1986—2020 年甘肃省六盘山片区贫困演变及启示

马振邦， 王思鉴， 李 薇， 吕 鹏， 郭晓东

（1.兰州大学资源环境学院西部环境教育部重点实验室，甘肃 兰州 730000；2.甘肃省乡村振兴局，甘肃 兰州 730000）

随着脱贫攻坚取得全面胜利，中国历史性的解决了绝对贫困问题。按照现行标准，改革开放以来中国7.7×108农村贫困人口摆脱绝对贫困［1］。然而，相对贫困问题仍是中国共同富裕目标的重大挑战，不同标准下中国相对贫困人口规模约1×108～4.57×108，大部分在甘肃省、贵州省等西部地区［2-3］。同时，虽然集中连片特困地区整体脱贫，但共同富裕能力与其他地区相比仍有较大差距［4］。可见，当前我国相对贫困的规模仍然不小，并且表现出地域上的不均衡，乡村振兴战略下西部尤其是原连片特困地区需给予重点关注。

鉴于贫困治理不能一劳永逸，贫困的动态性在学术界备受关注［5］。地理学更关注区域贫困动态，从时空上探讨贫困及其与地理环境、经济社会关系的变化规律［5-6］。研究表明，2001—2015年中国贫困地区集中连片分布态势仍未转变［7］，农民人均纯收入表现出低水平均衡和“俱乐部收敛”［8］。同样，2005—2013 年贵州省县级贫困发生率的空间分布态势基本稳定［9］。但在秦巴山片区，2004—2014 年村级贫困格局及驱动因素随时间推移均发生了变化［10］。同样，武陵山片区不同等级相对贫困县的空间分布格局的变化不同［11］。可见，不同区域和时空尺度下贫困动态不尽相同，原因是贫困驱动因素的作用有时间“快”“慢”、频率“高”“低”、范围“大”“小”之分［11-13］。但现有研究多是截面或数十年尺度上静态面板研究工作，短期则不能明晰贫困是否存在趋势性、结构性等长时特征，截面或静态则无法甄别驱动因素的长期和短期效应，难以满足乡村振兴目标下反贫困政策的持续性和联动性要求。

甘肃省六盘山片区是原来国家14 个连片特困地区之一，当前相对贫困治理和乡村振兴任务依然艰巨。国家确定的160 个乡村振兴重点帮扶县中，靖远县等16县区仍然在列，分别占到全国的10%和甘肃省的70%。本文利用该区域1986—2020 年46个县区经济社会数据，以农民人均纯收入为表征，在长时间尺度上考察贫困趋势性、阶段性、相关性等时空动态，运用动态空间面板模型解析驱动因素的长短期效应和空间溢出效应差异。鉴于现阶段支持乡村振兴重点帮扶县要强化区域统筹、系统发展的思维，从突出到人到户转向推动区域整体发展［14］，本文可为原连片特困地区的相对贫困治理提供有益启示。

1 数据与方法

1.1 数据来源

本文收集了甘肃省六盘山片区46 个县区1986—2020 年的相关经济社会数据。从时序可比性以及与相对贫困界定相衔接的考虑［15］，以农民人均纯收入（1986 年不变价）来表征县域贫困状况。本文拟采用动态面板模型，因此未纳入海拔、坡度等非时变因素，并借鉴相关学者的研究［16-17］，选择人均GDP、人均不透水地表面积、一产占比等13 个变量。各指标含义、统计特征和数据来源见表1，其中：（1）人均受教育年限数据来源于历届人口普查和抽样调查数据，其他年份数据利用内插法获得；（2）基于高德地图（2020 年）、1:250000 全国基础地理数据库（2015 年）和中国科学院资源环境科学与数据中心（1995年）道路矢量数据，结合《甘肃路谱》记录的县级以上公路历史信息来确定权重（《公路工程技术标准JTG B01-2014》不同技术等级的设计交通量），反推获得历年的加权公路密度。

表1 模型变量描述Tab.1 Model variable description

1.2 研究方法

1.2.1 时序变化分析本文以农民人均纯收入的年均增长速度为衡量指标，来考察收入增长的长期趋势和突变点等时序特征。

长时序趋势通常用稳健的Theil-Sen 趋势分析和Mann-Kendall 检验结合来实现［20］。利用Hurst 指数这一在水文学、经济学等领域广泛应用的方法［21］，来考察时序数据的未来趋势或时间依赖性。收入增速突变时点用Pettitt 检验来实现，优点是不要求数据序列的正态性，受离群值点的影响小，详见相关文献［22］。

