专业化、多样化与产业结构减贫效应的动态异质表现研究お
开篇：润墨网以专业的文秘视角，为您筛选了一篇专业化、多样化与产业结构减贫效应的动态异质表现研究お范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要
新一轮扶贫攻坚阶段，贫困地区实现可持续减贫的关键不在于现有经济增长模式下如何提高转移支付的精度和效率，而在于真正改变贫困地区的经济发展理念，从盯住经济总量增长转向用减贫目标统领经济发展。产业结构与贫困减缓的关系影响着贫困地区产业发展的政策制定，但既往研究对何种产业结构更有助于贫困减缓没有形成共识。本文基于产业专业化和多样化视角，分析了专业化、多样化影响贫困减缓的理论机制，并利用2004―2014年中国省级面板数据，对专业化、相关多样化、不相关多样化与FGT贫困指数的关系进行了门限回归和稳健性检验。检验结果确认了产业结构减贫效应的动态异质表现：专业化的减贫效应在产品生命周期的初始和发展阶段趋于增强，并且经济密度更小、距离技术前沿更远的地区，专业化的减贫效果更显著；多样化的减贫绩效低于专业化，且相关多样化的减贫效应高于不相关多样化。细分产业来看，第三产业相关多样化比其他多样化结构更具减贫效果。贫困地区在减贫的产业结构选择上，首要目标是改善专业化程度，其次是在多样化的既定前提下，谋求相关多样化，尤其是第三产业的相关多样化。专业化和相关多样化对不同贫困群体的影响也存在差别，既往产业结构更有利于贫困线附近群体的贫困减缓，而对深度贫困群体的溢出不足。因此，在塑造合宜减贫产业结构，改善低技能劳动力需求的同时，还应辅以改善深度贫困人口劳动力供给的政策，改善其自我发展能力和经济机会，从而增强从益贫产业结构中获益的能力。
关键词专业化；相关多样化；贫困减缓；门限回归；动态异质表现
中图分类号F061.5
文献标识码A文章编号1002-2104（2017）07-0157-12DOI： 10.12062/cpre.20170432
全面扶贫攻坚阶段，剩余贫困地区和贫困主体的贫困特征与既往大规模减贫阶段体现出较大差异，突出表现为致贫原因和行为方程的差异。既往致贫原因主要是工业化初期整体经济机会不足引致的整体贫困，减贫的主要思路是盯住经济增长，体现“水涨船高”的减贫策略。随着工业化的持续推进和劳动力流动壁垒的消解，贫困主体无法充分共享经济增长成果的主要矛盾已经不在于外部经济机会不足，而在于面临风险冲击时的主动不参与问题。由于贫困主体的信息缺乏和认知不足，在经济周期中跟随经济机会导致行为失败的概率显著高于非贫困主体，从而使得贫困主体面临经济机会时，选择不改变当前的生产方式，从而形成“稳妥的贫困”[1]。因此，当前实现可持续减贫的关键不在于现有经济增长模式下如何提高转移支付的精度和效率，而在于真正改变贫困地区的经济发展理念，从盯住经济总量增长转向用减贫目标统领经济发展。当前减贫阶段无法用经济增长和收入提升的既往经验，实现经济增长和贫困减缓的线性关联。何种产业发展策略更有助于减贫，也成为了政府层面制定减贫策略时争论的焦点所在。但现有研究结论表明：a业结构与贫困减缓的关系因研究区域和研究时间段的不同而体现出显著差异[2]。这使得在贫困地区产业发展“做什么”和“如何做”的问题上，现有理论研究尚未给出具有共识且具操作性的思路。因此，从理论层面研究产业结构与贫困减缓的关系具有重要现实意义。
1理论综述
针对产业结构与减贫的关系，现有研究主要从三次产业的角度识别了贫困增长弹性在农业和非农部门的区别，此类研究通常认为农业部门比非农部门具有更强的减贫绩效，第三产业比第二产业更有助于贫困减缓[3]。然而，最近的研究中，章元和许庆[4]， Collier和Dercon[5]等对农业部门的减贫效应进行了质疑，他们指出农业部门的发展依赖于经济体中其它部门的需求增长，农业部门发展与贫困减缓更多的体现为相关关系而非因果关联。为此，在减贫政策的产业导向上，他们鼓励增强农业部门与非农部门的关联，而非强调农户农业发展的减贫效应。具体而言，从三次产业角度展开的研究至少存在三点不足：①从三次产业视角展开的研究忽略了行业部门间的产业关联，第一产业和第三产业都与第二产业的发展密切相关[6]，因此非农部门减贫弹性更低的现有结论低估了非农产业尤其是第二产业的减贫绩效[7]。②从三次产业角度展开的研究不能解释产业结构与减贫的关系在不同时期和不同地区的差异问题，非农产业内部增长是不平衡的，某些行业部门占经济增长的份额更大，三次产业结构掩盖了细分行业部门的结构差异。③三次产业与减贫的关系对减贫政策制定的操作性建议不足，即便知道何种产业更有助于减贫，也无法知道该发展何种行业部门，更无法解析行业部门间的产业关联。
为了解释各行业部门减贫弹性的差异，相关研究的一个趋势是从产业结构影响贫困的机理出发，更细致考察不同行业部门之间和内部的减贫弹性差异[8]。主流观点认为劳动密集度更高的行业部门具有更高的减贫绩效[9]。值得注意的是，虽然减贫弹性更大的行业部门通常是那些使用大规模低技能劳动力的部门（如旅游业、建筑业、物流业等），但这些行业部门无法孤岛式存在，而是因相关行业部门的发展而生，或者依赖关联行业部门的发展而扩张。因此，能够引致低技能劳动力需求部门发展的行业部门（如房地产行业），或者能够改善贫困人口人力资本的行业部门（如教育、健康等行业）也具有显著的减贫效应。以互联网产业为例，互联网产业本身对低技能劳动力的就业吸纳能力较弱，但“互联网+”背景有效促进了物流行业等劳动力密集度较大的行业部门，从而产生了行业部门间的减贫溢出效应。但与此同时，某些新行业部门的产生也可能会导致原有行业的创造性毁灭，从而产生减贫挤出效应。因此，劳动密集度并不能作为不同行业部门减贫弹性不同的解释，需要进一步对产业结构影响减贫的理论机制进行研判。
