云南省县域多维贫困测度及时空演进分析

杨 希，袁希平,2*，甘 淑,2

（1. 昆明理工大学国土资源工程学院，云南 昆明 650093；2. 云南省高校高原山区空间信息测绘技术应用工程研究中心，云南 昆明 650093）

0 引言

贫困一直是世界性难题，根据联合国《千年发展目标报告》（2014年）指出，中国在全球减贫方面领先各国，极度贫困率从 1990年的 60%下降到2005年的16%，再到2010年的12%。改革开放以来，随着反贫困工作的开展，我国累计使2亿多人口摆脱贫困，农村人口贫困发生率由 1978年的30.7%（2.5亿人）下降到2013年的8.5%（8249万人）[1,2]。然而，这一数据仅是传统意义上经济收入标准下的绝对贫困。随着我国经济的飞速发展和人民生活水平的不断提高，对贫困的理解和研究局限于经济收入层面，仅通过经济收入来确定是否贫困并不全面。单纯的通过收入来定义贫困，不能体现贫困的多层次内容，且无法保证对经济收入所调查数据的客观性[3,9]，对精准扶贫工作的开展有一定的阻碍。因此，对贫困的研究应从一维的绝对贫困转向多维的相对贫困。

“多维贫困概念”于1973年由阿玛蒂亚·森在其著作《贫困与饥荒：论权利与剥夺》一书中首次提出，他指出：贫困不仅指经济层面的收入贫困，还包括一系列养老权、教育权、居住权等能力的缺失，从能力、权利、功能等维度来探讨贫困问题[4,15,16]。基于贫困是一种长期难以摆脱的状况，需要对贫困主体进行长期追踪，以监测贫困主体的贫困状况[5]。学界对多维贫困的研究已有不少成果，但就多维贫困而言，对云南省贫困县域多维贫困的研究较少，且缺乏区域在时空维度上的定量与定性分析[6,7,24,25]；此外，在长期以来的扶贫工作中可以发现，贫困农户脱贫巩固率是随着地区在总体上摆脱贫困约束之后而提高[8]，通过对县域实施贫困测量有利于考察扶贫效果，此外，对同一区域不同时期的贫困水平进行比较，可以发现贫困的缓解趋势及程度。从多维视角对贫困进行测度，有助于精准扶贫政策的制订，从而实现多层面减贫[9]，因此，对现有的研究依然存在可拓展的空间。

云南省所涉及的集中连片特困区数量占全国比例第一位[10]，据《中国县（市）社会经济统计年鉴》统计，云南省县域共计129个，国家扶贫重点工作县高达 79个，基于云南省的贫困状况以及脱贫目标，从多个维度考察贫困，有针对性地开展扶贫，更加准确地推进我国的精准扶贫工作。本文采用“Alkire—Foster方法”对云南省县域进行多维贫困测度，分别从经济收入、生活条件、教育、医疗社会保障四个维度11个指标进行测度，并对云南省县域的多维贫困进行跨时区的测度和比较，更有利于对贫困的识别和监测，为云南省国家扶贫工作重点县的精准扶贫、精准脱贫工作提供参考和决策依据，同时，为国家扶贫工作重点县域提供方法和实证参考。

1 多维贫困测度理论及方法

1.1 多维贫困

在阿玛蒂亚·森提出多维贫困理论的基础上，Alkire和Foster于2007年在其研究成果中首次提出的关于计算多维贫困测度的“Alkire—Foster方法”[11]，该方法通过将目标个体在每个维度上的指标的具体值与相应指标的贫困剥夺临界值进行对比，以此来确定目标个体在该维度上是否属于贫困[12]。“Alkire—Foster方法”具体步骤包括贫困维度确定、贫困指标选取、剥夺临界值的确定、贫困维度及指标权重确定、多维贫困程度识别[12,13]。

1.2 贫困维度确定及指标选取

Alkire和Foster于2007年在其研究成果中首次提出的关于计算多维贫困指数的“Alkire—Foster方法”，该方法主要选择了生活水平、健康和教育 10个指标选项[14,17]；1993年 Townsend提出，在当今社会，不仅需要考虑个人的基本营养需求，还应考虑主体对住房、安全以及教育层面的需求；亚洲开发银行于1999年将贫困划分为生存、安全、能力三个层次，通过从收入、生活条件、健康以及体面生活等视角来提高对多为贫困考察的合理性[17]；1997年联合国开发计划署（UNDP）对《人类发展报告》中提出的能力贫困指数进行了改进，提出了人类贫困指数（HPI），其贫困维度包括生存指标、知识指标和体面生活三个维度[18]。结合联合国千年发展目标，以及中国云南省县域的实际情况，对“Alkire—Foster方法”进行适应性修正，选择经济收入、生活条件、教育、医疗社会保障四个维度11个指标对云南省县域进行多维贫困测度，构建的指标体系如表1所示。

