王 恒 朱玉春

(1.西安外国语大学 经济金融学院，西安 710128;2.西北农林科技大学 经济管理学院，陕西 杨凌 712100)

消除贫困，改善民生，实现共同富裕，是中国社会主义制度的本质要求和经济发展的重要目标，也是实施乡村振兴战略和全面建成小康社会的前提条件[1]。改革开放以来，中国农村居民收入水平持续提高，贫困人口累计减少7.65亿[2]，特别是党的十八大以来，党中央把精准扶贫作为治国理政的基本方略，2012—2019年，农村贫困人口从9 899万减少到551万，贫困发生率由10.2%降到0.6%[2]，脱贫攻坚工作取得了历史性成就。秦巴山区是集革命老区、大型水库库区和自然灾害易发多发区等为一体的连片特困地区之一[3]，因病、因学、因残等致贫返贫问题突出，新时期贫困特点更加复杂多样，教育、健康和生活条件等福利的被剥夺已经成为农户贫困的主要表现形式[3]，从多维福利视角更能精确地反映农村的真实贫困状态。

农村剩余劳动力外出务工是中国的普遍现象，非农就业逐渐成为贫困人口摆脱贫困的重要手段[4]。劳动力流动促进了产业结构调整和资源的优化配置，使农民工获取较高收入，提升家庭生活福利，有助于降低贫困发生率。由各种社会关系网络构成的社会资本是维持农村社会运转和利益协调的一种非正式制度，也是信息分享和资源配置的一种重要的替代机制，对农村社会发展和缓减贫困具有重要作用[5]，一方面农户通过与外界的沟通与交流，促进信息和资源共享，获取更多就业信息和机会，提高收入水平，增强家庭应对各种风险冲击的能力；另一方面能够对农户健康、教育和生活条件等多维福利产生积极作用，减缓农户贫困发生[6]。因此，积极发挥社会资本的非正式作用，有效促进劳动力流动，可以提高农户收入水平，改善家庭福利状况，使其避免陷入贫困陷阱。

基于以上分析，本研究构建了“社会资本—劳动力流动—农户多维贫困”的中介效应模型，基于秦巴山区农户微观调查数据，实证分析社会资本对农户多维贫困的影响以及在劳动力流动中介作用下社会资本对农户多维贫困的影响机理，据此提出具有针对性的政策建议，旨在为制定新时期精准扶贫政策和实施乡村振兴战略提供现实参考与决策依据。

1 研究假设与理论框架

1.1 社会资本对农户多维贫困的影响

社会资本作为农村地区一种不可或缺的非正式制度，是基于亲缘、血缘和地缘的人情关系网络，当农户遇到风险冲击时，能够提供非正式保障作用[7]，使其摆脱风险冲击。农户社会网络规模越大，参与公共活动的频率越高，农户家庭福利就越高，陷入贫困的概率就会越低[8]，史恒通等[9]研究也表明社会资本可以有效减缓农户多维贫困的发生。基于以上研究，提出以下假设：

H1：社会资本对农户多维贫困有负向影响；

H1a：社会网络对农户多维贫困有负向影响；

H1b：社会信任对农户多维贫困有负向影响；

H1c：社会声望对农户多维贫困有负向影响；

H1 d：社会参与对农户多维贫困有负向影响。

1.2 社会资本对劳动力流动的影响

社会资本在不健全的劳动力市场机制下发挥了重要作用，对农户外出务工决策产生影响[10]。社会资本存量丰富的农户与外界交往和互动的频率越高，获取就业信息和搜寻工作的成本更低，进而降低信息不对称[11]，有利于提升农户就业机会和概率[7]，提高家庭收入，缩小收入差距，使部分农户迁移去城镇，改善家庭生活[12]。研究表明，社会资本是农村社区成员之间沟通的桥梁与纽带，使外出劳动者建立信任、互惠和互助的人际网络关系，在传递劳动力市场信息方面起重要作用[13]，有助于非农就业和劳动力转移。由此，提出以下假设：

