0 引言

《中共中央、国务院关于打赢脱贫攻坚战的决定》强调，贫困地区重大基础设施建设工程的重点内容是交通骨干通道工程。当前，国家扶贫战略的基础是交通运输扶贫，而连片特殊困难地区是全国脱贫攻坚的重点区域。因此，测度交通运输扶贫效应，能够为交通运输扶贫规划提供依据。

近年来，交通运输与贫困的关系日益受到关注，如王永明^[1]等运用空间计量方法与地理加权回归定量测度了乡村贫困空间差异的影响因素并获取了空间异质性及空间依赖性格局；李怡^[2]、田园^[3]等对贫困地区的致贫因素进行研究，进一步剖析了区域性贫困成因；谯博文^[4]等构建了交通优势度评价模型，并与贫困要素进行耦合分析；王武林^[5]等通过SEM模型探讨了公路交通优势度对经济增长的影响；张光南^[6]等建立生产函数与收敛方程分析框架，实证分析了交通基础设施对区域经济差距的影响；王伯礼^[7]等分析了公路交通基础设施建设对经济增长的贡献，发现交通基础设施建设对区域经济增长起着直接驱动作用；于江霞^[8]等引入空间计量经济学，分析了公路交通设施的空间相关性和收敛性；罗能生^[9]等通过空间相关性分析及空间计量模型研究了交通基础设施建设对城乡收入公平的改善影响情况；向爱兵^[10]、李庆华^[11]等基于贫困理论和交通扶贫现实背景，分别定性分析了贫困地区交通扶贫政策效果及交通发展战略。但已有研究多从交通供给层面分析交通基础设施对贫困地区经济发展的影响，运输需求层面的研究较少，且多为定性分析。基于此，本研究从交通供给和运输需求两个层面，引入空间计量经济学模型确定影响交通运输扶贫效应的关键因素，测度连片特困地区的交通运输扶贫效应。

1 交通运输扶贫效应的内涵分析及测度方法 1.1 交通运输扶贫效应的内涵分析

交通运输部印发的《“十三五”交通扶贫规划》，明确指出加快基础设施建设仍是交通扶贫的首要任务，提升运输服务水平是交通扶贫的落脚点。因此，交通运输扶贫效应分析是在空间层面度量交通运输系统的各要素对贫困程度的影响，通过公路网密度、人均拥有道路里程、可达性、旅客生成密度、货物生成密度等指标揭示交通运输系统的扶贫效果。交通运输扶贫效应的机理模型如图 1所示。

1.2 交通运输扶贫效应的测度方法

为进一步测度交通运输扶贫效应，本研究提出了交通供需水平的测度指标体系，由于空间贫困受多种因素影响，运用主成分分析测算贫困程度。

1.2.1 区域交通运输系统供需水平测度

为进一步量化交通运输各要素对空间贫困的改善程度，将交通运输系统划分为交通供给和运输需求两个子系统。其中，交通供给能力主要甄选公路网密度、人均拥有道路里程、可达性等3个指标对路网规模及路网通达程度进行评估；交通需求能力主要选取旅客生成密度、货物生成密度2个指标进行评估，以上指标均以区域经济发展水平为基准，更为精准反映交通运输系统对区域经济的影响。具体指标如表 1所示。

为精准测度各贫困县间的最短出行时间，构建时间距离可达性模型，公式为：

(1)

式中，AC为贫困县的可达性系数，单位为h，其值越小表明节点可达性越好；m为研究区域内的贫困县数量；l_ab为贫困县a至贫困县b的公路里程；v_ab为贫困县a至贫困县b的平均行车速度。

1.2.2 空间贫困程度测度

(1) 提出空间贫困评价指标体系

世界银行发布的《重塑世界经济地理》在新经济地理框架下提出了“3D”分析框架：密度、距离、分割。鉴于研究区域贫困程度的空间异质性，本研究基于新经济地理学的3D理论，从密度、距离、分割3个维度^[12-13]构建空间贫困的评价指标体系，如图 2所示。

(2) 基于主成分分析的贫困测度模型构建

构建主成分分析的贫困测度模型，计算贫困综合得分：

(2)

