国际减贫动态第十五期

 

本期导读

 

研究前沿	无条件现金转移 ——基于中国农村最低生活保障制度的分析



·机构内刊·

 

 

 

·研究前沿·

 

无条件现金转移

——基于中国农村最低生活保障制度的分析

Jennifer Golan，英国曼彻斯特大学

 Terry Sicular，加拿大韦仕敦大学

 Nithin Umapathi，世界银行

    

 

 

摘要

    本文探讨了中国农村低保制度——世界上最大的最低收入现金转移体系之一。本文使用了同官方数据一致的住户调查数据，描述了什么是低保制度，评估了该制度对贫困的影响,并对其进行了针对性的分析。分析认为，该制度向贫困的受益人提供了充足的收入，但并未大幅度削减贫困程度，部分原因是这些收入与整个贫困人口相比太小。传统的定位分析显露出相当大的包容性和排斥性目标误差；倾向性定位分析可以得到细微但依旧很大的目标误差。文章对低保制度可能会进行的改革进行模拟，结果表明，与增加转移资金相比，扩大覆盖面可以更有效地减贫。此外，用全国统一标准代替地方低保标准在理论上亦能减贫。然而，减贫的潜在收益取决于瞄准定位的有效性。

引言

近几十年来，发展中国家经历了使用有针对性现金转移计划的大幅扩张。其中的一些项目，例如墨西哥的发展计划，是有条件的；而其它一些项目则是无条件的，比如印度尼西亚的BLT计划。这些项目的共同特点是需要参照最高收入门槛来决定受益人资格。这样的项目已经得到了来自政策制定者和研究人员，以及研究它们设计、实施和持续增长影响的主体人员的相当大的关注。

本文研究的重点是中国的一项大型无条件现金转移制度，即中国农村最低生活标准保障（低保）计划。中国农村低保制度是多方面努力的一部分，这些努力自1990年代末以来致力于重建农村社会事业以及解决农村贫困人口的结构变化(Lin and Wong，2012；World Bank，2009)。继20世纪80年代到90年代大幅减贫之后，中国农村的贫困从地理位置上来看变得更加分散，而且暂时的贫困变得越来越严重(Lin and Wong，2012；World Bank，2009、2010)。与中国早期贫困地区扶贫项目相反，低保制度致力于无论居住在哪里的居民原则上都能基于收入不足而改变。因此，这适合中国反贫困的前景。

农村低保制度的地方试点开始于20世纪90年代，并在逐渐扩大，直到2007年该制度在全国范围内实行。该项目的覆盖人数已经增加到5000多万人，其规模和诸如印度国家农村就业保障和巴西的家庭补助计划等大规模的现金转移支付计划的规模不相上下。因此，它对中国贫困的潜在影响是相当大的。虽然该制度是一个国家项目，其实行仍然是分散的：资格门槛,受益人选择和转移支付须由当地决定。该项目的分散性和基于门槛和转移数量的显著变化引发了关于公共转移项目权力下放的优缺点的问题讨论。这个问题在Ravallion《关于中国城市低保项目的分析》（2009）一文中有提到，在发展中国家的公共财政著作中更为普遍(例如Gadenne and Singhal，2013)。

尽管农村低保制度很重要，但是它的绩效及其对贫困的影响却鲜为人知。一些报告提供了关于这个项目成功和挑战的描述性分析和初步评估，但这些报告所依据的都是些旧的数据(World Bank，2011；Luo and Sicular，2013)。尽管关于中国城市低保制度的研究已有一些(例如Chen，Ravallion and Wang，2006；Gao，Garfinkel and Zhai，2009；Wang，2007；Ravallion，2008、2009)，然而城市和农村制度是不同的，解决不同层次和类型的贫困方式也不同，所面临的挑战也不同。

关于本文的分析，我们使用的是全国范围的家庭和村级调查数据，这些数据与民政部关于低保制度的县级行政数据相一致。这些数据是从2007年到2009年的，在这期间农村低保制度扩展到了全国范围内。通过利用这些数据，我们概括出该项目的主要特点，评估其对贫困的影响，并进行针对性分析。我们发现，尽管该项目为受益者提供了可观的收益，但它对贫困的整体影响却是有限的。此外，针对性分析结果表明，排除和包容性的定位误差是相当大的。

在诸如中国农村家庭收入的测量的设置上是有困难的，有条件转移计划的管理人员往往依据可见的相关收入来确定资格(Chen，Ravallion and Wang，2006)。我们据此估计家庭特征与低保户参与之间的关系，这一关系能够帮我们洞察低保选择的关联性，以及实现倾向性分析。倾向性分析是基于观察收入相关的样本来评估项目的定位性能，它能够比传统的定位分析产生更好的定位性能。我们发现，虽然倾向性分析定位性能够减少排除和包含错误的大小，但是错误仍然很大。

如何改善农村低保项目的贫困影响？近些年来在这个项目上的支出显著增长，引发了这样一个问题：是否加大该项目支出以及如何加大支出就能增强其影响。因此我们通过增加低保预算的模拟来分析增加花费在贫困人数、差距和方差方面项目支出的影响。具体来说,我们模拟了以下几方面的影响：（1）在不改变转移金额的基础上扩大受益者的数量；（2）在不改变受益者数量的基础上增加转移金额。在这些模拟中我们假设，除了转移金额和受益者数量的变化，项目的其他方面是不变的。这一结果表明，扩大覆盖面比增加转移量更有大量减少贫困的潜力。

该数据揭示了大量低保资格的阈值和转移数量的本地变化。这一变化与地方财政能力有关，而且贫穷县低保户的阈值和转移往往低于富裕县，对贫困的影响也更为明显。我们构建模型用来调查采用一个统一的全国性的低保户阈值和转移量的影响。结果表明，这些标准化措施，无论是单独采用还是联合采用，都有大幅减少贫困的潜力。然而，标准化的收益似乎最小，而且并没有改善项目的目标性能。

我们将在下一节中开始阐述农村低保项目的一些背景，并对相关文献进行讨论。第三部分着重是数据的描述。第四部分展现了低保户的参与模式、阈值和转移数据，同时也记录了当地变化的程度。第五部分检验低保户转移是否带来受助家庭高于低保户的阈值和摆脱贫困的结果。第六部分分析了该项目使用传统定位分析后的目标有效性。第七部分研究低保户和非低保户的特点，表明了确定项目参与相关特性的probit分析的结果，并同时提出了针对分析的倾向评分结果。第八部分和第九部分包含政策模拟。我们通过对主要教训和影响进行讨论得出结论。

中国农村低保制度的背景

关于农村低保制度的试验开始于20世纪90年代，主要集中在较发达的农村地区。截至本世纪初，农村低保制度在全国普遍建立。但是它们依靠当地的资金，由于地方财政能力的差异，各县支持的力度和资格标准也是不同的。2004年，中央政府大力号召扩大农村低保制度实施范围，并开始对贫困地区低保制度提供资金支持；到2004年底，全国大约有80%的省市县已经采用了某种形式的农村低保制度（中国民政部，2007；世界银行社会保护组织，2010；徐、张，2010）。

到2007年初，中央政府宣布农村低保制度将在全国所有县实施，并由中央补助(新华网，2007a，2007b；世界银行社会保护组织，2010；徐、张，2010)。根据这项新的国家计划，该制度更加规范化，并吸收或补充几个先存的对贫困家庭提供补贴的方案，诸如五保制度和特困救助制度。尽管中央对该制度的资助增加了，但是该制度是由地方政府基于其财政能力共同资助，而且最低收入门槛和补贴金额一直是基于当地县级财政能力而进行的地方性设定（世界银行2010）。

