王志濤，徐兵霞

(河南工業(yè)大學(xué) 管理學(xué)院，鄭州 450001)

一、引言

黨的十八大以來，我國把精準(zhǔn)扶貧作為基本戰(zhàn)略方針，大力推進脫貧攻堅。黨的十九大再次強調(diào)，堅持精準(zhǔn)扶貧、精準(zhǔn)脫貧，堅決打贏脫貧攻堅戰(zhàn)。目前，我國的脫貧工作已經(jīng)進入“攻堅拔寨”的沖刺性階段，面對嚴峻復(fù)雜的脫貧形勢，產(chǎn)業(yè)扶貧成為精準(zhǔn)扶貧的關(guān)鍵。一方面，國家部署以產(chǎn)業(yè)扶貧來帶動3000萬貧困農(nóng)戶脫貧，使產(chǎn)業(yè)扶貧成為涉及貧困人數(shù)最多的扶貧措施；另一方面，產(chǎn)業(yè)扶貧是易地扶貧搬遷、生態(tài)扶貧、教育扶貧等措施的重要基礎(chǔ)，其他的扶貧措施都需要通過發(fā)展產(chǎn)業(yè)來鞏固政策效果，最終實現(xiàn)貧困農(nóng)戶的穩(wěn)定脫貧。從“五個一批”脫貧措施中“發(fā)展生產(chǎn)脫貧一批”的首要地位，到“十三五”規(guī)劃綱要中將產(chǎn)業(yè)扶貧作為我國最重要的扶貧方式，到“五個振興”的鄉(xiāng)村振興戰(zhàn)略目標(biāo)中“產(chǎn)業(yè)振興”的優(yōu)先位置，都充分反映出產(chǎn)業(yè)扶貧在脫貧攻堅工作中不可替代的關(guān)鍵作用。

以往的救濟式扶貧是“輸血式”扶貧方式，不能有效解決我國農(nóng)村貧困現(xiàn)象的“病根”。但是，產(chǎn)業(yè)扶貧是參與式的“造血式”精準(zhǔn)扶貧方式，是貧困地區(qū)脫“窮根”之根本，也是降低貧困脆弱性、消除致貧因素的根本保障。產(chǎn)業(yè)扶貧更加強調(diào)的是對于貧困人群的賦權(quán)和賦能，以調(diào)動其廣泛參與的積極性和內(nèi)生的發(fā)展能力，并通過發(fā)展產(chǎn)業(yè)實現(xiàn)長期穩(wěn)定增收(Fischer et al，2012)[1]。據(jù)國家統(tǒng)計局公布的權(quán)威數(shù)據(jù)，我國農(nóng)村的貧困人口在2012年為9899萬人，農(nóng)村貧困發(fā)生率為10.2%；截止到2019年底，我國農(nóng)村的貧困人口已減至551萬人，農(nóng)村貧困率降低至0.6%(1)方曉丹:2019年全國農(nóng)村貧困人口減少1109萬人。國家統(tǒng)計局，2020年1月23日。 http://www.stats.gov.cn/tjsj/zxfb/201908/t20190812_1690526.html。。特別地，產(chǎn)業(yè)扶貧以增加農(nóng)戶收入為目的，以發(fā)展產(chǎn)業(yè)項目為杠桿，能夠激發(fā)農(nóng)戶自我發(fā)展的內(nèi)生動力。同時，產(chǎn)業(yè)扶貧通過貸款、技術(shù)培訓(xùn)、項目支持、基礎(chǔ)設(shè)施建設(shè)等措施，幫助貧困家庭增強抗風(fēng)險能力、積累資本數(shù)量、優(yōu)化資本組合，促進農(nóng)戶增收，助力脫貧攻堅。無疑地，為實現(xiàn)我國農(nóng)村貧困人口穩(wěn)定脫貧、如期脫貧，需要充分發(fā)揮產(chǎn)業(yè)扶貧在脫貧攻堅戰(zhàn)中的關(guān)鍵作用，以產(chǎn)業(yè)推動扶貧開發(fā)、以產(chǎn)業(yè)帶動脫貧致富、以產(chǎn)業(yè)鞏固扶貧效果，進而建立起阻斷返貧的長期利益機制，促進鄉(xiāng)村振興戰(zhàn)略的穩(wěn)步實施。

