EN中文

经济地理 >

2019 , Vol. 39 >Issue 7: 165 - 174

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.07.019

三农、土地与生态

贫困县多维综合贫困度时空分异特征及其驱动机制——以南疆四地州深度贫困地区贫困县为例

  • 刘新梅 , 1 ,
  • 韩林芝 , 2, ※ ,
  • 郑江华 3 ,
  • 李晓英 1
展开
  • 1.新疆大学 旅游学院，中国新疆 乌鲁木齐 830049
  • 2.新疆大学 经济研究所，中国新疆 乌鲁木齐 830046
  • 3.新疆大学 干旱生态环境研究所，中国新疆 乌鲁木齐 830046
※ 韩林芝（1975—），女，新疆乌鲁木齐人，博士，副研究员。主要研究方向为宏观经济学。E-mail：。

刘新梅（1994—），女，新疆特克斯人，硕士研究生。主要研究方向为经济地理。E-mail：。

收稿日期: 2018-05-01

  修回日期: 2019-04-25

  网络出版日期: 2025-04-27

基金资助

国家社会科学基金项目(15XJL003)

新疆维吾尔自治区社科联治疆方略课题(17ZHFL042)

新疆大学博士科研启动基金项目(BS160128)

新疆维吾尔自治区普通高校人文社科重点研究基地——新疆宏观经济预警系统研究基地2015年课题(XJEDU010615C01)

收起

Temporal-Spatial Characteristics and the Driving Mechanism of Multidimensional Comprehensive Poverty Degree in Poverty-Stricken Counties:A Case Study of Poor Counties in Deep Poverty-Stricken Areas of Southern Xinjiang

  • LIU Xinmei , 1 ,
  • HAN Linzhi , 2, ※ ,
  • ZHENG Jianghua 3 ,
  • LI Xiaoying 1
Expand
  • 1. College of Tourism，Xinjiang University，Urumqi 830049，Xinjiang，China
  • 2. Institute of Economics，Xinjiang University，Urumqi 830046，Xinjiang，China
  • 3. Institute of Drought and Ecological Environment，Xinjiang University，Urumqi 830046，Xinjiang，China

Received date: 2018-05-01

  Revised date: 2019-04-25

  Online published: 2025-04-27

Fold

摘要

文章针对南疆四地州26个贫困县构建包含3个向度7个维度的多维贫困度量模型，对每个贫困县的多维贫困度、多维贫困变化度、多维贫困贡献度进行测算分析；利用空间分析与K-均值聚类量化方法，分析2000—2016年贫困县多维综合贫困度的时空演变及其贫困维度变迁特征，将贫困县聚合成4种类型，探讨导致时空格局演变的驱动机制。结果表明：南疆四地州多维贫困程度时空演变呈现相对快速改善区、相对低速缓解区、相对低速加深区、相对快速恶化区4种变化等级；贫困县的贫困缓解速度大体上呈明显的由快速到低速再快速的特点；其中喀什地区中部以及和田地区中部的经济消贫作用显著；社会消贫发展整体向快速改善偏移；自然资源利用对贫困的缓解能力波动变化态势显著；贫困县多维综合贫困度空间自相关集聚特征显著，随时间演变具有集群分布向随机离散分布格局转变的趋势；2006年以后经济发展和环境资源维度成为主要驱动因素。

关键词： 贫困县; 多维贫困度量模型; 驱动机制; 资源环境; 南疆; 少数民族地区

本文引用格式

刘新梅 , 韩林芝 , 郑江华 , 李晓英 . 贫困县多维综合贫困度时空分异特征及其驱动机制——以南疆四地州深度贫困地区贫困县为例[J]. 经济地理, 2019 , 39(7) : 165 -174 . DOI: 10.15957/j.cnki.jjdl.2019.07.019

Abstract

This paper constructs a multidimensional poverty measurement model which consists of 3 evaluation indexes and 7 primary indicators for 26 poverty-stricken counties in four prefectures of South Xinjiang, and analyzes the multidimensional poverty degree, multidimensional poverty change degree and multidimensional poverty contribution degree of each poverty-stricken county. Spatial analysis and k-means clustering quantitative method are used to analyze the spatial and temporal evolution of multidimensional comprehensive poverty degree and its change characteristics in poverty-stricken counties from 2000 to 2016. The poverty-stricken counties are classified into four types to discuss the driving mechanism of the temporal-spatial evolution. The results show that this paper reduces the spatial and temporal evolution of the multidimensional poverty degree in four prefectures of South Xinjiang to four levels: relatively rapid improvement area, relatively slow relief area, relatively slow deepening area, and relatively rapid deterioration area. The alleviating speed of poverty in poverty-stricken counties obviously shows a fast-slow-fast trend. Among them, the economic poverty elimination effect in the central Kashgar Prefecture and the central Hotan Prefecture is remarkable. The overall development of social poverty eradication is shifting towards rapid improvement; The ability of natural resource utilization to alleviate poverty fluctuates significantly. The spatial autocorrelation agglomeration feature of multidimensional comprehensive poverty degree in poverty-stricken counties is significant, and it has the tendency of changing from cluster distribution to random discrete distribution pattern over time. After 2006, economic development and environmental resource become the main driving factors. The results of this study can provide reference for the formulation of differentiated policies in poverty elimination.