官方统计表明，2006年以后农村低保制度快速增长（表1）。到2007年，也就是全国范围内实施该制度的第一年，农村低保制度提供转移支付惠及到农村3600万人（农村人口的4.9%），占农村社会救济者的四分之三，遥遥领先于惠及500万人的五保制度。(中国国家统计局社会科技和文化产业统计司，2008；中国国家统计局，2009)。在2010-2011年，该制度的参与人数已经稳定在5300万人左右，相当于农村人口的8%。这是城市低保制度人口规模（2300万）的两倍多，其参与人口总数远远大于其他所有农村扶贫项目的参与人口总数（2010年1790万，不包括救灾）（中国民政部，2011；中国国家统计局，2011）。

该项目上的支出也增长了。根据表1所示的官方统计数据表明，政府对农村低保制度的支出为110亿元，每个受助者的平均转移量为466元。2009年该项目的支出为360亿元，每个受助者的平均转移量为816元。虽然2010-2011年度以后受助者的数量趋于稳定，但是该项目的支出持续扩大，这意味着每个受助者的转移量进一步增加。截至2013年，总消费额达到870亿元，每个受助者的平均转移量为1609元。

由于我国农村经济的多样性以及农村家庭收入测量的困难性，低保制度的实施随着时间的演变在各地也不相同。因地制宜明确纳入了中央低保政策法规（国务院扶贫办公室，2010）。根据实地考察的报告（世界银行社会保护组织，2010；世界银行，2011），在一定程度上存在着变化，这些变化在于程序公开的程度与地方官员的邀请。在实践中村干部经常发现潜在的受益者，并邀请他们申请。村委会，其中包括村领导和其他社区成员在确定和筛选潜在的受益者中发挥核心作用。村委会成员家住在潜在受益户附近，并具备当地知识。低保福利申请或提名需报乡政府或者县民政局。乡镇、县级官员作出决定，他们审查由居民或村民提交的文件证据，有时也会去访问农户进行检查或收集更多的信息。原则上申请者的名字需在村里公示，并受到社会各界的审查和反馈。

国家政策的允许以及地方官员在实践中使用一系列的信息来进行资格评估。这包括有关家庭收入、资产和住房条件的信息，以及家庭成员的状况，他们能否工作，是否存在疾病或残疾（国务院扶贫办，2010；世界银行社会保护组织，2010；世界银行，2011）。

原则上低保制度提高受助者的收入至当地低保门槛水平。低保受益的金额应取决于低保门槛水平和家庭人均收入水平。表1显示了全国平均低保门槛近些年来不断增加。各省县之间的低保门槛有着很大的差异。关于如何确定转移金额的做法也各不相同。在一些地区，当地官员估计家庭收入和当地低保门槛之间的差距，并确定相应的转移。由于很难准确地测量收入，大多数当地人员使用其他的方法。2007年国家政策允许地方官员根据贫困的显著水平对家庭进行分类，并确定相关每一级的固定收益金额。这种分类方法似乎得到了广泛应用（世界银行社会保护组织，2010）。

一些报告指出，虽然这种灵活性有着一定的优势，但是这也给了地方官员和村干部相当大的自由裁量权。该制度并没有很好地表现出检查和平衡的功效，部分原因是由于该制度在地方一级的管理中资源是非常有限的。该制度的这些特征产生了潜在的违规行为（世界银行，2011）。关于农村低保违规行为的中文媒体报道是数不胜数的，多到以至于对它们分出了标准类型：关系保或人情保、骗保以及错保。通过百度互联网引擎能够搜索到多个地方的违规报告，其中包括备受广泛讨论的湖北房县低保腐败案件，以及发生在陕西、山东和广西的类似案件。

低保制度问题受到中国中央领导和政策界的越来越多的关注。2012年，中共中央政治局常委、中央纪委书记贺国强在关于中国腐败问题的讲话中，明确提到低保制度上的腐败问题，他说“城乡低保中存在不正之风”。他概述了这些问题的主要原因：“首先当地乡镇干部不做他们的工作，他们不去村里深入群众，不能真正理解和把握家庭的困难究竟是什么；其次，低保工作不够透明和公开；最后，一些乡镇干部是自私的，只谋一己之利，他们把低保福利分给他们的亲戚、朋友，甚至他们自己。

民政部已公开指出这种违规行为的存在，并要求低保工作加以改进。最近民政部在新闻报道中就低保制度的内部审查结果发表评论。部长报告说，审查发现了作弊、欺骗的案例，并对做得好的进行奖励。得出的结论却是，这一问题的整体发生率相对较小。内部审查估计不正确或错误的低保收益率为4%（新华网，2013）。这一估计的来源是没有解释力的。

为解决低保制度实施过程中存在的问题，2013年初民政部公布了一些将在全国范围内采用的新政策。这些新政策包括：(1)允许申请低保福利的农户直接向该县民政局申请，而不必再通过乡镇一级；（2）要求县级官员视察和检查至少30%的申请户；（3）对参与低保实施的地方官员和村干部的近亲建立档案和审计系统；（4）建立和改进社区反馈系统；（5）建立有关其他部门低保申请信息核实的系统机制，如车辆登记数据和储蓄账户信息（新华网，2013）。

这些报告揭示了政策和实施之间的分歧。虽然很难确切地知道这一分歧究竟有多大，但这些报告提出了关于农村低保制度的绩效、目标以及对贫困的影响等问题。

数据

在分析中，我们使用了两种类型的数据。第一种是2007年、2008年和2009年的农村家庭调查数据，这些数据是由中国家庭收入工程(CHIP)与中国城乡移民(RUMiC)工程共同收集的。下文中我们主要使用的是CHIP数据。在收集CHIP数据的这些年，农村低保在全国范围内迅速扩展。自2009年起，农村低保覆盖率大约为实施水平的90%，2010年达到全覆盖（见表1）。第二种是MOCA发布的有关农村低保的纳入、变更和支出的管理性数据。MOCA数据可供县市级使用，我们把MOCA数据在同一年使用到收集CHIP数据时所覆盖的农村中，创建了相匹配的数据集。CHIP数据调查涵盖了82个县区，我们可以从MOCA数据中匹配77个县级信息。

CHIP农村调查样本涵盖了大约8000位农户，包括30000多位来自九个省份的农户，即湖北省、江苏省、浙江省、安徽省、河南省、广东省、重庆市和四川省。这九个省份涵盖了中国几乎近一半的人口，跨越中国东部、中部和西部地区。表2显示了每年的样本大小。

CHIP数据集的详细描述中可以在Li，Sato and Sicular（2013）报告中找到。这里我们强调与我们的分析相关的主要特征。CHIP农村样本是国家统计局（NBS）年度家庭调查的一个样本，它涵盖了共计31个省份的68000个农户。正如更大的国家统计局的农村样本，CHIP样本具有省级代表性。CHIP的省级样本大小与省人口总量是不成比例的。出于这个原因，也因为故意选择了CHIP覆盖的省份用以代表中国的三大主要地区（东部、中部和西部），对于大多数分析我们使用二级权重反映了省级和地区人群。权重得以产生并用于来自中国的人口统计年度1%人口抽样调查的人口数据(国家统计局，不同年份)。

在2007年至2009年收入工程样本的九个省份（排除中国东北、西北、西南的自治区）中，这些自治区的贫穷密度相对高。这可以部分地解释为什么CHIP数据显示的贫困率要比国家统计局样本显示的贫困率低。基于2009的官方贫困线和国家统计局全国农村住户的调查数据，中国的贫困率为4.7%；使用相同的贫困线和（加权的）CHIP农村数据，其贫困率为3.2%。

