城乡最低生活保障制度对贫困脆弱性的改善效应研究——基于PSM-DID方法的实证分析

张 栋

(中国人民大学 公共管理学院，北京 100872)

一、引言及相关文献回顾

作为脱贫攻坚“兜底”的最后一道安全网，中国的城乡最低生活保障制度(以下简称“城乡低保制度”)在巩固脱贫成果方面发挥着无可替代的作用。即便如此，在实际执行过程中，城乡低保制度依旧困难重重，一方面是由过度识别造成的“保不应保”进而形成的福利叠加(1)悬崖效应指由于受到低保标准或贫困线的限制，更多贫困群体无法享受低保制度或者其他叠加在低保制度上的救助性福利安排，使低保制度成为贫困“边缘”群体无法跨越的福利悬崖(韩克庆，2018)。，另一方面是由识别不足引起的“应保未保”从而产生的悬崖效应(2)福利叠加指叠加在低保制度上的其他救助性福利安排， 一旦成为低保对象，就被标示为社会中的贫困者，由此可能引起更广泛的社会关注，获得更多的社会支持(韩克庆，2018)。，不仅使得城乡低保制度的瞄准效果备受质疑，还引发了对现行城乡低保制度贫困测度与识别机制合理性的疑虑。不仅如此，获得低保救助的家庭(以下简称“低保家庭”)先脱贫后返贫的情况也时有发生。这使得学界对城乡低保制度实际减贫效果的反思有增无减。

2013年，中国社会科学院《社会保障绿皮书》显示，在接受调查的低保家庭中，六成不是贫困家庭，而近八成的贫困家庭没有享受到低保救助(王德忠，2013)。显然，漏保率与错保率(以下简称“瞄准偏误”)偏高导致的可被直接观察的后果是真正贫困的群体未能如愿拿到“救命钱”，而部分非贫困群体浑水摸鱼吃到了“唐僧肉”。那么，城乡低保制度瞄准偏误产生的内在原因究竟为何，能否有效避免？对此，学界进行了深入研究。相关研究主要集中在四个方面。首先是对于低保资格的认定。在实践过程中，不仅依靠明文规定，还受不成文的“潜规则”制约，致使贫困群体在资格认定环节出现了非正常的进入性障碍(尹志刚，2007；张军 等，2013)。其次是对贫困的测量与识别。现行城乡低保制度仍以家计调查作为贫困瞄准的主要技术途径，家庭的真实收入与财产状况很难被准确查清(白维军，2010；韩华为 等，2014；宋扬 等，2018)。再次是在有限的行政成本约束下，低保瞄准精度难以保证(姚建平，2018)。最后是在低保瞄准的过程中，某些地方政府往往将自由裁量权用来实现政治目标，没有认识到低保瞄准过程本身的无偏性才是能够精准、有效实施救助的关键(朱亚鹏 等，2014；姚建平，2018)。

本文认为，瞄准偏误产生的最直接、根本的原因在于现行城乡低保制度贫困测量机制不够健全，贫困识别系统不够完善，具体表现为仍旧是以家庭人均收入是否达到所属地区最低生活保障线(以下简称“低保线”)作为能否获得低保救助的主要判别依据。家庭人均收入是否达到低保线仅是贫困状态的一种静态的可被观察到的表现形式，该问题的实质是低保家庭面对外在风险时抵御的能力较差，进而在未来陷入贫困的可能性较高。显然，现行城乡低保制度没有对于未来可能陷入贫困状态的测量机制，同时贫困识别系统也缺少贫困发生前的预测环节。因此，现行低保制度的判别标准只能是在贫困发生之后，作为一种事后贫困状态的判别依据。这使得低保制度的运行逻辑是“先贫困，再扶贫”(谢宇，2017)。贫困是一个动态变化的过程，对于低保家庭而言，由于目前多项社会救助制度与低保制度对象识别机制存在绑定的情况，这使得一部分低保家庭在接受“一揽子”捆绑式的救助福利时，可以相对容易地使家庭人均收入高于低保线，进而实现“收入脱贫”(关信平，2019)，但这并不意味着真正意义上的摆脱贫困，因为此时若家庭抵御风险的能力依旧较差，一旦脱离低保制度的各项“福利叠加”，又会很快再次陷入贫困。因此，使用收入这一单一、滞后且静态的指标来考察低保家庭是否脱贫，所能发挥的功效仅是事中对贫困的监测，这说明现行贫困测量机制缺乏针对多维贫困测度与动态追踪的能力，进而造成整体贫困识别系统中事后检测环节的缺失。与此同时，由于受到事前预测与事后检测环节缺失的影响，若以传统事中监测环节所得出的脱贫结果来评判城乡低保制度的减贫效果，往往并不准确，极易被捕风捉影地放大或缩小，因而未能真实、可靠地反映城乡低保制度的实际减贫效果。

