地理资本视角下村级多维贫困测度及贫困类型划分——基于重庆市1 919个市级贫困村调研数据*

罗 刚，廖和平※，李 涛，张茜茜，蒋潞遥

(1.西南大学地理科学学院，重庆 400715；2.西南大学国土资源研究所，重庆 400715； 3.西南大学精准扶贫与区域发展评估研究中心，重庆 400715)

0 引言

贫困农村的精准脱贫是实施乡村振兴战略的重要任务，同时也是统筹城乡发展与全面建成小康社会的重要目标。中国30年来的扶贫开发工作取得了历史性的伟大成就，当今中国农村贫困已由从前“面上”贫困转变为了“点上”的贫困[1]。由于不同地区自然资源禀赋、生产条件、交通通达度、人口素质等具有显著的地域性差异，中国部分农村地区的贫困化问题仍然呈现出“贫困深、成因杂、分布广、聚集强”的态势[2]。新时代中国农村扶贫开发由“大水漫灌”的普惠式帮扶工作机制转变为“精准滴灌”的精准式帮扶，同时精准帮扶的瞄准区域也从县域过渡到行政村[3]。因此，对农村多维贫困进行多方位有效测度与贫困类型划分有助于更好地对农村贫困现状的把握，为村域尺度的贫困地理识别提供科学、合理的技术方法和支撑，同时为差别化、精准化地制定帮扶政策提供参考。近年来，众多学者基于反贫困理论与方法，并结合区域实际对贫困测度方法开展了大量的研究，并形成了多元的研究成果。在贫困测量的维度上，由单一的经济维度测量拓展到包括经济维度和自然资源、社会保障等非经济维度的综合测量[3-6]。在现有的多维贫困测量方法中，A-F双临界值法[7-8]和多维贫困综合指数法[9， 10]应用较为广泛。但现有的贫困测量方法忽视了生态环境要素对区域反贫困的影响，在区域多维贫困测算中缺乏对生态贫困的评估。在贫困测量尺度上，随着贫困研究数据可获取性和数据精细化程度的增加，研究尺度由全国[11-13]、省域[14-15]、区县域[16-19]等中宏观尺度转向乡镇[19]、行政村[20-21]、户[22-23]等微观尺度。总体上来看，由于乡镇、行政村、农户的统计信息相对匮乏，目前贫困测度研究多以大中尺度为主，难以满足新阶段农村扶贫开发工作以村为基本单元的国家精准扶贫方略需求。在贫困影响因素上，汪晓文等基于灰色关联度模型对甘肃农村的贫困影响因素进行了探索[24]，杨慧敏采用Logit回归模型分析了社会经济发展、自然条件、区位交通、历史基础4个维度16个影响因子对河南省县域贫困状况的影响程度[25]。罗庆等运用泊松回归模型对秦巴山区11县的贫困影响因素进行了定量化分析[1]，总体看来目前有关贫困影响因素的研究成果大多是定性或半定量的分析，缺乏对贫困影响因素地域类型的划分。

1 研究方法

文章以经济学的资本内涵为基础，引入了地理资本的概念。地理资本是地理区位与自然环境条件所形成的自然资源资本、社会资本、经济资本与生态资本的集合[26-27]。区域空间贫困与地理资本匮乏具有密切联系，通过对区域地理资本的核算，来揭示区域发展的地理区位劣势、经济发展劣势、社会发展劣势及生态劣势[28]。该文从村域资源本底出发，以自然地理资本、经济地理资本、社会地理资本、生态环境资本4个维度构建地理资本视角下贫困村多维贫困综合测度模型，从精细尺度上对重庆市1 919个市级贫困村进行多维贫困测量。采用致贫维度贡献率模型、最小方差模型等数理统计方法并结合GIS平台，从定量化测度和空间化表达两个方面对重庆市贫困村的多维贫困程度、贫困类型及其空间分异规律进行探究，进而整合各方扶贫资源，并针对贫困村的个体性差异特征，实施精准帮扶，促进2020年全面脱贫。

