张 焱， 唐 婷， 胡雪枝， 李 勃

(1.云南农业大学经济管理学院，云南昆明 650201； 2.云南省农业科学院国际合作处，云南昆明 650205；3.南京审计大学公共管理学院，江苏南京 211815； 4.云南省农业科学院国际农业研究所，云南昆明 650205)

2020年，中国脱贫攻坚取得了历史性的胜利，使自改革开放以来的7亿多人口全部摆脱绝对贫困，为全世界减贫贡献率超过70%，成为世界上减贫人口最多的国家，创造了人类历史上大规模减贫的奇迹。尽管当前我国已实现全民脱贫，但部分区域因为贫困程度深、贫困面广、返贫率高等问题，其脱贫稳定性还有待提升，而坚持开发式帮扶，不断提高脱贫群体的内生发展能力，是增强区域脱贫稳定性，尽早从巩固拓展脱贫攻坚成果过渡到乡村振兴的有效途径。中国在多年的减贫工作中，关于贫困的内涵和对扶贫实践工作的认识处于动态演变过程中，逐渐演化到“整村推进”，实现量到质的转变。“整县推进，整村推进”实际上属于区域的整体发展，比较个体发展，区域整体发展更具有长期性、稳定性和持续性。紧跟前期国家精准扶贫开发战略，当前乡村振兴方略继续延续区域发展由“县”下沉到“村”，对脱贫村特征的全面度量和有效瞄准成为因村施策，分类实施乡村振兴的有效策略。而区域的整体发展，关键在于其内生发展能力的提升。影响区域内生发展能力的主要因素包括地理环境、生产要素的经济活动和空间布局、金融资源、基础设施等。在空间经济学、新经济地理学发展过程中，逐渐形成了空间内生增长理论，即自然资源、生态环境、地理位置等是影响区域增长的重要因素。通常而言，自然灾害频发、气候恶劣、地形地貌复杂、土地资源条件差、地理位置远离中心的高寒山区、深石山区、高原区、限制开发区等区域是内生发展能力弱的主要集聚区。而云南省的大量脱贫区域存在上述问题，因此，以云南省为例，考察云南省下辖16个州(市)脱贫村的内生发展能力和空间属性，是对区域发展单元由“省”下沉至“州(市)”，再至“村”的积极响应，有助于更准确地评估和考察相关政策措施的实施绩效和捕捉自我发展能力分布的精细特征。区域内生发展能力主要是指通过依靠自身力量或已有资源对外界相关有利要素进行一定的整合，最终使本地区经济快速、长久和稳定发展的多种能力综合。对区域内生发展能力评估的研究主要涉及科学设计区域内生发展能力评估指标体系和应用适当的方法进行测度。目前还未形成对区域内生发展能力评估的统一评价指标体系，学者们基于不同研究视角提出不同的指标设计方案。从整体发展视角出发，主要设计了经济建设、社会发展、资源环境状况等测度指标；从生态经济视角看，产业能力、空间能力、软实力和市场能力是影响区域内生发展能力的主要指标；从农业视角看，以农业资源及其条件、农业技术和农业制度适宜性作为评价指标；从资本视角看，基于人力资本、经济资本、自然资本和社会资本出发构建指标体系；从区域自我发展能力视角看，以人口发展能力、社会协调能力、生产经营能力和开发创新能力为评价系统。总体而言，这些指标包括区域中人、社会、生态、资源、经济等方方面面的能力发展。关于区域内生发展能力测度方法，主要应用ahp-熵值法、主成分分析法、因子分析法、数据包络分析法、空间自相关方法等进行评估和定量分析。在这些分析中，不同区域内生发展能力、影响因素和空间分布具有一定的差异性，且不同研究者的研究角度和评估体系构建也具有较大区别。如王秀艳从居民素质技能、企业创新能力、产业竞争力、政府调控能力4个方面构建民族地区自我发展能力指标体系，应用因子分析法进行测度和评价，提出提高民族地区自我发展能力应基于不同群体能力特征性质，针对“短板”能力制约采取合理有效的应对措施。已有学者在研究区域、研究视角、研究方法选取上均取得了一定成果，为本研究提供了理论和方法上的研究基础和支撑作用。但当前的研究存在以下不足之处：一是从村级视角出发，探讨脱贫村的内生发展能力的研究相对较少；二是研究所用数据多为统计年鉴中区域全样本数据或调研数据，前者把区域内非贫困人口也揽括在内，后者则以少数调研人口代替全部样本，2种数据采集方法均使得数据精准度不够，影响评价结果的有效性和可信度。因此，本研究以具有较大代表性的国家级乡村振兴重点帮扶县最多的中国西部云南省为例，利用云南省精准扶贫大数据平台获取云南省下辖16个州(市)2018—2019年脱贫村全样本数据，先应用主成分分析法筛选投入因子，再应用dea和malmquist全要素生产指数(简称“malmquist 指数”)方法评估云南省16个州(市)脱贫村2018—2019年的内生发展能力，在此基础上，应用moran’s i 指数对云南省16个州(市)脱贫村内生发展能力的空间格局进行探析，由此深入了解基于村级层面的云南省16个州(市)脱贫村内生能力发展存在的短板和问题，以期找出解决方案，保障脱贫的稳定性，并有效衔接乡村振兴，也为其他发展中国家减贫甚至消除贫困提供借鉴。

