删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

交通投资、经济空间集聚与多样化路径——空间面板回归与结构方程模型视角

本站小编 Free考研考试/2021-12-29

林雄斌¹^,²^,, 杨家文², 陶卓霖², 宋金平³, 任颋⁴

1. 宁波大学地理与空间信息技术系,宁波 315211

2. 北京大学城市规划与设计学院,深圳 518055

3. 北京师范大学地理科学学部,北京 100875

4. 北京大学汇丰商学院,深圳 518055

Transport investment, economic spatial aggregation, and multiple paths: A joint estimation by spatial panel and structural equation modeling

LINXiongbin¹^,²^,, YANGJiawen², TAOZhuolin², SONGJinping³, RENTing⁴

1. Department of Geography and Spatial Information Technology, Ningbo University, Ningbo 315211, China

2. School of Urban Planning and Design, Peking University, Shenzhen 518055, Guangdong, China

3. Faculty of Geographical Science, Beijing Normal University, Beijing 100875, China

4. HSBC Business School, Peking University, Shenzhen 518055, Guangdong, China

收稿日期:2017-05-16
修回日期:2018-03-13
网络出版日期:2018-10-20
版权声明:2018《地理学报》编辑部本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:

国家自然科学基金(51678004)

中国科协高端科技创新智库青年项目(DXB-ZKQN-2017-019)

作者简介:
-->作者简介：林雄斌(1988-), 男, 江西玉山人, 博士, 讲师, 中国地理学会会员(S110008818M), 从事交通规划与政策、城市与区域规划研究。E-mail: xiongbinlin@126.com

展开

摘要
交通投资作为经济增长的加速器备受空间规划与发展政策的重视,其对经济增长的多样化影响一直是研究热点。然而,交通投资对经济的影响机理及路径仍存在争议,且较缺乏地理差异和空间关联的视角。为了全面理解交通投资对经济的空间集聚效应与多样化路径,首先基于1997-2015年中国交通投资与经济增长的省际数据,采用空间面板回归（Spatial Panel Regression）分析考虑空间关联的交通投资的经济影响,随后采用结构方程模型理解交通投资对经济增长的多样化路径。结果表明：① 无论是混合最小二乘回归（Pooled OLS）、固定效应面板模型还是空间面板回归,都显示了交通投资对经济增长的显著作用。空间面板回归结果指出交通投资有利于经济活动空间集聚,但考虑空间自相关影响后,对经济增长作用呈现降低;② 交通投资的经济影响具有地理差异与时滞效应,其对东部地区的经济作用明显高于中西部地区,且有利于空间集聚;随着时间的推移,交通投资的经济效应逐渐增强;当前投资和前期投资对经济增长均有促进作用,但前期投资效果更显著,并驱动经济活动的空间分散;③ 在影响路径上,交通投资对经济的直接效应低于间接效应,多样化影响路径主要通过增加关联产业投资、促进就业增长、推进城镇化等方式产生。

关键词：交通投资;经济增长;空间差异与集聚;空间面板回归;结构方程模型
Abstract
As one of the significant economic development tools, the transport investment's comprehensive economic effects considering spatiotemporal heterogeneity have attracted attention from different levels of government and private development sectors. Much of current literature, however, lacks a perspective of spatial differences and spatial linkages, and the relevant economic influential paths still need to be further examined. To fill this understanding gap, the paper attempts to understand the economic growth and spatial aggregation effects of transport investment and the potential influential paths based on a joint estimation by the spatial panel and structural equation modeling, respectively. The results of the study indicate that: (1) The significant economic growth, as well as economic impacts of spatial aggregation of transport investment are observed, but in general the effects would decrease after controlling the spatial autocorrelation issue; (2) The economic effects of the investment in transport sectors have considerable spatial and temporal differences. For areas with high level of urbanization and economic performance, the economic effect of transport investment is much higher and more significant. To some extent, transport investment in these areas exerts a more significant impact of spatial aggregation. The temporal effects show that from 1997 to 2015 the transport investment can reinforce the economic performance and the level of spatial aggregation. Also, the transport investments at the previous stage, in general, have a greater effect on economic growth, and would lead to a spatial decentralization trend of economic activities; (3) Transport investment can promote economic growth by direct and a variety of indirect pathways. The indirect pathways can affect the investments on the related industries, labor growth, and urbanization. These findings would provide some policy implications for the decision-making of transport investment in urban China.

