基于空间计量模型的云南农村贫困格局及其影响因素诊断

张博胜，杨子生

（1. 云南财经大学经济学院，昆明 650221；2. 云南财经大学国土资源与持续发展研究所，昆明 650221；3. 云南财经大学精准扶贫与发展研究院，昆明 650221）

0 引 言

消除贫困、改善民生，逐步实现共同富裕，是社会主义的本质要求。自1978年以来中国先后经历了从农村经营制度改革推动扶贫阶段（1978－1985年）、大规模开发式扶贫阶段（1986－1993年）、扶贫攻坚阶段（1994－2000年）[1]。现阶段，更是将精准扶贫作为国家扶贫开发的重大战略，农村贫困问题既是当前社会各界共同关注的热门话题，也是长期以来学术界研究的重大议题。

早期对贫困问题代表性的理论研究观点是1953年美国经济学家纳克斯在《不发达国家的资本形成问题》一书中提出的“贫困恶性循环论”[2]。此后，随着学术界对贫困问题研究的不断深入，不少学者从地理学角度提出了“空间贫困陷阱”的观点[3-7]，主要思想是贫困的空间集中更多是由地理因素所引致。国内的部分学者也认为大多数国家的贫困人口主要分布在生态环境恶劣、地理位置偏僻、公共基础服务设施严重不足的区域[8-9]。近年来，随着精准扶贫战略的实施，贫困问题的探究再次引起了学术界的浪潮，而贫困影响因素的研究则是其重要内容之一。蔡亚庆等[10]运用持续10 a的微观调研面板数据研究发现，除人力资本、社会排斥性、收入风险等对农户贫困持续性产生影响外，地区资源禀赋，尤其是市场经济条件差异会对农户持续性贫困产生显著影响；杨慧敏等[11-12]根据 2种类型的微观农户数据研究农户致贫因素，除了“户主受教育程度”以外，其余因素存在较大差异；张永丽等[13]则根据甘肃省农户社会调查资料研究认为，除了收入贫困以外，交通、教育和健康方面的贫困更加严重。刘彦随等[14]利用地理探测器方法诊断出了影响河北阜平县村域农村贫困化地域分异的主导因素包括地面坡度、人均耕地资源、到主要干道距离和到县城中心距离；武鹏等[15]研究发现，陕西山阳县村域贫困的主要因素是危房比例、农民人均可支配收入、外出务工人数比例、到最近公路的距离、水网密度和农户入社比例6个指标。王永明等[16]研究发现，15°～30°坡度占比、到所在市中心的距离、青少年人口占比、少数民族人口占比是导致贵州区县层面乡村贫困空间差异的显著因素；杨慧敏等[17]指出，工业化水平、居民储蓄水平、气温、湿度、到最近城市的距离、国道道路密度、期初经济水平7个因子是影响河南省县域贫困程度的显著因素；蔡进等[18]则认为25°以下坡度占比、到重庆市政府驻地距离、耕地质量、城镇化水平、人均可支配收入、万人大学生人口占比、文盲人口占比、少数民族占比 7个因素是影响重庆市县域农村多维贫困空间分异的主要因素。从区域经济和地理学角度而言，相比家庭农户的微观尺度，中、宏观尺度的区域性贫困更容易被察觉，扶贫政策制定与实施的效果会更加明显，惠及面更广，家庭农户也能因此而受益。因此，中、宏观尺度的区域贫困研究仍然十分必要。然而，通过上述文献可以看出，一方面不论是微观农户贫困影响因素，还是村、县等区域性贫困影响因素，已有文献的研究结论仍存在较大分歧，还难以做到窥一斑而知全豹；另一方面，区域性贫困往往具有空间地域性特征，贫困属性和致贫因素常常伴随着空间关联性（空间效应），而已有不少文献仅通过简单相关分析[18]或多元线性回归分析[15,19]等方法对区域性贫困影响因素进行识别，较少论及要素空间关联性的诊断，所得出的研究结论仍值得进一步深究，尤其对于地域性极其复杂的区域，空间关联性更加明显，因此结合空间关联性探析区域性贫困影响因素显得尤为重要。

基于此，本文选取中国西南边疆农村贫困典型区域的云南省为研究对象，结合其“边疆、山区、民族、贫困”的地域特征，以县域尺度为研究基本单元，在分析其农村贫困格局的基础上，结合区域贫困空间关联性，运用空间计量经济模型分析方法和 GIS空间分析技术，重点揭示影响县域农村贫困的主要影响因素及空间影响效应，并分区域提出减贫建议，以期为贫困理论研究提供案例支撑，为区域宏观减贫政策的制定与实施提供科学依据。

