交通基础设施对区域创新的空间溢出效应研究

沈 洁，张永恒

（1.焦作大学 经济管理学院，河南 焦作 454000；2.河南理工大学 太行发展研究院，河南 焦作 454000）

中国经济快速发展的一个典型特征是拥有大幅高于经济发展水平的交通基础设施，这是很多欠发达国家所不具备的一个重要因素，也是中国在“一带一路”建设中重点倡导的投资领域。克鲁格曼曾指出，国际贸易和经济增长模式主要受两类活动的支配：创新和技术传播。其中技术传播的效率无疑与交通基础设施紧密相关。因此，对“一带一路：沿线国家来说，需要了解中国在依靠交通设施推动创新发展，并实现快速增长的具体成效；对我国来说，向高质量发展的转变也需要把握如何在既有交通设施基础上，继续推进创新水平的提高。

最早关于交通基础设施的研究大都和经济增长相关。经济史学家克拉克认为快速和廉价的交通运输是工业革命的主要成果之一。斯密则早就提出优良的道路、运河和港口等公共设施都会极大促进地区商业贸易的发展，从而创造更多财富。空间视角下，交通基础设施会促进人口迁移，导致人口密度的变化，从而引致产业的区位选择或再聚集[1]。但从深层次讲，无论是人口还是产业的区位选择，目标都是为了重新配置生产要素以提升生产率[2]，所以，交通基础设施是区域创新的必要保障，效率低下的交通基础设施会削弱技术引进和创新的效率，进而降低全要素生产率。

根据以往研究，可以将交通基础设施对区域创新的影响归纳为四个方面：从人力资本看，交通基础设施有利于人力资本的充分流动和集聚[3]，从而使人才高度集聚的区域产生更多的创新活动，所以卢卡斯才认为城市是促进经济增长的发动机；从企业视角看，交通基础设施的空间溢出效应会降低企业库存，减少运输和通勤时间[4]，通过提高企业生产率提升区域创新能力；从产业视角看，交通基础设施在不同产业之间存在空间溢出[5]，从而使拥有不同产业的区域存在创新活动的差异；从区域视角看，交通基础设施会导致城市的绝对趋同，还会对贸易产生正向影响，推动区域经济一体化，这也是推动区域创新的一个方面。国外也有一些相关研究，如Agrawal 等（2017）[6]发现高速公路增加10%会导致专利数量增加1.7%，并认为交通设施会促进知识溢出，从而促进区域经济增长和创新。

综上可见区域创新的关键是人力和物力等要素的汇集和充分流动，包括流量和流速两方面，而交通基础设施的作用正是如此，因而两者必然存在很大相关性。但还需注意两点：一是交通基础设施和区域创新之间在资金来源上存在竞争关系。因为区域创新中有很大一部分资金来自政府支持，而建设交通基础设施也主要依靠政府。所以，在政府支出不变下，两者会出现“相互挤出”，从而呈现负向影响。二是交通基础设施发挥作用的关键是其通达性，交通基础设施只有形成高密度的网状结构才能充分发挥作用，而地方保护主义造成的断头路则无法完全发挥交通基础设施的空间溢出作用，所以，如果交通基础设施的密度达不到标准，也可能难以对区域创新产生正向效应。综上，本文将比较基于地理、经济等多种邻近效应下，不同类型交通基础设施对区域创新产生的影响，从而为我国在高质量发展阶段的交通基础设施建设提供参考。

一、变量选择及初步分析

（一）数据来源和指标选择

选择各省市的专利申请量（inno）作被解释变量。解释变量有8 个，其中核心解释变量分别是铁路（rail）、高速公路（express）、高等级公路（high）、低等级公路（low）的密度。高等级公路包括一、二级公路，低等级公路为所有其他等级公路。原则上，高速公路也属于高等级公路，但为更清晰了解高速公路的特定效应，这里专门列出。参考已有研究选取4个控制变量：用当年实际利用外资金额（Fdi）和进出口总额占GDP 的比重（Open）衡量地区开放水平，通过对Fdi 的判断可以看出外商投资为各地带来创新效应，以验证我国曾实行的“市场换技术”政策的有效性；采用城镇化率（Urb）和居民受教育水平（Edu）作为控制变量，因为创新与制造业相比具有更高的空间聚集特征，而聚集最直接的表现就是城镇化率的提高，预期居民受教育水平提升会对创新有直接影响。城镇化率使用常住人口中城市户籍人口占比代表，受教育水平按现行学制为受教育年数计算人均受教育年限，然后按各类人口数加权平均。

上述数据主要来自历年《中国统计年鉴》和各省市的统计年鉴，个别数据取自相关省份的国民经济和社会发展统计公报。为尽可能降低数据的异方差问题，所有指标都取对数处理。

（二）变量的空间相关性检验

利用Moran's I 统计量检验变量的空间相关性，为捕获更多的空间相关性，这里同时采用0-1 权重矩阵、经济距离空间权重矩阵和反距离空间权重。0-1 权重矩阵衡量地区之间是否相邻；经济距离空间权重矩阵使用地区人均GDP 衡量两地之间的经济距离；反距离空间矩阵的设定标准为采用各省会城市之间的直线距离衡量。

