金融发展、空间溢出与城乡收入差距
中图分类号：F810.7
文献标识码：ADOI：10.3963/j.issn.16716477.2017.01.0012
改革开放以来，中国经济取得了举世瞩目的成就，但在经济高速发展的同时，也伴随着居民收入差距与城乡收入差距不断扩大的现象。世界银行报告（2008年）指出：近年来，中国的基尼系数一直保持在0.47以上，不仅超过许多发达国家，也超过大多数发展中国家。城乡收入差距是我国居民收入差距不断扩大的主要原因[1]。有关统计数据显示：2015年中国城镇居民人均可支配收入为31 195元，而农村居民人均纯收入为10 772元，二者相差20 423元。居民收入差距的扭曲与城乡收入差距的持续扩大，不仅影响到经济的持续稳定增长，也严重影响到社会公平与稳定。与此同时，改革开放以来，我国金融规模不断扩大，已成为经济增长的重要引擎，其作为现代经济的核心，能否抑制收入差距，备受政策制订者关注。虽然目前已有大量研究城乡收入差距的文献，但基于金融发展视角且使用地级市空间面板数据的实证研究尚未见到。本文采用合适的空间计量模型，探讨了金融发展（金融规模和金融效率）与城乡收入差距之间的关系，为进一步深化金融体制改革和缩小城乡居民收入差距提供理论依据和政策建议。
一、文献综述
近年来，金融发展的收入分配效应越来越受到学术界关注。一些学者认为金融发展有利于收入分配改善，例如，Greenwood和Jovanovic[2]使用发展中国家的样本数据，探讨了金融发展如何直接通过麦金农管道效应和间接通过经济增长减少贫困的机制。他们认为：穷人受益于银行系统，有利于促进交易和增加储蓄，从而减少贫困与缓解收入不平等，但金融不稳定对穷人不利。Galor和Zeira[3]指出：金融市场尤其是信用市场的完善有助于改善收入分配，但最初的收入差距将不会缩小，除非有健全的金融市场。因此，金融发展提高了贫困人口的收入水平，有助于改善收入分配不平等，政策制定者如果能充分利用金融部门的政策工具可以实现改善收入不平等[4]。Burgess和Pande[5]认为缺乏金融融资渠道是穷人贫穷的关键原因，在农村地区增加开设银行分支机构有助于改善收入分配。Westley[6]使用拉丁美洲15个国家的家庭调查数据，研究了金融市场对收入分配的影响，?l现穷人可以通过微观的金融政策获得金融资源，进而减少了收入不平等。Clarke、Xu和Zou[7]使用1960-1995年83个发展中国家与发达国家的面板数据，探讨金融发展与基尼系数之间的关系，发现金融中介发展可以显著改善收入分配不均等，金融发展仅对富人有利的假设不成立。Beck和Levine[8]认为金融体系对于穷人具有非常重要的意义，金融发展可以增加低收入者收入，减少贫困人口，金融中介每增长1%，会使得收入差距降低大约0.05%。Rehman、Khan和Ahmed[9]研究了低收入、中低收入、高收入和较高收入国家的金融发展与收入分配之间的关系，发现金融发展降低了收入分配不均等，但金融发展的倒“U”形曲线不存在。Shahbaz、Loganathan和Tiwari[10]采用自回归分布滞后（ARDL）模型，研究伊朗居民收入差距的影响因素，发现金融发展、通货膨胀和经济全球化改善了收入不平等，但经济增长恶化收入不平等。
