三、实证结果

（一）多维贫困整体测度

按照前文介绍的方法与数据指标，得到了如表3所示的流动人口家庭多维贫困情况。本文在利用AF模型衡量流动人口多维贫困变化情况时，并未设置单一的临界值，而是列举了K值从0.1到0.8的全部变化情况。

观察表3不难发现，流动家庭所有多维贫困指标均高于非流动家庭的各项指标，说明流动家庭具有更加严重的多维贫困。该结果在不同贫困临界值下依然保持稳定，进一步说明，在不同口径下，流动家庭的多维贫困均比较严重。

随着K值的不断变化，流动家庭与非流动家庭呈现出的变化趋势一致。两类家庭贫困发生率（H）均开始下降，贫困剥夺份额（A）均开始增加，多维贫困指数（M0）均逐渐减小。当K=0.1时，流动家庭贫困发生率最高，为71.7%，说明超过一半的流动家庭都存在不同类别的贫困，或是教育不达标，或是健康状况不容乐观；当K增加到0.8时，贫困发生率已经下降至0了，此时只有同时满足四维贫困或五维贫困的家庭才处于多维贫困状态，说明流动家庭中极度贫困家庭很少。相反，流动家庭平均剥夺份额指数随着K的增大而增加。当K=0.1时，剥夺份额最低，为26.2%；当K=0.8时，剥夺份额最高，为83.3%。流动家庭的多维贫困指数表示为贫困发生率与贫困剥夺份额的乘积，在K=0.1时最高，随着K值的增加逐渐减小；当K增加到0.8时，多维贫困指数等于0。从贫困广度与贫困深度的角度来理解，流动人口多维贫困指数的下降证实了精准扶贫的成效，处于四维贫困、五维贫困的家庭大量减少，贫困广度降低；然而，平均剥夺份额不断加深，表明贫困人口在特定指标上的贫困强度仍很严重。表4详细汇报了每个指标的贫困贡献度，以便更加明确致贫的原因。

现有文献普遍以0.33作为多维贫困的临界点。从临界点上下判断，在12个指标中，贡献度最高的三个指标分别是医疗保险、受教育年限和识字程度，说明流动家庭的医保覆盖率较低、受教育年限不够、识字程度不佳，这三类指标是多维贫困的重要贡献因子。受教育年限和识字程度都属于存量教育水平，分别是流动家庭成年劳动力和老年人的教育指标，这一发现意味着流动家庭中至少有一个成年人的受教育年限不足9年，老年人的文盲率较高。贡献度最低的三项指标分别是家庭资产、学龄儿童入学率、儿童自评健康。将指标按照所属维度加总发现，在临界点上下，医保维度、教育维度、健康维度以及生活状况维度的贡献度远远大于收入维度，收入维度的贡献度最低，说明收入对多维贫困的影响较小，侧面反映了多维贫困主要受家庭非货币性福利的影响。

（二）多维贫困分解测度

1．按流动方向分解

按照流动人口户籍（农业与非农业）和流入地（城镇与乡村）进行交叉划分可以得到四类流动人口：乡城流动人口、乡乡流动人口、城城流动人口与城乡流动人口四种类型（马小红等，2014）。具体含义分别是：农村流动到农村的乡乡流动家庭、农村流动到城市的乡城流动家庭、城镇流动到乡村的城乡流动家庭以及城镇流动到城镇的城城流动家庭。

表5汇报了不同流动方向的多维贫困发生率H、多维贫困指数M0以及各分解项的贡献度大小。在不同临界值的调整下，按照K值越大，多维贫困发生率越低，多维贫困指数越小的规律变动。其中，乡乡流动人口的贫困发生率最高，在经过平均剥夺份额的调整后，乡乡流动人口的指数贡献度仍然最高。城乡流动人口和乡城流动人口多维贫困发生率稍低于乡乡流动人口，经调整后贡献度排序发生了变化，乡城流动人口贡献度稍高于城乡流动人口。城城流动人口的多维贫困指标和指数贡献度占比最低。

2．按流动区域管辖分解

以流动区域是否属于户籍地管辖对家庭外出流动人口进行划分可以得到省内流动家庭及省际流动家庭的分类。省内流动是指人口从户口所在地流动到本省管辖范围内的其他县、市，省际流动是指人口进行跨省份转移。

