劉　魏, 張應(yīng)良, 田紅宇

(西南大學(xué) a.經(jīng)濟(jì)管理學(xué)院; b.農(nóng)村經(jīng)濟(jì)與管理研究中心，重慶 北碚 400715)

?

人力資本投資與農(nóng)村居民收入增長

劉魏a, 張應(yīng)良b, 田紅宇a

(西南大學(xué) a.經(jīng)濟(jì)管理學(xué)院; b.農(nóng)村經(jīng)濟(jì)與管理研究中心，重慶 北碚 400715)

摘要：基于2009～2014年我國31個省市的統(tǒng)計數(shù)據(jù)，運(yùn)用空間時點固定效應(yīng)的空間杜賓模型(SDM)對人力資本投資和農(nóng)村居民收入的空間溢出效應(yīng)及兩者關(guān)系進(jìn)行了分析。結(jié)果顯示：農(nóng)村人力資本和農(nóng)村居民收入均具有較強(qiáng)的空間溢出效應(yīng)；農(nóng)村人力資本投資對農(nóng)村居民收入的影響主要來自于人力資本投資的溢出效應(yīng)，其溢出效應(yīng)占到總效應(yīng)的96.26%。

關(guān)鍵詞：人力資本投資； 農(nóng)村居民收入； 空間相關(guān)性； 空間異質(zhì)性

一、引言

“三農(nóng)”問題的核心在于農(nóng)民，而農(nóng)民問題的核心則在于農(nóng)民收入?；谛鹿诺浣?jīng)濟(jì)學(xué)，影響經(jīng)濟(jì)增長的因素主要有資本(人力資本)、勞動力、制度和技術(shù)[1-2]。農(nóng)民收入增長同樣離不開資本、勞動力、制度和技術(shù)等要素。但傳統(tǒng)意義上的資本、勞動力和制度對農(nóng)村居民收入增長作用有限，使農(nóng)民收入水平長期落后于城鎮(zhèn)居民收入水平，城鄉(xiāng)居民收入差距拉大。從制度因素來說，我國自20世紀(jì)70年代末開啟的農(nóng)村家庭聯(lián)產(chǎn)承包責(zé)任制調(diào)動農(nóng)民積極性、釋放農(nóng)業(yè)生產(chǎn)力，增加了農(nóng)村居民收入。在家庭聯(lián)產(chǎn)承包責(zé)任制興起的1978到1984年間，農(nóng)業(yè)經(jīng)濟(jì)增長速度由2.9%提高到7.7%，農(nóng)民收入由134元增長到355元，家庭聯(lián)產(chǎn)承包責(zé)任對農(nóng)業(yè)產(chǎn)出增長的貢獻(xiàn)率約為47%[3]?？梢姡约彝ヂ?lián)產(chǎn)承包責(zé)任制為內(nèi)容的農(nóng)村改革極大地提升了農(nóng)村居民收入，鞏固了農(nóng)業(yè)的國民經(jīng)濟(jì)基礎(chǔ)地位。但是，家庭聯(lián)產(chǎn)承包責(zé)任制對農(nóng)業(yè)經(jīng)濟(jì)增長的激勵效應(yīng)很快便隨著改革重心移到城市而趨于下降[4]，隨著改革重心由農(nóng)村轉(zhuǎn)移到城市，城鄉(xiāng)收入差距便再次拉大，城鄉(xiāng)收入比由1984年的1.71:1擴(kuò)大到2014年的2.92:1。家庭聯(lián)產(chǎn)承包責(zé)任制的制度紅利達(dá)到極限[5]。從投資因素來說，固定資產(chǎn)投資過剩現(xiàn)象很嚴(yán)重，投資結(jié)構(gòu)不合理。雖然我國農(nóng)業(yè)投資總額呈歷年上升的態(tài)勢，但農(nóng)業(yè)投資額占全社會固定資產(chǎn)投資總額的比重始終維持在3%左右，改變投資結(jié)構(gòu)、提高農(nóng)業(yè)投資額占比將是一個長期的過程。從勞動力因素來說，由于住房、食品、教育、醫(yī)療等價格的上漲，以及人口結(jié)構(gòu)的變動，導(dǎo)致工資成本和勞動力成本上漲，人口紅利逐漸消失[6]。統(tǒng)計數(shù)據(jù)顯示，我國鄉(xiāng)村從業(yè)人員逐年下降，依靠勞動力拉動農(nóng)村居民收入增長的潛力有限。

隨著制度紅利達(dá)到極限、人口紅利的下降和投資結(jié)構(gòu)不合理等因素的影響，導(dǎo)致農(nóng)民收入增長仍然困難、農(nóng)村經(jīng)濟(jì)仍然滯后的局面。研究表明，相比于物質(zhì)資本，人力資本投資對農(nóng)村經(jīng)濟(jì)發(fā)展的作用更大。農(nóng)業(yè)經(jīng)濟(jì)學(xué)家舒爾茨曾在其《改造傳統(tǒng)農(nóng)業(yè)》一書中指出農(nóng)民進(jìn)行人力資本投資的重要性，在農(nóng)業(yè)生產(chǎn)增長率的貢獻(xiàn)中，農(nóng)民的素質(zhì)是最重要的，而土地差別和物質(zhì)資本差別的重要性則不及人力資本。因此，在國家經(jīng)濟(jì)發(fā)展由超高速增長轉(zhuǎn)向中高速增長的“新常態(tài)”下，對農(nóng)民增收途徑也不能僅僅依靠投資拉動，技術(shù)進(jìn)步(人力資本)的作用是很重要的。

研究表明，人力資本具有擴(kuò)散效應(yīng)[7]。地理經(jīng)濟(jì)學(xué)認(rèn)為，不同區(qū)域的產(chǎn)業(yè)結(jié)構(gòu)調(diào)或某產(chǎn)業(yè)在不同區(qū)域的轉(zhuǎn)移都是符合經(jīng)濟(jì)現(xiàn)象的，但不同地區(qū)的經(jīng)濟(jì)發(fā)展水平有高低之分。農(nóng)村居民收入的增長除了受到本地區(qū)資源稟賦的影響，也會受到其他地區(qū)資源稟賦的影響。人力資本的擴(kuò)散也符合這一規(guī)律。因此，考察人力資本對農(nóng)村居民收入是否具有空間溢出效應(yīng)是有必要的。

