交通基础设施空间建设差异化影响了中国经济增长吗

黄森

摘要：在考虑交通基础设空间网络布局特性基础上，利用2001—2011年中国省级数据和空间计量研究方法，从直接效应和空间外部效应两个层面研究了交通基础设施空间建设差异化对中国经济增长的影响。结果表明：中国交通基础设施在地理空间上已然形成了三类稳固的差异化集群；虽然交通基础设施建设对区域经济增长有着显著的正向效应，但是受其自身空间建设差异化对经济增长负向效应影响，其对经济增长应有的促进效应未能全部体现。虽然交通基础设施空间建设差异化存在显著的空间负外部效应，不过该效应正在逐年减弱。扩大交通基础设施覆盖面与提升交通基础设施存量两者对经济增长都有着相近的正向弹性，不过前者的实际操作成本要明显低于后者。

关键词：交通基础设施；差异化集群；空间外部性；区域经济增长；空间计量模型

一、引言

交通基础设施是国民经济的基础产业，是经济和社会各项事业发展的重要保障。大部分经验研究结果表明，交通基础设施条件好坏将直接影响到国民经济增长速度的快慢（Aschauer & Alan，1989；Barro，1991）。 [1] [2]不可否认相较于西方发达国家而言，目前中国交通基础设施的总量仍略显不足，交通基础设施建设仍然落后于社会经济发展要求。在最近的十几年间，国家大幅度提高了交通基础设施建设的投资力度，这也标志着交通基础设施建设正式进入了腾飞时期。

目前有关交通基础设施与地区经济增长的研究文献国内外有很多，而且得出的结论也较为一致，即交通基础设施与地区经济增长有着正相关关系（Banister & Berechman，2001；Cantos et al.，2005；彭清辉和曾令华，2009 ；张学良和孙海鸣，2008 ；李跃和蒙永胜，2014）。[3] [4] [5] [6] [7]但是这类研究大多将交通基础作为单一的独立外生变量来考察其对地区经济增长的影响，很少有研究能够将其所具有的多重经济属性纳入到相应研究中来。近几年随着空间经济学及空间计量经济学等新兴经济学派的兴起，国内外一些研究者在研究类似问题时发现，交通基础设施整体投资的无节制增长并不一定能够有效促进地区经济的可持续发展。[8][9]其中一部分学者认为，交通基础设施条件好坏能够显著影响到区域经济的发展进程，虽然交通基础设施总量提升能够显著促进地区经济的增长，但受交通基础设施自身具有显著的空间网络布局特性影响，倘若不同地区间交通基础设施条件差异过大，则将很有可能限制地区间资源合理配置，进而影响到整个区域经济增长速度的提升（Fujita & Krugman，1999） [10]。那么这类情况在中国是否存在呢？这正是本文拟将回答的问题。

基于以上现实和理论背景，论文尝试从交通基础设施空间建设差异化入手，考察其对中国地区经济增长的多重影响。具体思路为：以2001—2011年作为时间样本，利用中国交通基础设施与地区经济增长相关数据，首先检验中国交通基础空间建设现状。其次从空间地理视角考察差异化交通基础设施建设对中国地区经济增长的直接效应和空间外溢效应，并以此得出相应研究结论和启示。

二、中国交通基础设施建设空间现状分析

在进行中国交通基础设施建设空间现状分析之前，我们首先需要选择一个合理的指标来定义交通基础设施存量。目前国内对交通基础存量进行量化处理的方法有两种：一是通过交通基础设施公共投入来衡量，二是通过交通基础设施密度来衡量。[11]由于交通基础设施建设并非完全是由公共投入产生的，其中还包含一部分是由私人投资完成，因此用公共投资来衡量交通基础存量容易产生系统性的测量误差。[12][13]所以本文选择以公路、铁路和内河航道里程之和除以各省份的国土面积求得各省（市、自治区）交通基础设施密度，用该数值来定义中国交通基础设施存量指标。

