经济、人口视角下的城镇化与贫困：线性与U型关系*——基于中国省级面板数据的实证分析

刘 超，张海洋，胡宝贵※

（1.中国农业大学人文与发展学院，北京 100193；2.北京农学院经济管理学院，北京 102206）

0 引言

贫困是人类社会长期以来存在的严峻问题和挑战，全世界也在致力于与贫困问题的斗争之中。我国是世界上最大的发展中国家，中共十八大之后，以习近平为总书记的党中央总揽全局，将扶贫脱贫工作提升至前所未有的战略地位[1]，全力攻打扶贫脱贫战役，取得了我国脱贫攻坚的决定性成就，不仅为我国实现共同富裕的目标奠定了基础，而且为全球减贫事业做出了巨大的贡献。然而消除我国未来较长时间内的相对贫困问题仍然任重而道远。与此同时，我国城镇化进程突飞猛进，早在2011 年末，我国城镇常住人口首次超过农村常住人口，占到全国总人口的51.27%[2]。城镇化是现阶段全球发展的显著特征，也是时代和未来发展的趋势之所在。农村人口大量流入城镇地区，城镇空间规模不断更新扩大，城镇中的产业和教育、技术等资源辐射带动着广大农村地区的发展，创造劳动的供给和需求，也刺激并提高居民的日常消费，极大提升了农村和城镇地区的经济发展和生产力水平，带来发展的巨大红利。

减贫和城镇化同是可持续健康发展的两个重要方面，从理论上讲，城镇化进程伴随着生产和消费的集聚效应，而集聚效应是带动经济发展的核心力量，可以提供效率更高的公共服务，所以减贫一般被视为城镇化的副产品。然而，国际上的众多学者们选取不同的样本，在城镇化和贫困之间辩证关系的研究上还存在着相当大的争议。Arouri等利用越南的家庭生活水平调查（VHLSS）数据，研究表明城镇化水平提高1%，农村居民人均收入和农村居民人均支出均增长0.09%。此外，2002 年城镇化水平提高1 个百分点，农村家庭贫困率降低0.12 个百分点[3]。Aamir 和Naveed 等基于巴基斯坦的实证研究，运用ARDL 协整方法，却得出结论：虽然城镇化正在减少贫困，但其影响微乎其微，可以忽略不计[4]。国内学者基于我国的实际情况对城镇化和减贫也进行了丰富的研究，在观点与分歧上与国际学术界大体类似。但是，众多的经济理论和实证研究都表明城镇化是一种典型的倒U 型关系，即随着城镇化水平的提高，经济发展水平随之上升，到达峰值后，经济发展水平反而会随着城镇化率的继续提高而降低[4]。所以，我国城镇化与贫困之间存在的关系仍然需要我们进一步深入验证和探究。

基于此，文章立足于中国减贫大背景，选择1999—2018年我国30个省（市、自治区）20年的宏观面板数据，通过固定效应模型等回归分析，试图考察经济城镇化和人口城镇化能否解释各地减贫程度的不同，进而再次验证城镇化与贫困之间可能存在的线性或非线性关系，以期对我国的城镇化减贫经验进行总结，进一步促进城镇化进程+扶贫工作的协同发展，为推动我国脱贫攻坚和乡村振兴有效衔接工作提供有益的政策启示和动力源泉。

1 数据、变量和模型

1.1 数据来源和变量选取

该文的数据主要收集整理自《中国统计年鉴》《中国金融统计年鉴》等的相关数据，时间跨度为1999—2018 年共计20 年。鉴于数据的可得性和可比较性，样本不包含港澳台地区。此外，由于西藏自治区数据的严重缺失，故也排除于样本之外。所以最终分析样本为包括北京、山东、四川等在内的30 个省（市、自治区）。主要采用STATA 15软件对获得的面板数据进行具体的操作和分析。

贫困变量。该文的被解释变量贫困的代理变量选择的是农村居民的恩格尔系数，恩格尔系数是国际上通用的衡量居民生活水平高低和划分贫富的指标[5]，恩格尔系数的增大与减少反映出贫困状况的恶化和改善。

