道路和通信基础设施投资与中国技术进步

焦 娜，刘冰清，蒋仁爱

（1.西安交通大学校园规划与基建中心，陕西西安 710061；2.西安交通大学经济与金融学院，陕西西安 710049）

1 研究背景

基础设施是一个国家或地区的企业和居民生产经营与生活的共同物质基础，基础设施投资建设不仅能满足企业和居民基本生活需要，还能在一定程度上有利于提高生产经营效率。新中国成立以后，中国大力推动基础设施投资建设，极大地便利了人民生活，同时也促进了中国的经济发展，特别是改革开放之后，交通运输线路的建设和通信网络的覆盖使得整个国家逐渐形成了一张纵横交错的大网，教育文化、水利电力、能源、体育、卫生医疗等方面的基础设施投资建设也显著加强，西气东输、南水北调、三峡工程、青藏铁路、京沪高铁等一系列历时长、难度系数大的工程也顺利完工，极大地满足了各地区企业和居民的生产生活需要，为中国经济发展提供了坚实的基础［1］。Ma 等［2］和Ahlfeldt等［3］的研究也发现，一方面，交通基础设施投资能直接促进经济的发展，另一方面又能通过溢出效应间接促进经济的增长。

进入21 世纪以来，随着科学技术的进步、互联网的普及，人们生产生活更加便利，信息交流更加便捷，信息通信技术（information and communication technology，ICT）的发展再一次深刻改变着人民生产、生活方式，有力推动着社会发展，对国际政治、经济、文化、社会等领域发展产生全方位的影响［4］。ICT 的使用使得信息交流成本降低、交流更为便捷，大大提高了效率。Bronzini 等［5］和李天籽等［6］通过研究也发现，网络基础设施能通过空间溢出效应带动经济增长。

然而，经历了这么多年的高速经济增长，我国的人口红利逐渐消失，经济增长方式步入重要的转型期，转型的关键在于从依靠资本和劳动的要素驱动方式转向依靠全要素生产率（total factor productivity，TFP）、提高技术进步对经济增长的贡献。在此重要转型背景下，我们不能只关注于表面的基础设施建设对经济发展的影响，而更应该深入了解其背后动因，探究基础设施投资是否能通过影响技术进步从而影响经济发展。最早从基础设施投资角度解释生产率变动的学者是Aschauer［7］，他研究发现公共交通、高速公路和机场等交通基础设施对全要素生产率有着显著的促进作用；Duggal 等［8］研究发现基础设施能够通过引起全要素生产率的提高从而引起经济的长期增长；Fernald［9］通过研究美国道路条件改善对当地密集使用车辆行业生产率的影响，也验证了交通基础设施的改善能够有效促进全要素生产率提高。也有学者从劳动生产率的角度来探究基础设施对技术进步的影响，如Albala-Bertrand 等［10］运用智利 1960—1998 年的数据检验了基础设施投资与经济成本结构和生产率变动之间的关系，结果表明基础设施投资增加能够降低经济成本、提升劳动生产率。国内学者对基础设施与技术进步关系的研究不多，田军华［11］对中国30 个省份共10 年的面板数据进行分析发现，基础设施对地区技术创新、技术溢出、劳动力配置具有正向的影响；王自锋等［12］通过研究发现交通基础设施规模与利用效率、能源和信息基础设施规模都可以通过研究开发的途径显著促进全要素生产率；边志强［13］通过考察中国省际网络基础设施对全要素生产率增长及其分解的溢出效应，发现本地交通基础设施对本地技术效率的提高作用显著，本地通信基础设施对技术进步也有积极的正向影响；罗良文等［14］利用中国30 个省份2004—2013 年的面板数据，采用数据包络分析（DEA）-Malmquist 指数测算法测算各省份全要素生产率，并借助动态面板模型从基础设施投资角度分析创新和技术引进对全要素生产率的实际贡献，研究表明中国基础设施投资能够促进全要素生产率的提高。

