生命周期视角下收入主导型多维贫困的识别与成因分析

奥鹏网院作业

生命周期视角下收入主导型多维贫困的识别与成因分析*
宋 扬 王暖盈
[提 要] 本文根据我国扶贫政策的目标构建了“收入主导型”的多维贫困识别指标，并对成人和儿童设置了差异化的多维贫困识别标准，以此为基础运用CFPS数据度量了我国多维贫困的程度，最后进一步探究多维贫困产生的原因。有74%的儿童存在至少一个维度上的贫困。儿童的多维贫困程度比成人严重，儿童健康和教育维度贫困率都在20%左右，亟须从生命周期视角下构建精准扶贫政策体系。对多维贫困影响因素的分析结果显示，人力资本因素、家庭负债情况等因素影响显著，折射出教育扶贫、金融扶贫等政策的必要性和紧迫性。
[关键词] 多维贫困；收入主导型；儿童贫困；生命周期
一、引言
历经40年的改革开放，我国的扶贫工作取得了举世瞩目的成就，数亿中国人摆脱了贫困。党的十八大以来，我国打响了脱贫攻坚战，力争到2020年实现全面脱贫。在这一进程中，习近平总书记高度重视扶贫工作的精准性。自2013年以来，精准扶贫、精准脱贫在习近平总书记的系列重要讲话和政府文件中被反复强调，并写入了党的十九大报告，作为我国扶贫工作的基本方略。
精准扶贫首先需要精准识别，即找出真正贫困的人群，实现“扶真贫”的目标(朱梦冰和李实，2017)。然而，精准识贫的工作却面临不少困境，核心难点在于缺乏统一明确的识别指标(贺立龙等人，2016；马瑜等人，2016)。具体而言，2018年我国扶贫标准为农村家庭人均年收入3 300元，这就体现着以收入为主导的贫困识别标准。[注]近年来我国扶贫标准不断提高，2011年把扶贫标准提高到人均年收入2 300元(以2010年价格计算)，2015年提高到2 800元，2016年调整为3 000元，2017年调整为3 300元，直到2018年保持不变。此外，我国“十三五”期间脱贫攻坚的目标是“两不愁、三保障”，即到2020年稳定实现农村贫困人口不愁吃、不愁穿，农村贫困人口义务教育、基本医疗、住房安全有保障。可见，我国实际上采用了多维贫困的识别标准，即不仅考察收入，还要考察教育、医疗、住房等方面。但是，目前学界对多维贫困测量的指标体系大多沿用了国外的标准，没有结合中国农村的贫困现状和扶贫政策目标进行相应的调整。
本文将结合我国精准扶贫的政策目标及儿童期和成人期的贫困人口特征构建不同生命阶段下收入主导型的多维贫困指标，并运用CFPS2014年数据(中国家庭追踪调查)度量我国多维贫困的程度，进一步探究多维贫困产生的原因，为我国完善精准扶贫政策提供实证支持。
本文将多维贫困概念与生命周期视角相结合，本身就是精准扶贫内涵的重要体现。一方面，精准扶贫的首要工作就是精准识别，而根据本轮扶贫政策的目标，识别贫困即是以多维贫困的概念为基础。因此，构建符合中国国情的多维贫困指标是精准扶贫的必然要求。另一方面，精准扶贫的重要理念是找出每个个体贫困的原因，并制定出最有效的帮助其脱贫的办法，而反贫困的生命周期视角正是关注儿童期的贫困，即从贫困产生的源头出发，减少个体在生命周期初期的贫困(陈全功和程蹊，2015；Heckman，2012)。
在已有文献的基础上，本文主要有以下贡献：第一，本文对Alkire & Foster(2011)提出的A-F多维贫困测量方法进行拓展和修正，以收入为首要指标，以“两不愁、三保障”为原则设立辅助指标，在更加强调“三保障”质量的前提下构建符合中国国情的多维贫困指标体系。现有文献大多沿用了西方国家多维贫困的指标体系，把收入与其他维度贫困平等对待，并没有结合我国的政策实践。张昭等人(2017)构建了收入主导型多维贫困的指标体系，但是该研究是在收入贫困的基础上考虑其他维度的贫困，把收入水平高于贫困线，但住房、医疗等方面没有保障的群体认定为非贫困群体。这与我国扶贫政策所强调的“两不愁、三保障”的目标并不完全一致。因此，本文构建的收入主导型指标体系首先认定家庭人均年收入低于贫困线的一定要纳入贫困户，并且鉴于收入直接决定着购买力，本文认为收入维度贫困表明其他各维度也贫困，体现着在我国政策实践中“收入主导型”的贫困判断标准。除此之外，把家庭人均年收入高于贫困线，但是符合多维贫困标准的家庭也纳入贫困户，此时只认定为在所属维度上的贫困。在维度的选择上，本文着重关注“三保障”政策目标下的教育、医疗健康、住房等重要维度下的贫困识别。在三个维度的识别指标选择上，本文还融入了质量因素，在更高的质量标准下设置多维贫困指标，为我国2020年后实现更高标准下的减贫提供前瞻性基础数据。
第二，本文从生命周期视角出发分别构建儿童期和成人期的多维贫困指标体系，这在已有的文献中是很少见的。已有文献大都对所有年龄段采用相同的贫困认定标准，没有考虑生命周期的特征。在单维度贫困的识别标准下，区分儿童和成人贫困的意义有限。这是因为，我们通常假设家庭内部可以共享家庭总收入，因此家庭内的成人和儿童贫困状态应该是相同的。但是，如果从多维贫困视角来看，即使收入、支出、住房等维度下成人和儿童的贫困情况大体相同，教育、健康维度下的贫困则可能差别很大，而后者对儿童的一生将产生长远影响。因此，本文将结合儿童期和成人期的贫困人口特征构建不同生命阶段下的多维贫困指标。在此基础上，深入考察儿童在教育和健康维度上贫困的异质性，为提出有针对性的儿童减贫政策奠定实证基础。
第三，本文将运用构建的多维贫困指标体系进一步探究不同维度贫困产生的原因，这在已有文献大多仅分析单维贫困成因的基础上也是重要创新。从政策含义来看，分析多维贫困的影响因素将有助于制定以减少多维贫困为目标的精准扶贫政策，为“精准识别”后进行“精准帮扶”提供依据。
本文余下部分的结构如下:第二部分介绍反贫困的生命周期视角；第三部分回顾多维贫困识别与成因分析的相关文献；第四部分解释本文采用的“收入主导型”多维贫困测算方法；第五部分运用“收入主导型”多维贫困的指标体系分析我国的多维贫困现状；第六部分深入考察儿童多维贫困的异质性；第七部分剖析多维贫困的影响因素；第八部分是本文的结论和相关政策建议。
