贫困是各国持续关注的热点问题。为实现全面建成小康社会，我国努力推进新一轮的扶贫攻坚任务，实施一系列的精准扶贫政策，但现有的扶贫政策多是以贫困线为标准，精准扶贫的对象可以将贫困线以下的绝对贫困人群纳入其中，以及与绝对贫困人群收入相近的人群纳入，但有很大一部分人游离在贫困线上下，在遭受到风险冲击后，很可能再次陷入贫困，抵御风险冲击的能力较差。2000年世界银行在《世界发展报告》中提出贫困脆弱性概念，指出个人或家庭在受到风险冲击后，抵御风险并致使福利受到损失的可能性。贫困脆弱性具有前瞻性，能够对贫困进行预测及评估。截止2017年我国的贫困人口降低至3100多万，累计减少7亿。2000年以来转移性收入在我国农村居民收入中所占的比重不断上升，由此也引发了学者对转移性收入特别是公共转移性收入的关注，作为农村居民转移性收入重要来源的政府转移支付，其政策目标就是减少贫困、保障低收入群体利益，同时降低市场无法避免的收入分配不平等，因此持续增加的公共转移性收入，是收入再分配的重要手段之一。世界银行指出中国贫困的减少原因主要源于两个方面：第一，中国经济的加速增长；第二，政府转移支付的扩大对贫困人口提供的福利保障。因此，研究政府补贴对贫困脆弱性的影响具有现实意义，对我国的扶贫政策有多方面的指导作用。我国西南地区由于历史、人口、地理环境等因素，贫困集中且呈连片式发展，西南地区贫困人口较多，生态环境较为恶劣、自然灾害频发等，一直影响着我国的区域经济发展，也是全面建成小康社会的攻坚地区。

因此本文以CFPS西南地区数据为基础，分析该地区贫困脆弱性水平，及政府转移支付对贫困脆弱性的影响，对我国扶贫政策的制定和实施有实际的指导意义。

管理会计需要对财务基础信息收集，并进行再加工，结合当下医院政策环境信息，及时发现并反馈医院运行过程中的问题，帮助管理层实施管理控制建言献策，因此，具有完整知识结构和较强学习能力的财务人员可以更好地适应管理会计工作的要求。而现阶段，医院财会人员在学历、职称和专业素质能力上都与管理会计要求有一定差距，且由于医院人事制度改革效果尚不能显现，医院在岗人员对新的财务管理知识未表现出积极态度，所以医院面对核算向管理转型时，强化财务人员梯队迫在眉睫。

一、文献综述

在2000年，世界银行提出贫困脆弱性的概念，指出贫困脆弱性可以识别出现阶段贫困或非贫困的人口未来陷入贫困的可能性。从世界银行贫困脆弱性的定义可以看出，低脆弱性指家庭受到风险冲击，并能较好的抵御冲击；高脆弱性指受到的冲击已经超过自身能够抵御并承受的能力 [1]。Christiaensen&Subbarao(2001)[2] 指出脆弱性理解应首先包括福利水平在未来遭到损失的概率，家庭受到风险冲击的类型和应对风险的能力，其次脆弱性是时间的概念。陈传波(2005)[3]指出农户家庭脆弱性与自然资源的不稳定、农户生计决策及两者结合产生的后果有关。不同学者从不同角度对贫困脆弱性进行了定义，但都指出贫困脆弱性是一个前瞻性定义，是对未来贫困程度的预测。关于贫困脆弱性的测量，国内外学者对应于不同的定义，选择了不同的测量方法。贫困脆弱性的测量方法大致可分为三大类：预期的贫困脆弱性[4][5][6]、低期望效用的贫困脆弱性、风险暴露的贫困脆弱性[7]。

