流通产业发展的减贫效应研究——基于中国2000-2015年省级面板数据的经验证据

杨水根，王　露

(1.湖南商学院 湖南省移动电子商务协同创新中心，湖南 长沙　410205；2.湖南商学院 经济与贸易学院，湖南 长沙　410205)*

一、引言及文献综述

实现2020年农村贫困人口全脱贫是我国“十三五”期间的历史任务。党的十八届五中全会提出“实施脱贫攻坚工程”。2016年5月，国家发展改委等九部门联合印发《贫困地区发展特色产业促进精准脱贫指导意见》指出：“促进一二三产业融合发展，改善流通基础设施，发挥产业扶贫造血功能”。《中华人民共和国国民经济和社会发展第十三个五年规划纲要》强调“推动传统商业加速向现代流通转型升级”“实施电商扶贫”。《国内贸易流通“十三五规划”》明确指出“构建现代流通体系，充分发挥流通产业的基础性和先导性作用”。

作为生产和消费的桥梁，流通产业在国民经济中起着基础性作用。实践证明，打通产业扶贫“最后一公里”，迫切需要推进流通产业机制创新，提升减贫效应。

1．产业减贫效应研究。现有文献主要从三个方面进行研究：一是产业减贫意义与问题研究，产业扶贫面临产业选择不当等风险制约产业成长性和扶贫效果，做强特色产业是推动农村脱贫的重要途径，产业能力是贫困地区提升自我发展能力的核心[1]。二是产业扶贫模式与选择标准研究，第一产业扶贫效果优于二、三产业[2，3]，资源型地区大力发展第三产业更有利于居民收入增长和贫困减少[4]；三是产业扶贫保障与引导对策研究，产业扶贫应注重融资模式，推进金融扶贫[5]，产业扶贫效果与政府施政理念、龙头企业发展紧密相关[6]。

2．减贫效应测度研究。国内外学者对贫困测度指标选择、研究方法进行了较多研究：一是测度指标研究，使用频率最多的是贫困发生率、贫困缺口指数和平方贫困缺口指数，以及以总人口20%的最低收入人群的平均收入来衡量贫困减少[7]，并从健康、教育及生活三个维度构建贫困测度体系[8]。二是测度方法研究，张萃(2011)运用省级面板数据回归分析认为，第三产业减贫效应非常显著且存在空间差异[9]；陈飞(2014)等均采用基于Lorenz曲线给出的 FGT 贫困指数进行测算，将贫困减缓分解为经济增长的减贫效应和收入分配减贫效应[10]；丁建军(2016)则运用CLM、SLM与SEM模型研究美国阿巴拉契亚地区经济多样性减贫效应，发现产业多样化具有显著正向减贫效应[11]；王曦璟等(2017)利用分层模型探究了公共服务差异供给能力对转移支付减贫效应的异质性影响[12]。

3．流通产业减贫效应研究。一是流通产业与经济增长研究，Cao(2010)研究发现流通产业每提升1个百分点，国民经济会增加0.56个百分点[13]；王晓东等(2010)认为流通产业有助于经济增长、就业增加，提升居民收入[14]。二是交通基础设施与经济增长的关系，刘正桥等(2013)运用C-D生产函数研究发现交通基础设施正向促进农村经济增长，并且这种作用在中部地区更大[15],Qi等(2017)研究发现综合交通基础设施对我国区域经济增长具有显著空间溢出效应，其中交通投资贡献率达到37%[16]。三是流通产业减贫比较研究，Alhaji(2015)研究发现尼日利亚城市批发和零售服务的增长对城市贫困的减少作用高于工业产业[17]；李慧玲(2016)等研究发现农村交通基础设施建设与减贫效应之间呈现正相关[18]。

综上所述，现有文献主要呈现三个特点：一是关于产业减贫意义、模式等一般性研究较多，直接研究流通产业减贫的研究较少；二是较少涉及流通产业减贫效应机理分析，流通产业减贫有效性分析存在较大研究空间；三是减贫效应测度研究主要以静态面板回归等分析为主，对流通产业减贫是否存在空间溢出效应的研究较少。为此，本文拟利用中国2000-2015年省级面板数据，从四个维度讨论流通产业发展的减贫效应问题。

二、理论框架

(一)流通产业减贫效应作用机制理论假说

本文借鉴Montalvo[9](2010)提出的经济增长模型假说①，将经济增长的产业构成演化为第三产业与流通产业，提出“流通产业发展—居民收入增长—减贫”的研究范式，具体研究流通产业发展与贫困居民增收的内在逻辑关系，理论框架如图1所示。从而提出四个基本假设：