为了更加准确、有效地测量贫困与识别贫困人口，世界银行引入贫困脆弱性概念，并且将其定义为一个家庭或者个人在未来陷入贫困的可能性。(3)World Bank, “World dovelopment report 2000”, 2001, World Bank Publications.与收入指标相比较，贫困脆弱性是对未来可能陷入贫困的事前测度，具有前瞻性(樊丽明 等，2014)。因此，在贫困识别系统的事前预测环节中使用贫困脆弱性替代收入来测量与识别贫困状态，可以有效预测贫困边缘群体在未来陷入贫困的可能性，降低漏保率，减少由于识别不足引起的“应保未保”现象，进而化解低保家庭与贫困边缘家庭之间的悬崖效应，提升两类家庭城乡低保制度参与的机会均等性；在事后检测环节中使用贫困脆弱性替代收入来测量与识别贫困状态，能够考察低保家庭在获得低保救助后在未来继续陷入贫困的可能性，这不仅能够化解贫困群体先脱贫后返贫的困局，还能有效避免贫困群体因接受捆绑式福利而落入“贫困陷阱”。Chaudhuri et al.(2002)提出测量贫困脆弱性(Vulnerability as Expected Poverty，VEP)的方法，即通过估计消费函数，将个人或家庭在t+1期消费低于贫困线的可能性作为其在t期的脆弱性。樊丽明等(2014)利用VEP方法实证检验了中国公共转移支付对家庭贫困脆弱性的影响，发现家庭贫困脆弱性并没有因为公共转移支付而显著降低。杨龙等(2015)使用中国农村贫困监测调查数据对贫困地区农户脆弱性进行了测量，发现脆弱性测量和贫困测量的结果存在较大差异。刘央央等(2019)使用VEP方法测算了低保与非低保家庭的支出型贫困脆弱性，发现低保制度对于支出型贫困脆弱性较高的群体与收入低于低保线两倍的群体在减贫效果上存在显著性差异。

综上所述，可以发现，基于面板数据，运用贫困脆弱性对低保制度减贫效应的讨论并不充分，还需进一步深入。本文可能的边际贡献在于：以贫困脆弱性为研究视角，使用两期平衡面板数据，基于PSM-DID双重差分倾向得分匹配方法，就城乡低保制度的减贫效应进行测度和比较。

二、城乡低保制度对贫困脆弱性影响的理论分析

(一)贫困脆弱性测度方法

已有研究基于不同的研究视角和方法，对贫困脆弱性的概念进行了界定，并在此基础之上，提出测度贫困脆弱性的各种方法。其中，基于风险暴露、期望效用及预期贫困三种角度界定的贫困脆弱性最具代表性，相应地，基于这三种定义的贫困脆弱性测量方法也得到了广泛的应用。

风险暴露脆弱性(VER)测量方法由Dercon et al.(2000)提出，其认为，任何家庭随时随刻都有可能面对来自未知领域的各种各样的风险，由于风险的种类不同、来源各异，因此，具有很强的不确定性；当家庭面对这些不确定的风险时，往往不能及时意识到风险的存在，同时缺乏抵抗风险的能力，进而无法采取有效的措施应对风险；最终，受到风险影响的家庭其消费水平会产生相应的波动和改变。该方法就是通过测量在受到不确定风险的冲击下，家庭消费水平对收入变动的敏感程度来反映脆弱性程度；若家庭受到冲击后敏感性越强，则说明家庭越脆弱。具体测量方法为将家庭消费及其变动与家庭特征相关的自变量进行回归，用所得出的回归系数的大小来反映脆弱性的强弱。

期望效用脆弱性(VEU)测量方法由Ligon et al.(2003)提出，其认为，在面对风险时，不同家庭选择应对风险的态度有所不同，即应对风险的选择偏好并不一致，因此，通过把效应函数引入家庭应对风险的偏好之中，将家庭消费水平的期望效用小于贫困线定义为贫困脆弱性。该方法实质是把贫困脆弱性视为一种因风险导致家庭层面的福利损失。具体测量方法为用家庭消费的期望效用减去贫困线的效用，所得到的差值即为贫困脆弱性。

