生態敏感區農戶多維貧困測度與精準扶貧優先序分析

王博文 羅嵐 王雅楠 周雪 楊小芳 陳偉 姚順波

摘 要：為實現精準識別和精準扶貧的目標，通過多維貧困測度法探索貧困的深度和誘因變得尤為重要。基于陜西省商洛市商州區的調研數據，采用Alkire-Foster多維貧困測度方法從收入、健康、教育、生活設施和自然地理環境5個維度對貧困地區農戶進行多維貧困測度與分解。研究表明：（1）單一維度上，農戶貧困狀況仍然不容樂觀，各維度貧困發生率存在顯著差異;（2）多維度貧困測度上，多維貧困指數隨著貧困剝奪維度K的增加而不斷減小，變化趨勢呈現倒“S”型曲線，變化速度呈現先上升后下降的倒“U”型趨勢;（3）多維貧困指數以及發生率高于其他研究，表明生態敏感區的異質程度高;（4）多維貧困指數存在地區異質性;（5）多維貧困指數的貢獻率存在維度差異性，教育、收入、健康和基礎設施是造成貧困的重要原因。

關鍵詞：生態敏感區;多維貧困;Alkire-Foster模型;精準扶貧;優先序

中圖分類號：F304.4;C912.82 文獻標識碼：A 文章編號：1009-9107（2019）05-0072-09

收稿日期：2019-01-09DOI：10.13968/j.cnki.1009-9107.2019.05.10

基金項目：教育部人文社會科學研究項目（18XJC790014）;國家自然科學基金青年項目（71803152，71503200）;陜西省軟科學項目（2016KRM054）;楊凌示范區科技計劃項目（2015RKX-03）

作者簡介：王博文（1976-），男，西北農林科技大學經濟管理學院副教授，博士，主要研究方向為產業經濟和精準扶貧。

*通訊作者

引 言

改革開放以來，在政府主導下實施的一系列開發式扶貧工作取得了巨大成就，農村貧困人口數量不斷減少。國務扶貧辦指出，貧困發生率由1978年的97.5%下降到2017年底的3.1%，我國創造了人類減貧史上的奇跡。但貧困問題仍然是制約我國經濟發展和社會進步的瓶頸，而粗放式的扶貧政策又導致了新的困難。習總書記2013年在湘西考察時首次作出了“實事求是、因地制宜、分類指導、精準扶貧”的重要指示。扶貧開發貴在精準，重在精準，成敗在于是否精準，精準識別是精準扶貧的基礎。傳統的貧困識別主要基于收入單一維度，忽視了個體的貧困特征和其他方面能力的缺失，造成該扶不扶的嚴重問題;而多維度對貧困識別更具科學性和合理性，能夠提高扶貧的瞄準精度和實施效果。

盡管我國絕對貧困人口數量不斷減少，但目前的貧困問題已經不再是政策與制度缺失等普遍性因素導致的貧困，而是由自然地理環境、生態條件等差異造成的貧困。生態敏感區，作為一種特殊類型的地區，主要表現為自然地理條件差、對環境要素變化敏感和生態系統穩定性較差，其包括河流水系、濱水地區、山地丘陵、海灘等類型[1-2]。由于自然地理條件等因素影響，生態敏感區貧困現象比其他地區更為嚴重，僅靠收入這一指標來測度其貧困程度無法反映出當地的真實貧困狀況。因此本研究基于生態敏感區多維貧困這一視角，探究其貧困的根源，以期為此類地區精準扶貧政策提供更科學合理的依據。

一、文獻綜述

阿瑪蒂亞森于1985年首次提出“能力貧困”，認為貧困的根源來自能力的被剝奪。在此基礎上，他創立了多維貧困理論，并將多維貧困劃分為收入貧困、能力貧困、社會排斥貧困和參與性不足貧困[3]。外國學者分別對印度[4]、越南[5]和尼日利亞[6]貧困進行研究，均表明相對于一維貧困而言，多維貧困方法是貧困精準識別和精準扶貧政策制定更有效的工具和視角。此后，多維貧困的測度成為貧困研究的一個焦點問題，學者對于多維貧困測度的研究主要集中在測度方法[7-11]、指標選擇[12-14]以及指標權重[15-17]等問題上。其中，牛津大學貧困與人類發展中心的研究人員Alkire和Foster從多維視角出發，對貧困進行識別和加總，得出了集測算和分解為一體的一般模型——A-F計數測量法[18-19]。該方法運用雙臨界值法，不僅可以滿足多維貧困測量公理性質，而且指標權重修改靈活性大，同時整體測量結果直觀易解釋，成為多維貧困測量的一個重大突破。

