蔡靜遠(yuǎn) 李禮連 張利國

運用空間統(tǒng)計分析區(qū)域貧困時空演變特征及其減貧效應(yīng)，并采用計量模型探究其驅(qū)動因素，得到如下結(jié)論：2007—2016年片區(qū)的貧困人口和發(fā)生率呈現(xiàn)明顯的波動下降趨勢，脫貧進(jìn)程加快，其中2011—2016年片區(qū)各縣（市、區(qū)）減貧幅度和速度絕大多數(shù)明顯高于全省水平，但貧困程度仍明顯高于全省水平；實證結(jié)果顯示，農(nóng)村人均純收入、農(nóng)作物有效灌溉率、衛(wèi)生人員比例、醫(yī)療床位比例、人均GDP、農(nóng)村人均糧食產(chǎn)量對片區(qū)減貧具有正向作用，教師負(fù)擔(dān)學(xué)生數(shù)、中學(xué)在校生比例對片區(qū)減貧具有負(fù)向影響，其中農(nóng)村人均純收入、農(nóng)作物有效灌溉率、衛(wèi)生人員比例、中學(xué)在校生比例、人均GDP、農(nóng)村人均糧食產(chǎn)量均通過顯著性水平檢驗，片區(qū)脫貧需加大精準(zhǔn)脫貧政策支持力度、加強區(qū)域脫貧攻堅的合作、因地制宜制定脫貧策略、拓寬農(nóng)戶的增收渠道。

一、引言

黨的十九大報告旗幟鮮明地提出，要“堅決打贏脫貧攻堅戰(zhàn)”。將脫貧攻堅上升至政治高度，充分表明黨、中央打贏脫貧攻堅的毅力和決心。截至2017年，中國仍有3046萬貧困人口以集中連片的特征分布在地理偏遠(yuǎn)、自然環(huán)境惡劣、基礎(chǔ)實施薄弱、經(jīng)濟發(fā)展落后的中西部高寒區(qū)、深山區(qū)、石山區(qū)、荒漠區(qū)、水庫庫區(qū)等［1］，其絕大多數(shù)屬于集中連片特困區(qū)。2011年中共中央、國務(wù)院印發(fā)《中國農(nóng)村扶貧開發(fā)綱要（2011—2020年）》（以下簡稱《綱要》），確定羅霄山區(qū)等11個集中連片特困區(qū)及西藏等3個實施特殊扶貧政策的貧困地區(qū)，基本覆蓋全國絕大多部分貧困區(qū)和深度貧困群體，同時強調(diào)穩(wěn)定實現(xiàn)扶貧對象不愁吃、不愁穿，保障其義務(wù)教育、基本醫(yī)療和住房安全，加快提高貧困農(nóng)民人均純收入，提升基本公共服務(wù)水平，扭轉(zhuǎn)發(fā)展差距擴大趨勢。隨后，國務(wù)院印發(fā)《國務(wù)院關(guān)于支持振興贛南等原中央蘇區(qū)發(fā)展的若干意見》（以下簡稱《意見》）和《贛閩粵原中央蘇區(qū)振興發(fā)展規(guī)劃》（以下簡稱《規(guī)劃》），《意見》和《規(guī)劃》的重點扶貧區(qū)域均涉及羅霄山脈集中連片特困區(qū)，強調(diào)振興發(fā)展該地區(qū)經(jīng)濟發(fā)展作為首要任務(wù)，集中力量優(yōu)先改變貧困落后面貌，改善群眾生產(chǎn)生活條件。為此，在實現(xiàn)鄉(xiāng)村振興戰(zhàn)略及全面建成小康社會的歷史使命下，打贏集中集中連片特困區(qū)脫貧攻堅具有重要的理論和實踐意義。

