交通基础设施和人力资本对区域创新能力影响研究

马明 赵国浩

摘要：笔者使用中国1995—2015年面板数据，采用不同空间权重矩阵构建动态空间杜宾面板模型，使用误差修正准极大似然估计方法经验分析了交通基础设施和人力资本对区域创新能力的空间溢出效应。结果显示：交通基础设施和人力资本在空间相邻权重矩阵和空间距离幂权重矩阵（Ψ=-1）中对区域创新能力具有显著空间溢出效应。其中，交通基础设施发挥扩散作用，人力资本发挥集聚作用；交通基础设施和人力资本对区域创新能力具有动态特征；交通基础设施和人力资本对区域创新能力提升的速度没有显著影响。

关键词：交通基础设施；人力资本；区域创新能力；动态空间杜宾面板模型

中图分类号：F503；F0615文献标识码：A

文章编号：1000176X（2017）08012208

一、问题的提出

Barro[1]、Lucas[2]与Romer[3]等认为，创新能力是一国或者一个区域经济可持续快速增长的源泉，而交通基础设施与人力资本又是影响创新能力的重要因素。随着新经济地理的兴起，交通基础设施与人力资本对区域创新能力的空间溢出效应得到了学者的广泛关注，很多学者对交通基础设施与人力资本影响区域创新能力的空间溢出机制进行了理论探讨。在交通基础设施方面，Krugman[4]认为，交通基础设施具有网络特征，而该特征通过连接各个区域导致运输成本与交易成本下降，从而提高区域可达性，对区域创新能力产生空间溢出效应。Boarnet[5]、Cantos等[6]，Cohen等[7]-[10]，认为，交通基础设施对不同区域创新能力的空间溢出效应不同：随着运输成本与交易成本的下降，创新能力强的区域带动创新能力弱的区域时，交通基础设施对区域创新能力发挥扩散作用，即交通基础设施对区域创新能力产生正的空间溢出效应；随着运输成本和交易成本的下降，生产要素从创新能力弱的区域向创新能力强的区域单向流动时，交通基础设施对区域创新能力发挥集聚作用，即交通基础设施对区域创新能力产生负的空间溢出效应。在人力资本方面，Kogut和Singh[11]认为，人力资本是知识，尤其是隐性知识溢出的重要途径：人力资本本身具有的非竞争性和部分排他性特征是知识溢出的前提，随着人力资本的流动，隐性知识传播速度加快。Blomstrom和Kokko[12]以及Funke和Niebuhr[13]认为，人力资本对不同区域创新能力的空间溢出效应不同：当创新能力强的区域人力资本带动创新能力弱的区域时，人力资本对区域创新能力主要发挥扩散作用，即人力资本对区域创新能力具有正的空间溢出效应；当人力资本从创新能力弱的区域单向流向创新能力强的区域时，人力资本对区域创新能力主要发挥集聚作用，即人力资本对区域创新能力具有负的空间溢出效应。

从实证角度来看，空间计量经济学的发展使得学者开始使用静态空间面板模型实证探讨交通基础设施与人力资本对区域创新能力的空间溢出效应，但是其结果并不一致。王芳[14]采用地理距离和经济距离空间权重矩阵，实证检验了人力资本对TFP增长的影响，结果表明，人力资本对TFP增长产生了显著的正向作用。而王家庭和贾晨蕊[15]运用空间计量模型分析了区域创新能力的影响因素，结果表明，区域人力资本存量对区域创新能力的影响不显著。马明[16]构建了四种不同空间权重矩阵，使用空间杜宾模型对交通基础设施的空间溢出效应进行了检验，结果表明四种空间权重矩阵构建的空间杜宾模型中，基础设施均对其他区域的创新能力产生了显著影响。而Holtz-Eakin和Schwartz[17]对1969—1986年美国数据进行实证分析，发现交通基础设施建设对周围地区并没有显著的影响。

