大别山连片特困区县域贫困影响因素的灰色关联分析

曹 巍，钱 力

(安徽财经大学 经济学院，安徽 蚌埠 233030)

大别山连片特困区县域贫困影响因素的灰色关联分析

曹 巍，钱 力

(安徽财经大学 经济学院，安徽 蚌埠 233030)

从县域层面出发，运用灰色关联度分析法，对大别山连片特困区36个县域2008-2014年间农业生产、农业收入、教育和医疗四个方面与贫困的关联度进行分析，判断各贫困影响因素与农村人均纯收入增长率之间的关联度。研究结果表明：第一，农业生产、农业收入、教育和医疗四个方面与农村贫困存在较强的耦合性；第二，贫困主要影响因素在空间上存在差异性，受人均农业收入水平低影响的县域最多，其次分别为教育水平低、农业生产条件落后，受医疗保障制度不完善影响的县域最少。

连片特困区；县域贫困；影响因素

一、文献综述

随着我国经济社会的进一步发展，贫困问题呈现出新的特征，扶贫开发工作进入新的阶段。首先，贫困人口的分布逐渐从“多而散”走向“小而集中”，随着扶贫工作的开展，大规模的贫困现象已被消除，现有的贫困人口大多存在于地理环境恶劣、经济发展滞后地区，贫困人口的分布逐渐走向集中，呈现点、片、带并存的特征；其次，贫困代际转移现象明显，即上一代的贫困问题无法得到解决，容易将这种不利因素转移给下一代，最终形成恶性循环的趋势，这种贫困的代际转移很大程度上是由贫困家庭缺乏各类资本及易遭受外部制度排斥的影响所共同导致的(徐慧，2016)；[1]101-106再次，贫困地区往往由于经济发展滞后缺乏对医疗、教育的有效投入，而这两者直接影响了劳动力数量及质量，人力资本积累不足则会进一步限制地区经济发展。因此，现阶段的扶贫不能一味地追求贫困地区经济发展水平的提高，更应该清晰地看到我国现阶段贫困的特征，抓住导致贫困的根源，从多个角度分析贫困问题，有效提高扶贫政策效率。

国内外学者对贫困影响因素问题进行了一些研究，从研究方法上看可以分为以下两点：第一，基于灰色关联度对贫困影响因素进行分析，如韩林芝、邓强(2009)[2]88-94以人均粮食消费量、恩格尔系数、人均纯收入和贫困发生率作为贫困主因子，研究中国农村居民贫困因子间的相互影响作用及其对主行为的影响程度，认为农村义务教育、人均水资源、耕地面积等因子对贫困程度有较大影响；汪晓文(2012)[3]137-142从自然条件、人口素质、生产资金、农民工就业及贫困文化五个方面作为贫困影响因素，分析甘肃省农村贫困影响因素与贫困程度间的关联度，认为人均农业收入对贫困度的影响最为显著；王国敏、李仕波(2013)[4]5629-5633认为贵州省农村的贫困影响因素主要是人均农业收入。第二，基于线性回归模型对贫困影响因素进行分析，如杜凤莲、孙婧芳[5]57-67(2011)基于CHNS数据，采用Logit回归模型和随机效应模型分析中国家庭初始贫困及家庭特征是否对贫困产生影响，认为初始贫困会对当期贫困产生显著影响，家庭人口、规模及户主教育文化水平等家庭特征也是影响贫困的主要因素；杨慧敏(2016)[6]42-47在家庭特征的基础上加入了社区特征，认为家庭特征和社区特征均对贫困的边际状态产生显著的正向效应；杨龙、汪三贵(2015)[7]150-156研究了贫困地区农户脆弱性及其影响因素，分析了冲击性事件、家庭规模、人力资本和资产等因素对农户脆弱性的影响，发现对于不同类型的地区冲击性事件对农户脆弱性的影响是共同存在的。同时，也有一些学者运用一些新的方法分析贫困影响因素，如GIS和BP网络神经(李益敏，2007[8]160-165；曾永明，2011[9]70-75)、DEA-Tobit模型(周倩、马赞甫[10]239-243，2014)、EBM-Goprobit二步法模型(高鸣、马铃，2015[11]49-60)等。

