【高级会员】《管理世界》论文复刻：精准扶贫政策效果评估 ——家庭消费视角下的实证研究（代码更新）

科技 2024-11-17 12:30 四川

1174 【论文复刻】精准扶贫政策效果评估 ——家庭消费视角下的实证研究

摘要

参考本文基于 2013~2019 年中国家庭金融调查（CHFS）数据，运用双重差分（DID）方法，检验了精准扶贫政策对贫困家庭消费的影响，深入探讨了精准扶贫分类施策的政策效果。研究发现，精准扶贫政策使贫困户人均消费提高 4.37%，生存型消费提高 5.76%，发展型消费提高 13.12%。从消费结构来看，政策显著增加了食品、衣着、居住、交通通信及教育文娱等支出，同时，居住类、交通通信支出占总消费的比重显著提高，医疗保健支出占比显著降低。进一步地，对于老年贫困家庭，精准扶贫政策通过直接转移支付方式提高消费水平，优化消费结构；对于因病致贫家庭，政策通过低保等直接转移支付方式，降低医疗支出，提高生活水平；对于因学致贫家庭，政策通过教育帮扶方式，缓解教育负担，改善生活质量。对于教育程度低的家庭，政策通过“扶志与扶智”相结合的方式激励贫困家庭，过上美好生活。本文实证结果表明精准扶贫政策发挥出“对症下药，靶向治疗”作用。家庭特征异质性分析表明，政策对老年人口、不健康人群、未成年子女数量多、教育水平低的深度贫困家庭作用更明显。地区异质性分析发现，政策在贫困县与“三区三州”深度贫困地区效果更突出。这表明精准扶贫政策聚焦深度贫困，专啃“硬骨头”，精准发力，推动贫困家庭生活质量大幅提升。本文的研究为厘清精准扶贫政策帮扶渠道，评估减贫动态效果提供了实证依据，可为相关部门切实把握政策成效，巩固拓展脱贫成果，总结中国扶贫经验提供政策参考。

数据概况

1.数据来源：中国家庭金融调查（CHFS）数据，课程提供CHFS数据的获取与申请、各年份数据的横向合并与清理和跨年纵向合并的教程

2.文章变量及定义

中国家庭金融调查（CHFS）数据乃家庭层面微观数据，本文选取其中部分数据，涉及变量及定义如下：

3.描述性统计

文章涉及变量的描述性统计如下表所示：

一

模型假定

文章使用双重差分方法来检验精准扶贫政策对贫困户消费的影响。模型如下:

yit = α + β·TPAt + γ·Xit + ui + vt + εit

其中yit表示农户i在期t的消费,TPAt表示在政策实施后且农户被评为贫困户的虚拟变量，β代表政策对消费的影响，Xit是一系列控制变量，ui为个体固定效应截距项，vt为时间固定效应截距项，εit为随机扰动项。

从样本个体维度上说，CHFS 数据库内的家庭样本被政策虚拟变量TPA分成了实验组与对照组两部分；而从时间维度上说，研究中所使用的2013/2015/2017/2019 四期数据则被划分成了政策冲击前（2013/2015 年调查数据）与政策冲击后（2017/2019 年调查数据）两部分。通过控制时间-个体双向固定效应，我们实现了在时间与组别两个维度的“差分”，控制时间固定效应消除了政策施行前后在时间趋势上的系统性差异，控制个体固定效应消除了实验组控制组在组别划分上的系统性差异，进而使得β成为因果效应的一致估计量。

二

实证结果分析

本文实证结果包括精准扶贫政策对消费的影响、精准扶贫政策对八大类消费的影响、精准扶贫政策对消费结构的影响。

根据表7结果，精准扶贫政策显著提高了贫困户的消费水平。(1)政策使贫困户人均消费增加4.37%；(2)政策使贫困户生存型消费增加5.76%；(3)政策使贫困户发展型消费增加13.12%

根据表8结果，精准扶贫政策优化了贫困户的消费结构。(1)政策显著提高了贫困户在食品、衣着、居住、交通通信、教育娱乐等方面的支出；(2)政策降低了贫困户的医疗保健支出；(3)政策提高了居住和交通通信支出的比重,降低了医疗保健支出的比重

根据表9结果，精准扶贫政策通过不同方式提高了不同类型贫困户的消费。(1)对老年贫困户,政策通过转移支付提高消费；(2)对疾病贫困户,政策通过转移支付降低医疗支出；(3)对学龄儿童贫困户,政策通过教育帮扶降低教育支出；(4)对低教育贫困户,政策通过就业和教育帮扶提高消费

