黄杏子 沈扬扬 周云波

摘要：贫困家庭稳定脱贫是中国迈向共同富裕的重点。基于北京大学中国家庭追踪调查2012—2018年数据，使用双重差分法分析精准扶贫政策对贫困家庭的贫困脆弱性的影响，进而对政策的减贫长效性作用进行评估，并探讨政策发挥减贫长效性的作用机制。研究发现，精准扶贫政策能够显著降低贫困家庭9.8%的贫困脆弱性。进一步分析发现，政策对于贫困脆弱性程度较高，因老致贫、因学致贫及因病致贫家庭的贫困脆弱性降低作用更加显著，体现了政策关注慢性、深度贫困家庭的目标，成效显著。机制分析发现，精准扶贫政策能够通过发挥良好的收入分配效应、资金支持效应与“扶志”效应，降低贫困家庭的脆弱性，发挥减贫长效性作用。因此，新时代背景下扶贫政策的制定需充分重视发挥政策的长效性作用，通过为贫困群体提供良好的发展环境及发展条件，提高贫困群体自主脱贫、致富的志向，进而降低其返贫及陷入贫困陷阱的风险，实现稳定脱贫。

关键词：精准扶贫政策；稳定脱贫；减贫长效性；贫困脆弱性；收入分配效应；“扶志”效应

文献标识码：A文章编号：100228482023（04）009714

一、问题提出

脱贫攻坚、全面解决绝对贫困问题是中国实现共同富裕的底线任务。党的十八大以来，中国政府创新性地提出了具有中国特色的、创新性的“精准扶贫”思想，将扶贫政策瞄准对象精确到贫困户本身，进而对其实施针对性帮扶措施。在政府的全力推动下，2020年底，中国脱贫攻坚战取得了全面胜利，完成了消除绝对贫困的艰巨任务。脱贫攻坚战的胜利标志着中国在实现共同富裕的道路上迈进了坚实的一大步，也意味着中国进入了以逐步实现共同富裕为重点的“后扶贫时代”。《中共中央关于制定国民经济和社会发展第十四个五年规划和二○三五年远景目标的建议》中指出“推进共同富裕的前提是实现稳定脱贫”，因此，从长远来看，贫困家庭稳定地脱贫是中国迈向共同富裕的重点。那么，贫困家庭在脱离精准扶贫政策的帮扶后，是否能够持续保持脱贫状态，进而实现稳定脱贫？深入考察精准扶贫政策的长效作用及其机制具有必要性，这不仅涉及对精准扶贫政策减贫成效的全面评估，也能够为未来实现可持续脱贫远期目标相关政策、脱贫攻坚与乡村振兴的衔接过渡期扶贫政策的制定提供参考，为中国逐步实现共同富裕的目标做出贡献。

已有文献充分证明了精准扶贫政策能够显著改善农村贫困家庭现阶段的物质生活条件，发挥了良好的短期减贫作用。关于政策对贫困家庭稳定脱贫的影响，即政策减贫长效性作用的分析还较少，且尚未得到一致结论。基于此，本文重点对精准扶贫政策的减贫长效性作用及其机制进行分析。事实上，研究精准扶贫政策对贫困家庭的贫困脆弱性的影响，能够在一定程度上反映家庭是否能够实现稳定脱贫，进而评估政策的减贫长效性作用。一方面，不同于以即期消费或收入测度的贫困发生率等度量“事后”贫困的静态的、当期贫困指标，贫困脆弱性属于贫困的“事前”度量，是使用未来消费或收入对家庭在未来陷入贫困的概率进行的测度，具有前瞻性意义。从这个角度来看，分析精准扶贫政策对贫困家庭的贫困脆弱性的影响，反映了政策对于家庭未来贫困状态的作用，能够直观地看出政策是否能够促进贫困家庭实现稳定脱贫。另一方面，贫困脆弱性可以较好地衡量家庭的内生发展能力以及在面临潜在风险冲击时的风险抵御能力，而家庭实现稳定脱贫的关键就在于这两大能力的增强。因此，贫困脆弱性的降低与否也间接反映了贫困家庭在政策的作用下是否能够实现稳定脱贫。此外，已有研究使用贫困脆弱性指标对其他政策的减贫长效性作用进行了分析［1］，这也从现实的角度支撑了本文以农村贫困家庭的贫困脆弱性作为分析精准扶贫政策减贫长效性作用研究视角的合理性。基于此，本文通过引入贫困脆弱性指标，使用北京大学中国家庭追踪调查（CFPS）2012、2014、2016和2018年的农村家庭平衡面板数据，利用双重差分法，将精准扶贫政策作为“一揽子”政策冲击纳入分析框架中，评估政策对贫困家庭减贫的长效性作用，分析政策对不同贫困家庭的异质性影响，并探讨长效性作用的具体作用机制。

本文的边际贡献包括四个方面。第一，在理论方面，在综合考虑贫困家庭面临的宏观和微观环境的基础上，分别分析了精准扶贫政策发挥的收入分配效应、资金支持效应以及“扶志”效应对贫困家庭稳定脱贫的影响路径，扩展了既有文献对扶贫政策长效性的相关分析。第二，在研究视角方面，引入贫困脆弱性指标，通过分析精准扶贫政策是否能够降低农村贫困家庭的贫困脆弱性，评估政策的减贫长效性作用。第三，在实证研究方面，基于具有全国代表性的农村家庭面板数据，弥补了部分文献面临的分析结果不具有全国代表性、无法控制不随时间变化的个体异质性等数据局限问题。使用双重差分法实证检验了政策对贫困家庭贫困脆弱性的作用以及理论部分的三大机制。本文还实证分析了精准扶贫政策对不同贫困脆弱程度、不同特征贫困家庭的异质性作用。第四，在政策含义方面，充分总结了精准扶贫政策促进贫困家庭实现稳定脱贫的经验，可以为中国扶贫政策的制定與实施、逐步实现共同富裕的目标提供有益参考。

二、文献综述

（一）精准扶贫政策短期减贫成效

精准扶贫政策良好的短期减贫效应是其发挥减贫长效性作用的基础。已有大量研究对精准扶贫政策发挥的短期减贫成效进行了评估，大致可以分为两类。

一是聚焦精准扶贫政策中某种分项帮扶措施的短期减贫效应。在金融扶贫政策方面，申云等［2］发现链式融资模式对于贫困农户的短期减贫作用较好。在产业扶贫政策方面，宁静等［3］分析表明，产业扶贫政策能够显著地增加贫困农户人均财产性收入和转移性收入。在易地扶贫搬迁政策方面，Leng等［4］研究发现，不同的扶贫搬迁计划类型具有异质性收入效应，对农村和城市安置家庭的农业和工资收入分别有显著的正向影响。此外，在光伏扶贫政策方面，Liao等［5］以青海省大规模的光伏发展干预项目为例，分析发现当地的光伏扶贫项目在提高贫困人口收入方面的效果还有待改善。