Keywords：transport investment;economic growth;spatial difference and aggregation;spatial panel analysis;structural equation modeling

-->0
PDF (1527KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNote Ris Bibtex 收藏本文-->
林雄斌, 杨家文, 陶卓霖, 宋金平, 任颋. 交通投资、经济空间集聚与多样化路径——空间面板回归与结构方程模型视角[J]. 地理学报, 2018, 73(10): 1970-1984 https://doi.org/10.11821/dlxb201810011
LIN Xiongbin, YANG Jiawen, TAO Zhuolin, SONG Jinping, REN Ting. Transport investment, economic spatial aggregation, and multiple paths: A joint estimation by spatial panel and structural equation modeling[J]. Acta Geographica Sinica, 2018, 73(10): 1970-1984 https://doi.org/10.11821/dlxb201810011

1 引言

交通投资及其经济效应是经济地理、空间规划、投融资政策等领域的核心议题之一。尤其交通设施投资及建设在降低交通成本、消减区域经济差距、引导经济增长等多路径、多尺度的作用一直是研究热点^[1,2]。然而,交通基础设施投资并不一定带来显著的经济增长,交通设施类型（如轨道交通、道路交通）、研究方法、时间跨度、地理尺度等都会影响研究结果^[3]。交通投资不仅影响经济增长效率,且带来显著的空间集聚效应（Agglomeration effects）^[2]。作为最大的发展中国家,中国自1978年改革开放以来近40年的经济增长表明,交通设施投资建设所呈现的经济效应可能更为独特。“十三五”时期全国交通运输总投资将达到15万亿元,比“十二五”时期增加约20%,其中铁路和公路总里程将分别增加3万km和32万km^[4]。交通投资的经济溢出效应不仅依赖于投资规模,也取决于空间分布与投资质量。中国的交通投资如何影响了经济增长及其空间集聚?交通运输投资能降低不同地区的社会经济差距^[5],落实到不同区域和时间跨度上,这种经济空间集聚效应会呈现哪些区别?如何理解交通投资对经济增长的多样化路径?现有研究仍缺乏地理差异和空间关联视角来探讨交通投资影响经济增长的机理和路径。基于此,采用1997-2015年省际数据,首先运用空间面板回归分析交通投资效应的地方差异及空间集聚的影响;其次,采用结构方程模型测算交通投资对经济的多样化路径,理解这些问题将有助于提高交通投资的质量。

2 交通投资与经济增长的理论与方法进展

2.1 交通投资与经济增长关系的理论基础

从宏观经济理论与发展上,作为社会固定资产投资的基础之一,交通投资与劳动力、资本等共同引导经济增长。交通投资能显著改善城市区域的交通可达性,降低客运/货运运输成本,且对短期、长期的经济增长都有显著作用^[6]。总体上,交通投资对经济增长的作用是多方向且相关联性的。当前研究已经指出了交通投资效应（直接效应、间接效应和诱发效应）在不同尺度的特征与机制^[7]。在宏观影响上,交通投资能降低运输成本,产生价格优势来吸引经济投资^{[6, 8]},并促进区域间的社会经济贸易^[9]。在一个完全竞争的市场环境中,运输成本的降低有助于企业改善区位选择^[5],调整产业结构,实现产业空间布局优化。例如,在利润最大化的约束下,农业和工业区位论指出了距离和运输成本如何影响产业结构和空间布局^[10,11]。新经济地理研究指出,在不完全竞争和报酬递增的框架下,交通投资有利于形成一定的规模效应和集聚效应,促进生产率提升^[12,13]。在微观影响上,交通投资能提升机动性和可达性,通过交通供给与建成环境形成紧密的联系,能重塑居民出行结构,产生社会经济与环境效应^[14,15,16]。总体上,交通投资对经济增长的宏观效应更加显著^[7]。

2.2 交通投资与经济增长关系的实证研究进展

鉴于交通投资与经济增长的“产业—地理”关联及复杂的机制,近年来国内外****对这一关系开展了大量检验。一些研究采用Granger因果检验、协整分析等探讨交通投资与经济增长的关联^[17],但这些方法考虑的因素和机制较为简单。为了克服这一不足,大部分研究采用了考虑多个变量的经济计量模型,将交通投资从众多影响经济增长的要素中分离,其中Cobb-Douglas生产函数及其变式是普遍采用的方法^[18,19]。在数据结构上,一些研究采用横截面或时间序列数据^[19],而面板数据是最常用的形式,尤其近年来发展的空间面板模型（Spatial Panel Model）也得到了一定应用^[20]。在估计交通投资的空间溢出效应上,主要有两个思路：① 引入邻近区域交通投资变量来间接估计;② 采用更严谨的空间计量经济方法来实现^[21,22],但这需要开展较为复杂的分析,实际应用具有一定难度^[23]。
总体上,交通投资是否及在多大程度上促进经济增长并无一致结论。如前所述,研究方法、估算模型、数据来源等都会影响交通投资的经济效果^[3]。在作用机制上,交通投资的经济效应也受到发展阶段、投资政策、交通需求与服务水平、市场状况与反应、区域经济联系等影响^[24,25]。例如交通投资的经济效应通常存在时间滞后性^[26],在不同的地区,短期效果和长期效果会呈现一定差别。这些效应与地区的自然、经济特征也有较大关联。对于快速城镇化的中国而言,交通投资效率总体上并不高,投资效率呈现由东部向西部递减的趋势,这与区域的经济水平、人口密度等显著关联^[27]。类似研究指出中国高速公路投资总体上使得跨年间的基尼系数显著降低,但空间不平衡投资却扩大了沿海和内陆地区的经济差距^[28]。即使考虑空间关联的影响下,交通投资的区域差异依然成立。尤其对欠发达地区来说,交通投资与交通网络连接度的提升与经济增长呈现显著的负相关^[29]。
随着近年来空间计量经济学的发展,使得现有回归模型能量化空间关联的影响,以进一步验证因变量与自变量的关系。目前,结构方程模型（SEM）^[24]、可计算的一般均衡模型（Computable General Equilibrium）^[30]、投入产出分析^[27]、成本效益分析^[31]、主成分—数据包络分析^[32]等已经广泛用于评估交通投资效率及其经济增长效果。尤其在涉及到多个因变量与自变量的问题上,结构方程模型引入不能被直接观测的“潜变量”,能更好观测多种变量的相互关系^[33],并形成“多元回归、中介模型和调节模型”等典型路径^[34]。

