我国城乡家庭贫困脆弱性影响因素分析(李丽-白雪梅)—数量经济学年会投稿.doc

第10组实验经济学及其他分支学科 （12000字）我国城乡家庭贫困脆弱性的影响因素分析基于CHNS微观数据的实证研究 李丽 李丽：女，1972年7月生，博士，副教授，山东工商学院统计学院。 白雪梅 白雪梅：女，1949年10月生，博士，教授，博士生导师，东北财经大学统计学院。 摘要：本文使用CHNS四轮的家庭面板数据，对城乡共2638个家庭的脆弱性进行测度，逐层深入地分析脆弱性的影响因素，先用普通回归法筛选影响因素，然后利用标准回归系数和偏相关系数比较各因素的相关重要性，最后用分位数回归对各因素在不同脆弱性水平的影响。 关键词：贫困脆弱性；影响因素；分位数回归一、导言传统的贫困研究关注家庭当前的福利状况，用当前收入或消费与贫困线之差的某个函数来测度家庭的贫困状况，并且将其作为扶贫的依据。但是今天的贫困不等于明天的贫困，越来越多的研究者们已经认识到，一个家庭的福利状况不仅取决于其当前的收入和消费，还取决于其在未来的风险。世界银行在2000/2001年度世界发展报告中正式提出“贫困脆弱性（vulnerability）”，将其定义为“冲击造成未来福利下降的可能性”，恰恰体现了将风险纳入贫困研究框架、在贫困发生之前预测贫困的前瞻性思想。扶贫政策不能局限于识别当前的贫困者，而要扩展到识别未来的可能贫困者，即脆弱者，从而将二者都纳入到扶贫政策的瞄准目标中去，采取有合适的措施，阻止那些当前不贫困但未来可能贫困的家庭陷入贫困，帮助那些当前贫困未来可能无法脱离贫困的家庭摆脱贫困。因此，识别脆弱家庭、筛选和比较家庭脆弱性的影响因素，就成为制定和成功实施扶贫政策的关键。 当前，这一领域的研究主要围绕贫困脆弱性测度进行，对贫困脆弱性的影响因素及其他相关问题的探讨还很少。在贫困脆弱性测度方面，Ligon & Schechter(2003)、Calvo & Dercon(2003)主张计算未来消费的期望效用与确定地取得某种类似于贫困线的消费水平的效用差作为脆弱性测度值； Ravallion(1995)、Glewwe & Hall(1998)、Jalan & Ravallion(1999)用福利变动性测度与风险密切相关的脆弱性；Christiaensen & Boisvert(2000)、Pritchett (2000)、Chaudhuri(2001)、章元&万广华(2005、2009)主张用家庭FGT贫困指标的未来期望值EP测度脆弱性，对EP的估计方法因数据而不同，Chaudhuri(2000，2002)和McCulloch et al(2003)分别讨论了截面和面板数据条件下EP的估计；Cafiero & Vakis(2006) 在传统贫困线中加入覆盖社会注定不能承受的风险所需的费用，得到风险型贫困线，据此计算贫困指标作为脆弱性测度值；Glewwe & Hall(1998)、Amin(1999)、Dercon & Krishnan(2000)用家庭消费支出对冲击的过度敏感性测度脆弱性。其基本思想是如果家庭消费支出与冲击共同变动，说明缺少平滑消费能力,对冲击过度敏感，因而是脆弱的。上述的每种贫困脆弱性测度都有一定的优势和劣势：基于期望效用的测度有明确的经济含义，但使用单一效用函数损失了家庭偏好的多样性；基于福利变动性的测度操作简单，但对正向和负向风险同等赋权，不能识别福利变化方向；基于风险型贫困线的测度，直接测度该贫线下的FGT指标，无需建立过多的假设，但测度所需的家庭风险方面的信息不易获得，限制了该测度的应用；基于过度敏感性的测度刻画对已实现风险的应对能力，本质上属于事后型测度；基于期望贫困的测度EP将风险和风险的福利结果结合起来，具有前瞻性，符合贫困脆弱性的内涵，但需要做出严格的假设。