二、文獻(xiàn)回顧與評述

關(guān)于人力資本集聚與收入增長關(guān)系的研究，大多數(shù)學(xué)者主要基于新經(jīng)濟(jì)地理學(xué)的理論和模型進(jìn)行研究。羅默構(gòu)建了人力資本模型，研究收入增長。結(jié)論顯示除了資本、勞動力的貢獻(xiàn)外，技術(shù)進(jìn)步(人力資本)的貢獻(xiàn)也是巨大的。當(dāng)然，大多研究都是基于空間均質(zhì)的條件假設(shè)之下，很難找出空間差異性對收入增長的影響。但研究發(fā)現(xiàn)人力資本是存在空間聚集現(xiàn)象的，其對收入增長的影響會因為聚集程度而產(chǎn)生不同的影響[8-9]。人力資本往往聚集在都市區(qū)，技能水平較高的工人通常聚集在大都市，在大都市更容易發(fā)生知識的外溢，而偏遠(yuǎn)落后的地區(qū)人力資本很匱乏，這表明人力資本存在集聚和外溢現(xiàn)象。Rauch JE運(yùn)用美國標(biāo)準(zhǔn)大都市統(tǒng)計調(diào)查數(shù)據(jù)(SMSAs)驗證城市人力資本投資水平是否與其本地公共服務(wù)相匹配的結(jié)論，研究發(fā)現(xiàn)擁有高人力資本投資的城市，其工資水平和土地租金均較高[10]。Glaeser，Scheinkman和Shleiferll也證實了受教育程度越高的城市，其經(jīng)濟(jì)發(fā)展程度會更高[11]。Henderson運(yùn)用內(nèi)生增長經(jīng)濟(jì)模型，分析了人力資本投資、城市化及城市經(jīng)濟(jì)增長之間的關(guān)系問題[12]。Moretti認(rèn)為城市人力資本存量的增加可以提高經(jīng)濟(jì)產(chǎn)出，直接影響個人生產(chǎn)力，從而發(fā)生外溢，進(jìn)一步增加城市產(chǎn)出[13]。Zhang D和Wu F運(yùn)用內(nèi)生經(jīng)濟(jì)增長理論，構(gòu)建了一個區(qū)域人力資本溢出模型，用以檢驗伴隨跨區(qū)域勞動力流動和公共教育投資變化的條件下人力資本溢出效應(yīng)大小問題，研究發(fā)現(xiàn)跨區(qū)域勞動力流動會使得發(fā)達(dá)地區(qū)獲得人力資本溢出收益并改善經(jīng)濟(jì)環(huán)境，而落后地區(qū)則會導(dǎo)致教育投入的減少，從而使得發(fā)達(dá)地區(qū)和落后地區(qū)沿著不同的經(jīng)濟(jì)增長軌跡發(fā)展[14]。Abel通過估計大都市人力資本集聚顯著增強(qiáng)城市生產(chǎn)力的模型，發(fā)現(xiàn)技術(shù)人才每增加一倍，城市產(chǎn)出會提升2-4個百分點[15]。

國內(nèi)關(guān)于人力資本與經(jīng)濟(jì)增長(或收入增長)的研究主要基于內(nèi)生增長理論和新經(jīng)濟(jì)地理模型。范劍勇利用我國2004年副省級城市和地級市的截面數(shù)據(jù)，研究了人力資本集聚與收入差距的關(guān)系問題，表明人力資本集聚提高了勞動生產(chǎn)率，縮小城鄉(xiāng)收入差距[16]。王小魯和樊綱通過考察中國20世紀(jì)80年代和90年代不同地區(qū)的經(jīng)濟(jì)發(fā)展水平，分析了人力資本配置水平的不同對各地區(qū)收入差距的影響，認(rèn)為人力資本的流動有利于收入水平的提升和收入差距的縮小[17]。姚先國運(yùn)用1985-2005年間的中國統(tǒng)計年鑒數(shù)據(jù)分析了教育、人力資本投資與地區(qū)經(jīng)濟(jì)差異的關(guān)系，發(fā)現(xiàn)教育和人力資本對地區(qū)經(jīng)濟(jì)增長有顯著作用，并表現(xiàn)溢出效應(yīng)[18]。張文武通過中國1990年、2000年和2007年三個年度的省級數(shù)據(jù)分析了產(chǎn)業(yè)集聚和地區(qū)收入差距的微觀形成機(jī)制，認(rèn)為人力資本集聚是產(chǎn)業(yè)集聚的重要因素，人力資本集聚程度的提升可以提高不同地區(qū)的收入水平[19]。陳得文和苗建軍利用1995-2010年間的統(tǒng)計年鑒數(shù)據(jù)，研究了人力資本集聚與經(jīng)濟(jì)增長之間的關(guān)系，證實了人力資本集聚現(xiàn)象的存在，且東部地區(qū)比中西部地區(qū)人力資本集聚效應(yīng)更為顯著[20]。梁文泉和陸銘認(rèn)為，高技能和低技能勞動者會向大城市聚集，并提高城市平均勞動力工資[21]。Liu進(jìn)一步指出，城市勞動力的受教育水平每增加一年，城市平均產(chǎn)出會增加14個百分點[22]。此外，學(xué)者包玉香[23]、劉倩[24]、何旭波和鄭延平[25]等均對人力資本集聚問題進(jìn)行了研究，證實了人力資本集聚效應(yīng)的存在。

以上國內(nèi)外文獻(xiàn)關(guān)于人力資本與經(jīng)濟(jì)增長或收入增長的研究，較好地說明了人力資本的集聚效應(yīng)，但基于均質(zhì)空間假設(shè)研究人力資本集聚效應(yīng)，通常會忽視人力資本集聚的空間差異，一個地區(qū)的人力資本集聚還會受到鄰近地區(qū)或經(jīng)濟(jì)往來密切地區(qū)的影響，同時本地區(qū)人力資本集聚也會影響到其他地區(qū)人力資本集聚，即人力資本集聚還存在空間效應(yīng)。如果單純運(yùn)用人力資本變量進(jìn)行回歸分析，會將人力資本的集聚效應(yīng)與空間效應(yīng)混為一體，導(dǎo)致人力資本集聚效應(yīng)被過高估計，從而產(chǎn)生估計偏誤；其二，人力資本集聚除具有空間相關(guān)性外，還具有空間異質(zhì)性，即人力資本集聚會受距離遠(yuǎn)近或經(jīng)濟(jì)密切程度大小的影響，距離較近或經(jīng)濟(jì)較密切的地區(qū)之間，其人力資本具有同時集聚的現(xiàn)象，而距離較遠(yuǎn)或者經(jīng)濟(jì)來往不密切的地區(qū)之間，其人力資本集聚往往是不同步的。因此，這種集聚的差異性也應(yīng)當(dāng)納入考慮。人力資本的重要性毋庸置疑，它是資本、勞動力之外影響經(jīng)濟(jì)產(chǎn)出的一個相當(dāng)重要的變量。當(dāng)前“三農(nóng)”問題關(guān)系了國家經(jīng)濟(jì)社會協(xié)調(diào)發(fā)展，從資本、勞動力角度研究農(nóng)村居民收入增長問題的文獻(xiàn)已經(jīng)很多，而從空間計量角度，考慮空間相關(guān)性和空間異質(zhì)性來研究人力資本與農(nóng)村居民收入增長問題，是很有必要的。因此，本文研究主要從以下兩方面進(jìn)行深入：一、考慮空間相關(guān)性，研究人力資本投資與農(nóng)村居民收入增長問題，消除空間相關(guān)性對集聚效應(yīng)的影響；二、考慮空間異質(zhì)性，研究人力資本投資與農(nóng)村居民收入增長問題，引入空間權(quán)重矩陣對人力資本變量進(jìn)行加權(quán)處理，以消除不同地區(qū)之間空間相關(guān)性的大小問題。

三、模型設(shè)定及變量說明

根據(jù)索洛經(jīng)濟(jì)增長模型，產(chǎn)出主要由資本、勞動和技術(shù)(人力資本)決定。其生產(chǎn)函數(shù)形式為：

Y=F(K,AL)

