城镇化减贫的空间溢出效应及门槛特征——基于贫困乡城转移背景

张 跃 ，黄帅金

(中国社会科学院大学 农村发展系，北京102488)

一、引言

贫困是世界各国政府共同面对的问题，而贫困减缓是各国现代化进程中的永恒话题。随着国家经济发展和现代化进一步推进，国家贫困线也不断相应提升，贫困逐渐由绝对贫困转化为相对贫困、由单一贫困转化为多维贫困、由农村贫困转化为城市贫困(魏后凯，2018)[1]。贫困乡城转移是随着农业人口快速转移和城镇化推进，贫困人口和低收入群体向城市集聚的现象，其既区别于城乡结合部的贫困中间地带，又反映出相对同质的低技能劳动力流动问题(单德鹏等，2015)[2]。根据已有统计数据显示，2014年中国城市贫困人口在6000～7500万人之间，其中外来贫困人口占比76%(魏后凯和苏红键，2016)[3]。伴随中国户籍制度改革的持续深入和城镇发展模式的完善，贫困人口乡城转移的现象日益显现，为既往城乡二元结构下的减贫研究和减贫政策的选择提出了挑战。因此，在努力减少贫困和实现共同富裕过程中，应该注意贫困乡城转移这一现实背景，以便寻找城乡一体化减贫措施，这也是打赢脱贫攻坚战后下一步工作的难点和重点，即实现全面解决贫困问题。

鉴于我国突出的贫困问题，政府和学术界一直致力于寻找减缓贫困的政策。现有减贫政策的研究主要从宏微观两方面进行。经济增长、转移支付、金融发展和收入分配是宏观研究的主流(罗楚亮，2012；陈国强等，2018；)[4～5]。也有学者从教育、健康、劳动技能和工作经验等微观角度研究减贫举措(刘欢，2017)[6]。但现阶段中国经济增长速度放缓，城镇化是经济增长的新动力，城镇化是否促进贫困减缓？ Ravallion et al.(2007)[7]指出，城镇化可能会将贫困指标从农村转移到城市，进而导致农村贫困快速减缓和城市贫困减缓速度存在低估的可能。事实上，在乡城贫困此消彼长的背景下，单一研究农村或城市贫困并不能反映乡城贫困动态变化特征，故本文在贫困乡城转移的现实背景下，从城镇化的农村减贫效应和城市减贫效应两个方面加以检验。同时，各地区经济发展水平、资源禀赋条件不同，各地区间空间异质性导致传统空间同质性假设不能有效解释城镇化与减贫之间的空间关系。本文认为城镇化不仅对本地区贫困存在减缓作用，还能够通过空间上互动对周边地区贫困产生一定的影响。另外，20世纪40年代以来，发展经济学理论认为只有跨过经济发展水平的门槛才能进入经济持续增长时期进而摆脱贫困。其中，纳克斯、缪尔达尔等著名学者指出由于规模报酬递增的存在，一国经济和收入必须越过门槛才能发展起来，否则就会陷入“贫困恶性循环”中。那么，城镇化对贫困减缓的效应是否存在于经济发展水平的差别性效应？基于此，本文在贫困乡城转移的现实背景下，着眼于城镇化的减贫效应，研究城镇化与农村和城市贫困减缓之间的关系，这对于我国全面提高城镇化质量、减缓贫困和缩小贫富差距具有重要意义。文章余下安排如下：第二部分是文献综述；第三部分是模型设定、变量选取与数据来源；第四部分是实证结果与分析；第五部分是结论与启示。

