邱海兰，廖文梅，b，张广来

(江西农业大学 a.经济管理学院，b.农村土地资源利用与保护研究中心，南昌 330045)

林区扶贫绩效评价：来自赣州市15个林业县的实证研究

邱海兰a，廖文梅a，b，张广来a

(江西农业大学 a.经济管理学院，b.农村土地资源利用与保护研究中心，南昌 330045)

为了厘清现有的扶贫政策对林区的减贫效果，探索扶贫政策在林区贫困县与非贫困县实施的效果差异，利用2008～2014年赣南林区15个林业县的面板数据，首先通过描述性统计分析的方法，比较了林区贫困县和非贫困县在人均GDP和农村居民人均纯收入两方面的差异变化，再利用方差分析法和计量回归模型，探究影响林区贫困县和非贫困县在人均GDP和农村居民人均纯收入上存在差异的显著因素。结果表明：在2008～2014年期间，赣州林区贫困县的人均GDP增长量仅为非贫困县的60.73%，造成差异的主要影响因素是人均固定资产投资额和人均消费额；贫困县的农村居民人均纯收入增长量为非贫困县的126.85%，造成差异的主要影响因素是农村人均固定资产投资额和农村从业人员数。政府扶贫工作对林区贫困县农户减贫效果比较明显，但贫困县和非贫困县之间的经济发展差距仍然很大，政府应提高对贫困县的固定资产投资水平，引导贫困县居民转变消费观念、促进地方消费。

林区贫困；扶贫；面板数据

贫困问题一直是全球经济发展的主要障碍，中国作为发展中国家，贫困问题尤为突出。林区是贫困人口高度集中的区域，贫困人口分布呈现出点、线、面并存的状态[1]。在全面建设小康社会的历史时期，林区贫困不仅影响了林业发展，而且已经成为整个社会发展亟待解决的问题。林区贫困问题不仅与社会经济发展息息相关，而且还具有明显的地理区域特征，呈现出多元化的特征[2]。由于林业具有经济效益和生态效益的双重属性，因此促进林区经济发展和解决林农贫困问题不仅是经济社会发展的必然要求，而且对保护生态环境安全也具有重要意义。从1986年至今，政府扶贫工作已经走过了将近30年的时间，如何解决林区贫困问题，一直是政府扶贫工作的重点和难点。关于扶贫效果的研究，国内许多学者已经做了卓有成效的探索。有学者利用江西、四川、重庆三省在2013年和2015年的农户面板数据，研究了链式融资模式对农户减贫的效果，结果表明产业链式融资在农户减贫中发挥着重要的作用[3]；通过对彩票公益金整村推进项目的研究，对土地租赁流转型、“龙头”组织与农户合作型、土地股份制合作型等七种农业产业发展扶贫模式的效益和影响因素进行了探讨[4]；基于海南省贫困地区的调查数据，从是否能精准提高贫困人口的经济收入和满意度两个方面，分析了不同旅游扶贫模式的精准扶贫效果[5]。还有一些学者利用结构方程模型和多层次分析法，通过构建相关指标体系，对民族地区的扶贫绩效进行了评价[6-7]。虽然已有许多文献通过构建指标体系来评价扶贫政策的效果，但很少有通过比较贫困地区和非贫困地区之间的发展动态变化来反映政策扶贫效果，而且贫困问题具有明显的区域特征[2]，不同地区贫困问题有所不同，相应的扶贫政策也不同，扶贫效果也存在明显差异。正如现在提出的“精准扶贫”一样，解决贫困问题要因地制宜。2007年国务院印发《关于在全国建立农村最低生活保障制度的通知》(国发[2007]19号)，从此中国农村扶贫进入了开发式扶贫与救助式扶贫双轨并行的新阶段，2013年国务院印发《关于创新机制扎实推进农村扶贫开发工作的意见》，标志着中国农村进入了精准扶贫的新阶段。赣南原中央苏区是典型的集中连片特别困难地区，属于区域性贫困。2012年国务院下达《关于支持赣南等原中央苏区振兴发展的若干意见》，标志着赣南区域扶贫振兴发展上升到了国家战略，随之国家在金融、投资、国土、生态补偿、产业发展和人才政策方面给予了大力支持和明显倾斜，并且这些政策支持和倾斜的力度在贫困县和非贫困县之间也存在较大的差异，其政策差异会给赣南原中央苏区贫困县与非贫困县的经济振兴和农民收入带来多大程度的影响？为此，利用江西省赣州市15个林业县2008～2014年的数据，比较林区贫困县与非贫困县在经济发展和农村居民收入方面存在的差异，通过方差分析法和构建回归模型，探究造成林区贫困县与非贫困县经济发展与农村居民纯收入差异的影响因素，以便提高区域扶贫开发的针对性，这对科学合理、因地制宜地制定扶贫政策具有一定的参考作用，对促进赣南中央苏区经济发展具有指导意义。