H1：流通产业发展能显著正向促进贫困人口收入增长，且在第三产业内部构成中减贫效应相对显著。

H2：影响流通产业发展的内部要素减贫效应存在且有显著差异。

H3：流通产业发展水平差异将导致减贫效应存在区域空间异质性。

H4：流通产业发展存在空间减贫溢出效应。

图1　流通产业发展的贫困影响路径

(二)计量模型

1.基本模型设定。从经济增长与贫困的基本分析框架入手，构建用于实证检验的一元线性方程：

Pit=αit+βYit+γX+εit

(1)

其中：Pit表示i省在t年的贫困状况，采用按收入等级分类的占总人口20%的最低收入人群的真实平均收入来衡量；Y表示i省在t年的流通产业产值增长；X表示与贫困居民收入相关的影响因素；α表示未观察因素，ε是误差干扰项，β衡量了流通产业产值增长对贫困的影响。

Romer(1986)、Lucas(1988)基于C-D模型将技术进步内生化，认为技术进步是经济增长决定性因素。内生经济增长模型表示为：

Y=λLαKβA1-α-β

(2)

对式(2)左右都取对数：

LnY=λ+αLnL+βLnK+γLnA+ε

(3)

其中，γ=1-α-β；L代表劳动投入，K代表资本投入；A代表技术进步，可集中表现为创新发明和人力资本提高两个方面，可用人力资本和信息化水平衡量。

考虑模型异方差等问题，对式(1)进行对数处理:

LnPit=αit+βLnYit+γX+εit

(4)

将式(3)代入式(4)得：

LnPit=αit+β1LnL+β2LnK+β3Lnhc+

β4LnS+γX+εit

(5)

其中：Pit表示农村贫困人口收入，系数β1、β2、β3、β4分别代表农村居民人均真实收入对流通产业就业人数、交通投资、人力资本、信息化的弹性系数；LnL、LnK、Lnhc、LnS分别表示劳动力、交通投资、人力资本、信息化水平；X是包含对外开放程度、政府支出、城镇化率在内的控制变量。

2.变量选取。(1)选取贫困人口收入(P)。关于贫困的测度指标，国外大多采用FGT指数，但由于国内贫困线的选择缺乏统一标准，因此，本文沿用张萃等(2011)的做法，采用按收入等级分类的占总人口20%的最低收入人群的平均收入来衡量贫困，并利用各地CPI(2000=100)指数进行消胀。(2)流通产业产值(y)。本文将流通产业界定为包括交通运输仓储邮电通信业、批发零售业和住宿餐饮业等在内的产业集合，采用交通运输仓储邮电通信业、批发零售业和住宿餐饮业增加值之和来表征流通产业产值。(3)劳动力(L)。就业人数的增加不仅反映了经济发展水平，也有利于提高居民工资性收入，实现经济脱贫。本文采用各省流通产业年末城镇单位就业人数来衡量该指标。(4)交通投资(K)。交通基础设施投资的增加对经济增长有显著的促进作用，它加强了边缘地区与其他地区的交流。本文采用交通运输邮仓储和邮电通信业基本建设和更新改造投资额之和来衡量交通投资。(5)人力资本(hc)。人的素质提高有助于提高劳动生产率，促进经济发展从而间接拉动贫困居民收入增长。本文采用地区专科以上人数来衡量该指标。(6)信息化水平(S)。信息化发展水平对经济社会发展尤为重要，特别是当前互联网、云计算、物联网等技术的广泛应用促使流通产业发生创新性变革，影响流通产业发展水平。鉴于商品流通的特殊性以及数据的可获得性，本文采用《中国信息年鉴》发布的地区信息化发展指数衡量该指标。(7)城镇化(urban)。城市发展为流通产业发展提供了良好的经济基础、商业网络、人才集聚等条件，同时，城镇化对贫困的影响主要通过位置效应和经济联系效应产生。本文用年末城镇人口占总人口比重度量该指标。(8)对外开放程度(export)。随着国际化进程的加快，流通国际化趋势日益明显，对主要依靠农产品加工或初级产品销售的贫困户实际收入产生直接挑战。本文用进出口贸易总额占地区GDP比重来表示。(9)政府支出(gov)。政府公共财政支出尤其是基础设施建设支出的增加将极大便利区域内商贸流通的发展，影响产品销售与交易成本。本文用地方财政支出占地区GDP比重来表示。

3.数据说明。由于天津、河北、吉林、黑龙江、山东、湖南、云南、甘肃、青海九省按收入等级分类的占总人口20%的最低收入人群平均收入数据缺失严重，因此，实证分析仅包含2000-2015年北京、辽宁、上海、江苏、浙江、福建、广东、海南、山西、内蒙古、安徽、江西、河南、广西、湖北、广西、重庆、贵州、西藏、陕西、宁夏、新疆等22个省级面板数据，所用数据均来自各省2001-2016年统计年鉴、EPS数据库及国研网数据库。

为降低回归模型异方差性等问题，回归分析中所有待估计的变量都作取对数处理，相应的回归系数可视为弹性系数。处理后变量的一般性描述和VIF值详见表1。

表1　变量指标定义及描述性分析

三、实证分析

(一)流通产业总体减贫效应分析

利用stata14.0通过式(4)进行实证分析，结果如表2所示，由豪斯曼检验结果，应选择固定效应模型。从回归结果来看，解释变量的系数在统计上具有较高的显著性，即流通产业增加1%，贫困人口真实收入增加0.45%，符合流通产业总体作用于贫困减少的预期。模型R2达0.90，模型整体拟合效果较好。

表2　流通产业对贫困人口收入的整体回归

注：*、**、***分别表示P<0.1、P<0.05、P<0.01的显著性；括号表示的是标准误。

研究发现，第三产业减贫效应显著且呈现上升趋势。为进一步考察第三产业内不同行业对贫困人口收入的影响。在模式(4)的基础上，引入房地产产值(lnf)及金融产业产值(lnj)两个变量，横向比较流通产业减贫效应大小，以此验证流通产业能否有效减少贫困。实证结果如表3所示。

Hausman检验结果显示，模型应选择随机效应。由表3的实证结果可知，流通产业、金融和房地产的减贫系数分别为0.15、0.07、0.10且显著，三者皆与贫困人口收入正相关，一方面表明第三产业能促进减贫；另一方面，也说明流通产业减贫效应较大，即流通产业能有效促进贫困减缓。

综上分析可以发现，流通产业发展具有显著正向减贫效应，在第三产业内部构成中减贫效应表现突出。从而H1得到验证。

(二)流通产业发展内部要素减贫效应分析

流通产业虽总体对贫困减少作用显著，但其内部发展要素是否减贫效应存在差异？基于此思考，运用式(5)进行回归分析结果如表4所示。

表3　流通产业、房地产业、金融业减贫效应实证结果

注：*、**、***分别表示P<0.1、P<0.05、P<0.01的显著性；括号表示的是标准误。

由表4可知，不管是流通产业发展内部要素的单独回归还是与其他变量的全盘估计，回归系数的符号都没有发生很大改变，两次回归结果的hausman检验都选择了固定效应模型，R2接近0.9，证明流通产业内部要素能很好地解释流通产业减贫效应且总体模型的稳健性较好。信息化、劳动力、交通投资减贫效应依次递减，人力资本减贫效应不显著。可能的解释是空间区域上的教育资源不平等、教育不公等原因影响了区域内人力资本布局，不仅体现在高素质人才比重增长缓慢，还体现为人力资本的流失，导致人力资本增收作用减弱。

综上分析，可以发现：影响流通产业发展的各要素减贫效应总体显著，且各要素的减贫效应存在差异。从而H2得到验证。

(三)流通产业减贫区域空间异质性分析

不同地区由于地理位置、城市化及市场化程度等方面的显著差异，流通产业各地发展水平存在区域差异。为此，将样本细分为三个子样本，即东部地区、中部地区及西部地区。运用式(4)、式(5)模型对三个子样本进行回归，结果如表5所示。

综上可以发现：(1)总体而言，东部地区流通产业减贫效应最大，中部地区次之，西部地区正向促进；(2)具体来说，流通产业发展内部各要素减贫效应存在区域差异。东部地区交通投资、劳动力、信息减贫效应显著，人力资本减贫效应有待提升；而中西部地区产业要素减贫效应，除交通投资减贫效应显著外，其他三类要素减贫效应尚没有得到很好发挥。总体来说，流通产业减贫效应存在显著区域空间异质性。从而H3得到验证。

表4　流通产业内部要素减贫效应研究

注：*、**、***分别表示P<0.1、P<0.05、P<0.01的显著性；括号表示的是标准误差。

表5　分区域静态面板分析

注：*、**、***分别表示P<0.1、P<0.05、P<0.01的显著性；东部包括北京、辽宁、上海、江苏、浙江、福建、广东、海南，中部地区主要是山西、内蒙古、安徽、江西、河南、广西、湖北，西部地区包括广西、四川、重庆、贵州、西藏、陕西、宁夏、新疆；括号表示的是标准误。

(四)流通产业减贫空间溢出效应分析

基于空间经济学基础理论与方法，首先对流通产业发展进行全局Moran’s I的相关性检验，结果表明，各省市流通产业发展的Moran’s I指数均大于0，且都通过显著性检验(见图2)，说明中国各省流通产业之间存在空间相关性，且为正相关关系。

Anselin(1995)指出地区空间全局相关分析在一定程度上会掩盖局域非平稳性，甚至出现局域关联趋势与全域趋势相反的情况[20]，因此，有必要进行使用空间关联局域指标(LISA)来分析空间关联的局域特性，其四个象限分别对应四种类型的局域空间联系形

图2　2000-2015年中国各省市流通产业发展的Moran’s I指数和Z值

式，其中，第一象限代表流通产业发展高水平区被同时高值区所包围的空间联系形式(HH)，第二象限代表低水平流通产业区域被高流通产业区域包围的空间形式(LH)，第三象限表示低水平流通产业区域被低流通产业区域包围的空间形式(LL)，第四象限表示高水平流通产业区域被低流通产业区域包围的空间形式(HL)。因此，第一与第三象限表示正的空间自相关关系，第二与第四象限表示负的空间自相关关系。据此，本文测验了2015年我国22省流通产业发展的局部Moran’s I指数并绘制了散点图(图3)。从图中可以看出22个省份中有8个省份在第一象限，9个在第三象限。第一象限90%来自东部地区(如北京、上海等)，40．9%的省市在第三象限，这些省市主要来自中西部地区(如宁夏、新疆等)。以上分析表明，我国流通产业发展在各省市之间存在紧密的空间依赖性和集聚特征。

图3　2015年中国各省市流通产业发展的LISA分布图

采用极大似然法估计空间滞后模型(SLM)和空间误差模型(SEM)以检验流通产业减贫效应是否存在空间相关性，见表6。综合观察各变量显著性、对数似然比、可决系数，SLM模型均优于SEM模型，为进行对比分析，对模式(4)进行空间仿真模型(SDM)估计，SDM(1)和SDM(2)的空间回归系数显著，可决系数较SLM、SEM模型更大，流通产业总体减贫效应显著，其空间滞后项也显著，即流通产业总体减贫效应存在空间溢出效应。

表6　流通产业整体减贫效应的空间计量估计

注：*、**、***分别表示P<0.1、P<0.05、P<0.01的显著性；经济距离与地理距离矩阵都是按行归一化处理后的空间权重矩阵；括号表示的是标准误;在空间仿真模型中，只列举了自变量空间滞后项显著的估计结果，除SLM(1)、SEM(2)和SDM(2)为固定效应，其它为随机效应。

对于式(5)的空间研究，不论是经济距离权重还是地理距离权重分析，SLM结果优于SEM，但为进一步分析流通产业减贫的空间依赖性，进行空间杜宾模型SDM估计，结果见表7。其中经济矩阵下的SDM模型估计中有5个变量结果显著，且lnL,lnK,lnS的空间滞后项显著，相较于地理矩阵结果更好。在表7的SDM(3)模型中，流通产业劳动力、交通投资、信息化要素空间回归系数显著，与贫困人口收入正相关，这是由于流通产业发展将吸附更多劳动力，人员集聚更容易促进信息融合、技术创新，对提高贫困人口收入的促进作用更大;而人力资本的回归系数为负，可能的解释是流通产业发展存在空间溢出效应，邻近省份由于经济发展等因素吸引了本省人口的持续外流，进而减弱本省流通产业增收作用。综上分析，流通产业减贫空间溢出效应明显。从而H4得到验证。

表7　流通产业发展要素减贫效应的空间计量分析

注：*、**、***分别表示P<0.1、P<0.05、P<0.01的显著性；经济距离与地理距离矩阵都是按行归一化处理后的空间权重矩阵；括号表示的是标准误；各模型均为随机效应，在空间仿真模型中，只列举解释变量空间滞后项显著的估计结果。

四、结论与建议

以上研究表明：(1)流通产业发展具有显著正向减贫效应，且在第三产业内部比较中表现突出。(2)流通产业发展内部要素减贫效应存在差异，劳动力、信息化水平、交通投资减贫效应得到明显发挥，人力资本减贫效应有待提升。(3)流通产业发展减贫效应存在显著区域空间差异，东部地区流通产业减贫效应高于中西部地区。(4)流通产业减贫存在显著空间溢出效应。

为此，提出政策建议如下：(1)加快减贫导向型流通产业发展。一是推进流通产业体制机制改革，促进流通产业健康、快速发展；二是以“加快流通产业发展，深入推进流通扶贫”为导向，提升流通服务能力；三是创新现代流通方式，拓展农特产品等初级加工产品的网络销售，促进线上线下融合发展。(2)积极完善流通产业发展环境。一是要加快流通产业信息化建设，推动流通智慧物流配送体系和平台建设，降低流通运营成本；二是继续加大交通基础设施投入，提高流通效率促进流通产业增值；三是提升劳动者素质，尤其是电商等高素质人才的积累与培养。(3)促进区域流通产业均衡发展。一是加快欠发达地区流通产业发展基础条件建设，改变贫困地区处于价值链下游的被动境地；二是以供应链整合为重点，形成科学有序的城市内部、城际之间、城乡之间的流通产业发展体系，提升欠发达地区流通产业层次与水平；三是积极探索“互联网+流通企业+产业基地+扶贫龙头企业+贫困户”的“产业链式扶贫”机制，缩小流通产业地区发展差距。(4)充分释放流通产业减贫空间溢出效应。一是要支持区域差异化发展，支持东部地区流通产业发挥引领和辐射带动作用；二是促进区域流通产业协同发展，有效解决流通产业发展要素向经济发达地区集聚而经济欠发达地区形成“要素洼地”问题，以流通强省带动流通弱省，真正实现产业“造血式”扶贫目标。

注释：

① 该假说认为经济增长的部门构成独立于总体经济增长而对贫困减缓产生影响，也就是说经济增长的产业构成对贫困减少会造成影响，并且区域产业增长将影响农村贫困减少。

参考文献：

[1]冷志明,唐珊.武陵山片区自我发展能力测算及时空演变分析——基于2005、2008和2011年县级数据的实证[J].地理学报,2014(6):782-796.

[2]Datt G, Ravallion M. Growth and redistribution components of changes in poverty measures:a decomposition with applications to Brazil and India in the 1980s [J].Journal of Development Economics,1992,38(2):275-295.

[3]Ravallion M,Chen S. China's uneven progress against poverty [J]. Development Economics,2007，82:1-42.

[4]汪三贵,胡联.产业劳动密集度、产业发展与减贫效应研究[J].财贸研究,2014(3):1-5.

[5]陈银娥,苏志庆,何雅菲.微型金融对女性减贫的影响:基于金融赋权视角的分析[J].福建论坛(人文社会科学版),2015(3):30-38.

[6]闫东东，付华.龙头企业参与产业扶贫的进化博弈分析[J].农村经济,2015(2):82-85.

[7]Dollar D1, Kraay A1. Growth is good for the poor[J].Journal of Economic Growth,2002(2):195-225.

[8]Alkire S, Santos M E. Acute multidimensional poverty:a nw index for developing countries[J].OPHI Working Paper Series,2010，38:1-139.

[9]张萃.中国经济增长与贫困减少:基于产业构成视角的分析[J].数量经济技术经济研究，2011(5):51-63．

[10] 陈飞,卢建词.收入增长与分配结构扭曲的农村减贫效应研究[J].经济研究,2014(2):101-114.

[11] 丁建军,冷志明等.经济多样性的减贫效应——基于美国阿巴拉契亚地区的经验[J].中国工业经济,2016(6):39-56.

[12] 王曦璟,高艳云.地区公共服务供给与转移支付减贫效应研究——基于多维贫困分析框架[J].财经理论与实践,2017,38(2):92-98

[13] Cao J. Research on relevancy between circulation industry and national economy based on canonical correlation analysis[J].Internet Technology and Applications, 2010 International Conference,2010:1-4.

[14] 王晓东,谢莉娟.论流通产业结构调整与就业增长——基于中部地区流通业对就业吸纳的贡献分析[J].财贸经济,2010(2):98-103.

[15] 刘正桥,张亚斌.中国交通基础设施与农村经济增长的实证研究[J].财经理论与实践,2013,34(3):98-102.

[16] Qi R,Qi M. Spillover effects of transportation infrastructure on China's re-gional economic growth based on multidimensional factors[J].Advances in Transportaion Studies,2017(2):107-116.

[17] Alhaji B M, Rusmawati S, Shaufique F S. Urban poverty, pnequality and industry in nigeria[J].International Journal of Development Issues,2015,14(3):249-263.

[18] 李慧玲,徐妍.交通基础设施、产业结构与减贫效应研究——基于面板VAR模型[J].技术经济与管理研究,2016(8):25-30.

[19] Montalvo J G, Ravallion M.The pattern of growth and poverty reduction in China [J].Journal of Comparative Economics,2010，38:2-16.

[20] Anselin L. Local indicators of spatial association LISA[J].Geographical A-nalysis,1995,27(2):93-115.