陈烨烽
, 王艳慧, 赵文吉
CHEN Yefeng, WANG Yanhui, ZHAO Wenji
通讯作者:
收稿日期: 2016-09-26
修回日期: 2017-03-17
网络出版日期: 2017-11-10
版权声明: 2017 《地理学报》编辑部 本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:
作者简介:
作者简介：陈烨烽(1991-), 男, 浙江绍兴人, 硕士生, 主要从事GIS方法与应用研究。E-mail:13648313352@163.com
展开
摘要
精确度量行政村贫困特征是当前贫困精准识别及全面脱贫的国家战略需要。基于“十二五”期间全国“整村推进”贫困村数据,构建空间贫困视角下的多维贫困度量模型综合测算全国范围内贫困村的贫困程度,基于指标贡献度分解与线性回归方法挖掘贫困村的致贫因素,利用最小方差模型（LSE）区分贫困村的贫困类型,并结合空间计量分析技术揭示贫困村的空间分布分异特征,为面向2020年全面脱贫的国家战略提供辅助决策支撑。结果表明：① 中国贫困村近一半处于中度贫困,且贫困程度与贫困规模存在显著的地域性。② 通路情况较差、自然灾害频发、收入水平低下、劳动力状况不佳是中国贫困村的主要致贫因素,显著性指标包括通路率、地貌类型、遭受自然灾害频次、人均纯收入、劳动力比例、劳动力文化素质等。③ 中国贫困村整体呈多因素致贫,三因素支配型、四因素协同型、五因素联合型贫困分布相对较高。④ “整村推进”扶贫工作初见成效,对促进贫困村可持续发展起到了较好的推进作用,但贫困村具有各自贫困特征,需进一步地因地制宜,因村施策,开展针对性帮扶工作。
关键词：
Abstract
It is a China's strategic demand to systematically and accurately measure the poverty characteristics of poverty-stricken areas from the perspective of village-level poverty. In this context, this paper constructs a multidimensional poverty evaluation model from the perspective of spatial poverty, and combines the decomposition of indicator contribution degree and linear regression method to explore poverty contributing factors. Then it adopts LSE (Least Square Error) model and geostatistics analysis model to classify the villages' poverty types and spatial distribution difference, so as to grasp the whole poverty characteristics, poverty contributing factors and poverty types of poor villages all over the country and to provide auxiliary decision-making support services for eradicate poverty in 2020. Taking 51461 villages in China as a case, we can draw some conclusions as follows: (1) The distribution of poverty-stricken villages has an obvious regional characteristic from the perspectives of poverty level and poverty size, and most poor villages are concentrated in contiguous destitute areas, showing a pattern of high in the west and low in the east. In view of poverty level, there exists an obvious olive-shaped structure of big in the middle and small on two sides, and nearly half of the poverty-stricken villages are moderately poor. (2) China's poor villages have four main poverty contributing factor dimensions, i.e. , harsh transportation conditions, frequent natural disasters, low income and poor labor force qualities, of which, the significant poverty contributing factors are road access ratio, terrain type, suffered frequency of natural disaster, per capita net income, labor force ratio, ratio of illiterate labor forces, etc. (3) China's poor villages are driven by multiple poverty types, among which, those villages with three-factor dominated, four-factor collaborative and five-factor combined types have a relatively high proportion. (4) "Entire-village Advancement" poverty reduction strategy has achieved an initial performance, improved the village's sustainable development environment and raised the income of poor population. However, each village has its own poverty characteristics, therefore, anti-poverty measures should be adjusted according to its respective local conditions.
Keywords：
贫困是一个全球性的难题,是任何一个国家都无法规避的社会经济问题。中国作为最大的发展中国家,贫困人口规模十分庞大,减少乃至消除贫困是一个艰苦而漫长的过程[1]。其中,农村贫困问题一直以来都是中国政府制定扶贫开发规划及系列扶贫政策的重点[2-5]。1978年以来,中国农村反贫困实践取得了举世瞩目的成绩,然而同时也出现了减贫速率下降、扶贫压力增大的“瓶颈”。2011年,中共中央将农民人均纯收入2300元划定为新的国家扶贫标准,中国贫困人口数量从2010年的2688万人扩增到1.28亿人,这标志着中国的减贫事业进入了新一阶段[6]。扶贫工作机制已经由“大水漫灌”转变为“定点滴灌”,扶贫区域瞄准单元也由县过渡到村,并将以扶贫开发工作重点村为对象的“整村推进”作为新阶段农村扶贫工作的一项关键措施,这就要求对农村贫困问题的研究需进一步挖掘贫困村深层次的贫困机理与致贫驱动因素[7-8],以响应国家精准扶贫方略的需求,精准识别,精准施策,整合各方扶贫资源,提高贫困村可持续发展能力。
目前,国内外学者在区域贫困理论与方法的基础上,结合中国实际,对中国农村贫困问题开展了一系列的学术研究。如刘艳华等借鉴脆弱性——可持续生计框架模型对中国农村开展了县域尺度的多维贫困地理识别及类型划分[9];罗庆等利用秦巴山区11县的贫困村数据,运用GIS技术分析了当地贫困村的空间分布格局及演变特征,并定量分析了其贫困影响因素[10];Olivia等结合中国普查数据与家庭调查数据,对陕西农村地区的贫困与环境变量之间的关系进行了探讨[11];裴银宝等通过贫困承受指数、FGT指数、脱贫时间指数等测算了六盘山特困山区村域的贫困情况,并作出分类对比,给出相应的政策启示[12];刘丽娜等运用线性回归模型对湖北武陵民族地区行政村的致贫因素进行了挖掘,并提供了多项发展对策建议[13];陈忠文基于交易成本视角,深入分析山区农村的贫困机理、设计山区农村的脱贫机制[14];王艳慧等利用A-F“双临界值”法对扶贫重点县内乡县进行村级多维贫困测算,并分析了村级贫困特征及空间分布格局[15];赵莹根据地理资本理论与方法,结合TOPSIS模型和障碍度模型对连片特困地区的空间贫困陷阱影响因素进行分析[16]。总体而言,目前对于中国农村贫困问题的研究主要集中在贫困测度、贫困类型划分、贫困的空间分布格局、贫困的致贫因素等方面,中国农村贫困现状依然总体表现为“贫困深、成因杂、分布广、聚集强”的态势[17-18]。考虑生态环境等非人为因素对反贫困的影响,贫困区域的可持续发展成为了当前贫困研究的热点。具体到贫困村尺度上,每个村的贫困程度不一,具体的贫困原因和贫困类型可能也不相同。尽管国内外研究者对贫困的认识基本达成了“贫困具有动态性、多维性、地域性以及复杂性”的共识,部分学者还认识到生态环境要素在贫困成因中的重要性,开始把生态环境要素指标融入到贫困描述分析中,然而这些研究大都仍处于理论分析或定性描述阶段。此外,县域尺度上典型研究区的贫困人口测度与致贫因素分析方面的研究已经相对较多,但由于中国行政村统计信息的相对匮乏,当前以行政村作为评价单元的致贫因素分析案例仍大多是从社会学领域基于特定研究区的小范围田野调查方式,且多为经济维度的单一视角刻画贫困,所讨论的致贫因素更多的是定性的或半定量的描述。虽然刘小鹏等设计了连片特困区的村域空间贫困测度指标体系[19],但尚未选择研究区进行实际验证;而陈烨烽等[20]的研究尚未考虑贫困村的致贫因素和贫困类型;面向国家精准扶贫战略框架下“整村推进”脱贫需求的区域贫困研究仍缺少针对村级层面致贫因素计量分析与贫困村定量分类的研究;也罕见从中国国家层面上对村级致贫因素的全方位综合度量。
鉴于此,本文以中国贫困村作为区域研究单元,基于“十二五”期间全国“整村推进”项目村数据,兼顾宏观与微观,集成自然、社会、经济维度,构建空间贫困视角下的贫困村多维综合度量模型,对全国范围内的贫困村进行多维贫困度量。结合致贫贡献度分析、多元线性回归分析、最小方差模型等数理统计分析与GIS空间分析方法,系统挖掘贫困村的贫困现状、致贫因素、贫困类型及其空间分布特征。以期更加精准地全面把握全国贫困村贫困分异规律的同时,揭示每个贫困村的个体差异特征,进而辅助各级政府扶贫业务部门因地制宜地开展扶贫工作,为帮助解决扶贫对象的精准瞄准和精准施策提供导向支持,为面向2020年全面脱贫的国家战略提供辅助技术支撑。