许多学者一直关注政府转移支付和地区贫困之间的关系，贫困这一“市场失灵”现象，紧靠市场自身的力量无法解决，需要政府进行干预，政府对这一“市场失灵”现象的弥补所给出的各种政策支持是各国普遍采用的方式。关于政府转移支付对反贫困的影响研究较多，但其对贫困脆弱性的影响研究很少。Fan等(2005)[8]使用20世纪末的数据，分析了中国财政支出对减贫效果的影响，他们认为财政支出增加改善了农业科技、教育和基础设施状况，对贫困的缓解有明显的正向效果。Park和Wang(2010)[9]利用中国贫困县村家庭调查数据，发现扶贫资金的投入对不同收入水平家庭的影响差异较大，对于收入水平相对较高的家庭，扶贫投入分别对其收入和消费提高6.1%和9.2%，对相对低收入家庭的影响并不显著。帅传敏等(2008)[10]比较分析了不同类别资金在贫困县的投入绩效。林伯强(2005)[11]研究发现，政府的公共资金投入促进了农业产出的增长，缓解了农村贫困和不平等问题。李永友和沈坤荣(2007)[12]研究发现，偏向低收入群体的财政支出结构安排有利于降低社会的相对贫困水平。

因此，本文在梳理贫困脆弱性的定义及影响因素前人研究的基础上，使用CFPS西南地区追踪调查数据，对家庭贫困脆弱性水平进行测度，并分析政府转移支付对贫困脆弱性的影响，对我国现有的扶贫政策具有现实指导意义。

二、实证研究

(一)数据及变量描述

计算贫困脆弱性，将家庭人均纯收入的期望E[InYit|Xit]和方差V[InYit|Xit]代入(6)式。

本文样本选择如下：剔除户主年龄在16岁以下的未成年人及重要的信息缺失家庭；本文所使用的户主是根据问卷中“财务回答人”定义，作为家庭决策人。个体变量包括户主性别、年龄、婚姻状况、教育程度、居住地是在城镇还是乡村；家庭变量包括政府补助额、家庭人口规模、家庭存款、家庭人均收入、是否参加医疗保险。户主性别的差异可能对于贫困的脆弱性水平产生影响，男性或许更加容易借到贷款或更容易通过打工脱离贫困；户主若是已婚，说明家庭中会有另一份收入来源，但同样也会加重家庭负担，贫困加剧；户主的教育程度会直接影响家庭的贫困程度及脆弱性程度，教育水平较高的个人，自身能力较强、资源更丰富，陷入贫困的概率较低，而教育程度低的个人，本身没有致富的知识和技能，很可能处在贫困之中，如果暂时未贫困，未来陷入贫困的概率仍较高；医疗保险是抵御突发风险较好的方式，医疗保险的报销比例越高，家庭需要承担的风险越低，“因病致贫”可能是贫困的主要原因，本文使用问卷中“您是否享有以下医疗保险？”，选择其中某一项均视为具有医疗保险；城乡二元结构，致使城镇与农村人口的收入、福利等各方面都具有较大差异，所在地是否在城镇还是乡村对贫困脆弱性也有较大影响。家庭变量中，政府补助额的提升会增加家庭的收入水平，会对家庭贫困水平有所缓解；家庭的人口规模会有双面的效应，人口规模大获取收入的途径也就越多，陷入贫困的可能性会降低，但如果家庭就业人数较少，需要抚养的比例高，则大的人口规模会成为家庭负担，提高了家庭陷入贫困的可能性；家庭存款、家庭人均收入显然与贫困脆弱性呈正比，收入的提高，使得人们脱离贫困。本文所使用的变量如表1所示。

变量描述性统计，如表2所示，

1.3观察指标医务人员治疗后对所选患者展开3~6个月的追踪随访,同时对90项症状自评量表、抑郁自我评估表、焦虑自我评估表等做相应的评分。

表1：样本组变量选择

变量名 变量定义 计算方法vul_125 1.25美元下的贫困脆弱性Poverty vulnerability under $1.25 VEP方法计算所得Calculated by VEP method vul_2 2美元下的贫困脆弱性Poverty vulnerability under $2 VEP方法计算所得Calculated by VEP method government 政府补助额Government subsidy元RMB Yuan gender 户主性别Household gender虚拟变量；男=1，女=0 Dummy variable; male = 1, female = 0 cfps_age 户主年龄Household age岁数Years marriage 户主婚姻状况Household marital status虚拟变量；已婚=1，其他=0 Dummy variable; married = 1, Others= 0 edu 户主教育程度Household education Years size 家庭人口规模Family size年Numbers finc_per 家庭人均收入Family per capita income人RMB Yuan insurance 是否参加医疗保险Medical insurance元虚拟变量；参保=1，其他=0 Dummy variable; Yes=1,No=0 Urban16 是否在城镇地区If urban虚拟变量；城镇=1，其他=0 Dummy variable; Urban=1, others=0

