一、引言
通過長期的反貧困戰略的實施,我國絕對貧困人口從 2000 年的 9422 萬人下降到 2010 年的 2688萬人,貧困發生率從 2000 年的 10. 2% 下降到 2010 年的 2. 8%。貧困人口的貧困狀況也發生了變化———從絕對貧困到相對貧困,從 “面上貧困”到 “點上貧困”; 貧困的內涵從傳統的收入貧困逐漸演變為一個相當復雜的發展現象,以往的單純依靠測量收入的貧困度量方法已經不能滿足目前扶貧政策的需要。在這種背景下,從多維角度把握貧困的實質并進行多維貧困的具體度量,逐漸為國際學術界所認同并成為近年來國內外研究的焦點。目前國內外貧困研究較為流行的是從能力貧困的角度利用森 \\(Sen\\) 提出的多維貧困理論識別貧困對象。一些學者分別從社會、經濟、教育、健康等角度定義貧困村識別的多維指標體系; 阿爾凱爾 \\(Alkire\\) 等人給出了基于貧困剝奪計數的綜合貧困指數測算方法; 王小林等人運用該方法和 2006 年 “中國健康與營養調查”數據,對中國城市與農村家庭多維貧困進行了測算; 李佳璐在多維貧困測量理論框架下,沿用王小林以及阿爾凱爾的測算方法對 S 省 30 個國家扶貧開發工作重點縣進行多維貧困測算,通過收入分組的方式,分析不同維度對不同收入組家庭的影響程度。但現有的貧困識別指標體系大多著眼于某個或某幾個社會經濟維度,且由于切入角度、數據源、研究區域不同,識別維度及指標不盡相同,更為重要的是目前國內外的研究僅僅關注了貧困人口本身,而對其貧困特征空間分布模式鮮有涉及。另外,以往的學者對于貧困的分析都是通過統計圖表形式描述,而現實中貧困人口及其貧困特征在空間上的分布往往是不均勻分布,所以用統計指標表達貧困并不準確。相比統計圖表,專題地圖更易于對貧困地區公共基礎設施建設的方向提供決策輔助,方便后續扶貧政策的實施。
本文以秦巴山區連片特困區扶貧重點縣為例,構建瞄準人口的村級貧困識別技術體系,對多維貧困測算結果及貧困特征空間分布進行空間化處理和分析。以此識別真正的貧困人口和貧困特征分布區域,為各級政府科學決策和科學管理提供更加全面與翔實的基礎數據和支持信息,引導貧困地區合理利用優勢資源,保護生態環境,實現自我發展的良性循環。
二、研究區概況與數據源
內鄉縣為秦巴山區連片特困區國家扶貧重點縣,位于河南省西南部,南陽盆地西緣。地形呈南北條狀,總面積 2465 平方千米。全縣共 16 個鄉鎮,289 個行政村和 8 個居民委員會,3840 個村民小組,153841 戶農戶,總人口 65 萬人。其中,農村人口 45 萬人,占總人口的 69. 7%。據 2010 年內鄉縣政府工作報告,2009 年內鄉縣人均生產總值為 14125 元,農民人均純收入為 4906 元。
本研究所采用的數據包括研究區社會經濟數據和基礎地理數據。社會經濟數據主要來自 2010 年該縣統計年鑒及扶貧辦貧困農戶建檔立卡調查數據,調查內容包含農戶的家庭人員結構、身體健康狀況、勞動力輸出情況、人均純收入、住房結構與面積、耕地面積、飲水來源、家庭資產等信息。調查范圍涵蓋內鄉縣 157 個行政村,29832 戶家庭,村覆蓋率達 54. 3%,戶覆蓋率達 19. 4%,其中,148戶數據存在記錄遺漏?；A地理數據包括研究區行政村村界數據以及內鄉縣居民點數據。本文在使用前對此進行了地理配準、數據查漏和剔除粗差等預處理。
三、研究方法
森把發展看做是擴展人們享有實質自由的一個過程,實質自由包括免受困苦 \\(諸如饑餓、營養不良、可避免疾病、過早死亡之類\\) 的基本可行為能力。人們的這些基本可行為能力被剝奪因而導致貧困,多維貧困測算的目的就是識別出哪些個體的哪些可行為能力被剝奪,從而測算出標示貧困深度的 “平均剝奪份額”指標,以及標示貧困人口群體綜合貧困狀況的 “多維貧困發生率”指標\\(MPI\\) 。
