新疆貧困縣影響因素非參數模型分析

楊輝平　楊雅彬

摘要：本文根據新疆83個縣的調查年鑒數據，運用Wilkslambda分析方法和Wilcoxon秩和方法篩選出了影響新疆貧困縣的最主要變量，并利用非參數K近鄰判別模型對新疆各縣進行了是否貧困的識別。本文在分析了影響新疆貧困縣的最主要因素基礎上，對新疆扶貧措施提出了可行性建議：加強貧困地區畜牧業和加工工業的發展，增加地方財政收入，加大邊境縣的財政扶持力度。

關鍵詞：貧困縣；影響因素；非參數模型

中圖分類號：F127.45 文獻標識碼：A

文章編號：1005-913X（2014）08-0066-03

Abstract： According to the Xinjiang investigation yearbook data of 83 counties， this paper has screened out of the most main variables influencing impoverished counties in Xinjiang by applying Wilks' lambda analysis method and Wilcoxon methods of sum of ranks； it also has made a poverty recognition of countries in Xinjiang by use of the nonparametric K-nearest-neighbor discrimination model. This paper analyze the main influencing factors of impoverished counties in Xinjiang， and put forward the measures to alleviate poverty in Xinjiang as follows： strengthen the development of animal husbandry and processing industry in poor areas； increase the local financial revenue； increase the strength of financial support for frontier countries.

Keywords： Impoverished Counties； Influencing Factor； Non Parametric Model

引言

新疆地處中國的邊緣地帶，自然環境惡劣、遠離中心城市、消息閉塞，目前有27個國家級貧困縣，3個自治區級貧困縣，2010年新疆統計調查大隊對新疆30個重點縣的300個村進行了貧困程度的調查，調查結果顯示：被調查村中有180個貧困村，其中南疆三地州所占比例為68.89%；全疆農村居民家庭人均純收入為4643元，南疆三地州重點縣農民人均純收入為2928.58元，其中工資性收入僅為426.93元。研究各貧困縣間的共性特征，找出影響新疆貧困縣的最主要因素，對扶貧開發、制定相關政策具有指導意義。

一、文獻綜述

（一）關于多維貧困的概念

1.1996年，Anand，S.andSen，A.在《The Income Component of the Human Development Index》中提出貧困理論應主要突破傳統流行貧困論中將貧困等同于低收入的狹隘界限，提出用能力和收入來衡量貧困的新思維，通過重建個人能力來避免和消除貧困。

2.2001年，葉萬普在《中國貧困問題研究大綱》是這樣定義貧困的：“貧困是經濟、社會、文化、落后的總稱，是由低收入造成的缺乏生活必需基本物質和服務以及沒有發展機會和手段的這樣一種生活狀況。”

3.2005年，尚衛平、姚智謀在《多維貧困測度方法研究》中提到“理論界有人提出貧困應該表現為福利的缺乏，而福利是一個多維概念 ，除由收入水平決定外 ，還可能包含公共產品的提供、住房供給、掃盲和平均壽命等；相應地，貧困也是一個多維概念。”

（二）貧困縣研究現狀

1.2007年，陳立中在《中國轉型時期城鎮貧困測度研究》中運用了數理經濟學的方法構建了科學合理的貧困測度指數，并且定性與定量相結合進行了貧困測度與分析，通過科學的貧困測度來準確識別貧困人口，診斷貧困問題，為反貧困政策的制訂提供了科學依據。

2.2008年，劉娟在《貧困縣產業發展與可持續競爭力提升研究》中運用了規范分析和實證分析相結合的方法，系統分析和比較分析相結合的方法以及靜態分析和動態分析相結合的方法，以592個國家扶貧開發工作重點縣為主要分析對象，對貧困縣產業可持續競爭力的現狀進行指標測評和發展階段定位，對制約貧困縣產業發展的內外因素進行了系統研究，最后得出在市場經濟體制下，要想提高貧困縣的區域生存、發展能力，就必須以提升產業可持續競爭力為核心，加快貧困縣的產業發展。

3.2010年，李翠錦在《新疆農村貧困的測度及其變動原因分析》中運用了擬合效果最佳的Lorenz曲線模型測算了FGT貧困指數，定量測度了八七扶貧攻堅計劃以來新疆農村貧困的規模，并通過FGT貧困指數分解進一步分析了經濟增長、收入分配因素對新疆農村貧困的變動效應，以期為相關研究提供參考。

概觀上述各類學者對多維貧困的理解與研究，雖在不斷的更新與完善中，卻依然存在著一些不足：許多理論大都停留在經驗觀察的基礎上，只注重了物質品的需求而忽視了最基本的精神生活需求，缺乏系統的實證研究。

