地理标志对城乡收入差距的影响研究——基于安徽省县域面板数据的实证分析

陈 喜，王 凯

（南京农业大学 经济管理学院，江苏 南京 210095）

一、引 言

中国作为世界上最大的发展中国家，城乡收入差距问题更为典型和突出（蔡昉、杨涛，2000）［1］。据《中国统计年鉴》（2018）数据显示，2013-2017年中国城乡收入比依次为2.81∶1、2.75∶1、2.73∶1、2.72∶1、2.71∶1，呈逐年下降趋势，但下降幅度较低，距离3比较近。国际上城乡收入比一般最高只有2左右（张耀军、柴多多，2018）［2］。因此，我国依然面临严峻的城乡收入差距问题。

学术界关于城乡收入差距影响因素的研究文献很多，可大致划分为非要素类因素和要素类因素。其中，非要素类因素主要包括城镇化、经济政策、市场等。国内学者在研究城镇化与城乡收入差距两者关系时有不同结论。陈斌开、林毅夫（2013）［3］和赵峥等（2018）［4］认为城镇化扩大了城乡收入差距，但也有学者得出相反结论（陆铭、陈钊，2004；李卉、杨德才，2018）［5-6］。徐家鹏和张丹（2019）研究发现，城镇化转型对我国东部、中部和西部的城乡收入差距具有异质性影响［7］。王全景、郝增慧（2018）［8］和马强、王军（2018）［9］认为，城镇化对城乡收入差距的影响是倒“U型”关系。然而，陈斌开、林毅夫（2013）［3］和彭定贇、张飞鹏（2017）［10］却得出两者具有“U型”关系。同时，带有城市偏向的经济政策，如财政支出、投资、金融等因素导致“机会不均等”，扩大了城乡收入差距（陈斌开、张鹏飞，2010；谢鹏，2019）［11-12］。

要素类因素主要包括技术、土地、信息、劳动力等，也受到学者们的关注。林建和廖杉杉（2014）基于249个地级市的面板数据实证表明，农业科技进步可缩小城乡收入差距［13］。涂涛涛和李谷成（2017）基于要素报酬视角，采用中国动态CGE模型分析，得出了同样结果［14］。程名望和张家平（2019）发现互联网普及对城乡收入差距的影响呈现“倒U型”特征［15］。贺娅萍和徐康宁（2019）则认为互联网拉大了城乡收入差距［16］。钱忠好和牟燕（2013）利用省际面板数据研究发现，土地市场化水平与城乡收入差距之间存在“倒U型”关系［17］。高波等（2019）采用232个地级及以上城市的数据实证发现，在全国层面上土地市场化扩大了城乡收入差距［18］。龚明远等（2019）研究发现，人力资本配置结构和土地配置效率与缩小城乡收入差距具有正相关关系［19］。孙宁华等（2009）通过对劳动力市场模拟发现，劳动力市场扭曲加剧了城乡收入差距的扩大［20］。匡远凤和詹万明（2016）构建计量模型实证表明，农村劳动力的择优转移和转移成本会影响城乡收入差距的扩大［21］。

然而，缩小城乡收入差距关键在于提高农民收入［22-23］。地理标志具有明显的经济价值，为农民增收和区域经济发展提供“绿色动力”，是精准脱贫的途径之一。根据“商标与经济发展关系课题组”研究显示，地理标志证明商标注册后产品价格平均提高了50.11%，来自地理标志产业的收入占产地农民收入的65.94%，已有53.38%的地理标志产品成为区域经济支柱产业［24］。再如，安徽“六安瓜片”地理标志商标注册使用后，价格比注册前提高6倍，每年每户农民增收4 600元，受益农户10万多户，从业人员30万人［25］。

关于地理标志经济价值研究，也吸引了国内外学者的密切关注。国外学者Carina（2005）研究表明，欧盟地理标志保护在促进农村社会经济发展方面存在着巨大的潜力［26］。Bowe&Zapata（2009）认为，地理标志有助于提高社会经济和环境可持续发展的潜力［27］。Dogan&Gokovali（2012）研究表明，地理标志为农村发展提供了重要机遇，保护地理标志有助于维持农村地区的经济活动，并提高居民的生活水平［28］。Neilson等（2018）研究发现，地理标志使用可以为印尼咖啡种植者带来经济利益，减轻农村贫困［29］。

