我国农村居民生活质量的空间格局及影响因素——基于ESDA—GWR模型的分析

李琼 ，赵阳，周宇

（1. 吉首大学商学院，湖南 吉首 416000；2. 中国科学院地理科学与资源研究所吉首大学院士专家工作站，湖南 吉首 416000）

人的生存和发展需要是社会发展的基本出发点和原动力，提高人民的生活质量是社会发展的最终目标与最高原则[1]。改革开放四十年，我国经济持续高速发展，人民的生活水平日益提高。特别是党的十八大以来，随着一系列民生政策扎实落地，人民生活的质量得到明显改善。党的十九大报告强调“坚持以人民为中心”的思想，让改革发展成果更多更公平惠及全体人民。然而，长期以来的城乡二元结构发展模式使得中国农村居民的生活质量远不及城镇居民，实现改革发展成果更多更公平惠及全体人民最大的短板在于如何提高和改善农村居民的生活质量。没有农村居民生活质量的迅速提高，全面建成小康社会这一目标也就无从谈起[2]。因此，在现阶段研究我国农村居民生活质量不仅可以丰富和完善收入分配理论，而且对于缩小城乡之间、地区之间的收入差距以及实施乡村振兴战略具有很强的实践意义。

关于生活质量的内涵目前尚未形成具有通识的定义，生活质量是对于生活及其各个方面的评价和总结[3]，是对幸福的总体感觉[4]，是个体获得的心理和物质上的福利[5]。虽然理论界尚未就生活质量的内涵达成完全一致看法，但这不妨碍生活质量成为社会学、经济学、医学、地理和规划学研究的重要议题[6]。生活质量的探讨起源于19世纪30年代的美国，将生活质量作为学术用语的是美国制度经济学家加尔布雷斯（Galbraith），他于1958年在《富裕社会》这一书中修正了GDP作为国民经济福利的指标，并提出生活质量是生活的舒适性和便利性程度以及精神上获得的乐趣和享受。之后的研究主要集中对生活质量概念的界定[7]、评价指标[8-9]、影响因素[10]等方面。国内对生活质量的研究始于20世纪70年代，大规模的研究却是在80年代以后。早期研究对象主要针对城镇居民[11-12]，随着国家对“三农”问题的关注以及全面建成小康社会的提出，学术界对我国农民生活质量的相关研究也日益增多。研究内容与国外大体相同，主要包括农村居民生活质量的界定[13]、评价体系[14-15]、影响因素[16-17]。由于我国人多地广，区域间异质性强，各地农村经济发展水平不一，不少学者对农民生活质量的区域性差异进行了探讨[18]。总的来看，理论界关于我国农村居民生活质量的研究主要使用的是微观数据（对某县或某村调研获得的数据），少数使用宏观数据的研究指标设计过于简单，不能全面客观地反映我国农村居民的生活质量。同时，目前的研究缺少从空间视角对农村生活质量等级分布的格局及原因进行探讨。鉴于此，本文使用2016年31省（市、自治区）的截面数据，从农民物质生活、农村经济条件、社会安全及社会保障、生态环境和教育文化等5个维度筛选出反映农村居民生活质量的33个代表性指标，运用主成份法计算31省（市、自治区）农村居民生活质量综合得分。在此基础上借助GIS技术平台，运用探索性数据（ESDA）可视化农村居民生活质量的空间格局，以整体上把握我国各地农村居民生活质量等级分布规律。同时，运用地理加权回归模型（GWR）分析影响我国农村生活质量空间格局的因素，以期为解决农村经济发展不平衡提供客观依据。

1 研究方法

1.1 主成分分析法

主成分分析法（Principal Component Analysis,PCA）由霍特林于1933年首次提出的多元统计分析方法，被广泛运用于医学、经济学和心理学。其核心是利用降维的思想线性变换，将多个实测变量转变为少数几个不相关的综合性指标（即主成分）。综合指标代表的信息不重叠，但能反映原始变量的大部分信息。假定有n个地理样本，每个样本共有m个变量描述，这样就构成了一个n×m阶的地理空间数据矩阵[19]：