Key words： poverty-stricken county; multidimensional poverty measurement model; driving mechanism; resource environment; South Xinjiang; minority areas

多维贫困度量在Amartya Sen等的“能力贫困”下从单一经济收入指标延伸为多维度测量[1]，包括从收入、生活条件、教育水平、医疗设施角度的多维贫困研究[2-3]。多维贫困度量问题研究涉及诸多方面，包括多维贫困的涵义、宏观尺度上对中国贫困村多维贫困度量的研究[4]，中国多维贫困空间识别[5]，多维发展指数度量及空间格局分析[6]，多维贫困时空演进和结构变迁特征[7]，生态脆弱性与经济贫困关系研究[8]，地域分异特征分析[9]和多维贫困贡献度及贫困类型划分[10]。研究方法主要包括：基于UNDP开发的维度加总及分解法的贫困度量[11-13]，基于SRP（敏感性—恢复力—压力）模型建立的生态脆弱性评价体系、自然—经济—社会维度的多维贫困指标体系[14]，以AHP层次分析法、熵值法、等权重法、主客观组合赋权法、空间插值法、空间自相关法、信息熵分析[15]等为代表的计算量化方法，以及基于脆弱性—可持续生计的线性回归模型、加权核密度模型、最小方差模型等。研究尺度主要包括：基于家庭调查数据的乡镇空间单元、县扶贫办抽样入户调查数据、区域宏观经济数据等。这些多维贫困度量研究进一步拓展了贫困内涵，对贫困县精准贫困测度有重要意义。
然而，目前多维贫困研究存在需要进一步完善的地方。陈烨烽等认为，贫困的数据易获取性及国外已有研究方法借鉴等优点，使国内学者大多基于理论探讨和方法应用阶段，缺少结合GIS技术研究贫困的时空分异特征，更加广泛的贫困空间动态识别有利于精准扶贫的有效瞄准[4]。潘竟虎等认为，多维贫困的界定由于时间差异、地理因素有千差万别，其认定方法也一直在发展[16]。多维贫困具有时间性与地域性特点，多维贫困的空间分布与阶段变化在贫困识别上能精准表征人类生活的贫困差异，而且由于贫困的地域集聚关联性特征，夜间灯光数据作为贫困空间识别的依据，能使数据在空间尺度与经济尺度相互转换的过程中，数据反映效率较高。但多维贫困作为一个相对概念，具有持续性，应考虑纳入多维贫困的时空演化及其分异特征以期从时间尺度、空间尺度，直观细微地反映多维度对贫困的影响，进而影响贫困程度。
近年来对于连片特困地区的扶贫研究多以秦巴片区及武陵片区等为研究区，南疆四地州作为14个连片特困地区之一，山脉沙漠交错的地貌条件、少数民族聚集的人口特征造就了其多维贫困特征具有独特性，贫困特征为贫困面大、贫困发生率高、贫困程度深、区域性整体贫困严重、致贫原因复杂、脱贫难度大，是全国扶贫开发工作的重点和难点地区。据初步测算，由于长期受经济发展状况滞后、社会发展水平较低、自然环境恶劣的影响，南疆四地州贫困状况发生明显变化，经济援助、人口特征变化、生产生活水平提高、教育物资、医疗卫生条件改善、环境资源开发等政策导向性对南疆四地州贫困空间分布格局产生一定影响。鉴于此，本文使用2000、2005、2010、2016年多维贫困数据，对南疆四地州的多维综合贫困度进行空间定量分析，发现其多维综合贫困度的时空演变特征，探讨经济发展、生活条件、教育水平、医疗卫生、环境资源造成南疆四地州贫困特征及空间变化的积累性结果的动因，揭示南疆四地州多维综合贫困空间格局、贫困时空演进的影响机制，为提高精准扶贫工作效率，制定合理的针对性扶贫政策措施提供参考，同时也可丰富和发展贫困县多维贫困研究。

1 数据与方法

1.1 研究区概况

南疆四地州行政区划包括和田地区、喀什地区、克孜勒苏柯尔克孜自治州（以下简称克州）和阿克苏地区4个地州，国土面积55.7万km2，占新疆面积的1/3，共包括33个县（市），其中有26个贫困县。南疆四地州是国家划定的14个连片特困地区之一，位于新疆维吾尔自治区境内，它集西北地区、民族地区、贫困地区于一体。地处塔克拉玛干沙漠，属于干旱荒漠性气候，土地总特征为山脉和荒漠居多，草地和田地少。四地州内聚居着维、哈、回、柯等少数民族。基于其自然环境恶劣、民族族群多样化、生产生活水平落后、教育医疗卫生等方面基础建设滞后、扶贫攻坚难度大的贫困特征[17-18]，研究四地州的多维综合贫困程度，可为扶贫攻坚战中贫困县贫困障碍因素的精准识别提供技术支撑。

1.2 数据来源及预处理

本文所用资料包括《新疆统计年鉴》（中国统计出版社，2001、2006、2011、2017）[19]《新疆经济普查年鉴》《新疆“十二五”脱贫攻坚规划》《新疆“十三五”脱贫攻坚规划》《中国农村贫困监测报告》[20]《中国农村统计年鉴》《中国农村扶贫开发纲要（2011—2020年）》[21]以及相关地方政府官方网站和新疆统计局公布的统计公报等。共采用38个指标，数据纵向覆盖2000、2005、2010、2016年，横向覆盖南疆4地州26个贫困县。地理数据包括Google Earth南疆四地州地形图、1:10万县级行政区划图等基础地理空间信息。

