劉張發(fā)

(1.南昌工程學(xué)院 經(jīng)濟(jì)貿(mào)易學(xué)院，江西 南昌 330099；2.湘南學(xué)院 經(jīng)濟(jì)與管理學(xué)院，湖南 郴州 423000)

2011年中共中央國務(wù)院印發(fā)的《中國農(nóng)村扶貧開發(fā)綱要(2011—2020年)》的主要扶貧對象是集中連片特困地區(qū)和國家扶貧開發(fā)工作重點縣(文后簡稱重點縣)。該綱要對重點縣進(jìn)行了第三次調(diào)整，全國重點縣包含592個縣。2012年6月14日國務(wù)院扶貧辦公布了《關(guān)于公布全國連片特困地區(qū)分縣名單的說明》。該說明在中國確定了14個集中連片特困地區(qū)，包含680個縣，其中含有440個重點縣。集中連片特困地區(qū)內(nèi)的縣(文后簡稱片區(qū)縣)和重點縣是中國現(xiàn)階段扶貧開發(fā)工作的重點，片區(qū)縣和重點縣(文后統(tǒng)稱貧困縣)的脫貧摘帽對實現(xiàn)全面小康社會具有重要意義。扶貧工作的一項重要內(nèi)容是扶貧資金的分配，中央如何將扶貧資金科學(xué)精準(zhǔn)地分配給貧困縣呢？各省在獲得中央下?lián)艿姆鲐氋Y金的同時，本省財政支出也會安排扶貧專項資金，即中央下?lián)艿暮蛠碜员臼∝斦С龅姆鲐氋Y金為各省總的扶貧資金。那么，在各省扶貧資金總額一定的情況，如何把省級層面的扶貧資金科學(xué)精準(zhǔn)地分配給省內(nèi)的貧困縣呢？扶貧資金的分配和管理對中國農(nóng)村結(jié)構(gòu)調(diào)整會產(chǎn)生重要的影響[1]。中共中央習(xí)總書記扶貧戰(zhàn)略思想的突出亮點是實施精準(zhǔn)扶貧，因此研究扶貧資金的精準(zhǔn)分配具有重要的現(xiàn)實意義。2021年中國的貧困縣已全部脫貧摘帽，但是中央曾明確規(guī)定摘帽不摘扶貧政策。同時，扶貧攻堅逐步向鄉(xiāng)村振興過渡，鄉(xiāng)村振興肯定也涉及到扶持資金的精準(zhǔn)分配。

截止目前，國內(nèi)外鮮有關(guān)于扶貧資金分配的定量研究。Naimanye and Whiteing[2]借助公路基金和公路管理局管理人員組成的專家小組對鄉(xiāng)村公路基金區(qū)域分配各影響因素認(rèn)定的權(quán)重，利用目標(biāo)規(guī)劃方法，研究了撒哈拉以南非洲地區(qū)鄉(xiāng)村公路基金的分配。顯然，該文中影響貧困因素的權(quán)重由專家小組成員人為地確定，所以權(quán)重具有人為主觀性，欠科學(xué)合理。

在扶貧資金總額一定時，科學(xué)精準(zhǔn)地分配扶貧資金總額的關(guān)鍵是準(zhǔn)確測度各貧困縣的相對貧困程度。如某縣的相對貧困程度越嚴(yán)重，按照公平分配的原則，則該縣應(yīng)獲得的扶貧資金越多。Rogers[3]通過考察山西省國家貧困縣的資源配置模式發(fā)現(xiàn)，將有限資源集中分配在較好的村莊會放大現(xiàn)有的不平等，該模式對于解決中國農(nóng)村貧困問題的作用非常小。

收入一維貧困與多維貧困結(jié)果之間存在較大的差異[4-5]，與收入一維貧困相比，多維貧困更能全面準(zhǔn)確地反映貧困程度。肖榮榮[6]等、周云波[7]等研究發(fā)現(xiàn)將收入維度納入多維貧困，可顯著提高多維貧困識別的覆蓋率并降低收入貧困的漏出率。自Sen[8]開創(chuàng)多維貧困以來，多維貧困已成為貧困方面研究的熱點[9]。有學(xué)者研究了單一年份的靜態(tài)家庭多維貧困[10-12]，然而，僅僅根據(jù)單一年份的靜態(tài)多維貧困特征并不能反映一段時期內(nèi)貧困的動態(tài)變化，因此另有學(xué)者研究了多年份的動態(tài)家庭多維貧困[13-19]。

