（草稿 2001年4 月）
一、前言
贫困一向被看作是中国农村的一种现象。然而自1995年以来由于公有制企业的重组，中国的城市贫困已经成为一个引人注目问题。 根据官方统计，1999年失业和下岗的职工人数已达1200万（NSB, 2000）。这一问题关系到社会的稳定，中央政府对此也日益关注。
城市贫困是九十年代后期出现的新问题，也被称为“新贫困”（Knight, 2000）。人们认为这与城市职工的失业和下岗有关。对此，政府的主要政策是给失业和下岗职工提供资金支持，但这一政策在各省市的执行情况并不令人满意。大量的下岗职工并未能从地方政府和企业得到他们应得的资助款项（劳动科学研究所，２０００）
这种情况下， 研究中国城市的贫困规模以及失业和贫困发生率的关系就是很有意思的题目。为研究这些问题，我们计算了样本城市和分组数据的贫困发生率和贫困强度指标，然后用probit 模型分析了个人陷入贫困的概率和下岗失业的关系。研究结果表明贫困发生率并不像某些发展中国家的城市地区那么高，但是高于官方发布的数据。我们的研究结果还表明贫困和失业有着很强的相关性，城市贫困主要的原因就是城市职工下岗失业的人数增加了。
本文分为以下几部分。第二部分是中国城市贫困问题的有关研究文献。第三部分说明本文所采用的贫困线。第四部分是数据情况。第五部分是贫困发生率的分析结果以及按家庭和个人特征的分组分析。第六部分着重分析了城市家庭贫困增加的原因。第七部分提出了贫困的新概念，即“自愿贫困”，这是与长期贫困和暂时贫困相联系的。实证分析说明了城市贫困有别于这三种贫困。第八部分以模拟分析为基础，对缓解城市贫困的政府政策进行了评价。最后一部分提出了研究结果及其政策含义。
二、文献述评
直到九十年代中期决策者和学者均未把城市贫困看作是一个大问题。因此，与农村贫困的大量研究文献相比，在此领域可参考的文献不多。但是尽管各种估算的的结果差别很明显，有些研究仍值得一提，。根据基本生活消费的假设和统计局公布的收入分配的分组数据，世界银行对1978-1990年间中国的贫困状况进行了时间序列分析（World Bank, 1992）.他们的估算显示中国城市的贫困问题很小，八十年代的城市贫困人口不到１％。 阿齐兹 卡恩（１９８８）利用中国社科院的两次调查数据估算了１９８８和１９９５两年中国城市的贫困发生率。他发现如果采用经调整的标准的贫困线[2]，这两年的贫困发生率分别是6.7%和8.0%。更有意思的是，他的估算显示，如果采用极端贫困线， 这两年间的贫困发生率将有较大的提高。采用同样的１９８８年的数据，以及国家的相对贫困线，这一贫困线相当于个人人均可支配收入的一半，古斯塔夫森和李实（１９９７）估计中国城市的贫困发生率不到１％，和中国农村的数字相比非常之低。古斯塔夫森和魏众（２０００）重新计算了１９９５年全国的相对贫困线， 据他们估算，城市贫困率相当于１９８８年的４６％[3]。国家统计局的课题组在九十年代初期提出了中国城市贫困发生率的另一种估算。他们的数据显示１９９１到１９９５年城市贫困发生率在４％和６％之间（Ren and Chen, 1996）
三、对贫困线的说明
为了度量贫困发生率和贫困强度，需要用贫困线来划分贫困家庭和个人。绝对贫困线可以收入或消费做基础，前者可称为收入贫困线， 后者则可称为消费贫困线。当把贫困定义为收入不足以维持最低生活水平时，用以维持最低生活的费用要用货币表示。定义贫困人口的生活费用的传统做法有两个步骤。首先确定满足最低营养需求的一组食品及其成本。然后， 给定食品贫困线，一旦确定了食品支出占总支出的比例， 就可以得到收入贫困线。
本文在定义贫困线时，采用了国家统计局认可的贫困线。统计局的研究人员利用１９９８年的家庭调查数据估算了当年中国不同省份的城市食品贫困线。这份数据包括了１７０００户城市家庭，但是不包括从农村进入城市的流动人口。我们采用的是统计局相关省份的食品贫困线，详细内容请参见表１。
为了得到可靠的贫困线，估算非食品支出占消费总支出的比重非常重要。我们用以下公式测算贫困线，即：PL=PLf +PLnf =PLf(1 + Rnf), 其中，PL是总体的贫困线，PLf 是食品贫困线，PLnf 是非食品贫困线，而Rnf 是非食品支出占食品支出的比率。显然，如果假定非食品支出的比例较高，那么贫困线会较高。 统计局根据恩格尔系数的平均水平认定非食品支出占食品支出的三分之二属于城市贫困。但这种算法不适合中国的情况。 考虑到有关消费支出最低的百分之十的家庭的统计量，1999年城市的非食品支出占全部食品支出的比率将近90%。用这一指标，我们得出的贫困线要高于统计局的估算。各样本省份的贫困线请参见表1。
表1、1999年样本省份的城市贫困线
省/市 统计局的食品贫困线1998 食品价格指数1999 食品贫困线1999 各省平均的贫困线
北京 2078 0.977 2030 3830
辽宁 1280 0.951 1217 2296
江苏 1512 0.950 1436 2709
河南 1072 0.946 1014 1913
四川 1289 0.957 1234 2328
甘肃 1112 0.956 1063 2006
资料来源：王有娟 《中国的贫困指标》，待出版，2000
注：各省市的贫困线按以下公式计算：食品贫困线 X (1+Rnf), 其中， Rnf 是中国城市收入最低的10% 的家庭的非食品支出占食品总指出的比例。1999年的Rnf 是0.887。
不同规模城市的生活费用是不同的，因而城市的贫困线不同于分省的贫困线。由于缺乏准确的地区的生活费用数据，我们只能依靠主观判断来对城市贫困线进行调整。根据分省的贫困线，省俯城市的贫困线上调5%，其他城市的贫困线则下调5%[4]。表2列出了调整后的样本城市的贫困线。我们的测算表明，不论是人均收入的绝对值还是相对的百分数，各省市的贫困线是不同的。北京由于生活费用高，其贫困线是13个被调查城市中最高的，比郑州高90%， 比开封高110%。从城市人均收入的百分比看，城市贫困线的范围在人均收入的34%到47%之间。不仅如此，它们与收入水平负相关，即意味着较富裕城市以人均收入的百分比衡量的贫困线较低。
表2、1999年经调整的城市贫困线
1999
省市 经调整的城市贫困线 人均货币收入 以人均收入的百分比衡量的贫困线
北京 3830 9807 39
辽宁
沈阳 2410 5483 44
锦州 2181 4966 44
江苏
南京 2845 8356 34
徐州 2574 6734 38
河南
郑州 2009 5659 36
开封 1817 4145 44
平顶山 2009 5865 34
四川
成都 2444 6408 38
自贡 2212 4727 47
南充 2212 5395 41
甘肃
兰州 2106 5220 40
平凉 1906 4525 42
资料来源：1999年城镇家庭调查
注：经调整的城市贫困线由表1所列的分省的贫困线推算得到的。省俯的贫困线由表1 数据乘以1.05, 其他城市乘以0.95。
四、数据说明
2000年在中国国家统计局的协助下进行了一次住户调查，本文所用数据即来自此次调查。数据主要反映的是1999年的情况。调查覆盖了五个省和一个直辖市，即：辽宁、江苏、河南、四川、甘肃和北京。除了北京以外，在五省中选出了12个城市，四川和河南等大省份选三个城市，辽宁等小省份选两个城市。五个省俯城市都是调查对象，所以此次调查偏重于大城市。调查数据包括5300个住户，其中，4500户是有城镇户口的正式的城镇住户，800户是农村流动人口的家庭。在有城镇户口的住户中，又专门抽选了500户1999年有失业或下岗成员的住户。
抽样过程如下。五个省份代表五大地区，例如，辽宁代表东北地区，江苏代表沿海地区，河南代表华中地区，四川代表西南地区，甘肃则代表西北地区。北京代表四个直辖市。为了加强样本对所在城市的代表性，每个省份只限于选取两三个城市。样本分布基本上是根据省市的人口比率确定的。有城市户口的住户是从统计局的大样本中抽取的，农村流动户则是通过居委会另外抽取。在本文中我们只采用有城镇户口的住户样本。
问卷是课题组成员根据研究框架设计的，分为三类问卷，包括有城市户口的住户调查问卷，农村流动住户问卷以及失业下岗人员问卷。城市住户问卷和农村流动户的问卷中的问题分为两部分，一部分是针对个人的问题，另一部分是针对住户的。因此，调查数据包含个人信息， 有些是关于个人特征的，如：性别、年龄、受教育情况、是否是党员、就业状况及健康状况；另外一些问题则是关于职业特征的，如：工作单位的所有制类型、职业、任期、工作单位的盈利情况及所在行业等。个人信息的一个重要内容就是个人收入及收入构成。住户信息的重点是家庭消费、财产和住房条件等。
五、贫困发生率和贫困结构
找到可靠的贫困线对于贫困的度量是极为重要的。自从森的论文发表以来（1976），人们不仅要计算贫困人口数，而且要设法在衡量整体的贫困时把贫困程度和不平等因素考虑进去，对此，人们提出了各种建议和意见。在近期的研究中，最常用的是福斯特等人提出的另一套指标（1984）：
