发展贫困视角下经济效率的空间差异及驱动因素研究——基于云南省40 个生态脆弱县的数据

张焱 ，毛珮 ，冯璐，胡雪枝

（1.云南农业大学 经济管理学院，云南 昆明 650201；2.云南农业大学 国际合作交流处，云南 昆明 650201；3.南京审计大学 公共管理学院，江苏 南京 210000）

中国GDP 的增长速度放缓，是从2010 年开始的，到2020 年的10 年时间里，仅有2017 增速较上一年增长0.1 个百分点，其余9 年增速连续下降，增速的下降一方面体现我国经济步入新常态，从中高速发展转向高质量发展，从“量”向“质”过渡；另一方面，也表明我国经济结构存在一定的问题，如区域收入差距拉大、资源过度消耗、环境恶化等[1]，这些问题对我国，尤其对刚刚脱贫区域的经济可持续发展影响极大。当前，精准扶贫方略圆满收官，我国已成功摆脱绝对贫困，进入精准扶贫成效巩固和乡村振兴有机衔接阶段[2]；也进入以消除“收入贫困”为目标转为消除“发展贫困”为目标的“后贫困时代”[3]。在后贫困时代，尽管我国绝对贫困已经全面消除，但由于县域，尤其是曾经的集中连片特困地区县，也就是生态脆弱区，多与边境地区、限制和禁止开发区、少数民族聚居区和革命老区在空间上高度重叠，其经济发展不发达、不协调和不持续问题显著，贫困成因复杂，制约因素交互，返贫问题突出[4-5]，因此这些已脱贫的生态脆弱县的能力贫困、机会贫困、收入贫困等“发展贫困”问题依然比较突出，脱贫不稳定性和脆弱性较强，其经济的高质量发展受限。因此，考察这些县域是否形成可持续的经济发展能力，是否能够有效抵挡频繁的内外部冲击，防止返贫，顺利进入全民小康阶段，并与乡村振兴战略有机衔接，逐步迈向高质量发展，是当前需要着重关注的问题[6]。

2021 年国家乡村振兴局公布的160 个国家乡村振兴重点帮扶县基本上均属于原集中连片特困地区县之列，且主要集中在西南部。而作为中国西南部“发展贫困”相当突出的云南省而言，其境内的集中连片特困地区主要包括乌蒙山区、滇桂黔石漠化区、滇西边境山区和云南迪庆少数民族聚居区，位于这些地区的县是云南省主要的“发展贫困”和“生态脆弱”聚集区，存在地理环境恶劣、返贫率高、内生发展能力不足等突出问题。因此，这些县域是云南省当前消除“发展贫困”的主攻区域，它们快速而稳定的发展，是云南省巩固脱贫成果顺利过渡到乡村振兴、迈向高质量发展的有力保障。大量的研究和现实实践表明，国家资金扶持、救济性扶持政策等“输血”式帮扶存在返贫率高、脱贫不稳定、帮扶效果不佳等问题，只有增强区域自身的经济发展效率，才能从根本上解决发展贫困问题，并顺利步入高质量发展阶段。

1 文献综述

效率一词通常是指给定劳动、资本、技术等投入下，主体能最有效地利用资源达到设定的愿望和需要的评价方式[7]。经济效率则是要素投入消耗与商品和服务产出效果的比率[8]，它体现了区域经济增长的质量，对其经济发展具有正向促进作用[9]。通常，利用全要素生产率（全要素生产率=产出总量/全部资源投入总量）对经济效率进行测度，考虑到实际生产中，多种生产要素同时存在，因此，一些学者在对SOLOW 全要素生产率理论内涵的理解下，提出了度量全要素生产率的具体方法，包括索罗余值法、数据包络法等，并揭示除劳动力、资本、土地等要素投入能够实现经济增长以外，技术创新、教育和知识水平的提高、规模经济、管理水平改进等对经济增长也具有促进作用[10-12]。不难看出，这些投入要素既包括外部因素，也包括内部因素，但从内生发展理论，以及中国经济学家林毅夫的企业自生发展理论可以发现，内部因素是变“被动”为“主动”，在经济效率提升中起到更重要的作用[13-14]。因此，对于生态脆弱区域而言，技术、资金等外援性扶持尽管是其经济发展的主要动力来源之一，但村庄治理人才、新型经营主体培育、自我发展意识、产业发展、集体经济壮大等自我发展能力提升是这些区域经济可持续发展的源泉[15]。

