重庆市城镇化水平与农民收入增长关系

王 雨

(重庆师范大学地理与旅游学院，重庆 401331)

引言

改革开放40a来，现阶段我国经济发展处于新常态之下，党的十九大作出了中国特色社会主义进入新时代的科学论断，提出了实施乡村振兴战略的重大历史任务。全面建成小康社会和建设社会主义现代化强国，最艰巨最繁重的任务在农村。如何推动乡村振兴战略，其中重要一点就是要坚持乡村振兴和新型城镇化双轮驱动，统筹城乡国土空间开发，加快农业转移人口市民化，强化乡村振兴人才支撑。由此可以看出，城镇化对于推动农业现代化，增加农民收入具有重大作用。

一些学者对城镇化与农民收入关系做了一系列相关研究。宋元梁、肖卫东在建立向量自回归模型的基础上，运用脉冲响应函数与预测方差分解的方法来刻画城镇化的发展与农民收入增长间的动态相关性。其研究结论表明，加速推进城镇化进程是持续增加农民收入的根本路径，在采用城镇化发展促进农民收入增长的政策上，应采取的是长期政策而不是短期政策[1]。鲁建彪用定性研究的方法指出，城镇化建设是提高农民收入的根本途径[2]。刘勇回顾中国城镇化发展的历史进程和成就，探讨了未来中国城镇化发展的基本趋势，并分析未来我国城镇化进程中将面临的主要问题，从而提出解决问题的可能对策[3]。姚寿福对四川城镇化与农民各种收入间关系进行了研究，表明四川城镇化与农民各种收入间存在着长期均衡关系，城镇化对农村居民总收入、人均纯收入，工资性收入，家庭现金收入和经营性收入有着长期影响，而对短期影响不明显[4]。陈海燕、陈佳阳以重庆市1997—2012年的时间序列数据和2006—2011年34个区县面板数据为例，建立了协整模型和回归滞后模型并表明重庆市城镇化与农民增收存在长期正向影响关系，提出持续的城镇化才能确保持续的农民增收[5]。王永杰、宋旭、邓海艳以四川为例，在向量自回归模型的基础上，运用脉冲响应函数和方差分解分析了城镇化率与农民收入的关系，研究结果认为，四川省城镇化水平与农民人均纯收入之间不存在协整关系，但是存在着密切的动态关系，应该制定长期政策，避免短期行为，既要推进城镇化也要关注农民的利益[6]。侯向娟、申潞玲、任红燕以山西省城镇化发展现状为切入点，运用基于向量自回归模型的脉冲响应函数和方差分解分析方法，对1978—2014年山西省农村居民人均纯收入与山西省城镇化率之间的数据进行实证分析，研究结果表明，山西省的城镇化发展与农民收入增长之间存在着长期稳定的交互影响[7]。赵军峰利用河北省的时间序列和面板数据，并建立回归模型来研究城镇化率与农民收入增长关系，结果表明，两者之间存在长期正向影响关系，城镇化率是推动农民增收的重要因素[8]。穆玉花、吴晨以北京、上海、天津、广州为例，研究表明，全面小康背景下经济增长、财政支农支出增长率与城镇化率3个变量对农民纯收入增长都起正向促进作用[9]。潘团、汪增洋、商玉萍从中部6省2005—2014年农业现代化、城镇化与农民收入的面板数据构建的VAR模型来看，城镇化与农业现代化、农民收入增长之间是双向的格兰杰因果关系，因此政府应该促进农业现代化和城镇化协调发展，多途径增加农民收入，统筹好农业现代化、城镇化与农民增收之间关系[10]。蒋励通过最小二乘法回归模型和分位数回归模型，论证了农民的物质资本、人力资本及社会资本是农民收入增长的基础决定因素[11]。

推进城镇化建设可以把农村人口转化为城镇人口，农业地域转化为城市地域，提高农村居民收入水平，缩小城乡差距实现共同富裕。总体上看，前人对重庆市城镇化与农民增收相关研究较少，缺乏与现阶段关系紧密的时间段研究，选取2000—2017年则更为全面。本文应用Eviews 9.0和SPSS软件，利用重庆市2000—2017年城镇化水平和重庆市2000—2017年农村常住居民可支配收入时间序列数据，来研究重庆市城镇化水平与农民收入增长的关系。

1 研究区概况

重庆位于中国西南部、长江上游地区，其北部、东部和南部环绕有大巴山、巫山、武陵山、大娄山。其地貌以丘陵、山地为主，坡地面积较大，被称为“山城”。重庆地势自南北向长江河谷逐级降低，其西北部和中部以丘陵、低山为主，东北部紧靠大巴山，东南部连武陵山两座大山脉。其地跨E105°11′～110°11′，N28°10′～32°13′的青藏高原与长江中下游平原的过渡地带。其东部、东南部临湖北和湖南，南部接贵州，西部、北部连四川，东北部与陕西和湖北相连。截至2017年，重庆市辖区东西长470km，南北宽450km，幅员面积约8.2万m2，为北京、天津、上海3市总面积的2.39倍，其中主城建成区面积为647.78km2。抗战期间，大量人口内迁，沦陷区1000余万人迁往西南、西北地区，其中有700万人内迁渝川地区，迁至重庆地区的达100万人。截至2017年，重庆市常住人口已约为3075万人。