反貧困的重要研究價值引起了國內(nèi)外學(xué)者廣泛的研究興趣，但目前關(guān)于空間貧困的相關(guān)研究國外剛剛萌芽而國內(nèi)研究甚少。［2］［3］空間貧困的理論基礎(chǔ)主要源于早期探討欠發(fā)達(dá)地區(qū)經(jīng)濟發(fā)展與地理位置相關(guān)的空間經(jīng)濟學(xué)以及重視貧困與地理環(huán)境關(guān)系研究的新經(jīng)濟地理學(xué)。［4］［5］空間貧困理論的實質(zhì)是研究貧困的空間分布問題，即重視貧困與空間地理因素的關(guān)系問題，二者存在密切聯(lián)系。［2］Jalan和Ravallion在研究中提出空間聚集（Spatial Clustering）、地理資本（Geographic Capital）、空間貧困陷阱（Spatial Poverty Traps）等概念，并被學(xué)界和政界廣泛應(yīng)用在貧困地理研究中，逐漸形成了“空間貧困理論體系”［6］?？臻g貧困研究的內(nèi)容包括：一是構(gòu)建地理資本體系。即構(gòu)建地理因素與經(jīng)濟社會相關(guān)聯(lián)的綜合指標(biāo)，且綜合指標(biāo)可反映空間貧困程度。［7］二是分析“空間貧困陷阱”。有一些學(xué)者從民族文化差異、交通條件、地理位置等角度分析地理資本稟賦差異，探究貧困戶陷入持續(xù)貧困的原因［8-11］，即“空間貧困陷阱”的形成。三是繪制貧困地圖。繪制貧困地圖主要是將貧困指標(biāo)或地理資本指標(biāo)進(jìn)行空間可視化處理，該方法可直觀呈現(xiàn)區(qū)域的空間分布情況，便于貧困監(jiān)測和政策制定。該方法被世界銀行、聯(lián)合國糧農(nóng)署（FAO）、環(huán)境規(guī)劃署（UNEP）、國際糧食政策研究所（IFPRI）、發(fā)展研究所（IDS）以及其他組織的貧困研究者廣泛采用。［12］梳理文獻(xiàn)發(fā)現(xiàn)，目前關(guān)于空間貧困的研究主要目前以空間貧困理論和統(tǒng)計描述為主，即包括空間貧困理論發(fā)展脈絡(luò)［2］［5］、構(gòu)建空間貧困指標(biāo)［1］、分析地理資本劣勢［7］，但缺乏對空間貧困的實證 研究［13-14］。因此，本文在已有研究基礎(chǔ)上，以江西羅霄山脈集中連片特困區(qū)（以下簡稱“片區(qū)”）為例，分析片區(qū)貧困時空演變特征，并運用計量模型探究其致貧因素，為片區(qū)精準(zhǔn)脫貧提供科學(xué)的理論和政策建議。

二、數(shù)據(jù)來源與研究方法

（一）區(qū)域概況

江西羅霄山脈集中連片特困區(qū)涉及贛州、吉安、撫州和萍鄉(xiāng)的17個縣（市、區(qū)）①，面積約4萬平方公里，包括贛州的石城縣、瑞金市、南康區(qū)、贛縣、上猶縣、安遠(yuǎn)縣、寧都縣、于都縣、興國縣、會昌縣、尋烏縣，吉安境內(nèi)的遂川縣、萬安縣、永新縣、井岡山市，撫州境內(nèi)的樂安縣和萍鄉(xiāng)境內(nèi)的蓮花縣。2016年底，片區(qū)總?cè)丝?26.33萬，片區(qū)人均GDP為19314元，農(nóng)村居民可支配收入9404元，明顯低于江西省人均GDP（40400元）和江西省農(nóng)村居民可支配收入（12138元）；片區(qū)貧困人口42.45萬，貧困發(fā)生率為4.58%，高于全省的2.46%；貧困人口密度10.60人/平方公里，明顯高于江西省人口密度（6.67人/平方公里）。

（二）數(shù)據(jù)來源

圖1 江西羅霄山集中連片特困區(qū)地理分布

本文以片區(qū)17個縣（市、區(qū)）為研究對象，研究時間為2011—2016年，研究數(shù)據(jù)主要來源于《江西統(tǒng)計年鑒》《上饒統(tǒng)計年鑒》《宜春統(tǒng)計年鑒》《新余統(tǒng)計年鑒》《撫州統(tǒng)計年鑒》《吉安統(tǒng)計年鑒》《萍鄉(xiāng)統(tǒng)計年鑒》《贛州統(tǒng)計年鑒》《鷹潭統(tǒng)計年鑒》等相關(guān)地市統(tǒng)計年鑒。結(jié)合已有文獻(xiàn)資料，并考慮數(shù)據(jù)的可靠性和可獲得性，選擇貧困人口（Pov）、貧困發(fā)生率（Prat）、貧困人口密度（Pden）作為衡量片區(qū)貧困程度的因變量。同時從經(jīng)濟發(fā)展、社會保障、農(nóng)民收入、農(nóng)業(yè)生產(chǎn)等方面確定農(nóng)村人均純收入（Inc）、城鄉(xiāng)收入比（Igap）、人均GDP(Pgdp)、城鎮(zhèn)化率（Urb）、中學(xué)在校生比例（Pstu）、教師負(fù)擔(dān)學(xué)生數(shù)（Tstu）、醫(yī)療床位比例（Mbed）、衛(wèi)生人員比例（Pdoc）、農(nóng)村人均糧食產(chǎn)量（Pgra）、農(nóng)作物有效灌溉率（Eirr）為自變量，為消除變量間的量綱問題，本文采用均值為0，標(biāo)準(zhǔn)差為1的標(biāo)準(zhǔn)化處理。其中，農(nóng)村人均純收入、城鄉(xiāng)收入比衡量農(nóng)民收入水平及收入分配差異程度，人均GDP和城鎮(zhèn)化率用于衡量該地區(qū)經(jīng)濟社會發(fā)展水平，用中學(xué)生在校比例、教師負(fù)擔(dān)學(xué)生數(shù)衡量教育負(fù)擔(dān)程度，醫(yī)療床位比例、衛(wèi)生技術(shù)人員衡量該地區(qū)醫(yī)療資源水平，農(nóng)村人均糧食產(chǎn)量、農(nóng)作物有效灌溉率衡量農(nóng)民農(nóng)業(yè)生產(chǎn)狀況。此外，農(nóng)村人均純收入、人均GDP、城鎮(zhèn)化率、醫(yī)療床位比例、衛(wèi)生人員、農(nóng)村人均糧食產(chǎn)量、有效灌溉率的預(yù)期影響為負(fù)，即對片區(qū)減貧有正向作用；而城鄉(xiāng)收入比、中學(xué)在校生比例、教師負(fù)擔(dān)學(xué)生數(shù)的預(yù)期影響為正，即對片區(qū)減貧有負(fù)向影響。此外，極少部分縣（市、區(qū)）的少量指標(biāo)數(shù)據(jù)缺失，本文采用趨勢法和均值法予以擬合。