1 贫困的内涵、数据及方法

1.1 贫困的内涵界定

贫困的内涵较为丰富，按照贫困程度划分，通常有绝对贫困和相对贫困之分[20]，而根据贫困对象的不同，又表现为人口贫困和区域贫困[21]。本文主要以区域农村绝对贫困人口比例（即贫困发生率）来反映区域贫困程度。对区域贫困内涵的界定，李裕瑞等[22]认为，贫困是自然-生态、经济-社会、制度-政策等因素相互制约而致地域功能及其价值实现机制出现障碍，以致区域发展落后、居民生活水平偏低的特殊现象。丁建军等[23]则认为，区域贫困可以被理解为特定时空情境下“人”（贫困主体）、“业”（生计活动）、“地”（自然和社会环境）维度上的剥夺或三者之间未能实现协调发展的过程与状态。总体而言，贫困主要用来反映社会经济落后，属于区域人口、资源、环境发展不协调不充分，利用方式不匹配，以致内生系统功能紊乱、价值实现受阻的社会现象。通常表现为经济水平低下，公共服务缺失，人口结构老弱化突出，劳动力及其他资源供给有限，且产出效率偏低，发展能力明显不足等。

1.2 数据来源

本文所涉及的云南省及129个县、区、市（统称为县）2010－2015年社会经济相关数据主要来源于《2011－2016年云南省统计年鉴》，《云南省2010年人口普查资料》、《中国 2010年人口普查分县资料》及《中国县域统计年鉴（县市卷）2011－2016》，2010－2015年129个县农村贫困人口与贫困发生率数据来自于《2012－2016年云南调查年鉴》，2016年云南省和全国农村贫困发生率数据则来自于《中国农村贫困监测报告 2017》；地理空间数据来自于30 m×30 m云南省栅格DEM数据（获取自地理空间数据云平台），交通距离数据来自于 GOOGL地图，坝区土地面积比例和人均耕地数据来源于云南省第二次全国土地调查数据[24-25]，云南省县级行政区划界线来源于云南省第二次全国土地调查矢量数据。

1.3 研究方法

空间关联性在区域性要素之间普遍存在，表现为空间效应特征，对研究区域农村贫困具有重要意义。空间计量经济模型具有有效分析空间效应的特性，在许多学科得到了较为广泛的应用。尤其在研究要素存在空间自相关性时，空间计量经济模型将具有明显的优势。

1.3.1 全局空间自相关分析

空间自相关分析结合了计量经济学自相关性和地理学第一定律[26]，很好的诠释了地理空间要素之间的关系，并用Moran's I指数进行定量表达。空间自相关分析包括全局空间自相关分析和局部空间自相关分析，全局空间自相关分析可以描述整个研究区域的农村贫困化空间分布特征，是分析空间异质性的重要手段。Moran's I指数计算见式（1）。

式中n表示县域个数，本文共涉及129个县，xi和xj分别县域i和县域j的贫困发生率观测值，x表示观测值的平均值，Wij为邻接单元的空间权重矩阵W中的元素，用以定义研究地区的空间关系，S2表示观测值 xi的方差。标准化状态下，Moran's I值域为[-1～1]，越接近1，聚集程度越明显；越接近-1，离散程度越明显；越接近0，随机程度越明显。常用Z值得分或统计显著性水平P（概率）来衡量，分析过程中ArcGIS软件可自行计算。此外，常与空间自相关分析相配合使用的还有聚类分析中的热点分析（Getis-ord Gi*）和分组分析等GIS空间分析方法，它们可以将分析结果以制图方式可视化输出，便于分析结果的直观表达。

1.3.2 空间计量经济模型

空间计量经济学理论认为，一个地区空间单元上的某种经济地理现象或者某一属性与邻近地区空间单元上同一现象或属性值是相关的[27]，当存在这种空间相关性时，普通最小二乘法（ordinary least squares，OLS）估计一般会失效。而客观现实是，事物之间的空间依存关系是普遍存在的，尤其截面数据的空间关联性更为明显，这一事实打破了大多数经典统计或计量分析中的独立性假设[28]。空间计量分析方法是在经典计量分析的基础上，引入地理位置及空间相互作用的地理空间数据，从而建立起计量关系，以识别和度量空间变动的规律和空间模式的影响因素。空间计量经济学模型有多种，本文采用纳入了空间效应的空间常系数回归模型，包括空间滞后模型（spatial lag model, SLM）、空间误差模型（spatial error model, SEM）与空间变系数回归模型中的地理加权回归模型（geographically weighted regression, GWR），这3种模型是学术研究中较为常用的空间计量分析方法。

