湖南武陵山片區扶貧效率的空間分布及其影響因素
——基于全局DEA方法與空間自回歸面板數據模型的研究

2018-03-20 09:41:23宋美喆

商學研究 2018年1期

宋美喆

(1.湖南大學，湖南長沙 410079； 2.湖南財政經濟學院，湖南長沙 410205)

一、引言

隨著我國扶貧工作進入到新的歷史階段，各地區貧困程度得到了較大改善，但發展不平衡的矛盾卻仍比較突出，貧困分布帶有明顯的區域性特征。在此背景下，集中連片的特殊困難地區成為我國扶貧開發的主戰場和重要抓手。而武陵山片區區域內少數民族眾多、貧困人口分布廣泛，貧困程度深，更是片區扶貧工作的攻堅點。根據湖南省扶貧辦發布的武陵山片區國家規劃(2011—2020)相關數據顯示，《中國農村扶貧開發綱要(2001—2010年)》實施期間，武陵山片區的貧困村共11303個，約占全國的7.64%，片區中有42個是國家級貧困縣，占片區內縣市總數的59.15%，13個被確定為省級扶貧重點縣。要實現片區減貧目標，還需要以政府力量為主導，加強政策指導，通過將扶貧資金向貧困地區傾斜，以健全完善當地基礎設施，積極引導資源要素流向，增加居民收入。2011年以來，我國政府率先將武陵山片區作為試點，出臺了《武陵山片區區域發展與扶貧攻堅規劃(2011—2020年)》，以為全國其他的連片特困地區提供示范和積累經驗，這無疑為武陵山片區迎來了加快發展的歷史性機遇。在當前扶貧工作更重精準化和減貧難度持續加大的背景下，湖南武陵山片區的扶貧成效如何，影響其成效的因素有哪些？這些問題的回答對于進一步提高扶貧資金管理水平，優化扶貧資金配置結構，助推貧困人口持續脫貧，降低武陵山片區乃至全國的貧困率都具有重要的指導意義。

二、文獻綜述

早期相關文獻集中于總結我國扶貧工作的模式、經驗及不足，隨著扶貧統計監測系統的完善和扶貧開發工作的全面推進，越來越多的文獻開始關注扶貧的效果評價。李佳路(2010)[1]運用傾向得分匹配方法，評估了S省30個扶貧重點縣扶貧項目的減貧效果。采用相同方法的還有《山西財政支農和減貧政策效應研究》課題組(2011)[2]。申云和彭小兵(2016)[3]對此方法進行了改進，綜合運用雙重差分和基于傾向得分的倍差匹配法，對農戶鏈式融資的精準扶貧效果進行了政策評價。李盛基等(2014)[4]構建回歸模型，運用脈沖響應方法，對我國扶貧資金的動態減貧效果進行了實證分析。陳凌珠和莊天慧(2016)[5]同樣是借助回歸分析的方法，檢驗了扶貧資金投入對農民人均純收入和貧困發生率的影響。劉延蘭和趙洪偉(2013)[6]針對少數民族地區，采用模糊AHP法構建了衡量農村扶貧效果的評價指標體系。舒銀燕(2014)[7]主張采用主、客觀賦權法相結合的方法對農業產業扶貧效果進行評價。孫璐和陳寶峰(2015)[8]運用AHP-TOPSIS 方法，以四川大小涼山地區為例，評估了其綜合扶貧開發項目的績效。毛婧瑤等(2016)[9]通過構建指標體系，采用AHP法評價了2010-2012年武陵山片區的扶貧效果。此外，郭黎安(2012)[10]采用DEA方法計算了農村扶貧資金的Malmquist指數，得出其扶貧效率值。鄭瑞強等(2016)[11]以江西省羅霄山片區18個縣市為樣本，采用DEA-Tobit方法測度了扶貧資金的效率。王志凌和鄒林杰(2016)[12]以廣西27 個縣為例，采用DEA方法分析了扶貧政策對縣域經濟發展和居民收入的積極作用。

