覃凡丁 奉钦亮
（广西财经学院，广西 南宁 530003）
自十八大以来，我国相继出台了100 多个支持林业生态扶贫脱贫的政策文件或实施方案，广西省也出台和完善了“1+N”的林业生态脱贫攻坚系列政策文件或实施方案，建立了相对完备的林业生态扶贫脱贫政策体系和制度体系。2020 年，广西已历史性地解决了绝对贫困问题，并全面建成小康社会。本文旨在通过设置指标体系与确定评价方法，进而实证评价林业生态扶贫脱贫政策满意度影响因子，为巩固广西林业生态脱贫扶贫成果提供借鉴。
2020 年是脱贫攻坚战的收官之年，对农户脱贫质量感知和扶贫政策满意度的考察，不仅是对本轮扶贫政策实施效果的客观评价，还是扶贫脱贫工作经验总结、主要返贫风险规避、推动扶贫脱贫成果巩固与乡村振兴战略衔接的必要保障[1]。从扶贫效果评价来看，杨龙等（2019）研究发现通过农业产业扶贫可以有效提高贫困户的收入[2]。Croes[3]的研究表明，旅游产业的发展可以有效增加家庭的各类收入；
郑瑞强等[4]研究产业扶贫投资对于扶贫资金减贫效率的影响。吴国琴[5]基于郝堂村旅游产业发展进行分析，研究结果表明，旅游产业发展的要素不足将会导致扶贫效果差。虽然扶贫效果整体评价较好，但是农户对扶贫效果满意度又将如何？一般认为，扶贫政策满意度主要反映的是扶贫对象对此项工作的认同程度，是一项重要的政策绩效的主观评价指标[6]。曹军会等[7]设置家庭特征等认知5 个维度并基于调查数据评价分析了农户对陕西省落实扶贫政策的满意程度及其重要影响因素；
陈天浩[8]进一步将个体认知因素纳入分析框架，构建了基于农户认知和政策满意度的扶贫清单执行绩效评估体系。李博等[9]认为家庭所处村庄类型、家庭人口数、家庭成员是否包含老人、病人和长期在家劳动力等家庭特征对精准扶贫认可度会产生一定影响。李学军[10]认为贫困户脱贫态度对脱贫有着至关重要的作用，社会扶贫主体满意度效应最大，市场主体的满意度效应大于政府扶贫主体的满意度。张航等[11]运用路径分析法探究贫困人口脱贫能力和内生动力对教育扶贫政策满意度的影响机制认为，贫困人口对教育扶贫政策满意度处于中等水平。本文以2020 年实现脱贫的广西林业生态扶贫脱贫工作作为研究对象，探讨广西脱贫人口对林业生态扶贫满意度的影响因子，为推动林业生态扶贫脱贫成果巩固与乡村振兴有效衔接提供重要的理论支撑与必要保障。
2.1 指标体系构建
在中国期刊网（CNKI）等数据库用关键词“林业生态扶贫”“效果”“综合评价”检索被引频次高的文献，发现关于“林业生态扶贫脱贫政策满意度”的评价指标研究内容较少，因此再次用关键词“扶贫脱贫”“满意度”检索被引频次高的文献，两次检索结果相结合来选取文献，并对文献中出现的指标进行频次统计分析。然后基于评价指标的设立原则，再结合20 位来自林业系统与参与扶贫的专家讨论与投票结果，选取、确定具有代表性、简明、实用的11 个林业生态扶贫脱贫政策的满意度指标。
表1 林业生态扶贫政策的综合效果评价指标Tab.1 Comprehensive effect evaluation index system of forestry ecological poverty alleviation policy
2.2 评价方法确定
因子分析模型是假定每个原始变量由两部分组成：共同因子（common factors）和唯一因子（unique factors）。共同因子是各个原始变量所共有的因子，解释变量之间的相关关系。唯一因子顾名思义是每个原始变量所特有的因子，表示该变量不能被共同因子解释的部分。原始变量与因子分析时抽出的共同因子的相关关系用因子负荷（factor loadings）表示。周勇等[12-15]利用因子分析法分析吉林省主要园林树种叶片抗火性、马尾松林地表可燃物载荷等，由此表明，因子分析法较为简单易行的、很好的分析涵盖原始数据的各个因子项，且效果良好。因此，经过对比分析评价方法，本文选择因子分析方法分析评价林业生态扶贫脱贫政策满意度。
3.1 数据采集方式
本文主要采用问卷调查方法，调查对象为20 名专家学者和广西石漠化地区80 户农户，共回收有效问卷100 份，其中贫困户问卷80 份、专家学者问卷20 份。
3.2 数据有效性检验
样本数据有效性主要是通过KMO and Bartlett"s 检验。首先通过计算得到的KMO检验统计量为0.948，而KMO的检验标准为：KMO越接近于1 越适合做因子分子析，KMO越接近0 越不适合，本次数据为0.948 表明非常适合做因子分析。其次，对该数据进行巴特利特球形检验。如果观测值偏小则不适合做因子分析。计算得到的观测值为8 833.446，P值为0.000，表明使用数据通过有效性检验。
