區域貧困時空演變特征及驅動因素分析
——以江西羅霄山脈集中連片特困區為例

蔡靜遠 李禮連 張利國

運用空間統計分析區域貧困時空演變特征及其減貧效應，并采用計量模型探究其驅動因素，得到如下結論：2007—2016年片區的貧困人口和發生率呈現明顯的波動下降趨勢，脫貧進程加快，其中2011—2016年片區各縣（市、區）減貧幅度和速度絕大多數明顯高于全省水平，但貧困程度仍明顯高于全省水平；實證結果顯示，農村人均純收入、農作物有效灌溉率、衛生人員比例、醫療床位比例、人均GDP、農村人均糧食產量對片區減貧具有正向作用，教師負擔學生數、中學在校生比例對片區減貧具有負向影響，其中農村人均純收入、農作物有效灌溉率、衛生人員比例、中學在校生比例、人均GDP、農村人均糧食產量均通過顯著性水平檢驗，片區脫貧需加大精準脫貧政策支持力度、加強區域脫貧攻堅的合作、因地制宜制定脫貧策略、拓寬農戶的增收渠道。

一、引言

黨的十九大報告旗幟鮮明地提出，要“堅決打贏脫貧攻堅戰”。將脫貧攻堅上升至政治高度，充分表明黨、中央打贏脫貧攻堅的毅力和決心。截至2017年，中國仍有3046萬貧困人口以集中連片的特征分布在地理偏遠、自然環境惡劣、基礎實施薄弱、經濟發展落后的中西部高寒區、深山區、石山區、荒漠區、水庫庫區等［1］，其絕大多數屬于集中連片特困區。2011年中共中央、國務院印發《中國農村扶貧開發綱要（2011—2020年）》（以下簡稱《綱要》），確定羅霄山區等11個集中連片特困區及西藏等3個實施特殊扶貧政策的貧困地區，基本覆蓋全國絕大多部分貧困區和深度貧困群體，同時強調穩定實現扶貧對象不愁吃、不愁穿，保障其義務教育、基本醫療和住房安全，加快提高貧困農民人均純收入，提升基本公共服務水平，扭轉發展差距擴大趨勢。隨后，國務院印發《國務院關于支持振興贛南等原中央蘇區發展的若干意見》（以下簡稱《意見》）和《贛閩粵原中央蘇區振興發展規劃》（以下簡稱《規劃》），《意見》和《規劃》的重點扶貧區域均涉及羅霄山脈集中連片特困區，強調振興發展該地區經濟發展作為首要任務，集中力量優先改變貧困落后面貌，改善群眾生產生活條件。為此，在實現鄉村振興戰略及全面建成小康社會的歷史使命下，打贏集中集中連片特困區脫貧攻堅具有重要的理論和實踐意義。

反貧困的重要研究價值引起了國內外學者廣泛的研究興趣，但目前關于空間貧困的相關研究國外剛剛萌芽而國內研究甚少。［2］［3］空間貧困的理論基礎主要源于早期探討欠發達地區經濟發展與地理位置相關的空間經濟學以及重視貧困與地理環境關系研究的新經濟地理學。［4］［5］空間貧困理論的實質是研究貧困的空間分布問題，即重視貧困與空間地理因素的關系問題，二者存在密切聯系。［2］Jalan和Ravallion在研究中提出空間聚集（Spatial Clustering）、地理資本（Geographic Capital）、空間貧困陷阱（Spatial Poverty Traps）等概念，并被學界和政界廣泛應用在貧困地理研究中，逐漸形成了“空間貧困理論體系”［6］。空間貧困研究的內容包括：一是構建地理資本體系。即構建地理因素與經濟社會相關聯的綜合指標，且綜合指標可反映空間貧困程度。［7］二是分析“空間貧困陷阱”。有一些學者從民族文化差異、交通條件、地理位置等角度分析地理資本稟賦差異，探究貧困戶陷入持續貧困的原因［8-11］，即“空間貧困陷阱”的形成。三是繪制貧困地圖。繪制貧困地圖主要是將貧困指標或地理資本指標進行空間可視化處理，該方法可直觀呈現區域的空間分布情況，便于貧困監測和政策制定。該方法被世界銀行、聯合國糧農署（FAO）、環境規劃署（UNEP）、國際糧食政策研究所（IFPRI）、發展研究所（IDS）以及其他組織的貧困研究者廣泛采用。［12］梳理文獻發現，目前關于空間貧困的研究主要目前以空間貧困理論和統計描述為主，即包括空間貧困理論發展脈絡［2］［5］、構建空間貧困指標［1］、分析地理資本劣勢［7］，但缺乏對空間貧困的實證 研究［13-14］。因此，本文在已有研究基礎上，以江西羅霄山脈集中連片特困區（以下簡稱“片區”）為例，分析片區貧困時空演變特征，并運用計量模型探究其致貧因素，為片區精準脫貧提供科學的理論和政策建議。

