农村劳动力转移的减贫及其空间溢出效应*<br/>——基于省级面板数据的分析

农村劳动力转移的减贫及其空间溢出效应*
——基于省级面板数据的分析

2022-06-24黄大湖丁士军

中国农业资源与区划 2022年4期

黄大湖，丁士军，谭昶

（1.中南财经政法大学工商管理学院，湖北武汉 430073；2.中南财经政法大学公共管理学院，湖北武汉 430073；3.长江大学经济与管理学院，湖北荆州 434023）

0 引言

改革开放以来，我国农村减贫事业取得巨大成功。据国家统计局数据显示，1978—2017年我国农村贫困人口从7.7亿人减少到3 046万人，减少7.4亿人，农村贫困发生率从97.5%下降到3.1%①数据来源于国家统计局网站。与此同时，农村劳动力转移总量从3 150万人增加到了2.87亿人[1]，在城乡间形成了大规模的流动人口。农村劳动力转移规模扩大与我国农村贫困减少有着必然的联系。一般来说，经济增长是实现减贫最为直接有效的方式。在改革开放的头20年里，我国农村剩余劳动力转移对国内生产总值增长率的贡献大约在16%～20%[2]。经济增长可以通过增加农村贫困人口的收入，以缓解贫困。同时，劳动力在地区与部门之间的自由流动，使得农村劳动力转移对农村减贫也具有空间溢出效应，即一个地区的农村劳动力转移不仅有利于该地区的贫困缓解，也会对其他地区的农村贫困产生影响。

在经济发展过程中，劳动力在地区与部门之间转移是各国常见的现象。农村劳动力转移既是经济发展到一定阶段的产物，也是促进经济增长的重要力量[3]。同时，经济增长又可以有效缓解贫困[4]，因此，农村劳动力转移可以影响贫困。

目前，学术界对劳动力转移与经济增长之间的关系已进行了广泛的研究。国外学者认为劳动力转移引起的结构变化[5]和人口变动[6]能有效促进经济增长。国内有关农村剩余劳动力转移与经济增长的关系研究更为丰富。农村剩余劳动力由农业向非农业转移，提高了农村劳动力的边际生产力[7]，同时，也提高了劳动的总效率[8,9]，促进了经济增长。李旭辉[10]发现1953—2013年我国农村劳动力转移对总产出增长的贡献为14.18%。陈名望[11]认为1978—2015年我国农村劳动力转移对总产出的贡献率为10.21%。

现有对农村劳动力转移和贫困之间的关系研究主要集中在家庭层面和区域层面。在家庭层面，农户内部的劳动力转移能有效缓解农户贫困。Bertoli和Marchetta[12]发现厄瓜多尔的移民能够有效缓解移民家庭内部的贫困。樊士德和江克忠[13]认为农村劳动力流动能够显著提高农村家庭的收入水平，从而降低农村家庭贫困的发生率，在东部发达省份的效果更为显著。张杰飞[14]得到同样的结论，但认为西部地区的效果更为显著。夏玉莲[15]发现农地流转能够促进了农村劳动力转移，进而可以缓解农民贫困。在区域层面，农村劳动力转移可以有效缓解农村贫困。Mckenzie[16]认为在劳动力转移过程中伴随着城乡之间的互动，会使城镇地区的资金、技术等向农村地区转移，从而带动农村地区的发展，以缓解贫困。王郁昭[17]认为农村劳动力跨区域流动为流入地的经济发展做了巨大贡献，同时缓解了流出地区的人地矛盾，是农村地区脱贫致富的重要途径。章元[18]认为允许农村剩余劳动力向城市和工业部门转移就业对于降低农村贫困具有非常重要意义，中国农村贫困的降低主要是来自于工业化所产生的渗透效应。Nguyen和Raabe[19]等通过对越南中部三个省的移民数据分析，发现移民具有收入增长效应，不仅有利于缓解移民家庭的贫困，还能有效改善农村地区的贫困状况，而这些效应在工作机会较少的省份更为明显。此外，从方法上来看，谭昶[20]等分析了产业结构对农村减贫的溢出效应；洪名勇等[21]从空间的角度分析了农村减贫的效率。张博胜[22]等研究了城镇化对农村减贫的空间溢出效应。