从研究尺度来看，已有研究主要以省域、经济带、自贸区、县域为主，在县域尺度上，对吉林、福建、甘肃等省份的县域经济效率进行了研究，因为选取的区域具有差别性，其得到的结论也各不相同。如李宁等[16]对吉林省39 个县域的研究发现，吉林省县域全要素生产率总体呈现波动上升，技术进步发挥主导性作用，技术效率和规模效率对县域促进作用逐年上升，县域间的差异先扩大后缩小，在空间上近似随机分布，局部有一定程度的空间集聚性，县域间经济效率的时空分异主要受其资源禀赋、经济分工、产业结构和经济集聚水平等的影响。

在研究方法上，学者们应用定性和定量的方法对经济效率及其影响因素进行了探究，其中定量的方法主要包括主成分分析法、泰尔指数、熵权法、索罗余值法、数据包络法、地理探测器、Tobit 模型等，研究结果表明，居民、企业、政府等区域主体的内在致富强烈愿望和自发内生动力是区域发展能力生成的根本动力，国家扶贫政策、东部对西部的对口帮扶支援等是区域协调发展的外生动力，而内生动力是外生动力发挥作用的内在基础，没有“发展贫困”地区和群众致富的内在动力，仅靠外在帮扶，不能从根本上解决问题[17-18]。具体来看，个体消极的价值观、消极的自我观、社会心理动力的控制感缺失、市场理性缺失、发展意识不足、家庭资源限制等，以及区域内市场机制不完善、创新驱动不足、产业发展不畅、城市化水平不高、固定资产投资有限、耕地面积少、集体经济投入不足等均限制了“发展贫困”区、生态保护区等的经济水平提升[19-22]。

毫无疑问，前人的研究成果极大地丰富了区域经济发展效率问题，建立起较为成熟的区域经济效率研究体系，这为后续探索和研究契合区域异质性特征构建经济发展新动能的乡村振兴战略奠定了坚实基础。但就现有的文献来看，仍然存在一定的拓展空间。一是就研究区域选择而言，本研究所考察的生态脆弱县基本上涵盖了云南省的大部分国家乡村振兴重点帮扶县，且这些县均属于集中连片特困地区，应作为重点区域加以研究，但目前对这些县的研究较少，尤其是定量研究更少。二是多数学者基于统计年鉴数据探讨县域经济效率及影响因素，数据较为宏观，指标选择上针对性不够，从而影响了对现实的指导意义，而本研究利用的是云南省脱贫攻坚大数据平台上的全样本数据，因而可以提取更具针对性的指标，比如村均集体收入。三是当前对“发展贫困”下经济效率的研究还较少，亟待丰富。基于此，首先，本研究以位于云南省4 个集中连片特困地区中的40 个生态脆弱县的经济效率为研究对象，以生态脆弱县2019年的全样本大数据为基础①数据来源于《云南省脱贫攻坚数据报告（2019—2020 年）》，当前数据更新最近年度为2019 年（2020 年发布），2020 年及以后年度的数据，云南省乡村振兴局不再统计。，构建包含7 个投入、2 个产出的评价指标体系，应用规模报酬可变的DEA 方法科学测度云南省生态脆弱县的经济效率。其次，利用空间自相关分析法探讨云南省生态脆弱县经济效率的空间分布特征。最后，构建地理加权模型，定量探测影响这些区域经济效率的显著因素，由此为生态脆弱县域经济发展能力提升的精准施策、精准资源配置、精准监测等提供靶向瞄准和技术支撑，为区域实现可持续、高质量发展战略提供借鉴依据。

