精准扶贫政策缩小了城乡收入差距吗？——基于空间面板数据的实证研究*

张淑惠，刘 敬

（陕西师范大学国际商学院，陕西西安710119）

一、引言

20世纪90年代中后期以来，我国的收入差距一直处于上升趋势。据统计，2002年我国基尼系数值为0.46，2008年攀升至0.491。但从2009年开始，基尼系数值调转势头，并在2008—2015年间成功实现“七连降”[1]。2016年虽略有上浮，但其下降的总体趋势仍未改变。基尼系数先升后降的发展路径支持了西蒙·库兹列茨的“倒U形”假说[2]。该假说认为，收入差距始终会随着经济增长而改善，效率最终会自发带来公平。照此假说，近些年我国收入差距的缩小理应归功于经济增长。但笔者认为，就已有的研究成果来看，如此定论稍显武断。国内学者对经济发展与收入差距的关系展开了深入研究。在城乡二元分割体制的背景下，我国城乡居民间的收入构成差异之大，超过任何其他国家[3]，导致居民收入差距基本上取决于城乡收入差距[4]，所以国内相关研究倾向于将城乡居民收入差距作为研究对象。关于城乡收入差距与经济发展的关系，有学者把城乡收入差距看作是政策、经济增长和体制变革的函数，认为迅速发展的生产力能有效缩小城乡收入差距[5]，经济增长是改善收入差距的有效手段[6]，因而鼓励通过发展经济来解决我国城乡收入差距过大的问题[7]。但也有学者不以为然，他们提出经济发展对城乡收入差距的影响是非线性的，例如中西部地区城乡居民收入差距与经济增长负相关，但东部地区却呈正相关[8]，这说明经济发展对城乡收入差距的作用会受到诸如地区等客观因素的影响，意味着经济增长对城乡收入差距的实际效应是不确定的。这就合理地解释了为什么在某些特定情况下，经济增长并非使城乡收入差距收敛，而是扩大[9]。综上所述，将城乡收入差距改善单纯归因于经济增长是片面的，市场化进程、城镇化水平、城乡二元结构、要素禀赋差异、产业结构升级、经济开放程度都是需要加以考量的重要因素[10-14]。

收入差距缩小背后最关键的驱动因素究竟是什么？本文认为，解决收入差距过大的根本途径只能是制度改革，包括完善工资增长机制、强化税收调节作用、打破行业垄断和户籍歧视、治理腐败和滥权等。但制度革新涉及到国有企业、行政体制、财政金融体制等各个领域的利益调整，并非一蹴而就之事。就短期而言，扶贫政策能否通过重新配置不同阶层不同地区间的财富与资源来治理贫困、缩小城乡收入差距呢？依据这样的思路，本文尝试用目前推行的精准扶贫政策来解释2008—2015年城乡收入差距持续缩小的现象。

与已有研究相比，本文的创新之处在于实证方法。文章将空间效应纳入对城乡收入差距的分析中，在刻画城乡收入差距空间集聚特征的基础上，采用空间计量模型量化空间效应下精准扶贫政策对城乡收入差距的作用效果。

二、文献综述

通过对文献的系统梳理，可以发现，国外探讨收入差距与政府扶贫的理论古而有之。以庇古为代表的英国剑桥学派认为，因为高收入阶层自发向低收入阶层转移的财富无法达到满足社会公平需要的水平，所以政府通过社会保障支出、社会救济和累进税政策进行干预的行为合理且必要。1933年罗斯福政府通过以工代赈来缓解失业压力就是政府干预的典型体现。随后凯恩斯建立的“国家干预论”倡导通过提高高收入人群个人所得税税率来调节收入分配，肯定了税收政策在再分配中的作用。税收政策的效果往往体现为对高收入群体的多征，当需要提高低收入群体收入时，增加财政支出便是政府的更优选择[15]。此外，政府还可通过提供公共产品和服务来调节收入分配。例如为解决财产代际转移先天不公平导致的收入失衡，政府可通过推行公共教育来为人们创造更多获取公平收入的机会，或通过提供保险等公共产品来帮助贫困者摆脱“能力贫困”[16-17]。上述理论虽不是直接研究收入差距与扶贫政策，但其主张的财政政策、税收政策都是政府介入收入再分配的体现形式，扶贫政策是在此基础上衍生出来的更为专业和系统的政策工具。

