鄉村振興戰略下農村貧困影響因子分析

閆芳序 王劍輝 蔡云鵬

基金項目：遼寧省科學技術計劃項目工業攻關及產業化指導計劃（2019010094-JH8/101）；遼寧省教育廳科學研究經費項目（LFW202004）；沈陽師范大學創新團隊支持計劃（054/92000306002）

第一作者簡介：閆芳序（2000-），女，碩士研究生。研究方向為人工智能。

*通信作者：蔡云鵬（1972-），男，博士，副教授。研究方向為工業大數據。

DOI：10.20028/j.zhnydk.2024.03.014

摘? 要：在鄉村振興戰略下，分析農村貧困的影響因素對減貧工作具有重大的指導意義和參考價值。該文基于因子分析法，引用遼寧省某國家級貧困縣脫敏后的真實數據，首先將每種影響貧困的因素分為屬性和經濟性影響因素兩大類，將預處理后的數據進行KMO與Bartlett檢驗以確定數據對因子分析的適應性。提取特征值大于1的公因子共計12個，建立三級指標體系。而后分別計算3類權重值，按程度將影響因素分為4個等級，比較得出農村貧困影響因素等級。通過比較分析，發現家庭結構、房屋面積、文化水平和是否接通生活用電用水等因素對家庭貧困的影響最大，其中，生產、經營、工資、種植、務工和養老保險金等是影響農民增收的重要因素。

關鍵詞：鄉村振興；農村貧困；影響因素；因子分析；權重計算

中圖分類號：F812.8? ? ? ?文獻標志碼：A? ? ? ? ? 文章編號：2096-9902（2024）03-0053-06

Abstract： Under the strategy of rural revitalization， the analysis of the influencing factors of rural poverty is of great guiding significance and reference value for poverty reduction. Based on the factor analysis method， this paper quotes the real data after desensitization of a national poverty county in Liaoning Province. Firstly， each factor affecting poverty is divided into two categories： attribute and economic factors. The preprocessed data are tested by KMO and Bartlett to determine the adaptability of the data to factor analysis. A total of 12 common factors with eigenvalues greater than 1 are extracted， and a three-level index system is established. Then three kinds of weight values are calculated respectively， and the influencing factors are divided into four grades according to the degree， and the influencing factors of rural poverty are compared. Through comparative analysis， it is found that family structure， housing area， education level， access to electricity and water have the greatest impact on family poverty， among which， production， management， wages， planting， employment， old-age insurance and other factors are important factors affecting farmers' income.

Keywords： rural revitalization; rural poverty; influencing factors; factor analysis; weight calculation

黨的二十大提出要全面推進鄉村振興。這標志著我國的農村建設、農村發展、農村扶貧開發工作進入了一個新的時期。要堅持以發展為中心，把“三農”問題徹底解決好，取得脫貧攻堅勝利，實現共同富裕，以更快的速度邁向中國特色社會主義現代化的進程。鄉村振興是我國今后鄉村建設發展的主要方向，需要從目前的發展中找到新的問題和新的發展方向，實現脫貧和發展的有機結合和鄉村的可持續發展[1]。改革開放后，國家實施了一系列精準扶貧政策，成效顯著。中國已實現了7.7億人的脫貧，農村居民人均可支配收入從2013年的6 079元提高到了2020年的12 588元，平均每年增加11.6%[2]；即使在與突發的新冠感染疫情進行抗爭的情況下，中國也比聯合國提出的2030年可持續發展議程的減貧目標提早了10年，為世界減貧工作貢獻了卓越的力量[3]。2021年的脫貧勝利，既是我們的終點，也是我們的新起點。脫貧工作應根據新問題、新情況，進行科學、合理、有效的扶貧研究，從而達到脫貧的戰略目的。貧困程度深，致貧原因復雜，困難重重，必須運用科學的統計手段，尋找問題的癥結，避免人力、物力、財力的浪費；科學規劃，鞏固和擴大脫貧成效，堅持以持續的方式追求更好的生活，確保從集中力量支撐脫貧攻堅到全面振興。

1? 研究方法

1.1? 因子分析法

因子分析法是一個逐步降低維度的過程，來自英國的心理學家C.E.斯皮爾曼最早提出因子分析法的思想，他根據各科分數的關系，推論出存在潛移默化的共同因素對學生的學習產生了影響，使得在某些學科中表現更好的同學往往在其他學科中表現更好。