（三）研究方法

1.面板OLS回歸。OLS回歸即最小二乘法估計，其假定變量Y與n個變量存在線性關(guān)系，且殘差同時滿足零均值、常數(shù)方差、殘差項相互獨立、協(xié)方差為零且服從正態(tài)分布等性質(zhì)。該模型表示為：

式（1）中，Y為被解釋變量，X為解釋變量，b0為截距項，bj為第j個回歸系數(shù)，i為個體，t為時間,?為殘差項。

表1 變量選取及其說明

2.逐步回歸。逐步回歸模型（Stepwise Regression，SR）是根據(jù)多元回歸分析原理，采用雙檢驗法原則，即逐步引入和剔除自變量而建立最優(yōu)回歸方程的優(yōu)選方法。引入和剔除自變量的原則一般是根據(jù)變量中偏回歸平方和與F顯著性檢驗，判定是否該引入或剔除，若偏回歸平法和最大且F顯著性檢驗通過，則引入變量，否則中止；若偏回歸平方和最小且未通過顯著性檢驗，則剔除。逐步回歸的實質(zhì)是基于多元回歸分析的一種算法技巧。

3.固定效應(yīng)模型和隨機效應(yīng)模型。面板數(shù)據(jù)回歸的估計方法可簡單分為混合效應(yīng)模型（Pool ed Model，PM）、隨機效應(yīng)模型（Fixed Effects Model，F(xiàn)EM）和固定效應(yīng)模型（Random Effects Models，REM）三類，三者的主要區(qū)別為模型的假設(shè)條件，其中混合效應(yīng)模型假定在面板數(shù)據(jù)中無顯著的時間和個體效應(yīng)，即不同個體間不存在顯著差異，回歸方程的截距項與回歸系數(shù)相同。［15］而固定效應(yīng)模型假定全部研究結(jié)果的方向和效應(yīng)相同，并將個體在不同時點的差異固定，即在混合效應(yīng)模型中加入個體效應(yīng)，可有效排除遺漏變量對因變量的影響。［16］隨機效應(yīng)和固定效應(yīng)的區(qū)別在于：固定效應(yīng)模型將個體之間沒有被觀察到的差異當(dāng)作固定參數(shù)來處理，隨機效應(yīng)模型則是將遺漏變量當(dāng)作具有特殊概率分布的隨機變量，且假定與觀察到的變量不相關(guān)。［17］但隨機模型的這種假定一般較難實現(xiàn)，因為遺漏變量通常與模型中的其他解釋變量存在關(guān)聯(lián)。本文采用固定效應(yīng)模型和隨機效應(yīng)模型進(jìn)行實證分析，并通過豪斯曼檢驗，選擇更為合理的計量模型。