Theil-Sen 指数、Pettitt 突变点和Hurst 指数基于R语言trend包和pracma包计算获得。

1.2.2 空间格局分析空间格局分析方法成熟，本文利用莫兰指数（Moran’sI）来考察农民人均纯收入及年均增速的空间集聚特征，利用Getis-OrdGi*识别农民人均纯收入的空间冷热点。运用基于马尔科夫矩阵发展而来的空间马尔科夫矩阵，来探测县区农民人均纯收入之间的相互联系和相互作用，也即县区间是否存在空间溢出效应［23］。Moran’sI和Getis-OrdGi*分析基于ArcGIS 10.3实现，马尔科夫和空间马尔科夫方法基于Stata 15实现。

1.2.3 计量模型设定考虑到被解释变量可能存在的时空相关性，以及解释变量存在的空间相关性，本文建立农民人均纯收入的动态空间杜宾模型进行分析，如下：

式中：Yit为县区i在时期t的农民人均纯收入；Yit-1为农民人均纯收入的时间滞后项；W为空间权重矩阵，WYit为农民人均纯收入的空间滞后项；Xit为县区i在时期t的解释变量矩阵；WXit为各解释变量的空间滞后项矩阵；ci和μt分别为个体和时间固定效应项；εit为随机误差项；τ和δ为待估系数；β1和β2为待估系数向量。当τ=0时，为静态空间面板模型；当δ=β2=0时，为动态面板模型；当τ=δ=β2=0时，为普通面板模型。

上述模型可利用Elhorst 等提出的偏差修正的准最大似然法进行估计［24］，本文基于Stata 15 的xsmle 命令实现。同时，利用LeSage 提出的偏微分方法，把估计结果分解为直接效应、间接效应，分别对应本地直接影响和空间溢出效应［25］。

2 结果与分析

2.1 农民人均纯收入的时序演变

从农民人均纯收入随时间的变化（图1）可以发现，研究区农民人均纯收入水平增长趋势明显，46个县区现价均值从1986 年的255 元提高到2020 年的近10000 元。从1986—2020 年各县区农民人均纯收入（1986 年不变价）年均增速的统计特征和Theil-Sen 趋势度（表2）可以发现，各县区农民人均纯收入年均增速在4.91%～7.42%之间（均值为6.04%），总体上增长6.7 倍。考察农民人均纯收入增速的趋势性发现，各县区Theil-Sen 指数位于0.07～0.40 之间（均值为0.22），其中P＜0.1 水平上显著县区数为32个，说明70%的县区农民人均纯收入年均增速显著提升。此外，Pettitt 突变点检测发现（图2），P＜0.1水平上28个（61%）县区收入增速存在显著突变点，分别在1994年和2007年左右，意味着这2 个时间点上存在引致增速突变的结构性因素。Hurst 指数结果显示（表2），研究区各县区农民人均纯收入增速的Hurst 指数介于0.54～0.75 之间（均值为0.64），意味着农民人均纯收入增速的增长趋势仍将持续。

图1 1986—2020年研究区各县区农民人均纯收入箱式图Fig.1 Box chart of farmers’per capita net income in each county and district of the study area from 1986 to 2020

图2 1986—2020年农民人均纯收入增速的突变点Fig.2 Abrupt change in the growth rate of farmers’per capita net income from 1986 to 2020

表2 农民人均纯收入年均增速的统计特征Tab.2 Statistical characteristics of annual growth rate of farmers’per capita net income

2.2 农民人均纯收入的格局演变

从8 个年份农民人均纯收入的冷热点分布（图3）来看，总体上，研究区农民人均纯收入的热点和冷点区域分布相对稳定，兰州市和白银市各县区收入一直保持较高水平，临夏州各县区则位于较低水平。从Moran’sI的时间变化来看（图4），1986—2020年其值介于0.27～0.45之间且显著。这表明，各县区农民人均纯收入的空间集聚性显著，即收入高的县区趋于相邻，而收入低的县区也趋于相邻。值得注意的是，农民人均纯收入年均增长率的Moran’sI在1994—2000年（均值0.42）和2006—2020年（均值0.32）2 个时间段显著为正，说明该时间段农民人均纯收入增速存在显著空间关联。

图3 1986—2020年农民人均纯收入的冷热点分布Fig.3 Distribution of hot and cold spots of farmers’per capita net income from 1986 to 2020

图4 1986—2020年农民人均纯收入及增速的空间自相关Fig.4 Spatial autocorrelation of farmers’per capita net income and its growth rate from 1986 to 2020

