经济集聚对相对贫困影响的空间溢出效应

2022-03-14宋俊秀

陕西理工大学学报(自然科学版) 2022年1期

钱力，王花，宋俊秀

(1.安徽财经大学经济学院，安徽蚌埠 233030；2.安徽财经大学财政与公共管理学院，安徽蚌埠 233030)

贫困是世界各国发展面临的重要问题，消除贫困是人类的共同使命。2020年底，中国消除绝对贫困的目标得以实现，扶贫的重心转移到解决相对贫困的问题上。重视相对贫困问题的解决，会在一定程度上缓解贫富差距问题，也会进一步巩固脱贫攻坚成果，防止已脱贫人员返贫[1]。随着中国经济的快速发展，生产、交易、消费等经济活动在某一个地理位置相对集聚成为了一个典型的经验事实。经济集聚能够通过要素投入、技术进步等降低生产成本、提高人工工资并进一步提高劳动生产率[2]，以外部性为纽带促进经济发展，提高经济收入，从而减少相对贫困。本文利用空间计量模型，分析经济集聚是缓解了还是拉大了地区间的相对贫困，进一步考察区域的经济集聚对相对贫困的溢出效应。

随着贫困问题研究的不断深入，学者日益重视从空间角度探讨相对贫困问题，重视贫困和减贫的空间维度[3]，并逐渐形成了空间贫困理论[4]。如早期的Rupasingha等(2003)[5]利用空间数据研究美国的贫困具有的相关性，并得出实施的减贫措施具有空间溢出效应。Palmer等(2006)[6]通过对印度贫困影响因素的空间计量分析，认为印度贫困符合空间溢出效应，并提议减贫措施应该考虑空间因素。Minot等(2005)[7]利用家庭预算数据和人口普查数据，研究得出贫困人口较高集中在落后的北部山区，经济较为发达的东南沿海地区贫困人口较少。经济集聚具有一定的空间性，且对经济增长有着不同的影响，而经济增长又是抑制贫困的基本条件[8]。兰秀娟等(2020)[9]借用空间杜宾模型分析认为经济集聚对中心-外围区域经济发展存在空间溢出效应，并提出发挥中心城市的辐射作用。王钰等(2021)[10]基于长三角城市群的面板数据，运用探索性空间数据分析(Exploratory Spatial Data Analysis，ESDA)方法分析得出物流产业集聚对区域经济增长存在正向影响关系，并且经济增长存在显著的空间自相关性。陈池波等(2019)[11]通过湖北省农产品加工业集聚的空间分析，得出农产品加工业集聚对县域经济增长具有显著的影响，且呈现先上升后下降的倒“U”型关系。孙晓露等(2021)[12]对长江三角洲的42个城市进行经济增长的空间溢出效应的测度与分解，得出经济增长呈现显著的正向空间溢出效应，且核心区的溢出效应大于边缘地区，在一定范围内仍有较强的溢出效应。陈利等(2015)[13]的研究结果表明经济集聚强度每增加1%，农民的收入可增加0.105%。随着研究的进一步深入，不少学者认为经济集聚带来的经济增长对减贫有直接效应，且具有一定的空间溢出效应。Daimon(2001)[14]利用空间计量模型考证了印度尼西亚的贫困与福利具有“空间贫困陷阱”。Suan-Pheng Kam(2005)[15]通过研究孟加拉国农村贫困的空间分布特点，分析得出收入增长与教育服务可以有效消减地区贫困。王璐瑶等(2020)[16]认为四川少数民族的贫困分布具有空间性，且县域之间的收入增长集聚将形成显著的减贫的空间溢出效应。盛伟等(2019)[17]对陷入深度贫困的146个县分析，通过相关性及空间溢出分析得出经济增长、减贫措施具有空间溢出效应且随着县域之间的距离呈现负相关。张博胜等(2020)[18]运用2010—2017年中国省级面板数据进行城镇化的减贫及空间溢出分析，得出人口城镇化、经济城镇化对农村贫困存在明显的空间溢出效应。王忠(2017)[19]研究指出矿业经济越发达，“资源风险”诅咒风险越大，越不利于地区贫困削减。

学者们关于经济集聚对经济增长、减贫有着丰富的研究，部分学者也从空间的视角分析经济集聚的空间溢出效应，以及对经济增长和减贫的效果，但现有文献对经济集聚空间溢出效应影响相对贫困的研究相对较少。本文基于2010—2018年“中国家庭追踪调查(Chinese Family Panel Studies，CFPS)”数据，通过建立空间计量模型，分析经济集聚对相对贫困的空间溢出效应，并提出相应的对策建议。