三、江西羅霄山脈集中連片特困區(qū)貧困時空演變特征

（一）貧困時序演變

受到國家貧困線大幅調(diào)整的影響，片區(qū)的貧困人口和發(fā)生率呈現(xiàn)明顯的波動下降趨勢（圖2），主要可分為2007—2008年、2010—2011年兩個階段的上升期和2008—2010年、2011—2018年兩個階段的下降期。在兩個上升階段中，2007—2008年片區(qū)貧困人口由24.49萬增至50.33萬；貧困發(fā)生率由3.01%增至6.13%。2010—2011年片區(qū)貧困人口由29.21萬增至208.01萬；貧困發(fā)生率由3.48%增至23.7%。該階段貧困明顯上升的原因主要在于：2007—2008年國家貧困線由農(nóng)民人均年純收入785元提升至1067元，增幅35.92%，導(dǎo)致貧困人口和發(fā)生率均明顯提高；而2010—2011年國家貧困線由1274元提升至2300元，增幅達(dá)80.53%，片區(qū)貧困程度大幅度增加。在兩個下降階段中，2008—2010年貧困人口由50.33萬下降至29.21萬；貧困發(fā)生率由6.13%降至3.48%。2011—2016年貧困人口由208.01萬降至42.45萬，累計下降165.56萬；貧困發(fā)生率由23.7%降至4.58%，累計下降19.12%。該階段國家貧困線相對穩(wěn)定，片區(qū)貧困人口和發(fā)生率明顯下降，且2011—2016年減貧速率明顯高于2008—2010年，表明片區(qū)脫貧進(jìn)程加快。

圖2 2006—2016年片區(qū)貧困時序演變特征

此外，圖2還描述了江西省2007—2016年貧困發(fā)生率的時序演變特征，我們發(fā)現(xiàn)，其變化趨勢與片區(qū)貧困發(fā)生率的變化趨勢基本保持一致，表明江西省貧困率受國家貧困線波動的影響明顯，但其脫貧進(jìn)程也在不斷加快。比較2007—2016年江西和片區(qū)貧困發(fā)生率可知，片區(qū)的貧困發(fā)生率一直明顯高于江西，表明片區(qū)的貧困問題仍然十分突出，脫貧任務(wù)艱巨。

（二）貧困空間演變

為避免國家貧困線大幅調(diào)整對貧困人口和發(fā)生率的影響，后文選擇2011—2016年的數(shù)據(jù)進(jìn)行分析，主要考慮到2011—2016年國家貧困線的調(diào)整幅度較小，且該階段的貧困標(biāo)準(zhǔn)更接近國際貧困標(biāo)準(zhǔn)，因此，貧困數(shù)據(jù)更接近片區(qū)真實情況，可獲得更為科學(xué)、可靠的實證結(jié)果和結(jié)論。此外，由于2011年《綱要》首次提出羅霄山脈等11個集中連片區(qū)，而2011—2016年的數(shù)據(jù)恰好處于政策實施之后，有效避免了政策沖擊對后文分析產(chǎn)生偏誤的影響。

為進(jìn)一步從縣域視角分析片區(qū)貧困的空間演變特征，本文運用地理信息系統(tǒng)（GIS）繪制2011年、2016年片區(qū)貧困人口和發(fā)生率的空間分布圖。圖3顯示：2011年片區(qū)貧困人口低于6萬的縣（市、區(qū)）僅為井岡山市；貧困人口在6萬—12萬的縣（市、區(qū)）有8個，分別為：蓮花縣、萬安縣、上猶縣、石城縣、尋烏縣、安遠(yuǎn)縣、樂安縣、永新縣；貧困人口在12萬—18萬的縣（市、區(qū)）有4個，分別為：遂川縣、會昌縣、贛縣、瑞金市；貧困人口高于18萬的縣（市、區(qū)）有4個，分別為：興國縣、南康區(qū)、寧都縣、于都縣。2016年片區(qū)貧困人口低于1.5萬的縣（市、區(qū)）有4個，分別為：井岡山市、萬安縣、永新縣、尋烏縣；貧困人口在1.5萬—2.5萬的縣（市、區(qū)）有5個，分別為：蓮花縣、上猶縣、石城縣、安遠(yuǎn)縣、樂安縣；貧困人口在2.5萬—3.5萬的縣（市、區(qū)）有4個，分別為：遂川縣、會昌縣、瑞金市、南康區(qū)；貧困人口高于3.5萬的縣（市、區(qū)）有4個，分別為：贛縣、興國縣、寧都縣、于都縣。2011年片區(qū)貧困發(fā)生率低于21%的縣（市、區(qū)）有2個，分別為：井岡山市、永新縣；貧困發(fā)生率在21%—23%的縣（市、區(qū)）有4個，分別為：蓮花縣、遂川縣、瑞金市、興國縣；貧困發(fā)生率在23%—25%的縣（市、區(qū)）有5個，分別為：于都縣、萬安縣、贛縣、安遠(yuǎn)縣、南康縣；貧困發(fā)生率高于25%的縣（市、區(qū)）有6個，分別為：會昌縣、上猶縣、石城縣、尋烏縣、樂安縣、寧都縣。2016年片區(qū)貧困發(fā)生率低于3%的縣（市、區(qū)）有3個，分別為：井岡山市、萬安縣、永新縣；貧困發(fā)生率在3%—4%的縣（市、區(qū)）僅有南康區(qū)；貧困發(fā)生率在4%-5%的縣（市、區(qū)）有6個，分別為：瑞金市、尋烏縣、遂川縣、樂安縣、安遠(yuǎn)縣、于都縣；貧困發(fā)生率高于5%的縣（市、區(qū)）有7個，分別為：寧都縣、興國縣、石城縣、蓮花縣、上猶縣、贛縣、會昌縣。

