安徽省城乡居民贫困脆弱性因子分析

2017-05-11许启发王侠英

山东工商学院学报 2017年2期

关键词：脆弱性城乡居民安徽省

许启发,王侠英

(合肥工业大学管理学院,合肥 230009)

经济管理研究

安徽省城乡居民贫困脆弱性因子分析

许启发,王侠英

(合肥工业大学管理学院,合肥 230009)

以可持续生计发展框架为主要依据,构建评价指标体系;运用因子分析法,对安徽省十六个城市的城镇和乡村居民贫困脆弱性进行综合评价。选取2015年数据进行了实证研究,结果表明:安徽省城镇和乡村居民贫困脆弱性的主要影响因素均为经济文化程度;安徽省城镇和乡村居民贫困脆弱性呈现出一定地区分布特征。根据实证研究结果,从政府、社会和家庭三个方面,给出了贫困脆弱性的解决方案。

贫困脆弱性;城乡居民;因子分析;地区差异

一、引言

依据家庭当前收入或消费计算的贫困指标,只是静态地度量了家庭的福利水平,没有考虑到家庭未来福利变化的风险,是一种事后测度。根据这种事后测度结果所制定的反贫困政策,不具有前瞻性,无法在贫困发生之前阻击贫困。针对这一状况,2001年世界银行正式提出“贫困脆弱性”的概念,并将其描述为“冲击造成未来福利下降的可能性”。之后,这一前瞻性视角迅速成为发展经济学领域的一个研究热点。

目前,贫困脆弱性的测度方法主要有三种。第一,风险暴露脆弱性,将贫困和风险联系起来度量脆弱性[1];第二,期望效用脆弱性,用期望效用与效用之差来度量脆弱性[2];第三,期望贫困脆弱性,用未来陷入贫困的概率来度量脆弱性[3]。在贫困脆弱性影响因素研究方面,方迎风建立了关于能力投资与冲击的理论和实证模型,分析外部冲击对个体在“能力”投资与消费间的资源配置决策的影响,发现在受到负的外部冲击时,个体的贫困脆弱性会增大[4];杨浩等分析了气象灾害对农户脆弱性的影响,发现水灾、旱灾、风灾等气象灾害普遍加重了农户的脆弱性[5];胡金焱、许庆、叶茜茜等则分别从农村民间借贷和民间资本投资偏好的角度对贫困脆弱性影响因素问题进行了探究[6-8]。随着研究的进一步深入,学者们通过构件评价指标体系[9-11],运用聚类分析法和熵权灰色关联分析法等方法进行脆弱性的定量分析与评价[12-14]。如贺祥等在构建农村贫困脆弱性评价指标体系基础上,运用熵权灰色关联分析法,对贵州岩溶山区农村贫困脆弱性进行定量分析与评价,发现生态环境脆弱性、生态承载力等对农村贫困脆弱性有强烈胁迫性[13]。

本文基于可持续生计发展框架[15],运用因子分析法实证研究安徽省十六个城市城镇和乡村居民的贫困脆弱性。通过探究贫困脆弱性的影响因素,进一步剖析贫困脆弱性的具体原因,一方面,补充贫困脆弱性相关理论与方法;另一方面,为政府部门制定扶贫政策提供决策依据。

二、贫困脆弱性评价指标体系

参考英国国际发展署(DFID)提出的可持续生计发展框架进行贫困脆弱性评价指标体系的构建,该框架假设农户生活在一个脆弱性的环境中,农户可以利用一定的生计资产和减贫因素来应对这种脆弱的环境和各种风险的冲击。生计资产取决于农户自身综合能力、亲友关系、外部组织机构和规则环境变革,通过对各个农户利用这五种生计资产抵御风险的能力的测量,可以定量的反映家庭贫困脆弱性的程度。本文利用相应状况的人均水平定量反映各城市贫困脆弱性的程度。

