外部冲击、社会网络与移民搬迁农户的适应性

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

管睿^,, 余劲^,西北农林科技大学经济管理学院,杨凌 712100

External shocks, social networks and adaptability of resettled farming households

GUAN Rui^,, YU Jin^,College of Economics and Management, Northwest A&F University, Yangling 712100, China

通讯作者: 余劲,男,湖北英山人,博士,教授,研究方向为公共管理。E-mail: yujin@nwsuaf.edu.cn

收稿日期:2019-12-30修回日期:2020-04-21网络出版日期:2020-12-25

基金资助:

国家自然科学基金项目.71874139
陕西省社会科学基金项目.2020R041

Received:2019-12-30Revised:2020-04-21Online:2020-12-25
作者简介 About authors
管睿,男,安徽合肥人,博士研究生,研究方向为贫困治理。E-mail: guanrui@nwusaf.edu.cn

摘要
农户适应性是评估移民搬迁政策有效性的核心指标,更是指导移民搬迁后续扶持工作的重要抓手。本文基于陕南3市8县1250户移民搬迁农户的数据,采用两阶段最小二乘法实证检验了外部冲击视角下移民搬迁农户的社会网络对其适应性的影响机制。研究结果表明,社会网络可以通过风险分担机制帮助贫困人口有效抵御风险冲击,但由于扩大网络规模及维持关系强度需要更高水平的投资,进而对移民搬迁农户造成了次生风险。同时,社会网络可以通过机会共享机制帮助非贫困人口有效把握外部机会,且非贫困人口的投资回报率要高于贫困人口。因此,需完善移民搬迁社区周边的产业政策配套,加快移民搬迁农户的社区融入,也要加强对移民搬迁农户可能遭遇风险的事前防范,及不可抗风险冲击发生后的及时救助,进一步加大外部机会供给,降低外部机会门槛。
关键词： 社会网络;外部冲击;适应性;风险分担;机会共享;移民搬迁;贫困脆弱性;陕南

Abstract

Farming household adaptability is not only the core indicator to evaluate the effectiveness of resettlement policy, but also an important starting point to guide the follow-up support work of resettlement. Based on the data of 1250 resettled farming households in eight counties and three cities in southern Shaanxi Province, this study empirically tested the impact mechanism of the social network of resettled farmers on their adaptability from the perspective of risk and opportunity by means of instrumental variable method. It is found that: (1) Social networks can help poor people to effectively resist external shocks through risk sharing mechanisms. (2) Social networks can help non-poor people to grasp external opportunities effectively through the mechanism of opportunity sharing. Therefore, it is necessary to improve the industrial development policy support around relocated communities, and accelerate the integration of resettled farming households into the communities. At the same time, it is necessary to reduce the risks that resettled farming households may encounter and strengthen timely assistance after the occurrence of irresistible shocks.

Keywords：social networks;external shocks;adaptability;risk sharing;opportunity sharing;relocation;poverty vulnerability;Southern Shaanxi

PDF (2738KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
管睿, 余劲. 外部冲击、社会网络与移民搬迁农户的适应性. 资源科学[J], 2020, 42(12): 2382-2392 doi:10.18402/resci.2020.12.10
GUAN Rui, YU Jin. External shocks, social networks and adaptability of resettled farming households. RESOURCES SCIENCE[J], 2020, 42(12): 2382-2392 doi:10.18402/resci.2020.12.10

1 引言

集中连片贫困地区贫困规模大、程度深的问题是中国精准扶贫政策所面临的基本现实,也是夺取脱贫攻坚战役全面胜利的核心难点。陕西南部汉中、安康和商洛3市地处秦巴山区,其地质条件差,自然环境恶劣^[1],农户不仅要面临山洪、滑坡、泥石流等频繁的次生灾害,也受制于其自然资源及基础设施的严重匮乏。基于此,陕西省政府于2011年启动实施了陕南移民搬迁工程,计划用10年时间将陕南3市240万人搬离原住地。截至2016年,陕南移民搬迁工程已累计投入595亿元,完成32.4万户111.89万人的移民搬迁任务,其中集中安置28.13万户,集中安置率高达86.8%。陕南移民搬迁工程的政策目标也随着项目的不断推进,逐步从如何“搬得出”转向实现“稳得住、能致富”,即移民搬迁农户的适应性问题。