我国扶贫政策大致经历了农村体制改革、开发式扶贫、八七扶贫攻坚计划、农村扶贫开发纲要和精准扶贫五个阶段，经历了由“点”到“面”、由粗放到瞄准、由投资拉动到创新驱动、由“输血式扶贫”到“造血式扶贫”的发展历程，现已形成以“六个精准”为导向的“五个一批”系统工程。早期的扶贫政策效果并不理想。扶贫政策一方面呈现明显的对策性、应急性，缺乏系统性、创新性和衔接性[18]，另一方面政策过度侧重于外力救助而忽视了挖掘贫困者自身的潜能[19]，扶贫工作过于消极，导致扶贫政策在大幅减少农村贫困人口的同时也使得农村贫困深度指数和贫困强度指数愈加恶化[20]。总的来说，早前的开发式扶贫难以提高贫困人群应对贫困风险的能力，无法有效惠及绝大多数贫困人口[21]。近年来随着不断的探索和实践，扶贫政策日益成熟，逐渐成长为推动收入分配走向公平的显著力量[22]，借扶贫政策促使农村居民打破阶层固化并向更高收入阶层过渡已成为社会共识[23]。研究表明，与经济发展相比，扶贫政策带来的脱贫效果更加显著[24]。精准扶贫是今后一个时期内治理贫困问题的战略重点，但目前学界对它的评价莫衷一是。有学者表示，精准扶贫能够提高农户生计资本以及低收入者收入[25]，消除农村治理内卷化困局，增进农民的分权普惠[26]，最终实现改善城乡收入差距，协调经济社会发展[27]。但在政策落实中也存在着诸多问题，一方面精准扶贫存在的规模排斥、识别排斥、区域排斥让减贫效果大打折扣[28]，另一方面高成本和低效率问题会损害贫困人口的自主性并滋生新的不公平[29]。干部驻村帮扶机制不健全、扶贫资金整合困难、扶贫资源配置失衡等难题更进一步冲击着扶贫效果。[30]

目前关于收入差距的研究已十分成熟，但绝大多数文献都着眼于收入差距的时序变化规律而忽略了其空间关联性。事实上，几乎所有的空间数据都具有空间依赖性或空间自相关的特征，忽略空间相关性必然会造成模型设定偏误和估计结果准确度降低，对收入差距的研究也不例外。为弥补以上不足，本文以我国31个省市区（香港、澳门、台湾地区除外）的地理邻接状态为着手点，运用2010—2016年的面板数据构建关于精准扶贫政策与城乡收入差距的空间计量模型，利用空间自相关指数Moran’sI和空间计量模型探析收入差距的地理分布特征及扶贫政策成效，通过效应分解测量精准扶贫政策的直接效应和间接效应。

三、城乡收入差距空间相关性分析

（一）全局空间自相关分析

为了对精准扶贫政策与城乡收入差距进行空间计量分析，首先需要检验各省城乡收入差距是否存在空间自相关。空间自相关性，也叫空间依赖性，是空间效应识别的第一个来源。空间自相关不仅意味着空间上的观测值缺乏独立性，而且意味着潜在于这种空间关系中的数据结构由绝对位置和相对位置共同决定。判断不同空间单元之间是否存在空间依赖性，一般采用Moran提出的Moran’sI指数[31]。Moran’sI检验是基于普通最小二乘法和TSLS估计残差的空间相关性检验方法，反映的是空间相邻或临近单元之间某种属性值的相似程度，是衡量空间相关性的全局指标，其表达式为：

其中，i,j分别表示第i个和第j个空间单元。

图1 2010-2016年城乡收入差距的全局空间自相关系数

如图1所示，2010—2016年我国城乡收入差距全局空间自相关系数平均值在0.47左右，说明总体而言我国城乡收入差距在地域分布上存在显著正自相关性，用空间计量模型作为研究工具是合理的。2010年全局Moran’I检验值为0.539，2016年降至0.472，且均通过显著性检验，说明省域间的相关程度，或者说空间集聚程度在逐年下降。

