萬 力 劉妍珺 馬贊甫

（貴州財經(jīng)大學，貴州·貴陽 550025）

民族自治地方是國家扶貧開發(fā)工作的重點與難點。目前我國592個國家扶貧開發(fā)工作重點縣中，民族八省區(qū)占232個。《中國農(nóng)村扶貧開發(fā)綱要（2011-2020年）》將少數(shù)民族、婦女兒童和殘疾人作為扶貧開發(fā)的“重點群體”，并明確指出“把對少數(shù)民族、婦女兒童和殘疾人的扶貧開發(fā)納入規(guī)劃，統(tǒng)一組織，同步實施，同等條件下優(yōu)先安排，加大支持力度?！?/p>

研究民族地區(qū)貧困問題的文獻較多，或論述貧困的現(xiàn)狀與特征，或分析貧困的成因，或探討反貧困的具體舉措。其中，向玲凜等探討了西部、西南少數(shù)民族貧困的現(xiàn)狀、特征及原因。[1-2]程厚思等人以“孤島”模型解釋云南少數(shù)民族地區(qū)的貧困問題，認為少數(shù)民族地區(qū)農(nóng)村經(jīng)濟發(fā)展的落后，主要是由于地域空間的封閉性而導致經(jīng)濟、技術及文化價值觀念的封閉性，從而使其跌入社會經(jīng)濟發(fā)展的“孤島陷阱”。[3]張毅等綜述了民族地區(qū)貧困的成因，歸納了諸如地理區(qū)位與自然資源稟賦、發(fā)展起點低與社會發(fā)展滯后、教育水平低及人力資源分配不合理以及非正式制度與經(jīng)濟發(fā)展相失調(diào)等原因。[4]陳全功等認為少數(shù)民族地區(qū)的貧困具有持續(xù)性，其原因可歸結為自然因素、人口素質(zhì)與制度因素三個方面。[5]就反貧困對策與舉措而言，傾向于促進經(jīng)濟增長進程與加大扶貧開發(fā)力度，但也有研究開始質(zhì)疑這些舉措的有效性。比如，向玲凜等指出民族地區(qū)的經(jīng)濟增長具有“親富”式態(tài)勢，農(nóng)民增收的速度低于經(jīng)濟增長速度。[1]

我們認為，對貧困相關影響因素的窮究是反貧困研究的關鍵所在，唯有切實把握貧困生成的原因，才有可能提出具有現(xiàn)實可操作性的反貧困對策與舉措。事實上，現(xiàn)有研究并不回避對民族地區(qū)貧困成因的歸納，但基本上以定性分析為主，缺乏數(shù)據(jù)支撐，不能從實證層面論證貧困相關因素對貧困發(fā)生率的影響。

一般而言，民族地區(qū)的貧困問題在很大程度上可歸結為經(jīng)濟效率問題。蔡昉等曾指出，我國區(qū)域減貧過程三個階段中的前兩個階段歸功于區(qū)域技術效率與市場配置效率的改善[6]。本項研究在生產(chǎn)效率評價基礎上，采用刪節(jié)數(shù)據(jù)的TOBIT模型[7]考察了生產(chǎn)效率對貧困發(fā)生率的影響，結果表明，提高生產(chǎn)效率確實可有效緩解貧困，純技術效率與規(guī)模效率對降低貧困發(fā)生率的效果尤其顯著。

一、研究對象

就行政區(qū)劃而言，貴州民族自治地方主要包括三個少數(shù)民族自治州11個少數(shù)民族自治縣，具體而言，即黔西南布依族苗族自治州（下轄8個縣）、黔東南苗族侗族自治州（下轄16個縣）、黔南布依族苗族自治州（下轄12個縣）、道真仡佬族苗族自治縣、務川仡佬族苗族自治縣、鎮(zhèn)寧布依族苗族自治縣、關嶺布依族苗族自治縣、紫云苗族布依族自治縣、威寧彝族回族苗族自治縣、玉屏侗族自治縣、印江土家族苗族自治縣、沿河土家族自治縣、松桃苗族自治縣及三都水族自治縣。必須承認，非民族縣中散居雜居的少數(shù)民族的貧困狀況也不容樂觀。但考慮到對象的可比性，本項研究以少數(shù)民族聚居的縣域單位為主要考察對象，總計46個縣域單位。

