2. 西北大学 城市与环境学院, 西安 710127
2. College of Urban and Environmental Sciences, Northwest University, Xi'an 710127, China
乡村兴则国家兴。实施精准扶贫与乡村振兴战略是为了解决乡村贫困和城乡融合发展问题。自精准扶贫战略实施以来,我国扶贫成效显著,解决了绝对贫困问题,但相对贫困依然存在,社会经济发展的主要矛盾并未彻底解决。脱贫攻坚是到2020年必须实现的战略任务, 而乡村振兴则是一项长期的战略,乡村振兴战略必须融入到脱贫攻坚战之中,两者互促共进、长效发展[1]。打好脱贫攻坚战是实现乡村振兴的前提和基础,脱贫的要求不仅是帮助贫困人口脱贫,也要保证他们不再返贫,然而脱贫不代表致富,尤其在“后扶贫时期”,即将脱贫的贫困人口若受自然灾害、重大疾病、空气污染、食品安全、经济波动等外力冲击后,因其自身恢复力较差,将面临返贫风险[2]。
英国国际发展部(DFID)提出的可持续生计分析框架,强调了人们在应对贫困问题时应具备抗风险和恢复能力[3],贫困不仅是一种困境现状,也表示缺少应对未来风险发生的防御和抗击能力。贫困人群之所以一直处于贫困状态中,主要由于难以抵挡各种灾害袭击,即便是正常家庭,若受到严重贫困冲击也极有可能陷入贫困状态[4]。贫困概念从最开始的收入贫困到能力贫困、权利贫困[5],随后以心理学和社会学角度来界定贫困[6],内涵日益丰富。国外地理学者对贫困风险的探讨对象,主要集中在对贫困家庭、个体或农户的社会学视角分析上,认为健康[7]、贫困儿童[8]、婚姻[9]、种族[10]、失业失学[11]等方面会影响个体贫困风险的发生;对影响贫困风险的环境因素也有所研究,认为人口流动[12]、自然环境、农业资源、人口规模和收入[13]、住房安全[14]等均起到作用。众多的贫困风险因素以复杂方式结合,使更大比例的民众面临困境,而不是仅仅威胁风险抵御和恢复能力较差的弱势群体[15]。
我国学者对贫困问题的研究多集中于贫困概念内涵[16, 17]、多维贫困测度[18, 19]、贫困空间格局分异[19, 20]、致贫因素及类型划分[21, 22]、反贫困策略[23]等方面,对贫困风险问题研究相对较少。随着风险与机遇被纳入贫困涵义,风险冲击就成为造成贫困的重要因素之一[24],降低风险,提高民众风险应对能力,是减少乡村贫困的主要路径之一[2]。在贫困风险测度方面,定量分析成果较少,多数研究将风险与脆弱性相关联,并发现不同地区贫困人口生计差异较大,存在风险感识水平不高,适应能力偏低,风险防范措施效果不理想等问题[25, 26]。在区域贫困影响因素研究方面,发现在村域尺度上自然环境、交通区位、基础设施可达性、乡村文化等均对贫困村具有显著影响[19, 27, 28]。目前贫困风险研究以农户尺度较多,缺少对个体或家庭所处的外部环境分析,由于个体生计环境受地理环境影响呈非均匀分布特征,且村域环境对农户生计状况有重要制约作用[29, 30],导致个体抗风险能力与其生活环境有很大关联,以贫困村为单位对农户所处环境的潜在贫困风险进行评价,有助于精准识别贫困风险,强化应对成效。
当前,在我国“精准扶贫”战略即将圆满结束的后扶贫时期,尽管广大乡村脱贫成效显著,但由于农户生计环境脆弱,仍存在返贫现象,扶贫成效尚需进一步巩固。因此,识别贫困村的贫困风险耐受程度,有助于提升贫困风险预警及其应对能力,减少返贫人口,激活乡村发展内生动力。本研究借助协同学理论,对陕西省平利县2017年79个贫困村贫困风险影响因素进行识别,建立风险耐受指数模型,量化各个行政村的抗风险能力,并对照该县贫困发生率情况验证模型结果,为解决我国乡村振兴和城乡融合发展中乡村贫困问题提供参考。
2 研究区域平利县地处陕西省安康市东南部,东与湖北十堰竹溪接壤,南与重庆城口和镇坪毗邻,西北与岚皋、汉滨、旬阳相连,居陕鄂渝三省交界处(图 1),总面积约2647 km2。现辖11镇137个村6个社区居委会,总人口约23万人,全县贫困村共有79个,其中深度贫困村共8个。气候类型为北亚热带湿润季风气候,年均气温13.9 ℃,年均降水量958.5 mm,降水分布呈现南多北少的态势。全县海拔在300—2917 m之间,辖区北部以丘陵和盆地为主,是全县农业生产集中区,南部以山地为主,植物资源丰富。
