连片特困区扶贫资源配置绩效评价与脱贫人口返贫风险防范

连片特困区扶贫资源配置绩效评价与脱贫人口返贫风险防范

财政扶贫资金一直是我国扶贫开发资金的重要来源，在扶贫资源中占有较大比重，对于区域扶贫开发效果起着决定性作用。反贫困是外部要素投入与内部资源调动整合共同作用的结果，经济新常态的发展背景要求新时期扶贫工作应重视资源配置效率以及发展质量的提高，鉴于当前扶贫资金额度不断提高而减贫效率递减的扶贫挑战，系统分析扶贫资金规模与结构，科学测算扶贫资金减贫效率，明确影响扶贫资金减贫效应发挥的关键影响因素，有助于优化扶贫资金配置、提高资金管理水平和助推贫困人口脱贫，实现扶贫工作稳中有进，量质双升。一宏观层面：区域扶贫资源配置绩效分析（一）样本区域财政扶贫资金配置规模与结构考虑数据收集情况，仍以罗霄山片区（江西部分）为例进行分析。江西省罗霄山片区地处罗霄山脉中南段及其与南岭、武夷山连接地区，属于原井冈山革命根据地和中央苏区范围，包括赣州、吉安、萍乡、抚州的18个县（市、区），其中有17个国家集中连片特殊困难地区县市，有14个国家扶贫开发工作重点县。针对区域农户收入水平低、基础设施建设薄弱、社会公共服务能力水平不高、生态环境脆弱等发展困境，国家就加大扶贫开发力度、促进中部地区崛起和支持赣南等原中央苏区振兴发展做出了一系列战略部署，尤其是加大了区域扶贫攻坚力度，提供了大量的扶贫资源，为改善民生、促进革命老区振兴发展和扶贫对象脱贫致富、确保困难群众共享改革发展成果提供了保障。表6-1罗霄山片区（江西部分）财政扶贫资金年度计划单位：万元区域2011年2012年2013年2014年2015年合计赣州24826.9737448.8140866.2552396.7074686.70230225.40吉安8571.6213154.9813567.9017468.0323061.5075824.03萍乡1598.222801.702284.353442.254323.0014449.52抚州2468.954685.793083.753268.615065.5018572.60全省片区合计37465.7658091.2859802.2576575.59107136.70339071.60全省财政扶贫资金合计80332.00143446.50177455.25201353.25247564.00850151.00资料来源：江西省财政厅文件与扶贫和移民办公室调研，2015。表6-1罗霄山片区（江西部分）财政扶贫资金年度计划依据《江西省罗霄山片区区域发展与扶贫攻坚实施规划（2011-2015年）》（赣扶移字〔2013〕65号）文件、江西省财政厅等有关财政专项扶贫资金的下达文件，2011～2015年江西省罗霄山片区共获得中央和省级财政扶贫资金339071.6万元，为全省5年财政扶贫资金的39.88%。各地区由于所辖县（市、区）数量不同，扶贫资金的增长幅度有所差别，但总体呈现稳步增长特征，符合国家加大连片特困区资金扶持力度的要求。较之于2011年，四市2015年财政扶贫资金平均增幅为161.4%。江西省罗霄山片区依照扶贫攻坚与区域发展、生态环境保护和改革开放相结合等原则，坚持“全国革命老区扶贫攻坚示范区”、“承接产业转移示范区”、“特色农业和全国稀有金属产业及先进制造业基地”、“南方地区重要生态安全屏障”等区域发展的准确定位，积极推进扶贫资源整合，创新扶贫资金管理机制，重视多元主体参与扶贫，提高财政扶贫资金使用效益，通过5年扶贫开发，减贫人口115万人，扶贫搬迁1万余人，实施农村劳动力培训62万人，解决近5万个村的三通（通电、通路、通广播）问题，九年义务教育巩固率达97%以上，区域基础设施水平明显改善，基本公共服务水平有效提升，生态环境保护成效突出，综合实力显著增强，城乡居民生活水平明显提高。从江西省罗霄山片区财政扶贫资金投向上看，随着扶贫理念的变化，扶贫资金规模的不断扩大，资金投向重心也在随着扶贫对象的发展特征变化而进行着调整。尤其是在整村推进与产业扶贫两个项目上的投资比重较高，5年平均投资规模占比达25.9%和21.9%，基于时间序列分析，整村推进项目的大规模投资集中在2011～2012年，主要集中于江西罗霄山片区安远县、乐安县、井冈山市、宁都县、莲花县等14县（市）的623个贫困村，产业扶贫项目投资集中于2013～2015年，用于发展特色优势产业和承接产业转移，进一步体现了连片特困区脱贫解困按照“区域发展带动扶贫开发、扶贫开发促进区域发展”的基本思路。其次，作为江西深山区（生态脆弱区、老水库库区等贫困山区）扶贫特色，移民搬迁扶贫（包括扶贫移民、生态移民及地质灾害移民），5年平均投资规模占比达9%左右，5年共搬迁人口近2000户1万余人。再次，科技教育培训、用于革命老区发展的彩票公益金、管理与奖励费用三项投资5年平均投资规模占比达3%左右，且变化不大，但由于投资规模的不断扩大，上述三项费用的绝对数额也在大幅攀升。科技与教育培训项目投资也表现出了由传统的科技项目单项投资转变为“科技+产业”、“科技+教育培训”等组合式科技扶贫的特征。管理与奖励的费用占比在2011～2015年中有所提高，体现了政府对于扶贫财政资金使用监管的重视，同时“以奖代补”的形式逐步替代了传统的直接补贴和普惠式救济，政府试图利用适度竞争的方式提高扶贫对象与管理人员的竞争意识与工作积极性。最后，资金投向也呈现一定的区域性质，比如赣县、瑞金、石城等既属于连片特困区片区范围，又属于革命老区和生态脆弱区但具有一定的产业基础，这些区域一般将承接到比其他地区更多的资金。总体上看，片区18个县（市、区）在整村推进、产业扶贫等一般发展项目资金分配上趋于平均，但移民搬迁扶贫、彩票公益金等需要特殊区域环境条件要求的项目投资除外。（二）研究方法与实证分析服务于2020年我国全面实现小康的社会发展目标，作为社会经济发展短板的农村贫困人口减贫脱贫工作任重道远。经济新常态下进入改革攻坚深水区的扶贫开发工作，利益增进与利益调整愈加困难。作为减贫行为开展的重要资源基础与工作着力点，财政扶贫资金配置效率是能否达成扶贫目标的关键，扶贫目标达成应以效率为基础，藉此拟选择DEA-Tobit模型分析江西省罗霄山片区财政扶贫资金配置效率，以及回归分析影响资金配置效率的因素，以为后续扶贫开发工作有序开展提供决策参考。DEA模型是美国著名运筹学家Charnes与Cooper围绕效率评价发展出来的一种评价方法——数据包络分析（DataEnvelopmentAnalysis），旨在研究涵盖“多投入，多产出要素”的决策单元DMU（DecisionMakingUnit）的综合产出效率。因其作为一种非参数分析方法具有能够测算决策单元最优投入与产出的特点而被用于众多领域的效率分析，比较常用的是投入导向型的CCR模型（产出一定，投入最少）与产出型的BCC模型（投入一定，产出最大），CCR模型强调固定规模报酬不变，BCC模型则将CCR模型拓展到固定规模报酬可变，通过包络前沿线衡量DMU的最优效率，效率值取值区间为0～1。本研究基于扶贫资金投向与资金使用规模的实际行为，拟采用BCC模型进行效率测算。具体模型为：其中，α为DMU的效率值，值越大表示DMU效率越高；xj、yj分别为DMU的投入与产出向量；s-、s+表示输入与输出的松弛变量；λj表示第j个DMU达到有效时的决策单元组合比例；x0、y0表示DMU的投入产出。分析时选择连片特困区开发实施时间段——2011～2015年（2015年各县GDP数据平滑预测）的4个市18个片区县（市、区）为分析样本，选择其财政扶贫资金为投入变量，样本区域GDP为产出变量（以2011年为基准，对原始经济数据作了削减处理），测算财政扶贫资金支持区域发展的效率，以此为减贫效率分析的标准。Tobit模型是一种用于有效处理被解释变量取值受限问题的回归方法，于1958年由Tobin提出。