基础设施投资作为一种极为重要的投资，在一国或地区发展中起着重要的基础作用，由前述可知，其对经济发展和技术进步的作用受到广大学者的关注，但大部分学者只是重点研究某一类基础设施建设对经济发展或技术进步的作用，而没有将不同类型的基础设施进行比较研究，特别是传统的基础设施和新兴的ICT 设施的差异。本文从地级市的层面出发，将基础设施投资简单分为道路基础设施投资和通信基础设施投资来进行对比研究，深入探讨2001—2015 年间这两种基础设施投资对中国技术进步的影响及差异，以及探究不同地区、不同发展阶段的基础设施投资对技术进步影响的差异，希望能够在一定程度上弥补现有文献的不足，促进更加深入了解不同类型基础设施投资的作用，并针对不同问题制定有关政策，促进经济增长方式转型。

2 变量及模型构建

2.1 数据来源及处理

本文相关数据来源于《中国城市统计年鉴》，涵括中国286 个地级市（以下简称“样本”）。由于2015 年以后城市统计年鉴中不再统计各地级市的铁路客运量和铁路货运量，而这两个变量是构成道路基础设施中客运总量和货运总量的重要部分，因此，本文只选取了2001—2015 年的相关数据进行验证。

2.1.1 被解释变量

全要素生产率是新古典学派经济增长理论中用来衡量纯技术进步在生产中的作用的指标，是以索洛提出的用以衡量经济增长中不能分别归因于有关的有形生产要素的增长的那部分，即除去资本、劳动等有形生产要素以外的纯技术进步的生产率的增长，因此本文使用全要素生产率来衡量技术进步。关于各地级市全要素生产率的测算，本文参照谢秋菊等［15］研究的做法，采用柯布-道格拉斯生产函数来进行测算，同时对柯布-道格拉斯生产函数两边分别取对数可得：

式（1）中：Y为产出量；α为资本的产出弹性；K为资本投入量；β为劳动的产出弹性；L为劳动力的投入量；A为一个希克斯中性进步，即全要素生产率。

本文假设柯布-道格拉斯生产函数规模报酬不变，即：α＋β=1，取α=0.2，β=0.8。各地级市产出总量Y用以2001 年为基期的生产总值（单位：万元）来表示。L则用城镇单位从业人员期末人数来代表。参照王勇等［16］研究的方法，采用永续盘存法计算资本K，测算公式为：

式（2）中：K为资本存量；I为每年固定资产投资量；t代表时间；δ代表固定资产折旧率，本文取15%。

2000 年资本存量计算公式为：

式（3）中：g为资本的年增长率。

2.1.2 解释变量

本文将基础设施投资分为道路基础设施投资和通信基础设施投资两类进行研究。其中，道路基础设施选取中国客运总量（TPT）、货运总量（TFT）、城市年末实有城市道路面积（TRA）和城市人均道路面积（PRA）等4 个变量；通信基础设施选取互联网宽带接入用户数（NIS）、邮政业务收入（RPS）、电信业务收入（RT）和移动电话年末用户数（NMT）等4 个变量。

2.1.3 控制变量

除此之外，一个国家或地区的技术进步情况还会受到外商直接投资（FDI）、科学技术支出（EST）、第二产业从业人员比重（SI）和人力资本（CU）的影响，随着从业人数的增加、人力资本的升级、科技支出的增加以及外商投资所带来的知识溢出效应的影响，技术水平会不断提高，因此有必要在控制以上4 个变量的基础上去研究基础设施投资对技术进步的影响。

2.1.4 描述性统计

各变量的描述性统计情况具体如表1 所示。

表1 样本变量的描述性统计

2.2 模型构建

2.2.1 基准模型的构建

基于本文的研究目的，建立基准模型如下：

式（4）中：i为地级市；t为年份；Xit为基础设施投资；TFPit为全要素生产率；Zit为控制变量；εit为随机干扰项。为了具体分析各类型基础设施投资的影响，可将基准模型细化为以下3 个模型：

式（5）～（7）中:RII 为道路基础设施投资，包括TPT、TRA、PRA 和TFT；CII 为通信基础设施投资，包括NIS、RPS、RT 和NMT；FDI 为实际使用外资额；CU 为普通高等学校在校学生数，即人力资本；SI 为第二产业人员从业比重；EST 为科学技术支出。

