第一部分 减贫理论与前沿问题

国家的财富与贫困：为什么有穷国和富国之别？

Donald Sutherland

 

1992年，华盛顿国家艺术展举办了一场特殊的展览，纪念1492年发现美洲大陆500周年。这一反映1990年代思潮的展览试图呈现十五世纪末全球所有文化的基本平等。然而，事实是哥伦布发现美洲大陆一个世纪之后，欧洲在世界各地拥有了无可挑战的优势。欧洲人在当时已经接管了亚洲的主要贸易路线，将大量的白银从太平洋地区的矿山运到马尼拉和中国，或者跨大西洋运到安特卫普和伦敦的交易所。欧洲人在北美和南美征服了大片土地，同时奴役了数百万当地人和非洲人，且在欧洲各国之间也展开了无情的战斗。尽管坚船利炮和商业活动对欧洲人来说非常重要，但他们的独特性绝不仅限于此。在哥伦布发现的两个世纪之后，欧洲知识分子正在为完全不同的一套关于物理世界如何运作的概念奠定基础，不久之后，欧洲哲学家和记者则开始试图将这套新物理学应用于人类世界。在哥伦布发现的三个世纪之后，欧洲人和他们在美洲的涉猎，正在经历自由思想的实验，并开始改变工业生产和农业的本质。在十九世纪中叶，有些国家则更早，欧洲人和美国人已经征服了人的欲望，也因此，从某种程度上征服了死亡。

这是Landes教授这本书的主题，究竟什么让西方国家与众不同？他对迷雾一般的多元文化主义并无耐心，后者认为西方世界无孔不入、极端残酷，对全世界范围内上千万人口的奴役、贫困、饥饿和死亡负有责任。事实上，为解决他提出的问题，Landes教授必须直面多元文化主义者，这本书抓住一切机会嘲讽那些为世界其他地区的失败寻找借口的人，或者因为自己国家统治者的过错而归咎于西方国家的那些人。在书中，他从罗马帝国时代开始至今，比较了西方世界与其他国家的差异。尽管有人会认为他们所在的地方被忽略了，但这本书的覆盖面之广仍是无可置疑的。这是本巨著，提出了一个巨大的问题，这个问题或许是那些最为重要的历史学家能够问出的最为宏大的问题。如果我们能够对这一问题得出答案，那么无疑公共政策将会得到大力推动。因此，这本书会得到众多学者的赞誉也就不奇怪了。

尽管这本书有着全球视角，但我们不得不承认其代表了20世纪末美国知识界一些较为流行的思潮。例如，三十年之前，很多人认为只要通过大力度的国家干预，世界其他国家能够赶上西方国家的发展水平。所有赶超制度的相关模型都没有获得成功，或许是因为这些模型没有正确理解西方国家经济发展的历程。西方并没有通过发展农业资本，并将其转移至工业来完成工业化。但是有一种误解认为农业需要为工业服务。这一错误认识，在俄罗斯、非洲造成了糟糕的发展后果。

Landes教授还提出了另一种模式。本书的题目使人们很容易联系起另一本书，它对经济增长作出的是新自由主义、新古典主义的解读：国家减少干预，但需要保障财产权利和法治，并且利用军事力量来保障商业利益；税收不具有压迫性，公共政策公开透明。最重要的是强调公民良心的自由、强调研发创造、强调公共教育。综合而言，他强调的是有限国家、法治、财产权利、透明度、辛勤工作、问责制等。那么有人就会问，似乎乍看之下，Landes教授已经将华盛顿市中心智库、华尔街日报的社论版块、自由媒体中广泛流传的思想历史化了。毫无疑问Landes教授认为这些观点是有趣的。然而，我个人认为这本书所展示的图景并不只是在这些广泛流传的思潮中畅游，而是具有更加复杂的内涵。Landes教授向我们展示了一个胜利者欧洲的绘图，一幅给了我们水车、眼镜、枪药、重犁、风车、纸张、印刷技术的出自匿名画师之手的图景。在这幅途径中，男人和女人们努力工作、有责任心、勤劳而理性，知道自己的利益在哪，并且知道怎样去追逐它们。不言自明的一点是，任何从事比较历史研究的人都会同意欧洲在某些方面确实是特殊的，但是我们更应该关注的是其特殊点究竟为何。仅仅因为其外在表现与众不同，并不足以解释差异本身。

让我们回顾过去三十年的历史，然后扪心自问，这样的劳动力真的是任何一个贪婪、漫画式的资本家所希望看到的吗？或者这样说，如果有一个人在十七世纪采访任何一个西欧人，不论是典型的新教欧洲人，不列颠人，或是加尔文主义欧洲人，询问他们真正关心的事情，任何从事历史研究的人恐怕都会相信他们的答案除了拯救自己的灵魂外不会有其他。最广为接受的欧洲文化究竟在何种程度上反映了Landes教授所赞赏的韦伯式的价值观？是否真的有人因为工作出色而获得满足？这一点恐怕很难确证，那么普通人究竟在何种程度上感到自己的努力得到了回报？他们对此有何看法？我们对这个问题的追索应该锲而不舍，因为它太重要了：欧洲的劳动力到底在多大程度上对市场激励作出反映？当我们考虑到这一层时，事情就很复杂了。早期的现代欧洲人遭受着牙齿酸痛、骨折、视力衰退、肺喘、永久性头痛、四肢瘫痪以及所有其他疾病而导致的持续疼痛。不旦身体饱受摧残，当时人们脑袋里的想法, 根据当前备受欢迎的历史学家所言是这样的：他们信奉一种工具性的宗教，其设计意图就是要抵御任何真实或虚妄的疾病，因为控制真实世界的方法并不存在，因此用装满墓地泥土的护身符来阻挡邪恶就能让人们认为自己可以活得更久。有一种学派认为所有这些都是功能性的，是当时人们理解世界的一种方式，但是最近Judith Devlin在一本受到低估的著作中声称十九世纪及其之前的流行文化是功能失调的，它缺乏内在逻辑自洽，并因此产生了恐惧和不信任的文化，不旦影响陌生人，还充斥于同一个家庭和社区的成员之间。现在我们有了典型的欧洲人形象，这些令人震惊的个体要为20世纪多元世界中发生的所有苦难负责，这些欧洲人在当今的第三世界造成了一场大灾难，以一种病态、暴力、无知和疯狂的方式。这样说当然太夸张了。但是流行文化的历史学家已经告诉我们，当时流行于农场和城镇工人之间的文化主要是关于如何避免诅咒的，而非其他。也就是说当时的欧洲流行文化和创造新事物、摆弄机械无关。普通人或许是，也或许不是敏感的、理性的经济个体，但这样的假说需要去证明，而不是仅仅作为假设。如果Landes教授是对的，文化如此重要，那么我们就需要去问：“谁的文化？”到底是谁远离了常规和中心，去成为了Landes教授笔下的探险者、商人、船只设计者、地图绘制者、冒险者？换句话说，谁是那些在智力上和文化上保持好奇的人们，并因此创造了属于欧洲的大时代？我们不知道，但我们应该知道。

Landes教授显然是看到了欧洲历史从中世纪一直延伸至今，其间经历了发明的高峰、航海大发现、欧洲商业扩张至世界其他角落、工业革命。在这段历史长河中，一些欧洲国家曾经领先，然后退步，直到不列颠人成为领头者。这无疑是Landes教授给我们描绘的一幅复杂的图景，在这其中，所谓的人口-存续的解读并没有立足之地。有观点认为，在黑死病时期和十九世纪之间，法国农业生产受到了既定上限的阻碍而陷于停滞，当时的技术水平为生产可能增长的空间设下了上限，因而上升的人口将会迟早以一种马尔萨斯的方式触及界限，然后引发一系列暴力收缩和震动——这导致了十八世纪快速增长的贫困、十七世纪惨痛的死亡率数字。这被Goubert称为“历史的沉重呼吸”，在黑死病肆虐后缓慢的恢复时期、其后的快速增长直到最后触顶——不知为何，这在十九世纪中叶之后从未得到解释。因此，如Mcneil指出的那样，Landes教授不但没有提及农民和农业，还省略了另外一组改变历史的主体。此外，尽管结构性和偶然性都很重要，但文化极端与结构之间的对立关系太过简单，难以令人信服。

说到底，究竟什么是全球各地充斥贫困的基准呢？为什么有些国家富裕而有些则贫穷呢？因为一群人衣食无忧，另外一群人则忍饥挨饿。显然，当我们为构成贫困的标准设计公式时，能否获得食物一定是最为重要的单个条件。那么为什么欧洲人如此富有呢？因为欧洲国家，不仅仅是英国，不但冲破了马尔萨斯陷阱，而且很早就做到了这一点。其实在这一点上，Landes还需要告诉我们更多。农业问题在本书中未作过多讨论，取而代之的是书中直接轻巧地进入了英格兰的工业革命时期。兰德斯教授在本书中的伟大品质之一就是他能够轻松和优雅地解释非常困难的技术和工业过程，但关于食品生产问题，我们需要了解更多。毕竟，如果没有合乎理由的农业高产，工业化在任何地方都无法发生。

我们最后来探讨一下Landes教授对宗教的观点。他显然认为宗教所倡导的忍耐是一件好事。他没有提及中世纪后期无数从法国或英国被驱逐的犹太人，也许是因为没有任何史学家认为这对他们各自的王国产生了显著有害的经济影响。事实上，整个欧洲历史上的许多被迫驱逐事件肯定比简单的宗教不容忍复杂得多，并且往往受到政治和外交考虑的驱使，而其成功或失败与经济背景和命令有很大关系。更宽泛地说，Landes倾向于将宗教信仰和其实践视作永不变化的铁板一块。以伊斯兰教为例，其从未有过一个定义，除了人们对它的印象是对妇女施加了额外的约束，并且曾对技术革新怀有敌意，尤其是印刷业技术。为什么会这样？这种现象是否是内生于宗教，还是外生于宗教？我们必须观察这其中的发展历史。我们会发现，早期的伊斯兰教并没有特别对妇女约束或是敌视技术——这些从未真正得到解释。基督教或许被赋予了一种过于傲慢的待遇。我想，Landes教授要探索宗教和经济发展之间的关系，他所要做的应该要比支持马克思·韦伯的理论更多。可以证明，宗教改革和反宗教改革都是更广泛的精英发起的宏大计划的一部分，旨在引发自律、节制、辛勤工作和文明的行为。到十八世纪，Vovelle、Chaunu和其他一些学者已经证明，十六、十七世纪奢侈和兴旺的天主教文化已经让位于一种更为内敛、更注重反思和节制的宗教观。这样的发展肯定影响了工作、消费和管理的态度，这种变化很可能已经得到了实用主义的探索。其中一个例子就是十九世纪早期，宗教的精神指引者会建议人们在工作中保持自豪的情绪，并坚持将工作做到最好。属于欧洲的时刻已经走过了漫长的时间，历时五六百年。然而就在哥伦布发现的一个世纪之前，欧洲人还饱受饥饿和瘟疫的摧残，在这两大灾祸中损失了超过三分之一的人口；此外，战乱之苦、宗教分裂与异端也困扰着欧洲人。进一步来看，欧洲好像也没有那么特别。直到这段时期的结尾，饥荒、瘟疫、宗教迫害、压迫，对于欧洲人来说都是共同的经历、异常真实的风险。十九世纪之前，欧洲人的预期寿命低于当今世界任何一个国家。而且，欧洲人的共同文化既没有多么鼓励创新，也没有多么利于技术发展。相反，很长一段时间中欧洲人都痴迷于“救赎”，“迷信”是当时欧洲人解读世界的方式；只有少数人能够阅读，能够书写的人则更少。那么，为什么欧洲能够在如此不利的条件下达到如此高的成就，就成了一个极其重要的问题。David Landes值得我们去感谢，因为他提出了这个大问题，而且他深知，在解答这一问题路径的错误方向上，站着很多批评家。

 




什么举措能够帮助最贫困人口，特别是最贫困妇女和女孩？

对（重点）捐助机构所做贡献的评估

Andrew Shepherd, Sophie Bridonneau




摘要

在可持续发展目标中，一项新的重点是消除极端贫困和剥夺、减少不平等并促进全体脱贫。这份报告旨在为最贫困人口的发展政策和计划提供最新分析——包括那些长期生活在贫困线下、贫困多年或终生贫困、以及把贫困转嫁给子女的人口：即长期贫困人口。这份报告关注如何帮助他们摆脱贫困并远离贫困。报告还特别关注最贫困的妇女与女孩，对此有非常少的证据。它还关注一些主要捐助机构所开展的工作，评估这些工作惠及最贫困人口、以及其中最贫困妇女与女孩的程度。

帮助最贫困人口可以采取一系列措施，包括：社会援助或现金援助；促进人类发展的教育、卫生和其它服务；以及支持渐进式社会变革和支持贫困人口经济增长的措施。采取哪些措施取决于如何设计和实施。最急需的措施取决于背景分析、政策对话和发展中国家政府或其他执行者的需求。在发展中国家，捐助机构也应该遵循有效的协调一致的发展合作原则，进行合理分工。

最贫困人口所面临的挑战往往是多方面并且复杂。因此，不足为奇的是，孤立或单一的干预措施不太可能产生太大改变，所以需要综合有序的干预措施。例如如何保持女孩长期就学，但这种干预措施也适用于发展问题的其他重要方面。

对于其投资和政策对话是否旨在让最贫困人口受益，捐助机构拥有各种各样的记录。在六个被评估的捐助机构评中，两个机构（英国国际发展署和美国国际开发署）都有区分贫困人口的工作良好记录，并且已经制定了可以反映贫困差异的战略思维和干预措施，以上两个机构都有兴趣致力于消除性别贫困。同时，美国国际开发署还通过贫困轨迹进一步区分，并且支持以下理念，即可能需要采取不同的干预措施以解决男人女人、男孩女孩所面临的问题、以及如何应对长期贫困、防止致贫并持续摆脱极端贫困。美国国际开发署还启动了一个主要项目，作为其减少极端贫困的战略思维的测试平台。战略制定还未开始，需要积累了一定的路径记录才可启动。

到目前为止，捐助机构对最贫困妇女与女孩的关注是有限的。这证明了采用一个贫困视角解决问题存在一定的可行性的，因为贫困战略通常都存在性别差异，并且反贫困干预措施可能会特别关注妇女或女孩，甚至那些未曾关注妇女或女孩的措施可能也使最贫困妇女受益。但是从性别平等或妇女赋权的角度来看，这种情况就很少发生。这表明，将上述两个关切领域联系起来的战略工作，以及使更多的扶贫专家参与注重性别的工作，仍有改进空间。尽管存在多维度和复杂性的认知特点，干预措施通常有单一的关注点。因此有必要采用贫困与性别两个层面的分类标准。

一、 惠及长期贫困或严重贫困人口的工作进展

我们知道哪些措施能够帮助最贫困人口吗？包括那些发展落后的人口、以及那些处于收入分配底层的人口？自2010年以来，无论是在一般意义上，还是针对特定领域或议题，已有众多出版物关注这一议题。表1总结了这类研究结果。其中有些成果建立在长期贫困研究中心（CPRC）的工作基础上（2000-11）；大多数成果都是由长期贫困咨询网络（CPAN）产生的。这些出版物提供了许多共同的思路：

Ÿ 社会援助和/或资产转移可以帮助最贫困人口达到某种程度的最低生活和保障水平，这样可以在他们自己这一代或下一代在反贫困工作中取得进展。在特别贫困或返贫的情况下，把社会保障，尤其是基于保险的措施覆盖到弱势的非贫人口也很重要。例如，柬埔寨或卢旺达引入了医疗保险，有助于弥补治疗疾病的费用。而疾病的治疗费用也是一种最常见的返贫原因。

Ÿ 人类发展意义是关键：通过教育，包括关键的学前教育，提升最贫困人口的能力。这种措施可能需要有针对性。

Ÿ 社会环境的变化非常重要，可以通过解决歧视和构建社会与政治联盟、宪法和立法方案来实现。有的国家已经通过实施以上五种策略的组合解决了使人贫困的交叉不平等（Arauco et al., 2014）。目前，长期贫困咨询网络正在开展反歧视和平权行动措施方面的工作（Marcus et al., 2016）。

Ÿ 在经济发展方面，有些增长模式可能会在劳动力市场紧缩过程中产生更大的劳动力需求，从而导致较高的农业工资和临时工资。这种现象在亚洲已经很普遍。公共政策可以促进劳动立法扩大覆盖面，包括非正式经济中特定职业群体的最低工资。

Ÿ 另外，在经济增长中包括穷人在内的标准措施对许多人来说并非很有效，这也是自1980年以来，消费水平几乎没有增长的原因（Ravallion, 2016）。因此，为了实现最贫困人口的经济增长，应该着重采取具体措施，使最贫困人口能够通过金融包容和商业得到发展，特别是在非农场的农村经济中但仍在农业中，受益于个体劳动。例如，这些措施可以涵盖资产转移与保护。

Ÿ 对于要获得或利用基础设施投资的最贫困人口来说，需要进行类似的调整。能源就是一个例子：支付计划可能也需要调整，交叉补贴可以加速能源获取和使用。

此外，表1探讨了特殊领域的议题或特定问题。

大量重要且关键的更广泛的政策环境包括：

Ÿ 宏观经济政策的核心焦点是实现经济稳定，这是防止粮食价格通胀的关键，对于通常高度依赖于粮食购买的最贫困人口来说，粮食价格通胀是致命的。

Ÿ 有能力为人民采取保护措施应对全球冲击的政府，都可以通过加深或扩大社会保障和其它措施，将这种保护扩展到最贫困人口。

Ÿ 治理改善很少关注对贫困人口来说最重要的事情。例如，针对警察和司法部门、社会服务和自然资源存在的轻微腐败所采取的反腐败措施，可能会比高层的举措对最贫困人口产生更大的影响。

表1: 哪些政策和计划对最贫困人口有效？

出版物	重点政策/计划
什么举措对最贫困人口有效？（Lawson et al，2010）	健康和教育服务、社会保障制度、解决社会歧视、资产转移组合、商业发展和社会保障在内的社会政策；以及经济增长措施。
解决长期贫困问题（Shepherd，2011）	具体的基于税收的社会保障；包括提高质量和就业数量的经济增长政策、收紧劳动力市场、保护资产、对贫困地区、青年和年轻人的整合；渐进式社会变革解决歧视和根深蒂固的不平等。
长期贫困报告2014-5 （长期贫困咨询网络，2014）	与全面反贫困战略整合相适应的社会援助；最贫困人口经济增长，体面工作和益贫式价值链；确保难以达到的目标包括在人类发展中，例如通过教育和拥有生产性资产的所有权转移赋予妇女权力；以及变革性的社会变化，例如解决有些人群（例如妇女、残疾人、老年人、少数民族或宗教团体）在劳动力市场和政治和社会机构中所经历的歧视和排斥。为了解决使人民贫困的交叉不平等：需要普遍和有针对性的政策措施相结合，通过社会动员，政治变革，宪法改革进程予以支持。
什么举措对非洲最贫困人口有效？（Lawson et al.，2017）	社会保障比小额信贷更有效；结合两项措施的分级方案会效果更好。这类方案需要整合不同生活阶段特定的干预措施，并且更多的关注于工作妇女和女孩。需要在国家层面和低于国家层面上认真实行。强调通过‘差异化发展方式’建设有效实施的方案组合，即通过落实该方法，进行政治学习。
农业（长期贫困咨询网络，2012）	可持续的集约化；资产保护，包括集体资产；市场发展，包括通过投资村级道路和其它基础设施（例如电气化）来支持生产者组织和合同农业。必要的农业金融创新。通过实践规范、公共工程支持最低工资、以及限制童工的措施，来保护农业和农村劳动者。
教育（Hossain et al.，2012, 长期贫困咨询网络教育政策指导）	儿童护理和发展，特别是对学前教育的投资，是通过教育来解决长期贫困、以及教育长期贫困人口的很有希望的切入点。平衡质量提升与扩张的关系，重视财政和其他措施，通过学校、进入工作和公民身份，来观察儿童。允许提供充分的时间，让学校治理/责任制改革落实。
就业 （Bulla et al.，2013, 长期贫困咨询网络就业政策指导）	承认非正式经济的存在，需要将创造合适就业机会和最贫困人口利用就业机会结合起来，并且在特定的环境下管理就业和生产力之间的权衡。社会保障是改善劳动市场参与和工作条件的重要工具。支持和减少内部迁移成本；将特定的职业团体逐步纳入就业保护立法，包括最低工资；逐步将劳动法扩展到非正式经济，将自律守则作为迈向这个方向的垫脚石。工人组织联盟对于游说改变工作条件十分重要。
能源（Pachauri et al.，2013，长期贫困咨询网络能源政策指南）（以基础设施开发为例）	三种方法可以显著提升摆脱极端贫困的能力：（1）扩大供电覆盖范围，并将清洁燃料和设备分发给尚未使用的人群；（2）改善最贫困人口在使用清洁燃料和设备时的支付能力；（3）提高能源服务的可靠性（以计划供电时间内持续断电的总时间衡量）和可用性（以给定的某一天内实际供应小时衡量）。电费缴纳时间表和费率需要针对最贫困用户进行调整。对清洁燃料和炉灶进行的成功试点改造需要推广，需要专门的国家承诺和构想，吸引用户和当地行动者，安排融资以使最贫困人口可以使用清洁燃料和炉灶，制定监管和金融框架，以鼓励企业对最贫困地区和人民进行交叉补贴，定期监测和评估，地方层面的维修能力建设，向最贫困的消费者销售设备，保证清洁燃料的供应。
金融包容（Smith et al.，2015，长期贫困咨询网络普惠金融政策指南）	最贫困人口需要一些综合救助措施，通常通过救助组织和非正式与正式制度安排；保险；数字服务（目前通常还没有覆盖到最贫困人口）；以及金融和社会保障服务之间的联系等方式。
私营部门发展（Shepherd and Mariotti，2015，长期贫困咨询网私营部门政策指南）	促进贫困人口和非常贫困人口的创业活动，需要以现金和/或资产转移的形式，向贫困人口转移资源，并为已经拥有企业的贫困人口提高小额信贷的额度。资源转移需要与其它类型的有效干预措施相结合，包括：商业开发服务，例如同时提供商业管理培训和补助金或小额贷款。改善有利环境的措施应包括处理警察和司法、社会服务和自然资源中存在的轻微腐败问题的大量努力。

 

资料来源：作者对长期贫困咨询网络和长期贫困研究中心文件的分析




二、 惠及最贫困妇女与女孩的举措

由于工作和家务劳动的双重负担，贫困妇女的劳动时间比男性配偶的劳动时间要长得多。由于地理隔离、家务，比如取水或打柴，或者照顾未入学的孩子等，最贫困妇女与女孩的生活负担更重。在家庭之外，最贫困和最边缘化的妇女与女孩更倾向于从事非正式工作和季节性工作，这类工作收入低，不确定性或风险等级更高（美国国际开发署，2015a）。与贫困妇女相比，极端贫困和长期贫困的妇女也更可能将其贫困处境传导给她们的女儿：由于地理隔离，无法利用实物和社会基础设施、以及严重的性别暴力，女孩通常被留在家里，而不是送到学校，从而形成了长期贫困的恶性循环。最贫困家庭中的女孩也更可能早婚，并在很小的时候就有了第一个孩子，这对她们的健康和人类发展都会产生负面影响。

为了打破极端贫困和长期贫困的恶性循环，妇女和女孩需要成为特殊和明确的扶贫干预目标。也存在许多干预领域可以改善最贫困妇女和女孩的生计。

例如，改善教育机会可能是扭转代际贫困恶性循环的重要工具，这可以通过解决最贫困女孩通常面临的限制条件和障碍来实现。上学路途远是入学率低的一个原因，因为这会给这些女孩带来了时间限制和身体风险。该问题的解决方案包括直接解决性别暴力（例如通过宣传活动）、减少学校距离（通过建立当地学校）或改善道路基础设施或提供公共汽车服务。最贫困女孩入学率低的另一个原因是她们的家务负担很重。这可以通过提供托儿所服务、节省时间的器具（供水、炉灶等）、或者在家庭成员之间更好地分配家务来解决。早婚和早育也是长期贫困家庭辍学的主要原因之一。因此，向立法机构施加压力，以立法方式防止早婚、或者让妇女与女孩参加集体行动团体，也成为提高女孩入学率的工具。

这个例子表明，有许多跨领域干预措施有助于增加最贫困女童的教育机会。然而，孤立的干预措施是不可能有效的：例如，有的干预措施能够成功减少了上学距离，大多数被边缘化的女孩仍然可能因为负担大量家务劳动，从而阻碍她们进入课堂或在家学习。因此，将需要采用组合措施（见专题1）。

对于最贫困妇女和女孩来说，很少有证据表明哪些措施更有效，而对于那些最贫困人口，则有一些证据显示哪些措施更有效。然而，有多个主要的资料来源，包括：随附的证据文件（Bird, 2017；Diwakar, 2017）、一份关于“防止女孩长期贫困项目”的长期贫困研究中心报告（Jones et al., 2010）、最近的一本书《改变非洲最贫困人口》（Lawson et al., 2017）。这些资料中包含了可以解决妇女与女孩长期贫困问题的政策和计划。表2列出了研究结果。

