本研究主要应用了两种数据来源：一是2007-2009年的农村家计调查数据，分别来自CHIP (China Household Income Project) 和RUMiC (Rural UrbanMigration in China) ，文中简称为CHIP数据；二是2007-2009年民政部（MOCA）公布的农村低保标准、支付额和总支出的县级数据。用CHIP覆盖的县级数据与MOCA相对照，匹配构建了年度数据集合。CHIP数据覆盖82个县，其中的77个县找到了与MOCA相对应的数据。
CHIP数据覆盖9个省份、8000多个农村家庭、30000多人口，跨越中国东部、中部和西部的一半人口区域。CHIP数据的农村样本是国家统计局（NBS）年度农村家计调查样本的子集，但是与NBS按比例代表全部省份不同，CHIP抽了9个有代表性的省区，排除了贫困较集中的自治区。为与全国人口数据相匹配，本研究中的部分数据被赋以相应的权重系数。相对于MOCA，CHIP的数据信息更丰富，并具体到村、家庭和个人。但如表2所示，CHIP数据受规模所限，只能进行全国整体分析，拆分到县级则数据样本太小。
2007-2009年，全国人均贫困线、全国人均低保线和全国人均年度低保支付额均逐年提高，如表1、2、3所示。其中，表1 的数据跨度从2006年到2013年。
图1显示，县级人均年度低保线差异极大，2007年和2008年，低收入地区仅为人均500元，高收入地区则达到人均3000多元，2009年高收入地区达到人均4000元以上。
图2表明，2008年和2009年的县级和村级人均年度低保支付额都存在极大的地区差异，村级数据的差幅大于县级数据，因为县级数据将县内各村的数据进行了平均，抹杀了县内的差异性。
表4给出了样本数据及官方数据的低保参与率对比。整体上，2007-2009年的低保参与率逐年上升。CHIP数据显示的低保参与率低于全国官方数据，即使单个省比较仍明显偏低。可能是因为CHIP调查中家庭成员隐瞒了参与低保的事实，也可能因为官方数据虚报了低保参与率。从表4可以看出，河北的CHIP参保率和官方数据差异最大，广东的差异最小。同时，就CHIP数据内部比较，省级低保参与率差异较大，从河北和浙江的低于0.5%到广东和重庆的5-6%。官方数据内部也显示出同样的差异性。这反映出地方的低保标准、融资能力、执行能力、家庭收入及资格审查等方面存在巨大的差异。富裕地区支付额高，贫困地区支付额低，导致整体更大的偏差。
图3展现了按县级数据计算的不同收入阶层的低保参与率。可以看出，越贫困的人群低保参与率越高，收入最低的1/10人群在2007-2009年中的低保参与率都是最高的。从收入最低的2/10人群开始，低保参与率急剧下降，但是一直没有降到0。收入最低的1/10人群的低保参与率三年中都未超过10%。2007-2009年的低保参与者一直覆盖所有人群，包括最富裕的1/10。随着低保政策的扩展，贫困者的参与率提高得更快，但是中产阶级和富裕阶层的参与率也均有相应的提高。
表5列出了2007-2009年CHIP样本中低保前和低保后人均收入低于低保线的比例。第一栏使用的是事后收入，第二栏使用的是村级事前收入，第三栏使用的是县级事前收入。第一列代表CHIP样本中的所有低于低保线的人数比例，包括低保户和非低保户。事后收入低于低保线的人数比例从2007年的2.4%提高到2008年的2.6%，进而到2009年的3.8%。与2007-2009年低保覆盖面的扩大和支付金额的提高幅度相比，减贫效果并不理想。当然，低保门槛也在不断提高。事前收入显示，符合资格的人数比例不断上升。2007-2009年，按事前收入（调查收入减去县级平均支付额）计算，CHIP样本中低于低保线的人数比例从2.5%增加到4.1%。