本文以 2010 河南省南陽市內鄉縣入戶調查數據為樣例,基于雙臨界值法,設計村級多維貧困測算指標體系,進行多維貧困測算。此處的多維貧困測算是指綜合考慮收入、健康、教育以及住房條件等因子構建評價模型,測算多維貧困指數、多維貧困發生率、指標貢獻度等指標來揭示區域貧困人口綜合貧困狀況。測算過程包括識別與加總兩個環節: 前者的目的是識別出人群中的貧困個體,后者的作用是把前者識別出的貧困個體進行匯總,用綜合貧困指標表示該區域的貧困狀況。并在上述貧困測算基礎上,基于人口密度空間化方法,分析研究區域貧困人口密度的空間分布狀況; 并使用地統計插值方法,研究區村級多維貧困以及各維度或指標對貧困貢獻度的空間分布狀況,從而系統描述研究區貧困人口現狀及貧困區域的空間化分布格局。
1. 多維貧困測算
\\(1\\) 測算維度與指標。不同研究區貧困人口識別維度與指標的選取需要遵循一些準則: 首先,測算維度及對應基礎指標應能覆蓋目前 “新綱要”對貧困農戶的扶貧監測需求,且保證指標之間的相關性最小; 其次,在一個評價體系中,數據來源應盡可能統一; 最后,每個指標值應都能劃定出一條剝奪線。本文基于多維貧困理念,針對我國目前扶貧開發策略的業務需求,以全球性多維貧困維度與指標體系為框架,以國家扶貧辦建檔立卡入戶調查數據為基礎,在村級尺度上設計建立了如表 1所示的村級多維貧困測算維度與指標體系。
由于每個維度在貧困識別中所起的作用不同,所以多維貧困加總時需要考慮每個維度和指標的權重。經過相關性分析和一致性檢驗等實證證明,在選擇不同權重的條件下,多維貧困指數是一個穩健的指數。所以本文對各維度和指標權重的處理采用等權重方法,即經濟福利、生活水平、健康、教育各維度所占的權重相等; 所有維度權重值之和為 1,每一維度內各基礎指標的權重相等,即等分該維度的權重值。例如 “生活水平”維度內指標 “飲水情況”的權重值 \\(1/20\\) 就等于 “生活水平”維度的權重 \\(1/4\\) 乘以 “飲用水”指標權重 \\(1/5\\) 。
\\(2\\) 多維貧困測算方法。貧困測量必須遵循兩個步驟: 識別總人口中的貧困人口和構建貧困的定量測量方法。本文在構建維度指標體系的基礎上,使用 “雙臨界值” \\(剝奪臨界值+ 貧困臨界值\\) 多維貧困測算方法來綜合評價貧困個體在所構建的維度指標體系中的貧困狀況。其中,維度加總能夠計算出貧困個體所有維度指標的綜合貧困指數—MPI,維度分解則可以計算出各個維度指標對綜合貧困指數的貢獻程度。算法如下: 第一,根據所構建的多維貧困維度指標體系,把入戶調查數據中各戶所對應的數據項導入數據矩陣。第二,根據各個指標的剝奪臨界值確定該研究區域所有用戶在各個指標上的剝奪情況,并把個體的剝奪信息存儲在剝奪矩陣中。第三,在剝奪矩陣中根據貧困臨界值確定貧困個體,并且把非貧困個體的剝奪值進行歸零處理,剔除非貧困個體的剝奪信息對貧困加總的干擾,把歸零后的剝奪矩陣稱為已刪減矩陣。第四,根據已刪減矩陣的貧困個體剝奪信息進行貧困加總,計算出多維貧困發生率、平均剝奪份額、MPI,通過這三個指標來反映該研究區域的多維貧困人口數、平均被剝奪的指標數量以及貧困程度。
具體變量釋義見表 2。
2. 多維貧困測算結果空間化
過往學者進行多維貧困測量研究大都只是停留在統計層面上,然而這些統計數據并不能直接應用到國家的扶貧政策中,必須對多維貧困測算結果進行空間化處理。此處的空間化是指采用一定的算法或者模型,把基于行政區單元的數據 \\(這里主要是和貧困相關的數據\\) 反演到規則網格上的過程,即貧困相關數據柵格化過程。多維貧困測算結果空間化是指將多維貧困發生率空間化、MPI 空間化、指標貢獻程度空間化,分別用來表示研究區域的貧困人口密度分布、貧困程度分布以及指定貧困識別指標的貧困程度分布。
