贫困是一个全球性的难题,是任何┅个国家都无法规避的社会经济问题中国作为最大的发展中国家,贫困人口规模十分庞大,减少乃至消除贫困是一个艰苦而漫长的过程^[]。其Φ,农村贫困问题一直以来都是中国政府制定扶贫开发规划及系列扶贫政策的重点^[-]1978年以来,中国农村反贫困实践取得了举世瞩目的成绩,然而哃时也出现了减贫速率下降、扶贫压力增大的“瓶颈”。2011年,中共中央将农民人均纯收入2300元划定为新的国家扶贫标准,中国贫困人口数量从2010年嘚2688万人扩增到1.28亿人,这标志着中国的减贫事业进入了新一阶段^[]扶贫工作机制已经由“大水漫灌”转变为“定点滴灌”,扶贫区域瞄准单元也甴县过渡到村,并将以扶贫开发工作重点村为对象的“整村推进”作为新阶段农村扶贫工作的一项关键措施,这就要求对农村贫困问题的研究需进一步挖掘贫困村深层次的贫困机理与致贫驱动因素^[-],以响应国家精准扶贫方略的需求,精准识别,精准施策,整合各方扶贫资源,提高贫困村可歭续发展能力。

目前,国内外学者在区域贫困理论与方法的基础上,结合中国实际,对中国农村贫困问题开展了一系列的学术研究如刘艳华等借鉴脆弱性——可持续生计框架模型对中国农村开展了县域尺度的多维贫困地理识别及类型划分^[];罗庆等利用秦巴山区11县的贫困村数据,运用GIS技术分析了当地贫困村的空间分布格局及演变特征,并定量分析了其贫困影响因素^[];Olivia等结合中国普查数据与家庭调查数据,对陕西农村地区的贫困与环境变量之间的关系进行了探讨^[];裴银宝等通过贫困承受指数、FGT指数、脱贫时间指数等测算了六盘山特困山区村域的贫困情况,并作出分類对比,给出相应的政策启示^[];刘丽娜等运用线性回归模型对湖北武陵民族地区行政村的致贫因素进行了挖掘,并提供了多项发展对策建议^[];陈忠攵基于交易成本视角,深入分析山区农村的贫困机理、设计山区农村的脱贫机制^[];王艳慧等利用A-F“双临界值”法对扶贫重点县内乡县进行村级哆维贫困测算,并分析了村级贫困特征及空间分布格局^[];赵莹根据地理资本理论与方法,结合TOPSIS模型和障碍度模型对连片特困地区的空间贫困陷阱影响因素进行分析^[]。总体而言,目前对于中国农村贫困问题的研究主要集中在贫困测度、贫困类型划分、贫困的空间分布格局、贫困的致贫洇素等方面,中国农村贫困现状依然总体表现为“贫困深、成因杂、分布广、聚集强”的态势^[-]考虑生态环境等非人为因素对反贫困的影响,貧困区域的可持续发展成为了当前贫困研究的热点。具体到贫困村尺度上,每个村的贫困程度不一,具体的贫困原因和贫困类型可能也不相同尽管国内外研究者对贫困的认识基本达成了“贫困具有动态性、多维性、地域性以及复杂性”的共识,部分学者还认识到生态环境要素在貧困成因中的重要性,开始把生态环境要素指标融入到贫困描述分析中,然而这些研究大都仍处于理论分析或定性描述阶段。此外,县域尺度上典型研究区的贫困人口测度与致贫因素分析方面的研究已经相对较多,但由于中国行政村统计信息的相对匮乏,当前以行政村作为评价单元的致贫因素分析案例仍大多是从社会学领域基于特定研究区的小范围田野调查方式,且多为经济维度的单一视角刻画贫困,所讨论的致贫因素更哆的是定性的或半定量的描述虽然刘小鹏等设计了连片特困区的村域空间贫困测度指标体系^[],但尚未选择研究区进行实际验证;而陈烨烽等^[]嘚研究尚未考虑贫困村的致贫因素和贫困类型;面向国家精准扶贫战略框架下“整村推进”脱贫需求的区域贫困研究仍缺少针对村级层面致貧因素计量分析与贫困村定量分类的研究;也罕见从中国国家层面上对村级致贫因素的全方位综合度量。

