覃凡丁 奉欽亮
(廣西財(cái)經(jīng)學(xué)院,廣西 南寧 530003)
自十八大以來(lái),我國(guó)相繼出臺(tái)了100 多個(gè)支持林業(yè)生態(tài)扶貧脫貧的政策文件或?qū)嵤┓桨福瑥V西省也出臺(tái)和完善了“1+N”的林業(yè)生態(tài)脫貧攻堅(jiān)系列政策文件或?qū)嵤┓桨?,建立了相?duì)完備的林業(yè)生態(tài)扶貧脫貧政策體系和制度體系。2020 年,廣西已歷史性地解決了絕對(duì)貧困問題,并全面建成小康社會(huì)。本文旨在通過設(shè)置指標(biāo)體系與確定評(píng)價(jià)方法,進(jìn)而實(shí)證評(píng)價(jià)林業(yè)生態(tài)扶貧脫貧政策滿意度影響因子,為鞏固廣西林業(yè)生態(tài)脫貧扶貧成果提供借鑒。
2020 年是脫貧攻堅(jiān)戰(zhàn)的收官之年,對(duì)農(nóng)戶脫貧質(zhì)量感知和扶貧政策滿意度的考察,不僅是對(duì)本輪扶貧政策實(shí)施效果的客觀評(píng)價(jià),還是扶貧脫貧工作經(jīng)驗(yàn)總結(jié)、主要返貧風(fēng)險(xiǎn)規(guī)避、推動(dòng)扶貧脫貧成果鞏固與鄉(xiāng)村振興戰(zhàn)略銜接的必要保障[1]。從扶貧效果評(píng)價(jià)來(lái)看,楊龍等(2019)研究發(fā)現(xiàn)通過農(nóng)業(yè)產(chǎn)業(yè)扶貧可以有效提高貧困戶的收入[2]。Croes[3]的研究表明,旅游產(chǎn)業(yè)的發(fā)展可以有效增加家庭的各類收入;鄭瑞強(qiáng)等[4]研究產(chǎn)業(yè)扶貧投資對(duì)于扶貧資金減貧效率的影響。吳國(guó)琴[5]基于郝堂村旅游產(chǎn)業(yè)發(fā)展進(jìn)行分析,研究結(jié)果表明,旅游產(chǎn)業(yè)發(fā)展的要素不足將會(huì)導(dǎo)致扶貧效果差。雖然扶貧效果整體評(píng)價(jià)較好,但是農(nóng)戶對(duì)扶貧效果滿意度又將如何?一般認(rèn)為,扶貧政策滿意度主要反映的是扶貧對(duì)象對(duì)此項(xiàng)工作的認(rèn)同程度,是一項(xiàng)重要的政策績(jī)效的主觀評(píng)價(jià)指標(biāo)[6]。曹軍會(huì)等[7]設(shè)置家庭特征等認(rèn)知5 個(gè)維度并基于調(diào)查數(shù)據(jù)評(píng)價(jià)分析了農(nóng)戶對(duì)陜西省落實(shí)扶貧政策的滿意程度及其重要影響因素;陳天浩[8]進(jìn)一步將個(gè)體認(rèn)知因素納入分析框架,構(gòu)建了基于農(nóng)戶認(rèn)知和政策滿意度的扶貧清單執(zhí)行績(jī)效評(píng)估體系。李博等[9]認(rèn)為家庭所處村莊類型、家庭人口數(shù)、家庭成員是否包含老人、病人和長(zhǎng)期在家勞動(dòng)力等家庭特征對(duì)精準(zhǔn)扶貧認(rèn)可度會(huì)產(chǎn)生一定影響。李學(xué)軍[10]認(rèn)為貧困戶脫貧態(tài)度對(duì)脫貧有著至關(guān)重要的作用,社會(huì)扶貧主體滿意度效應(yīng)最大,市場(chǎng)主體的滿意度效應(yīng)大于政府扶貧主體的滿意度。張航等[11]運(yùn)用路徑分析法探究貧困人口脫貧能力和內(nèi)生動(dòng)力對(duì)教育扶貧政策滿意度的影響機(jī)制認(rèn)為,貧困人口對(duì)教育扶貧政策滿意度處于中等水平。本文以2020 年實(shí)現(xiàn)脫貧的廣西林業(yè)生態(tài)扶貧脫貧工作作為研究對(duì)象,探討廣西脫貧人口對(duì)林業(yè)生態(tài)扶貧滿意度的影響因子,為推動(dòng)林業(yè)生態(tài)扶貧脫貧成果鞏固與鄉(xiāng)村振興有效銜接提供重要的理論支撐與必要保障。
在中國(guó)期刊網(wǎng)(CNKI)等數(shù)據(jù)庫(kù)用關(guān)鍵詞“林業(yè)生態(tài)扶貧”“效果”“綜合評(píng)價(jià)”檢索被引頻次高的文獻(xiàn),發(fā)現(xiàn)關(guān)于“林業(yè)生態(tài)扶貧脫貧政策滿意度”的評(píng)價(jià)指標(biāo)研究?jī)?nèi)容較少,因此再次用關(guān)鍵詞“扶貧脫貧”“滿意度”檢索被引頻次高的文獻(xiàn),兩次檢索結(jié)果相結(jié)合來(lái)選取文獻(xiàn),并對(duì)文獻(xiàn)中出現(xiàn)的指標(biāo)進(jìn)行頻次統(tǒng)計(jì)分析。然后基于評(píng)價(jià)指標(biāo)的設(shè)立原則,再結(jié)合20 位來(lái)自林業(yè)系統(tǒng)與參與扶貧的專家討論與投票結(jié)果,選取、確定具有代表性、簡(jiǎn)明、實(shí)用的11 個(gè)林業(yè)生態(tài)扶貧脫貧政策的滿意度指標(biāo)。
