地理資本視角下村級多維貧困測度及貧困類型劃分
——基于重慶市1 919個市級貧困村調研數據*

羅 剛，廖和平※，李 濤，張茜茜，蔣潞遙

(1.西南大學地理科學學院，重慶 400715；2.西南大學國土資源研究所，重慶 400715； 3.西南大學精準扶貧與區域發展評估研究中心，重慶 400715)

0 引言

貧困農村的精準脫貧是實施鄉村振興戰略的重要任務，同時也是統籌城鄉發展與全面建成小康社會的重要目標。中國30年來的扶貧開發工作取得了歷史性的偉大成就，當今中國農村貧困已由從前“面上”貧困轉變為了“點上”的貧困[1]。由于不同地區自然資源稟賦、生產條件、交通通達度、人口素質等具有顯著的地域性差異，中國部分農村地區的貧困化問題仍然呈現出“貧困深、成因雜、分布廣、聚集強”的態勢[2]。新時代中國農村扶貧開發由“大水漫灌”的普惠式幫扶工作機制轉變為“精準滴灌”的精準式幫扶，同時精準幫扶的瞄準區域也從縣域過渡到行政村[3]。因此，對農村多維貧困進行多方位有效測度與貧困類型劃分有助于更好地對農村貧困現狀的把握，為村域尺度的貧困地理識別提供科學、合理的技術方法和支撐，同時為差別化、精準化地制定幫扶政策提供參考。近年來，眾多學者基于反貧困理論與方法，并結合區域實際對貧困測度方法開展了大量的研究，并形成了多元的研究成果。在貧困測量的維度上，由單一的經濟維度測量拓展到包括經濟維度和自然資源、社會保障等非經濟維度的綜合測量[3-6]。在現有的多維貧困測量方法中，A-F雙臨界值法[7-8]和多維貧困綜合指數法[9， 10]應用較為廣泛。但現有的貧困測量方法忽視了生態環境要素對區域反貧困的影響，在區域多維貧困測算中缺乏對生態貧困的評估。在貧困測量尺度上，隨著貧困研究數據可獲取性和數據精細化程度的增加，研究尺度由全國[11-13]、省域[14-15]、區縣域[16-19]等中宏觀尺度轉向鄉鎮[19]、行政村[20-21]、戶[22-23]等微觀尺度。總體上來看，由于鄉鎮、行政村、農戶的統計信息相對匱乏，目前貧困測度研究多以大中尺度為主，難以滿足新階段農村扶貧開發工作以村為基本單元的國家精準扶貧方略需求。在貧困影響因素上，汪曉文等基于灰色關聯度模型對甘肅農村的貧困影響因素進行了探索[24]，楊慧敏采用Logit回歸模型分析了社會經濟發展、自然條件、區位交通、歷史基礎4個維度16個影響因子對河南省縣域貧困狀況的影響程度[25]。羅慶等運用泊松回歸模型對秦巴山區11縣的貧困影響因素進行了定量化分析[1]，總體看來目前有關貧困影響因素的研究成果大多是定性或半定量的分析，缺乏對貧困影響因素地域類型的劃分。

1 研究方法

文章以經濟學的資本內涵為基礎，引入了地理資本的概念。地理資本是地理區位與自然環境條件所形成的自然資源資本、社會資本、經濟資本與生態資本的集合[26-27]。區域空間貧困與地理資本匱乏具有密切聯系，通過對區域地理資本的核算，來揭示區域發展的地理區位劣勢、經濟發展劣勢、社會發展劣勢及生態劣勢[28]。該文從村域資源本底出發，以自然地理資本、經濟地理資本、社會地理資本、生態環境資本4個維度構建地理資本視角下貧困村多維貧困綜合測度模型，從精細尺度上對重慶市1 919個市級貧困村進行多維貧困測量。采用致貧維度貢獻率模型、最小方差模型等數理統計方法并結合GIS平臺，從定量化測度和空間化表達兩個方面對重慶市貧困村的多維貧困程度、貧困類型及其空間分異規律進行探究，進而整合各方扶貧資源，并針對貧困村的個體性差異特征，實施精準幫扶，促進2020年全面脫貧。