2 材料与方法

2.1 “发展贫困”下云南生态脆弱县基本概况

云南省地处中国西部，是集山区、民族、跨境多位一体的中国欠发达区域。尽管2020 年云南省88 个国家级贫困县已经全部脱贫摘帽，但越晚脱贫出列的县，其贫困程度就越高，生态环境质量和经济发展水平也更低，因此这些晚出列县域面临的“发展贫困”问题更为突出。故本研究以2018 年底以后脱贫摘帽出列的40 个县域作为“发展贫困”下云南生态脆弱县研究范畴。这40 个生态脆弱县2019 年脱贫摘帽33 个，2020 年脱贫摘帽剩余的7 个，它们的分布区域为乌蒙山区11 个，滇桂黔石漠化区7 个，滇西边境山区21 个，云南迪庆少数民族聚居区1 个，分布于13 个州市，其中，昭通市有8 个县，文山州有6 个县，红河州有5 个县，普洱市和怒江州各有4 个县，大理州有3 个县，曲靖市、丽江市、保山市各有2 个县，楚雄州、德宏州、临沧市、迪庆州各有1个县，如表1 所示。

表1 “发展贫困”下云南生态脆弱县的分布

2.2 数据来源和指标体系

2.2.1 数据来源

本研究的主要数据来源于《云南省脱贫攻坚数据报告（2019—2020 年）》、云南省乡村振兴局、各地州乡村振兴局、《云南统计年鉴》、网站上的相关数据等。其中，研究中生态脆弱县范畴为云南省2018 年年底以后脱贫摘帽贫困县的全样本数据。

2.2.2 指标选取

指标的科学选择是进行评价的基础，已有的研究对此进行了探索。BECERRA 等[23]将内生潜力、社会资本和社区参与作为可持续发展的主要动力因素。柳江等[24]构建了劳动、资本、土地和技术4 个投入要素的一级指标，就业人口、年末金融机构各项贷款余额、居民消费支出、固定资产投资、化肥施用量、耕地面积、农作物播种面积、学校数量、年末常住人口、专任教师10 个投入要素的二级指标，以及社会经济和居民生活的2 个产出一级指标，地区生产总值、农林牧渔业总产值、社会消费品零售额、金融机构城乡居民人民币储蓄存款、居民可支配收入、在校学生数6 个产出的二级指标，利用PCA-SE-DEA 组合模型对甘肃省县域经济效率进行了测度。总体来讲，资源的科学利用以内部资源为主、外部资源为辅，包括自然、文化、生态、地理资源、人力、资金、政策、制度资源以及综合效益的实现，涉及经济、社会和环境效益[25]。在参考已有文献和考量本研究的重点是生态脆弱县的“发展贫困”，而非“收入贫困”，以及基于数据可获得性、可操作性和科学性原则的基础上，本文选择了7 个投入和2 个产出指标作为“发展贫困”下云南生态脆弱县经济效率的测度指标。

本研究的指标体系设计分为投入指标和产出指标，投入指标主要从影响“发展贫困”的因素，即脱贫者素质、产业发展和资源利用3 个方面考虑，且以内部投入为主，没有将政府、企业等外部支持纳入。这样设计的主要原因是更精确地测度云南省生态脆弱县的自身经济效率。产出指标从收入和贫困发生率两个角度考虑。

因为考察的是“发展贫困”下生态脆弱县的经济效率，因此，这些区域内人口的素质是影响其经济效率的重要因素。在笔者多年的研究实践工作中发现，劳动力人口、务工人口数、家庭人员文化素质、身体健康状况对区域经济发展具有重要影响，尤其是对于农村人口占比大且生态脆弱的区域更甚。基于此，本研究选择了劳动力人口占比、务工人口数占比、初中及以上人数占比（不含学龄前儿童和在校生）和身体健康人数占比4 个指标作为生态脆弱县人口素质的测度指标。多个学者的研究表明，产业发展是增强区域可持续发展的主要动能[26-27]，因此研究将村集体收入纳入评价指标体系中。由于云南省是农业大省，生态脆弱县的基数更大，大多数农村人口从事农业生产，耕地对他们的重要性不言而喻；而住房则是其基本生活资料，因此，研究将人均耕地面积和人均住房面积2 个基本生产生活资源纳入评价指标体系中，最后得到7 个投入指标（表2）。结合已有的研究，本研究主要将人均可支配收入和贫困发生率作为产出指标[28]，其中贫困发生率为非期望产出。

