彭大松

(南京郵電大學 人口研究院， 江蘇 南京 210046)

○、引言

黨的十八大以來，我國的貧困治理工作取得了令世界矚目的成就。根據《中國農村貧困監(jiān)測報告2017》發(fā)布的數(shù)據，2012年我國有貧困人口9 899萬人，截至2016年底，減少到4 335萬人，累計減少5 564萬人，平均每年減少1 391萬人。貧困發(fā)生率也由2012年的10.2%下降到2016年的4.5%，下降5.7個百分點，平均每年下降1.4個百分點[1]。這些成就的取得為2020年“全面建成小康社會”目標打下了堅實基礎。在積極評價我國脫貧攻堅取得的成績的同時，也應看到未來的脫貧工作仍面臨著諸多問題。例如，脫貧攻堅工作中，家庭經濟增長成為扶貧成效和脫貧評價的重要準繩。然而過度重視貧困家庭的經濟指標增長，往往會忽視貧困家庭的婚姻穩(wěn)定和家庭發(fā)展能力建設。尤其是當前，在我國離婚率不斷攀升的背景下，更需要兼顧精準脫貧與家庭穩(wěn)定發(fā)展的雙重效益。據國家民政部門統(tǒng)計，2010年我國登記離婚人數(shù)為201萬對，粗離婚率為2.0‰；到2017年，登記離婚人數(shù)已達到370.4萬對，粗離婚率上升到3.2‰。而最近幾年，農村的離婚率也呈現(xiàn)出加速上升趨勢[2-3]。離婚不僅導致婚姻關系解體，也會讓家庭經濟受損，家庭發(fā)展能力減弱[4-5]。對貧困家庭而言，離婚帶來的負面影響可能更大，婚姻解體會使家庭貧困程度加深或讓已脫貧家庭重新返貧，進而影響到國家脫貧目標的如期實現(xiàn)。因此，分析貧困家庭的婚姻穩(wěn)定性對家庭經濟增收的影響具有十分重要的理論意義和實踐價值，它不僅有助于我們理解婚姻穩(wěn)定與貧困治理之間的關系，也為創(chuàng)新扶貧實踐提供新的思路。

一、文獻評述

國內外關于婚姻與經濟關系的研究文獻已非常豐富。從婚姻對經濟效率的影響來看，中外研究普遍發(fā)現(xiàn)，結婚比單身更有“經濟效率”。Sen指出婚姻往往給日常家庭生產、消費、儲蓄等帶來了更高效率，節(jié)約了日常生活成本[6]。與此相對，婚姻破裂會使這種“效率”大幅度地消解，同時家庭也會面臨經濟損失。約瑟夫·魯普頓和詹姆斯·斯密斯(Joseph. Lupton & James P. Smith)的研究發(fā)現(xiàn)，已婚家庭的經濟財富，一旦遭遇婚姻解體，將迅速縮水[7]。對于貧困家庭而言，離婚可能會使配偶雙方利益均遭受損失[8]。這些損失不僅體現(xiàn)在經濟層面，也體現(xiàn)在子女撫養(yǎng)壓力增大、家庭保障能力缺失等方面。在分析離婚的影響或沖擊時，一些學者認為這種影響具有“性別差異”，即離婚的后果對于男性和女性的影響具有效應不一致性。例如，有研究指出，離婚后女性的家庭經濟收入大幅下降，貧困風險急劇增加[9-10]。Peterson根據美國相關數(shù)據證實，離婚對女性的影響要大于男性，離婚后女性的生活水準平均下降27%，而男性僅僅下降10%左右[11]。一項德國的相關實證研究也顯示，離婚后妻子的家庭收入僅是前夫收入的2/3[12]。不過，也有一些實證研究獲得了不一樣的發(fā)現(xiàn)。例如，同樣來自德國的另一項經驗研究發(fā)現(xiàn)，離婚給女性帶來的經濟沖擊是短暫的，其狀況一般1年后就會得到恢復[13]。Keith研究發(fā)現(xiàn)，從中長期來看，女性離婚后的經濟恢復狀況往往好于男性[14]。國內研究同樣也發(fā)現(xiàn)離婚的經濟后果具有性別差異。離婚對于女性的經濟沖擊要大得多，并強調女性經濟獨立對于抵御離婚沖擊的重要性[15-18]。概而言之，雖然研究者對于離婚對不同社會階層、不同職業(yè)、不同經濟狀況、不同性別個體的經濟沖擊是否大小有別尚未取得一致認識，但對離婚導致家庭經濟受損已基本達成共識。不過，已有研究很少專門針對貧困家庭來分析婚姻解體對家庭經濟的影響，更鮮有在“精準扶貧”背景下討論貧困家庭離婚的經濟后果及其對扶貧實踐的啟示。此外，現(xiàn)有研究對“離婚”與“家庭經濟”關系的定量分析也缺乏對可能存在的“雙向因果”或“選擇效應”的控制。“離婚”可能影響“家庭經濟”，但反過來，“家庭經濟”也可能會影響“離婚”行為的發(fā)生。換言之，那些離婚的個體可能是因為“家庭經濟”條件較差而導致婚姻破裂，在這一因果鏈中，“家庭經濟”可能是“果”的同時，也是誘發(fā)“離婚”行為的“因”。因此，定量分析中需要考慮消除或削弱可能存在的“雙向因果”或“選擇效應”的影響，才能獲得因果效應的凈估計值。鑒于此，本文擬以“中國農工黨中央對口云南省脫貧攻堅工作研究”課題組收集的云南省7個縣的部分貧困家庭調查數(shù)據為基礎，采用傾向值匹配模型，克服變量間可能存在的雙向因果效應對估計造成的影響，以獲得“離婚”對“家庭收入”影響的凈效應。

