安徽省城鄉居民貧困脆弱性因子分析

許啟發,王俠英

(合肥工業大學 管理學院,合肥 230009)

經濟管理研究

安徽省城鄉居民貧困脆弱性因子分析

許啟發,王俠英

(合肥工業大學 管理學院,合肥 230009)

以可持續生計發展框架為主要依據,構建評價指標體系;運用因子分析法,對安徽省十六個城市的城鎮和鄉村居民貧困脆弱性進行綜合評價。選取2015年數據進行了實證研究,結果表明:安徽省城鎮和鄉村居民貧困脆弱性的主要影響因素均為經濟文化程度;安徽省城鎮和鄉村居民貧困脆弱性呈現出一定地區分布特征。根據實證研究結果,從政府、社會和家庭三個方面,給出了貧困脆弱性的解決方案。

貧困脆弱性;城鄉居民;因子分析;地區差異

一、引言

依據家庭當前收入或消費計算的貧困指標,只是靜態地度量了家庭的福利水平,沒有考慮到家庭未來福利變化的風險,是一種事后測度。根據這種事后測度結果所制定的反貧困政策,不具有前瞻性,無法在貧困發生之前阻擊貧困。針對這一狀況,2001年世界銀行正式提出“貧困脆弱性”的概念,并將其描述為“沖擊造成未來福利下降的可能性”。之后,這一前瞻性視角迅速成為發展經濟學領域的一個研究熱點。

目前,貧困脆弱性的測度方法主要有三種。第一,風險暴露脆弱性,將貧困和風險聯系起來度量脆弱性[1];第二,期望效用脆弱性,用期望效用與效用之差來度量脆弱性[2];第三,期望貧困脆弱性,用未來陷入貧困的概率來度量脆弱性[3]。在貧困脆弱性影響因素研究方面,方迎風建立了關于能力投資與沖擊的理論和實證模型,分析外部沖擊對個體在“能力”投資與消費間的資源配置決策的影響,發現在受到負的外部沖擊時,個體的貧困脆弱性會增大[4];楊浩等分析了氣象災害對農戶脆弱性的影響,發現水災、旱災、風災等氣象災害普遍加重了農戶的脆弱性[5];胡金焱、許慶、葉茜茜等則分別從農村民間借貸和民間資本投資偏好的角度對貧困脆弱性影響因素問題進行了探究[6-8]。隨著研究的進一步深入,學者們通過構件評價指標體系[9-11],運用聚類分析法和熵權灰色關聯分析法等方法進行脆弱性的定量分析與評價[12-14]。如賀祥等在構建農村貧困脆弱性評價指標體系基礎上,運用熵權灰色關聯分析法,對貴州巖溶山區農村貧困脆弱性進行定量分析與評價,發現生態環境脆弱性、生態承載力等對農村貧困脆弱性有強烈脅迫性[13]。

本文基于可持續生計發展框架[15],運用因子分析法實證研究安徽省十六個城市城鎮和鄉村居民的貧困脆弱性。通過探究貧困脆弱性的影響因素,進一步剖析貧困脆弱性的具體原因,一方面,補充貧困脆弱性相關理論與方法;另一方面,為政府部門制定扶貧政策提供決策依據。

二、貧困脆弱性評價指標體系

參考英國國際發展署(DFID)提出的可持續生計發展框架進行貧困脆弱性評價指標體系的構建,該框架假設農戶生活在一個脆弱性的環境中,農戶可以利用一定的生計資產和減貧因素來應對這種脆弱的環境和各種風險的沖擊。生計資產取決于農戶自身綜合能力、親友關系、外部組織機構和規則環境變革,通過對各個農戶利用這五種生計資產抵御風險的能力的測量,可以定量的反映家庭貧困脆弱性的程度。本文利用相應狀況的人均水平定量反映各城市貧困脆弱性的程度。

