EN中文

Economic geography >

2020 , Vol. 40 >Issue 2: 171 - 180

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.02.019

Research on Multidimensional Poverty and Capability in Tibetan Areas in Four Provinces

  • HU Yuan , 1, 2 ,
  • LU Chong 3 ,
  • ZENG Weizhong , 1, 2, ※
Expand
  • 1. School of Economics，Sichuan Agricultural University，Chengdu 611130，Sichuan，China
  • 2. Southwestern Poverty Reduction and Development Research Center，Sichuan Agricultural University，Chengdu 611130，Sichuan，China
  • 3. Research Insititute of Economics and Management，Southwestern University of Finance and Economics，Chengdu 611130，Sichuan，China

Received date: 2019-03-18

  Revised date: 2019-11-10

  Online published: 2025-04-01

Fold

Abstract

As an important part of China's deep poverty-stricken areas,the Tibetan areas in four provinces are the key and difficult points in accurately helping the poor in poverty eradication. Based on the village basic data collected during the "12th Five-Year Plan" period of the national "Village Propulsion" project in 2014 and using the AF multi-dimensional poverty measurement method to measure the multi-dimensional poverty status in the Tibetan areas of four provinces,and based on the perspective of expanding capabilities. Differentiated Effects of Village-level Organizational Capability on Multidimensional Poverty in Villages in Four Provinces. The conclusion shows that in addition to economic poverty,there are multidimensional poverty in the Tibetan areas of the four provinces,including basic education,production and living conditions,and there is a spatial heterogeneity. Yunnan and Qinghai Tibetan areas are the most multidimensional poverty problems in Tibetan areas in four provinces. Severe regions;living conditions and village development capital dimensions have the highest contribution to the multidimensional poverty index in the Tibetan areas of the four provinces;grassroots organizations' ability endowments significantly affect the multi-dimensional poverty conditions in the Tibetan villages in four provinces,narrowing regional disparities,but alleviates There are internal differences in the role. According to the research conclusions,it provides a policy reference for poverty alleviation in deep poverty areas from the aspects of covering basic education facilities,improving production and living conditions,and improving the capacity building of grassroots organizations.

Key words： deep poverty-stricken areas; multidimensional poverty; Tibetan areas of four provinces; capability; targeted poverty alleviation; governance capacity

Cite this article

HU Yuan , LU Chong , ZENG Weizhong . Research on Multidimensional Poverty and Capability in Tibetan Areas in Four Provinces[J]. Economic geography, 2020 , 40(2) : 171 -180 . DOI: 10.15957/j.cnki.jjdl.2020.02.019

深度贫困地区是精准扶贫精准脱贫中后程的重中之重和难中之难。2017年中办国办印发《关于支持深度贫困地区脱贫攻坚的实施意见》指出，中国深度贫困地区主要集中在“三区三州”，覆盖全国25个市州、210个县。截至2016年底，深度贫困地区总人口占全国总人口的1.9%，而贫困人口却占到全国总贫困人口的8.2%，贫困发生率高达16.69%[1]。从中央第五次西藏工作座谈会开始，中共中央、国务院将西藏与四省藏区统筹协调发展提到了新的战略高度；2010年召开的中央第五次西藏工作座谈会将西藏与四省藏区的发展稳定工作一起进行研究部署；2015年召开的中央第六次西藏工作座谈会确定一系列治藏方略，并明确了“统筹西藏与四省藏区协调”的政策取向；2016年教育部印发《关于加强“十三五”期间教育对口支援西藏和四省藏区工作的意见》，将援藏工作纳入“十三五”规划。四省藏区作为深度贫困地区——“三区”之一，是全国第二大藏族聚居地，由于特殊自然地理环境、人文风俗、宗教信仰，导致其贫困产生的原因和表征也有其特殊之处，其多维贫困状况和空间分布均存在典型的异质性。基于此，本文立足村域视角，借鉴A-F方法对我国深度贫困地区中四省藏区的多维贫困进行测度，并探究其空间分布特征，基于拓展的能力视角探讨村级组织能力禀赋对四省藏区村域多维贫困状况的差异化缓解作用，以期帮助扶贫供体提高自身能力建设，从而提高扶贫效率，实现深度贫困地区的多维减贫。

