中等职业教育财政支出减贫效应的空间溢出和门槛分析
2020-12-28蔡文伯赵志强
蔡文伯 赵志强
摘 要 中等职业教育作为政府以法律形式规定、社会主体参与、公共资源支持的现代新型教育，一直发挥着重要的减贫功能。本研究以中等职业教育财政支出为视角，基于2008-2018年30个省份的面板数据集，通过构建空间面板模型和门槛面板模型，考察中等职业教育财政支出与贫困减缓的空间相关性，测算中等职业教育财政支出在减贫中的空间溢出效应，并运用LeSage和Pace提出的偏微分方法进行效应分解。研究发现：中等职业教育财政支出对贫困减缓具有明显的空间依赖性;各省份内部中等职业教育财政支出对贫困减缓具有正向的促进作用，但对相邻省份有负向的阻碍作用;同时存在门槛特征，即减贫效应随中等职业教育财政支出提高而提高，随城镇化发展水平提高而降低。
关键词 中等职业教育;财政支出;精准扶贫;减贫效应;空间溢出;门槛分析
中图分类号 G718.3 文献标识码 A 文章编号 1008-3219（2020）28-0013-07
贫困问题是每个国家和地区都普遍存在的社会现象，是影响经济发展和社会稳定的重要因素。现阶段，正值我国全面建成小康社会的冲刺阶段，消除贫困、改善民生更是当下亟需解决的重要难题。据国家统计局发布的数据显示，截至2019年，全国贫困人口已从2012年的9899万人减少至551万人，累计减少9348万人，贫困发生率也从10.2%下降到0.6%，减贫事业取得了显著成就。《中共中央 国务院关于坚持农业农村优先发展做好“三农”工作的若干意见》（中发[2019]1号）强调，要逐步提升公共财政对职业教育的投入力度，强化开发式扶贫与保障式扶贫统筹衔接，力争实现各地贫困人口的全部清零。扶贫先扶志，扶贫必扶智。中等职业教育因其具有较强的工具价值一直以来都是实现脱贫攻坚的重要渠道，教育财政支出更是让中等职业教育的工具价值得以充分发挥。在知识经济飞速发展的今天，扩大中等职业教育财政支出不仅能够使原本教育资源分配不均的现象得以缓解，而且可以使貧困群体改善自身状况、缓解就业问题。那么，我国中等职业教育财政支出究竟在多大程度上缓解了地区贫困，在减贫过程中是否存在空间溢出效应，又是否存在门槛特征，在脱贫攻坚背景下，这些问题若能得到解决，将对国家调整和出台更具针对性的扶贫措施起到重要推动作用。
鉴于各地区突出的贫困状况，学者们围绕着中等职业教育财政减贫效应进行了深入研究。克雷（Kraay）和杜大伟（Dollar）认为，教育财政支出和医疗财政支出有利于提高农业生产力，但对绝对贫困人口的减贫效果不明显，应重点发挥中等职业教育财政支出在绝对贫困人口中的帮扶作用[1]。凯斯（Kees）和卡米纳达（Caminada）研究发现，中等职业教育、社会保障等财政支出对于减缓农村贫困具有显著的促进作用，而且随着时间的发展呈现出逐级递增的正向作用[2]。佩特拉基斯（Petrakis）和斯塔玛塔基斯（Stamatakis）研究发现，经济发展水平不同，教育财政支出对经济增长的作用不同，具体表现在经济发展水平较低时，初等教育和中等教育的外部效应较大，经济发展水平较高时外部效应逐渐减缓[3]。国内关于中等职业教育财政减贫的研究大多集中在2010年以后，单德朋以2000-2010年西部地区省级面板数据为样本，利用动态面板模型将不同层次教育投入对贫困减缓的作用加以区别，发现中等职业教育对于减缓城乡贫困具有明显作用，中等职业教育财政支出和平均受教育年限增加均对贫困减缓有着积极的正向关系[4]。瞿连贵和石伟平以西部地区为切入点，认为发展中等职业教育是落实新一轮“西部大开发”战略、加快西部地区人力资源开发、促进西部地区脱贫攻坚的优先选项，需要从过去较多关注硬件投入逐渐转向加大软件投入，尤其是对“双师型”师资队伍、教学改革、课程更新等方面的投入[5]。农汉康和孙杰远认为，中等职业教育扶贫是我国贫困劳动力迫切需要的技能培养方式，能够有效提升贫困劳动力的生产技能和就业机会，应建构以政府为主导、以学生为根本、以企业为辅助的财政资助模式，并加大对贫困地区免费中等职业教育的实施力度[6]。聂伟认为，中等职业教育时间短、成本低、见效快，能为诸多贫困群体提供获取谋生的一技之长，要加大财政专项资金投入，补齐教育资源短板，并结合地区产业特点和劳动力结构，不断更新培训内容、强化培训功能，建设一批新型职业农民和技术型人才队伍[7]。