表2：变量描述性统计

变量名 变量定义 N mean sd min max government 政府补助额Government subsidy 1,500 1,164 8,409 0 300,000 provcd16 省份Province 1,500 51.60 0.934 50 53 urban16 是否在城镇地区If urban 1,500 0.392 0.488 0 1 cfps_age 户主年龄Household age 1,500 49.69 14.47 17 90 gender 户主性别Household gender 1,500 0.561 0.496 0 1 edu 户主教育程度Household education 1,500 2.393 3.753 0 16 size 家庭人口规模Family size 1,500 4.131 1.985 1 19 marriage 户主婚姻状况Household marital status 1,500 0.831 0.375 0 1 insurance 是否参加医疗保险Medical insurance 1,500 0.947 0.225 0 1 finc_per 家庭人均收入Family per capita income 1,500 12,503 20,665 0.333 333,333

(二)贫困脆弱性的测度

在本次研究中,观察组患者接受针灸联合康复治疗的模式,其总体有效率为86.36%,显著高于对照组65.91%,组间差异具有统计学意义(P<0.05)。而在吞咽困难分数方面,两组患者的分数均显著较治疗前获得提升(P<0.05),而观察组患者分数的提升更为显著(P<0.05),提示针灸结合康复治疗对脑卒中吞咽困难症状起到了显著的治疗效果。

预期的贫困脆弱性是未来家庭或个人陷入贫困的可能性。VEP方法可以通过截面数据对贫困脆弱性进行测量，解决了微观面板数据很难获得的问题，使用T时期家庭或个体特征计算在T+1时期陷入贫困的可能性(Chaudhuri&Suryahadi,2002[13])。具体计算方式如下：

Vit表示第i个家庭或个人在t时期的脆弱性，Ci,t+1表示第i个家庭或个人在t+1时期的收入或消费，本研究使用家庭人均纯收入表示家庭的福利水平，Poor表示贫困线，世界银行通常定义的贫困线标准为人均每人每天1.25美元和2美元。P(Ci,t+1≤Poor)表示第 i个家庭在 t+1 时期处于贫困的概率。

除此之外，对于预算管理与编制落实到位、成本控制效果较好的部门或科室，医院应给予一定的物质与精神方面的鼓励，以提高工作人员的积极性与主动性，值得注意的是，医院在对各部门或科室进行考核的过程中，必须要做到公平、客观，以增强考核的执行度与信服力。当然，有了相应的奖励机制，医院还应当制定相应的惩罚机制，以实现权责统一。由此可见，良好的考核机制对于提高员工积极性与创造性具有重要的促进作用，从而为医院战略目标的实现提供了坚实的保障。

其中，Xit表示个体特征和家庭特征以及容易受风险冲击的一些因素，本文包括户主性别、年龄、民族、婚姻状况、福利保险、教育程度、政府补助额、家庭存款额、家庭人口规模、居住地、资产价格、家庭医疗支出费用。家庭或个人福利干扰项的残差平方和为：

计算贫困脆弱性的概率，首先要得到家庭或个人的收入或消费值，其次需要得到家庭的个体特征和家庭特征以及容易受风险冲击的一些因素。人均纯收入水平用对数形式表示，家庭或个人的福利函数为：

