江苏省贫困人口识别及其空间分布
□文/陈 娇
（南京邮电大学经济学院 江苏·南京）
［提要］ 基于2015年江苏省1%人口抽样调查和2016年江苏省统计年鉴数据，使用Alkire&Foster的双界限法和扩展线性支出系统模型构造多维贫困指数，实现大数据下江苏省贫困人口的识别及其空间分布状况的分析。研究结果表明：江苏省贫困状况呈现出苏南＜苏中＜苏北的地域分布差异以及城镇＜农村的城乡分布差异。基于研究结果，对江苏省贫困状况的改善提出相应对策建议。
关键词： 大数据；多维贫困；ELES模型；双界限法
一、引言
近年来，江苏省经济保持持续健康发展势头，经济运行趋稳向好，民生福祉持续改善，但仍存在大量贫困人口，其中苏南地区贫困程度相对较低，苏中尤其是苏北地区经济发展较为落后，贫困程度相对较高。在大数据时代，如何将大数据分析技术应用到扶贫工作中、利用数据挖掘技术为制定江苏科学精准扶贫政策提供数据支撑，实现江苏省贫困人口精准瞄定及其空间分布的精准定位，是当前亟待解决的问题。
二、多维贫困的理论研究
（一）基于Alkire&Foster双界限法构造的多维贫困
随着教育改革深化，许多的教育者发现，当前许多教学形式依旧沿袭传统的教学方式，不仅形式单一，而且教学内容和教学活动古板，对学生的实际情况——知识进度的掌握不清楚，不了解学生的真实看法，造成学习的氛围过于沉闷，学生过于紧张。这样的学习环境不适合小学这个年龄段的孩子，由一个老师一味讲解，毫无互动性，这样的课堂满足不了学生的好奇心和需求心。这种过于成人化、单一性的教学方式存在弊端太多,不仅阻隔师生间的交流，也不能激发学生的学习兴趣。
1、多维贫困测量理论。诺贝尔经济学奖获得者阿玛蒂亚·森在1988年提出多维贫困理论。目前，应用较多的构造多维贫困指数的方法是Alkire&Foster（2011）所提出的双界限方法。该方法首先确定各维度的贫困线（第一界限），具体做法是：令yij为个体i在维度j上的取值，zj（zj＞0）表示第j个维度被剥夺的临界值。当yij＜zj时，认为个体i在第j个维度上是贫困的，赋值为1；反之，赋值为0。然后选择维度贫困的临界值k（第二个界线），考虑多个维度被剥夺的识别，将一个或多个维度处于贫困状态的个体确定为贫困者。不同维度是加权的，令wj是第j维度的权重。每一个个体i有一个维度权重的计算，个人被剥夺的份额ci，如果个体i在维度j上被剥夺，那么cij=1，否则cij=0。如果个体被剥夺的份额大于所设定的界限k就被定义为贫困，即：
治疗4周后，2组患者的FMA-UE、MBI和肩关节各方向主动关节活动度均有明显提高(均P<0.05)，观察组的FMA-UE和肩关节前屈、水平内收、水平外展主动关节活动度提高程度更高于对照组(均P<0.05)，2组患者的肩关节后伸、MBI改善程度差异无统计学意义。见表2～3。
如果 ci＜k，那么 qi=（不贫困）
2、多维贫困测量方法。在考虑数据的可获得性、准确性以及可靠性，本文最终选取了5个维度，具体指标维度及其权重设定如表1所示。（表1）
如果 ci≥k，那么 qi=1（贫困）
“巩固和扩大集体林权制度改革成果，加快培育新型林业经营主体，充分发挥集体林的生态、经济和社会效益，实现资源增长、生态良好，产业发展、农民增收，林区和谐、社会稳定。”云南省推进林业供给侧结构性改革目标明确，步履坚实。
基准实验：(1)单语言检索(Monolingual Retrieval,MR)基准：使用NTCIR-5 CLIR的英文版查询直接检索英文文档；(2)越-英跨语言检索(Vietnamese-English Cross-Language Retrieval,VECLR)基准：即将越南语查询机器翻译为英文后检索英文文档.
