許啟發(fā),王俠英

(合肥工業(yè)大學(xué) 管理學(xué)院,合肥 230009)

經(jīng)濟管理研究

安徽省城鄉(xiāng)居民貧困脆弱性因子分析

許啟發(fā),王俠英

(合肥工業(yè)大學(xué) 管理學(xué)院,合肥 230009)

以可持續(xù)生計發(fā)展框架為主要依據(jù),構(gòu)建評價指標體系;運用因子分析法,對安徽省十六個城市的城鎮(zhèn)和鄉(xiāng)村居民貧困脆弱性進行綜合評價。選取2015年數(shù)據(jù)進行了實證研究,結(jié)果表明:安徽省城鎮(zhèn)和鄉(xiāng)村居民貧困脆弱性的主要影響因素均為經(jīng)濟文化程度;安徽省城鎮(zhèn)和鄉(xiāng)村居民貧困脆弱性呈現(xiàn)出一定地區(qū)分布特征。根據(jù)實證研究結(jié)果,從政府、社會和家庭三個方面,給出了貧困脆弱性的解決方案。

貧困脆弱性;城鄉(xiāng)居民;因子分析;地區(qū)差異

一、引言

依據(jù)家庭當前收入或消費計算的貧困指標,只是靜態(tài)地度量了家庭的福利水平,沒有考慮到家庭未來福利變化的風(fēng)險,是一種事后測度。根據(jù)這種事后測度結(jié)果所制定的反貧困政策,不具有前瞻性,無法在貧困發(fā)生之前阻擊貧困。針對這一狀況,2001年世界銀行正式提出“貧困脆弱性”的概念,并將其描述為“沖擊造成未來福利下降的可能性”。之后,這一前瞻性視角迅速成為發(fā)展經(jīng)濟學(xué)領(lǐng)域的一個研究熱點。

目前,貧困脆弱性的測度方法主要有三種。第一,風(fēng)險暴露脆弱性,將貧困和風(fēng)險聯(lián)系起來度量脆弱性[1];第二,期望效用脆弱性,用期望效用與效用之差來度量脆弱性[2];第三,期望貧困脆弱性,用未來陷入貧困的概率來度量脆弱性[3]。在貧困脆弱性影響因素研究方面,方迎風(fēng)建立了關(guān)于能力投資與沖擊的理論和實證模型,分析外部沖擊對個體在“能力”投資與消費間的資源配置決策的影響,發(fā)現(xiàn)在受到負的外部沖擊時,個體的貧困脆弱性會增大[4];楊浩等分析了氣象災(zāi)害對農(nóng)戶脆弱性的影響,發(fā)現(xiàn)水災(zāi)、旱災(zāi)、風(fēng)災(zāi)等氣象災(zāi)害普遍加重了農(nóng)戶的脆弱性[5];胡金焱、許慶、葉茜茜等則分別從農(nóng)村民間借貸和民間資本投資偏好的角度對貧困脆弱性影響因素問題進行了探究[6-8]。隨著研究的進一步深入,學(xué)者們通過構(gòu)件評價指標體系[9-11],運用聚類分析法和熵權(quán)灰色關(guān)聯(lián)分析法等方法進行脆弱性的定量分析與評價[12-14]。如賀祥等在構(gòu)建農(nóng)村貧困脆弱性評價指標體系基礎(chǔ)上,運用熵權(quán)灰色關(guān)聯(lián)分析法,對貴州巖溶山區(qū)農(nóng)村貧困脆弱性進行定量分析與評價,發(fā)現(xiàn)生態(tài)環(huán)境脆弱性、生態(tài)承載力等對農(nóng)村貧困脆弱性有強烈脅迫性[13]。

本文基于可持續(xù)生計發(fā)展框架[15],運用因子分析法實證研究安徽省十六個城市城鎮(zhèn)和鄉(xiāng)村居民的貧困脆弱性。通過探究貧困脆弱性的影響因素,進一步剖析貧困脆弱性的具體原因,一方面,補充貧困脆弱性相關(guān)理論與方法;另一方面,為政府部門制定扶貧政策提供決策依據(jù)。

