基于空间计量模型的安徽城镇化发展与农民增收实证分析

2014-04-16郇红艳谭清美

农业现代化研究 2014年2期

郇红艳，谭清美，孙君,3

（1．南京航空航天大学经济与管理学院，江苏南京211106；2．阜阳师范学院经济与管理学院，安徽阜阳236041；3．无锡商业职业技术学院工商管理学院，江苏无锡214153）

促进农民增收是破解中国“三农”问题的核心，受到党和政府的高度重视。过去十年间中国城乡居民收入水平有了大幅提升，扣除价格因素，城镇居民人均可支配收入年均实际增长9.2%，农村居民人均纯收入年均实际增长8.1%，2010-2012年连续三年实现农民人均纯收入增幅超过城镇居民人均可支配收入增幅，2012年城乡居民收入分别达到24565元和7917元。尽管城乡居民收入都有了大幅提高，但是城乡居民之间收入差距仍然较大，农民增收的根基还不牢固，持续稳定提高农民收入水平，不仅事关农民生活状况和生产条件的改善，而且关系到全面建成小康社会的大局，值得不断深入研究。

关于农民增收影响因素，国内外学者通过调查研究，形成了丰富的理论与观点，主要包括增加非农就业[1-3]、提高农民创业活跃度[4]，加大农村公共投资[5,6]、提高人力资本和农业科技水平[7-9]，推动农业结构升级和农民组织创新[10]，以及促进农村土地的流转与集约化经营等[11,12]。从生产要素的角度审视农民增收问题，无论是农地流转经营、农村劳动力流动与素质提升，还是农业科技进步、农民组织创新抑或农村金融深化等，都与城镇化发展有着密不可分的关系，因此，国内众多学者特别关注了城镇化发展对促进农民增收的作用，并展开大量研究。蔡昉、王德文认为减少农村人口和劳动力比例、扩大市场对农产品需求，是城市化发展促进农民增收的重要途径[13]；李超等研究了农村人口城镇化影响农民增收的作用机制，并以广东近30年数据为样本做实证分析，得出广东农民人均纯收入与城镇化水平之间存在显著的正向长期均衡关系[14]；宋元梁、肖卫东运用计量经济模型，刻画了我国城镇化发展与农民收入增长之间的正向动态关系[15]；占纪文基于福建省数据，检验了城镇化、农业现代化与农民收入增长之间的格兰杰因果关系[16]。但是也有部分学者认为，由于制度措施不具科学合理性，城镇化与农民增收之间会存在负相关关系[17]。既有文献对城镇化与农民增收之间关系作了充分的研究，但是仍有两点不足：一是现实中部分地区城镇化与农民增收之间关系正负仍存争议；二是研究方法存在局限性，绝大多数研究采用时间序列分析或常规面板数据分析方法，忽视了农民收入和城镇化发展在地理空间上的依赖性和经济发展溢出效应，容易造成模型设定偏误，难以得出令人信服的结论。

安徽省位于中国中东部地区，地处长江、淮河中下游，是传统的农业大省，农业比重高，农村人口多，农民增收难度大。2012年安徽省第一产业增加值比重为12.7%，高于全国2.6%，而安徽城镇化率仅为46.5%，低于全国6.1%，农村居民人均纯收入只有7161元，低于全国平均水平756元。实现安徽农民增收过程中还面临一个更为突出的问题，就是由于区域经济发展不平衡所带来的农民收入区域差距分异。受政策导向、经济基础、区位条件等诸多因素的影响，皖江城市带、合肥经济圈的发展势头迅猛，在中部地区快速崛起，但是皖北地区尤其是皖西北地区的发展依然缓慢，农民收入差距逐步拉开。统计数据显示，皖江名城马鞍山与皖西北重镇阜阳的农村居民人均纯收入差距已由2000年的849元扩大到2010年的5144元，在此期间两个城市农民收入比也从1.46倍上升为2.23倍。基于上述考虑，本文引入空间计量分析方法，运用探索性空间分析工具对安徽省2000-2010年农民收入与城镇化发展空间相关性和局部集聚空间格局演变进行分析，并探讨不同来源形式收入的空间特性，在此基础上运用空间杜宾模型和空间滞后模型分别研究2000年和2010年城镇化发展对农民收入的影响程度和变化趋势，同时考察空间溢出效应，最后提出针对性的政策建议。

