财政转移支付的减贫效应研究

《财经研究》
2020第46卷第10期

文章浏览量：[]

引用本文

李丹, 李梦瑶. 财政转移支付的减贫效应研究——基于国定扶贫县的实证分析[J]. 财经研究, 2020, 46(10): 48-63. 复制到剪切板

Li Dan, Li Mengyao. Research on the poverty reduction effect of fiscal transfer payment: an empirical study based on national poverty-stricken counties[J]. Journal of Finance and Economics, 2020, 46(10): 48-63. 复制到剪切板

财政转移支付的减贫效应研究——基于国定扶贫县的实证分析

李丹 , 李梦瑶

南京审计大学经济学院，江苏南京 211815

收稿日期: 2019-10-18

基金项目: 国家自然科学基金青年基金项目（71603122）；江苏省研究生科研与实践创新计划项目（KYCX20_1632）

作者简介: 李　丹（1987—），男，安徽宿州人，南京审计大学经济学院副教授，硕士生导师;
李梦瑶（1997—），女，安徽亳州人，南京审计大学经济学院研究生。

摘要: 文章以国家扶贫开发重点县为研究对象，构建多维指标体系，系统研究财政净转移支付及各类财政转移支付对贫困地区的减贫效应。研究发现：（1）财政转移对贫困人口和贫困发生率影响较为显著，并能有效提升贫困地区的人均GDP、人均财政收入和农村人均用电量等绝对指标；（2）财政转移支付未能显著提升贫困地区的人均GDP占比、人均财政收入占比和农村人均用电量占比等相对指标，且与全国平均水平相比，贫困地区不升反降，说明相对贫困问题依然较为突出；（3）分类转移支付中，税收返还、一般性转移支付以及专项转移支付的减贫效果均较为明显，且专项转移支付的减贫效果要优于一般性转移支付。根据上述研究结论，政府应将财政转移支付与“精准扶贫”体系相结合，引导财政转移支付资金向贫困人口、贫困项目倾斜，进一步提升财政转移支付的减贫效应；对贫困地区既要解决“绝对贫困”，也要解决“相对贫困”；既要注重“输血”，更要注重“造血”；同时，加大财政专项转移支付比重，以准确实现上级政府的减贫目标。

关键词: 财政转移支付国定扶贫县减贫效应

Research on the Poverty Reduction Effect of Fiscal Transfer Payment: An Empirical Study Based on National Poverty-stricken Counties

Li Dan, Li Mengyao

School of Economics, Nanjing Audit University, Nanjing 211815, China

Summary: Since the reform of tax-sharing system in 1994, the central government has begun to implement large-scale fiscal transfer payment to the poor areas in central and western China, but no consensus has been reached on the effect of fiscal transfer payment on poverty reduction. However, in previous studies, public transfer payment refers to the urban public relief system, agricultural subsidies, rural old-age security, urban and rural subsistence security, etc., not including other types of inter-governmental fiscal transfer payment; the data used are mainly from micro-survey data, and focus on the income level of poor population, household income, labor supply and so on, not involving the macroeconomic indicators of poor areas, and lacking inspection on the ability of “blood transfusion” and “blood-making” of fiscal transfer payment. In this paper, the intergovernmental fiscal transfer payment is selected as the core indicator, and it is no longer limited to the public transfer payment for families. Then, we construct a multi-dimensional index system reflecting the poverty reduction effect of poverty-stricken areas, and analyze the effect of fiscal transfer payment on poverty-stricken areas from a macro perspective. Firstly, the impact of fiscal transfer payment on absolute indicators such as poor population, poverty incidence rate, per capita GDP, rural per capita electricity consumption and total mechanical power per household in poverty-stricken areas is more significant. The poverty reduction effect of fiscal transfer payment is better, but there is also the situation that GDP grows rapidly in some regions, but the per capita financial income “does not rise but falls”, that is, the efforts of fiscal revenue are relatively low. Secondly, the effect of fiscal transfer payment on poverty reduction is not ideal or even significantly negative for the ratio of per capita GDP, per capita fiscal income and per capita electricity consumption. This shows that although fiscal transfer payment improves the absolute production and living standards of poor areas, compared with the national average level, it does not increase significantly, but decreases. Solving the problem of relative poverty is still the focus of all future work. Thirdly, in the study of classified transfer payment, the effects of tax return, general transfer payment and special transfer payment are obvious, and the effect of special transfer payment is better than that of general transfer payment. The academic value of this paper is mainly reflected in three aspects: Firstly, it is conducive to improving the current fiscal transfer payment system. Under the background of enhancing the general transfer payment and reducing the special transfer payment, we need to focus on the characteristics of poor areas, do not take “one-size-fits-all” reform measures. Secondly, it is beneficial to enhance the poverty reduction effect of fiscal transfer payment in poor areas and bring into play the use efficiency of fiscal transfer payment. Thirdly, it is conducive to objectively evaluating the poverty reduction effect of fiscal transfer payment. Through the construction of multi-dimensional index system, this paper can objectively reflect the economic development status of poverty-stricken areas and the regional gap with other regions, and provide certain reference for building a long-term mechanism to solve relative poverty in the “post-poverty era” in 2020.

Key words: fiscal transfer payment national poverty-stricken counties poverty reduction effect

一、引　言

1978年改革开放以来，中央以及各级地方政府积极开展农村扶贫工作，农村贫困人口大幅下降，农村生产生活条件得到明显改善。按照现行农村贫困标准（2010年不变价2 300元），截至2019年底，贫困人口已降至551万人，贫困发生率下降至0.6%。此外，根据国家扶贫办的统计数据，截至2020年3月，全国仅有52个贫困县尚未脱贫摘帽，2020年可确保实现全面建成小康社会的宏伟目标。

1994年分税制改革之后，中央开始构建真正意义上的财政转移支付制度；与此同时，中央将集中的财力主要用于中西部贫困地区，并相继出台“八七扶贫”计划和两个“十年发展纲要”。根据李丹等（2019）测算的数据，1994—2017年中央累计对中西部地区净转移支付金额达44.19万亿。大规模财政转移支付为中西部贫困地区脱贫致富提供了强大的资金支持。

目前，关于财政转移支付的减贫效应并未取得一致结论。一些学者认为财政转移支付有利于减缓贫困，特别是针对贫困人口的现金补助类支出，可以有效缓解贫困程度并降低收入不平等（Brady，2005；Gertler等，2012）。一些学者通过针对不同国家的实证研究也印证这一观点。例如，Imai（2011）通过对印度食品补贴和工作补贴的研究发现，此类补贴可以有效降低贫困的脆弱性，从而减少贫困；Agostini和Brown（2007）通过对智利的现金补贴类转移支付进行研究，发现这类补贴可以有效降低贫困。另一些学者则认为财政转移支付不利于减贫并可能加剧收入不平等，甚至会破坏经济增长，使贫困人口深陷“贫困陷阱”（Arrow，1979；Darity和Myers，1987；Hwang，2016），主要原因一方面在于公共转移支付的“挤出效应”（Cox等，2004），另一方面在于转移支付没有形成有效激励，造成“养懒人”的情况发生（Ravallion和Chen，2015）。在针对不同国家和地区的实证研究中，Rawlings和Rubi（2003）、Skoufias和di Maro（2006）分别对拉丁美洲和墨西哥进行研究，认为转移支付并没有形成有效激励，也没有完全惠及贫困人口，减贫效果较弱。

近年来，国内学者也开始对财政转移支付的减贫效应进行大量研究，目前也存在两种主流观点。一种观点认为公共转移支付的减贫效应较为明显，如都阳和Park（2007）对城市公共救助体系的研究、钟春平等（2013）对农业补贴的研究、张川川等（2015）对新型农村养老保障的研究等；一些学者甚至认为公共转移支付的财政再分配效应明显优于社会保障费以及个人所得税，而且公共转移支付的“精准扶贫”效果要优于企业及居民之间的私人转移支付（汪昊和娄峰，2017；卢盛峰等2018）。另一种观点则认为公共转移支付的减贫效应并不显著，如卢盛峰和卢洪友（2013）、解垩（2017）均认为公共转移支付对私人转移支付存在“挤出效应”，不利于减少贫困；也有一些学者认为现行财政转移支付政策不利于穷人，对贫困家庭也没能形成有效激励（卢现祥和徐俊武，2009；刘穷志，2010），樊丽明和解垩（2014）更是认为无论对慢性贫困还是暂时性贫困，公共转移支付均没有任何影响，而且在现实操作中往往存在“精英俘获”，深度贫困人口惠及较少（陈国强等，2018）。在针对具体项目的研究中，苏春红和解垩（2015）对农业补助的研究、徐超和李林木（2017）对城乡低保的研究等均印证了这类观点。

