云南财经大学城市与环境学院 侯学英

一、引言

20世纪90年代以来，中国社会经历了快速城市化、经济结构重组、福利体制改革等相互交织、快速剧烈的复杂转型过程。在此期间，中国城市的社会空间分异加剧，低收入/贫困人群开始在特定空间集聚，形成了城市低收入住区[1-2]，具体包括衰败内城、城中村、工厂家属区和保障性住区4种类型[3-4]。低收入住区中的居民虽然表现出了一定的共性特征，但这些居民的内部构成并不是均值的，存在一定的差异性[5-6]。目前尚缺少能够定量揭示低收入住区居民内部构成异质性的研究。

研究采用能够处理类别变量的潜在类别聚类模型对昆明市的城中村、保障性住区和工厂家属区3类低收入住区居民进行聚类分析。聚类结果表示5类社会经济属性、致贫因素和脱贫能力等方面均存在明显差异的低收入居民。研究结果为深入分析城市贫困的深层次机制问题提供基础；也能够帮助政府针对不同类型人群的特征，制定并实施精准、有效的贫困应对措施。

二、数据来源及研究方法

目前昆明市主城区的低收入住区主要包括城中村、保障性住区和老旧工厂家属区。本研究分别于2013年的1月和7月对13个典型低收入住区（包括5个城中村、3个廉租、3个公租，1个经适房和1个工厂家属区）进行问卷调查。调查共发放问卷900份，有效问卷共805份，问卷涉及居民个人和家庭社会经济属性数据。

研究通过潜在类别模型(以最少的潜在类别数目来解释外显变量之间的关联）。LCM的基本原理为创造一个新的类别变量来分析观测值的后验类别属性。一般从潜在类别为1的基准模型，逐步增加潜在类别的数目，并利用BIC、AIC等指标检验每一个模型的适配性，借以选出最佳模型。

三、低收入住区居民的潜在类别分析

本研究采用软件为LatentGOLD4.5(Statistical Innovations Inc.)，利用性别、年龄、受教育水平、收入、户籍、住房产权、家庭规模及劳动力数量8个外显类别变量，对低收入住区居民样本进行聚类分析，从潜在类别数目为1的基准模型开始, 逐步增加潜在类别数目，共拟合了 10个潜在变量模型，具体拟合结果如表1所示。

表1 探索性潜在类别分析模型适配指标摘要表（N=805）

由表2可见，潜在类别为5的模型BIC指标最小（BIC=12375，G2=2031，df=751，p＜0.0001）；潜在类别为10的模型AIC指标最 小（AIC=11998，G2=1871，df=706，p＜0.0001）。一般来讲，样本数量较大（数千人或以上）或参数数量较少时，采用BIC指标较为理想，同时在自由度（df）相差不大的情况下，model5的卡方检验值较大且模型分类较为简洁。综合考虑各检验指标和模型的简洁程度，本研究选择了包含5个潜在类别的模型为理想模型。

四、低收入住区居民的异质性分析

以潜在类别数量为5作为最优模型，如图1所示，得到8项目的条件概率分布情况, 同时结合表2中不同类别人群的属性特征对每一类低收入人群进行命名，揭示低收入住区居民的内部异质性。

表2 不同类别低收入人群在各属性等级上的分布统计

第一类，本地户籍、有劳动能力和技能的低收入人群。

这一类人群占比为31%，主要特征为：以30-50岁以及30岁以下两个年龄等级的人群为主，年龄结构呈现出年轻化特征；且高中及以上人群占多数，这表明这类人群具有劳动能力和一定劳动技能；但这类人群是5类人群中劳动参与率最低的人群，就业人口仅占46%，其就业岗位主要是以平均工资水平最低的零工和职员为主，收入水平较低。

根据对调查对象的抽样访谈发现，这类人群呈现出较为矛盾特征的原因为：首先，人群绝大多数为本地户籍，享有城市住房、最低生活救助、养老金等相关福利，生活压力相对较小；其次，有分担经济压力的家庭成员；第三，这类人群主观上的就业意愿较低，即使就业也大多选择从事工资水平较低但较为轻松的职员等岗位，从而导致收入水平较低。