二、貧困脆弱性評價指標體系

參考英國國際發(fā)展署(DFID)提出的可持續(xù)生計發(fā)展框架進行貧困脆弱性評價指標體系的構(gòu)建,該框架假設(shè)農(nóng)戶生活在一個脆弱性的環(huán)境中,農(nóng)戶可以利用一定的生計資產(chǎn)和減貧因素來應(yīng)對這種脆弱的環(huán)境和各種風(fēng)險的沖擊。生計資產(chǎn)取決于農(nóng)戶自身綜合能力、親友關(guān)系、外部組織機構(gòu)和規(guī)則環(huán)境變革,通過對各個農(nóng)戶利用這五種生計資產(chǎn)抵御風(fēng)險的能力的測量,可以定量的反映家庭貧困脆弱性的程度。本文利用相應(yīng)狀況的人均水平定量反映各城市貧困脆弱性的程度。

根據(jù)貧困脆弱性和可持續(xù)生計發(fā)展框架的相關(guān)性,考慮生計風(fēng)險因素、現(xiàn)有資產(chǎn)因素和適應(yīng)策略因素,建立安徽省城鄉(xiāng)居民貧困脆弱性評價指標體系,見表1。

1.生計風(fēng)險因素

選擇從業(yè)人口占比、第一產(chǎn)業(yè)占比和常住人口增長指標衡量生計風(fēng)險情況。其中,從業(yè)人數(shù)占比是指城鄉(xiāng)從業(yè)人口占城鄉(xiāng)總?cè)丝诘谋戎亍３青l(xiāng)居民大多以從業(yè)收入為主要經(jīng)濟來源,一旦遭遇自然災(zāi)害或失業(yè),這些城鄉(xiāng)居民的損失為最大。第一產(chǎn)業(yè)占比是指第一產(chǎn)業(yè)在三個產(chǎn)業(yè)中所占的比重,其生產(chǎn)收成與自然環(huán)境密切相關(guān),當自然環(huán)境受到破壞,生產(chǎn)受阻,收成減少。而且對城鄉(xiāng)一般居民而言,高等教育費用和醫(yī)療費用普遍偏高,家庭人口增長趨勢會加重家庭負擔,風(fēng)險隨之增加。

2.現(xiàn)有資產(chǎn)因素

選擇人均受教育年限、人均可支配收入和森林覆蓋率指標衡量現(xiàn)有資產(chǎn)情況。其中,城鄉(xiāng)居民家庭人均可支配收入與城鄉(xiāng)居民抵御風(fēng)險的能力呈正相關(guān),其人均可支配收入越高,生活越富裕,應(yīng)對災(zāi)難更加從容,貧困脆弱性相對較低。森林覆蓋率是反映森林資源豐富程度和生態(tài)平衡狀況的重要指標。當一個地區(qū)森林覆蓋率高時,其生態(tài)平衡狀況良好,生態(tài)恢復(fù)力較強;反之,如果一個地區(qū)森林覆蓋率低,其在水土保持上的作用不大,容易受到自然災(zāi)害的影響,如旱災(zāi)、泥石流等。

3.適應(yīng)策略因素

選擇低保人數(shù)占比、城鄉(xiāng)參加醫(yī)療保險人數(shù)、人均生產(chǎn)總值指標衡量適應(yīng)風(fēng)險能力。其中,城鄉(xiāng)低保人數(shù)占比是指城鄉(xiāng)低保人數(shù)占城鄉(xiāng)總?cè)丝诘谋戎?當城鄉(xiāng)居民家庭人均收入低于當?shù)爻青l(xiāng)低保標準時,需要當?shù)卣o予應(yīng)有的救助以增強其抵御風(fēng)險的能力。而城鎮(zhèn)居民參加醫(yī)療保險可以相應(yīng)增強其抵御疾病風(fēng)險的能力,減緩其貧困脆弱性。人均生產(chǎn)總值是指按市場價格計算的一個地區(qū)所有常住單位在一定時期內(nèi)生產(chǎn)活動最終成果的人均值,是反映該地區(qū)經(jīng)濟發(fā)展的重要指標之一。

三、評價模型與方法

因子分析法是指從研究指標相關(guān)矩陣內(nèi)部的依賴關(guān)系出發(fā),把一些信息重疊、具有錯綜復(fù)雜關(guān)系的變量歸結(jié)為少數(shù)幾個不相關(guān)的綜合因子的一種多元統(tǒng)計分析方法。

1.數(shù)學(xué)模型

因子分析法的基本目的就是用少數(shù)幾個因子去描述許多指標或因素之間的聯(lián)系,即將相關(guān)比較密切的幾個變量歸在同一類中,每一類變量就成為一個因子,以較少的幾個因子反映原資料的大部分信息。數(shù)學(xué)模型表示如下:

表1 安徽省城鄉(xiāng)居民貧困脆弱性評價指標體系

式中,x1,x2,…,xp為p個原有變量;aij為因子載荷,就是第i個原有變量和第j個因子變量的相關(guān)系數(shù),即xi在第j個因子變量上的相對重要性;F1,F2,…,Fm為m個因子變量,m小于p;ε為特殊因子,表示原有變量不能被因子變量所解釋的部分。將其表示為矩陣的形式為:

X=AF+aε.