表6测算了不同流动范围的多维贫困指标。观察发现，随着K值的增大，省内流动人口与省际流动人口的贫困发生率和多维贫困指数均开始下降。从指标间比较来看，省际流动家庭的多维贫困指标和指数贡献度都很高，省际流动给流动人口总贫困指数带来的增加值更大，且始终大于省内流动家庭。相比之下，省内流动家庭的贫困发生率及贫困指数都较低。

3．按流动数量分解

按照家庭成员是否全部外出进行划分，可以将流动家庭分为三类：独自流动群体、半家庭化流动群体以及全家庭化流动群体。独自流动群体代表家庭成员数大于1、仅有1人外出流动的情形；半家庭化流动群体是指家庭成员并未完全流动的情况，既包括夫妻双方共同外出也包括夫妻双方加子女共同流动等类型；全家庭化流动群体是指家庭所有成员均离开户籍地向外流动的情况。

由表7可知，独自流动群体、半家庭化流动群体的多维贫困发生率和多维贫困指数均高于全家庭化流动群体。分析贡献度大小变化可以发现，在平均剥夺份额的调整下，独自流动群体给流动人口总贫困带来的增加值最大，半家庭化流动群体次之，全家庭化流动群体的发生率和贡献度都是最低的。

（三）公共转移性支出对多维贫困的影响

第一阶段logit回归在控制协变量的情况下获取所有个体的倾向得分，能够消除内生性偏误，使实验组和控制组近似满足平行趋势。本文分别以政府补助、社会捐助和亲友帮助作为因变量，控制变量作为自变量（表8）。

表8显示，控制变量对家庭是否获得转移性支出（政府补助、亲友帮助）有显著影响，对社会捐助的影响不大。家庭人均收入对流动家庭获得转移性支出的影响在于家庭的平均收入越少，越容易获得政府补助和社会捐助，这一统计结果与预期和现实相符。拥有土地的家庭越有可能获得政府补助、社会捐助和亲友帮助；不拥有住房所有权的家庭更可能获得政府补助和社会捐助；家庭人口越多，越有可能获得政府补助；家庭劳动力占比则呈现出相反的趋势，劳动力数量越多，流动家庭获取收入能力就越强，越不容易获得三类外部性补助；家庭居住地表明：居住在中部和西部地区的家庭更加容易获得政府补助与社会捐助；户主特征的影响特点普遍呈现一致性。户主年龄越大，流动家庭得到转移性支出的概率就越大（社会捐助不显著）；户主性别仅对流动家庭获得政府补助有影响且呈现统计显著的结果；家庭户主教育的政府补助和社会捐助系数为负，说明教育程度越高，流动家庭获得补助的可能性越小。教育与就业呈现一定的关联度，受过高等教育的户主往往能得到报酬丰厚、有稳定保障的工作；户主的健康状况越好，流动家庭获得转移性支出（政府补助和亲友帮助）的概率就越低。而在婚与否则不影响流动家庭获得转移性支出的概率。

第二阶段平均效应估计分别以流动家庭多维贫困和单维贫困（收入贫困、健康贫困、教育贫困、医保贫困和生活状况贫困）作为因变量，政府补助、社会捐助和亲友帮助作为自变量评估处理效应大小。计算平均处理效应必须设定准确的多维贫困临界值，文章参考联合国采用的多维贫困临界点K=0.33作为平均处理效应多维贫困的衡量点。表9汇报的是采用最近邻匹配方法进行匹配的ATT 估计结果。

表9列举了转移性支出（政府补助、社会捐助以及亲友帮助）对单维贫困、多维贫困的平均处理效应（ATT）。观察估计结果发现：总体效应表现为公共转移性支出的效果较好，其中政府性转移支出的减贫效果优于社会捐助和亲友帮助，并对多维贫困以及单维的收入贫困、医保贫困和生活有降低作用，亲友帮助次之。