其中，对(2)、(3)进行FGLS估计，得到家庭人均纯收入的期望InYit和方差

本文使用的数据为2016年中国家庭追踪调查数据(CFPS)。该数据分别对个体、家庭、社区三个层面设置问卷进行四个阶段跟踪调查，反映了我国经济、政治、文化、健康等多领域的真实情况。中国家庭追踪调查数据是由中国社会科学调查中心和美国密歇根大学调查研究中心合作完成。该数据包含全国25个省/市/自治区，涵盖16000户家庭。CFPS问卷包括成人问卷、儿童问卷、家庭问卷和社区问卷，成人、儿童问卷是关于个体、职业、健康、收入、财产等情况的收集；家庭问卷是关于家庭规模、收入、花费、医疗、保险等问题的收集。本文使用了2016年的西南地区追踪调查数据，包括四川、重庆、云南、贵州四个地区，根据所选变量进行筛选后，共得到样本1500个。

本文的因变量为1.25美元与2美元贫困线下的贫困脆弱性水平，上文通过VEP的方法计算所得。对贫困脆弱性水平的测度可以得到家庭未来陷入贫困的概率，脆弱性的测度更具有前瞻性，对预测和预防贫困具有很好的指导性作用。

表3：样本家庭贫困脆弱性

样本组 脆弱线标准贫困线标准1.25美元 2美元全部家庭 高脆弱 2.00% 5.33%低脆弱 98.00% 94.67%城市家庭 高脆弱 0.17% 2.72%低脆弱 99.83% 97.28%农村家庭 高脆弱 3.18% 7.02%低脆弱 96.82% 92.98%

(三)政府转移支付对贫困脆弱性影响的实证分析

表3为样本组家庭的贫困脆弱性水平，本文使用世界银行定义的每人每天1.25美元和2美元两条贫困线标准。将脆弱性的标准定为50%，认为低于或等于50%的家庭属于低脆弱性家庭，高于50%的家庭属于高脆弱性家庭。由表可以看出西南地区整体高脆弱性比例不高，但相对2美元的贫困线标准，高贫困脆弱性家庭比例明显上升，说明处在1.25美元与2美元标准线之间的家庭较多，在受到风险冲击后很容易再次陷入贫困；分别来看，全部家庭1.25美元线下的高脆弱性比例为2%，在2美元标准下上升为5.33%。城市家庭相对于全部家庭及农村家庭，高贫困脆弱性比例明显较低，分别为0.17%和2.72%，从1.25美元到2美元标准的上升幅度也明显小于其他样本。农村家庭的高贫困脆弱性比例则较高，分别为3.18%和7.02%，且从1.25美元到2美元标准的上升幅度也较高，说明农村地区处在两条标准线间的家庭多于城市地区。我国城乡二元结构致使城市拥有更多的就业机会、更好的福利保障制度，城市人口较容易获取就业，收入相对农村地区也更高，抵御风险的能力较强，因此城市家庭的贫困脆弱性明显低于农村地区(见表3)。

传统贫困指标以静态测量的方式，对某一时点个人或家庭的福利水平进行测度。但对于贫困问题的研究，不仅需要了解当前的贫困现状，更要对未来贫困进行分析，未来家庭遭受的各方面的风险都会改变现在的贫困状况，例如失业、疾病及自然灾害等。2000年世界银行提出贫困脆弱性概念，是家庭遭受风险冲击并抵御风险的能力，将风险冲击与个人或家庭的福利状况联系起来，从而预测未来的贫困状况。因此，贫困脆弱性的测量问题也随之而来，目前贫困脆弱性的定义和测量尚未达成一致，大部分经济学家通过家庭和个人未来陷入贫困的概率进行定义和测量，通过对个人和家庭福利的测量来识别贫困脆弱性，能够帮助暂时未贫困但未来可能发生贫困和那些现在贫困但未来福利状况发生好转的个人和家庭。

自变量为政府转移支付额，该变量使用问卷中“过去12个月，包括现金及实物折算，您家一共收到多少政府补助？”，政府对家庭的补助可以直接提高家庭的实际收入水平，增加了家庭的可支配收入。

