合并新村脆弱性決定因子識別

摘要：村莊合并是對傳統村鎮空間結構與組織形態的重大變革，是村民生計方式與社會結構的重大調整。合并新村建設初期因為居住環境、公用基礎設施、公共服務體系不夠完善，常表現出一定程度的脆弱性。脆弱性擾動、敏感性、適應力是抽象概念，不可直接觀測。通過構建合并新村脆弱性結構方程模型對潛在變量對應的15個觀測變量進行估計，有效排除了主觀性判斷影響，識別出5個重要影響因子。低保水平、政民互動因子是擾動的重要影響因子，養老保險、政策兌現因子是敏感性的重要影響因子，對外交通是適應力的重要影響因子。灰色定權聚類模型克服了結構方程模型能識別重要與次要因子但無法判斷影響狀態的不足之處。對上述重要影響因子與縣域人均GDP指標進行再評估，最終識別出4個脆弱性決定因子，其中低保水平是脆弱性的擾動決定因子，養老保險、政策兌現是脆弱性的敏感性決定因子，縣域人均GDP值是脆弱性的適應力決定因子。

關鍵詞：合并新村;脆弱性;結構方程模型; 灰色定權聚類模型;決定因子

中圖分類號：F302.5" 文獻標識碼：A 文章編號：1009-9107（2022）01-0066-11

黨的十七大后，山東、江蘇、湖南、河南等東中部經濟發達省份大規模推進村莊合并[1-2]，村莊合并是對傳統村鎮空間結構與組織形態的重大變革，是村民生計方式與社會結構的重大調整[3-4]，村莊合并初期因為居住環境、公共基礎設施、公共服務體系不夠完善，合并新村常表現出一定程度的脆弱性[5-6]。西部地區于2012年在寧夏永寧縣建立合并新村試驗區，以探索西部地區合并新村的可持續發展路徑。永寧縣村莊合并騰出大量村舍用地，釋放眾多體力勞動者，促進了當地現代農業及二、三產業發展，但是由于農村轉移勞動力的生產能力、發展能力不足，且支撐合并新村發展的經濟、社會支撐體系尚在不斷完善之中，因此脆弱性也是永寧縣試驗區合并新村的基本屬性。Yohe G[7]、Mc Carthy等[8]認為脆弱性是客觀主體與其所處的不穩定環境相互作用后表現出的一種屬性;Gallop'in[9]、Young等[10]、史培軍等[11]則認為脆弱性是人地關系系統、生態社會系統等耦合系統的基本屬性，這些系統受到外部擾動時其脆弱性就會顯現出來;李鶴等人則明確提出脆弱性是源于系統內部的與生俱來的一種屬性，是系統受內外部擾動后，因為敏感性和適應能力不足，從而使系統的結構和功能容易發生改變的基本特性[12-15]。

現階段村莊合并已經成為新的鄉村治理模式[16]，學界對村莊合并驅動力[17]、村落空間重構[18]、合并村莊社區治理的行政化導向及其矯正問題進行了有效探索[19-20]。魏璐瑤等人還對縣域鄉村集聚的脆弱性進行了評價[21-22]，這些研究成果對識別永寧縣合并新村脆弱性決定因子有重要的參考價值。

一、研究模型及數據來源

本文將寧夏永寧縣村莊合并試驗區定為研究區域，該試驗區實行政府主導型的新鄉村治理模式。村莊合并過程中各級黨政部門主導的住房建設、環境改造、產業發展、社會事業建設等工作本質上是施加在合并新村上的脆弱性擾動因素，新村居民對于生活成本上升、就業行情波動、補償政策兌現及社會保障問題的反應當屬合并新村脆弱性敏感性的具體表現，村民生產能力、發展能力及合并新村對外交通條件等因素體現的則是合并新村的適應力。進行合并新村脆弱性決定因子識別有利于防范脆弱性風險，從而有效促進合并新村可持續發展。

