縣域財(cái)政扶貧影響因素及時(shí)空變化分析

黃長(zhǎng)江 周亮廣 鄧凱 袁慧慧

摘要：以安徽省舒城縣為例，利用GIS地圖制圖和空間分析功能，動(dòng)態(tài)展示貧困地區(qū)脫貧進(jìn)程，運(yùn)用空間分析、時(shí)空地理加權(quán)回歸和地理探測(cè)器等方法分析脫貧的影響力因素。研究發(fā)現(xiàn)：舒城縣的脫貧人口在空間上西南多東北少，在時(shí)間上2014—2017年大致呈逐年遞增的趨勢(shì)，且2017年的增幅最高;財(cái)政資金投入對(duì)脫貧人口數(shù)量影響較為顯著，且在2014—2017年中β系數(shù)在不斷地增大，同時(shí)地理探測(cè)因子影響力：基礎(chǔ)設(shè)施建設(shè)投入>醫(yī)療衛(wèi)生投入>城鄉(xiāng)建設(shè)投入>農(nóng)林水利投入>公共服務(wù)投入>教育文化投入。

關(guān)鍵詞：貧困化;財(cái)政資金分配;時(shí)空地理加權(quán)回歸模型;地理探測(cè)器;舒城縣

中圖分類(lèi)號(hào)：TP273文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：2095-5383（2018）04-0094-07

對(duì)財(cái)政資金投入及扶貧效果的時(shí)空變化進(jìn)行研究，對(duì)于提高扶貧的速度與質(zhì)量具有重要的意義。隨著我國(guó)經(jīng)濟(jì)的發(fā)展，財(cái)政資金對(duì)扶貧支持力度不斷提高，使成千上萬(wàn)的人擺脫了貧困[1]，經(jīng)濟(jì)新常態(tài)的發(fā)展背景要求新時(shí)期扶貧工作應(yīng)重視財(cái)政資金配置效率以及扶貧質(zhì)量的提高[2]。眾多學(xué)者對(duì)于扶貧的資金及效果進(jìn)行了研究，王建平以西藏為例，建立了財(cái)政資金與貧困人口數(shù)量和貧困人口收入模型，證明財(cái)政資金投向不同產(chǎn)生差異較大[3]。張全紅利用回歸模型對(duì)我國(guó)財(cái)政投入與貧困變化進(jìn)行了長(zhǎng)期研究，發(fā)現(xiàn)財(cái)政資金短期扶貧效果明顯[4]。宋鄰西利用層次分析法從投入、運(yùn)行和結(jié)果3個(gè)層次對(duì)財(cái)政資金的扶貧效果進(jìn)行研究[5]。倪志良[6]、高波[7]、肖唯楚[8]等都對(duì)財(cái)政資金和扶貧效果進(jìn)行了分析探究。

目前對(duì)于財(cái)政資金扶貧效果的研究以定性為主，并未對(duì)扶貧資金類(lèi)別與投向?qū)ω毨丝跀?shù)量變化的影響進(jìn)行系統(tǒng)定量分析，因而難以對(duì)扶貧資金的分配和投資方向提供更加具有建設(shè)性的意見(jiàn)和建議。在實(shí)際工作中我們會(huì)發(fā)現(xiàn)，時(shí)空尺度的變化會(huì)直接影響財(cái)政對(duì)扶貧效果的判定，從而會(huì)給扶貧政策的制定帶來(lái)不確定性，增加財(cái)政資金使用的難度[9]，因此，對(duì)貧困地區(qū)財(cái)政資金及其扶貧效果進(jìn)行研究，尋找其內(nèi)在演化規(guī)律和驅(qū)動(dòng)力因素，對(duì)于提高財(cái)政資金減貧的質(zhì)量和效率具有重要的意義。