云南省是一个集边疆、民族、山区、跨境四位一体的欠发达省份。2018、2019年云南省gdp分别为17 881.12亿、23 223.75亿元，在中国各省(市、区)中分别排名第20、第18位，人均gdp分别为 37 136、47 944元，在中国各省(市、区)中排名倒数第2位和倒数第8位。2018—2019年，尽管云南省gdp和人均gdp均有所提高，全国的排名有所上升，但gdp和人均gdp依然处于全国中下水平。2018、2019年，云南省分别有2 298、3 005个村脱贫出列。从各个地州来看，2018年楚雄州、临沧市、文山州、曲靖市脱贫出列村较多；2019年昭通市、曲靖市、红河州、普洱市脱贫出列村较多(图1)。

本研究数据主要来源于云南省精准扶贫大数据平台、《云南省脱贫攻坚数据报告(2017—2019年)》《中国统计年鉴》《云南省统计年鉴》，以及各州(市)统计年鉴和相关网站数据。本研究脱贫村范畴为云南省下辖16个州(市)2018—2019年脱贫村的全样本数据(2018年玉溪市已脱贫出列，2019年昆明市已脱贫出列，因此，2018年无玉溪市脱贫村相关数据，2019年无玉溪市和昆明市脱贫村相关数据)。

在进行脱贫村内生发展能力评估时，评价指标的选取对结果准确性和可信度均产生重要影响。董沥等从产业结构、人力资源、金融资源、制度政策、科技创新、基础设施6个方面对区域自我发展能力进行分析；徐孝勇等构建人类资本生产能力、社会发展能力和资源环境承载能力3个二级指标7个三级指标对集中连片特困地区县域自我发展能力进行测度。考虑到本研究主要从“省”下沉到“州(市)”，并以村级尺度构建脱贫村内生发展能力评价指标体系，不同于国家级和省级的统计年鉴数据特点，主要借助云南省精准扶贫大数据平台的基础数据。因此，依据可操作性、可比性、科学性、可获得性等原则，并基于本研究绩效测度的目的是考察脱贫村的内生发展能力，结合已有研究成果构建本研究的投入产出评价指标体系，主要从地理环境、人口及劳动力状况、医疗卫生和社会保障、生产生活条件4个方面构建投入指标，从经济收入构建产出指标。

1.2.1 投入指标

1.2.1.1 地理环境 已有学者从村级尺度考虑的地理环境主要包括到最近乡镇集市的距离、地貌类型、遭受自然灾害频次、高等级道路长度等。由于本研究把各州(市)下辖脱贫村的整体情况作为研究对象，因而主要选择地貌特征作为地理环境指标，即不是山区村占比。该指标的计算方法为各州(市)中不是山区村的脱贫村个数与该州(市)全部脱贫村个数之比。