协同学主要研究远离平衡态的开放系统,如何与外界在有物质交换和能量交换的情况下,通过系统自身协同作用(自组织性)在时间、空间和功能上形成有序结构的一门科学。它重视解构系统各部分与整体的关系,注重探究非平衡状态系统下有序结构的表现及形成机制[31, 32]。系统在发生由无序向有序状态下的相变时,产生了内部自发性破缺,这是发生系统相变的前提,伴随破缺程度加深,涨落诱因开始出现——即造成系统内部不稳定的始因。通常这种现象并无威胁系统状态的能力,一旦在某临界点上出现多种微幅涨落共同作用时,涨落效果将被放大,从而迫使系统状态发生转化[33, 34]。开放系统与外界不断进行能量和物质交换时,某些涨落会逐渐成为系统相变中的主导因素,即序参量出现并产生作用,促使系统形成新稳态。序参量作用于系统的过程中存在竞争、协调和伺服作用:在处于竞争关系时,系统内部出现混乱,外在表现为系统失稳,发展走向不可预见,即风险显现;随后在竞争的促进下转变为协同,某些序参量变得强势,通过伺服作用使系统重回平衡[35]。
基于以上表述,在协同学视角下研究乡村系统中的贫困风险问题是可行的:①乡村系统是一个复杂开放的巨系统。乡村系统里包括自然、社会、经济和生态环境等要素,数量大、种类多,且相互制约具有显著的复杂性多层次结构,同时,亦与外界不断进行着物质和能量交换,以此来维持自身生命力。②乡村系统的发展具有自组织性。在人地关系村域系统中,人群对周边环境的改造作用促使乡村系统产生变化,系统内部因素会通过内外作用力自发的由低级向高级、由简单向复杂演化。③由于贫困的产生和扶贫措施的实施,乡村系统处于不稳定的非平衡态,各影响因素呈非线性的相互作用。目前,乡村发展出现多种“乡村病”,贫困也包含在内,地理学者认为这是由于自然地理环境和社会经济环境二者之间的矛盾关系而产生的一种非稳态社会经济现象[36]。贫困及其发生机制牵涉乡村系统的多个层次,这些影响因素并非是简单叠加的线性关系,而是在各条件相互制约的综合作用下产生的。
贫困地区所面临的“风险”多种多样。从内涵上看,可以理解为非贫困群体陷入贫困的可能性[24],也可视为当人们面临冲击时脆弱性和趋于慢性贫困的状态[37];从研究对象上看,本文将“贫困风险”界定为贫困村即将面临脱贫后所承担的返贫风险,这种风险可能在贫困村还未脱贫时便初现端倪,成为导致贫困的主要因素,在脱贫之后受到路径依赖作用[38],影响到贫困村后续整体风险防御力、恢复力及发展潜力。贫困风险因子是导致贫困风险形成的主要因素,它包含两个方面:一方面它的存在不是突然产生的,而是在外力没有干预的情况下慢慢累积而成,在贫困时期表现为致贫因子,在脱贫时期表现为影响贫困村乡村系统发展的薄弱环节;另一方面,从预测未来视角看,贫困风险因子会影响到贫困村的乡村发展质量。因此,诊断评价某地区的贫困风险耐受程度,须综合考量其内部环境与外部环境、自然环境与社会经济环境、现实状况与未来发展趋势。地区或集体陷入贫困并非突发事件,而是多种因素长期协同作用,循环累积形成负反馈,最终陷入贫困陷阱[39]。若贫困主体和政府未能及时识别贫困风险因子,仅被动接受来自国家、社会的福利性援助,未有针对保障后续社会经济健康发展和农户生计安全风险防范的措施,那么会面临内生动力不足,返贫风险较高等问题。与此相反,若能精准识别贫困风险因子,克服发展劣势,巩固扶贫成效,实施风险应对措施,就能从脱贫跃入振兴阶段。
从协同学的角度来讲,在区域贫困—脱贫—振兴这一过程之中,贫困是乡村系统的无序状态,脱贫处于贫困与振兴之间,属临界状态,振兴是贫困地区克服贫困风险后积极稳定的新态。在脱贫的过程中,贫困风险的承受主体可以分为农户个体、政府和社会三者,农户是贫困影响的直接承受者,政府是解决贫困问题的主要调控者。贫困农户个体生计改善状况和后续脱贫的稳定性取决于政府选择的脱贫措施和实施成效,脱贫措施通过提升贫困农户自身的素质技能、生活条件等逐渐优化地区内社会环境,因此社会环境是受到贫困人口和施策机构影响的被动改造者。区域原生条件、人地关系现状和风险抵御机制等多种因素,决定着贫困风险发生的可能性。不同主体及系统内部相关诸要素形成一个复杂的贫困风险地域系统(图 2)。
根据协同学理论,系统变化源于内部要素最初的涨落状态,在临界值时,某些涨落效应被放大,从而形成贫困风险。贫困风险指标体系的建立就是为了量化系统的涨落情形。本文基于上述思路及现有数据资料,参考以往成果[40, 41],构建贫困风险耐受指标体系。其中,地形起伏度、地面坡度和年均降水量反映贫困村的自然环境基础,以上指标短时间内难以产生突变,其变化过程和速度具备长期性,自然条件极端恶劣的地区自然灾害事件易发,因此不适于进行较大规模的经济活动[42],即原生条件决定了该地区经济发展的基础。距主要干道距离、距镇政府距离及道路密度,反映了贫困村区位交通条件。农村是以农业生产为主要功能的复合系统,即使原生条件相似的地方,因农业生产资料不同,其发展轨迹与速度也会出现较大差别。人均耕地面积,人口密度,农业园区、家庭农场与合作社数目等3个指标,分别用以度量贫困村土地资源、劳动力资源和农业生产技术资源。此外,完善的生活保障机制,可增加农户的抗风险能力,故本文选取外出务工人数、农民人均可支配收入、危房占比、扶贫搬迁安置点个数,分别代表农民就业、收入和住房条件等生活保障水平(表 1)。
