劉 張 發(fā)

(南昌工程學(xué)院 經(jīng)濟(jì)貿(mào)易學(xué)院，江西 南昌 330099)

根據(jù)《中國農(nóng)村扶貧開發(fā)綱要(2011—2020)》①，2012年6月國務(wù)院扶貧辦在全國劃分了11個(gè)集中連片特殊困難地區(qū)，加上已明確實(shí)施特殊扶持政策的西藏、四川藏區(qū)、新疆南疆三地州，共14個(gè)片區(qū)(680個(gè)縣)。集中連片特困地區(qū)是扶貧攻堅(jiān)的主戰(zhàn)場(chǎng)，是新時(shí)期扶貧工作的重點(diǎn)和難點(diǎn)。扶貧工作對(duì)于中國實(shí)現(xiàn)全面小康社會(huì)具有重要的戰(zhàn)略意義。習(xí)近平總書記扶貧戰(zhàn)略思想的突出亮點(diǎn)是實(shí)施精準(zhǔn)扶貧，精準(zhǔn)扶貧的前提就是準(zhǔn)確識(shí)別各特困縣的貧困程度，因此研究集中連片特困地區(qū)各特困縣的貧困程度具有重要的意義。2020年是脫貧攻堅(jiān)的收官之年，2020年中國大部分的貧困縣將脫貧摘帽，但是中央明確規(guī)定摘帽不摘扶貧政策。同時(shí)，脫貧攻堅(jiān)逐步向鄉(xiāng)村振興過渡，鄉(xiāng)村振興同樣涉及到幫扶對(duì)象貧困程度的測(cè)度。

早期的文獻(xiàn)以一維指標(biāo)來衡量農(nóng)村貧困程度，在中國通常采用農(nóng)村人均純收入來衡量。與收入一維貧困相比，多維貧困更能全面準(zhǔn)確地反映貧困程度。自Sen[1]開創(chuàng)多維貧困研究以來，多維貧困已成為學(xué)術(shù)界研究的熱點(diǎn)[2]。部分學(xué)者研究了單一年份的靜態(tài)家庭多維貧困[3-9]，然而，僅僅根據(jù)單一年份的靜態(tài)多維貧困特征并不能反映一段時(shí)期內(nèi)家庭貧困的動(dòng)態(tài)變化，因此有學(xué)者研究了多年份的動(dòng)態(tài)家庭多維貧困[10-16]。由此初步可知，在理論上動(dòng)態(tài)多維貧困測(cè)度貧困程度的準(zhǔn)確性優(yōu)于靜態(tài)多維貧困，靜態(tài)多維貧困優(yōu)于一維貧困。那么，在實(shí)踐運(yùn)用中，三者的測(cè)度結(jié)果區(qū)別到底有多大呢？

測(cè)度多維貧困時(shí)，各維度貧困權(quán)重的確定是關(guān)鍵。Decancq and Lugo[17]認(rèn)為主要有數(shù)據(jù)驅(qū)動(dòng)法、等權(quán)重法[6-9][18]、混合法三種確定各指標(biāo)權(quán)重的方法，謝家智和車四方[2]指出了這三種方法的利弊，并構(gòu)建了含收入、教育、金融等維度的多維度指標(biāo)體系，采用人工神經(jīng)網(wǎng)絡(luò)確定各指標(biāo)的權(quán)重。張全紅和周強(qiáng)采用主成分分析法確定多維貧困中各維度的權(quán)重，測(cè)度了1989—2009年各年中國及中國9省的多維貧困[19]。周揚(yáng)等采用BP神經(jīng)網(wǎng)絡(luò)模型測(cè)度了中國縣域多維貧困程度，確定了國家仍需重點(diǎn)扶持的縣[20]。王博等運(yùn)用A-F指數(shù)，采用反向傳播神經(jīng)網(wǎng)絡(luò)法確定多維貧困中各指標(biāo)的權(quán)重，測(cè)度了秦巴山集中連片深度貧困區(qū)的多維貧困程度[21]。值得注意的是，謝家智和車四方[2]、張全紅和周強(qiáng)[19]、周揚(yáng)等[20]、王博等[21]都沒有利用研究對(duì)象的面板數(shù)據(jù)，沒有測(cè)度相應(yīng)的動(dòng)態(tài)多維貧困程度。

