任曉東, 沈彥俊, 張 婧, 劉峰貴
(1.青海師范大學 地理科學學院, 青海 西寧 810008;2.中國科學院遺傳與發(fā)育生物學研究所 農(nóng)業(yè)資源研究中心, 河北 石家莊 050022;3.中國科學院農(nóng)業(yè)水資源重點實驗室, 河北 石家莊 050022;4.中國科學院大學, 北京 100049; 5.河北省氣候中心, 河北 石家莊 050021;6.河北省氣象與生態(tài)環(huán)境實驗室, 河北 石家莊 050021)
隨著社會經(jīng)濟的發(fā)展,貧困問題日益成為經(jīng)濟社會發(fā)展中一個亟待解決的問題,貧困在傳統(tǒng)意義上指收入與消費的不足,但隨著對貧困認識的不斷加深,貧困的內(nèi)涵也有了更廣泛的內(nèi)容,包括政治、經(jīng)濟和社會相互作用的結(jié)果。如何找到導致貧困的原因、提高貧困家庭生活質(zhì)量已經(jīng)成為社會關(guān)注的重點[1-2]。探究導致貧困發(fā)生的原因不僅涉及貧困研究過程中的主體識別和維度指標的選取,還包括貧困地區(qū)的瞄定、維度的分解,以及返貧政策的制定等多個方面[3],Alkire等[4]采用A-F方法測算解決多維度貧困的原因及問題;王艷慧等[5]運用“雙臨界值”方法對河南省內(nèi)鄉(xiāng)縣各村的貧困狀況進行了多維度空間化測算;袁媛等[6]運用SOFM網(wǎng)絡聚類的方法構(gòu)建了三維評估體系,對河北省貧困縣的分布、貧困度和貧困現(xiàn)狀等做了分析;張慶紅等[7]利用調(diào)研數(shù)據(jù)對南疆農(nóng)村多維貧困進行了測算;潘竟虎等[8]通過貧困指數(shù)構(gòu)建劃分了縣域尺度的貧困區(qū)域和貧困狀況的識別;李飛[9]采用多維貧困分解的方法對不同村莊的多維貧困發(fā)生異質(zhì)性進行了研究。綜合來看,眾多學者已經(jīng)對貧困狀況和貧困程度進行了詳細闡述,對貧困的評價分析已經(jīng)從單維度擴展到多維度,但已有的多維度貧困測量研究區(qū)域大多位于中國東、中部,而占全國總面積約四分之一的青藏高原地區(qū)人口貧困機制研究較少,這里的民族眾多,環(huán)境資源條件與內(nèi)地有很大差別,也就使該區(qū)域的致貧原因與內(nèi)地有很大的不同。文中選取居于青藏高原腹地稍偏北的青海省第三大城市格爾木市作為典型研究對象。以全市貧困農(nóng)戶為計量單位,多維度分析測算致貧因素與貧困情況,為青藏高原地區(qū)的扶貧工作提供技術(shù)支持與科學方法。
格爾木市農(nóng)村貧困家庭具有青藏高原農(nóng)村貧困家庭的共性。研究區(qū)地處柴達木盆地南緣的中部,北臨達布遜湖,南靠昆侖山,平均海拔2 780 m。氣候寒冷干燥,晝夜溫差大,日照時間長,屬于典型的高原半干旱和干旱荒漠氣候區(qū)[10]。研究區(qū)相對貧困與絕對貧困并存,貧困多元化的情況普遍存在,用傳統(tǒng)方法評價農(nóng)戶的貧困狀況已不符合目前現(xiàn)實情況,從多維角度測量分析貧困更能全面準確地反映研究區(qū)貧困狀況。
使用數(shù)據(jù)源于第三方評估組對青海省格爾木市精準扶貧、精準脫貧成效的實地評估調(diào)查數(shù)據(jù)。根據(jù)多維貧困理論與實際調(diào)查數(shù)據(jù)設(shè)計調(diào)查問卷,對重點貧困村貧困戶開展實地入戶調(diào)查,一般貧困村隨機抽樣調(diào)查。本次實際評估調(diào)查數(shù)據(jù)共涉及13個貧困村和7個非貧困村,共計282個樣本家庭數(shù)據(jù),實現(xiàn)貧困戶評估全覆蓋。
