水庫移民生產生活水平綜合評價方法研究

許桂生 苑鵬飛 馮湘萍 鄭凱鑫 董鶴亭

摘要：移民生產生活水平的綜合評價是水庫移民安置及后期扶持效果評價的核心內容?；趶V東省大中型水庫移民后期扶持政策實施情況的監測評估調查數據，從指標遴選、分級標準、評價方法3個方面（全過程）對此進行了研究。首先，利用復相關-信息靈敏度方法從海選指標中遴選出信息重疊度低的關鍵指標，構建移民生產生活水平的評價指標體系;其次，由指標的數據場勢值計算初始聚類中心，再根據K均值聚類法確定各指標的分級標準;最后，采用基于熵權法的綜合評分法對移民的生產生活水平進行評價。根據評價結果分析比較了不同地區的后期扶持工作，結果表明，該方法與現有的移民生產生活水平評價方法相比，更加客觀、合理，可為后續工作的開展提供參考意見。

關 鍵 詞：

水庫移民; 生產生活水平; 綜合評價; 復相關-靈敏度法; K均值聚類法; 綜合評分法

中圖法分類號： D632.4

文獻標志碼： A

DOI：10.16232/j.cnki.1001-4179.2021.06.035

0 引 言

自20世紀50年代以來，中國興建了大量的水利水電工程，發揮了顯著的社會經濟效益，但同時也造成了大量的水庫移民。據統計，截止2014年底，中國已建、在建水庫移民總數已達2 200萬人[1]，隨著172項重大水利工程的陸續開建，目前移民總數已增至2 500萬人左右。有研究表明，中國早期的水庫移民的確在很大程度上轉移或制造了貧困[2-3]，加大了移民與非移民的收入差距，也引發了許多社會問題[3-4]。為此，國務院明確要求移民安置應使移民生活達到或超過原有水平，對移民生產生活水平恢

復情況應進行監督評估，對水庫移民后期扶持政策實施情況應進行監測評估[5]。移民生產生活水平評價是水庫移民安置及后期扶持工作評估的核心內容，其本質是一個綜合評價問題。該問題的關鍵在于構建科學的移民生產生活水平評價指標體系、確定合理的指標分級標準和指標權重、選擇合適的綜合評價方法。

科學的評價指標體系是合理評價的基礎，應當全面、科學地考慮各個影響因素，指標過少則可能會遺漏重要信息，指標太多則會增加問題的復雜性，不可避免地造成信息重疊，這種信息的重疊有時甚至會抹殺事物的真正特征和內在規律[6]。但現有研究主要依賴主觀分析確定評價指標[7-10]，鮮見對評價指標的客觀遴選。李娜等[11]采用主成分分析法評價移民生產生活水平，但主成分分析法對重疊信息的剔除無能為力，因而并未真正實現指標遴選。本文首先從移民的收入水平、消費水平、生產條件、生活條件、基礎設施、發展保障等6個方面海選出51個指標作為備選指標集，再通過復相關-信息靈敏度法[12]剔除其中信息含量低和信息重疊度高的指標，實現了對指標的客觀遴選。

在對水庫移民工作進行評估時，我們常常將移民的生產生活水平分為“很差、較差、一般、較好、很好”5個等級，但在確定分級標準時，主要依賴主觀分析[13]。聚類分析可以通過對樣本數據的聚類從而實現等級劃分和確定分級標準[14]，而K均值聚類法就是其中常用的一種方法，具有計算方便、準確度高等優點。但該方法需要人為指定初始聚類中心，且聚類結果依賴指定的初始聚類中心，有時只能獲得局部最優解[15]。本文采用基于數據場的K均值聚類法[16]，通過計算指標數據的勢值，確定初始聚類中心，克服了傳統K均值聚類法存在的主觀性，使得指標分級標準的確定更為客觀。

