基于扶貧背景下城鄉居民貧困脆弱性分析

陳孟鈞 孫安萍 安冉 齊征

摘 要：隨著扶貧工作的深入開展，人民對扶貧工作效果的要求也日漸嚴格。本文以安徽省為例，在經濟、社會、自然三方面進行綜合考慮，通過建立貧困脆弱性評價指標體系，運用因子分析法對城鄉居民貧困脆弱性進行分析，得出結果并為緩解貧困脆弱性提出合理建議。

關鍵詞：貧困脆弱性;安徽省;因子分析;城鄉居民

1、引言

貧困問題在人類社會的發展過程中一直是一個世界性難題。在“貧困脆弱性”概念提出之前，各國的反貧困政策都是在貧困問題出現后制定的，沒有考慮到未來變化的風險，是對貧困的事后干預，而貧困是一種動態現象，事后干預對貧困發生的原因及可能性不能進行預測。2001（部分文獻說是2000）年，世界銀行提出“貧困脆弱性”概念，此概念提出之后，對貧困的干預被由事后推向事前。

本文以安徽省十六個地級市為例，基于因子分析法，對其城鄉居民貧困脆弱性進行相對科學的評估，探究影響因素，得出具體原因，以為相關部門扶貧工作提供合理依據，使我國扶貧事業取得更好的效果。

2、居民貧困脆弱性評價指標體系的建立

綜合考慮經濟、社會、自然三方面影響因素，本文從經濟發展水平、社會保障水平及自然資源水平三個方面進行分析，建立安徽省城鄉居民貧困脆弱性指標體系，見表1。

2.1、經濟發展水平

經濟發展水平反應的是社會經濟現象的規模或水平，本文選用從業人口占比、人均可支配收入、人均生產總值三個指標對經濟發展水平進行衡量。其中，從業人口占比即從業人口占總人口數的比重，當失業發生時，以從業作為主要經濟來源的城鄉居民面臨的損失最大;可支配收入即居民可用于自由支配的收入，一般而言，可支配收入越高，應對災難的能力越強，貧困脆弱性越低;生產總值指一定時期內生產活動的最終成果，常被公認為衡量經濟狀況的最佳指標，進而可用于評價貧困脆弱性。

2.2、社會保障水平

社會保障水平指一定時期內，社會居民享受的社會保障的高低程度，本文選用人均受教育年限、人均文盲占比、醫療衛生機構數三個指標對社會保障水平進行衡量。其中，文盲占比指文盲人口占總人口數的比重，人均受教育年限指某一年齡段人群受學歷教育年限總和的平均數，兩者皆可用于某一地區的受教育程度;醫療衛生機構指依法成立的從事疾病診斷、治療等活動的衛生機構，其數量越多，抵抗疾病風險的能力越強，在一定程度上可降低貧困脆弱性。

2.3、自然資源水平

自然資源即人類可以在自然界中直接獲取并用于生產、生活的物質，本文選用森林覆蓋率、人均水資源量、地質受害防控投資三個指標對自然資源水平進行衡量。其中，森林覆蓋率指森林面積占宗土地面積的比率，人均水資源量指可利用的淡水資源平均到每個人的占有量，二者皆可反應自然資源對人類生產活動的制約;地質受害防控投資越高，應對地質受害越從容，越能減緩貧困脆弱性。

3、評價與建立因子分析模型

3.1、因子分析法

Spearman于1904年提出因子分析的概念，并表示因子分析的基本目的

就是用少數幾個因子去描述許多指標或因素之間的聯系，即將相關比較密切的幾個變量歸在同一類中，每一類變量就成為一個因子，以較少的幾個因子反映原始資料的大部分信息。

3.2、因子分析模型

其中F1，F2，……，Fm稱為公共因子，稱為Xi的特殊因子。aij稱為因子“載荷”，是第i個變量在第j個因子上的負荷。

將上述模型用矩陣表示為：

因此又矩陣A稱為因子載荷矩陣。

當有些變量在多個公共因子上都有較大的載荷，有些公共因子對許多

變量的載荷也較大時，這種模型則不能夠突出主要矛盾和矛盾的主要方面的，更不利于對因子的實際背景進行合理的解釋。這時需要通過因子旋轉的方法，使每個變量僅在一個公共因子上有較大的載荷，而在其余的公共因子上的載荷比較小，至多達到中等大小。同時利用因子得分函數計算出各樣本得分，并予以評價和排序。