測度多維貧困時，反映貧困的各維度指標(biāo)權(quán)重的確定是關(guān)鍵。張全紅和周強[20]、周揚[21]等、王博[22]等分別采用主成分分析法、BP神經(jīng)網(wǎng)絡(luò)模型、反向傳播神經(jīng)網(wǎng)絡(luò)法確定多維貧困中各維度指標(biāo)的權(quán)重，并相應(yīng)的測度了1989—2009年每年中國及中國9省、中國縣域、秦巴山集中連片深度貧困區(qū)的多維貧困程度。值得注意的是，他們都沒有利用研究對象的多年份面板數(shù)據(jù)以充分反映貧困的動態(tài)變化，沒有測度相應(yīng)的動態(tài)多維貧困程度。

鑒于以上分析，本文利用多年份縣級層面面板數(shù)據(jù)以反映貧困的動態(tài)變化，將收入維度納入多維貧困指標(biāo)體系，為避免確定影響貧困的指標(biāo)權(quán)重時發(fā)生主觀性及方便測度動態(tài)多維貧困程度，采用主成分分析法確定多維貧困中各維度指標(biāo)的權(quán)重，測度各貧困縣的動態(tài)多維貧困程度。借助各貧困縣的動態(tài)多維貧困程度，設(shè)計扶貧資金精準(zhǔn)分配機制，實現(xiàn)扶貧資金科學(xué)精準(zhǔn)地分配給各貧困縣。為比較動態(tài)收入一維貧困和動態(tài)多維貧困應(yīng)用結(jié)果的差異，本文還比較了基于兩者的扶貧資金精準(zhǔn)分配比例。

本文的創(chuàng)新主要體現(xiàn)在以下三個方面：第一，采用主成分分析法確定多維貧困中各維度的權(quán)重，較早地測度了各特困縣的動態(tài)一維和動態(tài)多維貧困程度；第二，率先利用各貧困縣的貧困程度，設(shè)計相應(yīng)的扶貧資金分配機制以精準(zhǔn)地得出各貧困縣應(yīng)獲得的扶貧資金分配比例；第三，較早地比較了動態(tài)收入一維貧困和動態(tài)多維貧困的應(yīng)用結(jié)果。

1 數(shù)據(jù)、貧困維度和方法

1.1 數(shù)據(jù)

中國縣級層面數(shù)據(jù)相對缺失較多、公開性較差，而且各縣(縣級市)的統(tǒng)計指標(biāo)不統(tǒng)一。統(tǒng)計的指標(biāo)存在較大差異，無法獲得中國全部貧困縣包含多方面貧困維度指標(biāo)的數(shù)據(jù)，所以本文以中國的一個省份為例。結(jié)合數(shù)據(jù)的可得性，以江西省的貧困縣為例。涉及江西領(lǐng)土的集中連片特困地區(qū)為羅霄山區(qū)，包含江西省的17個片區(qū)縣，根據(jù)《中國農(nóng)村扶貧開發(fā)綱要(2011—2020年)》確定的江西省重點縣有21個縣，剔除片區(qū)縣和重點縣中重復(fù)的縣后，江西省共包含24個片區(qū)縣和重點縣(本文統(tǒng)稱貧困縣)。本文收集縣級層面數(shù)據(jù)的時間為2020年3月，因采用主成分分析測度各貧困縣動態(tài)多維貧困時，必須利用包含多維度貧困指標(biāo)的平衡面板數(shù)據(jù)，根據(jù)各維度貧困指標(biāo)數(shù)據(jù)的可獲得性，最終利用了江西省24個貧困縣2013—2015年包含11個貧困維度指標(biāo)的平衡面板數(shù)據(jù)，數(shù)據(jù)主要來源于江西省、市、縣統(tǒng)計年鑒。

1.2 貧困維度

采用一維貧困指標(biāo)衡量農(nóng)村貧困程度時，學(xué)者們通常采用農(nóng)村人均純收入(ruralin，單位：元)來衡量。采用主成分分析法把多維度的貧困指標(biāo)綜合成一個貧困得分，以反映各貧困縣的綜合貧困程度。