二、數據來源與研究方法

（一）區域概況

江西羅霄山脈集中連片特困區涉及贛州、吉安、撫州和萍鄉的17個縣（市、區）①，面積約4萬平方公里，包括贛州的石城縣、瑞金市、南康區、贛縣、上猶縣、安遠縣、寧都縣、于都縣、興國縣、會昌縣、尋烏縣，吉安境內的遂川縣、萬安縣、永新縣、井岡山市，撫州境內的樂安縣和萍鄉境內的蓮花縣。2016年底，片區總人口926.33萬，片區人均GDP為19314元，農村居民可支配收入9404元，明顯低于江西省人均GDP（40400元）和江西省農村居民可支配收入（12138元）；片區貧困人口42.45萬，貧困發生率為4.58%，高于全省的2.46%；貧困人口密度10.60人/平方公里，明顯高于江西省人口密度（6.67人/平方公里）。

（二）數據來源

圖1 江西羅霄山集中連片特困區地理分布

本文以片區17個縣（市、區）為研究對象，研究時間為2011—2016年，研究數據主要來源于《江西統計年鑒》《上饒統計年鑒》《宜春統計年鑒》《新余統計年鑒》《撫州統計年鑒》《吉安統計年鑒》《萍鄉統計年鑒》《贛州統計年鑒》《鷹潭統計年鑒》等相關地市統計年鑒。結合已有文獻資料，并考慮數據的可靠性和可獲得性，選擇貧困人口（Pov）、貧困發生率（Prat）、貧困人口密度（Pden）作為衡量片區貧困程度的因變量。同時從經濟發展、社會保障、農民收入、農業生產等方面確定農村人均純收入（Inc）、城鄉收入比（Igap）、人均GDP(Pgdp)、城鎮化率（Urb）、中學在校生比例（Pstu）、教師負擔學生數（Tstu）、醫療床位比例（Mbed）、衛生人員比例（Pdoc）、農村人均糧食產量（Pgra）、農作物有效灌溉率（Eirr）為自變量，為消除變量間的量綱問題，本文采用均值為0，標準差為1的標準化處理。其中，農村人均純收入、城鄉收入比衡量農民收入水平及收入分配差異程度，人均GDP和城鎮化率用于衡量該地區經濟社會發展水平，用中學生在校比例、教師負擔學生數衡量教育負擔程度，醫療床位比例、衛生技術人員衡量該地區醫療資源水平，農村人均糧食產量、農作物有效灌溉率衡量農民農業生產狀況。此外，農村人均純收入、人均GDP、城鎮化率、醫療床位比例、衛生人員、農村人均糧食產量、有效灌溉率的預期影響為負，即對片區減貧有正向作用；而城鄉收入比、中學在校生比例、教師負擔學生數的預期影響為正，即對片區減貧有負向影響。此外，極少部分縣（市、區）的少量指標數據缺失，本文采用趨勢法和均值法予以擬合。

（三）研究方法

1.面板OLS回歸。OLS回歸即最小二乘法估計，其假定變量Y與n個變量存在線性關系，且殘差同時滿足零均值、常數方差、殘差項相互獨立、協方差為零且服從正態分布等性質。該模型表示為：