三

进一步分析

（一）稳健性检验

本文进行了平行趋势检验、安慰剂检验，使用PSM-DID方法进行稳健性检验、替换处理组进行稳健性检验。

（二）异质性分析

文献中以贫困家庭人均消费、生存型消费与发展型消费作为结果变量y，在解释变量中构建异质性分组变量与精准扶贫政策变量TPA的交乘项，构建了DDD模型，分析具有特定特征的贫困家庭能否更大程度上受益于精准扶贫政策，如下所示：

yit =α + β1 · T P Ait · heteroit + β2 · T P Ait+ β3 · heteroit + γControls + ui + vt + εit (10)

其中，hetero 为各个异质性分组变量。在针对家庭特征进行异质性分析时，文献中选取了家庭老年人口数量、不健康人数、未成年子女数量、户主受教育水平这四个分组依据，构建对应的分组变量。在针对地区进行异质性分析时，文献中选取了“是否贫困县”、“是否属于‘三区三州’地区”这两个分组依据，构建对应的分组变量。

家庭特征异质性分析结果发现：(1)政策对老年人口越多的家庭,效果越显著；(2)政策对不健康人数越多的家庭,效果越显著；(3)政策对未成年子女越多的家庭,效果越显著；(4)政策对教育程度越低的家庭,效果越显著。

地区异质性分析结果发现：(1)在提高生存型消费方面,政策在不同地区效果相近；(2)在提高发展型消费方面,政策在贫困县和深度贫困地区效果更显著。

（三）机制分析

CHFS2019 年问卷，首先将精准扶贫的帮扶方式具体分成医疗帮扶、教育帮扶、生活帮扶、农业帮扶、就业帮扶、金融帮扶与直接转移支付及其他。针对老年贫困、因病致贫、因学致贫、教育水平低致贫这四类家庭，文章首先以四类贫困家庭的生存型消费与发展型消费作为结果变量 y，并在解释变量中构建不同帮扶方式变量与精准扶贫政策变量TPA的交乘项，构建DDD 模型，分析某个或某些具体的帮扶方式能否起到更优的精准扶贫效果，如下式所示：

yit =α + β1 · T P Ait · methodit + β2 · T P Ait+ β3 · methodit + γControls + ui + vt + εit

其中，method 为各个具体帮扶方式变量。

机制分析结果发现政策通过差异化的帮扶方式提高不同类型贫困户的消费,发挥了对症下药的作用，具体而言：（1）对老年贫困家庭,直接转移支付提高了消费,增加了食品等方面的支出；（2）对因病致贫家庭,直接转移支付提高了消费,减少了医疗支出；（3）对因学致贫家庭,教育帮扶提高了消费,增加了居住和通信支出；（4）对低教育水平家庭,就业和教育帮扶提高了消费,增加了居住、通信、教育等方面的支出。

四

结论

本文基于CHFS微观数据,采用双重差分法检验了精准扶贫政策对贫困户消费的影响。结果显示,政策显著提高了贫困户的人均消费、生存消费和发展消费,优化了消费结构,增加了食品、衣着等支出,降低了医疗支出。此外,政策通过差异化帮扶方式提高了不同类型贫困户的消费,对老年、病患、学龄儿童等深度贫困户效果更好。最后,政策在贫困县和深度贫困地区效果更显著。本文丰富了精准扶贫政策评估视角,为巩固脱贫成果提供了依据。

五

数据变量与说明

数据来源：原始数据为西南财经大学中国家庭金融调查与研究中心组织管理的中国家庭金融调查（CHFS）数据，本次提供的清洗后数据及分析代码由数据皮皮侠团队整理。

时间跨度：本文使用的数据来自西南财经大学中国家庭金融调查与研究中心于 2013~2019 年在全国范围内开展的中国家庭金融调查（China Household Finance Survey，CHFS）。该调查自 2011 年开始，每两年进行一次，目前已完成 5 轮数据的采集，从 2011 年到 2019 年，CHFS 数据的覆盖范围逐步扩大，最新一期数据共覆盖全国 29 个省（自治区、直辖市）、345 个县（区、市）。

数据专题	统计年鉴
	实证资源
	经济研究数据
	文本数据
	数字经济专题
	绿色碳中和系列
	企业数据
	地理数据
	论文复刻