通过上述三类空间权重矩阵计算的Moran's I统计量可以发现，无论哪类空间权重矩阵的结果都显示核心变量具有显著的空间相关。有两点需要注意：一是利用经济权重矩阵得到创新的Moran's I 指数都非常大，而利用0-1 权重矩阵得到的值在2007年之前并不显著，之后虽然显著，但数值较小，说明创新很可能是重点基于地区经济状况的临近而溢出；二是利用经济权重矩阵计算的公路和低等级公路的Moran's I 指数从2006 年之后不再显著，主要因为国家从2006 年正式实施西部大开发，之后又提出中部崛起和振兴东北老工业基地等区域协调发展举措，它们的着力点大都是基础设施建设，即此时的交通基础设施建设不再由地区经济发展状况决定，而是由以减弱地区市场分割、减少断头路为目标的基于地区临近状况决定，同时，该目标的实现是以建设成本较低的低等级公路为主要方式，这也可以从0-1 矩阵计算的Moran's I 指数得到，即从2006 年起，基于0-1 矩阵的公路和低等级公路的空间相关性明显增强，所以从2006 年起，基于经济空间权重矩阵得到的公路和低等级公路的Moran's I 指数逐步减弱。

二、模型选择的说明

利用广义嵌套模型可以对多类常规的空间计量模型进行梳理。广义嵌套模型的一般表示形式为：

式（1）中，Y 是N×1 的因变量，X 是N×K 的自变量矩阵，WY 代表因变量的内生交互作用；ρ、α、β、θ 和λ 是回归系数，ρ 和λ 可以被理解为空间相关系数；IN是元素均为1 的N×1 阶列向量，ε 服从（0，）分布；μ 是N×1 的扰动列向量，因而Wμ 是扰动项的交互效应项。式（1）中，如λ=0，则退化为空间杜宾模型（SDM）。在空间杜宾模型中，如θ=0，则为空间自回归模型（SAR）；如θ=-ρβ，则为空间误差模型（SEM）；如ρ=0，则为解释变量空间滞后模型（SLX）。因此，SAR、SEM、SLX 都是空间杜宾模型的特例。

在空间交互作用下，任意一个地区的自变量除了对自身产生影响外，还会影响存在空间交互地区的因变量，前者被称为直接效应，后者则称为间接效应。考虑到利用SDM 能够筛选出更合适的模型，且SDM 比SEM、SLX 以及SAR 模型在获取直接效应和间接效应时更有优势，因而这里重点使用SDM进行研究。需要注意的是，对于SDM 的解释应该利用直接效应、间接效应和总效应，而不能直接根据回归系数分析[7]。本文设定模型如下：

其中，lninnoit是N×1 的被解释变量，矩阵Xit是所有解释变量及其空间交互项，W 是空间权重矩阵，IN是单位向量，μi，λt和εit分别是空间效应、时间效应和扰动项。

三、实证结果及分析

为使模型更加稳健，这里同时采用φ2和Hausman 检验判断究竟应该选择固定效应还是随机效应，另外，由于Lee 和Yu（2010）[8]认为，无论SDM模型是只包含空间固定效应和时间固定效应中的一种，或是同时包含两种效应，采用直接法得到的估计都是有偏的，需要对参数进行校正，即如果存在固定效应也应采用双固定效应偏误校正模型。因此，这里利用反距离矩阵和经济权重矩阵得到的检验结果进行判断，应当选择随机效应模型，但所有空间权重矩阵下的φ2检验结果都支持固定效应模型，同时结合回归结果发现，同类权重矩阵下的随机效应模型和固定效应模型中，各变量的符号和显著性水平相似，因此使用双固定效应偏误校正模型进行分析，如表1 所示。另外，考虑到利用不同权重矩阵计算的Moran'I 指数，使用0-1 矩阵的关于创新的结果在2008 年之后才显著，同时由于创新的目标是经济发展，这里主要结合经济权重矩阵进行分析，考虑经济权重矩阵可能带来的内生性，故利用反距离权重矩阵的结果进行稳健性检验。

可以发现：第一，对交通基础设施和区域创新的关系来说，铁路、高速公路和低等级公路对创新的作用均显著为正，高等级公路的作用显著为负。这说明各类交通设施均发挥了其独特的优越性：铁路的连续性好、速度快以及安全性高，辅之以当前高速铁路的发展，优势更加突出；高速公路则由于其灵活性及速度优势，加之近些年我国高速公路的密度快速增加，通达性显著增强，因而高速公路的作用也在快速增强；对低等级公路，虽然在速度和路况上最弱，但由于低等级公路的密度最大，通达性最强，所以也有较大的作用空间；对高等级公路，因为前三类交通设施的独特优势挤压了其作用空间，因此未能发挥正向效应。这里并非说高等级公路无用，只是说其对创新的效应并不明显，现实中高等级公路可能承担更多的货运周转功能。第二，在控制变量中，开放性、城市化水平以及受教育水平都显著提升了我国的创新水平。只有Fdi 并不显著，这与原毅军和孙大明（2017）[9]的研究类似，说明我国早期实施的“市场换技术”的政策并不成功，并未提升我国的创新能力。第三，因变量空间滞后项的回归结果表明区域创新具有显著的溢出效应，毗邻地区创新能力的提高会显著提升本地创新水平。然而如前所述，不能用这些系数解释空间相关性，应当利用直接效应、间接效应以及总效应做出分析，如表1 所示。

