基于地理加權(quán)回歸模型的村域致貧因子研究
——以貴州省劍河縣為例

楊桂林， 楊 柳， 焦洪贊， 鐘 磊

(1.貴州大學(xué)公共管理學(xué)院，貴州貴陽 550025； 2.武漢大學(xué)城市設(shè)計(jì)學(xué)院，湖北武漢 430072； 3.貴州省土地整治中心，貴州貴陽 550000)

消除貧困是社會(huì)主義的本質(zhì)要求。黨的十八大以來，以習(xí)近平同志為首的領(lǐng)導(dǎo)隊(duì)伍提出“大水漫灌”式的扶貧模式已經(jīng)不能有效實(shí)現(xiàn)區(qū)域脫貧，扶貧工作須轉(zhuǎn)向“精準(zhǔn)”扶貧。2013年《關(guān)于創(chuàng)新機(jī)制扎實(shí)推進(jìn)農(nóng)村扶貧開發(fā)工作的意見》《關(guān)于印發(fā)〈建立精準(zhǔn)扶貧工作機(jī)制實(shí)施方案〉的通知》中明確提出了精準(zhǔn)扶貧的實(shí)施方案。以“精準(zhǔn)”理念為引領(lǐng)的扶貧工作成為黨和國家實(shí)現(xiàn)到2020年全面建成小康社會(huì)這一目標(biāo)的重要措施。深入、精確分析致貧原因成為制定脫貧政策、實(shí)施脫貧方案的前提和關(guān)鍵。

目前，學(xué)術(shù)界對致貧原因的探討涵蓋了經(jīng)濟(jì)學(xué)[1]、社會(huì)學(xué)[2]、制度學(xué)[3]等，其研究逐步從單一的經(jīng)濟(jì)收入貧困演變到經(jīng)濟(jì)、社會(huì)、能力等綜合的多維貧困。20世紀(jì)90年代，以地理資本缺乏為貧困形成根源的空間貧困理論將“空間”概念引入[4]。它指的是在貧困地理空間分布分析基礎(chǔ)上，把各種資源的空間分布狀況歸結(jié)為一個(gè)地區(qū)的地理資本，強(qiáng)調(diào)空間范圍內(nèi)自然、社會(huì)資源的空間分布不均衡對貧困現(xiàn)象的影響[5]，是一個(gè)包含經(jīng)濟(jì)、社會(huì)、環(huán)境等3個(gè)維度在內(nèi)的集合概念，其內(nèi)涵更加豐富[4]。而研究致貧原因的方法以定性為主，定量的則有Logistic回歸模型[6-8]、Tobit回歸模型[9-10]、面板分位數(shù)條件回歸方法[11]、多元線性回歸模型[12]、灰色關(guān)聯(lián)度模型[13]、有序Probit[14]等。這些研究方法通過數(shù)學(xué)運(yùn)算量化了某一因子對區(qū)域貧困形成的影響，科學(xué)、客觀地認(rèn)識(shí)了致貧因子。然而，這些研究方法缺乏對致貧因子空間異質(zhì)性的考慮，即沒有考慮研究區(qū)內(nèi)同一致貧因子在不同地理空間位置影響程度的差異性，使得研究結(jié)果是全局的而不是局部的，達(dá)不到精確分析致貧原因的效果。Brunsdon等于1996年基于局部光滑的思想，提出了地理加權(quán)回歸(geographically weighted regression，簡稱GWR)模型[15]。地理加權(quán)回歸模型是對傳統(tǒng)回歸分析的擴(kuò)展，允許局部而不是全局的參數(shù)估計(jì)，通過附加表達(dá)空間對象本身相關(guān)和異質(zhì)性的變化參數(shù)，反映樣本對回歸方程貢獻(xiàn)在空間上的分異，使得回歸結(jié)果更加可信[16]。GWR方法逐漸出現(xiàn)在具有空間異質(zhì)性現(xiàn)象的研究中，景觀格局[17]、城市地價(jià)[18]、耕地變化[19]影響因素的實(shí)證分析都證明GWR模型要優(yōu)于普通最小二乘法。因此，將GWR模型應(yīng)用于貧困影響因素的研究，體現(xiàn)了貧困及致貧因子的空間異質(zhì)性，可以得到局部的參數(shù)估計(jì)，實(shí)現(xiàn)精確分析致貧原因的目的。本研究以貴州省劍河縣為例，以村為單位，基于空間貧困理論選取致貧因子，利用地理加權(quán)回歸模型計(jì)算各村回歸參數(shù)，并通過ArcGIS將其可視化，分析致貧因子影響作用，從而提出相應(yīng)的脫貧對策。