1 文献综述

村级单位是深度贫困末端治理的关键。少数民族地区村级自然社会条件对贫困人口的贫困状况有显著的影响，村域地理环境通过影响农户面临的风险冲击和收入能力进而影响农户贫困持续性[2-3]。具体到村域尺度上，各村的贫困程度不一，具体的贫困原因和贫困类型也可能大相径庭。因此，对四省藏区村域多维贫困特征的全面度量与有效瞄准是分类实施精准扶贫的有效解决方案。
国外不少学者对多维贫困的测度和分析展开研究。Alkire等指出与能力方法相关的多维贫困测度能够提供更加准确的信息，便于识别人们的能力剥夺状况，并提出多维贫困的识别、加总和分解方法（简称A-F方法）[4-5]，已成为测度多维贫困的主流方法，受到一些国际组织的采纳和认可。联合国开发计划署运用这一方法推出的多维贫困指数MPI取代了《2010年人类发展报告》中的人类发展指数HPI。
国内现有对多维贫困测度的研究中主要集中在居民个体多维贫困方面。王小林等最早运用A-F多维贫困测度方法，从住房、饮用水、卫生设施、用电、资产、土地、健康保险和教育等维度测算了中国的多维贫困现状，为扶贫政策提供了新的参考[6]。田宇等通过构建多维贫困测算法对武陵山片区扶贫重点市（州）的贫困人口进行了测算分析[7]。郭熙保等运用CHNS数据基于静态和动态的双重视角测度了我国长期多维贫困指数[8]。蒋南平等则在改进A-F多维贫困指数分析的基础上，提出了多维返贫识别及测度方法[9]。此外，运用多维贫困方法测量少数民族贫困具有较好的适应性[10]。刘小珉[11]通过构建中国民族地区农村多维贫困的MPI指标体系，运用CHES2011数据对民族地区农村多维贫困进行测量，发现多维贫困存在显著的地区和民族差异；杨龙[12]等人基于具有全国代表性的中国农村贫困监测调查数据对我国农村贫困地区多维贫困状况进行测量，结果表明我国农村贫困地区农户面临的最严重问题是饮水问题而非增收问题，地形因素对特殊地区多维贫困的影响大于民族特征因素。
相关学者对村级多维贫困的研究相对较少。深度贫困地区突出表现为区域性整体贫困，而非个体贫困。囿于数据，已有文献对区域多维贫困的关注主要聚焦于县级层面。潘竟虎等引入夜间灯光数据，将MPI空间化，识别出848个多维贫困县[13]；刘新梅等利用县域数据测度了南疆四地州贫困县多维贫困的时空分异特征[14]。值得关注的是，行政村是农村基层的社会综合体，是农户共同生产和生活的聚集地。汪三贵等对村级贫困瞄准机制提出一个简要的表述，并对如何提高瞄准方法进行了全面的概述[15]；刘小鹏等在阐述多维贫困和空间贫困概念内涵及其指标基础上，初步探索构建了集中连片特殊困难地区村域空间贫困测度指标体系，但并未选择研究区进行实际验证[16]；陈烨烽等构建了村级多维贫困综合测算模型，测度并分析了贫困村的空间特征，但无法对村域多维贫困状况进行分解，得到贫困村的具体贫困类型[17]。
村基层组织的能力禀赋有助于缓解农村贫困问题。学术界普遍认为交通通达性、区位因素等对农村区域多维贫困具有显著的影响[18]。而村庄是农村居民生活的聚集地，胡静将“能力”概念进行延伸，从个人扩展到基层组织，研究发现村庄的地理区位、各项资源禀赋以及村组织的能力也会影响到村内大多数居民的生活状况[19]。周常春等基于云南省四大连片特困区进一步证实农户扶贫项目参与能力和政府资源项目管理能力的提升可以显著降低多维贫困发生率[20]。在深度贫困地区村基层组织的能力禀赋对多维贫困的缓解作用是否依然显著，有何差异，值得进一步展开研究。

2 研究方法

本文借鉴个体多维贫困测量的A-F方法，利用“双界线”法来识别村域贫困，第一层界限为识别样本在各维度是否被剥夺，第二层界限通过样本被剥夺的维度数识别样本是否为多维贫困。该方法主要包括对贫困治理的识别、加总和分解三个步骤。具体步骤如下 ① ：
①构建多维贫困治理指标体系，并将数据输入对应的数据矩阵中。设计村域数据矩阵 Y ∈ X i j n × m，其中，n是村域样本数量，m是维度数量。
②依据指标临界值和矩阵 Y ∈ X i j n × m，计算多维贫困矩阵 g i j。其中，矩阵 g i j表示样本村多维贫困情况的矩阵，如果样本村在某指标j下处于贫困状态，则在多维贫困矩阵 g i j中给相应指标赋值为1；否则，则赋值为0。
③在多维贫困矩阵中根据临界值k确定出多维贫困的个体。并将非多维贫困的个体值进行归零化处理。将归零后的剥夺矩阵作为已删减矩阵， g 0 k n × m表示多维贫困个体指标的贫困情况。式中，k表示临界值。
④根据 g 0 k n × m的贫困村域信息进行加总，计算出相应的多维贫困指数，运用其指数分析研究该区域多维贫困状况。
其中：A-F多维贫困指数 M P I和平均被剥夺份额计算公式分别为：
M P I = ∑ i = 1 n c i k n d
A = ∑ i = 1 n c i k q d
式中：n表示被测量村域个数；q表示在维度贫困线为k时的多维贫困村域个数； c i表示被剥夺个数； c i k表示维度贫困线为k时 c i的取值。贫困发生率H=q/n， A表示平均被剥夺份额。结合式（1）我们发现 M P I=H×A。由此可以判断出：给定维度临界线下，多维贫困指数由贫困发生率和平均被剥夺程度决定。如果要更精确地测度多维贫困，可以用平均贫困距G（average poverty gap）对 M P I调整得到：M1=H×A×G。进一步利用贫困深度S（poverty severity）对 M P I进行调整，可以得到：M2=H×A×S。其中平均贫困距 G = g 1 k g 0 k；贫困深度 S = g 2 k g 0 k。
多维贫困按维度分解的计算公式如下。
计算各维度对多维贫困指数的贡献额：
M P I = j q j × w j n
式中： M P I j 为j维度的多维贫困贡献额；qj为多维贫困情况下j维度的贫困发生率；wj为j维度的权重。
最后计算j维度对多维贫困的贡献率Cj：
C = j M P I j M P I = q j × w j n × M P I