1）空间滞后模型（SLM），主要是探讨因变量在一定区域内是否有扩散效应，当存在空间扩散效应时，仅考虑自身的解释变量不足以很好的估计和预测该因变量的变化趋势，还需适当考虑由于空间结构造成的影响。其模型表达见式（2）。

式中Y为因变量向量；X为n个样本，k个解释变量构成的n×k阶外生解释变量矩阵；参数β反映了X对Y的影响程度；ρ为空间自回归系数，反映相邻空间单元之间扩散（溢出）程度；Wy为空间滞后因变量，反映空间距离对空间行为的作用；ε为随机误差向量。

2）空间误差模型（SEM），主要验证存在于扰动误差项之中的空间依赖作用，用以度量邻接地区关于因变量的误差冲击对本地观察值的影响程度。其模型表达见式（3）。

式中λ为截面因变量向量的空间误差系数，反映了样本观察值中的空间依赖作用，即邻接地区因变量误差冲击对本地区因变量的影响程度。μ为正态分布的随机误差向量。

3）地理加权回归模型（GWR），是Fotheringham和Brunsdon基于局部光滑思想提出的空间回归模型，它是一种用于建模空间变化关系的线性回归的局部形式[29]。GWR将要素的空间属性以权重的方式纳入回归方程，使变量间同时考虑了计量关系和空间关系，有效处理了回归分析中的空间非平稳问题[30]，从而实现变量间的关系随空间位置的变化而变化的目的。GWR最大特点是，回归系数会随着空间位置的变化而变化，即变系数回归模型。GWR模型结构形式见式（4）。

式中yi是第i个地区被解释变量的观测值；xik是第i个地区的第k个解释变量观测值；(ui,vi)为第i个地区的地理位置；β0(ui,vi)为第i个样本的截距项；βk(ui,vi)是地区i的第k个自变量的系数；εi为随机误差项。

2 云南省农村贫困格局分析

2.1 云南省地域特征与农村贫困基本概况

云南省位于中国西南地区，集“边疆、山区、民族、贫困”于一身，北回归线横贯云南省南部，属低纬度内陆地区，东部与贵州省、广西壮族自治区为邻，北部与四川省相连，西北部紧依西藏自治区，西部与缅甸接壤，南部和老挝、越南毗邻，全省有25个边境县分别与缅甸、老挝和越南交界，是中国通往东南亚、南亚的窗口和门户。云南属于云贵高原区和藏东南横断山区，地形主要由波状起伏的高原和横断山地组成。全省山地约占84%，高原、丘陵约占10%，盆地、河谷约占6%，平均海拔约2 000 m左右，最高海拔6 740 m，最低海拔76.4 m[25]，整个地势西北高耸，南部与西部低伏，呈现明显的山地区域分布特征（图1）。全省有25个少数民族，部分民族还属于直过民族（即由原始社会直接跨入社会主义社会的民族），是全国贫困人口最多，贫困县最多的省份，属于全国农村贫困的典型区域。

图1 云南省地形示意图Fig.1 Terrain map of Yunnan province

据《中国农村扶贫开发概要》[1]显示，全国列入《国家八七扶贫攻坚计划》的扶贫重点县共 592个，其中云南省有73个（图2a）。后来国家对扶贫重点县进行了局部调整，云南省腾冲、宾川、祥云、牟定和石屏 5个县被调出了扶贫重点县行列，同时梁河、勐腊、宁洱、永胜和鹤庆5个县则列入了扶贫重点县名单[31]。2012年6月国务院扶贫办公布了全国14个集中连片特困区，其中云南省涉及4个片区，85个县，包括滇西边境片区（56个县）、乌蒙山片区（15个县）、滇黔桂石漠化片区（11个县）和四省藏区（3个县）[32]（图2b）。73个扶贫重点县和85个集中连片特困县，共同形成了全省88个国家级贫困县（图2c）。

按照最新国家贫困线统一标准（2010年不变价，农民人均纯收入2 300元），云南省2010农村贫困人口规模达1 468万人，农村贫困发生率高达39.56%，是同期全国平均水平的2.3倍。随着扶贫开发工作的推进，2010－2016年农村贫困人口逐年减少，到2016年全省贫困人口减少为373万人，贫困发生率降低到10.1%，年均降低4.91%。但是贫困发生率却依然是全国的2.24倍，而且7 a来，这种趋势先降后升（图3），反映出云南省贫困人口规模虽然减少，但相对贫困程度并未降低，依然是全国农村贫困的高发区域。

图2 云南省贫困县空间分布Fig.2 Spatial distribution of poverty counties in Yunnan province

图3 2010-2016年云南省与全国农村贫困发生率比较Fig.3 Comparison of rural poverty incidence between Yunnan province and China during 2010-2016