國內學者對農戶多維貧困的相關問題研究起步較晚，現有的研究有三個主要的切入點：構建不同的多維貧困測度指標體系;針對某一特定區域進行多維貧困分析;不同群體之間的多維貧困情況有顯著差異。多維貧困測度維度和指標體系方面存在著較大差異，一些學者從社會關系、經濟水平、健康教育等方面構建指標體系[20-23]，另一些學者則圍繞物質資本、消費水平和人力資本分析[24-26]。在研究區域選擇方面，相關研究主要選取了山區[27-28]、庫區[25]和連片貧困區[29-30]等特殊類型地區。就不同群體的多維貧困方面，王春超利用A-F多維貧困測量方法對比分析農民工和城市勞動者多維貧困的狀況，研究發現農民工的多維貧困狀況較全國水平和城市勞動者均嚴重[31]。周常春對連片特困區的農戶運用相同的方法進行多維貧困測度，分析了其能力建設的相關問題[32]。此外，賈興梅針對重點貧困縣農村農戶進行多維貧困測度[33]。

綜上，國內外學者從不同方面對多維貧困相關問題的研究卓有成效，但仍然存在著一些不足。現有多維貧困指標的設定主要集中在收入、健康、經濟、教育等方面，忽視了自然地理環境對農戶貧困的影響，然而眾多研究表明生態環境和災害對貧困程度有重要影響[34]。陜西省商洛市位于14個連片特困區之一的秦巴山區，生態穩定性較差，更易受到環境影響，屬于山地丘陵型生態敏感區。因此，探究商洛市多維貧困問題對生態敏感區脫貧工作有一定的借鑒意義。此外，多維貧困的實施方案過于粗放，扶貧效率低，未能為精準扶貧提供有價值的政策支撐。因此，本研究在商洛市667個農戶的調研數據的基礎上，利用A-F多維貧困測量模型，在收入、教育、健康和生活設施的基礎上引入自然地理環境維度，對生態敏感區的農戶進行多維貧困測度和分析，并且通過維度分解分析各個指標的扶貧優先程度，以期為精準扶貧政策的制定提供參考。

二、數據與方法

（一）數據來源

陜西省商洛市商州區屬于山地丘陵型生態敏感區，自然地理條件較差且具有潛在自然災害影響，貧困發生率較高，貧困程度更深。本文數據來源于2018年7月在此地區進行的農村社會調查。調查區域覆蓋商洛市商州區的5個鎮（牧護關鎮、沙河子鎮、楊斜鎮、楊峪河鎮、夜村鎮）15個村。調查內容主要包括農戶家庭基本情況、家庭收支、醫療衛生、教育培訓、基礎設施等。本次調查以走訪和問卷方式進行入戶調查，共發放問卷700份，收回有效問卷667份，有效率達到了95.3%。另外，通過發放村集體問卷來了解村落的基本情況、自然地理環境以及基礎設施情況。

（二）維度與指標選取

參考已有關于多維貧困指標體系，結合《中國農村扶貧開發綱要（2011-2020）》中提出的主要目標和指標，同時兼顧商洛市商州區的具體情況，本文在收入、健康、教育、生活設施等維度的基礎上增加自然地理環境維度，以對外距離和自然災害兩個指標衡量該維度。另外，教育維度通過勞動力受教育水平和技能培訓狀況來衡量。為了更科學地體現生活設施情況，從家庭資產狀況、衛生設施、住房設施、能源設施和飲用水設施這5個方面進行綜合考量。因此，建立了共計5個維度11個指標的多維貧困指標體系，具體維度與指標見表1。采用等權重法對各維度進行賦權，進而等權賦值每一維度的各個指標。

需要特別指出的是，根據生態敏感區的特點，同時參考部分相關研究[28，35-37]選擇了對外距離和自然災害2個指標衡量自然地理環境維度。其中對外距離表示該農戶的地理位置的偏僻程度，根據地區所屬地形來看，農戶居住地越偏遠，地理環境越差。自然災害表示農戶所在村莊災害頻發或者是地方疾病區，體現了該地區對環境要素變化敏感且具有潛在自然災害影響。因此，這2個指標能在一定程度上較好地反映該區域的生態敏感性。

