村級(jí)貧困人口多維測(cè)算及其貧困特征分析

王艷慧等

摘 要：村級(jí)貧困人口的有效瞄準(zhǔn)是新階段農(nóng)村扶貧開發(fā)需要解決的首要問(wèn)題。文章以連片特困區(qū)扶貧重點(diǎn)縣內(nèi)鄉(xiāng)縣為研究區(qū)域，運(yùn)用“雙臨界值”法進(jìn)行村級(jí)多維貧困測(cè)算和分析；并基于村級(jí)居民點(diǎn)數(shù)據(jù)，運(yùn)用人口密度空間化模型，對(duì)其多維貧困測(cè)算結(jié)果進(jìn)行空間化處理，系統(tǒng)分析村級(jí)貧困人口的貧困特征及空間分布格局。結(jié)果顯示：內(nèi)鄉(xiāng)縣致貧因素主要是收入、健康以及教育；貧困人口主要集中在縣城以南，內(nèi)鄉(xiāng)縣中北部的貧困程度較深。

關(guān)鍵詞：多維貧困測(cè)算； 空間化； 空間分布格局； 內(nèi)鄉(xiāng)縣

中圖分類號(hào)： C92-05 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1000-4149（2014）05-0114-07

一、引言

通過(guò)長(zhǎng)期的反貧困戰(zhàn)略的實(shí)施，我國(guó)絕對(duì)貧困人口從2000年的9422萬(wàn)人下降到2010年的2688萬(wàn)人，貧困發(fā)生率從2000年的10.2%下降到2010年的2.8%^[1]。貧困人口的貧困狀況也發(fā)生了變化——從絕對(duì)貧困到相對(duì)貧困，從“面上貧困”到“點(diǎn)上貧困”^[2]；貧困的內(nèi)涵從傳統(tǒng)的收入貧困逐漸演變?yōu)橐粋€(gè)相當(dāng)復(fù)雜的發(fā)展現(xiàn)象，以往的單純依靠測(cè)量收入的貧困度量方法已經(jīng)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(shí)質(zhì)并進(jìn)行多維貧困的具體度量，逐漸為國(guó)際學(xué)術(shù)界所認(rèn)同并成為近年來(lái)國(guó)內(nèi)外研究的焦點(diǎn)。目前國(guó)內(nèi)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^[3]識(shí)別貧困對(duì)象。一些學(xué)者分別從社會(huì)、經(jīng)濟(jì)、教育、健康等角度定義貧困村識(shí)別的多維指標(biāo)體系^[4～7]；阿爾凱爾（Alkire）等人給出了基于貧困剝奪計(jì)數(shù)的綜合貧困指數(shù)測(cè)算方法^[8]；王小林等人運(yùn)用該方法和2006年“中國(guó)健康與營(yíng)養(yǎng)調(diào)查”數(shù)據(jù)，對(duì)中國(guó)城市與農(nóng)村家庭多維貧困進(jìn)行了測(cè)算^[9]；李佳璐在多維貧困測(cè)量理論框架下，沿用王小林以及阿爾凱爾的測(cè)算方法對(duì)S省30個(gè)國(guó)家扶貧開發(fā)工作重點(diǎn)縣進(jìn)行多維貧困測(cè)算，通過(guò)收入分組的方式，分析不同維度對(duì)不同收入組家庭的影響程度^[10]。但現(xiàn)有的貧困識(shí)別指標(biāo)體系大多著眼于某個(gè)或某幾個(gè)社會(huì)經(jīng)濟(jì)維度，且由于切入角度、數(shù)據(jù)源、研究區(qū)域不同，識(shí)別維度及指標(biāo)不盡相同，更為重要的是目前國(guó)內(nèi)外的研究?jī)H僅關(guān)注了貧困人口本身，而對(duì)其貧困特征空間分布模式鮮有涉及。另外，以往的學(xué)者對(duì)于貧困的分析都是通過(guò)統(tǒng)計(jì)圖表形式描述，而現(xiàn)實(shí)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(tǒng)計(jì)指標(biāo)表達(dá)貧困并不準(zhǔn)確。相比統(tǒng)計(jì)圖表，專題地圖更易于對(duì)貧困地區(qū)公共基礎(chǔ)設(shè)施建設(shè)的方向提供決策輔助，方便后續(xù)扶貧政策的實(shí)施。

本文以秦巴山區(qū)連片特困區(qū)扶貧重點(diǎn)縣為例，構(gòu)建瞄準(zhǔn)人口的村級(jí)貧困識(shí)別技術(shù)體系，對(duì)多維貧困測(cè)算結(jié)果及貧困特征空間分布進(jìn)行空間化處理和分析。以此識(shí)別真正的貧困人口和貧困特征分布區(qū)域，為各級(jí)政府科學(xué)決策和科學(xué)管理提供更加全面與翔實(shí)的基礎(chǔ)數(shù)據(jù)和支持信息，引導(dǎo)貧困地區(qū)合理利用優(yōu)勢(shì)資源，保護(hù)生態(tài)環(huán)境，實(shí)現(xiàn)自我發(fā)展的良性循環(huán)。