综上所述，国内外学者对公共转移支付的减贫效应进行了大量研究，而且成果丰硕，但这些研究大多从微观角度进行分析。首先，以往研究中涉及的公共转移支付特指城市公共救助体系、农业补贴、农村养老保障、城乡低保等内容，不包括政府间其他各类财政转移支付；其次，以往研究数据主要来自微观调查数据，如刘穷志（2010）采用中国农村住户调查（RHS）数据，樊丽明和解垩（2014）、卢盛峰等（2018）采用中国健康和营养调查（CHNS）数据，陈国强等（2018）采用中国家庭追踪调查（CFPS）数据，苏春红和解垩（2015）采用中国健康与养老追踪调查（CHARLS）数据。最后，以往研究涉及的减贫指标主要聚焦微观贫困人口的收入水平、家庭收入、劳动供给等，不涉及贫困地区的宏观经济指标。在与本文主题相关的研究中，毛捷（2012）考察“八七扶贫时期”财政转移支付对地方政府行为的影响，马光荣等（2015）、张凯强（2018）考察财政转移支付对贫困地区经济稳定及经济增长的影响，卢洪友和杜亦譞（2019）将财政“收入端”与“支出端”纳入统一分析框架以分析财政再分配体系对减贫的影响。这些研究均从宏观层面分析财政转移支付，但研究重点均不是政府间财政转移支付的减贫效应，也未考察贫困地区与其他地区之间存在的发展差距问题，特别是针对贫困地区的宏观经济环境、内在“造血”能力、农村生产生活条件、不同区域经济发展差距等缺乏深入研究。如果大规模财政转移支付未能改善贫困地区的宏观经济环境与提升其“内在”造血能力，也未能有效缩小区域差距，那么就应及时调整和完善现有财政转移支付政策。现实情况也印证了这些担忧，一些贫困县经过近些年的发展，对财政转移支付依赖度仍高达90%以上，经济发展缓慢，财政收入下滑，生产生活条件落后；还有一些贫困县为完成脱贫任务，利用上级财政转移支付资金，采取“针对性”脱贫办法，如对贫困家庭实施“现金补贴”，仅围绕贫困村改善生产生活条件，但这些地区的贫困家庭即使脱贫，也很难致富，甚至会出现大量返贫现象。此外，在目前“精准脱贫”引导下，大部分学者往往较为关注微观家庭数据，但如果忽略贫困地区的整体经济发展，那么财政转移支付的减贫效应将难以持续。

鉴于此，本文着眼于以下问题展开研究：一是既然2001年以来贫困地区获得了大量的财政转移支付，那么这些大规模的财政转移支付对贫困县自身的发展有何影响，是否有效提升了贫困县自身的“造血”能力；二是贫困地区相对于其他地区获得了更多的财政转移支付，那么大规模的财政转移支付是否真正缩小了贫困地区与其他地区在各类发展指标上的差距。围绕上述问题，本文的具体研究工作包括：首先，选取2001—2010年国定扶贫县作为研究对象，因为这一时期扶贫县名单及扶贫政策较为稳定，数据较为翔实，能够规避数据缺乏及政策冲击带来的影响，而且这一时期的财政转移支付规模增速较快，规模较大；其次，选取政府间财政转移支付作为核心指标，不再局限于针对家庭的公共转移支付；最后，构建反映贫困地区减贫效应的多维指标体系，该指标体系既包括微观指标，也包括宏观指标。

基于上述研究思路，本文得到研究结论如下：一是财政转移支付对贫困地区的贫困人口数量、贫困发生率、人均GDP、农村人均用电量及户均机械总动力等绝对指标的影响较为显著，说明财政转移支付的减贫效果较好，但也存在部分地区GDP快速增长，但人均财政收入“不升反降”的情况，即财政收入努力度较低。二是财政转移支付对人均GDP占比、人均财政收入占比和人均用电量占比等相对指标的减贫效果并不理想，甚至存在显著为负的情况，说明虽然财政转移支付能够提升贫困地区的绝对生产生活水平，但与全国平均水平相比，不仅没有较大提升，反而有所下降，因此解决相对贫困问题依然是今后各项工作的重点。三是在分类转移支付中，税收返还、一般性转移支付以及专项转移支付的减贫效果均较为明显，但专项转移支付的减贫效果整体上要优于一般性转移支付。这些结论为完善财政转移支付制度和提升贫困地区的财政转移支付减贫效应具有重要的借鉴作用。

二、制度背景与机制分析

（一）我国国定扶贫开发重点县情况

1986年，我国扶贫策略由“面（农村）”向“块（贫困县）”转变，中央开始第一次设定国家级贫困县，并明确“县级政府”是解决贫困的关键，于是在1986年至1993年期间，全国陆续确定了331个国家级贫困县。由于这一时期贫困县的选定标准不透明，操作不规范，造成一些较为贫困的县未能进入国家级贫困县名单，而一些发展较好的县反而进入国家级贫困县名单。1994年，中央开始对国家级贫困县名单进行第一次调整，此次调整将农村人均纯收入低于400元的县全部纳入贫困县名单，农村人均纯收入高于700元的县一律退出贫困县名单，此次全国共确定592个国家级贫困县。在1994年至2000年期间，国家颁布实施了《国家八七扶贫攻坚计划》，从而有力推动了这一时期的扶贫工作。

2001年，为配合西部大开发政策，国家颁布实施《中国农村扶贫开发纲要（2001—2010年）》，并对国家级贫困县名单进行第二次调整，东部沿海地区不再列入国家级贫困县名单，相应名额由中西部地区补缺，国家级贫困县数量不变，仍然为592个。2012年，我国扶贫策略进一步调整，扶持的重点不仅包含贫困县地区，也包含非贫困县地区，原因在于很多贫困人口并非居住在贫困县内，一些学者甚至认为，40%以上的贫困人口生活在国家级贫困县以外的地区。因此，在2012年，一方面，中央根据国家级贫困县发展情况，对国家级贫困县名单进行第三次调整，对发展较好且符合摘帽条件的给予退出，对较为贫困的县重新划入，此次调整，共有38个县退出国家级贫困县名单，另有38个县划入国家级贫困县名单，总数仍保持592个；另一方面，中央开始划分连片特困地区，将部分非扶贫县也纳入扶贫重点区域，在全国共划出11个连片特困地区，加上之前确定的3个特殊区域（西藏、四川藏区、新疆南疆三地州），全国共有14个连片特困地区。

党的十八大以来，我国扶贫策略进一步完善，由“贫困县”向“贫困户”转变，并提出精准脱贫理论，使我国脱贫工作进入一个新的历史时期。2015年，党的十八届五中全会提出“2020年全面建成小康社会”“2020年贫困县全部摘帽”，这是自1986年确定国家级贫困县以来，第一次提出全部国家级贫困县“脱贫摘帽”。截至2020年3月，全国仅有52个贫困县未摘帽，全面建成小康社会指日可待。

（二）我国对贫困地区的财政转移支付情况

1994年分税制改革以来，中央对贫困地区实施大规模财政转移支付，特别是对“老少边”地区，国家除了在一般性的转移支付上给予特别照顾之外，还专门设置了特殊的转移支付，以支持当地的发展，如以工代赈资金、新增财政扶贫资金、发展资金等。具体数据详见表1。

表 1 2001—2009年国家扶贫开发重点县净转移支付概况

年份	转移支付总额	税收返还	原体制补助	各种结算补助	专项转移支付	因素法下主要转移支付项目
年份	转移支付总额	税收返还	原体制补助	各种结算补助	专项转移支付	一般性转移支付	民族地区转移支付	农村税费改革补助	调整工资补助
2001	580.4	55.53 （9.57）	44.89 （7.73）	28.35 （4.88）	191.23 （32.95）	58.82 （10.13）	6.55 （1.13）		136.44 （23.51）
2002	756.47	83.60 （11.05）	48.36 （6.39）	29.88 （3.95）	223.41 （29.53）	82.00 （10.84）	5.01 （0.66）	71.71 （9.48）	194.56 （25.72）
2003	835.68	87.26 （10.44）	65.22 （7.80）	31.09 （3.72）	234.58 （28.07）	111.93 （13.39）	6.63 （0.79）	79.60 （9.53）	200.68 （24.01）
2004	1 086.72	90.80 （8.36）	73.63 （6.78）	48.16 （4.43）	323.89 （29.80）	194.82 （17.93）	11.01 （1.01）	79.93 （7.36）	221.67 （20.40）
2005	1 367.21	95.22 （6.96）	75.22 （5.50）	61.30 （4.48）	382.72 （27.99）	282.51 （20.66）	17.87 （1.31）	82.59 （6.04）	225.04 （16.46）
2006	1 785.49	99.64 （5.58）	87.92 （4.92）	84.24 （4.72）	519.87 （29.12）	345.74 （19.36）	29.82 （1.67）	83.95 （4.70）	330.27 （18.50）
2007	2 352.34	103.71 （4.41）	106.11 （4.51）	93.43 （3.97）	785.03 （33.37）	488.20 （20.75）	30.86 （1.31）	160.11 （6.81）	433.28 （18.42）
2008	3 361.11	123.25 （3.67）			1 422.37 （42.32）	1 819.21 （54.13）
2009	4 452.78	120.93 （2.72）			2 153.48 （48.36）	2 182.22 （49.01）
注：（1）净转移支付为转移支付扣除体制上解之后的净额；括号内数值为此类转移支付所占比重。（2）根据《全国地市县财政统计资料》统计整理获得相关数据。（3）由于部分扶贫县资料缺失，此表为569个国定扶贫县数据。

