閆芳序 王劍輝 蔡云鵬

基金項(xiàng)目：遼寧省科學(xué)技術(shù)計(jì)劃項(xiàng)目工業(yè)攻關(guān)及產(chǎn)業(yè)化指導(dǎo)計(jì)劃（2019010094-JH8/101）；遼寧省教育廳科學(xué)研究經(jīng)費(fèi)項(xiàng)目（LFW202004）；沈陽(yáng)師范大學(xué)創(chuàng)新團(tuán)隊(duì)支持計(jì)劃（054/92000306002）

第一作者簡(jiǎn)介：閆芳序（2000-），女，碩士研究生。研究方向?yàn)槿斯ぶ悄堋?/p>

*通信作者：蔡云鵬（1972-），男，博士，副教授。研究方向?yàn)楣I(yè)大數(shù)據(jù)。

DOI：10.20028/j.zhnydk.2024.03.014

摘? 要：在鄉(xiāng)村振興戰(zhàn)略下，分析農(nóng)村貧困的影響因素對(duì)減貧工作具有重大的指導(dǎo)意義和參考價(jià)值。該文基于因子分析法，引用遼寧省某國(guó)家級(jí)貧困縣脫敏后的真實(shí)數(shù)據(jù)，首先將每種影響貧困的因素分為屬性和經(jīng)濟(jì)性影響因素兩大類，將預(yù)處理后的數(shù)據(jù)進(jìn)行KMO與Bartlett檢驗(yàn)以確定數(shù)據(jù)對(duì)因子分析的適應(yīng)性。提取特征值大于1的公因子共計(jì)12個(gè)，建立三級(jí)指標(biāo)體系。而后分別計(jì)算3類權(quán)重值，按程度將影響因素分為4個(gè)等級(jí)，比較得出農(nóng)村貧困影響因素等級(jí)。通過(guò)比較分析，發(fā)現(xiàn)家庭結(jié)構(gòu)、房屋面積、文化水平和是否接通生活用電用水等因素對(duì)家庭貧困的影響最大，其中，生產(chǎn)、經(jīng)營(yíng)、工資、種植、務(wù)工和養(yǎng)老保險(xiǎn)金等是影響農(nóng)民增收的重要因素。

關(guān)鍵詞：鄉(xiāng)村振興；農(nóng)村貧困；影響因素；因子分析；權(quán)重計(jì)算

中圖分類號(hào)：F812.8? ? ? ?文獻(xiàn)標(biāo)志碼：A? ? ? ? ? 文章編號(hào)：2096-9902（2024）03-0053-06

Abstract： Under the strategy of rural revitalization， the analysis of the influencing factors of rural poverty is of great guiding significance and reference value for poverty reduction. Based on the factor analysis method， this paper quotes the real data after desensitization of a national poverty county in Liaoning Province. Firstly， each factor affecting poverty is divided into two categories： attribute and economic factors. The preprocessed data are tested by KMO and Bartlett to determine the adaptability of the data to factor analysis. A total of 12 common factors with eigenvalues greater than 1 are extracted， and a three-level index system is established. Then three kinds of weight values are calculated respectively， and the influencing factors are divided into four grades according to the degree， and the influencing factors of rural poverty are compared. Through comparative analysis， it is found that family structure， housing area， education level， access to electricity and water have the greatest impact on family poverty， among which， production， management， wages， planting， employment， old-age insurance and other factors are important factors affecting farmers' income.

