超大城市共同富裕的时空特征及其影响因素

2024-01-20卢冲陈广坤刘金华

中国西部 2023年6期

卢冲陈广坤刘金华

[摘要]实现共同富裕是社会主义的本质要求。文章构建市域共同富裕指标体系，运用熵值法和投影寻踪模型，对2007—2020年成都市共同富裕水平的时空特征和影响因素进行考察。结果显示：成都市共同富裕水平呈不断提高趋势，各区（市）县共同富裕空间分布呈现聚集特征，一圈层城市和中心城区共同富裕水平最高，三圈层城市共同富裕水平最低。人口、产业结构和社会保障是影响共同富裕的主要因素。据此，提出以统筹城乡模式推进市域共同富裕的参考路径。

[关键词]统筹城乡试验区；共同富裕；时空特征；影响因素；城市

[中图分类号]F126；F127[文献标识码]A[文章编号]1008—0694（2023）06—0010—15

[作者]卢冲讲师西南财经大学社会发展研究院成都 611130

陈广坤博士研究生西南财经大学社会发展研究院成都 611130

刘金华研究员四川省社会科学院社会学研究所成都 610071

2023年7月，习近平总书记在四川考察时强调，把贯彻新发展理念、構建新发展格局、促进共同富裕贯穿经济社会发展各方面全过程，深入推进发展方式、发展动力、发展领域、发展质量变革，推动新时代治蜀兴川再上新台阶。实现共同富裕是中国特色社会主义现代化的重要特征、社会主义的本质要求。1985年9月，邓小平同志指出：“鼓励一部分地区、一部分人先富裕起来，也正是为了带动越来越多的人富裕起来，达到共同富裕的目的。”1990年，邓小平同志再次强调：“共同致富，我们从改革一开始就讲，将来总有一天要成为中心课题。”2020年，党的十九届五中全会明确提出：“到2035年全体人民共同富裕取得更为明显的实质性进展。”这标志着共同富裕的战略由理念转换为目标和行动。2021年，党中央、国务院为进一步加快实现共同富裕目标的行动步伐，出台了《中共中央国务院关于支持浙江高质量发展建设共同富裕示范区的意见》，明确要求在浙江先行先试、作出示范，为全国推动共同富裕提供省域范例。2021年8月，中央财经委员会提出对共同富裕的长期性、艰巨性和复杂性要有充分估计，鼓励各地因地制宜探索有效路径，总结经验，逐步推开。2021年11月，党的十九届六中全会明确提出，全面深化改革开放，促进共同富裕（2）。

习近平总书记发表的《扎实推动共同富裕》重要文章指出要深入研究不同阶段的目标，分阶段促进共同富裕。具体地，①到“十四五”末，全体人民共同富裕迈出坚实步伐，居民收入和实际消费水平差距逐步缩小；②到2035年，全体人民共同富裕取得更为明显的实质性进展，基本公共服务实现均等化；③到本世纪中叶，全体人民共同富裕基本实现，居民收入和实际消费水平差距缩小到合理区间3。《中共中央国务院关于支持浙江高质量发展建设共同富裕示范区的意见》和《浙江高质量发展建设共同富裕示范区实施方案（2021—2025年）》明确提出了共同富裕的阶段性发展目标：①到2025年，人均地区生产总值达到中等发达经济体水平，基本公共服务实现均等化；城乡居民收入和生活水平差距持续缩小，低收入群体增收和福利水平提升，中等收入群体为主体的橄榄型社会结构基本形成。②到2035年，人均地区生产总值和城乡居民收入达到发达经济体水平，城乡区域协调发展程度更高，收入和财富分配格局更加优化。共同富裕的核心内涵是实现全体人民普遍达到生活富裕富足、精神自信自强、环境宜居宜业、社会和谐和睦、公共服务普及普惠。综上可知，统筹城乡区域发展、改革收入分配制度、推动经济高质量发展、加大人力资本投资，促进人民福利水平提升，将有助于实现共同富裕（4）。

共同富裕是以社会主义基本经济制度为保障，是基本经济制度的自然发展。共同富裕的实现是以不断发展的生产力、经济水平为基础，以实现人民群众共享发展成果、共同过上幸福生活为核心；它的内涵是形成以中等收入阶层占主导的稳定的社会结构。共同富裕的实现是长期性的过程，是当前和长远目标的有机统一，共同富裕的最终表现是人的全面发展6。实现共同富裕的主要路径是：①全体人民公平地获得人力资本积累，公平地参与到社会主义现代化建设，扩大中等收入群体，增强中等收入群体富裕程度；②提高公共服务均等化水平，实现全体人民公平享受公共服务。③以户籍改革为核心，促进流动人口积极融入常住地，构建社会主义现代化人口空间分布结构，形成高质量的城镇化体系。