(1)

式中Y為產(chǎn)出，K為資本，A為技術(shù)或人力資本，L為勞動力數(shù)量,即產(chǎn)出是資本、勞動力、技術(shù)進(jìn)步(人力資本)的函數(shù)。為考察人力資本的空間效應(yīng)，引入空間變量，根據(jù)空間效應(yīng)來源的不同，分為空間滯后模型(SAR)、空間誤差模型(SEM)、空間杜賓模型(SDM)，其模型設(shè)定分別為：

SAR:Y=λWY+Xβ+μ

(2)

SEM:Y=λWY+Xβ+μ;μ=ρWμ+ε

(3)

SDM:Y=λWY+λWX+Xβ+μ

(4)

式中，Y代表被解釋變量，X為外生解釋變量，W為空間權(quán)重矩陣，ρ、λ分別為空間滯后模型、空間誤差模型、空間杜賓模型的空間效應(yīng)系數(shù)，β為解釋變量系數(shù)矩陣，ε、μ為隨機(jī)誤差項矩陣。在結(jié)合模型(1)的基礎(chǔ)上，結(jié)合(2)(3)(4)的空間模型，并納入控制變量，進(jìn)一步構(gòu)建如下回歸模型：

空間滯后模型(SLM):

INCOMEit=β0+β1HUM_CAPit+β2GDPit+β3LOANit+β4FISCALit+β5INVESTit+

β6POWERit+β7LANDit+β8*W*INCOMEit+μit

(5)

空間誤差模型(SEM):

INCOMEit=β0+β1HUM_CAPit+β2GDPit+β3LOANit+β4FISCALit+β5INVESTit+

β6POWERit+β7LANDit+μit

μit=ρ*W*μit+εit

(6)

(5)(6)式中符號與(2)(3)(4)說明類似，i代表地區(qū)，t代表年份。

核心變量說明如下：

農(nóng)村居民收入(INCOME)。采用全國31個省、自治區(qū)、直轄市(不含港澳臺地區(qū))2009-2014年農(nóng)民收入的對數(shù)值進(jìn)行衡量。同時，對農(nóng)民收入的工資性收入、轉(zhuǎn)移性收入、經(jīng)營性收入和財產(chǎn)性收入進(jìn)行分析，以期分析人力資本集聚程度越高，是否相應(yīng)地區(qū)的農(nóng)民收入也高。

人力資本投資(HUM_CAP)。人力資本投資是一個相對抽象的概念，舒爾茨提出人力資本投資后，這一概念逐漸由抽象變?yōu)榫唧w。但對人力資本投資的量化口徑卻不盡一致，統(tǒng)計年鑒數(shù)據(jù)上也沒有專門的人力資本投資數(shù)據(jù)，本文采用農(nóng)民的受教育年限近似替代人力資本投資變量。加利福尼亞大學(xué)圣迭戈分校James Rauch教授在分析人力資本集聚對城市經(jīng)濟(jì)增長的影響中，采用了城市平均受教育年限作為人力資本投資的替代變量，國內(nèi)學(xué)者姚先國和張海峰在研究教育和人力資本與地區(qū)經(jīng)濟(jì)差異中，也采用了受教育年限作為人力資本投資的替代變量。因此，本文采用全國31個省、自治區(qū)、直轄市(不含港澳臺地區(qū))2009-2014年間的省級面板數(shù)據(jù)中的受教育年限作為人力資本投資的替代變量進(jìn)行分析是可行的。

人力資本聚集空間效應(yīng)(W*HUM_CAP)。空間效應(yīng)主要通過地理權(quán)重或者經(jīng)濟(jì)權(quán)重來表現(xiàn)，引入此變量進(jìn)入模型，主要衡量人力資本集聚的空間效應(yīng)。人力資本豐富的地區(qū)，往往其地理位置鄰近的地區(qū)或經(jīng)濟(jì)來往密切的地區(qū)，都具有高收入現(xiàn)象；而人力資本貧乏地區(qū)，其鄰近地區(qū)或來往較密切地區(qū)，都具有低收入現(xiàn)象。本文空間權(quán)重矩陣采用全國31個省、自治區(qū)、直轄市的鄰接矩陣，并進(jìn)行標(biāo)準(zhǔn)化處理。

控制變量說明如下：

農(nóng)村居民收入除了受到人力資本投資及其空間效應(yīng)影響外，還受到其他因素的影響。為了確保估計的無偏性和可靠性，控制其他變量對農(nóng)村居民收入的影響很有必要。

首先，影響農(nóng)村居民收入水平的一個重要因素是地方經(jīng)濟(jì)發(fā)展水平和金融發(fā)展水平[26]。溫濤和冉光和等認(rèn)為金融發(fā)展水平與農(nóng)村居民收入水平呈負(fù)相關(guān)關(guān)系，經(jīng)濟(jì)與金融的正相關(guān)關(guān)系并不能替代金融發(fā)展水平與農(nóng)民收入的關(guān)系[27]。兩者之間不管是正向還是負(fù)向關(guān)系，經(jīng)濟(jì)發(fā)展水平和金融發(fā)展水平都會影響農(nóng)村居民收入水平。由于經(jīng)濟(jì)和金融的密切關(guān)系，為防止多重共線性問題，本文用各省、自治區(qū)和直轄市的戶均農(nóng)戶貸款余額(LOAN)來衡量地區(qū)經(jīng)濟(jì)發(fā)展水平和地區(qū)金融發(fā)展水平，均采用相應(yīng)的對數(shù)值，而不同時采用地區(qū)生產(chǎn)總值和貸款余額。

其次，財政支農(nóng)也是影響農(nóng)村居民收入的一個控制變量。溫濤和王煜宇認(rèn)為提高農(nóng)業(yè)貸款和財政支農(nóng)投入，可以有效提高農(nóng)民收入，財政支農(nóng)是農(nóng)民收入增長的重要因素[28]。李燕凌和歐陽萬福認(rèn)為提高縣鄉(xiāng)財政支農(nóng)資金，能有效提高農(nóng)業(yè)生產(chǎn)效率，從而增加農(nóng)村居民收入[29]。Boehlje認(rèn)為政府財政支農(nóng)的效率低下，對提高農(nóng)民收入的效果有限[30]。本文將財政支農(nóng)變量也作為影響農(nóng)村居民收入的一個重要控制變量，采用人均財政支農(nóng)對數(shù)值(FISCAL)進(jìn)行衡量。

第三，投資。投資對收入的影響不言而喻。經(jīng)典宏觀經(jīng)濟(jì)學(xué)對投資與收入的關(guān)系已經(jīng)闡述得很清晰。凱恩斯理論將投資作為收入的一個重要組成部分。Barro運(yùn)用聯(lián)立方程正確地闡述了投資和增長的關(guān)系[31]。國內(nèi)學(xué)者陸銘、陳釗在研究收入差距與經(jīng)濟(jì)增長的關(guān)系時，也將投資作為一個重要的傳遞變量[32]。本文采用2009-2014我國各省、自治區(qū)、直轄市的人均農(nóng)戶投資對數(shù)(INVEST)作為農(nóng)民投資的統(tǒng)計變量。

