国际减贫动态第十一期

社会转移资金项目的瞄准问题

——不同机制间设计失误及实施失误的比较

Rachel Sabates-Wheeler，Alex Hurrell和 Stephen Devereux

摘要：对于社会转移资金项目的实施者来说，确认并把最贫困的人群选入项目是一项主要的挑战。一项在肯尼亚北部开展的创新性现金转移项目，通过试验三种不同的瞄准机制，对其中哪种机制能最有效率地最小化包含和排除失误获得了深入认识。就此我们得出结论：基于社区的瞄准在准确度上居于三种机制之首，依据年龄和家庭依存度的分类瞄准法次之。然而，这些机制的瞄准表现会受到执行能力和形态的巨大影响。通过模拟实验，本文展示了代理生活状况调查比单一分类指标有着更佳的瞄准表现。

关键词：瞄准，社会转移资金，误差，肯尼亚

1. 引言

瞄准描述的是一套确认家庭与个人是否有参与资源转换项目资格的机制。而实现这一简单的目标却是实施社会资金转移项目中最具挑战性的一方面。要实现这一目标，通常也需要在瞄准的精确度和花费（广义）之间寻找到平衡点。精确瞄准耗时且耗财，在时间宝贵的紧急情形下，或贫困肆虐的状况下，拣选对象的开支会导致财政入不敷出。相反地，粗略瞄准，或者省略瞄准过程（全民覆盖），对稀缺资源来说是极端的浪费。

这些折衷考虑为我们是否实施瞄准、如何实施瞄准以及选取何种瞄准机制提供了答案。例如，地理瞄准（对一个地区地毯式的覆盖）因省去了个体评估而具有迅捷、经济的特点，但由于此方法并不对当地居民作相关特征的区分，尤其是相对财富的区分，因此准确度较低。另一方面，资产测查被普遍认为是最准确的瞄准方式（在严格执行的条件下），然而它要取得成效却耗资不菲，这是因为该方法需要获取潜在受益者细节敏感的个人信息，核实信息真实性，并经常性地再评估——很多资产测查项目每年都要进行“重新瞄准”。其他瞄准机制，如分类法（包括以年轻人或老年人等年龄组为中心的分类法），代理生活状况调查（利用多项指标确认贫困人口），及自选法（例如公共工程项目的劳动力要求），在准确度、误差率和花费上各自有着程度上的不同。

近年来，社会资金转移项目在亚撒哈拉地区迅速扩张。社会转移是由政府或非政府组织以现金或实物的形式定期提供给个人或家庭的不需预缴的款项，其目标是减少长期贫困和由冲击引发的贫困、化解社会风险及降低经济的脆弱程度。建立在社会安全网络（公共工程项目）、人道主义救灾干预（紧急粮食救助）等基础上的社会转移项目，近年来被针对贫困、易受影响的家庭的无条件现金转移所主导。由于定期现金转移耗资巨大，因此需要瞄准（目标对象少时为数千名个人，有时也可多达数百万人口）。但是现金转移却难以瞄准，这很大程度上是由于现金转移免费且数额巨大，这刺激了申请者提供虚假的身份信息以骗取受助资格，也诱使官员利用系统漏洞谋取私利。

位于肯尼亚北部的“饥饿安全网络项目”（The Hunger Safety Net Programme，简称为HSNP）是无条件现金转移项目的典型代表。这项奠基于2009年的项目致力于通过向曼德拉、马萨比特、图尔卡纳和瓦吉尔的大片地区内的约三十万贫困人口提供现金补助来减少极端贫困。在该项目背景下进行瞄准面临着相当大的挑战，挑战不仅来自后勤方面，也来自如何定义合适且可辨认的瞄准人群：合适意味着要与项目减少极端贫困的目标相吻合；可辨认意味着这一人口群体需要具有特定的可观察、可证实的特征。

在肯尼亚北部的社会背景下，由于收入流动往往不规律、难以准确记录和核查，同时也无法反映作为当地核心谋生方式的自我雇用生产，瞄准工作不能以家庭收入作为相对生活标准的量度。另一种可供选择的衡量生活水平的标准，则是被广泛运用于贫困分析的消费支出，但以此为量度却一般不可行，因为该方法需要详细记录项目的潜在受益者在一个特定的参考时期内所有物品消费（食品和非食品）。消耗大量时间和财力来记录社群内的每一户家庭如此详细的信息，会使这一方法的效率和可行性都大打折扣。

可供选择的方法还有确定贫困和脆弱性的辨识代理指标，这些代理指标都被用作瞄准的量度。这类方法皆依赖于对贫困和脆弱性的客观量度间关系的数据分析。这些方法可以辨别个体的瞄准特征（如孤儿身份、年龄、残疾等），或者一系列与贫困的经济地位有联系的特征（如代理生活状况调查）。这些方法倚仗于合适、准确、最新的数据的可获得性和质量，因此并不总是可用的、可靠的。另外一种选择便是不考虑瞄准方法与贫困或脆弱性的客观量度之间的外在联系，转而根据其他的标准（如后勤或地理可行性、社会或政治接受度和人权考虑）来瞄准特定类型的个人和家庭。最后，应该挑选何种类型的家庭，或实际挑选何种家庭，可交由社区依据或主观或客观的标准自行决定，亦可选择是否由外聘人员负责。

由于缺乏家庭层面上的细节数据，HSNP没有能力辨别瞄准度量是否与客观的贫困度量有相互联系。因此，该组织决定运用其他的机制来瞄准贫困。在第一阶段（2008-2012年）中，共测试了三种机制：（1）基于社区的瞄准；（2）依存度较高的家庭；以及（3）老年人（年龄55岁或以上）。该实验设计为在同一项目中比较三种瞄准机制的结果提供了难得的机会。

本文讨论的重点在于瞄准效率，或者说准确度。这引入了另外一种权衡两种瞄准失误的折衷考虑：包含失误（选择不具资格的受惠人）和排除失误（遗漏具有受资助资格的个人和家庭）。由于包含失误会导致财政支出，决策者更倾向于关注包含失误，然而Cornia & Stewart（1993）却提出，排除失误比包含失误更应受到重视，因为由于疏忽而使真正需要帮助的群体被遗漏，会付出人道主义代价，也会损害项目的成效。

本文的中心考虑便是机制的选择以及它们的效率问题。一份对于一百多个社会资金转移项目成效的综合性评估报告显示，没有一种瞄准机制在所有条件下都有最佳的表现——单一机制在其自身不同条件下表现的差别比不同机制间的差别更为显著Coady等人（2004）。执行能力，或称为实施瞄准的严格程度，是决定瞄准机制的运行效率最关键的因素。有了这个评估结果，我们便可以根据辨别贫困人口的能力对不同的机制进行排名。我们发现最准确的机制是自我瞄准（在公共工程项目中），其次是地理瞄准，再次是支付能力调查。代理生活状况调查、基于社区的瞄准和分类瞄准法（针对老人和青少年）在测试中获得的分数不稳定，但都普遍较低——这三种方法时而可以辩识出很高比例的贫困人口，但这只是少数情况。最后Coady等人（2004）还发现混合使用多种机制比使用单一机制更能提升瞄准准确度。

通过使用HSNP（一个在肯尼亚北部开办的专门为了测试不同瞄准机制而设计的项目）在随机控制的实验中得到的最新数据，我们在本文中提供了（据我们所知）第一份在单一项目中对不同机制的瞄准效率的数据翔实的评估。利用一份基准测试（在受益人从被确认到获得补助期间进行）的量化信息，我们得以从以下几个方面比较分析三种机制的表现：

（1）在人口中辨识最贫困、最脆弱的家庭的能力（设计层面的覆盖面、包容度和排除度）；

（2）选中的受益人是否符合资格标准（实施问题）；

（3）选中的受益人是否确实贫困；

（4）对项目实际使用的三种机制中一系列作为表现基准的瞄准标准的详述。

2.  瞄准表现

包括HSNP在内的大多数社会资金转移项目都尝试着把社会资源向贫困人口转移。因此，瞄准机制是否有效率的尺度便是它辨识贫困人口的准确度。根据Ravallion（2007：7）‘A型（包含）错误被定义为错误地将一个个人归为穷人，而B型（排除）错误则是错误地将一个人从穷人中排除出去。’正如上面所说的，定向的社会资产转移项目容易犯以下两种失误：

