首页>经济论文

深度贫困地区多维贫困测度与反贫困路径探析

发布时间:2020-01-11 所属栏目:经济论文

  摘 要:深度贫困地区的脱贫不仅是我国2020年打赢脱贫攻坚战的难点和焦点,也是实现乡村振兴与全面建成小康社会的关键。对深度贫困地区多维贫困人口的精准识别和多维贫困的准确测度是有效攻克贫困、实现脱贫攻坚任务的重要环节。基于秦巴山集中连片深度贫困区1325份农户家庭微观调查数据,运用A-F指数和反向传播神经网络法对深度贫困地区多维贫困进行了测算和分析,发现深度贫困地区存在明显的交叉性与多维性贫困,致贫原因亦复杂多样。依据测算结果,有针对性地提出深度贫困地区的反贫困路径:加强深度贫困地区基础设施建设,改善深度贫困区生活条件;积极发展深度贫困地区教育,提升深度贫困区人力资本水平;完善深度贫困地区农村健康网络,强化深度贫困区农村医疗服务体系;完善深度贫困地区农村社会保障制度,确实做到社保兜底;促进深度贫困地区劳动力流动,拓宽深度贫困区农村居民收入渠道;重视深度贫困地区综合发展,有计划地推进深度贫困区乡村振兴。

  关键词:深度贫困地区;多维贫困;A-F测算;反贫困路径;精准扶贫

  中图分类号:F304.8 文献标识码:A 文章编号:1009-9107(2019)06-0062-08

  《农业科技通讯》(月刊)创刊于1972年,由农业部主管,中国农业科学院主办;中央级农业实用综合、技术、信息期刊,创刊较早(1972年);国内外公开发行,发行量大、影响面广;全国农业优秀期刊(五次获奖)、核心期刊。本刊启迪种业科技研发,开拓种业人员新思想。

  引 言

  中国共产党第十九次全国代表大会报告着眼于党和国家事业全局提出实施乡村振兴战略,成为新时代“三农”工作的总抓手。2018年中央一号文件从农业综合生产能力提升、农民增收渠道拓宽、农村贫困人口实现脱贫、农村基础设施建设深入推进、城乡基本公共服务均等化等方面全方位对实施乡村振兴战略目标任务做出了明确规定。聚焦于农村人口实现脱贫、贫困县全部摘帽、解决区域性整体贫困目标,一号文件要求以深度贫困地区为集中发力点,加大政策和扶贫资金倾斜力度,着力改善深度贫困地区发展条件,增强贫困农户发展能力,攻克深度贫困地区脱贫难关。乡村振兴战略实施为深度贫困地区脱贫带来了新机遇,因此,及时解决乡村振兴中所面临的贫困问题,厘清乡村振兴与农村贫困问题的内在机理,探索新时代深度贫困地区脱贫路径,对促进乡村振兴和深度贫困地区脱贫攻坚具有重要意义。

  贫困问题一直困扰着人类社会的发展。长期以来受数据采集和认知的限制,学术界对贫困的认识多停留在收入层面,将人类社会贫困解析成为一个维度的概念,认为人类贫困是家庭或者个人的收入不能满足其最基本生活需要的一种状态[1]。然而,随着对贫困认知的逐渐深化,有学者指出贫困应该表现为福利的缺失[2],决定一个家庭或者个人福利获得的因素不仅仅是收入,一些公共产品的享用,包括教育、医疗卫生、道路、饮水等都是与货币收入无关的变量,因此,福利应是一个多维度的概念,相应地贫困的内涵应该包括除收入维度之外的更多维度。阿玛蒂亚·森提出了多维贫困概念,引起了理论界和实践界的共同关注[3]。现有文献对多维贫困的研究主要聚焦在三个方面:一是多维贫困指数测度方法,主要分为公理化方法和非公理化方法,具体有FS方法、TFR方法和AF方法等[4-7]。二是多维贫困测量维度的选取,健康、教育和生活水平是多维贫困测量中三个经典维度,但农户家庭资产、关系网络和市场参与也反映着农户家庭摆脱贫困的能力,将其引入多维贫困分析的经典框架拓展了多维贫困测量的维度[8-11]。三是不同群体多维贫困程度的测量,主要有农民工多維贫困的演进与测量,儿童及青少年多维贫困的动态性与测量,流动妇女和城市人群的多维贫困测量等[12-16]。除此之外,也有部分文献将区域空间因素融入多维贫困研究框架,分析不同地理与区域空间的资源禀赋、自然环境、特色产业和生物多样性等区域空间异质性对多维贫困的影响[17-20]。多维贫困研究克服了早期存在的重复和深度不够内圈化问题,注重避免将国外理论和模型强加于国内社会现实的学徒陷阱,逐渐走向社会现实和学术自我的多维贫困研究。