因2012年6月國務(wù)院扶貧辦公布全國集中連片特困地區(qū)縣名單，其基本依據(jù)是2007—2009年3 a的縣域農(nóng)民(村)人均純收入、縣域國內(nèi)生產(chǎn)總值、人均縣域財政收入等與貧困程度高度相關(guān)的指標(biāo)，所以本文還從人均縣域國內(nèi)生產(chǎn)總值(GDPpp，單位：元/人)、人均縣域財政收入(fiscalrevpp，單位：元/人)來衡量貧困縣的貧困程度。因人均縣域國內(nèi)生產(chǎn)總值、人均縣域財政收入也并未區(qū)分城鎮(zhèn)和農(nóng)村，實際上是測度各貧困縣的整體貧困程度，所以本文還從縣域城鎮(zhèn)人均純收入(urbanin，單位：元)來衡量貧困縣的貧困程度。

根據(jù)江西省縣級層面數(shù)據(jù)的可獲得性，并參考以往相關(guān)文獻(xiàn)，本文還從以下維度衡量特困縣的貧困程度。因信貸的可獲得性會影響多維貧困程度[23-24]，參考帥傳敏[25]等的研究，還從縣域貸款額來反映金融可獲得性，采用人均貸款額(loanpp，單位：元/人)來衡量這個維度的貧困程度。參考郭熙保和周強[26]的研究，還從教育、醫(yī)療服務(wù)和就業(yè)維度來反映貧困程度。因無法獲得縣級層面人均受教育年限，只能獲得普通中學(xué)在校生數(shù)量，以普通中學(xué)在校生占總?cè)丝诒?middlepp，單位：人/萬人)來衡量教育維度的貧困程度。因無法獲得衛(wèi)生技術(shù)人員數(shù)，只能采用人均醫(yī)院和衛(wèi)生院床位數(shù)(bedpp，單位：床/萬人)來衡量醫(yī)療服務(wù)維度的貧困程度。因第一產(chǎn)業(yè)就業(yè)人員數(shù)缺失，采用第二產(chǎn)業(yè)就業(yè)人員數(shù)占總?cè)丝诒?secondpp，單位：人/萬人)、第三產(chǎn)業(yè)就業(yè)人員數(shù)占總?cè)丝诒?thirdpp，單位：人/萬人)來衡量就業(yè)維度的貧困程度。參考帥傳敏[25]等的研究，還采用農(nóng)用機械總動力來反映農(nóng)業(yè)生產(chǎn)性資產(chǎn)，采用農(nóng)村人均農(nóng)用機械總動力(machpp，單位：瓦/人)來衡量這個維度的貧困程度。另外，還加入了社會保障方面的指標(biāo)，因該期間江西省養(yǎng)老保險參保率、醫(yī)療保險參保率數(shù)據(jù)缺失，采用人均社會福利收養(yǎng)性單位床位數(shù)(receivpp，單位：床/萬人)來衡量社會保障方面的貧困程度。

綜上可知，本文從社會生活、經(jīng)濟(jì)、金融、教育、醫(yī)療、就業(yè)、農(nóng)業(yè)生產(chǎn)和社會保障等方面的11個貧困維度指標(biāo)來初步反映各貧困縣的貧困程度，進(jìn)而采用主成分分析法得出各貧困縣的綜合貧困程度。

1.3 方法

1.3.1 各貧困縣貧困程度的測度

參考Alkire and Foster[27]的雙界線法只能計算出總體樣本(全部縣)的多維貧困指數(shù)，并不能得到每個縣的多維貧困指數(shù)，從而不能依據(jù)各縣的貧困指數(shù)來精準(zhǔn)分配扶貧資金。現(xiàn)有文獻(xiàn)在測度多維貧困程度時，在各項貧困指標(biāo)加總之前，會對各貧困指標(biāo)設(shè)定相應(yīng)的門檻值，該門檻值的設(shè)定也存在模糊性和主觀性[28]。因此，本文按以下方法測度多維貧困程度。