共同富裕和统筹城乡发展都以缩小收入差距、平等享受公共服务以及促进经济发展为核心目标。2009年，《成都市统筹城乡综合配套改革试验总体方案》出台，明确提出了成都市统筹城乡发展的目标涵盖以下6个方面：①人均地区生产总值逐步提升；②城乡差距逐步缩小；③工业集中度水平逐步提升；④城镇化率水平显著提升；⑤城乡实现充分就业；⑥城乡义务教育、医疗卫生、计划生育、文化、社会保障、环境保护等公共服务逐步均衡。2019年12月，国家发展改革委等18部委联合印发《关于开展国家城乡融合发展试验区工作的通知》，提出在四川成都西部片区的温江区、郫都区、都江堰市、彭州市和崇州市等8个区（市）县开展城乡融合试验。

通过比较《扎实推动共同富裕》《中共中央国务院关于支持浙江高质量发展建设共同富裕示范区的意见》《成都市统筹城乡综合配套改革试验总体方案》和《四川成都西部片区国家城乡融合发展试验区实施方案》的目标，有三个共性：一是人均地区生产总值逐步提升；二是居民收入（消费）差距逐步缩小；三是基本公共服务逐步均等化。表1进一步从发展性目标和共享性目标，详细对比了共同富裕与成都市统筹城乡试验区和四川成都西部片区城乡融合发展试验区的共同性和差异性。成都市统筹城乡试验区的发展目标中，除了没有明确提出构建橄榄型收入结构和大力缩小区域间收入差距这两个目标以外，成都市统筹城乡试验区与共同富裕在发展性目标和共享性目标等方面几乎是一致的。四川成都西部片区城乡融合发展试验区则主要与共同富裕的共享性目标和其他目标较为一致。在扎实推动共同富裕的背景下，成都市从2007年开始实施的统筹城乡试验可以视为是一种以统筹城乡为路径，实现城乡居民共同富裕的重要实践。

2021年，中共中央、国务院在浙江省探索共同富裕省域先行区的同时，鼓励各地因地制宜探索共同富裕的有效路径。一方面，关于省域层面共同富裕的探索主要在浙江省展开。另一方面，地方政府缺乏推进市域共同富裕建设的经验。在我国推动共同富裕的起步阶段，总结市域共同富裕经验对于实现城市共同富裕具有重要参考意义。

本文通过对成都市统筹城乡试验区的分析发现，共同富裕的核心目标与统筹城乡发展的核心目标是一致的。鉴于此，基于共同富裕的视角构建评价指标体系，测算2007—2020年成都市共同富裕发展水平和影响因素。

一、区域概况、试点政策及有益经验

1.区域概况

成都市为四川省省会、副省级城市，位于我国西南地区，下辖12个区、3个县及5个县级市。2020年，成都市常住人口达到2093.8万，成为我国4个超2000万人口的城市之一，地区生产总值达到1.77万亿元。成都市作为国家中心城市、成渝地区双城经济圈的核心城市，中国经济增长第四极的主要城市，在西部地区乃至全国都具有重要影响力。成都市的经济社会发展长期呈现出“圈层化”特征，其中，中心城区为第一圈层，近郊区县和远郊县（市）为二、三圈层。不同圈层之间在经济发展水平、产业布局和公共服务等方面存在明显差异①。事实上，以平原地貌为主体的成都市，中心城区与周边区域的经济社会联系相对紧密，形成了以“大城市带大郊区、大城市带大农村”的区域发展模式。因此，对成都市共同富裕模式、水平和影响因素的研究，能够为我国大量城乡二元经济结构的城市实现共同富裕提供经验参考。