根据官方数据显示，在全国范围内覆盖在CHIP样本的九个省份也有较低密度的低保对象。2009年九个省份的CHIP样本中含有47%的中国农村人口，只有38%的中国农村低保对象。然而，诸如收入的关键变量的平均值达不到那些在国家统计局样本数据的水平（表2；Li，Sato和sicular，2013）。因此，根据CHIP样本覆盖的范围的详细解释，该数据提供了在中国大部分的一个合理的近似的情况。

CHIP数据集库包含对家庭收入、消费、构成和人口的详细信息，以及其他许多（但不是全部）变量的收集，由国家统计局作为其年度农村住户调查的一部分。额外的变量使用一个独立的调查问卷，由CHIP工程和RUMiC工程参与者设计收集。该收入工程数据集库还包含通过一个村庄调查收集的匹配的社区级别的数据。在个人、家庭和村庄级别中可使用的丰富信息为我们的分析提供了一个独特的资源。

CHIP数据集也包括低保和“五保”的家庭参与信息。在分析中，我们把那些已经表明会成为低保或者五保的家庭和成员都看作是低保参与者，因为这两个项目之间的差别水平在当地并不明显，也因为在我们分析的时间范围内，五保项目在一定程度上正在被低保项目吸收（世界银行2010年社会保障组）。

表2显示了在CHIP数据库中低保(包括五保)家庭和个人的数量。低保家庭和个人的数量在三年里有显著增加，反映了在这段时间里项目的扩张。低保家庭和个人的数量可以在国家层面上进行充分分析，然而非低保家庭和个人就很快成为了一小部分群体。因此,我们的分析主要是从国家层面展开。

为了对低保项目的目标和贫困的影响进行评估，我们需要估计“事前”或与现实相反的低保家庭的收入水平缺失情况。在这里我们估计事前收入等于报道或“事后”收入减去低保家庭的收入转移。这种方法即假定接受一个低保户转移收入不改变家庭的行为。它是学术界公认的现金转移，接受转移的家庭可能会改变他们的行为，例如，通过较少的努力赚取收入。如果是这样的话对农村低保家庭而言，我们的事前估计收入将低估了真正的与现实相反的低保家庭的收入。因此，我们的事前估计收入可能太低，夸大事后收入和事前收入之间的差异导致低保项目对收入和贫困的影响得到夸大。尽管可能夸大，我们发现低保户项目对贫困率的影响相对较小。小测量程序对项目的影响有点夸大，使用更复杂的方法,包含家庭反馈是没有依据的。

数据库包含事后收入家庭调查数据,而不是低保户家庭收入转移的信息。然而,低保户的数据信息只有村和县的。村级数据库包含2008年和2009年低保和五保家庭在内的村庄和平均低保传输/接受方所在的村庄的数据信息。同时，美国华人博物馆也出版了农村低保户的参与和支出水平数据,可以用来计算县低保户平均支出/接受人。县支出可能包括一些政府支出类别的低保户程序以外的低保户家庭转移支出。然而，接下来我们将证明县低保户平均支出非常类似于村里的平均转移。

我们使用村级平均低保转移和县级平均低保支出金额作为低保转移家庭水平的标准。这样我们得到了关于低保户事前收入的两个估计：一个等于事后的人均家庭收入减去农村平均低保转移；另一个等于事后人均收入减去县级平均低保支出。这种方法有效地假定在村级或县级低保受助者的低保福利能够得到平等分配。

中国农村家庭收入调查所示的农村低保参与率低于官方数据所显示的总率。这在一定程度上反映了中国家庭收入调查的省份样本选择，即使只是调查的九省也仍然存在差异(这将在下面更详细地讨论)。中国家庭收入调查所示的农村低保参率低于官方数据的原因还不清楚。有可能是由于低保家庭数量低于中国家庭收入调查中所选取的样本。样本中的贫困居民更可能是低保受助者，而这些样本则来源于国家统计局采用的CHIP的样本数据。也有可能是因为一些低保家庭没有报告他们的低保参与。享受低保家庭可能并不知道他们所收到的转移来自低保制度,或者可能他们不想公开他们参与了这个项目。第三种可能性是,官方数据夸大了真实的参与率。人们普遍认为中国的基层政府发布他们的统计数据似乎要与中央政府的政策目标相一致，用来掩盖地方政府在项目实施中的违规行为(Hvistendahl，2013)。

低保参与模式，阈值和转移

同表1中的官方数据一致，我们的数据显示低保计划自2007年（表3）大幅扩张。平均低保阈值从2007年的人均1046元到2009年的1428元，使用MOCA针对所有省份的数据；九个样本省份的变化与其相似。人均低保转移同样也增长了。低保阈值在这一时期大体上高于中国官方划定的贫困线，低保转移低于中国官方划定的贫困线（2007年785元，2008年1067元，2009年1196元）。

MOCA的民政部县级数据显示了低保资格的阈值的巨大变化。图1是县低保阈值中的每三个样品年里样本县的分布曲线图。在2007年和2008年全县低保门槛从每年每人均不到500元到人均3000元以上。在2009年的最低门槛已经超过500元，最高至4000元以上。

图2a和2b显示了2008年和2009年CHIP样本县低保的转移分布。来自MOCA的县级数据同来自CHIP的村级数据是相似的，尽管在村一级的变化更广泛（因为县级的平局数据消除了差异）。作为所述阈值的一个案例，低保转移的多样性十分丰富。以2009年为例，全县平均低保数值为从人均不到500元，到人均3000元以上。

低保参与值随着低保阈值和低保转移数量的增加而增加。采用CHIP的数据计算，农村低保参与率从2007年的1.9％增加到2009年的3.0％（表4）。低保参与率在CHIP中的数据同MOCA的全国数据相比更低，后者的数据显示2007年农村人口的5.0％增加到2009年的6.9％。CHIP和官方低保统计的数据之间存在差异的原因可能是那些前面讨论过的内容。

表4列出了采用CHIP的数据和官方数据计算得出的每个省份的低保参与率。CHIP的数据表明，在2009年，包含从低保参与率不到1％的河北、浙江，到5-6％的广东和重庆。类似的变化在官方数据里很明显。这种变化反映了低保门槛包含了地区在低保资金和实施上的差异，家庭收入亦是如此。

低收入家庭的低保参与率很高吗？采用CHIP的数据，我们按收入十分位数计算了低保参与率（图3）。在一般情况下，低收入群体的低保参与率更高。在三年内，最贫困群体的个人参保率最高。第二贫穷群体的低保参与率急剧下降，此后收入渐高的群体参保率逐渐下降。然而在这几年中，最贫穷群体中只有不到10％的人领取了低保。此外，所有年份中低保的参与是显而易见的，包括非常富有的群体。

随着时间的推移，低保制度也逐渐扩大，参与模式已更多地转向低收入群体。如图3所示，2007年和2009年间大多数人的参与率都增加了，比较大的增长出现在底层十分位数。但中间的十分位数的参与率也上涨了。对于最富有的4个十分位数，参与率低于2％。图3显示，虽然较贫困的群体更容易参与低保制度，中等收入和更富有人群参与低保制度仍旧是不正常的。

低保转移对收入和贫困的影响

低保制度转移提供了最低收入保障吗？即家庭收入提高了当地的低保门槛的水平吗？为了回答这个问题，我们比较收入低于当地（县）低保门槛的个人事前和事后的收入。表5给出了CHIP样本在三个年度内低于当地低保门槛的个人在事前和事后的收入百分比。第一个三行用个人事后收入分类；第二个三行用事前收入村级平均转移计算；底部的三行用事前收入全县平均转移计算。