二、反贫困的生命周期视角
反贫困的生命周期视角来源于贫困代际传递理论(陈银娥和高思，2011)，该理论出现于20世纪70年代，最初由刘易斯提出(Lewis，1975)。刘易斯认为，贫困不仅是经济现象，还具有文化属性。贫困文化一旦形成，会通过家庭成员之间的互相影响而带来贫困的代际传递。后来很多学者又从人力资本理论、福利依赖理论等解释了贫困的代际传递现象(Becker & Thomas，1979；Ghatak，2015)。
如何切断贫困的代际传递？反贫困的生命周期视角试图回答这一问题。该视角认为，个体在儿童期的发展可能对一生产生长远影响，因此需要在生命周期的早期进行减贫政策干预(Garcia & Gruat，2003；Heckman，2012)。生命周期视角通过强调上游干预，使得贫困代际传递的根源被切断，有效预防多代贫困和长期贫困问题(朱玲，2008；祝建华，2016)。
不少学者从生命周期视角分析了扶贫政策的有效性。徐月宾等人(2007)指出，很多发达国家的减贫政策都强调覆盖个体的各个生命阶段，特别重视儿童减贫。在这种背景下，从生命周期视角分别构建儿童期和成人期的贫困指标体系并分析贫困成因既符合全球反贫困实践的趋势，也是我国在精准扶贫理念下的客观要求。
三、关于多维贫困识别与成因分析的文献回顾
所谓多维贫困，是指在度量贫困时不能仅凭收入的单一标准，而要结合教育、健康等多方面因素进行综合度量(Sen，1976；刘艳华和徐勇，2015；杨龙和汪三贵，2015)。目前国际上在多维贫困度量方法方面已经取得了一些研究进展(Tsui，2002；王小林和Alkire，2009；Alkire & Foster，2011；张全红和周强，2014)。高帅和毕洁颖(2016)采用10个测量指标度量了我国健康、教育和生活水平三个维度上的贫困。他们运用CFPS2012年和2014年的数据测算出在2012—2014年持续多维贫困的比例为25.22%。类似的，张永丽和卢晓(2016)利用2015年对甘肃省一个贫困村的调查资料，对该村在收入、健康、教育三个维度上的贫困现状进行了测算，发现贫困发生率从一维贫困的83.81%下降到三维贫困的24.76%。
一些学者对贫困维度进行了拓展。王小林等人(2009)利用CHNS数据，从教育、住房、健康等八个维度测算了多维贫困情况。孙咏梅和傅成昱(2016)利用建筑业农民工的数据测算了收入水平、消费水平、个人生活条件和家庭生活条件四个维度上的贫困水平。贫困率从一维的81.1%下降为四维的16.3%。然而，文献中很少构建以我国扶贫目标为依据的多维贫困指标体系。张昭等人(2017)运用CFPS农村样本构建了收入维度主导、另包含教育和生活状况等维度的贫困指标体系。但是，他们把收入水平高于绝对贫困线的群体直接定义为非贫困群体，这与我国提出的“两不愁、三保障”的扶贫目标并不完全一致。此外，已有文献对所有年龄段的个体采用相同的多维贫困认定标准，没有考虑生命周期的特征。
就贫困的影响因素而言，大部分文献都采用了收入或消费贫困的概念进行分析，很少涉及不同维度贫困的影响因素。杜凤莲和孙婧芳(2011)使用Logit模型发现区域与地域因素、个人素质因素对贫困有重要影响。Glauben et al.(2012)使用Ordered Probit模型分析致贫因素，发现住户中无工作成员比例的上升会增加长期贫困的概率，住户中受教育成员比例和持城市户口的成员比例的上升都会降低长期贫困的概率。Wang(2007)运用Probit模型，发现住户中有失业人员时贫困率更高。Appleton et al.(2010)发现户主受教育年限、户主的党员身份和户主为男性都显著降低了贫困发生的概率。宋扬和赵君(2015)采用OECD等值规模因子的方法重新定义了家庭贫困，并通过Logit和Tobit回归考察了家庭贫困的影响因素。回归结果印证了劳动收入对一个家庭脱贫的重要性。家庭中劳动力人数、人均教育年限的提高都会降低贫困发生率。
分析多维贫困影响因素的文章较少，而且样本范围也比较局限。张永丽和卢晓(2016)对甘肃省一个贫困村进行了调研，对该村在收入、健康、教育等三个维度上的贫困影响因素作了Probit回归分析，发现家庭成员疾病情况和劳动力能力是影响贫困发生的主要因素。
综上所述，文献中在定义多维贫困时与我国扶贫目标联系不够紧密，指标构建尚不完善，而且很少考虑不同生命阶段的指标差异，多维贫困影响因素的实证研究也相对有限。这正是本文试图做的尝试，在构建符合中国国情、适应不同生命阶段的多维贫困指标基础上力求更加准确地度量贫困，识别多维贫困的成因。
四、生命周期视角下“收入主导型”多维贫困的测算方法
目前，文献中测量多维贫困的主流方法为Alkire & Foster(2011)提出的A-F多维贫困指数测量方法。该方法也被称为“双临界值法”，即每一维度有贫困临界值，在维度的数量上也设定临界值。
(一)“收入主导型”多维贫困的解释
本文构建的收入主导型多维贫困识别标准以收入为首要指标，以“两不愁、三保障”为原则设立辅助指标。具体而言，本文构建多维贫困的方法是：如果收入维度属于贫困，则认为其他维度也都属于贫困状态；如果收入维度不贫困，其他维度的贫困判定方法与A-F方法相同。
(二)“收入主导型”多维贫困指标构建方法
在维度选择上，本文选取收入作为首要维度，然后按照“两不愁、三保障”的原则分别选取食品支出(恩格尔系数)、教育、医疗、住房作为多维贫困测量的四个维度，对每个维度设立临界值来确定个体在每一维度上的贫困情况。在“收入主导型”的判定标准下，计算第i个个体在每个维度是否受到剥夺，然后计算此个体受到的被剥夺维度总数。最后，设定贫困维度数的临界值，如果贫困维度数大于选定的临界值，就认为该个体为多维贫困。本文将运用CFPS调查数据计算多维贫困发生率H、多维贫困剥夺程度A和多维贫困指数M，用于分析全国多维贫困状况。具体计算公式如下：
H=q/n
(1)