贫困村的自然环境数据均来自相关网站(表 1)。其中,社会经济属性数据中,距主要干道距离、距镇政府距离通过邻域分析所得,人均耕地面积、人口密度等来自于平利县国土资源局、平利县扶贫开发局所供资料。
3.2.3 标准化处理由于各个指标的单位、量纲不同,为了消除由此带来的误差,方便进行比较和计算,因此针对正向指标和负向指标进行了标准化处理,其公式为:
式中,Yij表示指标标准化后的新值,Xij、max{Xij}、min{Xij}分别表示第i个研究地区的第j个指标原始值、最大值、最小值。
3.3 研究方法 3.3.1 空间自相关分析(1)全局空间自相关。全局空间自相关可以描述研究对象属性整体空间分布情况,判断其是否有空间集聚现象存在。本文利用Global Moran's Ⅰ统计量描述平利县贫困村贫困发生率整体空间分布状况,具体计算过程参考文献[43]。
(2)热点分析。热点分析可探测要素属性在空间分布的非随机性和局部聚集特征[44],通过计算P值和Z得分,进一步识别村域贫困发生率高频区和低频区空间分布范围。
3.3.2 主成分分析(PCA)主成分分析把给定的一组相关变量通过线性变换转成另一组相关性弱的变量,可以排除原始变量间共线性的问题,并简化数据,达到降维的目的。本文利用主成分分析法对所识别的原始指标进行降维处理,按照特征根大于1的原则选取主成分,识别贫困村风险因子。
3.3.3 地理加权回归模型地理加权回归模型与全局空间回归模型不同,它会把地理位置纳入到回归分析的考虑范围中并分配不同权重。本文引用地理加权回归模型对不同贫困村的风险因子影响进行估计,既能反映回归系数在空间上的非均衡性,又能观测到风险因子影响程度的变化趋势,其结果更符合客观实际。该模型基本公式为[45]:
式中,yi为因变量,(ui, vi)为样本i的空间坐标,βk(ui, vi)是第i个研究区的第k个回归参数,xik表示第i个研究区的要素属性值,εi为残差。
3.3.4 贫困风险耐受度模型贫困风险耐受度是指贫困地区面对未来风险降临的耐受程度,根据所识别的风险因子,结合风险因子贡献率,建立贫困风险耐受度模型,公式如下:
其中,APR表示风险耐受度,Yi为所选第i个风险因子得分;ri为相应风险因子对应的贡献率;n为风险因子个数。
4 结果分析与验证 4.1 贫困风险因子识别结果与分析 4.1.1 贫困风险因子类型识别根据协同学理论,系统内部出现涨落现象是序参量形成的最初原因,也是系统相变之始,二级指标仅可用来量化乡村系统贫困风险形成的涨落可能性,但并不能表示序参量的作用,因为序参量是在多个涨落共同作用下影响系统变化的主导因素,而非单一变量。原指标体系涉及研究区多方面属性,对其进行降维处理以便归纳贫困风险因子。采用KMO、Bartlett检验方法对数据进行主成分适宜性分析,结果显示KMO统计量为0.697,Bartlett球度检验近似卡方值为459.990,对应显著性差异小于0.001,可见变量之间存在显著相关关系,所选指标较适合做主成分分析。
利用SPSS进行主成分分析,根据筛选条件选出4个主成分,采用方差最大正交旋转法对原始因子成分矩阵进行处理,得所选主成分的累计方差贡献率为65.216%(表 2),说明新主成分能解释指标体系所携带的大部分原始信息。
旋转后的因子载荷矩阵结果如表 3所示。可以看出,主成分1中海拔、年均降水量、地面坡度三个指标的载荷系数较大,本文将主成分1命名为自然本底因子,该因子反映村域地形和降水条件,条件相对恶劣的地区将面临自然灾害频发的风险,影响农业生产活动;主成分2与距镇政府距离、距主干道距离、道路密度、人均耕地面积、人口密度、农民人均可支配收入高度相关,反映了贫困村的交通区位优势和农业生产资料的耕地和劳动力资源情况,交通便利、道路建设条件好的贫困村为人员、信息、物质的流动提供了良好基础,与镇政府距离较远的贫困村,政府的社会管理和服务功能会因地理距离出现时空滞后现象而增加贫困风险应对难度和成本,可将主成分2命名为区位—生产资料因子;主成分3与扶贫搬迁安置点个数和外出务工人数两个变量高度相关,命名为内外助力因子,该因子反映贫困村自主防范贫困风险的内生动力及政府保障政策的外部推力,可表示抵御贫困风险的能力;主成分4与危房占比、农业园区、合作社及家庭农场数目高度相关,危房占比可表示居民住房安全情况,危房占比越低,贫困村整体的住房安全水平越高,农业园区、家庭农场和合作社作为推动农村农业技术发展的新兴经济主体,在一定程度上,其数量则可指示农业产业现代化程度,农业产业现代化是综合性技术改造和发展的历史过程,涉及的各农业生产条件需相互协调、共同配合形成较为完善的现代农业生产体系和保障机制,故而将主成分4命名为生活生产保障因子。