表选项

（三）理论机制分析

财政转移支付既是贫困地区的主要收入来源，也是贫困地区的主要支出来源，因此财政转移支付对贫困地区的减贫效应可以从两个角度分别进行分析。

1. 基于收入角度。国定贫困县的财政收入主要来自上级政府的财政转移支付，中央在一般性转移支付资金分配过程中，也会对贫困地区予以照顾。例如，在资金分配公式中，对“老少边穷”地区相应地增加权重，而国定扶贫县主要分布在这些地区；国定扶贫县可获得大量一般性转移支付，为贫困地区的减贫脱贫提供了重要资金支持。专项转移支付，“专款专用”，主要体现上级政府的目标，特别是在2000年之后，为促进西部大开发以及完成减贫目标承诺，“带帽”下达的专项转移支付不断增加，如表1所示，专项转移支付在各类转移支付中占比最大。税收返还主要与增值税、消费税以及所得税直接挂钩，其分配机制可以激励地方政府大力发展自身经济，提升“造血”能力。

2. 基于支出角度。如图1所示，在财政转移支付支出方面，财政转移支付的减贫效应既涉及微观层面，也涉及宏观层面。从微观上看，其机制可以表现在两个方面：一是一些财政转移支付项目可以直接提高贫困人口的收入水平，如农村低保、农业补助和救济金等。据统计，贫困地区农村居民家庭收入结构中，财政转移支付资金占比为20%左右。二是一些专项转移支付可以为贫困地区的贫困户提供政策保障，为贫困户提供发展机会，从而间接提升贫困人口的收入水平，如扶贫贴息贷款和以工代赈等。引导农村贫困人口参与生产和就业，实现“扶智与扶志”相结合，提高农村生产生活水平，改善贫困人口的精神面貌。当然，过多的转移支付也可能给贫困居民造成反向激励，导致“养懒人”现象，使贫困人口长期陷入“贫困陷阱”。从宏观上看，财政转移支付减贫效应的作用机制也表现在两个方面：一是大规模的财政转移支付可以有效促进贫困地区的经济增长，在“涓滴效应”下惠及贫困人口。随着地方经济的发展，可以为贫困人口提供更多的就业机会，同时改善贫困地区的财政收入状况，提升其自我“造血”能力。二是大规模的财政转移支付可以有效缓解贫困地区的财政支出不足问题，改善贫困地区的生产建设能力和基本公共服务水平，如加大对贫困地区的基础设施建设、农村教育和农村医疗方面的投入等，这些基本公共服务的供给，可以有效改善贫困人口的生产生活条件，提高教育水平和医疗保障水平，从而有利于贫困人口摆脱贫困。

图 1 财政转移支付减贫效应的传导机制

图选项

三、贫困地区减贫指标的构建及测算

（一）构建多维指标体系

为全面衡量财政转移支付的减贫效应，本文将构建多维指标体系来测算。指标体系主要包括两部分：一是绝对指标，包括贫困地区的贫困人口数量、贫困发生率、人均GDP、人均一般预算财政收入、人均用电量以及户均农业机械总动力；二是相对指标，包括贫困地区人均GDP占全国人均GDP的比重、贫困地区人均一般预算财政收入占全国人均一般预算财政收入的比重、贫困地区人均用电量占全国人均用电量的比重、贫困地区户均农业机械总动力占全国户均农业机械总动力的比重。具体指标详见表2。

本文选取的指标不仅包括微观层面直接反映减贫效应的农村贫困人口数量和农村贫困发生率等指标，也包括宏观层面反映贫困地区经济发展、地方财政收入的其他指标。此外，考察财政转移支付对贫困地区的减贫效应，不能仅仅以贫困地区自身指标的发展作为减贫效应的衡量指标，还必须考虑贫困地区与全国平均水平比较下的相对减贫效应。目前，绝对的贫困已经得到极大缓解，关键是相对贫困问题，因此，本文的指标体系既包括绝对指标，也包括相对指标。

此外，一些学者可能认为该指标体系忽略了一些重要指标，如农村贫困人口人均纯收入等；我们则认为，这些指标虽然能较好反映贫困地区的减贫效应，但公开的统计数据还没有详细公布每一个县的农村贫困人口人均纯收入，即使是农村居民纯收入，很多省份提供的数据也非常不完整。例如，河北省提供了较为详细的各县农村居民纯收入，而其他省份并未提供详细数据。因此，本文暂不考虑这些指标。

表 2 减贫指标体系

	指标	公式	变量含义
绝对指标	农村贫困人口（rpop）		rpop_it：i县t年农村贫困人口 $po{r_{it}}$ ：i县t年农村贫困发生率 $rpo$ ：i县t年农村人口 $p{o_{it}}$ ：i县t年人口规模 $tp{o_t}$ ：t年全国人口规模 $GD{P_{it}}$ ：i县t年生产总值 $tGD{P_t}$ ：t年全国生产总值 $re{v_{it}}$ ：i县t年一般财政收入 $tre{v_t}$ ：t年全国一般预算收入 $r{e_{it}}$ ：i县t年农村用电量 $tr{e_t}$ ：t年全国农村用电量 $rma{c_{it}}$ ：i县t年农村农业机械总动力 $trma{c_{it}}$ ：t年全国农村农业机械总动力 $rho{u_{it}}$ ：i县t年农村户数 $trho{u_{it}}$ ：t年全国农村户数
	农村贫困发生率（ $por$ ）	$Por = rpop/rpo$
	人均GDP（ $rgdp$ ）	$rgdp = GDP/po$
	人均一般预算收入（ $rrev$ ）	$rrev = rev/po$
	农村人均用电量（ $rre$ ）	$rre = re/rpo$
	农村户均农业机械总动力（ $hmac$ ）	$hmac = rmac/rhou$
相对指标	人均GDP占全国人均GDP比重（ $rgdpr$ ）	$rgdpr = \dfrac{{GDP}}{{po}}/\dfrac{{tGDP}}{{tpo}}$
	人均一般预算收入占全国人均一般预算收入比重（ $rrevr$ ）	$rrevr = \dfrac{{rev}}{{po}}/\dfrac{{trev}}{{tpo}}$
	农村人均用电量占全国人均用电量的比重（ $rrer$ ）	$rrer = \dfrac{{re}}{{rpo}}/\dfrac{{tre}}{{trpo}}$
	农村户均农业机械总动力占全国农村户均农业机械总动力的比重（ $hmacr$ ）	$hmacr = \dfrac{{rmac}}{{rhou}}/\dfrac{{trmac}}{{trhou}}$

表选项

（二）具体指标的测算

1. 贫困人口和贫困发生率。2010年之后，国家开始公布各省份农村贫困人口以及各省份贫困地区农村贫困人口；但2010年之前，相关数据缺失严重。为此，一些学者直接采用《新中国60年资料汇编》公布的贫困数据，但这些数据仅限于部分省级贫困数据，且不同省份的贫困标准还存在较大差距，如北京市公布的是按照北京市贫困标准确定的贫困人口；还有一些学者则采用各种测算方法来测算贫困数据，如张克中等（2010）采用Povcal软件测算部分贫困数据，徐爱燕和沈坤荣（2017）采取五等份分组中最低20%组的人均收入与当地平均收入的比值来测算贫困程度，陈俊聪和张瑾（2018）从收入水平的角度对各省贫困水平进行测度。这些测算方法虽然具有一定的合理性，也为本文的研究提供了一定的借鉴作用，但这些测算方法主要适用于省级贫困水平的测算。