(2)
M=H×A
(3)
式中，q 表示在贫困临界值为k的情况下贫困人数；n表示总人数；Ci(k)为在贫困临界值为k的情况下第i个体被剥夺维度数总和；d为总维度数。
在贫困维度的构建上，本文基于生命周期的视角区分了儿童期和成人期的贫困指标。由于儿童期的受教育情况对一生的发展至关重要，会显著影响儿童未来的生活水平，本文在儿童期贫困维度上考虑教育维度，并用几个指标予以衡量。相比之下，成人的受教育水平已经固定，很难通过扶贫政策重新改变，因此本文在成人多维贫困的指标中不考虑教育维度。简而言之，对儿童的多维贫困考察包括五个维度：收入(首要维度)、教育、健康、住房、食品支出，而成人只有除教育之外的四个维度。
五、“收入主导型”多维贫困的指标构建与实证结果
(一)数据来源与描述性统计
本文运用2014年中国家庭追踪调查的数据，度量我国多维贫困的程度并进一步分析多维贫困产生的原因。中国家庭追踪调查(China family panel studies，CFPS)是由北京大学中国社会科学调查中心实施的具有全国代表性的大型微观入户调查。本文采用CFPS2014年的调查数据。在剔除了原始数据样本中的严重缺失值样本后最终得到35 471个有效样本，其中成人样本29 164个，儿童样本6 307个。
表1展示了在生命周期视角下分别对成人和儿童进行描述性统计的结果。成人平均年龄为47.37岁，50%为男性。以2010年不变价格计算的家庭人均纯收入为13 397.19元。户口是虚拟变量，农业户口赋值为1，非农业户口赋值为0，户口均值为0.73，说明成人样本中较多为农业户口。样本的平均受教育年限为6年半，未超过义务教育的年限。健康水平是从1到5的定序变量，1代表“非常健康”，5代表“不健康”。平均而言，成人样本的健康状况为“一般”。儿童平均年龄约为12岁，53%为男孩。以2010年不变价格计算的家庭人均纯收入为10 106.14元人民币。户口均值为0.79，说明儿童样本中较多为农业户口。样本的平均受教育年限为0.77年。平均而言，儿童样本的健康状况为“比较健康”。
表1样本的描述统计