本文对现有研究中的上述不足进行了进一步研究，本文的边际贡献体现在：①本文引入产业结构的专业化和多样化视角来研究产业结构的减贫效应，这是本文研究视角的创新所在，该视角更贴近产业结构影响贫困减缓的微观机制，并能够为既往差异化的实证结论提供逻辑一致的理论解释。专业化引致的马歇尔外部性能够获得专业化要素集聚优势，而多样化引致的雅各布斯外部性能够导致多样化部门间的知识溢出，从而影响低技能劳动力的就业和贫困减缓。但专业化和多样化的上述减贫效应受经济规模和技术水平的影响，并且多样化和专业化对同一地区减贫的影响也存在时间不一致性。另外，专业化以及细分三次产业的相关多样化和不相关多样化的产业结构细分，也给贫困地区“怎么做”的问题提供了思路。②本文使用多门限回归对产业结构减贫效应动态异质表现进行了检验和识别，从而对既往研究中差异化的实证结论进行了实证框架统一，并且能够对不同地区在不同时期的减贫产业发展策略提供更为精准的政策指向。不同地区可以根据产业结构减贫效应的动态表现，结合发展现状切实体现产业发展的“因地施策”和“因时施策”，解决“做什么”的问题，这是本文在研究方法上的创新所在。③为了识别产业结构对不同贫困群体的异质影响，本文使用FGT贫困指数测度了贫困发生率、贫困距和平方贫困距，使用FGT贫困指数的优点在于不仅可以分析产业结构与贫困发生率的关系，而且可以有效分析产业结构对贫困人口收入分布的影响，实证结果的可解释性更强，政策内涵也更为丰富。本文的研究确实也表明，相同产业结构对贫困线附近贫困群体的影响显著更大，因此，适宜的产业结构辅以经济机会和自我发展能力改善的政策更有助于深度贫困群体的贫困减缓。
2理论分析与研究假说
2.1专业化、多样化减贫效应的理论机制
（1）贫困主体收入提升的微观机制。普通家庭收入可以分为工资性收入、经营性收入、资产性收入和转移支付收入，但基于贫困主体的禀赋特征，贫困人口收入可持续提升主要依赖低技能劳动供给形成的工资性收入增加。根据新古典分配理论，工资报酬取决于劳动力市场的均衡工资和企业利润最大化决策下的劳动力需求。因此，在低技能劳动力工资竞争性决定的背景下，贫困人口收入提升和贫困减缓取决于企业低技能劳动力的需求。从要素投入的角度来看，企业根据边际产品收益等于边际要素支出做出利润最大化选择，具体存在如下三种情形。①如果边际收益不变或者增加，生产效率提升带来的低技能劳动力边际产出增加，使得企业会在工资黏性的情况下，扩大劳动力要素投入，体现为显著的减贫效应。因此，产业结构影响贫困人口收入提升的关键在于低技能劳动力边际产出的变动，即产业结构的减贫弹性依赖于何种产业结构更有助于生产效率改进，尤其是低技能劳动力的边际产出提高。产业结构是否改善了低技能劳动力的生产效率构成了产业结构减贫效应动态异质表现的第一个来源。②如果边际收益递减，且边际收益递减幅度大于生产效率改进带来的低技能劳动力边际产出增加，则企业将会通过降低劳动力的需求使得边际产品收益等于边际支出。因此，产业结构的减贫效应受到边际收益变动的扰动。并且，产品市场结构的垄断势力或者竞争激烈程度将通过改变产品边际收益，影响产业结构的减效应，这也是产业结构减贫效应异质表现的第二个来源。③在经济下行波动的情况下，劳动力需求系统性下降，导致劳动力市场均衡工资的下降，从而不利于贫困人口收入提升。不同产业结构在不同地区和不同时期对经济波动的影响不同，这形成了产业结构减贫效应动态异质表现的第三个来源。
（2）专业化影响贫困减缓的理论机制与动态异质表现。Glaeser等[10]认为专业化鼓励知识、信息、创意以及产品和生产流程通过模仿、商业往来、技术人员交流等非货币沟通形式进行交换。区域产业结构的专业化集聚能够推动区内相同产业企业之间的知识溢出和创新活动。因此，行业部门的专业化有助于部门内的知识溢出，从而导致对现有产品和生产流程进行改进的补充性创新出现，提升劳动力的边际产出和真实劳动回报，但专业化的减贫效应存在时间不一致性和组间异质性。①专业化减贫效应的时间不一致性。在初始阶段，边际收益不变，专业化引致的生产效率提升带来低技能劳动力边际产出增加，使得专业化行业部门在扩张阶段实现劳动力边际产出递增。企业会因为低技能劳动力生产效率的改进而扩大生产规模，提高低技能劳动力的就业吸纳能力，从而有助于就业改善和劳动报酬总量增加。但同时，产业结构的专业化也会在长期导致产业锁定效应，从而在需求下行波动时对就业产生负面影响，而就业下行波动对于贫困人口的负面影响更大。②专业化减贫效应的组间异质性。在边际产出增加的同时，边际收益因产品供给竞争的加剧而下降，专业化生产率的改进也会体现为就业节约和不利于减贫的可能。产品供给竞争程度受区域市场规模的影响，专业化在市场规模较大的地区引致的竞争程度更强，企业边际收益更低，若专业化带来的生产效率提高无法抵消产品边际收益的递减，则表现为就业吸纳力的下降，从而降低减贫绩效。但与此同时，经济规模较小的区域，专业化引致的产业结构锁定在外部需求波动时受到的负面影响更大。因此，行业部门专业化在短期和中期同时存在就业吸纳减贫效应和就业节约的负向减贫效应，专业化的综合减贫效应有待于实证，而长期则主要体现为就业波动的负向减贫效应。