1 研究區(qū)概況

1.1 研究區(qū)概況

劍河縣位于貴州省東部，政府駐地革東鎮(zhèn)，隸屬于黔東南州苗族侗族自治州，與三穗、施秉、臺(tái)江等縣毗鄰。全縣總面積為2 176 km2，地勢由西南向東北傾斜，以低山、低中山為主，最低海拔348 m，最高海拔1 623.3 m。劍河縣氣候溫和，年均氣溫16.7 ℃左右，年均降水量1 220 mm，森林覆蓋率達(dá)70.87%。劍河縣下轄12個(gè)鄉(xiāng)(鎮(zhèn))，共301個(gè)村、8個(gè)居委會(huì)，2015年年末戶籍總?cè)丝?7.43萬人，其中以苗族、侗族為主的少數(shù)民族占總?cè)丝诘?3.4%。2015年全縣生產(chǎn)總值約為36.06 億元，其中第一、第二、第三產(chǎn)業(yè)增加值分別約為9.84億、6.12億、20.10億元，三類產(chǎn)業(yè)結(jié)構(gòu)比為27.3 ∶17.0 ∶55.7。

劍河縣是貴州省10個(gè)國家扶貧開發(fā)工作重點(diǎn)縣之一，在2015年全省10個(gè)國家扶貧開發(fā)工作重點(diǎn)縣經(jīng)濟(jì)發(fā)展綜合測評中排第8位。2015年全年共投入各類扶貧資金5 094.7萬元，實(shí)施117個(gè)扶貧項(xiàng)目，實(shí)現(xiàn)減貧人口10 932人，3個(gè)鄉(xiāng)(鎮(zhèn))實(shí)現(xiàn)減貧摘帽，貧困鄉(xiāng)(鎮(zhèn))發(fā)生率下降25百分點(diǎn)。然而，劍河縣貧困人口主要集中在生態(tài)脆弱、生存環(huán)境惡劣的深山區(qū)，土地資源少，基礎(chǔ)設(shè)施薄弱，返貧問題嚴(yán)重，脫貧任務(wù)十分艱巨。

1.2 劍河縣貧困空間分布特征

劍河縣2015年貧困鄉(xiāng)(鎮(zhèn))發(fā)生率為20.0%，農(nóng)村貧困人口發(fā)生率為20.5%(貧困人口發(fā)生率=貧困人口/總?cè)丝凇?00%，以下簡稱貧困發(fā)生率)。2015年劍河縣貧困村共有178個(gè)，其中一類貧困村76個(gè)，二類貧困村57個(gè)，三類貧困村45個(gè)。由圖1可知，除南明鎮(zhèn)外，其他11個(gè)鄉(xiāng)(鎮(zhèn))都分布有一類貧困村，一類貧困村主要集中在久仰鄉(xiāng)以及太擁鎮(zhèn)北部、敏洞鄉(xiāng)西南部、觀么鄉(xiāng)西部地區(qū)；二類貧困村主要分布在柳川鎮(zhèn)南部、敏洞鄉(xiāng)北部；三類貧困村主要分布在久仰鄉(xiāng)中部、南哨鄉(xiāng)東部以及南加鎮(zhèn)北部和南部地區(qū)。劍河縣除一、二、三類貧困村外，還有非貧困村，為了便于比較，本研究將非貧困村歸為第四類，其主要分布在南明鎮(zhèn)、太擁鎮(zhèn)東部地區(qū)、柳川鎮(zhèn)北部以及革東鎮(zhèn)中部、東部。為了揭示劍河縣貧困分布的空間特性，運(yùn)用ArcGIS 10.1對村級貧困發(fā)生率進(jìn)行空間自相關(guān)分析。劍河縣村級貧困發(fā)生率全局Moran’s I指數(shù)為 0.257 1，在0.05的顯著性水平下，其Zscore為7.06，大于臨界值1.69，說明劍河縣貧困發(fā)生率存在顯著的空間正相關(guān)可能性，即存在聚集特征，可以進(jìn)行GWR模型分析[20]。

