《贫困指标分解、民主评议与扶贫云系统失灵——兼论贫困户识别的基层民主方式》由会员分享,可在线阅读,更多相关《贫困指标分解、民主评议与扶贫云系统失灵——兼论贫困户识别的基层民主方式(11页珍藏版)》请在金锄头文库上搜索。
1、贫困指标分解、民主评议与扶贫云系统失灵兼论贫困户识别的基层民主方式 洪名勇 吴昭洋 王珊 贵州大学管理学院 浙江大学管理学院 摘 要: 本文构建了一个以村庄为基本分析单位的“贫困指标规模分解指标供需状态基层民主识别方式扶贫云系统动态管理”整体性理论分析框架。研究表明: (1) 就贫困户指标的规模识别而言, 中央与省级政府之间存在博弈, 且现行自上而下的贫困户规模分解方式使得村级贫困户指标供需关系处于弱均衡状态; (2) 基于状态约束的数理模型分析表明, 贫困户识别的基层民主方式在制度执行层面有效但精准性较弱, 不可避免地出现相对贫困人口替代绝对贫困人口的低效识别状况; (3) 低效识别的现实使
2、得“扶贫云”系统存在信度和效度双重不足, 进而导致“行政式”小康的治理风险。就如何有效提升基层民主评议在贫困户识别中的作用提出了相应对策建议。关键词: 精准扶贫; 贫困指标分解; 民主评议; 贫困户识别; “扶贫云”系统; 基金:国家自然科学基金应急管理项目“中国扶贫开发的战略和政策研究” (编号:71541040) Decomposition of the Quotas of the Poor, Democratic Meetings and the Malfunction of the Anti-poverty Cloud System: Concurrent Comments the D
3、emocratic Approach to Targeting the PoorHONG Mingyong WU Zhaoyang WANG Shan Abstract: This paper constructs an analytical framework based on the village level. We firstly argue that the current way of rationing the quota leads to a weak state of equilibrium in terms of the scale of the quota of the
4、poor; then we use a mathematical model to show that the democratic meetings cannot be fully utilized under the D-S state; furthermore we explain why the present institutions and policies will lead to an illusive Xiaokang ( fairly well-off) inevitably; finally, we provide some practical suggestions t
5、o improve the process of targeting the poor mainly based on taking advantage of democratic meetings.一、导言瞄准性不断增强是我国扶贫战略与政策演变的重要特征, 瞄准机制由县逐渐过渡转变为村、户, 反映出我国扶贫政策瞄准精度不断提高和瞄准单位不断具化。1986 年以前我国的扶贫目标是直接瞄准穷人的, 即将救济物资或资金直接发放到穷人手中, 但现在看来这只能算作一种属于民政系统的救济, 而不能算作真正意义上的扶贫 (刘冬梅, 2001) 。1986 年开始, 国家将扶贫目标瞄准为县, 以贫困县为瞄准
