1.3 集中连片特困地区多维贫困的统计描述和动态演化
1.3.1 集中连片特困地区多维贫困的统计描述
表1-2给出了多维贫困指标体系各贫困维度的Kendall Tau b相关系数，除了农业机会和非农机会之外，其他贫困维度的相关系数均为正值。同时，除了潜在机会与非农机会之外，其他贫困维度之间的相关系数也均统计显著，各不同贫困维度之间的相关系数也均小于0.5，这表明各贫困维度能够反映总体贫困的不同侧面，但仅使用单一维度无法有效展现总体贫困状况。值得注意的是，各指标间相关系数的大小也存在较大差异，其中外部风险与非农机会以及潜在机会的相关系数最大，分别为0.430和0.381，体现出非农机会和宏观经济稳定的有力关联，减贫政策制定应体现一体化设计。
表1-2 各贫困维度Kendall Tau b相关系数
数据来源：作者计算得到，其中∗、∗∗、∗∗∗分别表示相关系数在10%、5%和1%的显著性水平上统计显著。
表1-3给出了2001—2013年部分年份各贫困指标的贫困状况和绝对贫困测度的贫困线，还给出了各贫困指标低于不变贫困线的贫困县个数占总体的比重。就2013年的情况来看，低于各指标2013年集中连片特困地区总体水平70%的贫困县的比重依然较多，有10.26%的贫困县至少在某个贫困指标上处于贫困状况。从时间序列的纵向比较来看，各贫困指标均体现了明显的贫困减缓，各指标的平均改善速度为5.55%。但横向比较来看，不同指标的贫困现状和贫困改善速度则体现出了显著的差异。受益于义务教育制度，2013年有10.26%的贫困县在教育机会指标上低于绝对贫困线，而同期则有47.51%和44.19%的贫困县分别在养老风险和债务风险指标上低于2013年总体平均水平的70%。另外，历年五个贫困维度的贫困状况也存在着显著区别。多维贫困测度结果的上述统计描述体现出：不同贫困维度和贫困指标的贫困现状和贫困演化历程有所不同，但存在相关性，在精准扶贫政策设定时应体现出重点难点的区别。后续我们将对集中连片特困地区当前的减贫重点难点指标、区域进行更为细致的考察。
表1-3 各贫困指标贫困状况（%）
数据来源：作者计算得到，各贫困指标贫困状况是指某指标低于贫困线的贫困县比重。
1.3.2 集中连片特困地区多维贫困的动态演化
在反映集中连片特困地区多维贫困状况时，我们首先计算了各地区在各贫困指标上的贫困状况，然后使用等权重法和频度加权法分别加权得到了各贫困县2001—2013年的总体客观多维贫困和主观多维贫困状况。最后根据多维贫困指数对各贫困县总体多维贫困状况进行了细分，如果多维贫困指数小于1/3则为轻度多维贫困，多维贫困指数介于1/3~2/3则为中度多维贫困，多维贫困指数大于2/3的贫困县为重度多维贫困地区。测度结果详见图1-1和表1-4所示。从图1-1可以看出，2001—2013年集中连片特困地区的总体多维贫困和各贫困维度均体现出显著的贫困减缓，总体多维贫困从2001年的0.70下降到2013年的0.31，年均变动率为-6.48%。农业机会、非农机会、潜在机会、内部风险和外部风险五个贫困维度贫困减缓的年均变动率分别为-7.28%、-5.48%、-6.59%、-8.14%和-4.78%。横向比较，集中连片特困地区农业机会和内部风险两个贫困维度体现出了最为显著的贫困减缓，而外部风险和潜在机会则依然是贫困指数最高的两个贫困维度，也是未来减贫政策应该着力盯住的贫困维度。
图1-1 多维贫困及各维度演化情况（2001—2013年）
数据来源：作者根据等权重法计算的多维贫困结果绘制，其中总体多维贫困适用左侧纵轴，五个贫困维度的贫困状况则适用右侧纵轴。
表1-4 集中连片特困地区历年客观多维贫困和主观多维贫困情况（2001—2013年，%）
数据来源：作者计算得到，其中客观多维贫困根据各贫困维度和贫困指标等权重计算得到，而主观多维贫困则根据频率加权法得到。
从历年多维贫困严重程度的细分来看，按照等权重计算得到的多维贫困指数，集中连片特困地区重度多维贫困县的比重从2001年的53.54%下降到2013年的4.86%；按照频率加权法得到的主观多维贫困指数，重度贫困县也从2001年的69个下降到2013年的20个。值得注意的是，使用频率加权法得到的主观多维贫困具有显著更高的重度贫困县比重。对比不同贫困指标在等权重法和频率加权法中的权重发现，单位农产品产量、信息机会、教育机会、因病风险和债务风险五个贫困指标体现出了较高的离散程度，在频率加权法中赋予了更大的权重，分别为：0.151、0.147、0.200、0.186和0.200，并且这五个指标贫困线以下的县数量较少，从而使得频率加权法得到了多维贫困指数低于等权重法的测度结果。客观多维贫困和主观多维贫困的比较意味着重度贫困县在单位农产品产量、信息机会、教育机会、因病风险和债务风险五个方面体现出了更大的贫困距，是重度贫困县的难点任务所在。