Message Board

Dear readers, authors and reviewers,you can add a message on this page. We will reply to you as soon as possible!

2021 Volume 43 Issue 3
Article Contents

GU Hui, GUO Qian, LIAO He-ping, et al. Research on the Influencing Factors of Poverty Reduction Effect Based on the Recognition Degree of Poverty-Delivered Farmers[J]. Journal of Southwest University Natural Science Edition, 2021, 43(3): 10-16. doi: 10.13718/j.cnki.xdzk.2021.03.002
Citation: GU Hui, GUO Qian, LIAO He-ping, et al. Research on the Influencing Factors of Poverty Reduction Effect Based on the Recognition Degree of Poverty-Delivered Farmers[J]. Journal of Southwest University Natural Science Edition, 2021, 43(3): 10-16. doi: 10.13718/j.cnki.xdzk.2021.03.002

Research on the Influencing Factors of Poverty Reduction Effect Based on the Recognition Degree of Poverty-Delivered Farmers

More Information
  • Corresponding author: LIAO He-ping ; 
  • Received Date: 25/01/2021
    Available Online: 20/03/2021
  • MSC: F323.8; K901.2

  • Based on the data of 500 poverty-delivered farmer households in M county, this paper uses the entropy weight method and the analytic hierarchy process to calculate the recognition degree of comprehensive poverty alleviation of poverty-delivered farmer households from three aspects: the recognition degree of overall family change, the recognition degree of withdrawal from poverty and the recognition degree of overall village change. Based on the last one, poverty reduction effect is divided into two types, and its main influencing factors are analyzed with the Ordinal multi-classification logistic regression model. The results show that the effect of poverty reduction is remarkable, and the per-capita net income of families, the increase of family income, the policy of poverty alleviation by industry, the policy of poverty alleviation by job-creation, the aid by village-based teams and the aid by cadres are the main factors that influence the effect of poverty reduction.
  • 加载中
  • [1] 刘愿理, 廖和平, 李靖, 等. 后2020时期农户相对贫困测度及机理分析——以重庆市长寿区为例[J]. 地理科学进展, 2020, 39(6): 960-971.

    Google Scholar

    [2] 王永生, 文琦, 刘彦随. 贫困地区乡村振兴与精准扶贫有效衔接研究[J]. 地理科学, 2020, 40(11): 1840-1847.

    Google Scholar

    [3] 徐杰, 杨晓倩, 王聪聪. 基于时序主成分分析的综合扶贫绩效评价研究[J]. 昆明理工大学学报(自然科学版), 2020, 45(4): 137-145.

    Google Scholar

    [4] 张霞, 王斌. 陕北地区乡村旅游精准扶贫效应评价[J]. 中国农业资源与区划, 2020, 41(6): 311-318.

    Google Scholar

    [5] 东梅, 王满旺, 马荣, 等. 陕青宁六盘山集中连片特困地区精准扶贫绩效评价及其影响因素研究——基于三阶段DEA和TOBIT模型[J]. 软科学, 2020, 34(9): 72-78.

    Google Scholar

    [6] 孙晗霖, 王志章, 刘芮伶. 民族地区财政扶贫绩效及其影响因素研究——基于渝东南地区的实证研究[J]. 西南大学学报(自然科学版), 2020, 42(6): 65-78.

    Google Scholar

    [7] 尤玮, 轩源, 夏四友, 等. 2012-2018年罗霄山区旅游扶贫绩效的时空格局演变[J]. 地域研究与开发, 2020, 39(5): 99-104.

    Google Scholar

    [8] 王玉娜. 基于因子分析和数据包络法的河北省精准扶贫绩效评估研究[D]. 保定: 河北大学, 2019.

    Google Scholar

    [9] 王洪生, 李宇彤, 吕玫萱, 等. 基于平衡记分卡的金融精准扶贫绩效研究——以山东省J县为例[J]. 山东农业大学学报(自然科学版), 2020, 51(5): 980-984.

    Google Scholar

    [10] 王刚, 廖和平, 洪惠坤, 等. 基于贫困识别和精准帮扶的种植业产业效率——来自家庭微观数据的证据[J]. 自然资源学报, 2020, 35(5): 1201-1215.