式中，Zⁱ为第i个研究单元的贫困综合得分；w_j为第j个主成分的权重；F_jⁱ为第i个研究单元中第j个主成分得分，j=1, 2, …, q，q为主成分总数。贫困综合得分表征了该贫困县贫困水平的程度，数值大小与贫困程度成反比。

(3)

(4)

式中，λ_j为第j个主成分对应的特征值，μ_kⁱ为第i个研究单元的第k个指标的主成分系数，k=1, 2, …, m，m为指标总数。为第i个研究单元的第k个指标的标准化取值，其标准化方式如下：

(5)

式中，x_ij为第i个研究单元的第j个指标量化值；x为样本均值，；s为样本标准差。

1.2.3 交通运输供需水平与空间贫困的作用机制

基于交通供需水平的测度指标体系及空间贫困的测算结果，引入空间计量经济学模型。首先，对空间贫困程度进行基本的相关性检验，然后将空间贫困程度作为因变量，与交通运输系统变量进行拟合测算；最后，获得交通运输供需水平与空间贫困的相互作用机制。

(1) 空间相关性检验。

空间相关分析是空间计量的前提，一般分为全局自相关和局部自相关两类，当空间相关检验显著时方可进行空间计量分析^[14-15]。本研究选用Moran's I指数衡量空间贫困程度在空间上的整体分布特征和空间集聚格局，计算公式如下：

(6)

式中，y_i和y_j分别为研究单元i和j的观测值；；W_ij为空间权重矩阵，本研究基于Rook标准进行确定，当且仅当研究单元具有公共边界时空间权重取为1，否则为0。

(2) 普通最小二乘法(OLS)估计模型构建。

当研究单元的空间相关性不显著时，运用OLS估计模型直接研究空间贫困程度与交通供需水平各指标的相互作用关系，见式(7)：

(7)

式中，α为回归截距; β, χ, δ, ϕ, φ为解释变量系数，由最小二乘法进行估计；ε为服从正态分布的随机误差项，其余变量意义同前。

(3) 空间滞后模型(SLM)构建。

SLM模型考虑了观测变量的空间相关性，且探讨各变量在某一地区是否有扩散现象并解释变量的溢出效应，建立空间贫困程度与交通供需水平的空间滞后模型如式(8)所示：

(8)

式中，ρ为空间自相关系数；W为空间权重矩阵；γ为服从正态分布的随机误差项，其余变量意义同前。

(4) 空间误差模型(SEM)构建。

SEM模型包含一个空间误差项，并检查忽略变量的影响，当残差之间存在空间自相关时，SEM更为有效。建立空间贫困程度与交通供需水平的空间滞后模型如式(9)所示：

(9)

式中，η为误差项的自相关系数，其他变量含义同前，空间滞后模型和空间误差模型中的解释变量系数采用极大似然方法进行估计。

模型精度依靠Anselin^[16]等提出的判别准则：如果通过空间相关性检验，表明LMLAG较LMERR在数学统计上更加显著，且R-LMLAG显著但R-LMERR不显著，则可以判断适合的模型是SLM；反之，则可判断SEM是恰当的模型。

2 实证分析 2.1 研究区域与数据来源 2.1.1 研究区域

滇西边境山区作为全国扶贫攻坚规划的重点区域，是边境县最多的片区。滇西边境山区贫困程度深、覆盖面广，基础设施薄弱问题突出^[17-18]。同时，滇西边境山区与缅甸、老挝、越南三国接壤，扶贫对维系地区经济社会稳定的作用重大。因此，本研究选取滇西边境山区56个贫困县为例，运用空间计量模型探究交通运输的扶贫效应。

2.1.2 数据来源

研究数据主要由滇西边境山区56个贫困县的经济发展、交通运输、社会保障、基础地理4方面数据构成。其中，经济发展相关数据来源于《中国区域经济统计年鉴》；交通运输相关数据来源于《中国城市统计年鉴》及各县(区)的《国民经济与社会发展统计公报》；基础地理数据来源于人民交通出版社出版的《中国公路交通地图册(2017版)》。具体指标变量的描述性统计，如表 2所示。

2.2 空间贫困程度 2.2.1 空间贫困程度测度结果

利用Spss软件对贫困指标进行主成分分析，提取了第1主成分和第2主成分(累计贡献率达73.48%)，并计算贫困综合得分，各主成分的得分系数如表 3所示，贫困综合得分概况如表 4所示。