比較2011年和2016年片區(qū)貧困人口和發(fā)生率的空間演變特征可知：各縣（市、區(qū)）貧困人口和發(fā)生率明顯減少，表明片區(qū)各縣（市、區(qū)）脫貧工作成效顯著。但貧困人口分布格局并未發(fā)生明顯變化，貧困人口規(guī)模較大的地區(qū)主要為于都縣、寧都縣、南康區(qū)、贛縣，分布較為集中；貧困人口規(guī)模較小的地區(qū)主要為井岡山市、蓮花縣、萬安縣，集中在片區(qū)西北部的吉安和萍鄉(xiāng)地區(qū)。而貧困發(fā)生率分布格局變化非常明顯，其中2011年貧困發(fā)生率較高的地區(qū)分布較為分散，主要在片區(qū)的東北部和東南部，而2016年較高的地區(qū)較為集中，主要在片區(qū)的中部和東部。但貧困發(fā)生率較低的地區(qū)分布格局變化不明顯，主要有井岡山市、永新縣、萬安縣，集中在吉安地區(qū)。

圖3 2011年與2016年片區(qū)貧困空間演變特征

（三）空間減貧效應(yīng)分析

盡管片區(qū)的貧困程度較高，但各縣（市、區(qū)）的減貧進(jìn)程加快，本部分討論2011—2016年各縣（市、區(qū)）的減貧幅度和速度。表2顯示，2011—2016年貧困人口年均減貧幅度由高到低依次為：于都縣、南康區(qū)、寧都縣、興國縣、瑞金市、贛縣、遂川縣、會昌縣、永新縣、樂安縣、安遠(yuǎn)縣、尋烏縣、萬安縣、石城縣、上猶縣、蓮花縣、井岡山市，有16個縣（市、區(qū)）年均減貧人數(shù)明顯高于江西各縣（市、區(qū)）平均水平（6500人）；貧困人口年均減貧速度由高到低依次為：井岡山市、萬安縣、永新縣、南康區(qū)、尋烏縣、瑞金市、樂安縣、寧都縣、遂川縣、安遠(yuǎn)縣、石城縣、上猶縣、于都縣、會昌縣、贛縣、興國縣、蓮花縣，有16個縣（市、區(qū)）年均減貧速度明顯高于全省各縣（市、區(qū)）平均水平（23.74%）?？傮w上，于都縣、興國縣、贛縣的減貧幅度明顯，但減貧速度較低；井岡山、萬安縣減貧幅度較小，但減貧速度較高；南康區(qū)、瑞金市、寧都縣的減貧幅度和速度均較高；蓮花縣、上猶縣、石城縣的減貧幅度和速度均較低。

貧困發(fā)生率反映了貧困人口的集聚程度，是貧困縣摘帽的重要指標(biāo)。表2顯示，2011—2016年貧困發(fā)生率下降幅度由高到低依次為：萬安縣、尋烏縣、寧都縣、樂安縣、南康區(qū)、石城縣、上猶縣、會昌縣、安遠(yuǎn)縣、瑞金市、井岡山市、永新縣、贛縣、于都縣、興國縣、遂川縣、蓮花縣，所有縣（市、區(qū)）貧困發(fā)生率下降幅度均是江西平均水平（1.46%）的2倍以上。貧困發(fā)生率下降速度由高到低依次：井岡山市、萬安縣、永新縣、南康區(qū)、尋烏縣、瑞金市、樂安縣、寧都縣、遂川縣、安遠(yuǎn)縣、石城縣、于都縣、上猶縣、會昌縣、興國縣、贛縣、蓮花縣，有16個縣（市、區(qū)）貧困發(fā)生率下降速度明顯高于江西平均速度（24.09%）。整體上，井岡山市、永新縣的減貧幅度較低，但減貧速度較高；萬安縣、尋烏縣、南康區(qū)、樂安縣、寧都縣的減貧幅度和速度均較高；蓮花縣、興國縣、贛縣、于都縣、遂川縣的減貧幅度和速度均較低。

表2 2011—2016年片區(qū)減貧效應(yīng)分析

四、實證分析

（一）模型構(gòu)建

基于前文數(shù)據(jù)指標(biāo)和研究方法的確定，本文進(jìn)一步構(gòu)建貧困驅(qū)動因素的計量模型，考慮到因變量有3個，因此，本文分別建立3組計量模型：

