中國(guó)城鄉(xiāng)收入差距與經(jīng)濟(jì)波動(dòng)的動(dòng)態(tài)關(guān)聯(lián)

駱永民 翟曉霞

摘 要：城鄉(xiāng)收入差距和諸多宏觀經(jīng)濟(jì)變量之間存在復(fù)雜的互動(dòng)關(guān)聯(lián)，所以其和經(jīng)濟(jì)波動(dòng)之間究竟存在怎樣的動(dòng)態(tài)關(guān)聯(lián)也就難以直觀判斷，亟待相應(yīng)的實(shí)證分析給出答案。文章綜合采用能夠處理“時(shí)間序列變量動(dòng)態(tài)關(guān)聯(lián)非線性特征”的MSVAR模型和能夠針對(duì)面板數(shù)據(jù)開展向量自回歸模型研究的PVAR模型，充分利用時(shí)間和空間的數(shù)據(jù)信息，研究了城鄉(xiāng)收入差距和經(jīng)濟(jì)波動(dòng)之間的動(dòng)態(tài)關(guān)聯(lián)，發(fā)現(xiàn)城鄉(xiāng)收入差距在大多數(shù)時(shí)間和空間內(nèi)能夠引致更強(qiáng)的經(jīng)濟(jì)波動(dòng)，而經(jīng)濟(jì)波動(dòng)也始終起到拉大城鄉(xiāng)收入差距的作用。

關(guān)鍵詞：城鄉(xiāng)收入差距；經(jīng)濟(jì)波動(dòng)；MSVAR；PVAR

[中圖分類號(hào)]F064.1 [文獻(xiàn)標(biāo)識(shí)碼] A [文章編號(hào)]1673-0461（2016）04-0006-06

一、引 言

中國(guó)自古以來(lái)即十分重視收入分配和經(jīng)濟(jì)波動(dòng)問(wèn)題，如《論語(yǔ)·季氏》中指出“不患寡而患不均，不患貧而患不安”，即認(rèn)為收入分配公平和經(jīng)濟(jì)穩(wěn)定是當(dāng)政者最應(yīng)關(guān)注的問(wèn)題?！豆茏印飞踔磷⒁獾截S年、災(zāi)年的經(jīng)濟(jì)波動(dòng)對(duì)貧富差距的影響，指出缺乏靈活性的稅收制度在災(zāi)、豐年的變遷中必然拉大貧富差距。而現(xiàn)代經(jīng)濟(jì)學(xué)則一直到20世紀(jì)90年代才開始對(duì)這兩者之間的關(guān)聯(lián)展開一定數(shù)量的研究，這些文獻(xiàn)主要分為兩類。第一類文獻(xiàn)致力于研究收入分配對(duì)經(jīng)濟(jì)波動(dòng)的影響。如Aghion等（1997、1999）強(qiáng)調(diào)收入分配不均會(huì)導(dǎo)致投資機(jī)會(huì)的不平等從而導(dǎo)致經(jīng)濟(jì)波動(dòng)[1-2]，Levy （2002）認(rèn)為收入差距擴(kuò)大會(huì)提升產(chǎn)出和物價(jià)波動(dòng)的幅度并導(dǎo)致經(jīng)濟(jì)波動(dòng)[3]，Woo （2011）認(rèn)為收入差距會(huì)導(dǎo)致政府政策的頻繁變動(dòng)從而造成經(jīng)濟(jì)波動(dòng)[4]。第二類文獻(xiàn)致力于研究經(jīng)濟(jì)波動(dòng)對(duì)收入分配的影響。Breen和García-Pe？觡alosa（2005）認(rèn)為企業(yè)家是風(fēng)險(xiǎn)偏好者，工人是風(fēng)險(xiǎn)規(guī)避者，在經(jīng)濟(jì)波動(dòng)中兩者對(duì)風(fēng)險(xiǎn)的不同態(tài)度會(huì)導(dǎo)致收入差距進(jìn)一步擴(kuò)大[5]。Checchi和García-Pe？觡alosa（2004）認(rèn)為貧窮者在經(jīng)濟(jì)波動(dòng)時(shí)很難具備儲(chǔ)存人力資本的條件，所以收入差距會(huì)擴(kuò)大[6]。