1 研究方法

地理学第一定律认为，“任何事物都相关，只是相近的事物关联更紧密”[18]。传统的计量经济学忽视了空间依赖性和空间异质性的存在，因此所得结果经常出现偏误。空间数据分析方法的兴起，有助于发现隐藏在数据背后的重要信息和规律。

1.1 空间统计分析

探索性空间数据分析（ESDA）主要包括全局空间自相关、局部空间自相关和Moran散点图等方法，是空间数据分析的初始步骤，可以揭示事物空间发展模式和状态[19]。

全局空间自相关用于描述研究变量在整个区域空间的分布特征，当不同区域单元的某一属性变量在空间上呈现一定的规律性，而非随机分布时，可以认为它们之间存在空间相关。常用GlobalMoran’s I指标来测度全局空间关联度，其公式如下[20]：

其中 xi为区域单元 i的属性值为区域单元个数，W是二值空间权重矩阵，用以表达n个区域单元空间邻近关系，Wij是其中一个元素，反映区域单元i与j的相互邻近关系，可以采用邻近标准或距离标准来度量。Moran’s I的取值范围为[-1,1]，若I值为零时，表明不存在空间自相关，观测值呈独立随机分布。

局部空间自相关分析可以进一步考察观测值的局部空间集聚，以及哪些区域单元与邻近单元观测值具有显著的空间相关关系，从而识别不同区域单元可能存在的不同空间相关模式。本文采用LocalMoran’s I指标度量，其公式如下[20]：

Ii为第i个区域单元局部空间相关系数，xi为区域单元i的属性值，Wij代表区域单元i和j之间的影响程度，Zi，Zj是单元属性值的标准化形式，Zi＝（xi-x¯）／S。

1.2 空间计量模型

根据空间效应体现方式不同，空间计量模型有多种设定形式，主要包括空间滞后模型（SLM）、空间误差模型（SEM）和空间杜宾模型（SDM）。空间滞后模型可以探讨相邻区域因变量对本区域的影响，即考察空间溢出效应；空间误差模型可以度量相邻区域有关因变量的误差冲击对本区域观测值的影响；如果除了邻近区域因变量的空间溢出效应，相邻区域的解释变量对区域行为也会产生影响，则要建立空间杜宾模型。三种模型分别表示如下：

其中，Y是一个n×1维被解释变量向量，X（n×k）是外生解释变量矩阵，β、γ均是k×1维的参数向量，ρ和γ分别是空间滞后回归系数和空间误差回归系数，反映空间因素对本区域的影响，ε和μ为随机误差项，且ε～N（0，σ2In），W为n阶空间权重矩阵，空间权重矩阵可以根据邻近关系来设定，相邻区域赋值为1，其他区域赋值为0。关于恰当模型形式的甄选，可以依据拉格朗日乘数统计量标准[21]。

2 安徽城镇化发展及农民收入的空间统计分析

安徽省城镇化水平和农民收入都有较大增长，图1显示了1992-2012年间城镇化发展和农民收入变化情况，其中城镇化水平以城镇人口比例指标表示，农民收入以农村居民人均纯收入指标表示，数据来源于1993-2013年安徽统计年鉴。从图1可以看出，2000年以来安徽省城镇化发展大致呈现线性上升趋势，农民收入在经历了1996-2000年的平台期后，2000年以后也呈现较为稳定的上升趋势。安徽农民收入水平分布是否存在空间异质性和依赖性，这将关系到经典回归模型的Gauss-Markov假定能否成立，必须予以澄清。考虑到2011年，安徽省撤销地级市巢湖市并进行了部分行政区划的调整，遵从数据口径的一致性原则，选择2000-2010年作为分析时段，而且该时期恰好与我国第十和十一个五年规划相一致，可以为分析“十二五”时期状况提供参考依据。