現(xiàn)有文獻(xiàn)鮮有對(duì)一維、靜態(tài)多維和動(dòng)態(tài)多維貧困的比較研究。以下學(xué)者比較了收入一維貧困與靜態(tài)多維貧困：李博等研究發(fā)現(xiàn)收入貧困與多維貧困家庭之間存在巨大的偏離[22]；賀坤和周云波利用2014年國家衛(wèi)生計(jì)生委流動(dòng)人口動(dòng)態(tài)監(jiān)測(cè)數(shù)據(jù)，研究發(fā)現(xiàn)進(jìn)城務(wù)工農(nóng)民大部分不屬于收入貧困，但面臨比較嚴(yán)重的多維貧困[23]；肖榮榮等[24]、周云波和賀坤[25]研究發(fā)現(xiàn)將收入維度納入多維貧困，可顯著提高多維貧困識(shí)別的覆蓋率并降低收入貧困的漏出率?，F(xiàn)有文獻(xiàn)也鮮有對(duì)湖南省集中連片特困地區(qū)特困縣多維貧困的測(cè)度和分析。

本文利用多年份面板數(shù)據(jù)以反映貧困程度的動(dòng)態(tài)變化，為避免確定影響貧困的指標(biāo)權(quán)重時(shí)發(fā)生主觀性及方便測(cè)度動(dòng)態(tài)多維貧困程度，采用主成分分析法確定多維貧困中各維度指標(biāo)的權(quán)重，從理論和實(shí)證上比較了一維、靜態(tài)多維和動(dòng)態(tài)多維貧困的差異。本文的可能貢獻(xiàn)主要體現(xiàn)在以下三個(gè)方面：第一，嘗試采用主成分分析法確定多維貧困中各維度的權(quán)重，進(jìn)而測(cè)度各特困縣的靜態(tài)和動(dòng)態(tài)多維貧困；第二，以湖南省集中連片特困地區(qū)特困縣為例，從理論和實(shí)證兩方面，比較了一維、靜態(tài)多維和動(dòng)態(tài)多維貧困的差異，比較結(jié)論將為測(cè)度評(píng)估對(duì)象的貧困程度提供政策建議；第三，測(cè)度了湖南省集中連片特困地區(qū)各特困縣的貧困程度及貧困排序，為湖南省的扶貧工作提供參考。

一 數(shù)據(jù)、貧困維度和方法

(一)數(shù)據(jù)

中國縣級(jí)數(shù)據(jù)相對(duì)缺失、公開性較差，而且各縣(市)的統(tǒng)計(jì)指標(biāo)未做統(tǒng)一，存在一定的差異，所以本文以中國的一個(gè)省份為例。2012年6月國務(wù)院扶貧辦在全國劃分了11個(gè)集中連片特殊困難地區(qū)，其中涉及湖南的是武陵山區(qū)和羅霄山區(qū)，武陵山區(qū)包括了湖南的31個(gè)縣(市)，羅霄山區(qū)包括了湖南的6個(gè)縣，共計(jì)37個(gè)縣。在各省中湖南省包含的集中連片特困地區(qū)縣的數(shù)量位居前5。因此，結(jié)合數(shù)據(jù)的可得性，文章以湖南省集中連片特困地區(qū)37個(gè)特困縣(市)為研究對(duì)象。文章收集縣級(jí)層面數(shù)據(jù)的時(shí)間為2019年5月，因采用主成分分析測(cè)度各特困縣動(dòng)態(tài)多維貧困時(shí)必須利用平衡面板數(shù)據(jù)，根據(jù)各維度貧困數(shù)據(jù)的可獲得性，最終利用了這37個(gè)特困縣(市)2009—2015年的平衡面板數(shù)據(jù)。