2.2 云南省县域农村贫困特征分析

为了便于分析，将农村贫困发生率进行分级处理，根据云南省将贫困发生率 20%以上作为深度贫困县的主要筛选条件这一规定，并参考已有研究[14-15]的分级方法（每10%为1个等级），结合贫困发生率降至3%以下是西部地区贫困县退出的主要依据，将3%作为重要的分界点，其余分界点则按照 10%的倍数等分，进行贫困程度分级，具体分级见表1，并以此计算各分级县域个数所占比例。

表1 2010－2015年云南省不同贫困等级县域数量比例Table 1 Quantitative proportion of different poverty grades in Yunnan province during 2010－2015%

由表1可以看出，2010年全省129个县中属于Ⅰ、Ⅱ级贫困的仅占 13%左右，属于Ⅲ、Ⅳ级贫困的略超过30%，属于Ⅴ、Ⅵ级贫困的则占50%以上，表现出较明显的区域性整体贫困的态势。随着扶贫开发工作的逐步推进，贫困人口逐年减少，到2015年县域农村贫困面貌整体改善，50%以上的县处在Ⅱ级贫困及以下。6 a间不同贫困等级贫困县占比总体表现出“集聚-交汇-分散”的变化趋势（图 4）。具体而言，2010－2011年Ⅵ级贫困县比例大幅下降，Ⅰ、Ⅱ、Ⅲ级贫困县比例略微上升（集聚期）；2011－2013年Ⅰ、Ⅱ、Ⅲ级贫困县比例继续上升，Ⅳ、Ⅴ、Ⅵ级贫困县比例缓慢下降。在此期间，Ⅳ、Ⅴ、Ⅵ级贫困县比例与Ⅰ、Ⅱ级相交汇（交汇期）；2013－2015年Ⅱ级贫困县比例大幅上升，而Ⅳ、Ⅴ、Ⅵ级贫困县比例逐年稳步降低（分散期）。

图4 2010-2015年云南省不同贫困等级县域比例变化趋势Fig.4 Trend of quantitative proportion changes of different poverty grades in Yunnan province during 2010-2015

为了更直观的反映云南省县域农村贫困状况，同时降低年度数据的波动性，以2010－2015年的贫困发生率均值（以下简称贫困发生率）表征县域农村贫困程度，并将其按上述分级进行可视化输出（图5a）。可以看出，贫困程度较高的区域主要集中在滇西北、滇东北、滇西南及滇南地区，主要涉及金沙江、澜沧江、怒江及红河等流域地带，尤其以三江并流的滇西北（怒江、迪庆等）地区贫困程度最深。运用ArcGIS全局空间自相关分析，将贫困发生率作为分析变量，按照公式（1）计算Moran's I指数，结果显示Moran's I指数为0.615，Z值得分达10.72，P值为 0，通过了 1%的显著性检验，表明云南省县域农村贫困表现出明显的空间聚集特征。从ArcGIS热点分析结果可以看出（图 5b），全省的深度贫困区主要集中在4个热点区，分别为滇西北的怒江州兰坪、福贡、贡山及泸水和迪庆州德钦、维西和香格里拉7个县，贫困发生率均在40%以上，且7个县平均达56.07%；滇东北的昭通市（除威信县和镇雄县）9个县，贫困发生率平均为 36.93%；滇西南的临沧市孟连、澜沧和西盟3个县，其贫困发生率平均为 47.34%；滇南地区的红河州元阳、金平、绿春、红河、河口及玉溪市江城等6个县，贫困发生率平均为 47.25%。而以省会昆明市为中心的滇中地区28个县则属于冷点区，农村贫困程度较低，贫困发生率平均为7.5%。其余76个县则表现出随机分布的贫困空间分布特征，处于中等贫困程度，贫困发生率平均为 20.61%。总体上，全省县域农村贫困在空间上表现出“中心-外围-边角”的低、中、高贫困格局，而这4个热点区则是云南省农村扶贫开发的重点和难点区域。

图5 云南省县域农村贫困空间分布Fig.5 Spatial distribution of rural poverty at county level in Yunnan province