预期贫困脆弱性(VEP)测度方法由Chaudhuri et al.(2002)提出，其将贫困脆弱性定义为家庭未来陷入贫困的概率。这种方法可以有效解决面板数据短缺的问题，利用截面数据即可测度贫困脆弱性。该方法还假定脆弱性具有随机特征，而这些特征又会受到个体、家庭及环境变量的影响。表达式为：

VULht=Pr(Yht+1≤ poor)

(1)

其中，VULht是第h个家庭在t时期的脆弱性，指未来家庭人均收入(Yht+1)低于贫困线(poor)的概率。

未来家庭人均收入是个人、家庭特征变量(Xh)及误差项(eh)的函数，表示为：

Yht+1=f(xh，αt，et)

(2)

根据Amemiya(1977)提出的三阶段可行广义最小二乘(FGLS)方法，假设未来家庭人均收入服从对数正态分布：

第一步，估计家庭收入方程，得到以下表达式：

Ln Yht=αh+Xht+eh

(3)

(4)

(5)

第三步，经简化得到脆弱性的计算式：

(6)

已有文献关于贫困脆弱性门槛值的设定尚未有一致结论。樊丽明等(2014)认为脆弱性的门槛值确定具有主观随意性，但多数文献将未来发生贫困的概率高于50%定义为贫困是脆弱的,因而所设定的门槛值为50%(Zhang et al.，2006；李齐云 等，2015)。因此，本文采用40%、50%、60%三个门槛值来分析不同分组家庭的贫困脆弱性，并将未来发生贫困的概率高于40%作为第一道门槛值，称为低脆弱性；50%作为第二道门槛值，称为中脆弱性；60%作为第三道门槛值，称为高脆弱性。贫困线(poor)以当年各省份的低保线作为标准。原因在于：中国城乡之间、地区之间存在经济发展与社会结构的差异性；同时，各地区在制定低保线时，主要是根据其自身的经济与社会发展水平以及财政转移支付的额度来决定的。以各地城乡低保标准作为贫困线可以部分地平衡由不同省份及城乡之间的经济发展差异带来的贫困脆弱性估计的失衡(刘央央 等，2019)。

(二)贫困脆弱性家庭估计结果

表1表明，随着脆弱性门槛值由40%提高至60%，样本整体、城市以及农村，贫困脆弱性家庭占比均呈下降趋势。值得注意的是，农村脆弱性家庭占比明显高于城市，这意味着城市和农村的贫困脆弱性家庭分布结构存在较为明显的差异性。虽然脆弱性家庭占比的城乡差距呈下降趋势，但低脆弱性、中脆弱性以及高脆弱性的家庭主要都集中于农村地区。那么，造成这种结果的原因为何？

表1 全样本中贫困脆弱性家庭占比情况 (单位：%)

梳理中国扶贫政策的演变，不难发现：中国的扶贫攻坚事业起始于农村减贫，如1978年就开始实施的“以工代赈”扶贫战略，1986年和1994年国家级贫困县的划定以及《国家八七扶贫攻坚计划》的制定标志着中国扶贫事业正式进入攻坚阶段。虽然对农村低保制度的探索比城市早，然而受传统农村集体福利思维定式的束缚和农村税费改革的影响，此项制度的探索一直进展缓慢(解垩，2016)。最终将低保制度作为社会救助政策体系的“保基本，兜底线”的最后一道安全网以制度化形式确立时却是在城市而非农村。1993年，中国城市低保制度在上海开始试点；1999年，以国务院颁布《城市最低生活保障条例》为标志，中国城市低保制度正式确立。伴随着制度的日趋完善，全国城市范围内获得低保救助的居民人数迅速增加(程中培，2019)。2002年，城市所有贫困人口基本得到保障，大致实现了“应保尽保”(管汝胜，2002)。与此同时，对于农村扶贫事业的探索与实践也在稳步推进。2000年制定的《中国农村扶贫开发纲要(2001—2010)》将“两不愁、三保障”作为农村贫困群体扶贫开发的目标与检验标准；2004 年以前，北京、天津、上海、浙江、广东五个省市率先建立了农村低保制度；2007年，国务院下发《关于在全国建立农村最低生活保障制度的通知》，农村低保制度开始在全国广大农村地区减贫事业中发挥关键作用。相较于城市，农村低保制度确立时间稍晚，这意味着制度实施之初是在农村普遍贫困的状态下进行的 ，农村未能获得低保救助的贫困群体的存量应远远大于城市，其贫困程度和深度也应远大于城市贫困群体。基于农村与城市低保制度确立时间的差异以及农村贫困群体固有存量大于城市的现实，本文认为，城乡低保制度对农村与城市贫困群体的影响可能并不相同，对贫困家庭脆弱性的影响也可能存在差异。因此，提出：