    Google Scholar

    [11] 韦艳, 徐赟, 高迎霞. 贫困地区健康扶贫绩效评价研究——来自全国5省调查分析[J]. 调研世界, 2020(4): 24-30.

    Google Scholar

    [12] 聂君, 束锡红. 青海藏区精准扶贫绩效评价及影响因素实证研究[J]. 北方民族大学学报(哲学社会科学版), 2019(1): 31-39.

    Google Scholar

    [13] 陈升, 潘虹, 陆静. 精准扶贫绩效及其影响因素: 基于东中西部的案例研究[J]. 中国行政管理, 2016(9): 88-93.

    Google Scholar

    [14] 王卓, 王璇. 多维贫困视角下贫困人口扶贫认可度及影响因素研究——基于西南地区三个贫困县的实地调查[J]. 农村经济, 2020(5): 34-41.

    Google Scholar

    [15] 户艳领, 李丽红, 任宁, 等. 基于二元logistic模型的贫困山区农村土地流转意愿影响因素研究——源于河北省贫困山区县的调研样本[J]. 中国农业资源与区划, 2018, 39(7): 137-143, 211.

    Google Scholar

    [16] 何田, 廖和平, 孙平军, 等. 西南山区村域贫困家庭劳动力转移强度空间格局及影响因素[J]. 农业工程学报, 2020, 36(5): 325-334.

    Google Scholar

    [17] 郭远智, 周扬, 刘彦随. 中国农村人口外流的时空演化及其驱动机制[J]. 地理科学, 2020, 40(1): 50-59.

    Google Scholar

    [18] 刘建生, 陈鑫, 曹佳慧, 等. 产业精准扶贫作用机制研究[J]. 中国人口·资源与环境, 2017, 27(6): 127-135.

    Google Scholar

    [19] 童春阳, 周扬. 中国精准扶贫驻村帮扶工作成效及其影响因素[J]. 地理研究, 2020, 39(5): 1128-1138.

    Google Scholar

    [20] 覃志敏, 岑家峰. 精准扶贫视域下干部驻村帮扶的减贫逻辑——以桂南s村的驻村帮扶实践为例[J]. 贵州社会科学, 2017(1): 163-168.

    Google Scholar

    [21] 徐艳晴, 周志忍. 诊断与改进取向的公民满意度调查——英国警察服务满意度调查对我们的启示[J]. 国家行政学院学报, 2014(2): 47-53.

    Google Scholar

  • 加载中
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

Tables(3)

Article Metrics

Article views(893) PDF downloads(273) Cited by(0)

Access History

Other Articles By Authors

Research on the Influencing Factors of Poverty Reduction Effect Based on the Recognition Degree of Poverty-Delivered Farmers

    Corresponding author: LIAO He-ping ; 

Abstract: Based on the data of 500 poverty-delivered farmer households in M county, this paper uses the entropy weight method and the analytic hierarchy process to calculate the recognition degree of comprehensive poverty alleviation of poverty-delivered farmer households from three aspects: the recognition degree of overall family change, the recognition degree of withdrawal from poverty and the recognition degree of overall village change. Based on the last one, poverty reduction effect is divided into two types, and its main influencing factors are analyzed with the Ordinal multi-classification logistic regression model. The results show that the effect of poverty reduction is remarkable, and the per-capita net income of families, the increase of family income, the policy of poverty alleviation by industry, the policy of poverty alleviation by job-creation, the aid by village-based teams and the aid by cadres are the main factors that influence the effect of poverty reduction.

  • 2020年我国已经实现现行标准下农村贫困人口全部脱贫,这是一个历史性的跨越,同时也标志着我国开始进入相对贫困阶段[1],如何巩固脱贫成果与实现乡村振兴成为了新的热点[2]. 脱贫质量怎么样、小康成色如何,很大程度上要看脱贫农户生活质量,脱贫农户作为政策享受的受益者,其对减贫成效的认知与评价很大程度上能够反映脱贫攻坚以来取得的伟大成果. 本文从脱贫农户认可的角度测算减贫成效,分析影响脱贫农户减贫成效的主要因素,发现问题、总结经验,旨在为后续乡村振兴提供一定的参考.