現有文獻已取得了較豐富的研究成果，為本研究提供了理論指導和方法借鑒，但還存在著以下待改進之處：其一，現有文獻多是利用各種統計方法來評價扶貧工作的成效，側重于扶貧資金的產出方面，而較少考慮到投入與產出間的效益關系，對扶貧效率進行測度。而常被用來做效率測度的傳統的DEA方法不能縱覽總局，測得的效率值在不同時期不具有可比性，不能直接被用來做后續的基于面板數據的影響因素分析，存在一定的局限。其二，少數文獻雖測度了扶貧效率，但還缺乏更深層次的分析，沒有進一步總結出扶貧效率的空間分布特征，且哪些是影響扶貧效率的主要因素，影響程度如何還基本沒有涉及。綜上，本文以湖南武陵山片區為樣本，通過全局DEA方法測度各個樣本縣市的扶貧效率來反映當前扶貧工作的成效，并進一步探究效率的空間分布特征，構建空間自回歸面板數據模型實證檢驗其影響因素。

三、扶貧效率的測度及空間特征分析

1.全局DEA測度方法說明

全局DEA方法能夠克服傳統DEA方法的局限性，以決策單元所有時期的投入產出構造參照集，從整體效率最優出發來優化決策單元的投入和產出分量。測算所得不同時期的決策單元也具有可比性，這有助于我們從時間動態角度對比各決策單元效率的變動和改善情況。全局DEA方法即求解如下線性規劃模型：

(1)

2.指標及數據說明

(1)投入產出指標的選取。

因我國縣市級層面的扶貧資金投入沒有相應統計，采用周麗和匡遠配(2016)[13]的處理方法，用地方財政一般預算的收支缺口作為扶貧資金投入的代理指標。產出指標選取居民人均可支配收入及脫貧率，其中脫貧率通過貧困發生率(貧困人口/總人口)的逆向值即(1-貧困發生率)來進行計算。

(2)數據來源。

湖南武陵山片區包括分布于7個市州的43個縣市，其中有31個縣市為貧困縣，享受國家連片特困地區扶貧開發政策，為本文研究的主要對象。

表1 研究樣本縣市

資料來源：國務院《武陵山片區區域發展與扶貧攻堅規劃》(2011—2020年)。

考慮到2011年我國在扶貧標準和模式上都有了重大調整，為扶貧工作的重大轉折點，貧困線標準較之以往上漲了92%，扶貧模式也由過去大力推行的“整村推進”模式整合為集中連片開發模式，故本文的研究樣本期起于2011年，為2011—2014年。各縣市扶貧率數據來自于湖南省扶貧工作辦公室，其余數據均來自于歷年的《中國縣域統計年鑒》(縣市卷)和《湖南省統計年鑒》。

3.測度結果

對2011—2014年湖南武陵山片區31個縣市的扶貧效率進行測算，結果見圖1(限于篇幅，僅列出了年均效率值)。得出的效率值為綜合效率，反映了扶貧資金投入在降低貧困率和提高居民收入水平方面的有效性，為主要考察對象。進一步將綜合效率分解為純技術效率和規模效率，前者能夠反映出扶貧資金配置和管理的能力，后者能夠反映出扶貧資金投入規模報酬對產出的影響程度，只有當兩者同時有效，綜合效率才達到有效狀態。

測算結果顯示，湖南武陵山片區扶貧綜合效率從2011年的0.5550升至2014年的0.6156，扶貧效率有所提高，扶貧工作有所進展，取得了一定成效。近年來，隨著政府對片區特色產業扶持力度的加大，以及交通、互聯網等基礎設施建設的完善，扶貧資金的乘數效應也在不斷放大。這四年綜合效率的平均值為0.5669，表明還存在著大約45%的效率提升空間，武陵山片區的扶貧之路仍然任重而道遠。純技術效率從2011年的0.7710下降至2014年的0.7186，四年的均值為0.7091；規模效率從0.7260上漲至0.8468，均值為0.8016。這意味著純技術效率的惡化是制約綜合效率提升的主要因素，雖然片區內扶貧資金的瞄準精度在不斷提高，但還存在著套取、違規使用扶貧資金，資金管理水平不高，使用透明度較低等問題，這使得資金投入不能及時有效地轉化為現實生存力，在減少貧困和提高收入方面的作用受到了一定程度的限制。考察期內，規模效率要高于純技術效率，但還存在著約20%的提升空間，結合著絕大部分縣市規模報酬類型為遞增型的結果可知，武陵山片區扶貧資金投入相對不足，現有投入低于最優效率下的規模，但這個問題也正逐年得到緩解。

