不同类型脱贫户的返贫脆弱性及返贫风险预警机制

周馨雨，周美玲，陈树荣，严小燕，祁新华,1b*

（1.福建师范大学 a. 地理科学学院，b. 地理研究所，福州 350117;2. 福建省城乡规划设计研究院，福州 350117）

0 引言

经过艰苦卓绝的努力以及克服新冠疫情的影响，2020年中国如期兑现打赢脱贫攻坚战的庄严承诺，在现行标准下9 899万农村贫困人口实现脱贫，832个贫困县全部摘帽[1]。在此背景下，中国减贫政策将从消除“绝对贫困”向缓解“相对贫困”转变，从“全面脱贫”向“防止返贫”调整[2]。由于贫困产生的原因十分复杂，某些扶贫举措治标不治本而导致脱贫不彻底、不稳定，致使脱贫人口具有明显的脆弱性，存在一定的返贫风险[1]。为巩固扶贫成果，保障减贫事业持续推进[3]，各级政府和学术界开始关注返贫以及与之密切相关的脆弱性等问题[4]。

“贫困脆弱性”概念源于2001年的世界银行报告，被定义为“在风险冲击下，个人或家庭未来福利下降到某一社会公认水平之下的可能性”[5]。目前，学界的相关研究主要集中于贫困脆弱性的测度及其影响因素、返贫脆弱性以及返贫风险防范与预警等方面。在贫困脆弱性测度方面，当前主要有3种主流方法，分别为期望贫困的脆弱性（VEP）[6]、期望效用的脆弱性（VEU）[7]与风险暴露的脆弱性（VER）[8]。基于上述方法，不少学者对贫困脆弱性开展实证分析并探究其影响因素，有学者从政策角度探究了贫困脆弱性的影响因素[9]，还有学者探究了人力资本[10]、农户收入水平[11]、邻里效应[12]、居住模式[13]以及社会资本[14]等因素对贫困脆弱性的影响。在贫困退出背景下，由贫困脆弱性引申出了返贫脆弱性的内涵。返贫脆弱性被定义为在负面冲击下，个人或家庭重返贫困的可能性。返贫风险代表着个人或家庭未来重新陷入贫困的可能性，从这种意义上说，返贫脆弱性可以用来表征返贫风险。目前已有部分学者开始关注返贫脆弱性研究，有学者运用SST指数、A-F双界线法、暴露-敏感-适应模型来测度返贫脆弱性并探讨返贫风险特征和发生机制[15-16]；李雅婧与严小燕等学者分别针对六盘山区与集中连片特困地区展开了返贫脆弱性的实证研究并探究其影响因素[17-18]。在返贫风险防范与预警机制构建方面，何华征等揭示了农村返贫模式及其返贫阻断机制[19]；范和生、包国宪以及杨瑚等剖析了返贫现象生成的诱因，并在此基础上构建了返贫风险预警模型[20-22]；蒋和胜等则构建了由阻断返贫监测机制、响应帮扶机制和动态回溯机制组成的长效返贫预警阻断机制[2]。

综上所述，相较于贫困脆弱性的丰硕成果，关于返贫脆弱性的研究仍然不多，尤其是在绝对贫困退出背景下，针对不同类型的脱贫户，基于返贫脆弱性的返贫风险预警机制探讨更为鲜见。根据国务院扶贫办制定的建档立卡贫困户类型标准，将样本分为一般脱贫户、低保脱贫户以及五保脱贫户3类 。以福建省周宁县为例，基于期望贫困的脆弱性模型（VEP）测度不同类型脱贫户的返贫脆弱性，利用有序Logistic回归模型与OLS模型分析其影响机制，并在此基础上构建返贫风险预警模型，希望能够为丰富返贫的实证探索和进一步完善巩固扶贫成果、遏制返贫的政策提供有益参考。

