黃長江 周亮廣 鄧凱 袁慧慧

摘要：以安徽省舒城縣為例，利用GIS地圖制圖和空間分析功能，動態(tài)展示貧困地區(qū)脫貧進(jìn)程，運用空間分析、時空地理加權(quán)回歸和地理探測器等方法分析脫貧的影響力因素。研究發(fā)現(xiàn)：舒城縣的脫貧人口在空間上西南多東北少，在時間上2014—2017年大致呈逐年遞增的趨勢，且2017年的增幅最高;財政資金投入對脫貧人口數(shù)量影響較為顯著，且在2014—2017年中β系數(shù)在不斷地增大，同時地理探測因子影響力：基礎(chǔ)設(shè)施建設(shè)投入>醫(yī)療衛(wèi)生投入>城鄉(xiāng)建設(shè)投入>農(nóng)林水利投入>公共服務(wù)投入>教育文化投入。

關(guān)鍵詞：貧困化;財政資金分配;時空地理加權(quán)回歸模型;地理探測器;舒城縣

中圖分類號：TP273文獻(xiàn)標(biāo)志碼：A

文章編號：2095-5383（2018）04-0094-07

對財政資金投入及扶貧效果的時空變化進(jìn)行研究，對于提高扶貧的速度與質(zhì)量具有重要的意義。隨著我國經(jīng)濟(jì)的發(fā)展，財政資金對扶貧支持力度不斷提高，使成千上萬的人擺脫了貧困[1]，經(jīng)濟(jì)新常態(tài)的發(fā)展背景要求新時期扶貧工作應(yīng)重視財政資金配置效率以及扶貧質(zhì)量的提高[2]。眾多學(xué)者對于扶貧的資金及效果進(jìn)行了研究，王建平以西藏為例，建立了財政資金與貧困人口數(shù)量和貧困人口收入模型，證明財政資金投向不同產(chǎn)生差異較大[3]。張全紅利用回歸模型對我國財政投入與貧困變化進(jìn)行了長期研究，發(fā)現(xiàn)財政資金短期扶貧效果明顯[4]。宋鄰西利用層次分析法從投入、運行和結(jié)果3個層次對財政資金的扶貧效果進(jìn)行研究[5]。倪志良[6]、高波[7]、肖唯楚[8]等都對財政資金和扶貧效果進(jìn)行了分析探究。

目前對于財政資金扶貧效果的研究以定性為主，并未對扶貧資金類別與投向?qū)ω毨丝跀?shù)量變化的影響進(jìn)行系統(tǒng)定量分析，因而難以對扶貧資金的分配和投資方向提供更加具有建設(shè)性的意見和建議。在實際工作中我們會發(fā)現(xiàn)，時空尺度的變化會直接影響財政對扶貧效果的判定，從而會給扶貧政策的制定帶來不確定性，增加財政資金使用的難度[9]，因此，對貧困地區(qū)財政資金及其扶貧效果進(jìn)行研究，尋找其內(nèi)在演化規(guī)律和驅(qū)動力因素，對于提高財政資金減貧的質(zhì)量和效率具有重要的意義。

自國家“八七”扶貧攻堅以來，舒城縣被列入國家貧困縣。以舒城縣為例，以鄉(xiāng)鎮(zhèn)為單位，利用ArcGIS制圖和空間分析功能，展示和分析2014—2017年扶貧的時空動態(tài)變化情況;采用時空地理加權(quán)回歸（GTWR）對2014—2017年貧困人口減少數(shù)量及其影響因子進(jìn)行分析，探索了不同因子的時空影響變化，然后利用地理探測器中因子探測方法，將脫貧人數(shù)作為因變量，各項指標(biāo)作為自變量，分別與貧困人口數(shù)量進(jìn)行空間探測，得出各項財政指標(biāo)因子對貧困人口數(shù)量的影響力，最終診斷出舒城縣鄉(xiāng)鎮(zhèn)財政扶貧的主導(dǎo)力因素。

