穆哈拜提·帕熱提，趙羽

（1.新疆農(nóng)業(yè)大學(xué)經(jīng)濟(jì)與貿(mào)易學(xué)院，烏魯木齊830052；2.清華大學(xué)經(jīng)濟(jì)學(xué)研究所，北京100093）

0　引言

改革開放以來我國(guó)農(nóng)民收入以較快的速度增長(zhǎng)。東西部的經(jīng)濟(jì)發(fā)展差異造成我國(guó)不同省份農(nóng)村居民收入之間的差異，東部沿海地區(qū)的農(nóng)村居民收入水平明顯高于西部欠發(fā)達(dá)地區(qū)。西部地區(qū)因受自然環(huán)境、經(jīng)濟(jì)、社會(huì)等因素的制約，農(nóng)村居民純收入的增長(zhǎng)速度與沿海發(fā)達(dá)地區(qū)相比仍有較大的差距。過大的區(qū)域差異會(huì)阻礙生產(chǎn)要素流動(dòng)，影響農(nóng)村地區(qū)的消費(fèi)，農(nóng)村居民收入的提高不僅能拉動(dòng)我國(guó)消費(fèi)，對(duì)縮小城鄉(xiāng)差異、區(qū)域差異具有推動(dòng)作用。

農(nóng)村居民收入的空間分布問題近幾年成為國(guó)內(nèi)外學(xué)術(shù)界研究的熱點(diǎn)。學(xué)者們從不同的角度研究農(nóng)村居民收入的區(qū)域差異[1-5]。以往的大多數(shù)文獻(xiàn)從宏觀和微觀層面研究我國(guó)農(nóng)村居民收入的結(jié)構(gòu)變化及影響因素，而從空間視角研究我國(guó)農(nóng)村居民收入的文獻(xiàn)屈指可數(shù)，大部分文獻(xiàn)忽略農(nóng)民收入的空間關(guān)聯(lián)性?；诖耍疚脑谇叭说难芯炕A(chǔ)上，把空間因素引入計(jì)量模型，嘗試運(yùn)用空間杜賓模型分析我國(guó)省際區(qū)域農(nóng)村居民收入的時(shí)空差異，以便更精確地估計(jì)各變量對(duì)本地區(qū)及周邊地區(qū)農(nóng)民增收的影響。

1　研究方法及理論模型

1．1　空間自相關(guān)

空間自相關(guān)是衡量相鄰地區(qū)變量之間是否存在空間關(guān)聯(lián)性的指標(biāo)，一般用Moran’s I表示。Moran’s I的取值范圍為[-1,1],若取值[-1、0]，則表示鄰近地區(qū)變量之間存在負(fù)相關(guān)關(guān)系；若取值[0,1]，則表示鄰近地區(qū)變量間是正相關(guān)關(guān)系；若Moran’s I值等于0，則表示鄰近地區(qū)變量之間不存在空間關(guān)聯(lián)性[6]。

1.1.1全局空間自相關(guān)

全局空間自相關(guān)表示研究區(qū)域整體的空間相關(guān)性，全局Moran’s I值用來判斷整個(gè)空間單元的因變量和自變量之間是否存在空間依賴性。全局Moran指數(shù)表達(dá)形式為：

1.1.2局部自相關(guān)

局部自相關(guān)主要用局部Moran’s I指數(shù)判斷每個(gè)局部單元與鄰近區(qū)域就某一個(gè)屬性而言有沒有空間上的關(guān)聯(lián)性。并通過局部地區(qū)是否出現(xiàn)高-高聚集,高-低聚集、低-低聚集、低-高聚集現(xiàn)象來判斷局部區(qū)域的某個(gè)屬性值在局部地區(qū)是否存在聚集現(xiàn)象[7]。其數(shù)學(xué)式如下：

其中n表示空間單元數(shù)量，Xi表示地區(qū)i的屬性變量，Xj表示地區(qū)j的屬性變量，Wij為空間權(quán)重，I表示全局Moran’s指數(shù)，Ii表示局部Moran’s指數(shù)，I的大小表示鄰近地區(qū)變量在空間上的關(guān)聯(lián)程度，I值越大，則表明地區(qū)之間的空間關(guān)聯(lián)性就越大。