表1 云南省县域多维贫困指标体系Tab.1 Multidimensional poverty indicator system in Yunnan county

1.3 剥夺临界值的确定

贫困剥夺临界值是指各个贫困指标相应的阈值，即每个评价指标相对应的贫困标准。首先确定评价指标的贫困标准，然后通过目标个体在每个指标上的实际值与贫困标准进行对比，当被评价个体在某一指标上的实际值达到阈值，则视为该个体在该指标属于贫困[11,19,20]。基于本文贫困测度的个体是云南省县域，贫困剥夺临界值借鉴相对贫困理念，通过实验数据分析，将指标的剥夺临界值设置为同一时间点上所有样本指标均值的70%[6]。以2014年的数据作为贫困指标相对剥夺临界值的标准，既满足本文对云南省县域的多维贫困随着时空演进的变化分析，又保障了指标数据的可比性。将2014年同一指标上所有样本均值的70%作为贫困标准，样本指标值低于贫困标准，则表示样本在该指标属于贫困，即为该指标的贫困样本，将其赋值为 1；高于贫困标准则表示非贫困，赋值为0。

1.4 贫困维度及指标权重确定

在多维贫困测度中，确定了贫困维度及指标，还要对其权重进行赋值。目前，在多为贫困测度的研究中，贫困维度权重确定的方法包括的等权重法、频率加权法、统计方法和专家权威法等[6,21-23]。等权重法即对贫困测度中每个维度及指标赋予相同的权重，表示各个维度中的各个指标对贫困的贡献度相同。频率加权法是采用平方贫困距理念，以贫困主体在不同贫困维度出现的频率为基础，而对贫困指标进行不同权重的赋值[6,19]。统计方法主要有主成分分析法及多元对应分析等，基于该方法的权重难以解释所表示的经济含义，且不容易界定权重大小的合理性[23]，故本论文中贫困维度及指标的权重确定不采用该方法。专家权威法则是对专家意见进行统计、处理、分析和归纳，客观的综合专家的经验与主观判断来确定维度及指标的不同权重，以表示不同指标对贫困维度的不同贡献度；该方法简便、直观性强，且计算方法简单。等权重法赋予每个维度指标的权重相等，但在现有的研究中表明，不同维度的不同指标对主体的贫困贡献度并不相同；在方迎风等[21]多维贫困指数的敏感性分析中，基于其研究数据表明，调整权重会极大的影响指数的大小，因此，本文对云南省县域多维贫困的研究中，对其维度及指标的权重采用等权重法和频率加权法，通过两种方法确定贫困指标的权重，相互佐证，使研究结果更具科学性。

1.5 多维贫困识别及贫困程度判定

将多维贫困程度根据多维贫困剥夺分值划分为四个等级，根据前文所确定的各个维度指标贫困剥夺临界值和权重值，计算出各维度指标贫困剥夺值，以此为基础来确定贫困的等级，当被评价主体的多维贫困剥夺值大于0.25时，则将该主体确定为多维贫困。多维贫困分值及对应贫困程度如表2所示。

表2 多维贫困等级及判断标准Tab.2 The levels and criteria of multidimensional poverty

2 数据来源及处理

2.1 数据来源

本文数据来源于《中国县（市）社会经济统计年鉴》（2004、2008、2012、2016）、《云南统计年鉴》（2004、2008、2012、2016）。

2.2 数据处理

云南省包含12个市辖区，9个县级市，79个县，29个少数民族自治县，总共129个县，据《中国县（市）社会经济统计年鉴》（2004、2008、2012、2016）、《云南统计年鉴》（2008、2012、2016）相关数据，对于年鉴中缺失的县域数据，在空间分析时将其2004年、2008年视为轻度多维贫困县域，2012年、2014年判定为非多维贫困，对其余县域根据相关数据进行多维贫困测度与分析。利用 Excel完成数据的预处理及初步分析，包括以下步骤：（1）计算贫困标准：将同一时期同一指标上所有样本均值的70%作为云南省县域贫困剥夺临界值；（2）计算各维度指标的权重：首先对经济收入、生活条件、教育、医疗社会保障四个贫困维度分别赋予相等的权重 0.25；其次，采用频率加权法对各个贫困维度对应的贫困指标的权重进行赋值。以经济收入维度为例，设该维度中各项指标为Xi，即该维度中的人均第一产业增加值、人均地方财政一般预算收入、人均城乡居民储蓄存款余额三个指标为非贫困的样本比重分别为X1、X2、X3，则各指标m在总体多维贫困中的权重[15-20]：