改革開放以后，隨著經(jīng)濟(jì)改革的不斷深入，中國(guó)的貧富差距也在不斷擴(kuò)大，而城鄉(xiāng)收入差距的日益加大又是其中最為重要的影響因素（李實(shí)等，2008；Kanbur和Zhang，2005；Chen 等， 2010）[7-9]。從城鄉(xiāng)收入差距對(duì)經(jīng)濟(jì)波動(dòng)的影響來(lái)看，由于城鄉(xiāng)居民有著完全不同的生活生產(chǎn)方式，當(dāng)城鄉(xiāng)收入差距擴(kuò)大時(shí)，城鄉(xiāng)居民在投資機(jī)會(huì)面前并不均等，并且由于城鄉(xiāng)收入差距的擴(kuò)大會(huì)對(duì)多種宏觀經(jīng)濟(jì)變量的穩(wěn)定性產(chǎn)生重要影響，所以會(huì)直接導(dǎo)致經(jīng)濟(jì)波動(dòng)。但是也應(yīng)注意到，政府的財(cái)政、貨幣政策更容易影響到城市居民，當(dāng)城市居民是稅收、消費(fèi)和公共服務(wù)的主體時(shí)，財(cái)政、貨幣政策能夠更有效地實(shí)現(xiàn)其穩(wěn)定經(jīng)濟(jì)的效果。并且政府往往會(huì)在經(jīng)濟(jì)波動(dòng)較為劇烈的情形下使用相機(jī)抉擇的政策，且這一類政策多是針對(duì)城市，所以城鄉(xiāng)收入差距較大時(shí)反而能夠更有效地平抑經(jīng)濟(jì)波動(dòng)。但如果城鄉(xiāng)收入差距不斷擴(kuò)大而導(dǎo)致政府頻繁采用相關(guān)政策來(lái)提升農(nóng)民收入，則可能由此直接引發(fā)經(jīng)濟(jì)波動(dòng)。所以，城鄉(xiāng)收入差距并不必然加劇經(jīng)濟(jì)波動(dòng)，反而有可能降低經(jīng)濟(jì)波動(dòng)的頻率。從經(jīng)濟(jì)波動(dòng)對(duì)城鄉(xiāng)收入差距的影響來(lái)看，不同內(nèi)容的經(jīng)濟(jì)波動(dòng)對(duì)城鄉(xiāng)收入差距的影響也是不確定的。如果經(jīng)濟(jì)波動(dòng)是全局性經(jīng)濟(jì)衰退造成，由于城市居民所有收入均來(lái)源于城市工業(yè)，一旦失業(yè)將失去所有生活來(lái)源，這種波動(dòng)對(duì)城市居民的影響是巨大的，可能會(huì)造成城鄉(xiāng)收入差距縮小。但假如衰退發(fā)生在特定的餐飲、建筑、初級(jí)加工業(yè)等吸收大量農(nóng)民工的行業(yè)，由于中國(guó)農(nóng)民務(wù)工收入已經(jīng)達(dá)到全部收入的50%以上且農(nóng)民抵御經(jīng)濟(jì)波動(dòng)風(fēng)險(xiǎn)的能力明顯低于城市居民，所以當(dāng)這一類型衰退發(fā)生時(shí)，農(nóng)民工這種非正式就業(yè)會(huì)很容易受到?jīng)_擊，城鄉(xiāng)收入差距就會(huì)擴(kuò)大。由此可見，城鄉(xiāng)收入差距和經(jīng)濟(jì)波動(dòng)之間存在十分明顯的相關(guān)性，但這種相關(guān)性的正負(fù)特征卻難以直觀判斷，需要較為深入的實(shí)證研究。但遺憾的是，就我們所知，目前國(guó)內(nèi)尚沒(méi)有文獻(xiàn)專門就兩者之間的動(dòng)態(tài)關(guān)聯(lián)開展實(shí)證研究。

