删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

贫困村空间分布及影响因素分析——以乌蒙山连片特困区为例

本站小编 Free考研考试/2021-12-29
梁晨霞1,2,3,4,, 王艳慧2,3,4,, 徐海涛5, 齐文平2,3,4, 程序1, 赵文吉2,3,4
1. 中电科大数据研究院有限公司,贵阳 550081
2. 首都师范大学资源环境与地理信息系统北京市重点实验室,北京 100048
3. 首都师范大学三维信息获取与应用教育部重点实验室,北京 100048
4. 首都师范大学城市环境过程与数字模拟国家重点实验室培育基地,北京 100048
5. 成都理工大学地球科学学院,成都 610059

Analyzing spatial distribution of poor villages and their poverty contributing factors: A case study from Wumeng Mountain Area

LIANGChenxia1,2,3,4,, WANGYanhui2,3,4,, XUHaitao5, QIWenping2,3,4, CHENGXu1, ZHAOWenji2,3,4
1. CETC Big Data Research Institute Co., Ltd., Guiyang 550081, China
2. Beijing Key Laboratory of Resource Environment and Geographic Information System, Capital Normal University, Beijing 100048, China
3. Key Laboratory of 3-Dimensional Information Acquisition and Application, Ministry of Education, Capital Normal University, Beijing 100048, China
4. State Key Laboratory Incubation Base of Urban Environmental Processes and Digital Simulation, Capital Normal University, Beijing 100048, China
5. College of Earth Sciences, Chengdu University of Technology, Chengdu 610059, China
通讯作者:通讯作者：王艳慧（1977-）,女,河南驻马店人,博士,教授,主要从事GIS方法与应用研究。E-mail: huiwangyan@sohu.com
收稿日期:2018-01-2
修回日期:2018-06-21
网络出版日期:2019-06-20
版权声明:2019《地理研究》编辑部《地理研究》编辑部 所有
基金资助:国家自然科学基金项目（41771157）国家重点研发计划项目（2018YFB0505400）北京市长城****资助项目（CIT&TCD20190328）全国统计科学研究重点项目（2018LZ27）北京市教委科研计划一般项目（KM201810028014）首都师范大学青年燕京****项目首都师范大学科技创新服务能力建设-基本科研业务费（科研类）（19530050178）1.落实国家资助政策2.加大贫困生的资助力度3.增建学校
作者简介:
-->作者简介：梁晨霞（1993-）,女,河北石家庄人,硕士,主要从事GIS方法与应用研究。E-mail: liangchenxia93@163.com



展开

摘要
针对目前贫困分布研究以大尺度为主而缺乏对小尺度的关注和致贫因素分析忽略个体效应或背景效应的不足,基于空间贫困视角,以乌蒙山片区为研究区域、贫困村为研究对象,运用空间点模式分析方法探究贫困村空间分布特征,并设计多层线性回归模型从贫困村和县域两个层面综合定量剖析贫困影响因素。研究发现：① 贫困村的空间聚集特征较为明显,总体分布呈现大分散小集中、散点-极核-轴带-团块并存的空间格局。② 贫困村的贫困程度受多层因素的显著影响。其中,村级影响因素为：人口密度、通路率、劳动力比例、遭受自然灾害频次、安全饮用水比例;县级影响因素为：人均地方生产总值、高中阶段毛入学率、植被覆盖率。③ 农村贫困来源于贫困村与县域的双重作用。因此在精准扶贫工作中,政府及相关部门可针对不同尺度对象有针对性地施策,合理配置扶贫资金。

关键词：贫困村;空间贫困;空间分布;影响因素;乌蒙山片区;多层线性回归模型（HLM）
Abstract
Current research mainly focuses on large scale and ignores individual effect or background effect in the exploration of poverty contributing factors. Based on the perspective of spatial poverty, this paper, taking the Wumeng Mountain Area as an example and poor villages as the research object, uses spatial point pattern method to explore the spatial distribution characteristics of the poor villages and designs multi-level linear regression models to comprehensively and quantitatively analyze the poverty contributing factors at both village and county levels. The results were concluded as follows. (1) The spatial clustering characteristics of the poor villages in the study area were obvious. The overall distribution showed a spatial pattern of both large scatters and small concentrations, and scatter points - polar core - axis-cluster coexisted. (2) The poverty degree of poor villages was significantly affected by multilevel factors. The village-level factors were: population density, road access ratio, labor force ratio, frequency of suffered natural disasters, and safe drinking water ratio. The county-level factors were: per capita GDP, second gross enrollment ratio, and vegetation coverage. (3) The rural poverty in the study area came from the dual role of poor villages and counties. Hence, the government and relevant departments can take targeted measures according to different scales in the poverty alleviation, and allocate funds reasonably for poverty relief.

Keywords：poor villages;spatial poverty;spatial distribution;contributing factors;Wumeng Mountain Area;multilevel linear regression model

-->0
PDF (4915KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
梁晨霞, 王艳慧, 徐海涛, 齐文平, 程序, 赵文吉. 贫困村空间分布及影响因素分析——以乌蒙山连片特困区为例[J]. 地理研究, 2019, 38(6): 1389-1402 https://doi.org/10.11821/dlyj020180024
LIANG Chenxia, WANG Yanhui, XU Haitao, QI Wenping, CHENG Xu, ZHAO Wenji. Analyzing spatial distribution of poor villages and their poverty contributing factors: A case study from Wumeng Mountain Area[J]. Geographical Research, 2019, 38(6): 1389-1402 https://doi.org/10.11821/dlyj020180024

1 引言

经过30多年的减贫工作,中国农村贫困的性质已发生根本性变化[1]。人们对贫困的理解进一步聚焦到由经济、社会和环境3个维度反映的经济劣势、社会和政治劣势、生态劣势的空间贫困[2],并且由区域性贫困转变为局部“点”上的贫困[3]。为有效解决农村贫困问题,中国政府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,并于2015年提出并开始全面实施精准扶贫、全面脱贫的国家战略,借此来实现贫困陷阱的破解。与此同时,国内外****在贫困空间分布模式以及致贫因素方面开展了大量实证研究。但在贫困研究尺度方面,多数研究以省、县等大中尺度为主[4,5,6,7],基于贫困村等微观尺度的研究较少,而行政村作为中国最基层的农村行政单元,在该尺度上的研究有助于准确捕捉贫困分布的精细特征。在贫困空间分布研究方面,主要利用空间自相关、Ripley's K函数、核密度分析等地统计方法分析中国部分地区贫困的空间分布模式[3,8-10],较少考虑到贫困自身属性对分析结果的影响以及贫困的分布方向及趋势。在致贫因素探测方面,由于致贫因子的多元化特征,各国研究者试图从不同角度对贫困成因进行探究和解释。在传统的贫困影响因素分析中[9,11-14],大多基于单层统计回归方法如OLS最小二乘法回归、多元线性回归、主成分分析等定量测定或定性描述,只考虑了单一层面上的影响因素。有****注意到贫困村所处县域的经济、社会、环境等因素可能会对其贫困程度产生的影响,于是在研究中引入多层线性回归模型,试图将个体效应与背景效应区分开来[15,16,17,18,19]。但现有研究大多从人口-社区层面基于人口学特征考虑影响因素,较少有基于空间贫困视角的、以贫困村作为研究对象多层级探究贫困影响因素及其间交互作用的研究,难以支撑当前“到村到户”的贫困精准识别和精准监测的国家战略需要。
在此背景下,以贫困村作为研究单元,选取乌蒙山连片特困区作为研究区,基于“十二五”期间“整村推进”项目村数据,利用多种空间分析方法对贫困村空间分布特征进行探究,并基于空间贫困视角,设计和构建多层线性回归模型,兼顾微观与宏观,定量探测贫困显著致贫因素,为各级政府的扶贫工作提供辅助决策建议,为扶贫措施精准、扶贫监测精准、扶贫资源配置精准等提供对象瞄准支撑和技术支撑。