国内学者周曙东和张西涛（2007）通过对“陕西苹果”地理标志的实证研究发现，申请地理标志可以使苹果的成本纯收益率提高20.78%［30］。刘华军（2011）基于中国三部门地理标志数据研究指出，地理标志对区域农业经济发展和农民收入均具有较强的正向促进作用［31］。孙庆忠（2012）通过对福建平和琯溪蜜袖产业的研究发现，地理标志产品对县域经济发展产生深度影响［32］。尚旭东等（2014）以盐池滩羊为例研究发现，对农产品注册为地理标志的了解程度正向影响购买意愿和支付意愿［33］。因此，理论上说明地理标志产品可实现农民增收脱贫。但是，也有学者实证研究得出相反的结论，如王艳荣和刘业政（2011）研究发现，安徽省砀山县酥梨产业对当地农户收入增长影响不显著［34］。杨丽君（2013）实证表明，河南省新郑市大枣产业发展未能实现当地农民增收［35］。

综上所知，学者对城乡收入差距的影响因素研究成果丰硕，关于生产要素方面主要集中在城乡资源配置差异上，且研究地域主要集中在省际和地级市层面。关于地理标志经济价值的研究，大多数学者认为地理标志可以增加农民收入，但部分学者得出相反结论。那么，地理标志能否缩小城乡收入差距？是否存在空间异质性？针对这些问题的科学回答，对缩小城乡收入差距和解决“三农”问题具有重要的现实意义。鉴于此，本文选取2013-2017年安徽省县域面板数据，构建计量模型进行实证检验。之所以选择县域作为研究区域，主要考虑地理标志产品生长环境具有独特地域性，细化地域单元可更具体地反映地理标志对县域城乡收入差距的影响，为更好地利用地理标志缩小城乡收入差距提供对策建议。

二、数据来源与研究方法

（一）数据来源

本文城乡收入差距指标采用城乡收入比衡量。2013年之前安徽省大部分县（区（1））城镇居民人均可支配收入数据不全。选取2013-2017年安徽省77个县的面板数据进行研究。数据来源：2013-2017年的《中国县域统计年鉴》《安徽省统计年鉴》、市级统计年鉴和县统计公报。地理标志指标的数据主要来源于国家工商行政管理总局、国家质量监督检验检疫总局和农业农村部三部门网站的整理统计。

（二）研究方法

1.空间相关性分析

（1）全局空间自相关，即验证整个区域是否存在空间聚集，用Moran'sI指数衡量，计算公式如下：

（2）局部空间自相关，即验证局部单元之间是否存在空间相似性，用Local Moran'sI指数衡量，计算公式如下：

式（1）和（2）中，n为地区数量；Xi为样本值；Xˉ为样本的均值；wij为空间权重；Zi和Zj分别表示空间单元i和j观测值的标准化。全局空间自相关与局部空间自相关的取值范围［-1，1］，值大于零表示空间集聚；反之，空间离散；值等于零，表示空间不相关。

2.计量模型构建

地理标志扶贫深受社会各界的关注。为了探究安徽省地理标志是否缩小县域城乡收入差距，选择地理标志作为核心变量，其他影响因素为控制变量。构建计量模型如下：

其中，GAP为被解释变量，表示城乡收入差距；α0表示截距项；GI为核心解释变量，表示地理标志；X为控制变量；γ和β表示解释变量系数；ε表示随机扰动项；i和t分别表示地区和时间。

三、安徽省地理标志概况

截至2018年10月，根据三部门网站统计结果，安徽省地理标志共计256个（表1）。鉴于地理标志审批时间一般为一年且地理标志生长地域稳定，为便于统计和后期研究需要，将2018年的地理标志数量计入2017年。我国采用三部门地理标志保护体系，难免出现重复申报现象，剔除重复后，安徽省地理标志产品总数为214个。