圖1 地理資本視角下多維貧困測度示意圖

空間貧困理論闡釋了貧困的空間分布、貧困與地理環境之間的相互關系[28]。該文以空間貧困理論為基礎，將樣本村實地調查指標整合成自然地理資本、社會地理資本、經濟地理資本、生態地理資本4個維度的地理資本評價指標體系，構建村域多維貧困測量模型。再分析樣本村地理資本在空間分布上的優劣勢，并以貧困地圖的形式進行空間可視化表達。在測算各村多維貧困指數的基礎上，采用最小方差模型(LSE)對貧困村的貧困類型進行劃分。

1.1 地理資本多維貧困測量指標體系構建

基于地理資本視角分別從自然地理資本、社會地理資本、經濟地理資本和生態地理資本4個維度對重慶市1 919個市級貧困村進行多維貧困測度。在測度指標選取上，該文按照指標選擇的全面性、針對性、合理性、可實施性等要求[29]，同時兼顧多維貧困測量的區域公平性、政策相關性、數據可獲取性等客觀條件[27]，并在充分參考相關研究文獻[10， 21， 28]的基礎上，建立村級多維貧困測量指標體系候選集，對共線性或區分度較低的候選指標進行剔除，最后得到村級多維貧困測度指標體系(表1)。

自然地理資本描述的是區域自然地理條件、農業資源稟賦，該文選取了平均海拔、地形起伏度、人均耕地面積、戶均耕地半徑、大于25°耕地占比5個指標，前2個指標反映的是樣本村自然地理特征，后3個指標反映的是樣本村耕地資源數量和質量。

經濟地理資本表征的是區域經濟發展水平以及地理區位條件，該文選取了距離鄉鎮府距離、距離縣城距離、村交通道路網絡密度、2017村集體經濟收入、農民人均可支配收入5個指標，前3個指標衡量了樣本村市場連通性、可達性水平，后2個指標反映的是樣本村經濟發展水平和經濟發展的金融基礎。

社會地理資本反映的是區域人力資源與社會保障水平，該文選取了外出務工人口占比、建檔立卡貧困人口占比、18-60歲青壯年人口占比、初中及以上文化程度人口占比、每千人鄉村醫生數、新型農村合作醫療參與比例、新型農村養老保險參與比例7個指標。

生態地理資本表現的是區域生態環境質量水平，該文選取了化肥使用強度、農藥使用強度、垃圾集中處理點密度、傳統能源(秸稈、薪柴、畜糞等)使用占比、水土流失面積占比、水旱災害面積占比6個指標。

表1 村域多維貧困測度指標體系

維度維度權重指標指標屬性復相關系數熵權權重AHP權重組合權重自然地理資本0.252平均海拔(m)+0.344 0.189 0.174 0.184 地形起伏度(m)+0.422 0.201 0.185 0.195 人均耕地面積(667m2)-0.446 0.0730.226 0.172 戶均耕地半徑(m)+0.187 0.234 0.203 0.213 大于25°耕地占比(%)+0.281 0.303 0.212 0.236 經濟地理資本0.342距離鄉鎮府距離(km)+0.270 0.581 0.185 0.224 距離縣城距離(km)+0.483 0.284 0.187 0.216 村交通道路網絡密度(km/km2)-0.517 0.061 0.211 0.198 2017村集體經濟收入(萬元)-0.191 0.006 0.112 0.105 農民人均可支配收入(元)-0.470 0.068 0.305 0.257 社會地理資本0.293外出務工人口占比(%)-0.463 0.027 0.142 0.107 建檔立卡貧困人口占比(%)+0.474 0.237 0.194 0.201 18-60歲青壯年人口占比(%)-0.367 0.051 0.162 0.138 初中及以上文化程度人口占比(%)-0.336 0.081 0.153 0.129 每千人鄉村醫生數(個/千人)-0.234 0.005 0.105 0.088 新型農村合作醫療參與比例(%)-0.214 0.437 0.123 0.196 新型農村養老保險參與比例(%)-0.390 0.162 0.121 0.141 生態地理資本0.113化肥使用強度(kg/667m2)+0.266 0.051 0.181 0.167 農藥使用強度(L/667m2)+0.220 0.084 0.181 0.173 垃圾集中處理點密度(個/千人)-0.375 0.003 0.204 0.174 傳統能源( 秸稈、薪柴、畜糞等)使用占比(%)+0.245 0.018 0.152 0.122 水土流失面積占比(%)+0.384 0.484 0.141 0.193 水旱災害面積占比(%)+0.393 0.360 0.141 0.171