城镇化变量。该文主要关注城镇化发展和贫困之间的关系，所以核心解释变量为城镇化水平。人口学家、经济学家等已经达成共识，城镇化并不是单一的身份转变（从农民向城镇居民），而是产业体系、地区结构、生产方式等的高阶跃进[6]。考虑到数据的可获得性和代表性，主要从人口城镇化和经济城镇化这两个城镇化的视角出发，其中，城镇化的过程带来人口从农村到城镇的大量迁移和城镇人口比例的提高，参考既有研究的一贯做法，人口城镇化的变量选取的是城镇人口占总人口的百分比；借鉴刘旭晔、王亚力等的研究，经济城镇化是指农业经济向非农业经济的转变，该项指标选择第二、三产业增加值占GDP的百分比[7-8]。

为了有效地对城镇化和贫困之间的关系进行度量，还需要在回归方程中加入必要的控制变量。该文在参考现有相关文献的基础上，选择如下5 个控制变量，包括贸易开放度（TRA）、互联网普及（INT）、人口增长（PGR）、金融发展（FDC）和投资规模（INV）等（表1）。

表1 变量说明

1.2 特征描述与计量模型

变量的具体特征描述如表2 所示，1999—2018年的30个省（市、自治区，不包括港澳台和西藏）的农村恩格尔系数的均值为41.500 5%，最小值为23.8%，最大值为79.3%，标准差为8.822 6，说明省级样本之间的贫困状况差别很大。对于解释变量城镇化来说，人口城镇化率的均值为52.032 2%，最小值和最大值分别为20.714 3%和89.606 7%，标准差为14.657 7；经济城镇化率的均值为87.289 6%，最小值和最大值分别为38.9%和99.7%，标准差为7.097 7，说明不同省份之间具有显著差异的城镇化水平。而互联网普及、人口增长、投资规模等指标也同样具有一定的差异性，其中样本之间的金融发展和贸易开放度两个指标的离散程度最为显著。

表2 初始变量描述性统计

为进一步度量城镇化的推进如何影响贫困，设定面板数据回归模型为：

在式（1）中，被解释变量POV是农村居民家庭恩格尔系数，URBAN是研究中的核心解释变量城镇化，下标i代表省份，下标t代表年份，X是一系列的控制变量，包括如贸易开放度、互联网普及、人口增长等等，β0是常数项，β1是待估参数，β2是控制变量的系数，u是随机扰动项。

2 计量检验和结果分析

2.1 多重共线性检验

为了排除解释变量之间可能存在的严格或近似的相关关系对模型造成干扰，该文运用方差膨胀因子法进行解释变量的多重共线性检验，检验结果见表3，各个变量的VIF值（即方差膨胀因子）均小于7，满足小于10的要求，所以可以认为变量之间不存在严重的多重共线性[9]，所选择的变量是可以进行接下来的模型操作。

表3 多重共线性检验

2.2 全样本基本回归

首先以人口城镇化为例，进行全样本的基准模型回归，根据豪斯曼检验，P 值等于0.00，拒绝原假设，故可以选择使用固定效应模型进行回归分析[10]。表4 汇报了固定效应模型估计下对所有省份的全样本回归结果。根据表4的基本回归结果显示可知，在基本模型和加入金融规模、人口增长等控制变量的扩展模型1中，解释变量人口城镇化的系数均为负数，并且通过了1%的显著性水平的检验，表明在控制其他控制变量不变的情况下，人口城镇化进程能显著降低贫困程度。城镇人口的集聚，一方面解决了农村大量的剩余劳动力，促进了第二三产业中就业增长，另一方面农村人口的转移，也可以享受到城镇中医疗保障和其他公共服务的益贫性。

