城乡收入差距的影响因素分析——基于皖南地区动态面板数据GMM估计

刘 炯

（宣城职业技术学院信息工程系，安徽 宣城 242099）

改革开放以来，我国经济快速稳定增长，城乡居民收入大幅提高。根据国家统计局发布的数据可知，城乡居民人均可支配收入由1978 年的343.4 元与133.6 元分别增长到2021 年的47412元与18931 元，各自增长了137 倍和141 倍。与此同时，城乡居民收入差距不断变化，城乡居民收入之比从最初的1978 年的2.57 倍不断缩减，1983 年缩小到最低点1.82 倍，之后逐年增加，2009 年达到了历史最高点3.33 倍。党的十九大与时俱进地提出了乡村振兴战略，将“三农”问题作为党和政府各项工作的重中之重，促进了农业生产发展、推动了农村经济增长、提高了农村居民收入，2017 至2020 年城乡居民人均可支配收入之比依次为2.71、2.69、2.64 和2.56，2021 年更是下降到2.50，尽管城乡居民收入之比逐步缩小，但仍然处于高位，已然给我国经济社会发展带来了严重的安全隐患。

安徽省简称“皖”。皖南地区，一般是指安徽省南部宣城、芜湖、马鞍山、铜陵、黄山与池州等6个城市，山地丘陵此起彼伏，山明水秀。综观整个长三角地区，皖南各市经济社会发展较为滞后，城乡居民收入不平衡而且差距较大等问题也是非常的突出，因而，缩小城乡收入差距是皖南地区社会主义现代化建设过程中颇为关注的一个焦点问题，也是未来一段时间内该地区推进乡村振兴战略的必然要求。由相关年度《安徽统计年鉴》可得，2017 至2021 年皖南地区城乡居民人均可支配收入之比顺序 为2.19、2.18、2.16、2.11 与2.07，呈现明显的向好的缩减态势，也显然地低于全国的平均值，但还是高于国际劳工组织公布的2 倍这一警戒线，不仅掣肘经济的可持续增长，更加影响社会的公正与稳定，城乡收入分配差距较大是皖南地区在新时期发展不得不面对的一个困难和挑战。因此，探讨皖南地区城乡收入差距的影响因素，具有重要的理论意义和实践价值。

一、文献回顾

关于城乡收入差距的影响因素问题，学者们进行了许多有益的探讨，也取得了丰富的研究成果，有五个方面因素受到了普遍广泛的关注。

一是经济增长。1955 年，美国经济学家Kuznets提出，收入差距在经济增长之初日益增加，在经济增长中后期日趋缩小，即，随着一国经济增长，社会收入分配存在“倒U 型曲线”特征[1]。李子叶等选取全国2003-2013 年30 个省市面板数据为样本的计量分析反映，过于追求高城市化率的城市化发展战略减少了乡村地区的资源投入，阻碍了乡村经济增长从而加剧了城乡不平衡发展[2]。程名望等以2005-2019 年我国31 个省际面板数据为基础的系统GMM 估计表明，人均GDP 的增加有效地减低了城乡收入差距，经济增长显著地阻抑了城乡收入差距的扩张，且这种阻抑作用具有边际递减规律[3]。

二是政府干预。卢方元等利用我国310 个地级市2008-2012 年的相关数据构建空间滞后模型的实证分析证实，政府财政支出拉大了我国城乡居民收入差距，这种拉动作用从西部、中部到东部地区逐步增强[4]。Heipertz 等的分析阐明，因具有特意的公平性政策导向，民生性财政支出比投资性财政支出对缩小收入差距有着更加显著的作用[5]。王晓丹等基于我国2007-2019 年31 个省级面板数据建立PVAR 模型的分区域检验说明，增加科教文卫支出分项的占比，对东中部地区城乡收入差距影响不明显，但有利于缩小西部地区城乡收入差距；增加社会保障支出分项与经济建设支出分项的占比，对缩减东部地区城乡收入差距的作用微弱，且拉大了西部地区的城乡收入差距，但显著地减低了中部地区的城乡收入差距[6]。