• 包含失误，可被量化为项目中不贫困却得到救济的受益人的比重；

         • 排除失误，可被量化为贫困人口中被排除在社会资产转移项目之外的人口比重。

包含错误和排除错误在项目设计或实践阶段均可能产生。

源于设计的瞄准失误：项目中一个普遍的设计挑战是财政预算限制。财政预算限制意味着项目无法惠及一个国家内的所有贫困家庭，因此申请的资助配额或救助干预都会被限制于一个地理区域中，例如一个行政区。（实际上，‘地理瞄准法’是第一级的瞄准法。）这个‘设计层面的排除失误’严格来说并不算是失误，而是有计划的“低覆盖率”。类似的，地理确认法不可避免会涉及非贫困的受益者，但这一源于设计的遗漏是该瞄准的选择方法中固有的，而并不是项目实施过程中由管理者造成的。当替代法被用于辨识贫困家庭，或当选中的瞄准标准与客观的贫困尺度没有明显的联系时，设计失误也会随之出现。例如，在一些例子当中人们已经知晓特定的尺度（如高龄）不是完美的贫困的代表，却是可供选用的最佳可行性选择（如出于后勤、社会和政治的考虑），此类错误同样也可不被归为失误。因此，即使部分老年人口并不贫困，目标对象确定工作仍可以基于老年人口进行，因为考虑到很多老年人口的确生活在贫困中并将受惠于资助项目的事实，最终的结果是平衡的。虽然如此，仍有很多情况下制度设计错误会被认定为项目设计者的失败。例如，如果项目宣称的目标是瞄准贫困家庭，而瞄准标准却仅与贫困的最客观的尺度有微弱的联系——换言之，若项目仅仅因为认为老年人都是贫困人口而特别决定瞄准老年人，而事实上老年人们却往往更富裕。类似地，瞄准设计的失败会出现在设计拙劣的代理生活状况调查中。因数据质量差或数据分析有较大瑕疵，这些代理生活状况调查无法准确地辨识出贫困家庭。

实践中的瞄准错误：当申请者提供虚假的个人经济状况以满足受益者标准——比方说，虚假地宣称自己是穷人——或贪腐的官员密谋帮助不具资格的申请人注册为受益者，便会产生实施中的包含失误。当具有受助资格的家庭错过了注册程序（例如，游牧者离家放牧牲口），或当社区有意地把边远地区的成员排除在基于社区的瞄准之外，便会产生实施中的排除失误。这些失误可能性都是HSNP的潜在担忧。

与HSNP一类的项目，其瞄准基础是建立在作为贫困代表的特征上的，例如年龄。对于这类项目，对其瞄准效率进行评估是非常复杂的工作，因为他们需要评估两种瞄准准确度的尺度：（1）项目惠及有资格者及排除无资格者的“实施准确性”；（2）作为贫困代表的资格标准的“设计准确性”。例如，在一些社区中，HSNP把55岁以上年龄段的个人瞄准为一项全民社会养老金的受益人，因此实践中的包含失误便是低于55岁的养老金获得者的比例，而实践中的排除失误便是55岁以上人口中没有获得养老金的人口比例。但是为了评估社会养老金作为贫困人口瞄准机制的有效性，我们还需要获取在HSNP项目中55岁以下贫困人口的比重（即设计中的排除失误）以及55岁以上人口中非贫困人口的比重（即设计中的包含失误）。

图1描绘了所有八种可能的结果。其中，只有两种结果——包含55岁以上的贫困人口[a]和排除55岁以下的非贫困人口[h]——是明确无误的瞄准结果。如果有55岁以上的贫困或非贫困人口被选入项目中，便产生了实践中的排除失误（[b]和[d]）。若任何55岁以下的贫困或非贫困人口被选入项目，则出现了实践中的包含失误（[e]和[g]）。被选项目的55岁以上人口中如若有人为非贫困人口，则出现了设计中的包含失误[c]。最后，如果未被选入项目的55岁以下人口中有贫困人口，那就出现了设计中的排除失误（结果[f]）。

因此瞄准表现必须要在受助资格标准和贫困地位两方面进行评估——而这两方面情况并不总是相同。本文中还叙述了在HSNP项目的设计和实施过程中出现的包含或排除失误的根源。

3. 瞄准机制

瞄准机制可被归为六大组，每一组都各有其优势与劣势。对定向的社会转移计划进行评估，可得出这样的结论：无论在理论中或在实践中，都没有一种最理想的机制。在项目设计阶段，对瞄准机制的选择必须衡量不同目标间的轻重——比如支出对比准确度——然而在实践中，瞄准机制的表现是变化的，并且十分依赖执行的质量（Coady et al. 2004）

 



1）经济状况调查。评估个人申请者的收入水平及资产状况，并把未达到预定的收入门槛的个人瞄准为符合资格者。经济状况调查实施起来花费是高昂的，尤其当其调查对象是没有稳定的生计与收入的贫困人口时，容易遭遇少报收入和资产的状况，此时就需要核实信息及定期重估。经济状况调查会刺激申请者采取改变自身的行为以谋取或保持受助资格。从阿尔巴尼亚（Alderman 2002）、吉尔吉斯共和国（Tesliuc 2004）的项目获得的证据表明经济状况调查的不准确程度令人瞠目，包含和排除错误的比例常常高于50%。

2）地理瞄准。集中有限区域内的资源，把所有当地居民视为合格受助人，或另外采取瞄准措施缩小合格人口的范围。对于因财政预算限制而无法全面覆盖一个国家的社会转移计划（如基于肯尼亚北部的HSNP项目），地理位置是颇受欢迎第一级瞄准标准。项目的普遍覆盖能使排除错误最小化，却只能在项目开展的区域做到这一点。在越南开展的针对穷人和偏远市镇的社会转移项目拥有较低的包含错误率（8%），但大多数穷人却居住在其他农村地区或城市中心，因此这类项目在国家层面上的排除错误率（或低覆盖率）却很高（81%）（Minot 和 Baulch 2002）。

3）自我瞄准。通过减少转移资金（提供粮食救助而非现金）或增加访问转移资金（让受益人排队领取救济金）要求贫困人口自我瞄准。公共工程项目运用两种措施降低非贫困人口的申请意愿：其一是工资标准低于当地市场利率，其二是申领前提为数小时的体力劳动。虽然公共工程项目的包含错误往往较低，排除错误和低覆盖率却常常达到很高的水平，这不仅因为创造足够的劳动岗位是颇具挑战性的，也因为很多贫困人口并没有劳动能力（HLPE 2012）。

4）代理经济状况调查。选择了一些被认为与福利或贫困有相互关联的特征，并对其进行加权结合，这些特征比收入和家庭资产（如住房状况）更易观测。代理经济状况调查比经济状况调查花销更小，更不易被操纵，但其调查表现严重依赖于运用了哪些代理以及这些代理的权重如何。在巴西、埃及和蒙古进行的代理经济状况调查的包含错误率在16%到57%间波动，而排除错误则在19%到45%之间（Fiszbein和Schady 2009；Falkingham和Namazie 2002； Hodges等  2007）。

5）分类瞄准。选择的是容易观测和核查的特征，这些特征被认为与贫困和脆弱性（例如残疾）有更紧密的相互联系。较为普遍的“脆弱群体”包括孤儿、单亲妈妈家庭和老年人——例如HSNP项目针对的对象就是老年人口和拥有较高依存度的家庭。虽然这类粗略的代理指标的花费相对经济，也更易管理，但其准确度往往不尽如人意。在尼日尔和也门，将近有80%的老年人生活在非贫困家庭中，而80%的贫困家庭并没有老人（Grosh和Leite 2009），因此，即使社会养老金项目实施状况良好，也会因设计而产生包含和排除错误。

6）基于社区的瞄准。把受益者的选拔委托给社区成员。这种措施的主要优势在于当地居民对邻里情况较为熟悉，这却是项目负责人不具有的。然而其主要的风险却在于选拔程序会被当地的精英人物裹挟，这些人物掌控着救济金，会把游离在社会边缘的群里排除在项目之外。一项关于证据的评估发现：与收入差距较大的社区相比较，在收入较为平等的社区内瞄准贫困社区和贫困家庭的结果更差（Mansuri 和 Rao 2004: 55）。由于瞄准对象差异较大，Coady等人发现以社区为基础的瞄准得到的结果是6种瞄准机制中变化最多的一种。

