派智库

【摘要】交通基础设施投资不仅通过乘数效应和挤出效应促进地区产出增长，还可以通过市场结构效应、劳动力池效应、创新溢出效应、集聚效应、空间溢出效应来促进地区产出增长。1998～2011年中国31个省区市的Moran‘s I指数显示中国经济在空间上存在显着的正自相关关系。交通基础设施规模增加促进地区经济增长并且在区域间存在正的空间溢出效应。普通最小二乘法会高估交通基础设施规模对地区产出增长的影响。铁路和公路总效应在西部最大，公路总效应是中部最小，而铁路总效应是东部最小。从直接效应来看，铁路直接效应明显高于公路，公路直接效应在东部最大，西部次之而中部最小；铁路直接效应在中部最大，西部次之而东部最小。交通基础设施空间溢出效应在西部最大，东部次之而中部最小。 织梦内容管理系统

【关键词】交通基础设施；空间溢出；区域经济；铁路溢出效应；公路溢出效应

本文来自织梦

中国的“基础设施奇迹”成为实现“中国经济跨越式发展”的重要政策措施之一（胡鞍钢，2010），中国基础设施已经从经济发展的瓶颈之一转化为“加速器”，改革开放以来其规模快速增长，这在很大程度上得益于财政从中央向地方分权和地方政府治理转型（张军，2007）[1]。交通基础设施促进区域经济一体化对经济增长产生溢出效应，交通成本降低带来的网络效应产生规模经济和聚集经济，降低交易成本，这都有利于经济增长和区域经济的协调发展[2]。 本文来自织梦

交通基础设施作为经济发展必要条件，其作为中间投入品可以降低生产成本，促进和扩大人员和商品流动，从而带动知识技术传播，优化资源配置提高生产率，利于产业集聚和市场扩张，从而重塑地理空间和经济空间。随着中国高速公路网络逐步完善和高速铁路网络初步呈现，本文关心的是：在区域差距较大的情况下，中国经济在空间上是否存在相关性?不断扩大的交通基础设施规模对经济增长是否存在空间溢出效应?运输成本不同的公路和铁路是否存在空间溢出效应，在东部中部西部三地区是否存在异同?本文研究发现：计算出的Moran’s I指数显示中国经济在空间上存在显着的正自相关关系；交通基础设施规模的增加促进地区经济增长并且在区域间存在正的空间溢出效应，在加入空间维度后发现OLS方法可能会高估交通基础设施对经济增长的促进效应；铁路建设的空间溢出效应高于公路，且其两者都在西部最大、东部次之而中部最小；铁路和公路总效应都是西部最大，公路总效应是中部最小而铁路是东部最小。上述研究结果表明交通基础设施投资对促进经济增长和缩小地区差距有重要意义。 织梦内容管理系统

一、文献综述

内容来自dedecms

首先是关于基础设施投资的外溢效应研究。Barro（1990）从理论上解释基础设施为代表的政府公共投资对私人资本存在溢出效应，以解释各地区经济增长的长期持续性和差异化。公路是经济发展的关键要素（S.Boopen，2006）。高速公路可以提高城市化率和促进其经过地区的经济增长（Chandra，2000），胡鞍钢对中国的研究也证实交通基础设施投资对经济增长具有积极意义。然而，有研究显示交通基础设施投资增加与经济增长并不相关，高速公路对经济增长无任何显着正效应（Garcia-Mila，1996），基础设施投资只对经济活动进行分配而不会增加净产出（Boamet，1998）。Hulten（1991）研究发现基础设施投资对经济增长影响呈现负向。在以往采用生产函数或者成本函数的研究中，由于数据统计衡量口径不同，存在时间序列和面板数据等差异，运用不同模型回归计算的贡献度差异比较大，产出弹性在-0.062（Morenoetal，2003）到1.0（Carlino，1992）之间。 内容来自dedecms