二、研究區(qū)概況與數(shù)據(jù)源

內(nèi)鄉(xiāng)縣為秦巴山區(qū)連片特困區(qū)國(guó)家扶貧重點(diǎn)縣，位于河南省西南部，南陽(yáng)盆地西緣。地形呈南北條狀，總面積2465平方千米。全縣共16個(gè)鄉(xiāng)鎮(zhèn)，289個(gè)行政村和8個(gè)居民委員會(huì)，3840個(gè)村民小組，153841戶農(nóng)戶，總?cè)丝?5萬(wàn)人。其中，農(nóng)村人口45萬(wàn)人，占總?cè)丝诘?9.7%。據(jù)2010年內(nèi)鄉(xiāng)縣政府工作報(bào)告，2009年內(nèi)鄉(xiāng)縣人均生產(chǎn)總值為14125元，農(nóng)民人均純收入為4906元。

本研究所采用的數(shù)據(jù)包括研究區(qū)社會(huì)經(jīng)濟(jì)數(shù)據(jù)和基礎(chǔ)地理數(shù)據(jù)。社會(huì)經(jīng)濟(jì)數(shù)據(jù)主要來(lái)自2010年該縣統(tǒng)計(jì)年鑒及扶貧辦貧困農(nóng)戶建檔立卡調(diào)查數(shù)據(jù)，調(diào)查內(nèi)容包含農(nóng)戶的家庭人員結(jié)構(gòu)、身體健康狀況、勞動(dòng)力輸出情況、人均純收入、住房結(jié)構(gòu)與面積、耕地面積、飲水來(lái)源、家庭資產(chǎn)等信息。調(diào)查范圍涵蓋內(nèi)鄉(xiāng)縣157個(gè)行政村，29832戶家庭，村覆蓋率達(dá)54.3%，戶覆蓋率達(dá)19.4%，其中，148戶數(shù)據(jù)存在記錄遺漏?；A(chǔ)地理數(shù)據(jù)包括研究區(qū)行政村村界數(shù)據(jù)以及內(nèi)鄉(xiāng)縣居民點(diǎn)數(shù)據(jù)。本文在使用前對(duì)此進(jìn)行了地理配準(zhǔn)、數(shù)據(jù)查漏和剔除粗差等預(yù)處理。

三、研究方法

森把發(fā)展看做是擴(kuò)展人們享有實(shí)質(zhì)自由的一個(gè)過(guò)程，實(shí)質(zhì)自由包括免受困苦（諸如饑餓、營(yíng)養(yǎng)不良、可避免疾病、過(guò)早死亡之類）的基本可行為能力^[11]。人們的這些基本可行為能力被剝奪因而導(dǎo)致貧困，多維貧困測(cè)算的目的就是識(shí)別出哪些個(gè)體的哪些可行為能力被剝奪，從而測(cè)算出標(biāo)示貧困深度的“平均剝奪份額”指標(biāo)，以及標(biāo)示貧困人口群體綜合貧困狀況的“多維貧困發(fā)生率”指標(biāo)（MPI）。

本文以2010河南省南陽(yáng)市內(nèi)鄉(xiāng)縣入戶調(diào)查數(shù)據(jù)為樣例，基于雙臨界值法，設(shè)計(jì)村級(jí)多維貧困測(cè)算指標(biāo)體系，進(jìn)行多維貧困測(cè)算。此處的多維貧困測(cè)算是指綜合考慮收入、健康、教育以及住房條件等因子構(gòu)建評(píng)價(jià)模型，測(cè)算多維貧困指數(shù)、多維貧困發(fā)生率、指標(biāo)貢獻(xiàn)度等指標(biāo)來(lái)揭示區(qū)域貧困人口綜合貧困狀況。測(cè)算過(guò)程包括識(shí)別與加總兩個(gè)環(huán)節(jié)：前者的目的是識(shí)別出人群中的貧困個(gè)體，后者的作用是把前者識(shí)別出的貧困個(gè)體進(jìn)行匯總，用綜合貧困指標(biāo)表示該區(qū)域的貧困狀況。并在上述貧困測(cè)算基礎(chǔ)上，基于人口密度空間化方法，分析研究區(qū)域貧困人口密度的空間分布狀況；并使用地統(tǒng)計(jì)插值方法，研究區(qū)村級(jí)多維貧困以及各維度或指標(biāo)對(duì)貧困貢獻(xiàn)度的空間分布狀況，從而系統(tǒng)描述研究區(qū)貧困人口現(xiàn)狀及貧困區(qū)域的空間化分布格局。

由于每個(gè)維度在貧困識(shí)別中所起的作用不同，所以多維貧困加總時(shí)需要考慮每個(gè)維度和指標(biāo)的權(quán)重。經(jīng)過(guò)相關(guān)性分析和一致性檢驗(yàn)等實(shí)證證明，在選擇不同權(quán)重的條件下，多維貧困指數(shù)是一個(gè)穩(wěn)健的指數(shù)^[13]。所以本文對(duì)各維度和指標(biāo)權(quán)重的處理采用等權(quán)重方法，即經(jīng)濟(jì)福利、生活水平、健康、教育各維度所占的權(quán)重相等；所有維度權(quán)重值之和為1，每一維度內(nèi)各基礎(chǔ)指標(biāo)的權(quán)重相等，即等分該維度的權(quán)重值。例如“生活水平”維度內(nèi)指標(biāo)“飲水情況”的權(quán)重值（1/20）就等于“生活水平”維度的權(quán)重（1/4）乘以“飲用水”指標(biāo)權(quán)重（1/5）。

