“大村庄制”合并村庄脆弱性评估——以宁夏永宁县试验区为个案

刘学武 , 王旭东

(1.宁夏大学 经济管理学院，银川 750021； 2.甘肃省社会科学院，兰州 730070)

0 引言

脆弱性原指系统、子系统或系统组成要素暴露在灾害、干扰或压力之下时受到伤害的可能性。B.L.Turner等[1]将脆弱性概念引入到人文地理研究领域后对其内涵进行了拓展，他认为系统受到外部干扰或压迫时会有所感知，进而会做出一定程度的反应。这里的扰动是指系统所受到的来自外部的干扰或压迫；敏感性则指系统对扰动的感知状况，敏感性越强对扰动的感知越强烈，反之亦然；适应力则体现出系统对扰动的应对能力，适应力越强越容易应对扰动造成的负面影响。总体来讲，系统受到扰动时敏感性越强，适应力越弱，系统就越脆弱，而敏感性越弱，适应力越强，系统就越稳定。

欧美、日本等发达国家都经历过村庄合并，无论是以英国、瑞典为代表的比较激进的北欧模式[2]，以法国为代表的相对缓和的南欧模式[3]，还是挪威、德国的中间道路模式[4]，在村庄合并初期都表现出一定程度的脆弱性。W.N.Adger[5]、G.Yohe等[6]认为脆弱性是脆弱性客体与其所在环境相互作用的一种属性，史培军等[7]则认为脆弱性是耦合系统(生态-社会系统、人-环境系统、人地系统)的一个重要属性。合并村庄空间结构与组织形式具有城市社区的一些特征，居民却保持着农民身份，因而兼具了城市与乡村的双重特性[8]。由于合并村庄是对原村镇空间结构与组织形态的重大变革，是村民生计方式与社会结构的重大调整，脆弱性也就成了初建阶段合并村庄的基本属性。进行合并村庄脆弱性评估，有助于掌握合并村庄脆弱性状态，为合并村庄可持续发展提供决策参考[9-10]。

1 研究区域和数据来源

2012年国家在西北地区试点村庄合并，并选取宁夏永宁县为试验区。2012年永宁县规划建设19个合并村庄，安置14.1万农业人口，至2015年受建设资金影响实际建设15个合并村庄，安置了13.6万农业人口，2015年之后暂停其余农业人口的村庄合并试验。依据各合并村庄的区位、资源环境、经济社会发展状况，选择8个风格不同的合并村庄作为评估对象，分别是杨和中心村、李俊中心村、宁化中心村、雷台中心村、望洪中心村、靖益中心村、新华中心村、胜利中心村。

2018年1月在杨和、李俊、宁化、雷台、望洪、靖益、新华、胜利8个中心村随机进行问卷调查。调查问卷根据合并村庄扰动、敏感性、适应力的评估目标，SEM和灰色定权聚类评估模型的数理意义及运算特性设计，涵盖了村民家庭结构、教育、劳动力素养、就业问题、薪酬待遇以及中心村环境卫生、公共基础设施、对外交通、文化娱乐、医疗养老保险、公共管理等，涉及问答对象主观感觉时，采用五级分类法设定选项，涉及非主观感觉问答时依据问题的实际需要设定选项，最终从每个中心村获得有效问卷200份，共获得有效问卷1 600份。

2 脆弱性评估模型及指标体系构建

2.1 脆弱性评估模型选择

随着脆弱性研究理论与方法的不断发展，脆弱性研究已经呈现出多学科交叉的研究态势，并产生了新的发展要求[11]，脆弱性评估也需要将多个模型组合在一起使用，以期获得更加精准的评估结果。综合考虑结构方程模型与灰色定权聚类模型的数学原理，充分发挥两个模型各自的优势，有机地将结构方程模型及灰色定权聚类模型结合起来，有利于进行合并村庄脆弱性评估[12-13]。

2.1.1结构方程模型的原理与方法。结构方程模型(SEM)被归类于高等统计学范畴中，属于多变量统计，该模型整合了因素分析与路径分析两种统计方法[14]。一个广义的SEM通常由一个结构模型和数个测量模型组成，研究者依据理论文献或经验法则建立潜在变量与潜在变量间的回归关系，即确立潜在变量间的结构模型，同时，也要建构潜在变量与其测量指标间的反映关系，即建立各潜在变量与其观测指标间的测量模型[15]，而通过适配性检验的SEM中测量模型之观测变量因素负荷值的大小反映了该观测变量对应于潜在变量的影响程度[16]。