2 研究区概况与数据来源

2.1 研究区概况

乌蒙山连片特困区（本文简称乌蒙山片区）是国家新阶段14个扶贫攻坚主战场之一,跨四川、贵州、云南三省,跨省交界面大,包括四川省13个县、贵州省10个县市区和云南省15个县市区,共有3089个整村推进贫困村。如图1所示,研究区位于云贵高原与四川盆地结合部,为典型的高原山地构造地形;降水时空分布不均,人均耕地少,人口资源环境矛盾突出。该片区集革命老区、民族地区、边远山区和贫困地区于一体,在区域经济发展水平、社会公共事业发展、基础设施等方面明显低于全国平均水平,贫困面广、贫困程度深、贫困现象复杂、扶贫攻坚难度大。
显示原图|下载原图ZIP|生成PPT
图1研究区概况
-->Fig. 1Overview of the Wumeng Mountain Area
-->

2.2 数据来源及处理

本文采用的数据包括：“十二五”期间全国“整村推进”项目村基础数据、2013年四川、贵州、云南等省内各县统计年鉴数据和相关网站数据、1 ∶25万国家基础地理数据、90 m分辨率数字高程模型（DEM）。矢量点数据来源于百度地图API的地址解译方法获取的经纬度。降水及气温等气象数据来源于地球系统科学数据共享平台。以上数据使用前均进行了筛选、裁剪、投影变换、地理配准等预处理。

3 研究方法

3.1 贫困村分布的空间点模式分析方法

空间点模式重点关注空间点对象的位置信息,尤其是点对象在空间上的分布特征与位置关系。针对贫困村的空间点模式分析主要研究贫困村在研究片区内空间分布的总体态势。本文主要应用平均最近邻距离法、加权核密度估计法、加权热点分析、标准差椭圆法等空间分析方法来探究乌蒙山片区内贫困村的空间分布格局和聚集特征。
3.1.1 平均最近邻距离 利用最近邻指数判断乌蒙山片区内贫困村的全局分布模式。通过计算每个要素与其最近邻要素之间的平均距离,得到最近邻指数,并根据指数大小判断贫困村的全局分布模式是集聚、离散还是随机。具体计算公式参见闫庆武等[20]。若比率小于1,呈现集聚模式;若比率大于1,呈现离散模式;若比率等于1,呈现随机模式。
3.1.2 加权核密度估计法 引入加权核密度模型可以揭示乌蒙山片区内贫困村的空间密度以及核心地区。一般的核密度估计法通过观察贫困村密度的空间变化来分析空间分布特征,考虑了研究单元内的贫困村之间的关系,比样方计数法更加优越。但常见的核密度模型只能够体现贫困村的空间密度[3],难以区分贫困程度。因此本文将贫困村人均收入等级作为权重,对贫困村进行加权核密度分析,识别贫困核心地区。分析结果采用Jenks自然断带法进行分层设色。
3.1.3 加权热点分析 利用加权热点分析可以探测乌蒙山片区贫困村分布的局部冷热点区域。本文直接利用ArcGIS 10.2中的优化热点分析法（Optimized Hot Spot Analysis）,计算落在每个格网中的空间点的点密度,并以贫困村人均收入等级作为权重,利用格网对贫困村进行聚类分析,识别贫困热点区域。
3.1.4 标准差椭圆 贫困村的分布由于所处空间位置地理禀赋的不同而存在一定的特征和规律,通过构建标准差椭圆,得到贫困村分布的方向性以及范围[21]。本文利用ArcGIS 10.2中的Directional Distribution工具,确定椭圆的重心、方位角、XY轴的长度,借此探测贫困村聚集分布的偏移趋势。其中,重心表示贫困村点空间分布的相对位置,方位角反映贫困村分布的主趋势方向,XY轴的长度分别表示贫困村分布的方向和分布的范围。扁率数值越大,方向性越明显,数据的聚集程度越大。

3.2 基于HLM的贫困村影响因素探测

多层线性回归模型（Hierarchical Linear Models,HLM）是用来分析具有“嵌套结构”数据的统计分析模型。由于背景效应的存在,个体间的差异可能会发生一定程度上的变异。该模型可将解释变量中的变异分离为个体差异和组间差异,允许对包括不同层面变量的数据进行全面分析,进而分析不同层次解释变量对因变量的作用方式和作用程度[22]。本文在设计贫困村影响因素指标体系候选集的基础上,借助HLM 6.0软件工具,构建基于多层线性回归模型的贫困村影响因素探测模型,系统探测显著影响贫困村发展的各层因素及其作用机制。
3.2.1 影响因素指标体系构建 参考相关文献及已建立的贫困识别指标体系[2-4,6,23]并结合当地实际情况,基于空间贫困视角,依据代表性、独立性、可获取性等原则选取指标。参考已有研究[12],本文将贫困村人均收入等距分为五级并赋值1~5作为被解释变量,数值越大,贫困程度越深。离散化处理后的被解释变量经检验符合高斯正态分布,符合回归分析条件。解释变量根据研究区域分为村级影响因素和县级影响因素两层。其主观和客观选择依据如下：
（1）村级因素。在贫困村层面上,地理环境、人口特征、生产和生活条件、劳动力状况、医疗卫生和社会保障等方面的因素都可能对村民的生活水平产生影响,是贫困程度的主要影响维度[3]。因此以下从5个维度对14个村级候选因素进行分析（表1）。
Tab. 1
表1
表1村级候选因素定义及筛选
Tab. 1The definition and selection of village-level candidate factors
维度指标定义指标指标释义变异系数法共线性
地理环境X11到最近乡镇集市的距离(km)行政村到最近乡镇集市的距离保留保留
X12地形类型行政村地形类型(平原、丘陵、高原)剔除-
X13遭受自然灾害频次(次)行政村当年所遭受的自然灾害次数保留保留
人口特征X21人口密度(人/km2)行政村人口密度保留保留
生产和生活条件X31人均耕地面积(亩/人)村耕地面积/村总人口保留保留
X32通路率(%)行政村内通机动车行驶道路自
然村占总自然村数的比例		保留保留
X33通电率(%)行政村内通电户数占总户数的
比例		剔除-
X34通电话率(%)行政村内通电话户数占总户数
的比例		保留保留
X35安全饮用水比例(%)行政村内安全饮用水户数占总
户数的比例		保留保留
劳动力状况X41劳动力比例(%)行政村劳动力总数占该村总人
口的比例		保留保留
X42外出劳动力比例(%)行政村外出劳动力总数占该村
劳动力总数的比例		保留保留
X43劳动力文化素质(%)行政村初中及以上文化水平劳
动力数占该村劳动力总数比例		保留保留
医疗卫生和社会保障X51参加新型农村合作医疗比例(%)参加新型农村合作医疗人数占
整个行政村人数的比例		保留保留
X52参加新型农村社会养老保险比例(%)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		保留保留


新窗口打开
地理环境的优劣直接决定人的生存环境状况。到最近乡镇集市的距离反映农村的对外交流程度,距离越大越偏远,封闭性越强,不利于经济发展。地形类型影响农业生产,高原不利于农产品种植和发展畜牧业。自然灾害体现生态环境质量,灾害会对居民正常生活造成破坏,发生频次越高,经济损失越大。
人口特征在一定程度上反映了村庄的居住适宜性。过高的人口密度在一定程度上会对资源造成压力,无法保证正常生活供给。
劳动力状况如劳动力比例、外出劳动力比例、劳动力文化素质等指标作为衡量社会中就业能力的变量,可以反映农户的收入水平,高劳动力比例且高文化素质的群体通常会获得更多的收入,从而提高家庭生活质量,降低贫困程度。
医疗卫生和社会保障等国家福利能够推动贫困村发展。新型农村合作医疗和新型农村社会养老保险的覆盖率可以反映村民的生存负担,覆盖率越高,村民的生存压力越小。
（2）县级因素。基于空间贫困的内涵,经济、社会、生态环境三个维度相互作用,综合地反映贫困状况[24]。因此在县域层面上,包含12个影响因素的候选集主要从这3个维度选取（表2）。
Tab. 2
表2
表2县级候选因素定义及筛选
Tab. 2The definition and selection of county-level candidate factors
维度指标定义指标指标释义变异系数法
经济Y11人均地方生产总值(万元)县域地方生产总值/县域总人口保留
Y12人均收入(万元)（农民纯收入+城镇居民可支配收入）/县域总人数保留
社会Y21学前三年毛入园率(%)三到六周岁适龄儿童进入幼儿园的比例保留
Y22高中教育阶段毛入学率(%)高中在校生数占相应学龄人口总数比例保留
Y23万人床位数(个)县域床位总数/区域总人口保留
Y24万人医生数(个)县域医生总数/区域总人口保留
Y25通水泥/沥青公路的行政村比例(%)通水泥/沥青公路的行政村数占总行政村数的比例保留
Y26通客运班车的行政村比例(%)通客运班车的行政村数占总行政村数的比例保留
生态环境Y31海拔高度(m)县与海平面的平均高度差保留
Y32地形起伏度(m)单位面积内海拔最高点与最低点之差保留
Y33植被覆盖率(%)森林面积占土地总面积比例保留
Y34多年平均降雨量(%)多年降雨量总和除以年数得到的均值剔除