H1：城乡低保制度对于贫困家庭的减贫效果在城市与农村家庭之间存在差异，即贫困脆弱性的改善效果存在显著的城乡差异。

中国城乡二元结构仍未打破，经济发展与社会结构的差异性在城乡与区域之间并存，城乡统筹下的低保线在全国范围内也未能实现完全统一，且农村大多低于城市水平。各地区在制定低保线时，主要是根据其自身经济与社会发展水平以及财政转移支付的额度来决定。这不可避免地造成低保制度在各地区城乡之间存在保障水平、兜底能力及制度发展的差异性。这表明低保制度的保障水平在城乡之间并不充分且农村滞后于城市，制度的运行发展在地区之间不均衡且经济发达地区领先于欠发达地区。

为了有效缓解城乡低保制度保障水平与发展能力“不充分且不平衡”的状况，《中国农村扶贫开发纲要(2011—2020年)》，把集中连片特殊困难地区作为未来10年扶贫开发工作的主战场，目的在于将国家扶贫政策与区域协调发展相结合，以化解中国城乡低保制度在地区之间运行发展不均衡的难题(陈志钢 等，2019)；2015年，国家发展和改革委员会推出“五个一批”的扶贫政策“组合拳”，其中“通过最低生活保障兜底一批”旨在突破中国城乡低保制度保障水平不充分的困局，主要针对农村贫困群体中绝对贫困存量问题。特别是伴随着2020年中国即将实现现行标准下农村贫困人口全面脱贫，与城市相比较，大量扶贫实践更多聚焦于农村贫困群体，因而农村贫困家庭的脆弱性的改善效果可能将会更加显著。因此，提出：

H2：随着样本脆弱性门槛值的提高，城乡低保制度能够有效降低贫困家庭的贫困脆弱性；与城市贫困家庭相比，农村贫困家庭在接受低保制度的救助之后能够更加有效缓解其贫困脆弱性。

三、估计方法、数据来源及变量说明

(一)估计方法

低保家庭通过获得低保救助对其贫困脆弱性产生了影响，这个结果在现实中已经产生。与此相对应的反事实结果是低保家庭未获得低保救助时的贫困脆弱性。通过上文对贫困脆弱性的估计，低保救助对低保家庭产生影响的现实结果已经实现了可观察，反事实结果却并不存在，进而无法进行分析与比较。因此，反事实结果的获取成为本文因果关系分析的关键。由于能否获得低保救助并不是随机发生的，而是与个人、家庭特征密不可分。因此，若简单地以均值分析来比较低保家庭(处理组)与非低保家庭(控制组)之间的差异性，将会导致样本选择性偏差以及低保家庭判定标准所带来的内生性问题。为了克服上述问题，本文选用倾向得分匹配法(Propersity Score Matching，PSM)，利用该方法可以实现反事实结果的获取，使得低保与非低保家庭各方面保持一致，仅在获得低保救助与否存在差异。PSM方法仅能够消除由可以观察到的异质性所导致的样本选择偏误，而双重差分法(Differences in Differences，DID)则可以弥补这一不足，能够解决由于不可观察的异质性所导致的样本选择偏误的问题。因此，使用双重差分倾向得分匹配法(Differences in Differences PSM，PSM-DID)能够更加合理地解决内生性与样本选择偏误问题。

第一步是倾向值得分的计算：

Logit(WFGAh=1)=α+Xhβ+eh

(7)

其中，Xh是由多元协变量组成的向量，主要包括个人与家庭特征变量，并将城乡与地区作为虚拟变量，以控制地区间固定效应。

第二步是根据倾向得分进行匹配。有效匹配的前提是必须满足共同支撑假设与平稳性假设。

第三步是计算平均处理效应(ATT)。表达式为：

(8)

