The measurement method and evolution mechanism of poverty dynamics
YAN Xiaoyan,1,2, QI Xinhua,1,2通讯作者:
收稿日期:2020-09-21修回日期:2021-06-18
基金资助: |
Received:2020-09-21Revised:2021-06-18
Fund supported: |
作者简介 About authors
严小燕(1992-), 女, 江西赣州人, 博士生, 研究方向为经济地理与区域发展。E-mail:
摘要
关键词:
Abstract
Keywords:
PDF (2130KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
严小燕, 祁新华. 贫困动态的测度方法与演化机制. 地理学报, 2021, 76(10): 2425-2438 doi:10.11821/dlxb202110007
YAN Xiaoyan, QI Xinhua.
1 引言
消除贫困是全世界共同面临的历史使命和责任,20世纪90年代以来,世界扶贫取得了巨大的成效,极端贫困(Extreme Poverty)发生率从1990年的36%下降到2018年的9%[1]。中国举世瞩目的扶贫成果为全球减贫事业做了突出贡献,仅2012—2019年农村贫困人口就由9899万人锐减至551万人,贫困发生率由10.2%下降至0.6%,7年间累计减贫幅度高达到94.4%[2]。然而,近年来世界范围内的不确定性因素引发的贫困动态变化引起了各国政府的高度重视。从全球来看,2020年受新型冠状肺炎疫情以及伴随而来的经济危机影响,全球结束了自1998年亚洲金融危机以来绝对贫困人口的持续消减。据世界银行预测,2020年疫情将导致全球新增极端贫困人口0.88亿~1.15亿,贫困率返回至2017年水平,全球消除极端贫困的进程至少倒退3年[3]。在非洲,1/3的人口是持续性贫困人口,另有1/3人口在贫困与非贫困之间反复转换,即使在经济水平相对发达的部分中等收入国家,生活水准在每天6美元或者略高出贫困线的人群返贫概率也高达40%[4]。至于中国,截至2020年3月,具有返贫风险和致贫风险的人口分别约200万和300万,即依然还有500万人左右徘徊在贫困的边缘[5]。更为重要的是,在中国2020年全面退出绝对贫困之际,正确把握贫困动态变化,扎实推进持续减贫与巩固扶贫成果成为当前中国贫困治理的重大现实需求。贫困是一种动态现象与过程,具有复杂性、综合性、区域性和不确定性等多元特征。传统静态研究局限于单一时间点上的贫困状态,无法揭示贫困的变动、延续过程、规律及机理,因而越来越多的文献倾向于从动态角度探索贫困问题。然而,现有研究却鲜有从概念、脉络、方法与机理等方面对贫困动态作系统的梳理,尤其是对地理学空间贫困的分异、扩散、收敛以及时空关联等动态变化的综述更为缺乏。鉴于此,本文立足于现有文献,就贫困动态相关文献展开回顾与展望,希望能够为未来贫困及其动态研究提供一些有益借鉴。
2 贫困动态的概念解析
贫困动态(Poverty Dynamics)最早的研究可追溯到Rowntree在20纪初对英国约克市工人贫困动态的描述[6],20世纪70年代中期开始逐渐受到美国社会科学研究者的重视,并在80年代晚期延伸至欧洲与乃至全世界[7]。目前,对贫困动态的明确定义主要来自于经济学和社会学等主流学科,侧重于个人或家庭尺度,重点描述的是贫困状态的转变和持续(表1)。地理学同样重视贫困的“历时性”特征,对贫困动态的关注侧重于区域尺度,基于“人地关系”“地理资本”和“空间贫困陷阱”等核心理论,重点从空间贫困的形成、分布、演变、地理要素及其与环境的关系中探索贫困动态特征与规律[8]。Tab. 1
表1
表1贫困动态的定义
Tab. 1
定义 | 文献编号 | |
---|---|---|
贫困动态 | 1. 个人和家庭在一段时间内经历的福祉或不幸的变化 | [9] |
2. 贫困转变和持续的流动模式 | [10] | |
3. 讨论个人/家庭在生命周期过程中贫穷位置(地位)上的流动型态及地位转变的原因 | [7] | |
4. 在较长的时期内,由贫困标准和个人/家庭福利状况改变导致个人/家庭进入或者退出贫困的状态 | [11] | |
5. 分析家庭或个人在贫困位置上的流动状况(进入、停留或脱离)以及地位转变的原因 | [12] | |
6. 在个人生活历史之中,由多种原因引起个人或家庭经历进入、保持或摆脱贫困状态的社会现象 | [13] | |
7. 贫困群体在不同时期经历的包括陷贫、脱贫或持续贫困等的动态变化过程 | [14] |
新窗口打开|下载CSV
随着研究的深入以及贫困内涵和外延的拓展,贫困动态的概念内涵与表现形式也更加丰富。本文从5种视角,将贫困动态的表现形式划分为20类(表2)。按识别对象,贫困动态可分为个体贫困动态和区域/空间贫困动态。“个体”主要包括个人、家庭或特定群体;“区域”包括不同尺度的地理与行政空间。个体贫困动态与区域贫困动态相互影响,密不可分,区域是个体贫困产生、演化的空间载体,区域持续贫困会导致个体内生动力不足,收入提高受限;个体则是区域贫困格局形成、变迁的微观表现,个体贫困的聚合很大程度上体现区域经济疲软[15,16]。按不同时间尺度,根据贫困持续时间和贫困进入和退出转换的频率,可分为慢性贫困和暂时性贫困[17];从个人或家庭的生命周期来看,贫困动态表现为生命周期阶段的贫困变化;从代际来看,贫困动态表现为贫困代际传递。按状态性质,可分为贫困进入、贫困持续、贫困退出和返贫4种。其中,贫困进入是一种由非贫困状态进入贫困状态的过程,而贫困退出则相反;贫困持续是贫困状态的延续;返贫是指已脱贫的人口或家庭再次陷入贫困的过程[18]。按贫困程度,鉴于个体或区域贫困程度衡量标准的差异,可分划分广度动态、深度动态、差异度动态及综合动态4种。按贫困类型,可分为单维动态、多维动态、绝对动态、相对动态、主观动态和客观动态6种。