1 区域概况、计算模型与数据来源

1.1 区域概况

周宁县位于福建省东北部，地处鹫峰山脉东麓，地势由西北向东南倾斜，平均海拔800 m，为典型的山区县。受地理环境与历史因素的影响，周宁县的社会经济发展相对滞后，在相当长的一段时间内，周宁县为福建省省级扶贫开发工作重点县。当地扶贫办数据显示，2020年3月，全县1 499户建档立卡户5 201人全部脱贫，35个贫困村全部退出，各项指标均达到或超出重点县退出标准，脱贫攻坚工作取得了决定性进展。然而，当地的脱贫工作仍然存在一些问题：一是贫困户长效增收机制有待进一步完善，尤其是产业扶贫还存在规模小、层次低、链条短等问题；二是少数脱贫户收入偏低、刚性支出较大，脱贫还不够稳定（经当地扶贫办摸底，此类对象共有54户181人）；三是35个原贫困村在村集体经济收入、公共服务、基础设施等方面均有待进一步提升。可见，周宁虽然已退出贫困序列，但仍存在潜在返贫风险，是探讨贫困脆弱性及返贫风险预警机制的理想案例。

1.2 计算模型

1.2.1 返贫脆弱性测度模型

期望贫困的脆弱性（VEP）模型通过可观测变量对家庭人均消费进行回归得到家庭人均预期消费，以此得到未来家庭人均预期消费低于某一值的概率，即家庭未来陷入贫困的概率[6]。由于返贫脆弱性与贫困脆弱性都是表示负面冲击下，个人或家庭陷入贫困的可能性，只是其对象特指已脱贫人口与家庭。因此，本研究将其用于测度不同类型脱贫户的返贫脆弱性。参照各国相对贫困认定标准[23]，综合国家脱贫标准和周宁县的收入与消费水平，将全县2020年人均可支配收入的40%作为相对贫困标准，选取家庭人均收入10 000元/年作为返贫线，并选取户主性别、年龄、年龄平方、受教育程度、家庭规模、家庭抚养比与家庭负担比等作为可观测变量用于计算未来家庭人均预期消费。确定返贫脆弱区间时，参考前人研究成果[17]，将0～0.2、0.2～0.4、0.4～0.6、0.6～0.8、0.8～1分别确定为低、中低、中、中高、高返贫脆弱性。

1.2.2 回归模型

1.2.2.1 有序Logistic回归模型

采用有序Logistic回归模型对不同类型脱贫户的返贫脆弱性影响因素进行回归分析，模型要求因变量属性为类别数据，且类别之间可以对比大小，其模型为：

（1）

式（1）中：y表示样本返贫脆弱性程度，将返贫脆弱性程度j分为低、中低、中、中高、高5个类别，依据程度轻重取值1～5；χ为返贫脆弱性的影响因素；α和β分别表示常数项和系数；ε为残差项。

1.2.2.2 OLS回归模型

经典的多元线性回归模型（Ordinary Least Squares, OLS）通常作为基准模型，其模型表达式为：

y=α+∑βiχi+ε

（2）

式（2）中：y为返贫脆弱性，用以衡量脱贫户返贫风险；α为常数项；χ为自变量；β为回归系数；ε为残差项。

1.2.2.3 变量设置

“两不愁、三保障”是国家识别贫困人口是否脱贫的重要标准，同时也是周宁县扶贫工作的重要参照，但其指标过于简单，难以区分不同家庭之间的差异。鉴于此，本研究基于样本数据，在“两不愁、三保障”的基础之上进行拓展，分别从个人特征、家庭禀赋以及政府行为3个方面构建农户返贫脆弱性的指标体系。其中，个人特征变量包括户主年龄、年龄的平方、性别、民族、文化程度、健康状况以及劳动技能等7个指标；家庭禀赋包含家庭规模、家到中心城镇距离、家庭成员健康状况、家中老年人数量、家中在校生数量、家中劳动力数量、致贫原因以及住房安全等8个指标；另外纳入医疗保险、饮水安全与政策补贴3个政府行为指标。具体变量定义与赋值如表1所示。

1.3 数据来源与样本属性

本研究数据来源于周宁县扶贫办。2019年底，周宁县共有1 499户建档立卡贫困户，贫困人口5 201人，全样本纳入本研究中。样本基本特征如表2所示：户主以男性为主，年龄多在46～64岁之间，受教育程度普遍较低，小学程度占比最高；家庭抚养比（16岁及以下的儿童和65岁及以上的老人数量所占的比重）在50%及以下的家庭占比最高。家庭负担比（非劳动力与家庭人口数的比值）各区间家庭数相当；家庭人均年收入以10 001～15 000元为主，占近半数。

