分解

2.2.1 按地域分解

从分地域数据来看（图1~图3），中国多维贫困状况的地域差别较为明显。首先，从分省数据来看，多维贫困发生率较高的省份多集中在中西部省份，以四川、贵州、云南、甘肃等省份为最高④。从横向比较来看，CFPS数据库中的5个大省中，甘肃最高，上海最低，基本保持了东、中、西部逐步上升的趋势（表4）。虽然东部的多维贫困发生率和多维贫困指数最低，西部的相应指标均为最高，但是东中部差异略小，西部地区同东中部的差异较大。2010年西部地区的多维贫困发生率接近东部地区的4倍、中部地区的3倍，即使到了2016年西部地区的贫困发生率仍然是东部地区的2倍以上。从纵向比较来看，贫困发生率和多维贫困指数的下降均十分显著，相较于2010年，东部地区分别下降了54.6%和57.8%，中部地区分别下降了54.9%和56%，西部地区为67.4%和69%，西部地区下降速度明显超过东中部地区。可见，虽然多维贫困发生率同经济发展水平具有高度负相关性，但是西部地区的减贫速度却是最快的，这一成绩的取得得益于中国政府对于西部贫困地区的大力投入与扶持。但是，贫困发生率同经济发展水平的高度负相关也说明大力发展经济仍然是多维反贫困框架下的首要选择。
图1 中国多维贫困发生率(H)分省统计(2010—2016)

Fig.1 The incidence of multidimensional poverty in China (H) by province (2010-2016)

图2 中国多维贫困强度(A)分省统计图(2010—2016)

Fig.2 The intensity of multidimensional poverty in China (A) by province (2010-2016)

图3 中国多维贫困指数分省统计图(2010—2016)

Fig.3 China's multidimensional poverty index by province (2010-2016)

表4 多维贫困指数按地域进行分解

Tab.4 Decomposition of China's multidimensional poverty index by region

地区 年份 人口占比(%) MPI H（%） A（%）
东部 2010 41.17 0.019 4.58 41.58
2012 40.48 0.015 3.78 40.79
2014 41.20 0.011 2.84 39.38
2016 37.84 0.008 2.08 40.01
中部 2010 29.16 0.025 6.23 40.81
2012 29.93 0.023 5.63 41.03
2014 30.60 0.010 2.39 41.65
2016 29.97 0.011 2.81 40.22
西部 2010 29.67 0.071 16.29 43.52
2012 29.59 0.055 12.36 44.27
2014 28.20 0.025 5.96 41.91
2016 32.20 0.022 5.31 41.20
在贫困强度方面，各个省份之间的差异不大，西部省份以贵州、四川、云南3个省份为最高，中部省份以江西省为最高，但整体上保持逐年下降的趋势。由于不同省份之间贫困强度差异不大，这就导致各个省份之间多维贫困指数的差异主要是由于多维贫困发生率的不同造成的。贫困强度衡量的是贫困群体的平均被剥夺程度，由此可见中国东、中、西部地区的多维贫困群体生活状况差异不大，这或许同中国自1949年以来就注重加强基础教育、基本医疗和基础设施建设的投入有关，尤其是1979年实施有计划、有步骤的反贫困规划以来，逐步形成了“三位一体”的大扶贫格局。

2.2.2 按城乡分解

相较于中国政府现行的以人均纯收入为标准的农村贫困人口普查，多维贫困指数是以一个国家或地区的全部人口为调查对象，而CFPS数据同样覆盖了城市和农村人口。首先，从人口比例来看，CFPS所涵盖省份的城乡人口比例约为43∶57，且历年比例变化不大，城乡人口分布保持基本稳定；其次，城市人口的多维贫困指数和贫困发生率明显低于乡村（表5），虽然城市和乡村的多维贫困指数在2010—2016年均下降明显，但是乡村的多维贫困指数始终保持在城市多维贫困指数的3倍左右，乡村的多维贫困发生率则是城市的4倍左右；最后，在贫困强度方面，乡村则是略高于城市，虽然城市和乡村的贫困强度在2010—2016年均有不同程度的下降，但下降幅度均较小，且平均每个多维贫困人口被剥夺的维度仍然超过1个（即A≥33.33%）。
表5 多维贫困指数按城乡进行分解

Tab.5 Decomposition of China's multidimensional poverty index according to urban and rural areas