三是产业结构。肖维泽等采用我国30 个省份2001-2021 年的统计数据设定系统GMM 模型的计量检验显示，虽然产业结构的高级化通过改善就业结构对城乡收入差距的扩大发挥一定的平抑作用，但总体上还是拉大了城乡收入差距[7]。Lewis的研究指出，农村农业部门的剩余劳动力大量地向城市工业部门不断转移，不仅推动了产业结构转型，而且提高了农村劳动力收入[8]。穆怀中等采用我国1984-2014 年年度时序数据的回归分析得到，城乡收入差距与产业结构的“倒U 型”关系十分鲜明[9]。

四是城镇化。从全国选取31 个省份2000-2015 年的相关数据，刘赛红等利用差分GMM 方法的实证检验发现，城镇化发展显著地减低了城乡居民收入差距[10]。Paul 等从经济学视角的探讨说明，随着城镇化的逐步推进，城乡收入差距呈现明显的先扩大后缩小的趋势[11]。利用270 个地级市2002-2018 年的相关数据建立PVAR 模型，刘呈庆等选择房价收入比为分类指标的分组回归揭示，房价收入比较高的城市其城镇化发展显示出扩大城乡收入差距的趋势，而房价收入比较低的城市其城镇化发展对城乡收入差距仅发挥微弱的缩小作用[12]。

五是金融发展。运用我国2000-2017 年省级面板数据，冯涛等的计量研究阐释，金融发展对于减低城乡收入差距发挥积极效应[13]。Maurer 等认为，相比于穷人，富人在贷款偿还、信贷担保以及承担融资成本等方面具有更多的优势，因而可以享受到更多的金融服务，于是金融发展扩大了富人和穷人的收入差距[14]。采取全国1985-2017年的面板数据，尹晓波等的探究得出，由于资本的趋利性、金融政策的城市偏向以及农村金融发展滞后，我国金融业发展扩大了已经存在的城乡收入差距[15]。

此外，吴云勇等的研究指出，人力资本投资上的差异拉大了我国城乡收入差距[16]；王三兴等的探讨表明，出口贸易提高了从业者主要为城镇居民的生产性服务业的工资水平，因而拉大了城乡收入差距[17]；张琦等的分析认为，旅游经济发展对城乡收入差距的影响显示出空间异质性规律且以扩大作用为主[18]。

梳理相关文献发现，关于城乡收入差距影响因素的定量分析，学者们主要从全国层面的视角进行了大量的卓有成效的研究，但尚未形成一个统一的观点。我国疆域辽阔，各省份以及各省内部不同城市之间经济社会发展不均衡，是以各个地区城乡收入差距的影响因素不尽相同。安徽是传统的农业大省，皖南地区经济发展相对滞后，城乡收入差距问题也是十分的突出，在长三角地区乃至全国都具有一定的代表性。鉴于此，本文选取皖南地区6 个城市2010-2021 年的面板数据，借助EVIEWS9.0 软件运用GMM 模型实证探讨城乡收入差距的主要影响因素，具体问题具体分析，对于缩减皖南地区城乡收入差距、助力皖南地区乡村振兴均具有一定的理论价值与实际意义，亦可为经济发展水平相当的地区类似问题的研究与实践提供一定的借鉴与参考。

二、模型设定、变量选取与数据说明

（一）模型设定

本研究选取皖南地区宣城、芜湖、马鞍山、铜陵、黄山与池州等全部6 个城市2010-2021 年相关实际经济运行数据为样本，用以探讨该地区城乡收入差距的主要影响因素。考量城乡收入差距变化是一个动态过程，所以在模型中引入其滞后1 期作为解释变量，但却造成随机误差项与解释变量形成了相关关系。为了克服这一内生性问题，本文运用GMM 估计法进行实证分析，借鉴程名望[3]、刘赛红[10]与刘呈庆[12]等人的做法，设定如下动态面板模型：