式中：m表示研究对象的变量，记作x1，x2，…，xm。适当调整组合系数，对x进行线性变化后，主成分表达式[19]为：

式中：Z1，Z2，…，Zn是不相关的主成份，且Z1是线性组合中方差最大者，Z2是与Z1不相关的线性组合中方差最大者，Zn是与Z1，Z2，…，Zn-1都不相关的线性组合中方差最大者。本文选取的33项指标从不同的角度反映了农村居民生活质量的信息，但自变量的单位不同，会使实证分析变得困难。为消除量纲不同和多重共性的问题，对于建立好的数据矩阵首先进行了标准化处理。通常情况下，在主成分分析之前，需要先进行KMO和Bartlett的球形检验，以检验变量之间是否具有相关性。KMO取值在0～1之间，检验的标准通常是KMO大于0.5时有统计学意义。Bartlett球形检验的统计值如果较大，且其对应的相伴概率值P＜0.05，表明相关系数矩阵不可能是单位阵，因子分析有效。

1.2 探索性空间数据分析

1.2.1 全局空间自相关 全局Moran's I（MI）常用应用于全局聚类检验，其取值范围为[-1, 1]。具体涵义为： MI＞0，表示研究对象趋于空间聚合特征，越接近1，空间相关性越明显；MI＜0，表示空间负相关，越接近-1，表示空间差异性越明显；MI=0，代表不相关且随机分布。其计算公式[20]为：

式中：n为空间单位数，Xi代表空间单元i的属性值，Xj代表空间单元j的属性值，X为各单位上的观察值，Wij为空间权重矩阵。本文采用距离关系的空间权重矩阵，当区域i和j距离小于d时，Wij=1，当区域i和j距离为其他时，Wij=0。一般用Z值对全局莫兰指数进行检验，Z值大于1.96或Z值小于-1.96时，表示我国农村居民生活质量在空间上存在显著的空间自相关。Z的计算公式为：

1.2.2 局域空间自相关 局域空间自相关主要用于揭示局部区域的空间集聚特征，探索子区域的异质性。结合莫兰散点图和Local Moran's I（LMI）统计量可以可视化我国农村居民生活质量的局部空间结构，研究每个区域与周边地区的空间差异程度。莫兰散点图分为四个象限，分别识别一个地区及其邻近地区的关系。其中，第一象限（HH）表示农村居民生活质量高值区被其他高值区包围；第三象限（LL）表示农村居民生活质量低值区被其他低值区包围；第二象限（LH）表示农村居民生活质量低值区被高值区包围；第四象限（HL）表示农村居民生活质量高值区被低值区包围。局部莫兰指数（LMI）计算公式[21]为：

式中，LMI为空间单元i的局部莫兰指数，S2为方差。若LMI＞0，表示我国农村居民生活质量高值或低值的空间集聚；若LMI＜0，则表示我国农村居民生活质量高值被低值包围或是低值被高值区包围。

1.3 地理加权回归模型

地理加权回归模型（GWR）是一种特定的空间回归模型，与传统计量经济中线性回模型假定事物无关联且均质分布不同，地理加权回归模型允许不同区域回归系数随空间距离变化。以反映因变量和多个自变量之间的局部关系。具体计算方法[22-23]为：

式中：yi为样本i的因变量；xki为样本i的第k个自变量；k为解释变量的个数；β0为回归模型的截距项；(ui，vi)第i样本的空间坐标；εi（i=1，2，…，k）为独立分布的随机误差项。

1.4 数据来源

本文的数据来源于2017年的《中国农村统计年鉴》《中国社会统计年鉴》《中国财政统计年鉴》《中国统计年鉴》以及各省（市、自治区）的国民经济与社会发展统计公报。个别缺失值通过插值法或贝叶斯估计法补齐，港澳台地区数据缺失故不纳入。

例如，对示例程序点9所确定的对变量j重新赋值的多项式j=j+2。显然内层的循环的迭代次数不大于（10-2）/2=5次，且不小于（10-4）/2=3次。对外层结构的循环中循环变量i的多项式为i=i+1，外层循环的迭代次数不大于（10-1）/1=9次，且不小于（10-4）/1=6次。所以该循环结构迭代次数为：[3..5]×*[6..9]=[min（3×6，3×9，5×6，5×9）..max（3×6，3×9，5×6，5×9）]=[18..45]次。相比与之前粗糙的边界值（0，100），显然依据本文中提出的方法可以得到的较为精确的程序循环边界为（l，u）=（18，45）。