三、多維貧困測度結果分析

（一）單維貧困測度結果

商洛市商州區的單維貧困測度結果如表2所示。從總體的單維貧困發生率來看，教育和自然地理環境2個維度的貧困發生率最高，其中，5個鎮的勞動力最高學歷在高中以上的家庭不足一半，僅有近15%的家庭中有人接受過技能培訓;自然地理環境方面，有70%以上的家庭地處偏遠，對外距離遠，無法接觸外界新鮮事物，特別是牧護關鎮、楊斜鎮和夜村鎮，這一指標超過了90%。其次，這5個鎮均是自然災害頻發，有近60%的家庭受到了環境的影響。另外，在生活設施這一維度上，貧困發生率比較高的指標是衛生設施和能源設施，尤其是牧護關鎮和楊斜鎮，因為其地理位置偏遠以及自然災害嚴重，外來能源的成本較高，缺乏基礎能源設施，仍然以柴火等作為生活燃料。健康維度的情況也不容樂觀，貧困發生率超過了50%，不理想的健康狀況使得勞動力喪失并導致醫療支出增大，從而使家庭陷入貧困，醫療衛生狀況得到更多重視。僅從單維貧困指標來看，楊斜鎮的各維度貧困發生率都比較高，而收入維度的貧困發生率并不突出，這更加凸顯單一收入維度判斷貧困是不夠合理的。

（二）多維貧困測度結果

文中使用A-F多維貧困測量方法對地區的多維貧困情況進行測度，共測量5個維度11個指標，但由于沒有農戶家庭在這11個指標上均表現為貧困，所以研究到K=10的情況。根據2011年《人類發展報告》（HDR），將多維貧困剝奪份額大于1/3（K=3）的家庭定義為多維輕度貧困家庭，大于1/2（K=6）定義為多維中度貧困家庭。文中進一步定義大于2/3（K=9）的家庭為多維重度貧困家庭。多維貧困測度結果如表3所示，當K=3時，多維貧困指數為53.7%，貧困發生率為98.1%，貧困剝奪份額為54.8%;當K=6時，多維貧困指數為38.8%，貧困發生率為61.0%，貧困剝奪份額為63.6%;當K=9時，多維貧困指數為4.3%，貧困發生率為5.1%，貧困剝奪份額為83.7%。

（三）多維貧困指數分解

1.地區多維貧困指數分解。通過對多維貧困指數M0按不同地區進行分解，得到不同K值下的5個鎮的多維貧困指數（見表4）。楊峪河鎮的多維貧困指數最大，貧困狀況最明顯，貧困程度最深，其次是沙河子鎮、牧護關鎮、夜村鎮和楊斜鎮。隨著剝奪維度的增加，多維貧困指數在不斷降低，其中，沙河子鎮在9個維度被剝奪時多維貧困指數就已經為零，楊峪河鎮在K=10時為零，說明這2個鎮對相應維度多維貧困指數無貢獻。

2.維度指標優先序分析。為了更好地實現貧困的精準識別，進而為精準扶貧政策的制定提供參考依據，這里進一步對維度指標進行優先序分析。優先序指的是對各維度指標進行重要程度排序以探索扶貧工作中應當優先解決的問題，體現精準扶貧的目標精準。為保證優先序判斷中更加科學合理，文中選擇K=2、4、6、8、10共5個等差維度進行分解，分解結果見表5。

通過對5個維度分解發現教育和自然地理環境對多維貧困指數貢獻最大，其貢獻率均大于10%，其中農戶家庭的文化程度較低使得其從事工作收入少和無法理解外部信息，是家庭陷入貧困的根本原因。打破貧困枷鎖的基礎就是教育，只有提升自己的教育水平，增強自身的發展能力，才能從根本上脫離貧困。教育貧困導致發展能力貧困，進而影響農業生產效率和接受外界事物的認知，這與當地的教育資源匱乏以及村民自身意識淡薄有關。就自然地理環境而言，2個指標的多維貧困指標貢獻率顯著大于其他指標，是導致農戶陷入貧困的又一重大原因。自然地理環境惡劣導致農戶外出困難和農作物歉收，與外界接觸少以及收入降低影響其認知水平和再生產能力，最終影響生活水平，形成一個惡性循環。從單一指標來看，隨著K的增大，收入對多維貧困的貢獻率不斷上升，可見，收入仍然是造成貧困的直接原因。技能培訓狀況對多維貧困指數的貢獻率隨著K的增大不斷下降，當K=2時，多維貧困貢獻率為14.3%，當K=10時下降到9.8%。家庭資產狀況、飲用水設施、家庭成員健康狀況、住房設施均小于10%，對多維貧困指數的貢獻較低且趨于穩定，無明顯上升或下降趨勢。