表4 我国30个省（市、自治区，不包括港澳台和西藏）人口城镇化回归

为了验证人口城镇化与贫困之间可能存在的U 型非线性关系，在模型1的基础上，模型2中加入了人口城镇化的二次项，可以看出人口城镇化的一次项系数小于0，二次项系数大于0，且具有显著的解释力[11]，表明人口城镇化与贫困之间的关系不仅为简单的负向线性关系，而是呈现U型关系，人口城镇化减贫效应存在最优水平。换句话说，当人口城镇化处于较低水平，随着城镇人口的集聚，贫困程度下降；但是当城镇化处于较高水平阶段，城镇人口比例的提高反而易造成新的不平等，导致贫困程度的深化。

与此同时，从固定效应模型的回归结果中还能看出其他的控制变量对于贫困产生不同程度的正向或负向的显著影响，控制变量表现基本上与已有文献研究的结果相一致性，符合基本预期。其中，贸易开放对贫困产生显著的负向影响，是因为贸易开放能够提高基础设施建设水平和带动劳动力的就业，提高人均收入水平，农产品的出口也大大缓解了农村地区的贫困。互联网普及率对贫困影响的系数显著为负，互联网的使用传播先进的思想和观念，提升贫困人口的文化素养，为扶贫工作注入可持续的创新活力源泉，从而带动贫困地区实现经济转型升级发展。金融发展对减贫产生较强的积极作用，这是因为金融发展可以改善收入分配差距，此外金融向穷人延伸可以缓解其借贷等资金需求难题，扩大穷人的经济收入。固定资产投资对贫困具有显著的负向作用，固定资产投资能够促进区域经济增长，改善当地的基础设施、科学技术等要素在内的投资环境，形成“经济增长—贫困减缓”的良性循环，增加农民收入，从而减贫。而人口增长率对贫困产生显著的正向影响，这早在18 世纪英国的经济学家马尔萨斯就曾提出过有关论断。

其次，再以经济城镇化指标作为解释变量，进行固定效应模型的回归，回归结果如表5 所示，模型2在模型1的基础上，加入经济城镇化的平方项，对经济城镇化对贫困之间可能存在的非线性关系进行进一步的验证，不难发现，经济城镇化的平方项系数对贫困并不具有显著性，而经济城镇化的系数显著为负。说明经济城镇化对贫困的影响是线性的，经济城镇化率越高，贫困程度越低。表明城镇化发展推动人口和产业的转型升级，增加农村居民的经济收入来源，解决贫困问题，才能实实在在地缩减贫困率。

表5 我国30个省（市、自治区，不包括港澳台和西藏）经济城镇化回归

2.3 稳健性检验

2.3.1 排除极端值的影响

为了确保模型估计的稳健性，该部分将采用排除极端值影响的缩尾处理检验方式，对农村居民恩格尔系数位于前5%和后5%的样本进行winsor 缩尾处理，再次进行固定效应的回归，以检验城镇化对贫困影响的敏感性。表6为重新估计的固定效应回归检验结果，人口城镇化和经济城镇化对贫困的影响显著为负，人口城镇化的二次项对贫困的影响显著为正，这与前文的结论相一致，回归结果充分证明了模型和结果的稳健有效性。

表6 缩尾处理检验

2.3.2 工具变量检验

模型内生性的问题是指由于选择偏误等导致解释变量和随机扰动项之间的相关性，为了进一步消除模型中可能出现的变量内生性的问题，选择自变量城镇化率的滞后一期作为工具变量，用工具变量法进行模型的回归操作进一步解决模型的内生性问题。检验结果如表7所示，再一次验证了人口城镇化和经济城镇化均能有效降低贫困程度。