由于并不是所有自變量均是片區(qū)顯著的致貧因素，因此，本文通過逐步回歸法對模型（2）、（3）、（4）進(jìn)一步分析，篩選關(guān)鍵的顯著性（t檢驗的p〈5%）變量，并重新構(gòu)建3組模型進(jìn)行固定效應(yīng)和隨機效應(yīng)估計，并通過豪斯曼檢驗進(jìn)行模型選擇。模型構(gòu)建如下：

上式（2）、（3）、（4）、（5）、（6）和（7）中，Pov、Pra、Pden分別為某縣（市、區(qū)）的貧困人口、貧困發(fā)生率和貧困人口密度，Inc為農(nóng)村人均純收入、Igap為城鄉(xiāng)收入比、Pgdp為人均GDP、Ubr為城鎮(zhèn)化率、Pstu為中學(xué)在校生比例、Tstu為教師負(fù)擔(dān)學(xué)生數(shù)、Mbed為醫(yī)療床位比例、Pdoc為衛(wèi)生人員比例、Pgra為農(nóng)村人均糧食產(chǎn)量、Eirr為農(nóng)作物有效灌溉率，α、β、γ、θ、ρ、ω均為模型的回歸系數(shù)，i表示第i縣（市、區(qū)），t表示年份，ε、μ均為隨機誤差項。

（二）基于逐步回歸的實證分析

由于貧困驅(qū)動因素較多，但并不是所有變量對深度貧困地區(qū)的減貧具有顯著性作用，因此，本文以貧困人口、貧困發(fā)生率、貧困人口密度為因變量，構(gòu)建3組計量模型，并采用逐步回歸（SR）篩選顯著的因素，再通過VIF檢驗多重共線性問題，最后通過穩(wěn)健標(biāo)準(zhǔn)差回歸（Robust Regression，RR）進(jìn)行穩(wěn)健分析。逐步回歸結(jié)果（表3）顯示：SR1、SR2、SR3的F檢驗均通過1%的顯著性水平，各變量t檢驗均通過5%的顯著性檢驗，3組模型的擬合度較好，且3組模型的VIF檢驗均未發(fā)現(xiàn)模型存在多重共線問題，因此，3組模型整體估計較好?？紤]逐步回歸結(jié)果的嚴(yán)謹(jǐn)性，本文進(jìn)一步采用穩(wěn)健標(biāo)準(zhǔn)差回歸得到更為穩(wěn)健的回歸結(jié)果，穩(wěn)健性回歸結(jié)果（表3）顯示：RR1、RR2、RR3篩選出農(nóng)村人均純收入、農(nóng)作物有效灌溉率、教師負(fù)擔(dān)學(xué)生數(shù)、衛(wèi)生人員比例、中學(xué)在校生比例、醫(yī)療床位比例、人均GDP、農(nóng)村人均糧食產(chǎn)量8個顯著性的貧困驅(qū)動因素，且所有驅(qū)動因素均通過5%的顯著性水平檢驗，表明各驅(qū)動因素對片區(qū)減貧具有顯著影響。此外，所有8個驅(qū)動因素對片區(qū)的減貧效應(yīng)均符合預(yù)期，其中農(nóng)村人均純收入、農(nóng)作物有效灌溉率、衛(wèi)生人員比例、醫(yī)療床位比例、人均GDP、農(nóng)村人均糧食產(chǎn)量對片區(qū)減貧具有顯著的正向作用；而教師負(fù)擔(dān)學(xué)生數(shù)、中學(xué)在校生比例對片區(qū)減貧具有顯著負(fù)向影響。