其中，GAP 表示城乡收入差距，ECO 表示经济增长，GOV 表示政府支出，IND 表示产业结构，URB 表示城镇化，FIN 表示金融发展；下标i 表示皖南地区6 个城市，下标t 表示年份2010-2021；βi为回归系数；αi表示个体效应，εit表示随机误差项。

（二）变量选取

1.被解释变量

城乡收入差距（GAP）为本文的被解释变量。度量城乡收入差距，代表性的指标主要有四种：城乡人均收入之差（绝对差距）、城乡人均收入之比（相对差距）、泰尔指数和基尼系数。本文参考刘赛红[10]、冯涛[13]与尹晓波[15]等人的相关研究成果，采用城乡人均可支配收入之比表示城乡收入差距。伴随经济的快速发展，人们的收入水平不断提高，但城市居民收入基数远大于农村居民收入基数，城市居民收入增长的绝对值超过农村居民，再加上通货膨胀，城乡收入绝对差距必然会被不断放大，因而采用城乡居民人均收入之比（相对差距）衡量城乡收入差距，显然更为合理，也更加具有说服力。

2.解释变量

参考现有的相关文献[2-4，6-7，9-10，12-13，15]，选取经济增长、政府支出、产业结构、城镇化和金融发展作为皖南地区城乡收入差距的主要影响因素。

（1）经济增长（ECO）。采用人均GDP 来量度，是指核算期内一国或地区取得的国内生产总值除以该国或地区人口数量所得到的平均值，是衡量宏观经济增长的一个常用指标，也是衡量人们生活水平的一个重要标准，直接反映该国或地区宏观经济运行状况和社会经济发展的均衡程度。

（2）政府干预（GOV）。以财政支出对GDP 的比例来度量。如果政府奉行倾向于“三农”的政策，那么农村地区将会获得更多的财政投入，从而减低城乡收入差距；如果政府秉持城镇化倾向，那么城镇地区所得好处则更多，城乡收入差距也将不断扩张。

（3）产业结构（IND）。以第二、三产业增加值之和对GDP 的占比来衡量。市场经济情形下，生产要素通常由较低边际效率的农业部门趋向于较高边际效率的非农部门，直到二者的边际效率相等，使得产业结构的层级逐步提升。本文预测产业结构的优化升级有助于缩减城乡收入差距。

（4）城镇化（URB）。以城镇人口占总人口的比例即城镇化率来反映。城镇化进程中，农民进城务工或者创业所获取的收入往往比其从事农业生产所获收入高出很多；农村劳动力向城镇的逐步转移，不断增加人均耕地面积，不断提高农业生产规模报酬，也提升了留守农民从事临时工的机会和工资水平；转移至城市的农民，转让土地经营权或者土地使用权被征用，也获得了一定的财产性收入。本文预期城镇化发展有助于减低城乡收入差距。

（5）金融发展（FIN）。采用金融机构贷款总额对存款总额的比例来表示。银行主导型金融体制下，存款和贷款是金融业最基本的业务，皖南地区概莫能外，该地区金融业的绝对主体业务亦是存贷款。该指标越大，反映金融机构将更多的存款有效地转化为贷款，意味着金融机构支持与服务实体经济活动的意愿越大、能力越强、效率越高。

相关变量的名称、符号和定义如表1 所示。

（三）数据说明

本文选取皖南地区宣城、芜湖、马鞍山、铜陵、黄山与池州等全部6 个城市2010-2021 年实际经济的相关运行数据，建立动态面板GMM 模型实证探讨城乡收入差距的主要影响因素，模型所需输入数据悉数来源于2011-2022 年度的《安徽统计年鉴》。为减少异方差对实证分析引发不良影响，对变量经济增长ECO 加以对数变换，记为“LNECO”。

