秦巴集中连片特困区多维贫困度量及其空间格局

安 彬 ，肖薇薇 ，段塔丽

1. 安康学院 旅游与资源环境学院，安康 725000

2.安康市汉江水资源保护与利用工程技术研究中心，安康 725000

3.陕南生态经济研究中心，安康 725000

4.陕西师范大学 哲学与政府管理学院，西安 710119

贫困问题是一个世界性课题，一直以来都是发展中国家面临的最严峻的挑战之一，消除贫困则被视为实现区域可持续发展的核心要务之一（李佳等，2009；刘小鹏等，2017）。进入21世纪以来，中国的扶贫事业取得巨大进步，贫困发生率从2010年的17.2%下降到2015年的5.7%，年均减贫人口规模2198万人（国家统计局住户调查办公室，2016）。随着绝对贫困人口的减少，中国贫困已经从因政策和制度缺失等具有普遍性因素所导致的“面上”贫困，转变为因环境、生产条件等区域差异因素造成的“点上”贫困（王艳慧等，2013）。在贫困问题研究上主要涉及到贫困的定义、标准、分类、评估、影响因素等诸多方面，其中，作为研究的核心环节——贫困程度评价，受到诸多学者的关注（袁媛等，2014）。传统的贫困程度评价与贫困区域及贫困人口识别主要从收入水平或消费支出等经济维度考量（黄承伟等，2010；李栗，2012）。然而，单一的收入或者消费指标往往不能真正准确识别贫困个体（李栗，2012；潘竟虎和贾文晶，2014）。众多研究学者试图通过建立涉及居住（李武斌等，2016）、教育（Tarabini and Jacovkis，2012）和健康（Novignon et al，2012）等经济和社会维度所构成的多维指标体系来综合度量贫困程度，甚至涵盖自然和人文地理环境要素的空间贫困研究（王艳慧等，2013；田宇等，2017），并且进一步探究贫困原因，制定一系列的政策指导意见。

秦巴山片区作为《中国农村扶贫开发纲要（2011—2020年）》中确定的扶贫区，一直是学术界贫困研究重点关注区域。众多学者也从不同尺度、角度及深度对该区域的贫困问题展开了研究。李仙娥和李倩（2013）以秦巴集中连片特困地区为例，分析了片区的生态环境与贫困的现状和特征。伍艳（2015）基于秦巴山区的实证调查，定量分析农户生计系统的脆弱性，认为生计资本的多种缺乏，是贫困地区农户陷入慢性贫困的根源。曹诗颂等（2015）从自然、社会、经济三方面构建秦巴山特困连片区县域经济贫困评价指标体系，并分析了片区生态资产与经济贫困的耦合协调度。周亮等（2015）通过空间分析方法探讨地形要素对秦巴山连片特困山区人口格局、经济布局和贫困程度约束作用。王艳慧等（2017）以秦巴山片区等6片区为例，从生态贫困视角系统研究了片区-县级层面上的贫困程度。通过文献的梳理可以发现，对于贫困的度量和评价大多从个人或农户家庭角度出发，鲜有关于秦巴集中连片特困区多维贫困的县域视角研究。综合以上研究，考虑到数据可得及行政区划调整等原因，本文以秦巴集中连片特困区72个县为研究样本①未列入本文研究的8个贫困县区分别为：湖北省的张湾区、茅箭区，四川省的朝天区、元坝区、利州区、巴州区，陕西省的汉台区、汉滨区。，构建多维贫困度量指标体系，并应用地理学方法对其时空格局进行研究，以期为贫困地区制定减贫或反贫策略提供科学借鉴和决策依据。