3 研究设计

3.1 研究问题与思路

交通投资对经济增长的作用已经受到了广泛关注。现有研究已注意到交通投资的地理差异和时间影响^[26],但仍缺乏将交通投资的异质性尤其是空间关联纳入研究框架,这可能会误估交通投资的作用。与此同时,多数研究指出了交通投资对经济增长的显著影响,但并未阐明这种正效应的作用路径和强度。因此,本研究拟回答与此有关的两个重要问题：① 在考虑空间关联影响下,交通投资对经济增长总体效应、地理差异和时滞影响会发生怎么样的变化?尤其与混合最小二乘回归和一般面板回归结果相比,如何解释这些变化?② 交通投资不仅直接影响经济增长,还会通过刺激其他投资、带动就业、引导产业结构变化等方式间接发挥作用。对于省际尺度的研究而言,交通投资会通过哪些路径带动经济增长?为了全面理解交通投资的经济增长效应,设计了如下研究思路：收集1997-2015年中国交通投资与经济增长的省际数据,首先采用空间面板回归实证分析交通投资的空间差异及其综合影响;然后采用结构方程模型来理解交通投资作用于经济增长的路径和强度（图1）。

显示原图|下载原图ZIP|生成PPT
图1研究思路、方法与技术路线
-->Fig. 1Research framework and the methods employed
-->

3.2 数据、变量与建模

生产函数模型被广泛用于量化交通投资的经济效应,主要解释变量包括投资、劳动力和其他因素^[35]。在本文中,将各省相应年份的地区生产总值（ECON_ij）作为因变量,解释变量包括交通投资（TI_ij）、非交通投资（NTI_ij）、就业规模（LAB_ij）和城镇化水平（URBAN_ij）。考虑到中国自然地理和经济发展显著的空间差异,引入两类变量进行控制。① 反映中国区域社会经济发展异质性的变量。现有研究通常采用哑变量（dummy variable）将西部地区为参考样本,引入东部和中部两个区位哑变量,来表征社会经济的空间差异。然而,这种做法难以精细化反映地理差异的作用。为此,借鉴Wang等的研究思路^[36],引入空间分异性q统计值（spatial stratified heterogeneity q statistic）来量化地理差异（公式（1））,这更有助于解释模型回归的结果。② 为了解决模型可能存在的内生性问题,引入各个省份平均高程（ELE_ij）作为控制变量。中国地形起伏度与人口密度存在较高的拟合关系（拟合度大于0.90）^[37],且地形起伏更高的地区,其交通投资的成本往往更高,其经济效果会偏低。因此,地形起伏度与经济增长也具有一定的负相关。由于地形起伏是客观存在的,在社会经济活动空间分异的研究中,这一因素也被作为控制变量或工具变量使用^[38]。平均高程数据来源于中国数字高程地图,通过ArcGIS 10.0计算每个省的平均高程值。其他数据来自于1997-2015年的《中国统计年鉴》。考虑到数据可获得性的影响,本研究暂未考虑香港、澳门和台湾地区的交通投资影响,最终获得31个省级尺度的面板数据。表1列出了因变量和解释变量的基本统计值。
Tab. 1
表1
表1因变量和解释变量的含义与基本统计值
Tab. 1The definition and statistic results of dependent and independent variables

变量	含义	平均值	方差	最小值	最大值	预期影响
ECON	地区生产总值(亿元)	9908.1	11759.80	77	72812.6
TI	交通投资总额(亿元)	4843.2	556.93	0.7	3074.4	+
NTI	其他社会投资总额(亿元)	5076.4	7142.86	23.8	44594	+
LAB	就业人口总量(百万人)	22.84	1579.11	1.18	62.23	+
LEL	平均高层值(m)	924.94	1022.67	3.71	3916.82	+/-
QSTA	空间分异性q统计值	0.28	0.02	0.25	0.32	+/-
URBAN	城镇化水平(%)	42.05%	0.18	9.78%	89.60%	+

新窗口打开
空间分异性q检验借助分层的思想来识别空间异质性,当q = 0时,表示不存在空间分异;当q = 1时,则表示存在显著的空间分异^[36]：

q = 1 - \frac{1}{N σ^{2}} \overset{L}{\sum_{h = 1}} N_{h} σ_{h}^{2}

（1）
式中：h为层（strata）的数量,即L内的各子区域,本文中L = 3（即东部、中部和西部3个子区域）;N为样本总数量;σ²为方差;N_h、σ_h²分别为第h层的样本数量和方差。
在回归模型上,式（2）为生产函数模型的一般形式,将该方程进行对数变换,得到：