（3）多样化影响贫困减缓的理论机制与动态异质表现。马歇尔外部性强调了要素专业化集聚的经济影响，然而Jacobs[11]则认为知识溢出的最大来源并非发生于同类企业的集聚，而是来源于不同行业间企业的交互。Jacobs强调了多样化行业部门的地理集聚能够推动知识溢出，从而促进创新和就业改善。一个更为多样化行业网络的地理接近能够推动不同行业进行相互模仿，共享和重构互补的知识和创意，这构成了创造新行业和新产品的必要条件。Frenken[12]在马歇尔外部性和雅各布斯外部性的基础上，将产业结构的多样化进行了解构，相关多样化有利于知识在不同但是相互补充的部门分支之间的溢出，不相关多样化对于增长的可能优势在于该种产业结构下，经济增长将体现更低的波动性，从而缓解经济波动对增长和就业的负面影响（portfolio effect，组合效应）。①相关多样化的减贫效应和异质表现。相关多样化的行业部门之间认知距离较短，存在相容的知识基础，相关多样化能够通过知识溢出的正外部性，在相关的行业部门间共享和重构互补知识与创意，从而有助于新产品和新生产部门的出现。如果新出现的生产部门具有较强的低技能劳动力吸纳能力，或者扩大了既有部门的就业吸纳能力，则相关多样化有助于贫困减缓，体现出减贫溢出效应。但新产品和新生产部门的出现也可能通过创造性毁灭，使得既往低技能劳动密集型的行业部门就业规模缩小，从而体现为相关多样化的减贫挤出效应。相关多样化与贫困减缓的关系还与样本区域与技术前沿的距离有关，对于距离技术前沿较远的区域而言，其生产效率改进主要来源于生产过程的投入产出效率改进，而非新产品和新部门的创造。对于技术更高的区域而言，多样化尤其是相关多样化更有助于通过相关部门的知识溢出体现新行业部门的创造。因此，距离技术前沿较远的地区，生产效率的改进主要由专业化引致，而非相关多样化。从而导致在低技术区域，专业化比相关多样化更有助于贫困减缓，而在高技术区域专业化和相关多样化的减贫绩效取决于减贫溢出效应和减贫挤出效应的比较。②不相关多样化的减贫效应和动态异质表现。不相关多样化能够在经济下行波动时降低低技能劳动力就业的敏感性，从而有助于就业稳定和贫困减缓，使得不相关多样化体现为贫困减缓的缓冲器效应。但不相关多样化的减贫缓冲器作用受区域市场规模的影响，经济规模较小的区域，专业化引致的产业结构锁定在外部需求波动时受到的负面影响更大，不相关多样化带来的减贫缓冲器效应对市场规模较小的区域更为重要。而市场规模较大地区的贫困减缓则主要受益于相关多样化带来的减贫溢出效应，而非相关多样化的减贫缓冲器效应。同时，不相关多样化的减贫效应也存在时间不一致性，在经济上行波动阶段，不相关多样化程度的提升，反映了专业化和相关多样化程度的不足，从而削弱了专业化和相关多样化通过生产率改进和就业吸纳产生的减贫效果。而在经济下行阶段，不相关多样化将更多体现为缓冲器作用，从而有助于贫困减缓。
演化经济学中对于专业化、多样化与就业关系的研究与该本文的理论机制类似，Bishop[13]，Van Oort等[14]和Cortinovis等[15]的研究均对专业化、相关多样化、不相关多样化与就业的关系进行了实证检验。本文虽然借鉴了演化经济学中对于专业化、多样化与就业的研究视角，但研究贫困减缓和就业问题有两点核心区别：一方面，鉴于贫困人口的禀赋特征，贫困减缓更为关注低技能劳动力的就业以及自我雇佣劳动力的就业问题；另一方面，基于新古典分配理论，贫困问题结合了就业和劳动力要素回报，既考虑了产业结构对就业规模的影响，又综合体现了生产效率改进和劳动力边际产出变动对劳动报酬的影响。
与本文相近的是丁建军等[16]的研究，他们研究了美国阿巴拉契亚地区经济多样性的减贫效应，并认为多样化的生计方式有助于就业创造和经济稳定，从而有助于贫困减缓。他们对多样化与减贫的关系从产业多样性、功能多样性、职业多样性和知识多样性等方面进行了细致研究。他们的研究忽略了对专业化的分析，而多样化与贫困存在反向因果的可能，即便明确了知识多样化的减贫效应，贫困地区也能因为贫困本身而无法形成该种多样化的生计。另外，他们也没有考虑产业结构减贫效应的动态异质表现，他们的研究对于同质样本而言是合宜的，但却很难应对中国贫困地区差异化的贫困事实和“精准滴灌”、“因地施策”的政策需要。
2.2研究假说
综上对于产业结构与贫困减缓的理论分析，可以形成本文在研究专业化、相关多样化、不相关多样化与贫困减缓动态异质表现时的几个研究假说。
研究假说1：专业化在短期和中期的减贫绩效大于长期，专业化在长期因产业锁定效应的存在表现为负向减贫效应。
研究假说2：专业化的减贫效应随着市场规模的扩大而递减。
研究假说3：专业化和相关多样化的减贫效应不同，对于经济密度较小的地区，相关多样化的减贫效应低于专业化。
研究假说4：对于距离技术前沿更远的地区，专业化比相关多样化更有助于贫困减缓。相关多样化的减贫效应低于专业化。
研究假说5：相关多样化和不相关多样化的减贫效应不同，不相关多样化的减贫效应取决于市场规模和经济波动，经济上行波动的地区或市场规模较大的地区，不相关多样化不利于贫困减缓。
3计量模型设定、变量选择与数据来源
3.1计量模型设定