表3 逐步回歸結(jié)果及統(tǒng)計檢驗

（三）基于固定效應(yīng)和隨機效應(yīng)的實證分析

由于逐步回歸和穩(wěn)健標(biāo)準(zhǔn)差回歸僅初步得到均有穩(wěn)健性的驅(qū)動因素，是一種混合效應(yīng)回歸，但其并未考慮面板數(shù)據(jù)的時間和個體差異，因此，本文在前文回歸的基礎(chǔ)上進(jìn)行固定效應(yīng)和隨機效應(yīng)，得到更為精確、嚴(yán)謹(jǐn)?shù)幕貧w結(jié)果。實證結(jié)果（表4）顯示，模型組1、模型組2、模型組3的豪斯曼檢驗均通過1%的顯著性檢驗，3個模型組均選擇固定效應(yīng)模型，且3個模型組的固定效應(yīng)的F檢驗均通過1%的顯著性檢驗，擬合優(yōu)度均高于0.8，表明固定效應(yīng)模型整體估計結(jié)果較好，因此，本文重點分析3個模型組的固定效應(yīng)模型。固定效應(yīng)模型顯示：（1）8個驅(qū)動因素對貧困的影響均符合預(yù)期，其中農(nóng)村人均純收入、農(nóng)作物有效灌溉率、衛(wèi)生人員比例、醫(yī)療床位比例、人均GDP、農(nóng)村人均糧食產(chǎn)量對片區(qū)減貧具有正向作用；教師負(fù)擔(dān)學(xué)生數(shù)、中學(xué)在校生比例對片區(qū)減貧具有負(fù)向影響。（2）農(nóng)村人均純收入在3個模型組中均通過1%的顯著性水平，且對片區(qū)減貧具有顯著正向影響。農(nóng)民收入水平是重要的致貧因素，低收入的農(nóng)戶生活水平一般較差，導(dǎo)致其以賴以生存的衣食住行條件難以得到有效保障，同時低收入進(jìn)一步影響到子女關(guān)于教育、醫(yī)療、技能培訓(xùn)等人力資本的投入，容易形成貧困的“馬太效應(yīng)”［18］。（3）農(nóng)作物有效灌溉率在模型組1和2中均通過10%的顯著性檢驗，且對片區(qū)減貧具有顯著正向影響。農(nóng)作物有效灌溉率反映了農(nóng)戶農(nóng)業(yè)生產(chǎn)中對水資源的利用效率，水資源是農(nóng)業(yè)生產(chǎn)過程必需條件之一，由于片區(qū)農(nóng)村主要以水稻為主要經(jīng)濟作物，水資源利用效率對農(nóng)戶的糧食生產(chǎn)和增收產(chǎn)生重要影響，因此，提高農(nóng)作物有效灌溉率有利于片區(qū)減貧。（4）衛(wèi)生人員比例通過10%的顯著性水平檢驗，且對片區(qū)減貧具有顯著正向影響。衛(wèi)生人員比例反映了片區(qū)醫(yī)療資源擁有量，提高醫(yī)療資源這類公共品的供給數(shù)量和質(zhì)量有助于緩解偏遠(yuǎn)貧困地區(qū)醫(yī)療資源短缺問題，可消除一批“因病致貧”的貧困戶。（5）中學(xué)在校生比例通過1%的顯著性水平，且對片區(qū)減貧具有負(fù)向影響。中學(xué)在校生比例反映片區(qū)家庭撫養(yǎng)在讀子女的負(fù)擔(dān)程度，當(dāng)中學(xué)在校生比例越大，則每個家庭撫養(yǎng)在讀子女的數(shù)量越多，這意味著每個家庭需要支付更大比例的撫養(yǎng)費，用于在讀子女的衣食住行和教育支出。尤其在深度貧困地區(qū)的教育資源十分緊缺，優(yōu)質(zhì)的教育資源往往集中在城市或城鎮(zhèn)，而偏遠(yuǎn)的貧困地區(qū)為了供孩子讀書，可能采取寄宿或陪讀的形式將孩子送入城鎮(zhèn)中心學(xué)校就讀，導(dǎo)致農(nóng)戶的教育支出增加，同時可能導(dǎo)致因陪讀而放棄更好的就業(yè)機會。（6）人均GDP通過1%的顯著性水平檢驗，且對片區(qū)減貧產(chǎn)生正向影響。人均GDP反映當(dāng)?shù)亟?jīng)濟發(fā)展水平，大量研究驗證了經(jīng)濟發(fā)展對農(nóng)村減貧具有顯著影響，經(jīng)濟發(fā)展會帶動貧困地區(qū)經(jīng)濟社會發(fā)展，增加當(dāng)?shù)剞r(nóng)民收入，提升農(nóng)民的生活水平。（7）農(nóng)村人均糧食產(chǎn)量通過10%的顯著性水平檢驗，且對片區(qū)減貧具有顯著正向影響。［19-20］糧食是片區(qū)農(nóng)戶增收和生存保障的重要手段，農(nóng)村人均糧食產(chǎn)量的提高有助于農(nóng)村減貧。（8）教師負(fù)擔(dān)學(xué)生數(shù)和醫(yī)療床位比例對片區(qū)減貧的影響均符合預(yù)期，但均未通過顯著檢驗。