自國(guó)家“八七”扶貧攻堅(jiān)以來(lái)，舒城縣被列入國(guó)家貧困縣。以舒城縣為例，以鄉(xiāng)鎮(zhèn)為單位，利用ArcGIS制圖和空間分析功能，展示和分析2014—2017年扶貧的時(shí)空動(dòng)態(tài)變化情況;采用時(shí)空地理加權(quán)回歸（GTWR）對(duì)2014—2017年貧困人口減少數(shù)量及其影響因子進(jìn)行分析，探索了不同因子的時(shí)空影響變化，然后利用地理探測(cè)器中因子探測(cè)方法，將脫貧人數(shù)作為因變量，各項(xiàng)指標(biāo)作為自變量，分別與貧困人口數(shù)量進(jìn)行空間探測(cè)，得出各項(xiàng)財(cái)政指標(biāo)因子對(duì)貧困人口數(shù)量的影響力，最終診斷出舒城縣鄉(xiāng)鎮(zhèn)財(cái)政扶貧的主導(dǎo)力因素。

1研究區(qū)域與數(shù)據(jù)來(lái)源

1.1研究區(qū)域

舒城縣隸屬安徽省六安市，位于長(zhǎng)三角縱深腹地，是合肥經(jīng)濟(jì)圈重要的組成部分。舒城縣下轄15個(gè)鎮(zhèn)，394個(gè)行政村。全縣總?cè)丝?03萬(wàn)，其中農(nóng)業(yè)人口87.4萬(wàn)，2017年末確定的建檔立卡貧困人口3.7萬(wàn)人，貧困發(fā)生率為4.19%，地理位置如圖1所示。

1.2數(shù)據(jù)來(lái)源

研究所需資料主要包括兩個(gè)方面：經(jīng)濟(jì)社會(huì)數(shù)據(jù)：2014—2017年 《舒城統(tǒng)計(jì)年鑒》、舒城縣政府相關(guān)部門(mén)統(tǒng)計(jì)公報(bào)以及舒城縣各鄉(xiāng)鎮(zhèn)網(wǎng)站?；A(chǔ)地理數(shù)據(jù)：GIS矢量化和地理空間數(shù)據(jù)云平臺(tái)。

2研究方法與評(píng)價(jià)指標(biāo)體系

2.1研究方法

1）地理探測(cè)器（Geodetector），包括4個(gè)探測(cè)器：生態(tài)探測(cè)、風(fēng)險(xiǎn)區(qū)探測(cè)、交互作用探測(cè)、分異及因子探測(cè)[10]。該方法最早應(yīng)用于醫(yī)療健康領(lǐng)域[11]，也有學(xué)者研究宜居度[12]和經(jīng)濟(jì)發(fā)展[13]等問(wèn)題。本文運(yùn)用到的是分異及因子探測(cè)。

分異及因子探測(cè)原理：探測(cè)Y的空間分異性，以及探測(cè)某因子A多大程度上解釋了屬性Y的空間分異。度量值q表達(dá)為：

為因子A的分類(lèi)或分區(qū);Nh和N分別為區(qū)h和全區(qū)的單元數(shù);σ2 h和σ2分別為區(qū)h和全區(qū)Y的方差。q的取值范圍為0～1，值越大，即每個(gè)類(lèi)型內(nèi)的方差較小，類(lèi)型之間的方差較大，說(shuō)明自變量A對(duì)Y的影響力力越強(qiáng)，反之則越弱，當(dāng)q=1時(shí)，因子A對(duì)Y的空間分布其決定性影響力;q=0，表示A對(duì)Y沒(méi)有任何影響。

2）

時(shí)空地理加權(quán)回歸模型（GTWR）：時(shí)空地理加權(quán)回歸模型是Huang等人[14]在傳統(tǒng)的地理加權(quán)回歸模型[15]和的基礎(chǔ)上將時(shí)間維度納入到地理空間中，該模型能夠解決回歸關(guān)系的時(shí)空特性以和時(shí)空非平穩(wěn)性問(wèn)題[16]，相對(duì)于OLS和GWR來(lái)說(shuō)，GTWR具有更好的擬合度[17]，近些年來(lái)，在經(jīng)濟(jì)學(xué)、統(tǒng)計(jì)學(xué)中得到了廣泛的應(yīng)用[18]，GTWR模型表達(dá)式如下：