1研究區(qū)域與數(shù)據(jù)來源

1.1研究區(qū)域

舒城縣隸屬安徽省六安市，位于長三角縱深腹地，是合肥經(jīng)濟(jì)圈重要的組成部分。舒城縣下轄15個鎮(zhèn)，394個行政村。全縣總?cè)丝?03萬，其中農(nóng)業(yè)人口87.4萬，2017年末確定的建檔立卡貧困人口3.7萬人，貧困發(fā)生率為4.19%，地理位置如圖1所示。

1.2數(shù)據(jù)來源

研究所需資料主要包括兩個方面：經(jīng)濟(jì)社會數(shù)據(jù)：2014—2017年 《舒城統(tǒng)計年鑒》、舒城縣政府相關(guān)部門統(tǒng)計公報以及舒城縣各鄉(xiāng)鎮(zhèn)網(wǎng)站?；A(chǔ)地理數(shù)據(jù)：GIS矢量化和地理空間數(shù)據(jù)云平臺。

2研究方法與評價指標(biāo)體系

2.1研究方法

1）地理探測器（Geodetector），包括4個探測器：生態(tài)探測、風(fēng)險區(qū)探測、交互作用探測、分異及因子探測[10]。該方法最早應(yīng)用于醫(yī)療健康領(lǐng)域[11]，也有學(xué)者研究宜居度[12]和經(jīng)濟(jì)發(fā)展[13]等問題。本文運用到的是分異及因子探測。

分異及因子探測原理：探測Y的空間分異性，以及探測某因子A多大程度上解釋了屬性Y的空間分異。度量值q表達(dá)為：

為因子A的分類或分區(qū);Nh和N分別為區(qū)h和全區(qū)的單元數(shù);σ2 h和σ2分別為區(qū)h和全區(qū)Y的方差。q的取值范圍為0～1，值越大，即每個類型內(nèi)的方差較小，類型之間的方差較大，說明自變量A對Y的影響力力越強，反之則越弱，當(dāng)q=1時，因子A對Y的空間分布其決定性影響力;q=0，表示A對Y沒有任何影響。

2）

時空地理加權(quán)回歸模型（GTWR）：時空地理加權(quán)回歸模型是Huang等人[14]在傳統(tǒng)的地理加權(quán)回歸模型[15]和的基礎(chǔ)上將時間維度納入到地理空間中，該模型能夠解決回歸關(guān)系的時空特性以和時空非平穩(wěn)性問題[16]，相對于OLS和GWR來說，GTWR具有更好的擬合度[17]，近些年來，在經(jīng)濟(jì)學(xué)、統(tǒng)計學(xué)中得到了廣泛的應(yīng)用[18]，GTWR模型表達(dá)式如下：

）為獨立隨機(jī)誤差項，均值為0，方差為δ2。此外，帶寬的選擇對于回歸的影響較大[19]，因此本文選擇交叉確認(rèn)法作為空間和時間帶寬。

2.2財政扶貧評價指標(biāo)體系

隨著經(jīng)濟(jì)社會與扶貧的不斷深入發(fā)展，扶貧逐步形成了以政府為主導(dǎo)、社會力量參與的扶貧發(fā)展格局[20]，財政資金越來越成為脫貧的至關(guān)重要的因素，因此對于財政資金的劃分以及使用對地區(qū)高效率、高質(zhì)量脫貧起著至關(guān)重要的作用。參考相關(guān)學(xué)者構(gòu)建的財政資金支出和脫貧指標(biāo)體系[21-22]，本文確定的因變量是2014—2017每年貧困人口減少的數(shù)量，自變量有X1（城鄉(xiāng)建設(shè)投入）、X2（農(nóng)林水利投入）、X3（基礎(chǔ)設(shè)施建設(shè)）、X4（公共服務(wù)投入）、X5（文化教育投入）、X6（醫(yī)院衛(wèi)生投入）（除脫貧人口數(shù)量單位為“人”之外，其他因子單位均為“萬元”）。指標(biāo)體系如圖2所示。