產(chǎn)業(yè)扶貧是從短期效益到長期效益、從“輸血”到”造血”的重要平臺，也是鄉(xiāng)村振興的有力支撐。產(chǎn)業(yè)扶貧的主要目標(biāo)是提升農(nóng)戶的收入水平和富裕程度，使其穩(wěn)定脫貧。汪三貴等(2018)[2]針對現(xiàn)階段貧困人口和深度貧困地區(qū)的特征，提出采用短期幫扶與長期幫扶相結(jié)合的方法，短期內(nèi)以重點解決貧困戶的生活問題為目標(biāo)，長期則需要更加注重農(nóng)戶的技能水平。勞動能力較強的農(nóng)戶更愿意參加產(chǎn)業(yè)扶貧(王立劍等，2018)[3]，而稟賦較弱的農(nóng)戶參與產(chǎn)業(yè)扶貧項目會面臨較大的風(fēng)險(金媛等，2019)[4]。產(chǎn)業(yè)扶貧過程中，轉(zhuǎn)變“被動扶貧”為“主動脫貧”需要創(chuàng)新扶貧的商業(yè)模式，選擇和培育新型的經(jīng)營主體，實現(xiàn)農(nóng)戶和產(chǎn)業(yè)發(fā)展的有機銜接(楊久棟等，2019)[5]。目前，由于產(chǎn)業(yè)扶貧的有效實施與發(fā)展，逐漸涌現(xiàn)出了多元化的產(chǎn)業(yè)扶貧模式，具體模式主要包括“企業(yè)+”“金融+”“互聯(lián)網(wǎng)+”“旅游+”等模式(申云等，2019[6]；王延中等，2018[7]；吳樂，2018[8])，逐漸形成了產(chǎn)業(yè)穩(wěn)定發(fā)展和貧困戶積極參與的良性循環(huán)機制，使貧困戶最大程度地參與到扶貧項目之中，促進貧困戶增收，助力脫貧攻堅。但是，產(chǎn)業(yè)扶貧過程中，在瞄準(zhǔn)機制、農(nóng)戶參與程度、收益分配機制、產(chǎn)業(yè)扶貧資金管理等方面還有待提高(李小云等，2018[9]；劉明月等，2019[10])。因此，產(chǎn)業(yè)扶貧的實施效果如何，究竟能夠在多大程度上實現(xiàn)政策初衷，對其脫貧效果進行評估是關(guān)鍵。目前，關(guān)于產(chǎn)業(yè)扶貧脫貧效果的研究仍然處于不斷的探索階段。大量研究對產(chǎn)業(yè)扶貧進行了深入分析(帥傳敏等，2016[11]；張國建等，2019[12]；章元等，2019[13])，但絕大多數(shù)研究從事后角度分析貧困、評估脫貧效果、探究如何幫助貧困農(nóng)戶脫貧致富，僅關(guān)注了產(chǎn)業(yè)扶貧對當(dāng)前貧困的影響，很少涉及產(chǎn)業(yè)扶貧脫貧效果的持久性，即很少關(guān)注產(chǎn)業(yè)扶貧對未來貧困的影響。此外，現(xiàn)有研究一般以收入為標(biāo)準(zhǔn)來界定貧困，然而低收入僅是農(nóng)戶家庭貧困的外部表征之一，農(nóng)戶家庭在面對不確定性風(fēng)險和外部沖擊時的脆弱性才是其陷入貧困的內(nèi)因所在。因此，進一步研究產(chǎn)業(yè)扶貧對未來貧困的影響具有重要現(xiàn)實意義，不僅要注重貧困農(nóng)戶如何減貧脫貧，還應(yīng)更加注重農(nóng)戶未來陷入貧困的可能性，準(zhǔn)確評估產(chǎn)業(yè)扶貧對其貧困脆弱性的影響。

世界銀行在2000/2001年度《世界發(fā)展報告》中提出“貧困脆弱性”，以描述農(nóng)戶在未來陷入貧困的概率。貧困脆弱性是對貧困的事前預(yù)測，通過識別未來可能陷入貧困的農(nóng)戶，有助于針對性地采取扶貧措施阻止這些個體或家庭在未來陷入貧困(黃承偉等，2010[14]；楊文等，2012[15]；楊龍等，2018[16])。由于前瞻性特征，貧困脆弱性不能在現(xiàn)在或過去的時點上進行觀測，只能利用一定的方法進行評估。測量貧困脆弱性的方法有三種，一是期望貧困的脆弱性(Vulnerability as Expected Poverty，VEP)，即農(nóng)戶未來陷入貧困的概率；二是低效用水平的脆弱性(Vulnerability as Low Expected Utility，VEU)，即確定性等價消費水平的效用與農(nóng)戶消費的預(yù)期效用之差；三是風(fēng)險暴露的脆弱性(Vulnerability as Uninsured Exposure to Risk，VER)，即農(nóng)戶遭受風(fēng)險沖擊時消費水平迅速下降。其中，期望貧困的脆弱性(VEP)的應(yīng)用較為廣泛(萬廣華等，2009[17]；林文等，2014[18])。該方法的優(yōu)點在于使用截面數(shù)據(jù)或者較少年份的面板數(shù)據(jù)即可估算貧困脆弱性。Bronfman(2014)[19]基于VEP方法分析了貧困脆弱性，發(fā)現(xiàn)貧困脆弱性比實際貧困對農(nóng)戶的影響程度大；寧靜等(2018)[20]采用VEP方法，從貧困脆弱性視角研究易地搬遷對農(nóng)戶福利的影響，發(fā)現(xiàn)易地搬遷降低了農(nóng)戶的貧困脆弱性。與之類似，沈冰清等(2018)[21]基于VEP方法，并采用雙重差分法評估了新農(nóng)保制度的實施效果，研究發(fā)現(xiàn)該政策降低了貧困脆弱性。反貧困政策成敗的關(guān)鍵在于如何測量貧困的脆弱性，從而識別出政策針對的對象。因此，本文采用這一前瞻性方法預(yù)測貧困脆弱性。