二、多維貧困變量的選擇與篩選

由于新疆是少數民族聚居區，所以本文擬從人均耕地面積（x1）、人均地方財政收入（x2）、人均地方財政支出（x3）、人均牲畜頭數（x4）、人均糧食（x5）、在崗職工平均貨幣工資（x6）、工業生產總值在總產值中的比重（x7）、邊境縣（x8）、少數民族聚居區（x9）、南北東疆（x10）、人均地區生產總值（x11）；對影響新疆貧困縣的貧困因素進行分析，找出影響各縣貧困的最主要因素，以期為新疆貧困縣脫貧發展政策的制定提供科學依據。

（一）數據的正態性檢驗

表1中，人均耕地面積、人均地方財政收入、人均地方財政支出、人均牲畜頭數、人均糧食、工業生產總值在總產值中的比重、人均地區生產總值7個變量的正態性檢驗p值均等于0，說明無論顯著性水平多大，以上變量均顯著不服從正態分布；在崗職工平均貨幣工資的正態性檢驗P值=0.063，說明在顯著性0.1的水平下，在崗職工平均貨幣工資亦顯著不服從正態分布。

（二）變量的篩選

本文采用Wilkslambda方法進行識別貧困縣變量的篩選，并運用Wilcoxon秩和方法對所篩選出來的變量進行檢驗，具體過程及結果見表5。

表2中第1步表明少數民族聚居區（x9）是最先進入模型的，其進入模型的F值是21.94，Wilkslambda=0.786893，P值小于0.0001，說明少數民族聚居區是判別貧困的最重要變量；對貧困縣與非貧困縣作關于少數民族聚居區的秩和檢驗，由于檢驗統計量的概率P值小于顯著性水平α（0.1），因此認為貧困縣與非貧困縣中少數民族聚居區的分布存在顯著性差異，即進一步確認了少數民族聚居區是識別貧困的最重要變量。表2中第2—8步表明剩余變量按先后順序依次進入模型的是：人均牲畜頭數（X4）、工業生產總值在總產值中的比重（X7）、人均耕地面積（X1）、在崗職工平均貨幣工資（X6）、邊境縣（x8）、人均地方財政收入（X2）、南北東疆（X10），以上變量關于Wilkslambda檢驗統計量的P值均小于0.0001，說明以上7個變量均可作為判別貧困的重要變量，且識別貧困的能力依次減弱；對貧困縣與非貧困縣作關于以上七個變量的秩和檢驗，由于檢驗統計量的概率P值均小于顯著性水平α（0.1），因此認為貧困縣與非貧困縣中人均牲畜頭數、工業生產總值在總產值中的比重、人均耕地面積、在崗職工平均貨幣工資、邊境縣、人均地方財政收入與南北東疆七個方面的分布均存在顯著性差異，即進一步確認了以上7個變量是識別貧困的重要變量。模型外、內變量無進無出，Wilkslambda分析方法的自變量選擇結束。

三、新疆貧困縣非參數K近鄰判別模型識別

（一）非參數模型選用的意義

目前采用最多的方法是多元判別分析法，logistic回歸法和神經網絡法，這些方法雖然已經得到了廣泛的應用，但存在的問題是其過于嚴格的前提條件，如logistic回歸法無需假定任何概率分布，也不要求等協方差性，但該模型對樣本的要求比較高，隨機性較大的樣本可能造成模型參數的最大似然估計不存在，最終導致建模失敗；神經網絡是一種對數據分布無任何要求的非線性技術，它能有效解決非正態分布、非線性的預測評估問題，但它存在“黑箱線”（即不具解釋性）、結構確定困難性、訓練樣本集大和訓練效率低等缺點；多元判別分析法最大優點在于其具有較好的解釋性和簡明性，缺陷是較嚴格的前提條件—要求數據服從多元正態分布和協方差矩陣相等。而基于非參數密度估計的非參數判別法能夠避免樣本的多元正態分布假設、樣本的協方差矩陣相等假設和自變量與因變量間關系符合線性的假設。綜上所述，本文將運用K近鄰估計法構建新疆各縣是否貧困的判別模型，旨在說明這種模型的穩健性和預測的準確度。

（二）新疆貧困縣非參數K近鄰判別模型的識別分析

1.K近鄰方法簡介

K近鄰方法（KNN：K-Nearest-Neighbor）是一種基于非參數的多元變量判別方法，最早由Fix和Hodges（1952）與Cover和Hart（1967）等人提出，主要用于概率密度函數的估計和判別分析，它不僅放松了對變量正態性要求的統計假設，同時它也放松了回歸中的構造鏈接函數的要求。KNN方法的數學語言描述形式如下。