第四，農(nóng)用機(jī)械。農(nóng)用機(jī)械也是影響農(nóng)民收入的一個控制變量。胡瑞法和黃季焜[33]、李慶和林光華[34]認(rèn)為機(jī)械會對勞動力產(chǎn)生替代作用，從而提高農(nóng)業(yè)生產(chǎn)效率，增加農(nóng)民收入。本文也引入農(nóng)用機(jī)械這一變量，用2009-2014年我國各省、自治區(qū)、直轄市的農(nóng)用機(jī)械總動力對數(shù)值(POWER)進(jìn)行衡量。

最后，農(nóng)村家庭經(jīng)營規(guī)模(LAND)。研究農(nóng)村家庭經(jīng)營規(guī)模和農(nóng)業(yè)生產(chǎn)效率的文獻(xiàn)很多。速水佑次郎認(rèn)為土地經(jīng)營規(guī)模的擴(kuò)大提高了農(nóng)業(yè)生產(chǎn)效率，進(jìn)而增加農(nóng)民收入。[35]黃云鵬認(rèn)為家庭經(jīng)營規(guī)?？梢栽黾愚r(nóng)民收入[36]。向國成和韓紹鳳從分工視角證明了農(nóng)業(yè)家庭經(jīng)營規(guī)模和收入的關(guān)系[37]。本文采用2009-2014我國各省、自治區(qū)、直轄市農(nóng)村家庭經(jīng)營耕地面積衡量土地經(jīng)營規(guī)模。

本文數(shù)據(jù)來源《中國統(tǒng)計年鑒》《中國金融統(tǒng)計年鑒》，采用2009-2014年我國31個省、自治區(qū)、直轄市的面板數(shù)據(jù)。因此面板數(shù)據(jù)為6*31共186個觀測值。變量的基本統(tǒng)計數(shù)據(jù)如下：

表1　核心變量及控制變量的基本統(tǒng)計量

四、實證分析

基于前述的文獻(xiàn)分析和理論分析，從實證角度研究人力資本和農(nóng)村居民收入的關(guān)系問題。主要從三個方面進(jìn)行闡述，一是探究人力資本是否具有空間效應(yīng)、農(nóng)村居民收入是否具有空間效應(yīng)，即空間效應(yīng)測度問題；二是模型選擇問題，在基于兩者具有空間相關(guān)性的前提下，選擇何種空間回歸模型；三是空間回歸，研究人力資本與農(nóng)村居民收入二者的具體關(guān)系。

(一)農(nóng)村居民收入及人力資本投資的空間效應(yīng)測度

本文的主要分析方法是空間杜賓模型，探究人力資本變量和農(nóng)村居民收入變量是否存在空間效應(yīng)，即空間相關(guān)性或依賴性。因此，在進(jìn)行空間計量分析之前，還必須檢驗解釋變量人力資本投資和被解釋變量農(nóng)村居民收入各自是否存在空間效應(yīng)。

運(yùn)用Arcgis和Stata軟件了解我國人力資本投資和農(nóng)村居民收入空間集聚分布情況。按照各省市農(nóng)村居民平均收入對數(shù)值的四分位數(shù)，將數(shù)據(jù)分為四個區(qū)間，獲得我國各省市區(qū)農(nóng)村居民收入的空間效應(yīng)，發(fā)現(xiàn)我國農(nóng)村居民收入存在明顯的空間效應(yīng)，按照地理位置的不同，東部沿海地區(qū)的農(nóng)村居民收入普遍較高，中部地區(qū)和東北地區(qū)次之，西北部地區(qū)最低，并呈現(xiàn)連片分布態(tài)勢。這說明我國農(nóng)村居民收入呈現(xiàn)空間效應(yīng)。同理，按照各省市農(nóng)村人力資本(平均受教育年限)對數(shù)值的四分位數(shù)，將數(shù)據(jù)分為四個區(qū)間，獲得我國各省市區(qū)農(nóng)村人力資本(平均受教育年限)的空間效應(yīng)地圖。從地圖上可以看出，東、中、西部地區(qū)受教育年限依次遞減，并呈現(xiàn)空間效應(yīng)態(tài)勢。

進(jìn)一步運(yùn)用莫蘭統(tǒng)計方法進(jìn)行檢驗分析。Moran運(yùn)用莫蘭指數(shù)(Moran’s I)來檢驗空間效應(yīng)[38],其計算公式如下：

(7)

本文主要對核心變量進(jìn)行空間自相關(guān)檢驗。由于面板數(shù)據(jù)作莫蘭圖會產(chǎn)生6年的莫蘭圖，故為了方便起見，取31個省區(qū)市6年的農(nóng)村居民平均收入和平均受教育年限進(jìn)行衡量。運(yùn)用全局空間自相關(guān)檢驗的莫蘭散點圖進(jìn)行說明，見圖1。

圖1　我國農(nóng)村居民收入及農(nóng)村人力資本投資的Moran散點圖

圖1左圖，橫坐標(biāo)為INCOME，代表農(nóng)村居民平均收入；縱坐標(biāo)為W_INCOME代表維度為31*31的空間權(quán)重矩陣與農(nóng)村居民平均收入矩陣的乘積，反映農(nóng)村居民平均收入的空間效應(yīng)。圖示可看出兩者呈現(xiàn)較強(qiáng)正相關(guān)，相關(guān)系數(shù)為0.6001，故農(nóng)村居民平均收入具有較強(qiáng)的空間效應(yīng)，即高收入的省份，其鄰接省份收入也較高，主要在東部地區(qū)，低收入的省份，其鄰接省份收入也較低，主要在中西部地區(qū)，這就是典型的高高集聚(H-H)和低低集聚(L-L)。同理，圖1右圖，橫坐標(biāo)為HUM_CAP，代表農(nóng)村人力資本投資(用平均受教育年限衡量)；縱坐標(biāo)為W_HUM_CAP，代表維度為31*31的空間權(quán)重矩陣與農(nóng)村人力資本投資矩陣的乘積，反映農(nóng)村人力資本投資的空間效應(yīng)。圖中可以看出兩者呈現(xiàn)正相關(guān)，相關(guān)系數(shù)為0.3838，農(nóng)村人力資本投資也具有空間效應(yīng)，同樣表現(xiàn)出高高集聚和低低集聚的現(xiàn)象。因此，本文關(guān)于核心變量具有空間效應(yīng)(空間相關(guān)性)的假設(shè)得到印證。

全局空間自相關(guān)說明了解釋了研究區(qū)域到底有無集聚(H-H，L-L)，而局部空間自回歸則解釋了其具體空間位置，和集聚的顯著度。為了進(jìn)一步說明集聚的顯著程度，本文進(jìn)一步分析局部空間自相關(guān)。

局部空間自相關(guān)主要運(yùn)用LISA指標(biāo)(Localindicationsofspatialassociation)，描述該區(qū)域單元變量與周圍區(qū)域單元的相關(guān)性程度(即變量的集聚程度)及顯著性程度，與全局空間相關(guān)指標(biāo)成比例[39]。局部空間自相關(guān)的計算公式如下：

(8)