1.3 多维贫困度量

1.3.1 多维贫困度量模型

本文参考王艳慧等的多维贫困指标体系[7,22-26]，结合国家及新疆扶贫“十三五”规划以及“九通九有”建设标准，基于贫困测算指标选取的科学性、动态性、政策导向性、重要性、可比性、数据可获取性等原则，将人口特征、生活条件、教育水平、医疗卫生、劳动保障等维度纳入多维贫困度量模型，见表1，指标预处理采用R聚类—变异系数方法对候选指标进行筛选，从经济、社会、自然三个方面7个维度38个指标构建多维贫困度量模型。
表1 贫困县测算指标体系及其权重

Tab.1 Index system of multidimensional poverty and its weight

向度 维度 评价指标 预期方向 维度权重 主观权重 客观权重 主客观权重
经济因素（E） 经济发展（D）
 D1：地方财政一般预算收支比（%） + 1.00 0.0828 0.1591 0.0828
D2：GDP（万元） + 0.2061 0.1689 0.2061
D3：人均GDP（万元） + 0.3821 0.1666 0.3821
D4：全社会固定资产投资（万元） + 0.1497 0.1711 0.1497
D5：社会消费品零售总额（万元） + 0.1419 0.1636 0.1419
D6：进出口贸易总额（万元） + 0.0374 0.1707 0.0374
社会因素（S） 人口特征（P） P1：少数民族人口比例（%） - 0.07 0.4473 0.2455 0.2455
P2：少数民族族群多样性指数 - 0.3035 0.2575 0.2575
P3：自然增长率（%） - 0.1601 0.2358 0.2358
P4：农村人口占比（%） - 0.0891 0.2612 0.2612
生活条件（L） L1：农村居民人均可支配收入（元） + 0.12 0.0617 0.1269 0.0531
L2：农民人均住房面积（m2/人） + 0.1384 0.1302 0.1274
L3：农村人均用电量（kW·h/人） + 0.3204 0.1165 0.3902
L4：自来水受益村个数（个） + 0.0970 0.1289 0.0915
L5：通有线电视村个数（个） + 0.0325 0.1244 0.0250
L6：通宽带村个数（个） + 0.1375 0.1251 0.1833
L7：路网总里程（km） + 0.1402 0.1220 0.0932
L8：边境线公里数（km） - 0.0723 0.1260 0.0363
教育水平（E） E1：人均教育支出（元/人） + 0.40 0.2370 0.3038 0.2351
E2：中小学生占用教师数（个） + 0.6987 0.3559 0.7118
E3：中小学生在校数占比（%） + 0.0643 0.3403 0.0531
医疗卫生（H） H1：人均卫生技术人员数（个） + 0.08 0.0914 0.3476 0.0924
H2：人均病床位数（个） + 0.2176 0.3160 0.2179
H3：门诊病人次均诊疗费用（元） + 0.6910 0.3364 0.6897
劳动保障（S） S1：农村劳动力占比（%） + 0.33 0.0697 0.2408 0.0673
S2：农村从业人员占比（%） + 0.2195 0.2651 0.2187
S3：参加基本医疗保险比例（%） + 0.5833 0.2514 0.5881
S4：参加基本养老保险比例（%） + 0.1275 0.2427 0.1259
自然因素（N） 环境资源（G） G1：未利用土地面积占比（%） - 1.00 0.0972 0.0773 0.0897
G2：当年人均耕地面积（hm2/万人） + 0.0821 0.1035 0.0814
G3：当年人均造林面积（hm2/万人） + 0.0450 0.1034 0.0466
G4：当年人均灌溉面积（hm2万人） + 0.0370 0.1026 0.0390
G5：单位播种面积粮食产量（kg/hm2） + 0.2925 0.1024 0.2865
G6：单位种植面积水果产量（kg/hm2） + 0.1015 0.1037 0.1005
G7：牲畜年底头数（万头） + 0.1463 0.1052 0.1460
G8：化肥施用量（kg） + 0.0264 0.1044 0.0386
G9：人均水资源量（m3/人） + 0.1056 0.1040 0.1046
G10：人均农业机械总动力（kW·h/人） + 0.0664 0.0935 0.0671
采用徐建华等的研究方法[27]，对每个维度和指标的权重运用主观和客观相结合的主客观组合赋权法进行赋权。对各指标分别运用AHP层次分析法和EVM熵值法进行主、客观赋权后，寻求最小化组合权重与各基本权重之间的偏差，并使偏差之和达到最小，从而达到最大化共同利益。
则w=αu+βv即为主客观组合权重法确定的权重。
其中，博弈论主客观赋权模型的矩阵形式如下：
u ⋅ u T u ⋅ v T v ⋅ u T v ⋅ v T α β = u ⋅ u T v ⋅ v T
式中：u=（u1，u2，…，un）T；v=（v1，v2，…，vn）T；α为AHP层次分析法得出的指标权重向量；β为EVM熵值法得出的指标权重向量。
本文借鉴了相对贫困的理念，首先对数据进行回归分析，将指标划分为正向指标与逆向指标。其次，正向指标选取同一时间点上所有样本该指标中位数50%作为该指标的相对贫困线，逆向指标选取同一时间点上所有样本该指标的上四分位数作为该指标的相对贫困线。该种贫困线设定方法的优点在于体现了贫困线的动态变化和相对贫困内涵。