3.3、因子分析具體步驟

（1）數據的標準化

根據具體的操作要求對數據進行無量綱化處理，把原始數據轉換為標準數據。

（2）判斷數據能否進行因子分析

利用SPSS進行分析得到初步結果，判斷KMO值與Bartlett的球形度檢驗統計量。一般認為，KMO值大于0.7可認為數據間具有較好的相關性，KMO值越接近1.0，變量間的共同因子越多，也就越適合進行因子分析。

（3）提取公共因子

運用主成分分析法確定因子變量，并根據相關矩陣特征值的大小來確定公共因子的個數。

（4）因子旋轉

利用方差最大化旋轉后的因子載荷矩陣對因子進行命名。

（5）計算得分

依據旋轉后的因子載荷矩陣來計算各個因子在每個樣本上的具體數值，從而計算因子得分。

四、因子分析

4.1、數據搜集

本文選取了安徽省16個地級市為研究對象，參照上文所制定的評價體系，獲得數據。該數據均來源于2018年安徽省統計年鑒。

4.2、利用SPSS進行因子分析

（1）先將數據標準化

（2）檢驗數據是否能進行因子分析。

上述因子分析結果顯示，如表2，KMO值為0.505，可以用來繼續做因子分析。同時，Bartlett的球形度檢驗統計量的觀測值為112.346，相應的Sig.值為0.00，認為相關系數矩陣與單位陣有顯著差異，因此對數據進行因子分析是恰當的。

（3）根據標準化之后的數據建立指標間的相關系數矩陣，得到特征值和累計貢獻率，特征值及其貢獻率見表3。

由上表可知，第一個因子的特征根值是3.476，它解釋了總變異的 38.619%，說明當原有變量全部濃縮為一個因子時，只有38.619%的信息能被包含進去，其余63.81%的信息將丟失;且隨著因子數量的增加，信息的丟失將減少，當累計到第三個因子時，累計貢獻率已達到83.397%。因此可以用前三個因子來反映總體數據水平

（4）因子旋轉

為了使每個因子更具有代表意義，我們利用方差最大化旋轉的方法得到因子旋轉成分矩陣如表4所示。

從上表可以看出，在第一個因子中，各市城鄉居民人均可支配收入X2、各市人均生產總值X3以及各市人均受教育年限X4載荷較大，均達到0.85以上，而且可以看出，X2、X3與經濟發展水平有關，X4則與教育水平有關，因此將該因子命名為經濟教育因子。在第二個因子中，各市森林覆蓋率X7、各市人均水資源量X8以及各市地質災害防治投資X9載荷較大，均達到0.85以上，而且以上均與自然環境以及災害的防治有關，因此將該因子命名為環境與災害防治因子。第三個因子中，各市城鄉從業人口占比X1、各市人口文盲占比X5以及各市醫療衛生機構數X6載荷較大，且都與人口和醫療有關，因此將該因子命名為人口因子。

且由上文解釋的總方差表中可以看出，第一個因子經濟教育因子是最主要的影響因素，其次是環境與災害防治因子和人口因子。

（5）因子得分

因子得分是在因子分析中對不可觀測的公因子做出的估計值。當因子確定以后，就可以根據旋轉后的因子載荷計算每個旋轉后的因子在每個樣本上的得分。

本文根據上述分析得到的綜合評價得分模型如下：

Z=46.31% F1 + 38.13% F2 + 15.57% F3

且3個主因子得分F1、F2和F3可由旋轉后的因子載荷矩陣和因子得分系數矩陣計算得到，然后再根據上述模型計算出公共因子得分和各城市的綜合得分，并進行排序結果如表5所示：

從上表可以看出，合肥市的綜合得分有0.81964，位居第一，說明合肥市的城鄉居民貧困脆弱性較弱，第二第三分別是宣城市和黃山市。而淮南市、淮北市和亳州市的綜合得分則較低，位于安徽省較后的位置，說明其貧困脆弱性較高。分析其排序結果可以看出，安徽省中部偏南地區如合肥市、宣城市等地貧困脆弱性較低，靠北地區像淮北市、亳州市等地貧困脆弱性則較高。