2 数据来源和方法

2.1 数据来源及相关变量

本文原始数据来源于国家统计局官网(http://www.stats.gov.cn/tjsj/ndsj/)《中国统计年鉴2018》[11]和重庆市统计局(http://www.cqtj.gov.cn/tjsj/shuju/tjnj/)《重庆市统计年鉴2018》[12]。选取了2000—2017年的数据作为研究样本，2000年后城镇化率统计口径由“非农人口比总人口”变为“城镇常住人口比总人口”，城镇化水平用常住市镇人口比常住总人口来表示，记为UR(Urbanization Rate)，农民收入数据用农村常住居民可支配收入表示，单位为元，记为PI(Peasants lncome)。以2000年为基期(2000=100)，为消除物价影响，对2个变量取自然对数，分别记为LnUR和LnPI。

2.2 研究方法

2.2.1 相关分析

相关分析(correlation analysis)是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度，是研究随机变量之间的相关关系的一种统计方法。线性相关分析，研究2个变量间线性关系的程度，用相关系数r来描述。当r>0，表示x,y变化的方向一致，为正相关；当r<0，表示x,y变化的方向相反，为负相关；当r=0，表示x,y无线性相关。

一般地，当|r|>0.95时，表示存在显著性相关；当|r|≥0.8时，表示高度相关；当0.5≤|r|<0.8时，表示中度相关；当0.3≤|r|<0.5时，表示低度相关；当|r|<0.3时，表示关系极弱，认为不相关。

2.2.2 一元线性回归分析

回归分析与相关分析在实际应用中有密切关系。而在相关分析中，所讨论的变量的地位一样，分析侧重于随机变量之间的种种相关特征，关心的是二者的关系如何，而不在于由x去预测y。然而在回归分析中，所关心的是一个随机变量y对另一个(或一组)随机变量x的依赖关系的函数形式。

一个经济指标的数值往往受许多因素影响，若其中只有一个因素是主要的，起决定性作用，则可用一元线性回归进行预测分析。一元线性回归方程反映一个因变量与一个自变量之间的线性关系，当直线方程y′=a+bx中a和b确定时，即为一元回归线性方程。

经过相关分析后，在直角坐标系中将大量数据绘制成散点图，这些点不在一条直线上，但可以从中找到一条合适的直线，使各散点到这条直线的纵向距离之和最小，这条直线就是回归直线，这条直线的方程叫作直线回归方程。

2.2.3 格兰杰(Granger)因果检验

在时间序列中，2个经济变量x、y之间的格兰杰因果关系可定义为若在包含了变量x、y的过去信息的条件下，对变量y的预测效果要优于只单独由y的过去信息对y进行的预测效果，即变量x有助于解释变量y的将来变化，则认为变量x是导致变量y的格兰杰原因。

进行格兰杰因果关系检验的一个重要前提条件是时间序列必须具有平稳性，否则可能会出现虚假回归的问题。因此,在进行格兰杰因果关系检验前应对各指标时间序列的平稳性进行单位根检验(unit root test)，也称ADF检验。

格兰杰因果关系检验对于滞后期的长度选择有时很敏感。可能是受到检验变量平稳性的影响，或是样本容量长度的影响，不同的滞后期可能会得到完全不同的检验结果。因此，常进行不同滞后期长度的检验，以检验模型中随机干扰项不存在序列相关的滞后期长度来选取滞后期。

3 重庆市城镇化与农民收入实证分析

3.1 相关分析

重庆市地形复杂多样，农业用地占了土地利用总面积的相当大一部分。由表1和《重庆市统计年鉴2018》可知，重庆市城镇化率从2000年的35.6%到2017年的64.1%，增长了约1.8倍，大致可分为2个阶段，2000—2010年城镇化率增长了约1.5倍，2011—2017年城镇化率增长了约1.2倍。从中可以看出，前一阶段重庆市的城镇化率增长明显较快，从总体来看，重庆市城镇化率呈持续增长趋势。重庆市农村常住居民人均可支配收入由2000年的1900元到2017年的12638元，增长了约6.65倍，其中2000—2010年农民收入增长了约2.8倍，2011—2017年农民收入增长了约1.9倍，从中可以看出，前一阶段重庆市的农民收入增长较快，从总体来看，重庆市农民收入呈持续增长趋势。2017年，重庆市农村居民可支配收入约为12638元，同时全国农村居民可支配收入约为13432元，可见重庆市农村居民人均可支配收入仍低于全国水平。重庆市应更多关注农民增收，把其作为推动重庆经济发展的重要内容，更好地使新型城镇化与乡村振兴双轮驱动。

由表1可知，重庆市城镇化水平和农民收入都在不断增加，为了更好地显示重庆市城镇化水平与农村常住居民可支配收入之间的关系，可将2000—2017年重庆市城镇化水平与农村常住居民可支配收入用SPSS软件进行相关分析，其分析结果见表2。由表2可知，r=0.978，说明重庆市城镇化水平与农民增收之间存在显著性相关。为了深入研究二者具体关系，可建立回归模型进行进一步探讨。