K近鄰法先固定一個K值，對訓練集中的每個觀察點x都要找出最近的k個點，該方法的半徑rk（x）等于x到第k個近鄰訓練集點的馬氏距離。考慮一個以x為中心，以為邊界的封閉橢球，則K近鄰法與以rk（x）為非獨立位置半徑的均勻內核方法是相同的。值得注意的是在有節情況下，橢球中的訓練集點的個數大于k。

2.非參數K近鄰判別模型的建立

以新疆3個自治區級貧困縣為測試樣本集，其它80個縣為訓練樣本集.首先對樣本的原始數據變量利用SAS的判別過程選擇適當變量進行模型構建，本文采用Wilkslambda判別方法來挑選變量；其次，對于上述過程所選出來的變量，再利用非參數Wilcoxon秩和方法對其進行檢驗，當P值大于顯著性水平0.1時，則刪除相應變量，得到建模變量如表5所示。最后，利用K近鄰法對篩選出來的最主要變量進行非參數K近鄰判別模型的構建，結果表明，當且僅當K鄰近點取4，誤判率最小，結論符合實際。

3.KNN方法模型的訓練樣本集判別結果

由表3與表4可以看出：對于非貧困縣組來說，訓練樣本集中共有53個非貧困縣，正確的分組有44個縣市，占該組的83.02%；錯誤分組的有9個縣市，占該組的16.98%，即非貧困縣組中的特克斯、哈巴河、且末、溫宿、沙雅、阿瓦提、澤普、麥蓋提與和田共9個縣市由原來的非貧困縣被判別為了貧困縣。對于貧困縣組來說，訓練樣本集中共有27個國家級貧困縣，正確的分組有25個縣市，占該組的92.59%；錯誤分組的有2個縣市，占該組的7.41%，即貧困縣組中的巴里坤與尼勒克共2個縣市由原來的貧困縣被判別為了非貧困縣。總的正確率為86.25%，說明預測結果將會較精確。

之所以造成了各縣貧困判別的失誤，可能是因為貧困一直以來都是一個一維的概念，即以收入來衡量，而本文通過篩選出來的8個變量將貧困構造成了一個多維貧困，從多方面來衡量貧困，這樣將有助于正確地識別貧困與非貧困。

4.KNN方法模型的測試樣本集預測結果

由表5可知，測試樣本集中共有3個縣市，即裕民、伊吾、和布克賽，它們均被預測成了非貧困縣，這也正好說明了這3個自治區級貧困縣與國家級貧困縣間的差異。

四、主要結論與政策建議

（一）主要結論

1.由Wilkslambda分析方法進行變量篩選的結果可知，少數民族聚居區、人均牲畜頭數、工業生產總值在總產值中的比重、人均耕地面積、在崗職工平均貨幣工資、邊境縣、人均地方財政收入與南北東疆八個因素可以用來識別貧困縣，且識別能力依次減弱。

2.訓練樣本集中，特克斯、哈巴河、且末、溫宿、沙雅、阿瓦提、澤普、麥蓋提與和田共9個縣市由原來的非貧困縣被判別成了貧困縣，而巴里坤與尼勒克共2個縣市由原來的貧困縣被判別為了非貧困縣；總的回判準確率為86.25%。

3.測試樣本集中，裕民、伊吾、和布克賽3個自治區級貧困縣均被預測成了非貧困縣，這也正好說明了這3個自治區級貧困縣與國家級貧困縣間的差異。

（二）政策建議

1.加強貧困地區畜牧業和加工工業的發展。根據本文研究可得人均耕地面積和人均牲畜頭數都是影響新疆貧困的重要因素；人均耕地面積越多的縣市應大量發展畜牧業與農產品加工業，來提高經濟效益，從而減小貧困程度。人均耕地面積少的縣市應發展其它的產業，如地方特色產業，旨在縮小貧困縣與非貧困縣之間的差距。

2.增加地方財政收入。工業生產總值在總產值中所占比重越小的縣市，說明工業發展落后，則地方財政收入較少，支出也少，當地的經濟發展較緩慢，人們的生活質量下降，貧困程度就會越嚴重。所以政府應制定相關的政策，根據當地實際情況調整產業結構，對優勢產業的發展加大投入，從而使貧困縣能盡快脫貧。

3.加大邊境縣的財政扶持力度。邊境縣由于自然環境惡劣、交通不便、信息閉塞等原因而造成經濟發展落后，貧困程度較嚴重，所以政府應加大對邊境縣的財政扶持力度，改善人們的生活水平，從而使邊境縣盡快脫貧發展。

參考文獻：

[1] 劉 娟.貧困縣產業發展與可持續競爭力提升研究[D].北京：中共中央黨校，2008（5）.

