西南山區(qū)農(nóng)業(yè)產(chǎn)業(yè)扶貧效率時空演化分析

王 剛，廖和平※，洪惠坤，朱 琳，蔡 進

西南山區(qū)農(nóng)業(yè)產(chǎn)業(yè)扶貧效率時空演化分析

王 剛1,2，廖和平1,2※，洪惠坤1,2，朱 琳2，蔡 進3

（1. 西南大學地理科學學院，重慶 400715；2. 西南大學精準扶貧與區(qū)域發(fā)展評估研究中心，重慶 400715；3. 重慶工商大學國土資源與旅游學院, 重慶 400715）

農(nóng)業(yè)產(chǎn)業(yè)扶貧是提升貧困群眾自我“造血”能力，提高農(nóng)戶家庭的生計水平和實現(xiàn)可持續(xù)發(fā)展的有效途徑。為了科學揭示農(nóng)業(yè)產(chǎn)業(yè)扶貧效率及其機制作用，進一步為國家級貧困縣農(nóng)業(yè)產(chǎn)業(yè)扶貧指明方向，該文以西南山區(qū)典型貧困縣-萬州區(qū)為例，運用改進的數(shù)據(jù)包絡分析（data envelopment analysis，DEA）模型、空間自相關模型和地理探測器，分析了2013年、2015年和2018年研究區(qū)41個鄉(xiāng)鎮(zhèn)的產(chǎn)業(yè)扶貧效率時空演化特征及其主導影響因素，并構建了主導影響因素與產(chǎn)業(yè)扶貧效率之間的作用機制框架。結果表明：產(chǎn)業(yè)扶貧政策有效促進了西南山區(qū)縣域農(nóng)業(yè)產(chǎn)業(yè)扶貧效率的整體上升，其政策干預對促進貧困人口的穩(wěn)定脫貧具有積極作用，干預時間越長，農(nóng)業(yè)產(chǎn)業(yè)扶貧效率提升越明顯，尤其是深度貧困鄉(xiāng)鎮(zhèn)的產(chǎn)業(yè)扶貧效率提升最明顯。農(nóng)業(yè)產(chǎn)業(yè)扶貧效率呈現(xiàn)明顯的高值聚集區(qū)和低值聚集區(qū)。高值聚集區(qū)位于水資源豐富、地勢平坦的沿江平壩地帶，低值聚集區(qū)集中在坡度較陡的高海拔山區(qū)。隨著精準扶貧政策的持續(xù)落地，道路密度、特色種植業(yè)、勞動力技能培訓、農(nóng)業(yè)保險及扶貧信貸資金5個政策因素和農(nóng)戶市場參與行為及人力資源水平2個社會因素逐漸取代家庭經(jīng)濟因素，成為西南山區(qū)國家級貧困縣農(nóng)業(yè)產(chǎn)業(yè)扶貧效率的主導影響因素。該研究結果可為西南山區(qū)國家級貧困縣農(nóng)業(yè)產(chǎn)業(yè)的空間布局優(yōu)化與調(diào)控、農(nóng)業(yè)產(chǎn)業(yè)扶貧效率的提升提供決策參考。

土地利用；模型；農(nóng)業(yè)；貧困化；地理探測器；農(nóng)業(yè)產(chǎn)業(yè)扶貧效率；貧困退出縣；萬州區(qū)

0 引 言

貧困是人類發(fā)展過程中長期面臨的問題和現(xiàn)實難題，消除貧困，促進人類社會全面發(fā)展、進步與繁榮是國際社會共同的追求[1]。解決農(nóng)戶的可持續(xù)發(fā)展生計問題是消除貧困的根源，已成為國內(nèi)外學者研究的共識[2-4]。英國國際發(fā)展機構（department for international development，DFID）建立的脆弱性-可持續(xù)生計分析框架被廣泛的采納，并應用于農(nóng)戶可持續(xù)發(fā)展生計問題的研究，該框架將農(nóng)戶家庭所擁有的5種生計資本以“生計五邊形”的圖示方式進行表達：人力資本、自然資本、金融資本、物質資本和社會資本[5-8]。當前，國外學者的研究更多是在該框架的基礎上進一步從貧困測度模型及產(chǎn)業(yè)扶貧模式、產(chǎn)業(yè)幫扶機制等方面對反貧困問題進行探討。如Scheyvens從增權的視角分析了旅游產(chǎn)業(yè)對貧困地區(qū)的生計影響，認為生態(tài)旅游在為貧困地區(qū)帶來經(jīng)濟效益的同時還能有效增強其自豪感以及對當?shù)匚幕恼J同感[9]。Vijaya認為針對家庭個體的貧困測度模型及幫扶機制比以家庭為單位的幫扶機制更能產(chǎn)生扶貧成效[10]。Keith認為在發(fā)展中國家從價格、金融和技術等方面對貧困地區(qū)農(nóng)產(chǎn)品加工產(chǎn)業(yè)給予支持，有助于改善貧困農(nóng)戶的生活水平[11]。

近年來，中國在精準扶貧理念的指引下，取得了舉世矚目的減貧成就，也探索出了一系列有中國特色的產(chǎn)業(yè)扶貧措施。發(fā)展產(chǎn)業(yè)作為實現(xiàn)脫貧的根本之策，如何因地制宜、創(chuàng)新發(fā)展培育產(chǎn)業(yè)亦是推動脫貧攻堅的根本出路。西南貧困山區(qū)自然資源豐富、氣候條件獨特，發(fā)展特色產(chǎn)業(yè)潛力巨大，農(nóng)業(yè)產(chǎn)業(yè)扶貧是提升西南貧困山區(qū)貧困群眾自我“造血”能力，提高農(nóng)戶家庭的生計水平和實現(xiàn)可持續(xù)發(fā)展的有效途徑。在精準扶貧戰(zhàn)略下，科學評估農(nóng)業(yè)產(chǎn)業(yè)扶貧的精準有效性至關重要。而當前國內(nèi)學者對反貧困問題的研究更多的集中在產(chǎn)業(yè)扶貧模式的梳理及實踐經(jīng)驗的總結[12]和產(chǎn)業(yè)扶貧宏觀政策演進及理論機制研究[13]等方面。如鄧愛民等[14]運用數(shù)據(jù)包絡分析法和ArcGIS軟件分析了長江經(jīng)濟帶旅游扶貧效率的時空格局演化分析，得出長江經(jīng)濟帶旅游扶貧效率呈現(xiàn)整體上升趨勢；陳成文等[15]梳理了國外產(chǎn)業(yè)扶貧的相關經(jīng)驗后認為中國在制定產(chǎn)業(yè)扶貧政策時應因地制宜的發(fā)展特色產(chǎn)業(yè)，應開發(fā)保險產(chǎn)品，健全保障機制，以此來提高農(nóng)民生活水平。總之，國內(nèi)學界對農(nóng)業(yè)產(chǎn)業(yè)扶貧方面的研究相對薄弱，部分學者從定性的角度進行了相關研究[16-18]，尚缺少對農(nóng)業(yè)產(chǎn)業(yè)扶貧精準有效性的定量研究，尤其是對西南貧困山區(qū)農(nóng)業(yè)產(chǎn)業(yè)扶貧效率及其機制作用的研究更為少見。因此，本文運用改進的數(shù)據(jù)包絡分析（data envelopment analysis，DEA）模型，以西南山區(qū)典型貧困縣萬州區(qū)為例，對其2013～2018年農(nóng)業(yè)產(chǎn)業(yè)扶貧效率進行分析，并運用ArcGIS10.2和GeoDa095軟件對其時空演化特征進行分析，揭示主導因素機制框架，藉此完善中國反貧困模式的研究體系和產(chǎn)業(yè)扶貧的作用機理，并為緩解西南山區(qū)農(nóng)村多維貧困，實施高效的產(chǎn)業(yè)扶貧提供決策建議。