从2000年开始，空间经济将时间引入空间模型，很多学者对动态空间模型的估计方法进行了研究。Zandberg等[18]对传统空间模型和动态空间模型进行了比較，认为动态空间模型有以下几个优势：（1）可以解决由空间和时间引起的序列相关性。（2）可以解决每个时间点的空间依赖性。（3）可以解决由时间和空间滞后引起的内生问题。

综上所述，很多学者为实证检验交通基础设施与人力资本对区域创新能力的空间溢出效应做了有意义的探索，但这些研究仅考虑到了空间因素，并没有将时间因素纳入实证分析框架：（1）忽视了交通基础设施与人力资本对区域创新能力影响的动态特征。（2）忽略了区域创新能力本身所具有的动态特征，即区域创新能力本身具有时间上的累积特征：初始创新能力强的区域由于其具有较好的创新环境其后续创新能力的发展也较好。在忽略了交通基础设施与人力资本对区域创新能力影响的动态特征以及区域创新能力自身发展具有的动态特征前提下，实证检验交通基础设施和人力资本对区域创新能力的空间溢出效应，必然导致由空间滞后或者时间滞后引起的内生问题。基于此，笔者将时间因素引入空间杜宾面板模型，运用误差修正准极大似然估计方法全面、准确地把握交通基础设施与人力资本对区域创新能力的空间溢出效应。

二、研究方法

基于Romer[3]提出的知识生产函数，构建中国区域创新能力函数：

Innit=τInni，t-1+ρ∑Nj≠iwijInnjt+η∑Nj≠iwijInnj，t-1+δ1Trait+δ2∑Nj≠iWijTrajt+δ3Trai，t-1+δ4HCit+δ5∑Nj≠iWijHCjt+δ6HCi，t-1+λZit+μi+t+εit（1）

其中，Innit是区域i（i=1，2，…，N）在时间t（t =1，2，…，T）人均专利申请授权数的对数值，代表了i区域t时间的创新能力；Z是控制变量矩阵；λ是K×1阶控制变量系数矩阵；εit=（ε1t， ε2t，…，εNt）是正态分布（均值为0，方差为σ2）；μi=（μ1，μ2，…，μN）是N×1阶的区域固定效应；t=（1，2，…，T）是T×1阶的时间固定效应。Zandberg等[18]认为引入区域固定效应和时间固定效应可以减少模型的估计误差。Inni，t-1是区域创新能力的时间滞后项，其系数为τ。该项检验区域创新能力在时间上是否具有累积效应，即区域创新能力自身的发展是否具有动态特征；∑Nj≠iwijInnjt是区域创新能力的空间滞后项，其系数为ρ。该项检验区域创新能力是否具有空间溢出效应；∑Nj≠iwijInnj，t-1是同时包含了时间滞后项和空间滞后项的区域创新能力，其系数为η。该项检验相邻区域是否对本区域创新能力具有时间上的累积效应；Wij是N×N的空间权重矩阵，其对角线为0；Trait是区域i在时间t时交通基础设施密度的对数值，代表了区域交通基础设施存量水平，其系数为δ1。该项检验交通基础设施对本区域创新能力是否具有影响；∑Nj≠iwijTrajt是区域交通基础设施的空间滞后项，其系数为δ2。该项检验交通基础设施对区域创新能力是否具有空间溢出效应。根据前文所述，交通基础设施具有的网络属性会降低临近区域的运输成本和交易成本，从而对临近区域的创新能力产生影响。当交通基础设施对区域创新能力主要表现为扩散效应时，δ2为正值，当交通基础设施对区域创新能力主要表现为集聚效应时，δ2为负值；Trai，t-1是区域i在时间t-1时交通基础设施密度的对数值，代表了上一年度区域i的交通基础设施存量水平，其系数为δ3。该项检验交通基础设施对区域创新能力的影响是否具有动态特征；HCit是区域i在时间t时每人平均受教育时间的对数值，代表了区域人力资本存量水平，其系数为δ4。该项检验人力资本是否对本区域创新能力产生影响；∑Nj≠iwijHCjt是区域人力资本的空间滞后项，其系数为δ5。该项检验人力资本对区域创新能力是否具有空间溢出效应。根据前文所述，人力资本的流动（区域内部流动以及区际流动）会导致知识、尤其是隐性知识的流动，从而对区域创新能力产生影响：当人力资本对区域创新能力主要表现为扩散效应时，δ5为正值，当人力资本对区域创新能力主要表现为集聚效应时，δ5为负值；HCi，t-1是区域i在时间t-1时每人平均受教育时间的对数值，代表了上一年度区域i的人力资本存量水平，其系数为δ6。该项检验人力资本对区域创新能力的影响是否具有动态特征。endprint