适应性是指系统应对压力或变化的能力及针对压力和变化的影响作出的调整与响应^[2]。而贫困脆弱性则是指农户家庭这一系统在面临外部冲击时陷入贫困的可能性,其取决于农户抵御风险冲击^[3]及把握机会供给^[4]的能力。因此,从概念上看,贫困脆弱性是检验农户适应性的重要指标。同时,贫困脆弱性分析作为一种对农户未来贫困状态的事前预测,可以为政策制定者提供更准确的贫困定位^[5],也可规避以往贫困测度的静态性和单一性^[6],进而更有效地指导移民搬迁的后续扶持工作。因此,通过贫困脆弱性分析框架研究移民搬迁农户的适应性问题较为合适。移民搬迁工程实现了贫困人口所处环境和位置要素的改变,从而降低了资源缺失或强约束的自然风险^[7],且集中居住的服务需求推进了生计空间的自我繁育,改善了养老、医疗及教育等外部机会质量^[8]。但随之而来的是农户生产、生活空间的剧烈变化,原有的社会风险、经济风险和健康风险等一般风险因素将受到移民搬迁的冲击,而具象化为丧失土地、边缘化、无食物保障等现实问题^[9],甚至形成叠加风险,给生态移民的生计带来巨大挑战^[10]。因此,在正式制度尚不健全的移民搬迁社区,面对风险与机会的外部冲击,社会网络作为移民搬迁农户赖以生存的非正式制度,其在移民搬迁工程背景下的重构受到了学术界的广泛关注。

基于血缘与地缘所构成的“熟悉”是乡土中国最重要的社会特征^[11]。在漫长的生产生活实践中,村庄养成了共同的传统风俗和价值认知,形成了具有较强归属感的内在结构和动员机制^[12]。但在移民搬迁工程中,农户社会空间的割裂与重塑导致以血缘、地缘为纽带的传统社会关系逐渐淡化,而以业缘为基础的现代社会关系却由于共同生产经历的匮乏也并无建立起来的社会基础。究其原因,移民搬迁项目促进了农户生计行为的非农化转型,但由于迁入区产业发展和产业集聚不足,移民搬迁就地就业、就地转产有限,农户“离土离乡”的外出务工变成常态,进一步加剧了移民搬迁社区的空心化现象^[13]。因此,其不仅降低了搬迁农户的社区认同,也导致留守农户日常生活中可以依赖的社会支持网络弱化。同时,搬迁农户社会空间的重构过程中也存在明显的“马太效应”。原本家庭条件较好的移民能很快扩大自己的社交网络,从而获得就业信息与机会,而也有些村民受制于家庭条件和自身性格,互动范围局限于强关系网络,反而更加孤独^[14]。

因此,重构后的社会网络是否能帮助移民搬迁农户有效抵御风险、充分把握机会,将是移民搬迁后续扶持工作的重中之重。有****指出,陕南地区的生态移民政策通过社会资本改善农户收入的作用最强^[15],进而有效降低移民农户的贫困脆弱性,且邻里互助对高脆弱性移民的影响较大,亲友互惠对中等脆弱性移民户的影响较大^[16];但也有****指出,移民搬迁农户的社会资本存在部分失灵,其中通讯费用、参加专业合作协会和集体事务参与程度等因素对家庭经济收入不再具有解释作用^[17]。基于此,本文利用陕西省南部3市8县1250户移民搬迁农户调研数据,通过两阶段最小二乘法验证外部冲击视角下移民搬迁农户社会网络的减贫机制,以期为移民搬迁政策的后续扶持工作提供有力的理论支撑。与已有研究相比,本文的创新之处在于：第一,将风险与机会视角纳入贫困脆弱性研究中,并考虑社会网络与绝对贫困间的非线性关系,进而更清晰地解释了社会网络的减贫机制。第二,将村庄社会网络特征作为工具变量,以此避免了社会网络内生性问题所带来的样本估计偏差。

2 文献回顾与理论分析

2.1 社会网络的风险分担减贫机制

贫困人口不仅缺乏抵御风险的资本和能力,更缺少正规制度的保障以进行风险管理,因此非正规的风险分担机制对贫困人口而言相当重要^[18]。在发展中国家,以宗族血缘^[19]或种姓制度^[20]等为基础构建的社会网络正是作为一种重要的非正规风险分担机制来帮助贫困人口抵御风险冲击,因此也被称为“穷人的资本”。而社会网络主要通过以下两种方式实现风险分担：第一,互惠机制。礼金支出、人情往来是维系和发展社会网络的重要渠道^[21],其行为动机则是基于长远预期所形成的“礼尚往来”。正是由于社会网络中各主体的“礼尚往来”,进而使得贫困人口可从日常的人情消费中获取婚丧大事所急需的经济和劳力支持^[22]。第二,借贷机制。以社会网络为基础的农户民间借贷或亲友间转移支付是传统乡土社会的典型特点^[23],进而有效保障贫困农户在面临风险冲击时平滑消费并弱化流动性约束^[24]。

