1、第 卷第期 年月成都理工大学学报（社会科学版）（），：收稿日期：基金项目：国家社会科学基金西部项目（）作者简介：杨宇（），男，成都人，教授，博士，主要研究方向：农村贫困、农村发展与农村政策评估；通讯作者：刘晓玲（），女，四川达州人，主要研究方向：行政管理、脱贫攻坚与乡村振兴。“新冠”疫情冲击下的精准扶贫政策效果评估 来自四川民族地区的实证研究杨宇，潘月萍，程高鑫，刘晓玲（成都理工大学商学院，成都 ；四川灾害经济研究中心，成都 ；成都理工大学合作与发展处，成都 ）摘要：“新冠”疫情使全球减贫事业及中国 年后防返贫工作受到严峻挑战，精准扶贫政策成效面临重要考验。通过对四川凉山彝族自治州、甘孜藏族自
2、治州及阿坝藏族羌族自治州等民族地区展开大规模农户调研，评估精准扶贫政策在“新冠”疫情冲击下对农户农业生产的影响效果。研究结果表明：精准扶贫政策在减缓“新冠”疫情对农户生产的负面冲击上起着积极效果；对 年前脱贫的建档立卡户呈现显著效果，但对 年以后刚脱贫的农户效果却不明显；同时，收入效应和内生动力是影响精准扶贫政策效果差异的重要因素。结论在一定程度上为当地巩固与拓展脱贫攻坚成果与乡村振兴有效衔接提供了事实依据，也对其他贫困国家实现联合国 年之前消除贫困的目标有一定的借鉴意义。关键词：“新冠”疫情；精准扶贫政策；农业生产；四川民族地区中图分类号：文献标志码：文章编号：（）一、引言作为影响全球经济的
3、不确定性事件，新型冠状病毒感染疫情（以下简称“新冠”疫情）使全球减贫事业受到严峻挑战。现有研究表明“新冠”疫情造成的经济损失将进一步恶化贫困状况。年，疫情“新冠”使约亿人陷入极端贫困，尤其加剧了撒哈拉以南非洲和南亚的贫困，对实现联合国 年之前消除贫困的可持续发展目标带来严峻挑战。由此，亟须一项有效和系统的反贫困政策来减缓“新冠”疫情对贫困的负面冲击，对实现联合国 年可持续发展目标具有重要的现实意义。作为一项具有中国特色的减贫政策，精准扶贫政策取得了举世瞩目的减贫成就。精准扶贫政策依据农村家庭人均年收入低于 年的 元，到 年的 元和 年的 元（）等不同时间段的农村人均贫困线来动态确定建档立卡户（
4、接受扶贫政策），以发展生产、易地扶贫搬迁、生态补偿、发展教育及社会保障兜底等为基本路径对建档立卡户实施一系列扶贫、脱贫政策。自 年政策实施以来，我国农村贫困人口发生率从 年的 下降到 年的，到 年全部清零（），堪称中国甚至世界减贫事业上的奇迹。然而，“新冠”疫情的暴发与蔓延不仅是影响 年脱贫攻坚战的最大不确定性因素，也给 年后防返贫工作增添不小的挑战 ，更是对精准扶贫政策的防返贫成效在面对“新冠”疫情等不确定性事件冲击下的重要考验。对精准扶贫政策在减缓“新冠”疫情负面冲击的效应上展开实证研究的文献比较缺乏。许多学者围绕农户可持续生计、农户增收、消费增长、县域经济发展等方面定量评估其成效，取得了
5、丰富的研究成果 。例如，沈宏亮和张佳（）、陈 杰等（）的研究均表明精准扶贫政策对建档立卡户的收入增长有积极作用；李绍平等（）、李波等（）都指出精准扶贫政策的实施显著促进了县域经济发展，少有文献评估精准扶贫政策在应对不确定性事件冲击下的成效。目前，贺立龙和刘丸源（）仅定性探讨了在“新冠”疫情中精准扶贫政策实施的重点和政策倾斜，未能展开系统评估研究。作为“三区三州”深度贫困地区，四川凉山彝族自治州、甘孜藏族自治州及阿坝藏族羌族自治州（以下分别简称凉山、甘孜、阿坝）等民族地区是精准扶贫政策实施的重点区域（）。在习近平总书记 年月首次提出深度贫困地区主要指“三区三州”以来，中共中央办公厅、国务院办公厅
6、印发了 关于支持深度贫困地区脱贫攻坚的实施意见 等政策文件，强调要新增脱贫攻坚资金、脱贫攻坚项目及脱贫攻坚举措向“三区三州”倾斜，重点支持“三区三州”发展。“三区三州”地区经济基础薄弱、贫困程度深、地理自然环境恶劣且致贫原因复杂等也可能放大“新冠”疫情等不确定事件的负面冲击。另外，因精准扶贫中的产业扶贫政策在农户增收和农业发展上起着至关重要的作用 ，本文将评估在“新冠”疫情冲击下精准扶贫政策对四川凉山、甘孜及阿坝等民族地区农户农业生产的影响。这不仅能够为当地防返贫事业提供事实依据，也可为推进“三区三州”其他地区的减贫事业提供参考依据，同时也对其他贫困国家实现联合国 年之前消除贫困的目标有一定的
