1986—2020 年甘肅省六盤山片區(qū)貧困演變及啟示

馬振邦， 王思鑒， 李 薇， 呂 鵬， 郭曉東

（1.蘭州大學資源環(huán)境學院西部環(huán)境教育部重點實驗室，甘肅 蘭州 730000；2.甘肅省鄉(xiāng)村振興局，甘肅 蘭州 730000）

隨著脫貧攻堅取得全面勝利，中國歷史性的解決了絕對貧困問題。按照現(xiàn)行標準，改革開放以來中國7.7×108農(nóng)村貧困人口擺脫絕對貧困［1］。然而，相對貧困問題仍是中國共同富裕目標的重大挑戰(zhàn)，不同標準下中國相對貧困人口規(guī)模約1×108～4.57×108，大部分在甘肅省、貴州省等西部地區(qū)［2-3］。同時，雖然集中連片特困地區(qū)整體脫貧，但共同富裕能力與其他地區(qū)相比仍有較大差距［4］。可見，當前我國相對貧困的規(guī)模仍然不小，并且表現(xiàn)出地域上的不均衡，鄉(xiāng)村振興戰(zhàn)略下西部尤其是原連片特困地區(qū)需給予重點關(guān)注。

鑒于貧困治理不能一勞永逸，貧困的動態(tài)性在學術(shù)界備受關(guān)注［5］。地理學更關(guān)注區(qū)域貧困動態(tài)，從時空上探討貧困及其與地理環(huán)境、經(jīng)濟社會關(guān)系的變化規(guī)律［5-6］。研究表明，2001—2015年中國貧困地區(qū)集中連片分布態(tài)勢仍未轉(zhuǎn)變［7］，農(nóng)民人均純收入表現(xiàn)出低水平均衡和“俱樂部收斂”［8］。同樣，2005—2013 年貴州省縣級貧困發(fā)生率的空間分布態(tài)勢基本穩(wěn)定［9］。但在秦巴山片區(qū)，2004—2014 年村級貧困格局及驅(qū)動因素隨時間推移均發(fā)生了變化［10］。同樣，武陵山片區(qū)不同等級相對貧困縣的空間分布格局的變化不同［11］?？梢?，不同區(qū)域和時空尺度下貧困動態(tài)不盡相同，原因是貧困驅(qū)動因素的作用有時間“快”“慢”、頻率“高”“低”、范圍“大”“小”之分［11-13］。但現(xiàn)有研究多是截面或數(shù)十年尺度上靜態(tài)面板研究工作，短期則不能明晰貧困是否存在趨勢性、結(jié)構(gòu)性等長時特征，截面或靜態(tài)則無法甄別驅(qū)動因素的長期和短期效應，難以滿足鄉(xiāng)村振興目標下反貧困政策的持續(xù)性和聯(lián)動性要求。

甘肅省六盤山片區(qū)是原來國家14 個連片特困地區(qū)之一，當前相對貧困治理和鄉(xiāng)村振興任務依然艱巨。國家確定的160 個鄉(xiāng)村振興重點幫扶縣中，靖遠縣等16縣區(qū)仍然在列，分別占到全國的10%和甘肅省的70%。本文利用該區(qū)域1986—2020 年46個縣區(qū)經(jīng)濟社會數(shù)據(jù)，以農(nóng)民人均純收入為表征，在長時間尺度上考察貧困趨勢性、階段性、相關(guān)性等時空動態(tài)，運用動態(tài)空間面板模型解析驅(qū)動因素的長短期效應和空間溢出效應差異。鑒于現(xiàn)階段支持鄉(xiāng)村振興重點幫扶縣要強化區(qū)域統(tǒng)籌、系統(tǒng)發(fā)展的思維，從突出到人到戶轉(zhuǎn)向推動區(qū)域整體發(fā)展［14］，本文可為原連片特困地區(qū)的相對貧困治理提供有益啟示。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源