新窗口打开
经济维度包括人均地方生产总值和人均收入,这两个变量可以衡量县域的整体经济发展水平,并且基于涓滴效应理论[25],可认为经济增长有利于贫困群体摆脱贫困。
社会维度包括教育、医疗卫生、交通、社会保障等方面。受教育程度与贫困有关,根据有关研究[26],接受12年教育经历的人比不接受的贫困率要低。养老保险等社会保障作为衡量社会发展程度的因素,体现了对人生存发展的基本保证。医疗卫生状况是对县域公共服务水平的体现,与贫困状况相关。交通状况代表不同地区间的可沟通能力,通常情况下交通闭塞地区的发展会受到很大限制,从而影响经济发展水平。
生态维度[6,27,28]包括海拔高度、地形起伏度、植被覆盖率、多年平均降雨量。海拔高度体现地形状况,地形起伏程度影响村民生产和生活。植被覆盖率是对生态环境的反映,低覆盖率地区抵御自然灾害的能力较弱,生态环境较难恢复。多年平均降雨量可以体现当地气候和水资源状况。指标计算方法参考曹诗颂等[6]。
本文采用主观与客观结合的方法选取指标。在建立多层回归模型之前,对从主观角度选择的村级指标,利用变异系数法与多重共线性检测相结合的方法,从客观角度再筛选。对县级指标,由于没有被解释变量,只采用变异系数法进行筛选,最后分别建立村级与县级影响因素指标候选集。变异系数法是从指标的敏感性角度挑选指标,变异系数（CV）大于15%的指标能较好体现各县域差异,予以保留,反之剔除。在此基础上,再分维度对指标共线性进行检测,根据方差膨胀因子（VIF）大小,剔除共线性强的指标。最终村级影响因素候选指标如表1所示,共有5个维度12个指标进入多层回归模型,县级影响因素候选指标如表2所示,共有3个维度11个指标被纳入模型。究其原因,乌蒙山片区为典型高原山地构造地形,大部分贫困村所处地形类型为山地,差异不大;并且90%以上农村现已通电,因此地形类型与通电率两个村级指标被剔除。又因为乌蒙山片区属亚热带、暖温带高原季风气候,各县域之间多年平均降雨量差距不大,所以剔除多年平均降雨量这一县级指标。
3.2.2 多层贫困村影响因素建模 基于多层线性回归模型的基本原理,建立零模型、随机效应回归模型和完整模型三个回归模型（表3）。
Tab. 3
表3
表3县级和村级因素对贫困村贫困程度影响的多层线性回归模型
Tab. 3Multilevel linear regression model for respectively measuring the impacts of county-level and village-level factors on poor villages
模型表达式模型参数解释
模型Ⅰ：
零模型		第一层：Yij=β0j+rij
第二层：β0j=γ00+μ0j		Yij为贫困村贫困程度;β0j为第二层第j县平均影响程度;rij为第一层残差;γ00为第一层各村平均贫困程度;μ0j为第二层方程残差;
模型Ⅱ：
随机效应
回归模型		第一层：Yij=β0j+β1jXij+rij
第二层：β0j=γ00+μ0j
β1j=γ10+μ1j		Yij、β0j、γ00、rij、μ0j意义同上;Xij为第一层村级因素;β1j为第二层县级因素对村贫困程度的回归斜率;γ10为第二层各县因素对斜率的影响,即两层次因素的交互效应;μ1j为第二层方程残差;
模型Ⅲ：
完整模型		第一层：Yij=β0j+β1jXij+rij
第二层：β0j=γ00+γ01Wj+μ0j
β1j=γ10+γ11Wj+μ1j		Yij、Xij、β0j、β1j、γ00、γ10、rij、μ0j、μ1j意义同上;Wj为第二层县级因素;


新窗口打开
模型I为零模型,不包含任何变量,主要进行ICC检验（Intra-Class Correlation Coefficient,组间相关系数）,即计算组内差异和组间差异,从而根据背景效应的大小,判断是否需要进行多层线性回归分析。计算公式[29]如下：
ICC=σuo2σuo2+σeo2（1）
式中： σeo2表示相同县域内不同贫困村间的差异; σuo2表示不同县域间的差异,ICC值越大,说明研究对象分层性越强。模型Ⅱ为随机效应回归模型,只包括第一层村级变量,用来判断村级变量是否对因变量产生影响,并筛选出村级显著性影响因素。模型Ⅲ为完整模型,包括筛选出的第一层显著性变量和第二层变量,用来判断县级变量对因变量的影响,以及县级变量对村级变量的作用效果。为了解释第二层面变量对第一层面变量变异的影响程度,此处用方差削减比例（解释方差）来表征。计算公式[29]如下：
d=μ?-μ?'μ?（2）
式中： μ?表示对比模型的方差组成; μ?'表示新模型的方差组成;d值越大,说明因变量的变异程度减少越多,模型的解释能力越高。

4 结果分析

4.1 乌蒙山片区贫困村的空间分布特征

4.1.1 贫困村聚集性分析 利用ArcGIS中的平均最近邻距离分析工具对贫困村的空间位置进行测度。从最近邻距离分析结果（表4）可以看出,乌蒙山片区贫困村在P=0.000的显著性水平上,最近邻指数R约为0.59,远远小于1,说明贫困村集聚特征显著。Z检验值约为-20.12,明显小于1%的显著性水平下的Z值,且其绝对值远大于2.58。以上结果均表明贫困村分布呈现聚集型分布状态,并存在显著性热点或冷点,有待进一步分析。
Tab. 4
表4
表4乌蒙山连片特困区贫困村最近邻距离分析
Tab. 4Average nearest neighbor distance analysis of poor villages in Wumeng Mountain Area
样本个数(个)平均观测距离(m)平均观测期望(m)最近邻指数RZ得分P值
30895558.859387.870.59-20.120.000


新窗口打开
4.1.2 贫困村密度及热点分析 通过样本点来分析贫困村的局部聚集特征,可以得到集聚中心。加权核密度分析结果（图2）显示,乌蒙山片区内有一个核心团块,集中在云南省西山县和官渡区。此外还有多个次级团块。片区内贫困村聚集特征非常显著。包括贫困村数量最多的前20%的行政县拥有的贫困村数量占总数的49.2%,贫困村数量最少的后20%的行政县拥有的贫困村数量占5.1%。
显示原图|下载原图ZIP|生成PPT
图2乌蒙山连片特困区加权核密度分析
-->Fig. 2Weighted kernel distance analysis in Wumeng Mountain Area
-->

总体来看,研究区内贫困村总体分布呈现“大分散,小集中”的空间格局。与此同时,加权热点分析结果（图3）显示,乌蒙山片区内存在三个极核。其中两个核心热点主要集中在云南省西山县、官渡区、富民县、嵩明县、寻甸回族彝族自治县、禄劝彝族苗族自治县和武定县;两个冷点主要集中在四川省马边彝族自治县、越西县和会理县。因此,现阶段乌蒙山片区的扶贫工作应重点在乌蒙山片区的南部地区,诸如云南省西山县、官渡区、富民县、嵩明县、寻甸县、禄劝县和武定县等县,同时兼顾其他贫困地区。做好山区的扶贫工作,加大资金与人力投入,有助于顺利实现片区脱贫,打好扶贫攻坚的一仗。
显示原图|下载原图ZIP|生成PPT
图3乌蒙山连片特困区加权热点分析
-->Fig. 3Weighted hotspots analysis in Wumeng Mountain Area
-->