（2）多維貧困測(cè)算方法。貧困測(cè)量必須遵循兩個(gè)步驟：識(shí)別總?cè)丝谥械呢毨丝诤蜆?gòu)建貧困的定量測(cè)量方法。

本文在構(gòu)建維度指標(biāo)體系的基礎(chǔ)上，使用“雙臨界值”（剝奪臨界值剝奪臨界值（剝奪線）用于確定農(nóng)戶各項(xiàng)人口與社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)指標(biāo)是否被剝奪的閾值，以此確定農(nóng)戶個(gè)體在指定指標(biāo)上是否被剝奪（處于貧困狀態(tài)）。+貧困臨界值貧困臨界值（K）表示判定為貧困個(gè)體的維度數(shù)閾值，據(jù)此可以確定農(nóng)戶個(gè)體是否屬于多維貧困。）多維貧困測(cè)算方法來(lái)綜合評(píng)價(jià)貧困個(gè)體在所構(gòu)建的維度指標(biāo)體系中的貧困狀況。其中，維度加總能夠計(jì)算出貧困個(gè)體所有維度指標(biāo)的綜合貧困指數(shù)—MPI，維度分解則可以計(jì)算出各個(gè)維度指標(biāo)對(duì)綜合貧困指數(shù)的貢獻(xiàn)程度。算法如下： 第一，根據(jù)所構(gòu)建的多維貧困維度指標(biāo)體系，把入戶調(diào)查數(shù)據(jù)中各戶所對(duì)應(yīng)的數(shù)據(jù)項(xiàng)導(dǎo)入數(shù)據(jù)矩陣。第二，根據(jù)各個(gè)指標(biāo)的剝奪臨界值確定該研究區(qū)域所有用戶在各個(gè)指標(biāo)上的剝奪情況，并把個(gè)體的剝奪信息存儲(chǔ)在剝奪矩陣中。第三，在剝奪矩陣中根據(jù)貧困臨界值確定貧困個(gè)體，并且把非貧困個(gè)體的剝奪值進(jìn)行歸零處理，剔除非貧困個(gè)體的剝奪信息對(duì)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(jù)已刪減矩陣的貧困個(gè)體剝奪信息進(jìn)行貧困加總，計(jì)算出多維貧困發(fā)生率、平均剝奪份額、MPI，通過(guò)這三個(gè)指標(biāo)來(lái)反映該研究區(qū)域的多維貧困人口數(shù)、平均被剝奪的指標(biāo)數(shù)量以及貧困程度。

具體變量釋義見表2。

2.多維貧困測(cè)算結(jié)果空間化

過(guò)往學(xué)者進(jìn)行多維貧困測(cè)量研究大都只是停留在統(tǒng)計(jì)層面上，然而這些統(tǒng)計(jì)數(shù)據(jù)并不能直接應(yīng)用到國(guó)家的扶貧政策中，必須對(duì)多維貧困測(cè)算結(jié)果進(jìn)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(qū)單元的數(shù)據(jù)（這里主要是和貧困相關(guān)的數(shù)據(jù)）反演到規(guī)則網(wǎng)格上的過(guò)程，即貧困相關(guān)數(shù)據(jù)柵格化過(guò)程^[14～15]。多維貧困測(cè)算結(jié)果空間化是指將多維貧困發(fā)生率空間化、MPI空間化、指標(biāo)貢獻(xiàn)程度空間化，分別用來(lái)表示研究區(qū)域的貧困人口密度分布、貧困程度分布以及指定貧困識(shí)別指標(biāo)的貧困程度分布。

（1）多維貧困發(fā)生率空間化算法。首先，基于村級(jí)居民點(diǎn)數(shù)據(jù)，根據(jù)人口密度空間化模型^[16]，獲得柵格大小為600m*600m的村級(jí)居民點(diǎn)密度分布圖。其中，柵格大小值通過(guò)村級(jí)居民點(diǎn)的聚集距離的最小空間尺度取整獲得。其次，根據(jù)行政村人口數(shù)據(jù)，對(duì)研究區(qū)行政村人口規(guī)模進(jìn)行分級(jí)處理并對(duì)其結(jié)果網(wǎng)格化。通過(guò)計(jì)算“行政村人口數(shù)/該行政村的自然村數(shù)量”指標(biāo)并將其結(jié)果進(jìn)行分級(jí)處理并轉(zhuǎn)換為600m*600m網(wǎng)格。最后，根據(jù)網(wǎng)格貧困人口密度公式（1），將前兩步中計(jì)算生成的柵格數(shù)據(jù)進(jìn)行柵格計(jì)算，進(jìn)而得到研究區(qū)域貧困人口密度分布圖。

首先，最優(yōu)半變異函數(shù)模型選擇：步長(zhǎng)值采用樣本點(diǎn)的平均鄰近距離；空間數(shù)據(jù)結(jié)構(gòu)性由空間變化趨勢(shì)決定；空間數(shù)據(jù)變異方向由誤差橢圓變化方向決定。以5個(gè)評(píng)價(jià)指標(biāo)（平均誤差、均方根誤差、平均標(biāo)準(zhǔn)誤差、標(biāo)準(zhǔn)化平均誤差、標(biāo)準(zhǔn)化均方根誤差）作為半變異函數(shù)模型選擇的依據(jù)，對(duì)各種常用半變異函數(shù)模型通過(guò)交叉驗(yàn)證方法選取最優(yōu)半變異函數(shù)模型。其中，平均誤差反映樣本數(shù)據(jù)估值的總體誤差或精度水平，均方根誤差反映樣本數(shù)據(jù)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(diǎn)的均方根誤差作為半變異函數(shù)模型選擇的主要的依據(jù)。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(biāo)準(zhǔn)誤差和標(biāo)準(zhǔn)化平均誤差越小越好，標(biāo)準(zhǔn)化均方根誤差越接近于1越準(zhǔn)確。

