重慶市農民收入與工業化的區域差異及閾值效應研究

陳海燕

(重慶工商大學經濟學院，重慶 400067)

一、引言

改革開放30多年來，重慶市農民人均純收入由1978年的126元增加到了2012年的7 383元，增長了58倍多，但與全國以及其他直轄市農民收入水平相比，重慶市農民收入仍然偏低，同年全國農民人均純收入為7 917元，北京、上海、天津農民人均純收入分別為16 476元、17 605元和13 537元。①根據《中國統計年鑒(2013)》、《重慶統計年鑒(2013)》中數據整理計算而得。重慶市是一個大城市與大農村的結合體，農村地域廣闊，人口眾多，為在西部率先全面建成農民小康社會，實現經濟增長與農村民生改善的良性循環，加強農村基礎設施和生態文明建設，農民增收問題尤顯關鍵。農民收入增長的滯后，不僅直接制約著農民生活的改善和農業農村經濟的發展，更制約著地區經濟結構的調整乃至經濟發展方式的轉變，且農民收入在很大程度上決定著我國居民的總體購買力和國內市場的總規模［1］。正如鄭新立［2］指出沒有農民收入水平的提高，擴大消費拉動經濟增長的目標就難以實現。此外，農民收入增長緩慢不僅導致城鄉收入差距擴大，還可能引發種種矛盾，危及社會穩定［3］。增加農民收入、縮小城鄉差距，是實現農業和農村經濟現代化的根本出路［4］。

如何增加農民收入?許多研究給出了不同的觀點，比如推進農戶耕地規模經營、加大生產性政策補貼、完善農業合作經濟組織、改善基礎設施和公共服務、加快農業剩余勞動力轉移等［5-6］。農業剩余勞動力的順利轉移關系到農民收入水平的提高和消費需求的擴大，當前我國推進工業化的重要任務之一就是推動農業剩余勞動力向非農產業轉移［6］。推進工業化以轉移農業剩余勞動力，進而提高農民收入水平，成為學界關注的熱點問題之一。推進工業化亦是重慶市經濟發展的第一驅動力，是改善民生、增加農民收入的重要途徑。②重慶市人民政府《關于推進新型工業化的若干意見》2012年8月。本文在分析重慶市工業化與農民收入現狀基礎上，綜合運用計量經濟學方法來研究其關系，對于更準確地把握重慶市不同時期不同區域工業化對農民收入的影響作用具有重要意義。

二、文獻綜述

關于農民增收，諸多學者從影響因素、對策等方面進行了研究。制約因素方面，張建國認為農民自身綜合素質低下是制約農民收入增長的關鍵因素［7］;陳志福認為干旱、洪澇等自然災害導致農民增收風險［8］;李谷成等認為教育和健康投資不足確實是制約農民收入增長的重要因素［9］。增收政策方面，王德文等認為人文經濟增長和收入分配是影響農民收入的重要因素［10］;鐘鈺等綜合了美、日、德、韓促進農民增收的國際經驗，認為加快農業剩余勞動力轉移等能有效提高農民收入［5］;胡文國等、王朝才和胡振虎認為城鄉戶籍制度改革、農業結構、職業教育培訓等能促進農民增收［11-12］。還有研究農村金融發展、農村外商直接投資、農業科技進步等對農民收入的影響［13-14］，這里不再一一列出。

在諸多研究中，以城鎮化和工業化促農民增收為研究熱點。許經勇認為要使農民收入得到持續增長，就必須著力解決中國非農業化和城市化嚴重滯后以及城鄉人口比例嚴重失調的問題，以工業化、城市化推動農業剩余勞動力的轉移［15］。林毅夫指出勞動力轉移是農民收入持續增長的關鍵，其最根本的辦法就是減少農業人口［16］。翁貞林和張愛萍、李軍波、張新前和胡日東、李美洲和韓兆洲、李夢覺等運用計量經濟模型研究了工業化與農民收入的關系，表明推進工業化進程是促進農民收入增長的重要途徑［17-21］。已有研究均表明，城鎮化和工業化已成為促進農民增收的關鍵影響因素。③作者已對重慶城鎮化對農村居民收入的影響進行了研究，參見文獻《重慶城鎮化發展與農民收入關系的實證分析》，理論與現代化，2013.故本文僅研究工業化對農民收入的影響。此外，潘文軒通過實證研究發現工業化對農民人均收入水平的提高具有正效應，但卻會擴大城鄉居民收入差距［22］。