H2：社会资本对农户劳动力流动有正向影响；

H2a：社会网络对农户劳动力流动有正向影响；

H2b：社会信任对农户劳动力流动有正向影响；

H2c：社会声望对农户劳动力流动有正向影响；

H2d：社会参与对农户劳动力流动有正向影响。

1.3 劳动力流动对农户多维贫困的影响

国内外学者关于劳动力流动与贫困的研究较为丰富，发现非农就业会降低农户家庭未来贫困发生的可能性[14]，有助于降低农业损失风险而带来的贫困脆弱性。农村劳动力流动可以提高农户家庭收入和消费水平，改善家庭福利状况，降低贫困发生率[15]，缓解农村相对贫困。研究表明，劳动力流动对于提升贫困家庭风险抵抗能力和改善家庭经济状况具有积极作用。由此，提出以下假设：

H3：劳动力流动对农户多维贫困有负向影响。

1.4 劳动力流动在社会资本影响农户多维贫困中具有中介效应

社会资本可以有效促进农户家庭劳动力的非农就业，增加居民收入与消费水平，改善家庭福利，缓解农户贫困状况[16]。车四方等[17]研究表明社会资本数量越多，质量越高，农民工越有可能获取高工资，降低贫困发生率。社会资本促进农户之间建立信任、互惠和共享信息，降低农户搜寻工作的成本和代价，有助于提升农户家庭劳动力外出务工的机会，提高农户家庭收入水平，进而达到减缓农户多维贫困的目的。由此，提出以下假设：

H4：劳动力流动在社会资本影响农户多维贫困中具有中介效应；

H4a：劳动力流动在社会网络影响农户多维贫困中具有中介效应；

H4b：劳动力流动在社会信任影响农户多维贫困中具有中介效应；

H4c：劳动力流动在社会声望影响农户多维贫困中具有中介效应；

H4 d：劳动力流动在社会参与影响农户多维贫困中具有中介效应。

1.5 关系理论模型

构建了“社会资本—劳动力流动—农户多维贫困”的中介效应模型，如图1所示。

图1 理论模型Fig.1 Theoretical model

2 研究设计

2.1 数据来源

研究数据来源于课题组2017年9～11月期间对秦巴山区陕西、甘肃和四川3省7县的农户实地调查。调查采用分层随机抽样与简单随机抽样相结合的方式，调查方式以一对一问卷调查方式为主，结合半结构化访谈形式进行，每个县选取3～4个镇，每个镇选取3～4个村，每个村随机抽取10～20个农户，剔除无效样本后得到有效问卷646份。

2.2 农户多维贫困测度

2.2.1多维贫困指标体系构建

多维贫困是指人们缺乏或丧失了改变其生存状况、抵御各种风险和获取经济收益的可行能力，即在受教育、营养、生活质量、住房和医疗等福利的能力或机会被剥夺[18]。借鉴Alkire等[19]和联合国开发计划署(UNPD)[20]的多维贫困指数分析框架，结合数据可获取性，选取收入、教育、健康和生活水平4个维度的10个指标对农户多维贫困进行综合测度。借鉴王恒等[3]相关研究，选取常用的等权重方法，即4个维度权重均为1/4。具体如表1所示。

2.2.2测量方法

根据国际通行标准，若个体被剥夺指标k≥3时，则该个体处于多维贫困状态，计算公式如下：

多维贫困发生率H：

H=q/n

(1)

多维贫困强度指数A：

(2)

多维贫困指数MPI：

MPI=H×A

(3)

多维贫困指数贡献率：

(4)

式中：q为处于多维贫困样本数量；n为总样本数，i表示农户家庭；Ci(k)为临界值为k时，多维贫困人口被剥夺分值经过加权的总数量。H为多维贫困发生率，A为多维贫困强度指数，MPI为多维贫困指数。wi表示指标权重值，qi表示在多维贫困情况下i指标的贫困发生率，C表示各指标对多维贫困的贡献率。