三、实证分析

（一）单位根检验

面板单位根检验，一般采用相同根过程的LLC、Breitung、Hadri 以及不同根过程的Fisher-PP、IPS、Fisher-ADF 等6 种检验法。采用不同的方法检验同一变量，检验结果也许不同，有时甚至完全相反，即面板变量平稳性检验尚缺少一致的标准。为防止单一方法可能造成偏差，本研究选用相同根过程的LLC 及不同根过程的IPS 与Fisher-ADF检验法，该3 种方法的原假设均为存在单位根。表2 输出单位根检验结果。

表2 面板变量单位根检验

表2 中，LLC、Fisher-ADF 与IPS 等3 种方法的检验结果表明，城乡收入差距GAP、产业结构IND 以及城镇化URB 的水平序列在0.05 显著性水平下都是平稳的，金融发展FIN 的水平序列在0.10 显著性水平非平稳，经济增长LNECO 与政府支出GOV 的水平序列仅在LLC 方法下平稳，初步判断本研究6 个变量的水平序列不平稳。一阶差分后，GOV 在IPS 检验法下以及FIN 在Fisher-ADF 和IPS 检验法下于0.05 显著性水平显著，其余一阶差分序列在不同检验方法下都于0.01 显著性水平显著。综合考察，可以判断6 个变量的一阶差分序列平稳，且显然是同阶平稳，可对该6 个变量实施协整检验。

（二）协整检验

面板协整分析，普遍使用Pedroni、Fisher 和Kao 等3 种方法。Pedroni 检验法需要构建7 个统计量，包括Panel ADF、Panel PP、Panel rho 与Panel v 等4 个组内统计量以及Group ADF、Group PP与Group rho 等3 个组间统计量。小样本状态下，Panel ADF 与Group ADF 的检验结果最优，而Panel v 和Group rho 的检验结果则最差。本文采用Pedroni 方法对6 个变量予以协整检验，7 个统计量的原假设皆为不存在协整关系，表3 为检验结果。

表3 面板变量协整检验

表3 显示，Panel ADF 统计量数值为-4.5116，概率为0.0000，Group ADF 统计量数值为-6.4280，概率为0.0000，Panel PP 统计量数值为-6.1163，概率为0.0000，Group PP 统计量数值为-18.2908，概率为0.0000，包括检验效果最佳的Panel ADF 与Group ADF 在内共计有4 个统计量的概率值小于0.01，在0.01 的显著性水平皆显著拒绝不存在协整关系的原假设；同时，Kao 检验统计量的数值为-3.8594，概率为0.0001，也在0.01 水平显著拒绝不存在协整关系的原假设。综合判断，本研究的6 个变量GAP、LNECO、GOV、URB、IND 与FIN存在协整关系，可以对其展开GMM 估计。

（三）动态面板GMM 模型估计

消除个体效应，GMM 模型可用两种方法。一种是一阶差分法，对模型实施一阶差分变换，即用当期值减去上期值。另一种是前向正交离差法，不是对模型进行差分变换，而是用当期值减去本期值之后未来各期观察值的平均值，以便处理误差项的序列相关问题。为了获取更优估计精度的计量模型，本文选择前向正交离差法化解模型中的个体效应，表4 为动态面板GMM 模型估计结果。

表4 动态面板GMM 模型估计

动态面板模型通常依据J-statistic 进行Sargan检验，原假设为模型过度约束正确。由回归结果可得，J-statistic 为23.6635，其概率值为0.7453，可判定Sargan 检验无法拒绝原假设，意味着本研究设定的模型合理，所有工具变量均有效。模型估计运用前向正交离差变换，业已消除了个体效应，因而残差项不具有序列相关，而且残差项方差表现为单位矩阵的形式[19]。采用前文介绍的LLC、Fisher-ADF 与IPS 检验法依次对面板残差进行平稳性检验，概率分别为0.0002、0.0032 与0.0025，都小于0.01，说明面板残差平稳，因而可以判断不是伪回归。因此，本文的GMM模型估计结果具有实际参考意义。