7、借鉴意义。二、数据来源与研究方法（一）数据来源与变量选取地处于我国西南，四川凉山、甘孜和阿坝地区的生态脆弱与经济落后两重叠加加剧了贫困，在 年其 仅占整个四川省的（）。在 年底，四川高原藏区和大小凉山彝区被列为深度贫困地区，覆盖了 个贫困县和 个贫困村，分别约占全国的 和；年底，凉山、甘孜和阿坝州的脱贫村分别达到了 、和 个，贫困 发 生 率 分 别 降 至、和 ；到 年底，已经实现全面脱贫的目标（），但制约社会经济发展的深层次顽疾使部分贫困边缘人口和低收入人群依然面临着返贫风险，尤其是“新冠”疫情带来的不确定性可能使返贫风险进一步放大。年月初借助网络“问卷星”平台对四川凉山、甘孜和阿坝地区展
8、开了较大规模的农户生产调研。为确保研究的科学性，设定以下原则来选择样本：在地级市（州）层面，依据三个地区原贫困程度（），确定各地调查样本数；县层面上，兼顾脱贫与未脱贫、有感染病例与无感染病例的原则来选择样本；农户层面上，请县扶贫办或相关部门根据抽样原则转发链接于乡镇，乡镇根据设定抽样原则转发给农户。另外，为克服网络调研导致的交流偏差，要求文化程度较高的家庭成员或邻居根据问卷问题如实填写信息。在共收集到的 户样本中，剔除漏填、误填信息的样本，最终得到有效样本 户。依据问卷的两个问题“与 年相比，年是否会由于“新冠”疫情影响而改变种植规模（减少、不变、增加）”“与 年相比，年是否会由于“新冠”疫情
9、影响改变养殖规模（减少、不变、增加）”，设定农户调整生产（种植和养殖）规模，即农户生产决策。调研数据显示，在“新冠”疫情影响下减少、不变及增加生产规模的农户分别占、及。借鉴沈宏亮和张佳（）的研究思路，以是否建档立卡户（接受政策扶持）来刻画精准扶贫政策；同时因刚脱离绝对贫困的群众稳定性较为脆弱，极易因意外情况再度返贫，根据脱贫时间把建档立卡户分为 年以前和 年以后脱贫（把调研期间未脱贫的农户归为 年以后脱贫的农户）。样本数据显示，非建档立卡户和建档立卡户分别占 和，其中 年以前脱贫和 年以后脱贫的农户分别占 和。户主年龄、户主受教育水平、年家庭总收入和农业收入比例等农户家庭特征变量是农户层次控制
10、变量。借助奥维互动地图和高德地图等软件收集了村海拔高度和村到乡镇的距离等村自然环境条件数据，作为村层次控制变量。主要变量的具体统计信息见表。第期杨宇，等：“新冠”疫情冲击下的精准扶贫政策效果评估表主要变量描述统计（）变量均值标准差被解释变量农户调整生产规模规模不变 规模减小 规模增加 关键解释变量精准扶贫政策变量非建档立卡户（是；否）建档立卡户（是；否）年前脱贫（是；否）年后脱贫（是；否）不确定性事件变量县是否有感染病例（是；否）控制变量户主年龄（岁）户主受教育水平（年）年农业收入占总收入比例（）年家庭总收入（千元）村海拔高度（千米）村到乡镇的距离（公里）（二）计量经济模型的设定因农户生产调整
11、表现为减少、不变和增加生产规模三种类型，是非排序且各类型之间相互排斥的类别变量。因此，本文采用多元离散选择模型，分析决策主体在特定影响因素下决定作出某种行为选择的概率。多元 离散模型可视为对被解释变量中各类选择行为两 两 配对 后所 构 成 的 多 个 二 元 模型实施联合估计。模型设定如式（）：（）（）（）（）其中，为选定的基准组，设定为类别变量包含的种类总数，则，。当时，等式左侧为 ，则，即某种选择相对自己的 始终为，致使该组别对应的任何解释变量系数也必然为。通过求解这个方程，可以得到每种选择的预测概率。具体设定模型如式（）（）：（）（）（）在式（）中，表示第个农户实施第种类型生产决策的概