其次，交通基础设施的网络性，以及考虑到空间的异质性和相关性，学者又引入空间因素研究其空间溢出效应，但也没有得出一致的结论。基础设施在一定程度上降低相邻地区运输成本，对相邻地区产生正的空间溢出效应。美国、印度和西班牙的基础设施网络投资影响经济增长，其由所处发展阶段决定的外部性对经济增长有正向促进作用（Cohen&Morrison，2004；Bronzini&Piselli，2009）。但Holtz-Eakin＆Schwartz（1995）认为没有证据表明基础设施存在空间溢出效应。甚至Boamet（1998）发现公路在互相竞争生产要素的各地区之间存在负溢出效应，本地公路基础设施投资增加给其他地区产出带来不利影响。Joseph&Ozbay（2006）则认为采用不同尺度的空间数据会对结果产生显着的影响，随着地理尺度的缩小，交通基础设施的直接影响逐渐减小，而空间外溢效应逐步增大。

dedecms.com

最后是来自于中国的实证研究。中国交通运输投资的直接贡献与外部溢出效应之和对经济增长的年均贡献率为13.8％，交通和信息基础设施对中国经济增长有显着的溢出效应，能源基础设施的溢出效应则不显着[3]。珠江三角洲地区交通基础设施投资平均每增加1％，产出弹性将增加19.6％，对其投资不仅能够促进本地区经济增长，还能促进邻近地区经济增长。[4]基于上述研究，在充分考虑铁路和公路的区别后，进一步分别分析了其对经济增长的空间溢出效应，为现实区域经济的协调发展提供实证分析结果。

本文来自织梦

二、机制分析 内容来自dedecms

交通基础设施的网络规模属性可以有效连接和促进经济一体化发展，随着交通基础设施的改进，运输成本的降低，运输效能的提升，最终扩大了市场半径和增强了区域可达性，产生的一系列效应促进了经济的增长和发展（见图1）。下面就交通基础设施与经济增长具体的联系机制进行阐述。

从宏观视角来说，交通基础设施投资促进就业增加、消费增长，乘数效应和挤出效应相抵后的总效应促进经济增长。 dedecms.com

从微观视角来说，交通基础设施网络完善可以降低运输成本，增加地区间贸易量，形成地区比较优势和地区专业化分工网络。市场主体为了获得集聚经济、规模经济和范围经济的收益在空间上集聚和分散。企业集聚，厂商共享专业化中间投入品、劳动力市场和技术交流溢出，从而获得市场结构效应、劳动力池效应、创新和溢出效应。 织梦内容管理系统

三、实证分析

（一）模型选择 内容来自dedecms

空间计量经济学由Paelinck开创，然后由Anselin等学者发展。一般来说，数据在空间上具有相关性和异质性。空间相关性是指观测值在空间上呈现出非随机的不独立的存在。相邻区域观测值分布相似则存在正相关性，不相似则存在负相关性，此外，还可能不存在空间相似性。空间异质性是区域间观测值相对独立，在模型中具体表现为变量和参数在不同区域间存在异同。 内容来自dedecms

地理第一定理（Tobler，1979）认为：物体之间是相互联系的，距离越近联系程度越高。空间计量经济学按照空间相关性可分为空间滞后模型（SLM）和空间误差模型（SEM）。

织梦好，好织梦

SEM模型可表示为：

内容来自dedecms

其中，i、t分别表示第i个地区和第t年份；Y为被解释变量；X为解释变量；εit和μit为服从正态分布的随机误差项；α0为截距项，αj、ρ、λ为相关系数；W为空间权重矩阵，相邻区域为1，不相邻区域为0。

dedecms.com

对于模型究竟采用空间滞后模型还是空间误差模型的选择，可以根据LM-SAR和LM-SEM的结果（包括稳健的检验）作为判断依据（Debarsy&Ertur，2010）。