本文收集了甘肅省六盤山片區(qū)46 個縣區(qū)1986—2020 年的相關(guān)經(jīng)濟社會數(shù)據(jù)。從時序可比性以及與相對貧困界定相銜接的考慮［15］，以農(nóng)民人均純收入（1986 年不變價）來表征縣域貧困狀況。本文擬采用動態(tài)面板模型，因此未納入海拔、坡度等非時變因素，并借鑒相關(guān)學者的研究［16-17］，選擇人均GDP、人均不透水地表面積、一產(chǎn)占比等13 個變量。各指標含義、統(tǒng)計特征和數(shù)據(jù)來源見表1，其中：（1）人均受教育年限數(shù)據(jù)來源于歷屆人口普查和抽樣調(diào)查數(shù)據(jù)，其他年份數(shù)據(jù)利用內(nèi)插法獲得；（2）基于高德地圖（2020 年）、1:250000 全國基礎地理數(shù)據(jù)庫（2015 年）和中國科學院資源環(huán)境科學與數(shù)據(jù)中心（1995年）道路矢量數(shù)據(jù)，結(jié)合《甘肅路譜》記錄的縣級以上公路歷史信息來確定權(quán)重（《公路工程技術(shù)標準JTG B01-2014》不同技術(shù)等級的設計交通量），反推獲得歷年的加權(quán)公路密度。

表1 模型變量描述Tab.1 Model variable description

1.2 研究方法

1.2.1 時序變化分析本文以農(nóng)民人均純收入的年均增長速度為衡量指標，來考察收入增長的長期趨勢和突變點等時序特征。

長時序趨勢通常用穩(wěn)健的Theil-Sen 趨勢分析和Mann-Kendall 檢驗結(jié)合來實現(xiàn)［20］。利用Hurst 指數(shù)這一在水文學、經(jīng)濟學等領域廣泛應用的方法［21］，來考察時序數(shù)據(jù)的未來趨勢或時間依賴性。收入增速突變時點用Pettitt 檢驗來實現(xiàn)，優(yōu)點是不要求數(shù)據(jù)序列的正態(tài)性，受離群值點的影響小，詳見相關(guān)文獻［22］。

Theil-Sen 指數(shù)、Pettitt 突變點和Hurst 指數(shù)基于R語言trend包和pracma包計算獲得。

1.2.2 空間格局分析空間格局分析方法成熟，本文利用莫蘭指數(shù)（Moran’sI）來考察農(nóng)民人均純收入及年均增速的空間集聚特征，利用Getis-OrdGi*識別農(nóng)民人均純收入的空間冷熱點。運用基于馬爾科夫矩陣發(fā)展而來的空間馬爾科夫矩陣，來探測縣區(qū)農(nóng)民人均純收入之間的相互聯(lián)系和相互作用，也即縣區(qū)間是否存在空間溢出效應［23］。Moran’sI和Getis-OrdGi*分析基于ArcGIS 10.3實現(xiàn)，馬爾科夫和空間馬爾科夫方法基于Stata 15實現(xiàn)。

1.2.3 計量模型設定考慮到被解釋變量可能存在的時空相關(guān)性，以及解釋變量存在的空間相關(guān)性，本文建立農(nóng)民人均純收入的動態(tài)空間杜賓模型進行分析，如下：

式中：Yit為縣區(qū)i在時期t的農(nóng)民人均純收入；Yit-1為農(nóng)民人均純收入的時間滯后項；W為空間權(quán)重矩陣，WYit為農(nóng)民人均純收入的空間滯后項；Xit為縣區(qū)i在時期t的解釋變量矩陣；WXit為各解釋變量的空間滯后項矩陣；ci和μt分別為個體和時間固定效應項；εit為隨機誤差項；τ和δ為待估系數(shù)；β1和β2為待估系數(shù)向量。當τ=0時，為靜態(tài)空間面板模型；當δ=β2=0時，為動態(tài)面板模型；當τ=δ=β2=0時，為普通面板模型。