也有一些学者认为金融发展不利于收入分配改善，例如，Calderon和Serven[11]的研究表明金融发展恶化了收入分配，而教育投入有助于改善收入分配。Lopez[12]使用动态面板模型检验，他发现较好的教育和低水平的通货膨胀有助于改善收入分配，但金融发展、国际贸易利率上升及政府支出下降会致使收入分配恶化。Claessens[13]则认为穷人往往因为教育水平较低，导致正规的金融机构不太愿意提供贷款给他们。Canavire、Bacarreza和Rioja[14]认为拉丁美洲和加勒比地区的金融发展并没有改善穷人的收入水平。因为在金融发展初期，贫穷的企业家缺乏抵押品和信用记录，并受到诸如信息不对称、合同执行成本和交易成本金融市场不完善的影响。他们指出：在发展的早期阶段，金融贷款服务往往比较昂贵，因为需要筛选对象和降低风险，这也会对穷人产生不利；货币市场的特点是信息不对称、存在中介服务和交易成本，穷人没有抵押品且缺乏信用记录，导致他们没有条件获得合理的贷款利率。Ang[15]进一步指出由于社会各阶层的人力资源禀赋的差异，在金融发展初期，金融发展使得资金会更多地流向富人而非穷人，穷人缺乏平等获得金融服务的途径加剧了收入不平等。Wahid、Shahbaz和Shah[16]使用孟加拉国1985-2006年的数据，采用自回归分布滞后模型（ARDL）方法，发现金融发展、通货膨胀和贸易开放扩大了收入不平等，但经济增长有助于缓解收入差距。
毫无疑问，已有文献为本文的研究提供了很好的理论基础，但是这些研究大多假设经济变量间是相互独立的，只是简单采用时间序列或面板模型，缺乏对于空间外部性等问题的关注。我国幅员辽阔，地区间差异明显，金融发展与城乡收入差距可能存在着显著的空间依赖性与空间异质性。忽视金融发展对城乡居民收入差距的空间依赖性与溢出性，可能导致模型设定与结果出现偏误。与传统面板模型相比，空间面板模型考虑了经济活动中的空间相关性与空间异质性，可以更好把握经济个体之间的空间相关关系并体现个体差异，从而更好地还原经济变量的真实关系。另外，目前国内相关研究基本都是基于省级数据或截面数据，样本数只有31个省份。然而空间相关性检验和参数估计的假设前提之一是大样本假设，31个样本显然过小，检验效果和参数估计有效性可能难以令人信服。事实上，地级市之间的经济联系要比省际间的经济联系更为紧密，为此，本研究将空间单位缩小，使用286个地级市的空间面板数据，极大地增加了样本数量与样本信息，有助于提高结论的可靠性。 二、研究方法
根据经济活动的空间依赖性和回归模型中误差项的相依性特征，空间计量模型主要分为两种：空间滞后模型与空间误差模型。空间杜宾模型则同时考虑了空间滞后的自变量和因变量对因变量的共同影响，是前面两种模型的一般形式。
（一）空间滞后模型
空间滞后模型（SLM）也叫空间自回归模型，适用于研究各变量在某一地区是否存在扩散现象，即本地区被解释变量决定于其邻近区域的观测值及观察到的一组局域特征。当研究问题的焦点是对空间交互作用的存在和交互作用强度进行估计的时候，空间滞后模型是适合的。其模型可以表示为：
yit=ρ∑Nj=1Wityit+βxit+μi+λi+εit（1）
其中，yit为被解释变量，xit为解释变量，ρ为空间自相关系数；W为空间权重矩阵，β为解释变量系数，它反映了自变量对因变量的影响；空间滞后因变量Wy是一内生变量，反映了空间距离对区域行为的影响；εit是独立且同分布的随机误差项，μi和λi分别表示空间效应和时间效应。
（二）空间误差模型
空间误差模型（SEM）是误差项具有相关性的回归的特例，其中协方差矩阵的非对角线元素表示空间相关的结构，它适用于研究对象之间的相互作用因所处的相对位置不同而存在差异。空间误差模型的经济意义是：某一个截面个体发生的冲击会传递到相邻个体，而且这一传递形式具有很长的时间延续性并且是衰减的，它度量了邻近地区关于因变量的误差冲击对本区域观测值的影响程度。其模型可以表示为：
yit=βxit+μi+λi+εit，εit=ρ∑NJ=1Witεit+μit（2）
其中，ρ为空间误差回归系数，ε为随机误差向量，μ为正态分布的随机误差向量。
（三）空间杜宾模型
