EN中文

地理科学 >

2021 , Vol. 41 >Issue 3: 522 - 533

DOI: https://doi.org/10.13249/j.cnki.sgs.2021.03.017

湘渝川滇黔桂地市城镇化减贫效应的异质性及演变特征分析

  • 丁建军 , 1 ,
  • 金宁波 1 ,
  • 王璋 1 ,
  • 刘超 2
展开
  • 1.吉首大学商学院，湖南 吉首 416000
  • 2.河南理工大学测绘与国土信息工程学院，河南 焦作 454000

丁建军（1980−），男，湖南衡东人，教授，博导，主要从事区域贫困与发展研究。E-mail：

收稿日期: 2019-08-29

  修回日期: 2020-02-12

  网络出版日期: 2021-05-11

基金资助

国家自然科学基金项目(41761022)

湖南省杰出青年科学基金项目(2020JJ2025)

湖南省社科基金重点项目(18ZDB031)

武陵山片区扶贫与发展2011协同创新中心开放基金项目(19JDZB069)

生态旅游湖南省重点实验室平台项目资助(STLV1815)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Heterogeneity and Evolution Characteristics of Poverty Reduction Effect of Prefecture-level Cities’ Urbanization in Hunan, Chongqing, Sichuan, Yunnan, Guizhou and Guangxi

  • Ding Jianjun , 1 ,
  • Jin Ningbo 1 ,
  • Wang Zhang 1 ,
  • Liu Chao 2
Expand
  • 1. Business School, Jishou University, Jishou 416000, Hunan, China
  • 2. School of Surveying and Mapping and Territorial Information Engineering, Henan University of Technology, Jiaozuo 454000, Henan, China

Received date: 2019-08-29

  Revised date: 2020-02-12

  Online published: 2021-05-11

Supported by

National Natural Science Foundation of China(41761022)

Science Fund for Distinguished Young Scholars of Hunan Province(2020JJ2025)

Key Program of Social Science Foundation in Hunan Province(18ZDB031)

Open Foundation Program of the 2011 Collaborative Innovation Center of Wuling Mountain Area’s Poverty Alleviation and Regional Development(19JDZB069)

Platform Program of Key Laboratory of Ecotourism in Hunan Province(STLV1815)

Copyright

Copyright reserved © 2022.
Fold

摘要

从地市空间尺度出发，应用空间聚类分析方法和地理加权回归模型，研究了2006、2011和2016年湘渝川滇黔桂111个地市城镇化减贫效应的空间异质性及其时空演变趋势。结果表明：① 湘渝川滇黔桂地市城镇化减贫效应存在明显的空间异质性，其中，人口城镇化率提升对农民收入的影响总体逐步增强，且影响系数最高值区域总体稳定在湖南境内的中东部地市；② 产业城镇化总体具有益贫性，但在部分地区表现为抑制农民增收，其总体正向影响变大的同时差异性也随之扩大。在空间上，产业城镇化的减贫效应最低值区域从湖南、广西境内集中分布及其它省域分散分布向湖南东南部和广西东北部收缩，人口城镇化减贫效应低值区域和产业城镇化的高值区域基本重合；③ 土地城镇化对农民收入影响有正有负，但回归系数的均值一直为负，总体上抑制农民增收，其减贫效应空间上呈现差异扩大趋势，其最高值由四川北部及东北部、重庆东北部、广西东南部等地区逐步向广西境内集中，总体上呈现“南高北低”分布格局；④ 城镇化质量对农民收入均有显著的正向影响，且总体减贫效应逐步提升，但这一效应呈现出倒“U”型特征。在空间上，湖南地市城镇化质量减贫效应强于其他省份地市。据此，提出加快推进人口城镇化进程、合理优化二三产业结构、制定科学的征地补偿制度和因地制宜地促进城镇化高质量发展的建议。

关键词： 城镇化; 减贫效应; 空间异质性; 连片特困区

本文引用格式

丁建军 , 金宁波 , 王璋 , 刘超 . 湘渝川滇黔桂地市城镇化减贫效应的异质性及演变特征分析[J]. 地理科学, 2021 , 41(3) : 522 -533 . DOI: 10.13249/j.cnki.sgs.2021.03.017

Abstract

Based on the spatial scale of prefecture level cities, spatial clustering analysis method and geographically weighted regression model are applied to studying the spatial heterogeneity of poverty reduction effect of urbanization and the trends of spatiotemporal evolution with the data from 111 prefecture level cities of Hunan, Chongqing, Sichuan, Yunnan, Guizhou and Guangxi in 2006, 2011 and 2016. The results show that: 1) There is obviously spatial heterogeneity in poverty reduction effect of urbanization in Hunan, Chongqing, Sichuan, Yunnan, Guizhou and Guangxi. Among them, the increase of population urbanization rate has gradually increased the overall impact to farmers’ income, and the high impact coefficients are mainly concentrated in the central and western Hunan. 2) Industrial urbanization is generally beneficial to increase farmers’ income, but in some areas it shows the opposite effect. Besides, as the positive effects of industrial urbanization on the changing of farmers’ incomes gradually expanding, their differences in different regions also expand over time. In terms of space, the areas with lower poverty reduction effect of industrial urbanization which are gradually shrinking from Hunan, Guangxi and other prefecture level cities to northeastern Guangxi, eastern and southern Hunan, and the areas with low population urbanization poverty reduction effect and high industrial urbanization poverty reduction effect are overlapped. 3) The impact of land urbanization on farmers’ income varies greatly in different regions. However, the mean value of the regression coefficient is always negatively shows that it plays a role of constraining the growth of farmers’ income, and there is a trend of enlarging gaps between different areas, the high-value areas are concentrate in Guangxi, northern and northeastern Sichuan, northeastern Chongqing, and southeastern Guangxi, with an overall distribution pattern of “high in the south and low in the north”. 4) The quality of urbanization has a significant positive impact on farmers’ income, with a trend of rising as a whole, this impact also has a characteristic of inverted “U-shaped”. In terms of space, Hunan Province has a stronger effect than other regions. Lastly, this article puts forward suggestions such as accelerating the process of population urbanization, rationally optimizing the structure of the secondary and tertiary industries, formulating a scientific land acquisition compensation system, and promoting high-quality urbanization development adapt to local conditions.