Calvo & Dercon(2005)提出聚焦性、对称性、风险敏感性等脆弱性测度准则，发现虽然已有的脆弱性测度没有一种能够完全满足这些准则，但EP对准则的满足度最高。特别地，当时，EP简化为收入或消费低于贫困线的概率，因其含义的直观明确成为实证测度中用得最多的方法，本文也将使用这一方法。在贫困脆弱性的影响因素方面，Dercon(2001)论述了政策、市场、改革、社保的影响；Chaudhuri（2003）从家庭规模、家庭构成、户主特征、职业特征、环境特征等方面筛选影响因素；Khl(2003)强调户主年龄、户主性别、降雨量、成人数、得病率的影响；Takashi(2002,2006)识别出自营、户主年龄、教育程度、土地数、劳动力市场状况、信贷、家庭财产等因素； Abuka(2007)、Hossain(2007)筛选出家庭规模与结构、户主读写能力、健康状况、非农就业状况、市场状况、户主性别、居住地等因素。对贫困脆弱性影响因素的研究比较单一，除了某些理论上的定性阐述之外，大部分研究者运用回归分析、分组汇总、方差分析等方法筛选影响因素。值得注意的是，各种因素对贫困脆弱性的影响未必同等重要，同一个影响因素对脆弱性分布的顶端和底端的影响机制也可能存在巨大差异。当前的研究尚未对这两个方面进行深入探讨，本文将以此为研究的主要内容。本文其余部分的结构安排如下：第二部分说明数据来源、变量选择及相关处理；第三部分对家庭脆弱性进行测度；第三部分用普通回归法筛选脆弱性影响因素，比较各因素的重要性；第四部分运用分位数回归法分析各因素对脆弱性分布不同位置上的影响；第五部分给出主要结论和相关的政策建议。二、数据及变量选择（一）数据及相关处理本文数据来源于 “中国营养与健康调查（China Health and Nutrition Survey，CHNS），由北卡罗来纳人口研究中心和中国疾病预防与控制中心营养与食品安全研究所共同组织。迄今共进行了八轮（1989、1991、1993、1997、2000、2004、2006、2008）。调查采用多阶段抽样的方法：依据经济发展程度、地理位置、公共资源的丰裕程度和健康状况指数覆盖了东、中、西部地区的9个省份；每个省抽取两个城市调查点和四个农村调查点，分别是省城、一个较低收入的城市和依据收入分层和一定的权重随机抽取的4个县；城市的城区和郊区随机抽取，县内抽取县城镇和3个村，每村20户。每轮都调查了4000左右个家庭，但各轮都参与的家庭极少。考虑到时效性和样本量，本文选取了1997、2000、2004、2006四轮都参与的家庭，剔除掉重要变量缺失的家庭，得到了一个容量为2638的样本，其中城镇家庭为671户，农村家庭为1967户。将1997、2000和2004年数据用于测度家庭脆弱性，而将2006年数据用于测度结果的对照。测度脆弱性需要确定两条标准：一是脆弱性的定义和测量标准，即贫困线；二是脆弱性的评价标准，即家庭脆弱性达到多少才能判定为脆弱，即脆弱线。这两条标准十分重要，但不是本文研究的重点，我们将直接采2美元和观测贫困率作为贫困线和脆弱线 万广华、章元（2009）研究发现，用2美元贫困线测度脆弱性更准确。Chaudhuri从理论上证明了贫困发生率脆弱线的科学性，我们所做的另一项研究中详细探讨了贫困线和脆弱线的选择问题，证实了上述选择的合理性。另外，由于数据的复杂性，本文所有数据整理和分析均通过matlab实现。 （二）变量选择 收入和消费是测度贫困脆弱性最常用的维度，CHNS没有提供完整的消费数据，却提供了家庭总收入、家庭净收入和人均家庭净收入，而且这三种数据都分别用名义、按CPI平减到1988年、按CPI折算到2006年的三种形式报告。但是这里所谓的净收入是从总收入中减去了婚嫁、随礼、教育方面的支出，与传统的净收入不是一个概念，而且这样处理之后，许多家庭的净收入出现了负值，不利于进一步的计算和分析。