贵州省易地扶贫搬迁现状的数据可视化分析——以黔南州为主要研究对象

胡楚翼，吴亚星，杨全诚，胡 尧

（贵州大学，贵州 贵阳 550025）

一、引言

由于经济社会发展滞后，农村贫困问题突出，贵州省长期以来都被视为全国农村贫困人口最多、贫困面最广、贫困开发任务最重的省份之一。伴随我国迈向全面小康社会的进程进入历史性阶段，“十三五”时期易地扶贫搬迁时间更紧、任务更重、难度更大，为有序推进“十三五”时期贵州省易地扶贫搬迁工程，顺利完成“十三五”期间对2018年底调整后的全省共188 万人口实施易地扶贫搬迁，对当下扶贫搬迁情况的分析总结具有重要意义。从现有的研究来看，主要还是以案例调查为主，缺乏较大规模的实证调查数据支持，并且一些研究年代较为久远，研究结论已无法保证适用于新形势下的易地扶贫搬迁，且很少有学者从微观角度对中国易地扶贫搬迁进行细致深入的摸底调查。

目前，国内许多学者根据各种各样的理论分析和技术方法，结合当前政策的实际，对易地扶贫搬迁开展了一系列的学术研究。如孙晗霖等通过对有效数据的分析，用地理坐标建立地图可视化，选取构建结构方程模型（Structural Equation Model）方法来展开对重庆市酉阳自治县易地扶贫生计满意度的研究；陈烨烽等基于国务院下发的数据，建立信息可视化，并通过线性回归及指标贡献度分解挖掘致贫因素，再利用最小方法模型进行分析，得出结论；张全红和周强在已有的多维贫困维度基础上，增添了收入指标维度、建立了多维贫困模型、观察单维度及多维度的贫困发生率，把数据通过文本可视化来展示，最后得出对于当地政策的建议及结论；刘艳华和徐勇建立可持续生计方法、分析五大生计资本、剖析脆弱性的相关指标，丰富了多维贫困度量方法，得出相关结论，与政策期望符合。

黔南州位于贵州省中南部，自2016年实施《贵州省易地扶贫搬迁工程实施规划》以来，坚持把易地扶贫搬迁作为脱贫攻坚的重头戏和主战场，充分发挥各部门职能作用和群众主观能动性，成功摸索出了被时任贵州省委书记陈敏尔提炼升华并在全国全省推广的“五个三”易地扶贫搬迁后续扶持服务发展经验，并取得了显著成效。为了探索新时期易地扶贫的主要特征，我们采取了重点对象分析法，通过实地调查与走访，采集到了黔南州易地扶贫搬迁现状的第一手数据，本文采用聚类分析的方法对黔南州易地扶贫调查数据进行了研究并利用Tableau 软件对2016—2017年贵州省易地扶贫搬迁数据进行可视化分析。

二、研究方法与数据来源

（一）研究方法

本文所用的聚类方法是层次聚类法（Hierarchical Cluster Analysis）。本文从宅基地流转率、山林地流转率、承包地流转率、就业落实率、已投资经济占比和贫困发生率这6 个指标对我们所要研究的56 个安置点进行层次聚类分析。

首先，考虑是否有必要把6 个变量都作为分类变量时，我们可以先做一个R 型聚类分析，使聚类数为3～5 类这个范围内，对这6 个变量进行降维处理，输出“近似值矩阵”，得到每个变量之间的相似性系数rjk，有助于变量降维。使用的是最远距离法来计算出R（Gi，Gk），变量与变量之间的聚类过程使用的是平方欧几里得距离法，得到di。

其次，在确定R 型聚类后，对个案进行Q 型聚类，即对具体观测值数据（56 个安置点）聚类分析，采用瓦尔德方法（Wald Method），类与类间的聚类过程采用平方欧几里得距离。

最后，关于聚类效果的验证，本文选用单因素方差分析法对聚类后的各个类别进行分析，利用SPSS 中的means 过程进行检验，差异显著则结果可靠。

（二）数据来源与指标选取

考虑到数据的可得性和分析的客观性，我们把研究空间从贵州全省范围聚焦到黔南州的县份、安置区，有针对性地分析该地区的搬迁现状和扶贫工作的推进情况。本文所得的相关数据主要包括安置地情况数据和基础地理空间数据两部分。前者主要来源于黔南州人民政府网依申请公开的易地扶贫工作数据及披露出来的资金使用情况；后者基于ArcGis 软件的应用，提取了各个安置点以及县市级的经纬度坐标，有利于热力图的分析与应用。同时，采用了聚类分析方法和方差分析法对黔南州2016年扶贫搬迁安置点的指标变量划分及类型区域划分，分为了五类变量指标和6 类安置点区域。