1.2 多維貧困測量模型

1.2.1 指標的無量綱化

由于選取指標具有不同的量綱，在對樣本村進行多維貧困測度之前需要對指標進行無量綱化處理。處理公式如下：

(1)

(2)

式(1)、(2)中Yij為無量綱化處理后指標值，Xij為第i個樣本村第j個指標值；Xmin、Xmax分別為同一個指標的最小值和最大值。其中式(1)運用于正向指標，式(2)運用于負向指標。

1.2.2 權重模型

權重的分布表征指標的重要程度，對評價指標進行科學、合理的賦權具有重要的意義。常用的賦權方法有主觀賦權法和客觀賦權法。層次分析法(AHP)是基于專家的經驗和已有的知識來確定指標重要程度的主觀賦權法，具有主觀性強的特點； 熵權法(EVM)是基于指標統計性質來確定指標重要程度的客觀賦權法，客觀性較強但可能忽略指標本身的相對重要程度以及研究者的主觀偏好。為彌補AHP計算出的權重主觀性強的缺陷，同時準確客觀地反映各指標的重要程度，該文采用主客觀組合賦權法，將AHP得到的主觀權重與EVM得到的客觀權重的最優組合作為指標的組合權重[30](表1)。

由AHP確定的指標主觀權重向量為：

ω=(ω1，ω2，ω3,…，ωm)T

(3)

由EVM確定的指標主觀權重向量為：

μ=(μ1，μ2，μ3,…，μm)T

(4)

為使主客觀賦權下的決策結果的偏差最小，建立最小二乘法優化決策模型[30]，通過構造拉格朗日函數求解得出AHP、EVM的最優組合權重αω、βμ。

由AHP、EVM確定每個指標的組合權重為：

δ=αωω+βμμ

(5)

1.2.3 多維貧困指數測算

該文構建的村級多維貧困評價指標體系由自然地理資本、社會地理資本、經濟地理資本和生態地理資本4個維度綜合組成，每個維度下分別設置了若干評價指標，并利用維度間的組合權重(計算方式同指標間的組合權重)對各維度進行加權，求得各貧困村的多維貧困指數。計算公式如下：

(6)

(7)

式(6)中PI代表維度貧困指數，m為該維度下指標個數；σi代表該維度第i個指標的權重，Ii為該維度下標準化后的指標值； 式(7)中，VPI為村級多維貧困指數，N、P、F、E分別代表各貧困村自然地理資本、社會地理資本、經濟地理資本和生態地理資本的維度貧困指數；ωn、ωp、ωf、ωe分別表示自然地理資本、社會地理資本、經濟地理資本和生態地理資本的維度組合權重。

1.3 最小方差模型

為了系統劃分各樣本村的貧困類型，該文引入最小方差模型(LSE)[31]，利用貧困村各類型地理資本的貧困貢獻率，對貧困村的貧困類型進行劃分。其計算公式如下：

(8)

(9)

圖2 重慶市貧困村空間分布

2 研究區概況與數據來源

2.1 研究區概況

重慶市是西南地區唯一的直轄市，地處長江上游，位于105°11′E～110°11′E、28°10′N～32°13′N之間，幅員面積8.23萬km2，地形以山地、丘陵為主。重慶市下轄38個區縣，其中扶貧開發重點區縣18個，包括萬州區、黔江區、城口縣、豐都縣、武隆區、開州區、云陽縣、奉節縣、巫山縣、巫溪縣、石柱縣、秀山縣、酉陽縣、彭水縣等14個國家級貧困縣，包括忠縣、潼南區、涪陵區、南川區等4個市級貧困區縣。截止2014年，全市建檔立卡貧困人口規模為165.9萬人。重慶市集大城市、大農村、大山區、大庫區于一體，城鄉二元結構特征明顯，區域發展差異較大。同時喀斯特地貌分布廣泛，生態環境脆弱，經濟發展基礎較差，脫貧攻堅任務較為艱巨。

2.2 數據來源

該文采用的數據來源于重慶市1 919個市級貧困村的調研數據，貧困村樣本覆蓋重慶市33個扶貧任務區縣， 855個貧困鄉鎮，樣本村空間分布如圖2所示。數據內容主要涵蓋貧困村基本概況、經濟發展水平、公共服務水平、基礎設施條件、生產生活條件等。貧困村耕地數據、交通網絡數據來源于重慶市2017年土地利用變更調查數據，海拔、起伏度數據來源于重慶市30m×30m DEM數據。貧困村矢量點數據是基于重慶市村級行政區劃矢量面數據生成，所有基礎地理數據均經過粗差剔除和地理校正。