本文用于行政村贫困分析的社会经济数据主要来源于2013年国务院扶贫办采集的“十二五”全国“整村推进”项目村基础数据,数据包括贫困村基本情况、基础设施、公共服务、生产条件等内容。样本覆盖除西藏地区外的全国13个集中连片特困地区,27个省、市、自治区,1311个县级单位,共51461个贫困村,样本分布情况如图1所示。贫困村矢量点数据是基于百度地图API的地址解析方法获取贫困村经纬度,再利用ArcGIS软件可视化。本文所用的其余统计数据与行政区划数据等主要来源于国家统计年鉴、1:25万国家基础地理数据等。所使用数据均经过粗差剔除、地理配准等预处理。
当前面向“精准识别、全面脱贫”的贫困村整村推进实施方案充分强调了社会发展、经济发展和生态环境改善的全方位综合考核评价标准,因此,贫困村的贫困特征综合度量需要顾及资源环境与社会经济的协调可持续发展[21]。而阿马蒂亚·森提出的基于能力贫困和权利贫困的多维贫困观点[22],在对贫困成因与脱贫方式的理论解析中,为精准扶贫理论发展提供了一个学术史的注脚[23]。随着多维贫困理论内涵的延伸和深化,近年来,一些学者将空间引入到多维贫困问题研究中,形成了比较有影响力的“空间贫困”理论。空间贫困理论是研究贫困的空间分布、贫困与地理环境之间关系的一项专门理论,是空间经济学和新经济地理学视野上的多维贫困概念,它将一系列的经济、社会、环境指标合成地理资本,通过研究地理资本的空间聚集特征和规律,并以贫困地图或贫困绘图的形式表达,来判定是否存在空间贫困陷阱,据此设计减贫策略[24]。从表征经济劣势的传统贫困,到从经济和社会两个维度反映贫困的经济劣势、社会和政治劣势的综合贫困,再到从经济、社会和环境3个维度综合反映贫困的经济劣势、社会和政治劣势、生态劣势的空间贫困,其对贫困概念的解释是3个视角的不同层次。它更好地分析了区域自然地理环境与贫困发生之间的必要非充分关系[25-26]。因此,大多数学者都是从第三层次的经济、社会和环境3个维度综合测度空间贫困。
基于上述认识,本文拟从空间贫困的视角下,考虑贫困村的地理资本体系,构建多维贫困度量分析模型,从人—地和谐可持续发展的角度,构建村级多维贫困度量模型,综合测算各村的贫困程度。进一步基于指标贡献度分解与线性回归方法挖掘贫困村的致贫因素,利用最小方差模型（LSE）区分贫困村的贫困类型,并剖析贫困分布格局。
2.2.1 村级多维贫困度量
（1）村级多维贫困度量指标体系
为在空间贫困视角下从自然—社会—经济方面综合评价各贫困村的相对贫困程度,本文综合考虑指标选择的全面性、目的性、科学性、可操作性等基本要求[27],以及全国范围贫困度量的公平性、政策相关性、多维综合性、研究对象针对性、数据可获得性等综合需求,并借鉴相关文献[10, 15-16, 20, 28],构建包括地理环境、经济发展、生产生活条件等维度在内的村级多维贫困度量指标体系候选集。在此基础上,结合指标的区分度与相关性要求对候选指标进行筛选[29]。最终得到表1所示的村级多维贫困度量指标体系。
（2）标准化与权重
本文采用指标等级划分法对不同量纲的指标进行标准化处理,具体方法为：基于研究区数据的真实水平,参考国家扶贫规划纲要、相关经济发展纲要、指标分等定级相关研究方法,将指标体系中的各指标取值划分为1~5级,等级越大,表示贫困越深[20]。采用层次分析法与熵权法相结合的主客观组合赋权法,分别度量各维度和指标的重要程度,既兼顾决策者的偏好,又减少赋权的主观随意性[30]。结果如表2所示。
表1 村级多维贫困度量指标体系
Tab. 1 Village-level multi-dimensional poverty measurement indicators
| 维度 | 指标编号 | 指标 | 指标释义 |
|---|---|---|---|
| 地理环境(X1) | X11 | 到最近乡镇集市的距离 | 行政村到最近乡镇集市的平均距离(km) |
| X12 | 地貌类型 | 行政村地貌类型(平原、丘陵、山地) | |
| X13 | 遭受自然灾害频次 | 行政村当年所遭受的自然灾害次数(次) | |
| 行政村特征(X2) | X21 | 贫困村类型 | 行政村类型(革命老区村、少数民族聚居村、边境地区村、其他) |
| X22 | 人口密度 | 行政村人口密度(人/km2) | |
| 生产生活条件(X3) | X31 | 人均经济用地面积 | 行政村人均经济用地面积(亩/人) |
| X32 | 通路率 | 行政村内通机动车行驶道路自然村数量占总自然村数量的比例(%) | |
| X33 | 通电率 | 行政村内通电户数占总户数的比例(%) | |
| X34 | 通电话率 | 行政村内通电话户数占总户数的比例(%) | |
| X35 | 安全饮用水比重 | 行政村内使用安全饮用水户数占总户数的比例(%) | |
| X36 | 卫生厕所比重 | 行政村内拥有卫生厕所户数占总户数的比例(%) | |
| X37 | 危房比重 | 行政村内住危房户数占总户数的比例(%) | |
| 劳动力状况(X4) | X41 | 劳动力比例 | 行政村劳动力总数占该村总人口的比例(%) |
| X42 | 外出劳动力比例 | 行政村外出劳动力数量占该村劳动力总数的比例(%) | |
| X43 | 劳动力文化素质 | 行政村初中及以上文化水平劳动力数量占该村劳动力总数的比例(%) | |
| 医疗卫生和社会保障(X5) | X51 | 诊所数量 | 行政村诊所数量(个) |
| X52 | 每千人医生数 | 行政村每千人医生数量(个) | |
| X53 | 参加新型农村合作医疗比例 | 行政村参加新型农村合作医疗人数占整个行政村人数的比例(%) | |
| X54 | 参加新型农村社会养老保险比例 | 行政村参加新型农村社会养老保险人数占整个行政村人数的比例(%) | |
| 经济发展(X6) | X61 | 人均纯收入 | 行政村每年人均纯收入情况(元/人) |
表2 村级多维贫困度量指标标准化与权重分布
Tab. 2 Standardization and weight determination of village-level multi-dimensional poverty indexes
| 维度 | 维度 权重 | 指标 编号 | 贫困程度 | 主观 权重 | 客观 权重 | 组合 权重 | ||||
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||||||
| 地理环境(X1) | 0.260 | X11 | < 3 | [3, 7) | [7, 11) | [11, 18) | ≥18 | 0.189 | 0.001 | 0.146 |
| X12 | 平原 | 丘陵 | 山地 | — | — | 0.452 | 0.778 | 0.527 | ||
| X13 | 0 | — | 1 | 2 | > 2 | 0.359 | 0.221 | 0.327 | ||
| 行政村特征(X2) | 0.075 | X21 | 否 | — | 一类 | 两类 | 三类 | 0.554 | 0.840 | 0.760 |
| X22 | [0, 120) | [120, 305) | [305, 703) | [703, 1001) | ≥1001 | 0.446 | 0.160 | 0.240 | ||
| 生产和生活条件(X3) | 0.250 | X31 | >7 | (3, 7] | (2, 3] | (1, 2] | [0, 1] | 0.263 | 0.000 | 0.069 |
| X32 | (0.95, 1] | (0.9, 0.95] | (0.8, 0.9] | [0.5, 0.8] | [0, 0.5) | 0.320 | 0.371 | 0.413 | ||
| X33 | (0.98, 1] | (0.94, 0.98] | (0.9, 0.94] | [0.8, 0.9] | [0, 0.8) | 0.214 | 0.021 | 0.074 | ||
| X34 | (0.95, 1] | (0.9, 0.95] | (0.8, 0.9] | [0.5, 0.8] | [0, 0.5) | 0.036 | 0.078 | 0.078 | ||
| X35 | (0.8, 1] | (0.6, 0.8] | (0.4, 0.6] | [0.3, 0.4] | [0, 0.3) | 0.110 | 1.042 | 0.338 | ||
| X36 | (0.6, 1] | (0.4, 0.6] | (0.3, 0.4] | [0.2, 0.3] | [0, 0.2) | 0.024 | 0.199 | 0.109 | ||
| X37 | [0, 0.05) | [0.05, 0.15) | [0.15, 0.25) | [0.25, 0.35] | (0.35, 1] | 0.114 | 0.137 | 0.151 | ||
| 劳动力状况(X4) | 0.199 | X41 | (0.7, 1] | (0.6, 0.7] | (0.5, 0.6] | [0.35, 0.5] | [0, 0.35) | 0.504 | 0.183 | 0.368 |
| X42 | (0.5, 1] | (0.4, 0.5] | (0.3, 0.4] | [0.2, 0.3] | [0, 0.2) | 0.223 | 0.388 | 0.293 | ||
| X43 | (0.85, 1] | (0.65, 0.85] | (0.45, 0.65] | [0.25, 0.45] | [0, 0.25) | 0.272 | 0.429 | 0.339 | ||
| 医疗卫生和社会保障(X5) | 0.079 | X51 | >3 | 3 | 2 | 1 | 0 | 0.170 | 0.024 | 0.056 |
| X52 | >5 | (3, 5] | (1, 3] | (0, 1] | 0 | 0.346 | 0.005 | 0.080 | ||
| X53 | (95,100] | (90, 95] | (80, 90] | (0, 80] | 0 | 0.213 | 0.168 | 0.178 | ||
| X54 | (80, 100] | (50, 80] | (30, 50] | (0, 30] | 0 | 0.271 | 0.803 | 0.686 | ||
| 经济发展(X6) | 0.136 | X61 | > 5543 | (3960, 5543] | (3168, 3960] | [2300, 3168] | [0, 2300) | 1 | 1 | 1 |
（3）村级多维贫困指数计算
计算村级多维贫困指数（VPI）,具体公式如下：
式中：n代表维度的数量;代表第i维度第j指标标准化后的值;m代表维度i下的指标个数;代表i维度下j指标的权重;代表维度i的权重。20是用于消除小数位影响、增大数据间差异的常数。
2.2.2 致贫因素分析方法 以表1中各指标的致贫贡献度分析和各指标为自变量、贫困发生率为因变量的线性回归分析两种方法对中国贫困村的致贫因素进行探索。指标的致贫贡献度能够切实反映每个贫困村的致贫因素差异,但是容易受到模型设计者的主观影响;而由各指标为自变量,贫困发生率为因变量的多元线性回归分析方法能够更为客观地描述致贫因素差异,但无法表达每个贫困村的具体致贫原因,且更易受数据质量的限制。因此,本文结合这两种方法分别对中国贫困村的致贫因素进行分析并交叉验证。
（1）致贫贡献度分析
分别用指标j对VPI的贡献度C和贡献度综合排名,来表达各指标对贫困村的影响程度,从而分析各村的主致贫因素及其区域差异[31]。公式如下：
式中：C表示指标贡献度;表示第i维度下第j指标的权重;表示第i维度下指标j的标准化得分;VPI表示村级多维贫困指数。
式中：表示贫困村x的第i维度第j指标贡献度在该贫困村20个指标贡献度中的排名;n表示研究样本村数量;
