党的二十大报告中指出要“全面推进乡村振兴,坚持农业农村优先发展,巩固拓展脱贫攻坚成果,扎实推进共同富裕”。实现共同富裕,最艰巨最繁重的任务仍然在农村,农民收入的持续稳定增长是推动共同富裕的关键,促进农民收入的持续稳定增长重点在增长,难点在持续稳定。收入的增长取决于相应的动力机制,不同区域、不同时段引致收入增长动力机制的异质性,造成了不同区域农民收入水平的差异,对于经济社会发展水平相对滞后的区域,农民收入增长面临着更严峻的挑战。因此,系统研究农民收入增长的动力及其时空演化特征对于建立农民收入持续稳定增长的长效机制具有重要的理论和现实意义。
学术界就农民收入增长问题从不同角度进行了广泛的研究,部分学者从农民收入出发,对收入结构视角下不同类型农民收入的影响因素进行了探讨[1-3];另一部分学者则从影响因素切入,基于特定背景讨论不同影响因素对农民收入的增收效应和作用机制[4-7]。普遍的证据表明了五类因素对农民收入有显著影响,即非农产业发展[8]、农业产业发展[9]、资金投入[10]、基础设施[7]、公共服务[11]。对于非农产业,研究表明可以通过提高非农就业水平,促进农民收入增长[12]。对于农业产业,研究表明借助农业机械化提高农业劳动生产率可以对农民的工资性收入、经营性收入的增长产生显著的正向作用[6, 13];亦有研究发现农民收入和产业融合发展存在相互促进作用[14],产业融合发展提升了农业产业结构的合理化和高级化水平[15],进而促进农民收入增长。对于资金投入,研究发现农村金融的发展会间接促进农民收入增长[16];另一方面,政府资金的投入能够直接促进农民收入增长[10, 17]。对于基础设施和公共服务,研究表明完善交通[18, 19]、通讯[20, 21]、医疗卫生[22]、教育[23, 24]等基础设施,提升公共服务水平,可以正向促进农民经营性收入和工资性收入的增长。农民收入是区域内各种因素交互作用的结果,由于区域发展的阶段性,同一区域农民收入增长动力在时间维度上呈现出一定的异质性[25],同时,区域间要素配置具有差异性,不同区域农民收入增长动力在空间维度上的作用过程与结果亦存在异质性[26]。另一方面,随着脱贫攻坚与乡村振兴战略的实施,我国农民收入结构发生显著变化[27],农民收入来源逐渐多样化,由以经营性收入增长为主逐渐转变为各项收入协同增长,农民收入的持续增长离不开收入结构的优化[2],不同类型农民收入的增长潜力和增长速度存在差异性,其对农民增收的贡献也存在结构性差异[3]。上述关于农民收入的研究成果已相当丰硕,但多侧重于探究不同影响因素对不同类型农民收入的增收效应和作用机制,忽略了区域的系统性和发展性,缺乏从收入结构视角对于农民收入增长动力的时空异质性分析。以收入结构为视角探究不同因素对农民不同类型收入增长的驱动效应及其时空演化特征,对于在理论上深入认知农民收入增长内在机理,在实践上制定更为精准的农民持续增收的促进政策具有重要意义。
石漠化地区是乡村振兴的重点和难点区域,其自然本底脆弱,经济社会发展水平滞后,农民收入增长面临诸多挑战。本文以石漠化脱贫地区80个县级行政单位(县/自治县) 为研究对象,以农民收入结构为视角,构建农民收入增长驱动因素测度指标体系,运用Weaver-Thomas模型测度农民收入增长动力及其组合关系,并运用灰色关联度模型验证农民收入增长动力结构及其稳定性与农民收入水平及增长率的关联性,进而探究研究区域农民收入增长动力的时空演化特征。
2 理论框架与问题设定 2.1 农民收入增长动力的分析框架依据国家统计局发布的文件,按照收入来源,农民收入可分为工资性收入、经营性收入、财产性收入和转移性收入四类[28]。按照驱动路径,农民收入增长可分为直接驱动和间接驱动,直接驱动农民收入增长体现为四类收入的增长;间接驱动农民收入增长体现为农民获取收入机会的增多以及生活支出的减少。基于此构建农民收入增长动力的分析框架。
工资性收入即农民通过务工等途径获得的劳动报酬[29],石漠化地区农业产业化发展相对滞后,农民缺乏在规模化经营的农业企业务工的机会,农民工资性收入的增长主要受非农产业发展的驱动。因此,农民工资性收入增长由非农产业就业收入增长和非农产业就业率提高两条路径正向驱动[30]。经营性收入即农民从事种植业、养殖业等生产经营活动所获得的收入[29],其主要受当地农业产业发展水平和资金要素投入的影响。因此,农民经营性收入一方面由农业产业收入增长和农业劳动生产率提高正向驱动,另一方面由社会资金投入增长正向驱动[31]。同时,农业劳动生产率的提高会引致农村剩余劳动力增多,并向二三产业转移,进一步促进了农民工资性收入的增长[32]。财产性收入是农民将其所拥有的资产和自然资源交由其他机构单位、住户或个人支配而获得的回报[29],由于农民财产性收入来源分散且难以测量,参照已有研究[33],可以认为农民财产性收入的增长由农民个人资金累积增长正向驱动。转移性收入即国家、单位、社会团体对特定对象的各种长期性转移支付[29],其主要受到国家、区域经济发展水平以及财政分配制度的影响。因此,农民转移性收入的增长由政府涉农资金投入增长正向驱动[1]。
间接驱动农民收入增长体现为农民获取收入机会的增多以及生活支出的减少。首先,交通、通信等基础建设的不断完善可以使农民跨区域就业更加便利、信息获取渠道拓宽[19],从而引致农民获取收入的机会增多。第二,农村地区基础教育条件的改善能够促进农民教育文化水平的提升,进而引致农民获取收入的机会增多。第三,医疗服务水平和社会保障水平的提高可以防止农民因病返贫、大病致贫,从而有效减少农民医疗卫生等不确定性支出[22]。上述涉及间接驱动农民收入增长的因素可归结为基础设施和公共服务。