表 1 变量定义及描述性统计Table 1 Variable definitions and descriptive statistics

2 返贫脆弱性及其影响因素分析

2.1 返贫脆弱性评价

表 3 不同类型脱贫户的返贫脆弱性、家庭抚养比以及家庭负担比占比 Table 3 Vulnerability to return to poverty, family dependency ratio and family burden ratio of households out of poverty

周宁县的脱贫户返贫脆弱性均值为0.118，整体处于较低水平，其中80.99%的脱贫户属于低返贫脆弱性，12.07%属于中低返贫脆弱性，4.34%属于中返贫脆弱性，仅1.67%、0.93%的脱贫户具有中高与高返贫脆弱性，说明随着扶贫开发战略的深入实施，周宁县取得了显著的精准扶贫成效。

周宁县1 499户建档立卡贫困户全样本数据中，一般脱贫户、低保脱贫户以及五保脱贫户的数量分别为833、641、25户。比较3类脱贫户的家庭抚养比、家庭负担比与返贫脆弱性（表3），低保脱贫户的返贫脆弱性最高；五保脱贫户的高抚养比、负担比的家庭比例最高，但是低返贫脆弱性的比例却更高，主要原因在于五保脱贫户为五保供应对象，其自身的特殊性使其能够得到更多的政策倾斜，从而降低返贫脆弱性；低保脱贫户家庭高负担比、抚养比的比例与返贫脆弱性都高于一般贫困户，这意味着低保贫困户的家庭中往往有着更多的老人和儿童需要抚养，需要花费更多的赡养费用与教育费用；与此同时却没有足够的劳动力来支撑整个家庭支出，从而造成较高的返贫脆弱性。

2.2 脆弱性影响因素分析

运用Stata 16.0软件对低保脱贫户（Logistic 1）、一般脱贫户（Logistic 2）以及脱贫户总体（Logistic 3）的返贫脆弱性分别进行有序Logistic回归分析。由于五保脱贫户的样本量较少，考虑到研究结果的可获得性，采用OLS回归的方法对其影响因素进行分析，回归分析结果如下（表4）。

表 4 返贫脆弱性的回归结果 Table 4 Result of vulnerability to re-poverty

2.2.1 个人特征

从一般脱贫户与低保脱贫户的回归分析结果来看，户主劳动技能对返贫脆弱性有着显著的负向影响，随着户主劳动技能能力的提升，返贫脆弱性呈下降趋势。劳动力能够增加家庭收入，而劳动技能的优劣与劳动力收入的多少密切相关。一般而言，技能劳动力创造收入的能力最高，无劳动力的最低。对于一般脱贫户与低保脱贫户而言，户主劳动技能提升有利于降低返贫脆弱性。

从总体来看，户主年龄对返贫脆弱性有显著负向影响，而户主年龄的平方的影响与此相反，这说明户主年龄与返贫脆弱性之间是非线性关系，呈“U”型关联。户主年龄的影响呈“先降低后增长”的态势，户主年龄过大或者过小都会使返贫脆弱性处于较高水平，当户主为青壮年时，户主有较稳定的收入来源而使其返贫脆弱性降低。此结论也验证了左孝凡、徐戈等学者的研究结果[12,14]。户主文化程度也对返贫脆弱性亦有着显著负向影响，文化程度越高其返贫脆弱性越低。户主文化程度越高，往往意味着其具有更高的专业技能，可以从事更高收入的工作，其返贫脆弱性也就越低。

2.2.2 家庭禀赋

3种类型脱贫户返贫脆弱性影响因素的回归结果表明家中老年人与在校生数量对返贫脆弱性有显著负向影响。万里洋[24]等学者的研究结果与本研究基本相同，认为随着社会养老保险制度的完善，家中老人的数量能够帮助家庭有效缓解风险冲击。在校生数量方面，随着政府帮扶政策的完善，家中有困难的在校生可以得到来自政府、学校以及社会机构的帮扶，极大缓解了就学压力，也在一定程度上帮助家庭缓解因求学导致的返贫风险冲击。此外，对于一般脱贫户与低保脱贫户而言，家庭规模对其返贫脆弱性有显著的正向影响，而劳动力数量则相反。家庭规模越大，所需要抚养的人数就越多，家庭负担越重，其未来返贫的风险也就越大；家中劳动力数量对返贫脆弱性有着显著的负向影响，说明家中劳动力数量越多，其提升生计资本的能力也就越高，从而降低家庭的返贫脆弱性。