（二）局部空间自相关分析

Moran’I指数值只能从整体上反映各省城乡收入差距的集群状况。为进一步考察是否存在观测值局部空间集聚，分析哪些省份的城乡收入差距对于全局依赖性的贡献较大以及是否存在局部不稳定性，还需要通过Moran’I散点图进行城乡收入差距水平的局部自相关检验。

图2 2010年、2016年城乡收入差距Moran’I散点图①注：GeoDa软件将重庆市与四川省作为一个观测单位，故样本总数为30。

Moran’sI散点图把各省城乡收入差距按分布特征分为四种集聚模式。第一象限，高高集聚（HH），表明中心省域与周边省域的城乡收入差距都大；第二象限为低高集聚（LH），表明中心省域城乡收入差距小而周边省域城乡收入差距大；第三象限为低低集聚（LL）,表明中心省域和周边省域的城乡收入差距都小；第四象限为高低集聚（HL），表明中心省域的城乡收入差距大而周边省域的城乡收入差距小。所以，一、三象限省份的城乡收入差距存在着空间正相关，即均质性，二、四象限省份的城乡收入差距存在着空间负相关，即异质性。从数量来看，首先，2016年有13个省份位于第一象限，14个省份位于第三象限，合计占样本总量的90%，这说明目前我国绝大部分省域的城乡收入差距与周边省域为正的空间相关关系：高（低）收入差距省份被高（低）收入差距省份所围绕。其次，各省城乡收入差距水平的空间布局相对稳定。处于第一象限的省份，2010年主要包含西南各省以及内蒙古、陕西、青海、甘肃，2016年该象限仅增加了1个省份。同样，第三象限内的省份主要集中在沿海一带，与2010年相比，2016年也仅增加一个省份。总体而言，各省城乡收入差距一直存在着显著且稳定的空间集聚特征。

表1 各省空间集聚特征的动态变化

表1描述了不同集聚模式所包含的省份，受篇幅所限这里并未列举所有省份。可以发现，大部分省份所处象限均比较稳定。其中，HH象限省份数目最多，主要由西南各省和甘肃、宁夏、广西构成。LL象限省份均位于东部，北京、上海最为稳定。LH象限由新疆和四川构成，说明这两个省份城乡收入差距较其周边省份小，位于低值中心。从变化发展趋势来看，处于LL象限和HH象限省份的数目有所增加。LL象限新增的江西、浙江等省份仍属东部地区，HH象限新增的西藏等省份仍属西南地区，说明省域间城乡收入差距的空间集聚现象依然显著，对其进行空间相关性分析合理且必要。

四、模型设定和变量选择

（一）模型设定

通过以上分析，不难发现不同省份的城乡收入差距在空间上相互作用、相互依赖，因此需用空间计量经济学模型来进行研究。由Anselin提出的空间计量分析通用模型为：

（1）式中，Y为n×1阶被解释变量，X为一个n×k阶解释变量矩阵，β为X的回归系数，W1为被解释变量的n×n阶空间权重矩阵，W1Y为被解释变量的空间滞后项；ρ为n×1阶空间自回归系数，反映Y对周边观测量的影响程度；W2也为n×n阶空间权重矩阵，它通过误差项来体现模型中地区之间的相互关系；ε为随机干扰项，W2ε为随机扰动项的空间滞后变量；μ为误差项，I为n×n阶单位矩阵。

根据空间因素引入方式的不同，又可将通用模型分为空间滞后模型（SAR）和空间误差模型(SEM)。

空间滞后模型即（1）满足ρ≠0,λ=0时，此时模型转化为：

该模型反映被解释变量之间的空间相关性，适用于模型中的被解释变量存在内生交互效应的情形；

空间误差模型即（1）满足ρ=0,λ≠0时，此时模型转化为：

该模型反映误差项之间的空间相关性，适用于误差项之间存在交互效应，或者说空间经济中存在遗漏变量或其它不可观测因素的相互作用的情形。

基于以上理论，本文设定的基础模型如下：

空间滞后模型（SAR）为：

空间误差模型(SEM)为：

其中，i表示某地区，t表示某年份，InIGit表示取对数后的被解释变量城乡收入差距。POL为核心解释变量精准扶贫政策，X为控制变量组。

（二）变量选取与数据说明

本文选用我国31个省市区（不含香港、澳门、台湾地区）2010—2016年样本观测个数为217的面板数据。被解释变量（IG）为31个省（市、自治区）观测期内的城乡收入差距，解释变量为精准扶贫政策和其它控制变量。除非特别说明，所用数据均来源于国家统计局官网和各省统计年鉴。