针对上述社会网络风险分担机制的分析,本文提出如下假说：

H1：移民搬迁农户可利用社会网络来抵御风险冲击,进而削弱风险冲击对贫困脆弱性的正向影响。

2.2 社会网络的机会共享减贫机制

社会网络主要通过以下两个方面来实现机会共享：第一,信息传递机制。信息能在社会网络内部传递和扩散,且随着社会网络规模的扩大,信息流动就更加充分和有效^[25],进而有效解决信息不对称的问题^[26,27]。Genicot等^[28]的研究指出,来自同一社区的成员在迁入地形成的社会网络,有助于共享各种就业信息,从而帮助后续迁移者在新的迁入地找到高薪非农工作。第二,资本替代机制。基于社会网络所形成的“信任”与“人情”能有效降低劳动力、金融等各类型市场的准入门槛,因此当农户面临人力资本、物质资本等生计资本的匮乏时,较为丰富的社会网络能够使其获得优先选择权,进而获得商业机会与工作岗位^[29]。Chantarat等^[30]的研究也表明,社会网络可以作为物质资本的替代品或互补品提高贫困人口的劳动生产率,以此实现家庭收入水平的提高,摆脱贫困陷阱。针对上述社会网络机会共享机制的分析,本文提出如下假说：

H2：移民搬迁农户可利用社会网络来把握外部机会,进而增强外部机会对贫困脆弱性的负向影响。

3 数据来源及研究方法

3.1 数据来源

本文数据来源于2017年西北农林科技大学移民搬迁课题组在陕西省汉中市、安康市及商洛市进行的农户调研。在调研过程中,通过分层抽样在各市选择2~3个县,每个县随机选取3~5个村,各村再随机抽取30~50户农户并采用问卷调查及半结构化访谈进行数据收集。问卷内容主要包括家庭成员基本信息、社会资本状况及移民搬迁的相关信息。调查共获得有效问卷1712份,但由于本文重点关注移民搬迁农户的贫困脆弱性,故剔除非移民农户样本后,最终用于实证分析的样本为陕南3市8县1250户移民搬迁农户的数据。样本分布情况如表1所示。

Table 1
表1
表1样本分布情况
Table 1Sample distribution

市	县	样本数量
汉中市	留坝县	54
	略阳县	187
	西乡县	161
安康市	白河县	166
	汉滨区	246
	汉阴县	67
商洛市	丹凤县	188
商洛市	镇安县	182

新窗口打开|下载CSV

3.2 模型设定

3.2.1 贫困脆弱性测度

首先,用生计资本、户主特征等影响持久收入的变量对移民搬迁农户人均收入的对数进行回归估计,并将回归后的残差平方作为收入波动以进行OLS估计。随后,为消除截面数据的异质性,参考左孝凡等^[31]的研究,本文采用可行广义最小二乘法（FGLS）进行估计,进而获得农户下一期收入的期望值与方差。最后,基于农户下一期收入水平服从对数正态分布假设^[32],通过下式计算贫困脆弱性

{\overset{?}{V}}_{i}

：

{\overset{?}{V}}_{i} = \overset{?}{P} r (\ln Y \leq \ln poor) = Ф (\frac{\ln poor - X_{i} \overset{?}{α}}{\sqrt[]{X_{i} \overset{?}{β}}})

式中：

\overset{?}{P} r

表示农户i在下一期的收入

Y

低于贫困标准poor的概率,对

Y

和poor分别取对数进行比较;

Φ (?)

表示标准正态分布函数,

X_{i}

表示影响农户i收入的可观察变量,

X_{i} \overset{?}{α}

、

X_{i} \overset{?}{β}

分别表示农户下一期收入的均值及方差。本文以2017年中国贫困标准2300元（以2010年不变价计算,年人均收入）作为贫困线以计算陕西省南部地区移民搬迁农户贫困脆弱性。由于本文将贫困脆弱性指数作为被解释变量,故不再设置脆弱线来判断移民搬迁农户是否脆弱。经计算,样本区域农户贫困脆弱性指数为0.3831,其中商洛市为0.3887,安康市为0.3810,汉中市为0.3763,由此反映出的贫困特征也与2017年陕西省各市GDP排名相符,故进一步验证了本文数据具有良好的代表性。

3.2.2 社会网络测度

本文试图通过因子分析法测度社会网络指数,但分析结果显示KMO检验指标值仅为0.649,各变量间相关性较弱。同时,基于因子分析法提取了4个特征根大于1的公因子,包括：由礼金支出、通讯费用及年节走动人数构成的网络规模公因子;由同村人关系、亲友关系及村干部关系构成的关系强度公因子;由村内事务参与、是否党员、是否村干部构成的社会结构公因子;由亲友是否公务员、亲友是否城市居住、可求助人数构成的网络质量公因子。但4个公因子的累积方差贡献率仅为53.62%,说明其对原始数据的解释力度不够。因此,本文遵循因子分析法对公因子的提取结果,并参考郭显光的研究^[33],通过改进的熵值法确定社会网络中4个维度、12个指标的权重,进而综合计算出社会网络总指数及各维度社会网络指数。