根据贫困脆弱性和可持续生计发展框架的相关性,考虑生计风险因素、现有资产因素和适应策略因素,建立安徽省城乡居民贫困脆弱性评价指标体系,见表1。

1.生计风险因素

选择从业人口占比、第一产业占比和常住人口增长指标衡量生计风险情况。其中,从业人数占比是指城乡从业人口占城乡总人口的比重。城乡居民大多以从业收入为主要经济来源,一旦遭遇自然灾害或失业,这些城乡居民的损失为最大。第一产业占比是指第一产业在三个产业中所占的比重,其生产收成与自然环境密切相关,当自然环境受到破坏,生产受阻,收成减少。而且对城乡一般居民而言,高等教育费用和医疗费用普遍偏高,家庭人口增长趋势会加重家庭负担,风险随之增加。

2.现有资产因素

选择人均受教育年限、人均可支配收入和森林覆盖率指标衡量现有资产情况。其中,城乡居民家庭人均可支配收入与城乡居民抵御风险的能力呈正相关,其人均可支配收入越高,生活越富裕,应对灾难更加从容,贫困脆弱性相对较低。森林覆盖率是反映森林资源丰富程度和生态平衡状况的重要指标。当一个地区森林覆盖率高时,其生态平衡状况良好,生态恢复力较强;反之,如果一个地区森林覆盖率低,其在水土保持上的作用不大,容易受到自然灾害的影响,如旱灾、泥石流等。

3.适应策略因素

选择低保人数占比、城乡参加医疗保险人数、人均生产总值指标衡量适应风险能力。其中,城乡低保人数占比是指城乡低保人数占城乡总人口的比重,当城乡居民家庭人均收入低于当地城乡低保标准时,需要当地政府给予应有的救助以增强其抵御风险的能力。而城镇居民参加医疗保险可以相应增强其抵御疾病风险的能力,减缓其贫困脆弱性。人均生产总值是指按市场价格计算的一个地区所有常住单位在一定时期内生产活动最终成果的人均值,是反映该地区经济发展的重要指标之一。

三、评价模型与方法

因子分析法是指从研究指标相关矩阵内部的依赖关系出发,把一些信息重叠、具有错综复杂关系的变量归结为少数几个不相关的综合因子的一种多元统计分析方法。

1.数学模型

因子分析法的基本目的就是用少数几个因子去描述许多指标或因素之间的联系,即将相关比较密切的几个变量归在同一类中,每一类变量就成为一个因子,以较少的几个因子反映原资料的大部分信息。数学模型表示如下:

表1 安徽省城乡居民贫困脆弱性评价指标体系

式中,x1,x2,…,xp为p个原有变量;aij为因子载荷,就是第i个原有变量和第j个因子变量的相关系数,即xi在第j个因子变量上的相对重要性;F1,F2,…,Fm为m个因子变量,m小于p;ε为特殊因子,表示原有变量不能被因子变量所解释的部分。将其表示为矩阵的形式为:

X=AF+aε.

(2)

式中,A为因子载荷矩阵;F为因子变量或公共因子。

2.具体步骤

因子分析法的具体步骤如下。

(1)标准化数据。运用公式(3)对数据进行无量纲化处理,把原始数据转为标准数据,然后通过带入SPSS统计软件进行因子分析。

yij=(xi-xmin)/(xmax-xmin).