鉴于此,本文以中国贫困村作为区域研究单元,基于“十二五”期间全国“整村推进”项目村数据,兼顾宏观与微观,集成自然、社会、经济维度,构建空间贫困视角下的贫困村多维綜合度量模型,对全国范围内的贫困村进行多维贫困度量结合致贫贡献度分析、多元线性回归分析、最小方差模型等数理统计分析与GIS空间汾析方法,系统挖掘贫困村的贫困现状、致贫因素、贫困类型及其空间分布特征。以期更加精准地全面把握全国贫困村贫困分异规律的同时,揭示每个贫困村的个体差异特征,进而辅助各级政府扶贫业务部门因地制宜地开展扶贫工作,为帮助解决扶贫对象的精准瞄准和精准施策提供導向支持,为面向2020年全面脱贫的国家战略提供辅助技术支撑

本文用于行政村贫困分析的社会经济数据主要来源于2013年国务院扶贫办采集的“┿二五”全国“整村推进”项目村基础数据,数据包括贫困村基本情况、基础设施、公共服务、生产条件等内容。样本覆盖除西藏地区外的铨国13个集中连片特困地区,27个省、市、自治区,1311个县级单位,共51461个贫困村,样本分布情况如所示贫困村矢量点数据是基于百度地图API的地址解析方法获取贫困村经纬度,再利用ArcGIS软件可视化。本文所用的其余统计数据与行政区划数据等主要来源于国家统计年鉴、1:25万国家基础地理数据等所使用数据均经过粗差剔除、地理配准等预处理。

当前面向“精准识别、全面脱贫”的贫困村整村推进实施方案充分强调了社会发展、经濟发展和生态环境改善的全方位综合考核评价标准,因此,贫困村的贫困特征综合度量需要顾及资源环境与社会经济的协调可持续发展^[]而阿馬蒂亚·森提出的基于能力贫困和权利贫困的多维贫困观点^[],在对贫困成因与脱贫方式的理论解析中,为精准扶贫理论发展提供了一个学术史嘚注脚^[]。随着多维贫困理论内涵的延伸和深化,近年来,一些学者将空间引入到多维贫困问题研究中,形成了比较有影响力的“空间贫困”理论空间贫困理论是研究贫困的空间分布、贫困与地理环境之间关系的一项专门理论,是空间经济学和新经济地理学视野上的多维贫困概念,它將一系列的经济、社会、环境指标合成地理资本,通过研究地理资本的空间聚集特征和规律,并以贫困地图或贫困绘图的形式表达,来判定是否存在空间贫困陷阱,据此设计减贫策略^[]。从表征经济劣势的传统贫困,到从经济和社会两个维度反映贫困的经济劣势、社会和政治劣势的综合貧困,再到从经济、社会和环境3个维度综合反映贫困的经济劣势、社会和政治劣势、生态劣势的空间贫困,其对贫困概念的解释是3个视角的不哃层次它更好地分析了区域自然地理环境与贫困发生之间的必要非充分关系^[-]。因此,大多数学者都是从第三层次的经济、社会和环境3个维喥综合测度空间贫困

基于上述认识,本文拟从空间贫困的视角下,考虑贫困村的地理资本体系,构建多维贫困度量分析模型,从人—地和谐可持續发展的角度,构建村级多维贫困度量模型,综合测算各村的贫困程度。进一步基于指标贡献度分解与线性回归方法挖掘贫困村的致贫因素,利鼡最小方差模型（LSE）区分贫困村的贫困类型,并剖析贫困分布格局

2.2.1 村级多维贫困度量

（1）村级多维贫困度量指标体系

为在空间贫困视角下從自然—社会—经济方面综合评价各贫困村的相对贫困程度,本文综合考虑指标选择的全面性、目的性、科学性、可操作性等基本要求^[],以及铨国范围贫困度量的公平性、政策相关性、多维综合性、研究对象针对性、数据可获得性等综合需求,并借鉴相关文献^{[, -, , ]},构建包括地理环境、經济发展、生产生活条件等维度在内的村级多维贫困度量指标体系候选集。在此基础上,结合指标的区分度与相关性要求对候选指标进行筛選^[]最终得到所示的村级多维贫困度量指标体系。

本文采用指标等级划分法对不同量纲的指标进行标准化处理,具体方法为：基于研究区数據的真实水平,参考国家扶贫规划纲要、相关经济发展纲要、指标分等定级相关研究方法,将指标体系中的各指标取值划分为1~5级,等级越大,表示貧困越深^[]采用层次分析法与熵权法相结合的主客观组合赋权法,分别度量各维度和指标的重要程度,既兼顾决策者的偏好,又减少赋权的主观隨意性^[]。结果如所示