2.1.2灰色定权聚类模型的数理意义。灰色定权聚类模型是灰色聚类之灰色白化权函数模型组中的一个分支模型[17]。灰色定权聚类模型主要用于检查观测对象是否属于事先设定的不同评判类别或评估等级，该模型适合于评估指标含义不同、量纲差异巨大的评估对象[18]。合并村庄脆弱性评估需要从扰动、敏感性、适应力3个维度进行，每个维度对应的评估指标含义不同，量纲有差异。灰色定权聚类模型的数理意义、技术特性与合并村庄脆弱性评估策略高度契合，运用该模型进行合并村庄脆弱性评估十分精准[19]。

2.1.3SEM与灰色定权聚类模型的融合运用。通常情况下灰色定权聚类模型的评估指标、指标权重需要人为确定，主观性较强，SEM中参数值、观测变量因素负荷值均依据观测变量的样本数据估算得出，从而有效降低了研究者主观判断的影响。将通过了适配性检验的SEM中的观测变量转换为灰色定权聚类模型的评估指标，其评估结果比较客观；把SEM观测变量的因素负荷值进行标准化处理后转化为灰色定权聚类模型中评估指标的权重，增强了评估指标权重的客观性。

2.2 脆弱性评估指标体系的构建

结构方程模型在优化观测变量、估算观测变量因素负荷值方面有独到的优势[20]。

2.2.1脆弱性评估指标优化之结构方程模型构建。构建SEM时充分考虑了合并村庄脆弱性对其可持续发展的影响，从而构建了扰动、敏感性、适应力及可持续发展4个测量模型。通常情况下，结构方程模型中观测变量数量越多，对潜在变量的解释越准确，但在模型估计与品鉴过程中观测变量过多时误差或残差项相应增多，从而导致模型不能拟合或无法通过适配性验证。因此，构建扰动、敏感性、适应力及可持续发展力的测量模型，进行测量模型估计与品鉴，将因素负荷值低的观测变量剔除，每个测量模型只保留4～5个观测变量，然后构建脆弱性评估指标优化一阶SEM(图1)。

图1 脆弱性评估指标优化一阶SEM

图1中合并村庄脆弱性评估指标优化一阶SEM的适配度参数为模型显著性概率值p=0.077>0.05，未达显著性水平，接受虚无假设，卡方值(CMIN)=89.713，模型自由度(DF)=72，卡方自由度比值(CMIN/DF)=1.246<2.000，GFI=0.992>0.900，AGFI=0.983>0.900，RMSEA=0.014<0.050，表明模型通过适配性验证。该模型全面呈现了潜在变量之间的关联状况，挖掘出了事先没有构想到的潜在变量与观测变量的关联情况，并通过建立观测变量残差项之间的共变关系，抑扬观测变量的因素负荷值，使其无限接近最真实状态。

2.2.2脆弱性灰色定权聚类评估指标及权重的确定(图1)。(1)合并村庄扰动评估指标及权重的确定。扰动潜在变量对应了5个观测变量，反复论证后剔除了受挫应对观测变量，增加了环境对比观测变量，经过因素负荷值标准化处理后，最终保留的5项扰动评估指标及权重分别是低保水平0.402，义务教育0.039，基础设施0.011，政民互动0.279，环境对比0.268。(2)合并村庄敏感性评估指标及指标权重的确定。敏感性潜在变量对应了6个观测变量，反复论证后剔除了打工路耗观测变量，经过因素负荷值标准化处理，最终保留的5项敏感性评估指标及权重分别是生活成本0.087，就业忧虑0.117，工资拖欠0.136，养老保险0.408，政策兑现0.252。(3)合并村庄适应力评估指标及指标权重的确定。适应力潜在变量对应了5个观测变量，反复论证后剔除了工资拖欠观测变量，增加了县域人均GDP指标，经过因素负荷值标准化处理，适应力评估指标及权重分别是对外交通0.282，受挫应对0.213，打工路耗0.193，教育年限0.064，县域人均GDP 0.248。

3 脆弱性评估数据的提取

3.1 评估指标观测数据的提取

对8个合并村庄1 600组有效问卷调查数据进行SPSS描述性统计，获得每一个评估指标所对应选项的频数和有效百分比，然后按脆弱性评估要求进行归并，如扰动评估指标低保水平，其5个选项及有效百分比分别是完全满足4.9%，基本满足39.85%，略有不足36.8%，不能满足10.8%，完全不能满足7.7%，低保水平的满意度指数取前两项之和为44.75%。同理得出义务教育87.56%，基础设施95.87%，政民互动42.5%，环境改变97.06%。合并村庄整体上的敏感性评估指标的观测值分别是生活成本31.8%，就业忧虑78.93%，工资拖欠62.06%，养老保险60.75%，政策兑现59.62%。合并村庄整体上的适应力评估指标观测值分别是对外交通71.56%，受挫应对80.87%，打工路耗74.4 min，教育年限7.6年，县域人均GDP 52 913元。