1.1.3空間權(quán)重

計(jì)算Moran’s I指數(shù)之前需要確定研究單元的空間權(quán)重矩陣。在通常情況下空間權(quán)重矩陣根據(jù)單元的地理位置而創(chuàng)建，也有學(xué)者把經(jīng)濟(jì)因素納入空間矩陣。為簡(jiǎn)化操作程序，本文選用地理空間權(quán)重。地理權(quán)重一般有二進(jìn)制鄰接權(quán)重矩陣和距離衰減矩陣。二進(jìn)制鄰接權(quán)重矩陣，即，若鄰近的兩個(gè)地區(qū)存在公共邊界，則賦值為1，若不存在公共邊界則賦值為0；而距離衰減矩陣是根據(jù)地區(qū)間的空間距離而建立，地區(qū)間的空間距離與對(duì)應(yīng)的空間權(quán)重成反比。本文將采用二進(jìn)制鄰接空間矩陣作為空間權(quán)重。

1．2　空間面板模型

空間面板模型是空間滯后模型（SLM）和空間誤差模型（SEM）等橫截面模型的推廣，空間面板模型的一般形式可以用如下形式表示：

yi,t-1是被解釋變量的空間滯后項(xiàng)，而d`iXtδ是解釋變量的空間滯后模型；如果λ=0，則面板模型變成空間杜賓模型（SDM）；若λ=0且δ=0則變?yōu)榭臻g自回歸模型（SAR）；若τ=ρ=0且δ=0則模型成為空間誤差模型（SEM）[8]?？臻g杜賓模型可以估計(jì)變量的直接效應(yīng)、間接效應(yīng)以及總效應(yīng)。直接效應(yīng)是指解釋變量對(duì)被本地區(qū)被解釋變量的影響；間接效應(yīng)是指解釋變量對(duì)本地區(qū)周圍地區(qū)的被解釋變量的影響；總效應(yīng)是解釋變量對(duì)整個(gè)地區(qū)產(chǎn)生的影響。

2　變量的選擇

我國(guó)農(nóng)民收入?yún)^(qū)域差異的影響因素較多而且比較復(fù)雜，不僅包括經(jīng)濟(jì)因素，還包括社會(huì)、文化、自然環(huán)境、區(qū)位及個(gè)體自身因素。本文結(jié)合相關(guān)學(xué)者的研究，選區(qū)位條件、經(jīng)濟(jì)因素、區(qū)域政策、市場(chǎng)環(huán)境、農(nóng)戶受教育程度、要素投入、農(nóng)戶經(jīng)營(yíng)行等影響農(nóng)民收入?yún)^(qū)域差異的主要因素。具體選取的指標(biāo)如表1所示。

表1　農(nóng)民收入主要影響因素分類

將上述變量引入空間杜賓模型，寫成如下形式：

3　實(shí)證分析

3．1　農(nóng)村居民收入的空間關(guān)聯(lián)性

我國(guó)農(nóng)村居民收入在空間上存在聚集的現(xiàn)象。本文分別對(duì)我國(guó)大陸31省2000—2015年農(nóng)村居民收入從高到低進(jìn)行排序后，劃分為高、中、低三個(gè)等級(jí)，并進(jìn)行分類，結(jié)果見表2所示。

表2　2000—2015年省際農(nóng)村居民收入演變趨勢(shì)

從表2可以看出，上海、北京、浙江等沿海發(fā)達(dá)地區(qū)是屬于高收入地區(qū)；屬于中等水平的地區(qū)有吉林、黑龍江、內(nèi)蒙古等地區(qū)；屬于低收入地區(qū)的有寧夏、新疆、西藏等西北和西南地區(qū)。

從時(shí)間演變趨勢(shì)來看，在高收入地區(qū)中，上海一直穩(wěn)居榜首，在高收入俱樂部中遙遙領(lǐng)先，2005年后浙江和天津的農(nóng)村居民收入增長(zhǎng)速度也比較快，超過了廣東；特別關(guān)注的是，2015年，浙江的農(nóng)村居民純收入已經(jīng)超越了北京，緊跟著上海。而河北地區(qū)2000年和2005年都屬于高收入地區(qū)，而到了2010年，河北跌入中等收入地區(qū)行列。

在中等收入地區(qū)中吉林省趕超趨勢(shì)比較明顯，2005年后，吉林一直穩(wěn)居中等收入地區(qū)的榜首，2010年吉林甚至擠進(jìn)了高收入地區(qū)行列。于此形成鮮明對(duì)比的是山西，山西近幾年的農(nóng)村居民收入一直在減少，從2010年開始，山西從中等收入地區(qū)跌入低收入地區(qū)行列，而且跌入低收入地區(qū)后農(nóng)村居民收入呈現(xiàn)出繼續(xù)下降的趨勢(shì)，2015年低收入地區(qū)中的廣西的農(nóng)村居民收入已超越了山西。

在低收入地區(qū)中廣西一直排名比較靠前。除此之外，西藏的農(nóng)村居民收入也有了較大的提高，西藏2015年已超越了云南、青海、貴州、甘肅等地區(qū)。