我们对上述的瞄准机制进行分析的能力尚且有限。我们评估的项目并未使用经济状况调查和自我瞄准中的任何一种。我们也没有能力分析HSNP地理层面的瞄准工作（即在肯尼亚四个最贫困的地区实施项目的设计选择的瞄准影响？）。因此，为了实现本文的初衷，同时考虑到我们所掌握的数据的本质，我们对三种瞄准机制进行了检测：分类瞄准，基于社区的瞄准及代理经济状况调查。我们特别比较了两种分类机制（其一为社会养老金，其二为依存度）和基于社区的机制的实际效果。另外我们也模拟了一系列分类机制和代理经济状况调查的结果。

4.饥饿安全网计划（HSNP）中的瞄准

HSNP项目选择了三种瞄准机制并计划比较三种机制的表现。这其中的两种机制是分类瞄准的变体（依存度和老年人口），第三种则是基于社区的瞄准。很显然，正如受助资格标准相互不同，与三种机制相对应的三个目标人口群体也相互区分。事实上，我们瞄准分析的第一步是评估项目是否惠及三个预设的目标群体。若项目无法惠及目标群体，则出现了实施过程中的瞄准错误。然而在该项目的背景下，运用不同的机制的目的是评估它们作为贫困代表的相对准确度。由于项目的目标是对极端贫困人口提供有针对性的帮助，因此我们需要评定三种机制在实际挑选出贫困的受益人方面的表现的出色程度。分析的第二步是评测被选中作为合格受益人的家庭——基于他们的高龄、高依存度（DR）或根据社区的选拔——是否确实是贫困的家庭。第三步是评判三种瞄准方式哪一种在辨识贫困中居于领先——即哪一种机制能够辨别出最高比例的贫困受助人。

瞄准工作皆在一片次区域中进行，而在每片次区域中只使用一种瞄准机制。在评估覆盖到的区域当中，三种机制都是随机分配的。这种随机性为即将在第五部分中叙述的评估方法提供了坚实支持。在第一阶段，我们没有进行再瞄准，但个人（社会养老金领取人）或（处在依存度评估和基于社区的瞄准项目中的）家庭在死亡或迁移出HSNP覆盖区域时会退出该项目。

1）依存度瞄准（DR  targeting）：HSNP把一个家庭的依存度定义为家庭中非劳动人口数（年龄低于18岁或高于55岁，患有慢性病或身患残疾的）与家庭总人口的比例关系。居住在指定的次区域中具有高依存度的家庭有资格领取HSNP项目提供的救助。获得受助资格的依存度门槛在Turkana和Marsabit是0.6，而在Mandera和Wajir则是0.67。（0.67的依存度可被解读为每一位劳动者需要赡养两个人口。）依存度瞄准的基础逻辑是，拥有较多受赡养人口的家庭在相对或绝对意义上是缺乏劳力的——有的家庭中甚至没有劳动人口——由于人均收入较低，即使劳动个人获得相近的收入，依存度高的家庭依然会更贫困。然而基于依存度的瞄准仍旧面临诸多挑战。一方面，为每一个家庭成员确立合适的年龄、残疾程度和健康状况的标准，在实施上有难度。另一方面，在类似肯尼亚北部的游牧社区，富裕的家庭规模更大，这一地区的孩子也会在较小的年纪开始（如通过放牧牲口）谋生养家，因此在这里高依存度代表了贫困的假设可能并不成立。在HSNP项目的初始阶段这个问题就得到了关注，但当时用经济状况调查替代依存度瞄准的提议被否决了。

2）依据年龄的分类瞄准（CTA）：任何居住在CTA指定的次区域的55周岁以上的个人都有资格在注册日期领取一笔不需要交纳费用的社会养老金。年龄证明需要基于申请人的身份证明。如果申请人没有官方身份证明，则需要接受代表社区的委员会的审查。社会养老金是受决策者欢迎的社会保障手段，但是在HSNP瞄准中使用该方式时会遇到一些问题。瞄准老年人所理应具有的一项优势在于，年龄是一项单一的且容易核查的特征——但是居住在肯尼亚北部的老年人口中只有极少数拥有出生证明和信息准确的身份证件。另一个采用社会养老金的理由是，对老年人口提供经济支持容易为人理解且已被广泛接受——但是在年龄与权利财富联系紧密的游牧文化中，则没有明显的缘由为老年人（而并不是其他人）提供现金。最后，因为老龄一般被认为与贫困相关，使其成为强有力的代理指标——但来自全国各地的证据显示社会养老金在瞄准穷人上相对不准确。在一份关于111个项目的评价报告中，Coady等人（2004）发现瞄准老年人是辨识贫困人口的倒数第二差的方法。

3）基于社区的瞄准（CBT）：在肯尼亚北部地区，基于社区的瞄准是救助项目（例如食物救助）中占主导的瞄准形式，其中的原因是社区拥有辨识其贫困居民的最佳条件。在HSNP项目中，社区甄选出他们认为最需要救助的家庭。出于解决长期贫困而不是缓解急切的需求的目的，每一个社区都被分配了一定的限额，也就是社区预计家庭数量的50%。然而由于社区家庭人口的数据时常是不准确的，也由于长期贫困水平在不同的次区域之间差别巨大，在一些次区域标准化的限额几乎在绝大部分情况下都会超过当地的实际贫困率（包含错误），而在另一些区域却又几乎一定会低于实际贫困率（排除错误）。不同的社区间缺乏可比性是基于社区的瞄准方法先天的问题。

5. 评估设计

HSNP项目在原有的Mandera、Marsabit、Turkana和Wajir四个区的安全地带被投入实施。评估工作在48个次区域中进行，而这些次区域是从Mandera、Marsabit、Turkana和Wajir四个区的356个被评估为安全地带，也因此能够让HSNP正常运行的区域随机选拔出来的。

在这48个次区域的任意一个区域当中，根据相关的机制我们会为项目挑选出受益人。这项工作一旦完成，半数的评估次区域就被随机指定为“接受处置地区”（treatment areas），在基准调查结束后，这些区域立即就能得到项目支付的善款。另外24个次区域被指定为“控制区域”，在这些地区，被选中的家庭在两年后开始收到转让金。正因为瞄准进程同时在“接受处置地区”和“控制地区”进行，因此瞄准分析能够涵盖所有48个次区域。

这里所展示的是定量调查和定性考察的工作成果。定量调查包括：（1）年度家庭全员普查（基准，后续第一年，后续第二年），覆盖了在48个次区域当中的5108个随机抽样和随机选择的家庭；以及（2）以10-12名社区成员为分组的年度定量社区采访（基准，后续第一年，后续第二年），采访也在上述48个随机抽样的次区域中进行。定性考察的主导形式是把社区成员（社区领导，老年人及其他群体）按混合性别进行分组并对其所作的社区采访。

因为在接受处置地区和控制地区都进行瞄准工作，相应地需要对两种地区的家庭运用同样的采样方法。我们在每个次区域中运用简单随机抽样的方法，从HSNP管理记录中采样了66个受资助的家庭。从考察评估小组列出的按照一个次区域三个随机选择的定居区的样本组中的家庭清单中，我们采集了44个非受资助家庭的样本。这些定居区被划分成三种类型，每个类型的定居区都会被采样。在每个定居区内，所有家庭都要被列入家庭清单中。在制定家庭清单的过程中，一旦辩认出受资助家庭，就会把其从样本框架中排除。

凭借这种方法，我们构建了受资助家庭和非受资助家庭的典型样本。通过比较HSNP瞄准程序选出的受资助家庭和非受资助家庭的特征，我们便能够对HSNP在其运营区域中瞄准贫困家庭的效果进行评估。对受资助家庭和非受资助家庭的比较是瞄准分析的基础所在。

数据分析以家庭选中概率的倒数为分析权重，这是为了反映次区域是被包含在研究人口当中。本文中展示的估计结果代表了研究人口——48个被选入研究范畴的次区域的人口——的实际状况，而并非反映了HSNP区域的总人口或HSNP覆盖的区域的总人口的状况。由于在非评估次区域中HSNP运营情况稍有不同，我们的发现仅能代表项目在评估次区域的运营情况。