Key words： urbanization; poverty reduction effects; spatial heterogeneity; contiguous poverty-stricken areas

城镇化是一个国家或者地区经济结构、社会结构和生产方式、生活方式实现根本性转变的过程[1]，是促进扶贫开发尤其是连片特困区集聚的西南山区减贫、脱贫的重要方式之一。中国城镇化率从1978年的17.92%上升到2018年的59.58%，年均提高1.04百分点，城镇常住人口从1.72亿增长到8.31亿，与此同时，中国农村贫困人口从1978年7.7亿下降到2018年的1 660万，农村贫困发生率大幅度降低①(①http://www.stats.gov.cn/ztjc/zthd/sjtjr/d10j/70cj/201909/t20190906_1696308.html)。可以说城镇化重塑了中国经济地理格局和城乡结构，同时，对中国农村贫困减少也做出了重要贡献。
目前学术界对城镇化影响农村贫困的研究主要集中在人口城镇化[2~11]、产业城镇化[6~8]、土地城镇化[9,12~14]等方面。在实现人口城镇化的过程中，学者们认为它主要通过实现转移人口的增收以及缓解人地矛盾的途径改善农村贫困[2,4,8]。同时也有学者提出在采用OLS模型进行估计时会高估人口城镇化所带来的农村人口增收的本地效应，低估它的总体效应，而产业城镇化对农民的增收影响主要以本地效应为主[6]。土地城镇化主要通过增加农民的财产性收入以及工资性收入来实现农民增收，从而减少传统农业生产收入的不稳定性[9]，但是它同样也会对失地农民带来经济福利、生态福利以及其他方面福利的缺失，这需要我们进一步思考土地城镇化给农村带来的多方面影响[14]。除此之外，针对当前城镇化发展过程中的对农村益贫性不足问题，协调推进新型城镇化，提高城市化水平已经是当前的必经之路[8,9]。
不过，城镇化并不一定导致农村贫困的减少，即城镇化既能减少贫困，也可能导致新的贫困问题。部分学者研究发现城镇化与贫困之间存在“U型”关系[15~17]、减贫成效存在空间异质性[11,18~20]、城镇化减贫效应与距离相关[21]等，然而，这种空间异质性并未得到足够的重视。目前多数学者仍然用OLS、GMM等方法对参数进行全域估计，虽有少数学者考虑到城镇化与贫困的空间关联效应而采用SLM、SEM等空间计量方法，但仍是全域参数估计[18]，无法揭示城镇化减贫效应的空间差异。此外，现有关于城镇化影响农村贫困的文献多以发展中国家[17,22]、省域[8,10,12]等大空间尺度区域为研究样本，鲜有针对连片特困区集聚地区地市层面的实证研究。事实上，考虑到省域内各地市城镇化发展阶段、城镇化质量等差异较大，以地市为研究单元相较省域层面更具科学性。同时，西南地区及湖南西部以山地地形为主，城镇化进程总体滞后，除省内经济中心外，其他广大地区城镇数量和规模偏小，集聚和辐射带动能力较弱。此外，这些地区集聚了2017年中国42%的农村贫困人口，面临“新型城镇化”和“脱贫攻坚”的双重压力。基于此，本文以湘渝川滇黔桂（湖南、重庆、四川、云南、贵州、广西）111地市为研究区，运用地理加权回归（GWR）模型探究该区域城镇化减贫效应的空间异质性，并揭示其时空演变趋势，以期为本地区借助新型城镇化战略打好打赢脱贫攻坚战提供借鉴。

1 研究区域、方法及数据来源

1.1 研究区域

湘渝川滇黔桂位于中国中西南地区，总面积158.31万km2①(①根据中华人民共和国2017 年行政区划统计表整理，https://www.sxejgfyxgs.com/uploadfile/file/20200415/18f070551.pdf)。区域内经济社会发展水平总体较低，涉及连片特困区数量占全国连片特困区数量的1/2，区域内连片特困区县域占总面积约66%（图1）。区域内片区县贫困程度深，贫困维度广，致贫原因复杂，是当前脱贫攻坚的“难中之难”“坚中之坚”。此外，2017年湘渝川滇黔桂地区的城镇化率为51.51%，低于全国同期水平7.01个百分点②(②https://m.askci.com/news/hongguan/20181113/1548011136557.shtml)，城镇化进程滞后但提升空间较大。
图1 湘渝川滇黔桂集中连片特困区县域概况

Fig. 1 Overview map of study area

1.2 研究方法

1.2.1 莫兰指数与地理加权回归

空间自相关能用来衡量区域属性值的集聚程度，是测度地理属性值空间联系的重要方法[23]。全局莫兰指数（Global Moran’s I）从全局层面反映空间相邻区域地理属性值的相关性，取值为[−1，1]。局部莫兰指数（Local Moran’s I）考察局部区域之间的空间相关性[24]，全局莫兰指数和局部莫兰指数具体计算公式可参考文献[24]。不同于传统线性回归模型对参数的“平均”估计，地理加权回归模型（Geographically weighted regression，GWR）将空间因素引入模型中，能够揭示参数在不同空间的非平稳性，使结果更加符合客观实际[25]，在GWR模型中首先是要确定权重和带宽，目前常用权重和带宽的确定方法是Gauss函数法和Cross-Validation（CV）法，而最佳带宽的选择又依据赤池信息准则（AIC），即AIC最小时带宽最优[26]。