DEA-Tobit模型则是从DEA分析中衍生出来的一种“两阶段”（Two-stageMethod）分析方法，首先通过DEA方法计算决策单元的投入—产出效率值，然后对效率值和可能影响因素进行回归分析，判断各影响因素可能的影响方向与影响程度。基本模型如下：其中，y*i为潜在效率，yi为分析对象的投入产出效率，xi为影响变量，β为回归参数向量；εi为随机扰动项，i=1，…，n。为了更明确地分析财政资金减贫效率的影响因素，分析变量拟选择区域整村推进项目投资、移民扶贫项目搬迁投资、科技与教育培训项目投资、产业扶贫项目投资、管理与奖励项目投资5个变量，回归分析各指标的影响程度。（三）样本区域各县（市、区）财政扶贫资金配置效率实证研究运用DEAP2.1软件，利用DEA-Malmquist的非参数方法对于2011～2015年江西省罗霄山片区18个县（市、区）的Malmquist生产率指数及其分解项进行测算。数据主要来源于2011～2014年《江西统计年鉴》、片区县政府年度国民经济与社会发展公报以及扶贫职能部门访谈信息。分析结果如下。表6-2罗霄山片区（江西部分）各县（市、区）Malmquist生产率指数及其分解项区域effchtechchpechsechTfpch莲花县2.9220.2731.0732.7240.797章贡区1.0000.2731.0001.0000.273赣县3.4070.2731.0393.2810.929南康区2.0840.2731.0421.9990.568上犹县2.4470.2731.0122.4170.667安远县3.2330.2731.0153.1860.882宁都县2.9110.2731.0092.8860.794于都县3.1760.2731.0443.0420.866兴国县3.7240.2731.0183.6581.016瑞金市2.8140.2731.0492.6820.767会昌县2.5410.2731.0492.4230.693寻乌县2.4250.2731.0092.4030.661石城县2.2390.2731.0352.1640.610遂川县3.1360.2731.0542.9750.855万安县2.9190.2731.0542.7700.796永新县3.0770.2731.0462.9420.839井冈山市2.5810.2731.0502.4590.704乐安县3.4020.2731.0293.3060.928注：effch、techch、pech、sech、Tfpch分别代表技术效率变化（效率改进指数）、技术水平变化（技术进步指数）、纯技术效率、规模效率和全要素生产率（Malnquist生产率指数效率）。表6-2罗霄山片区（江西部分）各县（市、区）Malmquist生产率指数及其分解项依据DEA效率分析结果，在观察的90个变量中，Tfp增加率最高的是兴国县（增加1.6%），增加的主要原因是规模效率增加，表明财政扶贫资金的增加带来了县域全要素生产率的提升；其余17个县（市、区）的Tfp是下降的，主要原因是技术水平的下降，说明财政扶贫资金配置与管理水平对于区域GDP增长的贡献是下降的。Tfp下降水平位于前5位的是章贡区（72.7%）、南康区（43.2%）、石城县（39%）、寻乌县（33.9%）和上犹县（33.3%）。值得说明的是，章贡区、南康区为片区内较为富裕的城区，对于依据贫困人口规模与贫困程度等标准进行拨付的扶贫资金所得总量、已实施扶贫项目的覆盖面与影响程度有限。同时各县（市、区）effch即各县（市、区）的相对效率改进指数可观，表明各县（市、区）在连片特困区扶贫开发政策全面铺开的5年中，相对效率明显提高，相对于前一基期充分体现了“追赶效应”，水平效应位居前五位的分别是兴国县、赣县、安远县、乐安县和于都县，主要原因为发展基础差或者投资规模效率较高，pech和sech效率值具体反映出了上述特征。图6-1罗霄山片区（江西部分）各县（市、区）Malmquist生产率指数及其分解项分布从片区各县（市、区）Malmquist生产率指数及其分解项分布图也可以发现，各县（市、区）效率值横向比较呈现以下两项特征：一是techch水平普遍较低，pech效率值差距不大；二是effch效率值与sech效率值的贡献水平普遍较高，且与Tfpch效率值变化趋势基本相同。亦即当前片区各县（市、区）的扶贫开发工作成绩的获得较大程度地依赖财政规模性投资，但是这些扶贫资金的利用与管理水平不高，以至于影响到全要素增长率的提升，这一结论也在一定程度上论证了“扶贫资金不足与资金利用效率不高是制约当前扶贫开发工作的两大瓶颈因素”的观点。二微观层面分析之一：乌蒙山片区样本户家庭收入影响因素分析（一）样本数据来源乌蒙山片区位于云贵高原与四川盆地的结合部，为典型的高原山地构造地形。区域范围包括四川、贵州、云南三省毗邻地区的38个县（市、区），片区区域总面积为10.8万平方公里，2013年末境内户籍总人口达2447万人，常住人口2028万人，城镇化率约为30%。片区集民族地区和贫困地区于一体，是我国主要的彝族聚集区，少数民族人口占总人口的20.5%，属跨省交界面大、少数民族聚集多、贫困人口分布广的连片特困区和经济协作区。片区内人口资源矛盾较为突出，人均耕地少，经济发展滞后，贫困面广且程度深，片区内38个县（市、区）中有32个国家扶贫开发工作重点县，6个省重点县。2013年片区人均地区生产总值为12370元，仅为全国水平的29.6%，2300元扶贫标准以下农村人口有918.4万人，贫困发生率为47%。研究数据来源于在乌蒙山片区遵义13个县（市），18个乡（镇），22个村，16个库区620户样本户（1/3为贫困户）所做的部分入户深度访谈信息和问卷调查。（二）样本户收入影响因素模型选择及指标体系设计为进一步分析样本户农民收入水平及制约因素，本研究运用线性回归模型和分位数回归模型对其收入水平影响因素进行分析，并探究制约农户收入水平的主要因素。1.理论分析（1）农民家庭收入农民家庭收入是反映农民在一定时期内实际收入水平的重要指标，主要包括工资性、家庭经营性、财产性、转移性四个方面的收入。从目前遵义市农村生产经营方式的角度看，样本户家庭收入主要包括以下4个部分。①家庭农业生产经营收入：这是实行家庭承包制后农民取得收入的最主要方式，也是最稳定的方式。根据数据统计，2013年遵义市家庭农业生产经营收入仍占家庭总收入的45%（根据2012年遵义社会经济统计年鉴），由此可见，这部分以农业种养业为主的收入来源仍是目前样本户家庭经营性收入的基本部分。②家庭从事非农经营收入：主要包括样本户在家庭农业经营之外进行的诸如工业、商业等第二、第三产业收入。这是样本户的一个重要增收点，也是发展农村市场经济，繁荣农村经济的重要内容。③集体经济收入：集体经济收入曾是改革开放后乡镇企业等集体经济刚刚兴起时农民的重要增收来源，但是由于近年来各种形式的农村集体经济都遇到了资金、技术、管理、人才、市场等问题，集体经济收入的增长缓慢。④其他各种收入：包括外出务工收入以及来自各种财产投资性的收入、政府财政或支农政策的转移性收入、租赁变卖财产收入、亲友赠送等各种收入。（2）影响样本户家庭收入的主要因素①家庭劳动力数劳动力一般是指具有劳动能力的人口，年龄处于适合参加劳动的阶段，作为生产者统计的人口。劳动适龄人口在人口中的比重，称为抚养指数，表示每个劳动适龄人口的负担程度。家庭劳动力数是指单个家庭中所具有的劳动适龄人口，对于一个家庭而言，劳动力数量越多，家庭可能具有更多的收入来源，家庭将会有更高的收入。因此，样本户家庭劳动力数量可能会影响农户家庭收入。②家庭耕地面积耕地指种植农作物的土地，包括熟地，新开发、复垦、整理地，休闲地（含轮歇地、轮作地），以种植农作物（含蔬菜）为主，间有零星果树或其他树木的土地，平均每年能保证收获一季的已垦滩地和海涂等。