表1 多维贫困指标及贫困界定标准Table 1 Multi-dimensional poverty indicators and poverty definition standards

2.2.3农户单维贫困测度

秦巴山区农户主要在厕所类型、做饭燃料、受教育年限和适龄儿童入学4个指标的贫困发生率较高，分别为95.2%、89.9%、87.9%和74.4%(见表2)。

2.2.4农户多维贫困测度

随着k值的增加，农户多维贫困发生率和多维贫困指数均逐渐下降，多维贫困强度指数逐渐增加。当k=3时，农户家庭多维贫困发生率为93.0%，多维贫困现象严重(见表3)。

2.3 变量选取

1)因变量。因变量为农户多维贫困，以k=3为界定标准，若k≥3，赋值1；否则，赋值0。

2)自变量。核心自变量为社会资本，借鉴丁冬等[8]、史恒通等[9]相关学者研究，对社会资本变量进行因子分析，通过主成分分析法提取出4个公因子，分别命名为社会网络、社会信任、社会声望和社会参与维度，累计方差贡献率为74.232%，通过各因子的方差贡献率占累计方差贡献率比重为各因子的分权重，计算农户社会资本总指标数值。

3)中介变量。中介变量为劳动力流动，若农户家庭有劳动力流动现象，赋值1，否则，赋值0。

4)控制变量。考虑其他可能会对实证结果产生影响的变量，控制了户主特征、家庭层面和村庄层面变量。如表4所示。

2.4 信度和效度检验

采用SPSS 20.0软件对社会资本各变量做因子分析。信度分析结果显示克朗巴哈系数(Cronbach’s α)为0.805，各哑变量因子载荷值均大于0.65，表明变量测度具有较好的信度。效度分析结果显示KMO值为0.768，Bartlett球形检验的近似卡方值为3 986.24(P=0.000)，说明选取指标适合作因子分析，数据样本具有良好的信度和效度。

2.5 模型构建

研究参考刘红云等[21]的中介效应检验程序，建立Logistic回归模型如下：

观察图2可知，优化方案总定价没有明显增长，保证了企业的长久发展；优化方案任务完成比例和定价效率有所提升；会员满意度和可持续参与性有所提升，表示定价方案具有长久发展的潜力。综合上述分析，优化任务定价方案实施效果优于原方案。

表2 农户单维贫困发生率Table 2 Incidence of single-dimensional poverty among rural households

表3 农户多维贫困程度Table 3 Multi-dimensional poverty levels of rural households

Y′=i1+cX+e1

(5)

Y″=i2+c′X+bM+eY

(6)

M=i3+aX+eM

(7)

(8)

(9)

式中：X为社会资本；Y′为农户多维贫困；Y″为加入劳动力流动后的农户多维贫困；M为劳动力流动；c为X对Y′的直接影响；e1为残差项；a为X对M的影响；b为M对Y″的影响；c′为加入中介变量M后X对Y″的影响；eM和eY分别为M变量和Y″变量的残差。

借鉴Mackinnon等[22]相关研究，中介效应公式如下：

bstd=b·SD(M)/SD(Y″)

(10)

cstd=c·SD(X)/SD(Y′)

(11)

c′std=c′·SD(X)/SD(Y″)

(12)

表4 主要解释变量的描述性统计Table 4 Descriptive statistics of the main explanatory variables

式中：bstd、cstd、c′std分别表示由以Logit为单位的系数转换而来的标准化系数。利用样本农户的原始数据计算得出SD(M)和SD(X)，公式如下：

(13)

(14)