第一，測度動態(tài)收入一維貧困程度時，以各貧困縣2013—2015年農(nóng)村人均純收入的平均值(averuralin)來衡量收入一維貧困程度得分，標(biāo)準(zhǔn)化后為stdaveru。為了使基于動態(tài)收入一維貧困和基于動態(tài)多維貧困的扶貧資金分配比例具有可比性，根據(jù)文后的ftwopca標(biāo)準(zhǔn)化方法，本文把該平均值標(biāo)準(zhǔn)化為均值為10、標(biāo)準(zhǔn)差為2的數(shù)。第二，測度動態(tài)多維貧困程度時，參考烏拉孜別克·熱蘇力汗[29]等的研究，計算時進(jìn)行二次主成分分析。一是根據(jù)主成分分析原理，江西省24個貧困縣(市)2013—2015年的各年靜態(tài)多維貧困程度得分F=XCB。其中，X為24個貧困縣11個貧困維度指標(biāo)的各年截面數(shù)據(jù)標(biāo)準(zhǔn)化后組成的24行11列矩陣，C為特征向量組成的11行6列(1)6列是根據(jù)文后的累積貢獻(xiàn)率確定的。文后矩陣C的列和矩陣B的行類似確定。矩陣，B為貢獻(xiàn)率bi組成的6行1列矩陣，得出的F矩陣為24行1列矩陣，每行的取值分別對應(yīng)24個貧困縣各年的靜態(tài)多維貧困程度得分(對應(yīng)為f2013、f2014、f2015)。二是把24個貧困縣的f2013～f2015標(biāo)準(zhǔn)化后再進(jìn)行第二次主成分分析，進(jìn)而得出各貧困縣的動態(tài)多維貧困程度得分(ftwopca)，標(biāo)準(zhǔn)化為stdftwo(均值為10、標(biāo)準(zhǔn)差為2)(2)實際上，只要標(biāo)準(zhǔn)化后使得stdftwo的取值都大于零即可，并不一定要把ftwopca標(biāo)準(zhǔn)化為均值為10、標(biāo)準(zhǔn)差為2的數(shù)。。因本文11個貧困維度指標(biāo)都是越小表示越貧困，所以動態(tài)多維貧困程度得分(ftwopca或stdftwo)越小也表示越貧困。

1.3.2 基于各貧困縣貧困程度的扶貧資金分配機制

因無法獲得中國全部的貧困縣數(shù)據(jù)，無法得出全部貧困縣的多維貧困程度得分，所以無法為國家層面的貧困縣扶貧資金總額分配提供精準(zhǔn)的分配方案。不過，本文獲得了江西省全部貧困縣的數(shù)據(jù)，即包含了24個貧困縣的數(shù)據(jù)，因此可為江西省貧困縣的扶貧資金分配提供精準(zhǔn)的分配方案。如能獲得全部貧困縣的數(shù)據(jù)，國家層面和其它省份可參考江西省扶貧資金分配方案的方法制定相類似的分配方案。

扶貧資金分配機制的原則：一是某貧困縣越貧困，則該縣應(yīng)獲得的扶貧資金比例越大；二是各貧困縣現(xiàn)有財富水平加上獲得的扶貧資金后的財富總額應(yīng)該相等；三是對于給定的扶貧資金總額，各貧困縣應(yīng)獲得的扶貧資金比例之和應(yīng)該等于1。

假設(shè)針對江西省24個貧困縣的扶貧資金總額為m，每個貧困縣獲得扶貧資金的分配比例為ri，其中i=1，2，…，24，則每個縣獲得的扶貧資金為rim。假設(shè)江西省貧困縣安遠(yuǎn)縣獲得的扶貧資金為r1m，把安遠(yuǎn)縣獲得的扶貧資金r1m的財富得分假設(shè)為10(3)因前文把動態(tài)一維貧困程度得分(averuralin)和動態(tài)多維貧困程度得分(ftwopca)都標(biāo)準(zhǔn)化為均值為10的數(shù)，為對應(yīng)前文，本文把江西省貧困縣安遠(yuǎn)縣獲得的扶貧資金的財富得分設(shè)為10。，容易得到各縣獲得的扶貧資金的財富得分為10ri/r1。由前文分析可知，貧困程度得分越高，則表示該縣越不貧困，因此現(xiàn)有貧困程度得分stdf(動態(tài)收入一維貧困得分或動態(tài)多維貧困程度得分)(4)(1)至(5)中的stdf泛指動態(tài)收入一維貧困得分(stdaveru)或動態(tài)多維貧困程度得分(stdftwo)，前文都已把兩種得分標(biāo)準(zhǔn)化為均值為10、標(biāo)準(zhǔn)差為2的數(shù)。r泛指基于這兩種得分的分配比例?？煽闯涩F(xiàn)有財富水平。根據(jù)公平合理的原則，則江西省該24個縣中每個縣在現(xiàn)有財富水平下獲得扶貧資金后的財富總額應(yīng)該都相等。假設(shè)各縣獲得扶貧資金后的財富總額都為k，則有：