因此，本文用CPI折算到2006年家庭总收入除上家庭规模得到的家庭人均总收入来测度脆弱性。在脆弱性影响因素方面，借鉴已有的研究成果，从内因和外因两方面入手变量初选。内因方面，主要考虑劳动力、人力资本、物质资本、社会资本、工作状况等家庭特征。外因方面，主要考虑位置、城乡、社区等环境特征。1劳动力。以15-59岁的劳动年龄人口数来反映劳动力数量；以家庭规模来间接反映劳动力的负担情况。2. 家庭人力资本。Schultz(1968) 最早明确地提出了人力资本理论，指出教育、健康、培训和经验都是人力资本的组成部分，其中教育和健康是人力资本的两大基石。这里选择户主受教育年限、劳动年龄人口平均受教育年限作为教育的代表变量；选择身体质量指数（BMI = 体重/身高2）、高血压状况作为健康的代表变量、选择职业技术特征和户主年龄作为技术经验的代表变量。3.物质资本。CHNS提供了家庭住房、家用电器、交通工具、农业机械，耕地等方面的资产信息。其中，耕地和农业机械属于生产性资产；家电、交通工具虽然不属于生产性的，但也是家庭经济实力的间接佐证，而且某些家庭的交通工具可能用于生产经营；住房拥有自住和投资两种功能，但住房面积和房屋价值信息缺失较多。最终选择房屋出租价值及总资产来反映家庭物质资产水平。4社会资本。CHNS中并未专门设计衡量社会资本的问题，但是某些信息可以间接反映家庭社会联系的程度。对于寻常百姓人家，婚丧嫁娶是社会生活中最重要的事情，出席这种场合越是频繁，说明人际关系越好越融洽。另外，家庭拥有医疗保险，就拥有了一张巨大的安全网，可以分散患病风险，持有保险也体现家庭经济实力的高低和家庭所在地的商业或社会保险市场的健全程度。可以这样讲，由婚礼支出反映的人际交往是一种非正规的社会资本，通过持有保险构建的则是一种正规社会资本。因此，选择婚礼支出和医疗保险拥有情况做为社会资本的代表变量。5职业特征。工作单位的性质规模也会对家庭福利状况产生很大影响。邢春冰（2005）发现，不同所有制之间工资决定机制有很大差异。王一兵,张东辉（2008）发现，在国营单位工作可使男性收入增加11%。甘犁（2009）针对当前的考公务员热，分析了公共部门和非公共部门的工资差异，发现前者的工资显著高于后者，相当多的国外文献也证实了公共部门存在工资溢价。另外受雇者与自雇者的收入水平和决定机制也有很大差别。CHNS给出了工作地位、工作单位类型信息，分类都很细，如全部以虚拟变量的方式引入，将占用过多的自由度，过细的分类还可能掩盖原本的规律性。基于上述考虑，对原有分类进行整合。对工作单位类型，将政府机关、国有事业单位和研究所和国有企业划分为国有，其他为非国有。将政府机关、国有事业单位和研究所划分为公共部门，其他为非公共。对工作地位，将有雇工的个体经营者和无雇工的个体经营者（包括农民）划分为自雇者，其他划分为非自雇者，进而计算相关的职业特征变量。6. 环境特征。我国城乡之间、东中西部之间家庭的平均福利状况差异很大。在城乡方面CHNS提供地域和户籍两方面的信息，但是鉴于存在同一个家庭既有城镇户口又有农村户口的现象，而本文的研究以家庭为单位，所以选择按地域划分城乡。关于社区，重要的是社区的发达程度，包括交通、市场、医疗、休闲、娱乐、教育等多方面的设施与发展。借鉴已有文献的作法，以医疗服务的可及性来反映社区特征。选取居民一次感冒所需费用和前往就诊单位的时间两个变量，分别计算整个社区所有被调查者这两个变量的平均数作为该社区的代表值。至此，初选了21个变量备用，如表1所示。可以看到，大部分都不是CHNS的原始变量，而是对原始变量进行加工和匹配得到的。