空間溢出效應視角下我國人力資本結構優化的減貧脫困效應研究

何雄浪 史世姣

摘 要：通過構建普通面板模型和空間計量模型，實證檢驗人力資本結構優化的減貧脫困效應。研究結果顯示：地區之間的減貧脫困情況不是隨機獨立的，它們具有顯著的空間溢出效應;普通面板回歸結果表明提升健康人力資本和教育人力資本對地區減貧脫困具有正向的促進作用，但引入空間相關性后，教育人力資本與減貧脫困之間沒有顯著的相關性，健康人力資本的回歸系數減小，說明忽略空間相關性會高估教育人力資本和健康人力資本對地區減貧脫困的影響。勞動力轉移具有較強的空間溢出效應，在考慮空間依賴性的基礎上，勞動力轉移進一步加快地區減貧脫困步伐。

關鍵詞：教育人力資本;健康人力資本;勞動力轉移;減貧脫困;空間相關性

中圖分類號：F061.5文獻標識碼：A文章編號：1007-2101（2021）01-0051-12

收稿日期：2019-06-30

基金項目：國家民族委員會2019年領軍人才項目“自然資源稟賦、環境規制與新時代我國區域綠色發展效率提升研究”（2799300120）

作者簡介：何雄浪（1972-），男，四川南充人，西南民族大學教授，博士生導師;史世姣（1990-），女，四川宜賓人，西南民族大學博士研究生，通訊作者。

一、引言及文獻綜述

減緩甚至消除貧困是人類發展過程中的重要任務。習近平總書記多次強調“貧窮不是社會主義”。對于中國而言，消除貧困、改善民生、實現共同富裕是社會主義的本質要求。從1986年起我國開展大規模的反貧困工作，成功走出一條中國特色扶貧開發道路。黨的十八大以來，黨中央把脫貧攻堅作為全面建成小康社會的底線任務和標志性指標。黨的十九大后，黨中央把打好脫貧攻堅戰作為全面建成小康社會的三大攻堅戰之一。近年來，脫貧攻堅力度之大、規模之廣、影響之深前所未有，脫貧攻堅成果舉世矚目。盡管如此，但是剩余的工作任務依然艱巨。2020年發生的新冠肺炎疫情又進一步加大了脫貧攻堅的工作難度和壓力。習近平總書記在2020年決戰決勝脫貧攻堅座談會上指出“我們要接續推進全面脫貧與鄉村振興有效銜接。脫貧摘帽不是終點，而是新生活、新奮斗的起點。”

因此，在新形勢下我們想要探究是什么因素支撐中國脫貧攻堅取得如此顯著的成效？人力資本結構優化會發生怎樣的減貧效應？人力資本結構優化的減貧效應是否存在空間關聯性？人力資本結構優化能否有效激發貧困地區經濟發展的內生動力，推動全面脫貧和鄉村振興有效銜接？理清這些問題對打贏脫貧攻堅戰以及后小康時代進一步解決相對貧困問題具有重要的現實意義。

減貧問題一直受到國內外學者的關注，現有研究主要集中于貧困的度量和界定、致貧原因、反貧困策略等幾個方面。研究中關于致貧原因的觀點大致可以分為兩個方面，一是基于經濟增長、區域特征、國家戰略等宏觀視角;二是基于農民個人素質、家庭特征等微觀視角。貧困惡性循環論[1]、臨界最小努力理論[2]、不平衡發展理論[3]、低水平均衡陷阱理論[4]認為資本供給端和需求端的低水平約束、資源的稀缺、經濟發展水平較低等是貧困發生的重要原因。在實踐上，華盛頓共識所堅信的涓滴經濟增長理論成為全球主流的發展理念。但部分研究表明，單純依靠經濟增長的“涓滴效應”和“擴散效應”無法使貧困群體持久地、有效地擺脫貧困，反貧困措施應該更加注重可持續性，減輕能力貧困。Schultz（1961）[5]認為人力資本存量匱乏和長期以來對人力資本投資的不重視是貧窮產生的根本原因。Sen（1981）[6]提出貧窮不僅僅指收入低下，更表現為教育和健康水平低下導致的創造收入能力或機會被剝奪，即是人力資本不足。Becker（1991）[7]將人力資本投資從宏觀層面拓展到微觀層面，指出教育是影響貧困的核心人力資本要素[8]。勞動力轉移是重塑人口分布格局、優化人力資本結構的有效途徑[9]。

現有研究為本文提供了很好的理論借鑒和邏輯起點，但仍存在一定的局限性。一是在研究視角上，同時將教育、健康、勞動力轉移納入人力資本范疇來分析減貧效益的研究十分鮮見。二是在貧困測度上大多采用貧困發生率或收入指標，而以單一指標測度貧困顯得過于片面，不能反映貧困個體的脆弱性、持久性等詳細信息。三是在研究對象選擇上，宏觀層面的研究大多選取省域數據，這使得部分城市的個體差異性被覆蓋;微觀層面的研究則采用抽樣調查獲取農戶個體數據，由于抽樣對象、方法和問卷設計等存在差異，使得研究結論的代表性較差。四是在研究方法上，大多研究假定地區間的人力資本結構是相互獨立的。其實，本地區的人力資本優化不僅受到本地區因素的影響，還依賴于鄰近地區的教育和醫療條件、政策、經濟等因素，若忽略這種相關性將會使估計結果出現偏誤。