根據貧困脆弱性和可持續生計發展框架的相關性,考慮生計風險因素、現有資產因素和適應策略因素,建立安徽省城鄉居民貧困脆弱性評價指標體系,見表1。

1.生計風險因素

選擇從業人口占比、第一產業占比和常住人口增長指標衡量生計風險情況。其中,從業人數占比是指城鄉從業人口占城鄉總人口的比重。城鄉居民大多以從業收入為主要經濟來源,一旦遭遇自然災害或失業,這些城鄉居民的損失為最大。第一產業占比是指第一產業在三個產業中所占的比重,其生產收成與自然環境密切相關,當自然環境受到破壞,生產受阻,收成減少。而且對城鄉一般居民而言,高等教育費用和醫療費用普遍偏高,家庭人口增長趨勢會加重家庭負擔,風險隨之增加。

2.現有資產因素

選擇人均受教育年限、人均可支配收入和森林覆蓋率指標衡量現有資產情況。其中,城鄉居民家庭人均可支配收入與城鄉居民抵御風險的能力呈正相關,其人均可支配收入越高,生活越富裕,應對災難更加從容,貧困脆弱性相對較低。森林覆蓋率是反映森林資源豐富程度和生態平衡狀況的重要指標。當一個地區森林覆蓋率高時,其生態平衡狀況良好,生態恢復力較強;反之,如果一個地區森林覆蓋率低,其在水土保持上的作用不大,容易受到自然災害的影響,如旱災、泥石流等。

3.適應策略因素

選擇低保人數占比、城鄉參加醫療保險人數、人均生產總值指標衡量適應風險能力。其中,城鄉低保人數占比是指城鄉低保人數占城鄉總人口的比重,當城鄉居民家庭人均收入低于當地城鄉低保標準時,需要當地政府給予應有的救助以增強其抵御風險的能力。而城鎮居民參加醫療保險可以相應增強其抵御疾病風險的能力,減緩其貧困脆弱性。人均生產總值是指按市場價格計算的一個地區所有常住單位在一定時期內生產活動最終成果的人均值,是反映該地區經濟發展的重要指標之一。

三、評價模型與方法

因子分析法是指從研究指標相關矩陣內部的依賴關系出發,把一些信息重疊、具有錯綜復雜關系的變量歸結為少數幾個不相關的綜合因子的一種多元統計分析方法。

1.數學模型

因子分析法的基本目的就是用少數幾個因子去描述許多指標或因素之間的聯系,即將相關比較密切的幾個變量歸在同一類中,每一類變量就成為一個因子,以較少的幾個因子反映原資料的大部分信息。數學模型表示如下:

表1 安徽省城鄉居民貧困脆弱性評價指標體系

式中,x1,x2,…,xp為p個原有變量;aij為因子載荷,就是第i個原有變量和第j個因子變量的相關系數,即xi在第j個因子變量上的相對重要性;F1,F2,…,Fm為m個因子變量,m小于p;ε為特殊因子,表示原有變量不能被因子變量所解釋的部分。將其表示為矩陣的形式為:

X=AF+aε.

(2)

式中,A為因子載荷矩陣;F為因子變量或公共因子。

2.具體步驟

因子分析法的具體步驟如下。

(1)標準化數據。運用公式(3)對數據進行無量綱化處理,把原始數據轉為標準數據,然后通過帶入SPSS統計軟件進行因子分析。

yij=(xi-xmin)/(xmax-xmin).

(3)

(2)確定是否適合進行因子分析。運用SPSS軟件進行因子分析時,則可根據KMO值來判定。KMO值越接近于1,意味著變量間的相關性越強,原有變量越適合作因子分析。

(3)提取公共因子。運用主成分分析法確定因子變量,根據相關矩陣特征值的大小來確定公共因子的個數。

(4)因子命名。利用方差最大化旋轉后的因子載荷矩陣對因子命名。對某個因子來說,若它對某個變量的因子載荷較大,且對其他變量的載荷較小,則該因子可用該變量命名。

(5)計算因子得分。依據旋轉后的因子載荷計算各個因子在每個樣本上的具體數值,得到因子得分。

四、實證研究

1.數據選取

本研究選取安徽省十六個城市:合肥市、淮北市、亳州市、宿州市、蚌埠市、阜陽市、淮南市、滁州市、六安市、馬鞍山市、蕪湖市、宣城市、銅陵市、池州市、安慶市和黃山市為研究對象,參照表1所示的指標體系,從2016年安徽省統計年鑒獲取數據進行實證。