二、研究設計：數(shù)據、變量與模型設置

1．數(shù)據來源

本文數(shù)據來自“中國農工黨中央對口云南省脫貧攻堅工作研究”課題組2018年7～9月在云南省永善、巧家、南華、永平、昌寧、景東、馬關7個縣所做的問卷調查。問卷涵蓋了家庭成員基本信息、婚姻史、務工史、經濟收入、生活消費、健康狀況、扶貧措施等內容。該調查以云南省所有的縣為一級抽樣單元，采用簡單隨機抽樣抽取7個縣，縣內的鄉(xiāng)(鎮(zhèn))構成二級抽樣單元，在每個縣隨機抽取2個鄉(xiāng)(鎮(zhèn))，每個鄉(xiāng)(鎮(zhèn))的行政村構成三級抽樣單元，在每個鄉(xiāng)(鎮(zhèn))隨機抽取2個行政村，每個行政村抽取50戶貧困戶作為被訪對象。調查采用入戶方式，由經過專門培訓的調查員入戶開展一對一訪問。本文在剔除關鍵變量隨機缺失的樣本后，共取1 078個有效樣本進行分析。

2．變量測量與樣本描述

離婚是本文的核心自變量?！半x婚”是根據問題“您目前的婚姻狀態(tài)”進行操作化，將回答為“離婚”的被訪者賦值為1，回答為“已婚”“再婚”者均賦值為0(參照項),在數(shù)據分析中做分類變量處理。[注]盡管離婚和喪偶都屬于婚姻解體，但二者的影響機制不同，為了在PSM模型中更好地控制選擇效應，這里將喪偶者情況排除在外。另外，再婚者雖然也有過離婚經歷，但當前的收入更多地受到“再婚”事件的影響，而不是離婚，因此，本研究中的離婚是指到目前為止仍處于“離婚”狀態(tài)的人，作為參照項則是“目前在婚”對象，其中包括離婚、喪偶后的再婚者?！叭司彝ナ杖搿笔潜疚牡暮诵囊蜃兞?。將過去一年家庭成員獲得的收入加總(包括經營性收入、勞務收入等，但不包括政府轉移性收入)，結合家庭規(guī)模計算人均家庭收入，并在數(shù)據分析中進行對數(shù)化處理。衡量家庭貧困的另一項指標是“是否為低保戶”。一般而言，“低保戶”比“非低保戶”的貧困程度更深，因此這一指標也可以區(qū)分家庭貧困程度，在處理時作為分類變量使用。

根據以往文獻，影響婚姻穩(wěn)定性的協(xié)變量設定為性別、年齡、民族、教育、通婚范圍、是否是低保戶、初婚是否領證、婚后是否外出務工、初婚時家庭規(guī)模等。其中，性別處理成分類變量，以女性為參照。民族處理為二分變量，以漢族為參照。教育程度為分類變量，分為未上學(參照項)、小學、初中、高中及以上。通婚范圍為分類變量，分別為本村、外村、外鄉(xiāng)鎮(zhèn)、外縣、外省等幾個類別。初婚時是否領取結婚證在數(shù)據分析中作為二分變量，領證賦值為1,未領證賦值為0。另外，根據外出務工史的回溯性調查和初婚時間，可以將婚后外出務工處理成二分變量，外出務工賦值為1，其他情況賦值為0。

表1是主要變量及其分布情況。從表中可以看到，被訪者的平均年齡為43.9歲，女性占45%，少數(shù)民族占24%，受教育程度以“小學”為主。受訪對象中有5.2%的人為離婚者，已婚者通婚范圍主要限于縣內，跨縣通婚者占10%，跨省通婚者為4.1%。另外，已婚者中有11%的人未領取結婚證。上述變量描述和分布與云南省農村貧困地區(qū)的情況基本一致。