五、結(jié)論

為了滿足新階段國(guó)家對(duì)貧困區(qū)域貧困個(gè)體精準(zhǔn)識(shí)別的新需求，本文在多維貧困維度與指標(biāo)體系框架下，結(jié)合研究區(qū)的具體情況系統(tǒng)設(shè)計(jì)了一套村級(jí)尺度的多維貧困維度與指標(biāo)體系，實(shí)現(xiàn)了對(duì)研究區(qū)域的多維貧困測(cè)算與分析。同時(shí)，運(yùn)用空間插值技術(shù)以及人口密度模型對(duì)測(cè)算結(jié)果進(jìn)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(xù)扶貧政策快速實(shí)施提供了導(dǎo)向保障。

內(nèi)鄉(xiāng)縣貧困特點(diǎn)歸納如下。

第一，內(nèi)鄉(xiāng)縣大部分個(gè)體至少存在三個(gè)方面的貧困；其主要致貧因素依次表現(xiàn)為：收入低、健康問(wèn)題嚴(yán)重、平均受教育程度低、兒童輟學(xué)情況嚴(yán)重以及普遍使用不清潔燃料。

第二，內(nèi)鄉(xiāng)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(zhuǎn)；但是，靠近西南部邊界時(shí)，貧困狀況又加劇?？傮w上，內(nèi)鄉(xiāng)縣北部地區(qū)貧困狀況比南部嚴(yán)重。

第三，盡管內(nèi)鄉(xiāng)縣北部地區(qū)貧困嚴(yán)重，但由于其北部區(qū)域?yàn)樯絽^(qū)，海拔普遍都比南部高，人口基數(shù)少。因此，內(nèi)鄉(xiāng)縣貧困人口大部分集中在內(nèi)鄉(xiāng)縣中南部，南部的貧困人口密度要比北部大很多。

參考文獻(xiàn)：

[1] 國(guó)家統(tǒng)計(jì)局住戶調(diào)查辦公室.中國(guó)農(nóng)村2011貧困監(jiān)測(cè)報(bào)告[M].北京：中國(guó)統(tǒng)計(jì)出版社，2012：11～14.

[2] 郭熙保.論貧困概念的內(nèi)涵[J].山東社會(huì)科學(xué)，2005，（12）.

[3] [印]Amartya Sen.以自由看待發(fā)展[M].任賾，于真譯.北京：人民大學(xué)出版社，2002.

[4] 李小云，葉敬忠，張雪梅等. 中國(guó)農(nóng)村貧困狀況報(bào)告[J]. 中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2004， （1）.

[5] 汪三貴， P.Albert ， C.Shubham，D.Gaun. 中國(guó)新時(shí)期農(nóng)村扶貧與村級(jí)貧困瞄準(zhǔn)[J]. 管理世界，2007， （1）.

[6] 李佳璐. 農(nóng)戶多維度貧困測(cè)量——以S省30個(gè)國(guó)家扶貧開發(fā)工作重點(diǎn)縣為例[J]. 財(cái)貿(mào)經(jīng)濟(jì)，2009，（10）.

[7] 曾永明，張果. 基于GIS和BP神經(jīng)網(wǎng)絡(luò)的區(qū)域農(nóng)村貧困空間模擬分析——一種區(qū)域貧困程度測(cè)度新方法[J]. 地理與地理信息科學(xué)，2011，（2）.

[8] Sabina Alkire， James Foster. Counting and Multidimensional Poverty Measurement [J]. Journal of Public Economics，2011，95（7）.

[9] 王小林，Sabina Alkire.中國(guó)多維貧困測(cè)量：估計(jì)和政策含義[J].中國(guó)農(nóng)村經(jīng)濟(jì)，2009，（12）.

[10] 同[6].

[11] 同[3].

[12] 王艷慧，錢樂毅，段福洲.縣級(jí)多維貧困度量及其空間分布格局研究——以連片特困區(qū)扶貧重點(diǎn)縣為例.地理科學(xué)，2013，（12）.

[13] Gilvan R Guedes， Eduardo S Brondízio， Alisson F Barbieri， et al. Poverty and Inequality in the Rural Brazilian Amazon： A Multidimensional Approach[J].Human Ecology，2012， 40（1）.

[14] 李新，程國(guó)棟，盧玲.空間內(nèi)插方法比較[J]. 地球科學(xué)進(jìn)展，2000，（3）.

[15] 廖順寶，孫九林. 基于GIS的青藏高原人口統(tǒng)計(jì)數(shù)據(jù)空間化[J]. 地理學(xué)報(bào)，2003，（1）.

[16] 閆慶武，卞正富，張萍，王紅. 基于居民點(diǎn)密度的人口密度空間化[J]. 地理與地理信息科學(xué)，2011，（5）.