與既有文獻相比，本文的邊際貢獻在于：一是從收入狀況、消費狀況、生活保障、脫貧質量等多個視角出發全面反映各地區當前的生活狀態，同時運用主成分分析法構建減貧脫困評價體系，測算地區減貧脫困指數。二是我們同時關注教育人力資本、健康人力資本和勞動力轉移，以全國278個地級城市數據為研究對象進行分析。從三大人力資本的綜合視角對大樣本數據進行回歸分析，檢驗教育人力資本、健康人力資本和勞動力轉移對減貧脫困的作用，所得的研究結果具有很好的代表性和參考價值。三是在計量分析中加入教育人力資本、健康人力資本和勞動力轉移等變量的空間相關性，運用空間計量模型進行回歸分析以修正忽略空間依賴性所帶來的估計偏誤問題。四是本文的研究具有明確的政策含義。2020年是決戰決勝脫貧攻堅和全面建成小康社會的收官之年，我們要千方百計的鞏固好脫貧攻堅成果，接下來要做好鄉村振興這篇文章。在這樣的時代背景下，我們研究人力資本結構優化的減貧效應既有助于從人力資本結構的視角理解減貧脫困，也對實施教育優先戰略，提升健康保障水平，優化勞動力配置等具有很強的現實指導意義。

二、機理分析與研究假設

人力資本主要通過教育培訓、醫療保健、勞動力轉移等渠道來優化結構，提升層次。因此，我們從教育、健康、勞動力轉移三個方面分析人力資本結構對減貧脫困的作用機理。

在考慮空間相關性的情況下，勞動者、資金、技術等在地區之間自由流動。根據丹尼森效應和“結構紅利假說”，勞動力從生產率較低的部門向生產率較高的部門轉移會提高整體生產效率。資金從經濟發達地區流入到貧困地區，為貧困地區開發和發展提供資金支持，帶動貧困地區產業發展、基礎設施建設，進而推動貧困地區經濟發展提質增效，加快貧困地區減貧進程，由此提出如下假設。

假設五：勞動力轉移對減貧脫困具有正向的促進作用。

假設六：在考慮空間相關性的情況下，勞動力轉移對減貧脫困具有正向的促進作用。

三、實證分析

明確人力資本與減貧脫困之間的關系，我們在理論分析的基礎上，利用中國大陸278個地級城市2008—2017年的數據，通過構建普通面板計量模型和空間計量模型實證分析人力資本的減貧效應。

（一）計量模型的建立

1. 基礎計量模型。由于面板數據相比于橫截面數據和時間序列數據包含更大的樣本容量，不僅能夠獲得更多的樣本動態行為信息，有效解決遺漏變量問題，而且在一定程度上能降低變量間的多重共線性，提高計量分析的準確性。故在此采用面板計量模型分析人力資本的減貧效應。

教育培訓、醫療保健和勞動力轉移是優化人力資本結構的有效途徑。基于此，我們以教育人力資本、健康人力資本、勞動力轉移作為核心解釋變量，以減貧指數作為被解釋變量，同時控制其他可能的影響變量，將計量模型設定為：

lnpovi，t=a0+a1lnedui，t+a2lnheai，t+a3lnmigi，t+a4Xcon+εi，t（1）

其中，i表示地區，t表示時間，pov表示減貧脫困指數，edu表示教育人力資本，hea表示健康人力資本，mig表示勞動力轉移情況，Xcon代表一系列控制變量，包括固定資產投資情況（inv）、金融發展水平（cbd）、產業結構（str）、城市化水平（urb）、科技發展水平（tec）、經濟發展情況（pgdp）。εi，t表示獨立同分布的隨機擾動項。α0為常數項，α1、α2、α3、α4分別表示教育人力資本、健康人力資本、勞動力轉移、控制變量對應的系數。為減輕數據波動性和異方差性，我們對變量取自然對數。

2. 基于空間效應的模型設定。“地理學第一定律”表明所有的物質與其他事物相關聯，較近的事物比較遠的事物關聯性更強。因此，無論是地區的經濟發展水平、脫貧情況、地方政策，還是人力資本流動、人力資本結構提升都存在一定的空間關聯性。如果回歸分析時，不考慮區域之間的空間關聯性會使得估計的結果出現偏差。常用的空間計量模型主要包括空間自回歸模型（SAR）、空間誤差模型（SEM）和空間杜賓模型（SDM）。

空間自回歸模型（SAR）假設被解釋變量均會通過空間相互作用對其他地區的經濟產生影響。空間誤差模型（SEM）假定空間溢出效應產生的原因是隨機沖擊的結果，即空間效應是通過擾動項之間的空間自相關關系體現出來。空間杜賓模型（SDM）則是同時考慮空間滯后項和空間誤差項，而且SDM模型還會考慮空間交互作用，即一個地區的人力資本結構不僅受到本地區自變量的影響，還會受到其他地區人力資本結構和自變量的影響。

鑒于不同類型的空間計量模型所揭示的經濟涵義有所區別，為了獲取擬合結果最優的空間計量模型，本文探索建立SAR、SEM和SDM模型。

我們僅考慮單向空間相關性，則構建SAR模型為：

lnpovi，t=α0+δWlnpovi，t+α1lnedui，t+α2lnheai，t+α3lnmigi，t+α4Xcon+εi，t（2）

若空間依賴作用存在于擾動項誤差項之中，則構建SEM模型：

lnpovi，t=α0+α1lnedui，t+α2lnheai，t+α3lnmigi，t+α4Xcon+λWμi，t+εi，t（3）

考慮自變量空間滯后項和因變量之間的相關關系，構建SDM模型：

lnpovi，t=α0+δWlnpovi，t+α1lnedui，t+α2lnheai，t+α3lnmigi，t+α4Xcon+θ1Wlnedui，t+θ2Wlnheai，t+θ3Wlnmigi，t+θ4WXcon+εi，t（4）

