新疆贫困县影响因素非参数模型分析
2014-09-21杨辉平杨雅彬
杨辉平 杨雅彬
摘要：本文根据新疆83个县的调查年鉴数据，运用Wilkslambda分析方法和Wilcoxon秩和方法筛选出了影响新疆贫困县的最主要变量，并利用非参数K近邻判别模型对新疆各县进行了是否贫困的识别。本文在分析了影响新疆贫困县的最主要因素基础上，对新疆扶贫措施提出了可行性建议：加强贫困地区畜牧业和加工工业的发展，增加地方财政收入，加大边境县的财政扶持力度。
关键词：贫困县；影响因素；非参数模型
中图分类号：F127.45 文献标识码：A
文章编号：1005-913X（2014）08-0066-03
Abstract： According to the Xinjiang investigation yearbook data of 83 counties， this paper has screened out of the most main variables influencing impoverished counties in Xinjiang by applying Wilks' lambda analysis method and Wilcoxon methods of sum of ranks； it also has made a poverty recognition of countries in Xinjiang by use of the nonparametric K-nearest-neighbor discrimination model. This paper analyze the main influencing factors of impoverished counties in Xinjiang， and put forward the measures to alleviate poverty in Xinjiang as follows： strengthen the development of animal husbandry and processing industry in poor areas； increase the local financial revenue； increase the strength of financial support for frontier countries.
Keywords： Impoverished Counties； Influencing Factor； Non Parametric Model
引言
新疆地处中国的边缘地带，自然环境恶劣、远离中心城市、消息闭塞，目前有27个国家级贫困县，3个自治区级贫困县，2010年新疆统计调查大队对新疆30个重点县的300个村进行了贫困程度的调查，调查结果显示：被调查村中有180个贫困村，其中南疆三地州所占比例为68.89%；全疆农村居民家庭人均纯收入为4643元，南疆三地州重点县农民人均纯收入为2928.58元，其中工资性收入仅为426.93元。研究各贫困县间的共性特征，找出影响新疆贫困县的最主要因素，对扶贫开发、制定相关政策具有指导意义。
一、文献综述
（一）关于多维贫困的概念
1.1996年，Anand，S.andSen，A.在《The Income Component of the Human Development Index》中提出贫困理论应主要突破传统流行贫困论中将贫困等同于低收入的狭隘界限，提出用能力和收入来衡量贫困的新思维，通过重建个人能力来避免和消除贫困。
2.2001年，叶万普在《中国贫困问题研究大纲》是这样定义贫困的：“贫困是经济、社会、文化、落后的总称，是由低收入造成的缺乏生活必需基本物质和服务以及没有发展机会和手段的这样一种生活状况。”
3.2005年，尚卫平、姚智谋在《多维贫困测度方法研究》中提到“理论界有人提出贫困应该表现为福利的缺乏，而福利是一个多维概念 ，除由收入水平决定外 ，还可能包含公共产品的提供、住房供给、扫盲和平均寿命等；相应地，贫困也是一个多维概念。”
（二）贫困县研究现状
1.2007年，陈立中在《中国转型时期城镇贫困测度研究》中运用了数理经济学的方法构建了科学合理的贫困测度指数，并且定性与定量相结合进行了贫困测度与分析，通过科学的贫困测度来准确识别贫困人口，诊断贫困问题，为反贫困政策的制订提供了科学依据。
