贫困退出背景下衡阳返贫脆弱性调查与评价

Investigation and Evaluation of Hengyang’s Vulnerability to Poverty under the Background of Poverty Withdrawal

摘要: 针对区域返贫脆弱性进行精确识别，预防和化解返贫风险成为“后扶贫时代”的核心任务。本文基于暴露–敏感–适应理论框架，构建生态–福利–经济三位一体的返贫脆弱性指标体系，以2021年的数据为样本，采用BP神经网络，科学评估衡阳7个县域返贫脆弱性问题，研究发现：1) 常宁、衡山与衡阳整体返贫脆弱度高，处于最高级别；衡东、衡南与耒阳整体返贫脆弱度低，处于最低级别；2) 根据主导要素的差异，将衡阳返贫脆弱性较高的地区划分为三大类别，其中衡山县属于多维约束返贫脆弱县，衡阳县表现为生态–福利约束返贫脆弱县，而常宁则为生态–经济约束返贫脆弱县；3) 为有效预防和化解返贫，需要协同薄弱区域的人、地和业要素，重视生态环境与贫困的相互影响，加强政策干预。

Abstract: Accurately identifying regional vulnerability to poverty relapse, preventing and resolving the risk of poverty relapse have become the core tasks of the “post-poverty alleviation era”. Based on the exposure-sensitivity-adaptation theoretical framework, this paper constructs a trinity vulnerability index system for poverty relapse that integrates ecology, welfare, and economy. Using data from 2021 as a sample and the BP neural network, this paper scientifically assesses the vulnerability to poverty relapse in seven counties in Hengyang. The research findings are as follows: 1) Changning, Hengshan, and Hengyang as a whole have high vulnerability to poverty relapse, ranking at the highest level; Hengdong, Hengnan, and Leiyang have low vulnerability to poverty relapse, ranking at the lowest level; 2) According to the differences in dominant factors, the regions with high vulnerability to poverty relapse in Hengyang are divided into three categories. Among them, Hengshan County belongs to a county with multidimensional constraint vulnerability to poverty relapse, Hengyang County exhibits vulnerability to poverty relapse constrained by ecology and welfare, while Changning is vulnerable to poverty relapse constrained by ecology and economy; 3) To effectively prevent and resolve poverty relapse, it is necessary to coordinate the human, land, and industrial factors in vulnerable regions, pay attention to the mutual influence between the ecological environment and poverty, and strengthen policy interventions.

1. 引言

2020年岁末，随着中国人民的辛勤努力与不懈奋斗，脱贫攻坚这项重大而艰巨的任务终于画上了圆满的句号。在现行的扶贫标准下，中国农村地区曾经深陷贫困的人口已经全面摆脱了贫困的束缚。更为重要的是，有832个国家级贫困县通过评估和考核，成功摘下了贫困帽子，这不仅象征着我国贫困治理工作取得了巨大成就，也意味着我国在消除绝对贫困方面迈出了坚实的步伐。虽然短期性的绝对贫困容易被消除，但长期性的相对贫困却会持续存在，这个时期将侧重于巩固脱贫攻坚的成果，以及有效应对相对贫困问题，确保贫困人口不会再次陷入困境。在这样的背景下，如何有效地实现脱贫攻坚，同时预防返贫现象的发生，已经成为各级政府所面对的重大挑战。

据统计，截至2020年3月，中国约有二百万人口面临着返贫和贫困的可能，另有约500万人徘徊在贫困的边缘[1]。这些人群通常具有高度的脆弱性和边缘性，使得他们在社会经济发展的浪潮中显得尤为薄弱。尤其是生态环境比较脆弱，经济基础比较薄弱的地区，返贫的风险更加显而易见。为了应对这一挑战，我国需要为这些地区提供更多的政策支持，包括但不限于资金援助、技术扶持、教育支持等。同时，还需要建立完善的监测机制，及时发现并干预可能导致返贫的风险因素，从而阻止贫困现象的进一步蔓延。因此，探索和研究返贫脆弱性问题，这对巩固并巩固脱贫攻坚成果，意义重大。只有通过深入研究和探索返贫脆弱性问题，制定出更加有效的扶贫政策，才能真正实现脱贫攻坚的目标，为全面建设社会主义现代化国家克坚之基。