(3)

(2)确定是否适合进行因子分析。运用SPSS软件进行因子分析时,则可根据KMO值来判定。KMO值越接近于1,意味着变量间的相关性越强,原有变量越适合作因子分析。

(3)提取公共因子。运用主成分分析法确定因子变量,根据相关矩阵特征值的大小来确定公共因子的个数。

(4)因子命名。利用方差最大化旋转后的因子载荷矩阵对因子命名。对某个因子来说,若它对某个变量的因子载荷较大,且对其他变量的载荷较小,则该因子可用该变量命名。

(5)计算因子得分。依据旋转后的因子载荷计算各个因子在每个样本上的具体数值,得到因子得分。

四、实证研究

1.数据选取

本研究选取安徽省十六个城市:合肥市、淮北市、亳州市、宿州市、蚌埠市、阜阳市、淮南市、滁州市、六安市、马鞍山市、芜湖市、宣城市、铜陵市、池州市、安庆市和黄山市为研究对象,参照表1所示的指标体系,从2016年安徽省统计年鉴获取数据进行实证。

2.贫困脆弱性评价

先对数据进行标准化处理,然后运用SPSS统计分别对安徽省城镇居民和乡村居民的贫困脆弱性进行因子分析。

(1)安徽省城镇居民贫困脆弱性

安徽省城镇居民贫困脆弱性因子分析结果显示KMO检验测度值为0.504,sig=0.000,Bartlett球形假设被拒绝,表明选取的变量指标间存在较强的线性关系,适合做因子分析。通过分析,得到因子解释原有指标变量总方差的情况如表2所示。

表2描述了随着因子数量的变化,原有9个指标变量的信息涵盖情况。表中所列出的主成分是按照特征根值从大到小的次序排列的。由表可知,第一个因子的特征根值是4.06,它解释了总变异的45.10%,说明当原有变量只浓缩为一个因子时,只有45.10%的信息能被包含进去,其余54.90%的信息将丢失;第二个因子特征根值是1.68,它解释了总变异的18.71%,累计方差贡献率为63.81%,说明当原有变量浓缩为两个因子时,原有变量的信息将有63.81%被保留。随着因子数量的增加,信息丢失将减少,其特征根值小于1说明该因子的解释力度不如直接引入原变量大,因此本研究选择提取出3个公共因子,这时的累计方差贡献率为82.01%。

表2 因子解释原有变量总方差的情况

为了使每个因子上的负载尽可能远离,使每个因子更具有代表意义,本文采用方差最大化旋转,得到旋转后的因子载荷如表3所示。

由表3可知,第一个因子中第一产业占比(X2)、人均可支配收入(X5)、人均生产总值(X9)和人均受教育年限(X4)载荷较大,前3个指标与经济发展状况密切相关,后1个指标显示文化程度,因此将F1命名为经济文化因子,反映各个地区经济发展状况和社会文化程度;第二个因子中森林覆盖率(X6)、低保人数占比(X7)和医保人数占比(X8)载荷较大,这3个指标均能表示抵御风险的能力,因此将F2命名为抵御风险因子,反映抵御风险能力的大小;第三个因子中从业人口占比(X1)、常住人口增长(X3)载荷较大,因此将F3命名为人口因子;由于F1、F2和F3的方差贡献率分别为45.10%、18.71%和18.21%,所以经济文化程度是主要影响因素,其次是人口,最后是抵御风险能力。

表3 旋转后的因子载荷矩阵

在因子分析的实际应用中,当因子确定以后,便可依据旋转后的因子载荷计算各个因子在每个样本上的具体数值,这些数值就是因子得分。本文以提取各公共因子的方差贡献率占提取公共因子的累积方差贡献率的比重作为权重,对各公共因子的得分进行加权汇总,得到综合评价得分模型:

Z=54.99%×F1+22.81%×F2+22.20%×F3.

(4)

根据该模型计算出各公共因子得分和安徽省各城市综合得分,最后将各城市综合得分进行排序,具体排序情况如表4所示。

在表4中,各城市的综合得分越高表明该城市的城镇居民贫困脆弱性越低,其中合肥市的综合得分最高为1.79,说明合肥市的城镇居民贫困脆弱性在16个城市中是最低的,芜湖市和铜陵市则分别排在第二位和第三位;亳州市、阜阳市和六安市的城镇居民贫困脆弱性相对较高,综合得分分别为-0.26、-0.52、-0.55。分析排序结果可以发现:安徽省中东部地区城镇居民贫困脆弱性最低,合肥、芜湖和铜陵都位于安徽省的中东部;安徽省西部地区城镇居民贫困脆弱性最高,亳州、阜阳和六安都位于安徽省的西北部。另外,安徽省城镇居民贫困脆弱性程度与经济实力呈负相关,在安徽省16个城市中合肥市的人均生产总值最高,其城镇居民的贫困脆弱性最低。