乡村所表现出的贫困或非贫困属性,侧面反映出人们面对贫困风险的暴露程度,致贫因素则能反映农户面对某种特定风险的可能性高低。为探究识别出的风险因子在不同贫困村的作用力大小及空间分异情况,本文以贫困发生率为自变量,四个风险因子为因变量,对平利县79个贫困村进行地理加权回归分析。模型拟合后的R2值为0.4230(表 4)。内外助力因子回归系数值的标准差和极值均最大,说明其因子影响力差异较大;自然本底因子和区位—生产资料因子的标准差和极差数值相近,说明二者作用程度相近。利用自然断点法将四个风险因子的回归系数分为三级,用以比较其空间作用力的大小,如图 3所示。
(1)自然本底因子。自然本底因子与贫困发生率呈正相关(图 3a),说明村域内坡度越陡、降水越多、地形起伏度越大,贫困村贫困发生率越高,回归系数绝对值在空间上呈现由西向东递减的变化趋势。三阳镇、大贵镇湘子寨村、柳林坝村、洛河镇线河村、水坪村、南坪街村、莲花台村回归系数均为Ⅰ级;Ⅲ级回归系数主要分布在平利县东部和东北部地区,如兴隆镇、长安镇、广佛镇、正阳镇等,说明该区域内的贫困村自然基础条件较好,贫困发生率较少受到自然条件的影响。地形、气候和水文等自然条件很大程度上影响着耕地条件和农作物的生长环境,自然环境相对优越的区域,不仅农作物产量高,遭受自然灾害也少,自然环境可以反映地区内暴露于风险中的可能性。
(2)区位—生产资料因子。区位—生产资料因子与贫困发生率负相关(图 3b),贫困村区位—生产资料因子得分越高,贫困发生率越低,回归系数绝对值由全县东部向西北部逐渐减小。兴隆镇、长安镇、正阳镇、八仙镇和广佛镇大部地区回归系数绝对值最大,为Ⅰ级;三阳镇、大贵镇湘子寨村、柳林坝村及洛河镇线河村、水坪村、南屏街村回归系数绝对值最小,为Ⅲ级。比较分析区位—生产资料因子与自然本底因子回归系数的空间分异特征后发现,区位—生产资料因子影响小的贫困村受到自然本底因子影响大,反之亦然。这是因为自然本底因子作用力处于Ⅲ级的贫困村一般来说自然条件较好,地形平缓,坡度较低,交通条件便利,属于外界资源易达区,因而具有区位优势,特别是城区所在的城关镇,在“人随产动”的传统城市化发展过程中,城关镇通过极化效应强调了自身发展的优势,也成为平利县的交通枢纽。
(3)内外助力因子。内外助力因子与贫困发生率呈负相关(图 3c),贫困村扶贫搬迁安置点越多、外出务工人口越多,贫困村贫困发生率越低,回归系数绝对值呈现由东南向西北递减的趋势。位于平利县东南部的正阳镇、八仙镇、广佛镇和长安镇双阳村、中原村的回归系数绝对值最大,为Ⅰ级;三阳镇、老县镇、大贵镇、洛河镇西北部贫困村及西河镇三合村受到该因子的作用力最弱,为Ⅲ级。扶贫搬迁安置点个数体现了政府帮扶的脱贫力度及政策落实程度,属于消除贫困的外界推力。外出务工人口可以体现农户在面对贫困时积极改善的意愿,属于消除贫困的内生动力。处于Ⅰ级回归系数的四个镇区均位于两省交界处,与处于县城腹地的贫困村相比,这些乡镇的贫困村与周边其他省份的县城地理距离更近,出行时间更短,外出打工机会更多,因此人们更偏向于跨省流动而非选择省内流动。
(4)生产生活保障因子。生产生活保障因子回归系数为负(图 3d),说明贫困村生产生活条件越完善,其贫困发生率越低,回归系数绝对值在空间上呈现由全县西部向东—东南部逐级递减趋势。绝对值最大的区域为西北部的三阳镇、洛河镇及大贵镇湘子寨村,为Ⅰ级;绝对值最小的区域为兴隆镇、长安镇、城关镇大部地区、广佛镇、长安镇、正阳镇(除洪家坪村、周家坪村外)和八仙镇东南部贫困村,为Ⅲ级。农业园区、合作社和家庭农场作为农村资源聚集、技术扩散和信息交流的载体,可以提升农业资源利用的水平、提高农业生产的效率,是乡村新型高效的生产组织形式。危房占比侧面反映贫困村居民生活保障情况,安全住房是人们最基本的生活需求,其功能不仅是休息、抵御灾害,同时也是农户财产的一部分,只有生活在安全的住房下,人们才能有精力进行更精细化的生产活动。
综上,不难发现上述四个贫困风险因子的作用方向并非一致,作用力度大小亦非均衡,具有显著的空间异质性特征。各因素相互作用力度大小决定了村域贫困程度高低,贫困风险因子的不同组合类型,导致贫困村所面临的贫困风险类别也随之相异,贫困村并非受某种单一因子的制约,而是受多因子非线性叠加的协同作用。
4.2 村域贫困风险耐受度评价结果及现实验证利用Global Moran's Ⅰ工具对全县贫困发生率进行空间相关性分析,结果发现,Moran's Ⅰ为0.49,Z得分为10.28,说明平利县贫困发生率在空间上呈明显的集聚特征。
将各因子得分结果及其贡献率带入贫困风险耐受指数模型计算后,利用自然断点法将贫困风险耐受指数划分为五级(图 4)。其中,处于较低、低值区的贫困村有40个,占全部贫困村的50.62%,主要分布于大贵镇、城关镇、广佛镇和三阳镇;处于中值区的贫困村有23个,占全部贫困村的32.91%,主要分布在西河镇、老县镇、洛河镇和兴隆镇;处于高值、较高值区的贫困村有13个,占全部贫困村的16.45%,主要分布在南部的八仙镇和正阳镇。总体来看,平利县贫困村贫困风险耐受度总体处于中等偏下水平,中低值区贫困村数量最多,共计56个,高值区贫困村数量最少,仅有4个,贫困村风险耐受度由高值区向低值区变化的五级分布变化呈现“水滴形”特征。