3 結果與分析

3.1 貧困村多維貧困程度測算與分析

依據式(6)、(7)分別測算出每個貧困村自然地理資本、經濟地理資本、社會地理資本、生態地理資本4個維度的貧困指數，基于GIS平臺，利用自然斷點法將貧困村4個維度的貧困指數以及地理資本綜合貧困指數分為低度貧困、輕度貧困、中度貧困、高度貧困、極端貧困5個貧困等級。從表2可知，重慶市貧困村多維貧困指數分布呈現兩頭大中間小的“啞鈴狀”結構，低度貧困、極端貧困的貧困村占比較大，輕度、中度、重度貧困的貧困村占比較小，貧困程度呈兩極分化的特征，說明重慶市區域發展差異較大。

表2 貧困村多維貧困程度統計

%

(1)在自然地理資本維度上，貧困村貧困程度呈現出渝東北>渝東南>渝西的空間分布趨勢，貧困程度最深的貧困村主要集中在渝東北的秦巴山區(圖3a)，尤其在秦巴山區的城口縣、巫溪縣、巫山縣分布最為集中。該區域受地理環境的約束，平均海拔高、地形起伏度大，地形復雜多樣，地質環境相對脆弱，地質災害頻繁，自然地理條件較差。同時平均海拔高、地勢起伏越大的區域對外交通不便，增大了生產要素流通成本。從戶均耕作半徑、大于25°耕地占比指標的貧困指數看，該區域貧困村遠遠高于其他地區的貧困村，農業生產成本較高，不利于農業的規模化發展，農業資源稟賦較差。其余地區重度、極端貧困村呈“插花式”分布。

(2)在經濟地理資本維度上，受貧困村地理區位條件、交通通達度、經濟發展能力、村人均收入水平影響，各地區貧困村經濟地理資本貧困程度差異較大(圖3b)。從空間分布上來看，經濟地理資本貧困指數表現出從渝東南、渝東北向渝西地區逐漸減小的趨勢。全市貧困程度最深的貧困村主要集中分布在渝東北、渝東南區縣行政交界處以及重慶市邊緣地區，這些區域貧困村距離鄉鎮、區縣城較遠，交通基礎設施建設相對滯后，市場經濟聯系性較差，農產品外銷，農民工外出務工較為困難； 同時受政府政策惠及和區縣中心輻射帶動作用小，資金難以引入，貧困村自我發展能力較弱，導致貧困程度較深。渝西地區，渝東南、渝東北地區縣城周邊區域的貧困村地理區位條件較好，信息共享程度高，貧困程度相對較輕。

(3)在社會地理資本維度上，由于發展歷史、民族、地域等因素影響，各貧困村社會福利水平、公共服務水平、人力資源水平、文化教育水平等發展存在顯著差異，社會發展水平表現出明顯的不均衡性。從圖3c可以看出，社會地理資本貧困程度呈渝西地區分別向渝東北、渝東南地區逐漸加深，重度、極端貧困村在空間分布上較為廣泛，主要表現為兩個熱點區域。一是渝東北的城口縣、巫溪縣、巫山縣、奉節縣，該區域貧困村地處山區和三峽庫區，醫療衛生、教育、社會保障等發展滯后，同時該區域貧困村中大量青、壯年勞動力外流造成村內部整體人力資本的降低，很大程度上限制了村域經濟發展。二是渝東南的武隆區、彭水縣、酉陽縣、秀山縣，該區域地處武陵山區，同時也是苗族、土家族聚居地區，由于民族差異和較為封閉的地理環境，該區域貧困村社會發展水平較低，社會地理資本貧困程度較深。

