| 典型贫困区社会剥夺时空格局演变——以贵州省为例 |
2. 武汉大学资源与环境科学学院,湖北 武汉,430079;
3. 贵州省第二测绘院,贵州 贵阳,550004;
4. 贵州电子商务云运营有限责任公司,贵州 贵阳,550081
2. School of Resources and Environmental Sciences, Wuhan University, Wuhan 430079, China;
3. The Second Surveying and Mapping Institute of Guizhou Province, Guiyang 550004, China;
4. Guizhou E-Commerce Cloud Operation Co., Ltd., Guiyang 550081, China
随着经济全球化的深入和社会的发展变迁,贫困作为社会经济结构趋向于不平等的风向标,越来越受关注[1]。社会剥夺发轫于对贫困的研究,是指个人、家庭、群体自身或所在地域因具备的资源难以获得充足食物、良好住房、平等教育、充分就业、适量社会服务及参与消费型娱乐活动,从而影响其拥有正常水平的日常生活、消费和娱乐的不平等社会现象[2]。1987年,英国学者Townsend提出了社会剥夺指标体系,首创定量研究社会剥夺的方法[3]。经过数十年的发展,社会剥夺指标体系成为西方国家检测社会问题最直观的依据,结合针对不同地域的研究方法[4],一起构成了制定地区乃至国家政策的基础。
本文以贵州省为例,采用相关分析和主成分分析的方法综合地筛选统计指标,构建地级市尺度下的社会剥夺指数,在此基础上分析贵州省社会剥夺的总体情况和空间格局;利用聚类分析和单因素方差检验的方法对贵州省的社会剥夺进行聚类,绘制社会剥夺聚类图,分析各地社会剥夺的综合表现。本文研究成果对建立更大层面的社会剥夺指数有一定指导意义,对于制定国家精准扶贫政策和区域城市发展规划有一定参考价值。
贵州省是全国贫困人数最多、贫困程度最深的几个省之一,中央对贵州省精准扶贫和脱贫给予了前所未有的政治、经济和政策支持[5]。回顾历年的扶贫开发工作,贵州农村贫困问题已经得到了明显缓解。但贵州作为一个欠发达、欠开发的省份,贫困面大、贫困程度深的问题依然突出,扶贫开发任务十分繁重而艰巨[6]。
1 研究方法结合已往研究[7]以及指标选取的可靠性和全面性等特点,本文决定选用权威的《中国城市统计年鉴》和《中国人口普查分县资料》作为主要数据来源,筛选初步的可用指标,最终确定原始输入指标为收入水平、受教育水平、就业水平、生活水平和人口5个方面,共17个可用指标,如表 1所示。
| 表 1 原始指标及因子载荷 Tab.1 Original Index and Factor Loadings |
![]() |
社会剥夺指数涉及到的指标涵盖面广,指标数量多,因而可以使用主成分分析的方法对标准化后的指标进行处理[8],主成分得分计算公式如下:
| $ {F_K} = \sum\limits_{m = 1}^n {{a_j}{X_j}} $ | (1) |
式中,Fk是第k个主成分的得分,该主成分共由m个(m可取值1, 2, …j, …, n)因子载荷大于阈值的指标计算得到;aj为其中第j个指标对应的在得分系数矩阵中的得分;Xj为第j个指标对应的数据。社会剥夺指数SDI(index of social deprivation)计算公式为:
| ${\rm{SDI}} = \sum\limits_{k = 1}^p {{\lambda _k}{F_k}} $ | (2) |
式中,λk表示第k个主成分对应的特征值;Fk是由式(1)计算得出的主成分k的得分[9]。对上述各维度社会剥夺指数进行分析和地学可视化,描述各维度社会剥夺时空格局。
计算得到各个层面的社会剥夺指数后,对于每个研究单元,可以使用聚类分析的方法确定其多个剥夺指标的综合特性,用以描述整个研究区不同子区域的综合特性[10]。使用单因素方差检验得到的聚类结果。