（一）研究模型選擇

1.模型選擇理論依據。脆弱性擾動、敏感性、適應力是一組抽象概念，不能直接觀測，用來識別脆弱性決定因子的數學模型須具備通過可觀測變量估算潛在變量（不可觀測變量）的數理特性。結構方程模型（以下簡稱SEM）是基于統計分析技術的多變量統計研究方法，可用來處理復雜的多變量研究數據的探究與分析[23]，該模型整合了因素分析與路徑分析兩種統計方法，通過模型中包含的可觀測變量、潛在變量、干擾或殘差項間的關系，估算出觀測變量的因素負荷值，以及自變量對因變量的直接影響、間接影響或總效果值，并依據因素負荷值、影響效果值判斷出重要或次要影響因子，完全排除了人為主觀判斷的不利影響[24] 。SEM在分析合并新村脆弱性擾動、敏感性、適應力潛在變量之間的相互作用關系，以及觀測變量的因素負荷值方面有獨到優勢[25]，不足之處則在于只能區分出脆弱性重要影響因子和次要影響因子，無法判斷影響因子的具體影響狀態[26]。由脆弱性概念可知，合并新村脆弱性的決定因子一方面是重要影響因子，另一方面是其影響效果處于差或較差的狀態，因此運用SEM識別出合并新村脆弱性重要影響因子之后還需要做進一步的評估，將重要影響因子中影響狀態差或較差的脆弱性決定因子識別出來[27]。灰色定權聚類模型對于指標含義不同、量綱差異懸殊的評估對象進行定量分析時，可依據其指標觀測值、指標權重及預先設定的灰類（評估等級）將評估對象、可觀測指標歸到不同等級[28]。該模型的優勢在于可以清晰地掌握每個評估對象的發展狀態以及每個評估指標的影響狀態，不足之處在于評估指標及指標權重如果都是人為設定時評估結果客觀性較差。綜合運用SEM與灰色定權聚類模型進行合并新村脆弱性決定因子識別，可以最大限度地減少個人主觀性對合并新村脆弱性決定因子識別的影響。

2.SEM與灰色定權聚類模型的綜合應用。SEM與灰色定權聚類模型數理意義各不相同，但在應用層面上卻優勢互補。SEM擅長篩選重要影響因子，定權聚類模型可對重要影響因子的積極或消極影響狀態做出精準評估。構建合并新村脆弱性SEM與灰色定權聚類模型時，首先構建系列化的合并新村脆弱性SEM，通過模型估計與品鑒，保留適配性最佳的脆弱性SEM，掌握合并脆弱擾動、敏感性、適應力之間的相互作用關系，估算出觀測變量的因素負荷值，篩選出脆弱性重要影響因子;其次構建合并新村脆弱性灰色定權聚類模型，從脆弱性擾動、敏感性、適應力三個維度進行評估，最終識別出合并新村脆弱性決定因子。

（二）數據來源

1.研究區概況。寧夏永寧縣村莊合并試驗區始建于2012年，原計劃建設19個合并新村。至2015年累計投資88.34億元建成了15個合并新村后因資金問題暫停其余新村建設。新村全部按城鎮社區模式建設，配套建設了供電、供水、天然氣、學校、醫務所、商業網點、社區、文化體育活動中心等公共服務基礎設施，安置了4.27萬戶13.6萬人，安置對象均為永寧縣合并村莊試驗區的農村戶籍人口。已經建成的15個合并新村區位、資源環境及經濟社會條件都有所不同。本文從中選擇了8個各具特色的合并新村作為研究對象，分別是 YH新村、LJ新村、 NH新村、 LT新村、WH新村、JY新村、XH新村、 SL新村。

2.原始數據的獲取。本文研究采取隨機抽樣問卷調研的方法，問卷內容涵蓋了村民家庭結構、教育、勞動力素養、就業、薪酬待遇、新村環境衛生、公共基礎設施建設、對外交通、文化娛樂、醫療養老保險、公共管理等方面，問答形式有填空題、單項選擇、多項選擇題。選擇題中的滿意度調查類問題選項采用五級分類法，非滿意度調查類問題選項多少及設問方式依據問題的實際需要設定。每個合并新村獲取有效調查問卷200份，共獲得有效問卷1 600份。

二、基于SEM的脆弱性重要影響因子識別

（一）脆弱性SEM構建

完整的SEM通常包括一個結構模型和數個測量模型。進行合并新村脆弱性重要影響因子識別所構建的SEM須全面呈現潛在變量的相互作用關系，因此構建合并新村脆弱性SEM時將結構模型板塊設定為一階驗證性因素分析——多因素斜交叉模型。合并新村脆弱性決定了因子識別旨在防范脆弱性風險，促進合并新村可持續發展，因此建立結構模型板塊時要充分考慮合并新村脆弱性對可持續發展的影響，將脆弱性潛在變量與可持續發展潛在變量的相互作用關系在結構模型板塊中體現出來。建立測量模型旨在呈現潛在變量與觀測變量的對應關系，該板塊建立了4個測量模型，分別是擾動測量模型、敏感性測量模型、適應力測量模型，以及可持續發展測量模型。

按照SEM基本原理，SEM構建過程中觀測變量越多對潛在變量的解釋越準確[29]，但是對于完整的SEM，觀測變量過多會造成殘差項相應增多，可能導致模型修正與估計階段殘差項共變關系過于復雜， 導致SEM與觀測數據不能擬合或不能通過適配性驗證。為確保假設模型與觀察數據可擬合且盡可能多地保留觀測變量，合并新村脆弱性SEM構建過程中要在保持結構模型板塊不變的前提下，按照觀測數量由多到少的策略建立一系列有待驗證的假設模型。

