重庆市农民收入与工业化的区域差异及阈值效应研究

陈海燕

(重庆工商大学经济学院，重庆 400067)

一、引言

改革开放30多年来，重庆市农民人均纯收入由1978年的126元增加到了2012年的7 383元，增长了58倍多，但与全国以及其他直辖市农民收入水平相比，重庆市农民收入仍然偏低，同年全国农民人均纯收入为7 917元，北京、上海、天津农民人均纯收入分别为16 476元、17 605元和13 537元。①根据《中国统计年鉴(2013)》、《重庆统计年鉴(2013)》中数据整理计算而得。重庆市是一个大城市与大农村的结合体，农村地域广阔，人口众多，为在西部率先全面建成农民小康社会，实现经济增长与农村民生改善的良性循环，加强农村基础设施和生态文明建设，农民增收问题尤显关键。农民收入增长的滞后，不仅直接制约着农民生活的改善和农业农村经济的发展，更制约着地区经济结构的调整乃至经济发展方式的转变，且农民收入在很大程度上决定着我国居民的总体购买力和国内市场的总规模［1］。正如郑新立［2］指出没有农民收入水平的提高，扩大消费拉动经济增长的目标就难以实现。此外，农民收入增长缓慢不仅导致城乡收入差距扩大，还可能引发种种矛盾，危及社会稳定［3］。增加农民收入、缩小城乡差距，是实现农业和农村经济现代化的根本出路［4］。

如何增加农民收入?许多研究给出了不同的观点，比如推进农户耕地规模经营、加大生产性政策补贴、完善农业合作经济组织、改善基础设施和公共服务、加快农业剩余劳动力转移等［5-6］。农业剩余劳动力的顺利转移关系到农民收入水平的提高和消费需求的扩大，当前我国推进工业化的重要任务之一就是推动农业剩余劳动力向非农产业转移［6］。推进工业化以转移农业剩余劳动力，进而提高农民收入水平，成为学界关注的热点问题之一。推进工业化亦是重庆市经济发展的第一驱动力，是改善民生、增加农民收入的重要途径。②重庆市人民政府《关于推进新型工业化的若干意见》2012年8月。本文在分析重庆市工业化与农民收入现状基础上，综合运用计量经济学方法来研究其关系，对于更准确地把握重庆市不同时期不同区域工业化对农民收入的影响作用具有重要意义。

二、文献综述

关于农民增收，诸多学者从影响因素、对策等方面进行了研究。制约因素方面，张建国认为农民自身综合素质低下是制约农民收入增长的关键因素［7］;陈志福认为干旱、洪涝等自然灾害导致农民增收风险［8］;李谷成等认为教育和健康投资不足确实是制约农民收入增长的重要因素［9］。增收政策方面，王德文等认为人文经济增长和收入分配是影响农民收入的重要因素［10］;钟钰等综合了美、日、德、韩促进农民增收的国际经验，认为加快农业剩余劳动力转移等能有效提高农民收入［5］;胡文国等、王朝才和胡振虎认为城乡户籍制度改革、农业结构、职业教育培训等能促进农民增收［11-12］。还有研究农村金融发展、农村外商直接投资、农业科技进步等对农民收入的影响［13-14］，这里不再一一列出。

在诸多研究中，以城镇化和工业化促农民增收为研究热点。许经勇认为要使农民收入得到持续增长，就必须着力解决中国非农业化和城市化严重滞后以及城乡人口比例严重失调的问题，以工业化、城市化推动农业剩余劳动力的转移［15］。林毅夫指出劳动力转移是农民收入持续增长的关键，其最根本的办法就是减少农业人口［16］。翁贞林和张爱萍、李军波、张新前和胡日东、李美洲和韩兆洲、李梦觉等运用计量经济模型研究了工业化与农民收入的关系，表明推进工业化进程是促进农民收入增长的重要途径［17-21］。已有研究均表明，城镇化和工业化已成为促进农民增收的关键影响因素。③作者已对重庆城镇化对农村居民收入的影响进行了研究，参见文献《重庆城镇化发展与农民收入关系的实证分析》，理论与现代化，2013.故本文仅研究工业化对农民收入的影响。此外，潘文轩通过实证研究发现工业化对农民人均收入水平的提高具有正效应，但却会扩大城乡居民收入差距［22］。