如表2所示，在局部空間自相關(guān)分析中，黑龍江、安徽、江西、廣東的農(nóng)村居民平均收入呈現(xiàn)H-L或L-H現(xiàn)象，即農(nóng)村居民平均收入高，而其鄰近省份并不表現(xiàn)出一致，農(nóng)村居民平均收入低，其鄰近省份并不低。除這幾個省份之外，其余省份均表現(xiàn)出H-H或L-L態(tài)勢，說明具有空間效應(yīng)，尤以北京、天津、上海、江蘇、浙江、貴州、云南、西藏、陜西、甘肅、青海、新疆較為顯著。同理，人力資本投資的局部空間自相關(guān)分析，浙江、安徽、福建、湖南、廣西、陜西、新疆出現(xiàn)了H-L或L-H現(xiàn)象，其余省份表現(xiàn)出H-H或L-L現(xiàn)象，說明具有空間效應(yīng)，空間效應(yīng)顯著的省份主要有北京、天津、四川、云南、西藏、青海等省份。這與現(xiàn)實情況大體一致。

從以上分析可以得出，本文研究的核心變量農(nóng)村居民收入和農(nóng)村人力資本投資均具有較強(qiáng)的空間效應(yīng)。從具體的省份來說，空間效應(yīng)在不同省份顯著性有所不同。

表2　各省區(qū)市農(nóng)村平均收入和人力資本投資局部Moran統(tǒng)計量及顯著水平

注：表中Moran統(tǒng)計量由Stata13.0基于雙側(cè)檢驗計算而出，括號中為P值。*代表10%水平下顯著，**代表5%水平下顯著，***代表1%水平下顯著。

(二)人力資本投資與農(nóng)村居民收入的空間杜賓模型構(gòu)建

按照Elhorst關(guān)于空間面板數(shù)據(jù)模型的選擇方法[40-41]，運(yùn)用Lagrangemultiplier(LM)檢驗農(nóng)村居民收入的回歸結(jié)果，可以確定選擇何種模型。如表3所示，運(yùn)用LM檢驗不含固定效應(yīng)、空間固定效應(yīng)、時期固定效應(yīng)和雙向固定效應(yīng)四種模型，在5%的置信水平下，原假設(shè)為不含空間滯后效應(yīng)的LM檢驗和不含空間誤差效應(yīng)的LM檢驗均被拒絕，不能區(qū)別選擇何種模型。繼續(xù)進(jìn)行穩(wěn)健性估計，不含空間滯后效應(yīng)的LM檢驗被拒絕，不含空間誤差效應(yīng)的LM檢驗沒有被拒絕*關(guān)于空間模型的選擇，Anselin-Florax[39]認(rèn)為，如果在LM檢驗時，空間自回歸模型比空間誤差模型更為顯著，則宜選擇空間自回歸模型，反之亦然。如果同時都顯著，則考慮穩(wěn)健性條件下的LM檢驗，如果空間自回歸模型顯著而空間誤差模型不顯著，則選擇空間自回歸模型，反之亦然。。因此模型應(yīng)當(dāng)選定為空間自回歸模型(SAR)或空間杜賓模型(SDM)。結(jié)合上文論述，人力資本投資也具有空間效應(yīng)，因此宜選擇自變量也帶有空間效應(yīng)的空間杜賓模型。不過為了估計的準(zhǔn)確性，本文會同時考慮空間自回歸模型和空間杜賓模型。

表3　農(nóng)村居民收入回歸模型的LM檢驗

同時運(yùn)用LR(Likelihoodratio)檢驗來判斷應(yīng)當(dāng)選擇空間固定、時間固定或雙向固定模型。如表4所示，在原假為空間(或時間)固定效應(yīng)不顯著的條件，在1%的置信水平下，LR檢驗空間固定效應(yīng)和時間固定效應(yīng)均顯著，因此適合選擇空間—時間雙向固定的空間杜賓模型。

表4　LR檢驗

接下來，運(yùn)用Hausman檢驗固定效應(yīng)和隨機(jī)效應(yīng)模型的選擇。如表5所示，原假設(shè)為模型應(yīng)采用隨機(jī)效應(yīng)估計，在1%的置信水平下，原假設(shè)被拒絕。因此，本文的模型進(jìn)一步確定為時間固定效應(yīng)的空間杜賓模型。

表5　Hausman檢驗

通過前述LM檢驗、LR檢驗和Hausman檢驗，本文的空間回歸模型應(yīng)為時點固定效應(yīng)杜賓模型：

INCOMEit=β0+β1HUM_CAPit+β2GDPit+β3LOANit+β4FISCALit+β5INVESTit+β6POWERit+β7LANDit+β8*W*HUM_CAPit+β9*W*GDPit+β10*W*LOANit+β11*W*FISCALit+β12*W*INVESTit+β13*W*POWERit+β14*W*LANDit+si+vt+μit

(9)

式中，vt表示時點固定效應(yīng)，si表示空間固定效應(yīng)， μit表示隨機(jī)誤差項，W為空間權(quán)重矩陣。公式(9)即為2009-2014年期間人力資本投資與農(nóng)村居民收入的空間回歸模型。

(三)人力資本投資對農(nóng)村居民收入的空間效應(yīng)及分解

表6　農(nóng)村居民收入回歸模型

注：表中括號里為t統(tǒng)計量。* 為p<0.05, ** 為p<0.01, *** 為p<0.001。

如表6所示，第二列和第三列是未考慮空間效應(yīng)的傳統(tǒng)面板估計。第二列固定效應(yīng)和第三列隨機(jī)效應(yīng)模型顯示，人力資本投資、戶均農(nóng)戶貸款、財政支農(nóng)、人均住房價值、家庭經(jīng)營耕地規(guī)模對農(nóng)村居民收入有正向效應(yīng)，其估計系數(shù)分別為0.163、0.024、0.164、0.276和0.024，除家庭經(jīng)營規(guī)模外，其正向效應(yīng)均在5%的置信水平上顯著，人力資本投資、財政支農(nóng)和人均住房在0.1%的置信水平上高度顯著，這說明人力資本越豐富、財政支農(nóng)力度越大和人均住房價值越高的地區(qū)，其農(nóng)村居民收入越高，這與實際情況是相符合的。家庭經(jīng)濟(jì)規(guī)模越大，農(nóng)民收入水平提高的水平并不顯著。當(dāng)前，地方政府熱衷于通過土地流轉(zhuǎn)擴(kuò)大土地規(guī)模，以期獲得規(guī)模報酬效應(yīng)，這種政策是否合理，還有待觀察。本文的實證分析并不支持地方政府盲目進(jìn)行土地流轉(zhuǎn)，因為靠土地規(guī)模擴(kuò)大農(nóng)民收入的效應(yīng)并不顯著。相反地，農(nóng)戶投資和農(nóng)業(yè)機(jī)械總動力對農(nóng)村居民收入的影響是負(fù)向的，影響水平并不顯著?？傮w上來說，傳統(tǒng)面板回歸估計的回歸結(jié)果良好，固定效應(yīng)模型的擬合優(yōu)度達(dá)到0.94。這是在未考慮空間效應(yīng)的情況下得出的分析結(jié)果。但前述對人力資本和農(nóng)村居民投資的空間效應(yīng)分析顯示，兩者均具有較強(qiáng)的空間相關(guān)性，因此第三列和第四列顯示出空間面板回歸估計結(jié)果。