2 研究方法與數(shù)據(jù)來源

2.1 指標(biāo)選取及多重共線性檢驗(yàn)

劍河縣惡劣的自然環(huán)境、交通狀況以及較低的文化教育水平是區(qū)域貧困形成的主要原因。因此，本研究以地理資本缺乏導(dǎo)致“空間貧困陷阱”的空間貧困理論為依據(jù)，結(jié)合相關(guān)學(xué)者的研究結(jié)果[4，11]，選取平均坡度、到最近公路的距離、到最近河流的距離、缺勞動(dòng)力致貧人口比例等9個(gè)致貧因子來分別解釋自然資本、社會(huì)資本、人力資本的缺乏對貧困的影響。為了避免回歸分析中的多重共線性問題，在進(jìn)行回歸前對致貧因子進(jìn)行方差膨脹因子(variance inflation factor，簡稱VIF)檢驗(yàn)。VIF越小越好，在ArcGIS中要求VIF≤7.5。對9個(gè)致貧因子進(jìn)行VIF檢驗(yàn)，由表1可知，各因子的VIF均小于2，說明所選取的致貧因子之間不存在多重共線性問題或其共線性關(guān)系較弱，可以進(jìn)行回歸分析。

2.2 地理加權(quán)回歸模型

傳統(tǒng)的線性回歸模型是對整體參數(shù)的估計(jì)，得到的結(jié)果為全局意義上的相關(guān)關(guān)系。對于貧困問題，由于各地區(qū)自然環(huán)境、生活習(xí)慣、政治政策差異等使得貧困形成的原因不盡相同。這也是地理現(xiàn)象所具有的空間特性，即貧困狀態(tài)與致貧因子的關(guān)系會(huì)隨著地理位置的變化而變化，在進(jìn)行回歸分析時(shí)須要考慮數(shù)據(jù)的空間異質(zhì)性。GWR模型是一種相對簡單且有效的探查不同地理空間存在的空間關(guān)系，其結(jié)果是局部而不是全局，在貧困問題研究上具有明顯的優(yōu)越性，本研究將其運(yùn)用于致貧因子回歸參數(shù)的估計(jì)，其計(jì)算公式如下：

式中：yi為i村的貧困發(fā)生率；(ui,vi)為第i個(gè)村的地理坐標(biāo)；β0(ui,vi)為i村的回歸常數(shù)；βk(ui,vi)為i村的第k個(gè)致貧因子的回歸參數(shù)，即模型函數(shù)在空間坐標(biāo)(ui,vi)處的權(quán)重；xik為致貧因子xk在i村的值；εi為i村的隨機(jī)誤差。y(貧困發(fā)生率)與xk(致貧因子)間的關(guān)系隨地理位置變化而變化。

空間核函數(shù)和核寬帶是GWR模型擬合中最重要的參數(shù)，兩者的選擇對參數(shù)估計(jì)的科學(xué)性有關(guān)鍵影響。常用的空間核函數(shù)有固定型空間核、調(diào)整型空間核。以固定型空間核確定的GWR模型其空間權(quán)重采用高斯函數(shù)法，該方法克服了距離閾值法與距離反比法的缺點(diǎn)，滿足要求的函數(shù)多，普適性強(qiáng)[21]，本研究選擇此方法運(yùn)行GWR模型。除此之外，在寬