1.城乡收入差距（IG）：被解释变量城乡收入差距用城镇居民人均可支配收入与农村居民人均可支配收入的比值表示，值越大，表明贫富差距越大。

2.精准扶贫政策（POL）：扶贫政策是模型的核心解释变量。该变量设置为虚拟变量：未实施精准扶贫政策的年份取值为0，实施精准扶贫政策的年份取值为1。扶贫政策是否显著缩小了城乡居民收入差距是模型研究的核心问题。

为了避免遗漏变量偏差，模型引入了以下控制变量：

1.人均国民生产总值（PERGDP）：本文选用代表经济发展水平的人均GDP作为控制变量。收入差距与经济增长互为因果，一方面收入差距会通过提高储蓄率、促进资本形成来推动经济增长[32-33]，另一方面经济增长会反作用于收入差距，本文试图厘清经济增长究竟能否缩小城乡收入差距。

2.失业率（UNEMP）：就业水平是影响城乡收入差距的重要因素。根据菲利普斯曲线[34]描述的失业率变动率与工资水平变动率此消彼长的关系可知，当社会失业率上升时，较低甚至为负的工资变动率会使得收入差距缩小。但也有学者认为失业率越高的城市低收入人群的收入越低，收入差距越大。[35]

3.城镇化水平（URB）：城镇化水平由城镇人口占总人口比重表示。我国的城乡收入差距实际上源于一系列历史因素和城乡二元结构[36]，二元结构下的劳动力市场分割和资源倾斜进一步加剧了城乡收入差距[37-38]，所以，预期该变量系数符号为负。

4.第三产业占比（IND3）：对产业结构与收入差距相关研究表明，发展第一产业可以缩小城乡收入差距[39]，同时，第三产业份额的增加能有效降低城乡收入差距[40]。

5.对外开放程度（CAP）：该指标用进出口总额占GDP的比值来表示。根据理论和已有研究，对外开放程度的提高有利于缩小城乡收入差距，故本文预期该变量系数符号为负。

6.教育水平（EDU）：本文用教育经费支出占财政总支出的比重来度量各省教育重视程度。高水平教育最终体现为高质量的人力资本，大兴教育是消除贫困代际传递和缩小城乡收入差距的有效工具。

7.科研投入（SCI）：本文用科学研发支出占财政总支出比重衡量各省科研投入情况。重视科研的地区往往有更强大的经济增长动力和更高水平的社会福利，预期该变量会缩小城乡收入差距。

五、实证结果分析

本文利用matlab软件对模型进行估计。鉴于空间滞后和空间误差模型均是从全域计算空间相关性，模型中很可能存在内生性问题，此时OLS得到的估计结果将不再有效。所以本文采用Elhorst提出的空间面板极大似然法[41]进行估计。

首先，在计量回归前需要判定空间计量模型的形式：先用普通最小二乘法OLS进行估计，再用所得误差构建拉格朗日乘数及其稳健形式统计量进行LM检验。判决原则是比较LM-sar和LMsem，若LM-sar更显著，则选择SAR模型，反之，则选择SEM模型。若二者均显著，则进一步比较Robust LM-sar和Robust LM-sem。尔后，使用豪斯曼检验在随机效应和固定效应间进行选择：若原假设被拒绝，则拒绝随机效应模型，选择固定效应模型。

表2的检验结果显示，LM-sar和Robust LMsar较LM-sem和Robust LM-sem更显著，显然，LM检验倾向于选择空间滞后模型。出于稳妥考虑，下文将同时给出OLS、SAR和SEM的回归结果进行对比分析。在随机效应和固定效应的选择上，豪斯曼检验的P值均大于0.05，表明在5%的显著性水平上接受原假设，故本文选用随机效应。