对于式（1），Yu[19]以及Lee和Yu[20]分析了N和T在不同情况下不同估计方法的有效性。根据Yu 等[19]，当0

另外，Lee和Yu[20]指出，当τ+ρ+η<1时，准极大似然估计方法（QML）得出的结果是稳定的，当τ+ρ+η=1时则会出现空间协整问题和爆炸根问题，QML和误差修正QML估计方法在该种情况下需要进行进一步的修正。Lee和Yu[21]提出将模型进行空间一次差分，以此解决空间协整问题和爆炸根问题，即将式（1）两边同时乘以矩阵（I-W），其中I为N×N的单位矩阵。

本文使用中国30个省市、自治区1995—2015年面板数据。因此，综合比较准极大似然估计以及误差修正准极大似然估计方法，本文使用误差修正准极大似然估计方法估计式（1）。

为了测量交通基础设施和人力资本对区域创新能力提升速度的影响，即测量交通基础设施和人力资本对区域创新能力提升的边际空间溢出效应，笔者使用LeSage和Pace[22]以及Paul等[23]提出的方法计算交通基础设施和人力资本对区域创新能力的直接效应与间接效应。式（1）可改写为：

ΔInnit=（I-ρW）（τ-1）I+（ρ+η）WInni，t-1+（I-ρW）δ1Trait+

（I-ρW）δ2∑Nj≠iWijTrajt+（I-ρW）δ3Trai，t-1+（I-ρW）δ4HCit+（I-ρW）δ5∑Nj≠iWijHCjt+（I-ρW）δ6HCi，t-1+（I-ρW）λZit+（I-ρW）（μi+t+εit）（2）

其中，ΔInnit=Innit -Inni，t-1是区域人均专利申请授权数对数值的一阶差分，代表了区域创新能力的改变。在式（2）中固定时间t，求ΔInnit对第k个解释变量的偏导可以得到N×N阶的直接效应与间接效应矩阵：

ΔInnx1k·ΔInnxNkt=ΔInn1x1k·ΔInnxNk……ΔInnNx1k·ΔInnNxNkt=（I-ρW）-1βk（3）

式（3）中直接效应由矩阵的对角线元素表示，间接效应则由矩阵的非对角线元素表示。根据LeSage和Pace[22]以及Paul等[23]的理论分析，一般使用计算平均值的方法来衡量总的直接效应与间接效应，即使用式（3）对角线元素的平均值衡量直接效应，使用所有非对角线元素的平均值衡量间接效应，间接效应和直接效应的加总为总效应。同理，在式（2）中固定时间t，求ΔInnit对Inni，t-1的偏导可得Inni，t-1对ΔInnit的直接效应和间接效应，见式（4）：

ΔInnitInni，t-1=（I-ρW）-1（τ-1）I+（ρ+η）W（4）

三、变量选择

借鉴Demurger[24]与刘生龙和胡鞍钢[25]等的数据构造方法，笔者使用每人平均受教育

时间代表人力资本存量水平，交通基礎密度代表交通基础设施存量水平。同时，根据Cheung和Lin[26]，笔者使用人均专利申请授权数代表区域创新能力。

另外，根据Barro和Lee[27]以及Lai等[28]，本文的控制变量还包含以下两项：（1） R&D活动，使用人均科学和技术发展（研发）人员的数量表示。（2）对外投资强度，使用外商直接投资额占GDP比重的滞后一期表示。表1为各变量的统计特征。

