導語：城鎮化發展多維減貧效應分析一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

貧困問題一直是困擾著我國經濟社會發展的難題，改革開放以來，隨著經濟的持續高速發展，我國的扶貧工作取得了顯著的成效，以最新的年收入2300元（2010年標準）為貧困標準線，我國的貧困人口由1978年的77039萬人減少到了2017年的3046萬人，貧困發生率也由97.5%降到了3.1%，貧困人口的規模和深度都得到了有效的控制。與此同時，由于我國人口基數龐大，區域經濟發展不平衡等現狀，我國的貧困問題依然嚴峻，扶貧減貧任務依然艱巨，尤其是老、少、邊、連片特困地區，脫貧困難重重，制約著2020年全面建成小康社會目標的實現。值得關注的是，我國的官方統計資料一般采用單一指標即貧困發生率來測度貧困人口的變化，僅從收入角度反映貧困人口數量的變化，對于除收入以外的醫療教育等隱性貧困并不敏感，因而很難從整體上把握貧困程度，制訂出相應的對策。因此，在對貧困進行測度時，采用多維貧困的視角[1]，除了常用的收入貧困外，加入了反映居民文化程度的“教育貧困”指標和反映居民可接受醫療服務程度的“醫療貧困”指標，以便更完整地反映居民的貧困狀況。隨著中國經濟進入新常態，城鎮化發展成為經濟增長的重要動力，研究城鎮化的多維減貧效應，具有一定的理論意義和現實意義。