式中：π2/3为标准Logistic分布的方差，将式(13)和(14)代入到式(10)～(12)中，计算出标准化回归系数，得到中介效应大小及占比。

3 实证检验与结果分析

3.1 社会资本对农户多维贫困的影响检验

根据表5模型(1)可知，社会资本每提升1单位，农户陷入多维贫困的概率在1%的统计水平上显著降低9.3%。根据模型(2)和(3)可知，社会网络和社会参与每提升1单位，农户陷入多维贫困的概率在1%的统计水平上分别显著降低4.1%和3.1%，社会信任和社会声望对农户多维贫困无显著影响。控制变量中，各指标对农户多维贫困有不同程度的影响。社会资本提升可以有效减缓农户多维贫困。可能原因是：农户社会资本可以减少交易成本，社会网络和社会参与通过促进亲友间相互合作，提高整体效率；但秦巴山区整体贫困程度深，农户之间在受教育程度、经济状况和社会地位等方面差异较小，社会信任和农户自身的地位及声望并不能给其带来实质性的帮助，对改善农户贫困状况效果甚微。综上，假设H1、H1a、H1c、H1d得到证实，H1b未得到证实。

表5 社会资本对农户多维贫困的影响Table 5 The impact of social capital on rural households’ multi-dimensional poverty

3.2 社会资本对劳动力流动的影响检验

根据表6模型(6)可知，社会资本每提升1单位，农户家庭劳动力流动的概率在1%的统计水平上显著提高47.1%。由模型(7)～(9)可知，社会网络、社会信任和社会声望每提升1单位，农户家庭劳动力流动的概率分别在1%的统计水平上显著提高26.0%、4.9%和6.9%。根据模型(10)可知，农户社会参与每提升1单位，农户家庭劳动力流动的概率在10%的统计水平上显著提高3.5%。综上可知，社会资本和社会资本各维度均对农户家庭劳动力流动有显著正向影响，社会资本的提升有助于促进劳动力流动。可能原因是：社会资本作为农村成员之间沟通的桥梁与纽带，促使外出劳动者建立信任和互助的人际网络关系，会对其信息交换和资源获取等产生较大帮助，提高外出务工概率和工资收入水平，进而改善农户家庭生活状况。综上，假设H2、H2a、H2b、H2c、H2d得到证实。

表6 社会资本对劳动力流动的影响Table 6 Impact of social capital on labor mobility

3.3 劳动力流动对农户多维贫困的影响检验

表7模型(11)表示中介变量劳动力流动对农户多维贫困的影响，劳动力流动比例每提升1单位，农户陷入多维贫困的概率在1%的统计水平上显著降低11.3%，表明非农就业可以改善显著农户家庭福利状况，降低农村收入不平等和缓解农户贫困。可能原因是：对于秦巴山区农户而言，通过家庭劳动力外出务工使农户获得更高的劳动报酬，提升农户家庭的风险抵御能力，减缓农户多维贫困的发生。综上，H3得到证实。

表7 劳动力流动对农户多维贫困的影响Table 7 Impact of labor mobility on rural households’ multi-dimensional poverty

3.4 劳动力流动的中介效应分析

3.4.1社会资本—劳动力流动—农户多维贫困

3.4.2社会网络—劳动力流动—农户多维贫困

根据表5模型(2)可知，在未加入劳动力流动时，社会网络在1%的统计水平上对农户多维贫困有显著负向影响。根据表8模型(13)可知，加入劳动力流动后，社会网络和劳动力流动分别在1%和5%的统计水平上对农户多维贫困有显著负向影响，系数与加入劳动力流动之前相比有所下降。根据表6模型(7)可知，社会网络对农户家庭劳动力流动有显著正向影响。由中介效应分析流程可知，社会网络通过促进劳动力流动减缓农户多维贫困的发生。根据表9可知，分析结果通过了相关检验。可能原因是：社会网络作为农户维系人情关系的重要途径，农户与外界交往和互动次数越多，给农户带来信息、资源和帮助就越多，进而促进农户非农就业，缓解农户多维贫困状况。因此，劳动力流动在社会网络影响农户多维贫困的过程中存在负向部分中介效应，H4a得到证实。