虽然我们不能对未来面对何种风险妄下定论,但可以根据贫困地区的发展现状,结合扶贫工作的薄弱环节,对未来风险降临的耐受程度做出预测。为了验证风险耐受度模型的有效性,利用自然断点法将贫困发生率也划分为5级(图 5),讨论贫困现状与模型计算的拟合结果。对比发现,风险耐受度评价结果与贫困发生率现状等级分布趋势大体一致:贫困风险耐受度低和较低的贫困村,处于中值及以上的贫困程度达到80%;中度贫困风险耐受力的贫困村贫困程度不均,低值区占30.77%、中值区占34.62%、较高值区占26.92%、高值区占7.7%;贫困风险耐受度较高的贫困村66.67%处于低、较低贫困发生率;所有高贫困风险耐受度的贫困村贫困发生率均处于低值、较低值水平,结果中未出现两值“同高”或“同低”的异常现象。
总体来看,模型计算与现实验证结果基本一致,未出现异常值。全县范围内8个深度贫困村的贫困风险耐受度均处于低值或较低值水平。验证结果的一致性表示村域贫困风险耐受度和贫困发生率具有一定关系,贫困发生率高的地方其面对的贫困风险冲击力更大,耐受等级相对也较低。按协同学原理解释,即因为四个序参量(贫困风险因子)主导力度不同,导致贫困村所面临的贫困风险耐受能力有所差异,这种差异最先表现在贫困现状上,随后经过系统“涨落”和序参量之间的相互作用,致使贫困风险地域系统耦合失调,抵御风险能力降低。建议在脱贫攻坚的最后阶段精准识别乡村内外部环境缺陷,不仅要关注贫困现状,巩固脱贫成效,更要预设脱贫后乡村振兴路径选择,构建持续稳定的脱贫—振兴与时共进的扶贫新模式。
5 结论与讨论研究认为贫困村所面临的贫困风险,是由乡村贫困向乡村振兴过渡中临界时所面临内部诸要素状态变动引发的问题,在诊断贫困风险耐受度时,应综合考量贫困村风险发生的自然基础、抵制风险的薄弱环节和预防风险的条件,并与现实状况进行比对验证。主要结论包括:①平利县村域贫困风险因子可归纳为自然本底、区位—生产资料、内外助力和生产生活保障四类因子,各因子与贫困发生率作用方向并不一致,各回归系数在空间上分异明显。②贫困风险耐受度计算结果显示全县贫困村整体风险耐受度处于中下水平,由高值区向低值区变化的五级分布呈现“水滴型”特征,高值区主要分布在八仙镇狮坪村、龙门村、正阳镇正阳河村和兴隆镇新场街村,低值区除大贵镇、西河镇外均有零散分布。③经贫困风险耐受指数模型与贫困发生率现状比对,发现二者分布趋势相似性特征明显,所有贫困村均未出现两值“同高”或“同低”的异常现象。
乡村社区作为一个复杂的有机系统,其发展受外部自然、社会和经济等条件制约,加之当前又进入以相对贫困和特殊贫困群体为扶贫主体的“后扶贫时期”,贫困风险应更值得关注。建议政策制定者在未来应构建相对完善的贫困风险预测与防范机制,优化乡村贫困风险地域系统耦合方式;适量减少直接性福利,激发和提升农户脱贫的内生动力,着重培养贫困户面对未来风险的抵御能力和恢复能力,从而推进乡村振兴战略,实现乡村可持续发展。
还需说明几点:首先,对于享受兜底脱贫政策的特殊人群,各项保障政策客观上避免了其所承受的贫困风险,因此针对特殊群体的贫困风险考量,尚需进一步分析探索;其次,由于社会经济发展是一个动态过程,还应针对研究区贫困风险耐受度动态变化开展研究,持续监测县域贫困风险耐受度时序变动及谋划应对策略,为深化秦巴山地集中连片贫困区贫困风险研究,以及后续乡村振兴战略提供理论指导和方法借鉴。
[1] |
崔红志. 乡村振兴与精准脱贫的进展、问题与实施路径-"乡村振兴战略与精准脱贫研讨会暨第十四届全国社科农经协作网络大会"会议综述[J]. 中国农村经济, 2018(9): 136-144. [Cui Hongzhi. Progress, problems and implementation path of rural revitalization and targeted poverty reduction:A review of rural revitalization strategy and targeted poverty reduction workshop and the 14th General Meeting of the National Agricultural Economy Network for the Academies of Social Sciences System[J]. Chinese Rural Economy, 2018(9): 136-144.] |
[2] |
