成渝地區雙城經濟圈城鄉收入差距的時空演變與影響因素分析

摘 "要：基于成渝地區雙城經濟圈16個市2010—2019年的面板數據，構建了基礎設施、產業結構、地理環境等類別的城鄉收入差距影響因素指標體系，綜合應用核密度曲線圖及空間動態杜賓模型等，探究了城鄉收入差距的時空演變趨勢和影響因素。結果表明：成渝地區雙城經濟圈的城鄉收入差距呈現出逐漸縮小的態勢，但各市城鄉發展仍不均衡，還存在兩極分化現象；經濟圈內的城市有較強的空間外溢效應，相鄰城市之間有很強的帶動作用；影響城鄉收入差距的主要因素有教育投入水平、農村機械化水平、第一產業勞動生產率、土地生產率、地理環境綜合水平，但在長短期效應下影響方式存在差異。

關鍵詞：城鄉收入差距；地理環境；空間外溢效應；長短期效應；空間動態杜賓模型

中圖分類號：F207 "文獻標識碼：A "文章編號：1009-8135（2023）02-0059-14

一、引言

隨著全面建成小康社會目標的實現，當前我國絕對貧困問題得到了歷史性解決，但低收入困難群眾仍將長期存在，城鄉間的收入差距仍然是經濟工作中的突出問題[1]。2020年，中國的基尼系數為0.47，已遠超0.4的國際公認警戒線，說明我國居民內部的收入差距仍然較大，且主要體現為城鄉間的收入差距。因此，縮小城鄉居民收入差距，不僅能推動城鄉協同發展，也是高質量發展中促進廣大人民群眾共同富裕的內在要求。

關于城鄉收入差距的研究，有學者從城鄉二元經濟結構方面探討：韓建雨[2]認為城鄉收入差距加大的主要原因是我國城鄉分割的二元經濟結構；孫超英[3]認為城鎮化進程強化了城鄉二元結構，進一步擴大了城鄉收入差距；王全景[4]提出雙重二元結構模型，發現所有制結構及城鎮化水平分別和城鄉收入差距存在剛好相反的正“U”和倒“U”關系。有學者認為產業結構、外商投資、財政支出等經濟類因素會對城鄉收入差距造成不同程度的影響。任元明[5]、李振興[6]分別研究了產業結構和外資進入對城鄉收入差距的影響，結果表明兩者均有顯著的地域性特征，具體表現為產業結構升級會拉大城鄉收入差距，而外資進入則會減小差距；產業結構升級在西部地區能縮小城鄉收入差距，而外資進入對該地區則沒有顯著影響。李成友[7]認為我國財政支出存在城市偏向性，可能導致城鄉收入差距擴大。有學者認為非經濟類因素如政治體制、人口狀況、文化教育等會通過促進或制約經濟發展進而影響城鄉收入差距。陳享光[8]研究發現農村電商政策會通過增加農村居民的收入來縮小城鄉收入差距；丁玉龍[9]使用3SLS估計方法發現農村人口老齡化會加大城鄉收入差距，且二者之間存在相互影響，但影響程度不同；Lufeng[10]實證發現高等教育的擴張顯著縮小了我國城鄉收入差距，并通過檢驗證明結果穩健。

上述文獻從不同角度探究了中國城鄉收入差距的影響因素，為后續研究奠定了堅實基礎，但較少有文獻將地理環境作為一種可能因素進行分析。由于地形和氣候等關鍵地理條件會通過影響土地生產力來影響城鄉經濟發展和居民收入，故地理環境也是影響城鄉收入差距的重要因素之一。而以城市群為研究對象探討有關時空演變和空間相關性的城鄉收入差距的文獻較少，故本文將探究城鄉收入差距的時空演變趨勢和影響因素。近年來，黨中央高度認可成渝地區雙城經濟圈（簡稱成渝地區）在推動西部經濟協調發展中的主導作用，但其內部經濟發展不均衡、農村發展不充分的結構性問題仍然存在，不利于該地區的整體發展，故本文以成渝地區雙城經濟圈作為研究對象。2020年，僅重慶和成都兩座城市在成渝地區總GDP占比已達63%，城鎮體系呈現出一種“中部塌陷”的啞鈴結構[11]；與此同時，成渝地區2020年的平均城鄉居民收入比約為2.42，超過其余三大經濟增長極，城鄉發展極不協調。總而言之，成渝地區日漸凸顯的城鄉收入差距仍是亟待解決的難題。因此，探究成渝地區城鄉收入差距的時空演變和影響因素，對縮小城鄉收入差距、推進鄉村振興具有重要意義。

