基于地理加權回歸模型的村域致貧因子研究
——以貴州省劍河縣為例

楊桂林， 楊 柳， 焦洪贊， 鐘 磊

(1.貴州大學公共管理學院，貴州貴陽 550025； 2.武漢大學城市設計學院，湖北武漢 430072； 3.貴州省土地整治中心，貴州貴陽 550000)

消除貧困是社會主義的本質要求。黨的十八大以來，以習近平同志為首的領導隊伍提出“大水漫灌”式的扶貧模式已經不能有效實現區域脫貧，扶貧工作須轉向“精準”扶貧。2013年《關于創新機制扎實推進農村扶貧開發工作的意見》《關于印發〈建立精準扶貧工作機制實施方案〉的通知》中明確提出了精準扶貧的實施方案。以“精準”理念為引領的扶貧工作成為黨和國家實現到2020年全面建成小康社會這一目標的重要措施。深入、精確分析致貧原因成為制定脫貧政策、實施脫貧方案的前提和關鍵。

目前，學術界對致貧原因的探討涵蓋了經濟學[1]、社會學[2]、制度學[3]等，其研究逐步從單一的經濟收入貧困演變到經濟、社會、能力等綜合的多維貧困。20世紀90年代，以地理資本缺乏為貧困形成根源的空間貧困理論將“空間”概念引入[4]。它指的是在貧困地理空間分布分析基礎上，把各種資源的空間分布狀況歸結為一個地區的地理資本，強調空間范圍內自然、社會資源的空間分布不均衡對貧困現象的影響[5]，是一個包含經濟、社會、環境等3個維度在內的集合概念，其內涵更加豐富[4]。而研究致貧原因的方法以定性為主，定量的則有Logistic回歸模型[6-8]、Tobit回歸模型[9-10]、面板分位數條件回歸方法[11]、多元線性回歸模型[12]、灰色關聯度模型[13]、有序Probit[14]等。這些研究方法通過數學運算量化了某一因子對區域貧困形成的影響，科學、客觀地認識了致貧因子。然而，這些研究方法缺乏對致貧因子空間異質性的考慮，即沒有考慮研究區內同一致貧因子在不同地理空間位置影響程度的差異性，使得研究結果是全局的而不是局部的，達不到精確分析致貧原因的效果。Brunsdon等于1996年基于局部光滑的思想，提出了地理加權回歸(geographically weighted regression，簡稱GWR)模型[15]。地理加權回歸模型是對傳統回歸分析的擴展，允許局部而不是全局的參數估計，通過附加表達空間對象本身相關和異質性的變化參數，反映樣本對回歸方程貢獻在空間上的分異，使得回歸結果更加可信[16]。GWR方法逐漸出現在具有空間異質性現象的研究中，景觀格局[17]、城市地價[18]、耕地變化[19]影響因素的實證分析都證明GWR模型要優于普通最小二乘法。因此，將GWR模型應用于貧困影響因素的研究，體現了貧困及致貧因子的空間異質性，可以得到局部的參數估計，實現精確分析致貧原因的目的。本研究以貴州省劍河縣為例，以村為單位，基于空間貧困理論選取致貧因子，利用地理加權回歸模型計算各村回歸參數，并通過ArcGIS將其可視化，分析致貧因子影響作用，從而提出相應的脫貧對策。

1 研究區概況

1.1 研究區概況

劍河縣位于貴州省東部，政府駐地革東鎮，隸屬于黔東南州苗族侗族自治州，與三穗、施秉、臺江等縣毗鄰。全縣總面積為2 176 km2，地勢由西南向東北傾斜，以低山、低中山為主，最低海拔348 m，最高海拔1 623.3 m。劍河縣氣候溫和，年均氣溫16.7 ℃左右，年均降水量1 220 mm，森林覆蓋率達70.87%。劍河縣下轄12個鄉(鎮)，共301個村、8個居委會，2015年年末戶籍總人口27.43萬人，其中以苗族、侗族為主的少數民族占總人口的93.4%。2015年全縣生產總值約為36.06 億元，其中第一、第二、第三產業增加值分別約為9.84億、6.12億、20.10億元，三類產業結構比為27.3 ∶17.0 ∶55.7。

劍河縣是貴州省10個國家扶貧開發工作重點縣之一，在2015年全省10個國家扶貧開發工作重點縣經濟發展綜合測評中排第8位。2015年全年共投入各類扶貧資金5 094.7萬元，實施117個扶貧項目，實現減貧人口10 932人，3個鄉(鎮)實現減貧摘帽，貧困鄉(鎮)發生率下降25百分點。然而，劍河縣貧困人口主要集中在生態脆弱、生存環境惡劣的深山區，土地資源少，基礎設施薄弱，返貧問題嚴重，脫貧任務十分艱巨。