图1 安徽省城镇化发展与农民收入变化图

2.1 安徽城镇化、农民收入空间相关分析

（1）安徽农民收入有显著的全局空间正相关，而城镇化从全局来看空间相关性不显著。根据2000-2010年安徽省17个地级市农村居民人均纯收入数据，利用OpenGeoDa软件计算各年的全域空间自相关Moran’s I指数并得到检验结果（表1）。由表1数据显示，2000-2010各年Moran’s I指数均通过了显著性水平1%的假设检验，并且Moran’s I指数都为正值，反映出安徽省各地市农村居民收入存在空间集聚状态。正的空间自相关性结果说明，在安徽省农民收入水平较低的地市倾向于和同样是农民收入水平较低的地市临近，而农民收入水平较高的地市其相邻地市的农民收入水平也比较高。对于2000年和2010年城镇化发展的Moran’s I指数测算结果分别为-0.2019和-0.0502，空间相关性并不显著，但是由于某个区域周围单元的正负影响可能相互抵消，使得全局空间相关性不显著，因此需要进一步分析局域相关性。

表1 2000-2010年间安徽农民收入空间自相关分析

（2）安徽农民收入局域中心有扩散和北移的特点，城镇化发展出现“极点”和“洼地”。为了进一步了解局部空间集聚的演变，分别绘制2000年和2010年农民收入和城镇化的Moran散点图（图2）和5%显著性水平局域相关LISA图（图3），由此代表性的反映研究期间变化。

图2 安徽农民收入、城镇化Moran散点图

从农民收入Moran散点图可以看出，绝大部分地市散点集中在第一象限和第三象限，表明高高集聚和低低集聚类型区域占据主导地位，即农民高收入水平地区互相临近（第一象限），低收入水平地区也相临近（第三象限）。将2000-2010年高高集聚和低低集聚的显著性中心区域列于表1，以判断其演变的趋势：高高集聚区域基本维持在以皖江城市带的芜湖、马鞍山和宣城为中心区域，一个新的变化是自2007年起巢湖稳定地进入中心区域，使得原先以马鞍山、芜湖、池州为轴线的农民高收入区域略微向北转移；低低集聚区域的变化比较明显，结合表1和图3可以看出，中心区域从安徽西部的六安北移到北部的多个地市又向西北部方向收缩。安徽农民高、低收入中心区域的变化看似没有关联，实则源于相同的背景，我们发现2000-2010这11年间，安徽的省会合肥市始终处于低高类型区，即一直被农民收入低水平区域所包围，是一个“极点”区域，她是否发挥了带动和扩散效应直接影响到周围区域农民收入的提升，依发展情况来看，六安从低水平区域的退出和巢湖向高水平区域的挺进，都在一定程度上反映了合肥经济圈实力的增强。

由城镇化Moran散点图显示，绝大部分地市散点集中在第二象限和第四象限，表明高低集聚和低高集聚类型区域占据主导地位，呈现负的空间相关性。在2000年的局域空间自相关LISA图中，并没有地市通过5%水平显著性检验，因此在图3中仅列示2010年结果，从中可以看出局部中心初显，淮北市在安徽北部城镇化发展中形成“极点”，而巢湖市在中南部形成“洼地”。

图3 安徽农民收入、城镇化局域空间自相关性LISA聚类图（示意图，p=0.05）

2.2 安徽农民收入构成的空间效应分析

从区域整体格局上已经分析了安徽农民家庭人均纯收入空间相关性的存在，进一步研究证实不同形式收入的空间依赖性存在差异。按来源形式可以将农村居民家庭人均纯收入分为家庭经营纯收入、工资性收入、财产性收入和转移性收入，其中前两项收入是农民收入的主要来源。2010年安徽省农村居民的工资性收入和家庭经营纯收入分别为2203.94元和2626.42元，占纯收入的比例为41.70%和49.69%，二者之和超过90%，而且近年来工资性收入还在不断上升，成为农民增收的重要原因。基于2010年安徽省17个地级市农民收入数据，计算Moran’s I指数，得到工资性收入的Moran’s I指数值为0.3541，家庭经营纯收入的Moran’s I指数值为0.1261，运用蒙特卡洛随机模拟方法，经过999次运算，在0.05的显著性水平下，认为工资性收入存在空间相关性而家庭经营纯收入并不存在空间相关性。这说明2010年农民工资性收入水平取决于经济发展，受周边地区工资水平的影响，存在空间溢出效应，而且高工资水平地区和低工资水平地区有集聚现象；而家庭经营纯收入空间分布整体看来则是随机的，不存在空间依赖性。基于这一认识，在研究工资性收入影响因素模型时也应当采用空间计量分析方法。