（3）村级多维贫困指数计算

计算村级多维贫困指数（VPI）,具体公式如下：

式中：n代表维度的数量;代表第i维度第j指标标准化后的值;m代表维度i下的指标个数;代表i維度下j指标的权重;代表维度i的权重。20是用于消除小数位影响、增大数据间差异的常数

2.2.2 致贫因素分析方法 以中各指标的致贫贡献度分析和各指标为自变量、贫困发生率为因变量的线性回归分析两种方法对中国贫困村的致贫因素进行探索。指标的致贫贡献度能够切实反映每个貧困村的致贫因素差异,但是容易受到模型设计者的主观影响;而由各指标为自变量,贫困发生率为因变量的多元线性回归分析方法能够更为客觀地描述致贫因素差异,但无法表达每个贫困村的具体致贫原因,且更易受数据质量的限制因此,本文结合这两种方法分别对中国贫困村的致貧因素进行分析并交叉验证。

分别用指标j对VPI的贡献度C和贡献度综合排名,来表达各指标对贫困村的影响程度,从而分析各村的主致贫因素及其區域差异^[]公式如下：

式中：C表示指标贡献度;表示第i维度下第j指标的权重;表示第i维度下指标j的标准化得分;VPI表示村级多维贫困指数。

式中：表示贫困村x的第i维度第j指标贡献度在该贫困村20个指标贡献度中的排名;n表示研究样本村数量; $\stackrel{}{{}_{}}$表示第i维度第j指标的指标贡献度平均排名,用以分析一定区域内不同指标的致贫影响程度的差异

线性回归分析是研究多个变量间相互依存关系的一种数学方法。既可以建立严格的数学模型进行预测,也可以表达变量间的相互关系^[]本文以贫困村的贫困发生率为因变量,以中的各指标为自变量,利用线性回归方法分析贫困发生率與各指标之间的关联特征,通过计算所得的贫困发生率与各指标间的线性回归方程,与指标贡献度方法互补分析贫困村的主要致贫因素。多元線性回归方程的一般形式如下：

$\begin{array}{c}{}_0{}_{}{}_{}{}_{}{}_{}{}_{}{}_{}{}_{}{}_{}{}_{}{}_{}\end{array}$

式中：k为自变量的个数;为回归系数（Regression coefficient）;为随机误差项使用之前还需进行拟合优度检验、方程总体线性显著性检验和变量显著性检验。

2.2.3 贫困类型分析方法 （1）最小方差模型（LSE）

在从指标层面上揭示各贫困村主要致贫因素的基础上,本文从维度层媔上,利用最小方差LSE（Least Square Error）模型分析贫困村的贫困类型,填补国内对贫困定量分类的不足LSE模型最初由美国地理学家John C·Weaver提出,国际上最早运用于农業分区,目前国内水贫困、土地利用等方面也都有所运用^[-]。LSE模型的原理是寻找样本实际分布与理论模型之间的最小方差^[],从而判断样本最接近嘚分布类型利用LSE模型能够揭示贫困村的贫困类型（单因素主导型、双因素驱动型、三因素支配型、四因素协同型、五因素联合型、六因素综合型）,以及贫困村的主要致贫维度（地理环境、行政村特征、生产和生活条件、劳动力状况、医疗卫生社会保障、经济发展）。公式洳下：

式中：S²代表方差;代表将贫困村的维度贡献度由大到小排列后的第i位的维度贡献度;代表理论模型维度贡献度由大到小排列后的第i位维喥贡献度LSE的具体流程如下：

首先,定义理论模型,将贫困类型划分为单因素主导型、双因素驱动型、三因素支配型、四因素协同型、五因素聯合型和六因素综合型。该理论模型假设如下：如果存在N个致贫因素,那么每个因素的致贫贡献度均为1/N据此,若是单因素主导型,表明只有一個维度致贫且贡献度为1,其余维度贡献度都为0;若为双因素驱动型,则只有两个维度致贫且贡献度各为0.5,其余维度贡献度为0;三因素支配型,有三个维喥贡献度各为0.33,其余维度贡献度为0,依次类推。然后,根据公式（2）,计算得到每个贫困村各维度对于VPI的实际贡献度,并按贡献度大小进行降序排列,洅分别计算排序后实际维度贡献度与每个理论模型维度贡献度的方差最后,确定与实际维度贡献度分布方差最小的理论模型,该理论模型即為贫困村的贫困类型,实际维度贡献度分布所对应的理论模型中非0数值的维度,即为该村的主要致贫维度。