對不同剝奪維度K的指標分解結果進行排序，以貢獻率從低到高排序，用雷達圖表示（見圖2）。

當K=2、4、6、8時的多維貧困的指標分解優先序非常相似，基本上沒有差別，可以看到其中問題比較嚴重的是能源設施、衛生設施和技能培訓狀況，這3個指標是排在前3位的。農戶無法解決生活燃料問題或者還是使用舊的燃料，能源設施的建設應該放在首位。技能培訓狀況這一點非常嚴重，需要政府進行針對性解決，比如開展農村知識普及，派遣專業人員下鄉進行教學。農戶家庭還在使用旱廁，這點問題和住房設施建設密切相關，但住房設施問題并未特別嚴重，這可能與其重視房屋改建而忽視相關基礎設施的建設有關。

當被剝奪維度達到了10時，可以觀察到，健康、收入、教育成為最為突出的3個方面，與上述的結果相比，健康和收入問題變得特別突出，而教育一直是關鍵性問題。收入與教育、健康是緊密相關的，綜合單維貧困發生率來看，收入貧困和教育健康貧困存在互動效應。這些問題均沒有得到重視，農戶家庭沒有一人接受技能培訓或者勞動力身體欠佳，缺乏技能使得無法從事收入較高的工作，健康狀況不穩定導致工作無法得到保障。而收入低又讓教育缺失和無錢看病的局面。收入貧困和健康貧困存在互動效應;收入貧困和教育貧困表現出雙向因果關系，相互影響，相互加強，形成了一種惡性循環。要想打破這一循環，政府的扶貧工作就要更加重視教育和醫療衛生建設，教育始終是脫貧的根本，身體健康永遠是脫貧的基礎。

四、結論與建議

調研所在的區域商州區處于自然地理環境較差的生態敏感區，這些地區的經濟基礎較差，交通設施落后，教育水平普遍較低，基礎設施如衛生、能源等等依然不完善，仍然存在深度貧困問題。因此，本文以陜西省商洛市農戶調研數據為樣本，運用A-F多維貧困測度模型，選取收入、健康、教育、生活設施和自然地理環境5個維度對農戶進行多維貧困測度分析，并基于不同維度和不同地區對多維貧困指數貢獻率進行分解，研究結果表明：

1.單一維度上，農戶貧困狀況仍然不容樂觀，各維度貧困發生率存在顯著差異。其中，農戶面臨的最嚴重的問題是教育貧困。另外，自然地理環境維度、健康維度的貧困發生率非常高，環境問題也造成了社會資源獲取方面的能力貧困，由于其特殊的地理位置和惡劣的自然環境，生活設施維度的貧困也很嚴重。除此之外，楊斜鎮很多指標上貧困發生率比較高，但收入指標上卻顯著低于其他地區，表明單一收入維度測算不能全面衡量貧困狀況。

2.多維度貧困測度上，多維貧困指數隨著貧困剝奪維度K的增加而不斷減小，變化趨勢呈現倒“S”型曲線，變化速度呈現先上升后下降的倒“U”型趨勢。

3.基于不同地區的多維貧困分析來看，多維貧困指數存在地區異質性，不同地區的同一維度多維貧困指數貢獻率不同，即使是同一地區，不同維度的貢獻率也有所差異。按多維貧困指數進行排序，貧困程度由深到淺依次是：楊峪河鎮、沙河子鎮、牧護關鎮、夜村鎮和楊斜鎮。

4.不同維度對多維貧困指數的貢獻率不同，教育、收入、健康和基礎設施是造成貧困的重要原因。教育和自然地理環境對多維貧困指數貢獻最大，均大于10%。觀察優先序分析結果，當K較小時，多維貧困的指標分解優先序差異較小，其中能源設施、衛生設施和技能培訓狀況多維貧困指數貢獻率最大。當K=10時，健康、收入、教育成為造成貧困最為突出的3個因素。