3 数据来源与维度指标选取

3.1 区域概况

从现今的行政区划来看，四省藏区是指除西藏自治区以外的青海、四川、云南、甘肃省等四省藏族与其他民族共同聚居的民族自治地方。分为青海藏区、四川藏区、云南藏区、甘肃藏区。四省藏区共有77个县，其中青海省有33个县，四川省有32个县，云南省有3个县，甘肃省有9个县，77个县全部是民族县，其中69个牧业、半牧业县。2011—2016年，四省藏区的贫困人口从206万下降至68万，贫困发生率从42.8%下降至12.7%（图1），减贫成效显著，但全面脱贫的任务仍旧十分艰巨。
图1 2011—2016年四省藏区减贫状况

注：根据2015、2016、2017年《中国农村贫困监测年鉴》整理得到。

Fig.1 Poverty reduction in Tibetan areas of the four provinces from 2011 to 2016

3.2 数据来源

本文数据来源于2014年采集的“十二五”期间全国“整村推进”项目村基础数据，通过筛选出四省藏区所含贫困县，得到村级有效样本，数据包括贫困村基本情况、生产条件、基础设施和公共服务等。样本覆盖甘肃、青海、四川、云南4个省份，69个县级单位，共1 569个贫困村。其中，贫困村的矢量点数据是基于百度地图API的地址解析方法获取贫困村经纬度，再利用ArcGIS10.0软件可视化。

3.3 指标选取及说明

在维度和指标选取上，本研究借鉴Alkire等提出的MPI指数[5]、《人类发展报告2013》（以下称《报告》）[21]的多维贫困指数和《中国农村扶贫开发纲要（2011—2020）》（以下称《纲要》）提出的具体目标，参考已有理论实证研究，并结合四省藏区农村贫困地区的具体情况和全国“整村推进”项目村基础数据指标，构建深度贫困地区村域多维贫困评价指标，共计6个维度20个指标（表1）。
表1 变量选取与临界赋值

Tab.1 Variable selection and critical assignment

维度 权重（%） 指标 赋值 权重（%）
自然地理 10 自然风险 遭受严重自然灾害赋值为1，否则赋值为0 5
市场连通性 从村到最近的乡镇集市超过20公里赋值为1，否则赋值为0 5
经济贫困 10 贫困发生率 贫困发生率高于3%赋值为1，否则赋值为0 5
缺粮 农户比例（%）高于10%赋值为1，否则赋值为0 5
生活水平 20 通电话 农户比例（%）低于90%赋值为1，否则赋值为0 5
通电视 农户比例（%）低于90%赋值为1，否则赋值为0 5
生活燃料 主要是柴草农户比例（%）高于10%赋值为1，否则赋值为0 5
卫生厕所 有卫生厕所农户比例（%）低于90%赋值为1，否则赋值为0 5
基础公共服务 20 安全住房 住危房农户比例（%）高于10%赋值为1，否则赋值为0 5
安全饮水 有安全饮用水农户比例（%）低于90%赋值为1，否则赋值为0 5
通电 通电农户比例（%）低于90%赋值为1，否则赋值为0 5
通路 20户以上的自然村不能走机动车赋值为1，否则赋值为0 5
社会公共服务 20 卫生诊所 村内无卫生诊所赋值为1，否则赋值为0 5
新农合参合率 参合率（%）低于90%赋值为1，否则赋值为0 5
新农保参保率 参保率（%）低于90%赋值为1，否则赋值为0 5
基础教育设施 村内无幼儿园或学前班赋值为1，否则赋值为0 5
发展资本 20 集体资产 集体资产低于2万元赋值为1，否则赋值为0 5
劳动力比例 劳动力比例（%）低于60%赋值为1，否则赋值为0 5
有无合作社 村内无合作社赋值为1，否则赋值为0 5
人均耕地面积 人均耕地面积低于1亩/人赋值为1，否则赋值为0 5

4 测算结果

4.1 单维贫困估计结果

我们首先测算了单个指标的贫困发生率。总体来看，2014年，四省藏区村域单维贫困中突出的几个问题是：87.89%的村域内无幼儿园或学前班等基础教育设施，79.60%的村域内生活燃料主要为柴草的农户比例高于10%，78.14%的村域为收入贫困村（即收入贫困发生率高于3%），77.57%的村域内无农民合作社，75.33%的村域内有卫生厕所农户比例低于90%。
分地区来看，2014年，四川藏区村域单维贫困中突出的几个问题是：96.11%的村域内无幼儿园或学前班等基础教育设施，95.81%的村域内无农民合作社，94.02%的村域内生活燃料主要为柴草的农户比例高于10%，81.32%的村域集体资产低于2万元，79.07%的村域内新农保参保率低于90%。甘肃藏区单维贫困中突出的几个问题是：95.36%的村域为收入贫困村（即收入贫困发生率高于3%），89.28%的村域内有卫生厕所农户比例低于90%，79.42%的村域内生活燃料主要为柴草的农户比例高于10%，71.59%的村域内无幼儿园或学前班等基础教育设施，71.30%的村域遭受过严重的自然灾害。青海藏区单维贫困中突出的几个问题是：91.29%的村域内无幼儿园或学前班等基础教育设施，85.71%的村域内有卫生厕所农户比例低于90%，81.70%的村域为收入贫困村（即收入贫困发生率高于3%），74.33%的村域内劳动力比例低于60%，73.66%的村域集体资产低于2万元。云南藏区单维贫困中突出的几个问题是：98.13%的村域内生活燃料主要为柴草的农户比例高于10%，95.33%的村域内有卫生厕所农户比例低于90%，89.72%的村域遭受过严重的自然灾害，80.37%的村域为收入贫困村（即收入贫困发生率高于3%），74.77%的村域内无幼儿园或学前班等基础教育设施。
可以看出，四省藏区单维贫困主要集中在收入贫困、基础教育和生产生活条件缺乏方面，在各地区表现出不同的个性化特征，其中四川藏区在村集体经济和社会保障方面相对弱势，甘肃藏区和云南藏区遭受自然灾害更加严重，青海藏区则在农村发展所必须的人力资本方面处于劣势。
表2是本文从6个维度分别估算的单维贫困发生率。总体来看，2014年，四省藏区村域单维贫困中最突出的问题是发展资本维度的贫困，高达65.07%的村域在发展资本维度上处于贫困状态，其次是生活水平维度。分地区来看，四川藏区和青海藏区村域单维贫困状态与总体大体一致，但值得注意的是，在发展资本维度上，两省村域表现出更加贫困的状态；甘肃藏区以经济贫困维度的贫困状态（65.07%）远高于四省藏区总体平均水平（50.73%）；云南省在自然地理条件上处于相对劣势地位，该维度的贫困状态高于四省藏区总体水平约15个百分点。
表2 单维度的贫困测算