2.2008年，刘娟在《贫困县产业发展与可持续竞争力提升研究》中运用了规范分析和实证分析相结合的方法，系统分析和比较分析相结合的方法以及静态分析和动态分析相结合的方法，以592个国家扶贫开发工作重点县为主要分析对象，对贫困县产业可持续竞争力的现状进行指标测评和发展阶段定位，对制约贫困县产业发展的内外因素进行了系统研究，最后得出在市场经济体制下，要想提高贫困县的区域生存、发展能力，就必须以提升产业可持续竞争力为核心，加快贫困县的产业发展。
3.2010年，李翠锦在《新疆农村贫困的测度及其变动原因分析》中运用了拟合效果最佳的Lorenz曲线模型测算了FGT贫困指数，定量测度了八七扶贫攻坚计划以来新疆农村贫困的规模，并通过FGT贫困指数分解进一步分析了经济增长、收入分配因素对新疆农村贫困的变动效应，以期为相关研究提供参考。
概观上述各类学者对多维贫困的理解与研究，虽在不断的更新与完善中，却依然存在着一些不足：许多理论大都停留在经验观察的基础上，只注重了物质品的需求而忽视了最基本的精神生活需求，缺乏系统的实证研究。
二、多维贫困变量的选择与筛选
由于新疆是少数民族聚居区，所以本文拟从人均耕地面积（x1）、人均地方财政收入（x2）、人均地方财政支出（x3）、人均牲畜头数（x4）、人均粮食（x5）、在岗职工平均货币工资（x6）、工业生产总值在总产值中的比重（x7）、边境县（x8）、少数民族聚居区（x9）、南北东疆（x10）、人均地区生产总值（x11）；对影响新疆贫困县的贫困因素进行分析，找出影响各县贫困的最主要因素，以期为新疆贫困县脱贫发展政策的制定提供科学依据。
（一）数据的正态性检验
表1中，人均耕地面积、人均地方财政收入、人均地方财政支出、人均牲畜头数、人均粮食、工业生产总值在总产值中的比重、人均地区生产总值7个变量的正态性检验p值均等于0，说明无论显著性水平多大，以上变量均显著不服从正态分布；在岗职工平均货币工资的正态性检验P值=0.063，说明在显著性0.1的水平下，在岗职工平均货币工资亦显著不服从正态分布。
（二）变量的筛选
本文采用Wilkslambda方法进行识别贫困县变量的筛选，并运用Wilcoxon秩和方法对所筛选出来的变量进行检验，具体过程及结果见表5。
表2中第1步表明少数民族聚居区（x9）是最先进入模型的，其进入模型的F值是21.94，Wilkslambda=0.786893，P值小于0.0001，说明少数民族聚居区是判别贫困的最重要变量；对贫困县与非贫困县作关于少数民族聚居区的秩和检验，由于检验统计量的概率P值小于显著性水平α（0.1），因此认为贫困县与非贫困县中少数民族聚居区的分布存在显著性差异，即进一步确认了少数民族聚居区是识别贫困的最重要变量。表2中第2—8步表明剩余变量按先后顺序依次进入模型的是：人均牲畜头数（X4）、工业生产总值在总产值中的比重（X7）、人均耕地面积（X1）、在岗职工平均货币工资（X6）、边境县（x8）、人均地方财政收入（X2）、南北东疆（X10），以上变量关于Wilkslambda检验统计量的P值均小于0.0001，说明以上7个变量均可作为判别贫困的重要变量，且识别贫困的能力依次减弱；对贫困县与非贫困县作关于以上七个变量的秩和检验，由于检验统计量的概率P值均小于显著性水平α（0.1），因此认为贫困县与非贫困县中人均牲畜头数、工业生产总值在总产值中的比重、人均耕地面积、在岗职工平均货币工资、边境县、人均地方财政收入与南北东疆七个方面的分布均存在显著性差异，即进一步确认了以上7个变量是识别贫困的重要变量。模型外、内变量无进无出，Wilkslambda分析方法的自变量选择结束。
三、新疆贫困县非参数K近邻判别模型识别
（一）非参数模型选用的意义
目前采用最多的方法是多元判别分析法，logistic回归法和神经网络法，这些方法虽然已经得到了广泛的应用，但存在的问题是其过于严格的前提条件，如logistic回归法无需假定任何概率分布，也不要求等协方差性，但该模型对样本的要求比较高，随机性较大的样本可能造成模型参数的最大似然估计不存在，最终导致建模失败；神经网络是一种对数据分布无任何要求的非线性技术，它能有效解决非正态分布、非线性的预测评估问题，但它存在“黑箱线”（即不具解释性）、结构确定困难性、训练样本集大和训练效率低等缺点；多元判别分析法最大优点在于其具有较好的解释性和简明性，缺陷是较严格的前提条件—要求数据服从多元正态分布和协方差矩阵相等。而基于非参数密度估计的非参数判别法能够避免样本的多元正态分布假设、样本的协方差矩阵相等假设和自变量与因变量间关系符合线性的假设。综上所述，本文将运用K近邻估计法构建新疆各县是否贫困的判别模型，旨在说明这种模型的稳健性和预测的准确度。