Keywords： rural revitalization; rural poverty; influencing factors; factor analysis; weight calculation

黨的二十大提出要全面推進(jìn)鄉(xiāng)村振興。這標(biāo)志著我國(guó)的農(nóng)村建設(shè)、農(nóng)村發(fā)展、農(nóng)村扶貧開(kāi)發(fā)工作進(jìn)入了一個(gè)新的時(shí)期。要堅(jiān)持以發(fā)展為中心，把“三農(nóng)”問(wèn)題徹底解決好，取得脫貧攻堅(jiān)勝利，實(shí)現(xiàn)共同富裕，以更快的速度邁向中國(guó)特色社會(huì)主義現(xiàn)代化的進(jìn)程。鄉(xiāng)村振興是我國(guó)今后鄉(xiāng)村建設(shè)發(fā)展的主要方向，需要從目前的發(fā)展中找到新的問(wèn)題和新的發(fā)展方向，實(shí)現(xiàn)脫貧和發(fā)展的有機(jī)結(jié)合和鄉(xiāng)村的可持續(xù)發(fā)展[1]。改革開(kāi)放后，國(guó)家實(shí)施了一系列精準(zhǔn)扶貧政策，成效顯著。中國(guó)已實(shí)現(xiàn)了7.7億人的脫貧，農(nóng)村居民人均可支配收入從2013年的6 079元提高到了2020年的12 588元，平均每年增加11.6%[2]；即使在與突發(fā)的新冠感染疫情進(jìn)行抗?fàn)幍那闆r下，中國(guó)也比聯(lián)合國(guó)提出的2030年可持續(xù)發(fā)展議程的減貧目標(biāo)提早了10年，為世界減貧工作貢獻(xiàn)了卓越的力量[3]。2021年的脫貧勝利，既是我們的終點(diǎn)，也是我們的新起點(diǎn)。脫貧工作應(yīng)根據(jù)新問(wèn)題、新情況，進(jìn)行科學(xué)、合理、有效的扶貧研究，從而達(dá)到脫貧的戰(zhàn)略目的。貧困程度深，致貧原因復(fù)雜，困難重重，必須運(yùn)用科學(xué)的統(tǒng)計(jì)手段，尋找問(wèn)題的癥結(jié)，避免人力、物力、財(cái)力的浪費(fèi)；科學(xué)規(guī)劃，鞏固和擴(kuò)大脫貧成效，堅(jiān)持以持續(xù)的方式追求更好的生活，確保從集中力量支撐脫貧攻堅(jiān)到全面振興。

1? 研究方法

1.1? 因子分析法

因子分析法是一個(gè)逐步降低維度的過(guò)程，來(lái)自英國(guó)的心理學(xué)家C.E.斯皮爾曼最早提出因子分析法的思想，他根據(jù)各科分?jǐn)?shù)的關(guān)系，推論出存在潛移默化的共同因素對(duì)學(xué)生的學(xué)習(xí)產(chǎn)生了影響，使得在某些學(xué)科中表現(xiàn)更好的同學(xué)往往在其他學(xué)科中表現(xiàn)更好。

因子分析的實(shí)質(zhì)是根據(jù)各個(gè)研究變量之間的內(nèi)在相關(guān)性，通過(guò)分類歸并手段提取多個(gè)變量中的潛在共性因子。且各因子互不相關(guān)，即它們所綜合的信息并無(wú)交集。而后用這些隱式的綜合因子來(lái)表達(dá)多個(gè)變量所傳達(dá)的信息。具體可分“信息濃縮—權(quán)重計(jì)算—得分比較”3個(gè)步驟，首先將多個(gè)信息項(xiàng)濃縮為幾個(gè)關(guān)鍵性指標(biāo)，利用方差解釋率值計(jì)算各指標(biāo)的權(quán)重，構(gòu)建因子權(quán)重體系，而后根據(jù)成分和權(quán)重計(jì)算因子得分，常用于比較綜合競(jìng)爭(zhēng)力，從而得出結(jié)論[4]。其具體數(shù)學(xué)模型如下

設(shè)Xi（i=1，2，…，p）個(gè)變量，如果表示為

Xi=μi+ai1F1+…+aimFm+εi，（m≤p）。 （1）

式中：

X=[X1，X2，…，Xp]T，μ=[μ1，μ2，…，μp]T，ε=[ε1，ε2，…，εp]T ，（2）

稱F1，F(xiàn)2，…，F(xiàn)p為公共因子，它們的系數(shù)稱為載荷因子。εi為特殊因子，是不能被前m個(gè)公共因子包含的部分，并且需滿足

E（F）=0，E（ε）=0，Cov（F）=Im， （4）

D（ε）=Cov（ε）=diag（σ，σ，…，σ），Cov（F，ε）=0。（5）

1.2? 權(quán)重計(jì)算

在二級(jí)指標(biāo)基于一級(jí)指標(biāo)上的權(quán)重（Ai）中，n為公因子個(gè)數(shù)（n=12），Ci為第i個(gè)成分的方差貢獻(xiàn)率，即第i個(gè)成分對(duì)農(nóng)村貧困的影響程度。其計(jì)算公式如下