）為獨(dú)立隨機(jī)誤差項(xiàng)，均值為0，方差為δ2。此外，帶寬的選擇對(duì)于回歸的影響較大[19]，因此本文選擇交叉確認(rèn)法作為空間和時(shí)間帶寬。

2.2財(cái)政扶貧評(píng)價(jià)指標(biāo)體系

隨著經(jīng)濟(jì)社會(huì)與扶貧的不斷深入發(fā)展，扶貧逐步形成了以政府為主導(dǎo)、社會(huì)力量參與的扶貧發(fā)展格局[20]，財(cái)政資金越來(lái)越成為脫貧的至關(guān)重要的因素，因此對(duì)于財(cái)政資金的劃分以及使用對(duì)地區(qū)高效率、高質(zhì)量脫貧起著至關(guān)重要的作用。參考相關(guān)學(xué)者構(gòu)建的財(cái)政資金支出和脫貧指標(biāo)體系[21-22]，本文確定的因變量是2014—2017每年貧困人口減少的數(shù)量，自變量有X1（城鄉(xiāng)建設(shè)投入）、X2（農(nóng)林水利投入）、X3（基礎(chǔ)設(shè)施建設(shè)）、X4（公共服務(wù)投入）、X5（文化教育投入）、X6（醫(yī)院衛(wèi)生投入）（除脫貧人口數(shù)量單位為“人”之外，其他因子單位均為“萬(wàn)元”）。指標(biāo)體系如圖2所示。

3結(jié)果分析

3.1縣域貧困人口時(shí)空變化分析

在ArcMap10.2平臺(tái)上，對(duì)舒城縣2014—2017年鄉(xiāng)鎮(zhèn)脫貧人數(shù)進(jìn)行制圖以及分析，如圖3所示。

a.2014年脫貧人口數(shù)量b.2015年脫貧人口數(shù)量

由圖3可知，2014—2017年脫貧人口的數(shù)量在不斷增加，因此4年貧困人口數(shù)量總體上呈減少狀態(tài)，但是在不同時(shí)空因素影響下，貧困人口減少的數(shù)量存在著時(shí)空差異。從時(shí)間上看，貧困人口的減少總體上呈逐年遞增的趨勢(shì)，但是部分地區(qū)存在著脫貧速度減緩的趨勢(shì)，同時(shí)在2017年份各個(gè)地區(qū)貧困人口的減少數(shù)量是這4年中最多的。又由圖3可知：2014—2017每年貧困人口減少最多的幾個(gè)鄉(xiāng)鎮(zhèn)是：萬(wàn)佛湖鎮(zhèn)、湯池鎮(zhèn)、河棚鎮(zhèn)，每年減少的貧困人口分別是1 467、1 734、1 731和4 427人。2014—2017每年貧困人口減少最少的鄉(xiāng)鎮(zhèn)是桃溪鎮(zhèn)，每年減少的貧困人口是143、113、130和328人。

從空間上看，脫貧人口數(shù)量由縣城的西南向東北區(qū)呈遞減趨勢(shì)，貧困人口減少數(shù)量較多的鄉(xiāng)鎮(zhèn)分布在舒城縣的西部和西南部山地和丘陵地帶，貧困人口減少較少的幾個(gè)鄉(xiāng)鎮(zhèn)分布在舒城縣的東部平原地區(qū)，四年脫貧人口數(shù)量較多的鄉(xiāng)鎮(zhèn)是湯池鎮(zhèn)、三七鎮(zhèn)、河棚鎮(zhèn)和闕店鄉(xiāng);脫貧較少的幾個(gè)鄉(xiāng)鎮(zhèn)是桃溪鎮(zhèn)、舒茶鎮(zhèn)和城關(guān)鎮(zhèn)。