基于上述討論，我們發(fā)現(xiàn)城鄉(xiāng)收入差距和經(jīng)濟(jì)波動(dòng)之間存在復(fù)雜的動(dòng)態(tài)關(guān)聯(lián)，這就需要使用能夠?qū)烧呔鳛閮?nèi)生變量處理的模型來(lái)加以分析，向量自回歸模型顯然是十分合適的選擇。但是，兩者之間的關(guān)聯(lián)又依據(jù)特定的時(shí)間和空間，可能存在一定的非線性效應(yīng)，所以應(yīng)盡可能地考慮到時(shí)間上的非線性結(jié)構(gòu)變化和空間差異可能導(dǎo)致實(shí)證結(jié)果的不同。針對(duì)時(shí)間上的非線性結(jié)構(gòu)變化，Hamilton（1989）[10]、Krolzig（1997）[11]等學(xué)者的處理方式是，將Markov轉(zhuǎn)移矩陣引入向量自回歸（VAR）模型的分析中，而其后的學(xué)者們又不斷深入地完善了這一方法，最終形成為成熟的馬爾科夫區(qū)制轉(zhuǎn)移向量自回歸模型（MSVAR），并進(jìn)一步發(fā)展了基于時(shí)變概率的MSVAR模型（Ding， 2012）[12]。基于此，本文擬采用MSVAR模型和中國(guó)自2001年到2014年的季度數(shù)據(jù)開展研究。關(guān)于空間上的差異，現(xiàn)有文獻(xiàn)較認(rèn)同采用面板數(shù)據(jù)向量自回歸模型（PVAR），來(lái)使用面板數(shù)據(jù)彌補(bǔ)時(shí)序數(shù)據(jù)缺乏空間差異信息的缺陷。所以，本文同時(shí)使用了兩種模型進(jìn)行綜合研究，以對(duì)城鄉(xiāng)收入差距和經(jīng)濟(jì)波動(dòng)之間的動(dòng)態(tài)關(guān)聯(lián)給出實(shí)證依據(jù)。就筆者所知，本文是國(guó)內(nèi)最早采用計(jì)量模型研究?jī)烧咧g關(guān)聯(lián)的實(shí)證研究。

二、研究設(shè)計(jì)

1. MSVAR模型的數(shù)據(jù)選擇及模型簡(jiǎn)介

根據(jù)前文的描述，本文需要使用城鄉(xiāng)收入差距和經(jīng)濟(jì)波動(dòng)的時(shí)序數(shù)據(jù)。借鑒其他相關(guān)文獻(xiàn)的處理辦法，采用城市居民的可支配收入比上農(nóng)村居民純收入（均為季度累計(jì)收入）作為城鄉(xiāng)收入差距的代理變量，使用GDP季度累計(jì)同比增長(zhǎng)率HP濾波后的波動(dòng)絕對(duì)值來(lái)指代經(jīng)濟(jì)波動(dòng)。選取數(shù)據(jù)的時(shí)間跨度是2001年第1季度到2014年第3季度（目前中國(guó)能夠搜集到的季度時(shí)序數(shù)據(jù)始于2001年），共47個(gè)時(shí)間序列點(diǎn)。所有數(shù)據(jù)來(lái)自于中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫(kù)，兩列數(shù)據(jù)的曲線圖為圖1。

從圖1可知，經(jīng)濟(jì)波動(dòng)的變動(dòng)從數(shù)值比例上來(lái)看比較劇烈，所以本文采用雙軸圖進(jìn)行描繪?？梢园l(fā)現(xiàn)，城鄉(xiāng)收入差距和經(jīng)濟(jì)波動(dòng)在大多數(shù)時(shí)間內(nèi)同步變動(dòng)，說(shuō)明兩者之間很可能主要存在正向的互動(dòng)關(guān)聯(lián)。從圖中還可以看出，在特定的某些階段，兩變量變動(dòng)幅度擴(kuò)大，但某些階段其變動(dòng)幅度縮小，且這種變動(dòng)無(wú)法根據(jù)經(jīng)驗(yàn)直接辨識(shí)。即兩變量間互動(dòng)關(guān)聯(lián)存在多區(qū)制的特點(diǎn)且無(wú)法直接給出某個(gè)時(shí)間段來(lái)框定，所以十分需要采用MSVAR模型進(jìn)行研究，后文對(duì)這一模型進(jìn)行了簡(jiǎn)介。首先，如果不考慮不同區(qū)制之間的不同，傳統(tǒng)的線性VAR模型構(gòu)建如下：