对于国家级贫困县，目前公开统计资料没有公布每一个县级政府的贫困人口和贫困发生率，因此，测算国家级贫困县贫困人口和贫困发生率是本文的重要内容之一。虽然从公开统计资料无法直接获取此项数据，但可以通过其他方式而计算获取。本文的主要做法如下：首先，在国家级贫困县的乡村人口中扣减乡村从业人员（含农林牧渔业）；其次，在扣减后的人口中，根据五等份原则，选取最低一档作为贫困人口，这样可以排除农村非就业人口中包含的农村学生、老人等特殊人群。虽然理论上这样的测算结果较为“模糊”，但仍可以作为一种测算方法。为了验证测算结果的稳健性，本文将统计年鉴公布的国家级贫困县总的贫困人口和贫困发生率与测算结果进行对比，具体情况如表3所示。结果显示，无论是贫困人口还是贫困发生率，均与统计年鉴公布的数据相差较小。即便如此，仍然有一些学者认为这种测算方法可能会“虚增”农村贫困人口，因此为解决这一问题，本文在实证分析部分将同时采用1978年绝对贫困标准下测算的贫困人口和2008年低收入贫困标准下测算的贫困人口进行分析。

表 3 国定贫困县农村贫困人口及贫困发生率单位：万人，%

年份	1978年标准				2008年标准
年份	官方贫困人口	官方贫困发生率	测算贫困人口	测算贫困发生率	官方贫困人口	官方贫困发生率	测算贫困人口	测算贫困发生率
2001	1 812	9.1	1 839	9.9	5 042	25	5 057	27.5
2002	1 752	8.9	1 825	9.88	4 828	24.3	4 929	26.68
2003	1 763	8.9	1 830	9.8	4 709	23.7	4 745	25.47
2004	1 613	8.1	1 620	8.69	4 193	21	4 232	22.69
2005	1 433	7.1	1 528	8.11	3 611	18	3 831	20.53
2006	1 266	6.3	1 410	7.48	3 110	15.4	3 350	17.77
2007	1 051	5	1 159	6.09	2 620	13	2 674	14.07
2008			1 067	5.59	2 421	11.9	2 490	12.89
2009			881.65	4.62	2 175	10.7	2 292	12.03
2010			757	3.71	1 693	8.3	1 892	9.26

表选项

2. 其他指标的测算。除了贫困人口数量和贫困发生率之外，本文还选取了一些其他指标来衡量贫困地区的减贫效应，包括贫困地区的人均GDP、贫困地区的人均一般预算收入、贫困地区的农村居民人均用电量和贫困地区农村户均农业机械总动力等绝对指标，以及贫困地区人均GDP占全国人均GDP的比重、贫困地区人均一般预算收入占全国人均一般预算收入的比重、贫困地区农村居民人均用电量占全国农村居民人均用电量的比重和贫困地区农村户均农业机械总动力占全国农村户均农业机械总动力的比重等相对指标。具体测算结果如表4所示。

表 4 国家级贫困县减贫效应的绝对指标和相对指标

年份	贫困地区人均GDP（元）	贫困地区人均一般预算收入（元）	贫困地区农村人均用电量（千瓦时）	贫困地区农村户均农业机械总动力（千瓦特）	贫困地区人均GDP占全国人均GDP比重（%）	贫困地区人均一般预算收入占全国人均一般预算收入比重（%）	贫困地区人均用电量占全国农村人均用电量的比重（%）	贫困地区户均农业机械总动力占全国户均农业机械总动力的比重（%）
2001	2 658.18	122.50	73.78	1.65	30.60	9.54	22.48	72.85
2002	2 842.60	125.30	80.18	1.69	30.00	8.51	20.96	71.67
2003	3 293.82	138.20	84.54	1.80	30.97	8.22	18.92	74.04
2004	3 996.55	152.40	90.63	1.92	32.10	7.50	17.44	74.80
2005	4 792.94	178.20	104.21	2.06	33.46	7.36	17.75	75.97
2006	5 583.85	226.80	113.62	2.22	33.45	7.69	16.98	77.67
2007	6 850.21	284.50	129.71	2.37	33.49	7.32	16.83	79.25
2008	8 368.28	354.30	141.66	2.56	34.78	7.67	17.46	80.46
2009	9 348.66	428.67	156.01	2.75	35.74	8.35	17.62	81.80
2010	11 169.91	559.01	180.13	2.95	36.26	9.02	18.23	83.16
注：（1）本文测算的平均指标既包括贫困人口，也包括非贫困人口，特此说明。（2）作者根据《全国地市县财政统计资料》及《中国农村贫困监测报告》计算整理而获取相关数据。

表选项

（1）贫困地区的人均GDP，该指标反映了贫困地区的经济发展水平。中央每年对贫困地区实施大规模财政转移支付，而这些财政转移支付是否能提升贫困地区自身的“造血”能力，直接关系到扶贫的最终效果以及扶贫成果的持续性。基于绝对指标来看，2001–2010年贫困地区人均GDP增长较快，2010年已突破万元大关；基于相对指标来看，贫困地区人均GDP占全国人均GDP的比重由2001年的30.6%上升至2010年的36.26%，该比重虽有所上升，但差距依然较为明显。

（2）贫困地区的人均一般预算收入，该指标反映了贫困地区的财政收入水平。贫困地区减贫任务较重，每年需要投入大量财政资金，为满足财政支出需要，除了获得上级政府的财政转移支付外，贫困地区还需要提升自身的财政实力。2001–2010年，贫困地区的人均一般预算收入由122.5元增加至559.01元；与全国的人均一般预算收入相比，贫困地区的人均一般预算收入占全国人均一般预算收入的比重由2001年的9.54%下降至2010年的9.02%，期间略有起伏，这说明贫困地区与其他地区相比，财政收入水平依然存在较大差距。一些贫困县虽然GDP在增加，但财政努力度较低，财政收入不升反降；一些贫困县对财政转移支付的依赖度高达90%以上。

（3）贫困地区的农村居民人均用电量，该指标反映了贫困地区的农村居民生活综合水平。例如，贫困地区是否通电、农村家庭家用电器的普及率及使用率、农村家庭是否与外界保持畅通联系等都是农村居民生活综合水平的体现。2001–2010年，贫困地区的农村居民人均用电量由73.78千瓦时增加到180.13千瓦时，说明贫困地区的农村居民生活综合水平得到了极大提升；但与全国农村人均用电量相比，贫困地区的人均用电量占全国农村人均用电量的比重由2001年的22.48%下降至2010年的18.23%，这说明虽然贫困地区的农村用电量每年在逐渐增加，但全国农村人均用电量的增长幅度更大，两者依然存在较大差距。

（4）贫困地区的农村户均农业机械总动力，该指标直接反映了农业的生产能力和生产效率。2010年，贫困地区的户均农业机械总动力已达到2.95千瓦特；且与全国户均农业机械总动力相比，贫困地区的户均农业机械总动力占全国户均农业机械总动力的比重由2001年的72.85%上升至2010年的83.16%，说明贫困地区的农业机械化水平得到了极大提升。

四、计量模型与结果分析

（一）构建计量模型

为了全面考察政府间财政转移支付对贫困地区的减贫效应，本文将基准模型设定如下：

${Y_{it}} = {\alpha _0} + {\alpha _1}T{r_{it}} + {\alpha _2}(T{r_{it}} \times E{x_{it}}) + \sum {{\gamma _r}Z_{it}^r} + {\eta _t} + {\varepsilon _{it}}$

(1)

其中，

$i$

代表县，

$t$

代表时间；被解释变量

${Y_{it}}$

代表各类减贫指标，包括绝对指标和相对指标，其中绝对指标包括贫困人口、贫困发生率、人均GDP、人均财政收入（

$rrev$

）、农村人均用电量（

$rre$

）以及农村户均机械总动力（

$hmac$

），相对指标包括人均GDP占全国人均GDP的比重（

$rgdpr$

）、人均财政收入占全国人均财政收入的比重（

$rrevr$

）、农村人均用电量占全国农村人均用电量的比重（

$rrer$

）以及农村户均机械总动力占全国农村户均机械总动力的比重（

$hmacr$

）；

$Tr$

为各类转移支付，包括人均净转移支付（

$ntr$

）、人均税收返还（

$taxtr$

）、人均一般性转移支付（

$etr$

）和人均专项转移支付（

$str$

）；

$Z$

为控制变量，分别为反映城市化进程的城市化率（

$urban$

）、反映产业结构的第一产业比重（

$stru$

）、反映人口分布的人口密度（

$fd$

）、反映贫困地区社会状况的每千人拥有的医疗卫生床位数（

$bednum$

）以及每百户拥有的电话户数（

$telh$

）；

${\eta _t}$

为时间固定效应，

${\varepsilon _{it}}$

为随机误差项，且满足

$E\left( {{\varepsilon _{it}}} \right) = 0$

，

$E\left( {{\varepsilon _{it}}{\varepsilon _{is}}} \right) = 0$

。

为了更好地理解财政转移支付的减贫机制，本文在基准模型的基础上添加了交互项

$Ex$

，以反映地方政府的生产性支出和福利性支出。由于2007年前后财政支出口径发生了调整，因此本文选取人均固定资产投资完成额（

${inv}$

）来表示生产性支出，以反映经济发展减贫的“涓滴效应”；选取非劳动力人口比重（uemp）来表示福利性支出，以反映地方政府的“亲贫式支出”。由于非劳动力人口包括老人、儿童以及非就业人口，因此这些人口的占比越大，则相应的福利性支出也就会越多（李永友和沈玉平，2009；缪小林等，2017）。

