农村交通基础设施门槛效应对人均纯收入的影响：西部十一省区的实证研究

基于中国西部地区除西藏以外的11个省区（市）2006—2015年汇总的乡镇层面面板数据，探析农村交通基础设施对农村居民人均纯收入的非线性影响及其作用机制。研究发现，农村交通基础设施对农村居民人均纯收入具有显著的三重门槛效应，以有效路网密度衡量的门槛值分别为7.099、20.247和30.569。在各门槛区间内，有效路网密度对农村居民人均纯收入及其两大主要构成——农村居民人均工资性收入和人均家庭经营纯收入的弹性符号为正，并依序呈现出U型、非线性减小和非线性增加的趋势，这表明：提升农村交通基础设施存量对农村居民人均纯收入及其两大主要构成均具有非线性正向促进作用，相较而言，更有利于农村居民家庭经营纯收入的增长，有助于缓解农民贫困与农村空巢化问题。

（1）文献回顾。

基础设施的贡献主要取决其存量，当其低于特定门槛值时几乎不产生什么影响，但当达到某一临界值时，其影响力则可能非常巨大（Baldwin，2003）。建国以来，中国城乡之间交通等基础设施的非均衡发展与城乡非平衡增长同步推进，在广大的农村地区，交通等基础设施的落后成为制约农村居民福利提升和农业发展的“瓶颈”。城乡差距的持续扩大伴随着农村劳动力的大量流出，农民贫困与农业空心化（农村空巢化）问题日益严峻，粮食总量供给的脆弱性不断深化。

基础设施能够影响宏观的经济增长和微观的个人收入（刘生龙和周绍杰，2011），其影响包括直接的运输投入效应和包含乘数效应在内的间接效应（Button，2002），现有文献大多未作严格区分。中国农村交通基础设施投资具有显著的增收效应（骆永民和樊丽明，2012）：可以通过降低生产和交易成本（罗能生和彭郁，2016）、改善非农就业机会（邓蒙芝等，2011；刘晓光等，2015）等直接提升贫困地区的收入，通过改善贫困地区的教育和健康状况来提高就业机会、收入前景和要素生产效率等间接增加农村居民的农业收入，减少陷入贫困的可能性（Leipziger et al.，2003；Fan et al.，2002）。

然而，交通基础设施发展对经济增长的作用呈现出显著的非线性动态变化趋势（黄寿峰和王艺明，2012），交通基础设施的农村居民收入效应受到农村人力资本（骆永民和，2012）、农村劳动力占比（任晓红和张宗益，2013）以及要素流动性等因素的影响，某个地区要素流动性的缺乏会制约收益的地方化和要素的集中（Banerjee et al.，2012），交通路网的通达作用可能会因基础设施投入的数量差异和经济水平不同而导致极化效应，从而恶化收入不平等的状况（Calderón and Chong，2004）。因此，扩大交通基础设施投资对经济增长的促进作用并非永无止境。经验研究已发现交通基础设施影响增长界值点的存在性（任晓红和张宗益，2013；Démurger，2001），当一个地区或者部门的交通基础设施存量达到某一特定极值后，继续投资会显著减弱交通基础设施对经济的拉动作用（刘明等，2013）。农村交通基础设施对农村居民收入的影响在区域间已表现出一定的差异性（毛圆圆和李白，2010），在中国的大部分省份，公路基础设施的经济增长效应已超过其饱和点，继续扩大公路网的有效性已经不太明显（Deng et al.，2014），在东部农村，过量的交通基础设施投资可能会挤占农村教育、医疗卫生等投资，在一定程度上阻碍人力资本水平的提高和收入的增长，而在西部地区的农村，却因交通基础设施的落后导致农村基础设施投资对农村居民收入的促进作用极其有限，甚至表现出一定的抑制性（周海波等，2017）。综观而言，交通基础设施投资能否改善农村居民的收入水平与其存量相关，切实评判交通基础设施投资（流量）的合理性和规模（存量）的适宜性，了解农村交通基础设施产生显著作用的门槛值区间是有效发挥其收入效应的必要前提。因此，在不知道交通基础设施投资回报率情况下，不能轻易判断是否应该对交通基础设施进行投资。现有文献对交通基础设施收入效应的研究涉及交通网络本身、就业、生产率增长与环境影响等诸多因素，部分文献对其门槛效应或最优投资规模进行了一定的探讨，但相对疏于动态效应的测度，鲜有文献涉及农村交通基础设施影响农村居民收入的门槛特征，且交通基础设施对收入的影响机理大多使用隐含正向影响假设的线性“黑箱”模型，使其在解释争议性结果时陷入困境。鉴于中国农村交通基础设施和经济发展水平的地域性差异甚大，而且中国最为贫穷的农村大多位于西部省区，因此，本书以中国西部地区除西藏外的11个省区（市）2006—2015年乡镇级面板数据为例，构建门槛面板模型检验农村交通基础设施对农村居民人均纯收入及其两大主要构成的非线性影响，测度其对收入产生显著影响的门槛值（前提条件），并以此探讨交通基础设施影响农村居民收入的动态变化趋势与作用机制，以期为中国西部地区制定能吸引适度的高素质劳动力与资金逆流农村（合理性）、减少交通投资盲目性和避免规划不合理而产生的资源浪费问题（适宜性）、从交通改良视角来探析“谁来种地”等问题。