为分析交通基础设施的空间溢出效应，本文在Anselin（2003）的模型基础上经过修改获得理论模型。设生产函数为对数形式的柯布一道格拉斯函数： 织梦内容管理系统

Yit=α0+α1Kit+α2Lit+α3Tit+βCit+μit（1）

在（1）式中，Y为总产出，K为物质资本存量，L为劳动投入，T为“可得性”交通基础设施存量，C为其他控制变量，i、t分别表示第i个地区和第t年份，μ为随机误差项。

“可得性”交通存量包括本地区的交通存量和邻近地区交通的“溢出效应”。下面定义入表示地区间的溢出程度，则i地区在t年份的可得交通资本存量与其他j个地区相关：

dedecms.com

织梦内容管理系统

（二）数据准备

dedecms.com

样本为1998年到2011年中国31省区市的面板数据。数据来源是历年《中国统计年鉴》《中国固定资产投资统计年鉴》《中国城市统计年鉴》《中国教育统计年鉴》《中国交通统计年鉴》及各省统计年鉴和新中国50年统计资料汇编。

dedecms.com

被解释变量： 织梦好，好织梦

总产出PGDP，以各省历年实际人均GDP表示。数据处理以1998年为基期，折算系数为各省历年GDP折算指数，见表1。

dedecms.com

解释变量：

劳动投入L：以各地区年末全社会实际从业人员数表示。 本文来自织梦

物质资本存量K：关于资本存量的估算，本文采用Goldsmith（1952）的永续盘存法估算资本存量：

Ki，t=ki，t-1（1-δt）+Ii，t 内容来自dedecms

其中：Ki，t为i地区t年的资本存量，δt为资本折旧率，Ii，t为i地区t年的资本投入。

本文以1998～2011年中国31个省面板数据为样本，需要确定基期1998年的资本存量K、折旧率δ以及固定资产价格指数。

dedecms.com

dedecms.com

基期资本存量：已有研究对基年选择一般为1952年或1978年两类。本文借用单豪杰（2006）对中国各省1998年资本存量估算结果，并以1998年当年价格来估算以后年份资本存量。重庆1997年从四川分出，现有文献都没有重庆的资本存量。自重庆设立直辖市以来，重庆GDP占重庆和四川GDP之和的比重呈上升趋势，但在重庆成立直辖市的初期（1997～2001年），重庆GDP占两省的比例比较稳定，因此，本文用1997～2001年重庆GDP占两省GDP的比重来估算重庆和四川的资本存量（周亚雄，2013）。表2中2、3列数据均来自单豪杰（2006），其中1998年实际资本存量是以1952年的价格计算的资本存量。2、3列的乘积为1998年的现价资本存量，即第4列的数据[5]。

copyright dedecms

折旧率δ：折旧率的选择是资本存量估算的难点，到目前为止尚未统一。Young（2003）采用的折旧率为6％；张军（2004）假设建筑和设备的平均使用寿命为45年和20年，其他类型投资为25年，采用的折旧率为9.6％；单豪杰（2008）设定建筑年限为38年和设备年限为16年，折旧率为10.96％。本文采用单豪杰（2008）的文献，假设折旧率为10.96％。 copyright dedecms

投资价格指数：以1998年为1进行折算获得各省价格指数。其中广西、广东和西藏缺少的年份数据以全国平均价格指数代替。

dedecms.com

交通基础设施存量RD和TS：交通基础设施存量有以投资的货币形态和形成的实物形态两种方法。本文采用刘秉镰（2010）的处理方法以原始的技术关系替代货币的技术关系来表示[6]。原因如下：作为公共物品的交通基础设施投资主要来源于各级政府，特别是铁路投资主要来源于中央政府，其投资决策并不完全遵循经济利益最大化原则，还要综合考虑社会、政治和军事需要。投资价格指数的缺失和无法获得某些地区数据使采用投资额有一定偏差，采用实物形态变量更具有现实性。交通基础设施投资由于自然条件限制使其提供的服务不存在对应的比例关系，如青藏铁路等高山地区单位里程投资额比东部平原地区的同等级铁路要高。中国交通基础设施主要包括铁路、公路、民航和水运等，但运输主要由铁路和公路完成，两者负担全社会货运和客运量的85％以上，而水运和民航运输贡献较小尤其是在中西部地区。因此，本文采用实物形态处理，指标RD和TS表示公路和铁路，以各省等级公路网和铁路网密度表示，单位为千米/平方公里。