综上所述，工业化通过转移农村剩余劳动力、增加就业岗位、促进农业农村发展等增加农民收入、提高农民人均收入水平，但是亦可能带来负面影响，比如扩大城乡收入差距，乃至区域收入差距等［23］。目前已有研究较为笼统，一味地认为工业化发展能提高农民收入水平，忽略了不同工业发展阶段对农民收入的阈值效应，且基本从全国层面或者全省市层面进行探讨，鲜有对不同工业发展水平、不同区域发展等方面进行研究。鉴于此，本文尝试从不同区域不同工业发展阈值效应出发，突出区域差异和特殊发展阶段，更为精确地来分析重庆市工业化与农民收入之间的因果关系。

三、农民收入和工业化的时空差异分析

(一)数据说明

本文主要研究重庆市区县之间农民收入与工业化程度的差异，考虑到数据的可获取性和统计指标的一致性，数据样本区间为2002—2013年，来源于《重庆市统计年鉴(2003—2013)》。农民人均纯收入是按人口平均的纯收入水平，反映的是一个地区或一个农村居民的平均收入水平。以地区工业化率衡量地区工业化发展程度，文中用工业增加值占GDP的比重来计算。下文中增长率的计算方式为:(当年数值-上一年数值)/上一年数值。工业化率越高，说明工业化程度越高，能解决更多的农村剩余劳动力，提供更多的增收途径，进而促进农民收入增长。目前，重庆市一共有38个区县，①在2011年10月，重庆市撤万盛区綦江县设綦江区，撤双桥区大足县设大足区，所以目前的统计数据中重庆市行政区域划分为38个。但是，2010年及之前的统计数据为40个区县，故将万盛区和双桥区的数据合并到綦江区和大足区中，以保证数据信息的前后一致性。划分为三大区域:一小时经济圈、渝东北翼和渝东南翼。②一小时经济圈所含区县(21个)有:渝中区、大渡口区、江北区、沙坪坝区、九龙坡区、南岸区、北碚区、渝北区、巴南区、涪陵区、长寿区、江津区、合川区、永川区、南川区、綦江区、潼南县、铜梁县、大足区、荣昌县、璧山县;渝东北翼地区所含区县(11个)有:万州区、梁平县、城口县、丰都县、垫江县、忠县、开县、云阳县、奉节县、巫山县、巫溪县;渝东南翼地区所含区县(6个)有:黔江区、武隆县、石柱县、秀山县、酉阳县、彭水县。在一小时经济圈内，作为重庆市主城区的渝中区、大渡口区、江北区、沙坪坝区、九龙坡区和南岸区内农民人数较少，故不纳入本文研究范围，因此面板数据截面个体一共有32个，其中有15个区县属于一小时经济圈，11个区县属于渝东北翼地区，6个区县属于渝东南翼地区。

为了说明农民收入和工业化发展在时间和空间上的发展变化，下面将选取“十一五”和“十二五”的头一年即2006年和2011年作为研究观察节点。

(二)农民收入的时空差异

考虑到每年物价水平变动幅度不一致，采用1997年为基期(1997=100)消除物价因素影响的农民人均纯收入得到农民实际收入。在2002—2005年，重庆市居民消费价格指数一直低于1997年的价格指数，所以农民实际收入会大于名义收入。③由于农民实际收入与纯收入的增长趋势具有趋同性，物价波动因素并不在本文考虑范围之类，所以在研究与工业化关系时只考虑纯收入并不影响最后结论。从图1可以看出，重庆市农民纯收入是逐年递增的，特别是“十一五”期间，重庆市农民收入得到了大幅度的提升。

图2给出了2011年和2006年重庆市32个区县农民纯收入折线图。从图中可以看出，一小时经济圈内区县的农民收入均高于重庆市平均水平;2011年渝东北翼地区有4个区县(万州区、梁平县、垫江县和忠县)农民收入高于重庆市平均水平，2006年渝东北翼地区只有梁平县和垫江县农民收入高于重庆市平均水平;渝东南翼地区则全部低于重庆市平均水平，其中石柱县农民收入增收幅度最大。一小时经济圈15个区县的农民平均收入2011年为8 150元，2006年为3 491元;渝东北翼地区农民平均收入2011年为5 848元(其中万州区、梁平县、垫江县和忠县四个区县农民平均收入为6 821元)，2006年为2 492元;渝东南翼地区农民平均收入2011年为5 348元，2006年为2 271元。说明重庆市区县间农民收入差距较大，且呈现出连片集聚现象。