（2）模型构建及变量选取。

① 农村交通基础设施对农村居民收入影响的非线性性检验。农村交通基础设施和农村居民收入分别采用有效路网密度（road）和农村居民人均纯收入（Y）的对数lnroad和lnY来衡量。

首先，从lnroad与lnY的趋势图可以看出，西部11省区农村的有效路网密度对数对农村居民人均纯收入对数均呈现出非线性正相关关系，具体如图6.17所示。

图6.17　西部11省区lnroad与lnY趋势图

其次，采用统计学方法对西部地区农村交通基础设施影响农村居民人均纯收入的非线性性特征进行再检验。借鉴黄寿峰和王艺明（2012）的做法，在数据平稳前提下，利用VAR模型对农村交通基础设施和农村居民人均纯收入进行估计，再采用BDS检验^[1]的方法对经VAR模型线性过滤的残差序列进行非线性变化趋势检验，检验结果包含西部11省区作为一个整体和分各省区两种情形，见表6.3。在5%的显著性水平下，西部11省区整体及除去重庆市、四川省、广西省和宁夏省的其余省区均拒绝农村交通基础设施与农村居民人均纯收入之间存在线性关系的原假设，因此，接受二者之间存在非线性关系的备择假设。

表6.3　农村交通基础设施与农村居民人均纯收入之间的线性关系检验

注：括号内为对应的P值；***、**、*表示在1%、5%、10%显著性水平下显著；BDS检验中，VAR模型中的残差序列是指以lnY为被解释变量回归所得的残差。

② 基准模型。理论上农村交通基础设施可以同时影响农村居民的农业收入和非农收入。一方面，农村交通基础设施能促进生产要素流动和降低交易成本，进而提高农业生产效率；另一方面，农村交通基础设施能促进劳动力转移，增加其非农就业机会，进而获得工资性收入。

Aschauer（1989）将基础设施从公共资本中独立出来分析其经济增长效应，之后，作为基础设施重要构成的交通基础设施常被视为一种重要的生产要素，本书以此为基础构建计量模型。为减少可能存在的异方差所带来的估计偏误，选用双对数模型，基准模型可表示为：

式中，i和t分别表示省份和时间；Y表示农村居民人均纯收入；road为衡量交通基础设施水平的有效路网密度；X为其他影响农村居民人均纯收入的控制变量向量组；θ为一组控制变量的待估参数向量；αi为省份个体效应；β是待估参数，εit是残差。

假设1：农村交通基础设施对农村居民人均纯收入的弹性β具有非线性，会随着农村交通基础设施水平的不同而产生相应的变化，但其增收效应并非永无止境，当交通基础设施存量达到某一水平时，其收入效应不再显著。