2012年度，貴州民族自治地方的貧困問題較為嚴重，貧困人口比較集中。貴州貧困發(fā)生率最高的26個縣域單位中，有24個屬于民族自治地方。貧困發(fā)生率最高、貧困人口最多的縣域單位都屬于民族自治地方，其中晴隆縣的貧困發(fā)生率高達49.4%，威寧縣的貧困人口高達38.34萬。我國政府關注貴州民族自治地方的貧困治理問題，事實上，在民族自治地方的46個縣域單位中有37個被劃為扶貧開發(fā)重點縣。

為突出民族自治地方的貧困特征，本項研究綜合考察了貴州88個縣域單位的貧困影響因素。

二、研究方法

本項研究采用回歸分析方法考察貧困的影響因素，重點考察宏觀經(jīng)濟效率對貧困發(fā)生率的影響。其中，宏觀經(jīng)濟效率測度是借助非參數(shù)的數(shù)據(jù)包絡分析（Data Envelopment Analysis，DEA）方法進行的。DEA方法，是一種測評相對有效性的非參數(shù)方法，最先由Charnes等人提出。[8]所謂的決策單元（Decision Making Unit，DMU）是DEA的測評對象，具有可比性，都包含多種輸入與多種輸出。一般情況下，輸入主要指成本類指標，而輸出則主要指收益類指標。

DEA借助數(shù)學規(guī)劃模型特別是線性規(guī)劃模型測評目標DMU的效率值，而其中比較常用的模型是BCC模型[9]，其計算可借助軟件DEAP Version 2.1進行。經(jīng)軟件處理，目標DMU的效率值可劃分為三種類型：技術效率（Technical Efficiency，TE）值，純技術效率（Pure Technical Efficiency，PTE）值及規(guī)模效率（Scale Efficiency，SE）值。SE值為TE值與PTE值之比值，換言之，技術有效性蘊含了純技術有效性與規(guī)模有效性。

在此基礎上，本項研究考察純技術效率、規(guī)模效率及其他因素對貧困發(fā)生率的影響，而技術效率的影響可通過三類效率之間的關系予得以反映?？紤]到貧困發(fā)生率（%）為取值0至100之間的一個指標，故采用了刪減數(shù)據(jù)的TOBIT回歸模型進行分析。

三、貧困相關影響因素分析

本項研究的實證分析部分有兩個重要環(huán)節(jié)，其一是宏觀經(jīng)濟績效評價環(huán)節(jié)，其二是貧困發(fā)生率影響因素分析環(huán)節(jié)。經(jīng)宏觀經(jīng)濟績效評價，可得到貴州省各縣域單位的技術效率值、純技術效率值與規(guī)模效率值，為后續(xù)TOBIT模型提供重要的解釋變量，是貧困發(fā)生率影響因素分析的基礎。

以2012年度人口數(shù)、固定資產(chǎn)投資額及國土面積為縣域單位的輸入項，以地區(qū)生產(chǎn)總值為輸出項，在輸出導向下，利用DEAP VERSION 2.1計算得到貴州88個縣域單位的純技術效率（PTE）值與規(guī)模效率（SE）值如表1所示。

表1 貴州省2012年度各縣域單位的宏觀經(jīng)濟效率值

2012年度貴州省縣域單位純技術效率均值為0.529，整體水平較低，規(guī)模效率均值為0.810。其中，民族自治地方46個縣域單位的純技術效率均值為0.520，規(guī)模效率均值為0.748，都略低于全省平均水平。全省純技術效率值最低的為習水縣，僅0.241，而規(guī)模效率值最低的是臺江縣，只有0.249。