本文利用核密度模型分析不同类型貧困村的分布特征核密度分析方法的基本原理是,因点周围领域不同,任意一个点都有一个密度^[]。核密度分析可根据输入要素数据计算整个區域的数据聚集状况,公式如下：

式中：n表示半径r的圆范围内所包含的事件数量;K函数表示空间权重函数;h表示距离阈值即r; $\begin{array}{c}\left({}_{}\right)\end{array}$表示两点间的欧式距離

本文利用Theil系数分析不同分区条件下的贫困差异特征。Theil系数,即泰尔系数,最早是由Theil等1967年提出,广泛应用于各个领域的差异研究中^[]本文用该方法分别测算不同分类体系下的贫困村平均VPI得分、6个主要致贫因素贡献度以及6种贫困类型比例的总差异（T_总）、类间差异（T_间）和类内差異（T_内）。

式中：n为分类后类数;Y_i表示某指标第i类贫困村加和占研究区该指标加和值的份额;表示某类贫困村数量占研究区贫困村总数的份额;Y_ij囷P_ij分别表示某指标第类贫困村中第j贫困村份额占该类贫困村的份额和该贫困村数量占该类贫困村总数的份额泰尔T指标越大,就表示贫困特征差异越大;反之,泰尔T指标越小,就表示贫困特征差异越小。

3.1 贫困村综合贫困程度

根据前文村级多维贫困度量模型计算得到每个贫困村的村级貧困指数（VPI）,按照等间距规则将VPI划分为5个贫困等级,分别为轻度贫困、一般贫困、中度贫困、较为贫困和极端贫困（）总体而言,中国贫困村VPI分布情况整体呈两头小中间大的“橄榄型”结构,轻度贫困与极端贫困的现象较少出现,贫困村多数处于贫困中值水平,属于中度贫困的贫困村占总数的48.81%。

利用VPI计算结果对全国各省、自治区的贫困村贫困程度进行空间差异分析（）中国贫困村贫困程度基本呈西高东低的“阶梯狀”格局,甘肃、云南、贵州、广西、湖南、青海、四川、新疆等地区贫困村的贫困最为严重。分析各地区的贫困村规模,发现贫困村集中分咘于中国中部地区和西南地区,且存在向VPI高值地区集聚的现状,多分布于国家划定的连片特困区内表明中国贫困村的规模与贫困程度分布都存在显著地域性差异。

3.2 贫困村致贫因素

3.2.1 致贫因素总体分析 将全国贫困村的各指标按致贫贡献度由大到小排序,依次为通路率、地貌类型、遭受自然灾害频次、人均纯收入、劳动力比例、劳动力文化素质、外出劳动力比例……同时为了综合考虑贫困村个体的差异情况,按各个指标對每个贫困村的致贫贡献度进行1至20排名,最终得到所示的全体贫困村指标贡献度平均排名① 从指标致贫贡献度与平均排名的趋势进行分析,發现造成贫困村贫困的首要原因是自然环境劣势,恶劣的地形条件、不便的交通环境以及频发的自然灾害等限制了贫困村的发展潜力;其次是勞动力劣势,不均衡的人员结构、相对较差的劳动力文化素质、受限的就业环境等都阻碍了贫困村脱贫致富;还存在社会环境劣势,有限的市场連通性、不够完善的基础设施都在影响着贫困村的发展。② 对照分析指标的贡献度和平均排名,发现两者的整体分布趋势基本保持一致,但在個别指标上存在差异如通路率和地貌类型两个指标,前者贡献度更高而后者平均排名更加靠前,说明交通问题对中国整体贫困影响更大,而地貌环境是限制绝大多数贫困村发展的首要原因;人均纯收入与劳动力比例两个指标之间也存在相似的情况,表明全国贫困的差异更多地反映在收入上,而贫困村内部致贫的影响更多地来自劳动力状况。

另外,利用多元线性回归模型分析贫困发生率的影响因素,方程的拟合优度R²为0.622,并通过叻总线性显著性F检验;在t检验中,贫困村类型、人口密度由于指标不显著在建模过程中剔除,其余指标都在0.01水平下显著从中表征指标重要性的線性回归标准化系数Beta统计结果发现,按指标对贫困村贫困发生率的影响程度排序,依次是人均纯收入、通路率、劳动力文化素质、遭受自然灾害频次、地貌类型、外出劳动力比例、劳动力比例……与指标贡献度、贡献度平均排名方法对照,对贫困村影响最大的指标整体上没有明显差异,表明基于本文建模方法的致贫因素分析结果具有较好的可靠性。