1.2 劍河縣貧困空間分布特征

劍河縣2015年貧困鄉(鎮)發生率為20.0%，農村貧困人口發生率為20.5%(貧困人口發生率=貧困人口/總人口×100%，以下簡稱貧困發生率)。2015年劍河縣貧困村共有178個，其中一類貧困村76個，二類貧困村57個，三類貧困村45個。由圖1可知，除南明鎮外，其他11個鄉(鎮)都分布有一類貧困村，一類貧困村主要集中在久仰鄉以及太擁鎮北部、敏洞鄉西南部、觀么鄉西部地區；二類貧困村主要分布在柳川鎮南部、敏洞鄉北部；三類貧困村主要分布在久仰鄉中部、南哨鄉東部以及南加鎮北部和南部地區。劍河縣除一、二、三類貧困村外，還有非貧困村，為了便于比較，本研究將非貧困村歸為第四類，其主要分布在南明鎮、太擁鎮東部地區、柳川鎮北部以及革東鎮中部、東部。為了揭示劍河縣貧困分布的空間特性，運用ArcGIS 10.1對村級貧困發生率進行空間自相關分析。劍河縣村級貧困發生率全局Moran’s I指數為 0.257 1，在0.05的顯著性水平下，其Zscore為7.06，大于臨界值1.69，說明劍河縣貧困發生率存在顯著的空間正相關可能性，即存在聚集特征，可以進行GWR模型分析[20]。

2 研究方法與數據來源

2.1 指標選取及多重共線性檢驗

劍河縣惡劣的自然環境、交通狀況以及較低的文化教育水平是區域貧困形成的主要原因。因此，本研究以地理資本缺乏導致“空間貧困陷阱”的空間貧困理論為依據，結合相關學者的研究結果[4，11]，選取平均坡度、到最近公路的距離、到最近河流的距離、缺勞動力致貧人口比例等9個致貧因子來分別解釋自然資本、社會資本、人力資本的缺乏對貧困的影響。為了避免回歸分析中的多重共線性問題，在進行回歸前對致貧因子進行方差膨脹因子(variance inflation factor，簡稱VIF)檢驗。VIF越小越好，在ArcGIS中要求VIF≤7.5。對9個致貧因子進行VIF檢驗，由表1可知，各因子的VIF均小于2，說明所選取的致貧因子之間不存在多重共線性問題或其共線性關系較弱，可以進行回歸分析。

2.2 地理加權回歸模型

傳統的線性回歸模型是對整體參數的估計，得到的結果為全局意義上的相關關系。對于貧困問題，由于各地區自然環境、生活習慣、政治政策差異等使得貧困形成的原因不盡相同。這也是地理現象所具有的空間特性，即貧困狀態與致貧因子的關系會隨著地理位置的變化而變化，在進行回歸分析時須要考慮數據的空間異質性。GWR模型是一種相對簡單且有效的探查不同地理空間存在的空間關系，其結果是局部而不是全局，在貧困問題研究上具有明顯的優越性，本研究將其運用于致貧因子回歸參數的估計，其計算公式如下：

式中：yi為i村的貧困發生率；(ui,vi)為第i個村的地理坐標；β0(ui,vi)為i村的回歸常數；βk(ui,vi)為i村的第k個致貧因子的回歸參數，即模型函數在空間坐標(ui,vi)處的權重；xik為致貧因子xk在i村的值；εi為i村的隨機誤差。y(貧困發生率)與xk(致貧因子)間的關系隨地理位置變化而變化。

空間核函數和核寬帶是GWR模型擬合中最重要的參數，兩者的選擇對參數估計的科學性有關鍵影響。常用的空間核函數有固定型空間核、調整型空間核。以固定型空間核確定的GWR模型其空間權重采用高斯函數法，該方法克服了距離閾值法與距離反比法的缺點，滿足要求的函數多，普適性強[21]，本研究選擇此方法運行GWR模型。除此之外，在寬

表1 貴州省劍河縣致貧因子指標體系

注：數字高程模型數據來自地理空間數據云；劍河縣土地利用數據庫來自貴州省土地整治中心(轄區內的國有林場不屬于任何行政村，因此本研究將其圖斑舍去)；統計數據來自劍河縣扶貧數據云。