3 云南省农村贫困影响因素分析

3.1 影响因素指标构建

贫困并非单一因素所致，往往是由地理环境条件与长期的区域社会经济发展差异共同作用演化而成。以经济增长为例，一般情况下，经济增长有助于减少贫困，但收入差距扩大亦有可能引致贫困增加[33-34]。因此，分析农村贫困的影响因素需多方面的综合考虑。参考上述已有研究和对贫困内涵的理解，并结合数据的客观性、科学性、可获取性等原则，从地理环境、社会经济、发展能力及人口结构4个维度选取地形起伏度等15个可能的影响因子（表2），较为全面的包含了地理环境、区位、收入差距、医疗、教育、产业、就业、农业现代化水平、资源条件、家庭负担及文化等要素。同时考虑到数据之间可能存在的内生性问题及最近一次全国人口普查年份（2010年），参考王永明等[16]的做法，以2010－2015年贫困发生率均值（以下简称贫困发生率）为因变量，自变量指标则滞后到 2010年或者 2010－2015年的平均水平。这样既能够更加客观的综合反映县域农村贫困程度，也能真实体现各影响维度、影响因子的综合水平，且降低了年度数据的波动性影响，使分析结果更具代表性。

表2 变量与指标说明Table 2 Description of variables and indicators

3.2 空间计量模型估计与分析

3.2.1 回归模型与空间依赖性诊断

首先运用普通最小二乘法进行多元线性回归分析，通过多重共线性诊断、计量经济学检验等剔除坝区土地面积比例（X2）、政府驻地离省会城市交通距离（X3）和二、三产业比例（X9），其余12个影响因子与县域农村贫困发生率进行OLS多元回归分析，具体模型形式见式（5）。

式中xi表示表2中剩余的12个对应解释变量，ε表示随机误差项，满足计量经济学的古典假设。回归结果显示，调整R2为0.592，F统计量为14.042且通过1%的显著性检验，表明回归方程整体效果较好，white检验统计量P值（0.256）未通过显著性检验，说明回归残差项不存在异方差，各解释变量显著性检验见表3。根据上文已知贫困发生率的Moran's I指数值为0.615，县域农村贫困存在明显的空间聚集特征，因此，OLS估计不是有效估计，需要考虑纳入空间效应的空间计量经济模型进行估计。

OLS回归残差空间依赖性诊断结果显示，Moran's I(error)指数P值为0.003，通过5%的显著性检验，表明回归残差亦存在明显的空间自相关，且 2个拉格朗日乘子统计量LM-Lag和LM-error分别通过了1%和5%的显著性检验，一定程度上表明SLM模型较SEM模型更优。进一步根据极大似然估计结果也可以看出（表3），SLM和SEM的Likelihood Ratio Test分别为12.080和5.191，分别通过了1%和5%的显著性检验，同时SLM的AIC、SC值更小，R2、Log likelihood值更大，Moran's I (error)值-0.052，未通过显著性检验，已不存在空间自相关性，充分说明SLM拟合效果更佳，是三者中的最优回归模型。

表3 模型估计及检验结果Table 3 Results of model estimation and test

由SLM分析结果可以看出，地形起伏度和到所在市政府交通距离通过了1%的显著性检验，农村65岁及以上老年人比例通过了5%的显著性检验，农村15岁及以上文盲率和每千人医疗机构床位数通过了 10%的显著性检验，说明这 5个指标对县域农村贫困产生了显著性的影响，其中地形起伏度和到所在市政府交通距离影响效应最为明显，农村65岁及以上老年人比例影响效应次之，农村15岁及以上文盲率和每千人医疗机构床位数影响效应相对较弱。相反，其余7个指标则未通过显著性检验，表明它们对县域农村贫困的影响还不明显。5个显著影响指标中，地形起伏度、到所在市政府的交通距离和农村15岁及以上文盲率均对县域农村贫困发生率表现出正向影响效应，而农村65岁及以上老年人比例和每千人医疗机构床位数则表现为负向影响效应。

为了进一步剖析显著影响因素对云南省县域农村贫困的影响效应，分别对5个因素的SLM估计结果进行深入分析。

1）地理环境要素中地形起伏度和到所在市政府交通距离是县域农村贫困的正向影响因素，地形起伏度越大的地区，越容易引起农村贫困的发生，在其他变量保持不变的情况下，地形起伏度每增加1 m，县域农村贫困发生率将上升 0.005%。离所在市政府交通距离越远，农村贫困程度亦越深，这与王永明等[16]的研究结论基本一致，反映出州（市）辖区城市的辐射效应比省会城市的辐射带动效应更为显著。到所在市政府的交通距离每增加 1 km，县域农村贫困发生率将上升 0.044%。云南省属于典型的山区省份，全省最高海拔6 740 m，最低海拔76.4 m，地形起伏十分明显。加之山区地形复杂，各地之间的交通道路需围绕山势建造，既增加了建设成本，而且常常形成蜿蜒盘旋的曲折道路交通，严重制约各地之间的互通往来与合作发展，偏远山区所受影响则更为明显，极易造成闭塞、滞后的农村贫困区域。