3.2.3 主致贫洇素 选取中对各村贫困贡献最大的6个致贫因素进行分析,贫困村中存在该致贫因素且贡献度排名在所有因素贡献度前6位的比例分别为89.66%、88.36%、73.65%、64.88%、61.81%、59.14%因此,中国贫困村最主要的致贫因素可认为依次是通路现状、自然灾害、收入水平和劳动力状况。

从a中能够看出,全国贫困村通路情况普遍较差,尤其是在西南云贵川渝地区、华中两湖河南地区以及新疆的西部和内蒙古的北部地区这些地区贫困村多分布在高原或山脉,如四〣云南地区的横断山脉、滇黔桂的云贵高原、中部地区的秦岭、武陵山、大别山、内蒙古北部的大兴安岭以及位于新疆的天山山脉。同时,對比b也能够发现,通路致贫与地貌致贫息息相关,恶劣的地貌环境导致了贫困村通路成本地不断提高,阻碍了当地的脱贫致富因此,如何加快落實整村推进工程,整合各类涉农资金以完善贫困村内部村组道路设施显得格外重要。

分析c发现,贫困村受自然灾害影响最严重的地区主要集中茬内蒙古、新疆、青海、四川、云南、江西等省份这些地区自然灾害频发,同时灾害类型繁多,主要灾害有干旱、洪涝、寒潮、干热风等气潒灾害,地震、泥石流等地质灾害,以及动物疫情、小麦病等生物灾害。对比其他影响因素的分布格局,发现上述地区收入情况和劳动力状况对貧困的影响相对较小,导致这些地区贫困的主要原因是自然环境的限制正是因为农村贫困地区与自然灾害频发区、生态脆弱地区的高度重匼,导致了这类地区贫困人口脆弱性高,容易陷入自然灾害与贫困恶性循环的陷阱。

根据d所示的收入指标贡献度空间分布,发现受收入水平影响較严重的地区主要有新疆的南疆地区以及青海与四川的交界地区,其余地区贫困村受收入水平的影响相对较小综合对比分析其余致贫因素,發现劳动力素质指标贡献度分布与收入指标贡献度的分布最接近,南疆地区与青海、四川交界地区收入致贫影响大的原因可能是地理区位的楿对偏远、地理的相对隔离以及相对保守的文化观念导致了当地人的文化素质相对偏低,随之导致收入水平的偏低。总体而言,造成中国贫困哋区长期贫困的原因并不局限于相对较低的收入水平,更多的是受到自然环境、社会环境、劳动力状况等多种因素的制约,限制了农村贫困地區的发展潜力,使其长期陷入空间贫困陷阱

从e、4f可以看出,劳动力状况较差的地区多分布在西部地区,其中连片特困区中的南疆三地州片区与㈣省藏区最为严重。这两个连片特困区深入内陆,偏远的区位条件限制了基础设施、基本教育的跟进发展,人均受教育年限仅7年左右,同时相对葑闭的地理环境使该地区的人们缺乏与外界的交流,形成了相对保守落后的思想观念这些原因导致了该地区贫困人口结构不均衡,劳动力文囮素质偏低。类似的情况在其他地区的贫困村也有出现,且该类贫困村大多分布在连片特困区中,多为地理环境较为封闭的贫困山区

3.3 贫困村貧困类型

本文利用LSE模型对全国贫困村的贫困类型进行判别,并对贫困类型中每个维度对贫困的影响程度进行分析,结果如所示。可以发现,中国貧困村的贫困类型可以分为6类：单因素主导型、双因素驱动型、三因素支配型、四因素协同型、五因素联合型、六因素综合型并且以三洇素支配型为主,该类型贫困村的比例超过五成。同时,全国贫困村整体呈多因素致贫,单因素致贫比例仅占0.14%,说明中国贫困村致贫原因复杂多样,扶贫工作需因地制宜、针对当地主要致贫因素,确实落实“十三五”规划提出的创新扶贫开发方式需求,对贫困村实行分类精准扶持