返贫是成功摆脱贫困地区，因种种原因而再次陷入贫困的困境。这种现象更揭示出贫困问题的复杂性和长期性。返贫现象具有明显的不确定性和反复性[2]，其背后的本质原因往往在于贫困的退出过程不够彻底，或者脱贫的途径缺乏可持续性。这一现象已经引起了国内学术界的广泛关注。众多学者从经济学、社会学、政治学等多角度对返贫问题进行了深入研究，旨在找出其深层原因，提出有效对策。学者们从返贫原因[3]、测度[4]、机制[5]、治理[6]等多个层面对其展开了深入的研究。脆弱性是指在一定条件下，由自然因素与人类短期经济行为所带来的不利影响而产生的脆弱状态。“反贫困”和“不彻底”问题的根本原因是贫困主体自身的脆弱。党的二十大报告明确指出，提升脱贫地区和脱贫群众的发展动力，关键在于解锁脱贫地区返贫机制的深层逻辑。而脆弱性分析正是这把解锁的钥匙。通过运用脆弱性分析这一工具，我们可以更加清晰地理解脱贫地区返贫的内在动因，从而为推动持续稳定的脱贫工作提供有力支撑。由此，返贫脆弱性理论分析框架逐步建立，比如暴露–敏感–适应[7]、敏感–恢复力–压力度[8] [9]等。为了准确评估返贫脆弱性，需要综合考虑多种因素，包括经济、社会、环境等多个维度。在评估脱贫情况时，从货币角度出发，运用预期贫困脆弱性(VEP)、低期望效用脆弱性(VEU)和风险暴露脆弱性(VER) [10]等指标来量化分析。同时，结合多维贫困脆弱性的研究方法，能够更全面地评估脱贫区域或个体的福利水平和生活质量。近年来，在对贫困问题的研究不断深化的同时，基于经济学视角，多维贫困脆弱性研究逐渐受到广泛关注。多维贫困脆弱性不仅仅局限于经济方面的贫困，它还将健康、教育、生活状况等各个方面都纳入了其中，因此，贫困人口所面对的困难也能得到更加充分的体现。在这一背景下，牛津人类与发展计划(OPHI)提出的多维贫困脆弱测度法[11]以及将AF双界线法与VEP方法相结合的测度法[12]等方法，为多维贫困脆弱性的研究提供了有力支撑。尽管当前国内外关于贫困脆弱性的多维度研究日益增多，但是对其研究还很少。返贫脆弱性是指已摆脱了贫困状态的人口，在面对风险时，会因为种种原因而再次陷入贫困。对其进行深入研究，对全面了解中国今后贫困的特点和动力具有重要意义。

“返贫脆弱性”是指脱贫地区或个人在面对不利的环境与社会变迁时，因应对风险的适应能力不足，而导致其福利水平再次下降。中国已取得了较大规模的扶贫成效，但如何保证脱贫成果的稳定性、防止返贫现象的发生，是一个亟待解决的问题。近年来，在我国全面实现绝对贫困消除及扶贫工作重心转型的背景下，返贫脆弱性、生计问题、扶贫可持续发展等问题受到越来越多的关注。这些研究不仅从区域层面进行了深入探索，还从家户层面进行了细致的分析。在区域层面，李寻欢[13]从生态、经济和福利等方面构建了多维返贫脆弱性评价体系。朱姝[14]对广东省连州市66个相对贫困村进行了评估。在家户层面，高明[15]分别从发展能力、社会权力视角综合评价了我国中部农村地区脱贫家庭的贫困状况；陈文美[16]阐释了生计脆弱性所揭示的贫困本质及其所引发的返贫风险机制，提出降低农村脱贫家庭返贫风险、防止其规模性返贫的有效路径应是强化生计资本的风险适应能力。赵雪雁[17]建立了从家户生计视角建立了可持续性评价指标体系，发现生计不可持续型脱贫农户面临多维资本–环境阻滞型与多重要素阻滞型障碍超过半数。