表4 基于面板數(shù)據(jù)的實證結(jié)果

五、結(jié)論與建議

本文分析了片區(qū)貧困時空演變特征及其減貧效應(yīng)，并運用計量模型探究其主要驅(qū)動因素，結(jié)論如下：（1）2007—2016年，片區(qū)的貧困人口和發(fā)生率呈現(xiàn)明顯的波動下降趨勢，脫貧進(jìn)程加快，但貧困程度仍明顯高于全省水平。（2）2011—2016年各縣（市、區(qū)）的脫貧成效顯著，其中貧困人口規(guī)模較大的縣（市、區(qū)）分布格局并未發(fā)生明顯變化，而貧困發(fā)生率較高的地區(qū)分布格局變化明顯。（3）2011—2016年，片區(qū)各縣（市、區(qū)）減貧幅度和速度絕大多數(shù)明顯高于全省的平均水平，但各縣（市、區(qū)）的減貧幅度和速度存在明顯的差異。（4）計量模型結(jié)果顯示，8個驅(qū)動因素對深度貧困的影響均符合預(yù)期，其中農(nóng)村人均純收入、農(nóng)作物有效灌溉率、衛(wèi)生人員比例、醫(yī)療床位比例、人均GDP、農(nóng)村人均糧食產(chǎn)量對片區(qū)減貧具有正向作用；教師負(fù)擔(dān)學(xué)生數(shù)、中學(xué)在校生比例對片區(qū)減貧具有負(fù)向影響。教師負(fù)擔(dān)學(xué)生數(shù)和醫(yī)療床位比例均未通過顯著性水平檢驗其中，其他驅(qū)動因素通過顯著性水平檢驗。

基于上述統(tǒng)計和實證分析，本文提出如下建議：

一是加大精準(zhǔn)脫貧政策支持力度。脫貧攻堅工作是一項宏大的系統(tǒng)工程，需要政府從宏觀層面進(jìn)行頂層設(shè)計，因地制宜制定精準(zhǔn)脫貧政策，同時，脫貧攻堅需要動員大量的人力物力財力，因此，更加需要政府加大扶貧政策的支持力度。

二是加強區(qū)域脫貧攻堅的合作。片區(qū)的貧困人口是成片集聚的，且片區(qū)內(nèi)的致貧因素存在相似性，因此，區(qū)域脫貧攻堅的合作可促進(jìn)地區(qū)相互分享交流典型脫貧經(jīng)驗，同時可以從脫貧資源上互補互助，尤其在跨區(qū)域的扶貧工作中，區(qū)域合作可加快當(dāng)?shù)孛撠?，提高扶貧效率?/p>

三是充分采取因地制宜的脫貧策略。貧困縣、貧困村、貧困戶可結(jié)合自身特色，充分發(fā)揮自身優(yōu)勢，貧困縣、貧困村可發(fā)展適合的與資源優(yōu)勢相關(guān)的產(chǎn)業(yè)，貧困戶可從事自身力所能及的工作，實現(xiàn)人盡其才，物盡其用。首先，政府可在縣、鄉(xiāng)、鎮(zhèn)、村一級特設(shè)一批貧困崗位，同時也加強貧困戶的就業(yè)技能培訓(xùn)或創(chuàng)業(yè)指導(dǎo)，鼓勵農(nóng)民進(jìn)城務(wù)工。其次，政府通過扶貧優(yōu)惠政策吸引一批適合當(dāng)?shù)匕l(fā)展的企業(yè)，企業(yè)吸納一批有勞動能力的貧困戶，同時貧困戶可通過政府貼息的小額信貸形式入股企業(yè)，獲取企業(yè)分紅。最后，政府兜底一批無勞動能力的貧困戶，可通過低保政策、社會救濟等形式進(jìn)行幫扶，同時強調(diào)子女在贍養(yǎng)老人的責(zé)任和義務(wù)。

四是加大教育和醫(yī)療資源的供給。尤其針對教育醫(yī)療分配不平等的偏遠(yuǎn)地區(qū)，提高貧困區(qū)的教育和醫(yī)療服務(wù)的數(shù)量和質(zhì)量。一方面要提升貧困區(qū)教育和醫(yī)療的硬件設(shè)施質(zhì)量，例如改善片區(qū)辦學(xué)條件，配套相應(yīng)的校園基礎(chǔ)設(shè)施，推動醫(yī)療機構(gòu)的標(biāo)準(zhǔn)化建設(shè)。另一方面提升片區(qū)教育和醫(yī)療的軟實力，例如加強片區(qū)師資力量培育，提高片區(qū)教職人員的薪資待遇，強化基層醫(yī)療隊伍建設(shè)和管理，提升其服務(wù)能力。

五是加快農(nóng)業(yè)現(xiàn)代化建設(shè)，優(yōu)化農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)，發(fā)展特色優(yōu)勢農(nóng)業(yè)，提高農(nóng)業(yè)經(jīng)濟效益。一方面，加強農(nóng)業(yè)基礎(chǔ)配套建設(shè)，培育優(yōu)質(zhì)農(nóng)業(yè)技術(shù)人員，開展農(nóng)業(yè)技術(shù)科普和服務(wù)，合理利用農(nóng)業(yè)資源。另一方面，結(jié)合片區(qū)獨特優(yōu)勢條件，發(fā)展適宜當(dāng)?shù)厣a(chǎn)的，適應(yīng)市場的高附加值農(nóng)產(chǎn)品，提高農(nóng)民的經(jīng)濟收益。

注釋：

①數(shù)據(jù)來源：《中國農(nóng)村扶貧開發(fā)綱要（2011-2020）》。