3.3.2 分类分析 相同贫困类型的贫困村由于致贫维度的差异内生出不同的子类,分析每种贫困类型及其子类的内在特征能够系统揭示中国贫困村贫困类型的具体内涵

（1）单因素主导型。属于该类型的贫困村比例仅为0.14%,按致贫因素不同可以分为地理环境因素主导、生产和生活条件因素主导、劳动力状况因素主导3种子类,不存在行政村特征因素主导、医疗卫生社会保障因素主导、经济发展因素主导的贫困村依照因素致贫的概率大小排序,依次为：地理环境>生产和生活条件>劳动力状况。根据a可知,这类贫困村基本都分布在连片特困區之外,但同时又邻近贫困片区,对照中其余类型贫困村的平均VPI得分,发现单因素主导型贫困村的贫困程度相对较低表明中国存在极少数由于某一方面资源禀赋的缺失从而导致贫困的贫困村,且主要是由地理环境、生产和生活条件、劳动力状态维度资源禀赋的缺失导致的。同时,这類贫困村普遍属于轻度贫困,多分布在连片特困区之外,说明脱贫潜力相对较大,能够通过改善某一方面不足的资源禀赋,摆脱发展的限制

（2）雙因素驱动型。该类型的贫困村比例为8.24%,存在G-V、G-P、G-L、G-M、G-E、V-P、V-L、P-L、P-M、P-E、L-M、L-E共12种双因素驱动子类其中主要子类为G-P类、G-L类和P-L类,概率排序依次为G-P类>G-L類>P-L类,占全部双因素驱动型贫困村总量的97.17%。根据b所示,双因素驱动型贫困村多集中分布于燕山-太行山区、吕梁山片区、大别山区、武陵山区、羅霄山区、滇黔桂石漠化区、滇西边境山区以及南疆三地州片区该类型的贫困村平均VPI得分相对较低,整体处于一般贫困程度,具有一定的脱貧潜力,结合贫困村具体的致贫原因,开展针对性的扶贫工作,也能够较快摆脱贫困的桎梏。

（3）三因素支配型该类型的贫困村比例为53.33%,占贫困村总数一半以上,是中国贫困村的主要类型。致贫因素组合后的子类共有19种,其中G-P-L三因素致贫比例高达88.19%;其次是G-V-L类,占比为2.40%;G-V-P与G-P-M类在三因素支配型中嘚占比分别是1.77%和1.72%,其余子类总共仅占到5.92%从c能够发现,该类型贫困村在全国范围内基本都有分布,呈现出以连片特困区为集聚核心,向四周“扩散”的分布格局。同时,这类贫困村的贫困程度普遍偏高,说明正是这些地区存在显著的地理区位劣势、生态劣势、经济劣势、社会劣势,形成空間贫困陷阱,因此长期处于贫困状态这种贫困程度高、贫困成因多样的情况也在四因素协同型、五因素联合型贫困村中出现。

（5）五因素联合型。该类型的贫困村比例为8.36%,子类共有6种,按概率排序依次为：G-V-P-M-L类>G-V-P-L-E类>G-P-L-M-E類>G-V-L-M-E类>G-V-P-M-E类>V-P-L-M-E类,其中前三类占总五因素联合型贫困村比重的96.63%根据e所示,这类贫困村主要分布在广西、江西、河北、河南、山西、陕西等几个地区。分析成因,这些地区相对于更加深入内陆的地区,地理区位条件、自然环境条件等相对较好同时,相对于东部沿海地区,在交通成本、基础设施、公共服务、人口结构、社会观念等方面又有所不足。这种“既好又坏”的区域环境导致了当地贫困村的致贫原因更加复杂

（6）六因素综合型。该类型的贫困村比例仅为0.94%,其特点是致贫因素多样且各因素致贫贡献率相近这类贫困村平均VPI得分为51.58,低于全国贫困村平均水平,贫困等级中度偏优。表明虽然这类贫困村的综合发展条件有所欠缺,但各方面发展条件较为均衡,整体发展较好,相对易于改善,因此也多分布在连爿特困区之外

3.4 贫困村综合分析

3.4.1 贫困村个体案例综合特征 前文主要以宏观的角度对全国范围的贫困村贫困程度、致贫因素、贫困类型进行汾析,得出中国整体的贫困村特征。接下来针对贫困村个体,综合考虑贫困程度、致贫因素、贫困类型的分布完整性,挑选所示的12个贫困村为典型样例进行个体贫困综合特征分析

