瞄準人口的村級貧困識別技術體系構建,社會保障論文

瞄準人口的村級貧困識別技術體系構建,社會保障論文通過長期的反貧困戰(zhàn)略的施行,我們國家絕對貧困人口從2000年的9422萬人下降到2018年的2688萬人,貧困發(fā)生率從2000年的10.2%下降到2018年的2.8%。貧困人口的貧困狀況也發(fā)生了變化從絕對貧困到相對貧困,從面上貧困到點上貧困貧困的內涵從傳統(tǒng)的收入貧困逐步演變?yōu)橐粋€相當復雜的發(fā)展現(xiàn)象,以往的單純依靠測量收入的貧困度量方式方法已經(jīng)不能知足當前扶貧政策的需要。在這種背景下,從多維角度把握貧困的本質并進行多維貧困的詳細度量,逐步為國際學術界所認同并成為近年來國內外研究的焦點。當前國內外貧困研究較為流行的是從能力貧困的角度利用森(Sen)提出的多維貧困理論辨別貧困對象。一些學者分別從社會、經(jīng)濟、教育、健康等角度定義貧困村辨別的多維指標體系;阿爾凱爾(Alkire)等人給出了基于貧困剝奪計數(shù)的綜合貧困指數(shù)測算方式方法;王小林等人運用該方式方法和2006年中國健康與營養(yǎng)調查數(shù)據(jù),對中國城市與農(nóng)村家庭多維貧困進行了測算;李佳璐在多維貧困測量理論框架下,沿用王小林以及阿爾凱爾的測算方式方法對S省30個國家扶貧開發(fā)工作重點縣進行多維貧困測算,通過收入分組的方式,分析不同維度對不同收入組家庭的影響程度。但現(xiàn)有的貧困辨別指標體系大多著眼于某個或某幾個社會經(jīng)濟維度,且由于切入角度、數(shù)據(jù)源、研究區(qū)域不同,辨別維度及指標不盡一樣,更為重要的是當前國內外的研究僅僅關注了貧困人口本身,而對其貧困特征空間分布形式鮮有牽涉。另外,以往的學者對于貧困的分析都是通過統(tǒng)計圖表形式描繪敘述,而現(xiàn)實中貧困人口及其貧困特征在空間上的分布往往是不均勻分布,所以用統(tǒng)計指標表示出貧困并不準確。相比統(tǒng)計圖表,專題地圖更易于對貧困地區(qū)公共基礎設施建設的方向提供決策輔助,方便后續(xù)扶貧政策的施行。本文以秦巴山區(qū)連片特困區(qū)扶貧重點縣為例,構建瞄準人口的村級貧困辨別技術體系,對多維貧困測算結果及貧困特征空間分布進行空間化處理和分析。以此辨別真正的貧困人口和貧困特征分布區(qū)域,為各級科學決策和科學管理提供愈加全面與翔實的基礎數(shù)據(jù)和支持信息,引導貧困地區(qū)合理利用優(yōu)勢資源,保衛(wèi)生態(tài)環(huán)境,實現(xiàn)自我發(fā)展的良性循環(huán)。二、研究區(qū)大概情況與數(shù)據(jù)源內鄉(xiāng)縣為秦巴山區(qū)連片特困區(qū)國家扶貧重點縣,位于河南省西南部,南陽盆地西緣。地形呈南北條狀,總面積2465平方千米。全縣共16個鄉(xiāng)鎮(zhèn),289個行政村和8個居民委員會,3840個村民小組,153841戶農(nóng)戶,總人口65萬人。華而不實,農(nóng)村人口45萬人,占總人口的69.7%。據(jù)2018年內鄉(xiāng)縣工作報告,2018年內鄉(xiāng)縣人均生產(chǎn)總值為14125元,農(nóng)民人均純收入為4906元。本研究所采用的數(shù)據(jù)包括研究區(qū)社會經(jīng)濟數(shù)據(jù)和基礎地理數(shù)據(jù)。社會經(jīng)濟數(shù)據(jù)主要來自2018年該縣統(tǒng)計年鑒及扶貧辦貧困農(nóng)戶建檔立卡調查數(shù)據(jù),調查內容包含農(nóng)戶的家庭人員構造、身體健康狀況、勞動力輸出情況、人均純收入、住房構造與面積、耕地面積、飲水來源、家庭資產(chǎn)等信息。