计算云南省县域 2003-2015年各指标低于贫困线的县域数量及比例，如表3所示：

表3 云南省县域2003-2015年各指标低于贫困线的县域数量及比例Tab.3 Number and proportion of counties with indicators below the poverty line in Yunnan county from 2003 to 2015

2.3 数据处理工具

本文数据处理分为两个部分，第一部分则是利用Microsoft office Excel实验数据的提取及预处理，完成研究区域多维贫困测度后，利用 Arc Map10.6空间分析软件，即GIS的空间分析功能，利用分级色彩更加直观的表示多维贫困在各个研究时期的贫困程度，以及随着时间的演进，在空间上的分布特征。

3 云南省多维贫困测度结果分析

图1直观的表示了云南省县域贫困指标的变化情况。通过图 1，可以明显的看出，除了教育维度和生活条件维度中的人均本地电话户数指标存在波动外，云南省各县域从2003年-2015年各指标低于贫困线的比例都有不同程度的降低，四个维度贫困缓解情况依次为：经济收入>生活条件>医疗社会保障>教育。进入21世纪以来，云南省的经济得到一定的发展，人民生活条件较大程度提高；在医疗社会保障方面，从2003年至2015年超过50%贫困县域得到改善，说明云南省的扶贫工作取得一定的成效。

图1 2003-2015年云南省县域贫困指标变化情况Fig.1 Changes in county of poverty indicators in Yunnan Province, 2003-2015

3.1 云南省县域多维贫困状况

本文采用等权重法和频率加权法对 2015年云南省县域进行多维贫困测度，图2直观的反映了两种方法确定各指标权重的测度结果，其结果趋于一致，两种方法相互佐证，进一步证明研究方法的科学性和适用性。等权重法和频率加权法所确定的云南省县域多维贫困结果表明，各县域多维贫困剥夺值基于0-0.75之间，无重度贫困县域。等权重法的计算结果中，非多维贫困县55个，轻度多维贫困县42个，中度多维贫困 20个；频率加权法的计算结果中，非多维贫困县65个，轻度多维贫困县35个，中度多维贫困县17个（基于云南省调查数据117个县域，为便于表达，图2并未添加所有县域的贫困测度，且将云南省县域名称简化）。

图2 2015年云南省县域多维贫困状况Fig.2 Multidimensional poverty in Yunnan Province, 2015

3.2 多维贫困时空演进分析

3.2.1 多维贫困时间演进分析

基于等权重法和频率加权法所测算的云南省县域多维贫困结果趋于一致，为了方便计算，利用等权重法对云南省县域 2003年—2015年多维贫困状况进行统计，如图3所示：重度多维贫困县由2003年的16个减少至2015年的无重度贫困县域；非多维贫困县由2003年的0个增加至2015年的55个；轻度多维贫困和重度多维贫困为反贫困的过度阶段，随着时间的演进，轻度多维贫困县域数量增加，中度多维贫困县域数量在逐步减少。通过研究数据表明，随着扶贫政策的开展，从2003年-2015年，云南省的贫困状况得到一定的缓解，反贫困取得很大程度的绩效。

图3 2003年-2015年云南省县域多维贫困随时间的变化情况Fig.3 Multidimensional poverty over time in Yunnan Province, 2003-2015