表2: 哪些政策和计划对最贫困妇女与女孩有效？

干预领域	针对最贫困和最边缘化的妇女与女孩的干预措施
教育	Ÿ 减少地理隔离 Ÿ 增加寄宿学校的名额 Ÿ 改善道路和公共汽车服务 Ÿ 提供技术和职业教育和培训（TVET）以弥补有限的社会网络，并帮助女孩提升技能，以符合雇主需求 Ÿ 直接向女孩，而不是向其家庭发放奖学金
基础设施	在偏远地区，可能存在长期贫困陷阱，有必要改善电力供应。这可以通过微型发电来实现（微型水电、太阳能、风能、生物消化系统），以减少最贫困家庭中妇女和女孩耗时的家务劳动量。
农业	Ÿ 改进妇女资产准入立法 Ÿ 增加妇女在农民组织机构中的代表性
通信与技术	Ÿ 针对贫困妇女和女孩的社会隔离，从地理位置予以解决 Ÿ 确定具体需求（调查和咨询） Ÿ 提供针对性培训，克服文化障碍，建立帮助服务设施
就业	Ÿ 提供业务培训作为一整套方案的一部分，包括金融服务 Ÿ 为非正式部门工人提供法律地位，并予以认可，并执行最低工资标准 Ÿ 改善女性农场劳动力市场的功能 Ÿ 公共就业保障计划倾向于最贫困妇女： - 让工作地点定位于妇女村落附近 - 提供儿童保育和儿童发展计划 - 采用现金/食品支付，不延误 - 实行同工同酬 - 确保社区参与 Ÿ 集体行动：面向雇主和政府时代表（尤其是非正式的）女性职工利益的组织 Ÿ 家政工人（地位和最低工资）的认可 Ÿ 投资节省时间的基础设施
金融包容	Ÿ 提供储蓄账户的机会，例如通过储蓄组织 Ÿ 通过银行转账支付的社会保障款项，促进银行业涵盖贫困妇女 Ÿ 改善移动银行业务 Ÿ 考虑到长期贫困人口的特殊需要的小额信贷项目（例如肯尼亚对辍学女孩的关爱与重新安置青年计划） Ÿ 补充小额信贷：更容易获得的低成本信贷，加上培训，将帮助贫困家庭顺利消费，减少弱势群体，取消高成本债务和增加生产性资产的投资。例如：一个杰出的项目是印度安得拉邦的Indira Kranti Patham项目。
规范与法律	Ÿ 解决性别偏见： - 公共教育运动（拯救印度女孩运动，关爱中国女孩，美国国际开发署的印度女孩尊严行动） - 策划关于男性偏见的国际广播连续剧系列，有效地教育年轻女性，但不包括老年妇女 - 减少长期贫困家庭的女孩入学的机会成本（减少入学距离/成本，招收女孩补贴，使学校对女孩更有吸引力） Ÿ 能力建设：同行指导（例如瓜地马拉的开放机会项目） Ÿ 实施立法保障妇女土地权益 Ÿ 改进性别暴力数据收集系统（牙买加性犯罪调查机构） Ÿ 与男人和男孩一起处理文化规范问题（培训和讲习班） Ÿ 为女性生殖器切除人员提供替代的生计 Ÿ 促进女性参与体育活动和比赛

资料来源：Bird（2017）和Diwakar（2017），Jones et al.（2010），Hossain et al.（2012），Grown（2014），Bulla et al.（2013）Pachauri et al.（2013）Smith et al.（2015）。

专题1: 孟加拉农村发展委员会的少女赋权与生计计划

孟加拉农村发展委员会在乌干达和坦桑尼亚的少女赋权与生计计划表明，采取综合方案是非常重要的，并且更有效地落实到遭受多重剥夺的人口中最弱势的少数部分。像少女赋权与生计计划这类项目将技能和生计培训结合起来，帮助建立强有力的同辈网络，改善就业和金融服务机会。这种组合的干预措施可以对受益人和更广泛的社区产生社会和健康效应带来间接的正面影响。 少女赋权与生计计划旨在解决年轻女性所面临的主要弱点和障碍。该计划的目的是阻止贫困向下一代传播，该计划目标是青春期女孩，因为早婚、早孕和经济不安全，她们更有可能辍学。该计划基于多维的方法，在少女赋权与生计计划中心，提供青少年俱乐部，帮助年轻妇女建立同辈网络。在这些俱乐部中，可以为参与者提供各种各样的活动、讨论和支持。这种多样化措施鼓励持续参与。对乌干达少女赋权与生计计划的评估显示，由于持续和有吸引力的活动，会员在该计划中投入了大量时间，而坦桑尼亚的计划则缺乏这种多样性，会员出勤率也较低。此外，乌干达计划提供的活动和培训，适合于个人的需要，因为会员自己可以选择各种支付项目。 在俱乐部开业六个月，以及生活技能培训完成后，引入了少女赋权与生计计划的经济元素。引入不同经济元素后，令人吃惊的是，一旦成员掌握所有技能后，就可以准备和接收小额信贷，这样将增加成功的机会。 从结果来看，乌干达方案显示有更多的妇女从事创收活动（增加了32%），并且取得了更高的收入和更好的健康知识（生育率下降26%）。坦桑尼亚项目却没有取得同样的成功，考虑到地理上的困难（少女赋权与生计计划俱乐部远离BRAC总部办公室），这使得俱乐部的社会凝聚力难以创造和维持，并导致员工旷工和管理问题。

资料来源：Lawson et al.（2017）




三、国际机构扶贫工作的最新进展

2013年发布的一项分析（Shepherd and Bishop，2013）认为，捐助机构通常没有高度关注最贫困人口，但是也有可能存在一些例外。尽管减少贫困是大多数捐助机构的明确目标，但并非首要目标。然而，许多机构此时在解决贫困问题、以及与发展中国家政府合作来解决社会排斥群体或区域的具体问题上的兴趣，都在增长，而且关注一些弱势的或受到冲突影响的国家的战略重点正在增加。

本报告包括美国国际开发署、联合国儿童基金会的案例研究，以及孟加拉BRAC的捐助支持，所有这些都以不同方式发挥作用。联合国儿童基金会采取了关注平等的战略重点，但很少有证据表明这是否对计划产生了直接的影响。正如一些国家计划所建议的那样，美国国际开发署坚定地致力于千年发展目标，已将援助最贫困人口从纯粹的人道主义努力转向包含发展在内的援助。孟加拉BRAC为捐助机构提供了一个用大量资金以智能方式减少贫困的平台，并鼓励其中的一些捐助机构，例如英国国际发展署，支持他们自己的类似倡议。

经验教训是，在援助计划内可能会存在改善贫困状况的政治机会，而持续关注贫困的少数官员在政治机会出现时，通过详细的分析工作，并结合新的战略思维，可能会对机构策略做出调整。

自那时起，欧盟委员会（欧洲智库集团，2015）和瑞典国际开发合作署（Sida）（哈斯马，2015）对贫困重点进行了评估，与战略和评估文件的重新审视一起提供给美国国际开发署和联合国儿童基金会。此外，本报告还包含了对英国国际发展署和世界银行的特别关注，因为它们一直是持续关注最贫困人口的双边和多边机构。

随着《可持续发展目标》在过去几年的实施背景下，到2017年如何发生改变这种局面，重点关注解决不平等问题和提高援助的覆盖面，不落下任何人。这一点可以通过阅读捐助机构的策略，及他们（或独立）对所开展活动的评估，予以评价。表3总结了这些研究结果。在实施过程中，根据是否有助于实现消除贫困的三个目标，即解决长期贫困、防止致贫和维持脱贫，对战略和方案进行了评估（长期贫困咨询网络，2014）。

表3：捐助机构的脱贫战略与活动

捐助机构	战略重点	实施与评估说明
美国国际开发署	终结极端贫困的全面分析（2015）。极端贫困的定义包括边缘化、排斥、长期贫困、多维化、贫困代际传导（长期贫困）的概念。2014年，采用新的任务宣言直接将减少极端贫困、培养恢复能力与建立民主制度联系起来。美国国际开发署的战略已经从被动反应（应对危机/冲突的短期人道主义援助）转向积极应对（特别是针对最贫困人口的长期项目）。妇女和女孩是实现减贫的一个重点。	在关键项目中至少有一个重大脱贫问题：未来粮食保障。然而，尽管存在对学习的承诺，但通常仍然缺乏严格的评估措施。有些评论质疑了干预措施对于涵盖界定不清的弱势农户是否适当。 迄今为止，对弱势国家的影响仍然有限。
联合国儿童基金会	联合国儿童基金会2013-17的性别平等战略。联合国儿童基金会2013-17的目标和实践包括：为弱势儿童和被排斥儿童改善政策环境和制度，通过改进知识和数据予以引导。社会包容是实现公平的七项成果之一。关注妇女和女孩属于人权逻辑范畴，而不是减贫问题。通过人道主义方案解决最贫困人口的脆弱性。	实现社会包容的行动战略包括能力建设、政策对话和合作伙伴关系。 令人失望的是，缺乏证据表明哪些举措有效。
瑞典国际开发合作署	（2013）尽管存在首要扶贫目标，但是仍然存在强大的民主和治理重点。在2013年援助政策框架中很少提及或消除贫困。重点关注了生活在压迫之下的妇女和女孩。性别平等被视为减少贫困的一个因素。相对贫困的国家或部门可能会对贫困产生影响（例如教育、社会保障、社会基础设施）。 新的战略文件（2016）产生了关于多维贫困的报告（2017），这表明贫困将成为一个更为关注的焦点。	大多数评价侧重于治理和民主。 对12个高度贫困国家的审查发现，半数扶持项目对于解决极端贫困问题可能是有效地。 很少有项目关注防止返贫或维持脱贫。 一些具体的扶贫倡议得到支持。
欧盟委员会	明确扶贫的总体目标，但直接解决贫困问题的主动措施很少。在战略文件中更频繁地提及脆弱性。粮食安全成为重点。	部门和专题评估表明，支持解决长期贫困，防止返贫，但没有涉及维持脱贫。最近的一些重点放在，例如通过职业技术教育与培训等来促进非正式领域。 然而，很少有项目专门针对贫困或极端贫困。贫困往往不是主要关注点。
英国国际发展署	解决极端贫困和为世界最弱势人口而工作，一直是英国国际发展署战略文件的重点。大量项目旨在实现这些目的。在所有捐助机构中，英国国际发展署在战略焦点方面可能做的最多。	设计了一些具体的项目/计划。然而，根据评价结论，始终没对最贫困人口进行有效地识别/定向。
世界银行	到2030年，终结极端贫困，促进40%最贫困人口的繁荣是世界银行的双重目标。虽然世界银行针对最贫困人口存在一个明确的重点计划，但是世界银行的计划似乎只涉及了最贫困的国家，而没有惠及这些国家中的最贫困人口（Briggs，2015）。虽然没有制定消除长期贫困的日程表，但是世界银行已经在社会安全网（SSNs）、健康和教育方面进行了一些非常重要的投资，这是惠及最贫困地区的关键支出领域。	对社区驱动型发展（CDD）和SSNs项目的评估表明，世界银行打算针对极端贫困人口。然而，监测和跟踪授权结果的努力似乎是不够的，缺乏对贫困程度的划分。

资料来源：捐助机构的文件分析。




除了美国国际开发署的相当全面的《终结极端贫困》和英国国际发展署的战略文件以外，捐助机构的战略文件通常不会提及极端贫困。另一方面，弱势群体得到了更多的关注。在本报告审查的六个代理机构中，有三个代理机构，至少在一定程度上对贫困人口进行了分类，但在他们的项目（或者他们的性别平等策略，见下文）中，对贫困分类的关注也不多。

缺乏针对贫困的适当专题评价是值得注意的现象，偶尔也有例外，例如，对于现金转移对贫困和其它目标的影响，英国政府有着相对独立的积极评价（援助影响独立评估委员会，2017，见下文专题4）。在研究英国国际发展署实现影响力方法的研究（援助影响独立评估委员会，2015）中，提出了一个对于解决最贫困具有相当重要意义的问题：“英国国际发展署在管理国家或部门层面上的复杂综合方案方面仍然相对薄弱，对需求的影响需要更好地与制度进步和自上而下的政策变化保持一致。我们认为这是一个重要的改进领域，以实现相互促进的结果”。鉴于长期贫困的复杂性，以及识别能够产生充分影响的单个或少量干预措施所存在的难度，这一弱点很可能是显著的。在许多机构中，重点强调可衡量的结果，可能会阻碍他们运用复杂的综合方法进行操作。

捐助机构可能会认为，消除贫困是一项全国性项目，应该在全国范围内进行评估，而不是由每个捐助机构来实施。然而，却很少存在对国家扶贫项目或战略的全面评估；积极参与许多国家的捐助机构必须有兴趣了解该国家已经实施过哪些项目（哪些项目没有实施），在哪里实施以及为什么实施。到目前为止，没有任何机构分析过如何正确地看待其援助（或政策对话）对于扶贫的作用，这一点让人 震惊，因为减贫是主要的千年发展目标，消除贫困是主要的可持续发展目标。捐助机构都已签署过这些公约：大多数捐助机构在其任务报告或其总体目标中都有扶贫内容。

瑞典国际开发合作署和美国国际开发署在2008至2016年间的最新经验表明：当有一个政治制度鼓励在其国家政策及援助方案中关注贫困、公平或性别不平等时，可以取得的成就。这就使得那些致力于思考和致力于减贫的官员们所做出的努力合法化，并使之自由实施。美国国际开发署的经验也表明，制定战略和分析思维所需要的时间（美国政府承诺支持千年发展目标七年后，制定出了2015年战略）；对规划的影响有多快，多国未来粮食保障方案将这些关键问题列为优先于终结极端贫困战略的事项，或与之并重。

沿着这条道路快速取得一些成果可能是必要的。对于美国国际开发署来说，拥有一个主要的项目载体：即未来粮食保障计划可能是非常重要的。该项目是该组织关注贫困的一个试验场，有着严谨的内置学习机制（包括基于网络的媒体和国际活动）。到目前为止，经过审查的其他捐助机构还没有一个“备用”的大型项目载体，用于测试项目和国家组合的创新。

联合国儿童基金会的经验也令人失望。2013年，它看起来很有前途，致力于公平，并包含关注儿童贫困等目标。然而，这似乎并没有成为重点；而是在目标和结果层面上，成为联合国儿童基金会工作方案的一个组成部分。联合国儿童基金会的许多工作人员认为他们已经与最贫困人口一起工作，所以很难让他们认识到他们必需做出改变

专题2: 英国国际发展署的战略中对极端贫困和弱势群体的关注

英国国际发展署的战略包含四个战略性目标： - 战略目标1：加强全球和平、安全与治理 - 战略目标2：增强危机应变和应对能力 - 战略目标3：促进全球繁荣 - 战略目标4：解决极端贫困和帮助世界上最弱势的国家 极端贫困和弱势群体是英国国际发展署战略的核心。英国国际发展署的2015/6年度报告明确指出，最贫困人口是优先目标。“最贫困”一词被提及19次，特别是在涉及第二和第四个战略目标的章节中。整个文件中提及极端贫困22次。迄今为止，英国国际发展署对贫困划分程度高于其他捐助机构的研究，尤其是涉及到发展议程上的文件。年度报告详细介绍了国家干预的类型，以及专门针对最贫困和最弱势人口，定期地设计和实施的方案（英国国际发展署，2016）。在最近的一份战略文件中，英国国际发展署通过制定一项经济包容战略，证实了对极度贫困和弱势群体的特别关注。本报告提出了11个战略干预点，第10个干预点是“关注最贫困和最边缘化人口，其中大多数人在非正式部门工作”。“最贫困人口”一词被提及20次，“极端贫困”提及6次（英国国际发展署，2017）。

 




三、 国际机构扶持最贫困妇女和女孩的工作

正如本报告第2节所述，需要迫切抓住长期贫困的性别维度，并关注最贫困妇女和女孩。由于妇女和女孩存在不同的需求，面临着男性和男孩的不同挑战，以差异化方式处理女性长期贫困和极端贫困应该是援助策略中的明确目标，以便产生更有效和有针对性的影响。

本节分析了减轻妇女和女孩长期贫困和极端贫困的捐助机构策略趋势。它显示了实施这些策略和干预措施的难度，考虑到贫困和性别问题的多维性。然后，通过分析重点捐助机构策略文件，我们评估了给予最贫困妇女和女孩的重要性和优先权，以及捐助机构是否在其战略计划中采用贫困水平和性别的双重分类。最后一节将重点关注捐助机构的干预措施，观察这些策略如何转化为行动。

4.1在妇女赋权战略中阐明脱贫工作

性别平等和妇女赋权政策和计划需要多维度方法和跨领域的干预措施。例如，妇女进入劳动力市场，就可能需要创造就业机会，同时也要减少她们在家务劳动上花费的时间，增加她们上班路程中的安全性，并提供儿童护理解决方案。这是一个理想的世界。孟加拉和柬埔寨的服装业雇佣了数百万的贫困妇女，这些都产生了明显影响，但是上述所有条款并未落实到位。由于工作场所的“斗争”和更广泛的社会运动，这些规定会逐渐落实到位。

尽管捐助机构广泛承认性别平等的多维性，但出于简单的原因，许多干预措施都是针对特定的部门，例如健康和教育，其中特定的性别指标（因而影响妇女）易于观察和跟踪。这同样适用于扶贫干预措施。由于贫困是多方面的，不能通过单一部门的干预措施予以解决。

因此，贫困和性别政策都需要多维度的方法。解决贫困女性化问题需要专家在性别分析、贫困分析、以及特定部门干预等方面进行合作。建立这种合作，将其转化为指导战略，并将其纳入干预措施，是国际机构面临的一项具有挑战性的任务。即使这种合作成功，跟踪这些工作，并评估这些政策的影响也很复杂（Grown et al.，2016）。

4.2在捐助机构策略中采用“双重分类标准”的必要性

为了针对最贫困妇女和女孩，捐助机构需要在贫困层面（惠及最贫困）和性别层面（惠及妇女和女孩）将其努力进行分类。这就是我们所说的“双重分类标准”。

通常情况下，除了美国国际开发署和英国国际发展署（见专题3）以外，其它捐助机构仅在一个层面上进行分类：这类政策要么针对改善最贫困人口的生计，而没有关注性别差异，要么针对改善妇女和女孩的生计，而没有针对穷人和非穷人之间、或穷人之间进行分类。

一般来说，扶贫战略明显不同于性别平等或妇女赋权策略。然而，在实践中和通过捐助机构的干预措施，可能会存在交叉现象（见第4.3节）。

4.2.1贫困视角的分类标准

然而，在减少极端贫困的策略中，普遍承认贫困数据需要性别分类。将贫困衡量标准减少至户级变量，例如消费或收入，会掩盖了家庭成员之间的不平等，尤其是男性和女性成员之间的不平等。在《2015年终结极端贫困愿景》中，美国国际开发署认识到：在考虑贫困统计数据时，存在一个标准分类问题（美国国际开发署，2015b）。这一观念是由瑞典国际开发合作署在其《人道主义援助的平等问题》报告中提出。该报告确认有必要通过性别对贫困数据进行分类，以评估在人道主义援助中的妇女和女孩需求（瑞典国际开发合作署，2015a）。国际发展协会和世界银行的最贫困人口基金会也在其最后补充报告中承认，需要更好的性别分类数据，以便了解何种措施对最贫困妇女有效，从而使援助更有效（国际发展协会，2017）。




 

专题3: 英国国际发展署与最贫困妇女和女孩

在英国国际发展署2015/6年度报告中，国务卿所做的序言指出英国国际发展署必须“帮助最贫困妇女实现真正的改变”，并且“妇女和女孩将持续是我们的主要优先事项和英国国际发展署所有工作的核心”（英国国际发展署，2016）。因此，妇女和女孩，尤其是最贫困妇女和女孩都是英国国际发展署的明确目标。 用于衡量战略目标4：解决极端贫困和帮助世界上最弱势人口取得进展的绩效指标，强烈关注妇女和女孩，这也证实了上述目标。在教育策略方面，英国国际发展署致力于通过最近的英国女孩教育挑战计划来关注最边缘化的女孩。 在英国国际发展署 2012-15年业务计划中，在六个优先事项中的第五项，是“领导改善女孩和妇女生活的国际行动”针对这一优先事项而实施的一项行动就是女童教育挑战计划，到2015年，世界上最贫困女孩的入学人数要达到一百万（英国国际发展署，2012）。 英国国际发展署的2017经济发展策略报告声称，报告程序必须包括按性别分列的经济包容指标（英国国际发展署，2017），这表明在性别层面收集结果的明确意图。




在扶贫战略中存在一个普遍共识：即最弱势群体应是优先目标。妇女和女孩通常被认为是特别弱势群体。因此，像联合国儿童基金会、欧盟委员会和瑞典国际开发合作署这样的捐助机构在他们的发展战略中都认识到，为了减少极端贫困，妇女和女孩是一个必要的目标群体。因为她们在最贫困人口中的比例过高，这也是合理的。将妇女作为目标群体被认为是解决极端贫困的有效途径。因此，在捐助机构的扶贫战略中，特别提及妇女和女孩是很常见的。

4.2.2性别视角的分类标准

然而，在研究性别平等或妇女赋权策略时，很少在贫困层面上对妇女和女孩进行分析。在这些策略报告中很少提及“最贫困”、“极端贫困”和“长期贫困”。表4显示，除了美国国际开发署以外，在性别政策中，均缺乏对贫困的明确分类。




 

表4: 捐助机构性别策略中与贫困相关的术语

策略报告	最贫困	极端贫困	长期贫困	弱势群体	穷人	贫困人口
联合国儿童基金会：性别行动计划2014-17（儿童基金会，2014）	0	0	0	8	2	11
瑞典国际开发合作署：妇女赋权策略（瑞典国际开发合作署，2015b）	2	0	0	6	11	19
瑞典国际开发合作署：人道援助中的性别平等（瑞典国际开发合作署，2015a）	0	0	0	2	1	0
欧盟委员会：性别平等策略协定2016-19（欧盟委员会，2016a）	0	0	0	1	0	10
欧盟委员会：通过欧盟对外关系改变女孩和妇女命运2016-20（欧盟委员会，2015）。	0	0	0	5	3	4
英国国际发展署：性别平等行动计划第三期进度报告（2009-10）（英国国际发展署，2011）	1	0	0	2	3	3
美国国际开发署：性别与极端贫困（美国国际开发署，2015a）	4	50	3	5	11	18

注：因为世界银行性别战略报告是受保护的，并且不允许关键词搜索，因此本表不包含该报告。该报告可查询网址：https://openknowledge.worldbank.org/handle/10986/23425。然而，仔细阅读该文件的执行摘要，很少提及贫困/穷人的参考文献，也没有其他的上述标签。




缺乏对妇女和女孩按照贫困进行分类问题在于，没有明确地认识到最贫困/严重贫困/长期贫困妇女和女孩、与贫困妇女和女孩，甚至一般妇女和女孩之间的具体需求差别。

而美国国际开发署在这方面则是一个例外，美国国际开发署采用一个双重分类标准，编制了一份关于极度贫困妇女和女孩的讨论报告（美国国际开发署，2015a）。该报告是建立在一个声明基础上的，即极端贫困妇女通常会被排除在人口分数之外。美国国际开发署确定了需要将极端贫困妇女作为特定目标的四个方面：时间贫乏和总体工作负担；生产性资源和资产的获取；性别暴力风险；早婚早育。表5列出了美国国际开发署专门针对最弱势妇女的一些项目。虽然，这并不意味着在美国国际开发署的所有方案中都系统地采用了双重分类标准，但是显然这也为系统采用双重分类标准提供了基础。

总体而言，除了美国国际开发署和（也可能）英国国际发展署（专题3）之外，似乎其他捐助机构都没有在贫困和性别两个层面上，对其政策策略进行明确划分。与极端贫困/长期贫困的概念相比，似乎致力于弱势群体和性别平等方面的工作使他们感觉更舒适。

4.3战略是否反映捐助机构的干预措施和资金分配？

本节的其余内容着重于所选捐助机构所采取的干预措施及其评估。对于美国国际开发署和英国国际发展署（也可能）来说，在他们的战略中已采用了双重分类标准，将最贫困妇女和女孩成为优先目标，并体现在干预措施的设计中。对于其他捐助机构，例如欧盟委员会，有些项目也专门针对弱势妇女和女孩，尽管她们不是优先目标。最后，对于其他捐助机构而言，虽然方案和项目并非专门涵盖最贫困妇女和女孩，但是仍然成功地，而非有意地，有助于改善她们的生计。