3.2 评估灰类及白化权函数阈值的确定

3.2.1合并村庄扰动评估灰类及白化权函数阈值。扰动评估灰类分5级：好、较好、一般、较差、差。扰动评估指标是越高越好型，低保水平、义务教育、基础设施、环境改变灰类阈值5个节点是0.5，0.6，0.7，0.8，0.9；政民互动的灰类阈值5个节点是0.15，0.30，0.45，0.60，0.75。

3.2.2合并村庄敏感性评估灰类及白化权函数阈值。敏感性评估灰类分5级：弱、较弱、一般、较强、强。敏感性评估指标生活成本、工资拖欠是越低越好型，灰类阈值5个节点是0.1，0.2，0.3，0.4，0.5；就业忧虑是越低越好型，5个节点是0.15，0.30，0.45，0.60，0.75；养老保险、政策兑现是越高越好型，5个节点是0.5，0.6，0.7，0.8，0.9。

3.2.3合并村庄适应力评估灰类及白化权函数阈值。适应力评估灰类分5级：强、较强、一般、较弱、弱。适应力评估指标(对外交通、受挫应对)为越高越好型，灰类阈值5个节点是0.5，0.6，0.7，0.8，0.9；教育年限是越长越好型，5个节点是3，6，9，12，15；县域人均GDP是越高越好型，5个节点是27 102，47 192，53 980，74 288，95 257；打工路耗是越少越好型，5个节点是30，60，90，120，150。

4 合并村庄脆弱性评估结果

4.1 合并村庄扰动评估结果

4.1.1扰动整体性评估结果。运用灰色定权聚类模型对合并村庄整体性的扰动评估指标观测值进行数据处理，得出合并村庄扰动整体上对应于评估灰类“好”“较好”“一般”“较差”“差”的综合聚类系数分别是0.309，0.010，0.233，0.047，0.402，其中灰类“差”对应的综合聚类系数0.402最大，即合并村庄整体上扰动效果“差”。结合合并村庄的5项扰动评估指标整体性的观测值、权重及模型运算出的灰类白化权函数值可知，合并村庄基础设施建设、环境改造及义务教育普及情况十分理想，这3项指标不是合并村庄建设及村民开展生产生活的限制性因素；村民对低保水平、政民互动的满意度低且权重大，表明当前合并村庄在最低生活保障及政民互动方面较差是合并村庄发展的限制性因素。

合并村庄扰动的整体性评估结果表明，合并新村未来建设与发展中当地政府与村两委的工作重点应在两个方面：一是尽量完善新农村社会保障体系，提高村民最低生活保障能力，消除村民的后顾之忧；二是加强对合并村庄的社会治理，增强当地政府、村两委的服务意识，加强与村民的互动，改善干群关系，提升村民对新村建设及社会治理的满意度。

4.1.2扰动评估结果。8个中心村在经济、社会、资源、环境等方面存在差异，扰动效果也有所不同(表1)。表1显示，对于杨和、李俊、宁化、望洪、新华5个中心村的扰动效果差，对于靖益、胜利中心村的扰动效果较差。扰动评估结果表明未来需要加强上述中心村的建设，进一步提升其发展能力。评估结果相同的中心村由于各自的区位、村民劳动素养有差异，需要针对各中心村的实际问题进行管理，以确保未来对每个中心村的扰动效果都较好。

4.2 合并村庄敏感性的评估结果

4.2.1合并村庄敏感性整体性评估结果。运用灰色定权聚类模型对合并村庄整体性的敏感性评估指标观测值进行数据处理，得出合并村庄敏感性整体上对应于评估灰类“弱”“较弱”“一般”“较强”“强”的综合聚类系数分别是0.000，0.000，0.102，0.636，0.263，其中灰类“较强”对应的综合聚类系数0.636最大，即合并村庄整体上敏感性“较强”。结合合并村庄的5项敏感性评估指标的观测值、权重及模型运算出的灰类白化权函数值可知，合并村庄村民对就业忧虑、工资拖欠、养老保险、政策兑现都比较敏感，对生活成本(上升)的敏感性一般。因为养老保障、政策兑现评估指标的权重较大，所以评估结果受这两项因素影响也大。合并村庄敏感性整体性评估结果表明，在合并村庄未来建设与发展中当地政府与村两委的工作重点是：一要加强对村民的社会化服务工作，组建劳务中介服务组织或机构，尽量消除用工、就业信息不对称状况，减轻村民就业忧虑；加强农民工维权意识，或组建村级新产业工人维权组织，消除村民薪酬拖欠情况。二要加强对村民的农村社会保障体系建设，有效解决村民的养老保险，及时兑现合并村庄时给予村民的各项优惠政策及拆迁补偿款。