图1 地理资本视角下多维贫困测度示意图

空间贫困理论阐释了贫困的空间分布、贫困与地理环境之间的相互关系[28]。该文以空间贫困理论为基础，将样本村实地调查指标整合成自然地理资本、社会地理资本、经济地理资本、生态地理资本4个维度的地理资本评价指标体系，构建村域多维贫困测量模型。再分析样本村地理资本在空间分布上的优劣势，并以贫困地图的形式进行空间可视化表达。在测算各村多维贫困指数的基础上，采用最小方差模型(LSE)对贫困村的贫困类型进行划分。

1.1 地理资本多维贫困测量指标体系构建

基于地理资本视角分别从自然地理资本、社会地理资本、经济地理资本和生态地理资本4个维度对重庆市1 919个市级贫困村进行多维贫困测度。在测度指标选取上，该文按照指标选择的全面性、针对性、合理性、可实施性等要求[29]，同时兼顾多维贫困测量的区域公平性、政策相关性、数据可获取性等客观条件[27]，并在充分参考相关研究文献[10， 21， 28]的基础上，建立村级多维贫困测量指标体系候选集，对共线性或区分度较低的候选指标进行剔除，最后得到村级多维贫困测度指标体系(表1)。

自然地理资本描述的是区域自然地理条件、农业资源禀赋，该文选取了平均海拔、地形起伏度、人均耕地面积、户均耕地半径、大于25°耕地占比5个指标，前2个指标反映的是样本村自然地理特征，后3个指标反映的是样本村耕地资源数量和质量。

经济地理资本表征的是区域经济发展水平以及地理区位条件，该文选取了距离乡镇府距离、距离县城距离、村交通道路网络密度、2017村集体经济收入、农民人均可支配收入5个指标，前3个指标衡量了样本村市场连通性、可达性水平，后2个指标反映的是样本村经济发展水平和经济发展的金融基础。

社会地理资本反映的是区域人力资源与社会保障水平，该文选取了外出务工人口占比、建档立卡贫困人口占比、18-60岁青壮年人口占比、初中及以上文化程度人口占比、每千人乡村医生数、新型农村合作医疗参与比例、新型农村养老保险参与比例7个指标。

生态地理资本表现的是区域生态环境质量水平，该文选取了化肥使用强度、农药使用强度、垃圾集中处理点密度、传统能源(秸秆、薪柴、畜粪等)使用占比、水土流失面积占比、水旱灾害面积占比6个指标。

表1 村域多维贫困测度指标体系

维度维度权重指标指标属性复相关系数熵权权重AHP权重组合权重自然地理资本0.252平均海拔(m)+0.344 0.189 0.174 0.184 地形起伏度(m)+0.422 0.201 0.185 0.195 人均耕地面积(667m2)-0.446 0.0730.226 0.172 户均耕地半径(m)+0.187 0.234 0.203 0.213 大于25°耕地占比(%)+0.281 0.303 0.212 0.236 经济地理资本0.342距离乡镇府距离(km)+0.270 0.581 0.185 0.224 距离县城距离(km)+0.483 0.284 0.187 0.216 村交通道路网络密度(km/km2)-0.517 0.061 0.211 0.198 2017村集体经济收入(万元)-0.191 0.006 0.112 0.105 农民人均可支配收入(元)-0.470 0.068 0.305 0.257 社会地理资本0.293外出务工人口占比(%)-0.463 0.027 0.142 0.107 建档立卡贫困人口占比(%)+0.474 0.237 0.194 0.201 18-60岁青壮年人口占比(%)-0.367 0.051 0.162 0.138 初中及以上文化程度人口占比(%)-0.336 0.081 0.153 0.129 每千人乡村医生数(个/千人)-0.234 0.005 0.105 0.088 新型农村合作医疗参与比例(%)-0.214 0.437 0.123 0.196 新型农村养老保险参与比例(%)-0.390 0.162 0.121 0.141 生态地理资本0.113化肥使用强度(kg/667m2)+0.266 0.051 0.181 0.167 农药使用强度(L/667m2)+0.220 0.084 0.181 0.173 垃圾集中处理点密度(个/千人)-0.375 0.003 0.204 0.174 传统能源( 秸秆、薪柴、畜粪等)使用占比(%)+0.245 0.018 0.152 0.122 水土流失面积占比(%)+0.384 0.484 0.141 0.193 水旱灾害面积占比(%)+0.393 0.360 0.141 0.171