将人均纯收入按四分位数划为低水平、中低水平、中高水平和高水平4个类型，进一步比较马尔科夫矩阵和空间马尔科夫矩阵结果。从表3 可以看出，马尔科夫矩阵对角线所有值介于77.1%～90.2%，远高于非对角线上的0～11.4%，说明收入水平类型更倾向于保持不变。初始高收入县区未来仍保持高收入的概率为90.2%，未来初始低收入县区仍处于低收入类型的概率为88.4%，表明低收入县区很难跨越到高收入县区，同时意味着贫困存在很强时间依赖性。从空间马尔科夫矩阵结果来看，与低水平类型相邻的县区，向上转移概率小于向下转移概率；反之，与高水平相邻的县区，向上转移的概率较大，而向下转移的概率较小。例如，低水平县区与高、中高、中低和低水平县区相邻，则未来向上转入中低水平类型的概率分别为25.0%、12.8%、12.4%和5.9%，呈现递减趋势，说明空间溢出效应能减轻低收入县区的时间依赖。

表3 1986—2020年不同农民人均纯收入类型的马尔科夫和空间马尔科夫转移矩阵Tab.3 Nonspatial and spatial Markov-chain transitional matrices of different farmers’per capita net income types from 1986 to 2020 /%

2.3 农民人均纯收入变化的驱动因素

本文建立动态空间面板模型来识别农民人均纯收入的驱动因素。为控制多重共线性和伪回归的影响，基于Stata 计算了自变量的方差膨胀因子（VIF），并进行了面板单位根检验和协整分析。结果显示：各变量VIF值皆小于10；除年降水量外其他变量均为一阶单整，进而发现多变量间存在协整关系，此时估计结果有效［26］。空间面板模型构建遵循以下步骤［27］：（1）通过固定效应联合显著性检验，确定该模型应包含时间和空间双向固定效应；（2）利用拉格朗日乘数检验及其稳健形式，发现存在显著的空间交互影响关系，应在模型中纳入误差或者滞后形式的空间滞后项；（3）通过Wald 检验（误差模型P＜0.001，滞后模型P=0.0225）和似然比检验（误差和滞后模型皆P＜0.001），判断出空间杜宾模型不能被简化为误差模型或滞后模型；（4）利用Hausman 检验（chi2=344.5，P＜0.001）确定了在固定效应模型和随机效应模型中应选择前者。综上，表4 给出了queen 空间权重下嵌套双向固定效应的静态（queen）和动态（queen_lag）空间面板模型结果。同时，还报告了面板聚合最小二乘法（pols）、静态面板（xtreg）和SYS-GMM 动态面板（xtabond2）结果，以及反距离（iver）、反距离平方（iver2）和最近邻（knn5）3种不同空间权重下模型结果，以评估结果的稳健性。

表4 面板模型估计结果Tab.4 Estimation results of panel data model

从表4 可见，时空2 个维度上被解释变量的时间和空间滞后系数在模型（3）～（8）中均显著为正，验证了农民人均纯收入存在显著的时空依赖。也即，自身初始状态和周边邻居状态，很大程度上决定了近35 a本县区的农民人均纯收入水平。同时，与模型（1）、（2）相比，人均GDP、有效灌溉面积占比、一产占比至少在2 个模型中显著，人均GDP、家庭规模、一产占比、教育年限、人均不透水地表和道路密度的空间滞后项至少在2 个模型中显著，意味着上述变量通过本地或溢出效应对农民人均纯收入时空格局演变产生重要影响。

表5 给出了模型（4）～（8）中各解释变量直接效应和间接效应。可以发现，总体上同一因素的效应值方向一致，而且长期效应绝对值均大于短期效应，说明动态空间面板模型估计结果总体稳健。由于模型（5）拟合效果最好（AIC值最小），据其展开讨论：（1）人均GDP 长期看来直接效应和间接效应分别为0.177 和0.595，短期看来直接效应和间接效应分别为0.05 和0.04，说明无论短期还是长期人均GDP不但显著影响本县区农民人均纯收入，而且对相邻县区农民人均纯收入有正的空间溢出效应。（2）同样，一产占比、人均不透水地表无论是短期还是长期来看，都能对本县区和相邻县区农民人均纯收入产生显著正向影响。值得注意的是与人均GDP 相比，人均不透水地表数值较小，表明过去城镇化的作用小于经济增长的作用。考虑到各县区城镇化水平普遍低，于2005年左右进入快速提升阶段，并不能就此得出城镇化的增收效应低于经济增长的结论。同时，降雨量的长期直接效应显著为正，意味着西北地区暖湿化趋势对提高农民人均纯收入是个利好。