圖1 2011—2014年湖南武陵山片區年均扶貧效率測算結果

從縣市排名來看，2011—2014年平均綜合技術效率排在前五位的縣市分別是洞口縣、石門縣、武岡市、隆回縣和安化縣。其中邵陽市占大頭，共三位，益陽市和常德市各一位，均位于湘北和湘中地區。排在后五位的是古丈縣、保靖縣、中方縣、永順縣和桑植縣，其中湘西自治州占三位，懷化市和張家界市各一位，均位于湘西地區，是扶貧的重點區域。純技術效率排名在前五位的縣市依次為隆回縣、洞口縣、石門縣、武岡市和會同縣，這些縣市扶貧資金的管理能力和水平較高，現有投入得到了較為充分的利用。排在后五位的是永順縣、桑植縣、保靖縣、龍山縣和瀘溪縣，扶貧資金管理水平較低是造成這些縣市綜合排名靠后的主要原因。規模效率排名在前五位的縣市依次為邵陽縣、漣源市、武岡市、石門縣和洞口縣，排在后五位的是中方縣、古丈縣、保靖縣、新晃侗族自治縣和通道侗族自治縣，對于這些縣市來說，進一步增加扶貧資金投入是當務之急。對于湘西地區，扶貧資金管理工作的不到位和資金投入的相對不足是制約其綜合效率提高的兩大關鍵因素。

4．扶貧效率的空間分布特征

(1)扶貧效率的全局空間相關性檢驗。

利用GeoDa軟件測算出全局Moran’s I指數，以對扶貧效率的空間自相關性進行檢驗。借鑒前人研究，選擇55km作為距離閾值(毛婧瑤等，2016)[9]。結果見表2，可知每一年Moran’s I的正態統計量值均大于正態分布函數在1%顯著性水平下的臨界值2.58，這表明武陵山片區31個貧困縣市的扶貧效率在空間上具有明顯的正自相關關系，空間集聚態勢較為顯著，并非表現出完全隨機的狀態。

表2 全局Moran’s I指數及其顯著性

(2)扶貧效率的局部空間自相關性分析.

為進一步分析31個貧困縣市扶貧效率的空間集聚特征，利用局域Moran’s I指數散點圖對其進行描述。圖2中，第1象限為高值集聚的正局域相關，表示扶貧效率高的縣市被其他效率高的縣市包圍(HH)；第2象限為負局域空間自相關，表示效率低的縣市被效率高的縣市包圍(LH)；第3象限為低值集聚的正局域相關，表示效率低的縣市被其他效率低的縣市包圍(LL)；第4象限同為負局域空間自相關，表示效率高的縣市被效率低的縣市包圍(HL)。從圖2可以看到，觀測值并不是均勻地分布在4個象限，第1、3象限的縣市較多，第2、第4象限縣市個數較少，進一步表明縣市之間存在空間自相關性。

圖2 局域Moran’s I指數散點圖

注：橫軸表示2011—2014年湖南武陵山片區31個縣市的年均扶貧效率，縱軸表示鄰近縣市的加權平均值。

將圖2結果整理為表3，可知片區內基本形成了湘北、湘中效率高、湘西效率低的局面，驗證了上文的結論。一方面，高值集聚區多位于邵陽市、常德市和益陽市，縣市占比為61.54%，這三市扶貧效率普遍較高，經濟發展益貧性較強，扶貧開發工作勢頭良好。這三市產業基礎較好，基本形成了以藥材、果蔬、養殖等為主的一系列農業產業。其中，新邵縣是 “龍牙百合之鄉”，綏寧縣是 “竹子之鄉”，隆回縣是 “金銀花之鄉”，新寧縣是 “臍橙之鄉”，武岡市是“銅鵝之鄉”，石門縣和洞口縣是 “蜜橘之鄉”，安化縣是“黑茶之鄉”，都是“國字號”的特色產業。扶貧資金的投入有助于解決產業發展資金不足的困難，形成持續穩定的收益，發揮資金的杠桿作用。且相對于其他區域，這三市與省內中心城市的聯系較密切，交通較便利，更容易得到來自中心城市要素資源的溢出，并有利于產品外銷。另一方面，湘西自治州的所有貧困縣市都位于低值集聚區，縣市占比為58.33%，是扶貧開發工作的重點對象。湘西自治州少數民族眾多，人口的受教育程度相對較低，海拔較高，生態環境脆弱，這些都加大了扶貧工作難度。州內豐富的旅游資源還未得到充分開發和利用，當前仍以傳統農業為主，產業結構單一，產業鏈較短，多是農戶零散的生產經營，龍頭企業本身實力較弱，缺乏足夠的帶動力和影響力。且地理位置較偏，基礎設施還不夠完善，接受省內中心城市的經濟輻射較弱。在此背景之下，扶貧資金難以發揮其“造血”功能，對當地產業發展和居民增收的帶動作用較差。