本文假设只有相邻区域可以相互影响，因此，使用“跨省”构建空间权重矩阵。空间相邻权重矩阵见式（5）：

Wij=1，如果区域之间相邻0，否则，同时 ∑Nj=1Wij=1（5）

四、模型结果分析

表2给出了采用空间相邻权重矩阵，使用误差修正准极大似然估计方法估计的动态空间杜宾面板模型结果，其中（1）列是使用 Yu 等[19]方法计算的不包含时间固定效应的动态空间杜宾面板模型，（2）列则是以式（2）为基础，包含了时间固定效应的动态空间杜宾面板模型。由于F统计量的P值小于005，因此，使用包含时间固定效应的动态空间杜宾面板模型更为有效。对于包含时间固定效应的动态空间杜宾面板模型，我们需要计算τ+ρ+η的值，并进行Wald检验判断模型是否存在空间协整或者爆炸根。如果τ+ρ+η显著小于1，则模型稳定；如果τ+ρ+η显著大于1，则模型存在爆炸根，如果τ+ρ+η显著等于1，则模型存在空间协整。当模型不稳定（存在爆炸根或者空间协整）时需要对模型进行空间一阶差分，保证模型估计参数的一致性和渐近性。表2中Wald 检验值为15731，p值小于005，因此，模型无须进行空间一阶差分。同时，笔者使用式（3）和式（4）对各变量的直接效应和间接效应进行了计算，如表2所示。

从表2中可以看出：区域创新能力空间滞后项（WInnt）的系数为0548，t值为13790，说明区域创新能力自身具有显著的空间溢出效应；区域创新能力时间滞后项（Innt-1）的系数为0905，t值为33664，说明初始创新能力基础较好的区域由于具有较好的创新环境，其创新的后续发展能力也较好，即区域创新能力具有时间累积特征；区域创新能力空间和时间滞后项（WInnt-1）的系数为-0532，t值为-10932，表明周边区域上一年度的创新能力会对本区域本年度的创新能力产生负面影响，这说明周边区域创新能力强会吸引人力资本等创新要素流入，从而降低本区域本年度创新能力；区域创新能力时间滞后项（Innt-1）的直接效应为-1052，并通过了显著性检验，t值为-15294，说明本区域创新能力越高，其创新能力提升的空间在短时间内由于管理效率、技术引进等瓶颈而减缓，因此，区域创新能力越强，其创新能力提升的速度越慢，即区域创新能力时间滞后项（Innt-1）对本区域创新能力提升的边际影响为负，这也说明区域创新能力的提升具有收敛性质；区域创新能力时间滞后项（Innt-1）的间接效应为1049，也通过了显著性检验，t值为11944，说明周边区域创新能力对本区域创新能力提升的速度具有正的空间溢出效应，即随着周边区域创新能力的提升，本区域由于临近创新能力强的区域而与创新能力强的区域更早、更快地产生创新生产要素的频繁互动，而创新生产要素的频繁互动会带来管理、技术等隐性知识的交流，通过模仿效应以及扩散效应加速本区域创新能力提升的速度。虽然区域创新能力时间滞后项（Innt-1）的直接效应和间接效应都通过了显著性检验，但是其总效应并未通过显著性检验，说明从总体上看，上一年度中国区域创新能力的变化对区域创新能力提升的速度并未产生显著性影响。