從表6中第三列和第四列的空間回歸模型可以看出，空間自回歸(SAR)和雙向固定空間杜賓模型(SDM)的Spatial_rho系數(shù)(即因變量的空間滯后項W*INCOME)均較顯著，可見通過回歸模型也印證了農(nóng)村居民收入存在空間效應(yīng)，即本地區(qū)農(nóng)村居民收入不但受到本地區(qū)經(jīng)濟(jì)社會因素制約，同時還會受到鄰近省份經(jīng)濟(jì)社會因素的影響。一個地區(qū)農(nóng)村居民收入的提高，會間接影響到鄰近地區(qū)農(nóng)村居民收入水平的提高。而對于模型的系數(shù)估計，空間自回歸模型中財政支農(nóng)和人均住房價值產(chǎn)生正向作用，且較為顯著;人力資本投資和農(nóng)戶貸款、家庭經(jīng)營規(guī)模產(chǎn)生正向作用，但不顯著;農(nóng)業(yè)機(jī)械總動力和農(nóng)戶投資產(chǎn)生負(fù)向作用，但不顯著；雙向固定空間杜賓模型中，人力資本投資和農(nóng)戶貸款由正向效應(yīng)變?yōu)樨?fù)向效應(yīng)、農(nóng)業(yè)機(jī)械總動力由負(fù)向變?yōu)檎蛐?yīng)，除人均住房價值在5%水平上顯著外，其余系數(shù)均不顯著。這是否意味著雙向固定空間杜賓模型的估計結(jié)果是錯誤的，因為其估計結(jié)果與前面三種模型回歸結(jié)果有很大差異。

要解釋這種偏差，就得理解空間模型和非空間模型估計系數(shù)的意義，本質(zhì)上兩者的估計系數(shù)是完全不同的。在傳統(tǒng)面板模型中，自變量的估計系數(shù)表示自變量對因變量的直接影響大小，即直接效應(yīng)，如果自變量與因變量均取對數(shù)，其意義更為明確，表示自變量提高一個百分點，則因變量提高(系數(shù)為正)或降低(系數(shù)為負(fù))的百分點數(shù)，這是一個彈性概念；而空間面板模型中，自變量的估計系數(shù)除了包含自變量對因變量的直接效應(yīng)，還包括自變量對因變量的間接效應(yīng)。間接效應(yīng)是指一個地區(qū)自變量的空間溢出效應(yīng)會對相鄰地區(qū)因變量產(chǎn)生影響，鄰近地區(qū)因變量所產(chǎn)生的空間溢出效應(yīng)又會作用于本地區(qū)因變量。對于本文來說，本地區(qū)人力資本投資會影響到鄰近地區(qū)農(nóng)村居民收入，而鄰近地區(qū)農(nóng)村居民收入所產(chǎn)生的空間效應(yīng)又會作用于本地區(qū)農(nóng)村居民收入。故間接效應(yīng)會受到人力資本的空間滯后項(W*HUM_CAP)和農(nóng)村居民收入的空間滯后項(W*INCOME)的影響。同理，其他控制變量也具有這種間接效應(yīng)。

對于空間自回歸模型(SAR)來說，因變量農(nóng)村居民收入的Spatial_rho(W*INCOME)系數(shù)為0.858，在0.1%置信水平上高度顯著，對于空間杜賓模型(SDM)來說，農(nóng)村居民收入的Spatial_rho(W*INCOME)系數(shù)為0.717在0.1%置信水平上也高度顯著，兩種模型都說明農(nóng)村居民收入空間效應(yīng)極為顯著?？臻g杜賓模型(SDM)的自變量空間滯后項，W*HUM_CAP系數(shù)為0.065，效應(yīng)為正，且在1%置信水平上顯著，這說明人力資本投資對農(nóng)村居民收入具有正向的空間效應(yīng)，即本地區(qū)人力資本投資會提高鄰近地區(qū)農(nóng)村居民收入。同理，W*LOAN、W*FISCAL、W*INVEST、W*LAND具有正向空間效應(yīng)，且W*FISCAL在5%的置信水平上顯著、W*INVEST在1%的置信水平上顯著，說明財政支農(nóng)和農(nóng)戶投資的空間效應(yīng)顯著。而W*HVALUE、W*POWER對農(nóng)村居民收入具有負(fù)向空間效應(yīng)，但不顯著。

對于空間面板模型來說，為了分析空間效應(yīng)的大小，還必須分析直接效應(yīng)和間接效應(yīng)。

注：表中括號里為t統(tǒng)計量。*為p<0.05,**為p<0.01,***為p<0.001。

表7列出了空間自回歸(SAR)和雙向固定空間杜賓模型(SDM)的直接效應(yīng)、間接效應(yīng)和總效應(yīng)估計。為了分析的完整性，將SAR模型的直接、間接和總效應(yīng)列出。本文重點分析SDM模型的直接、間接和總效應(yīng)。從表中可以看出，人力資本投資、財政支農(nóng)、人均住房價值、家庭經(jīng)營規(guī)模的直接效應(yīng)分別為0.006、0.014、0.105、0.005，而傳統(tǒng)固定效應(yīng)面板模型相應(yīng)的直接效應(yīng)(即自變量估計系數(shù))分別為0.163、0.164、0.276、0.024，傳統(tǒng)固定效應(yīng)模型中各自變量對農(nóng)村居民收入的直接影響均被高估，分別高估26.17%、10.71%、1.63%和3.8%。而戶均農(nóng)戶貸款和農(nóng)用機(jī)械總動力的直接效應(yīng)為負(fù)，農(nóng)戶投資在固定效應(yīng)模型中符合相反，均不予分析。從顯著性水平來說，除人均住房價值的直接效應(yīng)在1%水平上顯著外，其余變量均不顯著。農(nóng)村人力資本投資的直接效應(yīng)為正，但不顯著，說明在2009-2014年期間，人力資本對農(nóng)村居民收入的直接影響有限，也可能是人力資本的作用未得到明顯發(fā)揮。結(jié)合農(nóng)村的實際情況，農(nóng)村勞動力中有2億左右的農(nóng)民工生活在城市，農(nóng)村出生的人才大多遷移到城市，人力資本對提高農(nóng)民收入沒有直接影響，這與實際情況是相符合的。從政策層面來說，國家應(yīng)當(dāng)培養(yǎng)從事農(nóng)業(yè)領(lǐng)域的高級技術(shù)人才，讓其留在農(nóng)村。