鑒于此，本文基于成渝地區雙城經濟圈2010—2019年的面板數據，從以下方面分析論證：第一，考察成渝地區城鄉收入差距時空演變規律及空間分布狀況，確立基于成渝城市群的城鄉收入差距研究范疇，探究成渝地區城鄉收入差距的區域現狀和內在規律，有助于優化經濟圈內城市的資源配置，推動城鄉融合發展；第二，基于空間計量模型的影響因素分析，探究成渝地區城市的產業結構、經濟發展、地理環境等因素對城鄉收入差距的影響，將對成渝地區縮小城鄉收入差距的精準施策提供有益參考。

二、研究設計

（一）研究方法

1．莫蘭指數

全局莫蘭指數是檢驗空間相關性最直接的工具[12]，當莫蘭指數大于0時表明空間正相關，全局莫蘭指數越大說明兩區域的空間相關性越強；當莫蘭指數小于0時則為空間負相關，全局莫蘭指數越小說明兩區域的空間差異性就越大；當莫蘭指數等于0時，表明空間內各區域呈現隨機性。具體計算公式如下：

（1）

2．空間杜賓模型的設定

空間權重矩陣能有效衡量每個空間單元的關系，是建立空間統計模型分析的前提，本文運用反距離[13]空間權重矩陣 ，其中， 的定義如下：

（2）

考慮到需要同時探索解釋變量和被解釋變量在空間上的相關關系，因此選擇空間面板杜賓模型進行刻畫[14]。其數學表達式如下：

（3）

式（3）中i為第i個區域，i =1、2 … n；t為第t年，t = 1、2 … T；其中， 表示第t年、第i個區域的被解釋變量觀測值， 是被解釋變量 的一階滯后項，當 時為動態面板杜賓模型； 代表第t年被解釋變量的觀測值向量， 代表空間自回歸系數； 代表第t年、第i個區域的p個解釋變量觀測向量值； 和 分別為空間權重矩陣 和 的第i行， 和 的定義如式（2）； 表示第t年各地區的所有樣本觀測矩陣， 是 的轉置， 為解釋變量的空間滯后； 為區域i的個體效應； 為時間效應； 表示隨機誤差； 、 為待估計的參數向量。

（二）指標選取

1．被解釋變量

目前城鄉收入差距衡量方面，城鄉收入比、基尼系數和泰爾指數是三種主要方式。謝洪芳[15]認為泰爾指數不僅滿足總體原則、對稱原則、收入刻度獨立性原則等5個用于評判指標優劣的標準，且對收入的變換更加靈敏。因此，城鄉收入差距作為本文的被解釋變量，采取泰爾指數對其進行量化，其計算公式為：

（4）

式（4）中， 代表第t年的泰爾指數， 和 分別代表第t年城鎮居民和農村居民的總收入， 和 分別代表第t年城鎮常住人口和農村常住人口， 和 代表第t年該地區的總收入和總人口。

2．解釋變量

本文基于2010—2019年成渝地區所涵蓋的城市層面數據，從多類別影響因素出發，考慮數據獲取和已有研究[16-19]，分別從基礎設施水平、產業結構、社會發展、經濟發展及地理環境5個類別共選取具有代表性的14個指標作為解釋變量，如表1所示。由于不同時期物價會對數據造成影響，本文經濟類指標均以2010年為基期進行平減。本文使用的數據來自2010—2020年的《四川統計年鑒》《重慶統計年鑒》《中國價格統計年鑒》等；地區平均坡度通過ArcGIS軟件在區域90米高程數據上抓取；天氣數據來自天氣網和Climate data網站。

