城镇化发展多维减贫效应分析.docVIP

城镇化发展多维减贫效应分析 贫困问题一直是困扰着我国经济社会发展的难题，改革开放以来，随着经济的持续高速发展，我国的扶贫工作取得了显著的成效，以最新的年收入2300元（2010年标准）为贫困标准线，我国的贫困人口由1978年的77039万人减少到了2017年的3046万人，贫困发生率也由97.5%降到了3.1%，贫困人口的规模和深度都得到了有效的控制。与此同时，由于我国人口基数庞大，区域经济发展不平衡等现状，我国的贫困问题依然严峻，扶贫减贫任务依然艰巨，尤其是老、少、边、连片特困地区，脱贫困难重重，制约着2020年全面建成小康社会目标的实现。值得关注的是，我国的官方统计资料一般采用单一指标即贫困发生率来测度贫困人口的变化，仅从收入角度反映贫困人口数量的变化，对于除收入以外的医疗教育等隐性贫困并不敏感，因而很难从整体上把握贫困程度，制订出相应的对策。因此，在对贫困进行测度时，采用多维贫困的视角[1]，除了常用的收入贫困外，加入了反映居民文化程度的“教育贫困”指标和反映居民可接受医疗服务程度的“医疗贫困”指标，以便更完整地反映居民的贫困状况。随着中国经济进入新常态，城镇化发展成为经济增长的重要动力，研究城镇化的多维减贫效应，具有一定的理论意义和现实意义。 1模型设定与变量说明 1.1理论假设。著名经济学家罗森斯坦-罗丹和缪尔达尔认为：一国的人均收入必须迈过一定的门槛才能逐步发展起来，否则会陷入“贫困陷阱”中，进入难以摆脱的恶性循环。在“贫困陷阱”中主要制约力量来自资本积累，而发展中国家城镇化的发展对于资本积累起着重要的作用，城镇化将城乡二元结构的闲置资源进行整合，提高资本积累率，从而使得经济摆脱“贫困陷阱”而迈向更高水平的均衡状态。结合相关学者的研究[2-13]，本文认为城镇化推进贫困减缓主要通过经济增长、产业结构优化和公共财政支出三个方面，因此提出以下三个假设：假设1：城镇化发展导致资源集聚从而提高生产效率，带动经济增长从而提高人均收入以及对教育、医疗等资源的获得性。假设2：城镇化所带来的人口迁徙一方面让农村贫困人口直接接触到了城镇的优质资源，另一方面劳动力的流入刺激了服务业的发展，进而通过产业结构的优化实现减贫。假设3：政府在推动城镇化的过程中加大财政公共支出力度，优化地区的基础设施建设和社会保障等从而有益于贫困减缓。1.2模型设定。为了检验城镇化发展与贫困减缓之间的关系，本文构建了基本计量模型：Povit=α0+α1Urbit+α2Macroit+vi+γt+μit（1）公式（1）中，Povit表示贫困程度，Urbit表示城镇化率，Macroit表示宏观控制变量，包括财政干预、人均GDP和产业结构三个指标,vi为不随时间变化的个体固定效应，γt为时间固定效应，μit为随机误差项。为了更加准确地估计城镇化减贫的空间溢出效应，本文在公式（1）的基础上加入空间变量和滞后期获得动态空间面板模型。Povit=ρ?wijPovit+LnxTitβ+δ?wijxTjt+λ?wijμij+vi+γt+?it（2）公式（2）中，ρ?wijPovit为被解释变量的空间滞后项,ρ为滞后项系数，wij为空间权重矩阵，LnxTit为解释变量，δ?wijxTjt表示解释变量的空间滞后项，δ表示其空间滞后项系数，?wijμij为扰动项空间滞后，λ为扰动项滞后系数，vi表示地区固定效应，γt表示时间固定效应，?it~(0，σ2)，通过对模型的相关系数进行控制可以得到不同类型的空间面板模型。当λ=0且δ=0时，可以得到空间滞后模型（SAR），空间滞后模型主要是度量被解释变量存在的直接空间效应；当ρ=0且δ=0时，可以得到空间误差模型（SEM），空间误差模型主要度量被解释变量除直接因素外的误差项产生的空间效应；当只有λ=0时，可以得到空间杜宾模型（SDM）。对于如何选择SAR、SEM、SDM三种空间面板模型，可以通过LM检验、Wald检验和LR检验来确定最合适的空间面板模型，为了便于比较和检验结果的稳定性，本文将三种模型同时进行了回归分析。权重矩阵是空间计量分析中表达空间交互结构的纽带，也是最为核心的步骤之一，本文采用的是空间嵌套权重矩阵，由邻接矩阵和经济权重矩阵相乘得到。采用嵌套矩阵一方面能够较好地反映相邻省域人口流动的空间特征,另一方面能体现不同省域之间经济相互依赖的程度。嵌套权重矩阵wij以表1所示的方式得出，同时对其进行标准化处理。本文所涉及的变量主要分为被解释变量、核心解释变量和控制变量三部分，具体情况为：（1）被解释变量。衡量贫困程度的指标通常有贫困发生率、SEN指数、GT指数等，这些指标都是以收入作为衡量的标准，在识别贫困程度上显得过于片面，而贫困实际上是一个多维度的指标，故借鉴傅鹏等[14]的做法，通过收入贫困、