假设2：在西部，β为一正值，即西部的有效路网密度对农村居民收入具有正向促进作用。

鉴于门槛模型相较于线性模型来说能更精确地探究变量之间的非线性关系，因此，本书通过构建门槛模型来分析农村交通基础设施对农村居民收入的非线性影响。

③ 门槛面板模型。借鉴Hansen关于构建门槛模型的思路与方法（Hansen，2000），即在模型中用不同的体制来表示变量间的非线性关系，门槛变量大于或小于某一门槛值，对应着模型中不同的体制，换言之，门槛变量是体制发生改变的转折点。在式（6.39）的基础上，构建单门槛面板模型：

如果存在多门槛值，上式亦可以转换为多门槛面板模型：

式（6.40）和式（6.41）中，有效路网密度对数（lnroad）为门槛变量；I（·）为指数函数，当函数I括号里的条件得到满足时，I=1，否则I=0；γ1，γ2，…，γn 为n个门槛值，其他变量、参数含义同式（6.39）。同理，门槛模型中所有变量也均取对数。

（3）变量说明与数据来源。

① 变量说明。被解释变量：农村居民人均纯收入（Y），以此来反映农村居民家庭收入总体状况；同时，为分析交通基础设施对农村居民人均纯收入的影响机制，分别以其两大主要构成工资性收入（Y1）和家庭经营纯收入（Y2）来近似表征农村居民的非农收入和农业收入。

第一，核心解释变量：农村交通基础设施，由于农村地区交通基础设施的主体是农村公路，因此采用乡镇层面的有效路网密度（road），即乡镇级道路长度与有效面积的比值来衡量。值得一提的是，现有文献主要采用区域内的行政面积来表征有效面积，但行政区内未利用地^[2]也包含在其中，这无疑会降低对交通基础设施水平测度的精度。由于中国西部的大部分地区具有地广人稀的特征，且部分省区拥有沙漠和戈壁等“无人区”，因此在计算有效面积时，本书剔除了这些“无人区”的面积。鉴于现有统计指标未列出各省历年的乡镇级农用地和建设用地数据，为保持数据间的一致性，本书采取耕地面积与建成区面积之和作为有效面积的度量。尽管该方法仍有少量偏差，但相比没有剔除未利用地计算的有效面积而言，其精确度得到显著提高。

第二，控制变量：农业技术进步（tech），用农业机械总动力表示；土地要素（gro），用农作物播种面积衡量；农村人力资本水平（hum），用农村家庭劳动力平均受教育年限表示；财政支农（gov），鉴于2007年财政支出的统计口径发生变化，因此本书统一采用“农林水事业”的财政支出来表征。

② 数据来源。考虑到门槛模型要求平衡数据，而西藏农村数据大量缺失，加之《中国城乡建设统计年鉴》从2006年才开始统计村庄层面的道路相关数据，因此，本书选取中国西部地区除西藏外的11省区2006—2015年农村乡镇层面汇总的面板数据^[3]（汇总之前各省区每一年的乡镇个数均值为1 146，最大值为4 071，最小为165），并运用Stata12.0进行门槛回归。数据来自历年的《中国统计年鉴》《中国城乡建设统计年鉴》《中国农村统计年鉴》和EPS数据库。变量的描述性统计见表6.4。

表6.4　变量的描述性统计

续表

（4）实证结果与分析。

① 变量的平稳性检验。门槛模型一般要求各变量尤其是门槛变量为平稳性变量。鉴于IPS方法在检验势和检验水平上都优于LLC，而LLC检验则更加适合于中等水平的样本容量和相互独立的个体之间（这经常出现在宏观经济变量中），本书使用的数据基本满足此条件，因此，对门槛变量lnroad采用同根的LLC法和不同根的IPS法检验其平稳性以保证一定的稳健性，对其余变量的平稳性采用LLC法进行检验。在LLC和IPS检验中，门槛变量lnroad在1%显著性水平下通过了平稳性检验，即lnroad是平稳的，其余变量在10%和1%显著性水平下也表现出平稳性，具体见表6.5。