2.试点政策

2007年，国家发展改革委批准成都市和重庆市设立“全国统筹城乡综合配套改革试验区”，要求两市抓紧制定具体实施方案，报送国务院审批后实施。2009年，《成都市统筹城乡综合配套改革试验总体方案》（简称《方案》）出台，提出了到2020年统筹城乡建设的主要目标：人均地区生产总值达到10万元以上、户籍人口城镇化率达到70％、工业集中度达到80％，教育、医疗等公共服务均等化水平显著提升，城乡居民收入比显著降低，城乡实现充分就业。成都市统筹城乡综合配套改革的重点建设任务主要有：深化农村产权制度改革、农村土地制度改革、农村金融改革、户籍制度改革，加快推进农业现代化，完善城乡一体公共服务体系、城乡基层治理机制，加强生态文明建设。通过重点建设任务将成都市建成公共服务均等化配置成果共享区、城乡协调发展区、经济高质量发展区、社会治理科学有效善治区、人与自然生态宜居区和现代农业综合示范区。《方案》提出按2009—2012年和2013—2020年两个阶段，制定改革行动计划和年度工作计划。

2021年，国家发展改革委将四川成都西部片区作为国家城乡融合发展试验区。成都市以协调推进乡村振兴和新型城镇化为抓手，重塑新型城乡关系为主线，为全国特大城市城乡融合发展提供成都方案。具体地，成都开展了建立生态产品价值实现机制、搭建城乡产业协同发展平台等5个方面的探索。同时，成都西部片区还通过引入高品质公共服务投资、促进中心城区和郊区基础设施一体化，全面提升成都西部片区正态公共服务品质，形成优质的生活环境。

3.有益經验

2007年，成都市被确立为全国统筹城乡综合配套改革试验区。成都市出台了一系列统筹城乡改革政策，经过15年左右的探索，逐步形成了实现共同富裕的成都实践模式：“体制机制＋基本公共服务均等化＋要素集中化”。基于该实践模式，成都市实现了统筹城乡发展，共同富裕水平不断提高。

（1）体制机制改革。成都市探索建立了统筹城乡管理体制，建立了覆盖城乡的公共财政体系和城乡并轨的基础教育、医疗卫生服务和社会保障服务制度，改变行政管理城乡分割现状，完善了城乡一体的行政管理体制（7）。

（2）基本公共服务均等化。成都市积极推进公共服务标准化改革，制定城乡教育、医疗等基本公共服务均等化标准。相继出台了《成都市农村中小学标准化建设标准》等政策措施，推进基本公共服务资源向农村延伸，通过资源配置均衡推进城乡基本公共服务均等化。完成农村土地确权颁证、集体林权制度改革，试行建设用地交易制度。同时，积极推进户籍制度改革，为农民和农民工享受基本公共服务破除制度障碍，保障成都居民平等享受公共服务的权利。

（3）要素集中化。成都市探索创造了“三个集中”发展战略，以破除全域要素自由流动障碍为核心，有效推动了“工业现代化、新型城镇化和农业现代化”，实现了城乡同发展共繁荣。具体措施上，工业向集中发展，实现工业规模化发展，为农村劳动力转移创造条件；农村居民向城镇集中，促进农村劳动力要素向二、三产业转移，为上地规模化经营创造条件；上地向适度规模经营集中，实现农业规模化生产，推动农业现代化发展。

二、数据来源和研究方法

1.指标体系

借鉴陈丽君等（2021）8和李后强等（2018）研究和《成都市统筹城乡2025规划》《浙江高质量发展建设共同富裕示范区实施方案（2021—2025年）》，并考虑数据的可获得性，构建出了成都市共同富裕指标体系，指标分为发展性指标和共同性指标两大类。表2展示了本文构建的成都市共同富裕指标体系：经济指标包括户籍人口城市化率、人均地区生产总值、就业率、城乡居民人均可支配收入比和生活消费支出比；公共服务指标包括城乡居民每万人医院数、医生数、床位数，城乡居民人均教育支出、城乡居民人均社保和就业支出；生态环境指标包括人均绿地面积和空气质量达标（API＜100）天数。

在测算成都市共同富裕水平后，我们进一步对影响共同富裕的主要因素进行了分析。影响因素主要包括人均固定资产投资额、第三产业占比、人口密度、人口迁入率、移动电话用户数、社会消费品零售总额、人均公共预算收入、城市和农村居民最低生活保障人数等。变量的描述性统计见表3。

2.数据来源

本文数据主要来自：①2008—2020年《成都统计年鉴》和2020年成都市各区（市）县国民经济和社会发展统计公报。②成都市生态环境局公布的环境空气质量报告。报告主要包含成都市各区（市）县2000—2020年空气质量达标（API＜100）天数等数据。

