移动互联网的普及缩小城乡收入差距的实证研究

■唐晓灵 陈洪金

一、引言

城乡居民收入差距过大影响着中国长期遵循的城乡协调发展战略，不利于我国经济和社会的持续健康发展，不利于推进共同富裕。2020年我国城镇与农村居民人均可支配收入分别为43839元与17132元①，在绝对水平上的差距依然很大。近年来，移动互联网作为一种成本低、操作简便的新技术，其发展与普及改变了城乡居民在信息获取利用上的差异，有利于农村经济的发展和收入分配的改善，或对缩小城乡居民收入差距产生一定作用。

由于移动互联网快速普及与发展的时间还较短，现阶段从移动互联网的角度分析城乡收入差距的研究较少，但是对于互联网与城乡收入差距关系的研究已十分丰富。在互联网发展的早期，学者们认为互联网作为一种新兴技术，其广泛普及的过程中能够影响居民收入水平（Goss and Phillips，2002），具体作用机制可概括为互联网的广泛使用能够使居民便捷地获取利用信息（Dimaggio and Bonikowski，2008），提高了生产效率（陈玉宇、吴玉立，2008），进而提高了居民收入。随着互联网在农村地区的普及，关于互联网对农村居民收入影响的研究也逐渐丰富，互联网的普及提高了农村信息化水平，提升了农民科学文化素质（唐斯斯，2012），不仅使农村居民的农业收入增加（Nakasone，Torero，and Minten，2014），还大幅提高了包括工资性收入、创业性收入和财产性收入在内的非农收入（刘晓倩、韩青，2018）。农村居民收入增速加快直接影响了我国的城乡收入差距，例如韩长根（2017）认为，互联网的普及能有效提升城乡居民收入并且对农村居民收入的提升产生更大影响，进而能够缩小我国的城乡收入差距；而程名望（2019）则发现互联网普及与城乡收入差距间呈现“倒U”关系，而且“倒U”的拐点在2009年就已经出现；也有学者认为互联网的使用和普及虽然能够提高地区居民收入，但是城市居民因使用互联网获得的收入回报高于农村居民（蒋琪等，2018），说明城市居民更多地获得了互联网时代的红利，使得城乡收入差距扩大（贺娅萍、徐康宁，2019）。移动互联网解决了传统互联网不可移动、不可实时获取信息的缺陷，并且有着可定位、可识别、良好私密性等独特优势，加之其接入成本低、操作简便，能够迅速渗透进各类人群中。《中国统计年鉴2021》的数据显示，我国移动互联网用户数已从2014年的8.75亿激增至2020年的13.49亿，其中下沉市场（三线及以下城市与农村）的移动互联网用户占比57.8%。所以，不能简单地以传统互联网对城乡收入差距的影响代替移动互联网普及的真实效果，因此本文将会利用省际面板数据与CFPS数据对二者关系进行实证检验。

二、移动互联网普及缩小城乡收入差距的省际静态与动态面板检验

（一）计量模型与数据来源

1.变量设计与测算

（1）被解释变量

采用泰尔指数（Theil）作为衡量城乡收入差距的指标。泰尔指数的度量将我国城乡居民的绝对收入及人口结构变化相结合，其值越大表明城乡收入差距越大。计算公式参照龙海明（2015）的计算方法：

其中P表示地区总收入，Z表示地区总人口；i取1时Pi与Zi分别表示该地区农村居民收入与农村居民人口，i取2时Pi与Zi分别表示该地区城镇居民收入与城镇居民人口。

（2）核心解释变量

采用移动互联网接入率（MIP）以及移动互联网接入流量的对数（lnMIAT）两个指标来测算移动互联网的接入与使用水平，进而全面地衡量移动互联网的普及水平。移动互联网接入率（MIP）即某地区移动互联网用户数与该地区总人口数之比。MIP越高表明该地区接入移动互联网的用户数越多；对移动互联网接入流量取对数，即lnMIAT，以此缓解异方差影响，lnMIAT越高，说明该地区使用移动互联网流量越多。

（3）控制变量

①城镇化水平。城镇化水平被认为是影响城乡收入差距的重要因素，例如陈斌开（2013）与穆怀中（2016）分别研究发现，城镇化与城乡收入差距间分别呈现负向与“倒U”趋势。本文采用城镇化率（UR）来表示，即当年地区城镇人口数与当年年末地区总人口的比值。