基于上述分析,可构建农民收入增长动力的分析框架,如图 1所示。
基于农民收入增长动力的分析框架,可以发现农民收入增长的主要驱动因素涉及非农产业发展、农业产业发展、资金投入、基础设施、公共服务等5个方面。通常对于特定区域,上述驱动因素会呈现出一定的组合关系,可以用“农民收入增长动力结构”来表征。农民收入增长动力结构体现了农民收入增长各类驱动因素的作用强度组合,其在一定区域内存在时空异质性。
首先,农民收入增长动力结构与农民收入的关系。在特定区域、特定时间范围内农民收入增长动力结构会呈现特定的状态,进而影响农民收入水平。一般认为,随着经济社会的发展,农民收入主导驱动因素的作用强度越大(即其占比越高),农民收入水平越高[2],因此有理由认为农民收入增长主导驱动因素作用强度较大的区域农民收入水平相对较高。
第二,农民收入增长动力结构的变化与农民收入增长的关系。由于宏观政策、地方发展策略等因素的影响,特定区域在不同的时间,农民收入增长动力结构会发生变化。由于收入增长具有累积性和惯性,因此有理由认为农民收入增长动力结构较稳定的区域农民收入增长率相对较高[2]。
基于上述理论分析,本研究尝试通过实证研究解决以下问题:
(1) 石漠化地区农民收入增长动力结构与农民收入水平的关系。
(2) 石漠化地区农民收入增长动力结构的稳定性与农民收入增长率的关系。
(3) 石漠化地区农民收入增长动力的时空演化特征,即农民收入增长驱动因素的组合关系在不同区域的特征及其演化规律。
3 研究区域、数据来源及研究方法 3.1 研究区域及数据来源依据2012年国务院扶贫办公室发布的《关于公布全国连片特困地区分县名单的说明》,选取石漠化脱贫地区80个县级行政单位(县/自治县) 为研究对象,并以农村居民人均可支配收入衡量研究区域的农民收入水平。
本文所有数据均来源于2010—2019年《中国县域统计年鉴》以及各地区的统计公报。由于2014年之前的统计口径为“农村居民人均纯收入”,为了保证数据的一致性,参照已有研究[30],本文所涉及的2010—2013年农村居民人均可支配收入数据由后一年度农村居民人均可支配收入及当地政府公布的当年农村居民人均可支配收入的增量率计算得出,并以2010年为基期对数据进行不变价处理。由于指标中人均财政农业支出、公路密度、人均移动电话数缺乏县域尺度的数据,以研究区域所在市或自治州的数据代替。
3.2 指标选取基于前文所构建的农民收入增长动力的分析框架,构建农民收入增长驱动因素测度指标体系,如表 1所示。该指标体系共包含5个一级指标和12个二级指标。5个一级指标分别为非农产业、农业产业、资金投入、基础设施、公共服务;12个二级指标分别为人均第二产业增长值、非农产业就业率、人均第一产业增长值、农业机械总动力、人均金融机构贷款余额、人均居民储蓄余额、人均财政农业支出、公路密度、人均移动电话数、每万人普通中小学在校学生数、每万人医疗卫生机构床位数、每万人各种社会福利收养性单位床位数。
为探究农民收入增长驱动因素的作用强度组合,引入Weaver-Thomas模型。Weaver-Thomas模型原理是在多要素构成的系统中,通过比较要素的实际组合比例与理论组合比例之间的一致性,找出最能反映要素实际组合关系的最佳拟合比例,实际组合比例与理论组合比例之间偏差最小时所对应的比例即为最佳拟合比例[39],其计算过程如下:
(1) |
(2) |
(3) |
式中,Qij为样本i的第j个驱动因素(i = 1, 2, 3, …, m; j = 1, 2, 3, …, n);Wij为驱动因素所占区域比重;Tij为驱动因素所占实际比重;σ2为实际分布与理论分布之间的方差值;xi为实际分布;
由于农民收入及相关评价指标数据均为截面数据,为了减小由计算方法引起的误差,引入灰色关联分析模型验证农民收入增长动力结构及其稳定性与农民收入水平及增长率的关联性,其计算公式如下:
(4) |
(5) |
(6) |
(7) |
式中,γ0i为灰色相对关联度;s'0为参考序列的初值像;s'i为比较序列的初值像;x00'为参考序列的始点零化像;xi0'为比较序列的始点零化像;γ0i取值范围为0 < γ0i ≤ 1,γ0i取值越大关联程度越大。
4 结果分析 4.1 农民收入增长动力类型的划分依据Weaver-Thomas模型,首先,计算样本各驱动因素的实际比重,得出样本各驱动因素的实际组合比例。其次,将样本各驱动因素按其实际比重大小进行降序排列,再分别计算样本实际组合比例与“一元驱动”到“十二元驱动”组合比例之间的方差值[39]。最后,绘制样本驱动因素组合的方差分布图,横坐标为按实际比重降序排列的十二个驱动因素,纵坐标为从“一元驱动”到“十二元驱动”组合依次排列的方差值。根据驱动因素组合的方差值由大变小再由小变大的性质,最小方差值所对应的实际组合比例与理论组合比例之间一致性最高,方差曲线最低点及其左侧若干因素即为该样本农民收入增长的驱动因素[39],其排列顺序反映了对农民收入增长作用强度的大小。