(4)在生態地理資本維度上，生態環境質量水平是村生態環境保護和生態環境破壞的組合，反映了當地政府與農民環保意識的強弱，同時也體現貧困村的可持續發展水平。通過對圖3d分析可以看出，生態地理資本貧困程度表現出高值區向三峽庫區、酉陽縣、黔江區聚集的特征。三峽庫區是生態環境的敏感區、脆弱區，三峽工程建設帶來的百萬移民安置更是加劇了庫區的生態環境壓力和人地矛盾。根據測算結果顯示，三峽庫區貧困村農業開發強度較大，同時該區域水旱災害頻繁，水土流失較為嚴重，貧困村生態地理資本貧困指數較高； 酉陽縣、黔江區等民族地區，農業生產條件較為落后，單位面積耕地化肥和農藥使用強度較高，同時該區域地處喀斯特地貌廣布的山區，過度的農業開發造成水土流失也是導致該區域生態貧困的重要原因。

綜合4個維度的地理資本評價，計算重慶市貧困村地理資本綜合貧困指數(圖3e)，其空間分布特征主要表現為：渝東北秦巴山區，渝東南的武陵山區、渝西地區南部的大婁山區貧困村貧困程度較重，渝西丘陵地區貧困村貧困程度較輕。整體上，貧困村多維貧困程度呈渝東北、渝東南分別向渝西地區逐漸減輕的特征，貧困村多維貧困程度存在顯著的地域性差異。

3.2 貧困村貧困類型劃分

貧困發生分異是一種或者多種因素綜合作用的結果[32]，為了精準識別每個貧困村的貧困類型，該文利用最小方差模型計算貧困村4個維度地理資本貧困指數對地理資本綜合貧困指數貢獻率的最小方差，進而將重慶市1 919個市級貧困村劃分成單資本缺失型、雙資本缺失型、三資本缺失型、四資本缺失型4種不同的貧困類型(表3)。通過表3可以發現，在重慶市貧困村貧困類型占比上，三資本缺失型>雙資本缺失型>單資本缺失型>四資本缺失型。整體上看，重慶市單資本缺失型貧困村占比不足10%，說明重慶市貧困村致貧因素復雜多樣，致貧機理較為復雜，精準扶貧難度較大。應精準識別各貧困村的主要致貧因素，開展分類精準幫扶。

圖4 重慶市不同貧困類型貧困村空間分布

(1)單資本缺失型，該類型貧困村占貧困村總數的9.07%，主要分為自然地理資本單因素主導、社會地理資本單因素主導、經濟地理資本單因素主導3個子類，不存在生態地理資本單資本缺失型的貧困村。從單資本缺失型貧困村致貧因素發生概率來看，經濟地理資本主導型>社會地理資本主導型>自然地理資本主導型； 從空間分布上看(圖4)，單資本缺失型貧困村呈“插花式”分布，空間分布規律性不強。相比較而言，單資本缺失型貧困村相對于其他類型貧困村貧困程度相對較輕。該類型貧困村是由某一方面的地理資本缺失而導致的貧困，其致貧機理比較明晰，具有較大的脫貧潛力，可以通過加大缺失方面地理資本的幫扶力度，采取針對性措施彌補發展短板，精準幫扶，靶向施策，突破發展的瓶頸限制。

(2)雙資本缺失型，該類型貧困村比例為20.27%，分為經濟—社會地理資本支配型、經濟—自然地理資本支配型、社會—自然地理資本支配型、經濟—生態地理資本支配型、社會—生態地理資本支配型、自然—生態地理資本支配型6個子類。其中經濟—社會地理資本支配型、經濟—自然地理資本支配型、社會—自然地理資本支配型3個子類型為主要的雙因素支配類型，占雙因素支配類型貧困村總量的90.12%。雙因素支配類型貧困村空間分布上相對集中，主要分布于渝西地區，渝東北、渝東南地理區位條件、自然條件相對較好的區域。雙資本缺失型貧困村平均貧困指數接近全市平均水平，處于中度貧困水平，整體脫貧潛力一般，應根據貧困村具體的致貧原因，因地制宜地進行分類指導，采取差別化的精準扶貧策略。

(3)三資本缺失型，此類型貧困村占比最大，達66.91%，是重慶市貧困村最主要的貧困類型。該類型貧困村可細化分為經濟—社會—自然地理資本協同型、經濟—社會—生態地理資本協同型、社會—自然—生態地理資本協同型、經濟—自然—生態地理資本協同型4種組合子類。在子類數量排序上，經濟—社會—自然地理資本協同型>經濟—社會—生態地理資本協同型>經濟—自然—生態地理資本協同型>社會—自然—生態地理資本協同型。從圖4可知，三資本缺失型貧困村在空間上分布廣泛，集中分布在秦巴山區、武陵山區兩個連片特困地區。從貧困村平均貧困指數上看，該類型貧困村貧困指數遠遠高于全市平均水平，貧困程度最深，表現出顯著的地理資本劣勢。三資本缺失型貧困村致貧因素復雜多樣，是重慶市精準扶貧工作的重點和難點，應進一步加大扶貧力度，細化幫扶方案，厘清各類致貧因素，做到因戶施策、因人施策。