ECO N_{ij} = f (T I_{ij}, NT I_{ij}, LA B_{ij}, QST A_{ij}, EL E_{ij}, URBA N_{ij})

（2）

\begin{array}{l} \ln ECO N_{ij} = β_{1} \ln T I_{ij} + β_{2} \ln NT I_{ij} + β_{3} \ln LA B_{ij} + β_{4} \ln EL E_{ij} + \\ β_{5} QST A_{ij} + + β_{6} \ln URBA N_{ij} + μ_{ij} + ε_{ij} \end{array}

（3）
式中：i和j分别表示省份和年份名称;β_i为各解释变量的回归系数;μ_ij、ε_ij分别为未观测到的效应和随机误差项。
在此基础上,基于各单元是否相邻的原则,利用“GeoDa”创建31个省份的空间权重矩阵（W）。若省份i和省份j在地理上相邻,则w_ij = 1,否则w_ij = 0。需要指出的是,考虑到海南省和广东省可能存在的社会经济活动的关联,本文将海南省和广东省视为空间相邻。

w_{ij} = \{\begin{array}{l} 1, i 与 j 空间相邻 \\ 0, i 与 j 空间不相邻 \end{array}

（4）
然后,引入全局Moran's I指数,来判别主要变量的空间自相关情况,以帮助确定是否要采用空间计量模型。全局Moran's I指数的计算过程如下式所示：

GlobalMoran's I = \frac{\overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} w_{ij} (Y_{i} - Y^{*}) (Y_{j} - Y^{*})}{S^{2} \overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} w_{ij}}

（5）
式中：Y_i是区位i某变量的数值;Y^*为Y_i的平均值;

S^{2} = \frac{1}{n} \overset{n}{\sum_{i = 1}} (Y_{i} - Y^{*})

;

Y^{*} = \frac{1}{n} \overset{n}{\sum_{i = 1}} Y_{i}

;w_ij是空间相邻关系,由公式（4）确定。全局Moran's I指数取值介于-1和1之间,大于0表示该变量呈现空间正相关,反之则为负相关。若该值为0,反映了空间随机性。
其次,在控制了空间自相关的基础上,建立了基于空间权重矩阵（W）的空间计量经济学的模型,以帮助理解交通投资的经济效应^[39]。空间计量经济学模型的基本形式为：

y = ρWy + βX + θWX + ε

（6）
式中：y为因变量,即每个省相应年份的地区生产总值（ECON）;W为空间权重矩阵;Wy为考虑空间权重矩阵的因变量,反映的是相邻地区y的集聚对本地区y集聚程度的影响;ρ为Wy的因变量空间回归系数,若该符号为正,反映各地区经济集聚存在正向的空间关联,若为负则说明存在负向的空间关联;X为包含各个自变量的矩阵;β为各个自变量的系数;WX为考虑空间权重矩阵的自变量;θWX表示相邻地区自变量由于空间溢出对本地区经济集聚的影响,θ为自变量空间回归系数,体现了这种影响的方向和程度,该符号为正,说明对经济集聚是有正向影响,若为负则说明对经济集聚有负向影响,即不利于经济集聚;ε为随机干扰项,指的是模型未反映的信息。
在检验交通投资的经济影响之前,将空间权重矩阵（W）进行标准化。根据公式（3）,可以将公式（6）进一步拓展为公式（7）：

l n y_{ij} = ρW \ln y_{ij} + β \ln X_{ij} + θW \ln X_{ij} + ε_{ij}

（7）
式中：X_ij为连续变量,包括变量交通投资（TI）、非交通投资（NTI）、就业规模（LAB）、平均高程（ELE）、空间异质性q统计值（QSTA）和城镇化水平（URBAN）。
考虑到交通设施往往需要一定时期之后才能发挥作用。因此,在公式（8）中,引入交通投资经济效应的动态模型,分别检验当期交通投资（TI_i_,_j）和前期交通投资（TI_i_,_j_-1）的影响,这也能间接衡量交通投资的短期、长期效应。

\ln y_{i, j} = ρW \ln y_{i, j} + β_{i} \ln X_{i, j} + θW \ln X_{i, j} + β_{0} \ln T I_{i, j - 1} + β_{1} WT I_{i, j - 1} + ε_{i, j}

（8）
公式（6）~公式（8）通过STATA 14.0中的“xsmle”程序包进行估计^[39],该程序包可根据空间作用的不同模式来检验变量的系数,主要包括空间自回归模型、空间杜宾模型、空间自相关模型、空间误差模型等。面板数据也有3种统计模型来估计变量系数,即固定效应、随机效应和混合效应模型。在空间计量经济模型的选择上,通过公式（6）和公式（7）中参数ρ和θ的数值来确定^[39],发现参数ρ、θ的数值均不为零,宜采用空间杜宾模型来评估。豪斯曼检验显示^[39,40],固定效应呈现更好的拟合效果,具有更高的模型解释力（Prob > chi2 = 0.00）。最后,基于结构方程模型构建路径分析,理解交通投资对经济增长的直接效应、间接效应和总体效应^[41],结构方程模型由STATA 14.0完成估计和稳健性检验。