表2 云南生态脆弱县经济效率测度指标体系

2.3 研究方法

关于经济效率测度的方法主要有熵权TOPSIS 法、变异系数法、层次分析法、数据包络分析法（DEA）、混合方向性距离函数模型（HDDF）等。陈黎明等[29]构建了资本、人力资源、水资源、电力和土地资源5 个投入指标，地区生产总值和工业生产总值2 个经济期望产出指标，以及废水和废气2 个环境污染的非期望产出指标，应用HDDF 对2011 年“两横三纵”城市化战略中62 个重要节点城市的经济效率、环境效率和生态效率进行了实证研究，结果表明，62 个城市的三项效率不高，有较大改进空间。唐家龙[30]应用DEA 对中国1952—2007 年期间中国及各区域经济增长源泉进行测度发现，技术进步是驱动东部地区和全国生产率增长的源泉，技术效率对中西部地区的生产率增长具有显著贡献。鹿晨昱等[31]应用Super-SBM 模型基于资本、劳动力、技术和资源要素投入，经济、社会和环境效益的期望产出，以及环境污染的非期望产出设计指标体系对甘肃省绿色发展效率进行了研究。

参考已有研究成果，并考虑到数据包络分析法可以将经济效率进行分解，能够更精细、更有效、更准确地探析影响生态脆弱县经济效率的障碍因子，再加上DEA分析法可用于多输入和多输出，且不需要输入和输出之间具有显性表达式、客观性强的特点，本研究选择DEA分析法对“发展贫困”下云南省生态脆弱县的经济效率进行测度。县域经济效率的空间属性主要应用空间自相关分析法进行分析，该方法能度量变量在空间上的分布特征和其对邻域的影响程度，主要有Moran’ I 指数和Geary’ C 指数，鉴于Moran’s I 指数能更好地运用空间权重，可靠性更高，所以选用Moran’s I 指数对云南省生态脆弱县经济效率的空间属性进行判定。当前对影响因素进行分析的方法主要有Logit 模型、Tobit 模型、地理加权模型等方法，鉴于地理加权模型在线性回归模型中纳入了数据的空间特性，既能反映变量之间的数量关系，又能体现变量之间的空间特征，因此本研究选择地理加权模型对影响研究区域经济效率的因素进行探究。

2.3.1 数据包络分析

数据包络分析（DEA）是一种对投入产出效率进行评价的非参数方法。其基本思想是，在一组多投入和多产出的决策单元中，应用线性规划得到有效前沿面，并根据每个决策单元DMU 与有效前沿面的距离来评判是否有效[32-33]。该方法的突出特点是无需进行权重假设，其权重由决策单元DMU 的实际数据得到最优权重，客观性强，在DEA 方法中，最具代表性的模型有CCR 模型、BCC模型、FG 模型和ST 模型[34]。基于生态脆弱县域的经济效率是一种投入产出效率问题，且投入产出等比变化的可能性不大，因此本研究应用规模报酬可变的BCC 模型进行研究。其中，每个决策单元有7 个投入指标，2 个产出指标，产出指标中贫困发生率为非期望产出。应用DEA进行效率分析的前提条件要求指标个数不高于决策单元的1/3，本研究决策单元数为40 个，指标数9 个，满足要求。

关于非期望产出的处理主要有曲线测度评价法、数据转换函数处理法及距离函数法等。FÄRE 等[35]在效率评价中提出了一种非线性的非期望产出处理方法，用径向测度的倒数（曲线）测度非期望产出效率。该方法是一种非线性数学规划模型，求解较为繁琐，尽管FÄRE 等人给出了近似线性规划的求解方法，但却无法保证解的精确性[36]。数据转换函数法是将越小越好的非期望产出采用负产出、线性数据转换、非线性数据转换方法转换成越大越好的期望产出，但该方法的应用受到模型凸性要求、CCR 模型中无法保持分类一致性等问题[37-38]。距离函数法可以按照决策者意愿设定效率改进方向，突破了传统径向测度的效率改进方法，具有一定的优越性[39]。比较三种方法，研究选择距离函数法对非期望产出进行处理。

BCC 模型的表达式如下：

该线性规划的约束条件为：

式中：X为投入变量，Y为产出变量；k=1,2,…,m表示各个决策单元；ε为非阿基米德无穷小量；S-为投入的松弛变量，S+为产出的松弛变量，两者均为非负数。当θ=1，S-=S+=0 时，表示决策单元DEA 有效；当θ=1，S-≠S+≠0 时，表示决策单元DEA 弱有效；当θ＜1 时，表示决策单元DEA 无效[40]。