綜上所述，工業化通過轉移農村剩余勞動力、增加就業崗位、促進農業農村發展等增加農民收入、提高農民人均收入水平，但是亦可能帶來負面影響，比如擴大城鄉收入差距，乃至區域收入差距等［23］。目前已有研究較為籠統，一味地認為工業化發展能提高農民收入水平，忽略了不同工業發展階段對農民收入的閾值效應，且基本從全國層面或者全省市層面進行探討，鮮有對不同工業發展水平、不同區域發展等方面進行研究。鑒于此，本文嘗試從不同區域不同工業發展閾值效應出發，突出區域差異和特殊發展階段，更為精確地來分析重慶市工業化與農民收入之間的因果關系。

三、農民收入和工業化的時空差異分析

(一)數據說明

本文主要研究重慶市區縣之間農民收入與工業化程度的差異，考慮到數據的可獲取性和統計指標的一致性，數據樣本區間為2002—2013年，來源于《重慶市統計年鑒(2003—2013)》。農民人均純收入是按人口平均的純收入水平，反映的是一個地區或一個農村居民的平均收入水平。以地區工業化率衡量地區工業化發展程度，文中用工業增加值占GDP的比重來計算。下文中增長率的計算方式為:(當年數值-上一年數值)/上一年數值。工業化率越高，說明工業化程度越高，能解決更多的農村剩余勞動力，提供更多的增收途徑，進而促進農民收入增長。目前，重慶市一共有38個區縣，①在2011年10月，重慶市撤萬盛區綦江縣設綦江區，撤雙橋區大足縣設大足區，所以目前的統計數據中重慶市行政區域劃分為38個。但是，2010年及之前的統計數據為40個區縣，故將萬盛區和雙橋區的數據合并到綦江區和大足區中，以保證數據信息的前后一致性。劃分為三大區域:一小時經濟圈、渝東北翼和渝東南翼。②一小時經濟圈所含區縣(21個)有:渝中區、大渡口區、江北區、沙坪壩區、九龍坡區、南岸區、北碚區、渝北區、巴南區、涪陵區、長壽區、江津區、合川區、永川區、南川區、綦江區、潼南縣、銅梁縣、大足區、榮昌縣、璧山縣;渝東北翼地區所含區縣(11個)有:萬州區、梁平縣、城口縣、豐都縣、墊江縣、忠縣、開縣、云陽縣、奉節縣、巫山縣、巫溪縣;渝東南翼地區所含區縣(6個)有:黔江區、武隆縣、石柱縣、秀山縣、酉陽縣、彭水縣。在一小時經濟圈內，作為重慶市主城區的渝中區、大渡口區、江北區、沙坪壩區、九龍坡區和南岸區內農民人數較少，故不納入本文研究范圍，因此面板數據截面個體一共有32個，其中有15個區縣屬于一小時經濟圈，11個區縣屬于渝東北翼地區，6個區縣屬于渝東南翼地區。

為了說明農民收入和工業化發展在時間和空間上的發展變化，下面將選取“十一五”和“十二五”的頭一年即2006年和2011年作為研究觀察節點。

(二)農民收入的時空差異

考慮到每年物價水平變動幅度不一致，采用1997年為基期(1997=100)消除物價因素影響的農民人均純收入得到農民實際收入。在2002—2005年，重慶市居民消費價格指數一直低于1997年的價格指數，所以農民實際收入會大于名義收入。③由于農民實際收入與純收入的增長趨勢具有趨同性，物價波動因素并不在本文考慮范圍之類，所以在研究與工業化關系時只考慮純收入并不影響最后結論。從圖1可以看出，重慶市農民純收入是逐年遞增的，特別是“十一五”期間，重慶市農民收入得到了大幅度的提升。