综上所述，越来越多的学者关注贫困问题并对贫困影响因素进行研究，认为农业、资本、家庭环境等因素都会对贫困程度产生影响，但目前的研究多基于国家层面或省级层面，以县域层面作为贫困影响因素研究切入点的文献较少，县域作为城市和乡村的中间区域，属于中观层级的范畴，起着中间桥梁的关键作用。本文运用灰色关联分析方法，对大别山连片特困区县域贫困影响因素进行研究，并提出相应政策建议，有着一定的理论价值与现实借鉴意义。

二、大别山连片特困区贫困影响因素分析

对于贫困成因的研究已形成丰富的理论成果，如资本缺乏论(郭志仪，1996；严瑞珍，1997；邹薇，2014)、制度缺陷论(黄少安，2003；靳涛，2004；李刚，2009)、生态环境脆弱论(赵跃龙，1996；汪三贵，2009；祁新华，2013)、文化贫困论(辛秋水，2001；王亚飞，2008；李晶，2016)等。大别山片区是我国14个集中连片特困地区之一，是现阶段脱贫攻坚的主战场，由于特殊的地理环境及经济发展条件，扶贫开发工作任务异常艰巨。如何科学地分析该片区主要致贫原因，并顺利带动“扶贫政策——经济增长——贫困减缓”各个环节的有效转换，是确保该片区顺利脱贫的前提条件。因此，结合贫困成因理论与大别山区具体现实情况，对大别山片区陷入贫困的主要原因初步做出定性分析。

1.经济发展条件欠缺

大别山连片特困区地处安徽、湖北和河南三省交界处，地形闭塞、交通不便、边缘化现象突出，经济总体发展水平落后。一方面，封闭的山区地形使得片区的经济发展受省会城市或省内发达城市的辐射较小，贫困人口集中，贫困程度深，成为政策执行的“盲点”；另一方面，当地的优势资源往往容易流向发达地区，使得大别山的优势资源没有在内部得到分享，还处于资源输出的地位，资源优势未能很好地转换为经济优势。

2.自然条件恶劣

大别山区自然灾害频繁，生态环境恶劣。在大别山片区36个县域中，有26个县处于生态脆弱区，有发生洪涝灾害、滑坡、泥石流等自然灾害的可能，该片区农业生产结构以粮食生产为主，自然灾害的频发严重影响了当地的粮食生产安全，加之人多地少，使得人均粮食占有率低。同时，农业技术落后，盲目开垦山区耕地，粗放式的生产经营，使得大别山片区同时面临着严重的水土流失问题，粮食产量不稳，生态环境日益恶劣，农民基本生活需求得不到保障。

3.人口素质偏低

教育、医疗保障等公共服务落后，劳动力素质普遍偏低。受到经济发展水平与地理环境的影响，教育、医疗卫生等的建设也相对迟缓，造成了劳动力素质的低下，直接造成了农民增收困难。首先，农民接受的教育少，思想文化较为落后，长期在相对贫困的环境中，形成了特定的思维方式和行为规范，难以突破陈旧的生产习惯，不愿意接受新的技术，导致农业生产效率低下；其次，农民把土地视为命根，宁可守着土地辛苦劳作也不愿意流转土地从事其他非农产业的生产，农业部门较低的工资水平也使得农民收入低下；最后，医疗卫生得不到保障，直接影响了农民的身体素质。

三、大别山连片特困区贫困影响因素的灰色关联分析

1.指标选取与数据来源

(1)指标选取

基于上述大别山连片特困区贫困成因的定性研究，主要从农业生产、农业收入、教育、医疗四个方面反映出致贫主要原因，选取农村人均纯收入增长率作为衡量农村贫困状况，用人均农业机械总动力作为该片区农业发展条件的指标，单位乡村人口农业增加值作为农业收入的指标，教育和医疗条件分别用每万人普通中小学在校人数和每万人医疗机构床位数表示。