[責(zé)任編輯 馮 樂]

（2）多維貧困測(cè)算方法。貧困測(cè)量必須遵循兩個(gè)步驟：識(shí)別總?cè)丝谥械呢毨丝诤蜆?gòu)建貧困的定量測(cè)量方法。

本文在構(gòu)建維度指標(biāo)體系的基礎(chǔ)上，使用“雙臨界值”（剝奪臨界值剝奪臨界值（剝奪線）用于確定農(nóng)戶各項(xiàng)人口與社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)指標(biāo)是否被剝奪的閾值，以此確定農(nóng)戶個(gè)體在指定指標(biāo)上是否被剝奪（處于貧困狀態(tài)）。+貧困臨界值貧困臨界值（K）表示判定為貧困個(gè)體的維度數(shù)閾值，據(jù)此可以確定農(nóng)戶個(gè)體是否屬于多維貧困。）多維貧困測(cè)算方法來(lái)綜合評(píng)價(jià)貧困個(gè)體在所構(gòu)建的維度指標(biāo)體系中的貧困狀況。其中，維度加總能夠計(jì)算出貧困個(gè)體所有維度指標(biāo)的綜合貧困指數(shù)—MPI，維度分解則可以計(jì)算出各個(gè)維度指標(biāo)對(duì)綜合貧困指數(shù)的貢獻(xiàn)程度。算法如下： 第一，根據(jù)所構(gòu)建的多維貧困維度指標(biāo)體系，把入戶調(diào)查數(shù)據(jù)中各戶所對(duì)應(yīng)的數(shù)據(jù)項(xiàng)導(dǎo)入數(shù)據(jù)矩陣。第二，根據(jù)各個(gè)指標(biāo)的剝奪臨界值確定該研究區(qū)域所有用戶在各個(gè)指標(biāo)上的剝奪情況，并把個(gè)體的剝奪信息存儲(chǔ)在剝奪矩陣中。第三，在剝奪矩陣中根據(jù)貧困臨界值確定貧困個(gè)體，并且把非貧困個(gè)體的剝奪值進(jìn)行歸零處理，剔除非貧困個(gè)體的剝奪信息對(duì)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(jù)已刪減矩陣的貧困個(gè)體剝奪信息進(jìn)行貧困加總，計(jì)算出多維貧困發(fā)生率、平均剝奪份額、MPI，通過(guò)這三個(gè)指標(biāo)來(lái)反映該研究區(qū)域的多維貧困人口數(shù)、平均被剝奪的指標(biāo)數(shù)量以及貧困程度。

具體變量釋義見表2。

2.多維貧困測(cè)算結(jié)果空間化

過(guò)往學(xué)者進(jìn)行多維貧困測(cè)量研究大都只是停留在統(tǒng)計(jì)層面上，然而這些統(tǒng)計(jì)數(shù)據(jù)并不能直接應(yīng)用到國(guó)家的扶貧政策中，必須對(duì)多維貧困測(cè)算結(jié)果進(jìn)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(qū)單元的數(shù)據(jù)（這里主要是和貧困相關(guān)的數(shù)據(jù)）反演到規(guī)則網(wǎng)格上的過(guò)程，即貧困相關(guān)數(shù)據(jù)柵格化過(guò)程^[14～15]。多維貧困測(cè)算結(jié)果空間化是指將多維貧困發(fā)生率空間化、MPI空間化、指標(biāo)貢獻(xiàn)程度空間化，分別用來(lái)表示研究區(qū)域的貧困人口密度分布、貧困程度分布以及指定貧困識(shí)別指標(biāo)的貧困程度分布。

（1）多維貧困發(fā)生率空間化算法。首先，基于村級(jí)居民點(diǎn)數(shù)據(jù)，根據(jù)人口密度空間化模型^[16]，獲得柵格大小為600m*600m的村級(jí)居民點(diǎn)密度分布圖。其中，柵格大小值通過(guò)村級(jí)居民點(diǎn)的聚集距離的最小空間尺度取整獲得。其次，根據(jù)行政村人口數(shù)據(jù)，對(duì)研究區(qū)行政村人口規(guī)模進(jìn)行分級(jí)處理并對(duì)其結(jié)果網(wǎng)格化。通過(guò)計(jì)算“行政村人口數(shù)/該行政村的自然村數(shù)量”指標(biāo)并將其結(jié)果進(jìn)行分級(jí)處理并轉(zhuǎn)換為600m*600m網(wǎng)格。最后，根據(jù)網(wǎng)格貧困人口密度公式（1），將前兩步中計(jì)算生成的柵格數(shù)據(jù)進(jìn)行柵格計(jì)算，進(jìn)而得到研究區(qū)域貧困人口密度分布圖。

首先，最優(yōu)半變異函數(shù)模型選擇：步長(zhǎng)值采用樣本點(diǎn)的平均鄰近距離；空間數(shù)據(jù)結(jié)構(gòu)性由空間變化趨勢(shì)決定；空間數(shù)據(jù)變異方向由誤差橢圓變化方向決定。以5個(gè)評(píng)價(jià)指標(biāo)（平均誤差、均方根誤差、平均標(biāo)準(zhǔn)誤差、標(biāo)準(zhǔn)化平均誤差、標(biāo)準(zhǔn)化均方根誤差）作為半變異函數(shù)模型選擇的依據(jù)，對(duì)各種常用半變異函數(shù)模型通過(guò)交叉驗(yàn)證方法選取最優(yōu)半變異函數(shù)模型。其中，平均誤差反映樣本數(shù)據(jù)估值的總體誤差或精度水平，均方根誤差反映樣本數(shù)據(jù)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(diǎn)的均方根誤差作為半變異函數(shù)模型選擇的主要的依據(jù)。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(biāo)準(zhǔn)誤差和標(biāo)準(zhǔn)化平均誤差越小越好，標(biāo)準(zhǔn)化均方根誤差越接近于1越準(zhǔn)確。