進一步地為考察宏觀經(jīng)濟效率對貧困狀況的影響，以貧困發(fā)生率（%）為被解釋變量，以人均生產(chǎn)總值（元）、農(nóng)民人均純收入（元）、公路里程與國土面積之比（公里/平方公里）、人均耕地面積（公頃/萬人）、城鎮(zhèn)人口比重、純技術效率、規(guī)模效率、虛擬變量為解釋變量。其中，虛擬變量表征縣域單位是否為民族自治地方，若是則賦值為1，否則賦值為0。在此基礎上，采用TOBIT回歸分析方法考察貧困發(fā)生率相關影響因素。

實證分析結果表明，在5%的置信水平下，民族自治地方與非民族自治地方的貧困發(fā)生率顯著不同，前者平均高約4.10個百分點，除此之外，顯著影響縣域單位貧困發(fā)生率的因素還有農(nóng)民人均純收入、人均耕地面積、城鎮(zhèn)人口比重、純技術效率與規(guī)模效率，不過，農(nóng)民人均純收入對貧困的減緩作用較小，對應參數(shù)值僅為-0.005594。而人均地區(qū)生產(chǎn)總值、交通狀況對貧困發(fā)生率無顯著性影響。換言之，單純的經(jīng)濟增長、交通狀況基礎設施建設未表現(xiàn)出顯著的反貧困效用。

根據(jù)上述分析結果，民族自治地方的貧困發(fā)生率均值明顯高于非民族自治地方，有必要就民族自治地方的貧困問題進行單獨分析。為此，以民族自治地方的46個縣域單位為樣本，采用相同模型探討貧困發(fā)生率的相關影響因素，經(jīng)Eviews軟件處理的變量顯著性情況如表2所示。

表2 貴州民族自治地方貧困相關影響因素

計算結果表明，人均耕地面積、城鎮(zhèn)人口比重、純技術效率與規(guī)模效率是顯著影響貴州民族自治地方貧困發(fā)生率的重要因素，而就本樣本而言，人均地區(qū)生產(chǎn)總值、農(nóng)民人均純收入、交通狀況等因素對民族自治地方貧困發(fā)生率的影響并不顯著。

四、對策建議

第一，秉持全要素生產(chǎn)效率視角，從提升宏觀經(jīng)濟績效入手，促進經(jīng)濟發(fā)展，降低民族自治地方貧困發(fā)生率。DEA測評的純技術效率、規(guī)模效率皆基于全要素效率視角，綜合反映了不同生產(chǎn)要素在宏觀經(jīng)濟生產(chǎn)中的作用。本項研究以人口、固定資產(chǎn)投資、國土面積為要素輸入項，以地區(qū)生產(chǎn)總值為輸出項，系統(tǒng)考察輸入與輸出之間的對應關系，所測評的效率是多目標意義下的經(jīng)濟效率，有別于單純追求經(jīng)濟增長，片面謀求經(jīng)濟總量。提升全要素生產(chǎn)效率才是減緩貧困發(fā)生率的積極舉措。

第二，切實保障貧困個體所持有的耕地面積，并設法提高種植業(yè)生產(chǎn)效率。耕地不僅是農(nóng)業(yè)生產(chǎn)的基礎，是糧食安全的重要保障，也是貧困個體立身之本，是其最為重要的衣食來源，是其基本生活水平的保證。貴州石漠化問題較為嚴重，耕地稀缺，人均耕地面積在很大程度上與貧困發(fā)生率相關聯(lián)。

必須意識到，貧困個體往往伴隨謀生能力的缺乏，離開耕地極有可能導致生存狀況的進一步惡化。2014年中共中央、國務院印發(fā)的《關于全面深化農(nóng)村改革加快推進農(nóng)業(yè)現(xiàn)代化的若干意見》，即中央一號文件曾明確指出：“在堅持和完善最嚴格的耕地保護制度前提下，賦予農(nóng)民對承包地占有、使用、收益、流轉(zhuǎn)及承包經(jīng)營權抵押、擔保權能。”在這一背景下，保證貧困個體所持有的耕地面積或相應收入水平將更具有挑戰(zhàn)性。

