渝東北地區貧困村空間分布及影響因素分析

王瑞兵, 姚 堯 ,呂圣彬, 楊 怡, 林孝松

(重慶交通大學 建筑與城市規劃學院,重慶 400074)

1 引言

黨的“十九大”提出“鄉村振興”戰略，對實現鄉村地區的經濟發展和脫貧攻堅具有重大意義。為保證這一戰略的穩步實施，有必要對區域內的貧困空間分布特征進行研究。導致貧困的原因復雜多樣，環境惡化、資源短缺等諸多因素摻雜其中，生態環境與貧困之間存在著極為復雜的關聯性，對該問題的研究應該更加重視可持續發展問題[1]。由于貧困村層面的各類統計信息和數據相對難以收集，近年來，國內學者對貧困現象的研究主要集中在省、市、縣域等相對宏觀的空間尺度上，如趙偉通過對四川省的經濟增長、收入分配和農村貧困關系的研究對農村貧困問題提出了相關的政策建議[2]；王艷慧等通過構建多維貧困識別指標體系和測算算法系統分析了河南省南陽市連片特困區的空間分布格局[3]；劉小鵬等構建空間貧困指標體系和地理識別方法對寧夏涇源縣進行了空間貧困的地理識別[4]。然而，宏觀角度的研究仍具有很大的局限性，無法真實地反映貧困現象的地理空間分布狀況。因此，研究尺度需詳細到貧困村這一層面，更為精準地呈現出貧困空間分布問題，探尋區域內貧困現象分布及區域經濟發展背后所蘊藏的深層次機理。

本文利用GIS獲取行政區劃圖、DEM數據、貧困村點等數據，采用核密度分析、面板數據模型方法對渝東北貧困村進行空間格局分析，并以渝東北11個區縣為單元分析其影響因素。

2 研究區和研究方法

2.1 區域概況

研究區總面積3.39萬km2，轄梁平、城口、豐都、萬州、墊江、忠縣、開州、云陽、奉節、巫山、巫溪11個區縣(圖1)。地形地貌復雜，主要由大巴山、巫山所屬中低山及川東平行嶺谷低山丘陵組成，最高海拔2776 m。研究區的產業發展水平較為落后，城鄉居民收入偏低，地區間發展差異較大，其中城鄉居民收入分別為重慶市平均水平的86.3%和86.7%，是國家脫貧攻堅的重要實施區域。

圖1 研究區示意

2.2 研究方法

2.2.1 核密度分析

核密度分析法為對某地理事件在空間區域上發生概率的估算，被廣泛應用于點的空間集聚分析。通過分析渝東北地區貧困村點在空間上的形態特征和相對集中程度，進而揭示其內在機理。

(1)

2.2.2 數據面板模型

面板數據是把時間序列沿某種特定方向擴展或把截面數據沿時間擴展而成的二維數據集合。面板數據模型是建立在面板數據之上、用于分析變量之間相互關系的計量經濟模型[6]。面板數據模型的解析表達式為：

yit=αi+λt+xitβ+Εεit

(2)

式(2)中，yit為Ν×1因變量；xit為Ν×k自變量；k為自變量指標數；εit為模型誤差項；β是待估計參數；αi表示個體效應，表示不隨時間的改變而改變的影響因素；λt表示時間效應，用于控制隨時間改變因素的影響。

3 結果分析

3.1 貧困村空間分布特征

3.1.1 集聚特征明顯，冷熱點對比差異大

通過對渝東北地區貧困村所在點位進行核密度分析，可以發現其集聚趨勢十分突出，有著較為明顯的分布冷熱點對比(圖2)。在空間分布方向上，研究區西南部為貧困村集聚的冷點區域，區域整體的貧困程度較低；而中部地區為貧困村集聚的冷熱點交匯區域，貧困村分布的密集程度相比于西南部地區更高；東北部地區為貧困村集聚的熱點區域，貧困村分布最為密集。因此，整個區域的空間分布集聚特征表現為“向東北部集聚”的特征。在空間分布位置及數量特征方面，通過5 km半徑的貧困點位核密度分析圖，可以更為清晰地辨別出貧困點位在整個區域的具體位置及數量情況，貧困點位分布最廣泛、數量最多的區域為城口縣和巫溪縣。在10 km、15 km半徑的貧困點位核密度分析圖中，貧困點位的空間聚集區域能夠被很好地識別，空間聚集最明顯的區域為城口縣、巫溪縣、開州區。

圖2 不同空間尺度核密度

3.1.2 與自然、社會要素關聯緊密

自然要素的分布與貧困存在著一定的關聯。貧困聚集程度最高的城口、巫溪是渝東北地區地震點分布最為密集和坡度最大的區域，而處于非泥石流帶的墊江、梁平，是貧困聚集程度最低的區域。因此，地震點分布、坡度大小及泥石流帶分布與貧困集聚之間存在著相對一致性(圖3)。