样本户家庭耕地是农户农业生产经营收入的主要来源。因而，农户家庭耕地面积可能会影响样本户的家庭总收入。③家庭成员平均受教育年限家庭成员平均受教育年限是指农户家庭成员总受教育年限与家庭人口的比值，说明了家庭成员总体的教育水平。2013年贵州省6岁及以上人口的平均受教育年限为7年，低于我国国民人均受教育年限（8.5年）。家庭成员平均受教育年限越高在面对生产生活问题的时候，越可以迅速想出解决问题的办法，使自己能很快地走出困境，同时，在生产发展、创业就业上将更有优势。因而，家庭成员平均受教育年限将可能影响样本户家庭的总收入。④家庭经营性支出家庭经营性支出指农村住户以家庭为基本生产经营单位从事生产经营活动而消费的商品和服务、自产自用产品。所消费的未计算为住户收入的自产自用产品，不计算为费用支出；库存的化肥、农药也不计算为本期费用支出，即农户家庭用于从事生产经营活动的支出。家庭经营性支出反映了家庭生产经营的规模，家庭经营性支出越大，说明家庭生产经营规模也越大，从而影响样本户家庭总收入。⑤转移性收入转移性收入就是指国家、单位、社会团体对居民家庭的各种转移支付和居民家庭间的收入转移。样本户家庭的转移性收入包括移民直补资金、粮食直补、农机补贴等。转移性收入对农村居民生产、生活都具有较大的影响，一般而言，农民家庭转移性收入能够保证农民家庭生活，提高农民家庭生产经营投入。因而，转移性收入在一定程度上可能影响样本户家庭总收入。⑥外出务工收入市场经济条件下，外出务工成了农民获得农业收入以外收入的新选择。这是一种工资性收入，据不完全统计，2013年农民务工收入占农户家庭总收入的80%。外出收入以其广阔的增长空间成为当前增加农民收入、缩小城乡差距的重要切入点。而大量外出务工的农民工也成了我国实现城市化、现代化的重要推动力。因此，样本户务工收入也可能是影响其家庭收入的重要因素之一。（三）模型构建本研究运用柯布-道格拉斯（Cobb-Douglas）生产函数对乌蒙山片区遵义地区样本户收入影响因素进行研究。柯布-道格拉斯生产函数一般形式为：Y=f（L，K，S）=ALαKβSγ式中Y为产出，L、K、S为劳动力、资本、土地的投入，α、β、γ为劳动力、资本、土地的产出弹性。为更准确地研究样本户收入的影响因素，对柯布-道格拉斯生产函数加以扩展：（1）加入农民家庭平均教育年限E；（2）加入转移性收入T，作为政府转移性支付对农民收入的影响；（3）加入务工收入W，作为劳动力转移对农户收入的影响。扩展后农户家庭收入模型为：Y=f（L，K，S，T，E）=ALαKβSγTδEφWκ通过对数转化，扩展后的农户家庭收入模型可以转化为：lnY=A+αlnL+βlnK+γlnS+δlnT+φlnE+κlnW+ξ式中：lnY为农民家庭收入的对数形式；lnL为农民家庭劳动投入（家庭劳动力数）的对数形式；lnK为移民家庭资本投入的对数形式，考虑数据的可得性，本研究以生产经营性支出代替；lnS为农民家庭土地投入，即农民实际耕地面积；lnT为农民转移性收入的对数形式（移民的直补资金和农民的粮食直补等）；lnE为家庭成员平均受教育年限的对数形式；lnW为农户务工收入的对数形式。本研究首先采用OLS回归方法对扩展后的样本户收入模型进行估计。鉴于OLS回归分析易受极端值影响，本研究采用Koenker和Bassett（1978）提出的分位数回归方法（QuantileRegression）解决这个问题。分位数回归使用残差绝对值的加权平均（比如，∑ni=1|ei|）作为最小的目标函数，故而不易受极端值的影响，且分位数回归能分析各个因素对数形式对样本户家庭收入对数形式分布规律的影响。因此，为考察不同分位数上农户家庭收入对数形式的影响因素，建立分位数回归模型如下：Quantθ（lnYi|lnXi）=∂θlnXi式中：Quant（lnY|lnX）表示lnY在给定lnX的情况下与分位点θ（0＜θ＜1）对应的条件分位数；lnX为农户家庭收入各个投入要素的对数形式（即lnL、lnK、lnS、lnT、lnE等）；∂为θ分位数回归系数向量，其估计量可以由以下最小化问题来定义：最后采用bootstrap密集算法技术可以对∂θ进行估计，即通过不断地进行有放回抽样而获得样本的置信区间，从而对系数加以推断。（四）样本户家庭收入影响因素分析1.变量定义与描述（1）变量的定义表6-3对理论分析和模型构建中选取的遵义市样本户家庭年收入和影响农户家庭年收入的因素进行定义。表6-3遵义样本户家庭收入及其影响因素的定义变量符号对数符号定义（单位）家庭年收入Y2013年农户家庭实际总收入（元）家庭劳动力数Llnl2013年家庭劳动力数（个）家庭耕地面积SlnS2013年农户家庭实际耕地面积（亩）家庭成员受教育年限ElnE2013年农户家庭成员实际受教育年限（年）家庭经营支出KlnK2013年农户家庭实际经营性支出（元）转移性收入TlnT2013年农户家庭实际转移性收入（元）务工收入WlnW2013年农户家庭实际务工收入（元）表6-3遵义样本户家庭收入及其影响因素的定义（2）变量的描述表6-4为样本户家庭收入及其影响因素的描述。表6-4遵义样本户家庭收入及其影响因素描述变量样本量平均数最大值最小值标准差家庭年收入（元）62024307.03130600100018534.43家庭劳动力数（个）6203.19811.47土地面积（亩）6202.571502.41家庭成员受教育年限（年）6207.8211.461.07家庭经营支出（元）6202357.316000005263.99转移性收入（元）6202650.563960002892.07务工收入（元）62010336.44110000014190.01表6-4遵义样本户家庭收入及其影响因素描述可以看出，在获取的620份样本中，农户平均家庭年收入为24307.03元，样本中家庭年收入最高为130600元，最低为1000元。在选取的影响农户家庭收入的因素中，样本户平均家庭劳动力数为3.19人，最大值为8人，最小值为1人；家庭平均土地面积为2.57亩，最大值为15亩，最小值为0亩；家庭成员平均受教育年限均值为7.82年，其中最大值为11.4年，最小值为6年；家庭平均经营性支出为2357.31元，其中最大值为60000元，最小值为0元；家庭平均转移性收入2650.56元，其中最大值为39600元，最小值为0元；家庭平均务工收入为10336.44元，其中最大值为110000元，最小值为0元。2.OLS结果分析本研究运用Stata12对扩展后的农户家庭收入模型进行OLS回归估计，模型估计结果如表6-5所示。表6-5遵义样本户家庭收入模型OLS回归估计结果变量符号Coef.Std.Err.tP＞tLnL0.601***0.05710.4900.000LnS-0.0050.032-0.1400.887LnK0.046***0.0076.2800.000LnE0.3280.2121.5400.123LnT0.067***0.0097.3900.000LnW0.063***0.00610.4000.000_cons7.533***0.44017.1100.000Numberofobs=620F（6613）=71.760AdjR-squared=0.407Prob＞F=0.000注：***、**、*分别表示在1%、5%、10%的显著水平显著。样本中存在土地面积、家庭经营支出、转移性收入、务工收入等变量最小值为0的情况，在求对数的过程中将0值修正为1值。表6-5遵义样本户家庭收入模型OLS回归估计结果从表6-5可以看出，家庭劳动力数量对数形式（LnL）对样本户家庭收入对数形式存在显著的影响（1%的显著水平下显著，且符号为正），即在其他条件不变的情况下，样本户家庭的劳动力数量越多，农户家庭收入将越高。