2.3.2 空间自相关分析法

空间自相关分析法（ESDA）包括两个方面，即全局空间自相关和局部空间自相关[41]。全局Moran’s I 指数可检验“发展贫困”下云南省生态脆弱县经济效率的总体空间关联性和差异性特征；局部Moran’s I 指数则可以揭示各个子县域经济效率的空间属性。本研究采用全局莫兰指数（Global-Moran’s I）和局部莫兰指数（Local-Moran’s I）来测度云南省生态脆弱县经济效率的空间分异特征。计算过程中采用基于1/d（d表示两个子区域几何中心之间的距离）的空间权重矩阵。

2.3.3 地理加权回归模型

地理加权回归模型（GWR）在回归模型中加入地理位置，其参数随着空间地理位置的变化而变化，弥补了常规线性回归模型的不足，通过地理加权模型的应用，可以更好地模拟各个影响因素效应水平在空间上的差异性。本研究将2019 年云南省生态脆弱县的经济效率作为因变量，选择务工人口数占比、村均集体收入、人均耕地面积、人均住房面积、初中及以上人数（不含学龄前儿童和在校生）、贫困发生率6 个指标为自变量，探析县域经济效率的影响因素类别。GWR 模型的表达式为：

式中：yk为第k个采样点，(αk,βk)为第k个点的地理坐标，λ0(αk,βk)为k点的回归常数，λi(αk,βk)为k点第i个变量的回归参数，xki为经济效率第i个解释变量在第k点的取值，εk为k点的随机误差[42]。当GWR 模型的赤池信息准则最小时，带宽d为最佳[43]，且本研究应用距离反比法获取空间权函数。

3 结果分析

3.1 “发展贫困”下云南省生态脆弱县经济效率分析

3.1.1 总体经济效率

利用规模报酬可变的DEA-BCC 模型对云南省生态脆弱县经济发展的综合效率（TE）、纯技术效率（PTE）和规模效率（SE）进行测算（综合效率=纯技术效率×规模效率），得到表3。从云南省整体情况来看，综合效率为0.743，处于中上水平，表明云南省生态脆弱县的经济发展动力处于中上水平；进一步分解为纯技术效率和规模效率，纯技术效率接近1，说明县域经济发展的技术和管理水平较高，但规模效率处于中上水平，也就是县域内经济发展的规模效益还有提升空间。云南省内40个生态脆弱县中有31 个县的经济效率处于规模报酬递增阶段，也就是对于这些县应通过增加投入来增加产出；还有9 个县属于规模报酬不变的县。总体来看，DEA有效的县占比为25%，占比不高，也进一步表明云南省生态脆弱县经济效率有待提升。

表3 2019年云南省及各生态脆弱县所属4个区域的经济效率

从4 个地区来看，云南迪庆少数民族聚居区的经济效率最高，已经达到DEA 有效，表明云南迪庆少数民族聚居区脱贫县的经济发展能力强，有利于其更快从脱贫稳定过渡到乡村振兴阶段。另外3 个区域的综合效率在0.7～0.8 之间，处于中上水平，进一步分解为纯技术效率和规模效率，乌蒙山区的规模效率最小为0.732，滇桂黔石漠化区和滇西边境山区均超过0.8，表明这3 个区域的规模效益还未显现，应通过投入要素的等比例增加，使产出产生更大的价值。从规模报酬来看，乌蒙山区、滇桂黔石漠化区、滇西边境山区和云南迪庆少数民族聚居区处于规模报酬递增的县占比分别为：100%、57.14%、76.19%和0，进一步表明这些县需通过增加投入来提高产出。从DEA 有效县占比来看，4 个区域中，云南迪庆少数民族聚居区的DEA 有效县已达100%，滇桂黔石漠化区的DEA 有效县接近50%，因此，应重点提升无DEA 有效县的乌蒙山区和DEA 有效县比例占比较低的滇西边境山区的经济效率。