进而选取农民收入增长的首位和第二位驱动因素为主导驱动因素,并基于此组成农民收入增长的主导驱动因素组合[39]。为了分类比较农民收入增长动力的时空演化特征,按照组内同质、组间异质的原则将具有相似属性的主导驱动因素组合归为相应类型,如表 2所示。其中“A类动力”体现为外部投入主导的特征,即以政府、市场等力量的外部投入为主,通过加强基础设施建设、完善公共服务、加大资金投入力度等,促进农民收入增长;“B类动力”体现为农业发展主导的特征,即通过激发农业自身的发展动力,基于农业产业收入增长和农业劳动生产率提升引致农民收入增长;“C类动力”体现为非农产业发展主导的特征,即以在促进非农产业发展的契机下,其所形成的溢出效应带动了当地农民非农就业收入的增长和非农就业率的增加,从而促进农民收入增长;“D类动力”体现为农业与非农产业融合发展主导的特征,现有文献表明,产业融合发展和农民收入之间存在互相促进作用[14, 15]。
以“农民收入增长动力指数”来测度农民收入增长动力结构。将农民收入增长主导驱动因素所占实际比重求和,即为农民收入增长动力指数[39],农民收入增长动力指数越大,农民收入主导驱动因素所占比重越高。
为了验证农民收入增长动力结构与农民收入水平之间的关联性,对2010—2019年研究区域农民收入增长动力指数与农民收入进行灰色关联度分析。结果显示两者呈现出较高的关联性,且参考序列和比较序列初值像符号一致,农民收入增长动力指数与农民收入为正相关,如表 3所示。验证得出农民收入增长动力指数较高,即农民收入主导驱动因素占比较大的区域农民收入水平相对较高,反之则农民收入水平相对较低。
以“农民收入增长动力稳定性指数”来测度农民收入增长动力结构的稳定性。以农民收入增长动力的变动次数为依据,若2010—2019年,研究区域动力类型没有变动,则编码为“1”;动力类型变动一次,则编码为“2”;动力类型变动两次,则编码为“3”,动力类型变动三次,则编码为“4”,编码即为农民收入增长动力稳定性指数,农民收入增长动力稳定性指数越小,农民收入增长动力结构的稳定性越好。
为验证农民收入增长动力结构的稳定性与农民收入增长率之间的关联性,选取农民收入增长率最高和最低点为始点,分别对2010—2019年研究区域农民收入增长动力稳定性指数与农民收入增长率进行灰色关联度分析。结果显示两者呈现出较高的关联性,但参考序列和比较序列初值像符号相反,农民收入增长动力稳定性指数与农民收入增长率为负相关,如表 4所示。验证得出农民收入增长动力稳定性指数较高,即农民收入增长动力结构稳定性较高的区域农民收入增长率相对较高,反之则农民收入增长率相对较低。
为探究特定区域农民收入增长动力类型时间维度的演化特征,根据研究区域不同年份农民收入增长动力类型绘制桑基图,如图 2所示。桑基图第一个竖条表示80个研究样本,其余竖条分别表示2010年、2013年、2016年、2019年的动力类型分布情况,不同年份农民收入增长动力类型的宽度表征其数量。
首先分析动力类型的结构。研究区域4个时间截面中2010年(34个)、2016年(28个)、2019年(30个) A类动力样本所占比重最高,2013年C类动力样本所占比重最高(32个)(见图 2)。可以看出,大部分石漠化地区仍以外部投入推动农民收入增长为主,缺乏内生的造血能力。而2012年以来,以贵州省、云南省为代表的区域实施了“推动特色优势产业集群发展”等产业战略,促进了文旅、大数据等产业的发展,其外溢影响促进了2013年C类动力样本的增多,因此,区域产业发展能为周边缺乏内在发展动力的区域农民收入增长创造有利条件。另一方面,4个时间截面B类及D类动力样本所占比重相对较低,反映了石漠化地区羸弱的农业发展条件使得大部分区域农业发展对农民收入增长的贡献程度不足。但仍然有部分样本呈现出农业发展或一二三产业融合发展促进农民收入增长的状况,如贵州省2015年以来大力推进“农村产业革命”,一些“产业定位准、市场推广佳”的县(如龙里县、瓮安县等) 通过发展特色农业产业推动农民收入增长,而云南省、广西壮族自治区部分县域具有类似特征。
其次分析动力类型的相互转化。2010—2013年间,A类动力样本中14个转化为C类;B类动力样本中5个转化为C类;C类动力样本中11个保持不变;D类动力样本中2个转化为C类。2013—2016年间,A类动力样本中16个保持不变;B类动力样本中4个转化为A类;C类动力样本中7个转化为A类;D类动力样本中1个转化为A类。2016— 2019年间,A类动力样本中23个保持不变;B类动力样本中1个转化为A类;C类动力样本中5个转化为A类;D类动力样本中1个转化为A类(见图 2)。可以看出,大多数时间段,动力类型保持不变的样本所占比重较高,相互转化主要体现为A类与C类动力间的转化,同时A类动力类型亦最不稳定。这体现了由于资金、政策供给的阶段性,外部投入促进农民收入增长缺乏可持续性。另一方面,B类及D类动力类型相对更稳定,这体现了促进石漠化地区农民收入的持续稳定增长,仍需要“农字当头”,通过一二三产业融合发展,提升农村的自我造血能力。
最后分析动力类型结构的变化。基于2010—2019年研究区域农民收入增长动力类型环比变化率,如表 5所示。由表 5可知,2013年之后,动力类型的变化率相对较小。自2015年《中共中央、国务院关于打赢脱贫攻坚战的决定》发布后,以“六个精准”和“五个一批”为代表的精准扶贫、精准脱贫方略发挥了重要作用,精准扶贫的实质在于不搞“大水漫灌式”或“运动式”扶贫,而是因地制宜寻求脱贫的路径,这也引致了2016年之后农民收入增长动力类型的变化相对较少。同时也可以看出,2016年之后,A类和C类动力类型所占比重在持续下降,而B类和D类动力类型所占比重有上升趋势,这表明精准扶贫、精准脱贫工作能够激发农民收入增长的内生动力,有效促进一二三产业的融合,为石漠化地区农民收入增长提供稳定的动力源。