(公式略)
其中，Zi 是贫困线，yi 是第i个人的收入，其收入低于贫困线；gi = Zi – yi 是第i个人的贫困距；α是参数，其数值越大贫困距的权重越大。α=0 时，FGT成为贫困的人头指数的比重，α=1 时，FGT是成比例贫困距，α= 2 时，FGT则成为成比例贫困距的平方（加权贫困距），它对贫困人口的收入分配更为敏感。
在应用上述公式时，我们首先用计算了各样本省市的贫困发生率。我们给出了一些假定，在这些假定条件下，我们估算了1999年中国城市整体的贫困发生率。计算结果列在表3中。从中可以发现，不论样本加权与否，城市贫困在5%-6%之间。有了这一贫困发生率，我们可以认为1999年城镇贫困人口在1950万到2330万。然而需要注意的是这些数据不涉及农村流动户，而他们的贫困发生率可能较高。
表3、1999年城市的贫困发生率
省 市 不加权样本的 加权样本的 各省加权的 各省加权的
贫困发生率（%） 贫困发生率(%)I 贫困发生率（%）II 贫困发生率（%） III
北京 3.02 3.02 3.02 3.02
辽宁 7.04 6.55 6.49 8.21
沈阳 6.05
锦州 9.21
江苏 2.38 2.29 2.21 3.67
南京 1.18
徐州 4.98
河南 7.20 7.15 7.10 6.86
郑州 7.20
开封 11.80
平顶山 2.26
四川 9.03 7.77 7.73 10.90
成都 5.93
自贡 16.40
南充 7.50
甘肃 5.38 5.30 5.34 5.41
兰州 5.17
平凉 5.81
样本总计 5.88 5.50 5.02 5.98
注：加权样本I是通过省内城市样本加权得到的；加权样本II是通过各省间城市样本加权得到的；加权样本III是用不同规模的城市人口对城市样本加权得到的。
表3 也显示了城市间和各省之间贫困发生率的差异。江苏和北京的城市贫困发生率低于其他省份，而四川和河南贫困发生率较高，分别达到54%和22%，高于城市地区的平均水平。 十三个城市中，河南开封和四川自贡的贫困发生率尤其高，请参见表3。
我们还计算了各样本省市的贫困距和加权贫困距指标（见表4）。贫困距指标测量的是贫困人口的收入与所定义的贫困线之间的差距。加权贫困距衡量的则是贫困人口的收入不均的情况。从中可以看出，如果一个城市较多的贫困人口的收入远远低于贫困线，而且贫困人口的收入差距较大，那么它的贫困距指标和加权贫困距指标作为平均收入百分比的数值就会较高。例如， 从表4 可以看出， 和平均水平相比，郑州市的贫困率较高达122%，其贫困距则高达167%，加权贫困距高达255%。1999年，郑州市有一大部分贫困人口的收入远远低于贫困线水平。同样的解释也适用于河南开封和四川成都。与此形成对照的是辽宁沈阳，尤其是锦州，这两个城市有较高的贫困率，但是贫困率和加权贫困率较低，这说明两市贫困人口的平均收入较高。表4中后三栏的指标变化主要取决于政府的扶贫规划，这一问题将在第八部分讨论。
表4、1999年样本城市的贫困指标
绝对值 占平均值（100%）的百分比
人头指数 贫困距 加权贫困距 人头指数 贫困距 加权贫困距
(%) (x100) （x100） (%) (x100) （x100）
北京 3.02 0.65 0.23 51 46 43
辽宁
沈阳 6.05 1.23 0.48 103 87 89
锦州 9.21 1.94 0.56 157 137 103
江苏
南京 1.18 0.26 0.10 20 19 18
徐州 4.98 0.58 0.13 85 41 24
河南
郑州 7.20 2.35 1.38 122 167 255
开封 11.80 0.57 0.27 38 41 50
平顶山
四川
成都 5.93 1.43 0.70 101 102 129
自贡 16.40 4.78 2.07 279 341 383
南充 7.50 1.24 0.33 128 88 61
甘肃
兰州 5.17 1.02 0.36 88 72 67
平凉 5.81 1.09 0.29 99 78 54
样本总计 5.88 1.40 0.54 100 100 100
资料来源：1999年的调查数据。
中国城镇不同的年龄组当中贫困发生率相同吗？女性是否象在别国一样比男性更容易陷入贫困？为了回答这些问题， 我们把样本按性别分为了14个年龄组，分别计算了各组的贫困发生率。计算结果请见表5。从表中可以看出，尽管女性的贫困发生率比男性高出0.76个百分点，贫困发生率的性别差异却并不显著。此外，表5 还显示了不同年龄组的贫困发生率的温和差异。城市中，年轻人比老年人更容易陷入贫困。值得注意的是21-25岁和51-55岁的人口的贫困发生率明显低于其他年龄组。这两组人很可能是同一家庭的两代人。如果这两代人同时是就业人员，那么赡养率则较低。这肯定了我们的假设，即城市贫困与失业的关系较为密切。和其他国家对照来看，中国城镇退休人员的贫困发生率并不低。表5中60岁以上的年龄组的情况可以说明这一点，70岁以上的例外。年龄最高的人群贫困发生率较高，这基本上是由于这一组的女性的贫困发生率相当高。我们的数据显示，这一组人群中，只有50%的女性是退休人员，而男性退休人员达到91%。
为了揭示就业状况和贫困发生率的关系，我们计算了就业状况不同的个人的贫困发生率。全部个人样本根据其1999年底的就业状况分成了十组。每组又根据健康状况分为健康和不健康两个小组，相应地，我们分别计算了这两个小组的贫困发生率。计算结果请参见表6。
表6、 根据健康和就业情况计算的贫困发生率
就业状况 贫困发生率 (%) 占平均值（100%）的百分比
全部样本 健康 不健康 全部样本 健康 不健康
1.工作或就业 3.60 3.47 8.61 100 96 239
2.退休 3.33 3.06 4.30 100 92 129
3.待业 12.00 11.52 25.00 100 96 208
4.下岗 23.02 22.30 31.43 100 97 137
5.失业 20.87 18.69 50.00 100 90 240
6.提前退休 5.42 4.14 14.29 100 76 264
7.家务劳动者 17.86 16.75 21.82 100 94 122
8.残疾，受伤
或长期卧病 26.19 -- 26.19 100 -- 100
9.学生 7.06 7.10 0.00 100 101 0
样本总计 5.88 5.56 9.64 100 95 164
资料来源：1999年的调查数据
注：“其他”类主要包括学前儿童，被省略。
显而易见， 有三组样本的贫困发生率最高，分别是下岗职工、失业人员和残疾人员，各组的贫困率分别是23%、21%和26%。家务劳动者和从未就业的人也有较高的贫困发生率。此外，有不良健康情况的人比健康人群更容易陷入贫困，和全部样本的贫困发生率相比，前者的贫困发生率高64个百分点， 后者则低5个百分点。一个人如果有病而且失业，那么他陷入贫困的可能性有50%，比常人高出10倍。
六、失业对贫困的影响
我们试图在这一部分集中分析失业对贫困发生率的影响，并由此探讨为何有些家庭和个人更容易陷入贫困。人们普遍认为， 贫困的原因随时随地都在变化。然而，贫困与失业、疾病甚至地区有着更为紧密的联系。失业下岗职工的收入会明显下降（阿普尔顿等，2000）这一点不足为奇。在此，我们采用了probit 模型以便于单独分析这些因素的影响程度。因变量是二项分布的，如果样本是贫困人口，则取值为1，不是贫困人口，则取值为0。自变量包括两种类型，其一是个人特征，如：就业状况（EMPi）、健康状况（HEAi）和所在城市（CITYi）,控制变量是年龄组(AGi)、性别（SEX1是男性）以及家庭规模（NMHi）。另一类变量涉及户主特征，包括户主的就业状况(H_EMPi)、健康状况(H_HEAi)、所在城市(H_CITYi)，这些是解释变量；户主年龄(H_Agi)、性别(H_SEXi)、受教育情况(H_EDUi)、职业(H_OCCi)、工作单位的所有制(OWNi)、 行业(H_SECi)、工作单位的类型(H_TYPi)及是否是党员(H_PARi)是控制变量。最后应注意，由于分析对象是个人而非家庭，考虑到聚类的影响，我们的估算是经过调整的。