帶的確定上常用的方法有赤池信息量準則(Akaike information criterion，簡稱AIC)法、交叉驗證(cross validation，簡稱CV)法等。使用CV法確定寬帶須要回歸點與數據點一致，而AIC法沒有，即AIC法考慮了不同模型不同自由度的差異，相對能準確地比較[22]，因此本研究選用AIC法確定模型寬帶。

3 模型運算及結果分析

3.1 模型運行及參數檢驗

依托于ArcGIS 10.1平臺，以貧困發生率為因變量，以平均坡度、到最近公路的距離、外出務工人口占比等9個因子為自變量，選擇固定型空間核和AIC法運行GWR模型。驗證GWR模型對致貧因子分析的適配性，對因變量和自變量進行普通最小二乘法(ordinary least square，簡稱OLS)模型分析。由表2可知，GWR模型的校正決定系數radj2為0.698，說明該模型可以解釋因變量中69.8%的變化，而OLS模型只可以解釋46.3%。同時，GWR模型的赤池信息量準則(AICc)為-415.067，小于OLS模型的-405.048，表明GWR模型更佳。除此之外，在殘差的標準差以及決定系數(r2)等模型性能參數的比較上，GWR模型都要優于OLS模型?？偠灾瑯嫿ㄒ载毨Оl生率為因變量，以平均坡度、人均耕地面積等為自變量的回歸分析，GWR模型擬合效果更好，更能解釋變量間的相關關系。

表2 GWR與OLS模型參數比較

3.2 回歸結果分析

3.2.1 平均坡度 平均坡度是衡量一個區域自然生態環境狀況優劣的主要指標。由圖2可知，平均坡度對劍河縣貧困發生率的影響作用以政府駐地革東鎮為圓心，從西北至東南方向呈圈層式遞增，形成以太擁鎮為主的高值區和以革東鎮、岑松鎮為主的低值區格局。這表明平均坡度對太擁鎮貧困形成的作用要大于其他鄉(鎮)，而對革東鎮、岑松鎮貧困形成的作用則不明顯。這主要是因為深山區的地形地貌相對陡峻，坡度等自然環境狀況既是其貧困形成的原因也是貧困結果的表現。因此，以自然環境惡劣為貧困形成原因的地區一般以易地搬遷為主要扶貧解決措施。

3.2.2 人均耕地面積 耕地資源是人類生產生活的基本資料，劍河縣第一產業占比為27.3%，農業在其經濟社會發展中仍然占重要地位，尤其是對于農村地區。由圖3可知，人均耕地面積對劍河縣貧困形成的影響作用是以觀么鄉為圓心，呈圈層式向外遞減，在太擁鎮西南部出現遞增趨勢。這表明觀么鄉、岑松鎮東部、敏洞鄉西部、南寨鄉北部、太擁鎮西南地區的村莊，其貧困發生率與人均耕地面積的相關性較強。耕地資源的數量與質量為制約這些區域脫貧的主要因素。

3.2.3 到最近河流的距離 水資源是生產生活的必備條件，它影響著一個區域的氣候、生態、植被乃至生活習慣、民族文化、人文景觀等，潛移默化地對貧困造成影響。由圖4可知，到最近河流的距離對貧困的影響以岑松鎮為圓心，由北至南呈圈層式遞增。對岑松鎮的影響最小，對太擁鎮、南哨鄉、南加鎮等的影響相對較大。這主要是因為研究區境內的清水江由革東鎮上游流至南加鎮下游，養殖、捕撈等漁業成為南加鎮下游等地區的支柱性產業。河水的豐裕度與到河流距離的遠近直接影響著該地區居民的經濟收入，從而對貧困造成影響。

3.2.4 到最近公路的距離 交通條件直接體現一個地區與外界信息、物質的交流情況，其便捷與否關系著區域經濟發展的好與壞。選擇到最近公路的距離來衡量獲取社會資本的機會。由圖5可知，到最近公路的距離對劍河縣貧困的影響從西至東逐漸遞減，以革東鎮、久仰鄉、太擁鎮等為高值區，以南明鎮、敏洞鄉、磻溪鎮等為低值區。這主要是因為革東鎮作為全縣社會、經濟、文化的中心，其輻射作用明顯，到最近公路距離的遠近直接影響其貧困發生率的高低；而對于久仰鄉與太擁鎮的部分地區，則是因為比較偏遠，交通條件對經濟的發展影響大，從而形成高值區。