3.2.3 工具变量法

社会网络作为社会资本的重要组成部分,其内生性主要来源于以下两个方面：①社会网络与贫困脆弱性间存在双向因果关系,即社会网络能有效降低农户贫困脆弱性,且贫困脆弱性越低的农户也越有能力构建社会网络;②社会网络可能受到诸如农户性格特征等不可观测因素的影响,进而导致关键变量的遗漏^[34]。因此,需要选择合适的工具变量进行两阶段最小二乘法估计,以避免内生性问题所带来的估计偏误。参考齐良书^[35]及Birthal等^[36]的研究,选择村庄关联度作为工具变量,该指标可通过社会网络指数的村庄平均值计算。这一工具变量主要反映了村庄层面上社会网络的紧密程度,其对个体社会网络有一定影响,但与个体的脆弱性并没有直接关系。当然,在村庄层面上,村庄关联度可能与村庄脆弱性存在相关关系,但由于计量模型构建在农户尺度上,故选择村庄关联度作为农户社会网络指数的工具变量在理论上是可行的。

3.3 外部冲击、社会网络及各控制变量的定量测度

外部冲击。外部冲击是指农户家庭系统运行过程中所遭受的外部扰动,其具体表现为风险与机会两种形式（表2）。为保证风险与机会这两个核心变量的外生性,本文参考王文略等^[37]的研究,以农户近一年内遭遇的风险数量来测度风险冲击,主要包括生育与婚嫁、大病医疗、自然灾害、经商亏损、失去耕地、市场价格变化等;以农户移民搬迁后能获得的外部机会数量来测度机会供给,主要包括金融机会、就业机会、教育机会、公共服务机会、信息机会及培训机会等^①（①金融机会是指搬迁后当地信用社是否提供了更好的贷款机会;就业机会是指搬迁后是否能获得更好的外出务工机会;教育机会是指搬迁后当地是否有更好的教育资源;公共服务机会是指搬迁后当地是否有更完善的公共服务体系;信息机会是指搬迁后是否获得了更多信息;培训机会是指搬迁后是否能获得技术培训。）,描述性统计具体见表2。

Table 2
表2
表2变量说明及描述性统计
Table 2Variable specification and descriptive statistics

变量类别	变量名称	变量代码	变量含义及赋值	平均值	标准差
外部冲击	风险冲击	risk	农户近一年实际遭遇的风险数量	0.930	0.501
外部冲击	机会供给	oppor	农户能够获得的外部机会数量	1.479	0.967
网络规模（ $s c_{1}$ ）	礼金支出	—	2017年家庭礼金支出,实际金额（元）取对数	8.359	1.896
	通讯费用	—	2017年家庭通讯费用支出,实际金额（元）取对数	7.311	1.312
	亲友联系人数	—	逢年过节时亲朋好友间联系的人数,1=0~10,2=11~20,3=21~30,4=31及以上	2.422	0.952
关系强度（ $s c_{2}$ ）	同村人关系	—	家庭与一般村民关系如何,1=非常疏远,2=比较疏远,3=关系一般,4=比较紧密,5=非常紧密	3.491	0.920
	亲友关系	—	家庭与亲戚朋友关系如何,1=非常疏远,2=比较疏远,3=关系一般,4=比较紧密,5=非常紧密	4.102	0.739
	村干部关系	—	家庭与村干部关系如何,1=非常疏远,2=比较疏远,3=关系一般,4=比较紧密,5=非常紧密	3.537	0.853
社会结构（ $s c_{3}$ ）	村内事务参与	—	家庭是否经常参与村内事务,1完全不参与,2=偶尔参与,3=一般,4=经常参与,5=事事参与	2.522	1.105
	是否党员	—	家庭中是否有党员,0=无,1=有	0.098	0.298
	是否村干部	—	家庭中是否有村干部,0=无,1=有	0.063	0.243
网络质量（ $s c_{4}$ ）	亲友是否公务员	—	亲戚朋友担任国家公务员的人数	0.395	1.47
	亲友是否城市居住	—	亲戚朋友在城市居住的人数	2.258	4.864
	可求助人数	—	家庭在急需大笔开支时所能求助的人数	4.824	4.543
控制变量	户主性别	gender	0=女,1=男	0.945	0.228
	户主年龄	age	户主实际年龄/岁	50.510	10.548
	家庭负担比	afford	老人、幼儿、学生数量占家庭总人口比重	0.397	0.284
	户主健康水平	health	1=很不好（长期吃药等）;2=不好;3=一般;4=比较好;5=极好	3.151	0.985
	户主受教育水平	edu	1=没上过学;2=小学;3=初中;4=高中或中专;5=大专及以上	2.499	0.909
	劳动力务工时长	worktime	2017年家庭中劳动力外出务工月数之和	14.531	9.235
	经营平地面积	flat	农户实际耕种的平地面积/亩	0.485	1.519
	经营坡地面积	slope	农户实际耕种的坡地面积/亩	1.121	2.465
	安置方式	resettle	1=集中安置;2=分散安置	1.128	0.334
	离镇距离	distance	离最近的城镇距离/km	0.345	1.083