式（1）中，Y為被解釋變量，X為解釋變量，b0為截距項，bj為第j個回歸系數，i為個體，t為時間,?為殘差項。

表1 變量選取及其說明

2.逐步回歸。逐步回歸模型（Stepwise Regression，SR）是根據多元回歸分析原理，采用雙檢驗法原則，即逐步引入和剔除自變量而建立最優回歸方程的優選方法。引入和剔除自變量的原則一般是根據變量中偏回歸平方和與F顯著性檢驗，判定是否該引入或剔除，若偏回歸平法和最大且F顯著性檢驗通過，則引入變量，否則中止；若偏回歸平方和最小且未通過顯著性檢驗，則剔除。逐步回歸的實質是基于多元回歸分析的一種算法技巧。

3.固定效應模型和隨機效應模型。面板數據回歸的估計方法可簡單分為混合效應模型（Pool ed Model，PM）、隨機效應模型（Fixed Effects Model，FEM）和固定效應模型（Random Effects Models，REM）三類，三者的主要區別為模型的假設條件，其中混合效應模型假定在面板數據中無顯著的時間和個體效應，即不同個體間不存在顯著差異，回歸方程的截距項與回歸系數相同。［15］而固定效應模型假定全部研究結果的方向和效應相同，并將個體在不同時點的差異固定，即在混合效應模型中加入個體效應，可有效排除遺漏變量對因變量的影響。［16］隨機效應和固定效應的區別在于：固定效應模型將個體之間沒有被觀察到的差異當作固定參數來處理，隨機效應模型則是將遺漏變量當作具有特殊概率分布的隨機變量，且假定與觀察到的變量不相關。［17］但隨機模型的這種假定一般較難實現，因為遺漏變量通常與模型中的其他解釋變量存在關聯。本文采用固定效應模型和隨機效應模型進行實證分析，并通過豪斯曼檢驗，選擇更為合理的計量模型。

三、江西羅霄山脈集中連片特困區貧困時空演變特征

（一）貧困時序演變

受到國家貧困線大幅調整的影響，片區的貧困人口和發生率呈現明顯的波動下降趨勢（圖2），主要可分為2007—2008年、2010—2011年兩個階段的上升期和2008—2010年、2011—2018年兩個階段的下降期。在兩個上升階段中，2007—2008年片區貧困人口由24.49萬增至50.33萬；貧困發生率由3.01%增至6.13%。2010—2011年片區貧困人口由29.21萬增至208.01萬；貧困發生率由3.48%增至23.7%。該階段貧困明顯上升的原因主要在于：2007—2008年國家貧困線由農民人均年純收入785元提升至1067元，增幅35.92%，導致貧困人口和發生率均明顯提高；而2010—2011年國家貧困線由1274元提升至2300元，增幅達80.53%，片區貧困程度大幅度增加。在兩個下降階段中，2008—2010年貧困人口由50.33萬下降至29.21萬；貧困發生率由6.13%降至3.48%。2011—2016年貧困人口由208.01萬降至42.45萬，累計下降165.56萬；貧困發生率由23.7%降至4.58%，累計下降19.12%。該階段國家貧困線相對穩定，片區貧困人口和發生率明顯下降，且2011—2016年減貧速率明顯高于2008—2010年，表明片區脫貧進程加快。

圖2 2006—2016年片區貧困時序演變特征

此外，圖2還描述了江西省2007—2016年貧困發生率的時序演變特征，我們發現，其變化趨勢與片區貧困發生率的變化趨勢基本保持一致，表明江西省貧困率受國家貧困線波動的影響明顯，但其脫貧進程也在不斷加快。比較2007—2016年江西和片區貧困發生率可知，片區的貧困發生率一直明顯高于江西，表明片區的貧困問題仍然十分突出，脫貧任務艱巨。