從雙向固定空間杜賓模型(SDM)的間接效應(yīng)*即空間溢出效應(yīng)。來說，農(nóng)村人力資本、財政支農(nóng)、農(nóng)戶投資、住房價值和家庭經(jīng)營土地規(guī)模分別為0.18、0.17、0.238、0.105、0.066，分別占其總效應(yīng)的96.26%、88.43%、99.58%、50%、92.96%。*農(nóng)戶貸款不產(chǎn)生空間溢出效應(yīng)，農(nóng)用機(jī)械動力的間接效應(yīng)為負(fù)，與實際情況不符，不予分析?？梢?，農(nóng)村人力資本、財政支農(nóng)、農(nóng)戶投資、住房價值和家庭經(jīng)營土地規(guī)模都具有極強(qiáng)的空間溢出效應(yīng)。如果以非空間面板計量進(jìn)行分析，將間接效應(yīng)納入進(jìn)去，必然造成各變量估計過高，產(chǎn)生偏誤。從顯著性水平來說，農(nóng)村人力資本投資和農(nóng)戶自有資本投資在5%的水平上顯著，財政支農(nóng)和住房價值在1%的水平上顯著，這說明人力資本投資水平的提高，不僅會增加本地區(qū)農(nóng)民收入水平，還會通過農(nóng)民收入的溢出效應(yīng)*見表6，因變量農(nóng)村居民收入的空間滯后系數(shù)Spatial_rho為0.717，且顯著。說明農(nóng)村居民收入有空間溢出效應(yīng)。影響鄰近地區(qū)農(nóng)民收入水平，進(jìn)而又通過農(nóng)民收入的溢出效應(yīng)傳導(dǎo)到本地區(qū)，提高本地區(qū)農(nóng)村居民收入。

五、結(jié)論及政策含義

本文基于2009-2014年全國31個省份的省級面板數(shù)據(jù)，通過構(gòu)建人力資本與農(nóng)村居民收入的空間面板模型，研究人力資本與農(nóng)村居民收入的空間效應(yīng)關(guān)系問題。結(jié)果發(fā)現(xiàn)人力資本投資和農(nóng)村居民收入都具有很強(qiáng)的空間外溢效應(yīng)，控制變量中的財政支農(nóng)、農(nóng)戶自有資本投資也具有空間外溢效應(yīng)。但人力資本投資在剔除了96.26%間接效應(yīng)之后，2009-2014年間人力資本對農(nóng)村居民收入的影響并非傳統(tǒng)面板數(shù)據(jù)得出的結(jié)論,兩者呈正向關(guān)系，而人力資本對對農(nóng)村居民收入表現(xiàn)出了負(fù)向關(guān)系，但兩者關(guān)系不顯著。具體表現(xiàn)如下：(1)傳統(tǒng)非空間面板數(shù)據(jù)分析人力資本與農(nóng)村居民收入關(guān)系，無論是固定效應(yīng)還是隨機(jī)效應(yīng)，兩者均呈現(xiàn)正相關(guān)關(guān)系，且顯著；(2)通過引入空間模型，人力資本與農(nóng)村居民收入均表現(xiàn)出空間外溢效應(yīng)，且顯著；(3)直接效應(yīng)和間接效應(yīng)分析顯示，人力資本對農(nóng)村居民收入的影響，其直接效應(yīng)比傳統(tǒng)面板數(shù)據(jù)分析的直接效應(yīng)低26.17%，空間效應(yīng)中其間接效應(yīng)占到總效應(yīng)的96.26%。人力資本對農(nóng)村居民收入的影響并非直接作用，而更多地是通過人力資本的外溢效應(yīng)產(chǎn)生擴(kuò)散作用，引起鄰近省份農(nóng)村居民收入的變化，再通過鄰近省份農(nóng)村居民收入的傳導(dǎo)反饋到本地區(qū)農(nóng)村居民收入。(4)控制變量中農(nóng)戶投資與財政支農(nóng)也具有空間效應(yīng)，其間接效應(yīng)占到總效應(yīng)的比例分別為99.58%、88.43%。

本文的政策含義是，其一，考慮到人力資本投資、農(nóng)戶自有投資、財政支農(nóng)和住房價值的空間效應(yīng)顯著，政府應(yīng)當(dāng)加大人力資本投資，培養(yǎng)農(nóng)村種養(yǎng)殖大戶等技術(shù)人才，鼓勵高級知識分子走進(jìn)農(nóng)村，培育有知識有技術(shù)的職業(yè)農(nóng)民，充分發(fā)揮他們的智力支撐；擴(kuò)寬融資渠道，鼓勵農(nóng)戶投資；加大政府財政支農(nóng)政策，完善糧食補(bǔ)貼等惠農(nóng)政策。其二，對控制變量的分析上，土地經(jīng)營規(guī)模對農(nóng)村居民收入的影響，農(nóng)民收入提高的水平并不顯著。當(dāng)前，地方政府熱衷于通過土地流轉(zhuǎn)擴(kuò)大土地規(guī)模，以期獲得規(guī)模報酬效應(yīng)，這種政策是否合理，還有待觀察。其三，人力資本是一個具有擴(kuò)散和集聚效應(yīng)的變量，政府應(yīng)該打破行政壁壘，破除阻隔城鄉(xiāng)二元經(jīng)濟(jì)的體制機(jī)制障礙，推進(jìn)新型城鎮(zhèn)化和人口市民化，讓人口向城市集中，從而產(chǎn)生人力資本集聚。政府應(yīng)當(dāng)做好頂層設(shè)計，推進(jìn)省管縣改革，糾正各地獨自為政的發(fā)展模式，精簡行政機(jī)構(gòu)，讓人才能夠在城鄉(xiāng)之間、地區(qū)之間自由流動，充分發(fā)揮人力資本的溢出效應(yīng)。

參考文獻(xiàn)：

[1]SOLOW R M. A Contribution to the Theory of Economic Growth[J].Quarterly Journal of Economics, 1956, 70(1):65-94.

[2]戴維·羅默. 高級宏觀經(jīng)濟(jì)學(xué)(第四版)[M]. 吳化斌,龔關(guān),譯. 上海:上海財經(jīng)大學(xué)出版社,2014.

[3]LIN J Y. Rural Reforms and Agricultural Growth in China.[J]. American Economic Review, 1992, 82(1):34-51.

[4]林毅夫. 解讀中國經(jīng)濟(jì)[M]. 北京:北京大學(xué)出版社, 2012.

[5]溫濤,王小華,楊丹,等. 新形勢下農(nóng)戶參與合作經(jīng)濟(jì)組織的行為特征、利益機(jī)制及決策效果[J]. 管理世界,2015(7):82-97.

[6]蔡昉. 人口轉(zhuǎn)變、人口紅利與劉易斯轉(zhuǎn)折點[J]. 經(jīng)濟(jì)研究 2010(4):4-13.

[7]劉生龍. 人力資本的溢出效應(yīng)分析[J]. 經(jīng)濟(jì)科學(xué) 2014(2):79-90.

[8]WHEELER C H. Search, Sorting, and Urban Agglomeration[J]. Journal of Labor Economics, 2001, 19(4): 879-899.

[9]GLAESER E L, RESSEGER M G. The Complementarity Between Cities and Skills[J]. Journal of Regional Science, 2010, 50(1):221-244.

[10]RAUCH J E. Productivity Gains from Geographic Concentration of Human Capital: Evidence from the Cities[J]. Journal of Urban Economics, 1993, 34(3): 380-400.

[11]GLAESER E L, SCHEINKMAN J A, SHLEIFER A. Economic Growth in a Cross-Section of Cities[J]. Journal of Monetary Economics, 1995, 36(1): 117-143.

[12]HENDERSON J V, WANG H G. Urbanization and City Growth [J]. Regional Science & Urban Economics, 2004, 37(3):283-313.

[13]MORETTI E. Human Capital Externalities in Cities[J]. Handbook of regional and urban economics, 2004(4): 2243-2291.