1.3.2 多维综合贫困度

多维贫困程度是从多维尺度上反映地区经济社会发展、人口特征、生活条件、教育水平、医疗卫生、劳动保障、环境资源对贫困程度的影响程度。因此综合贫困指数既反映地区在经济发展维度的本质属性，又反映受社会发展、环境资源变化影响的过程，与经济贫困指数、社会贫困指数、自然贫困指数有关；且贫困综合指数中经济贫困指数、社会贫困指数和自然贫困指数均表征贫困程度。经济贫困指数指贫困县在经济发展情况和扶贫绩效上的贫困程度，反映该片区脱贫的能力；社会贫困指数反映贫困县生产生活条件、医疗教育水平以及基础设施建设对贫困县的影响；自然贫困指数反映贫困县的环境资源条件，是比较、分析不同贫困县或同一贫困县不同时期地理条件贫困程度异质性变化的指标。由此，以经济贫困指数、社会贫困指数和自然贫困指数为基础的贫困综合指数，能够从多维角度上反映贫困县的贫困综合程度。
图1 南疆四地州行政区划图

Fig.1 Location of the four prefectures in South Xinjiang

依据王艳慧等的研究[14]，公式为：
P I = ω E ⋅ E + ω S ⋅ S + ω N ⋅ N ω E + ω S + ω N
E = ∑ i = 1 n λ i ⋅ α i ∑ i = 1 n λ i ⋅ β i
式中：PI为综合贫困指数；E为经济贫困指数；S为社会贫困指数；N为自然贫困指数；ωE、ωS、ωN分别为各维度权重与各维度值乘积；其中，S、N的计算方法与E的计算方法相同；λi为第i项的权重值；αi为第i项的贫困剥夺临界值；βi为第i项指标值。

1.3.3 多维贫困变化度

研究区的多维综合贫困度变化用多维贫困变化度来衡量，多维贫困变化度是用以描述特定时间范围内研究区综合贫困指数的变化情况。公式为：
V = W 2 - W 1 W 1 ⋅ 1 T ⋅ 100 %
式中：V为特定时间范围内研究区的多维贫困变化度；W1、W2分别表示研究初期和末期的多维综合贫困指数；T表示研究时间的范围年数。

1.3.4 多维贫困贡献度

多维贫困贡献度是各贫困类型受经济发展、人口特征等维度影响后致贫因子致贫的能力，反映致贫后贫困的变化程度，不同维度导致贫困的障碍程度存在差别。本文中多维贫困贡献度反映贫困县尺度下贫困类型受维度影响后贫困的变化状态，与贫困致贫结构的演替过程，致贫因素的性质、贡献度等多方面均存在密切关系。多维贫困贡献度是描述贫困特点的指数，既反映导致贫困的影响过程，也反映受影响后贫困的变化状态，是致贫过程中结构变化、影响程度的量化因子，是多维贫困致贫因素的重要指数。根据Alkire、Foster等对于多维贫困测度的研究成果[12-13]，增加经济发展、人口特征、生活条件、教育水平、医疗卫生、劳动保障、环境资源维度构建多维贫困贡献度的评价指标，通过多因子加权求和反映不同维度的贫困贡献度。公式为：
F i = w i ⋅ d i ∑ i = 1 n w i ⋅ d i
式中：Fi表示第i个指标对综合贫困指数的贡献度；wi为第i个指标的主客观组合权重值；di为第i个指标经标准化所得值。

1.4 空间自相关

本文分别运用全局空间自相关和局部空间自相关来分析南疆四地州贫困县多维综合贫困程度，以及经济、社会、自然贫困指数空间分布的自相关性，并检验空间相关关联显著性。全局Moran's I指数用以反映相近区域是否存在空间依赖关系；局部Moran's I指数利用LISA聚类图分析贫困县与周围贫困县之间的聚集关系。

2 结果与分析

2.1 多维综合贫困度演变

利用公式（1）~（4）计算每个贫困县的多维贫困变化度值，在ArcGIS软件中对应输入各贫困县数据库，对其进行空间分析。参照袁媛、杨玉蓉等的研究成果[28-29]以及多维贫困变化度值在时空上的分布特征，对南疆四地州多维贫困缓解水平进行分级评价，将贫困县的多维贫困变化度值划分为相对快速改善区（0.95~1.00）、相对低速缓解区（0.85~0.96）、相对低速加深区（0.65~0.84）、相对快速恶化区（0~0.64）4个等级。其分布如图2~图5所示，图中颜色越深代表贫困指数下降速度越快，反之贫困指数下降速度越慢。南疆四地州贫困县贫困变化度整体在空间分布上有显著的差异性。
图2 南疆四地州贫困县综合贫困度空间格局演变