表6.5　变量平稳性检验

注：***、**、*表示在1%、5%、10%显著性水平下拒绝“存在单位根”的原假设。

② 门槛效应检验。首先，门槛值搜寻。以单门槛模型为例，估计方法大致是：首先对组内进行去均值变化以消除个体效应的影响，然后给定任意的一个门槛值，再用OLS对式（6.40）进行参数估计，相应地得到残差项平方和S1（γ1），类似地，通过多次给定门槛值进行OLS估计可以得到S1（γ2），…，S1（γk）；根据残差项平方和最小化原则，最优门槛值需要满足条件：使为所有残差平方和中的最小值，即求得门槛估计值为：

最终可根据门槛估计值确定门槛模型中的待估参数。(www.xing528.com)

其次，门槛效应检验。求得门槛值后，需要检验门槛估计值的显著性及其与门槛真实值的一致性。首先通过LM检验并构造F统计量来检验门槛效应的显著性。采用Hansen提出的“自抽样法”（boot strap）来计算得到渐进P值，并在相应的显著性水平下判断门槛效应是否显著。其次，如果门槛值显著，采用似然比检验（构建LR统计量）来检验门槛估计值与真实值的一致性，并计算门槛值的置信区间。在具体检验时可借助LR函数图以及显著性水平进行一致性的判断。在求得第一个门槛后，可采用同样的方法进行第二、三个门槛值的搜寻及检验，以此类推，直到门槛效应检验不显著为止。根据上述原理和步骤，对式（6.41）进行门槛效应检验及门槛值估计，结果见表6.6。

表6.6　门槛效应检验及门槛值估计

注：***、**、*表示F值在1%、5%、10%显著性水平下显著；门槛值估计“bootstrap”的自举次数为1000次。表6.8与此相同。

对比表6.6中多重门槛效应检验的F统计量、在不同显著性水平下F统计量的临界值和对应的P值可发现，门槛变量均通过了1%显著性水平下的三重门槛检验，表明三个门槛估计值在1%显著性水平下均显著；为观察方便，将三个门槛值（对数）换算为有效路网密度，其对应的实际值（真数）分别为7.099、20.247和30.569，三个值之间差异明显。

为检验门槛估计值与真实值的一致性，图6.18给出搜索出的第一个门槛值^[4]（=3.008）的LR函数。

图6.18　门槛效应检验LR函数

图6.18中虚线表示95%置信度下的置信值A为7.35（临界值），实线为门槛变量的LR统计量。根据门槛估计原理，表6.4中得到的门槛估计值能够确保LR函数值最小（等于零），其中一个门槛估计值3.008刚好与图6.18中LR曲线最低点对应的值吻合；同时，在图6.18可以观察到：虚线以下形成的闭合区域对应在X轴上的点都落在了表6.6门槛值估计的95%置信区间范围内，这两点表明门槛估计值与真实值是一致的。其余两个门槛值的检验同理。

③ 模型回归结果与分析。为了对比分析门槛模型体现的非线性影响，对基准模型作线性固定效应（FE）回归，结果如表6.7的模型（1）所示。

首先，以lnY为被解释变量，选择lnroad作为门槛变量和核心解释变量来分析农村交通基础设施对农村居民人均纯收入的影响。样本区内有效路网密度被三重门槛划分为4个区间，回归结果如表6.7中的模型（2）所示。

表6.7　基准模型及门槛模型回归结果对比

注：括号内为t值，***、**、*表示在1%、5%、10%显著性水平下显著；模型估计中所有结果均采用稳健标准差（Robust Std.Error）回归结果。

对比分析表6.7中模型（1）、（2）的回归结果发现，两个模型中参数估计量的大小和方向均具有稳健性，但具体值及其显著性均有一定改变：农业机械总动力（lntech）、平均受教育年限（lnhum）、有效路网密度（lnroad）在两个模型中对农村居民人均纯收入均具有显著的正向促进作用；农作物播种面积在两个模型中均表现出抑制性；财政支农（lngov）在线性模型中具有显著的正效应，而在门槛模型回归中其作用不再显著。一个可能的解释是农业技术进步和农村居民中劳动力受教育程度的提高带来了农业生产效率的提高，乡镇层面交通路网密度的提高能改善农村居民的出行和物资运输；而农作物播种面积对农村居民增收表现出的抑制性则可能是耕地利用结构问题等所导致（如种粮食较经济作物单位面积收入相对较低）；而财政支农对农村居民增收的作用在线性模型中可能被放大。