表1 变量选择表变量代码变量名CHNS对应的变量名变量说明Inc家庭人均收入Hhsize, hhincgross_cpi折算到2006年的家庭人均收入adultshu成人数Age15-59岁人口数adultedu成人平均受教育年限A11,age，U115-59岁人口平均受教育年限hedu户主受教育年限A11,A5户主受教育年限hbmi户主BMIA5, U3, U2BMI=25或18pblood高血压比例U4,systol1,diastole家庭成员高血压者比例isjigong有否技术人员B4家庭成员中是否有技术管理人员rent房屋评估租金L11房屋的租赁价值asset总资产L22,L26,L30,L34,L40,L44,L52,L56,L60,L93-133, L143a-i农机电器交通资产总和L145有否婚礼支出L145是否有婚嫁支出（本户的支出除外）pins医保比例M1家庭成员有医保的比例ispub有否公共部门者B6a家庭成员中否有公共部门者pguzhu自雇者比例B5家庭成员中自雇者比例isguzhu有否自雇者B5家庭成员是否有自雇者hage户主年龄A5,age户主年龄hhsize家庭规模hhsize家庭人口数Deast东部T1=32/37，江苏/山东Dmid中部T1=23/41/42/43，黑龙江/河南/湖北/湖南Urban城市urban城市的居委和县城illtime看病在途时间M15去医疗机构在途时间的社区平均值illcost一次感冒费用M21治疗一次感冒的费用的社区平均值三、家庭贫困脆弱性的测度借鉴多数研究者的做法，本文将贫困脆弱性定义为家庭下期贫困的概率，并且假设未来收入分布服从对数正态分布，用下列公式计算贫困脆弱性： （1）其中，下期收入，为贫困线，采用FGT贫困指标形式，仅考虑的情况，且以跨期均值和方差为未来收入分布的均值和方差 未来收入分布估计方法主要有基于跨期均值方差和基于回归结果两大类，万广华、章元（2009）运用CHNS所做的研究结果显示，前者优于后者。 （2） （3）鉴于城乡家庭的显著差别，我们运用1997、2000、2004年的数据分别测度城镇和农村家庭的贫困脆弱性。本文以贫困脆弱性的影响因素为研究重点，对家庭脆弱性的测度只是后期分析的基础，因此这里仅以城镇家庭分子群整理的平均脆弱性和脆弱率为例来展示测度结果，不做过多的分析。表2 分子群整理的贫困脆弱性测度结果分组依据组别脆弱率(%)平均脆弱性分组依据组别脆弱率(%)平均脆弱性城 镇41.90.239按职业特征分组全自营50.60.278按年龄分组35岁以下26.10.178部分自营38.50.23635-4527.20.167无自营25.70.14945-5534.80.198按省份分组黑龙江15.20.10255-6543.10.222江苏20.00.11965及以上55.00.314山东50.80.292按教育程度分组按文盲32.00.189河南51.90.307小学49.50.267湖南58.80.352初中44.70.249湖北35.30.191高中33.20.191广西50.70.262大学及以上11.90.079贵州51.10.288四、家庭贫困脆弱性影响因素的筛选和比较上面的测度结果表明，家庭的教育程度、职业特征、户主年龄和居住地不同，其贫困脆弱性也存在明显差别，说明这些特征确实对家庭的贫困脆弱性有显著影响，除此之外还有一些因素值得关注。为了分析城乡的脆弱性决定机制，我们分别估计各自的脆弱性方程。 （4）其中，u和r分别代表城镇和农村， 代表家庭贫困脆弱性测度值，X1代表各种家庭特征变量，包括人力、物质、社会资本等，X2代表各种控制变量，包括城乡、位置、职业等。 1家庭贫困脆弱性影响因素的筛选理论研究表明初始禀赋对家庭福利有决定性影响，因此我们以1997年家庭的各种特征为自变量，以前面已经测度出来的家庭脆弱性为因变量，不断尝试以各种变量组合去构建回归模型，综合比较模型的判定系数、F统计量和各回归系数的t统计量，最终分别确定城乡贫困脆弱性模型如表3所示。