圖2給出了2011年和2006年重慶市32個區縣農民純收入折線圖。從圖中可以看出，一小時經濟圈內區縣的農民收入均高于重慶市平均水平;2011年渝東北翼地區有4個區縣(萬州區、梁平縣、墊江縣和忠縣)農民收入高于重慶市平均水平，2006年渝東北翼地區只有梁平縣和墊江縣農民收入高于重慶市平均水平;渝東南翼地區則全部低于重慶市平均水平，其中石柱縣農民收入增收幅度最大。一小時經濟圈15個區縣的農民平均收入2011年為8 150元，2006年為3 491元;渝東北翼地區農民平均收入2011年為5 848元(其中萬州區、梁平縣、墊江縣和忠縣四個區縣農民平均收入為6 821元)，2006年為2 492元;渝東南翼地區農民平均收入2011年為5 348元，2006年為2 271元。說明重慶市區縣間農民收入差距較大，且呈現出連片集聚現象。

圖1 重慶市總體農民收入水平和工業化率

從增長速度上看，2002—2011年32個區縣農民純收入的平均增長速度為14.6%，渝東北翼地區和渝東南翼地區農民純收入的平均增長速度分別為15.1%、15%，兩翼地區相差比較小。其中，農民收入增長最快的區縣分別為石柱縣、忠縣、萬州區，增長速度分別達到17.7%、15.9%、15.7%，增長最慢的區縣為綦江區、大足區、城口縣和長壽區，增長速度在13.6%以下。從年份上來看，2003年和2006年重慶市32個區縣農民純收入增長速度很慢，均在10%以下，其余年份增長速度都在10%以上，最快的農民收入增長年份為2011年，平均增長速度達到了24%。

(三)工業化發展的時空差異

自1997年直轄以來，重慶市工業經濟快速發展，成為財政收入的重要來源，經濟發展的第一驅動力。①參見《重慶市人民政府關于推進新型工業化的若干意見》，重慶日報，2012年8月22日。目前重慶正處于工業化中期，未來發展仍將以工業為主導，通過新型工業化帶動城鄉、區域協調發展。2002年重慶市工業增加值為787.94億元，2006年為1 566.83億元，2011年為4 690.46億元。在2002—2011年工業增加值以年均21.2%的速度遞增，其中，2008年增長速度達到30.1%，增長最慢的年份是2009年，只有11.9%。2011年，一小時經濟圈內15個區縣的平均工業增加值為1 591 133.7億元，渝東北翼地區平均工業增加值為590 514億元，渝東南翼地區平均工業增加值為316 393億元。2002—2011年，一小時經濟圈內15個區縣的工業增加值平均增長率為27%，而渝東北翼和渝東南翼地區工業增加值平均增長率分別為31%和29%。這說明，盡管重慶市工業增加值增長速度較快，但由于兩翼地區工業基礎薄弱，工業增長規模有限。

從圖1可以看出，2002—2012年重慶市工業化率增長比較穩定，在“十一五”期間的增長速度明顯加快。圖3是重慶市32個區縣工業化率在2006年和2011年的折線圖。總體來看，一小時經濟圈內區縣的工業化水平普遍高于兩翼地區，渝東北翼地區的工業化水平是越往東邊越低，而渝東南翼地區區內工業化水平極差較大。2011年渝東南翼地區工業化平均水平為33.39%，渝東北翼地區工業化平均水平為32.61%。相對于2006年，2011年除了武隆縣和奉節縣的工業化率有下降，其余區縣工業化率都有提高，其中萬州區的工業化率變動幅度最大，達到20.63%。2006年未達到重慶市工業化率平均水平的江津區、榮昌縣、萬州區、黔江區在2011年的工業化率都超過了重慶市總體工業化率。而2006年達到重慶市工業化率平均水平的南川區、梁平縣、墊江縣在2011年卻低于重慶市總體工業化率。這說明不同區域工業化發展程度差異巨大。