表1 大别山连片特困区贫困影响因素指标

(2)数据来源

在2008年以前，我国同时使用绝对贫困线和相对贫困线两条扶贫标准，从2008年开始，我国统一使用相对贫困线作为扶贫标准，因此，本文数据来源从2008年开始，鉴于数据可获得性及口径一致性，将研究区域定为2008-2014年大别山区36个县域，从县域层面研究大别山片区主要致贫因素。数据主要来源于《中国县域统计年鉴》，安徽、湖北、河南统计年鉴及各县市的国民经济发展统计公报。

2.灰色关联分析

(1)确定分析数列

灰色关联度主要用来研究系统中两个因素关联性大小，直接反映系统内各因素对目标值的影响程度。根据灰色关联度分析法的要求，将数列分为参考序列(母序列)和比较序列(子序列)。本文主要研究大别山片区的贫困情况，在此采用农村居民人均收入增长率作为母序列，记为x0(k)，人均农业机械总动力、单位乡村人口农业增加值、每万人普通中小学在校人数、每万人医疗机构床位数作为子序列，分别记为x1(k)、x2(k)、x3(k)、x4(k)。

(2)数据标准化处理

(3)计算灰色关联度

令xi(k)和x0(k)的灰色关联系数为εi(k)。灰色关联系数的计算公式为：

εi(k)=

其中，ρ为分辨系数，ρ的取值会影响关联度数值的大小，但不影响最终结果的排序顺位。一般情况下，ρ取值为0.5。进一步对灰色关联度进行计算：

当灰色关联度0

表2 2008-2014年大别山连片特困区县域贫困影响因素的灰色关联度

注：*表明两因素耦合性中等，**表明两因素耦合性较强。

四、研究结论与对策建议

1.研究结论

运用灰色关联分析方法，对大别山连片特困区县域贫困影响因素进行分析，研究结论主要概括如下。

(1)农业生产、农业收入、教育和医疗四个方面与农村贫困存在较强的耦合性

从计算的灰色关联度中可以看出，参考序列的影响因子与每个子序列的影响因子的耦合度均超过了0.5，说明从现有的农村贫困状况来看，农业的生产条件、人均农业收入以及教育和医疗等公共服务的保障，对农民总体增收存在着一定影响。农业作为与农村贫困人口联系最紧密的产业，农业发展水平直接影响了农民生活状况。此外，教育和医疗等公共服务对劳动力素质产生一定影响，贫困人口应有的权利得不到保障，能力的缺失也是造成陷入贫困的一个重要方面。

(2)贫困主要影响因素在空间上存在差异性

受人均农业收入水平低影响的县域最多，其次分别为教育水平低、农业生产条件落后，受医疗保障制度不完善影响的县域最少。从各项关联因素中的得分来看，在r1上的得分较高的有：太湖、临泉、颍上、光山、新县、沈丘、淮阳、大悟、麻城。r1表示的是农业生产条件，说明在这9个县域中，农业生产条件相对落后是造成该区域农村贫困现象发展的主要原因；在r2上得分较高的有阜南、寿县、金寨、宁陵、柘城、固始、潢川、郸城、团风、红安、英山、蕲春，说明在这12个县域中，人均农业收入较低是造成农村贫困的主要原因。农业生产收入是农民最主要的收入来源，尤其对于农村贫困人口而言，受到自身发展条件的限制，农村贫困人口往往在工资性收入方面得到较少，生活主要依靠农业收入，因此农业收入的低下容易直接造成贫困；潜山、宿松、望江、兰考、民权、商城、商水、新蔡、孝昌、罗田、岳西、霍邱、利辛、淮滨、太康这15个县造成农村贫困的主要原因来源于教育和医疗等公共服务保障不完善。其中，潜山、宿松、望江、兰考、民权、商城、商水、新蔡、孝昌、罗田10个县主要致贫原因来自于教育水平较低，导致劳动力素质低下，制约了农民增收；岳西、霍邱、利辛、淮滨、太康5个县域则是来源于医疗保障制度的不完善。因病致贫一直以来都是农村贫困最普遍的致贫原因，但在36个县域中，医疗保障不完善是农村贫困主要成因的只有5个县域，说明随着我国农村新型合作医疗的覆盖率和报销比的不断上升，医疗保障制度的不断完善，我国现阶段农村医疗水平也在不断提升中，因病致贫的情况得到极大缓解。