\\(1\\) 多維貧困發生率空間化算法。首先,基于村級居民點數據,根據人口密度空間化模型,獲得柵格大小為 600m* 600m 的村級居民點密度分布圖。其中,柵格大小值通過村級居民點的聚集距離的最小空間尺度取整獲得。其次,根據行政村人口數據,對研究區行政村人口規模進行分級處理并對其結果網格化。通過計算 “行政村人口數/該行政村的自然村數量”指標并將其結果進行分級處理并轉換為 600m* 600m 網格。最后,根據網格貧困人口密度公式 \\(1\\) ,將前兩步中計算生成的柵格數據進行柵格計算,進而得到研究區域貧困人口密度分布圖。
其中,PP 表示貧困人口數,N 表示網格的自然村數量,φi表示網格居民點密度。
\\(2\\) MPI 以及指標貢獻程度空間化算法。為了研究貧困人口貧困特征的空間分布情況,這里使用 GIS “地統計”方法中的 Kriging 空間插值方法對村多維貧困狀況進行空間插值處理。方法如下。
首先,最優半變異函數模型選擇: 步長值采用樣本點的平均鄰近距離; 空間數據結構性由空間變化趨勢決定; 空間數據變異方向由誤差橢圓變化方向決定。以 5 個評價指標 \\(平均誤差、均方根誤差、平均標準誤差、標準化平均誤差、標準化均方根誤差\\) 作為半變異函數模型選擇的依據,對各種常用半變異函數模型通過交叉驗證方法選取最優半變異函數模型。其中,平均誤差反映樣本數據估值的總體誤差或精度水平,均方根誤差反映樣本數據的估值靈敏度和極值,一般使用總體誤差平均水平和各插值點的均方根誤差作為半變異函數模型選擇的主要的依據。這里平均誤差和均方根誤差越接近于 0,表明插值的精度越高,擬合的效果越好; 平均標準誤差和標準化平均誤差越小越好,標準化均方根誤差越接近于 1 越準確。其次,精度驗證: 為了證明預測數據的可靠性,比較預測數據與驗證數據的差異性,即證明研究區經過樣本插值后的預測數據與驗證數據是否相等。這里做出假設: H0:
u1= u2, σ12= σ22和 H1: u1≠ u2, σ12≠ σ22采用 t 檢驗以及 F 檢驗方法驗證數據集間是否具有顯著差異。這里,通過方差齊性檢驗,得到 F值,并查看其顯著性,如果大于 0. 1,可認為兩組數據方差相等; 在方差齊性檢驗的基礎上通過 t 檢驗得到 t 值及其相應的顯著性概率,如果大于 0. 1,則可以認為兩組數據沒有顯著性差異。
四、研究結果
1. 研究區多維貧困測算分析
利用河南省南陽市內鄉縣 2010 年的入戶調查數據,通過本文所使用的多維貧困測量方法,計算得出的內鄉縣不同貧困臨界值下多維貧困指數 \\(村級\\) 變化情況,見圖 1。通常,根據不同的扶貧標準設定不同的貧困臨界值來判定一個人在多少維度被剝奪到可稱之為多維貧困的程度,常常與政策的制定和實施息息相關。從圖 2 可以看出,貧困臨界值 K =1、2、3 時,內鄉縣各個村的多維貧困指數都在 0. 5 左右,貧困發生率分別達到 0. 96、0. 94、0. 79?？梢钥闯鰞揉l縣三個指標或者三個指標以上同時被剝奪的人很多,故導致其多維貧困發生率以及多維貧困指數偏高。隨著貧困臨界值 K 的增加,內鄉縣多維貧困指數開始出現明顯的下降趨勢,當 K =7 時,多維貧困個體幾乎不存在。
在致貧因素中,例如 K =5 時,對多維貧困貢獻度分布分別是: 收入 \\(37%\\) 、健康 \\(37%\\) 、教育年限 \\(8%\\) 、兒童入學率 \\(7%\\) 以及燃料 \\(7%\\) 。
2. 多維貧困空間格局分布