表1 安徽省地理标志产品数量概况

从区域分布看（表2），皖中四市地理标志数量排第一，共95个，占比44.39%；皖南六市地理标志数量排第二，共78个，占比36.45%；皖北六市地理标志数量排第三，共有41个，占比19.16%。从国家南北地理自然分界线（2）分布看，秦岭—淮河一线以北城市地理标志总数37个，占比17.29%；秦岭—淮河一线以南城市地理标志总数177个，占比82.71%。总体而言，安徽省地理标志产品数量分布集中，区域分布失衡。

表2 安徽省地理标志产品数量区域分布

四、安徽省县域城乡收入差距时空演变

（一）全局自相关分析

借助GeoDa1.12软件对安徽省县域城乡收入差距进行全局空间自相关分析，结果显示，2013-2017年Moran'sI值为0.370，说明安徽省县域城乡收入差距全局空间自相关为正向关系。为了充分验证全局空间自相关，采取逐年验证法。结果发现,期间每年的Moran'sI值皆为正数（表3），且除2013年外都在0.3以上，这充分说明2013-2017年安徽省县域城乡收入差距具有全局空间正相关性，空间集聚现象显著，存在空间溢出效应。

表3 安徽省县域城乡收入差距Moran's/值

（二）局部自相关分析

全局Moran'sI值仅仅证实安徽省县域城乡收入差距具有正相关性，但未揭示局部空间特征。借助ArcGIS10.6.1软件用Local Moran'sI指数绘制LI⁃SA图，探讨安徽省县域城乡收入差距局部集聚性。借鉴已有研究成果，根据城乡收入差距的空间差异性将其划分为五种类型：①“高—高”区，即相邻县之间差异小，且彼此的城乡收入差距高；②“低—低”区，即相邻县之间差异小，且彼此的城乡收入差距低；③“高—低”区，即本县的城乡收入差距大，而邻县差距小；④“低—高”区，其与“高—低”区正好相反；⑤不显著，即无空间差异。

据安徽省县域城乡收入差距局部空间集聚LI⁃SA分布图（图1）显示：从时间演变看，2013年，以“高—高”“高一低”和“低—低”区为主，2015年和2017年则以“高—高”和“低—低”区为主。从集聚类型看，“高—高”区从2013-2017年逐年在扩大，且从皖西南逐渐向皖西北集聚，主要集中在阜阳市。“低—低”区从2013-2017年逐年在扩大，主要向皖东南的长江中下游和皖中的合肥市集聚。“高—低”区从2013-2017年逐年在递减，零星分布，且由北向南集聚。“低一高”区相对较少且稳定，每年仅有一个县，主要分布在皖北。总体来看，2013-2017年主要以“高—高”和“低—低”区为主，空间差异明显，局部集聚现象显著。“高—高”区主要分布在岳西县和阜阳市，“低—低”区主要分布在铜陵市、芜湖市、马鞍山市和合肥市。可见，皖西地区城乡收入差距较大，皖东南长江流域城乡收入差距较小。

图1 2013-2017年安徽省县域城乡收入差距LISA集聚

五、实证研究与结果分析

（一）变量选取

（1）被解释变量：城乡收入差距。用城乡收入比进行衡量，即城镇居民人均可支配收入与农村居民人均纯收入之比（陆铭和陈钊，2004）［5］。

（2）核心解释变量：地理标志。本文地理标志用地理标志数量来衡量，并采用累加制原则获取具体的地理标志数。例如，霍山县2013年之前获得地理标志数量加上2013年申请到的地理标志数量，即为霍山县2013年地理标志数量总和，2014-2017年则依次类推。需要说明的是，因为我国主管地理标志工作主要有三个部门，在地理标志注册中存有重复现象，所以此处地理标志数量是剔除重复后的数量。

（3）控制变量。参考现有的研究文献（陈斌开、林毅夫，2013；王森，2018）［3，36］以及基于指标数据可获取性考虑，选取以下变量：①地区经济发展水平，用人均GDP衡量；②产业结构，用第二产业占比与第三产业占比衡量；③对外开放程度、金融发展水平和财政支出水平，用进出口总额、年末金融机构各项存贷款总额和地区财政支出总额分别除以地区GDP衡量；④人均耕地面积，用耕地面积除以农村人口来衡量；⑤城镇化水平，用城镇人口除以总人口衡量。本文将对部分数值较大的指标做对数处理（表4），尽可能地减轻异方差带来的影响。