(2)

式中,A為因子載荷矩陣;F為因子變量或公共因子。

2.具體步驟

因子分析法的具體步驟如下。

(1)標準化數(shù)據(jù)。運用公式(3)對數(shù)據(jù)進行無量綱化處理,把原始數(shù)據(jù)轉(zhuǎn)為標準數(shù)據(jù),然后通過帶入SPSS統(tǒng)計軟件進行因子分析。

yij=(xi-xmin)/(xmax-xmin).

(3)

(2)確定是否適合進行因子分析。運用SPSS軟件進行因子分析時,則可根據(jù)KMO值來判定。KMO值越接近于1,意味著變量間的相關(guān)性越強,原有變量越適合作因子分析。

(3)提取公共因子。運用主成分分析法確定因子變量,根據(jù)相關(guān)矩陣特征值的大小來確定公共因子的個數(shù)。

(4)因子命名。利用方差最大化旋轉(zhuǎn)后的因子載荷矩陣對因子命名。對某個因子來說,若它對某個變量的因子載荷較大,且對其他變量的載荷較小,則該因子可用該變量命名。

(5)計算因子得分。依據(jù)旋轉(zhuǎn)后的因子載荷計算各個因子在每個樣本上的具體數(shù)值,得到因子得分。

四、實證研究

1.數(shù)據(jù)選取

本研究選取安徽省十六個城市:合肥市、淮北市、亳州市、宿州市、蚌埠市、阜陽市、淮南市、滁州市、六安市、馬鞍山市、蕪湖市、宣城市、銅陵市、池州市、安慶市和黃山市為研究對象,參照表1所示的指標體系,從2016年安徽省統(tǒng)計年鑒獲取數(shù)據(jù)進行實證。

2.貧困脆弱性評價

先對數(shù)據(jù)進行標準化處理,然后運用SPSS統(tǒng)計分別對安徽省城鎮(zhèn)居民和鄉(xiāng)村居民的貧困脆弱性進行因子分析。

(1)安徽省城鎮(zhèn)居民貧困脆弱性

安徽省城鎮(zhèn)居民貧困脆弱性因子分析結(jié)果顯示KMO檢驗測度值為0.504,sig=0.000,Bartlett球形假設(shè)被拒絕,表明選取的變量指標間存在較強的線性關(guān)系,適合做因子分析。通過分析,得到因子解釋原有指標變量總方差的情況如表2所示。

表2描述了隨著因子數(shù)量的變化,原有9個指標變量的信息涵蓋情況。表中所列出的主成分是按照特征根值從大到小的次序排列的。由表可知,第一個因子的特征根值是4.06,它解釋了總變異的45.10%,說明當原有變量只濃縮為一個因子時,只有45.10%的信息能被包含進去,其余54.90%的信息將丟失;第二個因子特征根值是1.68,它解釋了總變異的18.71%,累計方差貢獻率為63.81%,說明當原有變量濃縮為兩個因子時,原有變量的信息將有63.81%被保留。隨著因子數(shù)量的增加,信息丟失將減少,其特征根值小于1說明該因子的解釋力度不如直接引入原變量大,因此本研究選擇提取出3個公共因子,這時的累計方差貢獻率為82.01%。