確定指標權重的方法主要有層次分析法，熵權法，灰色關聯度法等。本文采用熵權法確定移民生產生活水平評價指標的權重。

在確定了評價指標、分級標準和指標權重后，即可直接對樣本的單指標得分加權求和計算綜合評分，根據樣本的綜合評分即可直接定級或排序，無需且不適合再使用相對復雜的模糊綜合評判技術。這是因為在分級標準明確后，各等級也就不再屬于“模糊集”，對確定的指標數據而言，其所屬等級也是確定的;其次，模糊綜合評判常采用的最大隸屬度原則并不合理，陳守煜提出應采用級別特征值原則進行判別[17]。為驗證綜合評分法的有效性，本次研究前用該方法對文獻[18]的圍巖穩定性進行了判別，得出了與陳守煜[19]相似的結論。

本文在廣東省大中型水庫移民2019年度后期扶持監測評估工作的基礎上，利用10個縣100個移民村2 000戶移民家庭的抽樣調查數據，從評價指標遴選、分級標準、評價方法3個方面對移民生產生活水平的綜合評價問題進行了研究。

1 數據來源與指標遴選

1.1 數據來源

廣東省有搬遷農業人口后期扶持任務的水庫共329座，全省共有大中型水庫移民154.19萬人。為了對2019年度大中型水庫移民后期扶持政策實施情況進行監測評估，本文基于廣東省10個樣本縣的抽樣調查工作，選取了46個鄉鎮100個移民村2 000戶移民家庭較為全面的調查數據。

1.2 確定備選指標集

結合已有研究成果、理論分析及實踐經驗，根據評價對象及評價目標設置準則層，再根據“全面性、可觀測性”原則進行指標海選，從收入水平等6個方面確定了51個指標，去除“建房支出比例、住房質量、耕作半徑、有線電視覆蓋率、適齡兒童入學率、醫療報銷比例、發病死亡率、勞動技術培訓比例、平均壽命、正規教育規模、成人教育規模、綠化率、垃圾集中處理比例”等13個缺乏監測數據的指標后，得到了含38個指標的備選指標集（見表1）。

1.3 指標遴選

1.3.1 指標數據標準化

在對指標進行遴選前，首先按min-max原則對原始數據進行標準化處理，以消除各指標量級和量綱不同的影響，公式為

xij=Xij-min1≤j≤nXijmax1≤j≤nXij-min1≤j≤nXij

（1）

式中：i=1，…，m，j=1，…，n，m為指標總數，n為樣本總數;Xij，xij分別為第i個指標第j個樣本的原始數據、標準化數據值，minXij，maxXij分別為第i個指標樣本數據的最大、最小值。

1.3.2 指標相關性分析

對同一類別的指標計算復相關系數，對復相關系數最大的指標，若該指標的復相關系數大于設定的臨界值VR，則剔除該指標。循環處理，直至各類別所有保留指標的復相關系數均小于VR。一般VR可取0.80～0.95，本文取0.90。

1.3.3 指標靈敏度分析

對所有保留指標按公式（2）計算其信息含量，按照信息含量的大小對指標進行降序排列，按設定的累計信息靈敏度值VI截取保留指標。一般VI可取0.70～0.95，本文取0.85。

Ii=1n-1nj=1（xij-1nnj=1xij）21nnj=1xij（2）

式中：Ii為第i個指標信息含量。

取VR=0.90，VI=0.85時，指標遴選的結果如表2所列。通過計算復相關系數和指標累計信息靈敏度，剔除了9個對評價結果影響較小的指標，最終確定了人均可支配收入、人均消費支出、水澆地比例、人均住房面積、亮化照明比例、貧困人口比例等29個指標的評價指標體系。

2 指標分級與賦權

2.1 指標分級

為客觀地確定各指標的分級標準，采用了K均值聚類法。同時為克服傳統的K均值聚類法人為指定初始聚類中心的不足，本文基于數據場勢函數理論確定了初始聚類中心，然后再使用K均值聚類法得到指標分級結果。