2.貧困脆弱性評價

先對數據進行標準化處理,然后運用SPSS統計分別對安徽省城鎮居民和鄉村居民的貧困脆弱性進行因子分析。

(1)安徽省城鎮居民貧困脆弱性

安徽省城鎮居民貧困脆弱性因子分析結果顯示KMO檢驗測度值為0.504,sig=0.000,Bartlett球形假設被拒絕,表明選取的變量指標間存在較強的線性關系,適合做因子分析。通過分析,得到因子解釋原有指標變量總方差的情況如表2所示。

表2描述了隨著因子數量的變化,原有9個指標變量的信息涵蓋情況。表中所列出的主成分是按照特征根值從大到小的次序排列的。由表可知,第一個因子的特征根值是4.06,它解釋了總變異的45.10%,說明當原有變量只濃縮為一個因子時,只有45.10%的信息能被包含進去,其余54.90%的信息將丟失;第二個因子特征根值是1.68,它解釋了總變異的18.71%,累計方差貢獻率為63.81%,說明當原有變量濃縮為兩個因子時,原有變量的信息將有63.81%被保留。隨著因子數量的增加,信息丟失將減少,其特征根值小于1說明該因子的解釋力度不如直接引入原變量大,因此本研究選擇提取出3個公共因子,這時的累計方差貢獻率為82.01%。

表2 因子解釋原有變量總方差的情況

為了使每個因子上的負載盡可能遠離,使每個因子更具有代表意義,本文采用方差最大化旋轉,得到旋轉后的因子載荷如表3所示。

由表3可知,第一個因子中第一產業占比(X2)、人均可支配收入(X5)、人均生產總值(X9)和人均受教育年限(X4)載荷較大,前3個指標與經濟發展狀況密切相關,后1個指標顯示文化程度,因此將F1命名為經濟文化因子,反映各個地區經濟發展狀況和社會文化程度;第二個因子中森林覆蓋率(X6)、低保人數占比(X7)和醫保人數占比(X8)載荷較大,這3個指標均能表示抵御風險的能力,因此將F2命名為抵御風險因子,反映抵御風險能力的大小;第三個因子中從業人口占比(X1)、常住人口增長(X3)載荷較大,因此將F3命名為人口因子;由于F1、F2和F3的方差貢獻率分別為45.10%、18.71%和18.21%,所以經濟文化程度是主要影響因素,其次是人口,最后是抵御風險能力。

表3 旋轉后的因子載荷矩陣

在因子分析的實際應用中,當因子確定以后,便可依據旋轉后的因子載荷計算各個因子在每個樣本上的具體數值,這些數值就是因子得分。本文以提取各公共因子的方差貢獻率占提取公共因子的累積方差貢獻率的比重作為權重,對各公共因子的得分進行加權匯總,得到綜合評價得分模型:

Z=54.99%×F1+22.81%×F2+22.20%×F3.

(4)

根據該模型計算出各公共因子得分和安徽省各城市綜合得分,最后將各城市綜合得分進行排序,具體排序情況如表4所示。

在表4中,各城市的綜合得分越高表明該城市的城鎮居民貧困脆弱性越低,其中合肥市的綜合得分最高為1.79,說明合肥市的城鎮居民貧困脆弱性在16個城市中是最低的,蕪湖市和銅陵市則分別排在第二位和第三位;亳州市、阜陽市和六安市的城鎮居民貧困脆弱性相對較高,綜合得分分別為-0.26、-0.52、-0.55。分析排序結果可以發現:安徽省中東部地區城鎮居民貧困脆弱性最低,合肥、蕪湖和銅陵都位于安徽省的中東部;安徽省西部地區城鎮居民貧困脆弱性最高,亳州、阜陽和六安都位于安徽省的西北部。另外,安徽省城鎮居民貧困脆弱性程度與經濟實力呈負相關,在安徽省16個城市中合肥市的人均生產總值最高,其城鎮居民的貧困脆弱性最低。