在回归方法上，为了减少财政转移支付与减贫指标之间因内生性导致的有偏估计，本文将采用两阶段最小二乘法（2SLS），这在一定程度上可以克服普遍存在的内生性问题；工具变量方面，本文将选取财政转移支付的滞后项及时间虚拟变量作为工具变量。^①此外，为了保障回归结果的稳健性，本文将使用稳健的Robust进行估计，得到调整后的异方差稳健标准误。^②

（二）实证结果分析

1. 绝对指标的回归结果分析。表5为净转移支付的减贫效应，在第（1）列和第（2）列的回归结果中，

$ntr \times inv$

与

$ntr \times uemp$

的系数显著为负，说明人均净转移支付对贫困发生率的影响与人均固定资产投资和社会福利性支出密切相关，且人均净转移支付本身也显著为负，说明人均净转移支付可以通过其他路径来降低贫困发生率。从系数比较来看，人均净转移支付通过社会福利性支出的减贫效果要优于通过固定资产投资带来的减贫效果。在对人均GDP的回归结果中，

$ntr \times inv$

的系数显著为正，而

$ntr \times uemp$

的系数显著为负，说明人均净转移支付通过固定资产投资可以有效带动当地经济发展，而社会福利性支出并没有带动当地经济发展。但从净效应来看，人均净转移支付本身仍然可以有效带动贫困地区的经济发展。在第（5）列和第（6）列的回归结果中，虽然

$ntr \times inv$

的系数显著为正，但人均净转移支付的系数整体上显著为负，说明财政转移支付的增加并没有带动地方政府财政收入的提高。这可能与地方政府的行为策略存在较大关系。“脱贫摘帽”并非地方政府的主要考核内容，反而保住贫困县“帽子”才是地方政府的主要政绩，因为保住“帽子”意味着保住了“政绩”，保住了优惠政策，保住了大量财政转移支付，所以地方政府在获取自身财政收入时，很可能会降低自身的财政努力程度，从而对人均财政收入产生显著的负向影响。在对贫困地区农村人均用电量及户均机械总动力的回归结果中，净转移支付的减贫效应非常明显，而且其传导路径与固定资产投资密切相关。

表 5 净转移支付的减贫效应

	贫困人口发生率		人均GDP（ $\ln rgdp$ ）		人均财政收入（ $\ln rrev$ ）		人均用电量		户均机械总动力
	（1）FE	（2）FE	（3）FE	（4）FE	（5）FE	（6）FE	（7）FE	（8）FE	（9）FE	（10）FE
ntr	−0.0034^^^* （0.0001）	−0.0149^^^* （0.0008）	0.0001^^^* （8.02e−6）	0.0005^^^* （0.0001）	−0.0002^* （0.0001）	−0.0002^* （0.0001）	0.0189^^^* （0.0043）	0.0619^* （0.0343）	0.0001^^^* （0.0000）	0.0022^^^* （0.0003）
ntr × inv	−4.33e−8^^^* （3.35e−9）		1.44e−9^^^* （2.70e−10）		2.20e−9^^^* （3.53e−10）		5.79e−7^^^* （1.43e−7）		1.61e−8^^^* （1.24e−9）
ntr × uemp		−0.0002^^^* （0.0000）		−7.42e−6^^^* （1.09e−6）		−4.16e−6^^ （1.48e−6）		0.0009 （0.0006）		−0.0001^^^* （5.51e−6）
ln rgdp	−3.7698^^^* （0.1905）	−2.3631^^^* （0.2171）			0.7825^^^* （0.0162）	0.7759^^^* （10.0199）	111.555^^^* （8.1080）	119.753^^^* （9.0013）	1.4763^^^* （0.0703）	1.3921^^^* （0.0830）
ln rrev	−1.9893^^^* （0.1444）	−1.4108^^^* （0.1498）	0.4542^^^* （0.0093）	0.4334^^^* （0.0107）			10.8122 （6.1469）	6.6517 （6.2132）	0.2591^^^* （0.0533）	0.2489^^^* （0.0573）
urban	0.1154^^^* （0.0077）	0.0473 （0.0137）	0.0069^^^* （0.0006）	0.0129^^^* （0.0010）	0.0011 （0.0008）	0.0048^^^* （0.0014）	1.2448^^^* （0.3282）	0.6645 （0.5693）	0.0565^^^* （0.0028）	0.0874^^^* （0.0052）
struc	0.0956^^^* （0.0068）	0.0643^^^* （0.0073）	−0.0114^^^* （0.0005）	−0.0119^^^* （0.0005）	−0.0086^^^* （0.0007）	−0.0090^^^* （0.0007）	−0.5589^* （0.2889）	−0.4074^* （0.2081）	0.0178^^^* （0.0025）	0.0142^^^* （0.0028）
fd	−0.0067^^^* （0.0004）	−0.0074^^^* （0.0004）	0.0006^^^* （0.0000）	0.0006^^^* （0.0000）	−0.0008^^^* （0.0001）	−0.0008^^^* （0.0001）	0.1023^^ （0.0581）	0.1027^^^* （0.0185）	0.0011^^^* （0.0002）	0.0013^^^* （0.0002）
bednum	1.9273^^^* （0.1021）	1.5496^^^* （0.1044）	−0.0051 （0.0082）	0.0056 （0.0083）	0.0222^^ （0.0108）	0.0271^^ （0.0107）	−0.3891 （4.3488）	−0.2541 （0.3309）	−0.2232^^^* （0.0377）	−0.1813^^^* （0.0399）
telh	−0.0088^* （0.0036）	−0.0053 （0.0038）	0.0019^^^* （0.0003）	0.0021^^^* （0.0003）	0.0014^^ （0.0004）	0.0008^* （0.0004）	0.4764^^ （0.1564）	0.4207^^ （0.1571）	0.0058^^^* （0.0014）	0.0012 （0.0014）
弱工具变量检验F值	45.2173	39.2181	27.4352	33.0031	43.5987	56.7892	45.6622	50.0111	29.3827	35.4722
过度识别检验P值	0.8841	0.8063	0.7487	0.8878	0.6052	0.5631	0.6679	0.6970	0.4998	0.5274
R²	0.5033	0.4755	0.7312	0.7258	0.6778	0.6750	0.1736	0.1718	0.4150	0.3372
Obs	4 294	4 294	4 294	4 294	4 294	4 294	4 294	4 294	4 294	4 294
注：（1）括号内系数为标准误；^、^^和^^^分别代表在10%、5%和1%的水平上显著。以下各表同。（2）贫困发生率为2008年标准下的贫困发生率。（3）FE代表固定效应模型，根据Hausman检验确定。

表选项

综上所述，在多维减贫指标体系中，人均净转移支付的减贫效应均较为明显，但在具体传导机制上，各类指标间可能存在一定“矛盾”，如社会福利性支出过大可以有效降低贫困发生率，但却不利于带动当地经济发展。本文认为，这些“矛盾”其实并不矛盾，而是要如何正确处理“输血”与“造血”、“短期”与“长期”的问题，而这些问题的决策往往取决于地方政府的自身偏好以及上级政府的考核机制等。

表6为各类转移支付的减贫效应。在第（1）列和第（2）列的回归结果中，税收返还本身的系数并不显著，但

$taxtr \times inv$

与

$taxtr \times uemp$

的系数都显著为负，说明税收返还对贫困人口发生率的影响与地方政府的固定资产投资和社会福利性支出紧密相关。一般性转移支付与专项转移支付的系数都显著为负，其相应的传导机制系数也显著为负，说明一般性转移支付与专项转移支付都能显著降低贫困地区的贫困发生率。从系数比较来看，专项转移支付降低贫困发生率的效应更为明显，这说明专项转移支付更能实现上级政府的意图。虽然专项转移支付的“滴漏”现象不可避免，但至少可以在极度缺乏财政资金的极度贫困地区实现“专款专用”，从而保证贫困资金的“精准使用”。在第（3）列和第（4）列的回归结果中，税收返还本身的系数依然不显著，但