首先，无论城乡，成人数、教育程度、医保比例、资产、公共部门的系数均为负值，家庭规模和高血压比例的系数均为正值。说明人力资本的数量和质量提高将会降低脆弱性；家庭拥有的实物和社会资本越多，脆弱性越低；家庭负担越重、家庭成员健康状况越差；脆弱性越高，并且如果有家庭成员在公共部门工作可有效地降低脆弱性。但是，城乡各变量系数在数值上存在较大差异。城乡成人数的系数分别为-0.023和-0.04，说明劳动力数量对城镇家庭脆弱性的影响小于农村，这与农村劳动多为简单劳动，劳动力转化为收入的过程比较直接有关。在教育变量上，城镇系数为-0.022，而农村系数为-0.011，这一结果与理论界长期以来关于农村教育收益率低于城镇的研究结论相一致。城乡医保比例系数的差异更加不容忽视，城镇为-0.174，农村仅为-0.035，说明医保对农村家庭福利状况的影响和保障作用仍与城镇有巨大差距。家庭成员有在公共部门工作者，其工资水平及稳定性都相对较高，有利于家庭脆弱性的降低，但是平均来讲，城镇家庭进入的公共部门的级别和层次要高于农村，其对家庭脆弱性的影响高于农村也就很自然了，二者的系数分别为-0.054和-0.048。其次，城乡在自雇和年龄两个变量上的系数符号相反。农村自雇比例系数为正，农村自雇比例越高意味着单纯从事农村生产的成员越多，进而缺少更多的收入来源。而城镇自雇则意味着更多的创富渠道，因此城镇是否有家庭成员自雇这一变量的系数为负。城乡年龄系数上的差异可由城乡生活成本的差异来解释。城镇生活成本高于农村，子女教育、购房、婚嫁等大额支出会随户主年龄增大的趋势，退休后虽然上述支出减少，但收入明显降低，身体不适的情况也会增加。而农村人口生活成本相对低，子女逐渐成年也能分担一部分生活压力，而且农村劳动年限更长。第三，还有一些变量仅在农村显著。作为社区变量的一次感冒费用系数为-0.057，似乎不合理，因为感觉上应该是一次感冒费用越低，医疗可及性越高，间接反映社区发达程度越高，其脆弱性状况越好。但分析我国现实的国情和样本数据，却发现情况未必如此。我国普遍存在过度医疗现象，多数家庭迷信大医院，只在实在太不方便或者家庭收入只能负担低层次医疗服务时才会选择近处就医。这样看来，一次感冒费用低几乎可以看作无法快速抵达高级医院、进而社区便利度不高或者低收入群体的代名词，其系数为负也就可以理解了。是否有随礼支出作为社会资本的一个代表变量，系数为-0.021，反映了保险等正规社会资本构建渠道尚不发达的情况下，邻里亲朋的守望相助仍是农村家庭构建社会资本的主要手段，对脆弱性起到降低的作用。东部虚变量系数为-0.15，这主要可归因于东部地区较高的收入水平。表3 城乡家庭贫困脆弱性的影响因素变量城镇变量农村系数标准化系数P值偏相关系数标准化系数P值偏相关c0.443-0.000-c0.639-0.000-adultshu-0.023-0.0850.066-0.083adultshu-0.040-0.1680.000-0.150adultedu-0.022-0.2310.000-0.235hedu-0.011-0.1370.000-0.129pblood0.0650.0610.1370.067pblood0.0470.0420.0530.046logzichan-0.015-0.0980.013-0.112logzichan-0.023-0.1960.000-0.205pins-0.174-0.2620.000-0.256pins-0.035-0.0430.065-0.044hhsize0.0350.1650.0010.144hhsize0.0480.2230.0000.195hage0.0030.1290.0030.132hage-0.001-0.0350.173-0.033isguzhu-0.041-0.0720.139-0.066pguzhu0.0730.0880.0010.079ispub-0.054-0.1010.033-0.096ispub-0.048-0.0540.024-0.054logillcost-0.057-0.1360.000-0.144l145-0.021-0.0340.098-0.040deast-0.105-0.1540.000-0.155Adjusted