10ri/r1+stdfi=k.

(1)

由式(1)可得：

ri=kr1/10-r1stdfi/10.

(2)

顯然該24個縣中各縣獲得扶貧資金的分配比例之和為1，即有：

(3)

其中∑stdfi表示江西省全部的24個貧困縣的貧困程度得分之和，i=1，2，…，24。由式(3)可得：

(4)

把式(4)代入式(2)可得：

(5)

2 測度動態(tài)收入一維貧困、動態(tài)多維貧困程度得分及扶貧資金精準(zhǔn)分配

2.1 描述性統(tǒng)計

由表1可知，各貧困縣農(nóng)村人均純收入、城鎮(zhèn)人均純收入、人均GDP、人均財政收入、人均貸款額、普通中學(xué)在校生占總?cè)丝诒?、人均農(nóng)業(yè)機械總動力的50%分位數(shù)都小于它們的均值，說明就這7個指標(biāo)而言，至少超過一半的貧困縣在平均水平以下。各貧困縣農(nóng)村人均純收入、城鎮(zhèn)人均純收入、人均GDP、人均財政收入、人均貸款額、普通中學(xué)在校生占總?cè)丝诒?、人均農(nóng)業(yè)機械總動力、第二產(chǎn)業(yè)就業(yè)人員數(shù)占總?cè)丝诒取⒌谌a(chǎn)業(yè)就業(yè)人員數(shù)占總?cè)丝诒鹊姆讲詈艽?，說明各貧困縣在社會生活、經(jīng)濟(jì)、金融、教育、就業(yè)、農(nóng)業(yè)生產(chǎn)方面差距很大，特別是在人均GDP、人均貸款額方面差距巨大。各貧困縣人均醫(yī)院和衛(wèi)生院床位數(shù)、人均社會福利收養(yǎng)性單位床位數(shù)的方差較小，說明各特困縣在醫(yī)療、社會保障方面相差不是很大。城鎮(zhèn)人均純收入的均值是農(nóng)村人均純收入均值的2.865 7倍，第二產(chǎn)業(yè)就業(yè)人員數(shù)占總?cè)丝诒扰c第三產(chǎn)業(yè)就業(yè)人員數(shù)占總?cè)丝诒认嗖畈淮蟆?/p>

表1 11個貧困維度指標(biāo)的描述性統(tǒng)計

2.2 各貧困縣動態(tài)收入一維、動態(tài)多維貧困程度得分及比較

2.2.1 理論比較

動態(tài)是指利用了貧困主體跨期多年的數(shù)據(jù)，反映了貧困主體多年間貧困的變化。一維貧困通常以農(nóng)村人均純收入來衡量，但貧困不僅僅表現(xiàn)在收入一維方面，還表現(xiàn)在信貸可得性、教育、醫(yī)療、就業(yè)、農(nóng)業(yè)生產(chǎn)性資產(chǎn)、社會保障等多維方面。因此，多維貧困得分更能準(zhǔn)確地反映貧困主體的綜合貧困程度。

2.2.2 實證比較

第一，動態(tài)收入一維貧困。由表2可知，各貧困縣2013—2015年農(nóng)村人均純收入的平均值為averuralin，其用來衡量收入一維貧困程度得分，標(biāo)準(zhǔn)化后為stdaveru。由表2可知，從收入一維貧困程度得分而言，江西省24個貧困縣中最貧困的縣為石城縣。