表6-1显示了probit分析的结果，这一分析是以样本中的个人特征为基础的。表6-2显示了以户主特征为基础的分析结果。每个变量的概率预测是通过计算解释变量和控制变量的相关系数得出的。这些计算结果也在表6-2列出。计算结果非常清楚地表明，不论是个人还是户主的就业状况对贫困与否起着非常重要的影响作用。例如，其他条件不变，待业青年陷入贫困的概率可能是普通人的两倍。对下岗职工和失业人员而言，他们陷入贫困的概率可能增加4倍。当户主是下岗职工时，其家庭成员的贫困发生率则更高，为34%（见表6-2）。这些结果与阿普尔顿等人的发现（2000）是一致的。他们发现城市职工如果失业或下岗，收入将下降56%。为了跟深入地探讨失业对贫困发生率的影响，我们对两组个人样本进行了同样的分析。第一组样本是全职就业人员，第二组则只包括失业或下岗人员。附录表6-2列出了我们的分析结果。在下岗职工和失业人员当中，贫困明显地与户主的下列特征有关：年龄在26-35岁、36-45岁和65岁及65岁以上；是下岗职工；家务劳动者；生活在郑州、自贡和南充三个城市；健康状况不加；受教育少；工作单位是城镇集体企业或非正式部门；不是熟练工人；或者在亏损企业工作。研究结果还显示，即使在就业者当中，户主的某些个人特征对贫困发生率的影响也非常明显，比如是下岗职工、家务劳动者、生活在锦州、自贡和南充、健康状况不加、受教育少、在城镇集体企业工作、临时工或不熟练工。
导致贫困的第二个重要因素是家庭成员或户主有疾病。身体不健康的人陷入贫困的概率比健康人高出74%（表6-1）。户主身体不健康，其家庭成员陷入贫困的概率比户主健康的人家高出135%（表6-2）。
从表6-1和表6-2可以看出，第三个导致较高贫困发生率的重要因素是地区因素。保持其他因素不变，和其他省份相比，住在辽宁、河南和四川的人陷入贫困的风险较高。例如，锦州、开封和自贡的人陷入贫困的概率估计为9%，12%和16%，而中国城镇整体的预估值为5.8%。为什么贫困发生率在各地会不同呢？即使两个省份的贫困程度相似，造成贫困的原因相同吗？为了回答这些问题，我们利用同样的解释变量，对河南和辽宁分别建立了probit 模型。计算结果在附录表6-2中可以看到。数据显示了户主特征对贫困发生率的类似效应。户主特征包括下岗、教育水平低、在城镇集体企业工作和临时工。但是，有些变量影响也有所不同，如健康状况和是否是党员。户主健康状况不佳在辽宁的影响很大，但在河南则不同。相反， 户主是否是党员对贫困发生率的解释在河南比在辽宁强得多。这可能是因为河南更依靠政治上的集中决策。
最后，多数经济学家会预期中国城市妇女陷入贫困的概率较高。若非如此，她们对贫困的绝对作用就会与男性不同。如表6-1所示，我们的分析结果显示，当其他条件不变时，预期的女性陷入贫困的概率比男性高0.6-0.7个百分点。为了证实男性和女性陷入贫困的原因是不同的，我们用性别组估算了probit 模型（附录表6-3a和表6-3b）。但是， 我们的估算显示就户主特征来看，性别差异对增加贫困发生率并没有显著影响。
表6-1、1999年城镇个人陷入贫困的probit 分析和概率预测，利用个人特征
变量名 均值 系数 标准误差 预测的概率(%)
基本概率 5.79
男性 sex1 0.496 -- -- 5.40
女性 sex2 0.504 -0.0478 0.0302 6.17
Age –7岁 ag1 0.036 0.2436 0.1909 7.12
Age 7-15岁 ag2 0.108 0.3832* 0.1578 7.60
Age 16-20岁 ag3 0.077 0.3426* 0.1449 7.08
Age 21-25岁 ag4 0.051 -- -- 3.21
Age 26-30岁 ag5 0.063 0.3341* 0.1600 6.40
Age 31-35岁 ag6 0.072 0.4861** 0.1525 6.51
Age 36-40岁 ag7 0.112 0.4355** 0.1505 5.95
Age 41-45岁 ag8 0.118 0.5532** 0.1499 7.29
Age 46-50岁 ag9 0.110 0.4231** 0.1426 5.41
Age 51-55岁 ag10 0.068 0.0694 0.1580 2.91
Age 56-60岁 ag11 0.053 0.2523 0.1664 4.66
Age 61-65岁 ag12 0.052 -0.2098 0.2121 1.76
Age 66-70岁 ag13 0.043 0.1267 0.1992 4.26
Age 70以上 ag14 0.038 0.1589 0.1955 7.77
工作或就业 emp1 0.480 -- -- 3.55
退休 emp2 0.187 0.1935 0.1011 3.31
待业 emp3 0.019 0.6925** 0.1413 11.37
下岗 emp4 0.037 0.8988** 0.0811 22.74
失业 emp5 0.010 1.0142** 0.1437 21.39
早退 emp6 0.014 0.2028 0.1907 5.68
家务劳动者 emp7 0.021 1.0201** 0.1188 17.71
残疾 emp8 0.009 1.0202** 0.1755 20.82
学生 emp9 0.177 0.3991** 0.1452 7.05
其他 emp10 0.047 0.4605** 0.1604 7.08
北京 city1 0.151 -- -- 2.99
沈阳 city2 0.114 0.3326* 0.1490 6.05
锦州 city3 0.051 0.4870** 0.1718 9.36
南京 city4 0.105 -0.3445 0.2016 1.19
徐州 city5 0.048 0.2353 0.2046 4.96
郑州 city6 0.077 0.3551* 0.1581 7.07
开封 city7 0.051 0.6224** 0.1646 11.96
平顶山 city8 0.051 -0.5304 0.2909 1.82
程度 city9 0.098 0.2991* 0.1527 5.86
自贡 city10 0.051 0.7993** 0.1623 16.32
南充 city11 0.048 0.4291* 0.1798 7.50
兰州 city12 0.104 0.1415 0.1591 5.20
平凉 city13 0.051 0.2386 0.1934 5.47
健康 hea1 0.922 -- -- 5.47
不健康 hea2 0.078 0.2681** 0.0800 9.53
住户人数 nmh 3.228 0.0892* 0.0429
nmh=1 3.32
nmh=2 3.55
nmh=3 3.59
nmh=4 6.62
nmh=5 8.10
cons -2.7586** 0.2164
No. of obs 12060
Wald chi2 496.0
Pseudo R2 0.123
Log -2338.5
Likelihood
注：（1）标准误差是经过家庭成员聚类后调整的。（2）**和*表示系数在1%和5%的水平上是显著的。
综上所述，我们的分析显示，有下列特征的家庭或个人较容易陷入贫困：失业或下岗、因健康状况不佳而不能工作或者是家务劳动者、受教育水平低、在城市集体企业或非正式部门工作、或者是非熟练工人。 在这些特征中失业或下岗是最重要的因素。
表6-2(略)、1999年利用户主特征进行的城镇个人陷入贫困的probit 分析和概率预测，
注：（1）标准误差是经过家庭成员聚类后调整的。（2）**和*表示系数在1%和5%的水平上是显著的。
七、暂时贫困、长期贫困和自愿贫困
决策时要区分长期贫困和暂时贫困，这一点很清楚。考虑到这一区别，决策者才能够以长期贫困的人群为扶贫对象。在经济结构和经济制度的转型过程中，无法适当调整自身行为的人群比较容易陷入暂时贫困。种植业收入出现波动的农村地区发生暂时贫困的可能性也更高（乔斯纳和拉夫里昂，1998）。区分两种贫困的传统做法是观察一个家庭或个人是否一直处于贫困状态。因此，如果有人长期生活在贫困线以下，那么用固定样本数据就可以区分这些长期贫困的人群。但就我们所知，目前尚未有人用截面数据来研究如何区分长期贫困和暂时贫困。我们则试图综合使用收入贫困和消费贫困的研究方法来区分贫困人口中的长期贫困人群。我们把长期贫困定义为这样一种状况，处于这种状况的人群的收入和消费都低于贫困线。这意味着他们没有储蓄也无法借钱来维持高于贫困线的消费水平。暂时贫困则可以相应地定义为这样一种状况，处于这种状况的人群虽然收入低于贫困线，但是他们的消费却高于贫困线。
为什么这些人的消费能高于他们挣到的收入呢？一个可能的原因是他们有储蓄或者能够借钱消费。此外，我们提出了一个新的贫困概念， 即“自愿贫困”。自愿失业是指：即使家庭的收入高于贫困线，仍选择或必须把消费水平控制在贫困线以下。
图1展示了这三种类型的贫困，即长期贫困、暂时贫困和自愿贫困。图中，Y表示收入，C表示消费，PL是贫困线。图中有A、B、C三个区域。如果一个贫困人口落入A区，其收入和消费都低于贫困线，我们认为此人陷入了长期贫困。如果一个人落在B区，则此人是自愿贫困，而落在C区的则是暂时贫困。
(图1略)
A=长期贫困
B=自愿贫困
C=暂时贫困
不论用收入还使用消费衡量，根据我们的样本所定义的贫困人口占城镇人口的11.4%。其中，30%是长期贫困，18%是暂时贫困，52%是自愿贫困。
八、 对政府政策作用的评价