1 模型设定、变量选取与数据来源

1.1 研究方法

探索性空间数据分析(ESDA)方法用来分析事物之间存在的关联与距离的关系。ESDA方法中的全域莫兰指数(Moran’s I)用来分析事物之间是否出现了集聚或者异常值，而局域Moran’s I用来探索空间集聚性和离散型。本文运用全域Moran’s I对全国的经济集聚与相对贫困的空间关系进行探索，并运用局域Moran’s I分析各省及各省之间的局域空间关联度。

全域莫兰指数：

局域莫兰指数：

1.2 模型设定

1.2.1 基准模型设定

伍骏骞等(2017)[20]认为经济集聚对农民收入有较为显著的正向作用。为探索经济集聚与相对贫困之间的关系，确定经济集聚对相对贫困的最终作用，本文设定了如下的计量模型：

povertyit=α0+α1ecoit+α2trait+α3forit+α4openit+α5govit+α6lndit+εit，

式中povertyit为第t年第i区域的城镇和农村相对贫困的自然对数，ecoit是第t年第i区域的经济集聚，trait、forit、openit、govit、lndit分别表示第t年第i区域的交通便利程度、外商投资、开放程度、政府干预、产业结构数值，另外α0是截距项，α1—α6是待估参数，εit是随机扰动项。现实生活中，不同地区存在着多种多样的联系，为了精准衡量经济集聚和相对贫困的关系，本文引入了空间计量模型。

1.2.2 空间模型

空间面板模型经过Anselin(1995)[21]、Baltagi等(2000)[22]的研究已趋于成熟，体系逐渐完善。空间面板模型主要有空间滞后模型(Spatial Autoregressive Model，SAR)、空间误差模型(Spatial Error Model，SEM)以及空间杜宾模型(Spatial Durbin Model，SDM)。本文使用SAR模型，其模型建立如下：

β4openit+β5govit+β6lndit+εit，

式中β1—β6是控制变量的待估参数。

1.2.3 空间权重矩阵

其中d表示省会城市i和j之间的地理距离。

1.3 变量选取与数据来源

1.3.1 被解释变量

采用2010、2012、2014、2016、2018年的CFPS数据，利用城镇、农村居民的人均可支配收入的中位数的40%[24]作为相对贫困线，CFPS数据库个别省份关于农村地区数据回收较少，经过多指标的异常数据筛选，最终只留下25个省份的有效数据，由此测量得出25个省份的相对贫困。

1.3.2 解释变量

经济集聚主要衡量某一个区域内整体经济活动的集中程度，借鉴董直庆等(2019)[25]的做法，用各省的GDP与各省建成区面积的比值表示区域的经济活动密度，各省的GDP与各省建成区面积的比值越高代表经济集聚越高。

1.3.3 控制变量

政府干预代表着政府对经济的影响程度，用区域内的一般公共预算支出与GDP的比值表示；交通便利用人均道路面积表示；外商投资用外商投资额与GDP的比值表示；开放程度用进出口总额与GDP的比值表示；产业结构用第三产业产值与GDP的比值表示。

1.3.4 数据来源与变量说明

本文使用的数据主要来源于2010—2018年“中国家庭追踪调查(CFPS)”数据，部分数据来自2010、2012、2014、2016、2018年《中国统计年鉴》，经过数据筛选，选取安徽省、河南省、河北省等25个省份的面板数据。表1为主要变量的描述性统计。

表1 变量统计

从表1可以看出标准差较大的是经济集聚和交通便利，标准差最小的是政府干预，平均值最小的是外商投资，平均值最大的是交通便利。

2 经济集聚对相对贫困的空间效应

2.1 空间效应检验

2.1.1 全域空间相关性

为了全面分析经济集聚对相对贫困的空间效应，采取统计学软件Stata16用全域Moran’s I进行空间相关性检验，结果见表2。

表2 全域莫兰指数(Moran’s I)

从表2可以看出，使用地理矩阵(W1)、邻接矩阵(W2)计算全域莫兰指数，得出在2010、2012、2014、2016、2018年的Moran’s I值均大于0，且通过了显著性检验，这表明25个省的相对贫困具有正向的空间相关性。