Tab.2 One-dimensional poverty measurement

指标 总体 四川 甘肃 青海 云南
比率（%） 排名 比率（%） 排名 比率（%） 排名 比率（%） 排名 比率（%） 排名
自然地理条件 45.00 5 41.85 5 44.20 4 46.65 6 60.28 2
经济贫困 50.73 3 43.05 4 65.07 1 50.56 4 53.27 3
生活水平 59.48 2 55.53 2 56.01 2 65.57 2 69.86 1
基础公共服务 39.53 6 31.84 6 36.74 5 53.63 3 37.62 5
社会公共服务 46.14 4 54.52 3 30.58 6 48.55 5 33.88 6
发展资本 65.07 1 70.55 1 52.90 3 70.31 1 48.13 4
多维度贫困状况空间分布呈现“大分散、小集中”分布特征。从图2可以看出，研究区多维贫困较为缓和的村（冷点）主要呈带状分布在四省藏区的东部，而多维贫困问题较为严重的村（热点）主要分布在中部地区，这种空间分布格局与四省藏区地势特征、经济发展水平差异密切相关。为进一步提升空间部分的可视化程度，我们根据四省藏区各地区的平均剥夺维度，绘制四省藏区县级和村域两个层面的多维贫困分布（图3）。可见，总体上四省藏区内部的多维贫困状况的确存在空间异质性，片区中部多维贫困状况最为突出，且较为集中，边缘地区较为缓和分散。分省来看，青海省果洛藏族自治州和四川省甘孜藏族自治州的多维贫困问题较为突出，呈连片多维贫困特征。
图2 村域多维贫困冷热点分析

Fig.2 Analysis on the hot spot of multi-dimensional poverty in villages

图3 县域（左）与村域（右）多维贫困空间分布

Fig.3 Multi-dimensional poverty spatial distribution in county (left) and village (right)

4.2 多维贫困估计结果

图4是本文借鉴A-F测算方法估算出四省藏区的多维贫困结果。当考虑1个维度时，四省藏区贫困发生率H为0.998（即99.8%的村域存在6个维度中任意一个维度的贫困），贫困剥夺份额（A）为0.511，多维贫困指数（M0）为0.510；当考虑3个维度时，多维贫困指数（M0）为0.350，贫困发生率为0.572（即57.2%的村域存在6个维度中任意3个维度的贫困）。随着k值的增加，贫困剥夺份额由平缓变为陡峭，可以看出，四省藏区村域的多维贫困状况还十分严重，如果从单一的经济贫困维度，难以准确地反映其真实的贫困状况，多维贫困测度较好地弥补了这一缺陷。
图4 村域多维贫困测算结果

Fig.4 Village multidimensional poverty measurement results

4.3 多维贫困指数分解

4.3.1 维度分解

表3表示的结果是不同的k值（例如，若k=2，即把在8个维度中同时存在任意2个维度贫困的村域视为贫困村）所对应的多维贫困指数（M0），以及6个维度分别对给定的k值下的贫困指数的贡献率。
表3 多维贫困指数(M0)以及不同k值下每个维度的贡献率(%)

Tab.3 Multidimensional poverty index (M0) and contribution rate of dimensions (%)

k M0 自然地理条件 经济贫困 生活水平 基础公共服务 社会公共服务 发展资本
1 0.510 8.83 9.95 23.33 15.51 18.09 25.53
2 0.487 9.04 9.87 23.36 15.89 17.83 25.11
3 0.350 9.24 9.85 23.78 17.57 17.04 23.41
4 0.136 9.34 9.08 23.42 19.35 17.98 22.41
5 0.026 10.40 9.19 20.93 19.35 19.84 20.69
从6个维度来看，随着k值的增加，经济贫困维度对多维贫困指数（M0）的贡献度仅占9%~10%，由此看出四省藏区多维贫困的主要影响因素并非经济贫困，而是生活水平和发展资本维度（以k=3为例，生活水平维度对多维贫困指数的贡献率高达23.78%，发展资本维度的贡献率也达到23.41%）。其次为基础公共服务和社会公共服务维度。
细化到单个指标贡献率来看，四省藏区村级多维贫困最主要的6项致贫因素可认为依次是：基础教育设施、生活燃料、贫困发生率、有无合作社、卫生厕所、集体资产，其贡献率分别为87.89%、79.60%、78.14%、77.57%、75.33%、72.28%、69.60%。其中，卫生厕所对多维贫困状况的显著影响结果和王小林[6]的结论一致，虽然农村的改厕工作在现阶段脱贫攻坚项目中较为重视，但四省藏区在这一指标上的贫困仍然十分突出，卫生厕所仍是需要重点关注的减贫维度。由此可以看出，影响四省藏区村级多维贫困状况最主要的因素主要集中在基础公共服务、居民生活条件以及村级发展资本维度。