為了更加清楚地反映內鄉縣各個行政村的多維貧困指數分布情況,選取 K =5 時的各村 MPI 數據進行示例分析。根據上面指出的多維貧困指數空間化方法,多維貧困發生率的半變異函數模型為 RQ\\(Rational Quadratic\\) 時擬合的精度最高,多維貧困指數的半變異函數模型為 Hole Effect 時的擬合精度最高。
由插值結果得到圖 2 內鄉縣多維貧困分布圖。其中,將不同 MPI 值對應的區域依次劃分為非貧困 \\(0\\) 、貧困 \\(0 ~0. 15\\) 、比較貧困 \\(0. 15 ~0. 3\\) 、極端貧困 \\(>0. 3\\) 。利用上面的多維貧困測算模型可以分解得到各單一維度對整體貧困的影響和貢獻程度。若考慮 “健康”維度對貧困整體表征度量值的貢獻度,可進行處理 \\(健康維度貢獻度* MPI\\) 后,對其健康維度的貧困程度進行空間插值處理,得到圖 3 內鄉縣健康指標剝奪程度分布圖。內鄉縣中北部多維貧困程度最高,空間范圍較廣,并呈現向周圍發散的趨勢; 往南貧困程度降低,到達縣城附近貧困程度達到了最低點; 但臨近縣界,貧困程度又逐漸加深。從圖 3 可以看出,健康維度被剝奪的程度分布和多維貧困指數分布趨勢相似,健康問題集中在內鄉縣中心區域,不同的是健康維度被剝奪的空間輻射面積要廣,即 0. 15 ~0. 20 值域的區域覆蓋面積比較大。
運用上面指出的貧困人口密度空間化方法,基于自然村密度,根據村級多維貧困發生率生成內鄉縣多維貧困人口密度分布圖,見圖 4。從圖 4 中也可以看出,內鄉縣貧困人口大部分集中在內鄉縣中南部,且內鄉縣南部的貧困人口密度要比北部大很多。
五、結論
為了滿足新階段國家對貧困區域貧困個體精準識別的新需求,本文在多維貧困維度與指標體系框架下,結合研究區的具體情況系統設計了一套村級尺度的多維貧困維度與指標體系,實現了對研究區域的多維貧困測算與分析。同時,運用空間插值技術以及人口密度模型對測算結果進行了空間化處理,由此得到貧困分布空間格局及專題地圖,為后續扶貧政策快速實施提供了導向保障。
內鄉縣貧困特點歸納如下。第一,內鄉縣大部分個體至少存在三個方面的貧困; 其主要致貧因素依次表現為:收入低、健康問題嚴重、平均受教育程度低、兒童輟學情況嚴重以及普遍使用不清潔燃料。第二,內鄉縣中北部的多維貧困程度較高,往南靠近縣城附近的貧困狀況有所好轉; 但是,靠近西南部邊界時,貧困狀況又加劇?？傮w上,內鄉縣北部地區貧困狀況比南部嚴重。第三,盡管內鄉縣北部地區貧困嚴重,但由于其北部區域為山區,海拔普遍都比南部高,人口基數少。因此,內鄉縣貧困人口大部分集中在內鄉縣中南部,南部的貧困人口密度要比北部大很多。
參考文獻:
[1]國家統計局住戶調查辦公室. 中國農村 2011 貧困監測報告 [M]. 北京: 中國統計出版社,2012: 11 ~14.
[2]郭熙保. 論貧困概念的內涵 [J]. 山東社會科學,2005,\\(12\\) .
[3][印] Amartya Sen. 以自由看待發展 [M]. 任賾,于真譯. 北京: 人民大學出版社,2002.
[4]李小云,葉敬忠,張雪梅等. 中國農村貧困狀況報告 [J]. 中國農業大學學報 \\(社會科學版\\) ,2004,\\(1\\) .
[5]汪三貴,P. Albert ,C. Shubham,D. Gaun. 中國新時期農村扶貧與村級貧困瞄準 [J]. 管理世界,2007,\\(1\\) .
[6]李佳璐. 農戶多維度貧困測量———以 S 省 30 個國家扶貧開發工作重點縣為例 [J]. 財貿經濟,2009,\\(10\\) .
[7]曾永明,張果. 基于 GIS 和 BP 神經網絡的區域農村貧困空間模擬分析———一種區域貧困程度測度新方法 [J]. 地理與地理信息科學,2011,\\(2\\) .