既有文獻已經(jīng)從不同角度分別對貧困脆弱性的測量方法、影響因素及其作用機理進行了深入分析，具有很好的參考價值(Ward，2016[22]；王小林，2017[23]；蔣麗麗，2017[24])。但仍有進一步拓展的空間，特別是產(chǎn)業(yè)扶貧對貧困脆弱性的影響方面。一是較少研究產(chǎn)業(yè)扶貧對農(nóng)戶貧困脆弱性的影響。雖然現(xiàn)有研究分別對產(chǎn)業(yè)扶貧和貧困脆弱性進行了較多的分析，但對二者之間關(guān)系的研究還比較少。二是在評價時容易受指標(biāo)構(gòu)成和標(biāo)準(zhǔn)選取的影響而產(chǎn)生偏誤，因而具有一定的局限性。因此，準(zhǔn)確評估產(chǎn)業(yè)扶貧對農(nóng)戶貧困脆弱性的影響，成為目前研究的重要問題。對于產(chǎn)業(yè)扶貧對貧困脆弱性的影響進行科學(xué)合理地評估，不僅對科學(xué)評價產(chǎn)業(yè)扶貧的減貧脫貧效果具有重要的現(xiàn)實意義，還有助于構(gòu)建產(chǎn)業(yè)扶貧項目評估理論框架，對今后我國精準(zhǔn)脫貧和脫貧攻堅戰(zhàn)工作的有效推進具有理論指導(dǎo)作用。

本文基于中國勞動力動態(tài)調(diào)查(CLDS)的兩期微觀面板數(shù)據(jù)，采用期望貧困的脆弱性方法(VEP)計算得出農(nóng)戶家庭的貧困脆弱性，并利用雙重差分法(DID)和傾向得分匹配法(PSM)，通過構(gòu)建計量經(jīng)濟模型，檢驗產(chǎn)業(yè)扶貧對貧困脆弱性的影響。同時，本文以前瞻性視角對產(chǎn)業(yè)扶貧的減貧脫貧效果進行再評估，并試圖回答以下問題：第一，貧困地區(qū)的貧困脆弱性程度如何；第二，產(chǎn)業(yè)扶貧能否有助于降低農(nóng)戶家庭的貧困脆弱性，以期為產(chǎn)業(yè)扶貧的實施提供科學(xué)依據(jù)和理論指導(dǎo)。

二、貧困脆弱性的測量

(一)貧困脆弱性的測量方法

本文借鑒Chaudhuri等(2002)[25]的估算方法，使用期望貧困的脆弱性方法(VEP)來測量產(chǎn)業(yè)扶貧對貧困脆弱性的影響，并計算得出樣本家庭的貧困脆弱性。貧困脆弱性的測量方程為：

Vuli,t=P(Yi,t+1≤z)

(1)

其中，Vuli,t代表家庭或者個體i在時期t的貧困脆弱性，Yi,t+1代表家庭或者個體i在t+1時期的未來收入，z代表貧困線。

未來收入可表示為可觀測變量Xi以及誤差項ei的函數(shù)，并代入式(1)可得：

Yi,t+1=f(Xi,αi,ei)

(2)

Vuli,t=P(Yi,t+1=f(Xi,αi,ei)≤z)

(3)

假設(shè)未來收入服從對數(shù)正態(tài)分布(Zhang等，2006[26]；李麗等，2014[27])，本文基于Amemiya(1977)[28]提出的廣義最小二乘法(FGLS)，計算貧困脆弱性。

第一步，估計收入方程。估計方程為：

lnYi=Xiβ+ei

(4)

(5)

其中，Xi是涉及家庭特征的相關(guān)變量(樊麗明等，2014)[29]，主要包括年齡、教育程度、就業(yè)情況、人均耕地面積、人口規(guī)模等特征變量。