R20.269Adjusted R20.249F-statistic21.58F-statistic49.71 2各因素重要性的比较城乡家庭脆弱性模型中，除城镇的高血压比例、雇主和农村的年龄之外，其他变量均至少在0.1的水平上显著，有相当多的变量在0.01的水平上显著。但这并不意味着每种因素同等重要，还需进一步确定脆弱性的关键影响因素。上面的脆弱性回归模型中，各因素的单位不同，得到的回归系数量纲也不同，不能用来衡量各因素重要性的大小。本部分将使用标准化系数和偏相关系数解决这一问题。 （5） （6）标准化回归系数是在对原始数据标准化，消除了因变量y和自变量x1，x2，xn所取单位的影响基础上估计出来的回归系数。其含义是自变量变动一个标准差，因变量平均变动多少个标准差，其绝对值的大小直接反映了xi对y的影响程度。偏相关系数是指扣除或固定某两个变量之外的其他变量的影响之后，这两个变量之间的相关关系，比简单相关系数更能反映变量间的本质联系。偏相关系数也没有单位，其绝对值同样可以用于比较各变量对因变量的相对重要程度。但是标准化回归系数不但与自变量的回归系数有关，还与这个变量的波动程度有关，如果波动程度较大，自变量就会显得更重要。标准化回归系数和偏相关系数的符号始终相同，当自变量只有两个时，二者绝对值的相对大小一致，但自变量多于两个时，由于变量的波动，二者绝对值的相对大小可能不一致，此时应以偏相关系数的结论为准。本文同时采用这两种手段比较脆弱性各影响因素的重要程度，并将两种判断的结果相互印证。表3中列示了脆弱性各影响因素的标准回归系数和偏相关系数。城镇家庭脆弱性的影响因素中，最重要的是医保比例、成人平均受教育年限，其标准回归系数分别为-0.262和-0.231，其偏相关系数也相当高，绝对值都在0.2以上。我们的另一项研究表明，城镇家庭脆弱性主要源于变动性，相应的减脆措施应以保障其稳定性为主，医保比例排在最重要的位置，恰恰印证了我们的研究结论。城镇教育收益率明显高于农村，投资教育是提升收入能力和降低家庭贫困脆弱性的的根本途径。其次是家庭规模、户主年龄、资产和公共变量。其标准回归系数和偏相关系数绝对值基本在0.1以上。其中，前两者人力难以控制，但是资产和公共变量却可以通过政府的保护或引导施加影响。特别地，资产对脆弱性有多种作用机制，既是生成收入的基础，也是家庭在面对风险时的保障，还是家庭财力大小的标志，应该设计合理的政策或机制保护并增加家庭的资产总量。另外，城镇家庭各因素的重要性，按标准化系数和偏相关系数排序结果基本一致，因此结论比较可靠。农村家庭脆弱性的影响因素中，最重要的是资产、家庭规模、成人数、东部，其标准化系数和偏相关系数绝对值均在0.15以上。其次是一次感冒费用和教育变量，两种系数的绝对值都在0.1以上。剩余因素的重要性按照标准化系数排序依次为：自雇、公共、医保、高血压、年龄、随礼，按偏相关系数的排序与此非常接近。五、贫困脆弱性不同水平上的影响因素分析上文对脆弱性的影响因素进行了筛选和比较。但是必须认识到，一般线性回归拟合的是被解释变量的均值，得到的只是这些因素对贫困脆弱性的平均水平影响程度的大小。但是从扶贫的角度来讲，高脆弱性群体才是关注的重点，因此需要研究不同脆弱性水平、特别是高脆弱性水平上各因素的作用机制，为扶贫政策的设计提供参考。本部分将使用Koenker 和Bassett(1978)提出的分位数回归来解决这一问题。分位数回归主要有以下优点：首先，在研究问题方面，分位数回归能更全面地反映研究对象的全貌。