6、目标载体, 考虑到农村贫困人口大部分集中在低收入县, 县域瞄准可能是在经济上有效的一种方式 (洪名勇, 2009) 。事实上, 瞄准性从区域到县再到村的精准度提升往往并未达到扶贫战略和政策实施的既定目标, 比如, 始自 2001 年的“整村推进”工作曾作为国家旨在提升农村落后地区农民收入的扶贫创新机制被实施, 原计划于 2010 年完成, 但实施过程和效果远不如预期。Li (2014) 研究表明, 到 2008 年末只有 60%的认定贫困村接收到了项目支持, 而在一些省份 (如湖南和青海) 实际项目投资只占计划投资的 20%左右, 且获得项目支持的农户究竟是否为村内贫困户这一问题存在较大模糊性
7、。扶贫政策效果的模糊性来自于初始制度设计在实施环节的弱操作性, 加之地方尤其是乡镇、村在基层治理思维和治理工具方面不具备必然有效落实国家各项政策的条件, 而新阶段以户为瞄准对象的精准扶贫对基层治理能力的要求有增无减。可以预期, 在基层政府实施反贫困政策以及其他相关的乡村治理环节中也必将内生出更为复杂的治理问题, 扶贫作为我国欠发达地区农村的核心治理方式, 其实质问题就是扶贫政策的实施问题。精准扶贫战略思想具体体现在精准识别、精准帮扶、精准管理和精准考核等四个具有系统性的精准环节, 四个环节中又以“精准识别”环节最为重要。邓维杰 (2014) 基于对四川省农村精准扶贫执行效果的调查研究认为, 精
8、准扶贫的实际执行效果不显著的主要原因在于精准扶贫中出现了突出的对贫困户的排斥现象, 在其 2013 年的调查中 25%的受访“建档立卡户”不知道自己是如何当选的, 扶贫资金直接到达贫困户的资金比例也仅有 16.6%, 造成贫困农户被排斥在精准识别和精准帮扶环节之外。汪三贵等 (2015) 认为, 精准扶贫方面的困难主要体现在精准识别、精准扶持和与相关的精准考核三个方面, 而作为基础的精准识别环节遇到的问题是精确统计农户的收入是一件复杂的事情, 成本很高, 基层政府没有能力可靠地进行所有农户的收入统计工作。唐丽霞等 (2015) 从贫困农户识别的政策和技术困境、乡村治理现状、贫困农户思想观念的变
9、化以及扶贫政策本身的制度缺陷四个方面分析了当前精准扶贫机制所面临的严峻挑战。陈全功等 (2016) 的研究也指出一些地方政府在贫困对象的精准识别、措施的精准实施和资金项目的精准管理等环节仍然存在一些问题, 并从政府推进扶贫工作中应把握的重点原则、重点考核标准、重点对象和重点内容等维度提出了政策建议。葛志军等 (2015) 则从农户参与度层面简要地描述了精准识别过程存在的问题。由于个体的生活能力、收入偏好等相关信息是私人的, 政府要正确识别哪些个体是扶贫的对象存在一定困难 (方迎风等, 2015) 。自有计划、有组织地开展反贫困行动之初, 减贫政策实施过程中如何识别出真正的贫困人口便已经成为一个
10、世界性难题 (Schlutz, 1980;Banerjee, 2008;Banerjee, 2009) 。Cornia 等 (1995) 的研究进一步表明, 由于政府与贫困主体之间存在信息不对称, 类似于统计学中假设检验的 I 型与 II 型错误一样, 政府对贫困人口的识别也存在两种类型的统计错误:首先是将属于贫困的人口排除出已识别贫困人口之外的 I 型错误;其次是将不属于已识别贫困人口的主体纳入贫困人口的 II 型错误。上述两类错误互为对立、此消彼长, 不同的概率大小对扶贫政策的要求不同, 政府在制定相关扶贫政策时有必要对二者发生的概率进行权衡。Rai (2002) 通过经济机制设计中的实施
11、理论框架 (Implementation Theory Framework) 对如何利用社区信息 (Community Information) 进而提升识别精度这一问题展开了微观理论分析, 研究表明, 识别成本的有效减少取决于转移支付的均等化程度和农户的风险厌恶程度, 即利用内生于社区的信息开展有效的贫困识别是有条件的。Bardhan 等 (1999) 和Bardhan 等 (2006) 基于对西孟加拉地区 89 个村庄 20 年的面板数据分析表明, 贫困、经济社会不平等以及政治竞争力的缺乏使得地方精英实现对地方政府的俘获, 造成贫困识别低效, 并且这种影响在村庄间比村庄内更为显著。以上研究
