基于空間計(jì)量模型的云南農(nóng)村貧困格局及其影響因素診斷

張博勝，楊子生

（1. 云南財(cái)經(jīng)大學(xué)經(jīng)濟(jì)學(xué)院，昆明 650221；2. 云南財(cái)經(jīng)大學(xué)國(guó)土資源與持續(xù)發(fā)展研究所，昆明 650221；3. 云南財(cái)經(jīng)大學(xué)精準(zhǔn)扶貧與發(fā)展研究院，昆明 650221）

0 引 言

消除貧困、改善民生，逐步實(shí)現(xiàn)共同富裕，是社會(huì)主義的本質(zhì)要求。自1978年以來(lái)中國(guó)先后經(jīng)歷了從農(nóng)村經(jīng)營(yíng)制度改革推動(dòng)扶貧階段（1978－1985年）、大規(guī)模開(kāi)發(fā)式扶貧階段（1986－1993年）、扶貧攻堅(jiān)階段（1994－2000年）[1]。現(xiàn)階段，更是將精準(zhǔn)扶貧作為國(guó)家扶貧開(kāi)發(fā)的重大戰(zhàn)略，農(nóng)村貧困問(wèn)題既是當(dāng)前社會(huì)各界共同關(guān)注的熱門(mén)話題，也是長(zhǎng)期以來(lái)學(xué)術(shù)界研究的重大議題。

早期對(duì)貧困問(wèn)題代表性的理論研究觀點(diǎn)是1953年美國(guó)經(jīng)濟(jì)學(xué)家納克斯在《不發(fā)達(dá)國(guó)家的資本形成問(wèn)題》一書(shū)中提出的“貧困惡性循環(huán)論”[2]。此后，隨著學(xué)術(shù)界對(duì)貧困問(wèn)題研究的不斷深入，不少學(xué)者從地理學(xué)角度提出了“空間貧困陷阱”的觀點(diǎn)[3-7]，主要思想是貧困的空間集中更多是由地理因素所引致。國(guó)內(nèi)的部分學(xué)者也認(rèn)為大多數(shù)國(guó)家的貧困人口主要分布在生態(tài)環(huán)境惡劣、地理位置偏僻、公共基礎(chǔ)服務(wù)設(shè)施嚴(yán)重不足的區(qū)域[8-9]。近年來(lái)，隨著精準(zhǔn)扶貧戰(zhàn)略的實(shí)施，貧困問(wèn)題的探究再次引起了學(xué)術(shù)界的浪潮，而貧困影響因素的研究則是其重要內(nèi)容之一。蔡亞慶等[10]運(yùn)用持續(xù)10 a的微觀調(diào)研面板數(shù)據(jù)研究發(fā)現(xiàn)，除人力資本、社會(huì)排斥性、收入風(fēng)險(xiǎn)等對(duì)農(nóng)戶貧困持續(xù)性產(chǎn)生影響外，地區(qū)資源稟賦，尤其是市場(chǎng)經(jīng)濟(jì)條件差異會(huì)對(duì)農(nóng)戶持續(xù)性貧困產(chǎn)生顯著影響；楊慧敏等[11-12]根據(jù) 2種類(lèi)型的微觀農(nóng)戶數(shù)據(jù)研究農(nóng)戶致貧因素，除了“戶主受教育程度”以外，其余因素存在較大差異；張永麗等[13]則根據(jù)甘肅省農(nóng)戶社會(huì)調(diào)查資料研究認(rèn)為，除了收入貧困以外，交通、教育和健康方面的貧困更加嚴(yán)重。劉彥隨等[14]利用地理探測(cè)器方法診斷出了影響河北阜平縣村域農(nóng)村貧困化地域分異的主導(dǎo)因素包括地面坡度、人均耕地資源、到主要干道距離和到縣城中心距離；武鵬等[15]研究發(fā)現(xiàn)，陜西山陽(yáng)縣村域貧困的主要因素是危房比例、農(nóng)民人均可支配收入、外出務(wù)工人數(shù)比例、到最近公路的距離、水網(wǎng)密度和農(nóng)戶入社比例6個(gè)指標(biāo)。王永明等[16]研究發(fā)現(xiàn)，15°～30°坡度占比、到所在市中心的距離、青少年人口占比、少數(shù)民族人口占比是導(dǎo)致貴州區(qū)縣層面鄉(xiāng)村貧困空間差異的顯著因素；楊慧敏等[17]指出，工業(yè)化水平、居民儲(chǔ)蓄水平、氣溫、濕度、到最近城市的距離、國(guó)道道路密度、期初經(jīng)濟(jì)水平7個(gè)因子是影響河南省縣域貧困程度的顯著因素；蔡進(jìn)等[18]則認(rèn)為25°以下坡度占比、到重慶市政府駐地距離、耕地質(zhì)量、城鎮(zhèn)化水平、人均可支配收入、萬(wàn)人大學(xué)生人口占比、文盲人口占比、少數(shù)民族占比 7個(gè)因素是影響重慶市縣域農(nóng)村多維貧困空間分異的主要因素。從區(qū)域經(jīng)濟(jì)和地理學(xué)角度而言，相比家庭農(nóng)戶的微觀尺度，中、宏觀尺度的區(qū)域性貧困更容易被察覺(jué)，扶貧政策制定與實(shí)施的效果會(huì)更加明顯，惠及面更廣，家庭農(nóng)戶也能因此而受益。因此，中、宏觀尺度的區(qū)域貧困研究仍然十分必要。然而，通過(guò)上述文獻(xiàn)可以看出，一方面不論是微觀農(nóng)戶貧困影響因素，還是村、縣等區(qū)域性貧困影響因素，已有文獻(xiàn)的研究結(jié)論仍存在較大分歧，還難以做到窺一斑而知全豹；另一方面，區(qū)域性貧困往往具有空間地域性特征，貧困屬性和致貧因素常常伴隨著空間關(guān)聯(lián)性（空間效應(yīng)），而已有不少文獻(xiàn)僅通過(guò)簡(jiǎn)單相關(guān)分析[18]或多元線性回歸分析[15,19]等方法對(duì)區(qū)域性貧困影響因素進(jìn)行識(shí)別，較少論及要素空間關(guān)聯(lián)性的診斷，所得出的研究結(jié)論仍值得進(jìn)一步深究，尤其對(duì)于地域性極其復(fù)雜的區(qū)域，空間關(guān)聯(lián)性更加明顯，因此結(jié)合空間關(guān)聯(lián)性探析區(qū)域性貧困影響因素顯得尤為重要。

基于此，本文選取中國(guó)西南邊疆農(nóng)村貧困典型區(qū)域的云南省為研究對(duì)象，結(jié)合其“邊疆、山區(qū)、民族、貧困”的地域特征，以縣域尺度為研究基本單元，在分析其農(nóng)村貧困格局的基礎(chǔ)上，結(jié)合區(qū)域貧困空間關(guān)聯(lián)性，運(yùn)用空間計(jì)量經(jīng)濟(jì)模型分析方法和 GIS空間分析技術(shù)，重點(diǎn)揭示影響縣域農(nóng)村貧困的主要影響因素及空間影響效應(yīng)，并分區(qū)域提出減貧建議，以期為貧困理論研究提供案例支撐，為區(qū)域宏觀減貧政策的制定與實(shí)施提供科學(xué)依據(jù)。