6. 研究发现

6.1 样本特征：贫困，消费和人口统计

表1展示的是根据2005-06年肯尼亚综合家庭预算调查（KIHBS）得出的HSNP项目区域中的贫困率。通过评估HSNP区域中月均支出低于官方的绝对贫困线、粮食贫困线和赤贫线的家庭比例，我们得出这些估算结果。这些估算结果的计算过程中使用的是合适的样本权重。从各个方面来看，项目区域中的贫困率都是极高的。KIHBS认定这四个区域是肯尼亚最贫困的区域，事实上这正是把项目聚焦于HSNP区域的决定的基础。在瞄准效力方面，较高的绝对贫困线一般来说与较低的包含错误（考虑到大部分家庭是贫困的）是有联系的，但同时却又会产生较高的排除错误（由于项目无法惠及所有贫困家庭）。

家庭问卷搜集了每个家庭的消费和支出信息，这些信息形成了测量消费贫困的基础。家庭上报的消费数据往往比收入数据更可靠。根据每个家庭的消费支出水平，所有家庭被平均分为五个小组（五分之一组），如此一来第一个五分之一组对应着HSNP评估区域中最贫困的20%的家庭，而第五个五分之一组对应的是最富裕的20%家庭。

表1： 根据2005-06年的KIHBS得出的HSNP区域贫困率
贫困线	所有HSNP区域
绝对贫困线{月收入低于KES1562(农村）或KES2913（城市）的家庭百分比}	85
食物贫困线{月食物支出低于KES988(农村）或KES1474（城市）的家庭百分比}	78
赤贫线{月支出低于KES988(农村）或KES1474（城市）的家庭百分比}	64

注：肯尼亚先令（KES）

数据来源：作者使用2005-06年KIHBS数据计算得出

虽然，在绝对意义山来说，在我们的研究人口中的大部分的家庭是贫困的，然而最贫困的家庭与最富裕的家庭间的差距还是相当巨大的。最富裕的五分之一家庭每个成年人的花费是最贫困家庭的五倍（KES3996对比KES868），这表明了研究人口中存在相当程度的收入不平衡（见图2）。考虑到与该区域社会转移准备金相联系的资源限制以及严峻的收入不平等，对最贫困人口的瞄准作为最基本的担忧是显而易见的，尽管在绝对意义上整个地区的大部分人口都是贫困的。

虽然消费支出并不是家庭福利的完美代表，我们的分析依然显示了消费支出与家庭幸福的诸多重要的方面有着密切的联系。平均看来，最贫困的五分之一家庭会把家庭消费预算中更高比例的资金花费在食物上，而在教育和健康服务上的花费则更少。他们持有更少的资产，成人识字率和入学率更低，在过去三个月中患病或受伤的概率更高，他们的住房条件也更恶劣。另外，最贫困的五分之一家庭中，主观贫困率也明显更高。



6.2 项目覆盖面、瞄准机制以及HSNP地区的贫困

表2展示了三种瞄准机制的项目覆盖率的差别情况。评估地区的总覆盖率是51%，这意味着，被选入项目的家庭恰好超过当地家庭数的一半。然而，不同瞄准机制的覆盖率却有巨大的差别。CTA地区的覆盖率最低，为40%，这一结果主要是受到了至少含有一名55岁以上成员的家庭数量的驱动。DR覆盖率是66%，这一数据反映了DR资格界限的校准（根据区域的不同，在0.6到0.7之间）。CBT覆盖率则是由项目管理者规定的50%限额所决定的。

表2还展示了CBT、CTA、DR区域之间消费贫困和食物安全状况的不同。我们用51%的相对贫困率来定义消费贫困。我们选择的是相对贫困线，因为我们无法把调整过通货膨胀的KIHBS 2005-06贫困线应用到基准数据中，而这一情况的主要原因是，用于测量消费支出的手段是不同的，因此把KIHBS 2005-06定义的贫困线应用于HSNP基准消费支出数据之上是无效的。经校准后的相对贫困线为51%，这与HSNP的覆盖率一致——考虑到51%的覆盖率，我们希望被选入HSNP的家庭皆出自最贫困的51%的家庭。若一个家庭报告称他们在近期最恶劣的食物紧缺时期整天不进食，这个家庭就会被定义为是食物不安全家庭。

定义机制间覆盖率的巨大反差并不能反映CBT、CTA和DR区域间贫困和食物安全状况的差别。CBT区域的贫困率和食物不安全率最低（分别为42%和55%），但CBT地区的覆盖率比CTA区域要高出许多，而在CTA区域贫困率和食物不安全率则更高。考虑到CBT、CTA和DR覆盖率水平被预设在不同的水平上，这一发现并不令我们感到惊讶。然而，结合贫困率和食物不安全率在CBT、CTA和DR区域中也不尽相同的事实，这一发现便为瞄准分析提供了非常重要的提示。

表2：依地区划分的HSNP覆盖率，消费贫困率和食物不安全率（%）

	按瞄准机制分			所有HSNP评估地区
	CBT	CTA	DR	百分比	数量
覆盖率
受益家庭比例	47	40***	66***	51	5108
消费贫困率
在51%相对贫困线之下的家庭比例	42*	54	60	51	5106
食物安全率
被认定事物不安全家庭的比例	55	63	71*	63	5106

 

注：（1）“N”列代表了样本总量。其他列的分解估计值的样本量基于更小的样本量。（2）星号（*）表示瞄准机制的估计值与其他两种机制的混合均值有很大的差别：***=99%；**=95%；*=90%。

来源：HSNP M&E基准评估调查，2009年9月至2010年10月。

不同瞄准机制在（设计的）项目覆盖率和贫困率（偶然性的，因为作为评估设计的一部分，瞄准机制在各次区域中的分配是随机的）上的差别暗示了包含错误和排出错误——瞄准效果的标准尺度——无法被使用于评估三种机制的相对瞄准效果，反而是比较了被选出、未被选出的家庭的贫困率和总体贫困率的比例测量得到了运用。

表3显示了受益家庭和非受益家庭贫困水平和食物安全水平的对比。受益家庭比非受益家庭属于最贫困的51%家庭的可能性要高出30个百分点（57%对比44%）。在食物安全方面，受益家庭属于食物不安全家庭的可能性却只比非受益家庭高16个百分点。这个现象是否代表了有效的瞄准？为了了解这一现象与世界各地的其他现金转移项目的成效进行对比会有何结论，我们计算出了Coady-Grosh-Hoddinott（CGH）指数并将其展示在了表3中。CGH指数是项目效果的量度。CGH指数的定义是，提供给贫困家庭的转移资金的价值与人口中贫困人口（相对）数量的比值。消费支出和食物安全测量方式都需要计算这项指数，这两者的数值分别是1.12和1.07。这显示出贫困家庭在HSNP瞄准下被选入项目的可能性要比在随机或普遍瞄准下高出7到12个百分点。

Coady等人（2004） 展示了48个国家的122个反贫困介入项目的效率和成效的实验证据。被评估的项目中，位于中位线上的项目的CGH指数为1.25，这暗示了该项目比一版的项目多向贫困个人提供25%的转移资金。研究发现，效果最佳的十项计划向贫困人口转移的资源是一般性项目计划的二到四倍，而这些项目计划大多在美国开展。换句话说，在总体水平上，HSNP与其他类似的项目比较起来在瞄准效果上并没有优势。

表3：按受益地位划分的相对贫困率和食物安全率

	所有HSNP评估地区
消费贫困
低语1%的相对贫困线的家庭比例
受益家庭比例（%）	57***
非受益家庭比例（%）	44
贫困率的比值：受益家庭比非受益家庭	1.3
CGH指数：贫困的受益家庭比例/贫困率	1.12
食物安全
被认定为食物不安全家庭的比例
受益家庭比例（%）	67***
非受益家庭比例（%）	58
贫困率的比值：受益家庭比非受益家庭	1.16
CGH指数：贫困的受益家庭比例/贫困率	1.07

注：星号（*）表示星号（*）表示受益家庭估计值与非受益家庭估计值有很大的差别：***=99%；**=95%；*=90%。

来源：HSNP M&E基准评估调查，2009年9月至2010年10月。

为了更好地理解这一我们关心的问题，把瞄准问题分解成设计问题和实践问题（正如之前讨论的）是很有用的。为了达到本文的目的，根据适用资格标准的人口，我们有两种分析瞄准的方式。

1）HSNP项目设计只在特定的次区域应用特定的瞄准机制，由此我们可以在相应的机制运用的次区域对其进行评估——换句话说，有限的“实际”样本。另外，有资格的家庭需要是这些次区域的居民。我们把分析的范围缩小到特定的机制实行的区域以及是当地居民的家庭。