Ai=。 （6）

在因子分析的過(guò)程中，對(duì)各自變量前的系數(shù)aij進(jìn)行具體的歸一處理。從而可以獲取三級(jí)指標(biāo)基于二級(jí)指標(biāo)上的權(quán)重值（Aij）。其中n為主成分個(gè)數(shù)（n=12），m為第j個(gè)公共因子上承載的三級(jí)指標(biāo)數(shù)，為第i個(gè)成分所涵蓋的第j個(gè)三級(jí)指標(biāo)的因子得分系數(shù)。其計(jì)算公式如下

Aij=aij/|aij|（i=1，2，…，n）。 （7）

由上述算式可得Ai，Aij，由此可導(dǎo)出三級(jí)指標(biāo)基于一級(jí)指標(biāo)上的權(quán)重值（wi），計(jì)算公式如下

wi=AiAij。 （8）

1.3? 數(shù)據(jù)處理

1.3.1? 數(shù)據(jù)來(lái)源

中國(guó)是世界上最大的發(fā)展中國(guó)家，從古代起就以農(nóng)業(yè)為主體，鄉(xiāng)村貧困嚴(yán)重地制約著國(guó)家的興盛。農(nóng)村貧困問(wèn)題的影響因素很多，而且大部分都是相互聯(lián)系的，主要是經(jīng)濟(jì)、環(huán)境、社會(huì)因素的綜合作用。本文數(shù)據(jù)源來(lái)自遼寧省某國(guó)家級(jí)貧困縣，數(shù)據(jù)提取自某縣脫貧攻堅(jiān)大數(shù)據(jù)平臺(tái)。主要涵蓋2017—2020年的已脫離貧困數(shù)據(jù)近22萬(wàn)余條，將屬性影響因素與經(jīng)濟(jì)性影響因素相結(jié)合，采用 Python技術(shù)進(jìn)行數(shù)據(jù)挖掘與分析，最后得出相應(yīng)結(jié)論。

1.3.2? 指標(biāo)選取

由于影響農(nóng)村貧困的因素復(fù)雜繁多，本文在劃分過(guò)程中將眾多影響因素根據(jù)屬性與經(jīng)濟(jì)性2類范疇分類。其中屬性影響因素包括年齡、家庭人口、住房面積、是否不愁吃、是否不愁穿、是否危房、是否輟學(xué)學(xué)生、是否在校生、是否通生活用電、是否通生活用水、是否獨(dú)生子和文化水平。本文屬性影響因素中，含有“是否”的因素均為指標(biāo)型變量，采用編碼的形式進(jìn)行計(jì)算：取1為“是”；0為“否”。特別地，將文化程度分為9類，分別用數(shù)字 1～7表示，依次是1為“文盲或半文盲”、2為“小學(xué)”、3為“初中”、4為“中?！?、5為“高中”、6為“大?！焙?為“本科及以上”。

經(jīng)濟(jì)性影響因素包括收入類因素（家庭年純收入、工資性收入合計(jì)、生產(chǎn)經(jīng)營(yíng)性收入合計(jì)、種植業(yè)收入合計(jì)、養(yǎng)殖業(yè)收入合計(jì)、林果業(yè)收入合計(jì)、其他收入合計(jì)、財(cái)產(chǎn)性收入合計(jì)和轉(zhuǎn)移性收入合計(jì)）和支出類影響因素（生產(chǎn)經(jīng)營(yíng)性支出、其他生產(chǎn)經(jīng)營(yíng)性支出、生活性支出合計(jì)）。