表1 不同空间权重矩阵下的时空双固定偏误校正模型估计结果

对铁路而言，两类权重矩阵下的直接效应均显著为正，说明铁路建设对本地创新能力的提升有重要作用。另外，在间接效应的结果中，反距离权重矩阵显著为正，经济权重矩阵不显著，说明在经济发展水平类似的区域间，铁路并未产生溢出效应，在地理临近区域之间的创新则有正向作用。

对高速公路而言，直接效应中，反距离权重矩阵的结果显著为正，经济权重矩阵为正的非显著性，说明高速公路对本地创新有正影响，但高速公路的高投资可能会对创新产生一定抑制，因为其主要资金来源都是政府。对间接效应，经济权重矩阵显著为负，反距离权重矩阵为负的非显著性，说明高速公路会对经济发展程度相当地区的创新产生吸引力，产生竞争效应。

对高等级公路而言，两类权重矩阵得到的直接效应均呈现显著的负效应，因为高等级公路投资较大且无法通过收费降低成本，同时也对创新产生一定挤出，现实中一、二级公路承担的更多是区域间对价格较为敏感的货物运输，故对创新的影响较弱。间接效应中，反距离权重矩阵下显著为正而经济权重矩阵下为负的非显著性，因为挤出效应使创新活动转向对高等级公路投资少而对创新投资高的临近地区，同时，经济状况类似地区的创新在选择交通方式时，肯定会优先选择速度更快的高速公路，因而该维度的结果并不显著。

对低等级公路而言，低等级公路的密度最高，因而通达性也最强，所以无论哪种权重矩阵下，直接效应均显著为正，即它有利于本地创新能力的增强，但间接效应均为负，虽然反距离权重矩阵下并不显著，这说明低等级公路在创新溢出中呈现的也是地区间的竞争，未体现对创新溢出的共赢。

对控制变量而言，直接效应上，两类权重矩阵的结果非常一致，即只有Fdi 不显著，其他都显著为正，系数都呈现出教育强于城市化，再强于开放性的特征，说明提高本地教育水平是提升区域创新能力的关键。在间接效应上，反距离权重矩阵下，Fdi和Open 均显著为正，说明地理上临近地区的开放有助于要素流动而促进创新，但周边城市化水平的提高和教育水平的提高却不利于本地创新，因为创新的关键是人，尤其是文化程度高的人，而这类人群主要以城市为迁移目标，故周边教育水平及城市化水平的提高必然会吸引本地高素质人群的转移，所以呈现负向效应。经济权重矩阵下，只有Fdi 呈现负的显著性，其他则都不显著，说明经济发展程度临近地区之间在控制变量上的空间相关性较弱。

四、结论及启示

选取1997—2017 年全国30 个省区的数据，利用空间计量经济学方法探讨了各类交通设施对区域创新的影响。结果表明，第一，铁路对本地创新水平的提高有非常显著的影响，另外也会对地理临近区域产生正向影响，但对经济发展水平相近地区之间的溢出并不明显。第二，高速公路以及高等级公路因其方便快捷及高速等优点，无论对空间临近地区还是经济发展程度接近地区都会产生正向效应，但前提是路网密度要足够大，另外，该类公路由于其高投入性可能会在路网密度较小时，呈现的负面效应更强。第三，低等级公路对区域创新的作用也不容小觑，尤其是在落后地区，因其前期较强的路网密度及投入的低成本性，所以也有利于地区创新水平的提高。第四，提升居民教育水平和城市化率依然是推动创新的重要来源，对落后地区来说，开放性水平的提高则更为重要，但如管控不当，开放性的增强可能会导致落后地区人才的进一步流失，进而通过其他渠道影响地区创新水平。

基于上述结论可得到如下政策启示：第一，继续加大各类交通基础设施的建设，因为交通设施只有通过密度的提高，才会因其较高的交通通达性而对创新产生正向影响。第二，不同区域需要结合自身状况对不同类型交通设施进行投资，实现不同类型交通设施的错峰、差异化完善，即经济发达区域可以更关注高铁、高速公路等高等级交通设施对区域创新的影响，而经济欠发达地区由于资金有限，并且原有高等级公路线路密度较低，难以快速体现经济效益，这一方面需要争取国家拨款资助，另一方面还可以通过先加大对低等级公路的建设和完善提升区域创新水平，同时利用国家支持逐步推进高等级交通设施的完善。第三，继续加大教育投入并推动城市化水平的提高，对落后地区还应采取一定举措和发达地区进行对接，在增强因开放性提高带来发达地区创新溢出的同时，采取灵活措施尽量避免人才流出带来的负面效应。

表2 不同空间权重矩阵下的直接效应、间接效应以及总效应