Tab. 2
表2
表2贫困动态分类体系
Tab. 2
分类视角 | 类型 | 文献编号 |
---|---|---|
识别对象 | 个体贫困动态(个人、家庭或群体);区域/贫困动态 | [15, 19-20] |
时间尺度 | 慢性贫困/长期贫困/持续贫困;暂时性贫困;贫困个人/家庭生命周期;贫困代际传递 | [7, 21-25] |
状态性质 | 贫困进入;贫困退出;贫困持续;返贫 | [18, 26-27] |
贫困程度 | 贫困广度动态;贫困深度动态;贫困差异度动态;综合贫困动态 | [28-29] |
贫困类型 | 单维贫困动态;多维贫困动态;绝对贫困动态;相对贫困动态;主观贫困动态;客观贫困动态 | [25, 30-32] |
新窗口打开|下载CSV
上述贫困动态类型相对独立又有交叉,现有从单一对象和视角的定义显然难以全面诠释复杂多样的贫困动态以及当前扶贫实践要求,需要一个更加系统的综合性概念。从地理学综合性和区域性角度出发[33],本文提出,贫困动态是指在特定时间段内,个体或区域由于各种原因导致发生贫困转变与持续、贫困程度、贫困维度以及贫困空间格局变化的过程与现象(图1)。
图1
新窗口打开|下载原图ZIP|生成PPT图1贫困动态的概念模型
Fig. 1Conceptual model of poverty dynamics
3 贫困动态的测度方法
贫困动态测度是研究贫困时空动态的基础。区域与个体的贫困与非贫困转变、贫困程度变化和贫困持续时间是测度的重点。贫困动态测度方法与贫困测度方法一脉相承,目前主要有单维和多维两类方法,不同方法各有其优缺点(表3)。单维贫困动态测度方法包括贫困率法[20]、转移矩阵法[34,35]、贫困指数法(Sen、SST和FGT指数等)[28,29]、Spells法[36,37]、组分法[21,22],以及生活史法[38,39]等。单维贫困动态测度方法主要采用收入或消费等经济维度数据,忽略其他维度的考量,不足以全面把握贫困的真实动态。Tab. 3
表3
表3贫困动态的主要测度方法
Tab. 3
方法 | 主要原理 | 优点 | 缺点 | 文献编号 | ||
---|---|---|---|---|---|---|
单维 | ||||||
贫困率 | 测算一段时间内贫困率变化, 式中:H为贫困率;q为贫困人口数;n为总人口数 | 反映贫困广度 | 不能反映贫困深度、差异度变化 | [20, 47] | ||
转移矩阵法 | 测度不同年份农户在贫困和非贫困之间的转换概率 | 直观测算贫困与非贫困的转换规模 | 无法了解贫困程度变化 | [34-35] | ||
贫困指数法 | Sen指数 | 通过测算一段时间内贫困指数的变化显示贫困动态 | 满足单调公理和加性分解公理 | 缺乏连续性和复制不变性,强转移性公理不足 | [28-29, 47] | |
SST指数 | $SST=\frac{1}{n^{2}} \sum_{i=1}^{q}\left[\frac{z-y_{i}}{z}\right] \times(2 n-2 i+1)$ | 调整Sen指数权重函数 | 不符合加性分解公理,不满足转移—敏感性公理 | |||
FGT指数 | $FGT=\frac{1}{n} \sum_{i=1}^{q}\left[\frac{z-y_{i}}{z}\right]^{\alpha}$ α ≥ 0,α为分布敏感参数 | 克服Sen指数和SST指数所缺乏的加性分解公理 | 难以确定α最优值 | |||
Spells法 | 考察特定时段个体贫困持续时间,以及依据多个时段内处于贫困状态时间是否长于某界线来区分慢性和暂时性贫困 | 简单直观、易操作 | 侧重贫困进入和退出转变,未考虑贫困深度 | [36-37] | ||
组分法 | 基于“永久性收入假说”前提,将收入/消费分为永久性和暂时性部分,若前者低于贫困线则被认为是慢性贫困,其余为暂时性贫困,总贫困是二者总和 | 采用回归模型避免慢性和暂时性贫困的区分在时间长度上不统一 | 对长期贫困识别受贫困深度影响;贫困时间长度不敏感;对数据质量要求高 | [21-22, 48] | ||
生活 史法 | 通过参与式调查,访谈个人生活史,绘制生活史图表,以预先设定的等级标准衡量生活轨迹中的幸福水平 | 能获取个人生命历程中详细的生活福祉及幸福感变化的信息 | 难获取长时间序列面板数据,受主观性因素影响大 | [38-39] | ||
多维 | ||||||
A-F双界线法 | 设置指标和缺失得分两个临界值,计算多维贫困指数(MPI)动态,并对广度、深度、维度和子群进行分解 | 运用广,克服多维贫困识别中“并集法”和“交集法”弊端 | 指标选取、临界值和权重设置具有主观性 | [30-31, 49] | ||
指标综合法 | 通过加权求和、主成分分析、人工神经网络或多面体法等方法汇总得出综合贫困指数,分析动态趋势或结合ESTDA法探索时空交互 | 灵活性较强,可与多元数据、多种方法相结合 | 受指标选择和赋权影响大;不好衡量各指标或维度贡献 | [41, 50-51] | ||
地理信息技术辅助法 | 借助3S技术提取多源遥感数据,社交媒体大数据,融合传统普查或调研数据,运用机器算法(随机森林、卷积神经网络等)测算、描述和预测多维贫困及其时空动态,实现可视化 | 时效性好、精度高、信息量大,有效弥补传统方法的滞后性和不充分性 | 对不同年份、不同来源的数据整合、精度校准技术要求高 | [44-45, 52] |