4 实证结果

4.1 交通投资影响经济增长的地理、时间差异

4.1.1 交通投资的总体经济效应 1978年以来,中国交通投资经历了快速增长,改善了城市及区域间交通通达性。从因变量和主要解释变量的全局Moran's I指数的变化情况来看（图2）,经济增长和就业规模等变量呈现显著的空间自相关,且数值比较平稳。非交通投资变量的指数虽然为正,但呈现较大的波动。交通投资变量在大部分时间内的指数为正,而在1999-2001年、2011-2014年间的指数为负值。可以看出,交通投资呈现空间正相关、负相关并存的局面,这说明有必要采取空间计量思路,将空间关联纳入回归模型,以更准确地甄别交通投资的经济增长效应。

显示原图|下载原图ZIP|生成PPT
图2因变量与主要解释变量的全局Moran's I指数的变化情况
-->Fig. 2The global Moran's I index of dependent and main explanatory variables
-->

表2为包含所有样本的不同模型的估计结果。混合最小二乘回归模型结果显示,交通投资对经济增长具有显著的正面效应,lnTI变量的系数为14.2%,且非常显著。一般面板固定效应回归的结果仍然能看出交通投资（系数为8.0%）对社会经济增长的显著作用。但交通投资的作用明显低于其他投资（lnNTI变量的系数为23.1%）和就业规模（lnLAB变量的系数为67.5%）,这说明随着中国社会经济的发展,由交通投资直接带来的经济效应仍低于其他经济部门的投资及劳动力的作用。中国分异显著的地理差异与地貌格局在一定程度上并不利于省际社会经济发展,也会限制交通投资呈现的经济效应,lnELE和lnQSTA变量的系数显著为负也说明了这一点。但与混合最小二乘回归模型相比,变量lnELE在其他模型都被剔除了。需要指出的是,变量lnQSTA的系数在模型3中变为正数,这说明在考虑空间关联作用下,空间异质性有助于社会经济的发展,这间接反映在空间异质性更显著的地区,交通投资仍能为经济增长提供机会。空间面板杜宾模型中,ρ的值显著为正（系数为0.606）,这指出中国社会经济集聚总体上呈现正向的空间关联。变量lnTI和W×lnTI系数分别为0.8%和3.8%,这在一定程度上说明,交通投资具有显著的空间关联作用,有利于经济的空间集聚。总体上,在考虑空间自相关的情况下,一个重要的差别是,交通投资对经济增长的作用和显著性都普遍降低了。可能的解释是：① 交通投资经济效果不仅取决于投资规模,也受投资效率的影响。交通投资的Moran's I指数呈现动态的变化,且在一些年份为负值,反映了有些地区交通投资规模很高,但其临近地区投资却偏低。这说明周边地区的交通投资是不充分的,进而会影响临近地区经济增长,降低交通投资的总体效益。② 交通投资的直接经济作用往往低于间接作用,在考虑空间集聚影响后,交通投资的间接作用更加显著,这可能降低对经济的直接作用。
Tab. 2
表2
表2交通投资影响经济增长的模型估计结果
Tab. 2Estimation results of all samples considering the spatial interaction effects

变量	模型1 混合最小二乘回归	模型2 一般面板回归	模型3 空间面板杜宾模型
lnTI	0.142^***	0.103^***	0.008
lnNTI	0.231^***	0.272^***	0.074^***
lnLAB	0.675^***	1.333^***	0.471^***
lnELE	-0.089^***
lnQSTA	-1.462^***	-1.031^***	0.195
lnURBAN	0.720^***	0.361^***	0.047^*
ρ			0.606^***
W×lnTI			0.038^***
W×lnNTI			0.009^*
W×lnLAB			-0.028
W×lnQSTA			-0.709^***
W×lnURBAN			0.119^*
Obs.	589	589	589
R_w²	0.965	0.952	0.975
对数似然值	2698.93^***(F值)	2189.61^***(F值)	481.656^***