1 貧困的內(nèi)涵、數(shù)據(jù)及方法

1.1 貧困的內(nèi)涵界定

貧困的內(nèi)涵較為豐富，按照貧困程度劃分，通常有絕對(duì)貧困和相對(duì)貧困之分[20]，而根據(jù)貧困對(duì)象的不同，又表現(xiàn)為人口貧困和區(qū)域貧困[21]。本文主要以區(qū)域農(nóng)村絕對(duì)貧困人口比例（即貧困發(fā)生率）來(lái)反映區(qū)域貧困程度。對(duì)區(qū)域貧困內(nèi)涵的界定，李裕瑞等[22]認(rèn)為，貧困是自然-生態(tài)、經(jīng)濟(jì)-社會(huì)、制度-政策等因素相互制約而致地域功能及其價(jià)值實(shí)現(xiàn)機(jī)制出現(xiàn)障礙，以致區(qū)域發(fā)展落后、居民生活水平偏低的特殊現(xiàn)象。丁建軍等[23]則認(rèn)為，區(qū)域貧困可以被理解為特定時(shí)空情境下“人”（貧困主體）、“業(yè)”（生計(jì)活動(dòng)）、“地”（自然和社會(huì)環(huán)境）維度上的剝奪或三者之間未能實(shí)現(xiàn)協(xié)調(diào)發(fā)展的過(guò)程與狀態(tài)。總體而言，貧困主要用來(lái)反映社會(huì)經(jīng)濟(jì)落后，屬于區(qū)域人口、資源、環(huán)境發(fā)展不協(xié)調(diào)不充分，利用方式不匹配，以致內(nèi)生系統(tǒng)功能紊亂、價(jià)值實(shí)現(xiàn)受阻的社會(huì)現(xiàn)象。通常表現(xiàn)為經(jīng)濟(jì)水平低下，公共服務(wù)缺失，人口結(jié)構(gòu)老弱化突出，勞動(dòng)力及其他資源供給有限，且產(chǎn)出效率偏低，發(fā)展能力明顯不足等。

1.2 數(shù)據(jù)來(lái)源

本文所涉及的云南省及129個(gè)縣、區(qū)、市（統(tǒng)稱(chēng)為縣）2010－2015年社會(huì)經(jīng)濟(jì)相關(guān)數(shù)據(jù)主要來(lái)源于《2011－2016年云南省統(tǒng)計(jì)年鑒》，《云南省2010年人口普查資料》、《中國(guó) 2010年人口普查分縣資料》及《中國(guó)縣域統(tǒng)計(jì)年鑒（縣市卷）2011－2016》，2010－2015年129個(gè)縣農(nóng)村貧困人口與貧困發(fā)生率數(shù)據(jù)來(lái)自于《2012－2016年云南調(diào)查年鑒》，2016年云南省和全國(guó)農(nóng)村貧困發(fā)生率數(shù)據(jù)則來(lái)自于《中國(guó)農(nóng)村貧困監(jiān)測(cè)報(bào)告 2017》；地理空間數(shù)據(jù)來(lái)自于30 m×30 m云南省柵格DEM數(shù)據(jù)（獲取自地理空間數(shù)據(jù)云平臺(tái)），交通距離數(shù)據(jù)來(lái)自于 GOOGL地圖，壩區(qū)土地面積比例和人均耕地?cái)?shù)據(jù)來(lái)源于云南省第二次全國(guó)土地調(diào)查數(shù)據(jù)[24-25]，云南省縣級(jí)行政區(qū)劃界線來(lái)源于云南省第二次全國(guó)土地調(diào)查矢量數(shù)據(jù)。

1.3 研究方法

空間關(guān)聯(lián)性在區(qū)域性要素之間普遍存在，表現(xiàn)為空間效應(yīng)特征，對(duì)研究區(qū)域農(nóng)村貧困具有重要意義。空間計(jì)量經(jīng)濟(jì)模型具有有效分析空間效應(yīng)的特性，在許多學(xué)科得到了較為廣泛的應(yīng)用。尤其在研究要素存在空間自相關(guān)性時(shí)，空間計(jì)量經(jīng)濟(jì)模型將具有明顯的優(yōu)勢(shì)。

1.3.1 全局空間自相關(guān)分析

空間自相關(guān)分析結(jié)合了計(jì)量經(jīng)濟(jì)學(xué)自相關(guān)性和地理學(xué)第一定律[26]，很好的詮釋了地理空間要素之間的關(guān)系，并用Moran's I指數(shù)進(jìn)行定量表達(dá)。空間自相關(guān)分析包括全局空間自相關(guān)分析和局部空間自相關(guān)分析，全局空間自相關(guān)分析可以描述整個(gè)研究區(qū)域的農(nóng)村貧困化空間分布特征，是分析空間異質(zhì)性的重要手段。Moran's I指數(shù)計(jì)算見(jiàn)式（1）。

式中n表示縣域個(gè)數(shù)，本文共涉及129個(gè)縣，xi和xj分別縣域i和縣域j的貧困發(fā)生率觀測(cè)值，x表示觀測(cè)值的平均值，Wij為鄰接單元的空間權(quán)重矩陣W中的元素，用以定義研究地區(qū)的空間關(guān)系，S2表示觀測(cè)值 xi的方差。標(biāo)準(zhǔn)化狀態(tài)下，Moran's I值域?yàn)閇-1～1]，越接近1，聚集程度越明顯；越接近-1，離散程度越明顯；越接近0，隨機(jī)程度越明顯。常用Z值得分或統(tǒng)計(jì)顯著性水平P（概率）來(lái)衡量，分析過(guò)程中ArcGIS軟件可自行計(jì)算。此外，常與空間自相關(guān)分析相配合使用的還有聚類(lèi)分析中的熱點(diǎn)分析（Getis-ord Gi*）和分組分析等GIS空間分析方法，它們可以將分析結(jié)果以制圖方式可視化輸出，便于分析結(jié)果的直觀表達(dá)。

1.3.2 空間計(jì)量經(jīng)濟(jì)模型

空間計(jì)量經(jīng)濟(jì)學(xué)理論認(rèn)為，一個(gè)地區(qū)空間單元上的某種經(jīng)濟(jì)地理現(xiàn)象或者某一屬性與鄰近地區(qū)空間單元上同一現(xiàn)象或?qū)傩灾凳窍嚓P(guān)的[27]，當(dāng)存在這種空間相關(guān)性時(shí)，普通最小二乘法（ordinary least squares，OLS）估計(jì)一般會(huì)失效。而客觀現(xiàn)實(shí)是，事物之間的空間依存關(guān)系是普遍存在的，尤其截面數(shù)據(jù)的空間關(guān)聯(lián)性更為明顯，這一事實(shí)打破了大多數(shù)經(jīng)典統(tǒng)計(jì)或計(jì)量分析中的獨(dú)立性假設(shè)[28]。空間計(jì)量分析方法是在經(jīng)典計(jì)量分析的基礎(chǔ)上，引入地理位置及空間相互作用的地理空間數(shù)據(jù)，從而建立起計(jì)量關(guān)系，以識(shí)別和度量空間變動(dòng)的規(guī)律和空間模式的影響因素。空間計(jì)量經(jīng)濟(jì)學(xué)模型有多種，本文采用納入了空間效應(yīng)的空間常系數(shù)回歸模型，包括空間滯后模型（spatial lag model, SLM）、空間誤差模型（spatial error model, SEM）與空間變系數(shù)回歸模型中的地理加權(quán)回歸模型（geographically weighted regression, GWR），這3種模型是學(xué)術(shù)研究中較為常用的空間計(jì)量分析方法。