2.1.2 局域空间相关性

Anselin(1995)[21]提出全域自相关性更多地反映的是各地区空间相关性的特殊情况，为了更加清楚地分析各省之间的相关性，本文使用Stata16进行局域自相关性分析，并使用散点图直观地分析局域相关性。由于基于地理矩阵、邻接矩阵所画出的散点图较为一致，选取基于地理矩阵的散点图(图1)进行分析。

图1 局域莫兰散点图

图1显示出相对贫困的空间演变具有波动性，相对贫困的聚集有所减弱，整体看位于第一、三象限的城市还是占据多数，其中西部地区高-高集聚较为明显，2010、2012、2016年相对贫困主要集聚在第一、三象限，2014、2018年相对贫困的集聚有所分散，有一定的扩散效应，但第一象限仍然较为集聚。

可以看出，经过全域自相关性及局域自相关性分析，各省之间的相对贫困与经济集聚具有较强的相关性，地理空间对相对贫困具有较强的影响，为此需要引进空间计量模型进一步分析经济集聚对相对贫困的空间溢出效应。

2.2 空间溢出效应分析

2.2.1 计量模型的检验

空间计量模型是选择SAR还是SEM、SDM？本文进行拉格朗日乘数(LM)检验和空间误差(Hausman)检验，结果见表3。从LM检验结果看，计量模型存在空间溢出效应，根据空间误差(Hausman)和空间滞后(Spatial lag)检验的统计量分别为6.673和6.234且都在10%的水平下显著，表明选择固定效应模型；拉格朗日乘数-误差检验(LM-Error)统计量未通过显著性检验，而拉格朗日乘数-滞后检验(LM-Lag)统计量通过了显著性检验，因此采用SAR模型较为合适。

表3 计量模型的检验结果

2.2.2 空间结果分析

基于CFPS数据库的2010、2012、2014、2016、2018年的数据及《中国统计年鉴》的数据，运用Stata16软件，通过SAR模型，并使用矩阵W1、W2分析eco(经济集聚)、tra(交通便利)、for(外商投资)等因素对相对贫困的空间影响。SAR模型分析结果见表4。

表4 SAR模型估计结果

从表4可以看出，基于地理矩阵和邻接矩阵的SAR模型的回归结果极其相近，选择地理矩阵进行分析，结果表明经济集聚其核心变量eco(经济集聚)的回归结果为负，且在5%的水平上较为显著，表明经济集聚对我国的相对贫困具有抑制作用；控制变量tra(交通便利)的回归为负，且较为显著，表明交通便利对相对贫困具有改善作用；for(外商投资)、lnd(产业结构)的回归系数为正，同时在5%的水平上显著，表明外商投资、产业结构的调整对相对贫困具有反向作用，可能是因为虽然外商投资增加及产业结构升级的调整能够带来社会的发展，但是同样拉大了贫困差距，反而促成了相对贫困的增加；open(开放程度)、gov(政府干预)的回归系数为负，分别为-0.237、-0.251，在1%的水平下较为显著，表明了开放程度、政府干预对相对贫困具有明显的抑制作用。

2.3 空间溢出效应分解

基于CFPS数据库的2010、2012、2014、2016、2018年的数据及《中国统计年鉴》的数据，运用SAR模型，基于W1、W2两种矩阵，就经济集聚对相对贫困的空间效应进行分解。结果见表5。

表5 空间效应的分解结果

可以看出，基于地理矩阵、邻接矩阵的经济集聚对相对贫困的效应分解具有高度的相似性，因此只根据地理矩阵的结果进行分析。基于地理矩阵的经济集聚对相对贫困的影响分解为直接效应、间接效应、总效应。直接效应在5%的水平下都显著，表明经济集聚每增加1%，相对贫困发生率则会减少0.006%；间接效应为负，通过显著性检验，表明经济集聚对相对贫困存在有明显的空间溢出效应；其总效应为负，通过了显著性检验。

交通便利对相对贫困的直接效应、间接效应、总效应为负，但是间接效应没有通过显著性检验，即交通便利对相对贫困的溢出效应不显著，交通便利程度每提高1%，相对贫困则会减少0.004%。

外商投资的直接效应、总效应为正，且在5%水平下显著，表明外商投资会造成相对贫困的增加，可能是由于外商投资的不平衡，容易造成收入差距扩大，从而进一步提高了相对贫困的发生率。