(二)貧困維度

如以一維指標(biāo)來衡量農(nóng)村貧困程度，在中國通常采用農(nóng)村人均純收入(income，單位：元)來衡量。文章采用主成分分析法把多維度的貧困指標(biāo)綜合成一個(gè)貧困得分，以反映特困縣的綜合貧困程度。

因2012年6月國務(wù)院扶貧辦公布全國集中連片特困地區(qū)縣名單，其基本依據(jù)是2007—2009年3年的縣域農(nóng)民(村)人均純收入、縣域國內(nèi)生產(chǎn)總值、人均縣域財(cái)政收入等與貧困程度高度相關(guān)的指標(biāo)，所以文章還從人均縣域國內(nèi)生產(chǎn)總值(GDPpp，單位：元/人)、人均縣域財(cái)政收入(fiscalrevpp，單位：元/人)來衡量特困縣的貧困程度。根據(jù)湖南省縣級(jí)層面數(shù)據(jù)的可獲得性，并參考以往相關(guān)文獻(xiàn)，文章還從以下維度衡量特困縣的貧困程度。參考帥傳敏等[26]的研究，還采用農(nóng)用機(jī)械總動(dòng)力、農(nóng)作物播種面積來反映農(nóng)業(yè)生產(chǎn)性資產(chǎn)。文章分別采用農(nóng)村人均農(nóng)用機(jī)械總動(dòng)力(machinepp，單位：瓦/人)、農(nóng)村人均農(nóng)作物播種面積(sownpp，千公頃/萬人)來衡量這2個(gè)維度的貧困程度。參考郭熙保和周強(qiáng)[27]、Alkire and Housseini[28]的研究，還從教育、醫(yī)療服務(wù)方面來反映貧困程度。因無法獲得縣級(jí)層面人均受教育年限數(shù)據(jù)，以普通中學(xué)師生比(專任教師數(shù)與在校生數(shù)之比middleteastu，單位：人/千人)、普通小學(xué)師生比(primaryteastu，單位：人/千人)來衡量教育維度的貧困程度。采用人均醫(yī)院和衛(wèi)生院床位數(shù)(bedpp，單位：個(gè)/千人)、人均衛(wèi)生技術(shù)人員(medicalp，單位：人/萬人)來衡量醫(yī)療服務(wù)維度的貧困程度。因信貸的可獲得性會(huì)影響多維貧困程度[29-30]，參考帥傳敏等[26]的研究，還從縣域貸款額來反映金融可獲得性，文章采用人均貸款額(loanpp，單位：元/人)來衡量這個(gè)維度的貧困程度。綜上可知，文章從10個(gè)貧困維度來初步反映各特困縣的貧困程度，進(jìn)而采用主成分分析法得出各特困縣的綜合貧困程度。

(三)方法②

綜合數(shù)據(jù)的可獲得性和可靠性，本文收集的數(shù)據(jù)范圍為2009—2015年，所以以2015年的農(nóng)村人均純收入來評(píng)估各特困縣的一維貧困，以2015年10個(gè)貧困維度的截面數(shù)據(jù)來評(píng)估靜態(tài)多維貧困，以2009—2015年10個(gè)貧困維度的平衡面板數(shù)據(jù)來評(píng)估動(dòng)態(tài)多維貧困。測(cè)度靜態(tài)多維貧困時(shí)進(jìn)行一次主成分分析，參考烏拉孜別克·熱蘇力汗[31]的研究，測(cè)度動(dòng)態(tài)多維貧困時(shí)進(jìn)行二次主成分分析。