3.2.5 到最近鎮(鄉)的距離 鄉(鎮)對村的輻射作用要大于縣城對村的輻射作用，特別是在鄉(鎮)遠離縣城的地區。由圖6可知，到最近鎮(鄉)的距離對劍河縣貧困的影響分別以西南部久仰鄉、東南部南加鎮為圓心，由西南至東北、東南至西北方向呈圈層式遞減，久仰鄉西南部、太擁鎮西北部、南加鎮東南部以及磻溪鎮南部地區為高值區。這說明距久仰鄉、南加鎮等政府駐地的距離對其轄區內村莊的貧困發生率有明顯影響。

3.2.6 缺資金致貧人口比例 資金投入是改善一個地區基礎設施以及經濟發展最直接的方式。缺資金致貧人口占比體現了該區域資金投入的多少，顯示了資金對貧困改善的影響。由圖7可知，劍河縣資金對貧困的影響由西南向東北方向逐漸降低，以太擁鎮、南哨鄉、久仰鄉為高值區，以南明鎮、敏洞鄉、磻溪鎮為低值區。這說明資金投入對太擁鎮、南哨鄉、久仰鄉所轄村貧困的改善作用明顯，同時也表明這些區域扶貧資金的缺乏。

3.2.7 缺技術致貧人口比例 科學技術是第一生產力，技術水平的提高對生產效率有明顯的提升。對于農村地區，科學技術水平表現在勞動力技能的掌握上，缺乏技術致貧人口占比體現了技術水平對貧困的影響作用。由圖8可知，劍河縣技術水平對貧困的影響以柳川鎮為圓心，向西北以及東部方向呈圈層式逐漸降低，西南方向則逐漸增高，形成以太擁鎮為高值區，以久仰鄉、南哨鄉、柳川鎮為次高區，以南明鎮、盤溪鎮為低值區的格局。這說明技術水平對太擁鎮、久仰鄉、南哨鄉、柳川鎮貧困的影響作用明顯，提高該區域居民的技術水平可以有效降低貧困發生率。

3.2.8 缺勞動力致貧人口比例 勞動力是創造財富的根源。缺勞動力致貧人口占比揭示了勞動力對區域貧困的影響。由圖9可知，勞動力對劍河縣貧困發生率的影響以柳川鎮與南寨鄉交界為軸心，往東北、西南方向逐漸增高，往西北、東南方向逐漸降低，以太擁鎮西南部、南明鎮東北部為高值區。這說明太擁鎮、南明鎮部分地區勞動力對貧困發生率的影響較明顯。勞動力的缺乏表明原生家庭老齡化嚴重，經濟來源受限制。

3.2.9 外出務工人口比例 外出務工可以明顯增加農戶的收入，外出務工人口占比體現了獲得社會資源的能力，是勞動力數量與質量的體現。由圖10可知，外出務工人口對劍河縣各村貧困發生率的影響由西向東逐漸增強，在南明鎮東北地區減弱。形成以太擁鎮西南部為低值區，南明鎮中部、敏洞鄉東部以及磻溪鎮大部分地區為高值區的格局。這說明南明鎮、敏洞鄉、磻溪鎮外出務工人數的增加可以明顯降低其貧困發生率，該區域勞動力素質相對較高。

4 結論與啟示

本研究以貴州省劍河縣為例，運用地理加權回歸模型估計了貧困影響因子的回歸系數，從自然資本、社會資本、人力資本等3個維度詮釋了該區域貧困形成的原因，得出如下結論：

(1)自然資本對太擁鎮貧困的影響作用最大，其次是觀么鄉。其中平均坡度、到最近河流的距離在太擁鎮的回歸系數最大；人均耕地面積在觀么鄉最大。因此，太擁鎮地區作為環境惡劣區，以易地扶貧為擺脫貧困的主要手段，而觀么鄉則以提高耕地資源利用率進行農業基礎設施投資以及產業扶持為主。

(2)社會資本對離縣城最近的革東鎮和較遠的南加鎮、太擁鎮、南哨鄉、久仰鄉的影響作用最明顯。到最近公路的距離在革東鎮回歸系數最大；到最近鄉(鎮)的距離在南加鎮、太擁鎮、久仰鄉回歸系數最大；而扶貧資金在太擁鎮、南哨鄉回歸系數最大。因此，革東鎮扶貧須加強其村級交通建設；而太擁鎮與南加鎮則須加強鄉(鎮)級公路投資，從而提高鄉(鎮)的輻射能力。除此之外，扶貧資金還須適當地傾向于南哨鄉和太擁鎮。

(3)人力資本在南明鎮、磻溪鎮、太擁鎮對貧困的影響作用明顯。其中，勞動力的數量以及技術人才在太擁鎮地區回歸系數最大；而外出務工人數在南明鎮、磻溪鎮的回歸系數最大。因此，太擁鎮扶貧須要從社會保障與農業實用技術培訓上入手，而南明鎮、磻溪鎮等地區則須要加大外出務工技能的培訓。