新窗口打开|下载CSV
多维贫困动态测度综合考虑收入、教育、资产、健康、生活水平和地理环境等维度变化,更能全面、真实地反映区域或个体的贫困变化,因而成为研究主流,目前的成果以Alkire和Foster提出的“A-F双界线法”和“指标综合法”居多[40,41]。在维度选择上,****主要参考联合国开发计划署(UNDP)多维贫困指数测算中的“健康、教育和生活水平”三个维度和“可持续生计分析框架”中的“自然、物质、人力、金融和社会”五大生计资本维度,或在这些维度和相应指标基础上根据研究需要进行一定程度的拓展、变换[30, 41]。数据来源包括普查、参与式调查、大型家庭微观调查、地理信息和网络大数据等。中国健康与营养调查(CHNS)[30]、中国家庭追踪调查(CFPS)[42]和中国综合社会调查(CGSS)[43]等大型家庭微观调查数据被广泛运用。近年来,随着3S、地统计技术以及机器学习算法在贫困领域的延伸,夜间灯光(NTL)、数字高程模型(DEM)、植被指数(NDVI)、土地利用和自然灾害等遥感影像数据[44]以及百度兴趣点(POI)、路网定位和手机元数据等社交媒体大数据与社会经济统计数据多元融合与相互印证成为新趋势[45,46],极大提高了贫困动态研究的时效和精度。
4 贫困动态的研究脉络
4.1 通过长期追踪探究贫困的持续时间
通过跟踪贫困主体福利状态,贫困持续性研究关注的是贫困的持续时间(Duration of Poverty),可分为慢性贫困与暂时性贫困。慢性贫困研究中心(Chronic Poverty Research Center, CPRC)[17]将始终或经常生活在贫困线以下的生活状态归为慢性贫困,将在贫困线上下波动或只是偶尔跌入贫困线以下的归为暂时性贫困(图2)。Valletta[10]比较了加拿大、德国、英国和美国4个发达国家在20世纪90年代6年间的贫困动态,发现北美的贫困持续性要高于欧洲,欧洲政府的税收和转移政策在减少持续贫困方面比北美更有效。Wardanaa等[48]研究表明印尼慢性贫困占78%。Jalan等[21]认为中国存在大量暂时性贫困人口,强调应将扶贫的重点置于消除暂时性贫困上。尽管这一观点得到部分****的认同[53],但针对中国贫困的主要问题,学术界也存在以慢性贫困为主[22]、两类贫困二元并重[19]等不同观点争论。至于两者的影响因素,Jalan等[54]指出,慢性贫困主要归因于一些根深蒂固的致贫因子,包括人口特征、人力资本和居住环境等,而暂时性贫困则与随机性因素有关,包括家庭生命周期、财富波动和风险意外等。Liu等[55]将中国的区域慢性贫困归因于地理条件差、资源禀赋不足、自然灾害频发以及生态环境退化等,而认为农村家庭暂时性贫困是由于家庭成员患病、收入来源不稳定、劳动力和技术匮乏、基础设施落后、公共服务滞后等因素造成。相对而言,慢性贫困者贫困持续时间较长、维度较广和程度较深。此外,在一些落后、偏远地区容易形成大面积贫困地理集聚,因而慢性贫困常伴随贫困空间陷阱和代际传递[56]。图2
新窗口打开|下载原图ZIP|生成PPT图2慢性贫困、暂时贫困和非贫困分类
注:资料来源于慢性贫困研究中心(CPRC)第2004-05号报告。
Fig. 2Classification of chronic poverty, transitory poverty and non-poverty
4.2 通过生命周期考察贫困的阶段变化
家庭生命周期是指一个家庭从组建、发展直至消亡的重复过程[57]。家庭生命周期中不同阶段的家庭特征与贫困动态变化关联密切,最早将二者结合起来的是Rowntree关于约克市工人贫困产生过程的经典研究,他发现工人一生中通常并不贫穷,而只是在家庭生命周期的特定阶段,如未成年、抚养孩子以及退休期间[6]。Glick[58]首次将家庭生命周期作为一个系统进行理论阐述,根据7个关键的家庭事件,划分出了形成期、扩展期、稳定期、收缩期、空巢期和解体期6个阶段的核心家庭生命周期经典模型,为后续****提供重要的理论参考。距离Rowntree首次对家庭生命周期描述的一个世纪以后,Rigg等[23]针对英国家庭生命周期收入轨迹的研究发现,家庭贫困和相对富裕交替出现的特征已不再明显,在成年早期收入急剧增长,随后是一段收入相对平稳的时期,在中年时达到小的峰值,退休后下降。借鉴西方****家庭生命周期理论模型,中国****针对农户经济状况变化与家庭生命周期的关系也展开了大量探索。史清华等[57]将农户家庭生命周期分为形成、扩展、扩展完成、收缩、空巢和消亡6个阶段,发现农户经济状况受家庭生命周期影响,扩展阶段家庭经济水平较低,在经历一段时期的好转后,到了缩减阶段家庭经济再次陷入恶化;黄英伟等[59]发现当家庭处于成熟期或家庭人口处在劳动旺盛期时,家庭收入较高,而处在成长期或人口劳动衰弱期时,家庭收入较低,强调不同生命周期中的人口分化是家庭收入差异的主要原因;彭继权等[60]发现不同家庭生命周期阶段的贫困与多维贫困的贡献率呈现出倒“U”型,贫困主要集中在成长型家庭、成熟型家庭和扩张型家庭,起步型家庭和衰退型家庭贫困对多维贫困贡献率较低。
4.3 通过代际关联探讨贫困的代际传递