式（1）中Y是2維內(nèi)生變量向量，表示經(jīng)濟(jì)波動(dòng)和城鄉(xiāng)收入差距，v表示截距項(xiàng)，εt是殘差項(xiàng)，p指代模型時(shí)間滯后的階數(shù)。由于該模型是純線性向量自回歸模型，所以無(wú)法考慮非線性多區(qū)制之間的轉(zhuǎn)變。為此，本文將馬爾科夫鏈加入模型：

2. PVAR模型的數(shù)據(jù)選擇及模型簡(jiǎn)介

針對(duì)VAR模型難以考慮地區(qū)差異的問(wèn)題，Holtz-Eakin等（1988）[13]提出了基于面板數(shù)據(jù)的VAR模型，將VAR模型的應(yīng)用范圍大幅度擴(kuò)大。由于面板數(shù)據(jù)同時(shí)具備時(shí)間和空間維度信息，故而用以分析變量之間的關(guān)聯(lián)更加可靠。PVAR模型一經(jīng)提出之后即被廣泛關(guān)注，而后Lütkepohl （2007）[14]、Love和 Zicchino （2006）[15]等人又將其不斷發(fā)展，目前已經(jīng)成為宏觀研究領(lǐng)域較為成熟的面板數(shù)據(jù)分析工具，本文的PVAR模型如下：

見式（3），yit表示2維內(nèi)生變量向量，變量的下標(biāo)i表示地區(qū)，t表示時(shí)間。P指代PVAR模型時(shí)間滯后的階數(shù)，βj代表回歸系數(shù)向量，αi代表個(gè)體固定效應(yīng)。考慮到可能存在的異方差以及序列相關(guān)的影響，本文選擇廣義矩估計(jì)（GMM）方法對(duì)PVAR模型進(jìn)行估計(jì)。但是，由于受內(nèi)生變量滯后項(xiàng)影響，αi與滯后內(nèi)生變量容易產(chǎn)生相關(guān)性。基于此，本文同時(shí)采用了“前向均值差分法”來(lái)消除固定效應(yīng)（Arellano和Bover，1995）[16]。該方法主要使用移除前向均值這一轉(zhuǎn)換方法，盡力避免差分項(xiàng)與工具變量的正交，從而達(dá)到準(zhǔn)確估計(jì)模型的目的?？紤]到本文使用的數(shù)據(jù)時(shí)間跨度較短，并且根據(jù)采用不同滯后階數(shù)回歸結(jié)果的統(tǒng)計(jì)顯著性，本文采用滯后2期的模型（即p=2）進(jìn)行估計(jì)。

具體到面板數(shù)據(jù)的選取而言，本文使用中國(guó)大陸30個(gè)省級(jí)單位1998～2012年的面板數(shù)據(jù)開展分析（沒(méi)有選擇西藏省的數(shù)據(jù)）。這里之所以選擇1998年之后的數(shù)據(jù)是基于如下原因：其一，重慶自1997年成為直轄市，1998年之后有重慶的詳盡數(shù)據(jù)；其二，始于1994年的分稅制體制對(duì)地方經(jīng)濟(jì)產(chǎn)生過(guò)巨大影響并很可能在隨后幾年對(duì)經(jīng)濟(jì)波動(dòng)產(chǎn)生巨大影響，為避免這種影響導(dǎo)致的模型誤判，所以本文以1998年為數(shù)據(jù)起點(diǎn)；其三，中國(guó)自1998年開始在宏觀領(lǐng)域采取了一系列改革，是一個(gè)重要的時(shí)間起點(diǎn)。其中經(jīng)濟(jì)波動(dòng)的數(shù)據(jù)仍舊采用HP濾波方法，將GDP增長(zhǎng)率中的趨勢(shì)項(xiàng)去除后保留波動(dòng)絕對(duì)值作為經(jīng)濟(jì)波動(dòng)的代理變量。城鄉(xiāng)收入差距仍采用城市居民的可支配收入與農(nóng)村居民純收入的比值作為代理變量。