3結(jié)果分析

3.1縣域貧困人口時空變化分析

在ArcMap10.2平臺上，對舒城縣2014—2017年鄉(xiāng)鎮(zhèn)脫貧人數(shù)進(jìn)行制圖以及分析，如圖3所示。

a.2014年脫貧人口數(shù)量b.2015年脫貧人口數(shù)量

由圖3可知，2014—2017年脫貧人口的數(shù)量在不斷增加，因此4年貧困人口數(shù)量總體上呈減少狀態(tài)，但是在不同時空因素影響下，貧困人口減少的數(shù)量存在著時空差異。從時間上看，貧困人口的減少總體上呈逐年遞增的趨勢，但是部分地區(qū)存在著脫貧速度減緩的趨勢，同時在2017年份各個地區(qū)貧困人口的減少數(shù)量是這4年中最多的。又由圖3可知：2014—2017每年貧困人口減少最多的幾個鄉(xiāng)鎮(zhèn)是：萬佛湖鎮(zhèn)、湯池鎮(zhèn)、河棚鎮(zhèn)，每年減少的貧困人口分別是1 467、1 734、1 731和4 427人。2014—2017每年貧困人口減少最少的鄉(xiāng)鎮(zhèn)是桃溪鎮(zhèn)，每年減少的貧困人口是143、113、130和328人。

從空間上看，脫貧人口數(shù)量由縣城的西南向東北區(qū)呈遞減趨勢，貧困人口減少數(shù)量較多的鄉(xiāng)鎮(zhèn)分布在舒城縣的西部和西南部山地和丘陵地帶，貧困人口減少較少的幾個鄉(xiāng)鎮(zhèn)分布在舒城縣的東部平原地區(qū)，四年脫貧人口數(shù)量較多的鄉(xiāng)鎮(zhèn)是湯池鎮(zhèn)、三七鎮(zhèn)、河棚鎮(zhèn)和闕店鄉(xiāng);脫貧較少的幾個鄉(xiāng)鎮(zhèn)是桃溪鎮(zhèn)、舒茶鎮(zhèn)和城關(guān)鎮(zhèn)。

3.2縣域脫貧影響主導(dǎo)因素分析

區(qū)域貧困人口數(shù)量的減少受到多種因素的影響[23]，選取包括經(jīng)濟(jì)發(fā)展、生活保障、文體衛(wèi)生在內(nèi)的6個因子作為分析點，以鄉(xiāng)鎮(zhèn)為分析單元，對2014—2017年脫貧驅(qū)動力主導(dǎo)因子進(jìn)行分析。首先檢驗因子是否符合正態(tài)分布規(guī)律，并通過皮爾森相關(guān)性檢驗、擬合優(yōu)度檢驗、F檢驗?；貧w分析結(jié)果如圖4所示。

由回歸結(jié)果可知公共服務(wù)投入、文化教育投入、醫(yī)療衛(wèi)生投入、城鄉(xiāng)建設(shè)投入等存在著不同類型的個體差異，計算結(jié)果βk（ui、vi、ti）

如圖4所示，在計算的過程中將數(shù)據(jù)的時空信息納入到模型計算中，從而利用回歸系數(shù)函數(shù)在各時空位置的估計值，分析時空關(guān)系的變化特征，深刻揭示出扶貧發(fā)展的差距及其影響因子的復(fù)雜變化，再次利用ArcGIS進(jìn)行數(shù)據(jù)可視化，用地圖的形式來展示財政分配對各地區(qū)脫貧影響情況。

1）從時空維度來看，各區(qū)域間脫貧人口數(shù)量的影響因素在空間和時間上呈現(xiàn)不平穩(wěn)的分布狀況，由圖4可以看出，X3、X5、X6這3個因子對脫貧人口數(shù)量在一些地區(qū)作用效果并不明顯，而X1、X2、X4這幾個因子對脫貧人口數(shù)量作用比較顯著。從時間維度上看，各項財政資金和脫貧人口數(shù)量的關(guān)系從2014—2017年β在不斷地增大，說明通過財政資金的合理分配對脫貧人口的數(shù)量的增加起到了很大的作用。