表5 农民人均纯收入驱动因素空间溢出效应的分解结果Tab.5 Decomposition of the spatial spillover effect of driving factors for farmers’per capita net income

鉴于反距离空间权重能刻画全域范围内空间溢出效应，模型（6）可甄别各因素在更大空间范围内的影响。家庭规模、教育水平、经济作物占比、铁路和高速公路、公路密度的作用主要通过短期的直接效应和间接效应表达，一方面说明它们与农民人均纯收入的长期稳定关系并未出现，因此长期影响并不显著，但能在短期内快速产生显著影响；另一方面说明这些因素的空间溢出效应并不局限在临近县区，可以对域内其他县区农民人均纯收入产生随距离衰减的影响。

3 讨论

本文将贫困演变的时间尺度拉长到近35 a，发现甘肃省六盘山片区时空依赖依然突出。具体表现为，县区当前贫困状态很大程度上取决于初始状况，贫困空间集聚分布也没有显著改变，少数民族聚居的临夏州仍是农民人均纯收入洼地。这与空间贫困陷阱理论相符，与其他数十年尺度上的结果形成印证［8-9］，说明经过近35 a努力该地区穷根仍未能尽除。同时，鉴于研究区农民人均纯收入整体偏低，在2050 年实现共同富裕长期目标依然不容乐观，易地搬迁、加大公共服务和基础设施供给等区域瞄准政策依然重要。

研究发现，28 个县区农民人均纯收入增速在1994年或2007年存在显著突变，这种阶段性特征能弥合现有认知，即贫困演变特征可能因所选时段不同而不同［8-11］。在研究区，前一个突变可能与“八七扶贫攻坚计划”有关，这与现有相关研究的结论一致［28］。考虑到国家于2006年推出了税费减免、合作医疗、新农村建设等惠农和富农政策，而2005 年甘肃城镇化水平超过30%进入快速提高阶段，因此国家惠农政策、城镇化等宏观力量对后一个突变产生重要影响。可见，宏观上国家扶贫政策和经济社会发展的连续性既是过去35 a农民人均纯收入持续增长的核心力量，也是未来这种趋势延续的重要前提和保障。此外，研究发现降雨量对农户收入具有长期正向影响，由此来看西北地区的暖湿化趋势［29］，能为农户收入持续增长提供良好客观条件。

长期和短期来看，经济增长、产业结构和城镇化能透过“涓滴效应”和“空间溢出”有效改变时间依赖和空间锁定。因此，现阶段应以提高县域经济发展水平和质量为重点，着力推进城镇化进程和户籍制度改革，来带动本地和周边县区农民人均纯收入的增长。需要注意，一产比重对农民人均纯收入增长具有长期正向影响。考虑到2014—2020 年甘肃全省农民人均纯收入中农业经营收入占比仍稳定在36%左右，并且经济发展处于低水平时农业发展对于缓解农村贫困具有重要影响［11］，为缓解和缩小相对贫困，也应注重农业发展在推动留守农民人均纯收入增长中的重要作用。仅短期内，如要显著快速提高本地农民人均纯收入，加强人力资本投资、调整农业种植结构和加大交通基础设施建设也是重要政策取向，而且能通过空间溢出效应在更大空间范围内促进其他县区农民人均纯收入的增长。因此，乡村振兴战略目标下相对贫困治理，需系统考虑政策措施的时空协调性，统筹发挥长短期和近远程作用。

4 结论

（1）近35 a甘肃省六盘山片区农民人均纯收入年均增速显著提高，这种趋势将来持续不变。28个县区农民人均纯收入增速在1994年或2007年发生显著突变，这与经济社会发展和扶贫政策等宏观因素有关，表明贫困演变特征可能因所选时段不同而不同。

（2）近35 a甘肃省六盘山片区农民人均纯收入的时空依赖性强，空间上热点和冷点区域分布相对稳定，时间上低收入县区很难跨入高收入县区，但空间溢出效应能减轻农民人均纯收入的时间依赖。

（3）空间计量模型验证了时间依赖与空间溢出是塑造农民人均纯收入时空格局的重要力量，前者作用力更大。长期和短期来看，人均GDP、一产占比、城镇化对县区农民人均纯收入增加具有显著正向影响，也是溢出效应的重要来源。降雨量的长期直接效应显著为正。仅短期来说，人力资本、种植结构、交通设施等会对域内各县区农民人均纯收入产生显著且更为广泛影响。