空间杜宾模型（SDM）是空间滞后模型与空间误差的一般形式，它同时考虑了空间滞后被解释变量和解释变量对被解释变量的共同影响，其基本形式为：
yit=ρ∑Nj=1Wityit+c+βxit+∑Nj=1Witxitθ+
μi+λi+εit（3）
如果对空间杜宾模型施加一定的假设条件，则可以将其简化为空间滞后模型或空间误差模型：如果满足假设条件（1） H1 0：θ=0，空间杜宾模型可以简化为空间滞后模型，如果满足假设条件（2） H2 0：θ+ρβ=0，空间杜宾模型可以简化为空间误差模型。
三、模型构建与变量来源
在Clarke、Xu和Zou[7]理论的基础上，并考虑到空间杜宾模型可确保模型不失一般性，本文建立以下空间杜宾模型：
gapit=α+ρ∑286j=1Witgapit+βitDit+
γit∑286j=1WitDit+μi+λi+εit（4）
其中，D表示影?城乡收入差距的其他控制变量，在参考已有文献的基础上，选择经济发展水平、对外开放度、城镇化、产业结构和教育水平5个变量。
本文以地级市面板数据作为研究对象，研究金融发展对城乡收入差距的空间溢出效应，其样本数据质量优于省级面板数据。鉴于数据获取的可得性与时效性，本文采用2003-2013年中国286个地级市面板数据建立空间计量模型，实证研究设计的变量如下：
（一）被解释变量
目前测算收入差距的指标主要有基尼系数、泰尔指数、变异系数等，鉴于数据的可获得性与完整性，本文采用城镇居民人均可支配收入与农村居民纯收入之比来代表城乡收入差距（gap）。
（二）核心解释变量
金融发展对收入差距的直接与间接影响主要有门槛效应、非均衡效应与减贫效应，前者对后者的影响取决于三大效应的共同作用[17]。本文借鉴董晓林和张晓艳[18]的思路，引入金融发展规模（fe）与金融发展效率（fs）两个指标来代表金融发展。其中，金融发展规模采用金融机构各项存贷款余额与当期名义GDP之比，金融发展效率采用金融机构各项贷款余额与存款余额之比。同时，为进一步研究金融发展对城乡居民收入差距的库兹涅茨倒“U”效应，本文分别加入了金融发展规模二次项（fs2）和金融发展效率二次项（fe2）。
（三）控制变量
镇化率（urb）采用各地区非农业人口占该地区总人口的比重来表示；经济发展水平（pgdp）采用人均GDP代表；对外开放度（open）选取按美元与人民币中间价折算的当年实际使用外资金额占GDP比重表示；产业结构（stru）用第二、三产业增加值占GDP 比重表示；考虑到数据可获性的限制，教育水平（hum）选取大学生在校生占总人口比例作为替代指标。
以上数据来自历年《中国统计年鉴》、《中国城市统计年鉴》、《中国区域经济统计年鉴》以及EPS数据平台，个别缺失数据主要从各地级市历年《国民经济和社会发展统计公报》进行填充。删除个别数据缺失严重的样本以及由于区划调整补撤销的地级市，最后进入模型有286个地级市。为提高数据的可比性及减小模型中随机误差项的异方差性，所有数据均取对数，各研究变量描述性统计见表1。
四、实证结果与分析
（一）相关空间检验结果
在进行空间面板模型回归前首先要进行空间统计检验，其最常用的检验方法是基于Moran统计系数I的检验方法，其原理及空间权重构建可参考邵燕斐和王小斌相关论述[19]，此处不再赘述。当存在空间依赖性，需要采用合适的空间计量模型，本文使用的主要软件有Stata、Matlab、Arcgis与R语言。表2列出了三种权重下2003-2013年中国286个地级市城乡收入差距Moran值，可以看出0-1权重矩阵的Moran值比较高，地理距离权重矩阵的Moran值较小但也很显著，经济距离权重矩阵的Moran值介于二者之间且显著。同时，2003-2013年中国城乡收入差距的Moran逐渐扩大，且都通过了1%的显著性水平检验，表明随着时间推移，中国城乡收入差距正相关的显著性逐渐加强。