新窗口打开|下载CSV

社会网络。现有研究大多将社会网络看作社会资本的重要组成部分,并从网络规模及关系强度进行测度,主要变量包括“年节走动人数”^[38]、“礼金支出”^[39]、“亲友关系”^[40]、通讯费用^[41]等。但社会网络作为一种结构性关系,其网络质量尚未得到足够的重视。因此,本文综合边燕杰^[42]的研究,从网络规模、关系强度、社会结构及网络质量这4个维度来测度移民搬迁农户的社会网络。其中网络规模是指农户社会网络的广泛性,以礼金支出、通讯费用及亲友联系人数3个指标来测度;关系强度是指农户社会网络的有效性,以同村人关系、亲友关系及村干部关系3个指标来测度;社会结构是指农户在社会网络中的资源获取能力及层次,以村内事务参与、是否党员、是否村干部3个指标来测度;网络质量是用来测度农户社会网络的顶端,以亲友是否公务员、亲友是否城市居住及可求助人数3个指标来测度,描述性统计具体见表2。

控制变量。本文选择家庭特征、人力资本、自然资本、移民搬迁政策等影响农户贫困脆弱性的重要指标作为控制变量。其中家庭特征包括户主性别、户主年龄及家庭负担比;人力资本包括户主健康水平、教育程度及劳动力务工时长;自然资本包括经营平地面积、经营坡地面积;移民搬迁政策包括安置方式及离镇距离;描述性统计具体见表2。同时,考虑到陕南3市的经济发展、人文历史等条件均较为相似,且本文重点并非探讨区域间差异,故不对地区变量进行控制。

4 实证结果与分析

4.1 外部冲击与社会网络指数对农户贫困脆弱性的影响

表3是外部冲击与社会网络指数对农户贫困脆弱性影响的回归结果。其中,模型（1）与模型（5）均是使用OLS方法进行的基准回归,与使用工具变量法的回归结果相比较发现,在内生性问题较为严重的基准回归中,其回归结果高估了社会网络的减贫效应。因此,使用工具变量法进行回归更为有效。模型（4）及模型（8）显示,风险冲击与社会网络指数二次项的交互项显著为正,而机会供给与社会网络指数二次项的交互项显著为负,这表明在风险冲击与机会供给对移民搬迁农户贫困脆弱性的影响中,两者的边际效应均为社会网络指数的二次函数,且分别呈现出U型与倒U型变化趋势。具体来看,由二次函数计算可知,当社会网络指数在0.059左侧时,风险冲击的边际效应是随着社会网络指数的递增而下降的,即社会网络的提升有助于削弱风险冲击对贫困脆弱性的正向影响,这一结论与徐伟等^[43]的研究相似,H1得到部分验证。但当社会网络在0.059右侧时,风险冲击的边际效应是随着社会网络指数的递增而提高的,即社会网络的提高反而增强了风险冲击对贫困脆弱性的正向影响。同时,当社会网络指数小于0.109时,社会网络的提升会削弱机会供给对贫困脆弱性的负向影响;而当其大于0.109时,社会网络的提升会增强机会供给对贫困脆弱性的负向影响,H2得到部分验证。这表明,社会网络越少的农户越难把握住外部机会来实现贫困脆弱性的降低,这与刘彬彬等^[29]的研究结论较为相似,即农户社会网络对家庭收入的影响存在门槛效应,较为匮乏的社会网络并不足以帮助农户充分把握外部机会,进而实现脆弱性的降低。同时,本文使用Cragg—Donald Wald F统计量对弱工具变量进行检验,检验结果发现F统计量均大于10,拒绝了存在弱工具变量的原假设,且通过了工具变量过度识别检验。由此说明,工具变量选择较为合适。

Table 3
表3
表3外部冲击、社会网络对农户贫困脆弱性的影响回归结果
Table 3Regression results of impact of external shocks and social networks on poverty-related vulnerability of farming households