综上所述，目前关于农村劳动力转移对农村贫困影响的研究成果较为丰富，但仍有以下改进之处：第一，现有研究大都是从家庭层面展开的，探讨了农村家庭内部劳动力转移可以有效缓解农民家庭贫困，进而有助于农村贫困的减少。从宏观区域层面探讨农村劳动力转移对农村贫困影响的相关研究还相对较少。第二，既有的从宏观层面展开的研究，大都是基于普通面板模型展开分析，忽视了农村劳动力转移对农村减贫的空间溢出效应。

基于此，文章在前人研究基础上，通过构建空间计量模型，并设置邻接、地理和经济3种空间权重矩阵，从空间维度检验农村劳动力转移对农村贫困的影响效应。

1 理论分析与模型选取

1.1 理论分析

配第—克拉克定理指出，第一产业的比重会随着国民经济的发展逐渐下降，而第二三产业所占的比重会逐渐上升，在这一过程中，生产要素将由生产率较低的部门进入到生产率较高的部门，实现生产要素在区域间的自由流动，这也是产生空间溢出效应的根本原因[23]。同时，在劳动力进行跨地区、跨部门转移时，劳动力资源将得到重新配置，这种配置效应也就意味着生产要素的配置效率改善，将有效促进经济增长。虽然近年来，我国人口红利逐渐消失，面临着“刘易斯拐点”，农村转移出的劳动力对经济增长的贡献率有所下降，但不可否认的是，其仍然是推动中国经济增长的重要力量。经济增长的“涓滴效应”可以通过增加就业岗位和转移支付等形式来有效提高农民的收入水平，以缓解农村贫困。此外，经济增长还具有“扩散效应”，即一个地区的经济增长可以带动相邻地区的经济发展，从而有利于缓解邻近地区的农村贫困。

刘易斯的二元经济结构模型指出，只要工业部门的工资水平略高于农业部门，农业劳动力就会往城市转移[24]。伴随着中国改革开放之后工业化和城镇化的快速发展，城市工业部门的用工需求急剧增加，中国大量剩余劳动力得以进城务工。从农村转移出来的劳动力在城市工业部门就业，具有更高的劳动边际生产率，可以获得较高的工资报酬，从而有利于增加农民的非农收入水平，以缓解农村贫困。与此同时，农村劳动力转移进入到工业部门和城镇之后，提高了农民家庭成员之间的专业化水平，间接增加了农村人均耕地面积，提高了农业部门的生产效率，有利于农民农业收入的增长，进而减少农村贫困。

农村劳动力转移并不仅限于本区域内，还表现为跨区域流动。据《2019年农民工监测调查报告》，2019年我国农民工省内就业的比例为74.18%①包括当地农民工和外出农民工中省内就业的农民工，跨省流动的比例为25.82%。农村劳动力跨省流动在多数省份特别是东部发达省份集中于向邻近省份转移[11]。多数省份特别是东部发达省份的农村劳动力向邻近省份转移，有利于邻近省份的经济发展，实现农村减贫。中西部省份农村劳动力的省内就业转移，有效推动了该省份的经济增长，由经济增长的扩散效应和辐射效应带动周边省份的经济发展，从而有助于缓解周边省份的农村贫困。同时中西部省份的农村劳动力向东部发达地区转移，可以有效促进东部省份的经济发展，进而带动中西部省份的经济增长，缓解其农村贫困。因此劳动力转移不仅在区域内对农村贫困产生影响，还具有区域间的影响效应。

基于以上理论分析，该文认为农村劳动力转移不仅对该地区的农村贫困有缓解作用，而且还有助于减少其他地区的农村贫困。

1.2 空间计量模型

地理学第一定律认为，任何事物之间都必然存在着某种相关性，只是相近事物间的这种相关性更强[25]。在研究农村劳动力转移对农村贫困的影响时，若只考虑对该地区贫困的影响，而忽视地区间的空间关联性，可能会得出有偏误的研究结果。因此，在研究农村劳动力转移对农村减贫的影响效应时，还应考虑地区间的空间关联性，分析其空间溢出效应。空间计量模型能够有效分析要素间存在的空间效应，尤其是研究要素之间存在着空间自相关关系时，用空间计量模型进行估计能使研究结果更为准确。空间误差模型（SEM）和空间滞后模型（SLM）是两种最基本空间面板回归模型。模型的构建具体如下。