（二）貧困空間演變

為避免國家貧困線大幅調整對貧困人口和發生率的影響，后文選擇2011—2016年的數據進行分析，主要考慮到2011—2016年國家貧困線的調整幅度較小，且該階段的貧困標準更接近國際貧困標準，因此，貧困數據更接近片區真實情況，可獲得更為科學、可靠的實證結果和結論。此外，由于2011年《綱要》首次提出羅霄山脈等11個集中連片區，而2011—2016年的數據恰好處于政策實施之后，有效避免了政策沖擊對后文分析產生偏誤的影響。

為進一步從縣域視角分析片區貧困的空間演變特征，本文運用地理信息系統（GIS）繪制2011年、2016年片區貧困人口和發生率的空間分布圖。圖3顯示：2011年片區貧困人口低于6萬的縣（市、區）僅為井岡山市；貧困人口在6萬—12萬的縣（市、區）有8個，分別為：蓮花縣、萬安縣、上猶縣、石城縣、尋烏縣、安遠縣、樂安縣、永新縣；貧困人口在12萬—18萬的縣（市、區）有4個，分別為：遂川縣、會昌縣、贛縣、瑞金市；貧困人口高于18萬的縣（市、區）有4個，分別為：興國縣、南康區、寧都縣、于都縣。2016年片區貧困人口低于1.5萬的縣（市、區）有4個，分別為：井岡山市、萬安縣、永新縣、尋烏縣；貧困人口在1.5萬—2.5萬的縣（市、區）有5個，分別為：蓮花縣、上猶縣、石城縣、安遠縣、樂安縣；貧困人口在2.5萬—3.5萬的縣（市、區）有4個，分別為：遂川縣、會昌縣、瑞金市、南康區；貧困人口高于3.5萬的縣（市、區）有4個，分別為：贛縣、興國縣、寧都縣、于都縣。2011年片區貧困發生率低于21%的縣（市、區）有2個，分別為：井岡山市、永新縣；貧困發生率在21%—23%的縣（市、區）有4個，分別為：蓮花縣、遂川縣、瑞金市、興國縣；貧困發生率在23%—25%的縣（市、區）有5個，分別為：于都縣、萬安縣、贛縣、安遠縣、南康縣；貧困發生率高于25%的縣（市、區）有6個，分別為：會昌縣、上猶縣、石城縣、尋烏縣、樂安縣、寧都縣。2016年片區貧困發生率低于3%的縣（市、區）有3個，分別為：井岡山市、萬安縣、永新縣；貧困發生率在3%—4%的縣（市、區）僅有南康區；貧困發生率在4%-5%的縣（市、區）有6個，分別為：瑞金市、尋烏縣、遂川縣、樂安縣、安遠縣、于都縣；貧困發生率高于5%的縣（市、區）有7個，分別為：寧都縣、興國縣、石城縣、蓮花縣、上猶縣、贛縣、會昌縣。

比較2011年和2016年片區貧困人口和發生率的空間演變特征可知：各縣（市、區）貧困人口和發生率明顯減少，表明片區各縣（市、區）脫貧工作成效顯著。但貧困人口分布格局并未發生明顯變化，貧困人口規模較大的地區主要為于都縣、寧都縣、南康區、贛縣，分布較為集中；貧困人口規模較小的地區主要為井岡山市、蓮花縣、萬安縣，集中在片區西北部的吉安和萍鄉地區。而貧困發生率分布格局變化非常明顯，其中2011年貧困發生率較高的地區分布較為分散，主要在片區的東北部和東南部，而2016年較高的地區較為集中，主要在片區的中部和東部。但貧困發生率較低的地區分布格局變化不明顯，主要有井岡山市、永新縣、萬安縣，集中在吉安地區。