2000年上海市水务局成立以来，水务信息化在整合原有水利、供水、排水三大行业信息资源的基础上，开始了支撑综合管理应用的水务公共信息平台建设，通过数据汇聚整合、共享交换、规范流程，实现支撑电子政务、防汛指挥、水资源管理等多任务应用。2005年开始，上海市作为水利部“城市水资源实时监控与管理系统”试点城市之一，开始在水务公共信息平台的基础上建设 “上海市水资源实时监控与管理信息系统”。系统初步实现了已有水资源管理信息的汇聚及整合，并基于网络地理信息系统对水资源信息进行综合发布和统计分析。

控制变量中包括了户主的个人特征及家庭特征，个人变量包括户主年龄、婚姻状况、教育程度、是否参加医疗保险；家庭变量包括政府补助额、家庭人口规模、家庭人均收入等。

本文使用的模型为：

开放性思维就是对在条件不断变化的问题，结论不断变化的问题，或条件和结论都可以变化的问题，从多种角度去考虑，需要有较强的组织能力、判断能力及适应变化能力。这种思维要有灵活性和预见性，思路开阔。设计“开放式”的教学，做开放式的题目，可培养学生的“开放性”思维，下面是培养学生开放式思维的二例。

其中，Yi表示不同贫困线下第i个家庭的贫困脆弱性，Xi表示第i个家庭的政府补助额，Zi表示控制变量，为个人特征及家庭特征；ui为误差项。

本文对全部样本进行回归，样本量为1500个，得到表4结果，被解释变量中(1)和(2)分别代表1.25美元和2美元的贫困线下的贫困脆弱性。在两种贫困标准下政府补助额对贫困脆弱性有显著的正向影响，说明政府补助额的提高有助于降低家庭的贫困脆弱性，相对于1.25美元水平，2美元标准下政府补助额降低家庭贫困脆弱性的效应更加明显，可能是由于家庭收入较低时，政府补助额能够增加家庭的直接可支配收入，对于贫困脆弱性有所缓解[14][15]；在控制变量中，是否在城镇地区指标与贫困脆弱性呈负效应，说明在农村地区会使得家庭贫困脆弱性提高，相反城市地区的脆弱性较低，分别为-0.0569和-0.0827，且在1.25美元水平下更加显著。户主的年龄与贫困脆弱性呈正比，说明当年龄越大，更加容易陷入贫困，随着年龄的增加收入降低，抵御风险的能力降低；户主的教育程度与贫困脆弱性成反比，教育程度越高贫困脆弱性程度越低，较高的贫困脆弱性使得家庭在遭受风险冲击后再度贫困，单纯通过短期的收入增长脱离贫困并不能防止未来贫困的发生，而人力资本是抵御风险冲击的有力因素，教育有助于提高人口素质，增加收入水平，提高认知和抵御风险的能力[16][17]，1.25美元贫困线与2美元贫困线相对比，教育对家庭的正向影响更加明显；户主的婚姻状况说明，在1.25美元贫困线下已婚家庭的贫困脆弱性较低，已婚增加了收入的来源，减少未来贫困的概率；家庭人均收入的提高会降低贫困脆弱性。而家庭规模对贫困脆弱性有负向影响，表示家庭规模越大，增加了家庭的收入来源，使家庭脆弱性下降(见表4)。

三、结论

根据实证分析的结果，表明对于西南地区财政转移支付对家庭贫困脆弱性有显著的正向影响，政府转移支付是增加家庭收入直接的方法。户主年龄、性别、是否结婚对贫困脆弱性具有正向效应，教育、家庭规模等都与贫困脆弱性产生负向影响。可以看出政府转移支付相对于教育等对贫困脆弱性的影响较小，说明家庭中个人的长期自我增值要比短期的现金补贴效果更好。农村贫困是一项长期性的难题，而且容易出现脱贫后重新返贫等诸多问题。如何在解决贫困群体短期生活迫切需求的同时，又能强化贫困人口的自我造血、自力更生能力才是提高政府转移支付降低贫困脆弱性效应中所应探寻的问题。政府在强调经济增长的同时，需要不断调整收入初次分配体制，进一步增加劳动者收入在初次分配中的比重。其次，进一步增加对农村地区及农村居民的政府转移支付力度，特别是针对贫困人口的转移支付投入，并在政策实施过程中加强监督，确保公平，提高政策实施的有效性，防止新的贫困产生。