3.1.2 各生态脆弱县的经济效率

从表4 中各个县的综合效率来看，有25%的县的综合效率为1，达到DEA 有效；有35%的县的综合效率小于1 大于0.8，处于较高水平；有30%的县的综合效率小于0.8 大于0.6；还有7.5%的县的综合效率在0.5～0.6 之间；有1 个县的综合效率为0.266，处于低水平状态。可见，云南省应重点关注鲁甸、马关、巧家、云龙等综合效率低的县，不断推进这些区域的经济发展。从纯技术效率来看，所有县的纯技术效率均高于0.9，接近或等于最优，技术管理水平较高。从规模效率来看，鲁甸、马关、巧家、云龙、宁蒗、会泽、兰坪、梁河、屏边等县的规模效率低，应增加投入，并不断提升这些区域资源利用和配置的效率。

表4 2019年各生态脆弱县的经济效率

3.2 “发展贫困”下云南省生态脆弱县经济效率的空间格局

3.2.1 经济效率的全局空间属性分析

全局Moran’s I 值是探索空间是否出现集聚特征的指标。以“发展贫困”下云南省生态脆弱县经济效率为评估数据，依托ArcGIS 软件进行计算，得到表5。从表5 中可以看出，云南省生态脆弱县经济效率的全局Moran’s I 指数值为-0.014，大于其期望值E(I)，且其统计量Z＞0，概论P值为0.386，无法拒绝原假设，表明云南省生态脆弱县经济效率的集聚性很弱，可以近似认为该区域经济效率在空间上随机分布。

表5 2019年云南省生态脆弱县经济效率的全局Moran’s I指数

3.2.2 经济效率的局部空间属性分析

局部Moran’s I 值可以探测经济效率在空间上的集聚性，揭示局部空间关联问题。根据局部Moran’s I 的统计值进行计算后得到zi与∑jwijzj的取值，根据其正负值划分为4 个象限：第一象限（高—高集聚区），县自身与相邻县的经济效率强，空间差异小，呈正的空间相关关系；第二象限（低—高集聚区），县自身经济效率低，但相邻县经济效率高，呈负的空间相关性；第三象限（低—低集聚区），县自身与相邻县的经济效率均低，空间差异小，呈正的空间相关关系；第四象限（高—低集聚区），县自身经济效率高，但相邻县经济效率低，也是负的空间相关性。

（1）Moran 散点图分析。根据图1 和表6，2019年，落在第一象限的县有9 个，占比为22.5%，落在第三象限的县有10 个，占比为25.0%，两者合计共占比47.5%；落在第二象限的县共有9 个，占比为22.5%，落在第四象限的县有12 个，占比为30.0%，两者合计占比52.5%。可见，局部空间差异性更强，空间集聚效应弱。处于第一和第四象限的县共有21 个，占比为52.5%，这部分县域的经济效率较高，但其中只有42.86%的县域对周边具有较强辐射带动能力。处于第二和第三象限的县共有19 个，占比为47.5%，这部分县域的经济效率较低，是需要政府着重关注的地域。

图1 2019年云南省生态脆弱县经济效率的Moran散点图

表6 2019年各类集聚区对应县

（2）LISA 分析。由图2 可以看出，高—高集聚区主要分布在滇西边境山区和滇桂黔石漠化区，各分布着7 个和2 个县，该部分县的经济效率较高，与周边县的联系较为紧密，辐射带动能力较强，具有空间溢出效应；低—低集聚区主要分布在乌蒙山区和滇西边境山区，各分布着6 个和4 个县，该部分县的经济效率较低，空间集聚性较高，对周边的带动能力低。低—高集聚区主要分布在滇西边境山区和滇桂黔石漠化区，各分布着6 个和3 个县，这部分县的经济效率较低，空间差异性大。高—低集聚区呈“斑块状”零星分布于4 个区域中。总的来看，“发展贫困”下云南省生态脆弱县大多分布在云南省的边缘地带，这些区域的经济发展水平更低，且其经济效率在空间上的异质性大于集聚性。