1 理论模型与方法

中国处于全面建设小康社会的历史时期，贫困问题已经成为全面建设小康社会必须首先解决的问题。解决贫困问题是一个长期探索的过程，厘清现阶段政府开展扶贫工作的效果，对优化扶贫政策具有一定的参考作用。衡量政府扶贫效果的一个重要指标是贫困地区和非贫困地区之间的经济差异是否缩减。地区之间的经济差异一般是由自然资源、地理区位、历史文化等多种因素造成的，适当的经济差异不仅可以提高资源的配置效率还可以优化产业结构，促进产业的结构升级和合理转移，但过大的经济差异容易造成社会的不稳定[8]。对地区经济差异的现状及其影响因素进行研究，不仅能为经济发达地区继续保持发展优势提供依据，还能为经济欠发达地区的发展提供政策参考[9]。统计法、模型法以及公理法等方法经常被用来研究区域差异问题[10]。因此，首先通过描述性统计，明确林区贫困县与非贫困县之间的经济差异，然后采用方差分析法实证检验林区贫困县与非贫困县之间的经济差异是否显著，最后通过构建回归模型，将是否为林区贫困县设置为虚拟变量带入回归模型中，分析出影响林区贫困县与非贫困县经济差异的主要因素。

1.1 研究区域及数据来源

赣州市位于江西省南部，属于著名的红色革命老区，也是江西省重点林区，总人口921万人，国土面积393.80万hm2，森林覆盖率为76.24%[11]。由于历史、地理等因素，赣州市在经济发展中一直处于落后状态。赣州市有8个国定贫困县，占赣州市县总数的一半以上和江西省国定贫困县总数的三分之一。这也是江西省重点林区贫困县。赣州市的8个林区贫困县分别为：赣县、上犹县、安远县、宁都县、于都县、兴国县、会昌县、寻乌县，其余7个林区非贫困县分别为：信丰县、大余县、崇义县、龙南县、定南县、全南县、石城县。为考察赣州市林区贫困县与非贫困县之间的经济差异，选用2008～2014年江西省赣州市8个林区贫困县与7个林区非贫困县进行比较分析，数据均来源于《江西省赣州市统计年鉴》，样本总量为105份。

1.2 变量选取与理论依据

依据国定贫困县的划定标准，选取人均GDP和农村居民人均纯收入两个指标作为分析林区贫困县与非贫困县经济差异的代理变量。

1.2.1 人均GDP的影响因素

宏观经济学认为经济增长取决于总供给和总需求，当总需求大于总供给时，总供给是制约经济增长的主要因素；而当总供给大于总需求时，总需求成为制约经济增长的主要因素。在现代市场经济中，一国的经济增长一般取决于总需求的增长。总需求的构成因素主要包括投资需求、消费需求和出口需求。人们在研究经济增长的影响因素时，常将投资、消费、出口作为重要的解释变量纳入研究模型[12-14]。因此，选取人均固定资产投资额、人均消费额和人均出口额这3项指标作为人均GDP的解释变量，同时为了比较林区贫困县与非贫困县的差异，将是否为林区贫困县设置为虚拟变量，与人均固定资产投资额、人均消费额、人均出口额这3项指标一起作为人均GDP的解释变量放入模型，进行实证检验。