總之，運用地理加權回歸模型對貧困影響因素進行分析，體現了貧困在空間上的異質性。它對局部回歸參數的估計更加是精準扶貧時代到村到戶精準分析致貧原因的需求。由于地理加權回歸模型對分析數據的要求，本研究沒有對政策、文化影響因素進行分析。而以貧困空間異質性為突破口，定量分析貧困影響因素，為貧困研究提供了新的視角。

參考文獻：

[1]李明橋. 貴州山區收入結構對農戶貧困狀況的影響——基于普定縣3個行政村的農戶調查數據[J]. 南京農業大學學報(社會科學版)，2016，16(6)：131-140.

[2]王志章，劉天元. 連片特困地區農村貧困代際傳遞的內生原因與破解路徑[J]. 農村經濟，2016(5)：74-79.

[3]劉明宇. 貧困的制度成因[M]. 北京：經濟管理出版社，2007.

[4]劉小鵬，蘇曉芳，王亞娟，等. 空間貧困研究及其對我國貧困地理研究的啟示[J]. 干旱區地理，2014，37(1)：144-152.

[5]張麗君，董益銘，韓 石. 西部民族地區空間貧困陷阱分析[J]. 民族研究，2015(1)：25-35，124.

[6]楊 穎. 貴州農村反貧困的成效及影響因素分析[J]. 貴州農業科學，2012，40(1)：148-152，157.

[7]萬翀昊，司漢武. 農村文化致貧的Logistic模型分析——基于CGSS 2010數據庫[J]. 四川農業大學學報，2015，33(4)：464-470.

[8]葉 慧，陳敏莉. 邊境地區貧困農戶多維特征及致貧因素分析——基于廣西崇左市貧困戶調查數據[J]. 北方民族大學學報(哲學社會科學版)，2016(4)：102-106.

[9]周 倩，馬贊甫，劉妍珺. 基于DEA-Tobit模型的貴州農村貧困影響因素分析[J]. 貴州農業科學，2014，42(7)：239-243.

[10]萬 力，劉妍珺，馬贊甫. 貴州民族自治地方的貧困影響因素分析[J]. 貴州民族研究，2015，36(10)：147-150.

[11]黃國勇，張 敏，夏 詠，等. 新疆邊境貧困縣自然地理環境影響因素實證分析[J]. 干旱區地理，2015，38(4)：814-820.

[12]曹小曙，任慧子，黃曉燕. 經濟發達地區鄉村貧困的地方特征及其影響因素分析——以廣東省連州市為例[J]. 地域研究與開發，2014，33(1)：34-40.

[13]王國敏，李仕波. 貴州省農村貧困影響因素的灰色關聯度分析[J]. 湖北農業科學，2013，52(22)：5629-5634.

[14]莊天慧，張海霞，傅新紅. 少數民族地區村級發展環境對貧困人口返貧的影響分析——基于四川、貴州、重慶少數民族地區67個村的調查[J]. 農業技術經濟，2011(2)：41-49.

[15]Brunsdon C，Fotheringham A S. Charlton M E. Geographically weighted regression：a method for exploring spatial nonstationarity[J]. Geographical Analysis，1996，28(4)：281-298.

[16]邵一希，李滿春，陳振杰，等. 地理加權回歸在區域土地利用格局模擬中的應用——以常州市孟河鎮為例[J]. 地理科學，2010，30(1)：92-97.

[17]劉世梁，劉 琦，王 聰，等. 基于地理加權回歸的漫灣庫區景觀破碎化及影響因子分析[J]. 地理科學，2014，34(7)：856-862.

[18]張 靜，張麗芳，濮勵杰，等. 基于GWR模型的城市住宅地價的時空演變研究——以江蘇省為例[J]. 地理科學，2012，32(7)：828-834.

[19]苑韶峰，楊麗霞，楊桂山，等. 耕地非農化的社會經濟驅動因素異質性研究——基于STIRPAT和GWR模型的實證分析[J]. 經濟地理，2013，33(5)：137-143.

[20]周曉艷，宋禎利，宋亞男，等. 基于地理加權回歸模型的長江中游地區人均耕地面積變化影響因素分析[J]. 水土保持通報，2016，36(1)：136-142.

[21]覃文忠. 地理加權回歸基本理論與應用研究[D]. 上海：同濟大學，2007：14-17.

[22]羅罡輝. 基于GWR模型的城市住宅地價空間結構研究[D]. 杭州：浙江大學，2007：83-84.