图2 2019年云南省生态脆弱县经济效率的LISA集聚图

3.3 “发展贫困”下云南生态脆弱县经济效率的影响因素

3.3.1 指标选取和多重共线性检验

已有的研究表明，影响县域经济效率的主要因素是人力资本、社会资本、自然资源等[44-45]。基于数据可获得性和结合相关学者的研究成果，以及前述经济效率测度指标选择情况，本研究选取劳动力人口占比、务工人口数占比、初中及以上人数占比（不含学龄前儿童和在校生）、身体健康人数占比、村集体收入、人均耕地面积、人均住房面积、人均纯收入和贫困发生率9 个经济效率影响因子来刻画自然资源、人力资本和社会资本对县域经济效率Y的影响。在进行回归分析前，首先对9个影响因子进行方差膨胀因子（VIF）检验，以消除多重共线性问题。VIF 越小越好，在ArcGIS 中，一般要求VIF ≤7.5。

从表7 可以发现，9 个影响因子的VIF 值均小于7.5，但在进行地理加权回归分析时却提示有共线性问题，因此进一步进行Pearson 相关系数分析时发现，X8和因变量经济效率Y的相关性高，且X8与X1、X3和X6的相关性也较高，因此首先删除X8；其次，X4与X9的相关性较高，且X4相对于X9，与其他因子的相关性更高，因此又删除X4；再次，X1和其他因子的相关性较强，因此又删除了X1，最后保留X2、X3、X5、X6、X7、X9共6个经济效率Y的影响因子。

表7 经济效率多重共线性检验

3.3.2 模型运行和参数检验估计

应用ArcGIS 平台，以经济效率为因变量，以务工人口数占比、初中及以上人数占比（不含学龄前儿童和在校生）、村均集体收入、人均耕地面积、人均住房面积、贫困发生率6 个因子为自变量进行地理加权回归（GWR）模型分析，相较于OLS 结果，GWR 模型的总拟合度R2为0.245，提高了0.112，赤池信息量准测AIC 比OLS模型降低了2.003，残差的标准差σ减少了0.001。因此，GWR 模型的拟合效果更好，对变量之间的相关关系更具解释力[46-47]。

从表8 和图3 可以看出，务工人口数占比、初中及以上人数占比（不含学龄前儿童和在校生）、村集体收入、人均住房面积和贫困发生率与生态脆弱县经济效率呈现出低负相关关系，人均耕地面积与生态脆弱县经济效率呈现正相关关系。其中，务工人口数占比和初中及以上人数占比（不含学龄前儿童和在校生）的回归系数由西南向东北逐渐增大，相应的负相关关系减弱；村集体收入的回归系数由东北向西南逐渐增大，负相关关系随之降低；人均耕地面积的回归系数由西南向东北逐渐增加，正相关关系随之增强；人均住房面积和贫困发生率的回归系数由东南向西北逐渐增大，相应的负相关关系减弱。已有的研究表明，人的全面发展、产业发展、社会资本、资源的拥有量与经济效率呈正相关，而贫困发生率则与经济效率呈负相关[48-49]。按照这些研究，务工人口数占比、初中及以上人数占比（不含学龄前儿童和在校生）、村集体收入、人均住房面积和人均耕地面积应与经济效率呈正相关关系，而贫困发生率与经济效率应呈现负相关关系，但在本研究中，务工人口数占比、初中及以上人数占比（不含学龄前儿童和在校生）、村集体收入、人均住房面积4 个影响因子与经济效率呈现出反常的很小的负相关关系。产生这种现象的可能原因是云南省“发展贫困”下的生态脆弱县均属于精准扶贫阶段贫困程度深、贫困集中度高的县域，外出务工人员、高学历人口占比、村集体经济收入、人均住房面积等发展水平低，对经济效率提升的作用均未显现，尤其是规模效应还未呈现，这些因素与经济效率之间还处于“U”型关系的前段，从而可能因为诸如外出务工人员收入低，又减少了居家劳动力造成经济效率的微弱降低。因此，这4 项指标需达到一个拐点值才能实现与经济效率的同步增长。

表8 GWR模型估计回归结果

4 结论和建议

4.1 结论

本研究从“发展贫困”下云南省生态脆弱县的经济效率问题角度出发，构建了7 个投入指标和2 个产出指标的指标体系，运用DEA-BCC 模型进行投入产出分析，得到“发展贫困”下云南省生态脆弱县经济发展的综合效率、纯技术效率和规模效率，在此基础上，应用Moran’s I 指数和地理加权回归模型探讨云南省生态脆弱县经济效率的空间属性和影响因素，主要研究结论为以下几点。