4.1.3 贫困村分布的方向分析 标准差椭圆分析结果（表5）中XStdDist、YStdDist、Rotation分别代表椭圆的短半轴、长半轴、方向角。当椭圆包含数据量分别为68%、95%和98%时,方向角均约为46.89°,且扁率相同,约为0.52。当标准差椭圆（图4）包含了68%的贫困村时,分布图显示椭圆略扁且沿西北-东南轴带分布。椭圆的平均中心处于贵州省威宁县内,贫困的总体发展趋势是沿北偏西约46.89°向外延伸,方向性较明显。与此同时,相当比例的贫困村沿轴线集中分布在云南省东北部。这是由于这些地区人口众多而自然、社会等地理禀赋不足,贫困村存在一定程度的生态劣势、社会劣势,较容易产生贫困或脱贫后重新返贫的现象。因此,乌蒙山片区内扶贫工作的重点应集中在云南省东北部山区,对生态环境恶劣地区的村民可实行异地搬迁,以改善生存环境,帮助贫困户尽早脱贫。
Tab. 5
表5
表5乌蒙山连片特困区标准差椭圆分析结果
Tab. 5Analysis results of standard deviation ellipse in Wumeng Mountain Area
包含数据量(%)XStdDistYStdDistRotation
68107356.51222635.1546.89
95214719.01445270.2846.89
99322069.52667905.4246.89


新窗口打开
显示原图|下载原图ZIP|生成PPT
图4基于标准差椭圆的乌蒙山片区贫困村分布
-->Fig. 4Distribution of poor villages based on standard deviation ellipse in Wumeng Mountain Area
-->

4.2 影响因素的识别与分析

4.2.1 多层建模过程及结果 （1）零模型。估计结果如表6所示,固定效应和随机效应均通过显著性检验,并且ICC值为0.312。说明贫困村贫困程度差异有68.8%来自贫困村个体经济、社会、地理环境等的异质性,31.2%来自所处县域的异质性。根据Ren等[19],县域对贫困村产生的影响较大,符合多层建模要求,于是对贫困影响因素进行探究。
Tab. 6
表6
表6乌蒙山片区贫困村影响因素零模型估计结果
Tab. 6Estimation results of null model for contributing factors of poor villages in Wumeng Mountain Area
固定效应随机效应
G00U0R
3.878***0.812***0.368

注：***表示P<0.001。
新窗口打开
（2）随机效应回归模型。引入模型Ⅱ构建单一村级变量回归模型,筛选出村级影响因素,再构建多变量回归模型。随机效应回归模型结果（表7）显示,变量X13、X21、X32、X35、X41与贫困村贫困程度具有统计学上的显著关系,P值均小于0.05。其中人口密度对贫困程度的影响最大,并呈现正相关。而其他变量如到最近乡镇集市的距离、人均耕地面积、通电话率、外出劳动力比例、劳动力素质、参加新型农村合作医疗比例和参加新型农村社会养老保险比例等,没有统计上的显著关系。再以X13、X21、X32、X35、X41为自变量构建多变量随机回归模型（结果未列出）,人口密度的相关系数没有通过显著性检验,说明不存在县域水平上的变异,在完整模型建模中不予考虑。
Tab. 7
表7
表7乌蒙山片区贫困村影响因素单变量随机效应回归模型
Tab. 7Regression model for univariate random effects for contributing factors of poor villages in Wumeng Mountain Area
解释变量固定效应随机效应
G00 G10U0方差组成U1方差组成r方差组成
X113.878**-0.0230.812**0.0600.368
X133.879**0.017*0.811**2.720*0.364
X213.878**0.209*0.812**0.3570.365
X313.878**-10.7970.812**0.4700.604
X323.879**-0.143*0.811**0.009*0.367
X343.879**-0.0150.812**0.0650.366
X353.878**-0.038*0.811**0.0060.368
X413.880**0.168*0.811**0.1670.362
X423.880**-0.0620.812**0.0570.367
X433.879**-0.0960.813**0.0120.368
X513.879**-9.6440.813**0.7020.369
X523.879**-0.0560.812**0.0060.368

注：*表示P<0.05;**表示P<0.001。
新窗口打开
（3）完整模型。本过程选取县级经济、社会、生态维度的所有变量作为第二层变量。首先按照叶青青等中的t-to-enter方法[30],对第一层变量筛选出的4个指标和二层变量依次作回归,每次选取t值最大的变量。然后将第二层筛选出的四个变量与第一层筛选出来的4个变量共同构建完整模型。县级变量筛选结果（表8）显示,对于表征贫困县平均影响程度的截距B0来说,第一次筛选植被覆盖率的t值达到29.492,第二次筛选人均地方生产总值的t值达到28.687,第三次筛选海拔高度的t值达到27.643,第四次筛选高中教育毛入园率的t值达到26.847,这4个变量加入第二层中对因变量产生的效果较为显著。
Tab. 8
表8
表8县级变量筛选结果
Tab. 8County-level variable screening results
影响因素一次筛选二次筛选三次筛选四次筛选
B0B1B0B1B0B1B0B1
经济维度人均地方生产总值28.6800.21628.687-1.966--0.732-2.515
人均收入26.073-0.12326.065-2.45626.059-0.74926.0722.617
社会维度学前三年毛入园率25.4510.16625.428-2.48325.449-0.79725.4532.650
高中教育毛入学率26.8510.10426.849-2.53026.847-0.70326.8472.431
万人床位数26.013-0.38526.008-2.55626.005-0.77226.0133.057
万人医生数26.1290.05526.133-2.14426.132-0.87926.1362.742
通水泥/沥青公路的行政村比例26.421-0.30326.418-2.48426.117-0.81126.1173.197
通客运班车的行政村比例26.414-0.22326.412-2.52026.406-0.91526.4003.080
生态维度海拔高度27.6610.23327.638-2.32727.643-0.501-2.569
地形起伏度25.936-0.05925.940-2.03825.937-0.34025.9352.295
植被覆盖率29.4920.382--2.505--0.778-2.552
多年平均降雨量26.455-0.14426.470-2.48826.467-0.72626.4512.583


新窗口打开
接着以遭受自然灾害频次、通路率、安全饮用水比例和劳动力比例4个变量为第一层变量,人均地方生产总值、高中教育毛入园率、海拔高度和植被覆盖率4个变量为第二层变量,引入模型Ⅲ构建完整模型。
完整模型回归结果（表9）显示,海拔高度没有通过显著性检验。并且根据模型回归系数大小,县级致贫因素的贡献度由大到小依次为：人均国民生产总值、高中教育毛入学率、植被覆盖率。通过公式（2）计算可知,村级影响因素解释了村级变量变异的52.45%,县级影响因素解释了县级变量变异的56.65%。
Tab. 9
表9
表9乌蒙山片区贫困村影响因素完整模型
Tab. 9Complete model of contributing factors of poor villages in Wumeng Mountain Area
固定效应随机效应
参数回归系数t参数标准差方差组成
G003.878**31.027U00.7840.413**
人均国民生产总值（G01）-1.369*-2.860U10.7520.409**
高中教育毛入学率（G02）0.670*1.220U20.1620.026
海拔高度（G03）0.3930.889U30.1470.022*
植被覆盖率（G04）-1.499*-2.008U40.4560.209*
遭受自然灾害频次（G10）0.148*0.244R0.5930.175
通路率（G20）-0.115*-1.724
安全饮用水比例（G30）-0.020*-0.372
劳动力比例（G40）0.351*2.447