表3 2011—2014年湖南武陵山片區年均扶貧效率的空間相關模式

四、扶貧效率的影響因素分析

(1)回歸模型構建。

由上文分析可知，本縣市的扶貧效率會受其他縣市的影響，存在空間關聯性。故通過建立如下空間自回歸面板數據模型①來估計各影響因素對扶貧效率的現實影響：

Yi,t=c+λwYi,t+φXit+ξi,t

(2)

其中，Yi,t表示第i個縣市第t年的扶貧效率；wYi,t為扶貧效率的空間加權，系數λ度量了其他縣市對本縣市扶貧效率的影響；Xit為一系列影響扶貧效率的主要因素。

(2)解釋變量的選取。

勞動力比重(X1)，用年末從業人員數占總人口比重來表示。該指標從側面反映了經濟活動的密集程度，勞動力比重越高，經濟活動越密集，更能夠利用集聚經濟效應帶來的生產優勢提高產出水平。預計系數符號為正。

城市化水平(X2)，用城鎮人口占總人口比重來表示。城市化進程的加快，為促進城鄉要素平等交換和資源自由流動提供了基本保障，使得扶貧資金能夠得到更有效和充分的配置，實現減貧的目標。預計系數符號為正。

財政分權水平(X3)，用縣級人均財政支出/(縣級人均財政支出+省級人均財政支出)來表示。因各地致貧原因不同，需要地方政府在扶貧工作中發揮主導性的作用。較高的分權程度意味著地方政府擁有更大的財政自主權，這有助于其因地制宜，提高扶貧效率。預計系數符號為正。

農業現代化水平(X4)，用農業機械總動力與第一產業占比的乘積來表示。農業現代化水平越高，相同多的資金投入帶來的產出越多，故預計系數符號為正。

各變量的描述性統計分析如表4所示：

表4各變量的描述性統計分析

變量樣本數均值標準差最小值最大值Y1240 56690 16930 27101 0000X11240 31530 04430 22490 4328X21240 60460 06310 37840 7351X31240 82540 59860 12082 3723X41240 38010 06000 25920 5617

(3)參數估計結果首先通過Hausman檢驗判斷模型應采用固定效應形式還是隨機效應形式，檢驗結果顯示，個體固定效應和隨機效應之間的檢驗統計量值為3.42，時間固定效應和隨機效應之間的檢驗統計量值為4.25，個體時間雙固定效應和隨機效應之間的檢驗統計量值為4.79，均不能在10%的顯著性水平下拒絕隨機效應的原假設。綜上，本文基于隨機效應的空間自回歸面板數據模型進行分析。采用無條件極大似然方法估計式(2)，估計結果見表5。此外，表5還給出了混合面板數據模型和面板隨機效應模型估計的結果。

表5模型回歸估計結果

變量混合面板數據模型面板隨機效應模型空間自回歸面板模型W×Y--0 3786--(4 85)???X10 03880 25020 1807(0 20)(1 42)(1 16)X2-0 1003-0 6076-0 4283(-0 38)(-2 43)??(-1 91)?X30 78420 86810 6224(3 17)???(5 74)???(4 38)???X40 21090 19960 1364(9 96)???(5 61)???(3 97)???常數項0 28520 31430 1758(2 09)??(2 32)??(1 43)調整后的R20 76720 77980 5019

注：各解釋變量系數下方的括號內為統計量的值，“*”“**”“**”“*”分別表示在1%，5%，10%的顯著性水平下統計顯著，下同。

由表5可知，空間滯后項W*Y均在統計意義上顯著且為正，值為0.3786，進一步說明在模型中引入空間相關項的正確性，這意味著一個縣市扶貧效率的提高將惠及相鄰縣市，使相鄰縣市的扶貧效率也相應提高。在《武陵山片區區域發展與扶貧攻堅規劃(2011—2020年)》實施后，上級政府越來越注重扶貧開發工作的效果，并將其逐步納入到政府政績考核體系，為在同級政府中脫穎而出，各下級政府有動力競相提高本地區的扶貧效率，形成“趨優”競爭。此外，受行政隸屬、資源稟賦等因素影響，地理位置相鄰的縣市多采取“抱團”發展戰略，本地區先進的扶貧經驗也更容易在周邊地區推廣，為周邊縣市扶貧工作發揮示范引領作用，帶動其扶貧效率的提高。從解釋變量的估計結果來看，各變量的系數符號和顯著性在三種模型中基本一致，估計結果較穩健。除X1外，其他變量均至少在10%的顯著性水平下顯著，是影響扶貧效率的主要因素。