开放程度的直接效应、总效应为负，且在1%的水平下较为显著，对外开放每提高1%，相对贫困减少0.243%。另外间接效应为负，且在10%的水平下显著，表明开放程度对相对贫困具有一定的空间溢出效应。在各个影响因素的分析中，对外开放对相对贫困的影响较为重要。

政府干预的直接效应、总效应为负，且在5%水平下具有显著性，表明政府干预度每增加1%，可以减少相对贫困0.273%。间接效应没有通过显著性检验，表明政府干预对相对贫困不存在明显的空间溢出效应，可能是由于各区域之间具有明显的行政区域限制，使得溢出效应不明显。

产业结构的直接效应、总效应为正，且在5%的水平下显著，但间接效应没有通过显著性检验，表明产业结构的变化对相对贫困没有明显的空间溢出效应。

3 空间溢出效应地区异质性分析

3.1 分地区空间结果分析

由于各个地区的经济发展及地理位置有差异，为了更加清晰准确地分析经济集聚对相对贫困的空间溢出效应，本文把涉及的省份按照国家的划分标准[26]，分为东部、中部、西部3个地区，基于地理矩阵进行运算，具体的回归结果见表6。

表6 东、中、西部地区的SAR模型估计结果

从回归结果可以看出，经济集聚对相对贫困的空间溢出效应具有明显的地区差异性，其中东部和西部的回归系数为负，且在10%的水平下具有显著性，而中部地区的回归系数则为正，且通过了显著性检验。交通便利在东、中、西部系数为负，且较为显著，表明交通便利对东、中、西部地区的相对贫困具有抑制作用。外商投资在中、西部的回归系数为负，但是中部通过了显著性检验，而西部没有通过，另外东部地区回归系数为正且未通过显著性检验，表明外商投资对中部的相对贫困具有一定的抑制作用，而对东部和西部地区的作用微乎其微。开放程度的东部和西部的回归系数为负，而中部为正，但是都未通过显著性检验，表明开放程度对东、中、西部地区的相对贫困没有明显的作用。政府干预在东部的回归系数为正，且在10%的水平下较为显著，但是回归系数较小(仅为0.000)，因此对东部地区的相对贫困的空间溢出效应较小，另外中西部的回归系数为负，分别是-0.000、-0.650，都在1%的水平下显著，由于系数的大小不同，政府干预对西部地区的相对贫困的影响远远大于东部和中部。产业结构在东部的回归系数为负，且具有显著性，表明产业结构对东部地区的相对贫困具有一定的抑制作用，另外对于中西部的回归没有通过显著性检验，表明产业结构对中西部没有显著的空间溢出效应。

3.2 分地区空间溢出效应分解

基于地理矩阵，使用Stata16对东、中、西部地区的经济集聚等变量对相对贫困的空间溢出效应进行分解，结果见表7。

表7 东、中、西部地区的空间溢出效应分解结果

可以看出经济集聚、交通便利、外商投资、开放程度、政府干预、产业结构的间接效应在东部和西部地区的系数有正有负，但都未通过显著性检验，表明这些变量对东部和西部地区的相对贫困不存在明显的空间溢出效应。

经济集聚的直接效应为负，并且通过了显著性检验，表明经济集聚对东部的相对贫困具有明显的抑制作用，经济集聚每增加1%，相对贫困减少0.004%，总效应为负，且并未通过显著性检验。中部的经济集聚直接效应为正，在10%的水平下显著，即经济集聚每增加1%，中部地区的相对贫困会增加0.005%，另外其总效应为正，且通过了显著性检验。经济集聚对于西部地区的直接效应为负，且通过了显著性检验，表明经济集聚对西部地区的相对贫困具有抑制作用，其总效应为负，没有通过显著性检验。

交通便利对东、中、西部地区的直接效应、总效应均为负，且通过了显著性检验，表明交通便利对东、中、西部地区的相对贫困具有明显的改善作用。外商投资只有中部地区的直接效应和总效应为负，且通过了显著性检验，并且效应的绝对值较大，表明外商投资对中部地区的相对贫困具有非常显著的抑制作用，而对东部和西部地区没有明显的影响作用。开放程度的直接效应和总效应在东、中、西部地区均没有通过显著性检验，表明对外开放对东、中、西部地区的相对贫困不存在显著的影响。政府干预从表7中可以看出西部地区直接效应和总效应为负，且通过显著性检验，对西部的相对贫困具有抑制作用。产业结构对东部和中部具有明显的直接效应和总效应，对西部没有明显的空间溢出效应。