为探究不同区域农民收入增长动力类型的空间演化特征及其与农民收入的空间关联,将农民收入增长动力类型与农民收入(采用自然间断点分级法把不同年份的农民收入划分为4组) 空间可视化表达,如图 3、图 4所示。2010年相对高收入地区农民收入增长动力主要为C类和D类,相对低收入地区农民收入增长动力主要为A类和B类(见图 3a、3b)。相对高收入地区主要分布在广西壮族自治区(9个),少量分布在贵州省(3个) 和云南省(1个)。2013年相对高收入地区农民收入增长动力主要为C类和D类,相对低收入地区农民收入增长动力主要为A类和B类(见图 3c、3d)。相对高收入地区主要分布在广西壮族自治区(6个),少量分布在贵州省(2个) 和云南省(2个)。2016年相对高收入地区农民收入增长动力主要为A类、C类和D类,相对低收入地区农民收入增长动力主要为A类、B类和C类(见图 4a、4b)。相对高收入地区主要分布在广西壮族自治区(7个),少量分布在贵州省(1个) 和云南省(3个)。2019年相对高收入地区农民收入增长动力主要为B类、C类和D类,相对低收入地区农民收入增长动力主要为A类、B类和C类。相对高收入地区主要分布在广西壮族自治区(12个),少量分布在贵州省(1个) 和云南省(2个)(见图 4c、4d)。可以看出2010—2019年间,相对高收入地区农民收入来源较为稳定,农民收入增长动力变动频率相对较小;相对低收入地区农民收入来源不稳定,农民收入增长动力变动频率相对较大。不同地区的农民收入增长动力在随着时间演化的同时,呈现出显著的空间聚集性,且相应连片地区的农民收入水平相近。
基于上文分析,可以看出,农民收入增长动力结构存在时空异质性,其引致了相应区域特定时期农民收入水平增长的差异性。基于前文的量化分析结果,收集研究区域2010—2019年间各层级(省/自治区、市/州、县/自治县) 的政府工作报告,基于文本分析,提炼其与农民收入增长动力相关的政策措施,并将其归纳为农民收入增长动力时空演化特征,如图 5所示。由图 5可知,2010—2019年间,云南省主要体现为由B类和A类动力主导的特征;贵州省主要体现为由C类和A类动力主导的特征;广西壮族自治区主要体现为由B类、C类和D类动力主导的特征。2010—2019年间研究区域内广西壮族自治区相对高收入地区所占比重较大,下面以广西壮族自治区的石漠化地区(以下简称广西石漠化地区) 为例进行分析。
2010—2019年间,广西石漠化地区采取“政府引导,多方参与”的发展模式,充分发挥政府的引导作用,借助社会组织的力量,逐渐形成农业与非农产业融合发展的良性循环机制。2010—2013年间广西石漠化地区主要体现为由C类和D类动力主导的特征。由于石漠化地区农业发展受限,劳动力剩余量随着农业生产技术的提高逐渐增多,广西石漠化地区根据各行业的用工需求,积极开展“农民工培训”等活动,提高农民的就业能力,进而促进农民工资性收入的增长;此外,广西石漠化地区通过种植饲料树和优质牧草,以改善石漠化地区生态环境,促进畜牧业的发展和农民经营性收入的增长。2014—2016年间广西石漠化地区主要体现为由A类、B类和D类动力主导的特征。广西石漠化地区大力推广桑蚕、中药材等有机农产品的种植,并引导社会组织创办“农村合作经济组织”,进而促进农民经营性收入的增长,如大新县成立的“榄圩康谭水产养殖”专业合作社;此外,广西石漠化地区对部分发展较困难的地区采取“易地扶贫搬迁”策略,并对为“易地搬迁群众”提供就业机会的园区进行扶持,政府对社会组织力量的有效引导,不仅为农民提供了更多就业机会,也促进了当地产业的发展和农民工资性收入的增长,如田阳区提出的“企业+合作社+贫困户”产业发展模式。2017—2019年间广西石漠化地区主要体现为由B类、C类和D类动力主导的特征。在“精准扶贫、精准脱贫”方略的指导下,广西石漠化地区因地制宜建设“生态示范基地”,开展“科学种植”等培训,进而促进农民经营性收入的增长,如天等县的“3个10”项目和“贫困户+”产业扶贫模式;此外,广西石漠化地区结合当地文化地域特色,大力推进“乡村振兴产业发展”战略的实施,逐步形成农业与非农产业融合发展的特征,进而促进了农民经营性收入和工资性收入的增长,如宁明县结合当地特色打造的“骆越根祖·岩画花山”文旅品牌。
5 结论与建议 5.1 结论本文在所构建的农民收入增长动力的分析框架的基础上,以石漠化脱贫地区80个县级行政单位(县/自治县) 为研究对象,利用Weaver-Thomas模型、灰色关联度模型等方法测度农民收入增长动力结构及其稳定性与农民收入水平及增长率之间的关系,进而探究农民收入增长动力及其时空演化特征,主要结论如下:
(1) 农民收入的增长受非农产业发展、农业产业发展、资金投入、基础设施、公共服务等5类因素所驱动。非农产业发展主要作用于农民工资性收入,农业产业发展主要作用于农民经营性收入,资金投入主要作用于农民经营性收入、财产性收入和转移性收入,基础设施和公共服务主要通过提高农民获取收入的机会和减少农民生活支出,进而提高农民收入。特定区域、特定时间范围内不同类型的驱动因素会呈现出不同强度的组合关系,并表征为不同状态的农民收入增长动力结构,进而影响农民收入水平。