地区 年份 人口比例（%） MPI H（%） A（%）
城 2010 43.1 0.014 3.49 40.61
2012 42.0 0.011 2.73 39.28
2014 45.6 0.008 2.02 38.33
2016 43.5 0.006 1.75 36.66
乡 2010 56.9 0.053 12.36 42.92
2012 58.0 0.043 9.95 43.40
2014 54.4 0.021 4.93 41.97
2016 56.5 0.019 4.57 41.88
将中国总体的多维贫困发生率同收入贫困发生率进行对比，我们发现多维贫困发生率显著低于后者，这是由于多维贫困发生率的样本中包括了城市和农村人口，而中国官方公布的贫困发生率则是农村贫困发生率，因此在将多维贫困指数按照城乡人口进行分解之后，可以得到如图4所示的多维贫困发生率与收入贫困发生率的对比曲线。虽然在2010年收入贫困发生率明显高于多维贫困发生率，但是二者有逐渐收敛的趋势，其中在2012和2016年二者的差异几乎可以忽略。而2010年的收入贫困发生率之所以较高是因为中国政府在当年大幅提高了中国农村的收入贫困线。由此可见，中国农村地区的多维贫困状况与收入贫困状况具有较高的一致性，也说明中国农村居民的收入水平提高同生活水平的改善是同步进行的。
图4 中国农村多维贫困发生率与收入贫困发生率对比

Fig.4 The incidence of multidimensional poverty and income poverty in rural China

2.2.3 按维度和指标分解

将多维贫困指数按照维度和指标进行分解，可以直观地比较各个维度和指标的贡献率，对于减缓多维贫困的政策制定具有较强的指导意义。将中国的多维贫困指数按照维度和指标进行分解（表6），我们发现在维度方面，教育维度的贡献率较为稳定，始终保持在25%左右，健康维度的贡献率从2010年的30.82%上升至2016年的49.98%，而生活水平的贡献率则从2010年的42.61%持续下降至2016年的24.74%。教育维度的贡献率之所以较为稳定，主要是由于教育维度设定的阈值较低，儿童入学率和上学年限2个指标对应的均是小学阶段，而中国自1986年便开始推动普及九年义务教育，使得中国农村地区没有接受小学教育的人口大幅降低，这也使得三个维度中教育维度对于多维贫困的贡献率是最低的。但是25%左右的贡献率仍然说明中国农村地区的基础教育普及工作仍然有待进一步加强。虽然教育维度的贡献率基本保持不变，但是教育维度下2个指标的贡献率却变化明显。上学年限的贡献率持续降低而适龄儿童入学率的贡献率却持续上升，说明整体上多维贫困人口的教育状况在改善，而适龄儿童的辍学率在上升这一状况则应当引起各级政府的高度重视。
表6 多维贫困指数按维度和指标进行分解

Tab.6 Decomposition of China's multidimensional poverty index by dimensions and indicators

项目 2010 2012 2014 2016
维度贡献 健康（%） 30.82 34.84 52.30 49.98
教育（%） 26.57 24.10 22.55 25.28
生活水平（%） 42.61 41.05 25.14 24.74
指标贡献 营养（%） 24.21 27.46 34.67 33.75
儿童死亡（%） 6.61 7.39 17.63 16.22
上学年限（%） 19.52 13.49 7.60 5.18
适龄儿童入学率（%） 7.05 10.62 14.96 20.10
电（%） 0.34 0.24 0.11 0.01
安全饮水（%） 12.23 12.03 7.18 7.86
卫生设施（%） 7.52 11.61 4.10 3.52
炊用燃料（%） 14.57 13.65 11.69 10.55
家庭财产（%） 7.95 3.53 2.06 2.80
健康维度对于总量多维贫困的贡献率出现了缓慢上升趋势，只有2016年出现了小幅下降。同样，健康维度下2个指标的贡献率也均出现了上升趋势，尤其是儿童死亡率的贡献率出现了大幅上升，这主要是因为CFPS在统计调查时没有统计儿童死亡的具体时间，因此没有按照“五年内是否有儿童死亡”的标准来确定该指标的临界值，导致该指标在应用过程中产生“累积效应”，由于缺少“时间”这一约束条件，导致在该指标下被剥夺的家庭数量会随着时间的延长而逐渐增加，直接导致家庭和地区医疗条件的改善不能在该指标下得到反映，这也将直接导致中国多维贫困水平被高估。
生活水平维度的贡献率整体呈现下降趋势，并在2014年出现了大幅下降，说明中国多维贫困人口的整体生活水平在持续改善。分指标来看，在生活状况维度下共有5个指标，其中家庭用电、卫生设施和家庭财产的贡献率下降较快，安全饮用水和炊用燃料两个指标的贡献率则下降较慢，且这两个指标的贡献率占到生活状况维度贡献率的60%以上，并呈逐步上升的趋势，从2010年的63%上升到2017年的74%，说明这两个指标的改善状况较为缓慢。因此改善居民的饮用水条件，推动使用清洁能源将是未来中国在多维减贫领域的工作重点。