其中，W為空間距離權重矩陣;δ為空間自回歸系數;λ為空間誤差項系數;θ為相應變量的空間滯后項系數;γ、μ是服從獨立同分布的擾動項。

現有研究中，通常根據空間單元的鄰接性確定空間權重矩陣wij。如果兩個區域相鄰，那么權重矩陣中所對應元素取1，反之取0。但部分學者認為地理鄰接矩陣不足以充分反映地區之間關聯的客觀事實[23]。一方面，經濟活動的空間效應不僅僅局限于和它相鄰的地區。一個城市的發展策略、教育和醫療等政策可能會受到其他并不相鄰城市的影響，例如北京與杭州、成都、武漢不相鄰，但是北京的房價和政策會對杭州、成都、武漢等地區產生影響。另一方面，一個城市和所有與之不相鄰的城市的空間關聯強度有差別。如上海和廣州市、呼和浩特市都不相鄰，它們的空間權重取值都是0，但是上海對與之較近的廣州的影響遠遠大于與之距離相對較遠的呼和浩特市的影響。基于此，我們根據地區間地理距離的倒數構建空間權重矩陣w，即區域i與區域j之間的權重wij=1/dij，其中dij表示兩地的地理距離。

3. 空間計量模型的效應測算。在包含空間滯后項的空間計量模型中，自變量對因變量的影響不能簡單地用回歸系數表征。LeSage等（2008）[24]根據空間效應作用的范圍和對象不同，將空間計量模型中自變量對因變量的影響分為直接效應、溢出效應和總效應。直接效應是指區域i的變量xrit變動對本區域i的被解釋變量yit的影響，即直接效應=yitxrit。溢出效應是指其他區域的變量xrjt變動對本區域i的被解釋變量yit產生的影響，即溢出效應=yitxrjt。總效應則是指所有區域的變量xrt對區域i的被解釋變量yit產生的影響，由此可知，直接效應和溢出效應共同構成了總效應，即：

yitxrt=yitxrit+yitxrjt。

（二）變量說明

1. 被解釋變量（pov）。現有研究中，大多采用兩種方法度量貧困，一種是貧困發生率，一種是家庭人均純收入。采用貧困發生率測度貧困首先要選定貧困線，然而學術研究中尚未采用一致的貧困線，故而所得的研究結論也不盡相同。同時，貧困發生率不能反映不同地區貧困的詳細信息。因此，我們不采用貧困發生率來測量貧困。采用家庭人均純收入作為衡量貧困的主要指標，其基本理念是從滿足個人基本生活需要的角度來看待貧困。事實上，收入不足只是貧困的結果而不是貧困的根源。被稱為社會“癌癥”的貧困是一種復雜的社會現象。因此，不能僅從收入維度來度量。

根據中共中央辦公廳和國務院辦公廳印發的《關于建立貧困退出機制的意見》，借鑒師榮蓉、丁改云（2020）[25]和徐英（2019）[26]的研究思路，遵循科學性和可操作性等原則，從收入狀況、消費狀況、生活保障和脫貧質量四個維度構建減貧脫困指標體系（見表1）。鑒于主成分分析法在確定指標權重和反映基礎指標貢獻方面更具優勢，因此，我們采用主成分分析法確定基礎指標的權重，綜合測算2008-2017年278個地級城市減貧脫困指數。

2. 核心解釋變量。人力資本是指通過正規教育、在職培訓、醫療保健、勞動力轉移等多種渠道獲得的凝結在勞動者身上的知識、能力、技能、經驗、健康素質等因素總和，是勞動者質量的反映[27]。由此可以看出，影響人力資本形成的因素是多方面的，其中教育培訓、醫療衛生、勞動力轉移是優化人力資本結構的有效途徑。因此，我們以教育人力資本、健康人力資本、勞動力轉移作為核心解釋變量。

（1）教育人力資本（edu）：人力資本的測量方法主要有成本法和收入法兩種。收入法是通過測度人力資本預期產生的收入來表示人力資本，但通過現期收入來推斷未來總收入存在很大不確定性和數據換算誤差。因此，我們使用成本法作為教育人力資本的測算指標。考慮數據可得性，本文用財政教育支出占財政支出的比重來表示教育人力資本。

（2）健康人力資本（hea）：健康人力資本的形成主要是通過醫療、衛生等方面的支出來實現，并且這類支出主要來自于公共財政。因此，我們用財政醫療衛生支出占財政支出的比重來表示。

（3）勞動力轉移（mig）：勞動力轉移的經濟福利效應主要來源于農業產業和非農業產業的收益差距。因此，我們將農戶勞動力轉移定義為是否從事非農產業，用第二產業和第三產業從業人員的比重表示勞動力轉移。

3. 控制變量。除上述核心解釋變量外，我們還在分析中納入了其他一些變量，以控制不同經濟體的異質性所帶來的影響。具體而言，我們參考已有研究，主要加入以下可能對地區減貧脫困產生影響的因素作為控制變量：

（1）固定資產投資情況（inv）：固定資產投資主要用于完善城市道路、住房、學校等基礎設施建設，方便人民的生活，增加當地的就業崗位，有利于加快地區減貧進程，降低地方返貧的可能性。因此，我們用固定資產投資額表示固定資產投資情況。