圖3 2011年與2016年片區貧困空間演變特征

（三）空間減貧效應分析

盡管片區的貧困程度較高，但各縣（市、區）的減貧進程加快，本部分討論2011—2016年各縣（市、區）的減貧幅度和速度。表2顯示，2011—2016年貧困人口年均減貧幅度由高到低依次為：于都縣、南康區、寧都縣、興國縣、瑞金市、贛縣、遂川縣、會昌縣、永新縣、樂安縣、安遠縣、尋烏縣、萬安縣、石城縣、上猶縣、蓮花縣、井岡山市，有16個縣（市、區）年均減貧人數明顯高于江西各縣（市、區）平均水平（6500人）；貧困人口年均減貧速度由高到低依次為：井岡山市、萬安縣、永新縣、南康區、尋烏縣、瑞金市、樂安縣、寧都縣、遂川縣、安遠縣、石城縣、上猶縣、于都縣、會昌縣、贛縣、興國縣、蓮花縣，有16個縣（市、區）年均減貧速度明顯高于全省各縣（市、區）平均水平（23.74%）?？傮w上，于都縣、興國縣、贛縣的減貧幅度明顯，但減貧速度較低；井岡山、萬安縣減貧幅度較小，但減貧速度較高；南康區、瑞金市、寧都縣的減貧幅度和速度均較高；蓮花縣、上猶縣、石城縣的減貧幅度和速度均較低。

貧困發生率反映了貧困人口的集聚程度，是貧困縣摘帽的重要指標。表2顯示，2011—2016年貧困發生率下降幅度由高到低依次為：萬安縣、尋烏縣、寧都縣、樂安縣、南康區、石城縣、上猶縣、會昌縣、安遠縣、瑞金市、井岡山市、永新縣、贛縣、于都縣、興國縣、遂川縣、蓮花縣，所有縣（市、區）貧困發生率下降幅度均是江西平均水平（1.46%）的2倍以上。貧困發生率下降速度由高到低依次：井岡山市、萬安縣、永新縣、南康區、尋烏縣、瑞金市、樂安縣、寧都縣、遂川縣、安遠縣、石城縣、于都縣、上猶縣、會昌縣、興國縣、贛縣、蓮花縣，有16個縣（市、區）貧困發生率下降速度明顯高于江西平均速度（24.09%）。整體上，井岡山市、永新縣的減貧幅度較低，但減貧速度較高；萬安縣、尋烏縣、南康區、樂安縣、寧都縣的減貧幅度和速度均較高；蓮花縣、興國縣、贛縣、于都縣、遂川縣的減貧幅度和速度均較低。

表2 2011—2016年片區減貧效應分析

四、實證分析

（一）模型構建

基于前文數據指標和研究方法的確定，本文進一步構建貧困驅動因素的計量模型，考慮到因變量有3個，因此，本文分別建立3組計量模型：

由于并不是所有自變量均是片區顯著的致貧因素，因此，本文通過逐步回歸法對模型（2）、（3）、（4）進一步分析，篩選關鍵的顯著性（t檢驗的p〈5%）變量，并重新構建3組模型進行固定效應和隨機效應估計，并通過豪斯曼檢驗進行模型選擇。模型構建如下：

上式（2）、（3）、（4）、（5）、（6）和（7）中，Pov、Pra、Pden分別為某縣（市、區）的貧困人口、貧困發生率和貧困人口密度，Inc為農村人均純收入、Igap為城鄉收入比、Pgdp為人均GDP、Ubr為城鎮化率、Pstu為中學在校生比例、Tstu為教師負擔學生數、Mbed為醫療床位比例、Pdoc為衛生人員比例、Pgra為農村人均糧食產量、Eirr為農作物有效灌溉率，α、β、γ、θ、ρ、ω均為模型的回歸系數，i表示第i縣（市、區），t表示年份，ε、μ均為隨機誤差項。