3.研究方法

首先，本文利用熵值法和投影寻踪模型，测算成都市共同富裕水平。接着，使用空间统计分析法中的莫兰指数（Moran＇sI）测算成都市各区（市）县共同富裕空间聚集水平，并使用热点分析（Getis—Ord G＊）识别各区（市）县共同富裕空间分布的热点区域。最后，利用线性概率模型探讨共同富裕水平的主要影响因素。

（1）熵值法。熵值法是一种客观赋权法，是根据各项指标观测值所提供的信息的大小来确定指标权重。信息论中，熵足对不确定信息的一种度量。信息量越大，不确定性越小；反之，不确定性越大。

根据指标特征，可以用熵值来判断某个指标的离散程度。熵值越小，离散程度越大，该指标对综合评价的影响（即权重）也越大。熵值法的计算步骤为：

第一步，数据标准化。由于正向指标和负向指标数值代表的含义不同，需要对正向和负向指标进行标准化处理。

对于正向指标：

对于负向指标：

其中，Z表示标准化后第i个样本的第j个指标的数值。

第二步，计算第j个指标下第i个样本占该指标的比重：

第三步，计算第j个指标的熵值：

其中，k＞0，e；＞0。

第四步，计算第j个指标的信息效用值：

（5）第五步，计算各项指标的权重：

最后，计算成都市及各区（市）县的共同富裕水平数值：

（2）投影寻踪模型。投影寻踪模型是一种用来分析和处理非线性和非正态高维度数据的统计分析工具10，处理数据时无须主观假定，能克服高维度数据造成的“维度祸根”问题。该方法在城市发展水平、户籍门槛指数测算等方面都有应用[11-12] 投影寻踪模型的操作步骤为：

第一步，评价指标归一化。假定x1为第i个区（市）县的第j个评价指标，n为区（市）县样本的个数，P为评价指标的个数。评价指标值形成的样本集为X—（x）｜i＝1，2，···，n；j＝1，2，···，P）。为了消除各个指标的量纲和变化范围的影响，需要对评价指标进行归一化处理。具体公式如下：

第二步，构造投影指标函数Q（a），把X综合成以一个n维单位向量a＝（al，a2，···，ap）为投影方向的一维投影值Z：

综合投影值要求Z的局部投影点尽可能密集，最好能凝聚成若干个点团，而点团之间要尽可能散开。基于此，采用Friedman—Tukey投影指标函数表示，Q（a）＝S（a）xD（a）。其中，S（a）是类间散开度，用投影值Z的标准差代替；D（a）是类内密集度，表示投影值Z；的局部密度：

式中，E是序列Z的均值；R为局部密度的窗口半径，与数据特性有关，根据具体的实验确定；r1是样本之间的距离，rn＝｜Z—Zj｜；u（R—r1）在（R—r）≥0时函数值为1，否则为0。

第三步，优化投影指标函数。投影函数只随投影方向的变化而变化，不同的方向反映不同的数据结构特征，最佳投影方向要尽可能反映高维度数据的结构特征。鉴于此，最佳投影方向通过求解投影指标函数的最大化问题来估计，具体为：

最大目标函数

约束条件：

目标函数是投影方向a为变量的复杂非线性优化问题，本文采用实数编码遗传算法进行求解。

最后，对测算出的指数进行排序。把最佳投影方向a带入各样本点的投影值Z，按Z之间的大小关系进行排序，对测算出的区（市）县的指数进行排序，即得到成都市各区（市）县共同富裕得分值的排序。

（3）空间统计法。空间自相关表示研究对象的属性值在地理空间上具有相关性。莫兰指数（Moran＇sI）常被用于测算数据是否具有空间相关性3。基于莫兰指数可以探讨成都市各区（市）县共同富裕水平是否具有溢出效应。

莫兰指数如下：

其中，n为样本数，wi为空间权重W矩阵的（i，j）元素，基于地理学第一定律，一般采用反距离权重的原则构造。x1和w；分别是空间单元i和j的观测值，x表示观测值的平均值。莫兰指数为正则表示空间正相关，反之，表示空间负相关。

热点分析（GetisOrdG）可以测算成都市各区（市）县共同富裕分布的热点和冷点区域。热点分析统计量得分越高，表示共同富裕水平呈现高值聚类越紧密；反之，表示共同富裕水平呈现低值聚类越紧密。

其中，X1为各区（市）县j的共同富裕水平，W为空间单元的空间权重，n为成都市各区（市）县总数，x为共同富裕水平的均值，S为各区（市）县共同富裕水平标准差，G；统计为得分，Z得分越高表示共同富裕分布呈现高值聚类越紧密，Z得分越低表示共同富裕分布呈现低值聚类越紧密。