因子分析的實質是根據各個研究變量之間的內在相關性，通過分類歸并手段提取多個變量中的潛在共性因子。且各因子互不相關，即它們所綜合的信息并無交集。而后用這些隱式的綜合因子來表達多個變量所傳達的信息。具體可分“信息濃縮—權重計算—得分比較”3個步驟，首先將多個信息項濃縮為幾個關鍵性指標，利用方差解釋率值計算各指標的權重，構建因子權重體系，而后根據成分和權重計算因子得分，常用于比較綜合競爭力，從而得出結論[4]。其具體數學模型如下

設Xi（i=1，2，…，p）個變量，如果表示為

Xi=μi+ai1F1+…+aimFm+εi，（m≤p）。 （1）

式中：

X=[X1，X2，…，Xp]T，μ=[μ1，μ2，…，μp]T，ε=[ε1，ε2，…，εp]T ，（2）

稱F1，F2，…，Fp為公共因子，它們的系數稱為載荷因子。εi為特殊因子，是不能被前m個公共因子包含的部分，并且需滿足

E（F）=0，E（ε）=0，Cov（F）=Im， （4）

D（ε）=Cov（ε）=diag（σ，σ，…，σ），Cov（F，ε）=0。（5）

1.2? 權重計算

在二級指標基于一級指標上的權重（Ai）中，n為公因子個數（n=12），Ci為第i個成分的方差貢獻率，即第i個成分對農村貧困的影響程度。其計算公式如下

Ai=。 （6）

在因子分析的過程中，對各自變量前的系數aij進行具體的歸一處理。從而可以獲取三級指標基于二級指標上的權重值（Aij）。其中n為主成分個數（n=12），m為第j個公共因子上承載的三級指標數，為第i個成分所涵蓋的第j個三級指標的因子得分系數。其計算公式如下

Aij=aij/|aij|（i=1，2，…，n）。 （7）

由上述算式可得Ai，Aij，由此可導出三級指標基于一級指標上的權重值（wi），計算公式如下

wi=AiAij。 （8）

1.3? 數據處理

1.3.1? 數據來源

中國是世界上最大的發展中國家，從古代起就以農業為主體，鄉村貧困嚴重地制約著國家的興盛。農村貧困問題的影響因素很多，而且大部分都是相互聯系的，主要是經濟、環境、社會因素的綜合作用。本文數據源來自遼寧省某國家級貧困縣，數據提取自某縣脫貧攻堅大數據平臺。主要涵蓋2017—2020年的已脫離貧困數據近22萬余條，將屬性影響因素與經濟性影響因素相結合，采用 Python技術進行數據挖掘與分析，最后得出相應結論。

1.3.2? 指標選取

由于影響農村貧困的因素復雜繁多，本文在劃分過程中將眾多影響因素根據屬性與經濟性2類范疇分類。其中屬性影響因素包括年齡、家庭人口、住房面積、是否不愁吃、是否不愁穿、是否危房、是否輟學學生、是否在校生、是否通生活用電、是否通生活用水、是否獨生子和文化水平。本文屬性影響因素中，含有“是否”的因素均為指標型變量，采用編碼的形式進行計算：取1為“是”；0為“否”。特別地，將文化程度分為9類，分別用數字 1～7表示，依次是1為“文盲或半文盲”、2為“小學”、3為“初中”、4為“中?！?、5為“高中”、6為“大?！焙?為“本科及以上”。

經濟性影響因素包括收入類因素（家庭年純收入、工資性收入合計、生產經營性收入合計、種植業收入合計、養殖業收入合計、林果業收入合計、其他收入合計、財產性收入合計和轉移性收入合計）和支出類影響因素（生產經營性支出、其他生產經營性支出、生活性支出合計）。

1.3.3? 數據歸一化

指標型變量在編碼之后與數字型變量（如家庭年純收入、家庭人口數、年齡等）數值相差巨大，不可以直接進行計算分析，因此需要進行數據標準化處理，利用標準化后的數據進行數據分析。本文利用z-score算法，通過對樣本的平均值、標準偏差進行歸一化，并將不同的數據轉換成z-score的統一度量。由于本文數據量較大，故只展示部分影響因素的前10條歸一化結果，見表1。