从总体来看，家中老年人与在校生数量的回归结果与3组样本相反，主要原因在于这两个变量呈“U”型分布，由于政策的关注，适当的老年人与在校生的数量增加有利于规避返贫风险，但过多的老年人与在校生会导致家庭负担过重，导致返贫脆弱性增加。此外，致贫原因中因病、因残导致贫困的家庭可能会因为医疗保险与政府对残疾人的补贴而比其他家庭具有更低的返贫脆弱性，这也从侧面体现了医疗救助政策的稳定性与长效性对防范返贫的重要性。

值得注意的是，政府行为的影响虽未呈现显著水平，但周宁县当地政府的扶贫政策已经成为普惠性政策，包括提供产业补助资金、发放小额扶贫贷款、设置公益性岗位等，并且有效地巩固扶贫政策的稳定性。事实上，通过不懈的努力，当地已大幅提升贫困家庭的发展能力，巩固扶贫成果。

图 1 返贫风险“双预警”机制框架 Figure 1 Framework of early warning mechanism for risk of returning to poverty

3 返贫风险预警机制构建

如前文所述，将近20%的脱贫户不属于低返贫脆弱性。因此，仍需构建精准、长效的阻返机制以巩固脱贫成果，实现高质量脱贫。基于此，本研究尝试构建返贫风险预警机制。

3.1 返贫风险“双预警”概念模型

建立返贫风险预警机制，对潜在的返贫对象进行监测，可以巩固扶贫成果，有效遏制返贫现象发生。参考国家与福建省针对返贫监测和帮扶机制的实施办法，结合周宁县已脱贫的建档立卡户状况，构建指标预警与因素预警相结合的返贫风险“双预警”模型，其概念模型如图1所示。

首先是将监测对象明确为建档立卡脱贫户，以及通过扶贫工作人员排查出的贫困边缘户或重点户，对其进行日常的返贫监测。其次是同步进行返贫脆弱性监测与返贫影响因素监测，形成 “双预警”系统。按照上文划分标准，将返贫脆弱性划分为5类，对监测对象的返贫预警度进行初步筛查，若判定为低返贫脆弱性则无警，不对其进行下一步的监测，而是继续对其进行日常监测；除此之外则为初步有警，对其进行下一步返贫影响因素分析。前文归纳出了对不同类型脱贫户返贫脆弱性有显著影响的影响因素，在判定监测对象初步有警之后，帮扶人员通过上门走访，核查监测对象的具体情况，判断监测对象的预警度，若为无警，则不对其进行采取下一步的帮扶措施，而是继续对其进行日常监测；若预警度被判定为轻度、重度预警，则启动返贫风险干预系统，帮扶人员根据其实际情况，采取精准措施防止返贫现象发生。

3.2 “双预警”模型预警标准

为了防止漏警与误警的发生，参考前人研究[27]，采用指标预警与因素预警相结合的“双预警”方法来确定监测对象的预警度。指标预警即对监测对象潜在的返贫概率即返贫脆弱性进行监测，初步判定预警度，将区间[0，0.2]设置为返贫脆弱性的安全区间，返贫脆弱性在此区间内则会被判定为无警；将（0.2，1]设置为危险区间，若返贫脆弱性处于此区间内，则为有警。

对初步被判定为有警的监测对象进行进一步的返贫因素筛查，即因素预警。在前文的分析中，对于一般脱贫户与低保脱贫户，户主劳动技能、家庭规模、家中老年人数量、家中在校生数量、家中劳动力数量为其显著影响因素；对于样本总体，户主年龄、户主文化程度、家庭规模、家中老年人数量、家中在校生数量、家中劳动力数量和致贫原因等是返贫脆弱性的显著影响因素。由于五保脱贫户的样本量较少且贫困程度高，对于五保贫困户采用总体样本的影响因素进行监测。具体影响因素预警程度的划分如表5所示。