靜態(tài)多維貧困方面。根據(jù)主成分分析原理，湖南省2個(gè)集中連片特困地區(qū)的37個(gè)特困縣(市)的靜態(tài)多維貧困得分F=X×C×B。其中，X為37個(gè)特困縣10個(gè)貧困維度的2015年截面數(shù)據(jù)標(biāo)準(zhǔn)化后組成的37行10列矩陣，C為特征向量組成的10行5列③矩陣，B為貢獻(xiàn)率bi組成的5行1列矩陣，得出的F矩陣為37行1列矩陣，每行的取值分別對(duì)應(yīng)37個(gè)特困縣的靜態(tài)多維貧困得分(fonly2015)。

動(dòng)態(tài)多維貧困方面。首先，根據(jù)主成分分析原理，湖南省2個(gè)集中連片特困地區(qū)的37個(gè)特困縣(市)2009—2015年的各年靜態(tài)多維貧困得分F=X×C×B。其中，X為37個(gè)特困縣10個(gè)貧困維度的各年截面數(shù)據(jù)標(biāo)準(zhǔn)化后組成的37行10列矩陣，C為特征向量組成的10行5列矩陣，B為貢獻(xiàn)率bi組成的5行1列矩陣，得出的F矩陣為37行1列矩陣，每行的取值分別對(duì)應(yīng)37個(gè)特困縣各年的靜態(tài)多維貧困得分(對(duì)應(yīng)為f2009、f2010、f2011、f2012、f2013、f2014、f2015)。其次，把37個(gè)特困縣的f2009—f2015標(biāo)準(zhǔn)化后再進(jìn)行第二次主成分分析，進(jìn)而得出各特困縣的動(dòng)態(tài)多維貧困得分(ftwopca)。

二 一維、靜態(tài)多維和動(dòng)態(tài)多維貧困實(shí)證分析

(一)描述性統(tǒng)計(jì)

10個(gè)貧困維度指標(biāo)的描述性統(tǒng)計(jì)如表1所示，各特困縣農(nóng)村人均純收入、人均GDP、人均財(cái)政收入的50%分位數(shù)都小于它們的均值，說明就這3個(gè)指標(biāo)而言，至少超過一半的特困縣在平均水平以下。各特困縣農(nóng)村人均純收入、人均GDP、人均財(cái)政收入、農(nóng)村人均農(nóng)用機(jī)械總動(dòng)力、人均貸款額的方差很大，說明各特困縣在經(jīng)濟(jì)、農(nóng)業(yè)生產(chǎn)性資產(chǎn)、金融可獲得性方面差距很大。各特困縣普通中學(xué)師生比、普通小學(xué)師生比、人均醫(yī)院和衛(wèi)生院床位數(shù)、人均衛(wèi)生技術(shù)人員的方差較小，說明各特困縣在教育、醫(yī)療方面相差不是很大。

表1 10個(gè)貧困維度指標(biāo)的描述性統(tǒng)計(jì)

(二)一維和靜態(tài)多維貧困

根據(jù)前文分析，37個(gè)特困縣的一維貧困得分主要根據(jù)2015年各特困縣的農(nóng)民人均純收入(income，單位：元)來衡量，具體取值見表2。為比較一維、靜態(tài)多維和動(dòng)態(tài)多維貧困得分，本文分別把這3個(gè)得分(income、fonly2015、ftwopca)都標(biāo)準(zhǔn)化為均值為10、方差為2的數(shù)④，標(biāo)準(zhǔn)化后的得分取值分別為stdincome、stdfonly2015、stdftwopca。為了解37個(gè)特困縣的貧困程度排序，本文對(duì)stdincome的取值進(jìn)行了升序排序⑤，排序名次取值為sortincome。由表2可知，sortincome取值為1時(shí)，表示從農(nóng)民人均純收入維度而言，湖南古丈縣為37個(gè)特困縣中最貧困的縣。