（二）基于扩展线性支出系统模型多维贫困
1、基于扩展线性支出系统模型的多维贫困测量理论。扩展线性支出系统模型是目前国际上较为理想的消费需求分析模型，是1973年经济学家C.Luch根据线性支出系统（LES）模型改进而来。式（1）为ELES模型基本形式，其中Vi为农村居民对第i类消费品的支出，pi和qi分别为该类消费品的价格和基本需求量，bi为边际消费倾向，Y 为农民纯收入，i=1，2，…，8。具体计算中，首先根据式（2）将式（1）转化为一元线性回归模型（3），然后将各地区农村居民人均纯收入及各类消费支出数据代入式（3），求出待估参数 αi、βi；最后根据式（4）求出第i类消费品基本需求支出pi·qi。
2、基于扩展线性支出系统模型的多维贫困测量方法。本文将基于扩展线性支出系统模型构造的多维测度方法构造多维贫困维度。基于统计年鉴中对于生活性消费的划分，将食品、衣着、居住、家庭设备及用品、医疗保健、交通和通信、文教娱乐服务及其他等8大类作为江苏省贫困程度的测度指标，分别将上述消费贫困指数加总，得到各地区居民消费视角的多维贫困指数，如式（6）所示。其中，MPIj为j地区农村居民的多维贫困指数（本文采用各维度指标等权重的测度方法），给出江苏省13个市的多维贫困指数。
如式（5）所示，RPIij表示j地区农村居民在i消费维度的相对贫困指数，AOij表示j地区农村居民在i消费维度上的实际支出。显然，RPIij得分越高说明居民对i消费品的基本需求支出在其实际消费支出中所占比重越大，相对贫困水平较高；反之，相对贫困水平越低。
三、贫困人口的识别及其空间分布特征
（二）基于Alkire &Foster的双界限法的多维贫困指数贫困人口识别
（一）数据来源及基本情况。考虑到多维贫困研究对维度指标的要求，以及样本数据质量的可靠性等问题，本文所使用数据来源于2015年江苏省1%人口抽样调查和2016年江苏省统计年鉴。该数据不仅权威性和可靠性高，而且对所选取指标的数据掌握的比较全面。
电流内环控制器是决定PWM整流器性能优劣的关键[5],用PR替换PI,基本原理是:首先确定比例谐振控制器的基频,当输入信号中包含基频成分时被无限放大,即发生谐振,其他频段增益为零,从而消除静差,实现输入侧正弦电流指令的无静差跟踪[6],其理想传递函数为:
表1 贫困线设定指标一览表
表2 江苏省各市多维贫困指数一览表
表3 2015年江苏省城乡多维贫困指数一览表
根据2015年江苏省1%人口抽样调查，可以计算出江苏省13个市的各指标的贫困发生率，继而计算出江苏省13个市相对应的贫困指数，如表2所示。本文把江苏省13个市按上述方式得出的多维贫困指数分为五个梯度：第一个梯度为南京市、无锡市、苏州市；第二个梯度为镇江市、常州市；第三个梯度为扬州市、南通市；第四个梯度为徐州市、淮安市、泰州市、宿迁市；第五个梯度为连云港市、盐城市。从中可以清晰的看出，江苏省多维贫困指数涉及的第一梯度和第二梯度的均为苏南地区，多维贫困指数较低；第三梯度的为苏中地区；第四梯度和第五梯度的大都为苏北地区，多维贫困指数较高。江苏省的多维贫困指数呈现苏南地区＜苏中地区＜苏北地区的地域分布特征。（表2）
（三）基于扩展性线性支出模型的消费支出模型的贫困人口识别。根据2016年江苏省统计年鉴提供的江苏省不同收入水平的城镇人均纯收入和消费支出数据，基于扩展性线性支出模型的消费支出模型，计算出2015年江苏省13个市的城乡多维贫困指数。由表3可以看出基于扩展性消费支出模型的江苏省城乡多维贫困情况均呈现出苏南地区＜苏中地区＜苏北地区的地域分布特征。同时，对比城乡多维贫困指数，可以得出结论，江苏省多维贫困情况呈现出城镇＜农村的地域分布特征。（表3）
四、政策建议
通过从多个角度进行实证分析，得出的共同结论是江苏省贫困状况呈现出苏南＜苏中＜苏北的地域分布差异以及城镇＜农村的城乡分布差异，因此本文对于江苏省贫困状况的改善提出以下建议：大力度推动苏南提升、苏中崛起、苏北振兴。根据贫困的空间分布特征，分别对苏南、苏中、苏北的扶贫开发提出以下建议：（1）扎实推进苏南现代化建设示范区、苏南国家自主创新示范区建设，全面启动国家级南京江北新区开发建设，积极化解房地产库存，遏制房价过快上涨；（2）着力推动苏中跨江融合、特色发展，进一步提高整体发展水平；（3）深入实施支持苏北发展六项关键工程，深化南北挂钩、四项转移，加快苏北振兴步伐。
对于江苏省扶贫政策，本文提出以下建议：（1）在以精准扶贫为目标的脱贫攻坚中，政府应当将贫困人口的识别和瞄准从单一的收入维度扩展到收入、健康、教育、生活水平、资产等多个维度，建立“五位一体”的扶贫机制并制定相应的扶贫政策，加强对贫困人口的能力开发，巩固经济维度的扶贫成果；（2）加大基础教育投资的同时，应将重点放在提升贫困人口的就业技能培训上，通过贫困人口的现有人力资本水平的提高以实现教育维度的实际减贫；（3三）在实现新型农村合作医疗全覆盖的同时，不断提高其保障水平，进一步降低健康层面的贫困程度，加大对贫困人口的医疗救助力度，切实降低贫困农户的医疗负担；（4）苏北地区是江苏省贫困和低收入人口的集中地，全省扶贫开发的12个重点县区全部在这一区域，是江苏省多维贫困政策瞄准和扶持的核心地区，应给与重点关注。
主要参考文献：
［1］蒋谨慎.论阿玛蒂亚·森对贫困理论的变革［J］.社会科学，2017（5）.
［2］Alkire S.and Foster J.Counting and Multidimensional Poverty Measurement ［J］.Journal of Public Economics，2011.95.
［3］安晓宁.基于ELES模型的中国城镇贫困度量研究［D］.天津财经大学，2012.
中图分类号： C913.7
文献标识码： A
收录日期： 2019年3月19日
标签：大数据论文; 多维贫困论文; ELES模型论文; 双界限法论文; 南京邮电大学经济学院江苏·南京论文;