表1 貴州省劍河縣致貧因子指標(biāo)體系

注：數(shù)字高程模型數(shù)據(jù)來自地理空間數(shù)據(jù)云；劍河縣土地利用數(shù)據(jù)庫來自貴州省土地整治中心(轄區(qū)內(nèi)的國有林場不屬于任何行政村，因此本研究將其圖斑舍去)；統(tǒng)計(jì)數(shù)據(jù)來自劍河縣扶貧數(shù)據(jù)云。

帶的確定上常用的方法有赤池信息量準(zhǔn)則(Akaike information criterion，簡稱AIC)法、交叉驗(yàn)證(cross validation，簡稱CV)法等。使用CV法確定寬帶須要回歸點(diǎn)與數(shù)據(jù)點(diǎn)一致，而AIC法沒有，即AIC法考慮了不同模型不同自由度的差異，相對能準(zhǔn)確地比較[22]，因此本研究選用AIC法確定模型寬帶。

3 模型運(yùn)算及結(jié)果分析

3.1 模型運(yùn)行及參數(shù)檢驗(yàn)

依托于ArcGIS 10.1平臺(tái)，以貧困發(fā)生率為因變量，以平均坡度、到最近公路的距離、外出務(wù)工人口占比等9個(gè)因子為自變量，選擇固定型空間核和AIC法運(yùn)行GWR模型。驗(yàn)證GWR模型對致貧因子分析的適配性，對因變量和自變量進(jìn)行普通最小二乘法(ordinary least square，簡稱OLS)模型分析。由表2可知，GWR模型的校正決定系數(shù)radj2為0.698，說明該模型可以解釋因變量中69.8%的變化，而OLS模型只可以解釋46.3%。同時(shí)，GWR模型的赤池信息量準(zhǔn)則(AICc)為-415.067，小于OLS模型的-405.048，表明GWR模型更佳。除此之外，在殘差的標(biāo)準(zhǔn)差以及決定系數(shù)(r2)等模型性能參數(shù)的比較上，GWR模型都要優(yōu)于OLS模型?？偠灾?，構(gòu)建以貧困發(fā)生率為因變量，以平均坡度、人均耕地面積等為自變量的回歸分析，GWR模型擬合效果更好，更能解釋變量間的相關(guān)關(guān)系。

表2 GWR與OLS模型參數(shù)比較

3.2 回歸結(jié)果分析

3.2.1 平均坡度 平均坡度是衡量一個(gè)區(qū)域自然生態(tài)環(huán)境狀況優(yōu)劣的主要指標(biāo)。由圖2可知，平均坡度對劍河縣貧困發(fā)生率的影響作用以政府駐地革東鎮(zhèn)為圓心，從西北至東南方向呈圈層式遞增，形成以太擁鎮(zhèn)為主的高值區(qū)和以革東鎮(zhèn)、岑松鎮(zhèn)為主的低值區(qū)格局。這表明平均坡度對太擁鎮(zhèn)貧困形成的作用要大于其他鄉(xiāng)(鎮(zhèn))，而對革東鎮(zhèn)、岑松鎮(zhèn)貧困形成的作用則不明顯。這主要是因?yàn)樯钌絽^(qū)的地形地貌相對陡峻，坡度等自然環(huán)境狀況既是其貧困形成的原因也是貧困結(jié)果的表現(xiàn)。因此，以自然環(huán)境惡劣為貧困形成原因的地區(qū)一般以易地搬遷為主要扶貧解決措施。

3.2.2 人均耕地面積 耕地資源是人類生產(chǎn)生活的基本資料，劍河縣第一產(chǎn)業(yè)占比為27.3%，農(nóng)業(yè)在其經(jīng)濟(jì)社會(huì)發(fā)展中仍然占重要地位，尤其是對于農(nóng)村地區(qū)。由圖3可知，人均耕地面積對劍河縣貧困形成的影響作用是以觀么鄉(xiāng)為圓心，呈圈層式向外遞減，在太擁鎮(zhèn)西南部出現(xiàn)遞增趨勢。這表明觀么鄉(xiāng)、岑松鎮(zhèn)東部、敏洞鄉(xiāng)西部、南寨鄉(xiāng)北部、太擁鎮(zhèn)西南地區(qū)的村莊，其貧困發(fā)生率與人均耕地面積的相關(guān)性較強(qiáng)。耕地資源的數(shù)量與質(zhì)量為制約這些區(qū)域脫貧的主要因素。