本研究旨在通过深入分析，并揭示导致返贫现象发生的多种因素及其相互作用的机制，希望这项研究成果能够对新时期衡阳如何有效预防和阻断返贫、加强贫困治理工作提供宝贵的启示和借鉴。

2. 研究方法与数据来源

2.1. 指标与数据

本文以衡阳市7个县域(包括衡阳、衡南，耒阳，常宁，衡山、衡东、祁东)作为研究对象，总面积约14,000平方千米，总人口约550万，国内生产总值约3200亿，贫困发生率由2014年的7.8%降至2020年底的0.3%，农村人均可支配收入为26,000元，其中祁东县是湖南省级贫困县。

贫困区域的形成源于系统演化过程中各要素耦合失调，其中地理资本匮乏是核心要素。返贫脆弱性，是贫困地区系统内部功能稳定性缺失或功能紊乱的延续[17]。因此，评价返贫脆弱性现象时，需重点关注“空间外部性”因素，并从地理资本的维度进行深入研究，全面评估贫困地区的地理位置、生态环境、经济基础、产业发展状况、社会福利保障水平以及基础设施建设等多方面要素。参照严小燕(2022) [18]的做法，本文以衡阳市7个县域为研究对象，基于“暴露–敏感–适应性”理论框架，从自然、社会和经济3个维度出发，构建返贫脆弱性评价指标体系(见表1)，采用BP神经网络智能算法测度生态暴露(EEI)，福利敏感(WSI)，经济适应(EAI)等指数，全面评估区域返贫脆弱指数(RVRI)，并根据上述分析得出结论与启示。EEI指标数据来源于中科院资源环境科学与数据中心(http://www.resdc.cn/)，WSI和EAI指数数据来源于2021年《中国县域统计年鉴》《衡阳统计年鉴》《国民经济与社会发展统计公报》等。

Table 1. Evaluation index system of Hengyang’s poverty return vulnerability

表1. 衡阳返贫脆弱性评价指标体系

维度	指标	符号	解释	影响
生态暴露指数 EEI	平均海拔	A1	县域平均DEM高程/m	正向
	坡度	A2	县域平均坡度/(˚)	正向
	地形起伏度	A3	县域平均起伏度/m	正向
	NDVI	A4	县域植被指数NDVI	负向
	耕地面积占比	A5	县域耕地面积之和/县域总面积	负向
	生态用地面积占比	A6	县域生态面积之和/县域总面积	负向
福利敏感指数 WSI	教育资源	A7	普通中学在校学生数/年末总人口	负向
	社会福利供给度	A8	福利机构数/个	负向
	医疗资源	A9	每千人拥有床位数/床	负向
	信息化水平	A10	本地电话用户/年末总户数	负向
	农村居民与城镇居民收入之比	A11	农村居民收入/城镇居民收入	负向
	乡村就业	A12	乡村从业人员数/人	负向
经济适应指数 EAI	人均GDP	A13	地区生产总值/年末常住人口数/元	负向
	农村居民人均可支配收入	A14	元	负向
	人均地方财政收入	A15	地方财政收入/年末常住人口数/元	负向
	固定资产投资	A16	万元	负向
	城镇化率	A17	(年末常住人口数 − 乡村人口)/年末常住人口数	负向
	建设用地面积占比	A18	全县建设用地总面积/县域总面积	负向

2.2. BP神经网络模型

区域多维贫困测量涉及多个维度与指标，它们相互之间关联、影响，形成错综复杂的网络关系。人工神经网络在区域贫困模拟过程中是一种切实可行且客观的评价方法。在多指标综合评价中，它可以最大限度地降低人为因素对指标权重的影响，充分体现被评价对象的真实状况。