表1的地理環境類別中，借鑒楊子生[17]的方法，從地形和天氣兩方面引入非經濟指標賦權得到地理環境綜合水平。通過平均坡度來衡量地形優劣，是由于區域的坡度大小決定了土地的利用方式和方向，會影響農作物的種植及城市的發展[20]。極端天氣不僅給城市居民的生產生活帶來困擾，還易導致農作物減產、畜禽發病，給農民帶來經濟損失，因此選取一年中極端天氣次數的占比來衡量天氣的優劣，通過閾值法將極端天氣定義為當天最高氣溫高于35 ℃或最低氣溫低于0 ℃。最后給平均坡度和極端天氣占比分別賦予權重0.6和0.4，計算得到地區的地理環境綜合水平，該水平的數值越高代表地理環境越惡劣。

三、城鄉收入差距的時空演變和空間相關性分析

（一）城鄉收入差距的時空演變分析

1．城鄉收入差距的時間演變

繪制2010、2016及2019年的核密度曲線分布圖（圖1），考察成渝地區城鄉收入差距隨時間的演變趨勢。從圖1可知，（1）三條曲線從位置上呈現向左上移動的趨勢，表明成渝地區城鄉收入差距總體為逐漸縮小的態勢，這得益于近年來國民經濟的穩定發展和惠農政策的逐步健全，共同推動農村地區居民收入穩步上升；（2）每條核密度曲線峰值間的寬度逐漸變小，表明不同城市間城鄉收入的相對差距呈現出逐漸減小的趨勢；（3）每條曲線都呈現明顯的“雙峰”分布，說明成渝地區城市間的城鄉收入差距在縮小，但還是存在兩極分化現象，即成渝地區各市的城鄉發展并不均衡。

2．城鄉收入差距的空間演變

成渝地區城鄉收入差距低值區主要聚集在西北部，中值區聚集在東部，高值區在雅安和瀘州兩地。經過數年的演變，成渝地區的城鄉收入差距整體上呈現縮小態勢，空間分布表現出更為明顯的區域聚集性，這表明更應從區域的角度研究城市間的相互影響關系。此外，城鄉收入差距越大的城市所對應的農村人均可支配收入越小，說明成渝地區的城鄉收入差距往往伴隨著該地農村居民貧困問題。值得注意的是，雅安存在這一現象，其城鄉收入差距居高不下且農村人均可支配收入常年處于低值，究其原因可能是優質資源向城鎮的傾斜和農村發展的緩慢。一方面，雅安和成都在地理位置上的接壤使兩地在交通、工業等方面形成合作，某種程度上促進了雅安的城鎮發展；另一方面，94%的山地面積使雅安農村地區無法大力發展規模產業，導致農村居民收入較低。可見地形地貌對農村經濟發展尤為重要，因此將地理環境納入城鄉收入差距的影響因素進行分析是有必要的。

（二）城鄉收入差距的空間相關性分析

采用全局莫蘭指數考察成渝地區16個城市城鄉收入差距的空間相關性，通過式（2）的空間權重矩陣并運用ArcGIS軟件，計算得到成渝地區2010—2019年城鄉收入差距的全局莫蘭指數，如表2所示。

表2中2010—2015年城鄉收入差距的莫蘭指數未通過10%的顯著性檢驗，表示在空間上呈隨機分布，即城市間無顯著的相關關系。2016—2019年的全局莫蘭指數均為正，在10%的顯著性水平下，可認為2016—2019年成渝地區的城鄉收入差距在空間上存在正相關性。產生這種變化的原因可能是：第一，成渝高鐵的開通促進了成渝經濟圈的互聯互通。2015年12月成渝高速鐵路開通運營，成渝高鐵西起成都東站，途經資陽、大足等地區，東至重慶沙坪壩，成為連接成渝城市群的一條重要通道。第二，政策文件的出臺加強了成渝經濟圈的緊密合作。2015年川渝聯合簽署《關于加強兩省市合作共筑成渝城市群工作備忘錄》，明確今后將加強交通、信息化等方面的合作。2016年《成渝城市群發展規劃》進一步強調成渝地區需協同發展并形成集約高效的空間開發格局。第三，產業的分工協作助推了成渝經濟圈的融合發展。成渝地區合力打造的產業示范園區不斷促進產業融合，如位于廣安的高灘示范園區。截至2016年末，廣安累計引進重慶項目1 469個，項目工業總產值是廣安工業總產值的1/3。因此，基礎設施的連通、政策文件的出臺、產業的分工協作均佐證了成渝地區在空間上的相互依賴。