    近年来,扶贫绩效评价成为学术界关注的热点,学者们围绕扶贫绩效测度、影响因素、空间格局、减贫逻辑与效应等开展了大量研究[3-7],成果丰硕. 扶贫绩效测度方法主要有因子分析法、主成分分析法、熵权法、层次分析法、模糊综合评价法和数据包络分析方法(DEA)等,如王玉娜[8]采用因子分析法和数据包络法对河北省精准扶贫绩效进行了评价;王洪生等[9]利用层次分析法和模糊综合判断法,对金融精准扶贫绩效进行了研究. 从研究对象来看,现有研究主要从产业扶贫、健康扶贫、旅游扶贫和科技扶贫等单一的扶贫政策进行绩效评价,如王刚等[10]对贫困识别及精准帮扶对扶贫产业效率的影响进行研究;韦艳等[11]从客观医疗支出和健康状况及主观健康扶贫的效果感知两个层面对健康扶贫的绩效进行评估. 从影响因素来看,大部分研究主要分析家庭条件、政策和环境对扶贫绩效的影响,如聂君等[12]认为贫困户的脱贫观念、家庭收入结构、精准识别和产业发展等因素对扶贫绩效有显著影响;陈升等[13]研究发现扶贫对象精准、项目安排精准、资金使用精准、措施到户精准与因村派人精准是影响精准扶贫绩效核心因素.

    通过文献梳理发现,扶贫绩效评价方法主要以定量分析为主,扶贫绩效评价多为单一的扶贫政策绩效评价,学者们基于研究区、调研对象及调查方法等不同的研究视角对影响扶贫绩效因素得出不同结论,主要包括主体和客体两个方面,涉及个人、家庭、政策和社会等多方面的因素,基于此,本文拟采用二元逻辑回归模型,以脱贫农户认可的视角,从个人特征、家庭特征、政策特征和驻村帮扶4个方面分析影响脱贫农户减贫成效的主要因素.

1.   研究区与数据来源
  • M县位于Q市的西北部,是全国深度贫困县的典型代表,该县为少数民族聚集地,县域地形复杂,多山地,地形起伏大,人均耕地少;产业发展条件差,外出务工人数多,收入主要以务工为主;贫困发生率高,贫困程度深,2016年贫困发生率超过40%;致贫原因复杂,因交通条件落后、因残致贫和因缺技术致贫占比较高;群众文化程度普遍较低,外出就业困难,人均可支配收入相对较低. 脱贫攻坚以来,M县始终坚持精准扶贫、精准脱贫的基本方略,按照"五个一批""六个精准"的要求,集中力量,攻坚克难,到2020年已实现贫困人口全部脱贫.

  • 本文数据来源于研究组对M县入户实地调查相关资料,调查采用入户访谈、填写问卷和实地勘察相结合的形式,为确保问卷的准确性和科学性,在入户调研之前,进行预调查并对问卷做了调整,对被调查农户的抽取遵照点面兼顾的原则,调查了M县5个乡镇,每个乡镇随机抽取2个行政村,每个行政村随机抽取50~55名脱贫农户进行问卷调查,调查对象覆盖不同年龄、不同民族、不同文化程度和不同收入群体. 本次共调查510户脱贫农户,在整理数据的过程中发现有10份问卷存在失真和信息不完整的问题,最终收回问卷500份,有效样本量达到98.04%.

    500户农户均为脱贫农户,从调查农户特征来看(表 1),性别方面男性为主,占比85.20%;从年龄来看,以中老年为主(40~60岁占比52.20%,60岁以上占比27.60%);从文化程度来看,大部分为小学及以下,占比达到80.20%;从收入水平来看,家庭年人均纯收入主要集中在5 000~10 000元,占比54%;收入来源主要以务工为主,占比达到63%. 被调查农户总体呈文化水平低、人口老龄化、外出务工比例高和人均可支配收入较低等特点,这与深度贫困县M县县情相符,样本具有代表性.

2.   变量定义与模型设定
  • 结合熵权法和层次分析法,对脱贫农户家庭总体变化认可度、脱贫退出认可度、村庄总体变化认可度分别赋予权重0.3、0.4和0.3,计算脱贫农户综合扶贫认可度公式为[14]

    式(1)中:Z为脱贫农户综合扶贫认可度;J为家庭总体变化认可度;T为脱贫退出认可度;C为村庄总体变化认可度.

    因变量为减贫成效,根据脱贫农户综合扶贫认可度,将综合扶贫认可度Z=100%表示为减贫成效非常显著,赋值为1,其他赋值为0.

    自变量参考相关研究和综合数据可得性,从个人特征、家庭特征、政策特征、驻村帮扶4个方面分析影响因素(表 2):①个人特征. 选取年龄、受教育程度与健康状况3个指标,年龄表征脱贫农户现状,受教育程度和健康状况表征能力;②家庭特征. 选取农户属性、家庭人均纯收入和家庭收入增长情况3个指标,用农户属性表征脱贫农户家庭状况,家庭人均纯收入和家庭收入增长情况表征脱贫农户生活水平;③政策特征. 选取产业、就业和金融3个主要扶贫政策表征脱贫农户享受扶贫政策情况,分别以产业扶贫政策帮扶效果、就业扶贫政策帮扶效果和金融扶贫政策帮扶效果表示;④驻村帮扶. 主要选取驻村工作队帮扶情况、村党支部和村民委员会人员素质和帮扶干部帮扶情况3个指标表征脱贫农户获得社会支持情况,分别以驻村工作队帮扶效果、村党支部和村民委员会人员工作能力是否明显提升和帮扶干部帮扶效果作为其代理指标.

  • 因变量为二分类变量,符合二元逻辑回归模型对因变量的要求,因此本文选择二元逻辑回归模型对脱贫农户减贫成效的影响因素进行分析,以找到自变量和因变量之间的定量关系. 模型的具体表现形式为[15]

    式(2)中,p代表脱贫农户减贫成效非常显著的概率,β0β1β2,…βk是影响减贫成效各变量的估计参数.

    由(2)式可以得到优势比的计算公式:

    脱贫农户减贫成效非常显著的概率p的计算公式:

    通过参数βi(β0除外)的估计值以及逻辑回归其他实证结果可以分析各影响因素的作用情况.

3.   结果分析
  • 在分析之前,首先进行KMO(Kaiser-Meyer-Olkin)检验和巴特利球形检验,KMO检验统计量是用于比较变量间简单相关系数和偏相关系数的指标,KMO值越接近于1,意味着变量间的相关性越强,原有变量越适合作因子分析;巴特利球形检验用于检验各个变量是否各自独立,巴特利球形检验显著性小于0.05(即p<0.05)时,说明各变量间具有相关性,因子分析有效. 对500份问卷进行KMO检验和巴特利球形检验,得到KMO值为0.858,大于0.8,巴特利球形检验显著性概率为0.000,说明该问卷设计合理,数据有效. 利用SPSS软件进行数据检验,回归模型通过了似然比检验,表明模型的各自变量至少有一个与因变量显著相关,且预测准确率高达86.0%,另外模型拟合优度检验(HL Tests) 卡方统计量的伴随概率为0.343,大于显著性水平0.05,说明模型模拟拟合较好,综合来看,所建回归模型效果良好. 模型输出结果显示,家庭人均纯收入、家庭收入增长情况、产业扶贫政策、就业扶贫政策、驻村工作队帮扶情况和帮扶责任人帮扶情况6项通过了显著性检验,是影响脱贫农户减贫成效的主要因素(表 3).

    表 3可知,村庄总体变化认可度、家庭总体变化认可度和脱贫退出认可度均在95%以上,综合扶贫认可度为97.73%,表明M县精准扶贫实施以来,基础设施和公共服务改善明显,群众生产、生活条件明显改善,群众获得感、幸福感不断增强,减贫成效非常显著. 村庄总体变化认可度最高,这在一定程度上表明村庄水、电、路、讯等基础设施和公共服务有了很大的改善. 相对于村庄总体变化认可度,家庭总体变化认可度稍低,说明仍有少部分脱贫农户生产、生活条件没有达到心理预期. 脱贫退出认可度最低,说明部分脱贫农户仍存在内生动力不足的问题.

    个人特征方面,年龄、受教育程度和健康状况均未通过显著性检验,表明个人特征对脱贫农户减贫成效影响不显著. 建档立卡以来,脱贫农户家庭条件和村庄生产、生活条件明显改善,这些成就都是可见可观可感的,与年龄、受教育程度和健康状况无关. 脱贫退出认可度影响因素很多,但不认可脱贫主要在于少部分农户对政策依赖性强和内生动力弱,因此年龄、受教育程度和健康状况对减贫成效的影响不显著.

    家庭特征方面,农户属性未通过显著性检验,农户属性虽然在一定程度上能够反映脱贫农户家庭条件,但并不能反映其政策享受情况,因此农户属性对脱贫农户的减贫成效影响不显著. 家庭收入增长情况和家庭人均纯收入均通过显著性检验,一方面,家庭收入增长情况是家庭总体变化的一种表现,它将直接影响家庭总体变化认可度,从而影响综合扶贫认可度,影响减贫成效;另一方面,收入的明显增加,使农户对未来经济有更好的预期,对主观幸福感产生显著的正向影响,同时脱贫农户将政策扶持与收入增长相联系,更容易增强获得感和认同感. 家庭人均纯收入在很大程度上能够衡量一个家庭生活水平,一般来说,家庭人均纯收入越高,家庭生活水平越高,越容易获得幸福感,与扶贫政策联系在一起,减贫成效显著.

    政策特征方面,金融扶贫政策未通过显著性检验,产业扶贫政策和就业扶贫政策通过显著性检验. M县为山地地形,地质灾害频繁,耕地面积少,生存和发展条件恶劣,导致农村大量劳动力转移,农村劳动力流失[16-17],产业发展条件差,发展能力不足,而金融扶贫政策主要针对缺乏资金发展产业的贫困群体,所以大部分脱贫农户没有借款意愿和借款需求,金融扶贫政策享受覆盖面相对较小,受益农户有限,因此对减贫成效影响不显著. 在产业发展方面,M县产业发展基础条件虽然较差,但精准扶贫实施以来,通过改善基础设施,鼓励大户和合作社带动贫困户发展产业,通过种子、种苗、化肥等实物发放、产业奖补、技术指导等多种方式提高脱贫农户产业发展和增收能力[18],调动了脱贫农户参与产业发展的积极性,脱贫农户分享了经济发展带来的成果,获得感和认同感不断提高,减贫成效显著. 在就业务工方面,M县脱贫农户收入以务工为主,调查500户脱贫农户中,以务工作为主要收入来源达到了63%,M县通过开展就业培训、组织劳动力转移就业、安排公益性岗位等方式提高了脱贫农户劳动力素质,促进农村劳动力转移,增加了脱贫农户务工收入,提高了脱贫农户认可度,就业扶贫政策对脱贫农户减贫成效影响显著.

    驻村帮扶方面,村党支部和村民委员会人员素质未通过显著性检验,村党支部和村民委员会作为长期存在的基层组织,脱贫农户很难将减贫成效与村党支部和村民委员会人员素质的提升相联系,所以村党支部和村民委员会人员素质对减贫成效影响不显著. 驻村工作队和帮扶干部帮扶情况均通过了1%显著性检验,一方面,驻村工作队是为实现贫困人口稳定脱贫专职下派到贫困村相对稳定的扶贫队伍,政治素质和工作能力相对较强[19],且长期吃住在村,易受到群众关注;另一方面,驻村工作队在宣传政策、协助扶贫政策落实到户、指导培育产业等方面发挥着重要作用,切实地改善了脱贫农户生产生活条件[20],减贫成效显著. 帮扶干部是帮扶贫困户的直接责任人,是精准扶贫政策传达与实施第一人,帮扶干部入户频次高,交流沟通较多,有研究发现[21],访谈过程同时是一个交流沟通的过程,促使被访者的态度更为全面和平衡,从而导致了满意率的提升. 帮扶干部通过与脱贫农户经常性交流,可以拉近与脱贫农户之间的心理距离,提升脱贫农户认可度,同时帮扶干部通过入户宣传政策,帮助贫困户制订脱贫计划,促使农户达到脱贫标准并且提升生活质量,有效提升脱贫农户减贫成效.