2.2.2 空间自相关检验

(1) 全局空间自相关分析

根据式(6)计算滇西边境山区空间贫困程度的Moran's I值，为0.927。表明滇西边境山区县域贫困程度在空间分布上具有较强的正空间相关性，因此，应引入合适的空间计量模型进行分析。

(2) 局域空间相关性分析

进一步采用LISA指标对滇西边境山区县域贫困程度进行深入分析。将研究区域县域贫困程度分为3种空间相关模式：高-高(HH)、低-低(LL)及不显著，依次代表某县域与邻近县域贫困程度的高值与高值聚集、低值与低值聚集和不显著相关，如表 5所示。

根据全局Moran'I和局部LISA分析结果可知，研究区域县域贫困程度的空间非均衡分布特征非常明显，空间贫困程度为高-高(HH)空间相关模式的县域为15个，集中分布红河、普洱、临沧等地，空间贫困程度为低-低(LL)空间相关模式的县域为13个，集中分布保山、丽江、大理、楚雄等地，贫困程度不显著相关的县域为28个。空间贫困程度总体呈现出由南至北从高到低的梯度特征，存在显著的空间集聚现象。

2.3 交通运输扶贫效应 2.3.1 交通运输系统各因素相关性分析

数据经标准化处理后，运用SPSS软件对研究区域贫困程度与交通运输系统各因素进行了相关性分析。结果表明，贫困程度与公路网密度、人均拥有道路里程、可达性、旅客生成密度、货物生成密度的相关性系数分别为0.156，0.105，0.412，0.112，0.130，均在10%水平上显著，如表 6所示。因此，揭示了研究区域贫困程度与交通运输系统各因素间具有显著的相互影响作用。整体来看，县域贫困程度与可达性相关性最高，公路网密度次之，表明县域间的通达能力及骨干路网覆盖程度对交通扶贫效应的发挥起着关键性作用。

具体来看，交通运输供给系统各因素与交通运输需求系统各因素间紧密相关，且相互影响。其中，公路网密度与旅客生成密度、货物生成密度的相关性系数分别为0.045，0.141，在10%水平上显著；表明公路网密度与交通运输需求系统各因素具有显著的正向相互影响作用。进一步地，揭示了骨干路网覆盖程度的提升有助于运输需求的满足。可达性与旅客生成密度的相关性系数最高，达0.161，说明提高县域间通达能力有助于提升旅客出行便捷性，进而影响旅客运输需求的大幅增加。

2.3.2 交通运输子系统扶贫效应分析

为进一步探索交通运输子系统的扶贫效应，利用结构方程模型，运用AMOS软件，采用最大似然估计法进行参数估计。交通运输子系统扶贫效应的结构方程模型观测变量参数计算结果如表 7所示。

模型的拟合度通过RMESA，GFI，NFI，CFI，IFI，AGFI等6个特征指标与标准值进行比较，交通运输子系统扶贫效应的结构方程模型可接受，其最终路径关系如图 3所示。

由图 3可知，在交通运输供给层面，公路网密度与人均道路里程数、可达性均存在显著的正效应，相关性系数分别达0.157, 0.107；可达性是提升扶贫效应的重要驱动因素，其相关性系数最高，达0.356；表明应继续加大资金投入建设公路基础设施，提高公路网覆盖密度，有利于提升县域间可达性，进一步发挥扶贫效应。在交通运输需求层面，旅客生成密度与货物生成密度的相关性系数达0.281，在1%水平上显著；旅客生成密度、货物生成密度均能在一定程度上发挥扶贫效应，其相关性系数分别达0.110，0.014，揭示了旅客的频繁往来及货物的高效运输有利于加快当地经济发展。

2.3.3 空间计量模型估计结果及结果分析

将标准化后的各指标根据式(7)进行OLS估计，之后引入空间效应，根据式(8)、式(9)分别建立SLM和SEM模型，利用极大似然法对参数进行估计，并对比3种模型的估计结果。