表7 工具变量检验

2.4 不同区域省份的城镇化减贫效应的差异

由于我国幅员辽阔，区域经济状况差异明显，为进一步考察不同区域的城镇化减贫效应边际影响的差异性，将省份划分为两种类别：东部地区和中西部地区。以人口城镇化为例，对不同区域进行分组回归，表8是对于不同区域的回归结果记录。城镇化对我国东部和中西部地区贫困减缓具有不同影响。中西部地区的系数通过了1%的显著性水平，而在东部地区并没有通过显著性检验，并且系数的大小也低于中西部地区。回归结果表明，我国城镇化进程的减贫效应因不同区域发展水平而呈现差异，我国城镇化进程的减贫效应在中西部地区的影响要大于在东部地区的影响。因此应该注重关注我国中西部地区的经济发展，着力提升中西部地区的城镇化的速度和质量，达到城镇化减贫效应的最大化发挥。

表8 不同区域的回归结果：人口城镇化

3 结论及政策启示

3.1 结论

该文利用1999—2018 年全国30 个省（市、自治市，不包括港澳台和西藏）20 年的面板数据，通过固定效应模型进行基准回归分析，采用winsor缩尾处理、工具变量法进行稳健性检验，并划分不同区域进行分组回归。实证结果得出以下的发现：城镇化水平与贫困之间呈现显著的负相关性，城镇化是减贫的重要途径。人口城镇化与贫困之间的关系呈现出“正U型”曲线的关系，而经济城镇化对贫困的影响是单向负相关，这给我们的启示是过度的人口城镇化会加剧贫困，城镇化减贫的重点不仅仅在于城镇人口的扩张，而在于与之相匹配的经济城镇化水平同步提高方能达致减贫。此外，城镇化进程的减贫效应因我国的不同区域发展水平而呈现差异，相对于经济发展水平程度高的东部地区来说，中西部地区城镇化水平的提高更能有效显著地降低贫困率。

3.2 政策启示

目前，我国正处于扶贫攻坚和乡村振兴相衔接的关键时期，虽然我国在2020 年后已经消灭了绝对贫困现象，但是相对贫困却将一直在我国存在。城镇化的发展能够促进社会资源的合理均衡配置，优化收入分配结构，缩减城乡居民的贫富差距，具有减贫和促进经济增长的潜力和动能。城镇化无疑成为国家脱贫和实现全面小康社会的重要工具。该文的研究为我国的减贫事业和乡村振兴等提供了重要的启示和思路，以下提出针对我国的政策启示。

（1）持续推进我国各省市地区的新型城镇化进程。尤其要关注提升我国中西部地区的城镇化建设，发挥以城带乡的辐射作用，推进城乡二元结构的融合，促进经济结构的调整和改善，从而带动非农部门的经济增长和非农就业。摈弃过去一味加快城镇规模扩张的弊病，由粗放型城镇化向集约型的新型城镇化转移，与生态化、信息化、工业化、农业现代化等协同发展[12]。优化城镇的空间布局结构，提升城镇化的效率和质量，着重提升城镇化的经济效益，促进国家减贫事业的推进和建设小康社会目标的实现。

（2）走因地制宜的城镇化之路。准确把握各地的城镇化发展所处的水平、发展阶段及具有的特点，根据区域差异和实际情况有针对性的、有层次性推进城镇化建设。在城镇化发展水平较低的地区，国家应该加大财政支持和政策扶持的力度，在城镇化水平发展较高的地区，进一步加大公共服务的匹配和供给程度，强化市场自治的城镇化调控机制，注重技术和生产要素的合理配置。进一步发挥城镇化的减贫潜力，与减贫进程耦合协同发展，相互促进，实现可持续的新型城镇化。

（3）注重保障农民在城镇化裹挟中的权益。强调以人为本为基础的城镇化发展，解决我国城镇中存在的环境污染、人口密集、交通拥堵等突出问题，深化相关领域的改革与创新，对社会保障、土地配置、粮食安全和金融市场等进行全方位配套，激发经济活力，释放发展动能。不仅要关注城镇化人口比重的提升，而且要提高农村居民在城镇化过程中劳动技能和生存技能，真正提升城镇化中农村劳动力的内生脱贫发展动力，完善创业帮扶和就业培训体系，实现农村劳动力的“城镇化融入”，引导农民进行非农就业，促进经济持续稳定健康发展，避免城镇中的“新型贫困人口”的出现。