肖 營

（廣州商學院 廣州 511363）

引言

美國經濟學家Geoffrey在2004年論證了在高收入國家技術前沿優(yōu)勢與低收入國家勞動力成本優(yōu)勢的夾縫間， 中等收入國家比較優(yōu)勢缺失會給其帶來高失業(yè)與經濟增長緩慢的影響。Gill和Kharas在2007年的《東亞復興：關于經濟增長的觀點》報告中正式提出“中等收入陷阱”概念（周建鋒，2019）。此后中等收入陷阱受到了多個國家（地區(qū)）的重視，特別是我國進入經濟新常態(tài)后，經濟增長速度下滑，居民收入水平增長速度也下降，因此很多學者認為我國進入了中等收入陷阱（張云亮等，2019）。2013年我國國家統(tǒng)計局提出，我國勞動年齡人口出現下降，勞動年齡人口已經遠遠低于2012年，但人口紅利減弱是否加快了我國進入中等收入陷阱的速度仍需要進一步的驗證。而伴隨著勞動力密集型產業(yè)向技術密集型產業(yè)的轉變，我國政府擴大了在技術研發(fā)方面的投資力度，以促進我國技術水平提升（王燕等，2019）。在此背景下，本文探究人口紅利、技術進步與中等收入陷阱之間的關聯性，就具有一定的必要性和重要性了。本文基于我國28個省市區(qū)面板數據，構建空間滯后模型（SAR）、空間誤差模型（SEM），探究人口紅利、技術進步與中等收入陷阱之間的關聯性。

文獻綜述

已有關于人口紅利、技術進步與中等收入陷阱的研究文獻并不多見。王暉等（2017）從技術進步、產業(yè)結構升級、人口紅利的角度探究如何跨越中等收入陷阱，他認為人是財富積累的最終動力和源泉，所以人口規(guī)模的擴大，帶動人口紅利增加能夠幫助我國跨越中等收入陷阱，此外他認為技術進步、產業(yè)結構升級對提升地區(qū)居民收入水平具有顯著的作用，因而也能夠在一定程度上縮小地區(qū)間收入差距，從而幫助我國跨越中等收入陷阱。郭丹丹（2017）基于我國1997-2016年的時間序列數據，選擇技術創(chuàng)新、人口規(guī)模、居民收入水平構建了VAR模型探究技術進步、人口紅利對中等收入陷阱的影響，結果表明技術進步、人口紅利擴大能夠降低我國落于中等收入陷阱的風險。李紅（2018）利用我國2000-2017年的時間序列數據，對人口紅利與中等收入陷阱的關聯性進行理論與實證分析，認為我國開放二胎政策能夠促進人口紅利規(guī)模擴大，進而幫助我國走出中等收入陷阱。王燕等（2019）從人口紅利和技術進步視角探究我國是否存在中等收入陷阱以及二者對中等收入陷阱的影響，結果表明人口紅利能夠抑制中等收入陷阱的出現，而技術進步對中等收入陷阱并沒有顯著的影響。

已有研究多采用時間序列數據探究人口紅利、技術進步對中等收入陷阱的影響，忽略了地區(qū)間的差異并且沒有考慮到居民收入的空間關聯性?；诖耍疚臉嫿臻g面板數據模型探究三者之間的關聯性。

表1 全局莫蘭指數測算結果

關聯性實證分析

（一）變量選取與數據來源

本文的研究主題是人口紅利、技術進步與中等收入陷阱之間的關聯性。中等收入陷阱是指一個國家（地區(qū)）發(fā)展到中等收入階段（人均國內生產總值3000美元左右）后，可能出現兩種結果：持續(xù)發(fā)展，逐漸成為發(fā)達國家；出現貧富懸殊、環(huán)境惡化甚至社會動蕩等問題，導致經濟發(fā)展徘徊不前，后一種結果稱走入了中等收入陷阱?；嵯禂凳菄H上最常用的衡量國家（地區(qū)）收入差距的變量，基尼系數最大為“1”，最小等于“0”，基尼系數越接近0表明收入分配越是趨向平均。國際慣例把0.2以下視為收入絕對平均，0.2-0.3視為收入比較平均；0.3-0.4視為收入相對合理；0.4-0.5視為收入差距較大，當基尼系數達到0.5以上時，則表示收入懸殊（晏月平等，2018）。基于此，本文使用基尼系數作為被解釋變量，1997-2017年我國28個省市（西藏、內蒙古、青海、香港、澳門、臺灣等地除外）的基尼系數使用jn表示。人口紅利表示人口規(guī)模擴大到一定程度，能夠帶動地區(qū)消費、產業(yè)結構發(fā)展，進而促進地區(qū)經濟發(fā)展水平提升（鄭緒濤，2017），因此本文使用地區(qū)常住人口數量表示，用peo表示，為避免可能存在的異方差性，本文進行了取對數處理，結果用lnpeo表示。技術進步表示地區(qū)科技研發(fā)水平，本文使用地區(qū)研發(fā)投入（R&D經費投資）占地區(qū)生產總值的比重表示，用rd表示。此外，考慮到基尼系數可能會受到地區(qū)產業(yè)結構、商貿流通產業(yè)發(fā)展水平、城鎮(zhèn)化水平以及教育水平（本科以上入學率）影響，分別使用cy、lnsm、cz、jy表示。以上數據均來源于國家統(tǒng)計局、wind數據庫。