表5: 针对最贫困妇女和女孩的项目实例

资金组织	项目实例	为减少妇女和女孩极度贫困做出的贡献
欧盟委员会	戈伊班达（孟加拉）极端贫困妇女食品安全计划	戈伊班达地区的39000名极度贫困妇女发起了新的个体经营活动，并培育家庭花园，以实现多样化和平衡饮食。
美国国际开发署（美国国际开发署，2015a）	妇女赋权农业指数（WEAI）	帮助设计对性别敏感的农业干预措施，以减少农村极端贫困
	利比里亚女童入学机会项目   刚果民主共和国少女教育赋权计划	允许极贫困的女孩接受教育，可缩小男性和妇女之间的收入差距，增加妇女从事工资性就业的机率，并允许妇女获得能提高收入的技能、知识、态度和行为。 教育对那些生活在极端贫困中的妇女及其子女还有其它好处，因为教育还能够改善与健康相关的实践，例如免疫接种、新生儿诊所的就医、参与计划生育、使用现代医疗设施等等。
	赞比亚和乌干达拯救母亲、挽救生命计划	减少早育和产妇死亡率、有可能增加弱势妇女及其子女的整体健康和教育水平。
英国国际发展署	孟加拉的资产与业务计划（英国国际发展署，2016）	英国国际发展署以极端贫困人口，尤其是妇女为目标，通过提供资产（例如家畜）和培训，帮助她们建立可行业务。
	加纳教育计划（英国国际发展署，2016）	英国国际发展署一直支持儿童入学，包括帮助未入学儿童返回主流教育（2015-16年度已帮助超过50000名儿童），并为女孩参与中等教育提供奖励方案（2014-15年度已帮助超过85000名女孩）。
	马拉维教育计划（英国国际发展署，2016）	英国支持改善了教育性别平等，帮助解决了女童在学校、社区和更广阔的社会所面临的不同类型障碍。
	伦纳德·柴郡残疾赋能先锋包容性教育策略：肯尼亚残疾女童（援助影响独立评估委员会, 2016）	在这个项目之前，许多残疾儿童由于残疾的羞耻、以及缺乏设备和交通，而被限制在自己家里。作为该项目的一项结果，一群残疾女孩现在已就读主流学校。该项目正在与教育官员合作，修订教师培训课程，包括包容性教育，并演示如何支持残疾女童。

专题4: 援助影响独立评估委员会对英国国际发展署的项目评价

根据援助影响独立评估委员会的评价，英国国际发展署的项目尽管明确的关注最弱势和边缘化的群体，例如最贫困的妇女和女孩，但是目前还没有达到预期效果，并且还在努力在实践中惠及这类人群。该委员会对英国国际发展署的现金转移项目的审查（援助影响独立评估委员会，2017）表明，虽然该项目可能会对贫困产生积极影响，但是诸如妇女赋权等次要目标没有得到充分的监督： 然而，与其它领域不同，关注妇女赋权尚未得到严格的评定结论的支持。我们还发现，英国国际发展署没有明确地监督妇女受益者所面临的风险，例如：家庭虐待增加。 审查的一个重要观点是，尽管英国国际发展署是研究现金转移对妇女赋权影响的先驱者，但它未能有效地监控妇女赋权的状况，因此未能将研究知识和专门技术付诸实践。在年度报告中，许多项目成果中都陈述了项目所惠及的妇女人数，但需要探究更深入和更多维的赋权指标，例如少女怀孕或家庭虐待，而这些在监督过程中经常被忽略。该委员会提出一项建议：加强对风险和结果的监测，并使用这些数据来改进未来计划的设计，从而使现金转移实际上能够真正促进妇女赋权。 审查还表明，一些现金转移在选择过程中会受到排斥性错误，无法惠及最贫困妇女。例如，巴基斯坦的一项计划要求接受现金转账的妇女，持有电脑制作的有效的国民身份证。由于获得这种身份证需要一定的时间，许多妇女，尤其是最贫困的妇女，暂时被排除在该项目之外。 2016年，该委员会公布了英国国际发展署支持边缘化女童教育项目的审查报告（援助影响独立评估委员会，2016）。该报告显示，尽管在2012女童教育挑战项目的制定中具有明确的目标，以最边缘化的女孩为目标显著增加投入金额，但是英国国际发展署在实施过程中逐渐失去对最贫困女孩的关注，并且没有一致的策略来克服这部分人口受教育所面临的障碍。 例如，在坦桑尼亚，英国国际发展署的计划未能解决在中学生层面上最明显的问题，例如月经、早孕和早婚管理。在前两次年度报告中也出现了缺乏对中学层面的关注，这类教育策略似乎重点关注小学层面。 在援助影响独立评估委员会审查中，解释未能改善被边缘化女孩入学的原因主要是： ž 缺乏对边缘化原因的识别； ž 由于主要冲突、设计欠佳、缺乏专业技术、以及在具有挑战性地区工作的难度，在实施和监测阶段，失去了对女孩教育的关注； ž 没有把严谨的研究付诸实践； ž 在全球结果框架中没有将边缘化女孩作为特定目标。

资料来源：作者对英国国际发展署文件进行的分析。




当项目和方案并非专门针对最贫困妇女和女孩而设计的时候，即使不是有意为之，也可以观察到这类贫困人口的生计得到了改善。

4.3.1贫困缓解计划：旨在脱困的干预措施能否专门满足最贫困妇女和女孩的需求？

瑞典援助

瑞典国际开发合作署的战略计划指出，当涉及到扶贫干预时，妇女和女孩都是特定的目标。尽管在他们的战略中缺乏对贫困妇女的分类，但通过一些项目的实施，瑞典国际开发合作署对最边缘化妇女和女孩产生了一定影响。

肯尼亚国家农牧业推广计划：

设计共同利益团体是国家农牧业推广计划的一个重要方面，它鼓励“妇女和最贫困群体”参与社区。这种共同利益团体可以让农民在农业、贸易和营销活动上进行合作。2006年进行的内部评估表明，70%的参与农民（男性和妇女）会将其农场作为一个企业，而不是由共同利益团体赐予的生存方式。这些合作小组会招募妇女，特别是将她们纳入决策程序中。70%的共同利益团体成员都是妇女、弱势群体的妇女，例如寡妇，都是弱势群体中最易驱动的社会类别。这样在国家农牧业推广计划的目标领域中，就可以增加妇女对生产性资产的获取和控制机会。然而，由于一些偏远地区缺乏道路等基础设施，国家农牧业推广计划能否涵盖最贫困和最弱势人口，也存在问题（尼尔，2011）。

赞比亚农业扶持计划：

农业扶持计划成功地确保了男性和妇女同样对食品安全负责，从而更公平地分担负担。

农业扶持计划的目标是通过改善粮食安全和增加工薪阶层来提高小规模农户的生计，从而减少贫困。为了解决家庭和社区层面的性别平等问题，该计划编制了性别敏感的“促进手册”，并为该计划的扩展人员组织了性别培训。农业扶持计划组织了所有成年家庭成员的会议，以制定“家庭愿景和行动计划”。由于认识到更好地责任和资源分配对于家庭经济是有利的，这些会议带来了态度上的变化。此外，随着年龄较大的儿童也参与了会议，很可能这些优点可以传输到下一代（Farnworth, 2010: 3）。

然而，瑞典国际开发合作署的其它项目未能改善最贫困人群中妇女和女孩的生计。例如，瑞典国际开发合作署资助了肯尼亚曼达拉的促进农业和保障粮食用水计划，旨在向小规模农民推广运用太阳能灌溉系统 （农业太阳能灌溉装备），并为他们提供建议。    




为了帮助最贫困农民，肯尼亚伊斯兰救济组织，作为实施合作伙伴，致力于将项目扩展到农民合作社，从而可以集体购买这类工具。然而，由于文化规范的影响，妇女很少参加合作社的会议，不能像最贫困男性那样受益于该计划。

欧盟委员会

欧盟委员会2013/14年度结果报告列出了所有目标国家的项目影响。这些项目按照领域分类，包括农业、冲突、贸易、卫生、赋权、能源、教育、运输、就业等领域。在介绍特定方案的效果时，报告多次按照性别、以及受干预措施所影响的妇女和男性数量，对结果进行分类。对于有些项目，受影响妇女多于男性，而另外一些项目则相反。

例如，在索马里，48600人可以获得安全饮用水，其中54%为妇女。考虑到最贫困妇女很可能负责在家里收集饮用水，这将会改善她们的生计。在科特迪瓦，650名妇女和350名男子接受了关于嫁接橡胶和棕榈油树的培训；在苏丹，1304名妇女和860名男性受益于与农业耕作和推广有关的能力建设；在乌干达，3040名妇女和2140名男性接受了作物和牲畜产品的培训（欧盟委员会，2016b）。然而，衡量和评价一个项目对性别平等的影响不应局限于一个方案所惠及的妇女比例（见专题5）。

与瑞典国际开发合作署一样，欧盟委员会的一些干预措施未能使妇女受益，有的还加大了性别差距。例如， 2015年，贝宁、柬埔寨、加纳、马里、莫桑比克、尼泊尔和越南的项目侧重于非正式领域，允许项目目标的92%非正式工人获得正式机构的认证。然而，这些方案中的受益女性明显少于男性：男性受益者的工资增长了121%，而女性仅增加了54%，这也扩大了目标群体中的性别工资差距（欧盟委员会，2016b）。

世界银行

世界银行在海地的一个项目为13.2万名弱势学童提供日常膳食（世界银行，2016）。尽管该项目并非直接针对妇女和女孩，但这类项目可以间接地对弱势家庭中的妇女和女孩产生积极的影响，例如减少她们在家务劳动，为孩子们做饭所花费的时间。

世界银行的独立评估小组（IEG）2014发表的一项对社会安全网和性别的研究表明：尽管在项目设计上并没有专门针对性别，但在被调查的112个投资项目中，有44个项目包括衡量性别相关影响的指标。

然而，一些项目，因为其设计方式，无法惠及最贫困的妇女和女孩。独立评估小组对社区驱动型发展项目的审查表明：最贫困家庭的妇女不太可能参与项目活动。妇女的参与程度受其缺乏经济和社交资源（网络）和文化程度低的限制。例如，在尼日利亚，妇女的受教育水平限制了来自最贫困家庭成员参与Fadama项目（独立评估小组，2017）。

瑞典国际开发合作署、欧盟委员会和世界银行的案例表明，在某些情况下，扶贫措施可以间接地惠及贫困人口中最弱势的部分：妇女和女孩。在国内和国外的评论文章中经常会出现这些项目对女性家庭成员生计的影响，因为性别平等和妇女赋权是国际机构感兴趣的结果。按性别对扶贫效果进行分类是一种普遍的做法。




 




专题5: 衡量对妇女—性别—分类数据的影响

通常，为了衡量对妇女的影响，结果和监测文件报告该计划所涉及的妇女和女孩的数量或百分比。例如；欧盟委员会2013/14年度结果报告（欧盟委员会，2016b）。 独立评估小组对世界银行的社会安全网干预项目的审查表明：即使当项目专门针对性别影响时，监测报告仅提及接受转移支付的妇女百分比，而不是评估它对妇女赋权的影响。社区驱动型发展项目也倾向于简单地记录参与社区会议的妇女数量。然而，独立评估小组认为有必要提请注意这种参与的质量：在这些会议中妇女能够发出自己的声音吗？她们能畅所欲言吗？她们的意见是否得到考虑？这种参与对她们的时间分配是否会产生负面影响？这些问题对于了解项目对妇女生计的影响至关重要，然而由于仅仅关注妇女参与率，这些问题却被忽视了（独立评估小组，2014）。 正如援助影响独立评估委员会对英国国际发展署的评论，这些机构需要更深入地研究，寻求多维度的赋权指标（例如未成年怀孕、家庭虐待等），而不是将指标限制在受助者的数量（援助影响独立评估委员会，2017）。 在接受采访评估报告作者亚历克斯·蒂尔，一名美国国际开发署前高级官员时，他认为，仅仅知道50%的受助者为妇女是不够的。最近，美国国际开发署重新考虑了监测性别相关指标的方法，以便系统地确保多维方法，而不是简单地报告女性受助者的数量。从这个意义上说，美国国际开发署似乎再一次成为例外。



 



4.3.2性别平等政策：旨在减少性别不平等的干预措施能否专门惠及贫困妇女和女孩的需求？

从性别平等和妇女赋权干预措施、及其可能对最贫困的妇女和女孩产生的影响来看，机构评估报告很少提供按照贫困层面分类的数据和结果，因为这些似乎不是捐助机构选择用来编写本报告或评估者所感兴趣的内容。因此，最后一节将引用了关于性别平等干预措施的一般文献，而不是捐助机构的具体方案。

许多男女平等的政策和计划的设计是假设妇女是一个同质群体，具有相同的需求和愿望。针对更多一般人群的干预措施很少能成功地惠及最贫困妇女，并改善她们的生计（Bird，2017）。斯科特的一个案例（未标明日期）显示：针对乌干达极端贫困地区的女性创业者的计划未能惠及最贫困女性。斯科特解释说：在她工作的农村，缺乏基础设施和贫困程度意味着女性创业的标准干预措施失败。

“例如，我在乌干达工作的地方，没有电，水也不够干净，不能喝。村外交通有限并且昂贵。没有银行也没有邮局。在采集木材和照料孩子之余，这些妇女种植少量家作物，销售有限的农业商品，赚了一点钱。她们的产品需要通过司机在损坏的泥泞道路驾驶卡车销往该地区最大的城镇。关于创新措施的许多流行理念在这里都毫无意义，甚至适得其反。举例来说，即使这些妇女有手机，也可以充电，查询该地区周边的价格也无济于事，因为她们的产品去向没有选择。最近的银行也有两个小时的路程，这群人口的计算能力有限，阅读报表也是不可能的。在这群人中，金融知识是极为有限的，然而这些计划又总是很复杂。一些能够更好地理解这些术语的成员会以牺牲她们缺乏技能的朋友为代价，在她们不需要和感到困惑的情况下，让她们陷入了信贷漩涡。”

在一份附带的证据文件中，Bird（2017）介绍了如何补充和调整现有的性别平等政策，以惠及最贫困的妇女和女孩。

妇女集体行动

旨在加强妇女的集体行动和社会运动的项目通常都是留下最贫困的干预措施：争取公众承认其权利的妇女运动通常都是精英和城市领导的，这需要最低程度的教育和社交网络。Gugerty 和Kremer（2008）以国际儿童救济机构在肯尼亚农村实施的妇女团体项目为例，该计划旨在通过领导和管理培训来增加妇女在民间团体和社区中的参与。该干预措施的评价研究表明，这些措施实际对弱势贫困妇女产生了负面影响，尤其是老年妇女和一些最弱势成员。为了惠及长期贫困的妇女，Bird（2017）建议通过使用当地语言，或不需要较高文化水平的图文并茂的传单等方式，来有意识地顾及非精英妇女。

女性教育

旨在鼓励女性入学率和出勤率的项目可能不会给最贫困女童带来好处，除非这些项目能够提供基础课程来弥补最弱势学生的缺陷（Bird，2017）。没有这些基础课程，来自长期贫困家庭的女童在课堂上可能无法跟上学业，而且不太可能在学业上取得成功，从而未能改变恶性循环或长期贫困。

女性金融包容

由于准入门槛高、歧视和市场扭曲，长期贫困妇女无法获得贷款以启动高价值企业，通常只限于购买牲畜。对于长期贫困的妇女来说，如果发生了诸如牲畜的疾病或死亡，或市场波动（Bird，2017）的冲击，贷款就会存在一种高负债的风险，并会增加贫困水平。

上述几个案例表明，性别平等政策，因为它们的设计和实施方式，未能惠及最贫困的妇女和女孩，甚至可能会增加妇女的不平等水平，从而对她们的生计造成负面影响。

因此，对捐助机构干预措施和更普遍的性别文学的分析为我们提供了相同的结论与战略分析：如果扶贫政策设计旨在减少贫困，那么它就可以成功地惠及妇女和女孩，但是，针对性别的政策一般无法惠及最贫困的妇女和女孩。

四、 结论

第一个结论是：“可以做到”：捐助机构有可能采取不仅有利于最贫困人口或长期贫困人口，也有利于最贫困妇女和女孩的方式，来开展他们的工作。可以通过多种方式实现：特别是通过反贫困干预措施，其中许多措施都有帮助贫困妇女或女孩的目标。其它类型的干预措施：一般预算支持、部门支持、人道主义援助，都可能会帮助到最贫困人口，但是并不是本报告的重点。

然而，除了美国国际开发署和英国国际发展署之外，在审查次要证据的基础上，还不能轻易判断：捐助机构已经在战略层面或组织层面上，制定出了可靠的、尝试性的和试验性的扶贫方法。因为负责制定扶贫战略的官员在其机构内不构成关键性的群体，而且这些机构也未能调动足够的外部专业资源；或者因为政治领导层不鼓励关注贫困问题，而是倾向于关注与捐助国达成的存在更多政治共识的问题，比如性别平等。鉴于美国最近的政治变化，关注极端贫困是否持续将是有益的。

与机构审查的扶贫战略相比，性别平等战略通常会有能量更大或关键群体的支持，有时甚至被明确地视为即使不是替代品，至少也是一种减少贫困的手段。这可能是因为，多年来，捐助机构中专门关注和个别专注于实现性别平等的人数和资历，远远大于那些致力于终结极端贫困和贫困的人数。对于西方捐助机构来说，这是一个易于政治上处理的问题。在他们自己的社会里，实现性别平等比解决贫困问题更易于形成一致的共识。

除了英国国际发展署和美国国际开发署对此认真对待以外，在已审查的捐助机构战略工作中，普遍缺乏对性别和贫困之间的交叉分析。与那些关注性别平等的举措相比，在关注减少贫困的举措中反映出来的这类交叉分析较少。一种假设的原因可能是，虽然性别平等方面的专家经常参与制定发展中国家的扶贫战略，但是扶贫专家很少集中参与制定性别平等战略或干预措施。也可能在发展中国家中，最贫困的妇女和女孩是最不具组织性和代表性的群体之一，政府或民间团体也没有提出确保援助使之受益的要求。

（文章来源：www.chronicpovertynetwork.org）

 

社会保障体系与基于收入调查的转移支付体系的减贫效果研究

Bruce D.Meyer   Derek Wu

摘要

许多研究都针对社会保险和基于收入调查的转移支付的反贫困效应进行了较为充分的研究，然而这些研究往往只是依赖于存在重大错误的调查数据。对此，我们通过将社会保障数据和五个经过经济调查的转移支付项目（SSI、SNAP、公共援助、EITC和住房援助）与2008 - 2013年收入项目调查数据联系起来，以改进过往研究中存在的不足。利用这些相关数据，我们发现社会保障将贫困率降低了三分之一，是五个经过调查型转移支付项目的综合影响的两倍之多。在所有的调查型转移支付项目中，EITC和SNAP是最有效的。所有调查型转移支付项目都大幅度减少了贫困（针对生活标准低于贫困线额度50％的群体），而EITC的影响在贫困线额度1.5倍水平上的作用更为明显。对于老年人来说，社会保障单方面将贫困率降低了75％，是调查型转移支付项目效果总和的20倍以上。虽然单亲家庭从EITC，SNAP和住房援助中获益更多，但救助和安全体系对这一群体的保障仍然显得相对不足，这六个项目共同仅将贫困率降低了38％。SSI、公共援助和住房援助在转移前处于贫困的人口中所起的效果最好，而EITC则是其中最低的。最后，调查数据可以用于对贫困线上的总人口数量进行精确的的估计，而这一调查也存在低估社会保障、SNAP和公共援助影响的问题。并且，相比于其他关于截面收入调查和针对特定类型家庭的调研，这些调查项目还存在着更显着的差异。例如，调查数据显示，SNAP和公共援助对近贫困人群的影响是行政管理数据所得结果的三分之二和二分之一，而SSI、社会保障和公共援助对单亲家庭产生的减贫效果是行政管理数据的33-44％。

一、引言

现今世界上，大多数政府都有社会保障和基于收入调查的转移支付计划，以确保所有经历过不幸的家庭或年老的人都可以享受社会保障。这些计划包括社会保障、退休和残疾保险、失业保险和医疗保险。另一方面，基于收入情况调查的转移支付仅向收入最低的人提供现金或实物援助，这些计划包括补充营养援助计划（SNAP，以前称为食品券）、补充保障收入计划（SSI）和公共援助计划、某类税收抵免政策、以及住房援助和医疗补助计划。总而言之，这些计划在2015年所有州财政支出中占到了57％，此外还有很大一部分是国家财政支出提供的。鉴于这些计划的目的，有两个问题首先摆在了我们的面前：1）资金是否真的用于了当前收入较低的人；2）这些转移支付计划如何有效地使受援者摆脱贫困？对此，本文利用综合调查和行政管理数据，分析了社会保险和基于收入调查的转移支付计划的减贫效果以及它们将资金用于穷人的比例。

关于转移计划的分配和减贫效果的论文较多。然而，能够完整的依靠调查数据实现准确衡量支付转移效果的文献较为少见。并且，大多数调查数据中转移支付计划的效果都被严重地低估了。近些年来，当前人口调查（来源于官方收入和贫困统计数据）遗漏了50％的公共援助资金、42％的SNAP资金和16％的SSI支出。对于其他主要福利或税收减免，这些调查通常不会询问居民收到的转移支付或者保障福利的数额。针对目前所存在的这些障碍，在本文中我们另起炉灶——依靠社会保障的行政微观数据（包括退休和残疾福利）和五个最大的收入调查型转移计划（SNAP、TANF、SSI、住房补助、所得税抵免或EITC）。我们将这些行政管理数据与基于收入调查的转移支付计划的2008-2013数据联系起来，后者是之前我们研究中所使用的家庭入户调查，其数据提供了有关转移计划的最准确和完整的数据信息（参见Meyer等，2015b）。

因此，本文将调查和行政数据联系了起来，并将行政措施的准确性与调查的丰富人口统计细节和人口代表性相结合。虽然现有的行政数据目前在计划实施中，其地理范围和时间顺序等方面都尚不完整，但在结合起来之后仍然具有很大的研究价值。特别是考虑到随着时间的推移，对调查的误报会越来越严重，并且缺乏经过确切验证的估算方法（Meyer等，2015a）。此外，由于行政数据对调查数据中的某些转移支付（例如公共援助和住房补助）常常无法做到完全涵盖，因此使用组合数据可以对项目计划实施效果进行最准确和完整的估计。虽然行政计划数据过去与调查有关，但我们的计划和人口覆盖范围比过去任何研究都要多。在可能的情况下，我们将从组合数据中获得的结果与仅使用调查数据的结果进行对比。本文是一个较大项目的第一步，旨在通过将行政管理的收入数据与住户调查资料联系起来，尽可能改善收入衡量。我们称这个较大的项目为综合收益数据集项目。

过往文献指出，社会保险的影响大于基于收入调查的转移支付，但后者对减少贫困群体收入差距的影响相对较大。社会保障在所有转移支付中始终是产生最大反贫困效应的社会政策（尤其是对于整个收入分配中的老年人和残疾受益者而言），而EITC（针对有子女的就业家庭，通常是那些处于贫困线附近的人群）是所有经过经济调查的转移支付中效果最好的。虽然许多基于收入调查的项目将其资金大量用于转移前的贫困人口，但这一群体往往会在显著低于贫困线的收入水平上逐步淡出计划，由此影响了这些项目的反贫困效果。此外，由于方法、调查和调查时间的不同，针对各项计划和项目的减贫效果的估算比较复杂。

通过使用税、转移前的基本收入衡量标准，我们的统计结果表明，社会保障方案单独即可将贫困率降低三分之一，使贫困差距降低45％，是五项基于收入调查的转移支付计划综合效应之和的两倍之多。在基于收入调查的转移支付中，EITC和SNAP在降低贫困率方面最为有效，尽管SSI、SNAP、公共援助和住房援助最主要针对的是转移前的贫困人口。除了EITC之外的所有项目都对深度贫困群体（50％的贫困线）产生了相对较大的影响，除了公共援助之外，基于收入调查的转移支付对贫困率的影响相当均衡。EITC对于近乎贫困群体（生活水平为贫困线额度的1.5倍）人数的减少起了较为显著的作用，而且除了公共援助之外，基于收入调查的转移支付对贫困差距的影响在当前看来是更为均衡的。

虽然收入和项目参与调查（SIPP）获得了与综合数据类似的平均估计数，但是它低估了社会保障、SNAP，特别是公共援助的减贫效果。该调查还高估了SNAP针对转移前的贫困人口的减贫效应。对特定收入来源和家庭类型受到的影响进行比较，能够获得更为鲜明的差异。通过该调查数据获得的SNAP和公共援助对近贫困人群的影响，分别是合并数据计算结果的三分之二和二分之一。对于单亲家庭的影响，根据调查数据计算的社会保障、公共援助和SSI的减贫效果分别为合并数据结果的34％、38％和44％。

二、转移支付计划的实施背景

在本文重点关注的转移支付计划中，有四项是现金转移（社会保障、补充保障收入、公共援助和收入所得税抵免）和两个是实物转移（补充营养援助计划和住房援助）。本节简要地介绍了这六个计划中每个计划的效益和资格要求，这其中包含了那些本文未作重点考察的主要社会保障和基于经济调查的转移支付项目。根据2008年的支出数据，社会保障是迄今为止最大的社会保险计划，四个最大的经过经济状况调查的转移计划属于本文所研究的五个调查项目之中。特别是，社会保障在2008年占所有社会保险转移支付的84％（不包括医疗保险），而本研究中的五个经过经济状况调查的计划占2008年所有经过经济情况调查的转移支付的79％（不包括医疗补助计划）。这六个项目共计占2008年所有转移的83％（不包括医疗保险和医疗补助）。

2.1社会保障（OASDI）

社会保障，也称为老年、幸存者和残疾保险计划（OASDI），由社会保障管理局（SSA）管理的两个项目组成：老年和幸存者保险计划（OASI）和残疾保险计划（DI）。作为社会保险计划，社会保障提供每月付款，旨在部分抵消因退休或死亡（对于OASI）或残疾（对于DI的情况）导致的收入损失。退休人员有资格获得OASI福利的最早年龄为62岁，从65-67岁开始提供全额退休福利（取决于退休人员的出生日期）。符合条件的退休人员必须工作一定数量的“学分”（通常是40个学分或10年的工作）。幸存的配偶也可以在社会保障覆盖的工人死亡时获得OASI福利。最后，如果个人最近工作时间足够长，并且被认为长期残疾导致他们无法继续从事以前的工作，则他们有资格获得DI资助。

2.2补充保障收入（SSI）

补充保障收入计划（SSI）是一项联邦现金援助计划，专门针对低收入人群、年龄（65岁或以上）、失明或残疾人士。社会保障管理局负责管理联邦SSI计划。除了联邦计划，各州还可以通过自己的补充计划来增加收益（Daly和Burkhauser，2003）。个人必须符合几个标准才有资格获得联邦政府管理的SSI资助。首先，鉴于SSI是经过经济状况调查的转移，他们必须满足不同的收入和资产限制。收入限制与通货膨胀挂钩，一般略低于美国人口普查局的官方贫困线，非老年的个人和夫妇的资产限额分别为2,000美元和3,000美元（Duggan等，2016）。其次，符合条件的个人还必须符合居住和公民身份标准。最后，个人可能必须满足其他额外的标准才能获得国家管理的SSI援助。

2.3公共援助

公共援助广义上指的是州政府和地方政府向贫困家庭和个人提供的福利（通常以现金福利的形式）。一个特别有影响力的计划是贫困家庭临时援助计划（TANF），该计划针对的是有子女的低收入家庭，由联邦政府资助，但由各州管理。该计划以前被称为“受抚养子女家庭援助”（AFDC），TANF通过向各州提供整笔拨款来资助，这些州可灵活设定自己的福利水平和类型、收入和资产限额等（Moffitt，2003）。因此，各州在如何使用补助金以及确定哪些类型的家庭符合资格方面往往存在显著差异。虽然接受TANF的家庭往往是单亲或根本没有父母，但是某些资格标准仍是在联邦一级规定的。虽然各州可以免除20％的案件量，但成人不能在其有生之年获得超过六十个月的TANF支付（Ziliak，2016）。此外，50％的TANF家庭必须每周至少工作30小时，所有双亲TANF家庭中有90％必须从事工作，并且通常每周工作35小时。

2.4收入所得税抵免（EITC）

收入所得税抵免（EITC）适用于收入为正的个人和夫妇，特别是那些有孩子的家庭。符合条件的家庭只有在提交纳税申报表时才能领取所得的减免额度。 EITC可用于抵消正税务负债，但大多数家庭会选择收到一次性的退款，因为它的数额通常会超过所能抵消的负债额度。美国国税局通常会在提交纳税申报表后的几周内发起这些退款。许多州还通过将EITC纳入其自己的所得税制度来增加信贷金额，这些福利通常与联邦EITC所定金额的百分比相等（Hotz和Scholz，2003）。

EITC的资格取决于几个重要因素。首先，给予信贷的慷慨程度随着税务单位中符合条件的子女（即年龄小于19岁，全日制学生和残疾子女除外）的数量而增加。其次，只有那些有收入的人才能获得信贷。EITC时间表由几个部分组成，信贷最初与收益成比例，然后保持在一系列收入的最高水平，最后随着额外收益减少，直到信贷完全逐步消失。第三，申报者必须在给定的阈值下具有调整后的总收入（AGI）才能获得资格，联合（已婚）申报者的门槛高于单身（未婚）申报者。

2.5补充营养援助计划（SNAP）

补充营养援助计划（SNAP）是美国农业部（USDA）提供的最大规模的食品和营养援助计划，原名为食品券计划。SNAP计划所提供的福利主要是实物券（现在的EBT卡），收到实物券的家庭可以用来从杂货店购买物品（Currie，2003）。与本节讨论的大多数转移计划不同，SNAP广泛适用于所有低收入家庭，无论年龄、就业状况、是否有儿童等。特别是，但凡月收入总额在贫困线水平的1.3倍或以下、净收入（定义为扣除后的税前现金收入）等于或低于贫困线，或是可计算资产低于2250美元（如果家庭有老年人或残疾成员，则为3500美元）的家庭，都有资格获得SNAP援助。不过对于大多数没有家属的身体健全的成年人，这一援助有工作方面的要求。此外，该援助计划的收益对于净收入的要求正在放低，并旨在与以最低成本提供营养膳食的一篮子食品组成的市场成本挂钩。2017年，一个二人家庭所得的平均月收益估计为253美元左右。

2.6住房援助

住房援助计划包括联邦机构以及州和地方提供的多种住房援助计划。该计划是受联邦、农业部、住房和城市发展部（HUD）支持的最大计划（Olsen，2003）。公共住房计划提供由当地住房机构管理并由HUD资助的出租房屋或公寓。虽然这些是最大的联邦低收入住房援助计划，但州和地方也经常为低收入家庭提供额外的租房援助计划。

公共住房和住房选择优惠券计划专门针对低收入家庭，尤其是老年人和残疾人。申请公共住房的资格取决于几个因素，如申请者是否属于上述三个类别之一、申请者的年度总收入金额、其公民或移民身份。特别地，符合条件的公共住房申请人的收入必须低于县市当地居住区中等收入水平的80％。住房选择券的资格标准与公共住房的资格标准类似，但家庭的收入不得超过县市当地居住区的平均收入的50％。此外，当地住房管理局有义务向收入低于地区中位数水平30％的家庭提供额度为75％的优惠券。

2.7其他安全网计划

我们在这里可以简要地讨论一些其他计划，比如：失业保险（UI）计划，由部分州自行实施，为那些并无过错却遭遇失业的工人提供救济。工人赔偿计划，是另一项州级社会保险计划，为在就业期间受伤或生病的个人提供工资替代和医疗福利。退伍军人的福利计划，为退伍军人（家属和幸存者）提供各种补偿类型，包括残疾补偿、养老金、教育援助等。

儿童税收抵免，同样是一个基于收入调查的转移支付计划，适用于拥有17岁以下儿童，且总收入标准低于阈值（联合申报者为11万美元，单个申报者为7.5万美元）的家庭。学校食品计划为低收入儿童提供免费或补贴的学校膳食。妇女、婴儿和儿童特殊补充营养计划（WIC），为该群体提供各种方面（例如营养食品、营养教育、医疗转介）的实物援助。低收入家庭能源援助计划（LIHEAP），是一项经过经济状况调查的转移计划，旨在帮助低收入家庭支付公用事业费用。

最后，就支出规模而言，医疗保险（Medicare）是第二大社会保险计划（仅次于社会保障项目），医疗补助（Medicaid）是最大的经过经济状况调查的转移支付。医疗保险项目为老年人和非老年残疾人提供医院保险和补充医疗和处方药保险，而医疗补助项目则为低收入群体和残疾人提供医疗费用。由于多种原因，我们在此处分析的计划项目中不包括医疗保险和医疗补助两个项目。并且，这些公开提供的健康保险计划的价值因人而异，具体取决于他们的健康状况和其他护理来源的可用性。这种异质性加上项目可替代性的缺乏，以及学界存在的对如何评估其价值的不同观点，使我们决定将其留待以后工作中再进行完善的分析。

三、数据和方法

在本文中，通过以一个关于转移支付的细致调查将六个单独的转移支付项目计划的行政报告组合在一起，我们朝着解决测量误差问题的方向迈出了重要的一步。我们的一个重要方法是将每个计划（以及组合计划）按照市场收入的基本标准衡量，认真检查贫困率和贫困差距的变化，并使用行政和调查数据来计算或验证这一变化。因此，我们不仅可以准确描绘每个项目对减贫的相对重要性，并且某种程度上解决了这些调查报告缺乏总量数值的问题。据我们所知，这是第一次有如此多的政府转移支付计划的行政微观数据同上述问题的研究联系起来。

3.1数据

3.1.1调查数据

我们的调查数据来自2008年收入和计划参与调查小组（SIPP）。 SIPP是一项纵向调查，对个人进行了四个月的访谈。在每一轮访谈中，SIPP收集自上轮采访以来的四个月中每个人收到的不同类型的收入和政府资助计划（以及其他主题）的详细信息。2008年以来SIPP有16轮采访，我们使用前14轮调查。

我们的分析以家庭为单位。在2008年SIPP的第一轮中，大约有47000个家庭首次接受了采访，在14轮中进行了490000次家庭波观察。数据中的家庭多于实际的家庭数量。我们的分析侧重于家庭，与官方估计用于计算贫困的单位一致。我们还遵循官方在估计贫困中所采用的方法，排除了存在居住集体宿舍或15岁以下无关人员的家庭。

3.1.2行政管理数据

我们的行政记录显示了每个转移支付计划的行政记录来源、福利单位、支付频率以及所涵盖的州和年份。OASDI和SSI管理记录分别来自社会保障管理局的支付历史更新系统（PHUS）和补充安全记录（SSR）文件。这两个计划的福利是按月支付给个人的。PHUS中的OASDI支付最初分为直接支付的月度福利（通常称为净福利）和从每月支付中扣除的医疗保险费，我们将这些加总在一起以获得OASDI总收益，这是我们对行政OASDI付款的首选衡量标准。SSR中的21个SSI支付最初也分为每月联邦支付和每月联邦管理的州支付，我们将这些加在一起以获得联邦政府管理的SSI总收益。

对于公共援助的数据，我们有来自卫生部的TANF行政记录和HHS居民服务记录，这些数据是从各州政府机构所收集到的。各州可以选择向HHS提交样本或全部数据，其中30个州提交了2008年SIPP涵盖的所有年份的全部数据。因此，本文中关于公共援助的所有结果都是针对这30个州的子样本计算得到的。这些付款按月在家庭层面支付，尽管行政数据中的家庭定义可能与SIPP中的定义不同。SNAP记录直接来自各州政府机构。特别地，我们有来自12个州的数据与2008SIPP存在至少一年的重叠。因此，所有与SNAP有关的结果都是针对相应州和日历年的子样本计算得到的。SNAP按月对家庭给予支付。

住房援助的行政管理数据来自住房和城市发展部（HUD）维护的公共及印第安人住房信息中心（PIC）和租户租赁援助认证系统（TRACS）文件。这些记录包含了关于HUD管辖范围内大量公共和补贴住房援助计划的信息。家庭福利金额计算为总租金与实际租户付款之间的差额。过往研究通常显示，总租金接近或略低于市场租金。虽然行政数据包括代金券计划几乎所有单位的总租金值，但并不包括公有住房单位的租金。因此，我们根据五位数邮政编码、家庭规模和年份的平均租金计算这些家庭的市场租金。如果家庭最近的认证日期在十二个月内，我们就认为该家庭处于接受付款的活跃状态。

最后，我们根据人口普查局的IRS1040表格摘录计算EITC金额。税收单位在日历年t内有资格获得的退税额是根据该单位在税收年度t-1中的特征计算的。我们根据档案状态、收入水平和符合资格的受助者数量，计算这些IRS视为具有资质单位的退税总额。最后，我们将年额度转换为月额度，将总金额除以十二，并在日历年的所有月份均匀分摊。

此外，需要注意的是，所有这些计划的管理价值均代表除EITC外支付的实际福利，我们为此计算所有IRS认为符合条件的税收单位的减免额度。

3.1.3调查和行政变量的一致性

我们所拥有的六个行政管理数据中有五个（除了EITC），在SIPP问卷中包含是否得到资助的记录，这其中包含福利金额数据的则有四个计划（除了住房援助之外）。SIPP还收集了许多计划的数据，我们没有将这些计划与行政数据联系起来，包括失业保险，退伍军人福利和工人赔偿。对于包含调查和行政数据的某些计划的接收金额，SIPP以与其行政措施不完全相同的方式进行了衡量。在这里，我们简要介绍这些案例以及我们是如何处理它们的。首先，回想一下，我们只有联邦政府管理的SSI福利的管理数据。幸运的是，SIPP单独询问联邦政府和州管理的SSI，因此我们得以将这两个调查报告的措施的总和与联邦政府管理的SSI和国家管理的SSI调查报告的行政值之和进行了比较。

此外，SIPP报告的公共援助数据是TANF与其他州和地方现金福利的综合，其涵盖了比行政数据（仅涵盖TANF）中更广泛的现金福利计划。为了解决这个问题，我们将所有未在行政数据中显示接受支付的个体都作为真实受访者，将他们的调查报告数量作为真实情况对待。住房援助也存在类似情况，因为我们只提供大多数HUD管理援助的行政数据，而调查则询问任何类型的住房援助（包括农业部、州和地方提供的住房援助）。此外，我们将未出现在行政数据中，但确实拥有收据的受访者视为真实受访者，但他们接受的金额，是根据县、家庭规模和年份（如果仍然缺少援助性福利，则使用县和年）的行政数据计算出的平均收益。在本节的后面部分，我们将讨论这些调整如何影响我们对减贫效果的估算。

3.2方法

3.2.1链接数据源

我们使用由美国人口普查局的人员识别验证系统（PVS）创建的个人标识符将管理数据链接到SIPP之中形成我们需要的数据集。这些标识符称为受保护的标识密钥（PIK），可以被视为加密的社会安全号码。超过99％的大多数行政记录都链接到了PIK，并且SIPP中大约94％的家庭包含至少一个到PIK的家庭成员链接。为了解释SIPP中缺少PIK导致的不完整配对，我们将家庭级调查权重乘以一个家庭中至少有一个成员在给定的调查中具有PIK的预测概率的倒数。在家庭层面调整不完整的配对是有重要意义的，因为行政数据报告中的大多数程序都在微观案例层面受益，只要在它们之间有一个相同的成员，我们就可以将行政案例与调查家庭相匹配。

3.2.2分析单位

在许多情况下，行政管理数据中的家庭与调查家庭并不完全一致。特别是，链接到SIPP的行政案例为以下几种：（1）严格包含在调查家庭中；（2）完全对应于调查家庭（人与人）；（3）跨越多个调查家庭。对于前两种，我们只需将行政案例中的所有福利金与调查家庭联系起来。对于最后一种可能性，我们将行政案例中的福利金分配给每个家庭，并使之与相关联的个人数量成比例。对于EITC，我们仅将调查系列中的个人与行政数据中的主次要申报者联系起来。

3.2.3衡量贫困的方法

如果采访轮次中的某个家庭在某月的收入低于该轮的月贫困线，我们就将该家庭定义为在特定轮次中处于贫困状态。我们的基本收入指标是税前、转移前收入、计算为收入、资产收入、养老金计划分配和一次性退休金的总和。作为一项稳健性检查，我们将税前现金收入作为基本收入的替代衡量标准，因为这是美国人口普查局用来计算官方贫困率的方法。最后，我们使用CPI-U的偏差修正版本作为我们的基本价格指数，该调整使CPI-U每年减少了0.8％。这一修正也说明困扰CPI-U的偏误实际存在。

3.3测量误差

为了推进后续的研究，我们首先讨论了数据中转移计划和援助金额的偏差程度。我们根据调查报告和行政数字，分别按计划和按年份计算了数额。我们仅考察2009-2012年，因为这些年的每个月都完全由2008年SIPP小组负责的。使用SIPP中所有家庭的调查报告计算的总收益，和使用调查报告计算总收益美元的数字几乎相同。

我们发现，调查报告似乎略微夸大了SSI的平均数值，并低估了OASDI、SNAP和公共援助。OASDI的援助金额的误差程度被认为较小，在最糟糕的一年中也仅略高于8％，而SNAP和公共援助的误差程度在最近两年分别以15％和30％更为明显。SSI的援助报告在每年都有很大差异，从2009年的没有到2011年的11％。这些报告率与之前在Meyer等（2015b）的SIPP中较长时间内发现的报告率相似。虽然OASDI、SNAP和公共援助的报告不足，但所报告的误差程度低于SIPP的其他项目或其他调查。对于OASDI而言，调查报告的误差程度似乎随着时间推移而略有缩小，而且对SNAP和公共援助的影响也减少。

我们将差异原因归纳为误报、错误否定和真实受资助者报告了错误的金额。真实报告接受者之间的测量误差与边际的误报有关。OASDI调查报告的平均低估似乎是由于漏报以及在调查中报告收到的真实接受者的平均报告不足所导致的。后者与文献中的调查结果一致，即调查应倾向于反映OASDI的真实收益，扣除每月支付的医疗保险费。

对于OASDI以外的计划，在被调查的真实的援助接收者中，似乎没有明显的误报。相反，错误往往特别集中在漏报之中。一方面，SSI调查报告的平均多报金额似乎与误报的存在有关。另一方面，没有收到援助的实际达到标准的人数似乎助长了SNAP的平均低估。随着时间的推移，调查确实“错过”了行政受益金额，从而增加了漏报率。

最后，对于公共援助和住房援助，我们将误报率设为零，因此我们不再报告误差情况。在公共援助的情况下，调查报告的低估似乎完全是由援助遗漏推动的。如果没有增加调查真实接受者的平均过度报告状况，这一问题一定会更加严重。我们还观察到住房援助中存在一定的遗漏率，尽管其低于SSI、SNAP和公共援助的遗漏率。

3.4注意事项

我们的分析还有几个额外的注意事项。首先，在仅分析每个转移计划的静态减贫效应时，我们的分析没有考虑受帮助者的行为反应。这些反应行为（例如改变劳动力供应、减少储蓄等）肯定是存在的，特别是在研究这些计划的长期影响时需要着重注意。调查和行政估计之间的差异也可能与此类反应有关，我们的研究也对此进行了重要但并不完整的研究。许多之前的研究认为，这些项目的行为反应不太可能产生显著的未调整影响。

其次，由于数据的限制，我们使用部分州的样本数据来计算SNAP和公共援助的减贫。读者可能会担心从这些州的数据结果中所计算出的转移支付的减贫效果可能与整个国家的实际效果有所差异。针对这一问题，从网络的附录中我们对SNAP和TANF状态进行的全面分析可见，就OASDI、SSI、住房援助和EITC的影响而言，从这些州样本中所得的结果与我们在整个国家的影响十分接近。并且，我们的研究所使用的各州在人口统计特征方面通常被认为可以代表美国。

另一个担忧是，EITC金额不是受资助者实际收到的金额，而是基于行政税收数据计算的合格金额。这样的计算方式将夸大EITC的实际支付金额，原因有两个：（1）并非每个IRS都能获得EITC的资助资格；（2）并非所有符合EITC资格的人都会申请信用贷款。我们发现，EITC接受者的实际数量和支付的美元数量（来自IRS公布的公开总数）分别约占合格EITC接受者和我们计算的相关美元的75％和90％。因此，似乎没有接受减免额度的合格税务单位，以及那些未获资格的单位只获得了很少的EITC资金。这种比较表明，我们使用符合条件的EITC金额，对真实接受金额是高估的，虽然幅度不大，但需要注意的是，CPS的总体EITC美元估值向下偏差幅度约为30％（Meyer，2017）。

最后，请注意，我们的公共援助和住房援助数额，将所有行政数据未包含的接受者视为真实的。请注意，我们无法了解那些数据库中未包含的实际接受者的接受数额。此外，住房援助的影响可能被高估，因为我们使用HUD计划的金额来推算国家和地方计划的支付数额，尽管后者通常比前者更为慷慨。然而，这些计划的效应也有可能被低估，因为非TANF公共援助计划和非HUD住房援助计划的数额我们无从得知。事实上，公共援助总计调查金额低于总体行政资金（如上所述构建），略低于Meyer等（2015b）的结论。总而言之，我们对公共援助的行政估计可能仍过低，而对住房援助的估计仍可能会被夸大。

四、结果分析

本文重点介绍了每个支付转移计划对减贫的三重影响。首先，第一重影响是降低与特定转移相关的贫困率，这是最常被引用的统计数据。具体而言，这是从无支付转移到加入单一的支付转移所引起的贫困率的百分比的变化。其次，第二重影响是转移支付所引致的的转移前后贫困差距的变化，这通常被认为是衡量贫困人口减少的一个更好的标准。贫困差距被定义为将所有家庭提升到贫困线所需的总资金，因此可以解释为衡量贫困“强度”的指标。第三，最后一项衡量标准是该支付计划转移到贫困人口（转移前）的总资金的占比，反映了该转移计划对贫困人口的影响。

4.1主要结论

对于每个转移计划降低贫困率的三重影响，本文分别使用调查报告或综合调查和行政数额计算得出结果，还计算了每个转移项目的受资助者的平均数量以及每月受资助者所在家庭的平均转移金额。就资助的家庭数量以及向受助人支付的平均金额而言，OASDI是迄今为止最大的转移计划。事实上，OASDI的平均资助金额大约是住房援助计划的2.3倍，而后者是向受资助人提供数额第二多的平均转移支付。此外，调查数据低估了所有计划的接受者数量（这种差异对于SNAP和公共援助的接收者尤其明显），而他们夸大了除OASDI之外的所有计划的每个受资助者家庭所领取的平均转移金额。

正如预期的那样，OASDI在所有转移支付中也是效果最大的减贫措施，将转移前的贫困率降低了31％，减少了近三分之一，填补了45％的贫困差距。不过，尽管OASDI所导致的减贫幅度很大，但实际只有65％的美元用于转移前的贫困人口。在经过经济情况调查的转移支付中，EITC和SNAP对贫困率的影响最大，其次是住房援助、SSI和公共援助。然而，住房援助和SSI比EITC填补了更多的贫困差距。这似乎是由SSI推动的，住房援助比EITC更加针对穷人。大约80％的SSI和住房援助资金用于转移前的贫困人口，而EITC只有46％的资金用于转移前的贫困人口。

一般而言，使用调查数据计算的每个计划的减贫效应与从综合调查和行政数据中获得的减贫效应非常相似，但也有例外。当我们按家庭类型作分解分析时，我们也会看到更多例外情况。在使用调查数据的统计结果中，公共援助对于贫困率和贫困差距的降低作用分别下降了39％和24％，OASDI和SNAP存在轻微低估，SSI则略有高估。虽然公共援助的这一效果可能部分是由于我们构建组合数据的方法所引起的，但它们也可能是由于调查误报所致。此外，调查数据似乎夸大了OASDI、SNAP和公共援助在多大程度上针对转移前的贫困人口，并低估了SSI针对转移前贫困人口的影响程度。对于SNAP来说，这种现象更加明显，从调查数据到合并数据，转移前贫困人口的计划资金比从80％下降到72％。这个结果就是一个例子，说明行政和调查数据在收入分配如何支付计划资金方面产生了一定的差异。

4.2深度贫穷和近乎贫困

上述调查结果表明，对于公共援助以外的计划，SIPP相当准确地捕获了跨越贫困线的个人数量信息。但是，我们还研究了在使用不同的收入截止时不同转移支付计划的效果如何变化。特别是，我们研究了收入低于联邦贫困线（深度贫困）标准数额50％的家庭数量和收入低于联邦贫困线标准数额1.5倍（近乎贫困）家庭的变化。我们还考察了每个转移计划对深度贫穷和近乎贫穷的影响。

4.3深度贫困

我们首先考察深度贫困的变化及结果。值得注意的是，转移前深度贫困率为22％，低于传统贫困人口的31％。除了EITC之外，深度贫困率的下降百分比高于传统贫困率的下降，表明这些转移方案似乎在使家庭摆脱贫困方面发挥着特别重要的作用。OASDI继续发挥最大作用，将转移前的深度贫困率和差距分别削减47％和50％。各项基于收入调查的转移支付计划都能使（公共援助除外）贫困率降低4.5-7.6％，其中住房援助影响最大。此外，SNAP实际上在针对深度贫困人口方面不如OASDI成功。然而，SNAP在基于收入调查的转移支付中，对贫困差距影响最大，使之缩小了13％。需要注意的是，EITC（相对于其他计划）的较小作用源于针对深度贫困人口的资金仅占26％，相比之下，其他每个计划的贫困人口所获得的总资金都在54-71％。

尽管有例外，但是现有的调查数据似乎仍然可以充分衡量方案对深度贫困的影响。不过最值得注意的是，在调查数据中，公共援助对深度贫困率的影响作用减少了近三分之一。对于每个调查项目，深度贫困群体的贫困差距缩小幅度也小于其合并后的对应结果，这些差异对于SNAP和公共援助而言比OASDI和SSI更明显。至于将计划资金用于转移前的深度贫困人口，在我们使用传统贫困线标准计算时，也再次看到了使用调查报告计算与使用所有计划（SNAP除外）的综合估计值计算结果之间的密切相似性。

4.4近乎贫困

近乎贫困人口的基本贫困率大约为40％，高于传统贫困人口的31％。近乎贫困率下降的比率低于每个项目传统贫困率的下降幅度，这与我们对贫困的传统观点相反，并表明这些转移方案在将家庭摆脱贫困方面发挥的作用较小。OASDI仍在所有项目中影响最大，将近贫困率和贫困差距分别降低了约20％和37％。基于收入调查的转移支付计划对近乎贫困率影响最大的是EITC，其次是SNAP、住房援助、SSI和公共援助。虽然EITC对近乎贫困人口的瞄准仍低于其他计划，但其差距比深度贫困和传统贫困情况下缩小了。基于收入调查的转移对近贫困差距的影响更为均衡，SSI、SNAP、住房援助和EITC各自填补了4.0-5.4％的差距。SNAP对近乎贫困群体的影响最大，减少了5.4％的贫困差距。

与针对深度贫困和传统贫困的措施相比，在针对近乎贫困的影响中，调查和综合数据产生了更大的差异。对于SNAP和公共援助，调查数据分别导致近贫困率下降幅度约为根据合并数据计算结果的三分之二和二分之一。使用调查数据，我们还观察到OASDI使近乎贫困率降低了18.1％，而使用综合数据计算结果则为19.5％。调查与综合数据在近乎贫困人群上的计算差异，与转移数额的误报是一直的，而后者的问题只会随着收入的上升而愈发严重。

4.5家庭类型的影响

以前的分析侧重于这些转移计划对所有家庭的影响，但这些计划的相对重要性和误报的程度如何在不同的家庭类型中分解仍有待观察。这样做至关重要，因为其中许多程序都针对特定类型的接收者。例如，OASDI针对老年人和残疾人，SSI针对残疾人，TANF针对单亲家庭。因此，我们分析了八种家庭类型：单亲（非老年人）、多父母（非老年人）、无子女单身人士（非老年人）、无子女多人（非老年人）、老年人、残疾人和失业者。

首先，我们评估哪些项目最有效地作用于每类人群。由于基本贫困率因家庭类型而异，因此我们将基本贫困率的降低作为衡量减贫效果的重要尺度。对于八个小组中的六个而言，OASDI是减贫效应最显著的转移支付计划，其减贫幅度也最大。该计划的减贫效应对老年人尤其引人注目，单独将贫困率降低了75％，是第二名（SSI）的62倍。对于残疾人，OASDI将贫困率降低了三分之一，是SSI的6.5倍。OASDI在填补贫困差距方面也发挥了类似的显著效应。

对于老年人和残疾人来说，SSI在基于收入调查的转移支付计划中的减贫效应最为显著，对失业者和无子女家庭也是如此。EITC在基于收入调查的转移支付计划中，对除老年人和失业者以外的所有小组产生最显著的减贫效应。这些小组的样本成员不太可能有收入，因此更可能获得资助。对于除单身无子女和失业家庭以外的所有分组的减贫效应，SNAP是基于收入调查的转移支付计划中排名第三。最后，住房援助似乎主要针对单亲、独居、老年人和失业家庭，因为这些家庭往往具有相当高的转移前贫困率。单亲和多父母家庭似乎特别受益于这些基于收入调查的转移支付计划。对于单亲家庭而言，EITC、SNAP和住房援助分别将贫困率降低了8.7％、7.0％和5.9％。对于非单亲家庭，EITC和SNAP各自将贫困率降低了9.4％。相比之下，没有任何其他基于收入调查的转移支付将任一小组的贫困率降低了5％以上。

相比调查数据中反应的关于减贫的统计结果，行政调查数据给出了较为不同的答案。在调查中，单亲家庭报告不足的情况最为明显。单亲家庭使用调查数据估计的OASDI、公共援助、SSI和SNAP的减贫幅度分别仅为使用综合数据估计结果的0.34、0.35、0.44和0.91倍。相反，残疾家庭和单身人士在SSI和SNAP则倾向于在报告时夸大。此外，对于有工作的家庭而言，公共援助之外的项目在不同的数据中的减贫效果较为相似。

对于每个小组，调查数据低估了OASDI的减贫效果。虽然这一低估在单亲家庭中最为明显，但就多亲家庭和单身人士而言，调查数据也对贫困率的下降分别低估了21％和12％。估计差异对老年人群体最不明显，老年人也是社会保障受益人中最大的一部分。相比之下，调查数据高估了除单亲家庭和多亲家庭以外的每个子群体的SSI减贫效应。对于单身无子女和失业家庭，调查数据将SSI的减贫效果高估了50％以上。对于SNAP而言，调查数据中的减贫估计略微低估了针对老年家庭，多人无子女和单亲家庭的减贫效果，并高估了单身无子女和失业家庭的减贫效果。在调查中，公共援助的影响都被低估了，这一差异对单亲和单身无子女家庭而言最为突出。

调查数据显示SSI、OASDI、公共援助和SNAP导致单亲家庭的贫困差距减少幅度分别为综合数据估计结果的0.62、0.69、0.78和0.93倍。对于公共援助和SSI，调查估计和综合估计之间的差异也往往更大，而OASDI和SNAP则相对更小。

4.6多项计划参与

通常情况下，转移计划的接受者人群之间是互补的。例如，公共援助的接受者也很可能会是SNAP的接受者。接受SSI资助的个人如果是残疾人，很可能也会接受OASDI的资助。在本小节中，我们评估了各种计划组合的减贫效应，以及这些效应如何在一些特定的依赖政府转移的家庭类型中产生差异。我们还研究了五种基于收入调查的转移支付计划和所有六项计划的总体效果，以更广泛地了解安全网在减贫方面的作用。我们生成了一个比全样本范围更狭窄一些的子样本，不过其中包含了所有六个转移支付计划的行政数据。

在A组的所有家庭中，我们看到OASDI和SSI共同将基本贫困率降低了37％，尽管这一效应大部分是由OASDI推动的。SNAP和公共援助共同将贫困率降低了5％，其中大部分是由SNAP推动的。调查报告估计的影响低于综合数据对OASDI+SSI和SNAP+公共援助的估计，前者是由于OASDI报告不足而后者是SNAP和公共援助报告不足。在这两种组合中的增加住房援助，能使OASDI+SSI的减贫率放大11％，SNAP+公共援助放大71％。五项基于收入调查的转移支付计划总共将贫困率降低了约16％，而所有六项计划（加上OASDI）共同将贫困率降低了一半以上。

对于B组中的单亲家庭，SNAP、公共援助和住房援助的组合将贫困率降低了17％，这超过了所有家庭的五项基于收入调查的转移计划的影响总和。而且值得注意的是，对于单亲家庭，基于收入调查的转移支付比OASDI的影响要大得多，将贫困率降低了32％。在加入OASDI后，六个转移计划共同将贫困率降低了38％，仅增加了6个百分点。在对贫困差距的影响方面，我们得到了类似的结果，五项基于收入调查的转移支付将贫困差距缩小了52％，六项转移计划共同将差距缩小了60％。

对于C组中的老年家庭，OASDI、SSI和住房援助的组合分别将贫困率和差距降低了84％和92％，几乎所有这些效应都是由OASDI推动的。OASDI的重要性最明显地显示如下：基于收入调查的计划仅削减了基本贫困率的3.5％，而增加OASDI则将贫困率削减了85％。因此，对于老年人来说，OASDI对贫困率的影响是五个基于收入调查计划转移总量的23倍之多。事实上，这六项转移计划对老人家庭的总体影响远大于我们在全样本和单亲家庭样本中所观察到的影响。对残疾家庭样本的观察也获得了类似的结果。虽然远不如对老年家庭影响大，但是OASDI对于贫困率的降低效果仍是其余五项基于收入调查转移计划的两倍。六项转移计划共同将残疾家庭的贫困率降低了57％，这与我们在全家庭样本的估计结果较为一致。最后，可以发现，五项基于收入调查的转移计划对转移前贫困的老年人家庭的减贫效果优于对单亲贫困人口的减贫效果。然而，由于OASDI对老年人和残疾人起着相对较大的作用，而且对转移前贫困人口的影响较小，因此六个转移计划对转移前贫困的单亲家庭的共同瞄准效果要优于针对转移前贫困的老年人和残疾人家庭的瞄准。

五、讨论

在本节中，我们将简要介绍安全网如何在大萧条和部分恢复期（本文研究的时间段）中运作。我们会将本文的减贫估算结果与之前的研究结果进行比较，并讨论行为反应如何影响这些转移计划的减贫效果。

5.1本研究涉及的时间段

我们的分析涵盖了与大萧条的发生和余波相对应的时间段。在经济衰退期间，转移计划是失业或遭受其他负面冲击（如收入或资产大幅减少）的家庭非常重要的福利保障措施。在我们研究的重点项目中，EITC和SNAP在大衰退期间的支出和案例量大幅增加。我们还发现，这两个项目在我们研究的基于收入调查的转移支付中具有最大的反贫困效果。然而，这些扩张针对的是收入分配不同部分的接受者，比如，SNAP更关注贫困线以下的家庭，EITC更关注贫困线周围的家庭（Anderson等，2015）。而失业保险的扩张往往有利于收入分配底部和中部的家庭，因为在大衰退期间其福利期延长至99周。相比之下，我们的研究结果表明，在经济衰退期间，TANF支出和案例数量变得停滞不前，公共援助则是六个项目中反贫困效果最小的。这个时期很特殊，因而福利安全网在这段时期如何运作是值得进行深入研究的。

5.2与其他文献的比较

此前的多项研究中用于计算贫困的方法和数据的特征存在许多差异，妨碍了这些研究结果之间的可比性。这些差异包括基本收入的定义（包括税前措施、现金转移、没有转移到税后的的行为、转移后收入等）、检查的参考年份、分析单位（即估算个人或家庭的总数时是否加权）、用于计算收入和贫困状况的时间范围（月还是年度）、所使用的数据。为了部分解决其中一些差异，我们在此基于贫困率减少的百分比来讨论减贫结果。

首先，我们使用税前、转移前收入作为基数与Scholz等（2009）的估算进行比较。我们与其在数据调查的时间段、研究所采用的分析单位、数据类型上都有一定的不同。我们发现，除OASDI和公共援助外，我们估计的所有计划的反贫困效果都更强。虽然这些计划是过去二十年中发展最快的计划之一，但我们估计的差异可能也是由于SIPP数据的报告不足问题。这一问题对于SNAP来说可能尤其严重，我们对其减贫效应的估计比Scholz等（2009）的预测高出了219％。我们对SSI的估计则高出45％，对住房援助和EITC的估计也高出26-29％。公共援助计划的影响估计相似，可能是由于计划增长停滞和SIPP报告不足所引起的。

在将我们的估算与使用CPS数据进行估算的研究结果进行对比时，出现了更多的差异。在这些差异中较为明显的是，使用CPS的估计会采用年化估计的收入数额，并且通常使用一种包含了一定程度转移收入的基础收入测算方法。为了应对这一问题，我们使用包括现金转移的税前现金收入作为比较基准。将估计值与SPM结果进行比较可以发现，我们对SNAP的减贫效果估计仍然更大，比Short（2012）的结论高出32%，比Fox（2017）的结论高出51%。当前有证据表明CPS显著低估了SNAP的接受者数量，这也解释了上述估计差异。我们对住房援助的减贫效应估计也分别高出Short（2012）和Fox（2017）63%和32%。虽然我们可能会高估住房援助的影响，但这种差距不可能完全归因于这种差异。这一现象再次证明了CPS低估了住房援助的效果（Meyer和Mittag，2017）。

我们对OASDI减贫效应的估计小于Short（2012）和Fox（2017），而我们对SSI减贫效应的估计超过了Short（2012），但是低于Fox（2017）。这一结果与近年来OASDI和SSI支出的普遍增长相一致，并且证据表明许多调查中经常过度报告这些项目的援助情况。我们对公共援助的估计结果低于Short（2012）和Fox（2017）的估计值，这是近年来公共援助支出下降所致的。值得注意的是，Meyer等（2015b）发现公共援助在CPS中的报告甚至低于SIPP。因此，这一结果表明，由于测算方法问题或基本收入指标的差异，过去对公共援助的反贫困效应的估计可能偏高。最后，我们对EITC的减贫效应估计也低于Short（2012）和Fox（2017），尽管这两项研究中的EITC并没有刨除其他可退还的税收抵免（如儿童税收抵免）。我们对EITC的减贫效应估计也低于Hoynes等（2006），后者研究的时间段较早，所使用收入为税后收入，并专注于非老年人（往往是EITC的资助目标）。

5.3行为反应

转移支付项目的受资助人在收到资助后的行为反应会进一步地增加或减少转移方案的减贫影响。这些调整的具体程度通常取决于每个计划的激励和资助方案。在本小节中，我们将广泛讨论现有文献对本文六个转移支付计划对受资助人的行为激励，重点关注其劳动力供给的调整。

首先考虑社会保障（OASDI）。这里分别讨论OASI和DI是有道理的，因为它们的结构不同且针对不同的群体。从理论上讲，OASI对劳动力供给有一种模糊的影响，因为它可能会导致一些人通过“财富效应”退休，而其他个人可以继续就业，因为退休福利随退休年龄的增长而增加。虽然学界对这一项目的影响程度没有一致意见，但明确的研究往往会发现其会在一定程度上减少就业。另一方面，DI理论上会通过收入效应来减少工作，并且使得受资助者通过伪装失去劳动能力而避免参加任何具有收益性的劳动活动。虽然许多研究已经实证分析了DI的劳动力供给效应，但对工作抑制程度的重要性依然无法达成共识。对其中一些研究（涵盖不同人群和实证策略）的调查显示，DI将受助人的就业率降低了20-35个百分点。

很少有实证研究充分考察SSI对劳动力供给的影响。将老年人和残疾人的影响分开是有意义的。对于老年人而言，SSI在很大程度上具有标准的基于收入调查的转移支付项目的特征，即保障贫困老年人的收入，并且减少其额外的工作收益（Ben-Shalom等，2012）。在这种情况下，对劳动力供给的影响明显是负向的，Kaushal（2010）发现了来自老年移民的证据。对于残疾人而言，SSI的劳动力供应效应也为负，但可能小于DI。这部分是因为SSI的残疾接受者在申请福利之前被雇用的可能性远远低于DI接受者。

在TANF还被称为AFDC时（即1996年之前），就有较多的文献围绕TANF的影响效应进行了探讨。这些研究发现AFDC通常会减少就业，尽管这些影响的大小存在很大差异。然而，在目前的项目实施中，TANF包含了关于终身受益的工作要求和时间限制，这可能为增加工作时间提供了激励。一些使用观察分析的论文发现了TANF对就业带来的积极影响（与AFDC相比），尽管其中一些研究受到弱识别的影响或无法准确地消除与TANF同步进行的政策改革的影响。最近的研究使用结构模型来模拟TANF规则的影响，发现工作要求和时间限制增加了劳动力的供应，尽管他们对规模相对大小的估计不同。然而，很少有研究使用强大的识别策略估计当前TANF计划对劳动力供应的因果影响。

早期关于SNAP对工作抑制倾向的研究发现该影响在统计上往往并不显著（Currie，2003）。从理论上讲，对于单一收入者而言，SNAP的受益者因为收入效应和替代效应会减少劳动力供给。然而，当一个家庭中有多个收入者时，劳动力供应抑制因素可能会变小。这些预测将SNAP的福利等同于现金，这是非常合理的，因为福利金额通常低于受援家庭受援助前的食品消费水平（Ben-Shalom等，2012）。最近的研究利用州一级政策变化的准实验变异，发现在全样本条件下没有显著地改变劳动力供给，但单身女性家庭的劳动力供应会减少（Hoynes和Schanzenbach，2012；East，2017）。相比之下，Stacy等（2016）发现SNAP对“无家属的健全成年人”的就业有积极影响，因为该项目通常要求申请者有工作才有资格获得福利。然而，Stacy等（2016）和East（2017）估算的影响幅度较小，边际影响仅有5%左右。

从理论上讲，住房援助还应通过收入效应和替代效应减少劳动力供应（因为租户支付的收入增加）。Susin（2005）使用可观察选择模型得出结论，公共住房使工资收入减少了19％，Olsen等（2005）发现公共住房或代金券会使收入产生30-35％的下降。Jacob和Ludwig（2012）使用来自代金券抽样的实验证据，发现其使得劳动时间和季度工资分别下降了6％和10％，尽管Jacob等（2015）的研究表明这些影响从长远来看是会逐渐消失的。

另一方面，EITC援助的影响与大多数其他的项目不同，其理论上应该产生积极的劳动力供给效应，至少对于单亲父母家庭会增加劳动力的边际供给。但是，对于已经工作的单亲家庭而言，EITC对密集边际劳动力供应的影响取决于他们的收入在EITC资助表上的位置。对于已婚父母，理论劳动力供应效应不明确，其影响可能在主要和次要收入者之间有所不同。实际上，一些实证研究发现EITC对单身母亲的就业率有正面影响，但对已婚女性和男性的就业率的影响较低。尽管如此，目前尚不清楚EITC导致受资助者行为的改变在多大程度上影响其减贫效果。Ben-Shalom等（2012）认为这些影响可能太小而无法产生任何显着差异，而Hoynes和Patel（2015）认为，省略这些影响会导致EITC的减贫效果被低估高达50％。

总之，鉴于这些劳动力供给反应，EITC的反贫困效应可能被低估，而非EITC项目的反贫困效应可能被夸大。虽然许多这些计划引发的调整行为可能很小，但某些家庭类型可能有较为显著的反应。此外，这些转移支付项目的某些方面的要求（例如SNAP和TANF存在与工作相关的要求）可能减少一些预期会受到该类资助的家庭劳动供应。最后，值得注意的是，劳动力供给的改变只是一种可能发生的边际行为，其他可能出现的行为还有在家中度过的时间和储蓄率的变化等。

六、结论

本文详细研究了政府转移支付项目的减贫效果。本文几乎所有的研究结果都基于收入调查和政府转移项目报告，尽管之前的研究表明这些变量通常在调查中被大量误报，但是依然可以将行政管理数据与收入调查联系起来以克服这种误报，不过这样的工作通常会针对一小部分计划，或是根据州和年度的数据进行处理。本文通过将六个单独的转移计划（包括最大的社会保险计划和四个最大的基于收入调查的转移支付项目）的行政数据与调查数据联系起来，著成此文。特别是，我们同时链接了比以往任何研究更多的转移计划数据。通过在重新设计之前使用的数据最新完成的SIPP样本组，我们检查了行政管理数据的优势，认为这些数据可能是最准确的调查数据，在不久的将来或许大有用处。我们还使用新数据更新了过去的研究。当然，本文只是迈出了结合行政收入数据与住户调查进行研究的第一步。

使用综合的行政管理数据和调查数据，本文的结果表明，OASDI对减少贫困率的影响最大，而EITC和SNAP具有最大的反贫困效应（尽管它们在官方贫困指标中被忽略）。在本文研究的项目中，OASDI和EITC较少关注转移支付前的贫困者。在基于收入调查的转移支付项目中，SNAP、住房援助和SSI对填补贫困差距最为重要。这些计划的作用在不同人群之间也存在很大差异，老年人主要受益于OASDI，残疾人主要受益于OASDI和SSI，单亲家庭更多地受益于EITC和SNAP。对于不同贫困类型，我们发现EITC在减少近乎贫困方面更为重要，而其他基于收入调查的转移支付计划对贫困人口的影响更大。平均而言，根据调查数据和综合数据估计的各计划对贫困率和贫困差距的影响较为类似。但是，也存在一些例外，比如调查数据低估了公共援助对深度贫困群体的影响，SNAP和公共援助对近乎贫困群体的影响，以及大多数转移支付计划对单亲家庭的影响。

由于各研究计算贫困的方法和所用数据存在差异，因此将我们的估计值与其他文献中的估算值很难进行比较。然而，与使用早期版本的SIPP的分析相比，我们发现除公共援助之外的所有计划都产生了更大的减贫效应。与使用CPS的分析相比，我们发现SNAP和住房援助的减贫幅度更大。同样需要注意是，我们在估算公共援助和住房援助的影响时所使用的行政管理数据同时覆盖了其他的受访者。我们高估了EITC的影响，因为我们根据行政税收数据预测符合条件的金额，尽管这一高估程度可能大约为10％。从长远来看，对计划接受者的行为反应，特别是劳动力供应的反应，可以进一步增加或减少这些计划的减贫效应。EITC之外的计划的影响可能被夸大，而EITC的影响很可能被低估。

本文表明，2008年SIPP在衡量大多数减贫计划时表现良好，可以准确估算各种转移计划的减贫效果。然而，仅比较调查报告和综合数据的估计结果，仅适用行政估计值，仅适用传统贫困标准的作法，也会使我们忽略关于家庭收入与类型分布的重要特征。对于单亲家庭而言，我们发现SNAP和公共援助的减贫效果被低估，这与Meyer和Mittag（2017）的调查结果相对应。这表明，对调查数据进行简单误报修正的局限性并未反映出不同收入和家庭类型误报之间的差异。如果希望通过分组进行更细致的分析，这种修正可能会出错。虽然SIPP存在缺陷，但它已经是检查相关转移计划和贫困问题的最准确的调查。然而，2014年SIPP最近一次的重新设计，使之产生了一些变化（包括每年采访而不是每四个月一次），这使我们无法确证其准确性。

如前所述，本文是更大的综合数据采集项目的第一步，该项目旨在通过将行政数据与住户调查联系起来，改善收入衡量标准。虽然本文在家庭调查中纳入了比过去任何研究更多的行政数据，但我们仍希望扩展未来使用的行政数据。我们还希望将这些行政数据与其他调查在时间尺度上联系起来，以便审查收入和减贫趋势的改变。

作者简介：本文两位作者供职于芝加哥大学哈里斯公共政策学院。

 

 

增加人力资本投资对经济增长和贫困的影响

MatthewCollinDavidWeil

摘要

本文利用具有现实人口统计学变量的定量宏观经济模型，研究了收入和贫困对劳动者人力资本投资增加的动态反应。与目前在每个国家观测到人力资本投资率保持不变的基准模型相比，本文研究了两种情况：一种情况是假定每个国家的人力资本投资率是2005-2015年间典型的人力资本投资率；另一种情况则假定每个国家以观测到的第75百分位增长率来提高人力资本投资率。在前一种情况中，2050年世界人均国内生产总值比基准模型高出5％，而全球1.90美元贫困线标准下的贫困率则要低0.7个百分点。在后一种情况中，2050年世界人均国内生产总值比基准模型高出12％，1.90美元贫困线标准下的贫困率下降了1.4个百分点。这些收益集中在贫穷国家。在我们的模型背景下，本文认为，投资于人比投资物质资本作为增加收入或实现减贫目标的手段更具成本有效性。

一、引言

各国之间人力资本投资率的差距非常大。这种差距很容易通过用于评估人力资本的标准指标观察到，如入学率和劳动者最高学历。最近，经济学家拓展了评估人力资本投资的指标范围，将考试分数作为衡量学校质量的指标，将健康投入和健康产出作为衡量劳动者身体能力的指标。毫无疑问，对扩展的人力资本投资的研究表明，各国之间的差异比学界以前认为的更大：平均而言，贫穷国家的儿童不仅受教育年限较少，而且接受的教育质量更低，成为劳动力时比富裕国家的同龄人更不健康。

最近，世界银行的一项研究（Kraay，2018）制定了人力资本指数（HCI），这是衡量各国人力资本投资流动率的新指标。HCI包含有关入学率，考试成绩和健康状况（将利用存活率测量的成人健康与儿童发育迟缓、死亡率相结合）的数据。参考Weil（2007）的做法，HCI构成指标的权重是基于学校教育和健康对工资的影响，以及考试成绩与受教育年限之间的关系来设定的。该测量方法适用于中学教育结束时的人力资本投资测算。对数据进行标准化后，测量值1.0表示没有人在童年或成为劳动力前死亡，没有发育迟缓，所有儿童接受完整中学教育的人力资本水平，该测试分数相当于PISA标准下的625分。

图1人力资本指数



图1显示了HCI与人均国内生产总值之间的关系。在高投资国家，HCI介于0.8和0.9之间，而在低投资国家，HCI介于0.3和0.4之间。显然，收入与人力资本投资之间存在紧密的相关性。另外，也有一些有趣的异常值：相比于同等收入水平的其他国家，中国和越南的人力资本指数很高，而一些石油生产国的水平则出乎意料地低。

人力资本指数与收入的高度相关性反映了两个方向的因果关系：一方面，人力资本有助于提高产出，另一方面，富裕的国家可以负担得起对儿童的更多投资。这种相关性还反映了其他因素的影响，例如制度，其可以同时影响收入和人力资本投资。因此，我们不能简单地使用图1中曲线的斜率来回答有关人力资本指数和收入之间的因果关系问题。想要回答此类问题，我们需要一个可以良好识别并估计人力资本对产出影响的模型。

从单个国家的角度来看，最有趣的问题是人力资本投资的增加会在多大程度上带来收入的提高。正如Kraay（2018）所说，在稳态下这个问题的答案非常简单：由于人力资本指数衡量了劳动者的最大生产率，所以人均收入的增长与人力资本指数的增加成正比。例如，一个国家如果人力资本支出从0.5增加到0.75，那么，相对于人力资本投资保持不变的情况，该国家人均收入将增加50％。

虽然人力资本投资增加导致稳态时收入的大幅增加，但收入的增加有很长的时间延迟，在评估其可取性时必须考虑到这一点。这种延迟最明显的原因之一，是人力资本指数仅测量对当代年轻人的投资水平，而当代劳动力群体则由过去不同时间接受人力资本投资的人群组成。人力资本指数的提高完全反映在劳动力的人力资本中至少需要四十年，即人们进入劳动力市场到离开劳动力市场的时间。此外，人力资本投资的增加可以通过物质资本的积累进一步提高产出，这将产生后续效应。该效应也需要时间才能完全发挥出来。因此，评估这些影响需要更精细的动态模型，如Ashraf，Lester和Weil（2008）提出的模型。

除了讨论HCI变化对人均GDP的影响之外，我们还利用本文所构建的模型研究其他两个问题。首先，我们研究了贫困率如何随HCI变化而变化；其次，我们使用该模型来比较人力资本增加和物质资本增加对产出和贫困率的不同影响。

我们的研究起点是关于人口结构的信息：每个年龄组中有多少人（具体而言，我们将人口以五岁为间隔来分组）。联合国人口司收集了这些数据，并对未来的人口结构进行预测，我们将其纳入了模型。

我们将这些人口统计学数据与教育程度的信息结合起来，也按年龄进行分组（Barro和Lee,2013；IHME,2015）。以年龄分组后的受教育程度数据十分重要。因为随着时间的推移，年龄较大、受教育程度较低的劳动力将被年轻、受教育程度更高的劳动力所替代，从而提高人口的受教育水平。

结合不同年龄群体的人口年龄结构和教育程度数据，我们可以计算出每组劳动年龄人口的人力资本平均水平，这是经济中生产的投入要素之一。我们还可以测量国家物质资本存量（生产中的另一个关键投入要素）。在我们的模型中，在假定投资率保持当前水平的条件下，我们可以追踪物质资本的数量如何随时间演变。通过人力资本和物质资本以及人均GDP的数据，我们还可以计算出每个国家的全要素生产率。最后，已知劳动年龄人口与整个人口的比例的情况下，我们可以追踪每个工人的生产如何转化为人均产量。

基于以上的分析，我们就可以模拟一些情况来说明，在人力资本指数取不同值时，一个国家的生活水平如何随着时间的推移变化。我们更感兴趣的是人力资本指数的变化如何引起收入和贫困的变化。为此，我们首先构建一个基准模型，即假定未来人力资本指数保持不变，经济将如何发展。基于此基准模型，收入增长和减贫的原因有四个。首先，如上所述，大多数国家目前的人力资本指数所代表的投资水平高于中老年劳动力所接受的人力资本投资水平。因此，老龄化和劳动力替代的过程自然会提高劳动力的平均人力资本。其次，预测的劳动年龄人口与总人口的比率将随过去（和预测）的生育率变化而变化。在许多发展中国家，人口红利将具有重要意义。第三，我们预计生产力将在未来提高。最后，物质资本的水平也将会调整，特别是在生产力和劳动者人均资本提高的国家，物质资本也会提高。

从人均收入预测转变为贫困率预测需要一些其他的机制分析。贫困是平均收入水平和家庭收入分配方式的函数。例如，在一个家庭平均收入高于贫困线的国家，较高的收入不平等程度意味着贫困家庭的比例会更高。不平等是通过基尼系数来衡量的，世界银行对我们样本中的每个国家的基尼系数均进行了估计。在预测未来贫困时，在基准模型和其他替代模型中，我们均假设每个国家的基尼系数保持在最近可观测的水平不变。

为了评估提高人力资本指数的影响，我们将特定政策（我们称之为替代模型）对收入和贫困的影响与基准模型中收入和贫困的变化相比较。事实上，基准模型中收入将增加，贫困率则下降。通过比较基准模型和替代模型的结果，我们可以得到特定政策对收入和贫困变化的影响。

我们考虑三种替代模型。如下文所述，其中两种替代模型的样本限制在2005-2015年间人力资本指数上升的国家。首先我们观察HCI保持中等水平的国家，其HCI与1的差距如何随着HCI构成指标的值增加而变化。然后，我们将此差距的变化率应用于所有国家的模拟，即各国HCI与1的差距每年以约4％的速率降低。在此情况下，一个典型的发展中国家，在2015年人力资本指数为0.5，到2050年则上升至0.62。第二种情况下，我们将更为乐观地指定每个国家HCI构成指标的增长率为所有观测值的75%分位数点。也就是说，各国HCI与1的差距每年以约9％的速率降低。

为了说明结果，我们发现在第一种替代模型中，到2050年全球人均GDP比基准模型高5％，而在低等和中低收入国家（我们称之为发展中国家），该差异达到9％。以每天生活费低于1.90美元的人口比例衡量的贫困率，同样比基准模型降低0.7个百分点（发展中国家为1.2个百分点）。评估该政策影响的另一种方法是查看实现特定贫困目标的年份。例如，对于上述政策，发展中国家整体在2045年至2050年之间的贫困率将降低至5％，而基准模型中直到2050年至2055年之间，贫困率才能降低至此水平。

除了如上所述的两种情形之外，我们还要讨论一种更强力的政策，即世界上每个国家都立即（截至2020年）将HCI提高到最高水平，即1.0。这种情况并不现实，只是用来帮助我们理解动态模型。在此情况下，2050年全球的贫困率将比基准模型低2.5个百分点。

虽然我们更关注大国的估计结果，但我们构建的模型实际上对各个国家的数据进行了分别考察。因此，该模型可以用于计划和评估政策：人力资本指数的增长将带来什么红利？该红利何时出现？为了达到特定目标，人力资本指数的变化路径是什么？

当然，与任何此类模型一样，我们的模型估计结果受到相当大的不确定性的影响。其中一些不确定性与基础模型本身有关。我们对基准模型的假定，比如未来人口结构、投资率和生产力增长，都可能是错误的。但是，我们的目标在于评估特定政策的影响，并在相同的假定条件下模拟政策的实施，再比较其与基准模型的差异，因此上述测量误差在很大程度上会被抵消。此外，如果我们没有控制人力资本指数影响收入增长和贫困的所有路径，那么我们对政策评估的潜在错误就会更加严重。我们遗漏的一条路径是父母人力资本对生育率和儿童人力资本的影响。受过更多教育的父母往往生育率较低，并且更多地投资于自己孩子的教育。他们也更有能力做出对儿童健康产生积极影响的决定。所有这些影响都会提高人均产出的增量，同样也会使贫困减少幅度更大。人力资本指数提高影响贫困的第二个重要途径是改变收入分配。在我们的模拟中，我们假定一个国家的不平等程度（基尼系数）在替代模型与基准模型中是相同的。然而，实际上，人均收入的增加可能会使穷人的人力资本比富人的人力资本增加更多，原因很简单，因为前者对人力资本的需求更大。更平等的人力资本分布反过来将降低收入不平等，从而使减贫程度超过我们通过替代模型估计得到的结果。

 

二、模型

在本节中，我们将更详细地描述我们用于模拟人力资本提高对经济增长和减贫影响的模型。我们假定生产函数为Cobb-Douglas生产函数，物质资本与经过质量调整的劳动力（quality-adjustedlabor）作为生产要素。全要素生产率的增长率代表技术变革和制度效率，为外生的，且保持不变。此外，人口结构的变化也视为外生，不随人力资本投资而改变。

2.1基本假设

时间（t）以五年为间隔增长。也就是说，t=0表示2015年，t=1表示2020年，依此类推。

虽然工作年龄可能因环境而异，但在本文的模型中，我们将所有年龄在20-64岁之间的人视为劳动力人口。对于许多发展中国家来说，许多人从15岁便开始参与劳动力市场。但是，教育的数据一般包括十二年级，通常在受教育者18岁时结束。因此，我们将样本限制在20岁以上，以便获得Barro-Lee数据中测算的中学毕业成绩。我们假定在此年龄段中所有人都充分参与劳动力市场，无论其性别或年龄。此外，我们不会对20岁以后因接受教育不参与劳动力市场或在这个年龄之前进入劳动力市场的人进行任何调整。

我们以五岁为间隔（20-24,25-29...）来划分人口。年龄用a来表示。我们将按年龄组的第一个年龄对其进行赋值，如a=20，25等等。

在整个估计过程中，我们根据《世界人口前景：2017年修订版》（联合国经济和社会事务部，人口司，2017年），将五个年龄组的人口数量视为给定。对未来的人口预测也被视为外生：我们不允许人力资本（或收入）影响生育率、死亡率或劳动力参与。我们也不允许教育对死亡率带来影响。

对于教育，我们只关注通过中学获得的数据，并不包括高等教育。隐含假定为，各国之间的高等教育差异将在生产力方面得到体现，并且这一点被假定在模拟中保持不变。

在本文中，我们假定2015年20-24岁人群中观测到的人力资本水平与人力资本投资流的产出水平相当，后者由人力资本指数来衡量。

为了计算人力资本、物质资本、生产率、GDP和贫困的变化，我们将分别对各国进行分析。之后，我们将汇总这些结果，以考虑对不同国家收入群体或世界的影响。在下面的计算中，我们不会使用国家/地区的下标。

2.2校准（t=0）

我们尽可能使用2015年的数据来校准第0期的模型。如果没有2015年的数据，我们则使用最近的可用年份。下面我们将介绍如何生成模型的初始值。

按年龄和工作年龄分组的人口

设为第t年年龄组a中人口数量。我们将劳动年龄人口定义为：



而劳动年龄人口的比例为：



国内生产总值

对于GDP，我们使用世界银行2015年的GDP衡量标准，利用购买力平价（2011年国际元）来计算，并记作GDP₀。然后，我们将单位劳动力的GDP定义为：



人均GDP为：



物质资本存量

我们将第0期的总资本定义为。利用佩恩表（PennWorldTables）9.0版本将每个国家2014年的资本存量价值按购买力平价转换为2011年的价值，并将单位劳动力的物质资本定义为：



 

受教育程度

各年龄组受教育程度的数据来源于两个数据库。第一个是Barro-Lees数据库，截至2010年，它涵盖146个国家，并按性别和五岁间隔的年龄来分组（Barro和Lee，2013）。

在对2015年受教育程度估计时，我们假定每个年龄组都保留了五年前的受教育程度，也就是说，没有一个组在2010年之后接受任何进一步的学校教育。例如，我们假设35-39岁年龄组与2010年30-34岁年龄组的受教育程度相同。由于2015年20-24岁年龄段的每个人都不会在2010年完成中学教育，因此我们假定2015年20-24岁年龄组与2010年20-24岁年龄组的受教育程度相同。一小部分国家小学和初中教育年限超过12年，我们仍将其受教育年限设定为12。

Barro-Lee数据库中没有75个国家/地区的数据。对于这些国家，我们使用健康测量和评估研究所（IHME2015）估计的受教育程度数据。IHME的数据无法区分不同的受教育程度。因此，我们将IHME的教育年限转换为与Barro-Lee小学和中学教育等值的数据。与Barro-Lee数据处理过程一样，我们将平均受教育年限限制在12年以内。

我们将年龄组a的受教育年限记作。在以下计算中，我们将该变量的最大值也设为12。

 

教育质量

事实上，关于教育质量的数据更难获得。即使老年人受教育程度的数据可得，但是涵盖所有年龄段的教育质量数据仍很少，特别是不经常接受调查的发展中国家。

因此，我们假设t=0时，即使各个年龄组的考试成绩不同，但是他们仍都具有相同的教育质量，即：



每个国家的是根据Altinok，Angrist和Patrinos（2018）的研究中使用的统一测试分数的来设定的，均为PISA等价单位（PISA-equivalentunits）。我们将测试分数记作，并利用Angrist，Filmer，Gatti，Rogers和Sabarwal（2018）的方法将其转换为教育质量指标：



我们假定Ψ=1，这与Angrist，Filmer，Gatti，Rogers和Sabarwal（2018）的结果一致。

调整受教育年限和人力资本

通过将受教育年限乘以t=0时的教育质量，我们可以计算所有年龄组的经质量调整的受教育年限，即：



最后，t=0时，计算各年龄组由教育带来的人力资本（在理论最大值为1）：



其中，ϕ是Mincerian方程中人力资本的回报，假定为0.08。

健康和来自健康的人力资本

与教育质量一样，我们无法在数据中单独确定不同年龄段的健康状况，这需要获得他们在童年时的健康投入数据。因此，我们将人力资本指数构成指标中发育迟缓的儿童比例和成人存活率（ASR）作为健康人力资本的代理变量，并将其应用于整个成年群体，分别记为和，后者并非在所有国家均可得。

健康的人力资本直接由上述两个指标构成。在健康状况良好的国家/地区，我们将健康人力资本赋值为1。如果两种指标的数据均可得，我们构建如下指标：





如果只有ASR数据可得，那么我们只利用ASR数据来构建健康人力资本：



我们利用Weil（2007）和Kraay（2018）的研究结果，假定=0.6528，=0.3468。

总人力资本

一个年龄组的总人力资本由来自教育和健康的人力资本所构成：



t=0时的生产率

我们使用单位劳动力的GDP、物质资本和人力资本来计算2015年的生产率：



其中，=1/3。

贫困人口

为t=0时的基尼系数（以0-1的范围来测量）。我们假设收入增长不会影响基尼系数。为t=0时的贫困率（同样也是0到1之间的分数）。

我们假设家庭收入是对数正态分布的，μ和σ分别为收入对数的平均值和标准差。因此，基尼系数如下所示：



其中，Φ是正态分布的累积分布函数。然后，我们计算收入对数在t=0时的标准差，由于基尼系数保持不变，因此σ也将保持不变。



将P定义为贫困阈值。因此，t=0时的贫困率即为：



也可写作：



我们通过假定家庭收入的算术平均值与人均GDP同比例增长来计算。设是家庭收入的算术平均值。



从对数正态的性质可以得出，



因此





所以



在t期，贫困率为：



利用上述表达式代替和，我们可以计算t期的贫困率为：



我们使用三种贫困线标准均进行了测算：每天1.90美元、3.20美元和5.50美元。每个国家的贫困人口比率和基尼系数来自世界银行提供的最近一年数据。

投资率

对于投资率，我们采用世界银行测算的资本形成总额与GDP之比来衡量。我们假设投资率在整个模型中保持不变，并且采用2006-2015年间每个国家的平均值。

2.3模拟

对于已有数据的每个国家，我们将构建几种情况。每种情况的生产力增长率相同，且为外生：



我们假定g=0.013，基于此，我们在典型情况中推导出2030年世界贫困率为5.6％，这与世界银行的预测一致。

基准模型（HCI恒定）

我们首先讨论一种基准模型，即每个劳动力的人力资本投资保持在t=0时的水平（当前人力资本投资指数水平）。也就是说，最年轻的劳动力（20-24岁的人）的人力资本保持不变，慢慢地，整个人口的人力资本水平与老年劳动力人口相同。动态变化主要来自生产力增长、物质资本积累、劳动年龄人口规模的变化以及抚养比的变化。

当前劳动人口的人力资本随时间保持不变，下一期最年轻的劳动力群体的人力资本则与t=0期最年轻的劳动力群体的人力资本相同。







资本演变路径如下：



其中资本折旧率δ=0.05。单位劳动力GDP与人均GDP如下：





基准模型有助于我们了解在人力资本投资保持不变的情况下，人均GDP和贫困状况将如何演变，而这仅仅是因为受教育程度较低的老年人群退出劳动力市场。接下来我们考虑三种替代情况，在这三种情况中，人力资本指数在25年间以不同的速率提高。

情形1：人力资本指数的典型增长

我们首先考虑的情况是，人力资本构成指标的增长速度与过去十年间各国增长率的中位数相同。为此，我们再次回到人力资本构成指标，包括预期的受教育年限、学习成绩、发育迟缓率和成人存活率。对于2005年和2015年都有数据的国家，表1分别显示了每个指标变化率的第50个百分点。

表1 人力资本变化的典型值和乐观值

人力资本 产出	2005-2015的变化		2015年中位数
	50分位	75分位
预期 受教育年限	0.482	1.151	11.84
学习成绩	6	19	423.57
非发育不良率	0.051	0.1	0.77
成人存活率	0.022	0.043	0.87

 

 

我们认为若一个国家其人力资本指数的构成指标为各个国家的中位数，那么各指标的增长率也分别对应各个国家增长率的中位数。也就是说，如果一个国家的EYS为11.84，学习成绩为423.57，非发育不良率为0.77，成人存活率为0.87，那么以上指标将分别增加0.482，6，0.051和0.022。

具体而言，我们考虑“HCI差距（HCIgap）”的百分比变化，即第一个年龄段的平均人力资本与理论最大值1.0之间的差异。我们将第t期HCI差距与第0期HCI差距的差值记为。若该值为零则表示该国家自t=0期开始其HCI保持不变。值为1表示HCI已经达到最大值。

如果一个国家在2015年其HCI构成指标保持在各国的中位数水平，增加值也是各国在2005-2015年期间增加值的中位数，那么我们预计该国每年HCI差距将降低1％（0.0073），或每五年降低大约4％（0.0359）。

为了估计这种典型增长的情况，我们并不模拟人力资本所有组成部分的变化，而是每隔五年直接使每个国家的HCI差距缩小4%（0.0359）。因此，决定了最年轻一代劳动力的人力资本，即：



情形2：人力资本指数的乐观增长

对于第二种情况，首先我们重复与情景1中相同的工作，但我们考虑HCI差距的变化与各个国家变化值的75百分位点相同。在这种情况下，我们假定的国家其HCI差距每年将缩小2％（0.0194），相当于每五年缩小约9％（0.0931）。我们将此情况认为是乐观增长，即在我们的估计中每五年每个国家的HCI差距减少9％。

情形3：人力资本指数立即达到最大

在这种情况下，我们讨论每个国家的人力资本指数立即达到最大值1时，对人均GDP和贫困的影响。此时，每个新的20-24岁年龄组的劳动力的人力资本为1，并且随着年龄较大的群体逐渐退出劳动力队伍，整个劳动力群体中的每个工人的人力资本会慢慢收敛到这个值。

虽然这对大多数国家来说显然不是一种合理的情况，但此情况仍然有意义，因为它确立了人力资本改善增长效应的上限，今天投资的增长效应随着劳动力的老龄化而迅速显现出来。

 

三、结果

3.1劳动力的人力资本、人均GDP和贫困

按照第2节中描述的方法，我们估计了从2015年至2050年间，未来35年的结果。我们分别对每个国家进行了估计，最后将平均结果作为整个世界的结果。

我们首先讨论了每个劳动力的人力资本，并计算了世界的绝对值。在人力资本投资保持不变的基准模型下，劳动力的人力资本在未来35年内略微上升，从0.58提高到0.62，这主要是人口变化的作用。在典型增长和乐观增长的情况下，每个劳动力的人力资本小幅上升，从0.58分别提高至0.62和0.68。如果HCI差距立即缩小至0，即所有新的劳动力群体中每个劳动力的人力资本均为1，那么到2050年，劳动力的平均人力资本将接近0.92。由于人力资本水平较低的群体老龄化速度较慢，在这种情况下，世界的劳动力人力资本在2060年之前不会收敛到1。

3.2人均GDP

图3显示了基准情况以及其他三种情况下人均国内生产总值的变化路径。在典型增长和乐观增长的情景下，到2050年，世界人均GDP将比基准情况下高约5％和12％。相比之下，如果HCI差距立即缩小至0，到2050年人均GDP将增加38％。在较贫穷的国家，其人力资本指数初始值较低，人均GDP将增长得更多。对于低收入国家（根据世界银行的分类），在典型增长情况下，2050年人均GDP将比基准模型高出15％。在乐观增长情况下，低收入国家的人均国内GDP将高出约33％。



图2劳动力的人力资本



图3世界人均GDP预测



图4每种情景下收入与相对收入增长之间的相关性

我们认为，较贫穷国家的较高相对收益是由于其人力资本水平较低所致，因为当HCI差距缩小的百分比相同时，这些国家人力资本投资绝对水平的增加幅度更大。此外，对于HCI较低的国家，这些投资的回报也更高。图4显示了初始收入与我们模型中三种情况各自的收益之间的关系。

3.3贫困

图5显示了对全球贫困率的预测，在此，我们使用了三种不同的贫困线（每天1.90美元、3.20美元和5.50美元）。如上所述，我们展示了基准情况以及其他三种情况。



图5 贫困率预测

如上所述，基准模型中收入已经增长，也即发生了减贫。这是由于生产率的增长和人口结构的变化，以及年轻人群取代受教育程度较低的老年人所导致的人力资本的增加。在基准模型中，1.90美元的贫困线标准下，贫困率从2015年的大约10％下降到2030年的5.9％，在2050年进一步下降至3.2％。在典型增长的情形中，1.90美元的贫困线标准下，贫困率在2030年下降到5.6％,2050年下降至2.5%。（如上所述，2030年的情况与世界银行对贫困率的预测完全一致，这也是我们校准生产力增长率的方法）。在2050年，典型增长、乐观增长和HCI差距立即缩小至0三种情形下，贫困率将比基准模型分别降低0.7，1.4和2.5个百分点。对于较高的贫困线标准，不同情况下的相对差异明显更大，部分原因是在任何情况下绝对贫困几乎都会被消除，从而只为人力资本投资的增长效应留下更少的空间。



图6相对于基准情况，非贫困人口数量

 

在图6中，我们考虑了在基准模型中可能是贫困人口，但在其他三种情形中不属于贫困人口的群体。在乐观增长的情况下，到2050年，1.90美元、3.20美元和5.50美元的贫困线标准下，贫困人口将分别减少约13.03万到5.4亿。

 

 

四、人力资本投资VS物质资本投资

在本文中，我们一直在研究从人力资本指数出发增加人力资本投资对提高经济增长和减少贫困的作用。当然，在批准这样的政策之前，将其成本/收益比与其他政策进行比较将是有用的。其中最自然要考虑的便是物质资本投资。完整的比较超出了本文的研究范围，因为事实上我们并没有指出提高人力资本指数的成本。为了对这个问题提出一些启示，我们从另一个角度出发，即比较为了实现特定经济增长（减少贫困）所需要的人力资本和物质资本增长幅度。我们还可以利用我们的动态模型来估计产出和贫困的变化路径，以响应这两种不同的干预措施。

具体而言，我们考虑一个特定的国家，柬埔寨。2015年，20-24岁年轻人的人力资本值为0.493。2006-2015年的平均投资率为21.1％。现在考虑提高人力资本投资的效果，使人均HCI差距缩小3.6％，就像典型增长模型中的第一个五年一样。为简单起见，我们只考虑这一次改变，而不是查看HCI的完整变化路径。HCI差距缩小3.6％意味着新劳动力的投资率将从0.488上升至0.506，增幅为3.8％。很容易证明，如此规模的人力资本投资的增加会使稳定状态下的人均GDP提高3.8％。

我们现在计算实现稳态下同样的收入增长所需要增加的物质资本投资。在索洛模型中，人均稳态产出的增加与投资率的增加成正比，比例为α/(1-α)。令α=1/3，这意味着将人均GDP提高1.0377倍需要投资率增加1.0377²=1.0768。就柬埔寨而言，这意味着将投资率从20.1％提高到21.7％，即增加1.5个百分点。

虽然刚刚考虑的政策中的两个变化将具有相同的稳态效应，但是向稳态的转变过程将是不同的。换句话说，人力资本投资和物质资本投资都需要时间才能实现经济增长目标，但其所需的时间却不尽相同。特别是人力资本存量需要比物质资本存量更长的时间来应对投资变化。



图7人力资本动态变化与柬埔寨的物质资本投资

为了补充这一点，我们利用模型讨论了上述两种政策对柬埔寨产出的影响：将劳动者的人力资本从0.488提升至0.506，或者将物质资本投资率从20.1%提高到21.7％。在这两种情况下，我们都假设新的物质或人力资本从2020年开始影响产出。

图7中的红色和蓝色曲线显示了相对于基准模型（物质资本投资率和人力资本投资率均保持不变）的变化路径。显而易见，物质资本投资增加带来的好处比人力资本投资更早体现。例如，在2030年，物质资本投资带来的产出增加比基准模型高2.4％，而人力资本投资增加带来的产出增加仅比基准模型高1.2％。实际上，这种分析甚至可能低估了人力资本投资带来产出收益的延迟效应，因为我们假定，受益于人力资本投资率增加的群体在2020年便进入劳动力市场中。但是，事实上对儿童人力资本投资的增加不会使得新进入劳动力市场的劳动者人力资本的增加，因为在新政策下进入劳动力市场中的第一批人将在旧政策下度过大部分受教育年龄。

作为调整人力资本增加与物质资本增长发挥作用的时间差异的一种方法，我们通过使物质资本投资带来产出的增加与人力资本投资带来产出的增加相同，再次进行以上的分析。我们使用每年4％的时间贴现率并计算到2100年。在柬埔寨，物质资本投资若增加1.2个百分点，其产出路径如图7的绿色虚线所示。