12、率。核心变量包括“新冠”疫情严重程度（）、精准扶贫政策（）及两个变量间的交叉项。根据县是否有“新冠”疫情病例（是；否）来表示受“新冠”疫情冲击程度。为更好地分析政策成效，把政策（）变量分成三种类型来建立子模型。子模型（）是分析非建档立卡户（未接受政策帮扶）与建档立卡户（接受政策帮扶）之间的差异；子模型（）是分析 年以后脱贫与 年以前脱贫的建档立 卡 户 之间的 差异；子模型（）是分析 年以前脱贫的建档立卡户与非建档立卡户之间的差异。另外，户主年龄、户主教育水平、年家庭总收入和农业收入占比、村海拔高度、村到乡镇距离等变量被作为分析农户家庭特征和村自然环境条件对农业生产影响的控制变量。设定县域虚拟
13、变量，旨在控制县域经济社会条件差异的影响。族是待估计参数是模型的残差项。成都理工大学学报（社会科学版）年三、结果与分析本文以“新冠”疫情冲击下农户不改变生产规模（此状态占绝对比重）为参照组，分析农户减少和增加生产规模相对于不改变生产规模发生的概率。由此，三个子模型分别报告了关于“减少生产规模”和“增加生产规模”两种结果（如表所示）。就模型的整体估计效果而言，三个子模型的 值分别是 、及 ，通过了显著性检验，表明模型整体运行效果良好。关键变量和控制变量系数也通过了显著性检验且符合预期。模型结果显示，在子模型（）（）中，控制其他因素不变，县是否有“新冠”疫情病例的系数在选择减少生产规模模型中分别为
14、 、和 ，而在增加生产规模模型中分别为 、和 （尽管部分系数不显著，但方向与预期吻合）。这表明相对于无“新冠”疫情病例的县，有“新冠”疫情病例县的农户选择减少生产规模的可能性增大，而选择扩大生产规模的可能性降低。样本数据显示，在有“新冠”疫情病例县中的农户面临的种子、化肥、农药等农资购买难和缺少及时的技术支撑等问题相较于无“新冠”疫情病例的县要严重。这表明“新冠”疫情对农户的农业生产造成了显著的负面冲击。精准扶贫政策在减缓“新冠”疫情对农户生产的负面冲击上起着积极效果。子模型（）的结果显示，相对于非建档立卡户，建档立卡户选择减少生产规模的概率更小，选择增加生产规模的概率更大，但系数并不显著，表
15、明非建档立卡户和建档立卡户的农业生产规模调整行为并无显著差异。值得注意的是，在子模型（）中，建档立卡户（）和其与“新冠”疫情交叉项的系数分别显著为 （）和 （），说明相较于非建档立卡户，年以前脱贫的建档立卡户显著降低了减少生产规模的可能性。比较合理的可能性是，在实施精准扶贫政策中，帮扶工作人员、措施及资金等方面精准到户，对提高建档立卡户应对“新冠”疫情等不确定性事件的能力起到了显著积极的促进作用。然而，精准扶贫政策减缓“新冠”疫情负面冲击的成效对于脱贫时间不同的农户存在显著性差异。子模型（）的结果显示，在控制其他因素不变的条件下，选择减少生产规模的建档立卡户和其与疫情交叉项的系数在 的显著性水
16、平下分别是 和 ，说明在“新冠”疫情冲击下相较于 年以前脱贫的建档立卡户，年以后脱贫的建档立卡户减少生产规模的概率显著提高。这说明，精准扶贫政策在应对“新冠”疫情冲击时，对 年前脱贫的建档立卡户体现出较强的稳定效应，但对 年以后刚脱贫的建档立卡户的稳定效应却不明显。年后脱贫的建档立卡户可能更倾向于选择减少生产规模来控制“新冠”疫情造成的生产损失以降低收入风险。这表明脱贫时间较短的农户较脆弱，更容易采取不利于未来发展的规避风险类措施。这与李翔和李学军（）的研究结论一致，刚脱离绝对贫困的群众稳定性较为脆弱，极易受意外情况冲击。收入效应和内生动力是不是影响精准扶贫政策效果的重要因素？从收入效应来看，调研数据显示，年以前脱贫的建档立卡户的 年家庭总收入平均为 万，相较于 年以后脱贫的建档立卡户平均高出 万；在 年以后的脱贫户家庭收入构成中，的收入来源于政府转移支付，相较于 年以前的脱贫户高了。这表明 年以后脱贫与 年以前脱贫的建档立卡户在收入总量和结构上的差异可能是影响精准扶贫政策效果的重要因素。为验证内生动力是不是影响政策效果的重要因素，本文以“是否主动从网上收集应对疫情的农业生产经营信息（