由于专业化、相关多样化与不相关多样化与贫困减缓的关系在短期和中长期有所不同，并且不同产业结构的减贫弹性受市场规模和技术前沿距离的影响，为此，本文使用多门限面板模型进行实证检验，以识别产业结构减贫弹性的动态异质表现。既往研究之所以较少关注该非线性特征，其原因在于既往研究方法在应对非线性时的假设过强，从而失却了实证结果的稳健性。在没有明确理论支撑的情况下使用明确的线性设定来识别非线性问题，无法捕捉模型设定之外的非线性效应。通过设定不同的门限变量，能够识别产业结构减贫弹性的地区特性和动态变迁。计量模型设定为：
其中，下标i和t分别研究区域和时间点，povit表示被解释变量，在本文中为区域i在t时期的贫困状况。Industryit表示区域i在t时期的产业结构，也是本文的主要解释变量。xkit为由控制变量构成的K维向量，包括经济增长、对外开放程度等影响贫困的其他因素。qit表示门限变量，γ为门限值，α0为常数项，αi为固定效应，εit为随机扰动项。
3.2变量选择与数据说明
（1）被解释变量。本文使用FGT贫困指数[17]测度了各省区历年的农村贫困状况，本文分别将贫困发生率、贫困距和平方贫困距作为被解释变量，不仅能够识别产业结构与贫困人口比重的关系，而且有助于分析a业结构对贫困人口收入分布的影响，从而使得政策启示更为丰富。如果产业结构体现了对贫困发生率指标的积极改善，而未能体现对平方贫困距的改善，则可以认为产业结构主要对贫困线附近的贫困人口具有显著减贫作用，而无法体现对深度贫困群体的益贫性。为了对产业结构影响贫困人口收入分布的情况进行细分研究，本文在稳健性检验中还使用了基尼系数作为被解释变量。FGT贫困指数和基尼系数测度时使用了世界银行的POVCAL计算平台，原始数据来源于历年各省区统计年鉴中农村居民收入五等份数据。
（2）主要解释变量。本文的主要解释变量是产业结构的专业化、相关多样化和不相关多样化。我们借鉴了专业化基尼系数方法来测度专业化，其测度表达式为：
Specialization=12∑|spg-sg|，其中，spg表示p地区g行业就业比重，sg表示全国该行业就业比重[18]。本文使用熵指数来表示产业的多样化特征，并将研究中的所有行业小类的熵表示总体多样化（Total Variety），用TV表示；研究中所有行业大类的熵表示不相关多样性（Unrelated Variety），用UV表示；每个行业大类中的小类行业的熵的加权和来表示相关多样性（Related Variety），用RV表示。具体表达式为：
RV=TV-UV。其中，G表示大类行业数，g表示小类行业数。pi和pg表示某小类行业和大类行业的就业在研究区域内占所有行业就业的比重。大类和小类行业就业数据来源于各省区历年统计年鉴、《中国工业统计年鉴》和《中国第三产业统计年鉴》。
（3）门限变量和控制变量。为了体现产业结构减贫效应的动态演化，本文设定时间作为门限变量，同时为了反映产业结构减贫弹性与经济规模和前沿技术距离的关系，还分别使用经济规模和技术前沿距离作为门限变量，对样本类型进行区分。
本文使用经济密度来反映经济规模，经济密度的计算方法为各省区地区生产总值除以行政面积，数据来源于历年《中国统计年鉴》。选取研究与发展内部经费支出作为技术前沿距离的变量，根据科研套利方程，技术产出与研发投入的资本总量有关，为此我们选择了R&D支出总量，而非R&D支出占GDP比重指标。该数据来源于历年《中国科技统计年鉴》中的“各地区研究与试验发展（R&D）经费内部支出”，包括了所有单位在基础研究、应用研究以及试验发展上的内部经费支出。同时，模型还包括了地区生产总值、进出口贸易总额、固定资产投资等控制变量，贸易总额利用当年平均汇率折算为人民币，所有货币计价指标均以2003年为基期进行了价格平减。
4实证检验与结果分析
4.1实证检验思路与过程
（1）确立门限回归参照结果。我们在不引入门限效应的情况下，使用固定效应模型对产业结构与贫困减缓的关系进行了实证检验，表1模型1至模型4分别展示了专业化、总体多样化、相关多样化、不相关多样化与贫困发生率的关系，并将该结果作为后续门限回归结果的参照。
（2）以时间作为门限变量，对专业化、多样化与贫困减缓的关系进行实证检验，识别产业结构减贫效应的动态表现。在门限回归之前需要进行门限效应检验，对门限是否存在以及存在几个门限进行判定[19]。本文分别针对无门限、单门限和双门限设定进行了门限效应检验，因篇幅所限检验结果未列出。根据门限效应检验结果，对产业结构与贫困减缓的关系进行了门限回归，结果见表1模型5至模型8所示。
（3）为了识别产业结构减贫效应的异质表现，本文基于经济规模和前沿技术距离对样本进行了区分。区分思路为：①将经济规模作为门限变量，分析产业结构减贫效应的门限值（见表2模型9至模型12），并根据门限值对31个省区进行分类；②以前沿技术距离为门限变量，识别门限效应和门限值（表2模型13至模型16），根据门限值对31个省区进行分类；③针对经济规模和前沿技术距离的分类结果进行样本细分，结果见表3所示；④由于分类后的样本已经控制了产业结构减贫效应的异质表现和门限效应，故针对表3中的每一类细分样本，使用固定效应对产业结构的减贫效应进行检验，形成与表1结果的分类比照，并识别产业结构减贫效应的异质表现，相关结果见表4所示。
4.2实证结果分析