$taxtr \times inv$

的系数显著为正，

$taxtr \times uemp$

的系数显著为负，说明税收返还只是通过固定资产投资带动了经济发展。一般性转移支付与专项转移支付的系数显著为正，说明两者均可有效带动贫困地区的经济发展，且都是通过促进固定资产投资而带动地方经济发展的。在第（5）列和第（6）列回归结果中，税收返还与专项转移支付不仅可以通过固定资产投资提升地方财力，还可以通过其他有效途径而提升地方政府财力，而一般性转移支付则不利于提升地方政府财力。本文认为，税收返还一般与增值税、消费税、所得税增长有关，这类税收的增加可以有效地增加地方政府获取的税收返还规模，专项转移支付则要求地方政府至少30%的配套资金，地方政府为获得更多的专项转移支付，需要增加自身的财政收入。而对于一般性转移支付，地方政府很可能存在“策略性行为”，减少自有财政收入，倒逼上级政府以获得更多的一般性转移支付。在对贫困地区的农村人均用电量及户均机械总动力的回归结果中，虽然一些回归结果并不显著，但各类财政转移支付均能显著提升农村人均用电量和户均机械总动力，这也说明贫困地区的农村生活水平和农业的机械化水平得到了极大提升。

表 6 各类移支付的减贫效应

	贫困人口发生率		人均GDP（ $\ln rgdp$ ）		人均财政收入（ $\ln rrev$ ）		人均用电量		户均机械总动力
	（1）	（2）	（3）	（4）	（5）	（6）	（7）	（8）	（9）	（10）
taxtr	0.0214 （0.0809）	0.0762 （0.0527）	0.0001 （0.0002）	0.0135 （0.0091）	0.0039^^^* （0.0002）	0.0196^^^* （0.0024）	0.3414^^^* （0.0993）	0.1569^* （0.0772）	0.0015 （0.0010）	0.0330 （0.0192）
taxtr × inv	−4.39e−7^* （1.78e−7）		1.80e−7^^^* （1.23e−8）		1.36e−7^^^* （1.59e−8）		0.0000^^^* （6.31e−6）		5.25e−7^^^* （5.67e−8）
taxtr × uemp		−0.0056^^^* （0.0005）		−0.0002^^^* （0.0000）		−0.0003^^ （0.0001）		0.0286 （0.0173）		0.0006^^^* （0.0002）
etr	−0.0107^^^* （0.0006）	−0.0486^^^* （0.0057）	0.0003^^^* （0.0001）	0.0019^^^* （0.0004）	−0.0008^^^* （0.0001）	−0.0004^* （0.0002）	0.0565^* （0.0278）	0.1169 （0.2291）	0.0002 （0.0002）	0.0018 （0.0830）
etr × inv	−1.05e−7^^^* （1.83e−8）		3.16e−8^* （6.36e−9）		6.34e−8^^^* （7.97e−9）		1.23e−6 （3.14e−6）		6.85e−8^^ （2.84e−8）
etr × uemp		−0.0007^^^* （0.0001）		−0.0001^^^* （7.46e−6）		−0.0001 （-0.0001）		0.0011 （0.0038）		0.0001 （0.0001）
str	−0.0126^^^* （0.0007）	−0.0892^^^* （0.0046）	0.0003^^^* （0.0001）	0.0013^^^* （0.0004）	0.0002^* （0.0001）	0.0017^^ （0.0006）	0.0161^^^* （0.0039）	0.0055 （0.0428）	0.0023^^^* （0.0002）	0.0186^^^* （0.0023）
str × inv	−1.71e−7^* （8.52e−7）		9.16e−9^^^* （1.39e−9）		1.08e−8^^^* （1.83e−9）		1.42e−7 （1.30e−7）		1.92e−8^^^* （6.16e−9）
str × uemp		−0.0013^^^* （0.0001）		−0.0000^^ （8.12e−6）		−0.0001^* （0.0000）		0.0002 （0.0007）		0.0003^^^* （0.0001）
注：本表为各类转移支付回归结果的组合表。

表选项

2. 相对指标的回归结果分析。在表7中，本文选取4个相对指标进行分析，分别为人均GDP占全国人均GDP的比重、人均财政收入占全国人均财政收入的比重、农村人均用电量占全国农村人均用电量的比重以及农村户均机械总动力占全国农村户均机械总动力的比重。本文认为，目前绝对贫困已经向相对贫困转变，衡量贫困地区的发展，不能仅仅从绝对指标进行考量，还需要从相对指标进行考察，这样才能更好地反映区域间发展不平衡问题。从回归结果来看，虽然人均净转移支付以及各类转移支付都通过固定资产投资提升了相应比重，但人均净转移支付以及各类转移支付对人均GDP占比、人均财政收入占比以及农村人均用电量占比的影响都显著为负，这说明虽然财政转移支付改善了贫困地区这些变量的绝对水平，但与全国平均水平相比，仍存在较大差距。究其原因，可能在于：一方面，国家虽然对贫困地区实施了大规模的财政转移支付，但主要是“补短板”，而贫困地区的经济发展仍处于起步阶段，与东部等其他地区相比，经济发展差距明显；另一方面，国家虽然对贫困地区实施了很多优惠政策，但东部等其他地区也获得了大量的制度红利，如自贸区建设等，因而企业和人才纷纷“东南飞”，从而导致贫困地区相对更慢的发展速度，这必然造成相对贫困的存在。此外，一组数据也能说明这个问题，2001年至2010年，贫困地区的人均一般预算收入占全国人均一般预算收入的比重由9.54%下降至9.02%，贫困地区的人均用电量占全国农村人均用电量的比重由22.48%下降至18.23%。不过，净转移支付以及其他各类转移支付对户均机械总动力占比的影响显著为正，这说明贫困地区的农村机械化水平得到了极大提升，一些贫困县甚至超过了全国平均水平。据统计，2001年至2010年，贫困地区的户均农业机械总动力占全国户均农业机械总动力的比重由72.85%上升至83.16%。

表 7 相对指标的实证结果

	人均GDP占比		人均财政收入占比		人均用电量占比		户均机械总动力占比
	（1）	（2）	（3）	（4）	（5）	（6）	（7）	（8）
ntr	−0.0130^^^* （0.0006）	−0.0075 （0.0050）	−0.0061^^^* （0.0002）	−0.0053^* （0.0020）	−0.0075^^^* （0.0007）	−0.0188^^^* （0.0057）	0.0030^^ （0.0013）	0.0568^^^* （0.0112）
ntr × inv	6.71e−7^^^* （1.93e−8）		2.07e−7^^^* （7.98e−9）		1.30e−7^^^* （2.40e−8）		5.33e−7^^^* （4.47e−8）
ntr × uemp		−0.0001 （0.0001）		0.0001 （0.0001）		0.0002^* （0.0001）		−0.0010^^^* （0.0001）
taxtr	−0.0528^^^* （0.0115）	−0.2460 （0.1469）	0.0033 （0.0051）	0.1260^* （0.0631）	−0.0764^^^* （0.0186）	−0.4074^* （0.1875）	−0.0403 （0.0341）	−1.4136^^^* （0.3542）
taxtr × inv	0.0001^^^* （7.07e−7）		0.0000^^^* （3.36e−7）		5.16e−6^^^* （1.19e−6）		0.0000^^^* （2.17e−6）
taxtr × uemp		−0.0042 （0.0026）		−0.0016 （0.0011）		0.0091^^ （0.0032）		0.0258^^^* （0.0062）
etr	−0.0446^^^* （0.0042）	−0.0087 （0.0338）	−0.0266^^^* （0.0017）	−0.0103 （0.0148）	−0.0312^* （0.0052）	0.0594 （0.0428）	−0.0340^^^* （0.0096）	0.0018 （0.0830）
etr × inv	4.19e−6^^^* （4.77e−7）		1.37e−6^^^* （1.98e−7）		2.30e−7 （5.88e-07）		2.35e−6^^ （1.08e−6）
etr × uemp		−0.0003 （0.0006）		−0.0002 （0.0002）		0.0005 （0.0007）		−0.0088 （0.0790）
str	−0.0247^^^* （0.0026）	−0.0972^^ （0.0344）	−0.0096^^^* （0.0012）	0.0719^^^* （0.0158）	−0.0161^^^* （0.0039）	−0.0055 （0.0428）	0.0720^^^* （0.0072）	0.7168^^^* （0.0878）
str × inv	3.22e−6^^^* （8.87e−8）		1.19e−6^^^* （4.04e−8）		1.42e−7 （1.30e−7）		5.54e−7^* （2.38e−7）
str × uemp		−0.0017^^ （0.0006）		−0.0013^^^* （0.0002）		−0.0002 （0.0007）		−0.0122^^^* （0.0016）
注：本表为各类转移支付回归结果的组合表。