  近些年来中国农村社会贫困的现实已经发生了彻底的变化,随着农村扶贫开发事业的不断推进,农村地区的贫困性质发生了明显的改变,过去“食不果腹、衣不遮体”的绝对贫困已基本消除,温饱问题得到了普遍性解决,而教育、医疗卫生、道路、饮水等方面的相对贫困成为了当前关注的重点[21]。秦巴山集中连片深度贫困区作为中国14个集中连片特困区之一,对其多维贫困问题的全面深层次研究对中国农村扶贫开发事业有着重要的理论意义和实践价值,尤其是对攻克深度贫困地区脱贫任务路径的选择具有重要指导作用。

  本文应用A-F(Alkire-Foster)指数及反向传播(Back Propagation)神经网络法对秦巴山集中连片深度贫困区农户家庭的多维贫困状况进行了测度与分析,并结合乡村振兴战略关于打好精准脱贫攻坚战、增强贫困穷众获得感的指导意见,就深度贫困地区脱贫路径的选择进行了讨论。

  一、数据获取、研究方法

  (一)研究区概况

  依据国务院扶贫办印发的《秦巴山片区区域发展与扶贫攻坚规划(2011-2020年)》,秦巴山集中连片深度贫困区包括了河南、湖北、重庆、四川、陕西、甘肃六省(市)的80个县(市、区),涉及国土面积22.5万公顷,人口3 765万人,是集革命老区、大型水库区和自然灾害易发多发区于一体,片区内部差异较大,致贫因素复杂,是国家新一轮扶贫攻坚规划中涉及省份最多的片区。秦巴山深度贫困区西起青藏高原东缘,东至华北平原的东南部,跨越秦岭和大巴山,地貌类型主要以丘陵为主。片区内气候类型多样化,有北亚热带海洋性气候、亚热带-暖温带过渡性季风气候和暖温带大陆性季风气候,气候垂直变化特别明显,年降水量基本保持在450毫米到1 300毫米之间。片区内水系发达,长江、黄河、淮河三大流域横跨其中,也是淮河、汉江、丹江、洛河等河流的发源地,径流资源丰富,森林覆盖率高达53%,是国家重要的生物多样性和水源涵养生态功能区。

  (二)数据获取

  本文数据主要来源于课题组2016年和2017年对秦巴山集中连片深度贫困地区西部5个地级市进行的两次社会调查。调查涉及范围包括了四川省巴中市的南江县、通江县和平昌县,陕西省安康市的汉阴县、石泉县和宁陕县,商洛市的洛南县和汉中市的勉县,甘肃省陇南市的礼县、成县和康县。数据来源范围分布情况见表1。

  此次抽样采用分层抽样方法,分别对村级和农户两级实施抽样调查。村级问卷在实际调查过程中通过与两名以上村两委会主要干部访谈获得,村级问卷重点是调查村庄的基本信息、基础设施和自然环境等,其中,村庄基本信息包括了人口与劳动力规模、所处地理位置等;基础设施包括了道路、饮水、用电和学校等;自然环境包括了耕地面积、主要种植农作物和易发自然灾害等方面。农户问卷主要调查农户的家庭基本信息、生计资本和生计风险三个方面,其中农户家庭基本信息包括了家庭人口与劳动力,农户生计资本包括了生产经营性资本和社会资本,农户生计风险包括了风险冲击和对风险冲击的认知等方面。依据分层抽样的相关原理,按照省、县(市)、乡(镇)、村四级依次抽样,以村为抽样单位,每个村抽查不少于10户,共收回村级问卷89份,农户样本1 325份。

  (三)研究方法

  贫困是人类在长期生活中面临的一种困境状态。多维贫困测度实际上是根据处于贫困状态之中的人口在收入、教育、健康等方面所呈现出的有效信息进行综合分析,因此,多維贫困测度研究的首要工作就是贫困信息维度的选取[22]。本研究以秦巴山集中连片深度贫困地区的入户调查数据为样本,运用Alkire-Foster提出的多维贫困指数测度原理为基本分析框架[23-25],选取收入、教育、健康、资产、生活水平和医疗服务6个维度的部分指标对秦巴山集中连片深度贫困地区多维贫困进行识别。