1.2 多维贫困测量模型

1.2.1 指标的无量纲化

由于选取指标具有不同的量纲，在对样本村进行多维贫困测度之前需要对指标进行无量纲化处理。处理公式如下：

(1)

(2)

式(1)、(2)中Yij为无量纲化处理后指标值，Xij为第i个样本村第j个指标值；Xmin、Xmax分别为同一个指标的最小值和最大值。其中式(1)运用于正向指标，式(2)运用于负向指标。

1.2.2 权重模型

权重的分布表征指标的重要程度，对评价指标进行科学、合理的赋权具有重要的意义。常用的赋权方法有主观赋权法和客观赋权法。层次分析法(AHP)是基于专家的经验和已有的知识来确定指标重要程度的主观赋权法，具有主观性强的特点； 熵权法(EVM)是基于指标统计性质来确定指标重要程度的客观赋权法，客观性较强但可能忽略指标本身的相对重要程度以及研究者的主观偏好。为弥补AHP计算出的权重主观性强的缺陷，同时准确客观地反映各指标的重要程度，该文采用主客观组合赋权法，将AHP得到的主观权重与EVM得到的客观权重的最优组合作为指标的组合权重[30](表1)。

由AHP确定的指标主观权重向量为：

ω=(ω1，ω2，ω3,…，ωm)T

(3)

由EVM确定的指标主观权重向量为：

μ=(μ1，μ2，μ3,…，μm)T

(4)

为使主客观赋权下的决策结果的偏差最小，建立最小二乘法优化决策模型[30]，通过构造拉格朗日函数求解得出AHP、EVM的最优组合权重αω、βμ。

由AHP、EVM确定每个指标的组合权重为：

δ=αωω+βμμ

(5)

1.2.3 多维贫困指数测算

该文构建的村级多维贫困评价指标体系由自然地理资本、社会地理资本、经济地理资本和生态地理资本4个维度综合组成，每个维度下分别设置了若干评价指标，并利用维度间的组合权重(计算方式同指标间的组合权重)对各维度进行加权，求得各贫困村的多维贫困指数。计算公式如下：

(6)

(7)

式(6)中PI代表维度贫困指数，m为该维度下指标个数；σi代表该维度第i个指标的权重，Ii为该维度下标准化后的指标值； 式(7)中，VPI为村级多维贫困指数，N、P、F、E分别代表各贫困村自然地理资本、社会地理资本、经济地理资本和生态地理资本的维度贫困指数；ωn、ωp、ωf、ωe分别表示自然地理资本、社会地理资本、经济地理资本和生态地理资本的维度组合权重。

1.3 最小方差模型

为了系统划分各样本村的贫困类型，该文引入最小方差模型(LSE)[31]，利用贫困村各类型地理资本的贫困贡献率，对贫困村的贫困类型进行划分。其计算公式如下：

(8)

(9)

图2 重庆市贫困村空间分布

2 研究区概况与数据来源

2.1 研究区概况

重庆市是西南地区唯一的直辖市，地处长江上游，位于105°11′E～110°11′E、28°10′N～32°13′N之间，幅员面积8.23万km2，地形以山地、丘陵为主。重庆市下辖38个区县，其中扶贫开发重点区县18个，包括万州区、黔江区、城口县、丰都县、武隆区、开州区、云阳县、奉节县、巫山县、巫溪县、石柱县、秀山县、酉阳县、彭水县等14个国家级贫困县，包括忠县、潼南区、涪陵区、南川区等4个市级贫困区县。截止2014年，全市建档立卡贫困人口规模为165.9万人。重庆市集大城市、大农村、大山区、大库区于一体，城乡二元结构特征明显，区域发展差异较大。同时喀斯特地貌分布广泛，生态环境脆弱，经济发展基础较差，脱贫攻坚任务较为艰巨。

2.2 数据来源

该文采用的数据来源于重庆市1 919个市级贫困村的调研数据，贫困村样本覆盖重庆市33个扶贫任务区县， 855个贫困乡镇，样本村空间分布如图2所示。数据内容主要涵盖贫困村基本概况、经济发展水平、公共服务水平、基础设施条件、生产生活条件等。贫困村耕地数据、交通网络数据来源于重庆市2017年土地利用变更调查数据，海拔、起伏度数据来源于重庆市30m×30m DEM数据。贫困村矢量点数据是基于重庆市村级行政区划矢量面数据生成，所有基础地理数据均经过粗差剔除和地理校正。