為避免實(shí)證結(jié)論受指標(biāo)量綱和數(shù)量級(jí)的影響，本文首先對(duì)2015年10個(gè)貧困維度的截面數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化處理，然后得出相應(yīng)的標(biāo)準(zhǔn)正交特征向量，特征向量見表3。特征根、貢獻(xiàn)率及累積貢獻(xiàn)率見表4，貢獻(xiàn)率bi=λi/(∑λi)，累積貢獻(xiàn)率∑bi(其中，i=1，2……k)表示前k個(gè)主成分從10個(gè)指標(biāo)中提取的信息量，如∑bi≥85%[31]，則可認(rèn)為前k個(gè)主成分已基本反映了原10個(gè)指標(biāo)的主要信息，取前k個(gè)主成分已足以說明問題，后面10-k個(gè)主成分可以省略。由表4可知，當(dāng)累積貢獻(xiàn)率∑bi=0.8604>0.85時(shí)，可選擇主成分個(gè)數(shù)k=5，說明前5個(gè)主成分包含了原始數(shù)據(jù)提供信息總量的86.04%。37個(gè)特困縣的靜態(tài)多維貧困得分(fonly2015)取值見表2，標(biāo)準(zhǔn)化后的取值為stdfonly2015，stdfonly2015的排序名次取值為sortonly2015。因10個(gè)貧困維度的指標(biāo)都是取值越小，表示該特困縣越貧困，所以靜態(tài)和動(dòng)態(tài)多維貧困得分取值越小也表示越貧困。由表2可知，從靜態(tài)多維貧困而言，37個(gè)特困縣中最貧困的縣為湖南隆回縣。

表2 一維、靜態(tài)和動(dòng)態(tài)多維貧困得分及各縣貧困程度排序

表3 2015年截面數(shù)據(jù)主成分分析的特征向量

表4 2015年截面數(shù)據(jù)主成分分析的特征根、貢獻(xiàn)率及累積貢獻(xiàn)率

(三)動(dòng)態(tài)多維貧困

首先，按照前文類似的主成分分析法，得出37個(gè)特困縣各年的多維貧困得分。2009—2015年各年的多維貧困得分分別為f2009—f2015，具體取值見表5。表5中各縣f2009—f2015的取值變化反映了各縣在2009—2015年的相對(duì)貧困程度變化情況。因10個(gè)貧困維度的指標(biāo)都是取值越小，表示該特困縣越貧困，所以靜態(tài)和動(dòng)態(tài)多維貧困得分取值越小也表示越貧困。以邵陽縣為例，由表5的f2009取值可知，2009年37個(gè)縣中最貧困的縣為邵陽縣，即2009年邵陽縣的貧困程度排第一。同理可知，邵陽縣在2010—2015年的相對(duì)貧困程度排名分別為第一、第二、第二、第一、第三、第四。其它縣的相對(duì)貧困程度變化可類似得出。

其次，本文對(duì)37個(gè)特困縣各年的多維貧困得分f2009—f2015再做一次主成分分析。對(duì)f2009—f2015的取值標(biāo)準(zhǔn)化后，得出相應(yīng)的特征向量、特征根、貢獻(xiàn)率及累積貢獻(xiàn)率。特征向量見表6，特征根、貢獻(xiàn)率及累積貢獻(xiàn)率見表7。由表7可知，當(dāng)累積貢獻(xiàn)率∑bi=0.8527>0.85時(shí)，可選擇主成分個(gè)數(shù)k=1，說明前1個(gè)主成分包含了原始數(shù)據(jù)提供信息總量的85.27%。37個(gè)特困縣的動(dòng)態(tài)多維貧困得分(ftwopca)取值見表2或表5，標(biāo)準(zhǔn)化后的取值為stdftwopca，stdftwopca的排序取值為sorttwopca。由表2可知，從動(dòng)態(tài)多維貧困而言，37個(gè)特困縣中最貧困的縣為湖南邵陽縣。