注：a.2000—2005年；b.2006—2010年；c.2011—2016年（图3~图5同）。

Fig.2 The spatial pattern of comprehensive poverty in poor counties of the four prefectures in South Xinjiang in 2000-2005，2006-2010 and 2011-2016

图3 南疆四地州贫困县经济贫困指数空间格局演变

Fig.3 The spatial pattern evolution of economic poverty index in poor counties of the four prefectures in South Xinjiang in 2000-2005，2006-2010 and 2011-2016

图4 南疆四地州贫困县社会贫困指数空间格局演变

Fig.4 The spatial pattern evolution of social poverty index in poor counties of the four prefectures in South Xinjiang in 2000-2005，2006-2010 and 2011-2016

图5 南疆四地州贫困县自然贫困指数空间格局演变

Fig.5 The spatial pattern of natural poverty index in poor counties of the four prefectures in South Xinjiang in 2000-2005，2006-2010 and 2011-2016

从综合贫困变化整体来看，南疆四地州贫困县的贫困缓解速度呈现出明显的由快速到低速再快速的趋势。2000—2005年，南疆四地州贫困县综合贫困度变化总体特点为：相对快速改善区主要集中分布在克州以及和田地区中部；低速缓解区向西南部集中，主要为喀什地区以及和田地区的和田县、墨玉县；低速加深区为乌什县、柯坪县以及疏附县；民丰县、塔什库尔干塔吉克自治县处于快速恶化区域。2006—2010年，四地州贫困县快速改善区大部分变为低速缓解区，整体表现为贫困缓解能力下降；快速改善区为和田县、墨玉县、洛浦县、麦盖提县、疏附县以及乌什县；低速缓解区呈扩散趋势，主要集中分布在克州南部、喀什中部以及和田地区的皮山县、策勒县、于田县、民丰县。2011—2016年，整体缓解贫困能力增强，乌恰县、英吉沙县表现为快速恶化，低速加深区分布得较为零散，为塔什库尔干塔吉克自治县、阿合奇县、民丰县，其余贫困县大部分处于快速改善区。
从经济消贫能力整体来看，喀什地区中部以及和田地区中部的贫困缓解能力整体较强，两地区内大部分贫困县处于相对快速改善区与相对低速缓解区，且连接成片。喀什地区除塔什库尔干塔吉克自治县为相对快速恶化区，其余贫困县整体经济缓解贫困能力较强。2000—2005年，相对快速改善区主要分布在喀什中部以及和田地区的和田县、策勒县，喀什市及和田市作为地区政治经济发展中心所在地，发展相对较好；相对快速恶化区总体被相对低速加深区包围，形成低值区域条带状分布。2006—2010年，和田地区贫困县的经济消贫速度相对较快，整体处于相对快速改善区；克州地区除阿合奇县经济消贫能力处于相对低速缓解区，其余都属于相对快速改善区。2011—2016年，经济发展减缓，整体经济贫困缓解能力有所下降，阻碍了贫困缓解水平的提升；相对低速缓解区集中在相对快速改善区的两翼，使得这两个区域在空间上呈片状分布，集聚程度显著。
从社会消贫能力整体来看，南疆四地州贫困县整体向快速改善偏移，只有2006—2010年贫困变化度空间分布上克州整体处于相对低速加深区，无贫困县处于相对快速恶化区。2000—2005年，克州地区及阿克苏地区贫困县均处于相对低速缓解区；此外，除了麦盖提县、巴楚县、民丰县处于相对低速缓解区外，其余均处于相对快速改善区。2006—2010年，和田地区整体处于相对快速改善区；阿克苏地区贫困县处于相对低速缓解区；克州整体表现为社会发展对贫困缓解能力相对较弱；喀什地区除了巴楚县处于相对低速缓解区外，其余都属于相对快速改善区。2011—2016年，相对快速改善区包括乌什县、柯坪县在内的9个贫困县；相对低速缓解区包括阿克陶县、乌恰县在内的17个贫困县。这说明南疆四地州贫困县社会发展对贫困缓解能力差距不明显。
从自然消贫发展整体来看，南疆四地州贫困县资源不足及时空分布不均，自然资源利用对贫困的缓解能力波动变化态势显著。和田地区东部地处塔克拉玛干沙漠，克州素有“万山之州”之称，资源开发利用难度相对较大。克州地区2000—2016年贫困缓解能力呈现出逐渐减弱的趋势。2000—2005年，乌什县、疏附县属于相对低速加深区，柯坪县、于田县、民丰县属于相对快速恶化区，其自然资源利用能力低，阻碍了社会经济发展，严重制约了贫困的缓解。塔什库尔干塔吉克自治县境内沟壑纵横、山区地形复杂，资源较为匮乏且利用效率低下，限制了贫困缓解能力的提升，2006—2010年，其由相对快速改善区变化为相对快速恶化区，表明其自然资源贫困程度有加剧的趋势，存在自然资源贫困问题。2011—2016年，喀什地区除塔什库尔干塔吉克自治县属于相对快速恶化区外，其余均处于相对快速改善区，表明自然资源贫困状况有所改善。和田地区由东向西自然资源贫困缓解贫困能力逐步增强。