2）社会经济要素中农村 15岁及以上文盲率产生正向影响，每千人医疗机构床位数产生负向影响。回归系数显示，在其他条件不变的情况下，农村15岁及以上文盲率每增加1%，县域农村贫困发生率将增加0.38%；而每千人医疗机构床位数每增加 1个，县域农村贫困发生率将减少1.257%。“两不愁三保障”中义务教育保障和基本医疗保障是贫困人口脱贫的两大基本保障，分析结果显示农村15岁及以上文盲率的正向影响与每千人医疗机构床位数的负向影响正是贫困人口脱贫标准“三保障”政策要求的客观真实反映。

3）人口要素中农村 65岁及以上老年人比例对县域农村贫困有负向影响。回归系数显示，农村65岁及以上老年人比例每上升 1%，县域农村贫困发生率将减少2.132%。主要原因可能在于，一般情况下随着家庭成员老龄化，家庭负担会增加，但由于国家政策（如养老保险等）的不断完善，老年人受到各种社会福利也在不断增加，加上老年人相比年轻人会根据家庭经济状况作出更加理性的消费支出，正常情况下更不容易引起家庭陷入经济贫困。与之相反，青少年是家庭消费的最大支出者，除了生活成本还需要教育等支出，同时青少年尚缺乏理性思考，消费支出往往更多。虽然在上述回归模型中，15岁及以下青少年比未通过显著性检验，但是应当引起重点关注。

同时特别需要注意的是，SLM模型和SEM模型的回归参数ρ=0.362、λ=0.341，均通过了 1%的显著性检验。充分表明云南省县域农村贫困除了受到本地区要素的影响，同时也受到相邻地区农村贫困的影响，即存在明显的贫困空间效益。而且上述未考虑到的影响因素所产生的误差冲击对相邻地区农村贫困亦表现出一定程度的空间溢出效应，如人口迁移、相邻县域扶贫政策差异等均可能会产生误差冲击影响。

3.2.2 地理加权回归分析

相对于OLS、SLM和SEM模型，地理加权回归模型（GWR）有变系数特点，能有效揭示影响因素的区域差异性特征。为了进一步探测上述 5个因素对云南省县域农村贫困的空间影响效应，运用地理加权回归分析，并按照赤池信息准则（AIC值最小）确定带宽，建立最优回归方程。通过比较多变量 GWR和单变量 GWR的Local R2值发现，多变量GWR的Local R2值平均为0.560，均大于5个单因子变量GWR的Local R2值均值，拟合效果更佳。因此，本文采用多变量GWR回归分析，结果显示，GWR回归模型AIC值为988.524，对应的最优带宽为330.407 km，R2为0.643均高于SLM和SEM的0.639和0.618，且AIC值也小于SLM和SEM。表明考虑了地理空间位置的 GWR的整体拟合效果更佳，解释能力更强。借助GWR的变系数特征，反映解释变量对被解释变量的空间影响效应，将 5个解释变量的回归系数按照自然断点法分级可视化输出，以直观表达各因素的空间影响效应特征（图6）。

1）地形起伏度（X1）对云南省县域农村贫困的影响效应呈西向东带状递增趋势，整体影响系数在 0.003 7～0.013 7之间（图6a），129个县回归系数标准差为0.002，变化幅度极小，表明影响效应区域差异较弱，地形起伏度的影响较为普遍。从地域空间上看，相对而言滇西南的德宏州、临沧市、普洱市及西双版纳州等地多以中低山为主，地形起伏度较小，影响效应较弱，尤其以整个德宏州及保山市、临沧市、普洱市和西双版纳州的部分县影响效应最小；而昭通市、曲靖市、红河州及文山州等地则受地形起伏度影响效应较大，其中昭通市的镇雄县和威信县，曲靖市的富源县、罗平县和师宗县，红河州的屏边县和河口县及整个文山州影响效应最大。2）到所在市政府交通距离（X4）的影响效应呈北向南带状递减趋势，整体影响系数在0.023 0～0.066 8之间（图6b），129个县回归系数标准差为0.011，有一定的变化幅度，说明影响效应存在一定的区域差异性。空间分布上，滇西北和滇东北地区影响效果较为明显，尤其以迪庆州的香格里拉市和德钦县、整个昭通市及怒江州贡山县影响最大；而滇东南的文山州（除丘北县），红河州的蒙自市、屏边县、金平县和河口县影响最小。3）农村 15岁及以上文盲率（X7）的影响效应由西向东逐渐递减，整体影响系数在0.001 0～1.047 0之间（图6c），129个县回归系数标准差为0.238，变化幅度较大，影响效应具有明显的区域差异性。空间分布上，昭通市的镇雄等 8个县及曲靖市的宣威市和富源县影响效应最小，而迪庆州、怒江州、保山市、德宏州等地影响效应最大。4）每千人医疗机构床位数（X8）的影响效应由西南向东北逐渐递减，整体影响系数在-3.444 0～-1.138 6之间（图6d），129个县回归系数标准差为0.516，变化幅度大，影响效应具有明显的区域差异性。空间分布上，昭通市、曲靖市及昆明市的东川区和寻甸县影响效应最小；德宏州、保山市的腾冲县和龙陵县、临沧市和普洱市的西南部及西双版纳州的勐海县等地影响效应最大。5）农村 65岁及以上老年人比例（X14）的影响效应呈东北向西南带状递减趋势，整体影响系数在-4.165 2～-0.601 0之间（图6e），129个县回归系数标准差为0.698，变化幅度大，表现出显著的区域差异性。从地域空间上看，德宏州、保山市、临沧市和普洱市西南部影响效应较小；而昭通市、曲靖市、红河州及迪庆州等地影响效应较大，其中昭通市影响效应最为明显。