至少从1998年开始，中国政府加强了扶贫政策的实施力度，一方面对城镇贫困人口给予资金帮助，另一方面，为因有失业人口的而陷入贫困的城市家庭提供就业机会。这种情况引发了一个问题，即政府政策对缓解城市贫困有多大的作用？为测算政策效果，我们进行了一个模拟分析。问题是如果从家庭收入中扣除失业救济和其他补贴，那么样本数据中的贫困发生率能降低多少？
假设没有政府的失业救济和其他补助，表7-1列出了样本城市的模拟的贫困发生率。模拟的结果表明，政府扶贫工作的作用非常有限。如果政府不给城市家庭提供失业救济和补助，贫困发生率会增加，但是1999年的增加幅度不到10%。这表明，目前的扶贫政策仅仅使贫困发生率降低了不到10%。 然而，扶贫政策更侧重于最贫困的人群，这表现为政策实施后的贫困距和加权贫困距指数明显下降。例如，如果政府不为贫困家庭提供资金援助，贫困距和加权贫困距将分别上升28%和54%。
表7-1还清楚地显示，各省市扶贫政策对减少贫困的效果有所不同。贫困指数，不论有无政府的资金帮助，都可以用来评价下级政府扶贫工作的效果。模拟分析显示，各级政府对贫困户都提供了资金帮助，但差别很明显。 一个总趋势是富裕省份和城市的政府比较愿意为贫困人口提供资金帮助，提供资助的范围较广，数量较多。以南京为例，政府资助减少了约41%的贫困发生率，77%的贫困距和190%的加权贫困距。相反，河南开封市的情行就大为不同：贫困率保持不变，贫困距仅仅下降了8%，加权贫困距降低了不足20%。这种情况下，地方政府只为贫困人口提供了很少的资助。
表7-1、1999年分城市的中国城镇贫困指数模拟分析
绝对值 实际贫困指数增加的百分比 （%）
人头指数(%) 贫困距(x100) 加权贫困 人头指数(%) 贫困距(x100) 加权贫困
距(x100) 距(x100)
北京 3.51 0.90 0.46 116.2 138.5 200
辽宁 7.54 107.1
沈阳 6.42 1.36 0.56 106.1 110.6 116.7
锦州 10.02 2.66 0.94 108.8 137.1 167.9
江苏 3.03 127.3
南京 1.66 0.46 0.29 140.7 176.9 290
徐州 6.01 1.05 0.31 120.7 181.0 238.5
河南 7.62 105.8
郑州 8.16 3.10 2.05 113.3 131.9 148.6
开封 11.8 4.11 2.18 100.0 108.2 119.1
平顶山 2.62 1.19 0.92 115.9 208.8 340.7
四川 10.21 113.1
成都 6.69 1.76 0.87 112.8 123.1 124.3
自贡 18.99 6.32 3.09 115.8 132.2 149.3
南充 8.03 1.53 0.46 107.1 123.4 139.4
甘肃 5.38 100.0
兰州 5.17 1.25 0.56 100.0 122.5 155.6
平凉 5.81 0.59 0.59 100.0 154.1 203.4
样本总计 6.44 1.79 0.83 109.5 127.9 153.7
资料来源：1999年调查数据
九、结论和政策含义
中国的城市贫困作为一种新现象近来已经得到了人们越来越多的关注，包括国内的学术界和决策者都很关心这一问题。虽然，城市地区贫困的增加不利于政治经济的稳定，人们对此也无异议，但是，几乎没有对有关问题的全面而深入的研究，如贫困的规模和强度，引发贫困的主要原因等。本文的贡献在于利用所选城市的住户调查数据，测算了1999年分省市和人群组的贫困指标。我们的估算标明，与多数发展中国家相比，中国城镇贫困并不严重，但是有明显的地区特征。和沿海城市相比，西部地区更有可能出现贫困。小城市也比大城市更容易出现贫困问题。
对贫困原因的分析表明，失业与下岗是中国城市发生贫困的及其重要的原因。我们仍然利用probit 模型，计算结果证实，如果家庭成员或户主失业下岗，那么可以预测这些人陷入贫困的概率比普通人高出3-6倍。此外家庭成员或户主有残疾是另一个重要变量；受教育少和缺乏技能也会增加贫困的概率。各省市的贫困发生率都不同，这一部分是由于各地就业机会的差异，另一部分是由于各地在执行政府扶贫政策时的差异。 就城镇整体而言，政府扶贫政策的效果也并不突出。虽然中央政府提出了扶贫政策， 但是政策的实施情况值得质疑。
我们的模拟分析表明，在中国城镇，增加就业是解决贫困问题的适当方案。 对于长期处于贫困的住户而言，有效的做法可能就是为他们提供资金援助。
参考文献：
Simon Appleton, John Knight, Lina Song and Qingjie Xia, (2000) “Towards a
Competitive Labour Market? Urban Workers, Rural-urban Migrants, Redundancies
and Hardship in Urban China “, Paper for AEA Annul Conference 2000,
December 2000.
Foster, J., J. Greer, and E. Thorbeche, (1984) “A Class of Decomposable
Poverty Measures,” Econometrica, 52.
Gustafsson,-Bjorn and Li,-Shi, (1988) “The Structure of Chinese Poverty, 1988”,
Developing-Economies, 36(4), December 1998, pages 387-406.
Gustafsson,-Bjorn and Wei, Zhong (2000) “ Research Notes - How and Why has
Poverty in China Changed? A Study Based on Microdata for 1988 and 1995 “,
China Quarterly, Dec. 2000, pp 983-1006.
劳动科学研究所，2000，“利用样本数据对沈阳和武汉下岗职工状况的分析报告”。《研究论坛》2000年8月第19期Institute of Labour Science, 2000 “ Analytical Report of Situation of Xiagang
Workers in Shenyang and Wuhan Using Sample Data”. Research Forum (in Chinese),
No. 19, August 2000.
Jyotsna and Ravallion, 1998 “Transient Poverty in Postreform Rural China”,
Journal of Comparative Economics; 26(2), June 1998, pages 338-57.
Khan, Azizur Rahman, “Growth and Poverty in East and South-East Asia in the Era
of Globalization”, in Bhalla, A. S., ed. Globalization, growth and marginalization.
New York: St. Martin's Press; London: Macmillan Press; 1998, pages 125-48.
Knight, John, 2000, “Trends in Poverty, Inequality and the Achievement of
International Development Targets in China”, Paper prepared for the DFID
China Programme Retreat, 29 June, 2000.
统计局，2000，《中国统计年鉴2000》，中国统计出版社，北京
统计局和劳动和社会保障部, 2000, 《中国劳动统计年鉴》，中国统计出版社，北京.
Ren Caifang and Chen Xiaojie, 1996, “Size, Situation and trend of Poverty in
Urban China”, Research R eference, No. 65, 1996. ( in Chinese)
Sen, A., 1976, "Poverty : An Ordinal Approach to Measurement", Econometrica, 44.
World Bank, 1992, Strategies for Reducing Poverty in China. Washington, D.C. 1992.