（三）数据可视化软件介绍

Tableau 软件依靠新的处理引擎，能够处理各种规模数据，并同时保证数据提取分析，提供可视化交互。本文的数据来源于贵州省各市州水库与生态移民局，数据包括2016—2017年贵州省贫困人口数量、贫困发生率等指标，利用Tableau 软件和现有数据生成各种图形，并对贵州省易地扶贫搬迁数据进行可视化分析。

三、结果与分析

（一）聚类结果分析

本文主要采用了SPSS 24.0 软件进行的聚类分析，通过对6 个变量指标的重分类以及56 个安置点的系统聚类，将黔南州2016年易地搬迁安置点初步划分为6 类。在考虑是否有必要把6 个变量都作为分类变量时，我们可以先做一个R 型聚类分析，使聚类数在3～5 范围内，对这6 个变量进行降维处理，输出“近似值矩阵”，如表1，有助于变量降维。

表1 近似值矩阵

表1 中可以看出各变量之间的相关系数都不大，并且再由聚类成员可知（见表2）：5 个变量聚类时就业落实率与承包地流转率二选一即可；4个聚类时，则再在山林地流转率与宅基地流转率中二选一。因此，综合近似值矩阵结果，确定出用于聚类的变量为：贫困发生率、投资占比率、就业落实率、山林地流转率、宅基地流转率，共5 个变量，接下来再对56 个安置点做Q 型聚类。

表2 聚类成员

图1 是聚类分析谱系图，直观地表达数值分类结果，同时，从表3 中也可以看出，把56 个安置点分成6 类是较为合适的。这个时候最大的类别中含有16 个安置点，占全部安置点的28.57%；而最小的类别中含有4 个安置点，占全部安置点的7.14%。而其他分类方法或者含有的类别过少（例如3 类或4 类时），或者某些类别中含有的安置点过少（例如8 类、9 类或10 类时），所以综合选取Ward Method（6）来作为我们的聚类。接下来我们可以通过SPSS 中的Means 过程计算各个类别的描述统计量和各个类别中6 个变量是否有显著性的方差分析表，如表4 所示。

图1 聚类分析谱系图

表3 聚类识别

表4 方差分析

表5 方差分解

从表4、表5 中可以看出，各个类别之间在宅基地拆除率、山林地流转率、就业落实率、投资占比率、贫困发生率这5 个变量上都存在显著性差异，并且这种差异具有统计意义。总的来说，宅基地拆除率较为良好，山林地流转率较为集中在第六类，就业落实率以75%为界限可以分为高低就业率，投资占比率以65.6%可分为高低投资率，而贫困发生率除了第六类较低以外，其他地区都偏高，以9%为界限。综合以上的分析，将56 个安置点可以如下分类：

第1 类：低就业、低投资、高贫困发生地区。这一类别主要包含三都等16 的安置点，从图表显然可以看出，各项指标产生的效果远低于其他类别。

第2 类：低就业、高投资、中等贫困发生地区。这一类别主要包含白云山、龙里、惠水等11 个安置点，这一类除了投资较高以外，其他指标都不良好，但对比第一类，可见投资产生的效果还是较为有用的。

第3 类：高就业、低投资、高贫困发生地区。这一类别主要包含捞村等4 个安置点，这一类结合这4 个安置点当地的政策意见，并且由图可知，土地流转率（山林地、宅基地）极低，即使就业较高，但低投资和低土地流转率所带来的影响大于就业率影响。

第4 类：低就业、高投资、高贫困发生地区。这一类别主要包含云雾镇等14 个安置点，由于低就业率，导致当地发展即使高投资率，但也难免于高贫困率的结果。

第5 类：低就业、高投资、高贫困发生地区。这一类别主要包含福泉等7 个安置点，其与第4 类的主要区别在于，土地流转率非常低且宅基地拆除率也相对较低。

第6 类：中等就业、高投资、低贫困发生地区。这一类别主要包含瓮安等4 个安置点，其特点在于土地流转率较为良好，并且不低的就业以及政府的高投资，使得该地区发展非常良好。