图1 重庆市总体农民收入水平和工业化率

从增长速度上看，2002—2011年32个区县农民纯收入的平均增长速度为14.6%，渝东北翼地区和渝东南翼地区农民纯收入的平均增长速度分别为15.1%、15%，两翼地区相差比较小。其中，农民收入增长最快的区县分别为石柱县、忠县、万州区，增长速度分别达到17.7%、15.9%、15.7%，增长最慢的区县为綦江区、大足区、城口县和长寿区，增长速度在13.6%以下。从年份上来看，2003年和2006年重庆市32个区县农民纯收入增长速度很慢，均在10%以下，其余年份增长速度都在10%以上，最快的农民收入增长年份为2011年，平均增长速度达到了24%。

(三)工业化发展的时空差异

自1997年直辖以来，重庆市工业经济快速发展，成为财政收入的重要来源，经济发展的第一驱动力。①参见《重庆市人民政府关于推进新型工业化的若干意见》，重庆日报，2012年8月22日。目前重庆正处于工业化中期，未来发展仍将以工业为主导，通过新型工业化带动城乡、区域协调发展。2002年重庆市工业增加值为787.94亿元，2006年为1 566.83亿元，2011年为4 690.46亿元。在2002—2011年工业增加值以年均21.2%的速度递增，其中，2008年增长速度达到30.1%，增长最慢的年份是2009年，只有11.9%。2011年，一小时经济圈内15个区县的平均工业增加值为1 591 133.7亿元，渝东北翼地区平均工业增加值为590 514亿元，渝东南翼地区平均工业增加值为316 393亿元。2002—2011年，一小时经济圈内15个区县的工业增加值平均增长率为27%，而渝东北翼和渝东南翼地区工业增加值平均增长率分别为31%和29%。这说明，尽管重庆市工业增加值增长速度较快，但由于两翼地区工业基础薄弱，工业增长规模有限。

从图1可以看出，2002—2012年重庆市工业化率增长比较稳定，在“十一五”期间的增长速度明显加快。图3是重庆市32个区县工业化率在2006年和2011年的折线图。总体来看，一小时经济圈内区县的工业化水平普遍高于两翼地区，渝东北翼地区的工业化水平是越往东边越低，而渝东南翼地区区内工业化水平极差较大。2011年渝东南翼地区工业化平均水平为33.39%，渝东北翼地区工业化平均水平为32.61%。相对于2006年，2011年除了武隆县和奉节县的工业化率有下降，其余区县工业化率都有提高，其中万州区的工业化率变动幅度最大，达到20.63%。2006年未达到重庆市工业化率平均水平的江津区、荣昌县、万州区、黔江区在2011年的工业化率都超过了重庆市总体工业化率。而2006年达到重庆市工业化率平均水平的南川区、梁平县、垫江县在2011年却低于重庆市总体工业化率。这说明不同区域工业化发展程度差异巨大。

图2 2011和2006年重庆市32个区县农村居民纯收入(元)

图3 2011和2006年重庆市32个区县工业化率(%)

四、农民收入与工业化因果关系分析

从农民收入与工业化的时空差异分析中，了解到重庆市农民收入和工业化发展的趋势以及区域差异等情况，但无法真正了解到工业化与农民收入之间的因果关系。下面将应用非线性计量经济方法研究变量之间的因果关系。

(一)图示法研究农民收入与工业化的关系

图4给出了2002—2012年重庆市农民纯收入、GDP和工业增加值的增长率折线图，工业增加值增长率明显大于GDP和农民纯收入的增长率，农民收入与工业增加值增长率之间呈现出共同的波动趋势。

图4 重庆市2002—2012年农民纯收入、GDP与工业增加值的增长率(%)

图5直观地给出了2002—2012年重庆市农民纯收入增长率与工业增加值增长率之间的散点图，并根据图形给出了基于3次多项式回归的趋势曲线。①运用多项式()对X-Y轴上的散点进行拟合，根据拟合误差最小确定多项式的次数，并将最接近样本点的拟合曲线即趋势线标出来。由此可以看出，随着工业增加值增长幅度的变大，农民收入增长幅度呈现出“勺子”型趋势，即是说，农民收入增长幅度不会因工业增加值的快速增长而持续快速增长，而是呈现出具有阈值的结构变化过程。