空间权重W：本文以任意两省份省会城市间最短铁路线路长度的倒数即1/DISij（i≠j）来表示，数据来源铁道部官方网站数据库。其他控制变量：

织梦好，好织梦

城市化率C：以年末城市人口占总人口的比重来表示。

本文来自织梦

人力资本水平H：以平均受教育年限作为代理变量，H=69S1+9S2+12S3+16S4，其中S1、S2、S3、S4分别表示6岁及以上人口中小学文化程度、初中文化程度、高中文化程度与大专及以上文化程度人口数占总人口的比重（徐现祥，2004）。 dedecms.com

进出口贸易JC：以进出口总额占GDP的比重表示，具体数值为历年进出口总额乘以当年平均汇率之后与GDP的比值。 织梦内容管理系统

信息化水平IF：以每百人拥有电话数量表示，在现代知识经济时代一个地区信息化发展水平很大程度上决定着本地区的经济发展。

政府干预CZ：以财政支出占GDP比重表示，来衡量政府对经济的干预度。各变量数值见表3。 本文来自织梦

用ArcGIS绘制的2011年各省区市人均GDP空间上分布如图2所示，呈现出东高西低的趋势，由沿海发达地区到内陆西部地区逐渐减少的发展现状。 本文来自织梦

（三）空间相关性分析 本文来自织梦

根据Moran‘s I指数计算公式： 本文来自织梦

织梦内容管理系统

首先来进行全局相关性检验。表4给出了OpenGeoDa软件计算得出的1998～2011年经济增长的Moran‘s I值及其检验结果。结果表明各年份中的Moran‘s I值均通过1％水平下的显着性检验，均为正值，说明经济增长存在正相关性。因此，空间计量模型比OLS更适合分析交通基础设施对经济增长的影响。 本文来自织梦

接下来分析局部相关性检验。图3刻画了2011年31省区市人均GDP的Moran‘s I散点图，从图中可以具体看出各个地区人均GDP分布的情况。位于第Ⅰ象限的有：浙江、山东、广东、江苏、河北、上海、福建和北京8个省（直辖市），具有高一高的正自相关关系（HH），表明各个省份不但自身人均GDP高，周边地区人均GDP也高；位于第Ⅱ象限的有：陕西、江西、天津和安徽4个省（直辖市），具有低一高的负自相关关系（LH），表明自身低但周边地区高；位于第Ⅲ象限的有：河南、海南、山西、吉林、黑龙江、内蒙古、广西、重庆、贵州、云南、西藏、甘肃、青海、宁夏、新疆等15省（自治区），具有低一低的正自相关关系（LL），表明自身和周边地区都比较低；位于第Ⅳ象限的有：四川、辽宁、湖南和湖北4省份，具有高—低的负自相关关系（HL），表明自身人均GDP低而周边地区高。 织梦内容管理系统

（四）实证结果与分析 dedecms.com

1.普通最小二乘法线性回归 织梦内容管理系统

运用Eviews6.0软件采用普通最小二乘法（OLS），通过相关性和Hausman检验后采用固定效应来分析交通基础设施对经济增长的影响，回归结果见表5第二列。结果显示，所有指标都通过了显着性检验，公路和铁路相关系数分别为0.137和0.046，显着为正，表明交通基础设施投资规模增加促进中国经济增长。