（2）金融發展水平（cbd）：金融扶貧是精準扶貧戰略的重要一環。金融業的發展能提高貧困人群在經濟活動中的財富積累效率，增強貧困家庭抵御風險的能力，因此，金融業的發展具有明顯的減貧效應。我們使用存貸款余額與GDP的比值來衡量金融發展水平。

（3）產業結構（str）：發展扶貧產業、促進產業結構升級能夠顯著加快集中連片地區的減貧脫困進程。我們使用第三產業增加值和GDP的比值來表示產業結構。

（4）城市化水平（urb）：人口學中，城市化的定義是指農村人口或農業人口轉變為城市人口或非農業人口的過程。根據這一定義，我們用市轄區年末戶籍人口與全市年末戶籍人口的比值表示城市化水平。

（5）科技發展水平（tec）：科技扶貧是我國開發式扶貧戰略的重要組成部分。以科技發展為支撐推動脫貧攻堅是實現貧困地區經濟發展提質增效和“脫窮根”的重要保障。我們用財政科技支出與財政總支出的比值表示科技發展水平。

（6）城市經濟發展情況（pgdp）：各地區的經濟發展水平對貧困者的發展機會和收入產生影響。雖然地區生產總值是一個平均概念，受收入分配結構的影響，但已有研究表明人均地區生產總值能夠對減緩貧困產生正向影響。因此，我們用人均地區生產總值來表示城市經濟發展情況。

（7）經濟開發度（ope）：對外開放是促進經濟增長的重要因素。本文以人均實際利用外資金額表示對外開放度，由于原始數據為美元，因此根據匯率換算為人民幣。

（8）基礎設施建設情況（inf）：交通基礎設施是城市基礎設施建設的主要內容，也是保障經濟發展的基礎和前提。因此，我們以人均城市道路面積表示城市基礎設施水平。

（三）數據來源

以中國大陸278個地級城市作為研究對象，以2008-2017年作為樣本區間進行研究，各種數據來源于《中國城市統計年鑒》《區域經濟統計年鑒》《中國統計年鑒》以及各省統計年鑒和統計局網站，對缺失數據和異常數據采用線性插值法和均值替換法進行替換和補全，部分數據由作者根據公式計算所得。為保持數據平穩性，消除異方差，我們對變量作自然對數處理。各變量的描述性統計結果見表2。

（四）特征性事實

在進行實證分析以前，我們首先直觀地分析和觀察人力資本與減貧脫困之間的關系（見圖1）。我們分別用入學率、預期壽命、非農產業就業比例、貧困發生率作為教育人力資本、健康人力資本、勞動力轉移和減貧脫困情況的粗略衡量指標。

從歷史性數據可以看出，按照現行標準測算的貧困發生率從1978年的97.5%下降到2018年的1.7%。與此同時，表征教育人力資本的高等教育入學率從1978年的2.7%上升到2018年的48.1%，說明我國的人均受教育水平逐步提高，教育人力資本結構不斷優化。表征勞動力轉移的非農產業就業比例從1978年29.5%上升到2018年的73.9%，表明我國勞動力非農業就業比重不斷上升。代表健康人力資本的預期壽命從1978年的68.2歲增長到2018年的77歲，反映出我國的人均壽命不斷延長，健康人力資本結構不斷優化。隨著教育人力資本水平、健康人力資本水平的不斷提升以及非農勞動力轉移的不斷增加，我國的貧困發生率呈下降趨勢，這意味著教育人力資本、健康人力資本、非農勞動力轉移這三個因素與減貧脫困存在著某種同步關系。

（五）相關變量數據性質檢驗

為了得到更為精準的回歸結果，我們需要在回歸分析之前檢驗數據的性質。計量模型中各變量的組間異方差、組間同期相關以及組內自相關的檢驗結果如表3所示。Wald檢驗的P值為0.000 0，強烈拒絕原假設，認為選取的面板數據存在組間異方差，這表明為了提高估計的準確性我們需要考慮地區間的異質性。Pesaran檢驗的P值為0.000 0，強烈拒絕原假設，認為存在組間同期相關，而同期相關從某種程度上說明控制變量選取合理。Wooldridge檢驗的P值為0.000 0，拒絕不存在組內自相關原假設，這說明選取的變量有明顯的時間趨勢，但是考慮到本文實證分析所采用的數據是含278個截面10期的短面板數據，因此我們可以不考慮面板自相關的問題。由此，我們在下面的計量分析中要在考慮組間異方差的基礎上進行回歸分析。

四、回歸結果分析

單位根檢驗、格蘭杰因果檢驗、協整檢驗均表明，減貧指數和教育人力資本、健康人力資本、勞動力轉移等幾個核心解釋變量之間都存在著穩健的相關關系①，因此可以進行回歸分析。我們以普通面板線性回歸模型作為實證分析的起點，分別采用混合效應回歸、固定效應回歸、隨機效應回歸得到模型（1）、模型（2）、模型（3）。我們使用F檢驗和豪斯曼檢驗篩選使用的模型。從檢驗的結果來看，F檢驗統計量為4.41，P值為0，拒絕使用混合效應模型的原假設。豪斯曼檢驗統計量為66.14，P值為0，烈強拒絕使用隨機效應模型的原假設。因此，我們以固定效應模型作為標準進行分析，驗證假設一、假設三和假設五。