12、表明, 现有研究几乎都依照精准扶贫中各工作环节在实施中所存在的问题开展较为独立的模块化分析, 缺乏具有整体一致性的模型化、系统化研究, 使得反贫困政策的调整与优化缺乏学术理论支撑;国外学者虽早已经注意到利用地方或社区信息的重要性, 但其理论所基于的假设过于严格且在很大程度上与我国扶贫的制度环境不符, 甚至背离。在实际工作中, 乡镇、村在进行贫困农户识别时是以县分解给本乡镇、村的贫困农户数量为基础的。基于政策实践和理论研究的双重需要, 结合对贵州省典型村庄的质性研究, 本文尝试在贫困农户指标分解的制度环境下, 对精准扶贫中的贫困户精准识别问题展开微观层面的探讨, 将识别环节中特有的基层民主评议方
13、式做为中介环节, 重点探讨该方式的运行机制及其识别效果的精准性, 进而对精准识别的精准性进行评价。二、贫困指标的逐层规模分解(一) 建档立卡与贫困指标分解制度为更好了解贫困农户的基础情况, 政府有关部门推出了建档立卡来对贫困农户进行识别, 并跟踪贫困农户经济变化情况。而要将之落到实处, 就必然要知道本区域范围应该识别多少贫困农户。从理论上讲, 凡是低于贫困线的农户就自动进入贫困农户, 但政府有关部门不是这样操作的, 而是按照中央省级、市级县级乡镇村级层层分解贫困指标这一制度安排进行实施的。贫困指标的规模分解过程依照国务院扶贫办 2014 年 4 月 2 日制定的扶贫开发建档立卡工作方案 (以下
14、简称方案) 具体实施, 建档立卡对象包括贫困户、贫困村、贫困县和连片特困地区, 本文只针对最为核心的贫困户的识别问题展开研究。为防止谎报、虚报贫困人口数量, 目前我国贫困农户的指标是逐级分配的 (吴晓燕等, 2015) 。整体层面上看, 贫困人口规模分解采取国家到省、再由各省将贫困人口识别规模逐级分解到行政村的规模控制方法;具体操作层面而言, 依据方案中所规定的“贫困人口规模分解参考方法”, 即“到市到县的贫困人口规模分解可依据国家统计局调查总队提供的乡村人口数和低收入人口发生率计算形成;到乡到村的贫困人口规模数由于缺少人均纯收入等数据支撑, 可依据本地实际抽取易获取的相关贫困影响因子计算本地
15、拟定贫困发生率, 结合本地农村居民年末户籍人口数算出。”由此便可以对整体 (中央省县) 和操作 (县乡村) 两个层面贫困人口指标分解的标准过程进行公式化表示。图 1 贫困村建档立卡工作示意图 下载原图(二) “中央省县”的贫困规模分解首先, 整体层面, 全国到各省份的贫困人口分解可通过下式表达:其中, P t表示全国农村贫困发生率, H t表示全国农村户籍人口, P i和 Hi为国家公布的以 2013 年为统计基准的分省对应变量, M 表示各省份的上浮比例, n=28, 表示中国大陆地区除北京、天津和上海三个整体经济社会水平发展较好已无绝对贫困人口的行政地区外共有 28 个省级区域需要执行精准
16、扶贫期的贫困户识别工作。值得关注的问题是, 具体识别规模经省级扶贫开发领导小组研究确定后由省扶贫办上报国务院扶贫办核定, 各省将报国务院扶贫办核定后的贫困人口识别规模逐级分解到行政村, 这意味着各省的规模识别发生在各省的贫困户识别工作之前, 且方案中明确表示人均纯收入等数据主要来源于统计部门, 这意味着各省的贫困人口和贫困发生率在统计上同国家保持一致。既然是按照自上而下的规模分解方式, 那么 M 的具体大小是如何确定的呢?显然, 这一问题并未得到说明。本文认为, 规模识别层面存在的模糊性足以表明中央与地方在贫困规模识别上存在博弈, M 可被视为该博弈的均衡解值, 其根源在于中央政府与各省在贫困规模的信息获取上存在信息不对称, M 则可以大致反映出这种信息不对称的程度以及相应的博弈程度。表 1“中央省”贫困户指标规模分解及实际浮动情况 下载原表 其次, 在现有贫困人口规模分解的制度安排下, 省级政府既是贫困规模数量的需求者, 通过信息占优与中央政府在规模数量上进行博弈, 同时又是贫困规