調查范圍涵蓋內鄉(xiāng)縣157個行政村,29832戶家庭,村覆蓋率達54.3%,戶覆蓋率達19.4%,華而不實,148戶數(shù)據(jù)存在記錄遺漏?；A地理數(shù)據(jù)包括研究區(qū)行政村村界數(shù)據(jù)以及內鄉(xiāng)縣居民點數(shù)據(jù)。本文在使用前對此進行了地理配準、數(shù)據(jù)查漏和剔除粗差等預處理。三、研究方式方法森把發(fā)展看做是擴展人們享有本質自由的一個經(jīng)過,本質自由包括免受困苦(諸如饑餓、營養(yǎng)不良、可避免疾病、過早死亡之類)的基本可行為能力。人們的這些基本可行為能力被剝奪因此導致貧困,多維貧困測算的目的就是辨別出哪些個體的哪些可行為能力被剝奪,進而測算出標示貧困深度的平均剝奪份額指標,以及標示貧困人口群體綜合貧困狀況的多維貧困發(fā)生率指標(MPI)。本文以2018河南省南陽市內鄉(xiāng)縣入戶調查數(shù)據(jù)為樣例,基于雙臨界值法,設計村級多維貧困測算指標體系,進行多維貧困測算。此處的多維貧困測算是指綜合考慮收入、健康、教育以及住房條件等因子構建評價模型,測算多維貧困指數(shù)、多維貧困發(fā)生率、指標奉獻度等指標來揭示區(qū)域貧困人口綜合貧困狀況。測算經(jīng)過包括辨別與加總兩個環(huán)節(jié):前者的目的是辨別出人群中的貧困個體,后者的作用是把前者辨別出的貧困個體進行匯總,用綜合貧困指標表示該區(qū)域的貧困狀況。并在上述貧困測算基礎上,基于人口密度空間化方式方法,分析研究區(qū)域貧困人口密度的空間分布狀況;并使用地統(tǒng)計插值方式方法,研究區(qū)村級多維貧困以及各維度或指標對貧困奉獻度的空間分布狀況,進而系統(tǒng)描繪敘述研究區(qū)貧困人口現(xiàn)在狀況及貧困區(qū)域的空間化分布格局。1.多維貧困測算(1)測算維度與指標。不同研究區(qū)貧困人口辨別維度與指標的選取需要遵循一些準則:首先,測算維度及對應基礎指標應能覆蓋當前新綱要對貧困農(nóng)戶的扶貧監(jiān)測需求,且保證指標之間的相關性最小;其次,在一個評價體系中,數(shù)據(jù)來源應盡可能統(tǒng)一;最后,每個指標值應都能劃定出一條剝奪線。本文基于多維貧困理念,針對我們國家當前扶貧開發(fā)策略的業(yè)務需求,以全球性多維貧困維度與指標體系為框架,以國家扶貧辦建檔立卡入戶調查數(shù)據(jù)為基礎,在村級尺度上設計建立了如表1所示的村級多維貧困測算維度與指標體系。由于每個維度在貧困辨別中所起的作用不同,所以多維貧困加總時需要考慮每個維度和指標的權重。經(jīng)過相關性分析和一致性檢驗等實證證明,在選擇不同權重的條件下,多維貧困指數(shù)是一個穩(wěn)健的指數(shù)。所以本文對各維度和指標權重的處理采用等權重方式方法,即經(jīng)濟福利、生活水平、健康、教育各維度所占的權重相等;所有維度權重值之和為1,每一維度內各基礎指標的權重相等,即等分該維度的權重值。例如生活水平維度內指標飲水情況的權重值(1/20)就等于生活水平維度的權重(1/4)乘以飲用水指標權重(1/5)。(2)多維貧困測算方式方法。貧困測量必須遵循兩個步驟:辨別總人口中的貧困人口和構建貧困的定量測量方式方法。本文在構建維度指標體系的基礎上,使用雙臨界值(剝奪臨界值+貧困臨界值)多維貧困測算方式方法來綜合評價貧困個體在所構建的維度指標體系中的貧困狀況。華而不實,維度加總能夠計算出貧困個體所有維度指標的綜合貧困指數(shù)MPI,維度分解則能夠計算出各個維度指標對綜合貧困指數(shù)的奉獻程度。算法如下:第一,根據(jù)所構建的多維貧困維度指標體系,把入戶調查數(shù)據(jù)中各戶所對應的數(shù)據(jù)項導入數(shù)據(jù)矩陣。第二,根據(jù)各個指標的剝奪臨界值確定該研究區(qū)域所有用戶在各個指標上的剝奪情況,并把個體的剝奪信息存儲在剝奪矩陣中。