陳孟鈞 孫安萍 安冉 齊征

摘 要：隨著扶貧工作的深入開展，人民對扶貧工作效果的要求也日漸嚴格。本文以安徽省為例，在經(jīng)濟、社會、自然三方面進行綜合考慮，通過建立貧困脆弱性評價指標體系，運用因子分析法對城鄉(xiāng)居民貧困脆弱性進行分析，得出結(jié)果并為緩解貧困脆弱性提出合理建議。

關(guān)鍵詞：貧困脆弱性;安徽省;因子分析;城鄉(xiāng)居民

1、引言

貧困問題在人類社會的發(fā)展過程中一直是一個世界性難題。在“貧困脆弱性”概念提出之前，各國的反貧困政策都是在貧困問題出現(xiàn)后制定的，沒有考慮到未來變化的風險，是對貧困的事后干預(yù)，而貧困是一種動態(tài)現(xiàn)象，事后干預(yù)對貧困發(fā)生的原因及可能性不能進行預(yù)測。2001（部分文獻說是2000）年，世界銀行提出“貧困脆弱性”概念，此概念提出之后，對貧困的干預(yù)被由事后推向事前。

本文以安徽省十六個地級市為例，基于因子分析法，對其城鄉(xiāng)居民貧困脆弱性進行相對科學的評估，探究影響因素，得出具體原因，以為相關(guān)部門扶貧工作提供合理依據(jù)，使我國扶貧事業(yè)取得更好的效果。

2、居民貧困脆弱性評價指標體系的建立

綜合考慮經(jīng)濟、社會、自然三方面影響因素，本文從經(jīng)濟發(fā)展水平、社會保障水平及自然資源水平三個方面進行分析，建立安徽省城鄉(xiāng)居民貧困脆弱性指標體系，見表1。

2.1、經(jīng)濟發(fā)展水平

經(jīng)濟發(fā)展水平反應(yīng)的是社會經(jīng)濟現(xiàn)象的規(guī)?；蛩?，本文選用從業(yè)人口占比、人均可支配收入、人均生產(chǎn)總值三個指標對經(jīng)濟發(fā)展水平進行衡量。其中，從業(yè)人口占比即從業(yè)人口占總?cè)丝跀?shù)的比重，當失業(yè)發(fā)生時，以從業(yè)作為主要經(jīng)濟來源的城鄉(xiāng)居民面臨的損失最大;可支配收入即居民可用于自由支配的收入，一般而言，可支配收入越高，應(yīng)對災(zāi)難的能力越強，貧困脆弱性越低;生產(chǎn)總值指一定時期內(nèi)生產(chǎn)活動的最終成果，常被公認為衡量經(jīng)濟狀況的最佳指標，進而可用于評價貧困脆弱性。

2.2、社會保障水平

社會保障水平指一定時期內(nèi)，社會居民享受的社會保障的高低程度，本文選用人均受教育年限、人均文盲占比、醫(yī)療衛(wèi)生機構(gòu)數(shù)三個指標對社會保障水平進行衡量。其中，文盲占比指文盲人口占總?cè)丝跀?shù)的比重，人均受教育年限指某一年齡段人群受學歷教育年限總和的平均數(shù)，兩者皆可用于某一地區(qū)的受教育程度;醫(yī)療衛(wèi)生機構(gòu)指依法成立的從事疾病診斷、治療等活動的衛(wèi)生機構(gòu)，其數(shù)量越多，抵抗疾病風險的能力越強，在一定程度上可降低貧困脆弱性。

2.3、自然資源水平

自然資源即人類可以在自然界中直接獲取并用于生產(chǎn)、生活的物質(zhì)，本文選用森林覆蓋率、人均水資源量、地質(zhì)受害防控投資三個指標對自然資源水平進行衡量。其中，森林覆蓋率指森林面積占宗土地面積的比率，人均水資源量指可利用的淡水資源平均到每個人的占有量，二者皆可反應(yīng)自然資源對人類生產(chǎn)活動的制約;地質(zhì)受害防控投資越高，應(yīng)對地質(zhì)受害越從容，越能減緩貧困脆弱性。

3、評價與建立因子分析模型

3.1、因子分析法

Spearman于1904年提出因子分析的概念，并表示因子分析的基本目的

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始資料的大部分信息。

3.2、因子分析模型

其中F1，F(xiàn)2，……，F(xiàn)m稱為公共因子，稱為Xi的特殊因子。aij稱為因子“載荷”，是第i個變量在第j個因子上的負荷。

將上述模型用矩陣表示為：

因此又矩陣A稱為因子載荷矩陣。

當有些變量在多個公共因子上都有較大的載荷，有些公共因子對許多

變量的載荷也較大時，這種模型則不能夠突出主要矛盾和矛盾的主要方面的，更不利于對因子的實際背景進行合理的解釋。這時需要通過因子旋轉(zhuǎn)的方法，使每個變量僅在一個公共因子上有較大的載荷，而在其余的公共因子上的載荷比較小，至多達到中等大小。同時利用因子得分函數(shù)計算出各樣本得分，并予以評價和排序。