由表4 的GMM 模型估计结果可获悉，GAP（-1）通过0.01 显著性水平的统计检验，其估计系数为0.2960，说明滞后1 期的城乡收入差距每增加1 个单位，当期城乡收入差距将增加0.2960个单位。这一回归结果和皖南地区的实际状况高度吻合，表明该地区城乡收入差距在时间上呈现较大的“惯性”，显著地受到上1 期的制约，其根源在于前面的城乡收入差距累积过大，纵使6 个城市的经济都是较快地增长，也很难在短期内有效缩减长期积累的较高的城乡收入差距，滞后1期的城乡收入差距对当期的城乡收入差距产生显著的正向影响。

经济增长LNECO 通过0.01 显著性水平的统计检验，其估计系数为0.0714，说明每增加1个单位LNECO，城乡收入差距将增加0.0714 个单位。安徽省是传统的农业大省，皖南地区经济发展相对滞后，城乡二元经济特征比较突出，在整个长三角地区具有典型的代表性。改革开放四十多年来，皖南地区经济持续稳定增长，人民生活水平日益提高，但仍未能够实现经济充分发展。目前，该地区全部6 个城市不断调整经济增长方式和经济结构，正在努力奔向库兹涅茨“倒U 型曲线”的拐点，故而现阶段经济增长正向影响城乡居民收入差距。

政府支出GOV 通过0.06 显著性水平的统计检验，其估计系数为-0.2215，说明每增加1 个单位GOV，城乡收入差距将减少0.2215 个单位。可能的原因是，在乡村振兴战略背景下，为了弥补市场机制的缺失，皖南地区地方政府加大财政支农扶持力度，不断改进水利、交通、物流等农业生产条件，提升了农业生产效益；不断加大各种惠农财政补贴的发放额度，减低了农业生产成本；不断加大住房、教育及医疗等民生性财政支出，改善了农民的居住环境，提高了农民的教育程度，提升了农民的健康水平，间接地增加了农民收入，更提升了农民的人力资本；支持农村中小企业发展，推进农村产业化经营，发展旅游、休闲与绿色农业等地方特色农业产业，提高了农村经济效率，促进了农村经济发展，拓宽了农民就业渠道，带动农民收入稳定增长，最终缩减了城乡收入差距。

产业结构IND 通过0.01 显著性水平的统计检验，估计系数为-4.6342，说明每增加1 个单位IND，城乡收入差距将减少4.6342 个单位。究其原因，皖南地区经济的持续增长引起产业结构不断变迁，第一产业在国民经济中的占比持续下降，第三产业产值已超过第二产业，服务业与制造业的融合程度逐步加深，产业结构渐趋合理。与第一产业相比，第二、三产业具有更高的盈利率，在市场机制的驱动下，从第一产业转移出来的剩余劳动力不断地流向二三产业，特别是大量地流向劳动密集型产业，同时，第二、三产业的技术创新和技术进步也会积极地向第一产业溢出，产生正外部效应，从而提高了农村劳动力的收入水平，减低了城乡居民收入差距。

城镇化URB 通过0.01 显著性水平的统计检验，估计系数为-2.0450，说明每增加1 个单位URB，城乡收入差距将减少2.0450 个单位。可能的原因是，城镇化发展吸收了低廉的农村劳动力，农民进城务工抑或经商获得了相对较高的非农生产收入；农村劳动力向城镇地区的不断转移，提高了人均耕地面积与农业生产规模报酬，进城农民土地经营权的流转和土地使用权的征用也带来了一些财产性收入；大量农民进城谋生，不仅增加了城镇劳动力供给，而且拉低了城镇劳动力市场的均衡工资，也有利于缩减城乡收入差距。