（二）可视化结果分析

1.基于地理热力图的贵州省各州市贫困发生率情况（2016—2017年）。图2 是2016年与2017年贵州省各市州地贫困发生率的热力图。对贵州省各州市贫困发生率情况由渐变颜色的深浅进行对比分析可以看出，贵阳市依旧是处于贫困发生率非常低的一栏，这与贵州省的总经济投入以及政策方针有相当大的联系；遵义、铜仁、黔西南、黔南毕节这两年的变化微小，几乎都处于平稳状态；黔东南两年来一直是处于高贫困发生率阶段，结合当地政府部门以及对其他结构的了解，主要是因为“山水恶劣严重，一方水土养不了一方人”，需要着重去调查研究并计划新的合适的政策安排；六盘水在2016 过渡到2017 这一年贫困发生率有了较大的下降幅度，结合六盘水的政策计划，效果反馈非常不错。

图2 2016年和2017年贵州省贫困发生率

2.基于地理图的贵州省黔南州安置点分布情况。从图3 可以看出，点与点之间按照黔南州地理轮廓镶嵌分布。圆点大小代表其安置点的贫困人口数量情况，其分布大致可以描述为“中间大，两边小”。

图3 黔南州安置点分布

3.基于气泡图的贵州省各州市贫困人口数量情况。2015年初，贵州拥有493 万贫困人口，占全国8.77%，是全国贫困人口数量最多的省份，在全省88 个县（市、区、特区）中，贫困发生率在10%以上的有61 个，对照国家规定的“原则上贫困县贫困发生率降至2%以下（西部地区降至3%以下）”的脱贫目标，贵州的脱贫攻坚任务还很艰巨。

图4 2016年贵州省各州市贫困人口对比

从图4 大致可以看出，就贵州省本省而言，2016年毕节市所占贫困人口比例最高，其次是黔东南州，而贵阳市所占贫困人口比例最低。导致贫困人口差距大的原因一方面是因为作为贵州省省府的贵阳市本身经济较为发达且只有一个贫困县，相对其他县市而言贫困发生率小；另一方面，由于地理区域的原因，大多数贫困人口主要分布在武陵山区、乌蒙山区、九万山区等边远地区，再加上历史、文化等原因导致少数民族大多居住在边远地区。总体而言，贵州的贫困人口数大多数集中在少数民族地区。

从图5 贵州省各州市2016年和2017年贫困人口数对比中可以看出，六盘水市和遵义市的贫困人口数量下降的幅度最大，脱贫工作的效率得以体现。从我们收集到的数据，就遵义市来看，“十三五”期间，遵义市计划实施异地扶贫搬迁47 309户、198 316 人，截至2017年12月底，已完成搬迁23 465 户、99 974 人，完成计划的50%。另一方面，遵义市易地扶贫搬迁工作进入关键时期，各县（市、区）党委政府始终把工程建设进度作为易地扶贫搬迁的第一要务，到2017年底，2016年扫尾工程全部完成，2017年项目主体工程基本完成，拆房复垦居全省前列。总体来看，遵义市的易地扶贫搬迁推进的速度比较快。

图5 2016年和2017年贵州省各州市贫困人口对比

4.基于条形图的铜仁市三年搬迁率对比情况。结合图6，以人口为角度来看，铜仁市以及各个乡级县级的搬迁率在这三年里都有些浮动，颜色越偏向深红，则搬迁率越高，颜色越偏向浅蓝，则搬迁率越低。2016年大龙开发区的搬迁率是这一整年最高的，达到34.11%；而2017年，则是玉屏县最高，高达41.23%；再到2018年，铜仁市高新区和沿河县呈现突袭地趋势，分别高达84.44%、83.30%，同时碧江区搬迁率也在这一年达到了67.70%。其中，大龙开发区搬迁率在这三年明显地骤降；玉屏县呈现为突长并骤降的三年趋势。这与国家实施的“十三五”计划是密不可分的，并且也为下一个阶段奠定了良好的基础。

图6 铜仁市三年搬迁率对比

5.基于瀑布图的黔南州2016年宅基地、三块地情况。从图7 的瀑布图中可以看出，都匀市、平塘县和福泉市的宅基地（已复垦复绿）在黔南州的各县市中最为突出，其原因在于这三地的自然区域条件与复垦复绿的要求比较吻合。另一方面，各级政府积极推进拆旧复绿，原有各项支农惠农政策补贴不变，使得这项进程有条不紊地进行。