1.2.2 农村居民人均纯收入的影响因素

参考已有文献常用的影响农民收入的因素[15-17]，并结合柯布道格拉斯生产函数，选取代表人力资本因素的农村从业人员数和代表物质资本因素的农村人均固定资产投资额以及代表土地资本因素的农村人均土地面积这3项指标作为农村居民人均纯收入的解释变量，同时为了比较林区贫困县与非贫困县的差异，将是否为林区贫困县设置为虚拟变量，与农村从业人员数、农村人均固定资产投资额、农村人均土地面积这3项指标一起作为农村居民人均纯收入的解释变量放入模型，进行实证检验。其中农村人均土地面积由农村人均耕地面积、农村人均茶园和果园面积加总而得。

1.3 模型的构建

常用的含有虚拟变量的面板数据回归模型，可以根据虚拟变量的作用不同分为3种：第一种是影响截距变动的变截距回归模型，第二种是影响解释变量系数变动的变系数回归模型，第三种是同时影响截距和解释变量系数的混合回归模型。为了厘清林区贫困县与非贫困县之间的经济差异是如何形成的，采用影响解释变量系数变动的含虚拟变量的OLS回归模型。形式如下：

Yit=β0+β1Iit+β2Cit+β3Eit+β4DitIit+β5DitCit+β6DitEit+εit

⑴

式中Yit、Iit、Cit、Eit、DitIit、DitCit、DitEit分别表示赣州市第i县第t年的人均GDP、人均固定资产投资额、人均消费额、人均出口额、人均固定资产投资额与虚拟变量的乘积、人均消费额与虚拟变量的乘积、人均出口额与虚拟变量的乘积；βj为j项变量的系数，j=0，1，2，……，6，其中β0为常数项，β1、β2、β3、β4、β5、β6分别表示各解释变量的系数；D表示是否为林区贫困县的虚拟变量，D=1为林区贫困县，D=0为林区非贫困县；εit为随机干扰项，表示其它影响人均GDP的因素。

Pit=β0+β7Ait+β8Iit+β9Lit+β10DitAit+β11DitIit+β12DitLit+εit

⑵

式中Pit、Ait、Iit、Lit、DitAit、DitIit、DitLit分别表示赣州市第i县第t年的农村居民人均纯收入、农村从业人员数、农村人均固定资产投资额、农村人均土地面积、农村从业人员数与虚拟变量的乘积、农村人均固定资产投资额与虚拟变量的乘积、农村人均土地面积与虚拟变量的乘积；βk为k项变量的系数，k=0，7，8，……，12，其中β0为常数项，β7、β8、β9、β10、β11、β12分别表示各解释变量的系数；D表示是否为林区贫困县的虚拟变量，D=1为林区贫困县，D=0为林区非贫困县；εit为随机干扰项，表示其它影响农村居民人均纯收入的因素。

林区贫困县的虚拟变量为1，其系数为解释变量的系数加上虚拟变量与解释变量乘积的系数。例如：林区非贫困县人均固定资产投资额每增加1个单位，人均GDP增加β1个单位；林区贫困县人均固定资产投资额每增加1个单位，人均GDP增加β1+β4个单位。由此可以比较出各解释变量对被解释变量的影响在林区贫困县与林区非贫困县中的差异。

1.4 描述性统计方法

从人均GDP和农村居民人均纯收入两方面反映林区贫困县与非贫困县的差距。人均GDP、农村居民人均纯收入、人均固定资产投资额、人均消费额和人均出口额等统计指标的数据是由每年各个县的数据加总再平均所得，将8个林区贫困县的数据加总再平均得到林区贫困县的数据，将7个林区非贫困县的数据加总再平均得到林区非贫困县的数据。

1.5 影响因素分析方法

首先将是否为林区贫困县设置为虚拟变量，其中D=1表示林区贫困县，D=0表示林区非贫困县。运用Eviews软件对人均GDP与虚拟变量，农村居民人均纯收入与虚拟变量分别进行单因素方差分析。在方差分析的基础之上，运用Eviews软件对式⑴、式⑵分别进行含有虚拟变量的OLS回归分析。