3.2縣域脫貧影響主導(dǎo)因素分析

區(qū)域貧困人口數(shù)量的減少受到多種因素的影響[23]，選取包括經(jīng)濟(jì)發(fā)展、生活保障、文體衛(wèi)生在內(nèi)的6個(gè)因子作為分析點(diǎn)，以鄉(xiāng)鎮(zhèn)為分析單元，對(duì)2014—2017年脫貧驅(qū)動(dòng)力主導(dǎo)因子進(jìn)行分析。首先檢驗(yàn)因子是否符合正態(tài)分布規(guī)律，并通過(guò)皮爾森相關(guān)性檢驗(yàn)、擬合優(yōu)度檢驗(yàn)、F檢驗(yàn)。回歸分析結(jié)果如圖4所示。

由回歸結(jié)果可知公共服務(wù)投入、文化教育投入、醫(yī)療衛(wèi)生投入、城鄉(xiāng)建設(shè)投入等存在著不同類(lèi)型的個(gè)體差異，計(jì)算結(jié)果βk（ui、vi、ti）

如圖4所示，在計(jì)算的過(guò)程中將數(shù)據(jù)的時(shí)空信息納入到模型計(jì)算中，從而利用回歸系數(shù)函數(shù)在各時(shí)空位置的估計(jì)值，分析時(shí)空關(guān)系的變化特征，深刻揭示出扶貧發(fā)展的差距及其影響因子的復(fù)雜變化，再次利用ArcGIS進(jìn)行數(shù)據(jù)可視化，用地圖的形式來(lái)展示財(cái)政分配對(duì)各地區(qū)脫貧影響情況。

1）從時(shí)空維度來(lái)看，各區(qū)域間脫貧人口數(shù)量的影響因素在空間和時(shí)間上呈現(xiàn)不平穩(wěn)的分布狀況，由圖4可以看出，X3、X5、X6這3個(gè)因子對(duì)脫貧人口數(shù)量在一些地區(qū)作用效果并不明顯，而X1、X2、X4這幾個(gè)因子對(duì)脫貧人口數(shù)量作用比較顯著。從時(shí)間維度上看，各項(xiàng)財(cái)政資金和脫貧人口數(shù)量的關(guān)系從2014—2017年β在不斷地增大，說(shuō)明通過(guò)財(cái)政資金的合理分配對(duì)脫貧人口的數(shù)量的增加起到了很大的作用。

2）從因子角度來(lái)看，因子對(duì)于地區(qū)脫貧人口數(shù)量的影響在發(fā)生著改變，X1、X2、X3、X4、X5、X6這6個(gè)因子的β值在不同的時(shí)空條件下出現(xiàn)的值不同，如圖5所示。在醫(yī)療衛(wèi)生方面曉天鎮(zhèn)、山七鎮(zhèn)、高峰鄉(xiāng)以及五顯鎮(zhèn)β值較高，尤其是曉天鎮(zhèn)和山七鎮(zhèn)。但是廬鎮(zhèn)鄉(xiāng)、河棚鎮(zhèn)以及湯池鎮(zhèn)β值較低，其中廬鎮(zhèn)鄉(xiāng)最低。由2015年時(shí)空地理加權(quán)得出，在公共服務(wù)方面高峰鄉(xiāng)、河棚鎮(zhèn)以及湯池鎮(zhèn)β值較高。但是在醫(yī)療衛(wèi)生方面曉天鎮(zhèn)、山七鎮(zhèn)、高峰鄉(xiāng)、五顯鎮(zhèn)、廬鎮(zhèn)鄉(xiāng)、河棚鎮(zhèn)以及春秋鄉(xiāng)β值都較低，且曉天鎮(zhèn)和山七鎮(zhèn)以及廬鎮(zhèn)鄉(xiāng)3個(gè)鎮(zhèn)最低。由2016年時(shí)空地理加權(quán)得出，湯池鎮(zhèn)和河棚鎮(zhèn)在公共服務(wù)方面β值較高。但是在醫(yī)療衛(wèi)生方面曉天鎮(zhèn)、山七鎮(zhèn)、高峰鄉(xiāng)、五顯鎮(zhèn)、廬鎮(zhèn)鄉(xiāng)、河棚鎮(zhèn)以及春秋鄉(xiāng)β值都較低，尤其是曉天鎮(zhèn)、山七鎮(zhèn)和廬鎮(zhèn)鄉(xiāng)。由2017年時(shí)空地理加權(quán)得出，在公共服務(wù)方面湯池鎮(zhèn)和河棚鎮(zhèn)在公共服務(wù)方面值較高。但是在醫(yī)療衛(wèi)生方面曉天鎮(zhèn)、山七鎮(zhèn)、高峰鄉(xiāng)、五顯鎮(zhèn)、廬鎮(zhèn)鄉(xiāng)、河棚鎮(zhèn)以及河棚鎮(zhèn)β值都較低尤其是曉天鎮(zhèn)、山七鎮(zhèn)和廬鎮(zhèn)鄉(xiāng)。