②经济发展水平。自库兹涅茨假说（1955）提出以来，诸多学者在此基础上研究经济发展与收入差距的关系且结论不一，如侯冠平（2019）、陈洪海（2014）等。本文采用各地区各个时期的人均GDP来衡量。为缓解面板数据分析中异方差的影响，对该指标取对数，即lnAGDP。

③产业结构优化程度。郑万吉（2015）与李政（2016）等认为地区产业结构是影响居民收入差距的重要因素。本文采用各地区当年第二、第三产业生产总值之和与各地区年末GDP的比值（IS）来衡量。

④经济开放程度。张小溪（2020）与颜东冬（2015）发现外国直接投资（FDI）可以通过改善劳动力就业结构来提高工资进而缩小城乡收入差距。本文采用各地区当年进出口人民币总额②与各省GDP的比值（EO）来表示。

⑤人力资本。孙敬水（2010）认为城乡收入差距与人力资本存量、人力资本结构变量之间分别表现出“倒U”“U”型关系。本文选用受教育年限法通过构建某地区6岁及以上人口的平均受教育年限（EI）来评价人力资本，具体公式参照李秀敏（2007）的方法如下：

2.模型设计

为了检验移动互联网普及与城乡收入差距间的关系，本文建立了静态计量模型（3）（4）；同时，为了避免单一静态面板估计造成的结果偏差，增加了以模型（5）（6）为基础的动态面板分析，引入因变量Theil滞后项来克服模型的内生性问题，并将两个结果进行对比分析。具体如下：

各变量的含义已在上文说明，L.Theil表示泰尔指数滞后一期，i表示某省、自治区、直辖市，t表示年份，λt为时间效应，αi为个体效应，εit为模型随机误差项。βi为待估参数，表示变量对Theil的边际影响。

在式（3）（5）中，当β1＜0时，说明移动互联网的接入水平对中国城乡收入差距产生缩减作用，反之则不成立；在式（4）（6）中，当β1＜0时，说明移动互联网的接入流量也对中国城乡收入差距产生缩减作用，反之则不成立。

3.数据来源及描述

本文选用了2014—2020年③全国31省、自治区、直辖市（除港澳台外）的面板数据。这些数据均来自《中国统计年鉴》《中国农村统计年鉴》、历次《中国互联网络发展状况统计报告》以及各省市的统计年鉴。各个变量的描述性统计见表1。从表1可以看出各变量值变化幅度较大，能够反映不同地区的差异，说明所选数据的代表性是良好的。

表1 变量的描述性统计

（二）全国样本检验

1.全国省际面板数据静态及动态面板检验

表2是MIP作为核心解释变量的回归结果。其中（1）～（4）为静态面板，（5）为动态面板。通过F检验与Hausman检验对静态面板所适用模型进行筛选，结果均表明模型应当选用固定效应模型。无控制变量的（1）模型其R2小于有控制变量的（2）模型，说明控制变量的增加对模型检验是必要的；动态面板模型（5）的检验结果表明模型扰动项不存在二阶序列自相关，Hansen检验结果大于0.1说明所有工具变量均通过了有效性检验。

表2 全国样本模型估算结果（MIP为核心解释变量）

表3是MIAT作为核心解释变量的回归结果。其中（6）～（9）为静态面板，（10）为动态面板。F检验与Hausman检验的结果显示静态面板中除（6）模型适用随机效应模型外，其余均适用固定效应模型；动态面板模型中AR检验结果表明模型扰动项不存在二阶序列自相关，Hansen检验结果大于0.1说明所有工具变量均通过了有效性检验。

表3 全国样本模型估算结果（MIAT为核心解释变量）

模型（2）的MIP系数为显著负值，说明移动互联网接入率的提升有助于缩小城乡收入差距；动态面板模型（5）中的MIP系数也显著为负，但是在数值大小上却小于模型（2），说明模型（2）中移动互联网接入对缩小城乡收入差距的影响被高估了，也进一步说明了进行动态面板分析的重要性；表3加入控制变量的模型（7）（8）（9）中MIAT的系数均为显著负值，且动态面板模型（10）中的MIAT系数在数值上也高于静态面板的（7）模型，说明移动互联网接入流量的增多也有助于缩小城乡收入差距；且说明单纯使用静态面板估算会扩大MIAT的效果。