韩峥. 脆弱性与农村贫困[J]. 农业经济问题, 2004(10): 8-12, 79. [Han Zheng. Fragility and rural poverty[J]. Problem of Agricultural Economy, 2004(10): 8-12, 79.] |
[3] |
Levine, S, DFID. How to Study Livelihoods: Bringing A Sustainable Livelihoods Framework to Life[R]. London: DFID, 2014: 1-3.
|
[4] |
世界银行. 2000/2001世界发展报告[M]. 北京: 中国财政经济出版社, 2019: 63-75. [The World Bank. World Development Report in 2000/2001[M]. Beijing: China Finance and Economics Press, 2019: 63-75.]
|
[5] |
郭熙保, 罗知. 论贫困概念的演进[J]. 江西社会科学, 2005(11): 38-43. [Guo Xibao, Luo Zhi. The evolution of the concept of poverty[J]. Jiangxi Social Sciences, 2005(11): 38-43.] |
[6] |
Kim S G. Measuring Poverty as a Fuzzy and Multidimensional Concept: Theory and Evidence from the United Kingdom[D]. Pittsburgh: University of Pittsburgh, 2012: 22-30. https://search.proquest.com/docview/1222077135
|
[7] |
Hovick S, Freimuth V S, Johnson-Turbes A, et al. Multiple health risk perception and information processing among African Americans and Whites living in poverty[J]. Risk Analysis, 2011, 31(11): 1789-1799. DOI:10.1111/j.1539-6924.2011.01621.x |
[8] |
Garmezy N. Children in poverty:Resilience despite risk[J]. Psychiatry, 1993, 56(1): 127-136. |
[9] |
Smith K R, Waitzman N J. Double jeopardy:Interaction effects of marital and poverty status on the risk of mortality[J]. Demography, 1994, 31(3): 487-507. DOI:10.2307/2061754 |
[10] |
Stephanie L Rivaux, Joyce James, Kim Wittenstrom, et al. The intersection of race, poverty, and risk:Understanding the decision to provide services to clients and to remove children[J]. Child Welfare, 2008, 87(2): 151-168. |
[11] |
Algieri B, Aquino A. Key determinants of poverty risk in Italy[J]. Social Science Electronic Publishing, 2012, 16(3): 411-430. |
[12] |
Fisher M, Hirschl T A. On the empirical finding of a higher risk of poverty in rural areas:Is rural residence endogenous to poverty?[J]. Journal of Agricultural and Resource Economics, 2005, 30(2): 200-201. |
[13] |
Fafchamps M. Rural Poverty, Risk and Development[M]. Cheltenham: Edward Elgar Publishing, 2003: 5-7.