说明：“家庭人均纯收入”的单位为元/年；“户口”是二值变量，农业户口赋值为1，非农业户口赋值为0；“健康水平是”从1到5的定序变量，1代表“非常健康”，5代表“不健康”。
(二)“收入主导型”多维贫困的指标构建
本文从生命周期视角出发，针对儿童设置收入、教育、健康、住房、支出5个维度，针对受教育水平已经固定的成人则不考虑教育维度，重点考虑其他4个维度。需要说明的是，由于有些维度不只有一个测量指标，因此需要在每个指标选取剥夺临界值的同时再对指标的剥夺数进行临界值选取，因此本文实际上采用了“三临界值”方法，是对A-F方法中双临界值概念的完善和扩展。在具体的指标选择上，本文结合CFPS数据可得性选取尽可能多的指标反映某年龄段人群在给定维度上的贫困状况。由于数据的限制，反映儿童教育和健康维度的信息相对有限。本文对CFPS问卷进行了全面分析后选取了几乎所有在数据中能够反映儿童在教育和健康两方面的信息。各维度下的指标及其剥夺临界值如表2所示。
对各维度的贫困指标说明如下：
1.收入维度。这里用家庭人均纯收入来进行衡量。家庭人均纯收入的剥夺临界值以国家在所使用数据年份的扶贫标准为准(以2010年价格计算，2 300元)，低于该收入水平则存在收入剥夺。
2.教育维度。采取教育期望、书费、教育总支出三个指标来进行衡量。父母对子女的教育期望为初中及以下则赋值为1，否则为0；没有书费支出则赋值为1，否则为0；教育总支出为0则赋值为1，否则为0。存在一项则认为符合教育维度剥夺。
3.健康维度。采取自评健康状况和医疗保险两个指标来进行衡量。自评健康状况为“不健康”则赋值为1，否则为0；没有医疗保险则赋值为1，否则为0。存在一项则认为符合健康维度剥夺。
4.住房情况。采取住房困难、卫生间类型、做饭用水、做饭燃料、通电、垃圾倾倒场所、家居电器及陈设、居住拥挤程度8个指标来进行衡量。将住房困难列为家庭主要困难的则赋值为1，否则为0；卫生间类型为非冲水公厕的则赋值为1，否则为0；做饭用水为非自来水、纯净水、井水的则赋值为1，否则为0；做饭燃料为柴草则赋值为1，否则为0；家庭未通电或经常断电则赋值为1，否则为0；垃圾随处倒则赋值为1，否则为0；家居电器及陈设由“很少”至“很丰富”取值为1到7，若取值为1则赋值为1，否则为0；居住拥挤程度由“很拥挤”至“很宽松”取值为1到7，若取值为1则赋值为1，否则为0。存在一项则认为符合住房维度剥夺。
5.支出情况。采用恩格尔系数进行衡量。恩格尔系数大于或等于60%则存在支出维度剥夺。
表2“收入主导型”多维贫困指标体系及相关说明