第一列显示CHIP样品中的所有个人的百分比，包括受益者和非受益者，他们的收入低于低保阈值。个人事后的收入低于低保阈值的百分比从2007年的2.4％增加到了2008年的2.6％，2009年进一步增长为3.8％。鉴于这些年低保参与和转移的急剧扩张，这一增长的百分比多少有些奇怪；然而，低保门槛也提高了。事前收入的考察显示，合格率也有所增加：2007至2009年CHIP样品事前收入的个人份额（使用全县平均转移计算）低于当地低保临界值的比重由2.5％增至4.1％。

低保制度是否提供了最低收入保障？3年内，事前收入的低保受助人的比例超过了低于阈值事后收入的百分比（表5的最后一列）。例如，低保受助人在2009年12〜15％的事前收入低于低保门槛，只有5.7％的人低于低保门槛事后的收入。换句话说，低保转移让低保受助人增加了起码一半以上——受助人的数量开始高于当地低保门槛的一半。我们的结论是，农村低保计划在为受益人低于当地低保转移提供收入保障上相当成功。

当然，这些数字忽略了那些收入低于低保阈值的非受益人。约90％的收入低于当地阈值的人没有接受低保转移支付。对于这些人，低保制度没有提供最低收入保障。这一群体的保障缺失反映了定位上的排斥性错误，这一点我们将在下一节讨论。

低保制度减少了农村贫困吗？如果是的话，减少到什么程度？我们通过计算事前与事后的收入来比较贫困发生率和贫困差距来对这个问题进行回答。表6显示了贫困发生率的估计值——使用三个绝对贫困线计算。在无论何种情况下，事前收入的贫困发生率高于事后收入的贫困发生率。这与低保计划的减贫效果是一致的。但是，在所有情况下，在事前与事后的贫困发生率的差值小于半个百分点。换句话说，低保制度对贫困发生率的影响很小。

表7显示了使用事前收入和事后收入计算的贫困差距的估算。正如预期的那样，使用事前收入计算的贫困差距比使用事后的收入计算更大。在2007年和2008年的事前贫困差距在2-3％之间，比事后贫富差距更大，而在2009年差距达到了6.5％。再次，不同的是相当小的差距，特别是同总低保支出相比。

根据官方数据，2007年，总低保支出相当于事前贫困差距的18％；到2009年总低保支出已经上升到事前贫困差距的64％（表7）。每元贫困差距的减少使得低保支出也相应减少。2007年，每元低保支出都会减少0.13元的贫困差距。2009年，每元低保支出都会减少0.10元的贫困差距。

CHIP样本中的低保参与率比官方的统计数字更低，而且也可用由CHIP说明的低保支出的数据，来评估该制度的影响。我们计算了由CHIP说明的低保总支出，等于每次全县范围内低保领取人数县级转移支付的加权总和低保支出（见表7）。以此计算，总低保支出比官方数字低得多。例如2009年，它们只有官方总数据的36％。

即使用这些较低的总低保支出数据进行估算，低保制度的贫困影响仍然不大。例如2009年，由CHIP说明的数据，低保支出相当于事前贫富差距的26％，但用事后收入计算的贫困差距比使用事前计算的收入仅低6.5％。低保支出的每1元仅减少0.24元的贫困差距。这些低保支出和减少贫困之间的差异说明在目标定位上出现了遗漏。

传统的低保定位分析

    低保制度规定的目标是帮助收入低于低保阈值的家庭，因此包容性的定位误差——针对高收入制度受益人的比例——是评估制度的标准。低保制度并非要涵盖所有收入低于低保阈值的个人，因此排他性的错误可能不会是达成其目标的措施。然而，该计划的排他性定位误差的分析可以提供一些信息。

表8包含使用当地低保阈值作为定位标准计算出来的低保程序的包容性和排他性瞄准误差的估计。三年中定位误差一直在下降。例如，基于全县平均低保支出使用的估计，2007至2009年包容性的错误估计从94％下降到86％，排斥误差从94％下降到89％。尽管有这些改进，有事前收入的绝大多数低保受益者比例依旧高于当地低保阈值。此外，低保制度只能覆盖低于低保阈值的有事前收入的一小部分（11％或更低）。在所有年份中，似乎符合条件的绝大多数没有受益于该方案。

相比之下，据Chen，Ravallion and Wang（2006）的报道，中国的城市低保有43％的包容性错误，71％的排斥性错误。虽然这是前几年的数据，但他们的估算表明，中国的城市低保的目标定位性明显高于农村低保。农村低保的疲软表现并不奇怪，因为不一样的能力和中国农村地方政府不均等的资源，以及测算农民收入的难度。

农村低保制度的定位能力也可以估算贫困线，以确定受益于制度的穷人与非穷人的比例。表9列出收到低保福利的穷人和非穷人的比例。这些比例是使用三个贫困线和事前收入进行计算的。在所有情况下，不到10％的贫困人口接受低保转移支付。但是，贫困人口的低保接受人的比例比非贫困人群的比例更高。例如，根据2011年的官方贫困线，接受低保福利的比例在2009年为8%，非贫困人口的不到3％。而且，获得低保福利的穷人的比例随时间增加。例如，根据官方公布的贫困线，贫困接收低保福利的比重从2007年的4.7％增加到2009年的8.0％。

低保制度定位贫困户的情况如何？表10显示了同官方的贫困线相关的使用事前收入计算的包容性和排斥性误差。包容性误差是介于64％到75％之间，这取决于估算和年份。也就是说，64％到75％之间的低保受助人不穷。排斥性误差在92％-95％，这表明绝大多数穷人没有从低保制度中受益。

低保参与的相关事务和低保定位的倾向性得分分析

低保隐含目标的传统分析假定方案受益者的选择是由国家统计局和CHIP统计目前的年家庭收入的数据来决定的。正如Chen，Ravallion and Wang（2006）所讨论的，这种假设可能不正确。施行低保制度的当地官员没有进入国家统计局的权限，即使他们有，国家统计局数据也还包含一些未知程度的测量误差。在实践中，地方官员很可能会根据收入的一些可观察到的相关因素来选择受益者。其实中国的全国农村低保政策都赞同这种做法，地方法规明确提到确定受助人的替代标准。

    出于这些考虑，Chen，Ravallion and Wang（2006）提出了另一种方法，倾向性的定位得分分析——基于地方官员选择受益者参照作为衡量的是相关与事前收入的潜在收入变量调查数据，以及与其他观察到的特征加上一个误差项。这样，定位分析就能在考虑潜在家庭收入的情况下实施（Ravallion，2008）。

倾向性得分的定位分析的第一步是估算概率回归与低保制度的参与为因变量和事前收入和将家庭特征作为独立变量的其他相关观测。这些其他特性被选择，以反映当地的执行措施，包括变量，如家庭人口构成，家庭成员健康状况，以及人力资本和物质资本或资产。其次，概率模型的结果用来预测程序分配（倾向得分）的条件概率。从概率回归的估计系数对应由制度管理人员对受益人决定分配时隐含的权重。第三，截止由观察到的覆盖率来确定。受益人通过计算富裕家庭排名从最高到最低倾向得分，直到达成截止。所选户随后被用于计算定位的误差。在这里，我们采用CHIP的调查数据，以家庭为分析单位。

表11，12和13包含低保和非低保户的分类统计数据。低保户事后与事前的收入平均比那些非低保户低。份额较小的低保户的收入来自雇佣劳动所得，在2007年和2008年（而不是2009年）低保户同非低保户相比，不太可能有流动人员。

家庭规模小的低保户的家庭成员包含老人——身体状况不好，或者有残疾，这样的家庭所占比例非常高。例如2007年，低保户的20％都含有一个家庭成员在60岁以上的老人，41％含有身体状况较差的成员，35％含有残疾的成员，非低保户的情况则分别是10％、14％和12％。有形资产的所有权也有差异。住房条件测量是较贫穷的低保户的因素，如房屋是否为多层，是否拥有自来水和冲水厕所。耐用消费品如家电和机动车持有量较低。

