我国扶贫绩效评价及空间差异研究

吴云青 杜佳乐 密长林

摘 要：在构建评价指标体系的基础上，综合运用熵值法、多指标综合评价法、全局空间自相关分析与局部空间自相关分析等方法探讨了我国31个省域扶贫绩效的空间差异特征。研究结果表明，我国扶贫绩效存在较为显著的正空间自相关特点，扶贫绩效的均质性区域显著多于异质性区域；在局部空间差异方面，高-高聚集类型区有13个省域，低-高聚集类型区有5个省域，低-低聚集类型区有6个省域，高-低聚集类型区有7个省域。其中，只有内蒙古和河南2个省域扶贫绩效的LISA值通过了显著性水平的统计性检验，与其他省域相比较，河南和内蒙古对于我国扶贫绩效空间自相关的贡献更大。

关键词：扶贫；绩效评价；空间差异

中图分类号：K901.2；F323.8 文献标识码：Ａ 文章编号：１００９ — ２２３４（２０23）09 — ０128 — ０4

通过绩效评价了解扶贫工作进展及存在问题，对于进一步优化我国扶贫政策，提高扶贫效益进而实现乡村振兴意义重大。当前关于扶贫绩效评价研究已取得丰硕成果：一是科技扶贫、信息扶贫、生态扶贫等专项扶贫绩效实证分析［1-3］；二是扶贫绩效评价模型构建研究［4-5］；三是扶贫绩效优化提升研究［5-6］。以上研究为本文提供了重要借鉴，但这些研究大多停留在绩效评价层面，聚焦于扶贫绩效空间差异的研究并不多见。已有为数不多的扶贫绩效空间差异的研究也大多采用传统的分析方法，缺乏对空间信息的考量，忽略了空间因素的作用，对于扶贫绩效在地理空间的聚集、关联探讨不足，难以有效揭示扶贫绩效空间分异规律。基于此，本文在构建扶贫绩效评价指标体系基础上，运用探索性空间分析（ESDA）方法对我国各省域扶贫绩效及其空间差异进行实证研究具有重要意义。

一、数据来源与研究方法

（一）数据来源

本文主要基于2020年我国省级尺度的研究，共有31分析单元（不包括台湾地区、香港和澳门特别行政区）。数据主要来源于2021年《中国统计年鉴》《中国农村统计年鉴》以及各省市政府工作报告及其统计年鉴中的相关数据。

（二）研究方法

1.评价指标体系的构建及权重确定

基于本文的研究目的，主要从6方面构建扶贫绩效评价指标体系（表1）。运用熵值法［7］来计算各个指标权重。

2.扶贫绩效综合评价

运用极差标准化方法［8］对各指标数据进行规范化处理，从而得到各指标标准化值。依据各指标的权重及其标准化值，运用多指标综合评价法计算扶贫绩效综合指数。

3.探索性空间数据分析（ESDA）

探索性空间数据分析（ESDA）以测量空间关聯性为核心，是描述和揭示研究对象空间分布特征的方法技术。

全局空间自相关分析。采用全局莫兰指数（Global Moran’s I）来计算全局空间自相关程度。对于在构建邻近矩阵时出现的海南“孤岛现象”，本文借鉴孟斌等［9］的研究，定义海南与广东和广西相邻，并对生成的空间矩阵文件进行修改。

局部空间自相关分析。运用Moran散点图和Local Moran’s（Lisa）指数进行局部空间自相关分析以揭示评价指标局部变化特征规律。

二、实证结果与分析

（一）我国扶贫绩效的计算

依照前述指标权重计算过程，可计算出扶贫绩效评价指标权重值（表1）。在运用极差标准化方法对各指标数据标准化处理基础上，可计算出我国31个省域扶贫绩效值（表2）。

（二）我国扶贫绩效评价结果分析

由表2可知，各省域扶贫绩效有明显地域差异。运用数列平均值法把各省扶贫绩效划分为4等级，即优秀区、良好区、一般区和较差区。西藏、内蒙古、上海、北京、浙江、江苏的绩效值均在0.33以上，属于扶贫绩效优秀区。当然这6个省域在扶贫工作各方面表现还不均衡，发展协调性不够，比如西藏的扶贫绩效值最高，达到0.46328，其在扶贫投入水平、生产生活、基础设施建设等方面均有较好表现，但是在经济发展、生态环境方面评价得分却都较低，分别位列全国第26、29位。内蒙古的扶贫绩效值位列全国第2，其在扶贫投入、社会发展、生产生活方面表现较好，但是在基础设施建设、生态环境发展方面表现却不彰。宁夏、新疆、安徽、福建、广东等5省域属于扶贫绩效良好区，和处于优秀区的省域类似，这些省域大多在各维度的绩效表现差异较大。青海、江西、湖北、天津、重庆、辽宁、四川、黑龙江、吉林、贵州等10省域属于扶贫绩效一般区，他们在扶贫工作各方面表现大多较为平庸，比如湖北省在扶贫投入、经济发展、社会发展、生产生活、基础设施建设、生态环境发展方面的得分分列全国第17、15、8、22、15、11位。海南、山东、广西、陕西、云南、河南、河北、山西、甘肃等9省域属于扶贫绩效较差区域，这些省域几乎在扶贫工作各个方面均缺乏亮点，在某些评价指标上甚至远落后于我国平均水平。比如，甘肃省的扶贫绩效值在全国位列末位，除了扶贫投入水平在全国位列第8位外，在其他评价维度上的评价得分在全国均位列下游，经济发展水平更是位列全国倒数第一。