附录 表 6-1(略)
注： （1）标准误差是经过家庭具类调整过的。（2）**和* 表示系数在1% 和5%的水平上是显著的。
附录 表6-2(略)
注： （1）标准误差是经过家庭具类调整过的。（2）**和* 表示系数在1% 和5%的水平上是显著的。
--------------------------------------------------------------------------------
注释:
[1] 本文所用数据来自１９９９年的城市家庭调查。该项调查由福特基金资助。约翰 奈特提出了意见并对文字做了修改， 作者对此深表感谢。
[2]
[3]
[4]平顶山市例外。因为和省俯城市郑州相比，平顶山的人均收入较高，而失业率较低。
一、前言
贫困一向被看作是中国农村的一种现象。然而自1995年以来由于公有制企业的重组，中国的城市贫困已经成为一个引人注目问题。 根据官方统计，1999年失业和下岗的职工人数已达1200万（NSB, 2000）。这一问题关系到社会的稳定，中央政府对此也日益关注。
城市贫困是九十年代后期出现的新问题，也被称为“新贫困”（Knight, 2000）。人们认为这与城市职工的失业和下岗有关。对此，政府的主要政策是给失业和下岗职工提供资金支持，但这一政策在各省市的执行情况并不令人满意。大量的下岗职工并未能从地方政府和企业得到他们应得的资助款项（劳动科学研究所，２０００）
这种情况下， 研究中国城市的贫困规模以及失业和贫困发生率的关系就是很有意思的题目。为研究这些问题，我们计算了样本城市和分组数据的贫困发生率和贫困强度指标，然后用probit 模型分析了个人陷入贫困的概率和下岗失业的关系。研究结果表明贫困发生率并不像某些发展中国家的城市地区那么高，但是高于官方发布的数据。我们的研究结果还表明贫困和失业有着很强的相关性，城市贫困主要的原因就是城市职工下岗失业的人数增加了。
本文分为以下几部分。第二部分是中国城市贫困问题的有关研究文献。第三部分说明本文所采用的贫困线。第四部分是数据情况。第五部分是贫困发生率的分析结果以及按家庭和个人特征的分组分析。第六部分着重分析了城市家庭贫困增加的原因。第七部分提出了贫困的新概念，即“自愿贫困”，这是与长期贫困和暂时贫困相联系的。实证分析说明了城市贫困有别于这三种贫困。第八部分以模拟分析为基础，对缓解城市贫困的政府政策进行了评价。最后一部分提出了研究结果及其政策含义。
二、文献述评
直到九十年代中期决策者和学者均未把城市贫困看作是一个大问题。因此，与农村贫困的大量研究文献相比，在此领域可参考的文献不多。但是尽管各种估算的的结果差别很明显，有些研究仍值得一提，。根据基本生活消费的假设和统计局公布的收入分配的分组数据，世界银行对1978-1990年间中国的贫困状况进行了时间序列分析（World Bank, 1992）.他们的估算显示中国城市的贫困问题很小，八十年代的城市贫困人口不到１％。 阿齐兹 卡恩（１９８８）利用中国社科院的两次调查数据估算了１９８８和１９９５两年中国城市的贫困发生率。他发现如果采用经调整的标准的贫困线[2]，这两年的贫困发生率分别是6.7%和8.0%。更有意思的是，他的估算显示，如果采用极端贫困线， 这两年间的贫困发生率将有较大的提高。采用同样的１９８８年的数据，以及国家的相对贫困线，这一贫困线相当于个人人均可支配收入的一半，古斯塔夫森和李实（１９９７）估计中国城市的贫困发生率不到１％，和中国农村的数字相比非常之低。古斯塔夫森和魏众（２０００）重新计算了１９９５年全国的相对贫困线， 据他们估算，城市贫困率相当于１９８８年的４６％[3]。国家统计局的课题组在九十年代初期提出了中国城市贫困发生率的另一种估算。他们的数据显示１９９１到１９９５年城市贫困发生率在４％和６％之间（Ren and Chen, 1996）
三、对贫困线的说明
为了度量贫困发生率和贫困强度，需要用贫困线来划分贫困家庭和个人。绝对贫困线可以收入或消费做基础，前者可称为收入贫困线， 后者则可称为消费贫困线。当把贫困定义为收入不足以维持最低生活水平时，用以维持最低生活的费用要用货币表示。定义贫困人口的生活费用的传统做法有两个步骤。首先确定满足最低营养需求的一组食品及其成本。然后， 给定食品贫困线，一旦确定了食品支出占总支出的比例， 就可以得到收入贫困线。
本文在定义贫困线时，采用了国家统计局认可的贫困线。统计局的研究人员利用１９９８年的家庭调查数据估算了当年中国不同省份的城市食品贫困线。这份数据包括了１７０００户城市家庭，但是不包括从农村进入城市的流动人口。我们采用的是统计局相关省份的食品贫困线，详细内容请参见表１。
为了得到可靠的贫困线，估算非食品支出占消费总支出的比重非常重要。我们用以下公式测算贫困线，即：PL=PLf +PLnf =PLf(1 + Rnf), 其中，PL是总体的贫困线，PLf 是食品贫困线，PLnf 是非食品贫困线，而Rnf 是非食品支出占食品支出的比率。显然，如果假定非食品支出的比例较高，那么贫困线会较高。 统计局根据恩格尔系数的平均水平认定非食品支出占食品支出的三分之二属于城市贫困。但这种算法不适合中国的情况。 考虑到有关消费支出最低的百分之十的家庭的统计量，1999年城市的非食品支出占全部食品支出的比率将近90%。用这一指标，我们得出的贫困线要高于统计局的估算。各样本省份的贫困线请参见表1。
表1、1999年样本省份的城市贫困线
省/市 统计局的食品贫困线1998 食品价格指数1999 食品贫困线1999 各省平均的贫困线
北京 2078 0.977 2030 3830
辽宁 1280 0.951 1217 2296
江苏 1512 0.950 1436 2709
河南 1072 0.946 1014 1913
四川 1289 0.957 1234 2328
甘肃 1112 0.956 1063 2006
资料来源：王有娟 《中国的贫困指标》，待出版，2000
注：各省市的贫困线按以下公式计算：食品贫困线 X (1+Rnf), 其中， Rnf 是中国城市收入最低的10% 的家庭的非食品支出占食品总指出的比例。1999年的Rnf 是0.887。
不同规模城市的生活费用是不同的，因而城市的贫困线不同于分省的贫困线。由于缺乏准确的地区的生活费用数据，我们只能依靠主观判断来对城市贫困线进行调整。根据分省的贫困线，省俯城市的贫困线上调5%，其他城市的贫困线则下调5%[4]。表2列出了调整后的样本城市的贫困线。我们的测算表明，不论是人均收入的绝对值还是相对的百分数，各省市的贫困线是不同的。北京由于生活费用高，其贫困线是13个被调查城市中最高的，比郑州高90%， 比开封高110%。从城市人均收入的百分比看，城市贫困线的范围在人均收入的34%到47%之间。不仅如此，它们与收入水平负相关，即意味着较富裕城市以人均收入的百分比衡量的贫困线较低。
表2、1999年经调整的城市贫困线
1999
省市 经调整的城市贫困线 人均货币收入 以人均收入的百分比衡量的贫困线
北京 3830 9807 39
辽宁
沈阳 2410 5483 44
锦州 2181 4966 44
江苏
南京 2845 8356 34
徐州 2574 6734 38
河南
郑州 2009 5659 36
开封 1817 4145 44
平顶山 2009 5865 34
四川
成都 2444 6408 38
自贡 2212 4727 47
南充 2212 5395 41
甘肃
兰州 2106 5220 40
平凉 1906 4525 42
资料来源：1999年城镇家庭调查
注：经调整的城市贫困线由表1所列的分省的贫困线推算得到的。省俯的贫困线由表1 数据乘以1.05, 其他城市乘以0.95。
四、数据说明
2000年在中国国家统计局的协助下进行了一次住户调查，本文所用数据即来自此次调查。数据主要反映的是1999年的情况。调查覆盖了五个省和一个直辖市，即：辽宁、江苏、河南、四川、甘肃和北京。除了北京以外，在五省中选出了12个城市，四川和河南等大省份选三个城市，辽宁等小省份选两个城市。五个省俯城市都是调查对象，所以此次调查偏重于大城市。调查数据包括5300个住户，其中，4500户是有城镇户口的正式的城镇住户，800户是农村流动人口的家庭。在有城镇户口的住户中，又专门抽选了500户1999年有失业或下岗成员的住户。
抽样过程如下。五个省份代表五大地区，例如，辽宁代表东北地区，江苏代表沿海地区，河南代表华中地区，四川代表西南地区，甘肃则代表西北地区。北京代表四个直辖市。为了加强样本对所在城市的代表性，每个省份只限于选取两三个城市。样本分布基本上是根据省市的人口比率确定的。有城市户口的住户是从统计局的大样本中抽取的，农村流动户则是通过居委会另外抽取。在本文中我们只采用有城镇户口的住户样本。
问卷是课题组成员根据研究框架设计的，分为三类问卷，包括有城市户口的住户调查问卷，农村流动住户问卷以及失业下岗人员问卷。城市住户问卷和农村流动户的问卷中的问题分为两部分，一部分是针对个人的问题，另一部分是针对住户的。因此，调查数据包含个人信息， 有些是关于个人特征的，如：性别、年龄、受教育情况、是否是党员、就业状况及健康状况；另外一些问题则是关于职业特征的，如：工作单位的所有制类型、职业、任期、工作单位的盈利情况及所在行业等。个人信息的一个重要内容就是个人收入及收入构成。住户信息的重点是家庭消费、财产和住房条件等。