（1）产业结构减贫效应的动态表现。模型五至模型八将时间作为门限变量，对产业结构的减贫效应进行了门限回归。专业化的减贫效应体现出显著的单门限特征和动态性（模型5），门限值为2010年。在2010年之前，专业化的参数估计值为-0.275，2010年之后为-0.370，均在1%的显著性水平上统计显著，专业化减贫效应体现出随着时间而增强的特征。该结论与理论机制部分相符，也与Loayza等[20]对于产业结构、劳动密集度和贫困减缓关系的研究结论一致，但未能对专业化减贫效应在长期递减的研究假说1提供实证佐证。其可能的原因在于，专业化减贫效应在产品生命周期末端，并面临需求波动时才会出现产业结构的锁定效应和负向减贫作用。而中国产业结构的专业化对应于产品生命周期的初期和中期。因此，专业化的负向减贫效应在本文研究时间段内并没有体现，但随着经济新常态背景下需求结构的变化，专业化因产业锁定而导致减贫效应趋减或者负向减贫效应都可能出现。为了识别该种潜在影响，本文从经济演化的视角来模拟时间刻度，在经济密度较大的第一和第二类样本中，专业化的参数估计值分别为-0.079和0.075（见表4），而总体样本中的参数估计值为-0.261（模型1）。这表明未来随着产品生命周期的演化，R祷的减贫效应确实存在动态表现，从而与研究假说1形成了统一。
根据理论分析，产业结构的减贫效应会因经济规模和技术水平不同体现出组间异质性和时间不一致性。为了对该假说进行实证检验，本文对总体多样化、相关多样化和不相关多样化减贫效应的动态表现进行了检验，结果分别见模型6、模型7和模型8所示。所有多样化指标的减贫效应均未显示出统计显著的动态表现，即产业结构减贫效应的动态表现主要源于专业化减贫效应的差异。该结论对产业结构与贫困减缓多样化关联的实证证据寻找到了新的解释，既往研究在解释经济增长弹性的区际差异和跨期变迁时，倾向于认为是由制度、自然资源等背景因素，以及相同产业结构下的不同劳动密集度所导致（Berardi和Marzo，2017[21]）。但本文研究却表明，同等专业化程度的减贫效应本来就会随着行业部门生命周期的演化而不同，在生命周期的初期和中期，专业化的产业结构更有助于贫困减缓，其减贫效应也会在后期趋减，并在行业部门面临重大需求转折时体现出不利于减贫的锁定效应。
（2）产业结构减贫效应因经济密度不同的异质表现。从专业减贫效应的门限特征来看（模型9），专业化对贫困发生率的影响存在基于经济密度的双门限特征。门限值分别为171和2 730亿元/万km2。经济密度小于171亿元/万km2时，专业化体现为显著的贫困减缓效应，其参数估计值为-0.325，且在1%的显著性水平上统计显著。经济密度介于171和2 730亿元/万km2之间时，专业化参数估计值降为-0.111，且统计不显著。当经济密度越过第二个门限值时，专业化参数估计值为0.166，体现出不利于减贫的特征，且统计显著。该结论表明，专业化的减贫效应随着经济密度的提升而趋于减弱，甚至体现为负向效果，从而验证了研究假说2。其原因在于，经济密度较大的地区，同质化专业化行业部门面临的市场竞争程度加剧，导致边际收益下降，使得高经济密度地区通过效率改进，产生低技能劳动力的节约，从而体现为负向减贫作用。
从多样化减贫效应的异质表现来看（模型10至模型12），多样化的减贫效应存在双门限效应，但只有相关多样化的参数估计值统计显著。从专业化和多样化减贫效应的差异来看，比较模型11和模型9中的实证结果可以发现，中低经济密度地区专业化的减贫效应大于相关多样化，从而验证了研究假说3，这意味着对于宁夏、云南、贵州、甘肃、内蒙古、新疆、青海、等低经济密度地区而言，专业化导向的产业调整政策更有助于贫困减缓。而对于高经济密度地区而言，相关多样化导向的产业结构比专业化更有助于贫困减缓，专业化体现为更显著的负向减贫效应。进一步讲，即便中低经济密度地区需要利用多样化在知识交互上的优势，也应该将相关多样化和不相关多样化区别对待，从模型11和模型12实证结果的比较可以发现，不相关多样化并没有体现出贫困减缓的稳定器效应，产业结构多样化的发展策略应盯住相关多样化水平的提升。此外，相关多样化的减贫效应还体现为随经济密度增加递减的情况，对于经济密度较小的样本，相关多样化三阶段的参数估计值分别为-0.122、-0.091和0.039，且第三阶段参数估计值统计不显著。相关多样化实现贫困减缓需要有两个先决条件：①相关多样化带来的知识交互，能够创造新产品和新行业部门；②新行业部门的出现对于低技能劳动力就业吸纳能力的提升，大于“创造性毁灭”导致的就业吸纳能力下降。在产品创新固定成本相同的情况下，经济密度更大地区的企业基于相关多样化的共同知识基础主动寻求知识交互的动机更强。因此，同等的相关多样化程度在经济密度更大地区引致生产效率提高的可能性更大，但其减贫效应随经济规模递减的结果表明，相关多样化带来的效率提高对贫困人口就业的“挤出效应”大于“溢出效应”。这意味着新行业部门的创造并不能自动引致更有效的减贫进程，改善贫困人口的就业技能和经济机会是借“互联网+”背景改善减贫绩效的关键。
（3）产业结构减贫效应因技术前沿距离不同的异质表现。基于研发支出的门限效应检验结果见模型13至模型16所示。从专业化影响贫困发生率的门限表现来看，专业化的减贫效应随技术前沿距离缩短而降低，技术水平较低的地区专业化是更显著的减贫动力来源，而对于距离技术前沿较近的地区，相关多样化更有助于贫困减缓，从而对研究假说4进行了验证。技术前沿距离较远的地区，专业化参数估计值为-0.321，在1%的显著性水平上统计显著，且专业化的减贫绩效大于相关多样化；在第二阶段参数估计值变为-0.148，当越过第二个门限后，专业化体现为负向减贫效应，参数估计值为0.032。该结果与理论分析一致，距离技术前沿更远的地区主要通过过程创新体现效率改进，而非新产品和新行业部门的创造，因此专业化更能够匹配此类地区的技术禀赋，从而体现为更显著的减贫效应。且技术水平更高的地区，专业化虽然也能够带来过程创新和效率改进，但此类效率改进更倾向于表现为劳动力节约和负向的减贫效应，此时相关多样化比专业化更有助于贫困减缓。从专业化和相关多样化减贫效应的横向比较来看，在第二个门限值之前，专业化的减贫效应显著高于相关多样化，这意味着对于距离技术前沿相对较远的地区而言，专业化具有更强的益贫性。