2）我们也可以通过在整体样本上应用同样的资格标准来分析瞄准，无视在某个次区域上使用的是何种特定的机制——换句话说，假设的“预测”样本。此外，我们也可以以对比贫困瞄准为目的指定每一种可供选择的瞄准机制及其模拟结果。例如，我们可以模拟代理经济状况调查和其他瞄准标准的瞄准结果。这种分析可以把样本作为一个整体进行。

第一种对项目资格的测量方法有益于理解已存在的项目的设计、实践精度，也是本文下一部分的重点。而第二种测量方法则提供机会让我们深入洞察项目需要扩张到何种程度才能够惠及样本区域内的所有有资格受助的人口。所以，这以测量方法对未来的项目方案的制定是有益处的，因此，也是本文倒数第二节的基础所在。

6.3 瞄准实践的表现：资格与挑选

当实施评估计划时，我们关心的重要问题有：有多少比例的达到项目资格标准的家庭受惠于该项目？以及有多大比例的受惠家庭实际上并不具有受助资格，也就是并不能达到项目的资格标准？这两个问题考察了项目辨识、注册其目标群体及排除非目标群体的成效如何。

表4为这些问题提供了答案，并指出了实践过程中的覆盖率、包含错误率及排除错误率。至于受助资格，我们会发现54%的家庭总体上是符合资格的（该资格被定义为项目受助资格）。这项指标在各项瞄准机制间有了分解，即CTA为47%、DR为60%。CTA受助者中符合资格者有非常高的比例，即在CTA区域中有96%的受助家庭是符合CTA资格的，这是一项非常惊人同时也让人倍受鼓舞的发现。项目在DR区域的实施则相对更低效，DR区域中只有70%的受助家庭是符合DR资格的。把这两项发现结合起来看，它们共同显示了受助家庭与有受助资格的地位的一致程度是很高的，因此在注册预期的对象群体上项目本身还是颇成功的。




表4 按瞄准机制划分的实施错误

	瞄准机制		所有CTA和DR区域
	CTA区域	DR区域	百分比	数量
合格率：符合资格的家庭比例
所有家庭	47***	60	54	3438
HSNP家庭	96***	70	79	2047
覆盖率：被HSNP覆盖的家庭比例
所有家庭	40***	56	51	5108
符合资格家庭	83	77	79	2077
包含错误率
不符合资格标准的受助家庭比例	4***	30	21	2047
排除错误率
未被HSNP覆盖的符合资格家庭比例	17	23	21	2077

 

注：（1）“N”列代表了样本总量。其他列的分解估计值的样本量基于更小的样本量。（2）星号（*）表示某项估计值与其右侧单元格内的估计值有很大的差别：***=99%；**=95%；*=90%。

来源：HSNP M&E基准评估调查，2009年9月至2010年10月。

最后，我们发现实践中的低包含和排出错误率伴随着高覆盖率出现。两种瞄准机制中，CTA在实践错误方面的表现要好于DR，CTA机制的包含错误率只有4%，排除错误率则是17%。换句话说，在这两种瞄准机制下，项目在挑选实际有资格者方面有着不错的表现。对CTA更好的瞄准结果的可能解释是，在家庭规模较大且时常不固定的情况下，CTA方法实施起来更为精确，因为在多年中家庭中的老年人口数量变化较少，而且也更容易观测。

在如下的维恩（Venn）图解中，瞄准错误率合计为100%。为了使瞄准工作更具效率，也为了获得设计完善、实施便利的瞄准标准，图中的三个圆圈重叠的部分越大越好，这意味着所有的贫困家庭既符合资格又被选中。

图3展示了在资格和选择方面，样本中有39%的家庭是有领取社会养老金资格的，并且也被选入了项目，然而有46%的家庭是符合DR资格同时也被选中的。

图3：社会养老金和依存度瞄准方式的瞄准准确度



来源：作者图解

6.4 瞄准机制性能设计：入选资格和贫困程度

限制分析评估资格只用于项目中对那些居民家庭实施特定瞄准机制的子计划，它可以对有资格的家庭的特点进行评估，尤其是这些家庭的贫困状况，并将之与无资格的家庭进行比较，并决定他们是否有资格被选入贫困一档。

从特定瞄准分列资格表（见表5）中我们可以看到不同的瞄准机制在判断贫困方面有一些能力上的差别，在九号区域中，有58%的合格家庭在被CTA定义为贫困，这与50%不合格的贫困家庭有显著区别。对于DR机制，68%的贫困家庭为DR标准下的合格贫困家庭，这与48%的不合格的贫困家庭有区别。然而，在食品安全方面，CTA与DR两种标准都不能精确地找到那些食品安全无法得到保障的家庭，这是在HSNP中的一个重要发现的背景和目标。CTA与DR在合格标准上有高度的重合这是不出所料的，有年纪大一些的人的家庭易于有高的家庭依存度，反之亦然。在CTA中70%的合格家庭在DR标准中也会合格，然而DR中那48%的和各家庭在CTA中也会合格。这表明，由于CTA和DR有相似的人口结构，所以我们在他们两者的比对中并不能得到很多信息，尤其是当这个群体中一大部分人实际上并不贫困。

 

表 5 合格和不合格家庭的特征



 

 

说明：星号（*）表明合格家庭的估计与不合格家庭的估计是明显不同的：*** = 99%； ** = 95%； * = 90%。来源：HSNP、M&E基线评估调查2009年9月至2010年10月。




          从表格中的倒数四行我们可以清楚地看到，平均来看，两种机制都趋向偏好用与有孤儿或者长期病、残的家庭相比不具有资格的家庭相对比。这在有资格和无资格两列数据的差异中得到了证明。这表明，这些瞄准机制判定贫困资格的标准所识别的不仅仅是消费上的贫困，它们还能识别家庭在一定范围内的其他特征，这些也可能代表不同维度的贫困。

所以，从与以前的部分对照结果来看，受惠人和资格标准在两个机制中有高度的一致性，而且我们发现合格的标准并没有和贫困状态相对应。

6.5什么因素决定CBT的选择/资格？

从前面表中的描述性统计现实，100%的CTA受益家庭包含一个54岁以上的成员。这表明，针对年龄的标准已经成功实施。大约69%被选入DR的家庭依存度大于等于0.6（图尔卡纳和马萨比特0.6，曼德拉和瓦加尔0.67）。

就像没有具体标准来确定目标群体一样，我们很难理解选取CBT的决定因素。就像上面所讨论的，标准只是“建议性的”，但它是有益的，从以前来看，分析群体的主要指标是用于辨识穷人。为了做到这些，我们使用机率单位回归对这些决定因素进行测试，结果将在下面进行报告。如果家庭被包含入CBT项目中，那么因变量就是1，反之是0。我们将自变量分成一系列分类：人口统计学的家庭，财富（牲畜，房屋，资产），粮食援助收入和居留权。此外，我们将家庭以社区为单位进行管理，不但可以分别运行回归，还可以从位置因素上检查瞄准决定因素的一致性。我们使用了人口加权。

表6中的系数代表着边际效应：例如，第1列中的系数0.029与家庭规模有关，代表着每一个额外的家庭入选CBT的几率是2.9%。虚拟变量，当户主是女性的时候为0，为男性的时候为1。在考虑了包含如模型的其他的家庭特性的情况下，第一列中的“完全稳定的”的系数表达了一个完全稳定的家庭与部分稳定的家庭相比，被选入CBT项目的概率高出19%。

第一列显示出了整个样本的结果。一个潜在的混杂因子在整个回归结果中所表现出的是与某一个区域的CBT更有关系而不是其他的。这些因子将趋向于将彼此剔除，我们最后的合计的结果将把这些改变掩饰掉。因此，为了检验的稳健性，我们对CBT选择相关因素以区域为单位进行估计。这些在最后三列中可以看到。

在这一整套回归中更加令人吃惊的结果是通过观察变量在地区之间的意义，我们发现对于CBT的瞄准标准没有统一的叙述。很显然，不同的区域使用的是不同的标准。在涉及完全稳定变量的整个回归过程和三个区域的回归中唯一不变的结果就是这些家庭有19.5%的概率比部分可移动家庭更可能被选入CBT中。在图尔卡纳，我们看到在慢性病（如果一个家庭至少有一个成员患有慢性病，那么这个家庭则有17%的几率更有可能被选入CBT）家庭中，孤儿的数量、资产价值（资产价值越高，这个家庭被选入CBT的可能就越低）和家庭是否拥有一个厕所（这是一个可以明显判断资产价值高低的信号，同时结果显示出，一个拥有厕所的图尔卡纳家庭选入CBT的概率要比其他的家庭少21%）这些方面符合我们之前所预期的迹象和其代表的意义。