|
[14] |
Fitchen J M. On the edge of homelessness:Rural poverty and housing insecurity[J]. Rural Sociology, 1992, 57(2): 173-193. |
[15] |
Layte R, Whelan C T. Cumulative disadvantage or individualization? A comparative analysis of poverty risk and incidence[J]. European Societies, 2002, 4(2): 209-233. DOI:10.1080/14616690220142790 |
[16] |
丁建军, 冷志明. 区域贫困的地理学分析[J]. 地理学报, 2018, 73(2): 232-247. [Ding Jianjun, Leng Zhiming. Regional poverty analysis in a view of geography science[J]. Acta Geographica Sinica, 2018, 73(2): 232-247.] |
[17] |
袁媛, 薛德升, 许学强. 转型时期我国城市贫困研究述评[J]. 人文地理, 2006, 21(1): 93-99. [Yuan Yuan, Xue Desheng, Xu Xueqiang. A review of urban poverty in transitional China[J]. Human Geography, 2006, 21(1): 93-99.] |
[18] |
陈烨烽, 王艳慧, 王小林. 中国贫困村测度与空间分布特征分析[J]. 地理研究, 2016, 35(12): 2298-2308. [Chen Yefeng, Wang Yanhui, Wang Xiaolin. Measurement and spatial analysis of poverty-stricken villages in China[J]. Geographical Research, 2016, 35(12): 2298-2308.] |
[19] |
罗庆, 樊新生, 高更和, 等. 秦巴山区贫困村的空间分布特征及其影响因素[J]. 经济地理, 2016, 36(4): 126-132. [Luo Qing, Fan Xinsheng, Gao Genghe, et al. Spatial distribution of poverty village and influencing factors in Qin-ba Mountains Area[J]. Economic Geography, 2016, 36(4): 126-132.] |
[20] |
文琦, 施琳娜, 马彩虹, 等. 黄土高原村域多维贫困空间异质性研究——以宁夏彭阳县为例[J]. 地理学报, 2018, 73(10): 1850-1864. [Wen Qi, Shi Linna, Ma Caihong, et al. Spatial heterogeneity of multidimensional poverty at the village level:Loess plateau[J]. Acta Geographica Sinica, 2018, 73(10): 1850-1864.] |
[21] |
陈烨烽, 王艳慧, 赵文吉, 等. 中国贫困村致贫因素分析及贫困类型划分[J]. 地理学报, 2017, 72(10): 1827-1844. [Chen Yefeng, Wang Yanhui, Zhao Wenji, et al. Contributing factors and classification of poor villages in China[J]. Acta Geographica Sinica, 2017, 72(10): 1827-1844.] |
[22] |
陈方, 阎建忠, 李惠莲. 基于农户生计活动的生计策略类型划分——以重庆市典型区为例[J]. 西南大学学报(自然科学版), 2017, 39(11): 113-119. [Chen Fang, Yan Jianzhong, Li Huilian. Understanding household livelihood strategies in rural Chongqing:A livelihood activity perspective[J]. Journal of Southwest University (Natural Science Edition), 2017, 39(11): 113-119.] |
[23] |
刘彦随, 周扬, 刘继来. 中国农村贫困化地域分异特征及其精准扶贫策略[J]. 中国科学院院刊, 2016, 31(3): 269-278. [Liu Yansui, Zhou Yang, Liu Jilai. Regional differentiation characteristics of rural poverty and targeted poverty alleviation strategy in China[J]. Bulletin of Chinese Academy of Sciences, 2016, 31(3): 269-278.] |
[24] |
王文略, 毛谦谦, 余劲. 基于风险与机会视角的贫困再定义[J]. 中国人口·资源与环境, 2015, 25(12): 147-153. [Wang Wenlue, Mao Qianqian, Yu Jin. Redefinition of the poverty based on risks and opportunities[J]. China Population, Resources and Environment, 2015, 25(12): 147-153.] |
[25] |
孙晗霖, 刘新智, 张鹏瑶. 贫困地区精准脱贫户生计可持续及其动态风险研究[J]. 中国人口·资源与环境, 2019, 29(2): 145-155. [Sun Hanlin, Liu Xinzhi, Zhang Pengyao. Study on livelihood sustainability and its dynamic risk of targeted poverty-alleviation households in poverty-stricken areas[J]. China Population, Resources and Environment, 2019, 29(2): 145-155.] |
[26] |
苏芳, 殷娅娟, 尚海洋. 甘肃石羊河流域农户生计风险感知影响因素分析[J]. 经济地理, 2019, 39(6): 191-197, 240. [Su Fang, Yin Yajuan, Shang Haiyang. Influencing factors of farmers' livelihood risk perception in Shiyang River basin[J]. Economic Geography, 2019, 39(6): 191-197, 240.] |
[27] |
王永明, 王美霞, 吴殿廷, 等. 贵州省乡村贫困空间格局与形成机制分析[J]. 地理科学, 2017, 37(2): 217-227. [Wang Yongming, Wang Meixia, Wu Dianting, et al. Spatial patterns and determinants of rural poverty:A case of Guizhou province, China[J]. Scientia Geographica Sinica, 2017, 37(2): 217-227.] |
[28] |
袁媛, 伍彬, 古叶恒. 重庆市城市贫困空间特征和影响因素研究——兼论东西部城市的异同[J]. 人文地理, 2015, 30(1): 70-77. [Yuan Yuan, Wu Bin, Gu Yeheng. Spatial pattern and driving forces of urban poverty of Chongqing city:Discussion on similarities and western cities in China[J]. Human Geography, 2015, 30(1): 70-77.] |
[29] |