1 研究资料与研究方法

1.1 研究区概况

秦巴集中连片特困区跨陕、川、甘、豫、鄂、渝6省市，集革命老区、大型水库库区和自然灾害易发多发区于一体，国土面积2.25×105km2。辖80县市区，其中：河南11个县市区，湖北9个县市区，重庆5个县市区，四川16个县市区，陕西省30个县市区，甘肃9个县市区。2015年末，全片区人均国内生产总值为2.05万元，为同期国内人均生产总值的32.23%，人均可支配收入为7967元；总户数为14.7万户，人口3763.92万人，其中农村人口2813.1万人。按照农村贫困标准每人每年2300元（2010年不变价）测算，片区内农村贫困人口346万人，贫困发生率12.3%（国家统计局住户调查办公室，2016）。

片区属北亚热带海洋性气候、亚热带—暖温带过渡性季风气候和暖温带大陆性季风气候，境内水系发达，径流资源、旅游资源、矿产资源丰富，森林覆盖率高，是国家重要的生物多样性和水源涵养生态功能区。不过，片区内发展差异大、产业支撑能力弱，基础设施薄弱、基本公共服务不足，开发与保护矛盾突出，农户生计脆弱，加之片区受大山阻隔，相对封闭，地形复杂，洪涝、干旱、山体滑坡等自然灾害易发多发，致贫原因复杂，因灾致贫返贫现象严重，是我国典型的“老、少、边、穷”地区，是国家新一轮扶贫开发攻坚战主战场中涉及省份最多的片区。

1.2 指标体系与方法

1.2.1 指标体系构建

目前，学术界主要从经济、社会和自然三维度对区域进行多维贫困评估（王艳慧等，2013；袁媛等，2014；刘小鹏等，2017；田宇等，2017）。其中，经济维度由传统的货币组成，是贫困的“硬现状”；社会维度代表生活保障能力的拥有状况，是贫困的“软现状”；自然维度代表决定区域发展能力的自然资产，是贫困的“潜在状态”（袁媛等，2014）。总体上，社会维度和自然维度是对传统的经济贫困的延伸，进一步丰富了贫困的内涵，扩展了贫困研究的深度（赵莹等，2015）。基于此，结合秦巴集中连片特困区自然和经济社会现状，构建由经济、社会和环境3个维度，计18个原始指标或生成指标构成的多维贫困识别指标体系（表1）。

其中经济维度和社会维度各指标的数据均来自秦巴集中连片特困区6省市2007年、2011年、2015年统计年鉴，部分数据来源于《中国县域统计年鉴》；自然维度前三项指标主要基于国家基础地理信息中心提供的30 m分辨率影像，少部分数据来自《陕西地理省情白皮书2011—2012》；后两项指标来源于中国气象科学数据共享服务网（http://www.data.cma.cn /）。对站点数据进行插值处理，并在县域范围内计算平均值。

1.2.2 研究方法

在多维贫困度的指标体系中，确定各指标的权重是关键，对测算结果有着直接的影响。主观赋权法和客观赋权法是确定多维指标权重的主要方法，其中客观赋权法消除了主观因素对结果的影响（孙平军和丁四保，2011；苏术锋，2015）。本文采用均方差权重确定法测算并评价秦巴山区多维贫困度，步骤如下：

（1）无量纲化处理：

式中：i = 1，2，3，…，m；j = 1，2，3，…，n；m和n为评价的指标和对象的个数。

（2）指标层（Bi）权重系数的计算：

式中：W(Bki)为各指标的权重系数；δ(Bki)为系统层k中各指标的均方差；E(Bki)为系统层k中各指标的无量纲处理后的均值。

表1 秦巴集中连片特困区多维贫困识别指标体系Tab.1 Multidimensional poverty identif i cation index system in Qinba contiguous destitute areas