(1) OLS、SLM、SEM模型估计结果

首先，进行普通最小二乘法的估计，其次利用极大似然估计(ML)的参数估计，结果如表 8所示。最后通过Moran指数检验、两个拉格朗日乘数来判断空间计量模型SLM和SEM的形式，见表 9。显然，LMERR，LMLAG，R-LMLAG均通过1%水平的显著性检验，R-LMERR未通过显著性检验。继而比较SLM和SEM模型的Log L，LR，AIC和SC值，详见表 8。综上，SLM模型相对更为精准。

(2) OLS、SLM、SEM模型结果分析

由表 8可知，OLS估计的区域空间贫困程度与交通供需水平指标的函数拟合优度达到10.9%，模型整体上通过了1%水平的显著性检验。公路网密度与货物生成密度对空间贫困程度的改善有显著的正效应，但其余变量未通过显著性检验，说明忽视空间自相关性直接采用OLS法建立模型进行分析存在一定问题。因此，引入SLM模型与SEM模型。

根据拟合程度最优的SLM模型估计结果显示，公路网密度、人均拥有道路里程、可达性、货物生成密度的回归系数分别为0.980，0.517，3.703，1.051，皆在10%水平显著；表明在交通供给层面，公路网密度、人均拥有道路里程、可达性对扶贫效应的发挥具有显著正效应，即公路网密度每增长1%能够促进经济发展0.980%，人均拥有道路里程每增长1%促进经济发展0.517%，可达性每增长1%能够促进经济发展3.703%；可见，提升公路网密度、人均拥有道路里程、可达性对于提升扶贫效应起到重要的驱动作用，提高骨干路网的覆盖程度，促进人均拥有道路里程数增加，进而有利于提高县域间通达能力，对改善贫困起着关键性作用；在运输需求层面，货物生成密度每增长1%能够促进经济发展1.051%，表明货物的高效运输对当地经济发展起着显著的驱动作用。旅客生成密度的回归系数为0.011，虽未通过显著性检验，但其与贫困程度存在一定影响。相对而言，交通供给系统对扶贫效应的提升效果更为显著。

综上所述，为有效提升扶贫效应，应增强对重大交通项目的投资。着力突破交通基础设施瓶颈，应提高骨干路网铺设密度，以改善县域间通达能力，进一步提升可达性。与此同时，应注重提高货物生成密度与旅客生成密度，有效满足运输需求，进一步提升扶贫效应。

3 结论

基于滇西边境山区56个贫困县的空间截面数据，提出交通供需水平的测度指标体系，建立基于主成分分析的贫困测度模型，引入空间计量经济学模型测度交通运输系统的扶贫效应，主要结论有：

(1) 滇西边境山区空间贫困程度具有较强的正空间相关性；其空间贫困程度的Moran's I值为0.927；研究区域贫困程度空间分布表现出相似值之间的空间集群，即具有邻近效应。

(2) 滇西边境山区县域贫困程度存在明显的空间非均衡分布特征，空间贫困程度为高-高(HH)空间相关模式的县域为15个，集中分布于红河、普洱、临沧等地，空间贫困程度为低-低(LL)空间相关模式的县域为13个，集中分布保山、丽江、大理、楚雄等地，其余县域贫困程度不显著相关。

(3) 通过相关性分析发现，县域间的通达能力及骨干路网覆盖程度对交通扶贫效应的发挥起着关键性作用；交通运输供给系统各因素与交通运输需求系统各因素间紧密相关，且相互影响，骨干路网覆盖程度的提升有助于运输需求的满足。

(4) 结构方程模型估计结果显示，交通运输供给系统的公路网密度与人均道路里程数、可达性均存在显著的正效应，应继续加大资金投入建设公路基础设施，进而提升县域间可达性，有效发挥扶贫效应；运输需求系统的旅客生成密度、货物生成密度均能在一定程度上提升扶贫效应，说明旅客的频繁往来及货物的高效运输有利于加快当地经济发展。

(5) 由拟合最优的SLM模型估计结果显示，交通供给层面的公路网密度是提升扶贫效应的重要驱动因素，即公路网密度每增长1%能够改善贫困程度4.855%；运输需求层面的货物生成密度每增长1%能够改善贫困程度2.225%。相对而言，交通供给系统对扶贫效应的提升效果更显著，应提高骨干路网铺设密度，进而提升可达性，有效满足运输需求，进一步提升扶贫效应。