（二）脆弱性SEM估計與品鑒

SEM估計就是調取觀測數據估算假設模型各項參數的過程，品鑒則是依據估算出的假設模型參數進行競爭性比較，以獲得最佳假設模型的過程[30]。本文運用AMOS對模型構建階段建立的一系列合并新村脆弱性假設模型進行修正、參數估計及因素負荷值估算，然后對假設模型進行卡方檢驗，依據顯著性概率P判斷假設模型與觀測數據是否擬合，通過模型基礎性適配度指標CMIN/DF值，絕對適配度指標GFI、AGFI、RMR、RMSEA、NCP值進一步判斷可擬合假設模型與觀測數據的適配程度。

圖1是通過SEM估計與品鑒，篩選出的最符合研究要求的合并新村脆弱性SEM。該模型的卡方檢驗顯著性概率值P=0.294，未達到0.05顯著性水平，接受虛無假設，表明該模型與觀察數據有效擬合。模型基礎性適配度指標CMIN/DF=1.087lt;2.000;模型絕對適配度指標GFI=0.992gt;0.900、AGFI=0.983gt;0.900、RMR=0.021lt;0.05、RMSE=0.007lt;0.050、NCP=0.00，均在模型適配度參數閾值之內，表示合并新村脆弱性SEM與觀測數據適配性較佳。

該模型在修正與估計階段還挖掘出了模型建構初期未曾考慮到關聯情況，如潛在變量擾動與觀測變量環境對比、敏感性與生計適應、適應力與工資拖欠、環境對比等因素之間的關聯情況，新挖掘出的潛在變量與觀測變量的對應關系將為合并新村建設與管理提供有益參考。

（三）脆弱性重要影響因子識別

圖1顯示，脆弱性擾動、敏感性、適應力3個潛在變量之間的關聯度均大于0.75，表明3個潛在變量之間高度相關，因而構建多因素斜交叉模型進行合并新村脆弱性決定因子識別是適宜的。因素負荷值是觀測變量與對應的潛在變量的關聯強度，因素負荷值大于0.5時表示觀測變量與對應的潛在變量關聯性較強，是重要的影響因子。

脆弱性擾動、敏感性、適應力所對應的觀測變量及因素負荷值分別是：

脆弱性擾動→低保水平（0.715）、政民互動（0.453）、環境對比（0.147）、基礎設施（0.007）、義務教育（-0.057）。

脆弱性敏感性→養老保險（0.817）、政策兌現（0.492）、生活成本（0.255）、就業憂慮（0.204）、工資拖欠（-0.135）、生計適應（-0.102）。

脆弱性適應力→對外交通（0.523）、工資拖欠（0.301）、打工路耗（0.267）、教育年限（0.152）、受挫應對（0.06）、環境對比（-0.182）。

綜合考慮上述脆弱性潛在變量與其對應的觀測變量的因素負荷值，初步判斷：

脆弱性擾動的重要影響因子是低保水平、政民互動因子;

脆弱性敏感性的重要影響因子是養老保險、政策兌現因子;

脆弱性適應力的重要影響因子是對外交通因子。

三、基于灰色定權聚類模型的脆弱性決定因子識別

（一）灰色定權聚類模型構建

1.評估指標的選擇。基于上文構建的合并新村脆弱性SEM，從脆弱性潛在變量對應的15個觀測變量中識別出5個重要影響因子， 5個因子即為合并新村脆弱性灰色定權聚類模型的評估指標。經文獻歸納與理論推演，永寧縣經濟發展水平對合并新村建設與發展至關重要，雖然反映永寧縣經濟發展水平的縣域人均GDP統計數據與SEM觀測變量的數理特性不符，不能作為合并新村脆弱性SEM的觀測變量進行估算，但是該指標數理特性與灰色定權聚類模型評估指標的數理特性相符，可用作灰色定權聚類模型的評估指標，因此各灰色定權聚類模型的評估指標最終確定為：擾動的評估指標是低保水平、政民互動;敏感性的評估指標是養老保險、政策兌現;適應力的評估指標是對外交通、縣域人均GDP。

2.評估指標權重的確定。（1）擾動評估指標權重。擾動的重要影響因子因素負荷值分別是低保水平（0.715）、政民互動（0.453），標準處理后其權重分別是低保水平（0.612）、政民互動（0.388）。（2）敏感性評估指標權重。敏感性的重要影響因子因素負荷值分別是養老保險（0.817）、政策兌現（0.492），標準處理后其權重分別是養老保險（0.624）、政策兌現（0.376）。（3）適應力評估指標權重。潛在變量適應力的重要影響因子對外交通因子的因素負荷值為0.523，縣域人均GDP指標的因素負荷值由課題組賦值為0.5，標準處理后其權重分別是對外交通（0.511）、縣域人均GDP（0.489）。