（1）“发展贫困”下云南省整体经济效率处于中上水平。在4 个区域中，云南迪庆少数民族聚居区的经济效率最高，能够更快地由脱贫稳定向乡村振兴过渡，并逐步过渡到高质量发展；其次是滇桂黔石漠化区；而乌蒙山区和滇西边境山区的DEA 有效县市区占比低，经济综合发展效率较低。

（2）从云南省的各个生态脆弱县来看，应重点关注综合效率较低的鲁甸、马关、巧家、云龙等县。对于规模效率低的鲁甸、马关、巧家、云龙、宁蒗、会泽、兰坪、梁河、屏边等县，在进一步增加投入的基础上，还应不断提升这些县的资源利用和资源配置效率。

（3）从空间属性上来看，云南省生态脆弱县经济效率的空间集聚性弱，近似随机分布。且“发展贫困”下云南省生态脆弱县主要分布在云南省的边缘地带。

（4）应用地理加权模型从地理空间上揭示驱动因子对县域经济效率影响的空间特征，得到务工人口数占比、初中及以上人数占比（不含学龄前儿童和在校生）、村集体收入、人均住房面积、贫困发生率与生态脆弱县经济效率呈低负相关，人均耕地面积与其呈正相关。

4.2 建议

根据前述对“发展贫困”下云南省4 个区域40 个生态脆弱县经济效率的测度和驱动因子的探究，了解到云南省生态脆弱县经济发展效率整体有待提升，生态脆弱县域主要分布在边境地带，县域内资源利用和配置效率不高，人力素质、集体经济发展水平与经济效率之间的联动尚未打破“U”型关系前段的桎梏等问题，因此，应通过经济效率的提升，推进这些地区经济和社会的发展，尽快摆脱“发展贫困”问题，早日从稳定脱贫成果过渡到乡村振兴，并逐步向高质量发展迈进。具体建议如下：

（1）进一步强化帮扶投入的精准度，尤其是经济效率较低、自我发展能力较弱的乌蒙山区、滇西边境山区和边境地带。前述研究发现77.5%的云南省生态脆弱县的经济效率处于规模报酬递增状态，且部分区域的规模效率不高。因此，应通过加大对生态脆弱县人才、资金、技术的支持和倾斜力度，并着重提升资源利用和配置效率推进县域经济效率的提升。

（2）提升教育水平，尤其是农村学校，应努力促进区域教育均衡发展。教育是打破贫困代际传递，拔除“穷根”的关键。云南省生态脆弱县普遍存在人口文化程度低、教育水平不高、教育硬软件不健全等问题，因此，应通过“互联网+教育”、建立优质教育资源共享平台等解决农村学校课程开设不全、师资力量不足、教学硬件设施配备差等问题，使生态脆弱县学生有机会享受优质教育服务资源，激发学生学习兴趣。此外，还可通过打造名师网络教研联盟、与高校和社会支教志愿团队建立合作关系、建立健全乡村教师再教育和培训机制等不断提升乡村教师教学水平和教学质量，激发乡村教育活力。

（3）加强职业教育和技术培训。职业教育和技术培训能够在较短时间内培养人才，是普通教育的补充。现代职业教育和技能培训应采取“自下而上”的方式，充分激发学员的内生学习动力，以实现高效教育和培训目的。职业教育学校和政府的技能培训均应根据地方产业发展需要、劳务转移需求、技术人才缺口等精准定制人才培养方案，并在充分调研的基础上加以实施，及时转化为内生动力。

（4）壮大集体经济。通过技术、资本、制度等的外部嵌入，并在乡村精英的主导下[50]激发集体经济活力，不断提高农户收益。一是加大农业科技投入，加快农业高新产品、高新技术的研发、推广和转化，创新农业销售模式，畅通农业销售渠道等不断提升农产品的价值。二是通过人才引进待遇和支持政策，引导创业能人、高校毕业生、退伍军人、种植养殖能人等参与到集体经济建设中，提升集体经济的管理水平。三是充分利用云南省丰富的旅游资源和突出的人文特色，开发乡村旅游，提升农村集体经济附加价值。四是加快农村产权制度改革，量化集体经济经营性股份，创新多种发展模式，构建产权清晰、流转自由的集体经济产权制度，提升农村集体经济活力。