3 安徽城镇化发展与农民增收关系的空间计量模型

3.1 模型设定与数据来源

由于安徽省农民收入在空间上存在明显的相关性与溢出效应，如果忽视这种空间相关性，可能会造成研究结论的偏误，在纳入空间效应时，考虑设定的一般性，将本研究采用空间计量模型形式设定为：

其中，Y为被解释变量，表示安徽省各地市农民收入；X为解释变量，主要考虑城镇化、农业发展、产业结构、财政支农等因素的影响；W为空间权重矩阵，本文依据邻近原则设定；ρ反映相邻区域农民收入水平对本区域的影响；γ反映相邻区域城镇化和农业发展对本区域农民收入的影响；λ是模型因素以外的空间相关性对被解释变量的冲击。

被解释变量Y用农村居民家庭人均纯收入或工资性收入来表示，并取其对数形式；解释变量X包括：城镇化发展X1，用各市的城镇化率，即城镇人口占总人口比例表示；农业发展X2，通过农业结构调整升级来反映，用农业总产值在农林牧渔总产值中所占比例来表示；产业结构X3，用二三产业增加值在地区生产总值中所占比例来表示；财政支农X4，用人均财政支出来表示；农业机械化X5，用人均农业机械总动力来表示。实际建立计量模型时，由于多重共线性的存在，使得各个解释变量影响均不显著，通过逐步回归和综合比较，最终确定城镇化发展X1和农业发展X2两个解释变量，解释变量也都取对数形式，由此得到模型的具体形式。

普通回归计量模型：

本研究数据来自《安徽统计年鉴》2001和2011，从中采集了2000年和2010年安徽省17个地级市的农村居民人均纯收入、工资性收入（2010）、城镇人口和总人口、农业总产值、农林牧渔总产值，农业机械总动力，财政支出和农业从业人员等数据，利用OpenGeoDa软件进行回归分析。

3.2 普通回归模型分析

为了分析安徽省城镇化发展和农民收入之间的关系，分别选取2000年和2010年统计数据建立3个农民收入影响因素模型，用于检验城镇化和农业发展对农民收入的影响方式、程度及随时间变化特征，其中模型1和模型2以农村居民人均纯收入为被解释变量，模型3则是以农村居民工资性收入为被解释变量；模型1基于2000年的截面数据回归估计，模型2和3基于2010年的截面数据做回归估计。通过模型1和模型2比较2000年和2010年农民收入影响因素的时间变化，通过模型2和模型3比较2010年农民收入不同构成的影响因素差别。首先进行普通最小二乘回归估计，接下来通过残差的Moran’s I检验和两个Lagrange乘数（LM（lag）与LM（error））来判断建立空间计量模型的具体形式，结果如表2所示。

根据表2回归结果，普通最小二乘估计安徽省各地市农民收入方程整体上都是显著的，F统计量的值较大，而且方程整体都通过了5%显著性水平的统计检验，但是方程的拟合情况都比较一般，模型1的统计量仅为0.4071。

对回归残差做空间依赖性检验，Moran’s I结果显示安徽17个地市的农民收入之间具有明显的空间自相关，在显著性水平5%的条件下存在空间集聚现象，这说明直接采用OLS法对建立模型进行估计分析存在一定的问题，可能忽视了各截面单元之间的空间相关性。

表2 安徽城镇化发展与农民收入关系模型的OLS估计结果表

3.3 空间回归模型分析

安徽农民增收影响因素在不同时期可能有不同的空间效应作用形式，因此依据Anselin提出的标准[21]，通过两个拉格朗日乘数及其稳健性检验（Robust）的结果来选择最合适的空间计量模型形式。表2检验结果表明，模型1的LM（lag）和LM（error）分别通过了1%和5%的显著性检验，但是两项稳健性检验指标均未通过10%水平的显著性检验，再考虑到模型的拟合优度并不高，可能是遗漏了变量的空间影响，因此将解释变量的空间滞后因素也放入模型中，结合LM（lag）检验更为显著的特点，应选择空间杜宾模型SDM进行估计。对于模型2和模型3，LM（lag）和Robust LM（lag）均通过了显著性检验，而 LM（error）和 Robust LM（error）都没有通过 10%水平的显著性检验，因此这两个模型应采用空间滞后模型SLM进行估计，所得空间计量经济模型的估计结果如表3所示。