1.2.1 空间误差模型（SEM）

一般来说，不可观测的变量是普遍存在的。该模型通过设置误差项的空间自相关来反映空间依赖性。模型设定为：

式（1）中，Y为被解释变量，X为解释变量，β为解释变量的系数，μ和ε为扰动项，W为定义的空间权重矩阵，λ为空间回归系数。

1.2.2 空间滞后模型（SLM）

该模型通过加入因变量的空间自相关设置来解决空间依赖性，它可以检验因变量在区域之间存在的溢出效应。模型表达式为：

式（2）中，ρ为空间相关系数，度量空间滞后Wy对Y的影响。其他同式（1）。

1.3 空间权重矩阵

通过设置合理的空间权重矩阵，才能准确地衡量出空间溢出效应，这也是进行空间计量分析的基础性工作。该文借鉴已有文献，选取邻接矩阵（W1）、地理距离矩阵（W2）和经济距离矩阵（W3）3种权重矩阵进行分析，使实证结果更具稳健性。

1.3.1 邻接矩阵（W1）

邻接矩阵是空间计量分析中常用的权重矩阵设定形式，一般两地区相邻，则取值为1，否则取值为0。该文选取我国大陆31个省（市、自治区）的空间相邻关系构建了邻接矩阵为：

1.3.2 地理权重矩阵（W2）

该文的地理权重矩阵是根据各省的省会城市直线距离平方的倒数计算为：

式（4）中，dij表示省会城市i与省会城市j在地理上的直线距离。

1.3.3 经济权重矩阵（W3）

该文的经济权重矩阵是基于各省人均GDP差额的绝对值的倒数计算为：

式（5）中，Pi和Pj分别表示两个省份的人均GDP，一般认为，地区之间的收入差距越大，所对应的权重就越小，而收入差距越小，所对应的权重越大，因此，采用地区间人均GDP差额的绝对值的倒数。

1.4 指标选取与数据来源

为了研究农村劳动力转移对农村贫困的影响，该文选取农村劳动力转移的程度作为核心解释变量，将农村贫困发生率作为被解释变量，以及选取相关控制变量，使结论更加准确。各变量选取具体如下。

1.4.1 被解释变量

农村贫困发生率（POV）：一般衡量农村贫困的指标包括贫困发生率[26]、低保人数[27]和恩格尔系数[28]等。该文参考单德朋[28]等对农村贫困衡量的相关研究，最终选取各省农村恩格尔系数作为衡量农村贫困发生率的代理变量。

1.4.2 核心解释变量

农村劳动力转移程度（LABOR）：农村劳动力向非农部门和城镇地区转移，由此造成的直接后果就是农业劳动力会不断减少。因此借鉴崔万田[3]等的做法，该文以（乡村从业人员-乡村第一产业人员）/乡村从业人员的比重作为农村劳动力转移程度的代理变量。

1.4.3 控制变量

在上述核心解释变量的基础上，该文还进一步控制了其他变量的影响，使模型更加稳健。（1）城乡收入差距（INC）：通常来说，农民收入低于城镇居民收入，当城乡收入差距扩大时，农民的收入会相对降低，这制约着农民生活水平的提高和限制农民发展，将不利于缓解农村贫困。该文利用城镇居民人均可支配收入与农村居民人均可支配收入的比值来衡量城乡收入差距。（2）农村经济发展水平（ECO）。经济增长能够提高农民的收入水平，从而达到缓解贫困的目的。该文利用各省人均农业产值来衡量各省农村经济发展的水平。（3）基础设施（ROAD）。完善的基础设施不仅有利于农村劳动力完成转移，而且还能增加当地居民收入，以缓解贫困。该文将公路密度作为基础设施的代理变量。公路密度则用各省区公路里程数与省区面积的比值来衡量。（4）城镇化率（URB）。城镇化的发展使市场增加了劳动力需求，为农村劳动力转移提供了广阔的空间。同时，进城务工能获得更高的工资性收入，因而可以预期城镇化率的提高将有利于农村减贫。该文用城镇人口占总人口的比重来衡量城镇化的发展。