3.2.3 到最近河流的距離 水資源是生產(chǎn)生活的必備條件，它影響著一個(gè)區(qū)域的氣候、生態(tài)、植被乃至生活習(xí)慣、民族文化、人文景觀等，潛移默化地對貧困造成影響。由圖4可知，到最近河流的距離對貧困的影響以岑松鎮(zhèn)為圓心，由北至南呈圈層式遞增。對岑松鎮(zhèn)的影響最小，對太擁鎮(zhèn)、南哨鄉(xiāng)、南加鎮(zhèn)等的影響相對較大。這主要是因?yàn)檠芯繀^(qū)境內(nèi)的清水江由革東鎮(zhèn)上游流至南加鎮(zhèn)下游，養(yǎng)殖、捕撈等漁業(yè)成為南加鎮(zhèn)下游等地區(qū)的支柱性產(chǎn)業(yè)。河水的豐裕度與到河流距離的遠(yuǎn)近直接影響著該地區(qū)居民的經(jīng)濟(jì)收入，從而對貧困造成影響。

3.2.4 到最近公路的距離 交通條件直接體現(xiàn)一個(gè)地區(qū)與外界信息、物質(zhì)的交流情況，其便捷與否關(guān)系著區(qū)域經(jīng)濟(jì)發(fā)展的好與壞。選擇到最近公路的距離來衡量獲取社會(huì)資本的機(jī)會(huì)。由圖5可知，到最近公路的距離對劍河縣貧困的影響從西至東逐漸遞減，以革東鎮(zhèn)、久仰鄉(xiāng)、太擁鎮(zhèn)等為高值區(qū)，以南明鎮(zhèn)、敏洞鄉(xiāng)、磻溪鎮(zhèn)等為低值區(qū)。這主要是因?yàn)楦飽|鎮(zhèn)作為全縣社會(huì)、經(jīng)濟(jì)、文化的中心，其輻射作用明顯，到最近公路距離的遠(yuǎn)近直接影響其貧困發(fā)生率的高低；而對于久仰鄉(xiāng)與太擁鎮(zhèn)的部分地區(qū)，則是因?yàn)楸容^偏遠(yuǎn)，交通條件對經(jīng)濟(jì)的發(fā)展影響大，從而形成高值區(qū)。

3.2.5 到最近鎮(zhèn)(鄉(xiāng))的距離 鄉(xiāng)(鎮(zhèn))對村的輻射作用要大于縣城對村的輻射作用，特別是在鄉(xiāng)(鎮(zhèn))遠(yuǎn)離縣城的地區(qū)。由圖6可知，到最近鎮(zhèn)(鄉(xiāng))的距離對劍河縣貧困的影響分別以西南部久仰鄉(xiāng)、東南部南加鎮(zhèn)為圓心，由西南至東北、東南至西北方向呈圈層式遞減，久仰鄉(xiāng)西南部、太擁鎮(zhèn)西北部、南加鎮(zhèn)東南部以及磻溪鎮(zhèn)南部地區(qū)為高值區(qū)。這說明距久仰鄉(xiāng)、南加鎮(zhèn)等政府駐地的距離對其轄區(qū)內(nèi)村莊的貧困發(fā)生率有明顯影響。