3.評估指標觀測數據提取。用于合并新村脆弱性SEM觀測變量的問卷調研數據與灰色定權聚類模型評估指標的數理特性不一致，須按照灰色定權聚類模型評估指標的數理特性進行轉換。本文對8個合并新村1 600份問卷調查數據進行SPSS頻數統計分析，從合并新村整體及個體的視角獲取低保水平 、政民互動、養老保險、政策兌現、對外交通評估指標的觀測數據，縣域人均GDP數據來源于《2019年寧夏統計年鑒》。

4.評估指標灰類及白化權函數閾值的確定。（1）擾動評估指標灰類及白化權函數閾值。擾動評估灰類設置5級：好、較好、一般、較差、差。擾動對應的低保水平、政民互動評估指標是用村民對兩項工作的滿意度來體現，觀測數據為越大越好型，其中低保水平評估指標的灰類及白化權函數閾值分別是：好，[0.8，0.9，-，-];較好，[0.7，0.8，-，0.9];一般，[0.6，0.7，-，0.8];較差，[0.5，0.6，-，0.7];差，[-，-，0.5，0.6]。政民互動評估指標的灰類及白化權函數閾值分別是：好，[0.6，0.75，-，-];較好，[0.45，0.6，-，0.75];一般，[0.3，0.45，-，0.6];較差，[0.15，0.3，-，0.45];差，[-，-，0.15，0.3]。（2）敏感性評估指標灰類及白化權函數閾值。敏感性評估灰類設置5級：弱、較弱、一般、較強、強。敏感性對應的養老保險、政策兌現評估指標是用村民對兩項工作的滿意度來體現，觀測數據為越大越好型，其中養老保險評估指標的灰類及白化權函數閾值分別是：弱，[0.8，0.9，-，-];較弱，[0.7，0.8，-，0.9];一般，[0.6，0.7，-，0.8];較強，[0.5，0.6，-，0.7];強，[-，-，0.5，0.6]。政策兌現評估指標的灰類及白化權函數閾值分別是：弱，[0.8，0.9，-，-];較弱，[0.7，0.8，-，0.9];一般，[0.6，0.7，-，0.8];較強，[0.5，0.6，-，0.7];強，[-，-，0.5，0.6]。（3）脆弱性適應力評估指標灰類及白化權函數閾值。脆弱性適應力評估灰類設置5級：強、較強、一般、較弱、弱。適應力對應的對外交通評估指標是用村民對該項建設的滿意度來體現，觀測數據為越大越好型，其中對外交通評估指標的灰類及白化權函數閾值分別是：強，[0.8，0.9，-，-];較強，[0.7，0.8，-0.9];一般，[0.6，0.7，-0.8];較弱，[0.5，0.6，-0.7];弱，[-，-，0.5，0.6]。縣域人均GDP指標是越大越好型，其5個節點的人均GDP值是江蘇（95 257）、銀川市（74 288）、全國（53 980）、寧夏（47 194）、寧南山區（27 102），該評估指標的灰類及白化權函數閾值分別是：強，[74 288，95 257，-，-];較強，[53 980，74 288，-，95 257];一般，[47 194，53 980，-，74 288];較弱，[27 102，47 194，-，53 980];弱，[-，-，27 102，47 192]。

（二）合并新村脆弱性重要影響因子評估

灰色定權聚類模型特性之一是確定了評估灰類及評估指標灰類白化權函數閾值。進行灰類白化權函數值運算時，運算結果并非簡單的歸于某一灰類，而是依據評估指標觀測數據及白化權函數閾值將其歸入某一灰類或相鄰的兩個灰類之中，但一個評估指標的灰類白化權函數值的總和必定為1。

1.擾動的重要影響因子評估。（1）擾動的低保水平因子評估。表1顯示合并新村整體性的低保水平評估指標的灰類白化權函數值對應于灰類“差”的值為1，表明該因子對于合并新村整體性的擾動效果差。8個合并新村中擾動效果差的是YH新村、LJ新村、NH新村、WH新村、XH新村，較差的是JY新村、SL新村，較好的是LT新村。（2）擾動的政民互動因子評估。表2顯示合并新村整體性的政民互動評估指標的灰類白化權函數值對應于灰類“一般”（0.833）、“較差”（0.167），表明該因子對于合并新村整體性的擾動效果一般。8個合并新村中政民互動擾動效果好的是LT新村，擾動效果較好的是XH新村，擾動效果一般的是LJ新村，擾動效果較差的是YH新村、NH新村、WH新村、SL新村。