同时为了能够在论文中合理、准确地反映出中国近十余年来交通基础设施空间建设现状，我们这里选择运用空间计量经济学中的Morans I指数和LISA指数分别来进行全局和局部两个层面的分析。

Morans I指数的计算公式为：

式中Wij为二元空间权值矩阵中的任意元素值，当i区域与j区域相邻时，Wij=1；当i区域与j区域不相邻时，Wij =0。为了剔除各省份空间面积相差较大的影响①

①当地理单元空间面积相差较大时，小面积地理单元将有很少的邻近单元，而较大面积地理单元则可能有很多的邻近单元，不利于后面的空间计量分析。，本文采用K值最邻近空间矩阵，文中K=4；n表示地区总数，本文n=31代表中国31省（市、自治区）；xi，xj分别为省份i和省份j的交通基础设施存量值。Morans I系数取值范围为-1—1，1意味着各区域间存在着强烈的空间正相关性，0意味着不存在空间相关性，-1意味着存在负的空间相关性。

Morans I系数检验是考察研究对象总体水平空间相关性的检验，为了进一步了解地区之间的空间相关性，这里引入局部空间统计指标——LISA（Anselin et al.，2003）[14]，LISA指标与全局空间相关性统计指标的关系式为：

式（2）中Λ为全局空间相关指标，γ为比例因子。论文首先检验了2001—2011年中国31个省（市、自治区）交通基础设施全局空间相关性，如图1所示。

由图1可知，2001—2011年间中国31个省（市、自治区）交通基础设施Morans I指数均值明显高于03，该结果表明现阶段的中国交通基础设施存在显著的空间正相关性。同时我们还发现交通基础设施空间相关性在这11年间还表现出了分阶段的变化趋势：2001—2005年为第一阶段，在此期间Morans I指数从2001年到2003年有缓步上升趋势，但是从2004年开始指数就由升转降，这种趋势一直持续了两年。2006—2011年为第二阶段，2006年中国交通基础设施Morans I指数突然大幅上升，然后从2007年开始一直到2011年Morans I指数又逐年缓慢下降。总体来看，2001—2011年间中国交通基础设施的空间正相关性呈现出缓慢上升的趋势。

在全局层面验证了中国交通基础设施存在显著空间正相关性后，我们再运用局部空间检验LISA指数，从省域视角检验2001—2011年中国31个省（市、自治区）之间是否形成显著的交通基础设施空间差异化集群。需要说明的是，四种空间集群的划分是基于空间相关性检验指数得来的，其中“高—高”集群表示交通基础设施条件较好省份被同样条件较好的其他省份包围；“低—高”集群表示交通基础设施条件较差省份被交通基础设施条件较好的其他省份所包围；“低—低”集群表示交通基础设施条件较差的省份被同样条件较差的其他省份所包围；“高—低”集群表示交通基础设施条件较好省份被交通基础设施条件较差的其他省份所包围。

从表1中可以看出，在考察期间，中国31个省（市、自治区）交通基础设施建设在空间上已然形成了稳定的差异化空间块状集群。在这四类差异化空间集群中：“高—高”集群均由中国东部地区省市组成（主要分布在长三角地区），其中浙江、安徽和江苏三省份在11年间始终位于处于稳定的“高—高”集群中；“低—低”集群均由中国西部省（市、自治区）组成，且组成省份在考察期间始终未发生变化，分别为新疆、青海、西藏和甘肃等四省（自治区）；“低—高”集群在考察期间组省份并不稳定，在2011年通过显著性考察的省份只有福建和河北；另外，在2001—2011年间中国没有省份形成交通基础设施“高—低”集群。而其余省份在2001—2011年间均未能够通过交通基础设施LISA指数1%的显著性检验。

很显然，无论是空间全局性检验还是空间局部性检验结果均显示，目前中国交通基础设施建设存在显著的空间差异性，而且部分省（市、自治区）之间还形成了较为稳固的差异化集群。由新经济地理学原理可知，倘若区域内部各自之间交通基础设施条件存在显著差异，那么这将会影响到区域经济整体发展质量。因此，接下来将从空间视角进一步考察差异化交通基础设施对中国地区经济增长的多重影响。