表4中的固定效應回歸結果表明，教育人力資本通過5%的顯著性檢驗，回歸系數為0.415，說明提升教育人力資本水平會加快減貧脫困的進程。2019年4月習近平總書記在重慶考察石柱土家自治縣脫貧攻堅工作時強調：“‘兩不愁三保障很重要的一條就是義務教育要有保障。再苦不能苦孩子，再窮不能窮教育。要保證貧困山區的孩子上學受教育”。現有研究表明，提升教育人力資本水平不僅能夠提高勞動生產率，促進經濟發展，而且還會通過提升貧困人口的能力、提高家庭經濟收入水平等來阻斷貧困的代際傳遞。

健康人力資本在1%的顯著性水平下顯著，回歸系數為0.68，說明健康人力資本與減貧脫困呈正相關關系，驗證了假設三。第四次國家衛生服務調查表明，疾病或損傷是貧困地區致貧的重要原因之一。西部地區如陜西、云南、青海和甘肅等省份因病致貧、因病返貧的比例高達50%，甚至更高[28]。因此，提升健康人力資本水平是打贏脫貧攻堅戰、邁入小康社會的有效途徑。勞動力轉移的回歸結果顯著為正，說明勞動力轉移會促進貧困地區減貧脫困，驗證了假設五。研究表明農業勞動力非農轉移是緩解貧困的主要途徑之一。農業剩余勞動力非農轉移就業有利于解決因人均耕地面積少、農業勞動生產率低下造成的農民收入水平低、生活困難等問題，實現資源的優化配置。固定資產投資通過1%的顯著性檢驗，回歸系數顯著為正，說明增加固定資產投資會加快脫貧進程。新增固定資產投資會增加就業機會，改善生活環境。金融發展水平在1%的顯著性水平下通過顯著性檢驗，回歸系數為-3.21，說明金融發展對減貧脫貧有阻礙作用，這可能是金融資本“偏好”所引起的。收入較低的貧困群體自身資本積累的天然不足和外源資本獲取能力較差[29]，加之貧困地區的空間劣勢嚴重、金融發展滯后，金融市場基礎設施不健全，交易成本過高，使得貧困地區存在著金融服務的“資格門檻”。貧困地區受到的金融抑制程度越大越難擺脫其收入增長的困境。產業結構的回歸結果顯著為負，說明產業結構變化對減貧脫困有阻礙作用。該回歸結果可能是因為貧困群體主要從事農業活動，因此，農業產業比重的降低可能會減少貧困人口的收入;也可能是采用靜態面板分析，忽略了空間相關性。城市化水平回歸系數顯著為正，說明提升城市化水平將為地區減貧脫困創造有利的條件。一方面，城市化進程中農村人口向城鎮人口轉變，通過人口遷移引起地理效應，從而影響農村貧困水平;另一方面，城市化發展對經濟增長、收入分配等經濟變量產生影響，通過經濟變量間的相互聯系間接作用于貧困水平[30]。科技發展水平沒有通過顯著性檢驗，說明科技的發展對地區減貧脫困的影響不顯著。目前我國貧困地區產業以傳統的農業、手工業為主，現代工業發展相對滯后，高科技研發和應用十分鮮見，因此，科技發展水平對地區減貧脫困的作用效應不明顯。經濟開放度通過了1%的顯著性檢驗，回歸系數為-1.046，說明現階段的經濟開放會阻礙減貧脫困進程。貧困地區的對外開放主要表現為資源的交換，經濟附加值較低。同時，由于一些項目的引進會引起環境污染，因此貧困地區的對外開放在一定程度上反而會不利于減貧脫困。人均GDP作為地區經濟稟賦的代理變量對地區減貧脫困的影響不明顯，這一結果與預期不一致，可能與本文使用的樣本有關，也可能是因為忽略了空間相關性。基礎設施建設的回歸結果顯著為正，說明完善基礎設施建設有助于減少貧困發生。近年來國家對農村道路等基礎設施建設逐年加大，貧困地區基礎設施條件大大改善。

五、進一步研究：空間計量

面板模型估計結果得出了優化人力資本結構具有減貧效應，但是結論成立的前提是各城市彼此獨立，不考慮地區之間的空間相關性。從實際來看，一方面，地區之間密切的交流和合作使得資金、信息、物質等在地區之間流動和交換，各個城市在空間上存在著空間相互作用。特別是近年來對口幫扶、結對脫貧等舉措，使得地區之間的聯系日益緊密，也勢必會對減貧脫困成效產生影響。另一方面，人力資源屬于稀缺性資源，受自身和外部環境等因素影響經常出現跨地區流動的現象，這種流動會產生一定的溢出效應，也會對地區人力資本結構優化產生影響。如果我們假定各城市是獨立的，忽視彼此之間的空間相關性，可能會導致模型估計結果出現偏誤。因此，有必要納入空間效應來進一步分析人力資本結構優化的減貧效應。

（一）空間相關性檢驗與圖示

在進行空間計量回歸分析之前，首先要考察變量的空間依賴性。本文采用全域Morans I指數（莫蘭指數）來開展被解釋變量、核心變量的空間自相關性檢驗（見表5）。

從表5的檢驗結果可以看出，減貧指數的莫蘭指數基本都在1%的顯著性水平下通過了顯著性檢驗，同時核心解釋變量教育人力資本、健康人力資本、勞動力轉移也都存在著顯著的空間自相關性。因此，總體而言，建立空間計量模型進一步探討優化人力資本結構的減貧效應是必要的。

（二）空間計量估計結果

為了提高回歸結果的準確性，我們選用將各城市空間相關性考慮在內的空間面板SAR模型、SEM模型、SDM模型進行估計，并按照Anselin et al.（2004）[31]提出的判斷規則，選用自然對數值、Wald檢驗和LR檢驗對模型的擬合效果進行檢驗（見表6）。