BP神经网络是一种基于误差反向传播的多层前馈式网络，与其他类型的神经网络算法相比，具有构建便捷、算法多样、适应性强等特点，在模拟仿真、评估、预测预报以及分类等领域应用最为广泛。文章采用Matlab程序对构建的BP神经网络模型进行计算[19] [20]。主要步骤如下：

1) 构建网络模型。由一个输入层、一个隐含层和一个输出层构成3层神经网络。我们遵循最小训练次数即最优原则，通过反复试验和调整，最终确定生态贫困指数、经济贫困指数、福利贫困指数。EEI、WSI、EAI构建的网络结构分别为6 × 6 × 1、6 × 6 × 1、6 × 8 × 1。网络参数设置包括：隐含层的传递函数为Tansig函数，输出层的传递函数为Purelin函数，学习函数为Learngdm函数，性能函数为均方误差。

2) 训练网络模型。因缺乏区域贫困通用评价标准，文章借鉴严小燕做法，采用自然断点法设定5个评估等级，并进行线性插值，以扩大样本数量，获得训练数据(表2)。网络训练的参数设置：训练函数为Trainlm，最大迭代次数10,000，最大误差0.00001，其他参数默认。

3) 模型评价。为了规避量纲对评价结果的影响，文章运用极差法对指标体系数据进行归一化，再选用Sim模拟函数计算出各贫困县的生态贫困指数、经济贫困指数和福利贫困指数，则区域返贫脆弱指数(RVRI)为。

$\text{RVRI}=\left(\text{EEI}\times \text{WSI}\right)/\text{EAI}$ (1)

Table 2. BP network evaluation criteria of regional poverty-return vulnerability index

表2. 区域返贫脆弱性评估指数的BP神经网络评价标准

	A1	A2	A3	A4	A5	A6	等级
EEI	0.1115	0.0974	0.096	1	1	1	1 (低)
	0.2723	0.2778	0.2760	0.6339	0.7801	0.7195	2 (中低)
	0.4352	0.4596	0.4474	0.3909	0.6477	0.4532	3 (中)
	0.6307	0.6889	0.6703	0.1990	0.5001	0.3064	4 (中高)
	1	1	1	0.0867	0.2352	0.167	5 (高)
	A7	A8	A9	A10	A11	A12	等级
WSI	1	1	1	1	1	1	1 (低)
	0.778	0.9179	0.9546	0.9327	0.7015	0.902	2 (中低)
	0.6115	0.806	0.9129	0.8686	0.5422	0.8092	3 (中)
	0.4528	0.6269	0.8366	0.7819	0.3845	0.6445	4 (中高)
	0.1601	0.0597	0	0	0.1567	0.3673	5 (高)
	A13	A14	A15	A16	A17	A18	等级
EAI	1	1	1	1	1	1	1 (低)
	0.8827	0.7629	0.9457	0.9108	0.8366	0.9466	2 (中低)
	0.7650	0.5950	0.8874	0.7408	0.6988	0.8310	3 (中)
	0.6271	0.4743	0.7359	0.5253	0.5194	0.6170	4 (中高)
	0	0.2943	0	0.2590	0	0	5 (高)

3. 结果分析

采用极差法对指标体系数据进行归一化处理，选用Sim模拟函数计算，2021年衡阳各地区返贫脆弱性评价结果如表3所示。

Table 3. Evaluation results of vulnerability to poverty in Hengyang in 2021

表3. 2021年衡阳各地区返贫脆弱性评价结果

评价等级	衡阳	衡南	衡山	衡东	祁东	耒阳	常宁
生态暴露指数EEI	高	中高	高	高	中低	中	高
福利敏感指数WSI	高	中低	中高	低	中高	低	中
经济适应指数EAI	高	高	中高	中高	中	高	中
返贫脆弱指数RVRI	4.4834	0.9220	5.2370	0.7855	2.4658	0.3577	5.4511
排序	3	5	2	6	4	7	1