三、指标体系构建

为更透彻研究现阶段交通基础设施空间建设差异化对中国经济增长的影响，同时在考虑数据可得性的前提下，本文以2001—2011年作为时间样本，选取中国31个省（市、自治区）作为空间样本，并构建相应指标来对两者关系进行分析。以下是各个指标的详细介绍：

首先是解释变量，本文选择GDP来定义区域经济发展水平指标。大量研究表明，GDP能够很好地描述中国各省份经济发展情况，同时基于国内外学者相关研究惯例，本文使用地区生产总值与当年物价指数之比来描绘该指标。

交通基础设施作为本文研究的主要考察对象之一，其自身体系构成十分复杂。笔者从其基本特征出发，同时考虑到本文研究目标，选择以交通基础设施存量、交通基础设施覆盖面、交通基础设施人力资本、交通基础设施差异化集群划分等四个指标来构建交通基础设施指标体系：

交通基础设施存量（JTCL）：该指标定义同前文相同，在此不再重复介绍。

交通基础设施覆盖面（JTFG）：为了能够更好地描述中国交通基础设施空间差异性，这里构建了一个全新的指标——交通基础设施覆盖面。该指标与传统的交通基础设施线路长度指标不同，传统指标通过直接将铁路、公路、内河航道等线路长度求和来进行定义，但是由于中国各类交通基础设施轨道线路自身特征差异明显，而且各自辐射的范围也不尽相同，因此简单的求和无法充分体现交通基础设施自身空间差异化特征。由交通基础设施具有空间网络布局特性可知，其对地区经济发展的辐射作用是通过沟通、引导及促进区域间要素流动来体现的。因此本文选择当年各省份三种交通基础设施年度货运量分别与相应的全国货运总量之比作为权重，然后分别以各省份对应的交通运输线路长度乘以权重进行求和，以该数值来定义本文研究中的交通基础设施覆盖面指标。

交通基础设施人力资本投入（JTRL）：该指标反映了交通基础设施体系自身人力资本的投入。为便于后续空间计量分析，本文直接以铁路、公路、水运等三行业职工人数之和来定义该指标。

交通基础设施差异化集群划分（CYJQ）：根据Fujita & Krugman（1999）的研究，中国交通基础设施差异化集群还可进一步划分为正向集群和负向集群。其中正向集群包括“高—高”集群和“低—高”集群，而负向集群则包括“低—低”集群和“高—低”集群。对于正向集群来讲，集群区域内部的空间集聚效应（正向）要显著高于空间扩散效应（负向），属于空间集聚“凸点”，因此内部各省份将主要收益于集群的正向集聚效应影响，各自原有的交通基础设施发展效率将得到进一步提高。对于负向集群而言，集群区域内部的空间集聚效应（正向）要显著小于空间扩散效应（负向），属于空间集聚“凹点”，因此内部各省份将主要受到集群内部扩散效应的负向影响，各自交通基础设施原有发展效率将被进一步拉低。对于交通基础设施差异化集群划分该指标而言，传统指标无法对其进行合理描述，因此本文采用虚拟指标来进行定义，具体为：交通基础设施正向集群内部省份取值为1，交通基础设施负向集群内部省份取值为0。

在完成以上交通基础设施指标体系构建后，本文引入了7个区位控制变量，以保证研究结果的准确性：

固定资本投入（GDTR）：固定资本投入是指投资主体垫付货币或物资，以获得生产经营性或服务性固定资产的过程。大量研究表明，固定资本投入与地区GDP增长之间有着显著关系，因此本文将其作为区位控制变量之一，以固定资本投入与当年物价指数之比来定义该指标。