二、文献综述

国内外学者关于城镇化与减贫的关系，主要可以归纳为两种观点，即城镇化对贫困减缓的有利论和不利论。持有利论的学者认为，城镇化的减贫效应主要通过以下渠道实现的：一是城镇化发展可以促进经济增长，经济增长是贫困减缓的首要条件(Ravallion et al.，2007)[7]。朱孔来等(2011)[8]基于中国1978—2009年时间序列数据研究发现，中国城镇化率每提高一个百分点，可以维持7.1%的经济增长。沈坤荣和蒋锐(2007)[9]通过构建省际面板模型，实证结果表明城镇化通过集聚经济和农村剩余劳动力转移，促进经济增长进而提高收入，减少贫困。二是城镇化可以提高农业劳动效率。农村剩余劳动力随着城镇化水平提高向城镇转移，这有利于缓解农村人口与土地资源矛盾，农村人均土地拥有量增加使得土地规模化和农业产业化经营成为可能，提高农村生产效率，增加农民收入(蔡武等，2013；张莅黎等，2019)[10～11]。三是城镇化发展对农村地区产生正外部性。劳动力通过城镇化在城乡间流动，会对人力资本、技术转移和居民健康等方面起到积极作用，从而有利于农村地区减贫(Mckenzie et al.，2007)[12]。杨俊和黄潇(2010)[13]运用1983—2006年CHNS微观调查数据，研究表明随着工业化和城市化进程教育差距缩小，有利于人力资本积累并对消除农村贫困起较大促进作用。程明梅和杨朦子(2015)[14]认为城镇建设推动了农村人口向城镇集聚，使他们能够享受到更好的卫生设施、医疗条件等，提高了健康水平。

城镇化不利于贫困减缓的原因可以归纳为三方面因素：一是城镇化与经济增长并非呈正相关关系。Henderson(2003)[15]研究表明城镇化与经济增长之间呈现倒U型关系，即在城镇化初期阶段，城镇化建设有利于经济增长，在城镇化建设的后期阶段，二者是负向关系。加之农村与城市联系不紧密时，城镇对农村的后向关联及农村溢出效应可以忽略不计，此时农村劳动力流动对农村减贫效应是有限的(何春和崔万田，2017)[16]。二是城镇化发展会冲击贫困地区的经济体系。随着城镇化推进，农村人力资源外流必然会引起其他生产要素和公共资源向城镇地区集聚，并通过极化效应抑制贫困地区自我发展能力(龙花楼等，2016)[17]。同时贫困地区因内生发展缺乏动力和产业支持会更加贫困，特别在传统城镇化模式的影响下，农村贫困地区更存在被边缘化的风险(刘彦随等，2011；颜银根，2014)[18～19]。三是城镇化热引起的新贫困。城镇化热导致非农用地需求量增加，使得“失地”农民数量增加，加之缺乏产业支撑的城镇化不能为“失地”农民提供就业岗位，进而丧失稳定收入来源(王轶等，2018)[20]。同时“失地”农民变为城镇居民后，在社会保障上陷入既非市民又非农民的两难境地，造成“失地”农民社会权利上的贫困(万时姣和苗艳青，2006)[21]。

已有关于城镇化减贫效应的研究无疑是值得借鉴的，但笔者认为仍存在以下问题：一是从研究对象来看，以往研究多以农村贫困作为研究对象。随着城镇化快速推进和贫困乡城转移，城市贫困和低收入群体不断扩大，然而学术界对城市贫困的实证研究还相对薄弱。本文在贫困乡城转移的现实背景下，将农村贫困和城市贫困作为研究对象可以客观反映乡城贫困的真实状况，并对我国统筹农村和城市反贫具有重要的现实意义。二是从研究方法来看，以往传统空间同质性假说在实证检验城镇化和贫困减缓关系方面存在缺陷。由于各地区有着广泛的联系，而且距离越近的地区联系越密切，城镇化发展可能不仅对本地区城乡减缓贫困有作用，而且还可以通过空间上互动性对邻近地区贫困具有减缓作用。三是从研究假设来看，已有研究多是假设城镇化与贫困减缓存在线性关系，忽视了不同经济发展水平下城镇化对城乡贫困减缓的差别效应。本文从门槛效应角度对城镇化与乡城贫困减缓之间的关系进行研究，有助于我们更为细化地分析两者间的影响机制，从而更好为当前的城镇化进程提供政策建议，促进其减贫效应的有效发挥。四是从研究指标来看，以往研究多将城镇人口占比这单一标准作为城镇化的衡量指标。城镇化要体现“以人为本”，要重视外来转移人口的需求，要把解决人的就业和居住环境的改善放在最重要的位置。为全面客观反映我国城镇化尤其是新型城镇化对贫困减缓的作用，本文将城镇化细分为人口城镇化、就业城镇化和空间城镇化三项指标来衡量地区城镇化水平。基于此，本文边际贡献在于：从贫困城乡转移的现实背景出发，以农村贫困和城市贫困作为研究对象，选取人口、就业和空间三项城镇化指标，并构建空间面板模型和门槛面板模型，以中国2000—2016年30个省份(不含港澳台和西藏)数据为研究样本，对城镇化减贫的空间溢出效应和门槛效应进行实证检验，研究结论以期为我国扶贫开发和城镇化科学合理的发展提供有价值的参考。