图6直观地给出了2002—2012年重庆市农民纯收入与工业化率之间的散点图，也根据图形给出了基于2次多项式回归的趋势曲线。发现在工业化发展过程中，对农民收入的影响并不是一成不变的，而是不同阈值下具有不同的影响弹性。

(二)面板数据检验

图示法直观地给出了重庆市农民收入与工业化发展之间的关系，对于本文考虑的32个区县，下面将采用面板数据模型进行研究。

图5 重庆市2002—2012年农民收入增长率与工业增加值增长率之间的散点图

图6 重庆市2002—2012年农民纯收入与工业化率之间的散点图

研究变量之间的因果关系一般有两种情况:对于平稳序列可以直接构建回归模型，在对模型进行修正和检验的情况下，做出合理的估计;但是对于非平稳序列，不仅需要通过单位根检验确定序列的单整阶数，还需要进行协整检验以明确序列之间的均衡关系，如果存在协整关系，就需要构建误差修正模型，如果不存在协整关系，就要考虑序列之间是否存在非线性的因果关系，进而建立非线性模型。②目前为止，比较成熟的协整检验都倾向于线性协整关系的检验。无论是平稳还是非平稳序列，均可以通过格兰杰因果关系检验确定其因果关系，只是构建的辅助回归方程不同，对于平稳序列一般构造的是VAR形式的辅助回归式，对于非平稳序列一般构造的是ECM形式的辅助回归式。

1.面板单位根检验

面板数据常用的截面独立单位根检验方法有LLC 检 验［24］、IPS 检 验［25］、Fisher-ADF 检 验［26］、Fisher-PP检验［27］等。考虑到截面相关的面板单位根检验实现比较困难，而区县在推进工业化进程中存在资源和信息的不对称，大都缺乏商业合作和机会共享，故假设截面个体之间是相互独立的，这并不会造成检验结果功效降低。又由于截面之间不存在同质根，即不同截面之间的回归系数不同，因此采用适合异质面板单位根的IPS检验和PP-ADF检验。①Fisher-PP检验是基于概率P值构造的检验统计量，更适合于非均衡面板数据。构建辅助的检验方程，并根据参数t检验的结果判断单位根检验方程的具体形式。滞后阶数根据AIC准则自动选择。检验结果见表1。

由表1可知，重庆市32个区县的农民收入面板数据在10%显著性水平下为一阶单整过程。工业化率面板数据的IPS检验虽然没有通过10%显著性水平的检验，但通过了PP-ADF检验，可以认为序列为一阶单整的。

2.面板协整检验

采用基于残差的 Kao检验［28］和 Pedroni检验［29］对都是I(1)过程的农民收入和工业化率进行面板协整检验［30］。Kao检验统计量取值为-0.817，概率P值为0.21。Pedroni检验组内检验统计量的概率P值均为0.99，组间统计量值为0.97。在原假设为无协整关系的情况下，两种检验结果都认为二者之间不存在线性协整关系，这说明重庆32个区县的农民收入和工业化率之间不存在长期的线性均衡关系，说明农民收入不会随着工业化率的持续增大而持久增加。

3.面板Granger非因果关系检验

考虑到工业化发展对农民收入影响的滞后性，应用面板Granger非因果关系检验二者之间的滞后影响作用［30］。由于变量均为非平稳序列，所以辅助回归式为基于ECM的回归形式，结果见表2。结果表示，在5%的显著性水平下，工业化率是农民收入的Granger因果关系，非常明显的因果关系滞后期为3。在短期内，农民收入则不是工业化率的Granger因果关系，但是却具有长期的滞后影响作用。这说明工业化率的提高对农民增收具有短期快速的推动作用，但维持时间一般只有3～4年，而农民收入的提高对工业化率的影响非常滞后。

表2 Granger非因果关系检验

4.阈值回归模型

由前面的分析可知，重庆市整体数据显示农民收入与工业化之间是存在阈值效应关系，而分区县的面板数据显示二者之间存在单向Granger因果关系，不存在线性协整关系。下面将通过重庆市工业化发展程度和区域结构的划分分析二者之间的阈值效应。