2.1.1 數據場理論

數據場勢函數反映了一個數據對象受到其他所有數據對象的影響程度，克服了傳統聚類算法僅考慮2個對象之間影響關系的局限性，認為空間中任一點的狀態是其他所有的對象共同作用的結果，能夠獲得更加科學合理的聚類分級結果[20]。指標數據的勢函數φ（x）定義如下[21]：

φ（x）=1nnj=1e-（‖x-xj‖σ）2（3）

式中：‖x-xj‖表示對象x到xj的距離;σ一般可取為1。

2.1.2 基于數據場的K均值聚類指標分級

K均值聚類算法是一種迭代求解的聚類分析算法。首先指定要形成的聚類數k，再隨機選取k個對象作為初始的聚類中心[6]。在引入數據場概念后，將不需要人為指定聚類中心，而是從各個指標樣本數據間的相互作用力出發，由勢函數計算公式（3）得到每個樣本的勢值，所得勢值越大說明該樣本點與其他樣本數據的相互作用越大，該點就可以作為聚類中心的備選值。根據大量實例計算經驗可知，基于數據場的K均值聚類法比傳統算法聚類正確率更高[16]。水庫移民生產生活水平評價指標分級具體算法步驟如下：

（1） 對表2篩選保留的29個評價指標樣本數據進行標準化，根據公式（3）按等級計算各個評價指標下樣本數據xi的勢值;

（2） 分析每個評價指標樣本數據勢值的極大值點，確定各個評價指標的初始聚類中心;

（3） 利用K均值聚類算法對各個指標數據進行分級聚類，得到最終聚類結果。

下面以“人均可支配收入”為例，對基于數據場的K均值聚類算法計算過程進行說明。根據公式（3）計算數據場勢值，可得到2 000戶樣本家庭的人均可支配收入勢值分布情況（見圖1）。本文將人均可支配收入分為5個等級，按等級找到5個勢值極大值點，其對應的人均可支配收入分別為9 260，13 000，16 137，19 872，29 377，以此作為初始聚類中心。將人均可支配收入樣本數據以及5個初始聚類中心數值代入SPSS軟件中的K-均值聚類算法進行聚類分析，求得最終聚類結果作為人均可支配收入的分級標準（見表3）。

對各個指標數據重復以上步驟共得到29個評價指標的分級區間（見表4）。

2.2 指標賦權

熵權法是一種以評價對象中各項評價指標所提供的信息含量為依據，確定權重值的客觀賦權法。熵權法確定權重的計算步驟[20]如下：

（1） 為了消除指標計量單位的影響，要對評價指標進行歸一化處理。設Xijn×m為同趨勢化后的指標矩陣，Zijn×m為歸一化后的指標矩陣，則：

Zij=Xijni=1X2ij（4）

（2） 計算第i個樣本第j項指標值的比重：

Pij=Zijni=1Zij（5）

（3） 計算指標信息熵：

Ej=-Kni=1（pijlnpij）（6）

式中：常數K=1/lnn。

（4） 計算權重：

Wj=1-Ejnj=1（1-Ej）（7）

將廣東省10個樣本縣的監測評估數據，代入公式（4）～（7）得到各指標權重（見表5）。

3 綜合評價與分析

3.1 綜合評分法

在傳統的綜合評價分析中，不少學者采用了基于最大隸屬度原則的模糊綜合評判法。但該方法容易導致信息丟失而引起判別結果出現偏差。比如10個評委對某評價對象的較差、中等、優秀進行打分，其結果為4個評委打分較差、3個評委打分中等、3個評委打分優秀，按照最大隸屬度原則，其綜合評價為較差，但實際情況應該屬于中等。

本文基于“加權平均”的思想，提出了綜合評分法，可得到更為合理的評價結果。假定指標A劃分5個區間等級分別為[A0，A1），[A1，A2），[A2，A3），[A3，A4），[A4，A5），并規定A0為0分，A1為20分，A2為40分，A3為60分，A4為80分，A5為100分。中間3個等級為有限區間，兩端的可能為無限區間，也可能為有限。當各等級區間為有限區間時，直接線性插值計算得分。若落在無限區間，即：若最高等級區間為[A4，+∞），則f（x）=100-20ex-A4（x>A4）;若最低等級區間為[-∞，A1），則f（x）=20eA1-x（x