表1 重庆市城镇化水平与农村常住居民可支配收入

表2 2000—2017年重庆市城镇化水平与农村常住居民可支配收入相关分析

3.2 简单线性回归模型分析及消除自相关

运用Evews 9.0软件制作了重庆市城镇化水平和农村常住居民可支配收入散点图并进行回归运算，具体见图1。由图1可知，二者呈线性关系，可建立一元简单线性回归模型y'=a+bx，其中，假设y为重庆市农村常住居民可支配收入;x为重庆市城镇化水平;a、b为未知参数。

表3中DW=0.281338，说明序列存在严重的自相关，DW值应接近2才较合理，应对此序列进行消除自相关。

表3 简单线性回归结果

由表4可知，DW=2.138540,接近2较合理，模拟拟合优度R2=0.992531，表明模型拟合度高，因此回归模型较合理，可得出回归模型：

LnPI=10.62+3.04LnUR

t=(18.61382)(2.907528)，n=18

回归模型反映了重庆市城镇化水平每增加0.01%,农村常住居民可支配收入增加3.04%，说明重庆市城镇化水平的提高可促进农民收入，两者存在正向影响。

表4 消除自相关结果

3.3 平稳性检验

为进一步研究二者的关系可进行格兰杰因果检验，在此之前需进行平稳性检验。平稳性检验即单位根(ADF)检验，是指检验序列中是否存在单位根，如果存在单位根则为非平稳时间序列。单位根是指单位根过程可以证明，在序列中存在单位根过程则不平稳，这将使回归分析中出现伪回归的现象。用Eviews 9.0对LnUR和LnPI进行单位根(ADF)检验，检验结果见表5。

表5 变量单位根检验结果

结合表2可以看出，农村常住居民可支配收入PI和城镇化水平UR2个变量以及各自的一阶差分变量△LnPI和△LnUR都是非平稳变量，而二者的二阶差分变量△2LnPI和△2LnUR小于临界值，拒绝原假设，因此PI和UR为二阶差分平稳变量。

3.4 格兰杰(Granger)因果关系检验

通过平稳性检验后可对重庆市城镇化水平和农民收入进行格兰杰因果检验，由表6可知，当滞后阶数为2时，农村常住居民可支配收入是城镇化的原因，农民收入可促进城镇化，阶数为1,3,4时则不是原因；当滞后阶数为1,3时，城镇化是农村常住居民可支配收入的原因，城镇化可促进农民收入，阶数为2,4时则不是原因。结果表明，重庆市城镇化水平与农民增收存在长期均衡关系，在较短时间内不能很好地表现出来，只有通过较长时间才能反映这种关系。

表6 UR与PI间Granger因果关系检验结果

4 结论与建议

4.1 结论

结合2000—2017年重庆市农村常住居民可支配收入和城镇化率相关数据，通过实证分析可得出结论，在研究期内，重庆市农民收入与城镇化之间存在长期稳定均衡关系，城镇化对农民收入有正向影响，城镇化水平每提高0.01%，农村居民可支配收入将提高3.04%，农民收入增长一定程度也促进了城镇化水平的提高。

4.2 建议

重庆市在《重庆市国民经济和社会发展第十四个五年规划和二○三五年远景目标纲要》中提出，“十四五”期间，重庆市地区生产总值年均增长6%左右，居民人均可支配收入年均增长6.5%；到2025年，人均地区生产总值突破10万元；到2035年，经济总量和居民人均可支配收入较2020年翻1番以上，人均地区生产总值超过2万美元[15]。为了实现这一目标提出以下建议。

基于重庆市农民收入与城镇化之间的长期稳定均衡关系，城镇化对农民收入的促进作用有滞后性，由此相关部门应制定长期规划，而不只是短期计划，从而更好地发挥城镇化对农民收入的带动作用。为更好地推动新常态下新型城镇化与乡村振兴战略双轮驱动，必须协调好二者关系，既要积极推进城镇化，也要更多地关注农民收入，铺好全面建成小康社会决胜时期的最后1里路。

推进新型城镇化建设，缩小城乡差距，按照重庆市各区县实际情况进行城镇化建设，完善相关制度，扩散城镇要素服务农村，妥善处理好农业现代化、新型城镇化以及农民收入之间的关系，实现城镇化与农民增收的相互促进。

政府应从多方面拓宽农民收入渠道，城镇化水平的提高可增加农民工资性收入、财产性和转移性收入以及经营性收入，改善农民生活[13]。如，重庆市山地丘陵面积广大，历史文化底蕴深厚且富有特色，自然和人文旅游资源丰富，因此可大力发展旅游业，促进城镇化发展，让农民从第一产业中解放出来，投入到二三产业中去，使农民收入快速提高。

加大农民培训教育力度，鼓励知识水平较低的农民学习所从事行业的基本知识和较简单的专业操作技术，提高农民素质能使农民获得更多的就业机会，并且能更好地融入新型城镇化之中，促进城镇化的同时也提高了自身收入。