上述模型可利用Elhorst 等提出的偏差修正的準最大似然法進行估計［24］，本文基于Stata 15 的xsmle 命令實現(xiàn)。同時，利用LeSage 提出的偏微分方法，把估計結(jié)果分解為直接效應、間接效應，分別對應本地直接影響和空間溢出效應［25］。

2 結(jié)果與分析

2.1 農(nóng)民人均純收入的時序演變

從農(nóng)民人均純收入隨時間的變化（圖1）可以發(fā)現(xiàn)，研究區(qū)農(nóng)民人均純收入水平增長趨勢明顯，46個縣區(qū)現(xiàn)價均值從1986 年的255 元提高到2020 年的近10000 元。從1986—2020 年各縣區(qū)農(nóng)民人均純收入（1986 年不變價）年均增速的統(tǒng)計特征和Theil-Sen 趨勢度（表2）可以發(fā)現(xiàn)，各縣區(qū)農(nóng)民人均純收入年均增速在4.91%～7.42%之間（均值為6.04%），總體上增長6.7 倍?？疾燹r(nóng)民人均純收入增速的趨勢性發(fā)現(xiàn)，各縣區(qū)Theil-Sen 指數(shù)位于0.07～0.40 之間（均值為0.22），其中P＜0.1 水平上顯著縣區(qū)數(shù)為32個，說明70%的縣區(qū)農(nóng)民人均純收入年均增速顯著提升。此外，Pettitt 突變點檢測發(fā)現(xiàn)（圖2），P＜0.1水平上28個（61%）縣區(qū)收入增速存在顯著突變點，分別在1994年和2007年左右，意味著這2 個時間點上存在引致增速突變的結(jié)構(gòu)性因素。Hurst 指數(shù)結(jié)果顯示（表2），研究區(qū)各縣區(qū)農(nóng)民人均純收入增速的Hurst 指數(shù)介于0.54～0.75 之間（均值為0.64），意味著農(nóng)民人均純收入增速的增長趨勢仍將持續(xù)。

圖1 1986—2020年研究區(qū)各縣區(qū)農(nóng)民人均純收入箱式圖Fig.1 Box chart of farmers’per capita net income in each county and district of the study area from 1986 to 2020

圖2 1986—2020年農(nóng)民人均純收入增速的突變點Fig.2 Abrupt change in the growth rate of farmers’per capita net income from 1986 to 2020

表2 農(nóng)民人均純收入年均增速的統(tǒng)計特征Tab.2 Statistical characteristics of annual growth rate of farmers’per capita net income

2.2 農(nóng)民人均純收入的格局演變

從8 個年份農(nóng)民人均純收入的冷熱點分布（圖3）來看，總體上，研究區(qū)農(nóng)民人均純收入的熱點和冷點區(qū)域分布相對穩(wěn)定，蘭州市和白銀市各縣區(qū)收入一直保持較高水平，臨夏州各縣區(qū)則位于較低水平。從Moran’sI的時間變化來看（圖4），1986—2020年其值介于0.27～0.45之間且顯著。這表明，各縣區(qū)農(nóng)民人均純收入的空間集聚性顯著，即收入高的縣區(qū)趨于相鄰，而收入低的縣區(qū)也趨于相鄰。值得注意的是，農(nóng)民人均純收入年均增長率的Moran’sI在1994—2000年（均值0.42）和2006—2020年（均值0.32）2 個時間段顯著為正，說明該時間段農(nóng)民人均純收入增速存在顯著空間關(guān)聯(lián)。

圖3 1986—2020年農(nóng)民人均純收入的冷熱點分布Fig.3 Distribution of hot and cold spots of farmers’per capita net income from 1986 to 2020

圖4 1986—2020年農(nóng)民人均純收入及增速的空間自相關(guān)Fig.4 Spatial autocorrelation of farmers’per capita net income and its growth rate from 1986 to 2020