表1 樣本情況及變量描述性分析(n=1 078)

續(xù)表1

變量均值標準差最小值最大值領結婚證(無=0)89.0%—01家庭收入(ln)6.91.1709.90是否低保戶48.4%—01離婚(否=0)5.2%—01

說明：分類變量用百分比表示

3．模型設定

因調查數(shù)據無法避免選擇性偏差以及雙向因果等造成的變量間的內生性問題，用常規(guī)OLS模型進行數(shù)據處理，可能會導致估計結果偏誤，故擬采用傾向值匹配模型(PSM)以有效處理上述問題。傾向值匹配方法最早由Rosenbaum和Rubin(1983)針對觀察數(shù)據的因果效應估計而提出，后經多個統(tǒng)計學家改進、補充和發(fā)展，現(xiàn)已成為非實驗數(shù)據因果分析的主要方法之一[19]。

三、實證分析

1．傾向值得分估計

與試驗數(shù)據不同，調查數(shù)據中的“干預”并不是隨機出現(xiàn)的，而是受到一些混淆變量的影響，致使個案的出現(xiàn)在“干預組”或“控制組”的傾向值不同。因此，如何正確地估計出傾向值，取決于變量挑選和模型設置。根據已有研究文獻和問卷調查的問項設置篩選變量，將年齡、性別、民族、教育程度、勞動能力、是否外出務工、初婚通婚范圍等作為傾向值的預測變量。另外，考慮到本文所用數(shù)據部分樣本來自同一個家庭，在模型估計時，采用“簇”穩(wěn)健標準誤替代常規(guī)標準誤，以減少估計偏差。Logistic回歸模型的具體估計結果見表2。從表中的估計結果可以看出，混淆變量對傾向值有較好的預測作用。通過傾向值的核密度函數(shù)估計，比較“干預組”和“控制組”在各個協(xié)變量上的差異性(下頁圖1)，從圖中可以直觀地判斷出數(shù)據未匹配前，協(xié)變量在兩個組之間有顯著差異。

表2 Logistic回歸模型估計傾向值(n=1 078)

圖1 匹配前離婚與未離婚樣本傾向值的核密度曲線

2．數(shù)據匹配與平衡性檢驗

本文采用最近鄰匹配(nearest-neighbor matching)、卡尺匹配(caliper matching)、卡尺內最近鄰匹配(nearest-neighbor matching within caliper)、核匹配(kernel matching)、核匹配內局部線性回歸匹配、樣條匹配以及基于馬氏距離的匹配等多種方法進行數(shù)據匹配。數(shù)據匹配后檢驗數(shù)據的平衡性是一個必要步驟。一個好的匹配應該使協(xié)變量在干預組和控制組之間變得平衡。本文采用t檢驗和核密度曲線圖比較匹配前后數(shù)據平衡性的改善情況。表3是最近鄰匹配后的數(shù)據平衡性檢驗結果。表3也列出了數(shù)據匹配前后干預組和控制組變量分布差異性檢驗結果(p值)：在顯著性為0.05水平下，除了通婚范圍中“跨省”類別無顯著差異外，其他變量都有統(tǒng)計顯著性差異。而匹配后，幾乎所有的變量都不再顯著。這說明傾向值匹配后，數(shù)據平衡效果較好。標準化偏差指標也可以間接地反映出數(shù)據平衡性。一般而言，當偏差小于10%時，可以認為數(shù)據平衡性較好。此外，我們也可以通過核密度函數(shù)圖形來判斷匹配后數(shù)據的平衡效果。下頁圖2是匹配后的核密度函數(shù)分布情況。與匹配前的核密度圖形(圖1)相比，圖2中干預組和控制組核密度曲線已經比較接近，這說明經傾向值匹配后的樣本已經較好地過濾了混雜因素的干擾，可獲得更為準確的參數(shù)估計值。

表3 匹配后數(shù)據的平衡性檢驗

續(xù)表3

變量干預組均值控制組均值標準化偏差%匹配前p值匹配后p值教育程度 小學0.570.61-8.10.0590.68 初中0.390.358.30.0380.68 高中及以上0.110.137.10.0420.52家庭規(guī)模2.632.67-2.90.0010.88民族0.680.656.10.0050.74通婚范圍 跨村0.320.304.00.0310.84 跨鎮(zhèn)0.230.25-3.50.0500.86 跨縣0.130.10-8.90.0400.63 跨省0.070.062.30.1320.92是否低保戶0.340.42-9.10.0210.40是否領結婚證0.730.721.90.0010.93外出務工0.570.547.30.0000.71