由地理探測(cè)器模型可知，風(fēng)險(xiǎn)因子對(duì)脫貧人口數(shù)量的影響強(qiáng)度通過(guò)因子探測(cè)來(lái)實(shí)現(xiàn)[24]， q值越大， 說(shuō)明該風(fēng)險(xiǎn)因子對(duì)脫貧人口數(shù)量的影響強(qiáng)度越大，以下采用地理探測(cè)器對(duì)每個(gè)區(qū)域的影響因子進(jìn)行探測(cè)，探測(cè)結(jié)果如圖6所示。

1）在分區(qū)探測(cè)后，特定的因子決定力有所凸顯。造成這種結(jié)果的原因一方面在于脫貧人口數(shù)量所依托的經(jīng)濟(jì)社會(huì)條件在各個(gè)鄉(xiāng)鎮(zhèn)內(nèi)相似性強(qiáng)，地區(qū)間差異較大。另一方面，脫貧人口數(shù)量影響因子時(shí)序性較強(qiáng)。各個(gè)地區(qū)間影響脫貧人口數(shù)量的主導(dǎo)因子

在不斷發(fā)生改變，具有明顯的區(qū)域化特征，從2014—2017探測(cè)結(jié)果：城鄉(xiāng)建設(shè)投入>基礎(chǔ)設(shè)施建設(shè)投入>醫(yī)療設(shè)施投入>農(nóng)林水利投入>公共服務(wù)投入>文化教育投入，其中公共服務(wù)投入因子對(duì)山七鎮(zhèn)影響較為顯著，文化教育投入因子對(duì)高峰鄉(xiāng)影響較為明顯，醫(yī)療衛(wèi)生投入因子對(duì)桃溪鎮(zhèn)、五顯鎮(zhèn)影響較為明顯，城鄉(xiāng)建設(shè)投入因子對(duì)干汊河鎮(zhèn)、百神廟鎮(zhèn)和張母橋鎮(zhèn)影響較為顯著，農(nóng)林水利投入因子對(duì)杭埠鎮(zhèn)、河棚鎮(zhèn)影響較為顯著，基礎(chǔ)設(shè)施建設(shè)投入作為影響力較大的因子對(duì)曉天鎮(zhèn)、廬鎮(zhèn)鄉(xiāng)和湯池鎮(zhèn)等鄉(xiāng)鎮(zhèn)影響較為顯著。

較大，說(shuō)明就整個(gè)縣域來(lái)看，財(cái)政資金和脫貧人口數(shù)量是正相關(guān)關(guān)系，且值從2014—2017年在不斷地上升，說(shuō)明財(cái)政資金對(duì)脫貧人口數(shù)量的影響程度在加大，財(cái)政資金在扶貧的過(guò)程中取得了重大成果。風(fēng)險(xiǎn)因子的q值在全局中對(duì)脫貧貢獻(xiàn)率較高，2014—2017年間對(duì)鄉(xiāng)鎮(zhèn)脫貧人口數(shù)量起主導(dǎo)作用的因素為：基礎(chǔ)設(shè)施建設(shè)投入（0.83）>醫(yī)療衛(wèi)生投入（0.78）>城鄉(xiāng)建設(shè)投入（0.68）>公共服務(wù)投入（0.53）>農(nóng)林水利投入（0.27）>教育文化投入（0.23）。隨著時(shí)空的不斷改變，主導(dǎo)因子也在發(fā)生改變，一方面說(shuō)明，隨著扶貧開(kāi)發(fā)的不斷深入扶貧的格局不斷發(fā)生改變，其階段性致貧因素也在不斷更新變化;另一方面，說(shuō)明扶貧措施對(duì)于脫貧有著積極的作用。