  1.多维贫困测算。Alkire-Foster多维贫困指数又称A-F指数,该指数的主要原理是将样本的每个贫困维度与其所对应的缺失临界值(deprivation)相对比,从而判断每个样本在此维度上是否处于贫困状态。进一步,通过计算每一样本在不同维度上的缺失总得分,并与所设定的多维贫困临界值对比,就可以判断每一个样本的多维贫困状况。A-F指数法利用“双界线”法来识别贫困,与其他多维贫困测度方法相比,其更加科学合理[26]。具体测算方法如下:

  假设所研究的样本数为n,且每个样本的多维贫困由d个指标来评价,则yij表示样本i在j维度上的取值(i=1, 2,…, n;j=1, 2,…, d),因此,n个样本在d维空间上的贫困状况可以表示为矩阵Yn,d,y∈Yn,d。

  令向量z=(z1,z2,…,zd)为剥夺临界值矩阵,用zj(zj>0)代表第j个贫困维度的缺失临界值(j=1,2,…,d),如果yij

  ci=Σdj=1wjgij(1)

  如果样本的缺失总得分小于临界值k时,即ci

  MPI=1nΣni=1ci(k)(2)

  A=1qΣqi=1cj(k)(3)

  式(3)中q代表处于多维贫困状况的样本个数,则多维贫困发生率H可以表示为:

  H=qn(4)

  根据式(2)~(4)还可以得出,多维贫困指数MPI=H×A。由此可以判断出,多维贫困指数由多维贫困发生率和平均被剥夺程度决定。

  计算各维度对多维贫困指数的贡献率。定义MPIj为j维度的多维贫困贡献额,qj表示在多维贫困情况下j维度的贫困发生率,例如当考察二维贫困时,在识别出二维贫困的样本后,再计算处于j维度贫困的样本数就是qj,所以,各个维度对多维贫困的贡献额可以表示为MPIj=(qj×wj)/n。由此,可以计算出j维度对多维贫困的贡献率Rj:

  Rj=MPIjMPI=qj×wjn×MPI(5)

  2.多维贫困指标权重衡量。多维贫困测度中各个维度测量多维贫困指数的权重影响多维贫困的测度结果,直接决定对所研究区域或者群体多维贫困状况的判断[27]。目前国内学术界有关多维贫困的研究中多数采用等权重赋值法,这与真实的经济社会是不相符的。张全红等指出等权重赋值的多维贫困测度过于主观随意而无法反映各个指标对多维贫困的影响程度,并尝试运用主成分分析法来确定各个指标的权重[28]。但人类福利指标之间的关系是错综复杂的,很难用线性组合的方式来实现,农户的多维贫困是多因素的非线性组合结果,存在着不确定性和离散性,因此,主成分分析法在确定农户多维贫困指标权重时依然存在一定的局限性[29]。而反向传播神经网络在解决非线性问题方面具有很强的优势,其利用计算机模仿人工智能来确定各项指标的权重,被广泛的应用于经济社会研究的各个领域[30-31]。该神经网络的原理是在正向传播时,输入信号经过隐含层作用于输出节点,经过非线性转换产生输出信号,当输出层无法获得期望输出时,则通过原路径反向传播,并调整各神经元的权值使得误差达到最小。式(6)~(9) 为计算公式:

  f(xi)=ΣLj=1βjφ(αjxi+δj)(6)

  zip=ΣLj=1αij(1-e-βjp)(1+e-βjp)(7)

  cip=|(1-e-zip)/(1+e-zip)|(8)

  ωi=cip/Σni=1cip(9)

  式中φ为激活函数,αj表示输入权,βj表示输出权,δj为偏置值,xi为输入数据,i表示输入层节点数,j表示隐含层节点数,p表示输出层节点数,αij则代表输入层i与隐含层j之间的权系数,βjp则代表隐含层j与输出层p之间的权系数。在本研究中将所选取的6个贫困维度指标作为反向神经网络计算的输入向量,通过式(6)~(9)迭代计算最终得到各个维度的多维贫困权重见表2。