低保是否为贫困者提供了最低收入保障呢？2007-2009年中，事前收入低于低保线的人数比例均高于事后，见表5的最后一列。例如，2009年，12-15%的人事后收入低于低保线。换句话说，低保支付将一半以上的事前收入低于低保线的选定成员的收入提高到低保线以上。在这一点上，可以说低保是成功的。但是，这一结论忽略了没有收到低保的低收入人群。90%以上的收入低于地方低保线的人并没有被纳入低保。对他们而言，低保没能提供最低收入保障。这表明低保制度本身存在巨大的定位错误。
低保在多大程度上降低了农村的贫困率？表6用三种不同的绝对贫困线计算了2007-2009年的贫困发生率。2011年的官方贫困线按2007-2009年的农村消费物价指数做了相应的调整。国际1.5美元和2美元的贫困线均按照PPP方法折算成人民币，并按2007-2009年的农村消费物价指数做了相应的调整。所有情况下，事前贫困发生率都高于事后，这说明了低保具有一定的减贫效果。但是，事前事后的差异都不超过0.5%，也就是说，低保的减贫效果非常有限。
表7展示了用事前和事后收入计算的贫困缺口。预料之中的是，事前收入计算的贫困缺口都高于事后收入的计算值。同时，2007-2009年的事前事后贫困发生率均逐渐下降。但是，与低保总支出相比，贫困缺口的缩小仍是非常有限的。根据官方数据，2007年的总低保支出相当于事前贫困缺口的18%，2009年提高到64%。但2007年，每单位低保支出对应的贫困缺口减少是0.13元，2009年仅为0.10元。
CHIP数据的低保参与率低于官方统计数据，CHIP样本计算的低保支出总额（平均低保支付额乘以总低保人数）大大低于官方公布数据。即便从这些较低的总支出数据看，农村低保的减贫效果仍然很有限。2009年，低保支出相当于事前贫困缺口的26%，但是事后贫困缺口仅比事前低6.5%。单位支出带来的贫困缺口减少为0.24元，效率很低。这进一步表明，低保受益人的定位存在很大的误差。
表8列示了以地方低保线为标准计算的低保对象选择误差，包括融入错误和排除错误。融入错误是指收入高于低保线的人被纳入低保；排除错误是指收入低于低保线的人被排除在低保之外。例如，根据县级低保平均支出额计算，从2007到2009年，农村低保的融入错误从94%下降到86%，排除错误从94%下降到89%。定位错误虽然逐年下降，但是两种错误都是极高的。绝大多数低保受益人的事前收入高于地方低保线。低保只惠及了事前收入低于低保线人口的很小部分（11%或更少）。
相比之下，研究显示，中国城市低保的融入错误是43%，排除错误是71%（Chen, Ravallion and Wang, 2006）。城市低保定位明显好于农村（尽管城市误差也很高），这部分因为中国农村资源和能力的不均衡，部分因为农村收入难以测量。
农村低保定位的准确性也可以根据贫困线来评估。表9给出了贫困者和非贫困者收到低保的比例。总体上，贫困人口中获得低保的比例不断上升，但最高不超过10%。
与表8不同，表10用全国统一的官方贫困线作为计算融入和排除错误的基准，这里只应用了事前收入进行计算。融入错误在64-75%之间，也就是说，在2007-2009年间，有64-75%的低保受益人是非贫困者。排除错误在92-95%之间，表明绝大多数贫困者未能从低保中受益。
前面分析的低保对象的选择采用国家统计局采集的当年收入数据和CHIP报告的数据作为基准。这样有可能失真。因为地方官员执行低保时，并不参考国家统计局的数据。即使参考，统计数据也不可避免的存在测量错误。实际上，地方官员很可能根据与收入相关的可观测变量来选择低保受益人。中国农村低保政策实际上采用了这种惯例，地方管理者明确提到在选择受益人时采用不同的标准。
一种替代方法是根据地方官员的做法，观察与事前收入及其它可观察到的特征相关的潜在收入变量，进而根据潜在家庭收入来确定低保对象。
第一步，Probit回归分析。低保参与作为因变量，事前收入及其它观察到的相关家庭特征作为自变量。这些特征反映了地方低保户选择实践中的做法，包括家庭人口构成、成员健康状况、人力资本、有形资产等。
第二步，用回归结果预测低保分配的条件概率（the propensity score）。回归中估计的参数与低保管理者在实践中赋予的相应隐含权重相吻合。
第三步，根据条件概率从高到低进行排序，根据观察到的覆盖率，做一个截止点，再用选择结果计算误差。此处采用CHIP数据，使用家庭作为分析单位。
表11、12、13分别描述了低保和非低保家庭的基本情况。低保家庭的事前和事后收入总体上低于非低保家庭。低保家庭的工资收入更低，2007和2008年，低保家庭成员相对于非低保家庭成员进城务工比例更低，但是2009年例外。低保家庭的规模相对偏小，成员中的老人、病患和残疾人比例明显偏高。比如2007年，20%的低保家庭中有60岁以上的老人，41%有病患，35%有残疾人，非低保家庭这三个比例分别为10%，14%和12%。家庭拥有的有形资产也存在巨大差异。低保家庭的住房条件更差，包括是否是楼房，是否有自来水，是否有冲水厕所等。低保家庭的耐用消费品也更少，比如家用电器、机动车等。从表中还可以看出，低保家庭所居住的社区与非低保家庭有所不同。总体上，低保家庭更多居住在经历过自然灾害的地区，没有平整的公路，与最近的乡政府距离较远。
表14是回归结果，情况（1）代表事前人均收入是根据村级平均低保支付额计算的，情况（2）代表事前人均收入是根据县级平均低保支出额计算的，见表14的前两行。可以看出，2007-2009年，低保对象的选择都与收入显著负相关，具体而言，事前收入每增加1%，收到低保的机会减少0.7-1.0%。其它与收到低保的概率显著相关的变量包括：家庭规模（-）、病患（ ）、残疾（ ）、工资占收入的比例（-）、非农收入比例（-）、主要设施缺失（ ）。
每年估计的参数略有变化。2009年的结果显示，许多变量比前两年更显著，意味着选择标准更偏向老年人。农民工（ ）、婚姻（-）、死亡（ ）和耕地面积（-）四个变量在2009年也变得显著了。这些变化可能来自于地方官员对低保条件的微调，也或许因为2009年的低保户比例比前两年高的缘故，亦或由于低保政策的深化放宽了准入条件。
根据潜在收入选择出的合格对象，收到低保的比例比传统方法下有所增加，也就是说，降低了排除错误，见表15和16。
2007年，根据条件概率选出的合格家庭中，有17%收到了低保。传统方法下，根据低保线单一标准衡量，这个比例只有6%。2008和2009年，新方法计算的此比例分别为20%和17%，传统方法计算的相应比例分别为7%和11%。新方法下的排除错误明显降低了。各年的融入错误也都低于传统方法。此处的融入错误和排除错误是相同的，见表下注释。
为了改进农村低保的减贫效果，本研究使用2009年的CHIP进行了政策模拟实验。第一组模拟探索低保的扩张模式，第二组模拟探索标准化的好坏。
农村低保从2009年开始进一步扩张，2013年农村低保总预算是2009年的2.4倍（表1）。这种扩张大都体现在人均支付额的上升，而不是覆盖面的扩大。人均低保支付额翻了一番，但是受益人数只增加了13%。
政策扩张模拟探索两个情境：增加低保支付额和增加覆盖面。如果定位精准，且现有支付额不足以让低保家庭摆脱贫困，则第一种情境减贫效果更明显；如果排除错误很高，支付金额充足，则第二种情境减贫效果更明显。
第一组政策模拟保持低保条件和低保支付额的地方差异，使用2009年CHIP村级调查数据中的平均支付额作为低保所在村的地方支付额。贫困的计算依据2011年官方贫困线对各年物价水平做适当调整。
基期构建包括2009年观察到的收入和低保参与情况。基准贫困与否使用2009年的CHIP数据观察结果，即事后收入所体现的贫困水平。基期低保预算等于低保家庭收到的所有低保支付额的总和。我们将此作为观测到的基期，如表17所示，基期贫困率为11.2%，贫困缺口为3.9%。
政策模拟需要决定用多少预算来扩张计划。简单起见，将2009年所有合格但未纳入低保的个人全部覆盖，所需的预算作为目标预算。换句话说，如果将地方低保平均支付额提供给每一个人均收入低于当地低保线的人，则产生的目标预算等于基期预算的2.54倍。
表17中的情形（a）假设完美定位：所有低保家庭的收入都低于当地制定的门槛，也就是说，新增受益人的融入错误为零。目标预算恰好足以保证所有合格的个人领到低保，因此排除性错误也是零。情形（b）假设随机定位：新增受益人是通过随机方式在非受益人中抽取的。这样，新增受益人会包括收入高于低保门槛的人。这两种模拟方案可以理解为政策扩张的乐观和悲观情形。
两个政策模拟结果显示，扩大覆盖率有潜力更大地减少贫困，但是要基于受益人的定位选择。乐观情形下，政策扩展能将贫困人数降低5%以上，贫困缺口降低24%，贫困缺口的平方降低17%。悲观情形下，政策扩张贫困只能减少3%或更少。
（c）栏显示的是增加支付额但不改变覆盖率的模拟结果。贫困影响不大：相对于基期，贫困最多减少3%。这比（a）的效果小得多，与（b）的效果持平。
因此，即使目标定位不完美，只要好于随机选择，扩大覆盖面就会比增加支付额产生更大的减贫效果。这些模拟显示，如果2009-2013的低保支出更多的用来扩面，而不是增加原有低保人员的支付额，则减贫效果会更大。
低保线、支付额和覆盖率在不同地区差异极大。研究发现，富裕地区的财政能力强，往往有更多的低保支付（Ravallion, 2009）。这样，富裕地区高于官方贫困线的家庭也可能被选入低保，而贫困地区低于官方贫困线的家庭也没能覆盖到。而且，富裕地区的低保家庭可能比贫困地区收到更多的支付额。因此，有研究建议中国应该采取全国统一的低保线和更平等的支付额（世界银行，2009）。
第二组模拟设定两个情形，统一支付额和统一低保线。统一支付额的模拟中，支付额被设定为基期的平均支付额。统一低保线的模拟中，低保线被设定为官方贫困线。如果事前家庭人均收入低于官方贫困线，就被认定为有资格领取低保。
第一个模拟将基期地方不同的支付额换成统一的支付额，666元。低保线、领取人和预算都保持不变。结果见表17（d）。与基期相比，贫困人数少量减少，贫困缺口少量增加，贫困缺口的平方保持不变。这些结果表明，没有其他政策变化，单纯采取统一的国家支付额不会产生什么减贫效果。理由在于，如果领取人贫困的情况下，低保支付额能减少贫困。而观测数据显示，大部分低保领取者并不是贫困者，四分之三领取者的事前收入高于贫困线。
如果改进定位的准确度，结果会不会有改观？我们重新设定了一个基期，即在现有低保线下的完美定位情形。换句话说，只要符合条件的，都被纳入低保，反之，都不会被纳入低保。融入和排除错误都为零。若基期支付额等于当前地方支付额，则完美定位的低保预算是237亿元。基期贫困结果见表18。
如果将地方不同的低保支付额在完美定位下换成统一的全国平均支付额887元，结果见模拟（e）。此时的减贫效果很明显。所有三种测量指标均下降，尤其是贫困缺口，下降12%。这个模拟证明，如果没有融入错误，采用统一的支付额会极大的减少贫困。
如果采用全国统一的低保线会如何？模拟采用国家贫困线作为全国低保线，低于此则为贫困。因为贫困线比很多地方的低保线高，符合条件的人会比现在的低保人员多。因此，基期目标预算不足以覆盖所有合格者，必须对贫困者的选择做一些假设。
我们给出两种选择。第一，根据个人收入距离贫困线的远近来选择，从最贫困的开始，见模拟（f）。第二，随机选择，见模拟（g）。两种方法均无定位错误，但第二种不考虑贫困深度。
相对于基期，模拟（f）减少了贫困缺口及贫困缺口的平方，但是增加了贫困人数。模拟（g）减少了贫困人数和贫困缺口，但是增加了贫困缺口的平方。这可以理解，因为模拟（f）中的领取者贫困深度较大。从程度看，采用统一的国家低保线能大量的减少贫困，具体效果取决于定位规则。
如果全国的低保支付额和低保线都统一会如何？模拟（h）和（i）在不同的定位规则下探索了这种政策选择，支付额等于基期完美定位下的平均支付额。（h）采用贫困深度定位规则，（i）采用在贫困者中随机定位的规则。
结果显示，（h）在贫困缺口和贫困缺口平方指标上减少最大，优于单纯统一支付额的模拟（e）。但是贫困人数比基期和模拟（e）都增加了。政策模拟（i）随机选择领取者，结果极大减少了贫困人数和贫困缺口，无论相对于基期，还是模拟（e）。但是，贫困的平方更高了。
总体上，表18的模拟表明，如果低保能够完美定位，统一支付额或统一低保线或二者都统一，具有较大的减少贫困的潜力。但是，本研究并未构建当前定位绩效下的标准化政策模拟，因为目前的定位错误率太高。不过，根据预测，统一低保线会比统一支付额更有效，因为前者能增加低收入地区的领取人数，而低收入地区往往有更多的贫困家庭。统一低保线需要对贫困地区进行更多的资金投入。
1. 农村低保为受益家庭提供了较多的现金，但是项目的总体减贫效果并不大。尽管低保总支出占贫困缺口的很大比例，但是没能实质性的减少贫困缺口。
2. 目标定位分析表明，存在极高的融入及排除错误。即便考虑了转移支付带来的行为影响，错误依然很大。
3. 这些分析可能受到数据的局限。一个局限是缺乏低保支付的每户信息；第二个是低保参与率的潜在低估，如前所述，这个或者由于CHIP数据的缺陷，或者由于官方数据的瞒报。
本研究认为，农村低保减贫效果不明显的主要原因是覆盖人群较少。2009年开始，国家大力度增加了低保支出，但是多体现为已有领取者资金额度的上升，覆盖人群并没有显著扩大。
通过政策模拟，本研究发现以下结论。首先，相同预算情况下，扩大覆盖人群比增加人均支付额更有利于减贫；其次，全国统一低保线能极大的减少贫困，但是其实现程度取决于贫困定位的精准度。例如，如果采用2009年的贫困定位数据，无论标准提高到多少，都不会对贫困有太大的改进，因为定位误差太高。
1. 低保政策需要在覆盖度和慷慨度之间进行权衡。二者对贫困的影响不同，且与定位准确度息息相关。本研究模拟了不同的定位准确度情形下，覆盖度和慷慨度对贫困影响的变化。分析中定位准确度一直被作为外生变量，但是我们意识到，定位本身可能受到项目参数的影响，因而可能是内生的。例如，额度较低可能会让更贫困的家庭选择进入低保，进而也改善了定位准确性。这种相关性进一步证明，扩大覆盖面的效果要好于增加支付额。
2. 政策模拟结果对农村低保标准化有一定的启示。中国支持标准化的理由在于，在分权财政体系下，地方低保预算与地方收入正相关。我们的模拟显示，在定位较差的情况下，标准化的好处不明显，而统一门槛的减贫效果可能比统一支付额要更好，因为统一门槛会增加贫困地区的受益人比例。当然，门槛的标准化需要对贫困地区提供更多财政补贴来弥补成本的上升。
联系客服