普通回归只能提供一组回归系数，体现的是自变量对因变量平均值的边际效果，而分位数回归能够提供不同分位上的多组回归系数，每组系数体现自变量对因变量该分位数的边际效果。当自变量对因变量分布的不同部分产生不同的影响时，分位数回归更能捕捉到这些差异。其次，在方法假设方面，普通回归需要做出极强的假设，当假设不能满足时，其估计量不再具有优良性质且稳健性非常差，分位数回归的假设条件要弱得多，与实际情况更为接近，因此其参数估计量在有效性、稳健性方面都优于普通回归。最后，在极端值影响方面，由于在所有分位上回归，因此分位数回归不像普通均值回归那样容易受到极端值影响，对异常值的耐抗性较强。与均值回归模型（4）相对应的分位数回归模型可以表述为 （7）式中， 是脆弱性的第分位数，是均值回归中筛选出来的影响因素，系数向量随分位点的变化而变化，由下式求解： （8）取=0.05, 0.1,0.95，用Eviews完成分位数回归，结果如表4、表5所示。可以发现，各因素分位数回归系数的符号与均值回归基本一致，但在数值和系数的显著性上存在一定差异。表4 分位数回归结果一变量城镇变量农村均值回归分位数回归均值回归分位数回归=0.25=0.5=0.75=0.25=0.5=0.75C0.44300.09840.39600.6756C0.63860.28520.58860.9945ADULTSHU-0.0228 -0.0115-0.0226-0.0139ADULTSHU-0.0398-0.0289-0.0498-0.0421ADULTEDU-0.0219 -0.0052-0.0208-0.0237HEDU-0.0113-0.0043-0.0125-0.0128PBLOOD0.0653 0.01430.01460.0516PBLOOD0.04650.01230.04100.0829LOGZICHAN-0.0146 -0.0049-0.0130-0.0289LOGZICHAN-0.0225-0.0174-0.0239-0.0306PINS-0.1739 -0.0324-0.1123-0.2235PINS-0.0351-0.0161-0.0068-0.0411ISPUB-0.0541 -0.0135-0.0575-0.1223ISPUB-0.0485-0.0020-0.0356-0.0856HAGE0.0026 0.00050.00130.0050HAGE-0.0009-0.0005-0.0005-0.0014HHSIZE0.0355 0.01550.04160.0232HHSIZE0.04770.03250.05730.0514ISGUZHU-0.0408 -0.0238-0.0520-0.0317PGUZHU0.07250.04050.07220.0659LOGILLCOST-0.0574-0.0309-0.0592-0.0837L145-0.02090.0018-0.0067-0.0441DEAST-0.1046-0.0410-0.1236-0.1624Adjusted R20.26870.01570.13750.2433Adjusted R20.24890.09100.17140.1774注：因篇幅所限，表中仅列示均值回归和=0.25、0.5、0.75的分位数回归结果。从各因素系数的显著性来看，城镇均值回归模型中，除高血压和雇主变量的P值为0.13，略有些不显著之外，其他因素均至少在10%的水平上显著。城镇分位数回归模型中，大部分因素在低脆弱性水平上不显著；成人平均受教育年限、医保比例、家庭规模、公共变量对低分位点之外的位置存在显著影响；成人数对中高分位点有显著影响；资产对中等脆弱性水平有显著影响；自雇变量仅在=0.4时显著；而高血压变量对所有位置都没有显著影响。农村均值回归模型中，所有变量都显著。