1）空間滯后模型（SLM），主要是探討因變量在一定區(qū)域內(nèi)是否有擴(kuò)散效應(yīng)，當(dāng)存在空間擴(kuò)散效應(yīng)時(shí)，僅考慮自身的解釋變量不足以很好的估計(jì)和預(yù)測(cè)該因變量的變化趨勢(shì)，還需適當(dāng)考慮由于空間結(jié)構(gòu)造成的影響。其模型表達(dá)見(jiàn)式（2）。

式中Y為因變量向量；X為n個(gè)樣本，k個(gè)解釋變量構(gòu)成的n×k階外生解釋變量矩陣；參數(shù)β反映了X對(duì)Y的影響程度；ρ為空間自回歸系數(shù)，反映相鄰空間單元之間擴(kuò)散（溢出）程度；Wy為空間滯后因變量，反映空間距離對(duì)空間行為的作用；ε為隨機(jī)誤差向量。

2）空間誤差模型（SEM），主要驗(yàn)證存在于擾動(dòng)誤差項(xiàng)之中的空間依賴作用，用以度量鄰接地區(qū)關(guān)于因變量的誤差沖擊對(duì)本地觀察值的影響程度。其模型表達(dá)見(jiàn)式（3）。

式中λ為截面因變量向量的空間誤差系數(shù)，反映了樣本觀察值中的空間依賴作用，即鄰接地區(qū)因變量誤差沖擊對(duì)本地區(qū)因變量的影響程度。μ為正態(tài)分布的隨機(jī)誤差向量。

3）地理加權(quán)回歸模型（GWR），是Fotheringham和Brunsdon基于局部光滑思想提出的空間回歸模型，它是一種用于建模空間變化關(guān)系的線性回歸的局部形式[29]。GWR將要素的空間屬性以權(quán)重的方式納入回歸方程，使變量間同時(shí)考慮了計(jì)量關(guān)系和空間關(guān)系，有效處理了回歸分析中的空間非平穩(wěn)問(wèn)題[30]，從而實(shí)現(xiàn)變量間的關(guān)系隨空間位置的變化而變化的目的。GWR最大特點(diǎn)是，回歸系數(shù)會(huì)隨著空間位置的變化而變化，即變系數(shù)回歸模型。GWR模型結(jié)構(gòu)形式見(jiàn)式（4）。

式中yi是第i個(gè)地區(qū)被解釋變量的觀測(cè)值；xik是第i個(gè)地區(qū)的第k個(gè)解釋變量觀測(cè)值；(ui,vi)為第i個(gè)地區(qū)的地理位置；β0(ui,vi)為第i個(gè)樣本的截距項(xiàng)；βk(ui,vi)是地區(qū)i的第k個(gè)自變量的系數(shù)；εi為隨機(jī)誤差項(xiàng)。

2 云南省農(nóng)村貧困格局分析

2.1 云南省地域特征與農(nóng)村貧困基本概況

云南省位于中國(guó)西南地區(qū)，集“邊疆、山區(qū)、民族、貧困”于一身，北回歸線橫貫云南省南部，屬低緯度內(nèi)陸地區(qū)，東部與貴州省、廣西壯族自治區(qū)為鄰，北部與四川省相連，西北部緊依西藏自治區(qū)，西部與緬甸接壤，南部和老撾、越南毗鄰，全省有25個(gè)邊境縣分別與緬甸、老撾和越南交界，是中國(guó)通往東南亞、南亞的窗口和門(mén)戶。云南屬于云貴高原區(qū)和藏東南橫斷山區(qū)，地形主要由波狀起伏的高原和橫斷山地組成。全省山地約占84%，高原、丘陵約占10%，盆地、河谷約占6%，平均海拔約2 000 m左右，最高海拔6 740 m，最低海拔76.4 m[25]，整個(gè)地勢(shì)西北高聳，南部與西部低伏，呈現(xiàn)明顯的山地區(qū)域分布特征（圖1）。全省有25個(gè)少數(shù)民族，部分民族還屬于直過(guò)民族（即由原始社會(huì)直接跨入社會(huì)主義社會(huì)的民族），是全國(guó)貧困人口最多，貧困縣最多的省份，屬于全國(guó)農(nóng)村貧困的典型區(qū)域。

圖1 云南省地形示意圖Fig.1 Terrain map of Yunnan province

據(jù)《中國(guó)農(nóng)村扶貧開(kāi)發(fā)概要》[1]顯示，全國(guó)列入《國(guó)家八七扶貧攻堅(jiān)計(jì)劃》的扶貧重點(diǎn)縣共 592個(gè)，其中云南省有73個(gè)（圖2a）。后來(lái)國(guó)家對(duì)扶貧重點(diǎn)縣進(jìn)行了局部調(diào)整，云南省騰沖、賓川、祥云、牟定和石屏 5個(gè)縣被調(diào)出了扶貧重點(diǎn)縣行列，同時(shí)梁河、勐臘、寧洱、永勝和鶴慶5個(gè)縣則列入了扶貧重點(diǎn)縣名單[31]。2012年6月國(guó)務(wù)院扶貧辦公布了全國(guó)14個(gè)集中連片特困區(qū)，其中云南省涉及4個(gè)片區(qū)，85個(gè)縣，包括滇西邊境片區(qū)（56個(gè)縣）、烏蒙山片區(qū)（15個(gè)縣）、滇黔桂石漠化片區(qū)（11個(gè)縣）和四省藏區(qū)（3個(gè)縣）[32]（圖2b）。73個(gè)扶貧重點(diǎn)縣和85個(gè)集中連片特困縣，共同形成了全省88個(gè)國(guó)家級(jí)貧困縣（圖2c）。

按照最新國(guó)家貧困線統(tǒng)一標(biāo)準(zhǔn)（2010年不變價(jià)，農(nóng)民人均純收入2 300元），云南省2010農(nóng)村貧困人口規(guī)模達(dá)1 468萬(wàn)人，農(nóng)村貧困發(fā)生率高達(dá)39.56%，是同期全國(guó)平均水平的2.3倍。隨著扶貧開(kāi)發(fā)工作的推進(jìn)，2010－2016年農(nóng)村貧困人口逐年減少，到2016年全省貧困人口減少為373萬(wàn)人，貧困發(fā)生率降低到10.1%，年均降低4.91%。但是貧困發(fā)生率卻依然是全國(guó)的2.24倍，而且7 a來(lái)，這種趨勢(shì)先降后升（圖3），反映出云南省貧困人口規(guī)模雖然減少，但相對(duì)貧困程度并未降低，依然是全國(guó)農(nóng)村貧困的高發(fā)區(qū)域。