2? 實驗驗證與分析

2.1? 數據檢驗

進行因子分析的前提是對數據相關性進行檢驗，通常情況下采用KMO和Bartlett's球狀檢驗2種方法，確保檢測值落在一定的區間內，從而判別數據是否適用于因子分析[5]。當KMO值越接近于1的時候，各變量間的關聯度隨KMO值增大而升高，KMO值越接近于0，各變量之間的關聯度也越低，越不適宜進行因子分析，球形度檢驗則恰恰相反。本文基于Python中的factor_analyzer包，進行數據相關性檢驗。檢驗結果為KMO=0.553，顯著性為0，因此適用于因子分析。且特征值大于1的因子有14個，且每個因子都對變量存在一定貢獻，由Python程序計算可得方差累計貢獻率為61.5%，說明存留了大量關于原始數據的信息。針對單個因子分析，因子1的特征值為2.813，保留了8.5%的原始信息，顯然高于其他成分，對于農村貧困影響相對較大。其他因子的分析可依次類推。根據碎石圖也可以直接觀測出因子特征值的分布情況，如圖1所示，由于因子13—14的波動較小，所以本文取前12個因子作進一步分析。

2.2? 因子旋轉

在建立因子分析模型時，因子建模有3點意義：第一，發現公因子；第二，劃分組別并插入相應的公因子；第三，明確分析公因子的獨立意義，以便更為科學地解決處理實際問題?？梢圆捎脤σ蜃舆M行旋轉的方法，即基于因子的載荷矩陣之上進行一定的矩陣變換，使結構更為簡單化[3]。本文利用最大方差法對載荷矩陣進行旋轉，而后對12個主要因子進一步旋轉，更好地反應變量與公因子之間的既得關聯，得到的載荷矩陣見表2。

2.3? 因子權重計算

由表2中矩陣可以對影響因素進行分類，構建三級指標體系，并根據三重指標權重的計算公式整理得到各級指標權重[6-7]，見表3。

2.4? 影響因素分析

為比較各影響指標的重要程度，本文將各指標按照權重大小升序排列，將影響程度Ti分為：“輕微重要”“一般重要”“比較重要”“非常重要”4項。其中Ti具體的取值范圍如下

Ti=輕微重要Ni∈[0，1）一般重要Ni∈[1，2）比較重要Ni∈[2，3）非常重要Ni∈[3，+∞）

式中：Ni=80×|wj|，可由以上影響因素得出貧困影響因素的等級，見表4。

綜上可知，對農村貧困的影響非常重要的因素共7項，它們分別是生產經營類收入、工資類收入、獨生子女家庭、住房面積、家庭人口數、種植業收入及生活類支出；對農村貧困的影響比較重要的因素共4項，它們分別是生產經營類支出、是否通生活用水、是否雙女戶及養老保險；對農村貧困的影響一般重要的因素共3項，它們分別是文化水平、其他收入、是否通生活用電；對農村貧困的影響輕微重要的因素是年齡。

針對屬性影響因素，“獨生子女家庭”“住房面積”“家庭人口數”均屬“非常重要”的影響等級，這表明農村家庭的結構組成至關重要，會對經濟產生重要的影響；“是否雙女戶”“是否通生活用水”屬于“比較重要”的影響等級，“是否雙女戶”反映了農村家庭的勞動力情況，一般女子的勞動力較男子低，分擔家務、農活的能力較差；若為雙女戶家庭，會影響耕種進度及勞動情況。且根據統計數據顯示，農村貧困地區缺乏生活用水的概率高達37.5%，嚴重影響日常生活及農作物灌溉。水是生命之源，有沒有通上自來水，這一問題對居民的生活和發展產生了很大的影響，所以要著重于管道的鋪設和投資，保障居民的飲水安全。

“文化水平”屬于一般類影響因素，接受教育的程度在很大程度上決定了其所從事工作技術含量的高低，進而會影響收入。因此，要不斷地、全方位地加強教育扶貧，要大力推進農業實用技術培訓，提高農村勞動力的受教育率。同時，要有效地緩解因上學而帶來的家庭經濟負擔，保證所有學齡兒童都能進入學校，為更多的農村年輕人提供更好的教育環境，增強他們自身發展的能力，防止貧困的世代傳承。政府應該重視農村地區的教育，提高農村義務教育的普及率，提高農民的文化素質，進而增強農民的就業競爭力，增加農民的就業率和勞務收入。最后，“年齡”對貧困的影響程度較低。

針對經濟類影響因素，“生產經營類收入”“工資類收入”“種植業收入”“生活類支出”均屬“非常重要”的影響等級，因為農村地區的主要經濟來源為耕種、生產經營及日常工作所得工資?！吧a經營類支出”“養老保險”屬于“比較重要”的影響等級，養老保險是我國目前最重要的養老保障制度，其主要服務對象是老年人，與老年人的年齡有著密切的聯系，因而每年一直都受到人們的廣泛重視?！捌渌杖搿睂儆凇耙话阒匾钡挠绊懸蛩?，除了以上幾種主要的經濟來源之外，農民家庭還可以獲得其他的收入，例如耕地補貼、大豆補貼、防護林巡邏隊員補貼等。