该文的数据主要来源于《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》和各地区统计年鉴。最终选取2007—2017年我国大陆31个省（市、自治区）的面板数据，所有变量均有作者通过计算、整理而得。各变量的统计描述见表1。

表1 变量的描述性统计

2 结果与分析

2.1 空间相关性分析

该文采用全局莫兰指数和局部莫兰指数来测算我国省域农村贫困发生率和劳动力转移程度是否存在空间自相关性。

2.1.1 全局莫兰指数（Moran'I）

表2 2007—2017年农村劳动力转移与农村贫困发生率的全局莫兰指数

由表2可以看出，2007—2017年我国各地区农村贫困发生率的莫兰指数I均显著大于0，且农村劳动力转移程度的莫兰指数I均在0.4以上，并在1%的水平上显著，表明我国省域农村贫困发生率和劳动力转移程度具有明显的空间正相关性，与谭昶[20]等的研究结论相符。因此，选用空间计量模型研究农村劳动力转移对农村贫困的影响，能够充分考虑其空间溢出效应，具有一定的合理性。

2.1.2 局部莫兰指数

局部莫兰指数可以通过莫兰散点图来反映区域的空间集聚情况。图1给出了地理权重下（限于篇幅）2007年、2010年、2013年和2016年我国大陆31个省（市、自治区）农村贫困发生率的莫兰散点图。可以看出，在地理权重下，我国各省农村贫困发生率在2007年、2010年、2013年和2016年的局部莫兰指数分别为0.503、0.410、0.347和0.208，且莫兰散点图主要分布在第一、三象限，表明我国省域农村贫困发生率在空间分布上的不平衡性，呈现出“高高（H—H）”和“低低（L—L）”集聚的特征，再次证明各省域农村贫困发生率存在明显的空间正相关性，该文选用空间计量模型进行分析是合适的。

图1 2007年、2010年、2013年和2016年农村贫困率的莫兰散点

2.2 空间计量模型估计结果

根据前文空间相关性的检验结果可知，我国省域农村贫困发生率和农村劳动力转移程度具有显著的正向空间相关性，而普通面板无法准确估计劳动力转移对农村减贫的空间溢出效应，因此，需要构建空间计量经济模型，使得估计更为准确。通常利用拉格朗日乘数检验来进行空间计量模型的选择。该文利用stata15.0软件来进行LM检验和R-LM检验，以此来判断选择用空间误差模型还是空间滞后模型，结果显示LM lag与LM error都通过了1%的显著性检验，但在邻接权重下，R-LM error不显著，且在地理权重和经济权重下，R-LM lag的统计量更显著。因此，该文最终选择了空间滞后模型（SLM）进行分析，检验结果如表3所示。

根据表3可以看出，在邻接权重下，空间自回归系数ρ的估计值为0.309；在地理权重下，空间自回归系数ρ的估计值为0.281；在经济权重下，空间自回归系数ρ的估计值为0.404，且在3种权重下均通过1%的显著性检验。这说明我国省域农村贫困发生率存在着显著的空间正向关联效应。也就是说相邻的地区越多，其从邻近地区所获得的外部性就越强，进一步表明我国省域农村贫困发生率具有显著的空间集聚特征，即一个地区的贫困减少可以有效缓解“相邻”地区的贫困状况。

表3 空间面板的实证结果

从各变量的回归系数和显著性来看，在普通面板模型中，农村劳动力转移（LABOR）的系数显著且为负值-0.172，在空间滞后模型中的3种空间关联模式下，农村劳动力转移的系数分别为-0.311、-0.320、-0.301，且均通过了1%的显著性检验，这说明农村劳动力转移可以有效缓解农村贫困。此外，在空间滞后模型中，城乡收入差距的系数在经济权重下显著为正，在邻接权重和地理权重下符号为正，但在统计上不显著，说明城乡收入差距的扩大，将不利于减少农村贫困。基础设施和城镇化率的系数为负值且显著，说明完善基础设施建设和提高城镇化水平都有利于缓解农村贫困。农村经济发展水平的系数为负，但在统计上不显著。