4.3.2 地区分解

表4给出了各省份的多维贫困指数（M0）。分省的估计结果表明，当k=3时，青海藏区的多维贫困指数（M0）（即青海藏区村域同时存在6个维度中任意3个维度贫困的指数）为0.438，是四省藏区中村域多维贫困最严重的地区，其次为云南藏区。在1~3个维度时，青海藏区和云南藏区的多维贫困指数显著高于四川和甘肃，当k>3时，青海藏区和四川藏区较另外两个省更高，可以看出，青海藏区和云南藏区在中低纬度的多维贫困指数较高，而在中高维度上，青海藏区和四川藏区多维贫困问题较为突出。
表4 多维贫困指数（M0）的地区分解结果

Tab.4 Regional decomposition results of multidimensional poverty index （M0）

k 四川 甘肃 青海 云南
M0 贡献率（%） M0 贡献率（%） M0 贡献率（%） M0 贡献率（%）
1 0.495 41.43 0.476 20.52 0.559 31.30 0.505 6.76
2 0.467 40.84 0.451 20.38 0.543 31.81 0.498 6.97
3 0.316 38.46 0.301 18.88 0.438 35.74 0.355 6.91
4 0.132 41.32 0.051 8.23 0.229 47.80 0.053 2.65
5 0.027 43.25 0.005 4.03 0.049 52.72 - -

注：云南藏区无同时存在五个维度贫困的村域，因此对应多维贫困指数和贡献率为空值。

4.3.3 属性分解

我们根据是否为少数民族聚居村、村域地形、农业类型以及村庄人口规模测算了分解的多维贫困指数。以k=3为例，少数民族聚居村（0.356）比非少数民族聚居村的多维贫困指数（0.311）更高，且贡献率随着k值的增加而同向递增，当k=5时，少数民族聚居村的贫困对多维贫困指数的贡献率为93.85%，非少数民族聚居村的贡献率仅为6.15%。可以看出，较之非少数民族聚居村，少数民族聚居村的多维贫困更加突出，考虑的维度越多，少数民族聚居村的贫困越严重。这与刘小珉[11]的结论一致。少数民族聚居村的民族文化独特、宗教文化影响深远、非正式制度作用巨大，对其多维贫困造成了显著的影响。
山区地形村域的多维贫困较之丘陵和平原地区村域的多维贫困更加突出，当k=4时，山区村域贫困对多维贫困指数的贡献率达到最大值97.2%，在k=5时略微下降，但贡献率依然远高于丘陵和平原地区的村域。可以看出，考虑的维度越多，山区村域的多维贫困状况越严重。这与杨龙[12]的研究结论一致。由于山区村域在公共服务、基础设施和产业发展资源等方面较之丘陵和平原村域表现出明显的劣势，因此表现出更加突出的多维贫困。
纯牧区村域的多维贫困较之农区和半农半牧区村域的多维贫困更加突出，当k=5时，纯牧区村域贫困对多维贫困指数的贡献率最大，为73.29%，农区的贡献率最小，仅为2.02%。可以看出，考虑的维度越多，纯牧区村域的多维贫困状况更加严重，而农区的贫困最小。这与张淑芳[23]得出的结论一致。四省藏区纯牧区的村域大多远离城市且封闭落后，村内收入主要来自牧业，且容易遭受自然灾害，根据我们2014年实地调研数据显示，四省藏区57%的纯牧区村域距离城市行程超过1小时，21%超过两小时，遭受自然灾害的比例高达40%；同时，缺乏教育医疗等公共服务资源，村庄离学校教育，子女上学成本高，相反，放牧对其教育水平没有要求，父母对子女的教育观念淡薄，因此导致劳动力平均受教育年限低下，实地调研数据显示，四省藏区农户平均受教育年限仅为4.83年，远低于同时期的全国平均水平（9.28年）[24]。最终，村庄整体发展能力不足，严重加剧了村域的多维贫困。
考虑的维度越多，中型村域的多维贫困状况更加严重，而特大型村的贫困状况相对较好。可能的解释是：大型村域人口众多，人力资本具有比较优势，再加上人口大村大多位于地理地势条件较好的地区，发展的基础较好，因此多维贫困状况相对较好。

5 村级多维贫困的影响因素分析

基于上述对四省藏区深度贫困地区多维贫困的测度和分解，我们进一步探究其影响因素。对于扶贫参与的主体之一——基层干部是村民自治组织的“当家人”和“领头雁”，精准扶贫政策项目“最后一公里”要靠村干部团结和带领广大农户区落实，有研究表明，基层干部的个人能力会显著影响扶贫政策的实施绩效[25]。现有研究主要集中于微观个体可行能力对个体贫困的缓解作用[26]，而忽略了基层组织的能力禀赋对村庄内部农户多维贫困的影响。因此，我们参考胡静[16]的研究视角，将“能力”从个人拓展为基层组织，寻求缓解深度贫困地区多维贫困的另一种有效路径。

