基于PCA-GWR方法的村级贫困时空格局及致贫因素分析

探究贫困的时空变化及识别致贫因素,可以为扶贫政策的制定和实施提供参考。贫困是由多种因素造成的,地理加权回归(GWR)可以分析各因素对贫困的影响在空间上的差异,但致贫因素之间存在较强的相关性会导致多重共线性问题。本文探索了基于主成分的地理加权回归方法(PCA-GWR),结合自然、经济和社会属性对贫困空间格局特征进行因素分析;为探究贫困的时空变化规律,探索用全局Moran's I指数、局部G系数对村级贫困发生率的时空格局变化特征进行分析。并以江西省永新县为研究区为实验区进行分析。研究结果表明:①PCA-GWR模型中变量的方差膨胀因子(VIF)值明显低于GWR模型变量的VIF值,PCA-GWR模型有效地解决了GWR模型中存在的多重共线性问题;②永新县贫困格局分布与地形、植被分布等自然因素和低学历、缺乏劳动力、疾病等乡村主体自生发展能力相关,且每种影响因素与贫困发生率的关系呈现出不同的空间模式;③2013—2017年永新县贫困发生率从11.27%下降至0.97%,呈现出逐年下降趋势,且村间贫困差距逐年缩小,其中2013—2015年贫困发生率分布西高东低,2016年和2017年整体值较低;④从空间相关性来看:全局上,2013—2016年表现出空间正相关,2017年呈现随机分布;局部上,2013—2016年的冷、热点分布变化不大,冷点分布在中部,热点聚集在西南部,2017年热点分布在南部,冷点零星分布于北部地区。研究结果可为政府扶贫政策的制定提供参考。