(2) 农民收入增长主导驱动因素的占比与农民收入水平之间存在显著的正相关性,即农民收入主导驱动因素占比较大的区域农民收入水平相对较高,反之则农民收入水平相对较低。不同类型农民收入增长的驱动因素通过作用于不同类型的农民收入,进而促进农民收入的增长。农民收入主导驱动因素的作用强度越大,其对农民收入增长的促进作用就越强,相应区域的农民收入水平越高。
(3) 农民收入增长动力结构的稳定性与农民收入增长率存在显著的负相关性,农民收入增长动力结构稳定性较高的区域农民收入增长率相对较高,反之则农民收入增长率相对较低。农民收入增长具有累积性和惯性,农民收入增长动力结构会随着时间演化为与当地基础条件和发展环境相匹配的结构,并逐渐趋于稳定,在这一演化过程中,其为农民收入的增长提供了较为稳定且强劲的动力,从而引致农民收入增长率的提升。
(4) 农民收入增长动力结构在一定区域内存在时空异质性。从时间维度来看,2010—2019年研究区域农民收入增长动力表现为以外部投入为主的特征,但外部环境的变化使得上述动力类型的变动频率较高,而源于内生发展的动力类型(以农业发展为主要驱动因素) 则更为稳定,同时这类动力类型虽然总体所占比重较小,但呈现出稳步增长的趋势;从空间维度来看,相对高收入地区农民收入来源稳定性较高,农民收入增长动力类型波动性较弱;相对低收入地区农民收入来源稳定性较低,农民收入增长动力类型波动性较强。
5.2 建议首先,促进农民收入增长应重视“差异性”,由于不同区域所处外部环境和发展阶段不同,引致农民收入增长的动力结构也有所差异,应结合区域实际情况进一步优化农民收入增长动力结构,因地制宜建立特色可持续发展模式,促进农民收入持续稳定增长;第二,促进农民收入增长应体现“基础性”,即发挥农业在农村经济发展中的基础性作用,上述研究表明,以农业产业为主导动力的区域农民收入增长更稳定,特别是对于自然本底脆弱、区位条件劣势的区域,夯实农业产业基础,加快推进一二三产业的融合,促进农产品市场流通、加工转化、乡村旅游、农村电商等产业协同发展,是促进农民收入持续稳定增长的必由之路;第三,促进农民收入增长应着眼“稳定性”和“长期性”,上述研究表明,农民收入动力结构更稳定的区域农民收入增长率更高,促进农民收入增长应注重长期效应,不搞“运动式”、“突击式”行动,培育稳定的农民收入增长动力源,逐步建立区域发展良性循环机制;最后,促进农民收入增长应发挥“协同性”,农民收入增长动力呈现出显著的空间聚集性,且相邻区域间存在协同效应,利用基础条件好、发展势能高的区域所产生的溢出效应带动周边区域的发展,通过基础设施、产业链条、公共服务等的互联互通,推动区域间联动发展,形成以点带面的规模效应,发挥区域合力,实现共同富裕。
本文尚存在一些不足之处:第一,尽管本文构建了农民收入增长动力的分析框架,但限于数据的可获取性,仅对部分驱动因素对农民收入增长的作用强度进行研究,并未进一步探讨其他可能的影响因素,无法较为完整的测度农民收入增长的动力;第二,不同驱动因素对不同类型农民收入的驱动机制和作用强度有所差异,本文只分析了农民收入增长动力结构对农民收入整体的驱动作用,并未进一步探讨其组合内部不同因素对不同类型收入的驱动机制和作用强度;第三,农民收入增长的驱动因素存在空间关联效应,本文限于篇幅,并未测度上述关联,也没有深入讨论区域协同促进农民收入增长的机制问题。这些均需在未来的研究中进一步深化与落实。
[1] |
Tang L, Sun S Y. Fiscal incentives, financial support for agriculture, and urban-rural inequality[J/OL]. International Review of Financial Analysis, 2022, 80: 102057. https://doi.org/10.1016/j.irfa.2022.102057.
|
[2] |
王小华. 中国农民收入结构的演化逻辑及其增收效应测度[J]. 西南大学学报(社会科学版), 2019, 45(5): 67-77, 198-199. [Wang Xiaohua. The evolutionary logic of Chinese farmers' income structure and measurement of their income growth effect[J]. Journal of Southwest University (Social Sciences Edition), 2019, 45(5): 67-77, 198-199.] |
[3] |
吴国松, 姚升. 要素市场扭曲背景下不同地域农民收入变动与结构优化研究[J]. 经济经纬, 2021, 38(1): 48-56. [Wu Guosong, Yao Sheng. A study on the change and structure optimization of farmers' income in different regions under the distortion of factor market[J]. Economic Survey, 2021, 38(1): 48-56.] |
[4] |