表4：政府转移支付对贫困脆弱性的影响

注：*** p＜0.01, ** p＜0.05, * p＜0.1

1.88e-07* 3.06e-07*(1.03e-07) (1.58e-07)urban16 是否在城镇地区If urban -0.0569*** -0.0827***(0.00596) (0.00724)cfps_age 户主年龄Household age VARIABLES 变量定义 (1) (2)vul_125 vul_2 government 政府补助额Government subsidy 0.00225*** 0.00362***(0.000247) (0.000281)gender 户主性别Household gender 0.0124** 0.0224***(0.00581) (0.00690)edu 户主教育程度Household education-0.125*** -0.170***(0.0112) (0.0127)insurance 是否参加医疗保险Medical insurance-0.0233*** -0.0391***(0.00208) (0.00286)marriage 户主婚姻状况Household marital status-0.00563*** -0.00817***(0.000692) (0.000853)size 家庭人口规模Family size 8.77e-07*** 7.59e-07***(1.25e-07) (1.24e-07)Constant —— 0.150*** 0.235***(0.0171) (0.0224)Observations —— 1,500 1,500 R-squared —— 0.419 0.537 0.0391*** 0.0509***(0.0104) (0.0133)finc_per 家庭人均收入Family per capita income

参考文献：

[1]Mansuri,G.，and A.Healy.“Vulnerability Prediction in Rural Pakistan”[R]，2001，Washington，DC：World Bank.Mimeo.

[2]Christiaensen L J，Subbarao K.Toward an Understanding of Vulnerability in Rural Kenya[C]//The World Bank，2004：520-558.

[3]陈传波，丁士军.中国小农户的风险及风险管理研究[M].北京：中国财政经济出版社，2005：1.

[4]Kochar A.Explaining Household Vulnerability to Idiosyncratic Income Shocks[J].American Economic Review，1995，85(2)：159-164.

[5]Stefan Dercon，Pramila Krishnan.Vulnerability，seasonality and poverty in Ethiopia[J].Journal of Development Studies，2000，36(6)：25-53.

[6]Coudouel A，Hentschel J.Poverty Data and Measurement[J].2000.

[7]TesliucE，Lindert K.Vulnerability：A quantitative and qualitative assessment[C].Guatemala Poverty Assessment Program.Washington，DC：World Bank，2002.

[8]Fan，Shenggen，DavidNyange，andNeethaRao.Public Investment and Poverty Reduction in Tanzania”.No.18.International Food Policy Research Institute(IFPRI)，2005.

[9]Park，Albert，SanguiWang，andGuobaoWu.“Regional Poverty Targeting in China”[J].Journal of PublicEconomics，2002，86(1)：123-153.

[10]帅传敏，梁尚昆，刘松.国家扶贫重点县投入绩效的实证分析[J].经济问题，2008(6)：84-86.

[11]林伯强.中国的政府公共支出与减贫政策[J].经济研究，2005(1)：27-37.

[12]李永友，沈坤荣.财政支出结构、相对贫困与经济增长[J].管理世界，11.

[13]ChaudhuriS，Jalan J.and SuryahadiA.Assessing Household Vulnerability to Poverty from Cross-sectional Data：A Methodology and Estimates From Indonesia[J].Columbia University，Department of Economics，Discussion Papers Series 0102-52，2002：1-25.

[14]Chen S，Mu R，RavallionM.Are there lasting impact of aid to poor Area?evidence from rural China[R].World Bank Working Paper，2006：4084.

[15]卢盛峰，卢洪友.政府救助能够帮助低收入群体走出贫困吗?——基于1989-2009年CHNS数据的实证研究[J].财经研究，2013，39(1)：4-15.

[16]Gloede O，Menkhoff L，WibleH.Shocks，individual risk attitude，and vulnerability to poverty among rural households in Thailand and Vietnam[J].World Development，2015，71：54-78.

[17]谢沁怡.人力资本与社会资本：谁更能缓解贫困?[J].上海经济研究，2017(5)：51-60.