1.2.2 GWR模型构建与变量选择

为了检验城镇化减贫效应的空间异质性，同时规避城镇化质量与人口城镇化率、产业城镇化率及土地城镇化率之间严重的多重共线性问题，分别构建GWR（1）和（2）模型如下：
$ {Y_i} = {\beta _i}({u_i},{v_i}) + \sum\limits_{j = 1}^k {{\beta _j}({u_i},{v_i})} {x_{ij}} + {\varepsilon _i} $
$ {Y_i} = {\beta _i}({u_i},{v_i}) + \sum\limits_{j = 1}^k {{\beta _j}({u_i},{v_i})} {{\rm{z}}_{ij}} + {\varepsilon _i} $
式中，Yi为因变量；（ui,vi）是i个样本空间单元的经纬度坐标；βi（ui,vi）是第i个样本的坐标；βj（ui,vi）是第j个自变量的回归参数；k为自变量个数；xij和zij是第i个样本空间单元的第j个自变量。xij分别为人口城镇化率、产业城镇化率、土地城镇化率、公路密度、城乡居民人均收入之比、农作物播种面积中非粮食占比、人均农作物播种面积、机械化程度、农村人均社会消费品零售额和平均赡养比等。zij分别为城镇化质量、公路密度、城乡居民人均收入之比、农作物播种面积中非粮食占比、人均农作物播种面积、机械化程度、农村人均社会消费品零售额和平均赡养比等；εi为随机变量。
因变量贫困的代理指标是农民人均纯收入。为了消除价格因素的影响，用农村居民消费价格指数（2005年农村居民消费价格指数为100）对其进行平减，自变量则在参考相关文献[6,8,14,27]的基础上，选取城镇化水平、交通设施状况、城市偏向性、农业发展状况、农村市场化程度和家庭负担程度等6个维度上的人口城镇化率、产业城镇化率等11个代理指标，见表1。
表1 农村贫困影响因素

Table 1 Influencing factors of rural poverty

维度 指标代码 指标 指标释义
　　注：*城镇化耦合协调度的计算参考文献[28~30]。
城镇化水平 RKCZ 人口城镇化率 城镇常住人口占地区常住总人口比例/%
CYCZ 产业城镇化率 二三产业增加值占地区生产总值比重/%
TDCZ 土地城镇化率 城镇建成区面积占地区总面积比重/%
CZZL 城镇化质量 “人口−土地−产业”城镇化耦合协调度*
交通设施状况 GLMD 公路密度 公路里程比上地区国土面积/（km/km2）
城市偏向性 CXZB 城乡居民人均收入之比 城镇居民人均收入/农村居民人均收入
农业发展状况 ZWJG 农作物播种面积中非粮食占比 1−粮食播种面积占农作物播种面积比重/%
RJMJ 人均农作物播种面积 农作物播种面积比上农村常住人口数/hm2
JXH 机械化程度 农林牧渔业单位产值农用机械总动力/(kW/万元)
农村市场化程度 RJXF 农村人均社会消费品零售额 农村消费品市场零售额比农村常住人口数/万元
家庭负担程度 PJSY 平均赡养比 乡村户籍人数/乡村从业人数

1.3 数据来源

本文数据包括湘渝川滇黔桂六省（区、市）111个地市（重庆市渝中区因数据缺失被剔除）2006、2011和2016年的农民人均纯收入、人口城镇化率、产业城镇化率、土地城镇化率、“人口−产业−土地”城镇化耦合协调度、公路密度、城乡居民人均收入之比、农作物播种面积中非粮食占比、人均农作物播种面积、机械化程度、农村人均社会消费品零售额以及平均赡养比等。各地市的相关数据均来自各个省份相应年份的统计年鉴[31~36]及各地市的统计公报和政府工作报告。其中，平均赡养比中部分地市缺失的乡村户籍人数用乡村常住人口数替代，2006年云南省的乡村从业人员数、贵州省的公路密度和人均农作物播种面积以及广西壮族自治区2006年的人口城镇化率和2016年的乡村从业人数中少数缺失数据通过趋势法预测获得；重庆县（市）区及湘川滇黔所辖自治州的城镇建成区面积利用ArcGIS10.3软件提取相应年份的500 m×500 m卫星照片中相关区域的城镇像元加以计算整理获得。

2 城镇化减贫效应的时空异质性检验

2.1 空间相关性检验

应用GeoDa软件检验农民人均纯收入、人口城镇化率等变量空间相关性发现：3个代表性年份变量的Moran’s I指数都较高且在1%的显著性水平下通过检验，说明变量具有显著的空间集聚特征。但是，全局莫兰指数只能描述属性值的整体空间依赖程度，不能揭示其空间集聚的具体位置及集聚形态。需要进一步应用局部莫兰指数LISA图来显示属性值的局部空间集聚状态。表2为3个代表性年份农民人均纯收入的空间集聚关系。
表2 2006年、2011年和2016年农民人均纯收入空间集聚关系显著地区

Table 2 The areas with significant spatial agglomeration of farmers’ per capita net income in 2006, 2011 and 2016

2006年 2011年 2016年
　　注：其他变量的LISA图也显示出显著的空间聚类特征，鉴于篇幅在此未全部展示。
High-High（高高） 岳阳、长沙、益阳 岳阳、湘潭、株洲 岳阳、长沙、湘潭
湘潭、株洲、郴州 资阳、潼南、合川 株洲、资阳、大足
眉山、资阳、江津 北碚、渝北、巴南 铜梁、合川、北碚
永川、巴南、璧山 南岸、江北、沙坪坝 渝北、江北、南岸
北碚、渝北、江北 璧山、铜梁、大足 巴南、江津、永川
沙坪坝、九龙坡 永川、江津、九龙坡 璧山、九龙坡、沙坪坝
大渡口、南岸 大渡口 大渡口
Low-Low（低低） 巫溪、迪庆、丽江 迪庆、怒江、丽江、大理 奉节、迪庆、保山
怒江、大理、保山 保山、临沧、凉山、曲靖 百色、河池、柳州
临沧、百色、曲靖 六盘水、黔西南、安顺 怀化、铜仁、湘西
安顺、六盘水、黔南 文山、百色、河池、柳州 黔东南、秀山、酉阳
黔西南、黔东南、铜仁 黔南、黔东南、怀化 彭水、黔南、安顺
Low-High（低高） 湘西、秀山、酉阳、彭水 铜仁、湘西、秀山、酉阳 六盘水、曲靖、黔西南
High-Low（高低） 娄底 娄底 娄底
贵阳 贵阳、桂林 贵阳、桂林、大理

2.2 城镇化减贫效应的异质性

利用GWR4.0软件，采用Adaptive bi-square函数确定空间权重，选取AICc法确定最佳带宽，得到表3、表4的回归结果，为了便于比较，GWR4.0软件同时报告了OLS回归结果。应用ArcGIS10.3软件对GWR模型获得的城镇化（人口城镇化、产业城镇化、土地城镇化、城镇化质量）对农村贫困影响的系数进行可视化处理，得到影响系数空间分布图2、3。
表3 GWR模型回归结果（均值）

Table 3 Regression results of GWR model（mean）

变量 模型1 模型2
2006年 2011年 2016年 2006年 2011年 2016年
　　注：*、* *、* * *分别表示在10%、5%和1%的显著性水平下显著；—为无此项。
RKCZ 14.646 32.874 49.481 — — —
CYCZ 11.428 32.630 34.822 — — —
TDCZ −8.337 −4.150 −6.735 — — —
CZZL — — — 1921.162*** 4757.178** 5768.576**
GLMD 98.163 190.412 178.654 11.951 −52.390 3.002
CXZB −418.116*** −1495.475*** −3146.819*** −412.290 −1430.679*** −3287.705***
ZWJG 0.468 4.194 −5.174 −1.695 −1.798 −9.918
RJMJ −1178.759 −1171.128 1114.845 −927.107 418.604 2243.175
JXH −316.164*** −78.133 −248.951 −247.053* −46.210 −71.784
RJXF 2369.857*** 408.709 583.946 2433.2478*** 388.709 380.985
PJSY −57.491 −782.486 −95.944 −65.676 −501.433 −142.256
AdjR2 0.907 0.943 0.922 0.930 0.940 0.912
AICc 1605.584 1688.386 1792.013 1570.037 1685.449 1800.945
表4 代表性年份GWR模型回归结果

Table 4 Regression results of GWR model in representative years

平均值 最大值 最小值 下四分位值 中位值 上四分位值
2006年GWR模型回归结果
模型1 RKCZ 14.646 50.645 −0.201 5.280 9.838 22.483
CYCZ 11.428 39.045 −12.097 −1.857 11.912 22.640
TDCZ −8.337 21.232 −53.882 −25.817 −0.684 4.122
模型2 CZZL 1921.162 3957.637 1283.729 1576.668 1755.512 2096.129
2011年GWR模型回归结果
模型1 RKCZ 32.874 114.568 8.419 18.730 27.251 36.247
CYCZ 32.630 69.152 −19.841 9.732 23.618 64.508
TDCZ −4.150 187.475 −104.475 −16.935 −13.545 9.027
模型2 CZZL 4757.178 11922.848 2565.120 3835.244 4344.302 4791.685
2016年GWR模型回归结果
模型1 RKCZ 49.481 184.962 17.027 28.562 33.256 50.848
CYCZ 34.822 83.510 −92.375 9.457 57.652 66.271
TDCZ −6.735 56.083 −78.781 −15.009 −9.559 1.609
模型2 CZZL 5768.576 14911.361 3507.984 4372.606 4968.780 5691.480
图2 2006年、2011年、2016年GWR模型人口、产业、土地城镇化回归系数空间分布

Fig. 2 The spatial distribution of regression coefficients of population, industry, and land urbanization in GWR model in 2006, 2011 and 2016

图3 2006年、2011年、2016年GWR模型城镇化质量回归系数空间分布

Fig. 3 Spatial distribution of regression coefficients of urbanization quality in GWR model in 2006, 2011 and 2016

模型1、2的各影响因素的VIF最大值为7.75，2个模型不存在严重的多重共线性。模型1中人口、产业、土地城镇化回归系数的均值不显著的原因在于，回归系数间的差异较大，如2016年虽然85.59%的地市的人口城镇化（RKCZ）回归系数显著，但由于各地市之间回归系数差异较大导致标准差较大，进而t值较小，系数均值不显著，这进一步说明了使用GWR模型探讨城镇化减贫效应异质性的必要性。
从时序异质性看，2006年、2011年、2016年GWR模型的AICc值相较OLS回归均有显著降低，而调整拟合优度则有明显提高，说明考虑空间相关性以及空间异质性的GWR模型对农民人均纯收入的拟合度更高。此外，在3个年份的截面数据上，10个解释变量在不同区域的参数估计结果均不同，说明各影响因素对农民人均纯收入的影响程度存在空间异质性。其中，就人口城镇化（RKCZ）和产业城镇化（CYCZ）而言，从3 个年份的GWR模型回归系数均值能够看出，影响系数随时间变化逐渐增加，即回归系数由2006年、2011年的14.646、32.874上升到2016年的49.481（表3），说明人口城镇化和产业城镇化的减贫效应逐步增强；其中，2016年产业城镇化每提升1个百分点平均地增加农民收入34.822元；在3个年份中，土地城镇化（TDCZ）对农民收入的影响总体上均为负，即2006年、2011年和2016年的边际效应分别为−8.337、−4.150和−6.735，表明土地城镇化总体抑制农民增收。
为了进一步地考察城镇化质量减贫效应的空间异质性，同时避免人口、产业和土地城镇化带来的共线性的影响，本文采用模型2进行GWR回归分析，结果表明3个年份的GWR模型AICc值较OLS回归均有显著减少，而调整拟合优度则明显提高。在3个年份中，城镇化质量（CZZL）对农民收入均存在显著的正向影响，且回归系数均值从2006年、2011年的1 921.162、4 757.178上升到2016年的5 768.576（表3），表明城镇化质量的减贫效应随着时间变化总体不断提高。其他控制变量中，公路密度回归系数均值有正有负。城乡居民人均收入之比、农作物播种面积中非粮食占比、机械化程度和平均赡养比影响系数均为负，其中，2011年、2016年城乡居民人均收入之比和2006年机械化程度对农民收入存在显著的负向影响，且城乡居民人均收入之比、农作物播种面积中非粮食占比对农民收入的抑制效应逐渐增强。人均农作物播种面积回归系数均值由负变正且逐步提高。2006年，农村人均社会消费品零售额对农民收入有显著的正向影响，2011、2016年虽是正向影响，但并不显著且影响系数随时间变化呈现出变小的趋势。
如表4所示，人口城镇化对农民收入总体存在正向影响，但减贫空间异质性随时间变化呈扩大趋势。2006年除了阿坝州人口城镇化回归系数为负值外，其他地市的人口城镇化回归系数均是正值且49.45%的地市在统计上显著。其中，影响最敏感的区域是湖南衡阳，回归系数为50.645，表明衡阳市人口城镇化率提高1个百分点农民收入平均增加50.645元。2011年各地市的人口城镇化对农民收入均有正向影响，且统计上存在显著影响的地市比重提高到83.39%。2016年各地市的人口城镇化同样对农民收入有正向影响，且存在显著影响的地市较2011年进一步有所增加。2016年最大值和最小值相差167.935，上四分位值和下四分位值相差22.286，均大于2006、2011年对应差值，表明人口城镇化减贫效应空间异质性有扩大趋势。
产业城镇化对农民收入的影响总体为正，同时减贫空间异质性增大。2006年大部分地市产业城镇化对农民收入有正向影响。2011年产业城镇化对农民收入的正向影响地市较2006年有所增多，但统计上显著的地市数有所减少。2016年产业城镇化对农民收入有负向影响的地市较2011年有所增多，其中负向影响最敏感的地市是湖南郴州，产业城镇化率每提高1个百分点农民收入减少92.375元，但产业城镇化回归系数的上四分位值、均值、中位值、下四分位值分别为66.271、34.822、57.652和9.457，说明总体上仍是正向影响，且影响显著的地市较2011年明显增加。此外，回归系数最大值和最小值之差，上四分位值和下四分位值之差都随时间变化而变大，表明产业城镇化减贫效应空间异质性总体在不断变大。
土地城镇化对农民收入的影响总体为负，且随时间变化有负向影响的地市数逐渐增多。2006年土地城镇化减贫效应并不乐观，上四分位值为4.122，平均值、中位值、下四分位值、最小值均为负数，影响系数总体上负值较多。2011年土地城镇化对农民收入有负向影响的地市有所增加，总体上为负向影响。2016年土地城镇化回归系数为负值的地市较2006、2011年进一步增加，其中，株洲等12个地市存在显著的负向影响。但回归系数最大值与最小值之差以及上四分位值和下四分位值之差较2011年变小，说明土地城镇化减贫效应空间差异有所减小。
城镇化质量对农民收入均是正向影响，但减贫效应空间差异随时间变化不断扩大。从3个年份城镇化质量回归系数来看，各地市均为显著的正向影响，表明城镇化质量的提升有利于促进农民收入的增加。2016年的最大值与最小值相差11403.377，上四分位值与下四分位值相差1318.874，相较2006、2011年的对应差值均有所扩大，说明城镇化质量减贫效应空间差异有逐步扩大的趋势。

3 城镇化减贫效应的时空演变特征

人口城镇化回归系数最高值主要集中在湖南境内的中东部地区地市，次高值逐渐减少，并向湖南西部、广西东北部等地市收缩，而最低值则由四川东北部向云南南部、广西西南部等地市扩展（图2a1、a2、a3）。从3个年度GWR回归系数的空间分布来看，减贫效应的区域差异明显。3个年份回归系数最高值主要集中在湖南境内，表明这些地市人口城镇化减贫效应最高，其中，2016年回归系数总体从湖南东部地区向西北部、西南部地市逐渐递减。2006年来，回归系数次高值地市数量逐渐减少，并且2016年主要分布在湖南西部、广西东北部等少数地市。回归系数最低值地市数量则逐渐增加，由四川东北部、重庆潼南逐步向云南南部、广西西南部等地市扩展，并呈多块状分布，其中变化最明显的是云南南部地市，从2006年的次高值区域到2016年变为最低值区域，原因可能是该区域较其他地市的人口城镇化红利快速衰减。
产业城镇化回归系数最高值从四川北部、重庆万州以及潼南逐渐向云南大部分地市扩展，而最低值则逐渐由湖南、广西等地市向广西东北部、湖南西部及南部区域收缩（图2b1、b2、b3）。2006年影响系数最高值分布在四川北部及东北部、重庆万州和潼南，回归系数总体从该区域向西南部、东南部地市逐渐递减。2011年最高值出现在四川东北部、重庆大部分县市区。而2016年最高值区域呈现扩大趋势，除了四川北部、重庆部分区仍是高值区域外，最高值扩大到云南大部分地市，并呈现“西高东低”分布形态。同时对比图2可以发现，3个年份上人口城镇化回归系数的低值区域和产业城镇化回归系数的高值区域基本重合，说明人口城镇化减贫效应较弱的地区但产业城镇化减贫效应较强，可能原因是二三产业特别是工业企业对第一产业的带动效应较强，进而间接提高了农民收入。
土地城镇化回归系数最高值由四川北部及东北部、重庆东北部、广西东南部等地区逐步向广西境内集中，且回归系数总体上从该区域向西北部、北部地区逐渐递减，并呈“南高北低”分布格局（图2c1、c2、c3）。其中，广西崇左由2006年的负向影响变为2011、2016年的正向影响且影响效应逐渐增强，表明土地城镇化由减少农民收入变为促进农民增收，这可能与近年来对失地农民合理补偿权益的保护增强有关。四川阿坝等部分地市由2006年的正向影响变为2011、2016年的负向影响且抑制农民增收效应逐渐增强，原因可能是地方政府过度依赖土地财政，土地城镇化进程加快，但进城农民生计城镇化转型跟不上导致土地城镇化抑制了农民增收。此外，除了2006年渝北、北碚区回归系数为正且数值较小外，重庆主城区回归系数一直为负数，可能是较高的土地城镇化率已使得非建成区用地十分稀缺，土地城镇化的机会成本很高，土地城镇化后带来的收益不及保留其原有用途带来的收益。
城镇化质量回归系数最高值一直集中在湖南境内，最低值则主要由云南南部及东部、广西西部、四川北部及中东部、重庆主城区及周边等地区逐渐向四川中东部、重庆主城区西部等地区收缩（图3）。3个年份上影响系数最高值分布在湖南境内，说明这些地市的城镇化质量减贫效应最大。2006、2011年的最低值主要呈现多块状分布，而2016年最低值则逐渐向四川中东部、重庆主城区西部集中，且2016年最低值地市数较2006、2011年有所减少。总体而言，湖南地市城镇化质量减贫效应强于其他省份地市，同时该省东部地区减贫效应强于西部地区。
城镇化质量的减贫效应呈现出倒“U”型特征，即随着城镇化质量的提升，其减贫效应先增强后减弱，并且在中低水平，即城镇化耦合协调度处于濒临失调到中度协调之间，城镇化质量的减贫效应更强（图4）。3个年份中城镇化质量最高值均分布在重庆主城区内，但对比图3发现，这些区域的城镇化质量对农民收入的正向影响系数却一直是低值。相反，减贫效应最好的地市城镇化质量大都处于中低水平，即2006、2011和2016年城镇化质量指数位于区间[0.2，0.6）。此外，3个年份中娄底市城镇化质量一直稳定在0.33，处于濒临失调阶段，但其减贫效应却不断增强，原因可能是娄底处于城镇化增收红利释放的重要阶段，虽然城镇化质量不高，但人口城镇化率从2011年到2016年平均每年提高1.56个百分点，人口的快速城镇化带动了农民增收。
图4 2006、2011、2016年城镇化质量减贫效应（回归系数）与城镇化质量的关系特征

Fig. 4 Characteristics of relationship between urbanization quality and its poverty alleviation effect in 2006, 2011 and 2016

4 结论与建议

4.1 结论

1）2006、2011和2016年湘渝川滇黔桂111个地市城镇化减贫效应的空间异质性特征显著。人口城镇化和产业城镇化的减贫效应逐步增强，土地城镇化总体抑制农民增收，城镇化质量的减贫效应随着时间变化总体上来说不断提高。① 人口城镇化明显促进农民增收。湘渝川滇黔桂区域人口城镇化水平整体滞后于全国同期平均水平，且区域内人口城镇化发展不平衡现象突出。② 产业城镇化总体发挥益贫性，但同时在部分地区表现为抑制农民增收，这可能与产业城镇化过程中二三产业的发展与当地的资源禀赋不够匹配，产业的包容性、根植性不强，农户难以融入有关。③ 土地城镇化总体上抑制了农民增收，其减贫效应在空间上呈现差异扩大趋势。④ 城镇化质量的减贫效应总体在不断增强，城镇化质量回归系数对各地市均表现出显著的正向影响，即城镇化质量的提升有利于促进农民收入的增加。
2）城镇化减贫效应的时空演变具有明显的规律性，湖南省最为典型。湖南省人口城镇化、城镇化质量减贫效应较其他地区强，而其产业城镇化减贫效应较低。① 人口城镇化减贫效应最高值主要集中在除大湘西以外的湖南省地市，次高值向湖南西部、广西东北部等地市收缩，最低值则由四川东北部向云南南部、广西西南部等地市扩展。② 产业城镇化减贫效应最低值则逐渐由湖南、广西等地市向广西东北部、湖南西部及南部区域收缩。值得注意的一点是，人口城镇化减贫效应低值区域和产业城镇化的高值区域基本重合。③ 土地城镇化减贫效应最高值由四川北部及东北部、重庆东北部、广西东南部等地区逐步向广西境内集中，总体上呈现“南高北低”分布格局。④ 城镇化质量的减贫效应呈现出倒“U”型特征。湖南地市城镇化质量减贫效应强于其他省份地市，减贫效应最低值则主要由云南南部及东部、广西西部、四川北部及中东部、重庆主城区及周边等地区逐渐向四川中东部、重庆主城区西部等地区收缩。

4.2 建议

城镇化减贫效应存在明显的空间异质性，同时，人口城镇化、产业城镇化、土地城镇化以及城镇化质量的益贫性作用差异明显。因此，对于如何更好地发挥城镇化的减贫效应，本文从以下4个方面提出建议：① 加快推进人口城镇化进程。人口城镇化发展滞后的地市可发挥“新型城镇化”与“脱贫攻坚”两大战略的协同效应。如易地扶贫搬迁中，在城镇集中或分散安置贫困户，这既扩大了城市人口规模，加快了城镇化进程，又利于安排就业实现稳定脱贫。② 合理优化二三产业结构。研究得出产业城镇化影响系数均值逐渐增大，说明减贫效应不断提升，因此要大力促进二三产业发展，坚持因地制宜地挖掘本地资源优势，提高产业包容性，利用二三产业吸收农村富余劳动力就业和对第一产业的带动作用增加农民收入。③ 制定科学的征地补偿制度。研究结果证明土地城镇化总体上抑制了农民增收。因此，政府应优化税收结构，减少对土地财政的过分依赖，同时制定科学的征地补偿机制，让农民分享更多的土地增值收益，增加其财产性收入。④ 因地制宜地促进城镇化高质量发展。对比城镇化质量减贫效应和城镇化质量之间的关系发现，较高的城镇化质量不是必然产生较高的减贫效应。因此，有必要因地制宜地优化“人口−产业−土地”城镇化三者之间的耦合协调关系，避免盲目追求较高的城镇化质量，而应寻求当前该地区最佳减贫效应的城镇化耦合协调度。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
陆大道. 中国的城镇化进程与空间扩张[J]. 城市规划学刊, 2007(4): 47-53.

DOI

Lu Dadao. Urbanization process and spatial in China. Urban Planning Forum, 2007(4): 47-53.

DOI

[2]
廖丹清, 郭慧伶. 城市化对减少农村人口、增加农民收入的作用[J]. 中国农村经济, 2002(11): 78-80.

Liao Danqing, Guo Huiling. The role of urbanization in reducing rural population and increasing farmers’ income. Chinese Rural Economy, 2002(11): 78-80.

[3]
李梦觉. 工业化城市化发展与农民收入增长的实证分析[J]. 经济纵横, 2008(6): 72-74.

Li Mengjue. An empirical analysis on the development of industrialization and urbanization and the increase of farmers’ income. Economic Review, 2008(6): 72-74.

[4]
程选, 康慧. 城镇化水平对农民收入增长影响的关系研究——基于山西的调查分析[J]. 经济问题, 2012(8): 90-92.

Cheng Xuan, Kang Hui. The relation study of urbanization and increasing farmers’ income: Based the data of Shanxi Province. On Economic Problems, 2012(8): 90-92.

[5]
姚旭兵, 罗光强. 城镇化对农民收入增长的影响[J]. 城市问题, 2015(7): 97-103.

Yao XuBing, Luo GuangQiang. Influences on the growing of farmers’ income by urbanization. Urban Problems, 2015(7): 97-103.

[6]
钱潇克, 莫蕙. 新型城镇化与农民增收——基于中国地级市的空间计量分析[J]. 经济经纬, 2018, 35(5): 30-36.

Qian Xiaoke, Mo Hui. New urbanization and farmers’ income growth: A spatial econometric analysis based on China’s prefectural cities. Economic Survey, 2018, 35(5): 30-36.

[7]
曹飞. 中国省域农民工资性收入与城镇化的空间面板分析[J]. 新疆大学学报(哲学·人文社会科学版), 2016, 44(5): 8-14.

Cao Fei. The spatial panel analysis of Chinese provincial farmers’ income and urbanization. Journal of Xinjiang University (Philosophy, Humanities & Social Sciences), 2016, 44(5): 8-14.

[8]
林锋峰, 魏远竹, 谢志忠. 福建省城市化与提高农民收入的实证研究[J]. 福建论坛(人文社会科学版), 2006(1): 116-119.

DOI

Lin Fengfeng, Wei Yuanzhu, Xie Zhizhong. An empirical study on urbanization and increasing farmers’ income in Fujian Province. Fujian Tribune (The Humanities & Social Sciences), 2006(1): 116-119.

DOI

[9]
彭红碧. 新型城镇化影响农民增收的内在机理及其现实启示[J]. 理论导刊, 2016(3): 77-79.

DOI

Peng Hongbi. The internal mechanism of new urbanization affecting farmers’ income increase and its realistic enlightenment. Journal of Socialist Theory Guide, 2016(3): 77-79.

DOI

[10]
王永杰, 宋旭, 邓海艳. 城镇化水平与农民收入关系的动态计量经济分析——以四川省为例[J]. 财经科学, 2014(2): 96-105.

DOI

Wang Yongjie, Song Xu, Deng Haiyan. Dynamic econometric analysis of the relationship between urbanization level and farmers’ income: A case from Sichuan Province. Finance & Economics, 2014(2): 96-105.

DOI

[11]
王健, 刘培. 中国城镇化的农村减贫效果测度[J]. 江汉论坛, 2018(4): 55-62.

DOI

Wang Jian, Liu Pei. Effective measurement of rural poverty reduction of Chinese urbanization. Jianghan Tribune, 2018(4): 55-62.

DOI

[12]
梁韵妍. 广东省城镇化进程中失地农民收入问题研究——基于广东省佛山、韶关等6市的调研[J]. 中国农业资源与区划, 2016, 37(8): 158-162.

DOI

Liang Yunyan. Investigation of the income in landless farmers in Guangdong Province in the process of urbanization. Chinese Journal of Agricultural Resources and Regional Planning, 2016, 37(8): 158-162.

DOI

[13]
杨晶. 农民增收与城镇化互动机制研究[J]. 农业经济, 2014(5): 81-82.

DOI

Yang Jing. Study on the interactive mechanism of farmers’ income increase and urbanization. Agricultural Economy, 2014(5): 81-82.

DOI

[14]
丁琳琳, 吴群, 李永乐. 新型城镇化背景下失地农民福利变化研究[J]. 中国人口·资源与环境, 2017, 27(3): 163-169.

Ding Linlin, Wu Qun, Li Yongle. Study of the landless peasants’ welfare changes during new urbanization. China Population, Resources and Environment, 2017, 27(3): 163-169.

[15]
Jorge Martinez-Vazquez, P Panudulkitti A. Timofeev, urbanization and the poverty level[R]. Working Paper, 2009(16) : 9-14.

[16]
崔万田, 何春. 城镇化的农村减贫效应: 理论机制与实证检验[J]. 经济科学, 2018(4): 89-102.

Cui Wantian, He Chun. Poverty reduction effect of urbanization in rural areas: Theoretical mechanism and empirical test. Economic Science, 2018(4): 89-102.

[17]
何春, 崔万田. 城镇化的减贫机制与效应——基于发展中经济体视角的经验研究[J]. 财经科学, 2017(4): 52-64.

He Chun, Cui Wantian. Poverty reduction mechanism and effect of urbanization: An empirical study based on the economy perspective in development. Finance & Economics, 2017(4): 52-64.

[18]
丁建军, 周书应. 武陵山片区城镇化减贫效应的空间异质性——基于SDE与GWR的视角[J]. 中南民族大学学报(人文社会科学版), 2018, 38(2): 78-83.

Ding Jianjun, Zhou Shuying. Spatial heterogeneity of poverty reduction effect of urbanization in Wuling Mountain Area: Viewpoint based on SDE and GWR. Journal of South-Central University for Nationalities (Humanities and Social Sciences), 2018, 38(2): 78-83.

[19]
马远, 龚新蜀. 城镇化、财政支农与农民收入增加的关系[J]. 城市问题, 2010(5): 60-66.

Ma Yuan, Gong Xinshu. On the relations between urbanization, finance expenditure for agriculture and peasant’s income growth. Urban Problems, 2010(5): 60-66.

[20]
王鹏飞, 彭虎锋. 城镇化发展影响农民收入的传导路径及区域性差异分析——基于协整的面板模型[J]. 农业技术经济, 2013(10): 73-79.

Wang Pengfei, Peng Hufeng. An analysis of the transmission path and regional differences of the impact of urbanization development on farmers’ income: Co-integration-based panel model. Journal of Agrotechnical Economics, 2013(10): 73-79.

[21]
Cali Nuur, Linda Gustavsson, Staffan Laestadius. Promoting regional innovation system sina global context[J]. Industry & Innovation, 2009, 16(1): 78-96.

[22]
Ravallion M, Chen S, Sangraula P. New evidence on the urbanization of global poverty[J]. Population & Development Review, 2007, 33(4): 667-701.

[23]
唐晓华, 陈阳, 张欣钰. 中国制造业集聚程度演变趋势及时空特征研究[J]. 经济问题探索, 2017(5): 172-181.

Tang Xiaohua, Chen Yang, Zhang Xinyu. Research on the evolution trend and spatial-temporal characteristics of manufacturing industry agglomeration in China. Inquiry into Economic Issues, 2017(5): 172-181.

[24]
李思霖, 魏修建. 中国金融集聚与经济增长的空间相关性研究[J]. 财经问题研究, 2017(3): 55-59.

DOI

Li Silin, Wei Xiujian. Study on the spatial relevance between financial agglomeration and economic growth in China. Research on Financial and Economic Issues, 2017(3): 55-59.

DOI

[25]
庞瑞秋, 腾飞, 魏冶. 基于地理加权回归的吉林省人口城镇化动力机制分析[J]. 地理科学, 2014, 34(10): 1210-1217.

Pang Ruiqiu, Teng Fei, Wei Ye. A GWR-based study on dynamic mechanism of population urbanization in Jilin Province. Scientia Geographica Sinica, 2014, 34(10): 1210-1217.

[26]
Fotheringham A S, Brunsdon C, Charlton M E. Geographically weighted regression: The analysis of spatially varing relationships[M]. San Francisco: John Wiley and Sons Ltd, 2002: 95.

[27]
曾智, 何蒲明. 中国粮食主产区农民收入影响因素研究[J]. 价格理论与实践, 2018(7): 23-26.

Zeng Zhi, He Puming. Study on the factors affecting farmers’ income in china’s main grain producing areas. Price Theory & Practice, 2018(7): 23-26.

[28]
李涛, 廖和平, 杨伟, 等. 重庆市“土地、人口、产业”城镇化质量的时空分异及耦合协调性[J]. 经济地理, 2015, 35(5): 65-71.

Li Tao, Liao Heping, Yang Wei, et al. Urbanization quality over time and space as well as coupling coordination of land, population and industrialization in Chongqing. Economic Geography, 2015, 35(5): 65-71.

[29]
王锋, 张芳, 林翔燕, 等. 长三角“人口−土地−经济−社会”城镇化的耦合协调性研究[J]. 工业技术经济, 2018, 37(04): 45-52.

DOI

Wang Feng, Zhang Fang, Lin Xiangyan, et al. Study on coupling coordination degree among “Population, Land, Economy and Society” urbanization in the Yangtze River Delta Region. Industrial Technology Economics, 2018, 37(04): 45-52.

DOI

[30]
孙黄平, 黄震方, 徐冬冬, 等. 泛长三角城市群城镇化与生态环境耦合的空间特征与驱动机制[J]. 经济地理, 2017, 37(2): 163-170+186.

Sun Huangping, Huang Zhenfang, Xu Dongdong, et al. The spatial characteristics and drive mechanism of coupling relationship between urbanization and eco-environment in the Pan Yangtze River Delta. Economic Geography, 2017, 37(2): 163-170+186.

[31]
贵州省统计局. 贵州统计年鉴[M]. 北京: 中国统计出版社, 2007, 2012, 2017.

Guizhou Statistical Bureau. Guizhou statistical yearbook. Beijing: China Statistics Press, 2007, 2012, 2017.

[32]
湖南省统计局. 湖南统计年鉴[M]. 北京: 中国统计出版社, 2007, 2012, 2017.

Hunan Statistical Bureau. Hunan statistical yearbook. Beijing: China Statistics Press, 2007, 2012, 2017.

[33]
广西统计局. 广西统计年鉴[M]. 北京: 中国统计出版社, 2007, 2012, 2017.

Guangxi Statistical Bureau. Guangxi statistical yearbook. Beijing: China Statistics Press, 2007, 2012, 2017.

[34]
重庆市统计局. 重庆统计年鉴[M]. 北京: 中国统计出版社, 2007, 2012, 2017.

Chongqing Statistical Bureau. Chongqing statistical yearbook. Beijing: China Statistics Press, 2007, 2012, 2017.

[35]
四川省统计局. 四川统计年鉴[M]. 北京: 中国统计出版社, 2007, 2012, 2017.

Sichuan Statistical Bureau. Sichuan statistical yearbook. Beijing: China Statistics Press, 2007, 2012, 2017.

[36]
云南省统计局. 云南统计年鉴[M]. 北京: 中国统计出版社, 2007, 2012, 2017.

Yunnan Statistical Bureau. Yunnan statistical yearbook. Beijing: China Statistics Press, 2007, 2012, 2017.

Options
文章导航

/

〈 〉