1.3.3? 數(shù)據(jù)歸一化

指標(biāo)型變量在編碼之后與數(shù)字型變量（如家庭年純收入、家庭人口數(shù)、年齡等）數(shù)值相差巨大，不可以直接進(jìn)行計(jì)算分析，因此需要進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理，利用標(biāo)準(zhǔn)化后的數(shù)據(jù)進(jìn)行數(shù)據(jù)分析。本文利用z-score算法，通過(guò)對(duì)樣本的平均值、標(biāo)準(zhǔn)偏差進(jìn)行歸一化，并將不同的數(shù)據(jù)轉(zhuǎn)換成z-score的統(tǒng)一度量。由于本文數(shù)據(jù)量較大，故只展示部分影響因素的前10條歸一化結(jié)果，見(jiàn)表1。

2? 實(shí)驗(yàn)驗(yàn)證與分析

2.1? 數(shù)據(jù)檢驗(yàn)

進(jìn)行因子分析的前提是對(duì)數(shù)據(jù)相關(guān)性進(jìn)行檢驗(yàn)，通常情況下采用KMO和Bartlett's球狀檢驗(yàn)2種方法，確保檢測(cè)值落在一定的區(qū)間內(nèi)，從而判別數(shù)據(jù)是否適用于因子分析[5]。當(dāng)KMO值越接近于1的時(shí)候，各變量間的關(guān)聯(lián)度隨KMO值增大而升高，KMO值越接近于0，各變量之間的關(guān)聯(lián)度也越低，越不適宜進(jìn)行因子分析，球形度檢驗(yàn)則恰恰相反。本文基于Python中的factor_analyzer包，進(jìn)行數(shù)據(jù)相關(guān)性檢驗(yàn)。檢驗(yàn)結(jié)果為KMO=0.553，顯著性為0，因此適用于因子分析。且特征值大于1的因子有14個(gè)，且每個(gè)因子都對(duì)變量存在一定貢獻(xiàn)，由Python程序計(jì)算可得方差累計(jì)貢獻(xiàn)率為61.5%，說(shuō)明存留了大量關(guān)于原始數(shù)據(jù)的信息。針對(duì)單個(gè)因子分析，因子1的特征值為2.813，保留了8.5%的原始信息，顯然高于其他成分，對(duì)于農(nóng)村貧困影響相對(duì)較大。其他因子的分析可依次類推。根據(jù)碎石圖也可以直接觀測(cè)出因子特征值的分布情況，如圖1所示，由于因子13—14的波動(dòng)較小，所以本文取前12個(gè)因子作進(jìn)一步分析。

2.2? 因子旋轉(zhuǎn)

在建立因子分析模型時(shí)，因子建模有3點(diǎn)意義：第一，發(fā)現(xiàn)公因子；第二，劃分組別并插入相應(yīng)的公因子；第三，明確分析公因子的獨(dú)立意義，以便更為科學(xué)地解決處理實(shí)際問(wèn)題?？梢圆捎脤?duì)因子進(jìn)行旋轉(zhuǎn)的方法，即基于因子的載荷矩陣之上進(jìn)行一定的矩陣變換，使結(jié)構(gòu)更為簡(jiǎn)單化[3]。本文利用最大方差法對(duì)載荷矩陣進(jìn)行旋轉(zhuǎn)，而后對(duì)12個(gè)主要因子進(jìn)一步旋轉(zhuǎn)，更好地反應(yīng)變量與公因子之間的既得關(guān)聯(lián)，得到的載荷矩陣見(jiàn)表2。

2.3? 因子權(quán)重計(jì)算

由表2中矩陣可以對(duì)影響因素進(jìn)行分類，構(gòu)建三級(jí)指標(biāo)體系，并根據(jù)三重指標(biāo)權(quán)重的計(jì)算公式整理得到各級(jí)指標(biāo)權(quán)重[6-7]，見(jiàn)表3。