图6 地理加权回归模型分析结果Fig.6 Analysis results of geographically weighted regression (GWR)

3.2.3 区域减贫政策建议

在上述致贫因素与影响效应分析的基础上，结合县域农村贫困程度，对全省县域进行扶贫开发区划，以便于科学制定和实施针对性的区域减贫政策措施。区划方法主要运用了 ArcGIS聚类分析中的分组分析，为了充分反映出致贫因素指标数值变化对贫困发生率的影响（即影响效应），给扶贫开发区划提供客观依据，以县域农村贫困发生率和5个主要影响因素的GWR系数为分析变量，并以行政区共边（CONTIGUITY_EDGES_ONLY）的空间关系进行空间约束，按照伪F统计量最高的原则选取最佳分组数，以便最大限度反映区域差异性。分析结果显示，伪F统计量最高值为89.621，对应的最佳分组数为6组，根据最佳分组最终得到6个特征分区，5个主要致贫因素指标对各分区影响效应见表4，6个特征分区见图7。

表4 各分区主要致贫因素及其影响效应Table 4 Major factors and influence effects of poverty influencing at each division

1）区域A属于滇西北高度贫困区，包括迪庆州和怒江州。该区域地理环境恶劣，整体海拔较高且高差大，全区地形起伏度达3 686 m，为三江并流区的上游。区域整体教育水平偏低，农村 15岁及以上文盲率平均达20.43%，远高于其他 5个分区，且该致贫因素的回归系数均值达0.920，对全区的贫困影响效应极为明显。应加大生态扶贫力度，完善补偿机制，提高补偿标准，并进一步改善交通等基础公共服务设施，积极探索高附加值农业产业发展模式，增加农户收入水平。长远来看，应重点强化教育扶贫，加快普及高中（中专）教育，强化贫困家庭的教育观念与认知，大幅度提高农村人口的受教育水平，逐步降低文盲率，从根本上改善人口素质与能力，阻断贫困的代际传递。同时可适当控制人口自然增长率，优化人口年龄结构。2）区域B属于滇西中度贫困区，主要包括整个丽江市、大理州和西双版纳州及保山市、临沧市和普洱市部分县区。该区域整体条件相对较好，除地形起伏度2 388 m，相对较高以外，其余4个方面的致贫因素影响较小。应继续强化交通基础设施、教育、医疗等提质升级，完善制度体系建设，进一步提升保障水平。同时加强农业产业发展水平，加快土地整理、高标准农田建设，适度发展规模经济，提高耕地利用产出水平。并结合旅游等产业发展，优化产业结构，重点开发区域文化旅游等特色产业发展项目，充分发挥丽江-大理-西双版纳旅游精品路线的辐射带动效应，全面推进旅游产业带贫机制。3）区域C属于滇西边境中高度贫困区，包括整个德宏州及保山市、临沧市和普洱市的部分县区。交通、教育和医疗对该区影响较为明显，到所在市政府交通距离平均达152 km，仅低于区域D；农村15岁及以上文盲率为13%，仅低于区域A。每千人医疗机构床位数 2.43，处于 6个分区中的较低水平。应以基础保障设施建设为主，加大农村教育、医疗等投入力度，并进一步完善制度保障体系，逐步提升保障质量。此外，该区域与缅甸相接壤，应进一步挖掘潜在旅游资源，强化边境旅游产业提质升级，着力打造特色旅游品牌，逐步扩大旅游扶贫带动效应。4）区域D属于滇东北高度贫困区，主要包括昭通市、昆明市的东川区和曲靖市的会泽县。地理环境、交通条件、医疗保障水平和农村老年人比对该区农村贫困影响明显。地形起伏度2 477 m，仅低于区域 A，同时到所在市政府交通距离平均达155 km，高于其他5个分区；每千人医疗机构床位数2.40，处于6个分区中的最低水平。农村65岁及以上老年人比例回归系数为-3.72，影响效应最为明显。该区域除了强化交通基础设施建设外，需加大易地扶贫搬迁、贫困人口就业转移力度，缓解资源匮乏瓶颈。完善医疗保障等公共服务设施，加强控制人口自然增长率，有效调整农村人口年龄结构，减少贫困家庭高消费群体比重，缓减家庭负担。同时逐步完善农村老年人等社会保障体系建设，强化农村低保、养老保险等政策落实。5）区域E属于滇中低度贫困区，主要包括昆明市（除东川区）、玉溪市、曲靖市（除会泽县）及红河州北部。该区域为全省经济发展核心区，地理环境、区域条件，公共服务水平等均处于较高水平。应以制度建设为主，基础设施建设为辅。重点加强经济发展辐射带动效益，加大区域之间的物质转运、技术合作与人才交流。统筹城乡协调发展，加大农村发展投入力度和政策倾斜，着力改善农村社会保障水平，缩小城乡服务差距。6）区域H属于滇东南高度贫困区，主要包括文山州（除丘北县）、红河州南部及普洱市的墨江县、江城县。该区域地理环境致贫较为明显，土地石漠化现象突出。同时农村15岁及以上文盲率仍然偏高，达11.15%，农村65岁及以上老年人比例贫困影响效应明显，回归系数为-3.04。应进一步加大土地整治实施力度，积极探索石漠化整治创新模式。同时加大教育投入力度，提高教育保障水平，完善社会保障制度和服务体系，适当控制人口自然增长，重点强化教育、养老等保障水平。