三、計(jì)量分析

1. 基于MSVAR模型的計(jì)量分析

在使用時(shí)序數(shù)據(jù)開展VAR模型分析之前，需要先檢測(cè)變量的穩(wěn)定性，本文使用ADF檢驗(yàn)和PP檢驗(yàn)來(lái)判定變量穩(wěn)定性，檢驗(yàn)結(jié)果見表1。從表1可以看出，兩列變量均是穩(wěn)定的，可以使用VAR模型進(jìn)行分析。

根據(jù)AIC、BIC準(zhǔn)則，本文最終選擇了滯后期為2期、3個(gè)區(qū)制的MSVAR模型，使用的軟件是MATLAB2012?；貧w結(jié)果見表2，三個(gè)區(qū)制之間轉(zhuǎn)移概率的具體時(shí)序數(shù)值見圖2。從圖2可以發(fā)現(xiàn)區(qū)制2的概率非常小，且預(yù)期持續(xù)期只有1.43，但區(qū)制1和區(qū)制3的持續(xù)期都較長(zhǎng)，且轉(zhuǎn)移概率都是0.95的高維持概率，所以區(qū)制1和區(qū)制3是本文需要重點(diǎn)分析的區(qū)制。由于模型涉及的參數(shù)過(guò)多，根據(jù)模型所有的參數(shù)難以直接看出兩列變量之間的互動(dòng)關(guān)聯(lián)，所以我們使用脈沖響應(yīng)函數(shù)的方法繪制出兩個(gè)變量之間的交互作用。根據(jù)圖2，需要繪制區(qū)制1和區(qū)制3下兩變量之間的互動(dòng)關(guān)聯(lián)。VAR模型的脈沖響應(yīng)分析是指，根據(jù)已經(jīng)得出的VAR模型回歸系數(shù)，當(dāng)某一變量在基期發(fā)生單位變化時(shí)（由擾動(dòng)項(xiàng)變化所致），分析其他變量隨后會(huì)發(fā)生怎樣的變化（高鐵梅，2009）[17]。

從圖3和圖4可以看出，隨著城鄉(xiāng)收入差距發(fā)生1單位的沖擊后，經(jīng)濟(jì)波動(dòng)的反應(yīng)一直大于0，且區(qū)制1的反應(yīng)小于區(qū)制3的反應(yīng)。隨著經(jīng)濟(jì)波動(dòng)發(fā)生1單位沖擊后，城鄉(xiāng)收入差距的反應(yīng)也一直為正，區(qū)制1下的反應(yīng)基本上也小于區(qū)制3的反應(yīng)。從圖2可以看出（結(jié)合圖1），區(qū)制1主要是2001年、2002年以及2010年以后，區(qū)制3是2003～2009年。這表明2003～2009年間，經(jīng)濟(jì)波動(dòng)受城鄉(xiāng)收入差距的影響較大。究其原因，在于2003～2009年之間中國(guó)政府采取了一系列旨在提升農(nóng)民收入的重大政策，城鄉(xiāng)收入差距波動(dòng)幅度變小，從而引發(fā)相關(guān)的貨幣財(cái)政政策自動(dòng)穩(wěn)定功能階段性失調(diào)，導(dǎo)致經(jīng)濟(jì)波動(dòng)加劇。與此同時(shí)，2003～2009年也是中國(guó)食品價(jià)格波動(dòng)劇烈的時(shí)期，經(jīng)濟(jì)波動(dòng)在此背景下也會(huì)對(duì)城鄉(xiāng)收入差距產(chǎn)生更大影響。整體來(lái)看，城鄉(xiāng)收入差距和經(jīng)濟(jì)波動(dòng)之間始終是正向的互動(dòng)關(guān)聯(lián)。

2. 基于PVAR模型的計(jì)量分析

使用PVAR模型之前同樣需要開展穩(wěn)定性檢驗(yàn)，其檢驗(yàn)結(jié)果見表3。從表3可以看出，城鄉(xiāng)收入差距和經(jīng)濟(jì)波動(dòng)的面板數(shù)據(jù)同樣也是穩(wěn)定的。