(三)贫困状况的测算结果
表3 分别测算了成人和儿童单维贫困发生率。从表3可以看出，住房维度的贫困率最高，成人达到46.21%，儿童达到48.47%。可见，有近一半的家庭满足表2所列的八种住房困难情况中的一种，而且主要集中在农村，说明住房条件和质量亟待改善。收入和支出维度的贫困率相似，在14%左右，与已有文献测算的结论大体相同。健康维度贫困率要高于收入维度，在儿童中更是达到26.48%，说明儿童健康问题不容忽视。对儿童而言，教育维度的贫困率接近20%，这有可能对他们未来有长期负面的影响，需要引起重视。总体来说，收入和支出维度的贫困率相对较低，说明“两不愁”实现得更好，而教育、健康、住房维度的贫困率基本都超过20%，与“三保障”的目标还有较大距离。
表4显示了不同维度临界值下收入主导型多维贫困指数的测算结果。从表4可以看出，不同贫困维度临界值所反映的收入主导型多维贫困程度有所差异。对于成人样本，当k=1时，即考虑4个维度中任意维度下的贫困，贫困发生率为66.60%，贫困剥夺程度为0.465 5，多维贫困指数为0.31，说明有三分之二的家庭至少在一个维度上是贫困的。当k=2，3，4时，贫困发生率为28.23%，15.17%，14.00%，有了明显下降，说明同时处于多个维度贫困的个体数量较少。由于本文采用的是收入主导型多维贫困测量方法，收入维度贫困的个体被认定为其他维度也是贫困的，所以四维贫困率与收入维度贫困率相同。对于儿童样本，当k=1时，即考虑5个维度中任意维度下的贫困，贫困发生率为74.71%，贫困剥夺程度为0.454 5，多维贫困指数为0.339 6，贫困发生率高于成人，贫困剥夺程度大体相同。当k=2，3，4，5时，贫困发生率为39.96%，21.56%，16.89%，16.69%。可见无论对于成人还是儿童，随着贫困维度数的增加，多维贫困的贫困发生率在下降，但剥夺程度在增加，表明贫困维度增加的同时多维贫困的广度不断降低，深度不断加强。此外，儿童的多维贫困程度比成人更严重，多维贫困发生率都高于成人，说明从生命周期视角研究儿童早期的减贫问题有很大的必要性。
表3各维度贫困发生率

表4“收入主导型”多维贫困测算结果

六、儿童多维贫困的异质性分析
相比成人贫困的相对静止，儿童贫困是动态演化且有预防价值的，因此深入考察儿童多维贫困有重要的学术与政策价值。如前文所述，如果从多维贫困视角来看，收入、支出、住房等维度下成人和儿童的贫困情况大体相同，但是教育和健康维度下的贫困却具有异质性特征。因此，本部分着重考察儿童在教育和健康维度上的贫困情况，为提出有针对性的儿童减贫政策奠定实证基础。
(一)儿童教育维度贫困情况分析
本文选取了三个指标来衡量儿童的教育维度贫困，这也几乎是数据中提供的所有能够反映儿童教育方面信息的变量，包括家长对孩子的教育期望、全年的书费以及全年教育总支出。根据上一部分的结果，共有19.79%的儿童在至少一个指标上体现出教育贫困状态。下面分别对这三个指标做详细的异质性分析。
表5按照儿童性别以及户籍类型展示了家长的不同教育期望情况。根据本文设定的临界值，教育期望为初中及以下属于该指标下的贫困。可见，性别差异并不明显，男孩教育期望在初中以下的比例略高于女孩，多数家长对孩子的教育期望为大学本科，其次是高中毕业。从户籍属性看，农业户口人群的教育期望明显偏低，初中及以下教育期望的比例达到5.1%，显著高于非农户口的比例(0.9%)。同时，非农户口人群对高学历期望的比例明显高于农业户口人群，近20%的非农户口人群教育期望为硕士或博士，而农业户口人群则只有9%左右，在一定程度上说明农业户口的属性对教育资源的获得和教育期望仍然有制约作用。
表5家长对孩子教育期望的异质性分析(%)

本文设定的教育维度指标还包括书费和教育总支出情况。由于本文考察的儿童年龄在2岁～15岁之间，大都处于义务教育的年龄，为了避免书费与教育支出受制于义务教育的统一化，进而无法体现明显的数据差异性，本文展示了书费和教育总支出的分布情况，如图1和图2所示。从两张图的结果来看，分布较为分散，说明不同儿童在书费和教育总支出的差异较为明显。