2 结果及分析

2.1 描述性统计结果分析

2.1.1 人均GDP及其影响因素比较

林区贫困县和林区非贫困县的人均GDP(表1)均呈逐年增长趋势。从2008年到2014年，林区贫困县人均GDP增长了1.2倍，增长最快的是2011年，比2010年增长了20.82%；林区非贫困县人均GDP增长了将近1.25倍，增长最快的是2011年，较2010年增长了24.26%；林区贫困县的人均GDP增长量仅为林区非贫困县的60.73%；林区非贫困县的人均GDP增长速度比林区贫困县高3.44%；林区贫困县与林区非贫困县的人均GDP差距扩大了2.3倍 。总体来看，林区贫困县和林区非贫困县之间的人均GDP基数差距大，林区非贫困县的人均GDP增长速度快于贫困县；林区贫困县和林区非贫困县的人均GDP虽然都在波动地增长但增长量存在一定的差距，并在2011年骤然拉大，之后有不断缩小的趋势，林区非贫困县的人均GDP增长速度开始下降，而林区贫困县的人均GDP增长速度开始趋于平稳。国家对贫困县的一系列扶持政策使贫困县经济得以快速发展，但由于经济基础薄弱，林区贫困县与非贫困县之间的差距仍然很大，且政策的扶贫作用有减弱的趋势，政府应根据实际情况，对政策进行调整和优化。

表 1 林区贫困县与非贫困县人均GDP及其影响因素的描述性统计结果Table 1 Descriptive statistical results of per capita GDP and its influencing factors in forestry poor and non-poor counties

从2008年到2014年，林区贫困县的人均固定资产投资额增长量(表1)仅为林区非贫困县的58.96%，与林区非贫困县的差距扩大了3.5倍；人均消费额增长量仅为林区非贫困县的66.87%，与林区非贫困县的差距扩大了2.1倍；人均出口额增长量仅为林区非贫困县的27.26%，与林区非贫困县的差距扩大了2.9倍。随着经济的快速增长，地区经济发展不平衡问题越发突出。林区贫困县和林区非贫困县在人均GDP上的差距并没有因为扶贫政策的实施而消除或减小，反而在不断扩大。

2.1.2 农村居民人均纯收入及其影响因素比较

林区贫困县和林区非贫困县的农村居民人均纯收入(表2)均呈逐年增长趋势。从2008年到2014年，林区贫困县农村居民人均纯收入增长了1.75倍，增长最快的是2014年，比2013年增长了34%；而林区非贫困县农村居民人均纯收入增长了99%，每年的增长速度基本维持在10%左右。林区贫困县与林区非贫困县的农村居民人均纯收入虽然都呈递增趋势但增长速度不同，前者的增长速度快于后者，林区贫困县的增长量为林区非贫困县的126.85%；两者的增速有不断拉大的趋势，即林区贫困县和林区非贫困县的农村居民人均纯收入的差距在不断缩小，从2008年的相差0.097万元缩小到2014年只相差0.006万元。由此可见，政府扶贫政策对农民收入的增长起到了很大的促进作用，政府应通过精准扶贫体制机制的创新，构建农村贫困人口脱贫致富的长效机制，实现农村贫困人口的增收。

从2008年到2014年，林区贫困县的农村从业人员数增长量(表2)为林区非贫困县的137.22%，与林区非贫困县的差距扩大了1.04倍；而农村人均固定资产投资额增长量仅为林区非贫困县的47.80%，与林区非贫困县的差距扩大了13.70倍；但农村人均土地面积减少量为林区非贫困县的233.33%，与林区非贫困县的差距缩减了0.68倍。与林区非贫困县相比，林区贫困县的农村居民受教育水平更低，就业能力更弱，更倾向于从事农业、林业等一些技术水平要求不高的工作；尽管政府加大对林区贫困县的农村固定资产投资力度，但是投资力度还是不足；林区贫困县的农村土地资源更丰富，如何充分利用丰富的土地资源，将其转化为有利的经济优势，成为林区贫困县农村居民脱贫致富的关键。