1.5 指标体系构建

由于对生活质量概念界定未形成通识性的定义，学者基本上是根据自己对生活质量概念的理解构建评价指标体系。生活质量不仅包括反映实际条件的客观特征，还包括对生活现状的主观认识与评价，应以多维度的测量指标来评价生活质量[24]。生活质量应该从精神和物质层面两个方面进行考察，具体包括收入、消费、储蓄、生活环境、文化娱乐和生活环境等[25]。参考理论界的研究成果，遵循全面性和系统性原则，考虑数据的可获得性和代表性，本文从物质生活、农村经济、文化教育、生态环境、社会安全和保障等维度选取33个指标建立我国农村居民生活质量评价指标体系（表1）。

2 结果与分析

2.1 我国农村居民生活质量综合得分分析

本文借助SPSS22得出KMO和Bartlett的球度检验的统计值分别为0.649和770.956，且P=0.000，适合做因子分析。按照特征根大于1和累计方差率大于80%的原则，确定7个反映农村居民生活质量的公共因子，31省（市、自治区）农村居民生活质量综合得分如表2。

表1 农村居民生活质量评价指标体系及描述性统计信息Table 1 Rural residents' quality of life evaluation index system and descriptive statistics

由表2可知，2016年我国农村居民生活质量得分为0.348，总体水平不高。从综合得分类型来看，有正值和负值两种类型。其中，北京、天津、河北、福建、江西、山东、河南、湖南、湖北、广东、江苏、浙江、海南、上海、广西、重庆、四川等17省份农民生活质量综合分为正值，山西、内蒙古、辽宁、吉林、黑龙江、安徽、云南、贵州、西藏、陕西、甘肃、青海、新疆、宁夏等14省份为负值。在31省份中，农民生活质量综合得分排在前三位的为上海（4.568）、浙江（4.125）和北京（3.833），处在后三位的为吉林（-1.341）、安徽（-1.222）和黑龙江（-1.209），省际之间不平衡性特征明显。从四大区域来看，农民生活质量等级由高到低为东部地区（1.589）＞西部地区（-0.67）＞中部地区（-0.211）＞东北地区（-1.013）。考虑到安徽在中部地区负值过大的情况，剔除掉安徽省，中部地区农民生活质量综合得分为-0.009，四大区域综合得分排名为东部地区＞中部地区＞西部地区＞东北地区。由四大区域的比较来看，除了东部地区，其他三大区域的农民生活质量综合得分均为负值。可见，在相当长的时间内，缩小地区农民生活水平差距仍是我国政府应解决的头等大事。

表2 31省（市、自治区）农村居民生活质量综合得分Table 2 Comprehensive scores of quality of life of rural residents in 31 provinces

2.2 我国农村居民生活空间格局特征

2.2.1 全局自相关分析 借助ArcGIS10.2平台，计算农村居民生活质量综合得分的全局MI为0.23，Z值为2.52。MI大于0，Z值大于1.96，且P值均能够通过置信度1%的显著性检验（P=0.003），表明我国农村居民生活质量在总体上具有正相关性特性，即生活质量水平高的地区被生活质量高的地区包围，生活质量水平低的省份趋于集聚。采用分位数法将农村生活质量综合得分划为5个等级，依次分为高、较高、中等、较低和低等（表3）。

由表3可知，2016年我国农村居民生活质量水平区域差异明显，高水平和较高水平主要分布的东、中部地区，较低水平主要分布在西部地区，低水平区主要分布在东北地区。我国农村居民生活质量高水平区包括北京、天津、江苏、上海、浙江；较高水平区包括河北、湖南、江西、福建、海南；中等水平区包括山东、河南、湖北、四川、重庆、广西、广东；较低水平区包括新疆、甘肃、青海、宁夏、陕西、贵州、云南；低水平区包括吉林、辽宁、黑龙江、内蒙古、山西、西藏和安徽。从整体区域来看，我国农村居民生活质量综合得分处于次低水平和低水平的省（市、自治区）主要分布在东北地区和西部地区。东部沿海地区，特别是北京、天津、上海和浙江农村居民生活质量水平高。