3．2　農(nóng)村居民收入的空間自相關(guān)分析

從我國(guó)農(nóng)村居民收入的空間分布來看，上海、浙江、江蘇等高收入地區(qū)集中于我國(guó)東部沿海地區(qū)，而低收入地區(qū)基本上集中于我國(guó)西北和西南地區(qū)。通過計(jì)算2015年的全局Moran指數(shù)發(fā)現(xiàn)，全域Moran指數(shù)為0.193，說明各省農(nóng)民收入在空間上存在一定的關(guān)聯(lián)性。

為了更清楚地解釋我國(guó)農(nóng)村收入在局部地區(qū)的空間關(guān)聯(lián)現(xiàn)象，本文利用GEODA軟件進(jìn)行局部自相關(guān)分析。局部自相關(guān)一般包括“HH”、“LH”、“LL”、“HL”四種聚集類型。HH聚集模式：屬性值較高的地區(qū)在空間上聚集在一起，這些地區(qū)在Moran散點(diǎn)圖中位于第一象限；LH聚集模式：屬性值較低的地區(qū)被高值地區(qū)包圍，這些地區(qū)在Moran散點(diǎn)圖上位于第二象限；LL聚集模式：低值地區(qū)在空間上聚集在一起，這類地區(qū)在Moran散點(diǎn)圖上位于第三象限；HL聚集：高值地區(qū)被低值地區(qū)包圍，在空間上表現(xiàn)出極化效應(yīng)，這類地區(qū)位于第四象限。圖1為局部Moran指數(shù)散點(diǎn)圖：

圖1 我國(guó)2015年農(nóng)村居民收入Moran值散點(diǎn)圖

圖1顯示，位于第一象限的高收入地區(qū)有北京、天津、山東、遼寧、江蘇、浙江、上海等沿海發(fā)達(dá)地區(qū)；屬于第二象限的河北、安徽等地區(qū)被周圍的北京、天津及浙江、江蘇等高收入地區(qū)包圍；西部大部分低收入地區(qū)落在第三象限，而且在呈現(xiàn)出高度聚集的特征；位于第四象限的有廣東、遼寧等高收入地區(qū)，這些地區(qū)被周圍的廣西、云南、河北、內(nèi)蒙古等低收入或中等收入地區(qū)包圍。

總之，我國(guó)農(nóng)村居民收入的空間關(guān)聯(lián)性見顯著，沿海地區(qū)已形成“高收入俱樂部”，而位于西北、西南的大部分欠發(fā)達(dá)地區(qū)空間上低-低聚集的現(xiàn)象比較突出，而其余各別地區(qū)偶爾存在空間異質(zhì)性問題，而聚集特征與上述地區(qū)相比沒有那么顯著。

3．3　影響因素分析

本文采用的數(shù)據(jù)均來自各省歷年統(tǒng)計(jì)年鑒，地理數(shù)據(jù)來自于1：500000國(guó)家基礎(chǔ)地理數(shù)據(jù)。本文用Y來表示農(nóng)村居民人均純收入，為了數(shù)據(jù)的平穩(wěn)性，對(duì)所有變量取對(duì)數(shù)。由于本文選取的數(shù)據(jù)N=31，T=16屬于短面板數(shù)據(jù)，因此不需做平穩(wěn)性檢驗(yàn)和協(xié)整檢驗(yàn)。通過Hausman檢驗(yàn)發(fā)現(xiàn)，無論空間還是非空間面板模型，固定效應(yīng)模型的估計(jì)結(jié)果均優(yōu)于隨機(jī)效應(yīng)模型?？臻g面板模型的Hausman檢驗(yàn)結(jié)果為243.17。即，拒絕解釋變量與空間溢出效應(yīng)無關(guān)的假設(shè)，因此本文選用固定效應(yīng)模型的估計(jì)方法。估計(jì)結(jié)果如下頁表3所示。

從表3可以看出，非空間面板固定效應(yīng)模型回歸系數(shù)均高于空間面板杜賓模型，存在高估自變量對(duì)因變量的作用，通過對(duì)比發(fā)現(xiàn)，而空間面板杜賓模型中的回歸系數(shù)更符合實(shí)際?？臻g溢出變量ρ的系數(shù)為0.6445，而且通過了顯著性檢驗(yàn)，空間面板杜冰模型的擬合優(yōu)度也比非空間面板固定效應(yīng)模型高。

空間杜賓模型的估計(jì)結(jié)果顯示，二三產(chǎn)業(yè)發(fā)展水平、政府對(duì)農(nóng)民的財(cái)政支持、農(nóng)民家庭生產(chǎn)投入、農(nóng)戶受教育水平、青壯年勞動(dòng)力在農(nóng)村總?cè)丝谥械谋戎氐葘?duì)農(nóng)民增收具有正向推動(dòng)作用。