令人感到奇怪的是，在图尔卡纳（只在这个地区），如果一个家庭属于贫困范畴或者他们认为自己是贫困的，他们会比较不愿意被选入CBT。在调整其他因子后，这表明非贫困的家庭更愿意被选入CBT中，这个发现所表现的消极信号是让人担忧的。在马萨比特，我们在资产价值这一项看到了一个同样出乎意料的结果——被选入CBT的可能性随着资产价值级别的升高而升高。在马萨比特，完全稳定的家庭显著地比部分稳定的家庭愿意被选入CBT，而且相反的，不固定的家庭选入CBT的意愿要显著地比部分稳定的家庭低。

在曼德拉，我们看到食物援助指标在解释未选择使用CBT有显著的作用。在其他地区情况并不是这样的。比如，如果一个家庭收到了食物援助或者加入了学校供餐制度，那么他们被选入CBT的可能就会降低。如前文所述，家庭规模、孤儿、长期疾病这些因素对被选入计划是有积极作用的。在曼德拉，家畜和财产所有权一样是CBT选择的好的预测标志，那些拥有较高家庭资产和较多牲畜的家庭有较少的可能被选入CBT。奇怪的是，在图尔卡纳和曼德拉，拥有较多在工作年龄的成人的家庭更可能被选入CBT。在瓦尔加，主要的预测因素是收到食物援助的情况和房屋墙壁的质量，这些都是CBT有效的预测选择因子。

经过研究我们发现，CBT的实施是有区域性的，区域之间实施CBT的习惯和标准都不尽相同。因为这些群体都是使用它们自己的独立的标准，所以在某种程度上，这种情况是在之前对CBT方法预测的范围之内的。另一个很明显的发现是，完全稳定的家庭更有可能被包含入CBT项目之下，控制其他变量，发现这个过程中那些半非固定家庭和完全非固定家庭很容易被剔除。然而，在某种程度上，完全稳定家庭更可能成为子位置的正式居民，这可能部分反映了项目的需求。图4中显示了样本中43%的被选如社会养老的家庭仍处于贫困。

        包含错误是受益家庭处于绝对贫困线之上的比例，排除错误是处于绝对贫困线之下却被排除于HSNP之外的家庭的比例。因为在HSNP中的家庭绝对贫困率非常高（85%），这比项目的覆盖率要高出很多（51%），所以我们不出意外地注意到了高排除错误率（46%）。为了减少排除错误，项目需要增加资源以促进项目覆盖范围扩大。虽然包含错误率相当的低（11%），高的贫困率意味着随机瞄准或者普遍瞄准都能导致15%的包含错误率。因此，为了提高HSNP的瞄准效力，我们应该在减少包含错误这方面做出努力。

        表7比较了不同机制的受益家庭中贫困和食物不安全的比例。

  就像上文所讨论的，因为贫困率和覆盖率在CBT、CTA、DR中均不同，所以不能只简单地使用HSNP家庭的贫困率来比较三种瞄准机制的效力。两个微小的措施可以用来比较三种机制的效能：贫困率中受益家庭与非受益家庭所占的比例和CGH指标。受益家庭与非收益家庭在贫困率中所占的比例这个方法在瞄准效果上对CGH指标有替代功能。对于这两种方法，根据对收益家庭和非收益家庭的瞄准比较来说，值越高说明结果越好。

表8表明了，在这两种方法中，通过使用两种不同的贫困定义，CBT表现得更好，其次是CTA，再次是DR。这些结果与最近出现的文献相对应，它们都相信CBT有能力处理信息不对称对大多数其他瞄准方法的影响。这是因为社会组织相比于社会其他成员在信息和需求方面要有优势，虽然精英阶层的掠夺行为所带来的风险也同时存在。这个发现同样反映了DR和CTA瞄准标准的选择与客观的扶贫措施没有显式的链接。此外，像上面所讨论的，DR因为那些暗中的破坏因素影响了其瞄准表现所以其实施并不完美。

为了评价CTA和DR是否都已经完美地实施，贫困率和CGH措施是必要的手段。这些在表8的“预测”一栏中同样得到了体现。根据消费贫困，DR在得到了100%准确实施的情况下它的表现应该与CBT一样。这意味着DR瞄准的实施误差已经彻底摧毁了这个机制效力。进一步的分析（没有纳入本文）显示在DR区域中被项目覆盖的是那些没有选入资格的经济状况稍好的受益人，而不是那些更贫困的有被选入资格的非受益者。




表6：选择CBT的决定因素

	（全部）	（图尔卡纳）	（马萨比特）	（曼德拉）	（瓦尔加）
变量	CBT	CBT	CBT	CBT	CBT
	家庭特征
有54岁以上的人	-0.001	0.051	-0.008	0.066	-0.118
	（0.038）	（0.039）	（0.052）	（0.038）	（0.066）
家庭规模	0.029*	0.017	-0.003	0.106***	-0.008
	（0.015）	（0.014）	（0.014）	（0.026）	（0.009）
慢性病	0.025	0.176*	-0.024	0.166*	0.039
	（0.058）	（0.097）	（0.086）	（0.095）	（0.078）
残疾	-0.042	-0.042	-0.009	0.001	-0.027
	（0.042）	（0.053）	（0.028）	（0.083）	（0.041）
有孤儿	-0.053	-0.109**	-0.034	0.350***	-0.053
	（0.036）	（0.048）	（0.064）	（0.095）	（0.050）
孤儿的数量	0.020	0.053***	-0.005	-0.096***	0.016
	（0.012）	（0.017）	（0.014）	（0.024）	（0.026）
户主为女性	0.025	-0.002	0.026	0.055	0.013
	（0.033）	（0.066）	（0.042）	（0.048）	（0.058）
18到54岁人口的比例	0.001*	0.002*	0.002	0.008***	-0.000
	（0.001）	（0.001）	（0.001）	（0.002）	（0.001）
	流动状态
完全定居	0.192**	0.313**	0.201**	0.505***	-0.145
	（0.094）	（0.159）	（0.095）	（0.099）	（0.115）
完全流动	0.208	-0.202	-0.163**	0.308***	0.038
	（0.199）	（0.229）	（0.082）	（0.100）	（0.197）
	财富和资产
有牲畜	-0.050	-0.007	-0.057	-0.007	0.150*
	（0.062）	（0.065）	（0.147）	（0.096）	（0.081）
记录（热带牲畜）	-0.051	-0.012	-0.024	-0.327***	0.040
	（0.046）	（0.085）	（0.055）	（0.073）	（0.056）
记录（资产价值）	-0.011	-0.051***	0.041***	-0.036***	-0.013
	（0.011）	（0.013）	（0.016）	（0.011）	（0.019）
主观贫困	-0.102	-0.313***	0.017	0.088	-0.029
	（0.082）	（0.115）	（0.072）	（0.081）	（0.073）
贫困（低于51%相对贫困线	-0.095	-0.199**	-0.089	-0.049	0.026
	（0.063）	（0.078）	（0.064）	（0.099）	（0.057）
	家庭特征
有厕所	0.119	-0.212***	0.089	0.314***	-0.013
	（0.113）	（0.078）	（0.099）	（0.095）	（0.066）
有残破的墙壁	0.174	0.070	0.003	-0.090	0.219**
	（0.118）	（0.154）	（0.098）	（0.108）	（0.111）
	食物安全和粮食援助
上个荒年没有食物吃的天数	-0.031	0.038	0.013	-0.197***	-0.071
	（0.047）	（0.069）	（0.067）	（0.044）	（0.095）
接受粮食援助	0.004	0.104	0.025	-0.217*	0.173***
	（0.076）	（0.096）	（0.092）	（0.117）	（0.061）
享受学校供餐	-0.143*	-0.137	0.075	-0.158**	-0.101
	（0.077）	（0.112）	（0.064）	（0.062）	（0.074）
观察值	5,105	1,313	1,299	1,251	1,242

 




        与之相比，从消费贫困瞄准观点来看，同样100%精确实施的CTA不会表现得很好。这是因为在HSNP区域内高年龄与贫困的联系并不强。然而，因为CTA与DR不同，CTA被有效地实施（96%的受益者满足了合格的标准），他们的净效力是相似的。