2.2 多维综合贫困度空间相关性分析

运用GeoDa软件，计算2000、2005、2010、2016年不同时空尺度下南疆四地州贫困县多维综合贫困度的Moran's I值，结合全局自相关散点图与局部自相关LISA聚类图，显著性水平为0.05，进一步分析多维综合贫困度在贫困县与相邻贫困县的相关程度，以期得到贫困县多维综合贫困度的空间分布特征。
图6表明，Moran's I均为正值，说明南疆四地州贫困县多维综合贫困度在空间上存在高度的正相关关系，全局空间自相关集聚特征明显。2000—2016年，其值从0.2451下降至0.0753，表明多维综合贫困度随时间的变化表现出集聚态势减弱的趋势，聚集程度降低。贫困县的多维综合贫困度值主要分布在第一和第三象限，正相关空间关联模式具有高值区集聚和低值区集聚。2000年，具有空间正相关的县域比例达到57.7%；2016年，这一比例下降至26.9%，表明随时间变化贫困空间聚集性减弱。
图6 2000、2005、2010、2016年县域多维综合贫困度Moran’s I 散点图

Fig.6 Moran’s I scatter diagram of the multidimensional comprehensive poverty degree in 2000，2005，2010 and 2016

由图7可知，2000—2016年南疆四地州内贫困县与相近贫困县多维综合贫困度在空间上具有集群分布向随机离散分布格局转变的趋势。①高高集聚贫困县自身和相近贫困县多维综合贫困度都较高，二者多维贫困空间差异小。2000年，高高区域以阿合奇县和阿图什市，以及策勒县、于田县和民丰县为中心显著聚集于克州和和田地区的东部，这两个高高集聚区多维综合贫困程度深；至2016年，以于田县、民丰县为中心形成多维综合贫困度的高高区集聚在和田地区的东部，此区域整体明显相对贫困。因此，扶贫政策的瞄准任务需要进一步加大高高集聚区扶贫导向的倾斜投入力度、优化扶贫政策，以促进扶贫绩效的均衡发展。②低低集聚区在喀什地区中部的泽普县、莎车县、麦盖提县、岳普湖县。低低集聚贫困县自身和相近贫困县多维综合贫困度都较低，二者多维贫困空间差异小。2000—2010年空间上变化不大，至2016年，低低集聚区消失。③低高集聚区贫困县自身多维综合贫困度较低，而其相近贫困县多维综合贫困度高的区域呈现零星空间分布，二者多维贫困空间具有异质性，和田地区中部的和田市、和田县、墨玉县、洛浦县处于此区域，至2010年由东向西面积减少。④高低集聚区贫困县自身水平较高，而其相近贫困县多维综合贫困度低，二者多维贫困空间具有异质性，区域空间上变化不显著，和田地区西部的民丰县一直处于高低集聚区。可见，21年间南疆四地州多维贫困空间格局在空间上变化明显，空间集聚程度降低，集聚区不稳定，贫困县与其相邻贫困县空间分布格局随时间变化呈现出集群分布转变为随机分布的趋势。
图7 2000、2005、2010、2016年县域多维综合贫困度局域空间自相关LISA集群图

Fig.7 Cluster diagram of the multidimensional comprehensive poverty degree in 2000，2005，2010 and 2016

3 影响综合贫困演变的驱动机制分析

3.1 多维贫困贡献度的动态变化特征

基于上面得到的多维综合贫困度，对各贫困县的各个维度贫困贡献度进行计算，以测度影响综合贫困演变的驱动机制。从图8可以看出，①从贡献度所占比重来看，人口特征维度相比其他维度对贫困贡献度较低，劳动保障维度在2000年贫困贡献度最大，其他维度贫困贡献度差距不明显。②从贡献度动态变化特征来看，劳动保障维度对贫困县的贫困贡献度呈低走态势后趋于平稳，贫困贡献度由0.401降到0.143；人口特征维度先上升后基本稳定；而其他维度贫困贡献度呈现出波动的趋势，其中经济发展维度波动上升，生活条件、教育水平、医疗卫生、环境资源维度先上升后有下降趋势。由此可知，贫困地区劳动力比例上升明显、就业人口问题得到解决、参与保险意识增强，贫困得到大幅改善；2006年以前劳动保障维度主导了贫困动态变化，2006年以后经济发展和环境资源维度则成为贫困的主导因子。
图8 贫困县整体多维贫困贡献度动态变化

Fig.8 Dynamic change of the overall multidimensional poverty contribution in poverty-stricken counties

3.2 多维贫困的驱动机制分析

通过多维贫困度量提出精准扶贫政策建议的前提是驱动机制分析，不同贫困县的贫困综合指数相同，驱动机制也会有所不同。聚类分析是依据贫困县综合贫困指数相似性和差异性结合距离统计计量综合分析的过程，对贫困县科学全面地进行逐级归并，既能确保类似驱动机制的有效归类，又能做到降维的效果。运用SPSS 19对2016年各贫困县38个指标作为自变量进行K-均值聚类分析，将26个贫困县聚合成4类，从而能从多角度分别探讨各贫困县的驱动机制。聚类结果见表2。由于4类中有些类型贫困县数量过多，分别随机选取3个贫困县作为案例进行驱动机制分析。
图9 4类贫困县多维贫困贡献度雷达图

Fig.9 Radar map of the multidimensional poverty contribution degree in four kinds of poverty-stricken counties