（3）系统层得分均值计算：

式中：E(Ak)为系统层k的得分均值；Zkj为各市县系统层k的得分。

（4）系统层权重系数的计算：

式中：W(Ak)为各指标的权重系数；δ(Ak)为各市县系统层k指标的均方差。

（5）多维贫困度得分的计算：

式中：MPIj为各市县多维贫困度得分；Zkj和W(Ak)分别为系统层k的得分和权重。

2 结果分析

2.1 多维贫困度测算结果分析

应用公式(1) — (5)的测算方法，得出了秦巴集中连片特困区2006年、2010年及2014年3个时间段内子区域多维贫困度（MPI）的标准化得分均值和排名（表2）；MPI得分越小，表明该区域贫困程度越低，反之越高。总体上秦巴集中连片特困区多维贫困度得分偏高，均＞ 0.5；其中2006年、2010年、2014年的多维贫困度得分均值分别为0.6252、0.6235、0.5873，呈现下降的趋势，尤其是2010 — 2014下降更为明显。3时段平均多维贫困度得分大小依次为：甘肃片区（0.6740）＞陕西片区（0.6436）＞湖北片区（0.5892）＞河南片区（0.5705）＞四川片区（0.5663）＞重庆片区（0.5560）。从秦巴集中连片特困区子区域来看，3个时间段内各子区域多维贫困度得分均值都有不同程度下降：甘肃、陕西秦巴集中连片特困区多维贫困度得分较高，分别排名第1、第2，表明这两个子区域贫困程度高，与秦巴集中连片特困区整体水平上存在较大的差距；2006年、2010年重庆秦巴集中连片特困区多维贫困度得分最低，排名第6，表明该子区域贫困程度低；而湖北、四川秦巴集中连片特困区多维贫困度得分居中，两者之间的差值从2006年的0.0457降为2014年的0.0128。这表明国家及各省份所采取的扶贫措施取得了一定的成效，但各省份的成效存在差异。从2006年至2014年各子区域多维贫困度得分均值下降值来看，下降幅度介于0.0209 — 0.0636。其中，河南秦巴集中连片特困区下降幅度最小，湖北秦巴集中连片特困区下降幅度最大，为河南片区3.04倍。

表2 秦巴集中连片特困区子区域多维贫困度得分均值比较Tab.2 Comparison of standard scores of MPI in sub-regions of Qinba contiguous destitute areas

2.2 多维贫困度各维度特征分析

为了更加全面地掌握秦巴集中连片特困区多维贫困度的真实状况，还需进一步对多维贫困度的内部结构进行分析。通过对各维度的测算，得到不同年份秦巴集中连片特困区及各子区域的经济维度硬现状（ED）、社会维度软现状（SD）及自然维度潜在状态（ND）的均值得分（表3）。从3个维度得分情况看，秦巴集中连片特困区的多维贫困在不同贫困维度上存在显著差异。其中经济维度硬现状得分最高，社会维度软现状得分次之，自然维度潜在状态得分最低，这说明了整个秦巴集中连片特困区的贫困主要是受到经济发展水平的影响。从2006至2014年的时间序列纵向比较来看，贫困指标均体现了明显的贫困减缓，尤其是经济维度和社会维度减缓程度较高，分别减缓了0.0521和0.0588；而自然维度减缓较低，只有0.0133。这与自然维度潜在状态所设置的指标体系中，只有森林覆盖率和自然保护区占县域面积比重处于变化有关，尤其是自然保护区的设置主要集中在2006年之前。结合子区域多维贫困度各维度得分年内差距情况来看，经济维度硬现状由2006年的0.2110下降到2014年的0.1448，下降幅度最大；社会维度软现状由2006年的0.1026下降到2014年的0.0893；自然维度潜在状态由2006年的0.2792下降到2014年的0.2724，下降幅度最小。这也说明随着国家对秦巴山区经济政策的倾斜、基础设施大力投资等因素的影响，秦巴集中连片特困区内部各省份也都大力发展区域经济，通过给当地居民提供就业机会等途径增加贫困家庭收入；但由于区域内潜在自然地理环境因素的影响，使得扶贫成效不显著。

表3 秦巴集中连片特困区子区域多维贫困度各维度得分均值比较Tab.3 Comparison of standard scores of MPI with three dimensions in sub-regions of Qinba contiguous destitute areas