  二、多维贫困测度结果分析

  (一)深度贫困区单维贫困状况

  在应用Alkire-Foster指数对秦巴山集中连片深度贫困区多维贫困状况进行测度之前,本文对深度贫困区农户家庭在收入、教育、健康、资产、生活条件和医疗服务6个维度的单维贫困状况也进行了描述性统计分析,统计结果见表3。

  从描述性统计分析中可以看出,秦巴山深度贫困地区调查样本中收入维度低于2 800元的农户共计有464户,占样本总数的35%,即秦巴山集中连片深度贫困地区农户在收入维度的贫困发生率为35%。从分样本的统计结果还可以看出,四川省巴中市农户在收入维度的贫困发生率最高,达到了39.6%。在教育维度,家庭劳动力(16~64岁人口)存在未完成义务教育的农户有1 081户,占样本总量的81.6%,即深度贫困区劳动力受教育的贫困发生率高达81.6%,陕西省安康市农户在教育维度的贫困发生率最高,达到了88.4%。在健康维度,家庭成员患有大病、慢性疾病或者残疾的样本农户有933户,占样本总数的70.4%,即深度贫困地区农户在健康维度的贫困发生率高达70.4%,包括高血压、冠心病、糖尿病、慢性气管炎、腰椎间盘突出症、精神病等在内的众多慢性疾病是阻碍农村人口健康发展的重要疾病。在资产维度,家庭无彩电、洗衣机、冰箱、电话中的任何一种耐用消费品的农户有29户,占总样本量的2.2%,即深度贫困区农户家庭在资产维度的贫困发生率为2.2%,且从各地级市的分样本统计结果中可以发现陕西省汉中市在资产维度的贫困发生率最高为4.8%。在生活水平维度,人均住房面低于国家平均标准的农户有992户,占总样本数的74.9%,住房仍然为砖木结构、土木结构或窑洞的农户有46户,占总样本的3.4%。做饭燃料还在使用木头或者植物秸秆的农户有1 191户,占样本总数的89.9%,家庭全年无法喝上正常清洁饮用水的农户有233户,占总样本数的17.6%,家庭没有水冲式厕所或者水泥硬化式旱厕的农户有742户,占样本总数的56%。在医疗服务维度,农户家庭成员患病后不能及时获得正规医疗机构就医的农户有426户,占总样本量的32.2%,家庭成员存在无任何一种医疗保险情况的农户有130户,占总样本数的9.8%,陕西省安康市农户家庭及时就医贫困发生率最高,為50.5%,甘肃省陇南市农户家庭医疗保险贫困发生率最高,为18.3%。根据单维贫困统计结果可以看出,秦巴山集中深度贫困区内部的多维贫困在不同的维度和不同地域具有明显的异质性。

  (二)深度贫困区多维度贫困状况

  从单维贫困统计结果中可以发现,秦巴山深度贫困地区存在明显的多维贫困现象,为了能够更详细地分析深度贫困区农户家庭的多维贫困状况,本文应用A-F多维贫困指数法对秦巴山深度贫困区5个地级市的多维贫困情况进行测算,测算结果见表4。

  依据测算结果,秦巴山深度贫困区一维度(K=1)贫困发生率相当高,达到了99.2%(H=0.992),说明99.2%的调查样本农户家庭至少在某一维度存在贫困现象。进一步分析测算结果可知,当剥夺临界值为2时(K=2),贫困发生率为98.6%(H=0.986),说明有98.6%的调查对象至少在某两个维度存在贫困现象;同样K值为3时,H值为0.938,说明93.8%的调查对象至少在某3个维度存在贫困现象。

  随着剥夺临界值的增加,多维贫困指数(MPI)逐渐减小,从剥夺临界值为1时的0.431逐渐减少到剥夺临界值为9时的0.004。可以看出秦巴山深度贫困区8个指标以上的贫困状况并不多见,并且所研究区域不存在10个以上指标的多维贫困情况。依据联合国开发计划署发布的《人类发展报告》(HDR)规定,当人的多维贫困指标权重剥夺程度高于33%时就认为其处于多维贫困状态之中,按照向下取整法对应于本研究则K=3,即存在3个指标维度的贫困则为多维贫困家庭,按照表4的测算结果,K=3的多维贫困发生率为93.8%,多维贫困指数MPI为0.421,平均剥夺程度A为0.449。