三、模型设定、变量选取与数据来源

(一)基准模型设定

为了检验城镇化与城乡贫困之间的关系，首先构建基准模型如下：

(1)

公式(1)中，Yit表示农村和城市贫困水平，urit表示人口、就业和空间城镇化三项指标，Xit为控制变量集合，j为控制变量个数，μi为个体固定效应，ηi为时间固定效应，εit为随机扰动项。该模型成立的假设条件之一是各地区解释变量之间相互独立，不存在空间关联。然而在现实经济中，各地区存在着经济、社会和文化等多方面联系，并且距离相近的地区联系更为密切(Tobler，1970)[22]。为避免因忽视空间相关性而导致实证结果有偏，本文继而构建空间计量模型以检验城镇化减贫的空间溢出效应。在此基础上，是否经济发展水平越高，城镇化对城乡贫困的减贫效应更加显著？以往的检验方法通过构造交叉项进行检验，但这种检验方法难以确定具体门槛值，同时交叉项将非线性数据转化为线性数据，容易导致模型失偏(肖挺，2016)[23]。因此，构建门槛面板模型是解决非线性模型最简洁的方法之一，故建立门槛面板数据模型来测度经济发展水平在城镇化贫困减缓中的门槛效应。

1.空间计量模型

空间面板模型由Anselin et al.(1997)[24]首次提出，经过Baltagi和Li dong(2000)[25]等学者的修改和完善，逐步形成较为成熟的空间面板模型框架。空间面板模型根据空间效应体现方式不同，主要包括空间自回归模型(SAR)、空间误差模型(SEM)和空间杜宾模型(SDM)。由于空间杜宾模型综合了空间自回归模型和空间误差模型的特点，不仅让空间异质和不确定性的处理更加有效，还可以反映解释变量空间溢出效应(Elhorst，2014)[26]。鉴于其处理空间数据的优越性，本文以空间杜宾模型(SDM)作为实证模型：

(2)

公式(2)中，Yit为农村和城市贫困，urit表示城镇化的三方面，即人口、就业和空间城镇化，Xit为控制变量集合，ρ为空间滞后项系数，W为空间权重矩阵。空间权重矩阵的构建对进行空间经济分析尤其重要。已有文献普遍只构建邻接矩阵来研究减贫的空间效应，但邻接矩阵设置过于简单而存在明显局限性，因为即便两个不相邻的省份也存在相关联的可能性，所以学者逐步构建符合经济现实情况的空间权重矩阵。李婧等(2010)[27]详细介绍了在经济分析中可能使用的空间权重矩阵类型。参考该研究，本文构建地理矩阵、经济矩阵及同时基于邻接关系和经济矩阵的嵌套矩阵来多维度反映省份之间的空间关联。基于两个经济发展水平不同的省份之间的空间关联可能不是对称的，从而导致邻接矩阵、地理矩阵和经济矩阵这三个对称矩阵不符合现实的情况。为此，本文构建的嵌套矩阵能够在一定程度上克服对称矩阵缺陷，以便更好反映省份间空间关联效应。各空间权重矩阵的涵义及计算方法如表1所示。

表1空间权重矩阵的涵义及计算方法

2.门槛面板模型

Hansen(1999)[28]建立了门槛面板模型，门槛效应模型可以根据数据自身的特点来内生地划分区间，其基本形式如下：

Yit=ζi+λ1uritI(qit<γ)+λ2uritI(qit≥γ)+θXit+εit

(3)

公式(3)为单一门槛模型，Yit表示农村和城市贫困水平，urit表示人口、就业和空间城镇化三项指标，Xit为控制变量集合，λ1和λ2为待估计参数，当λ1≠λ2说明存在门槛效应。I(·)为示性函数，qit表示门槛变量，在本文中为经济发展水平，γ为门槛值。当括号中qit和γ满足条件时，I(·)取值为1；不满足条件时，I(·)取值为0。ζi表示个体影响研究，εit为扰动项。由于实际经济生活中的门槛变量不止一个，单一门槛模型对经济现象解释有限，因而单一门槛模型可以演变成双门槛模型：