由于PVAR模型的參數(shù)較多且不能直觀地辨析變量間交互作用，所以這里僅使用脈沖響應(yīng)函數(shù)的方法繪制出兩個(gè)變量之間的交互作用。 從圖5中可以看出基于面板數(shù)據(jù)的脈沖響應(yīng)依然是正向的交互作用。

3. 模型穩(wěn)健性分析

為了探討MSVAR模型的穩(wěn)健性，本文采用如下方法：①考慮到物價(jià)指數(shù)可能會(huì)對(duì)城鄉(xiāng)收入差距和經(jīng)濟(jì)波動(dòng)同時(shí)產(chǎn)生影響，所以將這一變量加入模型以觀察區(qū)制特征是否依然成立，其結(jié)論是城鄉(xiāng)收入差距和經(jīng)濟(jì)波動(dòng)仍存在類似圖3和圖4的兩區(qū)制特征且交互作用仍保持相同特征；②采用普通的不考慮非線性特征的向量自回歸模型對(duì)兩者之間的互動(dòng)關(guān)聯(lián)進(jìn)行分析，通過(guò)脈沖響應(yīng)圖可以看出，兩者之間仍是正向的互動(dòng)關(guān)聯(lián)。上述兩種穩(wěn)健性檢驗(yàn)證明MSVAR模型具有很好的穩(wěn)健性。

為了研究面板向量自回歸模型的穩(wěn)健性，本文采用如下方法：①將數(shù)據(jù)分為東中西三個(gè)部分，分別開展研究，發(fā)現(xiàn)除西部地區(qū)兩者正向互動(dòng)特征不明顯外，東部和中部地區(qū)經(jīng)濟(jì)波動(dòng)和城鄉(xiāng)收入差距之間仍存在顯著的正向促進(jìn)作用；②將滯后期修改為2和3，除發(fā)現(xiàn)經(jīng)濟(jì)波動(dòng)和城鄉(xiāng)收入差距對(duì)自身的反應(yīng)發(fā)生較大變化外，兩者之間的互動(dòng)關(guān)聯(lián)仍顯著為正。上述兩種檢驗(yàn)證明PVAR模型具有很好的穩(wěn)健性。

四、結(jié) 論

本文認(rèn)為，城鄉(xiāng)收入差距和經(jīng)濟(jì)波動(dòng)之間存在復(fù)雜的邏輯關(guān)聯(lián)，但學(xué)術(shù)界卻尚未對(duì)兩者之間的關(guān)聯(lián)給出明確的實(shí)證依據(jù)。本文綜合采用能夠處理“時(shí)間序列變量動(dòng)態(tài)關(guān)聯(lián)非線性特征”的MSVAR模型和能夠針對(duì)面板數(shù)據(jù)開展向量自回歸模型研究的PVAR模型，充分利用時(shí)間和空間的數(shù)據(jù)信息，研究了城鄉(xiāng)收入差距和經(jīng)濟(jì)波動(dòng)之間的動(dòng)態(tài)關(guān)聯(lián)?；贛SVAR模型得出如下結(jié)論：城鄉(xiāng)收入差距和經(jīng)濟(jì)波動(dòng)之間的關(guān)聯(lián)特征在不同區(qū)制中呈現(xiàn)不同狀態(tài)，位于2003～2009年期間的區(qū)制中，城鄉(xiāng)收入差距和經(jīng)濟(jì)波動(dòng)之間的正向促進(jìn)作用明顯高于2001年、2002年和2010以后的年份，但整體來(lái)看兩者之間的正向關(guān)聯(lián)一直十分顯著?；赑VAR模型及其穩(wěn)健性檢驗(yàn)得出如下結(jié)論：在大多數(shù)的省域，城鄉(xiāng)收入差距和經(jīng)濟(jì)波動(dòng)之間存在明顯的正向互動(dòng)關(guān)聯(lián)。根據(jù)上述結(jié)論，可以認(rèn)為中國(guó)的城鄉(xiāng)收入差距和經(jīng)濟(jì)波動(dòng)之間，在大多數(shù)時(shí)間和空間內(nèi)存在明顯的正向促進(jìn)作用?；诖?，可以發(fā)現(xiàn)城鄉(xiāng)收入差距是影響宏觀經(jīng)濟(jì)穩(wěn)定的重要因素，且阻礙財(cái)政、貨幣政策發(fā)揮穩(wěn)定效應(yīng)。隨著信息技術(shù)的不斷完善，公眾理性預(yù)期日益強(qiáng)化，相機(jī)抉擇的政策效果日漸勢(shì)微，所以世界各國(guó)日益重視設(shè)計(jì)相應(yīng)的政策規(guī)則，來(lái)促使經(jīng)濟(jì)實(shí)現(xiàn)自動(dòng)穩(wěn)定。但過(guò)高的城鄉(xiāng)收入差距顯然是實(shí)現(xiàn)這一目標(biāo)的重要阻礙，故此需要政策著力采取相應(yīng)措施，努力縮小城鄉(xiāng)收入差距或至少減少其對(duì)經(jīng)濟(jì)波動(dòng)的放大效應(yīng)，來(lái)實(shí)現(xiàn)宏觀經(jīng)濟(jì)穩(wěn)定。