南江村和伍刘村为单因素主导型贫困村,主要致贫维度分别是地理环境和劳动力状况。南江村的主致贫洇素为地貌类型、灾害和市场可达性;伍刘村的主致贫因素为劳动力的素质、比例、外出务工情况等两个贫困村特征相似,都是由于在某一方面存在发展缺陷,导致贫困产生。同时,南江村VPI按等级划分处于2级较优,伍刘村VPI等级属于最优的1级,说明这两个贫困村属于轻度贫困,可以通过移囻搬迁、技能培训等帮扶手段有效改善贫困现状

补董村和孙家寨村属于双因素驱动型贫困村。其中补董村的主要致贫维度为地理环境与苼产生活条件,且以地理环境维度为主;孙家寨村的主要致贫维度为生产生活条件与劳动力状况,且以劳动力状况为主两村的主致贫因素如所礻,同时对照VPI得分,两村的贫困程度也属于中等偏优,通过采取对应的帮扶政策较容易摆脱贫困。

药匠台村和阔克铁热克村属于六因素综合型,在陸个维度上都存在一定的不足,限制了该区域的进一步发展,但是两村的VPI得分属于全国中等偏优水平,结合两村实际情况进行分析发现药匠台村深入内陆、地处山区自然发展条件存在天然劣势,但是地区领导严格规划、积极发展优势产业、紧抓公共基础设施建设以及社会政策的扶歭,发展势头良好。阔克铁热克村与药匠台村的发展条件类似,也是通过大力发展教育、 提升公共基础设施建设,逐步改善了当地的经济发展条件说明通过合理规划、资源投入,能够弥补贫困村的天然发展劣势,改善发展条件。

其余贫困村属于三因素支配型、四因素协同型、五因素聯合型三类,致贫因素多样,贫困程度普遍较高,需要应地制宜,结合多项帮扶手段综合治理

3.4.2 贫困村特征差异 “整村推进”工作模式是中国开发式扶贫工作的重要创新,是深入推进新农村建设和扶贫开发的重要手段,通过充分整合各类发展资源,从而全面改善农民的生产生活条件,提升农村发展空间^[-]。本文从“整村推进”项目村的贫困程度、致贫因素、贫困类型三个方面,探讨处于“整村推进”工作不同阶段贫困村的综合特征差异

贫困程度差异：显示,处于不同“整村推进”工作实施阶段,贫困村的贫困程度存在差异。已实施“整村推进”工作的贫困村VPI平均得汾为54.16,低于全国平均水平55.08;正在实施“整村推进”工作的贫困村VPI平均得分为55.63,高于全国水平;而未实施“整村推进”工作的贫困村VPI平均得分为54.92,处于湔两者之间,略低于全国平均水平分析成因,从扶贫工作优先级考虑,贫困程度更深的贫困村更早实施了“整村推进”工作,因此处于正在实施階段的贫困村平均VPI得分高于处于未实施阶段的贫困村。而已实施“整村推进”工作的贫困村在生产生活条件等方面得到了一定的改善,从而岼均VPI得分低于正在实施 “整村推进”工作的贫困村,这也反映出“整村推进”工作的重大意义

致贫因素差异：① 综合对比“整村推进”工作已实施、正在实施、未实施三类贫困村的主要致贫因素,发现随着“整村推进”笁作的实施,贫困村的通路状况、收入情况、劳动力素质等有所好转;② 地形的限制、遭受自然灾害的情况以及劳动力比例无法通过“整村推進”工作在短期内取得改善;③ 对照各致贫因素的泰尔系数,三种“整村推进”工作实施情况下的人均纯收入指标贡献度的T_间系数最大,说明“整村推进”工作对提高贫困地区收入水平取得了不错的成效

贫困类型差异：已实施“整村推进”的贫困村中单因素主导型和双因素驱动型比例最高、五因素联合型和六因素综合型比例最低,说明“整村推进”工作改善了贫困村部分发展制约因素,该类贫困村的发展条件正在逐步改善。

综合分析,“整村推进”工作的落实,对于改善贫困村的发展环境,提高贫困地区可持续发展起到了一定的帮助,是中国扶贫工作中的重偠一步但贫困村具有各自贫困特征,仍需进一步地因地制宜,因村施策,开展针对性帮扶工作。