1.2.1.2 人口及劳动力状况 已有研究从外出劳动力比例、劳动力比例、劳动力文化素质、人口密度等方面构建人口和劳动力状况指标，考虑到国家对五保户和低保户的资金扶持，以及大学生村官对脱贫所作的贡献，本级指标下除选取劳动力人口占比和外出务工人口占比2个指标外，还将非五保户和低保户占比、有大学生村官的脱贫村占比2个指标作为人口及劳动力状况的具体测度指标。

1.2.1.3 医疗卫生和社会保障 已有研究主要选择参加新型农村合作医疗比例和参加城乡居民基本养老保险比例作为医疗卫生和社会保障的测度指标，本研究参考前人的研究成果，也选用这2项指标。

1.2.1.4 生产生活条件 已有研究主要选择农用地面积、建设用地面积、人均耕地面积、耕地等级、文化图书室数量、通电率、通路率、通电话率、危房比重、安全饮水比重、卫生厕所比重等作为生产生活条件的评价指标。考虑到当前乡村振兴的战略重点，本研究选择非危房占比、有公共卫生厕所村占比、有垃圾集中堆放点村占比、人均耕地面积4个指标作为生产生活条件的具体测度指标。

1.2.2 产出指标 在应用数据包络分析(dea)对内生发展能力进行测度时，学者们主要选取经济收入作为产出指标。因此，本研究选择人均可支配收入5 000元及以上脱贫村占比和有集体收入脱贫村占比2个具体指标作为产出指标(表1)。

当前，国内外学者主要应用熵权topsis法、层次分析法(ahp)、dea法、机器学习法等对区域发展进行测度。sun等应用熵权topsis法对四川省成都市双流县4个“一村一品”专业村的经济效益进行评价和排序，并提出相关的对策建议。singh应用dea分析法对印度政府在农村就业计划mgnrega项目中的资源利用和就业创造绩效进行评价，并选择3个支出指标作为投入参数，5个创造就业指标作为产出参数，结果发现，技术和管理是造成低效率的主要原因，进而通过方案调整使其与最佳状态相当，可以有效节省总支出并提高项目绩效。鉴于dea评价法可用于多输入多输出，且不需要设定输入和输出指标之间的显性表达式，具有很强的客观性，比回归分析更近似有效状态，因此本研究选用dea模型对脱贫村内生发展能力进行评价。由于本研究的决策单元dmu为16个[(云南省下辖16个州(市))]，按照通常的规则，输入输出指标不宜超过dum数量的1/3，因此本研究在应用dea进行分析前，对12个投入指标应用主成分分析法进行降维处理，最终得到2个投入主成分，2个产出指标，共计4个指标，低于16/3，符合dea模型分析的前提条件。脱贫村内生发展能力的空间属性主要应用空间自相关分析法进行分析，该方法可度量变量在空间上的分布特征和其对领域的影响程度。主要有moran’s i系数和geary’s c系数，由于moran’s i指数可以更好地运用空间权重，可靠性更高，因而本研究选用moran’s i 指数对云南省16个州(市)脱贫村内生发展能力的空间属性进行判定。

表1 脱贫村内生发展能力评估指标体系

1.3.1 主成分分析法 主成分分析法是一种降维方法，可以将多个相关变量转化为少数几个不相关的变量，从而达到降低维度的目的。本研究所涉及的脱贫村内生发展能力评估指标体系的各投入指标所反映的信息可能存在一定程度的重叠，通过主成分分析法可以在尽量避免信息损失的前提下消除各个指标间的相关性，并根据累计贡献率构建新的指标。

1.3.2 数据包络分析法 1978年，美国的charnes等首次提出可以应用于对被评价对象进行相互比较的非参数技术效率分析法，即数据包络分析法。该方法通过计算所有决策单元(dmu)实际生产点与生产前沿面的距离来比较决策单元偏离dea前沿面的程度并评价其相对有效性。在dea方法中，最经典的是ccr(规模报酬不变)模型和bcc(规模报酬可变)模型。鉴于实际生产中多为规模报酬可变，因此本研究选用bcc模型进行测度。具体模型为

min。

式中：表示决策单元的有效值；表示决策单元的权重系数；、分别表示投入和产出变量；、分别为投入和产出的松弛变量。该模型的输出结果包含3种情况，即当=1,≠0且≠0时，决策单元为弱有效；当=1,=0且=0时，则决策单元有效，当