主成分分析是多元統(tǒng)計分析方法的一種,通過對數(shù)據(jù)降維找到幾個具有代表性的綜合指標,盡可能多地反映多指標中的信息[11]。具體步驟如下:
1)計算協(xié)方差矩陣。計算樣品數(shù)據(jù)的協(xié)方差矩陣:
∑=(sij)p×p
其中
i,j=1,2,…,p
2)求出∑的特征值λi及相應的正交化單位特征向量ai?!频那癿個較大的特征值λ1≥λ2≥…≥λm>0就是前m個主成分對應的方差,λi對應的單位特征向量ai就是原來變量在主成分Fi上的載荷系數(shù),則原變量的第i個主成分Fi為:
主成分的方差貢獻率反映了信息量的大小,單位特征向量ai為:
3)選擇主成分。選擇主成分的方法是從F1,F2,…,Fm中通過方差累計貢獻率Gm來確定
當累積貢獻率較大時,就認為能足夠反映原來變量的信息,對應的m就是抽取前m個主成分。
4)主成分表達式。計算樣品在m個主成分上的得分:
Fi=a1ix1+a2ix2+…+apixp
i=1,2,…,m
多維貧困指數(shù)是基于多維貧困理論獲取家庭層面的基本信息,設(shè)定貧困的維度和所包含的指標,在每個維度確定一個臨界值[12]。具體步驟如下:
首先,假設(shè)通過家庭調(diào)查共獲得n個家庭的調(diào)查樣本,貧困的測度設(shè)定為d個維度,則整個家庭樣本觀測矩陣為:
式中:xij----樣本家庭i在維度j上的量化取值,i=1,2,…,n,j=1,2,…,d。
對每個維度確定一個貧困判斷的臨界值zj,依據(jù)以下公式來判斷某個樣本家庭在該維度上的貧困狀態(tài):
由此得到某維度的一維貧困矩陣:
l=0,1,2
其次,根據(jù)對每個家庭多維識別公式:
再次,對家庭樣本處于不同維度貧困數(shù)進行計算:
最后,計算出各個維度的貧困狀況,對維度加和得出多維貧困指數(shù)。貧困發(fā)生率H(l)、平均剝奪份額A(l)和多維貧困指數(shù)MPI(l)為:
李站長說,這么大的樹,挪來挪去的容易搞死,我栽的時候,已經(jīng)用生根粉給你做了些處理,何況栽在我們院子的營養(yǎng)配肥土壤里,恢復得快,你干脆找好買家,直接來這里提走就是了,免得搬來搬去的,目標大風險也大,樹要是真死了還得治你的罪,從我這里拖出去,別人不會說三道四,以為是正常合法的苗木流通,不過我要說清楚啊,在我這里保管,也不是白保管的,每天兩百元。
MPI(l)=H(l)(k)×A(l)(k)
可以用H和A表示基于貧困發(fā)生率、貧困強度的多維貧困指數(shù)。研究多維貧困指數(shù)按維度進行分解,其中維度j的貢獻率計算公式為:
貧困特征是農(nóng)村貧困人口主成分分析的基本依據(jù),根據(jù)農(nóng)村貧困戶的調(diào)查資料,通過主要致貧因子的分析,使指標滿足新階段精準扶貧的各項要求,同時考慮到個體及家庭微觀數(shù)據(jù)的獲得性和可比性,選取了對格爾木市農(nóng)戶致貧影響最大的5個因子,選取的特征類型具有一定的代表性。
家庭經(jīng)營性收入、健康、教育、職業(yè)培訓和耕地面積作為衡量貧困家庭的主要特征指標。這些特征類型具體定義的描述見表1。
表1 農(nóng)村貧困人口家庭特征分類