1 數(shù)據(jù)來源與研究方法

1.1 研究區(qū)概況

萬州區(qū)位于107°55￠～108°53￠E、30°24￠～31°14￠N之間，屬于重慶東北區(qū)域，地形以山地丘陵為主，是全國592個國家級貧困縣之一（圖1）。氣候類型為亞熱帶季風氣候，冬暖多霧，夏熱多伏旱，年均溫17.7 ℃，年均降水量1 243 mm。2013年全區(qū)共有貧困戶3.15萬戶，9.63萬人。截止貧困縣退出，剩余未脫貧戶0.48萬戶，1.15萬人。5 a內(nèi)，全區(qū)共有2.67萬戶，8.48萬人脫貧出列，脫貧率達88%。2014年以來，萬州區(qū)實現(xiàn)了貧困村村均培育主導產(chǎn)業(yè)1～2個，建成特色效益產(chǎn)業(yè)基地1.2萬hm2，形成了“一村一品”產(chǎn)業(yè)發(fā)展格局。至2017年，累計投入農(nóng)業(yè)專項補助資金2.06億元，覆蓋41個鄉(xiāng)鎮(zhèn)全部貧困村的294個農(nóng)業(yè)產(chǎn)業(yè)扶貧項目，完工率高達95%以上。為兼顧非貧困村產(chǎn)業(yè)發(fā)展，各村均實施了基礎設施建設等普惠性政策幫扶措施，如修便民道、產(chǎn)業(yè)路、灌溉設施等。這一政策的落地為農(nóng)業(yè)生產(chǎn)提供了便利條件，促進了貧困人口農(nóng)業(yè)收入穩(wěn)定增長。經(jīng)過5 a時間精準扶貧政策的落實，2017年萬州區(qū)通過國家級貧困縣退出驗收，扶貧政策覆蓋全區(qū)41個鄉(xiāng)鎮(zhèn)的所有村域。因此，研究萬州區(qū)農(nóng)業(yè)產(chǎn)業(yè)扶貧效率對西南山區(qū)農(nóng)業(yè)產(chǎn)業(yè)扶貧的政策推廣具有積極作用。

1.2 數(shù)據(jù)來源

精準扶貧理念首倡于2013年，實施于2014年，萬州區(qū)2017年通過驗收退出貧困縣（國家級貧困縣第二批退出縣），退出后繼續(xù)鞏固脫貧成果，所以本文選取2013～2018年為研究時段。萬州區(qū)共有52個鄉(xiāng)鎮(zhèn)（街道），其中五橋和百安壩等11個街道位于城區(qū)，且城市化率大于90%，非農(nóng)戶籍人口比例小，貧困人口數(shù)量少，不列入研究對象，因此，本文研究范圍為貧困人口較多的剩余41個鄉(xiāng)鎮(zhèn)。研究中涉及數(shù)據(jù)格式有統(tǒng)計數(shù)據(jù)和矢量數(shù)據(jù)兩類。各鄉(xiāng)鎮(zhèn)耕地數(shù)量、年均農(nóng)業(yè)投入和產(chǎn)出等統(tǒng)計數(shù)據(jù)來自區(qū)農(nóng)業(yè)部門；貧困人口數(shù)量、家庭收入、農(nóng)戶家庭特征、產(chǎn)業(yè)幫扶等數(shù)據(jù)來自各鄉(xiāng)鎮(zhèn)政府部門，基礎設施建設數(shù)據(jù)來自區(qū)扶貧辦公室；行政區(qū)劃矢量數(shù)據(jù)來自區(qū)國土部門，采用統(tǒng)一的坐標系統(tǒng)（北京1954，等面積圓錐投影）形成空間分析地理底圖。

圖1 萬州區(qū)在重慶市的位置

1.3 研究方法

1.3.1 改進的DEA模型

表1 農(nóng)業(yè)產(chǎn)業(yè)扶貧效率的投入產(chǎn)出指標

1.3.2 空間自相關模型

地理學第一定律表明，空間近鄰性越大的事物其屬性值之間的相關性越強，即空間依賴性越強[22]。已有研究表明，貧困在地理空間上存在依賴性和空間非平穩(wěn)性。為定量測度農(nóng)業(yè)產(chǎn)業(yè)扶貧效率的空間依賴程度，即聚集程度，本文選用空間自相關模型來分析其高-高聚集區(qū)和低-低聚集區(qū)以及高-低值區(qū)和低-高值區(qū)。

1）Global Moran's I指數(shù)

2）Local Moran￠s I指數(shù)

1.3.3 地理探測器模型

表2 變量選擇及說明

2 結果與分析

2.1 農(nóng)業(yè)產(chǎn)業(yè)扶貧效率總體特征

公式（1）測算結果表明，萬州區(qū)2013年（政策實施前）、2015年（政策實施初期）和2018年（貧困縣退出后）的農(nóng)業(yè)產(chǎn)業(yè)綜合效率分別為0.448、0.470和0.572，退出后效率比政策干預初期提高0.102，比政策實施前提高0.124，累計提升率為27.68%。從政策首倡到貧困縣退出，效率提升幅度逐年上升，2個時間段（2013－2015年和2015－2018年）的年均增長率分別為0.011和0.034，干預后年均增長率比干預前高0.023，表明研究期產(chǎn)業(yè)扶貧政策干預效應明顯。整個研究期的綜合效率平均值為0.510，2013年和2015年分別低于均值0.062和0.04，2018年高于均值0.062，可見，貧困縣退出對效率平均值的貢獻較大。數(shù)據(jù)顯示，政策實施以來，萬州區(qū)針對“產(chǎn)業(yè)發(fā)展脫貧一批”的政策要求逐步推進村域產(chǎn)業(yè)結構調(diào)整升級，實現(xiàn)了41個鄉(xiāng)鎮(zhèn)140個貧困村“一村一品”的產(chǎn)業(yè)布局，逐年完善全區(qū)道路和灌溉等基礎設施建設，使村組路通暢率達到92%，表明干預時間越長幫扶成效越明顯。

2.2 農(nóng)業(yè)產(chǎn)業(yè)扶貧效率的時空差異

借助ArcGIS 10.2軟件平臺對2013年、2015年和2018年3個研究時段的產(chǎn)業(yè)扶貧效率進行空間可視化表達。為更好的展示分異效果，最終選取4級自然斷點分級法將農(nóng)業(yè)產(chǎn)業(yè)效率分為低值區(qū)、中低值區(qū)、中高值區(qū)和高值區(qū)4個級區(qū)（圖2）。

從時間序列看，自2013年首倡精準扶貧理念至貧困縣退出，萬州區(qū)41個鄉(xiāng)鎮(zhèn)的產(chǎn)業(yè)扶貧效率均有不同程度的提高（表3）。2015年，各鄉(xiāng)鎮(zhèn)效率變化呈現(xiàn)出“小幅提升-無變化-小幅下降”3種趨勢。小幅提升的鄉(xiāng)鎮(zhèn)有高粱鎮(zhèn)和黃柏鄉(xiāng)；無變化鄉(xiāng)鎮(zhèn)有分水鎮(zhèn)等31個鄉(xiāng)鎮(zhèn)；小幅下降的鄉(xiāng)鎮(zhèn)有李河鎮(zhèn)等8個鄉(xiāng)鎮(zhèn)。效率下降的鄉(xiāng)鎮(zhèn)大多位于東南部山區(qū)，該區(qū)域自然條件惡劣，貧困程度深，精準扶貧政策實施后，各鄉(xiāng)鎮(zhèn)土地用途由傳統(tǒng)作物轉為經(jīng)果栽植等效益農(nóng)業(yè)，因林果業(yè)初果期一般在3 a左右，出現(xiàn)政策效應的短期滯后性。2018年，各鄉(xiāng)鎮(zhèn)產(chǎn)業(yè)扶貧效率均有大幅提高。高值區(qū)鄉(xiāng)鎮(zhèn)比2015年增加了3個，分別是響水鎮(zhèn)、龍沙鎮(zhèn)和高峰鎮(zhèn)；溪口鄉(xiāng)和長嶺鎮(zhèn)從2013年的中低值區(qū)上升到中高值區(qū)，但中高值區(qū)鄉(xiāng)鎮(zhèn)數(shù)量總體無增加；中低值區(qū)數(shù)量比2015年增加了彈子鎮(zhèn)等6個鄉(xiāng)鎮(zhèn)；低值區(qū)減少了9個鄉(xiāng)鎮(zhèn)，其中龍駒鎮(zhèn)由上一階段的低值區(qū)躍升為中高值區(qū)，效率提升明顯。數(shù)據(jù)顯示，該鎮(zhèn)海拔在900 m以上，地形呈“兩山夾一溝”谷地狀分布，坡多壩少，且2013年全鎮(zhèn)僅有一條通鎮(zhèn)、通村硬化路，86%的行政村尚未解決鎮(zhèn)通村道路的出行難問題。作為重慶市識別的18個市級深度貧困鄉(xiāng)鎮(zhèn)之一，市幫扶集團指派相關單位對口幫扶（具體措施：組建駐村工作隊；為貧困戶指定幫扶責任人；爭取項目資金；加大勞動力培訓；招商引資發(fā)展特色種植業(yè)等措施）該鎮(zhèn)，同時龍駒鎮(zhèn)立足市級邊貿(mào)重鎮(zhèn)實際，依托萬（州）利（川）高速建成通車的優(yōu)勢，共落實到位項目資金13.476億元，構建起以茶葉、檸檬、中藥材、經(jīng)果蔬菜等為主的現(xiàn)代農(nóng)業(yè)發(fā)展框架。

表3 研究期內(nèi)各鄉(xiāng)鎮(zhèn)農(nóng)業(yè)產(chǎn)業(yè)扶貧效率

注：“↑”表示與上階段比效率小幅提升的鄉(xiāng)鎮(zhèn)；“↓”表示與上階段比效率小幅下降的鄉(xiāng)鎮(zhèn)；無“↑”“↓”表示與上階段比效率無變化的鄉(xiāng)鎮(zhèn)。

Note：The “↑” show the towns with a small increase in efficiency compared to the previous stage; The “↓” show the towns with a small falling in efficiency compared to the previous stage;No“↑”“↓”show the towns with the same efficiency as in the previous stage.

從空間分布看，萬州區(qū)農(nóng)業(yè)產(chǎn)業(yè)扶貧效率呈現(xiàn)出“蘑菇狀”半包圍式空間分布格局（圖2）。高值區(qū)和中高值區(qū)主要位于西南部長江谷地，區(qū)域內(nèi)海拔低、地勢平坦，受長江兩岸山區(qū)泥沙沖積的影響，多微型山麓沖積平原和河漫灘，壩多土肥，農(nóng)業(yè)生產(chǎn)潛力大；低值區(qū)和中低值區(qū)大多位于西北山區(qū)和東南部山區(qū)，該區(qū)域距江道和城區(qū)較遠，海拔高、坡度大，水熱組合條件差，基礎設施建設難度大，貧困量大面寬、程度深。

2.3 農(nóng)業(yè)產(chǎn)業(yè)扶貧效率空間關聯(lián)特征分析

自然斷點法表現(xiàn)出的空間分異只能對研究結果進行空間規(guī)律劃分，對研究對象間的空間關系無法細致表征。本文借助GeoDa095軟件研究了萬州區(qū)2013年、2015年和2018年的農(nóng)業(yè)產(chǎn)業(yè)扶貧效率全局莫蘭指數(shù)（采用999次隨機化運算提高結果的穩(wěn)健性），用以分析其總體格局演化特征（圖3）。在此基礎上，采用鄰接關系矩陣（contiguity weight）中的Queen contiguity矩陣（共邊或共點為鄰接）創(chuàng)建空間權重矩陣刻畫農(nóng)業(yè)產(chǎn)業(yè)扶貧效率與鄰域間的關系，進一步對其局部空間集聚格局演化特征進行探究（圖3）。

全局空間關聯(lián)特征表明研究區(qū)農(nóng)業(yè)產(chǎn)業(yè)扶貧效率具有較強的空間依賴性。3個研究時段的全局莫蘭指數(shù)分別為0.497、0.651和0.644，經(jīng)迭代后顯著性結果值分別為6.113、6.238和6.113，均通過1%水平的顯著性檢驗，表明幫扶后的萬州區(qū)農(nóng)業(yè)產(chǎn)業(yè)扶貧效率整體上互相影響。但全局莫蘭分析只能解釋全域相關或集聚，并不能直觀可視具體區(qū)域，由此引入局部莫蘭指數(shù)來解釋這一現(xiàn)象。