4.3、數據結果分析

安徽省城鄉居民的貧困脆弱性由多個因素決定，且各個因素之間相互關聯。從影響因素來看，城鄉居民的貧困脆弱性主要與經濟發展水平和居民的受教育程度有關，經濟發展水平越高、受教育程度越高，其貧困脆弱性越低。此外，亦受環境與災害防治等方面的影響。

根據因子分析法測出的安徽省貧困脆弱性呈現出了較為明顯的地域特征。比如以合肥市、黃山市為代表的中部偏南地區貧困脆弱性較低，說明其經濟發展勢頭較好，且省會的帶動性較強。而北部貧困脆弱性較高，我們也不妨可以猜測，北方部分地區受降水等多種因素的影響，對自然災害等的反應程度較大，更容易脫貧后返貧。

5、對策與建議

針對上述數據分析結果，為降低安徽省城鄉居民貧困脆弱性，本文提出以下建議。

5.1、經濟發展方面

對于安徽省城鄉居民貧困脆 弱性因各地經濟發展水平不同所 表現出的差異，政府應向北部貧困脆弱性較高的城市給予一定的政策傾斜，帶動其經濟發展;相關部門應利用地區資源優勢實現經濟發展多元化;居民本身應提升家庭經濟水平，以更高的可支配收入應對風險。

5.2社會保障方面

對于各地區因社會保障水平的高低程度不同所表現的減緩貧困脆弱性能力的差異，政府應加大對貧困脆弱性較高地區的教育、醫保等投入;社會相關部門 應完善社會保障制度;居民應提高自身受教育水平，積極響應國家九年義務教育制度號召。

5.3自然資源方面

對于各地區因自然資源水平不同所表現的受自然災害影響的差異，政府應加強對生態環境的保護，對不合法的損毀自然資源的行為予以嚴厲打擊;社會應加大對珍惜自然資源這一理念的宣傳;居民應從自身做起，從身邊小事做起，保護環境、節約資源。

參考文獻

[1] 許啟發，王俠英.安徽省城鄉居民貧困脆弱性因子分析[J].山東工商學院學報，2017，31（02）：31-37.

[2] 許啟發，王俠英，蔣翠俠.城鄉居民貧困脆弱性綜合評價：來自安徽省的經驗證據[J].經濟問題，2017（08）：1-6.

[3] 李麗. 中國城鄉居民家庭貧困脆弱性研究[D].東北財經大學，2010.

[4] 石豪.我國貧困脆弱性研究進展及評述[J].農村經濟與科技，2019，30（23）：126-130.

[5] 李麗，白雪梅.我國城鄉居民家庭貧困脆弱性的測度與分解——基于CHNS微觀數據的實證研究[J].數量經濟技術經濟研究，2010，27（08）：61-73.

[6] N. Kakwani， K. Subbarao. Rural Poverty and Its Alleviation in India. 1990， 25（13）：A2-A16.

[7] 葛珺沂.西部少數民族地區貧困脆弱性研究[J].經濟問題探索，2013（08）：163-170.

[8] 萬廣華，章元.我們能夠在多大程度上準確預測貧困脆弱性？[J].數量經濟技術經濟研究，2009，26（06）：138-148.

[9] Michael Aliber. Chronic Poverty in South Africa： Incidence， Causes and Policies. World Development， 2003， 31（3）：473-490.

[10] 方迎風.沖擊、“能力”投資與貧困脆弱性[J].中國地質大學學報（社會科學版），2014，14（02）：103-111+140.

[11] 賀祥，熊康寧.基于熵權灰色關聯法的貴州巖溶山區農村貧困脆弱性分析[J].江蘇農業科學，2014，42（03）：376-381.

作者簡介：陳孟鈞（01/01/20）女，漢族，安徽阜陽人，單位：安徽財經大學管理科學與工程學院，本科在讀，工程造價專業

基金項目：本文屬安徽省大學生創新創業訓練計劃項目（編號：S201910378430）研究成果。