3.2.6 缺資金致貧人口比例 資金投入是改善一個(gè)地區(qū)基礎(chǔ)設(shè)施以及經(jīng)濟(jì)發(fā)展最直接的方式。缺資金致貧人口占比體現(xiàn)了該區(qū)域資金投入的多少，顯示了資金對貧困改善的影響。由圖7可知，劍河縣資金對貧困的影響由西南向東北方向逐漸降低，以太擁鎮(zhèn)、南哨鄉(xiāng)、久仰鄉(xiāng)為高值區(qū)，以南明鎮(zhèn)、敏洞鄉(xiāng)、磻溪鎮(zhèn)為低值區(qū)。這說明資金投入對太擁鎮(zhèn)、南哨鄉(xiāng)、久仰鄉(xiāng)所轄村貧困的改善作用明顯，同時(shí)也表明這些區(qū)域扶貧資金的缺乏。

3.2.7 缺技術(shù)致貧人口比例 科學(xué)技術(shù)是第一生產(chǎn)力，技術(shù)水平的提高對生產(chǎn)效率有明顯的提升。對于農(nóng)村地區(qū)，科學(xué)技術(shù)水平表現(xiàn)在勞動(dòng)力技能的掌握上，缺乏技術(shù)致貧人口占比體現(xiàn)了技術(shù)水平對貧困的影響作用。由圖8可知，劍河縣技術(shù)水平對貧困的影響以柳川鎮(zhèn)為圓心，向西北以及東部方向呈圈層式逐漸降低，西南方向則逐漸增高，形成以太擁鎮(zhèn)為高值區(qū)，以久仰鄉(xiāng)、南哨鄉(xiāng)、柳川鎮(zhèn)為次高區(qū)，以南明鎮(zhèn)、盤溪鎮(zhèn)為低值區(qū)的格局。這說明技術(shù)水平對太擁鎮(zhèn)、久仰鄉(xiāng)、南哨鄉(xiāng)、柳川鎮(zhèn)貧困的影響作用明顯，提高該區(qū)域居民的技術(shù)水平可以有效降低貧困發(fā)生率。

3.2.8 缺勞動(dòng)力致貧人口比例 勞動(dòng)力是創(chuàng)造財(cái)富的根源。缺勞動(dòng)力致貧人口占比揭示了勞動(dòng)力對區(qū)域貧困的影響。由圖9可知，勞動(dòng)力對劍河縣貧困發(fā)生率的影響以柳川鎮(zhèn)與南寨鄉(xiāng)交界為軸心，往東北、西南方向逐漸增高，往西北、東南方向逐漸降低，以太擁鎮(zhèn)西南部、南明鎮(zhèn)東北部為高值區(qū)。這說明太擁鎮(zhèn)、南明鎮(zhèn)部分地區(qū)勞動(dòng)力對貧困發(fā)生率的影響較明顯。勞動(dòng)力的缺乏表明原生家庭老齡化嚴(yán)重，經(jīng)濟(jì)來源受限制。

3.2.9 外出務(wù)工人口比例 外出務(wù)工可以明顯增加農(nóng)戶的收入，外出務(wù)工人口占比體現(xiàn)了獲得社會(huì)資源的能力，是勞動(dòng)力數(shù)量與質(zhì)量的體現(xiàn)。由圖10可知，外出務(wù)工人口對劍河縣各村貧困發(fā)生率的影響由西向東逐漸增強(qiáng)，在南明鎮(zhèn)東北地區(qū)減弱。形成以太擁鎮(zhèn)西南部為低值區(qū)，南明鎮(zhèn)中部、敏洞鄉(xiāng)東部以及磻溪鎮(zhèn)大部分地區(qū)為高值區(qū)的格局。這說明南明鎮(zhèn)、敏洞鄉(xiāng)、磻溪鎮(zhèn)外出務(wù)工人數(shù)的增加可以明顯降低其貧困發(fā)生率，該區(qū)域勞動(dòng)力素質(zhì)相對較高。

4 結(jié)論與啟示

本研究以貴州省劍河縣為例，運(yùn)用地理加權(quán)回歸模型估計(jì)了貧困影響因子的回歸系數(shù)，從自然資本、社會(huì)資本、人力資本等3個(gè)維度詮釋了該區(qū)域貧困形成的原因，得出如下結(jié)論：