表2 因子解釋原有變量總方差的情況

為了使每個因子上的負載盡可能遠離,使每個因子更具有代表意義,本文采用方差最大化旋轉(zhuǎn),得到旋轉(zhuǎn)后的因子載荷如表3所示。

由表3可知,第一個因子中第一產(chǎn)業(yè)占比(X2)、人均可支配收入(X5)、人均生產(chǎn)總值(X9)和人均受教育年限(X4)載荷較大,前3個指標與經(jīng)濟發(fā)展狀況密切相關(guān),后1個指標顯示文化程度,因此將F1命名為經(jīng)濟文化因子,反映各個地區(qū)經(jīng)濟發(fā)展狀況和社會文化程度;第二個因子中森林覆蓋率(X6)、低保人數(shù)占比(X7)和醫(yī)保人數(shù)占比(X8)載荷較大,這3個指標均能表示抵御風(fēng)險的能力,因此將F2命名為抵御風(fēng)險因子,反映抵御風(fēng)險能力的大小;第三個因子中從業(yè)人口占比(X1)、常住人口增長(X3)載荷較大,因此將F3命名為人口因子;由于F1、F2和F3的方差貢獻率分別為45.10%、18.71%和18.21%,所以經(jīng)濟文化程度是主要影響因素,其次是人口,最后是抵御風(fēng)險能力。

表3 旋轉(zhuǎn)后的因子載荷矩陣

在因子分析的實際應(yīng)用中,當因子確定以后,便可依據(jù)旋轉(zhuǎn)后的因子載荷計算各個因子在每個樣本上的具體數(shù)值,這些數(shù)值就是因子得分。本文以提取各公共因子的方差貢獻率占提取公共因子的累積方差貢獻率的比重作為權(quán)重,對各公共因子的得分進行加權(quán)匯總,得到綜合評價得分模型:

Z=54.99%×F1+22.81%×F2+22.20%×F3.

(4)

根據(jù)該模型計算出各公共因子得分和安徽省各城市綜合得分,最后將各城市綜合得分進行排序,具體排序情況如表4所示。

在表4中,各城市的綜合得分越高表明該城市的城鎮(zhèn)居民貧困脆弱性越低,其中合肥市的綜合得分最高為1.79,說明合肥市的城鎮(zhèn)居民貧困脆弱性在16個城市中是最低的,蕪湖市和銅陵市則分別排在第二位和第三位;亳州市、阜陽市和六安市的城鎮(zhèn)居民貧困脆弱性相對較高,綜合得分分別為-0.26、-0.52、-0.55。分析排序結(jié)果可以發(fā)現(xiàn):安徽省中東部地區(qū)城鎮(zhèn)居民貧困脆弱性最低,合肥、蕪湖和銅陵都位于安徽省的中東部;安徽省西部地區(qū)城鎮(zhèn)居民貧困脆弱性最高,亳州、阜陽和六安都位于安徽省的西北部。另外,安徽省城鎮(zhèn)居民貧困脆弱性程度與經(jīng)濟實力呈負相關(guān),在安徽省16個城市中合肥市的人均生產(chǎn)總值最高,其城鎮(zhèn)居民的貧困脆弱性最低。

表4 安徽省各城市城鎮(zhèn)綜合得分排序情況

(2)安徽省鄉(xiāng)村居民貧困脆弱性

安徽省鄉(xiāng)村居民貧困脆弱性因子分析結(jié)果顯示KMO檢驗測度值為0.594,sig=0.000,Bartlett球形假設(shè)被拒絕,表明選取的變量指標間也存在較強的線性關(guān)系,適合做因子分析。通過分析,得到因子解釋原有指標變量總方差的情況如表5所示。

同理可以提取出3個公共因子,這時的累計方差貢獻率為81.01%。

由表6可知,第一個因子中第一產(chǎn)業(yè)占比(X2)、人均可支配收入(X5)、人均生產(chǎn)總值(X9)和人均受教育年限(X4)載荷較大,可以F1將命名為經(jīng)濟文化因子,反映各個地區(qū)經(jīng)濟發(fā)展狀況和社會文化程度;第二個因子中從業(yè)人數(shù)占比(X1)和森林覆蓋率(X6)載荷較大,可以將F2命名為抵御風(fēng)險因子,反映抵御風(fēng)險能力的大小;第三個因子中常住人口增長(X3)和低保人數(shù)占比(X7)載荷較大,可以將F3命名為人口因子。由于F1、F2和F3的方差貢獻率分別為45.35%、21.84%和13.81%,所以經(jīng)濟文化程度是主要影響因素,其次是抵御風(fēng)險能力,最后是人口。

表5 因子解釋原有變量總方差的情況

采用方差最大化旋轉(zhuǎn),得到旋轉(zhuǎn)后的因子載荷如表6所示。

同理可以得到綜合評價得分模型:

(5)