（二）基于逐步回歸的實證分析

由于貧困驅動因素較多，但并不是所有變量對深度貧困地區的減貧具有顯著性作用，因此，本文以貧困人口、貧困發生率、貧困人口密度為因變量，構建3組計量模型，并采用逐步回歸（SR）篩選顯著的因素，再通過VIF檢驗多重共線性問題，最后通過穩健標準差回歸（Robust Regression，RR）進行穩健分析。逐步回歸結果（表3）顯示：SR1、SR2、SR3的F檢驗均通過1%的顯著性水平，各變量t檢驗均通過5%的顯著性檢驗，3組模型的擬合度較好，且3組模型的VIF檢驗均未發現模型存在多重共線問題，因此，3組模型整體估計較好?？紤]逐步回歸結果的嚴謹性，本文進一步采用穩健標準差回歸得到更為穩健的回歸結果，穩健性回歸結果（表3）顯示：RR1、RR2、RR3篩選出農村人均純收入、農作物有效灌溉率、教師負擔學生數、衛生人員比例、中學在校生比例、醫療床位比例、人均GDP、農村人均糧食產量8個顯著性的貧困驅動因素，且所有驅動因素均通過5%的顯著性水平檢驗，表明各驅動因素對片區減貧具有顯著影響。此外，所有8個驅動因素對片區的減貧效應均符合預期，其中農村人均純收入、農作物有效灌溉率、衛生人員比例、醫療床位比例、人均GDP、農村人均糧食產量對片區減貧具有顯著的正向作用；而教師負擔學生數、中學在校生比例對片區減貧具有顯著負向影響。

表3 逐步回歸結果及統計檢驗

（三）基于固定效應和隨機效應的實證分析

由于逐步回歸和穩健標準差回歸僅初步得到均有穩健性的驅動因素，是一種混合效應回歸，但其并未考慮面板數據的時間和個體差異，因此，本文在前文回歸的基礎上進行固定效應和隨機效應，得到更為精確、嚴謹的回歸結果。實證結果（表4）顯示，模型組1、模型組2、模型組3的豪斯曼檢驗均通過1%的顯著性檢驗，3個模型組均選擇固定效應模型，且3個模型組的固定效應的F檢驗均通過1%的顯著性檢驗，擬合優度均高于0.8，表明固定效應模型整體估計結果較好，因此，本文重點分析3個模型組的固定效應模型。固定效應模型顯示：（1）8個驅動因素對貧困的影響均符合預期，其中農村人均純收入、農作物有效灌溉率、衛生人員比例、醫療床位比例、人均GDP、農村人均糧食產量對片區減貧具有正向作用；教師負擔學生數、中學在校生比例對片區減貧具有負向影響。（2）農村人均純收入在3個模型組中均通過1%的顯著性水平，且對片區減貧具有顯著正向影響。農民收入水平是重要的致貧因素，低收入的農戶生活水平一般較差，導致其以賴以生存的衣食住行條件難以得到有效保障，同時低收入進一步影響到子女關于教育、醫療、技能培訓等人力資本的投入，容易形成貧困的“馬太效應”［18］。（3）農作物有效灌溉率在模型組1和2中均通過10%的顯著性檢驗，且對片區減貧具有顯著正向影響。農作物有效灌溉率反映了農戶農業生產中對水資源的利用效率，水資源是農業生產過程必需條件之一，由于片區農村主要以水稻為主要經濟作物，水資源利用效率對農戶的糧食生產和增收產生重要影響，因此，提高農作物有效灌溉率有利于片區減貧。（4）衛生人員比例通過10%的顯著性水平檢驗，且對片區減貧具有顯著正向影響。衛生人員比例反映了片區醫療資源擁有量，提高醫療資源這類公共品的供給數量和質量有助于緩解偏遠貧困地區醫療資源短缺問題，可消除一批“因病致貧”的貧困戶。（5）中學在校生比例通過1%的顯著性水平，且對片區減貧具有負向影響。中學在校生比例反映片區家庭撫養在讀子女的負擔程度，當中學在校生比例越大，則每個家庭撫養在讀子女的數量越多，這意味著每個家庭需要支付更大比例的撫養費，用于在讀子女的衣食住行和教育支出。尤其在深度貧困地區的教育資源十分緊缺，優質的教育資源往往集中在城市或城鎮，而偏遠的貧困地區為了供孩子讀書，可能采取寄宿或陪讀的形式將孩子送入城鎮中心學校就讀，導致農戶的教育支出增加，同時可能導致因陪讀而放棄更好的就業機會。（6）人均GDP通過1%的顯著性水平檢驗，且對片區減貧產生正向影響。人均GDP反映當地經濟發展水平，大量研究驗證了經濟發展對農村減貧具有顯著影響，經濟發展會帶動貧困地區經濟社會發展，增加當地農民收入，提升農民的生活水平。（7）農村人均糧食產量通過10%的顯著性水平檢驗，且對片區減貧具有顯著正向影響。［19-20］糧食是片區農戶增收和生存保障的重要手段，農村人均糧食產量的提高有助于農村減貧。（8）教師負擔學生數和醫療床位比例對片區減貧的影響均符合預期，但均未通過顯著檢驗。