注：*表示 P<0.05;**表示P<0.001。
新窗口打开
4.2.2 致贫因素及空间效应分析 根据上述多层模型所得结果,从村级、县级、村-县结合三个角度对贫困村致贫因素进行分析,并对贫困数据中存在的“嵌套结构”和尺度效应作进一步分析。
（1）贫困村层面。根据模型回归系数大小,致贫因素贡献度由大到小依次为：人口密度、通路率、劳动力比例、遭受自然灾害频次、安全饮用水比例。其中,人口密度和遭受自然灾害频次与贫困程度呈正相关。① 人的生存需要各种资源禀赋,人口的不断增长会对资源和经济发展造成压力。片区内贫困程度深的地区,计划生育政策落实度低甚至无法落实,有限的资源条件无法满足增长过快的人口,人地资源矛盾尖锐。② 乌蒙山片区自然灾害种类较多,水土流失严重。雨季产生的滑坡、泥石流、洪涝等自然灾害,会破坏土壤植被,降低生态恢复力,使生态环境恶化。同时,洪涝等灾害对房屋和道路的损坏,不仅需要消耗大量资金重新修建,还将农村与外界隔绝形成孤岛,严重阻碍经济社会的发展。③ 乌蒙山片区内的贫困村大多处于海拔较高的山区,地理位置偏远,所处地形复杂,不利于道路的修建。因此闭塞的交通使这些贫困村脱离外部社会,贫困状况无法得到改善。④ 许多贫困地区没有足够的资金投入到饮水管网等社会基础设施的建设中,村级和入户管网不能实现完全到村入户,村民无法获得安全饮用水,造成饮水贫困。⑤ 拥有高劳动力比例的家庭可以获得更多生存所必须的物质,有利于保证正常生产活动,降低贫困发生率。
（2）县域层面。根据模型回归系数大小,致贫因素贡献度由大到小依次为：人均国民生产总值、高中教育毛入学率、植被覆盖率,而海拔高度在县域层面对贫困程度的影响不明显。首先,在经济方面,片区内人均国民生产总值高的行政县拥有更多的财力物力下拨到贫困村,帮助其发展社会生产,提高村民生活质量,使其尽早脱离贫困的局面。其次,在社会方面,乌蒙山片区内学校数量少且空间分布不均,高中教育作为九年义务教育的后续教育,没有完全普及到适龄青少年及劳动力,因此也无法为经济社会建设提供高水平的人力资源和劳动力保障。最后,在生态方面,乌蒙山片区内生态环境复杂、自然灾害种类较多,植被减少导致许多生态问题的产生,诸如水土流失、洪涝、泥石流等。同时,低植被覆盖率使土壤更加贫瘠,生态环境极其脆弱。
（3）贫困村-县域综合作用。贫困村贫困程度的差异不仅来自于自身地理禀赋的异质性,还有31.2%来自于县域的影响。说明乌蒙山片区内农村贫困具有“嵌套”现象,即所处县域会对农村贫困水平造成一定程度的影响。这是由于乌蒙山片区贫困面广量大、贫困状况复杂,3089个贫困村中有2602个位于国家扶贫开发工作重点县内。这些行政县在经济发展水平、基础设施状况、基本公共服务能力、生态环境等方面各不相同,整体发展水平各异,农村发展除了依托自身各项水平提高外,还得益于所处县域经济、社会等的发展。再者,贫困村和县域探测出的影响因素：遭受自然灾害频次、通路率、安全饮用水比例、劳动力比例四个村级变量解释了贫困村贫困程度变异的56.65%,人均国民生产总值、高中教育毛入学率、植被覆盖率三个县级变量解释了贫困村贫困程度变异的52.45%,均解释了一半以上的变异。村、县级影响因素的不同说明乌蒙山片区内农村贫困差异在不同尺度上具有不同的特征,即存在尺度效应现象。同时片区内贫困现象复杂,致贫因素较多,加之贫困的溢出效应,不同地区之间在空间上相互影响。因此,贫困村的贫困现象不仅限于自身因素,而是村、县等多个层面因素的综合作用。

5 对策建议

根据上文研究结论,结合乌蒙山片区发展状况,同时响应国家的精准扶贫政策,为片区尺度的扶贫资金配置提供导向支持,促进区域内经济协调发展及消除绝对贫困,分别从贫困村、行政县两个尺度为乌蒙山片区开展扶贫工作提出对策建议。
在贫困村尺度,要把人口控制、生态扶贫、交通扶贫、基础设施建设等摆在重要位置。具体措施如表10所示。① 人口方面要加强人口控制。严格遵守国家计划生育政策,宣传并强化少生优生的观念,从而降低人口出生率,促进人地和谐发展。② 生态方面要完善耕地保护制度,提高村民耕地保护意识,对随意开垦土地的行为采取处罚措施;生态环境恶劣的地区,采取异地搬迁扶贫,改变村民生活所处的地理环境,从根本上解决村民的贫困问题。③ 交通方面要加大对交通建设的投入。“要想富,先修路”,积极修建道路基础设施,使贫困村尽快脱离交通闭塞的局面,打开农村与外部市场连接的大门,通过交通的发展带动其经济的繁荣。④ 社会基础设施方面重视贫困村整村提升工程,加强社会基础设施建设,如安全用水设施,保证村民的正常生活。同时为提供村民提供就业机会,为贫困家庭增加经济收入提供可能。
Fig. 10
表10
表10村级对策建议
Fig. 10Countermeasures and suggestions at village level
扶贫建议具体措施典型区域
加强人口控制1.继续推行计划生育政策
2.宣传并强化少生优生观念		龙门村、八一村、修贡村、阳桥村、民政村、窝子田村、摆仰村等
生态扶贫1.完善耕地保护制度
2.对随意开垦土地行为采取处罚
3.异地搬迁扶贫		黄茅村、博望村、麦坪村、错柯一村、特口洼洛村、梁家寨村、大营村等
交通扶贫1.加大交通建设投入
2.积极修建道路设施		联丰村、红泉村、乐俭村、新华村、水石脚村、五一村、鹰咀村、兴宝村等
加强基础设施建设1.重视贫困村整村提升工程
2.加强水、电、学校等基础设施建设		谢家嘴村、三溪口村、油村坝村、石庙村、马蹲村、嘶峰村、大林村等


新窗口打开
在行政县尺度,要重视经济建设、教育扶贫和生态保护等。具体措施如表11所示。① 在经济建设方面,行政县要通过多种途径,以合理的、可持续发展的方式发展经济,开展经济活动。通过县域生产总值的提高,加大对本县和贫困村的财政投入,以消除县域内的贫困。② 在教育方面,县政府要切实落实国家资助政策,加大对贫困生的资助力度,保证适龄学生受教育的权利,努力实现学生从学前教育到高等教育的全过程保障。同时,要增建学校,扩大居民受教育面,让不同地区的每个人有都学可上。③ 在生态方面要坚持绿色、可持续发展道路。对于自然灾害频发的区域要抓紧退耕还林、建设防护林以及加强对水土流失防治体系的建设,加快生态恢复。土地贫瘠区域要发展草业、林业和畜牧业,改善土地结构,加大调整和治理力度。
Fig. 11
表11
表11县级对策建议
Fig. 11Countermeasures and suggestions at county level
扶贫建议具体措施典型区域
重视经济建设1.多种举措发展经济
2.加大对贫困村的经济投入		巧家县、昭觉县、威宁县、赫章县、镇雄县、威信县、大关县等
教育扶贫1.落实国家资助政策
2.加大贫困生的资助力度
3.增建学校		雷波县、美姑县、岳西县、普格县、喜德县、永善县、彝良县、习水县等
生态扶贫1.加强生态保护和生态工程建设
2.退耕还林、建设防护林、建设水土流失防治体系
3.发展草业、林业、畜牧业		镇雄县、普格县、永善县、布拖县、鲁甸县、巧家县、彝良县、大关县等


新窗口打开

6 结论

乌蒙山片区贫困面广大,贫困程度深,贫困成因复杂,片区内贫困村在空间分布上表现出集聚特征,在致贫因素上表现出异质性并具有尺度效应。本文以“十二五”期间乌蒙山片区“整村推进”项目贫困村数据为研究样本,基于空间贫困视角,利用平均最近邻距离、加权核密度估计、加权热点分析、标准差椭圆等空间分析方法对乌蒙山片区内贫困村的空间分布模式进行探究。同时构建多层线性回归模型,兼顾微观与宏观,从村-县层面定量分析致贫因素,结论如下：① 在空间分布模式上,贫困村集聚特征十分显著,总体呈现大分散小集中、散点-极核-轴带-团块并存的空间格局;存在一个核心团块和多个次级团块、两个热点区域和两个冷点区域;贫困总体发展趋势是沿北偏西约46.89°延伸,方向性较明显。② 在贫困影响因素上,人口密度、通路率、劳动力比例、遭受自然灾害频次、安全饮用水比例是村级主要影响因素,人均地方生产总值、高中教育阶段入学率、植被覆盖率是县级主要影响因素。③ 在村-县综合作用上,贫困村受到村级和县级因素的双重影响。贫困程度差异的68.8%来自于贫困村之间,31.2%来自于行政县之间的差异。其中村级影响因素解释了村级变量变异的52.45%,县级影响因素解释了县级变量变异的56.65%。
目前本文还存在一些有待完善的地方。文中多层线性模型中只定量分析了村、县两个层次的影响因素,尚未过多考虑地理位置邻近性对贫困产生的影响。虽然考虑到致贫因素的空间效应,但对贫困尺度效应方面的研究还不够深入,研究模型有待进一步完善。同时,由于受数据获取限制,本文仅基于截面数据进行了贫困影响因素的探测,尚未能顾及面板数据支持下的致贫因素时空建模研究。因此下一步的工作将瞄准空间面板数据支持下的致贫因素时空模型以及空间多层回归模型的设计,以进一步探测贫困影响因素,为实施精准扶贫政策提供导向支持。
The authors have declared that no competing interests exist.