五、結(jié)論

為了滿足新階段國(guó)家對(duì)貧困區(qū)域貧困個(gè)體精準(zhǔn)識(shí)別的新需求，本文在多維貧困維度與指標(biāo)體系框架下，結(jié)合研究區(qū)的具體情況系統(tǒng)設(shè)計(jì)了一套村級(jí)尺度的多維貧困維度與指標(biāo)體系，實(shí)現(xiàn)了對(duì)研究區(qū)域的多維貧困測(cè)算與分析。同時(shí)，運(yùn)用空間插值技術(shù)以及人口密度模型對(duì)測(cè)算結(jié)果進(jìn)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(xù)扶貧政策快速實(shí)施提供了導(dǎo)向保障。

內(nèi)鄉(xiāng)縣貧困特點(diǎn)歸納如下。

第一，內(nèi)鄉(xiāng)縣大部分個(gè)體至少存在三個(gè)方面的貧困；其主要致貧因素依次表現(xiàn)為：收入低、健康問(wèn)題嚴(yán)重、平均受教育程度低、兒童輟學(xué)情況嚴(yán)重以及普遍使用不清潔燃料。

第二，內(nèi)鄉(xiāng)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(zhuǎn)；但是，靠近西南部邊界時(shí)，貧困狀況又加劇。總體上，內(nèi)鄉(xiāng)縣北部地區(qū)貧困狀況比南部嚴(yán)重。

第三，盡管內(nèi)鄉(xiāng)縣北部地區(qū)貧困嚴(yán)重，但由于其北部區(qū)域?yàn)樯絽^(qū)，海拔普遍都比南部高，人口基數(shù)少。因此，內(nèi)鄉(xiāng)縣貧困人口大部分集中在內(nèi)鄉(xiāng)縣中南部，南部的貧困人口密度要比北部大很多。

參考文獻(xiàn)：

[1] 國(guó)家統(tǒng)計(jì)局住戶調(diào)查辦公室.中國(guó)農(nóng)村2011貧困監(jiān)測(cè)報(bào)告[M].北京：中國(guó)統(tǒng)計(jì)出版社，2012：11～14.

[2] 郭熙保.論貧困概念的內(nèi)涵[J].山東社會(huì)科學(xué)，2005，（12）.

[3] [印]Amartya Sen.以自由看待發(fā)展[M].任賾，于真譯.北京：人民大學(xué)出版社，2002.

[4] 李小云，葉敬忠，張雪梅等. 中國(guó)農(nóng)村貧困狀況報(bào)告[J]. 中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2004， （1）.

[5] 汪三貴， P.Albert ， C.Shubham，D.Gaun. 中國(guó)新時(shí)期農(nóng)村扶貧與村級(jí)貧困瞄準(zhǔn)[J]. 管理世界，2007， （1）.

[6] 李佳璐. 農(nóng)戶多維度貧困測(cè)量——以S省30個(gè)國(guó)家扶貧開發(fā)工作重點(diǎn)縣為例[J]. 財(cái)貿(mào)經(jīng)濟(jì)，2009，（10）.

[7] 曾永明，張果. 基于GIS和BP神經(jīng)網(wǎng)絡(luò)的區(qū)域農(nóng)村貧困空間模擬分析——一種區(qū)域貧困程度測(cè)度新方法[J]. 地理與地理信息科學(xué)，2011，（2）.

[8] Sabina Alkire， James Foster. Counting and Multidimensional Poverty Measurement [J]. Journal of Public Economics，2011，95（7）.

[9] 王小林，Sabina Alkire.中國(guó)多維貧困測(cè)量：估計(jì)和政策含義[J].中國(guó)農(nóng)村經(jīng)濟(jì)，2009，（12）.

[10] 同[6].

[11] 同[3].

[12] 王艷慧，錢樂毅，段福洲.縣級(jí)多維貧困度量及其空間分布格局研究——以連片特困區(qū)扶貧重點(diǎn)縣為例.地理科學(xué)，2013，（12）.

[13] Gilvan R Guedes， Eduardo S Brondízio， Alisson F Barbieri， et al. Poverty and Inequality in the Rural Brazilian Amazon： A Multidimensional Approach[J].Human Ecology，2012， 40（1）.

[14] 李新，程國(guó)棟，盧玲.空間內(nèi)插方法比較[J]. 地球科學(xué)進(jìn)展，2000，（3）.

[15] 廖順寶，孫九林. 基于GIS的青藏高原人口統(tǒng)計(jì)數(shù)據(jù)空間化[J]. 地理學(xué)報(bào)，2003，（1）.

[16] 閆慶武，卞正富，張萍，王紅. 基于居民點(diǎn)密度的人口密度空間化[J]. 地理與地理信息科學(xué)，2011，（5）.