Chen W, Wang Q Z, Zhou H. Digital rural construction and farmers' income growth: Theoretical mechanism and micro experience based on data from China[J/OL]. Sustainability, 2022, 14(18): 11679. https://doi.org/10.3390/su141811679.
|
[5] |
Khanal A R, Mishra A K. Agritourism and off-farm work: Survival strategies for small farms[J]. Agricultural Economics, 2014, 45: 65-76. DOI:10.1111/agec.12130 |
[6] |
刘洋, 颜华. 县域金融集聚、农业机械化与农民收入增长——基于河南省县域面板数据的经验分析[J]. 农业技术经济, 2021(12): 60-75. [Liu Yang, Yan Hua. County financial agglomeration, agricultural mechanization and the growth of farmers' income: Empirical evidence based on the 105 counties in Henan Province[J]. Journal of Agrotechnical Economics, 2021(12): 60-75.] |
[7] |
Wang L S, Zhang F, Wang Z H, et al. The impact of rural infrastructural investment on farmers' income growth in China[J]. China Agricultural Economic Review, 2022, 14(1): 202-219. DOI:10.1108/CAER-09-2020-0211 |
[8] |
Li F, Feng S Y, Lu H L, et al. How do non-farm employment and agricultural mechanization impact on large-scale farming? A spatial panel data analysis from Jiangsu Province, China[J/OL]. Land Use Policy, 2021, 107: 105517. https://doi.org/10.1016/j.landusepol.2021.105517.
|
[9] |
陈林生, 黄莎, 李贤彬. 农业机械化对农民收入的影响研究——基于系统GMM模型与中介效应模型的实证分析[J]. 农村经济, 2021(6): 41-49. [Chen Linsheng, Huang Sha, Li Xianbin. Research on the impact of agricultural mechanization on farmers' income: Based on the empirical analysis of systematic GMM model and mediating effect model[J]. Rural Economy, 2021(6): 41-49.] |
[10] |
马远, 龚新蜀. 城镇化、财政支农与农民收入增加的关系[J]. 城市问题, 2010(5): 60-66. [Ma Yuan, Gong Xinshu. The relationship between urbanization, financial support to agriculture and the increase of farmers' income[J]. Urban Problems, 2010(5): 60-66.] |
[11] |
陈利, 黄金辉. 中国农村财政性公共服务投入与农民收入关系的计量分析[J]. 经济问题探索, 2020(7): 123-134. [Chen Li, Huang Jinhui. Quantitative analysis of the relationship between fiscal public service investment and farmers' income in rural China[J]. Inquiry into Economic Issues, 2020(7): 123-134.] |
[12] |
Chen L L, Peng J Q, Zhang Y B. Research on the impact of rural land transfer on non-farm employment of farm households: Evidence from Hubei Province, China[J/OL]. International Journal of Environmental Research and Public Health, 2022, 19(23): 15587. https://doi.org/10.3390/ijerph192315587.