表2 KMO and Bartlett"s 检验与巴特利特球形检验结果Tab.2 KMO and Bartlett"s test and Bartlett"s spherical test results
3.3 因子模型估计
3.3.1 相关矩阵特征值、贡献率及累积贡献率
通过计算表明，因本研究提取第一个因子系数为7.678（大于60%即大部分指标信息被提取），方差占比为69.800%，即公共因子解释了原有变量总方差的69.800%。该因子的特征根值很高，已提取大部分原有变量的指标信息，表明此变量较好地显示了原有变量的数据信息。
表3 特征值、贡献率和累积贡献率表Tab.3 Table of characteristic value, contribution rate and cumulative contribution rate
3.3.2 因子载荷矩阵初步分析
先分析因子共同度。计算结果显示：大多数指标变量和因子之间的相关程度较高，表明此变量因子已代表原有变量的大部分信息，因此表明，此变量因子已包含所反映指标的信息量，本次因子提取效果比较理想。
表4 共同度表Tab.4 Common degree table
然后分析因子载荷矩阵。通过计算分析表明，因对典型变量的作用不是十分凸显，故而需要进一步旋转分析因子载荷矩阵。
表5 初始因子载荷矩阵Tab.5 Initial factor load matrix
（续表5）
3.3.3 旋转后特征根、贡献率和累积贡献率
通过因子载荷矩阵旋转分析表明，第一因子特征值为7.678，贡献率为69.800%，累计贡献率为69.800%，说明该因子的解释能力比较强。
表6 旋转后的因子特征值、贡献率及累积贡献率Tab.6 The factor characteristic value, contribution rate and cumulative contribution rate after rotation
因子载荷矩阵极差极大化旋转后的分析结果表明，专家与农户对林业生态扶贫脱贫政策实施的满意度依次是：村庄美化、村庄基础设施、林业产业扶贫、生活情况、林业工程、林业科技、林业就业、林业培训、村庄集体经济、村庄绿化、村庄生态环境质量等，其中发挥作用最大的是村庄美化、村庄基础设施、林业产业扶贫、生活情况、林业工程等五项林业生态扶贫脱贫政策措施，但是对林业培训、村庄集体经济、村庄绿化、村庄生态环境质量产生的作用较小。
表7 极差极大化旋转后的因子载荷矩阵Tab.7 Range maximization of the factor load matrix after rotation
通过对林业生态扶贫脱贫政策实施的满意度进行评价分析，本文得出的主要结论和政策建议如下。
4.1 主要结论
由于生产生活条件、基础设施和公共服务水平仍比较落后的深度贫困地区，通过实施村庄美化、村庄基础设施、林业产业扶贫、生活情况、林业工程等林业生态扶贫脱贫措施，充分发挥资源优势，因地制宜，让深度贫困地区贫困人口成功摆脱了贫困，故而深度贫困地区的农户对以上五项政策的满意度较高。对于由缺乏劳动力或者没有子女或子女外出务工的家庭，以及至少有一人患有慢性疾病或大病的家庭，更希望通过林业就业、林业培训、村庄集体经济等途径解决生活实际困难。另外，帮扶责任人的工作态度和工作成效也会对群众认可度产生一定影响。总之，享受了林业生态扶贫脱贫政策的贫困户满意度会普遍高于没有享受相应政策的贫困户，说明随着林业收入或者与林业生产经营有关的其他收入提高和生活条件改善，贫困户对实施的各项林业生态扶贫脱贫政策的态度均有较好的评价。
4.2 政策展望
林业拥有丰富的林业资源和生态优势，林业在深度贫困地区决胜扶贫脱贫攻坚战中发挥了重要作用。在林业扶贫脱贫攻坚战中，需要考虑以下问题：1）如何使脱贫攻坚相关措施与乡村振兴政策进行有效衔接；
2）在脱贫攻坚战中做出重要贡献的哪些政策需要继续执行、哪些政策需要调整、还需要出台哪些新政策等。民族要复兴，乡村必振兴。按照产业兴旺、生态宜居、乡风文明、治理有效、生活富裕的乡村振兴战略总要求，涉及林业产业、集体经济、村庄绿化与美化、生态环境质量、林业工程、林业科技、林业就业、林业培训、生活情况等原有林业生态扶贫脱贫成果巩固措施依然可以在实施乡村振兴战略中继续优化配置扶贫资源并发挥重要作用。