表2 检验结果

对比三种模型的回归结果可知：第一，OLS的拟合效果最差。SAR和SEM的拟合优度、自然对数似然函数值、似然比率均优于OLS，说明空间计量模型比普通面板模型更具适用性和解释力；第二，在空间计量模型下，部分回归系数的符号发生了改变；第三，SAR和SEM估计结果差异甚微，说明空间模型的估计结果具有稳健性。依据LM检验，下文针对SAR模型的回归结果进行分析。

（一）SAR回归结果分析

1.首先，SAR的回归结果优于OLS。在SAR模型中，空间滞后系数ρ为正值且通过了1%的显著性水平检验，说明相邻省份的城乡收入差距确实存在显著的交互效应。其次，精准扶贫政策与城乡收入差距显著负相关。政策变量的回归系数为-0.05，通过了1%的显著性水平检验，表明精准扶贫政策的推行能在一定程度上缩小城乡收入差距。但相较于OLS估计结果，SAR模型下精准扶贫的效果有所弱化，也就是说，滞后模型中相邻省份的交互效应会削弱精准扶贫对城乡收入差距的改善效果。

表3 模型回归结果

2.在SAR模型下，经济发展水平与城乡收入差距正向相关。OLS估计结果显示，PERGDP的回归系数为-0.08，意味着OLS的结论支持经济增长会缩小城乡收入差距的假设。但SAR模型却显示PERGDP与城乡收入差距正向相关，也就是说当前我国并非处于“倒U形”曲线的拐点右侧，经济增长会加剧而非改善城乡收入差距，这在一定程度上印证了“经济增长是城乡收入差距扩大的格兰杰原因”的说法[42]。UNEMP的回归系数为0.024，且通过10%的显著性水平检验，结论有力地支持了李实等人的研究：在经济增长既定的情况下，失业会带来贫困，是导致收入差距扩大的主要因素之一。URB的回归系数为负且在1%的水平上显著，说明推进城镇化是改善城乡收入差距的有效途径，CAP在空间效应下，城镇化对收入差距的缩小作用变得更强了。CAP与城乡居民收入差距负相关，回归系数为-0.004，且通过10%的显著性水平、检验而在OLS中，该变量的回归系数为-0.02，也就是说空间效应弱化了CAP对城乡收入差距的作用效果。EDU有助于缩小城乡收入差距，但SAR模型中教育投入对城乡收入差距的改善效果并不显著，这或许是因为相邻省份的劳动力要素流动使省内教育投入与回报出现了不对等。SCI同样是缩小城乡收入差距的显著力量，且其作用在空间模型中更为显著，说明相邻省份的创新溢出和技术成果共享能强化科技发展对城乡收入差距的缩小作用。

（二）直接效应和间接效应分析

与OLS回归不同的是，SAR模型的回归系数不能直接解读为自变量对因变量的影响程度，因为在空间相关性下，等式两边都存在被解释变量。解释变量会先影响等式左边的被解释变量，随后被解释变量又会进入等式右边的被解释变量，继而再对等式左边的被解释变量产生影响，如此往复。所以，将解释变量的系数解读为其对被解释变量的单向影响是不合理的。针对这个问题，LeSage and Pace提出偏微分可以解释为不同模型设定中变量变化的影响[43]，它可以作为检验是否存在空间溢出效应假设的更为有效的基础。所以，下文对SAR模型进行直接效应和间接效应（溢出效应）分解。其中，直接效应刻画的是特定单位解释变量的变化对本单位被解释变量的影响效应，也就是解释变量对本省城乡收入差距的效应，这种效应包含反馈效应，即效应“外溢”至其他单位并由其传回本单位；间接效应刻画的是本单位解释变量会改变其它单位的被解释变量，即本省的解释变量对相邻省份收入差距的影响。

表4 解释变量的空间效应分解

由表4可知，精准扶贫政策对缩小城乡收入差距的直接效应及间接效应都通过了显著性检验。直接效应系数为-0.0522且在1%水平上显著；间接效应系数为-0.0185，同样在1%水平上显著。这表明精准扶贫政策不仅能显著缩小本省的城乡收入差距，还能在一定程度上改善相邻省份的城乡收入差距。究其原因，一则是地域上相邻的省份往往在自然禀赋和经济发展水平上较为相似，有效的政策在很大程度上能够为邻省所效仿推广。二则是相邻省份的人力资本流动和物资共享客观上会使相对弱势的省份受益，中心省份发展后会为周边省份带去道路、通讯等基础设施的正外部效应。