圖2 云南省貧困縣空間分布Fig.2 Spatial distribution of poverty counties in Yunnan province

圖3 2010-2016年云南省與全國(guó)農(nóng)村貧困發(fā)生率比較Fig.3 Comparison of rural poverty incidence between Yunnan province and China during 2010-2016

2.2 云南省縣域農(nóng)村貧困特征分析

為了便于分析，將農(nóng)村貧困發(fā)生率進(jìn)行分級(jí)處理，根據(jù)云南省將貧困發(fā)生率 20%以上作為深度貧困縣的主要篩選條件這一規(guī)定，并參考已有研究[14-15]的分級(jí)方法（每10%為1個(gè)等級(jí)），結(jié)合貧困發(fā)生率降至3%以下是西部地區(qū)貧困縣退出的主要依據(jù)，將3%作為重要的分界點(diǎn)，其余分界點(diǎn)則按照 10%的倍數(shù)等分，進(jìn)行貧困程度分級(jí)，具體分級(jí)見(jiàn)表1，并以此計(jì)算各分級(jí)縣域個(gè)數(shù)所占比例。

表1 2010－2015年云南省不同貧困等級(jí)縣域數(shù)量比例Table 1 Quantitative proportion of different poverty grades in Yunnan province during 2010－2015%

由表1可以看出，2010年全省129個(gè)縣中屬于Ⅰ、Ⅱ級(jí)貧困的僅占 13%左右，屬于Ⅲ、Ⅳ級(jí)貧困的略超過(guò)30%，屬于Ⅴ、Ⅵ級(jí)貧困的則占50%以上，表現(xiàn)出較明顯的區(qū)域性整體貧困的態(tài)勢(shì)。隨著扶貧開(kāi)發(fā)工作的逐步推進(jìn)，貧困人口逐年減少，到2015年縣域農(nóng)村貧困面貌整體改善，50%以上的縣處在Ⅱ級(jí)貧困及以下。6 a間不同貧困等級(jí)貧困縣占比總體表現(xiàn)出“集聚-交匯-分散”的變化趨勢(shì)（圖 4）。具體而言，2010－2011年Ⅵ級(jí)貧困縣比例大幅下降，Ⅰ、Ⅱ、Ⅲ級(jí)貧困縣比例略微上升（集聚期）；2011－2013年Ⅰ、Ⅱ、Ⅲ級(jí)貧困縣比例繼續(xù)上升，Ⅳ、Ⅴ、Ⅵ級(jí)貧困縣比例緩慢下降。在此期間，Ⅳ、Ⅴ、Ⅵ級(jí)貧困縣比例與Ⅰ、Ⅱ級(jí)相交匯（交匯期）；2013－2015年Ⅱ級(jí)貧困縣比例大幅上升，而Ⅳ、Ⅴ、Ⅵ級(jí)貧困縣比例逐年穩(wěn)步降低（分散期）。

圖4 2010-2015年云南省不同貧困等級(jí)縣域比例變化趨勢(shì)Fig.4 Trend of quantitative proportion changes of different poverty grades in Yunnan province during 2010-2015

為了更直觀的反映云南省縣域農(nóng)村貧困狀況，同時(shí)降低年度數(shù)據(jù)的波動(dòng)性，以2010－2015年的貧困發(fā)生率均值（以下簡(jiǎn)稱(chēng)貧困發(fā)生率）表征縣域農(nóng)村貧困程度，并將其按上述分級(jí)進(jìn)行可視化輸出（圖5a）。可以看出，貧困程度較高的區(qū)域主要集中在滇西北、滇東北、滇西南及滇南地區(qū)，主要涉及金沙江、瀾滄江、怒江及紅河等流域地帶，尤其以三江并流的滇西北（怒江、迪慶等）地區(qū)貧困程度最深。運(yùn)用ArcGIS全局空間自相關(guān)分析，將貧困發(fā)生率作為分析變量，按照公式（1）計(jì)算Moran's I指數(shù)，結(jié)果顯示Moran's I指數(shù)為0.615，Z值得分達(dá)10.72，P值為 0，通過(guò)了 1%的顯著性檢驗(yàn)，表明云南省縣域農(nóng)村貧困表現(xiàn)出明顯的空間聚集特征。從ArcGIS熱點(diǎn)分析結(jié)果可以看出（圖 5b），全省的深度貧困區(qū)主要集中在4個(gè)熱點(diǎn)區(qū)，分別為滇西北的怒江州蘭坪、福貢、貢山及瀘水和迪慶州德欽、維西和香格里拉7個(gè)縣，貧困發(fā)生率均在40%以上，且7個(gè)縣平均達(dá)56.07%；滇東北的昭通市（除威信縣和鎮(zhèn)雄縣）9個(gè)縣，貧困發(fā)生率平均為 36.93%；滇西南的臨滄市孟連、瀾滄和西盟3個(gè)縣，其貧困發(fā)生率平均為 47.34%；滇南地區(qū)的紅河州元陽(yáng)、金平、綠春、紅河、河口及玉溪市江城等6個(gè)縣，貧困發(fā)生率平均為 47.25%。而以省會(huì)昆明市為中心的滇中地區(qū)28個(gè)縣則屬于冷點(diǎn)區(qū)，農(nóng)村貧困程度較低，貧困發(fā)生率平均為7.5%。其余76個(gè)縣則表現(xiàn)出隨機(jī)分布的貧困空間分布特征，處于中等貧困程度，貧困發(fā)生率平均為 20.61%。總體上，全省縣域農(nóng)村貧困在空間上表現(xiàn)出“中心-外圍-邊角”的低、中、高貧困格局，而這4個(gè)熱點(diǎn)區(qū)則是云南省農(nóng)村扶貧開(kāi)發(fā)的重點(diǎn)和難點(diǎn)區(qū)域。

圖5 云南省縣域農(nóng)村貧困空間分布Fig.5 Spatial distribution of rural poverty at county level in Yunnan province

3 云南省農(nóng)村貧困影響因素分析

3.1 影響因素指標(biāo)構(gòu)建

貧困并非單一因素所致，往往是由地理環(huán)境條件與長(zhǎng)期的區(qū)域社會(huì)經(jīng)濟(jì)發(fā)展差異共同作用演化而成。以經(jīng)濟(jì)增長(zhǎng)為例，一般情況下，經(jīng)濟(jì)增長(zhǎng)有助于減少貧困，但收入差距擴(kuò)大亦有可能引致貧困增加[33-34]。因此，分析農(nóng)村貧困的影響因素需多方面的綜合考慮。參考上述已有研究和對(duì)貧困內(nèi)涵的理解，并結(jié)合數(shù)據(jù)的客觀性、科學(xué)性、可獲取性等原則，從地理環(huán)境、社會(huì)經(jīng)濟(jì)、發(fā)展能力及人口結(jié)構(gòu)4個(gè)維度選取地形起伏度等15個(gè)可能的影響因子（表2），較為全面的包含了地理環(huán)境、區(qū)位、收入差距、醫(yī)療、教育、產(chǎn)業(yè)、就業(yè)、農(nóng)業(yè)現(xiàn)代化水平、資源條件、家庭負(fù)擔(dān)及文化等要素。同時(shí)考慮到數(shù)據(jù)之間可能存在的內(nèi)生性問(wèn)題及最近一次全國(guó)人口普查年份（2010年），參考王永明等[16]的做法，以2010－2015年貧困發(fā)生率均值（以下簡(jiǎn)稱(chēng)貧困發(fā)生率）為因變量，自變量指標(biāo)則滯后到 2010年或者 2010－2015年的平均水平。這樣既能夠更加客觀的綜合反映縣域農(nóng)村貧困程度，也能真實(shí)體現(xiàn)各影響維度、影響因子的綜合水平，且降低了年度數(shù)據(jù)的波動(dòng)性影響，使分析結(jié)果更具代表性。