图7 黔南州宅基地

图8 黔南州三块地

从图8 的瀑布图中可以看出，长顺县、平塘县、荔波县的三块地（公益林补助）在黔南州的各县市较为突出，其中，荔波县总计高达951 010 元。

6.基于饼图的中央预算内投资、省级统筹情况。从资金来源中，图9 中央预算内投资和图10贵州省级统筹投资中可以看出，黔南州各县市的分配大体比例上相差不大。在资金统筹方面，“十三五”时期易地扶贫搬迁投资按照建档立卡贫困人口人均5.8 万元，同步搬迁非建档立卡人口人均5 万元进行核算，由省负总责、统贷统还进行筹措。贵州省人民政府授权贵州省财政厅与贵州省扶贫开发投资有限责任公司签订政府购买服务协议，由贵州省扶贫开发投资有限责任公司负责承接省级统筹的相关专项资金、国家专项建设基金、省级政府债券资金，承贷金融机构政策性长期低息贷款和其他贷款资金，统一用于易地扶贫搬迁，搬迁安置任务完成后，剩余资金可以用于对贫困户宅基地复垦开发利用、创业就业等后续扶持。

图9 2016年中央预算内投资

图10 2016年贵州省级统筹投资

四、结论与政策启示

（一）结论

本文通过对贵州省的贫困发生率的大概图形展示，初步了解了各个市州的贫困状况，结合相关政策的导入与分析，继续选取黔南州作为研究重点区域，在实地调研以后，对数据进行预处理和简化处理，利用聚类分析的统计理论方法结合单因素方法分析检验，最终确定了适合数据处理的聚类模型，分成了六大类，每一类在结合政策计划的安排下，都有着各自的特征；其次，再利用其他数据，对黔南州进行简单的数据可视化研究，结合当地政府的侧重点分析，以及政策执行的效果分析，得出黔南州扶贫结果。

本文发现对于贫困率研究指标来说，在宅基地拆除率、山林地流转率、就业落实率、投资占比率等各方面表现较好的第六类地区贫困率显著低于其他地区，通过对六大类地区的贫困类型进行分析，找出后续政策的主要发力点，从而有效提高扶贫搬迁的效率，最后再对贵州省其他市州做简便的数据分析可视化图形，得到各样的扶贫结果。

（二）政策启示

结合“十三五规划”等政策文件，本文提出的政策启示主要有以下几条：

1.加强经济建设，盘活可用资金。只有盘活可用资金这一块源头活水，增强经济实力，才能有力支撑工程建设。“十二五”时期，贵州突出加速发展、加快转型、推动跨越的主基调，为实现2020年全面建成小康社会奋斗目标打下具有决定性意义的基础，经济发展驶入快车道对移民搬迁的支撑能力增强。“十三五”期间，政府应加大投入力度、提高补助标准、创新投融资模式、用好用活城乡建设用地增减挂钩政策，整合各类资源，拓宽资金渠道，为易地扶贫搬迁提供坚实政策、资金支持。

2.进一步深化落实“五个三”。坚持转移就业这一核心，以“4050”搬迁对象和零就业家庭转移就业为重点，在安置点成立劳务服务组织，有组织转移就业，抓好劳务输出工作，落实好全员就业培训，努力提升就业质量和水平。加快推进旧房拆除进度，着力解决“两头住”的问题。加大“三地”盘活力度，以整体搬迁为重点，采取“先兜底流转后开发”方式，推进迁出地的土地流转开发。同时，用好金融扶持政策，对没有流转开发承接主体的，由县（市）移民投资开发公司采取融资的方式，兜底流转土地。

3.秉持可持续发展理念，加强迁出地的生态环境建设。随着人口与资源矛盾的有效缓解，退耕还林以及相关生态工程建设的有效进行，有效改善搬迁地的生态环境，增加森林覆盖率，减少乱砍滥伐，治理水土流失。从某种意义上来说，生态环境保护也是推动社会经济效益增长的有效手段。在改善生态环境的基础上，对该地区予以有效的开发和利用。

4.基于不同维度缺乏，需侧重不同的解决方法。首先，要重点抓好“三山”特困地区、人口较少民族、2 个省级极贫乡镇和全州15 个一类贫困乡镇的易地扶贫搬迁。其次，针对经济总量小、就业容量不足、搬迁任务重的县份，坚决推进实施跨行政区域搬迁安置。