表2 各貧困縣動態(tài)收入一維貧困、動態(tài)多維貧困程度得分及應(yīng)獲得的扶貧資金比例

續(xù)表2

第二，動態(tài)多維貧困。為避免實證結(jié)論受指標(biāo)量綱和數(shù)量級的影響，首先對2013年11個貧困維度指標(biāo)的截面數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化處理，然后得出相應(yīng)的標(biāo)準(zhǔn)正交特征向量，特征向量見附表3。特征根、貢獻(xiàn)率及累積貢獻(xiàn)率見表4，貢獻(xiàn)率bi=λi/∑iλi，累積貢獻(xiàn)率∑ibi(其中，i=1，2，…，k)表示前k個主成分從11個指標(biāo)中提取的信息量，如∑ibi≥85%[29]，則可認(rèn)為前k個主成分已基本反映了原11個指標(biāo)的主要信息，取前k個主成分已足以說明問題，后面11-k個主成分可以省略。由表4可知，當(dāng)累積貢獻(xiàn)率∑ibi=0.8917>85%時，可選擇主成分個數(shù)k=6，說明前6個主成分包含了原始數(shù)據(jù)提供信息總量的89.17%。江西省24個貧困縣2013年的多維貧困程度得分(f2013)取值見表2。同理，可得各貧困縣2014年、2015年的多維貧困程度得分分別為f2014、f2015。

采用上述類似的方法，把24個貧困縣的f2013～f2015標(biāo)準(zhǔn)化后再進(jìn)行第二次主成分分析，可得出各貧困縣的動態(tài)多維貧困程度得分為ftwopca，其標(biāo)準(zhǔn)化后為stdftwo。由表2可知，從動態(tài)多維貧困而言，因江西省樂安縣的stdftwo取值最小，所以江西省24個貧困縣中樂安縣的綜合貧困程度最嚴(yán)重。

表3 2013年截面數(shù)據(jù)主成分分析的特征向量

表4 2013年截面數(shù)據(jù)主成分分析的特征根、貢獻(xiàn)率及累積貢獻(xiàn)率

2.2.3 各貧困縣應(yīng)獲得的扶貧資金分配比例

第一，基于動態(tài)收入一維貧困程度得分(stdaveru)的江西省貧困縣扶貧資金總額給各貧困縣的分配比例(rstdaveru，單位%)。在式(5)中，當(dāng)i=1時，從表2可得∑stdaverui=240.000 0、stdaveru1=9.538 4，代入式(5)可得出rstdaveru1=0.042 7。把∑stdaverui=240.000 0、rstdaveru1=0.042 7代入式(5)可得，rstdaverui=0.084 4-0.004 3stdaverui。代入各貧困縣的stdaverui即可得出各貧困縣應(yīng)獲得的扶貧資金比例rstdaverui，具體取值見表2。

第二，基于動態(tài)多維貧困程度得分(stdftwo)的江西省貧困縣扶貧資金總額給各貧困縣的分配比例(rstdftwo，單位%)。在式(5)中，當(dāng)i=1時，從表2可得∑stdftwoi=240.000 0、stdftwo1=9.752 4，代入式(5)可得出rstdftwo1=0.043 7。把∑stdftwoi=240.000 0、rstdftwo1=0.043 7代入式(5)可得，rstdftwoi=0.085 3-0.004 4stdftwoi。代入各貧困縣的stdftwoi即可得出各貧困縣應(yīng)獲得的扶貧資金比例rstdftwoi，具體取值見表2。

2.2.4 基于動態(tài)收入一維、動態(tài)多維貧困程度得分的扶貧資金分配比例比較

根據(jù)前文分析，動態(tài)多維貧困程度得分從社會生活、經(jīng)濟(jì)、金融、教育、醫(yī)療、就業(yè)、農(nóng)業(yè)生產(chǎn)和社會保障等方面綜合反映了貧困縣的貧困程度，因此基于動態(tài)多維貧困程度得分的各貧困縣應(yīng)獲得的扶貧資金分配比例更為準(zhǔn)確。