表3 31省（市、自治区）农村居民生活质量等级Table 3 Quality of life grades of rural residents in 31 provinces

2.2.2 局部自相关分析 全局MI仅仅说明了研究区域的整体空间聚集特征，而无法识别局部区域空间上的差异。为了进一步揭示我国省际农村居民生活质量在局部尺度上的空间集聚程度，本文借助GeoDa软件，选用了局部MI统计量、MI散点图和LISA聚类图来探测和可视化我国农村居民生活质量局部自相关和空间特征。结果显示，农民生活质量得分局部MI为0.391，农村居民生活质量具有高值或低值的空间集聚特性，即生活质量高的省被高质量的省包围，生活质量低的省份周围是生活质量低的省份。图1为2016年我国农村居民生活质量综合得分（ZHDF）在省域尺度下的MI散点图，其局部空间集聚为高—高集聚、低—高、低—低集聚三种类型，即MI散落在第一、二、三象限。在31省（市、自治区）中，除了北京、天津、上海和浙江外，其他27省（市、自治区）落在第二、三象限，占总数的87.1%。这一方面说明我国农村居民生活质量在空间上呈集聚分布，地区差距大，另一方面也说明我国农村居民生活质量整体不高，离小康社会生活水平指标实现程度还有一定的差距。因此，在相当长的时间内，改善居民的生活质量、缩小城乡和地区收入差距依然是政府面临的头等大事。

图1 农村居民生活质量综合得分Moran's I散点图Fig. 1 Comprehensive scores on the quality of life of rural residents

Moran's I散点图是否具有统计意义，还需要通过LISA聚类进行分析。表4可以看出，2016年我国农村居民生活质量局部空间自相关类型既有正相关的高高（HH）型和低低（LL）型，又有属于负相关的低高（LH）型。低低型分布在黑龙江、内蒙古、吉林、辽宁等地区，低高型分布江苏，高高型分布在上海。其中，辽宁、江苏在5%水平显著，黑龙江、吉林、内蒙古、上海在1%水平显著（表5）。

表4 农村居民生活质量综合得分LISA聚类Table 4 Distribution of the LISA cluster graph for the quality of life of rural residents

3 农村居民生活质量空间格局的影响分析

3.1 空间格局影响因子的选取

表5 农村居民生活质量综合得分显著性水平检验分布表5 Distribution of level test for comprehensive qualityof life scores of rural residents

梳理相关文献我们发现，理论界的研究主要集中在探讨影响农村居民生活质量的因子及原因，而对于形成农村居民生活质量某种空间格局的影响因素的研究还未涉及。实事上，农村居民生活质量是地区经济发展水平一个方面，其水平高低与地区经济、社会、文化和教育等相关。因此，我国农村居民生活质量的空间格局是互为联系的多种因素综合因素的产物。本着全面性、代表性和数据可获取性原则，本文选取了15个指标，包括地区生产总值、农村居民人均纯收入、城镇居民人均可支配收入、财政收入、财政支出、城镇化率、城乡收入比、教育支出、农林水支出、社会保障和就业支出、医疗卫生支出、城乡居保参保人数、城乡居民医疗参保人数、城乡居保人均支付标准和农村最低生活保障标准。选取的因子是否与因变量具有相关性，本文采用逐步回归方法，依据Pearson相关系数和显著性统计量（P＜0.005）进行筛选，选取农村居民人均纯收入（Pearson=0.846，P=0.000）、教育支出（Pearson=0.416，P=0.000）、城镇化率（Pearson=0.671，P=0.000）、城乡收入比（Pearson=0.671，P=0.000）、GDP（Pearson=0.578，P=0.000）、社会保障和就业支出（Pearson=0.762，P=0.000）、农村最低生活保障标准（Pearson=0.762，P=0.000）等7个影响农村居民生活质量空间格局的解释变量。