將人均純收入按四分位數(shù)劃為低水平、中低水平、中高水平和高水平4個類型，進一步比較馬爾科夫矩陣和空間馬爾科夫矩陣結(jié)果。從表3 可以看出，馬爾科夫矩陣對角線所有值介于77.1%～90.2%，遠高于非對角線上的0～11.4%，說明收入水平類型更傾向于保持不變。初始高收入縣區(qū)未來仍保持高收入的概率為90.2%，未來初始低收入縣區(qū)仍處于低收入類型的概率為88.4%，表明低收入縣區(qū)很難跨越到高收入縣區(qū)，同時意味著貧困存在很強時間依賴性。從空間馬爾科夫矩陣結(jié)果來看，與低水平類型相鄰的縣區(qū)，向上轉(zhuǎn)移概率小于向下轉(zhuǎn)移概率；反之，與高水平相鄰的縣區(qū)，向上轉(zhuǎn)移的概率較大，而向下轉(zhuǎn)移的概率較小。例如，低水平縣區(qū)與高、中高、中低和低水平縣區(qū)相鄰，則未來向上轉(zhuǎn)入中低水平類型的概率分別為25.0%、12.8%、12.4%和5.9%，呈現(xiàn)遞減趨勢，說明空間溢出效應能減輕低收入縣區(qū)的時間依賴。

表3 1986—2020年不同農(nóng)民人均純收入類型的馬爾科夫和空間馬爾科夫轉(zhuǎn)移矩陣Tab.3 Nonspatial and spatial Markov-chain transitional matrices of different farmers’per capita net income types from 1986 to 2020 /%

2.3 農(nóng)民人均純收入變化的驅(qū)動因素

本文建立動態(tài)空間面板模型來識別農(nóng)民人均純收入的驅(qū)動因素。為控制多重共線性和偽回歸的影響，基于Stata 計算了自變量的方差膨脹因子（VIF），并進行了面板單位根檢驗和協(xié)整分析。結(jié)果顯示：各變量VIF值皆小于10；除年降水量外其他變量均為一階單整，進而發(fā)現(xiàn)多變量間存在協(xié)整關(guān)系，此時估計結(jié)果有效［26］。空間面板模型構(gòu)建遵循以下步驟［27］：（1）通過固定效應聯(lián)合顯著性檢驗，確定該模型應包含時間和空間雙向固定效應；（2）利用拉格朗日乘數(shù)檢驗及其穩(wěn)健形式，發(fā)現(xiàn)存在顯著的空間交互影響關(guān)系，應在模型中納入誤差或者滯后形式的空間滯后項；（3）通過Wald 檢驗（誤差模型P＜0.001，滯后模型P=0.0225）和似然比檢驗（誤差和滯后模型皆P＜0.001），判斷出空間杜賓模型不能被簡化為誤差模型或滯后模型；（4）利用Hausman 檢驗（chi2=344.5，P＜0.001）確定了在固定效應模型和隨機效應模型中應選擇前者。綜上，表4 給出了queen 空間權(quán)重下嵌套雙向固定效應的靜態(tài)（queen）和動態(tài)（queen_lag）空間面板模型結(jié)果。同時，還報告了面板聚合最小二乘法（pols）、靜態(tài)面板（xtreg）和SYS-GMM 動態(tài)面板（xtabond2）結(jié)果，以及反距離（iver）、反距離平方（iver2）和最近鄰（knn5）3種不同空間權(quán)重下模型結(jié)果，以評估結(jié)果的穩(wěn)健性。

表4 面板模型估計結(jié)果Tab.4 Estimation results of panel data model

從表4 可見，時空2 個維度上被解釋變量的時間和空間滯后系數(shù)在模型（3）～（8）中均顯著為正，驗證了農(nóng)民人均純收入存在顯著的時空依賴。也即，自身初始狀態(tài)和周邊鄰居狀態(tài)，很大程度上決定了近35 a本縣區(qū)的農(nóng)民人均純收入水平。同時，與模型（1）、（2）相比，人均GDP、有效灌溉面積占比、一產(chǎn)占比至少在2 個模型中顯著，人均GDP、家庭規(guī)模、一產(chǎn)占比、教育年限、人均不透水地表和道路密度的空間滯后項至少在2 個模型中顯著，意味著上述變量通過本地或溢出效應對農(nóng)民人均純收入時空格局演變產(chǎn)生重要影響。