(4)四資本缺失型，該類型貧困村占比最小，約占全市貧困村的3.75%。此類型貧困村致貧因素多樣，但各致貧因素貢獻率相對均衡。在多維貧困指數上，該類型貧困村遠遠低于全市貧困村平均水平，整體貧困程度較低。在空間分布上，此類型貧困村呈離散化分布。四資本缺失型貧困村4個維度的地理資本條件均有所欠缺，但各維度地理資本貧困程度較為均衡，貧困村整體發展條件較優，較為容易改善，脫貧難度相對較小。

表3 重慶市貧困村貧困類型統計

貧困類型平均貧困指數貧困村占比(%)自然地理資本致貧占比(%)社會地理資本致貧占比(%)經濟地理資本致貧占比(%)生態地理資本致貧占比(%)單資本缺失型0.404 99.0721.2331.6447.130.00雙資本缺失型0.415 720.2745.5767.4675.7911.18三資本缺失型0.427 866.9177.7283.6296.3442.32四資本缺失型0.364 33.75100.00100.00100.00100.00合計0.416 9100.0051.7380.5690.6819.45

4 結論與討論

行政村是國家精準扶貧戰略實施的最小空間單元，村級尺度的多維貧困測度研究更有利于揭示區域貧困問題的本質和發展的不均衡性。準確劃分村域貧困類型，有助于輔助各級政府有針對性地開展幫扶工作，增強扶貧、減貧工作的務實性和實效性。該文基于地理資本視角，從自然地理資本、經濟地理資本、社會地理資本、生態地理資本4個維度構建村級多維貧困評價指標體系，并采用多維貧困測度模型對重慶市1 919個市級貧困村的多維貧困程度進行了測度，再利用最小方差模型對貧困村貧困類型進行劃分。主要得出以下結論

(1)在貧困村多維貧困測度上，重慶市貧困村多維貧困程度按自然斷點法可分為低度貧困、輕度貧困、中度貧困、高度貧困、極端貧困5個等級，其中低度貧困、極端貧困的貧困村占比較大，輕度、中度、重度貧困的貧困村占比較小，數量分布上呈兩端大中間小的“啞鈴狀”結構，貧困程度呈兩極分化的特征，說明了重慶市區域發展的不平衡性； 在空間分布上，貧困村多維貧困程度整體上呈從渝東北、渝東南分別向渝西地區逐漸減輕的特征，貧困村多維貧困程度地域性差異顯著。

(2)在貧困村的貧困類型劃分上，重慶市貧困村主要可以分為單資本缺失型、雙資本缺失型、三資本缺失型、四資本缺失型4個類型，其占比分別為9.07%、20.27%、66.91%、3.75%。其中三資本缺失型貧困村是重慶市最主要的貧困類型。

(3)根據重慶市貧困村多維貧困分異規律以及貧困類型，為重慶市精準扶貧工作提出以下建議：對單一地理資本缺失致貧，貧困程度相對較低的貧困村，應采取針對性幫扶政策彌補其發展短板； 對多類型地理資本缺失，貧困程度相對較深的貧困村，應該加大財政資源投入，進一步細化扶貧方案，根據貧困村具體的貧困特征因地制宜的制定幫扶措施，優化扶貧資源的配置。

該文對重慶市貧困村多維貧困程度、貧困村貧困類型進行了初步的探究，研究結論描述了重慶市村域貧困現狀，可為今后制定和實施差別化的脫貧措施提供技術支持和決策輔助。但受限于數據的可得性，該文還存在一定的不足。

基于截面數據對村域多維貧困進行了測度，缺乏基于面板數據支持下村域多維貧困的時空演變特征分析。貧困村多維貧困致貧機理有待進一步深入挖掘。貧困村多維貧困程度、貧困類型的空間關聯格局特征尚需開展更深層次的探討。在后續的研究中，將對上述不足進行豐富和完善，以期為反貧困理論研究提供新途徑和思路。