表2 變量與指標(biāo)說(shuō)明Table 2 Description of variables and indicators

3.2 空間計(jì)量模型估計(jì)與分析

3.2.1 回歸模型與空間依賴性診斷

首先運(yùn)用普通最小二乘法進(jìn)行多元線性回歸分析，通過(guò)多重共線性診斷、計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)等剔除壩區(qū)土地面積比例（X2）、政府駐地離省會(huì)城市交通距離（X3）和二、三產(chǎn)業(yè)比例（X9），其余12個(gè)影響因子與縣域農(nóng)村貧困發(fā)生率進(jìn)行OLS多元回歸分析，具體模型形式見(jiàn)式（5）。

式中xi表示表2中剩余的12個(gè)對(duì)應(yīng)解釋變量，ε表示隨機(jī)誤差項(xiàng)，滿足計(jì)量經(jīng)濟(jì)學(xué)的古典假設(shè)。回歸結(jié)果顯示，調(diào)整R2為0.592，F(xiàn)統(tǒng)計(jì)量為14.042且通過(guò)1%的顯著性檢驗(yàn)，表明回歸方程整體效果較好，white檢驗(yàn)統(tǒng)計(jì)量P值（0.256）未通過(guò)顯著性檢驗(yàn)，說(shuō)明回歸殘差項(xiàng)不存在異方差，各解釋變量顯著性檢驗(yàn)見(jiàn)表3。根據(jù)上文已知貧困發(fā)生率的Moran's I指數(shù)值為0.615，縣域農(nóng)村貧困存在明顯的空間聚集特征，因此，OLS估計(jì)不是有效估計(jì)，需要考慮納入空間效應(yīng)的空間計(jì)量經(jīng)濟(jì)模型進(jìn)行估計(jì)。

OLS回歸殘差空間依賴性診斷結(jié)果顯示，Moran's I(error)指數(shù)P值為0.003，通過(guò)5%的顯著性檢驗(yàn)，表明回歸殘差亦存在明顯的空間自相關(guān)，且 2個(gè)拉格朗日乘子統(tǒng)計(jì)量LM-Lag和LM-error分別通過(guò)了1%和5%的顯著性檢驗(yàn)，一定程度上表明SLM模型較SEM模型更優(yōu)。進(jìn)一步根據(jù)極大似然估計(jì)結(jié)果也可以看出（表3），SLM和SEM的Likelihood Ratio Test分別為12.080和5.191，分別通過(guò)了1%和5%的顯著性檢驗(yàn)，同時(shí)SLM的AIC、SC值更小，R2、Log likelihood值更大，Moran's I (error)值-0.052，未通過(guò)顯著性檢驗(yàn)，已不存在空間自相關(guān)性，充分說(shuō)明SLM擬合效果更佳，是三者中的最優(yōu)回歸模型。

表3 模型估計(jì)及檢驗(yàn)結(jié)果Table 3 Results of model estimation and test

由SLM分析結(jié)果可以看出，地形起伏度和到所在市政府交通距離通過(guò)了1%的顯著性檢驗(yàn)，農(nóng)村65歲及以上老年人比例通過(guò)了5%的顯著性檢驗(yàn)，農(nóng)村15歲及以上文盲率和每千人醫(yī)療機(jī)構(gòu)床位數(shù)通過(guò)了 10%的顯著性檢驗(yàn)，說(shuō)明這 5個(gè)指標(biāo)對(duì)縣域農(nóng)村貧困產(chǎn)生了顯著性的影響，其中地形起伏度和到所在市政府交通距離影響效應(yīng)最為明顯，農(nóng)村65歲及以上老年人比例影響效應(yīng)次之，農(nóng)村15歲及以上文盲率和每千人醫(yī)療機(jī)構(gòu)床位數(shù)影響效應(yīng)相對(duì)較弱。相反，其余7個(gè)指標(biāo)則未通過(guò)顯著性檢驗(yàn)，表明它們對(duì)縣域農(nóng)村貧困的影響還不明顯。5個(gè)顯著影響指標(biāo)中，地形起伏度、到所在市政府的交通距離和農(nóng)村15歲及以上文盲率均對(duì)縣域農(nóng)村貧困發(fā)生率表現(xiàn)出正向影響效應(yīng)，而農(nóng)村65歲及以上老年人比例和每千人醫(yī)療機(jī)構(gòu)床位數(shù)則表現(xiàn)為負(fù)向影響效應(yīng)。

為了進(jìn)一步剖析顯著影響因素對(duì)云南省縣域農(nóng)村貧困的影響效應(yīng)，分別對(duì)5個(gè)因素的SLM估計(jì)結(jié)果進(jìn)行深入分析。

1）地理環(huán)境要素中地形起伏度和到所在市政府交通距離是縣域農(nóng)村貧困的正向影響因素，地形起伏度越大的地區(qū)，越容易引起農(nóng)村貧困的發(fā)生，在其他變量保持不變的情況下，地形起伏度每增加1 m，縣域農(nóng)村貧困發(fā)生率將上升 0.005%。離所在市政府交通距離越遠(yuǎn)，農(nóng)村貧困程度亦越深，這與王永明等[16]的研究結(jié)論基本一致，反映出州（市）轄區(qū)城市的輻射效應(yīng)比省會(huì)城市的輻射帶動(dòng)效應(yīng)更為顯著。到所在市政府的交通距離每增加 1 km，縣域農(nóng)村貧困發(fā)生率將上升 0.044%。云南省屬于典型的山區(qū)省份，全省最高海拔6 740 m，最低海拔76.4 m，地形起伏十分明顯。加之山區(qū)地形復(fù)雜，各地之間的交通道路需圍繞山勢(shì)建造，既增加了建設(shè)成本，而且常常形成蜿蜒盤(pán)旋的曲折道路交通，嚴(yán)重制約各地之間的互通往來(lái)與合作發(fā)展，偏遠(yuǎn)山區(qū)所受影響則更為明顯，極易造成閉塞、滯后的農(nóng)村貧困區(qū)域。