圖2 2011和2006年重慶市32個區縣農村居民純收入(元)

圖3 2011和2006年重慶市32個區縣工業化率(%)

四、農民收入與工業化因果關系分析

從農民收入與工業化的時空差異分析中，了解到重慶市農民收入和工業化發展的趨勢以及區域差異等情況，但無法真正了解到工業化與農民收入之間的因果關系。下面將應用非線性計量經濟方法研究變量之間的因果關系。

(一)圖示法研究農民收入與工業化的關系

圖4給出了2002—2012年重慶市農民純收入、GDP和工業增加值的增長率折線圖，工業增加值增長率明顯大于GDP和農民純收入的增長率，農民收入與工業增加值增長率之間呈現出共同的波動趨勢。

圖4 重慶市2002—2012年農民純收入、GDP與工業增加值的增長率(%)

圖5直觀地給出了2002—2012年重慶市農民純收入增長率與工業增加值增長率之間的散點圖，并根據圖形給出了基于3次多項式回歸的趨勢曲線。①運用多項式()對X-Y軸上的散點進行擬合，根據擬合誤差最小確定多項式的次數，并將最接近樣本點的擬合曲線即趨勢線標出來。由此可以看出，隨著工業增加值增長幅度的變大，農民收入增長幅度呈現出“勺子”型趨勢，即是說，農民收入增長幅度不會因工業增加值的快速增長而持續快速增長，而是呈現出具有閾值的結構變化過程。

圖6直觀地給出了2002—2012年重慶市農民純收入與工業化率之間的散點圖，也根據圖形給出了基于2次多項式回歸的趨勢曲線。發現在工業化發展過程中，對農民收入的影響并不是一成不變的，而是不同閾值下具有不同的影響彈性。

(二)面板數據檢驗

圖示法直觀地給出了重慶市農民收入與工業化發展之間的關系，對于本文考慮的32個區縣，下面將采用面板數據模型進行研究。

圖5 重慶市2002—2012年農民收入增長率與工業增加值增長率之間的散點圖

圖6 重慶市2002—2012年農民純收入與工業化率之間的散點圖

研究變量之間的因果關系一般有兩種情況:對于平穩序列可以直接構建回歸模型，在對模型進行修正和檢驗的情況下，做出合理的估計;但是對于非平穩序列，不僅需要通過單位根檢驗確定序列的單整階數，還需要進行協整檢驗以明確序列之間的均衡關系，如果存在協整關系，就需要構建誤差修正模型，如果不存在協整關系，就要考慮序列之間是否存在非線性的因果關系，進而建立非線性模型。②目前為止，比較成熟的協整檢驗都傾向于線性協整關系的檢驗。無論是平穩還是非平穩序列，均可以通過格蘭杰因果關系檢驗確定其因果關系，只是構建的輔助回歸方程不同，對于平穩序列一般構造的是VAR形式的輔助回歸式，對于非平穩序列一般構造的是ECM形式的輔助回歸式。

1.面板單位根檢驗

面板數據常用的截面獨立單位根檢驗方法有LLC 檢 驗［24］、IPS 檢 驗［25］、Fisher-ADF 檢 驗［26］、Fisher-PP檢驗［27］等。考慮到截面相關的面板單位根檢驗實現比較困難，而區縣在推進工業化進程中存在資源和信息的不對稱，大都缺乏商業合作和機會共享，故假設截面個體之間是相互獨立的，這并不會造成檢驗結果功效降低。又由于截面之間不存在同質根，即不同截面之間的回歸系數不同，因此采用適合異質面板單位根的IPS檢驗和PP-ADF檢驗。①Fisher-PP檢驗是基于概率P值構造的檢驗統計量，更適合于非均衡面板數據。構建輔助的檢驗方程，并根據參數t檢驗的結果判斷單位根檢驗方程的具體形式。滯后階數根據AIC準則自動選擇。檢驗結果見表1。

由表1可知，重慶市32個區縣的農民收入面板數據在10%顯著性水平下為一階單整過程。工業化率面板數據的IPS檢驗雖然沒有通過10%顯著性水平的檢驗，但通過了PP-ADF檢驗，可以認為序列為一階單整的。

2.面板協整檢驗

采用基于殘差的 Kao檢驗［28］和 Pedroni檢驗［29］對都是I(1)過程的農民收入和工業化率進行面板協整檢驗［30］。Kao檢驗統計量取值為-0.817，概率P值為0.21。Pedroni檢驗組內檢驗統計量的概率P值均為0.99，組間統計量值為0.97。在原假設為無協整關系的情況下，兩種檢驗結果都認為二者之間不存在線性協整關系，這說明重慶32個區縣的農民收入和工業化率之間不存在長期的線性均衡關系，說明農民收入不會隨著工業化率的持續增大而持久增加。

3.面板Granger非因果關系檢驗

考慮到工業化發展對農民收入影響的滯后性，應用面板Granger非因果關系檢驗二者之間的滯后影響作用［30］。由于變量均為非平穩序列，所以輔助回歸式為基于ECM的回歸形式，結果見表2。結果表示，在5%的顯著性水平下，工業化率是農民收入的Granger因果關系，非常明顯的因果關系滯后期為3。在短期內，農民收入則不是工業化率的Granger因果關系，但是卻具有長期的滯后影響作用。這說明工業化率的提高對農民增收具有短期快速的推動作用，但維持時間一般只有3～4年，而農民收入的提高對工業化率的影響非常滯后。

表2 Granger非因果關系檢驗

4.閾值回歸模型

由前面的分析可知，重慶市整體數據顯示農民收入與工業化之間是存在閾值效應關系，而分區縣的面板數據顯示二者之間存在單向Granger因果關系，不存在線性協整關系。下面將通過重慶市工業化發展程度和區域結構的劃分分析二者之間的閾值效應。

(1)工業化發展閾值效應

采用分位數回歸研究重慶工業化不同發展程度對農民收入的影響。分位數回歸是根據被解釋變量的條件分位數對解釋變量進行回歸，可以得到所有分位數下的回歸模型。相比于常用的最小二乘回歸方法，分位數回歸能更精確地描述解釋變量對被解釋變量的變化范圍以及條件分布形狀的影響，還能刻畫分布的尾部特征［31］。圖7②鑒于分位數回歸的目的是研究農民收入與工業化率之間關系的發展變化，而非具體數值關系，具體回歸模型及系數估計可以向作者索取。給出了10個不同分位點下的擬合曲線圖，橫軸為工業化率的不同分位點，縱軸為農民收入，單位為千元。由此可以看出，隨著工業化程度的提高，對農民收入的影響效應呈現出先增長后下降的趨勢。在第4到6分位點即工業化率為30%～46%時，農民收入快速增長;第6分位點為轉折點，即工業化程度達到46%以后，其對農民收入的影響效應開始減弱。意味著在工業化發展初期工業化對農民收入影響巨大，但是單純依靠工業化的發展來帶動農民收入的持續增加是不可取的。

圖7 不合分位點擬合曲線

(2)區域閾值效應

根據重慶市區域工業發展狀況和未來規劃，區域結構的閾值效應通過設定虛擬變量d1來說明。d1=1代表一小時經濟圈內的15個區縣和萬州區、黔江區，d1=0代表剩下的15個兩翼地區區縣。農民收入面板數據記為PI，單位為千元，地區工業化率面板數據記為IN，單位為%。擬合回歸結果為:

其中，(·)表示對應參數估計值T檢驗的概率P值。在5%顯著性水平下，認為所有變量是顯著的。F檢驗概率P值為0.00，模型整體是通過顯著性檢驗的。根據white異方差檢驗和LM序列相關結果發現模型不存在異方差和序列相關。回歸模型的擬合優度R2=0.42，擬合效果不是很好。由于此處僅考慮變量間關系的發展變化方向，估計系數不能完全代表其準確的數值關系。但是從參數取值上可以發現當d1=0時，工業化率與農民收入之間是倒”U”型關系，開口相對較窄，而d1=1時，關系為緩慢減弱的“U”型關系，開口也非常大。圖8給出了擬合模型的曲線圖，由此可以發現，相對于一小時經濟圈、萬州區和黔江區發展工業化能有效地增加農民收入，在兩翼地區的其他15個區縣工業化對農民增收的效果減弱。

圖8 擬合模型的曲線模擬圖

五、結論

在研究的2002—2012年樣本期內，重慶市農民收入和工業化發展都處于上升的階段，農民收入區域內部差距較大，且呈現連片集聚現象，工業化發展水平也不均衡，一小時經濟圈內的工業化率明顯高于兩翼地區。受政策影響，兩翼地區的萬州區和黔江區的工業化發展明顯快于其他兩翼區縣。

研究農民收入與工業化發展之間影響關系的結論如下:

(1)農民收入與工業化發展之間有影響關系，但不是長期均衡的協整關系。重慶市32個區縣的農民收入與工業化率面板數據均為一階非平穩序列，分析發現二者之間沒有長期的協整均衡關系，說明單純依靠工業化的提升來實現農民長期增收是不可靠的，這一點與已有研究不同(見參考文獻［14，19］)。主要是因為重慶處于長江上游的腹心地帶，有一半的區縣為三峽庫區生態經濟區，目前的工業發展模式雖然能增加農民收入，但是卻沒有生態可持續性，且會制造出更多的環境生態問題，在不改變工業結構的情況下未來工業發展將會導致農民增收乏力。

(2)不同工業化發展對農民增收存在閾值效應。根據樣本數據分析得知，當工業化率為30%～46%時，農民收入快速增長;在工業化程度達到46%以后，其對農民收入的影響效應開始減弱。意味著工業化發展對農民收入的影響效應不是固定的，而是會隨著工業化程度而變化，說明單純依靠工業化的發展來帶動農民收入的持續增加是不可取的。

(3)重慶市32個區縣工業化對農民增收的區域閾值效應。相對于一小時經濟圈、萬州區和黔江區發展工業化能有效地增加農民收入，在兩翼地區的其他15個區縣工業化對農民增收的效果減弱。意味著這15個兩翼地區區縣依靠工業化發展提高農民收入的效果遠沒有工業化和農民收入相對較好的一小時經濟圈、萬州區和黔江區等17個區縣的效果好。

以上3個結論看似獨立，實則是緊密聯系的，說明了兩方面問題:對于重慶市一小時經濟圈的15個區縣以及萬州區和黔江區，工業化發展能迅速提高農民收入，但是其效力是短期的、不可持續的;對于兩翼地區的其他15個區縣，盡管部分區縣目前處在結論(2)中提到的30% ～46%工業化階段，但是由于工業化對農民增收的作用效應有限，即便大力發展工業，農民增收幅度也是有限的，且不具有可持續影響。因此，亟需轉變工業化發展模式，走適合生態環境的新型工業化道路，針對不同地區不同工業化階段制定因地制宜的發展戰略，為農民收入的持續增加開拓新的路徑。

［1］陳錫文.工業化、城鎮化要為解決“三農”問題做出更大貢獻［J］.經濟研究，2011(10):8-10.

［2］鄭新立.農業現代化必須與工業化、城鎮化同步推進［C］//2011全國農民改革與發展座談會論文集.北京:生活·讀書·新知三聯書店，1996.