(1)工业化发展阈值效应

采用分位数回归研究重庆工业化不同发展程度对农民收入的影响。分位数回归是根据被解释变量的条件分位数对解释变量进行回归，可以得到所有分位数下的回归模型。相比于常用的最小二乘回归方法，分位数回归能更精确地描述解释变量对被解释变量的变化范围以及条件分布形状的影响，还能刻画分布的尾部特征［31］。图7②鉴于分位数回归的目的是研究农民收入与工业化率之间关系的发展变化，而非具体数值关系，具体回归模型及系数估计可以向作者索取。给出了10个不同分位点下的拟合曲线图，横轴为工业化率的不同分位点，纵轴为农民收入，单位为千元。由此可以看出，随着工业化程度的提高，对农民收入的影响效应呈现出先增长后下降的趋势。在第4到6分位点即工业化率为30%～46%时，农民收入快速增长;第6分位点为转折点，即工业化程度达到46%以后，其对农民收入的影响效应开始减弱。意味着在工业化发展初期工业化对农民收入影响巨大，但是单纯依靠工业化的发展来带动农民收入的持续增加是不可取的。

图7 不合分位点拟合曲线

(2)区域阈值效应

根据重庆市区域工业发展状况和未来规划，区域结构的阈值效应通过设定虚拟变量d1来说明。d1=1代表一小时经济圈内的15个区县和万州区、黔江区，d1=0代表剩下的15个两翼地区区县。农民收入面板数据记为PI，单位为千元，地区工业化率面板数据记为IN，单位为%。拟合回归结果为:

其中，(·)表示对应参数估计值T检验的概率P值。在5%显著性水平下，认为所有变量是显著的。F检验概率P值为0.00，模型整体是通过显著性检验的。根据white异方差检验和LM序列相关结果发现模型不存在异方差和序列相关。回归模型的拟合优度R2=0.42，拟合效果不是很好。由于此处仅考虑变量间关系的发展变化方向，估计系数不能完全代表其准确的数值关系。但是从参数取值上可以发现当d1=0时，工业化率与农民收入之间是倒”U”型关系，开口相对较窄，而d1=1时，关系为缓慢减弱的“U”型关系，开口也非常大。图8给出了拟合模型的曲线图，由此可以发现，相对于一小时经济圈、万州区和黔江区发展工业化能有效地增加农民收入，在两翼地区的其他15个区县工业化对农民增收的效果减弱。

图8 拟合模型的曲线模拟图

五、结论

在研究的2002—2012年样本期内，重庆市农民收入和工业化发展都处于上升的阶段，农民收入区域内部差距较大，且呈现连片集聚现象，工业化发展水平也不均衡，一小时经济圈内的工业化率明显高于两翼地区。受政策影响，两翼地区的万州区和黔江区的工业化发展明显快于其他两翼区县。

研究农民收入与工业化发展之间影响关系的结论如下:

(1)农民收入与工业化发展之间有影响关系，但不是长期均衡的协整关系。重庆市32个区县的农民收入与工业化率面板数据均为一阶非平稳序列，分析发现二者之间没有长期的协整均衡关系，说明单纯依靠工业化的提升来实现农民长期增收是不可靠的，这一点与已有研究不同(见参考文献［14，19］)。主要是因为重庆处于长江上游的腹心地带，有一半的区县为三峡库区生态经济区，目前的工业发展模式虽然能增加农民收入，但是却没有生态可持续性，且会制造出更多的环境生态问题，在不改变工业结构的情况下未来工业发展将会导致农民增收乏力。

(2)不同工业化发展对农民增收存在阈值效应。根据样本数据分析得知，当工业化率为30%～46%时，农民收入快速增长;在工业化程度达到46%以后，其对农民收入的影响效应开始减弱。意味着工业化发展对农民收入的影响效应不是固定的，而是会随着工业化程度而变化，说明单纯依靠工业化的发展来带动农民收入的持续增加是不可取的。

(3)重庆市32个区县工业化对农民增收的区域阈值效应。相对于一小时经济圈、万州区和黔江区发展工业化能有效地增加农民收入，在两翼地区的其他15个区县工业化对农民增收的效果减弱。意味着这15个两翼地区区县依靠工业化发展提高农民收入的效果远没有工业化和农民收入相对较好的一小时经济圈、万州区和黔江区等17个区县的效果好。

以上3个结论看似独立，实则是紧密联系的，说明了两方面问题:对于重庆市一小时经济圈的15个区县以及万州区和黔江区，工业化发展能迅速提高农民收入，但是其效力是短期的、不可持续的;对于两翼地区的其他15个区县，尽管部分区县目前处在结论(2)中提到的30% ～46%工业化阶段，但是由于工业化对农民增收的作用效应有限，即便大力发展工业，农民增收幅度也是有限的，且不具有可持续影响。因此，亟需转变工业化发展模式，走适合生态环境的新型工业化道路，针对不同地区不同工业化阶段制定因地制宜的发展战略，为农民收入的持续增加开拓新的路径。

［1］陈锡文.工业化、城镇化要为解决“三农”问题做出更大贡献［J］.经济研究，2011(10):8-10.