3 结论与政策建议

本文基于CFPS的抽样调查数据，沿用了Global-MPI的分析框架，选取了三个维度9个指标对中国2010—2016年的多维贫困状况进行了动态分析，并按照地域、城乡和维度指标对多维贫困指数进行了分解，发现：
①总体上中国的多维贫困状况和严重多维贫困状况在逐年缓解，同时同经济发展水平表现出较强的负相关性，东部的多维贫困指数最低而西部最高。可见，虽然Global-MPI的分析框架剔除了收入，但是贫困群体的多维贫困状况仍然是与其经济状况直接相关的，虽然单一的收入维度在测度贫困方面具有明显的局限性，但是收入对于贫困群体而言在多维层面依然具有极大的重要性。因此，在多维度减贫的框架下大力发展经济仍然是地方政府的优先选择。
②中国总体的多维贫困发生率和各个省份的多维贫困发生率均呈下降趋势，但是贫困强度（A）却保持相对稳定，且高于1/3，这意味着中国多维贫困人口的平均被剥夺维度超过1个。这一现象说明在多维贫困人口大幅减少的同时，剩余贫困人口的贫困状况没有得到明显改善，也就意味着反贫困资源在贫困人口内部存在分配不公平的现象，政府层面存在将反贫困资源集中于部分贫困人口，尤其是贫困程度较低的贫困人口，以实现短时间内扶贫政绩的实现。以政绩为导向将造成反贫困资源分配机制被扭曲，既降低了反贫困资源的使用效率，又使得深度贫困问题逐步积累，影响整体的脱贫进程。因此，中央政府应加强反贫困资源分配层面的监管，依托贫困户“建档立卡”实现反贫困资源用途的持续追踪，引导和监督地方政府加大对于深度贫困人口的扶持力度，并将深度贫困问题的缓解作为地方政府扶贫工作考核的标准之一。
③从分省数据来看，四川、贵州和云南三省不仅多维贫困发生率最高，而且贫困强度也最高，可见目前中国的多维贫困现象较为严重的地区主要集中在西南地区。因此，未来中国在反贫困资源的分配方面应该加大对于西南省份的倾斜力度以及东部发达地区对于西南省份的帮扶力度，以实现全国范围内减贫进程的同步推进。
④乡村地区的多维贫困发生率远远高于城市地区，这一现象折射出中国城乡二元结构体制所造成的城乡差距依然较大。因此，推动实现城乡一体化和基本公共服务均等化是未来大幅降低乡村多维贫困发生率的必然选择。
⑤从维度层面来看，健康维度对于总体贫困的贡献最多；而从指标层面来看，营养不良、适龄儿童辍学和炊用燃料对于总体贫困的贡献较多，达到64.3%，同时适龄儿童辍学率的贡献率出现快速上升的现象。由此，中国政府未来应当继续加大基础教育和基本医疗领域的投资，尤其是在贫困地区。同时继续加大普及九年义务教育的力度，阻断贫困的代际传递；加大贫困地区的环保力度，坚持走绿色减贫的道路。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Sen A. Commodities and capabilities[M]. New York: North-Holland Sole Distributors for the U.S.A. and Canada,Elsevier Science Publishing Co., 1985.

[2]
Alkire S, Foster J. Counting and multidimensional poverty mea-surement[J]. Journal of Public Economics, 2011, 95(7-8):476-487.

[3]
王小林, Alkire S.. 中国多维贫困测量:估计和政策含义[J]. 中国农村经济, 2009(12):4-10,23.

[4]
李佳路. 农户多维度贫困测量——以S省30个国家扶贫开发工作重点县为例[J]. 财贸经济, 2010(10):63-68.

[5]
Liu Y, Xu Y. A geographic identification of multidimensional poverty in rural China under the framework of sustainable livelihoods analysis[J]. Applied Geography, 2016,73:62-76.

[6]
陈辉, 张全红. 基于多维贫困测度的贫困精准识别及精准扶贫对策——以粤北山区为例[J]. 广东财经大学学报, 2016(3):64-71.

[7]
Qi D, Wu Y. A multidimensional child poverty index in China[J]. Children and Youth Services Review, 2015,57:159-170.

[8]
Santos M E, Villatoro P. A multidimensional poverty index for Latin America[J]. Review of Income and Wealth, 2018, 64(1):52-82.

[9]
杨慧敏, 罗庆, 许家伟. 中国农村贫困的动态发展及影响因素分析——基于CHNS数据[J]. 经济经纬, 2016(5):42-47.

[10]
蒋翠侠, 许启发, 李亚琴. 中国家庭多维贫困的统计测度[J]. 统计与决策, 2011(22):94-97.

[11]
Liu Y, Xu Y. A geographic identification of multidimensional poverty in rural China under the framework of sustainable livelihoods analysis[J]. Applied Geography, 2016,73:62-76.

[12]
郭建宇, 吴国宝. 基于不同指标及权重选择的多维贫困测量——以山西省贫困县为例[J]. 中国农村经济, 2012(2):12-20.

[13]
Alkire S, Shen Y. Exploring multidimensional poverty in China:2010 to 2014[C]//Research on Economic Inequality:Poverty,Inequality and Welfare. Emerald Publishing Limited,2017:161-228.

[14]
Alkire S, Foster J. E. Counting and Multidimensional Poverty Measurement[C]. Oxford Poverty and Human Development Initiative,Working Paper 7. University of Oxford, 2007.

[15]
中华人民共和国国家统计局. 中华人民共和国2016年国民经济和社会发展统计公报[N]. 经济日报,2017-03-01(005).

Options
文章导航

/

〈 〉