李立娜, 何仁伟, 李平, 等. 典型山区农户生计脆弱性及其空间差异——以四川凉山彝族自治州为例[J]. 山地学报, 2018, 36(5): 792-805. [Li Lina, He Renwei, Li Ping, et al. Assessment and spatial difference of peasant household's livelihood vulnerability in representative mountain areas:A case study of Liangshan Yi Autonomous Prefecture of Sichuan, China[J]. Mountain Research, 2018, 36(5): 792-805.] |
[30] |
高军波, 喻超, 戈大专, 等. 不同地理环境下农户致贫机理的多尺度比较——以河南省为例[J]. 资源科学, 2019, 41(9): 1690-1702. [Gao Junbo, Yu Chao, Ge Dazhuan, et al. Multiscale analysis of poverty creation for farming households in different geographical environments:A case study of Henan province[J]. Resources Science, 2019, 41(9): 1690-1702.] |
[31] |
李汉卿. 协同治理理论探析[J]. 理论月刊, 2014(1): 138-142. [Li Hanqing. Analysis of synergetic governance theory[J]. Theory Monthly, 2014(1): 138-142.] |
[32] |
常绍舜. 从经典系统论到现代系统论[J]. 系统科学学报, 2011, 19(3): 1-4. [Chang Shaoshun. From classical system in the case of modern system theory[J]. Journal of Systems Science, 2011, 19(3): 1-4.] |
[33] |
孙烨. 协同学方法论在社会科学中的定性研究分析[J]. 自然辩证法研究, 2013, 29(9): 118-124. [Sun Ye. The qualitative research analysis of synergy methodology in social science[J]. Studies in Dialectics of Nature, 2013, 29(9): 118-124.] |
[34] |
任玉凤. 协同学理论对非线性相互作用的方法论分析[J]. 内蒙古大学学报(人文社会科学版), 1998(6): 99-105. [Ren Yufeng. Methodological analysis of nonlinear interactions in synergy theory[J]. Journal of Inner Mongolia University, 1998(6): 99-105.] |
[35] |
赫尔曼·哈肯. 协同学-大自然构成的奥秘[M]. 上海: 上海译文出版社, 2005: 206-209. [Herman Hakon. Synergy Theory-The Mystery of Nature's Composition[M]. Shanghai: Shanghai Translation Press, 2005: 206-209.]
|
[36] |
周扬, 郭远智, 刘彦随. 中国乡村地域类型及分区发展途径[J]. 地理研究, 2019, 38(3): 467-481. [Zhou Yang, Guo Yuanzhi, Liu Yansui. Areal types and their development paths in rural China[J]. Geographical Research, 2019, 38(3): 467-481.] |
[37] |
陈艾, 李雪萍. 脆弱性-抗逆力:连片特困地区的可持续生计分析[J]. 社会主义研究, 2015(2): 92-99. [Chen Ai, Li Xueping. Vulnerability-resilience:Analysis of sustainable livelihoods in povertystricken areas[J]. Socialism Studies, 2015(2): 92-99.] |
[38] |
Martin R, Sunley P. Path dependence and regional economic evolution[J]. Journal of Economic Geography, 2006, 6(4): 395-437. DOI:10.1093/jeg/lbl012 |
[39] |
Antoci A, Galeotti M, Russu P. Poverty trap and global indeterminacy in a growth model with open-access natural resources[J]. Journal of Economic Theory, 2011, 146(2): 569-591. DOI:10.1016/j.jet.2010.12.003 |
[40] |
Alkire S, Santos M E. Acute multidimensional poverty: A new index for developing countries[R/OL]. (2011-04-20) (2019-10-01). OPHI Working Paper No.38, United Nations Development Programme Human Development Report Office Background Paper No. 2010/11. https://ssrn.com/abstract=1815243, http://dx.doi.org/10.2139/ssrn.18152430.
|
[41] |
Appiah-Kubi K, Amanning-Ampomah E, Ahortor C. Multi-dimensional analysis of poverty in ghana using fuzzy sets theory[R/OL]. (2007-08-01) (2019-10-01). PMMA Working Paper No.2007-21. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=1000184.
|
[42] |
陆大道, 刘卫东. 论我国区域发展与区域政策的地学基础[J]. 地理科学, 2000, 20(6): 487-493. [Lu Dadao, Liu Weidong. Analysis of geo-factors behind regional development and regional policy in China[J]. Scientia Geographica Sinica, 2000, 20(6): 487-493.] |
[43] |
孟斌, 王劲峰, 张文忠, 等. 基于空间分析方法的中国区域差异研究[J]. 地理科学, 2005, 25(4): 393-400. [Meng Bin, Wang Jinfeng, Zhang Wenzhong, et al. Evaluation of regional disparity in China based on spatial analysis[J]. Scientia Geographica Sinica, 2005, 25(4): 393-400.] |
[44] |
毕秀晶, 汪明峰, 李健, 等. 上海大都市区软件产业空间集聚与郊区化[J]. 地理学报, 2011, 66(12): 1682-1694. [Bi Xiujing, Wang Mingfeng, Li Jian, et al. Agglomeration and suburbanization:A study on the spatial distribution of software industry and its evolution in metropolitan Shanghai[J]. Acta Geographica Sinica, 2011, 66(12): 1682-1694.] |
[45] |
吕萍, 甄辉. 基于GWR模型的北京市住宅用地价格影响因素及其空间规律研究[J]. 经济地理, 2010, 30(3): 472-478. [Lv Ping, Zhen Hui. Affecting factors research of Beijing residential land price based on GWR model[J]. Economic Geography, 2010, 30(3): 472-478.] |