第二步，根據(jù)擬合值構(gòu)建權(quán)重并進行FGLS估計。即

(6)

(7)

第三步，估算家庭i的貧困脆弱性。即

(8)

(二)貧困脆弱性的測量結(jié)果

本文選擇國家貧困標(biāo)準(zhǔn)2300元和世界銀行每人每天1.9美元極端貧困線兩條貧困線計算農(nóng)戶家庭的貧困脆弱性(2)我國2011年確定的國家貧困線標(biāo)準(zhǔn)為人均純收入2300元/年；世界銀行的極端貧困線標(biāo)準(zhǔn)為每人每天1.9美元，根據(jù)2011年購買力平價(PPP)折合人民幣約為人均2108元/年。下文均采用PPP折算后的數(shù)值。。一般將貧困脆弱性高于脆弱線的視為貧困脆弱家庭，而脆弱線的確定一般有兩種方式：一是將貧困發(fā)生率視為脆弱線，被稱為低脆弱線(徐超等，2017)[30]；二是選擇50%作為脆弱線，即當(dāng)某家庭未來陷入貧困的可能性大于50%時，則其是脆弱的，也被稱為高脆弱線(楊龍等，2018)[16]。如表1所示。

表1 不同標(biāo)準(zhǔn)下農(nóng)戶家庭的貧困脆弱性 單位：%

從總體上看，隨著貧困線的提高，貧困脆弱性程度逐漸增加。由表1可知，以貧困發(fā)生率作為脆弱線標(biāo)準(zhǔn)，在2300元國家貧困線下，貧困脆弱性為54.10%，即農(nóng)戶家庭在未來陷入2300元國家貧困線之下的概率為54.10%；在1.9美元極端貧困線下，貧困脆弱性為50.45%，即農(nóng)戶家庭在未來陷入1.9美元極端貧困線之下的概率為50.45%。同理，以50%作為脆弱線標(biāo)準(zhǔn)，在2300元國家貧困線下，貧困脆弱性為27.80%，即農(nóng)戶家庭在未來陷入2300元國家貧困線之下的概率為27.80%；在1.9美元極端貧困線下，貧困脆弱性為24.96%，即農(nóng)戶家庭在未來陷入1.9美元極端貧困線之下的概率為24.96%。國家貧困線2300元僅比世界銀行極端貧困線高出192元，但農(nóng)戶家庭的貧困脆弱性卻提高了3%左右，說明我國貧困地區(qū)中存在一些人均純收入剛超過極端貧困線的農(nóng)戶，這些農(nóng)戶由于人均純收入超過了極端貧困線但低于國家貧困線，他們的生活水平不穩(wěn)定，在遭遇風(fēng)險或沖擊時有可能陷入極端貧困。

三、數(shù)據(jù)來源與模型構(gòu)建

(一)數(shù)據(jù)來源

本文使用的數(shù)據(jù)來源于中國勞動力動態(tài)調(diào)查(China Labor-force Dynamic Survey，CLDS)，該調(diào)查由中山大學(xué)社會科學(xué)調(diào)查中心主持開展。CLDS基于概率抽樣方法，調(diào)查樣本覆蓋了中國的29個省份(除西藏、海南外，另外，不包括港澳臺地區(qū))，調(diào)查對象為樣本家庭中15～64歲的全部勞動力，是我國第一個以勞動力為主題的全國性的動態(tài)追蹤調(diào)查。本文使用的主要數(shù)據(jù)為2014年和2016年CLDS的兩期微觀調(diào)查數(shù)據(jù)。由于本文的研究對象為農(nóng)戶家庭，所以對調(diào)查數(shù)據(jù)進行了篩選，首先，剔除了城市戶口家庭，保留了農(nóng)村戶口家庭；其次，剔除戶主年齡小于16歲以及主要變量缺失的農(nóng)戶家庭；最后，得到一個樣本容量為6226的研究樣本。

(二)模型設(shè)定

公共政策效果評估時，會更加關(guān)注政策實施產(chǎn)生的凈效應(yīng)。然而，很難單獨得知該凈效應(yīng)，一是參加或者未參加公共政策的群體本身存在系統(tǒng)性差異，若簡單地將其進行比較，所得結(jié)論存在偏差。二是時間效應(yīng)，隨著公共政策的實施，其他政策不斷滲透，可能會使這種評估所得出的結(jié)論被放大或者縮小，因此，需要將該政策的影響分離出來。一般情況下，學(xué)者們僅能求得群體在政策實施前或?qū)嵤┖蟮囊环N效果，另一種效果難以求得，這也即是“反事實”估計。為解決這一問題，學(xué)者們模擬一種“準(zhǔn)自然實驗”的狀態(tài)，通過設(shè)置實驗組和對照組，進而得到一致的估計結(jié)果。因此，本文采用“準(zhǔn)自然實驗”研究方法，通過設(shè)置實驗組(參加產(chǎn)業(yè)扶貧,T=1)和對照組(未參加產(chǎn)業(yè)扶貧,T=0)，考察兩組對象參加產(chǎn)業(yè)扶貧與否的政策差異，進而可以較好地分析產(chǎn)業(yè)扶貧對農(nóng)戶家庭貧困脆弱性的影響。