2.3 多维贫困度的空间结构变迁

秦巴集中连片特困区2006年、2010年及2014年时间断面的多维贫困度（表4）及各维度现状（表5）空间分布，能够更加直观地阐释秦巴集中连片特困区多维贫困的空间结构变迁规律。总体上看，2006 — 2014年秦巴集中连片特困区多维贫困度都呈减弱趋势，多维贫困得到显著改善，且表现出以甘肃省徽县至湖北省房县为轴带的中部地区集聚的空间演变趋势。在空间上，甘肃秦巴集中连片特困区中西部、陕西秦巴集中连片特困区东部为高多维贫困度得分区域；四川秦巴集中连片特困区为低多维贫困度得分区域，且巴山南麓区域的平昌县、仪陇县得分最低。在秦巴集中连片特困区的6个子区域中，陕西秦巴集中连片特困区多维贫困空间演化最为突出。除了以陕西山阳县为中心的商洛地区外，陕西省汉中市和安康市共计19个县多维贫困度具有较强的趋同化演化规律，与近年来陕西对所属秦巴集中连片特困区所采取的大扶持、大发展政策密切相关。多年以来，重庆秦巴集中连片特困区多维贫困度的变化幅度较小，与该区域隶属渝东北生态涵养发展区，其主要发展方向为保障长江生态安全、修复区域生态和供应生态产品有关（刘治彦，2015）。

表4 秦巴集中连片特困区多维贫困度分布Tab.4 The spatial distribution of MPI in Qinba contiguous destitute areas

（续表4 Continued Tab.4）

表5为秦巴集中连片特困区多维贫困的经济维度硬现状（ED）、社会维度软现状（SD）及自然维度潜在状态（ND）3个维度得分的时间分布，能够进一步揭示形成秦巴集中连片特困区多维贫困空间格局的结构变迁及其演变机制。在秦巴集中连片特困区总体多维贫困显著改善的同时，不同子区域及不同的贫困维度在减贫路径上也体现出不同的演化特征。从经济维度硬现状的时间演变看出，经济维度硬现状等级较高的区域由2006年的多而分散演变为2014年的少而集中，主要集中在甘肃秦巴集中连片特困区中西部、陕西秦巴集中连片特困区东部以及河南秦巴集中连片特困区东部区域。这些区域可能由于经济体量较小，叠加人口基数大的原因，以致形成集中性高经济性贫困。重庆秦巴集中连片特困区多年经济维度硬现状较为稳定，而湖北子区域则形成以郧西 — 房县为对称轴，两侧经济维度硬现状低值区。四川秦巴集中连片特困区尤其是东北部地区则表现出趋同性发展，内部各县区差异性变小，该趋势应是基于该地区彼此之间的资源和发展要素能够自由流动和优化配置，从而形成优势互补共同繁荣的整体效应，以达成区域性协同发展。

表5 秦巴集中连片特困区经济维度硬现状、社会维度软现状和自然维度潜在状态分布Tab.5 The spatial distribution of ED, SD and ND in Qinba contiguous destitute areas

（续表5 Continued Tab.5）

从社会维度软现状的时间演变看出，社会维度软现状等级较高的县区主要集中在秦巴集中连片特困区各子区域的邻接地带，而这些地区基本上都属于人流、物流、资金流、信息流等边缘地带，地理资本相对其他地区而言处于弱势地位，从而增加了区域内部以及区域之间的联系成本，更容易引起贫困的发生。社会维度软现状得分较低的县区主要集中在这些县区所在中心城市的周边，可能受到中心城市的辐射影响，促进了交通等社会公共服务的发展，形成弱社会性贫困。从2006年到2014年，陕西秦巴集中连片特困区形成自西北—东南的中等或弱社会维度软现状等级，与该区域处于汉江谷地有关，加之与区域内西康铁路复线、西康高速、陕西省“2367”高速公路网等交通线路的完善有较大的关联。