	模型（1）	模型（2）	模型（3）	模型（4）	模型（5）	模型（6）	模型（7）	模型（8）
risk	0.027*** （0.006）	0.031*** （0.004）	0.025*** （0.004）	0.016*** （0.004）
oppor					-0.013*** （0.002）	-0.018*** （0.003）	-0.021*** （0.003）	-0.014*** （0.002）
sc	-0.448*** （0.030）	-0.193* （0.108）	-0.225** （0.103）	-0.209** （0.103）	-0.428*** （0.031）	-0.211* （0.114）	-0.296*** （0.107）	-0.198* （0.112）
sc²				1.305*** （0.124）				1.257*** （0.122）
$risk \times sc$			-0.241*** （0.029）	-0.077** （0.033）
$risk \times s c^{2}$				0.657*** （0.225）
$oppor \times sc$							0.176*** （0.015）	0.130*** （0.019）
$oppor \times s c^{2}$								-0.596*** （0.146）
gender	-0.003 （0.008）	-0.006 （0.008）	-0.010 （0.008）	-0.011 （0.007）	-0.002 （0.007）	-0.004 （0.008）	-0.004 （0.007）	-0.004 （0.007）
age	0.001** （0.000）	0.001*** （0.000）	0.001*** （0.004）	0.000* （0.000）	0.001** （0.000）	0.000** （0.000）	0.000* （0.000）	0.000 （0.000）
health	-0.030*** （0.002）	-0.032*** （0.002）	-0.031*** （0.002）	-0.032*** （0.002）	-0.031*** （0.002）	-0.033*** （0.002）	-0.033*** （0.002）	-0.032*** （0.002）
edu	-0.013*** （0.002）	-0.019*** （0.003）	-0.019*** （0.003）	-0.022*** （0.003）	-0.013*** （0.002）	-0.018*** （0.003）	-0.018*** （0.003）	-0.021*** （0.003）
worktime	-0.005*** （0.000）	-0.006*** （0.000）	-0.006*** （0.002）	-0.006*** （0.000）	-0.005*** （0.002）	-0.006*** （0.000）	-0.006*** （0.000）	-0.006*** （0.000）
resettle	0.003 （0.003）	0.004 （0.003）	0.003 （0.003）	0.002 （0.003）	0.004 （0.003）	0.005* （0.003）	0.004 （0.002）	0.002 （0.002）
distance	0.007** （0.003）	0.007*** （0.002）	0.006*** （0.002）	0.006*** （0.002）	0.008** （0.003）	0.008*** （0.002）	0.008*** （0.002）	0.008*** （0.002）
flat	0.002** （0.001）	0.002 （0.001）	0.001 （0.001）	0.002 （0.001）	0.002** （0.001）	0.001 （0.001）	0.001 （0.001）	0.001 （0.001）
slope	0.002*** （0.001）	0.002* （0.001）	0.001* （0.001）	0.002** （0.001）	0.002** （0.001）	0.001 （0.001）	0.001* （0.001）	0.001* （0.001）
afford	0.133*** （0.008）	0.140*** （0.007）	0.137*** （0.007）	0.136*** （0.007）	0.135*** （0.008）	0.141*** （0.007）	0.138*** （0.007）	0.135*** （0.006）
constant	0.453*** （0.022）	0.364*** （0.042）	0.385*** （0.040）	0.396*** （0.038）	0.491*** （0.022）	0.424*** （0.039）	0.466*** （0.037）	0.420*** （0.042）
观测值	1250	1250	1250	1250	1250	1250	1250	1250
弱工具变量检验统计量		51.059	51.979	48.339		46.379	44.995	41.798
R²	0.771	0.743	0.763	0.789	0.770	0.750	0.771	0.791

注：*、**、***分别表示10%、5%和1%的显著性水平。

新窗口打开|下载CSV

4.2 社会网络风险分担及机会共享减贫机制的进一步检验

为进一步检验社会网络的减贫机制,本文以各维度的社会网络指标及外部冲击作为核心自变量以进行两阶段最小二乘回归,具体回归结果见表4。模型（9）-（12）与模型（13）-（16）分别表示不同维度社会网络条件下风险冲击、机会冲击对农户贫困脆弱性的影响,其中不同维度社会网络的顺序依次为网络规模、关系强度、社会结构及网络质量。各模型中弱工具变量检验统计值均大于10,即通过了弱工具变量检验。回归结果显示,不同维度的社会网络对农户贫困脆弱性的影响存在明显差异,且其在风险分担和机会把握这两条重要的减贫机制中的作用也有所不同。

Table 4
表4
表4外部冲击、多维度社会网络对农户贫困脆弱性的影响回归结果
Table 4Regression results of impact of external shocks and multidimensional social networks on poverty-related vulnerability of farming households