3 结果与分析

3.1 贫困村多维贫困程度测算与分析

依据式(6)、(7)分别测算出每个贫困村自然地理资本、经济地理资本、社会地理资本、生态地理资本4个维度的贫困指数，基于GIS平台，利用自然断点法将贫困村4个维度的贫困指数以及地理资本综合贫困指数分为低度贫困、轻度贫困、中度贫困、高度贫困、极端贫困5个贫困等级。从表2可知，重庆市贫困村多维贫困指数分布呈现两头大中间小的“哑铃状”结构，低度贫困、极端贫困的贫困村占比较大，轻度、中度、重度贫困的贫困村占比较小，贫困程度呈两极分化的特征，说明重庆市区域发展差异较大。

表2 贫困村多维贫困程度统计

%

(1)在自然地理资本维度上，贫困村贫困程度呈现出渝东北>渝东南>渝西的空间分布趋势，贫困程度最深的贫困村主要集中在渝东北的秦巴山区(图3a)，尤其在秦巴山区的城口县、巫溪县、巫山县分布最为集中。该区域受地理环境的约束，平均海拔高、地形起伏度大，地形复杂多样，地质环境相对脆弱，地质灾害频繁，自然地理条件较差。同时平均海拔高、地势起伏越大的区域对外交通不便，增大了生产要素流通成本。从户均耕作半径、大于25°耕地占比指标的贫困指数看，该区域贫困村远远高于其他地区的贫困村，农业生产成本较高，不利于农业的规模化发展，农业资源禀赋较差。其余地区重度、极端贫困村呈“插花式”分布。

(2)在经济地理资本维度上，受贫困村地理区位条件、交通通达度、经济发展能力、村人均收入水平影响，各地区贫困村经济地理资本贫困程度差异较大(图3b)。从空间分布上来看，经济地理资本贫困指数表现出从渝东南、渝东北向渝西地区逐渐减小的趋势。全市贫困程度最深的贫困村主要集中分布在渝东北、渝东南区县行政交界处以及重庆市边缘地区，这些区域贫困村距离乡镇、区县城较远，交通基础设施建设相对滞后，市场经济联系性较差，农产品外销，农民工外出务工较为困难； 同时受政府政策惠及和区县中心辐射带动作用小，资金难以引入，贫困村自我发展能力较弱，导致贫困程度较深。渝西地区，渝东南、渝东北地区县城周边区域的贫困村地理区位条件较好，信息共享程度高，贫困程度相对较轻。

(3)在社会地理资本维度上，由于发展历史、民族、地域等因素影响，各贫困村社会福利水平、公共服务水平、人力资源水平、文化教育水平等发展存在显著差异，社会发展水平表现出明显的不均衡性。从图3c可以看出，社会地理资本贫困程度呈渝西地区分别向渝东北、渝东南地区逐渐加深，重度、极端贫困村在空间分布上较为广泛，主要表现为两个热点区域。一是渝东北的城口县、巫溪县、巫山县、奉节县，该区域贫困村地处山区和三峡库区，医疗卫生、教育、社会保障等发展滞后，同时该区域贫困村中大量青、壮年劳动力外流造成村内部整体人力资本的降低，很大程度上限制了村域经济发展。二是渝东南的武隆区、彭水县、酉阳县、秀山县，该区域地处武陵山区，同时也是苗族、土家族聚居地区，由于民族差异和较为封闭的地理环境，该区域贫困村社会发展水平较低，社会地理资本贫困程度较深。

(4)在生态地理资本维度上，生态环境质量水平是村生态环境保护和生态环境破坏的组合，反映了当地政府与农民环保意识的强弱，同时也体现贫困村的可持续发展水平。通过对图3d分析可以看出，生态地理资本贫困程度表现出高值区向三峡库区、酉阳县、黔江区聚集的特征。三峡库区是生态环境的敏感区、脆弱区，三峡工程建设带来的百万移民安置更是加剧了库区的生态环境压力和人地矛盾。根据测算结果显示，三峡库区贫困村农业开发强度较大，同时该区域水旱灾害频繁，水土流失较为严重，贫困村生态地理资本贫困指数较高； 酉阳县、黔江区等民族地区，农业生产条件较为落后，单位面积耕地化肥和农药使用强度较高，同时该区域地处喀斯特地貌广布的山区，过度的农业开发造成水土流失也是导致该区域生态贫困的重要原因。