根據(jù)該模型計算出各公共因子得分和安徽省各城市綜合得分,最后將各城市綜合得分進行排序,具體排序情況如表7所示。

在表7中,各城市的綜合得分越高表明該城市的城鎮(zhèn)居民貧困脆弱性越低,其中合肥市的綜合得分最高為1.21,說明合肥市的鄉(xiāng)村居民貧困脆弱性在16個城市中是最低的,馬鞍山市和銅陵市則分別排在第二和第三位;亳州市、阜陽市和宣城市的鄉(xiāng)村居民貧困脆弱性相對較高,綜合得分分別為-0.36、-0.53、-1.84。分析排序結(jié)果可以發(fā)現(xiàn):安徽鄉(xiāng)村居民貧困脆弱性程度與地區(qū)分布有關(guān),中東部地區(qū)鄉(xiāng)村居民貧困脆弱性較低,合肥市、馬鞍山市和銅陵市都位于安徽省的中東部;北部地區(qū)鄉(xiāng)村居民貧困脆弱性較高,宿州、亳州市和阜陽市都位于安徽省的北部。而安徽省的降雨量分布呈現(xiàn)南多北少的特點,不難看出,北部地區(qū)鄉(xiāng)村居民的貧困脆弱性受干旱影響較大。

表6 旋轉(zhuǎn)后的因子載荷矩陣

表7 安徽省各城市鄉(xiāng)村綜合得分排序情況

五、結(jié)果比較

安徽省城鄉(xiāng)居民的貧困脆弱性由多個因素決定,各因素間相互作用。從影響因素來看,城鎮(zhèn)和鄉(xiāng)村居民貧困脆弱性主要影響因素均為經(jīng)濟文化程度,人均可支配收入越高、受教育年限越長,居民貧困脆弱性越低;次要影響因素均為抵御風(fēng)險能力,其中森林覆蓋率載荷較大。就城鎮(zhèn)居民而言,森林覆蓋率越大,貧困脆弱性越高;低保、醫(yī)保人數(shù)越多,貧困脆弱性越低。就農(nóng)村居民而言,森林覆蓋率越大,貧困脆弱性越低;就業(yè)人數(shù)越多,貧困脆弱性越低。一方面,相比于城鎮(zhèn),農(nóng)村注重農(nóng)林業(yè)的發(fā)展,森林覆蓋率越高,農(nóng)林業(yè)發(fā)展良好,生態(tài)平衡狀況良好,貧困脆弱性越低;另一方面,政府求助、社會福利更加有利于城鎮(zhèn)居民降低貧困脆弱性。

根據(jù)因子分析法測度的安徽省城鎮(zhèn)和鄉(xiāng)村居民貧困脆弱性呈現(xiàn)較為相似的地區(qū)分布特征。第一,安徽省中東部地區(qū)居民貧困脆弱性較低,可以看到,合肥市作為安徽省省會對周邊城市經(jīng)濟發(fā)展的帶動作用,有效降低了其周邊城市城鄉(xiāng)居民貧困脆弱性。第二,安徽省北部地區(qū)居民貧困脆弱性較高,根據(jù)降雨量呈現(xiàn)南多北少的情況,不難看出,北部地區(qū)城鄉(xiāng)居民貧困脆弱性受干旱影響較大。

六、結(jié)論與啟示

本文在系統(tǒng)分析貧困脆弱性及其影響要素的基礎(chǔ)上,建立了貧困脆弱性評價指標體系,進而運用因子分析法對安徽省城鎮(zhèn)和鄉(xiāng)村居民貧困脆弱性進行了綜合評價。研究結(jié)果表明:影響安徽省城鎮(zhèn)和鄉(xiāng)村居民貧困脆弱性的主要因素是經(jīng)濟文化程度,次要因素是抵御風(fēng)險能力;安徽省城鎮(zhèn)和鄉(xiāng)村居民貧困脆弱性呈現(xiàn)較為相似的地區(qū)分布特征,安徽省中東部地區(qū)居民貧困脆弱性較低,安徽省北部地區(qū)居民貧困脆弱性較高。

根據(jù)本文實證研究結(jié)果,可以在以下三個方面開展扶貧工作。

第一,在政府層面,可以制定針對性扶貧政策。根據(jù)安徽省城鄉(xiāng)居民貧困脆弱性的特點,關(guān)注城鄉(xiāng)居民貧困脆弱性更高的北部地區(qū),對于貧困脆弱性地區(qū)給予政策傾斜;重視經(jīng)濟發(fā)展與教育培訓(xùn),通過加強教育和推動經(jīng)濟增長降低貧困脆弱性。