表4 基于面板數據的實證結果

五、結論與建議

本文分析了片區貧困時空演變特征及其減貧效應，并運用計量模型探究其主要驅動因素，結論如下：（1）2007—2016年，片區的貧困人口和發生率呈現明顯的波動下降趨勢，脫貧進程加快，但貧困程度仍明顯高于全省水平。（2）2011—2016年各縣（市、區）的脫貧成效顯著，其中貧困人口規模較大的縣（市、區）分布格局并未發生明顯變化，而貧困發生率較高的地區分布格局變化明顯。（3）2011—2016年，片區各縣（市、區）減貧幅度和速度絕大多數明顯高于全省的平均水平，但各縣（市、區）的減貧幅度和速度存在明顯的差異。（4）計量模型結果顯示，8個驅動因素對深度貧困的影響均符合預期，其中農村人均純收入、農作物有效灌溉率、衛生人員比例、醫療床位比例、人均GDP、農村人均糧食產量對片區減貧具有正向作用；教師負擔學生數、中學在校生比例對片區減貧具有負向影響。教師負擔學生數和醫療床位比例均未通過顯著性水平檢驗其中，其他驅動因素通過顯著性水平檢驗。

基于上述統計和實證分析，本文提出如下建議：

一是加大精準脫貧政策支持力度。脫貧攻堅工作是一項宏大的系統工程，需要政府從宏觀層面進行頂層設計，因地制宜制定精準脫貧政策，同時，脫貧攻堅需要動員大量的人力物力財力，因此，更加需要政府加大扶貧政策的支持力度。

二是加強區域脫貧攻堅的合作。片區的貧困人口是成片集聚的，且片區內的致貧因素存在相似性，因此，區域脫貧攻堅的合作可促進地區相互分享交流典型脫貧經驗，同時可以從脫貧資源上互補互助，尤其在跨區域的扶貧工作中，區域合作可加快當地脫貧，提高扶貧效率。

三是充分采取因地制宜的脫貧策略。貧困縣、貧困村、貧困戶可結合自身特色，充分發揮自身優勢，貧困縣、貧困村可發展適合的與資源優勢相關的產業，貧困戶可從事自身力所能及的工作，實現人盡其才，物盡其用。首先，政府可在縣、鄉、鎮、村一級特設一批貧困崗位，同時也加強貧困戶的就業技能培訓或創業指導，鼓勵農民進城務工。其次，政府通過扶貧優惠政策吸引一批適合當地發展的企業，企業吸納一批有勞動能力的貧困戶，同時貧困戶可通過政府貼息的小額信貸形式入股企業，獲取企業分紅。最后，政府兜底一批無勞動能力的貧困戶，可通過低保政策、社會救濟等形式進行幫扶，同時強調子女在贍養老人的責任和義務。

四是加大教育和醫療資源的供給。尤其針對教育醫療分配不平等的偏遠地區，提高貧困區的教育和醫療服務的數量和質量。一方面要提升貧困區教育和醫療的硬件設施質量，例如改善片區辦學條件，配套相應的校園基礎設施，推動醫療機構的標準化建設。另一方面提升片區教育和醫療的軟實力，例如加強片區師資力量培育，提高片區教職人員的薪資待遇，強化基層醫療隊伍建設和管理，提升其服務能力。

五是加快農業現代化建設，優化農業產業結構，發展特色優勢農業，提高農業經濟效益。一方面，加強農業基礎配套建設，培育優質農業技術人員，開展農業技術科普和服務，合理利用農業資源。另一方面，結合片區獨特優勢條件，發展適宜當地生產的，適應市場的高附加值農產品，提高農民的經濟收益。

注釋：

①數據來源：《中國農村扶貧開發綱要（2011-2020）》。