表3 安徽城镇化发展与农民收入关系空间计量经济模型的估计结果表

3.3.1普通回归模型与空间回归模型的比较比较表2和表3的估计结果，发现空间计量模型的拟合情况均优于普通最小二乘模型。由于空间计量模型采用极大似然法估计模型参数，分析残差平方和分解的拟合优度意义不大，因此主要比较Log L、AIC和SC统计量的值，可以看出三个空间计量模型的Log L值均高于相应的普通OLS模型，而AIC和SC统计量值均小于相应普通OLS模型。由此可见，普通回归模型由于遗漏了变量的空间自相关，导致模型使用和结果分析解释力下降，同时也有力证明了安徽省各个地市之间的农民收入水平具有相互影响。

对变量回归系数取值大小的比较发现，空间计量模型系数绝对值略小于普通回归模型，这说明应用OLS法估计的经典回归模型高估了城镇化发展对农民增收效应，同时也放大了农业产值比重单一对农村居民纯收入的制约作用。

对比结果还说明农民收入空间分布的溢出效应对农民增收作用明显。在3个空间计量模型回归结果中，安徽农民收入空间滞后变量系数均为正值，数值较高，且通过了1%显著性检验，反映周围地市农民收入提升能够有效带动当地农民收入增长。原因在于安徽农民收入空间分布存在明显的集聚特征，农民高收入地区主要分布在皖江一带，农民低收入地区位于皖北一片，这种区域特性已经影响到了农民收入的增长，因此在制定农民增收政策时，必须要考虑区域因素，差别对待。

3.3.2基于空间计量模型的不同时期安徽省农民收入影响因素比较对比表3中模型1和2的估计结果，分析不同时期安徽省农民收入影响因素的作用方式、程度和变化特征。

第一，城镇化发展能够显著的促进农民增收，作用程度趋于增强；从空间来看，周围地市的城镇化发展有助于增加当地农民收入，但影响作用非常微弱。在模型1与模型2中，当地城镇化率的回归系数都通过了显著性水平1%的检验，说明城镇化发展对农民增收作用明显；从系数取值来看，城镇化率的影响由0.1615上升到0.4662，增长了188.67%。从城镇化空间影响来看，模型1城镇化空间滞后项系数为正，说明周围地市的城镇化发展有助于当地农民增收，但是该系数并未通过显著性检验，而且在模型2中也未包含城镇化空间滞后因素，因此城镇化对农民增收的空间影响并不显著。

第二，农业结构单一不利于农民增收，从空间来看，周边地市农业产值比例提高会阻碍当地农民收入增加，但传统农业区域农民增收负面影响已经弱化，农业结构升级有助于农民增收。由模型1结果可知，周边地市农业产值比重提高1%会带来当地农民人均纯收入下降0.6423%，这说明在2000年的经济条件下，农业结构调整和多样化经营的发展还比较滞后，发展林业、牧业和渔业可以促进农民增收，但是传统农业区还主要是以农业为主，而且接连成片具有集聚效应，这种区域性的农业产值单一现象影响了农民增收。从模型2来看，农业结构变量影响作用并不显著，且不含有其空间滞后项，说明2010年农业产值结构单一的空间效应已经淡化，农村内部产业多样化，林业、牧业和渔业蓬勃发展，相比传统的农业种植有更高利润，而且带动了农产品加工业发展，提高了农民收入水平。例如，2012年合肥市农产品加工业总产值已达到1113.6亿元，在全省率先突破千亿元大关，成为继家电、装备制造业之后的第三大支柱行业，有力的推动经济持续增长。

