2019第45卷第11期
文章浏览量：[]
2. 广东外语外贸大学 新闻与传播学院，广东 广州 510006
2. School of Journalism & Communication, Guangdong University of Foreign Studies, Guangzhou 510006, China
一、问题的提出
自精准扶贫理念提出以来，我国对扶贫开发方略进行了调整，由过去粗放式“大水漫灌”调整为如今的“精准滴灌”。精准扶贫的实施使我国脱贫攻坚事业取得了重大进展，按照2011年确立的贫困标准，我国农村贫困人口由2012年底的9 899万人减少至2018年底的1 660万人，年均脱贫人数达到1 373万人。但是，在脱贫过程中出现了贫困人数不断缩减，同时返贫现象却愈演愈烈的情况（万喆，2016；黄薇，2019）。当前，已进入脱贫攻坚决胜阶段，要实现脱贫路上一个都不能少，必须将消除返贫问题作为扶贫开发的重点。那么，为何存在脱贫又返贫的现象?其脱贫状态转移的机制又是什么?准确回答这些问题不仅可以丰富动态贫困理论，同时也能为我国解决脱贫又返贫问题，全面建成小康社会提供决策参考。
贫困问题的研究大致可以分为静态研究和动态研究，前者主要包括贫困的界定（Booth，1893；Rowntree，1901；Orshansky，1965；Lenoir，1974；托尼·阿特金森和丁开杰，2005；Lewis，2011）和测度（Sen，1982，1997；王小林和Alkire，2009；张全红和周强，2014；王春超和叶琴，2014）。在贫困的动态研究中，部分学者将时间概念纳入贫困测量体系，提出持续贫困概念，包括持续单维贫困（Okidi 和 Mugambe，2002；Hulme，2003；陈全功和李忠斌，2009；蔡亚庆等，2016）与持续多维贫困（邹薇和方迎风，2011；张全红，2015；张全红等，2017）。但持续贫困测量关注的依旧是单期贫困与长期贫困，属于比较静态分析的范畴。其解释的是为什么某种贫困状态会持续存在，而未能观察到多期贫困状态的转移所反映的贫困状态变化问题（李博等，2018）。
在中国扶贫事业进入决胜阶段，脱贫又返贫问题不断得到学者的关注。罗玉辉和侯亚景（2019）通过观察多维贫困动态变化过程，发现存在多维返贫的情况。蒋南平和郑万军（2017）在改进A-F多维贫困指数分析的基础上，提出了多维返贫识别及测算方法。但该研究关注的核心为“未贫—贫困”问题，虽然可以逆向识别贫困人群，但依旧停留在贫困界定的框架中，未能关注脱贫又返贫的现象。实际上，返贫的定义有广义返贫与狭义返贫之分，广义的返贫是指从非贫困状态转移到贫困状态，狭义的返贫是指脱贫后又返回贫困。而上述研究忽略了返贫的实质，仅讨论广义返贫下“未贫—贫困”的状态转移。部分学者解释了狭义返贫的原因，认为因疾病所导致的家庭经济状况变差和个人人力资本的下降将导致家庭出现返贫情况（汪三贵和刘明月，2019）。也有学者发现少数民族群体更容易返贫，同时健康因素、劳动力因素和危房是导致返贫的重要原因（马绍东和万仁泽，2018）。但这些讨论狭义返贫现象的文献未能解释返贫现象存在的内在机理，也未能从资产视角诠释返贫的原因。
基于此，本文从资产视角提出脆弱性脱贫理论，系统解释返贫现象及机理。首先，采用倾向得分匹配法（PSM）验证资产禀赋差异对返贫现象发生的影响。进而考察不同类别资产禀赋对降低返贫概率的影响。最后，进一步讨论脱贫未返贫路径中资产替代因素的作用。本文的边际贡献体现在：第一，明确从狭义的返贫定义出发，提出了脆弱性脱贫理论，以解释脱贫又返贫现象；第二，进一步分析脱贫未返贫路径机制，充实了脆弱性脱贫理论；第三，将传统空间Markov模型拓展为影响因素更一般的“条件Markov模型”，结合微观数据对脆弱性脱贫理论进行了验证。
二、脆弱性脱贫分析框架与研究假说
（一）脆弱性脱贫理论。脆弱性脱贫是指贫困对象脱贫后，在受到其他外部事件冲击时，因缺乏资产的缓冲与保护而导致脱贫对象重新退回贫困线以下，出现脱贫又返贫的现象。其脆弱性体现在，难以抵御波动性与随机性的风险冲击，当劳务收入、经营收入与转移支付收入等收入来源出现骤减时，只有家庭的存量资产能够换取基本生存需要。此时，家庭资产财富的积累因其能够应对风险冲击而成为避免陷入贫困的重要来源（Caner 和 Wolff，2004）。因此，将家庭实现脱贫但没有资产或资产持有较少的情况称为脆弱性脱贫。
界定脆弱性脱贫需要明确以下三点：贫困界定、脱贫属性与资产衡量。首先，脆弱性脱贫需要历经贫困到脱贫再到返贫三个阶段，因此贫困的界定成为首先的考虑的问题。已有研究以收入制定贫困线标准（陈建东和周晓蓉，2015；郭君平等，2018），然而从脆弱性脱贫核心来看，收入对滞后期资产具有正向影响，但部分资产类别与收入存在严格的单向因果关联，无法对滞后期收入产生影响。即收入的提升将增加家庭资产的购买，虽然生产资产和金融资产的增加同样会增加下期收入，形成资产对收入的影响，但现实情况中贫困家庭并不存在或较少存在生产资产和金融资产（解垩，2015；程名望等，2018；卢亚娟和张菁晶，2018），使得该类资产无法对贫困家庭收入变动形成影响，也难以考虑耐用消费品、保险和黄金首饰等家庭资产对收入的影响。因此，用收入来界定贫困不适合本文。若从多维贫困角度进行贫困界定，现有文献界定维度大多包含家庭生活水平维度，其中指示指标包括耐用品和住房等，而这与家庭资产衡量指标重复（李峰等，2018），将导致内生性问题，故多维贫困方法界定也不适用。综上，本文以消费情况作为划分贫困的标准，主要基于以下两点考虑：一是前期资产可能影响当期消费，前期资产利得或资产变卖将影响当期消费水平；二是有严格以消费线划分的贫困标准供使用。本文以2008年世界银行根据75个国家的贫困线数据以及2005年购买力平价水平（PPP）确定的1.25美元/天标准进行测算，①之后通过居民消费价格指数进行调整。其次需要明确的是脱贫属性问题，即确定研究所关注的群体存在从贫困到非贫的转变。因此本研究的样本选取至少需要三期数据支撑，一期判别以消费线划分的贫困群体，二期确定从贫困转移到非贫的群体，三期关注已脱贫但又转移为贫困的返贫群体。最后需要对资产进行衡量。本文认为，如果仅从总资产出发，考虑其对脱贫又返贫的影响无疑是制造一个“黑箱”，难以解释其内在机制，特别是不同类型资产对贫困判别的影响未能诠释。也有学者从多维资产贫困的视角出发，认为资产是金钱、人口、物质和社会资源的集合，具体包括金融资产、人力资产、物质资产和社会与自然（Moser，2008）。同样，本文从多维视角定义资产并依据数据可得性原则将资产划分为五个类别：一是生产资产，即生产性固定资产如土地、机器设备和牲畜等。二是金融资产，即家庭所拥有的现金、存款、股票、基金和债券等流动性强具有投资属性的资产。三是自用资产，即家庭耐用消费品如汽车、家具和家用电器等，以及家庭居住的房产。未按照Haveman 和Wolff（2000）的做法将房产从指标范围内剔除是因为前者是利用资产拥有情况对贫困进行测算，从人道主义视角考虑，短期贫困使一个家庭变卖房产的情况不合理，同时房产大额资本的属性可能掩盖资产贫困的发生。而本文的目的是验证资产禀赋对脱贫状态转移的影响，前期拥有的房产无论是变卖或者抵押都可能影响当期的消费情况，考虑到贫困家庭往往仅拥有一套自用房产，因此将房产划分为自用资产。四是保障资产，即家庭商业医疗保险与商业财产保险的支出，保险具有规避风险的作用，当受到风险冲击时保险的赔付将避免家庭重新返回贫困。五是人力资产，当遭遇风险冲击时，具有高层次教育水平的家庭成员能够拥有更多社会资源与获得收入的能力，使得家庭生存的基本需要可以得到满足，避免重新陷入贫困。
（二）脆弱性脱贫理论的传递机制。脆弱性脱贫理论的核心是解释返贫现象，因此将重点探讨“脱贫—返贫”的中间机制，本文构建了脆弱性脱贫传递机制分析框架（图1）。无论通过何种方式实现脱贫，脱贫群体中总有家庭存在资产匮乏。家庭资产匮乏将难以抵御风险的冲击，使得部分脱贫家庭再次返贫。在脆弱性脱贫阶段，风险来源于地区和个人两个层面，地区层面主要为自然灾害冲击譬如气象灾害、生态灾害、生物灾害和地质灾害。自然灾害一方面将导致种养殖业减产、减收进而使得收入减少。另一方面，自然灾害可能使房屋、机器以及车辆甚至个人健康遭受损失，使得支出增加。个人层面主要为突发事件冲击，譬如失业、财产损失以及疾病，这些事件将不同程度导致收入减少或者支出增加。收入减少将直接影响当期消费，支出增加也可能减少下期消费水平，比如当期医疗费用支出增加会压缩其他生活支出，难以满足生活的基本需要，最终导致返贫现象的发生。
从解决返贫问题视角看，若家庭拥有丰富的资产禀赋将使其能抵御风险的冲击而降低出现脱贫又返贫现象发生的可能。基于以上分析，本文提出假说1：资产禀赋可以防止返贫现象发生，资产越匮乏的脱贫家庭越容易出现返贫现象。
当家庭遭遇风险冲击后，由于资产替代因素承担了资产具有的风险抵御功能，因此部分资产禀赋不足的家庭也不会出现返贫现象。本文将资产替代效应分为两个层面：一是地区层面，若地区存在其他外部资源支撑将降低资产抵御风险作用的发挥。城市拥有完善的社会福利体系，各种公益性设施及其服务包括教育、卫生和转移支付等可以替代资产的“安全网”作用帮助家庭抵御意外的冲击。同时高福利地区意味着政府能够行使更多资源，避免出现家庭贫困的现象，可进一步替代资产的作用。二是个体层面，资产主要通过抵押或变卖等转变实现满足生活需要，但若家庭存在借款行为则无需减少资产，同样可以满足家庭的基本消费避免返贫。基于此，本文提出假说2：若地区或个体层面存在着资产替代效应，家庭资产禀赋防止返贫现象发生的作用将会减弱。
|
| 图 1 脆弱性脱贫传递机制分析框架图 |
三、方法、数据与变量选取
（一）方法设定。
1. 示性函数。示性函数是用以区别事件发生与否的0、1二值函数，本文探讨的是狭义返贫，因此需要确定以下三个事件阶段：贫困、脱贫以及返贫。若当年家庭总支出低于消费贫困线标准记为1，表示存在贫困或返贫状态。反之，不存在贫困状态即脱贫或持续脱贫则记为0。从图2可以看出，至少需要进行三次贫困判别：第一次判别确定贫困家庭；第二次判别确定脱贫家庭；第三次判别确定返贫家庭。
2. 倾向得分匹配法。研究不同水平的资产禀赋对返贫事件发生的影响需要考虑以下两个方面：一是需要考虑遗漏其他因素造成的估计偏误；二是样本可能存在的自选择偏误。鉴于此，本文采用基于“反事实因果推断框架”中的倾向得分匹配法，以尽可能使处理组与对照组在事件选择上处于随机状态，从而解决以上问题。
倾向得分法首先需要根据Logit模型计算倾向得分值（PS），将选取的多维匹配变量降为一维变量，以降低匹配难度，其模型如下：
| $P{S_i} = P\left( {{X_i}} \right) = {P_i}\left( {{D_i} = \left. 1 \right|{X_i}} \right) = \frac{{\exp \left( {\beta {X_i}} \right)}}{{1 + \exp \left( {\beta {X_i}} \right)}}$ | (1) |
其中，PSi是计算出的每个家庭倾向得分值；Xi是一系列可观测到的匹配变量，一般选取样本的特征变量；Di为虚拟变量，1代表高水平资产禀赋，0代表低水平资产禀赋；
| $ATT = E\left( {{Y^1} - {Y^0}\left| {P\left( x \right)} \right.} \right) = E\left( {{Y^1}\left| {D = 1,P\left( x \right)} \right.} \right) - E\left( {{Y^0}\left| {D = 0,P\left( x \right)} \right.} \right)$ | (3) |
式（3）中，Y1表示高水平资产禀赋家庭的返贫程度，Y0表示低水平资产禀赋家庭的返贫程度，ATT为两类家庭之间的平均净效果之差。
3. 条件Markov模型。本文基于分布动态学从长期动态的角度研究家庭脱贫状态的演进变化，借鉴已有文献（Gu，2016；Li等，2019），将脱贫类型和返贫类型都分成3类，②得到3×3的“脱贫—返贫”转移概率矩阵，在此基础上，为具体探究不同资产变量对脱贫内部状态转移的影响，将空间Markov模型中的“空间邻近”变量放宽为一般变量，构造一般化的条件Markov模型，具体方法如下：对于一个
为验证二者差异是否具有统计学意义，对两类Markov转移概率矩阵的差异进行非参数的卡方检验，具体构造方式如下（Gallo，2001）：
| $Q = - 2\log \left\{ {\prod\limits_{\lambda = 1}^2 {\prod\limits_{i = 1}^k {\prod\limits_{j = 1}^k {{{\left( {\frac{{{P_{ij}}^d}}{{P_{ij}^d(\lambda )}}} \right)}^{{n_{ij}}(\lambda )}}} } } } \right\}$ | (4) |
式（3）中，
（二）样本数据。本文数据来源于中国家庭追踪调查（CFPS）数据库，覆盖中国25个省级行政区，目标样本规模16 000户，从2010年开始正式收集且每两年发布一期，截至2016年共四期数据。由于2016年数据资料与前期数据资料存在大量不匹配的情况，因此本文采用2010年、2012年和2014年三期数据。剔除了指标缺失及数据异常样本。依据图2样本识别流程，一期数据即2010年数据中未达到消费线的贫困家庭共有2 854户，二期数据即2012年数据中脱贫家庭1 384户，三期数据即2014年数据中返贫家庭208户。
|
| 图 2 示性函数判别流程图 |
（三）变量选取。
1. 贫困识别。基于已有研究的普遍做法将家庭消费总支出作为衡量家庭消费情况的指示变量，其中包括食品、衣着、家庭设备、医疗保健、交通通讯和文教娱乐等支出。通过与消费贫困线进行比较来判别贫困家庭。③
2. 资产变量。本文从多维视角定义资产，具体包括：生产资产（Productionit-1）衡量可以创造物质收入的禀赋；金融资产（Capitalit-1）衡量可以创造投资收入的禀赋；自用资产（Useit-1）衡量可以进行资产转卖的禀赋；保障资产（Securityit-1）衡量外部力量抵御风险的禀赋；人力资产（Humanit-1）衡量家庭成员获取收入与社会资源的禀赋。
3. 匹配变量。选取一定数量家庭特征可观测变量以降低家庭间个体性差异。具体包括家庭人口规模（Populationit）衡量家庭人口基数情况；从事农业情况（Farmingit）衡量家庭收入来源的经营类别；人情支出（Socialit）衡量家庭参与社会交往的程度；人均收入（Incomeit）衡量家庭持续性经济能力；可信程度（Trustedit）则能降低微观调查存在的测量误差；健康情况（Healthit）衡量家庭成员的身体健康情况。
4. 机制变量。风险冲击代理变量为大额医疗（Medicalit-1），即家庭是否存在大额医疗支出，一般大额医疗支出将透支使用当期家庭财产，同时主要劳动力也无法获得收入，会对下期家庭消费造成影响。地区资产替代因素包括：家庭户籍（Censusit）代表家庭归属地的城乡差异，福利水平（Welfareit）代表家庭所属省份的社会保障能力，个体资产以借款行为（Borrowit）来替代，以判别家庭是否存在该年度存在借款。
变量定义见表1。
| 变量类别 | 变量名称 | 变量定义 | 离散化标准 |
| 贫困识别 | 贫困属性（Povertyit） | 家庭i第t年家庭人均消费是否超过1.25美元/天（是=1，否=0） | 逻辑值 |
| 资产变量 | 总资产（Overallit−1） | 家庭i第t−1年所有类别资产加总（元） | 指标中位数 |
| 生产资产（Productionit−1） | 家庭i第t−1年生产性固定资产（元） | 指标中位数 | |
| 金融资产（Capitalit−1） | 家庭i第t−1年人均家庭金融净资产（元） | 指标中位数 | |
| 自用资产（Useit−1） | 家庭i第t−1年耐用消费品价值与房产价值（元） | 指标中位数 | |
| 保障资产（Securityit−1）a | 家庭i第t−1年是否至少一位成员拥有保险（是=1，否=0） | 逻辑值 | |
| 人力资产（Humanit−1）b | 家庭i第t−1年是否存在具有高中及以上学历的家庭成员（是=1，否=0） | 逻辑值 | |
| 匹配变量 | 家庭人口规模（Populationit） | 家庭i第t年家庭总人口数 | − |
| 从事农业情况（Farmingit） | 家庭i第t年是否从事农业经营（是=1，否=0） | − | |
| 人情支出（Socialit） | 家庭i第t年的人情礼支出（元） | − | |
| 人均收入（Incomeit） | 家庭i第t年家庭人口人均收入（元） | − | |
| 可信程度（Trustedit）c | 家庭i第t年调查受访者回答可信程度 | − | |
| 健康情况（Healthit） | 家庭i第t年是否存在不健康家庭成员（是=1，否=0） | − | |
| 机制变量 | 大额医疗（Medicalit−1） | 家庭i第t−1年医疗卫生支出是否达到贫困线25%（是=1，否=0） | 逻辑值 |
| 家庭户籍（Censusit） | 家庭i第t年户籍地归属情况（城市=1，乡村=0） | 逻辑值 | |
| 福利水平（Welfareit） | 省份i第t年政府在社会保障和就业以及卫生医疗上的人均支出（万元） | 指标中位数 | |
| 借款行为（Borrowit） | 家庭i第t年是否存在待偿贷款额（是=1，否=0） | 逻辑值 | |
| 注：a.保险类型包括新型农村合作保险、城镇居民医疗保险、城镇职工医疗保险、公费医疗保险和补充医疗保险；b.已剔除家庭仍在读成员，避免因学返贫家庭导致的偏差；c.CFPS调查中通过对样本家庭某成员面访或电访形式获取家庭数据，为保证数据可靠性，调查员将对调查对象进行主观评判。 | |||
四、脱贫又返贫的路径机制
（一）脆弱性脱贫理论验证。
1. 倾向得分匹配估计与分析。依据研究设计，本文通过阐述返贫现象的内在机制重点关注如何防止返贫现象发生，因此首先需要考察资产禀赋对防止返贫现象发生是否具有显著作用。选择PSM方法进行估计，由于当期消费和资产之间可能存在内生性而造成估计结果无效，因此，选取家庭资产禀赋水平的前一期数据。此外，PSM匹配存在多种方法，不同匹配方法也会造成估计结果的偏差，本文分别采用核匹配法、半径匹配法和近邻匹配法进行估计。
表2展示了不同类别的资产禀赋对防止返贫现象发生的作用效果，其中ATT为处理组与对照组之间的平均净效果之差。总体来看，无论采用何种匹配方法，总资产平均净效果均为负值，且系数均在1%的水平上显著，表明高资产禀赋家庭能够显著降低脱贫家庭返贫现象的发生。可以看出，匹配后高资产禀赋家庭比低资产禀赋家庭返贫可能性下降超过35%以上。具体从各资产类别来看，无论采用何种匹配方法，生产资产平均净效果均为负值，返贫概率下降超过60%，且系数在1%的水平上显著，这表明生产资产能够最大程度地降低返贫现象的发生；金融资产平均净效果同样均为负值，不同匹配方法在10%的水平上显著，降低返贫概率超过20%以上；自用资产平均净效果也均为负值，不同匹配方法均在1%的水平上显著，自用资产禀赋水平高的家庭可使返贫现象发生降低40%以上；保障资产虽然ATT值为负，但未能通过显著性检验，有学者认为，中国医疗费用数额较大且保险报销比例较低，导致医疗保险的防范风险能力较弱（鲍震宇和赵元凤，2018）；人力资本平均净效果同样均为负值，且不同匹配方法分别在10%和5%的水平上显著，这表明家庭中具有高层次教育水平的家庭成员能够减少返贫现象的发生。
| 资产类别 | 匹配方法 | 处理组 | 对照组 | ATT | 改变（%） | t值 |
| 总资产 | 核匹配 | 0.102 | 0.163 | −0.061*** | −37.42% | −3.01 |
| 半径匹配（r=0.01） | 0.101 | 0.172 | −0.071*** | −41.27% | −3.36 | |
| 近邻匹配（k=2） | 0.102 | 0.166 | −0.064*** | −38.55% | −2.59 | |
| 生产资产 | 核匹配 | 0.058 | 0.154 | −0.096*** | −62.34% | −3.74 |
| 半径匹配（r=0.01） | 0.058 | 0.154 | −0.096*** | −62.34% | −3.65 | |
| 近邻匹配（k=2） | 0.058 | 0.169 | −0.111*** | −65.68% | −3.00 | |
| 金融资产 | 核匹配 | 0.103 | 0.137 | −0.034* | −24.81% | −1.89 |
| 半径匹配（r=0.01） | 0.103 | 0.132 | −0.029* | −21.97% | −1.88 | |
| 近邻匹配（k=2） | 0.105 | 0.135 | −0.030* | −22.22% | −1.73 | |
| 自用资产 | 核匹配 | 0.089 | 0.167 | −0.078*** | −46.71% | −3.96 |
| 半径匹配（r=0.01） | 0.088 | 0.167 | −0.079*** | −47.31% | −3.86 | |
| 近邻匹配（k=2） | 0.088 | 0.183 | −0.095*** | −51.91% | −3.85 | |
| 保障资产 | 核匹配 | 0.153 | 0.209 | −0.055 | −26.31% | −0.88 |
| 半径匹配（r=0.01） | 0.149 | 0.197 | −0.048 | −24.36% | −0.71 | |
| 近邻匹配（k=2） | 0.148 | 0.202 | −0.053 | −26.23% | −0.71 | |
| 人力资产 | 核匹配 | 0.112 | 0.150 | −0.038** | −25.33% | −2.06 |
| 半径匹配（r=0.01） | 0.113 | 0.149 | −0.036* | −24.16% | −1.98 | |
| 近邻匹配（k=2） | 0.112 | 0.135 | −0.023* | −17.04% | −1.81 | |
| 注：*、**、***分别表示在10%、5%、1%的水平上显著，由t值计算得出，下表相同。 | ||||||
综上所述，几种匹配方法估计结果均趋于一致，家庭资产禀赋对返贫现象发生存在显著负的影响，特别是生产资产在减少返贫现象上的效应最明显。为保证结论的稳健性，本文同样根据世界银行在2015年重新划定的1.9美元/天（低标准）和3.1美元/天（高标准）的贫困线进行检验，结论依旧成立。④
2. 平衡性假定检验。为确保匹配质量与估计结果的可靠性，倾向得分匹配法需要满足平衡性假定，因此借鉴Rubin（2001）的方法从标准化偏差、均值差异以及伪R2（Pseudo R2）、卡方（LR chi2）、偏差均值（Mean Bias）和B值三个方面进行判别。
首先，对匹配前与匹配后标准化偏差的变动进行分析，Rosenbaum 和 Donald（1983）提出，标准偏差的绝对值小于20%表示匹配效果好，实证分析中匹配后不同匹配变量标准偏差值均低于20%，⑤表明匹配效果好；进而，用t检验对匹配后处理组与对照组匹配变量进行差异显著性检验，发现匹配前部分变量处理组与对照组存在显著性差异，但匹配后均不存在显著性差异，⑥表明匹配效果好；最后，对伪R2、卡方值、偏差均值和B值进行分析发现，除保障资产，其他所有资产类别无论采用何种匹配方法，伪R2、卡方值、偏差均值和B值均出现下降，同时匹配后卡方值与B值均不存在显著性差异。⑦综合各匹配平衡性假定检验指标可以看出，匹配后处理组与对照组之间因可观测变量所导致的偏差基本消除，匹配效果好且不同匹配方法结果基本一致，表明上文倾向得分匹配估计结果稳健可靠。
（二）脆弱性脱贫理论的进一步讨论。
1. 一般情景下资产禀赋对“脱贫—返贫”状态转移的影响。为具体探究不同资产禀赋水平对“脱贫—返贫”状态转移概率的影响，本文将资产变量指标离散化为两类进行分析，其本质是按照这两类条件变量将整体“脱贫—返贫”转移概率进行分解。首先考虑所有样本家庭在一般情景下，不同类别资产禀赋水平对“脱贫—返贫”状态转移的影响，条件转移概率见表3。
| 低水平 | 高水平 | 卡方检验 | ||||||
| 深度返贫 | 浅度返贫 | 未返贫 | 深度返贫 | 浅度返贫 | 未返贫 | |||
| 总资产 | 轻度脱贫 | 6.69% | 16.88% | 76.43% | 3.85% | 11.54% | 84.62% | 17.677** |
| 中度脱贫 | 2.18% | 15.72% | 82.10% | 2.38% | 3.57% | 94.05% | ||
| 高度脱贫 | 2.81% | 9.44% | 87.76% | 0.77% | 8.43% | 90.80% | ||
| 生产资产 | 轻度脱贫 | 6.35% | 16.50% | 77.16% | 0.00% | 0.00% | 100.00% | 18.556** |
| 中度脱贫 | 2.05% | 12.33% | 85.62% | 4.76% | 14.29% | 80.95% | ||
| 高度脱贫 | 2.02% | 9.75% | 88.24% | 1.72% | 1.72% | 96.55% | ||
| 金融资产 | 轻度脱贫 | 7.87% | 18.87% | 73.26% | 2.49% | 9.15% | 88.36% | 10.030 |
| 中度脱贫 | 5.77% | 11.15% | 83.08% | 3.77% | 8.91% | 87.32% | ||
| 高度脱贫 | 2.23% | 8.91% | 88.86% | 0.88% | 5.65% | 93.47% | ||
| 自用资产 | 轻度脱贫 | 6.83% | 17.41% | 75.77% | 4.00% | 11.20% | 84.80% | 23.222*** |
| 中度脱贫 | 2.94% | 17.16% | 79.90% | 0.92% | 3.67% | 95.41% | ||
| 高度脱贫 | 2.49% | 10.25% | 87.26% | 1.37% | 7.53% | 91.10% | ||
| 保障资产 | 轻度脱贫 | 7.82% | 16.83% | 75.35% | 6.25% | 15.50% | 78.25% | 9.054 |
| 中度脱贫 | 4.23% | 15.41% | 80.36% | 5.31% | 10.87% | 84.82% | ||
| 高度脱贫 | 2.51% | 10.29% | 87.20% | 3.04% | 8.25% | 88.71% | ||
| 人力资产 | 轻度脱贫 | 6.52% | 15.01% | 78.47% | 3.08% | 13.46% | 83.46% | 17.507** |
| 中度脱贫 | 2.38% | 13.10% | 84.52% | 1.64% | 7.84% | 90.52% | ||
| 高度脱贫 | 2.08% | 10.19% | 87.74% | 1.63% | 4.07% | 94.31% | ||
总体来看，对于总资产为低水平的家庭而言，无论当期处于轻度脱贫、中度脱贫还是高度脱贫，下一期返回为深度贫困和浅度贫困的概率均高于对应的总资产为高水平的家庭，表明低水平总资产禀赋家庭更有可能出现返贫现象，且主要为轻度脱贫转移为浅度返贫，返贫概率达到16.88%。从具体各类别资产来看，高水平生产资产禀赋家庭中轻度脱贫家庭的深度返贫与浅度返贫概率为0%，而低水平生产资产禀赋家庭的返贫概率分别达到6.35%与16.5%，二者存在较大差距。中度脱贫家庭的深度返贫与浅度返贫的转移概率有所增长，但为高度脱贫时又出现下降。这可能是因为，中度脱贫家庭既不类似轻度脱贫家庭无经济能力购置大规模生产资产，也无法如高度脱贫家庭购置资产后仍拥有充分的资金保障，中度脱贫家庭在购置生产资产后压缩了其他方面的资金使用，导致后期消费支出减少；高水平金融资产禀赋家庭的所有脱贫类别返贫概率基本低于低金融资产禀赋，特别是高度脱贫家庭转移为高度返贫的概率仅为0.88%；高水平自用资产禀赋家庭各脱贫类别返贫概率均低于低自有资产禀赋家庭，且中度脱贫家庭的浅度返贫转移概率相差超过10%，中度脱贫家庭转移为深度返贫的概率仅为0.92%；保障资产高水平禀赋家庭无论为何种脱贫类别，转移为浅度返贫的概率均低于低水平保障资产禀赋家庭，但向深度返贫概率却均高于低水平保障资产禀赋家庭。从现实来看，购买保险人群往往存在重大风险可能，使得高保障资产禀赋家庭反而容易出现深度返贫；人力资产高水平禀赋家庭各脱贫类别转移为贫困状态的概率基本都低于人力资产低水平家庭，而保持脱贫状态的概率均高于人力资产低水平家庭。
综上，家庭资产禀赋水平对“脱贫—返贫”状态转移概率的分解展示了不同脱贫状态的返贫情况，通过数值比较发现高资产禀赋能够降低返贫概率。但是这种差异是否存在统计学意义呢?为解释该问题，本文设定原假设H0:
通过条件Markov模型详细展示了一般情形下的“脱贫—返贫”状态转移情况，可以发现，资产禀赋水平的确能够显著影响“脱贫—返贫”概率，特别是降低家庭从轻度脱贫转为浅度返贫的效果最明显。而生产资产能够最大程度地保障家庭免于返贫，这也印证了“造血式扶贫”的理念，唯有使一个家庭掌握创造物质财富的能力才能从根本上避免返贫现象的发生。
2. 风险冲击情景下资产禀赋对“脱贫—返贫”状态转移的影响。前文将医疗行为视为遭受到风险冲击，此时资产应发挥更为明显的“安全网”作用。因此考虑特殊条件风险冲击情景下，将样本群体选择为存在大额医疗支出的家庭，从而进一步检验脆弱性脱贫传递机制中讨论的风险冲击情景下资产抵御风险的作用，与一般情景相比，此时资产应发挥更大作用。需要注意的是，本文选取家庭医疗保健支出变量前一期数据，原因如下：一是，当期家庭医疗保健支出与家庭消费支出存在内生性问题，医疗保健支出越高意味着家庭消费支出越多，会使该家庭在贫困判别时被判别为未返贫家庭；二是，医疗支出对家庭影响存在滞后性，当期医疗支出增加将降低下一期家庭消费水平。由于家庭成员出现疾病或伤残需要大笔医疗费用，这将透支家庭财产及消费能力，使得下一期家庭消费水平下降。表4为检验结果，总体来看，由于样本为遭受医疗风险冲击的家庭，因此与表3全样本测算结果相比，所有脱贫类别的返贫概率均有所提升，说明将样本控制在遭遇风险冲击情景下，脱贫家庭的返贫概率将提升。但不同资产禀赋水平家庭之间的返贫转移概率的差异增大，资产禀赋高水平家庭的返贫概率远远低于资产禀赋低水平家庭，表明在风险冲击的情景下，资产防止脱贫家庭返回贫困的作用将增强。从具体资产类别来看，总资产禀赋的差异使得轻度脱贫家庭的返贫概率相差超过10%，中度脱贫家庭的返贫概率相差超过15%；生产资产高水平禀赋家庭的轻度脱贫与高度脱贫返贫概率为0%；保障资产高水平禀赋家庭在所有的脱贫状态下不返贫的概率均高于低水平禀赋家庭，这表明保险一定程度上能够抵御风险的冲击；人力资产高水平禀赋家庭各脱贫状态的返贫概率基本低于低水平禀赋家庭，且降低程度较未受风险冲击条件下有所增大。同时，总资产、生产资产、金融资产和人力资产降低脱贫家庭返贫概率的变化情况也均在10%、5%或1%的水平上显著，表明结论具有统计学意义。
| 低水平 | 高水平 | 卡方检验 | ||||||
| 深度返贫 | 浅度返贫 | 未返贫 | 深度返贫 | 浅度返贫 | 未返贫 | |||
| 总资产 | 轻度脱贫 | 11.32% | 22.64% | 66.04% | 7.69% | 15.38% | 76.92% | 17.239** |
| 中度脱贫 | 1.67% | 20.00% | 78.33% | 0.00% | 5.00% | 95.00% | ||
| 高度脱贫 | 1.40% | 7.69% | 90.91% | 0.00% | 8.75% | 91.25% | ||
| 生产资产 | 轻度脱贫 | 11.11% | 22.22% | 66.67% | 0.00% | 0.00% | 100.00% | 19.746*** |
| 中度脱贫 | 1.32% | 14.47% | 84.21% | 0.00% | 7.83% | 82.17% | ||
| 高度脱贫 | 0.96% | 8.61% | 90.43% | 0.00% | 0.00% | 100.00% | ||
| 金融资产 | 轻度脱贫 | 12.25% | 20.42% | 67.33% | 4.54% | 15.95% | 79.51% | 12.451* |
| 中度脱贫 | 3.25% | 15.84% | 80.91% | 3.84% | 9.41% | 86.75% | ||
| 高度脱贫 | 1.86% | 10.05% | 88.09% | 1.27% | 6.31% | 92.42% | ||
| 自用资产 | 轻度脱贫 | 13.33% | 20.00% | 66.67% | 9.80% | 18.57% | 71.63% | 22.875*** |
| 中度脱贫 | 1.72% | 20.69% | 77.59% | 0.00% | 4.55% | 95.45% | ||
| 高度脱贫 | 1.38% | 8.97% | 89.66% | 0.00% | 6.41% | 93.59% | ||
| 保障资产 | 轻度脱贫 | 14.12% | 19.41% | 66.47% | 6.83% | 18.60% | 74.57% | 9.856 |
| 中度脱贫 | 5.84% | 17.54% | 76.62% | 5.14% | 12.41% | 82.45% | ||
| 高度脱贫 | 1.56% | 11.25% | 87.19% | 1.39% | 6.55% | 92.06% | ||
| 轻度脱贫 | 13.86% | 16.95% | 68.19% | 7.00% | 17.14% | 76.86% | 14.794** | |
| 人力资产 | 中度脱贫 | 5.64% | 16.39% | 77.97% | 2.85% | 11.79% | 85.36% | |
| 高度脱贫 | 3.12% | 13.38% | 83.50% | 1.79% | 6.82% | 91.39% | ||
综上所述，同一般情景相比，风险冲击情景下资产禀赋将更大程度地降低脱贫家庭的返贫概率，进一步验证了脆弱性脱贫理论讨论的资产所具有的“安全网”作用，假说1内容得到充分验证，假说1成立。
五、脱贫未返贫的路径机制
根据上文脆弱性脱贫传递机制中的讨论，风险冲击将使得脱贫家庭重新返回贫困状态，但现实生活中可能存在部分资产禀赋低水平的家庭在遭遇风险冲击时仍然保持脱贫状态。本文认为，正是由于存在资产替代因素承担了资产的“安全网”作用，使得即使家庭资产禀赋不足，但遭遇风险冲击仍未出现返贫，即存在未返贫路径。为验证该路径，本文将资产替代因素分为地区因素与个体因素，首先探究地区因素中城乡之间的差异，城市较乡村拥有较为完善的福利体系，这使城市家庭拥有了更大的风险抵抗能力。表5为不同资产替代因素控制下的检验结果，其中列（1）与列（2）为资产禀赋低水平与资产禀赋高水平家庭在不同脱贫类型中的深度返贫与浅度返贫概率之差，数值呈负数，且数值越小表明资产禀赋降低返贫概率作用越明显。列（3）为资产禀赋低水平家庭与资产禀赋高水平家庭在不同脱贫类型下的未返贫状态概率之差，数值越大意味着保持脱贫状态的概率越大。总体来看，受城市福利体系影响，所有资产水平返贫概率均有所下降，这表明城市福利体系总体能够降低返贫概率。⑧不同类别资产在列（1）和列（2）中基本保持负值，表明高水平资产禀赋依然能够降低返贫概率。同样，在列（3）中基本保持正值，表明高水平资产禀赋能够提升保持脱贫状态概率，但在卡方检验结果中却均不显著。这表示，资产禀赋虽然具有一定抵御风险的作用，但城市地区完善的福利体系所带来的外部性力量减弱了资产禀赋降低脱贫家庭返贫现象发生的作用。
| 城市 | 高福利地区 | 借款行为 | ||||||||
| （1）D | （2）S | （3）N | （4）D | （5）S | （6）N | （7）D | （8）S | （9）N | ||
| 总资产 | 轻度脱贫 | −0.44% | −15.18% | 15.63% | 6.31% | −7.02% | 0.72% | −2.44% | 6.80% | −4.36% |
| 中度脱贫 | −0.82% | −11.54% | 12.35% | −1.15% | −14.39% | 15.54% | −3.13% | −12.50% | 15.62% | |
| 高度脱贫 | −1.63% | 0.37% | 1.26% | −3.52% | −1.74% | 5.26% | −4.35% | 10.75% | −6.40% | |
| χ2 | 9.916 | 10.056 | 9.629 | |||||||
| 生产资产 | 轻度脱贫 | −3.80% | −17.72% | 21.52% | −7.50% | −13.33% | 20.83% | −1.96% | −17.65% | 19.61% |
| 中度脱贫 | 12.37% | −5.77% | −6.60% | −0.98% | 16.27% | −15.29% | −2.08% | 43.75% | −41.67% | |
| 高度脱贫 | −1.86% | −3.11% | 4.97% | −2.66% | −11.17% | 13.83% | −2.50% | −16.25% | 18.75% | |
| χ2 | 8.093 | 11.929 | 5.599 | |||||||
| 金融资产 | 轻度脱贫 | −3.21% | −4.52% | 7.73% | −2.44% | 5.42% | −2.98% | −6.14% | 7.45% | −1.31% |
| 中度脱贫 | 1.59% | −5.41% | 3.82% | −2.51% | −3.80% | 6.31% | −2.21% | −0.41% | 2.62% | |
| 高度脱贫 | −0.69% | −2.19% | 2.88% | −0.26% | −1.49% | 1.75% | 1.03% | −2.19% | 1.16% | |
| χ2 | 7.457 | 5.804 | 5.041 | |||||||
| 自用资产 | 轻度脱贫 | −0.44% | −10.26% | 10.71% | 6.31% | −7.02% | 0.72% | −2.44% | −2.78% | 5.22% |
| 中度脱贫 | −7.69% | −11.54% | 19.23% | −1.12% | −13.63% | 14.75% | −3.03% | −12.12% | 15.15% | |
| 高度脱贫 | −1.42% | 0.69% | 0.73% | −3.40% | −7.48% | 10.89% | −3.77% | 1.58% | 2.20% | |
| χ2 | 11.146 | 12.161 | 6.945 | |||||||
| 保障资产 | 轻度脱贫 | −5.02% | −3.41% | 8.43% | 1.59% | −3.96% | 2.37% | 4.26% | 5.51% | −9.77% |
| 中度脱贫 | 5.62% | −3.39% | −2.23% | 2.14% | 1.53% | −3.67% | 1.29% | −3.08% | 1.79% | |
| 高度脱贫 | 0.16% | 2.56% | −2.72% | −1.21% | −5.52% | 6.73% | −3.14% | 1.57% | 1.57% | |
| χ2 | 8.494 | 7.689 | 4.710 | |||||||
| 人力资产 | 轻度脱贫 | −3.90% | 0.76% | 3.14% | −0.83% | 0.11% | 0.72% | −2.44% | 0.24% | 2.20% |
| 中度脱贫 | −5.26% | −0.50% | 5.77% | −1.09% | −12.39% | 13.48% | 0.00% | 2.88% | −2.88% | |
| 高度脱贫 | −2.27% | −3.79% | 6.06% | 1.24% | −7.60% | 6.36% | 0.00% | −7.79% | 7.79% | |
| χ2 | 7.857 | 5.008 | 3.967 | |||||||
| 注：D为深度返贫、S为浅度返贫、N为未返贫。 | ||||||||||
其次，高福利地区的结果表明政府更多投入公共服务体系建设和增加转移支付投入可以增强家庭抵御风险的能力。因此，本文根据政府在社会保障和就业以及卫生医疗人均支出是否处于平均水平来判别地区福利水平，检验结果见列（4）—列（6)。结果表明，受到地区福利水平的影响，所有资产水平返贫概率均出现下降，⑨表明高福利总体能够降低返贫概率。列（4）与列（5）中，在部分资产类别出现轻度脱贫的状态下，高水平资产禀赋家庭的返贫概率高于低水平资产禀赋家庭。而这可能正是由于福利水平的提升，政府为贫困家庭提供了更多保障，使得轻度脱贫家庭敢于购置资产与透支消费，导致其经常在贫困边缘徘徊，资产未能发挥防止返贫发生的作用。同样根据卡方检验结果可知，不同资产水平的返贫概率均无显著性差异，说明高福利地区中完善的公共服务体系与较高转移支付投入同样具有“安全网”的作用，将显著替代资产发挥降低返贫现象发生的作用。该结论与部分学者（张川川等，2015；解垩，2015；孙巍和冯星，2018）的结论保持了一致。
脱贫状态的转移情况除受地区因素影响外，同样会因个体特征或个体行为决策而改变。除部分资产的自身使用价值外，资产具有抵御风险的作用很大程度上是由于资产可以通过变卖或抵押而向“生存必需品”转换，进而实现风险抵御。但如果个体存在借款行为，同样可以避免家庭因风险冲击而返回贫困，一定程度上减弱了资产防止返贫的作用。个体替代因素检验结果见列（7）—列（9），所有类别资产均出现资产禀赋低水平家庭返贫概率低于资产禀赋高水平家庭，表明当脱贫家庭存在借款行为时，资产降低返贫现象发生的作用并不明显。而这可能是由于当期通过借款能够满足家庭基本需要的消费，无需对家庭资产进行处置。虽然上期资产禀赋可能影响当期借款数额，但中国社会存在密切的氏族关联以及浓厚的人情关系，因此通过亲属、朋友或邻居也可以轻松获取借款。同样，所有类别资产卡方检验结果均未通过显著性检验，表明家庭借款行为会削减资产降低返贫概率的作用。
以上分析表明，城市福利体系和高福利水平地区的资产替代削弱了资产对降低脱贫家庭返贫概率的作用。而资产替代个体因素中，家庭借款行为也将降低资产对脱贫家庭返贫概率的作用，以上均证明了脱贫未返贫路径的形成。假说2内容得到验证。
六、结论和政策启示
脱贫攻坚阶段必须将巩固已有脱贫成果作为首要任务，本文创新性地提出脆弱性脱贫理论并详细解释脆弱性脱贫传递机制，以此寻找脱贫又返贫现象存在的原因，并进一步提出了如何降低脱贫家庭的返贫风险。本文研究结果表明：第一，不同资产禀赋家庭的返贫概率存在显著性差异，资产越匮乏的家庭越容易出现返贫，资产禀赋能防止返贫现象发生；第二，生产资产、金融资产、自用资产和人力资产禀赋对脱贫家庭返贫发生都具有抑制作用，生产资产禀赋降低返贫效果最显著；第三，资产禀赋防止家庭从轻度脱贫返回为浅度贫困的作用最明显；第四，当存在风险冲击时，资产禀赋对降低返贫现象发生的作用将增强，而当地区存在完善的福利体系或福利水平高以及家庭存在借款行为时，资产禀赋对降低返贫现象发生的作用将减弱。
根据以上结论，本文得出以下政策启示：（1）完善公共服务体系，提升转移支付水平。返贫现象发生是因为返贫家庭缺乏“安全网”的保障，政府完善公共服务，提升转移支付水平将提供“安全网”的家庭资产主体转变为政府主体。实现全面小康社会需要将缺乏风险抵御能力的家庭纳入国家福利体系当中，才可能防止返贫现象。（2）将家庭资产指标纳入贫困家庭动态调整体系。当前扶贫工作主要以家庭人均收入水平作为进入或脱离贫困的标准，而降低返贫现象的发生，真正做到脱贫路上一个都不能少，需要将家庭资产水平作为考核标准，应将资产禀赋不足家庭纳入帮扶体系或针对脱贫家庭设置过渡期，观察家庭发展情况。（3）重点发展“产业扶贫”。使一个家庭掌握创造物质财富的能力才能避免返贫现象的发生，应鼓励有劳动能力的贫困家庭进行规模化农业种植、养殖或简单加工手工业，政府可提供必要的支持从而使其有能力获得持续性收入来源，实现从根本上帮助家庭脱离贫困。（4）提升贫困家庭人力资本，增加内生发展动力。一是支持贫困家庭子女接受高层次教育，杜绝贫困代际传递现象的发生，适时提供相应物质支持避免出现因学返贫的情况。二是为有劳动能力贫困家庭提供技能培训，增强其在就业市场的竞争力。与“扶贫车间”政策相结合，用以岗带培的方式解决贫困家庭的后顾之忧，共同提升贫困家庭的内生发展动力。
* 感谢广东外语外贸大学师生共建项目（18SS10）和国家级大学生创新创业训练计划项目（201911846009）的资助。
① 2005年国际比较项目（International Comparison Program，ICP）测算的中国货币购买力平价为3.46。
② 本文将脱贫类型分为轻度脱贫（Mild）、中度脱贫（Medium）和高度脱贫（Higher），若贫困家庭下一时期消费水平超过消费贫困线但低于50%视为轻度脱贫，若超过消费贫困线50%但低于100%则视为中度脱贫，若超过100%即视为高度脱贫。将返贫类型分为深度返贫（D）、浅度返贫（S）和未返贫（N），若脱贫家庭下一时期消费水平低于消费贫困线的50%视为深度返贫，若低于贫困线但高于消费贫困线50%视为低度返贫。
③ 具体操作中将家庭人口数与消费线相乘，得到以家庭为单位的贫困划分线。
④ 限于篇幅结果未展示，如有兴趣可向作者索要。
⑤ 限于篇幅结果未展示，标准化偏差共有5个组别三种匹配方法15组匹配结果，如有兴趣可向作者索要。
⑥ 与匹配变量标准偏差值检验表格相同，限于篇幅结果没有展示，如有兴趣可向作者索要。
⑦ 限于篇幅未展示匹配平衡性假定的检验结果，如有兴趣可向作者索要。
⑧ 限于篇幅未将不同资产类别的转移概率予以展示，有兴趣的读者可向作者索要。
⑨ 限于篇幅未将不同资产类别的转移概率予以展示，有兴趣的读者可向作者索要。
| [1] | 鲍震宇, 赵元凤. 农村居民医疗保险的反贫困效果研究——基于PSM的实证分析[J]. 江西财经大学学报, 2018(1): 90–105. |
| [2] | 程名望, 张帅, 史清华. 农户贫困及其决定因素——基于精准扶贫视角的实证分析[J]. 公共管理学报, 2018(1): 135–146. |
| [3] | 郭君平, 谭清香, 曲颂. 进城农民工家庭贫困的测量与分析——基于" 收入−消费−多维”视角[J]. 中国农村经济, 2018(9): 94–109. |
| [4] | 黄薇. 保险政策与中国式减贫: 经验、困局与路径优化[J]. 管理世界, 2019(1): 135–150. DOI:10.3969/j.issn.1002-5502.2019.01.009 |
| [5] | 蒋南平, 郑万军. 中国农民工多维返贫测度问题[J]. 中国农村经济, 2017(6): 58–69. |
| [6] | 解垩. 公共转移支付与老年人的多维贫困[J]. 中国工业经济, 2015(11): 32–46. |
| [7] | 李博, 张全红, 周强, 等. 中国收入贫困和多维贫困的静态与动态比较分析[J]. 数量经济技术经济研究, 2018(8): 39–55. |
| [8] | 李峰, 罗良清, 潘露露. 对多维贫困指标和权重的探索——基于CFPS数据的分析[J]. 江西财经大学学报, 2018(6): 82–93. |
| [9] | 卢亚娟, 张菁晶. 农村家庭金融资产选择行为的影响因素研究——基于CHFS微观数据的分析[J]. 管理世界, 2018(5): 98–106. DOI:10.3969/j.issn.1002-5502.2018.05.008 |
| [10] | 罗玉辉, 侯亚景. 中国农村多维贫困动态子群分解、分布与脱贫质量评价——基于CFPS面板数据的研究[J]. 贵州社会科学, 2019(1): 141–148. |
| [11] | 孙巍, 冯星. 政府补助支出福利政策的脱贫效应[J]. 改革, 2018(8): 138–148. |
| [12] | 万喆. 新形势下中国贫困新趋势和解决路径探究[J]. 国际经济评论, 2016(6): 47–62. |
| [13] | 张川川, Giles J, 赵耀辉. 新型农村社会养老保险政策效果评估——收入、贫困、消费、主观福利和劳动供给[J]. 经济学（季刊）, 2015(1): 203–230. |
| [14] | Caner A, Wolff E. Asset Poverty in the United States, 1984-1999[J]. Challenge, Taylor & Francis Journals, 2004, 47(1): 5–52. |
| [15] | Haveman R, Wolff E N. Who are the asset poor? Levels, trends and composition, 1983-1998[R]. St. Louis: Washington University Center for Social Development Working Paper No. 00-12, 2000. |
| [16] | Moser C. Reducing global poverty: The case for asset accumulation[M]. Washington: Brookings Institution Press, 2008. |
| [17] | Quah D T. Twin peaks: Growth and convergence in models of distribution dynamics[J]. The Economic Journal, 1996, 106(437): 1045–1055. DOI:10.2307/2235377 |