贫困代际传递是一种贫困连同致贫因素在不同代人之间传递,导致后代人重蹈前代人贫困覆辙的社会现象[61]。由于代际传递现象根植于家庭生命周期之中,生命历程中的关键事件对贫困代际传递产生具有重要影响,陈全功等[39]基于农户家族史和个体生活史资料发现,贫困代际传递通常发生在子代出生期,而代际阻断则一般作用于父代或子代能够进行劳动生产或获得稳定收入期。关注收入的关联流动性是考察贫困代际传递的通常做法。Blau等[62]最早关注父辈与子辈经济地位关系,提出了著名的“布劳—邓肯”模型,并证明了美国父代与子代之间收入相关性很弱;Becker等[24]通过实证支持了这一观点,并测算出美国代际收入弹性约0.20;Lefgren等[63]借鉴Becker等的方法,测算出瑞典父子之间代际收入弹性为0.29,认为父亲的经济资源对子女收入影响甚微;Ueda[64]利用1998—2006年韩国劳动与收入面板数据测算出儿子30岁左右的收入相对于父亲收入的弹性为0.24或更低。中国****对中国代际收入流动也做了大量实证,普遍认为中国目前仍处于一个收入代际流动性偏低的社会。王海港[65]测算出中国城镇居民代际收入弹性1988年与1995年分别为0.384和0.424,认为这段时间内城镇居民代际流动变缓;卢盛峰等[66]基于CHNS数据,得出中国代际收入弹性系数大致位于0.38~0.42之间,与英国、美国接近,但低于日本。
4.4 通过时空交互展示贫困格局演变
贫困动态既包括个体又包括区域(空间)贫困动态。与主流社会学和经济学关注个人、家庭或社会群体的福利变动不同,地理学更关注贫困的区域或空间动态,从贫困空间格局、地域分异、时空演化和与地理环境关系的探索中寻找贫困发生、发展规律[67,68]。区域贫困动态研究一方面关注区域贫困程度的纵向时间变化趋势,如通过贫困发生率、FGT指数和多维贫困指数等的时间变化刻画区域贫困程度的动态变化和规律[29, 31];另一方面注重不同区域之间、区域与区域内部之间贫困空间格局、异质性和收敛性的变迁[41, 69-70]。随着普查数据、参与式调查数据的不断完善以及3S、地统计技术的广泛运用,采用时空交互、多尺度转换和耦合的方式剖析区域贫困的时空动态,使空间贫困动态从宏观到微观的认识不断深化。从全球来看,1990—2015年全球极端贫困人口的主要集聚区经历了“东亚和太平洋地区—南亚地区—撒哈拉以南的非洲地区”的空间格局演变[71]。20世纪50、60年代,中国举国呈现普遍贫困的分布状态,随着1978年改革开放以及21世纪初以来扶贫攻坚力度的持续加大,贫困人口覆盖面逐渐向边远山区、边疆地区和中西部少数民族地区聚集[16],这一贫困空间格局自改革开放以来并未发生显著变化[55]。尽管中国的扶贫取得了巨大的成效,但由于地理资本或自然资源禀赋差异存在非易变性特征[72],加上“贫困空间陷阱”与乡村贫困“孤岛效应”,空间环境影响中国现阶段贫困的变化日益凸显,贫困人口空间集聚,贫困空间溢出、自我强化和空间依赖亦不断显现[55, 69, 73]。具体而言,近几十年来中国贫困时空格局大致呈现如下特征:① 贫困发生率、多维贫困程度快速下降,但地区差异持续扩大[41, 50, 70];② 贫困空间大量萎缩,集中连片贫困地区呈碎片化趋势[45],正如刘彦随[55]所述,中国的贫困地区很可能形成“孤岛效应”;③ 贫困人口主要聚集于连片特困地区,分布于中国地势第二阶梯和“胡焕庸线”的东南部区域,贫困深度由西向东梯次递减[69, 74-75]。进入新扶贫阶段,随着区域性、整体性贫困的消减,开展小地理单元(贫困乡、贫困村) 的地理识别、时空变迁和城市贫困群体的规模变化、集聚空间结构及分异演变等研究逐渐成为新的热点[44, 76]。
5 贫困动态的机制探究
贫困动态诱发因素多样,发生机制复杂,不同学科从不同理论视角和分析层面给予诸多诠释(图3)。经济学侧重于从收入、消费和资产等方面解释贫困动态机制。“贫困恶性循环论”认为发展中国家大量人口长期陷入贫困的原因是由于供给和需求的资本不足,由此形成恶性循环[77];“资产贫困陷阱理论”强调家庭生产性资产在决定家庭收入能力,进而影响其贫困持续性发挥的重要作用。具体而言,如果一个家庭收入低于贫困线,但其资产数量和报酬没有发生变化,这种贫困是暂时性贫困;反之就是结构性贫困,只能长期依靠落后的生产技术获得低水平的经济回报,如此便陷入贫困陷阱之中;如若家庭资产水平高于一定的阈值,那么就有可能跳出贫困陷阱[78,79]。图3
新窗口打开|下载原图ZIP|生成PPT图3多学科视角下的贫困动态发生机制
Fig. 3Mechanism of poverty dynamics from multidisciplinary perspective
社会学侧重于从家庭生命周期、代际传递等方面揭示贫困动态机制。由于不同家庭生命周期会导致家庭特征、生计策略、人口分化和供需等方面的差异,因而家庭福利状态会经历上升或下降的轨迹变化[6, 59]。“家庭生命周期理论”试图通过简单化和统一化的思维构建人类共同的家庭发展阶段模式,从普遍性规律中探索家庭不同生命阶段的贫困动态问题[80]。“社会分层理论”认为“先赋过程”和“获致性过程”是贫困代际传递产生的原因。前者指的是子代从父代那里获得的“先天禀赋”,如性别、民族、种族、财富以及其他的家庭背景等;后者是指子代通过接受教育、技能培训、自身努力而取得的“后天禀赋”。如果子代过度依赖于先赋性特征而非获致性的努力,那么贫困家庭的子代就易重复陷入贫困,反之,如果子代能在“获致性过程”中提升社会经济层次,那么其就有可能打破贫困代际传递,甚至影响到下一代和反哺到上一代[81]。