表4 安徽省各城市城镇综合得分排序情况

(2)安徽省乡村居民贫困脆弱性

安徽省乡村居民贫困脆弱性因子分析结果显示KMO检验测度值为0.594,sig=0.000,Bartlett球形假设被拒绝,表明选取的变量指标间也存在较强的线性关系,适合做因子分析。通过分析,得到因子解释原有指标变量总方差的情况如表5所示。

同理可以提取出3个公共因子,这时的累计方差贡献率为81.01%。

由表6可知,第一个因子中第一产业占比(X2)、人均可支配收入(X5)、人均生产总值(X9)和人均受教育年限(X4)载荷较大,可以F1将命名为经济文化因子,反映各个地区经济发展状况和社会文化程度;第二个因子中从业人数占比(X1)和森林覆盖率(X6)载荷较大,可以将F2命名为抵御风险因子,反映抵御风险能力的大小;第三个因子中常住人口增长(X3)和低保人数占比(X7)载荷较大,可以将F3命名为人口因子。由于F1、F2和F3的方差贡献率分别为45.35%、21.84%和13.81%,所以经济文化程度是主要影响因素,其次是抵御风险能力,最后是人口。

表5 因子解释原有变量总方差的情况

采用方差最大化旋转,得到旋转后的因子载荷如表6所示。

同理可以得到综合评价得分模型:

(5)

根据该模型计算出各公共因子得分和安徽省各城市综合得分,最后将各城市综合得分进行排序,具体排序情况如表7所示。

在表7中,各城市的综合得分越高表明该城市的城镇居民贫困脆弱性越低,其中合肥市的综合得分最高为1.21,说明合肥市的乡村居民贫困脆弱性在16个城市中是最低的,马鞍山市和铜陵市则分别排在第二和第三位;亳州市、阜阳市和宣城市的乡村居民贫困脆弱性相对较高,综合得分分别为-0.36、-0.53、-1.84。分析排序结果可以发现:安徽乡村居民贫困脆弱性程度与地区分布有关,中东部地区乡村居民贫困脆弱性较低,合肥市、马鞍山市和铜陵市都位于安徽省的中东部;北部地区乡村居民贫困脆弱性较高,宿州、亳州市和阜阳市都位于安徽省的北部。而安徽省的降雨量分布呈现南多北少的特点,不难看出,北部地区乡村居民的贫困脆弱性受干旱影响较大。

表6 旋转后的因子载荷矩阵

表7 安徽省各城市乡村综合得分排序情况

五、结果比较

安徽省城乡居民的贫困脆弱性由多个因素决定,各因素间相互作用。从影响因素来看,城镇和乡村居民贫困脆弱性主要影响因素均为经济文化程度,人均可支配收入越高、受教育年限越长,居民贫困脆弱性越低;次要影响因素均为抵御风险能力,其中森林覆盖率载荷较大。就城镇居民而言,森林覆盖率越大,贫困脆弱性越高;低保、医保人数越多,贫困脆弱性越低。就农村居民而言,森林覆盖率越大,贫困脆弱性越低;就业人数越多,贫困脆弱性越低。一方面,相比于城镇,农村注重农林业的发展,森林覆盖率越高,农林业发展良好,生态平衡状况良好,贫困脆弱性越低;另一方面,政府求助、社会福利更加有利于城镇居民降低贫困脆弱性。