从多样化影响贫困发生率的门限表现来看，相关多样化同样表现出比不相关多样化更显著的减贫效果，对于距离技术前沿较远的地区，相关多样化的参数估计值为-0.096，且在5%的显著性水平上统计显著，而不相关多样化参数估计值为正值，且统计不显著，对研究假说5进行了验证，并再次确认了将总体多样化细分为相关多样性和不相关多样性的必要，以及基于三次产业角度研究产业结构减贫效应的不尽恰当之处。
（4）控制变量与贫困减缓的关系。模型1至模型16均显示固定资产投资、进出口总额以及平均受教育年限均具有显著减贫效应，尤其是固定资产投资具有更强的减贫效果。本文对于投资、贸易和教育减贫效应的实证结果均与现有研究保持一致，但本文却并没有得到经济增长的显著减贫效应，该结论与罗楚亮[22]等的研究不一致，他们的研究普遍认为经济增长具有显著的正向减贫效应。出现该种背离的可能原因为：本文的研究时间段为2004―2014年，研究时间段进行了大幅更新，随着时间推移经济增长的减贫弹性会因收入分配、产业结构、就业吸纳能力等发生变化，既往研究也发现经济增长的减贫弹性趋于递减。更重要的是，本文认为随着产业结构的演化，经济增长的低技能劳动力吸纳能力会发生变化，从而导致收入分配结构和减贫效应的不同。为了验证经济增长对收入分配结构的影响，本文在表5中也实证检验了经济增长与基尼系数的关系，专业化的参数估计值为1.79，相关多样化的参数估计值为0.12，这表明既往经济增长与贫困减缓并非“水涨船高”的线性关系，存在减贫效应递减，甚至体现为负向减贫效应的可能。这也给政府通过产业发展政策的介入，以减贫统领贫困地区经济发展，修正经济增长与贫困减缓的关系带来了理论依据。
5产业结构减贫效应的稳健性检验
5.1基于样本细分的稳健性检验
上文对产业结构减贫效应的异质性从经济密度和技术前沿距离两个维度进行了分析，限于门限回归方法的局限性，本文无法在同一实证模型中同时引入两个门限变量，但忽略任何一个门限变量都会导致模型设定的偏误。为了规避该问题，本文根据经济密度和技术前沿距离的门限值对所有地区细分为四类，确保细分后的地区在经济密度和技术前沿距离上同质，从而限制因背景不同而导致的产业结构减贫效应的异质表现，分类结果见表3所示。
由于细分后的地区不再适用门限回归，本文使用固定效应模型对各类地区产业结构与贫困减缓的关系进行了实证检验，其目的是对产业结构减贫效应的异质表现进行稳健性检验，结果见表4所示。由于第一类地区只有上海、北京、天津、江苏，且这些地区的农村贫困已经基本消除，故后续稳健性检验主要以后三类样本作为盯住对象。
从专业化减贫效应的异质表现来看，样本细分之后，专业化的减贫效应依然体现为随着经济密度增大和技术改善而递减的特征。第四类样本专业化的参数估计值为-0.284，在10%的显著性水平上统计显著，而第三类和第二类样本的参数估计值分别为-0.168和0.075，且统计不显著。
从多样化减贫效应的异质表现来看，相关多样化在经济密度更小和距离技术前沿更远的地区也表现出了更显著的减贫效果。第四类样本相关专业化的参数估计值为-0.225，而第三类和第二类样本相关专业化的参数估计值分别为-0.123和0.014。从专业化和相关多样化减贫效应的比较来看，专业化在第四类和第三类样本中均体现出了更为显著的减贫效果。
由于后两类地区在“十三五”期间面临着更重的脱贫任务，因此稳健性检验的结果意味着后两类地区，尤其宁夏、云南、贵州、甘肃、内蒙古、新疆、青海、八个省区，面临着通过产业结构修正经济增长益贫性的迫切压力。这些地区在产业政策选择上应以专业化作为主要导向，并通过构建行业关联，改善相关多样化水平。
5.2基于产业分解的稳健性检验
门限回归和稳健性检验的结果虽然对产业结构减贫效应的异质表现进行了确认，也给出了不同地区更具减贫绩效的产业结构选择，但依然面临如何做的问题。虽然专业化的产业结构可以根据本地比较优势以及凭借承接产业转移来实现，但如何在多样化之下塑造相关多样化是政策层面面临的难点，也是上述实证结论在指导实践时的缺憾之处。为此，本文细分三次产业分析了不同产业相P多样化与贫困减缓的关系，尝试回答何种相关多样化更有助于减贫的问题，从而为产业发展政策提供更具操作性的建议。本文基于固定效应模型，对第四类样本三次产业的相关多样化与贫困减缓的关系进行了实证检验，结果见表5所示。
第一产业和第三产业相关多样化的减贫效应更大，其参数估计值分别为-0.144和-0.337，分别在1%和5%的显著性水平上统计显著，而第二产业相关多样化并未表现出显著的减贫效果。这与既往研究中第一产业和第三产业减贫弹性更大的结论相类似，但本文的结论并不支持只要第一产业和第三产业发展就能引致减贫的结论，对于经济密度小且距离技术前沿较远的地区而言，首要目标是追求专业化的产业结构，其次在总是存在多样化的情况下，谋求第一产业和第三产业的相关多样化是“锦上添花”的减贫政策选择。即贫困地区产业扶贫的主要矛盾在于如何改善专业化程度，次要矛盾是如何塑造更合宜的多样化产业结构问题。前文已经分析了专业化产业结构的政策导向，表5的结论则对何种多样化更合宜给出了启示，第三产业的相关多样化是更具减贫绩效的多样化产业结构选择，在操作上可以基于各地区行业部门的投入产出，针对性设定打造对应多样化的产业政策策略。由此，本文的结论对既往认为应该偏重发展农业或服务业等某一种产业的结论进行了完善，三次产业的发展可以在减贫框架下发挥协同作用，而非割裂开来形成权衡替代，第二产业完全可以通过专业化程度改善发挥减贫绩效，而第三产业和第一产业则在相关多样性上体现贫困减缓。