3? 結論

水是生命的源泉，目前鄉鎮還沒有全部開通自來水，這個問題已經嚴重影響到了居民的生存和發展，因此，我們應該把重點放在鋪設水管上，并提供適當的資金，以盡快解決這個問題。此外，教育水平在諸多屬性影響因子中具有普遍意義；在這些因素中，有無退學、有無住校學生等影響教育的因素也有，但是由于這些因素在一般情況下都是相同的，所以并沒有在因子分析中單獨反映，而被教育程度的影響因素所代替[8]。

經濟影響主要有生產、工資、種植和生活等，還有低保金、五險金、退休金等各類轉移性收入。養老保險的檔次和繳費年限關系到人們的生活水平，是當今社會的一個熱點問題。因此，要結合村民年齡、家庭人口等特點，制定扶貧政策，既要兼顧生產經營、種植業的收入，又要關注其個體經濟產業等方面的問題，比如可以針對貧困戶個體經濟企業減免稅收，并給予他們一定的補助，以此來調動貧困戶創新創業、主動脫貧的積極性。農業、林業和漁業是其主要經濟來源。在著重提高經濟的同時，也要重視生態環境問題。水資源、森林、耕地等資源依然是制約貧困的主要制約因素，農業基礎設施的發展依然十分薄弱，農業信息化建設在扶貧工作中起著舉足輕重的作用，但當前信息化建設在我國農村扶貧中的作用尚未完全發揮，因此必須大力推進農業機械化、信息化、現代化[9]。

影響農村貧困的因素并非僅限于這一點，還有一些社會的主觀因素，比如老年人的養老問題，即孩子會不會把他們當成自己的一顆“搖錢樹”，只顧著“啃老”，卻忽略了他們的身心健康狀況，無法給予他們應有的關懷。另外，在決定貧窮的因素中，內在的因素比外在的因素要多。扶貧的關鍵是要激發貧困群眾的內在動力，要根除“等別人靠別人”的觀念。首先，要制定合理的扶貧政策，為提高農民的脫貧提供有效的激勵。其次，要注意引導貧困者的抱負。最后，通過組織學習、示范、宣傳等方式，促進貧困人口的勤勞致富。針對扶貧對象的健康問題要充分調動貧困人口的自主經營意識，增強他們的個體素質，真正實現“授人以漁”。同時，要防止盲目跟風，缺乏合理的規劃安排，脫離實際。

本文基于因子分析方法，針對遼寧省國家級重點貧困縣的實際情況，采用Python數據挖掘處理技術，對貧困信息進行脫敏處理、數據清洗、數據標準化等數據預處理過程，得到正規統一的數據進行下一步分析。為進一步判斷數據是否適合因子分析的方法，本文采用KMO法與巴特利特檢驗法，根據法則標準對比判斷數據是否吻合要求。選取適當的公因子評估其影響比重，進而獲取因子得分，得到影響農村貧困因素的主要因子，并圍繞致貧原因給出了相應的分析與意見。

參考文獻：

[1] 趙永剛.鄉村振興戰略下農村貧困治理路徑研究[J].智慧農業導刊，2023，3（19）：82-85.

[2] 我國7.7億農村貧困人口擺脫貧困：兌現莊嚴承諾 創造人間奇跡[EB/OL].https：//m.gmw.cn/baijia/2021-04/07/1302215352.html.

[3] 徐曉陽.我國農村貧困人口穩定脫貧的影響因素與對策[J].鄉村科技，2021，12（5）：6-7.

[4] 韓林芝，鄧強.我國農村貧困主要影響因子的灰色關聯分析[J].中國人口·資源與環境，2009，19（4）：88-94.

[5] 李昕，韋巍，陳旭.基于SPSS程序的貧困村農民收入狀況分析——以靖西市某貧困村為例[J].現代農業科技，2016（21）：269-270.

[6] 郭興華.基于因子分析法的A市農村地區扶貧績效評估實證分析[J].技術經濟與管理研究，2020（12）：124-128.

[7] 何蓉.多維視角下民族地區農戶致貧因素分析——基于黔東南苗族侗族自治州黃平縣的調查[J].理論觀察，2013（11）：80-82.

[8] 李彥軍，劉夢帆.我國農村家庭貧困影響因素及區域差異[J].中南民族大學學報（人文社會科學版），2021，41（2）：139-149.

[9] ORSHANSKY M. Counting the poor： another look at the poverty profile. 1965.[J]. Social Security Bulletin，1988，51（10）：25-51.