EEI指数是从海拔、地形等自然地理资源科学考察生态环境的暴露程度，该指数值越大，表明生态暴露程度越高，返贫风险也越大。衡阳地区周围山地的环绕和内部多样地形的组合而显得尤为复杂，南高北低，四周高中间低，地形自西南向东北倾斜。表3显示，衡阳7个县级区域的EEI指数总体评价都比较高，脆弱的生态环境导致该片区EEI指数平均值高达4.14，其中5个地区EEI指数处于中高以上(71%)，而且4个处于最高级别(57%)，祁东EEI指数最小，处于中低级别，这可能依赖于县域耕地面积较大。

WSI指数通过医疗、教育和就业等社会地理资本指标，科学衡量社会生活福利水平对区域返贫风险的敏感度，如果指数值越高，则福利敏感度越大，返贫脆弱性也越强。表3显示，衡阳7个县级的WSI指数总体评价也比较高，脆弱的福利制度导致该片区WSI指数平均值为2.92，其中3个地区WSI指数处于中高以上，约占43%地区。衡东与耒阳的WSI指数等级都为低，说明其社会福利返贫风险的易感程度较低，衡东主要得益于信息化水平建设较高，耒阳的社会福利机构保障体系建设完善，以及乡村就业人数较多。这说明近年来，教育、医疗和产业等扶贫举措在大部分地区取得了显著成果，区域福利水平整体得到改善。

EAI指数是从地方财政收入、固定资产投资等经济资本，科学衡量经济发展在降低返贫风险方面的韧性与效能，如果区域指数值越高，表明经济适应能力越强，则区域返贫脆弱性相应较低。表3显示，衡阳7个县域EAI指数总体评价非常高，平均值为4.87，经济适应能力强，其中5个地区EAI指数处于中高以上，约占71%地区，而且3个地区(衡阳、耒阳、衡南)都评价为高，这表明乡村投资与建设等举措对提升农户收入、带动乡村经济增长都是行之有效的。但是，祁东的EAI指数稍微偏低，主要可能是乡村人口的流出，导致经济增长缓慢。根据EAI指数，衡阳市在经济适应能力方面存在显著的区域差距。为确保扶贫攻坚成果得以巩固，有必要进一步优化资源配置，促进区域间经济发展的平衡。

RVRI指数综合考察区域返贫脆弱程度，数值越大，返贫脆弱度越高。表3显示RVRI指数平均值为2.81，整体返贫脆弱度处于中等。其中常宁、衡山与衡阳整体返贫脆弱度高，都处于最高级别，分别位列第1、2、3位；而衡东、衡南与耒阳整体返贫脆弱度低，都处于最低级别，分别位列第5、6、7位；作为湖南贫困县的祁东，整体返贫脆弱程度为中等，位列第4，这得益于政策的大力支持。根据不同主导要素可将其分为3大类别，分别为多维约束返贫脆弱县(类型I)，如衡山县；生态–福利约束返贫脆弱县，比如衡阳县；生态–经济约束返贫脆弱县，如常宁，RVRI指数高值和中高值县是返贫风险较高的地区，为确保区域的持续发展和社会稳定，自2022年起，仍需给予特别的扶持与持续关注。

4. 结论与讨论

4.1. 结论

目前，我国的贫困治理模式已经由“消灭绝对贫困”向“后贫穷时代”转变，也就是“巩固脱贫成果”与“破解相对贫困”两个阶段。探讨贫困地区返贫的脆弱性，可以为新时代乡村振兴、实现可持续发展和乡村振兴提供决策依据。本文基于区域视角，构建生态–福利–经济三位一体的返贫脆弱性指标体系，以2021年的指标数据为样本，采取BP神经网络法，对衡阳市7个县域进行返贫脆弱性评价及其分析。研究发现：1) 常宁、衡山与衡阳县整体返贫脆弱度高，处于最高级别，分别位列返贫脆弱性的第1、2、3位；而衡东、衡南与耒阳整体返贫脆弱度低，处于最低级别，分别位列返贫脆弱性的第5、6、7位。2) 依照不同主导要素，以三大类别将返贫脆弱性较高的地区进行划分，其中，衡山县属于多维约束型返贫脆弱县，衡阳县则是生态–福利约束型返贫脆弱县，而常宁则是生态–经济约束型返贫脆弱县。