总体来看，已有文献都肯定了中等职业教育财政支出对地区减贫所具有显著的促进作用，在理论上形成了广泛共识。但仍存在一些不足：第一，在研究内容上，已有研究成果较多侧重高等职业教育或职业教育整体财政支出与地区减贫的关系，对中等职业教育财政支出的关注相对较少。第二，在研究时间上，已有研究成果大多基于时间序列进行分析，数据样本时点多集中在1995-2015年，随着经济发展进入新常态，职业教育的扶贫成果需要进一步完善。第三，在研究方法上，已有研究成果多采用质性研究方法或传统计量模型考察职业教育财政投入对地区减贫的影响，可能导致研究结果的偏差。鉴于此，本研究基于新经济地理学的理论基础，以全国30个省市（除西藏自治区，香港、澳门特别行政区，台湾地区）2008-2018年的面板数据为样本，研究中等职业教育财政支出与减贫效应的空间相关性，构建空间计量经济模型分析中等职业教育财政减贫的空间溢出和门槛效应，以期为调整和完善中等职业教育财政支出强度提供理论依据。
一、中等职业教育财政减贫的空间计量分析
（一）模型设定
我国中等职业教育财政支出的减贫效应主要是通过提高初中后人力资本以减少贫困发生实现的。由于各省际之间贫困程度不同，教育财政投入水平也存在较大差异，为了研究各省中等职业教育财政支出的减贫效应，本文参考沈能、赵增耀提出的计量经济模型[8]，建立适合本研究所需的模型。
其中，i为地区，t为时点，POVit为农村贫困水平，SSPit为中等职业教育财政支出，EFAit为农业财政支出，EFSit为社会保障和就业支出，PGDPit为经济发展水平，PULit为地区城镇化水平。
（二）数据指标
1.变量定义
被解释变量。对于贫困水平（POV）的表达，现有研究给出了一系列方法和手段，常用的贫困测量指标有分解FGT指数、森指数和贫困发生率等，这些贫困测量指标的共同特点是均以贫困线为标准进行评价。但由于2008-2018年之间我国贫困线有所调整，在地区贫困水平的评价上难免存在差异，罗知与郭熙保[9]建议利用20%最低收入人群的平均收入来估算地区贫困程度，冉光和与张冰[10]则用人均消费支出水平来估算各地区贫困程度，蔡文伯与翟柳淅利用城镇和农村人均收入与人口占比之和作为估计地区贫困程度的标准[11]。通过对2008-2018年全国农村人均收入和城镇人均收入与其20%低收入人群进行Pearson相关性分析，结果显示全国农村人均收入和城镇人均收入与其20%低收入人群呈显著正相关关系，选取人均收入作为衡量20%低收入人群的代理变量较为恰当。为此，本研究借鉴蔡文伯与翟柳淅的测量方法对地区贫困水平进行评估。具体计算公式为：贫困水平=农民人均收入×农村人口比重+城镇人均收入×城镇人口比重，为消除异方差和量纲的干扰，对得到的数据进行取对数处理。
解释变量。中等职业教育财政支出强度（SSP）内涵丰富，到目前为止，并没有形成一个明确的度量指标，由于数据指标的非连续性，本研究参照解垩[12]、王录仓[13]等人的研究，选用“中职在校生数/普职总人数”作为中等职业教育财政支出强度的代理变量。根据“贫困循环累积效应”，地区贫困化程度还受到经济发展水平、农业财政支出、社会保障支出和城镇化水平等因素的影响。因此，选取若干控制变量，以提高模型估计结果的稳健性。农业财政支出强度（EFA）用“财政支农支出/财政总支出”表示;经济发展水平（PGDP）用人均国内生产总值表示;社保财政支出强度（EFA）用“社保支出/财政总支出”表示;地区城镇化水平（PUL）用“城镇人口数/总人口数”表示。
2.數据来源
由于西藏自治区和香港、澳门特别行政区，台湾地区数据缺失较为严重，本研究以2008-2018年30个省（直辖市、自治区）的农村贫困水平（POV）、中职教育财政支出强度（SSP）、农业财政支出强度（EFA）、社保财政支出强度（EFS）、经济发展水平（PGDP）和地区城镇化水平（PUL）作为平衡面板数据集。所有原始数据均选自2008-2018年《中国统计年鉴》《中国农村统计年鉴》《中国人口和就业统计年鉴》和各省历年统计年鉴。