三 一維、靜態(tài)多維和動(dòng)態(tài)多維貧困得分的比較

(一)理論比較

一維貧困通常以農(nóng)村人均純收入來衡量，但貧困不僅僅表現(xiàn)在收入方面，還表現(xiàn)在人均國內(nèi)生產(chǎn)總值、人均財(cái)政收入、農(nóng)業(yè)生產(chǎn)、教育、醫(yī)療服務(wù)、金融資源、生活設(shè)施、交通便利度等各方面。因此，多維貧困得分能更全面準(zhǔn)確地反映評(píng)估對(duì)象的貧困程度。靜態(tài)多維貧困得分往往借助截面多維度數(shù)據(jù)，能夠反映某單一年份的靜態(tài)多維貧困特征。值得注意的是，某些特殊事件會(huì)對(duì)評(píng)估對(duì)象該年的一個(gè)或多個(gè)維度的貧困指標(biāo)產(chǎn)生重大影響，比如該年發(fā)生地震、自然災(zāi)害等。這時(shí)如僅僅根據(jù)該年一年的多維貧困指標(biāo)，很可能會(huì)高估該評(píng)估對(duì)象的貧困程度。近年來，部分學(xué)者關(guān)注的動(dòng)態(tài)多維貧困避免了此缺陷。動(dòng)態(tài)多維貧困借助評(píng)估對(duì)象的多年份面板數(shù)據(jù)，能反映一段時(shí)期內(nèi)評(píng)估對(duì)象貧困的動(dòng)態(tài)變化，因此其最能全面準(zhǔn)確地反映評(píng)估對(duì)象的貧困程度。

表5 37個(gè)特困縣2009—2015年各年的多維貧困得分及期間的綜合貧困程度

表6 f2009—f2015主成分分析的特征向量

表7 f2009—f2015主成分分析的特征根、貢獻(xiàn)率及累積貢獻(xiàn)率

(二)實(shí)證比較

為檢驗(yàn)一維、靜態(tài)多維和動(dòng)態(tài)多維貧困得分的準(zhǔn)確性，本文以湖南省郴州市安仁縣、桂東縣、汝城縣和宜章縣4縣為例，比較這4縣的三種貧困得分。由表5可知，如根據(jù)標(biāo)準(zhǔn)化后的一維貧困取值stdincome、貧困程度排序sortincome，4縣的貧困程度由高到低為桂東縣、宜章縣、汝城縣、安仁縣。但是，根據(jù)4縣的實(shí)際經(jīng)濟(jì)發(fā)展情況可知，宜章縣的貧困程度要低于汝城縣和安仁縣。由此可知，根據(jù)農(nóng)民人均純收入一維貧困得到的貧困程度與現(xiàn)實(shí)情況存在偏差。同理，根據(jù)標(biāo)準(zhǔn)化后的靜態(tài)多維貧困得分stdfonly2015、貧困程度排序sortonly2015可知，4縣的貧困程度由高到低為桂東縣、汝城縣、安仁縣和宜章縣，這個(gè)排序與實(shí)際情況更吻合。根據(jù)標(biāo)準(zhǔn)化后的動(dòng)態(tài)多維貧困得分和貧困程度排序，4縣的貧困程度由高到低也為桂東縣、汝城縣、安仁縣和宜章縣。綜上可知，根據(jù)舉例比較可知，靜態(tài)和動(dòng)態(tài)多維貧困得分要優(yōu)于一維貧困得分。

以標(biāo)準(zhǔn)化后的動(dòng)態(tài)多維貧困得分、貧困程度排序?yàn)榛鶞?zhǔn)，本文計(jì)算了標(biāo)準(zhǔn)化后的一維貧困得分、靜態(tài)多維貧困得分、基于一維貧困得分的貧困程度排序、基于靜態(tài)多維貧困得分的貧困程度排序的偏差和偏差程度⑥，具體見表8。由表8可知，以動(dòng)態(tài)多維貧困得分及其貧困程度排序?yàn)榛鶞?zhǔn)，一維和靜態(tài)多維貧困得分及它們貧困程度排序都存在不小的偏差。相對(duì)一維貧困而言，靜態(tài)多維貧困的偏差和偏差程度都要小很多。