2.敏感性重要影響因子評估。（1）敏感性之養老保險因子評估。表3顯示合并新村整體性的養老保險評估指標的灰類白化權函數值對應于敏感性灰類“一般”（0.075）、“較強”（0.925），表明合并新村整體性對該因子敏感性較強。8個合并新村中對養老保險因子敏感性強的是LJ新村、NH新村、WH新村、XH新村，敏感性較強的是YH新村，敏感性一般的是JY新村，敏感性弱的是LT新村、SL新村。（2）敏感性之政策兌現因子評估。表4顯示合并新村整體性的政策兌現評估指標的灰類白化權函數值對應于敏感性灰類“較強”（0.962）、“強”（0.038），表明合并新村整體性對該因子敏感性強。8個合并新村中村民對政策兌現敏感性強的是NH新村、WH新村、JY新村，敏感性較強的是LT新村，敏感性較弱的是YH新村、XH新村，敏感性弱的是LJ新村、SL新村。

3.適應力重要影響因子評估。（1）適應力的對外交通因子評估。表5顯示合并新村整體性的對外交通評估指標的灰類白化權函數值對應于灰類“較強”（0.156）、“一般”（0.844），表明合并新村整體性對對外交通條件的適應力一般。8個合并新村在對外交通條件方面適應力強的有YH新村、LJ新村、LT新村、SL新村，適應力一般的是JY新村，適應力弱的是NH新村、WH新村、XH新村。（2）適應力的縣域人均GDP因子評估。表6顯示8個合并新村整體性的縣域人均GDP評估指標的灰類白化權函數值對應于灰類“一般”（0.843）、“較弱”（0.157），表明永寧縣縣域經濟發展水平一般，對合并新村適應力的促進作用一般。

（三）脆弱性決定因子識別

脆弱性決定因子識別是依據灰色定權聚類模型評估結果，對合并新村脆弱性SEM初次識別出的重要影響因子的再次評估，如果重要影響因子的灰類白化權函數值落在評估灰類的理想區間，表明該因子處于積極影響狀態，是非脆弱性決定因子;灰類白化權函數值落在評估灰類的不利區間，表明該因子處于不利影響狀態，是脆弱性決定因子。

1.脆弱性擾動決定因子識別。表1評估結果顯示，低保水平因子對合并村莊整體上的擾動效果差，即就合并村莊整體而言，低保水平因子是合并村莊脆弱性的擾動決定因子。具體到8個合并新村影響效果略有差異，其中低保水平因子對于LT新村的擾動效果比較理想，不是該村脆弱性的擾動決定因子，但依然是其他7個合并新村脆弱性的擾動決定因子。表2評估結果顯示，政民互動因子對合并村莊整體上的擾動效果一般，即就合并村莊整體而言，政民互動因子不是合并村莊脆弱性的擾動決定因子。具體到8個合并新村影響效果有較大不同，其中LT新村、XH新村政民互動因子影響呈積極狀態，不是這2個合并新村脆弱性的擾動決定因子;YH新村、NH新村、WH新村、JY新村、SL新村政民互動因子影響呈不利狀態，所以是這5個合并新村脆弱性的擾動決定因子。

2.脆弱性敏感性決定因子識別。表3評估結果顯示，合并村莊整體上對養老保險因子敏感性較強，即就合并村莊整體而言，養老保險因子是合并村莊脆弱性的敏感性決定因子。具體到8個合并新村對養老保險因子的敏感性略有差異，其中LT新村、SL新村敏感性弱，養老保險因子不是這2個合并新村脆弱性的敏感性決定因子;YH新村、LJ新村、NH新村、WH新村、XH新村敏感性較強，甚至強烈，養老保險因子是這5個合并新村脆弱性的敏感性決定因子;JY新村敏感性一般，甚至較強，可將養老保險因子視之為該合并新村脆弱性的敏感性決定因子。表4評估結果顯示，合并村莊整體上對政策兌現因子敏感性較強，即就合并村莊整體而言，政策兌現因子是合并村莊脆弱性的敏感性決定因子。具體到8個合并新村對政策兌現因子的敏感性有較大差異，其中LJ新村、SL新村敏感性弱，YH新村、XH新村敏感性較弱，政策兌現因子不是這4個合并新村脆弱性的敏感性決定因子;LT新村敏感性較強，NH新村、WH新村、JY新村敏感性強烈，政策兌現因子是這4個合并新村脆弱性的敏感性決定因子。

