广西生态移民地区人力资源开发和反贫困探究

《广西生态移民地区人力资源开发和反贫困探究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、广西生态移民地区人力资源开发和反贫困探究　　内容摘要：本文认为基础教育对生态移民的反贫困效果具有一定作用，但在降低贫困发生的优势比方面是显著低于具有高中或中专文化程度、大专及以上文化程度的，而后两者对抑制贫困发生的贡献也不一样，文化水平越高则对生态移民的反贫困效果越佳。关键词：生态移民反贫困人力资源教育6《中国农村扶贫开发纲要（2011-2020年）》中指出重点支持连片特困地区的扶贫开发，而广西作为国家14个连片特困地区的扶贫攻坚战主战场之一，29个县被列入其中，并且这些地区主要集中在社会发展程度低、自然环境条件恶劣

2、的石漠化地区。政府专门设立了异地安置领导小组，并对49个贫困县的特困人口外迁进行异地安置开发，截止2007年初，通过扶贫部门共安置大石山区贫困人口5万多户。造成广西大石山区贫困人口迁移的主要因素是生态压力过大，由于尖锐的人地矛盾，过多的贫困人口依赖于十分有限的土地求生存，导致对自然资源的掠夺性开发，进而出现因居住地的环境问题而不能在土地上谋生需要进行迁移的现象。在我国西部，人力资本的原始存量及其增量和结构间接影响着日益恶化的生态环境，人们可通过思想认识、人口压力、贫穷对资源的掠夺等方式对生态环境进行影响破坏。国内外研

3、究现状述评国际上关于移民的主要理论是英国学者雷文斯坦（E.G.Ravenstein）的推拉理论（thePushandPullTheory），指出人口迁移是由迁出地的推力和迁入地的拉力两种力量决定的。西方学者于20世纪90年代提出生态移民是解决PPE（人口、贫困和环境）问题的有效途径。近年来，针对生态移民我国学者米宝文，王梅兰（2008）从迁出地特征对生态移民必要性做出分析，指出迁出地具有环境恶劣、生态恶化、人口超标和人口贫困等特征。黄承伟（2010）指出贫困移民的特点迫切要求大力开发人力资源。国内外对生态移民及在此背

4、景下的人力资源开发研究虽然取得了较为丰富的成果，但仍存在不足。对生态移民问题的研究大多侧重在生态、经济和社会等宏观层面或抽象层次，而从人力资源这一微观层面的研究甚少。从研究方法来看，现有研究多停留在理论与原则层面的探讨，实证分析较少，理论与实践脱节情况严重。BinaryLogistic回归模型6本次研究是以对应的贫困线为标准来划定移民贫困与否的，即贫困问题的特点是因变量仅有两个值，贫困发生（是）或者贫困不发生（否）。而常用的多元线性回归模型要求变量必须在间距测度等级以上，也就是通常所说的连续型变量，并且要求在满足高斯

5、-马尔科夫的假设条件下，误差项e还必须呈正态分布。因此，当对二值品质型因变量进行多元量化分析时，这种方法便不再适用，而BinaryLogistic回归模型克服了多元线性回归的这种缺陷，它可以很好的对具有两分特点的因变量进行相关的统计分析。（一）模型简介令事件Y发生的概率为p，p∈[0，1]，则1-p即为Y对立事件发生的概率，现对概率p进行Logit变换，即对p/（1-p）取对数ln（p/（1-p）），则ln（p/（1-p））∈（-∞，+∞），设x1，x2，…，xi为影响Y取值的变量，那么以ln（p/（1-p））为因变

6、量，x1，x2，…，xi为自变量建立线性回归方程，并通过变换可得：那么对于服从二项分布（0，1）的因变量Y，Y=1的总体概率为（Y=1）所对应的logistic回归模型为：模型中α为截距（即常数项），βi为xi对应的偏回归系数，exp（.）是以自然对数e（e=2.71828）为底的指数。（二）参数解释优势（Odds）和优势比（OddsRatio，OR）。优势是指事件期望出现的概率（或次数）与非事件期望出现的概率（或次数）的比值。可以用公式简单的表示出优势与概率之间的关系，如果用表示二项分类变量事件发生的概率，即为非事

7、件概率，用表示优势则有：。6优势比是用来反应二项分类中两个变量之间关系的一种指标。logistic回归模型中的优势比。将的优势公式带入经过logit变换的logistic回归模型可得：模型中α为常数项，即当x1，…，xi=0时ln（p/（1-p））的值，βi为模型的回归系数，表示当xi之外的自变量保持不变时，xi的取值增加一个单位所引起的ln（p/（1-p））的变化量，也即logit（）或对数优势的平均该变量。但在logistic回归模型中，并不直接对回归系数βi做出解释，它解释的是优势比，也就是当自变量xi改变一个

8、单位时，因变量对应的优势比平均改变exp（βi）个单位，用公式可表示为：如果模型中存在虚拟变量，假设有k个分类，则需要且k-1个虚拟变量，每一个虚拟变量的优势比是相对于参照类而言，改变因变量优势的平均量。当模型中自变量的系数大于零时，意味着事件发生的概率会增加；反之，当系数小于零时，事件发生的概率则会减少，通过对自变量系数取值正负的判断，即可相