根据因子分析法测度的安徽省城镇和乡村居民贫困脆弱性呈现较为相似的地区分布特征。第一,安徽省中东部地区居民贫困脆弱性较低,可以看到,合肥市作为安徽省省会对周边城市经济发展的带动作用,有效降低了其周边城市城乡居民贫困脆弱性。第二,安徽省北部地区居民贫困脆弱性较高,根据降雨量呈现南多北少的情况,不难看出,北部地区城乡居民贫困脆弱性受干旱影响较大。

六、结论与启示

本文在系统分析贫困脆弱性及其影响要素的基础上,建立了贫困脆弱性评价指标体系,进而运用因子分析法对安徽省城镇和乡村居民贫困脆弱性进行了综合评价。研究结果表明:影响安徽省城镇和乡村居民贫困脆弱性的主要因素是经济文化程度,次要因素是抵御风险能力;安徽省城镇和乡村居民贫困脆弱性呈现较为相似的地区分布特征,安徽省中东部地区居民贫困脆弱性较低,安徽省北部地区居民贫困脆弱性较高。

根据本文实证研究结果,可以在以下三个方面开展扶贫工作。

第一,在政府层面,可以制定针对性扶贫政策。根据安徽省城乡居民贫困脆弱性的特点,关注城乡居民贫困脆弱性更高的北部地区,对于贫困脆弱性地区给予政策倾斜;重视经济发展与教育培训,通过加强教育和推动经济增长降低贫困脆弱性。

第二,在社会层面,可以优化社会福利体系。稳定贫困地区的社会治安、完善医疗保险、养老保险和灾害救助制度、增设就业岗位。针对城镇居民,实施社会求助,帮助其抵御冲击;针对农村居民,增设就业岗位以增加居民收入,增强抵御风险能力。

第三,在家庭方面,可以注重综合素质提升。针对居民家庭各异的特征,重视个体差异,进行技术培训;参加社会实践,提高自适应能力;积极参保,响应扶贫政策。

[1]Cafiero C, Vakis R. Risk and Vulnerability Considerations in Poverty Analysis: Recent Advances and Future Directions[R]. Washington DC:World Bank, 2006.

[2]武拉平,郭俊芳,赵泽林,等.山西农村贫困脆弱性的分解和原因研究[J].山西大学学报,2012,35(6):95-100.

[3]葛珺沂.西部少数民族地区贫困脆弱性研究[J].经济问题探索,2013,(8):63-170.

[4]方迎风.冲击、“能力”投资与贫困脆弱性[J].中国地质大学学报,2014,14(2):103-111.

[5]杨浩,庄天慧,蓝红星.气象灾害对贫困地区农户脆弱性影响研究:基于全国592个贫困县53271户的分析[J].农业技术经济,2016,(3):103-112.

[6]胡金焱.民间借贷、社会网络与贫困脆弱性[J].山东师范大学学报(人文社会科学版),2015,60(4):17-27.

[7]许庆,刘进,杨青.农村民间借贷的减贫效应研究:基于健康冲击视角的分析[J].中国人口科学,2016,(3):34-42.

[8]叶茜茜.民间资本投资偏好及其脆弱性的实证检验[J].统计与决策,,2016, (16):167-170.

[9]许贵福.海西经济区金融生态环境评价:基于修正变异系数法[J].山东工商学院学报,2016,30(6):86-92.

[10]许烜,刘纯阳.城市低碳竞争力评价指标体系的构建及实证[J].统计与决策, 2014,(21): 60-61.

[11]吴战勇.基于DEA的河南省发展低碳经济的效率评价[J].统计与决策, 2015,(5):56-58.

[12]李伯华,陈佳,刘沛林,等.欠发达地区农户贫困脆弱性评价及其治理策略[J].中国农学通报,2013,29(23): 44-50.

[13]贺祥,熊康宁.基于熵权灰色关联法的贵州岩溶山区农村贫困脆弱性分析[J].江苏农业科学,,2014, 42(3):376-381.