表2 贫困县K-均值聚类结果

Tab.2 Results of K-means clustering in poverty-stricken counties

聚类 聚类成员
Ⅰ 乌什县、阿图什县、阿克陶县、阿合奇县、乌恰县、疏附县
Ⅱ 柯坪县、和田县、墨玉县、皮山县、洛浦县、策勒县、于田县、民丰县
Ⅲ 疏勒县、英吉沙县、泽普县、莎车县、叶城县、麦盖提县、岳普湖县、伽师县、巴楚县、塔什库尔干塔吉克自治县、和田市
Ⅳ 喀什市
第Ⅰ类贫困县综合贫困指数内部差异较大，综合贫困指数最高的为阿合奇县0.943，最低的为乌什县0.596，贫困程度较高，属于较高贫困区，且均分布在南疆四地州北部。虽然教育水平维度贡献度高于其他类贫困县，但环境资源维度贡献度普遍比其他类高，人口特征和生活条件维度平均贡献度低于贡献度最高的第Ⅲ类贫困县，表明环境资源维度对贫困致贫影响较大，环境资源开采利用情况会影响经济发展和劳动保障维度贡献度的增加。人口特征和生活条件维度则受其他维度影响而参差不齐，从而对综合贫困指数影响不大。
第Ⅱ类贫困县主要包括柯坪县以及和田地区除和田市以外的贫困县。这类贫困县多分布在南疆四地州东部，贫困程度高，综合贫困指数均大于0.737，属于高贫困区。7个维度多维贡献度方面，生活条件维度均表现最为突出，均大于0.196，环境资源、医疗卫生维度贡献度也均略高于其他类贫困县，说明提高环境资源利用能力与改善医疗卫生水平是改善贫困的基础。劳动保障和教育水平维度贡献一般，经济发展和人口特征维度则贡献度较低，说明经济发展水平和人口特征情况对贫困的加剧影响较小。
第Ⅲ类贫困县综合贫困指数普遍较低，多分布在和田市以及喀什地区除喀什市、疏附县以外的贫困县。这类贫困县最大的特点是经济发展维度贡献度表现相对突出，均大于0.218，环境资源和人口特征维度贡献度最低，最低为0.051。说明此类贫困县各维度均衡，经济发展是其改善贫困条件的基石。
第Ⅳ类贫困县只有喀什市。其特点是经济发展维度贡献度极其高，高达0.472，比其余三类贫困县都高，人口特征和环境资源贡献度较低，为0.045和0.078，除经济发展维度贡献度高以外，其余维度贡献度均为四类贫困县中最低，说明经济发展是影响喀什市综合贫困程度高低的主导因子。

4 结论

本文通过构建针对南疆四地州26个贫困县包含3个向度7个维度38个具体指标的多维贫困度量模型，并对每个贫困县的多维综合贫困度、多维贫困变化度、多维贫困贡献度进行了系统全面的测算分析，运用空间自相关与K-均值聚类量化分析2000—2016年贫困县多维综合贫困度的时空分异及其贫困维度变迁特征，在现今贫困县致贫因素日益复杂的背景下，进一步探讨导致时空格局演变的驱动机制。得到如下主要结论：
①多维贫困程度时空演变呈现4种变化等级，从综合贫困变化来看，南疆四地州贫困县的贫困缓解速度大体上呈明显的由快速到低速再快速的特点。从经济消贫能力来看，喀什地区中部以及和田地区中部的经济消贫作用显著，两地区内贫困县大部分处于相对快速改善区与相对低速缓解区，且连接成片。从社会消贫发展来看，整体向快速改善偏移，只有2006—2010年贫困变化度空间分布上克州整体处于相对低速加深区，无贫困县处于相对快速恶化区。从自然消贫发展来看，南疆四地州贫困县资源不足及时空分布不均，自然资源利用对贫困的缓解能力波动变化态势显著。
②南疆四地州贫困县多维综合贫困度在空间上存在高度的正相关关系，全局空间自相关集聚特征显著；随时间演变表现出空间集聚降低的趋势，集聚程度有所减弱；贫困县的多维综合贫困度值主要分布在第一和第三象限，正相关空间关联模式具有高值区和低值区集聚。
③南疆四地州内贫困县与相邻贫困县多维综合贫困度在空间上具有集群分布向随机离散分布格局转变的趋势。21年间南疆四地州多维贫困状态在空间上存在动态变化，空间集聚程度减弱，集聚区不稳定，贫困县与其相邻贫困县空间分布格局随时间变化表现出集群分布转变为离散分布的趋势。
④劳动保障维度对贫困状况影响程度在不断下降，其他维度贫困贡献度呈现均衡化趋势。2006年以前劳动保障对贫困状况影响显著，2006年以后经济发展和环境资源维度则成为主要驱动机制。基于能从多角度分别探讨各贫困县的驱动机制，将26个贫困县聚合成4类，第Ⅰ类贫困县综合贫困指数内部存在显著差异，贫困程度较高，属于较高贫困区，且均分布在南疆四地州北部。第Ⅱ类贫困县多分布在南疆四地州东部，贫困程度高，属于高贫困区。第Ⅲ类贫困县综合贫困指数普遍较低，最大的特点是贫困与经济发展维度贡献度紧密相关。第Ⅳ类贫困县只有喀什市，除经济发展维度贡献度高以外，其余维度贡献度均为四类贫困县中最低，说明经济发展是喀什市的主要致贫因素。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Sen A K. Development as Freedom[M]. New York: Oxford Uni-versity Press, 1999.