4.   结论与建议
  • 1) 精准扶贫实施以来,村庄生产生活条件和家庭生产生活条件改善明显,脱贫农户获得感和认同感不断增强,村庄总体变化认可度、家庭总体变化认可度和脱贫退出认可度以及综合扶贫认可度均处于较高水平,减贫成效非常显著. 少部分脱贫农户家庭生产生活条件没有达到心理预期,少部分脱贫农户仍存在内生动力不足的问题,导致家庭总体变化认可度和脱贫退出认可度相对更低,影响减贫成效.

    2) 家庭人均纯收入和家庭收入增长情况对减贫成效产生显著影响. 家庭人均纯收入作为衡量生活质量的重要标志,直接影响他们对家庭总体变化认可度,从而影响减贫成效;家庭收入增长情况,会影响农户对未来收入的预期,从而影响他们获得感与幸福感,影响减贫成效.

    3) 产业扶贫政策和就业扶贫政策显著影响脱贫农户减贫成效. 产业扶贫政策有效调动了脱贫农户参与产业发展的积极性,提升了脱贫农户产业发展能力;就业扶贫政策通过提升劳动力素质和转移就业,增加脱贫农户务工收入,提高了脱贫农户获得感和认同感,对减贫成效有显著的正向影响.

    4) 驻村工作队和帮扶干部帮扶效果与减贫成效呈现显著的正相关关系. 一方面,贫困户在驻村工作队和帮扶干部帮助下实现脱贫,获得感和认同感不断增强;另一方面,帮扶干部经常性的入户拉近与脱贫农户之间的心理距离,增强了脱贫农户认同感,减贫成效显著.

  • 1) 采取多元举措,保障收入稳定与增长. 要针对不同群体采取不同保收增收措施,针对有重度残疾人、重病患者无法通过劳动获得收入的家庭,加强兜底保障;对于有劳动力的家庭通过产业、就业等帮扶措施增加收入,同时积极应对公共突发事件(如2020年的疫情),做好稳产稳岗工作,保障脱贫农户收入稳定增长,增强获得感与幸福感.

    2) 强化产业帮扶,推动增收致富. 采取"龙头企业+基地+电商平台+贫困户" "党支部+公司+合作社+基地+贫困户"等新发展模式,利用农超对接、消费扶贫等途径,通过吸纳务工、土地流转、入股分红、产业联创等多种形式与农户形成紧密的利益联结机制,调动农户参与产业发展积极性,让群众能够充分享受发展所带来的红利,巩固脱贫成果.

    3) 推动就业创业,拓宽增收途径. 结合市场需求,推动就业技能培训内容和就业岗位精准对接,推动劳动力外出就业. 根据县内资源禀赋和实际,招商引资,鼓励和引导企业、合作社等通过务工等形式带动农户发展,让农户在家门口能够就近就业;优化创业环境,鼓励和支持返乡创业,帮助解决在创业过程中遇到的困难,推动创业与脱贫巩固和乡村振兴相结合.

    4) 强化责任与帮扶,巩固脱贫成果. 充分利用驻村工作队的优势,发挥驻村工作队的力量,继续开展驻村帮扶工作,进一步完善监督激励考核机制,调动驻村工作队积极性,继续多办好事实事,增强群众获得感. 继续开展脱贫农户结对帮扶工作,增强帮扶干部担当意识和帮扶能力,根据脱贫农户的实际情况采取针对性的、有效的帮扶措施,帮助脱贫农户解决实际困难,防止返贫,增强其获得感和认同感.

    5) 强化教育,提升内生动力. 深入开展"自强、诚信、感恩"主题教育实践活动,进一步激发群众内生动力. 继续开展群众工作,与群众算好政策支持账、收入对比账、生活变化账,增强其获得感、认同感. 开展"脱贫光荣户""致富能手"等文明创建活动,教育引导脱贫农户依靠自己勤劳致富,消除"等、靠、要"思想,提升群众内生动力.

Table (3) Reference (21)

Catalog

    /

    DownLoad:  Full-Size Img  PowerPoint
    Return
    Return