表8 一維和靜態(tài)多維貧困相對(duì)于動(dòng)態(tài)多維貧困的偏差和偏差程度

(三)湖南省2個(gè)集中連片特困地區(qū)中各區(qū)域貧困程度的比較

湖南省集中連片特困地區(qū)主要包括武陵山區(qū)和羅霄山區(qū)，其中武陵山區(qū)涉及湖南的7個(gè)市(州)的31個(gè)特困縣(市)、羅霄山區(qū)涉及湖南的2個(gè)市的6個(gè)縣，具體見表9。為比較各區(qū)域的平均貧困程度，本文計(jì)算了各區(qū)域標(biāo)準(zhǔn)化后的動(dòng)態(tài)多維貧困得分均值。由表9可知，武陵山區(qū)、羅霄山區(qū)各縣的平均貧困程度相差不大，武陵山區(qū)各縣的平均貧困程度稍微嚴(yán)重。在武陵山區(qū)，湖南婁底市各特困縣的平均貧困程度最高，其次是湖南邵陽市各特困縣的平均貧困程度。在羅霄山區(qū)，湖南郴州市各特困縣的平均貧困程度要比株洲市各特困縣的更為嚴(yán)重。

四 結(jié)論與政策建議

本文以湖南省集中連片特困地區(qū)為例，利用湖南省集中連片特困地區(qū)的37個(gè)特困縣2009—2015年10個(gè)貧困維度的平衡面板數(shù)據(jù)，考察了一維、靜態(tài)多維和動(dòng)態(tài)多維貧困的理論和實(shí)證差異。研究發(fā)現(xiàn)：(1)一維、靜態(tài)多維和動(dòng)態(tài)多維貧困得分中，動(dòng)態(tài)多維貧困得分更能全面準(zhǔn)確地反映特困縣的貧困程度。相對(duì)于動(dòng)態(tài)多維貧困得分，一維和靜態(tài)多維貧困得分都存在不小的偏差，但靜態(tài)多維貧困得分的偏差、基于靜態(tài)多維貧困得分的各縣貧困程度排序偏差要小很多。(2)湖南省武陵山區(qū)、羅霄山區(qū)各特困縣的平均貧困程度相差不大，武陵山區(qū)各特困縣的平均貧困程度稍微嚴(yán)重。在武陵山區(qū)，湖南婁底市各特困縣的平均貧困程度最高，其次是湖南邵陽市各特困縣的平均貧困程度，湖南常德市各特困縣的平均貧困程度最低。在羅霄山區(qū)，湖南郴州市各特困縣的平均貧困程度要比株洲市各特困縣的更為嚴(yán)重。

表9 湖南省集中連片特困地區(qū)各區(qū)域平均貧困程度

本文的理論分析和經(jīng)驗(yàn)證據(jù)具有以下政策含義：(1)因各特困縣農(nóng)村人均純收入、人均GDP、人均財(cái)政收入、人均貸款額相差很大，所以政府等主體幫扶各特困縣時(shí)必須采用差異化的政策。如針對(duì)農(nóng)村人均純收入相對(duì)更低的縣注重農(nóng)村就業(yè)扶貧、農(nóng)村產(chǎn)業(yè)扶貧；針對(duì)人均GDP或人均財(cái)政收入相對(duì)更低的縣注重產(chǎn)業(yè)扶貧，針對(duì)人均貸款相對(duì)更低的縣注重金融扶貧、鼓勵(lì)金融機(jī)構(gòu)特別是其中的政策性銀行向這些縣提供更多的貸款。(2)評(píng)估貧困程度時(shí)，應(yīng)采用動(dòng)態(tài)多維貧困得分的方法，以提高評(píng)估的全面和準(zhǔn)確性，做到精準(zhǔn)扶貧。采用一維貧困評(píng)估得出的結(jié)論可能會(huì)有所偏差。本文的靜態(tài)和動(dòng)態(tài)多維貧困測(cè)度方法可供其它省份參考。(3)集中連片特困地區(qū)特困縣有關(guān)部門應(yīng)重視貧困相關(guān)數(shù)據(jù)的收集，構(gòu)建全面、準(zhǔn)確的扶貧電子數(shù)據(jù)庫，為政府制定精準(zhǔn)扶貧方案提供有力的數(shù)據(jù)支持。貧困維度包含經(jīng)濟(jì)、農(nóng)業(yè)生產(chǎn)、教育、醫(yī)療和金融5個(gè)方面，因缺乏數(shù)據(jù)而未包含就業(yè)、生活、交通等其它方面。同時(shí)，逐步實(shí)現(xiàn)各特困縣扶貧數(shù)據(jù)聯(lián)網(wǎng)和共享，樹立特困縣脫貧事例先進(jìn)典型，帶動(dòng)其它特困縣加快脫貧致富步伐，共同推進(jìn)集中連片地區(qū)精準(zhǔn)扶貧任務(wù)。(4)在湖南省集中連片特困地區(qū)扶貧工作中應(yīng)向武陵山區(qū)傾斜，特別是應(yīng)該重視武陵山區(qū)中地處湖南省婁底市和邵陽市的特困縣。