在进行地理加权回归分析之前，采用筛选法解决自变量的多重共线性现象，最终确定教育支出、农村居民人均纯收入、社会保障和就业支出、城镇化率为解释变量，以生活质量综合得分（ZHDF）作为被解释变量，运用GWR模型分析我国农村居民生活质量空间差异的成因。GWR模型AIC值为79.173，R2值为0.79，模型线性拟合度高。由表6可知，农村居民人均纯收入、教育支出、社会保障和就业支出、城镇化率对我国农村居民生活质量具有正向影响作用，即农民可人均纯收入、教育支出、社会保障就业支出、城镇化率等越高，农村居民生活质量水平越高，但各因子的影响程度在省际之间有显著差异，即同一因素对不同省域的影响程度不一。这说明如何在提高我国农村居民生活质量方面，各省应本着统筹发展的理念，坚持一般性与特殊性的原则。

3.2 农村居民人均纯收入

GWR模型的农民人均纯收入回归系数为正值（表6），回归系数均值为0.292，在影响生活质量的4个因素中回归系数最大。按照马斯洛的五层次需求理论，人的需求包括由低到高5个层次，低层次得到满足是向高层次需求过渡的前提。经济实力是农村居民最低层次需求的保障，也是影响农民生活质量的首要因素[26]。改革开放以来，为增加农村居民的收入，提高农民的生活质量，中央发布了20个以“三农”为内容的中央一号文件。随着这些中央一号文件利农、惠农政策的不断落实，极大地激发了农业生产活力，调动了农村居民的生产积极性，农民收入大幅提高。我国农村居民收入由1978年的134元增加到2016年的12 363元，年均增速为11.98%。可见，经济实力对农村居民生质量有着决定性的作用，经济的发展为改善民生提供物质基础。但由于长期以来的政策导向、区位优劣和社会经济发展程度等原因，导致农民人均纯收入对生活质量的影响程度大小不一。农民人均纯收入的回归系数呈现出由西向东逐渐递减空间分布特征，这说明西部地区农民人均纯收入对生活质量的影响比中部和东部地区更大，西部地区农民生活质量对人均纯收入的敏感性更高。在31省（市、自治区），新疆和西藏农村居民人均纯收入对生活质量的影响处于前列，影响因素分别达到了0.401和0.396。

3.3 城镇化率

城镇化回归系数为正值，回归系数均值为0.289，在影响生活质量的4个因素中排名第二（表6），说明城镇化与农村生活质量表现出很强的正相关关系。城市化发展从两个方面影响农民的生活质量，一是城镇化推进过程中，农村富裕劳动力向城镇转移，家庭收入结构，工资性收入大幅增加；另一方面，城镇化改善了农村居民的生活条件，部分在城市就业的农民将土地流转出去，提高了土地的利用率，从而增加了农民从土地上获得的收入。1978—2016年我国城镇化率由10.64%上升到57.35%。城镇化率对农村居民生活质量的影响存在地域差异，城镇化率的回归系数呈现出由东向西逐渐递减的空间分布特征。这说明东部和中部地区城镇化率对生活质量的影响比西部地区更大。城镇化率回归系数排前十的省份包括福建（0.360）上海（0.358）、浙江（0.357）、江苏（0.350）、安徽（0.346）、江西（0.344）、广东（0.340）、山东（0.339）、辽宁（0.338）和湖北（0.337）。生活质量得分高的地区都是我国工业化和城市化发展较为迅速的一些省份，工业化和城市化相对不发达的省份，其农村居民生活质量也偏低[27]。

3.4 教育支出

教育支出回归系数均值为0.208，在4个影响因素中排名第3位 （表6），说明投入教育的费用越多，农民生活质量水平越高。教育对农民生活质量的影响主要通过教育推动经济发展的传导机制实现。柯布—道格拉斯生产函数表明，决定一个国家工业发展水平的主要因素是劳动力和资本要素。教育是经济发展的重要动力，教育投入有利于提高劳动者的素质和提高劳动生产率，形成更加合理的产业结构，从而增加国内生产总值，从而保障农村居民分享更多的经济成果。教育支出对农民生活质量的影响具有空间上的异质性，教育支出回归系数呈现由东南部向西北部递减的空间格局。在31省（市、自治区）中，教育支出回归系数前十位的为海南（0.242）、广东（0.240）、广西（0.236）、福建（0.235）、江西（0.228）、湖南（0.228）、贵州（0.227）、云南（0.224）、浙江（0.235）和湖北（0.222）。教育投入对经济增长有着积极的促进效应，而这种效应无论是在长期还是短期呈现出明显的地区差异性[28]。