（三）基于ESDA的我国扶贫绩效空间差异分析

1.全局空间自相关分析

为进一步描述我国扶贫绩效分布空间格局，在构建空间权重矩阵基础上计算出扶贫绩效的全局Moran's I指数为0.382，运用Z值法开展空间自相关显著性检验，结果表明Global Moran's I指数的Z值为3.2103，其大于0.05置信水平临界值1.96，通过显著性检验。这说明我国扶贫绩效存在显著的正空间自相关特征，呈现出较鲜明的空间依赖与集聚现象。

2.局部空间自相关分析

上面的全局空间自相关分析是对于整个数据集总体空间相关特点与模式的探讨，无法有效说明要素在何处聚集或在何处呈现出异常现象，这就不能有效识别要素空间集聚的内部特征，也有可能会掩盖偏离整体布局特征的空间关系。基于此，运用Local Moran’s（LISA）指数和Moran散点图进一步分析扶贫绩效局部空间特点。

Moran散点图（图1）的横坐标表示我国扶贫绩效标准化值，纵坐标是扶贫绩效滞后向量，中心坐标为横纵轴坐标均值。由此，可以将平面坐标图划分为4象限，分别代表扶贫绩效不同的局部空间聚集类型。图1、表2表明，我国扶贫绩效的散点主要聚集在高-高聚集类型区、低-低聚集类型区，在这两类型区共有19个散点，占全部散点的61.3%。而散布在高-低聚集类型区、低-高聚集类型区的散点则相对较少，占全部散点的38.7%，我国扶贫绩效的均质区域明显多于异质区域，这也进一步验证了本文总体空间相关特点的分析结论。

运用OpenGeoDa软件可进一步计算出我国31省域扶贫绩效的LISA值，但通过5%显著性水平的Z值统计性检验的只有河南和内蒙古两省域，其他省域扶贫绩效与相邻区域的关联性并不显著。这表明，与其他省域相比较，河南和内蒙古对于我国扶贫绩效空间自相关的影响更大、贡献更多。

（1）高-高聚集类型区。此种类型省域共13个，即江苏、浙江、上海、新疆、福建、青海、安徽、黑龙江、吉林、江西、辽宁、天津、西藏。其中东部省域5个，东北省域3个，中部省域2个，西部省域3个。这些省域本身的扶贫绩效较高，周边也大多聚集了同样扶贫绩效较高的省域，他们的空间联系较为紧密，空间差异度较小，形成了扶贫绩效的高值集簇区。其中，江苏、浙江、上海、福建、天津等东部5省域本身经济社会发展整体水平较高，他们更有条件统筹利用本省域资源在本省域范围内实施产业帮扶、就业帮扶、教育帮扶、社会保障帮扶、生态保护帮扶等。比如，浙江省近些年积极推进财政资金折股量化扶贫试点，在保持扶贫资金原用途前提下，将帮扶资金所形成的股权量化分配给贫困户，使贫困户有了更多财产性收益。新疆、青海、西藏虽然属于相对落后的西北省域，但近些年中央政府、东部对口帮扶省份、一些大型企业、社会组织等持续实施了一系列扶贫举措与工程，大大改善了当地生产生活条件，有力地促进了贫困地区脱贫摘帽。近些年，我国连续实施的东北振兴战略也有力促进了辽宁、吉林、黑龙江东北三省经济社会发展及其脱贫攻坚。需要指出的是，尽管从全国的层面来看，该区域内各省扶贫绩效水平较高，但他们之间仍有较大差异，西藏、上海、浙江、江苏的扶贫绩效值较高，分列全国第1、3、5、6位，但是辽宁、吉林、黑龙江3个省域的扶贫绩效接近我国扶贫绩效的均值线，存在较大的落入低-高区域的可能性。LISA值的研究结果显示，该聚集类型区的13个省域均没通过5%显著性水平的Z值检验，这说明他们的扶贫工作还不能显著辐射、带动周边省域。

