王瑞兵, 姚 尧 ,吕圣彬, 杨 怡, 林孝松

(重庆交通大学 建筑与城市规划学院,重庆 400074)

1 引言

党的“十九大”提出“乡村振兴”战略，对实现乡村地区的经济发展和脱贫攻坚具有重大意义。为保证这一战略的稳步实施，有必要对区域内的贫困空间分布特征进行研究。导致贫困的原因复杂多样，环境恶化、资源短缺等诸多因素掺杂其中，生态环境与贫困之间存在着极为复杂的关联性，对该问题的研究应该更加重视可持续发展问题[1]。由于贫困村层面的各类统计信息和数据相对难以收集，近年来，国内学者对贫困现象的研究主要集中在省、市、县域等相对宏观的空间尺度上，如赵伟通过对四川省的经济增长、收入分配和农村贫困关系的研究对农村贫困问题提出了相关的政策建议[2]；王艳慧等通过构建多维贫困识别指标体系和测算算法系统分析了河南省南阳市连片特困区的空间分布格局[3]；刘小鹏等构建空间贫困指标体系和地理识别方法对宁夏泾源县进行了空间贫困的地理识别[4]。然而，宏观角度的研究仍具有很大的局限性，无法真实地反映贫困现象的地理空间分布状况。因此，研究尺度需详细到贫困村这一层面，更为精准地呈现出贫困空间分布问题，探寻区域内贫困现象分布及区域经济发展背后所蕴藏的深层次机理。

本文利用GIS获取行政区划图、DEM数据、贫困村点等数据，采用核密度分析、面板数据模型方法对渝东北贫困村进行空间格局分析，并以渝东北11个区县为单元分析其影响因素。

2 研究区和研究方法

2.1 区域概况

研究区总面积3.39万km2，辖梁平、城口、丰都、万州、垫江、忠县、开州、云阳、奉节、巫山、巫溪11个区县(图1)。地形地貌复杂，主要由大巴山、巫山所属中低山及川东平行岭谷低山丘陵组成，最高海拔2776 m。研究区的产业发展水平较为落后，城乡居民收入偏低，地区间发展差异较大，其中城乡居民收入分别为重庆市平均水平的86.3%和86.7%，是国家脱贫攻坚的重要实施区域。

图1 研究区示意

2.2 研究方法

2.2.1 核密度分析

核密度分析法为对某地理事件在空间区域上发生概率的估算，被广泛应用于点的空间集聚分析。通过分析渝东北地区贫困村点在空间上的形态特征和相对集中程度，进而揭示其内在机理。

(1)

2.2.2 数据面板模型

面板数据是把时间序列沿某种特定方向扩展或把截面数据沿时间扩展而成的二维数据集合。面板数据模型是建立在面板数据之上、用于分析变量之间相互关系的计量经济模型[6]。面板数据模型的解析表达式为：

yit=αi+λt+xitβ+Εεit

(2)

式(2)中，yit为Ν×1因变量；xit为Ν×k自变量；k为自变量指标数；εit为模型误差项；β是待估计参数；αi表示个体效应，表示不随时间的改变而改变的影响因素；λt表示时间效应，用于控制随时间改变因素的影响。

3 结果分析

3.1 贫困村空间分布特征

3.1.1 集聚特征明显，冷热点对比差异大

通过对渝东北地区贫困村所在点位进行核密度分析，可以发现其集聚趋势十分突出，有着较为明显的分布冷热点对比(图2)。在空间分布方向上，研究区西南部为贫困村集聚的冷点区域，区域整体的贫困程度较低；而中部地区为贫困村集聚的冷热点交汇区域，贫困村分布的密集程度相比于西南部地区更高；东北部地区为贫困村集聚的热点区域，贫困村分布最为密集。因此，整个区域的空间分布集聚特征表现为“向东北部集聚”的特征。在空间分布位置及数量特征方面，通过5 km半径的贫困点位核密度分析图，可以更为清晰地辨别出贫困点位在整个区域的具体位置及数量情况，贫困点位分布最广泛、数量最多的区域为城口县和巫溪县。在10 km、15 km半径的贫困点位核密度分析图中，贫困点位的空间聚集区域能够被很好地识别，空间聚集最明显的区域为城口县、巫溪县、开州区。

图2 不同空间尺度核密度

3.1.2 与自然、社会要素关联紧密

自然要素的分布与贫困存在着一定的关联。贫困聚集程度最高的城口、巫溪是渝东北地区地震点分布最为密集和坡度最大的区域，而处于非泥石流带的垫江、梁平，是贫困聚集程度最低的区域。因此，地震点分布、坡度大小及泥石流带分布与贫困集聚之间存在着相对一致性(图3)。