在分解效应中，主要通过观察ATT来判断转移性支出是否有效降低了流动人口的多维贫困比率。政府补助能够减少流动家庭多维贫困以及单维的收入贫困、医保贫困、教育贫困和生活贫困。除对教育贫困不显著外，较为显著地降低了5.8%的多维贫困、6.2%的收入贫困、4.3%的医保贫困和0.5%的生活贫困。而在健康贫困方面，政府补助出现了一定的推动作用，且对健康贫困的影响在1%的水平上显著。社会捐助的作用相对政府补助而言不大明显，仅降低了1.1%的医保贫困，并且统计不显著。这可能是由于社会捐助的比例低所致的，在所有流动家庭中，得到社会捐助的家庭仅占0.89%。而在多维贫困以及单维的收入贫困、健康贫困、教育贫困以及生活贫困方面，社会捐助起到了正向的推动作用。亲友帮助的处理效果稍优于社会捐助，对多维贫困以及单维的收入贫困和医保贫困能够起到负向的降低作用，但这种作用在统计上不显著。

将流动家庭的贫困原因进行归纳后可将其分为三大类：第一，贫困识别机制不健全。一是虽然已经出台了多种标准共同衡量家庭的多维贫困，但最主要的识别标准仍然是以人均收入高低对家庭进行划分，其他标准名存实亡；二是基层权利没有得到有效约束，出现了虚假贫困户、贫困富裕户等现象。“置换现象”对贫困产生了正向的推动作用。转移性支出的目的是救助临时性的家庭贫困，及时解决困难让他们更好地通过自身劳动脱贫致富。然而，福利依赖心理使得救助对象养成依赖救济维持基本生活的习惯。第二，流入地与流出地社会保障和救助机制壁垒层层，将流动人口排除在外。户籍制度形成城乡二元分割，与之相匹配的教育、医疗、就业和社保等问题未能实现整合与共享。第三，部分转移性支出的覆盖范围过窄，特别是来自社会慈善机构的力量过小，未能发挥应有的救助作用。作为政府补助的有效补充，社会捐助的理想占比与实际数据相差甚远，对多维贫困几乎起不到实质性作用。

（四）稳健性检验

上述分析基于主观的指标体系和权重设置，测算结果可能会出现偏差。为保证学术的严谨性，文章还将进行更改权重、调整维度以及平衡性检验。

1．更改权重

上述测算是按照维度等分权重法（各维度赋值1/5）进行的，接下来文章将按照非等分权重法进行测算。参考联合国的三维权重设置（1/3），分别将五个维度赋值到了1/3，得到了W1至W5的权重变化注1，见表10。更改权重后测算的多维贫困发生率普遍低于等分权重法。由此说明维度等分权重法更加客观、合理，不存在低估流动人口多维贫困状况的可能。

注1W1至W5分别表示将收入、医保、教育、健康和生活状况维度的权重设置为1/3，其他维度均为1/6。

2．调整维度

在表4的维度贡献度中，不难发现收入和医保维度是多维贫困指标体系中贡献度最小和最大的两类。因此，文章分别删除了收入维度和医保维度，按照维度等分权重的方式进行了检验，结果如表11所示。

表11中的D0列表示调整前的多维贫困状况，D1和D2分别表示去掉贡献度最小的收入维度和去掉贡献度最大的医保维度后的多维贫困情况，二者对多维贫困的影响相反。D1列结果显示，去掉收入维度后，多维贫困发生率和多维贫困指数均上升。森的多维贫困理论将收入贫困与多维贫困分开，在联合国的MPI指标中，也未将收入作为多维贫困的衡量指标，实际上多维贫困更多的是指非货币化福利状况不达标的情况，去掉收入维度后的多维贫困测算更符合多维贫困理论的内涵。D2列结果显示，去掉医保维度后，多维贫困发生率和多维贫困指数均降低。医保维度贡献度最大，调整后家庭的剥夺份额会因为维度的减小而减少，多维贫困指数降低。

3．平衡性检验

由于控制变量的选取具有主观性，因此需要通过观察匹配前后控制变量的分布判断倾向得分匹配方法是否有效消除差异。表12中的结果显示，匹配量Pseudo出现明显下降，P拒绝差异性检验，MeanBias偏差量均小于20%。因此，匹配后数据间不存在系统性差异，匹配后达到统计平滑。