空間滯后項的顯著性表明，空間自回歸面板數據模型的估計結果較之于其他兩種模型來說更能反映變量間真實的關系，在后續分析中我們以該模型估計結果進行分析。同時，在空間滯后項顯著的情況下，表5中的回歸系數不再反映各解釋變量對被解釋變量的影響程度。為了能夠對模型的回歸系數進行合理解釋，LeSage和Pace(2010)[14]提出了空間回歸模型偏微分方法。某個解釋變量對被解釋變量的影響可分解為直接效應和間接效應，兩者相加為總效應。分解結果見表6。

表6空間效應分解表

變量系數z統計量P值直接效應X10 18871 350 176X2-0 4356-1 65?0 098X30 66484 24???0 000X40 14474 29???0 000間接效應X10 09541 280 200X2-0 2237-1 470 143X30 34082 77???0 006X40 07373 02???0 002總效應X10 28411 350 177X2-0 6593-1 630 103X31 00564 05???0 000X40 21844 26???0 000

由表6可知，X1的直接效應、間接效應和總效應系數符號都為正，但在統計意義上不顯著。這可能是因為受自身教育水平等因素限制，大部分勞動人口僅能從事一些低水平和低附加值的工作，帶動家庭增收的效果并不明顯。且從當前現狀來看，一些縣市產業結構單一、產業鏈條較短也抵消了集聚經濟帶來的積極減貧效應。X2的直接效應在10%的顯著性水平下顯著為負，間接效應為負但并不顯著，使得兩種效應累加形成的總效應也不顯著，與預期符號不符。這說明本縣市的扶貧效率僅受當地城市化水平的影響，而受鄰近縣市的影響不顯著。湖南省大部分地區城鎮工礦用地速度高于人口擴張速度[15]，城市化更多的是土地的城市化，只是通過一味地增加對城鎮地區基礎設施建設的投資，擴大城鎮規模，違反經濟規律人為造城。造成資源配置結構扭曲，城市化質量較低，未能從根本上提高農村貧困人口的收入，并降低了扶貧效率。X3的直接效應、間接效應和總效應系數符號都顯著為正，符合預期。在其他條件保持不變時，當財政分權程度提高一個單位，本縣市和鄰近縣市的扶貧效率將會共計平均上漲1.0056個單位，較高的財政分權程度有助于更好實現減貧目標。一方面，財政分權體制改革的深化使得下級政府財政自主權隨之加強，較之以往下級政府能夠支配更多的財政資源，且下級政府更了解當地實際情況，能夠根據具體致貧原因制定對策，將更多資源配置到薄弱領域和環節，改善當地的貧困狀況。另一方面，較高的財政分權體制下，下級政府間的競爭越發激烈。在公眾對GDP之外的其他社會福利目標更為關注的背景下，為獲得突出政績，本地政府在出臺扶貧措施時，也會考慮周邊其他縣市的策略選擇，利用財政手段開展扶貧領域的競爭，促進了區域整體扶貧效率的提高。X4的直接效應、間接效應和總效應在1%的顯著性水平上顯著為正，符合預期。本縣市和鄰近縣市的農業現代化水平都是影響當地扶貧效率的重要因素，各縣市農業現代化水平越高，扶貧資金越能實現充分利用。這是因為隨著農業機械化的推廣和普及，農業生產效率大幅提高，農業生產的成本隨之降低，扶持農業發展能夠帶來更高的效益。

五、結論及建議

本文首先通過全局DEA方法對2011—2014年湖南武陵山片區31個縣市的扶貧效率進行了測算，評估當前片區扶貧工作的成效；并采用全局Moran’s I指數和局域Moran’s I指數散點圖探究了各縣市扶貧效率的空間分布特征；在此基礎上，通過構建空間自回歸面板數據模型實證檢驗了各因素對扶貧效率的現實影響。得到結論如下：