第二类，外地户籍、低技能的低收入人群。

这一类人群占比为27%，主要特征为：全部为外地户籍，很难享受城市相关福利，全部租住在城中村，基本没有城市生活最低保障救助和养老金；其次，年龄结构十分年轻，以30-50岁及30岁以下年龄等级的人群为主，无70岁以上老年人口；第三，受教育水平较低，绝大部分仅完成了义务教育；第四，这类人群收入水平在5类人群中收入最高。

这类人群收入水平相对较高的原因主要包括：第一，由于基本没有城市相关福利，在城市中生存需要完全凭借自身力量，因此其劳动参与率非常高。第二，此类人群受到技能限制，主要以劳动力密集型的商贩、零工和工人为主，工资水平较高。第三，这类人群中个体经营占比较大。虽然目前这类人群的收入水平较高，但随着年龄的增加，这类人群体力和技能的限制会越来越严重，其收入水平将会呈现降低趋势。同时，由于是外地户籍很难享受城市相关福利，在很大程度上增加了其生活成本。如果遭遇医疗、教育、住房等方面困难，这类人群就容易陷入贫困。由此可见，这类人群致贫原因不仅受到自身的教育和技能限制，还包含福利体系排斥的因素。

第三类，本地户籍、劳动能力受限的贫困人群。

这一类人群占比为25%，主要特征为：绝大多数为本地户籍，享有城市相关福利；人群的劳动参与率极低，就业人口仅占45%；这类人群收入水平极低，大部分属于城市贫困人群。虽然同为本地户籍，此类人群与第一类人群相比，表现出了不同的特征：第一，其年龄结构呈现出明显的老年型特征，50-70岁及70岁以上的老年人口占绝大多数，没有30岁以下青年人口。第二，受教育水平非常低，小学以及文盲人口占有一定比重。第三，就业岗位中需要一定技能的职员岗位比重较第一类人群低，而低技能、且就业岗位不稳定的商贩岗位较第一类人群高。由此可见，这类人群劳动参与率较低和收入水平更低的原因主要是受到了自身劳动能力和教育水平的极大限制，而不是参与劳动的意愿不足。

第四类，城市传统贫困人群。

第四类人群规模较小，占比仅为9%，收入水平极低，可命名为城市传统贫困人群，主要特征为：此类人群的老年性特征最为明显，70岁以上人口老年人口比重要远超过其他4类人群，其中包括大量企业退休人员，生活主要依靠城市福利体系；其次，教育水平最低；第三，家庭规模和劳动力数量小，缺少赡养人；第四，收入水平在5类人群中最低，贫困程度深。这类人群呈现出了城市传统贫困的特征：无收入、无劳动能力、无赡养人。

第五类，流动性较大的低收入人群。

这类人群占样本总量的5%，其中既包括本地户籍人口又包括外地户籍人口，但都表现出明显的共性特征：首先，单亲家庭占绝大多数，生活负担较小，但也缺少分担其经济负担的家庭成员。第二，年龄结构呈现出明显的年轻化特征，无老年人口。第三，受教育水平较低。第四，就业岗位以不稳定的零工和商贩为主，失业人口占一定比重，收入水平低。

根据对调查对象的抽样访谈发现，这类人群就业难的原因为：人群中的本地户籍人员就业意愿低和就业能力均较低，而人群中的外地户籍人员有较强的就业意愿，但受到技能限制，其就业岗位和收入的稳定性差，以零工和和商贩（其中包括一定比例的无证商贩）为主。

以上分析表明，这类人群在劳动力市场中缺少竞争力，难以就业或就业岗位不稳定。同时，这类人群主要以单亲家庭为主，一旦在遭遇就业和收入压力，容易迁往其他城市，因此具有较大的流动性[7]。

五、结论与建议

本文在昆明市主城区的典型低收入住区进行了实地问卷调查，应用潜在聚类分析方法，对城市低收入人群的内部异质性特征进行了分析。潜在聚类分析将低收入人群划分为5类，各类人群在贫困深度、脆弱性、致贫因素和脱贫能力等方面，具有显著的差异性。

研究结果表明，城市低收入住区居民具有一定内部差异性，在城市政府资源有限的条件下，确定各类人群优先帮扶次序，要首先考虑对规模较小、贫困程度深、且基本没有脱贫能力的人群（即第三和第四类人群）进行救助。同时也要根据不同人群的特点，在城市福利体系设计、劳动能力培养、公益岗位提高、公共政策制定等多方面对其进行帮助，探索城市的精准扶贫方式。