以上结果表明，移动互联网接入率与接入流量的提升均能改善城乡收入差距。其影响可能体现在移动互联网的普及缩小了长期困扰城乡的互联网数字鸿沟（汤景泰、李兴丽，2014），改变了以往“城市多、农村少”的数字红利分配格局，进而缩小了城乡收入差距。刘骏（2017）和谭燕芝（2017）认为互联网信息化导致的城乡数字鸿沟的存在使数字红利分配更加不均等并持续拉大城乡收入差距。Hargittai（2002）将群体间互联网数字鸿沟分为两级，包括体现群体间终端设备和通信网络条件差异的“接入鸿沟”与反映城乡居民对于互联网的使用方法、范围和深度差异的“使用鸿沟”。由图1可以看出，2014-2020年间，我国移动互联网接入人口比例由63.99%提升至95.50%，而我国城镇人口比例仅从54.77%增至63.89%，前者增加值远高于后者，说明接入移动互联网的新增人口绝大多数来源于农村居民，表明近几年在农村推广移动终端上网和降低上网费用弥合了“接入鸿沟”（戴紫娟，2013）；图1中也反映出移动互联网接入流量在7年间增长近80倍，表明用户对移动互联网利用能力的提高，这有赖于智能设备图标式触摸操作相较于PC难度大大降低，且伴随移动互联网普及而爆发的APP应用服务为了拓宽使用群体也在迎合不同人群的操作习惯来降低使用门槛。中国互联网网络信息中心的数据显示，非网民不上网的主要原因中，“不懂电脑/网络”“不懂拼音等文化程度限制”的占比已从2016年的54.5%、24.2%降低至2020年的48.9%、18.2%，说明城乡间的“使用鸿沟”大大缩小。数字鸿沟的弥合推动了城乡基础技术差异缩小，对各产业的生产技术和生产方式产生了深刻影响，提高了各产业生产效率，降低生产成本；影响了农村居民的资产资源配置，使原本集中在农村的大量资产资源在信息充足的情况下获得更优的流动路径，获得更高的收益；缓解了农村地区在政策、资源等方面的限制，增加了其信息获取渠道并降低了信息获取成本，使其可以及时获取优质的教育资源与市场信息，进而不断提高自身知识水平与创新能力，提高农村人力资本，进而从各方面改善了城乡收入差距。

图1 移动互联网接入流量、接入率与城镇人口比例

此外，上述实证检验的结果与贺娅萍（2019）、蒋琪（2018）等学者的研究结论截然相反。究其原因可能有二：一是上述两位学者的研究对象为传统互联网与城乡收入差距，其认为长期以来的城市偏向性政策使得城镇互联网基础设施使用成本低且便于获取，有助于提高使用者的收入水平，而农村地区互联网基础设施建设的滞后以及使用的技术门槛导致难以降低互联网的信息搜集成本，无法对农村居民收入产生显著影响，造成了城乡收入差距的扩大。但是本文所讨论的移动互联网不仅具有低成本的接入优势，其简便的操作也降低了传统互联网时代对人力资本的要求，使得信息获取、扩散与接收的门槛更低、更高效，因此对农村居民收入产生了显著正向影响。二是传统互联网对居民收入的影响存在一个“临界质量”（Röller and Waverman，2001），即当传统互联网的普及达到一定层次后才会对居民收入的提升发挥作用，上述两位学者所研究的时间节点截至2015年，此时城镇传统互联网普及率为64.6%，而农村传统互联网普及率仅为32.6%，农村地区传统互联网的普及率可能尚未触及“临界质量”，无法对农村居民收入产生影响，进而扩大了城乡收入差距。

2.稳健性检验

为评估实证结果的可靠性，本文采取逐步剔除控制变量的方法对静态面板进行稳健性检验。首先剔除不显著的变量IS，剔除后的回归结果见表2的模型（3）与表3中的模型（8）；然后剔除显著的变量EI，剔除后的回归结果见表2的模型（4）与表3中的模型（9）。分别对比模型（2）（3）（4）与（7）（8）（9）可以看出，在两个不同核心解释变量的估算中剔除部分变量后，其余变量的系数变化不大，说明模型较为稳健。