五、贫困发生率和贫困结构
找到可靠的贫困线对于贫困的度量是极为重要的。自从森的论文发表以来（1976），人们不仅要计算贫困人口数，而且要设法在衡量整体的贫困时把贫困程度和不平等因素考虑进去，对此，人们提出了各种建议和意见。在近期的研究中，最常用的是福斯特等人提出的另一套指标（1984）：
(公式略)
其中，Zi 是贫困线，yi 是第i个人的收入，其收入低于贫困线；gi = Zi – yi 是第i个人的贫困距；α是参数，其数值越大贫困距的权重越大。α=0 时，FGT成为贫困的人头指数的比重，α=1 时，FGT是成比例贫困距，α= 2 时，FGT则成为成比例贫困距的平方（加权贫困距），它对贫困人口的收入分配更为敏感。
在应用上述公式时，我们首先用计算了各样本省市的贫困发生率。我们给出了一些假定，在这些假定条件下，我们估算了1999年中国城市整体的贫困发生率。计算结果列在表3中。从中可以发现，不论样本加权与否，城市贫困在5%-6%之间。有了这一贫困发生率，我们可以认为1999年城镇贫困人口在1950万到2330万。然而需要注意的是这些数据不涉及农村流动户，而他们的贫困发生率可能较高。
表3、1999年城市的贫困发生率
省 市 不加权样本的 加权样本的 各省加权的 各省加权的
贫困发生率（%） 贫困发生率(%)I 贫困发生率（%）II 贫困发生率（%） III
北京 3.02 3.02 3.02 3.02
辽宁 7.04 6.55 6.49 8.21
沈阳 6.05
锦州 9.21
江苏 2.38 2.29 2.21 3.67
南京 1.18
徐州 4.98
河南 7.20 7.15 7.10 6.86
郑州 7.20
开封 11.80
平顶山 2.26
四川 9.03 7.77 7.73 10.90
成都 5.93
自贡 16.40
南充 7.50
甘肃 5.38 5.30 5.34 5.41
兰州 5.17
平凉 5.81
样本总计 5.88 5.50 5.02 5.98
注：加权样本I是通过省内城市样本加权得到的；加权样本II是通过各省间城市样本加权得到的；加权样本III是用不同规模的城市人口对城市样本加权得到的。
表3 也显示了城市间和各省之间贫困发生率的差异。江苏和北京的城市贫困发生率低于其他省份，而四川和河南贫困发生率较高，分别达到54%和22%，高于城市地区的平均水平。 十三个城市中，河南开封和四川自贡的贫困发生率尤其高，请参见表3。
我们还计算了各样本省市的贫困距和加权贫困距指标（见表4）。贫困距指标测量的是贫困人口的收入与所定义的贫困线之间的差距。加权贫困距衡量的则是贫困人口的收入不均的情况。从中可以看出，如果一个城市较多的贫困人口的收入远远低于贫困线，而且贫困人口的收入差距较大，那么它的贫困距指标和加权贫困距指标作为平均收入百分比的数值就会较高。例如， 从表4 可以看出， 和平均水平相比，郑州市的贫困率较高达122%，其贫困距则高达167%，加权贫困距高达255%。1999年，郑州市有一大部分贫困人口的收入远远低于贫困线水平。同样的解释也适用于河南开封和四川成都。与此形成对照的是辽宁沈阳，尤其是锦州，这两个城市有较高的贫困率，但是贫困率和加权贫困率较低，这说明两市贫困人口的平均收入较高。表4中后三栏的指标变化主要取决于政府的扶贫规划，这一问题将在第八部分讨论。
表4、1999年样本城市的贫困指标
绝对值 占平均值（100%）的百分比
人头指数 贫困距 加权贫困距 人头指数 贫困距 加权贫困距
(%) (x100) （x100） (%) (x100) （x100）
北京 3.02 0.65 0.23 51 46 43
辽宁
沈阳 6.05 1.23 0.48 103 87 89
锦州 9.21 1.94 0.56 157 137 103
江苏
南京 1.18 0.26 0.10 20 19 18
徐州 4.98 0.58 0.13 85 41 24
河南
郑州 7.20 2.35 1.38 122 167 255
开封 11.80 0.57 0.27 38 41 50
平顶山
四川
成都 5.93 1.43 0.70 101 102 129
自贡 16.40 4.78 2.07 279 341 383
南充 7.50 1.24 0.33 128 88 61
甘肃
兰州 5.17 1.02 0.36 88 72 67
平凉 5.81 1.09 0.29 99 78 54
样本总计 5.88 1.40 0.54 100 100 100
资料来源：1999年的调查数据。
中国城镇不同的年龄组当中贫困发生率相同吗？女性是否象在别国一样比男性更容易陷入贫困？为了回答这些问题， 我们把样本按性别分为了14个年龄组，分别计算了各组的贫困发生率。计算结果请见表5。从表中可以看出，尽管女性的贫困发生率比男性高出0.76个百分点，贫困发生率的性别差异却并不显著。此外，表5 还显示了不同年龄组的贫困发生率的温和差异。城市中，年轻人比老年人更容易陷入贫困。值得注意的是21-25岁和51-55岁的人口的贫困发生率明显低于其他年龄组。这两组人很可能是同一家庭的两代人。如果这两代人同时是就业人员，那么赡养率则较低。这肯定了我们的假设，即城市贫困与失业的关系较为密切。和其他国家对照来看，中国城镇退休人员的贫困发生率并不低。表5中60岁以上的年龄组的情况可以说明这一点，70岁以上的例外。年龄最高的人群贫困发生率较高，这基本上是由于这一组的女性的贫困发生率相当高。我们的数据显示，这一组人群中，只有50%的女性是退休人员，而男性退休人员达到91%。
为了揭示就业状况和贫困发生率的关系，我们计算了就业状况不同的个人的贫困发生率。全部个人样本根据其1999年底的就业状况分成了十组。每组又根据健康状况分为健康和不健康两个小组，相应地，我们分别计算了这两个小组的贫困发生率。计算结果请参见表6。
表6、 根据健康和就业情况计算的贫困发生率
就业状况 贫困发生率 (%) 占平均值（100%）的百分比
全部样本 健康 不健康 全部样本 健康 不健康
1.工作或就业 3.60 3.47 8.61 100 96 239
2.退休 3.33 3.06 4.30 100 92 129
3.待业 12.00 11.52 25.00 100 96 208
4.下岗 23.02 22.30 31.43 100 97 137
5.失业 20.87 18.69 50.00 100 90 240
6.提前退休 5.42 4.14 14.29 100 76 264
7.家务劳动者 17.86 16.75 21.82 100 94 122
8.残疾，受伤
或长期卧病 26.19 -- 26.19 100 -- 100
9.学生 7.06 7.10 0.00 100 101 0
样本总计 5.88 5.56 9.64 100 95 164
资料来源：1999年的调查数据
注：“其他”类主要包括学前儿童，被省略。
显而易见， 有三组样本的贫困发生率最高，分别是下岗职工、失业人员和残疾人员，各组的贫困率分别是23%、21%和26%。家务劳动者和从未就业的人也有较高的贫困发生率。此外，有不良健康情况的人比健康人群更容易陷入贫困，和全部样本的贫困发生率相比，前者的贫困发生率高64个百分点， 后者则低5个百分点。一个人如果有病而且失业，那么他陷入贫困的可能性有50%，比常人高出10倍。
六、失业对贫困的影响
我们试图在这一部分集中分析失业对贫困发生率的影响，并由此探讨为何有些家庭和个人更容易陷入贫困。人们普遍认为， 贫困的原因随时随地都在变化。然而，贫困与失业、疾病甚至地区有着更为紧密的联系。失业下岗职工的收入会明显下降（阿普尔顿等，2000）这一点不足为奇。在此，我们采用了probit 模型以便于单独分析这些因素的影响程度。因变量是二项分布的，如果样本是贫困人口，则取值为1，不是贫困人口，则取值为0。自变量包括两种类型，其一是个人特征，如：就业状况（EMPi）、健康状况（HEAi）和所在城市（CITYi）,控制变量是年龄组(AGi)、性别（SEX1是男性）以及家庭规模（NMHi）。另一类变量涉及户主特征，包括户主的就业状况(H_EMPi)、健康状况(H_HEAi)、所在城市(H_CITYi)，这些是解释变量；户主年龄(H_Agi)、性别(H_SEXi)、受教育情况(H_EDUi)、职业(H_OCCi)、工作单位的所有制(OWNi)、 行业(H_SECi)、工作单位的类型(H_TYPi)及是否是党员(H_PARi)是控制变量。最后应注意，由于分析对象是个人而非家庭，考虑到聚类的影响，我们的估算是经过调整的。