表4 指标描述性统计

（二）面板数据实证分析

1.基于面板数据的总体考察

面板数据估计方法中，到底哪种估计方法比较适合计量模型分析，需要进一步判别，本文借助Stata1 5.1软件来完成模型估计。

（1）面板数据混合OLS回归。首先，进行异方差检验，使用怀特（White）检验，结果显示Prob=0.000 2，存在异方差，故采取“OLS+稳健标准误”方法解决；其次，陈强（2014）提到通常假设不同个体之间的扰动项相互独立，但同一个体在不同时期的扰动项之间往往存在自相关［37］，这种情况可通过混合OLS结合聚类稳健标准误的方法解决。这种处理与“OLS+稳健标准误”方法回归结果相同，仅仅是标准误不同。鉴于上述两种情况综合考虑，本文采用“OLS+稳健标准误”进行估计，结果见表5中的M1。

（2）固定效应与随机效应。混合OLS未考虑个体效应，需要进一步估计存在个体特征的情况。通过Hausman检验，结果显示Prob=0.003 4，应选择固定效应估计。然而，最小二乘虚拟变量模型（LS⁃DV）可与固定效应实现相同的估计结果（陈强，2014）［43］，仅仅是标准误存有差异。本文采用年份作为虚拟变量，结果显示个体效应不显著，证实混合OLS比固定效应估计结果要好。因此，下文将采用M1结果进行分析。

表5 地理标志对安徽省县域城乡收入差距影响的回归结果

表5显示：①地理标志（GI）在1%的水平下显著为负，在其他控制变量不变条件下，每增加一个地理标志数量，则城乡收入差距缩小0.016个单位。可见，地理标志在一定程度上可以缩小城乡收入差距，有扶贫功效，故地方政府要积极践行地理标志扶贫政策，鼓励地理标志产品的挖掘与开发，为地理标志申报工作提供绿色便捷通道。②人均GDP（PGDP1）与人均GDP二次项（PGDP2）的系数一负一正，说明在经济发展过程中安徽县域城乡收入差距呈现先缩小后扩大的“U型”变动格局，与“库兹涅茨曲线效应”相反。探其原因，一是地理标志具有俱乐部产品属性，政府部门监管困难，“搭便车”现象严重；二是地理标志具有一定溢价性，鉴于市场信息不对称性和生产者（农户）受教育程度偏低的影响，易步入短视陷阱，以次充好，虽短时间内可快速谋利，但从长远看，则会产生较大的负效应，不利于地理标志经济价值的可持续发展，从而会扩大城乡收入差距。③第二产业占比（LNSI）、第三产业占比（LNTI）、人均耕地面积（LNPL）和地区财政支出占比（LNCZ）在不同水平下可以不同程度缩小城乡收入差距。④对外开放程度（OP）与金融发展水平（LNFIN）可以不同程度扩大城乡收入差距。⑤城市化率（LNUB）影响不显著。

2.基于面板数据的区域异质性考察

安徽省受经济、地理等不同因素影响，皖中、皖南和皖北发展趋向非平衡，据此进一步探讨地理标志对不同区域城乡收入差距的影响。使用上文的处理办法，用M1结果进行分析，具体见表6所列。

表6 分区域地理标志对城乡收入差距影响的回归结果

通过表6可显示如下结果：①皖中县域地理标志（GI）在1%的水平下显著，系数为负（-0.029）且大于总体的系数（-0.016）水平。皖北和皖南地理标志（GI）的估计系数不显著，且边际效应为负，说明皖北和皖南的地理标志不是影响城乡收入差距缩小的主要因素。究其原因：一是皖中的各县政府比较重视地理标志的开发和申报，数量上看，皖北41个（19.16%），皖中 95个（44.39%），皖南 78个（36.45%）。二是皖中地形地貌多样，气候以亚热带季风性气候为主，这为物种提供了优质生长环境，为地理标志产品挖掘和开发提供了更多可能，为当地农户增收提供了更多机会；皖北处于华北平原，是粮食主产区，物种多样性受限；皖南多为山地丘陵，地理标志产品生长环境稍逊于皖中。②经济发展程度与县域城乡收入差距之间的关系虽不显著但呈现区域异质性差异，皖北和皖南为“U型”关系，皖中为倒“U型”关系。

六、结论与建议

本文基于2013-2017年安徽省县域面板数据，运用GeoDa软件、ArcGIS软件和空间相关性分析方法对安徽省县域城乡收入差距的时空演变进行了分析，并运用面板估计方法对计量模型进行估计，探究安徽省地理标志是否缩小县域城乡收入差距。基于上述实证分析，得出主要结论如下：

（1）安徽地理标志数量呈现总体分布集中、区域分布失衡的特征。截至2018年10月，在区域分布上，皖中地理标志数量最多，皖南次之，皖北最少。从国家南北地理自然分界线分布看，秦岭—淮河一线以南地区的地理标志数量是秦岭—淮河一线以北地区的近5倍。

（2）安徽县域城乡收入差距空间集聚现象显著。2013-2017年，Moran's I值（除2013年外）都在0.3以上，证实安徽县域城乡收入差距具有显著的全局和局部空间正相关性，“高—高”和“低—低”区分布明显，有集聚现象，存在显著的空间溢出效应。从区域分布看，“高—高”区主要分布在六安市和阜阳市；“低—低”区主要分布在铜陵市、芜湖市、马鞍山市和合肥市。这种空间集聚特征与地区的经济发展水平息息相关。

（3）地理标志可在一定程度上缩小县域城乡收入差距，但存在区域差异性。根据计量模型实证结果分析，从总体看，地理标志在1%水平下显著，其系数为负，在一定程度上可以缩小县域城乡收入差距；但从区域异质性角度看，皖北和皖南的地理标志估计系数不显著，皖中地区的地理标志在1%水平上显著，其系数为负，表明皖中地区的地理标志对缩小县域城乡收入差距具有显著的正向效应，扶贫效果较好。

（4）从总体看，安徽省经济发展程度与县域城乡收入差距呈现先缩小后扩大的正“U”型变动格局，与“库兹涅茨曲线效应”相反，但从区域异质性角度看，这种现象并不显著。

根据上述研究结论，认识到地理标志在一定程度上可缩小县域城乡收入差距，但存在显著的区域差异。为了更好地实现安徽地理标志的经济价值功能，促进农民增收，缩小县域城乡收入差距，提出如下政策建议：

（1）立足地方优势，协同推进地理标志与扶贫政策。地理标志一般是地方的特色产品，具有显著的地域性和经济价值。因此，各县政府在积极践行中央和省政府关于地理标志发展与扶贫政策时，不可一刀切，要结合地方资源优势，采取差异化战略，不断地去挖掘与开发地理标志产品，将地理标志产业作为扶贫产业来培育，促进农民增收。

（2）重视地理标志的区域差异性，推动皖中、皖南和皖北协调发展。皖中地理标志数量最多，对缩小县域城乡收入差距最为显著，扶贫效果较好；皖南与皖北不显著。为了扭转这种区域失衡发展的格局，皖中、皖南和皖北应秉持合作共赢理念，加强区域间合作。尤其是皖中地区经济发达，地理标志发展最好，经验积累最多，可以向皖南和皖北提供人、财、技术、信息等方面支持，帮助各地区结合地方优势发展地理标志产品。

（3）加强地理标志经济价值可持续机制建设。一方面，制定安徽省地理标志长远发展规划，以县为发展中心，强化县域间合作，在地理标志申报、监管、保护等方面给予政策扶持，为地理标志产业发展保驾护航；另一方面，培育地方龙头企业，以企业形式带动地理标志产业发展，鼓励走“企业+农户”或“企业+合作社+农户”等组织模式，确保农户利益稳定，实现地理标志产业扶贫的可持续发展，扩大地理标志对缩小县域城乡收入差距的作用。

注 释：

（1）指市辖区，如蚌埠市有四个区，即龙子湖区、蚌山区、禹会区和淮上区。

（2）南北分界线即秦岭—淮河分界线，安徽省淮河以北城市主要有宿州市、阜阳市、亳州市、蚌埠市和淮北市。