分位数回归利用因变量的多个条件分位数与自变量构建模型,可以更加全面地描述变量的统计分布,便于发现一些被普通线性回归所掩盖的现象[11],它具备更优的稳健性[12]。相较于普通线性回归,分位数回归分析更加全面地探讨贵州省范围内处于不同社会剥夺层次的地区与其社会发展水平间可能具有的线性关系。
2 结果与分析 2.1 社会剥夺测度1) 贵州省社会剥夺指标体系。
测绘地理信息2021年12月第46卷第6期牟其林等:典型贫困区社会剥夺时空格局演变——以贵州省为例主成分分析结果表明,前3个主成分特征值大于1,故应选取这3个主成分(F1~F3),它们可以解释91.99%的原始指标信息。结合表 1的原始指标及因子载荷信息,提取因子载荷大于0.6的指标作为该主成分的贡献指标。
由表 1可知,3个主成分依次描述不同维度的剥夺现象,因而可作为不同维度的剥夺指数。第一主成分包含的指标最多,这11个指标在原指标体系中分别表现了收入水平、受教育水平、住房条件和人口组成方面的信息,可以将第一主成分视作综合表征社会经济地位的剥夺指数。同理,第二主成分包含了中学及以下学历人口比例、住房无厕所户比例、至少有一位65岁以上老人户数比例等5个指标,可以视作是反映生活水平的剥夺指数。第三主成分只包含一个反映住房条件的指标,因此可视作是住房条件的剥夺指数。由此,各主成分分别作为不同维度的社会剥夺指数测度了相应维度的社会剥夺程度。
2) 贵州省社会剥夺变化分析。
为了更好地对2000-2010年的社会剥夺状况进行分析,其数值分布可以直观地用图 1来表示。可以发现,贵州省2000年与2010年经济地位剥夺总体差异不大;但2010年略有提高,说明随着经济的发展,人民受到的经济地位剥夺有所加强;且极差增大,说明优势地区受到的剥夺略大于劣势地区。2010年生活水平剥夺指数相较于2000年整体呈现明显下降的趋势,表明经过十年的社会进步,人民生活水平有所提高。需要注意的是,2000-2010年,生活水平剥夺指数的极差变大,且极小值之差大于极大值之差,表明优势地区较劣势地区的发展速度更快,贵州省地区发展不均衡的现状依然严峻。而这十年间,住房条件剥夺指数大幅上升,直观地呈现出贵州省住房条件不公平的现状。图 1中住房条件剥夺指数极差的增大也表明贵州省住房条件结构的地方差异明显,2000-2010年,贵州省各地住房状况倾向于向更不公平的方向发展。对于综合的社会剥夺指数,同生活水平剥夺指数表现出的趋势相似。2000-2010年,贵州省社会剥夺总体降低,这应该主要归因于十年间贵州省经济、社会等各方面建设取得的巨大成就,发展成果惠及全省人民,使得贵州省在发展层次上跨出了一大步。
![]() |
| 图 1 4种剥夺指数数值分布 Fig.1 Distribution of Four Deprivation Indexes |
2.2 贵州省社会剥夺时空分异
1) 多维度社会剥夺的时空格局。
对社会剥夺指数进行地学可视化,可以直观地看到不同区域间的剥夺指数的空间分布差异,结果如图 2所示。
![]() |
| 图 2 各社会剥夺指数的空间变化 Fig.2 Spatial Variation of Each Social Deprivation Index |
图 2(a)为经济地位剥夺指数分布图。由图 2(a)可知,贵州省省会贵阳市剥夺程度一直处于最低水平,而毕节市和六盘水市的剥夺程度依然是最高的。黔西南布依族苗族自治州的经济地位剥夺指数无明显变化,仍处于较高剥夺水平。相较于2000年,2010年遵义市、铜仁市和黔东南苗族侗族自治州的经济地位剥夺指数有了明显下降,这可能与其经济水平提高有显著关联。但安顺市、黔南布依族苗族自治州的经济地位剥夺进一步加深。
图 2(b)为生活水平剥夺指数分布图。图 2(b)表明,2010年的大部分地区,包括贵阳市、毕节市、六盘水市、安顺市等区域,所受生活水平剥夺程度均有所降低或与2000年持平,只有遵义市和黔东南苗族侗族自治州的生活水平剥夺指数明显提高。
图 2(c)为住房条件剥夺指数分布图。由图 2(c)可知,2000年的遵义市、铜仁市、六盘水市都处于最低的住房条件剥夺水平,而到了2010年,铜仁市、黔东南苗族侗族自治州和黔西南布依族苗族自治州的住房剥夺都略有上升。