劳动力投入（LDTR）：该指标反映了国家在一定时期里投入到经济生产中的劳动力人数。研究表明，劳动力投入与地区GDP增长之间也有着显著关系，因此本文也将其作为区位控制变量之一，以各地区按行业分城镇单位就业人数（剔除了交通运输、仓储及邮政就业职工人数）来定义该指标。

R&D经费（R&D）：指当年全社会实际用于基础研究、应用研究和试验发展的经费支出。大部分文献将其作为地区技术指标使用，并发现其与地区经济增长之间也有着较为显著地关系，因此本文也将其作为区位控制变量之一，以R&D经费支出与当年物价指数之比来定义该指标。

政府财政支持（CZTR）：该指标主要反映地区政府对于当地经济增长的重视程度，通常用地区财政支出来定义。研究表明，该指标与地区经济增长之间存在显著性关系，因此本文也将其作为区位控制变量之一，以地区财政支出与当年物价指数之比来定义该指标。

地区城镇化率（CZHL）：研究表明，城镇化率对地区经济增长及人民生活质量提高有显著影响，而且交通基础设施建设与地区城镇化率之间也存在密切联系，因此将其作为区位控制变量之一。本文定义：地区城镇化率=非农人口/地区总人口。

地区对外开放程度（DWKF）：地区对外开放程度高低不但影响了地区经济发展活力，而且对交通基础设施建设所需技术、人力及物资资本的获得也有一定影响，因此将其作为区位控制变量之一，以地区出口总额与地区GDP之比来定义对外开放程度指标。

地理环境（DLTJ）：研究表明，地理环境不但对交通基础设施布局和建设有显著影响，同时对地区集聚经济的形成和发展也起着明显作用。[13]由于传统指标无法对其进行合理描述，因此本文用虚拟指标来定义地理环境变量。具体表示为：平原地区取值为1，山区或丘陵等非平原地区取值为0。

需要说明的是，本文所需数据均来源于2002—2012年《中国统计年鉴》、《中国财政年鉴》、《中国劳动统计年鉴》、《中国区域经济统计年鉴》和《中国人口和就业统计年鉴》以及各省（市、自治区）相关统计年鉴。

四、空间计量分析

为了能够合理地将交通基础空间建设差异化特征引入计量模型，本文采用空间计量模型。目前国内空间计量模型有两类：一类用于截面数据分析，一类则用于面板数据分析。虽然空间面板计量模型在处理面板数据上很有优势，但本文意在考察2001—2011年间交通设施空间建设差异化逐年改变这一过程对于中国经济增长的趋势影响，因此采用传统空间计量模型。

空间计量模型基本原理很多文献都有详细阐述，本文就不再重复。首先我们对下文空间计量需要用到的两类模型进行空间相关性检验。

式（3）为不引入区域控制变量时的空间滞后模型（SLM），式（4）为不引入区域控制变量时的空间误差模型（SEM）。式中各变量含义等同于上文定义， W为空间权值矩阵，ε和μ分别为各自模型的误差系数，下标i代表省份；ρ为空间滞后系数，用以度量了在交通基础设施块状发展模式下各省份在地理空间上的集聚效应；λ为空间误差系数，用以度量交通基础设施块状发展模式下相邻省份间自变量误差变化对本地观测值的影响程度。由于两类空间计量模型适用的条件不同，而且无法根据先验结论来判断在进行数据研究时，SLM模型和SEM模型到底哪一个更符合实际，因此有必要进行空间计量模型的选择检验。基于以往相关文献研究经验，论文采用的拉格朗日乘子检验（LM）来进行模型检验：

式（5）中tr表示矩阵的迹算子，e是OLS回归残差向量，W表示权值矩阵，n表示地区总数， n=31。D=[（WXβ）′M（WXβ）/σ2]+tr（W2+W′W），WXβ是Xβ预测值的空间滞后，M=I-X（X′X）-1X′。LMERR检验和LMLAG检验都服从χ2（1）分布，当LMLAG值大于LMERR，且R-LMLAG较R-LMERR显著时，表明空间相关性的正确来源更可能是一个遗漏的空间滞后变量，因此计量研究选择空间滞后模型；反之，则选择空间误差模型（Anselin et al.，2004）。[15]