2.4? 影響因素分析

為比較各影響指標(biāo)的重要程度，本文將各指標(biāo)按照權(quán)重大小升序排列，將影響程度Ti分為：“輕微重要”“一般重要”“比較重要”“非常重要”4項(xiàng)。其中Ti具體的取值范圍如下

Ti=輕微重要Ni∈[0，1）一般重要Ni∈[1，2）比較重要Ni∈[2，3）非常重要Ni∈[3，+∞）

式中：Ni=80×|wj|，可由以上影響因素得出貧困影響因素的等級(jí)，見(jiàn)表4。

綜上可知，對(duì)農(nóng)村貧困的影響非常重要的因素共7項(xiàng)，它們分別是生產(chǎn)經(jīng)營(yíng)類收入、工資類收入、獨(dú)生子女家庭、住房面積、家庭人口數(shù)、種植業(yè)收入及生活類支出；對(duì)農(nóng)村貧困的影響比較重要的因素共4項(xiàng)，它們分別是生產(chǎn)經(jīng)營(yíng)類支出、是否通生活用水、是否雙女戶及養(yǎng)老保險(xiǎn)；對(duì)農(nóng)村貧困的影響一般重要的因素共3項(xiàng)，它們分別是文化水平、其他收入、是否通生活用電；對(duì)農(nóng)村貧困的影響輕微重要的因素是年齡。

針對(duì)屬性影響因素，“獨(dú)生子女家庭”“住房面積”“家庭人口數(shù)”均屬“非常重要”的影響等級(jí)，這表明農(nóng)村家庭的結(jié)構(gòu)組成至關(guān)重要，會(huì)對(duì)經(jīng)濟(jì)產(chǎn)生重要的影響；“是否雙女戶”“是否通生活用水”屬于“比較重要”的影響等級(jí)，“是否雙女戶”反映了農(nóng)村家庭的勞動(dòng)力情況，一般女子的勞動(dòng)力較男子低，分擔(dān)家務(wù)、農(nóng)活的能力較差；若為雙女戶家庭，會(huì)影響耕種進(jìn)度及勞動(dòng)情況。且根據(jù)統(tǒng)計(jì)數(shù)據(jù)顯示，農(nóng)村貧困地區(qū)缺乏生活用水的概率高達(dá)37.5%，嚴(yán)重影響日常生活及農(nóng)作物灌溉。水是生命之源，有沒(méi)有通上自來(lái)水，這一問(wèn)題對(duì)居民的生活和發(fā)展產(chǎn)生了很大的影響，所以要著重于管道的鋪設(shè)和投資，保障居民的飲水安全。

“文化水平”屬于一般類影響因素，接受教育的程度在很大程度上決定了其所從事工作技術(shù)含量的高低，進(jìn)而會(huì)影響收入。因此，要不斷地、全方位地加強(qiáng)教育扶貧，要大力推進(jìn)農(nóng)業(yè)實(shí)用技術(shù)培訓(xùn)，提高農(nóng)村勞動(dòng)力的受教育率。同時(shí)，要有效地緩解因上學(xué)而帶來(lái)的家庭經(jīng)濟(jì)負(fù)擔(dān)，保證所有學(xué)齡兒童都能進(jìn)入學(xué)校，為更多的農(nóng)村年輕人提供更好的教育環(huán)境，增強(qiáng)他們自身發(fā)展的能力，防止貧困的世代傳承。政府應(yīng)該重視農(nóng)村地區(qū)的教育，提高農(nóng)村義務(wù)教育的普及率，提高農(nóng)民的文化素質(zhì)，進(jìn)而增強(qiáng)農(nóng)民的就業(yè)競(jìng)爭(zhēng)力，增加農(nóng)民的就業(yè)率和勞務(wù)收入。最后，“年齡”對(duì)貧困的影響程度較低。