[責(zé)任編輯 馮 樂]

（2）多維貧困測(cè)算方法。貧困測(cè)量必須遵循兩個(gè)步驟：識(shí)別總?cè)丝谥械呢毨丝诤蜆?gòu)建貧困的定量測(cè)量方法。

本文在構(gòu)建維度指標(biāo)體系的基礎(chǔ)上，使用“雙臨界值”（剝奪臨界值剝奪臨界值（剝奪線）用于確定農(nóng)戶各項(xiàng)人口與社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)指標(biāo)是否被剝奪的閾值，以此確定農(nóng)戶個(gè)體在指定指標(biāo)上是否被剝奪（處于貧困狀態(tài)）。+貧困臨界值貧困臨界值（K）表示判定為貧困個(gè)體的維度數(shù)閾值，據(jù)此可以確定農(nóng)戶個(gè)體是否屬于多維貧困。）多維貧困測(cè)算方法來(lái)綜合評(píng)價(jià)貧困個(gè)體在所構(gòu)建的維度指標(biāo)體系中的貧困狀況。其中，維度加總能夠計(jì)算出貧困個(gè)體所有維度指標(biāo)的綜合貧困指數(shù)—MPI，維度分解則可以計(jì)算出各個(gè)維度指標(biāo)對(duì)綜合貧困指數(shù)的貢獻(xiàn)程度。算法如下： 第一，根據(jù)所構(gòu)建的多維貧困維度指標(biāo)體系，把入戶調(diào)查數(shù)據(jù)中各戶所對(duì)應(yīng)的數(shù)據(jù)項(xiàng)導(dǎo)入數(shù)據(jù)矩陣。第二，根據(jù)各個(gè)指標(biāo)的剝奪臨界值確定該研究區(qū)域所有用戶在各個(gè)指標(biāo)上的剝奪情況，并把個(gè)體的剝奪信息存儲(chǔ)在剝奪矩陣中。第三，在剝奪矩陣中根據(jù)貧困臨界值確定貧困個(gè)體，并且把非貧困個(gè)體的剝奪值進(jìn)行歸零處理，剔除非貧困個(gè)體的剝奪信息對(duì)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(jù)已刪減矩陣的貧困個(gè)體剝奪信息進(jìn)行貧困加總，計(jì)算出多維貧困發(fā)生率、平均剝奪份額、MPI，通過(guò)這三個(gè)指標(biāo)來(lái)反映該研究區(qū)域的多維貧困人口數(shù)、平均被剝奪的指標(biāo)數(shù)量以及貧困程度。

具體變量釋義見表2。

2.多維貧困測(cè)算結(jié)果空間化

過(guò)往學(xué)者進(jìn)行多維貧困測(cè)量研究大都只是停留在統(tǒng)計(jì)層面上，然而這些統(tǒng)計(jì)數(shù)據(jù)并不能直接應(yīng)用到國(guó)家的扶貧政策中，必須對(duì)多維貧困測(cè)算結(jié)果進(jìn)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(qū)單元的數(shù)據(jù)（這里主要是和貧困相關(guān)的數(shù)據(jù)）反演到規(guī)則網(wǎng)格上的過(guò)程，即貧困相關(guān)數(shù)據(jù)柵格化過(guò)程^[14～15]。多維貧困測(cè)算結(jié)果空間化是指將多維貧困發(fā)生率空間化、MPI空間化、指標(biāo)貢獻(xiàn)程度空間化，分別用來(lái)表示研究區(qū)域的貧困人口密度分布、貧困程度分布以及指定貧困識(shí)別指標(biāo)的貧困程度分布。

（1）多維貧困發(fā)生率空間化算法。首先，基于村級(jí)居民點(diǎn)數(shù)據(jù)，根據(jù)人口密度空間化模型^[16]，獲得柵格大小為600m*600m的村級(jí)居民點(diǎn)密度分布圖。其中，柵格大小值通過(guò)村級(jí)居民點(diǎn)的聚集距離的最小空間尺度取整獲得。其次，根據(jù)行政村人口數(shù)據(jù)，對(duì)研究區(qū)行政村人口規(guī)模進(jìn)行分級(jí)處理并對(duì)其結(jié)果網(wǎng)格化。通過(guò)計(jì)算“行政村人口數(shù)/該行政村的自然村數(shù)量”指標(biāo)并將其結(jié)果進(jìn)行分級(jí)處理并轉(zhuǎn)換為600m*600m網(wǎng)格。最后，根據(jù)網(wǎng)格貧困人口密度公式（1），將前兩步中計(jì)算生成的柵格數(shù)據(jù)進(jìn)行柵格計(jì)算，進(jìn)而得到研究區(qū)域貧困人口密度分布圖。

首先，最優(yōu)半變異函數(shù)模型選擇：步長(zhǎng)值采用樣本點(diǎn)的平均鄰近距離；空間數(shù)據(jù)結(jié)構(gòu)性由空間變化趨勢(shì)決定；空間數(shù)據(jù)變異方向由誤差橢圓變化方向決定。以5個(gè)評(píng)價(jià)指標(biāo)（平均誤差、均方根誤差、平均標(biāo)準(zhǔn)誤差、標(biāo)準(zhǔn)化平均誤差、標(biāo)準(zhǔn)化均方根誤差）作為半變異函數(shù)模型選擇的依據(jù)，對(duì)各種常用半變異函數(shù)模型通過(guò)交叉驗(yàn)證方法選取最優(yōu)半變異函數(shù)模型。其中，平均誤差反映樣本數(shù)據(jù)估值的總體誤差或精度水平，均方根誤差反映樣本數(shù)據(jù)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(diǎn)的均方根誤差作為半變異函數(shù)模型選擇的主要的依據(jù)。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(biāo)準(zhǔn)誤差和標(biāo)準(zhǔn)化平均誤差越小越好，標(biāo)準(zhǔn)化均方根誤差越接近于1越準(zhǔn)確。