根據(jù)表2計算可得，江西省各貧困縣基于動態(tài)收入一維貧困程度得分的分配比例相對基于動態(tài)多維貧困程度得分的分配比例的偏差(5)偏差等于rstdftwo與rstdaveru之差的絕對值。感謝汕頭大學(xué)商學(xué)院種照輝博士的建議。平均為0.556 3%，其中最小偏差為0.007 8%，最大偏差達(dá)到了2.011 8%。假如針對江西省貧困縣的扶貧資金總額為1億元，則各縣獲得的扶貧資金平均偏差為55.630 0萬元，偏差最大的可達(dá)到201.180 0萬元。江西省各貧困縣基于動態(tài)收入一維貧困程度得分的分配比例相對基于動態(tài)多維貧困程度得分的分配比例的偏差程度(6)分配比例的偏差程度=[(│rstdftwo-rstdaveru│)/rstdftwo]×100%。平均為14.065 4%，其中最小偏差程度為0.192 0%，最大偏差程度達(dá)到了71.357 1%。

3 結(jié)論與政策建議

根據(jù)數(shù)據(jù)的可獲得性，以江西省為例，利用江西省24個貧困縣11個貧困維度指標(biāo)2013—2015年平衡面板數(shù)據(jù)，研究了針對江西省24個貧困縣的扶貧資金總額的精準(zhǔn)分配。研究發(fā)現(xiàn)：(1)動態(tài)多維貧困程度得分比動態(tài)收入一維貧困程度得分更能全面準(zhǔn)確地反映貧困縣的綜合貧困程度；(2)給定針對全國或某省全部貧困縣扶貧資金總額的情況下，如能獲得全國或該省全部貧困縣多年份的多維貧困指標(biāo)數(shù)據(jù)，利用各貧困縣的動態(tài)多維貧困程度得分，參考本文設(shè)計的扶貧資金分配模型，可精準(zhǔn)地得出各貧困縣應(yīng)獲得的扶貧資金比例；(3)江西省各貧困縣基于動態(tài)收入一維貧困程度得分的分配比例相對基于動態(tài)多維貧困程度得分的分配比例的偏差平均為0.556 3%，其中最小偏差為0.007 8%，最大偏差達(dá)到了2.011 8%。偏差程度平均為14.065 4%，其中最小偏差程度為0.192 0%，最大偏差程度達(dá)到了71.357 1%。

本文的理論分析和經(jīng)驗證據(jù)有以下政策含義：(1)測度各貧困縣的綜合貧困程度時，應(yīng)利用包含貧困縣社會生活、經(jīng)濟(jì)、金融、教育、醫(yī)療、就業(yè)、農(nóng)業(yè)生產(chǎn)和社會保障等方面指標(biāo)的多年份數(shù)據(jù)，通過計算動態(tài)多維貧困程度得分來衡量各貧困縣的綜合貧困程度。(2)目前，中國縣級層面數(shù)據(jù)相對缺失較多、公開性較差，各省之間的縣級統(tǒng)計指標(biāo)極其不統(tǒng)一，省內(nèi)部各縣之間的統(tǒng)計指標(biāo)也存在差異，所以現(xiàn)階段很難獲得全國或某省全部貧困縣包含多方面維度指標(biāo)的平衡面板數(shù)據(jù)。這不利于精準(zhǔn)測度各貧困縣的綜合貧困程度，也不利于扶貧或鄉(xiāng)村振興資金的精準(zhǔn)分配。中國各鄉(xiāng)鎮(zhèn)、各縣有關(guān)部門應(yīng)統(tǒng)一統(tǒng)計指標(biāo)、統(tǒng)一抽樣方法、統(tǒng)一指標(biāo)定義等，構(gòu)建全面、準(zhǔn)確、網(wǎng)上可共享(排除某些機密數(shù)據(jù)不可共享)的數(shù)據(jù)庫，為政府或第三方精準(zhǔn)測度評估對象的貧困程度、精準(zhǔn)分配扶持資金等各方面工作提供有力的數(shù)據(jù)支持。(3)在扶持資金總額有限的情況下，中國、各省自治區(qū)應(yīng)根據(jù)各貧困縣的動態(tài)多維貧困程度得分，計算各縣應(yīng)獲得的扶持資金分配比例，避免非合理性的扶持資金分配，以提高扶持資金分配的科學(xué)性、公平性，實現(xiàn)鄉(xiāng)村精準(zhǔn)振興。(4)本文借助動態(tài)多維貧困得分計算得到的扶貧資金分配比例是以公平為原則，如政府需要重點支持某個貧困縣的脫貧，可在原有比例的基礎(chǔ)上相應(yīng)增大該縣的扶貧資金分配比例。