（三）中等职业教育财政减贫效应的计量分析
1.空间自相关分析
在对空间计量经济模型进行分析之前，需要先检验中等职业教育财政支出和农村贫困水平之间是否存在空间自相关。空间自相关是指一些数据在不同空间单元是否具有潜在的依赖性，如果高值和高值、低值和低值相邻，表明空间呈正相关，如果高值和低值相邻，表明空间呈负相关，如果高值和低值随机分布，则表明数据之间不存在空间相关性。本研究拟采用目前较为流行的莫兰指数（Morans I）分析验证中等职业教育财政支出和贫困水平之间的空间相关性。
其中，S2=为样本方差，xi表示第i个省份的数据指标，wij为处于i行j列的空间权重。Morans I也被学者称为Global Morans I，检验空间全局的相邻分布状态，一般两省份Morans I指数越接近+1表示正相关相邻程度越高，越接近-1表示负相关相邻程度越高，越接近0表示两省份不存在相关性。为此，0-1相邻权重矩阵如下：
其中，i=1，2，3……n;j=1，2，3……n;i≠j。本研究运用Geoda10.0软件对2008-2018年省际中等职业教育财政支出和贫困水平进行空间自相关检验，见表1。由表1可以看出，2008-2018年中等职业教育财政支出指数和贫困发生率指数均为正值，且贫困发生率指数均显著大于0.44，中等职业教育财政支出指数均显著大于0.39，可见中等职业教育财政支出和农村贫困发生率具有较强的空间自相关性，某一省份的中等职业教育财政支出会对相邻省份造成显著影响。因此，基于空间计量经济模型来估计中等职业教育财政支出的减贫效应。
2.空间面板模型的设定
国外学者在研究教育财政支出减贫效应的过程中，普遍采用马尔科夫链卡罗模型（MC3）和空间面板回归模型[14]，马尔科夫链卡罗模型尽管突破了遗漏变量增加偏误和增加控制变量以提高精准度，但由于忽略空间权重的差异性逐渐处于淘汰的边缘。空间面板回归模型主要是安瑟兰（Anselin）在1988年提出的空间面板误差模型（SEM）、空间面板滞后模型（SAR）和空间面板杜宾模型（SDM），因较好的弥补空间权重差异性的缺陷，减少误判的可能性，在教育财政减贫效应研究中被广泛采用[15]。为确保结果估计的精确性，本研究建立了三种空间面板回归模型：
3.空间面板模型的实证检验
在实证检验之前需要利用埃尔霍斯特（Elhorst）提出的三步法对数据集进行似然比率（LR）检验、沃尔德（Wald）检验和霍夫曼（Hausman）检验[16]，其目的是判定哪个空间回归模型估计结果较优。通过stata16.0软件对2008-2018年数据集进行分析，结果见表2。
LR Spatial Lag和Wald Spatial Lag检验的统计量分别为38.59和42.59，均通过了1%显著性水平。另外，LR Spatial Error和Wald Spatial Error检验的统计量分别为11.73和75.49，也均通过了1%显著性水平，表明空间杜宾模型的估计结果最优。进一步对空间杜宾模型进行Hausman检验，其统计量为177.49，在1%显著性水平上拒绝原假设，说明固定效应要明显优于随机效应。因此，本研究在进行数据分析过程中，主要参考空间杜宾模型的固定效应检验，见表3。
由表3可以看出，除空间误差模型（SEM）中的农业财政支出强度不显著外，其余参数在三种空间计量模型估计中均通过了5%水平的显著性检验。在空间杜宾模型（SDM）中，中等职业教育财政支出的系数估计值为-0.323，且在1%水平上显著，说明中等职业教育财政支出每增加1%，农村贫困水平率便减少0.323%，提升中等职业教育财政支出强度对贫困减缓有积极的正向作用，尤其是可以培养一批素质过关、能力过硬的创新型人才。社保财政支出的估计值为-0.411，在1%水平上显著，说明社保支出每增加1%，农村贫困水平便减少0.411%，其减贫效应相当明显。政府可以通过加大中等职业教育财政支出和社保财政支出激活贫困地区的发展潜力，并通过经济发展的“滴灌效应”使农村贫困群体逐渐摆脱贫困。而农业财政支出的系数估计值为0.442，在5%水平上显著，说明农业支出每增加1%，贫困水平就上升0.442%，究其原因可能是由于政府在开展减贫工作中，很难准确划分贫困者和非贫困者、绝对贫困者和相对贫困者，致使农业财政支出的扶贫功能被大大削弱，减贫效应不太理想。