（三）东、中、西部地区静态面板检验

中国各地区资源状况、区域经济发展水平以及政策偏向性等方面的差异限制了中西部地区的发展，其在居民收入以及互联网普及程度上均与东部地区存在较大差异。在以往的研究中，郭家堂（2019）就发现互联网对我国西部地区城乡收入差距存在的阻滞作用更大，且移动互联网的发展使这种阻滞作用更明显。为了进一步分析移动互联网普及对中国不同地区城乡收入差距影响的差异，本文依据国家统计局公布的相关文件将全国各省份划分为东、中、西部三个地区④，然后对三个地区分别以MIP与MIAT为核心解释变量进行静态面板模型估算，由于三地区各自样本量较少，因此不再进行动态面板分析。F检验与Hausman检验的结果显示表4六个模型中除模型（15）使用随机效应模型外，其余均采用固定效应模型。

表4估算结果显示，MIP对于Theil在不同地区产生的影响有着显著差异，对西部地区缩减作用是最大的，中部地区次之，而对于东部地区则并未产生显著的缩减作用。缩减作用反映到数值大小上，西部地区MIP每增加1%会使该地区Theil下降0.0445%，其影响远高于全国水平的0.0158%；中部地区MIP每增加1%会使该地区Theil下降0.0158%，其影响与全国水平相当。MIAT对于Theil在不同地区产生的影响也不同，具体来说，其产生的缩减作用也是从西向东依次递减的。以上两个结果表明，现阶段移动互联网普及对中西部地区城乡收入差距的缩减作用更为明显。其可能的原因如下：第一，随着移动智能设备、通信网络的快速发展更新和价格的不断降低，中西部居民在克服移动互联网接入障碍的同时，移动应用服务的便捷操作也使其能更好地应用和转换各种信息资源（邱泽奇等，2016），去寻找获取收入的更优途径，从而对缩小城乡收入差距产生影响。第二，随着近几年“宽带中国”“互联网+”与“一带一路”等政策的启动和落实，以及资本、技术等条件的改善，中西部地区加快了农业现代化步伐并丰富了产业形式（汪彬、陈耀，2016），同时，借助东部地区的发展经验，其在移动互联网时代存在“后发优势”，对城乡收入差距产生更大影响。第三，东部地区移动互联网普及较早，其在2014年移动互联网普及率就已高达81.18%，而中西部地区直到2018年底才达到此水平，东部地区移动互联网普及在早期已发挥对城多收入差距的缩减作用，尽管现阶段其移动互联网普及率已处于较高水平，但在经济结构转型发展的背景下，东部发达地区开始强调移动互联网与社会生产生活的结合，这就对移动互联网的使用与应用能力要求更高，而此时劳动力素质与其他相关资源无法及时与之适应，从而削弱了该地区移动互联网普及对城乡收入差距的缩减作用。第四，移动互联网对城乡收入差距的影响可能存在边际效用递减规律。2014年东部地区与中西部地区城乡收入差距泰尔指数分别为0.077与0.16，相比而言东部地区城乡收入差距早已处于较低水平，其城乡居民收入增速已进入相对稳定状态，仅靠移动互联网普及率的提升已很难对城乡收入差距产生显著影响。

表4 分地区样本模型估算结果

三、移动互联网普及缩小城乡收入差距的微观检验：基于CFPS数据

上述面板数据分析从宏观数据上证明了移动互联网的普及能够缩小城乡收入差距。在此，进一步利用CFPS（2018）个体微观数据从移动互联网普及对城镇与农村居民收入影响差异的角度来检验其对城乡收入差距的缩减作用。

（一）计量模型与数据来源

1.数据来源及变量描述

CFPS由北京大学中国社会科学调查中心（ISSS）实施，通过跟踪收集个体、家庭、社区三个层次的数据，反映中国社会、经济、人口、教育和健康的变迁，为学术研究和公共政策分析提供数据基础。CFPS（2018）包括对全国1.5万个家庭的访问，采集个人问卷约4.4万份。本文以受访者的当前户口状态为标志，将样本以非农户口与农业户口分为城镇居民与农村居民，并将“过去12个月所有工作的税后工资性收入”取对数（lnincome）作为被解释变量；将“是否移动上网”的回答结果“是”与“否”分别赋值“1”和“0”作为核心解释变量（Minternet）；将受访者的年龄、性别、婚姻状况以及受教育程度作为控制变量。在剔除数据集各变量调查结果中“无状态”“不适用”“缺失”和“不知道”等无法判别数据后，得到城镇居民数据集7911个、农村居民数据集3709个。各变量的描述性统计如表5。