2）從因子角度來看，因子對于地區(qū)脫貧人口數(shù)量的影響在發(fā)生著改變，X1、X2、X3、X4、X5、X6這6個因子的β值在不同的時空條件下出現(xiàn)的值不同，如圖5所示。在醫(yī)療衛(wèi)生方面曉天鎮(zhèn)、山七鎮(zhèn)、高峰鄉(xiāng)以及五顯鎮(zhèn)β值較高，尤其是曉天鎮(zhèn)和山七鎮(zhèn)。但是廬鎮(zhèn)鄉(xiāng)、河棚鎮(zhèn)以及湯池鎮(zhèn)β值較低，其中廬鎮(zhèn)鄉(xiāng)最低。由2015年時空地理加權(quán)得出，在公共服務(wù)方面高峰鄉(xiāng)、河棚鎮(zhèn)以及湯池鎮(zhèn)β值較高。但是在醫(yī)療衛(wèi)生方面曉天鎮(zhèn)、山七鎮(zhèn)、高峰鄉(xiāng)、五顯鎮(zhèn)、廬鎮(zhèn)鄉(xiāng)、河棚鎮(zhèn)以及春秋鄉(xiāng)β值都較低，且曉天鎮(zhèn)和山七鎮(zhèn)以及廬鎮(zhèn)鄉(xiāng)3個鎮(zhèn)最低。由2016年時空地理加權(quán)得出，湯池鎮(zhèn)和河棚鎮(zhèn)在公共服務(wù)方面β值較高。但是在醫(yī)療衛(wèi)生方面曉天鎮(zhèn)、山七鎮(zhèn)、高峰鄉(xiāng)、五顯鎮(zhèn)、廬鎮(zhèn)鄉(xiāng)、河棚鎮(zhèn)以及春秋鄉(xiāng)β值都較低，尤其是曉天鎮(zhèn)、山七鎮(zhèn)和廬鎮(zhèn)鄉(xiāng)。由2017年時空地理加權(quán)得出，在公共服務(wù)方面湯池鎮(zhèn)和河棚鎮(zhèn)在公共服務(wù)方面值較高。但是在醫(yī)療衛(wèi)生方面曉天鎮(zhèn)、山七鎮(zhèn)、高峰鄉(xiāng)、五顯鎮(zhèn)、廬鎮(zhèn)鄉(xiāng)、河棚鎮(zhèn)以及河棚鎮(zhèn)β值都較低尤其是曉天鎮(zhèn)、山七鎮(zhèn)和廬鎮(zhèn)鄉(xiāng)。

由地理探測器模型可知，風(fēng)險因子對脫貧人口數(shù)量的影響強度通過因子探測來實現(xiàn)[24]， q值越大， 說明該風(fēng)險因子對脫貧人口數(shù)量的影響強度越大，以下采用地理探測器對每個區(qū)域的影響因子進(jìn)行探測，探測結(jié)果如圖6所示。

1）在分區(qū)探測后，特定的因子決定力有所凸顯。造成這種結(jié)果的原因一方面在于脫貧人口數(shù)量所依托的經(jīng)濟(jì)社會條件在各個鄉(xiāng)鎮(zhèn)內(nèi)相似性強，地區(qū)間差異較大。另一方面，脫貧人口數(shù)量影響因子時序性較強。各個地區(qū)間影響脫貧人口數(shù)量的主導(dǎo)因子