社會經濟要素的流動和分配對貧困村分布的影響。從圖 2可發現，研究區大部分縣域駐地，都位于該區縣境內的核密度低值區域。同時，在開州、云陽、奉節、萬州等區縣都表現出以縣域駐地為中心，核密度值呈“圈層式向外遞增”的規律。縣域駐地往往是區域內的政治、經濟、文化的中心及各類生產生活要素的聚集地。距縣域駐地越遠的區域，各類社會經濟要素的流通阻力相對較大，經濟發展相對困難，貧困也就越容易滋生和聚集。

圖3 研究區自然災害和坡度分布示意

3.2 貧困村分布影響因素分析

以2018年貧困發生率為因變量，遴選坡度、起伏度、年均降水量、公路里程、教育支出、農業產值占生產總值的比值、社會保障與就業支出、人均用電量和林地覆蓋率等9項指標作為自變量，對原始數據歸一化后進行多元線性回歸分析，分析結果如表 1所示。

表1 貧困發生率為因變量的回歸分析

回歸得到的面板數據模型為：

-1.189X5-12.057X6-1.159X7

-3.116X8-6.344X9+2.990

(3)

從模型中可知，起伏度、公路里程、農業產值占生產總值的比值、人均用電量、林地覆蓋率等5個指標對貧困發生率的影響為顯著水平。模型的擬合度為0.991，F統計量為11.955，殘差平方和為0.062，模型回歸效果顯著。

詳細來看，貧困發生率與平均坡度和起伏度之間均呈現出較高的正相關性，相關系數分別為0.759和4.987。平均坡度越大，發生災害的幾率越高，從而導致貧困的發生；起伏度越大，區域的地形越陡峭，越不適合耕地的種植，從而通過影響農作物的生長而影響貧困的發生。貧困發生率與年均降水量之間表現為正相關關系，其相關系數1.169，研究區的區域性決定了降水量差別不大的區域之間，其與被研究對象之間的相關性不強是顯而易見的。公路里程與貧困發生率呈現出一定的負相關性，相關系數為-6.149，從某種意義上也可以說這是一個交通便捷度和可達性的間接表達，離城市距離越近，越容易促進經濟發展，貧困發生率也會隨之降低。林地覆蓋率與貧困發生之間存在較高的負相關性，其相關系數為-6.344，林地覆蓋率反映了一個區域的生態質量狀況，自然環境條件越優越，發生災害的概率就隨之減低，也會降低貧困的發生率。

不僅自然環境因素與貧困發生率之間存在高度的契合性，社會經濟因素也是如此。其中教育支出、農業產值占生產總值的比值、社會保障與就業支出以及人均用電量均與貧困發生率均呈現出一定的負相關性。教育支出對于當期的貧困發生率的影響顯著效果一般，其主要原因之一為對于教育支出的匯報具有滯后性，故其在短期的研究中效果一般；農業產值占生產總值的比值與貧困發生率之間保持著顯著的負相關關系，其負相關系數達到了-12.057，這是因為農業產值占生產總值的比值較高的區域往往是農業生產當中人力、物力等要素較為集中和生產技術更為先進的區域，農業生產效率一般較高，區域整體經濟發展水平相較領先。與貧困發生率保持負相關關系的社會保障和就業支出，負相關系數為-0.791，社會保障，如社會保險、醫療保險、養老保險，關系到社會中每一個公民的切身利益，就業支出也是給公民減輕生活的壓力，社會保障越完善，就業支出越多，貧困發生率就越低，這是一個顯而易見的體系結構。人均用電量同樣與貧困發生率之間呈現為負相關關系。因為用電量的多少，一定程度上反映了區域內的居民對生產生活中各類現代化工具的利用頻率以及對電力資源的需求量。人均用電量越高，社會經濟生產運作中所投入的成本更多，區域經濟整體發展向好，貧困發生率更低。

4 結論與討論

(1)研究區貧困點具有集聚分布特征，空間分布上表現為往東北部集聚的空間分布特征。

(2)貧困聚集程度與自然災害、地形坡度之間存在著高度的正相關性。同時核密度值具有以縣域駐地為中心，呈“圈層式向外遞增”的趨勢。

(3)區縣層面的面板數據回歸模型中，起伏度、公路里程、農業產值占生產總值的比值、人均用電量、林地覆蓋率等5個指標與貧困發生率之間具有顯著關系。

對于貧困點的空間格局，本文只討論闡明了整體的空間分布特征，未考慮11個區縣間的差異，需要在以后的研究中進一步探討。此外，在今后的研究工作中還可以加入時間要素的考量，從空間尺度和時間尺度兩方面探究貧困及其影響因素的耦合關系。