当空间相关系数显著不为0时，说明农村劳动力转移对农村贫困发生率的边际效应并不是这些系数，因为农村劳动力转移不仅会对该地区的农村贫困产生影响，还会影响到其他地区的农村贫困。因此，空间滞后模型的参数估计结果无法反映出直接效应和间接效应的大小，需要通过偏微分的方法进一步进行效应分解[29]，以求解出各效应的数值，从而更加全面地分析农村劳动力转移对农村贫困的影响效应，具体结果见表4。

表4 空间溢出效应分解

表4结果表明，我国农村劳动力转移对农村贫困减缓呈现出显著的直接效应、间接效应和总效应。从直接效应来看，我国农村劳动力转移对农村贫困的影响在3种空间权重矩阵下的直接效应分别为-0.317、-0.323和-0.315，均通过了1%的显著性检验，说明农村劳动力转移规模的扩大将有效减缓该地区的农村贫困，这与理论机制分析结论相符。其原因在于，农村劳动力进入城市和非农部门就业，使得行业间资源配置优化、生产效率提高。这与何春、崔万田[3]等的研究结论保持一致，但其忽视了农村劳动力转移的空间溢出效应，也就低估了农村劳动力转移对农村减贫的作用。从间接效应来看，在3种空间权重矩阵下农村劳动力转移对农村贫困间接效应分别为-0.136、-0.129和-0.192，且均在1%显著性水平下通过检验，表明农村劳动力转移带来的经济增长具有显著的扩散效应和辐射效应，有效缓解了邻近地区的农村贫困。此外，在3种空间权重矩阵下，农村劳动力转移对农村贫困的直接效应均大于间接效应，说明劳动力转移对该地区的减贫成效要优于其他地区。从总效应来看，在邻接、地理和经济权重下，农村劳动力转移对农村减贫的总效应分别为-0.453、-0.452和-0.507，说明农村劳动力转移规模的扩大对该地区以及相邻地区农村贫困的减缓具有积极作用。

从控制变量来看，城镇化率在3种权重矩阵下的直接效应、间接效应均显著为负，基础设施建设在3种权重矩阵下的直接效应显著为负，在邻接权重和经济权重下的间接效应显著为负，说明城镇化率的提高和完善基础设施建设对农村减贫也具有空间溢出效应。城乡收入差距在经济权重下的直接效应和间接效应显著为正，农村经济发展水平的表现不显著，但符号为负，符合预期。

3 结论与启示

3.1 主要结论

该研究基于我国大陆31个省（市、自治区）的面板数据，通过构建空间计量模型，并设置邻接、地理和经济3种空间权重矩阵，实证检验了2007—2017年农村劳动力转移的减贫及其空间溢出效应。这进一步验证了农村劳动力转移对农村减贫的影响效应[1,3]，但也发现普通面板模型忽视了农村劳动力转移对农村减贫的空间效应。

（1）我国省域农村贫困发生率和农村劳动力转移程度均具有显著的空间相关性和异质性，农村贫困发生率呈现出“高—高”和“低—低”的空间分布特征。

（2）农村劳动力转移能有效缓解农村贫困，且其不仅对该区域内的农村贫困产生影响，还可以通过空间溢出效应来影响邻近地区的农村贫困。在邻接权重下，该地区农村劳动力转移规模每提高1个百分点，将使该地区的农村贫困降低0.317个百分点，同时使邻近地区的农村贫困降低0.136个百分点；在地理权重下，该地区农村劳动力转移规模每提高1%，使得该地区的农村贫困降低了0.323%，邻近地区的农村贫困降低了0.129%；在经济权重下，该地区农村劳动力转移规模每提高1个百分点，将使该地区的农村贫困降低0.315个百分点，邻近地区的农村贫困降低0.192个百分点。

（3）此外，城乡收入差距扩大不利于缓解农村贫困，完善基础设施建设和提高城镇化率均有助于减少该地区和其他地区的农村贫困。