交通基础设施（Trat）的系数为0002，并通过了显著性检验，说明交通基础设施对区域创新能力具有积极作用。交通基础设施（Trat）的直接效应系数为正但是没有通过显著性检验，说明本区域交通基础设施与本区域创新能力提升的速度无显著相关性。交通基础设施（Trat）的间接效应系数为正也没有通过显著性检验，说明周边区域交通基础设施与本区域创新能力提升的速度也无显著相关性。交通基础设施（Trat）的总效应系数为正但没有通过显著性检验，说明从整体上来讲，中国交通基础设施对区域创新能力提升的速度并未产生显著性影响。虽然交通基础设施对区域创新能力的直接效应、间接效应以及总效应并未通过显著性检验，但是与前文得出的交通基础设施对区域创新能力具有显著影响的结论并不矛盾，因为交通基础设施对区域创新能力的直接效应、间接效应以及总效应并非检验交通基础设施是否对区域创新能力产生影响，而是检验交通基础设施是否对区域创新能力的提升速度产生影响；交通基础设施空间滞后项（WTrat）的系数为0113 ，t值为2680，通过了显著性检验，说明交通基础设施对区域创新能力具有正的空间溢出效应，即交通基础设施对区域创新能力主要发挥扩散效应；交通基础设施时间滞后项（Trat-1）的系数为0003，t值为2179，通过了显著性检验，说明上一年度交通基础设施水平会影响本年度区域的创新能力，这说明交通基础设施的影响是具有动态特征的，而不是静态的。虽然交通基础设施时间滞后项（Trat-1）的直接效应、间接效应以及总效应的系数都为正，但是都没有通过显著性检验，这说明中国上一年度交通基础设施的存量水平对区域创新能力提升的速度并未产生显著影响。

人力资本（HCt）的系数为0012，并通过了显著性检验，说明人力资本对区域创新能力具有积极作用。虽然人力资本（HCt）的直接效应、间接效应以及总效应的系数都为正，但是并未通过显著性检验，这说明中国人力资本对区域创新能力提升的速度并未产生显著性影响；人力资本空间滞后项（WHCt）的系数为-0238，t值为-2242，通过了显著性检验，说明人力资本会向周边创新能力强的区域流动，从而减少创新能力弱区域的人力资本存量，对区域创新能力具有负的空间溢出效应，即人力资本对区域创新能力主要发挥集聚效应；人力资本时间滞后项（HCt-1）的系数为0173，t值为3602，通过了显著性检验，说明上一年度区域人力资本存量水平会影响本年度本区域的创新能力，这说明人力资本对区域创新能力的影响具有动态特征。虽然人力资本时间滞后项（HCt-1）的直接效应、间接效应以及总效应的系数都为正，但是并未通过显著性检验，这说明中国上一年度人力资本对区域创新能力提升的速度并未产生显著性影响。

控制变量中R&T以及外商直接投资对区域创新能力具有显著的促进作用，同时，其直接效应、间接效应以及总效应不显著。

表2使用的是空间相邻权重矩阵，即认为交通基础设施、人力资本以及创新能力只能在相鄰区域溢出。笔者接下来将对交通基础设施、人力资本与创新能力不同的溢出机制进行分析，以讨论不同的空间权重矩阵对结论的影响。同时，也对相邻空间权重矩阵得出的结论进行稳健性检验。一般认为，交通基础设施、人力资本以及创新能力的溢出并不仅局限于相邻区域，因此，笔者引入以下几种空间权重矩阵代表不同的溢出机制：（1）距离幂权重（Power Distance Space Weights）。该方法假设随着距离的增加，交通基础设施、人力资本以及区域创新能力对其他区域创新能力的影响力递减，公式为wij=1/dijΨ，其中，dij为区域i与区域j之间的质心距离，Ψ为任意大于零的常数，笔者选取Ψ =1， 15，175， 2。（2）距离指数权重（Exponential Distance Space Weights）。该方法假定空间权重随距离增加以e为底的指数函数形式衰减，公式为wij=exp（-θdij）（θ>0），笔者选取θ =-001， -002，-003，-004，-005。对于区域之间的质心距离，笔者采用Yu[29]提供的Stata程序。这样，我们一共设定了9种空间权重矩阵，在模型估计时我们将对这些权重矩阵进行标准化，即每行元素的和为1。

通过对九种不同空间权重矩阵构建的动态空间杜宾面板模型进行运行，九种空间权重矩阵的F统计量的p值都小于005，因此，带有时间固定效应的动态空间杜宾模型更有效率。表3给出了各模型估计（包含时间固定效应）的Wald的检验，其p值都小于005，因此无须进行空间一阶差分，使用误差修正准极大似然估计方法即可。