第三,在剝奪矩陣中根據(jù)貧困臨界值確定貧困個體,并且把非貧困個體的剝奪值進行歸零處理,剔除非貧困個體的剝奪信息對貧困加總的干擾,把歸零后的剝奪矩陣稱為已刪減矩陣。第四,根據(jù)已刪減矩陣的貧困個體剝奪信息進行貧困加總,計算出多維貧困發(fā)生率、平均剝奪份額、MPI,通過這三個指標來反映該研究區(qū)域的多維貧困人口數(shù)、平均被剝奪的指標數(shù)量以及貧困程度。詳細變量釋義見表2。2.多維貧困測算結果空間化過往學者進行多維貧困測量研究大都只是停留在統(tǒng)計層面上,然而這些統(tǒng)計數(shù)據(jù)并不能直接應用到國家的扶貧政策中,必須對多維貧困測算結果進行空間化處理。此處的空間化是指采用一定的算法或者模型,把基于行政區(qū)單元的數(shù)據(jù)(這里主要是和貧困相關的數(shù)據(jù))反演到規(guī)則網(wǎng)格上的經(jīng)過,即貧困相關數(shù)據(jù)柵格化經(jīng)過。多維貧困測算結果空間化是指將多維貧困發(fā)生率空間化、MPI空間化、指標奉獻程度空間化,分別用來表示研究區(qū)域的貧困人口密度分布、貧困程度分布以及指定貧困辨別指標的貧困程度分布。(1)多維貧困發(fā)生率空間化算法。首先,基于村級居民點數(shù)據(jù),根據(jù)人口密度空間化模型,獲得柵格大小為600m*600m的村級居民點密度分布圖。華而不實,柵格大小值通過村級居民點的聚集距離的最小空間尺度取整獲得。其次,根據(jù)行政村人口數(shù)據(jù),對研究區(qū)行政村人口規(guī)模進行分級處理并對其結果網(wǎng)格化。通過計算行政村人口數(shù)/該行政村的自然村數(shù)量指標并將其結果進行分級處理并轉換為600m*600m網(wǎng)格。最后,根據(jù)網(wǎng)格貧困人口密度公式(1),將前兩步中計算生成的柵格數(shù)據(jù)進行柵格計算,進而得到研究區(qū)域貧困人口密度分布圖。華而不實,PP表示貧困人口數(shù),N表示網(wǎng)格的自然村數(shù)量,i表示網(wǎng)格居民點密度。(2)MPI以及指標奉獻程度空間化算法。為了研究貧困人口貧困特征的空間分布情況,這里使用GIS地統(tǒng)計方式方法中的Kriging空間插值方式方法對村多維貧困狀況進行空間插值處理。方式方法如下。首先,最優(yōu)半變異函數(shù)模型選擇:步長值采用樣本點的平均鄰近距離;空間數(shù)據(jù)構造性由空間變化趨勢決定;空間數(shù)據(jù)變異方向由誤差橢圓變化方向決定。以5個評價指標(平均誤差、均方根誤差、平均標準誤差、標準化平均誤差、標準化均方根誤差)作為半變異函數(shù)模型選擇的根據(jù),對各種常用半變異函數(shù)模型通過穿插驗證方式方法選取最優(yōu)半變異函數(shù)模型。華而不實,平均誤差反映樣本數(shù)據(jù)估值的總體誤差或精度水平,均方根誤差反映樣本數(shù)據(jù)的估值靈敏度和極值,一般使用總體誤差平均水平和各插值點的均方根誤差作為半變異函數(shù)模型選擇的主要的根據(jù)。這里平均誤差和均方根誤差越接近于0,表示清楚插值的精度越高,擬合的效果越好;平均標準誤差和標準化平均誤差越小越好,標準化均方根誤差越接近于1越準確。其次,精度驗證:為了證明預測數(shù)據(jù)的可靠性,比擬預測數(shù)據(jù)與驗證數(shù)據(jù)的差異性,即證明研究區(qū)經(jīng)過樣本插值后的預測數(shù)據(jù)與驗證數(shù)據(jù)能否相等。這里做出假設:H0:u1=u2,12=22和H1:u1u2,1222采用t檢驗以及F檢驗方式方法驗證數(shù)據(jù)集間能否具有顯著差異。