（二）新疆贫困县非参数K近邻判别模型的识别分析
1.K近邻方法简介
K近邻方法（KNN：K-Nearest-Neighbor）是一种基于非参数的多元变量判别方法，最早由Fix和Hodges（1952）与Cover和Hart（1967）等人提出，主要用于概率密度函数的估计和判别分析，它不仅放松了对变量正态性要求的统计假设，同时它也放松了回归中的构造链接函数的要求。KNN方法的数学语言描述形式如下。
K近邻法先固定一个K值，对训练集中的每个观察点x都要找出最近的k个点，该方法的半径rk（x）等于x到第k个近邻训练集点的马氏距离。考虑一个以x为中心，以
2.非参数K近邻判别模型的建立
以新疆3个自治区级贫困县为测试样本集，其它80个县为训练样本集.首先对样本的原始数据变量利用SAS的判别过程选择适当变量进行模型构建，本文采用Wilkslambda判别方法来挑选变量；其次，对于上述过程所选出来的变量，再利用非参数Wilcoxon秩和方法对其进行检验，当P值大于显著性水平0.1时，则删除相应变量，得到建模变量如表5所示。最后，利用K近邻法对筛选出来的最主要变量进行非参数K近邻判别模型的构建，结果表明，当且仅当K邻近点取4，误判率最小，结论符合实际。
3.KNN方法模型的训练样本集判别结果
由表3与表4可以看出：对于非贫困县组来说，训练样本集中共有53个非贫困县，正确的分组有44个县市，占该组的83.02%；错误分组的有9个县市，占该组的16.98%，即非贫困县组中的特克斯、哈巴河、且末、温宿、沙雅、阿瓦提、泽普、麦盖提与和田共9个县市由原来的非贫困县被判别为了贫困县。对于贫困县组来说，训练样本集中共有27个国家级贫困县，正确的分组有25个县市，占该组的92.59%；错误分组的有2个县市，占该组的7.41%，即贫困县组中的巴里坤与尼勒克共2个县市由原来的贫困县被判别为了非贫困县。总的正确率为86.25%，说明预测结果将会较精确。
之所以造成了各县贫困判别的失误，可能是因为贫困一直以来都是一个一维的概念，即以收入来衡量，而本文通过筛选出来的8个变量将贫困构造成了一个多维贫困，从多方面来衡量贫困，这样将有助于正确地识别贫困与非贫困。
4.KNN方法模型的测试样本集预测结果
由表5可知，测试样本集中共有3个县市，即裕民、伊吾、和布克赛，它们均被预测成了非贫困县，这也正好说明了这3个自治区级贫困县与国家级贫困县间的差异。
四、主要结论与政策建议
（一）主要结论
1.由Wilkslambda分析方法进行变量筛选的结果可知，少数民族聚居区、人均牲畜头数、工业生产总值在总产值中的比重、人均耕地面积、在岗职工平均货币工资、边境县、人均地方财政收入与南北东疆八个因素可以用来识别贫困县，且识别能力依次减弱。
2.训练样本集中，特克斯、哈巴河、且末、温宿、沙雅、阿瓦提、泽普、麦盖提与和田共9个县市由原来的非贫困县被判别成了贫困县，而巴里坤与尼勒克共2个县市由原来的贫困县被判别为了非贫困县；总的回判准确率为86.25%。
3.测试样本集中，裕民、伊吾、和布克赛3个自治区级贫困县均被预测成了非贫困县，这也正好说明了这3个自治区级贫困县与国家级贫困县间的差异。
（二）政策建议
1.加强贫困地区畜牧业和加工工业的发展。根据本文研究可得人均耕地面积和人均牲畜头数都是影响新疆贫困的重要因素；人均耕地面积越多的县市应大量发展畜牧业与农产品加工业，来提高经济效益，从而减小贫困程度。人均耕地面积少的县市应发展其它的产业，如地方特色产业，旨在缩小贫困县与非贫困县之间的差距。
2.增加地方财政收入。工业生产总值在总产值中所占比重越小的县市，说明工业发展落后，则地方财政收入较少，支出也少，当地的经济发展较缓慢，人们的生活质量下降，贫困程度就会越严重。所以政府应制定相关的政策，根据当地实际情况调整产业结构，对优势产业的发展加大投入，从而使贫困县能尽快脱贫。
3.加大边境县的财政扶持力度。边境县由于自然环境恶劣、交通不便、信息闭塞等原因而造成经济发展落后，贫困程度较严重，所以政府应加大对边境县的财政扶持力度，改善人们的生活水平，从而使边境县尽快脱贫发展。
参考文献：
[1] 刘 娟.贫困县产业发展与可持续竞争力提升研究[D].北京：中共中央党校，2008（5）.