这说明我国各地级市的城乡收入差距之间存在显著的正向空间相关性，意味着在对我国城乡收入差距进行研究时，不能忽略地理因素与空间效应的影响，即要在计量模型中纳入被解释变量的空间影响因子。 为进一步揭示中国286个地级市城乡收入差距的空间结构，本使用0-1权重矩阵构造了Moran散点图（图1）。Moran散点图显示了大部分城市位于第一、三象限，而且随着时间增加，越来越多的城市分迁移到第一、三象限。可以看出，同一象限汇集的城市大多为地理上和经济上较为接近的城市，并呈现出东部低值集聚与西部高值集聚趋势。Moran指数散点图表明中国地级市城乡收入差距存在显著空间正相关性与集聚效应，城乡收入差距高的城市被城乡收入差距高的城市所包围，城乡收入差距低的城市被城乡收入差距低的城市所包围，可见，空间效应对中国城乡收入差距起着不可忽视的作用。
（二）模型选择
空间计量模型有固定效应和随机效应两种，究竟哪种模型更适合本研究，可以通过Hausman
图12003年（左）和2013年（右）中国286个地级市城乡收入差距的Moran散点值
检验。一般说来，当以样本自身效应为条件进行推论，即样本几乎是全部母体，固定效应模型是较优的选择，Hausman检验统计量（83.4761，p=0.0000）表明固定效??模型比较适合本研究。进一步，为判断空间面板模型是否比非空间面板模型更适合本研究，需要构建LM和稳健LM统计量进行检验。表3为非空间面板模型估计结果，可以看到在四种模型中，不论是LM还是稳健LM统计量大部分通过了1%的显著性水平检验，而且空间滞后模型的LM和稳健LM检验统计量都要大于空间误差模型，可见空间滞后模型更适
合本研究。最后，检验空间杜宾模型是否可以简化为空间滞后模型或空间误差模型。判断空间杜宾模型简化为空间滞后模型的原假设（1）H10：θ=0是否成立，结果显示Waldspatiallag和 LRspatiallag的统计量分别为46.2011和46.0546，其P值均在1%的显著性水平拒绝的原假设，判断空间滞后模型不合适本研究；判断空间杜宾模型简化为空间误差模型的原假设（2）H20：θ+ρβ=0是否成立，结果显示Waldspatialerror和LRspatialerror
的统计量分别为49.2309和49.2692，其P值均在1%的显著性水平拒绝的原假设，这说明空间误差模型同样不合适本研究。综上可知，固定效应下的杜宾模型最适合本研究。
（三）结果分析
结果显示，在四种模型中，空间参数ρ均大于0且通过5%的显著性水平检验，表明地级市之间的城乡收入差距存在显著空间依赖性和空间集聚特征，一个地区的城乡收入差距不仅受到该地区内各种因素的影响，同时也受到邻近地区的城乡收入差距的正向冲击。周围邻近地区城乡收入差距较大，那么该地区城乡收入差距也会较大，反之亦然。
对比非空间面板模型的估计结果（表3），空间杜宾模型的合优度R2和对数似然函数Log L均有所提高，模型离散度o2相对变小，说明空间杜宾模型提高了研究的有效性。对比四种固定效应的估计结果，发现时空固定效应的拟合优度R2、离散度σ2以及 Log L要优于其他固定效应模型，因此选择时空固定效应下的空间杜宾模型研究金融发展对城乡收入差距的影响机制。
结果显示，某一地区的城乡收入差距不仅受到本地区金融发展水平、经济发展水平、对外开放度、城镇化率、产业结构以及教育水平的影响，也受到邻近地区城乡收入差距、金融发展水平、经济发展水平、对外开放度、城镇化率、产业结构以及教育水平的影响。W*dep.var.的回归系数显著为正，说明中国的城乡收入差距存在空间依赖性，邻近地区的收入差距对于本地区的收入差距有正向影响，即邻近地区的城乡收入差距越大，本地区的城乡居民收入差距水平就越大，城乡居民收入差距具有较强的外溢效应。若忽略空间因素影响而直接进行回归，则会出现明显的假设误差。