Yit=ζi+λ1uritI(qit<γ1)+λ2uritI(γ2≤qit<γ1)+λ3uritI(qit≥γ2)+θXit+εit

(4)

公式(4)中的估计参数和门槛值可借助“自抽样法”(Bootstrap)来完成。首先将qit的每一个观测值代入模型，运用条件最小二乘法回归，最小残差平方和所对应的门槛值即为真实的门槛值，得到门槛参数的估计值后，还需检验门槛效应的显著性和门槛估计值的真实性。对于显著性检验，可通过构造 F 检验统计量，并借助“自抽样”方法模拟F的渐近分布。对于真实性检验，可通过构造LR似然比检验统计量，检验原假设所估计门槛值与真实门槛值是否有一致性。

(二)变量选取与数据来源

1.城乡贫困

目前关于贫困标准主要有绝对贫困、相对贫困和组合式贫困三类标准，发达国家多使用相对贫困线，发展中国家主要使用绝对收入贫困线。但中国现行的国家贫困线是针对农村贫困提出的，至今尚未提出一个统一的城市贫困标准。同时由于贫困线变更和本文研究数据时间跨度长，导致各地无长序列的农村贫困指数，并且中国当前贫困主要反映在收入和消费贫困(单德朋等，2015)[2]。基于此，借鉴师荣蓉等(2013)[29]、张兵和翁辰(2015)[30]的做法，选取各省份的城乡恩格尔系数作为因变量，分别反映城乡收入和消费贫困状况，城乡恩格尔系数越大，城乡贫困程度越高。城乡恩格尔系数来源于2000—2016年各省份统计年鉴，部分省份某些年份中没给出的城乡恩格尔系数，本文用人均食品支出占人均消费的比例来代替。

2.核心解释变量

人口比重法是衡量一个国家或地区城镇化水平的常用方法，但城镇化不是简单的城镇人口增加或者城镇土地的扩张，而是涉及就业、经济和生态环境等多方面。并且这一传统衡量方法面临着精确区分农村人口和城镇人口、界定农业人口和非农业人口等诸多挑战(姜爱林，2002)[31]。为更加全面衡量各省份城镇化水平特别是新型城镇化建设背景下的客观实际城镇化水平，鉴于数据可获得性，本文选取人口城镇化、就业城镇化和空间城镇化三项指标来衡量各省份城镇化水平。其中人口城镇化是城镇人口占总人口比重，就业城镇化是二、三产业就业人员数占总就业人员数比重，空间城镇化的量化指标参考温涛等(2017)[32]用各省份建成区面积的对数值表示。

3.控制变量

由于人力资本、就业状况、收入分配和经济增长等因素都有可能对贫困减缓产生影响，故将上述因素作为控制变量。人力资本变量用从业人员中大专以上人员比重来表示。就业状况变量用就业人口数占总人口数比重来表示。收入分配变量用产业结构来表示，Loayza和Raddatz(2010)[33]研究发现产业结构是决定收入分配变化的主要因素，并且已有研究表明不同产业呈现出差异性减贫效应。因而将第三产业产值比重作为收入分配变量，以最大限度地避免收入分配对城乡减贫效应的扰动。考虑到城镇化减缓城乡贫困还可以通过经济发展带来平均收入水平的提高，进而对城乡贫困人口收入的提升带来“滴涓效应”。用2000年基期的人均gdp作为经济发展变量，同时为了验证库茨涅兹曲线存在的可能性，在实证模型中引入了人均gdp的二次项，若二次项的参数估计值显著大于零，则说明经济发展减贫效应下降。

本文样本数据涵盖了中国30个省(市、自治区)，西藏和港澳台数据因数据缺失，故不在样本数据范围内。样本数据中各省份农村和城市恩格尔系数、各省份城镇人口和总人口数、第三产业产值、人均收入和GDP数据均来自2001—2017年《中国统计年鉴》；各省份三次产业就业人员数和总就业人员数来自于2001—2017年各省份统计年鉴；各省份从业人员中大专以上人员数来自于2001—2017年《中国人口与就业统计年鉴》。各变量定义及描述性统计见表2。