在確保貧困個體所持有耕地面積的前提下，必須設法提高耕地使用效率。貴州農(nóng)村扶貧開發(fā)業(yè)已確立了十大扶貧產(chǎn)業(yè)，其中核桃、蔬菜、油茶、中藥材、茶葉、馬鈴薯、草地生態(tài)畜牧業(yè)、烤煙等大多依托于耕地，產(chǎn)業(yè)化運作是提高耕地使用效率的重要舉措。

第三，穩(wěn)步推進城鎮(zhèn)化，有效緩解農(nóng)村貧困。城鎮(zhèn)化顯著改變了所覆蓋區(qū)域居民的生產(chǎn)、生活方式，改善其生產(chǎn)、生活基本設施，為其提供醫(yī)療、衛(wèi)生、社會保障，降低了貧困發(fā)生率，并以釜底抽薪的方式緩解了農(nóng)村貧困問題。

最后必須提及的是，本項研究之所以采用DEA方法測評宏觀經(jīng)濟績效，不僅因為DEA方法是一種應用廣泛的非參數(shù)績效評價方法，更在于DEA方法所具有的顯著特征，即，DEA所測度的效率是一種相對效率，表征的是目標DMU與某個或某些弱有效DMU之間的相似程度。事實上，DEA所測度的效率具有目標針對性，不同DMU其績效計算可能基于不同的參照標準，每一個DMU總是從自身特征出發(fā)，選擇于其最為有利的弱有效DMU進行對比，進而計算出效率值。

參照標準不同則意味著目標DMU改進績效的方向或著力點不同?？紤]到提高純技術效率與規(guī)模效率對降低貧困發(fā)生率的顯著性作用，這說明貴州民族自治地方反貧困的相關對策與舉措也理所當然具有對象針對性，不可一概而論。作為佐證的是，人均生產(chǎn)總值、農(nóng)民人均純收入等不能顯著解釋民族自治地方的貧困發(fā)生率，經(jīng)濟增長的果實未必能惠及貧困個體，單純的經(jīng)濟增長未必能減緩貧困。

[1]向玲凜，鄧 翔. 西部少數(shù)民族地區(qū)反貧困動態(tài)評估[J]. 貴州民族研究，2013，(1)：98-102.

[2]向玲凜，鄧 翔，瞿小松. 西南少數(shù)民族地區(qū)貧困的時空演化—基于110個少數(shù)民族貧困縣的實證分析[J]. 西南民族大學學報（人文社會科學版），2013，(2)：124-129.

[3]程厚思，邱文達，趙德文. 邊緣與“孤島”—關于云南少數(shù)民族地區(qū)貧困成因的一種解釋[J]. 中國農(nóng)村觀察，1999，(6)：45-51.

[4]張 毅，張 帆. 民族地區(qū)貧困問題研究述評[J].當代經(jīng)濟，2011，(6)：94-96.

[5]陳全功，李忠斌. 少數(shù)民族地區(qū)農(nóng)戶持續(xù)性貧困探究[J]. 中國農(nóng)村觀察，2009，(5)：39-48，55.

[6]蔡 昉，王德文，都 陽. 中國農(nóng)村改革與變遷:30年歷程和經(jīng)驗分析[M]. 格致出版社，上海人民出版社，2008.

[7]J. Tobin. Estimation of relationships for limited dependent variables[J].Econometrica，1958，26(1)：24-36.

[8]A. Charnes， W. W. Cooper and E. Rhodes.Measuring the efficiency of Decision Making Units [J].European Journal of Operational Research，1978，2 (6):429-444.

[9]R. D. Banker，A. Charnes and W. W. Cooper.Some models for estimating technical and scale inefficiencies in Data Envelopment Analysis [J].Management Science，1984，30(9)：1078-1092.