表11-13表明，低保户所居住的社区与非低保户的社区有所不同。一般情况下，有较高比例的低保户生活在经历了自然灾害，没有柏油路的村庄，并且距离最近的乡政府遥远。

概率回归表明，表11-13的许多特点是对低保状态显著的预测数据。表14显示了概率回归所预测的边际效应。说明1使用村平均低保转移支付计算事前收入，说明2使用全县平均低保支出计算事前的收入为收入变量。

在所有年份里，享受低保福利的可能性同家庭收入之间有显著的、消极的关联。边际效应意味着，在事前收入1％的增长，会使接受低保的概率降低0.7至1.0个百分点。大多数年份显著的其它特点是：家庭规模（消极），身体不好（积极），残疾（积极），工资收入的比重（消极），非农业经营收入的份额（消极），缺少家用电器（积极）。

估算的系数在这些年中有所改变。值得注意的是，2009年的变量比早两年更显著。例如，老年人的比例在2009年变得显著（积极），这表明选择标准可能已经开始突出有老人的家庭。一个民工的存在（积极），婚姻（消极），死亡（积极），耕地面积（消极）在2009年也开始显著起来。

这些变化可能反映的标准的改善，或适应——由本地官员来决定参与制度的资格，或由更多的系数来决定，开始变得显著，其原因为2009年比2007和2008年更多的低保户而产生的更小的标准误差。它也可能是低保制度这段时间内的扩张所容许的资格标准加宽，导致出现了更多特征。

用潜在收入作为选择标准分类的家庭，低保覆盖率更高，因此排斥性定位误差低于传统的定位分析（表15和16）。2007年，17％的家庭被选为有资格的住户，收到了低保福利——以倾向性得分为基础，基于低保阈值的传统定位分析的家庭住户则占6％（来自表8的计算）。2008年20％符合条件的家庭和2009年17％符合条件的家庭按倾向性评分方法获取了低保福利，采用常规方法的则分别为7％和11％。换句话说，排他性定位误差在使用倾向性评分方法时更低。

包容性的定位误差与常规的定位分析相比也更低。2007年，根据倾向性得分，低保领受者的83％没有资格领取低保，用传统分析的话这一数值则为94％；2008年和2009年倾向性得分包容错误的数值分别是80％和83％，采用传统方法的数值则分别为92％和86％。如此以来，用潜在收入作为选择标准分类的家庭在低保遗漏比例上就比采用传统定位分析的家庭的低保遗漏比例更低。

总而言之，倾向得分定位分析产生的误差比传统定位分析产生的误差更小。这些调查结果与地方官员依靠住户可观察到的特征来确定低保资格，或地方官员对住户收入的观察异于CHIP的数据是一致的。

政策模拟：扩大覆盖率与增加转移数额

为了检验增强农村低保计划影响的选择，我们使用2009年CHIP的数据进行模拟。第一组模拟探讨扩大农村低保的程序对贫困程度的影响如何。农村低保自2009年以来事实上已经显著扩大：2013年总的农村低保预算是2009年的2.4倍（见表1）。其中大部分增长是由于较大的转移数额，而不是更广泛的覆盖范围：每个受益人的平均低保转移增加一倍，相应地受益人的数量只增加13％。

我们的模拟对制度扩展的潜在后果提供了一些见解。我们探索了扩大制度的影响，以两种方式呈现：现有低保领受者提高低保转移量，扩大领受者覆盖面的同时保持传输量不变。第一种方法应减少贫困，如果大多数低保受益者是穷人，如果他们的转让金额不足以使他们在贫困线以上。第二个要减少贫困，如果排除性定位误差很大，且转移量足够。

第一套模拟保留了低保资格门槛，并在2009年的CHIP数据中观察到低保传输量的局部变化。我们用村居住家庭的平均转移，如CHIP村级调查所报告的，为本地转移金额。我们根据（2011）官方贫困线计算贫困措施并说明加权统计。

我们首先构建一个贫困基准线，反映了观察到的收入和2009年的低保参与数据。基线贫困程度等同于2009年CHIP数据，即由事后收入数据显示的贫困程度。基准情况的低保预算等于所有低保受益人（加权）中观察到的本地低保转移量之和。我们将此称为“可观察”基准。如表17所示，“观察”基准贫困率为11.2％，贫困差距指数为3.9％。

模拟需要决定该制度应扩展多少。为简单起见，我们使目标预算等于资金数额，如果该计划被扩大到2009年涵盖所有符合条件但尚未成为低保受益人的群体。换句话说，我们计算了提供当地低保转移到所有非受益人的成本，其人均收入低于当地低保阈值的成本，我们增加该基线低保预算成本。这会产生一个等于2.54倍基准预算的目标预算。

低保制度扩大所带来的影响的模拟见表17。扩展覆盖范围的模拟，我们提出了两种方案。模拟（a）假设完美的定位：所有添加的低保受助人的收入低于在其居住地点的低保资格阈值，换句话说，受益人的包容性定位误差为零。通过构拟，模拟的目标预算仅足以确保所有符合条件的人领取低保转移支付，因此排斥性定位误差也为零。模拟（b）不假定任何目标定位：其他受益人从所有非受益人中随机抽选。因此，模拟（b）中增加的受益人包含收入高于低保门槛的个人。这两个模拟可以解释为乐观和悲观目标扩展覆盖范围的情况。

贫困模拟结果（a）和（b）表明，扩大覆盖范围具有大幅度减少贫困的“可观察”基线的潜力，这取决于其他受益者是如何被挑选的。如果我们乐观地假定，新的受益人是使用完美定位（模拟）所选择的，扩大覆盖范围则会减少贫困总人口的5％以上，贫困差距24％以上，贫困方差减少17％。如果我们假设随机选择（模拟b），扩大覆盖范围能减少在3％或者更少的贫困人口。

为基准受益人增加转账金额会比扩大覆盖范围更有效吗？模拟（c）显示增加转移的结果不改变覆盖率。贫困影响是有限的：相对于基线，贫困减少最多到3％。这种影响较之扩大覆盖率所获取的影响要小很多，如果新的受益人是良好定位下产生的话（模拟a）。另外，它类似于如果覆盖率扩大和新的受益人是随机选择的话（模拟b）。

我们的结论是，即使目标定位不完善的，只要它比随机选择更好，扩大覆盖范围应比增加转移支付更能减贫。这些模拟表明，2009年至2013年间观测到的大量增加的低保预算将产生更大的贫困影响，如果追加的资金主要用于扩大覆盖范围，而不是增加转移支付。

政策模拟：全国统一转移和阈值

如前面几节所说，低保阈值、转移和覆盖率根据当地情况的不同会有不同的变化。有研究发现，更富裕的地区往往有更丰厚的低保制度（Ravallion，2009）。因此，富裕地区高于官方贫困线的家庭可能会被选为低保户，而贫困地区低于贫困线的家庭可能会被排除在外；而且，在较富裕地区的家庭可能会收到比那些在贫困地区的家庭更多的低保转移。由于这些原因，一些研究建议中国采取全国统一的阈值，更平等的转移金额（世界银行，2009）。

我们用第二组模拟来研究采取统一转移和统一阈值的影响。统一转移的模拟，我们将转移均等同于基线模拟的转移。统一的阈值模拟，我们将阈值等同于官方贫困线。个人被列为有资格获得低保，如果他们的人均事前家庭收入低于官方贫困线。

我们的第一个模拟用统一的转移等于平均观测到的转移取代了当地多样化的“观察”基线转移——666元。低保阈值、受益人和预算都是同等的“观察”基准案例。该政策的结果见表17（d）。相较于“观察”基准线，贫困人数的下降非常小，贫困差距的增加非常小，且贫困方差是不变的。这些结果表明，在没有其他任何政策变化的情况下，采用全国统一的转移将产生最少的贫困收益。