1模型設定與變量說明

1.1理論假設。著名經濟學家羅森斯坦-羅丹和繆爾達爾認為：一國的人均收入必須邁過一定的門檻才能逐步發展起來，否則會陷入“貧困陷阱”中，進入難以擺脫的惡性循環。在“貧困陷阱”中主要制約力量來自資本積累，而發展中國家城鎮化的發展對于資本積累起著重要的作用，城鎮化將城鄉二元結構的閑置資源進行整合，提高資本積累率，從而使得經濟擺脫“貧困陷阱”而邁向更高水平的均衡狀態。結合相關學者的研究[2-13]，本文認為城鎮化推進貧困減緩主要通過經濟增長、產業結構優化和公共財政支出三個方面，因此提出以下三個假設：假設1：城鎮化發展導致資源集聚從而提高生產效率，帶動經濟增長從而提高人均收入以及對教育、醫療等資源的獲得性。假設2：城鎮化所帶來的人口遷徙一方面讓農村貧困人口直接接觸到了城鎮的優質資源，另一方面勞動力的流入刺激了服務業的發展，進而通過產業結構的優化實現減貧。假設3：政府在推動城鎮化的過程中加大財政公共支出力度，優化地區的基礎設施建設和社會保障等從而有益于貧困減緩。1.2模型設定。為了檢驗城鎮化發展與貧困減緩之間的關系，本文構建了基本計量模型：Povit=α0+α1Urbit+α2Macroit+vi+γt+μit（1）公式（1）中，Povit表示貧困程度，Urbit表示城鎮化率，Macroit表示宏觀控制變量，包括財政干預、人均GDP和產業結構三個指標,vi為不隨時間變化的個體固定效應，γt為時間固定效應，μit為隨機誤差項。為了更加準確地估計城鎮化減貧的空間溢出效應，本文在公式（1）的基礎上加入空間變量和滯后期獲得動態空間面板模型。Povit=ρåwijPovit+LnxTitβ+δåwijxTjt+λåwijμij+vi+γt+ϵit（2）公式（2）中，ρåwijPovit為被解釋變量的空間滯后項,ρ為滯后項系數，wij為空間權重矩陣，LnxTit為解釋變量，δåwijxTjt表示解釋變量的空間滯后項，δ表示其空間滯后項系數，åwijμij為擾動項空間滯后，λ為擾動項滯后系數，vi表示地區固定效應，γt表示時間固定效應，ϵit~(0，σ2)，通過對模型的相關系數進行控制可以得到不同類型的空間面板模型。當λ=0且δ=0時，可以得到空間滯后模型（SAR），空間滯后模型主要是度量被解釋變量存在的直接空間效應；當ρ=0且δ=0時，可以得到空間誤差模型（SEM），空間誤差模型主要度量被解釋變量除直接因素外的誤差項產生的空間效應；當只有λ=0時，可以得到空間杜賓模型（SDM）。對于如何選擇SAR、SEM、SDM三種空間面板模型，可以通過LM檢驗、Wald檢驗和LR檢驗來確定最合適的空間面板模型，為了便于比較和檢驗結果的穩定性，本文將三種模型同時進行了回歸分析。權重矩陣是空間計量分析中表達空間交互結構的紐帶，也是最為核心的步驟之一，本文采用的是空間嵌套權重矩陣，由鄰接矩陣和經濟權重矩陣相乘得到。采用嵌套矩陣一方面能夠較好地反映相鄰省域人口流動的空間特征,另一方面能體現不同省域之間經濟相互依賴的程度。嵌套權重矩陣wij以表1所示的方式得出，同時對其進行標準化處理。本文所涉及的變量主要分為被解釋變量、核心解釋變量和控制變量三部分，具體情況為：（1）被解釋變量。衡量貧困程度的指標通常有貧困發生率、SEN指數、GT指數等，這些指標都是以收入作為衡量的標準，在識別貧困程度上顯得過于片面，而貧困實際上是一個多維度的指標，故借鑒傅鵬等[14]的做法，通過收入貧困、教育貧困和醫療貧困三個維度來綜合表述貧困狀況。對于收入貧困，由于缺乏2010年前的貧困發生率數據，故采用單德朋等[10]的方法，選取恩格爾系數來衡量貧困狀況，在模型中各省份的恩格爾系數可分辨該地區發展的貧困程度，數值越大表明貧困程度越深，即為正向指標，部分年份統計年鑒中沒有給出恩格爾系數，本文利用食品支出在消費支出中所占的比重進行了計算，得出相應的數值；對于教育貧困，選取各省份15歲以上文盲人口所占比重來衡量，也為正向指標；對于醫療貧困，選取各省份每千人口衛生室人員數來表示，為負向指標，即數值越高貧困程度越低。（2）核心變量。本文的核心解釋變量為城鎮化水平（Urban），采用各地區城鎮人口占地區總人口比重即城鎮化率來衡量，人口城鎮化率能夠有效反映勞動力要素的聚集，從而對貧困人口的城鄉流動帶來的收入、教育、醫療等方面產生一定的影響，因此人口流動指標能較好地反映城鎮化水平。（3）控制變量。控制變量包括對減貧有明顯影響的其他因素，如：財政干預（Fin）、實際人均GDP（PGDP）和產業結構（Ind）。其中財政干預用各省份的政府財政公共支出占當年GDP的比重來表示，實際人均GDP以1978年為基期，除去通貨膨脹的影響得出，由于產業結構的層次主要由第三產業來推動，故選取第三產業增加值占GDP的比重來表示產業結構。