图1 儿童全年书费分布情况(CFPS2014年)
为了更加深入分析儿童在书费和教育支出两个指标上的贫困情况，笔者分年龄段讨论书费和教育支出的异质性，结果在表6中。首先，在2岁～6岁的学前阶段有20.6%的儿童教育总支出为0，教育总支出的基尼系数为0.572，显示教育支出在学龄前的不平等程度很高。其次，对义务教育年龄段的儿童来说，教育总支出为0的比例很低，但是基尼系数却达到0.9以上。考虑到基尼系数容易受到极端值的影响，笔者测算了泰尔指数，仍然明显高于学龄前儿童教育支出的不平等程度。再次，义务教育阶段儿童中，书费为0的比例在17%左右，从教育投入上反映了这些家庭提供的教育资源稀缺，容易使儿童陷入教育维度的贫困状态中。书费的基尼系数和泰尔指数也都很高，仍然体现着在义务教育阶段家庭投入教育资源的不平等程度非常高。最后，书费和教育总支出很高的基尼系数和泰尔指数也印证了本文选取的这两个指标能够在一定程度上较好地反映儿童的教育贫困问题，为上面的图形分析结论提供了更具体的佐证。

图2 儿童全年教育总支出分布情况(CFPS2014年)
表6儿童书费及教育总支出的异质性分析

说明：2岁～6岁书费为缺失值。
(二)儿童健康维度贫困情况分析
本文选取了CFPS数据中能够反映儿童健康状况的两个变量用以分析健康维度贫困，包括自评健康状况和儿童参加医疗保险情况。表7显示，儿童身体不健康的比例在1.5%左右，农业户口中儿童不健康的比例略高于非农户口，儿童身体状况一般的比例也在农业户口中更高。从医疗保险参保状况来看，近四分之一的儿童没有参加任何形式的医疗保险，而且这一比例在不同性别、不同户籍属性之间没有显著差异。
表7儿童健康状况的异质性分析(%)

七、“收入主导型”多维贫困的成因分析
(一)Probit回归分析
为了更加深入地研究多维贫困的成因，下面就多维贫困影响因素进行Probit回归分析。结合上文测度的多维贫困结果，分别选取一维和二维贫困状况作为因变量，而自变量则根据文献中提出的贫困影响因素选取了家庭规模、教育水平(对于儿童样本选取父亲的受教育年限)、性别、工作状况(对于儿童样本选取父亲的工作状况)、语言词汇能力、家庭待偿银行借款、家庭待偿亲友及民间借款、地区、户籍共9个变量。各变量定义及影响预测详见表8。
表9显示了成人和儿童多维贫困影响因素的回归结果，模型为Probit模型。因变量分别为是否一维或二维贫困。
对于成人来说，模型中9个解释变量的系数除了一维贫困中的家庭待偿银行借款不显著之外，其余均显著。回归结果印证了人力资本对贫困的影响是显著的，受教育年限越长、语言词汇能力越高则贫困概率就越低。在家庭负债情况方面，有待偿银行借款和待偿亲友及民间借款的家庭比没有的家庭贫困概率更高。地区户籍特征对贫困的影响也是显著的。按照东部、中部、西部地区来分类，以西部地区为参照组，回归结果显示，由东部地区到中部地区再到西部地区，贫困的概率不断增加(成人一维贫困的顺序为西部最高，东部居中，中部最低)。按照农业与非农业户口来分类，农业户口比非农业户口的贫困概率要高。在样本基本信息方面，工作状况对贫困的影响是显著的，失业或退出劳动市场比有工作者贫困概率高；回归结果也显示，成人中男性的贫困概率略高于女性。
表8变量定义与影响预测