（2）线性回归分析
线性回归分析是研究多个变量间相互依存关系的一种数学方法。既可以建立严格的数学模型进行预测,也可以表达变量间的相互关系[32]。本文以贫困村的贫困发生率为因变量,以表1中的各指标为自变量,利用线性回归方法分析贫困发生率与各指标之间的关联特征,通过计算所得的贫困发生率与各指标间的线性回归方程,与指标贡献度方法互补分析贫困村的主要致贫因素。多元线性回归方程的一般形式如下：
式中：k为自变量的个数;为回归系数（Regression coefficient）;为随机误差项。使用之前还需进行拟合优度检验、方程总体线性显著性检验和变量显著性检验。
2.2.3 贫困类型分析方法 （1）最小方差模型（LSE）
在从指标层面上揭示各贫困村主要致贫因素的基础上,本文从维度层面上,利用最小方差LSE（Least Square Error）模型分析贫困村的贫困类型,填补国内对贫困定量分类的不足。LSE模型最初由美国地理学家John C·Weaver提出,国际上最早运用于农业分区,目前国内水贫困、土地利用等方面也都有所运用[33-34]。LSE模型的原理是寻找样本实际分布与理论模型之间的最小方差[35],从而判断样本最接近的分布类型。利用LSE模型能够揭示贫困村的贫困类型（单因素主导型、双因素驱动型、三因素支配型、四因素协同型、五因素联合型、六因素综合型）,以及贫困村的主要致贫维度（地理环境、行政村特征、生产和生活条件、劳动力状况、医疗卫生社会保障、经济发展）。公式如下：
式中：S2代表方差;代表将贫困村的维度贡献度由大到小排列后的第i位的维度贡献度;代表理论模型维度贡献度由大到小排列后的第i位维度贡献度。LSE的具体流程如下：
首先,定义理论模型,将贫困类型划分为单因素主导型、双因素驱动型、三因素支配型、四因素协同型、五因素联合型和六因素综合型。该理论模型假设如下：如果存在N个致贫因素,那么每个因素的致贫贡献度均为1/N。据此,若是单因素主导型,表明只有一个维度致贫且贡献度为1,其余维度贡献度都为0;若为双因素驱动型,则只有两个维度致贫且贡献度各为0.5,其余维度贡献度为0;三因素支配型,有三个维度贡献度各为0.33,其余维度贡献度为0,依次类推。然后,根据公式（2）,计算得到每个贫困村各维度对于VPI的实际贡献度,并按贡献度大小进行降序排列,再分别计算排序后实际维度贡献度与每个理论模型维度贡献度的方差。最后,确定与实际维度贡献度分布方差最小的理论模型,该理论模型即为贫困村的贫困类型,实际维度贡献度分布所对应的理论模型中非0数值的维度,即为该村的主要致贫维度。
（2）核密度分析
本文利用核密度模型分析不同类型贫困村的分布特征。核密度分析方法的基本原理是,因点周围领域不同,任意一个点都有一个密度[36]。核密度分析可根据输入要素数据计算整个区域的数据聚集状况,公式如下：
式中：n表示半径r的圆范围内所包含的事件数量;K函数表示空间权重函数;h表示距离阈值即r;
2.2.4 Theil系数 本文利用Theil系数分析不同分区条件下的贫困差异特征。Theil系数,即泰尔系数,最早是由Theil等1967年提出,广泛应用于各个领域的差异研究中[37]。本文用该方法分别测算不同分类体系下的贫困村平均VPI得分、6个主要致贫因素贡献度以及6种贫困类型比例的总差异（T总）、类间差异（T间）和类内差异（T内）。
式中：n为分类后类数;Yi表示某指标第i类贫困村加和占研究区该指标加和值的份额;表示某类贫困村数量占研究区贫困村总数的份额;Yij和Pij分别表示某指标第类贫困村中第j贫困村份额占该类贫困村的份额和该贫困村数量占该类贫困村总数的份额。泰尔T指标越大,就表示贫困特征差异越大;反之,泰尔T指标越小,就表示贫困特征差异越小。
根据前文村级多维贫困度量模型计算得到每个贫困村的村级贫困指数（VPI）,按照等间距规则将VPI划分为5个贫困等级,分别为轻度贫困、一般贫困、中度贫困、较为贫困和极端贫困（图2）。总体而言,中国贫困村VPI分布情况整体呈两头小中间大的“橄榄型”结构,轻度贫困与极端贫困的现象较少出现,贫困村多数处于贫困中值水平,属于中度贫困的贫困村占总数的48.81%。
利用VPI计算结果对全国各省、自治区的贫困村贫困程度进行空间差异分析（图3）。中国贫困村贫困程度基本呈西高东低的“阶梯状”格局,甘肃、云南、贵州、广西、湖南、青海、四川、新疆等地区贫困村的贫困最为严重。分析各地区的贫困村规模,发现贫困村集中分布于中国中部地区和西南地区,且存在向VPI高值地区集聚的现状,多分布于国家划定的连片特困区内。表明中国贫困村的规模与贫困程度分布都存在显著地域性差异。
3.2.1 致贫因素总体分析 将全国贫困村的各指标按致贫贡献度由大到小排序,依次为通路率、地貌类型、遭受自然灾害频次、人均纯收入、劳动力比例、劳动力文化素质、外出劳动力比例……同时为了综合考虑贫困村个体的差异情况,按各个指标对每个贫困村的致贫贡献度进行1至20排名,最终得到表3所示的全体贫困村指标贡献度平均排名。① 从指标致贫贡献度与平均排名的趋势进行分析,发现造成贫困村贫困的首要原因是自然环境劣势,恶劣的地形条件、不便的交通环境以及频发的自然灾害等限制了贫困村的发展潜力;其次是劳动力劣势,不均衡的人员结构、相对较差的劳动力文化素质、受限的就业环境等都阻碍了贫困村脱贫致富;还存在社会环境劣势,有限的市场连通性、不够完善的基础设施都在影响着贫困村的发展。② 对照分析指标的贡献度和平均排名,发现两者的整体分布趋势基本保持一致,但在个别指标上存在差异。如通路率和地貌类型两个指标,前者贡献度更高而后者平均排名更加靠前,说明交通问题对中国整体贫困影响更大,而地貌环境是限制绝大多数贫困村发展的首要原因;人均纯收入与劳动力比例两个指标之间也存在相似的情况,表明全国贫困的差异更多地反映在收入上,而贫困村内部致贫的影响更多地来自劳动力状况。
另外,利用多元线性回归模型分析贫困发生率的影响因素,方程的拟合优度R2为0.622,并通过了总线性显著性F检验;在t检验中,贫困村类型、人口密度由于指标不显著在建模过程中剔除,其余指标都在0.01水平下显著。从表3中表征指标重要性的线性回归标准化系数Beta统计结果发现,按指标对贫困村贫困发生率的影响程度排序,依次是人均纯收入、通路率、劳动力文化素质、遭受自然灾害频次、地貌类型、外出劳动力比例、劳动力比例……与指标贡献度、贡献度平均排名方法对照,对贫困村影响最大的指标整体上没有明显差异,表明基于本文建模方法的致贫因素分析结果具有较好的可靠性。
表3 贫困村致贫因素统计表
Tab. 3 The statistical table of reasons leading to rural poverty
| 指标 | 通路率 | 地貌类型 | 遭受自然灾害频次 | 人均纯收入 | 劳动力比例 | 劳动力 文化素质 | 外出劳动力比例 | 住危房比重 | 到最近乡镇集市的距离 | 参加新型农村社会养老保险的比例 |
|---|---|---|---|---|---|---|---|---|---|---|
| 贡献度(%) | 14.82 | 12.80 | 9.50 | 8.25 | 7.95 | 6.97 | 6.22 | 5.73 | 5.31 | 4.26 |
| 平均排名 | 2.61 | 2.59 | 4.89 | 5.82 | 5.35 | 6.88 | 7.61 | 7.72 | 8.14 | 9.94 |
| Beta | -0.220 | 0.164 | 0.168 | -0.363 | -0.157 | -0.191 | -0.158 | 0.116 | 0.038 | -0.093 |
| 指标 | 卫生厕所比重 | 贫困村类型 | 人均经济用地面积 | 安全饮水比重 | 通电话率 | 人口密度 | 参加新型农村合作医疗比例 | 通电率 | 千人医生数 | 诊所数量 |
| 贡献度(%) | 3.41 | 3.35 | 2.51 | 2.35 | 1.83 | 1.53 | 0.89 | 0.87 | 0.84 | 0.60 |
| 平均排名 | 10.72 | 11.17 | 12.07 | 13.45 | 13.98 | 15.18 | 17.68 | 17.71 | 17.13 | 19.37 |
| Beta | -0.081 | - | -0.009 | -0.060 | -0.086 | - | -0.035 | -0.041 | -0.035 | -0.074 |
3.2.3 主致贫因素 选取表3中对各村贫困贡献最大的6个致贫因素进行分析,贫困村中存在该致贫因素且贡献度排名在所有因素贡献度前6位的比例分别为89.66%、88.36%、73.65%、64.88%、61.81%、59.14%。因此,中国贫困村最主要的致贫因素可认为依次是通路现状、自然灾害、收入水平和劳动力状况。
（1）通路现状 从图4a中能够看出,全国贫困村通路情况普遍较差,尤其是在西南云贵川渝地区、华中两湖河南地区以及新疆的西部和内蒙古的北部地区。这些地区贫困村多分布在高原或山脉,如四川云南地区的横断山脉、滇黔桂的云贵高原、中部地区的秦岭、武陵山、大别山、内蒙古北部的大兴安岭以及位于新疆的天山山脉。同时,对比图4b也能够发现,通路致贫与地貌致贫息息相关,恶劣的地貌环境导致了贫困村通路成本地不断提高,阻碍了当地的脱贫致富。因此,如何加快落实整村推进工程,整合各类涉农资金以完善贫困村内部村组道路设施显得格外重要。
（2）自然灾害 分析图4c发现,贫困村受自然灾害影响最严重的地区主要集中在内蒙古、新疆、青海、四川、云南、江西等省份。这些地区自然灾害频发,同时灾害类型繁多,主要灾害有干旱、洪涝、寒潮、干热风等气象灾害,地震、泥石流等地质灾害,以及动物疫情、小麦病等生物灾害。对比图4其他影响因素的分布格局,发现上述地区收入情况和劳动力状况对贫困的影响相对较小,导致这些地区贫困的主要原因是自然环境的限制。正是因为农村贫困地区与自然灾害频发区、生态脆弱地区的高度重合,导致了这类地区贫困人口脆弱性高,容易陷入自然灾害与贫困恶性循环的陷阱。
（3）收入水平 根据图4d所示的收入指标贡献度空间分布,发现受收入水平影响较严重的地区主要有新疆的南疆地区以及青海与四川的交界地区,其余地区贫困村受收入水平的影响相对较小。综合对比分析其余致贫因素,发现劳动力素质指标贡献度分布与收入指标贡献度的分布最接近,南疆地区与青海、四川交界地区收入致贫影响大的原因可能是地理区位的相对偏远、地理的相对隔离以及相对保守的文化观念导致了当地人的文化素质相对偏低,随之导致收入水平的偏低。总体而言,造成中国贫困地区长期贫困的原因并不局限于相对较低的收入水平,更多的是受到自然环境、社会环境、劳动力状况等多种因素的制约,限制了农村贫困地区的发展潜力,使其长期陷入空间贫困陷阱。
（4）劳动力状况 从图4e、4f可以看出,劳动力状况较差的地区多分布在西部地区,其中连片特困区中的南疆三地州片区与四省藏区最为严重。这两个连片特困区深入内陆,偏远的区位条件限制了基础设施、基本教育的跟进发展,人均受教育年限仅7年左右,同时相对封闭的地理环境使该地区的人们缺乏与外界的交流,形成了相对保守落后的思想观念。这些原因导致了该地区贫困人口结构不均衡,劳动力文化素质偏低。类似的情况在其他地区的贫困村也有出现,且该类贫困村大多分布在连片特困区中,多为地理环境较为封闭的贫困山区。
图4 中国贫困村主要致贫因素空间分布
Fig. 4 The spatial layout of the main factors leading to rural poverty of China