（二）空間權重矩陣的構建

1.鄰接空間權重矩陣。該矩陣的構造原理在于區(qū)域i與區(qū)域j之間是否有公共邊界或頂點，若存在公共邊界或頂點則取值為1，無邊界或頂點取值為0（李豫新等，2017）?？臻g權重矩陣如下所示：

考慮到本文研究環(huán)境質量的實際情況，本文在鄰接空間權重矩陣中將海南省設為與廣東省相鄰。

2.經濟距離權重矩陣。本文以1997-2017年我國28個省市（西藏、內蒙古、青海、香港、澳門、臺灣等地除外）的GDP總額，以1997年為基期進行了平減，隨后構建經濟距離矩陣（王輝，2017）。構建方法如下所示：

其中，rji為基于球面距離的地理距離矩陣，GDP為1997-2017年28個省市折算成現值后的平均值。

（三）空間自相關性檢驗

空間計量模型不同于普通面板數據模型，它要求數據呈現出一定的空間特征，因此在進行空間計量分析之前必須對數據的空間集聚性進行測度，也就是說要進行空間自相關性檢驗（張鑫，2015）。當前主要的空間自相關性檢驗方法是莫蘭指數，其原理如方程（3）所示：

為了對28個省市居民收入水平的空間集聚特征進行檢驗，本文分別使用地理鄰接權重矩陣和經濟距離權重矩陣進行全局莫蘭指數測算，結果如表1所示。

如表1所示，1997-2017年的地理鄰接權重矩陣的全局莫蘭指數的P值均低于0.1，說明28個省市的基尼系數水平呈現出顯著的空間集聚特征；而經濟距離權重矩陣的全局莫蘭指數的P值也均低于0.1，再次說明了28個省市的基尼系數水平呈現出顯著的空間集聚特征?？紤]到地區(qū)基尼系數水平受到經濟發(fā)展水平的影響，因此本文以經濟距離權重矩陣為主，地理鄰接權重矩陣僅為對比。1997年全局莫蘭指數為0.545，1998-2010年全局莫蘭指數呈現波動上升趨勢，2011-2017全局莫蘭指數呈現穩(wěn)步上升趨勢，說明1997年以來我國28個地區(qū)基尼系數水平的空間集聚特征呈現明顯的增強趨勢。

全局莫蘭指數僅能夠說明變量存在空間自相關性，并不能明顯表示出具體地區(qū)的空間集聚特征，因此本文以經濟距離矩陣為基礎測算了我國28個省市的局域莫蘭指數并制作成局域莫蘭LISA圖（圖略，可向作者索取）。

局域莫蘭指數分為四種特征：其一是位于第一象限，表示高觀測值地區(qū)被高觀測值地區(qū)所包圍；其二位于第二象限，表示低觀測值地區(qū)被高觀測值地區(qū)所包圍；其三是位于第三象限，表示低觀測值地區(qū)被低觀測值地區(qū)所包圍；其四是位于第四象限，表示高觀測值地區(qū)被低觀測值地區(qū)所包圍。本文所制作的1997、2012、2017年局域莫蘭LISA圖中High-High表示高觀測值地區(qū)被高觀測值地區(qū)所包圍，而High-High（significant）表示其中顯著的地區(qū)；Low-High表示低觀測值地區(qū)被高觀測值地區(qū)所包圍，而Low-High（significant）表示其中顯著的地區(qū)；Low-Low表示低觀測值地區(qū)被低觀測值地區(qū)所包圍，Low-Low（significant）表示其中顯著的地區(qū)；High-Low表示高觀測值地區(qū)被低觀測值地區(qū)所包圍，High-Low（significant）表示其中顯著的地區(qū)。

我國的28個省市中High-High地區(qū)多位于東部地區(qū)，其中北京、天津、浙江、江蘇、廣東等地區(qū)為局域莫蘭指數顯著的地區(qū)；Low-High型地區(qū)主要為黑龍江、河北、遼寧等地區(qū)，其中河北、遼寧等地區(qū)為顯著的地區(qū)；Low-Low型地區(qū)主要為山西、河南、河北、云南等中部省市，其中山西、河南等地區(qū)為顯著地區(qū)；High-Low型地區(qū)主為四川、重慶、貴州，其中四川、貴州等地為顯著型地區(qū)。