根據上述結論，對中國農村貧困地區特別是生態敏感區扶貧工作提出以下政策建議：

1.收入貧困是致貧的直接原因，但現有的扶貧政策只是單一的給予低保補貼，忽視了對脫貧能力的培養。因此，針對這些收入貧困的家庭，政府部門應該不僅為其提供最低生活保障，而且需要加強培養自身的發展能力。例如，增加貧困農戶的各項培訓，完善培訓內容，通過培訓擴展農戶的視野，這有利于農戶主動尋找就業機會;政府組織培育發展當地特色產業需要的技術人才，通過發展特色產業為當地農戶提供就業機會。

2.由于地區的異質性致貧環境和貧困農戶的多元化致貧原因，個體脫貧能力也存在差異，導致地區、家庭和維度的貧困程度均不同。政府應按貧困程度決定扶貧資金的分配使用，提升扶貧資金使用效率。加大資源性指標的投入力度，健全資金使用制度，同時加強監管，確保扶貧項目資金用到實處并能夠發揮最大效益，可根據貧困家庭的貧困深度和致貧原因，實施差異化扶貧措施。

3.在扶貧工作中，應當優先解決重點突出問題，實施針對性更強、作用更有效、效果更持續的措施。根據多維貧困測量的結果，得到扶貧的優先序，在扶貧工作中，可以參考優先序進行扶貧。在貧困程度較高的家庭中，首先是健康貧困最為突出，健全貧困群體醫療保障機制，建立貧困家庭個人醫療檔案，量身定制治療方案，使得患病人員恢復部分勞動力。提高農村醫療衛生水平和服務質量，加大大病救助，盡量避免因病致貧。教育貧困是最根本的貧困原因。政府應繼續加大對農村教育的投入力度，可以通過國家助學金或社會助學金幫助學生完成學業，降低適齡兒童的輟學率。政府部門應當設立專項資金，鼓勵當地農村居民接受適當的技能培訓。另外，由于調研地區位于生態敏感區，偏遠的地理位置導致交通設施落后，農戶與外界接觸有限難以獲得社會資源，而且惡劣的自然環境對農業生產的影響巨大。因此，在進行地區扶貧時，應重視交通設施建設，為農民提供自然災害預測報告或者培訓農民如何防范自然災害。其次，購買農業保險也是有效的措施之一，為農戶的生計提供必要的保障。

4.加大地區生態環境治理和基礎設施建設，培育適宜生態恢復和農民增收的產業體系。該地區屬于生態敏感區，生態環境脆弱，貧困程度較深，因此加強生態環境治理和道路等基礎設施的建設變得十分重要。同時依托優勢特色產業，通過發展養殖業和林果等特色產業幫助農民減貧增收，做到生態治理和脫貧致富兩手抓。

參考文獻：

[1] 李團勝，石鐵矛，肖篤寧.大城市區域的景觀生態規劃理論與方法[J].地理學與國土研究，1999（2）：53-56.

[2] 達良俊，李麗娜，李萬蓮，等.城市生態敏感區定義、類型與應用實例[J].華東師范大學學報（自然科學版），2004（2）：97-103.

[3] Sen A K.Inequality Reexamined [M]. Cambridge，Boston，USA：Harvard University Press，1992：1-9.

[4] Bejoy K T，Roldan M，Gerard De G，et al.Multidimensional Ooverty and Identification of Poor Households：A Case From Kerala，India[J].Journal of Human Development and Capabilities，2009，10（2）：237-257.

[5] Ha Le，Cuong Nguyen，Tung Phung.Multidimensional Poverty：First Evidence From Vietnam[Z].Mpra Paper，2014.

[6] Oyekale T O，Yusuf S A.Multidimensional Poverty of Shock Exposed Households and Coping Mechanisms in Rural Nigeria [J].The Social Sciences，2010，5（3）：254-263.

[7] 支俊立，姚宇馳，曹晶.精準扶貧背景下中國農村多維貧困分析[J].現代財經（天津財經大學學報），2017，37（1）： 14-26.

[8] Maasoumi E，Lugo M A.The Information Basis of Multivariate Poverty Assessments[M]. London：Macmillan，2008： 112-114.

[9] Chakravarty SR，Deutsch J，Silber J.On the Watts Multidimensional Poverty Index and Its Decomposition[J].World Development，2008，36（6）：1 067-1 077.

[10] Hagenaars A.A Class of Poverty Indices[J].International Economic Review，2001，28（3）：583-607.

[11] Bourguignon F，Chakravarty S R.The Measurement of Multidimensional Poverty[J].Journal of Economic Inequality，2003，1（1）： 25-49.