表3　普通面板模型和空間杜賓模型回歸結(jié)果

為更直觀地反映每個(gè)變量對(duì)本地區(qū)和周圍地區(qū)的影響，本文估計(jì)直接效應(yīng)、間接效應(yīng)和總效應(yīng)，估計(jì)結(jié)果如表4所示。

表4　空間面板數(shù)據(jù)的直接效應(yīng)和間接效應(yīng)

從表4中的直接效應(yīng)估計(jì)結(jié)果可以看出，二三產(chǎn)業(yè)在GDP中的比重、政府財(cái)政支持、農(nóng)村居民的受教育水平、中青年人口在鄉(xiāng)村人口中的比重、農(nóng)村居民生產(chǎn)要素投入量等因素是影響本地區(qū)農(nóng)民增收的主要因素。

間接效應(yīng)結(jié)果顯示，二三產(chǎn)業(yè)發(fā)展水平、政府對(duì)農(nóng)村居民的財(cái)政支持、農(nóng)民受教育水平、中青年勞動(dòng)力在農(nóng)村總?cè)丝谥械谋戎貙?duì)周圍地區(qū)的農(nóng)村居民增收也有較明顯的推動(dòng)作用。

總效應(yīng)估計(jì)結(jié)果顯示，家庭經(jīng)營(yíng)支出對(duì)周圍地區(qū)的作用不顯著，其余變量的總效應(yīng)與直接效應(yīng)基本保持一致。

4　結(jié)論

本文利用探索性空間數(shù)據(jù)分析方法和空間面板杜賓模型研究我國(guó)大陸31省2000—2015年農(nóng)村居民收入時(shí)空演變趨勢(shì)、空間關(guān)聯(lián)性及其影響因素。通過探索性空間分析（ESDA）方法發(fā)現(xiàn)，我國(guó)農(nóng)村居民收入呈現(xiàn)出較強(qiáng)的空間關(guān)聯(lián)性。在東部沿海發(fā)達(dá)地區(qū)農(nóng)村居民收入在空間上呈現(xiàn)出“高-高聚集”的特征，而農(nóng)村居民收入在西部連片區(qū)域中出現(xiàn)“低-低聚集”的現(xiàn)象。中部地區(qū)和東北地區(qū)的各別省份出現(xiàn)“高-低聚集”或“低-高聚集”的現(xiàn)象。

空間杜賓模型估計(jì)結(jié)果顯示，農(nóng)村居民收入在區(qū)域之間存在較明顯的空間溢出效應(yīng)。二三產(chǎn)業(yè)發(fā)展水平、政府對(duì)農(nóng)村居民的財(cái)政支持、農(nóng)村居民受教育水平、青中年人口在農(nóng)村總?cè)丝谥械谋戎?、農(nóng)業(yè)生產(chǎn)要素投入量等因素對(duì)本地區(qū)及周圍相鄰地區(qū)農(nóng)村居民收入的提高具有顯著的推動(dòng)作用。

參考文獻(xiàn)：

[1]Li Y C,Wang X P,Zhua Q S,et al.Assessing the Spatial and Temporal Differences in the Impacts of Factor Allocation and Urbanization on Urban Rural Income Disparity in China,2004—2010.[J].Habitat International 2014,43(43).

[2]Davis B J,Winters P,Carletto G.A Cross-Country Comparison of Rural Income Generating Activities[J].World Development Volume 2010,38(1).

[3]文玉釗,鐘業(yè)喜,熊文平.江西省農(nóng)村居民收入時(shí)空差異及其影響因素[J].經(jīng)濟(jì)地理,2012,(5).

[4]祝偉,汪曉文.中國(guó)省際間農(nóng)村居民收入結(jié)構(gòu)和收入差距分析[J].中國(guó)人口·資源與環(huán)境,2010,(4).

[5]楊霞,徐鄧耀.空間相關(guān)性與地區(qū)工資差異分析[J].中國(guó)區(qū)域經(jīng)濟(jì),2013,(4).

[6]徐彬.空間權(quán)重矩陣對(duì)Moran's I指數(shù)影響的模擬分析[D].南京:南京師范大學(xué)碩士學(xué)位論文,2007.

[7]王海軍,劉又哲.遼寧省財(cái)政支出對(duì)經(jīng)濟(jì)增長(zhǎng)的影響[J].遼寧師范大學(xué)學(xué)報(bào),2011,(4).

[8]高云,詹慧龍等.我國(guó)農(nóng)村居民現(xiàn)狀與影響因素分析[J].農(nóng)林經(jīng)濟(jì)管理學(xué)報(bào),2013,12(2).