农村分位数回归模型中，成人数、教育、资产、家庭规模、自雇、一次感冒费用、东部变量对分布的大部分位置有显著影响；高血压、公共变量的基本都在0.50.8时显著；婚嫁支出在高脆弱性水平上影响显著；医保比例仅在极端高位上显著；而年龄在所有位置都不显著。对照城乡的情况可以发现二者存在巨大差异。成人数、资产对农村家庭脆弱性影响的区间比城镇宽，说明城镇家庭劳动力数量和资产的重要性低于农村；公共变量影响区间则是城镇宽于农村，这跟农村家庭公共部门就业的机会少、层次低有密切关系；年龄变量影响区间的差异，可能源于农村居民劳动年限更长、身体状况更好，年龄增长的负面效应不象城镇那样明显；城镇医保比例影响区间非常宽，农村却仅在极端高分位上有显著影响，从侧面反映了城乡社会保障的差距，同时也提示了对最脆弱的农村家庭提高保障力度的重要性。表5 分位数回归结果二城镇农村变量系数显著的位置变量系数显著的位置ADULTSHU0.60.8ADULTSHU0.2ADULTEDU0.3HEDU0.2PBLOODnonePBLOOD0.50.6，0.750.8LOGZICHAN0.40.6LOGZICHAN0.2PINS0.3PINS=0.9ISPUB0.4ISPUB0.50.8HAGE0.6HAGEnoneHHSIZE0.3HHSIZE0.2ISGUZHU=0.4PGUZHU0.25LOGILLCOST0.2L1450.7DEAST除=0.9之外为了更加直观地观察各因素在不同分位上影响的差异，分城乡绘制每个因素在不同分位上回归系数的折线图，其中角标u代表城镇，r代表农村我们可以看到，虽然数值上存在差异，在教育、资产、高血压、资产、家庭规模、医保比例、公共变量等因素上，城乡的基本趋势具有相似性。这里我们重点分析关键的、显著的因素，特别是那些对高脆弱性水平存在显著影响、可以进行人为干预的因素。（1）教育。无论城乡，都是在x轴下方一路向下，说明其对脆弱性的负向作用越来越强，即越脆弱的群体，增加教育越能有效地降低其脆弱性，与均值回归结果一致，农村的教育收益率仅能达到城镇的一半左右；（2）资产。图形趋势与教育相似，家庭越脆弱，资产的影响越大。从这个角度讲，保护和增加脆弱群体的实物资产是降低脆弱性的有效途径。（3）成人数。城镇的系数呈现一个U形，即劳动力数量对中等脆弱家庭的影响高于两侧的家庭，农村成人数的影响随着脆弱性提高而增大。（4）医保比例。与教育和资产相似，医保比例越高，家庭脆弱性越低。农村医保比例仅在极端分位点上显著，恰恰说明了在农村医保尚未发挥应有的作用，亟待加强。（5）家庭规模。城乡在这一因素上高度一致，都是在x轴上方不断上行，说明对脆弱性的正向影响越来越强。但是家庭规模基本上属于不可控因素，难以通过某些政策施加影响。值得注意的是婚礼支出，该变量虽然仅对农村家庭显著，但其变动趋势极为特殊，0.4时符号为正，即有婚礼支出的家庭脆弱性高于没有的家庭，之后符号为负，而且系数绝对值随着脆弱性提高不断增加，说明有婚礼支出的家庭脆弱性低于其他家庭，脆弱性越高，这种差异越大。随礼支出只能作为社会资本的一个粗略的缩影，无法覆盖家庭所有社会资本，但是这一结果再次佐证了非正规社会资本对于农村家庭的作用。 图1 分位数回归系数折线图六、结论本文使用CHNS四轮的家庭面板数据，对城乡共2638个家庭的脆弱性进行测度，逐层深入地分析脆弱性的影响因素，先用普通回归法筛选影响因素，然后利用标准回归系数和偏相关系数比较各因素的相关重要性，最后用分位数回归对各因素在不同脆弱性水平的影响。主要的研究结论如下：第一，城乡家庭脆弱性的影响因素互有异同。同为负向的因素有成人数、教育程度、医保比例、资产、公共部门，同为正向的因素有家庭规模和高血压比例，符号相反的有自雇和年龄两个因素。第一次感冒费用、随礼支出和东部变量仅对农村家庭影响显著。第二，各因素的重要性各