综合4个维度的地理资本评价，计算重庆市贫困村地理资本综合贫困指数(图3e)，其空间分布特征主要表现为：渝东北秦巴山区，渝东南的武陵山区、渝西地区南部的大娄山区贫困村贫困程度较重，渝西丘陵地区贫困村贫困程度较轻。整体上，贫困村多维贫困程度呈渝东北、渝东南分别向渝西地区逐渐减轻的特征，贫困村多维贫困程度存在显著的地域性差异。

3.2 贫困村贫困类型划分

贫困发生分异是一种或者多种因素综合作用的结果[32]，为了精准识别每个贫困村的贫困类型，该文利用最小方差模型计算贫困村4个维度地理资本贫困指数对地理资本综合贫困指数贡献率的最小方差，进而将重庆市1 919个市级贫困村划分成单资本缺失型、双资本缺失型、三资本缺失型、四资本缺失型4种不同的贫困类型(表3)。通过表3可以发现，在重庆市贫困村贫困类型占比上，三资本缺失型>双资本缺失型>单资本缺失型>四资本缺失型。整体上看，重庆市单资本缺失型贫困村占比不足10%，说明重庆市贫困村致贫因素复杂多样，致贫机理较为复杂，精准扶贫难度较大。应精准识别各贫困村的主要致贫因素，开展分类精准帮扶。

图4 重庆市不同贫困类型贫困村空间分布

(1)单资本缺失型，该类型贫困村占贫困村总数的9.07%，主要分为自然地理资本单因素主导、社会地理资本单因素主导、经济地理资本单因素主导3个子类，不存在生态地理资本单资本缺失型的贫困村。从单资本缺失型贫困村致贫因素发生概率来看，经济地理资本主导型>社会地理资本主导型>自然地理资本主导型； 从空间分布上看(图4)，单资本缺失型贫困村呈“插花式”分布，空间分布规律性不强。相比较而言，单资本缺失型贫困村相对于其他类型贫困村贫困程度相对较轻。该类型贫困村是由某一方面的地理资本缺失而导致的贫困，其致贫机理比较明晰，具有较大的脱贫潜力，可以通过加大缺失方面地理资本的帮扶力度，采取针对性措施弥补发展短板，精准帮扶，靶向施策，突破发展的瓶颈限制。

(2)双资本缺失型，该类型贫困村比例为20.27%，分为经济—社会地理资本支配型、经济—自然地理资本支配型、社会—自然地理资本支配型、经济—生态地理资本支配型、社会—生态地理资本支配型、自然—生态地理资本支配型6个子类。其中经济—社会地理资本支配型、经济—自然地理资本支配型、社会—自然地理资本支配型3个子类型为主要的双因素支配类型，占双因素支配类型贫困村总量的90.12%。双因素支配类型贫困村空间分布上相对集中，主要分布于渝西地区，渝东北、渝东南地理区位条件、自然条件相对较好的区域。双资本缺失型贫困村平均贫困指数接近全市平均水平，处于中度贫困水平，整体脱贫潜力一般，应根据贫困村具体的致贫原因，因地制宜地进行分类指导，采取差别化的精准扶贫策略。

(3)三资本缺失型，此类型贫困村占比最大，达66.91%，是重庆市贫困村最主要的贫困类型。该类型贫困村可细化分为经济—社会—自然地理资本协同型、经济—社会—生态地理资本协同型、社会—自然—生态地理资本协同型、经济—自然—生态地理资本协同型4种组合子类。在子类数量排序上，经济—社会—自然地理资本协同型>经济—社会—生态地理资本协同型>经济—自然—生态地理资本协同型>社会—自然—生态地理资本协同型。从图4可知，三资本缺失型贫困村在空间上分布广泛，集中分布在秦巴山区、武陵山区两个连片特困地区。从贫困村平均贫困指数上看，该类型贫困村贫困指数远远高于全市平均水平，贫困程度最深，表现出显著的地理资本劣势。三资本缺失型贫困村致贫因素复杂多样，是重庆市精准扶贫工作的重点和难点，应进一步加大扶贫力度，细化帮扶方案，厘清各类致贫因素，做到因户施策、因人施策。