社会经济要素的流动和分配对贫困村分布的影响。从图 2可发现，研究区大部分县域驻地，都位于该区县境内的核密度低值区域。同时，在开州、云阳、奉节、万州等区县都表现出以县域驻地为中心，核密度值呈“圈层式向外递增”的规律。县域驻地往往是区域内的政治、经济、文化的中心及各类生产生活要素的聚集地。距县域驻地越远的区域，各类社会经济要素的流通阻力相对较大，经济发展相对困难，贫困也就越容易滋生和聚集。

图3 研究区自然灾害和坡度分布示意

3.2 贫困村分布影响因素分析

以2018年贫困发生率为因变量，遴选坡度、起伏度、年均降水量、公路里程、教育支出、农业产值占生产总值的比值、社会保障与就业支出、人均用电量和林地覆盖率等9项指标作为自变量，对原始数据归一化后进行多元线性回归分析，分析结果如表 1所示。

表1 贫困发生率为因变量的回归分析

回归得到的面板数据模型为：

-1.189X5-12.057X6-1.159X7

-3.116X8-6.344X9+2.990

(3)

从模型中可知，起伏度、公路里程、农业产值占生产总值的比值、人均用电量、林地覆盖率等5个指标对贫困发生率的影响为显著水平。模型的拟合度为0.991，F统计量为11.955，残差平方和为0.062，模型回归效果显著。

详细来看，贫困发生率与平均坡度和起伏度之间均呈现出较高的正相关性，相关系数分别为0.759和4.987。平均坡度越大，发生灾害的几率越高，从而导致贫困的发生；起伏度越大，区域的地形越陡峭，越不适合耕地的种植，从而通过影响农作物的生长而影响贫困的发生。贫困发生率与年均降水量之间表现为正相关关系，其相关系数1.169，研究区的区域性决定了降水量差别不大的区域之间，其与被研究对象之间的相关性不强是显而易见的。公路里程与贫困发生率呈现出一定的负相关性，相关系数为-6.149，从某种意义上也可以说这是一个交通便捷度和可达性的间接表达，离城市距离越近，越容易促进经济发展，贫困发生率也会随之降低。林地覆盖率与贫困发生之间存在较高的负相关性，其相关系数为-6.344，林地覆盖率反映了一个区域的生态质量状况，自然环境条件越优越，发生灾害的概率就随之减低，也会降低贫困的发生率。

不仅自然环境因素与贫困发生率之间存在高度的契合性，社会经济因素也是如此。其中教育支出、农业产值占生产总值的比值、社会保障与就业支出以及人均用电量均与贫困发生率均呈现出一定的负相关性。教育支出对于当期的贫困发生率的影响显著效果一般，其主要原因之一为对于教育支出的汇报具有滞后性，故其在短期的研究中效果一般；农业产值占生产总值的比值与贫困发生率之间保持着显著的负相关关系，其负相关系数达到了-12.057，这是因为农业产值占生产总值的比值较高的区域往往是农业生产当中人力、物力等要素较为集中和生产技术更为先进的区域，农业生产效率一般较高，区域整体经济发展水平相较领先。与贫困发生率保持负相关关系的社会保障和就业支出，负相关系数为-0.791，社会保障，如社会保险、医疗保险、养老保险，关系到社会中每一个公民的切身利益，就业支出也是给公民减轻生活的压力，社会保障越完善，就业支出越多，贫困发生率就越低，这是一个显而易见的体系结构。人均用电量同样与贫困发生率之间呈现为负相关关系。因为用电量的多少，一定程度上反映了区域内的居民对生产生活中各类现代化工具的利用频率以及对电力资源的需求量。人均用电量越高，社会经济生产运作中所投入的成本更多，区域经济整体发展向好，贫困发生率更低。

4 结论与讨论

(1)研究区贫困点具有集聚分布特征，空间分布上表现为往东北部集聚的空间分布特征。

(2)贫困聚集程度与自然灾害、地形坡度之间存在着高度的正相关性。同时核密度值具有以县域驻地为中心，呈“圈层式向外递增”的趋势。

(3)区县层面的面板数据回归模型中，起伏度、公路里程、农业产值占生产总值的比值、人均用电量、林地覆盖率等5个指标与贫困发生率之间具有显著关系。

对于贫困点的空间格局，本文只讨论阐明了整体的空间分布特征，未考虑11个区县间的差异，需要在以后的研究中进一步探讨。此外，在今后的研究工作中还可以加入时间要素的考量，从空间尺度和时间尺度两方面探究贫困及其影响因素的耦合关系。