图 2(d)为社会剥夺指数分布图。总体来看,从2000年开始,省会贵阳市、遵义市以及六盘水市就处于较低社会剥夺水平下。2000-2010年,毕节市、黔东南苗族侗族自治州和黔南布依族苗族自治州的社会剥夺指数有所增加,其余地区均有所好转。这说明随着贵州省的经济建设和社会发展,社会剥夺情况逐渐好转,但部分地区由于起点低、发展速度相对较慢,需要更加重视。
2) 多维度社会剥夺聚类。
着眼于社会剥夺现象的综合表现,通过使用聚类分析的方法,以剥夺特性为标准为研究区域分类,描述不同地区的社会剥夺特性,探究可能存在的区域社会剥夺特性。
首先使用层次聚类的方法确定最优聚类个数。从图 3可以直观地发现,2000年和2010年社会剥夺指数的最优聚类个数都是4类。接下来使用K-均值聚类的方法,将各区域按照剥夺特性的不同分为不同的类别。为了描述方便,这里使用单因素方差检验确定每个研究单位各剥夺特性的级别。结合图 4可以发现,在2000年,六盘水市的生活水平剥夺和住房条件剥夺处于较低水平,经济地位剥夺较为明显,区域应加强经济建设,增强人民幸福感;贵阳市享受着良好的社会经济条件,但就业问题较为突出,总体上也处在较低剥夺水平的区域;紧邻贵阳市的区域,呈现出中等水平的剥夺;较高水平的综合剥夺区域覆盖了贵州省处于边缘位置的大部分区域。2010年的聚类结果与2000年的结果相比,最大的变化是各维度剥夺聚类后的综合表现有所不同,这说明随着社会的进步,不同时间点下的区域剥夺表现是处在动态变化中的,因此有必要对社会剥夺进行多时相的跟踪与分析。
![]() |
| 图 3 聚类系数随聚类个数的变化 Fig.3 Clustering Coefficient Varies with the Number of Clusters |
![]() |
| 图 4 2000年和2010年多维度社会剥夺分布 Fig.4 Distribution of Multidimensional Social Deprivation in 2000 and 2010 |
2.3 社会剥夺与城市化
为了进一步讨论社会剥夺与经济社会发展水平的关系[13-14],本文使用社会剥夺指数与城市化水平进行分位数回归。结果如表 2和图 5所示。对于2000年和2010年的数据,各个分位的社会剥夺和城市化水平具有显著的负相关关系,各个分位的系数都通过了Wald检验。这表明,对于处于各个层次的社会剥夺研究区,剥夺水平越高的地区,城市化水平越低。此外,从10分位到90分位上回归系数的绝对值越来越大,表明处于城市化水平低且GDP较低的区域更容易处在高分位剥夺下。也就是说当前贵州省社会剥夺与经济社会发展水平具有一致性。
| 表 2 社会剥夺与城市化水平分位数回归 Tab.2 Quantile Regression of Social Deprivation and Urbanization Level |
![]() |
![]() |
| 图 5 社会剥夺与城市化因子间的分位数回归 Fig.5 Quantile Regression Between Social Deprivation and Urbanization Factors |
3 结束语
在贵州省区域社会经济发展不平衡的背景下,建立社会剥夺指数,定量刻画社会剥夺现象,对反映贵州省社会不平等现状具有重要意义。本文的研究成果首先从社会经济地位、生活水平、住房条件3个方面反映了贵州省社会发展不平衡的现状,并且详细描述了各个方面社会剥夺情况的时空格局。这些剥夺现象空间分异中,省会贵阳市处在较低的剥夺水平,如何让贵阳市成为贵州省发展的支点,以点带面,协同周边区域塑造更加平衡的社会经济发展格局,是一个亟待考虑的问题。使用社会剥夺指数与城市化水平进行分位数回归。结果证实,对于处于各个层次的社会剥夺研究区,剥夺水平越高的地区城市化水平越低。从本文的分析结果来看,贵州省在发展过程中应该同时注重公平与效率,对于随着经济发展,社会剥夺却更加严重的某些维度,要尽快制定、推行相关政策。此外,需格外注意处于边缘地区的市县,鼓励它们发挥自身优势,合理利用资源,持续引进人才,实施有针对性的扶贫策略,并加强与贵阳市的联系,以点带面,实现共同发展。在此基础上,贵州省应该因地制宜,加快发展速度,缩小与其他省市的差距,早日打赢脱贫攻坚战。