进一步考察SDM模型中的空间滞后参数ρ为0.648，通过了1%水平的显著性检验，说明在不考虑其他因素滞后的影响下，相邻省份贫困水平每下降1%，会引起本省份贫困水平下降0.648%，当某一省份拥有较多相邻省份时，其贫困水平下降效果更为显著，具有较强的正外部性。SAR模型中的空间滞后参数ρ为0.736，SEM模型中的空间误差参数λ为0.975，均通过了1%水平的显著性检验，表明我国农村贫困水平在省际间具有较强的正向空间依赖性，即某省农村贫困水平的增加或减少对相邻省份农村贫困发生率的变化有引导作用。
4.空间溢出效应分解
在空间计量经济模型实证检验过程中，解释变量估计值除了包含解释变量对被解释变量的直接效应外，还包含间接的“反馈效应（Feedback Effects）”[17]。通过表3可以看出，W（SSP）、W（EFA）估计值在5%显著性水平下显著为正。W（EFS）在估计上虽然为负数，但并不显著。因此，只有将变量估计值中间接“反馈效应”剔除才能解释各变量直接效应估计值，本研究通过勒沙杰（LeSage）和佩斯（Pace）提出的偏微分方法进一步将中等职业教育财政支出减贫效应分解为直接效应和间接效应[18]，见表4。
如表4所示，中等职业教育财政支出强度的直接效应估计值为-0.266，通过了1%水平的显著性检验，说明中等职业教育财政支出每增加1%，其贫困水平就下降0.266%，也验证了上述研究得出的基本假设，对贫困地区进行直接的教育财政支出有助于提升贫困群体的技术技能水平，形成可以抵御贫困风险的核心竞争力，防止返贫复现。间接效应估计值为0.582，通过了10%水平的显著性检验，该结果并不是否定了中等职业教育财政支出对农村减贫的正向效果，一方面，反映出相邻省份由于“成效竞争”和“经济增长”双重压力在争取中等职业教育财政资金方面存在潜在的竞争关系，这种竞争关系不仅限制了地方财政资源的可获得性，也限制了城镇化空间格局的有序扩张，对农村贫困减缓的作用大打折扣;另一方面，或是因为中等职业教育人员流动范围相对较小，大多数扎根于当地，各省可以通过加大中等职业教育财政支出使农村贫困群体获得直接帮扶，以达到地区脱贫的目的。农业财政支出强度的直接效应和间接效应估计值分别为0.713和3.024，均通过了1%水平的显著性检验，表明财政支农政策对农村减贫起到了明显的阻碍作用，社保财政支出强度的直接效应和间接效应估计值为-0.505和-1.157，表明社保财政支出对减贫工作有较强的正向促进作用，各省在脱贫攻坚过程中要适当减少农业财政支出强度，增加社保财政支出强度，以实现财政支出效益的最大化。
二、中等职业教育财政减贫效应的门槛分析
（一）门槛面板回归模型构建
正如上文所述，各省份中等职业教育财政支出对减贫工作成效显著，可以初步预测中等职业教育财政支出对贫困水平的影响可能存在“门槛特征”。因此，为考察模型中可能存在的门槛效应，本研究采用汉森（Hansen）的非动态面板回归技术对SSP和PUL建立双重门槛面板回归模型[19]：
（二）门槛效应检验
本研究选取各省中等职业教育财政支出和城镇化水平作为门槛变量，实证检验不同中等职业教育财政支出和城镇化发展水平对农村贫困减缓的作用效果。根据Hansen的分析，判断门槛特征是否显著，需要通过构造F统计量来检验。如表5结果显示，中等职业教育财政支出单门槛模型中在5%置信水平下显著，存在单个门槛值，城镇化水平单门槛模型和双门槛模型在1%置信水平下显著，存在两个门槛值。
在检验门槛效应存在后，需要进一步估计各变量的门槛值，同时确定各门槛的弹性系数，结果如表6所示。中等职业教育财政支出（SSP）对贫困减缓的门槛值为0.4104，在SSP≤0.410阶段，估计值为-0.922，表明中等职业教育财政支出能有效减缓贫困;在SSP>0.410时，估计值为-1.076，表明随着教育财政支出强度加大，对地区减贫效应逐渐增强。城镇化水平（PUL）对贫困减缓的门槛值为0.433和0.523，具体而言，在PUL≤0.433阶段，中等职业教育财政支出减贫效应较高，估计值达到-2.032;在0.433
为更加直观地分析省际之间的门槛跨越和地区差异，本研究对2008年和2018年各省份门槛值跨越情况进行了比较，如表7所示。2008年各省份城镇化水平大部分小于0.433，到2018年没有省份处于此区间，究其原因可能是近年来各省份大力扶持地区产业、投资教育事业，使得城镇化水平有了较大提升，减贫效果也逐渐显现。而中等职业教育财政支出一直处于弱势地位，大于0.410的省份由2008年的13个降为2018年的2个，且递减势头仍在持续，可能是多数省份过度注重普通高中教育的投入，对中等职业教育投入相对欠缺，不利于其工具价值的正常发挥。通过对各省份时序分析可以发现，两变量均呈现出从东部发达省份到中西部省份依次递减的阶梯分布，经济水平較高的东部发达省份对贫困减缓具有收敛效应，而经济水平较低的中西部省份则对贫困减缓具有显著的促进作用，经济发展水平越落后，中等职业教育财政支出对贫困减缓的作用就越大。
三、结论与建议
（一）研究结论
本研究在脱贫攻坚战略背景下，采用2008-2018年30个省份的平衡面板数据，通过构建空间计量模型，定量分析了中等职业教育财政支出对贫困减缓的直接效应和间接效应，同时构建门槛回归模型，验证了中等职业教育财政支出与贫困水平之间的非线性关系，具体结论如下：
第一，中等职业教育财政支出在直接效应中的减贫效果较为显著，但间接效应并不明显，究其原因可能是中等职业教育所培养的群体大多数立足于当地、服务于当地，较少有跨省份人员流动;许多教育部门为提升自身的“政绩工程”不惜大幅削减职业教育扶贫的经费投入，转向传统的、能被群众认可的普通教育，造成职业教育招生困难、资源链断裂等不利局面。也反映出相邻省份由于中等职业教育财政支出相对不足，在“成效竞争”和“经济增长”双重压力下存在隐性的竞争关系。
第二，不同程度的中等职业教育财政支出对贫困减缓具有明显的门槛特征。当中等职业教育财政支出小于第一门槛值0.410时，贫困减缓作用较低，跨越0.410之后减贫效果较为显著，各省份要持续宣传中等职业教育的正向作用，扩大招生力度和资金投入。当城镇化水平小于第一门槛值0.433时，减贫效果最为显著，跨越第一门槛值0.433而低于第二门槛值0.523时，中等职业教育对贫困减缓的效果开始下降，跨越0.523时减贫效果再次下降，说明随着城镇化发展水平的不断提高，中等职业教育财政支出的减贫效应处于边际递减状态。
（二）对策建议
第一，各级政府要发挥中等职业教育对贫困减缓的直接效应，加大财政投入力度，合理调配与优化中等职业教育资源配置，减缓省际之间因资源分配不均造成不必要的竞争关系，提高财政投入效率。在间接效应方面，各省产业结构及发展阶段存在相当大的差异，需建立合理的技能人才流动机制，打破行政区划壁垒，依据市场经济规律和自然地理特点推进跨省份经济联动[20]。
第二，中等职业教育财政支出强度越大，其减贫效果越明显，各级政府要加大对中等职业教育的宣传力度，特别是在中西部城镇化水平相对落后的省份，逐步扩大中等职业教育规模。在城镇化发展水平较高的东部省份，提高中等职业教育财政支出可能会由于门槛效应不能充分发挥优势，应充分考虑各变量门槛区间的减贫效应，优化省际之间中等职业教育财政支出的空间布局。
第三，随着城镇化水平的不断提升，农业财政支出减贫效应优势已经微乎其微，相反，社会保障财政支出在减贫工作中扮演着越来越重要的角色，呈现出内在相关性和外在溢出性特征。各级政府要将农业财政支出适当转移到社保财政支出方面，特别是溢出效应较强的省份。在新时代背景下，各省致贫和扶贫情况差异较大，在减贫工作中要适当取舍，重点推广减贫效果显著的措施，这样不仅可以避免财政资金的过度浪费，而且可以提高财政支出的减贫效率。
第四，政府作为中等职业教育的投资主体，要加大对减贫效应显著省份的扶持力度，建立职业教育财政扶贫的制度环境，但是仅仅依靠政府单方面扶持无法彻底摆脱贫困地区的落后局面，要充分认识到社会团体、行业企业在减贫工作中的潜在优势，引导行业企业与中等职业教育联合办学，引进社会资本、更新教学设备和开发特色化培养形式，从而提高贫困群体的职业水平和综合素质，实现永久性脱贫。
参 考 文 献
[1]Dollar， David， Aart， Kraay. Growth is Good for the Poor[J].Journal of Economic Growth，2002，7（3）：195-225.
[2]Caminada， Koen， Goudswaard， Kees. Social Expenditure and Poverty Reduction in the EU15 and Other OECD Countries[R].MPRA Paper，2009：20-38.
[3]Petrakis P E， Stamatakis D. Growth and Educational Levels： A Comparative Analysis[J].Economics of Education Review，2002，21（5）：513-521.
[4]单德朋.教育效能和结构对西部地区贫困减缓的影响研究[J].中国人口科学，2012（5）：84-112.
[5]瞿连贵，石伟平.新时代我国西部地区中等职业教育发展现状与对策研究[J].现代教育管理，2019（4）：11-15.
[6]农汉康，孙杰远.中等职业教育学生资助：本质、意义、问题与展望[J].广西师范大学学报（哲学社会科学版），2013（6）：116-174.
[7]聂偉，罗明丽.贫困地区职业教育精准扶贫作用的制约与张扬[J].职业技术教育，2019（16）：60-64.
[8]沈能，赵增耀.农业科研投资减贫效应的空间溢出与门槛特征[J].中国农村经济，2012（1）：69-96.
[9]郭熙保，罗知.贸易自由化、经济增长与减轻贫困——基于中国省际数据的经验研究[J].管理世界，2008（2）：15-24.
[10]张冰，冉光和.金融发展视角下外商直接投资的减贫效应分析[J].管理世界，2013（12）：176-177.
[11]蔡文伯，翟柳淅.民族地区教育财政支出减贫效应的空间溢出与门槛特征——基于新疆2001-2015年的面板数据分析[J].西南大学学报（社会科学版），2018（2）：69-75.
[12]解垩.高等教育对经济增长的贡献：基于两部门内生增长模型分析[J].清华大学教育研究，2005（5）：74-80.
[13]王录仓，武荣伟，刘华军.中国高等教育对经济增长的空间溢出研究[J].黑龙江高教研究，2015（12）：47-52.
[14]Madigan D， Allard D. Bayesian Graphical Models for Discrete Date[J].International Statistical Review，2010，63（2）：215-232.
[15]Anselin L. Spatial Econometrics： Methods and Models[J].Published by Kluwer Academic Publishers，1988，12（20）：223-239.
[16]Elhorst J. Spatial Econometrics： From Cross-Sectional Data to Spatial Panels[M].New York： Springer，2014：104-25.
[17]高远东，温涛，王小华.中国财政金融支农政策减贫效应的空间计量研究[J].经济科学，2003（1）：36-46.
[18]Lesage J P， Pace R K. Omitted Variable Biases of OLS and Spatial Lag Models[M].Germany： Progress in Spatial Analysis，2009：17-28.
[19]Hansen B E. Threshold effects in Non-dynamic panels： Estimation， Testing， and inference[J].Journal of Econometrics，1999，93（2）：345-368.
[20]张跃，黄帅金.城镇化减贫的空间溢出效应及门槛特征——基于贫困乡城转移背景[J].云南财经大学学报，2019（12）：36-48.