其一，從時間趨勢來看，湖南武陵山片區扶貧綜合效率有所提高，但效率值較低，還存在著大約45%的效率提升空間。其中，規模效率與綜合效率表現出相同的變化特征，純技術效率則呈逐年下降的趨勢，且低于規模效率值，扶貧資金管理水平不高是制約綜合效率提升的主要原因。其二，各縣市扶貧效率的空間集聚態勢較為顯著，基本形成了湘北、湘中效率高、湘西效率低的局面。從各影響因素來看，勞動力比重對扶貧效率的影響不顯著；城市化水平的直接效應顯著為負，間接效應和總效應為負但不顯著，當前城市化進程中存在的土地城市化速度過快等一系列問題使得其可能引起扶貧效率的降低；財政分權和農業現代化的直接效應、間接效應和總效應都顯著為正，財政分權體制改革的深化和農業機械化的推廣普及都有助于實現區域減貧目標，提高扶貧效率。

據此本文提出建議如下，首先應充分利用片區豐富的優勢資源，以市場為導向，積極發展特色產業，延長產業鏈，增加農產品的附加值；并推進縣市間的協調合作，以形成產業集聚區，充分發揮規模效應，帶動居民收入增加和扶貧資金使用效率的提升。其次，嚴格控制土地城市化的冒進式擴張，使人口城市化與土地城市化的進程相適應，促使要素在城鄉間自由流動，優化城鄉要素配置的格局，進而提高要素的回報率，減少農村的貧困人口數。第三，應轉變傳統的、粗放型的農業發展方式，把機械化作為農業現代化的核心，提高農業資源利用效率，加快農業現代化進程。最后，進一步將扶貧績效指標細化，并納入到官員考核體系。鼓勵轄區居民積極參與，加強居民的話語權，建立民主監督機制，確保考核體系能夠落實執行。從而避免政府間過于強調經濟增長而進行惡性競爭，使政府的競爭行為更加符合地方貧困人口的長遠利益。此外，還需合理界定上下級政府的事權與支出責任關系，給予下級政府一定的財政自主權，避免過度干預，以充分發揮財政競爭對扶貧效率的激勵作用。

注釋：

①考慮到扶貧效率可能具有時間上的動態相依性，本文首先采用的是空間動態面板數據模型，但從回歸結果來看，時間滯后項系數不顯著，故重新建立了空間靜態面板數據模型進行分析。

[1] 李佳路.扶貧項目的減貧效果評估:對30個國家扶貧開發重點縣調查[J].改革,2010(8):125-132.

[2] 山西財政支農和減貧政策效應研究課題組.山西省扶貧項目的減貧效果評估[J].財政研究,2011(6):46-49.

[3] 申云,彭小兵.鏈式融資模式與精準扶貧效果——基于準實驗研究[J].財經研究,2016(9):4-15.

[4] 李盛基,呂康銀,朱金霞.財政支出、經濟增長與農村貧困——基于1990—2008年時間序列數據的實證分析[J].東北師范大學學報(哲學社會科學版),2014(3):100-104.

[5] 陳凌珠,莊天慧.四川省扶貧資金益貧效果分析[J].四川農業大學學報,2016(2):257-264.

[6] 劉延蘭,趙洪偉.基于模糊層次分析法構建少數民族地區農村扶貧效果評價指標體系[J].農村經濟與科技,2013(11):148-151.

[7] 舒銀燕.石漠化連片特困地區農業產業扶貧模式可持續性評價指標體系的構建研究[J]. 廣東農業科學,2014(16):206-210.

[8] 孫璐,陳寶峰.基于AHP-TOSPSIS 方法的扶貧開發項目績效評估研究——以四川大小涼山地區為例[J].科技與經濟,2015(1):62-66.

[9] 毛婧瑤,葛詠,趙中秋,等.武陵山貧困片區扶貧成效評價與空間格局分析[J].地球信息科學學報,2016(3):334-342.

[10] 郭黎安.中國農村扶貧開發財政資金的績效評價——基于DEA-Malmquist指數的分析[J].財政監督,2012(27):33-35.

[11] 鄭瑞強,陳燕,張春美,等.連片特困區財政扶貧資金配置效率測評與機制優化——以江西省羅霄山片區18個縣(市、區)為分析樣本[J]. 華中農業大學學報(社會科學版),2016(5):63-69.

[12] 王志凌,鄒林杰.國家級貧困縣“精準”扶貧效率評價——以廣西27個縣為例[J].貴州大學學報(社會科學版),2016(4):102-106.

[13] 周麗,匡遠配.集中連片特困地區貧困發生率的空間特征——基于3D框架對武陵山片區的個案分析[J].西部論壇,2016(3):72-77.

[14] LeSage J P, Pace R K.Introduction to Spatial Econometrics [M].Boca Raton, US: CRC Press Taylor&Francis Group, 2009.