四、城鄉收入差距的影響因素分析

（一）空間計量模型的建立

本節運用2010—2019年成渝地區面板數據，從多類別影響因素出發探究表1中各指標對城鄉收入差距的影響。由于解釋變量的數值口徑較大，故對所有變量作對數處理。上文驗證了2016—2019年城鄉收入差距在空間上存在正相關性，因此，本節對2016—2019年的面板數據建立空間計量模型。首先，借助LM檢驗結果來判斷空間計量模型的形式，分別進行LM-error（誤差拉格朗日乘數檢驗）檢驗和LM-lag（滯后拉格朗日乘數檢驗）檢驗[21]，檢驗結果如表3所示。由表3可知穩健的LM-error通過1%的顯著性檢驗，故暫時建立SEM模型，使用Hausman檢驗確定模型中個體效應的類型，結果顯示模型應采用固定效應。其次，為進一步確定模型的形式，需再次對模型進行LR檢驗和Wald檢驗，用以檢測SDM模型是否會退化為SEM模型或SAR模型[22]，表3顯示兩種檢驗均顯著，認為SDM模型能更好地解釋數據。由于當年收入極易受到上年的影響，所以在解釋變量中加入上年的城鄉收入差距。因此，本文最終建立帶有時間固定效應的動態面板SDM模型來探索各影響因素與城鄉收入差距在空間上蘊藏的關系。

表4為OLS回歸模型和動態SDM模型的估計結果，綜合對比表4中模型的R^2、AIC及BIC，可知動態SDM模型更優。動態SDM模型的空間自回歸系數和滯后一階的城鄉收入差距估計值分別為1.078和0.293 1，均在1%的水平下顯著。一方面，空間自回歸系數顯著表明成渝地區的城鄉收入差距在空間上存在相關性，說明建立動態SDM模型在刻畫數據間的關系上優于OLS模型；數值為正表明毗鄰城市城鄉收入差距的減小會使本市城鄉收入差距也減小。另一方面，滯后一階的城鄉收入差距的估計值顯著為正，說明成渝地區當年的城鄉收入差距會隨著上年的擴大而擴大，有明顯的正向影響且影響程度較大，這一結果反面驗證了加入上年城鄉收入差距作為解釋變量的必要性。

（二）影響因素分析

本文建立的空間計量模型不僅有解釋變量時間上的一階滯后項，也含有解釋變量和被解釋變量的空間滯后項，解釋變量的變動對本市和毗鄰城市均有一定的影響，LeSage[23]提到包含因變量空間滯后的模型需要對參數進行特殊解釋。因此，為避免此時模型估計得到的系數可能存在偏差的問題，將因變量估計值分解為直接效應和間接效應[24]。在時間維度上，動態SDM還可分為短期效應及長期效應，效應分解結果見表5。表5中的直接效應刻畫了因素變動對本地的影響，包括本地因素變動對本地的影響，以及本地因素變動對毗鄰地區產生影響進而反饋到本地；間接效應刻畫了因素變動的溢出效應，包括毗鄰地區因素變動對本地的影響，以及毗鄰地區因素變動對自身影響進而反饋影響本地[25]。

由表5中的效應分解后的估計結果可知，多數變量的間接效應估計數值大于直接效應的估計數值，這意味著成渝地區各城市的空間外溢效應較大，相鄰城市間有很強的帶動作用，也表明建設成渝地區雙城經濟圈對各城市減小城鄉收入差距具有重要作用。從效應分解后系數的絕對值看，教育投入水平、農村機械化水平、第一產業勞動生產率、土地生產率、地理環境綜合水平是城鄉收入差距的主要影響因素，下文將對這些因素進行逐一分析。

1．教育投入水平的影響分析

教育投入水平的長期直接效應顯著，估計系數值為0.099 7，表明長期加大教育投入可能會擴大城鄉收入差距。由于農村地區的教育缺口遠大于城鎮地區，雖然總的教育投入在增加，但這種投入可能更偏向經濟條件較好的城鎮地區，間接導致城鎮經濟和教育穩步上升而農村原地踏步。所以，要縮小城鄉收入差距更應加大對農村教育的投入力度。長短期間接效應顯著為負，這意味著本市教育投入的增加會縮小鄰市城鄉收入差距。這可能是因為教育資源具有極化效應，優質教育通常聚集在經濟發展水平較高的地區，加大本地城市的教育投入，能吸納大量毗鄰城市居民前往居住。其中，相比于農村居民而言，經濟條件較好的城鎮居民更容易被吸引，使毗鄰城市的經濟、人力等要素流失，進而縮小城鄉收入差距。