3.脆弱性適應力決定因子識別。表5評估結果顯示，合并村莊整體上對對外交通因子適應力一般，即就合并村莊整體而言，對外交通因子不是合并村莊脆弱性適應力的決定因子。具體到8個合并新村對適應力因子的適應性有差異，其中YH新村、LJ新村對外交通適應性強，LT新村、SL新村對外交通適應性介于強與較強之間，對外交通因子不是這4個合并新村脆弱性的適應力決定因子;NH新村、WH新村、XH新村適應力較弱，對外交通因子是這3個合并新村脆弱性的適應力決定因子;JY新村適應力一般，甚至較弱，可將對外交通因子視之為該合并新村脆弱性的適應力決定因子。表6評估結果顯示，合并村莊整體上對縣域人均GDP因子適應力一般，甚至較弱，因此就合并村莊整體而言，縣域人均GDP因子是合并村莊脆弱性的適應力決定因子。8個合并新村的縣域人均GDP評估指標均采用2018年永寧縣的人均GDP值，即縣域人均GDP因子是各合并新村脆弱性的適應力決定因子。

四、結論

（一）基于模型運算結果的脆弱性決定因子識別結論

1.合并新村脆弱性重要影響因子識別結果。構建合并新村脆弱性SEM進行合并新村脆弱性影響因子識別，全面地顯現了脆弱性潛在變量擾動、敏感性、適應力兩兩之間的相關狀況，深度挖掘了在測量模型構建階段不曾考慮到的潛在變量與觀測變量的關聯情況，估算了觀測變量與其對應的潛在變量之間的關聯狀態。該模型通過分析潛在變量之間的關聯狀態，以及觀測變量殘差之間的共變關系抑揚觀測變量的因素負荷值，使觀測變量因素負荷值無限接近最真實狀態。觀測變量因素負荷值大于0.5時表示該觀測變量與對應的潛在變量關聯性強，即該觀測變量是重要影響因子。合并新村脆弱性SEM是經過估計與品鑒后留存的最符合研究要求且適配度佳的模型，該模型運算結果顯示合并新村脆弱性重要影響因子及其因素負荷值如下：（1）脆弱性的擾動重要影響因子及因素負荷值：低保水平（0.715）、政民互動（0.453）;（2）脆弱性的敏感性重要影響因子及因素負荷值：養老保險（0.817）、政策兌現（0.492）;（3）脆弱性的適應力重要影響因子及因素負荷值：對外交通（0.523）。

2.合并新村脆弱性決定因子識別結果。合并新村脆弱性SEM識別出了脆弱性擾動、敏感性、適應力的重要影響因子，但是受該模型數學原理限制，不能進一步確定重要影響因子的具體影響狀態，灰色定權聚類模型正好彌補了SEM的不足之處。（1）脆弱性擾動決定因子識別。從合并新村整體性評估結果分析，低保水平因子是脆弱性的擾動決定因子，政民互動因子是非脆弱性的擾動決定因子。具體到8個合并新村影響效果略有差異，低保水平因子不是LT新村脆弱性的擾動決定因子，是其他7個合并新村脆弱性的擾動決定因子;政民互動因子是YH新村、NH新村、WH新村、JY新村、SL新村脆弱性的擾動決定因子，不是LT新村、XH新村脆弱性的擾動決定因子。（2）脆弱性敏感性決定因子識別。從合并新村整體性評估結果分析，養老保險、政策兌現因子是脆弱性的敏感性決定因子。具體到8個合并新村影響效果略有差異，養老保險因子是YH新村、LJ新村、NH新村、WH新村、JY新村、XH新村脆弱性的敏感性決定因子，不是LT新村、SL新村脆弱性的敏感性決定因子;政策兌現因子是LT新村、NH新村、WH新村、JY新村脆弱性的敏感性決定因子，不是LJ新村、SL新村、YH新村、XH新村脆弱性的敏感性決定因子。（3）脆弱性適應力決定因子識別。從合并新村整體性評估結果分析，縣域人均GDP因子是脆弱性的適應力決定因子，對外交通因子不是合并新村脆弱性的適應力決定因子。具體到8個合并新村人均GDP因子的影響效果有較大差異，是NH新村、WH新村、XH新村、JY新村脆弱性的適應力決定因子，不是YH新村、LJ新村、LT新村、SL新村脆弱性的適應力決定因子。

（二）先驗結論與模型運算結果的差異化分析

山東、江蘇、河南、湖南等省市村莊合并中社區環境改造、公用基礎設施建設、醫療衛生、義務教育及合并新村轉移勞動再就業方面的問題較多，一直困擾著當地合并新村的建設與發展[31-32]，合并新村脆弱性SEM及灰色定權聚類模型的評估結果顯示，在寧夏永寧縣試驗區，上述5個方面的問題并非合并新村脆弱性的決定因子。關于永寧縣試驗區的問卷調查數據顯示，合并新村環境改造滿意度96.9%，公用基礎設施建設滿意度95.7%，農村新型合作醫療保險參保率96.4%，義務教育的滿意度88.4%，90.4%的家庭有勞動力轉移性收入，87.4%的村民比較適應合并新村的生產生活，這些數據說明永寧縣合并新村的硬件建設比較完善，有利于合并新村的建設與發展。