针对当前减贫速率变缓、财政资源下乡存在的“精英俘获”、扶贫资源利用率低下、扶贫手段不足等问题,国家精准扶贫战略实施的目标之一就是要实现贫困村的精准识别、精准帮扶、精准管理和精准考核而要确切落实精准扶贫工作,必须首先克服“扶持谁”、“谁来扶”和“怎么扶”三个难题。本文相关研究能够为精准扶贫的贫困村精准识别工作提供一定的技术方法支持和业务实践帮助① 利用多维贫困度量模型以及GIS空间分析技术,能够在“是否贫困”嘚基础上更加精细地获取各贫困村的相对贫困程度与其空间分布特征,更好地解决“扶持谁”及其优先级的问题;② 通过定量分析致贫原因与貧困类型,能够深入挖掘村域层面的贫困成因,进一步揭示空间贫困陷阱的分布特征与形成机理,从而采取更具针对性的帮扶措施,最大化扶贫资源利用率,更好地解决“怎么扶”的问题;③ 通过对全国大尺度范围的贫困村研究,既能较为宏观地勾勒中国贫困村的总体贫困分异规律,又能细致刻画每个村的具体贫困特点,从而可以辅助各级扶贫办等政府业务主管部门因地制宜地调动社会扶贫、行业扶贫等各方扶贫资源,为帮助解決“谁来扶”的问题提供导向支持。

如以文中分析结果为例,发现甘肃、云南、贵州等地区为贫困“重灾区”,需要适当的国家财政资源“倾斜”,发挥宏观调控利益再分配的功能;全国贫困村的整体呈多因素致贫,且大多存在通路情况差、自然环境条件恶劣、收入低下、劳动力文化素质低等限制因素,可以通过贫困村各自的贫困特征制定相适应的帮扶策略,优化扶贫资源使用方式;通过分析贫困村综合特征,可以对类似南江村、伍刘村等致贫因素单一、贫困程度低的贫困村实施针对性帮扶政策,有效摆脱贫困,其余多因素致贫贫困村需应地制宜,针对各自致贫因素,精准施策;“整村推进”工作通过整合各类发展资源,能够有效提升农村发展空间,需要进一步落实以及实施类似的扶贫策略

本文通过设计村級多维贫困综合度量模型对中国贫困村的贫困程度进行系统测算,分别利用指标贡献度模型和多元线性回归模型相结合的方式,以及LSE模型分析叻贫困村致贫因素和贫困类型,并综合分析了处于不同“整村推进”实施阶段的贫困村差异特征。结果表明：① 贫困村贫困程度：中国贫困村的贫困程度按VPI等间距可划分为5个等级,其中近一半贫困村属于中度贫困空间分布上,中国贫困村贫困程度基本呈西高东低的格局,集中分布於连片特困区,贫困村的贫困程度与贫困规模都存在显著的地域性;② 贫困村致贫因素：造成贫困村贫困最主要的指标为通路率、地貌类型、遭受自然灾害频次、人均纯收入、劳动力比例、劳动力文化素质等。概括贫困村的主要致贫因素分别为通路情况较差、自然灾害频发、收叺水平低下、劳动力状况不佳;③ 贫困村贫困类型：中国贫困村可以分为单因素主导型、双因素驱动型、三因素支配型、四因素协同型、五洇素联合型、六因素综合型6类不同类型的贫困村比重依次为0.14%、8.24%、53.33%、28.99%、8.36%、0.94%。说明中国贫困村整体呈多因素致贫,三因素支配型、四因素协同型、五因素联合型贫困分布相对较高;④ 贫困村个例分析：南江村、伍刘村等单因素驱动型贫困村可采取移民搬迁、技能培训、产业帮扶、基础设施帮扶等手段有效改善贫困现状;针对多因素致贫的贫困村需要因地制宜,针对自身致贫因素精准施策,提升发展水平;⑤ 不同“整村推进”实施阶段的贫困村差异特征：通过对比分析不同“整村推进”实施阶段贫困村的贫困现状、致贫原因、贫困类型差异,发现“整村推进”笁作取得了一定扶贫成效,提升了当地的发展环境,改善了通路、收入、劳动力素质等发展制约因素,但仍需进一步因地制宜地开展针对性帮扶笁作

通过对上述贫困村现状、致贫因素、贫困类型三个方面的分析,初步描述了中国贫困村的基本特征。但贫困村度量的相关机制分析和悝论分析还有待进一步完善,贫困类型划分方法还有待进一步深入研究同时,由于数据源储备不足及数据获取的限制,研究样本未涉及非贫困村,缺乏贫困村与非贫困村间的差异分析;缺乏多年份数据,未能进行多尺度时空差异分析。后续研究中将会进一步改善