表6中模型（4）、模型（5）、模型（6）分別是SAR模型、SEM模型、SDM模型的固定效應回歸結果。從回歸結果的擬合效果看，SDM模型的回歸系數顯著個數比SAR模型和SEM模型的顯著個數多，同時SDM模型的自然對數值最大，說明相較于SAR模型和SEM模型，SDM模型的擬合程度更高。為了進一步判斷SDM模型的擬合效果，我們對SDM模型進行Wald檢驗和LR檢驗，相應的Wald空間滯后檢驗、LR空間滯后檢驗、Wald空間誤差檢驗和LR空間誤差檢驗的P值均在1%的水平下顯著為零，同樣說明SDM模型具有最優的擬合效果。此外，SDM模型的回歸系數不滿足模型轉化的原假設，那么SDM模型不宜簡化為SAR模型和SEM模型，也即SDM模型包含的兩種空間傳導機制對經濟增長的作用不可忽略。基于此，我們選擇對模型（6）SDM模型的回歸結果進行分析，驗證假設二、假設四和假設六。

減貧指數的空間自回歸系數在1%的顯著性水平下顯著為負，說明減貧脫困在空間上存在著顯著的空間效應。一個城市的減貧脫困情況很大程度上會受到鄰近城市減貧脫困情況的影響，這種空間關聯性使得減貧脫困在空間上的“高低”聚集現象得以解釋。這種負相關關系可能是因為鄰近地區在資源、經濟結構、產業發展等方面都具有較強的相似性，地區之間的競爭較大。同時，同一區域的城市之間通常會搶奪有限的勞動力和優秀的高素質人才。

從自變量的空間自回歸系數來看，教育人力資本和健康人力資本的空間溢出效應不顯著，勞動力轉移的空間溢出效應顯著為正。在空間計量模型中，教育人力資本和減貧指數的相關性變得不顯著，由此可以說明忽略空間相關性會高估教育人力資本對減貧脫困的影響。這可能是因為一方面教育事業的發展將有效地發揮“增智效應”和“增收效應”，加快地區經濟發展和脫貧的步伐。另一方面，接受高等教育的勞動力通常在城鄉、經濟發達與欠發達地區之間轉移，形成以城鎮、經濟發達地區為軸心，向農村和貧困地區發散的人才分布格局。顯然，貧困地區的高素質人才流失嚴重，使得教育人力資本的優化對地區經濟發展的帶動作用很小，甚至會擴大地區之間的經濟發展差距。因此，在考慮空間相關性的情況下，教育人力資本的脫貧效應收效甚微。

健康人力資本的相關系數由0.68降低到0.082，而且顯著性水平也相應降低，表明普通面板回歸會高估健康人力資本的減貧效應，但是不可否認，健康人力資本依然會促進地方減貧脫困，因為在空間計量模型中，健康人力資本的回歸系數在5%的顯著性水平下顯著。該結論驗證了假設四。

在空間相關性分析中勞動力轉移的相關系數由0.482增長為0.506，說明勞動力轉移對減貧脫困具有更大的促進作用，進一步印證了前面初步回歸得到的結論，也驗證了假設六。人口在區域間自由流動能夠優化人力資本配置，最大限度的發揮人力資本效用，推動經濟發展水平提升和人民生活條件改善。

引入空間相關性后，金融發展水平通過1%的顯著性檢驗，回歸系數為0.268，說明考慮空間依賴性后，金融業發展將對地區減貧增收產生促進作用。研究表明，金融業發展對鄰近地區減貧增收具有空間溢出效應[32]。一方面，流動人口依靠在本地區金融扶貧中獲得的經濟剩余直接參與流入地的投資和經濟建設，促進鄰近地區的經濟發展和減貧增收。另一方面，一個地區的金融發展模式、支持政策和配套體系將會通過地理鄰近的信息外溢對鄰近城市產生示范作用，推動鄰近地區金融業發展，幫助其他地區實現有效的金融扶貧。

在空間相關性分析中經濟發展水平的回歸結果顯著為正，相關系數為0.296，說明經濟發展水平對地區減貧脫困具有促進作用。社會經濟實力明顯提升是社會成員共享發展成果的基礎，也是完善教育、醫療等社會保障體系和兜底政策的必要前提。與面板回歸結果相比，產業結構、經濟開放度、基礎設施水平的減貧效應不顯著。除此以外，其余變量系數和普通面板數據固定效應模型的結果基本一致。

空間計量模型的回歸系數不僅可以度量解釋變量對被解釋變量的影響程度，還可以描述變量之間復雜的相互作用。這種復雜的相互作用常以直接效應、溢出效應來表示。因此，我們基于模型（6）空間回歸系數的估計值，以偏微分技術對各變量的直接效應、溢出效應和總效應進行測算（見表7）。

從表7中可以看出，教育人力資本的直接效應顯著，但教育人力資本的溢出效應和總效應不顯著，這一結果和表6模型（6）中教育人力資本結構的回歸結果一致，說明教育人力資本主要通過直接效應發揮減貧脫困效果。健康人力資本的直接效應顯著為正，但溢出效應不顯著，說明健康人力資本直接促進本地區減貧脫困。勞動力轉移對減貧脫困的直接效應和溢出效應都很顯著，且勞動力轉移的溢出增長效應占總增長效應的20%以上，由此進一步說明勞動力的地區間流動所帶來的溢出效應對地區脫貧成效具有較大的貢獻。