仅通过变化趋势，还无法很好地刻画出林区贫困县与非贫困县在人均GDP和农村居民人均纯收入上的差异，需要进一步的实证检验。

表 2 林区贫困县与非贫困县的农村居民人均纯收入及其影响因素的描述性统计结果Table 2 Descriptive statistical results of per capita net income of rural residents and its influencing factors in forestry poor and non-poor counties

在滤波器的输入信号与负反馈信号相加之前,进行位数扩展防止累加造成的数据溢出,由32位扩展到59位,同时做数据正负号区分处理,以便后续内部程序进行有符号运算,然后进行累加运算,经过2N增益后输出,则该数字滤波环路的传递函数为:

2.2 林区贫困县和林区非贫困县经济差异影响因素分析

表 3 回归分析结果Table 3 Regression analysis results

说明：、、分别表示在10%、5%、1%的水平上显著。

单因素方差分析结果显示：人均GDP和农村居民人均纯收入的R2分别为0.88和0.40，Anova F-test的P值都为0.000 0。这表明林区贫困县与非贫困县的人均GDP和农村居民人均纯收入存在显著差异。OLS回归分析得到的结果如表3所示。

2.2.1 人均固定资产投资额和人均消费额对人均GDP具有显著影响

从人均GDP来看，无论是林区贫困县还是林区非贫困县，人均固定资产投资额、人均消费额对人均GDP都具有显著影响，而人均出口额对人均GDP并无显著影响。在其他因素不变的情况下，林区非贫困县人均固定资产投资额每增加1个单位，人均GDP增加0.532 2个单位；人均消费额每增加1个单位，人均GDP增加2.486 2个单位。林区贫困县人均固定资产投资额每增加1个单位，人均GDP增加0.807 7个单位；人均消费额每增加1个单位，人均GDP增加1.606 9个单位。也就是说，人均固定资产投资额每增加1个单位，林区贫困县人均GDP比林区非贫困县人均GDP多增加0.275 5个单位；人均消费额每增加1个单位，林区贫困县人均GDP比林区非贫困县人均GDP少增加0.879 3个单位。2012年《国务院关于支持赣南等原中央苏区振兴发展的若干意见》中指出，要加快赣南苏区、特别是贫困县交通枢纽、交通和水利基础设施、能源保障等固定资产投资建设，增强赣南苏区振兴发展的支撑能力，说明在扶贫政策的驱动下，人均固定资产投资额对林区贫困县的人均GDP增长更具有明显的促进效应。林区贫困县经济基础薄弱，基础设施建设不完善，处于投资效益的边际效应递增阶段，同时增加固定资产投资有利于创造就业机会，对地方经济发展有很大的驱动作用；而林区非贫困县的经济基础较好，基础设施建设相对完善，工业化程度也较高，产业面临结构转型和升级，投资效益的边际效应开始递减。因此，林区贫困县的固定资产投资额对于人均GDP增长的促进作用比林区非贫困县更显著。林区贫困县经济发展落后，消费水平不高，相对于林区非贫困县的消费水平，林区贫困县的低消费水平对经济增长的拉动作用不明显。赣州市处于内陆地区，出口贸易相对较少。因此，无论是林区贫困县还是林区非贫困县，出口对人均GDP的带动作用都不显著。