由表3可知，在2001—2011年间，每年的LMLAG、R-LMLAG的统计值均大于LMERR、R-LMERR，且都通过10%显著性检验，表明使用空间滞后模型对考察期间中国交通基础设施空间差异化与区域经济增长相互作用关系进行分析，比空间误差模型更加有效。

由表4、表5和表6结果可知，在不考虑区域控制变量情况下，2001—2011年交通基础设施对中国经济增长空间滞后模型的拟合优度波动范围处于60%—83%间且Log-likelihood数值波动范围也处于18—22之间，该结果表明通过空间滞后模型进行计量具有较好的理论参考价值。

考察期间，交通基础设施存量指标表现出了对中国经济增长的显著促进作用，所有年份的P值均低于10%；交通基础设施人力资本投入指标除了2002年通过5%显著性检验表现出对经济增长的正向促进外，其余年份均表现为与地区经济增长不相关；交通基础设施覆盖面指标是除了交通基础设施存量指标外，唯一长时间对中国经济增长起到显著促进作用的因素（2001年、2008年和2009年未通过显著性检验），但是其起到的促进程度略低于交通基础设施存量。交通基础设施差异化集群划分指标与空间滞后项系数符号均为负且在考察期间都通过了10%显著性检验，则表明现有交通基础设施空间差异化集群建设模式对中国经济增长显著起到了阻碍作用，但同时也可以看出2001—2011年间，空间滞后项系数有明显的下降趋势，表明这种对经济增长的负效应正在逐年减弱。

下面我们引入区域控制变量对式（3）、式（4）进行完善得到式（7）、式（8）：

以上两式中，Xi为区域控制变量矩阵，ψ为Xi的系数矩阵，其余指标与前文相同。同样我们仍需进行拉格朗日乘子检验。

由表8、表9及表10结果可知，在引入区域控制变量后，使得修正后模型拟合优度在99%附近波动，相对于原有模型该值有了较大幅度的提高，而且Log-likelihood值也明显要高于修正前空间滞后模型。因此，在原有模型基础上引入区域控制变量是很有必要的。

交通基础设施差异化集群划分指标与空间滞后项两者系数，在2001—2011年间均通过了10%的显著性检验，其符号均为负也进一步证明了中国当前交通基础设施空间差异化集群模式并不利于中国的经济增长，但是相较于表4、表5和表6的结果来看，修正后模型计算出来的系数值明显要低。交通基础设施存量指标与交通基础设施覆盖面指标的系数为正，且大部分都通过了显著性检验，该结果与未修正模型计算结果保持一致，但修正模型计量得到的交通基础设施存量指标系数同样也要明显低于修正前结果，并且交通覆盖面指标的P值在修正后也有了明显下降。交通基础设施职工人数指标在修正计量后虽表现出对地区经济增长的显著促进（2006年、2007年和2011年通过显著性检验），但其促进程度十分微弱。

就区域控制变量来讲：2001—2011年间，固定资本投入指标始终保持了对地区经济增长的显著促进作用，而政府财政支持、城镇化率指标均未能通过显著性检验。R&D经费指标在2001—2002年、2004—2008年均未能通过显著性检验，但从2009年开始就表现出对地区经济增长的显著促进（虽然2003年也表现出对地区经济增长的显著促进，但是这一促进作用并不持续）。2001—2003年间，对外开放指标表现与地区经济增长的不相关，但从2004年开始其表现出对地区经济增长的显著促进作用。2001—2008年间，劳动力投入指标表现与地区经济增长的不相关，但从2009年开始则表现出对地区经济增长的显著促进。另外，除2001年外，2002—2011年间地理环境指标均未能够通过显著性检验，说明其与中国经济增长不相关。