	模型（9）	模型（10）	模型（11）	模型（12）	模型（13）	模型（14）	模型（15）	模型（16）
risk	0.025*** （0.006）	0.029*** （0.005）	0.040*** （0.005）	0.028*** （0.003）
oppor					-0.019*** （0.003）	-0.017*** （0.003）	-0.020*** （0.002）	-0.017*** （0.002）
$s c_{i}$	-0.015 （0.110）	0.085** （0.040）	-0.100** （0.041）	-0.198*** （0.043）	-0.057 （0.105）	0.081** （0.037）	-0.099** （0.039）	-0.183*** （0.043）
$s c_{i}^{2}$	-0.008 （0.260）	0.149** （0.063）	0.087（0.066）	1.005*** （0.072）	0.131 （0.247）	0.143** （0.061）	0.088 （0.064）	0.929*** （0.069）
$risk \times s c_{i}$	-0.158*** （0.037）	-0.068*** （0.026）	-0.054** （0.025）	-0.082*** （0.025）
$risk \times s c_{i}^{2}$	0.326** （0.136）	0.298*** （0.093）	-0.122 （0.077）	-0.100* （0.059）
$oppor \times s c_{i}$					0.094*** （0.019）	0.061*** （0.012）	0.062*** （0.013）	0.070*** （0.010）
$oppor \times s c_{i}^{2}$					-0.203*** （0.060）	-0.288*** （0.059）	-0.051** （0.025）	-0.107*** （0.038）
gender	-0.010 （0.009）	-0.012 （0.009）	-0.008 （0.009）	-0.006 （0.005）	-0.007 （0.009）	-0.009 （0.009）	-0.004 （0.008）	-0.001 （0.005）
age	0.000** （0.000）	0.000* （0.000）	0.001*** （0.000）	0.000*** （0.000）	0.000** （0.000）	0.000 （0.000）	0.000** （0.000）	0.000*** （0.000）
health	-0.034*** （0.002）	-0.035*** （0.002）	-0.033*** （0.002）	-0.031*** （0.001）	-0.035*** （0.002）	-0.036*** （0.002）	-0.035*** （0.002）	-0.032*** （0.001）
edu	-0.023*** （0.002）	-0.025*** （0.003）	-0.020*** （0.002）	-0.021*** （0.002）	-0.022*** （0.002）	-0.023*** （0.002）	-0.020*** （0.002）	-0.021*** （0.002）
worktime	-0.006*** （0.000）	-0.006*** （0.000）	-0.006*** （0.000）	-0.005*** （0.000）	-0.006*** （0.000）	-0.006*** （0.000）	-0.006*** （0.000）	-0.006*** （0.000）
resettle	0.004 （0.003）	0.005 （0.003）	0.005* （0.003）	0.001 （0.002）	0.006* （0.003）	0.006** （0.003）	0.007** （0.003）	0.000 （0.002）
distance	0.007*** （0.002）	0.006*** （0.002）	0.007*** （0.002）	0.003** （0.001）	0.009*** （0.002）	0.008*** （0.002）	0.008*** （0.002）	0.004*** （0.001）
flat	0.002 （0.001）	0.002 （0.001）	0.001 （0.001）	0.002*** （0.001）	0.002 （0.001）	0.001 （0.001）	0.001 （0.001）	0.002*** （0.001）
slope	0.001 （0.001）	0.001 （0.001）	0.001 （0.001）	0.003*** （0.001）	0.000 （0.000）	0.000 （0.001）	0.001 （0.001）	0.002*** （0.000）
afford	0.143*** （0.009）	0.141*** （0.008）	0.147*** （0.007）	0.121*** （0.005）	0.143*** （0.009）	0.141*** （0.008）	0.149*** （0.007）	0.123*** （0.005）
constant	0.308*** （0.024）	0.254*** （0.031）	0.290*** （0.066）	0.426*** （0.025）	0.360*** （0.021）	0.307*** （0.029）	0.355*** （0.018）	0.464*** （0.025）
观测值	1250	1250	1250	1250	1250	1250	1250	1250
弱工具变量检验统计量	40.280	160.704	131.350	117.750	42.352	180.173	138.809	107.995
R²	0.689	0.669	0.712	0.888	0.704	0.6880	0.720	0.897

注：*、**、***分别表示10%、5%和1%的显著性水平。

新窗口打开|下载CSV

模型（9）与模型（10）的回归结果表明,风险冲击的边际效应受网络规模与关系强度的二次项所影响,且其变化趋势均呈正U型,即在网络规模与关系强度较小时,两者的积累会削弱风险冲击对贫困脆弱性的正向作用,即风险分担机制得到了一定程度的检验;但当其超过某一阈值后,两者的积累会增强风险冲击对贫困脆弱性的正向作用。究其原因,扩大网络规模与维持关系强度是需要一定投资的^[39],移民搬迁农户社会网络的重构迫使其通过礼金支出、年节走动等扩大网络规模、维持关系强度,但随着市场化程度的加深及农民收入的普遍提高,维持社会网络的成本也逐渐提高。因此,虽然网络规模及关系强度能在一定程度上削弱风险冲击对贫困农户脆弱性的影响,但其若试图通过扩大网络规模、维持关系强度来进一步抵御风险甚至消除风险,则极有可能陷入社会网络重构的次生风险中,进而导致其贫困脆弱性提高。由模型（11）发现,风险冲击的边际效应是社会结构的减函数,即社会结构将削弱风险冲击对移民搬迁农户贫困脆弱性的影响,其并不受到社会结构二次项的影响。而模型（12）的回归结果则有些不同,风险冲击的边际效应是网络质量的倒U型函数,那么在样本网络质量的取值范围下,网络质量的提高将会大大削弱风险冲击对移民搬迁农户贫困脆弱性的影响。之所以与其他维度社会网络的结果不同,是由于网络质量以血缘或业缘为基础,是关系双方在共同生产、生活等长期经历中所形成的,故不需要太高的维持成本,且相较于以地缘为基础的网络规模等更为牢靠。