地理学侧重于从地理资本与贫困相互作用、空间分异与变迁等方面剖析贫困动态机制。尤其是作为地理学的重要分支,发展地理学将“贫困和不平等”问题视为核心研究议题,为区域贫困动态机制研究贡献了大批成果[82, 88]。20世纪50年代的空间经济学和90年代的新经济地理学对贫困的空间属性以及贫困与地理环境关系的早期探索促成“空间贫困理论”初具雏形。20世纪90年代中期以来,世界银行开始对全球贫困的空间分布与动态演变展开探索。Jalan等[83,84]发现区域的自然、物质、社会、政治以及人力等合成的“地理资本”存量不足会影响农户收入,地理阻隔增加其迁移成本导致贫困在特定地理区域产生、持续与聚集,形成空间贫困陷阱(Spatial Poverty Traps)。人地关系地域系统历来是地理学研究的核心[85],Zhou等[16]在借鉴“农村地域系统理论”[86]基础上首次提出了“贫困地域系统”(Impoverished Areal System, IAS)概念模型,将区域贫困看成一个由特定地理区域内的资源禀赋、区位条件、生态环境、经济基础、社会福利、人力资本等系统要素相互影响、相互作用构成的,具有一定功能、结构复杂和开放的巨系统。“人”“地”和“业”是IAS的3个主要子系统,贫困的形成和持续的过程是由于三者耦合失调导致[15-16, 75]。“空间贫困理论”“空间贫困陷阱理论”及“贫困地域系统理论”等为贫困地理学和发展地理学奠定了重要的理论基础。
6 贫困动态的评述与展望
自19世纪末20世纪初Rowntree开启了贫困动态研究先河以来,学界对贫困动态探索已历时100余年。期间,伴随着对贫困的认识由单一物质贫困发展到多维贫困,由绝对贫困延伸到相对贫困,由客观贫困拓宽到主观贫困,贫困动态概念的内涵和外延不断丰富,在研究对象上既关注个人/家庭,又涉及区域内部、区域间的贫困动态特征和联系,在“动态”时间尺度上,不仅局限于“贫”与“非贫”的“时间点”转变,而且扩展到特定的“时间段”(多年份、家庭生命周期、多代人甚至较长历史时期),故而衍生出多个研究脉络,形成了一个庞大的理论体系(图4),相关研究呈现如下特征:图4
新窗口打开|下载原图ZIP|生成PPT图4贫困动态的理论体系
Fig. 4The theoretical system of poverty dynamics
(1)贫困动态内涵已趋向多样化。随着贫困动态研究视角和内容的不断丰富,****从不同对象、不同时间尺度、不同状态性质、不同贫困程度以及不同贫困类型等多方面解析贫困动态,促进了贫困动态从横向到纵向更加立体化的内涵认识与外延拓展。
(2)研究方法多维化、数据多元集成化。贫困动态的测度方法突破了传统经济为主的单维模式,多维贫困成为主流,方法也更加多样,并向普查、参与式调查、大型家庭微观调查、地理信息和网络大数据等多元数据的综合运用方向发展。
(3)贫困动态的研究脉络清晰化。主要围绕贫困持续时间、贫困代际传递、贫困家庭生命周期和贫困时空变迁等方面,形成相互补充的领域。当然,各脉络间的研究并不是绝对割裂的,而是互有交叉,存在复杂的逻辑联系。例如贫困的代际传递既是慢性贫困的特征,又是造成慢性贫困的原因之一,是一种最为持久的贫困形式[56];贫困代际传递发生于家庭生命周期中的某一阶段,父辈家庭贫困传递到子辈,又在子辈家庭生命周期中得以延续,形成恶性循环;同样地,自然灾害、地理阻隔以及不利的经济、社会和政治等致贫因子会导致暂时性贫困向慢性贫困演变,甚至引发贫困在整个生命周期持续或跨代传递。可见,区域的贫困时空变迁与境内穷人是否持续贫困、代际传递以及陷入“空间贫困陷阱”密切相关。此外,返贫和贫困脆弱性研究也是贫困动态内容的重要一环,尤其在中国2020年绝对贫困退出之后,二者研究的重要性不言而喻。
(4)贫困动态发生机制复杂化。经济学中的“贫困恶性循环论”和“资产贫困陷阱理论”,社会学中的“社会分层论”和“家庭生命周期论”以及地理学中的“空间贫困陷阱论”和“贫困地域系统论”分别立足于经济、发展和空间层面揭示了贫困动态发生机制。此外,“循环累积因果论”“低水平均衡陷阱论”“贫困文化论”和“贫困结构论”等也从不同视角对贫困动态进行解释。事实上,贫困是一个多学科交叉的研究领域,在经济全球化、全球气候变化、区域性冲突以及近期新冠疫情影响的大背景下,贫困问题日趋复杂,贫困研究由单要素分析不断向以地域为基础的综合剥夺(Munltiple Deprivation)方向的转变。因此,仅以单一学科视角越来越难以全面诠释贫困动态的复杂机理[8],寻求跨学科和综合性的研究思路成为势之所趋。地理学作为一门横断和多尺度研究的学科[87],在贫困研究领域将自然、社会、经济、制度和文化等与贫困相关的地理要素纳入分析范畴,不仅关注微观个体贫困,而且注重从地方到全球不同尺度转换与融合中对贫困的空间分异、扩散和集聚进行探讨[88],在跨学科和综合性贫困动态研究中具有独特的优势。
未来贫困动态研究在以下几个议题值得深入探索:
(1)返贫脆弱性以及遏制机制。解决贫困最有效的方式并非在贫困的事后治理,而是在贫困发生前的有效预防。随着脆弱性概念向贫困问题的渗透,脆弱性研究范式下的贫困问题已经从单维到多维并形成了一系列比较成熟的理论体系和实证方法。然而目前国内外返贫研究并未脱离贫困脆弱性的方法范畴。在中国实现全面脱贫以后,该如何评价和消除区域返贫脆弱性,从而有效遏制返贫将是贫困动态研究的重点议题。
(2)特殊人群的贫困动态。近年来,女性、老年人、儿童和残障人等特殊人群的贫困问题得到高度关注,然而从贫困动态角度研究则相对缺乏。贫穷的女性化是世界各国存在的普遍社会问题,尤其是贫困女性户主家庭是“贫困中的贫困”。老年人由于收入、身体的弱势地位,是易陷入贫困的群体,随着老龄化进程的加快,老年贫困问题应当获得更多关注[89]。解决儿童和青少年贫困问题,是促进社会不同阶层流动,阻断贫困代际传递的有效途径,也是从根本上消除绝对贫困,促进人类公平与发展的关键。此外,缺乏劳动能力的残障人、受社会排斥的传染病人和游离于城市边缘的农民工等也是未来贫困动态研究重点关注对象。