3.3.1 整体分析 本文利用LSE模型对全国贫困村的贫困类型进行判别,并对贫困类型中每个维度对贫困的影响程度进行分析,结果如表4所示。可以发现,中国贫困村的贫困类型可以分为6类：单因素主导型、双因素驱动型、三因素支配型、四因素协同型、五因素联合型、六因素综合型。并且以三因素支配型为主,该类型贫困村的比例超过五成。同时,全国贫困村整体呈多因素致贫,单因素致贫比例仅占0.14%,说明中国贫困村致贫原因复杂多样,扶贫工作需因地制宜、针对当地主要致贫因素,确实落实“十三五”规划提出的创新扶贫开发方式需求,对贫困村实行分类精准扶持。
表4 贫困村贫困类型统计表
Tab. 4 The statistical table of stricken-poverty types
| 贫困类型 | 贫困村比例(%) | G致贫概率(%) | V致贫概率(%) | P致贫概率(%) | L致贫概率(%) | M致贫概率(%) | E致贫概率(%) | |
|---|---|---|---|---|---|---|---|---|
| 单因素主导型 | 36.99 | 0.14 | 50.00 | 0.00 | 29.17 | 20.83 | 0.00 | 0.00 |
| 双因素驱动型 | 48.46 | 8.24 | 81.67 | 1.98 | 69.15 | 46.37 | 0.33 | 0.50 |
| 三因素支配型 | 55.67 | 53.33 | 97.64 | 5.69 | 95.41 | 94.80 | 3.28 | 3.18 |
| 四因素协同型 | 56.28 | 28.99 | 98.34 | 33.92 | 96.45 | 98.12 | 32.59 | 40.58 |
| 五因素联合型 | 54.34 | 8.36 | 99.40 | 79.17 | 98.00 | 99.23 | 65.43 | 58.78 |
| 六因素综合型 | 51.58 | 0.94 | 100.00 | 100.00 | 100.00 | 100.00 | 100.00 | 100.00 |
| 总计 | 55.08 | 100.00 | 96.63 | 20.59 | 93.71 | 92.09 | 17.64 | 19.36 |
3.3.2 分类分析 相同贫困类型的贫困村由于致贫维度的差异内生出不同的子类,分析每种贫困类型及其子类的内在特征能够系统揭示中国贫困村贫困类型的具体内涵。
（1）单因素主导型。属于该类型的贫困村比例仅为0.14%,按致贫因素不同可以分为地理环境因素主导、生产和生活条件因素主导、劳动力状况因素主导3种子类,不存在行政村特征因素主导、医疗卫生社会保障因素主导、经济发展因素主导的贫困村。依照因素致贫的概率大小排序,依次为：地理环境>生产和生活条件>劳动力状况。根据图5a可知,这类贫困村基本都分布在连片特困区之外,但同时又邻近贫困片区,对照表4中其余类型贫困村的平均VPI得分,发现单因素主导型贫困村的贫困程度相对较低。表明中国存在极少数由于某一方面资源禀赋的缺失从而导致贫困的贫困村,且主要是由地理环境、生产和生活条件、劳动力状态维度资源禀赋的缺失导致的。同时,这类贫困村普遍属于轻度贫困,多分布在连片特困区之外,说明脱贫潜力相对较大,能够通过改善某一方面不足的资源禀赋,摆脱发展的限制。
（2）双因素驱动型。该类型的贫困村比例为8.24%,存在G-V、G-P、G-L、G-M、G-E、V-P、V-L、P-L、P-M、P-E、L-M、L-E共12种双因素驱动子类。其中主要子类为G-P类、G-L类和P-L类,概率排序依次为G-P类>G-L类>P-L类,占全部双因素驱动型贫困村总量的97.17%。根据图5b所示,双因素驱动型贫困村多集中分布于燕山-太行山区、吕梁山片区、大别山区、武陵山区、罗霄山区、滇黔桂石漠化区、滇西边境山区以及南疆三地州片区。该类型的贫困村平均VPI得分相对较低,整体处于一般贫困程度,具有一定的脱贫潜力,结合贫困村具体的致贫原因,开展针对性的扶贫工作,也能够较快摆脱贫困的桎梏。
（3）三因素支配型。该类型的贫困村比例为53.33%,占贫困村总数一半以上,是中国贫困村的主要类型。致贫因素组合后的子类共有19种,其中G-P-L三因素致贫比例高达88.19%;其次是G-V-L类,占比为2.40%;G-V-P与G-P-M类在三因素支配型中的占比分别是1.77%和1.72%,其余子类总共仅占到5.92%。从图5c能够发现,该类型贫困村在全国范围内基本都有分布,呈现出以连片特困区为集聚核心,向四周“扩散”的分布格局。同时,这类贫困村的贫困程度普遍偏高,说明正是这些地区存在显著的地理区位劣势、生态劣势、经济劣势、社会劣势,形成空间贫困陷阱,因此长期处于贫困状态。这种贫困程度高、贫困成因多样的情况也在四因素协同型、五因素联合型贫困村中出现。
图5 中国不同类型贫困村空间分布（4）四因素协同型。该类型的贫困村比例为28.99%,共存在16种子类。其中主要子类为：G-V-P-L类、G-P-L-M类、G-P-L-E类3种,占四因素协同型贫困村总体的92.94%。该类型贫困村的贫困程度在6类贫困村中最高。而且相对于三因素支配型贫困村在全国范围的“高密度”覆盖,四因素协同型贫困村则基本集中在各个连片特困区,是全面脱贫目标的主要难点。
Fig. 5 The spatial layout of different types of stricken-poverty villages in China
（5）五因素联合型。该类型的贫困村比例为8.36%,子类共有6种,按概率排序依次为：G-V-P-M-L类>G-V-P-L-E类>G-P-L-M-E类>G-V-L-M-E类>G-V-P-M-E类>V-P-L-M-E类,其中前三类占总五因素联合型贫困村比重的96.63%。根据图5e所示,这类贫困村主要分布在广西、江西、河北、河南、山西、陕西等几个地区。分析成因,这些地区相对于更加深入内陆的地区,地理区位条件、自然环境条件等相对较好。同时,相对于东部沿海地区,在交通成本、基础设施、公共服务、人口结构、社会观念等方面又有所不足。这种“既好又坏”的区域环境导致了当地贫困村的致贫原因更加复杂。
（6）六因素综合型。该类型的贫困村比例仅为0.94%,其特点是致贫因素多样且各因素致贫贡献率相近。这类贫困村平均VPI得分为51.58,低于全国贫困村平均水平,贫困等级中度偏优。表明虽然这类贫困村的综合发展条件有所欠缺,但各方面发展条件较为均衡,整体发展较好,相对易于改善,因此也多分布在连片特困区之外。
3.4.1 贫困村个体案例综合特征 前文主要以宏观的角度对全国范围的贫困村贫困程度、致贫因素、贫困类型进行分析,得出中国整体的贫困村特征。接下来针对贫困村个体,综合考虑贫困程度、致贫因素、贫困类型的分布完整性,挑选表5所示的12个贫困村为典型样例进行个体贫困综合特征分析。
南江村和伍刘村为单因素主导型贫困村,主要致贫维度分别是地理环境和劳动力状况。南江村的主致贫因素为地貌类型、灾害和市场可达性;伍刘村的主致贫因素为劳动力的素质、比例、外出务工情况等。两个贫困村特征相似,都是由于在某一方面存在发展缺陷,导致贫困产生。同时,南江村VPI按等级划分处于2级较优,伍刘村VPI等级属于最优的1级,说明这两个贫困村属于轻度贫困,可以通过移民搬迁、技能培训等帮扶手段有效改善贫困现状。
补董村和孙家寨村属于双因素驱动型贫困村。其中补董村的主要致贫维度为地理环境与生产生活条件,且以地理环境维度为主;孙家寨村的主要致贫维度为生产生活条件与劳动力状况,且以劳动力状况为主。两村的主致贫因素如表5所示,同时对照VPI得分,两村的贫困程度也属于中等偏优,通过采取对应的帮扶政策较容易摆脱贫困。
药匠台村和阔克铁热克村属于六因素综合型,在六个维度上都存在一定的不足,限制了该区域的进一步发展,但是两村的VPI得分属于全国中等偏优水平,结合两村实际情况进行分析。发现药匠台村深入内陆、地处山区自然发展条件存在天然劣势,但是地区领导严格规划、积极发展优势产业、紧抓公共基础设施建设以及社会政策的扶持,发展势头良好。阔克铁热克村与药匠台村的发展条件类似,也是通过大力发展教育、 提升公共基础设施建设,逐步改善了当地的经济发展条件。说明通过合理规划、资源投入,能够弥补贫困村的天然发展劣势,改善发展条件。
其余贫困村属于三因素支配型、四因素协同型、五因素联合型三类,致贫因素多样,贫困程度普遍较高,需要应地制宜,结合多项帮扶手段综合治理。
3.4.2 贫困村特征差异 “整村推进”工作模式是中国开发式扶贫工作的重要创新,是深入推进新农村建设和扶贫开发的重要手段,通过充分整合各类发展资源,从而全面改善农民的生产生活条件,提升农村发展空间[38-39]。本文从“整村推进”项目村的贫困程度、致贫因素、贫困类型三个方面,探讨处于“整村推进”工作不同阶段贫困村的综合特征差异。
贫困程度差异：表6显示,处于不同“整村推进”工作实施阶段,贫困村的贫困程度存在差异。已实施“整村推进”工作的贫困村VPI平均得分为54.16,低于全国平均水平55.08;正在实施“整村推进”工作的贫困村VPI平均得分为55.63,高于全国水平;而未实施“整村推进”工作的贫困村VPI平均得分为54.92,处于前两者之间,略低于全国平均水平。分析成因,从扶贫工作优先级考虑,贫困程度更深的贫困村更早实施了“整村推进”工作,因此处于正在实施阶段的贫困村平均VPI得分高于处于未实施阶段的贫困村。而已实施“整村推进”工作的贫困村在生产生活条件等方面得到了一定的改善,从而平均VPI得分低于正在实施 “整村推进”工作的贫困村,这也反映出“整村推进”工作的重大意义。
表5 贫困村样例统计表
Tab. 5 The statistical table of sample stricken-poverty villages
| 所在地区 | 村名 | VPI | 贫困类型 | 主致贫因素 |
|---|---|---|---|---|
| 福建永定县湖坑镇 | 南江村 | 39.42 | G单因素主导型 | 地貌类型、灾害、到最近乡镇集市距离 |
| 河南叶县水寨乡 | 伍刘村 | 35.13 | L单因素主导型 | 劳动力文化素质、外出劳动力比例、劳动力比例 |
| 贵州西秀区杨武布依族苗族乡 | 补董村 | 47.13 | GP双因素驱动型 | 地貌类型、灾害、收入、到最近乡镇集市距离、住房条件 |
| 河北威县方家营乡 | 孙家寨村 | 50.59 | PL双因素驱动型 | 劳动力文化素质、到最近乡镇集市距离、劳动力比例、卫生条件 |
| 湖北长阳土家族自治县渔峡口镇 | 青龙村 | 63.40 | GPL三因素支配型 | 通路、地貌类型、灾害、劳动力比例、收入、到最近乡镇集市距离 |
| 湖南新宁县安山乡 | 安山村 | 55.00 | PLE三因素支配型 | 通路、收入、劳动力比例、地貌类型、劳动力文化素质、饮水安全 |
| 贵州道真仡佬族苗族自治县洛龙镇 | 鹰咀村 | 71.96 | GPLE四因素协同型 | 通路、地貌类型、收入、灾害、劳动力文化素质、饮水安全 |
| 广西都安瑶族自治县地苏镇 | 镇安村 | 53.23 | VPLE四因素协同型 | 收入、通路、劳动力比例、民族村、革命老区、到最近乡镇集市距离 |
| 云南福贡县架科底乡 | 里吾底村 | 72.39 | GPLME五因素联合型 | 收入、通路、地貌类型、劳动力文化素质、外出劳动力比例、社会保障 |
| 安徽萧县马井镇 | 麻堤口村 | 53.02 | GVPLM五因素联合型 | 通路、灾害、劳动力比例、收入、到最近乡镇集市距离、革命老区 |
| 青海大通回族土族自治县朔北藏族乡 | 药匠台村 | 50.09 | 六因素综合型 | 地貌类型、灾害、收入、劳动力文化素质、到最近乡镇集市距离 |
| 新疆阿勒泰地区富蕴县吐尔洪乡 | 阔克铁热克村 | 49.20 | 六因素综合型 | 收入、灾害、地貌类型、民族村、边境村、到最近乡镇集市距离 |
表6 “整村推进”工作实施情况差异统计表