5.3基于FGT困指标的稳健性检验
上述产业结构减贫效应的实证检验主要以贫困发生率作为被解释变量，但是由于贫困群体的禀赋、能力和机会也存在显著的内部差异，所以产业结构对于贫困人口内部不同群体的减贫影响也可能存在异质表现。现有研究也表明减贫政策有盯住贫困线附近贫困人口的偏好。为了识别产业结构在不同贫困深度层面的异质减贫效应，本文进一步以贫困距和平方贫困距作为贫困的变量，使用固定效应模型对产业结构的减贫效应进行了实证检验，并且为了检验产业结构对非贫困人口和贫困人口收入提升的异质性，还在检验中使用了基尼系数作为了被解释变量，结合前述分析结论，本文重点对第四类样本专业化和第三产业相关多样化这两个最重要产业结构变量的减贫效应进行了检验，实证结果见表5模型36至41所示。
通过比较表4模型25与表5模型36、37的实证结果，分别将第四类地区的贫困发生率、贫困距和平方贫困距作为被解释变量时，专业化的参数估计值分别为-0.284、-0.093和-0.027，专业化虽然有效降低了第四类地区的贫困发生率，但对贫困距和平方贫困距的缓解作用较小，且统计不显著。比较第三产业相关多样化与FGT贫困指数的关系来看，第三产业相关多样化影响贫困距和平方贫困距的参数估计值为正值。这意味着专业化和第三产业相关多样化对贫困人口内部不同群体的减贫影响也是异质的，使用基尼系数作为被解释变量时，专业化和第三产业多样化的参数估计值也为正值，这进一步表明专业化和第三产业相关多样化对不同群体的收入影响存在差异，没有体现出对深度贫困人口的益贫性。其原因在于深度贫困群体的自我发展能力和经济机会显著更低，参与专业化经济活动并获取回报的能力较差。该结论意味着盯住贫困减缓的产业发展政策，需要以深度贫困人口的经济机会和自我发展能力提升为前提。
6结语与政策启示
新一轮扶贫攻坚阶段，理解产业结构与贫困减缓的关系有助于贫困地区选择合宜的产业发展策略，但是现有文献往往认为第一产业和第三产业更有助有减贫，但该结论割裂了三次产业的发展关联，现实中任何一个产业都无法“孤岛式”存在。同时，现有研究也未能就产业结构减贫效应异质表现的内在机理进行分析，而是归咎于收入分配结构和劳动密集度，但这两者都是产业结构引致的结果，而非独立于产业结构的外生变量。本文从专业化、多样化的视角出发，首先讨论了产业结构的专业化和多样化影响贫困减缓的内在机制，然后基于中国31个省级行政单位2004―2014年的面板数据，使用门限回归方法，识别了产业结构减贫效应的动态异质表现，并从细分样本、细分产业和细分贫困群体三个维度进行了稳健性检验。本文的主要研究结论和政策启示为：
（1）专业化与贫困减缓的关系具有为显著的动态异质表现，在研究时间段内，专业化的减贫效应随着时间推移而增强。并且专业化对于经济密度更小、距离技术前沿更远的地区，体现出更为显著的减贫效应。这意味着“十三五”期间，减贫的重点和难点地区应基于本地比较优势和产业转移的契机，着力提升本地产业结构的专业化程度。同时，本文的研究也证实，专业化的减贫效应会受市场对同质化产品的需求波动和产业锁定的负面影响。
（2）专业化和多样化的减贫效果不同，并且多样化与贫困减缓的关系也应因相关多样化和不相关多样化而异。对经济密度更小、距离技术前沿更远的地区，专业化比多样化的减贫表现更好，且相关多样化比不相关多样化更有助于贫困减缓。细分产业的研究则进一步表明，第三产业的相关多样化是更益贫的多样化产业结构。该结论意味着贫困地区在减贫的产业结构选择上，首要目标是改善专业化程度，其次在总是存在多样化的情况下，谋求第三产业的相关多样化是更为合宜的产业选择。本文的证据对既往认为应该偏重发展农业或服务业等某一种产业的结论进行了完善，三次产业的发展可以在减贫框架下发挥协同作用，而非割裂开来形成权衡替代，第二产业完全可以通过专业化程度改善发挥减贫绩效，而第三产业和第一产业则在相关多样性上体现贫困减缓。
（3）专业化和相关多样化对不同贫困群体的影响也存在差别，既往产业结构更有利于贫困线附近群体的贫困减缓，而对深度贫困群体的溢出不足。因此，在塑造合宜减贫产业结构，改善低技能劳动力需求的同时，还应辅以改善深度贫困人口劳动力供给的政策，改善其自我发展能力和经济机会，从而增强从益贫产业结构中获益的能力。
本文虽然对产业结构减贫效应的动态异质表现进行了相对全面的分析，但无可回避的问题是，无论是贫困还是产业结构都是复杂均衡的结果，从这一点上来说，本文在有限的研究范围内无法穷尽两者关联的所有可能和影响因素。为此，在未来的进一步研究中，可以从更为微观的角度来刻画产业结构与贫困减缓的关系，如针对某一特定地点，细分农产品的专业化和多样化。
参考文献（References）
[1]World Bank. World development report 2014： risk and opportunity-managing risk for development[R]. 2013：10-30.