[2]
Tsui K. Multidimensional poverty indices[J]. Social Choice and Welfare, 2002, 19(1):69-93.

[3]
Epprecht M, Muller D, Minot N. How Remote are Viernam's ethnic minorities?An analysis of spatial patterns of poverty and inequality[J]. The Annals of Regional Science, 2011, 46(2):349-368.

[4]
陈烨烽, 王艳慧, 王小林. 中国贫困村测度与空间分布特征分析[J]. 地理研究, 2016, 35(12):2 298-2 308.

[5]
刘艳华, 徐勇. 中国农村多维贫困地理识别及类型划分[J]. 地理学报, 2015, 70(6):993-1 007.

DOI

[6]
熊传麟, 叶长盛. 赣南等原中央苏区县域多维贫困测度及空间格局[J]. 水土保持研究, 2016, 23(3):225-232.

[7]
郑长德, 单德朋. 集中连片特困地区多维贫困测度与时空演进[J]. 南开学报:哲学社会科学版, 2016(3):135-146.

[8]
曹诗颂, 王艳慧, 段福洲, 等. 中国贫困地区生态环境脆弱性与经济贫困的耦合关系——基于连片特困区714个贫困县的实证分析[J]. 应用生态学报, 2016, 27(8):2 614-2 622.

[9]
刘彦随, 周扬, 刘继来. 中国农村贫困化地域分异特征及其精准扶贫策略[J]. 中国科学院院刊, 2016, 31(3):269-278.

[10]
陈烨烽, 王艳慧, 赵文吉, 等. 中国贫困村致贫因素分析及贫困类型划分[J]. 地理学报, 2017, 72(10):1 827-1 844.

[11]
UNDP. Human Development Report 2013t[R]. New York: United Nations Development Program, 2013.

[12]
Alkire S, Foster J. Counting and multidimensional poverty measurement[J]. Journal of Public Economics, 2011, 95(7-8):476-487.

[13]
Alkire S, Foster J. Understandings and misunderstand-ings of multidimensional poverty measurement[J]. Journal of Economic Inequality, 2011, 9(2):289-314.

[14]
王艳慧, 钱乐毅, 陈烨烽, 等. 生态贫困视角下的贫困县多维贫困综合度量[J]. 应用生态学报, 2017, 28(8):2 677-2 686.

[15]
赵莹, 刘小鹏, 郭永杰. 集中连片特困地区多维贫困的度量及动态演变——以宁夏西吉县为例[J]. 宁夏大学学报:自然科学版, 2015, 36(1):73-78.

[16]
潘竟虎, 胡艳兴. 基于夜间灯光数据的中国多维贫困空间识别[J]. 经济地理, 2016, 36(11):124-131.

[17]
单德朋, 郑长德. 中国少数民族地区经济活动的空间集聚特征与影响因素[J]. 西南民族大学学报:人文社科版, 2018, 39(6):115-123.

[18]
郑长德. “三区”“三州”深度贫困地区脱贫奔康与可持续发展研究[J]. 民族学刊, 2017, 8(6):1-8,95-97.

[19]
新疆维吾尔自治区统计局. 新疆统计年鉴2017[M]. 北京: 中国统计出版社, 2017.

[20]
国家统计局住户调查办公室. 中国农村2016贫困监测报告[R]. 北京: 中国统计出版社, 2017.

[21]
中共中央国务院. 中国农村扶贫开发纲要(2011—2020年)[R]. 中华人民共和国国务院公报, 2011.

[22]
王艳慧, 钱乐毅, 段福洲. 县级多维贫困度量及其空间分布格局研究——以连片特困区扶贫重点县为例[J]. 地理科学, 2013, 33(12):1 489-1 497.

[23]
郭建宇, 吴国宝. 基于不同指标及权重选择的多维贫困测量——以山西省贫困县为例[J]. 中国农村经济, 2012(2):12-20.

[24]
高翔, 王三秀. 民族地区农村居民多维贫困的测度与致因——兼与非民族地区对比[J]. 广西民族研究, 2018(2):135-144.

[25]
周扬, 郭远智, 刘彦随. 中国县域贫困综合测度及2020年后减贫瞄准[J]. 地理学报, 2018, 73(8):1 478-1 493.

[26]
赵雪雁, 马艳艳, 陈欢欢, 等. 干旱区内陆河流域农村多维贫困的时空格局及影响因素——以石羊河流域为例[J]. 经济地理, 2018, 38(2):140-147.

DOI

[27]
徐建华. 现代地理学中的数学方法[M]. 北京: 高等教育出版社, 2009.

[28]
袁媛, 古叶恒, 陈志灏. 中国城市贫困的空间差异特征[J]. 地理科学进展, 2016, 35(2):195-203.

DOI

[29]
杨玉蓉, 谭勇, 皮灿, 等. 湖南农村水贫困时空分异及其驱动机制[J]. 地域研究与开发, 2014, 33(1):23-27.

Options
文章导航

/

〈 〉