Tab. 6 The statistical table of policy support
| “整村推进”工作实施情况 | 泰尔系数 | |||||||
|---|---|---|---|---|---|---|---|---|
| 已实施 | 正在实施 | 未实施 | T总 | T间 | T内 | |||
| 贫困程度 | 贫困村数量 | 8264 | 19967 | 23230 | - | - | - | |
| 平均VPI得分 | 54.16 | 55.63 | 54.92 | 0.619 | 0.018 | 0.601 | ||
| 致贫因素 | 通路率贡献度(%) | 13.64 | 14.65 | 14.80 | 0.651 | 0.014 | 0.636 | |
| 地形类型贡献度(%) | 13.92 | 12.57 | 13.07 | 0.638 | 0.020 | 0.618 | ||
| 遭受自然灾害频次贡献度(%) | 9.84 | 9.66 | 9.31 | 0.661 | 0.018 | 0.643 | ||
| 人均纯收入贡献度(%) | 7.77 | 8.34 | 7.84 | 0.626 | 0.023 | 0.603 | ||
| 劳动力比例贡献度(%) | 8.30 | 7.95 | 8.08 | 0.663 | 0.019 | 0.644 | ||
| 劳动力素质贡献度(%) | 6.86 | 6.98 | 6.85 | 0.655 | 0.021 | 0.633 | ||
| 贫困类型 | 单因素主导型比例(%) | 0.22 | 0.06 | 0.18 | 2.728 | 0.021 | 2.706 | |
| 双因素驱动型比例(%) | 9.97 | 7.22 | 8.50 | 1.208 | 0.028 | 1.181 | ||
| 三因素支配型比例(%) | 48.71 | 55.49 | 53.11 | 0.745 | 0.016 | 0.729 | ||
| 四因素协同型比例(%) | 32.15 | 27.82 | 28.88 | 0.852 | 0.022 | 0.830 | ||
| 五因素联合型比例(%) | 8.19 | 8.44 | 8.35 | 1.304 | 0.022 | 1.282 | ||
| 六因素综合型比例(%) | 0.76 | 17.31 | 0.98 | 1.974 | 0.004 | 1.970 | ||
致贫因素差异：① 综合对比“整村推进”工作已实施、正在实施、未实施三类贫困村的主要致贫因素,发现随着“整村推进”工作的实施,贫困村的通路状况、收入情况、劳动力素质等有所好转;② 地形的限制、遭受自然灾害的情况以及劳动力比例无法通过“整村推进”工作在短期内取得改善;③ 对照各致贫因素的泰尔系数,三种“整村推进”工作实施情况下的人均纯收入指标贡献度的T间系数最大,说明“整村推进”工作对提高贫困地区收入水平取得了不错的成效。
贫困类型差异：已实施“整村推进”的贫困村中单因素主导型和双因素驱动型比例最高、五因素联合型和六因素综合型比例最低,说明“整村推进”工作改善了贫困村部分发展制约因素,该类贫困村的发展条件正在逐步改善。
综合分析,“整村推进”工作的落实,对于改善贫困村的发展环境,提高贫困地区可持续发展起到了一定的帮助,是中国扶贫工作中的重要一步。但贫困村具有各自贫困特征,仍需进一步地因地制宜,因村施策,开展针对性帮扶工作。
针对当前减贫速率变缓、财政资源下乡存在的“精英俘获”、扶贫资源利用率低下、扶贫手段不足等问题,国家精准扶贫战略实施的目标之一就是要实现贫困村的精准识别、精准帮扶、精准管理和精准考核。而要确切落实精准扶贫工作,必须首先克服“扶持谁”、“谁来扶”和“怎么扶”三个难题。本文相关研究能够为精准扶贫的贫困村精准识别工作提供一定的技术方法支持和业务实践帮助。① 利用多维贫困度量模型以及GIS空间分析技术,能够在“是否贫困”的基础上更加精细地获取各贫困村的相对贫困程度与其空间分布特征,更好地解决“扶持谁”及其优先级的问题;② 通过定量分析致贫原因与贫困类型,能够深入挖掘村域层面的贫困成因,进一步揭示空间贫困陷阱的分布特征与形成机理,从而采取更具针对性的帮扶措施,最大化扶贫资源利用率,更好地解决“怎么扶”的问题;③ 通过对全国大尺度范围的贫困村研究,既能较为宏观地勾勒中国贫困村的总体贫困分异规律,又能细致刻画每个村的具体贫困特点,从而可以辅助各级扶贫办等政府业务主管部门因地制宜地调动社会扶贫、行业扶贫等各方扶贫资源,为帮助解决“谁来扶”的问题提供导向支持。
如以文中分析结果为例,发现甘肃、云南、贵州等地区为贫困“重灾区”,需要适当的国家财政资源“倾斜”,发挥宏观调控利益再分配的功能;全国贫困村的整体呈多因素致贫,且大多存在通路情况差、自然环境条件恶劣、收入低下、劳动力文化素质低等限制因素,可以通过贫困村各自的贫困特征制定相适应的帮扶策略,优化扶贫资源使用方式;通过分析贫困村综合特征,可以对类似南江村、伍刘村等致贫因素单一、贫困程度低的贫困村实施针对性帮扶政策,有效摆脱贫困,其余多因素致贫贫困村需应地制宜,针对各自致贫因素,精准施策;“整村推进”工作通过整合各类发展资源,能够有效提升农村发展空间,需要进一步落实以及实施类似的扶贫策略。
本文通过设计村级多维贫困综合度量模型对中国贫困村的贫困程度进行系统测算,分别利用指标贡献度模型和多元线性回归模型相结合的方式,以及LSE模型分析了贫困村致贫因素和贫困类型,并综合分析了处于不同“整村推进”实施阶段的贫困村差异特征。结果表明：① 贫困村贫困程度：中国贫困村的贫困程度按VPI等间距可划分为5个等级,其中近一半贫困村属于中度贫困。空间分布上,中国贫困村贫困程度基本呈西高东低的格局,集中分布于连片特困区,贫困村的贫困程度与贫困规模都存在显著的地域性;② 贫困村致贫因素：造成贫困村贫困最主要的指标为通路率、地貌类型、遭受自然灾害频次、人均纯收入、劳动力比例、劳动力文化素质等。概括贫困村的主要致贫因素分别为通路情况较差、自然灾害频发、收入水平低下、劳动力状况不佳;③ 贫困村贫困类型：中国贫困村可以分为单因素主导型、双因素驱动型、三因素支配型、四因素协同型、五因素联合型、六因素综合型6类。不同类型的贫困村比重依次为0.14%、8.24%、53.33%、28.99%、8.36%、0.94%。说明中国贫困村整体呈多因素致贫,三因素支配型、四因素协同型、五因素联合型贫困分布相对较高;④ 贫困村个例分析：南江村、伍刘村等单因素驱动型贫困村可采取移民搬迁、技能培训、产业帮扶、基础设施帮扶等手段有效改善贫困现状;针对多因素致贫的贫困村需要因地制宜,针对自身致贫因素精准施策,提升发展水平;⑤ 不同“整村推进”实施阶段的贫困村差异特征：通过对比分析不同“整村推进”实施阶段贫困村的贫困现状、致贫原因、贫困类型差异,发现“整村推进”工作取得了一定扶贫成效,提升了当地的发展环境,改善了通路、收入、劳动力素质等发展制约因素,但仍需进一步因地制宜地开展针对性帮扶工作。
通过对上述贫困村现状、致贫因素、贫困类型三个方面的分析,初步描述了中国贫困村的基本特征。但贫困村度量的相关机制分析和理论分析还有待进一步完善,贫困类型划分方法还有待进一步深入研究。同时,由于数据源储备不足及数据获取的限制,研究样本未涉及非贫困村,缺乏贫困村与非贫困村间的差异分析;缺乏多年份数据,未能进行多尺度时空差异分析。后续研究中将会进一步改善。
The authors have declared that no competing interests exist.
| [1] |
On the dynamic multidimensional measurement and decomposition of China's poverty:1989-2009. 中国多维贫困的测度及分解 . |
| [2] |
Poverty and Development in China: Alternative Approaches to Poverty Assessment. https://doi.org/10.1080/00220388.2012.739745 URL [本文引用: 1] 摘要
No abstract is available for this item.
|
| [3] |
Chronic and transient poverty: Measurement and estimation, with evidence from China, https://doi.org/10.1016/j.jdeveco.2009.09.002 URL 摘要
The paper contributes to the measurement of poverty and vulnerability in three ways. First, it proposes a new approach to separating poverty into chronic and transient components. Second, it provides corrections for the statistical biases introduced when using a small number of periods to estimate the importance of vulnerability and transient poverty. Third, it applies these tools to the measurement of chronic and transient poverty in China using a rich panel data set that extends over 17 years. Alternative measurement techniques are found to yield significantly different estimates of the relative importance of chronic and transient poverty. The precision of the estimates is also considerably enhanced by simple statistical corrections.
|
| [4] |
China Rural Poverty Alleviation and Development Program (2011-2020). URL 摘要
为进一步加快贫困地区发展，促进共同富裕，实现到2020年全面建成小康社会奋斗目标，特制定本纲要。
中国农村扶贫开发纲要(2011-2020年) .URL 摘要
为进一步加快贫困地区发展，促进共同富裕，实现到2020年全面建成小康社会奋斗目标，特制定本纲要。
|
| [5] |
Study on sustainable development in the poor areas coupled with vulnerable eco-environment. China Population, https://doi.org/10.3969/j.issn.1002-2104.2003.02.010 URL [本文引用: 1] 摘要
研究表明,中国贫困地区的分布与脆弱生态环境的分布存在一种地理空间意义上的耦合,这种耦合是一种非良性的耦合,存在着诸多问题并制约着当地的社会经济发展.要改变这一现状,实现区域社会经济可持续发展,必须革新现有的贫困人口生存方式和社会经济发展模式.据此,本文提出了实现贫困地区社会经济可持续发展的战略措施应是依托现有的资源优势,推广生态农业技术,发展绿色食品和开展生态旅游.