4.2. 讨论与启示

2020年，面对新冠疫情带来的挑战，习近平总书记在决战决胜脱贫攻坚座谈会上指出，农村贫困人口全部脱贫“必须如期实现，没有任何退路和弹性。这是一场硬仗，越到最后越要紧绷这根弦，不能停顿、不能大意、不能放松”。

2021年，在摆脱贫困的地区成功脱贫摘帽之后，关键在于如何确保经济持续稳定增长、提升社会保障水平、优化基础设施及公共服务体系，进而保障脱贫成果的可持续性并防止大规模返贫现象的出现。在这一过程中，需要关注并解决“扶贫政策失灵”和“被脱贫”现象等问题，以提高持续减贫的实效。需要科学评价、比较区域和个体返贫脆弱性，并进行洞察视角的互补和有机融合。具体而言，可以通过建立完善的监测预警机制，及时发现和解决扶贫政策执行中的问题；在此基础上，还需深入分析贫困人群的具体情况，针对他们可能面临的返贫危机，制定出更加精细化、个性化的援助计划。通过这种方式，有效防止其重返贫困的边缘。此外，还应加大扶贫政策的宣传和培训力度，提升贫困群众自主发展的能力，提高其参与程度。总之，已脱离贫穷地区的脱贫摘帽以后，需要综合考虑经济、社会、基建与公用事业等多方面的因素，制定和实施科学有效的政策措施，确保稳定脱贫，防止大范围的返贫。与此同时，也必须密切关注并着手解决扶贫政策在实施过程中遇到的种种挑战与问题，不断提升精准扶贫、持续减贫的实效性。只有这样，才能确保每一项政策都能够落到实处，真正达到预期的减贫效果，让贫困地区的人们受益于国家的扶持和社会的关怀。

鉴于此，防范和化解返贫，需要各级政府将重点放在统筹人口、土地和产业等方面，突出生态环境与贫困的互动关系；在此基础上，借助政策的介入，将外源性力量嵌入到脆弱区域，以化解脆弱区域的地理资本弱势，要充分发挥社会救助政策的作用，健全医疗救助与基本医疗保险，完善基本生活救济制度，社会政策的目标要从特惠转向为普惠，大力推进农村基本公共服务的发展，把社会救助制度嵌入基本公共服务体系，政策的实施也要从一元转向多元，实现社会经济高质量发展和生态环境保护的良性互动。2024年中央一号文件提出，提升乡村建设水平，增强乡村规划引领效能，深入实施农村人居环境整治提升行动，推进农村基础设施补短板，完善农村公共服务体系，加强农村生态文明建设，促进县域城乡融合发展。对于衡阳地区来说，应当致力于打造一个更为绿色的区域环境。这不仅包括改善现有生态系统的质量和稳定性，还需构建一套完善的灾害监测体系、预警机制以及应对措施，确保生态暴露度较高的地区能够有效预防灾害带来的冲击，从而防止因自然灾害导致的返贫现象发生。此外，文件指出，提升乡村产业发展水平，促进农村一二三产业融合发展，推动农产品加工业优化升级，推动农村流通高质量发展，强化农民增收举措。因此，在衡阳对经济适应度较低的地区，更应加速产业结构调整和经济发展步伐，通过引入新技术、新业态和新模式，增强这些地区抵御外部风险的能力，实现可持续发展目标。

基金项目

大学生创新创业训练计划项目：贫困退出背景下衡阳返贫脆弱性调查与评价(202211528017)；大学生创新创业训练计划项目：越岭山笋(S202311528040X)；大学生创新创业训练计划项目：拾书苑(S202411528024)。

NOTES

^*通讯作者。