内容来自dedecms

从其他指标来看，资本投入和劳动投入依然是经济增长的主要因素。城市化率和人力资本也是促进经济增长的重要因素，相关系数分别为0.174和0.255。此外，进出口贸易和信息化水平的提高对经济增长相关系数分别为0.025和0.119，说明增加进出口贸易和提高信息化水平有利于经济增长，而政府财政支出占GDP的相关系数为-0.186，表明政府对市场过于干预不利于经济增长。 织梦好，好织梦

2.空间计量回归分析

接着考察交通基础设施对经济增长的空间溢出效应。运用matlab2010（b）软件采用极大似然法（ML）分别用SLM和SEM模型计算交通基础设施在地区固定、时点固定、地区和时点双固定时对经济增长的空间效应，最终结果报告如表5所示。

通过对比交通基础设施对经济增长空间溢出效应的实证结果，通过对Log-Likelihood值、显着性检验和Robust检验综合对比分析，时点双固定的SLM模型明显优于一般OLS计量模型和其他类型空间计量模型。因此，本文选用时点双同定的SLM模型即模型（7）来分析交通基础设施对经济增长的空间溢出效应。

与普通最小二乘法（OLS）的回归结果相比，空间计量结果系数明显变小，说明OLS回归会高估交通基础设施对经济增长的直接效应。公路的相关系数由0.137降为0.024，铁路则由0.284变为0.046，而入的相关系数为0.358，说明交通基础设施投资增加不仅有利于本地区经济增长，还可以促进相邻地区经济增长。 copyright dedecms

从其他控制变量的指标来看，在考虑空间因素之后，其相关数据都显着变小。资本存量下降较为显着，由0.510变为0.049，而劳动投入则由0.369降低为0.256，降幅较小。城市化率、人力资本、信息化水平、进出口贸易和政府支出的增加在考虑空间因素之后，相关系数都相对变小。

由于空间的异质性和相关性，尺度不同的空间数据会使回归结果产生较大差异，一般来说地理尺度越小其直接影响越小，而空间外溢效应随之增大（Joseph&Ozbay，2006）。为此，下文分别来讨论在不同地域范围内交通基础设施对经济增长的空间溢出效应。本文把中国划分为东中西三个区域，其中，东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南11个省市，中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南8个省市，西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆12个省市。 织梦好，好织梦

3.东中西三区域对比分析

copyright dedecms

下面从区域层面分别对三地区进行空间计量分析，在综合分析Log-Likelihood值、显着性检验以及Robust检验后，采用地区固定的SLM模型是最优选择，实证结果报告如表6所示。 本文来自织梦

copyright dedecms

从上述结果可以看出，交通基础设施规模增加对经济增长在不同地区的直接效应存在异同。总体来说，铁路对经济增长的直接效应大于公路。具体来说，公路规模增加在国家层面和区域层面都促进经济增长，其中，对东部影响最大其相关系数为0.055，西部0.054次之，中部相关系数为0.036，其相关系数都大于国家层面的0.024。因此，公路规模增大更有利于东部地区发展，对中部地区促进作用最小，西部地区居中。从铁路来看，在国家层面对经济增长的相关系数为0.046，而在区域层面对中部影响最大，西部次之，相关系数分别为0.076和0.065，东部地区为0.038，说明铁路规模增大非常有利于促进中西部地区经济增长，而对东部地区的影响较弱。四个方程回归结果的人相关系数都为正，说明公路和铁路规模增加带动周边地区经济增长，存在较为明显的空间溢出效应，同时，东部和两部地区的值也验证了范围越小其空间溢出效应越明显。