2）社會(huì)經(jīng)濟(jì)要素中農(nóng)村 15歲及以上文盲率產(chǎn)生正向影響，每千人醫(yī)療機(jī)構(gòu)床位數(shù)產(chǎn)生負(fù)向影響。回歸系數(shù)顯示，在其他條件不變的情況下，農(nóng)村15歲及以上文盲率每增加1%，縣域農(nóng)村貧困發(fā)生率將增加0.38%；而每千人醫(yī)療機(jī)構(gòu)床位數(shù)每增加 1個(gè)，縣域農(nóng)村貧困發(fā)生率將減少1.257%。“兩不愁三保障”中義務(wù)教育保障和基本醫(yī)療保障是貧困人口脫貧的兩大基本保障，分析結(jié)果顯示農(nóng)村15歲及以上文盲率的正向影響與每千人醫(yī)療機(jī)構(gòu)床位數(shù)的負(fù)向影響正是貧困人口脫貧標(biāo)準(zhǔn)“三保障”政策要求的客觀真實(shí)反映。

3）人口要素中農(nóng)村 65歲及以上老年人比例對(duì)縣域農(nóng)村貧困有負(fù)向影響。回歸系數(shù)顯示，農(nóng)村65歲及以上老年人比例每上升 1%，縣域農(nóng)村貧困發(fā)生率將減少2.132%。主要原因可能在于，一般情況下隨著家庭成員老齡化，家庭負(fù)擔(dān)會(huì)增加，但由于國(guó)家政策（如養(yǎng)老保險(xiǎn)等）的不斷完善，老年人受到各種社會(huì)福利也在不斷增加，加上老年人相比年輕人會(huì)根據(jù)家庭經(jīng)濟(jì)狀況作出更加理性的消費(fèi)支出，正常情況下更不容易引起家庭陷入經(jīng)濟(jì)貧困。與之相反，青少年是家庭消費(fèi)的最大支出者，除了生活成本還需要教育等支出，同時(shí)青少年尚缺乏理性思考，消費(fèi)支出往往更多。雖然在上述回歸模型中，15歲及以下青少年比未通過(guò)顯著性檢驗(yàn)，但是應(yīng)當(dāng)引起重點(diǎn)關(guān)注。

同時(shí)特別需要注意的是，SLM模型和SEM模型的回歸參數(shù)ρ=0.362、λ=0.341，均通過(guò)了 1%的顯著性檢驗(yàn)。充分表明云南省縣域農(nóng)村貧困除了受到本地區(qū)要素的影響，同時(shí)也受到相鄰地區(qū)農(nóng)村貧困的影響，即存在明顯的貧困空間效益。而且上述未考慮到的影響因素所產(chǎn)生的誤差沖擊對(duì)相鄰地區(qū)農(nóng)村貧困亦表現(xiàn)出一定程度的空間溢出效應(yīng)，如人口遷移、相鄰縣域扶貧政策差異等均可能會(huì)產(chǎn)生誤差沖擊影響。

3.2.2 地理加權(quán)回歸分析

相對(duì)于OLS、SLM和SEM模型，地理加權(quán)回歸模型（GWR）有變系數(shù)特點(diǎn)，能有效揭示影響因素的區(qū)域差異性特征。為了進(jìn)一步探測(cè)上述 5個(gè)因素對(duì)云南省縣域農(nóng)村貧困的空間影響效應(yīng)，運(yùn)用地理加權(quán)回歸分析，并按照赤池信息準(zhǔn)則（AIC值最小）確定帶寬，建立最優(yōu)回歸方程。通過(guò)比較多變量 GWR和單變量 GWR的Local R2值發(fā)現(xiàn)，多變量GWR的Local R2值平均為0.560，均大于5個(gè)單因子變量GWR的Local R2值均值，擬合效果更佳。因此，本文采用多變量GWR回歸分析，結(jié)果顯示，GWR回歸模型AIC值為988.524，對(duì)應(yīng)的最優(yōu)帶寬為330.407 km，R2為0.643均高于SLM和SEM的0.639和0.618，且AIC值也小于SLM和SEM。表明考慮了地理空間位置的 GWR的整體擬合效果更佳，解釋能力更強(qiáng)。借助GWR的變系數(shù)特征，反映解釋變量對(duì)被解釋變量的空間影響效應(yīng)，將 5個(gè)解釋變量的回歸系數(shù)按照自然斷點(diǎn)法分級(jí)可視化輸出，以直觀表達(dá)各因素的空間影響效應(yīng)特征（圖6）。

1）地形起伏度（X1）對(duì)云南省縣域農(nóng)村貧困的影響效應(yīng)呈西向東帶狀遞增趨勢(shì)，整體影響系數(shù)在 0.003 7～0.013 7之間（圖6a），129個(gè)縣回歸系數(shù)標(biāo)準(zhǔn)差為0.002，變化幅度極小，表明影響效應(yīng)區(qū)域差異較弱，地形起伏度的影響較為普遍。從地域空間上看，相對(duì)而言滇西南的德宏州、臨滄市、普洱市及西雙版納州等地多以中低山為主，地形起伏度較小，影響效應(yīng)較弱，尤其以整個(gè)德宏州及保山市、臨滄市、普洱市和西雙版納州的部分縣影響效應(yīng)最小；而昭通市、曲靖市、紅河州及文山州等地則受地形起伏度影響效應(yīng)較大，其中昭通市的鎮(zhèn)雄縣和威信縣，曲靖市的富源縣、羅平縣和師宗縣，紅河州的屏邊縣和河口縣及整個(gè)文山州影響效應(yīng)最大。2）到所在市政府交通距離（X4）的影響效應(yīng)呈北向南帶狀遞減趨勢(shì)，整體影響系數(shù)在0.023 0～0.066 8之間（圖6b），129個(gè)縣回歸系數(shù)標(biāo)準(zhǔn)差為0.011，有一定的變化幅度，說(shuō)明影響效應(yīng)存在一定的區(qū)域差異性。空間分布上，滇西北和滇東北地區(qū)影響效果較為明顯，尤其以迪慶州的香格里拉市和德欽縣、整個(gè)昭通市及怒江州貢山縣影響最大；而滇東南的文山州（除丘北縣），紅河州的蒙自市、屏邊縣、金平縣和河口縣影響最小。3）農(nóng)村 15歲及以上文盲率（X7）的影響效應(yīng)由西向東逐漸遞減，整體影響系數(shù)在0.001 0～1.047 0之間（圖6c），129個(gè)縣回歸系數(shù)標(biāo)準(zhǔn)差為0.238，變化幅度較大，影響效應(yīng)具有明顯的區(qū)域差異性。空間分布上，昭通市的鎮(zhèn)雄等 8個(gè)縣及曲靖市的宣威市和富源縣影響效應(yīng)最小，而迪慶州、怒江州、保山市、德宏州等地影響效應(yīng)最大。4）每千人醫(yī)療機(jī)構(gòu)床位數(shù)（X8）的影響效應(yīng)由西南向東北逐漸遞減，整體影響系數(shù)在-3.444 0～-1.138 6之間（圖6d），129個(gè)縣回歸系數(shù)標(biāo)準(zhǔn)差為0.516，變化幅度大，影響效應(yīng)具有明顯的區(qū)域差異性。空間分布上，昭通市、曲靖市及昆明市的東川區(qū)和尋甸縣影響效應(yīng)最小；德宏州、保山市的騰沖縣和龍陵縣、臨滄市和普洱市的西南部及西雙版納州的勐海縣等地影響效應(yīng)最大。5）農(nóng)村 65歲及以上老年人比例（X14）的影響效應(yīng)呈東北向西南帶狀遞減趨勢(shì)，整體影響系數(shù)在-4.165 2～-0.601 0之間（圖6e），129個(gè)縣回歸系數(shù)標(biāo)準(zhǔn)差為0.698，變化幅度大，表現(xiàn)出顯著的區(qū)域差異性。從地域空間上看，德宏州、保山市、臨滄市和普洱市西南部影響效應(yīng)較小；而昭通市、曲靖市、紅河州及迪慶州等地影響效應(yīng)較大，其中昭通市影響效應(yīng)最為明顯。