我们对数据集中的所有国家重复这一分析，利用典型增长模型或乐观增长模型，计算为实现与人力资本投资带来相同产出增加的目标所需要的物质资本投资率的增加。对于低收入国家，典型增长模型中所需投资率的平均增幅为2个百分点；对于中低收入国家，增幅是1.4个百分点；对于高收入国家，增幅是0.9个百分点。在乐观增长模型中，该值分别为5.4、3.8和2.3个百分点。

利用以上结果，我们可以初步尝试回答哪种政策更具成本效益的问题。我们的分析必然是短期的，因为我们没有充分考虑提高人力资本投资的货币成本：我们以生产要素单位（经质量调整后的受教育年限和劳动力健康状况）来衡量这项投资，而非支出。

再想一想柬埔寨的情况。如上所述，我们所需增加投资1.2％，接近柬埔寨所属的中低收入国家组的平均水平。也就是说，物质资本投资的成本是GDP的1.2%。我们认为提高人力资本投资的成本甚至不会超过这个数字的一半。在柬埔寨，卫生总费用占国内生产总值的6％，而公共教育支出则占到2％。即使考虑到无法衡量的机会成本和私人教育支出，生产人力资本的总支出目前似乎也不到GDP的10％。如果回报率保持不变，人力资本投资增加4.9％（这是我们在实验中指定的），则需要增加的支出仅占GDP的0.49％。

 

五、结论

各国对于人们的人力资本投资率差距很大。若从人力资本更广泛的定义来看，即包括教育的质量和数量以及健康等，高投资国家年轻劳动者的人力资本与投资最少的国家的劳动者之间存在高达三分之一的差距。人力资本投资率与人均收入高度相关，实际上，由于健康和教育程度不同，工人的劳动力投入较低，也是造成许多国家贫困的重要因素。

这些观察表明，提高人力资本投资是增加收入和减少贫困的有效政策。在本文中，我们定量地探讨了收入和贫困对这种投资增加的动态反应。在这种情况下，考虑时间维度尤其重要，因为较高的人力资本投资的收益需要很长的酝酿期：生产新劳动者需要很长时间，而现有的劳动者在他们年轻时接受了较低的人力资本投资，他们也需要更长的时间才能退出劳动力市场。

我们的主要工作是将两种具体情形下的收入和贫困变化路径与基准情形下所经历的收入和贫困路径进行了比较，在基准情形中，每个国家目前观察到的人力资本投资率在未来保持不变。在典型增长的情况下，每个国家的人力资本投资的增长率为2015年结束时所观察到的典型情况。其结果显示，世界人均GDP比基准情形高5％。到2050年，1.90美元的贫困线标准下，全球贫困率将比基准模型低0.7个百分点。在乐观增长的情况中，假设每个国家都以观测到各国人力资本投资增长率的75分位点的速度保持人力资本投资稳定增长，世界人均GDP在2050年比基准模型高出12％，而1.90美元的贫困线标准下的贫困比率下降了1.4个百分点。在乐观增长的情况下，到2050年，1.90美元、3.20美元和5.50美元的贫困线标准下，贫困人口将分别减少约1.3亿、3亿和5.4亿。

发展中国家的收入增长和贫困率下降幅度明显大于世界平均水平，因为这些国家目前的人力资本投资率与代表对下一代进行完全投资的水平之间存在较大差距。例如，在低收入国家（使用世界银行分类）中，到2040年，人均GDP在典型增长模型中比基准模型高出12％，而在乐观增长模型中比基准模型高出近25％。

我们还利用模型来比较增加人力资本投资和增加物质资本投资两种情形下，产出的动态路径。后者可以更快地实现增长。也就是说，一个国家可以以更快的速度建造更多的机器和基础设施，而不是培养更好的工人。但是，我们对这两类投资成本的非正式比较表明，与投资机器带来的时间优势相比，对人投资的成本更低。

虽然我们也分析了提高人力资本来提高收入的渠道，例如，可以诱导更多物质资本的积累，但是我们也省略了一些潜在的重要机制。首先，提高教育质量和受教育年限，尤其是提高妇女的教育质量，可以通过提高儿童的机会成本和增加妇女对自己生育的控制来降低生育率。较低的生育率反过来会影响未来的抚养比率，从而进一步提高人均收入和降低贫困率（CanningandRaja，2015）。其次，通过教育对创新、管理质量和对不断变化的经济环境的适应力的影响，更高的人力资本也可以带来更高的生产力增长。

当人力资本投资增加时，我们预测的减贫规模也可能出现向下偏差。我们的估计假定收入不平等不会受到儿童投资增加的影响。但是实际上，对较贫穷的儿童进行投资最有效，他们也是最有可能从人力资本投资增加中受益的群体。如果更高的人力资本投资意味着更平等的人力资本投资，那么贫困的下降幅度将大于我们的预测。

最后，虽然我们强调了在创造收入方面投资人力资本的重要意义（无论是对于整个国家还是对于穷人而言），但值得注意的是，人力资本投资也会在其他方面带来红利。更长年限或更高质量的学校教育使个人能够更积极地参与社会。在本文中，我们只考虑了健康会提高劳动者的工作效率，但是健康同时也让人们享受更长时间的生活。若考虑到这些好处，将进一步增加我们投资人力资本的理由。

 

六、数据附录

6.1将IHME受教育程度数据转换为Barro-Lee等价形式

如上所述，最新版Barro-Lee数据库提供了143个国家教育年限数据。我们通过IHME（2016）数据库将教育年限的数据范围从143个国家扩展到190个国家。

然而，Barro-Lee的教育数据按小学、中学和大学进行了分类，但是IHME的数据仅提供了综合教育年限数据。

我们依靠以下方法将IHME的综合指标转换为仅包含小学和中学教育年限的指标。首先，我们建立了和之间的实证关系，其中后者表示Barro-Lee的受教育年限，包括第三期教育。实证模型采用二次形式，如下所示：



再估计出，，后，我们利用这些值将IHME的学校教育年限转换为Barro-Lee的学校教育年限。然后，我们需要将小学+初中+第三期教育的综合教育年限转换为小学+初中的等价教育年限。为此，我们使用2010年Barro-Lee数据库中所有年龄组的数据，回归模型如下所示：



综上所述，我们通过以下方式来估计Barro-Lee标准下的小学+中学受教育年限：







最后，我们使用第2.2节中描述的方法将这些2010年的数据转换为2015年Barro-Lee等价受教育年限。



图8将IHME的受教育年限（小学-大学）转换为Barro-Lee标准下受教育年限（小学-中学）

作者简介：MatthewCollin供职于世界银行，DavidWeily供职于布朗大学。

 

环境对减贫重要吗？土壤肥力与植被活力在减贫中的作用

Martin Heger    Gregor Zens    Mook Bangalor




摘要：在过去的研究中，关于环境与贫困之间的因果关系尚无定论。本文利用一个独特的全球面板数据集，将贫困数据（利用调查数据和人口普查数据计算得出）与地方的环境质量指标联系起来。本文将植被活力作为地上环境质量的代理变量，将土壤肥力作为地下环境质量的代理变量。此外，本文还使用降雨量作为工具变量以解决研究中的内生性问题。本文旨在揭示环境质量在多大程度上影响减贫，这是第一篇使用全球性准试验方法讨论该问题的研究论文。本文得出了三个主要结论：一是环境对减贫很重要。面板回归分析表明，植被活力增加10％，农村地区贫困人口比例相应减少近0.7%，撒哈拉以南非洲贫困人口比例则将减少1%；土壤质量提高10％使得全球农村地区和撒哈拉以南非洲地区的贫困率下降约2%。二是环境质量对贫困的影响强于对平均收入的影响，这表明环境质量对贫困人口的影响并不平均。三是与城市化相比，当地环境质量的改善更具利贫性。尽管城市化与人均GDP显著大幅相关，但与减贫并无显著相关性。

一、引言

与1990年相比，2013年世界贫困人口减少了10亿（以货币计算；世界银行，2016）。虽然全球贫困率仍很高（若按照1.90美元/天的贫困线，世界人口的10.7％仍然处于贫困状态 ），挑战仍然存在，但上述数据表明过去几十年全球减贫取得了重大进展。那么，哪些因素导致了贫困人口的下降呢？人力资本、经济增长、贸易和制度改善已被认为是减贫重要的推动因素。诸多研究讨论了人类发展和宏观经济驱动因素对减贫的影响（Gennaioli et al.，2015）。但是，过去的研究均不太重视环境在减贫方面的作用。

世界上大多数贫困人口生活在农村地区，并严重依赖农业和环境谋生（Barbier和Hochard，2016；Olinto et al.，2013）。环境质量对农业收入和环境收入都十分重要，因为更健康的生态系统可以提高农业和环境产出。

早期的实证研究已经发现，土壤肥力下降和贫困在总体水平上相关（Krishna et al.，2006；Barrett和Swallow，2006）。最近，Barrett和Bevis（2016）发现，在数据可得的36个撒哈拉以南非洲国家，人均国民生产总值与土壤养分平衡正相关。 Barbier和Hochard（2016）发现，低收入国家中约有四分之一的人口生活在严重退化的土地上，而退化土地居住人口比例较低的地区通常有更高的经济增长率和更低的贫困率。虽然先前的研究都指出环境与减贫存在正向关系，但这些证据并不能解读为二者之间存在因果关系。

这种正相关关系背后的理论联系相当直观。对于农村贫困人口而言，决定土地生产力最重要的生产资料便是土壤，它可以种植作物并提供生态系统服务，农产品既可以在市场上销售，也可以由农户消费。关于农业生产力与土壤肥力之间关系的研究文献很多。例如，土壤的蓄水能力是植物生长的重要决定因素（Wong和Asseng，2006）。 Louwagie et al.（2009）发现浅层土壤、石质、化学条件（如盐度、酸度等）与作物产量呈负相关。此外，还有第三条联系渠道：土壤的地形条件（海拔，坡度等）影响土壤侵蚀和人力和机器的可达性（Duran Zuazo，2008）。有关概述，请参阅Mueller et al.（2010）的研究。因此，我们可以得出结论，具有良好土壤的地方可能具有很高的农业生产潜力，从而在生产高价值的易腐蔬菜和其他作物方面具有绝对优势。

另一方面，贫瘠的土壤也可能通过三种渠道对减贫产生负面影响（Barrett和Bevis，2016）：首先，贫瘠和退化的土壤对农业和环境收入产生负面影响。微观层面的收入减少不仅会对宏观层面的收入和贫困同时产生负面影响，而且还会使家庭更难购买养料，难以提高未来的土壤生产力。此种联系可能存在自我强化效应：贫瘠的土壤限制了资本积累，而低资本积累抑制了改善土壤的投资（Eswaran等，1997; Barrett＆Bevis，2015）。

其次，贫瘠和退化的土壤，其特点是土壤微量营养素缺乏，这反过来可能导致人们饮食中矿物质的缺乏，从而对人类健康产生负面影响（Barrett和Bevis，2015）。而人口健康状况变差会对生产力和资产积累产生负面影响（生产力和资产积累的提高可以增加收入和消费，从而摆脱贫困）。这种相关关系可能直接存在于自产自销的农户家庭，也可能间接存在于在市场上购买食品的低收入家庭。

第三，贫瘠的土壤只能为农场资产提供羸弱的风险保障。较高的风险，如降雨、害虫和市场价格，往往会抑制贫困家庭对于生产的投资（Carter和Barrett，2006）。贫瘠的土壤则是一种弱保障，甚至加剧了这种低风险、低投资陷阱。干旱等天气冲击更常发生在蓄水能力有限的土壤中（Garrit et al.，2010）。此外，撒哈拉以南非洲地区农田的害虫和杂草在低营养和退化土壤中更为常见（Ayongwa et al.，2011）。虽然土壤与农业风险之间的联系尚未得到进一步的研究，但良好的土壤可能会减少干旱等天气的冲击，并促进生产性投资（Barrett和Bevis，2015）。

然而，最近有三项实证研究对环境质量对减贫的积极影响提出了质疑。Okwi et al.（2007）利用肯尼亚的数据，基于空间滞后模型发现即使是土壤质量最高的地区，贫困率也只比其他地区低1个百分点。Yamano和Kijima（2010）发现土壤肥力与贫困的相关关系只在肯尼亚显著，而在乌干达或埃塞俄比亚则并非如此。他们还发现，虽然土壤肥力与作物收入呈正相关，但与非作物收入呈负相关。Wantchekon和Stanig（2015）利用地质学变量和殖民地基础设施作为区域范围研究的工具变量，发现了“肥沃土壤的诅咒”，即肥沃的土壤对减贫具有负向影响。他们发现，高质量的土壤对减贫起反作用，不利于经济发展。他们的结论是，应该更多地关注基础设施和人力资本的形成，而非环境。

另一个问题是环境质量与贫困之间可能存在的双向关系。环境质量可以影响（减少）贫困，但贫困（减少）也会影响环境质量（Barbier，2010）。此外，许多因素影响贫困-环境之间的关系，包括人口、文化和制度（Leach和Mearns，1995）。由于存在遗漏变量和反向因果的问题，环境质量对减贫的影响很难确定（反之亦然），而大多数文献只是描述了相关性（Duraippah，1998；Suich et al., 2015）。

除了个别研究以外（如Alix-Garica et al.，2015），以往的研究大多基于特定的地理位置或国家，并且没有考虑上述相关性受不同生物群落或地理区域的影响。尽管存在这些局限性，大部分证据通常表明环境质量与减贫之间存在正相关关系（Sandker et al.，2012）。Sedda et al. （2015）发现，在西非，多维贫困与植被活力（如NDVI）之间存在负向关系，也就是说在植被活力较低的地方贫困人口更多。然而，这些研究仅仅反映了相关关系。Suich et al.（2015）总结了生态系统服务与扶贫之间关系的相关研究，并得出结论:“在理解生态系统服务与贫困之间的联系及其如何发生变化、如何实现脱贫之路以及生态系统服务的可持续利用等方面，仍需要大量的研究工作。”

二、实证模型

（一）数据

我们创建了一个独特的地理空间数据集，将环境和自然资源指标与地方一级的贫困及其他人类发展指标联系起来。数据集分析的地理单位是行政单位1级，通常被称为“省（州）”级，这也是贫困数据集可用的最小行政级。此数据集使我们能够利用一系列不同的模型来检验环境质量（及其退化程度）与贫困之间的关系。

贫困和人均地区生产总值（被解释变量）

我们使用的贫困指标为按每天1.90美元收入为标准计算的贫困人口比率。虽然这一标准对贫困的定义较为狭隘，但我们选择它一方面是由于该标准是官方的国际贫困线，另一方面也因为其允许我们通过参考此标准，在世界银行的帮助下绘制各国过去30年的贫困地图。我们将一些国家多年的贫困地图“拼接”在一起，创建了非平衡的贫困面板数据。在面板模型设定中，我们使用进行反复贫困观测的国家。在横截面模型设定中，我们使用每个国家/地区的最新观测数据。

人均国内生产总值是我们的第二个被解释变量。我们使用Gennaioli et al.（2015）测算的GDP数据和全球栅格人口数据库（GPW）的人口数据（CIESIN，2016）来计算此变量。

环境质量 - 土壤肥力和植被活力（解释变量）

我们使用三种不同的指标来代表环境质量。其中，两个指标测量植被活力，一个指标测量土壤肥力：

a）净初级生产力（NPP）为衡量植被活力的第一个代理变量；

b）归一化差异植被指数（NDVI）为稳健性检验中衡量植被活力的第二个代理变量；

c）表土碳含量（顶部30cm土层中碳含量），作为土壤肥力的代理变量。

NPP反映了生态系统积累生物量的速率，其等于光合作用过程中二氧化碳的摄入量减去呼吸过程中释放的二氧化碳量。因此，它测量了吸收的碳有多少成为叶子、根、茎或树干的一部分。通过美国宇航局（NASA）的Terra和Aqua卫星上的中分辨率成像光谱仪（MODIS）可以获得NPP数据。 该数据以网格格式提供，我们在计算中使用每个地区的平均值。

NDVI是基于卫星图像的环境质量测量指标。它测量“绿色”，即行星表面植被的相对密度和健康状况。该指标显示了在一定时期内绿叶植被的生长地点和数量。利用美国宇航局Terra卫星捕获的红光和近红外光谱数据可以计算出约10平方公里内的月度植被质量指标。我们在此处同样使用地区平均值。已有研究认为NPP是衡量生物量生产力和生物多样性的良好指标（Xu et al.,2012；Phillips et al.，2008），因此我们将NPP作为主要变量，利用NDVI进行稳健性检验。

土壤碳含量是衡量植物生产力的重要指标。它是土壤里有机物中碳含量的百分比。植物和动物残余物的分解、根分泌物（活的或死的微生物）均会增加土壤中的含碳量。表土碳含量是指在土壤表面以下30厘米处测量的有机碳含量。它是植物生长和农业生产力的主要决定因素（Lal，2004）。Hiederer和Kochy（2012）使用世界土壤数据库（HWSD）计算了国家层面的土壤有机碳估算值。欧洲委员会联合研究中心通过欧洲土壤数据中心（ESDAC）提供此数据库，包括表土和底土碳测量数据。

本文利用这些环境指标以及一系列控制变量对两个因变量——贫困和人均GDP的影响因素进行了分析。

工具变量

本文利用平均年降雨量作为植被活力（NPP和NDVI）和表土碳年变化的工具变量。平均年降雨量数据来自国家大气研究中心（NCAR，2017）的气候研究中心。该数据集包含从1901年开始的各地区天气状况的时间序列数据。我们使用每年各地区降雨量的平均值。之后，我们将详细讨论工具变量的有效性。

控制变量

我们使用一系列高度相关的控制变量来分离土壤肥力和植被活力对因变量的影响。这对于截面模型设定十分重要，因为该模型无法控制省份固定效应。为了捕捉不同地形的影响，本文控制了地形粗糙度指数。该指数基于仰角测量差异，测量小规模地形不规则性。

此外，我们还在回归中控制了土地利用（LU）的类别（即农田、林地、草地、城市土地或其他）。每个LU指标代表了某地区该土地利用类型的份额。原始数据来自欧洲航天局（ESA）气候变化倡议（CCI）框架下土地覆盖（LC）项目发布的空间分辨率为300米的全球光栅文件。

在横截面数据研究中，本文控制了土壤类型：包括淋溶土（Alfisol）、 灰烬土（Andisol）、旱境土（Ardisol）、新成土（Entisol）、冰冻土（Gelisol）、有机质土（Histosol）、弱育土（Inceptisol）、黑沃土（Mollisol）、氧化土（Oxisol）、淋淀土（Spodosol）、极育土（Ulisol）和膨转土（Vertisol）。此外，在没有土壤的地方，我们将地表形态定义为岩石或沙子。这些土壤类别是数千年古老地质和生态演变的结果，是土壤质量的关键决定因素。虽然一个地区可能有几种土壤类型，但我们选择该地区最普遍的土壤类型作为该地区的代表。上述“12 + 2”的土壤类型遵循了USDA土壤分类系统分类方式。

我们将道路密度（每个地区的道路平均公里数）和人口作为标准控制变量。与类似的研究不同的是，我们并不使用基于土地利用或夜间光数据建模的人口数据（Amaral et al.，2005）。因为当其作为环境质量的解释变量时，这些数据集可能会引起严重的内生性问题。本文使用人口普查和调查估计的数据，这大大降低了内生性的风险。表1为所有变量的详细说明（包括数据来源），附录表1为描述性统计。

（二）研究设计

如上所述，以往关于环境质量对贫困影响的研究都存在遗漏变量和反向因果的问题。环境质量的变化，例如土壤退化或植被活力退化（通过施用肥料等方式），是内生的解释变量，这意味着OLS估计结果有偏且不一致，并且系数与误差项相关。为了克服这些问题，我们使用具有工具变量的联立方程模型（Greene，2003；Wooldridge，2010）。

对于植被活力的研究，我们可以利用NPP，NDVI和降雨的时间序列数据，创建非平衡面板（如下文说明1中所述）。土壤含碳量作为地下环境质量的代理变量，其随时间不变。因此，我们主要利用横截面数据进行研究。同样，虽然贫困人口比率随时间变化，但我们只能利用在一个时间点测算的地区生产总值（GDP）。为了控制可能影响土壤与贫困之间关系的遗漏变量，我们的回归中包含了一系列控制变量。

表1. 变量概览

变量名	描述	单位	数据来源
pov_hcr	贫困率（每天1.99美元衡量）	%	世界银行
gdp	地区生产总值	USD	Gennaioli et al.,2005
npp	净初级生产力	gC/m2	美国国家航天航空局
ndvi	归一化差异植被指数	指数 （-1~1）	美国国家航天航空局
soil	表土碳含量	吨/公顷	欧洲委员会（联合研究中心）
soil_type	土壤分类	14种	自然资源保护协会（NRDC）
cropshare	农田的比例	%	气候变化倡议
forshare	森林的比例	%	气候变化倡议
grassshare	草地的份额	%	气候变化倡议
urbanshare	城市用地份额	%	气候变化倡议
rugged	粗糙度指数	指数	Nunn & Puge,2012
roaddensity	道路密度	公里	PBL GeoNetwork
precipitation	降雨量	毫米/月	气候研究中心
population	人口估计数	人	全球栅格人口数据库

 

     

我们利用面板数据讨论植被活力对贫困的影响，模型如下：       

Pov_i,t=α+β₁vegetation_i,t+β₂LU_i,t+β₃pop_i,t+μ_c+θ_t+μ_c*θ_t +ϵ_i,t               (1)

其中i表示地区，c表示国家，t表示年份。因变量pov衡量贫困人口比例。解释变量包括植被质量（NPP或NDVI）、五种土地利用类型的分类变量、人口。此外，我们还控制了国家固定效应（μc），时间固定效应（θt）和国家-时间趋势（μc*θt），这对于剔除跨国家、时间的未观察到的异质性是至关重要的。我们使用地区聚类标准误，其考虑了国家内部的误差聚类。对NPP、NDVI和人口变量我们均采用取对数处理。

我们感兴趣的是在控制广延边际效应的情况下植被活力的集约边际。一个地区的植被活力增加可能是由于植被区域扩大或通过提高有界区域内的植被活力。通过控制土地利用类型，我们试图控制土地利用的模式变化（广延边际），并讨论每个土地利用类型的植被生产力（集约边际）。

与NPP和NDVI数据不同，地方生产总值和土壤肥力数据是随时间不变的，这意味着土壤肥力对贫困和GDP的影响只能通过空间变异性来计算。植被活力对GDP的影响也是如此。

横截面数据模型（土壤肥力对贫困和GDP的影响）：

Pov_i=α+β₁soil_i+β₂LU_i+β₃pop_i+β₄rug_i+β₅road_i +μ_c+θ_t+ ϵ_i               (2)

GDPi=α+β₁soil_i+β₂LU_i+β₃pop_i+β₄rug_i+β₅road_i +μ_c+θ_t+ ϵ_i               (3)

其中GDP是人均GDP，soil为土壤质量。LU是五种土地利用类别的分裂变量。pop是指人口，rug是指粗糙度，road为各省道路密度。μc是国家固定效应，θt 是年份虚拟变量，表明本文的贫困数据来自不同年份。ϵi为误差项。另外，人均GDP、人口、粗糙指数、道路密度和降水量均使用对数形式。我们同样控制了地区虚拟变量，以估算环境质量对贫困率（模型2）和人均GDP（模型3）的潜在影响。

我们利用一系列高度相关和地理空间异构的控制变量来减少遗漏变量偏差的问题（但这不是面板数据模型的问题）。例如，我们控制了土地利用类别，因为环境质量变化的另一个原因是土地利用模式的改变，而不是降雨引起的植被质量变化。为了控制各地区基础设施的差异性，我们加入道路密度（每个省的平均道路公里数）作为控制变量。控制粗糙度指数也至关重要，一方面，农业土地使用方面的困难可能使土地粗糙度与较高的贫困水平相关，另一方面也可能由于历史原因，而导致粗糙度指数与减贫呈正相关（Nunn＆Puga，2012）。

我们还利用空间计量的方法进行稳健性检验。为了最大限度降低由于忽略空间依赖性而产生的估计偏误，我们采用空间Durbin模型来处理解释变量和被解释变量的空间滞后性。此外，我们对IV的第二阶段回归的残差进行Moran's I检验（结果未显示）。结果显示，在考虑空间依赖性后估计结果仍然稳健，只是估计系数变小。

面板数据和横截面数据中的工具变量

本文利用工具变量来解决土壤肥力和植被活力对贫困影响研究中可能存在的内生性问题。我们使用降雨量作为土壤肥力、NPP和NDVI的工具变量（对于类似的研究设计，参见Kiuri（2016）。

一个好的工具变量必须满足三个条件：（a）与内生变量（在本文中即为土壤肥力和植被活力）高度相关；（b）不能通过除环境质量之外的任何渠道影响结果变量（在本文中即贫困和GDP）；（c）工具变量必须随机，与误差项不相关（Angrist＆Pieschke，2015）。