表2变量定义及描述性统计

四、实证结果与分析

(一)城镇化减贫的空间溢出效应

1.空间计量模型参数检验

在城镇化对城乡贫困减缓的实证分析之前，本文需要对农村和城市贫困的空间相关性及空间杜宾模型(SDM)选择的正确性加以说明。首先采用“全域莫兰指数I”对农村和城市贫困指标进行空间相关性检验，I取值区间为[-1,1]，越接近于1说明正空间相关性越强，反之接近于-1，表明负空间相关性越明显。表3是地理矩阵下农村和城市贫困的全域莫兰指数I值，结果表明城乡贫困存在显著的、正的空间相关性，这也表明选择空间计量模型的适当性。

表3农村和城市贫困的全域莫兰指数I

本文继续运用埃尔霍斯特的“两步法”来确定合适的空间计量模型(埃尔霍斯特，2014)[34]。第一步，先估计非空间面板模型，然后根据LM Spatial Lag、Robust LM Spatial Lag、LM Spatial Error和Robust LM Spatial Error四个统计量来判定是否采用空间滞后模型(SAR)或空间误差模型(SEM)。根据LM检验的P值显示，拒绝了不存在空间滞后或空间误差模型的原假设，因而应选用空间计量模型。第二步，确定具体的空间计量模型。根据Wald和LR统计量来检验空间杜宾模型(SDM)是否能简化成SAR或SEM。Wald和LR的检验结果均在1%的置信水平上拒绝了原假设，表明SDM不能简化成SAR和SEM，说明选用SDM模型来拟合样本数据的正确性。最后，根据Hausman统计量的检验结果，最终采用SDM的固定效应模型(限于篇幅，检验结果省略)。

2.空间杜宾模型估计结果

农村贫困的实证结果如表4所示。本文对人口、就业和空间三项城镇化分别在不同空间矩阵中进行了回归。根据回归结果，三项城镇化指标下的拟合优度最小为60%，极大似然函数值最小值为1036.71，说明样本拟合度较好。虽然部分自变量在不同空间权重矩阵中的回归系数及显著性水平存在差异性，但回归系数的作用方向表现一致，说明不同空间矩阵下的回归结果是稳健的。从空间自相关系数rho来看，其回归系数均在1%显著性水平大于0，意味着农村居民收入贫困存在着显著的空间正向关联效应。在城镇化三项指标中，这种空间正关联效应在距离矩阵下更为明显，意味着农村贫困的空间正向关联在地理上的分布特别明显，即呈现出区域性的贫困集聚效应。

从核心变量的回归作用方向来看，人口、就业和空间三项城镇化均在1%的显著性水平为负，说明城镇化的人口、就业和空间三方面均对缩小农村贫困起到了较为显著的积极效应，表明城镇化不仅仅是人口的城镇化，还是人的生产生活的城镇化。农村人口转移到城镇，如果不能在本地就业和定居，便是不完全的城镇化，也不能充分发挥城镇化在农村减贫中的积极作用。今后在利用城镇化发展减少农村贫困的实践中，尤其是在新型城镇化建设中，不应单一局限于人口为特点的人口城镇化，要注重以就业非农化和城镇体系发育为特点的就业和空间城镇化减贫作用。

从回归系数大小来看，人口城镇化的回归系数大于就业和空间城镇化的回归系数，说明人口城镇化所引发的农村减贫效应大于就业城镇化和空间城镇化所引致的减贫效应，表明积极推动农村人口向城镇转移仍是现阶段我国农村减贫的有效路径。其背后的逻辑：一方面是农村剩余劳动力随着城镇化水平提高不断向城镇转移，这有利于改变农村人口结构，减少农村贫困人口，且农村剩余劳动力向城镇转移就业会得到除农村土地收入以外的工资性收入，增加农民收入(蔡武等，2013)[10]；另一方面是在人口城镇化不断推进过程中，城镇化建设为农村经济发展提供了广阔市场，城市建设越发达，对各种特色农产品和经济作物的需求就越大，品质要求就越高，对农产品加工深度也提出了更高要求，城镇建设对农产品的需求为特色化、多样化和品质化的农产品生产提供了契机，农民可以通过提供多样的农产品供给进而提高收入(崔万田和何春，2018)[35]。

从不同矩阵中回归系数大小来看，人口、就业和空间三项城镇化指标在嵌套矩阵中的回归系数大于距离和经济矩阵，这意味着地区间在地理位置上邻近并在经济上相互依赖的城镇化更有利于农村贫困减缓。从控制变量来看，人力资本、收入分配和就业状况作用方向与预期一致，说明人力资本提高、收入分配改善和就业机会增加能够显著抑制农村贫困。经济增长与农村贫困的关系为开口向上的二次函数关系，即在早期阶段经济增长能够对农村贫困人口的收入带来“水涨船高”的正效应，而在经济发展后期可能由于经济增长恶化了收入分配，贫困人口并不能受惠于经济增长带来的正效应。

表4农村贫困的实证结果

注：*、**、***表示10%、5%、1%的显著水平，括号内为t值

城市贫困的实证结果如表5所示。表5同样报告了人口、就业和空间三项城镇化指标在不同矩阵中的实证结果，变量回归系数的作用方向表现一致，说明不同空间矩阵下的回归结果是稳健的。在不同空间矩阵中，空间自回归系数rho显著大于0，意味着城市贫困存在着显著的空间正向关联，即城市贫困也呈现出区域性集聚现象，这与农村贫困具有类似的分布特征。从核心变量的回归作用方向来看，人口城镇化、就业城镇化和空间城镇化三项指标均在1%的显著性水平为负；从不同矩阵中回归系数大小来看，人口、就业和空间三项城镇化指标在嵌套矩阵中的回归系数大于地理和经济矩阵的回归系数。这两项研究结论与农村贫困实证结果一致。

从回归系数大小来看，就业城镇化的回归系数大于人口和空间城镇化的回归系数，说明相比农村贫困，就业城镇化所引发的城市减贫效应大于人口城镇化和空间城镇化的减贫效应。其背后原因是城镇化的重点是农村人口向城镇转移的过程，在此过程中要重点解决这些转移人口的就业和定居问题，且转移人口稳定了就业才具有在城市生存和定居的基础。而在贫困乡城转移的现实背景下，城市贫困的外来务工人员因受教育水平、自身技能和信息获取等方面的制约，导致工作途径少和工资水平低(魏后凯和苏红键，2016)[3]。基于此，为这部分常住的贫困外来务工人员提供就业培训、公益岗位以及适当的财政支持，使这部分人口真正具备在城市立足的能力才是消除城镇贫困的核心，因而相比人口和空间城镇化，就业城镇化的推进可以增加就业机会进而有效减缓城市贫困。

表5城市贫困的实证结果

注：*、**、***表示10%、5%、1%的显著水平，括号内为t值

3.城镇化减贫的空间效应分解

相比空间误差模型和空间滞后模型，空间杜宾模型加入了因变量和自变量的空间滞后项，其实证结果可以解释自变量和控制变量的直接效应和间接效应。直接效应表示省份i城镇化发展对本地区的减贫产生直接的作用，间接效应表示省份j的城镇化发展通过空间联系作用于省份i的贫困减缓。通过空间杜宾模型和不同空间矩阵的设定，既可以发现城镇化是通过直接效应还是间接效应发挥其减贫作用，又可以识别城镇化空间溢出效应所依赖的是距离矩阵下的空间相邻还是经济矩阵下的经济互动。从表6空间效应分解结果来看，在直接效应上，无论空间矩阵设定形式如何，人口、就业和空间三项城镇化指标均对农村贫困和城市贫困呈现出显著的直接减缓效应。

在间接效应上，人口和就业城镇化在距离矩阵中对农村和城市贫困减缓作用不显著，但对减贫都有正向作用。在经济矩阵和嵌套矩阵中，人口和就业城镇化减贫的空间溢出作用显著为正。以上对比反映出基于地理单元构建的距离矩阵并不能真实反映地区间的空间关联效应，这种关联效应可能是基于地区间经济上的互动。同时嵌套矩阵中的间接效应回归系数绝对值大于经济矩阵，进一步表明同时在地理距离和经济上相邻的地区，空间关联效应作用更显著。这一方面说明仅仅地理位置的邻近还不足以使城镇化减贫效应的空间溢出性充分发挥，有些省份地区虽然相邻，但是受地形地势、历史文化、交通距离的限制，两地之间的人员和物质往来不多，城镇化水平提升通过繁荣邻近市场、激活邻近省份地区生产要素等途径发挥减贫空间溢出性的作用较弱。另一方面，即使有些省份地区间的地理位置较远，但经济上联系密切，发达地区的城镇化对于带动弱势省份地区农村的农民增收也有积极效应，这从我国农民工曾大量从中西部地区向东部沿海流动的经验事实中可以得到验证。如果邻近省份地区在经济结构上类似且相互的经济要素往来频繁，则城镇化发展对于邻近省份地区的溢出效应将得到充分发挥，因此，地区间在地理位置上邻近并在经济上互动的城镇化更有利于贫困减缓。

在三种矩阵中，空间城镇化对农村和城市减贫的间接效应方向为负但其抑制作用不显著。从需求方面来讲，城镇化的最终目标是人的生产生活的城镇化，然而城区建设面积的扩大不代表人们对城镇化需求的扩大。农村人口只有先融入城市生产生活，有了一定的物质积累并培养了城市的生产生活方式之后，才有能力和意愿对城镇的住房空间、基础设施空间等提出要求。因此，城镇化首先仍然是人口的城镇化和就业的城镇化，最后才是空间的城镇化。在人们没有能力和意愿对城市空间拓展提出需求之前，空间城镇化的减贫效应将很难发挥。从供给方面来讲，空间城镇化的推进主要依托当地财政支出和经济发展水平，且财政支出占主要地位。其对贫困的抑制作用不显著可能由于“晋升竞争”和“经济增长”双重压力，地方政府间存在着争夺财政资源的竞争关系(杨得前和刘仁济，2018)[36]，这种竞争关系限制了地方财政资源的可得性，因此也限制了城市空间的拓展，这使得城镇化空间溢出效应难以有效发挥，对农村贫困减缓的作用大打折扣。

表6城镇化减贫的空间效应分解结果

注：*、**、***表示10%、5%、1%的显著水平，括号内为t值

(二)城镇化减贫效应的门槛特征

1.门槛效应检验

本文依据“自抽样法”原理，并借助Stata14.0统计软件对城镇化的农村、城市减贫作用进行门槛效应检验。根据F统计量和LR统计量的检验结果可知，城镇化与城市贫困减缓不存在门槛效应，城镇化与农村贫困减缓存在门槛效应。表7显示了当经济发展水平作为门槛变量时，在95%的置信区间内，人口、就业和空间城镇化的单一门槛和双重门槛效应均在1%的显著性水平下显著。在双重门槛模型中，双门槛值分别为0.537和2.635。

表7农村贫困门槛效应检验

2.门槛面板模型估计结果

从表8估计结果来看，当经济发展水平处在不同区间时，三项城镇化指标对农村贫困减缓的回归系数均有所不同，城镇化与农村贫困减缓的关系并非是简单的线性关系，更倾向于以经济增长为门槛区间的分段函数。具体来说：当经济发展水平位于第一门槛区间( gdp<0.537)时，人口、就业和空间城镇化的回归系数分别在1%、10%和1%的显著性水平下为负，分别为-0.517、-0.080和-0.046；当经济发展水平位于第二门槛区间(0.537 ≤ gdp<2.635)时，人口、就业和空间城镇化的回归系数分别在1%、5%和1%的显著性水平下为负，分别为-0.576、-0.162和-0.052，这表明随着经济增长，城镇化对农村减贫影响的边际作用会递增；当经济发展水平位于第三门槛区间(gdp≥2.635)时，人口、就业和空间城镇化的回归系数分别在1%、5%和1%的显著性水平下为负，分别为-0.537、-0.088和-0.044，这表明当经济发展处于高水平时，城镇化对农村贫困减缓的影响逐渐变缓。从控制变量来看，人力资本、产业结构、就业状况和经济发展与农村贫困减缓呈显著的负向关系，这与上文得出的结论一致。