1.雙重差分法(DID)

雙重差分法(DID)通過控制研究對象之間的事前差異，過濾時間效應(yīng)等固定效應(yīng)的影響，將政策實施的效果分離出來，較為準(zhǔn)確地反映政策實施對研究對象的干預(yù)效果(Ravallion，2007)[31]。本文通過設(shè)置對照組和實驗組，采用雙重差分法對比分析研究對象是否參加產(chǎn)業(yè)扶貧的政策差異，考察產(chǎn)業(yè)扶貧對貧困脆弱性的影響程度。為了分析產(chǎn)業(yè)扶貧的平均處理效應(yīng)，本文采用了DID、包括協(xié)變量的DID對產(chǎn)業(yè)扶貧的平均處理效應(yīng)進行估計。

本文設(shè)定的DID評估模型如式(9)：

Vit=β0+α0Pt+β1Ti+α1·PtTi+εit

(9)

包含協(xié)變量的DID評估模型如式(10)：

穩(wěn)定下來后，她慶幸自己沒有帶小周去做筆錄。會見室雖然有攝像頭，但不錄音，第三者聽不到會見內(nèi)容。新的《律師法》給了律師充分的自由，可以單獨會見嫌疑人。

Vit=β0+α0Pt+β1Ti+α1·PtTi+θXit+εit

(10)

其中，Vit是被解釋變量貧困脆弱性，下標(biāo)i和t分別代表不同的樣本家庭和不同的時期。Ti為是否參加產(chǎn)業(yè)扶貧的處理變量。Pt代表樣本家庭參加產(chǎn)業(yè)扶貧的時期。交叉項PtTi反映了產(chǎn)業(yè)扶貧政策實施的凈效應(yīng)。Xit代表協(xié)變量。εit代表隨機干擾項。

2.傾向得分匹配法(PSM)

傾向得分匹配法(PSM)主要用于評估某一政策或行為的實施效果，通過控制組間差異，排除樣本選擇性偏誤和內(nèi)生性問題(Rosenbaum et al，1983)[32]，使得政策評估的結(jié)果更加合理。本文還運用PSM方法分析產(chǎn)業(yè)扶貧對農(nóng)戶家庭貧困脆弱性的影響，其核心思想是將多維的協(xié)變量整合為單一維度的傾向得分值，進而匹配參加產(chǎn)業(yè)扶貧的農(nóng)戶家庭和未參加產(chǎn)業(yè)扶貧的農(nóng)戶家庭，使其僅在是否參加產(chǎn)業(yè)扶貧上存在差異，而在其他方面保持一致。其步驟簡述如下：(1)引入影響產(chǎn)業(yè)扶貧評估效果的協(xié)變量，運用概率模型估計傾向得分值；(2)匹配對照組和實驗組；(3)估計產(chǎn)業(yè)扶貧的平均處理效應(yīng)ATT。

傾向得分匹配法的基本原理如式(11)，Xi表示可以觀察到的共變量，T=1表示貧困戶參與了產(chǎn)業(yè)扶貧，傾向得分值為P(Xi)=Pr(T=1|Xi)，產(chǎn)業(yè)扶貧的平均處理效應(yīng)為實驗組的處理效應(yīng)E[VT|T=1,P(X)]減去對照組的處理效應(yīng)E[VC|T=0,P(X)]：

ATT=EP(X)|T=1{E[VT|T=1,P(X)]-E[VC|T=0,P(X)]}

(11)

本文基于Probit模型得出傾向得分值，采用多維度匹配的方法，選擇影響農(nóng)戶家庭貧困脆弱性的個體因素、家庭因素、社區(qū)因素，使匹配效果更加合理。首先，基于Probit模型分析結(jié)果，選擇合適的協(xié)變量。其次，分別運用k近鄰匹配法(1∶1)、k近鄰匹配法(1∶4)、半徑匹配法和核匹配法計算產(chǎn)業(yè)扶貧項目對農(nóng)戶家庭貧困脆弱性的平均處理效果(ATT)，并比較不同地區(qū)的產(chǎn)業(yè)扶貧對貧困脆弱性的平均處理效果。最后，采用PSM-DID檢驗其穩(wěn)健性，若不同匹配方法的檢驗結(jié)果相似，則表明產(chǎn)業(yè)扶貧對農(nóng)戶家庭貧困脆弱性的平均處理效應(yīng)是穩(wěn)健的，反之亦然。