表5 城镇居民与农村居民CFPS数据的均值统计

表5中的统计数据显示，城镇居民收入对数和移动上网人数均高于农村居民，而且二者在年龄、性别、婚姻状况与受教育程度上均存在显著差异，因此可以使用上述变量进行分析。

2.模型设计

基于CFPS数据集，本文建立以下模型，探求移动互联网普及分别对城镇与农村居民收入的影响并进行对比，验证移动互联网普及对缩小城乡收入差距的作用。

式中，各变量的含义已在上文说明，当i=1时表示城镇，i=2时表示农村；j表示受访的第j个居民。βi为待估参数，表示对某解释变量对lnincome的边际影响。若βi＜0，则说明此变量不利于增加收入；若βi＞0，则此变量有利于收入增加；若城镇居民的β1与农村居民的β1均大于0且前者小于后者，说明使用移动互联网对农村居民收入增加的影响大于对城镇居民收入增加的影响，因此城乡居民收入差距会逐渐缩小；反之，则会扩大。

（二）移动互联网使用与居民收入的回归分析

表6为CFPS全部数据集以及城镇居民、农村居民数据子集的回归结果。三个数据集回归时在控制变量后其R2均显著增大，说明回归时控制变量是必要的。模型（2）（4）（6）中Minternet的系数均显著且大于0，说明移动互联网的使用确实能够增加居民收入。具体来看，模型（4）中Minternet的系数仅为0.195，而模型（6）中其系数为0.353，说明农村居民使用移动互联网对收入产生的增加效应显著大于城市居民，从而起到了缩小城乡收入差距的作用。出现以上结果的原因可能如下：一方面，移动互联网的使用能够提高农业生产效率（于淑敏、朱玉春，2011），使农民获得关于生产、管理、加工、销售等农业全产业链中的各种信息，节约成本，增加农业收入；另一方面，移动互联网的使用增加了农村居民对于资源与机会的可获取程度，使其工资性收入、创业性收入和财产性收入等非农收入增加（刘晓倩、韩青，2018），使得数字红利在城乡之间的分配更加均等，农村居民收入增长速度大大提升，进而缩小了与城镇居民之间的收入差距。

表6 移动互联网使用与居民收入的回归结果

（三）移动互联网使用与居民收入的分位数回归

分位数回归即为利用解释变量的多个分位数来得到被解释变量条件分布的相应分位数方程，从而分析解释变量对被解释变量不同水平上影响的差异。本文考察了移动互联网使用对城镇和农村居民收入影响在0.25、0.5、0.75与0.95四个分位点上的差异，结果如表7与图2所示。从表7和图2中可以看出，Minternet在各分位点上的系数均为正值，这和基准回归结果一致，说明移动互联网的使用确实能增加居民收入；具体观察城镇居民与农村居民的核心解释变量系数可以看出，农村居民的Minternet系数在四个分位点上均高于城镇居民，说明在各种收入水平上移动互联网的使用给农村居民带来的收入效应均明显大于城镇居民，即移动互联网的使用在不同收入水平上均可改善城乡收入差距。

图2 移动互联网使用对城镇居民与农村居民收入影响的分位数回归

四、结论与政策建议

本文利用中国2014—2020年间的省际数据，借助MIP与MIAT两个指标通过静态与动态面板分析考察移动互联网普及对中国城乡收入差距的影响。结论表明：移动互联网的普及对我国城乡收入差距产生了显著的缩减作用，其表现在移动互联网的发展弥合了“接入鸿沟”与“使用鸿沟”，进而对城乡收入差距产生了显著影响；进一步对我国东、中、西部地区进行区域差异性分析后发现，这种缩减作用在三个地区表现的效用大小不同，具体来说，对西部地区城乡收入差距的缩减作用最大，中部次之，对东部地区则没有显著影响。本文还利用2018年中国家庭追踪调查数据，在剔除偏差数据与无效数据后，从微观层面上对移动互联网的使用与居民收入进行了基准回归与分位数回归，发现移动互联网的使用对农村居民收入的影响始终要高于城镇居民，这就使得农村居民收入的增长速度不断加快，进而缩小了城乡收入差距。