表1 林業(yè)生態(tài)扶貧政策的綜合效果評(píng)價(jià)指標(biāo)Tab.1 Comprehensive effect evaluation index system of forestry ecological poverty alleviation policy
因子分析模型是假定每個(gè)原始變量由兩部分組成:共同因子(common factors)和唯一因子(unique factors)。共同因子是各個(gè)原始變量所共有的因子,解釋變量之間的相關(guān)關(guān)系。唯一因子顧名思義是每個(gè)原始變量所特有的因子,表示該變量不能被共同因子解釋的部分。原始變量與因子分析時(shí)抽出的共同因子的相關(guān)關(guān)系用因子負(fù)荷(factor loadings)表示。周勇等[12-15]利用因子分析法分析吉林省主要園林樹種葉片抗火性、馬尾松林地表可燃物載荷等,由此表明,因子分析法較為簡(jiǎn)單易行的、很好的分析涵蓋原始數(shù)據(jù)的各個(gè)因子項(xiàng),且效果良好。因此,經(jīng)過對(duì)比分析評(píng)價(jià)方法,本文選擇因子分析方法分析評(píng)價(jià)林業(yè)生態(tài)扶貧脫貧政策滿意度。
本文主要采用問卷調(diào)查方法,調(diào)查對(duì)象為20 名專家學(xué)者和廣西石漠化地區(qū)80 戶農(nóng)戶,共回收有效問卷100 份,其中貧困戶問卷80 份、專家學(xué)者問卷20 份。
樣本數(shù)據(jù)有效性主要是通過KMO and Bartlett's 檢驗(yàn)。首先通過計(jì)算得到的KMO檢驗(yàn)統(tǒng)計(jì)量為0.948,而KMO的檢驗(yàn)標(biāo)準(zhǔn)為:KMO越接近于1 越適合做因子分子析,KMO越接近0 越不適合,本次數(shù)據(jù)為0.948 表明非常適合做因子分析。其次,對(duì)該數(shù)據(jù)進(jìn)行巴特利特球形檢驗(yàn)。如果觀測(cè)值偏小則不適合做因子分析。計(jì)算得到的觀測(cè)值為8 833.446,P值為0.000,表明使用數(shù)據(jù)通過有效性檢驗(yàn)。
表2 KMO and Bartlett's 檢驗(yàn)與巴特利特球形檢驗(yàn)結(jié)果Tab.2 KMO and Bartlett's test and Bartlett's spherical test results
3.3.1 相關(guān)矩陣特征值、貢獻(xiàn)率及累積貢獻(xiàn)率
通過計(jì)算表明,因本研究提取第一個(gè)因子系數(shù)為7.678(大于60%即大部分指標(biāo)信息被提取),方差占比為69.800%,即公共因子解釋了原有變量總方差的69.800%。該因子的特征根值很高,已提取大部分原有變量的指標(biāo)信息,表明此變量較好地顯示了原有變量的數(shù)據(jù)信息。
表3 特征值、貢獻(xiàn)率和累積貢獻(xiàn)率表Tab.3 Table of characteristic value, contribution rate and cumulative contribution rate
3.3.2 因子載荷矩陣初步分析
先分析因子共同度。計(jì)算結(jié)果顯示:大多數(shù)指標(biāo)變量和因子之間的相關(guān)程度較高,表明此變量因子已代表原有變量的大部分信息,因此表明,此變量因子已包含所反映指標(biāo)的信息量,本次因子提取效果比較理想。
表4 共同度表Tab.4 Common degree table
然后分析因子載荷矩陣。通過計(jì)算分析表明,因?qū)Φ湫妥兞康淖饔貌皇鞘滞癸@,故而需要進(jìn)一步旋轉(zhuǎn)分析因子載荷矩陣。
表5 初始因子載荷矩陣Tab.5 Initial factor load matrix
(續(xù)表5)
3.3.3 旋轉(zhuǎn)后特征根、貢獻(xiàn)率和累積貢獻(xiàn)率
通過因子載荷矩陣旋轉(zhuǎn)分析表明,第一因子特征值為7.678,貢獻(xiàn)率為69.800%,累計(jì)貢獻(xiàn)率為69.800%,說(shuō)明該因子的解釋能力比較強(qiáng)。
表6 旋轉(zhuǎn)后的因子特征值、貢獻(xiàn)率及累積貢獻(xiàn)率Tab.6 The factor characteristic value, contribution rate and cumulative contribution rate after rotation
因子載荷矩陣極差極大化旋轉(zhuǎn)后的分析結(jié)果表明,專家與農(nóng)戶對(duì)林業(yè)生態(tài)扶貧脫貧政策實(shí)施的滿意度依次是:村莊美化、村莊基礎(chǔ)設(shè)施、林業(yè)產(chǎn)業(yè)扶貧、生活情況、林業(yè)工程、林業(yè)科技、林業(yè)就業(yè)、林業(yè)培訓(xùn)、村莊集體經(jīng)濟(jì)、村莊綠化、村莊生態(tài)環(huán)境質(zhì)量等,其中發(fā)揮作用最大的是村莊美化、村莊基礎(chǔ)設(shè)施、林業(yè)產(chǎn)業(yè)扶貧、生活情況、林業(yè)工程等五項(xiàng)林業(yè)生態(tài)扶貧脫貧政策措施,但是對(duì)林業(yè)培訓(xùn)、村莊集體經(jīng)濟(jì)、村莊綠化、村莊生態(tài)環(huán)境質(zhì)量產(chǎn)生的作用較小。
表7 極差極大化旋轉(zhuǎn)后的因子載荷矩陣Tab.7 Range maximization of the factor load matrix after rotation
通過對(duì)林業(yè)生態(tài)扶貧脫貧政策實(shí)施的滿意度進(jìn)行評(píng)價(jià)分析,本文得出的主要結(jié)論和政策建議如下。
由于生產(chǎn)生活條件、基礎(chǔ)設(shè)施和公共服務(wù)水平仍比較落后的深度貧困地區(qū),通過實(shí)施村莊美化、村莊基礎(chǔ)設(shè)施、林業(yè)產(chǎn)業(yè)扶貧、生活情況、林業(yè)工程等林業(yè)生態(tài)扶貧脫貧措施,充分發(fā)揮資源優(yōu)勢(shì),因地制宜,讓深度貧困地區(qū)貧困人口成功擺脫了貧困,故而深度貧困地區(qū)的農(nóng)戶對(duì)以上五項(xiàng)政策的滿意度較高。對(duì)于由缺乏勞動(dòng)力或者沒有子女或子女外出務(wù)工的家庭,以及至少有一人患有慢性疾病或大病的家庭,更希望通過林業(yè)就業(yè)、林業(yè)培訓(xùn)、村莊集體經(jīng)濟(jì)等途徑解決生活實(shí)際困難。另外,幫扶責(zé)任人的工作態(tài)度和工作成效也會(huì)對(duì)群眾認(rèn)可度產(chǎn)生一定影響??傊?,享受了林業(yè)生態(tài)扶貧脫貧政策的貧困戶滿意度會(huì)普遍高于沒有享受相應(yīng)政策的貧困戶,說(shuō)明隨著林業(yè)收入或者與林業(yè)生產(chǎn)經(jīng)營(yíng)有關(guān)的其他收入提高和生活條件改善,貧困戶對(duì)實(shí)施的各項(xiàng)林業(yè)生態(tài)扶貧脫貧政策的態(tài)度均有較好的評(píng)價(jià)。
林業(yè)擁有豐富的林業(yè)資源和生態(tài)優(yōu)勢(shì),林業(yè)在深度貧困地區(qū)決勝扶貧脫貧攻堅(jiān)戰(zhàn)中發(fā)揮了重要作用。在林業(yè)扶貧脫貧攻堅(jiān)戰(zhàn)中,需要考慮以下問題:1)如何使脫貧攻堅(jiān)相關(guān)措施與鄉(xiāng)村振興政策進(jìn)行有效銜接;2)在脫貧攻堅(jiān)戰(zhàn)中做出重要貢獻(xiàn)的哪些政策需要繼續(xù)執(zhí)行、哪些政策需要調(diào)整、還需要出臺(tái)哪些新政策等。民族要復(fù)興,鄉(xiāng)村必振興。按照產(chǎn)業(yè)興旺、生態(tài)宜居、鄉(xiāng)風(fēng)文明、治理有效、生活富裕的鄉(xiāng)村振興戰(zhàn)略總要求,涉及林業(yè)產(chǎn)業(yè)、集體經(jīng)濟(jì)、村莊綠化與美化、生態(tài)環(huán)境質(zhì)量、林業(yè)工程、林業(yè)科技、林業(yè)就業(yè)、林業(yè)培訓(xùn)、生活情況等原有林業(yè)生態(tài)扶貧脫貧成果鞏固措施依然可以在實(shí)施鄉(xiāng)村振興戰(zhàn)略中繼續(xù)優(yōu)化配置扶貧資源并發(fā)揮重要作用。