fs的回归系数为0.089，通过1%的显著性检验，即金融发展规模扩大了城乡收入差距。其可能的原因是：长期以来，我国城乡金融资源分配不均，金融资源呈现出明显的城市化倾向和农村地区抑制特征，造成广大农村居民和乡镇企业融资困难。在金融发展初期，我国农村金融机构主要关注农户的还款能力与还款情况，但对农户是否将贷款用于项目经营以及项目的开展情况基本不知情。事实上，很多农民将贷款挪用于婚嫁、医疗和子女教育等大额生活支出，并未用于农业项目的开展，因此，农村金融机构未能起到有效发挥促进农民增收的作用。fe的回归系数为0.004，也通过1%的显著性检验，即金融发展效率扩大了城乡收入差距。其原因是农业的周期较长，效益较低，金融机构要追求利益最大化，因此农业对其吸引力不大。在追求金融效率初期，金融机构必然会缩小农村信贷规模，向农村输入的资金远远无法满足农村经济发展的需求，融资难和融资贵成为制约农民增收的重要因素。金融发展规模二次项fs2的回归系数为-0.015并且通过了1%的显著性检验，说明金融发展规模与城乡居民收入差距之间存在倒“U”型关系。其原因是随着金融规模的扩大，农村信贷约束将逐步减弱，广大农村居民有更多的机会和条件获得金融支持和享受金融服务。金融发展效率二次项fe2的回归系数为-0.004，并且通过了1%的显著性检验，说明金融发展效率与城乡居民收入差距之间也存在着倒“U”型关系，即部分地区金融效率提高有助于缓解城乡收入差距。
城镇化水平的回归系数为-0.020，并通过1%的显著性检验，表明其对城乡收入差距具有显著的抑制作用。因为城镇化的推进可以吸收大量的农村剩余劳动力，促使农村剩余劳动力向城镇转移，农民通过进城务工增加了非农收入；大量的农村劳动力流入城市，增加了城市的劳动力供给，使得城市劳动力的均衡工资下降，从而缩小了城镇与农村居民收入差异；城市先进的经营管理理念、技术会被引进到农村，优化了农村资源配置，提高了农业劳动的边际产出，因而有利于缩小城乡差距。W*urb的回归系数为负且通过10%的显著性检验，说明一个地区的城镇化水平会对邻近地区城乡收入差距产生积极的影响。 经济发展水平对本地区城乡收入差距的影响显著，但对邻近地区城乡收入差距的空间溢出效应不明显。相邻地区的经济发展水平和本地区城乡收入差距的回归系数为-0.003，但没有通过10%的显著性检验，其原因可能是中国高速的经济增长并不能让所有人都能受益，有的人受益多，有的人受益少，特别是贫困人口受益更少。同时，区域经济增长对城乡收入差距的作用没有形成良好的区域联动机制，本地区的经济增长对周边地区城乡收入差距缺乏有效辐射。
对外开放度扩大有助于缓解城乡收入差距，其原因是FDI流入会提升农村人力资本积累，有效缓解农村剩余劳动力的就业矛盾与压力。另外，改革开放以来我国农产品贸易结构发生了显著的变化，土地密集型产品的净出口大幅度下降，而高附加值的劳动密集型农产品的净出口逐渐上升，有效地增加了劳动密集型农产品生产者的收入，从而改善该类农村人口的贫困状况。W*open的回归系数为-0.003，但不显著，说明一个地区的对外开放度对周边地区城乡收入差距缺乏有效的辐射能力与带动作用。
产业结构对城乡收入差距具有显著的负面影响，即产业结??的合理化有利于缩小城乡收入差距。W*ind的回归系数为负且不显著，表明一个地区的产业结构优化对临近地区的城乡收入差距没有形成良好的辐射作用，对同边地区的城乡收入差距的抑制作用有限。