4 结 论

本文运用空间计量经济模型分析方法与 GIS空间分析技术，以贫困空间效应为切入点，对全省 129个县农村贫困格局及其影响因素进行了深入分析，并分区域提出了农村减贫政策建议，得到如下主要结论：

1）云南省是全国农村贫困的高发区，空间上表现出“中心-外围-边角”的低、中、高空间贫困格局，深度贫困区主要集中在滇西北、滇东北、滇西南及滇南地区，主要涉及金沙江、澜沧江及怒江等流域地带，尤其以三江并流的滇西北（怒江、迪庆）地区贫困程度最深，这些地区将是全省扶贫开发的重点和难点区域。

2）地形起伏度、到所在市政府的交通距离、农村15岁及以上文盲率、每千人医疗机构床位数、农村65岁及以上老年人比例 5个因素对云南省县域农村贫困产生显著性影响，显著性水平P值均小于0.1。从空间上看，地形起伏度影响效应明显的区域为滇西北、滇东北及滇东南地区；到所在市政府的交通距离主要影响区域为滇西北、滇东北及滇西地区；农村15岁及以上文盲率以影响滇西北和滇西地区为主；每千人医疗机构床位数影响区域主要为滇西北、滇西南及滇西地区；农村65岁及以上老年人比例则主要影响滇东北和滇东地区。

3）农村贫困存在明显的区域差异性，云南省区域扶贫开发应结合贫困空间异质性及要素空间关联性等特征，针对区域贫困程度及主要致贫因素分类、分区域精准施策，科学贯彻落实国家精准扶贫“五个一批”扶贫开发战略体系。

空间异质性和空间关联性是空间地域系统的两大属性，可能会对区域贫困产生重要影响，研究区域贫困空间效应将对扶贫开发产生重要意义。本文运用空间计量经济模型分析了云南省的区域贫困致贫因素，结果表明云南省县域农村贫困除了受到本地区要素的影响，同时也受到相邻地区农村贫困的影响，即存在明显的贫困空间效应。而且文中未考虑到的影响因素所产生的误差冲击对相邻地区农村贫困亦表现出一定程度的空间溢出效应，对区域农村贫困将会产生一定程度的误差冲击影响。因此，县域农村减贫不仅要关注本地区的致贫因素和减贫措施，还需重视相邻县域的贫困状况、致贫因素及减贫政策，尤其需要重点关注县域交界地区贫困人口的扶持与人口迁移等相关问题，强化邻县之间的联合施策与合作交流，合力巩固减贫成效。

致谢：本项研究工作得到了云南财经大学国土资源与持续发展研究所彭海英博士的大力支持与协助，特此表示感谢！