在门槛模型中，当road小于7.099时，有效路网密度每提高1个百分点，农村居民人均纯收入增加约0.3%，略低于线性的FE回归结果；当road在区间（7.099，20.247）时，有效路网密度对农村居民人均纯收入的影响系数突降至0.219；当road增加至区间（20.247，30.569）时，回归系数回升到0.264；最后，当road跨越第三重门槛后，即大于30.569时，有效路网密度对农村居民人均纯收入的弹性值恢复到0.318，很接近线性FE估计的弹性值，同时，在各区间内有效路网密度的估计系数均通过了1%显著性水平检验。农村交通基础设施对农村居民人均纯收入的弹性值表现为先下降再逐步回升的U型变动趋势，进一步验证了农村交通基础设施门槛的存在性，如图6.19所示。

图6.19　农村交通基础设施的收入弹性

可见，假设1和假设2在较大程度上得到了验证：当交通基础设施存量（有效路网密度）在某个特定区域时，通过改善交通基础设施水平来促进农村居民增收的效果可能会暂时变小，但当交通基础设施增加到某一临界值时，其增收作用最终将变大；从总体上看，西部农村交通基础设施增收效应极为明显，尚未达到收入效应不再显著的阶段。

采用门槛模型进一步探讨农村交通基础设施对农村居民人均纯收入的作用机制。在样本区间内，农村居民人均“工资性收入”和“家庭经营纯收入”之和在农村居民人均纯收入中的占比在其最低年份也达到了67%。因此，分析农村交通基础设施对农村居民人均纯收入最重要的两大来源所产生的非线性影响^[5]无疑有助于把握农村交通基础设施影响农村居民收入的机制。分别以lnY1和lnY2作为被解释变量，lnroad作门槛变量，先进行门槛值估计，结果如表6.8所示。

表6.8　门槛值估计（作用机制检验）

无论被解释变量为lnY1还是lnY2，农村交通基础设施均存在三重门槛值：当被解释变量为lnY1时，门槛值对应的有效路网密度实际值分别为8.199、17.904、25.406；当被解释变量为lnY2时，门槛值对应的实际值分别为4.336、8.373、29.934。

然后，分别以lnY1和lnY2为被解释变量进行回归。为检验结果的稳健性和对比门槛回归的效果，表6.9同时报告了线性固定效应（FE）和门槛回归的结果。

表6.9　线性固定效应和门槛模型回归结果对比（作用机制检验）

依据表6.9，lnY1作为被解释变量：当road小于8.199时，有效路网密度对工资性收入的弹性为0.201；当road在区间（8.199，17.904）内，弹性值降为0.116；当road在区间（17.904，25.406）内，弹性系数回升到0.163，最终当road大于25.406时，弹性值减少到0.137，低于FE估计系数；二者之间的弹性系数呈现先下降后回升再下降的波动趋势，而FE估计却忽略了该变化过程。一个可能的解释是，交通条件改善可能扩大农业专业化水平并引致劳动力需求，进而使工资性收入有所增加，但从长期看，随着路网密度逐渐增大并达到一定程度后，农村剩余劳动力极为有限，路网密度对工资性收入的正效应在总体上会有所减弱。对控制变量而言，线性FE和门槛模型的回归结果中农业机械总动力、农作物播种面积、劳动力平均受教育年限和财政支农对工资性收入均具有显著的促进作用。