模拟（d）对贫困有这么小影响的原因之一是，低保转移支付只会减少贫困，如果受益人是穷人，但在模拟中的受益人是“观察”的人，其中大多数在贫困线以上。根据我们的常规定位分析，三季度低保受助人接受转移之前，收入已高于贫困线。

如果定位改善，如何采用统一的转移影响贫困？要回答这个问题，我们怎么让一个统一的转移影响完美定位下的贫困。我们用观察到的当地低保阈值的完美定位构造了一个新的基准情况。对于这个“完美低保定位”基准，我们假定个人当且仅当他们事前收入低于当地低保门槛接受低保转移支付。换句话说，所有人中谁具有低保资格，谁才能接受转移支付。在此基准上的转移等于本地转移。这一基准由“完美低保定位”说明的低保预算基准为237亿人民币。基准贫困结果示于表18。

我们现在用“完美低保定位”的基准线统一的转移取代当地变化的低保转移。转让等同于基准线“完美低保定位”的平均转移（887元人民币）。模拟（e）的结果示于表18的第二行。现在，采用统一转移的影响更大。这三个的贫困程度有所下降，尤其是贫困差距，减少了12％。这种模拟表明，如果没有包容性的定位错误，再采用一个统一的转移将显著减少贫困。

采用统一阈值的情况是什么样呢？对统一的阈值，我们使用了贫困线，这意味着谁是穷人则谁具有低保资格。由于平均贫困线高于当地低保阈值，具有资格的人数会比具有低保资格的人数更大。因此，我们根据低保定位的基准定位预算不足以涵盖所有有资格的人。因此，我们必须对如何从穷人中选择受益人作一些假设。

我们使用两种可供选择的假设。首先，受益人是基于距离贫困线上选择的，从最穷的群体开始（模拟f）。二是受益人从贫困群体之间随机抽取（模拟g）。这两种选择方法可以产生零包容性和零排斥性定位误差；然而，在模拟（g）的选择忽视了贫困的深度。

在这些模拟中的目标预算中根据“完美低保定位”基准，受益人会收到当地不同的转移。模拟（f）和（g）的“完美低保定位”贫困结果比较基线告诉我们，在完美定位的世界里，一个统一的阈值代替当地阈值会减少贫困。

如表18所示，模拟（f）同基准线相比降低了贫困差距和贫困方差，但贫困人口也增加了。模拟（g）减少了贫困人口和贫困差距，但贫困方差增大。在模拟（f）和（g）之间出现这样的差异并不奇怪，因为在模拟（f）中的低保受益人平均的贫困程度比模拟（g）中的受益人更深。我们的结论是采用全国统一的资格阈值与保留当地的低保阈值相比，前者有可能大幅度减少贫穷，但对贫困影响的根本将取决于受益者是如何在穷人中选择的。

最后，同时采取统一的低保转移和统一的阈值，其影响会如何？模拟（h）和（i）探讨了这一政策选项。在这模拟（h）和（i）中，统一的转移等于在“完美低保定位”中的平均转移基准线。模拟（h）根据贫穷的程度选择受益人，而模拟（i）随机选择。

这两个模拟都产生大幅度贫困的措施的减少，但并非所有贫穷措施都减少。模拟（h）产生了最大值的贫富差距和平方差距的削减。在这些方面，它优于仅采用一个统一的转移支付（e）。贫困总人数比之基线和模拟中的贫困人数更高（e）。若低保受益人是随机抽选的，那么同时采取统一的低保转移和统一的阈值与基准线相比或与仅采取统一的转移（e）相比，可以大大减少贫困总人口和贫困差距。平方贫穷差距也会更高。

总体而言，表18的模拟表明，统一的转移和或统一的阈值政策有增加低保制度有效性的潜力，所以他们为一个更加集中化、标准化的方法提供了支持。然而这个结论，是以基线和政策模拟的完美定位为前提的。事实上，低保制度有大量的包容性定位误差。模拟（d）表明，在观察到的水平上定位误差的存在，一个统一的转移政策的影响将是最小的。

不幸的是，在有定位误差的情况下统一阈值从而构建模拟是很难的，因为结果将最终取决于关于受益者是如何被选择的假设。然而，我们推测，一个统一的阈值会比一个统一的转移更有效，因为它会增加来自县级有更低低保阈值人群的比重，这往往会有更多的贫困家庭。一个统一的阈值政策要求财政措施对贫困县增加低保资金。

结论

中国的农村低保制度于2007年获得全国通过，是目前世界上最大的无条件现金转移计划。该方案在最近几年的落实和扩大中恰逢中国农村的减贫。这就提出了该制度是否或在多大程度上对减少贫困作出贡献的问题。

使用在2007-2009年间同官方数据相匹配的住户调查数据，我们考察了中国的农村低保制度和农村贫困之间的关系，并使用了常规和倾向性得分定位分析方法。我们发现，在这些年中，农村低保项目为贫困人群提供了足够的收入，但总体来说该方案的贫困影响较小。虽然总的低保支出显著大于贫困差距，但该计划并未显著减少贫困差距。

传统定位分析反映出了大量包容性和排他性定位错误。定位的倾向性得分分析能使定位误差减少，这表明，该计划已在以未观测到的潜在收入变量和可观测到的收入参照执行。然而，即使使用倾向评分定位方法，定位误差仍然相当大。

这些研究结果都符合我们数据的一些限制。一个限制是缺乏对低保家庭转移的信息。另一种是低保参与的潜在掩饰。CHIP样本中的低保参与比官方统计数字要低得多。这种差异可能是因为官方统计数据有偏差；但是，如果它反映的是CHIP调查样本中的偏差，那么我们的研究结果可能低估了低保制度的效果。

我们的分析表明，在这些年里，该制度的适度贫困影响的核心原因是通过CHIP和官方数据测量的涵盖的人口比例相对较小。自2009年起，政府在农村低保制度上的财政支出规模增长迅速。然而大部分的预算增加，已被用于增加转移量。受益人数发生的变化相对较小。

使用模拟数据，我们调查了低保制度的扩大是否会增加对贫困的影响。我们的研究结果表明，扩大该制度可能是有益的，如果扩张主要限于覆盖范围，而不是针对每个受益人增加转移的形式。我们还用模拟来探讨采取统一的转移和统一的门槛是否会提升制度对贫困的影响。我们发现，转移和阈值的标准化有大幅度减少贫困的潜力，但这种潜力能达到何种程度关键取决于定位。例如，2009年观察到的低保受益人的统一转移数据，无论以何种方式，都将会产生最小的贫困改善。

模拟的现金转移制度有一些教育意义。首先，他们强调制度的覆盖面和每个受益人享受的丰富的转移之间的潜在权衡。项目覆盖面和丰富程度能对贫困产生不同的影响，而这些影响取决于定位情况。我们的模拟揭示了在可选择定位情景下覆盖率的影响与转移丰富程度变化的对比。我们把定位作为外生变量，但我们承认，定位可以被制度变量所影响，因而它又是内生的。例如，小量的转移可以促进贫困家庭参与制度的自主选择性，从而提高定位性能，正如巴西的家庭补助制度所证明的（Bastagli，2008）。这类制度变量和定位性能之间的互动加强了覆盖面扩大，提高了转移金额。

另外，模拟提供了一些关于当地变化与现金转移制度统一性的启发。在分权的财政体制下，地方财政转移计划的地方预算与地方收入呈正相关。我们的模拟表明，由于较弱定位的存在，标准化的收益可能在实践中受到限制。此外，我们推测，在这些条件下，采用统一的资格标准与采用统一的转移相比，前者可能会更有效地减少贫困，因为一个统一的阈值往往会增加较贫困受益者的比例。不过，标准化的阈值，可能需要财政补贴较贫困地区，以支持其增加的制度成本。