脆弱生态环境耦合下的贫困地区可持续发展研究 .https://doi.org/10.3969/j.issn.1002-2104.2003.02.010 URL [本文引用: 1] 摘要
研究表明,中国贫困地区的分布与脆弱生态环境的分布存在一种地理空间意义上的耦合,这种耦合是一种非良性的耦合,存在着诸多问题并制约着当地的社会经济发展.要改变这一现状,实现区域社会经济可持续发展,必须革新现有的贫困人口生存方式和社会经济发展模式.据此,本文提出了实现贫困地区社会经济可持续发展的战略措施应是依托现有的资源优势,推广生态农业技术,发展绿色食品和开展生态旅游.
|
| [6] |
Poverty reduction in China: The contribution of popularizing primary education. https://doi.org/10.1111/j.1749-124X.2012.01275.x URL [本文引用: 1] 摘要
Abstract Using the instrumental variable model and the regression discontinuity approach, this paper explores how access to primary education affects the Chinese labor market and helps people to escape poverty. Several important findings are obtained. The popularization of primary education has significantly reduced poverty in China, especially in urban areas. In contrast, the Compulsory Education Law has not been well implemented for older children in rural areas. In addition, the labor market premium for completing primary education is much larger in urban areas than in rural areas. Poor rural school quality might explain this rural鈥搖rban disparity. Effort needs to be made to further reduce poverty by ensuring adequate financial resources for primary education in poor areas and improving school quality in rural China.
|
| [7] |
Classifying stricken-poverty villages and developing poverty pointedly .贫困村分类与针对性扶贫开发 . |
| [8] |
A geographical perspective on poverty-environment interactions. https://doi.org/10.1111/j.1475-4959.2005.00146.x URL [本文引用: 1] 摘要
This paper examines prevailing wisdoms on the topic of poverty-environmental interactions, problematizes some standard assumptions and interrogates the geographical literature on the subject. Dominant development discourse has tended to blame the poor for environmental degradation, ignoring the role of other processes and actors at various scales in causing environmental degradation. We examine how definitions of poverty, institutional arrangements, conventional economic models and assumed feedback loops may influence our understanding of poverty-environment interactions. The article gives particular attention to the political ecology approach as a lens through which this dynamic may be understood. Recent work in political ecology has broadened views of poverty-environment interactions by focusing on issues of power, scale and discourse in influencing outcomes and policies.
|
| [9] |
Geographical identification and classification of multi-dimensional poverty in rural China. https://doi.org/10.11821/dlxb201506012 URL [本文引用: 1] 摘要
发展多维贫困度量方法和提高贫困识别精准度是近年国际贫困研究中的热点领域,也是中国未来提高农村扶贫实践质量和效率所面临的关键问题。本文借鉴国际上关于脆弱性—可持续生计框架模型在贫困研究中的学术思想,通过建立农村多维贫困测度指标体系和地理识别方法,对中国农村开展了县域尺度的贫困地理识别,并与单维度收入贫困以及国家最新认定的扶贫开发重点县进行了对比分析,最后对识别的多维贫困县按扶贫措施相似性进行了类型划分。研究结果表明：655个县级单元被识别为多维度贫困县,涉及农村人口1.41亿人;空间分布集中连片特征显著,青藏高原及其周边的南疆三地州、黄土高原西部、滇西—川西高山峡谷区为最大的连片贫困区;有71.79%的国家重点贫困县与识别结果重叠,与国家重点贫困县对比,识别的多维贫困县在各单维度和综合维度都处于更劣势水平;多维贫困县被划分为金融资本缺乏型、人力资本缺乏型、基础建设缺乏型、金融基建兼缺型、人力基建兼缺型、生计途径缺乏型、生存条件缺乏型和发展条件缺乏型8种类型。
中国农村多维贫困地理识别及类型划分 .https://doi.org/10.11821/dlxb201506012 URL [本文引用: 1] 摘要
发展多维贫困度量方法和提高贫困识别精准度是近年国际贫困研究中的热点领域,也是中国未来提高农村扶贫实践质量和效率所面临的关键问题。本文借鉴国际上关于脆弱性—可持续生计框架模型在贫困研究中的学术思想,通过建立农村多维贫困测度指标体系和地理识别方法,对中国农村开展了县域尺度的贫困地理识别,并与单维度收入贫困以及国家最新认定的扶贫开发重点县进行了对比分析,最后对识别的多维贫困县按扶贫措施相似性进行了类型划分。研究结果表明：655个县级单元被识别为多维度贫困县,涉及农村人口1.41亿人;空间分布集中连片特征显著,青藏高原及其周边的南疆三地州、黄土高原西部、滇西—川西高山峡谷区为最大的连片贫困区;有71.79%的国家重点贫困县与识别结果重叠,与国家重点贫困县对比,识别的多维贫困县在各单维度和综合维度都处于更劣势水平;多维贫困县被划分为金融资本缺乏型、人力资本缺乏型、基础建设缺乏型、金融基建兼缺型、人力基建兼缺型、生计途径缺乏型、生存条件缺乏型和发展条件缺乏型8种类型。
|
| [10] |
Spatial distribution of poverty village and influencing factors in Qinba Mountains. 秦巴山区贫困村的空间分布特征及其影响因素 . |
| [11] |
Mapping poverty in rural China: How much does the environment matter? https://doi.org/10.1017/S1355770X10000513 URL [本文引用: 1] 摘要
A recently developed small area estimation technique is used to geographically derive detailed estimates of consumption-based poverty and inequality in rural Shaanxi, China. These estimates may be helpful for targeting since there is wide variability in poverty rates within Shaanxi but low levels of inequality within most counties and townships. We also investigate whether including environmental variables in the equation used to predict consumption and poverty improves upon typical approaches that only use household survey and census data. Ignoring environmental variables appears likely to produce targeting errors.
|
| [12] |
Investigation and analysis of villages in extreme spatial poverty in Liupan mountain contiguous areas: A case study of Xiji, Ningxia Province. https://doi.org/10.13872/j.1000-0275.2015.0130 URL [本文引用: 1] 摘要
基于贫困农户的调研数据,采用贫困发生率、贫困缺口率、SPG指数、贫困承受等指数对样本村的贫困广度、深度及强度进行实证分析。研究发现:1)各地形区和各民族村的恩格尔系数、贫困发生率和贫困缺口指数三者之间的动态趋同度较高。2)各地形区和各民族村的贫困承受指数和SPG指数整体呈现逐年下降趋势,贫困状况向好趋势明显。3)各贫困村的脱贫时间在逐年缩短,扶贫工作取得切实成效,而黄土丘陵沟壑区贫困村的贫困广度、深度和强度是三地貌之最,扶贫负担仍然很重。村域扶贫对象的精准识别必须确保前期问卷设计的多维性,注重扶贫政策制定的均衡性、特殊性和资源分配的区域性,并要加强后期的技术动态监测与创新管理。
六盘山特困片区村域空间贫困调查与分析: 以宁夏西吉县为例 .https://doi.org/10.13872/j.1000-0275.2015.0130 URL [本文引用: 1] 摘要
基于贫困农户的调研数据,采用贫困发生率、贫困缺口率、SPG指数、贫困承受等指数对样本村的贫困广度、深度及强度进行实证分析。研究发现:1)各地形区和各民族村的恩格尔系数、贫困发生率和贫困缺口指数三者之间的动态趋同度较高。2)各地形区和各民族村的贫困承受指数和SPG指数整体呈现逐年下降趋势,贫困状况向好趋势明显。3)各贫困村的脱贫时间在逐年缩短,扶贫工作取得切实成效,而黄土丘陵沟壑区贫困村的贫困广度、深度和强度是三地貌之最,扶贫负担仍然很重。村域扶贫对象的精准识别必须确保前期问卷设计的多维性,注重扶贫政策制定的均衡性、特殊性和资源分配的区域性,并要加强后期的技术动态监测与创新管理。
|
| [13] |
Research on present situation and affecting factors of poverty based on village scale in Wuling ethnic areas of Hubei Province .https://doi.org/10.13300/j.cnki.hnwkxb.2015.02.017 URL [本文引用: 1] 摘要
通过整体描述湖北武陵民族地区行政村贫困总体现状,运用线性回归模型对贫困村的贫困发生率及因病因灾返贫率的影响因素进行实证检验,结果发现：少数民族人口率对贫困发生率具有显著正向影响,对返贫率不具有影响;劳动力文盲、半文盲率对二者具有显著正向影响;劳动力输出率对贫困发生率具有负向影响,而对返贫率有正向影响;有文化活动室率及有卫生室率对贫困发生率具有显著负向影响,有文化活动室率对返贫率没有影响,而有卫生室率对返贫率有显著负向影响;通自来水率及通油路率对贫困发生率有显著负向影响;通油路率及通电率对返贫率没有影响。据此,提出推进湖北武陵民族地区扶贫开发事业发展的对策建议：加大教育投资力度,提升民族人口综合素质;完善劳务输出战略,增强贫困人口反贫脱贫能力;因时因地因村制宜,完善民族地区人口扶贫方案;加快基础设施建设,推动村级社会事业发展;建立村级贫困数据库,形成扶贫事业新局面。
基于村级尺度的湖北武陵民族地区贫困现状及影响因素研究 .https://doi.org/10.13300/j.cnki.hnwkxb.2015.02.017 URL [本文引用: 1] 摘要
通过整体描述湖北武陵民族地区行政村贫困总体现状,运用线性回归模型对贫困村的贫困发生率及因病因灾返贫率的影响因素进行实证检验,结果发现：少数民族人口率对贫困发生率具有显著正向影响,对返贫率不具有影响;劳动力文盲、半文盲率对二者具有显著正向影响;劳动力输出率对贫困发生率具有负向影响,而对返贫率有正向影响;有文化活动室率及有卫生室率对贫困发生率具有显著负向影响,有文化活动室率对返贫率没有影响,而有卫生室率对返贫率有显著负向影响;通自来水率及通油路率对贫困发生率有显著负向影响;通油路率及通电率对返贫率没有影响。据此,提出推进湖北武陵民族地区扶贫开发事业发展的对策建议：加大教育投资力度,提升民族人口综合素质;完善劳务输出战略,增强贫困人口反贫脱贫能力;因时因地因村制宜,完善民族地区人口扶贫方案;加快基础设施建设,推动村级社会事业发展;建立村级贫困数据库,形成扶贫事业新局面。
|
| [14] |
Empirical research on causes of rural poverty and mechanism of poverty alleviation in mountain area: Transaction cost perspective [D]. 山区农村贫困机理及脱贫机制实证研究: 一个交易成本视角[D] . |
| [15] |
An analysis on multidimensional poverty measurement and research on its spatial distribution pattern: A case study from Neixiang County .https://doi.org/10.3969/j.issn.1000-4149.2014.05.013 URL [本文引用: 2] 摘要
村级贫困人口的有效瞄准是新阶段农村扶贫开发需要解决的首要问题。文章以连片特困区扶贫重点县内乡县为研究区域，运用“双临界值”法进行村级多维贫困测算和分析；并基于村级居民点数据，运用人口密度空间化模型，对其多维贫困测算结果进行空间化处理，系统分析村级贫困人口的贫困特征及空间分布格局。结果显示：内乡县致贫因素主要是收入、健康以及教育；贫困人口主要集中在县城以南，内乡县中北部的贫困程度较深。
村级贫困人口多维测算及其贫困特征分析: 以河南省内乡县为例 .https://doi.org/10.3969/j.issn.1000-4149.2014.05.013 URL [本文引用: 2] 摘要
村级贫困人口的有效瞄准是新阶段农村扶贫开发需要解决的首要问题。文章以连片特困区扶贫重点县内乡县为研究区域，运用“双临界值”法进行村级多维贫困测算和分析；并基于村级居民点数据，运用人口密度空间化模型，对其多维贫困测算结果进行空间化处理，系统分析村级贫困人口的贫困特征及空间分布格局。结果显示：内乡县致贫因素主要是收入、健康以及教育；贫困人口主要集中在县城以南，内乡县中北部的贫困程度较深。
|
| [16] |
Research on the spatial poverty trap of concentrated contiguous areas with particular difficulties on basis of the geographic capital: Taking Longde County of Ningxia for example [D]. 基于地理资本的集中连片特困地区空间贫困陷阱研究: 以宁夏隆德县为例[D] . |
| [17] |
Regional differentiation characteristics of rural poverty and targeted poverty alleviation strategy in China.