表2 空間計量模型回歸結果

（四）空間計量模型回歸結果

空間自相關檢驗結果表明，我國28個省市的基尼系數水平呈現出明顯的空間自相關性，因此本文使用空間滯后模型（SAR）、空間誤差模型（SEM）進行回歸分析，結果如表2所示。

如表2所示，本文分別進行了OLS回歸、SAR模型的固定和隨機效應回歸、SEM模型的固定和隨機效應回歸，由于被解釋變量（jn）存在空間自相關性，所以OLS回歸存在偏差，因此結果以SAR模型和SEM模型為主。SAR模型的固定效應和隨機效應的R2分別為0.558和0.454，并且Log-likelihood值分別為-171.331和-165.708，說明固定效應結果優(yōu)于隨機效應，因此結果以固定效應為主，同理可知SEM模型的結果以固定效應為主；隨后對比SAR模型和SEM模型的R2和Log-likelihood值可知，SEM模型的結果優(yōu)于SAR模型，因此本文的回歸結果以SEM模型的固定效應結果為主，其它回歸結果僅為對比作用。

lnpeo的回歸系數為-0.554且在1%的水平上顯著，說明人口規(guī)模與基尼系數之間為顯著的負相關關系，由此說明人口紅利的擴大能夠降低基尼系數，通過人口紅利的延續(xù)可以幫助國家（地區(qū)）走出中等收入陷阱。rd的回歸系數為-0.763且在5%的顯著性水平上顯著，說明技術進步與基尼系數之間為顯著的負相關關系，技術進步能夠縮小地區(qū)之間收入差距，進而促進我國各地區(qū)走出中等收入陷阱。產業(yè)結構（cy）與基尼系數之間的回歸系數為-0.503且在1%的水平上顯著，說明產業(yè)結構升級能夠降低基尼系數水平；商貿流通產業(yè)發(fā)展水平（lnsm）與基尼系數的回歸系數為-0.625但不顯著，說明商貿流通產業(yè)發(fā)展水平對基尼系數沒有顯著的影響；城鎮(zhèn)化水平（cz）與基尼系數之間的回歸系數為0.090且在10%的水平上顯著，說明城鎮(zhèn)化水平促進了基尼系數擴大；教育水平（jy）與基尼系數之間的相關系數為-0.008，說明教育水平提升能夠降低基尼系數。

結論與政策建議

（一）結論

基于上述實證分析，本文得出以下結論：1997年以來，我國28個省市基尼系數水平的空間集聚特征呈現明顯的增強趨勢。其中，High-High地區(qū)多位于東部地區(qū)，其中北京、天津、浙江、江蘇、廣東等地區(qū)為局域莫蘭指數顯著的地區(qū)；Low-High型地區(qū)主要為黑龍江、河北、遼寧等地區(qū)，其中河北、遼寧等地區(qū)為顯著的地區(qū)；Low-Low型地區(qū)主要為山西、河南、河北、云南等中部省市，其中山西、河南等地區(qū)為顯著地區(qū)；High-Low型地區(qū)主為四川、重慶、貴州，其中四川、貴州等地為顯著型地區(qū)；人口規(guī)模與基尼系數之間為顯著的負相關關系，由此說明人口紅利的擴大能夠降低基尼系數，通過人口紅利的延續(xù)可以幫助國家（地區(qū)）走出中等收入陷阱；技術進步與基尼系數之間為顯著的負相關關系，技術進步能夠縮小地區(qū)之間收入差距，進而促進我國各地區(qū)走出中等收入陷阱；產業(yè)結構升級能夠降低基尼系數水平、商貿流通產業(yè)發(fā)展水平對基尼系數沒有顯著的影響，城鎮(zhèn)化水平促進了基尼系數擴大、教育水平提升能夠降低基尼系數。

（二）建議

由此，本文提出以下幾點政策建議：第一，促進人口增長，維持人口紅利。本文實證分析表明人口紅利規(guī)模擴大能夠在一定程度上降低基尼系數水平，為此我國政府應該實行二胎政策，促進地區(qū)人口增長，維持地區(qū)人口紅利水平。第二，擴大投資，促進地區(qū)科研水平提升。本文實證分析表明技術進步能夠顯著地降低基尼系數水平，因此我國各地區(qū)政府應該擴大財政收入在科研上的投入力度，進而降低基尼系數水平（張德榮，2013）。第三，調控城鎮(zhèn)化進程，避免過度城鎮(zhèn)化。本文實證分析表明我國城鎮(zhèn)化水平在一定程度上加劇了基尼系數水平上升，為此我國各地區(qū)政府應該調控城鎮(zhèn)化進程，避免過度城鎮(zhèn)化的出現，依靠城鎮(zhèn)化水平提升促進地區(qū)經濟發(fā)展，提升居民收入。