2數據描述與實證分析

2.1數據來源與統計性描述。為保證時間的長度，盡量避免中國城鎮化發展政策變遷對減貧的擾動影響，本文從《中國統計年鑒》《中國農村貧困監測報告》和《中國財政統計年鑒》選取了2005—2017年全國31個省份的面板數據，對被解釋變量、核心變量、控制變量進行了歸納整理（見表2），表2展示了各變量的統計性描述。2.2多維貧困的空間相關性分析。隨著城鎮化的發展，帶動資本和人口的廣泛流動，貧困的空間分布可能會存在著越來越強的空間相關性。為了驗證各省份之間收入貧困、教育貧困和醫療貧困的空間特征，本文使用空間自相關Moran’sI指數來進行檢驗，其計算公式為：MoranI=Måijwij×åijwij(x)i--x(x)j-xˉåi(xi-xˉ)2（3）其中，M為區域的數量，xi和-x分別表示某區域的樣本觀測值和總體樣本觀測均值，i=1，2，…，M。wij為i與j區域的空間權重賦值，如果兩地在地理空間上相鄰則賦值為1，否則為0，Moran’sI指數的取值范圍介于-1至1之間，數值越大意味著該指標的空間相關性越強，若取值為0則意味著不存在相關性。利用空間嵌套矩陣對2005—2017年全國31個省份的收入貧困、教育貧困和醫療貧困分別進行了Moran’sI指數的檢驗，結果如表3所示。表3的結果顯示，收入貧困、教育貧困和醫療貧困的Moran’sI指數絕大部分為正值且在1%的統計水平上顯著，表明我國各省份的三大貧困存在著顯著的空間集聚效應。收入貧困的莫蘭指數值隨著時間的推移先逐漸變大后逐漸變小，呈現出倒“U”型的發展趨勢，這表明我國收入貧困狀況在2005—2010年間呈現出愈發增強的空間集聚效應，之后空間集聚效應有所減緩。而教育貧困和醫療貧困的莫蘭指數值逐年減少，表明其貧困集聚狀況有減弱的長期趨勢。究其原因，可能在于近年來我國出臺了一系列新的扶貧措施，打破地域界限，加快了人口和資本跨區域流動，從而讓貧困集聚效應有所減弱。2.3空間模型的實證結果。本文以全國31個省份為研究對象，故采用固定效應模型更為合適，并且對面板數據進行Hausman檢驗，其結果也支持采用固定效應模型。本文采用空間嵌套權重矩陣，運用Stata14.0軟件進行空間面板估計，依次探究城鎮化等指標對收入貧困、教育貧困和醫療貧困的減貧效應；同時列出空間滯后模型、空間誤差模型和空間杜賓模型的檢驗結果，這樣的好處在于可以直觀地進行對比，也能檢驗估計結果的平穩性，且每一種模型都根據空間固定效應、時間固定效應和雙固定效應進行控制，通過比較擬合優度R2選擇空間固定效應為最佳模型，最終得到了以下實證結果：（1）收入貧困分析。收入貧困的實證結果如表4所示。為了便于進行對比，本文將普通面板模型的回歸結果也放入表中，在表4各個模型的估計結果中，可以觀察到，SAR模型和SDM模型的擬合優度較高，且其空間相關系數ρ顯著大于零，表明我國居民的收入貧困在空間上存在顯著的正相關性，即呈現出區域性的貧困聚集。根據擬合優度最高的SDM模型的估計結果，城鎮化水平在1%的顯著水平下對收入貧困產生負向影響，其系數值為-0.1648，表明城鎮化水平每提高1%，收入貧困降低0.1648%。對于控制變量而言，發現產業結構和人均GDP指標顯著地有利于收入減貧，政府的財政干預顯著但反向作用于貧困減緩，其原因可能在于地方政府比較注重GDP的考核，故投放的財政支出大量用于基建等項目支出，而對于改善民生的項目投資較少，導致居民的收入貧困沒有得到有效改善。水平上顯著（下同）。（2）教育貧困分析。教育貧困的實證結果見下頁表5，在此同樣把普通面板回歸模型放置其中進行對比。觀察結果發現城鎮化發展對于教育減貧并沒有顯著的作用，可能的解釋是城鎮化對教育貧困存在著倒“U”型的影響，隨著城鎮化發展到一定程度，超過了門檻值使得其對教育貧困的影響變得非常有限，甚至抑制了教育貧困的減少。觀察擬合優度最高的空間杜賓模型可以發現空間自回歸系數ρ顯著大于零，故教育貧困也存在著空間集聚作用，各變量中除城鎮化對教育減貧有消極效果外，產業結構也對教育減貧有顯著的正向作用。