|
[13] |
Peng J Q, Zhao Z H, Liu D N. Impact of agricultural mechanization on agricultural production, income, and mechanism: Evidence from Hubei Province, China[J/OL]. Frontiers in Environmental Science, 2022, 10: 838686. https://doi.org/10.3389/fenvs.2022.838686.
|
[14] |
郭军, 张效榕, 孔祥智. 农村一二三产业融合与农民增收——基于河南省农村一二三产业融合案例[J]. 农业经济问题, 2019(3): 135-144. [Guo Jun, Zhang Xiaorong, Kong Xiangzhi. The convergence of primary, secondary and tertiary industries and farmers' income generation: One case study of convergence of primary, secondary and tertiary industries in rural areas of Henan Province[J]. Issues in Agricultural Economy, 2019(3): 135-144.] |
[15] |
曹菲, 聂颖. 产业融合、农业产业结构升级与农民收入增长——基于海南省县域面板数据的经验分析[J]. 农业经济问题, 2021(8): 28-41. [Cao Fei, Nie Ying. Industrial convergence, upgrading of agricultural industry structure and farmers' income increase: An empirical analysis of county panel data in Hainan Province[J]. Issues in Agricultural Economy, 2021(8): 28-41.] |
[16] |
Li Y L, Wang M X, Liao G K, et al. Spatial spillover effect and threshold effect of digital financial inclusion on farmers' income growth: Based on provincial data of China[J/OL]. Sustainability, 2022, 14(3): 1838. https://doi.org/10.3390/su14031838.
|
[17] |
Wang Y N, Xu Y J, Chen W H. Study on the relationship between agricultural credit, fiscal support, and farmers' income: Empirical analysis based on the PVAR model[J/OL]. Sustainability, 2023, 15(4): 3173. https://doi.org/10.3390/su15043173.
|
[18] |
任晓红, 但婷, 侯新烁. 农村交通基础设施建设的农民增收效应研究——来自中国西部地区乡镇数据的证据[J]. 西部论坛, 2018, 28(5): 37-49. [Ren Xiaohong, Dan Ting, Hou Xinshuo. The farmers' income growth effect of rural transportation infrastructure construction: Evidence from township data in western China[J]. West Forum, 2018, 28(5): 37-49.] |
[19] |
Lu H Y, Zhao P J, Hu H Y, et al. Transport infrastructure and urbanrural income disparity: A municipal-level analysis in China[J/OL]. Journal of Transport Geography, 2022, 99: 103292. https://doi.org/10.1016/j.jtrangeo.2022.103292.
|
[20] |
孙一平, 徐英博. 互联网普及对中国居民收入分配的影响研究——基于CFPS数据的实证分析[J]. 宏观经济研究, 2021(7): 161-175. [Sun Yiping, Xu Yingbo. A study on the impact of Internet penetration on income distribution in China: Based on empirical analysis of CFPS data[J]. Macroeconomics, 2021(7): 161-175.] |
[21] |
Gao Y Y, Zang L Z, Sun J. Does computer penetration increase farmers' income? An empirical study from China[J]. Telecommunications Policy, 2018, 42(5): 345-360. DOI:10.1016/j.telpol.2018.03.002 |
[22] |
Song J, Cai Y P, Wang Y H, et al. Health risk, income effect, and the stability of farmers' poverty alleviation in deep poverty areas: A case study of S-County in Qinba Mountain area[J/OL]. International Journal of Environmental Research and Public Health, 2022, 19(23): 16048. https://doi.org/10.3390/ijerph192316048.