2．農村機械化水平的影響分析

農村機械化水平的長短期效應均顯著，直接效應為負表明提升農村機械化水平有利于促進農作物產量的增加、提高農民收入、縮小城鄉收入差距；間接效應為負表明鄰市農村機械化水平的提升能減小本地城鄉收入差距。此外，長期效應的估計系數絕對值大于短期效應，這是由于農作物的生長周期較長，提升機械化水平所投入的財力并不能及時獲益。因此，推動農村機械化水平的長期高質量發展可更有效地減小城鄉收入差距。

3．第一產業勞動生產率的影響分析

第一產業勞動生產率的長短期效應均通過了5%的顯著性檢驗，且估計系數為負，表明提高第一產業勞動生產率有利于抑制城鄉收入差距的擴大。原因是第一產業主要為農村主營的農、林、漁、畜牧業等，這些產業的勞動生產率與農村地區居民的收入呈正相關，因此城鄉收入差距會隨著農村居民收入的增加而縮小。

4．土地生產率的影響分析

土地生產率的長短期直接效應均是負值并在5%的顯著性水平下通過檢驗，表明提高土地生產率有助于減小城鄉收入差距。估計系數的絕對值分別為0.133 8和0.268 2，在全部影響因素中的數值最大，即對城鄉收入差距的影響程度最大，由此說明提高土地生產率是減小城鄉收入差距較為有效的途徑。土地生產率的長短期間接效應均顯著為正，說明提高本地的土地生產率會加大毗鄰城市的城鄉收入差距，這是由于提升本地的土地生產率會導致毗鄰城市生產要素流失，進而擴大毗鄰城市的城鄉收入差距。

5．地理環境綜合水平的影響分析

地理環境綜合水平的長短期效應均為正并通過1%的顯著性檢驗，這說明地理環境綜合水平得分越高，城鄉收入差距越大。原因是地理環境綜合水平是由坡度和極端天氣占比計算得到的，一方面地區的坡度較大會影響農村地區轉向城鎮的開發成本和農產品的規模生產，不利于農村地區的大力發展，會進一步加大城鄉收入差距；另一方面成渝地區的極端天氣主要表現為高溫，在高溫頻發的情況下，農作物產量降低導致的農村居民收入減少會加大城鄉收入差距。

五、結論與探討

本文基于成渝地區雙城經濟圈16個城市2010—2019年的面板數據，在綜合應用核密度曲線圖及莫蘭指數考查城鄉收入差距的時空演變趨勢和空間相關性的基礎上，運用空間動態SDM模型探究影響城鄉收入差距的主要因素，得到如下結論：

第一，時空演變和相關性分析發現：（1）2010—2019年成渝地區城鄉收入差距總體呈現逐漸縮小的態勢，不同城市的相對城鄉收入差距逐漸縮小，各市城鄉發展存在兩極分化現象。（2）空間分布上，2010—2019年成渝地區的城鄉收入差距逐漸呈現明顯的區域聚集性。結合農村人均可支配收入發現，成渝地區的城鄉收入差距較大，往往伴隨著農村居民貧困問題。（3）空間相關性上，2016—2019年成渝地區城鄉收入差距的莫蘭指數為正，城鄉收入差距逐漸呈現空間依賴性。

第二，空間動態SDM模型估計結果顯示：（1）空間自回歸系數顯著為正，表明毗鄰城市城鄉收入差距的減小會使本市城鄉收入差距也減小。（2）上年的城鄉收入差距對當年有明顯的正向影響，且影響程度較大。（3）效應分解顯示成渝地區各城市有較強的空間外溢效應，相鄰城市之間有很強的帶動作用。