2.2.2 农村从业人员数和农村人均固定资产投资额对农村居民人均纯收入具有显著影响

从农村居民人均纯收入来看，无论是林区贫困县还是林区非贫困县，农村从业人员数和农村人均固定资产投资额对农村居民人均纯收入都具有显著影响，而农村人均土地面积对农村居民人均纯收入并无显著影响。在其他因素不变的情况下，林区非贫困县农村从业人员数每增加1个单位，农村居民人均纯收入增加0.007 4个单位；农村人均固定资产投资额每增加1个单位，农村居民纯收入增加0.469 8个单位。林区贫困县农村从业人员数每增加1个单位，农村居民人均纯收入增加0.000 2个单位；农村固定资产投资额每增加1个单位，农村居民人均纯收入增加0.838 8个单位。也就是说，农村从业人员数每增加1个单位，林区贫困县的农村居民人均纯收入比林区非贫困县的农村居民人均纯收入少增加0.007 2个单位；而农村人均固定资产投资额每增加1个单位，林区贫困县的农村居民人均纯收入比林区非贫困县的农村居民人均纯收入多增加0.369 0个单位。由于林区贫困县农村居民人均纯收入落后于林区非贫困县，受制于贫困县的农村教育基础薄弱、居民受教育水平低，从而造成了林区贫困县农村从业人员素质低于林区非贫困县。因此，林区贫困县农村从业人员数对农村居民人均纯收入增长的促进作用小于林区非贫困县，但两者相差不大。农村水、电、路等公共基础设施的改善能较大程度地提高贫困地区农村居民的收入水平[18]，加大对林区贫困县农村地区的固定资产投资，完善基础设施建设，有利于当地产业的发展和就业机会的增加，从而提高当地农村居民的纯收入水平。林区贫困县相对于林区非贫困县来看，农村基础设施建设不完善，不利于当地农业特色产业的发展。无论是林区贫困县还是林区非贫困县，都面临着农村人均耕地面积少、农产品产出效益低的问题。因此，无论是林区贫困县还是林区非贫困县，农村人均土地面积对于农村居民人均纯收入都无显著影响。

3 结论与建议

基于2008～2014年赣州市8个林区贫困县和7个林区非贫困县的面板数据，通过描述性统计分析比较林区贫困县和非贫困县的经济增长与农村居民纯收入差异的结果表明：在2008～2014年期间的赣南林区，贫困县的人均GDP增长量仅为非贫困县的60.73%；贫困县的农村居民人均纯收入增长量为非贫困县的126.85%。利用含虚拟变量的面板数据，采用方差分析方法实证检验结果表明：林区贫困县与非贫困县在人均GDP和农村居民人均纯收入方面都存在显著差异。从人均GDP和农村居民人均纯收入2个方面对林区贫困县与非贫困县经济差异背后的影响因素进行回归分析的结果表明：人均固定资产投资额和人均消费额对林区贫困县与非贫困县的人均GDP差异具有显著影响，农村从业人员数和农村人均固定资产投资额对林区贫困县与非贫困县的农村居民人均纯收入差异具有显著影响。从而得出结论：政府扶贫政策对林区贫困县农户的减贫具有明显的效果，但林区贫困县与非贫困县的经济差距仍然很大。

3.2 建议

基于模型回归分析的结果，提出以下4点建议，以期为政府扶贫工作提供政策参考，以便缩减赣南林区贫困县和非贫困县的差距。

第一，加大对贫困县的固定资产投资力度，提高贫困县的固定资产投资水平。采取以政府为主导，鼓励社会资本积极参与的投资形式。政府可以设立专项扶贫基金，用于贫困地区基础设施建设以及扶持贫困地区的特色产业发展。脐橙、茶叶、油茶、莲子、烟叶等一直是赣州市的特色农产品，政府应当创建良好的市场环境，完善相关配套设施建设，鼓励企业等社会资本的进入，充分发挥市场的优势，将脐橙等特色农产品打造成赣州市的特色品牌，带动当地的经济发展和实现人民增收。

第二，引导贫困县居民转变消费观念，提高贫困县居民的消费水平。要提高贫困县居民的消费水平，根本上还是要靠发展。通过转变贫困地区的经济发展方式和推动经济结构的优化升级，将脐橙、茶叶等具有当地特色的农产品产业进行产业升级，对产品进行深加工来延伸产业链条，增加就业机会，提高居民的收入水平；同时完善社会保障制度和加强宏观调控，运用相关的货币政策和财政政策稳定物价，从而刺激居民的消费需求，促进经济发展。

第三，加大对贫困县农村从业人员的技能培训。政府应积极组织各种免费培训班帮助贫困地区的人们接受从业技能培训，提高农村从业人员的从业能力和素质，使其能更好的适应社会发展的要求，找到更好更稳定的工作，从而获得更高的报酬，实现贫困地区人员的增收和逐渐摆脱贫困。