需要说明的是，由空间计量经济学原理可知，任何解释变量对被解释变量的总效应除了表现在系数上外，还体现在空间外部性上，即i地区xi对yi影响还应该包括相邻地区j的xj。这种外部性会随着地区圈层的外扩而逐渐衰减[16][17]，若设k表示以i地区为中心向外扩展的圈层序数，那么在SEM模型下，空间外部效应可表示为：

同样，SLM模型的空间外部效应也可以基于式（9）得到。由此我们就可以计算出2001—2011年间，交通基础设施空间建设差异化对中国地区经济增长的双重影响。需要指出的是，交通基础设施人力资本投入指标大部分年份未能通过显著性检验，因此这里不进行计算。

从图2中可以看出，2001—2011年间，受差异化交通基础设施建设影响，交通基础设施存量对中国经济增长应有的促进作用没有完全发挥出来。从2001年到2011年，差异化交通基础设施建设空间外部负效应分别为：-00330、-00266、-00270、-00242、-00256、-00274、-00281、-00254、-00248、-00261、-00258，导致考察期间交通基础设施存量对于地区经济增长的实际促进效应为：02642、02614、02807、02571、02686、02744、02888、02681、02615、02755、02761。如果能够消除此类空间外部负效应，中国交通基础设施存量对地区经济增长的促进效应将会提高10%左右。

由图3可知，受交通基础设施差异化建设影响，2001—2011年交通基础设施覆盖面对中国经济增长的应有促进也没有完全发挥出来。从2001年到2011年，差异化交通基础设施建设引发的交通基础设施覆盖面空间外部负效应分别为：-00350、-00238、-00342、-00355、-00210、-00272、-00220、-00255、-00008、-00086、-00308，导致考察期间交通基础设施覆盖面对于地区经济增长的实际促进效应为：02796、02336、03560、03769、02201、02724、02254、02692、00085、00904、03297。如果能够消除此类空间外部负效应，中国交通基础设施覆盖面提升对地区经济增长的促进效应同样将会提高10%左右。

综上所述，可得出以下结论：首先，中国交通基础设施呈现出明显的空间块状分布模式，而且也表现出较为明显的空间依赖性和异质性。到2011年为止，中国形成的较为稳固的交通基础设施空间块状集群主要有三个：一个是长三角地区分布的“高—高”空间集群，代表省市有：浙江、安徽、江苏和上海；一个是由新疆、青海、西藏和甘肃四省（自治区）形成的“低—低”空间集群，该空间集群在2001—2011年里始终保持稳定；还有一个则是以福建省和河北省为代表的“低—高”空间集群。其他省（市、自治区）虽然也存在类似集群，但并不具备相对稳定性。由空间集群概念可知，“低—低”空间集群的内部省份交通基础设施发展效率要远低于“高—高”和“低—高”空间集群内部省份。而目前中国交通基础设施 “高—高”、“低—高”集群都集中于经济发达的东部地区，而“低—低”集群则位于在经济较为落后的西部地区，很显然此类交通基础设施空间差异化分布是不合理的。倘若不改变现状，中国各地区间交通基础设施差距还将进一步拉大。

其次，交通基础设施空间建设差异化对中国经济增长也有着显著的负向影响。一是，虽然总体上提升交通基础设施存量，扩大交通基础设施覆盖面积能够显著推动中国经济增长，但是受其自身空间差异化建设对经济增长的负向影响，导致其对经济增长应有的促进效应未能充分发挥出来。二是，虽然考察期间交通基础设施空间建设差异化对地区经济增长有着负的空间外部效应，不过其数值趋于逐年下降。