表6-1显示了probit分析的结果，这一分析是以样本中的个人特征为基础的。表6-2显示了以户主特征为基础的分析结果。每个变量的概率预测是通过计算解释变量和控制变量的相关系数得出的。这些计算结果也在表6-2列出。计算结果非常清楚地表明，不论是个人还是户主的就业状况对贫困与否起着非常重要的影响作用。例如，其他条件不变，待业青年陷入贫困的概率可能是普通人的两倍。对下岗职工和失业人员而言，他们陷入贫困的概率可能增加4倍。当户主是下岗职工时，其家庭成员的贫困发生率则更高，为34%（见表6-2）。这些结果与阿普尔顿等人的发现（2000）是一致的。他们发现城市职工如果失业或下岗，收入将下降56%。为了跟深入地探讨失业对贫困发生率的影响，我们对两组个人样本进行了同样的分析。第一组样本是全职就业人员，第二组则只包括失业或下岗人员。附录表6-2列出了我们的分析结果。在下岗职工和失业人员当中，贫困明显地与户主的下列特征有关：年龄在26-35岁、36-45岁和65岁及65岁以上；是下岗职工；家务劳动者；生活在郑州、自贡和南充三个城市；健康状况不加；受教育少；工作单位是城镇集体企业或非正式部门；不是熟练工人；或者在亏损企业工作。研究结果还显示，即使在就业者当中，户主的某些个人特征对贫困发生率的影响也非常明显，比如是下岗职工、家务劳动者、生活在锦州、自贡和南充、健康状况不加、受教育少、在城镇集体企业工作、临时工或不熟练工。
导致贫困的第二个重要因素是家庭成员或户主有疾病。身体不健康的人陷入贫困的概率比健康人高出74%（表6-1）。户主身体不健康，其家庭成员陷入贫困的概率比户主健康的人家高出135%（表6-2）。
从表6-1和表6-2可以看出，第三个导致较高贫困发生率的重要因素是地区因素。保持其他因素不变，和其他省份相比，住在辽宁、河南和四川的人陷入贫困的风险较高。例如，锦州、开封和自贡的人陷入贫困的概率估计为9%，12%和16%，而中国城镇整体的预估值为5.8%。为什么贫困发生率在各地会不同呢？即使两个省份的贫困程度相似，造成贫困的原因相同吗？为了回答这些问题，我们利用同样的解释变量，对河南和辽宁分别建立了probit 模型。计算结果在附录表6-2中可以看到。数据显示了户主特征对贫困发生率的类似效应。户主特征包括下岗、教育水平低、在城镇集体企业工作和临时工。但是，有些变量影响也有所不同，如健康状况和是否是党员。户主健康状况不佳在辽宁的影响很大，但在河南则不同。相反， 户主是否是党员对贫困发生率的解释在河南比在辽宁强得多。这可能是因为河南更依靠政治上的集中决策。
最后，多数经济学家会预期中国城市妇女陷入贫困的概率较高。若非如此，她们对贫困的绝对作用就会与男性不同。如表6-1所示，我们的分析结果显示，当其他条件不变时，预期的女性陷入贫困的概率比男性高0.6-0.7个百分点。为了证实男性和女性陷入贫困的原因是不同的，我们用性别组估算了probit 模型（附录表6-3a和表6-3b）。但是， 我们的估算显示就户主特征来看，性别差异对增加贫困发生率并没有显著影响。
表6-1、1999年城镇个人陷入贫困的probit 分析和概率预测，利用个人特征
变量名 均值 系数 标准误差 预测的概率(%)
基本概率 5.79
男性 sex1 0.496 -- -- 5.40
女性 sex2 0.504 -0.0478 0.0302 6.17
Age –7岁 ag1 0.036 0.2436 0.1909 7.12
Age 7-15岁 ag2 0.108 0.3832* 0.1578 7.60
Age 16-20岁 ag3 0.077 0.3426* 0.1449 7.08
Age 21-25岁 ag4 0.051 -- -- 3.21
Age 26-30岁 ag5 0.063 0.3341* 0.1600 6.40
Age 31-35岁 ag6 0.072 0.4861** 0.1525 6.51
Age 36-40岁 ag7 0.112 0.4355** 0.1505 5.95
Age 41-45岁 ag8 0.118 0.5532** 0.1499 7.29
Age 46-50岁 ag9 0.110 0.4231** 0.1426 5.41
Age 51-55岁 ag10 0.068 0.0694 0.1580 2.91
Age 56-60岁 ag11 0.053 0.2523 0.1664 4.66
Age 61-65岁 ag12 0.052 -0.2098 0.2121 1.76
Age 66-70岁 ag13 0.043 0.1267 0.1992 4.26
Age 70以上 ag14 0.038 0.1589 0.1955 7.77
工作或就业 emp1 0.480 -- -- 3.55
退休 emp2 0.187 0.1935 0.1011 3.31
待业 emp3 0.019 0.6925** 0.1413 11.37
下岗 emp4 0.037 0.8988** 0.0811 22.74
失业 emp5 0.010 1.0142** 0.1437 21.39
早退 emp6 0.014 0.2028 0.1907 5.68
家务劳动者 emp7 0.021 1.0201** 0.1188 17.71
残疾 emp8 0.009 1.0202** 0.1755 20.82
学生 emp9 0.177 0.3991** 0.1452 7.05
其他 emp10 0.047 0.4605** 0.1604 7.08
北京 city1 0.151 -- -- 2.99
沈阳 city2 0.114 0.3326* 0.1490 6.05
锦州 city3 0.051 0.4870** 0.1718 9.36
南京 city4 0.105 -0.3445 0.2016 1.19
徐州 city5 0.048 0.2353 0.2046 4.96
郑州 city6 0.077 0.3551* 0.1581 7.07
开封 city7 0.051 0.6224** 0.1646 11.96
平顶山 city8 0.051 -0.5304 0.2909 1.82
程度 city9 0.098 0.2991* 0.1527 5.86
自贡 city10 0.051 0.7993** 0.1623 16.32
南充 city11 0.048 0.4291* 0.1798 7.50
兰州 city12 0.104 0.1415 0.1591 5.20
平凉 city13 0.051 0.2386 0.1934 5.47
健康 hea1 0.922 -- -- 5.47
不健康 hea2 0.078 0.2681** 0.0800 9.53
住户人数 nmh 3.228 0.0892* 0.0429
nmh=1 3.32
nmh=2 3.55
nmh=3 3.59
nmh=4 6.62
nmh=5 8.10
cons -2.7586** 0.2164
No. of obs 12060
Wald chi2 496.0
Pseudo R2 0.123
Log -2338.5
Likelihood
注：（1）标准误差是经过家庭成员聚类后调整的。（2）**和*表示系数在1%和5%的水平上是显著的。
综上所述，我们的分析显示，有下列特征的家庭或个人较容易陷入贫困：失业或下岗、因健康状况不佳而不能工作或者是家务劳动者、受教育水平低、在城市集体企业或非正式部门工作、或者是非熟练工人。 在这些特征中失业或下岗是最重要的因素。
表6-2(略)、1999年利用户主特征进行的城镇个人陷入贫困的probit 分析和概率预测，
注：（1）标准误差是经过家庭成员聚类后调整的。（2）**和*表示系数在1%和5%的水平上是显著的。
七、暂时贫困、长期贫困和自愿贫困
决策时要区分长期贫困和暂时贫困，这一点很清楚。考虑到这一区别，决策者才能够以长期贫困的人群为扶贫对象。在经济结构和经济制度的转型过程中，无法适当调整自身行为的人群比较容易陷入暂时贫困。种植业收入出现波动的农村地区发生暂时贫困的可能性也更高（乔斯纳和拉夫里昂，1998）。区分两种贫困的传统做法是观察一个家庭或个人是否一直处于贫困状态。因此，如果有人长期生活在贫困线以下，那么用固定样本数据就可以区分这些长期贫困的人群。但就我们所知，目前尚未有人用截面数据来研究如何区分长期贫困和暂时贫困。我们则试图综合使用收入贫困和消费贫困的研究方法来区分贫困人口中的长期贫困人群。我们把长期贫困定义为这样一种状况，处于这种状况的人群的收入和消费都低于贫困线。这意味着他们没有储蓄也无法借钱来维持高于贫困线的消费水平。暂时贫困则可以相应地定义为这样一种状况，处于这种状况的人群虽然收入低于贫困线，但是他们的消费却高于贫困线。
为什么这些人的消费能高于他们挣到的收入呢？一个可能的原因是他们有储蓄或者能够借钱消费。此外，我们提出了一个新的贫困概念， 即“自愿贫困”。自愿失业是指：即使家庭的收入高于贫困线，仍选择或必须把消费水平控制在贫困线以下。
图1展示了这三种类型的贫困，即长期贫困、暂时贫困和自愿贫困。图中，Y表示收入，C表示消费，PL是贫困线。图中有A、B、C三个区域。如果一个贫困人口落入A区，其收入和消费都低于贫困线，我们认为此人陷入了长期贫困。如果一个人落在B区，则此人是自愿贫困，而落在C区的则是暂时贫困。
(图1略)
A=长期贫困
B=自愿贫困
C=暂时贫困
不论用收入还使用消费衡量，根据我们的样本所定义的贫困人口占城镇人口的11.4%。其中，30%是长期贫困，18%是暂时贫困，52%是自愿贫困。
八、 对政府政策作用的评价
至少从1998年开始，中国政府加强了扶贫政策的实施力度，一方面对城镇贫困人口给予资金帮助，另一方面，为因有失业人口的而陷入贫困的城市家庭提供就业机会。这种情况引发了一个问题，即政府政策对缓解城市贫困有多大的作用？为测算政策效果，我们进行了一个模拟分析。问题是如果从家庭收入中扣除失业救济和其他补贴，那么样本数据中的贫困发生率能降低多少？