局部空間關聯(lián)特征表明研究區(qū)農(nóng)業(yè)產(chǎn)業(yè)扶貧效率具有明顯的空間集聚性，且出現(xiàn)高-低聚集區(qū)。利用局部空間自相關得到時間序列的LISA聚類圖（圖3），同樣采用999次隨機化運算增強結果的穩(wěn)健性。結果表明，研究時段內(nèi)全區(qū)農(nóng)業(yè)產(chǎn)業(yè)扶貧效率均呈現(xiàn)出明顯的空間集聚性，且這一集聚特征與上文所述農(nóng)業(yè)產(chǎn)業(yè)扶貧效率空間格局吻合。與2013年比，2015年高值區(qū)和低值區(qū)集聚范圍均擴大，主要原因是西南部長江沿岸各鄉(xiāng)鎮(zhèn)貧困村數(shù)量相對較少，產(chǎn)業(yè)結構雖有調(diào)整但力度較小，東南部的高海拔山區(qū)將部分農(nóng)地轉變?yōu)榻?jīng)果林地，出現(xiàn)了政策效應的滯后性；與2015年比，2018年高值區(qū)集聚范圍趨于穩(wěn)定，低值集聚范圍縮小，且出現(xiàn)高-低聚集區(qū)，即地處東南部高山區(qū)的龍駒鎮(zhèn)效率明顯高于周邊鄉(xiāng)鎮(zhèn)，主要原因是產(chǎn)業(yè)扶貧政策的高強度實施推動了農(nóng)業(yè)產(chǎn)業(yè)效率大幅度提升，扶貧產(chǎn)業(yè)帶動貧困農(nóng)戶脫貧增收成效明顯，尤其是作為重慶市深度貧困鄉(xiāng)鎮(zhèn)的龍駒鎮(zhèn)更是受惠于“靶向扶貧”措施。

3 農(nóng)業(yè)產(chǎn)業(yè)扶貧效率的影響因素分析

地理探測器善于分析類別變量，故本文首先采用SPSS25.0的平均值聚類法分別將各要素變量進行5級離散化處理，即由低到高分別為低（20%）、中低（20%）、中等（20%）、中高（20%）、高（20%），然后以此為閾值對3個研究時段的各指標進行因子探測分析，分別計算出各影響因子對研究區(qū)農(nóng)業(yè)產(chǎn)業(yè)扶貧效率空間布局的決定力值（表4）。

結果表明，2013年萬州區(qū)產(chǎn)業(yè)扶貧效率主要受農(nóng)民人均純收入（X）、土地收入比例（X）、耕地規(guī)模（6）、農(nóng)業(yè)補貼（10）、人力資源水平（13）和農(nóng)戶市場參與行為（15）的影響，其探測值均在10%置信水平上顯著。在所有特征因子中，個體因素的3個變量對農(nóng)業(yè)產(chǎn)業(yè)效率均無顯著影響；家庭經(jīng)濟因素中的農(nóng)民人均純收入、土地收入比例、耕地規(guī)模對效率的影響最大，解釋力分別達到了0.654、0.623和0.562，表明研究初期家庭經(jīng)濟因素對農(nóng)業(yè)產(chǎn)業(yè)效率的影響較大。農(nóng)業(yè)補貼是中國長期實行的一項傳統(tǒng)惠農(nóng)政策，農(nóng)戶大多將該資金用于購買化肥等生產(chǎn)性資料，因此，研究初期對產(chǎn)業(yè)效率產(chǎn)生了積極影響。傳統(tǒng)作物對勞動力數(shù)量的依賴性較高，具有較多常住務農(nóng)人口的家庭土地撂荒比例低，且在當時山區(qū)農(nóng)村交通極其不便利的情況下勞動力成為連接農(nóng)產(chǎn)品與市場的重要交通工具，因此，人力資源水平和農(nóng)戶市場參與行為對產(chǎn)業(yè)效率產(chǎn)生了顯著影響。

圖3 萬州區(qū)農(nóng)業(yè)產(chǎn)業(yè)扶貧效率LISA聚類圖

與2013年相比，2015年的探測結果中土地收入比例（5）、農(nóng)民人均純收入（4）、耕地規(guī)模（6）、人力資源水平（13）和農(nóng)戶市場參與行為（15）5個因素依然對農(nóng)戶家庭的農(nóng)業(yè)產(chǎn)業(yè)效率起關鍵作用。除此之外，農(nóng)業(yè)保險（7）、道路密度（8）和扶貧信貸資金（9）替代農(nóng)業(yè)補貼對農(nóng)業(yè)產(chǎn)業(yè)效率產(chǎn)生顯著影響，其強弱依次為扶貧信貸資金>道路密度>農(nóng)業(yè)保險，這是因為2014年產(chǎn)業(yè)扶貧政策開始實施，萬州區(qū)率先在城周鄉(xiāng)鎮(zhèn)試點修建產(chǎn)業(yè)路和村組路，同時部分農(nóng)戶將信貸資金投入到政府引入的金銀花和葫蘆瓜、香爐瓜、金瓜等各種特色瓜類的種植上，這一系列政策推動了農(nóng)業(yè)結構調(diào)整。

表4 萬州區(qū)農(nóng)業(yè)產(chǎn)業(yè)扶貧效率時空演化影響因子變化趨勢

至2018年，政策因素的決定力明顯增強，在10%置信水平上對萬州區(qū)農(nóng)業(yè)產(chǎn)業(yè)扶貧效率具有顯著影響的因素主要有道路密度（8）、特色種植業(yè)（12）、勞動力技能培訓（11）、農(nóng)戶市場參與行為（15）、農(nóng)業(yè)保險（7）、人力資源水平（13）、扶貧信貸資金（9）等7個因素，具體表現(xiàn)為81211157139。數(shù)據(jù)顯示，2018年，萬州區(qū)村組路硬化率達到95%，道路等基礎設施建設成為產(chǎn)業(yè)扶貧中投資最大、農(nóng)戶最具獲得感的普惠性項目。同時，各鄉(xiāng)鎮(zhèn)根據(jù)所處自然地理環(huán)境和常住勞動力狀況發(fā)展了差異化的特色種植農(nóng)業(yè)，并加強了針對性的勞動力技能培訓，這在一定程度上促進了農(nóng)戶增收。同期實施的扶貧信貸資金政策為有勞動力且敢于嘗試投資的農(nóng)戶提供了資金保障，也在一定程度上促進了產(chǎn)業(yè)增收。

綜上所述，3個研究時段內(nèi)，除性別（1）、年齡（2）、戶主受教育程度（3）和社會資本參與（14）4個指標外，其余3個因素類型11個影響指標均對萬州區(qū)農(nóng)業(yè)產(chǎn)業(yè)扶貧效率產(chǎn)生了顯著影響，且影響力逐年發(fā)生變化。截止貧困縣退出，政策因素和社會因素取代家庭經(jīng)濟因素已成為萬州區(qū)產(chǎn)業(yè)扶貧效率的2個主要影響因素類型，且政策因素的影響力大于社會因素。具體來看，到2018年顯著性影響指標包括道路密度（8）、特色種植業(yè)（12）、勞動力技能培訓（11）、農(nóng)戶市場參與行為（15）、農(nóng)業(yè)保險（7）、人力資源水平（13）和扶貧信貸資金（9）。

3.1 主導因素的作用機制

由以上研究可知，萬州區(qū)農(nóng)業(yè)產(chǎn)業(yè)扶貧效率具有空間異質性，多種因子共同作用造成其效率的空間分異，影響因子作用程度決定了效率值高低。因此，進一步分析各主導因素對其分異的作用機制，可為山區(qū)農(nóng)業(yè)因地制宜、科學扶貧、精準脫貧施策提供參考依據(jù)（圖4）。