  基于总样本多维贫困测算结果的综合分析,秦巴山深度贫困区存在着严重的多维贫困问题,样本农户家庭的多样性、交叉性贫困现象异常突出,使得片区内的多维贫困发生率居高。为了能够更进一步剖析秦巴山深度贫困区不同贫困维度对多维贫困形成的贡献,文中对总样本和分样本的多维贫困指数进行了分解,表5为各指标在剥夺临界值为3时对多维贫困指数的贡献额和对应的贡献率。

  从表5的多维贫困指数分解结果中横向来看。在收入方面,秦巴山深度贫困地区农户家庭人均收入指标在多维贫困指数中的贡献额为0.034,贡献率为8.03%,而从5个地级市的分样本测算结果中可以看出,四川省巴中市农户家庭人均收入指标对多维贫困指数的贡献额最大,贡献率达到了9.3%。在教育方面,整个片区的劳动力受教育指标对多维贫困指数的贡献额为0.066,贡献率达到了15.709%,5个地级市中陕西省安康市的劳动力受教育指标贡献率最大,为17.082%。在健康方面,整个片区农户家庭健康状况对多维贫困指数的贡献额为0.065,贡献率达到15.499%,5个地级市中四川省巴中市健康维度指标贡献率最大,高达17.989%。资产维度对整个深度贫困片区的多维贫困贡献率仅为0.477%。生活水平维度的住房面积、做饭燃料和卫生设施三项指标对整个片区的多维贫困贡献较大,贡献率分别为16.609%、17.957%和12.202%。在医疗服务维度,及时就医和医疗保险的两项指标对整个片区多维贫困的贡献率为7.033%和1.974%。可以看出,在秦巴山深度贫困区5个抽样地级市中,甘肃省的陇南市和四川省的巴中市农户家庭多维贫困情况比较严重,陕西省的安康市、商洛市和汉中市的多维贫困状况基本相同。

  纵向分析表5的分解结果。就整个秦巴山深度贫困区而言,做饭燃料、人均住房面积、受教育年限和家庭健康状况指标对整个深度贫困地区的多维贫困指数贡献额度最大,合计贡献额为0.274,合计贡献率为65.774%,纵向加总各指标的贡献额为0.421,与表4中的临界值为3时的多维贫困指数相同,纵向加总各指标的贡献率也为100%。纵向分析四川省巴中市,可以看出贡献额最大的指标为做饭燃料、家庭健康状况、人均住房面积和受教育年限4项指标,但各项指标的贡献额由大到小排序与整个片区相比较出现了变化,且做饭燃料、家庭健康状况、人均收入、儿童受教育、饮用水、卫生设施等指标的贡献额均高于整个片区。再纵向分析陕西省汉中市,可以看出贡献额排在前4位的指标仍然是做饭燃料、受教育年限、人均住房面积和家庭健康状况,同样,各指标按照贡献的大小排序不仅与其他地级市不同,而且部分指标的贡献额也高于整个片区。同理可以纵向比较分析剩余3个地级市的多维贫困指数分解结果。

  三、深度贫困地区反贫困路径

  进入新时代打好脱贫攻坚战,实施乡村振兴战略,确保2020年贫困地区和贫困人口同全国一道进入全面小康社会是建成全面小康社会的标志性目标和重大战略任务。深度贫困地区脱贫与乡村振兴战略之间是相互促进和相互协调的关系,攻克深度贫困地区脱贫任务,改善深度贫困地区发展条件、增强农户发展能力是实现乡村振兴战略的前提条件。

  本文基于乡村振兴战略的总体要求和深度贫困地区多维贫困测度显示的交叉性、多样性贫困事实,从基础设施建设、教育、健康网络、医疗服务等六方面提出深度贫困地区脱贫路径。

  (一)加强基础设施建设,改善农村居民生活条件

  加强深度贫困地区基础设施建设、改善农村居民的生活条件对深度贫困区多维贫困的减缓有重要的促进作用。特别是针对秦巴山深度贫困地区的生态功能保障特殊性,在生态基础设施建设方面要注重维护生态系统、生态网络和生态自然功能恢复,促进深度贫困区农村居民做饭燃料改革,减少对森林的破坏,在深度贫困区实施安全饮水全覆盖和生活污水无污染处理工程,减缓饮水贫困,继续推进农村危房改造和厕所改革,提高农村居民整体生活水平,使更多的现代生产生活体系逐渐融入深度贫困区。