长期以来,中国坚持政府主导推动减贫事业,在实践中不断推进扶贫开发的理论创新、组织创新和制度创新,走出了一条中国特色的扶贫开发道路,为全球减贫事业做出了巨大贡献。然而,目前中国仍有7 017万农村贫困人口,成为全面建成小康社会的最大短板。文章深入剖析了新时期中国农村贫困化基本特征,揭示了农村贫困化地域分异规律,探明了农村贫困化的主导因素,提出了科学推进精准扶贫的战略与对策。研究结果表明:贫困人口规模大、分布广、贫困程度深、脱贫难度逐渐加大,是当前中国农村贫困状况的基本特征,因病、因残、因学、因灾致贫或返贫现象突出;农村贫困人口逐渐向我国中西部深石山区、高寒区、民族地区和边境地区集聚,具有贫困户、贫困村、贫困县、贫困区(片)等多级并存的组织结构和空间分布格局;"胡焕庸线"西北部、东南部贫困人口的比重分别占16.4%、83.6%;自然环境恶劣、区位条件差、基础设施落后、区域发展不均衡及前期扶贫开发政策精准性不够等,是中国农村持续贫困的主要症结。如期实现2020年全面消除贫困,亟需扶贫工作体制机制的创新,科学推进精准扶贫战略。
中国农村贫困化地域分异特征及其精准扶贫策略 .
长期以来,中国坚持政府主导推动减贫事业,在实践中不断推进扶贫开发的理论创新、组织创新和制度创新,走出了一条中国特色的扶贫开发道路,为全球减贫事业做出了巨大贡献。然而,目前中国仍有7 017万农村贫困人口,成为全面建成小康社会的最大短板。文章深入剖析了新时期中国农村贫困化基本特征,揭示了农村贫困化地域分异规律,探明了农村贫困化的主导因素,提出了科学推进精准扶贫的战略与对策。研究结果表明:贫困人口规模大、分布广、贫困程度深、脱贫难度逐渐加大,是当前中国农村贫困状况的基本特征,因病、因残、因学、因灾致贫或返贫现象突出;农村贫困人口逐渐向我国中西部深石山区、高寒区、民族地区和边境地区集聚,具有贫困户、贫困村、贫困县、贫困区(片)等多级并存的组织结构和空间分布格局;"胡焕庸线"西北部、东南部贫困人口的比重分别占16.4%、83.6%;自然环境恶劣、区位条件差、基础设施落后、区域发展不均衡及前期扶贫开发政策精准性不够等,是中国农村持续贫困的主要症结。如期实现2020年全面消除贫困,亟需扶贫工作体制机制的创新,科学推进精准扶贫战略。
|
| [18] |
Effects of new-type urbanization on poverty alleviation and development and corresponding countermeasures. 新型城镇化对扶贫开发的影响与应对研究 . |
| [19] |
The index system of spatial poverty of village level to monitor in concentrated contiguous areas with particular difficulties.
<p>在阐述多维贫困和空间贫困概念内涵及其指标基础上，提出了集中连片特殊困难地区村域空间贫困测度指标体系构建的基本原则，即强调科学性和主导性原则、重视数据的可获得性和测度的可操作性、体现减贫与反贫困的新要求、突出区域性和空间刻画能力。据此，构建了包括经济、社会、环境和政策4 个维度，收入和消费、市场连通性、人口状况、学有所教、病有所医、老有所养、住有所居、劳有所得、地貌要素、自然灾害、生态安全、农业生态、粮食安全和政策的实效性共13 个指标组，27 个原始指标或生成指标构成的集中连片特殊困难地区村域空间贫困测度指标体系。进一步讨论了空间贫困测度指标的检验、获取方法和空间化等关键问题。</p>
集中连片特殊困难地区村域空间贫困测度指标体系研究 .
<p>在阐述多维贫困和空间贫困概念内涵及其指标基础上，提出了集中连片特殊困难地区村域空间贫困测度指标体系构建的基本原则，即强调科学性和主导性原则、重视数据的可获得性和测度的可操作性、体现减贫与反贫困的新要求、突出区域性和空间刻画能力。据此，构建了包括经济、社会、环境和政策4 个维度，收入和消费、市场连通性、人口状况、学有所教、病有所医、老有所养、住有所居、劳有所得、地貌要素、自然灾害、生态安全、农业生态、粮食安全和政策的实效性共13 个指标组，27 个原始指标或生成指标构成的集中连片特殊困难地区村域空间贫困测度指标体系。进一步讨论了空间贫困测度指标的检验、获取方法和空间化等关键问题。</p>
|
| [20] |
Measurement and spatial analysis of poverty-stricken villages in China. 中国贫困村测度与空间分布特征分析 . |
| [21] |
Using VPI to measure poverty-stricken villages in China. https://doi.org/10.1007/s11205-015-0964-z URL [本文引用: 1] 摘要
Previous multidimensional indices for the Colombian context, such as the Unmet Basic Needs Index or the Living Conditions Index, have lost their public policy relevance and arguably have become poor instruments for poverty measurement. This paper presents the Colombian Multidimensional Poverty Index (CMPI), a synthetic indicator that overcomes the methodological problems from previous multidimensional indices and has a broad public policy scope of use. The CMPI is based on the methodology of Alkire and Foster (J Public Econ 95:476鈥478, 2011a) and is composed of five dimensions (education of household members, childhood and youth conditions, health, employment and access to household utilities and living conditions). Additionally, it uses a nested weighting structure, where each dimension is equally weighted, as is each indicator within each dimension. This paper proposes the CMPI for tracking multiple deprivations across the national territory, to monitor public policies by sector and to design poverty reduction goals, among other public policy uses. Analysis of the results demonstrates that multidimensional poverty in Colombia decreased between 1997 and 2010 in both urban and rural areas, but imbalances remain.
|
| [22] |
以自由看待发展 . |
| [23] |
A note of academic history accurate poverty alleviation: Sen's poverty concept .
阿马蒂亚·森的能力贫困和权利贫困观点,在对贫困成因与脱贫方式的理论解析中,为精准扶贫理论发展提供了一个学术史的注角.在贫困研究对象探究上,体现了从区域到人的微观化;在贫困本质与成因分析中,体现了从收入到能力的内生性;在脱贫导向选择上,体现了普惠与精准的动态均衡;在贫困陷阱的破解路径上,注重权利与机会的创造.森的贫困观中的精准扶贫观点,为精准扶贫理论发展提供了宝贵的探究视角与思想素养,也为新时期精准扶贫政策设计提供了理论启示.
精准扶贫的一个学术史注角: 阿马蒂亚·森的贫困观 .
阿马蒂亚·森的能力贫困和权利贫困观点,在对贫困成因与脱贫方式的理论解析中,为精准扶贫理论发展提供了一个学术史的注角.在贫困研究对象探究上,体现了从区域到人的微观化;在贫困本质与成因分析中,体现了从收入到能力的内生性;在脱贫导向选择上,体现了普惠与精准的动态均衡;在贫困陷阱的破解路径上,注重权利与机会的创造.森的贫困观中的精准扶贫观点,为精准扶贫理论发展提供了宝贵的探究视角与思想素养,也为新时期精准扶贫政策设计提供了理论启示.
|
| [24] |
Spatial mismatch, poverty, and vulnerable populations. https://doi.org/10.1007/978-3-642-23430-9_7 URL [本文引用: 1] 摘要
Spatial mismatch relates the unemployment and poverty of vulnerable population groups to their remoteness from job opportunities. Although the intuition initially applied to African Americans in US inner cities, spatial mismatch has a broader validity beyond the sole US context. In light of a detailed presentation of the mechanisms at work, we present the main results from various empirical tests of the spatial mismatch theory. Since key aspects of that theory remain to be tested, we also discuss methodological approaches and provide guidance for further research. We derive lessons for policy implications and comment on the appropriateness of related urban policies.
|
| [25] |
Poverty, development and environment. https://doi.org/10.1017/S1355770X1000032X URL [本文引用: 1] |
| [26] |
An empirical analysis of natural geography environment and poverty effect: From the perspective of space poverty theory.
从空间贫困理论的视角,根据自然地理环境、社会经济发展水平与贫困发生之间的关系,构建面板数据模型,并运用2006—2012年新疆17个边境重点贫困县市的面板数据进行实证分析,探讨自然地理环境的贫困发生效应。回归分析结果表明,自然地理条件对农民收入和农村贫困率有显著影响,政府完善区域经济发展战略和相关政策,可以缓解自然地理环境对贫困效应的影响,农业经济的发展对农村贫困率的减低有显著性影响。
自然地理环境贫困效应实证分析: 基于空间贫困理论视角 .