同时，表4给出了各模型估计的极大似然函数值与观察值的比例，该值越大，σ2越小，空间权重矩阵估计结果效率越高。从表3和表4中可以看出，空间距离幂权重（Ψ=-1）的极大似然函数值与观察值的比例最大，同时σ2也最小。因此，笔者使用该空间权重矩阵对式 （4）进行估计，结果见表5所示。

从表5中可以看出，使用空间距离幂权重（Ψ=-1）得出的结果与使用空间相邻权重矩阵得出的结果基本相同：（1）区域创新能力时间滞后项系数和空间滞后项系数为正，并且都通过了显著性检验，说明区域创新能力自身具有时间和空间上的累积效应。区域创新能力时间空间滞后项系数为负，也通过了显著性检验，说明上一年度周边区域创新能力对本区域本年度区域创新能力具有负的空间溢出效。区域创新能力时间滞后项的直接效应与间接效应显著，但是其总效应不显著。（2）交通基础设施、交通基础设施时间滞后项以及空间滞后项系数都为正，并通过了显著性检验，说明交通基础设施不仅对本区域创新能力产生了影响，而且对区域创新能力还具有正的空间溢出效应，同时交通基础设施对区域创新能力的影响具有动态特征。（3）人力资本和人力资本时间滞后项的系数为正，并都通过了显著性检验，说明人力资本对本区域创新能力具有促进作用，并且这种促进作用具有动态特征。人力资本的空间滞后项系数为负，并且通过了显著性检验，说明人力资本对区域创新能力具有负的空间溢出效应，即人力资本对区域创新能力主要发挥集聚作用。（4）R&D活动和外商投资对区域创新能力具有显著促进作用。（5）交通基础设施、人力资本、R&D活动和外商投资对区域创新能力提升的速度都没有显著影响。endprint

五、结论

笔者使用中国1995—2015年面板数据，采用不同空间权重矩阵构建动态空间杜宾面板模型，使用误差修正的极大似然估计方法实证分析了交通基础设施、人力资本对区域创新能力的空间溢出效应。结果显示：（1）交通基础设施不仅对本区域创新能力具有积极作用，还对创新能力具有正的空间溢出效应，即交通基础设施对区域创新能力主要发挥扩散作用。同时，交通基础设施对区域创新能力的影响并不是静态的，具有动态特征。交通基础设施对区域创新能力提升的速度并没有显著影响。（2）人力资本对本区域创新能力也具有积极的促进作用，同时也具有动态特征。但是人力资本对区域创新能力的空间溢出效应为负，意味着人力资本对区域创新能力的影响主要发挥集聚作用。同时，人力资本对区域创新能力提升的速度并没有显著影响。

从结论来看：交通基础设施对区域创新能力具有重要的促进作用，因此政府应该重视对交通基础设施的投资，尤其是中西部地区的交通基础设施；人力资本倾向于向创新能力强的区域流动，因此地方政府要努力提升本区域创新能力，同时对高端人才不仅要加大引进力度，给较大的优惠政策，还要对已引进的高端人才配备相应的配套设备，提供便利。

参考文献：

[1]Barro，R J Government Spending in a Simple Model of Endogenous Growth[J] Journal of Political Economy， 1990， 98（5）：103-125.

[2]Lucas， R E On the Mechanics of Economic Development[J]Journal of Monetary Economics，1988，22（1）：3-42.

[3]Romer， P Why， Indeed， in America？ Theory， History and the Origins of Modern Economic Growth[J]The American Economic Review， 1996，86（2）： 202-206.

[4]Krugman， P Increasing Returns and Economic Geography[J]The Journal of Political Economy， 1991， 99（3）： 483-499

[5]Boarnet， M GSpillovers and the Locational Effects of Public Infrastructure[J]Journal of Regional Science， 1998， （38）3： 381-400

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

[7]Cohen，J.P.，Catherine，J，Paul，M.Public Infrastructure Investment， Interstate Spatial Spillovers， and ManufacturingCosts[J]The Review of Economics and Statistics， 2004， 86 （2）： 551-560.