根据自然维度潜在状态的时间演变及表1所选取的指标体系，该区域形成了以甘肃秦巴集中连片特困区中西部、陕西秦巴集中连片特困区东北部为高自然维度潜在状态等级核心地带，自北向南递减的空间格局，且各子区域自然维度等级呈现出差距扩大的趋势。甘肃秦巴集中连片特困区自然维度潜在状态排名保持不变，始终处于末位，与该片区处于西北半干旱区所导致森林覆盖率较低等因素有关。湖北秦巴集中连片特困区自然维度潜在状态持续增强，与“南水北调中线工程”的实施，加大以丹江口为中心区域的生态环境改善等措施有关。重庆秦巴集中连片特困区呈现持续下降，为整个秦巴集中连片特困区下降幅度最大的区域，但下降的幅度有限，自然维度得分只由2006年0.4211减缓至2014年0.3808。随着南水北调水源涵养生态功能区建设的需求及国家天然林资源保护工程的实施，陕西秦巴集中连片特困区重点提升所辖县区的森林覆盖率，以确保汉江水质监测断面水质稳定在Ⅱ或Ⅱ类以上。由此可见，贫困与地理环境之间存在着不可分割的联系，区域地理环境的不平等与区域贫困有着密切的联系（曲玮等，2010）。

3 讨论与结论

连片特困区贫困是特殊的区域性贫困，要实现持久脱贫，关键在于准确识别和评估区域的贫困程度及其致贫原因。本文从经济维度硬现状、社会维度软现状及自然维度潜在状态3个维度，构建秦巴集中连片特困区多维贫困的测算指标体系，应用均方差权重法对2006年、2010年和2014年秦巴集中连片特困区多维贫困度进行了测算，并分析了多维贫困各维度的时空演变规律。得出：

（1）秦巴集中连片特困区多维贫困度得分偏高，区域贫困程度整体较高。2006年、2010年和2014年的多维贫困度得分均值分别为0.6252、0.6235、0.5873，呈现下降趋势。

（2）秦巴集中连片特困区的多维贫困在不同贫困维度上体现了显著差异性。其中经济维度硬现状得分最高，社会维度软现状得分次之，自然维度潜在状态得分最低。同时，经济维度和社会维度减缓程度较高。

（3）总体上看，2006—2014年秦巴集中连片特困区多维贫困度都呈减弱趋势，多维贫困得到显著改善，且表现出以甘肃省徽县至湖北省房县为轴带的中部地区集聚的空间演变趋势。

（4）在秦巴集中连片特困区总体多维贫困显著改善的同时，不同子区域及不同的贫困维度在减贫路径上也体现出不同的演化特征。经济维度硬现状等级较高的区域由2006年的多而分散演变为2014年的少而集中；社会维度软现状较高等级区域主要集中在秦巴集中连片特困区各子区域的邻接地带；自然维度潜在状态形成了以甘肃秦巴集中连片特困区中西部、陕西秦巴集中连片特困区东北部为高等级自然维度潜在状态核心地带，自北向南递减的空间格局，且各子区域自然维度等级呈现出差距扩大的趋势。

总之，基于多维角度来研究分析区域贫困问题，比单维的经济性贫困更能准确地反映区域内贫困状况（刘艳华和徐勇，2015），能够识别因环境、生产条件等区域差异因素造成的“点上”贫困，更能为政府在减贫过程中因地制宜地开发多维能力提供依据。

本文通过构建3个维度、18个指标体系对秦巴集中连片特困区多维贫困进行测算，应用地理学方法对其时空格局进行研究，可为该区域内县域尺度贫困类型特征识别以及扶贫工作前期评估、后期验收成效等提供一定技术支持；同时分析所得结论亦可为后期实施因地制宜的脱贫措施提供科学的辅助决策支撑。但由于数据获取限制，本文仅仅基于秦巴集中连片特困区的3个时间段的截面数据进行县域贫困特征的度量。因此，进一步的工作应瞄准多时空尺度数据源支持下的多维贫困监测模型，以系统地响应当前国家精准脱贫战略部署所涉及精准识别 — 精准帮扶 — 精准考核等层面的技术需求。