［3］劉克崮，張桂文.中國“三農”問題的戰略思考與對策研究［J］.管理世界，2003(5):67-76.

［4］林毅夫.三農問題與我國農村的未來發展［J］.農業經濟問題，2003(1):19-25.

［5］鐘鈺，藍海濤.中高收入階段農民增收的國際經驗及中國農民增收趨勢［J］.農業經濟問題，2012(1):73-79.

［6］周陽敏，軒會永.基于包容性的農民收入增長路徑研究［J］.四川理工學院學報:社會科學版，2013(1):12-19.

［7］張建國.關于農民收入問題的調查與思考［J］.中國農村經濟，2000(4):57-61.

［8］陳志福.中國農民收入增長的長效機制［M］.北京:中國農業出版社，2008.

［9］李谷成，馮中朝，范麗霞.教育、健康與農民收入增長——來自轉型期湖北省農村的證據［J］.中國農村經濟，2006(1):11-20.

［10］王德文，蔡昉.宏觀經濟政策調整與農民增收［J］.中國農村觀察，2003(4):2-13.

［11］胡文國，吳棟，吳曉明.我國農民收入增長影響因素的實證分析［J］.經濟科學，2004(6):5-15.

［12］王朝才，胡振虎.新時期農民增收對策研究［J］.財政研究，2010(2):66-68.

［13］余新平，熊晶白.中國農村金融發展與農民收入增長［J］.中國農村經濟，2010(6):77-87.

［14］陳燦煌.農業外商直接投資與農民收入增長的動態關系［J］.經濟評論，2007(5):47-52.

［15］許經勇.中國農民收入增長與工業化城市化的關系［J］.經濟經緯，2002(3):4-6.

［16］林毅夫.勞動力轉移是農民收入持續增長的關鍵［N］.光明日報，2004-1-20.

［17］翁貞林，張愛萍.城市化江西農民收入增長的重要途徑［J］.江西社會科學，2003(1):108-110.

［18］李軍波.湖南工業化和城市化對農民收入增長市政分析［J］.求索，2005(7):38-40.

［19］張新前，胡日東.我國農村工業化與農民收入增長關系的動態分析［J］.經濟問題探索，2007(5):29-33.

［20］李美洲，韓兆洲.城鎮化和工業化對農民增收的影響機制［J］.財貿研究，2007(2):25-31.

［21］李夢覺.工業化城市化發展與農民收入增長的實證分析［J］.經濟縱橫，2008(6):72-74.

［22］潘文軒.工業化對城鄉居民收入差距的影響［J］.山西財經大學學報，2010(2):20-29.

［23］汪曉夢.基于農民純收入面板數據的區域差異性分析與對策——以安徽省為例［J］.重慶理工大學學報:社會科學，2014(5):63-67.

［24］Levin A，Lin C.Unit root tests in panel data:Asymptotic and finite-sample properties［J］.Journal of Economics，2002(10):1-24.

［25］Im K S，Pesasran M H，Shin Y.Testing for unit roots in heterogeneous panels［J］.Journal of Econometrics，2003(11):53-74.

［26］Maddala G S，Wu S.A comparative study of unit root tests with panel data and a new simple test［J］.Oxford Bulletin of Economics and Statistics，1999(6):31-52.

［27］Choi I.Unit Root Tests for Panel Data［J］.Journal of International Finance，2001(20):249-272.

［28］Kao C.Spurious regression and residual-based tests for cointegration in panel data［J］.Journal of Econometrics，1999(11)19-44.

［29］Pedroni P.Panel Cointegration:Asymptotic And Finite Sample Properties Of Pooled Time Series Tests With An Application To The Ppp Hypothesis［J］.Econometric Theory，2004，20(3):597-625.

［30］陳海燕.面板數據模型的檢驗方法［M］.北京:經濟科學出版社，2012.

［31］Koenker R，Hallock K.Quantile regression:an introduction［J］.Journal of Economic Perspectives，2001(15):143-156.