這里,通過方差齊性檢驗,得到F值,并查看其顯著性,假如大于0.1,可以為兩組數(shù)據(jù)方差相等;在方差齊性檢驗的基礎上通過t檢驗得到t值及其相應的顯著性概率,假如大于0.1,則能夠以為兩組數(shù)據(jù)沒有顯著性差異。四、研究結果1.研究區(qū)多維貧困測算分析利用河南省南陽市內鄉(xiāng)縣2018年的入戶調查數(shù)據(jù),通過本文所使用的多維貧困測量方式方法,計算得出的內鄉(xiāng)縣不同貧困臨界值下多維貧困指數(shù)(村級)變化情況,見圖1。通常,根據(jù)不同的扶貧標準設定不同的貧困臨界值來斷定一個人在多少維度被剝奪到可稱之為多維貧困的程度,經(jīng)常與政策的制定和施行息息相關。從圖2能夠看出,貧困臨界值K=1、2、3時,內鄉(xiāng)縣各個村的多維貧困指數(shù)都在0.5左右,貧困發(fā)生率分別到達0.96、0.94、0.79。能夠看出內鄉(xiāng)縣三個指標或者三個指標以上同時被剝奪的人很多,故導致其多維貧困發(fā)生率以及多維貧困指數(shù)偏高。隨著貧困臨界值K的增加,內鄉(xiāng)縣多維貧困指數(shù)開場出現(xiàn)明顯的下降趨勢,當K=7時,多維貧困個體幾乎不存在。在致貧因素中,例如K=5時,對多維貧困奉獻度分布分別是:收入(37%)、健康(37%)、教育年限(8%)、兒童入學率(7%)以及燃料(7%)。2.多維貧困空間格局分布為了愈加清楚地反映內鄉(xiāng)縣各個行政村的多維貧困指數(shù)分布情況,選取K=5時的各村MPI數(shù)據(jù)進行示例分析。根據(jù)上面指出的多維貧困指數(shù)空間化方式方法,多維貧困發(fā)生率的半變異函數(shù)模型為RQ(RationalQuadratic)時擬合的精度最高,多維貧困指數(shù)的半變異函數(shù)模型為HoleEffect時的擬合精度最高。由插值結果得到圖2內鄉(xiāng)縣多維貧困分布圖。華而不實,將不同MPI值對應的區(qū)域依次劃分為非貧困(0)、貧困(0~0.15)、比擬貧困(0.15~0.3)、極端貧困(0.3)。利用上面的多維貧困測算模型能夠分解得到各單一維度對整體貧困的影響和奉獻程度。若考慮健康維度對貧困整體表征度量值的奉獻度,可進行處理(健康維度奉獻度*MPI)后,對其健康維度的貧困程度進行空間插值處理,得到圖3內鄉(xiāng)縣健康指標剝奪程度分布圖。內鄉(xiāng)縣中北部多維貧困程度最高,空間范圍較廣,并呈現(xiàn)向周圍發(fā)散的趨勢;往南貧困程度降低,到達縣城附近貧困程度到達了最低點;但鄰近縣界,貧困程度又逐步加深。從圖3能夠看出,健康維度被剝奪的程度分布和多維貧困指數(shù)分布趨勢類似,健康問題集中在內鄉(xiāng)縣中心區(qū)域,不同的是健康維度被剝奪的空間輻射面積要廣,即0.15~0.20值域的區(qū)域覆蓋面積比擬大。運用上面指出的貧困人口密度空間化方式方法,基于自然村密度,根據(jù)村級多維貧困發(fā)生率生成內鄉(xiāng)縣多維貧困人口密度分布圖,見圖4。從圖4中可以以看出,內鄉(xiāng)縣貧困人口大部分集中在內鄉(xiāng)縣中南部,且內鄉(xiāng)縣南部的貧困人口密度要比北部大很多。五、結論為了知足新階段國家對貧困區(qū)域貧困個體精準辨別的新需求,本文在多維貧困維度與指標體系框架下,結合研究區(qū)的詳細情況系統(tǒng)設計了一套村級尺度的多維貧困維度與指標體系,實現(xiàn)了對研究區(qū)域的多維貧困測算與分析。同時,運用空間插值技術以及人口密度模型對測算結果進行了空間化處理,由此得到貧困分布空間格局及專題地圖,為后續(xù)扶貧政策快速施行提供了導向保障。內鄉(xiāng)縣貧困特點歸納如下。第一,內鄉(xiāng)縣大部分個體至少存在三個方面的貧困;其主要致貧因素依次表現(xiàn)為:收入低、健康問題嚴重、平均受教育程度低、兒童輟學情況嚴重以及普遍使用不清潔燃料。第二,內鄉(xiāng)縣中北部的多維貧