經(jīng)濟收入情況是衡量一個家庭獲得資源多少的重要指標,收入的多少也標志著家庭脫貧的情況。家庭成員中罹患疾病的情況都會導致家庭負擔加重,從而導致貧困的發(fā)生。家庭中戶主往往起著關(guān)鍵性的作用,戶主的受教育水平一定程度影響著家庭的發(fā)展趨勢。參加職業(yè)技能培訓對提高貧困家庭收入有積極作用。擁有耕地面積的多少反映了農(nóng)村家庭從事農(nóng)業(yè)活動的基礎(chǔ)是否穩(wěn)固,同樣也是促進脫貧的重要方面。
根據(jù)主成分分析結(jié)果判斷維度貧困的臨界值,并基于Alkire-Foster的貧困測量指標體系,選用家庭經(jīng)營性收入、健康、教育、職業(yè)培訓和耕地面積5個維度來測量當?shù)刎毨闆r。耕地面積選取家庭總耕地面積低于3畝作為判斷耕地面積的臨界值;家庭人口健康狀況反映了通常情況下自身因素與貧困的關(guān)系,若家庭成員中有殘疾、重病和慢性病等情況,則存在健康維度的貧困;教育維度的貧困主要指家庭中戶主的受教育程度,戶主的文化水平在初中以下,則該家庭存在教育維度的貧困;家庭經(jīng)營性收入指家庭中三個產(chǎn)業(yè)的經(jīng)營凈收入,選取均值4 520元作為判斷經(jīng)濟收入維度貧困的臨界值;職業(yè)培訓維度是以家庭成員中是否有人參加職業(yè)技能培訓作為衡量標準,沒有參加則被認為存在職業(yè)培訓維度的貧困。貧困維度及被剝奪的臨界值見表2。
表2 貧困維度及被剝奪的臨界值
貧困村農(nóng)戶單維度貧困較為突出的方面是,52.7%的貧困戶家庭沒有經(jīng)營性收入,18%的貧困戶家庭中存在健康狀況問題,83%的貧困戶家庭中戶主的受教育水平在中學以下,55.8%的貧困戶家庭成員在家務農(nóng),45.2%的貧困戶家庭沒有參加職業(yè)技能培訓,53.3%的貧困戶家庭的耕地面積低于貧困戶全部平均水平。樣本村之間在各剝奪指標上的貧困發(fā)生率存在很大差異,有12個村在1個指標上存在剝奪情況,14個村在2個指標上存在剝奪情況,18個村在3個指標上存在剝奪情況,12個村在4個指標上存在剝奪情況,4個村在5個指標上存在剝奪情況。單維度貧困發(fā)生率見表3。
表3 單維度貧困發(fā)生率 %
所有樣本數(shù)據(jù)中只有平均1.6%的貧困戶不存在任何維度的貧困,其他家庭中至少存在一個維度的貧困剝奪情況。這表明格爾木市的貧困家庭情況只靠單維度的標準評判具有一定的局限性,需要在多維度的指標下分析,以便更全面地反映農(nóng)村不同維度下貧困狀況。
通過多維貧困測量法得出樣本村農(nóng)戶多維貧困測算結(jié)果,見表4。
從表4可以看出,格爾木市的20個樣本村中,平均有97.9%的農(nóng)戶家庭處在多維貧困狀態(tài)。多維貧困的發(fā)生率為1.99%,比例最高的新華村達到3.04%,最低的團結(jié)村為0.36%。多維貧困的強度指數(shù)平均為112.15%,多維貧困指數(shù)MPI平均值為0.018 6%。通常情況,多維貧困發(fā)生率較高的村其單維貧困指數(shù)同樣也較多。對比多維貧困測量分析和村級貧困發(fā)生率,得出多維貧困農(nóng)戶比例較大,單維度與多維度同時作用明顯,并且多維貧困強度指數(shù)比例較大。因此,當?shù)刎毨С潭容^深。
農(nóng)村居民家庭多維貧困指數(shù)在不同維度下的貢獻率見表5。
表4 樣本村農(nóng)戶多維貧困測算結(jié)果
表5 農(nóng)村居民家庭多維貧困指數(shù)在不同維度下的貢獻率 %