針對(duì)經(jīng)濟(jì)類影響因素，“生產(chǎn)經(jīng)營(yíng)類收入”“工資類收入”“種植業(yè)收入”“生活類支出”均屬“非常重要”的影響等級(jí)，因?yàn)檗r(nóng)村地區(qū)的主要經(jīng)濟(jì)來(lái)源為耕種、生產(chǎn)經(jīng)營(yíng)及日常工作所得工資?！吧a(chǎn)經(jīng)營(yíng)類支出”“養(yǎng)老保險(xiǎn)”屬于“比較重要”的影響等級(jí)，養(yǎng)老保險(xiǎn)是我國(guó)目前最重要的養(yǎng)老保障制度，其主要服務(wù)對(duì)象是老年人，與老年人的年齡有著密切的聯(lián)系，因而每年一直都受到人們的廣泛重視?！捌渌杖搿睂儆凇耙话阒匾钡挠绊懸蛩兀艘陨蠋追N主要的經(jīng)濟(jì)來(lái)源之外，農(nóng)民家庭還可以獲得其他的收入，例如耕地補(bǔ)貼、大豆補(bǔ)貼、防護(hù)林巡邏隊(duì)員補(bǔ)貼等。

3? 結(jié)論

水是生命的源泉，目前鄉(xiāng)鎮(zhèn)還沒(méi)有全部開(kāi)通自來(lái)水，這個(gè)問(wèn)題已經(jīng)嚴(yán)重影響到了居民的生存和發(fā)展，因此，我們應(yīng)該把重點(diǎn)放在鋪設(shè)水管上，并提供適當(dāng)?shù)馁Y金，以盡快解決這個(gè)問(wèn)題。此外，教育水平在諸多屬性影響因子中具有普遍意義；在這些因素中，有無(wú)退學(xué)、有無(wú)住校學(xué)生等影響教育的因素也有，但是由于這些因素在一般情況下都是相同的，所以并沒(méi)有在因子分析中單獨(dú)反映，而被教育程度的影響因素所代替[8]。

經(jīng)濟(jì)影響主要有生產(chǎn)、工資、種植和生活等，還有低保金、五險(xiǎn)金、退休金等各類轉(zhuǎn)移性收入。養(yǎng)老保險(xiǎn)的檔次和繳費(fèi)年限關(guān)系到人們的生活水平，是當(dāng)今社會(huì)的一個(gè)熱點(diǎn)問(wèn)題。因此，要結(jié)合村民年齡、家庭人口等特點(diǎn)，制定扶貧政策，既要兼顧生產(chǎn)經(jīng)營(yíng)、種植業(yè)的收入，又要關(guān)注其個(gè)體經(jīng)濟(jì)產(chǎn)業(yè)等方面的問(wèn)題，比如可以針對(duì)貧困戶個(gè)體經(jīng)濟(jì)企業(yè)減免稅收，并給予他們一定的補(bǔ)助，以此來(lái)調(diào)動(dòng)貧困戶創(chuàng)新創(chuàng)業(yè)、主動(dòng)脫貧的積極性。農(nóng)業(yè)、林業(yè)和漁業(yè)是其主要經(jīng)濟(jì)來(lái)源。在著重提高經(jīng)濟(jì)的同時(shí)，也要重視生態(tài)環(huán)境問(wèn)題。水資源、森林、耕地等資源依然是制約貧困的主要制約因素，農(nóng)業(yè)基礎(chǔ)設(shè)施的發(fā)展依然十分薄弱，農(nóng)業(yè)信息化建設(shè)在扶貧工作中起著舉足輕重的作用，但當(dāng)前信息化建設(shè)在我國(guó)農(nóng)村扶貧中的作用尚未完全發(fā)揮，因此必須大力推進(jìn)農(nóng)業(yè)機(jī)械化、信息化、現(xiàn)代化[9]。