[14]ZHANG J, WU F, ZHANG D, et al. A Study on Labor Mobility and Human Capital Spillover[J]. China Agricultural Economic Review, 2009, 1(3): 342-356.

[15]ABEL J R, ISHITA D, GABE T M. Productivity and the Density of Human Capital[J]. Journal of Regional Science, 2012, 52(4):562-586.

[16]范劍勇. 產(chǎn)業(yè)集聚與地區(qū)間勞動生產(chǎn)率差異[J]. 經(jīng)濟(jì)研究,2006(11):72-81.

[17]王小魯,樊綱. 中國地區(qū)差距的變動趨勢和影響因素[J]. 經(jīng)濟(jì)研究,2004(1):33-44.

[18]姚先國, 張海峰. 教育、人力資本與地區(qū)經(jīng)濟(jì)差異[J]. 經(jīng)濟(jì)研究, 2008 (5):47-57.

[19]張文武,梁琦.勞動地理集中、產(chǎn)業(yè)空間與地區(qū)收入差距[J].經(jīng)濟(jì)學(xué)(季刊),2011(2):691-708.

[20]陳得文,苗建軍.人力資本集聚,空間溢出與區(qū)域經(jīng)濟(jì)增長——基于空間過濾模型分析[J].產(chǎn)業(yè)經(jīng)濟(jì)研究,2013(4):54-62.

[21]梁文泉, 陸銘. 城市人力資本的分化:探索不同技能勞動者的互補(bǔ)和空間集聚[J]. 經(jīng)濟(jì)社會體制比較, 2015(3):185-197.

[22]LIU Z. Human Capital Externalities in Cities: Evidence from Chinese Manufacturing Firms[J]. Journal of Economic Geography, 2014, 14(3):621-649.

[23]包玉香,王宏艷,李玉江. 人力資本空間集聚對區(qū)域經(jīng)濟(jì)增長的效應(yīng)分析——以山東省為例[J]. 人口與經(jīng)濟(jì),2010(3):28-33.

[24]劉倩.農(nóng)村勞動力遷移的人力資本集聚效應(yīng)研究[J].西北農(nóng)林科技大學(xué)學(xué)報(社會科學(xué)版),2012(5):21-25.

[25]何旭波,鄭延平.異質(zhì)型人力資本集聚對地區(qū)收入差距的影響研究——來自2001-2011年省級單位的經(jīng)驗數(shù)據(jù)[J].經(jīng)濟(jì)問題探索,2013(11):12-19.

[26]HAYS D, GOLDSMITH T H. Microspectrophotometry of the Visual Pigment of the Spider Crab Libinia Emarginata[J]. Zeitschrift für vergleichende Physiologie, 1969, 65(2): 218-232.

[27]溫濤, 冉光和, 熊德平. 中國金融發(fā)展與農(nóng)民收入增長[J]. 經(jīng)濟(jì)研究, 2005(9):30-43.

[28]溫濤, 王煜宇. 政府主導(dǎo)的農(nóng)業(yè)信貸、財政支農(nóng)模式的經(jīng)濟(jì)效應(yīng)——基于中國1952-2002年的經(jīng)驗驗證[J]. 中國農(nóng)村經(jīng)濟(jì), 2005(10):18-27.

[29]李燕凌, 歐陽萬福. 縣鄉(xiāng)政府財政支農(nóng)支出效率的實證分析[J]. 經(jīng)濟(jì)研究, 2011(10):110-122.

[30]BOEHLJE M D, LINS D A. Risks and risk Management in an Industrialized Agriculture[J]. Agricultural Finance Review,1998(58): 1-16.

[31]BARRO R J. Inequality and Growth in a Panel of Countries[J]. General Information, 2000, 5(1):5-32.

[32]陸銘, 陳釗, 萬產(chǎn)華. 因患寡,而患不均——中國的收入差距、投資、教育和增長的相互影響[J]. 經(jīng)濟(jì)研究, 2005(12):4-14.

[33]胡瑞法, 黃季焜. 農(nóng)業(yè)生產(chǎn)投入要素結(jié)構(gòu)變化與農(nóng)業(yè)技術(shù)發(fā)展方向[J]. 中國農(nóng)村觀察, 2002(15):9-16.

[34]李慶, 林光華, 何軍. 農(nóng)民兼業(yè)化與農(nóng)業(yè)生產(chǎn)要素投入的相關(guān)性研究——基于農(nóng)村固定觀察點農(nóng)戶數(shù)據(jù)的分析[J]. 南京農(nóng)業(yè)大學(xué)學(xué)報:社會科學(xué)版, 2013(3):27-32.

[35]速水佑次郎.發(fā)展經(jīng)濟(jì)學(xué)——從貧困到富裕[M].李周,譯.北京:社會科學(xué)文獻(xiàn)出版社, 2003.

[36]黃云鵬. 農(nóng)業(yè)經(jīng)營體制和專業(yè)化分工——兼論家庭經(jīng)營與規(guī)模經(jīng)濟(jì)之爭[J]. 農(nóng)業(yè)經(jīng)濟(jì)問題, 2003, 24(6):50-55.

[37]向國成, 韓紹鳳. 農(nóng)戶兼業(yè)化:基于分工視角的分析[J]. 中國農(nóng)村經(jīng)濟(jì), 2005(8):4-9.

[38]MORAN P A. A Test for the Serial Independence of Residuals[J]. Biometrika, 1950, 37(1-2):178-181.

[39]ANSELIN L. Local Indicators of Spatial Association-LISA[J]. Geographical analysis, 1995, 27(2): 93-115.

[40]ELHORST J P. Spatial Econometrics: From Cross-sectional Data to Spatial Panels[M]. New York: Springer, 2014.

[41]ELHORST J P. Applied Spatial Econometrics:Raising the Bar[J]. Spatial Economic Analysis, 2010, 5(1): 9-28.

A Spatial Econometric Analysis on the Relationship between Human Capital and Rural Residents′ Incomes

LIU Weia， ZHANG Ying-liangb， TIAN Hong-yua

(a.SchoolofEconomicsandManagement；b.ResearchCenterofRuralEconomicsandManagement,SouthwestUniversity,Chongqing400715,China)

Abstract：Based on 2009-2014 statistical data of 31 provinces, using statistical methods of Spatial Dubin Model with time-period specific effects (SDM), we analyzed the spillover effect of the relationship between human capital investment and rural residents′ income. The results show that the human capital and rural residents′ incomes have a strong spillover effects, the impact of human capital investment on rural residents′ income mainly from the spillover effect of human capital investment, spillover effects account for 96.26% of the total effect.

Key Words：human capital investment; rural residents′ income; spatial correlation; spatial heterogeneity

中圖分類號：F323.6

文獻(xiàn)標(biāo)識碼：A

文章編號：1672-0202(2016)03-0063-13

作者簡介:劉魏(1986—)，男，湖北利川人，西南大學(xué)經(jīng)濟(jì)管理學(xué)院博士研究生，主要研究方向為農(nóng)村經(jīng)濟(jì)組織與制度。E-mail：582916920@qq.com

基金項目:國家社科基金重大項目(15ZDA023)

收稿日期:2016-01-25

DOI:10.7671/j.issn.1672-0202.2016.03.008