3.2.2 多维贫困空间演进分析

利用Arc Map10.6空间分析软件的空间分析功能（图4），采用分级色彩表示云南省县域的多维贫困程度随着时间演进的变化趋势，图 5(a-d)分别展示了云南省县域从2003年至2015年多维贫困的变化情况。通过图5(a-d)，可以看出随着时间的发展，云南省各县域的贫困状况存在差异性，以2011年为例，重度多维贫困县仅剩1个，中度多维贫困县40个，轻度多维贫困县 51个，而非多维贫困县则从2003年的0个增加至25个。为了进一步了解云南省县域的多维贫困随着时间的演进变化，对多维贫困剥夺指数的标准差进行计算，其结果如图 5(a)所示，多维贫困县剥夺指数的标准差随着时间的推进呈现波动增长，表明云南省县域内的多维贫困之间的离散程度随着时间的推移而增大，在脱贫过程中，出现县域的脱贫速度的两极分化，即部分县域脱贫速度较快，脱贫绩效明显，而部分县域的脱贫速度则相对滞后，县域之间的多维贫困差异性逐渐增大。因此，针对脱贫速度两极分化的现象，扶贫政策应着重解决脱贫过程中的差异性；精准扶贫过程中应更加关注脱贫速度较慢的县域，使云南省县域的多维贫困程度随着时间的推移及相关政策的开展得到解决，争取在2020年实现全省脱贫，步入全面小康社会。

图4 多维贫困分级色彩Fig.4 Multidimensional Poverty color of poverty classification

图5 2003-2015年云南县域多维贫困变化情况Fig.5 The Change of Multidimensional Poverty in Yunnan Counties, 2003-2015

图6 云南省多维贫困剥夺分值及贡献度Fig.6 Multidimensional poverty deprivation score and contribution degree in Yunnan Province

3.3 云南省县域多维贫困贡献度分析

通过对各维度的剥夺分值及多维贫困剥夺分值的计算，研究各维度对多维贫困的贡献度，如图6(b)所示：多维贫困的剥夺分值呈现降低趋势，说明整体的贫困程度得到改善，脱贫攻坚战向前迈进了一大步。从图 6(b)可以看出，各贫困维度对多维贫困贡献度的顺序为：医疗社会保障>经济收入>生活条件>教育；经济收入、生活条件、医疗社会保障三个维度对多维贫困贡献程度呈现下降趋势，而教育维度则呈上升趋势。经济收入和医疗社会保障维度的剥夺是致贫的主要因素。通过具体分析经济收入和医疗社会保障维度中的指标，居民储蓄存款余额和社会福利收养性单位床位数的贡献度较大，在扶贫和精准脱贫政策的制定中应着重发展云南的烟草及旅游业，为降低经济收入对多维贫困的贡献度，可结合地方县域特色，发展当地特色产业；同时，在医疗社会保障维度，加强医疗机构及社会福利收养性单位的建设，为孤寡老人、留守儿童以及生活残障人士提供更好的福利环境，以减少医疗社会维度对多维贫困的贡献度。

4 总结与结论

本文基于多维贫困理念，采用“Alkire—Foster方法”测度云南省县域的多维贫困状况，通过对云南省2004年-2015年多维贫困状况进行时空演进分析，得出主要结论如下：

（1）从云南省整体的多维贫困测度结果来看，进入21世纪以来，随着扶贫政策的开展，反贫困效果明显，重度、中度多维贫困县域逐步向中度、轻度和非多维贫困程度发展，多维贫困状况有一定程度的改善；

（2）就 2015年云南省县域的多维贫困状况而言，靠近云南省边界的县域贫困程度较高，基于其区位和地理条件，脱贫难度较大；滇南、滇西、滇西南县域贫困程度较低，滇东北、滇东南、滇西北县域贫困程度较高，结合云南省县域的贫困状况以及脱贫过程中的县域脱贫速度差异增大的状况，全省的精准扶贫应更加关注贫困程度较高的县域，向多维贫困反贫困严重滞后的县域倾斜，缩小云南省县域在脱贫过程中的差距；

（3）对云南省县域多维贫困状况的时空分析，随着时间的演进，云南省县域的多为维贫困程度整体得到改善；但从空间上进行分析得出，各县域之间的脱贫速度存在较大差异，且存在随着时间推进而增大的趋势；

（4）基于云南省多维贫困各维度及指标的具体分析得出，经济收入和医疗社会保障维度的是致贫的主要因素，其中居民储蓄存款余额和社会福利收养性单位床位数对多维贫困的贡献度较大；而教育维度对多维贫困的贡献度呈上升趋势，在反贫困过程中还应大力发展教育事业，在发展经济的同时，也不能忽略教育维度在贫困中的贡献度。

基于以上研究结果，在精准扶贫和反贫困政策中，除了加快脱贫的速度，更应关注脱贫过程中脱贫速度滞后的县域，将扶贫的重心放在经济收入和医疗社会保障方面，结合云南省县域的地理区域情况和地方特色，发展支柱产业，提高经济收入，同时加强医疗社会保障，通过精准扶贫实现2020年全面步入小康的宏伟目标。