(3)相对贫困及其动态研究。随着中国绝对贫困人口整体退出,扶贫工作的重心将从主要消除绝对贫困向缓解相对贫困转变。“相对贫困”是人类在任何国家,处于任何历史发展阶段下都必须会面临的问题。结合中国国情、社会发展阶段和区域差异下的“相对贫困”标准的划定,相对贫困人口的精准识别、致贫因素、区域分布、动态变化、形成机理和扶贫体系等将成为下一阶段重要的攻关课题。
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
[本文引用: 1]
[本文引用: 1]
, 2020(
[本文引用: 1]
,
[本文引用: 1]
,
[本文引用: 1]
.
URL [本文引用: 1]
.]
URL [本文引用: 1]
,
[本文引用: 3]
[本文引用: 3]
,
[本文引用: 3]
DOI:10.11821/dlxb201802003 [本文引用: 2]
Owing to the multidimensional and spatial nature of poverty and the synthetic and visible analysis merits of geography science, there is a great potential for geography science, which is taking human-environment relationships as core topics, to understand regional poverty and guide the poverty alleviation practices. This article tries to explain the connotation, inscapes, patterns, formation process and countermeasures in a view of geography science based on the retrospect of geographical research on domestic and abroad poverty. The main conclusions showed that: (1) Regional poverty can be considered as a status or process of deprivation on the three dimensions of "human", "activities" and "environment", or the disharmony among them under the specific situation; (2) The inscapes of regional poverty contain subjective factor ("human"), intermediated factor ("activities") and objective factor ("environment"), and the poverty patterns were caused by the deprivation of the three factors or their imbalanced coupling; (3) The formation process of regional poverty patterns can be understood as a nonlinear negative accumulative cycle of disorderly coupling of subjective factor, intermediated factor and objective factor. At the same time, it can be considered as a phenomenon that the subjective factor ("human") and objective factor ("environment") can not catch up or match the changes of intermediated factor ("activities") during the transitions of human civilization; (4) Synthetical poverty alleviation needs targeted interventions as well as coordination of all countermeasures, which is similar to the consultation of doctors in hospital, which may be a good way to achieve the goal.
,
[本文引用: 2]
. 57,
URL [本文引用: 1]
,
DOI:10.1111/roiw.2006.52.issue-2URL [本文引用: 2]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
, 2009(
[本文引用: 1]
[D]. ,
[本文引用: 1]
[D]. ,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
DOI:10.11821/dlxb202004007 [本文引用: 3]