生产经营性支出对数形式（LnK）对样本户家庭收入对数形式存在显著的影响（1%的显著性水平下显著，且符号为正），即在其他条件不变的情况下，一定范围内提高生产经营性支出，将提升样本户家庭收入。转移性收入对数形式（LnT）对样本户家庭收入对数形式存在显著的影响（1%的显著性水平下显著，且符号为正），即在其他条件不变的情况下，加大对样本户的补助（包括对移民的直补），将提升样本户家庭收入。务工收入对数形式（LnW）对农户家庭收入对数形式存在显著的影响（1%的显著性水平下显著，且符号为正），即在其他条件不变的情况下，增加农户的务工收入，将提升农户家庭收入。耕地面积对数形式（LnS）和家庭成员平均受教育年限对数形式（LnE）在OLS模型估计结果中并不显著，即耕地和受教育程度对样本户家庭收入的影响不大，但OLS回归结果不能区分它们对高收入和低收入两种类型农户的影响。3.分位数回归结果分析运用Stata12采用bootstrap方法对扩展后的样本户家庭收入模型进行分位数回归估计，表6-6为样本户家庭收入的第0.25、0.50、0.75个分位点模型估计结果（0.25、0.50、0.75可分别认为是较低收入、中等收入和较高收入的农户）。同时，为进一步解释各个影响因素对农户家庭收入模型影响的完整情况，本研究运用Stata12列出农户家庭收入分位数回归的系数变化情况。表6-6遵义样本户家庭收入模型分位数回归估计结果变量符号θ=0.25θ=0.5θ=0.75Coef.P＞tCoef.P＞tCoef.P＞tLnL0.586***0.0000.582***0.0000.457***0.000LnS0.087*0.060-0.0230.666-0.0330.193LnK0.024**0.0390.050***0.0000.032***0.000LnE-0.1560.3670.5180.2090.540*0.057LnT0.070***0.0000.069***0.0000.056***0.000LnW0.111***0.0000.060***0.0000.045***0.000_cons7.776***0.0007.183***0.0007.959***0.000Numberofobs620620620PseudoR20.3520.1960.165***、**、*分别表示在1%、5%、10%的显著水平显著。表6-6遵义样本户家庭收入模型分位数回归估计结果可以看出，各因素对数形式对样本户家庭收入对数形式在第0.25、0.50、0.75个分位点的影响具有明显差异，具体表现在以下方面。（1）家庭劳动力数量的影响家庭劳动力数量对数形式（LnL）在第0.25、0.50、0.75个分位点上均达到显著（均在1%的显著水平显著，且符号均为正）。说明无论是对于较高收入农户还是对于较低收入的农户，家庭劳动力数量始终对其家庭收入存在显著的正向影响，然而随着分位点的升高，家庭劳动力数量对数形式影响系数逐渐下降，即随着样本户家庭收入的不断增加，家庭劳动力数对农户家庭收入的影响逐渐削弱。图6-2样本户家庭收入影响因素分位数回归结果从图6-2中可以清晰地看出，对于低收入农户而言，家庭劳动力数对其家庭收入存在较大的影响，随着农户家庭收入的增加，家庭劳动力数对其家庭收入的影响在逐渐减小。因而，对于样本户而言，劳动力资源流失，将是难以提升家庭收入的重要原因。（2）家庭土地面积的影响家庭土地面积对数形式（LnS）在第0.25个分位点上达到显著（10%的显著水平，且符号为正），在第0.50、0.75个分位点上均未达到显著。说明对于家庭收入较低的25%的农户，土地资源将是其家庭收入的重要支撑，是较低收入农户家庭的口粮地，对其家庭收入是具有一定影响的。而对于中等家庭收入（0.50个分位点上）和较高家庭收入（0.75个分位点上）的农户来说，土地资源对其收入的影响不大。对于较低家庭收入的农户（0.4个分位点以下），家庭土地面积对其家庭收入存在较大的影响，而对于中等家庭收入和较高家庭收入（0.4个分位点以上）的农户，家庭土地面积对其家庭收入的影响逐渐减少，以至于削弱为零，甚至存在负向影响。可能的原因是，调查区域土地资源较为稀缺，人均土地面积稀少，对于较低收入家庭而言，家庭土地是其口粮的重要来源，而较高家庭收入农户选择外出务工或自主创业，对家庭承包土地的耕种意愿相对较低。因此，应适当鼓励样本户土地流转，将家庭收入较高且不愿意耕种土地的农户的土地流转到少部分收入较低且愿意耕种的农户手上，提高较低家庭收入农户的收入水平。（3）生产经营性支出的影响生产经营性支出对数形式（LnK）在第0.25、0.50、0.75个分位点上均达到显著（分别在5%、1%、1%的显著水平显著，且符号均为正）。说明无论是对于较低家庭收入农户还是对于较高家庭收入农户，家庭经营性支出对其家庭收入都存在正向的显著影响，即家庭经营性支出越多，家庭收入将会越高。从影响系数的变化上看，在0.25个分位点，家庭经营性支出对家庭收入的影响系数为0.024，在0.50个分位点，家庭经营性支出对家庭收入的影响系数为0.050，在0.75个分位点，家庭经营性支出对家庭收入的影响系数为0.032，影响系数呈现先增大后减小的趋势。说明对于较低家庭收入农户而言，增加经营性支出能够提高其家庭收入，但由于受到土地面积、劳动力人数等客观因素的影响，经营性支出对较低家庭收入农户的影响相对中等家庭收入和高等家庭收入的农户略低，随着农户家庭收入的提高，经营性支出对家庭收入的作用增加，经营性支出对家庭收入的影响在中等家庭收入农户上面达到最大，而对较高收入的农户的影响反而逐渐减弱。家庭经营性支出对农户家庭收入的影响呈倒U形，对0.4个分位点到0.7个分位点上的农户家庭收入影响最大。（4）家庭成员平均受教育年限家庭成员平均受教育年限对数形式（LnE）在第0.75个分位点上达到显著（10%的显著水平，且符号为正），在第0.25、0.50个分位点上均未达到显著。说明对于较低家庭收入和中等家庭收入的农户而言，受教育年限对其家庭收入的增加并没有太大的影响，而对于较高家庭收入的农户而言，受教育年限长的农户能够有效增加其家庭收入。家庭成员平均受教育年限对样本户家庭收入的影响呈上升趋势，随着分位点的增加（农户家庭收入的增加）家庭成员平均受教育年限对农户家庭收入的影响不断增加。因而，增加农户受教育年限能够增加农户的家庭收入。（5）转移性收入的影响转移性收入对数形式（LnT）在第0.25、0.50、0.75个分位点上均达到显著（均在1%的显著水平显著，且符号均为正）。说明无论是对于较高收入农户还是对于较低收入的农户，转移性收入始终对其家庭收入存在显著的正向影响，然而随着分位点的升高转移性收入对数形式影响系数逐渐下降（第0.25个分位点为0.070，第0.50个分位点为0.069，第0.75个分位点为0.056），即随着样本户家庭收入的不断增加，高转移性收入对农户家庭收入的影响逐渐削弱。对于低收入农户而言，转移性收入对其家庭收入存在较大的影响，随着农户家庭收入的增加，转移性收入对其家庭收入的影响在逐渐减小。因而，对于样本户而言，实行差别补助的方式有助于提高农户的家庭收入，一方面要增加低收入家庭农户的转移性收入，提高较低收入农户的家庭收入，另一方面要改变中等以上家庭收入农户的补助方式，实行以奖代补等方式，鼓励中等或较高家庭收入农户创业，带动较低收入农户致富，共奔小康。（6）家庭务工收入的影响务工收入对数形式（LnW）在第0.25、0.50、0.75个分位点上均达到显著（均在1%的显著水平显著，且符号均为正），说明无论是对于较高收入农户还是对于较低收入的农户，务工收入始终对其家庭收入存在显著的正向影响，然而随着分位点的升高，务工收入对数形式影响系数逐渐下降（第0.25个分位点为0.111，第0.50个分位点为0.060，第0.75个分位点为0.045），说明随着样本户家庭收入的不断增加，务工收入对农户家庭收入的影响逐渐削弱。从图6-2中也可以看出，务工收入对样本户家庭收入的影响呈下降趋势，即随着农户家庭收入的增加，务工收入对其家庭收入的影响逐渐下降。因此，对于样本户而言，应鼓励较低收入且缺少生产资源的农户外出务工，增加农户家庭收入，鼓励较高收入的农户回乡创业，增加移民示范村的整体收入。4.结论与发现本研究通过OLS回归方法对扩展后的样本户家庭收入模型进行估计，得到各种因素对农户家庭收入的影响，进而采用分位数回归方法对扩展后的农户家庭收入模型进行估计，并分析相关因素对农户家庭收入分位数的影响，最终发现：（1）随着农户家庭收入的增加，家庭劳动力数对其家庭收入的影响在逐渐减小；（2）土地面积对于较低家庭收入农户的家庭收入影响较大，对中高家庭收入农户的家庭收入影响不大；（3）家庭经营性支出对农户家庭收入的影响呈倒U形，对中等家庭收入的影响最大；（4）家庭成员平均受教育年限对中低家庭收入农户的影响不大，但能够提升较高家庭收入农户的家庭收入；（5）转移性收入对低收入农户存在较大的影响，对中高家庭收入农户的影响下降；（6）务工收入对低收入农户存在较大的影响，对中高家庭收入农户的影响下降。基于以上结论，提升样本户家庭收入的政策含义在于：（1）改变转移性收入方式，针对不同收入人群使用不同的补贴方式，农民观念相对落后，实行“以奖代补”的方式更能提高样本户家庭收入。（2）鼓励土地流转，培育种、养大户。一方面鼓励一部分较低收入农户外出务工，一部分思想先进的农户成为种、养大户；另一方面鼓励较高收入农户回乡创业，建设村级企业、农业专业合作社，发展村级特色产业链。（3）增加农民培训，提高农民素质。针对不同文化水平的农户进行不同技能的培训，培育新型农业经营主体，构建新型农业经营体系。（五）样本户创业意愿及影响因素分析党的十八大明确提出要着力促进农民增收，保持农民收入持续较快增长，发展多种形式规模经营，构建集约化，专业化、组织化、社会化相结合的新型农业经营体系。2015年中央一号文件再次突出强调着力构建新型农业经营体系，而农户创业是其重要组成部分。改革开放以来，我国农户创业活跃度迅猛提升。1992～2011年，农户创业人数从1744万人增加到3228万人，增长1484万人，增幅达85.09%，农户创业人数占农村就业人数比重从3.66%提高到7.97%，增长了1倍多。支持和鼓励农户创业政策已经成为增加农民收入，缩小城乡居民收入差距，实现农村剩余劳动力就业和推动城镇化的重要手段。对农户尤其是贫困户创业活动的内在规律进行研究，分析其作用机理和影响因素，为地方政府制定农户创业的支持政策提供依据，显得尤为必要[1]。以下对农户创业意愿及创业意愿影响因素进行分析，旨在寻找影响农户创业的主要因素，为提供鼓励农户创业的政策建议提供有效性、针对性和科学性的依据。1.变量的选取农民创业意愿受自身特征、心理收益、政策制度、成本等因素的影响，根据遵义市农村地区实际情况，本研究选取是否缺乏启动资金、信息不灵、缺乏技术、找不到好项目、不想冒险，家庭平均受教育年限，家庭劳动力数，家庭耕地面积，家庭总收入，家庭农业收入比重，转移性收入，当地治安环境，是否受到歧视，是否参加培训等十四项因素分析遵义市农户创业意愿。2.变量的定义与描述对选取的样本户创业意愿和影响农户创业意愿的因素进行定义，如表6-7所示。表6-7遵义样本农户创业意愿及其影响因素的定义变量定义（单位）愿意创业0=不愿意；1=愿意缺乏启动资金0=否；1=是信息不灵0=否；1=是缺乏技术0=否；1=是找不到好项目0=否；1=是不想冒险0=否；1=是家庭平均受教育年限2013年农户家庭实际平均受教育年限（年）家庭劳动力数2013年家庭劳动力数（个）家庭耕地面积2013年农户家庭实际耕地面积（亩）家庭总收入2013年农户家庭实际总收入（元）家庭农业收入比重2013年农业收入/家庭总收入转移性收入2013年农户家庭实际转移性收入（元）当地治安环境1=较差；2=差；3=中；4=好；5=较好是否受到歧视0=否；1=是是否参加培训0=否；1=是表6-7遵义样本农户创业意愿及其影响因素的定义在样本户创业意愿及其影响因素定义的基础上，对它们进行描述性统计（如表6-8所示）。表6-8遵义样本户创业意愿及其影响因素的描述统计变量样本量平均数最大值最小值标准差农民创业意愿6200.70100.46缺乏启动资金6200.8610.000.34信息不灵6200.49100.50缺乏技术6200.49100.50找不到好项目6200.32100.47不想冒险6200.10100.30家庭平均受教育年限6207.8211.461.07家庭劳动力数6203.19811.47家庭耕地面积6202.571502.41家庭总收入62024307.03130600100018534.43家庭农业收入比重6200.33100.33转移性收入6202650.563960002892.07当地治安环境6203.90511.01是否受到歧视6200.17100.38是否参加培训6200.28100.45表6-8遵义样本户创业意愿及其影响因素的描述统计可以看出，620个样本中农民创业意愿平均数为0.70，说明样本中有70%的农户愿意创业，30%的农户不愿意创业。样本户不愿意选择创业的影响因素中，缺乏启动资金的平均数为0.86，即大部分农户因为缺乏启动资金不愿意创业；信息不灵平均数为0.49，说明农村信息化建设还不够完善；缺乏技术平均数为0.49；找不到好项目平均数为0.32；不想冒险平均数为0.10；家庭平均受教育年限平均数为7.82，说明样本户家庭平均受教育年限仍不长，低于全国平均水平；样本户家庭劳动力数平均数为3.19；家庭平均耕地面积为2.57亩；家庭平均总收入为24307.03元；家庭农业收入比重为0.33，农业收入占比并不高；转移性收入平均值为2650.56元；当地治安环境评价的平均数为3.90，趋于好；样本户是否受到歧视平均数为0.17，即有17%的农户受到歧视；有28%的农户参加过培训，说明培训力度有待加大。3.模型构建为进一步分析样本户创业意愿的影响因素，需要构建计量模型深入分析。假设存在创业预期收入函数y*i，且y*i=g（d），实际观测变量为yi。则有：y*i=xiβ+ui其中，xi表示本研究选取的影响样本户创业意愿的各种因素，β表示各因素模型估计系数。那么，当y*i＞0时，实际观测变量yi=1，即样本户愿意创业；当y*i＜0时，实际观测变量yi=0，即样本户不愿意创业。由此，样本户愿意创业的概率为：p（yi=1|x）=p（y*i＞0|x）=p（ui＞-xiβ）=1-F（-xiβ）=F（xiβ）其中F是ui的累计分布函数，本研究令F为正态分布，即ui服从正态分布，则样本户愿意创业的概率可以进行如下转化：4.模型结果分析与发现在模型构建的基础上，运用Stata12对模型进行估计，获得估计结果如表6-9所示。表6-9遵义样本户创业意愿模型估计结果变量Coef.zP＞z缺乏启动资金-0.837*-1.9300.053信息不灵-1.656***-5.5800.000缺乏技术-0.739***-2.6800.007找不到好项目-0.658**-2.2400.025不想冒险-2.495***-5.9100.000家庭平均受教育年限0.0260.2100.836家庭劳动力数0.1351.3800.169家庭耕地面积0.230***3.8100.000家庭总收入0.000-0.6000.550家庭农业收入比重-3.762***-8.6000.000转移性收入0.000-0.6900.492当地治安环境0.415***2.8500.004是否受到歧视-1.510***-4.4500.000是否参加培训1.413***3.8600.000_cons2.366*1.9400.052Numberofobs620Prob＞chi20.000LRchi2（14）359.270PseudoR20.473***、**、*分别表示在1%、5%、10%的显著水平显著。表6-9遵义样本户创业意愿模型估计结果可以看出，各因素对样本户创业意愿的影响存在明显的差异，具体表现在以下几个方面。（1）缺乏启动资金的影响模型估计结果显示，缺乏启动资金变量在模型估计结果中达到显著（在10%的显著水平显著，且符号为负），说明缺乏启动资金是影响样本户创业意愿的主要因素之一，且越缺乏启动资金的农户越不愿意创业。因此，需要加快农村金融体系构建，多渠道、多方面解决农村融资难问题，保证样本户拥有创业启动资金。一方面要构造有适度竞争的农村金融体系，通过市场竞争机制，引导民间借贷，发挥民间借贷对正规金融体系的补充作用；另一方面也要允许农村民间金融组织合法地吸收社会资本和民间资金，拓宽农村储蓄转化为投资的渠道，满足区域经济的发展和农户创业资金的需求；同时还要加强社会信用制度的建设。（2）信息不灵的影响农民信息不灵变量在模型估计结果中达到显著（1%的显著水平，且符号为负），说明农民缺乏市场信息是样本户不愿意创业的主要因素之一，且缺乏启动资金、信息不灵通的农户更不愿意创业。因此，需要加快区域信息化建设步伐，保证想要创业的农民具有良好的信息条件。一方面要加强信息化网络平台建设，发展电信网、广电网等信息网络，既要加强以电视、电信、广播为主体的传统媒体的发展，同时也要加强农村互联网的发展，加快构建当地有质量的农业信息网站；另一方面要加快农业信息技术的推广速度，保证农村信息服务深入各家各户。（3）缺乏技术的影响缺乏技术变量在模型估计结果中达到显著（在1%的显著水平显著，且符号为负），说明缺乏技术是影响样本户创业意愿的主要因素之一，且越缺乏技术的农户越不愿意创业。因此，可以在国家大力培育新型职业农民的背景下，抓住机遇，加强新型农民创业技能及其他技能的培训。一方面解决农民创业技能培训的经费问题，大力开展农民创业脱贫培训，提升农民文化素质；另一方面要建立和完善劳动力市场服务体系，开发示范村农户就业创业发展平台，引导农户自主创业。（4）缺乏好项目的影响缺乏好项目变量在模型估计结果中达到显著（在1%的显著水平显著，且符号为负），说明缺乏好项目是影响样本户创业意愿的主要因素之一，且缺乏好项目使得农户不愿意创业。因此，区域应依据自身优势特色资源，指导农户开发良好的创业项目，如种植业的药材种植、水果种植、蔬菜种植等；农产品加工业的种植食用菌、精深加工等；养殖业的鱼、鸡、鸭、猪、牛、蝎子、黄鳝等养殖。（5）农户不想冒险的影响农户不想冒险变量在模型估计结果中达到显著（在1%的显著水平显著，且符号为负），说明农户自身不想冒险是影响样本户创业意愿的主要因素之一，且农户越不想冒险越不愿意创业。因此，需要加强引导农户，开展培训，提高其市场风险意识，改变农民落后的思想观念。（6）家庭耕地面积的影响家庭耕地面积变量在模型估计结果中达到显著（在1%的显著水平显著，且符号为正），说明农户家庭耕地面积是影响样本户创业意愿的主要因素之一。因此，需要鼓励样本户土地流转，培养一批规模大户，促进小康目标实现。一方面要规范区域土地流转的中介组织，拓宽农民就业渠道；另一方面，要解决区域土地流转问题，必须要健全社会保障体系，给予农民最低的养老保障、医疗保障以及生活保障等各方面的保障，从而消除农民对土地流转出去后没有生活和养老保障的顾虑。（7）家庭农业收入比重的影响家庭农业收入比重变量在模型估计结果中达到显著（在1%的显著水平显著，且符号为负），说明家庭农业收入比重是影响农户创业意愿的主要因素之一，且家庭农业收入比重越高的农户越不愿意创业。因此，要多方面拓宽区域农户就业渠道，使农民收入不仅仅局限在农业收入上。一方面，在积极做好农村劳动力技能培训工作的同时，努力做好创业就业服务工作；另一方面，可以根据市场需求和农民就业培训意愿，合理开设电工、花卉种植、蔬菜种植、中式烹饪、汽车驾驶、美容、美发、家禽饲养、营业员、客房服务员、计算机文字录入处理等培训科目，增强培训的针对性和实用性。（8）当地治安环境的影响当地治安环境变量在模型估计结果中达到显著（在1%的显著水平显著，且符号为正），说明农户当地治安环境是影响样本户创业意愿的主要因素之一，且治安环境越好农户越愿意创业。因此，要以扶贫开发、新农村与城乡一体化建设为契机，着力构建良好的农村社会治安环境，为农民提供良好的创业环境。一方面要以稳定生产、生活安全为基础，实现“乡风文明”，农民群众要破除迷信、移风易俗，反对陈旧落后的思想观念；另一方面要引导农民按规划建房、修道路、搞绿化、整治村组环境，做到“村容整洁”。最后，要实现“民主管理”，没有稳定的社会环境，民主就无法实现，那么何谈农民创业发展，何以实现小康目标。（9）是否受到歧视的影响是否受到歧视变量在模型估计结果中达到显著（在1%的显著水平显著，且符号为负），说明农民是否受到歧视是影响样本户创业愿意的主要因素之一，且越受到歧视的农户越不愿意创业。因此，要破除旧观念，做好村内民族团结、村组友好、邻里和睦、婆媳融洽、夫妻恩爱工作，才能使农户有更强的创业意愿。（10）是否参加培训的影响是否参加培训变量在模型估计结果中达到显著（在1%的显著水平显著，且符号为正），说明农户是否参加培训是影响样本户创业意愿的主要因素之一，且越是参加过培训的农户越愿意创业。因此，开展农民培训是提高农户创业意愿的重要途径。一方面要积极引导，加强农户创业技能培训，做好农户的技能培训工作；另一方面也要加强农村职业教育的发展，提高农民自身素质。总之，农民的文化水平高和思想观念先进在一定程度上是农户发家致富的根本原因。家庭平均受教育年限、家庭劳动力数、家庭总收入、转移性收入四个因素在模型估计结果中并不显著，即它们对农户创业意愿的影响不大，可能的原因是：一方面样本户整体受教育年限并不长，受教育水平对农户创业的影响并不能很好地体现；家庭劳动力数量能够提高家庭总收入，拥有较高的家庭总收入的农户可能并不想冒险创业，因为自己本身已经有了较高的收入，大多都觉得没有冒险的必要；另一方面转移性收入对农户创业意愿的影响不大，可能是由于农户的转移性收入能满足农户创业的资金需求，同时如果补贴资金给予一些思想观念落后、好吃懒做的农民反而会进一步助长农户坐等补助的心理，因此，建议农户转移性收入按“以奖代补”的方式给予农户，鼓励农户自主创业。三微观层面分析之二：罗霄山片区样本户家庭收入影响因素分析（一）样本数据来源研究数据来源于对罗霄山片区江西赣州地区石城县、瑞金市、兴国县、井冈山市、乐安县、永新县等6个县区210户贫困样本户所做的调研。（二）模型构建以C-D柯布-道格拉斯生产函数为基础，在C-D生产函数的基础上进行变换、改装。柯布-道格拉斯（Cobb-Douglas）生产函数原始模型的一般形式为：Y=F（L，K，S）=ALaKbSc两边取对数得到：lnYj=lnA+αlnLj+blnKj+clnSj式中，Yj表示第j个贫困家庭年末人均纯收入，Lj表示第j个贫困家庭经营劳动力投入，Kj表示第j个贫困家庭经营资金投入，Sj表示第j个贫困家庭耕地面积，lnYj表示第j个贫困家庭年末人均纯收入的对数形式；lnLj表示第j个贫困家庭劳动力数量的对数形式；lnKj表示第j个贫困家庭经营资金投入的对数形式；lnSj表示第j个贫困家庭耕地面积的对数形式；lnA为常数，参数α、b、c分别表示劳动力、资金、耕地面积对贫困家庭年末人均纯收入的弹性系数。（三）样本户家庭收入影响变量选取及描述1.因变量选择贫困家庭年末人均纯收入（不含补贴）作为模型的因变量。2.家庭特征家庭特征包括家庭劳动力占总人口的比重、家庭成员文化程度、务工人数占总人口的比重、上学人数占总人口的比重。假设1：家庭劳动力占总人口的比重与样本家庭年末人均纯收入呈正相关关系。家庭劳动力比重越大，劳动力一方面可以创造更多的财富，另一方面还可以自力更生，减少家庭的生活成本，但是劳动力增多家庭整体的生活消费也就增加了，假定个人人均消费小于人均收入，故劳动力比重增加可以提高移民家庭人均收入。假设2：样本家庭成员文化程度与家庭年末人均纯收入呈正相关关系。家庭成员受教育水平越高，家庭成员的素质、生产技能越高，可以获取的收入越高。假设3：务工人数占总人口的比重与样本家庭年末人均纯收入呈正相关关系。目前，随着城镇化程度的加剧，农村劳动力剩余人口也涌向城镇，务工收入成为其主要收入来源之一。假设4：上学人数占总人口的比重与样本家庭年末人均纯收入呈负相关关系。上学人数占总人口的比重越大，家庭用于教育的支出越高，收入也就越低。3.自然资源禀赋特征自然资源禀赋包括家庭人均耕地面积、山林面积、种植规模、养殖规模。假设5：人均耕地面积与样本家庭年末人均纯收入呈正相关关系。人均耕地面积越多，可耕作的田、地就越多，农业收入也就越多。假设6：山林面积与样本家庭年末人均纯收入呈正相关关系。山林面积越多，林业经营面积越大，林业收入就越高。假设7、假设8：种植规模、养殖规模与样本家庭年末人均纯收入呈正相关关系。4.生产特征生产特征包括生产道路交通方便程度、灌溉条件的便利程度以及是否使用机械。假设9、假设10：生产道路交通方便程度、灌溉条件的便利程度与样本家庭年末人均纯收入呈正相关关系。生产道路交通越不方便、灌溉条件越不便利，移民进行生产、灌溉所耗费的各项成本也就越高，收入就会越低。假设11：是否使用机械与样本家庭年末人均纯收入呈正相关关系。使用农业机械的家庭比未使用的效率更高，成本更节省，收入就更高。5.生活特征生活特征包括住房结构、是不是低保对象、出行常用的交通工具、在当地是否受到歧视、交通通信工具数量等。假设12：住房结构与样本家庭年末人均纯收入呈负相关关系。住房趋于砖混结构收入偏高，其次是砖木结构，简易结构最低。假设13：是不是低保对象与样本家庭年末人均纯收入呈正相关关系。假设14：出行常用交通工具与样本家庭年末人均纯收入呈正相关关系。假设15：交通通信工具数量与样本家庭年末人均纯收入呈正相关关系。数量越多，就代表家庭越有经济能力来承担这些工具所耗费的费用成本，因此，收入越高。6.创业就业情况创业就业情况包括从事非农产业的人数。假设16：从事非农产业的人数与样本家庭年末人均纯收入呈正相关关系。非农产业能够利用产业效应来带动就业、收入的增加，故从事非农产业的要比没有从事非农产业的收入高，从事的人数越多，收入就越高。以上变量的描述性统计分析及预期方向如表6-10所示。表6-10江西样本户家庭收入各影响变量的描述性统计分析及预期方向变量均值中值最大值最小值标准差预期方向Y7.9447.9378.2607.6000.197X10.6870.7100.26+X27.7637.251531.721+X30.15501.33300.259+X40.2030.20.71400.217-X50.4590.111500.868+X60.02400.900.127+X71.80302003.247+X810.8480202032.01+X92.052320.22+X102.0252410.391+X110.0370100.192+X121.0881210.285-X130.0250100.158+X141.7842401.277+X155.73451822.872+X161.622601.579+表6-10江西样本户家庭收入各影响变量的描述性统计分析及预期方向（四）样本户家庭收入影响因素分析先采用SPSS17.0软件运用Z-score标准化法对原始变量进行标准化处理，采用Eviews5.0软件进行第一次回归分析。表6-11江西样本户家庭收入影响因素回归分析结果变量CoefficientStd.Errort-StatisticProb.X10.065965***0.0600310.8822970.0001X20.081806**0.116765-0.1867490.0105X30.052431*0.036728-0.0551230.0512X4-0.0688010.0381540.2112640.6425X50.066910*0.034687-1.9289490.0584X6-0.1339510.238575-0.5614630.5765X70.0439630.0341471.2874710.2028X8-0.0063520.017365-0.3658150.7158X90.046984**0.140235-0.6806910.0387X10-0.0296210.074973-0.3950850.6942X110.1786150.1378061.2961340.1998X12-0.0345960.081575-0.4241000.6730X130.0169130.0686540.2463490.8062X140.0621790.0203093.0616260.8733X150.144088***0.053534-2.6915170.0092X160.000867***0.045626-0.0190030.0049C8.382245***0.39003221.491180.0000R20.286032AdjustedR20.287057F-statistic1.437530Prob（F-statistic）0.000906*、**、***分别表示在10%、5%、1%的检验水平下显著。表6-11江西样本户家庭收入影响因素回归分析结果可以发现，在所有因素变量中，X1（劳动力数量占总人口的比重）、X2（样本家庭成员文化程度）、X3（务工人数占总人口的比重）、X5（人均耕地面积）、X9（生产道路交通方便程度）、X15（交通通信工具数量）、X16（从事非农产业人数）分别在1%、5%、10%、10%、5%、1%、1%的检验水平下显著，对样本家庭收入有着显著的影响。为了验证影响因素的稳健性，再把上面显著影响因素进行第二次回归分析，得出的结果仍然具有显著性。表6-12江西样本户家庭收入影响变量第二次回归分析结果变量CoefficientStd.Errort-StatisticProb.X10.076543***0.0734520.9978340.0003X20.079803*0.138973-0.2039780.0506X30.097834**0.067283-0.1002340.0348X50.037081***0.028312-1.3097630.0043X90.057853**0.256734-0.7968310.0178X150.128495***0.046298-2.7753710.0070X160.001748***0.0396210.0441260.0049C8.032459***0.073458109.34710.0000R20.186353000AdjustedR20.142372F-statistic4.237139Prob（F-statistic）0.003833*、**、***分别表示在10%、5%、1%的检验水平下显著。表6-12江西样本户家庭收入影响变量第二次回归分析结果通过第二次回归分析，X1（劳动力数量占总人口的比重）、X2（样本家庭成员文化程度）、X3（务工人数占总人口的比重）、X5（人均耕地面积）、X9（生产道路交通方便程度）、X15（交通通信工具数量）、X16（从事非农产业人数）分别在1%、10%、5%、1%、5%、1%、1%的检验水平下显著。经过两次的回归分析可以发现，在第一次回归分析显著的因素：X1（劳动力数量占总人口的比重）、X2（家庭成员文化程度）、X3（务工人数占总人口的比重）、X5（人均耕地面积）、X9（生产道路交通方便程度）、X15（交通通信工具数量）、X16（从事非农产业人数）在第二次回归分析中仍然显著，由此可见，这些因素对家庭收入有着显著的影响。（1）X1（劳动力数量占总人口的比重）对样本家庭人均纯收入有着正向影响，即在其他条件不变的情况下，劳动力数量占总人口的比重每增加1%，家庭人均纯收入就增加0.077%。劳动力是农户的基本生产资料之一。调查样本区域中农村劳动力都外出务工，家庭留守人员生产经营能力相对较弱，在这种情况下，青壮年劳动力的作用凸显，家庭每增加1%的劳动力，收入就会增加0.077%。（2）X2（家庭成员文化程度）对家庭人均纯收入有着正向影响，即在其他条件不变的情况下，文化程度每增加1%，家庭人均纯收入就增加0.080%。文化程度越高，接受、使用生产经营新技术的能力也越强，经营效率也就越高，收入就会增加。（3）X3（务工人数占总人口的比重）对样本家庭人均纯收入有着正向影响，即在其他条件不变的情况下，务工人数占总人口的比重每增加1%，家庭人均纯收入就增加0.098%，且务工收入越多，家庭收入越高。（4）X5（人均耕地面积）对样本家庭人均纯收入有着正向影响，即在其他条件不变的情况下，人均耕地面积每增加1%，家庭人均纯收入就增加0.037%。耕地是家庭的主要生产资料，一般而言，耕地的增加导致生产资料的增加，大大提高了农户生产的积极性，自然而然家庭收入也会增加。但是就目前调研对象而言，贫困户所在村人均耕地较少，增加人均耕地的可能性较小，因此，把提高收入的视角转向耕地的经营方面，要求耕地经营方式从粗放向集约化、规模化转变，尽量减少耕地的抛荒，在条件适合的情况下可以流转，以提高收入。（5）X9（生产道路交通方便程度）对样本家庭人均纯收入有着正向影响，即在其他条件不变的情况下，生产道路交通方便程度每增加1%，家庭人均纯收入就增加0.058%。道路越便利，生产消耗的时间、成本越降低，积极性也就越高。（6）X15（交通通信工具数量）对样本家庭人均纯收入有着正向影响，即在其他条件不变的情况下，交通通信工具数量每增加1%，家庭人均纯收入就增加0.128%。交通通信工具数量越多，与外界交流越多，家庭所了解的各种社会信息就越丰富，信息交流的渠道就越畅通，收集各种致富手段的信息就越全，增收可能性就越大；相反，交通通信数量少，各种消息闭塞，信息不流通，致富可能性就小。（7）X16（从事非农产业人数）对样本家庭人均纯收入有着正向影响，即在其他条件不变的情况下，从事非农产业人数每增加1%，家庭人均纯收入就增加0.002%。从事非农产业人数代表的是贫困农户非农产业经营情况，非农产业收入是样本家庭收入来源之一，目前大多数样本家庭依靠非农产业脱贫致富。非农产业收益高，传统农业收益低，移民生计趋于非农化，能够促进收入的增加。与假设不一致的变量及原因分析如下。（1）X7（种植规模）、X8（养殖规模）对人均纯收入没有影响。据调查，样本区域种、养殖业相对较多，有养牛、羊，种大棚蔬菜、辣椒等，销路很好，但是他们一般没有形成统一的规模，而且种养结构较为单一，除去日常的经营开支、场地费、雇工费等，所剩无几，对移民收入的增加无济于事。（2）X11（是否使用机械）对人均纯收入增加没有影响。据调查，样本户使用机械生产作业的相当少，只有少数几个贫困户有机械，是否使用机械对收入影响不大。（3）X13（是否享受低保）对人均纯收入增加没有影响。主要是因为低保资金数额较小，每人每年550元，且分季度发放，不能体现资金的规模效用。同时，低保资金对贫困户收入的影响具有阶段性特征，在不同的时间段和不同的人群具有不同的特点。样本家庭收入相对单一，低保资金影响较小，且对于农村低收入人群，低保资金能显著增加农户收入。但对于收入高的农户，低保资金对收入有一定的影响，但影响度相对于其他收入的大幅增加而较小。基于以上结论，政策含义在于：（1）改变贫困户转移性收入方式，针对不同收入人群（低收入现金补助，中高收入差别补助，以奖代补），以及其所从事的产业（依据产业性质、水平与规模）使用不同的补贴方式，贫困农户观念相对落后，实行“以奖代补”的方式更能提高家庭收入。（2）鼓励土地流转，培育种、养大户。一方面鼓励一部分收入较低的农户外出务工，一部分思想先进的农户成为种、养大户；另一方面鼓励收入较高的农户回乡创业（更新观念、政策引领），建设农业企业、农业专业合作社，发展村级特色产业链。（3）强化培训，提高素质。针对不同文化水平的农户进行不同技能的培训，增加其发展的内生动力，提高其综合素质和市场竞争能力，促进其收入增加。四脱贫人口返贫风险防范与生计可持续发展受到农村发展资源与环境、脱贫人口的市场适应能力与生计可持续能力等因素的综合影响，农村有相当部分的脱贫人口又重新陷入贫困。有学者做过统计，中国农村脱贫返贫率最高可达30%[2]，且随着贫困标准的提高返贫率逐步上升；“每年的贫困人口中约有三分之二在下一年会脱贫，同样下一年的贫困人口约有三分之二是新返贫的人口”[3]，脱贫人口返贫问题严重影响到扶贫开发工作进程和贫困人口福祉。采取有效措施治理农村返贫现象，使脱贫后又返贫的这个特殊群体脱贫致富，对巩固扶贫开发成果，全面建成小康社会，具有十分重要的理论价值和实践意义。（一）脱贫人口返贫风险分析框架图6-3脱贫人口返贫风险与生计空间重构分析框架围绕脱贫人口返贫问题，国内外学者基本上从两个视角展开探讨：一是先期预防。基于致贫因素的多维，可以从自然条件、贫困人口生计资产、社会发展环境、政策扶持等方面调整和改善，同时在贫困人口脱贫攻坚的过程中注重扶贫方式效用的可持续发挥，实现贫困人口减贫并消减其返贫风险。二是返贫治理。针对脱贫人口返贫现象，依据其返贫的区域性、频发性、个体性、危害性等特征，探寻基础设施薄弱、社会保障缺失、生活观念落后、劳动技能不强等影响因素，并有针对性地提出治理策略。结合两种研究范式，综合当前研究中有关贫困生计脆弱性、多维贫困等影响因素分析结论，可将脱贫人口返贫风险防范按照扶贫开发“业务流程再造”视角进行归纳，明确其现象表现和作用机制，进而服务于脱贫人口返贫治理策略的提出。业务流程再造是对传统扶贫开发工作流程的重新审视，将扶贫开发视为贫困人口减贫脱贫的促动和激励机制，脱贫目标的实现需要多元主体参与“政府为主导、农户为主体、社会参与、部门协同、区域协调、政策整合、市场驱动”的社会化扶贫格局构建，依据“利益及责任”原则，“倒逼”各扶贫主体对于贫困人口采取可能的减贫脱贫方式，也就为脱贫人口返贫风险分析提供了框架。1.政府导向：政策性返贫政策性返贫主要是基于政府政策原因引发脱贫人口生计风险现象，主要表现为社会性政策返贫、环境性政策返贫。社会性政策返贫主要体现在社会管理领域。基础设施建设方面，扶贫开发过程中对于农水、交通、电力、职教培训、医疗卫生等基础设施建设的帮扶在贫困人口脱贫之后可能不再持续，这使得脱贫人口发展乏力；发展方式转变方面，区域社会经济发展中没有形成良好的“行政—市场”结合式的发展秩序，脱贫人口可能由于技能、知识等原因被信息化社会下的新型发展方式所排斥；社会保障方面，贫困地区公共服务提供水平不高，社会保障覆盖面不宽、社会保障深度不够、保险市场发育程度较低等，致使部分脱贫人口在遇到天灾人祸风险时，难以有效应对而再度陷入贫困；区际协调方面，扶贫开发重视扶贫资源的优化配置，尤其考虑贫困人口生计空间的重构，传统行政区划可能成为发展要素的流动障碍，造成贫困人口发展中的资源约束与行为约束等；宏观社会政策方面，如2015年“全面二孩”政策、城乡一体化中“市民化”发展政策等，均会对脱贫人口的发展产生影响，如果对于政策风险认识不足，也可能出现“因育返贫”、“农民市民化返贫”等现象。环境性政策返贫在自然环境领域与社会环境领域均有体现。自然环境政策性返贫方面，“贫困人口赖以生存和发展的自然环境条件一般比较恶劣”是扶贫业界共识，脱贫人口赖以发展的贫瘠资源如果受限于“退耕还林”、“退耕还草”、“水源区保护”、“降低碳排放”等生态保护政策约束，物价上涨和补贴降低双重因素影响致使部分脱贫人口出现返贫，同时如果出现生态移民，移民过程中的生计损失与随之而来的生计风险更是不可忽视。社会环境政