对于儿童来说，9个解释变量的系数中性别和父亲工作状况这两个变量无论在一维或二维贫困中皆不显著。与成人相似，回归结果表明人力资本对贫困的影响是显著的，而且影响程度比成人更大。此外在家庭负债情况、地区户籍特征、家庭规模等方面，儿童与成人的回归系数符号皆一致，这里不再赘述。
(二)稳健性检验
为了验证上述回归结果的稳健性，本文还采用了多种回归方法进行检验，包括OLS回归(因变量为贫困总维度数)、有序Probit回归(因变量为按照贫困总维度数排序)。表10展示了稳健性检验结果。
可见，几乎所有变量的回归系数符号都与之前Probit模型得到的结果一致。这说明人力资本因素、家庭负债情况、地区户籍特征、家庭规模等属性不仅会影响个人在各个维度下是否贫困，还会影响其贫困维度数，贫困的维度数越多意味着摆脱贫困所需要的资金和各方面投入越大。
八、结论与政策含义
本文根据我国的扶贫目标构建了“收入主导型”的多维贫困识别指标，并结合个体生命周期特征对成人和儿童设置了差异化的多维贫困识别标准，以此为基础运用CFPS2014年数据度量了我国多维贫困的程度，最后进一步探究多维贫困产生的原因，为我国完善精准扶贫政策提供实证支持。
具体而言，本文针对儿童设置收入、教育、健康、住房、支出5个维度，针对受教育水平已经固定的成人则不考虑教育维度，重点考虑其他4个维度。从各维度贫困的状况来看，无论是成人还是儿童，住房维度的贫困率最高，成人达到46.21%，儿童达到48.47%，说明住房条件和质量亟待改善。收入和支出维度的贫困率相似，在14%左右，与已有文献测算的结论大体相同。健康维度贫困率要高于收入维度，在儿童中更是达到26.48%，主要原因是儿童参加医疗保险的比例相对较低。对儿童而言，教育维度的贫困率接近20%，这有可能对他们未来有长期负面的影响。义务教育阶段儿童中，书费为0的比例在17%左右，从教育投入上反映了这些家庭提供的教育资源稀缺，容易使儿童陷入教育维度的贫困状态中。此外，书费和教育总支出的不平等程度很高，儿童时期人力资本投入的差异可能导致未来收入差距持续过大。
表9多维贫困的影响因素