参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]刘彦随, 周扬, 刘继来. 中国农村贫困化地域分异特征及其精准扶贫策略
. 中国科学院院刊, 2016, 31(3): 269-278.URL [本文引用: 1]摘要
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。
[Liu Yansui, Zhou Yang, Liu Jilai.Regional differentiation characteristics of rural poverty and targeted poverty alleviation strategy in China
. Bulletin of Chinese Academy of Sciences, 2016, 31(3): 269-278.]URL [本文引用: 1]摘要
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。
[2]李小鹏, 苏晓芳, 王亚娟, 等. 空间贫困研究及其对我国贫困地理研究的启示
. 干旱区地理, 2014, 37(1): 144-152.Magsci [本文引用: 2]摘要
20世纪90年代以来，国际上关于空间贫困研究的成果越来越丰富，逐渐成为欧美发达国家和相关国际组织制订地域减贫政策的重要依据，极大地延伸和拓宽了世界贫困地理的研究深度和广度。在阐述空间贫困概念、指标体系和研究方法的基础上，评述了空间贫困影响因素与特征、空间贫困地图与绘图、空间贫困政策评估与设计等空间贫困研究的主要内容。在此基础上，分析了我国贫困地理研究的现状和不足，提出重点从空间贫困地理资本、空间贫困陷阱机理和空间贫困地图研制等3个方面加强我国贫困地理的研究工作，有助于丰富我国贫困地理理论和方法体系，对于丰富我国社会地理学具有重要的科学、理论和学术意义，对于我国可持续性减贫和构建和谐社会具有重要的决策借鉴和实践推广意义。
[Liu Xiaopeng, Su Xiaofang, Wang Yajuan, et al.Review on spatial poverty and deprivation and its enlightenments to poverty geography studies in China
. Arid Land Geography, 2014, 37(1): 144-152.]Magsci [本文引用: 2]摘要
20世纪90年代以来，国际上关于空间贫困研究的成果越来越丰富，逐渐成为欧美发达国家和相关国际组织制订地域减贫政策的重要依据，极大地延伸和拓宽了世界贫困地理的研究深度和广度。在阐述空间贫困概念、指标体系和研究方法的基础上，评述了空间贫困影响因素与特征、空间贫困地图与绘图、空间贫困政策评估与设计等空间贫困研究的主要内容。在此基础上，分析了我国贫困地理研究的现状和不足，提出重点从空间贫困地理资本、空间贫困陷阱机理和空间贫困地图研制等3个方面加强我国贫困地理的研究工作，有助于丰富我国贫困地理理论和方法体系，对于丰富我国社会地理学具有重要的科学、理论和学术意义，对于我国可持续性减贫和构建和谐社会具有重要的决策借鉴和实践推广意义。
[3]陈烨烽, 王艳慧, 王小林. 中国贫困村测度与空间分布特征分析
. 地理研究, 2016, 35(12): 2298-2308. [本文引用: 4]

[Chen Yefeng, Wang Yanhui, Wang Xiaolin.Measurement and spatial analysis of poverty-stricken villages in China
. Geographical Research, 2016, 35(12): 2298-2308.] [本文引用: 4]
[4]Wang Y, Chen Y.Using VPI to measure poverty-stricken villages in China
. Social Indicators Research, 2017, 133(3): 1-25.https://doi.org/10.1007/s11205-016-1353-yURL [本文引用: 2]
[5]谯博文, 王艳慧. 连片特困区交通优势度评价及其与贫困关系研究: 以武陵山片区及其周边四省为例
. 资源开发与市场, 2014, 30(8): 924-928. [本文引用: 1]

[Qiao Bowen, Wang Yanhui.Assessment on transport superiority and relation with poverty in contiguous poor areas: A case study of Wuling Mountain Area and its surrounding four provinces. Resource Development &
Market. 2014, 30(8): 924-928.] [本文引用: 1]
[6]曹诗颂, 王艳慧, 赵文吉, 等. 中国贫困地区生态环境脆弱性与经济贫困的耦合关系: 基于连片特困区714个贫困县的实证分析
. 应用生态学报, 2016, 27(8): 2614-2622.Magsci [本文引用: 4]摘要
<div >保持生态环境与经济建设的协调发展是新阶段国家扶贫开发的重要策略之一.本文以扶贫开发&ldquo;新纲要&rdquo;中规划的14个连片特困区714个贫困县为例，基于敏感性恢复力压力度（SRP）的概念模型，构建生态脆弱性评价指标体系，从社会、经济两方面构建了县级尺度上的经济贫困评价指标体系，在此基础上，设计了连片特困区生态环境脆弱与经济贫困耦合模型，对研究区生态脆弱性与经济贫困进行了耦合协调度分析.结果表明： &ldquo;胡焕庸线&rdquo;能够很好地刻画连片特困区生态环境脆弱性、经济贫困以及两者耦合协调度的空间分布特征，在扶贫开发过程中，应充分考虑&ldquo;胡焕庸线&rdquo;对于我国贫困东西格局划分和减贫的影响；连片特困区脆弱生态环境与经济贫困共生共存，应该充分考虑贫困地区生态环境保护的战略意义，通过保护地区生态环境来达到减少经济贫困的目的；研究区一半左右的县市为衰退失调型，且两者不能做到同步发展.</div><div >&nbsp;</div>
[Cao Shisong, Wang Yanhui, Zhao Wenji, et al.Coupling between ecological vulnerability and economic poverty in contiguous destitute areas, China: Empirical analysis of 714 poverty-stricken counties
. Chinese Journal of Applied Ecology, 2016, 27(8): 2614-2622.]Magsci [本文引用: 4]摘要
<div >保持生态环境与经济建设的协调发展是新阶段国家扶贫开发的重要策略之一.本文以扶贫开发&ldquo;新纲要&rdquo;中规划的14个连片特困区714个贫困县为例，基于敏感性恢复力压力度（SRP）的概念模型，构建生态脆弱性评价指标体系，从社会、经济两方面构建了县级尺度上的经济贫困评价指标体系，在此基础上，设计了连片特困区生态环境脆弱与经济贫困耦合模型，对研究区生态脆弱性与经济贫困进行了耦合协调度分析.结果表明： &ldquo;胡焕庸线&rdquo;能够很好地刻画连片特困区生态环境脆弱性、经济贫困以及两者耦合协调度的空间分布特征，在扶贫开发过程中，应充分考虑&ldquo;胡焕庸线&rdquo;对于我国贫困东西格局划分和减贫的影响；连片特困区脆弱生态环境与经济贫困共生共存，应该充分考虑贫困地区生态环境保护的战略意义，通过保护地区生态环境来达到减少经济贫困的目的；研究区一半左右的县市为衰退失调型，且两者不能做到同步发展.</div><div >&nbsp;</div>
[7]Wang Y, Chi Y.Measuring spatiotemporal changes of rural basic public service in poverty-stricken srea of China
. International Regional Science Review, 2018, 41(5): 510-539.https://doi.org/10.1177/0160017616665671URL [本文引用: 1]
[8]Chen Y, Ge Y.Spatial point pattern analysis on the villages in China's poverty-stricken areas
. Procedia Environmental Sciences, 2015, 27: 98-105.https://doi.org/10.1016/j.proenv.2015.07.098URL [本文引用: 1]
[9]罗庆, 樊新生, 高更和, 等. 秦巴山区贫困村的空间分布特征及其影响因素
. 经济地理, 2016, 36(4): 126-132. [本文引用: 1]