(1)自然資本對太擁鎮(zhèn)貧困的影響作用最大，其次是觀么鄉(xiāng)。其中平均坡度、到最近河流的距離在太擁鎮(zhèn)的回歸系數(shù)最大；人均耕地面積在觀么鄉(xiāng)最大。因此，太擁鎮(zhèn)地區(qū)作為環(huán)境惡劣區(qū)，以易地扶貧為擺脫貧困的主要手段，而觀么鄉(xiāng)則以提高耕地資源利用率進(jìn)行農(nóng)業(yè)基礎(chǔ)設(shè)施投資以及產(chǎn)業(yè)扶持為主。

(2)社會(huì)資本對離縣城最近的革東鎮(zhèn)和較遠(yuǎn)的南加鎮(zhèn)、太擁鎮(zhèn)、南哨鄉(xiāng)、久仰鄉(xiāng)的影響作用最明顯。到最近公路的距離在革東鎮(zhèn)回歸系數(shù)最大；到最近鄉(xiāng)(鎮(zhèn))的距離在南加鎮(zhèn)、太擁鎮(zhèn)、久仰鄉(xiāng)回歸系數(shù)最大；而扶貧資金在太擁鎮(zhèn)、南哨鄉(xiāng)回歸系數(shù)最大。因此，革東鎮(zhèn)扶貧須加強(qiáng)其村級交通建設(shè)；而太擁鎮(zhèn)與南加鎮(zhèn)則須加強(qiáng)鄉(xiāng)(鎮(zhèn))級公路投資，從而提高鄉(xiāng)(鎮(zhèn))的輻射能力。除此之外，扶貧資金還須適當(dāng)?shù)貎A向于南哨鄉(xiāng)和太擁鎮(zhèn)。

(3)人力資本在南明鎮(zhèn)、磻溪鎮(zhèn)、太擁鎮(zhèn)對貧困的影響作用明顯。其中，勞動(dòng)力的數(shù)量以及技術(shù)人才在太擁鎮(zhèn)地區(qū)回歸系數(shù)最大；而外出務(wù)工人數(shù)在南明鎮(zhèn)、磻溪鎮(zhèn)的回歸系數(shù)最大。因此，太擁鎮(zhèn)扶貧須要從社會(huì)保障與農(nóng)業(yè)實(shí)用技術(shù)培訓(xùn)上入手，而南明鎮(zhèn)、磻溪鎮(zhèn)等地區(qū)則須要加大外出務(wù)工技能的培訓(xùn)。

總之，運(yùn)用地理加權(quán)回歸模型對貧困影響因素進(jìn)行分析，體現(xiàn)了貧困在空間上的異質(zhì)性。它對局部回歸參數(shù)的估計(jì)更加是精準(zhǔn)扶貧時(shí)代到村到戶精準(zhǔn)分析致貧原因的需求。由于地理加權(quán)回歸模型對分析數(shù)據(jù)的要求，本研究沒有對政策、文化影響因素進(jìn)行分析。而以貧困空間異質(zhì)性為突破口，定量分析貧困影響因素，為貧困研究提供了新的視角。

參考文獻(xiàn)：

[1]李明橋. 貴州山區(qū)收入結(jié)構(gòu)對農(nóng)戶貧困狀況的影響——基于普定縣3個(gè)行政村的農(nóng)戶調(diào)查數(shù)據(jù)[J]. 南京農(nóng)業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版)，2016，16(6)：131-140.

[2]王志章，劉天元. 連片特困地區(qū)農(nóng)村貧困代際傳遞的內(nèi)生原因與破解路徑[J]. 農(nóng)村經(jīng)濟(jì)，2016(5)：74-79.

[3]劉明宇. 貧困的制度成因[M]. 北京：經(jīng)濟(jì)管理出版社，2007.

[4]劉小鵬，蘇曉芳，王亞娟，等. 空間貧困研究及其對我國貧困地理研究的啟示[J]. 干旱區(qū)地理，2014，37(1)：144-152.

[5]張麗君，董益銘，韓 石. 西部民族地區(qū)空間貧困陷阱分析[J]. 民族研究，2015(1)：25-35，124.