教育水平的回归系数为0.024，且通过1%的显著性检验，表明教育水平的提高反而扩大了城乡收入差距，这与我国教育资源二元化体系是一致的。我国教育资源配置中最突出的不合理现象。与近年来农村财政预算内教育经费占全国财政预算内教育经费的比例呈逐年下降趋势的现象相吻合。城市偏向的教育经费投入政策造成城市地区人力资本投资远大于农村，导致城乡教育质量差距悬殊，进而影响到居民人力资本投资回报，教育回报率更高的城镇居民会进行更多的人力资本投资，导致更高的城乡收入差距[20]。W*hum的回归系数为负数但不显著，其原因是随着市场经济体制的逐渐完善，促进了人力资本自由流动、知识与技能的溢出，带动周边农村地区经济发展，从而缩小了城乡收入差距。
五、结论与启示
本文使用中国2003-2013年286个地级市的面板数据，采用空间杜宾模型，实证研究了金融发展对城乡收入差距的空间溢出效应，其主要结论有：中国城乡收入差距不仅存在显著的空间集聚和溢出效应，而且呈现出东部低值集聚与西部高值集聚趋势；金融发展与城乡居民收入差距之间存在倒“U”型关系，从长期来看，金融发展有利于缓解城乡收入差距；城镇化、对外开放度、产业结构有助于缩小城乡收入差距，但经济发展水平和教育水平是中国城乡收入差距扩大的重要因素。基于上述研究结论，我们得到的启示主要有：
第一，改革开放30年来，中国经济取得巨大的成就，但城乡收入差距不断上升，其重要原因是广大农村居民未能共享经济发展所带来的收入提高。因此，要加快发展农村经济，千方百计增加农民收入，积极改善农村民生和推进城乡基本公共服务均等化。同时，在制定城乡收入差距的相关政策中，应充分考虑各地区间的空间依赖性，注重经济欠发达地区和经济发达地区在地理上的空间联系。
第二，近年来，国有大型银行在商业化改造过程中片面追求眼前利益，从县乡撤减机构收缩业务，不仅大量撤并农村网点，而且大量资金用于非农信贷，造成农村整体资金供应能力逐年下降。与此同时，在城乡二元化的金融体制下，金融机构扮演了抽血的角色，大量的农村资金流入城市，导致农村的存贷比越来越高，严重抑制了农民收入水平的提高。因此，政府要改变金融的城乡二元结构，引导金融资金向农村倾斜，应适当降低农民融资成本和融资门槛。同时，要创新农村金融体制，让更多低成本的资金合理合法地进入农村，缓解农村地区基础设施建设的融资瓶颈。
第三，积极推进县域经济和小城镇化建设，为缩小城乡收入差距提供保障。要统筹城乡产业发展，提升城市经济体对周边经济体的辐射力和影响力，引导城镇资金、技术、人才、管理等生产要素向农村合理流动。要统筹城乡社会保障和城乡公共服务，协调好城镇密集地区城乡空间发展布局，确保城镇基础设施向农村延伸，切实发挥城市公共基础设施效用的最大化。加大制度创新和政策支持力度，加快户籍制度改革步伐，消除农民进城的身份障碍和利益障碍。要大力发展乡镇企业，促进农村剩余劳动力的转移，提高县域城镇对农村劳动力的吸引力与吸纳能力，进一步发挥城镇化在缩小城乡收入差距中的作用。
第四，积极推进城乡人力资本投资均等化。为此，政府要加大农村教育投资力度，改善教育资源配置状况，不断提高农村财政预算内教育经费占全国财政预算内教育经费的比例，使城乡教育资源的配置走向均衡；改善广大农村地区的学校设施，提高农村教师的水平，留住和吸引高素质人才，保证农村学生能受到较好的教育。
注释：
①由Stata12.0制图得到，因篇幅有限，本文没有列出其它年份Moran散点图。
②因篇幅有限，本文没有列出基于0-1权重矩阵与地理距离空间权重的检验结果。
③空间相关性检验及三种形式空间面板模型选择过程为：首先，利用非空间面板模型构建LM和稳健LM统计量，进行空间自相关性检验。若空间自相关性存在，支持空间滞后模型和空间误差模型二者之一成立，或二者均成立，那么应进一步通过构建Wald统计量和LR统计量检验空间杜宾模型是否能简化为空间滞后模型或空间误差模型。