说明：***，**，*分别表示1%，5%，10%的显著水平。括号内为z值。
表10多维贫困影响因素的稳健性检验

说明：***，**，*分别表示1%，5%，10%的显著水平。OLS回归括号内为t值，有序Probit回归括号内为z值。
总体来说，收入和支出维度的贫困率相对较低，说明“两不愁”实现得更好，而教育、健康、住房维度的贫困率基本都超过20%，与“三保障”的政策目标还有较大距离。此外，儿童的多维贫困程度比成人更严重，说明从生命周期视角研究儿童早期的减贫问题有很大的必要性。
在测算我国多维贫困现状的基础上，本文剖析了影响成人和儿童多维贫困的因素。对成人而言，回归结果印证了人力资本对贫困的影响是显著的，受教育年限越长、语言词汇能力越高则贫困概率就越低。在家庭负债方面，有待偿银行借款和待偿亲友及民间借款的家庭比没有的家庭贫困概率更高。在个人特征方面，失业或退出劳动市场比有工作者贫困概率高，成人男性的贫困概率略高于女性。
对于儿童来说，性别和父亲工作状况这两个变量无论在一维或二维贫困中皆不显著，说明儿童期性别对贫困的影响尚未显露。与成人相似，回归结果表明人力资本对贫困的影响是显著的，而且影响程度比成人更大。此外在家庭负债情况、地区户籍特征、家庭规模等方面，儿童与成人的回归系数符号方向基本一致。以上结果对几种回归模型都是稳健的。
从政策含义来看，本文发现儿童健康和教育维度贫困率都在20%左右，亟须从生命周期视角下构建精准扶贫政策体系，更好地解决儿童多维贫困问题。比如，为贫困家庭的儿童提供教育专项补贴、购书券、基本医疗保险等有条件的现金转移支付(conditional cash transfer)，与目前低保制度等无条件现金救助互为补充，最大限度地解决儿童贫困问题，在生命周期早期切断贫困根源。此外，多维贫困影响因素的分析结果折射出教育扶贫、金融扶贫等政策的必要性和紧迫性。对儿童来说，家庭有亲友和民间债务将显著提高儿童的多维贫困概率。短期小额贷款等金融扶贫政策能够更加精准地帮助贫困家庭和儿童。
参考文献
陈全功、程蹊，2015：《生命历程视角下的贫困代际传递及阻断对策分析》，《中南民族大学学报》(人文社会科学版)第4期。
陈银娥、高思，2011：《社会福利制度反贫困的新模式——基于生命周期理论的视角》，《福建论坛》(人文社会科学版)第3期。
杜凤莲、孙婧芳，2011：《贫困影响因素与贫困敏感性的实证分析——基于1991—2009年的面板数据》，《经济科学》第3期。
高帅、毕洁颖，2016：《农村人口动态多维贫困:状态持续与转变》，《中国人口·资源与环境》第2期。
贺立龙、左泽、罗樱浦，2016：《以多维度贫困测度法落实精准扶贫识别与施策——对贵州省50个贫困县的考察》，《经济纵横》第7期。
刘艳华、徐勇，2015：《中国农村多维贫困地理识别及类型划分》，《地理学报》第6期。
马瑜、李政宵、马敏，2016：《中国老年多维贫困的测度和致贫因素——基于社区和家庭的分层研究》，《经济问题》第10期。
宋扬、赵君，2015：《中国的贫困现状与特征:基于等值规模调整后的再分析》，《管理世界》第10期。
孙咏梅、傅成昱，2016：《中国农民工多维物质贫困测度及精准扶贫策略研究》，《学习与探索》第7期。
王小林、 Alkire and Sabina，2009：《中国多维贫困测量:估计和政策含义》，《中国农村经济》第12期。
徐月宾、刘凤芹、张秀兰，2007：《中国农村反贫困政策的反思——从社会救助向社会保护转变》，《中国社会科学》第3期。
杨龙、汪三贵，2015：《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》，《人口学刊》第2期。
张全红、周强，2014：《中国多维贫困的测度及分解:1989—2009年》，《数量经济技术经济研究》第6期。
张永丽、卢晓，2016：《贫困性质转变下多维贫困及原因的识别——以甘肃省皋兰县六合村为例》，《湖北社会科学》第6期。
张昭、杨澄宇、袁强，2017：《“收入导向型”多维贫困的识别与流动性研究——基于CFPS调查数据农村子样本的考察》，《经济理论与经济管理》第2期。
祝建华，2016：《贫困代际传递过程中的教育因素分析》，《教育发展研究》第3期。
朱玲，2008：《在生命的起点阻止贫穷的代际传递》，《中国人口科学》第1期。
朱梦冰、李实，2017：《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》，《中国社会科学》第9期。
Alkire，S.，and J.Foster，2011，“Counting and Multidimensional Poverty Measurement”，Journal of Public Economics， 95(7-8)：476-487.
Appleton，Simon，L.Song，and Q.Xia，2010，“Growing out of Poverty：Trends and Patterns of Urban Poverty in China 1988—2002”，Mpra Paper，38(5)：665-78.
Becker，G.，and N.Tomes，1979，“An Equilibrium Theory of the Distribution of Income and Intergenerational Mobility”，Journal of Political Economy，87(6)：1153-1189.
Garcia，A.B.，and J.V.Gruat，2003，“Social Protection：A Life Cycle Continuum Investment for Social Justice，Poverty Reduction and Development”，ILO Working Paper No.64.
Ghatak，M.，2015，“Theories of Poverty Traps and Anti-poverty Policies”，World Bank Economic Review， 17：77-105.
Glauben，T.，T.Herzfeld，S.Rozelle, and X. Wang，2012，“Persistent Poverty in Rural China：Where，Why，and How to Escape?”，World Development， 40(4)：784-95.
Heckman，J.，2012，“The Developmental Origins of Health”， Health Economics，21(1)：24-29.
Lewis，O.，1975，Five Families：Mexican Case Studies in the Culture of Poverty，NY：Basic Books.
Sen，A.，1976，“Poverty：An Ordinal Approach to Measurement”， Econometrica，53(6)：1439-1443.
Tsui，K.Y.，2002，“Multidimensional Poverty Indices”，Social Choice and Welfare， 19(1)：69-93.
Wang，Meiyan，2007，“Emerging Urban Poverty and Effects of the Dibao Program on Alleviating Poverty in China”，China & World Economy，15(2)：74-88.
IDENTIFICATION AND CAUSES OF INCOME-ORIENTED MULTIDIMENSIONAL POVERTY：FROM A LIFE-CYCLE PERSPECTIVE
SONG Yang WANG Nuan-ying
(Renmin University of China)
Abstract：This article constructs a set of income-oriented multidimensional poverty indicators based on China’s current anti-poverty objectives，and further sets different indicators for adults and children on the basis of a life-cycle perspective.The paper then measures China’s multidimensional poverty using the indicators constructed above，and then explores the causes of poverty using regression analyses.The results show that 74% of children suffer from at least one dimension of poverty.Children poverty is a larger issue and even more serious than adults poverty.Poverty rates in health and education dimension are both around 20%，implying the necessity to design anti-poverty policies from a life-cycle perspective and to deal with children poverty.The paper also examines factors to cause multi-dimensional poverty.The regression results show that human capital factors and family debts affect multi-dimensional poverty as well as the depth of poverty.Education policies and micro-finance policies to combat with poverty may thus be urgently needed.
Key words：multidimensional poverty; income-oriented; children poverty; life cycle
* 宋扬，中国人民大学经济学院、中国人民大学企业与组织研究中心，邮政编码：100872，电子信箱：ys337@ruc.edu.cn；王暖盈，中国人民大学经济学院。
本文得到国家社会科学基金(18CJL049)的资助。感谢匿名评审人提出的修改建议，笔者已做了相应修改，本文文责自负。
(责任编辑：付 敏)