表选项

（三）稳健性检验

1. 基于被解释变量的稳健性检验。前文主要采用2008年标准下的贫困发生率作为被解释变量。为了说明回归结果的稳健性，本文将分别采用1978年标准下的贫困人口、1978年标准下的贫困发生率以及2008年标准下的贫困人口作为被解释变量，重新进行回归分析。具体的回归结果如表8所示。由回归结果可知，不同标准下的贫困人口和贫困发生率，其回归结果与前文基本保持一致，人均净转移既可以通过固定资产投资，也可以通过社会福利支出起到减贫的作用。此外，人均净转移支付自身的回归结果也较为显著，说明人均净转移支付还可以通过其他途径起到减贫作用。在具体的转移支付类别中，税收返还对贫困人口及贫困发生率的影响与人均固定资产投资和社会福利性支出密切相关；但从系数比较来看，税收返还通过社会福利性支出的减贫效应更为明显。一般性转移支付和专项转移支付通过多种途径影响减贫效果，但专项转移支付的减贫效果更为明显一些。

表 8 基于被解释变量的稳健性检验结果

	1978年标准下的贫困人口		1978年标准下的贫困发生率		2008年标准下的贫困人口
	（1）	（2）	（3）	（4）	（5）	（6）
$ntr$	−5.9581^^^* （0.3494）	−37.3757^^^* （2.9263）	−0.0012^^^* （0.0001）	−0.0058^^^* （0.0003）	−15.9866^^^* （0.9077）	−94.2415^^^* （7.5971）
$ntr \times inv$	−0.0001^^^* （0.0000）		−1.40e-08^^^* （1.20e−09）		−0.0003^^^* （0.0000）
$ntr \times uemp$		−0.5975^^^* （0.0510）		−0.0001^^^* （5.14e−06）		−1.4943^^^* （0.1324）
$taxtr$	−2.5335 （9.6642）	−2.9368 （6.5575）	−0.0077 （0.0059）	−0.0960 （0.0589）	−8.8651 （5.3327）	−19.3646^* （5.5524）
$taxtr \times inv$	−0.0010^* （0.0006）		1.05e−07^* （6.14e−08）		−0.0036^* （0.0016）
$taxtr \times uemp$		−3.8467^* （1.6906）		−0.0019^^^* （0.0002）		−10.5967^* （4.4394）
$etr$	−26.1889^^^* （2.6360）	−63.0636^^^* （9.3992）	−0.0031^^^* （0.0003）	−0.0287^^^* （0.0019）	−57.8645^^^* （6.8698）	−114.3048^^^* （10.0529）
$etr \times inv$	−0.0013^^^* （0.0003）		1.08e−08 （3.00e−08）		−0.0038^^^* （0.0007）
$etr \times uemp$		−2.4331^^^* （0.3587）		−0.0004^^^* （0.0001）		−6.8646^^^* （0.9397）
$str$	−30.6689^^^* （1.9980）	−86.3078^^ （11.7853）	−0.0035^^^* （0.0002）	−0.0200^^^* （0.0019）	−68.0805^^^* （5.2214）	−136.4597 （11.9042）
$str \times inv$	−3.2065^^^* （0.9006）		−3.02e−08^^^* （6.36e−09）		−9.4940^^^* （1.1725）
$str \times uemp$		−2.0143^^^* （0.3944）		−0.0003^^^* （0.0000）		−9.4439 （1.0303）
注：本表的贫困人口和贫困发生率为1978年标准下的数据；本表是根据前文的回归方法整理出来的结果。

表选项

2. 基于样本量的稳健性检验。为了进一步保证回归结果的稳健性，本文对样本量进行5%的截尾处理，被解释变量仍然与前文保持一致，即2008年标准下的贫困发生率、人均GDP、人均财政收入、人均用电量以及户均机械总动力。具体回归结果见表9。从回归结果可以看出，人均净转移支付可以有效减少贫困发生率，增加人均GDP，提升贫困地区的人均用电量和户均机械总动力，但却不利于人均财政收入的增加。正如前文所言，贫困地区的地方政府很可能会采取“策略性”行为，通过降低财政努力程度，倒逼上级政府，以获取更多的财政转移支付。在具体的转移支付类别中，税收返还通过固定资产投资以及社会福利支出减少贫困发生率，一般性转移支付及专项转移支付则通过多种传导机制影响贫困发生率。在经济增长方面，税收返还通过固定资产投资可以有效带动GDP增长，但社会福利支出的增加却不利于GDP的增长；一般性转移支付及专项转移支付均可以有效带动经济增长，而且专项转移支付的效果更为明显。在财政收入方面，税收返还与专项转移支付都可以有效带动财政收入的增长，但一般性转移支付对人均财政收入的影响显著为负，这与前文的回归结果保持一致。在对人均用电量及户均机械总动力的回归结果中，除不显著的回归结果外，各类转移支付大致都有利于提升人均用电量以及户均机械总动力。

表 9 基于样本量的稳健性检验结果

	贫困人口发生率		人均GDP（ $\ln rgdp$ ）		人均财政收入（ $\ln rrev$ ）		人均用电量		户均机械总动力
	（1）	（2）	（3）	（4）	（5）	（6）	（7）	（8）	（9）	（10）
$ntr$	−0.0043^^^* （0.0001）	−0.0124^^^* （0.0007）	0.0001^^^* （0.0000）	0.0005^^^* （0.0001）	−0.0002^* （0.0001）	−0.0004^* （0.0001）	0.0270^^^* （0.0053）	0.0448 （0.0305）	0.0004^^^* （0.0001）	0.0014^^^* （0.0003）
$ntr \times inv$	−1.58e−7^^^* （1.12e−8）		4.90e−9^^^* （9.35e−010）		7.97e−9^^^* （1.24e−9）		2.24e−6^^^* （4.50e−7）		3.41e-10 （4.24e−9）
$ntr \times uemp$		−0.0002^^^* （0.0000）		−6.17e−6^^^* （1.15e−6）		−8.48e−6^^ （1.53e−6）		0.0006 （0.0005）		−0.0002^^^* （5.34e−6）
$taxtr$	0.0227 （0.0306）	0.0981 （0.0624）	2.21e−6 （0.0002）	0.0129^^^* （0.0020）	0.0042^^^* （0.0003）	0.0213^^^* （0.0023）	0.1442 （0.0953）	0.7627 （0.8531）	0.0005 （0.0009）	0.0243^^ （0.0087）
$taxtr \times inv$	−8.30e−7^* （3.45e−7）		3.08e−7^^^* （2.45e−8）		1.22e−7^^^* （3.15e−8）		−3.74e−6 （0.0000）		7.27e−8 （1.09e−7）
$taxtr \times uemp$		−0.0059^^^* （0.0005）		−0.0002^^^* （0.0000）		−0.0003^^ （0.0001）		0.0167 （0.0150）		0.0004^^^* （0.0001）
$etr$	−0.0105^^^* （0.0007）	−0.0748^^^* （0.0103）	0.0002^* （0.0001）	0.0011^* （0.0006）	−0.0009^^^* （0.0001）	−0.0017^^ （0.0007）	0.0203^* （0.0108）	0.1302 （0.2387）	0.0012^* （0.0006）	0.0011 （0.0025）
$etr \times inv$	−2.31e−7^^ （7.78e−8）		4.07e−8^* （5.96e−9）		1.06e−7^^^* （1.44e−8）		7.60e−6 （4.89e−6）		4.63e−8^^ （4.97e−8）
$etr \times uemp$		−0.0012^^^* （0.0002）		−0.0000 （0.0000）		−0.0001 （-0.0001）		0.0029 （0.0043）		1.62e−7 （0.0001）
$str$	−0.0156^^^* （0.0008）	−0.0986^^^* （0.0071）	0.0005^^^* （0.0001）	0.0017^^^* （0.0005）	0.0000 （0.0001）	0.0034^^^* （0.0011）	0.0064 （0.0224）	0.2724 （0.3484）	0.0022^^^* （0.0002）	0.0163^^^* （0.0039）
$str \times inv$	−3.93e−7^* （1.51e−7）		6.45e−8^^^* （1.14e−8）		3.51e−8^^^* （7.78e−9）		2.51e−7 （2.53e−7）		8.55e−8^^^* （2.56e−9）
$str \times uemp$		−0.0016^^^* （0.0001）		−0.0000^^ （9.92e−6）		−0.0001^^^* （0.0000）		0.0053 （0.0063）		0.0003^^^* （0.0001）