前文識別出的合并新村整體性或個別新村的脆弱性決定因子反映的主要是社會保障與村莊治理方面的問題，問卷調查數據顯示低保水平的滿意度44.75%，養老保險的滿意度60.75%，政策兌現的滿意度 59.62%，政民互動的滿意度42.5%，這些數據表明合并新村軟環境建設較差;人均GDP只占銀川市人均GDP的59.1%，表明永寧縣經濟發展水平一般，但是永寧縣緊鄰銀川市，鄉村勞動力轉移就業問題不大;對外交通的滿意度71.56%，LJ新村、NH新村中心區位偏遠，對外交通條件一定程度上限制了2個合并新村的發展。

（三）脆弱性風險防范策略

基于上述分析建議永寧縣合并新村未來建設中需要從兩個層面進行脆弱性風險防范：

1.村莊合并試驗區層面風險防范策略。合并新村試驗區層面的脆弱性決定因子是低保水平、養老保險、政策兌現、縣域人均GDP水平因子，進行村莊合并試驗區層面的風險防范需要針對上述4個脆弱性風險決定因子所對應的實際情況采取措施，以加強脆弱性擾動效果，降低村民敏感性，整體提升合并新村的適應力。

2.合并新村層面的風險防范策略。政民互動、對外交通影響因子不是村莊合并試驗區層面的脆弱性決定因子，卻是個別合并新村脆弱性決定因子，需要在新村層面針對這兩個影響因子所對應的實際情況采取措施，防范脆弱性風險發生。其中YH新村、LJ新村、SL新村需要政民互動因子所對應的軟環境建設;XH新村需要對外交通因子所對應的交通方面軟硬環境建設;NH新村、WH新村、JY新村需要同時針對政民互動因子、對外交通因子所對應的實際情況，加強新村軟硬環境建設，有效防范上述新村脆弱性風險的發生。

參考文獻

[1]劉越山.浙魯蘇推行村莊合并 中國農村出現大村莊發展趨勢[J].山西農業，2008（03）：27.

[2]鄧燕華.村莊合并、村委會選舉與農村集體行動[J].管理世界，2012（07）：76-82.

[3]侯穎.撤村并居遷村并點村莊合并填空補實——對山東省菏澤市村莊改造試點工作的調查與思考[J].中國土地，2011（06）：46-48.

[4]聶玉霞，宋明爽.國內外關于“村莊合并”研究述評[J].山東農業大學學報（社會科學版），2015，17（01）：73-78.

[5]林聚任.村莊合并與農村社區化發展[J].人文雜志，2012（01）：160-164.

[6]檀學文，李成貴.貧困的經濟脆弱性與減貧戰略述評[J].中國農村觀察，2010（05）：85-96.

[7]YOHE G，TOL R S J.Indicators for Social and Economic Coping Capacity-moving Toward A Working Definition of Adaptive Capacity[J].Global Environmental Change，2002，12（01）：25-40.

[8]MCCARTHY J J，CANZIANI O F，LEARY N A，et al. Climate Change 2001：Impacts，Adaptation and Vulnerability，Third Assessment Report of the IPCC[M].Cambridge UK：University Press，2001：127.

[9]GALLOPIN G C.Linkages Between Vulnerability，Resilience，and Adaptive Capacity[J].Global Environmental Change，2006，16（03）：293-303.

[10]YOUNG O R，BERKHOUT F，GALLOPIN G C，et al.The Globalization of Socio-ecological Systems：An Agenda for Scientific Research[J].Global Environmental Change，2006，16（03）：304-316.

[11]史培軍，王靜愛，陳婧，等.建當代地理學之人地相互作用研究的趨向——全球變化人類行為計劃（IHDP）第六屆開放會議透視[J].地理學報，2006（02）：115-126.

[12]李鶴，張平宇，程葉青.脆弱性的概念及其評價方法[J].地理科學進展，2008（02）：18-25.

[13]TIMMERMAN P.Vulnerability，Resilience and the Collapse of Society：A Review of Models and Possible Climatic Applications[M].Toronto Canada：Institute for Environmental Studies，University of Toronto，1981：281-284.

[14]ADGER W N，KELLY P M.Social Vulnerability to Climate Change and the Architecture of Entitlements[J].Mitigation and Adaptation Strategies for Global Change，1999，4（03-04）：253-266.

[15]BOGARD W C.Bringing Social Theory to Hazards Research：Conditions and Consequences of the Mitigation of Environmental Hazards[J].Sociological Perspectives，1988，31（02）：147-168.