結合熵權法計算所得的權重，可得廣東省水庫移民生產生活水平綜合評價分級標準如表6所列。

3.2 評價結果及分析

對廣東省10個樣本縣數據進行計算，由綜合評分結果可得，10個樣本縣綜合評級均為中等，其中花都區綜合評分最高，為52.66;郁南縣綜合評分最低，為41.62?？梢娡ㄟ^后期扶持，廣東省水庫移民生產生活水平恢復效果較為顯著，雖然不同地區水庫移民生產生活水平有差異，但其差距也在逐漸縮?。ㄒ姳?）。具體分析如下：

（1） 通過對比各樣本縣反映移民收入水平的多個指標發現，家庭經營性收入和二、三產業收入為移民家庭總收入的重要組成部分，各樣本縣的家庭經營性收入比例評分均在中等偏上水平，二、三產業收入比例評分接近中等水平，后續仍需加強對二、三產業的扶持。建議各縣在后續扶持中結合當地實際適當增加生產開發項目的比重，收入結構多元化發展，引進龍頭企業，充分利用當地資源，一、二、三產業融合發展，促進移民增收致富。

（2） 通過對比各樣本縣反映移民消費水平、生活水平和發展保障的多個指標發現，部分樣本縣教育支出比例較低，高中階段入學率不高，后期仍需要加大對移民后代教育問題的關注力度，子女的教育問題所受影響因素較多，如家庭經濟水平、當地居民思想觀念、當地政策支持力度。建議移民部門在提高當地移民收入的同時，一方面可適當撥付部分資金對貧困移民子女教育進行資助;另一方面也要加大宣傳子女受教育的重要性，提高當地移民對教育的重視程度。

（3） 通過對比各樣本縣反映基礎設施的多個指標發現，部分樣本縣村均衛生室個數和亮化照明比例評分均不高，需要繼續完善基礎設施建設。當地移民的參與度和意愿對移民村基礎設施的建設起著決定性的作用，建議移民部門一方面要結合當地移民村的實際出發，統籌規劃，合理配置資源;另一方面也要充分調動當地移民對家園建設的積極性，要培養其“大局意識”，通過加大移民群眾的參與度，推動當地基礎設施的建設進程。

4 結 論

（1） 本文利用復相關-信息靈敏度方法從海選指標中遴選出信息重疊度低的關鍵指標，構建移民生產生活水平的評價指標體系。相比于傳統上僅僅依靠主觀經驗對水庫移民后期扶持效果評價指標進行篩選，復相關-信息靈敏度方法從備選指標中剔除了信息含量低和信息重疊度高的指標，實現了對指標的客觀遴選，并克服了主成分分析法無法實現對重復信息篩選的缺點。

（2） 本文采用基于數據場的K均值聚類法，通過計算指標數據的勢值，確定初始聚類中心，克服了傳統K均值聚類法存在的主觀性問題;建立了針對水庫移民后期扶持評價指標的分級標準，克服了傳統上依靠專家經驗或參考統計公報數據確定評價指標分級標準的缺點，使得指標分級標準的確定更為客觀。

（3） 本文提出綜合評分法，直接對樣本的單指標得分加權求和計算綜合評分，根據樣本的綜合評分即可直接定級或排序，無需再使用相對復雜的模糊綜合評判技術，簡化了綜合評價過程。

參考文獻：

[1] 邱元鋒，孟戈，WEI Y，等.水庫移民滿意度影響因素實證分析[J].水利學報，2016，47（5）：663-673.

[2] 張紹山.水庫移民“次生貧困”及其對策初探[J].水利經濟，1992（4）：25-28.

[3] 檀學文.中國移民扶貧70年變遷研究[J].中國農村經濟，2019（8）：2-19.

[4] 姚凱文.水庫移民安置研究[M].北京：中國水利水電出版社，2008.