  (二)积极发展深度贫困地区教育,提升人力资本水平

  教育是影响人力资本的重要方面,提升深度贫困区的教育水平和人力资本水平是隔绝贫困代际传递的重要途径。随着国家在教育领域的一系列改革,包括“两免一补”、农村义务教育和教育精准扶贫在内的一系列政策措施的实施,深度贫困地区的农村教育水平较之前有了很大的改善,大部分学前教育和义务教育的费用由国家承担,极大地减轻了农村家庭的教育负担,但师资水平低下依然是深度贫困地区农村教育事业发展的主要障碍,所以促进教育资源的均等化,加强农村学校师资队伍建设,延长义务教育年限是发展深度贫困地区教育的关键。

  (三)完善深度贫困地区农村健康网络,强化农村医疗服务体系

  健康风险对农户家庭的冲击是深度贫困地区脱贫攻坚任务所面临的一个突出问题,在深度贫困地区因病致贫、因病返贫的家庭不在少数。尽管当前低水平、广覆盖的农村合作医疗政策对农村健康风险冲击的防范发挥了重要的作用,但深度贫困地区医疗资源不足、专业医务人员短缺现象依然严重。此外,深度贫困地区农村健康教育、健康检查、疾病防御体系等方面都比较薄弱,造成某些高发疾病蔓延。深度贫困地区应重点加强健康网络和医疗服务体系建设。

  (四)完善深度贫困地区农村社会保障制度,确实做到社保兜底

  涵盖养老、医疗、就业、生育、社会救助等在内的农村社会保障体系是抵御农村人口陷入贫困的最后一道防线,也是体现社会主义公平性的重要方面。深度贫困地区农村低保的实施有效地解决了丧失劳动能力人口的生存问题,确实起到了社保兜底的作用,但在实际操作中由于其覆盖面广、等级界限划分不清楚引起了诸多社会问题,特别是广泛地覆盖造成“等、靠、要”思想在深度贫困地区盛行,等级界限不清使评审过程的不公正现象十分严重。此外,深度贫困地区农村老龄化现象突出,适当提高农村养老保险的标准使老有所养也是社会保障制度完善的重要方面。

  (五)促进深度贫困地区劳动力流动,拓宽农村居民收入渠道

  对于生存自然环境恶劣、农业发展基础薄弱的深度贫困地区而言,非农就业是摆脱自然条件束缚、提高家庭收入,实现稳定脱贫的有效途径。按照市场化、多元化和社会化的就业培训思想,对深度贫困地区的流动劳动力开展就业培训;建立完善的就业信息服务机构,为深度贫困地区的流动劳动力提供及时、有效、可靠的就业信息;积极做好深度贫困地区劳动力流动转移后续管理服务工作,妥善处理好流动人口的户籍管理、子女就学、就业机会、住房政策和社会保障等方面的相关问题。

  (六)重视深度贫困地区综合发展,有计划地推进乡村振兴

  深度贫困地区综合发展水平较低,有计划地推进乡村振兴战略实施,不断提升区域发展水平是实现深度贫困地区在宏观层面稳定脱贫的重要策略。通過大力发展生态和旅游等优势产业,积极促进一二三产业融合,驱动经济社会整体快速发展,达到产业兴旺、生活富裕和生态宜居的目标;继续加强深度贫困地区城镇化和工业化建设,增强深度区域化发展能力,将更多的发展成果渗透到农村,让更多的现代化元素进入村庄,有效加强乡风文明建设。

  参考文献

  [1]冷志明,雷亿辉.基于新区域主义的我国连片贫困区开发研究[J].经济地理,2011,31(6):646-650.

  [2]Ravallion M.Issues in Measuring and Modeling Poverty [J]. Economic,1996,10(6):1 328-1 343.

  [3] Sen A.Development as Freedom[M].Oxford:Oxford University Press,1999.

  [4]徐秋艳,西力艾里·要勒巴司,谭斌.边疆少数民族连片特困地区多维贫困测度及空间分异——以新疆和田地区为例[J].湖北民族学院学报(哲学社会科学版),2017(3):91-98.

  [5]王磊,李聪.陕西易地扶贫搬迁安置区多维贫困测度与致贫因素分析[J].统计与信息论坛,2019(3):119-129.

  [6]张全红,周强.多维贫困测量及述评[J].经济与管理,2014,28(1):24-31.

  [7]方迎风.中国贫困的多维测度[J].当代经济科学,2012,34(4):7-15.