copyright dedecms

其他控制解释变量回归结果简要分析如下：物质资本投入对中部地区的作用最大，东部最小而西部居中；而劳动力投入对东部影响最大，西部次之，中部最小，说明东部地区主要是劳动力投入驱动而中西部主要是物质资本投入驱动。城市化对西部地区的经济增长影响最大，东部次之而中部最小，因此要充分重视城市化对西部地区的重要意义。人力资本在中部地区的相关系数为0.137，东部地区为0.107，而在西部地区为0.021，说明其对东中部地区产出的重要性，而西部地区的人力资本与其他地区存在较大差别，需要增大西部地区的教育投入缩小地区差距。进出口贸易对中部和东部经济增长的系数相同，而其对西部的经济增长作用极其有限。信息化水平提升对中部促进作用最大，东部次之，相关系数分别为0.007和0.005，而西部地区则为0.000018，说明西部地区在信息化方面与其他地区存在显着差异。而财政支出在三个地区的相关系数都为负数，说明大政府不利于地区经济增长。

织梦好，好织梦

4.溢出效应对比分析 本文来自织梦

根据上述空间计量回归结果和公式（8）分别计算公路和铁路的空间外部偏效用和总体效应，结果如表7所示。

从计算结果可以看出，交通基础设施在西部的外部偏效应最大，东部次之，中部最小，说明在西部省份增加交通设施规模比在东中部更有利于周边省份经济增长。总效应为直接效应与外部偏效应加总之和，公路规模增加的总效应在西部最大，东部次之而中部最小；而铁路总效应在西部最大，中部次之而东部最小。西部交通基础设施规模有限，比如西藏等省区市只有数量有限的铁路线路，国家应该加快发展中西部地区交通基础设施来促进其经济增长。东部有中国最为发达的交通网络，形成较为完善的立体交通网络，其交通规模已经处于边际收益递减发展阶段，需要继续完善该地区的交通网络来满足其经济发展。 织梦好，好织梦

内容来自dedecms

四、结论及展望

dedecms.com

本文在简要回顾已有研究文献后找出研究的空白，接着从微观和宏观视角分析了交通基础设施对经济增长的机制和效应，综合分析了当前关于经济增长的空间计量模型，然后对各个省区市的经济发展指标进行了空间探索性分析。

最后运用1998～2011年间中国31省区市数据，用OLS和空间计量方法分析交通基础设施规模在国家和东中西三个区域层面对经济增长的影响。普通最小二乘法会高估交通基础设施规模对经济增长影响，说明引入空间维度，对于辩证地认识交通基础设施规模与经济增长关系具有重要意义。交通基础设施规模增加不仅有利于本地区经济增长，还带动周边地区经济增长，存在较为明显的空间溢出效应。首先，铁路和公路总效应在西部最大，公路总效应是中部最小而铁路是东部最小。其次，从直接效应来看，铁路直接效应明显高于公路，而公路直接效应在东部最大，西部次之而中部最小；铁路直接效应在中部最大，西部次之而东部最小。最后，交通基础设施存在较为显着的空间溢出效应，其在西部最大，东部次之而中部最小。

本文来自织梦

参考文献： copyright dedecms

[1]张军.中国为什么拥有了良好的基础设施?[J].经济研究，2007，（3）：4-18. copyright dedecms

[2]张学良.中国交通基础设施促进了区域经济增长吗——兼论交通基础设施的空间溢出效应[J].中国社会科学，2012，（3）：60-77. dedecms.com

[3]胡鞍钢，刘生龙.交通运输、经济增长及溢出效应——基于中国省际数据空间经济计量的结果[J].中国工业经济，2009，（5）：5-14.

本文来自织梦

[4]金江.交通基础设施与经济增长——基于珠三角地区的空间计量分析[J].华南师范大学学报（社会科学版），2012，（1）：125-129.

本文来自织梦

[5]单豪杰.中国资本存量K的再估算：1952～2006年[J].数量经济技术经济研究，2008，（10）：17-31.

[6]刘秉镰，武鹏，刘玉海.交通基础设施与中国全要素生产率增长——基于省域数据的空间面板计量分析[J].中国工业经济，2010，（3）：54-64.