第三，影響因素分析表明：（1）教育投入水平對縮小城鄉收入差距具有抑制作用，但加大毗鄰城市的教育投入水平會縮小本地城鄉收入差距。（2）無論是提升本地城市還是毗鄰城市的農村機械化水平都有助于縮小城鄉收入差距，且長期發展農村機械化可更有效地減小城鄉收入差距。（3）第一產業勞動生產率的提高能抑制城鄉收入差距擴大，具體表現為“提升第一產業勞動生產率→增加農村居民收入→縮小城鄉收入差距”的演進規律。（4）土地生產率的提高是減小城鄉收入差距的有效途徑，但提高本地的土地生產率會加大毗鄰城市的城鄉收入差距。（5）地理環境也是影響城鄉收入差距的因素之一，降低地理環境綜合水平的得分有助于縮小城鄉收入差距。

綜上所述，對抑制城鄉收入差距的擴大提出以下建議：

第一，充分發揮城市的空間外溢效應。針對成渝地區城鄉收入差距的兩極分化問題，要持續加強以成都、重慶為核心城市的帶動作用，促進成渝經濟一體化。此外，雖然經濟發展是減小城鄉收入差距的有效途徑，但仍會存在一部分低收入人群，因此鞏固拓展脫貧攻堅成果，增強脫貧地區和脫貧群眾內生發展動力，因地制宜找準致富道路，才能實現共同富裕。

第二，加強農村地區教育投入，貫徹科教興國戰略。加大農村青少年的教育投入，不僅能提升青少年素質，還能培養人才，為地區發展獻力。政府在分配教育資源時，可適當向農村偏遠地區傾斜。也可通過愛心人士捐贈等方式，持續助力貧困地區教育發展，讓更多農村青少年全面發展，用知識改變命運。

第三，因地制宜推進農村發展，提高農村居民收入水平。首先，對于能形成規模農業產業的地區，可加強農村居民的農業知識培訓，傳播種植養殖新技術，在提升作物產量、增加收入的同時，最大程度發揮機械在農村生產中的作用。其次，對于地理環境復雜但具備獨特氣候、景色的農村地區，可創建當地特色產業或旅游業帶動地區發展。再次，對于極端天氣頻發的地區，相關部門可開發極端天氣預警系統，提前采取應對措施，將農村居民可能因極端天氣受到的損失降到最小。最后，對于實在不具備農業生產優勢的地區，當地政府應開展技能培訓，鼓勵農村居民外出就業，使農村低技能人群通過服務業等行業提高收入。

參考文獻：

[1] 冉鴻燕.做大“蛋糕”分好“蛋糕”[N].中國質量報，2021-11-05（3）.

[2] 韓建雨.我國城鄉居民收入差距變動的影響因素分析[J].統計與決策，2013（9）：126-128.

[3] 孫超英，鄒煬.城市蔓延對城鄉收入差距的影響研究——以成渝地區雙城經濟圈為例[J].四川行政學院學報，2021（5）：77-86.

[4] 王全景，郝增慧.所有制結構、城鎮化與城鄉收入差距——基于雙重二元結構視角的分析[J].山西財經大學學報，2018（5）：15-29.

[5] 任元明，王小華.產業結構調整、城市化推進與城鄉收入差距論析[J].西南大學學報（社會科學版），2014（2）：77-84.

[6] 李振興，朱海華，楊釩.外資進入與城鄉收入差距：基于地級市面板數據的實證分析[J].農村經濟，2021（4）：63-69.

[7] 李成友，孫濤，王碩.人口結構紅利、財政支出偏向與中國城鄉收入差距[J].經濟學動態，2021（1）：105-124.

[8] 陳享光，湯龍，唐躍桓.農村電商政策有助于縮小城鄉收入差距嗎——基于要素流動和支出結構的視角[J/OL].農業技術經濟（2021-11-30）[2022-05-21].https：//doi.org/10.13246/ j.cnki.jae.20211126.001.

[9] 丁玉龍.農村人口老齡化與城鄉收入差距[J].華南農業大學學報（社會科學版），2018（1）：104-113.

[10] Lufeng Han，Qiqi Zhang. Impact of Higher Education Expansion on the Urban-Rural Income Gap in China： An Empirical Analysis based on Provincial Panel Data[J]. Scientific and Social Research， 2022， 4（1）： 101-111.