六、結論與政策建議

脫貧攻堅戰從決定性成就到全面勝利，面臨的困難和挑戰依然艱巨，我們不能松勁懈怠。同時，2020年我們要實現現行標準下農村貧困人口脫貧，歷史性地整體消除絕對貧困現象。但是消除絕對貧困并不意味著減貧工作已經完成。我們的減貧工作并沒有終結，而是站在了新的起點上。相對貧困將取代絕對貧困，集中連片的區域性貧困分布將轉變為散點分布，單維收入貧困將轉變為包括資源、能力和機會的多維貧困。新的貧困格局需要新的扶貧戰略，黨的十九屆五中全會公報指出“深化農村改革，實現鞏固拓展脫貧攻堅成果同鄉村振興有效銜接”[33]。為此我們要研究、總結脫貧攻堅戰的成功經驗，重塑減貧政策體系，構建綜合的貧困治理結構。在這樣的時代背景下，本文利用2008—2017年278個地級城市數據，通過構建靜態面板模型和空間面板模型，檢驗優化人力資本結構的減貧效應，具有重要的研究價值。面板計量模型的回歸結果顯示，教育人力資本水平、健康人力資本水平的提升以及勞動力轉移對減貧脫困產生正向的促進作用，其中教育人力資本減貧效應的作用最大。同時，固定資產投資、基礎設施建設、城市化水平等對減輕貧困也有重要影響。空間相關性檢驗說明地區之間的減貧脫困情況并不是隨機獨立的，會受到其他城市的影響。考慮到地級城市之間存在的空間自相關性，引入空間計量模型。空間杜賓模型的實證結果支持了普通面板模型的分析結論，說明健康人力資本、勞動力轉移在空間自相關情況下依然對減貧脫困有促進作用，且證實在考慮空間依賴性基礎上，勞動力轉移存在較強的空間溢出效應，會發揮更大的減貧脫困作用。根據上述研究結論，提出如下政策建議。

第一，從單純重視增加人力資本存量轉向優化人力資本結構，推動各地方實現減貧脫困。優化人力資本結構是加快減貧步伐的重要因素，因此，各地區要從提升醫療衛生健康保障水平、發展教育事業、鼓勵和引導勞動力轉移三個方面提高人力資本綜合水平，發揮人力資本結構優化的減貧效應，以期早日脫貧致富。第二，對于提升教育人力資本而言，各地區應該實施“內培外引”的人才戰略，增強優化人力資本結構的內生驅動力，實現借力發展提升。一方面，貫徹黨的十八大、十九大提出的“促進各級各類教育協調發展”“優先發展教育戰略”，根據區域經濟增長的實際訴求，加強對各級各類教育的投入力度，統籌提升人才培養層次和質量，創新人才培育的體制機制。同時，致力于教育資源在區域間的合理分布，縮小城市之間教育資源的非均衡配置。另一方面，要大力實施“千人計劃”“人才引進”等引智計劃，通過借助外部的智力不斷優化地區的人力資本結構，綜合提升地區的教育人力資本水平，進而形成教育人力資本推動減貧脫困和經濟發展的長效機制。第三，加大公共衛生保健支出。集中力量攻克脫貧攻堅戰最后堡壘，結合推進鄉村振興戰略，以疫情防控為切入點，加強鄉村人居環境整治的公共衛生體系建設。實施貧困人口營養計劃，改善基礎醫療衛生條件，加大對疾病的預防和控制，保障群眾基本健康。同時，建立完善的醫療救助制度，切實減輕疾病給群眾特別是困難群體造成的經濟負擔。第四，促進農業轉移人口市民化，進一步發揮農業勞動力轉移的減貧效應。提升城市綜合承載能力，配套做好城市建設、產業發展等工作，增加農業轉移人口的就業崗位和生活空間。同時，完善戶籍管理制度，破除阻礙人口流動的壁壘，鼓勵和引導人才在區域間合理流動，加強人才交流合作，進一步利用勞動力轉移的空間溢出效應推進減貧脫困進程。第五，注重區域之間的相關性，實現地區之間共同發展、協調發展。特別是在政策制定時，我們不僅需要關注本地區的經濟狀況，還需要統籌考慮周邊地區、同層次發展水平城市的發展狀況，積極搭建區域協作平臺，加強交流與合作，從而有效促進區域發展的互動。

注釋：

①鑒于篇幅原因，沒有展示單位根檢驗、格蘭杰因果檢驗、協整檢驗的結果。

②論文只給出首尾年份的莫蘭指數圖示，其余年份的對比分析得到的結論和首尾年份的對比分析得到的結論基本一致，有興趣的讀者可以向作者索取其余年份的莫蘭指數散點圖示和編號對應的城市名單。

③考慮到文章的篇幅，本文尚未列出SDM模型中控制變量的空間交互系數。

參考文獻：

[1]HOLZMANN R， JORGENSEN S.Social protection as social risk management ：conceptual underpinnings for the social protection sector strategy paper[J].Journal of International Development，1987，11（7）：1005-1027.

[2]LEIBENSTEIN H. Economic backwardness and economic growth[J]. Econometrica，1959，27（3）：538-539.

[3]HIRSHMAN O.The strategy of economic development[M]. Yale University Press，1958.

[4]NEGAHBAN S N， Ravikumar P， Wainwright M J.A unified framework for high-dimensional analysis of m-estimators with decomposable regularizers[J]. Statistical Science，2000，27（4）：538-557.

[5]SCHULTZ T W. Investment in human capital[J].American Economic Review，1961，51（5）：1-17.