（4）线性概率模型。本文的解释变量是成都市各区（市）县共同富裕指数，该指数为从0到1间连续的正数。鉴于此，使用线性概率模型对影响成都市各区（市）县共同富裕水平的因素进行分析。为了解决模型中可能存在的异方差问题，我们将在模型中使用稳健标准误。

模型设定如：

其中，yi表示使用熵值法和投影寻踪模型测算出的成都市各区（市）县共同富裕指数，取值为0到1之间的连续正数。Xn为一系列影响共同富裕的变量，比如：人口迁入率、人口密度和第三產业占比等。year，为时间固定效应，country；为县域固定效应，εi为随机扰动项。

三、成都市共同富裕发展水平

1.时间特征

表4展示了基于熵值法计算出的2007—2020年成都市共同富裕指数。2007—2020年，成都市共同富裕水平呈现逐步上升的趋势，共同富裕水平从0.116上升到0.545。其中，从2010年开始，成都市共同富裕水平提升水平显著加快。这可能的原因是，2009年以后成都市加快统筹城乡发展步伐，进而促进了共同富裕水平的提升。

整体上，2007—2020年成都市各区（市）县共同富裕水平都有显著提升，但区域差异明显。具体上，青羊区和锦江区共同富裕水平在各区（市）县中较高，且高于成都市平均水平。武侯区、金牛区和成华区共同富裕水平也相对较高，与成都市平均水平相近。双流区、郫都区、温江区、龙泉驿区和新都区共同富裕水平略低于全市平均水平。大邑县、崇州市、邛崃市、蒲江县、简阳市、金堂县、新津区和彭州市等共同富裕水平低于全市平均水平。本文也使用投影寻踪模型测算了成都市各区（市）县共同富裕指数，结果与熵值法测算结果基本一致。

2.空间特征

成都市一圈层城市和中心城区共同富裕水平较高，而二圈层城市和非中心城区共同富裕水平较低。表5展示了基于熵值法和投影寻踪模型计算的成都市各圈层城市、中心城区和非中心城区的共同富裕指数，结果显示，成都市一圈层城市的共同富裕水平较高，为0.418；二圈层城市的共同富裕水平为0.279；三圈层城市的共同富裕水平相对较低，为0.234。中心城区和非中心城区的共同富裕水平分别为0.349和0.234。基于投影寻踪模型测算的结果，可以发现，成都市一圈层城市和中心城区共同富裕水平较高，分别为2.313和2.196，而二圈层城市和非中心城区共同富裕水平较低，分别为2.079和1.914。综上可知，成都市共同富裕水平在空间上呈现圈层分布特征，其中，一圈层城市最高、二圈层城市较高而三圈层城市最低。

从空间分布来看，成都市各区（市）县中共同富裕水平最高的城市主要聚集于一圈层城市，比如青羊区、锦江区、武侯区、成华区、金牛区。其次，二圈层城市中龙泉驿区、温江区共同富裕水平相对较高。三圈层城市中都江堰市、新津区、青白江区和彭州市的共同富裕水平也相对较高，邛崃市、大邑县、崇州市、金堂县等共同富裕水平较低。

从空间相关性来看，2007年和2020年成都市各区（市）县共同富裕水平的莫兰指数分别为0.266和0.185，且在1％统计水平上显著。这表明，成都市各区（市）县的共同富裕水平在空间上呈现集聚分布特征，并且各区（市）县的共同富裕具有溢出效应。进一步，基于熵值法和投影寻踪模型测算的成都市各区（市）县共同富裕空间分布的热点分析显示，共同富裕水平分布的热点区在空间上呈现出显著的集聚特征，主要集聚在中心城区，比如金牛区、武侯区、新都区、青羊区、郫都区、锦江区、双流区等，这类地区较高的经济发展水平、较好的公共服务水平，有效地促进了共同富裕水平的提升。

四、成都市共同富裕影响因素

表6报告了基于等式（15）估计的成都市共同富裕影响因素的分析结果。列（1）汇报了未控制时间固定效应、城市固定效应和稳健标准误时的分析结果；列（2）和（3）分别为控制时间固定效应、城市固定效应和稳健标准误后的分析结果。具体而言，人口密度、人均预算收入、城镇低保人数对共同富裕都有显著的正向影响，且在1％统计水平上显著。这表明，当城市的人口规模越大，财政收入水平越高，城镇低保人数越多时，其共同富裕水平越高。金融机构储蓄额、农村低保人数对共同富裕有显著的负向影响。这说明，城市经济发展水平越高、人口规模越大，并且对城市低收入人群具有较好的社会保障，则城市的共同富裕发展水平越高。