 

图4：社区瞄准



 

表7：机制的瞄准表现比较

	瞄准机制
	CBT区域	CTA区域	DR区域
消费贫困
在51%相对贫困线下的家庭比例
受益家庭	51**	58**	63
非受益家庭	34	51	54
食物安全
被认定为食物不安全的家庭比例
受益家庭	65**	63	71
非受益家庭	47	63	70

说明：星号（*）表明合格家庭的估计与不合格家庭的估计是明显不同的：*** = 99%； ** = 95%； * = 90%

来源：HSNP、M&E基线评估调查2009年9月至2010年10月。

表8：机制间的瞄准表现比较：预测与实际

	CBT区域实际	CTA区域预测	实际	DR区域预测	实际
消费贫困
贫困率的比例：受益vs非受益	1.5	1.17	1.15	1.42	1.16
CGH指标：受益者为贫困者的比例	1.21	1.09	1.08	1.13	1.05
食物安全
贫困率的比例：受益vs非受益	1.37	1.04	1	1.05	1.01
CGH指标：受益者为贫困者的比例	1.17	1.02	1	1.02	1

说明：（1）贫困率和CGH指数以51%的相对贫困线为基准计算。（2）预测的瞄准表现根据合格家庭的贫困率计算得出，例如，瞄准表现假设100%的准确率，所有合格的家庭都被选中以及所有选中的家庭都是合格的。

来源：HSNP、M&E基线评估调查2009年9月至2010年10月。

所有机制的合格标准都不一样。然而，就像在对HSNP的背景叙述中所说的那样，对这三种机制了解的目的是选出三种机制中哪一种能更精确地瞄准穷人。我们看到，虽然三种机制都是跟社会扶贫有关，但是在瞄准的使用上，CBT远比CTA和DR多。这三种机制的目标都是将最贫困的家庭瞄准出来。如同之前的分析，CBT是高度自主的。我们看到在瞄准机制的实施准确性和扶贫表现之间有一个权衡取舍的过程。就是说，我们发现CBT在扶贫方面做的很好，但是如果DR被实施，那么它与CBT的表现几乎一样。这对瞄准机制的选择有指示作用。那么有更好的方法来进行瞄准并把更高比例的穷人选入项目么？在下一部分我们将对这个进行研究并展示这一点，表明它可能值得取代那些难以实施的机制并给出一个更好的结果。

7. 选择的瞄准方法

总的来说，可以在数据集中模拟现实和假设的瞄准机制，并无视机制在实践中的各个区域的实施。这具有的好处是能够把随机出现的使用不同机制的地区之间的差别平均掉。简单来说这个分析清除掉了项目所强加的居住期限。使用这个方法表明CTA中59%的合格家庭是最贫困那一级的，DR中58%的有资格获得转移的家庭是属于最贫困那一级的。这与较低的相对贫困线是相似的，这表明这两种机制之间的区别并不存在于它们所使用的标准之内，而是其实施和其应用的人群。

当我们把CTA的合格家庭和DR的合格家庭做成表格，我们发现样本中29%的家庭在两种独立的资格验证标准下都有获得转移的资格（至少有1个家庭成员年龄高于54且抚养比率高于0.6）。进一步剖析，我们看到CTA中70%有资格获得转移的家庭在DR的标准中同样可以获得转移。所以，这两种机制中的家庭有相当大的重叠部分。

鉴于上述结果，有两点凸显了出来：（1）瞄准机制及与之相关的合格标准在识别贫困家庭上表现并不强劲；（2）对于选择合格家庭已成功实施。因此，一个问题也随之而来：是否有可供替代的瞄准机制以更好地识别贫困家庭？在这部分，我们列举了一些可供替代选择的瞄准标准，尽可能为贫困或替代现金转移的基础，并从总体上对DR和CTA的人口合格标准进行对比。我们模拟了四条替代标准：

（1）如果一个家庭包含至少一个孤儿则其合格；

（2）如果一个家庭包含至少一个长期疾病或残疾的成员则其合格；

（3）如果一个家庭包含至少一个六岁一下的儿童则其合格（这个可能应用于儿童补助项目）；

（4）如果一个家庭低于收入能力调查（PMT）的临界值则其合格。

所有用于指定PMT的变量都相对容易收集和可能预测一个家庭的贫困状况。我们使用了17个变量来构造PMT工具。大多数变量在CBT建立标准和选拔过程中反映了社区的标准。

这是试图构造PMT的措施。当然，我们可以改变变量和/或减少指标的数量。这些模拟和更深一步的分析可以使得以后项目中的瞄准标准得到改善。我们为PMT符合项目51%覆盖率设置了阀值；换句话说，在PMT分数排名为底部的51%的家庭被归类为合格。

表9为不同的模拟提供了结果。从顶行看，从整个样本来说59%的CTA合格家庭和58%的DR合格家庭是贫困的。这个结果与我们使用孤儿和疾病/残疾为贫困的代理的时候是几乎完全一样的。

我们以“家庭至少含有一个六岁以下的儿童”为条件运行了一个模型。比较来说，这个条件作为贫困的代理所构造的机制表现是最差的，在标准的51%覆盖率下只有48%的合格家庭是贫困的。在此基础上，这些家庭的人口学特征也是不同的。虽然这表明也许有其他的条件来瞄准那些有小孩的需要转移的家庭，但是这看起来并不是贫困的好的替代条件来瞄准贫困家庭。

这些模拟的结果表明了一个简单的PMT方法在识别比较穷人方面表现显著地比CTA和DR标准还有实际的CBT性能好。

         就51%的相对贫困线而言，PMT的合格家庭比例达到了74%。而且，依照消费数量和平均消费，PMT措施能够更好地确定消费梯度。当我们提升财富的分级（从最穷的到最富的），PMT合格家庭的比例下降，1级时为35%，5级时为5%。这就是我们所期待的一个以瞄准最贫困家庭为目标的机制。然而，这只是一个初步分析，DR、PMT这些方法在实际中都很难得到有效的实施。这也同样只是一个样本内的预测，同样的系数在另一个数据中并不会有预期的那么高的预测精度。所以，对这些结果的解释不是推荐PMT方法是最好的，这只是建议其可在某些类型的以显示扶贫为目标的后期阶段扮演一定的角色，并指出这将需要更多的模拟工作和定性分析来补充。

表9. 各种瞄准情况

 



 

注：（1）“N”列代表了样本总量。其他列的分解估计值的样本量基于更小的样本量。（2）星号（*）表示某项估计值与其右侧单元格内的估计值有很大的差别：***=99%；**=95%；*=90%。

来源：HSNP M&E基准评估调查，2009年9月至2010年10月。

 8. 结论

在一些非常贫困的地方，类似肯尼亚北部的干旱和半干旱地带，收入的不平等现象十分严重，针对最贫困的个人或户可以成为是减贫影响最大化的一种手段。在上下文中，哪里的贫困人口多，那么地理瞄准就会成为最简单、成本最低、最有效的方法去救助大量的穷人。当总人口中85%为贫困人口时，HSNP区域的同意承保将有15%的包含错误和0的排除错误。救济非贫困人口的成本很有限，用于从人群中将他们识别出来所花费的成本可能会超过它。另一方面，如果预算约束和项目目的需要瞄准穷人中最穷的，那么许多选项是可以存在的。HSNP部署了三个机制并试图确定哪一个能最有效地确定肯尼亚北部最贫困和食物不安全的家庭。

这篇论文中所作出的分析允许我们得出如下结论。第一，从全面效果来看，HSNP只是倾向贫困的，但程度有限。只有30%的受益家庭是可能处于最贫困的（底部的51%）。从食品安全来看，与非受益人相比，受益人只有16%可能处于食品安全。第二，从三种瞄准机制的实验来看，以社区为基础的瞄准（CBT）表现最好，它在识别最贫困的家庭和食品不安全的家庭上是最有效的。重要的是，考虑到社会转移与日俱增的影响和对其越来越多的关注，CBT被同样被家庭和社区视为一种公平的手段。