[2] 陈立中.中国转型时期城镇贫困测度研究[D].武汉：华中科技大学，2007（5）.
[3] 尚卫平，姚智谋.多维贫困测度方法研究[J].财经研究，2005（12）.
[4] 管金玲.新疆城市反贫困战略实施中的政府职能研究[D].乌鲁木齐：新疆大学，2007.
[5] 王敬涛.贫困度量与分析问题探讨[D].厦门：厦门大学，2007（3）.
[6] 叶万普.中国贫困问题研究大纲[D].西安：陕西师范大学，2001.
[7] 吕文婧.贫困理论的系统分析[D].大连：东北财经大学，2003.
[8] 李翠锦.新疆农村贫困的测度及其变动原因分析[J].安徽农业科学，2010（11）.
[9] 解 恒.贫困度量问题研究[D].湘潭：湘潭大学，2006.
[10] Anand，S& Sen，A.（1996）.The Income Component of the Human Development Index[J]，NewYor-k：UNDP.
[11] Alkire，S.& Foster，J. （2008）.Counting and Multidimensional Poverty Measures“OPHI Working Paper Se-ries（7），www.ophi.org.ukSen，A.K，1976”，Poverty：An Ordinal Approach to Measurement.E-conometruca[J]，44，219-3＼231.
[12] Alkire，S（2007）.The multidimensions of poverty data：Introduction to the special issue[J]，Oxford Development Studies 35（4）：347-359.
[责任编辑：兰欣卉]
四、主要结论与政策建议
（一）主要结论
1.由Wilkslambda分析方法进行变量筛选的结果可知，少数民族聚居区、人均牲畜头数、工业生产总值在总产值中的比重、人均耕地面积、在岗职工平均货币工资、边境县、人均地方财政收入与南北东疆八个因素可以用来识别贫困县，且识别能力依次减弱。
2.训练样本集中，特克斯、哈巴河、且末、温宿、沙雅、阿瓦提、泽普、麦盖提与和田共9个县市由原来的非贫困县被判别成了贫困县，而巴里坤与尼勒克共2个县市由原来的贫困县被判别为了非贫困县；总的回判准确率为86.25%。
3.测试样本集中，裕民、伊吾、和布克赛3个自治区级贫困县均被预测成了非贫困县，这也正好说明了这3个自治区级贫困县与国家级贫困县间的差异。
（二）政策建议
1.加强贫困地区畜牧业和加工工业的发展。根据本文研究可得人均耕地面积和人均牲畜头数都是影响新疆贫困的重要因素；人均耕地面积越多的县市应大量发展畜牧业与农产品加工业，来提高经济效益，从而减小贫困程度。人均耕地面积少的县市应发展其它的产业，如地方特色产业，旨在缩小贫困县与非贫困县之间的差距。
2.增加地方财政收入。工业生产总值在总产值中所占比重越小的县市，说明工业发展落后，则地方财政收入较少，支出也少，当地的经济发展较缓慢，人们的生活质量下降，贫困程度就会越严重。所以政府应制定相关的政策，根据当地实际情况调整产业结构，对优势产业的发展加大投入，从而使贫困县能尽快脱贫。
3.加大边境县的财政扶持力度。边境县由于自然环境恶劣、交通不便、信息闭塞等原因而造成经济发展落后，贫困程度较严重，所以政府应加大对边境县的财政扶持力度，改善人们的生活水平，从而使边境县尽快脱贫发展。
参考文献：
[1] 刘 娟.贫困县产业发展与可持续竞争力提升研究[D].北京：中共中央党校，2008（5）.
[2] 陈立中.中国转型时期城镇贫困测度研究[D].武汉：华中科技大学，2007（5）.
[3] 尚卫平，姚智谋.多维贫困测度方法研究[J].财经研究，2005（12）.
[4] 管金玲.新疆城市反贫困战略实施中的政府职能研究[D].乌鲁木齐：新疆大学，2007.
[5] 王敬涛.贫困度量与分析问题探讨[D].厦门：厦门大学，2007（3）.
[6] 叶万普.中国贫困问题研究大纲[D].西安：陕西师范大学，2001.
[7] 吕文婧.贫困理论的系统分析[D].大连：东北财经大学，2003.