這也解釋了服務業發展所導致的人力資本流動使得農村教育資源的流失更加嚴重，而財政干預和人均GDP指標顯著地有利于教育減貧，說明財政支出中逐年增長的教育支出改善了居民的教育水平，相對來說教育具有更多的公共品屬性，故服務于大眾的政府財政支出對于教育減貧有著一定的積極作用。（3）醫療貧困分析。醫療貧困的實證結果見表6。結果表明，不管使用哪種模型進行回歸，城鎮化對于醫療減貧的效果都是顯著的正相關，即促進了人們在醫療資源上的可得性，根據擬合優度R2的數值大小選擇最合適的模型可以發現，時間固定SDM模型效果更好，擬合度達到了0.8503，根據該模型的回歸結果可以看出空間相關系數ρ顯著為正，表明醫療貧困同收入貧困和教育貧困一樣具有空間集聚的特點。對醫療減貧的影響要素中，城鎮化水平、人均GDP和產業結構對醫療減貧具有顯著的促進作用，其中，城鎮化水平每提高1%，醫療貧困減少0.966%，說明人口的城鄉流動有利于醫療服務覆蓋面的擴大，經濟增長和服務業的發展也對醫療減貧產生了積極影響，而財政支出不利于醫療減貧，其原因可能與收入貧困類似，政府的財政支出向GDP績效的項目傾斜而忽視了醫療公共服務的投資。2.4直接效應和間接效應。通過空間杜賓模型（SDM）效應分解所得到的城鎮化減貧的效果如表7所示，其中直接效應是指本地區的城鎮化發展對本地區減貧的影響，而間接效應是指本地區的城鎮化對于周邊地區減貧的空間溢出作用。由表7可知，城鎮化發展對于本地區的收入貧困和醫療貧困均有著直接的抑制作用，但對教育貧困沒有明顯的效果，這與上文分析結果相似。對于空間溢出效應，城鎮化對周邊地區的收入貧困具有顯著的抑制作用，雖然對于醫療貧困的溢出效應不顯著但是為正，方向仍然保持一致?？偟膩碚f，各省份之間的減貧存在著明顯的空間關聯效應，而城鎮化的發展不僅有利于本地區的收入和醫療減貧，還能帶動周邊地區的發展，實現跨區域的聯動減貧。2.5分區域進行檢驗。為進一步考查上述解釋變量的多維減貧效應在不同區域有何差異，即檢驗其空間區域性特征，本文根據《中國統計年鑒》對于全國省份進行了東、中、西部三個地區的劃分，并分別對各地區的收入貧困、教育貧困和醫療貧困進行了檢驗，結果如表8所示。由表8可知，對于收入貧困而言，城鎮化指標只對西部地區都有著顯著的抑制作用，而對于東部和中部沒有顯著影響，說明待發展地區的城鎮化更有助于收入減貧，財政支出的減貧效果不太理想，與全國樣本的分析保持一致。人均GDP則有著區域分化的態勢，僅在東部和中部有著較強的減貧效果。而第三產業的減貧效果則在東、中、西部地區均有著顯著的作用，尤其是在西部地區系數值更高，說明越是經濟欠發達的地區，服務業的發展越能帶動貧困減少。對于教育貧困，與全國樣本類似，城鎮化發展不利于教育減貧，在東部地區甚至有顯著的正向作用，說明在越是城鎮化發展面臨飽和的發達地區，城鎮化對于教育減貧越失去了助推效果。財政干預對教育減貧有著一定的抑制作用但并不顯著，人均GDP的減貧效果最好，在東部地區系數值最高，中部其次，說明越是經濟發達的地區，經濟增長越能帶動教育減貧。至于醫療貧困，城鎮化水平在東、中、西部地區均有著1%水平上顯著的減貧作用，在東部地區系數值達到了最高的1.4671，表明經濟越發達，其醫療減貧效果越好。經濟增長的醫療減貧效應則在中部和西部地區產生積極作用，而服務業發展只在中部地區有著顯著的促進作用，財政干預對于醫療貧困沒有減緩作用，這與收入減貧有著相似的表現。

3結論

總體而言，本文得到了以下結論：（1）貧困分布呈現出顯著的集聚效應。根據Moran＇sI指數的檢驗結果，我國的收入貧困、教育貧困和醫療貧困均呈現出顯著的正相關，故一個地區的減貧也會帶動周邊地區的減貧；反之，一個地區貧困的加深也會導致鄰省貧困加劇，這種貧困集聚的空間效應體現出我國區域發展的不協調性。（2）城鎮化發展能夠顯著抑制收入貧困和醫療貧困，但不利于教育減貧，這在分析東、中、西部區域性檢驗時得出了一致的結論，城鎮化帶動人口和生產要素的流動，促進了區域經濟的發展，帶動居民收入的提高，同時在醫療這個具有公共服務屬性的方面也存在著顯著的積極作用。（3）城鎮化的飛速發展不僅能帶動本地區的減貧，還在空間上對相鄰地區產生空間溢出作用，而且城鎮化對于收入貧困的空間溢出效應甚至比直接效應更強。

作者:朱冬元 楊瀟宇 孫浩然 單位:中國地質大學