我们选择的工具变量——降雨量很容易满足条件（a）。每年降雨量的变化是植被活力和生物生产力最重要的决定因素之一（参见数篇农业文献，如Vlam et al., 2014、Schippers et al., 2015）。这可以通过附录中第一阶段回归结果来证实。降雨通过影响种子萌发、幼苗生长和植物物候来影响地上生物量（Kang et al.，2013；Liu et al., 2014；Yan et al.，2014）。许多研究使用降雨量作为生物生产力的预测指标。此外，降水也是修正通用土壤流失方程（RUSLE）模型和基于GIS的通用土壤流失方程（Angima et al.，2003；Fu et al.，2005；Lufafa et al.，2003）的主要输入因子（Angulo-Martínez和Beguería，2009；Hernando和Romana，2015）。

在以往的研究中已有很多关于降雨作为工具变量有效性的争论，特别是关于条件（b），在本文中我们仔细分析了这一点（见下文）。我们认为，在意识到完美工具变量不存在的情况下，降雨可能是最适合作为本文研究的工具变量。这是因为与以往文献中使用的其他工具变量相比，降雨量与内生解释变量植被活力、土壤碳含量相关性更大。最近许多研究表明降雨量与许多其他变量相关，而这些变量反过来可能与贫困和福利有关。例如，Sarsons（2015）发现在印度，降雨可能通过其他渠道影响福利，比如运输和组织能力，特别是在极端情况下，这一关系更为显著。这一结论引发了对使用降雨量作为工具变量的数篇开创性论文结论的质疑，如Paxson（1992），Miguel等（2004），Miguel（2005），Yang＆Choi（2007）。具体而言，在本文中使用降雨量作为工具变量存在的问题是，极端降雨事件（如洪水）可能通过导致财产损失影响贫困，这一影响机制在土壤肥力和植被活力变化的渠道之外。同样的理由也适用于干旱情况，例如，由于植被活力降低，人们不得不杀死牲畜。我们通过排除工具变量中的极端降雨事件来克服洪水和干旱情况带来的识别威胁。此外，通过加入道路密度和粗糙指数等变量，我们控制运输识别威胁。在排除以上因素之后，OLS估计结果表明，降雨量本身并不显著影响贫困率和人均GDP（NPP，NDVI和土壤肥力同时作为控制变量）。

我们无法确保降雨量作为工具变量一定满足外生性要求，因为可能还有其他一些降雨影响福利的渠道我们没有考虑到，也没有在文献中讨论过，但这也几乎是所有工具变量都会存在的问题。我们认为，如果有一个适合使用降雨作为工具变量的情况，那么用它来识别环境质量的外生变化可能是最佳的。降雨可能是植物生长的最重要决定因素，尤其是在灌溉量较少的地区。

在低收入和中等收入国家，经济特别依赖农业和林业等初级部门。我们认为，降雨量的增加会增加作物产量和生态系统服务，这种机制在撒哈拉以南非洲地区尤其显著。在撒哈拉以南非洲，只有4％的耕地面积适合灌溉，而在北非则有28％的耕地面积适合灌溉（You et al.，2010）。我们使用相同的逻辑，但是转而直接采用植被增长作为工具变量。我们认为年平均降雨量仅通过生物量生产力影响贫困，而在该渠道之外，它对减贫没有影响。需要再次说明的是，我们使用的是排除极端情况后的降雨量数据。

由于降雨是随机的，因此其满足条件（c），即随机分配原则。平均降雨量对于地区i而言是外生事件，即使气候变化改变了降雨模式，但它在全球范围内是一致的，很难归因于地区i的个别行为。

三、结论

在下文中，我们将详细介绍本文的三个主要结论：首先，环境质量——无论是地上还是地下——对贫困都有显著的大幅负面影响，特别是在农村地区和撒哈拉以南非洲地区。其次，环境质量与人均国内生产总值之间的关系并不十分强烈，只在某些分组回归中显著；与一般收入的人相比，环境质量对穷人尤为重要。最后，与城市化相比，在当地改善环境质量是更具利贫性的。虽然城市化与人均GDP具有非常显著的相关性，但与减贫并不显著相关，而环境质量与两者均显著相关。

面板数据估计结果

环境质量的改变与减贫有显著的相关性（图1）。该图显示了在面板数据模型中控制其他可能的贫困影响因素后，植被活力（以净初级生产力衡量）与贫困之间的条件相关性。显然，提高植被活力与减贫相关。

如附录表2所示，在全样本中环境质量并不会显著影响减贫（虽然第2列的OLS结果显著，但是第4、5列的工具变量结果并不显著）。然而，如第2、3列结果所示，环境质量对于较贫穷的人口（贫困的农村地区）来说更为重要。事实上，在农村地区和撒哈拉以南非洲地区，若植被活力增加，贫困程度将显著降低（如第6、7列结果所示）。回归结果显示，如果农村地区植被活力（NPP）增加10％，贫困率将平均降低近0.7%。在撒哈拉以南非洲，影响甚至更大，NPP增加1％将使得贫困率平均增加1.3个百分点。同样，NDVI测量的植被活力增加也会使得农村地区的贫困率下降（详见附录中的稳健性检验）。环境对撒哈拉以南非洲和农村地区的贫困率产生如此显著影响的原因可能与生活有关，因为这些地方的生产、生活更多地依赖于环境，在下文中我们也将深入进行探讨。

图1. 植被活力与减贫之间的关系



基于现有的数据以及线性假定，我们的计算表明，如果植被活力大幅增加，贫困率将降低4.8个百分点，如果植被活力大幅降低，贫困率将增加3个百分点。从这个意义上讲，本文计算的环境质量对减贫的影响，显著大于Okwi et al.（2007）的研究结果。

其他控制变量的系数与已有文献中所讨论的影响一致。但请注意，除了环境质量之外的所有影响都不是“外生的”，这意味着它们不能被解释为因果关系。但是，我们从相关关系中也可以得出重要的结论。例如，道路密度是基础设施发展的代理变量，我们可以看到其也是减贫的重要预测指标。这是发展经济学长期以来众所周知的结果。相关理论渠道的概述，请参见Brenneman＆Kerf（2002）。其次，发展经济学文献中与减贫相关的另一重要变量（Rakodi，2014）——城市化（以城市的增长面积衡量）在本文的结果中与减贫并没有显著的相关性。反而地形粗糙指数与贫困率在统计上正相关，这表明较为粗糙的地形使得摆脱贫困变得更加困难。本文结果中控制变量系数的方向与以往文献基本一致，这也在一定程度上反映了本文数据和方法的可靠性。

横断面数据估计结果

从横截面数据的估计结果来看，贫困与土壤质量之间存在负相关关系。这意味着土壤质量越好，贫困率就越低（见图2）。但是在控制固定效应之后，对于土壤质量较低的地区，土壤质量与贫困率的相关性并不十分显著。但在农村地区，土壤质量与贫困率的相关性更为显著。由于土壤肥力和地方生产总值指标是不随时间变化的，因此在这一部分的讨论中我们使用横截面数据模型的结果。

注：每个点代表一个大小相等的观测区（在x轴上分组）。我们计算了各小组x和y变量的均值，并绘制散点图。y轴表示贫困率对国家虚拟变量进行回归后的残差；x轴表示表层碳含量。上图是全体样本的结果，下图是对农业高度依赖的地区。

土壤与贫困之间的负相关关系（如图2及附录表3中OLS回归结果所示） 在利用工具变量剔除内生性后仍然十分显著（如附录表3第3列结果所示）。土壤碳含量增加10％，将使全球和农村样本的贫困人口比例平均降低约2个百分点。在撒哈拉以南非洲地区，土壤质量改善对贫困的影响更为显著：土壤肥力增加10％，可以使贫困率平均降低约9%。土壤肥沃程度对减贫的积极影响与农业收入、土壤侵蚀等相关的农业文献结果一致（Hazarika和Honda，2001）。

 

 

 

                            

     

图2：贫困和土壤质量

除了土地利用类型，我们还控制了土壤类型，笔者认为，后者是非常重要的控制变量。在控制土地利用和土壤类型之后，我们可以剔除土地利用类型、土壤类型的影响，得到土壤质量对贫困率的集约边际影响。

与土壤-贫困的弹性估计结果相比，土壤-GDP弹性的估计结果并不十分一致（见附录表4）。较高的土壤质量无助于提高人均GDP。但是，在解释这些估计结果时需要十分谨慎，因为正如贫困的例子所示，正向影响的存在是一个很好的结果，这表明确实存在重要关系，但缺乏这种关系也可能是由于数据质量差和样本量小，导致分析有误差。

除了环境质量对减贫的积极影响以及集约边际的影响之外，我们的估计结果中还有一些有趣的关系可以通过广延边际效应来说明，比如土地利用的效应。无论是在面板数据中，还是横截面数据中，基础设施（道路密度）的发展与人均GDP呈显著正相关关系，与贫困率则呈显著负相关关系。

与我们预期不同的是农作物土地的扩张与减贫并未呈正相关关系，反而呈负相关关系（无论是横截面数据模型还是面板数据模型）。这可能表明，在全体样本的土地转化（例如从森林到作物转化）中受益的并不是贫困人口。事实上，根据我们的实证结果，在将土地转变为农田后，贫困率可能会增加。然而，进一步对贫困率与农田之间出现意外正相关的原因进行研究也很有必要。

城市化（城市扩张）与人均GDP增长显著相关，实际上其系数在所有土地利用变化类型中是最大的，这一结果有力证明了城市化与经济发展之间的联系。但是，城市化对贫困率的影响并不显著。这是一个令人费解的结果。正如我们之前提到的，只有环境质量的影响是“外生的”，因此所有其他关系只能被解释为相关性。也就是说，城市化与贫困之间缺乏相关性，但是城市化与人均GDP之间存在强烈而显著的相关性，这表明城市化不是一个具有包容性的人口学过程。另一方面，在IV估计中可能违反个体处理效应稳定假设（SUTVA），也就是说可能是农村地区的人才迁移到城市（在其他地区），促进迁入地的经济增长，但是没有为迁出地的农村经济发展进程做出贡献，因此对减少贫困没有发生作用（并没有将足够的汇款送回家以抵消这种人口流动的损失）。

我们需要谨慎评估不同解释变量对贫困影响的相对强度，因为事实上我们很难掌握每种变化发生的代价。例如，基础OLS估计结果表明，尽管NPP的10％变化与贫困率的0.4个百分点变化相关，但道路密度变化1％只会导致贫困率变化0.3%。这可能表明，改善环境质量对减贫的影响大于改善道路密度对减贫的影响。然而，讨论解释变量改变的相对成本并不是建模的一部分，并且OLS估计也无法进行因果识别。此外，我们也需要进行进一步的研究工作以比较城市化、基础设施发展和农村地区当地环境质量变化对减贫、人均GDP的相对影响。

四、结论与讨论

正如预期的那样，我们发现修建道路与降低贫困率相关，这与以往很多研究结果相吻合（Jacoby，2000；Gibson和Rozelle，2003；Mu和van de Walle，2007；Jacoby和Minten，2009；Khandker et al.，2009）。然而，对于改善当地环境质量是否显著减少贫困这一问题依然没有一致的结论。一些学者的研究表明通过改善环境质量以减少贫困并不可行。例如，Okwi et al.,（2007）的研究发现如果肯尼亚的所有土地质量都改善至最优，那么贫困率只会降低1个百分点。Wantchekon和Stanig（2015）进一步指出在撒哈拉以南非洲良好的土壤甚至阻碍了减贫。

环境质量对减贫确实十分重要。利用非平衡面板数据，我们发现减贫速度随着环境质量的提高而加快。在使用年度降雨量作为工具变量进行回归后，我们仍然能够得到以上结论，这一相关关系在农村地区和撒哈拉以南非洲地区更为显著。

我们的分析并没有具体讨论环境质量有助于减少贫困的任何机制，这也是一个尚未解决的主要问题（Andam et al.，2010）。不过，农业生产力的提高和更好的环境服务最有可能成为环境质量改善降低贫困率的渠道。未来还需要对这一问题进行更多的研究，例如讨论不同灌溉计划的影响、初级部门的重要性以及高初始贫困率的影响。

我们在横截面数据中发现了类似的结果：土壤质量对贫困率和人均GDP有显著且大幅的影响。我们认为潜在的机制是，随着环境质量的提高，农业和环境产出也会增加。这对于主要依赖自然资源和环境获得收入的低收入家庭尤其重要（Wunder，2015）。

景观恢复可以减少环境退化，并有助于提高环境质量（因此也可以减少贫困）。Mu et al.,（2013）考察了中国内蒙古2001年至2009年的NPP变化，发现NPP提高了21％。在这一增长中，80％的NPP变化是由于人类活动——特别是景观恢复计划（将耕地恢复到草地、将沙漠转变为草地、以及更好的放牧管理）。这些结果表明，人类活动——特别是景观恢复——可以对NPP变化产生比气候更大的影响。在青藏高原（Chen et al.，2014；Cai et al.，2015）和中国其他地方（Xiao et al.，2015）也发现了类似的结果。对中国、蒙古、乌兹别克斯坦和巴基斯坦的跨国比较发现，在解释NPP变化时，气候的影响比人类行为的影响大，但结论是改善NPP主要取决于景观恢复计划（Yang et al.，2016）。

总之，我们发现环境对减贫至关重要。植被越绿，土壤越丰富，减贫的速度就越快，撒哈拉以南非洲和农村地区尤其如此。此外，我们发现环境质量对贫困的影响强于对平均收入的影响，这表明贫困人口从环境质量改善中获益更多。最后，我们发现尽管城市化与人均GDP具有非常显著且大幅的相关性，但它与减贫并没有显著的相关性。

 

作者简介：

Martin Hegera任职于世界银行；

Gregor Zensb任职于维也纳经济大学；

Mook Bangalor任职于伦敦政治经济学院。

 

 

 

 

 

 




附录

表1. 描述性统计

变量名	N	mean	sd	min	p10	p25	p75	p90	max
贫困率	3,303	33.28	19.13	0.4	9.9	17.1	46.97	59.8	93.6
农田的比例	3,303	0.354	0.25	0	0.0545	0.157	0.538	0.734	0.967
森林的比例	3,303	0.37	0.263	0	0.0127	0.127	0.572	0.734	0.977
草地的比例	3,303	0.0683	0.125	0	0	0.0005	0.0672	0.223	0.863
城市用地的比例	3,303	0.0269	0.0998	0	0.000358	0.00143	0.0134	0.0376	0.955
表土含碳量	3,297	64.87	51.76	7.998	25.42	31.77	74.58	142.4	318.1
降雨量	2,802	4.557	0.837	-0.261	3.518	4.036	5.193	5.459	6.464
归一化差异植被指数	3,279	-0.677	0.444	-3.611	-1.251	-0.765	-0.393	-0.319	-0.229
净初级生产力	3,225	0.494	0.786	-5.081	-0.453	0.167	1.047	1.263	1.669
道路密度	3,295	2.832	1.156	-2.316	1.532	2.145	3.584	4.151	6.548
粗糙度指数	3,299	11.38	1.249	3.158	9.782	10.65	12.3	12.64	13.71
人均GDP	2,287	-5.427	1.807	-11.52	-7.686	-6.572	-4.222	-3.391	4.86
人口	3,290	13.56	1.574	4.706	11.56	12.54	14.51	15.34	19.14

 

表2. 面板数据结果

变量名	OLS	OLS-SSA	OLS-rural	IV	IV-No outliers	IV-rural	IV-SSA
净初级生产力	-4.176***	-2.658*	-3.468***	-0.961	0.0297	-6.703**	-13.08***
	(1.214)	(1.360)	(1.325)	(2.466)	(3.300)	(2.756)	(4.641)
净初级生产力*撒哈拉以南非洲		-6.195***
		(2.178)
净初级生产力*农村			-1.301
			(0.990)
降雨量	1.523	1.328	1.509
	(1.323)	(1.330)	(1.318)
农田比例	9.783***	7.941**	9.845***	8.623**	8.945*	6.755	22.99*
	(3.481)	(3.544)	(3.490)	(3.836)	(4.584)	(5.396)	(12.310)
城市用地比例	-0.54	-1.383	-1.191	0.207	2.643	-25.53***	-872.4***
	(7.007)	(7.189)	(7.103)	(7.216)	(7.153)	(9.615)	(248.800)
草地比例	-1.584	-2.982	-2.383	-1.696	-2.761	13.78	-89.30*
	(5.330)	(5.404)	(5.413)	(5.327)	(6.095)	(10.380)	(49.610)
森林比例	3.666	1.67	2.226	0.557	-1.076	0.0652	20.22
	(4.105)	(4.176)	(4.258)	(5.426)	(6.215)	(7.226)	(14.310)
人口	-1.850***	-1.812***	-1.897***	-1.825***	-2.030***	-1.102**	-9.812***
	(0.570)	(0.574)	(0.569)	(0.554)	(0.627)	(0.546)	(1.613)
粗糙度指数	1.875***	1.669***	1.925***	1.545***	1.498***	3.024***	-0.883
	(0.417)	(0.424)	(0.418)	(0.485)	(0.521)	(0.548)	(2.133)
道路密度	-2.897***	-2.874***	-2.904***	-3.085***	-3.115***	-5.015***	-0.323
	(0.801)	(0.823)	(0.808)	(0.826)	(0.969)	(1.229)	(2.271)
常数	47.60***	53.66***	49.01***	42.06***	53.31***	14.43	195.9***
	(10.130)	(10.480)	(10.160)	(13.300)	(14.370)	(12.650)	(29.280)
观测值	2,736	2,736	2,736	2,736	1,478	1,360	189
R2	0.744	0.747	0.745	0.742	0.759	0.82	0.445
国家	FE	YES	YES	YES	YES	YES	YES
年份	FE	YES	YES	YES	YES	YES	YES
国家*年份	YES	YES	YES	YES	YES	YES	YES

注：括号内为稳健标准误; * 、**和***分别代表系数在5%、1%和0.1%的水平下显著。

表3.  横截面数据估计结果（被解释变量-贫困率）

变量名	OLS	IV	IV-No outliers	IV-rural	IV-SSA	IV-rural & SSA
表土含碳量	-4.634***	-0.92	-23.46**	4.116	-21.27***	-93.74**
	(1.092)	(5.718)	(11.410)	(13.080)	(6.944)	(39.280)
降雨量	0.761
	(1.244)
粗糙度指数	0.375	0.615	-1.016	-1.745	-0.449	-2.325
	(0.399)	(0.547)	(1.094)	(1.976)	(0.668)	(2.915)
道路密度	-3.247***	-3.190***	-3.453***	-1.769	-2.249*	-0.698
	(0.752)	(0.749)	(0.942)	(3.417)	(1.353)	(6.701)
草地比例	5.335*	5.762**	0.502	12.55	-7.192	-41.08
	(3.169)	(2.870)	(4.270)	(8.749)	(6.062)	(25.890)
城市用地比例	-5.325	-4.374	-14.48	-1,219***	-36.89**	-269.1
	(7.556)	(7.178)	(9.897)	(227.200)	(17.740)	(274.400)
草地比例	1.271	2.226	-16.56*	8.183	7.265	-37.47
	(4.475)	(4.341)	(9.805)	(18.570)	(9.766)	(32.390)
森林比例	4.408	3.738	4.53	-2.272	-11.09	-43.33**
	(3.250)	(3.625)	(4.783)	(8.170)	(7.012)	(20.900)
人口	-1.235**	-1.314***	-1.157*	-2.472	-0.439	-5.638
	(0.489)	(0.466)	(0.621)	(2.495)	(0.722)	(3.762)
灰烬土	5.178**	3.188	14.30*
	(2.461)	(4.040)	(7.359)
旱境土	-0.561	-0.234	-7.278*	10.19
	(2.351)	(2.459)	(4.367)	(7.561)
新成土	0.555	0.474	0.74	3.855		3.411
	(1.749)	(1.658)	(2.431)	(4.268)		(4.020)
冰冻土	-5.893*	-7.451**	-1.303
	(3.128)	(3.706)	(5.060)
机质土	4.658**	0.729	24.53**
	(2.311)	(6.567)	(12.310)
弱育土	-1.272	-1.966	3.569	-8.919		16.14*
	(1.170)	(1.583)	(3.168)	(7.673)		(8.951)
黑沃土	1.011	0.45	-0.406
	(1.131)	(1.175)	(1.549)
氧化土	-6.385**	-6.398**	-5.728	-3.552		48.02**
	(2.907)	(2.784)	(4.342)	(7.083)		(19.630)
岩石	3.414	2.975	10.50**
	(3.195)	(3.057)	(4.527)
沙子	2.961	3.428	-5.06	10.78**
	(6.370)	(5.782)	(9.317)	(4.916)
淋淀土	-2.232	-4.123	6.588
	(1.826)	(3.456)	(6.506)
极育土	1.342	1.315	2.058	0.986		23.20***
	(1.902)	(1.825)	(2.551)	(4.467)		(6.570)
膨转土	2.128	1.44	-1.785	-4.657		35.69**
	(2.754)	(2.908)	(3.911)	(11.760)		(17.230)
常数	65.17***	53.55**	147.0***	107.5	132.6***	501.4***
	(10.48)	(23.31)	(47.92)	(78.21)	(28.55)	(153.10)
观测值	932	932	577	127	475	64
R2	0.767	0.765	0.66	0.577	0.762	0.6
国家固定效应	YES	YES	YES	YES	NO	YES

 

注：括号内为稳健标准误; * 、**和***分别代表系数在5%、1%和0.1%的水平下显著。

表4. 横截面数据结果（被解释变量-人均GDP）

变量名	OLS	OLS-SSA	OLS-RURAL	IV	IV-NO OUTLIERS	IV-RURAL
表土含碳量	0.141**	-0.267	-0.576	0.512	0.568*	0.576
	(0.062)	(0.239)	(0.637)	(0.514)	(0.320)	(0.519)
降雨量	-0.104
	(0.064)
粗糙度指数	-0.0820***	-0.112***	-0.146**	-0.124**	-0.0345	-0.151***
	(0.018)	(0.028)	(0.073)	(0.058)	(0.032)	(0.058)
道路密度	0.0775*	0.0744*	0.0493	0.0536	0.181***	-0.252**
	(0.041)	(0.042)	(0.062)	(0.223)	(0.065)	(0.099)
草地比例	-0.696***	-0.811***	-0.877**	0.258	-0.132	0.405
	(0.164)	(0.158)	(0.387)	(0.467)	(0.229)	(0.479)
城市用地比例	1.408***	1.197***	0.989	14.04**	2.774***	11.89***
	(0.383)	(0.373)	(0.656)	(6.756)	(0.536)	(3.838)
草地比例	-0.458*	-0.549**	-1.129	-0.0681	-0.35	0.371
	(0.268)	(0.264)	(0.757)	(1.565)	(0.417)	(0.831)
森林比例	-0.317*	-0.266	-0.312	0.581	0.34	0.687*
	(0.170)	(0.189)	(0.242)	(0.512)	(0.244)	(0.399)
人口	-0.934***	-0.922***	-0.904***	-1.162***	-0.929***	-0.835***
	(0.024)	(0.025)	(0.035)	(0.139)	(0.036)	(0.087)
灰烬土	-0.189**	0.0211	0.254		-0.440**
	(0.091)	(0.152)	(0.366)		(0.175)
旱境土	-0.103	-0.199	-0.243		0.538***
	(0.143)	(0.166)	(0.250)		(0.185)
新成土	-0.0632	-0.0453	-0.126	-0.0233	-0.0866	-0.272***
	(0.073)	(0.076)	(0.114)	(0.112)	(0.082)	(0.065)
冰冻土	0.750***	0.910***	0.977***
	(0.190)	(0.204)	(0.294)
机质土	0.958***	1.373***	1.674***		0.621**
	(0.127)	(0.276)	(0.624)		-0.298
弱育土	0.0135	0.0905	0.212	0.0423	-0.174**
	(0.058)	(0.078)	(0.193)	(0.417)	(0.070)
黑沃土	0.0204	0.094	0.0785		-0.0179
	(0.053)	(0.067)	(0.082)		(0.070)
氧化土	0.369***	0.345***	0.317*	-0.303	0.134	-0.183
	(0.128)	(0.131)	(0.180)	(0.237)	(0.145)	(0.317)
岩石	-0.243	-0.24	-0.384		-1.247***
	(0.310)	(0.320)	(0.383)		(0.135)
沙子	-0.224	-0.271	-0.448	-0.161	0.0726
	(0.137)	(0.179)	(0.321)	(0.270)	(0.172)
淋淀土	0.200*	0.395**	0.764**		-0.00456
	(0.111)	(0.155)	(0.301)		(0.173)
极育土	0.0905	0.0799	0.117	-0.0599	0.0488	-0.0875
	(0.082)	(0.078)	(0.108)	(0.125)	(0.082)	(0.129)
膨转土	0.126	0.129	0.119		0.139
	(0.115)	(0.119)	(0.200)		(0.125)
常数	10.53***	8.818***	10.17***		4.060***	4.588
	(0.506)	(1.076)	(2.965)	(3.369)	(1.409)	(3.301)
观测值	635	635	419	46	338	32
R2	0.964	0.96	0.942	0.836	0.978	0.915
国家固定效应	YES	YES	YES	NO	YES	NO