圖4 農(nóng)業(yè)產(chǎn)業(yè)扶貧效率的主導因素作用機制

1）道路密度與農(nóng)戶的市場參與行為共同作用促進貧困山區(qū)農(nóng)業(yè)產(chǎn)業(yè)效率的提高。一方面路網(wǎng)密度作為交通通達性的重要指標，其值越大意味著農(nóng)戶與市場聯(lián)系程度越高，進而促使農(nóng)產(chǎn)品的商品化率提高。另一方面便捷的交通促使鄉(xiāng)村物流、人流以及信息流速度加快，既方便了農(nóng)戶購買農(nóng)藥、化肥、種子等生產(chǎn)資料，也消除了農(nóng)戶對產(chǎn)品“愁賣”的心理障礙，為農(nóng)業(yè)生產(chǎn)大戶的培育提供了條件。數(shù)據(jù)顯示，截止2013年底，萬州區(qū)撂荒農(nóng)用地面積高達39%，剩余61%的農(nóng)用地產(chǎn)出的商品化率不足30%，這一結果既有道路等基礎設施不完善造成的農(nóng)產(chǎn)品進出市場難的問題（2013年，萬州區(qū)80%的行政村無通村公路，剩余20%的村落也僅是因位于國道兩側借勢出行，村組產(chǎn)業(yè)路覆蓋率不足10%，農(nóng)產(chǎn)品轉運主要依靠人挑畜馱），也有市場信息掌握滯后造成作物結構調(diào)整不及時最終導致市場對農(nóng)作物的囤積壓價等的原因（傳統(tǒng)作物主要有水稻、玉米、小麥、紅苕和洋芋5類，水稻和小麥主要用途為滿足家庭糧食需求，玉米、紅苕和洋芋為滿足生豬、雞鴨等牲畜和禽類的飼料需求）。2013年以來，萬州區(qū)實施了“產(chǎn)業(yè)保民生，道路促銷路”的產(chǎn)業(yè)扶貧措施，戶戶有便民道，組社通產(chǎn)業(yè)路，截止2018年，通村通組率達到95%，響水、高峰、甘寧等鄉(xiāng)鎮(zhèn)還實施了“訂單式上門采購”的產(chǎn)銷模式，加速了農(nóng)產(chǎn)品的經(jīng)濟轉化效率。

2）人力資本是產(chǎn)業(yè)發(fā)展的基礎，包括人力資源水平（勞動者數(shù)量、身體素質、受教育程度等）和勞動者所掌握的某項勞動技能水平2個方面。對山區(qū)貧困縣而言，較高的勞動力水平是扶貧產(chǎn)業(yè)可持續(xù)發(fā)展的前提條件，具有良好身體素質和較高受教育水平的勞動者更易于接受新的市場挑戰(zhàn)來提高農(nóng)業(yè)產(chǎn)出。同時，加大農(nóng)業(yè)生產(chǎn)播種施肥、覆膜保水、配方改土、除草防蟲和采收儲運等精細化管理的技術培訓力度，可以有效防治農(nóng)業(yè)生產(chǎn)的病蟲害，抵御氣象等自然災害，降低生產(chǎn)風險，打消生產(chǎn)顧慮，提高農(nóng)業(yè)收益。數(shù)據(jù)顯示，萬州區(qū)因病因殘的貧困家庭僅有21%接受了特色種植業(yè)發(fā)展，其余79%的農(nóng)戶發(fā)展小規(guī)模禽類養(yǎng)殖或依靠兜底保障政策，而因學、因災、缺水、缺技術致貧的農(nóng)戶接受特色種植業(yè)的比例達到52%。另外，2018年各鄉(xiāng)鎮(zhèn)累計組織百人次以上的農(nóng)業(yè)技術培訓班114場次，實現(xiàn)了有培訓需求的家庭全覆蓋。

3）金融支持對促進扶貧農(nóng)業(yè)產(chǎn)業(yè)發(fā)展作用顯著。對于勞動力充足但缺乏產(chǎn)業(yè)發(fā)展資金的農(nóng)戶來說，小額信貸資金可以扶持其擴大農(nóng)業(yè)規(guī)模，培植優(yōu)勢產(chǎn)業(yè)，以規(guī)模效應促進效率提升。通常情況下，農(nóng)業(yè)生產(chǎn)面臨的諸多挑戰(zhàn)是市場風險、病蟲害風險和自然災害帶來的風險，一旦遭遇市場突變或受病蟲害和大風、凍害、干旱等災害的侵襲，農(nóng)業(yè)生產(chǎn)將會顆粒無收。產(chǎn)業(yè)扶貧給予貧困家庭優(yōu)惠的金融農(nóng)保政策，可增強農(nóng)戶發(fā)展產(chǎn)業(yè)的自信心，通過“造血”能力的滲透來提高產(chǎn)業(yè)收益，險種越多農(nóng)戶保收穩(wěn)定性越強。數(shù)據(jù)顯示，萬州區(qū)約36%的農(nóng)戶因缺資金致貧，該類農(nóng)戶發(fā)展產(chǎn)業(yè)的意愿強，內(nèi)生動力足，但受困于“產(chǎn)業(yè)轉移帶動一批”的資金供給不足。2013年以來，全區(qū)1～5萬元扶貧小額信貸產(chǎn)業(yè)發(fā)展資金的獲貸率累計達到52%，獲益貧困人口約0.62萬戶，1.98萬人（萬州區(qū)2018年農(nóng)村產(chǎn)業(yè)發(fā)展項目清單顯示，受益于獲貸資金，約0.1萬戶家庭的效益農(nóng)業(yè)種植規(guī)模在0.67~1.33 hm2之間，300戶在1.33~3.33 hm2之間，200戶大于3.33 hm2，直接帶動農(nóng)戶占比為24.19%；其余75.81%的獲貸家庭以“農(nóng)戶+合作社+公司”的形式入股或發(fā)展其他產(chǎn)業(yè)，戶均年收益超過0.3萬元）。同時，種植規(guī)模在0.67 hm2以上的農(nóng)戶家庭實現(xiàn)了農(nóng)業(yè)保險全覆蓋，最大限度減小了農(nóng)業(yè)生產(chǎn)損失。