金融发展FIN 通过0.01 显著性水平的统计检验，估计系数为0.3636，说明每增加1 个单位FIN，城乡收入差距将增加0.3636 个单位。深层次的原因可能是，皖南地区金融中介的服务功能尚有待完善，正规金融服务不但存在一定的门槛，而且需要支付一定的成本。城镇居民不仅收入较高，往往还拥有优良的资源禀赋，能够较为便捷地得到金融机构的信贷支持；农村居民收入低下，其所拥有的资源禀赋往往也不符合正式金融中介的要求，较难获得金融机构的资金支持，于是拉大了城乡收入差距。

四、结论与建议

本文选取皖南地区宣城、芜湖、马鞍山、铜陵、黄山与池州等全部6 个城市2010-2021 年的相关统计数据构建动态面板模型，采用GMM 估计实证探讨城乡收入差距的主要影响因素。结果表明，滞后1 期的城乡收入差距GAP（-1）、经济增长LNECO 和金融发展FIN 显著地扩大了城乡收入差距，每增加1 个单位GAP（-1）、LNECO与FIN，当期城乡收入差距分别增长0.2960、0.0714 与0.3636 个单位；政府支出GOV、产业结构IND 与城镇化URB 显著地缩小了城乡收入差距，每增加1 个单位GOV、IND 与URB，当期城乡收入差距分别减少0.2215、4.6342 与2.0450个单位。

本研究具有鲜明的政策建议。

第一，合理配置财政支出，助推农民收入增加。首先，根据皖南地区实际情况，加大土地平整、土地改造和土壤改良，加强农业生产知识培训，推广农产品优质品种，鼓励农业生产技术创新，推进农业生产发展。其次，搭建相关平台向农民工提供适宜适时的就业创业信息，依据市场需求对农民工开展针对性的技术技能培训，提升皖南地区农民工在城市部门从业的机会、竞争力和工资待遇。最后，保证农民工享有与城镇职工同工同酬，确保农民工也能享受城镇的一些基本公共服务，切实保障和提高农民工群体的待遇和福利。

第二，优化产业结构，促进区域经济增长。二三产业的协调发展与优化升级，将会创造更多的工作岗位，吸收更多的农村劳动力，推动地方经济稳定增长，一旦越过库兹涅茨拐点，势必带来城乡收入差距的不断缩减。考虑皖南地区实体经济状况和实际资源禀赋，应以中小企业与乡镇企业为抓手提升工业化水平，积极发展现代服务业，努力拓展服务产业链条。尤其是，皖南地区的黄山、长江与徽商文化名满天下，古牌坊、古宗祠与古村落蜚声省内外，九华山、齐云山和桃花潭也是声名远播，该当因地制宜地大力发展旅游业，利用旅游业劳动密集且门槛较低的特征更多地吸纳来自本地区乡村的劳动力，进而不断减低城乡收入差距。

第三，加快城镇化进程，推动城乡一体化。其一，发挥城镇的辐射效应，倡导工业反哺农业，以城带乡、以工促农，推动皖南地区经济增长。其二，从地理环境和地形地貌来看，皖南地区地广人稀，遍布山地丘陵，适于以小城镇为载体推进城镇化，实现小城镇与大中城市的协调发展。其三，由于经济发展相对滞后，皖南地区城镇化水平较低，应在产业联动的基础上采取“一中心多外围”的城镇群发展模式，依托大中城市带动周边中小城镇，继而辐射宽广的乡村地区，逐步消除城乡二元结构[20]。

最后，加强农村金融发展，缓解“三农”资金需求。鼓励金融机构及其服务向乡村延伸，降低农村金融机构准入门槛，引导农村民间金融规范发展，多途径改进农村金融市场，不断缩小皖南地区城乡金融发展差距；提高农村金融市场利息补贴和税收优惠，创新涉农保险与涉农贷款担保，构建农村社会信用体系，有利于扩大涉农金融资源供给，有利于引导城镇资金向农村流动，更重要的是能够减少和阻止农村资金外流，缓解“三农”金融需求，促进农村经济稳定发展，从而带动农民收入不断增长。