[12] Sabina A，James F.Counting and Multidimensional Poverty Measurement [J].Journal of Public Economics，2011，95（7）：476-48.

[13] 高帥，畢潔穎.農村人口動態多維貧困： 狀態持續與轉變[J].中國人口·資源與環境，2016，26（2）： 76-83.

[14] Awan M S，Waqas M，Aslam M A.Multidimensional Measurement of Poverty in Pakistan Provincial Analysis[J].Noesis Revista De Ciencias Sociales Y Humanidades，2015，24（48）：54-71.

[15] 王小林，ALKIRE Sabina.中國多維貧困測量： 估計和政策含義[J].中國農村經濟，2009（12）： 4-10.

[16] Martin R.On multidimensional Indices of Poverty [J].The Journal of Economic Inequality，2011，9（2）：235-248.

[17] 郭建宇，吳國寶. 基于不同指標及權重選擇的多維貧困測量——以山西省貧困縣為例[J]. 中國農村經濟，2012（2）：12-20.

[18] Alkire S.Choosing Dimensions：The Capability Approach and Multidimensional Poverty [J].Ssrn Electronic Journal，2007，76（5）：89-119.

[19] Alkire S，Foster J.Counting and Multidimensional Poverty Measurement[J].Journal of Public Economics，2011，95（7-8）：476-487.

[20] 陳立中.轉型時期我國多維度貧困測算及其分解[J]. 經濟評論， 2008（5）：5-10.

[21] 陳輝，張全紅.基于多維貧困測度的貧困精準識別及精準扶貧對策——以粵北山區為例[J]. 廣東財經大學學報，2016，31（3）：64-71.

[22] 崔治文，徐芳，李昊源.農戶多維貧困及致貧機理研究——以甘肅省840 份農戶為例[J]. 中國農業資源與區劃，2015，36（3）：91-97.

[23] 王磊，李聰.陜西易地扶貧搬遷安置區多維貧困測度與致貧因素分析[J]. 統計與信息論壇，2019（3）：119-128.

[24] 王怡，周曉唯.精準脫貧與2020年我國全面建成小康社會——基于2010—2017年扶貧經驗的理論和實證分析[J]. 陜西師范大學學報（哲學社會科學版），2018（6）：47-56.

[25] 石智雷，鄒蔚然.庫區農戶的多維貧困及致貧機理分析[J].農業經濟問題，2013（6）：61-69.

[26] 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（1）：34-40.

[27] 楊慧敏，羅慶，李小建，等.生態敏感區農戶多維貧困測度及影響因素分析——以河南省淅川縣3個村為例[J]. 經濟地理，2016，36（10）：137-144.

[28] 劉林，徐天驕.農戶多維貧困測度與發展能力提升優先序——以新疆南疆三地州為例[J]. 生態經濟，2016，32（9）：116-121.

[29] 王艷慧，錢樂毅，段福洲.縣級多維貧困度量及其空間分布格局研究——以連片特困區扶貧重點縣為例[J]. 地理科學，2013，33（12）：1 489-1 497.

[30] 馬明義，李樺.秦巴山區農戶多維貧困測度及精準扶貧對策研究[J]. 干旱區資源與環境，2019，33（1）：30-37.

[31] 王春超，葉琴.中國農民工多維貧困的演進——基于收入與教育維度的考察[J]. 經濟研究，2014，49（12）：159-174.

[32] 周常春，翟羽佳，車震宇.連片特困區農戶多維貧困測度及能力建設研究[J]. 中國人口·資源與環境，2017，27（11）：95-103.

[33] 賈興梅.農村多維貧困測度與精準扶貧政策優化——基于安徽省X縣547戶貧困家庭的調查分析[J]. 社會保障評論，2018，2（2）：89-99.

[34] 程欣，帥傳敏，王靜，李文靜，等.生態環境和災害對貧困影響的研究綜述[J]. 資源科學，2018，40（4）：676-697.

[35] 陳燁烽，王艷慧，王小林.中國貧困村測度與空間分布特征分析[J]. 地理研究，2016，35（12）：2 298-2 308.

[36] 羅慶，李小建.國外農村貧困地理研究進展[J]. 經濟地理，2014，34（6）：1-8.

[37] 殷浩棟，王瑜，汪三貴.易地扶貧搬遷戶的識別：多維貧困測度及分解[J].中國人口·資源與環境，2017，27（11）：104-114.