（2）低-高聚集类型区。该聚集类型的省域共有5个，他们是甘肃、河北、湖南、云南、海南，他们较为零散地分布在华北、西北、华南、西南等区域。这些省域自身的扶贫绩效水平较低，而其相邻省域的扶贫绩效却大多较高，这些扶贫绩效相对较高的省域尚没有足够的能力辐射、带动周边省域扶贫攻坚事业的发展。因此，这5个省域成为我国扶贫绩效的低值空心区。比如，甘肅省扶贫绩效值位列全国最末位，但是其周边的内蒙古、青海、宁夏、新疆扶贫绩效却相对较高，分列全国第2、12、7、8位。湖南省扶贫绩效位列全国第22位，但是其周边的广东、江西、湖北、重庆扶贫绩效却相对较高，分列全国第11、13、14、16位。

（3）低-低聚集类型区。属于该聚集类型的省域有6个，即广西、贵州、河南、山东、山西、陕西，以面状形态分布在华北、西南地区。这些省域本身的扶贫绩效较低，周边也大多聚集了同样绩效较低的省域，他们之间的空间差异较小。以上6个省域中只有河南省的LISA值通过了5%显著性检验，从而成为“冷点”区域。相比于其他处于该类型区的省域，河南省不仅本身扶贫绩效较低，其周边省域扶贫绩效也大多较低，低水平聚集分布特点较为明显。比如，其邻近的河北、山东、山西、陕西的扶贫绩效值分别位列全国的第29、24、30、26位。

（4）高-低聚集类型区。属于该聚集类型的省域有7个，即北京、广东、湖北、江西、内蒙古、宁夏、四川。这些省域本身扶贫绩效值较高，但是其邻近省域扶贫效果却相对较差，从而形成了“高值孤立区”。以上7个省域中只有内蒙古的LISA值通过5%显著性检验，其扶贫绩效值位列全国第2，但是其邻近的甘肃、山西、河北、陕西的扶贫绩效值却分别位列全国第31、30、29、26位。这说明，近些年内蒙古充分发挥其自然资源优势，大力发展优势特色农牧产业，有效促进了贫困人口脱贫致富，取得较高的扶贫绩效。但是其并未有效拉动周边地区的扶贫工作，也没有形成与相邻省域的“近域扩散”效应。

三、结论与政策建议

主要研究结论如下：1．在全局空间自相关方面，我国扶贫绩效存在较为显著的正空间自相关特征，也就是说扶贫绩效较高的省域趋于相邻，而扶贫绩效较低的省域也趋于相邻，呈现出较为鲜明的空间依赖与聚集现象，扶贫绩效的空间依赖性和空间异质性是并存的。2．在局部空间自相关方面，我国多数省域表现为正的空间相关性。高-高聚集类型区有13个省域，包括江苏、浙江、上海、新疆、辽宁省、天津、西藏等。低-高聚集类型区有5个省域，包括甘肃、河北、湖南、云南、海南等。低-低聚集类型区有6个省域，包括广西、贵州、河南、山东、山西、陕西等，以面状形态分布在我国的华北、西南地区。高-低聚集类型区有7个省域，包括北京、广东、湖北、江西、内蒙古、宁夏、四川等。

基于上述结论，提出以下政策建议：深化东西部协同合作，构建扶贫攻坚新格局；加强统筹协同，提高扶贫工作的协调性；注重因地制宜，探索区域扶贫攻坚特色模式；激发扶贫内生动力，提升脱贫质量。

〔参 考 文 献〕

［1］耿润哲，王萌，何洪宇.生态环境行业扶贫绩效量化评估方法初探：以承德市围场满族蒙古族自治县为例［J］.环境科学研究，2021，34（02）：501-510.

［2］郎亮明，陆迁.农户感知视角下的科技扶贫减贫绩效［J］.华南农业大学学报（社会科学版），2021，

20（01）：22-37.

［3］邢春政，唐冰开，钟哲.大数据背景下东北地区信息扶贫绩效评价与对策研究［J］.情报科学，2020，

38（12）：116-121.

［4］刘丹，郑喜喜，杨悦.精准扶贫绩效评价模型及应用［J］.统计与决策，2019，35（09）：28-32.

［5］东梅，王满旺，马荣.陕青宁六盘山集中连片特困地区精准扶贫绩效评价及其影响因素研究——基于三阶DEA和TOBIT模型［J］.软科学，2020，

34（09）：72-78.

［6］陈弘，周贤君，胡扬名.后精准扶贫阶段农村精准扶贫综合绩效提升研究—基于4省38市数据的实证分析［J］.中国行政管理，2019（11）：12-18.

［7］刘飞，龚婷.基于熵权Topsis模型的湖北省高质量发展综合评价［J］.统计与决策，2021（11）：85-88.

［8］迟国泰，齐菲，张楠.基于最优组合赋权的城市生态评价模型及应用［J］.运筹与管理，2012，21（02）：

183-191.

［9］孟斌，王劲峰，张文忠，等.基于空间分析方法的中国区域差异研究［J］.地理科学，2005，25（04）：

393-400.〔责任编辑：孙玉婷〕