在不斷發(fā)生改變，具有明顯的區(qū)域化特征，從2014—2017探測結(jié)果：城鄉(xiāng)建設(shè)投入>基礎(chǔ)設(shè)施建設(shè)投入>醫(yī)療設(shè)施投入>農(nóng)林水利投入>公共服務(wù)投入>文化教育投入，其中公共服務(wù)投入因子對山七鎮(zhèn)影響較為顯著，文化教育投入因子對高峰鄉(xiāng)影響較為明顯，醫(yī)療衛(wèi)生投入因子對桃溪鎮(zhèn)、五顯鎮(zhèn)影響較為明顯，城鄉(xiāng)建設(shè)投入因子對干汊河鎮(zhèn)、百神廟鎮(zhèn)和張母橋鎮(zhèn)影響較為顯著，農(nóng)林水利投入因子對杭埠鎮(zhèn)、河棚鎮(zhèn)影響較為顯著，基礎(chǔ)設(shè)施建設(shè)投入作為影響力較大的因子對曉天鎮(zhèn)、廬鎮(zhèn)鄉(xiāng)和湯池鎮(zhèn)等鄉(xiāng)鎮(zhèn)影響較為顯著。

較大，說明就整個縣域來看，財政資金和脫貧人口數(shù)量是正相關(guān)關(guān)系，且值從2014—2017年在不斷地上升，說明財政資金對脫貧人口數(shù)量的影響程度在加大，財政資金在扶貧的過程中取得了重大成果。風(fēng)險因子的q值在全局中對脫貧貢獻(xiàn)率較高，2014—2017年間對鄉(xiāng)鎮(zhèn)脫貧人口數(shù)量起主導(dǎo)作用的因素為：基礎(chǔ)設(shè)施建設(shè)投入（0.83）>醫(yī)療衛(wèi)生投入（0.78）>城鄉(xiāng)建設(shè)投入（0.68）>公共服務(wù)投入（0.53）>農(nóng)林水利投入（0.27）>教育文化投入（0.23）。隨著時空的不斷改變，主導(dǎo)因子也在發(fā)生改變，一方面說明，隨著扶貧開發(fā)的不斷深入扶貧的格局不斷發(fā)生改變，其階段性致貧因素也在不斷更新變化;另一方面，說明扶貧措施對于脫貧有著積極的作用。

根據(jù)時空地理加權(quán)回歸和地理探測結(jié)果，在對全局和局部地區(qū)進(jìn)行模擬的過程中，其代表的影響因子和脫貧人口數(shù)量的關(guān)系在不斷發(fā)生著變化，在對局部進(jìn)行模擬的過程中，財政資金分配因子對脫貧人口數(shù)量影響力較小，而對于全局模擬中財政資金分配因子對脫貧人口數(shù)量影響力較大，這主要與其所處的時空影響因素聯(lián)系密切，舒城縣東部杭阜鎮(zhèn)、城關(guān)鎮(zhèn)、桃溪鎮(zhèn)等靠近合肥都市圈，受到輻射帶動作用較強，經(jīng)濟(jì)發(fā)達(dá)基礎(chǔ)設(shè)施建設(shè)完善，而舒城縣西部的河棚鎮(zhèn)、曉天鎮(zhèn)、山七鎮(zhèn)等，其所處的位置遠(yuǎn)離都市圈，且處在大別山地區(qū)，地形復(fù)雜基礎(chǔ)設(shè)施覆蓋率較低，貧困人口基數(shù)較大，因此東部地區(qū)所擁有的貧困人口總量在時空上遠(yuǎn)遠(yuǎn)低于西部地區(qū)，因此在局部模擬中出現(xiàn)財政資金分配因子和脫貧人口數(shù)量正是受到這種因素的影響，因此在對于財政資金分配的過程中，要加強對財政資金的統(tǒng)籌力度，加大對深度貧困地區(qū)投資力度，利用東部地區(qū)資金優(yōu)勢加強東西協(xié)作，盡力促成協(xié)調(diào)發(fā)展的局面形成。根據(jù)地理探測結(jié)果顯示，財政資金分配因子總體對脫貧人口數(shù)量影響力較強，同時診斷出基礎(chǔ)設(shè)施建設(shè)投入、醫(yī)療衛(wèi)生投入、城鄉(xiāng)建設(shè)投入和公共服務(wù)為其主要影響因子，因此要著力解決醫(yī)療衛(wèi)生問題，推進(jìn)精準(zhǔn)健康扶貧。堅持精準(zhǔn)扶貧、精準(zhǔn)脫貧基本方略，與深化醫(yī)藥衛(wèi)生體制改革緊密結(jié)合，根據(jù)探測結(jié)果顯示，舒城縣西部曉天鎮(zhèn)、廬鎮(zhèn)鄉(xiāng)、河棚鎮(zhèn)等區(qū)域醫(yī)療資金的投入對該地區(qū)的脫貧有著重要的推動作用，因此對于該地區(qū)，應(yīng)該加強統(tǒng)籌協(xié)調(diào)和資源整合，進(jìn)一步提高醫(yī)療衛(wèi)生投入對扶貧的作用，基礎(chǔ)設(shè)施建設(shè)對舒城縣中部和東北部曉天鎮(zhèn)、湯池鎮(zhèn)、萬佛湖鎮(zhèn)等地區(qū)脫貧有較大的影響力，因此對該地區(qū)基礎(chǔ)設(shè)施（包括村村通、電力網(wǎng)絡(luò)、通信網(wǎng)絡(luò)等）進(jìn)行建設(shè)和完善，有利于該地區(qū)脫貧。

4結(jié)論

1）2014—2017年安徽省舒城縣脫貧人口數(shù)量呈逐年遞增趨勢，且脫貧人口數(shù)量的增速在提高，在2017年中脫貧人口數(shù)量增加趨勢突出。脫貧人口區(qū)域分布差異明顯，脫貧人口數(shù)量從舒城縣的西南往東北地區(qū)遞減，呈現(xiàn)出大聚集，小分散的狀態(tài)，各鄉(xiāng)鎮(zhèn)貧困人口數(shù)量差距明顯縮小。其中脫貧人口最多的幾個鄉(xiāng)鎮(zhèn)是湯池鎮(zhèn)、山七鎮(zhèn)、河棚鎮(zhèn)，脫貧人口數(shù)量最少的是桃溪鎮(zhèn)、舒茶鎮(zhèn)、城關(guān)鎮(zhèn)。

2）根據(jù)時空地理加權(quán)回歸分析，財政分配因子和脫貧人口數(shù)量的關(guān)系隨著時空組合因素的變化而變化，在局部時空回歸中，醫(yī)療衛(wèi)生投入、城鄉(xiāng)建設(shè)投入、農(nóng)林水利投入和基對脫貧人口數(shù)量影響較大，在全局時空回歸分析中，各要素和脫貧人口數(shù)量之間呈正相關(guān)關(guān)系，且相關(guān)性基礎(chǔ)設(shè)施建設(shè)投入>農(nóng)林水利投入>醫(yī)療衛(wèi)生投入>文化教育投入>城鄉(xiāng)建設(shè)投入>公共服務(wù)投入。

3）在局部探測中，地區(qū)間主要影響力因子隨著空間發(fā)生改變而改變，其中基礎(chǔ)設(shè)施建設(shè)投資因子影響的鄉(xiāng)鎮(zhèn)數(shù)量最多，教育文化因子影響的鄉(xiāng)鎮(zhèn)數(shù)量最少。在全局探測中，對鄉(xiāng)鎮(zhèn)脫貧主導(dǎo)力因素影響為：基礎(chǔ)設(shè)施建設(shè)投入>醫(yī)療衛(wèi)生投入>城鄉(xiāng)建設(shè)投入>公共服務(wù)投入>農(nóng)林水利投入>教育文化投入。

參考文獻(xiàn)：

[1]高波，王善平.財政扶貧資金綜合績效評價體系研究[J].云南社會科學(xué)，2014（5）：8689.

[2]鄭瑞強，陳燕，張春美，等.連片特困區(qū)財政扶貧資金配置效率測評與機(jī)制優(yōu)化：以江西省羅霄山片區(qū)18個縣（市、區(qū)）為分析樣本[J].華中農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版），2016（5）：6369.

[3]王建平.連片特困地區(qū)政府扶貧資金的減貧效果評價：以川西北藏區(qū)為例[J].決策咨詢，2015（2）：4042.

[4]張全紅.中國農(nóng)村扶貧資金投入與貧困減少的經(jīng)驗分析[J].經(jīng)濟(jì)評論，2010（2）：4250.

[5]宋鄰西.基于層次分析法的扶貧資金績效的影響因素[J].環(huán)球市場信息導(dǎo)報，2015（11）：2426.

[6]倪志良，郝志景.財政扶貧支出與減貧的實證分析[J].山西財經(jīng)大學(xué)學(xué)報，2007，29（4）：1922.

[7]高波，王善平.財政扶貧資金綜合績效評價體系研究[J].云南社會科學(xué)，2014（5）：8689.

[8]肖唯楚.關(guān)于財政教育扶貧投入效率的實證研究：以武陵山連片特困區(qū)C縣為例[J].華中師范大學(xué)研究生學(xué)報，2012（3）：2025.

[9]國務(wù)院扶貧開發(fā)領(lǐng)導(dǎo)小組辦公室.中國農(nóng)村扶貧開發(fā)概要[M].北京：中國財政經(jīng)濟(jì)出版社，2003：6370.

[10]王勁峰，徐成東.地理探測器：原理與展望[J].地理學(xué)報，2017，72（1）：116134.

[11]HU Y，WANG J，LI X，et al.Geographical detectorbased risk assessment of the underfive mortality in the 2008 Wenchuan earthquake，China[J].Plos One，2011，6（6）：e21427.

[12]湛東升，張文忠，余建輝，等.基于地理探測器的北京市居民宜居滿意度影響機(jī)理[J].地理科學(xué)進(jìn)展，2015，34（8）：966975.

[13]丁悅，蔡建明，任周鵬，等.基于地理探測器的國家級經(jīng)濟(jì)技術(shù)開發(fā)區(qū)經(jīng)濟(jì)增長率空間分異及影響因素[J].地理科學(xué)進(jìn)展.2014（5）：657666.

[14]HUANG B，WU B，BARRY M.Geographically and temporally weighted regression for modeling spatiotemporal variation in house prices[J].International Journal of Geographical Information Science，2010，24（3）：383401.

[15]HUANG Y，LEUNG Y.Analysing regional industrialisation in Jiangsu province using geographically weighted regression[J].Journal of Geographical Systems，2002，4（2）：233249.

[16]玄海燕，李帥峰.時空地理加權(quán)回歸模型及其擬合[J].甘肅科學(xué)學(xué)報，2011，23（4）：119121.

[17]玄海燕，張安琪，藺全錄，等.中國省域經(jīng)濟(jì)發(fā)展影響因素及其時空規(guī)律研究：基于GTWR模型[J].工業(yè)技術(shù)經(jīng)濟(jì)，2016，35（2）：154160.

[18張金牡，劉彪，吳波，等.應(yīng)用改進(jìn)的時空地理加權(quán)模型分析城市住宅價格變化[J].東華理工大學(xué)學(xué)報（自然科學(xué)版），2010，33（1）：5359.

[19]WU B，LI R，HUANG B.A geographically and temporally weighted

autoregressive model with application to housing prices[J]. International Journal of Geographical Information Science，2014，28（5）： 11861204.

[20]黃妮，淺論習(xí)近平的精準(zhǔn)扶貧思想[J]，福建省社會主義學(xué)院學(xué)報，2016，11（1）：8490.

[21]陳薇，楊春河.河北省財政扶貧政策績效評價實證研究[J].農(nóng)業(yè)經(jīng)濟(jì)，2006（7）：5859.

[22]王善平，周盈.反貧能力導(dǎo)向的扶貧資金綜合績效問題研究[J].求索，2011（5）：4748.

[23]劉彥隨，李進(jìn)濤.中國縣域農(nóng)村貧困化分異機(jī)制的地理探測與優(yōu)化決策[J].地理學(xué)報，2017，72（1）： 161173.

[24]郭春穎，施潤和，周云云，等.基于遙感與地理探測器的長江三角洲空氣污染風(fēng)險因子分析[J].長江流域資源與環(huán)境，2017，26（11）：18051814.