假设没有政府的失业救济和其他补助，表7-1列出了样本城市的模拟的贫困发生率。模拟的结果表明，政府扶贫工作的作用非常有限。如果政府不给城市家庭提供失业救济和补助，贫困发生率会增加，但是1999年的增加幅度不到10%。这表明，目前的扶贫政策仅仅使贫困发生率降低了不到10%。 然而，扶贫政策更侧重于最贫困的人群，这表现为政策实施后的贫困距和加权贫困距指数明显下降。例如，如果政府不为贫困家庭提供资金援助，贫困距和加权贫困距将分别上升28%和54%。
表7-1还清楚地显示，各省市扶贫政策对减少贫困的效果有所不同。贫困指数，不论有无政府的资金帮助，都可以用来评价下级政府扶贫工作的效果。模拟分析显示，各级政府对贫困户都提供了资金帮助，但差别很明显。 一个总趋势是富裕省份和城市的政府比较愿意为贫困人口提供资金帮助，提供资助的范围较广，数量较多。以南京为例，政府资助减少了约41%的贫困发生率，77%的贫困距和190%的加权贫困距。相反，河南开封市的情行就大为不同：贫困率保持不变，贫困距仅仅下降了8%，加权贫困距降低了不足20%。这种情况下，地方政府只为贫困人口提供了很少的资助。
表7-1、1999年分城市的中国城镇贫困指数模拟分析
绝对值 实际贫困指数增加的百分比 （%）
人头指数(%) 贫困距(x100) 加权贫困 人头指数(%) 贫困距(x100) 加权贫困
距(x100) 距(x100)
北京 3.51 0.90 0.46 116.2 138.5 200
辽宁 7.54 107.1
沈阳 6.42 1.36 0.56 106.1 110.6 116.7
锦州 10.02 2.66 0.94 108.8 137.1 167.9
江苏 3.03 127.3
南京 1.66 0.46 0.29 140.7 176.9 290
徐州 6.01 1.05 0.31 120.7 181.0 238.5
河南 7.62 105.8
郑州 8.16 3.10 2.05 113.3 131.9 148.6
开封 11.8 4.11 2.18 100.0 108.2 119.1
平顶山 2.62 1.19 0.92 115.9 208.8 340.7
四川 10.21 113.1
成都 6.69 1.76 0.87 112.8 123.1 124.3
自贡 18.99 6.32 3.09 115.8 132.2 149.3
南充 8.03 1.53 0.46 107.1 123.4 139.4
甘肃 5.38 100.0
兰州 5.17 1.25 0.56 100.0 122.5 155.6
平凉 5.81 0.59 0.59 100.0 154.1 203.4
样本总计 6.44 1.79 0.83 109.5 127.9 153.7
资料来源：1999年调查数据
九、结论和政策含义
中国的城市贫困作为一种新现象近来已经得到了人们越来越多的关注，包括国内的学术界和决策者都很关心这一问题。虽然，城市地区贫困的增加不利于政治经济的稳定，人们对此也无异议，但是，几乎没有对有关问题的全面而深入的研究，如贫困的规模和强度，引发贫困的主要原因等。本文的贡献在于利用所选城市的住户调查数据，测算了1999年分省市和人群组的贫困指标。我们的估算标明，与多数发展中国家相比，中国城镇贫困并不严重，但是有明显的地区特征。和沿海城市相比，西部地区更有可能出现贫困。小城市也比大城市更容易出现贫困问题。
对贫困原因的分析表明，失业与下岗是中国城市发生贫困的及其重要的原因。我们仍然利用probit 模型，计算结果证实，如果家庭成员或户主失业下岗，那么可以预测这些人陷入贫困的概率比普通人高出3-6倍。此外家庭成员或户主有残疾是另一个重要变量；受教育少和缺乏技能也会增加贫困的概率。各省市的贫困发生率都不同，这一部分是由于各地就业机会的差异，另一部分是由于各地在执行政府扶贫政策时的差异。 就城镇整体而言，政府扶贫政策的效果也并不突出。虽然中央政府提出了扶贫政策， 但是政策的实施情况值得质疑。
我们的模拟分析表明，在中国城镇，增加就业是解决贫困问题的适当方案。 对于长期处于贫困的住户而言，有效的做法可能就是为他们提供资金援助。
参考文献：
Simon Appleton, John Knight, Lina Song and Qingjie Xia, (2000) “Towards a
Competitive Labour Market? Urban Workers, Rural-urban Migrants, Redundancies
and Hardship in Urban China “, Paper for AEA Annul Conference 2000,
December 2000.
Foster, J., J. Greer, and E. Thorbeche, (1984) “A Class of Decomposable
Poverty Measures,” Econometrica, 52.
Gustafsson,-Bjorn and Li,-Shi, (1988) “The Structure of Chinese Poverty, 1988”,
Developing-Economies, 36(4), December 1998, pages 387-406.
Gustafsson,-Bjorn and Wei, Zhong (2000) “ Research Notes - How and Why has
Poverty in China Changed? A Study Based on Microdata for 1988 and 1995 “,
China Quarterly, Dec. 2000, pp 983-1006.
劳动科学研究所，2000，“利用样本数据对沈阳和武汉下岗职工状况的分析报告”。《研究论坛》2000年8月第19期Institute of Labour Science, 2000 “ Analytical Report of Situation of Xiagang
Workers in Shenyang and Wuhan Using Sample Data”. Research Forum (in Chinese),
No. 19, August 2000.
Jyotsna and Ravallion, 1998 “Transient Poverty in Postreform Rural China”,
Journal of Comparative Economics; 26(2), June 1998, pages 338-57.
Khan, Azizur Rahman, “Growth and Poverty in East and South-East Asia in the Era
of Globalization”, in Bhalla, A. S., ed. Globalization, growth and marginalization.
New York: St. Martin's Press; London: Macmillan Press; 1998, pages 125-48.
Knight, John, 2000, “Trends in Poverty, Inequality and the Achievement of
International Development Targets in China”, Paper prepared for the DFID
China Programme Retreat, 29 June, 2000.
统计局，2000，《中国统计年鉴2000》，中国统计出版社，北京
统计局和劳动和社会保障部, 2000, 《中国劳动统计年鉴》，中国统计出版社，北京.
Ren Caifang and Chen Xiaojie, 1996, “Size, Situation and trend of Poverty in
Urban China”, Research R eference, No. 65, 1996. ( in Chinese)
Sen, A., 1976, "Poverty : An Ordinal Approach to Measurement", Econometrica, 44.
World Bank, 1992, Strategies for Reducing Poverty in China. Washington, D.C. 1992.
附录 表 6-1(略)
注： （1）标准误差是经过家庭具类调整过的。（2）**和* 表示系数在1% 和5%的水平上是显著的。
附录 表6-2(略)
注： （1）标准误差是经过家庭具类调整过的。（2）**和* 表示系数在1% 和5%的水平上是显著的。
--------------------------------------------------------------------------------
注释:
[1] 本文所用数据来自１９９９年的城市家庭调查。该项调查由福特基金资助。约翰 奈特提出了意见并对文字做了修改， 作者对此深表感谢。
[2]
[3]
[4]平顶山市例外。因为和省俯城市郑州相比，平顶山的人均收入较高，而失业率较低。