表选项

五、结论及建议

本文以国家扶贫开发重点县为研究对象，通过构建反映减贫效果的多维指标，系统研究净转移支付及各类财政转移支付对贫困地区的减贫效应。主要结论如下：一是财政转移支付对贫困地区的贫困人口、贫困发生率、人均GDP、贫困地区的农村人均用电量及户均机械总动力等绝对指标的影响较为显著，说明财政转移支付的减贫效果较好；但也存在部分地区GDP快速增长，但人均财政收入“不升反降”的情况，即地方财政收入努力度较低。二是财政转移支付对人均GDP占比、人均财政收入占比、人均用电量占比等相对指标的减贫效果并不理想，甚至存在显著为负的情况，这说明虽然财政转移支付提升了贫困地区的绝对生产生活水平，但与全国平均水平相比，贫困地区不仅没有较大提升，反而有所下降，因此解决相对贫困问题依然是今后各项工作的重点。三是在分类转移支付中，税收返还、一般性转移支付以及专项转移支付的减贫效果均较为明显，但专项转移支付的减贫效果整体上要优于一般性转移支付。

根据以上结论，本文提出如下政策建议，以期为目前的“精准扶贫”工作提供一些借鉴：首先，在经济增速下滑、财政收入下降的情况下，仍要优先保障贫困地区的财政转移支付力度，稳步提升贫困地区自身的“造血”能力，为贫困户脱贫致富提供良好的宏观环境，如优先发展基础设施建设、优化产业结构、大力发展自身经济等。同时，将财政转移支付与“精准扶贫”“乡村振兴”相结合，保障各项政策的有效衔接。其次，强化财政转移支付的绩效考核。目前的财政转移支付存在大量“滴漏”、浪费和结余情况，因此对财政转移支付资金需“精准化”和“精细化”管理，各级政府以及审计监督部门应以具体项目为抓手，减少“滴漏”和“浪费”现象，有效整合财政转移支付结余资金。再次，对贫困地区的减贫既要考虑“绝对贫困”，也要考虑“相对贫困”。虽然大规模的财政转移支付可以有效改善“绝对贫困”指标，但“相对贫困”指标却不降反升，说明贫困地区与其他地区相比仍存在较大差距，未来应着重考虑构建财政转移支付的长效机制，在“人财物”以及政策方面对中西部贫困地区给予更大的支持力度；同时，加强东、中、西部的跨区域经济合作，最终实现“先富带动后富”。最后，重新认识“专项转移支付”的作用。以往的专项转移支付存在的“滴漏”较多，效率较差，广受诟病，中央也在不断提高一般性转移支付的比重；但从回归结果来看，专项转移支付的效果却更好，因为“专项转移支付”可以直达“病灶”，专款专用，而一般性转移支付可能因贫困地区的财力有限而被挪作他用。因此，在贫困地区，应进一步保证专项转移支付的比例，使其能够真正发挥作用，实现上级政府的“减贫”目标。此外，地方政府要合理配置财政资源，既要考虑“短期”减贫效果，更要考虑减贫效果的“长期持续性”。

　　* 本研究还受到江苏高校“青蓝工程”的资助。

① 根据陈强（2013）的描述，在工具变量的选取上，这两类变量均满足与所替代的随机变量具有相关性且不与随机误差项相关的条件。

② 近年来，一些学者采用断点回归方法模拟“准自然实验”，从而规避内生性问题，但该方法存在严格的假定条件，对模型设定极为敏感，且国定贫困县与非国定扶贫县的划定涉及很多非经济因素，即使存在一些稳健性检验方法，但实际操作中仍很难得到较为稳定的结果。鉴于此，本文保守地采用较为成熟的回归方法。

主要参考文献

[1]	陈国强, 罗楚亮, 吴世艳. 公共转移支付的减贫效应估计——收入贫困还是多维贫困?[J]. 数量经济技术经济研究, 2018(5): 59–76.

[2]	陈俊聪, 张瑾. 对外直接投资的减贫效应及门槛特征: 基于空间异质性分析[J]. 南京社会科学, 2018(1): 28–34.

[3]	都阳, Park A. 中国的城市贫困: 社会救助及其效应[J]. 经济研究, 2007(12): 24–33.

[4]	樊丽明, 解垩. 公共转移支付减少了贫困脆弱性吗?[J]. 经济研究, 2014(8): 67–78.

[5]	刘穷志. 转移支付激励与贫困减少——基于PSM技术的分析[J]. 中国软科学, 2010(9): 8–15. DOI:10.3969/j.issn.1002-9753.2010.09.002

[6]	卢洪友, 杜亦譞. 中国财政再分配与减贫效应的数量测度[J]. 经济研究, 2019(2): 4–20.

[7]	卢盛峰, 陈思霞, 时良彦. 走向收入平衡增长: 中国转移支付系统“精准扶贫”了吗?[J]. 经济研究, 2018(11): 49–64.

[8]	卢盛峰, 卢洪友. 政府救助能够帮助低收入群体走出贫困吗?——基于1989-2009年CHNS数据的实证研究[J]. 财经研究, 2013(1): 4–16.

[9]	卢现祥, 徐俊武. 公共政策、减贫与有利于穷人的经济增长——基于1995~2006年中国各省转移支付的分析[J]. 制度经济学研究, 2009(2): 112–125.

[10]	马光荣, 郭庆旺, 刘畅. 财政转移支付结构与地区经济增长[J]. 中国社会科学, 2018(9): 105–125.

[11]	毛捷, 汪德华, 白重恩. 扶贫与地方政府公共支出——基于“八七扶贫攻坚计划”的经验研究[J]. 经济学（季刊）, 2012(4): 1365–1388.

[12]	苏春红, 解垩. 财政流动、转移支付及其减贫效率——基于中国农村微观数据的分析[J]. 金融研究, 2015(4): 34–49.

[13]	汪昊, 娄峰. 中国财政再分配效应测算[J]. 经济研究, 2017(1): 103–118.

[14]	解垩. 公共转移支付对再分配及贫困的影响研究[J]. 经济研究, 2017(9): 103–116.

[15]	徐爱燕, 沈坤荣. 财政支出减贫的收入效应——基于中国农村地区的分析[J]. 财经科学, 2017(1): 116–122.

[16]	徐超, 李林木. 城乡低保是否有助于未来减贫——基于贫困脆弱性的实证分析[J]. 财贸经济, 2017(5): 5–19.

[17]	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.

[18]	张克中, 冯俊诚, 鲁元平. 财政分权有利于贫困减少吗?——来自分税制改革后的省际证据[J]. 数量经济技术经济研究, 2010(12): 3–15.

[19]	钟春平, 陈三攀, 徐长生. 结构变迁、要素相对价格及农户行为——农业补贴的理论模型与微观经验证据[J]. 金融研究, 2013(5): 167–180.

[20]	Agostini C A, Brown P H. Local distributional effects of government cash transfers in Chile[R]. William Davidson Institute Working Paper No. 872, 2007.

[21]	Brady D. The welfare state and relative poverty in rich western democracies, 1967-1997[J]. Social Forces, 2005, 83(4): 1329–1364. DOI:10.1353/sof.2005.0056

[22]	Cox D, Hansen B E, Jimenez E. How responsive are private transfers to income? Evidence from a laissez-faire economy[J]. Journal of Public Economics, 2004, 88(9-10): 2193–2219. DOI:10.1016/S0047-2727(03)00069-0

[23]	Darity W A Jr, Myers S L Jr. Do transfer payments keep the poor in poverty?[J]. American Economic Review, 1987, 77(2): 216–222.

[24]	Gertler P J, Martinez S W, Rubio-Codina M. Investing cash transfers to raise long-term living standards[J]. American Economic Journal: Applied Economics, 2012, 4(1): 164–192. DOI:10.1257/app.4.1.164

[25]	Hwang S J. Public pensions as the great equalizer? Decomposition of old-age income inequality in South Korea, 1998-2010[J]. Journal of Aging & Social Policy, 2016, 28(2): 81–97.

[26]	Imai K S. Poverty, undernutrition and vulnerability in rural India: Role of rural public works and food for work programmes[J]. International Review of Applied Economics, 2011, 25(6): 669–691. DOI:10.1080/02692171.2011.557052

[27]	Ravallion M, Chen S H. Benefit Incidence with Incentive effects, measurement errors and latent heterogeneity: A case study for China[J]. Journal of Public Economics, 2015, 128: 124–132. DOI:10.1016/j.jpubeco.2015.04.004

[28]	Rawlings L B, Rubio G M. Evaluating the impact of conditional cash transfer programs: Lessons from Latin America[R]. Policy Research Working Paper 3119, 2003.

[29]	Skoufias E, di Maro V. Conditional cash transfers, adult work incentives, and poverty[J]. The Journal of Development Studies, 2008, 44(7): 935–960. DOI:10.1080/00220380802150730