注釋：

①http://www.sara.gov.cn/ztzz/gjzjjfpzt/zc_fp/332785.htm。

②參考Alkire and Foster的雙界線法，確定每個(gè)貧困維度指標(biāo)的被剝奪臨界值。參見ALKIRE S, FOSTER J. Counting and multidimensional poverty measurement[J]. Journal of Public Economics, 2011, 95(7): 476-487.因多維貧困指數(shù)與多維貧困發(fā)生率相關(guān)，按照這種方法只能計(jì)算出總體樣本(全部縣)的多維貧困指數(shù)，并不能得到每個(gè)縣的多維貧困指數(shù)。只有各縣的綜合貧困程度指標(biāo)，才能反映各縣的相對(duì)貧困程度。在現(xiàn)實(shí)中多維剝奪并非嚴(yán)格的非此即彼，很可能存在“接近貧困”“容易變?yōu)樨毨А薄斑h(yuǎn)離貧困”等多種狀態(tài)。參見張楠,張棟浩,李建軍,等.長期減貧的未雨綢繆:來自扶貧改革試驗(yàn)區(qū)的證據(jù)[J].財(cái)貿(mào)經(jīng)濟(jì),2020(3):20-35.事實(shí)上，很多貧困指標(biāo)也沒有政府規(guī)定的或?qū)W界普遍接受的門檻值，很多貧困指標(biāo)的門檻值往往是作者自己設(shè)定的。

③5列是根據(jù)文后的累積貢獻(xiàn)率確定的。文后矩陣C的列和矩陣B的行類似確定。

④實(shí)際上，為了便于文后的分析，只要使用相同的標(biāo)準(zhǔn)化方法使得income、fonly2015、ftwopca的取值都大于零即可，并不一定要把這三者標(biāo)準(zhǔn)化為均值為10、標(biāo)準(zhǔn)差為2的數(shù)。

⑤因income標(biāo)準(zhǔn)化后的取值為stdincome，所以37個(gè)特困縣兩者取值的排序完全一致。fonly2015、ftwopca與它們標(biāo)準(zhǔn)化后的取值stdfonly2015、stdftwopca的排序也一致。

⑥標(biāo)準(zhǔn)化一維貧困得分偏差等于標(biāo)準(zhǔn)化動(dòng)態(tài)多維貧困得分減去標(biāo)準(zhǔn)化一維貧困得分的絕對(duì)值，其偏差程度等于其偏差除以標(biāo)準(zhǔn)化動(dòng)態(tài)多維貧困得分。基于一維貧困得分的貧困程度排序的偏差等于基于動(dòng)態(tài)多維貧困得分的貧困程度排序減去基于一維貧困得分的貧困程度排序的絕對(duì)值，其偏差程度等于其偏差除以基于動(dòng)態(tài)多維貧困得分的貧困程度排序。靜態(tài)多維貧困得分的偏差及偏差程度計(jì)算類似。