列（4）和列（5）是将成都市各区（市）县分为中心城区和非中心城区分别进行回归的结果。具体上，人口密度和第三产业占比对中心城区共同富裕的正向影响更大，而人均预算收入和城镇低保人数对非中心城区共同富裕的正向影响更大，农村低保人数对非中心城区共同富裕的负向影响更大。值得注意的是，移动电话使用人数对中心城区共同富裕有显著负向影响，但是对非中心城区共同富裕却有显著的正向影响。整体上，人口、产业结构和社会保障是影响成都市共同富裕水平的主要因素。比较而言，人口和产业结构对中心城区共同富裕发展水平的正向影响更加显著，而社会保障对非中心城区共同富裕发展水平的正向影响更加突出。

五、结论和启示

本文构建了成都市共同富裕指标体系，分析了自2007年成都市实施统筹城乡政策以来，共同富裕发展水平的时空特征和影响因素。结果发现：（1）2007—2020年，成都市共同富裕水平从0.116上升到0.545，呈现出逐步上升趋势。（2）成都市一圈层城市共同富裕水平最高，二圈层城市和非中心城区共同富裕水平较低。（3）成都市各区（市）县的共同富裕水平具有显著的空间相关性，2007年和2020年共同富裕水平的莫兰指数分别为0.266和0.185。（4）人口、产业结构和社会保障是影响成都市共同富裕水平的主要因素。

逐步实现共同富裕，是社会主义的本质要求。省域层面的共同富裕的实践探索已经展开，但是，市域层面的共同富裕尚未起步。本文基于成都市统筹城乡改革的背景，对共同富裕发展水平和影响因素进行了分析。这对于积极推动共同富裕，尤其是市域层面的共同富裕具有现实意义。本文的研究结果有以下启示：①成都市实施统筹城乡发展是实现共同富裕的重要途径。通过对成都市共同富裕指标体系的构建，为我国市域层面评估共同富裕提供了参考，并丰富了我国共同富裕的内涵。②本文基于成都市统筹城乡背景下的统筹城乡模式总结，提炼出了实现共同富裕的有效路径，拓展了共同富裕的实现路径，这为我国西部地区实现市域层面的共同富裕，甚至全国其他城市实现共同富裕，提供了参考路径。③本文还对于实现四川省乃至西部地区民生福祉显著提升具有重要启示。应积极促进更加充分更高质量就业，实现居民收入增长和经济增长基本同步，城乡居民人均可支配收入显著增长，分配结构显著改善。同时，还应实现基本公共服务均等化水平明显提高，全民受教育程度不断提升，卫生健康体系更加完善，多层次社会保障体系更加健全，人民群众对美好生活新期待得到更好满足。

当然，本文的探索也存在一些不足。受数据限制，构建的共同富裕指标体系并不完善。因此，构建市域层面更为合理和科学的共同富裕指标体系是未来重点研究内容之一。

参考文献：

[1]邓小平，邓小平文选（第三卷）[M].北京：人民出版社，1993：373.

[2]中国共产党第十九届中央委员会第六次全体会议公报[J].求是，2021，（22）.

[3]习近平.扎实推动共同富裕[J].求是，2021，（20）.

[4]赖德胜.在高质量发展中促进共同富裕[J].北京工商大学学报（社会科学版），2021，（06）.

[5]李实，共同富裕的目标和实现路径选择[J].经济研究，2021，（11）.

[6]刘培林，钱滔，黄先海，等，共同富裕的内涵、实现路径与测度方法[J].管理世界，2021，（08）.

[7]姜晓萍。统筹城乡中基本公共服务均等化研究—以四川省成都市为例[J].社会科学研究，2012，（06）.

[8]陈丽君，郁建兴，徐铱娜，共同富裕指数模型的构建[J].治理研究，2021，（04）.

[9]李后强，卢阳春，程润华，国家中心城市发展动力研究—以成都市为例[J].中國西部，2018，（02）.

[10]FRIEDMAN JH，STUETZLE W. Projection pursuit methods for data analysis |J. Modern Data Analysis，1982，（06）.