二是将精准扶贫政策作为“一揽子”政策进行分析，不对具体帮扶措施做区分，进而考察“一揽子”扶贫政策的短期减贫效应。例如，王立勇等［6］将精准扶贫政策的实施作为政策冲击纳入分析框架中，发现政策显著地增加了农村贫困群体的总体收入水平，降低了贫困发生率。进一步从政策对贫困户分项收入的影响来看，张全红等［7］发现政策显著提高了贫困户转移支付收入水平；而李芳华等［8］研究发现政策能够显著提高贫困户的劳动收入；黄薇等［9］则从多维贫困的角度出发，发现政策能够明显缓解贫困家庭的收入和劳动能力方面的贫困。在生活改善效应方面，尹志超等［10］进一步发现了政策能够同时提高贫困家庭的生存型和发展型消费支出。

（二）精准扶贫政策减贫长效性作用

目前，在“精准扶贫政策的减贫长效性作用”这一主题下的文献主要是对产业扶贫政策、易地扶贫搬迁政策等具体分项政策进行的分析。已有文献较少将精准扶贫政策作为“一揽子”政策，对政策的减贫长效性作用做整体分析。部分研究发现，精准扶贫政策不具有明显的减贫长效性作用。王振振等［11］使用陕西省70个县（区）贫困户微观调查截面数据研究发现，精准扶贫政策对于贫困户可持续生计能力的提升效果并不十分显著。刘钊等［12］使用中国家庭追踪调查数据，以农村家庭的农用机械拥有率作為评估精准扶贫政策长效性作用的指标，发现政策并未充分发挥减贫长效性作用。另一部分研究则认为，精准扶贫政策具有良好的减贫长效性作用。李玉山等［13］使用湖南、湖北、重庆、贵州邻接民族地区脱贫农户微观调查截面数据，发现多元精准扶贫政策对脱贫农户的生计脆弱性具有负向影响。李晗等［14］使用中国家庭金融调查（CHFS）数据，分析得到精准扶贫政策能够显著增加贫困家庭的复原力，减贫长效性作用良好。秦升泽等［15］利用中国家庭追踪调查数据研究发现，精准扶贫政策对贫困家庭的贫困脆弱性具有显著的降低作用，能够使贫困家庭实现稳定脱贫。

（三）文献述评

现有文献大多聚焦精准扶贫政策的短期减贫效应，对于减贫长效性作用的分析仍不够充分。在精准扶贫政策减贫长效性作用这一主题下，现有的研究并未得到一致结论，可能的原因包括以下几方面。一是已有研究对精准扶贫政策的减贫长效性作用机制的系统理论分析尚不足。现有文献或缺少相关理论分析，或仅从贫困家庭自身的微观角度对作用机制进行研究，缺少同时从贫困家庭面临的宏观与微观环境出发，对精准扶贫政策减贫长效性的作用机制进行的全面理论分析。这可能是这一主题下现有文献未得到一致性结论的根本原因。二是衡量长效性作用使用的指标存在差异。现有研究较少从贫困家庭风险抵御能力、未来陷入贫困的风险等“事前”贫困的角度，通过分析贫困家庭的贫困脆弱性变动情况，对精准扶贫政策的减贫长效性作用进行分析。而根据前文，贫困脆弱性能够准确衡量贫困家庭脱离绝对贫困的稳定性。三是已有研究使用的数据存在差异，一些研究使用的是某个地区或省份的截面数据，得到的结论可能在一定程度上缺乏代表性，且使用截面数据无法控制不随时间变动的个体异质性，所得的结论可能不够准确。四是已有文献使用的研究方法不同。部分研究尚未使用双重差分法进行分析，无法充分控制政策以外的其他因素。基于此，精准扶贫政策到底是否具有减贫长效性作用？其中的减贫长效性机制是什么？这些仍是有待本文进一步探讨的问题。

三、理论分析

本文将建立精准扶贫政策的“收入分配效应—资金支持效应—‘扶志效应”的理论分析框架，研究政策为贫困家庭带去的良好发展环境、必要发展条件以及促进家庭做出有利于自身发展的决策，进而探讨政策的减贫长效性作用的具体影响路径。

（一）精准扶贫政策的收入分配效应

良好的社会发展环境是贫困家庭实现稳定脱贫的重要因素。然而，中国社会发展长期存在着一些不平衡、不充分的问题，收入分配领域问题的存在即是重要体现，中国收入差距总体依旧处于高位水平。国家统计局数据显示，2020年中国居民人均可支配收入基尼系数仍有0.468。已有文献表明，较大的收入差距将会抑制减贫效果［16］。事实上，收入差距问题的存在是低收入群体缺乏分享经济增长成果的机会和能力的表现。在这种情况下，随着经济的发展，财富并不会从高收入群体向低收入群体扩散，这将导致低收入群体，尤其是贫困群体由于无法充分分享经济成果，进而难以实现长期、稳定地脱贫。具体地，在教育方面，较大的收入差距将导致教育不平等程度不断扩大，影响贫困家庭人力资本的积累，引发家庭严重的代际贫困问题，增加家庭陷入“贫困陷阱”的可能性。同时，教育不平等也会加大收入差距，这将进一步影响贫困家庭的贫困状态。在医疗方面，收入差距的存在使得贫困家庭面临着医疗资源不平等的问题，加剧了“因病致贫”的风险，增加了其陷入贫困的可能性。因此，即使贫困家庭能够在短时间内实现脱贫，但若其仍处于收入差距较大的发展环境中，无法改变自身在收入分配格局中的不利地位，其仍会在未来再次陷入贫困。

而精准扶贫政策具有良好的收入分配效应，能够为贫困家庭创造益贫式的社会发展环境。精准扶贫政策的特点在于“精准”，能够瞄准贫困人口，为他们提供公平的发展与分享经济增长成果的机会，进而在一定程度上改变其在收入分配格局中的不利地位，减少他们在未来再次陷入贫困的可能性。同时，已有文献实证检验了精准扶贫政策能够为贫困家庭提供益贫式的社会发展环境，改善其在收入分配格局中的不利地位。周强［17］发现精准扶贫政策能够促进贫困家庭收入的向上流动，同时降低贫困家庭的收入相对剥夺指数。基于此，精准扶贫政策能够通过发挥收入分配效应，减小收入差距，为贫困家庭提供良好的发展环境，从而促进贫困家庭稳定地脱贫，实现减贫长效性目标。

（二）精准扶贫政策的资金支持效应

除良好的发展环境以外，精准扶贫政策为贫困家庭提供的有利发展条件也与其实现稳定脱贫密切相关。实践表明，个体的可持续发展需要依靠资金的支持，因此，资金的有效、持续获取是提高贫困家庭内生发展能力、实现稳定脱贫的关键。然而，高度的信息不对称以及农村信贷市场发展的落后使得农村家庭普遍受到较为严重的信贷约束［18］，且相对于非贫困家庭，贫困家庭受到的约束更强。在较强的信贷约束下，一方面，因缺少资金支持，贫困家庭无法扩大生产规模、融入更高价值链的活动中去，如难以从事创业等与脱贫积极相关的生产性活动，无法扩宽收入渠道。同时，信贷可得性的缺失也会使得贫困家庭的风险管理能力较差，在面对意外风险事件时易产生经济损伤而陷入贫困［19］。另一方面，在信贷约束下，贫困家庭为了获取生产、生活和经营所需要的资金，通常会借助非正规信贷，这使得非正规信贷成为贫困家庭借款的主要来源。然而，非正规信贷大多价格高昂，且风险较大。因此，非正规信贷资金的使用不仅无法增强贫困家庭的风险抵御能力，反而会加剧贫困家庭的脆弱性，不利于其持续性脱贫的实现。

而精准扶贫政策的实施能够为贫困家庭提供充分的资金支持，缓解贫困家庭面临的融资困境，为贫困家庭的发展提供有利的资金条件。在“精准扶贫”期间，政府先后出台了《关于全面做好扶贫开发金融服务工作指导意见》《关于金融助推脱贫攻坚的实施意见》等具体政策，扶贫贷款得以精准瞄准到贫困家庭，为其提供了充分的正规信贷支持。此外，已有研究表明，精准扶贫政策能够有效增强贫困家庭的正规信贷可得性，相当于为贫困家庭注入了“活水”［20］。同时，由于正规信贷与非正规信贷之间存在相互替代的关系，精准扶贫政策的实施也使得贫困家庭非正规信贷规模减少，降低了家庭在信贷资金方面面临的风险。基于此，精准扶贫政策能够通过发挥资金支持效应，为贫困家庭提供有利的发展条件，从而促进家庭实现稳定脱贫，发挥减贫长效性作用。

（三）精准扶贫政策的“扶志”效应

在具备良好的发展环境、有利的发展条件的基础上，贫困家庭是否有动力去利用精准扶贫政策带给他们的发展便利，进一步探索提升自身风险抵御能力、实现稳定脱贫的途径？一般来说，个体的内生源动力是产生个体行为的前提［21］，只有具有“要发展”“要致富”的主观想法，贫困家庭才会有相应的行动，做出利于自身可持續发展的决策。然而，贫困群体常具有“等、靠、要”的消极思想，缺乏依靠自身的努力进而脱贫致富的积极性。这种思想甚至会传递给下一代，制约了家庭长远发展动力与能力的培养。因此，在这种“懒汉”思想下，即使受到了精准扶贫政策的帮扶，贫困家庭实现了脱贫，但由于内生发展动力的缺乏，家庭成员并没有激励去从事促进自身长远发展的经济活动，仅仅依靠政府补助及帮扶而生活，家庭仍会在未来出现返贫的情况，无法实现持续性脱贫。

事实上，精准扶贫政策充分关注了贫困群体可能存在的这种缺乏发展动力的情况，强调扶贫与“扶志”充分结合，培养贫困家庭主动脱贫、主动致富的志气，进而促进家庭成员做出利于自身长远发展的决策。在精准扶贫政策采取的具体“扶志”措施方面，根据各地政府“扶志”的行动方案，在精准扶贫政策实施期间，政府会定期组织稳定就业及加强技能培训的讲座，加强“扶志”的宣传教育工作。同时，政府也加大了对贫困家庭的监督力度，对“等、靠、要”家庭的不良行为予以及时的惩戒，在极端情况下，政府甚至会取消其受帮扶的资格

参见http：//www.gov.cn/xinwen/201910/10/content_5437815.htm。。此外，政府也从心理方面对贫困家庭进行了专业的“扶志”。通过走访、调查的形式，政府精准地把握了贫困家庭的心理、行为及认知特点，举办了相应的心理讲座，并组织扶贫干部与贫困家庭进行定期座谈，破除其贫困思想，激发其内生动力，取得了良好的成效

参见http：//news.cctv.com/2020/11/13/ARTIUyeEsn6AQMGrtSLhr45l201113.shtml。。相关研究同样表明，精准扶贫政策具有良好的“扶志”效应，如提升了家庭成员的生活满意度、对未来的信心、致富动能、就业积极性等［22］。因此，精准扶贫政策能够通过发挥“扶志”效应，激发贫困家庭的内生发展动力，促进贫困家庭做出利于自身发展的决策，进而降低其贫困脆弱性，发挥减贫长效性作用。

四、实证研究设计

（一）数据来源及处理方法

本文使用北京大学家庭追踪调查数据进行实证分析。该数据不仅涵盖了中国居民家庭成员结构及经济状况信息，同时也包含了居民个体教育、医疗健康、就业等方面的内容，现公布的数据包括2010、2012、2014、2016及2018年5年，样本覆盖全国25个省份

未涉及的地区包括海南、新疆、西藏、青海、内蒙古、宁夏、香港、澳门和台湾。。具体地，本文使用CFPS 2012、2014、2016及2018年数据，样本区间涵盖了精准扶贫政策实施前后的相关年份，为评估精准扶贫政策以及政策的减贫长效性作用提供了可能

值得说明的是，本文未使用CFPS 2010年的数据。考虑到2010年家庭收入相关变量的口径与后续年份有所不同，虽然CFPS项目组在后续年份的数据中生成了与2010年收入口径可比的相关综合变量，但在这一口径下，农村家庭收入并不包含非农经营等部分，可能会造成结论的偏差。而CFPS 2012—2018年的家庭收入数据口径完全可比，且基本涵盖了家庭收入的各个方面，使用时更为合理。。基于研究主题，本文对初始数据进行了如下处理：第一，将各年家庭财务管理人视为户主，保留户主年龄在16周岁及以上的家庭，并匹配家庭特征与户主特征数据；第二，保留4年均有信息的家庭样本，并剔除了城镇家庭样本；第三，剔除了关键变量缺失的样本。经过上述数据处理，本文最终获得了包含2 896个农村家庭、11 584个观测值的4年平衡面板数据。

（二）模型设计

精准扶贫政策包含系列扶贫措施，本文不区分具体措施，而是将其作为“一揽子”政策进行处理。为准确评估精准扶贫政策减贫的长效性作用，本文采用双重差分法进行分析，将精准扶贫政策作为政策冲击纳入分析框架中。具体地，双重差分法的原理是将政策实施前后处理组与对照组的被解释变量，即贫困脆弱性的变动相减，从而得到政策对处理组的净影响。因此，双重差分法的使用涉及对处理组和对照组的划分，即识别出样本中的贫困与非贫困家庭，同时也需要确定政策冲击发生的时间点。

1.贫困家庭的识别方法

参考王立勇等［67， 17］的研究及各省份贫困人口的具体识别方法，本文使用精准扶贫政策实施前家庭人均收入是否低于2 300元/（年·人）（2010年价格）的国家官方扶贫标准，并结合家庭是否收到低保、五保户以及特困户等政府补助，是否满足“两不愁，三保障”，以及家庭资产状况、家庭成员工作情况等因素对贫困家庭进行识别。具体地，根据数据的可得性，本文首先将在政策实施前家庭人均收入处于2 300元/（年·人）（2010年价格）的国家官方贫困标准以下，且不存在家庭中有价值在3万元以上的车辆或大型农机具，家庭中有成员在国家机关或企事业单位工作、担任职务，家庭中有成员高费择校读书、在高费私立学校读书或自费出国留学的家庭纳入贫困家庭

参考河北省及内蒙古自治区贫困人口识别标准.http：//hbzgw.hebnews.cn/hbzg/201803/30/content_6829338.htm，http：//fpb.wulanchabu.gov.cn/information/wlcb_fpb11607/msg3241558037790.html。。其次，将政策实施前家庭人均收入在国家官方贫困标准以上，但收到低保、五保户以及特困户等政府补助，家庭有儿童在义务教育阶段辍学，家庭存在用电用水安全问题，家庭存在住房问题，家庭中存在成员住院或患有慢性病但未受到社会基本医疗保险保障的家庭纳入贫困家庭

参考“两不愁，三保障”的具体内涵，http：//www.gov.cn/xinwen/201908/15/content_5421432.htm。。最后，考虑到上述识别方式可能会将一些收入很高的家庭误识别为贫困家庭，本文进一步将政策实施前人均收入高于各省最高贫困标准的家庭从识别出的贫困家庭中剔除

事实上，在精准扶贫政策实施过程中，部分省份会结合自身实际情况，提出比全国官方贫困标准更高的扶贫标准。其中，浙江省提出的扶贫标准为全国最高，为4 600元/（年·人）（2010年不变价）。因此，本文将识别出的家庭人均收入高于4 600元/（年·人）的家庭从贫困家庭中剔除。。上述识别方法最大限度地减少了将“收入低于国家官方贫困标准，但在实际生活中并不存在贫困问题”的家庭误评为贫困户，或者将“收入高于国家官方贫困标准，但在实际生活中尚未达到‘两不愁，三保障”的家庭漏评为贫困户的情况。经过上述处理，最终识别出的贫困家庭为1 656个，非贫困家庭为9 928个。若家庭为贫困户，则为处理组，否则为对照组。

2.政策冲击时间点的选取

本文认为2015年是合宜的精准扶贫政策冲击时间点。第一，中央虽在2013—2014年就提出要实施精准扶贫政策

精准扶贫思想最早是由习近平总书记于2013年底在湖南湘西考察时提出的，中央于2014年先后印发了《关于创新机制扎实推进农村扶贫开发工作的意见》《建立精准扶贫工作机制实施方案》等工作方案。，但从政策提出到实际落地执行仍需要一定时间。根据原国务院扶贫开发领导小组办公室印发的《建立精准扶贫工作机制实施方案》，2014年各省份的主要任务是对贫困户进行建档立卡，即完成对贫困户的识别工作。而建档立卡政策是精准扶贫具体帮扶政策实施的前提，只有实现对贫困户的精准识别，才能使得精准扶贫的相关帮扶措施在后续的扶贫项目安排、资金使用、帮扶措施、帮扶责任人和脱贫考核过程中发挥精准的作用。因此，在建档立卡政策完成前，具体帮扶工作大多尚未全面启动。第二，进一步从建档立卡政策的实施历程来看，首轮建档立卡和扶贫对象基础信息采集工作于2014年10月底完成

参见http：//www.nrra.gov.cn/art/2014/9/30/art_624_13617.html。。然而，政策实施初期面临着包括识别不精准、扶持不精准等在内的诸多困难，实施效果并不完善。因此，在首轮建档立卡政策实施的基础上，原国务院扶贫开发领导小组办公室在2015年部署了建档立卡“回头看”工作，进一步提高了贫困户识别的精准度

參见http：//www.nrra.gov.cn/art/2015/9/25/art_624_22586.html。，也使得精准扶贫政策因人施策的准确性得到了大幅度提升。同时，选取2015年作为政策冲击时间点也获得了已有相关文献的支撑［8，10］。

3.基本模型设定

为剔除其他因素的影响，本文使用双重差分法对精准扶贫政策的减贫长效性作用进行评估。由于本文使用的是面板数据，具有不可忽视的个体效应，因此，本文主要使用面板双向固定效应模型进行估计，模型设定为

Vulit=α0+α1TPAi×Tt+α2Xit+ηi+γt+εit（1）

其中，被解释变量Vulit表示家庭i在t年的贫困脆弱性。核心解释变量为政策效应项（TPAi×Tt），TPAi衡量家庭是否为贫困户，若为贫困户则TPAi=1，否则TPAi=0；Tt衡量样本区间是否属于政策冲击时间后，若样本区间为2015年以后则Tt=1，否则Tt=0。Xit为影响家庭贫困脆弱性且随i和t变动的一系列户主特征和家庭特征变量。ηi为个体固定效应，γt为时间固定效应，εit为随机误差项。模型的关键估计系数为α1，衡量了精准扶贫政策对农村贫困家庭的贫困脆弱性的影响，若政策具有减贫长效性作用，则α1应显著为负。

（三）变量定义与描述性统计

本文使用Chaudhuri等［23］提出的期望贫困方法（VEP）对被解释变量——贫困脆弱性进行定义与测度

VEP方法能够充分体现贫困脆弱性的前瞻性思想，可实现性较强，且适用于诸如本文使用的CFPS之类的国内微观住户调查短面板数据，已得到学界的广泛应用。。在VEP方法的框架下，本文将家庭t期的贫困脆弱性定义为家庭在t+1期陷入贫困的概率，使用家庭消费变量，并使用世界银行1.9美元/（天·人）（2011年购买力平价）

由世界银行根据全球15个最穷国家的国家贫困标准均值制定，属于基本物质生活水平未得到满足的绝对贫困标准，与中国精准扶贫政策解决绝对贫困问题的目标相一致。的极端贫困标准，估算家庭未来消费低于贫困标准的概率，进而测度家庭的贫困脆弱性。具体地，在假设家庭人均消费服从对数正态分布的基础上

对数正态分布更适合描述低收入群体的消费分布，本文的重点研究对象是贫困家庭，因此，假设家庭未来消费分布服从对数正态分布具有合理性。，使用三阶段可行广义最小二乘法对贫困脆弱性进行测度，家庭i在时间t的贫困脆弱性由下式测度：

Vul︿it=problnCit+1≤lnz=Φlnz-Xiβ︿FGLS／   Xiθ︿FGLS（2）

其中，Vul︿it是家庭i在时间t的贫困脆弱性，Cit+1为家庭未来的人均消费分布，

Φ为累积分布函数，

Xi为一系列户主及家庭特征变量，Xiβ︿FGLS为家庭消费期望的一致估计，Xiθ︿FGLS为家庭消费方差的一致估计。z为贫困标准，即1.9美元/（天·人）

由于篇幅限制，贫困脆弱性具体的测度方法及三阶段最小二乘法的估计结果此处省略，欢迎感兴趣的读者索要具体结果。。

此外，在基准模型中，本文进一步控制了与家庭贫困脆弱性相关的户主及家庭特征变量［24］。在户主特征层面，本文控制了户主性别、年龄、年龄平方项、婚姻状况、受教育年限、健康状况等人口统计学特征变量，同时控制了户主工作状况变量。在家庭特征层面，本文控制了家庭规模、家庭成员医疗保险参与状况、家庭未就业人口占比、家庭住院成员占比、家庭抚养比等家庭人口结构特征变量，以及家庭人均净资产、家庭人均收入等家庭经济特征变量。

具体的变量定义及描述性统计结果如表1所示

表1的结果使用了CFPS官方发布的面板权重进行加权，数据中所有名义变量均使用省级农村CPI进行了平减。。贫困户的贫困脆弱性相对于非贫困户来说较高。且相对于非贫困家庭，贫困家庭的户主具有年龄较大、受教育年限较低、健康状况较差的特征，贫困家庭户主未就业的比例更高。同时，贫困家庭未就业人口占比较高，家庭人均净资产及家庭人均收入较低。

五、实证结果与分析

（一）基准回归分析

对精准扶贫政策影响贫困家庭的贫困脆弱性的基准估计结果见表2。第（1）列是未控制个体效应的混合截面估计结果，为剔除其他因素的干扰，第（3）列在第（1）列的基础上进一步控制了户主和家庭特征变量。可以发现，政策效应项（TPAi×Tt）的估计系数显著为负，即精准扶贫政策能够显著降低贫困家庭的贫困脆弱性，政策具有一定的减贫长效性。第（2）（4）列是在第（1）（3）列基础上进一步控制家庭固定效应，即面板双向固定效应的估计结果，政策效应项的估计系数依旧显著为负，且系数大小并未发生较大变化。因此，无论使用何种模型，估计结果均具有一致性。重点分析第（4）列控制了所有控制变量以及家

庭固定效应的结果可知，政策效应项的估计系数为-0.022，且在1%的水平上显著。而在精准扶贫政策实施前，贫困家庭的贫困脆弱性为0.224，因此，政策使得贫困家庭的贫困脆弱性下降了9.8%。这说明，在精准扶贫政策的作用下，贫困家庭在未来陷入贫困的可能性显著降低，能够在一定程度上实现稳定脱贫，政策具有较好的减贫长效性作用。

（二）穩健性检验

1.平行趋势假设检验

双重差分法（DID）使用的重要假设为处理组和对照组满足平行趋势，即若未受到精准扶贫政策的作用，贫困家庭和非贫困家庭的贫困脆弱性变动将具有相同趋势。若平行趋势假设不满足，DID估计的结果将会存在平行趋势偏误。因此，为检验基准结果的稳健性，以2012年的样本作为基期，分别构建2014、2016和2018年的时间虚拟变量，将其与政策分组变量（是否为贫困家庭）交乘。建立如下模型：

Vulit=β0+β1∑1814TPAi×Tt+β2Xit+ηi+γt+εit（3）

此时，核心解释变量为∑1814TPAi×Tt，分别代表以2012年为基期，两类家庭在2014、2016和2018年贫困脆弱性的差异。

估计结果如表3第（1）列所示，政策实施前TPAi×T14的估计系数不显著，而政策实施后TPAi×T16和TPAi×T18的估计系数均显著为负，说明在政策实施前，贫困与非贫困家庭的贫困脆弱性具有相同的变动趋势，政策的实施使得贫困家庭的贫困脆弱性显著下降。同时，由估计结果可知，TPAi×T18系数的绝对值相对于TPAi×T16更大，即随着时间的推移，精准扶贫政策对贫困家庭贫困脆弱性的降低作用逐步增强，说明政策对贫困家庭的帮扶力度不断深化，减贫长效性作用逐渐凸显。

此外，政策实施时间的选择具有随机性也能够支撑平行趋势假设的成立［25］。因此，本文通过设置虚拟的政策冲击时间，对2015年以前个体是否对精准扶贫政策具有预期效应进行检验，进一步验证平行趋势假设。具体地，使用实际政策冲击前的样本进行分析，令2013年为虚拟的政策冲击时间点，并将2012年样本的虚拟政策时间变量设为0，2014年的样本设为1。将以此虚拟设置的政策时间变量与政策分组变量交乘，形成虚拟的政策效应项进行估计。估计结果如表3第（2）列所示，政策效应项（TPAi×Tt）估计系数不显著，即在政策实施前，家庭不存在显著的预期效应。

2.贫困识别标准的稳健性检验

在基准回归部分，本文使用精准扶贫政策实施前家庭的收入、资产，并结合“两不愁，三保障”对贫困家庭进行识别。为了检验基准结果的稳健性，进一步使用不同的贫困识别标准对贫困家庭进行识别。

第一，结合2016年全国贫困标准进行识别。贫困家庭的建档立卡工作并不是从一开始就十分完善的，而是经历了一系列贫困家庭瞄准的纠偏过程。基于此，2015—2016年中央开启了“精准扶贫回头看”以及建档立卡户重新识别工作，2016年中央进一步印发了《省级党委和政府扶贫开发工作成效考核办法》，这也使得2014年未被精准识别的贫困群体在2016年被识别出来，进一步增加了贫困家庭识别的准确性。因此，使用2016年的全国贫困标准

2016年全国贫困标准为2 952元/（年·人）。，并结合家庭收入、资产以及“两不愁，三保障”对贫困家庭进行再次识别。具体地，保留2014年识别出的贫困家庭，并将在2014年不属于贫困家庭，但使用2016年标准能够识别出来的贫困家庭纳入处理组中

贫困家庭的状态具有动态性，部分在2014年识别出的贫困家庭的收入在2016年已经超过贫困标准，但考虑到贫困家庭退出验收标准为“户年人均收入稳定超过国家扶贫标准且吃穿不愁、义务教育、基本医疗、住房安全有保障”，若直接将这部分家庭剔除，可能会存在脱贫人口“错退”的现象，仍应将他们继续纳入建档立卡系统中。实际上，建档立卡系统中贫困人口的状态被标识为三类：未脱贫、已脱贫仍享受政策和已脱贫不再享受政策，在建档立卡动态管理系统中，有相当部分的人口收入已超过国家贫困标准，但仍享有扶贫政策［8］。此时，本文将2014年识别出的贫困家庭依旧纳入处理组中能够防止贫困人口“假脱贫”，具有合理性。。以此标准识别出的贫困家庭共1 748个，非贫困家庭为9 836个，回归结果见表3第（3）列。由估计结果可知，在结合2016年贫困标准识别后，TPAi×Tt的估计系数依旧显著为负，且系数绝对值与显著性相对于基准结果无明显变动，验证了基准回归结果的可靠性。

第二，使用中国家庭金融调查数据（CHFS）进行识别。为进一步检验贫困识别标准的稳健性，本文换用西南财经大学中国家庭金融调查2013、2015、2017和2019年数据进行分析

CHFS调查的是调查年份前一年的家庭情况，即CHFS 2013调查的是家户2012年的情况，其他年份以此类推。因此，本文使用CHFS 2013、2015、2017、2019年数据进行分析，与基准回归中的年份保持一致。。具体的数据处理方法为：保留受访人年龄在16周岁及以上的农村家庭样本，并剔除主要变量缺失的样本，处理后共得到包含2 147个农村家庭，共8 588个样本的三年平衡面板数据。CHFS问卷中具体询问了家庭是否为贫困户

此处的贫困户是指按照国家规定，且家庭人均收入低于一定水平，填写了贫困手册，经过村委、社区民主评议、公示后，由乡镇、街道政府审核认定的贫困户。，本文将2015年这一问题回答“是”的家庭纳入处理组进行分析，由此识别出的贫困家庭为1 492个，非

为排除遗漏重要变量对基准回归结果的影响，本文进一步采用将精准扶贫政策随机分配给农村家庭的方法进行安慰剂检验［10］。具体地，本文使用2014年的样本进行1 000次随机分组

即若2014年某家庭被随机分组后属于处理组，则在其他年份其也属于处理组。，形成1 000个虚拟的政策效应项（TPAi×Tt）。虚拟政策效应项估计系数的分布如表4和图1所示。结果显示，虚拟政策效应项的估计系数集中于0附近，且绝对值大于基准估计系数的概率为0，能够充分排除重要遗漏变量对基准结果造成的偏误，基准结果稳健。

第一，使用双重差分倾向得分匹配（PSMDID）方法进行估计。为最大程度地消除贫困和非贫困家庭在可观测特征上的偏差，本文进一步使用倾向得分匹配法（PSM），对贫困家庭和非贫困家庭政策实施前的户主及家庭特征进行匹配，而后再使用双重差分法进行估计

此处汇报的是采用卡尺内k近邻匹配法对样本进行匹配的结果，其中，k取6，卡尺取0.05。本文同时使用了不同的匹配方法，结果不存在显著差异，且均通过了平衡性检验和共同支撑检验。。第二，改变测度贫困脆弱性的贫困标准。本文进一步使用2 300元/（年·人）（2010年不变价）的中国2011年官方贫困标准以及3.1美元/（天·人）（2011年购买力平价）的世界银行发展中国家贫困标准

世界银行根据全球发展中国家官方贫困线的中位数制定。对贫困脆弱性进行测度。第三，改变贫困脆弱性的定义方式。本文选择0.29作为“脆弱线”，生成“是否为贫困脆弱家庭”变量

已有研究将“脆弱线”设置为0.5，但0.5的脆弱线只能识别出长期贫困的家庭，而对短期贫困家庭有所遗漏。根据Günther等［26］的研究，通过设定家庭在未来两年内可能陷入贫困，将0.5的脆弱线折算为了0.29。因此，“脆弱线”取0.29也可以较好地识别出短期贫困家庭。具体地，若家庭的贫困脆弱性高于0.29，则其属于贫困脆弱家庭，相关变量赋值1，否则赋值0。作为被解释变量进行检验。检验结果见表3第（5）～（8）列，结果均稳健。

（三）异质性分析

1.不同贫困脆弱性水平

前文验证了精准扶贫政策能够显著降低农村贫困家庭的贫困脆弱性，减贫效果具有长期性。但这一效应是否在不同贫困脆弱程度的家庭间存在差异？为此，本文使用分位数回归模型，进一步分析政策对不同贫困脆弱程度家庭影响的强度差异，具体估计结果如表5所示。可以发现，精准扶贫政策对贫困脆弱性程度较高的农村贫困家庭的减贫长效性作用更强。已有研究表明，贫困多具有长期性，贫困脆弱性越高说明家庭在未来陷入贫困的概率越大，越属于慢性贫困家庭。政策对贫困脆弱性程度较高的贫困家庭发挥的减贫长效性作用更强，证明了政策关注慢性、深度贫困家庭的目标，成效显著。

精准扶贫政策将可能会对不同特征的家庭产生差异性的实施效果，为此，本文使用三重差分模型，进一步分析政策对不同家庭的异质性作用。考虑到因老致贫、因学致贫与因病致贫是中国农村家庭的主要致贫因素，主要分析精准扶贫政策对这三类贫困家庭的作用，分别引入家庭老年人口数、家庭上学人口数、

家庭住院人口数与政策处理项（TPAi×Tt）的交乘项进行估计。具体估计结果如表6所示，精准扶

贫政策对老年人口较多、上学人口较多贫困家庭的贫困脆弱性降低作用更为显著，对于住院人口数较多贫困家庭的作用虽不显著，但估计系数依旧为负。這一结果再次表明，精准扶贫政策充分聚焦了因老致贫、因学致贫、因病残致贫的深度贫困家庭，这些家庭属于扶贫过程中难啃的“硬骨头”，政府对其的帮扶力度更大，相关扶贫资源也在一定程度上向这部分家庭倾斜，精准扶贫政策的长效性作用相应地得到了更加充分的发挥。

六、精准扶贫政策发挥减贫长效性作用的机制检验

（一）精准扶贫政策的收入分配效应

根据前文理论分析，精准扶贫政策具有良好的收入分配效应，能够通过缩小贫困家庭面对的收入差距水平，改善贫困家庭面临的发展环境，从而降低家庭的贫困脆弱性。进一步地，本文引入家庭收入相对剥夺指数，对家庭的收入不平等情况进行测度，进而对理论部分精准扶贫政策的收入分配效应进行检验［17］。收入相对剥夺指数是家庭通过将自身的收入与参照群体的收入进行比较，反映自身收入水平处于劣势地位的程度，精准地衡量了家庭收入变动背后面临的不平等问题，能够充分体现家庭层面的收入差距。具体地，本文使用的收入相对剥夺指数是Kakwani指数［27］，根据家庭人均收入，选取各年的全部农村家庭作为参照群，将家庭与参照群中其他收入比自身高的家庭进行比较而得到的。测度得到的这一指数取值在0～1范围内，取值越高则说明家庭面临的收入不平等水平越高。以测度出的家庭收入相对剥夺指数作为被解释变量，控制所有变量的估计结果见表7第（1）列，政策处理项（TPAi×Tt）系数显著为负，即精准扶贫政策确实能够显著降低贫困家庭的收入相对剥夺指数，政策通过收入分配效应降低家庭贫困脆弱性的机制得到了验证。

（二）精準扶贫政策的资金支持效应

如前文所分析，精准扶贫政策能够给贫困家庭提供资金支持，增加了贫困家庭的正规信贷规模，相应地减少了非正规信贷规模，为贫困家庭提供了有利的发展条件，从而具有降低贫困脆弱性的作用。基于此，引入家庭是否有正规信贷、是否有非正规信贷变量作为被解释变量，对这一机制进行具体检验。结果见表7第（2）（3）列，在正规信贷下，政策处理项（TPAi×Tt）显著为正；在非正规信贷下，政策处理项虽不显著，但系数为负。这一结果说明，精准扶贫政策确实能够向贫困家庭提供资金支持，增加了其正规信贷规模，家庭面临的资金约束减少，家庭能够获得持续性的资金支持用以自身发展，相应地，脆弱性程度降低

本文同时使用了家庭待还正规信贷和非正规信贷规模作为被解释变量，结果均稳健。。

（三）精准扶贫政策的“扶志”效应

本文分别从客观与主观两个角度衡量农村家庭的内生发展动力，进而检验精准扶贫政策是否真正发挥了“扶志”效应。在客观维度方面，本文引入了家庭参与劳动人数

家庭参与劳动人数为：家庭中处于劳动年龄（15周岁及以上，64周岁及以下），且自评健康不为“差”的成员中，有工作的成员总数。作为被解释变量进行分析。家庭参与劳动人数能够衡量家庭具有劳动能力的成员在接受精准扶贫政策的帮扶后，是否从空闲在家、不工作、对政府补助存在依赖心理的生活状态，转变为就业状态，能够充分反映家庭成员的就业积极性。家庭参与劳动人数越少，说明家庭的“懒汉”思想越严重，越缺乏内生发展动力［22］。若精准扶贫政策能够充分发挥“扶志”效应，家庭参与劳动人数将显著增加。在主观维度方面，本文进一步使用了家庭户主对未来的信心

家庭户主对未来的信心变量来自CFPS调查问题“您对自己未来的信心程度？1表示很没信心，2表示没信心，3表示一般，4表示有信心，5表示很有信心”。变量作为被解释变量进行分析。户主对未来的信心程度能够反映家庭对自身未来生活、发展状况的积极预期，能够充分反映家庭的志向水平［28］。若精准扶贫政策能够发挥“扶志”效应，家庭户主对未来的信心水平将显著提高。具体的实证结果见表7第（4）（5）列，政策处理项（TPAi×Tt）的估计系数均显著为正，即证明了精准扶贫政策具有良好的“扶志”效应。

至此，前文理论分析部分对于精准扶贫政策减贫长效性作用的影响机制均通过了实证检验，即政策能够通过发挥收入分配效应、资金支持效应以及“扶志”效应，有效地降低贫困家庭的贫困脆弱性，促进其实现稳定脱贫，充分发挥减贫长效性作用。

七、结论与政策含义

本文基于北京大学中国家庭追踪调查2012、2014、2016和2018年的农村家庭平衡面板数据，利用双重差分法，将精准扶贫政策作为政策冲击纳入分析框架，分析政策对贫困家庭贫困脆弱性的影响，检验政策的减贫长效性作用，并揭示了长效性作用的具体机制。研究发现：第一，精准扶贫政策能够显著降低贫困家庭9.8%的贫困脆弱性，降低了贫困家庭在未来陷入贫困的概率，进而实现稳定脱贫，精准扶贫政策的减贫长效性作用得到了验证。第二，相对于较低程度贫困脆弱性的家庭来说，精准扶贫政策对于贫困脆弱性程度较高的贫困家庭的减贫长效性作用更强。同时，政策对因老致贫、因学致贫、因病致贫等深度贫困家庭的长效性减贫作用更为显著，充分实现了政策聚焦深度贫困群体、精准发力的目标。第三，机制分析发现，精准扶贫政策能够通过发挥良好的收入分配效应，为贫困家庭发展提供益贫式的社会发展环境；发挥资金支持效应，为贫困家庭发展提供有利的发展条件；发挥“扶志”效应，促进贫困家庭做出有利于自身脱贫、致富的发展决策，从而降低贫困家庭的贫困脆弱性，有效发挥减贫长效性作用。

本文的结论具有重要的政策含义。第一，贫困群体多具有脆弱性，脱贫后仍面临着较大的返贫风险。因此，中国在制定新时代背景下的扶贫政策时，除了重点关注现阶段的减贫状况外，还需要充分重视政策的长效性作用，以确保贫困群体在政策的作用下返贫或陷入贫困陷阱的风险降低，实现稳定脱贫。第二，在制定扶贫政策时，政府一方面需要在宏观层面为贫困群体提供良好的发展环境及发展条件，另一方面也要注意在微观层面提高贫困群体自主脱贫、致富的志向，增强其内生发展动力，促使其做出利于自身发展的相关决策。第三，贫困脆弱性较好地反映了家庭或个人在未来陷入贫困的状况，能够充分衡量扶贫政策的长效性作用。因此，在评估扶贫政策的长效性作用时，可以充分利用贫困脆弱性等度量贫困的事前指标进行测算。并且，考虑到今后的扶贫目标为解决相对贫困问题，而相对贫困多具有多维性，仅使用收入指标进行测算会面临一定的局限性，因此，可以进一步探索多维的贫困脆弱性指标，以对今后扶贫政策的减贫长效性作用进行更加全面的评估。

参考文献：

［1］张栋浩，蒋佳融.普惠保险如何作用于农村反贫困长效机制建设：基于贫困脆弱性的研究［J］. 保险研究， 2021（4）： 2442.

［2］申云，彭小兵. 链式融资模式与精准扶贫效果：基于准实验研究［J］. 财经研究， 2016（9）： 415.

［3］宁静，殷浩栋，汪三贵，等. 产业扶贫对农户收入的影响机制及效果：基于乌蒙山和六盘山片区产业扶贫试点项目的准实验研究［J］. 中南财经政法大学学报， 2019（4）： 5866.

［4］LENG G，FENG X，QIU H. Income effects of poverty alleviation relocation program on rural farmers in China［J］. Journal of Integrative Agriculture， 2021， 20（4）： 891904.

［5］LIAO C，FEI D，HUANG Q，et al. Targeted Poverty Alleviation through photovoltaicbased intervention： rhetoric and reality in Qinghai， China［J］. World Development， 2021， 137： 105117.

［6］王立勇，许明. 中国精准扶贫政策的减贫效应研究：来自准自然实验的经验证据［J］. 统计研究， 2019（12）： 1526.

［7］张全红，周强. 精准扶贫政策效果评估：收入、消费、生活改善和外出务工［J］. 统计研究， 2019（10）： 1729.

［8］李芳华，张阳阳，郑新业. 精准扶贫政策效果评估：基于贫困人口微观追踪数据［J］. 经济研究， 2020（8）： 171187.

［9］黄薇，祝伟. 精准帮扶政策的多维评估：基于G省B市扶贫实践的经验分析［J］. 管理世界， 2021（10）： 111128.

［10］尹志超，郭沛瑶. 精准扶贫政策效果评估：家庭消费视角下的实证研究［J］. 管理世界， 2021（4）： 6483.

［11］王振振，王立剑. 精准扶贫可以提升农村贫困户可持续生计吗：基于陕西省70个县（区）的调查［J］. 农业经济问题， 2019（4）： 7187.

［12］刘钊，王作功. 基于双重差分模型的精准扶贫政策评估与长效性研究：来自中国家庭追踪调查（CFPS）的证据［J］. 江淮论坛， 2020（3）： 1217.

［13］李玉山，卢敏，朱冰洁. 多元精准扶贫政策实施与脱贫农户生计脆弱性：基于湘鄂渝黔毗邻民族地区的经验分析［J］. 中国农村经济， 2021（5）： 6082.

［14］李晗，陆迁. 精准扶贫与贫困家庭复原力：基于CHFS微观数据的分析［J］. 中国农村观察， 2021（2）： 2841.

［15］秦升泽，李谷成. 精准扶贫政策对农户贫困脆弱性的影响研究：来自准自然实验的经验证据［J］.中国农业资源与区划，2022（9）：230239.

［16］王中华，岳希明. 收入增长、收入差距与农村减贫［J］. 中国工业经济， 2021（9）： 2542.

［17］周强. 精准扶贫政策的减贫绩效与收入分配效应研究［J］. 中国农村经济， 2021（5）： 3859.

［18］BARSLUND M，TARP F. Formal and informal rural credit in four provinces of Vietnam［J］. Journal of Development Studies， 2008， 44（4）： 485503.

［19］尹志超，张栋浩. 金融普惠、家庭贫困及脆弱性［J］. 经济学（季刊）， 2020（5）： 153172.

［20］尹志超，郭沛瑶，张琳琬. “为有源头活水来”： 精准扶贫对农户信贷的影响［J］. 管理世界， 2020（2）： 5971.

［21］AJZEN I. The theory of planned behavior［J］. Organizational Behavior and Human Decision Processes， 1991， 50： 179211.

［22］周强，赵清云，王爱君. “志智双扶”：精准扶贫政策对农村居民努力程度的影响［J］. 财贸研究， 2021（12）： 3749.

［23］CHAUDHURI S，JALAN J，SURYAHADI A. Assessing household vulnerability to poverty from crosssectional data： a methodology and estimates from Indonesia［R］. Department of Economics Discussion Paper Series， No.0102， 2002.

［24］任天驰，杨汭华. 农业保险、保障水平与农户贫困脆弱性［J］. 当代经济科学， 2022（2）： 2435.

［25］阮荣平，刘爽，刘力，等. 玉米收储制度改革对家庭农场经营决策的影响：基于全国1942家家庭农场两期跟踪调查数据［J］. 中国农村观察， 2020（4）： 109128.

［26］GUNTHER I，HARTTGEN K. Estimating households vulnerability to idiosyncratic and covariate shocks： a novel method applied in Madagascar［J］. World Development， 2009， 37（7）： 12221234.

［27］KAKWANI N. The relative deprivation curve and its applications［J］. Journal of Business & Economic Statistics， 1984， 2（4）： 384394.

［28］解堊，李敏. 政府公共转移支付的扶志效应［J］. 中国人口科学， 2022（1）： 99112.

编辑：李再扬，高原