根據(jù)時(shí)空地理加權(quán)回歸和地理探測(cè)結(jié)果，在對(duì)全局和局部地區(qū)進(jìn)行模擬的過(guò)程中，其代表的影響因子和脫貧人口數(shù)量的關(guān)系在不斷發(fā)生著變化，在對(duì)局部進(jìn)行模擬的過(guò)程中，財(cái)政資金分配因子對(duì)脫貧人口數(shù)量影響力較小，而對(duì)于全局模擬中財(cái)政資金分配因子對(duì)脫貧人口數(shù)量影響力較大，這主要與其所處的時(shí)空影響因素聯(lián)系密切，舒城縣東部杭阜鎮(zhèn)、城關(guān)鎮(zhèn)、桃溪鎮(zhèn)等靠近合肥都市圈，受到輻射帶動(dòng)作用較強(qiáng)，經(jīng)濟(jì)發(fā)達(dá)基礎(chǔ)設(shè)施建設(shè)完善，而舒城縣西部的河棚鎮(zhèn)、曉天鎮(zhèn)、山七鎮(zhèn)等，其所處的位置遠(yuǎn)離都市圈，且處在大別山地區(qū)，地形復(fù)雜基礎(chǔ)設(shè)施覆蓋率較低，貧困人口基數(shù)較大，因此東部地區(qū)所擁有的貧困人口總量在時(shí)空上遠(yuǎn)遠(yuǎn)低于西部地區(qū)，因此在局部模擬中出現(xiàn)財(cái)政資金分配因子和脫貧人口數(shù)量正是受到這種因素的影響，因此在對(duì)于財(cái)政資金分配的過(guò)程中，要加強(qiáng)對(duì)財(cái)政資金的統(tǒng)籌力度，加大對(duì)深度貧困地區(qū)投資力度，利用東部地區(qū)資金優(yōu)勢(shì)加強(qiáng)東西協(xié)作，盡力促成協(xié)調(diào)發(fā)展的局面形成。根據(jù)地理探測(cè)結(jié)果顯示，財(cái)政資金分配因子總體對(duì)脫貧人口數(shù)量影響力較強(qiáng)，同時(shí)診斷出基礎(chǔ)設(shè)施建設(shè)投入、醫(yī)療衛(wèi)生投入、城鄉(xiāng)建設(shè)投入和公共服務(wù)為其主要影響因子，因此要著力解決醫(yī)療衛(wèi)生問(wèn)題，推進(jìn)精準(zhǔn)健康扶貧。堅(jiān)持精準(zhǔn)扶貧、精準(zhǔn)脫貧基本方略，與深化醫(yī)藥衛(wèi)生體制改革緊密結(jié)合，根據(jù)探測(cè)結(jié)果顯示，舒城縣西部曉天鎮(zhèn)、廬鎮(zhèn)鄉(xiāng)、河棚鎮(zhèn)等區(qū)域醫(yī)療資金的投入對(duì)該地區(qū)的脫貧有著重要的推動(dòng)作用，因此對(duì)于該地區(qū)，應(yīng)該加強(qiáng)統(tǒng)籌協(xié)調(diào)和資源整合，進(jìn)一步提高醫(yī)療衛(wèi)生投入對(duì)扶貧的作用，基礎(chǔ)設(shè)施建設(shè)對(duì)舒城縣中部和東北部曉天鎮(zhèn)、湯池鎮(zhèn)、萬(wàn)佛湖鎮(zhèn)等地區(qū)脫貧有較大的影響力，因此對(duì)該地區(qū)基礎(chǔ)設(shè)施（包括村村通、電力網(wǎng)絡(luò)、通信網(wǎng)絡(luò)等）進(jìn)行建設(shè)和完善，有利于該地區(qū)脫貧。