五、結(jié)論

為了滿足新階段國(guó)家對(duì)貧困區(qū)域貧困個(gè)體精準(zhǔn)識(shí)別的新需求，本文在多維貧困維度與指標(biāo)體系框架下，結(jié)合研究區(qū)的具體情況系統(tǒng)設(shè)計(jì)了一套村級(jí)尺度的多維貧困維度與指標(biāo)體系，實(shí)現(xiàn)了對(duì)研究區(qū)域的多維貧困測(cè)算與分析。同時(shí)，運(yùn)用空間插值技術(shù)以及人口密度模型對(duì)測(cè)算結(jié)果進(jìn)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(xù)扶貧政策快速實(shí)施提供了導(dǎo)向保障。

內(nèi)鄉(xiāng)縣貧困特點(diǎn)歸納如下。

第一，內(nèi)鄉(xiāng)縣大部分個(gè)體至少存在三個(gè)方面的貧困；其主要致貧因素依次表現(xiàn)為：收入低、健康問(wèn)題嚴(yán)重、平均受教育程度低、兒童輟學(xué)情況嚴(yán)重以及普遍使用不清潔燃料。

第二，內(nèi)鄉(xiāng)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(zhuǎn)；但是，靠近西南部邊界時(shí)，貧困狀況又加劇?？傮w上，內(nèi)鄉(xiāng)縣北部地區(qū)貧困狀況比南部嚴(yán)重。

第三，盡管內(nèi)鄉(xiāng)縣北部地區(qū)貧困嚴(yán)重，但由于其北部區(qū)域?yàn)樯絽^(qū)，海拔普遍都比南部高，人口基數(shù)少。因此，內(nèi)鄉(xiāng)縣貧困人口大部分集中在內(nèi)鄉(xiāng)縣中南部，南部的貧困人口密度要比北部大很多。

參考文獻(xiàn)：

[1] 國(guó)家統(tǒng)計(jì)局住戶調(diào)查辦公室.中國(guó)農(nóng)村2011貧困監(jiān)測(cè)報(bào)告[M].北京：中國(guó)統(tǒng)計(jì)出版社，2012：11～14.

[2] 郭熙保.論貧困概念的內(nèi)涵[J].山東社會(huì)科學(xué)，2005，（12）.

[3] [印]Amartya Sen.以自由看待發(fā)展[M].任賾，于真譯.北京：人民大學(xué)出版社，2002.

[4] 李小云，葉敬忠，張雪梅等. 中國(guó)農(nóng)村貧困狀況報(bào)告[J]. 中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2004， （1）.

[5] 汪三貴， P.Albert ， C.Shubham，D.Gaun. 中國(guó)新時(shí)期農(nóng)村扶貧與村級(jí)貧困瞄準(zhǔn)[J]. 管理世界，2007， （1）.

[6] 李佳璐. 農(nóng)戶多維度貧困測(cè)量——以S省30個(gè)國(guó)家扶貧開發(fā)工作重點(diǎn)縣為例[J]. 財(cái)貿(mào)經(jīng)濟(jì)，2009，（10）.

[7] 曾永明，張果. 基于GIS和BP神經(jīng)網(wǎng)絡(luò)的區(qū)域農(nóng)村貧困空間模擬分析——一種區(qū)域貧困程度測(cè)度新方法[J]. 地理與地理信息科學(xué)，2011，（2）.

[8] Sabina Alkire， James Foster. Counting and Multidimensional Poverty Measurement [J]. Journal of Public Economics，2011，95（7）.

[9] 王小林，Sabina Alkire.中國(guó)多維貧困測(cè)量：估計(jì)和政策含義[J].中國(guó)農(nóng)村經(jīng)濟(jì)，2009，（12）.

[10] 同[6].

[11] 同[3].

[12] 王艷慧，錢樂毅，段福洲.縣級(jí)多維貧困度量及其空間分布格局研究——以連片特困區(qū)扶貧重點(diǎn)縣為例.地理科學(xué)，2013，（12）.

[13] Gilvan R Guedes， Eduardo S Brondízio， Alisson F Barbieri， et al. Poverty and Inequality in the Rural Brazilian Amazon： A Multidimensional Approach[J].Human Ecology，2012， 40（1）.

[14] 李新，程國(guó)棟，盧玲.空間內(nèi)插方法比較[J]. 地球科學(xué)進(jìn)展，2000，（3）.

[15] 廖順寶，孫九林. 基于GIS的青藏高原人口統(tǒng)計(jì)數(shù)據(jù)空間化[J]. 地理學(xué)報(bào)，2003，（1）.

[16] 閆慶武，卞正富，張萍，王紅. 基于居民點(diǎn)密度的人口密度空間化[J]. 地理與地理信息科學(xué)，2011，（5）.

[責(zé)任編輯 馮 樂]