其中：Y表示低保制度对贫困脆弱性的影响；下标12即2012年，为初始期，下标14即2014年，为干预期；上标T和上标C分别代表处理组和控制组。截至目前，对具体匹配时使用何种方法尚无一致性结论。因此，为了说明结果的稳健性，本文采用多种方法进行匹配，若结果存在较大差异，则应进一步考察出现差异的原因。

(二)数据来源

本研究使用的数据取自2012年和2014年两轮中国家庭追踪调查(China Family Panel Studies，CFPS)数据集。该调查覆盖了除西藏和青海之外的29个省(直辖市、自治区)。之所以使用2012年和2014年数据，是因为相较于2012年与2014年，2016年与2018年CFPS数据集的调查问卷中关于低保家庭身份的确认在调查询问方式上发生了改变，进而不能确定该家庭是否获得了低保救助，因此无法使用。如若使用2010年、2012年及2014年3期数据集来构成平衡面板数据则需要保留3年调查中均接受调查的个体，其中处理组(低保家庭)需在此期间均保持低保家庭身份，这将使得处理组的样本数量大幅减少，最终影响实证检验结果的可靠性与稳健性。

值得注意的是，在家庭问卷与成人问卷中的相关变量没有涉及户主的调查选项及字段。北京大学中国社会科学调查中心给出了定义户主的建议：问卷中的家庭主事人、重要事件决策人及最熟悉家庭财务的成员(财务回答人)均可作为定义户主的参考依据。同时，在2012年、2014年问卷中最熟悉家庭财务的成员(财务回答人)、问卷主要受访者及排在首位的家庭成员基本上为同一身份编号的家庭成员。据此，本文将最熟悉家庭财务的成员(财务回答人)定义为户主。此外，还剔除了户主年龄不足16岁等主要变量缺失的观察值。

综上所述，本文设定2012年为干预发生前的初始期，为了获得平衡面板数据，仅保留2012年与2014年均接受调查的个体。最终得到家庭样本容量为17560个，其中，处理组样本数量为1963个，控制组样本数量为15597个。

(三)变量说明

本文将城乡低保家庭与非低保家庭的贫困脆弱性(Vul)作为被解释变量，以各省(直辖市、自治区)城乡低保线作为贫困线的标准，其中家庭是否获得低保救助(WFGA)为本文的核心解释变量。因此，将低保家庭赋值WFGA为1，非低保家庭赋值WFGA为0；同时，在CFPS 2012、2014问卷中还询问了除低保救助以外是否获得其他政府补助，如五保供养、特困户等，将获得其他补助的家庭赋值为1，否则为0。通过梳理以往文献，本文选取以下控制变量：家庭户主的个人特征变量(主要包括年龄、性别、工作、自评健康状况等)及家庭人口规模、人均家庭支出、人口规模等家庭特征变量(个人与家庭特征是影响能否获得低保救助的重要因素，同时也是影响个人、家庭在未来可能陷入贫困的重要因素，因此将这些因素以虚拟变量的形式加以控制，以防止对后续因果关系的解释产生偏误)。同时，还引入城市、农村以及东、中、西部地区虚拟变量，以控制地区间固定效应。

变量描述与统计如表2所示。

表2 变量描述与统计

四、城乡低保制度对贫困脆弱性改善效应的实证结果

(一)Logit模型结果及平衡性检验

首先，倾向值得分匹配共同支撑假设要求处理组与控制组的倾向值得分需要有共同的取值范围，如图1与图2所示。图1中，在未对低保家庭组与非低保家庭组进行匹配时，二者存在较大差异；倾向得分匹配之后，由图2可以发现，两组之间不存在显著差异。

图1 匹配前倾向得分核密度分布

图2 匹配后倾向得分核密度分布

其次，PSM平稳假设要求匹配之后的处理组与控制组在协变量上不存在显著性差异，从而有效地校正样本可能存在的选择性偏误。如表3所示，经过PSM匹配之后，标准化偏差与平均偏差均大幅缩小。因此，匹配后的各协变量在低保家庭组与非低保家庭组之间是平稳的。同时，通过观察可知，Logit回归后的LR统计值由匹配前的484.450降低到了4.150，不拒绝各协变量没有联合效应的假设。因此，通过PSM匹配以及控制城乡、地区间固定效应，实现了低保家庭与非低保家庭在个人特征、家庭特征以及贫困脆弱性方面不存在差异性，使得匹配之后的低保家庭与非低保家庭在贫困程度上保持一致。