4結(jié)論

1）2014—2017年安徽省舒城縣脫貧人口數(shù)量呈逐年遞增趨勢(shì)，且脫貧人口數(shù)量的增速在提高，在2017年中脫貧人口數(shù)量增加趨勢(shì)突出。脫貧人口區(qū)域分布差異明顯，脫貧人口數(shù)量從舒城縣的西南往東北地區(qū)遞減，呈現(xiàn)出大聚集，小分散的狀態(tài)，各鄉(xiāng)鎮(zhèn)貧困人口數(shù)量差距明顯縮小。其中脫貧人口最多的幾個(gè)鄉(xiāng)鎮(zhèn)是湯池鎮(zhèn)、山七鎮(zhèn)、河棚鎮(zhèn)，脫貧人口數(shù)量最少的是桃溪鎮(zhèn)、舒茶鎮(zhèn)、城關(guān)鎮(zhèn)。

2）根據(jù)時(shí)空地理加權(quán)回歸分析，財(cái)政分配因子和脫貧人口數(shù)量的關(guān)系隨著時(shí)空組合因素的變化而變化，在局部時(shí)空回歸中，醫(yī)療衛(wèi)生投入、城鄉(xiāng)建設(shè)投入、農(nóng)林水利投入和基對(duì)脫貧人口數(shù)量影響較大，在全局時(shí)空回歸分析中，各要素和脫貧人口數(shù)量之間呈正相關(guān)關(guān)系，且相關(guān)性基礎(chǔ)設(shè)施建設(shè)投入>農(nóng)林水利投入>醫(yī)療衛(wèi)生投入>文化教育投入>城鄉(xiāng)建設(shè)投入>公共服務(wù)投入。

3）在局部探測(cè)中，地區(qū)間主要影響力因子隨著空間發(fā)生改變而改變，其中基礎(chǔ)設(shè)施建設(shè)投資因子影響的鄉(xiāng)鎮(zhèn)數(shù)量最多，教育文化因子影響的鄉(xiāng)鎮(zhèn)數(shù)量最少。在全局探測(cè)中，對(duì)鄉(xiāng)鎮(zhèn)脫貧主導(dǎo)力因素影響為：基礎(chǔ)設(shè)施建設(shè)投入>醫(yī)療衛(wèi)生投入>城鄉(xiāng)建設(shè)投入>公共服務(wù)投入>農(nóng)林水利投入>教育文化投入。

參考文獻(xiàn)：

[1]高波，王善平.財(cái)政扶貧資金綜合績(jī)效評(píng)價(jià)體系研究[J].云南社會(huì)科學(xué)，2014（5）：8689.

[2]鄭瑞強(qiáng)，陳燕，張春美，等.連片特困區(qū)財(cái)政扶貧資金配置效率測(cè)評(píng)與機(jī)制優(yōu)化：以江西省羅霄山片區(qū)18個(gè)縣（市、區(qū)）為分析樣本[J].華中農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2016（5）：6369.

[3]王建平.連片特困地區(qū)政府扶貧資金的減貧效果評(píng)價(jià)：以川西北藏區(qū)為例[J].決策咨詢(xún)，2015（2）：4042.

[4]張全紅.中國(guó)農(nóng)村扶貧資金投入與貧困減少的經(jīng)驗(yàn)分析[J].經(jīng)濟(jì)評(píng)論，2010（2）：4250.

[5]宋鄰西.基于層次分析法的扶貧資金績(jī)效的影響因素[J].環(huán)球市場(chǎng)信息導(dǎo)報(bào)，2015（11）：2426.

[6]倪志良，郝志景.財(cái)政扶貧支出與減貧的實(shí)證分析[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2007，29（4）：1922.