(三)變量選取

被解釋變量。本文的被解釋變量為貧困脆弱性(Vul)。

核心解釋變量。本文選取的核心解釋變量為“是否參加產(chǎn)業(yè)扶貧”，代表樣本家庭是否參加產(chǎn)業(yè)扶貧。其中，參加產(chǎn)業(yè)扶貧項目T=1，否則T=0。

控制變量。本文主要從戶主特征、家庭特征、社區(qū)特征三個方面選取控制變量。首先，本文加入了重要的家庭特征變量。其中，從事非農(nóng)工作且有穩(wěn)定收入人數(shù)、是否參加低保補助反映了家庭的經(jīng)濟狀況；人口規(guī)模反映了家庭的人口狀況，人口規(guī)模越大的家庭，越容易在未來陷入貧困，而這些家庭也更傾向于參加產(chǎn)業(yè)扶貧；家庭耐用品數(shù)量和農(nóng)業(yè)機械數(shù)量反映了農(nóng)戶家庭生活性資產(chǎn)和生產(chǎn)性資產(chǎn)的變動狀況。其次，為了排除人力資本對實證結(jié)果的影響，本文還加入了戶主特征變量，包括年齡、教育程度、健康水平、是否參加工作及技能培訓(xùn)等反映戶主能力特征的變量。最后，本文還加入了社區(qū)特征變量。其中，社區(qū)內(nèi)合作社數(shù)量、近3年是否發(fā)生自然災(zāi)害反映自然資源稟賦對農(nóng)戶貧困狀態(tài)的影響；是否有路燈、路面硬化比例以及到商業(yè)中心的距離表示貧困戶家庭的區(qū)位條件；是否屬于東部地區(qū)，可以進一步消除地區(qū)固定效應(yīng)的影響。表2報告了主要變量的描述性統(tǒng)計分析。

表2 主要變量描述性統(tǒng)計

四、實證分析

(一)基于雙重差分法(DID)的分析結(jié)果

本文利用雙重差分法(DID)的基本研究框架測度產(chǎn)業(yè)扶貧對農(nóng)戶家庭貧困脆弱性的影響程度，結(jié)果如表3。其中，模型(1)、(2)表示2300元的國家貧困線下農(nóng)戶家庭的貧困脆弱性，模型(3)、(4)表示世界銀行1.9美元極端貧困線下農(nóng)戶家庭貧困脆弱性。表3中DID分析結(jié)果表明，加入?yún)f(xié)變量前，兩種不同貧困線下農(nóng)戶家庭貧困脆弱性的平均處理效應(yīng)分別為-0.1852和-0.1612，系數(shù)均為負，且均在1%的水平上顯著；加入?yún)f(xié)變量后，兩種不同貧困線下農(nóng)戶家庭貧困脆弱性的平均處理效應(yīng)為-0.1009和-0.1093，系數(shù)均為負，且分別在5%和1%的水平上顯著，說明產(chǎn)業(yè)扶貧的實施對農(nóng)戶家庭未來貧困起到了積極的改善作用，明顯降低了貧困脆弱性。

由表3可知，農(nóng)戶的教育程度、技能水平、工作能力等個人特征因素的提高均顯著削減了農(nóng)戶家庭的貧困脆弱性。因此，加強勞動力的職業(yè)教育、技能培訓(xùn)，擴大“陽光工程”“雨露計劃”的覆蓋率，是提高現(xiàn)有勞動力水平、降低貧困脆弱性的重要措施。提高農(nóng)戶技能水平和教育程度有利于豐富農(nóng)戶的精神生活，使其掌握一定的職業(yè)技能，激發(fā)其自我發(fā)展、自我致富的內(nèi)生動力，降低其未來陷入貧困的可能性。同時，從事非農(nóng)工作且有穩(wěn)定收入的人數(shù)越充裕，農(nóng)戶家庭的貧困脆弱性越低；社區(qū)內(nèi)路面硬化比例越高、路燈數(shù)量越多表明交通情況和自然稟賦條件越好，能夠為產(chǎn)業(yè)發(fā)展創(chuàng)造更加便利的條件，產(chǎn)業(yè)扶貧對農(nóng)戶家庭貧困脆弱性的削減效果也會越好。隨著社區(qū)內(nèi)合作社數(shù)量的增多，新型的經(jīng)營主體也越來越多，通過培育新型經(jīng)營主體，發(fā)展當(dāng)?shù)靥厣a(chǎn)業(yè)，建立聯(lián)貧帶貧的長效機制，使貧困戶最大程度地參與到產(chǎn)業(yè)發(fā)展之中，拓寬增收渠道，降低其未來陷入貧困的可能性，實現(xiàn)穩(wěn)定脫貧。