4.2.2合并村庄敏感性评估具体结果。自然和发展要素不同，各中心村敏感性也有所不同(表2)。表2显示，对于外部扰动，李俊、宁化、望洪、靖益、新华村的敏感性为“强”，杨和村的敏感性为“较强”，表明6个村的建设与发展问题较多，村民反应较为强烈；雷台村、胜利村的敏感性为“弱”，表明两村各项工作开展比较到位，基本得到了村民的认可。

表2 合并村庄敏感性评估

4.3 合并村庄适应力的评估结果

4.3.1合并村庄适应力整体性评估结果。运用灰色定权聚类模型对合并村庄整体性的适应力评估指标观测值进行数据处理，得出合并村庄整体上对应于适应力评估灰类“强”“较强”“一般”“较弱”“弱”的综合聚类系数分别是0.019，0.339，0.574，0.069，0.000，其中灰类“一般”对应的综合聚类系数0.574最大，即合并村庄整体上适应力“一般”。结合合并村庄的5项适应力评估指标的观测值、权重及模型运算出的灰类白化权函数值可知，合并村庄村民受挫应对、打工路耗的适应力较强，而对对外交通状况、职业培训及县域人均GDP因素产生的适应力一般。合并村庄适应力评估结果表明，县域经济发展水平是合并村庄能否可持续发展的决定性影响因素，永宁县未来要抓住乡村振兴及双循环战略带来的机遇，从3个方面加强地方经济建设：一是充分利用紧邻银川的区位优势，改善交通条件为村民到银川及永宁县城打工创造便利条件；二是充分利用引黄灌溉的优势条件，扩大供港蔬菜种植基地，充分吸纳农村转移劳动力；三是针对性开展村民职业培训，提高村民劳动技能，提升村民在劳动转移方面的适应力。

4.3.2合并村庄适应力评估具体结果。8个村具体的适应力评估结果见表3。表3表明，8个中心村中雷台村适应力“强”，杨和村、胜利村的适应力“较强”，适应力“一般”的中心村有李俊、宁化、望洪、靖益、新华。结合实地调研情况可知，雷台中心村较早推行土地流转发展现代农业，是永宁县最重要的供港蔬菜基地，村民家庭收入除了土地流转费，还可就地打工获取劳务费，因此，该中心村合并后适应力强；杨和中心村已经与永宁县城融为一体，胜利中心村距离永宁县城只有2.5 km，两个中心村区位优势明显，有利于村民进城从事二、三产业，适应力相对较强。其他5个中心村区位无优势，高附加值现代农业发育水平低，面对外部扰动时适应力就表现一般。

表3 合并村庄适应力评估

5 结论与启示

5.1 结论

根据理论及经验预判，生计方式改变与义务教育、基础设施等方面的硬件建设是合并村庄重要扰动因素，但是，SEM得出的观测变量因素负荷值表明这些因素只是次要扰动因素，低保水平、政民互动软环境建设却是主要的扰动因素；SEM对合并村庄敏感性及适应力评估指标优选、权重估算也与经验判断大相径庭。但经实地验证，SEM运算结果真实有效。

合并村庄整体上扰动效果差，敏感性较强，适应力一般，整体上合并村庄脆弱性较强。各中心村受区位、资源环境、经济社会等因素的影响，脆弱性评估结果有较大差异：合并村庄扰动效果好时敏感性弱、适应力强，合并村庄脆弱性程度就低；扰动效果差时敏感性较强或强，适应力较强或一般，合并村庄脆弱性程度就高或较高。

5.2 启示

SEM在观测变量优化、观测变量因素负荷值估算以及观测变量向灰色定权聚类评估指标转化、评估权重估算方面有独到的优势，可以广泛地运用于类似的研究。

进行合并村庄脆弱性风险防范时，应优先针对低保水平、政民互动情况加强合并村庄新型社会保障体系建设，提高村民的最低生活及养老医疗方面的保障水平，加强永宁县乡村社会治理，尽快兑现村庄合并时给予村民的各项优惠政策及拆迁补偿款，最大限度消除村民在就业忧虑、工资拖欠、养老保险、政策兑现等方面的忧虑，从而加强合并村庄扰动效果，降低村民敏感性，整体提升合并村庄的适应力，切实降低合并村庄的脆弱性。