5.1 变量选取与模型构建

将前文测度过程中所得村域个体i被剥夺的总维度数（Ci）作为被解释变量，反映村域的多维贫困程度。模型构建如下：
C i = β 0 + β 1 × a b i l i t y + β 2 × c o n t r o l + ξ i + ε i
式中：ability表示村级基层组织的能力禀赋，我们将村干部的个人能力和村委的组织能力作为基层组织能力禀赋的替代变量；control代表村庄人口、地理和农业特征等控制变量； ξ i是区域固定效应； ε i是误差项。
村干部个人能力主要包括村支书的受教育程度、年龄、任职年限。受教育程度反映的是村干部的文化水平，选项有“0=文盲或半文盲，1=小学，2=初中，3=高中，4=中专，5=中专以上”，一般来说，受教育程度越高，对村庄治理的能力也就越强，在此情况下，村域的多维贫困状况就越弱，因此我们预期该变量的系数为负。年龄和任职年限反映的是村干部的管理经验与能力，一般来说，一方面，年龄越大、任职年限越长的村干部，对村内基本情况越了解，其管理经验和积累的社会资本越丰富，越能够将村庄治理得更好；但另一方面，年龄越大、任职越长，其手中掌握的权力越大，越容易发生“精英俘获”现象，发展思想与发展期望也有可能赶不上年轻的干部，因此，无法预期两个变量的正负影响。
村委组织能力主要包括村委会议次数以及采取的致富措施。村两委开会次数从侧面反映村两委的工作态度与工作认真程度，一般而言，村两委会议次数越多，越能体现村干部对村内事务的关心程度，其村庄治理就越有效。因此，我们预期该变量系数为负；采取的致富措施是指村委在带领农户脱贫致富的过程中采取了哪些行动，主要包括是否组织过农业技术培训、是否组织过农产品销售、是否组织过生产资料的购买、是否组织过劳动力外出打工、是否组织过村民的文化娱乐活动五项。为反映村委带领农户脱贫致富的努力程度，我们为每一项措施赋值1分，汇总分数作为村委脱贫致富努力得分，因此我们预期该变量的系数为负。在进行回归分析时，我们将村内人口数作对数处理。变量的描述性统计分析见表5。
表5 变量的描述性统计分析

Tab.5 Descriptive statistical analysis of variables

变量特征 变量 变量解释及取值 变量名称 总体 四川 甘肃 青海 云南
被解释变量 多维贫困 多维贫困剥夺份额 y 3.06 2.97 2.85 3.35 3.03
解释变量 村委能力 村委开会次数（次/年） w_fre 12.80 12.67 15.78 10.65 12.92
村委组织活动数（种） act 2.17 1.38 3.62 1.93 3.38
控制变量 干部特征 村支书受教育程度 s_edu 2.05 1.60 2.50 1.74 4.61
村支书年龄（岁） s_age 46.74 48.58 46.54 46.75 36.02
村支书任职年限（年） s_yea 7.96 9.53 7.18 7.06 4.54
人口特征 村内人口数（人） pop 706 389 940 759 1686
地理特征 1=平原；2=丘陵；3=山区 geo 2.91 2.99 2.98 2.73 3.00
农业特征 1=农区；2=半农半牧区；3=牧区 agr 1.92 1.74 1.83 2.33 1.55
从统计结果来看，四省藏区总体的多维贫困剥夺份额平均为3.06，说明平均来看，四省藏区村域至少遭受三个维度的贫困剥夺。另外，值得关注的是：四省藏区村支书受教育程度普遍较低，平均仅为初中水平；村支书年龄平均约为46岁；任职年限平均约8年；村两委平均每月召开一次村委会议。
分省来看，云南和青海藏区的平均贫困剥夺份额最高，分别达到3.03和3.35。四川省和青海省的村支书受教育程度最低，云南省最高。村支书年龄方面，云南省较之其它三省更为年轻化，平均约为36岁，任职年限也显著低于其它三省，仅为4.54年，而四川省则高达9.53年，这可能与云南省基层干部选聘政策有关 ① 。村两委会议次数方面，甘肃省村两委平均每年召开会议次数高于青海省5.13次。从村人口数量来看，云南省村域人口最多，平均达到1 686人，是四川省（389人）的四倍之多。

5.2 估计结果

表6报告了基层组织能力禀赋对村域多维贫困状况影响的回归结果。其中，模型（1）只包括主要解释变量；模型（2）在模型（1）的基础上加入了区域特征控制变量；模型（3）进一步控制了地区固定效应。
表6 模型回归结果

Tab.6 Model regression result

变量 模型（1） 模型（2） 模型（3）
村支书受教育程度 -0.061*（0.032） -0.031（0.035） -0.090***
（0.029）
村支书年龄（岁） 0.006
（0.007）		 0.006
（0.006）		 0.007
（0.005）
村支书任职年限（年） -0.008
（0.008）		 -0.005
（0.006）		 -0.003
（0.005）
村委开会次数（次/年） -0.015***
（0.004）		 -0.012***
（0.003）		 -0.011***
（0.003）
村委组织活动数（种） -0.105***
（0.031）		 -0.076***
（0.025）		 -0.080***
（0.025）
人口规模（对数） - 0.025
（0.060）		 -0.047
（0.068）
地形特征（参照组：平原）
丘陵 - 0.354
（0.242）		 0.374
（0.248）
山区 - 0.264
（0.223）		 0.318
（0.216）
农业类型（参照组：纯农区）
半农半牧区 - 0.162*
（0.092）		 0.169*
（0.090）
纯牧区 - 0.767***
（0.154）		 0.723***
（0.149）
省份（参照组：四川省）
甘肃省 - - 0.203
（0.198）
青海省 - - 0.195
（0.197）
云南省 - - 0.607***
（0.201）
截距项 3.885***
（0.431）		 2.958***
（0.518）		 3.240***
（0.473）
调整后R2 0.109 0.207 0.220
N 1 555 1 555 1 555