圖6 地理加權(quán)回歸模型分析結(jié)果Fig.6 Analysis results of geographically weighted regression (GWR)

3.2.3 區(qū)域減貧政策建議

在上述致貧因素與影響效應(yīng)分析的基礎(chǔ)上，結(jié)合縣域農(nóng)村貧困程度，對(duì)全省縣域進(jìn)行扶貧開(kāi)發(fā)區(qū)劃，以便于科學(xué)制定和實(shí)施針對(duì)性的區(qū)域減貧政策措施。區(qū)劃方法主要運(yùn)用了 ArcGIS聚類(lèi)分析中的分組分析，為了充分反映出致貧因素指標(biāo)數(shù)值變化對(duì)貧困發(fā)生率的影響（即影響效應(yīng)），給扶貧開(kāi)發(fā)區(qū)劃提供客觀依據(jù)，以縣域農(nóng)村貧困發(fā)生率和5個(gè)主要影響因素的GWR系數(shù)為分析變量，并以行政區(qū)共邊（CONTIGUITY_EDGES_ONLY）的空間關(guān)系進(jìn)行空間約束，按照偽F統(tǒng)計(jì)量最高的原則選取最佳分組數(shù)，以便最大限度反映區(qū)域差異性。分析結(jié)果顯示，偽F統(tǒng)計(jì)量最高值為89.621，對(duì)應(yīng)的最佳分組數(shù)為6組，根據(jù)最佳分組最終得到6個(gè)特征分區(qū)，5個(gè)主要致貧因素指標(biāo)對(duì)各分區(qū)影響效應(yīng)見(jiàn)表4，6個(gè)特征分區(qū)見(jiàn)圖7。

表4 各分區(qū)主要致貧因素及其影響效應(yīng)Table 4 Major factors and influence effects of poverty influencing at each division

1）區(qū)域A屬于滇西北高度貧困區(qū)，包括迪慶州和怒江州。該區(qū)域地理環(huán)境惡劣，整體海拔較高且高差大，全區(qū)地形起伏度達(dá)3 686 m，為三江并流區(qū)的上游。區(qū)域整體教育水平偏低，農(nóng)村 15歲及以上文盲率平均達(dá)20.43%，遠(yuǎn)高于其他 5個(gè)分區(qū)，且該致貧因素的回歸系數(shù)均值達(dá)0.920，對(duì)全區(qū)的貧困影響效應(yīng)極為明顯。應(yīng)加大生態(tài)扶貧力度，完善補(bǔ)償機(jī)制，提高補(bǔ)償標(biāo)準(zhǔn)，并進(jìn)一步改善交通等基礎(chǔ)公共服務(wù)設(shè)施，積極探索高附加值農(nóng)業(yè)產(chǎn)業(yè)發(fā)展模式，增加農(nóng)戶收入水平。長(zhǎng)遠(yuǎn)來(lái)看，應(yīng)重點(diǎn)強(qiáng)化教育扶貧，加快普及高中（中專(zhuān)）教育，強(qiáng)化貧困家庭的教育觀念與認(rèn)知，大幅度提高農(nóng)村人口的受教育水平，逐步降低文盲率，從根本上改善人口素質(zhì)與能力，阻斷貧困的代際傳遞。同時(shí)可適當(dāng)控制人口自然增長(zhǎng)率，優(yōu)化人口年齡結(jié)構(gòu)。2）區(qū)域B屬于滇西中度貧困區(qū)，主要包括整個(gè)麗江市、大理州和西雙版納州及保山市、臨滄市和普洱市部分縣區(qū)。該區(qū)域整體條件相對(duì)較好，除地形起伏度2 388 m，相對(duì)較高以外，其余4個(gè)方面的致貧因素影響較小。應(yīng)繼續(xù)強(qiáng)化交通基礎(chǔ)設(shè)施、教育、醫(yī)療等提質(zhì)升級(jí)，完善制度體系建設(shè)，進(jìn)一步提升保障水平。同時(shí)加強(qiáng)農(nóng)業(yè)產(chǎn)業(yè)發(fā)展水平，加快土地整理、高標(biāo)準(zhǔn)農(nóng)田建設(shè)，適度發(fā)展規(guī)模經(jīng)濟(jì)，提高耕地利用產(chǎn)出水平。并結(jié)合旅游等產(chǎn)業(yè)發(fā)展，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，重點(diǎn)開(kāi)發(fā)區(qū)域文化旅游等特色產(chǎn)業(yè)發(fā)展項(xiàng)目，充分發(fā)揮麗江-大理-西雙版納旅游精品路線的輻射帶動(dòng)效應(yīng)，全面推進(jìn)旅游產(chǎn)業(yè)帶貧機(jī)制。3）區(qū)域C屬于滇西邊境中高度貧困區(qū)，包括整個(gè)德宏州及保山市、臨滄市和普洱市的部分縣區(qū)。交通、教育和醫(yī)療對(duì)該區(qū)影響較為明顯，到所在市政府交通距離平均達(dá)152 km，僅低于區(qū)域D；農(nóng)村15歲及以上文盲率為13%，僅低于區(qū)域A。每千人醫(yī)療機(jī)構(gòu)床位數(shù) 2.43，處于 6個(gè)分區(qū)中的較低水平。應(yīng)以基礎(chǔ)保障設(shè)施建設(shè)為主，加大農(nóng)村教育、醫(yī)療等投入力度，并進(jìn)一步完善制度保障體系，逐步提升保障質(zhì)量。此外，該區(qū)域與緬甸相接壤，應(yīng)進(jìn)一步挖掘潛在旅游資源，強(qiáng)化邊境旅游產(chǎn)業(yè)提質(zhì)升級(jí)，著力打造特色旅游品牌，逐步擴(kuò)大旅游扶貧帶動(dòng)效應(yīng)。4）區(qū)域D屬于滇東北高度貧困區(qū)，主要包括昭通市、昆明市的東川區(qū)和曲靖市的會(huì)澤縣。地理環(huán)境、交通條件、醫(yī)療保障水平和農(nóng)村老年人比對(duì)該區(qū)農(nóng)村貧困影響明顯。地形起伏度2 477 m，僅低于區(qū)域 A，同時(shí)到所在市政府交通距離平均達(dá)155 km，高于其他5個(gè)分區(qū)；每千人醫(yī)療機(jī)構(gòu)床位數(shù)2.40，處于6個(gè)分區(qū)中的最低水平。農(nóng)村65歲及以上老年人比例回歸系數(shù)為-3.72，影響效應(yīng)最為明顯。該區(qū)域除了強(qiáng)化交通基礎(chǔ)設(shè)施建設(shè)外，需加大易地扶貧搬遷、貧困人口就業(yè)轉(zhuǎn)移力度，緩解資源匱乏瓶頸。完善醫(yī)療保障等公共服務(wù)設(shè)施，加強(qiáng)控制人口自然增長(zhǎng)率，有效調(diào)整農(nóng)村人口年齡結(jié)構(gòu)，減少貧困家庭高消費(fèi)群體比重，緩減家庭負(fù)擔(dān)。同時(shí)逐步完善農(nóng)村老年人等社會(huì)保障體系建設(shè)，強(qiáng)化農(nóng)村低保、養(yǎng)老保險(xiǎn)等政策落實(shí)。5）區(qū)域E屬于滇中低度貧困區(qū)，主要包括昆明市（除東川區(qū)）、玉溪市、曲靖市（除會(huì)澤縣）及紅河州北部。該區(qū)域?yàn)槿〗?jīng)濟(jì)發(fā)展核心區(qū)，地理環(huán)境、區(qū)域條件，公共服務(wù)水平等均處于較高水平。應(yīng)以制度建設(shè)為主，基礎(chǔ)設(shè)施建設(shè)為輔。重點(diǎn)加強(qiáng)經(jīng)濟(jì)發(fā)展輻射帶動(dòng)效益，加大區(qū)域之間的物質(zhì)轉(zhuǎn)運(yùn)、技術(shù)合作與人才交流。統(tǒng)籌城鄉(xiāng)協(xié)調(diào)發(fā)展，加大農(nóng)村發(fā)展投入力度和政策傾斜，著力改善農(nóng)村社會(huì)保障水平，縮小城鄉(xiāng)服務(wù)差距。6）區(qū)域H屬于滇東南高度貧困區(qū)，主要包括文山州（除丘北縣）、紅河州南部及普洱市的墨江縣、江城縣。該區(qū)域地理環(huán)境致貧較為明顯，土地石漠化現(xiàn)象突出。同時(shí)農(nóng)村15歲及以上文盲率仍然偏高，達(dá)11.15%，農(nóng)村65歲及以上老年人比例貧困影響效應(yīng)明顯，回歸系數(shù)為-3.04。應(yīng)進(jìn)一步加大土地整治實(shí)施力度，積極探索石漠化整治創(chuàng)新模式。同時(shí)加大教育投入力度，提高教育保障水平，完善社會(huì)保障制度和服務(wù)體系，適當(dāng)控制人口自然增長(zhǎng)，重點(diǎn)強(qiáng)化教育、養(yǎng)老等保障水平。