注：^*、^**和^***分别为在10%,5%和1%水平上达到显著。

新窗口打开
4.1.2 交通投资影响经济增长的地理差异受自然地理于社会经济差异的影响,交通投资在不同地区所呈现的效果会有较大差异。通常来说,在城镇化水平较高的地区,交通投资（如高速公路建设）带来的经济效应会更显著^[42,43]。一些研究也表明交通投资带来的通达性变化减缓了经济趋同,扩大了区域差距^[44]。表3检验了交通投资在中国东部、中部和西部地区的经济作用。一方面,与表2的结果类似,在考虑空间自相关的作用下,交通投资对3个地区的经济作用都显著降低了。例如,对东部地区而言,混合最小二乘回归、一般面板回归和空间面板杜宾模型中,变量lnTI的系数分别为15.8%、12.2%和9.6%。另一方面,模型6、模型9和模型12的结果表明,从东部到西部,交通投资带来的经济作用依次递减。东部、中部地区的交通投资的系数为正且非常显著（分别为9.6%和6.5%）,而西部地区交通投资系数为负也不显著（-0.6%）。这说明随着东部和中部地区城镇化水平的提升,其交通需求也增加,交通投资更能促进经济的增长。对于西部地区而言,交通投资作用远低于其他类型的投资。从空间回归系数来看,在东部和中部地区,变量W×lnTI的系数均为负但不显著,这说明交通投资并不利于经济空间集聚;而西部地区该变量的系数为正,指出了交通投资对经济空间集聚的正面影响。这侧面反映在城镇化程度较高的中、东部地区,在较高规模跨城区交通需求的背景下,交通投资有利于社会经济活动的空间分散;而在欠发达的西部地区,人口分布比较分散,且交通设施不尽完善,交通投资优先发生于条件优越地区,通达性改善有助于经济空间集聚。
Tab. 3
表3
表3交通投资影响经济增长的分区域效应
Tab. 3The economic effects of transport investment in different regions

变量	东部地区			中部地区			西部地区
变量	模型4 混合最小二乘回归	模型5 一般面板	模型6 空间面板杜宾模型	模型7 混合最小二乘回归	模型8 一般面板	模型9 空间面板杜宾模型	模型10 混合最小二乘回归	模型11 一般面板	模型12 空间面板杜宾模型
lnTI	0.158^***	0.122^***	0.096^***	0.132^***	0.122^***	0.065^**	0.03	0.013	-0.006
lnNTI	0.167^***	0.224^***	0.166^***	0.216^***	0.268^***	0.103^***	0.371^***	0.310^***	0.034
lnLAB	0.788^***	1.528^***	1.510^***	0.724^***	1.482^***	0.475^***	0.643^***	2.674^***	-0.116
lnELE	-0.077^***			0.051			0.064^*
lnURBAN	0.684^***	0.189^**	0.273^***	0.734^***	0.231^**	0.005	0.429^***	0.177*	-0.047
ρ			0.199^***			0.487^***			0.446^***
W×lnTI			-0.016			-0.021			0.029
W×lnNTI			-0.009			0.021			0.117^***
W×lnLAB			-0.272^***			1.006^***			2.600^***
W×lnURBAN			-0.112^**			0.137			-0.038
Obs.	190	190	190	190	190	190	209	209	209
R_w²	0.959	0.944	0.947	0.939	0.944	0.964	0.969	0.959	0.983
对数似然值	874.08^***(F值)	743.77^*** (F值)	83.85^***	584.21^*** (F值)	747.18^*** (F值)	116.912^***	1283.55^*** (F值)	1140.95^*** (F值)	185.167^***

注：^*、^**和^***分别为在10%,5%和1%水平上达到显著。

新窗口打开
4.1.3 交通投资影响经济增长的时间效应交通投资具有一定的时滞效应,如在轨道交通投资建设中,随着线路开通运营和网络化形成,对地产的正向刺激效应更为显著^[45]。本部分主要估计随着时间推移,交通投资的经济效应及其空间集聚情况的变化。2007年以来,中国高速铁路得到了快速发展,其对区域一体化的作用日益增加。故将面板序列分为1997-2006年、2007-2015年两个时间段,间接量化交通模式演进（主要是高速铁路）对经济增长及其空间集聚的影响。表4的估计结果表明,无论是混合最小二乘回归、一般面板还是空间杜宾模型,随着时间的推移,变量lnTI系数都相应增加了。这说明随着社会经济的发展,交通投资的经济效应显著增强。模型15和模型18的结果可知,两个时段内变量W×lnTI系数的符号发生了改变。这说明在1997-2006年间,交通投资在扩大社会经济总量的同时,有助于促进社会经济活动的空间集聚。在2007-2015年间,交通投资的经济效应明显增加,尤其随着区域性快速铁路网络的建设,社会经济活动呈现明显的空间扩散趋势。总体上,1997-2015年间,交通投资的作用发生了从促进空间集聚到空间分散的变化,这与过去20年间区域发展呈现的“集聚—扩散”趋势是比较一致的。在一些交通基础条件不好的地区,交通条件改善有利于一些地区成为不同尺度的中心,形成经济空间集聚的趋势;而当交通设施形成一定基础时,进一步交通投资有利于经济活动以更小的成本实现跨地区转移,从而形成经济活动多方向、网络化的发展,稀释了交通投资对空间集聚的作用。
Tab. 4
表4
表4不同时段交通投资对经济增长的影响效果
Tab. 4The spillover effects of transportation in different periods