圖2 匹配后離婚與未離婚樣本傾向值的核密度曲線

3．離婚對家庭經濟的影響

下頁表4是采用不同匹配方法進行樣本匹配后計算出的平均處理效應值。其中，ATT代表干預組平均處理效應，ATC代表控制組平均處理效應，ATE代表全部樣本的平均處理效應。平均處理效應是“離婚”對貧困家庭經濟收入影響的“凈效應”。為了比較PSM模型對“選擇效應”偏差的修正情況，我們也將常規(guī)的OLS模型的估計結果一并列出。

在下頁表4中，模型1為最近鄰匹配,k參數(shù)設置為4；模型2為卡尺匹配，卡尺ε設置為0.25；模型3為卡尺內最近鄰匹配，k參數(shù)設置為4，卡尺參數(shù)設置為0.25；模型4為核匹配模型，核函數(shù)為epan核函數(shù)，帶寬設置為0.06；模型5為局部線性回歸核匹配，參數(shù)設置為epan核函數(shù)，帶寬設置為0.06；模型6為樣條匹配；模型7為馬氏距離最近鄰匹配。另外，表格的最后一行為OLS模型的估計結果。從表中系數(shù)可知，OLS模型估計出的“離婚”對家庭經濟收入的影響效應為-0.21(p<0.05)。但運用PSM模型的模型1至模型7對該效應值的估計遠遠高于這一結果，其中，ATT的值域范圍為(-0.30， -0.40)，ATC的值域范圍為(-0.38，-0.47)，ATE的值域范圍為(-0.37，-0.46)。由此可以推斷：其一，離婚對家庭經濟收入有負向影響，離婚進一步惡化了貧困家庭的經濟狀況；其二，“離婚”與“家庭收入”之間的確存在著雙向因果關聯(lián)或選擇效應，由于OLS模型無法過濾選擇偏誤，因而導致其低估“離婚”對“家庭收入”的負向影響。本文采用不同匹配方法的PSM模型有效地修正了選擇效應帶來的估計偏誤，更準確地估計了離婚對貧困家庭經濟收入的影響效應，詳細估計結果見表4。[注]限于篇幅，其他協(xié)變量的估計值不再呈現(xiàn)在表格中。

表4 不同匹配方法的PSM估計值與OLS估計值比較(n=1 078)

說明：(1)ATT、ATC、ATE的顯著性檢驗通過bootstrap程序實現(xiàn)；

(2)顯著性水平：* 代表p<0.05,**代表p<0.01,***代表p<0.001

四、結論與思考

本文基于云南省7個縣部分貧困家庭的調查數(shù)據，采用傾向值匹配模型估計了“離婚”對“家庭經濟收入”的影響效應。結果表明：離婚對貧困家庭經濟收入產生明顯的負向影響，“離婚”會導致貧困家庭的經濟狀況進一步惡化；OLS模型與PSM模型的估計結果存在差異，證實了離婚與家庭經濟狀況之間存在著雙向因果關聯(lián)，即家庭經濟貧困會導致離婚風險上升，而婚姻破裂又進一步加深了家庭貧困程度，減少了家庭經濟收入。這一結論啟示我們，貧困家庭的婚姻穩(wěn)定性更低，而貧困家庭婚姻是否穩(wěn)定又關系到其貧困程度和能否如期脫貧。因此，在扶貧實踐中應充分關注婚姻穩(wěn)定和家庭發(fā)展能力建設，這不僅有助于個人和家庭幸福感的提升，也有助于預防返貧和提高貧困治理效率。

當前的脫貧攻堅工作雖然取得了較大的成就，但過于依賴經濟指標來評價扶貧和脫貧工作，可能會忽略家庭穩(wěn)定和家庭能力建設。從短期來看，扶貧的目標可能在于經濟上的脫困，而從長期來看，扶貧的目標應該是促進家庭可持續(xù)發(fā)展，使個人的獲得感和家庭的幸福感得到有效提升。因此，后續(xù)的扶貧工作實踐中，要充分認識婚姻家庭穩(wěn)定對于貧困治理的重要意義，充分認識婚姻與家庭經濟之間的雙向互動關系，通過創(chuàng)新扶貧工作機制，努力實現(xiàn)精準脫貧和家庭發(fā)展的雙重目標。

概言之，家庭是貧困治理的基本單元，家庭發(fā)展也是貧困治理的核心內容。在今后的扶貧工作中，不應僅僅追求經濟上的脫貧，還應從促進家庭全面發(fā)展方面對貧困治理提出更高要求，為2020年中國全面實現(xiàn)小康社會奠定堅實的基礎。