[16]閔銳，孫孝建.郭慎偉.“大村莊制”——新的鄉村治理模式[J].村委主任，2009（12）：4-5.

[17]尹亮.“村莊合并”的驅動力和利與弊分析——基于村民自治的視角[J].西部學刊，2019（19）：63-65.

[18]郭占鋒，李琳，吳麗娟.村落空間重構與農村基層社會治理——對村莊合并的成效、問題和原因的社會學闡釋[J].學習與實踐，2017（01）：85-95.

[19]李冉，聶玉霞.村莊合并后新型農村社區治理的行政化導向及其矯正[J].中國行政管理，2017（09）：48-51.

[20]唐皇鳳，冷笑非.村莊合并的政治、社會后果分析：以湖南省AH縣為研究個案[J].社會主義研究，2010（06）：91-96.

[21]魏璐瑤，陸玉麒.江蘇省縣域鄉村集聚與脆弱性評價[J].地球信息科學學報，2020，22（02）：218-230.

[22]賈珊珊，楊菲，馮振環.區域社會系統脆弱性評價——以京津冀都市圈為例[J].商業時代，2014（32）：131-132.

[23]邱皓政，林碧芳.結構方程模型的原理與應用[M].北京：中國輕工業出版社，2012：10.

[24]吳明隆.結構方程模型——AMOS的操作與應用[M].重慶：重慶大學出版社，2009：1.

[25]林嵩，姜彥福.結構方程模型理論及其在管理研究中的應用[J].科學學與科學技術管理，2006（02）：38-41.

[26]安祥生，陳園園，凌日平.基于結構方程模型的城鎮化農民可持續非農生計分析——以晉西北朔州市為例[J].地理研究，2014，33（11）：2021-2033.

[27]王文略，朱永甜，黃志剛，等.風險與機會對生態脆弱區農戶多維貧困的影響——基于形成型指標的結構方程模型[J].中國農村觀察，2019（03）：64-80.

[28]劉思峰，黨耀國，方志耘，等.灰色系統理論及其應用[M].5版.北京：科學出版社，2014：107.

[29]黃芳銘.結構方程模式理論與應用[M].北京：中國稅務出版社，2005：76.

[30]程開明.結構方程模型的特點及應用[J].統計與決策，2006（10）：22-25.

[31]孫建欣，呂斌，陳睿，等.城鄉統籌發展背景下的村莊體系空間重構策略——以懷柔區九渡河鎮為例[J].城市發展研究，2009，16（12）：75-81.

[32]李芹芳，許曉婷，楊成斌，等.新農村建設中村莊合并規劃研究——以寶雞市金臺區為例[J].農村經濟，2008（09）：32-34.

Identification of Vulnerability Determinants for Merged Villages

——Based on the Exploratory Research of Experimental Area of Yongning County in NingxiaLIU Xuewu1，WANG Zhongmei2

（1.School of Economics and Management/Research Center for Western Development，Ningxia University;

2.School of Economics and Management，Ningxia University，Yinchuan750021，China）Abstract：The construction of the new merged villages is a major change in the spatial structure and organizational form of traditional villages and towns，and a major adjustment in the livelihood and social structure of villagers. At the initial stage of the merger，the new villages often showed a certain degree of vulnerability due to the inadequate living environment，public infrastructure and public service system.The perturbation，sensitivity and adaptability of vulnerability are potential variables，which cannot be directly observed.The structural equation model is used to estimate the 15 observed variables corresponding to the three potential variables，which effectively eliminates the adverse effects caused by researchers’ subjective judgment，and finally identifies 5 important impact factors.Among them，the level of subsistence allowances and the interaction between the government and the people are important influencing factors of disturbance，pension insurance and policy implementation are important influencing factors of sensitivity，and external transportation is an important influencing factor of adaptability.The gray fixed weight clustering model overcomes the shortcomings of the structural equation model that can only identify important and minor factors，but cannot judge the impact level.The above 5 important impact factors and the county per capita GDP indicator were reevaluated，and finally 4 were identified.Vulnerability determinants，among which the minimum guarantee level is the perturbation determinant of vulnerability，and pension insurance and policy implementation are the sensitive determinants of vulnerability，and the per capita GDP value of the county is the determinant of the adaptability of vulnerability.

Key words：merged villages;vulnerability;structural equation model;grey fixed weight clustering model;determinant

（責任編輯：王倩）

收稿日期：2021-05-17DOI：10.13968/j.cnki.1009-9107.2022.01.08

基金項目：國家自然科學基金項目（41761035）;國家社會科學基金項目（17BMZ107）;理論經濟學西部一流學科建設資金支持項目（NXYLXK2017B04）

作者簡介：劉學武，男，寧夏大學經濟管理學院/西部發展研究中心副研究員，博士，主要研究方向為區域經濟學。