|
[23] |
彭妮娅. 教育经费投入对贫困地区农民收入影响的实证[J]. 统计与决策, 2021, 37(3): 67-70. [Peng Niya. Empirical study on the influence of educational investment on farmers' incomes in povertystricken regions[J]. Statistics & Decision, 2021, 37(3): 67-70.] |
[24] |
Bouchakour R, Saad M. Farm and farmer characteristics and offfarm work: Evidence from Algeria[J]. Australian Journal of Agricultural and Resource Economics, 2020, 64(2): 455-476. DOI:10.1111/1467-8489.12349 |
[25] |
涂圣伟. 面向共同富裕的农民增收长效机制构建[J]. 改革, 2023(4): 14-25. [Tu Shengwei. The construction of long-term mechanism for increasing farmers' income for common prosperity[J]. Reform, 2023(4): 14-25.] |
[26] |
Li Y C, Wang X P, Zhu Q S, et al. Assessing the spatial and temporal differences in the impacts of factor allocation and urbanization on urban-rural income disparity in China, 2004-2010[J]. Habitat International, 2014, 42: 76-82. DOI:10.1016/j.habitatint.2013.10.009 |
[27] |
潘文轩, 王付敏. 改革开放后农民收入增长的结构性特征及启示[J]. 西北农林科技大学学报(社会科学版), 2018, 18(3): 2-11. [Pan Wenxuan, Wang Fumin. Structural characteristics and income growth of Chinese farmers and their enlightenment[J]. Journal of Northwest A&F University (Social Science Edition), 2018, 18(3): 2-11.] |
[28] |
何蒲明. 农民收入结构变化对农民种粮积极性的影响——基于粮食主产区与主销区的对比分析[J]. 农业技术经济, 2020(1): 130-142. [He Puming. The impact of the changes of farmers' income structure on farmers' enthusiasm for grain production: Based on the comparative analysis between main grain producing areas and main marketing areas[J]. Journal of Agrotechnical Economics, 2020(1): 130-142.] |
[29] |
罗良清, 平卫英, 单青松, 等. 中国贫困治理经验总结: 扶贫政策能够实现有效增收吗?[J]. 管理世界, 2022, 38(2): 70-83, 115, 5-8. [Luo Liangqing, Ping Weiying, Shan Qingsong, et al. Summary from China's poverty alleviation experience: Can poverty alleviation policies achieve effective income increase?[J]. Journal of Management World, 2022, 38(2): 70-83, 115, 5-8.] |
[30] |
方方, 何仁伟, 李立娜. 京津冀地区乡村振兴地域模式研究——基于乡村非农就业与农民增收的空间效应[J]. 地理研究, 2019, 38(3): 699-712. [Fang Fang, He Renwei, Li Lina. Research of the regional mode of rural revitalization in Beijing-Tianjin-Hebei Region: Based on the spatial effect between rural off-farm employment and farmers' income growth[J]. Geographical Research, 2019, 38(3): 699-712.] |
[31] |
温涛, 王佐滕. 农村金融多元化促进农民增收吗?——基于农民创业的中介视角[J]. 农村经济, 2021(1): 94-103. [Wen Tao, Wang Zuoteng. Does rural financial diversification promote farmers' income? Based on the intermediary perspective of farmers' entrepreneurship[J]. Rural Economy, 2021(1): 94-103.] |
[32] |
马朝琦, 刘传磊, 李小娜. 延安市农民收入可持续增长机制探析[J]. 人文地理, 2010, 25(3): 96-99. [Ma Zhaoqi, Liu Chuanlei, Li Xiaona. A study on mechanism of sustainable growth of peasants' income in Yan'an[J]. Human Geography, 2010, 25(3): 96-99.] |
[33] |
何丽芬, 潘慧峰, 林向红. 中国城乡家庭财产性收入的二元特征及影响因素[J]. 管理世界, 2011(9): 168-169. [He Lifen, Pan Huifeng, Lin Xianghong. The dualistic characteristics of property income of urban and rural households in China and the factors influencing it[J]. Journal of Management World, 2011(9): 168-169.] |
[34] |
马历, 龙花楼, 戈大专, 等. 中国农区城乡协同发展与乡村振兴途径[J]. 经济地理, 2018, 38(4): 37-44. [Ma Li, Long Hualou, Ge Dazhuan, et al. Research on the ways of urban-rural coordinated development and rural vitalization in the farming areas of China[J]. Economic Geography, 2018, 38(4): 37-44.] |
[35] |
李进涛, 刘彦随, 杨园园, 等. 城镇化对农业农村的多维度影响——基于省际面板数据实证研究[J]. 人文地理, 2019, 34(3): 137-145. [Li Jintao, Liu Yansui, Yang Yuanyuan, et al. Multi-dimensional influence of urbanization on agriculture-rural: An empirical study based on provincial panel data[J]. Human Geography, 2019, 34(3): 137-145.] |
[36] |
杨彩林, 李雯雅, 曹秋菊. 数字普惠金融、农户信贷供给与城乡收入差距[J]. 统计与决策, 2022, 38(12): 130-135. [Yang Cailin, Li Wenya, Cao Qiuju. Digital inclusive finance, credit supply for rural household and urban-rural income gap[J]. Statistics & Decision, 2022, 38(12): 130-135.] |
[37] |
潘竟虎, 冯娅娅. 中国农村深度贫困的空间扫描与贫困分异机制的地理探测[J]. 地理学报, 2020, 75(4): 769-788. [Pan Jinghu, Feng Yaya. Spatial distribution of extreme poverty and mechanism of poverty differentiation in rural China based on spatial scan statistics and geographical detector[J]. Acta Geographica Sinica, 2020, 75(4): 769-788.] |
[38] |
张英浩, 汪明峰, 刘婷婷. 数字经济对中国经济高质量发展的空间效应与影响路径[J]. 地理研究, 2022, 41(7): 1826-1844. [Zhang Yinghao, Wang Mingfeng, Liu Tingting. Spatial effect of digital economy on high-quality economic development in China and its influence path[J]. Geographical Research, 2022, 41(7): 1826-1844.] |
[39] |
陈修颖, 苗振龙. 数字经济增长动力与区域收入的空间分布规律[J]. 地理学报, 2021, 76(8): 1882-1894. [Chen Xiuying, Miao Zhenlong. Spatial distribution of digital economic growth dynamics and regional income[J]. Acta Geographica Sinica, 2021, 76(8): 1882-1894.] |