[6]楊 穎. 貴州農(nóng)村反貧困的成效及影響因素分析[J]. 貴州農(nóng)業(yè)科學(xué)，2012，40(1)：148-152，157.

[7]萬翀昊，司漢武. 農(nóng)村文化致貧的Logistic模型分析——基于CGSS 2010數(shù)據(jù)庫[J]. 四川農(nóng)業(yè)大學(xué)學(xué)報(bào)，2015，33(4)：464-470.

[8]葉 慧，陳敏莉. 邊境地區(qū)貧困農(nóng)戶多維特征及致貧因素分析——基于廣西崇左市貧困戶調(diào)查數(shù)據(jù)[J]. 北方民族大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版)，2016(4)：102-106.

[9]周 倩，馬贊甫，劉妍珺. 基于DEA-Tobit模型的貴州農(nóng)村貧困影響因素分析[J]. 貴州農(nóng)業(yè)科學(xué)，2014，42(7)：239-243.

[10]萬 力，劉妍珺，馬贊甫. 貴州民族自治地方的貧困影響因素分析[J]. 貴州民族研究，2015，36(10)：147-150.

[11]黃國勇，張 敏，夏 詠，等. 新疆邊境貧困縣自然地理環(huán)境影響因素實(shí)證分析[J]. 干旱區(qū)地理，2015，38(4)：814-820.

[12]曹小曙，任慧子，黃曉燕. 經(jīng)濟(jì)發(fā)達(dá)地區(qū)鄉(xiāng)村貧困的地方特征及其影響因素分析——以廣東省連州市為例[J]. 地域研究與開發(fā)，2014，33(1)：34-40.

[13]王國敏，李仕波. 貴州省農(nóng)村貧困影響因素的灰色關(guān)聯(lián)度分析[J]. 湖北農(nóng)業(yè)科學(xué)，2013，52(22)：5629-5634.

[14]莊天慧，張海霞，傅新紅. 少數(shù)民族地區(qū)村級發(fā)展環(huán)境對貧困人口返貧的影響分析——基于四川、貴州、重慶少數(shù)民族地區(qū)67個(gè)村的調(diào)查[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2011(2)：41-49.

[15]Brunsdon C，F(xiàn)otheringham A S. Charlton M E. Geographically weighted regression：a method for exploring spatial nonstationarity[J]. Geographical Analysis，1996，28(4)：281-298.

[16]邵一希，李滿春，陳振杰，等. 地理加權(quán)回歸在區(qū)域土地利用格局模擬中的應(yīng)用——以常州市孟河鎮(zhèn)為例[J]. 地理科學(xué)，2010，30(1)：92-97.

[17]劉世梁，劉 琦，王 聰，等. 基于地理加權(quán)回歸的漫灣庫區(qū)景觀破碎化及影響因子分析[J]. 地理科學(xué)，2014，34(7)：856-862.

[18]張 靜，張麗芳，濮勵(lì)杰，等. 基于GWR模型的城市住宅地價(jià)的時(shí)空演變研究——以江蘇省為例[J]. 地理科學(xué)，2012，32(7)：828-834.

[19]苑韶峰，楊麗霞，楊桂山，等. 耕地非農(nóng)化的社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)因素異質(zhì)性研究——基于STIRPAT和GWR模型的實(shí)證分析[J]. 經(jīng)濟(jì)地理，2013，33(5)：137-143.

[20]周曉艷，宋禎利，宋亞男，等. 基于地理加權(quán)回歸模型的長江中游地區(qū)人均耕地面積變化影響因素分析[J]. 水土保持通報(bào)，2016，36(1)：136-142.

[21]覃文忠. 地理加權(quán)回歸基本理論與應(yīng)用研究[D]. 上海：同濟(jì)大學(xué)，2007：14-17.

[22]羅罡輝. 基于GWR模型的城市住宅地價(jià)空間結(jié)構(gòu)研究[D]. 杭州：浙江大學(xué)，2007：83-84.