［2］郑新立.农业现代化必须与工业化、城镇化同步推进［C］//2011全国农民改革与发展座谈会论文集.北京:生活·读书·新知三联书店，1996.

［3］刘克崮，张桂文.中国“三农”问题的战略思考与对策研究［J］.管理世界，2003(5):67-76.

［4］林毅夫.三农问题与我国农村的未来发展［J］.农业经济问题，2003(1):19-25.

［5］钟钰，蓝海涛.中高收入阶段农民增收的国际经验及中国农民增收趋势［J］.农业经济问题，2012(1):73-79.

［6］周阳敏，轩会永.基于包容性的农民收入增长路径研究［J］.四川理工学院学报:社会科学版，2013(1):12-19.

［7］张建国.关于农民收入问题的调查与思考［J］.中国农村经济，2000(4):57-61.

［8］陈志福.中国农民收入增长的长效机制［M］.北京:中国农业出版社，2008.

［9］李谷成，冯中朝，范丽霞.教育、健康与农民收入增长——来自转型期湖北省农村的证据［J］.中国农村经济，2006(1):11-20.

［10］王德文，蔡昉.宏观经济政策调整与农民增收［J］.中国农村观察，2003(4):2-13.

［11］胡文国，吴栋，吴晓明.我国农民收入增长影响因素的实证分析［J］.经济科学，2004(6):5-15.

［12］王朝才，胡振虎.新时期农民增收对策研究［J］.财政研究，2010(2):66-68.

［13］余新平，熊晶白.中国农村金融发展与农民收入增长［J］.中国农村经济，2010(6):77-87.

［14］陈灿煌.农业外商直接投资与农民收入增长的动态关系［J］.经济评论，2007(5):47-52.

［15］许经勇.中国农民收入增长与工业化城市化的关系［J］.经济经纬，2002(3):4-6.

［16］林毅夫.劳动力转移是农民收入持续增长的关键［N］.光明日报，2004-1-20.

［17］翁贞林，张爱萍.城市化江西农民收入增长的重要途径［J］.江西社会科学，2003(1):108-110.

［18］李军波.湖南工业化和城市化对农民收入增长市政分析［J］.求索，2005(7):38-40.

［19］张新前，胡日东.我国农村工业化与农民收入增长关系的动态分析［J］.经济问题探索，2007(5):29-33.

［20］李美洲，韩兆洲.城镇化和工业化对农民增收的影响机制［J］.财贸研究，2007(2):25-31.

［21］李梦觉.工业化城市化发展与农民收入增长的实证分析［J］.经济纵横，2008(6):72-74.

［22］潘文轩.工业化对城乡居民收入差距的影响［J］.山西财经大学学报，2010(2):20-29.

［23］汪晓梦.基于农民纯收入面板数据的区域差异性分析与对策——以安徽省为例［J］.重庆理工大学学报:社会科学，2014(5):63-67.

［24］Levin A，Lin C.Unit root tests in panel data:Asymptotic and finite-sample properties［J］.Journal of Economics，2002(10):1-24.

［25］Im K S，Pesasran M H，Shin Y.Testing for unit roots in heterogeneous panels［J］.Journal of Econometrics，2003(11):53-74.

［26］Maddala G S，Wu S.A comparative study of unit root tests with panel data and a new simple test［J］.Oxford Bulletin of Economics and Statistics，1999(6):31-52.

［27］Choi I.Unit Root Tests for Panel Data［J］.Journal of International Finance，2001(20):249-272.

［28］Kao C.Spurious regression and residual-based tests for cointegration in panel data［J］.Journal of Econometrics，1999(11)19-44.

［29］Pedroni P.Panel Cointegration:Asymptotic And Finite Sample Properties Of Pooled Time Series Tests With An Application To The Ppp Hypothesis［J］.Econometric Theory，2004，20(3):597-625.

［30］陈海燕.面板数据模型的检验方法［M］.北京:经济科学出版社，2012.

［31］Koenker R，Hallock K.Quantile regression:an introduction［J］.Journal of Economic Perspectives，2001(15):143-156.