[2] 陳立中.中國轉型時期城鎮貧困測度研究[D].武漢：華中科技大學，2007（5）.

[3] 尚衛平，姚智謀.多維貧困測度方法研究[J].財經研究，2005（12）.

[4] 管金玲.新疆城市反貧困戰略實施中的政府職能研究[D].烏魯木齊：新疆大學，2007.

[5] 王敬濤.貧困度量與分析問題探討[D].廈門：廈門大學，2007（3）.

[6] 葉萬普.中國貧困問題研究大綱[D].西安：陜西師范大學，2001.

[7] 呂文婧.貧困理論的系統分析[D].大連：東北財經大學，2003.

[8] 李翠錦.新疆農村貧困的測度及其變動原因分析[J].安徽農業科學，2010（11）.

[9] 解 恒.貧困度量問題研究[D].湘潭：湘潭大學，2006.

[10] Anand，S& Sen，A.（1996）.The Income Component of the Human Development Index[J]，NewYor-k：UNDP.

[11] Alkire，S.& Foster，J. （2008）.Counting and Multidimensional Poverty Measures“OPHI Working Paper Se-ries（7），www.ophi.org.ukSen，A.K，1976”，Poverty：An Ordinal Approach to Measurement.E-conometruca[J]，44，219-3＼231.

[12] Alkire，S（2007）.The multidimensions of poverty data：Introduction to the special issue[J]，Oxford Development Studies 35（4）：347-359.

[責任編輯：蘭欣卉]

四、主要結論與政策建議

（一）主要結論

1.由Wilkslambda分析方法進行變量篩選的結果可知，少數民族聚居區、人均牲畜頭數、工業生產總值在總產值中的比重、人均耕地面積、在崗職工平均貨幣工資、邊境縣、人均地方財政收入與南北東疆八個因素可以用來識別貧困縣，且識別能力依次減弱。

2.訓練樣本集中，特克斯、哈巴河、且末、溫宿、沙雅、阿瓦提、澤普、麥蓋提與和田共9個縣市由原來的非貧困縣被判別成了貧困縣，而巴里坤與尼勒克共2個縣市由原來的貧困縣被判別為了非貧困縣；總的回判準確率為86.25%。

3.測試樣本集中，裕民、伊吾、和布克賽3個自治區級貧困縣均被預測成了非貧困縣，這也正好說明了這3個自治區級貧困縣與國家級貧困縣間的差異。

（二）政策建議

1.加強貧困地區畜牧業和加工工業的發展。根據本文研究可得人均耕地面積和人均牲畜頭數都是影響新疆貧困的重要因素；人均耕地面積越多的縣市應大量發展畜牧業與農產品加工業，來提高經濟效益，從而減小貧困程度。人均耕地面積少的縣市應發展其它的產業，如地方特色產業，旨在縮小貧困縣與非貧困縣之間的差距。

2.增加地方財政收入。工業生產總值在總產值中所占比重越小的縣市，說明工業發展落后，則地方財政收入較少，支出也少，當地的經濟發展較緩慢，人們的生活質量下降，貧困程度就會越嚴重。所以政府應制定相關的政策，根據當地實際情況調整產業結構，對優勢產業的發展加大投入，從而使貧困縣能盡快脫貧。

3.加大邊境縣的財政扶持力度。邊境縣由于自然環境惡劣、交通不便、信息閉塞等原因而造成經濟發展落后，貧困程度較嚴重，所以政府應加大對邊境縣的財政扶持力度，改善人們的生活水平，從而使邊境縣盡快脫貧發展。

參考文獻：

[1] 劉 娟.貧困縣產業發展與可持續競爭力提升研究[D].北京：中共中央黨校，2008（5）.

[2] 陳立中.中國轉型時期城鎮貧困測度研究[D].武漢：華中科技大學，2007（5）.

[3] 尚衛平，姚智謀.多維貧困測度方法研究[J].財經研究，2005（12）.

[4] 管金玲.新疆城市反貧困戰略實施中的政府職能研究[D].烏魯木齊：新疆大學，2007.

[5] 王敬濤.貧困度量與分析問題探討[D].廈門：廈門大學，2007（3）.

[6] 葉萬普.中國貧困問題研究大綱[D].西安：陜西師范大學，2001.