3.3.3基于空间计量模型的安徽省农民不同收入构成影响因素比较对比表3中模型1和模型2的估计结果，分析比较安徽省农村居民人均纯收入和工资性收入影响因素的作用。

第一，城镇化发展能够显著的促进农民纯收入和工资性收入增长，对后者的带动作用更强。在模型2和模型3中，城镇化发展的回归系数分别为0.4662和0.7168，均通过了1%水平的显著性检验，说明城镇化发展有力提升农民纯收入和工资性收入；在模型2中城镇化的系数取值低于农民收入的空间滞后项，而模型3中，城镇化的系数高于农民收入的空间滞后项，这反映出城镇化发展对农民工资性收入增长的促进作用强于纯收入，而且影响程度已经超过了农民收入空间溢出的影响，城镇化发展更多的是藉由提高农民工资性收入的途径来带动农民增收的。

第二，农业结构单一不利于农民收入增长，对工资性收入的影响更为显著。在模型2与模型3中，农业结构变量的回归系数均为负值，其中模型2的系数不显著，模型3的系数通过了10%水平的显著性检验，说明农业结构单一现象会抑制农民增收，尤其是影响农民工资性收入增长。因此要大力发展林业、牧业和渔业，可以让农民获得更多的工资性收入，从而改善农民收入状况。

4 结论与政策建议

4.1 结论

应用探索性空间数据分析技术（ESDA）对安徽省农村居民收入与城镇化发展的空间自相关性及其集聚特征进行了分析，在此基础上引入空间计量模型研究城镇化发展与农民收入变化之间的关系，考虑区域空间地理关联模型避免了普通多元线性回归模型对城镇化作用的高估，更为贴近客观实际。研究结果表明：

（1）安徽省各地级市农民收入存在明显的空间正自相关性，局域集聚中心有扩散和北移的特征；城镇化在全局上没有明显的空间相关性，但是局域集聚的“极点”和“洼地”初步显现。在合肥经济圈的辐射作用下，2000-2010年来，农民收入低水平集聚区逐渐从安徽西部向西北部转移，目前主要分布在阜阳、亳州和淮北等地；而高收入集聚区主要分布在马鞍山、芜湖和宣城，近年来逐渐扩展涵盖巢湖地区，皖江城市带“两点一轴线”的经济溢出效应蔓延。安徽城镇化发展具有局部自相关性，在北部形成以淮北市为“极点”，中南部以巢湖市为“洼地”的格局。

（2）从空间因素对农民增收的影响来看，安徽省农民收入的空间溢出效应作用最强，各周边地市农民收入提高能够有效的带动当地农民收入增加；城镇化发展在空间上对农民增收也存在正效应，即周边地市城镇化水平提高有助于当地农民增收，但是影响程度并不显著；农业产业结构单一在空间上对农民增收具有负效应，传统农业区以农业为主的结构特征不利于农民增收，不过随着各地农业结构的多样化发展，农业结构对农民增收的抑制作用变得不再显著。

（3）安徽省城镇化发展能够显著的促进农民增收，2000-2010年，城镇化对农民纯收入增加的带动作用由弱趋强，从影响程度来看，2010年较2000年增加了188.67%；城镇化在提升农民工资性收入的作用程度上强于对农民纯收入的影响。

（4）安徽省农业产业结构单一不利于农民收入提升，特别是缺少非农就业机会，制约农民工资性收入增长，近年来，传统农业区因农业结构调整升级和多样化，逐渐淡化了对收入增长的抑制作用。

4.2 政策建议

基于上述结论，本研究的政策含义在于：

（1）发挥安徽省农民收入空间溢出效应对农民增收的带动作用，应该因地制宜，根据不同地市农民收入水平特点和周边地市收入状况制定相应的政策措施，促进农民收入增长。皖西北的阜阳、亳州和淮北属于农民收入低水平集聚区，这些地区的农民增收工作是当前的重点，而以芜湖、马鞍山和宣城为代表的皖江城市是农民收入水平较高的优势地区，应当充分加强区域合作，发挥其辐射扩散作用。“十二五”时期安徽城镇总体空间布局提出了“一带一圈一群”的发展规划，通过合肥经济圈的发展，成为连接南北皖江城市带和皖北城镇群的纽带，实现南北对接，在皖北地区重点加强阜阳和蚌埠区域中心城市的建设，挖掘重点乡镇发展潜力，带动小城镇发展，发挥产业和人口集聚效应，形成城市群，促进农民增收。