Poverty includes regional poverty and individual poverty, both of which are featured by multidimensional concept. Regional multidimensional poverty (RMP) is a major theme and content in poverty geography. Because of harsh natural environment, vulnerable economy and inadequate public services, severely impoverished areas (SIAs) are typical and highlighted areas of RMP, which have been the biggest obstacle to poverty alleviation in China. Based on the theory of spatial poverty, this paper defines the notion of impoverished areal system (IAS) and regional multidimensional poverty (RMP), explores their internal connections and proposes the evaluation indictors and measurement method for RMP. Taking 334 severely impoverished counties as research samples, we analyze the multidimensional poverty patterns of SIAs in 2016 by BP neural network model and exploratory spatial data analysis (ESDA). Results show that: (1) RMP is an external manifestation of the coupling imbalance of "human", "environment" and "industry" in the evolution of IAS. It reveals regional disadvantages in natural environment, economic development and social welfare, corresponding to natural poverty, economic poverty and welfare poverty, respectively. (2) The most severely impoverished county, with the poorest services and infrastructure, is found in the Qinghai-Tibet Plateau. From a single dimension of regional poverty, the Welfare Poverty Index (WPI) > Economic Poverty Index (EPI) > Natural Poverty Index (NPI) in the SIAs, whose average is 2.77, 2.66 and 1.89, respectively, indicating that the lack of social welfare and public services for the poor has become the prominent problem in the SIAs. From the perspective of multidimensional poverty, the Qinghai-Tibet Plateau is a high agglomeration region or "hot spot" of RMP, which is significantly higher than other areas in terms of natural poverty, economic poverty and welfare poverty. (3) Both RMP and individual multidimensional poverty are effective measures of poverty targeting. Their matching coefficient (M) can help us to judge the poverty status of some specific areas, e.g., RMP is superior to individual multidimensional poverty in the remote areas, extremely fragile ecological environment and obvious regional disadvantage, where the matching coefficient (M) is higher. RMP can more objectively reflect the true level of geographical capitals, effectively target poor areas and identify determinant impoverishing factors.