当然,受数据可获性的影响,如医疗水平等重要指标无法完整获取,本次社会剥夺指标体系中所使用的指标可能不尽全面,反映的社会发展层面比较有限。
| [1] |
Bassuk E L, Donelan B, Selema B, et al. Social Deprivation[M]. New York: Springer, 2004.
|
| [2] |
Cheung K, Chou K. Poverty, Deprivation and Life Satisfaction Among Hong Kong Older Persons[J]. Ageing and Society, 2019, 39(4): 703-721. DOI:10.1017/S0144686X17001143 |
| [3] |
Townsend P. Deprivation[J]. Journal of Social Policy, 1987, 16(2): 125-146. DOI:10.1017/S0047279400020341 |
| [4] |
Chaffey D, Pinch S. Urban Social Geography : An Introduction[J]. Enseignement Math, 2000, 13: 1-24. |
| [5] |
王春光. 贵州省脱贫攻坚及可持续发展研究[J]. 贵州民族大学学报(哲学社会科学版), 2018(3): 39-56. |
| [6] |
金莲, 王永平. 贵州省扶贫开发现状、挑战及发展趋势[J]. 贵州农业科学, 2011, 39(10): 193-196. |
| [7] |
高军波, 刘彦随, 乔伟峰, 等. 中国典型农区县域社会不平等空间模式与地域差异——以河南省为例[J]. 地理研究, 2016(5): 885-897. |
| [8] |
张红梅, 张怡婷, 何林帮. 顾及分形理论的多特征海底底质分类[J]. 测绘地理信息, 2017, 42(4): 77-80. |
| [9] |
高军波, 谢文全, 韩勇, 等. 1990-2013年河南省县域人口、经济和粮食生产重心的迁移轨迹与耦合特征——兼议与社会剥夺的关系[J]. 地理科学, 2018, 38(6): 919-926. |
| [10] |
Su S, Pi J, Wan C, et al. Categorizing Social Vulnerability Patterns in Chinese Coastal Cities[J]. Ocean & Coastal Management, 2015, 116: 1-8. |
| [11] |
陈建宝, 丁军军. 分位数回归技术综述[J]. 统计与信息论坛, 2008(3): 89-96. |
| [12] |
Magzamen S, Amato M S, Imm P, et al. Quantile Regression in Environmental Health: Early Life Lead Exposure and End-of-Grade Exams[J]. Environmental Research, 2015, 137: 108-119. DOI:10.1016/j.envres.2014.12.004 |
| [13] |
李俊杰, 米文宝, 周瑞瑞, 等. 宁夏城乡关系空间分异研究[J]. 测绘科学, 2017, 42(4): 68-74. |
| [14] |
瞿春梅, 乔书娜, 刘伯娟, 等. 基于水质改善的湖泊引调水数值模拟研究——以武汉市金银湖为例[J]. 三峡生态环境监测, 2019, 4(4): 9-17. |
2021, Vol. 46