（2）统筹城乡发展，加快城镇化进程，拓展农民增收空间。通过城乡一体化制度建设，消除农民乡城转移障碍，改革户籍和农村用地制度，完善用工和社会保障制度，建立统一开放、竞争有序、城乡一体的劳动力市场，此外通过承接长三角地区产业转移，以县城和中心镇为依托，发展二、三产业，推动产业集聚区建设，拓宽农民非农就业空间。

（3）推动农业现代化建设，促进农业优化升级，提高农产品的附加值，带动农民增收。安徽是农业大省，在农业产业化方面应当有更多的作为。通过贯彻实施安徽省农业产业化“671”转型倍增计划，加大财政支农力度，努力拓宽融资渠道，重点培育农产品加工骨干龙头企业，引导优势企业集聚，加强农产品品牌建设，以粮食、油料、畜牧、水产、蔬菜、水果、中药材、棉花、茧丝绸和茶叶为十大主导产业，促进产业集群发展，建立一批有影响力的农业产业化示范区。积极参与泛长三角产业分工合作，发展总部经济，加大农业招商引资力度，大力承接农产品加工业转移。以技术创新推动农业产业化发展，依托合芜蚌自主创新综合试验区建设，培育科技型龙头企业，引领农业技术创新，鼓励龙头企业与高等院校、科研院所的合作，建立产学研科技创新战略联盟。提升农产品加工制造装备技术水平，加快农产品精深加工升级和品种创新，提高农产品市场竞争力。

[1]陈锡文.全面建设小康社会的关键在农村 [J].经济研究,2002(12):10-12.

[2]钟甫宁,何军.增加农民收入的关键：扩大非农就业机会[J].农业经济问题,2007(1):62-70.

[3]Chul-Woo Kwon,Peter Orazem,Daniel Otto.Off-farm labor supply responses to permanent and transitory farm income[J].Agricultural Economics,2006,34(1):59-67.

[4]古家军,谢凤华.农民创业活跃度影响农民收入的区域差异分析——基于1997—2009年的省际面板数据的实证研究[J].农业经济问题,2012(2):19-23.

[5]刘振彪.我国财政支农支出促进农民收入增长的实证分析[J].财经理论与实践,2011,32(5):63-67.

[6]Brenna D Ellison,Jayson L Lusk,Brian C Briggeman.Taxpayer beliefsabout farm incomeand preference for farm policy[J].Applied Economic perspectivesand policy,2009,32(2):338-354.

[7] 王春超.农村土地流转、劳动力资源配置与农民收入增长：基于中国17省份农户调查的实证研究 [J].农业技术经济,2011(1):93-101.

[8]徐辉,黎东升.教育型人力资本对农民收入影响的典型相关分析[J].农业技术经济,2011(8):44-49.

[9]罗序斌,胡德龙.科技进步对缩小城乡收入差距的贡献研究[J].科技进步与对策,2011,28(3):47-49.

[10]张晓山.农民专业合作社的发展趋势探析[J].管理世界,2009(5):89-96.

[11]韩菡,钟甫宁.劳动力流出后“剩余土地”流向对于当地农民收入分配的影响[J].中国农村经济,2011(4):18-25.

[12]许恒周,郭玉燕.农民非农收入与农村土地流转关系的协整分析——以江苏省南京市为例[J].中国人口·资源与环境,2011,21(6):61-66.

[13]蔡昉，王德文，王美艳.渐进式改革进程中的地区专业化趋势[J].经济研究,2002(9):24-30,93.

[14]李超,匡耀求,黄宁生,等.农村人口城镇化影响农民增收的机制分析与实证检验——以广东省为例[J].广东农业科学,2012(13):205-207.

[15]宋元梁,肖卫东.中国城镇化发展与农民收入增长关系的动态计量经济分析[J].数量经济技术经济研究,2005(9):30-39.

[16]占纪文.福建省城镇化发展、农业现代化与农民收入增长关系的动态计量经济分析[J].中国农学通报,2011,27(30):307-312.[17]程洪宝.城镇化与农民增收的负相关分析 [J].学术论坛,2005(12):111-114.

[18]ToblerW R.A computermoviesimulatingurban growth in theDetroit region[J].EconomicGeography,1970,46(2):234-240.

[19]杨振山,蔡建明.空间统计学进展及其在经济地理研究中的应用[J].地理科学进展,2010,29(6):757-768.