(4)四资本缺失型，该类型贫困村占比最小，约占全市贫困村的3.75%。此类型贫困村致贫因素多样，但各致贫因素贡献率相对均衡。在多维贫困指数上，该类型贫困村远远低于全市贫困村平均水平，整体贫困程度较低。在空间分布上，此类型贫困村呈离散化分布。四资本缺失型贫困村4个维度的地理资本条件均有所欠缺，但各维度地理资本贫困程度较为均衡，贫困村整体发展条件较优，较为容易改善，脱贫难度相对较小。

表3 重庆市贫困村贫困类型统计

贫困类型平均贫困指数贫困村占比(%)自然地理资本致贫占比(%)社会地理资本致贫占比(%)经济地理资本致贫占比(%)生态地理资本致贫占比(%)单资本缺失型0.404 99.0721.2331.6447.130.00双资本缺失型0.415 720.2745.5767.4675.7911.18三资本缺失型0.427 866.9177.7283.6296.3442.32四资本缺失型0.364 33.75100.00100.00100.00100.00合计0.416 9100.0051.7380.5690.6819.45

4 结论与讨论

行政村是国家精准扶贫战略实施的最小空间单元，村级尺度的多维贫困测度研究更有利于揭示区域贫困问题的本质和发展的不均衡性。准确划分村域贫困类型，有助于辅助各级政府有针对性地开展帮扶工作，增强扶贫、减贫工作的务实性和实效性。该文基于地理资本视角，从自然地理资本、经济地理资本、社会地理资本、生态地理资本4个维度构建村级多维贫困评价指标体系，并采用多维贫困测度模型对重庆市1 919个市级贫困村的多维贫困程度进行了测度，再利用最小方差模型对贫困村贫困类型进行划分。主要得出以下结论

(1)在贫困村多维贫困测度上，重庆市贫困村多维贫困程度按自然断点法可分为低度贫困、轻度贫困、中度贫困、高度贫困、极端贫困5个等级，其中低度贫困、极端贫困的贫困村占比较大，轻度、中度、重度贫困的贫困村占比较小，数量分布上呈两端大中间小的“哑铃状”结构，贫困程度呈两极分化的特征，说明了重庆市区域发展的不平衡性； 在空间分布上，贫困村多维贫困程度整体上呈从渝东北、渝东南分别向渝西地区逐渐减轻的特征，贫困村多维贫困程度地域性差异显著。

(2)在贫困村的贫困类型划分上，重庆市贫困村主要可以分为单资本缺失型、双资本缺失型、三资本缺失型、四资本缺失型4个类型，其占比分别为9.07%、20.27%、66.91%、3.75%。其中三资本缺失型贫困村是重庆市最主要的贫困类型。

(3)根据重庆市贫困村多维贫困分异规律以及贫困类型，为重庆市精准扶贫工作提出以下建议：对单一地理资本缺失致贫，贫困程度相对较低的贫困村，应采取针对性帮扶政策弥补其发展短板； 对多类型地理资本缺失，贫困程度相对较深的贫困村，应该加大财政资源投入，进一步细化扶贫方案，根据贫困村具体的贫困特征因地制宜的制定帮扶措施，优化扶贫资源的配置。

该文对重庆市贫困村多维贫困程度、贫困村贫困类型进行了初步的探究，研究结论描述了重庆市村域贫困现状，可为今后制定和实施差别化的脱贫措施提供技术支持和决策辅助。但受限于数据的可得性，该文还存在一定的不足。

基于截面数据对村域多维贫困进行了测度，缺乏基于面板数据支持下村域多维贫困的时空演变特征分析。贫困村多维贫困致贫机理有待进一步深入挖掘。贫困村多维贫困程度、贫困类型的空间关联格局特征尚需开展更深层次的探讨。在后续的研究中，将对上述不足进行丰富和完善，以期为反贫困理论研究提供新途径和思路。