3.3、因子分析具體步驟

（1）數(shù)據(jù)的標準化

根據(jù)具體的操作要求對數(shù)據(jù)進行無量綱化處理，把原始數(shù)據(jù)轉(zhuǎn)換為標準數(shù)據(jù)。

（2）判斷數(shù)據(jù)能否進行因子分析

利用SPSS進行分析得到初步結(jié)果，判斷KMO值與Bartlett的球形度檢驗統(tǒng)計量。一般認為，KMO值大于0.7可認為數(shù)據(jù)間具有較好的相關(guān)性，KMO值越接近1.0，變量間的共同因子越多，也就越適合進行因子分析。

（3）提取公共因子

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

（4）因子旋轉(zhuǎn)

利用方差最大化旋轉(zhuǎn)后的因子載荷矩陣對因子進行命名。

（5）計算得分

依據(jù)旋轉(zhuǎn)后的因子載荷矩陣來計算各個因子在每個樣本上的具體數(shù)值，從而計算因子得分。

四、因子分析

4.1、數(shù)據(jù)搜集

本文選取了安徽省16個地級市為研究對象，參照上文所制定的評價體系，獲得數(shù)據(jù)。該數(shù)據(jù)均來源于2018年安徽省統(tǒng)計年鑒。

4.2、利用SPSS進行因子分析

（1）先將數(shù)據(jù)標準化

（2）檢驗數(shù)據(jù)是否能進行因子分析。

上述因子分析結(jié)果顯示，如表2，KMO值為0.505，可以用來繼續(xù)做因子分析。同時，Bartlett的球形度檢驗統(tǒng)計量的觀測值為112.346，相應(yīng)的Sig.值為0.00，認為相關(guān)系數(shù)矩陣與單位陣有顯著差異，因此對數(shù)據(jù)進行因子分析是恰當?shù)摹?/p>

（3）根據(jù)標準化之后的數(shù)據(jù)建立指標間的相關(guān)系數(shù)矩陣，得到特征值和累計貢獻率，特征值及其貢獻率見表3。

由上表可知，第一個因子的特征根值是3.476，它解釋了總變異的 38.619%，說明當原有變量全部濃縮為一個因子時，只有38.619%的信息能被包含進去，其余63.81%的信息將丟失;且隨著因子數(shù)量的增加，信息的丟失將減少，當累計到第三個因子時，累計貢獻率已達到83.397%。因此可以用前三個因子來反映總體數(shù)據(jù)水平

（4）因子旋轉(zhuǎn)

為了使每個因子更具有代表意義，我們利用方差最大化旋轉(zhuǎn)的方法得到因子旋轉(zhuǎn)成分矩陣如表4所示。

從上表可以看出，在第一個因子中，各市城鄉(xiāng)居民人均可支配收入X2、各市人均生產(chǎn)總值X3以及各市人均受教育年限X4載荷較大，均達到0.85以上，而且可以看出，X2、X3與經(jīng)濟發(fā)展水平有關(guān)，X4則與教育水平有關(guān)，因此將該因子命名為經(jīng)濟教育因子。在第二個因子中，各市森林覆蓋率X7、各市人均水資源量X8以及各市地質(zhì)災(zāi)害防治投資X9載荷較大，均達到0.85以上，而且以上均與自然環(huán)境以及災(zāi)害的防治有關(guān)，因此將該因子命名為環(huán)境與災(zāi)害防治因子。第三個因子中，各市城鄉(xiāng)從業(yè)人口占比X1、各市人口文盲占比X5以及各市醫(yī)療衛(wèi)生機構(gòu)數(shù)X6載荷較大，且都與人口和醫(yī)療有關(guān)，因此將該因子命名為人口因子。

且由上文解釋的總方差表中可以看出，第一個因子經(jīng)濟教育因子是最主要的影響因素，其次是環(huán)境與災(zāi)害防治因子和人口因子。

（5）因子得分

因子得分是在因子分析中對不可觀測的公因子做出的估計值。當因子確定以后，就可以根據(jù)旋轉(zhuǎn)后的因子載荷計算每個旋轉(zhuǎn)后的因子在每個樣本上的得分。

本文根據(jù)上述分析得到的綜合評價得分模型如下：

Z=46.31% F1 + 38.13% F2 + 15.57% F3

且3個主因子得分F1、F2和F3可由旋轉(zhuǎn)后的因子載荷矩陣和因子得分系數(shù)矩陣計算得到，然后再根據(jù)上述模型計算出公共因子得分和各城市的綜合得分，并進行排序結(jié)果如表5所示：