[Luo Qing, Fan Xinsheng, Gao Genghe, et al.Spatial distribution of poverty village and influencing factors in Qinba Mountains
. Economic Geography, 2016, 36(4): 126-132.] [本文引用: 1]
[10]Chen X W, Pei Z Y, Chen A L, et al.Spatial distribution patterns and influencing factors of poverty: A case study on key country from national contiguous special poverty-stricken areas in China
. Procedia Environmental Sciences, 2015, 26: 82-90.https://doi.org/10.1016/j.proenv.2015.05.005URL [本文引用: 1]
[11]袁媛, 伍彬, 古叶恒. 重庆市城市贫困空间特征和影响因素研究: 兼论东西部城市的异同
. 人文地理, 2015, 30(1): 70-77. [本文引用: 1]

[Yuan Yuan, Wu Bin, Gu Yeheng.Spatial pattern and driving forces of urban poverty of Chongqing city: Discussion on similarities and differences between eastern and western cities in
China. Human Geography. 2015, 30(1): 70-77.] [本文引用: 1]
[12]李君, 李小建. 综合区域环境影响下的农村居民点空间分布与影响因素分析: 以河南巩义市为例
. 资源科学, 2009, 31(7): 1195-1204.Magsci [本文引用: 1]摘要
农村居民点空间分布变化对农村地域景观变化具有重要影响。本文应用GIS空间分析以及景观指数的定量分析方法，以河南巩义市为研究区域，分析了综合区域环境影响下的农村居民点空间分布变化特征。结果表明：①随着农村经济社会发展，农户居住用地总面积及相应的占地比重有较大幅度增加；②现有农村居民点分布扩展表现出规模集中化和局部分散化并存的现象；③外部调控因素对聚居斑块的作用力度不断增强，农户聚居空间形态逐步向规则化的方向发展；④农村居民点空间扩展由地理位置偏僻、交通不便利、居住环境条件差的区域逐渐向地势相对平缓、交通基础设施相对优越、经济发展环境较好地方集中，表现出较为明显的区位集中指向。规模化、集约化和空间区位的合理化应是今后农村居民点整合发展的主要趋势。
[Li Jun, Li Xiaojian.Study on the effect factors and distribution changes of rural residential under the multiple regional environment: A case study of Gongyi city in Henan province
. Resources Science, 2009, 31(7): 1195-1204.]Magsci [本文引用: 1]摘要
农村居民点空间分布变化对农村地域景观变化具有重要影响。本文应用GIS空间分析以及景观指数的定量分析方法，以河南巩义市为研究区域，分析了综合区域环境影响下的农村居民点空间分布变化特征。结果表明：①随着农村经济社会发展，农户居住用地总面积及相应的占地比重有较大幅度增加；②现有农村居民点分布扩展表现出规模集中化和局部分散化并存的现象；③外部调控因素对聚居斑块的作用力度不断增强，农户聚居空间形态逐步向规则化的方向发展；④农村居民点空间扩展由地理位置偏僻、交通不便利、居住环境条件差的区域逐渐向地势相对平缓、交通基础设施相对优越、经济发展环境较好地方集中，表现出较为明显的区位集中指向。规模化、集约化和空间区位的合理化应是今后农村居民点整合发展的主要趋势。
[13]郭晓东, 张启媛, 马利邦. 山地-丘陵过渡区乡村聚落空间分布特征及其影响因素分析
. 经济地理, 2012, 32(10): 114-120.

[Guo Xiaodong, Zhang Qiyuan, Ma Libang.Analysis of the spatial distribution character and its influence factors of rural settlement in transition-region between mountain and hilly
. Economic Geography, 2012, 32(10): 114-120.]
[14]Ibrahim I, Baiquni M, Ritohardoyo S, et al.Analysis of the factors affecting the poverty in rural areas around gold mine areas in West Sumbawa Regency
. Journal of Degraded and Mining Lands Management, 2016, 3(3): 585-594.https://doi.org/10.15243/jdmlmURL [本文引用: 1]
[15]黎洁, 邰秀军. 西部山区农户贫困脆弱性的影响因素: 基于分层模型的实证研究
. 当代经济科学, 2009, 31(5): 110-115. [本文引用: 1]

[Li Jie, Tai Xiujun.An empirical research on the rural households' vulnerability to poverty in west China based on hierarchical linear model
. Modern Economic Sceience, 2009, 31(5): 110-115.] [本文引用: 1]
[16]Cao M, Xu D, Xie F, et al.The influence factors analysis of households' poverty vulnerability in southwest ethnic areas of China based on the hierarchical linear model: A case study of Liangshan Yi autonomous prefecture
. Applied Geography, 2016, 66(8229): 144-152.https://doi.org/10.1016/j.apgeog.2015.11.016URL [本文引用: 1]
[17]Ward P S.Transient poverty, Poverty dynamics, and vulnerability to poverty: An empirical analysis using a balanced panel from rural China
. World Development, 2016, 78: 541-553.https://doi.org/10.1016/j.worlddev.2015.10.022URL [本文引用: 1]
[18]Kim R, Mohanty S K, Subramanian S V.Multilevel geographies of poverty in India
. World Development, 2016, 87: 349-359.https://doi.org/10.1016/j.worlddev.2016.07.001URL [本文引用: 1]
[19]Ren Z, Ge Y, Wang J, et al.Understanding the inconsistent relationships between socioeconomic factors and poverty incidence across contiguous poverty-stricken regions in China: Multilevel modelling
. Spatial Statistics, 2017, 21: 406-420.https://doi.org/10.1016/j.spasta.2017.02.009URL [本文引用: 2]
[20]闫庆武, 卞正富. 基于GIS-SDA的居民点空间分布研究
. 地理与地理信息科学, 2008, 24(3): 57-61. [本文引用: 1]