4）特色種植業(yè)是一種高效益農(nóng)業(yè)，包括各種農(nóng)作物、林木、果樹、觀賞和藥用等植物的栽培，與玉米、水稻、土豆等傳統(tǒng)作物相區(qū)分。相關研究[21]表明，在貧困地區(qū)是否發(fā)展特色種植業(yè)，應綜合對比衡量傳統(tǒng)作物的市場前景，當其經(jīng)濟效益較高時，政府應繼續(xù)扶持該類作物（因傳統(tǒng)作物在當?shù)胤N植歷史悠久，勞動者已有豐富的經(jīng)驗來應對風險）的種植；當傳統(tǒng)作物效益較低時，保持該類作物的生長會使農(nóng)村陷入更為貧困的惡性循環(huán)（傳統(tǒng)作物銷路受阻，農(nóng)戶將其產(chǎn)品用作家禽飼料供給，因收益較低勞動力離鄉(xiāng)務工尋求生計，農(nóng)村形成了“低效農(nóng)業(yè)－勞動力流失－空心化村－耕地撂荒－低效農(nóng)業(yè)”的負向鏈條），此時，政府應引導農(nóng)戶調(diào)整產(chǎn)業(yè)結構，發(fā)展高效農(nóng)業(yè)。數(shù)據(jù)顯示，2013年以來，萬州區(qū)在測土配方、市場調(diào)研等基礎上因地制宜發(fā)展了特色產(chǎn)業(yè)。以市級深度貧困鄉(xiāng)鎮(zhèn)龍駒鎮(zhèn)為例，借助古代楚、蜀兩國交界的邊貿(mào)優(yōu)勢以及森林資源稟賦優(yōu)勢，培育了特色主導產(chǎn)業(yè)促進了農(nóng)戶增收：宏福、趕場等村栽植的532.8 hm2優(yōu)質花椒基地（配套烘干、加工、除雜等設備）帶動約1 000名貧困人口人均增收0.6萬元，梧桐、燈塔等村栽植的400 hm2脆李、脆桃優(yōu)質伏淡季水果基地（配套觀光采摘）帶動1 000 名貧困人口人均增收0.5萬元，叢木、團結等村栽植的333 hm2優(yōu)質檸檬基地帶動 1 000 名貧困人口人均增收0.5萬元，龍溪、燈臺等村栽植的333 hm2高山茶葉基地帶動 1 000 名貧困人口人均增收0.7萬元，玉合村66.6hm2高產(chǎn)優(yōu)質油橄欖和茶園、老雄、花坪等村發(fā)展的石菖蒲、栝樓、石斛等133.2hm2中藥材帶動1 000名貧困人口人均增收0.4萬元，信義社區(qū)打陣坪、花坪村的林菌等林下種植人均增收0.3萬元。

4 討 論

精準扶貧是一項復雜而龐大的系統(tǒng)工程，產(chǎn)業(yè)扶貧僅是推動精準扶貧成效的類型之一。各項主導因素并非對產(chǎn)業(yè)扶貧效率產(chǎn)生獨立影響，各因素之間的相互作用共同促進農(nóng)業(yè)產(chǎn)業(yè)扶貧效率的提升，如技能培訓加速了特色種植業(yè)的發(fā)展，路網(wǎng)密度通過市場參與度間接影響著農(nóng)戶對市場供需信息的掌握，進一步通過調(diào)整產(chǎn)業(yè)結構來增加收益[26]，本文構建的因素作用機制雖然分析了各因素之間的作用機理，但因素交互形成的具體效應量并未分析，需進一步深入研究。從時間尺度上看，因產(chǎn)業(yè)扶貧政策實施時間不長，研究中只能測量政策實施的短期效應，隨著時間的變化，部分影響因素的決定力可能減弱或許消失，部分影響力又可能增強，如隨著小額信貸資金違約行為和壞賬率的發(fā)生，金融部門的放貸政策可能收緊，隨著貧困退出縣鄉(xiāng)村振興戰(zhàn)略的實施，人力資源水平又可能進一步增強，諸如此類因素的變化對2020年后產(chǎn)業(yè)扶貧政策的長期效應有待進一步考察，對加強以產(chǎn)業(yè)扶貧為核心的精準扶貧、可持續(xù)脫貧保障體系探究具有重要意義。

5 結 論

本文以西南山區(qū)國家級貧困縣萬州區(qū)為例，運用改進DEA模型、空間自相關模型及地理探測器，探索山區(qū)農(nóng)業(yè)產(chǎn)業(yè)扶貧效率時空演變特征及其影響因素，深入挖掘其效率隱含的空間格局及關聯(lián)特征，通過定量分析揭示了其空間分異的形成機理，得到以下主要結論：

1）精準扶貧政策實施以來，產(chǎn)業(yè)扶貧的政策沖擊有效推動了西南山區(qū)縣域農(nóng)業(yè)產(chǎn)業(yè)扶貧效率的整體上升，政策干預對促進貧困人口的穩(wěn)定脫貧具有積極作用，干預時間越長其效率提升越明顯，尤其是深度貧困鄉(xiāng)鎮(zhèn)效率值提升最明顯。因此，建議山區(qū)貧困縣應繼續(xù)保持“脫貧不脫政策”的干預機制。

2）政策干預后的山區(qū)農(nóng)業(yè)產(chǎn)業(yè)扶貧效率呈現(xiàn)規(guī)律性空間分異格局，出現(xiàn)明顯的高值聚集區(qū)和低值聚集區(qū)。高值區(qū)位于水資源豐富、地勢平坦的沿江平壩地帶，低值區(qū)集中在坡度較陡的高海拔山區(qū)。因此，建議山區(qū)貧困縣應在遵循資源稟賦條件的空間分異規(guī)律下差異化發(fā)展產(chǎn)業(yè)，如高海拔地區(qū)依托地形優(yōu)勢發(fā)展高山茶葉和中草藥等垂直農(nóng)業(yè)，沿江平壩地區(qū)發(fā)展耐受高積溫的瓜果等喜濕熱作物。

3）隨著精準扶貧政策的持續(xù)落地，政策因素和社會因素取代家庭經(jīng)濟因素對西南山區(qū)貧困縣的農(nóng)業(yè)產(chǎn)業(yè)扶貧效率產(chǎn)生主要影響。政策因素包括道路密度、特色種植業(yè)、勞動力技能培訓、農(nóng)業(yè)保險和扶貧信貸資金5個指標，社會因素包括農(nóng)戶市場參與行為和人力資源水平2個指標。因此，建議山區(qū)貧困縣應建立“交通－產(chǎn)業(yè)－人力資本－金融－市場”五位一體的可持續(xù)脫貧產(chǎn)業(yè)發(fā)展政策保障體系，構建2020年后產(chǎn)業(yè)扶貧效率提升的干預框架，為鄉(xiāng)村振興產(chǎn)業(yè)興旺打好基礎。

[1] 李玉恒，武文豪，宋傳垚，等. 世界貧困的時空演化格局及關鍵問題研究[J]. 中國科學院院刊，2019，34(1)：42－50. Li Yuheng, Wu Wenhao, Song Chuanyao. et al. Spatial－temporal pattern of world poverty reduction and key problems analysis[J]. Bulletin of Chinese Academy of Sciences, 2019, 34(1): 42－50. (in Chinese with English Abstract)

[2] Foster J. A class of chronic poverty measures[Z]. Vanderbilt University Working Paper, 2007.

[3] Deutsch J, Silber J. Measuring multidimensional poverty: An empirical comparison of various approaches[J]. Review of Income and Wealth, 2005, 51(1): 145－174.