表5 給出了模型（4）～（8）中各解釋變量直接效應和間接效應。可以發(fā)現(xiàn)，總體上同一因素的效應值方向一致，而且長期效應絕對值均大于短期效應，說明動態(tài)空間面板模型估計結(jié)果總體穩(wěn)健。由于模型（5）擬合效果最好（AIC值最?。?，據(jù)其展開討論：（1）人均GDP 長期看來直接效應和間接效應分別為0.177 和0.595，短期看來直接效應和間接效應分別為0.05 和0.04，說明無論短期還是長期人均GDP不但顯著影響本縣區(qū)農(nóng)民人均純收入，而且對相鄰縣區(qū)農(nóng)民人均純收入有正的空間溢出效應。（2）同樣，一產(chǎn)占比、人均不透水地表無論是短期還是長期來看，都能對本縣區(qū)和相鄰縣區(qū)農(nóng)民人均純收入產(chǎn)生顯著正向影響。值得注意的是與人均GDP 相比，人均不透水地表數(shù)值較小，表明過去城鎮(zhèn)化的作用小于經(jīng)濟增長的作用?？紤]到各縣區(qū)城鎮(zhèn)化水平普遍低，于2005年左右進入快速提升階段，并不能就此得出城鎮(zhèn)化的增收效應低于經(jīng)濟增長的結(jié)論。同時，降雨量的長期直接效應顯著為正，意味著西北地區(qū)暖濕化趨勢對提高農(nóng)民人均純收入是個利好。

表5 農(nóng)民人均純收入驅(qū)動因素空間溢出效應的分解結(jié)果Tab.5 Decomposition of the spatial spillover effect of driving factors for farmers’per capita net income

鑒于反距離空間權(quán)重能刻畫全域范圍內(nèi)空間溢出效應，模型（6）可甄別各因素在更大空間范圍內(nèi)的影響。家庭規(guī)模、教育水平、經(jīng)濟作物占比、鐵路和高速公路、公路密度的作用主要通過短期的直接效應和間接效應表達，一方面說明它們與農(nóng)民人均純收入的長期穩(wěn)定關(guān)系并未出現(xiàn)，因此長期影響并不顯著，但能在短期內(nèi)快速產(chǎn)生顯著影響；另一方面說明這些因素的空間溢出效應并不局限在臨近縣區(qū)，可以對域內(nèi)其他縣區(qū)農(nóng)民人均純收入產(chǎn)生隨距離衰減的影響。

3 討論

本文將貧困演變的時間尺度拉長到近35 a，發(fā)現(xiàn)甘肅省六盤山片區(qū)時空依賴依然突出。具體表現(xiàn)為，縣區(qū)當前貧困狀態(tài)很大程度上取決于初始狀況，貧困空間集聚分布也沒有顯著改變，少數(shù)民族聚居的臨夏州仍是農(nóng)民人均純收入洼地。這與空間貧困陷阱理論相符，與其他數(shù)十年尺度上的結(jié)果形成印證［8-9］，說明經(jīng)過近35 a努力該地區(qū)窮根仍未能盡除。同時，鑒于研究區(qū)農(nóng)民人均純收入整體偏低，在2050 年實現(xiàn)共同富裕長期目標依然不容樂觀，易地搬遷、加大公共服務和基礎設施供給等區(qū)域瞄準政策依然重要。