由模型（13）-（16）发现,网络规模、关系强度、社会结构及网络质量的二次项均显著影响机会冲击的边际效应,即机会冲击的边际效应呈倒U型。这意味着,当社会网络较小时,扩大社会网络会削弱机会冲击对贫困脆弱性的负向作用;而当其超过某一阈值后,扩大社会网络则会增强机会冲击对贫困脆弱性的负向作用,即机会共享机制得到了一定程度的检验。可能的解释是：机会共享机制的基础是建立在“互惠”原则上的^[44],而社会网络较高的农户往往资本积累与家庭收入较高,故其更能满足机会共享者的预期收益。因此,基于“互惠”原则,机会共享机制天然排斥贫困人口。同时,贫困人口是缺乏高质量社会资本的,其所能动用的社会资源也劣于高收入人口,因此社会资本对贫困人口的回报也低于对高收入人口的回报。以社会结构为例,其对移民搬迁农户而言就有非常明显的门槛,即党员或村干部身份。移民搬迁农户只有成为党员或村干部后,方能在当地的社会网络结构中占据优势地位,从而获得相对丰富的信息与资源,实现对外部机会更好的把握。但对于贫困农户而言,其并不具备成为乡村精英的经济能力,也不具备基层治理经验,故成为党员或村干部的可能性较低,因此无法通过社会结构来实现对外部机会的把握。

4.3 稳健性检验

为了验证结果的稳健性,本文将2017年移民搬迁农户家庭人均收入替换为农户家庭人均支出,以此重新计算移民搬迁农户贫困脆弱性,并作为被解释变量带入各模型中回归。结果表明,以家庭人均支出计算的农户贫困脆弱性整体较高,但外部冲击及社会网络等关键变量边际效应的趋势并未改变。因此,可以认为本文的结论较为可信^②（②受限于篇幅原因,本文未列出稳健性检验结果,若需要可向作者索取。）。

5 结论与启示

5.1 结论

本文基于陕西省南部地区3市8县1250个农户样本数据,通过工具变量法实证检验了外部冲击视角下移民搬迁农户社会网络的减贫机制。研究结论如下：

（1）风险冲击的边际效应是社会网络指数的二次函数,并呈现出U型的变化趋势。由此说明,社会网络可以通过风险分担机制帮助低社会网络指数的贫困人口有效抵御风险冲击,进而避免其陷入持续性贫困陷阱。但由于移民搬迁重构了农户的社会网络,故在“熟人社会”向“半熟人社会”的转型中,扩大网络规模及维持关系强度需要更高水平的投资,进而对农户造成了基于社会网络重构而产生的次生风险。因此,在风险冲击视角下,贫困人口对社会网络的投资回报率要高于非贫困人口,即移民搬迁后重构的社会网络是贫困人口的资本。

（2）机会冲击的边际效应是社会网络指数的二次函数,并呈现出倒U型的变化趋势。由此说明,社会网络可以通过机会共享机制帮助高社会网络指数的非贫困人口有效把握外部机会,进而提高家庭持久性收入水平。但由于机会共享机制基于“互惠原则”故其天然排斥贫困人口,因此在机会冲击视角下,非贫困人口对社会网络的投资回报率要高于贫困人口,即移民搬迁后重构的社会网络也是高收入人口的资本。

5.2 启示

基于上述分析,本文得到以下政策启示：

（1）移民搬迁过程中社会网络尚无法充分发挥风险分担及机会共享的功能,其关键问题在于社会网络的维系成本。因此,可以通过完善移民搬迁社区周边的产业政策配套,以社区工厂的形式为移民搬迁农户提供共同生产场所,进而促进移民搬迁农户以较低成本快速积累基于业缘而形成的社会网络。同时,需完善移民搬迁户籍管理制度,加快移民搬迁农户户籍转移,以此加强移民搬迁农户社区治理参与感,促进移民搬迁农户实现社区融入,进而通过“信任”“人情”等要素重塑移民搬迁社区内生的村庄秩序,稳固并激活基于血缘及地缘的社会网络。

（2）在大力提高社会网络等非正式制度对移民搬迁农户的减贫效果时,仍需注重正式制度的建设。从风险管理的视角来看,对农户可能遭遇的健康风险、经济风险等进行事前防范,如加强饮用水安全、垃圾处理等卫生基础设施建设,避免慢性疾病等健康风险的冲击。同时,也需要在不可抗风险冲击发生后加大对脆弱农户进行及时救助,如提高贫困农户医保报销比例等,以此避免农户因遭受风险冲击而陷入贫困。从机会供给的视角来看,依靠社会网络等非正式制度对外部机会的分配,极有可能产生精英俘获的现象。因此,需针对移民搬迁贫困农户,进一步加大外部机会的供给,提高外部机会可达性,如提高小额信贷覆盖率、降低小额信贷申请门槛。同时,也需确保相关信息通过正式渠道充分流动,以此削弱信息不对称所带来的机会不平等,进而保障贫困农户在社会网络匮乏的困境下仍有把握外部机会的可能,以此摆脱“低社会网络—低外部机会”的恶性循环。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

王文略, 管睿, 加贺爪优, 等. 陕西南部生态移民减贫效应研究
[J]. 资源科学, 2018,40(8):1572-1582.