表3 计算倾向值的Logit模型结果及平衡性检验结果

(续表3)

(二)城乡低保制度对贫困脆弱性改善效应的PSM-DID估计结果

表4给出了全样本组城乡低保制度对贫困脆弱性改善效应的PSM-DID估计结果。

表4 全样本组城乡低保制度对贫困脆弱性改善效应的PSM-DID估计结果

值得注意的是，当ATTPSM-DID为负时，说明低保制度对低保家庭具有减贫效应，即低保制度降低了低保家庭的贫困脆弱性。具体来说，就是低保制度降低了低保家庭在未来陷入贫困的可能性。当ATTPSM-DID为正值时，说明低保制度增加了低保家庭的贫困脆弱性。 当参数k=1时，根据k阶近邻匹配的估计结果，处理组样本的贫困脆弱性得到了改善，由初始期2012年到干预期2014年，贫困脆弱性下降了0.291；对照组样本的贫困脆弱性同样也得到了改善，由初始期2012年到干预期2014年，贫困脆弱性下降了0.239。然后通过进一步差分，可以发现城乡低保制度对贫困脆弱性的影响效应为-0.052。另外，当参数c=0.01时，通过半径匹配的估计结果可以发现，处理组与对照组样本的贫困脆弱性都得到了改善，由初始期2012年到干预期2014年，贫困脆弱性分别下降了0.325和0.267。通过进一步差分，可以发现城乡低保制度对贫困脆弱性的影响效应为-0.059，统计显著性在99%置信区间内有效。

为了进一步检验以上结论的稳健性，本文采用了k阶近邻匹配、半径匹配、卡尺内的k阶近邻匹配三种局部匹配方法以及内核匹配、局部线性匹配、马氏匹配三种整体匹配法以研究低保制度对低保家庭贫困脆弱性的影响效应，同时就每一种匹配方法设置不同的参数值以检验低保制度对低保家庭贫困脆弱性的平均处理效应(ATTPSM-DID)的稳健性。由表4可知，以上匹配方法所得出的评估结果基本一致，说明评估结果具有良好的稳健性。

表5给出了基于均值样本分组的贫困脆弱性改善效应PSM-DID评估结果。其中，在脆弱性小于样本均值的分组中，各种匹配方法所得出的ATTPSM-DID估计结果在5%的水平上均不显著。这可能是由于脆弱性小于样本均值的群体对比脆弱性大于样本均值的群体而言，抵御风险的能力相对较强，进而由于无法抵御风险而在未来陷入贫困的可能性也有所降低。与此同时，各种匹配方法所得出的脆弱性大于样本均值的样本分组ATTPSM-DID估计结果在5%的水平上显著，这说明该群体风险抵御能力较差，未来可能继续陷入贫困的概率相对较高。

表5 基于均值样本分组的贫困脆弱性改善效应PSM-DID估计结果

(三)异质性分析

为了进一步探究异质性对以上评估结果所产生的影响，本文将样本按照城市、农村以及东、中、西部地区进行分组。如表6所示，无论在城市或农村样本中，城乡低保制度对于城乡低保家庭的贫困脆弱性均具有显著的改善效果，即减少了城乡低保家庭在未来陷入贫困的可能性。此外，农村低保制度对于低保家庭的减贫效应大于城市。一方面，相对于城市低保家庭而言，农村低保家庭其本身的家庭特征等因素使得其贫困脆弱性程度较深，因而在接受到农村低保制度“一揽子”式的救助措施之后，抵御外在风险的能力可能获得较大提升；另一方面，由于农村低保制度与扶贫政策在执行过程中可能产生的福利叠加效应，农村低保家庭不仅可能获得来自低保救助的相关福利加成，同时还可能获得扶贫工作所带来的额外的资金及实物等的支持，进而使得农村与城市低保家庭在减贫效果上存在一定差距。值得注意的是，当样本分组设定为东、中、西部时，通过对比不难发现，城乡低保制度对低保家庭贫困脆弱性的改善效果在区域上并不均衡，西部地区低保制度的减贫效应大于东、中部地区，中部地区低保制度的减贫效应相对较弱。这说明城乡低保制度在改善低保家庭的贫困脆弱性时，存在显著的区域性差异。