第二,在社會層面,可以優(yōu)化社會福利體系。穩(wěn)定貧困地區(qū)的社會治安、完善醫(yī)療保險、養(yǎng)老保險和災(zāi)害救助制度、增設(shè)就業(yè)崗位。針對城鎮(zhèn)居民,實施社會求助,幫助其抵御沖擊;針對農(nóng)村居民,增設(shè)就業(yè)崗位以增加居民收入,增強抵御風(fēng)險能力。

第三,在家庭方面,可以注重綜合素質(zhì)提升。針對居民家庭各異的特征,重視個體差異,進行技術(shù)培訓(xùn);參加社會實踐,提高自適應(yīng)能力;積極參保,響應(yīng)扶貧政策。

[1]Cafiero C, Vakis R. Risk and Vulnerability Considerations in Poverty Analysis: Recent Advances and Future Directions[R]. Washington DC:World Bank, 2006.

[2]武拉平,郭俊芳,趙澤林,等.山西農(nóng)村貧困脆弱性的分解和原因研究[J].山西大學(xué)學(xué)報,2012,35(6):95-100.

[3]葛珺沂.西部少數(shù)民族地區(qū)貧困脆弱性研究[J].經(jīng)濟問題探索,2013,(8):63-170.

[4]方迎風(fēng).沖擊、“能力”投資與貧困脆弱性[J].中國地質(zhì)大學(xué)學(xué)報,2014,14(2):103-111.

[5]楊浩,莊天慧,藍紅星.氣象災(zāi)害對貧困地區(qū)農(nóng)戶脆弱性影響研究:基于全國592個貧困縣53271戶的分析[J].農(nóng)業(yè)技術(shù)經(jīng)濟,2016,(3):103-112.

[6]胡金焱.民間借貸、社會網(wǎng)絡(luò)與貧困脆弱性[J].山東師范大學(xué)學(xué)報(人文社會科學(xué)版),2015,60(4):17-27.

[7]許慶,劉進,楊青.農(nóng)村民間借貸的減貧效應(yīng)研究:基于健康沖擊視角的分析[J].中國人口科學(xué),2016,(3):34-42.

[8]葉茜茜.民間資本投資偏好及其脆弱性的實證檢驗[J].統(tǒng)計與決策,,2016, (16):167-170.

[9]許貴福.海西經(jīng)濟區(qū)金融生態(tài)環(huán)境評價:基于修正變異系數(shù)法[J].山東工商學(xué)院學(xué)報,2016,30(6):86-92.

[10]許烜,劉純陽.城市低碳競爭力評價指標體系的構(gòu)建及實證[J].統(tǒng)計與決策, 2014,(21): 60-61.

[11]吳戰(zhàn)勇.基于DEA的河南省發(fā)展低碳經(jīng)濟的效率評價[J].統(tǒng)計與決策, 2015,(5):56-58.

[12]李伯華,陳佳,劉沛林,等.欠發(fā)達地區(qū)農(nóng)戶貧困脆弱性評價及其治理策略[J].中國農(nóng)學(xué)通報,2013,29(23): 44-50.

[13]賀祥,熊康寧.基于熵權(quán)灰色關(guān)聯(lián)法的貴州巖溶山區(qū)農(nóng)村貧困脆弱性分析[J].江蘇農(nóng)業(yè)科學(xué),,2014, 42(3):376-381.

[14]邢震.生產(chǎn)性服務(wù)業(yè)就業(yè)吸納能力及影響因素研究:基于浙江省臺州市的實證分析[J].山東工商學(xué)院學(xué)報,2016,30(1):61-67.

[15]李小云,張雪梅,唐麗霞.當前中國農(nóng)村的貧困問題[J].中國農(nóng)業(yè)大學(xué)學(xué)報,2005,10(4):67-74.

[責任編輯:陳宇涵]

10.3969/j.issn.1672-5956.2017.02.005

2017-02-28

安徽省哲學(xué)社會科學(xué)規(guī)劃基金項目”安徽省城鄉(xiāng)居民家庭貧困脆弱性研究”(AHSKY2014D103)

許啟發(fā),1975年生,男,安徽和縣人,合肥工業(yè)大學(xué)教授,研究方向為數(shù)量經(jīng)濟理論與方法、金融計量,(電子信箱)xuqifa@hfut.ceu.cn。

F126

A

1672-5956(2017)02-0031-07