  [8]张永丽,张佩,卢晓.农户多维贫困测度及其影响因素分析[J].西北农林科技大学学报(社会学科学版),2017,17(5):138-148.

  [9]王素霞,王小林.中国多维贫困测量[J].中国农业大学学报(社会科学版),2013,30(2):129-136.

  [10]车四方,谢家智,舒维佳.社会资本与农户家庭多维贫困的门槛效应分析[J].数理统计与管理,2018,37(6):106 3-107 2.

  [11]张童朝,颜廷武,何可,等.基于市场参与维度的农户多维贫困测量研究——以连片特困地区为例[J].中南财经政法大学学报,2016(3):38-45.

  [12]郭君平,谭清香,曲颂.进城农民工家庭贫困的测量与分析——基于“收入-消费-多维”视角[J].中国农村经济,2018(9):94-109.

  [13]张晓颖,冯贺霞,王小林.流动妇女多维贫困分析——基于北京市451名家政服务从业人员的调查[J].经济评论,2016(3):95-107.

  [14]葛岩,吴海霞,陈利斯.儿童长期多维贫困、动态性与致贫因素[J].财贸经济,2018,39(7):18-33.

  [15]高帅,郭铖,张琴.社会排斥、人情支出与农民工多维脱贫[J].财经科学,2018(6):110-120.

  [16]唐宝珍,宋尚辰.我国外来务工住户多维贫困测度——基于综合模糊和相对方法[J].统计与管理,2018(2):99-102.

  [17]何静,汪侠,刘丹丽,等.国家级贫困县旅游发展与多维贫困的脱钩关系研究——以西南地区为例[J].地理研究,2019,38(5):1 189-1 207.

  [18]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):1 850-1 864.

  [19]赵雪雁,马艳艳,陈欢欢,等.干旱区内陆河流域农村多维贫困的时空格局及影响因素——以石羊河流域为例[J].经济地理,2018,38(2):140-147.

  [20]马奔,丁慧敏,温亚利.生物多样性保护对多维贫困的影响研究——基于中国7省保护区周边社区数据[J].农业技术经济,2017(4):116-128.

  [21]杨振,江琪,刘会敏,等.中国农村居民多维贫困测度与空间格局[J].经济地理,2015,35(12):148-153.

  [22]刘小鹏,苏胜亮,王亚娟,等.集中连片特殊困难地区村域空间贫困测度指标体系研究[J].地理科学,2014,34(4):447-453.

  [23]Alkire Sabina, Foster James.Counting and Multidimensional Poverty Measurement [J].Journal of Public Economics,2011,95(7):476-487.

  [24]Alkire Sabina, Foster James.Understandings and Misunderstandings of Multidimensional Poverty Measurement [J].Journal of Economic Inequality,2011,9(2):289-314.

  [25]Alkire Sabina, Seth Suman.Multidimensional Poverty Reduction in India Between 1999 and 2006: Where and How? [Z].OPHI Working Paper No 60,2013.

  [26]田宇,許建,麻学锋.武陵山片区多维贫困度量及其空间表征[J].经济地理,2017,37(1):162-169.

  [27]王春超,叶琴.中国农民工多维贫困的演进——基于收入与教育维度的考察[J].经济研究,2014,49(12):159-174.

  [28]张全红,周强.中国多维贫困的测度及分解:1989-2009年[J].数量经济技术经济研究,2014,31(6):88-101.

  [29]European Union,Joint Research Centre-European Commission.Handbook on Constructing Composite Indicators:Methodology and User Guide [Z].OECD Publishing,2008.

  [30]Hecht-Nielsen R.Theory of Backpropagation Neural Networks [C]//Proceedings of International Joint Conference on Neural Networks.Washington DC:IJCNN,1989:593-605.

  [31]Khashman A A.Neural Network Model for Credit Risk Evaluation [J].International Journal of Neural Systems,2009,119(4):285.

  Multidimensional Poverty Measure and Analysis of Anti-poverty Path in Deep Poverty Areas Based on the Strategic Perspective of Rural Revitalization

  WANG Bo1,ZHANG Jian2,ZHU Yuchun1*

  (1. College of Economics and Management,Northwest A&F University,Yangling,Shaanxi 712100; 2. School of Statistics and Mathematics,Zhongnan University of Economics and Law,Wuhan 430073, China)

内容推荐