[4] 劉艷華，徐勇. 中國農(nóng)村多維貧困地理識別及類型劃分[J]. 地理學報，2015，70(6)：993－1007.Liu Yanhua, Xu Yong. Geographical identification and classification of multi-dimensional poverty in rural China[J]. Acta Geographica Sinica, 2015, 70(6): 993－1007. (in Chinese with English Abstract)

[5] Roberts M G, Yang Guo’an. The international progress of sustainable development research: A comparison of vulnerability analysis and the sustainable livelihoods approach[J]. Progress in Geography, 2003, 22(1): 11－21.

[6] Sharp Kay. Measuring destitution: Integrating quantitative and Quantitative approaches in the analysis of survey data [R]. Brighton: IDS Working Paper 217, 2003.

[7] 李廣東，邱道持，王利平，等. 生計資產(chǎn)差異對農(nóng)戶耕地保護補償模式選擇的影響——渝西方山丘陵不同地帶樣點村的實證分析[J]. 地理學報，2012，67(4)：504－515.Li Guangdong, Qiu Daochi, Wang Liping, et al. Impacts of difference among livelihood assets on the choice of economic compensation pattern for farmer households farmland pro－tection in Chongqing City[J]. Acta Geographica Sinica, 2012, 67(4): 504－515. (in Chinese with English Abstract)

[8] 李小云，董強，饒小龍，等. 農(nóng)戶脆弱性分析方法及其本土化應用[J]. 中國農(nóng)村經(jīng)濟，2007(4)：32－39. Li Xiaoyun, Dong Qiang, Rao Xiaolong, et al. Rural vulnerability analysis method and local application[J]. Chinese Rural Economy, 2007(4): 32－39. (in Chinese with English Abstract)

[9] Scheyvens R. Ecotourism and the empowerment of local com-munities. [J]. Tourism Management，1999，20(2)：245－249.

[10] Vijaya Ramya M. Moving from the household to the individual: Multidimensional poverty analysis[J]. World Development, 2014, 59:70－81.

[11] Keith Marsden. Agro-industrial policy reviews[R]. Rome: Food and Agriculture Organization of the United Nation，1998

[12] 曾小溪，汪三貴.中國大規(guī)模減貧的經(jīng)驗:基于扶貧戰(zhàn)略和政策的歷史考察[J]. 西北師大學報(社會科學版)，2017, 54(6)：11－19. Zeng Xiaoxi, Wang Sangui. China's experience of large-scale poverty reduction: A historical review based on poverty reduction strategies and policies[J]. Journal of Northwest Normal University(Social Sciences) , 2017, 54(6): 11－19. (in Chinese with English Abstract)

[13] 王春萍，鄭燁. 21世紀以來中國產(chǎn)業(yè)扶貧研究脈絡與主題譜系[J]. 中國人口·資源與環(huán)境，2017，27(6)：145－154. Wang Chunping, Zheng Ye. The research context and theme content of Chinese industrial poverty alleviation since 21st century[J]. China Population, Resources and Environment, 2017, 27(6): 145－154. (in Chinese with English Abstract)

[14] 鄧愛民，張馨方. 長江經(jīng)濟帶旅游扶貧效率的時空格局演化分析[J]. 重慶交通大學學報(社會科學版)，2017，17(6)：42－47. Deng Aimin, Zhang Xinfang. Tourism poverty alleviation efficiency differences and spatial－temporal evolution features in the yangtze river economic belt[J]. Journal of Chongqing Jiaotong University(Social Sciences Edition), 2017, 17(6): 42－47. (in Chinese with English Abstract)

[15] 陳成文，陳建平，陶紀坤. 產(chǎn)業(yè)扶貧：國外經(jīng)驗及其政策啟示[J]. 經(jīng)濟地理，2018，38(1)：127－134. Chen Chengwen, Chen Jianping, Tao Jikun. Industry poverty alleviation: Foreign experience and its policy impli-cations[J]. Economic Geography, 2018, 38(1): 127－134. (in Chinese with English Abstract)

[16] 楊龍，李寶儀，趙陽，等. 農(nóng)業(yè)產(chǎn)業(yè)扶貧的多維貧困瞄準研究[J]. 中國人口·資源與環(huán)境，2019，29(2)：134－144.Yang Long, Li Baoyi, Zhao Yang, et al. Multidimensional poverty targeting of agricultural poverty alleviation through industrialization[J]. China Population, Resources and Enviro-nment, 2019, 29(2): 134－144. (in Chinese with English Abstract)

[17] 梁棟，吳惠芳. 農(nóng)業(yè)產(chǎn)業(yè)扶貧的實踐困境、內(nèi)在機理與可行路徑——基于江西林鎮(zhèn)及所轄李村的調(diào)查[J]. 南京農(nóng)業(yè)大學學報(社會科學版)，2019，19(1)：49－57，164－165.Liang Dong, Wu Huifang.The practical dilemma and its deep－seated mechanism and feasible routes of the poverty al－leviation through agricultural industrialization: Based on the survey of lin town and Li Vil-lage in Jiangxi[J]. Journal of Nanjing Agricultural University(Social Sciences Edition) , 2019, 19(1): 49－57, 164－165. (in Chinese with English Abstract)

[18] 趙向豪，陳彤. 中國民族地區(qū)功能農(nóng)業(yè)產(chǎn)業(yè)扶貧模式研究[J]. 農(nóng)業(yè)經(jīng)濟與管理，2018(5)：40－47. Zhao Xianghao, Chen Tong. Study on functional agriculture industry poverty alleviation model in Chinese ethnic regions[J].Agricultural Economics and Management, 2018(5): 40－47. (in Chinese with English Abstract)

[19] 陳志鋼，畢潔穎，吳國寶，等. 中國扶貧現(xiàn)狀與演進以及2020年后的扶貧愿景和戰(zhàn)略重點[J]. 中國農(nóng)村經(jīng)濟, 2019(1)：2－16. Chen Zhigang, Bi Jieying, Wu Guobao, et al. Post - 2020 rural urban integrative poverty reduction strategy: Development status, evolution, new vision and key areas[J]. Chinese Rural Economy, 2019(1): 2－16. (in Chinese with English Abstract)

[20] 張立新，朱道林，謝保鵬，等. 中國糧食主產(chǎn)區(qū)耕地利用效率時空格局演變及影響因素——基于180個地級市的實證研究[J]. 資源科學，2017，39(4)：608－619. Zhang Lixin, Zhu Daolin, Xie Baopeng, et al. Spatiotemporal pattern evolvement and driving factors of cultivated land utilization efficiency of the major grain producing area in China[J]. Resources Science, 2017, 39(4): 608－619. (in Chinese with English Abstract)

[21] 王良健，李輝. 中國耕地利用效率及其影響因素的區(qū)域差異：基于 281 個市的面板數(shù)據(jù)與隨機前沿生產(chǎn)函數(shù)方法[J]. 地理研究，2014，33(11)：1995－2004. Wang Liangjian, Li Hui. Cultivated land use efficiency and the regional characteristics of its influencing factors in China: By using a panel data of 281 prefectural cities and the stochastic frontier production function[J]. Geographical Research, 2014, 33(11): 1995－2004. (in Chinese with English Abstract)