表3 DID回歸結(jié)果

表3(續(xù))

(二)基于傾向得分匹配法(PSM)的分析結(jié)果

1.平衡性檢驗

本文運用Probit概率模型估計傾向得分值，為了進一步驗證產(chǎn)業(yè)扶貧對于農(nóng)戶家庭貧困脆弱性的影響，需要進行傾向得分匹配分析。為了保證匹配結(jié)果的準(zhǔn)確性，需要進行平衡性檢驗，要求匹配后參加產(chǎn)業(yè)扶貧家庭和未參加產(chǎn)業(yè)扶貧家庭在各個特征變量上均無顯著差異，即產(chǎn)業(yè)扶貧對貧困脆弱性的影響效果不再受特征變量的干擾，從而有效校正樣本選擇偏誤，檢驗結(jié)果見表4。根據(jù)t值可以看出，大部分變量在匹配前有顯著性差異，匹配后差異不顯著。若偏差率絕對值小于20%，則表明檢驗結(jié)果較好(Rosenbaum et al，1985)[33]。由表4可知，匹配后的偏差率絕對值大部分都小于20%。因此，樣本匹配通過了平衡性檢驗。

表4 平衡性檢驗

表4(續(xù))

2.平均處理效應(yīng)估計(ATT)

通過平衡性檢驗后，本文采用k近鄰匹配(1∶1)、k近鄰匹配(1∶4)、半徑匹配以及核匹配法測量產(chǎn)業(yè)扶貧對農(nóng)戶家庭貧困脆弱性的影響程度，如表5所示。根據(jù)PSM分析結(jié)果顯示，在4種不同的匹配方法下，分別以2300元國家貧困線和1.9美元極端貧困線為標(biāo)準(zhǔn)時，均在1%的水平上通過了顯著性檢驗，表明產(chǎn)業(yè)扶貧對貧困脆弱性具有顯著的削減作用。具體而言，在全樣本情況下，運用k近鄰匹配(1∶1)、k近鄰匹配(1∶4)、半徑匹配和核匹配4種不同的匹配方法，以2300元國家貧困線為標(biāo)準(zhǔn)時，產(chǎn)業(yè)扶貧對農(nóng)戶家庭貧困脆弱性的平均處理效應(yīng)分別為-0.1390、-0.1514、-0.1448和-0.1548，且均在1%的水平上顯著，4種方法下平均處理效應(yīng)的均值為-0.1475，說明產(chǎn)業(yè)扶貧的實施使農(nóng)戶家庭貧困脆弱性降低了14.75%；在1.9美元極端貧困線下，產(chǎn)業(yè)扶貧對農(nóng)戶家庭貧困脆弱性的平均處理效應(yīng)分別為-0.1357、-0.1496、-0.1432和-0.1535，均在1%的水平上顯著，4種方法下平均處理效應(yīng)的均值為-0.1455，說明產(chǎn)業(yè)扶貧的實施使農(nóng)戶家庭貧困脆弱性降低了14.55%。

為了考察產(chǎn)業(yè)扶貧對貧困脆弱性的影響在不同地區(qū)是否存在差異，本文進一步分地區(qū)檢驗了產(chǎn)業(yè)扶貧對貧困脆弱性的平均處理效應(yīng)，回歸結(jié)果如表5所示。估計結(jié)果顯示，在東部和中西部地區(qū)，產(chǎn)業(yè)扶貧的實施對貧困脆弱性都具有顯著的削減作用。但農(nóng)戶家庭所處地不同，產(chǎn)業(yè)扶貧對貧困脆弱性的影響略有不同，其中，產(chǎn)業(yè)扶貧對東部地區(qū)貧困脆弱性的削減效果略高于中西部地區(qū)。同時，這也表明了貧困脆弱性受地區(qū)經(jīng)濟發(fā)展水平的影響，經(jīng)濟發(fā)達地區(qū)產(chǎn)業(yè)扶貧對貧困脆弱性的削減作用略高于經(jīng)濟欠發(fā)達地區(qū)。經(jīng)濟發(fā)達地區(qū)基礎(chǔ)設(shè)施建設(shè)較為完善、資源相對豐富，且就業(yè)機會和勞動報酬要高于經(jīng)濟欠發(fā)達地區(qū)，因此,發(fā)達地區(qū)產(chǎn)業(yè)扶貧的脫貧效果作用更強。