[參考文獻(xiàn)]

[1] Aghion P， Bolton P. A Theory of Trickle-down Growth and Development[J].The Review of Economic Studies， 1997， 64（2）： 151-172.

[2] Aghion P， Caroli E， Garcia-Penalosa C. Inequality and Economic Growth： the Perspective of the New Growth Theories[J].Journal of Economic literature， 1999，37（4）： 1615-1660.

[3] Levy A. A Note on Income Inequality and Macro-Economic Volatility[J].Australian Economic Papers， 2002， 41（2）： 233-238.

[4] Woo J. Growth， Income Distribution， and Fiscal Policy Volatility[J].Journal of Development Economics， 2011，96（2）：289-313.

[5] Breen R， García-Pealosa C.Income Inequality and Macroeconomic Volatility： an Empirical Investigation[J].Review of Development Economics， 2005， 9（3）： 380-398.

[6] Checchi D， García-Pealosa C. Risk and the Distribution of Human Capital[J]. Economics Letters， 2004，82（1）：53-61.

[7] 李實(shí)，史泰麗，別雍·古斯塔夫森.中國(guó)居民收入分配研究Ⅲ[M].北京：北京師范大學(xué)出版社， 2008.

[8] Kanbur R， Zhang X. Fifty Years of Regional Inequality in China： a Journey Through Central Planning， Reform， and Openness[J].Review of Development Economics， 2005，9（1）：87-106.

[9] Chen J， Dai D， Pu M， et al. The Trend of the Gini Coefficient of China[R].Brooks World Poverty Institute Working Paper， 2010 （109）.

[10] Hamilton J D. A new Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle[J].Econometrica： Journal of the Econometric Society， 1989， 57（2）： 357-384.

[11] Krolzig H M. Markov-switching Vector Autoregressions （modelling， Statistical Interference， and Application to Business Cycle Analysis）[R].Lecture Notes in Economics and Mathematical Systems， 1997.

[12] Ding Z. An Implementation of Markov Regime Switching Model with Time Varying Transition Probabilities in Matlab[R]. Available at SSRN 2083332， 2012.

[13] Holtz-Eakin D， Newey W， Rosen H S. Estimating Vector Autoregressions with Panel Data[J]. Econometrica： Journal of the Econometric Society， 1988， 56（6）： 1371-1395.

[14] Lütkepohl H. New Introduction to Multiple Time Series Analysis[M].Springer Science & Business Media， 2007.

[15] Love I， Zicchino L. Financial Development and Dynamic Investment Behavior：Evidence from Panel VAR[J]. The Quarterly Review of Economics and Finance， 2006，46（2）： 190-210.

[16] Arellano M， Bover O. Another Look at the Instrumental Variable Estimation of Error-components Models[J].Journal of Econometrics， 1995， 68（1）： 29-51.

[17] 高鐵梅.計(jì)量經(jīng)濟(jì)分析與建模： Eviews 應(yīng)用及實(shí)例[M].北京：清華大學(xué)出版社， 2009.