3.4.3社会信任—劳动力流动—农户多维贫困

根据表5模型(3)可知，在未加入劳动力流动时，社会信任对农户多维贫困无显著影响。由表8模型(14)可知，加入劳动力流动后，社会信任对农户多维贫困无显著影响，劳动力流动在1%的统计水平上对农户多维贫困有显著负向影响。根据表6模型(8)可知，社会信任对农户劳动力流动有显著正向影响。根据表9可知，社会信任促进农户劳动力流动，使农户获得非农就业工作，减缓多维贫困发生。可能原因是：秦巴山区农村由于其地域限制和封闭性等原因，村庄内部长期重复交易建立起了牢固的信任机制，亲朋好友、组织成员之间相互信任有助于个体进行信息交换和共享，使农户有更多就业机会和渠道。因此，劳动力流动在社会信任影响农户多维贫困的过程中存在负向部分中介效应，H4b得到证实。

3.4.4社会声望—劳动力流动—农户多维贫困

根据表5模型(4)可知，在未加入劳动力流动时，社会声望对农户多维贫困有负向影响，但不显著。根据表8模型(15)可知，加入劳动力流动后，社会声望对农户多维贫困无显著影响，劳动力流动在1%的统计水平上对农户多维贫困有显著负向影响。由表6模型(9)可知，社会声望对农户劳动力流动有显著正向影响。根据表9可知，社会声望促进农户家庭劳动力流动，进而减缓多维贫困的发生。可能原因是：部分农户所控制和掌握的社会资源质量和数量比一般农户相对较高，社会地位可能较高，会获取更多地信息和就业机会，降低农户陷入贫困的概率。因此，劳动力流动在社会声望影响农户多维贫困的过程中存在负向部分中介效应，H4c得到证实。

3.4.5社会参与—劳动力流动—农户多维贫困

根据表5模型(5)可知，在未加入劳动力流动时，社会参与在1%的统计水平上对农户多维贫困有显著负向影响。根据表8模型(16)可知，加入劳动力流动后，社会参与和劳动力流动均在1%的统计水平上对农户多维贫困有显著负向影响。根据表6 模型(10)可知，社会参与对农户劳动力流动具有显著的正向影响。社会参与通过影响农户家庭劳动力流动，进而减缓农户多维贫困。根据表9可知，实证结果通过了相关检验。可能原因是：农户越是积极参加到村庄各种群体活动中，掌握和拥有资源的机会就会越多，有助于劳动力流动，使农户避免风险冲击。因此，劳动力流动在社会参与影响农户多维贫困的过程中存在负向部分中介效应，H4 d得到证实。

表8 社会资本、劳动力流动对农户多维贫困的影响Table 8 The impact of social capital and labor mobility on rural households’ multi-dimensional poverty

表9 中介效应的检验结果Table 9 Test results of mediation effect

3.5 中介变量的内生性检验

借鉴车四方等[17]、王恒等[23]学者相关研究，利用含内生变量的IV-Probit模型对中介变量劳动力流动的内生性进行检验，选取除被访农户外同村其他农户的平均劳动力流动情况作为内生性检验的工具变量，原因在于同一村庄不同农户的社会地位和经济情况等相近，村庄内被访农户的劳动力流动情况与同村其他农户的劳动力流动并不直接相关，可以认为是外生变量，满足工具变量选取条件。表10模型(17)和(21)的Wald模型检验结果接受了“劳动力流动为外生解释变量”的原假设，并且IV-Probit的估计结果与表8模型(12)和(16)估计结果基本保持一致；表10模型(18)～(20)的Wald模型检验结果表明，虽然Wald检验分别在10%的统计水平下拒绝了“劳动力流动为外生解释变量”的原假设，但IV-Probit模型估计结果与基准模型基本保持一致，表10核心自变量估计系数的显著性及影响方向与基准模型基本保持一致。表明基准模型的内生性偏误并不严重，在因果分析和中介效应机制检验层面，排除内生性偏误后，劳动力流动仍会显著降低农户收入贫困和农户多维贫困发生的概率，因此，基准模型结论依然成立。

3.6 稳健性检验

为了检验模型结果的稳健性，采用四维贫困作为被解释变量。对比表11模型(22)～(26)与(12)～(16)可知，自变量和中介变量的估计结果在大小、显著性及影响方向上面基本一致，表明劳动力流动仍对农户多维贫困有显著负向影响；控制变量的估计结果在大小、显著性及影响方向上面也基本一致。综上，社会资本和劳动力流动具有明显的减贫效应，农户通过其自身的社会网络关系，促进劳动力流动，使农户获取更多非农工资收入，改善农户家庭福利，使其摆脱贫困状态。总体来看，表8模型(12)～(16)的估计结果具有稳健性，模型设计合理。

4 研究结论与政策启示

4.1 研究结论

本研究基于秦巴山区的农户微观数据，构建了“社会资本—劳动力流动—农户多维贫困”的中介效应模型。主要结论如下：

1)秦巴山区农户多维贫困现象严重。农户在教育、健康和生活水平维度均存在不同程度的贫困现象，主要在厕所类型、做饭燃料、受教育年限和疾病4个指标的贫困发生率较高，贫困发生率分别为95.2%、89.9%、87.9%和70.4%；当k=3时，农户家庭多维贫困发生率高达93.0%，农户多维福利被剥夺现象严重。

2)劳动力流动在社会资本影响农户多维贫困的关系中具有中介效应。社会资本、社会网络和社会参与对农户多维贫困有显著负向影响，表明社会资本具有明显的减贫效应。社会资本与社会资本各维度均对农户劳动力流动有显著正向影响，社会资本的提升有助于促进农户家庭劳动力流动，农户通过亲朋好友之间的信任、网络和联系等可以显著提升其就业机会。劳动力流动可以显著降低农户多维贫困发生的概率。劳动力流动在社会网络、社会信任、社会声望和社会参与影响农户多维贫困的过程中均存在负向部分中介效应，表明劳动力流动在社会资本影响农户多维贫困过程中存在中介效应。农户通过自身的社会资本提高非农就业机会，改善家庭生活福利，达到降低减缓多维贫困的作用。

表10 内生性检验结果Table 10 Endogenous test results

4.2 政策启示

1)改善农户多维福利水平。在乡村振兴战略背景下，应该进一步完善秦巴山区贫困地区基础设施建设，着力提升农村基本公共服务水平，重点改善农户人居生活环境，加快推进“厕所工程”项目。在有条件的地区推广和鼓励清洁能源、天然气和电的使用，降低生活污染和环境污染，加快实施安全饮用水巩固提升工程[3]。促进教育资源均等化，避免儿童因贫失学辍学，阻断贫困的代际传递[3]，完善社会化养老保障制度、基本医疗保险制度和大病保险制度。

表11 稳健性检验回归结果Table 11 Regression results of robustness test

2)加强农户社会资本构建，有效促进劳动力流动。提升秦巴山区农户的社会资本存量，农户自身需加强与亲友、邻居以及社会精英之间的沟通与交流，增强社会资本异质性，强化社会资本对农户非农就业的影响和决策[23]。健全就业制度体系，改善就业环境，通过提供就业信息、完善就业市场等途径降低农村劳动力获取非农就业信息和时间成本，显著提升农村劳动力非农就业机会，完善农民工的福利待遇、教育和医疗保险等基本公共服务，同时要注意劳动力流动造成的农村空心化和留守人员社会保障问题，鼓励部分新型职业农民和各类人才返乡创业就业，多渠道、多举措提升农户家庭收入水平，改善农户福利水平，降低贫困发生率，促进脱贫攻坚与乡村振兴的有效衔接。