然而，CBT在其他环境中与以社区为基础有关的瞄准表现也呈现出了一些弱点。基于相对排名而非绝对贫困的措施对贫困等级的变化并不敏感。在肯尼亚北部，贫困和食品不安全的差异在整个地区都有充分的体现，但是在HSNP项目的区域内都统一施行了配额。此外，CBT取决于社区全员的参与和避免能扭曲目标结果的“精英捕获”。有证据显示，在一个HSNP区域内，比较贫困的家庭被选入计划的可能更小，这意味着瞄准过程存在被当地精英捕获的现象。这表明对“加以约束的”CBT（项目工作人员观察并引导社区在目标人群中选择符合标准的家庭）和“不加以约束的”CBT（社区使用自己的判断来选择被选入项目的家庭）的瞄准效力应该进行测试。

这就引出了第三个广泛的推论。在瞄准表现中的变化反映了每种瞄准机制在其所在位置的瞄准实施中的变化。例如，在HSNP区域内，抚养比率是比消费困难更好地方式来确定一个家庭中是否有老人，所以DR瞄准应该表现好于CTA。一般来说，瞄准标准越是复杂瞄准表现就越差。实际上，DR容易被实施中的错误所影响破坏，而且它在包含错误和排除错误上是三种机制中表现最差的。相反的，瞄准含有老人的家庭是最简单的瞄准机制，所以CTA实施的最为有效，但是它在识别最贫困家庭上表现的并不是很好。

本文对项目覆盖范围、合格家庭与不合格家庭的比较特性和在六种待定选项下的瞄准效力的评估同样进行了分析。PMT方法在模拟中的表现胜过所有其他瞄准方法，而且对其实际瞄准表现的预期也比CBT（三种HSNP机制中表现最好的一个）好。在PMT瞄准下，收益家庭中的穷人是非收益家庭的三倍。然而，PMT方法在实际中可能很难被落实，因此，要考虑哪些实施问题在何种程度上破坏了DR的瞄准效力。虽然人们意识到可能有其他原因使得社会转移针对那些有小孩的家庭，但是模拟分析的结果显示了瞄准包含儿童的家庭是最弱的机制。

在肯尼亚北部所进行的社会转移资金项目瞄准可以为低收入国家提供很多经验。首先，把儿童和老人作为瞄准标准有可能是有正当理由的——每个人在老的时候应该有收入的保障而且应该有政策来解决儿童贫困的问题——而在许多环境中将老人和小孩直接当做贫困的替代条件是不适用的。作为贫困的代理，在当地特殊的环境下所选的指标应与贫困有强有力的一对一的联系，这表明直接瞄准应该以有效地测量数据为基础。

其次，在贫困且行政能力低下的国家，有效地执行瞄准机制有可能是一种挑战，因此，一种更简单的机制可能会比复杂的机制更受青睐。第三，由于需要在机制的复杂程度和其测量精度上进行权衡，所以一定程度上的包含错误和排除错误是需要被预期和包含的，尤其是在一种更简单的（但是粗糙的）机制更被认可且有效执行的时候。对于项目的设计者来说，最关键的抉择是需要在排除错误和包含错误选择一个更加重要的。

 

 

Rachel Sabates-Wheeler, Alex Hurrell, and Stephen Devereux （2014）. Targeting social transfer programmes Comparing design and implementation errors across alternative Mechanisms, WIDER Working Paper 2014/040.

编译：王秉劼；校对：夏庆杰

 






·书籍推荐·




 

社会项目中的瞄准：避免投机和消除烂苹果

 

Peter H. Schuck 和 Richard Zeckhauser

 

 




本书简介

150年已经过去了，欧洲的新兴工业经济体开始有系统地建构社会项目和安全网。在此之前，生活大部分是住在地方一级。随着十八世纪交通运输系统的革命，发明的激增和市场体系蔓延，城市逐渐发展了起来。因此在十九世纪出现一些公共卫生、教育、机构及失业、福利和退休制度和医疗保险、风险监管、住房等其他项目，所有这些都旨在提升了多数人的生活水平，并救助那些生活水平低于一定程度的少数人。在二十世纪上半叶这些社会计划变得普遍，在下半叶，他们迅速地发展直到他们撞到国民收入的天花板——在一段时间内保守派称它为“克拉克定律”。科林·克拉克，著名的实验经济学家，在1945年曾推测大约最多25％的国民收入可以成为借贷和税收。舒克和泽克豪泽成为了社会政策“targeting”措施支持者的领袖，他们的基本想法是将钱花到能带来最多好处的地方，但是保守派和美国传统进步派都不喜欢这个。因此，最近兴起了对如何将社会工作做得更好的激烈争论和严密的分析，但是这些都不是在新自由主义的之下。现在，彼得·舒克和理查德·泽克豪泽对如何对早期企业的改革提供了坚实的支撑分析。

谁应该成为最先得到肾移植的人?是相对健康的还是病情相对严重的？慢性麻烦制造者应该可以留在公共住房吗?具有永久破坏性的学生是否应该留在教室里去妨碍其他学生?这都是当前的社会政策制定者们所面临并亟待解决的问题。

彼得·舒克和理查德·泽克豪泽在本书中对许多政策制定者面临的艰难抉择提出了一个严密的分析框架。大多数社会项目寻求帮助“不成功的”，常常是低收入个人。而低效的瞄准经常暗地破坏了这些政策的有效性和他们的政策支持。尤其是当两组“Bad Bets”和“Bad Apples”在社会福利项目时，政策的失败将有可能成为结果。许多政治家和政策制定者更倾向于在暗处解决这个问题，但是这种沉默的代价是高昂的。将资源分配给“Bad Bets”和“Bad Apples”在浪费金钱的同时也会使它难以取得实质性的成绩比如建立安全的学校。最重要的是，它在同时也削弱了“Good Bets”和“Good Apples”对公共项目的支持。彼得·舒克和理查德·泽克豪泽在改革上迈出了第一步，他们将对“Bad Bets”和“Bad Apples”下定义所面临的挑战进行了详细的剖析，并讨论了在分类过程中所必要的保障措施。他们对“Bad Bets”和“Bad Apples”显得突出的三个区域——公共学校、公共住房和医疗护理进行了检测，并建议改变政策以消除这两个群体所带来的问题。这本书并没有就这个问题给出明确的答案，但是它对没有人对政策效力所感兴趣这一问题产生质疑，并形成尖锐、深入的争论。

 

作者简介：Peter H. Schuck是耶鲁大学法学院的Simeon E. Baldwin讲席教授，从1984年起任教授并曾担任副院长。教学和研究的主要领域是侵权行为法、移民法、公民权和难民法。Schuck最近的著作有《Targeting in Social Programs: Avoiding Bad Bets, Removing Bad Apples》、《 Meditations of a Militant Moderate: Cool Views on Hot Topics》、 《Immigration Stories》、《Foundations of Administrative Law》、《Diversity in America: Keeping Government at a Safe Distance》、和《The Limits of Law: Essays on Democratic Governance》。Schuck和James Q.Wilson一起担任《Understanding America》的编辑，同时Schuck也是《Basic Principles》和《The American Lawyer》的特约编辑、美国法律协会中侵权法顾问委员会的成员。Schuck在加盟耶鲁大学之前，他曾在美国卫生、教育、福利等部门担任高级职务。

       Richard Zeckhauser教授是哈佛大学肯尼迪学院政治经济学的Frank P. Ramsey讲席教授。他以优异的成绩从哈佛毕业并在那里获得了博士学位。他被计量经济学学会、 医药研究所 （美国国家科学院）、 美国艺术与科学学院推选为会员。在 2014 年，他被评为美国经济协会的杰出学者。他对决策原理和行为经济学的贡献包括生命质量调整（QALY）、现状偏见等。他的许多政策调查探索方法在促进人类健康、使市场更具效率和帮助政府机关和个人做出更合适的选择提供了帮助。Zeckhauser曾发表超过280篇文章。除了从事学术研究教学工作，Zeckhauser还是房地产私募股权投资的一名股本资源投资的高级负责人。

 

书籍信息：

Peter H. Schuck & Richard Zeckhauser, “Targeting in Social Programs: Avoiding Bad Bets, Removing Bad Apples”. Brookings Institution Press （March 8, 2010）, 170 pp.

 






主    办:中国国际扶贫中心

协    办:北京大学经济与人类发展研究中心

主    编:左常升

副 主 编:何晓军、夏庆杰

责任编辑:张德亮

地    址:北京市朝阳区太阳宫北街1号

 

 

 

邮    编:100028

电    话:010 84419641

传    真:010 84419658

电子邮箱:zhangdeliang@iprcc.org.cn

网    址:www.iprcc.org.cn

扫描下载手机客户端