[7]高波，王善平.財(cái)政扶貧資金綜合績(jī)效評(píng)價(jià)體系研究[J].云南社會(huì)科學(xué)，2014（5）：8689.

[8]肖唯楚.關(guān)于財(cái)政教育扶貧投入效率的實(shí)證研究：以武陵山連片特困區(qū)C縣為例[J].華中師范大學(xué)研究生學(xué)報(bào)，2012（3）：2025.

[9]國(guó)務(wù)院扶貧開(kāi)發(fā)領(lǐng)導(dǎo)小組辦公室.中國(guó)農(nóng)村扶貧開(kāi)發(fā)概要[M].北京：中國(guó)財(cái)政經(jīng)濟(jì)出版社，2003：6370.

[10]王勁峰，徐成東.地理探測(cè)器：原理與展望[J].地理學(xué)報(bào)，2017，72（1）：116134.

[11]HU Y，WANG J，LI X，et al.Geographical detectorbased risk assessment of the underfive mortality in the 2008 Wenchuan earthquake，China[J].Plos One，2011，6（6）：e21427.

[12]湛東升，張文忠，余建輝，等.基于地理探測(cè)器的北京市居民宜居滿(mǎn)意度影響機(jī)理[J].地理科學(xué)進(jìn)展，2015，34（8）：966975.

[13]丁悅，蔡建明，任周鵬，等.基于地理探測(cè)器的國(guó)家級(jí)經(jīng)濟(jì)技術(shù)開(kāi)發(fā)區(qū)經(jīng)濟(jì)增長(zhǎng)率空間分異及影響因素[J].地理科學(xué)進(jìn)展.2014（5）：657666.

[14]HUANG B，WU B，BARRY M.Geographically and temporally weighted regression for modeling spatiotemporal variation in house prices[J].International Journal of Geographical Information Science，2010，24（3）：383401.

[15]HUANG Y，LEUNG Y.Analysing regional industrialisation in Jiangsu province using geographically weighted regression[J].Journal of Geographical Systems，2002，4（2）：233249.

[16]玄海燕，李帥峰.時(shí)空地理加權(quán)回歸模型及其擬合[J].甘肅科學(xué)學(xué)報(bào)，2011，23（4）：119121.

[17]玄海燕，張安琪，藺全錄，等.中國(guó)省域經(jīng)濟(jì)發(fā)展影響因素及其時(shí)空規(guī)律研究：基于GTWR模型[J].工業(yè)技術(shù)經(jīng)濟(jì)，2016，35（2）：154160.

[18張金牡，劉彪，吳波，等.應(yīng)用改進(jìn)的時(shí)空地理加權(quán)模型分析城市住宅價(jià)格變化[J].東華理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2010，33（1）：5359.

[19]WU B，LI R，HUANG B.A geographically and temporally weighted

autoregressive model with application to housing prices[J]. International Journal of Geographical Information Science，2014，28（5）： 11861204.

[20]黃妮，淺論習(xí)近平的精準(zhǔn)扶貧思想[J]，福建省社會(huì)主義學(xué)院學(xué)報(bào)，2016，11（1）：8490.

[21]陳薇，楊春河.河北省財(cái)政扶貧政策績(jī)效評(píng)價(jià)實(shí)證研究[J].農(nóng)業(yè)經(jīng)濟(jì)，2006（7）：5859.

[22]王善平，周盈.反貧能力導(dǎo)向的扶貧資金綜合績(jī)效問(wèn)題研究[J].求索，2011（5）：4748.

[23]劉彥隨，李進(jìn)濤.中國(guó)縣域農(nóng)村貧困化分異機(jī)制的地理探測(cè)與優(yōu)化決策[J].地理學(xué)報(bào)，2017，72（1）： 161173.

[24]郭春穎，施潤(rùn)和，周云云，等.基于遙感與地理探測(cè)器的長(zhǎng)江三角洲空氣污染風(fēng)險(xiǎn)因子分析[J].長(zhǎng)江流域資源與環(huán)境，2017，26（11）：18051814.