注：括号内为县级层面聚类（cluster）的稳健标准误；“***”和“*”分别表示在1%和10%水平上显著。数据统计时删除个别变量缺失的村级数据，共计14个。

总体来看，村干部个人能力对村域多维贫困状况具有较好的缓解作用。村支书受教育程度对多维贫困的影响显著为负，在加入控制变量后依然显著且缓解作用增强。值得注意的是，村支书的任职年限与年龄对村庄多维贫困状况的影响并不显著，这可能是由于任职年限和年龄的正负作用相抵造成的。一方面，村支书的任职年限越长、年龄越大，其对全村的了解程度越深，越有助于帮助本村向上争取建设项目资金、发展产业，降低贫困维度。但伴随其掌握的权利越大，在上级部门与村民的信息不对称过程中越处于有利地位，因此越容易发生“精英俘获”现象，导致大量发展资源流入村内“精英”手中，无法有效推动村庄发展，反而可能会进一步增加村庄的贫困维度[27]，再者，村级干部的老龄化可能造成精力与创新意识的缺乏，难以为本村寻觅脱贫致富的道路，其任期越长，对村庄的发展可能越不利。另一方面，年轻的村干部则更有活力，更有努力奋斗的长远晋升目标，拥有更多的创新意识，但可能管理经验不足，缺乏丰富的社会资源。因此，村干部的任职年限和年龄变量并不显著。
村委的组织能力与村级多维贫困状况呈显著负相关。从模型（2）结果来看，村委会议次数每增加一次，脱贫致富措施每增加一项，村庄的多维贫困状况平均分别下降0.01和0.08个维度，并且在1%水平上显著。村委的组织能力实际上也就是村基层组织为群众服务所尽的主观努力和付出，这种努力和付出能够显著地反映到多维贫困的缓解上。因此，村委会议次数和村委脱贫致富措施会显著缓解村庄多维贫困状况，这在一定程度上可以反映出村委工作的努力程度对降低本村贫困维度的积极作用。
在控制变量方面，村人口规模与村多维贫困状况呈负相关关系，一个合理的解释是：村内总人口越多、规模越大，本村用于发展的人力资本也就越多，相应的，向上获得项目和资金的概率就越大，越有利于减轻多维贫困程度。在农业类型和地形控制变量上，本文估计结果与现有研究的结论一致，即丘陵和山区、全牧区和半农半牧区类型村的多维贫困状况显著高于平原地区和全农区，其中全牧区的贫困状况最为严重，较全农区高0.72个贫困维度。

5.3 稳健性检验

为考察上述结论的稳健性，利用四个省份的独立样本数据进一步加以印证。研究发现，多维贫困更加严重的四川和青海藏区的估计结果与四省藏区总体结果基本一致，但甘肃和云南藏区的村干部受教育程度对多维贫困的缓解作用并不显著。可见，基层组织的能力禀赋对区域多维贫困的缓解作用具有空间异质性，多维贫困问题更严重的区域，村基层组织的能力禀赋的多维减贫效应更强。当然，需要指出的是，且受数据可得性限制，云南藏区的样本量相对较小，也可能影响结论的稳健性。

6 结论

本文运用A-F多维贫困测算方法，基于2014年采集的“十二五”期间全国“整村推进”项目村基础数据，对深度贫困地区——四省藏区村域的多维贫困进行测度并分解，并基于基层组织能力视角探讨了村级组织能力禀赋对四省藏区村域多维贫困状况的差异化缓解作用。得到如下主要研究发现和结论：
①四省藏区单维贫困发生率高达99.8%，且具有空间异质性，呈现“大分散、小集中”分布特征，总体面临最严重的问题是基础教育贫困而非收入贫困，从基础教育设施来看，有近88%的村域无幼儿园或学前班。另外，生活燃料和卫生厕所等生活设施条件也存在高度贫困。省域内存在显著的地区禀赋差异，四川和青海藏区属于发展资本匮乏型，甘肃藏区为经济贫困型，云南藏区为生活条件匮乏型。
②基于不同维度和地区的多维贫困分析来看，随着贫困维度的提高，生活水平问题逐渐凸显，成为四省藏区村域多维贫困的主要原因，村域发展资本维度对多维贫困指数的贡献率也随之升高，而经济贫困逐渐降低。具体而言，基础教育设施、生活燃料和卫生厕所是四省藏区基础设施建设过程中的短板所在。从地区分解来看，在各个维度上青海藏区的多维贫困问题最为严重，四川藏区在中高维度的多维贫困指数较高，云南藏区在中低维度的多维贫困问题较为突出。
③基于不同属性的多维贫困分解来看，少数民族聚居村较之非少数民族聚居村表现出更为突出的多维贫困问题，且随着维度的增加，对多维贫困指数的贡献率也显著提升。四省藏区的村域多为山区地形，较之丘陵和平原地形的村存在更为严重的多维贫困。在各维度上全牧区的多维贫困问题均最为突出，农区和半农半牧区的多维贫困主要发生在中低维度。
④村基层组织能力禀赋具有“领头雁”作用，对改善村域多维贫困状况具有积极的促进作用，但存在内部异质性。村干部个人能力和村委组织能力两方面能力禀赋会显著影响村级多维贫困状况，一般来看，村干部文化程度越高，村委组织脱贫致富的努力程度越大，村域多维贫困剥夺份额越低。其缓解作用在多维贫困问题更加严重的四川藏区和青海藏区更加显著。但村干部的任职年限与年龄对村庄的多维贫困状况并没有显著影响。
基于上述结论，为了有效缓解四省藏区的村域多维贫困，当前，在基础设施方面，应更加注重幼儿园或学前班等基础教育设施的普及率和覆盖率，提升四省藏区村域的基础教育水平。在生产生活方面，加快转变四省藏区农村将柴草作为主要燃料的生活方式，进一步提高太阳能、沼气等绿色能源的使用率，深入实施卫生厕所改造工程。在基层组织能力方面，应加大干部培训，着力提升四省藏区村两委班子的个人素质能力，鼓励和引导年轻血液注入，加快实现四省藏区脱贫奔小康。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
李俊杰, 耿新. 民族地区深度贫困现状及治理路径研究——以“三区三州”为例[J]. 民族研究, 2018(1):47-57,124.