[11] 彭勁松.成渝地區雙城經濟圈建設：階段判識、戰略意義及推進策略[J].中國西部，2020（2）：13-23.

[12] 肖枝洪，隆蓉.資源衰退型城市脆弱性及空間特征分析[J].統計與信息論壇，2017（9）：55-62.

[13] 白仲林.面板數據計量經濟學[M].北京：清華大學出版社，2019：83-84.

[14] 陳強.高級計量經濟學及Stata應用[M].北京：高等教育出版社，2014：593-594.

[15] 謝洪芳，賴淑鑾.收入分配不均度量方法討探[J].統計與決策，2004（1）：22-24.

[16] 閆東升，孫偉，陳東，等.長江三角洲城鎮化率與城鄉收入差距的關系研究[J].中國人口·資源與環境，2021（5）：28-36.

[17] 楊子生，楊人懿，劉鳳蓮.基于貧困分級的云南省城鄉收入差距時空演化與影響因素研究[J].地理研究，2021（8）：2252-2271.

[18] 劉晗.城鎮化、產業結構調整與城鄉收入差距實證分析——以重慶市為例[J].重慶三峽學院學報，2016（2）：67-72.

[19] 鄧濤濤，王丹丹.中國高速鐵路建設加劇了“城市蔓延”嗎？——來自地級城市的經驗證據[J].財經研究，2018（10）：125-137.

[20] 周萬村.三峽庫區土地自然坡度和高程對經濟發展的影響[J].長江流域資源與環境，2001（1）：15-21.

[21] 張瑜，任以勝，陸林，等.入境旅游集聚對城鄉居民收入差距的空間效應——基于空間計量模型分析[J].世界地理研究，2021（5）：1061-1072.

[22] Elhorst J P . Matlab Software for Spatial Panels[J]. International Regional Science Review， 2014（3）：389～405.

[23] James LeSage，Robert Kelley Pace.Introduction to Spatial Econometrics[M].Taylor and Francis;CRC Press：2010（12）：33～35.

[24] 程開明，章雅婷.中國城市創新空間溢出效應測度及分解[J].科研管理，2018（12）：86-94.

[25] 李長亮.城鎮化、空間溢出與城鄉收入差距——基于全國和省域面板數據的空間計量分析[J].經濟問題，2016（6）：121-125.

（責任編輯：張新玲）

Analysis of Spatial-temporal Evolution and Influencing Factors of Urban-rural Income Gap in the Chengdu-Chongqing Economic Circle

XIAO Zhihong "ZHANG Jia "YANG Yongxia

（School of Science， Chongqing University of Technology， Chongqing 400054， China）

Abstract： Based on the 2010-2019 panel data of 16 cities in the Chengdu-Chongqing economic circle， the index system of influencing factors of urban-rural income gap is constructed in the categories of infrastructure， industrial structure， geographical environment， etc. The kernel density curve， spatial distribution map and spatial dynamic Durbin model were comprehensively applied to explore the spatial-temporal evolution trends and influencing factors of the urban-rural income gap. The results show that the urban-rural income gap in the Chengdu-Chongqing Economic Circle shows a gradually narrowing trend. However， there is the uneven the urban-rural development in each city and a polarization in income distribution. The cities within the economic circle have a strong spatial spillover effect， while neighboring cities have a strong driving effect. The main factors affecting the urban-rural income gap include the level of education investment， the level of rural mechanization， the labor productivity of the primary industry， the productivity of land， and the comprehensive level of geographical environment. However， there are some differences in the influence modes under the long-term and short-term effects.

Keywords： urban-rural income gap; geographical environment; spatial spillover effect; long-term and short-term effects; spatial dynamic Durbin model

作者簡介：肖枝洪（1965—），男，湖北漢川人，博士，教授，主要研究數據分析、應用統計。

通信作者：張佳（1999—），女，重慶潼南人，碩士研究生，主要研究數據分析、應

用統計。

楊永霞（1997—），女，重慶大足人，碩士研究生，主要研究數據分析、應用統計。

基金項目：教育部人文社會科學研究規劃基金項目“時空大數據視角下我國人口出生率的地

域差異及影響因素研究”（19XJA840002）；重慶市教育委員會人文社會科學項目

“中國數字經濟統計指標體系與核算方法研究”（22SKGH303）。