 稿件来源：世界银行。      

                                   

 

 

 



 



 

                                            

 



 

 

              

 







 



 

 





 

 



 

 

	非低保户均值	SD	低保户均值	SD	低保户均值占非低保户的百分比
家庭特征
人均收入	5263	4347	3789	2859	72%
享受低保前人均收入 (村级相关)
享受低保前人均收入(县级相关)	5263	4347	3369	2821	64%
家庭规模	3.980	1.359	3.662	1.464	92%
成年家庭成员平均年龄	41.71	9.568	45.79	11.661	110%
户主的受教育年份	7.487	2.337	6.752	2.503	90%
家庭男性成员数	0.523	0.146	0.504	0.181	96%
家庭成员年龄>60	0.102	0.222	0.195	0.300	191%
家庭成员年龄<16	0.150	0.172	0.161	0.183	107%
不良健康家庭成员数(虚拟变量)	0.137	0.344	0.407	0.493	297%
残疾人家庭成员数 (虚拟变量)	0.116	0.321	0.352	0.479	303%
农民工家庭成员数（虚拟变量）	0.408	0.491	0.352	0.479	86%
工资中收入净值	0.426	0.414	0.315	0.293	74%
非农产业经营收入净值	0.094	0.399	0.025	0.099	27%
家庭电器（冰箱等）（虚拟变量）	0.370	0.483	0.641	0.481	173%
家庭拥有的机动交通工具（虚拟变量）	0.475	0.499	0.193	0.396	41%
家庭婚姻（虚拟变量）	0.046	0.21	0.062	0.242	135%
家庭死亡人数（虚拟变量）	0.036	0.185	0.034	0.183	94%
原木屋面积	4.798	0.518	4.476	0.532	93%
多层住房面积	0.492	0.47	0.303	0.447	62%
家庭耕种面积
冲水测所（虚拟变量）	0.271	0.444	0.131	0.339	48%
自来水管道 (虚拟变量)	0.416	0.493	0.234	0.425	56%
村特征
自然灾害发生情况 (虚拟变量)	0.551	0.497	0.683	0.467	124%
革命地区(虚拟变量)	0.028	0.164	0.048	0.215	171%
山区 (虚拟变量)	0.015	0.123	0.014	0.117	93%
沥青/水泥路面(虚拟变量)	0.437	0.496	0.297	0.458	68%
距离村镇政府> 10公里	0.012	0.108	0.007	0.083	58%
距离县城距离县城>20公里	0.052	0.222	0.083	0.276	160%

表11  2007年低保户与非低保户的特点

 

 

 

 

 

表12  2008年低保户与非低保户的特点

	非低保户均值	SD	低保户均值	SD	低保户均值占非低保户的百分比
家庭特征
人均收入	6030	4893	4253	2778	71%
享受低保前人均收入 (村级相关)	6030	4893	3608	2737	60%
享受低保前人均收入(县级相关)	6030	4893	3694	2745	61%
家庭规模	3.945	1.39	3.761	1.481	95%
成年家庭成员平均年龄	42.46	9.836	46.18	11.988	109%
户主的受教育年份	7.501	2.312	6.519	2.409	87%
家庭男性成员数	0.522	0.148	0.527	0.199	101%
家庭成员年龄>60	0.116	0.239	0.213	0.312	184%
家庭成员年龄<16	0.139	0.166	0.133	0.174	96%
不良健康家庭成员数(虚拟变量)	0.153	0.360	0.455	0.499	297%
残疾人家庭成员数 (虚拟变量)	0.120	0.325	0.358	0.481	298%
农民工家庭成员数（虚拟变量）	0.374	0.484	0.330	0.471	88%
工资中收入净值	0.472	2.000	0.330	0.285	70%
非农产业经营收入净值	0.065	1.899	0.030	0.125	46%
家庭电器（冰箱等）（虚拟变量）	0.331	0.471	0.585	0.494	177%
家庭拥有的机动交通工具（虚拟变量）	0.490	0.500	0.358	0.481	73%
家庭婚姻（虚拟变量）	0.043	0.204	0.040	0.196	93%
家庭死亡人数（虚拟变量）	0.022	0.146	0.023	0.149	105%
原木屋面积	4.812	0.534	4.597	0.590	96%
多层住房面积	0.511	0.465	0.335	0.456	66%
家庭耕种面积	4.452	5.302	4.357	3.805	98%
冲水测所（虚拟变量）	0.293	0.455	0.119	0.325	41%
自来水管道 (虚拟变量)	0.428	0.495	0.273	0.447	64%
村村特征
自然灾害发生情况 (虚拟变量)	0.377	0.485	0.369	0.484	98%
革命地区(虚拟变量)	0.028	0.165	0.051	0.221	182%
山区 (虚拟变量)	0.015	0.121	0.028	0.167	187%
沥青/水泥路面(虚拟变量)	0.468	0.499	0.415	0.494	89%
距离村镇政府> 10公里	0.012	0.107	0.023	0.149	192%
距离县城距离县城>20公里	0.052	0.223	0.074	0.262	142%

 

 

表13  2009年低保户与非低保户的特点

	非低保户均值	SD	低保户均值	SD	低保户均值占非低保户的百分比
家庭特征
人均收入	6652	6033	4725	3282	71%
享受低保前人均收入 (村级相关)	6652	6033	4130	3241	62%
享受低保前人均收入(县级相关)	6652	6033	3856	3146	58%
家庭规模	3.94	1.42	3.79	1.555	96%
成年家庭成员平均年龄	43.05	9.976	47.15	12.652	110%
户主的受教育年份	7.467	2.336	6.725	2.526	90%
家庭男性成员数	0.522	0.149	0.511	0.179	98%
家庭成员年龄>60	0.128	0.252	0.251	0.333	196%
家庭成员年龄<16	0.129	0.162	0.123	0.161	95%
不良健康家庭成员数(虚拟变量)	0.139	0.346	0.346	0.477	249%
残疾人家庭成员数 (虚拟变量)	0.089	0.285	0.267	0.443	300%
农民工家庭成员数（虚拟变量）	0.169	0.375	0.242	0.429	143%
工资中收入净值	0.462	0.399	0.362	0.311	78%
非农产业经营收入净值	0.067	0.269	0.015	0.072	22%
家庭电器（冰箱等）（虚拟变量）	0.259	0.438	0.486	0.501	188%
家庭拥有的机动交通工具（虚拟变量）	0.517	0.500	0.329	0.471	64%
家庭婚姻（虚拟变量）	0.050	0.218	0.021	0.143	42%
家庭死亡人数（虚拟变量）	0.018	0.132	0.046	0.210	256%
原木屋面积	4.852	0.526	4.596	0.547	95%
多层住房面积	0.511	0.465	0.361	0.456	71%
家庭耕种面积	4.551	4.290	3.708	3.012	81%
冲水测所（虚拟变量）	0.364	0.481	0.231	0.422	63%
自来水管道 (虚拟变量)	0.542	0.498	0.430	0.496	79%
村村特征
自然灾害发生情况 (虚拟变量)	0.326	0.469	0.412	0.493	126%
革命地区(虚拟变量)	0.036	0.187	0.045	0.207	125%
山区 (虚拟变量)	0.021	0.144	0.039	0.193	186%
沥青/水泥路面(虚拟变量)	0.506	0.500	0.408	0.493	81%
距离村镇政府> 10公里	0.014	0.119	0.033	0.18	236%
距离县城距离县城>20公里	0.066	0.249	0.104	0.306	158%