[2]
庄天慧, 张海霞, 傅新红. 少数民族地区村级发展环境对贫困人口返贫的影响分析——基于四川、贵州、重庆少数民族地区67个村的调查[J]. 农业技术经济, 2011(2):41-49.

[3]
霍增辉, 吴海涛, 丁士军, 等. 村域地理环境对农户贫困持续性的影响——来自湖北农村的经验证据[J]. 中南财经政法大学学报, 2016(1):3-11.

[4]
Alkire S. Choosing dimensions:the capability approach and multidimensional poverty[J]. Social Science Electronic Publishing, 2007, 76(5):89-119.

[5]
Alkire S, Foster J. Counting and multidimensional poverty measurement[J]. Journal of Public Economics, 2011, 95(7):476-487.

[6]
王小林, Sabina Alkire. 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.

[7]
田宇, 许建, 麻学锋. 武陵山片区多维贫困度量及其空间表征[J]. 经济地理, 2017, 37(1):162-169.

[8]
郭熙保, 周强. 长期多维贫困、不平等与致贫因素[J]. 经济研究, 2016(6):143-156.

[9]
蒋南平, 郑万军. 中国农民工多维返贫测度问题[J]. 中国农村经济, 2017(6):58-69.

[10]
杨浩, 庄天慧, 汪三贵. 少数民族贫困测量:理论和实践[J]. 西南民族大学学报:人文社科版, 2015, 36(9):33-40.

[11]
刘小珉. 多维贫困视角下的民族地区精准扶贫——基于CHES2011数据的分析[J]. 民族研究, 2017(1):36-46,124.

[12]
杨龙, 汪三贵. 贫困地区农户的多维贫困测量与分解——基于2010年中国农村贫困监测的农户数据[J]. 人口学刊, 2015, 37(2):15-25.

[13]
潘竟虎, 胡艳兴. 基于夜间灯光数据的中国多维贫困空间识别[J]. 经济地理, 2016, 36(11):124-131.

[14]
刘新梅, 韩林芝, 郑江华, 等. 贫困县多维综合贫困度时空分异特征及其驱动机制——以南疆四地州深度贫困地区贫困县为例[J]. 经济地理, 2019, 39(7):165-174.

[15]
汪三贵, Albert Park, Shubham Chaudhuri, 等. 中国新时期农村扶贫与村级贫困瞄准[J]. 管理世界, 2007(1):56-64.

[16]
刘小鹏, 苏胜亮, 王亚娟, 等. 集中连片特殊困难地区村域空间贫困测度指标体系研究[J]. 地理科学, 2014, 34(4):447-453.

DOI

[17]
陈烨烽, 王艳慧, 王小林. 中国贫困村测度与空间分布特征分析[J]. 地理研究, 2016, 35(12):2 298-2 308.

[18]
赵雪雁, 马艳艳, 陈欢欢, 等. 干旱区内陆河流域农村多维贫困的时空格局及影响因素——以石羊河流域为例[J]. 经济地理, 2018, 38(2):140-147.

[19]
胡静. 村基层组织的能力禀赋对缓解农村贫困的贡献分析[J]. 农业经济问题, 2009, 30(12):75-82.

[20]
周常春, 翟羽佳, 车震宇. 连片特困区农户多维贫困测度及能力建设研究[J]. 中国人口·资源与环境, 2017(11):95-103.

[21]
UNDP. Human Development Report 2013[R]. New York: United Nations Development Program, 2013.

[22]
陈全功, 程蹊. 空间贫困理论视野下的民族地区扶贫问题[J]. 中南民族大学学报:人文社会科学版, 2011, 31(1):58-63.

[23]
张淑芳. 社会分层视角下四川藏区贫困代际传递形成机理研究[J]. 民族学刊, 2017, 8(2):77-84.

[24]
刘盾. 一项针对中国劳动力的动态调查显示——我国劳动力平均受教育年限为9.28年[N]. 中国教育报,2015-12-07(03).

[24]
袁明宝. 扶贫吸纳治理:精准扶贫政策执行中的悬浮与基层治理困境[J]. 南京农业大学学报:社会科学版, 2018, 18(3):57-64,153-154.

[25]
高帅, 毕洁颖. 农村人口动态多维贫困:状态持续与转变[J]. 中国人口·资源与环境, 2016, 26(2):76-83.

[26]
胡联, 汪三贵. 我国建档立卡面临精英俘获的挑战吗?[J]. 管理世界, 2017(1):89-98.

Options
Outlines

/

〈 〉