研究發(fā)現(xiàn)，28 個縣區(qū)農(nóng)民人均純收入增速在1994年或2007年存在顯著突變，這種階段性特征能彌合現(xiàn)有認知，即貧困演變特征可能因所選時段不同而不同［8-11］。在研究區(qū)，前一個突變可能與“八七扶貧攻堅計劃”有關(guān)，這與現(xiàn)有相關(guān)研究的結(jié)論一致［28］?？紤]到國家于2006年推出了稅費減免、合作醫(yī)療、新農(nóng)村建設等惠農(nóng)和富農(nóng)政策，而2005 年甘肅城鎮(zhèn)化水平超過30%進入快速提高階段，因此國家惠農(nóng)政策、城鎮(zhèn)化等宏觀力量對后一個突變產(chǎn)生重要影響?？梢姡暧^上國家扶貧政策和經(jīng)濟社會發(fā)展的連續(xù)性既是過去35 a農(nóng)民人均純收入持續(xù)增長的核心力量，也是未來這種趨勢延續(xù)的重要前提和保障。此外，研究發(fā)現(xiàn)降雨量對農(nóng)戶收入具有長期正向影響，由此來看西北地區(qū)的暖濕化趨勢［29］，能為農(nóng)戶收入持續(xù)增長提供良好客觀條件。

長期和短期來看，經(jīng)濟增長、產(chǎn)業(yè)結(jié)構(gòu)和城鎮(zhèn)化能透過“涓滴效應”和“空間溢出”有效改變時間依賴和空間鎖定。因此，現(xiàn)階段應以提高縣域經(jīng)濟發(fā)展水平和質(zhì)量為重點，著力推進城鎮(zhèn)化進程和戶籍制度改革，來帶動本地和周邊縣區(qū)農(nóng)民人均純收入的增長。需要注意，一產(chǎn)比重對農(nóng)民人均純收入增長具有長期正向影響?？紤]到2014—2020 年甘肅全省農(nóng)民人均純收入中農(nóng)業(yè)經(jīng)營收入占比仍穩(wěn)定在36%左右，并且經(jīng)濟發(fā)展處于低水平時農(nóng)業(yè)發(fā)展對于緩解農(nóng)村貧困具有重要影響［11］，為緩解和縮小相對貧困，也應注重農(nóng)業(yè)發(fā)展在推動留守農(nóng)民人均純收入增長中的重要作用。僅短期內(nèi)，如要顯著快速提高本地農(nóng)民人均純收入，加強人力資本投資、調(diào)整農(nóng)業(yè)種植結(jié)構(gòu)和加大交通基礎設施建設也是重要政策取向，而且能通過空間溢出效應在更大空間范圍內(nèi)促進其他縣區(qū)農(nóng)民人均純收入的增長。因此，鄉(xiāng)村振興戰(zhàn)略目標下相對貧困治理，需系統(tǒng)考慮政策措施的時空協(xié)調(diào)性，統(tǒng)籌發(fā)揮長短期和近遠程作用。

4 結(jié)論

（1）近35 a甘肅省六盤山片區(qū)農(nóng)民人均純收入年均增速顯著提高，這種趨勢將來持續(xù)不變。28個縣區(qū)農(nóng)民人均純收入增速在1994年或2007年發(fā)生顯著突變，這與經(jīng)濟社會發(fā)展和扶貧政策等宏觀因素有關(guān)，表明貧困演變特征可能因所選時段不同而不同。

（2）近35 a甘肅省六盤山片區(qū)農(nóng)民人均純收入的時空依賴性強，空間上熱點和冷點區(qū)域分布相對穩(wěn)定，時間上低收入縣區(qū)很難跨入高收入縣區(qū)，但空間溢出效應能減輕農(nóng)民人均純收入的時間依賴。

（3）空間計量模型驗證了時間依賴與空間溢出是塑造農(nóng)民人均純收入時空格局的重要力量，前者作用力更大。長期和短期來看，人均GDP、一產(chǎn)占比、城鎮(zhèn)化對縣區(qū)農(nóng)民人均純收入增加具有顯著正向影響，也是溢出效應的重要來源。降雨量的長期直接效應顯著為正。僅短期來說，人力資本、種植結(jié)構(gòu)、交通設施等會對域內(nèi)各縣區(qū)農(nóng)民人均純收入產(chǎn)生顯著且更為廣泛影響。