,
[本文引用: 3]
,
URL [本文引用: 4]
,
[本文引用: 2]
[D]. ,
[本文引用: 2]
[D]. ,
[本文引用: 2]
[本文引用: 2]
,
[本文引用: 2]
[本文引用: 3]
,
[本文引用: 3]
,
DOI:10.1006/jcec.1998.1526URL [本文引用: 4]
[本文引用: 3]
,
[本文引用: 3]
,
DOI:10.1017/S0047279406009858URL [本文引用: 1]
,
DOI:10.1086/260831URL [本文引用: 1]
[本文引用: 2]
,
[本文引用: 2]
,
DOI:10.1111/ecor.2018.94.issue-306URL [本文引用: 1]
[D]. ,
[本文引用: 1]
[D]. ,
[本文引用: 1]
[本文引用: 3]
,
[本文引用: 3]
[本文引用: 4]
,
[本文引用: 4]
[本文引用: 4]
,
[本文引用: 4]
[本文引用: 2]
,
[本文引用: 2]
[本文引用: 1]
,
[本文引用: 1]
DOI:10.11821/dlxb201408002 [本文引用: 1]
Geography is a subject which perceptibly reveals integration and regionalism. The integration means that the diversiform subjects in which geography is involved, and that the regionalism of geography is reflected by the regional differentiation. Through the comprehensive study of the interrelationships among the constituent elements of earth system and the relationship between natural and human systems, it helps us understand the variations of the past, present and future of earth system, and grasp the essence of these changes. Pattern helps us to understand the external features of the world and the process is conducive to the understanding of the internal biophysical mechanism of the world. On the basis of field observations and long-term comprehensive surveys, coupling of patterns and processes at different spatiotemporal scales is an effective way to understand and solve the problems in the field of geography. By analysis of the case studies in the Loess Plateau, the methods of coupling the patterns and processes in the integrated research of geography are discussed and explored.
,
[本文引用: 1]
[本文引用: 2]
,
[本文引用: 2]
[本文引用: 2]
,
[本文引用: 2]
,
DOI:10.2307/145955URL [本文引用: 2]
,
DOI:10.1093/oxfordjournals.cje.a035246URL [本文引用: 2]
,
DOI:10.1080/00220388.2010.492860URL [本文引用: 2]
[本文引用: 3]
,
[本文引用: 3]
,
DOI:10.1016/j.jpubeco.2010.11.006URL [本文引用: 1]
,
DOI:10.1007/s11205-019-02072-5URL [本文引用: 5]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 3]
,
[本文引用: 3]
,
DOI:10.1016/j.jclepro.2019.04.135URL [本文引用: 3]
,
DOI:10.1126/science.aaf7894URL [本文引用: 1]
[本文引用: 2]
,
[本文引用: 2]
,
[本文引用: 2]
,
URL [本文引用: 1]
[本文引用: 2]
,
[本文引用: 2]
[本文引用: 1]
,
[本文引用: 1]
,
DOI:10.1016/j.scs.2020.102014URL [本文引用: 1]
,
URL [本文引用: 1]
,
DOI:10.1080/00220380008422655URL [本文引用: 1]
,
DOI:10.1016/j.jrurstud.2017.04.002URL [本文引用: 4]
URL [本文引用: 2]
[本文引用: 2]
,
[本文引用: 2]
,
DOI:10.2307/2086982URL [本文引用: 1]
[本文引用: 2]
, 2013(
[本文引用: 2]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
, 2019(
[本文引用: 1]
,
[本文引用: 1]
,
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
,
[本文引用: 3]
[本文引用: 2]
, 2013(
[本文引用: 2]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 2]
,
[本文引用: 2]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
,
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 2]
,
[本文引用: 2]
[本文引用: 1]
,
[本文引用: 1]