表4 安徽省各城市城鎮綜合得分排序情況

(2)安徽省鄉村居民貧困脆弱性

安徽省鄉村居民貧困脆弱性因子分析結果顯示KMO檢驗測度值為0.594,sig=0.000,Bartlett球形假設被拒絕,表明選取的變量指標間也存在較強的線性關系,適合做因子分析。通過分析,得到因子解釋原有指標變量總方差的情況如表5所示。

同理可以提取出3個公共因子,這時的累計方差貢獻率為81.01%。

由表6可知,第一個因子中第一產業占比(X2)、人均可支配收入(X5)、人均生產總值(X9)和人均受教育年限(X4)載荷較大,可以F1將命名為經濟文化因子,反映各個地區經濟發展狀況和社會文化程度;第二個因子中從業人數占比(X1)和森林覆蓋率(X6)載荷較大,可以將F2命名為抵御風險因子,反映抵御風險能力的大小;第三個因子中常住人口增長(X3)和低保人數占比(X7)載荷較大,可以將F3命名為人口因子。由于F1、F2和F3的方差貢獻率分別為45.35%、21.84%和13.81%,所以經濟文化程度是主要影響因素,其次是抵御風險能力,最后是人口。

表5 因子解釋原有變量總方差的情況

采用方差最大化旋轉,得到旋轉后的因子載荷如表6所示。

同理可以得到綜合評價得分模型:

(5)

根據該模型計算出各公共因子得分和安徽省各城市綜合得分,最后將各城市綜合得分進行排序,具體排序情況如表7所示。

在表7中,各城市的綜合得分越高表明該城市的城鎮居民貧困脆弱性越低,其中合肥市的綜合得分最高為1.21,說明合肥市的鄉村居民貧困脆弱性在16個城市中是最低的,馬鞍山市和銅陵市則分別排在第二和第三位;亳州市、阜陽市和宣城市的鄉村居民貧困脆弱性相對較高,綜合得分分別為-0.36、-0.53、-1.84。分析排序結果可以發現:安徽鄉村居民貧困脆弱性程度與地區分布有關,中東部地區鄉村居民貧困脆弱性較低,合肥市、馬鞍山市和銅陵市都位于安徽省的中東部;北部地區鄉村居民貧困脆弱性較高,宿州、亳州市和阜陽市都位于安徽省的北部。而安徽省的降雨量分布呈現南多北少的特點,不難看出,北部地區鄉村居民的貧困脆弱性受干旱影響較大。

表6 旋轉后的因子載荷矩陣

表7 安徽省各城市鄉村綜合得分排序情況

五、結果比較

安徽省城鄉居民的貧困脆弱性由多個因素決定,各因素間相互作用。從影響因素來看,城鎮和鄉村居民貧困脆弱性主要影響因素均為經濟文化程度,人均可支配收入越高、受教育年限越長,居民貧困脆弱性越低;次要影響因素均為抵御風險能力,其中森林覆蓋率載荷較大。就城鎮居民而言,森林覆蓋率越大,貧困脆弱性越高;低保、醫保人數越多,貧困脆弱性越低。就農村居民而言,森林覆蓋率越大,貧困脆弱性越低;就業人數越多,貧困脆弱性越低。一方面,相比于城鎮,農村注重農林業的發展,森林覆蓋率越高,農林業發展良好,生態平衡狀況良好,貧困脆弱性越低;另一方面,政府求助、社會福利更加有利于城鎮居民降低貧困脆弱性。

根據因子分析法測度的安徽省城鎮和鄉村居民貧困脆弱性呈現較為相似的地區分布特征。第一,安徽省中東部地區居民貧困脆弱性較低,可以看到,合肥市作為安徽省省會對周邊城市經濟發展的帶動作用,有效降低了其周邊城市城鄉居民貧困脆弱性。第二,安徽省北部地區居民貧困脆弱性較高,根據降雨量呈現南多北少的情況,不難看出,北部地區城鄉居民貧困脆弱性受干旱影響較大。