表6 基于城乡与地域样本分组的贫困脆弱性改善效应PSM-DID估计结果

综上所述，异质性分析佐证了H1，即城乡低保制度对于贫困家庭的减贫效果在城市与农村家庭之间存在差异，贫困脆弱性的缓解方面存在显著的城乡差异。总体样本、分组样本的贫困脆弱性改善效应PSM-DID估计结果佐证了H2，即城乡低保制度能够有效降低贫困家庭的贫困脆弱性；与城市贫困家庭相比，农村贫困家庭在接受低保制度的救助之后能够更加有效缓解其贫困脆弱性。此外，各种匹配方法所得出的估计结果基本一致，再次证明以上估计结果与分析结论具备一定的稳健性。

五、结论与建议

本文借助2012年和2014年中国家庭追踪调查数据集，构建两期城乡平衡面板数据，基于PSM-DID方法就城乡低保制度对贫困脆弱性的改善效果进行了测量与比较。研究发现：城乡低保制度对低保家庭的贫困脆弱性具有显著的改善效果，能够有效减少低保家庭在未来继续陷入贫困的可能性；城乡低保制度对低保家庭的减贫效应存在显著的城乡差异，相对于城市低保制度而言，农村低保制度减贫效应更加显著；城乡低保制度对低保家庭的减贫效应存在显著的区域性差异，西部地区的减贫效应大于东、中部地区。因此，本文建议，应从制度、管理、技术三个层面着手进一步加强与完善中国城乡低保制度，并实现由着重解决绝对贫困问题向解决相对贫困问题的转变。

从制度层面来看，城乡低保制度除了满足贫困群体基本的物质生活需求之外，还应该将精神需求、人格平等等尊严需求一并加入制度的兜底性设计之中。此外，农村低保认定条件中将“家庭拥有非生活所必需的高档消费品，例如手机、摩托车、空调等”列为排除对象不予认定和救助等类似的低保评判标准和条款，早已缺乏其存在的合理性。因此，应及时修订现行低保制度中贫困识别的评判条件，对缺乏合理性的条款做出适当调整。还有，当前城乡之间、不同区域之间、不同群体之间享有的低保制度救助水平和质量存在较大差异，一方面，低保制度的发展在城乡、地区、不同群体之间不平衡，另一方面，低保制度的保障水平在城乡、地区、不同群体之间不充分，这使得作为“兜底线”的低保制度无法为贫困群体人人“均等”地参与，不但削弱了其改善过大收入分配差距的功能，而且突破了其维护社会公平与正义的底线。同时，适度调整低保制度在城乡与区域之间减贫效应的差异性，确保低保制度在城乡与区域之间均衡发展，实现城乡与区域的全面脱贫。

从管理层面来看， 现行城乡低保制度贫困测量机制不够健全。具体表现为现行城乡低保制度没有对于未来可能陷入贫困状态的测量机制，缺少对贫困的事前预测与事后检测。在缺少事前预测与事后检测环节的情况下，若简单地以事中监测环节所得出的脱贫结果来评判城乡低保制度的减贫效果，所得出的结论可能失之准确。因此，政府及相关部门应逐步建立起事前预测、事中监测、事后检测的覆盖全过程的动态贫困测量与识别机制，确保贫困瞄准与识别的各个环节能够有效衔接，使后续的救助实施有的放矢，达到精准扶贫、精准脱贫、防止返贫的根本目的。

从技术层面来看，现行城乡低保制度贫困识别系统不够完善。具体表现为仍旧以家庭人均收入是否达到所属地区低保线作为能否获得低保救助的主要依据，这使得现行低保制度只能在贫困发生之后，作为一种事后被动的扶贫机制。因此，政府及相关部门应将贫困脆弱性这一关键指标纳入现行低保救助识别系统之中。在事前预测环节中使用贫困脆弱性作为测量与识别贫困的标准，可以有效预测贫困边缘群体在未来陷入贫困的可能性，从而降低漏保率，进而减少由于识别不足引起的“应保未保”现象，以化解低保家庭与贫困边缘家庭之间的悬崖效应，提升两类家庭对于城乡低保制度参与机会的均等性。在事后检测环节中将贫困脆弱性作为测量与识别贫困的标准，能够考察低保家庭在获得低保救助后在未来继续陷入贫困的可能性，这不仅能够解决贫困群体先脱贫后返贫的困局，还能有效避免贫困群体获得捆绑式福利后而落入“贫困陷阱”的问题。