[7] 呂文婧.貧困理論的系統分析[D].大連：東北財經大學，2003.

[8] 李翠錦.新疆農村貧困的測度及其變動原因分析[J].安徽農業科學，2010（11）.

[9] 解 恒.貧困度量問題研究[D].湘潭：湘潭大學，2006.

[10] Anand，S& Sen，A.（1996）.The Income Component of the Human Development Index[J]，NewYor-k：UNDP.

[11] Alkire，S.& Foster，J. （2008）.Counting and Multidimensional Poverty Measures“OPHI Working Paper Se-ries（7），www.ophi.org.ukSen，A.K，1976”，Poverty：An Ordinal Approach to Measurement.E-conometruca[J]，44，219-3＼231.

[12] Alkire，S（2007）.The multidimensions of poverty data：Introduction to the special issue[J]，Oxford Development Studies 35（4）：347-359.

[責任編輯：蘭欣卉]

四、主要結論與政策建議

（一）主要結論

1.由Wilkslambda分析方法進行變量篩選的結果可知，少數民族聚居區、人均牲畜頭數、工業生產總值在總產值中的比重、人均耕地面積、在崗職工平均貨幣工資、邊境縣、人均地方財政收入與南北東疆八個因素可以用來識別貧困縣，且識別能力依次減弱。

2.訓練樣本集中，特克斯、哈巴河、且末、溫宿、沙雅、阿瓦提、澤普、麥蓋提與和田共9個縣市由原來的非貧困縣被判別成了貧困縣，而巴里坤與尼勒克共2個縣市由原來的貧困縣被判別為了非貧困縣；總的回判準確率為86.25%。

3.測試樣本集中，裕民、伊吾、和布克賽3個自治區級貧困縣均被預測成了非貧困縣，這也正好說明了這3個自治區級貧困縣與國家級貧困縣間的差異。

（二）政策建議

1.加強貧困地區畜牧業和加工工業的發展。根據本文研究可得人均耕地面積和人均牲畜頭數都是影響新疆貧困的重要因素；人均耕地面積越多的縣市應大量發展畜牧業與農產品加工業，來提高經濟效益，從而減小貧困程度。人均耕地面積少的縣市應發展其它的產業，如地方特色產業，旨在縮小貧困縣與非貧困縣之間的差距。

2.增加地方財政收入。工業生產總值在總產值中所占比重越小的縣市，說明工業發展落后，則地方財政收入較少，支出也少，當地的經濟發展較緩慢，人們的生活質量下降，貧困程度就會越嚴重。所以政府應制定相關的政策，根據當地實際情況調整產業結構，對優勢產業的發展加大投入，從而使貧困縣能盡快脫貧。

3.加大邊境縣的財政扶持力度。邊境縣由于自然環境惡劣、交通不便、信息閉塞等原因而造成經濟發展落后，貧困程度較嚴重，所以政府應加大對邊境縣的財政扶持力度，改善人們的生活水平，從而使邊境縣盡快脫貧發展。

參考文獻：

[1] 劉 娟.貧困縣產業發展與可持續競爭力提升研究[D].北京：中共中央黨校，2008（5）.

[2] 陳立中.中國轉型時期城鎮貧困測度研究[D].武漢：華中科技大學，2007（5）.

[3] 尚衛平，姚智謀.多維貧困測度方法研究[J].財經研究，2005（12）.

[4] 管金玲.新疆城市反貧困戰略實施中的政府職能研究[D].烏魯木齊：新疆大學，2007.

[5] 王敬濤.貧困度量與分析問題探討[D].廈門：廈門大學，2007（3）.

[6] 葉萬普.中國貧困問題研究大綱[D].西安：陜西師范大學，2001.

[7] 呂文婧.貧困理論的系統分析[D].大連：東北財經大學，2003.

[8] 李翠錦.新疆農村貧困的測度及其變動原因分析[J].安徽農業科學，2010（11）.

[9] 解 恒.貧困度量問題研究[D].湘潭：湘潭大學，2006.

[10] Anand，S& Sen，A.（1996）.The Income Component of the Human Development Index[J]，NewYor-k：UNDP.

[11] Alkire，S.& Foster，J. （2008）.Counting and Multidimensional Poverty Measures“OPHI Working Paper Se-ries（7），www.ophi.org.ukSen，A.K，1976”，Poverty：An Ordinal Approach to Measurement.E-conometruca[J]，44，219-3＼231.

[12] Alkire，S（2007）.The multidimensions of poverty data：Introduction to the special issue[J]，Oxford Development Studies 35（4）：347-359.

[責任編輯：蘭欣卉]