[6]SEN A.Poverty and famines： an essay on entitlement and deprivation[M].USA： Oxford University Press，1981.

[7]BECKER G.Treatise on the family Massachusetts[M].New York： Harvard University Press，1991.

[8]章元，許慶，鄔璟璟.一個農業人口大國的工業之路：中國降低農村貧困的經驗[J].經濟研究，2012（12）：56-62.

[9]史桂芬，李真.人口流動助推地區經濟增長的機制研究——基于長三角城市群的面板數據[J].華東經濟管理，2020（6）：10-18.

[10]KUROSAKI T.Effects of education on farm and non-farm productivity in rural Pakistan[J].Foundation for Advanced Studies on International Development，2001（25）：197-211.

[11]USMAN A， Malik M I， Ahmad S. Role of micro finance in reducing poverty： a look at social and economic factors[J].International Journal of Business and Social Science，2011（21）：138-144.

[12]郭繼強.中國城市次級勞動力市場中民工勞動供給分析——兼論向右下方傾斜的勞動供給曲線[J].中國社會科學，2005（5）：16-26.

[13]WEDGWOOD R.Education and poverty reduction in Tanzania[J].International Journal of Educational Development，2007，27（4）：383-396.

[14]楊俊，黃瀟.基于教育差距引致農村貧困的背景觀察[J].改革，2010（3）：110-119.

[15]田曉紅，李濤.民族地區“教育致貧”發生機制與“教育治貧”對策——基于三個民族地區的對比研究[J].中南民族大學學報（人文社會科學版），2011，31（6）：69-73.

[16]HAMID T， SYED A， JENNIFER R， PAUL M. Can micro health insurance reduce poverty？ evidence from Bangladesh[J].Journal of Risk and Insurance，2011，78（1）：57-82.

[17]王弟海.健康人力資本、經濟增長與貧困陷阱[J].經濟研究，2012（6）：143-155.

[18]ROSS C E， MIROWSKY J.Dose medical insurance contribute to socioeconomic differentials in health？[J].Milbank Quarterly，2000，78（2）：291-321.

[19]黃薇.醫保政策精準扶貧效果研究——基于URBMI試點評估入戶調查數據[J].經濟研究，2017（9）：117-132.

[20]程名望， JIN YANHONG， 蓋慶恩，史清華.農村減貧：應該更關注教育還是健康？——基于收入增長和差距縮小雙重視角的實證[J].經濟研究，2014（11）：130-144.

[21]張桂文，王青，張榮.中國農業勞動力轉移的減貧效應研究[J].中國人口科學，2018（4）：18-29.

[22]樊士德，江克忠.中國農村家庭勞動力流動的減貧效應研究——基于CFPS數據的微觀證據[J].中國人口科學，2016（5）：26-34.

[23]李婧，譚清美，白俊紅.中國區域創新生產的空間計量分析——基于靜態與動態空間面板模型的實證研究[J].管理世界，2010（7）：43-65.

[24]LESAGE J P， PACE R K. Spatial econometric modeling of origin-destination flows[J].Journal of Regional Science，2008（5）：941-967.

[25]師榮蓉，丁改云.金融發展多維減貧的空間溢出效應檢驗[J].統計與決策，2019（15）：150-153.

[26]徐英.貴州省縣域貧困測度及空間格局分析[J].中國農村資源與區劃，2019（8）：95-102.

[27]楊建芳，龔六堂，張慶華.人力資本形成及其對經濟增長的影響——一個包含教育和健康投入的內生增長模型及其檢驗[J].管理世界，2006（5）：10-21.

[28]尹飛霄.人力資本與農村貧困研究：理論與實證[D].南昌： 江西財經大學，2013.

[29]王小華，溫濤，王定祥.縣域農村金融抑制與農民收入內部不平等[J].經濟科學，2014（2）：44-54.

[30]田雅娟，劉強.城鎮化的農村減貧效應——基于動態變系數模型的實證研究[J].統計與信息論壇，2020（2）：94-101.

[31]ANSELIN L， FLORAX R， REY S J. Advances in spatial econometrics： methology， tools and applications[M].Springer Verlag Press，2004.

[32]顧曉安，莊曉棟，許澤慶.空間視角下的普惠金融與農村減貧增收——機制探討與實證檢驗[J].農村金融，2020（1）：108-116.

[33]中國共產黨第十九屆中央委員會第五次全體會議公報[R].北京：人民出版社，2020：15.

責任編輯：母愛英

Research on Poverty Alleviation with Human Capital Structure Optimization from thePerspective of Spatial Spillover Effect in China

He Xionglang， Shi Shijiao

（School of Economics， Southwestern Minzu University， Sichuan Chengdu 610041， China）

Abstract：

By building a common panel model and spatial econometric model，the authors empirically test the poverty reduction effect in optimizing the structure of the human capital. The results of this study show that the alleviation situations between regions are not random or independent， they have a significant spatial spillover effect. The general panel regression results show that the promotion of healthy and educated human capital can positively promote regional poverty alleviation， while after the introduction of spatial correlation， there is no obvious correlation between educated human capital and poverty alleviation and the regression coefficient of healthy human capital decreases， indicating that ignoring the spatial correlation will overestimate the impact of educated and healthy human capital on regional poverty alleviation. Labor transfer has a strong spatial spillover effect. Considering spatial dependence， labor transfer will further accelerate the pace of regional poverty alleviation.

Key words：educated human capital; healthy human capital; labor transfer; poverty alleviation; spatial correlation