[8]Bronzint，R， Piselli， P Determinants of Long-Run Regional Productivity With Geographical Spillovers： The Role of R&D， Human Capital and Public Infrastructure[J]Regional Science and Urban Economics， 2009， 39（2）： 187-199.

[9]刘秉廉，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.

[10] 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）：60-76

[11]Kogut， B， Singh， H The Effect of National Culture on the Choice of Entry Mode[J] Journal of International Business Studies， 1998， 19（3）： 411-432

[12]Blomstrom，M ， Kokko， AForeign Direct Investment and Spillovers of Technology[J] International Journal of Technology Management， 2001， 22（5）： 435-454

[13]Funke， M， Niebuhr， A Regional Geographic Research and Development Spillovers and Economic Growth：Evidence From West Germany[J] Regional Studies， 2005，（39）1： 143-153

[14]王芳.研發溢出与人力资本对全要素生产率的影响[J].华东经济管理，2016，（9）：55-58.endprint

[15]王家庭，贾晨蕊.中国区域创新能力及影响因素的空间计量分析[J].中国科技论坛，2009，（12）：73-78.

[16]马明.网络基础设施对区域创新能力影响的实证检验[J].统计与决策，2015，（3）：98-101.

[17]Holtz-Eakin， D.，Schwartz， ASpatial Productivity Spillovers From Public Infrastructure Evidence From State Highways[R] National Bureau of Economic Research， 1995

[18]Zandberg，E.，Haan，JD，Elhorst，PJThe Political Economy of Financial Reform：How Robust Are Huangs Findings？ [J] Journal of Applied Econometrics， 2012， 27（4）： 695-699

[19]Yu，J，Jong，R.D，Lee，L.F.Quasi-Maximum Likelihood Estimators for Spatial Dynamic Panel Data With Fixed Effects When Both N and T Are Large[J] Journal of Econometrics， 2008， 146（1）： 118-134.

[20]Lee，L， Yu， J A Spatial Dynamic Panel Data Model With Both Time and Individual Fixed Effects[J] Econometric Theory， 2010， 26（2）： 564-597.

[21]Lee， LF ， Yu， J Some Recent Developments in Spatial Panel Data Models[J] Regional Science and Urban Economics， 2010， 40（5）： 255-271.

[22]LeSage，J，Pace， R KP.Introduction to Spatial Econometrics[M].Boca Raton：CRC Press，2002264-275

[23]Paul，JE，Zandberg， E，Haan，JDThe Impact of Interaction Effects Among Neighboring Countries on Financial Liberalization and Reform： A Dynamic Spatial Panel Data Approach[J] Spatial Economic Analysis， 2013， 8（3）： 293-313.

[24]Demurger， S Infrastructure and Economic Growth： An Explanation for Regional Disparities in China？ [J] Journal of Comparative Economics， 2001， 29（1）： 95-117.

[25]刘生龙，胡鞍钢.基础设施的外部性在中国的检验：1988—2007[J].经济研究，2010，（3）：4-15.

[26]Cheung，KY，Lin，PSpillover Effects of FDI on Innovation in China： Evidence From the Provincial Data[J] China Economic Review， 2004，15（1）： 25-44

[27]Barro，R.J.，Lee，J.W.International Comparison of Educational Attainment[J].Journal of Monetary Economics，1993，32（2）：363-394.

[28]Lai，M.，Wang，H，Zhu，SDouble-Edged Effects of the Technology Gap and Technology Spillovers： Evidence From the Chinese Industrial Sector[J] China Economic Review，2008， 20（3）： 414-424.

[29]Yu，Y.CHINA_ SPATDWM： Stata Module to Provide Spatial Distance Matrices for Chinese Provinces and Cities[EB/OL].https： //ideas.repec org/c/boc/bocode/st57059 Html，2009-12-22

（責任编辑：于振荣）endprint