六、結論與啟示

本文在系統分析貧困脆弱性及其影響要素的基礎上,建立了貧困脆弱性評價指標體系,進而運用因子分析法對安徽省城鎮和鄉村居民貧困脆弱性進行了綜合評價。研究結果表明:影響安徽省城鎮和鄉村居民貧困脆弱性的主要因素是經濟文化程度,次要因素是抵御風險能力;安徽省城鎮和鄉村居民貧困脆弱性呈現較為相似的地區分布特征,安徽省中東部地區居民貧困脆弱性較低,安徽省北部地區居民貧困脆弱性較高。

根據本文實證研究結果,可以在以下三個方面開展扶貧工作。

第一,在政府層面,可以制定針對性扶貧政策。根據安徽省城鄉居民貧困脆弱性的特點,關注城鄉居民貧困脆弱性更高的北部地區,對于貧困脆弱性地區給予政策傾斜;重視經濟發展與教育培訓,通過加強教育和推動經濟增長降低貧困脆弱性。

第二,在社會層面,可以優化社會福利體系。穩定貧困地區的社會治安、完善醫療保險、養老保險和災害救助制度、增設就業崗位。針對城鎮居民,實施社會求助,幫助其抵御沖擊;針對農村居民,增設就業崗位以增加居民收入,增強抵御風險能力。

第三,在家庭方面,可以注重綜合素質提升。針對居民家庭各異的特征,重視個體差異,進行技術培訓;參加社會實踐,提高自適應能力;積極參保,響應扶貧政策。

[1]Cafiero C, Vakis R. Risk and Vulnerability Considerations in Poverty Analysis: Recent Advances and Future Directions[R]. Washington DC:World Bank, 2006.

[2]武拉平,郭俊芳,趙澤林,等.山西農村貧困脆弱性的分解和原因研究[J].山西大學學報,2012,35(6):95-100.

[3]葛珺沂.西部少數民族地區貧困脆弱性研究[J].經濟問題探索,2013,(8):63-170.

[4]方迎風.沖擊、“能力”投資與貧困脆弱性[J].中國地質大學學報,2014,14(2):103-111.

[5]楊浩,莊天慧,藍紅星.氣象災害對貧困地區農戶脆弱性影響研究:基于全國592個貧困縣53271戶的分析[J].農業技術經濟,2016,(3):103-112.

[6]胡金焱.民間借貸、社會網絡與貧困脆弱性[J].山東師范大學學報(人文社會科學版),2015,60(4):17-27.

[7]許慶,劉進,楊青.農村民間借貸的減貧效應研究:基于健康沖擊視角的分析[J].中國人口科學,2016,(3):34-42.

[8]葉茜茜.民間資本投資偏好及其脆弱性的實證檢驗[J].統計與決策,,2016, (16):167-170.

[9]許貴福.海西經濟區金融生態環境評價:基于修正變異系數法[J].山東工商學院學報,2016,30(6):86-92.

[10]許烜,劉純陽.城市低碳競爭力評價指標體系的構建及實證[J].統計與決策, 2014,(21): 60-61.

[11]吳戰勇.基于DEA的河南省發展低碳經濟的效率評價[J].統計與決策, 2015,(5):56-58.

[12]李伯華,陳佳,劉沛林,等.欠發達地區農戶貧困脆弱性評價及其治理策略[J].中國農學通報,2013,29(23): 44-50.

[13]賀祥,熊康寧.基于熵權灰色關聯法的貴州巖溶山區農村貧困脆弱性分析[J].江蘇農業科學,,2014, 42(3):376-381.

[14]邢震.生產性服務業就業吸納能力及影響因素研究:基于浙江省臺州市的實證分析[J].山東工商學院學報,2016,30(1):61-67.

[15]李小云,張雪梅,唐麗霞.當前中國農村的貧困問題[J].中國農業大學學報,2005,10(4):67-74.

[責任編輯:陳宇涵]

10.3969/j.issn.1672-5956.2017.02.005

2017-02-28

安徽省哲學社會科學規劃基金項目”安徽省城鄉居民家庭貧困脆弱性研究”(AHSKY2014D103)

許啟發,1975年生,男,安徽和縣人,合肥工業大學教授,研究方向為數量經濟理論與方法、金融計量,(電子信箱)xuqifa@hfut.ceu.cn。

F126

A

1672-5956(2017)02-0031-07