进一步考察控制变量对城乡收入差距的直接效应与间接效应。从间接效应来看，仅有URB和SCI通过了显著性检验，也就是说，CAP和UNEMP虽能显著缩小收入差距，但其作用限于本省，对周边省份没有或仅有很弱的溢出效应，URB和SCI却能显著影响周边省份的城乡收入差距。URB的直接效应系数为-0.3814，在1%的水平上显著，间接效应系数为-0.1419，也在1%水平上显著。究其原因，一方面城镇化会使该省城镇人口增加，产业结构升级，有助于改善本省的城乡居民收入差距；另一方面，中心省份的城镇化能为邻省创造就近的就业机会、有利的市场环境以及各类基础设施的外部效应，从而带动周边省份的发展。同样，SCI的直接效应系数为-2.4991，在1%水平上显著，间接效应系数为-0.9207，在5%水平上显著。表明，加大中心省份的科技投入可以有效缩小本省及周边省份的城乡收入差距，这是因为我国省级区域内部及外部的创新空间溢出效应明显[44]，中心省份科技创新能力的提高会直接带动创新能力较弱的周边省份的发展。综上，不管是直接效应还是间接效应，精准扶贫都显著缩小了城乡收入差距，其在扶贫及贫富差距改善中的作用与贡献毋庸置疑。

六、政策建议

1.实证结果表明，精准扶贫政策是缩小我国城乡收入差距的关键因素，省域间的空间关联性会在一定程度上影响扶贫政策对收入差距的作用效果。上述结论给我们的启示有二：一是在评估精准扶贫效果时不能置省域间的空间关联于不顾，将各省分割开来研究，而应用整体的、系统的、联系的思想为指导，重视省域间尤其是相邻省份的空间效应。一方面要避免忽视经济要素空间流动导致的政策效果评估不准确，另一方面充分利用省域间的空间溢出效应实现精准扶贫效用最大化。扶贫政策可率先在综合实力较强的省份推行，遵循以点带面、以强带弱的原则，科学制定中心省份政策效应的溢出方向和速度。二是在探索缩小城乡贫富差距之道时，应把根本性的制度变革作为长期任务来抓，坚持不懈地完善相关制度建设。同时，要认识到短期内政策扶贫的可行性和必要性。下一时期的脱贫攻坚战必须依靠精准扶贫政策来保障，要肯定精准扶贫的战略地位和意义，将其作为破解我国收入差距难题的关键对策。

2.从控制变量呈现的结果来看，经济增长并不能自发解决收入差距过大的问题，故不宜将“倒U形”假说作为我国扶贫开发及贫富差距治理的理论指导，在评价扶贫政策绩效时，更不能唯GDP论。此外，提升就业水平、加强对外交流、推进城镇化建设、发展科技都是缩小城乡居民收入差距的有效途径。在坚持精准扶贫主导地位的同时，应大力发展二、三产业，创造就业岗位，降低失业和低收入人口比重；推动新农村建设与新型城镇化双轮驱动、城乡协调发展，加快农业转移人口市民化；扩大对外开放、积极引进外资，引导外商投资流向基础设施、支柱产业等惠及民生的领域；重视科技创新，逐步提高农村和农业的科技发展水平，培养运用先进科学技术的新型农民，加速技术成果向经济成果转化。最后，由于城镇化和科技创新具有显著的空间溢出效应，要充分发挥相邻省份的交互作用，鼓励落后省份积极利用周边省份城镇化建设及科技创新对自己的溢出效应。为此地方政府应加强交通、信息网络及创新溢出联系通道建设，增强创新接收能力，将“好邻居”的空间溢出效应最大化。精准扶贫政策与上述举措共同推进，政策效果与市场力量互为补充，才能最大限度改善城乡收入差距，更好更快实现全党全社会“全面小康，一个都不落下”的战略目标。