根据上述实证结果，本文得出以下政策启示：

第一，提高居民互联网接入水平，缩小城乡数字“接入鸿沟”。不断降低移动互联网的接入条件要求，就要继续在农村地区推进“宽带中国”政策，通过建设普惠性互联网与移动互联网基础设施、降低移动设备与移动网络流量价格等措施，来扩大智能移动设备与移动网络覆盖范围，解决移动互联网普及“最后一公里”的问题，保证所有居民能够平等地接入互联网并获取信息。

第二，改进移动互联网的使用条件，缩小城乡数字“使用鸿沟”。移动设备的操作难度决定了居民利用数字信息的下限，个人的信息素养则决定了利用数字信息的上限，因此要想不断降低“下限”，相关政策和法律法规就应当不断鼓励和引导移动设备应用服务提供商开发和更新操作门槛更低、使用效率更高的应用服务，使所有居民都能便捷地操作相关应用；而若要提高“上限”，则应当加强农村居民的信息教育、提高人力资本水平，政府及各种机构可以将信息服务站、农业合作社等农业组织作为与农村居民交流的桥梁，定期开展各种设备使用技能与信息搜集甄别培训，使农村居民也具有平等利用信息技术的能力。

第三，协调产业结构升级、财政政策等因素，利用移动互联网的广泛普及促进各种生产要素的流通与高效利用，为农村居民增加收入创造机会和条件。一方面，各主体可以通过移动互联网建立高效便捷的信息传递渠道，进而合理配置城乡之间资金、技术与劳动力等资源，例如，通过网络平台教育促进技术传播，推进农业现代化，提高居民农业收入；通过建立相关信息交流平台，使农村居民在农村第二、第三产业发展过程中寻找就业机会，增加非农收入。另一方面，政府信息平台可以深入利用与互联网、移动互联网相关的大数据技术，准确识别农村、农民在资金上的困难，更为精准地对农村发展提供财政支持。

第四，在相关政策制定与实施过程中要考虑由于时空差异导致的适用性问题。上述研究已然证明，现阶段东、中、西部地区在移动互联网普及、城乡收入差距以及二者关系上存在较大差异。对于东部地区来说，单纯的移动互联网普及在缩小城乡收入差距过程中已很难发挥作用，但本地区移动互联网的高水平发展是数字经济以及推进“互联网+”战略的基石。因此，一方面可以通过信息技术改变传统农产品流通渠道，大力发展农村电子商务产业，推进数字经济在农村的发展；另一方面可以加强政策引导，推动各行各业“互联网+”的推进与落实，为农村居民创造更多就业机会并提高收入，深入挖掘移动互联网在缩小城乡收入差距中可发挥的作用。对中西部地区来说，一方面，现阶段移动互联网在缩小城乡收入差距上还起着重要作用，政府制定相关发展政策时可以充分借鉴东部地区前期的发展经验，结合本地区实际情况实施；另一方面，当地政府应当未雨绸缪，基于本地发展情况尽快推进移动互联网与当地产业的结合，使移动互联网在缩小城乡收入差距中发挥更大作用。

本文的局限性在于：第一，面板分析中移动互联网数据较少，对分析结果的精确性带来一定影响；第二，CFPS数据中对城镇居民与农村居民的分类依据仅是其当前的户口状态，没有考虑其当前的生产、生活地点，可能对最终分析结果带来一定影响。

注释：

①文献中未说明来源的数据均出自历年《中国统计年鉴》《中国互联网络发展状况统计报告》《中国移动互联网发展报告》以及2020年QuestMobile（北京贵士信息科技有限公司）《中国移动互联网年度大报告》等。

②统计年鉴中若为按美元计算的进出口总额则用当年人民币对美元平均汇价折算后的人民币进出口总额。

③移动互联网在2010年前后开始迅速发展，国家统计局及各省在2014年才开始公布相关统计数据。

④东部（11个）：北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南；中部（8个）：山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南；西部（12个）：内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆。