贫困乡城转移、城市化模式选择对异质性减贫效应的影响

单德朋　郑长德　王英

摘要 在贫困乡城转移的背景下，构建理论模型将城市化的减贫效应分解为集聚效应、收入效应和转移效应，对城市化减贫效应的三种机制进行了分解，然后基于1998-2012年中国省际面板数据，利用空间计量方法依次实证检验了城市化整体对城乡减贫的影响、核心城市和二级城镇减贫效应的异质表现，以及不同城市化模式对城市贫困和农村贫困的不同影响，并利用不同贫困测度指标，分东、西部样本进行了稳健性检验。研究表明，我国各省区的总体贫困和城乡贫困存在显著的空间相关特征，且随着贫困的乡城流动，空间相关性趋于增强。城市化对贫困减缓具有显著积极影响，但不同城市化模式对城乡减贫的影响存在异质效应。城市化影响农村贫困的主要机制是通过集聚外部性所带来的生产效率提高实现减贫，因此核心城市对农村地区和西部地区的减贫效果更为显著。而二级城镇对东部地区，尤其是对东部城市地区充当了贫困人口的“就业避风港”，二级城镇的减贫影响更大。因此，在推进《国家新型城镇化规划（2014-2020年）》时，应充分考虑城市化对不同收入群体的异质影响，以及不同城市化模式对城乡贫困的差别作用。为了更好地利用城市化的契机实现贫困减缓，需要强调二级城镇对东部地区和城市贫困人群的减贫作用，约束城市化要素集聚给贫困人口带来的公共服务成本提升等负外部性。同时应在西部地区强调核心城市的减贫效果，着力通过放大要素集聚和生产效率提升对贫困人口收入提升的核心作用。

并且，由于贫困存在显著空间相关性，未来减贫政策的制定和实施应在城乡一体化框架下展开。

关键词 贫困减缓；城市化；劳动力流动；动态面板；空间计量

中图分类号 F061.5 文献标识码 A 文章编号 1002-2104（2015）09-0081-12 doi：10.3969/j.issn.1002-2104.2015.09.011

贫困乡城转移是伴随着我国城市化进程快速推进而产生的贫困人口向城市集聚的贫困现象，既是区别于城市贫困和乡村贫困的贫困中间地带，又涉及人口统计学特征相对同质的低技能劳动力流动问题。随着城镇化发展体制改革以及户籍制度改革的持续深入，贫困人口的乡城转移日益凸显，这为既往城乡分割的贫困研究和政策选择提出了新的挑战。为此，在“十三五”计划行将推进之时，理论研究应该关注这一贫困的中间地带对城乡贫困的交互影响，并通过研究贫困乡城转移的内生机制，寻找城乡一体化的减贫政策选择。

现有贫困研究主要在城乡分割的框架中进行，容易导致贫困指标变动的偏误。除了收入增长之外，农村贫困人口的乡城转移也是农村贫困指标快速减缓的可能原因，与此同时城市贫困减缓的速度则存在低估的可能。单独研究城市或者乡村贫困并不能客观反映城乡贫困的真实变动态势，从而影响减贫政策判定的有效性。本文重点在贫困乡城转移的背景下，研究城市化与贫困减缓的关系，并根据贫困乡城转移流向和流量的差异，将城市化细分为核心城市化和二级城镇化，从而识别不同城市化模式的异质性减贫效应。

1 文献综述

城市化与贫困减缓的关系，隶属于城市化与经济增长的关系，但有着更为具体和特殊的表现。阿瑟·刘易斯[1]和西蒙·库兹涅茨[2]的研究为分析城市化的经济影响提供了基本框架，即随着劳动力的乡城转移和生产方式从农业向非农产业的转变，全社会生产效率体现结构性提升，并且城市化伴生的要素集聚将通过集聚外部性对城市和乡村经济发展产生影响[3]。Luc Christiaensen等[4]进一步将城市化影响城乡收入的机制界定为集聚经济、城市对农村的溢出和城市化的外部性。城市化过程中的要素空间集聚将创造新的经济增长和就业机会。新经济地理学相关文献重点关注了城市化通过集聚经济和规模经济对经济增长的影响[5]。要素集聚会通过本地市场效应和生活成本效应带来集聚外部性[6]，并通过知识溢出产生进一步的集聚经济[7]。因此城市化过程中的集聚经济和规模经济能够为低技能劳动力创造更多的就业机会，通过改善贫困人口的就业机会和劳动力回报实现贫困减缓，同时也会带来成活成本上升等负外部性。核心城市化与二级城镇化虽然都存在要素集聚，但在集聚经济、对农村的溢出能力以及负外部性的强度上存在差异，因此在分析城市化减贫效应在城乡转移背景下的不同时，应体现城市化模式的差别。

现有研究中反映城市化模式的最常用指标是城镇人口占总人口的比率，城镇人口比率数据具有较好可得性，但不能对城市化的集聚经济进行异质化区分。王小鲁[8]认为小城市和小城镇的集聚效应小于大城市，并采用“超过100万人的城市人口占总人口的比例”作为反映城市规模的指标，以识别不同城市规模集聚经济的差异。根据城市规模对集聚效应进行识别对于分析城市化与经济增长的关系而言是妥当的，但有研究表明农村就地形成的二级城镇对农村贫困减缓也有显著的影响作用，二级城镇主要依托农村非农活动的需求而产生，使得农村要素在流向大城市之外有了另一种选择[9]。为此，在分析城市化与城乡减贫的问题上，应体现出城市和二级城镇在集聚效应上的差异，而非从城市规模的角度。本文选用了城市人口比重和镇人口比重作为反映城市化模式的指标，体现城市和二级城镇在要素集聚效应和减贫效应上的差别。有若干个理由使得我们相信二级城镇的非农就业机会更有助于帮助农村贫困人口：①农村二级城镇的非农活动对于低技能劳动力的需求比重较大，而大城市则主要倾向于使用半熟练工人和熟练工人[10]。②二级城镇虽然劳动力工资较低，但失业率要低于大城市地区，农村贫困人口强调规避失业的风险，因此二级城镇对于贫困人口的吸引力更大。③即便二级城镇和大城市的失业率相同，贫困人口也会因为长距离劳动力迁移成本的差异，而选择在本地二级城镇就业，并且本地就业更有助于保持和受益于既往呈现的社会关系[11]。同时，二级城镇固然有上述可能的好处，但二级城镇更低的要素集聚水平将会导致较低的产出效率、要素回报和就业创造能力。因此，大城市和二级城镇在贫困减缓的作用差异上依然是个实证问题。

《国家新型城镇化规划（2014-2020年）》显示，中国仍处于城镇化率30%-70%的快速发展区间，并将在2020年实现常住人口城镇化率达到60%左右的目标。同时，2020年也是中国实现全面建设小康社会目标和基本消除绝对贫困的时间点。城市化作为中国当前经济变革的主要结果和动力来源，为实现全面小康建设目标和减贫目标提供了丰富的现实可能。那么，一个直接的问题就是城市化能否有效带动贫困减缓？如果核心城市和二级城镇在集聚效应和减贫效应上存在差别，那么何种城市化模式能够实现更为有效且可持续的减贫？与之相对应，中国的城市化路径选择的政策导向是什么？这既是一个具有重要理论价值，又有现实政策含义的问题。但城市化与贫困减缓的研究还相对较少，并且对于两者的关系依然没有形成相对一致的看法。分析城市化与贫困减缓关系的惯常逻辑包括两条可能的递进路径，一是城市化能够影响经济增长[12-13]，而经济增长能够影响贫困减缓[14]，故城市化能够影响贫困减缓；二是城市化能够通过劳动力的流动，导致贫困的乡城转移，从而对城乡贫困的结构产生直接影响。总体而言，相对于城市化与经济增长关系，研究城市化与贫困减缓的研究相对较少。本文利用1998-2012年中国省级面板数据对城市化引致的贫困乡城转移，以及核心城市和二级城镇的异质减贫效应进行了理论和实证分析。

相比于现有研究，本文可能的创新和创新过程为：第一，本文充分考虑了城市化过程中可能存在的贫困乡城转移，这会使得城乡贫困指数产生与收入改善无关的贫困空间结构性变化，如果不考虑贫困可能的空间转移，在政策涉及时会忽略这一部分贫困人口的存在，而形成贫困误瞄。为此本文构建空间面板模型，分析城乡贫困是否存在空间相关性，以及是否存在贫困因贫困人口的乡城流动而出现贫困的地理集聚。如果存在空间相关系数显著不为零，则可以表明存在贫困的空间集中。第二，本文根据城市的集聚外部性将城市化分为了核心城市化和二级城镇化，并分别分析了城市化不同模式对于贫困减缓的异质性影响，能够为后续城市化的模式选择提供借鉴。为此，本文利用核心城市人口比重和二级城镇人口比重将城市化分为核心城市化和二级城镇化，并分别对城乡贫困的影响进行分别检验，尤其强调二级城镇化对于农村减贫的作用差异。如果二级城镇化对农村贫困的减贫作用大于核心城镇化的作用，则表明，由于二级城镇化能够吸纳更多的低技能劳动力，且迁移成本较低，对农村贫困人口有更高的吸引力。反之则表明，核心城市化由于较高的要素集聚外部性，有更高的收入溢价，更有助于农村贫困减缓。

2 城市化影响贫困减缓的理论分析框架

2.1 城市减贫效应及其异质性来源的理论分析

贫困减缓的空间来源包括三个主体：核心城市、二级城镇和农村地区，分别用U（urban）、T（town）和R（rural）表示，其贫困发生率分别用PU、PT和PR表示，相应的人口比重分别为sU、sT、sR。

根据前文分析，城市化的减贫效应内嵌于城市化与经济增长的关系中，城市化通过改善生产效率和要素集聚的集聚外部性对经济增长和贫困状况产生影响。同时，在分析城市化与减贫问题时，还面临着贫困乡城流动的特殊背景，这也会影响城乡贫困。因此，城市化对应的贫困减缓有三个主要来源：一是由于贫困人口的乡城流动而导致的贫困转移，我们将其定义为影响贫困减缓的空间转移效应（Spatial Effect， SE）；二是由于城市化通常伴生着整体平均收入水平的改善，从而带来城乡贫困人口收入的提升，我们将其定义为影响贫困减缓的收入效应（Income Effect，IE）；三是由于要素在城市的集中带来集聚外部性，并对周边区域产生溢出，从而使得贫困人口的收入在整体收入改善的基础上获得城市集聚的减贫红利，我们将其定义为影响贫困减缓的集聚效应（Agglomeration Effect， AE）。

不同城市化模式的减贫效应差异可以从以上三个方面寻找根源，对于等量的乡城贫困人口转移和相同的经济增长背景，核心城市和二级城镇贫困减缓的空间转移效应和收入效应相同。唯一的差别在于集聚外部性的不同，核心城市的要素集聚程度更高，获得市场进入效应和生活成本效应正外部性更为显著，但核心城市相对于二级城镇的转移成本更高，因此核心城市和二级城镇贫困减缓的集聚效应最终取决于集聚正外部性和转移成本等负外部性的净值。基于贫困人口风险抵御能力较低的现实，核心城市和二级城镇减贫总效应的差异是个实证问题，因各地区转移成本和集聚正效应的差异而不同。

图1对于城市化的贫困减缓效应进行了分解，初始收入分布曲线为U0（图1中U0曲线为一条均值为3.5，标准差为1.2的正态分布线），贫困线为AB。收入分布线和贫困线左边构成的区域（ABO）为贫困人口数量及其收入分布。并且初始贫困人口的城乡分布用城市化率线CD表示，城市化线左侧为农村贫困人口（CDO），右侧为城市贫困人口（ABDC），贫困人口的初始城市化率为ABDC /ABO，其中ABO=CDO+ABDC。

城市化导致城乡人口分布的变化，并伴生着总体经济增长。因此，随着城市化进程的推进，收入分布曲线从U0向右平移到U1（图1中U1曲线为一条均值为3.8，标准差

为1.2的正态分布线）。U1和U0的收入分布标准差相同，但平均收入水平提升了8.6%，带来普遍性贫困减缓，贫困人口从初始的ABO下降至GBO。并且城市化率线从CD左移至EF，贫困人口的城市化率提升为GBDH/GBO，城市贫困为GBDH，农村贫困为HDO，GBO=GBDH+HDO。

因此，城市化推进引致的贫困减缓来源包括普遍的经济增长和贫困人口的城乡转移两个方面。城市贫困的变动=（GBDH-ABDC）+（HDFI-CDFE）+（HDFI-0）=IE+AE+SE，其中IE=（GBDH-ABDC），表示因经济增长和收入提升带来的城市贫困减缓效应；AE=（HDFI-CDFE），表示转移到城市的农村人口因获得城市集聚外部性而产生的贫困减缓效应；SE=（HDFI-0）表示因贫困人口的乡城流动而导致的城市贫困增加。收入效应和集聚效应对城市贫困减缓产生正效应，而贫困人口的空间转移对城市贫困减缓有负效应。

受限于图示表达，上述城市化减贫机制有两个缺憾：第一，未能体现不同的城市化模式贫困减缓集聚效应的不同；第二，也没有体现随着城市化进程推进而可能产生的收入分布变化，即城市化推进不仅伴生着平均收入的改善，也体现着产业结构的变化。现有实证研究已经表明产业结构的变化体现了收入分配格局的变化，这会对经济增长的城乡减贫效应产生影响[15]。因此，为了改善城市化减贫模型的经济内涵，我们进行了两个方面的针对性扩展，一是在构建计量模型时，将城市分为核心城市和二级城镇，纳入两种不同城市化模式的减贫效应差异；二是在进行实证分析时，引入了产业构成的变动，从而在剥离收入分配结构变化的基础上研究不同城市化模式的城乡贫困效应。

2.2 城市减贫效应分解的数学表达

根据城市化贫困减缓的上述理论分析，借鉴Christiaensen等[4]的贫困分解方法可以将总体贫困状况表示为：

城市化的减贫效应包括了贫困乡城流动的空间转移效应（SE）、集聚效应（AE）和收入效应（IE），以核心城市为例，核心城市的总体减贫效应TE=SE+AE+IE，其中，SE=（PU-PA），AE=（sUPUsU-sAPAsA），IE=rdyy。

根据上述分析，本文待检验的经验假说为：

假说1：城市化能够影响贫困减缓，但由于要素集聚对城乡贫困人口的溢出存在差别，城市化的减贫效应存在城乡差异。

假说2：由于不同的城市化模式具有不同的集聚正外部性和转移成本，核心城市和二级城镇具有异质性减贫效应。

假说3：城市化伴生的贫困乡城转移能够对城乡贫困状况产生影响，由于贫困人口向城市地区的转移，会导致贫困存在空间相关性。

3 计量模型、变量与数据

3.1 计量模型设定

本文的基本计量模型为：

其中，i=r，u，pr表示农村贫困，pu表示城市贫困，sUT表示非农人口比重，也即核心城市人口比重与二级城镇人口比重之和，y表示经济增长，α和υ为参数估计值，xt为除了城市化和经济增长之外其他能够影响贫困的外生变量，ut为独立同分布的白噪声，W是地理邻接空间权重矩阵，ρ为空间相关系数，t为时间。该模型能够分析城市化与城乡贫困减缓的总体关系，检验假说1。基本模型中也引入了空间相关性，识别城市化减贫的空间转移效应，检验假说3。

式（11）未能体现城市化模式差异对城乡贫困减缓的异质作用，为此我们将城市化细分为核心城市人口比重和二级城镇人口比重，捕捉不同城市化模式集聚效应和转移成本的差异，检验假说2，从而将计量模型扩展为：

lnpit=α0+α1lnsUt+α2lnsTt+α3lnyt+ρWlnpt+υxt+ut（12）

其中，sU表示核心城市化，sT表示二级城镇化。式（12）中的α1和α2分别表示的是核心城市和二级城镇贫困减缓集聚效应（AE），α3表示的是贫困减缓的收入效应（IE），ρ表示的是贫困减缓的乡城转移效应（SE）。

随着城市化进程的推进，产业结构和收入分配结构都会发生变化，从而使得城市化对贫困人口的影响，不仅体现为收入的增长效应，还有可能体现为收入的分配效应。为了控制城市化对收入分配的影响，我们将总体经济增长分解为农业和非农产业的经济增长，并在实证检验时分别引入。引入收入分配结构之后的计量模型扩展为：

lnpit=α0+α1lnsUt+α2lnsTt+α3lnyt+α4indut+α5tertt+ρWlnpt+υxt+ut（13）

其中，indu表示第二产业产值比重，tert表示第三产业产值比重。除了城市化之外，现有研究已经识别除了能够影响城乡贫困减缓的若干其他因素，为了控制这些背景因素对于城市化减贫效应的扰动，我们在其他外生变量x中引入了受教育程度。

3.2 变量说明

（1）城乡贫困变量。选取城乡恩格尔系数作为衡量城乡贫困状况的指标。反映贫困状况的通用指标包括贫困指数、贫困人口收入[15]以及恩格尔系数[16]。由于贫困线的变更，各地区尚无长序列的贫困指数，并且中国当前的收入状况，贫困主要体现为收入贫困和消费贫困，因此

借鉴

文献[16]

的做法，在模型中取各省区的城乡恩格尔系数作为被解释变量，分别反映城乡贫困状况，城乡恩格尔系数的下降表明实现了贫困减缓。同时也利用城乡恩格尔系数和城乡人口比重构建了总体恩格尔系数来反映总体贫困状况，总体恩格尔系数=城市恩格尔系数×非农人口比重+农村恩格尔系数×农村人口比重。

西部地区城乡恩格尔系数的数据来源于《新中国六十年统计资料汇编》以及2009-2013年中国统计年鉴及相应省区统计年鉴。部分省份统计年鉴中没有给出城乡恩格尔系数，我们利用食品支出在现金消费支出中所占的比例进行了计算。

（2）城市化变量。本文用人口城市化率表征城市化状况，人口城市化率能够有效反映劳动力要素集聚，从而对贫困人口就业和收入提升产生正向溢出。涉及的城市化指标包括总体城市化率、核心城市化率和二级城镇化率。总体人口城市化率的计算方法为（总人口-乡村人口）/总人口。核心城市化率的计算方法为城市人口/总人口，二级城镇化率的计算方法为镇人口/总人口。总人口、城市人口、镇人口、乡村人口的数据来源于第五次人口普查、第六次人口普查以及1998-2012年历年人口抽查数据。

因此利用人口普查和抽查数据不仅能够反映户籍人口，还能够反映常住人口，从而能够更好地反映城市化所引致的人口流动。

（3）经济增长变量。经济增长用人均地区生产总值表示，并在模型中取自然对数作为主要解释变量。经济增长能够带来平均收入水平的提升，从而对贫困人口收入提升带来“水涨船高”的正效应，是影响贫困减缓的重要解释变量。为了捕捉可能存在的库兹涅茨曲线效应，在模型中还控制了人均地区生产总值的二次项。如果二次项参数估计值显著大于零，则表明在某个临界值之前经济增长能够显著降低贫困状况，但减贫弹性趋于下降。

（4）收入分配变量。本文用产业结构来控制收入分配变量，Loayza和Raddatz[17]研究表明产业结构是收入分配变动的重要来源，同时现有研究也表明不同产业的减贫效应存在差异。因此在模型中引入产业结构不尽能够最大限度规避收入分配对城市化减贫效应的扰动，而且有助于控制产业结构通过就业吸纳力对城市化减贫效应的影响，从而在一个分配中性的模拟环境中判定城市化与西部地区贫困减缓的关系。

（5）空间权重矩阵。建立表达空间交互结构的空间权重矩阵是空间计量分析的最核心步骤，权重矩阵是关联空间计量理论模型与真实世界中空间效应的纽带。在本文分析中，我们根据劳动力流动的特征，将空间权重矩阵简单设定为空间邻接矩阵。

（6）受教育年限变量。在模型中取受教育年限的自然对数作为解释变量。引入受教育年限的目的在于控制城市化对教育回报的异质影响，从而对收入分配结构变化进行进一步控制。受教育年限根据六岁以上人口中各种受教育程度人口的比重加权得到，计算公式为：小学×6+初中×9+高中×12+大专及以上×16。相应数据来源于1999-2013年《中国统计年鉴》。

3.3 数据来源与变量统计性说明

本文以1998-2012年作为研究时间段，构建省级面板数据，既保证时间序列的长度，又规避中国经济发展政策变迁对城市化减贫效应的可能扰动。本文数据的主要来源是《新中国六十年统计资料汇编》、历年《中国统计年鉴》、《中国人口统计年鉴》、《中国人口和就业统计年鉴》以及历年各省区统计年鉴。表1报告了各变量的描述性统计，图2则给出了不同城市化模式与总体贫困状况的散点图和线性拟合曲线，从中可以看出核心城市人口比重和二级城镇人口比重均与总体贫困状况负相关。

4 实证分析与结果说明

4.1 贫困的空间相关性分析

随着城市化的推进和劳动力的乡城流动，贫困空间分布会在初始分布的基础上体现出更大强度的空间相关性。

本文使用Morans I指数来反映贫困的空间相关性，其计算公式为：

区域的空间权重赋值，如果两地邻接则赋值为1，否则为0。MoranI指数取值范围通常介于-1和1之间。较大的正数意味着两相邻地区的观测值具有较强相关性。计算MoranI指数之后，还需要对MoranI指数的统计显著性水平进行检验，方能识别被解释变量的空间自相关性。MoranI检验的原假设为H0：不存在空间自相关。所有观测值空间独立，E（Morans I）=-（n-1）-1≈0，其中E为期望值，n是数据点的个数；H1：存在显著的空间自相关。变量观测值之间是空间相关依赖的，MoranI的参数值显著不等于0。我们利用空间邻接矩阵计算了1998-2012年31个省区城乡贫困和总体贫困的MoranI指数，具体结果详见表2所示。

结果表明，各贫困指标的MoranI指数均为正值，且在5%的统计显著性水平上统计显著，我国各省区的总体贫困和城乡贫困存在显著的空间相关特征。并且MoranI指数值整体呈递增趋势，这表明中国各省区的城乡贫困不仅存在空间相关，而且随着贫困的乡城流动，空间相关性趋于增强。贫困的乡城流动是影响各省区城乡贫困变动的主要因素，因此在反贫困问题的理论研究中应该充分重视可能存在的贫困空间相关性。

4.2 实证结果说明

为了控制贫困空间自相关性对城市化减贫效应的影响，本文采用空间计量方法对模型进行估计。常用的空间计量模型包括空间自回归模型（SAR）和空间误差模型（SEM），通过计算拉格朗日乘数检验值，本文选择空间自回归模型控制被解释变量的空间自相关性，并使用固定效应（Fixed Effects， FE）估计，通过“组内变换”消除个体效应。

4.2.1 总体城市化与贫困的关系

实证分析过程中我们首先对各省区总体城市化率和贫困状况的关系进行了实证检验，判定城市化与贫困减缓的总体关系，检验假说1，结果见表3所示。模型一中的解释变量只加入了总体城市化率和人均地区生产总值，城市化的参数估计值为-0.105 8，且在1%的显著性水平上统计显著。模型二对收入分配结构的变化进行了控制，引入了非农产业产值比重和受教育年限，并引入人均地区生产总值的二次项，以识别经济增长与贫困减缓之间可能存在的库兹涅茨效应。控制了分配结构的变化后，城市化参数估计值变为-0.137 1，且在1%的显著性水平上统计显著。模型三和模型四区分了第二产业和第三产业减贫效应的差别，分别引入了第二产业产值比重和第三产业产值比重，结果表明非农产业的减贫作用主要来源于第三产业，在控制了其他变量后，第二产业的参数估计值为正值，且经济意义不显著。因此在控制收入分配变动时，引入第三产业产值比重、受教育年限作为基准模型。

分析结果表明，总体城市化率能够显著降低贫困状况，从模型四的结果来看，在控制了空间转移效应和增长效应以及收入分配结构变化之后，总体城市化率每上升1个标准差，总体贫困指数下降6%。城市化能够通过集聚效应对贫困减缓产生影响，为了区分城市化对城乡贫困减缓的异质效应，凸显城市化集聚效应的规模经济和负外部性，模型五和模型六中分别在基准模型的基础上引入农村贫困和城市贫困作为被解释变量。结果表明城市化率在城市的参数估计值略大于农村地区，总体城市化率每提升1个标准差，城市贫困和农村贫困状况下降1.8%和1.6%，存在差别的主要原因在于城市化对城市和农村贫困人口的集聚经济和转移成本存在差别，因此有必要对城市化的集聚外部性从城市规模的角度进行细分。

4.2.2 城市化模式选择与减贫的关系

表4进一步将总体城市化分解为核心城市化和二级城镇化，以识别不同城市化模式减贫效应的差异，检验假说2。模型一和模型二分别检验了核心城市和二级城镇对总体贫困的影响，模型三和模型四分别检验了核心城市和二级城镇对农村贫困的影响，模型五和模型六分别检验了核心城市和二级城镇对城市贫困的影响。

从总体贫困状况的变动来看（模型一和模型二），核心城市化率和二级城镇化率的参数估计值分别为-0.157 5和-0.193 3，且均在1%的显著性水平上统计显著，二级城镇化对总体贫困的减贫效应更为显著。其主要原因在于贫困人口转移到二级城镇的转移成本和负外部性较小，从而在集聚经济低于核心城市的情况下，获得较大的净溢出。从农村贫困状况的变动来看（模型三和模型四），核心城市化率和二级城镇化率的参数估计值分别为-0.059 2和-0.026 9，核心城市化率参数估计值在10%的显著性水平上统计显著，二级城镇化率的参数估计值则在常用显著性水平上统计不显著。核心城市化对农村贫困的减贫效应在统计意义和经济意义上均更为显著，该实证结果与总体贫困状况下的分析有所不同。我们继续比较了不同城市化模式对城市贫困变动的影响（模型五和模型六），核心城市化率和二级城镇化率的参数估计值分别

为-0.028 9和-0.074 6，且只有二级城镇化率的参数估

计值在常用显著性水平上统计显著。从上述实证结果来看，二级城镇化对总体贫困和城市贫困的减贫效应更为显著，而核心城市化对农村贫困的减贫效应更为显著。这一结果的解释可以分解为两个问题：为什么核心城市对农村贫困的减贫效应更为显著？为什么二级城镇对城市贫困的减贫效应更为显著？针对第一个问题，从模型三和模型四的实证结果可以发现，在将农村贫困作为被解释变量时，第三产业产值份额的参数估计值显著小于其他模型，这意味着农村贫困并非通过转向城市第三产业就业而获得收入提升，农村贫困人口收入增加的主要原因是生产效率提升以及由此引致的要素回报溢价。并且从中国农村贫困人口的流动现实来看，农村贫困人口流动到城市之后往返故乡和就业地的频率极低，住宿也以工棚和工厂提供的住宿为主，这极大降低了劳动力乡城流动的成本。因此对于农村贫困人口而言，生产效率提升是其收入提升的主要决定因素，因而核心城市化凭借较高的要素密集度能够带来更高的生产效率和更大的减贫效果。针对第二个问题，从模型五和模型六的实证结果可以发现，在将城市贫困作为被解释变量时，基准模型的拟合优度从0.7以上显著下降到0.3以下，并且经济增长的减贫效应与其他模型具有明显不同，人均地区生产总值对城市贫困的影响是开口向下的二次函数关系。这意味着城市贫困的减贫路径与农村贫困有着显著不同，集聚经济并非是城市贫困人口收入提升的重要来源。其收入提升的关键在于能否在农村流动劳动力和城市中高熟练程度劳动力的劳动力供给竞争下寻找到适宜的就业定位，一方面规避与农村流动劳动力在城市低技能就业岗位上的竞争，一方面规避在城市熟练就业岗位上的弱势。二级城镇为城市贫困人口提供了实际上的“就业避风港”，这也是二级城镇对城市贫困人口减贫效应更为显著的主要原因。

4.2.3 其他要素与城乡减贫的关系

经济增长是城乡贫困减缓的重要驱动力来源，在未引入人均地区生产总值二次项的情况下，人均地区生产总值的参数估计值为-0.038 6，且在1%的显著性水平上统计显著。在引入二次项的情况下，在城市贫困作为被解释变量的模型中，经济增长与贫困减缓的关系为开口向下的二次函数关系，在其他模型中则为开口向上的二次函数关系。从人均地区生产总值的作用区间来看，基于当前的城市化水平，在所有模型中经济增长对贫困减缓的作用均为正向作用。

非农产业比重能够有效带动城乡贫困减缓，在所有模型中其参数估计值均为负值，但第二产业和第三产业的减贫效应存在差别，不同产业对城乡贫困减缓的作用也有所不同。对于总体贫困状况而言，第三产业的减贫效应更为显著，第二产业未能体现出显著的减贫作用，这主要与不同产业的劳动报酬份额和贫困人口的就业密度有关[18]。第三产业是城市贫困人口实现减贫的主要原因，但第三产业对农村贫困人口的减贫效应并不显著。

受教育年限是农村贫困人口收入提升和贫困减缓的重要源泉，表4模型三和模型四的实证结果均表明受教育年限的参数估计值约为-0.2，且在5%的显著性水平上统计显著。但表4模型五和模型六的结果则表明受教育年限并非城市贫困人口实现减贫的显著来源。这与单德朋[15]的研究一致，受教育年限对贫困减缓具有门槛效应，在未达到某个门槛之前，受教育程度越高则减贫效果越为显著，但越过门槛之后，受限于高等教育质量和回报率的影响，受教育程度的减贫效应趋于减弱。

5 稳健性检验

各省区城乡贫困贫困人口的禀赋条件和城市化对应的集聚外部性存在显著差别，因此各地区城市化的减贫效应有所不同，为了检验城市化模式影响城乡贫困的稳健性，我们在表5中报告了东部和西部样本的估计结果，其中模型一、模型二和模型三分别以东部地区总体贫困、农村贫困和城市贫困作为被解释变量，模型四、模型五和模型六则分别以西部地区总体贫困、农村贫困和城市贫困作为被解释变量，估计方法为固定效应模型。同时，使用恩格尔系数作为贫困代理变量具有理论可行性和数据可得性，但恩格尔系数是从消费的结果上反映贫困状况，而消费结构不尽取决于收入状况，还与金融系统、消费偏好、代际资产转移等因素有关，因此使用恩格尔系数无法全面刻画贫困变动。为了规避被解释变量选择对城市化减贫效应的扰动，本文在表6中报告了将被解释变量替换为西部地区城乡贫困人口收入的估计结果，模型一、模型二和模型三分别以总体贫困、农村贫困和城市贫困作为被解释变量。贫困人口收入的计算方法借鉴了单德朋[15]的做法，农村贫困采用各相应年份《中国贫困监测报告》各省区贫困县农民人均纯收入数据，城市贫困采用各省份统计年鉴中按收入等级分最低20%城镇人口的人均可支配收入，总体贫困为农村贫困人口收入和城市贫困人口收入的加权值。

细分东西部的稳健性检验显示（见表5），二级城镇化对东部地区总体减贫的影响更为显著（模型一），二级城镇化率和核心城镇化率的参数估计值分别为-0.174 8和-0.051 4，且均在1%的显著性水平上统计显著。从西部地区样本的回归结果来看（模型四），核心城市化对西部地区总体贫困的减贫效应更大，核心城市化率和二级城镇化率的参数估计值分别为-0.147 3和-0.147 3，同样在1%的显著性水平上统计显著。继续分析不同城市化模型对东西部城乡贫困的影响来看，二级城镇化对东部地区农村贫困和城市贫困的减贫效应更为显著，而核心城市化对西部地区城乡减贫的影响相对更大。

将贫困指标替换为贫困人口收入后的稳健性检验结果显示（见表6），核心城市化和二级城镇化与西部地区贫困人口总体收入显著正相关，参数估计值分别为0.758 7和0.761 5，且均在1%的显著性水平上统计显著。细分城乡贫困人口收入的分析结果则表明核心城市化是西部地区农村贫困人口收入提升的更显著来源。虽然核心城市化和二级城镇化对西部地区城市贫困人口收入的影响均统计不显著，但核心城市化率的参数估计值更大，经济意义更为显著。

上述稳健性检验结论与第四部分的分析结果一致，对于西部地区而言，无论是城市贫困人口还是农村贫困人口其减贫的关键在于通过劳动力的空间转移和生产方式的转变提升生产效率，转移成本并非制约收入提升的核心变量。但对于东部地区而言，在受益于交通通达性提升和交易成本降低的同时，也被动接受了高房价、更剧烈的劳动力竞争以及公共服务市场化的负面压力，因此二级城镇是东部地区城乡减贫的更有效选择。

6 结论与建议

城市化作为中国经济增长的重要引擎，为实现全面小康建设目标和贫困减缓提供了更丰富可能。如何借城市化的东风，实现消除贫困的构建性目标是重要理论问题。本文在贫困乡城转移的背景下，考察了不同城市化模式与城乡贫困减缓的关系。通过构建理论模型将城市化的减贫效应分解为减贫的集聚效应、收入效应和转移效应，并基于1998-2012年中国省级面板数据，使用空间面板计量方法对城市化与贫困的关系进行了实证检验和稳健性检验。研究结论显示贫困乡城转移确实影响了城乡贫困状况，在减贫影响因素的相关理论研究中应该纳入贫困的空间分布作为解释变量。城市化对贫困减缓具有显著积极作用，但不同城市化模式影响城乡贫困的方式和结果存在差异。二级城镇是中国城市减贫，尤其是东部地区城市贫困减缓的更可靠来源，而核心城市对中国农村地区和西部地区贫困减缓的影响更为显著。其主要原因在于，西部地区城乡减贫的主要动力是通过劳动力转移而获得的生产效率提升，而东部地区城市减贫的主要来源则是对核心城市要素聚集所带来的负外部性的规避，而二级城镇则为东部地区城乡贫困人口提供了良好的“避风港”。

本文关于城市化模式与城乡贫困减缓关系的研究，揭示了通过城市化模式选择实现贫困减缓的机制，具有重要的政策含义。随着《国家新型城镇化规划（2014-2020年）》的实施和推进，我们在逐步完成城市化水平预设目标的同时，不仅应该关注城市化对总体经济增长的推动作用，而且应关注城市化对不同收入群体的影响，以及不同城市化模式选择对城乡贫困人口的异质效应。为了更好地利用城市化的契机实现贫困减缓，需要强调二级城镇对东部地区和城市贫困人群的减贫作用，约束城市化要素集聚给贫困人口带来的公共服务成本提升等负外部性。同时应在西部地区强调核心城市的减贫效果，着力通过放大要素集聚和生产效率提升对贫困人口收入提升的核心作用。当然，本文的研究只是从恩格尔系数和贫困人口收入两个方面对贫困进行了反映，还缺乏基于贫困指数的分析，尤其无法反映城市不同模式对不同贫困深度群体的影响。这一方面还有待于在省级贫困指数可得的情况下进行进一步分析，识别城市化不同模式与贫困距和广义贫困距的关系，对城市化减贫效应的关联机制进行更细致的刻画，这也是本选题后续继续完善的方向。

（编辑：于 杰）

参考文献（References）

[1]Lewis W A. Economic Eevelopment with Unlimited Supplies of Labour[J]. The Manchester School， 1954， 22（2）： 139-191.

[2]Kuznets S. Economic Growth and Income Inequality[J]. The American Economic Review， 1955： 1-28.

[3]Quigley J M. Urbanization， Agglomeration， and Economic Development， World Bank Working Paper No. 19， Commission on Growth and Development[R].2008：19.

[4]Christiaensen L， Weerdt J， Todo Y. Urbanization and Poverty Reduction： the Role of Rural Diversification and Secondary Towns[J]. Agricultural Economics， 2013， 44（4-5）： 435-447.

[5]Rigg J， Bebbington A， Gough K V， et al. The World Development Report 2009 ‘Reshapes Economic Geography： Geographical Reflections[J]. Transactions of the Institute of British Geographers， 2009， 34（2）： 128-136.

[6]Forslid R. Economic Geography and Public Policy[M]. US：Princeton University Press， 2005.

[7]Henderson J V. Cities and Development[J]. Journal of Regional Science， 2010， 50（1）： 515-540.

[8]王小鲁.中国城市化路径与城市规模的经济学分析[J].经济研究，2010，（10）：20-32.[Wang Xiaolu. Urbanization Path and City Scale in China： An Economic Analysis[J]. Economic Research Journal，2010，（10）：20-32.]

[9]Haggblade S， Hazell P， Reardon T. The Rural NonFarm Economy： Prospects for Growth and Poverty Reduction[J]. World Development， 2010， 38（10）： 1429-1441.

[10]Dorosh P， Thurlow J. Can Cities or Towns Drive African Development？ Economywide Analysis for Ethiopia and Uganda[J]. World Development， 2014， 63： 113-123.

[11]Coulombe H， Lanjouw P. Poverty， Access to Services and City Size in a Selection of African Countries， Mimeo， the World Bank[R].2013.

[12]Fay M， Charlotte O.Urbanization Without Growth： A NotSo Uncommon Phenomenon. Policy Research Working Paper， No. 2412： The World Bank[R].2000.

[13]Bertinelli L， Black D. Urbanization and Growth[J]. Journal of Urban Economics， 2004， 56（1）： 80-96.

[14]Dollar D， Kraay A. Growth is Good for the Poor[J]. Journal of Economic Growth， 2002， 7（3）： 195-225.

[15]单德朋. 教育效能和结构对西部地区贫困减缓的影响研究[J]. 中国人口科学， 2012， （5）： 84-94. [Shan Depeng. Effective Education， Education Structure and Poverty Reduction in Western China[J]. Chinese Journal of Population Science， 2012， （5）： 84-94.]

[16]师荣蓉， 徐璋勇， 赵彦嘉. 金融减贫的门槛效应及其实证检验：基于中国西部省际面板数据的研究[J]. 中国软科学， 2013， （3）： 32-41. [Shi Rongrong， Xu Zhangyong， Zhao Yanjia. The Threshold Effect of Financial Development on Poverty Alleviation： An Empirical Test Based on the InterProvince Panel Data in Western China[J]. China Soft Science， 2013， （3）： 32-41.]

[17]Loayza N V， Raddatz C. The Composition of Growth Matters for Poverty Alleviation[J]. Journal of Development Economics， 2010， 93（1）： 137-151.

[18]单德朋. 西部民族地区经济增长与就业能力同步提升研究[J].民族学刊，2013，（2）：26-37. [Shan Depeng.A Research on Promoting the Economic Growth and Employment Ability in Western Ethnic Region[J]. Journal of Ethnology， 2013，（2）：26-37.]