(三)穩(wěn)健性檢驗

為檢驗產(chǎn)業(yè)扶貧效果評估的穩(wěn)鍵性，本文進一步采用了雙重差分-傾向得分匹配法(PSM-DID)進行輔助檢驗，結(jié)果如表6所示。根據(jù)表6的分析結(jié)果可得，平均處理效應(yīng)方向和趨勢與上文一致，均表現(xiàn)出顯著的負向效應(yīng)，均在1%的水平上顯著，說明效果評估比較穩(wěn)定，證明了評估結(jié)果的穩(wěn)健性。

表6 基于PSM-DID方法的穩(wěn)健性檢驗

五、研究結(jié)論與政策建議

本文基于2014年和2016年中國勞動力動態(tài)調(diào)查(CLDS)數(shù)據(jù)，考察了產(chǎn)業(yè)扶貧對貧困脆弱性的影響。首先，本文采用期望貧困的脆弱性理論估算出貧困脆弱性，然后采用雙重差分法和傾向得分匹配法構(gòu)建了貧困脆弱性模型，定量分析了農(nóng)戶家庭未來陷入貧困的概率，并以前瞻性視角對產(chǎn)業(yè)扶貧的脫貧減貧效果進行再評估。研究結(jié)果表明：第一，從總體上來看，產(chǎn)業(yè)扶貧的實施顯著降低了貧困脆弱性。產(chǎn)業(yè)扶貧使農(nóng)戶家庭的貧困脆弱性降低了15%左右，且在1%的水平上顯著，產(chǎn)業(yè)扶貧對農(nóng)戶家庭的貧困脆弱性有顯著的改善作用。第二，從地理位置來看，產(chǎn)業(yè)扶貧對東部地區(qū)農(nóng)戶家庭貧困脆弱性的改善程度略高于中西部地區(qū)。我國東部地區(qū)的經(jīng)濟發(fā)展水平相對高于中西部地區(qū)，經(jīng)濟增長對于東部地區(qū)農(nóng)村的基礎(chǔ)設(shè)施、社會保障、提供就業(yè)等方面產(chǎn)生了積極的影響。在東部地區(qū)，產(chǎn)業(yè)扶貧的實施使農(nóng)戶家庭的貧困脆弱性降低了15%左右；在中西部地區(qū)，產(chǎn)業(yè)扶貧的實施使農(nóng)戶家庭的貧困脆弱性降低了12%左右，略低于東部地區(qū)。

為有效推進產(chǎn)業(yè)扶貧，提高扶貧覆蓋面和脫貧效果，降低農(nóng)戶家庭的貧困脆弱性，實現(xiàn)精準(zhǔn)脫貧、持久減貧，本文提出以下政策建議：第一，加強對貧困的動態(tài)識別能力。在未來的精準(zhǔn)扶貧工作中，不僅要關(guān)注貧困戶，也要關(guān)注當(dāng)前不是貧困戶但在未來可能陷入貧困的農(nóng)戶。隨著精準(zhǔn)扶貧的全面實施，今后的扶貧工作除了重視深度貧困地區(qū)的貧困家庭，還應(yīng)更加重視容易返貧的脆弱家庭，提高其應(yīng)對風(fēng)險的能力，降低貧困脆弱性。第二，提高農(nóng)戶的內(nèi)生動力。產(chǎn)業(yè)扶貧既要求實效，又要著眼于未來。加強教育發(fā)展水平、職業(yè)技能培訓(xùn)、崗位推薦等幫扶形式，為農(nóng)戶提供“換血”功能，在最大程度上降低貧困脆弱性，實現(xiàn)穩(wěn)定脫貧不返貧。第三，構(gòu)建利益聯(lián)結(jié)機制。集聚農(nóng)戶、合作社、企業(yè)等主體力量，建立利益聯(lián)結(jié)機制，加強經(jīng)營主體和農(nóng)戶的聯(lián)動作用，大力推廣訂單發(fā)展、資產(chǎn)租賃、土地流轉(zhuǎn)、就地務(wù)工及股份合作等帶貧模式，促進產(chǎn)業(yè)多元化發(fā)展，真正起到促助脫貧、謀致富的積極作用。尤其是中西部貧困地區(qū)，可以積極嘗試展開訂單農(nóng)業(yè)，引導(dǎo)企業(yè)與貧困戶、合作社等簽訂產(chǎn)品購銷合同，形成穩(wěn)定的購銷關(guān)系，也可以支持企業(yè)為貧困戶、合作社等提供貸款擔(dān)保[34]，資助訂單農(nóng)戶參加農(nóng)業(yè)保險；同時，還可推行股權(quán)模式，鼓勵農(nóng)戶以土地等入股企業(yè)，采取“保底收益+按股分紅”方式，使農(nóng)戶分享產(chǎn)業(yè)發(fā)展增值收益。