[2]汪三贵，胡联.产业劳动密集度、产业发展与减贫效应研究[J]. 财贸研究， 2014（3）：1-5.[WANG Sangui， HU Lian. Industry labor concentration， industrial development and rural poverty reduction[J]. Finance and trade research， 2014（3）：1-5.]
[3]DOLLAR D， KLEINEBERG T， KRAAY A. Growth still is good for the poor[R]. 2015：68-85.
[4]章元，许庆.农业增长对降低农村贫困真的更重要吗？――对世界银行观点的反思[J]. 金融研究， 2011（6）：109-122.[ZHANG Yuan， XU Qing. Is agriculture development is more important for rural poverty reduction？[J].Journal of financial research， 2011（6）：109-122.]
[5]COLLIER P， DERCON S. African agriculture in 50 years： smallholders in a rapidly changing world？[J]. World development， 2014， 63（C）：92-101.
[6]SINGH T. On the sectoral linkages and pattern of economic growth in India[J]. Journal of the Asia Pacific economy， 2016， 21（2）：1-19.
[7]CHRISTIAENSEN L， DEMERY L， KUHL J. The （evolving） role of agriculture in poverty reduction： an empirical perspective[J]. Journal of development economics， 2011， 96（2）：239-254.
[8]DOROSH P， THURLOW J. Beyond agriculture versus nonagriculture： decomposing sectoral growthpoverty linkages in five African countries[R]. IFPRI， 2014.
[9]蔚屡.产业结构、劳动密集度与西部地区贫困减缓――基于动态面板系统广义距方法的分析[J]. 中南财经政法大学学报， 2012（6）：106-112.[SHAN Depeng. A research of the effect of the composition of economic growth on poverty reduction in Western China[J].Journal of Zhongnan University of Economics and Law， 2012（6）：106-112.]
[10]GLAESER E L， SHLEIFER A. Growth in cities[J]. Journal of political economy， 1992， 100（6）：1126-1152.
[11]JACOBS J. The economy of cities[M]. New York： Random House， 1969：50-56.
[12]FRENKEN K， VAN OORT F， VERBURG T. Related variety， unrelated variety and regional economic growth[J]. Regional studies， 2007， 41（5）：685-697.
[13]BISHOP P， GRIPAIOS P. Spatial externalities， relatedness and sector employment growth in Great Britain[J]. Regional studies， 2010， 44（4）：443-454.
[14]OORT F， GEUS S D， DOGARU T. Related variety and regional economic growth in a crosssection of European urban regions[J]. European planning studies， 2014， 23（6）：1110-1127.
[15]CORTINOVIS N， OORT F. Variety， economic growth and knowledge intensity of European regions： a spatial panel analysis[J]. Annals of regional science， 2015， 55（1）：1-26.
[16]丁建军，冷志明，于正东，等.经济多样性的减贫效应――基于美国阿巴拉契亚地区的经验[J].中国工业经济， 2016（6）：39-56.[DING Jianjun， LENG Zhiming， YU Zhengdong， et al. Poverty alleviation effect of economic diversity： evidence from Appalachian region of the U.S.[J]. China industrial economics， 2016（6）：39-56.]
[17]单德朋.民族地区贫困的测度与减贫因素的实证研究[M]. 北京：经济科学出版社， 2014：44-57.[SHAN Depeng. Poverty measurement and an empirical study on poverty reduction of ethnic areas[M]. Beijing： Economic Science Press， 2014：44-57.]
[18]孙祥栋，张亮亮，赵峥.城市集聚经济的来源：专业化还是多样化――基于中国城市面板数据的实证分析[J]. 财经科学， 2016（2）：113-122.[Sun Xiangdong， Zhang Liangliang， Zhao Zheng. Sources of agglomeration economy： specialization or diversification[J]. Finance & economics， 2016（2）：113-122.]
[19]HANSEN B E. Sample splitting and threshold estimation[J]. Econometrica， 2000， 68（3）：575-604.
[20]LOAYZA N V， RADDATZ C. The composition of growth matters for poverty alleviation[J]. Journal of development economics， 2006， 93（1）：137-151.
[21]BERARDI N， MARZO F. The elasticity of poverty with respect to sectoral growth in Africa[J]. Review of income and wealth， 2017， 63（1）：147-168.
[22]罗楚亮.经济增长，收入差距与农村贫困[J]. 经济研究， 2012（2）： 15-27.[LUO Chuliang.Economic growth，inequality and poverty in rural China[J].Economic research journal， 2012（2）15-27.]