影響農(nóng)村貧困的因素并非僅限于這一點(diǎn)，還有一些社會(huì)的主觀因素，比如老年人的養(yǎng)老問(wèn)題，即孩子會(huì)不會(huì)把他們當(dāng)成自己的一顆“搖錢(qián)樹(shù)”，只顧著“啃老”，卻忽略了他們的身心健康狀況，無(wú)法給予他們應(yīng)有的關(guān)懷。另外，在決定貧窮的因素中，內(nèi)在的因素比外在的因素要多。扶貧的關(guān)鍵是要激發(fā)貧困群眾的內(nèi)在動(dòng)力，要根除“等別人靠別人”的觀念。首先，要制定合理的扶貧政策，為提高農(nóng)民的脫貧提供有效的激勵(lì)。其次，要注意引導(dǎo)貧困者的抱負(fù)。最后，通過(guò)組織學(xué)習(xí)、示范、宣傳等方式，促進(jìn)貧困人口的勤勞致富。針對(duì)扶貧對(duì)象的健康問(wèn)題要充分調(diào)動(dòng)貧困人口的自主經(jīng)營(yíng)意識(shí)，增強(qiáng)他們的個(gè)體素質(zhì)，真正實(shí)現(xiàn)“授人以漁”。同時(shí)，要防止盲目跟風(fēng)，缺乏合理的規(guī)劃安排，脫離實(shí)際。

本文基于因子分析方法，針對(duì)遼寧省國(guó)家級(jí)重點(diǎn)貧困縣的實(shí)際情況，采用Python數(shù)據(jù)挖掘處理技術(shù)，對(duì)貧困信息進(jìn)行脫敏處理、數(shù)據(jù)清洗、數(shù)據(jù)標(biāo)準(zhǔn)化等數(shù)據(jù)預(yù)處理過(guò)程，得到正規(guī)統(tǒng)一的數(shù)據(jù)進(jìn)行下一步分析。為進(jìn)一步判斷數(shù)據(jù)是否適合因子分析的方法，本文采用KMO法與巴特利特檢驗(yàn)法，根據(jù)法則標(biāo)準(zhǔn)對(duì)比判斷數(shù)據(jù)是否吻合要求。選取適當(dāng)?shù)墓蜃釉u(píng)估其影響比重，進(jìn)而獲取因子得分，得到影響農(nóng)村貧困因素的主要因子，并圍繞致貧原因給出了相應(yīng)的分析與意見(jiàn)。

參考文獻(xiàn)：

[1] 趙永剛.鄉(xiāng)村振興戰(zhàn)略下農(nóng)村貧困治理路徑研究[J].智慧農(nóng)業(yè)導(dǎo)刊，2023，3（19）：82-85.

[2] 我國(guó)7.7億農(nóng)村貧困人口擺脫貧困：兌現(xiàn)莊嚴(yán)承諾 創(chuàng)造人間奇跡[EB/OL].https：//m.gmw.cn/baijia/2021-04/07/1302215352.html.

[3] 徐曉陽(yáng).我國(guó)農(nóng)村貧困人口穩(wěn)定脫貧的影響因素與對(duì)策[J].鄉(xiāng)村科技，2021，12（5）：6-7.

[4] 韓林芝，鄧強(qiáng).我國(guó)農(nóng)村貧困主要影響因子的灰色關(guān)聯(lián)分析[J].中國(guó)人口·資源與環(huán)境，2009，19（4）：88-94.

[5] 李昕，韋巍，陳旭.基于SPSS程序的貧困村農(nóng)民收入狀況分析——以靖西市某貧困村為例[J].現(xiàn)代農(nóng)業(yè)科技，2016（21）：269-270.

[6] 郭興華.基于因子分析法的A市農(nóng)村地區(qū)扶貧績(jī)效評(píng)估實(shí)證分析[J].技術(shù)經(jīng)濟(jì)與管理研究，2020（12）：124-128.

[7] 何蓉.多維視角下民族地區(qū)農(nóng)戶致貧因素分析——基于黔東南苗族侗族自治州黃平縣的調(diào)查[J].理論觀察，2013（11）：80-82.

[8] 李彥軍，劉夢(mèng)帆.我國(guó)農(nóng)村家庭貧困影響因素及區(qū)域差異[J].中南民族大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版），2021，41（2）：139-149.

[9] ORSHANSKY M. Counting the poor： another look at the poverty profile. 1965.[J]. Social Security Bulletin，1988，51（10）：25-51.