表 5 返贫影响因素预警标准 Table 5 Early warning criteria for factors affecting poverty return

基于“短板效应”原理，若初步有警的监测对象返贫因素都被判定为无警，不发警报，继续对其进行日常监测；当返贫因素中出现了轻度预警且未出现高度预警时，则发出轻度预警警报；当返贫因素核查时出现了高度预警时，则会发出高度预警警报。对于发出轻度与高度预警警报的监测对象，应根据返贫风险程度，制定相应的精准帮扶对策，预防返贫现象发生。

4 结论与建议

1）周宁县扶贫工作取得了极大的成效，80.99%的脱贫户属于低返贫脆弱性。脱贫户的返贫脆弱性随着收入水平的提升而下降，低收入家庭具有比高收入家庭更高的家庭负担比与家庭抚养比，也意味着低收入家庭面临着更高的支出而收入却更少，因此具有更高的返贫概率。

2）在个人因素方面，户主年龄对返贫脆弱性的影响呈“U”型，户主年龄过小或过大都会有较高的返贫脆弱性；户主受教育程度与户主劳动技能对返贫脆弱性有着显著负向影响，受教育程度与户主劳动能力差，其返贫的概率也更高。家庭规模、家中老年人数量、在校生数量、劳动力数量都会显著影响返贫脆弱性，家庭规模越大，返贫脆弱性越高；而劳动力越多，生计能力更强，返贫脆弱性越低；适当的老年人和在校生数量可以为家庭带来一定的政策补助，从而在一定程度上缓解返贫脆弱性。

3）致贫原因对返贫脆弱性也有显著的影响。因灾、因自身发展动力不足、因学致贫的家庭未来返贫的概率大于因病、因残致贫的家庭。因病、因残致贫家庭在医疗方面的支出大部分将由政府报销，一些慢性病若控制得当，病患具有一定的劳动能力，也可以为家庭带来部分收入。此外，残疾人还获得当地政府以及社会公益的补助与捐款，在某种意义上减轻了家庭压力，从而降低返贫脆弱性；因灾、因学与因自身发展动力不足致贫的家庭需要投入更多费用用于家园重建和自身能力培养，承担压力更大，相对而言也具有较高的返贫概率。

4）针对上述结论，当地政府应当强化返贫治理，对被判定为需要进行重点防范的对象采取精准长效的帮扶措施：（1）加强扶贫干部队伍的建设，强化政策兜底，减轻家庭负担，降低返贫风险。充分用好村级带头人、科技特派员等力量，提升扶贫干部的专业素养；组织挂钩帮扶领导、乡村干部对存在生产生活困难的原建档立卡户进行全面摸底登记，按照“一户一策”制定具体帮扶方案，对存在返贫风险人员，配强挂钩帮扶责任人和帮扶措施，以此降低返贫风险。（2）创新扶贫工作机制，提升贫困村发展基础。打造电商扶贫新模式，为农户提供政策性贷款支持，鼓励贫困户开网店与实体店，低成本创业；通过培育电商平台，帮助贫困户售卖农产品，打通销售渠道，增加收入。（3）注重扶智扶志，培养农户自我发展意识与能力，激发其内生动力。制定有效激励机制，对自强不息的农户，给予更多的政策支持；对“等、靠、要”的农户进行思想教育，必要时可以采取适当的警告与惩戒。投入产业补助资金扶持产业扶贫项目；设立乡村青年返乡创业专项补助，吸引在外青年人返乡创业以带动乡村发展；设置保洁环卫、生态护林等公益性岗位，实现农户再就业或灵活创业。在产业综合带动，扶贫“造血”项目，增收致富门路等方面统筹安置帮扶对象。此外，完善学业资助体系，从根源上改善农户因自身发展动力不足而返贫致贫的问题。（4）坚持因地制宜和因人施策的原则，完善返贫风险预警机制。将遏制返贫纳入村庄规划等空间治理体系中，针对不同类型的村庄采取不同的发展模式；同时强化贫困监测预警，既要关注脱贫人口，又要把有致贫风险的边缘户纳入动态监测范围，提前预设防贫、防反复的政策支撑。广泛动员社会各方面参与扶贫助困，引导各类企业、社会组织、个人进行多种形式的帮扶，共同防范返贫现象发生。