总的来说，在经济发展划分的不同区间内，城镇化发展对农村贫困的影响存在差异性，经济发展水平跨过第一个门槛值0.537而低于第二个门槛值2.635时，城镇化发展对农村减贫的边际收益递增；当经济发展水平跨过第二个门槛值2.635时，城镇化发展对农村减贫的边际收益递减。本文认为，城镇化发展与农村贫困之间的关系主要呈现出“U”曲线左边部分，即现阶段中国经济发展水平还未达到拐点，城镇化对农村贫困影响的边际收益呈递增特征，随着经济进一步发展，城镇化的减贫效应会减弱。可能原因在于经济发展进程中，城镇化初期的大规模建设为农村低技能劳动力提供了充足的就业机会。另外，城镇化进程引起集聚和规模效应，增加了农产品需求量，提高了农业生产效率，进而增加了农民收入，减少了贫困。当经济发展到一定程度时，一方面随着农村贫困率下降，贫困人口主要以极端贫困为主，此类人群由于能力缺乏等因素，长期锁定在“贫困陷阱”，城镇化对贫困减缓的效应也逐渐变弱(赵磊和张晨，2018)[37]；另一方面城镇劳动力随着农村人口不断向城镇转移而逐渐趋于饱和。根据供需定理，劳动力边际收益开始下降，同时在经济发展后期，住房、医疗和交通等生活成本和社会实际收入的基准也将随之上升，相对贫困问题开始显现。

表8农村贫困的门槛模型实证结果

注：*、**、***表示10%、5%、1%的显著水平，括号内为t值

五、结论与启示

本文在贫困乡城转移的背景下，采用中国2000—2016年30个省份的面板数据，基于空间杜宾模型并结合地理矩阵、经济矩阵和嵌套矩阵，考察人口、就业和空间城镇化对农村和城市贫困的直接效应和间接效应，同时构建门槛面板模型，检验三项城镇化指标与农村和城市贫困之间的非线性联系。主要得出以下结论：第一，城镇化能够显著减缓农村和城市贫困，同时人口、就业和空间城镇化对农村和城市贫困的作用大小存在差异性。在农村贫困中，人口城镇化对农村减贫效应大于就业城镇化和空间城镇化的减贫效应；在城市贫困中，就业城镇化对城市减贫效应大于人口城镇化和空间城镇化的减贫效应。第二，城镇化对于农村和城市贫困减缓作用不仅有直接效应，还具有空间溢出效应，同时人口和就业城镇化在经济矩阵和嵌套矩阵下的空间溢出效应要优于地理矩阵。第三，城镇化对农村贫困减缓具有明显的门槛特征。经济发展水平跨过第一个门槛值0.537而低于第二个门槛值2.635时，城镇化发展对农村减贫的边际收益递增；当经济发展水平跨过第二个门槛值2.635时，城镇化发展对农村减贫的边际收益递减。第四，人力资本、收入分配、就业状况和经济发展都对农村和城市减贫有积极推动作用。

基于上述研究结论，得出以下启示：第一，在贫困对象认识上，政府应基于贫困乡城转移的现实背景，既要关注农村贫困，同时还要关注城市贫困问题。伴随着城镇化的快速推进，城市空间差异不断加剧，城市内部二元结构日益显现，城市贫困问题也越来越突出。因此，在新形势下，城市贫困是政府未来需要着重关注的方面。第二，政府应当充分发挥城镇化在减贫方面的作用，并认识到人口、就业和空间城镇化在农村和城市贫困减缓中的差异性作用，以便实施差别性减贫政策。根据前文结论，积极推动农村人口向城镇转移是现阶段我国农村减贫的有效路径，这表明要制定科学合理的城镇化发展战略，合理推进城镇化进程，不断完善户籍制度改革，促进农村人口就近城镇化。对于城市贫困而言，一方面应增加就业机会，着力增强城市低收入群体素质教育意识，加强基本就业技能培训，完善就业服务；另一方面应提高城镇化质量，打破城乡二元体制，创造条件让小城镇、中小城市得到发展，促进农村劳动力就近非农就业，这有利于舒缓大城市贫困人口集聚和减轻城市贫困。第三，城镇化对贫困减缓具有显著的空间溢出效应，表明现阶段各地区的城镇化发展空间联系密切、相互影响。应将地区间的空间相关性纳入到城镇化发展战略制定中，重视各地区之间的地理空间联系，加强经济交流，打破行政区划界线，实行区域内的优势互补，扬长避短，依据市场经济规律和经济内在联系以及自然地理特点，实行跨市、区和省份的经济互动。第四，注意城镇化与农村贫困减缓之间的门槛效应，综合考虑城镇化发展与农村贫困减缓等目标，根据本地区经济发展阶段合理规划城镇发展战略，同时需构建财政支持、金融支持和转移支付支持等多维政策体系，以便抵消城镇化在高水平经济发展阶段所带来的边际递减效应。