從上表可以看出，合肥市的綜合得分有0.81964，位居第一，說明合肥市的城鄉(xiāng)居民貧困脆弱性較弱，第二第三分別是宣城市和黃山市。而淮南市、淮北市和亳州市的綜合得分則較低，位于安徽省較后的位置，說明其貧困脆弱性較高。分析其排序結(jié)果可以看出，安徽省中部偏南地區(qū)如合肥市、宣城市等地貧困脆弱性較低，靠北地區(qū)像淮北市、亳州市等地貧困脆弱性則較高。

4.3、數(shù)據(jù)結(jié)果分析

安徽省城鄉(xiāng)居民的貧困脆弱性由多個因素決定，且各個因素之間相互關(guān)聯(lián)。從影響因素來看，城鄉(xiāng)居民的貧困脆弱性主要與經(jīng)濟發(fā)展水平和居民的受教育程度有關(guān)，經(jīng)濟發(fā)展水平越高、受教育程度越高，其貧困脆弱性越低。此外，亦受環(huán)境與災(zāi)害防治等方面的影響。

根據(jù)因子分析法測出的安徽省貧困脆弱性呈現(xiàn)出了較為明顯的地域特征。比如以合肥市、黃山市為代表的中部偏南地區(qū)貧困脆弱性較低，說明其經(jīng)濟發(fā)展勢頭較好，且省會的帶動性較強。而北部貧困脆弱性較高，我們也不妨可以猜測，北方部分地區(qū)受降水等多種因素的影響，對自然災(zāi)害等的反應(yīng)程度較大，更容易脫貧后返貧。

5、對策與建議

針對上述數(shù)據(jù)分析結(jié)果，為降低安徽省城鄉(xiāng)居民貧困脆弱性，本文提出以下建議。

5.1、經(jīng)濟發(fā)展方面

對于安徽省城鄉(xiāng)居民貧困脆 弱性因各地經(jīng)濟發(fā)展水平不同所 表現(xiàn)出的差異，政府應(yīng)向北部貧困脆弱性較高的城市給予一定的政策傾斜，帶動其經(jīng)濟發(fā)展;相關(guān)部門應(yīng)利用地區(qū)資源優(yōu)勢實現(xiàn)經(jīng)濟發(fā)展多元化;居民本身應(yīng)提升家庭經(jīng)濟水平，以更高的可支配收入應(yīng)對風險。

5.2社會保障方面

對于各地區(qū)因社會保障水平的高低程度不同所表現(xiàn)的減緩貧困脆弱性能力的差異，政府應(yīng)加大對貧困脆弱性較高地區(qū)的教育、醫(yī)保等投入;社會相關(guān)部門 應(yīng)完善社會保障制度;居民應(yīng)提高自身受教育水平，積極響應(yīng)國家九年義務(wù)教育制度號召。

5.3自然資源方面

對于各地區(qū)因自然資源水平不同所表現(xiàn)的受自然災(zāi)害影響的差異，政府應(yīng)加強對生態(tài)環(huán)境的保護，對不合法的損毀自然資源的行為予以嚴厲打擊;社會應(yīng)加大對珍惜自然資源這一理念的宣傳;居民應(yīng)從自身做起，從身邊小事做起，保護環(huán)境、節(jié)約資源。

參考文獻

[1] 許啟發(fā)，王俠英.安徽省城鄉(xiāng)居民貧困脆弱性因子分析[J].山東工商學院學報，2017，31（02）：31-37.

[2] 許啟發(fā)，王俠英，蔣翠俠.城鄉(xiāng)居民貧困脆弱性綜合評價：來自安徽省的經(jīng)驗證據(jù)[J].經(jīng)濟問題，2017（08）：1-6.

[3] 李麗. 中國城鄉(xiāng)居民家庭貧困脆弱性研究[D].東北財經(jīng)大學，2010.

[4] 石豪.我國貧困脆弱性研究進展及評述[J].農(nóng)村經(jīng)濟與科技，2019，30（23）：126-130.

[5] 李麗，白雪梅.我國城鄉(xiāng)居民家庭貧困脆弱性的測度與分解——基于CHNS微觀數(shù)據(jù)的實證研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2010，27（08）：61-73.

[6] N. Kakwani， K. Subbarao. Rural Poverty and Its Alleviation in India. 1990， 25（13）：A2-A16.

[7] 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（08）：163-170.

[8] 萬廣華，章元.我們能夠在多大程度上準確預(yù)測貧困脆弱性？[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2009，26（06）：138-148.

[9] Michael Aliber. Chronic Poverty in South Africa： Incidence， Causes and Policies. World Development， 2003， 31（3）：473-490.

[10] 方迎風.沖擊、“能力”投資與貧困脆弱性[J].中國地質(zhì)大學學報（社會科學版），2014，14（02）：103-111+140.

[11] 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，2014，42（03）：376-381.

作者簡介：陳孟鈞（01/01/20）女，漢族，安徽阜陽人，單位：安徽財經(jīng)大學管理科學與工程學院，本科在讀，工程造價專業(yè)

基金項目：本文屬安徽省大學生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃項目（編號：S201910378430）研究成果。