2.对策建议

大别山片区存在严重的区域性整体贫困问题，是我国现阶段扶贫开发工作的重点区域之一。区域性整体贫困问题，不能从宏观上以“撒网”的方式统一解决，需要针对不同区域的贫困原因对症下药，因地施策，精准扶贫。

(1)加强农业基础设施建设，发展地方特色产业

对于农业生产条件落后和人均农业收入低下的区域，应重点加强该区域农业基础设施建设，完善农机社会化服务体系，提高农业生产效率，并积极推行以工代赈、产业扶贫等措施，发展地方特色农业产业，初步构建特色支柱产业体系，增加农民收入。

(2)加大教育投入，提高农村劳动力文化水平

加紧“雨露计划”的实施，提高区域教育投入与补助标准，完善农村中等职业教育体系，扫除农村青壮年文盲；提高农村实用技术和劳动力转移培训水平，增强农民生产技能，以农村劳动力文化水平的提高增加农民收入水平。

(3)建立健全基层医疗服务体系，全面提高人口素质

对于医疗健康不完善的区域，应建立健全县、乡、村三级医疗卫生服务网，进一步加大新农合的覆盖比率，完善大病救助机制，并加强村级卫生机构的医疗环境，每个乡镇卫生院至少配备1名全科医生，使公共医疗服务更加均等，全面提高农村人口素质。

[1]徐慧.转型期农村贫困代际转移、影响因素及对策研究[J].经济体制改革,2016(3).

[2]韩林芝,邓强.我国农村贫困主要影响因子的灰色关联分析[J].中国人口·资源与环境,2009(4).

[3]汪晓文.我国农村贫困主要影响因子的灰色关联分析[J].兰州大学学报,2012(7).

[4]王国敏,李仕波.贵州省农村贫困影响因素的灰色关联度分析[J].湖北农业科学,2013(11).

[5]杜凤莲,孙婧芳.贫困影响因素与贫困敏感性的实证分析[J].经济科学,2011(3).

[6]杨慧敏,罗庆等.中国农村贫困的动态发展及影响因素分析——基于CHNS数据[J].经济经纬,2016(5).

[7]杨龙,汪三贵.贫困地区农户脆弱性及其影响因素分析[J].中国人口·资源与环境,2015(10).

[8]李益敏.基于GIS的泸水县贫困原因分析[J].云南大学学报,2007(1).

[9]曾永明,张果.基于GIS和BP神经网络的区域农村贫困空间模拟分析——一种区域贫困程度测度新方法[J].地理与地理信息科学,2011(2).

[10]周倩,马赞甫，等.基于DEA-Tobit模型的贵州农村贫困影响因素分析[J].贵州农业科学,2014(7).

[11]高鸣,马铃.贫困视角下粮食生产技术效率及其影响因素——基于EBM-Goprobit二步法模型的实证分析[J].中国农村观察,2015(4).

Class No.:F061.5 Document Mark：A

(责任编辑：宋瑞斌)

Grey Correlation Analysis of Poverty Affecting Factors of Contiguous Poverty Stricken Counties in Dabie Mountains

Cao Wei，Qian Li

(School of Economics, Anhui University of Finance and Economics, Bengbu, Anhui 233030，China)

With the grey correlation analysis data of 36 counties in Dabie Mountain Area during 2008-2014, we made a study of the poor agricultural production, agricultural income and education and health to determine the poverty impact of per capita The results show that the four aspects are strong coupling. It is concluded that the factors affecting poverty distributed differently in space, the low agricultural income per capita, the lower level of education. Due to the agricultural production conditions, the medical security system is not perfect.

contiguous poverty-stricken areas; county poverty; influencing factor

曹巍，硕士，安徽财经大学经济学院。研究方向：区域经济学和农村经济学。 钱力，博士，副教授，安徽财经大学经济学院。研究方向：区域经济学和农村经济学。

安徽省高校人文社会科学研究重点项目“大别山连片特困区县域多维贫困测度、分解及贫困重心迁移”(编号：SK2017A0446)；安徽财经大学研究生科研创新基金项目“大别山连片特困区县域多维贫困测度与贫困重心时空演进”(编号：ACYC2016090)。

1672-6758(2017)05-0070-6

F061.5

A