[22] 蔡進，禹洋春，駱東奇，等. 重慶市農(nóng)村多維貧困空間分異及影響因素分析[J]. 農(nóng)業(yè)工程學報，2018，34(22)：235－245. Cai Jin, Yu Yangchun, Luo Dongqi, et al. Space differentiation and its influence factor analysis of rural multidimensional poverty in Chongqing[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(22): 235－245. (in Chinese with English Abstract)

[23] 王曼曼，吳秀芹，吳斌，等. 鹽池北部風沙區(qū)鄉(xiāng)村聚落空間格局演變分析[J]. 農(nóng)業(yè)工程學報，2016，32(8)：260－271. Wang Manan, Wu Xiuqin, Wu Bin, et al. Evolution analysis of spatial pattern of rural settlements in sandy area of northern Yanchi[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(8): 260－271. (in Chinese with English Abstract)

[24] 王勁峰，徐成東. 地理探測器：原理與展望[J]. 地理學報，2017，72(1)：116－134. Wang Jinfeng, Xu Chengdong. Geodetector: Principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116－134. (in Chinese with English Abstract)

[25] 張榮天，焦華富. 中國省際耕地利用效率時空格局分異與機制分析[J]. 農(nóng)業(yè)工程學報，2015，31(2)：277－287. Zhang Rongtian,Jiao Huafu.Spatial-temporal pattern differe-ntiation and its mechanism analysis of using efficiency for provincial cultivated land in China [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(2): 277－287. (in Chinese with English Abstract)

[26] 王剛，廖和平，李濤，等. 精準扶貧背景下貧困農(nóng)戶識別對耕地利用效率的影響——以重慶市石柱土家族自治縣為例[J]. 西南大學學報(自然科學版)，2019，41(1)：1－9. Wang Gang, Liao Heping, Li Tao, et al. The impact of poor farmer household identification on cultivated land use efficiency under the background of targeted poverty alleviation[J]. Journal of Southwest University(Natural Science Edition), 2019, 41(1): 1－9. (in Chinese with English Abstract)

Temporal and spatial evolution of agricultural industry poverty alleviation efficiency in southwestern mountainous area

Wang Gang1,2, Liao Heping1,2※, Hong Huikun1,2, Zhu Lin2, Cai Jin3

(1.400715,2.400715,3.400715,)

Poverty has always been a worldwide problem, especially for developing countries. The agricultural industry poverty alleviation is one of the most effective methods to improve the ability of the poor, improve the livelihood level of the rural family, and achieve sustainable development in the future. With the introduction and implementation of the "precise poverty alleviation concept" by the Chinese government, analyses of whether agricultural industry's precise poverty alleviation can become an effective way to increase the income of the poor or not, determination of what are the leading factors of the spatial and temporal differentiation of agricultural industry poverty alleviation efficiencies, and further scientifically revealing the poverty alleviation efficiency of the agricultural industry and its mechanism are of vital importance. The previous research mainly focuses on the field of economics, however, in this paper, we used innovative analysis for this research problem from a geospatial perspective using Wanzhou District, a national poverty-stricken county in the Southwestern Mountainous Area with a rate of alleviate poverty of 88% from the year 2013 to 2018 under the government program. The main innovations of this paper included that (1) an indicator system was constructed for factors that affected agricultural industry poverty alleviation efficiency based on the spatial perspective, and the industrial poverty alleviation efficiency was measured by the improved DEA efficiency model, spatial autocorrelation Global Moran’s I model and geo-detector; (2) a framework of action mechanisms between dominant influencing factors and industrial poverty alleviation efficiency was established. The spatial and temporal evolution characteristics of agricultural industry poverty alleviation efficiency, and its dominant influencing factors in 41 townships in the study area in 2013, 2015 and 2018 were further analyzed by the natural breakpoint classification method, Moran index, and geo-detector, and (3) a framework of the dominant factors that affected the efficiency of industrial poverty alleviation was set up, which can be conducive to improving China's anti-poverty model and the mechanism of industrial poverty alleviation, and further provided decision-making suggestions to alleviate the multi-dimensional poverty in the rural areas of the southwestern mountainous area. Moreover, the data in this paper were collected from the Chinese agricultural sector, the township government departments, the poverty alleviation office and the national land department, which was really reliable, the software such as SPSS 25.0，Arcgis10.2 and GeoDa095 were used for analysis. The main conclusions and policy recommendations of this paper were, (1) the industrial poverty alleviation policy had effectively promoted the overall increase in the poverty alleviation efficiency of the county industry in the southwestern mountainous area. Its policy intervention had a positive effect on promoting the poverty alleviation of the poor, the longer the intervention time, the more obvious the efficiency of industrial poverty alleviation, especially in deep poverty towns. (2) The industrial poverty alleviation efficiency showed obvious high-value clusters and low-value clusters. The high-value gathering area was located in the flat dam area along the Yangtze River with abundant water resources and flat terrain. The low-value gathering area was concentrated in the high-altitude mountainous area with a steep slope. (3) The substitution of family and economic factors by policy factors and social factors had become the two main types of factors affecting the efficiency of industrial poverty alleviation in Wanzhou District, and the influence of policy factors was greater than that of social factors. Specifically, with the continuous implementation of the precise poverty alleviation policy, the five major social factors of road density, characteristic planting, labor skill training, agricultural insurance and poverty alleviation credit funds, market participation and human resources level gradually replaced the family economy factor, and became the leading influencing factors for the poverty alleviation efficiency. Finally, this paper offers several feasible suggestions for policy direction and future research according to the research results.

land use; models; agriculture; poverty; geo-detector; agricultural industry poverty alleviation efficiency; poverty-stricken county; Wanzhou districts

10.11975/j.issn.1002-6819.2019.13.029

F323.8

A

1002-6819(2019)-13-00243-10

2019-01-15

2019-04-20

國家自然科學基金項目（41701611）；重慶市社會科學規(guī)劃博士項目（2018BS78）；重慶市技術預見與制度創(chuàng)新重點項目（csts2017-jsyj-jsyj-BX0015）

王 剛，講師，博士生，研究方向為國土資源與區(qū)域發(fā)展，精準扶貧與鄉(xiāng)村治理。Email：624888339@qq.com

廖和平，教授，博士生導師，研究方向為國土資源與區(qū)域發(fā)展，精準扶貧與鄉(xiāng)村治理。Email：liaohp@swu.edu.cn

王 剛，廖和平，洪惠坤，朱 琳，蔡 進.西南山區(qū)農(nóng)業(yè)產(chǎn)業(yè)扶貧效率時空演化分析[J]. 農(nóng)業(yè)工程學報，2019，35(13)：243－252. doi：10.11975/j.issn.1002-6819.2019.13.029 http://www.tcsae.org

Wang Gang, Liao Heping, Hong Huikun, Zhu Lin, Cai Jin.Temporal and spatial evolution of agricultural industry poverty alleviation efficiency in southwestern mountainous area[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(13): 243－252. (in Chinese with English abstract) doi：10. 11975/ j.issn. 1002-6819.2019.13.029 http://www.tcsae.org