当被解释变量为lnY2时，在FE回归结果中，有效路网密度对家庭经营纯收入的弹性值均显著为正；在门槛模型中，按大小排列的4个门槛区间所对应的弹性值分别为0.191、0.258、0.213、0.253，与之相应，当road小于低门槛4.336时，有效路网密度对家庭经营纯收入的弹性为0.191，随着有效路网密度持续增加，跨过最高门槛29.934后，弹性将达到0.253，表明有效路网密度的增加能促进交通基础设施农业收入弹性的增长。因此，从长期来看，扩大农村交通基础设施投资，使农村路网密度达到较高水平有利于农村居民人均家庭经营纯收入的增加。在FE和门槛模型回归中，农业机械总动力、平均受教育年限和财政支农均对家庭经营纯收入有显著的促进作用，加强对这三方面的投入，均是提高农村居民家庭经营纯收入的有效保障。

可以发现，有效路网密度的增加更有利于农村居民家庭经营纯收入的增加，当有效路网密度road ＞ 4.336时，改善农村交通基础设施水平对农村居民家庭经营纯收入的增加具有更大的促进作用，这无疑有助于在一定程度上提高农村和农业的吸引力；此外，农作物播种面积的扩大能促进农村居民工资性收入的增长，但对家庭经营纯收入却具有抑制性，在总体上不利于农村居民收入增长。

（5）结论及启示。

本书基于中国西部11个省区2006—2015年农村乡镇层面汇总面板数据，检验了农村交通基础设施对农村居民人均纯收入的门槛效应，求出相应的门槛值和影响区间，并在此基础上从农村居民人均纯收入两大主要构成视角探析了农村交通基础设施影响农村居民人均纯收入的机制，所得结论如下。

① 西部农村交通基础设施与农村居民人均纯收入之间具有非线性关系；有效路网密度对农村居民人均纯收入具有显著的正向促进作用，且具有明显的三重门槛，换算为实际有效路网密度分别为7.099、20.247、30.569；在与之对应的4个门槛区间内，有效路网密度对农村居民人均纯收入的弹性值分别为0.301、0.219、0.264、0.318，呈现出先下降再增加的U形趋势。

② 在作用机制方面，农村交通基础设施对农村居民人均工资性收入和人均家庭经营纯收入均具有显著促进作用和不同的三重门槛效应。在各门槛区间上，有效路网密度对人均工资性收入和人均家庭经营纯收入的弹性值具有不同的影响：随着有效路网密度的提高，对人均工资性收入的弹性值总体上呈现出下降趋势，但对人均家庭经营纯收入的弹性值却相反，最终表现出上升趋势；当有效路网密度大于4.336时，改善农村交通基础设施水平对农村居民人均家庭经营纯收入的促进作用较其对人均工资性收入的作用更大，当有效路网密度在（4.336，8.373]区间上和大于29.934时，其促进作用更为明显。

③ 农业机械总动力、劳动力平均受教育年限和财政支农均具有增收效应；农作物总播种面积的扩大对农村居民人均工资性收入具有促进作用，但对人均家庭经营纯收入却具有抑制性，在总体上会制约人均纯收入的增长。

④ 综合对比发现，采用线性模型会高估农村交通基础设施的农村居民收入效应，采用门槛模型可以更加准确地刻画变量之间的非线性关系及其作用机制，能提高估计结果的可靠性。

本书主要启示如下。

① 西部农村交通基础设施尚未达到增收效应停滞的临近值，可以继续通过加强农村路网建设等方式促进农村居民增收，但在这过程中需要对交通基础设施存量的合理性和流量的适宜性作出权衡和规划。要增加农业和农村的吸引力，有效路网密度至少需要保持在4.336公里/千公顷以上，要使农村居民的增收效应更佳，农村路网密度需要尽量保持在30.569公里/千公顷以上。

② 需要将西部农村交通基础设施建设同其他影响农村居民增收的措施配合使用，政府需要继续增加对西部农村地区的教育投入、财政支出以及农业技术支持等以促进其农业技术水平和人力资本等的提高。同时，还需要注意各种措施在农村居民收入及其收入结构上的不同影响，这样才能最大程度上实现农村居民增收的目标，进一步缓解农民贫困和农村的“空心化”问题。