变量	1997-2006年			2007-2015年
变量	模型13 混合最小二乘回归	模型14 一般面板回归	模型15 空间面板杜宾模型	模型16 混合最小二乘回归	模型17 一般面板回归	模型18 空间面板杜宾模型
lnTI	0.0701^***	-0.009	0.008	0.259^***	0.070^***	0.025
lnNTI	0.188^***	0.079^***	0.033^***	0.178^***	0.045^***	0.031^***
lnLAB	0.795^***	0.454^***	0.352^***	0.555^***	1.010^***	0.702^***
lnELE	-0.107^**			-0.067^***
lnQSTA	-0.271	3.121^***	-0.188	-0.954^***	-2.663^***	-1.08
lnURBAN	0.641^***	-0.011^***	0.174	1.037^***	1.084^***	0.979^***
ρ			0.438^***			0.599^***
W×lnTI			-0.009			0.006
W×lnNTI			0.027^*			0.008
W×lnLAB			-0.250^*			0.156
W×lnQSTA			1.745^***			0.282
W×lnURBAN			-0.017			-0.756^***
Obs.	310	310	310	279	279	279
R_w²	0.951	0.958	0.961	0.972	0.969	0.974
对数似然值	1004.29^***(F值)	1234.08^***(F值)	400.05^***	1583.74^***(F值)	1524.80^***(F值)	450.178^***

注：^*、^**和^***分别为在10%,5%和1%水平上达到显著。

新窗口打开
4.1.4 交通投资对经济增长的长期与短期效应交通基础设施的投资建设往往需要耗费一定年限,这意味着交通投资的长期、短期经济效应是存在差别的。短期主要表现为直接投资的影响,如直接金钱投资能以支持制造业、建设和运营等方式增加就业;而长期体现是的累积效应,如降低交通成本和提升可达性,来提升经济生产率。表5基于不同的回归模型检验了变量lnTI和lnTI_i_-1对经济增长的短期和长期作用。模型19~模型21均显示,当前交通投资（TI）所呈现的作用略低于前期交通投资（TI_i_-1）,即交通投资的长期效果更加明显。此外,无论是当前还是前期的交通投资,其作用均低于其他投资和劳动力增长对经济的促进作用。其中,劳动力对经济增长的作用最高。例如,在空间面板杜宾模型（模型21）中,变量lnLAB的回归系数高达45.8%,且非常显著。这也在一定程度上能反映出中国经济发展仍处于以劳动力密集型为主导的阶段。在考虑空间自相关作用下,空间面板杜宾模型的结果表明社会经济集聚的空间正相关,即变量lnTI的系数为0.4%但不显著,而变量lnTI_i_-1的系数为正（4.2%）且非常显著。此外,变量W×lnTI的系数为正,而W×lnTI_i_-1的系数为负,这表明当前交通投资有利于经济活动空间集聚,但随着交通设施建成投入使用后,区域间的交通网络有助于经济活动的空间扩散。
Tab. 5
表5
表5考虑时间滞后效应的交通投资经济效应
Tab. 5The economic effects of transportation considering time lagged effect

变量	模型19 混合最小二乘回归	模型20 一般面板回归	模型21 空间面板杜宾模型
lnTI	0.110^***	0.089^***	0.004
lnNTI	0.172^***	0.233^***	0.074^***
lnLAB	0.662^***	1.158^***	0.458^***
lnTI_i_-1	0.118^***	0.101^***	0.032^***
lnELE	-0.094^***
lnQSTA	-1.494^***	-1.085^***	-0.734^***
lnURBAN	0.696^***	0.288^***	0.037
ρ			0.579^***
W×lnTI			0.042^***
W×lnNTI			0.022
W×lnLAB			-0.009
W×lnTI_i_-1			-0.001
W×lnQSTA			0.184
W×lnURBAN			0.115^*
Obs.	589	589	589
R_w²	0.968	0.958	0.977
对数似然值	2585.89^***(F值)	2096.29^***(F值)	491.29^***

注：^*、^**和^***分别为在10%,5%和1%水平上达到显著。

新窗口打开

4.2 交通投资对经济增长的影响过程与机制

上述部分展示了不同地区、不同时间交通投资的经济作用及空间集聚影响。交通基础设施与其他产业具有显著的关联^[35],交通投资能通过直接或间接作用刺激经济。然而,上述结果并不能有效甄别交通投资对经济增长的路径。结构方程模型能考量多变量间的复杂性^[46],因此采用结构方程模型来量化交通投资对经济的作用路径和强度。模型采用最大似然法（Maximum likelihood）进行估计,对数似然值为-2427.56,卡方值（χ²）为913.99,似然比检验（LR test）显示Prob > chi2 = 0.00。一般来说,结构方程模型中的相对拟合指数（Comparative Fit Index）较高时,普遍被认为较合适^[45]。本模型的相对拟合指数和标准化残差均方根分别为0.786和0.208,模型总体上是可以接受的。模型中的路径系数基本上都达到了1%水平的显著性,系数大小则反映了交通投资等不同变量对经济的影响程度。
交通投资通过直接或间接等多样化路径刺激经济^[47]。首先,交通投资能直接作用于经济增长,该路径系数为0.096,且非常显著。但这种直接效应远低于由交通投资影响就业增长、其他投资、非农产业发展和城镇化等带来间接的经济增长（路径系数为0.536）。这说明交通投资对经济的贡献更多是以产业关联、投资关联等间接方式产生。这与一些研究结果是比较一致的^[48]。其次,交通投资具有积极的外部性,这种动态外部性对产业关联、经济发展的作用已经被关注^[49]。在间接效应上,交通投资对经济增长的路径与程度呈现显著差异,主要通过3种路径产生作用（图3）。① 交通投资最大的间接作用是明显导致其他部门投资的增加,进而刺激经济增长。一些研究指出了技术、产业关联的相互作用,技术关联度越高,更有利于产业增长,但这种促进作用具有明显的产业内部差异和区域差异^[50]。作为基础性和主导产业,交通投资具有明显的前、后向产业关联（前向联系大于后向联系）^[48],以关联效应和波及效应与其他相关联产业形成互动发展^[51,52]。以轨道交通投资为例,在生产建设环节上,轨道交通投资能引导车辆制造、电气设备、电子通信系统等产业发展;在运营环节上,轨道交通投资能促进物流、商品零售、房地产等产业发展^[53,54,55]。② 无论是交通投资本身还是由交通投资带来的关联产业发展,都明显有利于劳动力规模的增加。交通投资对就业增长的作用系数为0.296,交通投资通过就业增长对经济增长的作用系数为0.224,略高于通过其他投资形成的经济增长效应（路径系数为0.213）。③ 交通投资通过作用于第二产业、第三产业及城镇化发展来引导经济发展,总体作用系数为0.098,低于前两种路径的作用。其中,“交通投资?第二产业?城镇化?经济增长”的作用路径系数为0.086,略高于“交通投资?第三产业?城镇化?经济增长”的作用路径（0.012）。