[8] 李翠锦.新疆农村贫困的测度及其变动原因分析[J].安徽农业科学，2010（11）.
[9] 解 恒.贫困度量问题研究[D].湘潭：湘潭大学，2006.
[10] Anand，S& Sen，A.（1996）.The Income Component of the Human Development Index[J]，NewYor-k：UNDP.
[11] Alkire，S.& Foster，J. （2008）.Counting and Multidimensional Poverty Measures“OPHI Working Paper Se-ries（7），www.ophi.org.ukSen，A.K，1976”，Poverty：An Ordinal Approach to Measurement.E-conometruca[J]，44，219-3＼231.
[12] Alkire，S（2007）.The multidimensions of poverty data：Introduction to the special issue[J]，Oxford Development Studies 35（4）：347-359.
[责任编辑：兰欣卉]
四、主要结论与政策建议
（一）主要结论
1.由Wilkslambda分析方法进行变量筛选的结果可知，少数民族聚居区、人均牲畜头数、工业生产总值在总产值中的比重、人均耕地面积、在岗职工平均货币工资、边境县、人均地方财政收入与南北东疆八个因素可以用来识别贫困县，且识别能力依次减弱。
2.训练样本集中，特克斯、哈巴河、且末、温宿、沙雅、阿瓦提、泽普、麦盖提与和田共9个县市由原来的非贫困县被判别成了贫困县，而巴里坤与尼勒克共2个县市由原来的贫困县被判别为了非贫困县；总的回判准确率为86.25%。
3.测试样本集中，裕民、伊吾、和布克赛3个自治区级贫困县均被预测成了非贫困县，这也正好说明了这3个自治区级贫困县与国家级贫困县间的差异。
（二）政策建议
1.加强贫困地区畜牧业和加工工业的发展。根据本文研究可得人均耕地面积和人均牲畜头数都是影响新疆贫困的重要因素；人均耕地面积越多的县市应大量发展畜牧业与农产品加工业，来提高经济效益，从而减小贫困程度。人均耕地面积少的县市应发展其它的产业，如地方特色产业，旨在缩小贫困县与非贫困县之间的差距。
2.增加地方财政收入。工业生产总值在总产值中所占比重越小的县市，说明工业发展落后，则地方财政收入较少，支出也少，当地的经济发展较缓慢，人们的生活质量下降，贫困程度就会越严重。所以政府应制定相关的政策，根据当地实际情况调整产业结构，对优势产业的发展加大投入，从而使贫困县能尽快脱贫。
3.加大边境县的财政扶持力度。边境县由于自然环境恶劣、交通不便、信息闭塞等原因而造成经济发展落后，贫困程度较严重，所以政府应加大对边境县的财政扶持力度，改善人们的生活水平，从而使边境县尽快脱贫发展。
参考文献：
[1] 刘 娟.贫困县产业发展与可持续竞争力提升研究[D].北京：中共中央党校，2008（5）.
[2] 陈立中.中国转型时期城镇贫困测度研究[D].武汉：华中科技大学，2007（5）.
[3] 尚卫平，姚智谋.多维贫困测度方法研究[J].财经研究，2005（12）.
[4] 管金玲.新疆城市反贫困战略实施中的政府职能研究[D].乌鲁木齐：新疆大学，2007.
[5] 王敬涛.贫困度量与分析问题探讨[D].厦门：厦门大学，2007（3）.
[6] 叶万普.中国贫困问题研究大纲[D].西安：陕西师范大学，2001.
[7] 吕文婧.贫困理论的系统分析[D].大连：东北财经大学，2003.
[8] 李翠锦.新疆农村贫困的测度及其变动原因分析[J].安徽农业科学，2010（11）.
[9] 解 恒.贫困度量问题研究[D].湘潭：湘潭大学，2006.
[10] Anand，S& Sen，A.（1996）.The Income Component of the Human Development Index[J]，NewYor-k：UNDP.
[11] Alkire，S.& Foster，J. （2008）.Counting and Multidimensional Poverty Measures“OPHI Working Paper Se-ries（7），www.ophi.org.ukSen，A.K，1976”，Poverty：An Ordinal Approach to Measurement.E-conometruca[J]，44，219-3＼231.
[12] Alkire，S（2007）.The multidimensions of poverty data：Introduction to the special issue[J]，Oxford Development Studies 35（4）：347-359.
[责任编辑：兰欣卉]