3.5 社会保障和就业支出

社会保障和就业支出回归系数均值为0.124，反映其对农民生活质量有正向影响，国家在社会保障和就业方面的支出越多，农民生活质量水平越高。社会保障和就业是民生的两大重要内容。社会保障通过对国民收入的二次分配，保证社会成员在遭遇养老、医疗、失业等风险时得到经济上的补偿，有利于维护社会公平。健全的社会保障制度体系不仅能有效地对农村贫困居民的生活进行兜底，而且还能提供较高的给付金额，从而满足人们较高层次的需求。我国社会保障制度的发展历程，也是一个不断将农村居民纳入制度范围内的改革过程。2002年我国为农民建立新型农村医疗保险制度，政府首次为农民的医疗问题投入财政经费。2009年我国为农民建立新型农村养老保险制度，政府首次为农民的养老问题承担了财政责任，这大大提高了生活质量和水平。社会保障和就业支出对农民生活质量的影响具有空间上的异质性，其回归系数整体上由北向南递减的空间格局特征。31省（市、自治区）中，社会保障和就业支出回归系前4位的为黑龙江（0.179）、吉林（0.171）、辽宁（0.164）和内蒙古（0.162）。

4 结论与政策启示

4.1 结论

2016年我国农村居民生活质量得分有正值和负值两种类型，地区之间呈现不平衡的特征。其中，东北地区和西部地区农民生活质量综合得分处于次低水平和低水平区。东部地区，特别是北京、天津、上海和浙江等地区处于高水平区。中部地区主要处于中等水平和次高水平区；从全局空间自相关来看，我国农村居民生活质量在总体上具有正相关性特性，即生活质量水平高的地区被生活质量高的地区包围，生活质量水平低的省份趋于集聚。

局部自相关分析表明，我国农村居民生活质量的局部空间格局为高—高集聚、低—高集聚、低—低集聚三种类型。其中高高（HH）型分布在上海，低低（LL）型分布在黑龙江、内蒙古、吉林、辽宁等地区，低高（LH）型分布在江苏省；农村居民人均纯收入、城镇化率、教育支出、社会保障和就业支出对我国农村居民生活质量具有正向促进作用，但同一因素生活质量的回归系数呈现空间异质性。农民人均可支配收入、城镇化率、教育支出和社会保障就业支出的回归系数的空间格局分别表现为由西向东、由东向西、由东南向西北和由北向南逐渐递减。

4.2 政策启示

1）坚持统筹区域社会经济协调的发展理念。我国不同省份农民生活质量的差距依然很大，本质上是区域社会经济发展不平衡不充分的体现[29]。因此，从宏观上应坚持统筹区域社会经济协调的发展理念，继续推行“东北振兴”、“西部大开发”和“中部崛起”战略，加大对贫困地区的财政转移力度，加强对贫困地区的社会保障制度建设，使所有区域的农村居民都能享受到发展的成果，从而使生活质量不断得以提高。

2）各地区应大力实施乡村振兴战略，因地制宜地发展农村经济。农民人均纯收入是影响生活质量的关键性因素，根据回归系数的空间分布特征，需要对不同类型区实施不同的区域政策。同时，经济发展在空间上具有外溢性，由于涓滴效应最终会大于极化效应而占据优势，应充分利用发达区域经济增加带动欠发达区域的农村经济增长，从而实现区域农村经济联动增长。

3）继续推进以人为核心的新型城镇化，发挥工业化和城市化对农业的反哺作用。城镇化推进过程中，外出务工的农村居民能获得工资性收入，而工资性收入的增加为农民提高生活质量创造了物质条件[30]。推进新型城镇化，应加快农业转移人口市民化，完善有利于农民进城的公共服务和社会保障制度。

4）要坚持就业优先战略和积极就业政策，实现更高质量和更充分就业。大规模开展农民职业技能培训，注重解决结构性就业矛盾，鼓励创业带动就业。