第四，加大对贫困县农村地区的固定资产投资力度，提高贫困县农村地区的固定资产投资水平。完善农村地区道路建设以及相关配套基础设施建设，建设社会主义新农村；同时加大对乡镇企业的固定资产投资，促进当地经济发展。鼓励农民通过使用机械化的作业方式和科学的管理方法，提高林农产品的产出效率和收益，为农民增收创造长期稳定的环境。

[1]韩建民，赵永平．中国经济增长中的农村贫困问题探讨[J]．农业现代化研究，2007，28(2)：135-139．

[2]康晓光．90年代中国贫困与反贫困战略[M]．经济出版社，2001：297-300．

[3]申云，彭小兵．链式融资模式与精准扶贫效果：基于准实验研究[J]．财经研究，2016，42(9)：4-15．

[4]张磊，简小鹰，滕明雨，等．农业产业发展扶贫的效益及影响因素分析：以我国彩票公益金整村推进项目为例[J]．改革与战略，2016(2)：60-63．

[5]张侨．旅游扶贫模式和扶贫效应研究：基于海南省贫困地区的调查数据分析[J]．技术经济与管理研究，2016(11)：124-128．

[6]张琳，童翔宇，杨毅．湘鄂渝黔边民族地区精准扶贫效益评价及增进策略：基于结构方程模型的实证分析[J]．贵州民族研究，2017(1)：177-180．

[7]陈小丽．基于多层次分析法的湖北民族地区扶贫绩效评价[J]．中南民族大学学报(人文社会科学版)，2015(3)：76-80．

[8]白永平，张秋亮，黄永斌，等．兰新铁路沿线经济带区域经济差异变动的空间分析[J]．干旱区地理，2013，36(1)：147-155．

[9]蔡芳芳，濮励杰，张健，等．基于ESDA的江苏省县域经济发展空间模式解析[J]．经济地理，2012，32(3)：22-28．

[10]潘竟虎，贾文晶．中国国家级贫困县经济差异的空间计量分析[J]．中国人口·资源与环境，2014，24(5)：153-160．

[11]廖文梅，廖冰．集中连片贫困林区反贫困度量分析：以赣南中央苏区为例[J]．林业经济，2013(6)：112-117．

[12]邱瑾．基于Bayes空间计量视角的GDP增长影响因素及其区域集聚效应分析[J]．数理统计与管理，2014，33(1)：128-137．

[13]徐小凡，王巧玲．我国消费、投资、出口与GDP关系的半参数回归模型研究[J]．山西师范大学学报(自然科学版)，2012，26(3)：24-27．

[14]齐绍洲，云波，李锴．中国经济增长与能源消费强度差异的收敛性及机理分析[J]．经济研究，2009(4)：56-64．

[15]张占贞，王兆君．我国农民工资性收入影响因素的实证研究[J]．农业技术经济，2010(2)：56-61．

[16]郭燕枝，刘旭．基于格兰杰因果检验和典型相关的农民收入影响因素研究[J]．农业技术经济，2011(10)：92-97．

[17]姚林香，舒成．江西农民收入增长影响因素的实证分析：基于江西省7县(市)的调查数据[J]．江西财经大学学报，2010(6)：69-72．

[18]廖文梅，陈美球，杨晶．区域性整体脱贫致富模式研究：回顾与展望[J]．农林经济管理学报，2017，16(2)：144-151．

2017-01-05 基金项目：国家自然科学基金资助项目(71463025、71363025、71663029)、江西现代农业及其优势产业可持续发展的决策支持协同创新中心招标(委托)课题(XDNYA1512)、江西省杰出青年人才计划资助项目(2017BCB23043)、江西省百千万人才人选工程国(境)外研修计划资助项目

邱海兰(1993-)，女，江西上饶人，硕士，从事林业经济理论与政策方面的研究，(电话)15879198812，(E-mail)hailanqiu93@126.com。

廖文梅(1978-)，女，江西万安人，副教授，硕士生导师，从事林业经济理论与政策、生态经济理论与政策方面的研究，(电话)13755682809，(E-mail)liaowenmei@126.com。

10.16832/j.cnki.1005-9709.2017.04.006

F326.23

A

1005-9709(2017)04-0029-07