从空间贫困理论的视角,根据自然地理环境、社会经济发展水平与贫困发生之间的关系,构建面板数据模型,并运用2006—2012年新疆17个边境重点贫困县市的面板数据进行实证分析,探讨自然地理环境的贫困发生效应。回归分析结果表明,自然地理条件对农民收入和农村贫困率有显著影响,政府完善区域经济发展战略和相关政策,可以缓解自然地理环境对贫困效应的影响,农业经济的发展对农村贫困率的减低有显著性影响。
|
| [27] |
A two-stage feature selection method for text categorization by using information gain, principal component analysis and genetic algorithm .https://doi.org/10.1016/j.knosys.2011.04.014 URL [本文引用: 1] 摘要
Text categorization is widely used when organizing documents in a digital form. Due to the increasing number of documents in digital form, automated text categorization has become more promising in the last ten years. A major problem of text categorization is its large number of features. Most of those are irrelevant noise that can mislead the classifier. Therefore, feature selection is often used in text categorization to reduce the dimensionality of the feature space and to improve performance. In this study, two-stage feature selection and feature extraction is used to improve the performance of text categorization. In the first stage, each term within the document is ranked depending on their importance for classification using the information gain (IG) method. In the second stage, genetic algorithm (GA) and principal component analysis (PCA) feature selection and feature extraction methods are applied separately to the terms which are ranked in decreasing order of importance, and a dimension reduction is carried out. Thereby, during text categorization, terms of less importance are ignored, and feature selection and extraction methods are applied to the terms of highest importance; thus, the computational time and complexity of categorization is reduced. To evaluate the effectiveness of dimension reduction methods on our purposed model, experiments are conducted using the k -nearest neighbour (KNN) and C4.5 decision tree algorithm on Reuters-21,578 and Classic3 datasets collection for text categorization. The experimental results show that the proposed model is able to achieve high categorization effectiveness as measured by precision, recall and F -measure.
|
| [28] |
A PPI-MVM model for identifying poverty-stricken villages: A case study from Qianjiang District in Chongqing, China. https://doi.org/10.1007/s11205-015-1190-4 URL [本文引用: 1] 摘要
Abstract To support China’s national poverty alleviation strategies, it is urgent to develop a scientific method for identifying the poverty-stricken villages and the contributing factors. Based on the anti-poverty plan of “Entire-Village Advancement” of China and the human-environment interaction perspective, the paper proposes a participatory poverty identification model that utilizes geographic information system to quantify and integrate various contributing factors for poverty at the village level. First, a set of poverty identification factors are determined from the human-environment interaction perspective. Secondly, the game theory is used to combine the participatory subjective weight method and the objective entropy method to weight the factors, and a participatory poverty identification with minimum variance model is developed to identify the poverty-stricken villages and their contributing factors. Finally, the model is applied to Qianjiang District in Chongqing, and the case study demonstrates the effectiveness of the model. The model not only identifies the poverty-stricken villages systematically but also helps guide policies for effective poverty interventions.
|
| [29] |
Survey of the screening methods of comprehensive evaluation index .综合评价指标筛选方法综述 . |
| [30] |
The linear combination weights method based on maximum entropy principle. https://doi.org/10.3969/j.issn.1007-3221.2011.01.010 URL [本文引用: 1] 摘要
在被评价对象的指标值与理想值之间的广义距离和充分小的情况下, 追求不同赋权方法权重组合系数的信息分配最合理.随着广义距离和不断变小,得到一组不同方法赋权后的组合权重,进而得到了评价结果.本文的特色与创新一是 本文得到的权重兼顾了信息分配最合理与指标数据距离理想值的广义距离和最小两个目标.二是提出一个单目标模型求解多目标问题Pareto解集的方法,并根 据解集对评价对象进行排序, 增加了排序的可靠性,也为多目标模型求解提供了一种新思路.三是改变了组合赋权系数为近似平均的结果.四是解决了多目标线性加权求解时多个目标组合系数不 确定问题.
基于最大熵原理的线性组合赋权方法 .https://doi.org/10.3969/j.issn.1007-3221.2011.01.010 URL [本文引用: 1] 摘要
在被评价对象的指标值与理想值之间的广义距离和充分小的情况下, 追求不同赋权方法权重组合系数的信息分配最合理.随着广义距离和不断变小,得到一组不同方法赋权后的组合权重,进而得到了评价结果.本文的特色与创新一是 本文得到的权重兼顾了信息分配最合理与指标数据距离理想值的广义距离和最小两个目标.二是提出一个单目标模型求解多目标问题Pareto解集的方法,并根 据解集对评价对象进行排序, 增加了排序的可靠性,也为多目标模型求解提供了一种新思路.三是改变了组合赋权系数为近似平均的结果.四是解决了多目标线性加权求解时多个目标组合系数不 确定问题.
|
| [31] |
Counting and Multidimensional Poverty Measurement.
Downloadable ! Author(s): Sabina Alkire and James Foster. 2009 Abstract: This paper proposes a new methodology for multidimensional poverty measurement consisting of an identification method 蟻魏 that extends traditional approaches, and a class of poverty measures Ma that satisfies several desirable properties including decomposability. Our identification step employs two forms of cutoff: one within each dimension and a second across dimensions that identifies the poor by counting their deprivations. We aggregate using Foster-Greer-Thorbecke measures adjusted for multidimensionality. Our adjusted headcount ratio is well suited for use with ordinal data. Examples from Indonesia and the US illustrate our methodology.
|
| [32] |
Spatial Analysis and Modeling in Geographical Transformation Process: GIS-based Applications. |
| [33] |
Measurement and spatial driving type analysis for water poverty in China based on WPI-LSE model.
在构建水贫困评价指标体系基础上,采用WPI模型测度了2009年中国31个省市（自治区）的水贫困水平,并以资源、设施、能力、使用和环境5系统得分的贡献率为指标,采用LSE方法将各省市划分为不同的水贫困驱动类型。结果表明：我国水贫困程度呈自东南向西北逐渐加重的规律;资源因素是所有北方地区共同的水贫困驱动因素;在东北、中、西部区域内经济和社会发展水平不高的地区,设施和能力因素构成对水贫困的驱动因素;在资源条件较好的东南和西南地区、以及发展水平不高的西北地区,使用因素形成对水贫困的驱动效应;东北和东部地区的水贫困亦由环境因素所驱动。研究结果可为各地区制定缓解水贫困的水资源管理策略提供必要的理论基础。
基于WPI-LSE模型的中国水贫困测度及空间驱动类型分析 .
在构建水贫困评价指标体系基础上,采用WPI模型测度了2009年中国31个省市（自治区）的水贫困水平,并以资源、设施、能力、使用和环境5系统得分的贡献率为指标,采用LSE方法将各省市划分为不同的水贫困驱动类型。结果表明：我国水贫困程度呈自东南向西北逐渐加重的规律;资源因素是所有北方地区共同的水贫困驱动因素;在东北、中、西部区域内经济和社会发展水平不高的地区,设施和能力因素构成对水贫困的驱动因素;在资源条件较好的东南和西南地区、以及发展水平不高的西北地区,使用因素形成对水贫困的驱动效应;东北和东部地区的水贫困亦由环境因素所驱动。研究结果可为各地区制定缓解水贫困的水资源管理策略提供必要的理论基础。
|
| [34] |
Study on the land use structure of Chinese counties. https://doi.org/10.11849/zrzyxb.2003.05.006 URL Magsci [本文引用: 1] 摘要
论文简要阐述了土地利用结构和土地利用结构类型研究的意义,进而提出了土地利用结构类型划分的原则、依据。在此基础上,基于土地利用分县的详查数据,以全国2475个县域为基本单元,运用最小方差法对其进行了土地利用结构类型的划分。对初次分类结果进行分析,制定原则并对其进行处理,将定性分析与定量研究相结合,最终确立了一个由6个土地利用结构系列和44个土地利用结构类型构成的中国县域土地利用结构类型分类系统。最后,对中国县域土地利用主要结构类型的地域分异规律及开发利用方向进行了探讨。
中国县域土地利用结构类型研究 .https://doi.org/10.11849/zrzyxb.2003.05.006 URL Magsci [本文引用: 1] 摘要
论文简要阐述了土地利用结构和土地利用结构类型研究的意义,进而提出了土地利用结构类型划分的原则、依据。在此基础上,基于土地利用分县的详查数据,以全国2475个县域为基本单元,运用最小方差法对其进行了土地利用结构类型的划分。对初次分类结果进行分析,制定原则并对其进行处理,将定性分析与定量研究相结合,最终确立了一个由6个土地利用结构系列和44个土地利用结构类型构成的中国县域土地利用结构类型分类系统。最后,对中国县域土地利用主要结构类型的地域分异规律及开发利用方向进行了探讨。
|
| [35] |
Case influence analysis of LSE-based unbiased estimated covariance matrix in multilinear model.
The necessity to make case - influence analysis is proved for the LSE-based unbiased estimate of covariance matrix in multivari-ate linear model following the derivation of its influence function, -which is never seen elsewhere. A statistic, not only intuitive but also easy to calculate , is suggested to measure the influence exerted by a certain data set-Far a normally distributed model , the new criterion with its distributionknown, is more accurate in discerning powerful influential sets than themeasure likelihood distance, for whose distribution no succinct form isavailable- An illustrative example is given.
|
| [36] |
|
| [37] |
What difference do polarization measures make? An application to China. https://doi.org/10.1080/00220380412331321981 URL [本文引用: 1] 摘要
In recent years there has been much discussion of the difference between inequality and polarisation. The vast literature on inequality is held to miss out key features of distributional change, which are better described as changes in polarisation. Axioms have been proposed which capture some of these differences, and measures of polarisation, as distinct from inequality, have been suggested. The theoretical distinctions proposed in this literature are indeed interesting. But do the newly proposed measures of polarisation give different results in comparing societies over time? We address these questions for China, where dramatic increases in inequality and polarisation have been much discussed in the literature. We find that, contrary to theoretical expectation, the new measures of polarisation do not generate very different results from the standard measures of inequality. The paper ends by considering a different approach to polarisation which might better conform to the policy concerns expressed in the specific context of China.
|
| [38] |
Study on problems and countermeasures for implementation of poverty alleviation policy of whole village advance: Take Tianzhu Village in Cangxi County as an example [D]. 整村推进扶贫模式政策实施中的问题与对策研究: 以苍溪县天主村为例[D] . |
| [39] |
Study on the relative deprivation of the relocated farmer households in the process of whole-village advance: A case study of Dazhu Village. 整村推进进程中搬迁农户相对剥夺感研究: 以重庆市合川区大柱村为例 . |
/
| 〈 |
|
〉 |