[5] 國務院.大中型水利水電工程建設征地補償和移民安置條例[M].北京：中國法制出版社，2017.

[6] 何曉群.多元統計分析[M].3版.北京：中國人民大學出版社，2012.

[7] 施國慶，陳紹軍，袁汝華，等.水庫移民生產生活水平分析與評價方法[J].水利學報，1996（2）：51-55，62.

[8] 胡寶柱，趙靜，何小龍，等.水庫移民經濟評價方法研究[J].華北水利水電學院學報，2005，36（2）：5-8.

[9] 單穎，左緒海.水庫移民安置后評價指標體系探討[J].人民長江，2010，41（23）：26-30.

[10] 牟立.水庫移民后期扶持效果評價[D].北京：清華大學，2014.

[11] 李娜，王火根.基于主成分分析的水庫移民生活水平綜合評價[J].人民長江，2016，47（23）：120-125.

[12] 張壯，李琳琳，路云飛.基于復相關-信息靈敏度的C4ISR評估指標體系構建[J].火力與指揮控制，2018，43（10）：68-73.

[13] 鄭從奇，許彥剛，趙勝，等.水庫移民生產生活水平可變模糊評價方法與應用[J].山東大學學報（工學版），2013，43（3）：75-81.

[14] 劉玉邦，梁川.基于天氣成因和主成分分析的暴雨洪水分級研究[J].水利學報，2011，42（1）：98-104.

[15] 蔡蓉蓉，張紅武，卜海磊，等.基于水沙組合分類的黃河中下游水沙變化特點研究[J].水利學報，2019，50（6）：732-742.

[16] 龔艷冰，楊舒馨，戴靚靚，等.基于數據場K-means聚類的洪澇災害突發事件分級方法[J].統計與決策，2018，34（20）：47-49.

[17] 陳守煜.可變模糊集理論與模型及其應用[M].大連：大連理工大學出版社，2009.

[18] 王廣月，劉健.圍巖穩定性的模糊物元評價方法[J].水利學報，2004（5）：20-24.

[19] 陳守煜，胡吉敏，李敏.水電站導流洞圍巖穩定性的可變模糊評價方法[J].北京工業大學學報，2009，35（4）：464-469.

[20] 林建潮.熵權法確定評價指標權重在Excel中的實現[J].中國醫院統計，2020，27（4）：362-364.

[21] 淦文燕，李德毅，王建民.一種基于數據場的層次聚類方法[J].電子學報，2006（2）：258-262.

（編輯：謝玲嫻）

Study on comprehensive evaluation method of production and living

standard of reservoir immigrants

XU Guisheng1，YUAN Pengfei1，FENG Xiangping2，ZHENG Kaixin1，DONG Heting1

（1.School of Water Resources and Hydropower Engineering，North China Electric Power University，Beijing 102206，China; 2.Guangxi Water Resources and Electric Power Survey and Design Institute，Nanning 530023，China）

Abstract：

The comprehensive evaluation of production and living standards of immigrants is the core content in reservoir resettlement and subsequent support effect evaluation.Based on the monitoring and implementation evaluation data of the later support policies for large and medium-sized reservoirs in Guangdong Province，we study from three aspects（the whole process） of indicator selection，classification standards and evaluation methods.Firstly，the multiple correlation-information sensitivity method is used to select key indicators with low information overlap from all indicators to construct an evaluation indicator system for the production and living standards of immigrants.Secondly，the initial clustering centre is calculated from the data field potential values of the indicators and then the classification standard of each indicator is determined according to the K-means clustering method.Finally，the comprehensive scoring method based on entropy weight method is used to evaluate the production and living standards of immigrants.According to the evaluation results，this paper compares and analyzes the subsequent support work in different regions.The results show that this method is more objective and reasonable than the existing evaluation methods，and can provide reference for the follow-up work.

Key words：

reservoir immigrant;production and living standard;comprehensive evaluation;multiple correlation-sensitivity method;K-means clustering method;comprehensive scoring method