 


表14  Probit回归分析结果（因变量= 1；如果是享受低保家庭= 0，否则=1）

 

	2007年	2008年		2009年
	(2)	(1)	(2)	(1)	(2)
享受低保前人均收入的对数 (村级相关)		-0.0096***		-0.0086***
		(0.001)		(0.002)
享受低保前人均收入的对数 （县级相关）	-0.0068***		-0.0093***		-0.0108***
	(0.001)		(0.002)		(0.002)
家庭规模	-0.0027***	-0.0030***	-0.0031***	-0.0021**	-0.0025**
	(0.001)	(0.001)	(0.001)	(0.001)	(0.001)
家庭成年人均年龄	-0.0001	-0.0002	-0.0002	-0.0002	-0.0002
	(0.000)	(0.000)	(0.000)	(0.000)	(0.000)
家庭男性人员	-0.0130**	-0.0007	-0.0005	-0.0080	-0.0080
	(0.006)	(0.005)	(0.005)	(0.007)	(0.007)
家庭成员年龄>60	-0.0001	0.0017	0.0019	0.0129**	0.0110*
	(0.005)	(0.005)	(0.005)	(0.006)	(0.006)
家庭成员年龄<16	0.0078	-0.0007	-0.0002	0.0058	0.0046
	(0.005)	(0.006)	(0.006)	(0.008)	(0.007)
不良健康家庭成员数	0.0113***	0.0162***	0.0171***	0.0101**	0.0108**
	(0.004)	(0.004)	(0.004)	(0.004)	(0.004)
残疾人家庭成员数	0.0159***	0.0144***	0.0146***	0.0333***	0.0319***
	(0.005)	(0.005)	(0.005)	(0.009)	(0.009)
农民工家庭成员	-0.0010	-0.0011	-0.0009	0.0105**	0.0101**
	(0.002)	(0.002)	(0.002)	(0.005)	(0.005)
工资中收入净值	-0.0075**	-0.0084***	-0.0090***	-0.0169***	-0.0157***
	(0.003)	(0.003)	(0.003)	(0.004)	(0.004)
非农产业经营收入净值	-0.0124***	-0.0079***	-0.0085***	-0.0180***	-0.0158***
	(0.005)	(0.003)	(0.003)	(0.005)	(0.005)
家庭电器	0.0039*	0.0041*	0.0041*	0.0036	0.0033
	(0.002)	(0.002)	(0.002)	(0.003)	(0.003)
家庭拥有的机动交通工具	-0.0067***	-0.0014	-0.0015	-0.0044	-0.0038
	(0.002)	(0.002)	(0.002)	(0.003)	(0.003)
自然灾害发生情况	0.0027	-0.0012	-0.0011	0.0009	0.0014
	(0.002)	(0.002)	(0.002)	(0.002)	(0.002)
家庭婚姻	0.0005	0.0046	0.0048	-0.0090***	-0.0076**
	(0.004)	(0.006)	(0.006)	(0.003)	(0.003)
家庭死亡人数	0.0029	0.0003	-0.0008	0.0397**	0.0381**
	(0.006)	(0.006)	(0.005)	(0.018)	(0.018)
原木屋面积	-0.0040*	0.0012	0.0011	-0.0030	-0.0027
	(0.002)	(0.002)	(0.002)	(0.003)	(0.003)
多层住房面积	-0.0013	-0.0032	-0.0030	0.0014	0.0013
	(0.002)	(0.002)	(0.002)	(0.003)	(0.003)
家庭耕种面积		-0.0000	-0.0000	-0.0012***	-0.0011***
		(0.000)	(0.000)	(0.000)	(0.000)
冲水厕所	0.0027	-0.0070***	-0.0071***	-0.0023	-0.0018
	(0.003)	(0.002)	(0.002)	(0.003)	(0.003)
自来水管道	-0.0018	-0.0012	-0.0013	-0.0026	-0.0024
	(0.002)	(0.002)	(0.002)	(0.003)	(0.002)
革命地区	0.0101	0.0148	0.0152	-0.0033	-0.0034
	(0.010)	(0.012)	(0.012)	(0.006)	(0.005)
山区	-0.0063**	-0.0011	-0.0012	0.0004	-0.0008
	(0.003)	(0.006)	(0.006)	(0.009)	(0.008)
沥青/水泥路面	0.0002	0.0032*	0.0034*	0.0003	0.0007
	(0.002)	(0.002)	(0.002)	(0.003)	(0.002)
距离村镇政府> 10公里	-0.0054	0.0029	0.0029	0.0108	0.0108
	(0.004)	(0.009)	(0.009)	(0.013)	(0.013)
距离县城距离县城>20公里	0.0066	-0.0002	-0.0003	0.0093	0.0099
	(0.006)	(0.004)	(0.004)	(0.007)	(0.007)
对数似然	-601.07	-673.97	-679.95	-778.72	-775.27
似然比检验 x2(33)	239.19	333.91	321.97	321.91	335.96
伪 R2	.166	.199	.191	.171	.178
观察值	7,971	7,952	7,952	7,358	7,359

 

 

表15  基于倾向得分的性能

年份	全部			享受低保者			不享受低保者
	无资格者	有资格者	总计	无资格者	有资格者	总计	无资格者	有资格者	总计
2007	98.09	1.91	100.00	1.59	0.32	1.91	96.50	1.59	98.09
2008	97.97	2.03	100.00	1.63	0.40	2.03	96.34	1.63	97.97
2009	96.99	3.01	100.00	2.51	0.50	3.01	94.48	2.51	96.99

 

 

表16  倾向得分的目标误差

误差	2007	2008	2009
包容	83.2	80.3	83.4
排斥	83.2	80.3	83.4

 

 

表17  模拟：统一转移vs统一资格门槛

 

	（1）	（2）	（3）	（4）	（5）	（6）		（7）
	预算 （百万元）	受益 人数	转移总额	贫困率	贫困差距指数	贫困差距的平方	相对于基线的贫困变化 (%)
							比率	差距	差距的平方
基准线（观察到的）	13580	20398820	本地	11.23	3.91	7.67
a) 扩大覆盖面（到所有有资格人群）	2.54*基准线	44211569	本地	10.64	2.97	6.33	-5.25	-24.04	17.47
b) 扩大覆盖面（随机的）	2.54*基准线	52322970	本地	10.88	3.79	7.58	-3.12	3.07	-1.17
c)增加转移支付	2.54*基准线	20398820	2.54*本地	10.89	3.78	7.59	-3.03	3.32	-1.04
d) 统一的转移支付	基准线	20398820	666元	11.17	3.93	7.67	-0.53	0.51	0.00

 

 

 

 

 

 

 

 

表18  模拟：统一转移vs统一资格门槛

	（1）	（2）	（3）	（4）	（5）	（6）		（7）
	预算 （百万元）	受益 人数	转移总额	贫困率	贫困差距指数	贫困差距的平方	相对于基线的贫困变化 (%)
							比率	差距	差距的平方
基准线（完美低保目标）	23710	26717666	本地	10.85	3.04	6.35
e) 统一转移	基准线	26717666	887元	10.75	2.68	6.19	-0.92	11.84	-2.52
f) 统一门槛(与贫困线差距)	基准线	32405357	本地	10.90	2.72	6.19	0.46	10.53	-2.52
g)统一门槛(穷人福利)	基准线	34302984	本地	9.94	2.81	6.53	-8.39	-7.57	2.83
h) 统一门槛与统一转移（与贫困线差距）	基准线	26705957	887元	10.96	2.49	6.07	1.01	-18.09	-4.41
i)统一门槛与统一转移(穷人福利)	基准线	26699889	887元	10.00	2.61	6.43	-7.83	-14.14	1.26