通過對比不同貧困維度下家庭多維貧困指數(shù)貢獻率可以看出,貧困家庭戶主受教育水平是農(nóng)村家庭中至少存在一個維度貧困的主因,其貢獻率達到了43.2%,這也進一步說明了戶主的受教育水平是影響家庭貧困最普遍的因素。2個維度的貧困家庭中,受教育程度和耕地面積是致貧的主要因素,其貢獻率分別為68.1%和59.3%,3個維度和4個維度的貧困家庭中,教育、職業(yè)培訓和耕地面積的貢獻率都位居前列,是致貧的主要因素。5個維度的貧困家庭中各個維度上的致貧貢獻率都相等,說明這些貧困家庭的貧困程度最深。
由此分析,不同程度的貧困農(nóng)戶致貧機理大致相同:貧困家庭中戶主受教育水平不足和沒有參加職業(yè)培訓導致了能力和認知上的貧困,從而使家庭普遍陷入低收入水平和多維貧困,其貢獻率隨著貧困維度的增加在增加,對貧困發(fā)生貢獻較大,其余致貧因子的貧困貢獻率隨著貧困維度的增加也在波動增加。在絕對貧困家庭中,家庭成員的不健康甚至患有疾病和殘疾的情況,導致支出增加,使家庭陷入貧困的幾率更大。因此,對貧困家庭采取有差別和針對性的減貧措施,更能確保貧困家庭的生活保障。
以青藏高原的典型區(qū)格爾木市農(nóng)戶貧困作為研究案例,結(jié)合當?shù)丶彝ブ仑毜膶嶋H情況與第三方評估組調(diào)查的實際數(shù)據(jù),通過主成分分析選取家庭經(jīng)營性收入、健康、教育、職業(yè)培訓和耕地面積5個方面作為當?shù)丶彝ブ仑毜闹饕蛩?,揭示了青藏高原地區(qū)貧困的作用機制與主導因素?;诟咴貐^(qū)所選取的致貧因素,通過維度分析對該區(qū)域貧困農(nóng)戶的多維貧困狀況進行深入探究,結(jié)果表明:
1)在所有調(diào)查樣本數(shù)據(jù)中,有1.61%的農(nóng)戶不存在任何維度的貧困,有98.39%的家庭存在著5個維度中至少1個維度上的貧困。其中,分別有17.1%、24.67%、36.88%、18.12%和1.62%的貧困家庭中存在1~5個維度貧困。分析得出,格爾木市農(nóng)村家庭多維貧困普遍存在,如果僅采用單一的維度來識別貧困家庭將不利于提高脫貧成效,應對貧困家庭采用多維度與單維度相結(jié)合的識別方法,進行相應配套的扶貧策略。
2)格爾木市農(nóng)戶多維貧困比例平均為97.9%,多維貧困人口發(fā)生率平均為1.99%,多維貧困強度平均為112.15%。當?shù)剞r(nóng)戶貧困發(fā)生率與貧困的強度都相對較高,其中民康村等14個村的多維貧困戶比例最高,新樂村和新華村的貧困人口發(fā)生率最高,龍羊村和團結(jié)村的多維貧困強度最大。表明了青藏高原區(qū)貧困戶貧困狀況依然比較嚴峻,精準扶貧的任務依然任重道遠。
3)通過調(diào)查研究表明,青藏高原地區(qū)貧困家庭中戶主受教育水平是家庭陷入相對貧困境遇的主因,家庭經(jīng)營性收入是衡量是否處于貧困狀況的一個關(guān)鍵因素,耕地面積是農(nóng)村家庭人口的保障性收入來源,對貧困家庭收入有一定的影響,對多維致貧的貢獻率也較大。健康狀況對家庭絕對貧困的貢獻率較大。職業(yè)培訓關(guān)聯(lián)著家庭成員的從業(yè)水平,反映了貧困戶家庭的職業(yè)技能水平與家庭收入的穩(wěn)定程度。
4)青藏高原地區(qū)的脫貧重點在于提升農(nóng)戶家庭成員中的能力和認知水平,促使貧困家庭找到更合理的脫貧渠道。加強針對貧困家庭的醫(yī)療救助和保障力度,確保貧困家庭人力資源的完整性,拓寬貧困家庭收入渠道,重視培育貧困家庭自我發(fā)展的能力,使貧困家庭更有力地參與到市場經(jīng)濟活動當中,使“精準扶貧”的成效更加凸顯。