显示原图|下载原图ZIP|生成PPT
图3基于结构方程模型的交通投资对经济增长的路径和强度
-->Fig. 3The influential path of transportation investment on economic growth
-->

5 结论与研究展望

（1）无论是混合最小二乘回归、面板数据回归还是空间面板回归,都显示了交通投资对经济增长的显著作用,且交通投资在总体上有利于经济的空间集聚。但在考虑空间自相关的影响下,交通投资对经济增长的规模作用明显降低,这可能与交通投资效率有关。这一结论有助于帮助多层级政府更好地理解交通投资的作用。尤其在投资决策中,应充分关注交通基础设施可能产生的空间外溢影响,以甄别优先投资区,实现交通投资经济效应的最优化。
（2）交通投资对经济增长具有地理差异与时滞影响：① 在交通投资的经济规模效应上,交通投资对东部地区经济增长的作用明显高于中西部地区;随着时间推移和经济增长,尤其是高速铁路的建设和运营,使得交通投资的经济效应显著增强;交通投资的长期经济效应比短期更显著。② 在交通投资的经济空间集聚上,在城镇化发展程度较高的中部和东部地区,在较高跨城区交通需求的背景下,交通投资有利于社会经济活动的空间分散化,而在欠发达的西部地区,交通投资优先发生于条件较好的地区,通达性改善有助于形成经济空间集聚。在时间作用上,1997-2015年间,交通投资发生了从促进空间集聚到促进空间分散的变化,这与过去20年间区域发展呈现的“集聚—扩散”趋势是比较一致的。在考虑前期交通投资的影响下,当前交通投资有利于经济活动空间集聚,而随着交通设施的运营,则有助于经济活动的空间扩散。交通投资经济效应的差异反映了空间异质性的影响,也能说明中西部与沿海地区交通投资不平衡格局导致的经济效应差异。
（3）从作用路径上,交通投资对经济促进的直接效应低于间接效应,这种多方向路径主要通过刺激关联产业投资、就业增长和城镇化发展等产生作用,但不同影响路径的作用程度存在差异。这一结果对区域规划与交通政策可能有两点参考。① 当衡量交通投资的效益、成本与合理规模时,其综合性效应都应该被纳入,尤其应积极考虑交通投资的间接作用,实现交通投资与产业发展、就业和城镇化的关联。② 交通投资的外部性一定程度上说明了政府与私有部门共同参与投资决策的必要性。交通运输部提出“十三五”期间按照“问题导向、精准发力、有效拉动”的原则,进一步加强交通运输投资服务于宏观经济增长的作用。针对交通融资难度大、相关审批政策（如土地审批）复杂等问题,应以创新融资机制（如公私合营、溢价回收等）及多部门参与方式^[56],引导交通投资对产业及劳动力等的溢出效应。
总之,这些结论指出了交通投资的“时空间差异、经济空间集聚、多样化路径”等特征,这能帮助多层级政府理解交通投资的作用机制与关联效应。① 在规模—集聚效应上,应加强交通投资对经济集聚的合理引导,避免过度集聚带来的负外部性;② 在时空间差异上,这反映了中国交通投资的空间不均衡特点,应在优化欠发达地区交通投资的同时,加强交通投资与其他政策（户籍政策、产业转移等）的组合,降低交通投资对欠发达地区的虹吸效应;③ 在多样化路径上,应强化交通投资对其他经济因素的关联,引导交通投资带来的直接或间接作用,优化区域政策,刺激经济发展。
The authors have declared that no competing interests exist.

交通投资、经济空间集聚与多样化路径——空间面板回归与结构方程模型视角

本站小编 Free考研考试/2021-12-29

Transport investment, economic spatial aggregation, and multiple paths: A joint estimation by spatial panel and structural equation modeling

1 引言