五、结论与政策建议

本文以空间计量经济学原理为基础，通过在计量模型中引入空间滞后项，剔除了传统OLS回归中由空间相关性和空间异质性所导致的误差影响，首先考察了2001—2011年中国交通基础设施建设空间布局情况，然后运用空间计量模型分析了其空间差异化建设模式对中国经济增长的双重影响。研究表明，目前中国交通基础设施建设存在着稳固的空间差异化集群，虽然大量投资交通基础设施建设仍然能够显著推动中国经济增长，但是受其自身空间差异化建设对经济增长的负向影响，其对经济增长应有的促进效应未能够充分的发挥出来，不利于中国地区经济协调、有效发展。如果能够有效地打破此类交通基础设施空间差异化集群发展模式，那么中国交通基础设施建设对经济增长的促进作用将会在目前的基础上提高10%左右。由此本文提出了以下两点政策建议：

第一，在制定未来交通基础设施建设和经济发展战略时，中国政府应充分考虑不同空间集群属性特点，有针对性地进行相关资源的优化配置，尤其需要加大本文研究中所指出的新疆、青海、西藏和甘肃等四省（自治区）的交通基础设施投入力度，以尽快打破“低—低”集群的空间限制，从而缩小不同地区间交通基础设施差距，最终实现整个国民经济的可持续发展。

第二，由于交通基础设施覆盖面与交通基础设施存量两者对地区经济增长都有着明显促进，并且两者作用差距不大。因此本文建议中国相关部门除了通过加大交通基础设施投入来促进地区经济增长外，还可以通过充分利用已建成的交通基础设施，协调、完善不同种类设施之间的衔接，进而提高地区间要素流通速度，扩大交通基础设施辐射范围，以此来推动地区经济增长。这样不但同样能够有效促进中国地区经济增长，还可以节约大量的人力、物质成本。

参考文献：

[1]Aschauer and David Alan. Is public expenditure productive？[J].Journal of Monetary Economics，1989，23：177-200.

[2]Barro，R.. Economic growth in a Cross-Section of Countries[J].Quarterly Journal of Economics， 1991，106：407-444.

[3]Banister，D.and Berechman，Y. Transport Investment and the Promotion of Economic Growth[J].Transport Geography，2001，9（3）：209-218.

[4]P.Cantos ，M.GumbauAlbert and J.Maudos.Transport Infrastructures，Spillover Effects and Regional Growth：Evidence of the Spanish Case[J]. Transport Reviews，2005，25（1）：25-50.

[5]彭清辉，曾令华.基础设施投资对中国经济增长贡献的实证研究：1953—2007[J].系统工程，2009（11）：120-122.

[6]张学良，孙海鸣.交通基础设施、空间聚集与中国经济增长[J].经济经纬，2008（2）：20-23.

[7]李跃，蒙永胜.要素禀赋、基础设施、发展战略与地区经济增长[J].贵州财经大学学报，2014（2）：19-28.

[8]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+206.

[9]刘勇.交通基础设施投资、区域经济增长及空间溢出作用——基于公路、水运交通的面板数据分析[J].中国工业经济，2010（12）：37-46.

[10]Fujita，M. and Krugman，P. and Venables，A. J.. The Spatial Economy： Cities，Regions，and International Trade [M]. Cambridge： IT Press，1999.

[11]刘生龙，胡鞍钢.交通基础设施与中国区域经济一体化[J].经济研究，2011 （3）：72-82.

[12]Demurger， S. Infrastructure and Economic Growth： An Explanation for Regional Disparities in China？ [J].Journal of Comparative Economics，2001（29）： 95-117.

[13]Fleisher，B.， Li， H. Z. & Zhao， M. Q. Human Capital，Economic Growth，and Regional Inequality in China [J].Journal of Development Economics，2009（92）：215-231.

[14]Anselin L.， Raymond J. G. M.， Florax， Sergio J. Rey.. Advances in Spatial Econometrics： Methodology， Tools and Applications[M]. Berlin： Springer-Verlag，2003.

[15]Anselin L.， Raymond J. G. M. Florax and Sergio J. Rey.， Advances in Spatial Econometrics： Methodology， Tools and Applications[M]. Berlin： Springer-Verlag，2004.

[16]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.

[17]Elhorst，J.P. Specification and Estimation of Spatial Panel Data Models [J].International Regional Science Review，2003，26（3）：244-268.