4 結(jié) 論

本文運(yùn)用空間計(jì)量經(jīng)濟(jì)模型分析方法與 GIS空間分析技術(shù)，以貧困空間效應(yīng)為切入點(diǎn)，對(duì)全省 129個(gè)縣農(nóng)村貧困格局及其影響因素進(jìn)行了深入分析，并分區(qū)域提出了農(nóng)村減貧政策建議，得到如下主要結(jié)論：

1）云南省是全國(guó)農(nóng)村貧困的高發(fā)區(qū)，空間上表現(xiàn)出“中心-外圍-邊角”的低、中、高空間貧困格局，深度貧困區(qū)主要集中在滇西北、滇東北、滇西南及滇南地區(qū)，主要涉及金沙江、瀾滄江及怒江等流域地帶，尤其以三江并流的滇西北（怒江、迪慶）地區(qū)貧困程度最深，這些地區(qū)將是全省扶貧開(kāi)發(fā)的重點(diǎn)和難點(diǎn)區(qū)域。

2）地形起伏度、到所在市政府的交通距離、農(nóng)村15歲及以上文盲率、每千人醫(yī)療機(jī)構(gòu)床位數(shù)、農(nóng)村65歲及以上老年人比例 5個(gè)因素對(duì)云南省縣域農(nóng)村貧困產(chǎn)生顯著性影響，顯著性水平P值均小于0.1。從空間上看，地形起伏度影響效應(yīng)明顯的區(qū)域?yàn)榈嵛鞅薄⒌釚|北及滇東南地區(qū)；到所在市政府的交通距離主要影響區(qū)域?yàn)榈嵛鞅薄⒌釚|北及滇西地區(qū)；農(nóng)村15歲及以上文盲率以影響滇西北和滇西地區(qū)為主；每千人醫(yī)療機(jī)構(gòu)床位數(shù)影響區(qū)域主要為滇西北、滇西南及滇西地區(qū)；農(nóng)村65歲及以上老年人比例則主要影響滇東北和滇東地區(qū)。

3）農(nóng)村貧困存在明顯的區(qū)域差異性，云南省區(qū)域扶貧開(kāi)發(fā)應(yīng)結(jié)合貧困空間異質(zhì)性及要素空間關(guān)聯(lián)性等特征，針對(duì)區(qū)域貧困程度及主要致貧因素分類(lèi)、分區(qū)域精準(zhǔn)施策，科學(xué)貫徹落實(shí)國(guó)家精準(zhǔn)扶貧“五個(gè)一批”扶貧開(kāi)發(fā)戰(zhàn)略體系。

空間異質(zhì)性和空間關(guān)聯(lián)性是空間地域系統(tǒng)的兩大屬性，可能會(huì)對(duì)區(qū)域貧困產(chǎn)生重要影響，研究區(qū)域貧困空間效應(yīng)將對(duì)扶貧開(kāi)發(fā)產(chǎn)生重要意義。本文運(yùn)用空間計(jì)量經(jīng)濟(jì)模型分析了云南省的區(qū)域貧困致貧因素，結(jié)果表明云南省縣域農(nóng)村貧困除了受到本地區(qū)要素的影響，同時(shí)也受到相鄰地區(qū)農(nóng)村貧困的影響，即存在明顯的貧困空間效應(yīng)。而且文中未考慮到的影響因素所產(chǎn)生的誤差沖擊對(duì)相鄰地區(qū)農(nóng)村貧困亦表現(xiàn)出一定程度的空間溢出效應(yīng)，對(duì)區(qū)域農(nóng)村貧困將會(huì)產(chǎn)生一定程度的誤差沖擊影響。因此，縣域農(nóng)村減貧不僅要關(guān)注本地區(qū)的致貧因素和減貧措施，還需重視相鄰縣域的貧困狀況、致貧因素及減貧政策，尤其需要重點(diǎn)關(guān)注縣域交界地區(qū)貧困人口的扶持與人口遷移等相關(guān)問(wèn)題，強(qiáng)化鄰縣之間的聯(lián)合施策與合作交流，合力鞏固減貧成效。

致謝：本項(xiàng)研究工作得到了云南財(cái)經(jīng)大學(xué)國(guó)土資源與持續(xù)發(fā)展研究所彭海英博士的大力支持與協(xié)助，特此表示感謝！