[Yan Qingwu, Bian Zhengfu.Study on distribution pattern of settlements based on GIS-SDA. Geography and Geo-information
Science, 2008, 24(3): 57-61.] [本文引用: 1]
[21]赵璐, 赵作权. 基于特征椭圆的中国经济空间分异研究
. 地理科学, 2014, 34(8): 979-986.Magsci [本文引用: 1]摘要
<p>根据克鲁格曼的&ldquo;两个自然&rdquo;理论，运用空间统计SDE方法，在GIS 技术的支持下，基于中国国土空间特征椭圆系列&mdash;&mdash;国土均衡分布椭圆、国土地形分布椭圆、人口分布椭圆等，在空间上定量刻画了中国经济空间分异的基本特征，并为分析经济空间分异提供了新的方法参考。主要结论如下：① 在&ldquo;两个自然&rdquo;的分异作用下，中国经济空间分异主要以东-西方向为主。相对于国土均衡分布椭圆，国土地形分布椭圆明显偏西，长、短轴均明显减小，这反映出中国高地势主要集中分布在西部；中国人口空间分布靠近东部地区，其椭圆长、短轴长度均显著减小，充分表现出了经济活动的空间分异特征和空间聚集特征；② 国土地形等&ldquo;第一自然&rdquo;要素对社会经济活动的控制作用显著。人口分布椭圆对于地形分布椭圆的空间分异系数为89.55%，其93%的空间展布范围位于胡焕庸线的东南，且分布轴线基本与胡焕庸线平行；③ 在&ldquo;第二自然&rdquo;聚集机制的作用下，中国城市体系人口、GDP主体集中在胡焕庸线东南方约20%的大陆国土面积上，且二者之间也存在着明显的空间差异。从&ldquo;第一自然&rdquo;要素的空间分异和控制作用来看，胡焕庸线以西地区，特别是西北侧地区发展经济、集聚人口的功能较弱。同时，由于区域发展的内在核心动力聚集机制的空间差异性，区域发展的过程也呈现不平衡的特征。从兼顾效率和公平的角度出发，可通过重点培育人口分布较为集中的成渝城市群、关中城市群等中西部经济增长极拉动中国经济增长和市场空间向中西部发展；可通过制定相关政策吸引人口向GDP分布椭圆北部地区流动、聚集，发挥人口的红利作用，推进经济增长由南向北发展。</p>
[Zhao Lu, Zhao Zuoquan.Projecting the spatial variation of economic based on the specific ellipses in China
. Scientia Geographica Sinica, 2014, 34(8): 979-986.]Magsci [本文引用: 1]摘要
<p>根据克鲁格曼的&ldquo;两个自然&rdquo;理论，运用空间统计SDE方法，在GIS 技术的支持下，基于中国国土空间特征椭圆系列&mdash;&mdash;国土均衡分布椭圆、国土地形分布椭圆、人口分布椭圆等，在空间上定量刻画了中国经济空间分异的基本特征，并为分析经济空间分异提供了新的方法参考。主要结论如下：① 在&ldquo;两个自然&rdquo;的分异作用下，中国经济空间分异主要以东-西方向为主。相对于国土均衡分布椭圆，国土地形分布椭圆明显偏西，长、短轴均明显减小，这反映出中国高地势主要集中分布在西部；中国人口空间分布靠近东部地区，其椭圆长、短轴长度均显著减小，充分表现出了经济活动的空间分异特征和空间聚集特征；② 国土地形等&ldquo;第一自然&rdquo;要素对社会经济活动的控制作用显著。人口分布椭圆对于地形分布椭圆的空间分异系数为89.55%，其93%的空间展布范围位于胡焕庸线的东南，且分布轴线基本与胡焕庸线平行；③ 在&ldquo;第二自然&rdquo;聚集机制的作用下，中国城市体系人口、GDP主体集中在胡焕庸线东南方约20%的大陆国土面积上，且二者之间也存在着明显的空间差异。从&ldquo;第一自然&rdquo;要素的空间分异和控制作用来看，胡焕庸线以西地区，特别是西北侧地区发展经济、集聚人口的功能较弱。同时，由于区域发展的内在核心动力聚集机制的空间差异性，区域发展的过程也呈现不平衡的特征。从兼顾效率和公平的角度出发，可通过重点培育人口分布较为集中的成渝城市群、关中城市群等中西部经济增长极拉动中国经济增长和市场空间向中西部发展；可通过制定相关政策吸引人口向GDP分布椭圆北部地区流动、聚集，发挥人口的红利作用，推进经济增长由南向北发展。</p>
[22]Raudenbush S W, Bryk A S.A hierarchical linear model: A review. Sociology of
Education. 1986, 59: 1-17. [本文引用: 1]
[23]王艳慧, 钱乐毅, 段福洲, 等. 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
. 人口与经济, 2014, (5): 114-120. [本文引用: 1]

[Wang Yanhui, Qian Leyi, Duan Fuzhou, et al.An analysis on multidimensional poverty measurement and research on its spatial distribution pattern: A case study from Neixiang county
. Population & Economics, 2014, (5): 114-120.] [本文引用: 1]
[24]刘小鹏, 苏胜亮, 王亚娟, 等. 集中连片特殊困难地区村域空间贫困测度指标体系研究
. 地理科学, 2014, 34(4): 447-453.URLMagsci [本文引用: 1]摘要
<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>
[Liu Xiaopeng, Su Shengliang, Wang Yajuan, et al.The index system of spatial poverty of village level to monitor in concentrated contiguous areas with particular difficulties
. Scientia Geographica Sinica, 2014, 34(4): 447-453.]URLMagsci [本文引用: 1]摘要
<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>
[25]Gans H J.The positive functions of poverty
. American Journal of Sociology, 1972, 78(2): 275-289.https://doi.org/10.1086/225324URL [本文引用: 1]
[26]Rank M R, Hirschl T A.The economic risk of childhood in America: Estimating the probability of poverty across the formative years
. Journal of Marriage & Family, 1999, 61(4): 1058-1067. [本文引用: 1]
[27]王艳慧, 钱乐毅, 陈烨烽, 等. 生态贫困视角下的贫困县多维贫困综合度量
. 应用生态学报, 2017, 28(8): 2677-2686. [本文引用: 1]

[Wang Yanhui, Qian Leyi, Chen Yefeng, et al.Multidimentional and comprehensive poverty measurement of poverty-stricken counties from the perspective of ecological poverty
. Chinese Journal of Applied Ecology, 2017, 28(8): 2677-2686.] [本文引用: 1]
[28]丁建军. 中国11个集中连片特困区贫困程度比较研究: 基于综合发展指数计算的视角
. 地理科学, 2014, 34(12): 1418-1427.URLMagsci [本文引用: 1]摘要
<p>综合比较11个集中连片特困区的贫困程度对于更好地实施连片特困区区域发展与扶贫攻坚战略十分重要.基于&quot;发展&quot;与&quot;贫困&quot;之间的对应关系,通过构建涵盖经济、社会和生态3个维度24项指标的综合发展指标体系,测算和比较分析了11个集中连片特困区的贫困程度.结果表明:① 在经济、社会和生态3个维度中,11个集中连片特困区的经济发展严重滞后,经济贫困相对更为突出,社会服务有所改善,但仍然十分落后,生态条件较好、生态负荷较小,但生态脆弱性不容忽视;② 11个集中连片特困区的贫困程度在空间上呈&quot;东部-北部-西南部&quot;走向依次递增的特征,西南腹地是中国贫困的&quot;重灾区&quot;;③ 11个集中连片特困区在人均GDP、人均财政收入、农村居民人均纯收入、平均受教育年限、万人科技人员数等反映经济发展水平和区域自我发展能力的指标上较为相似,但在建制村硬化公路通达率、人口密度、九年义务教育巩固率、村卫生室普及率和青壮年文盲率等表征社会公共服务的指标上具有明显差异.</p>
[Ding Jianjun.Comparative analysis on poverty degree of China's 11 contiguous destitute areas: With view of comprehensive development index
. Scientia Geographica Sinica, 2014, 34(12): 1418-1427.]URLMagsci [本文引用: 1]摘要
<p>综合比较11个集中连片特困区的贫困程度对于更好地实施连片特困区区域发展与扶贫攻坚战略十分重要.基于&quot;发展&quot;与&quot;贫困&quot;之间的对应关系,通过构建涵盖经济、社会和生态3个维度24项指标的综合发展指标体系,测算和比较分析了11个集中连片特困区的贫困程度.结果表明:① 在经济、社会和生态3个维度中,11个集中连片特困区的经济发展严重滞后,经济贫困相对更为突出,社会服务有所改善,但仍然十分落后,生态条件较好、生态负荷较小,但生态脆弱性不容忽视;② 11个集中连片特困区的贫困程度在空间上呈&quot;东部-北部-西南部&quot;走向依次递增的特征,西南腹地是中国贫困的&quot;重灾区&quot;;③ 11个集中连片特困区在人均GDP、人均财政收入、农村居民人均纯收入、平均受教育年限、万人科技人员数等反映经济发展水平和区域自我发展能力的指标上较为相似,但在建制村硬化公路通达率、人口密度、九年义务教育巩固率、村卫生室普及率和青壮年文盲率等表征社会公共服务的指标上具有明显差异.</p>
[29]姜高霞. 分层线性模型方法及其降水量的分层特性研究
. 北京: 华北电力大学硕士学位论文, 2012. [本文引用: 2]

[Jiang Gaoxia.Hierarchical linear model and its research on hierarchical characteristics of rainfall
. Beijing: Master Dissertation of North China Electric Power University, 2012.] [本文引用: 2]
[30]叶青青, 刘艳芳, 刘耀林, 等. 基于多层线性模型的湖北省县域建设用地集约利用影响因素研究
. 中国土地科学, 2014, (8): 33-39. [本文引用: 1]

[Ye Qingqing, Liu Yanfang, Liu Yaolin, et al.Study on the impact factors of construction land use intensity at county level in Hubei Province based on hierarchical linear model
. China Land Science, 2014, (8): 33-39.] [本文引用: 1]
相关话题/空间 经济 比例 指标 生态

Free考研考试FreeKaoYan.Com
欢迎来到Free考研考试，"为实现人生的Free而奋斗"

© 2020 FreeKaoYan! . All rights reserved.