考虑到2008 年金融危机对中国经济带来了不小的冲击，本文引入时间虚拟变量Timeperiod，用以考察金融危机前后基础设施投资对技术进步影响的差异。当处于2001—2008 年时，Timeperiod 取值为0,处于2009—2015 年时取值为1。则式（5）～（7）相应改写为：

2.2.2 动态面板模型

在采用面板数据进行估计时往往会产生内生性问题，而全要素生产率所代表的技术进步往往具有持续性特征，因此将其滞后项纳入模型能较好地解决模型内生性问题：

式（11）中：lnTFPit-1为i城市t-1 年的全要素生产率；其他变量与前述一致。本文用广义矩估计方法（GMM）对模型式（11）进行估计。

2.2.3 门槛模型

为了分析基础设施投资对技术进步影响的门槛效应，构建基准的单一门槛模型：

式（12）中：μi为个体效应；lnTFPit为全要素生产率；Xit为基础设施投资；qit为门槛变量；λ为待确定的门槛变量值；Zit为一系列控制变量；εit为模型中的随机误差项；i为不同的个体；t为时间；I(·)为示性函数，当括号内条件成立时取1，否则取0。

如果存在双门槛，模型式（12）可改写为：

式（13）中：λ1和λ2为待确定的门槛变量值；Zit为一系列控制变量；其余变量与前述一致。

3 实证结果

3.1 基础设施投资总体回归结果

样本城市道路基础设施投资与全要素生产率的回归结果如表2 所示。其中，（1）～（4）为时间固定效应模型，（5）～（8）为双向固定效应模型。整体来看，4 个指标在双向固定效应模型中的系数均略低于时间固定效应模型中的系数大小，但不论在哪种模型下，各样本城市道路基础设施投资指标均对TFP 有显著正影响，且人均城市道路面积的影响系数最大，分别为0.034 和0.019，因此，在一定程度上说明了道路基础设施投资能促进技术进步。

表2 2001—2015 年样本城市道路基础设施投资回归结果

样本城市通信基础设施对全要素生产率影响的回归结果如表3 所示。其中，（1）～（4）为时间固定效应模型，（5）～（8）为双向固定效应模型。可以看到在两种模型下，互联网用户接入数、移动电话年末用户数、电信业务收入的系数均在1%的显著性水平下正向影响TFP，而邮政业务收入的系数为负值，且在只考虑时间固定效应时不显著，这也许是因为随着网络技术的发展，信息交流由书面转向数字化，邮寄业务量下降。总的来说，通信基础设施投资的增加也有利于促进科技进步。但与道路基础设施投资相比，通信基础设施投资指标之间的系数值差距较大，说明各项通信基础设施投资对技术进步的影响差距较大；而在考虑了时间和个体的双向固定效应模型中，通信基础设施投资的影响系数显著大于道路基础设施投资的系数，说明在现阶段通信基础设施投资对技术进步的促进作用大于道路基础设施投资的促进作用。以下选取道路基础设施投资中的年末人均城市道路面积（PRA）与通信基础设施投资中的互联网宽带接入用户数（NIS）作进一步的分析。

表3 2001—2015 年样本城市通信基础设施投资回归结果

3.2 分时间段回归结果分析

由于在2001—2015 年的不同时间段样本城市的发展情况不同，特别是金融危机前和金融危机后（即2001—2008 年和2009—2015 年）发展的差异大，所以将2001—2015 年划分为两个时间段来分别进行比较分析，结果如表4 所示。其中，（1）（5）为不区分时间段的基础设施投资对技术进步影响的回归模型，回归结果的系数值均在1%的显著性水平下为正值，说明道路基础设施投资与通信基础设施投资均能显著促进技术进步，与前述两类基础设施对技术进步的影响一致；（2）（6）为分时间段的道路基础设施对技术进步影响的回归模型，（3）（7）为分时间段通信基础设施对技术进步影响的回归模型，（4）（8）为分时间段基础设施投资对技术进步影响的回归模型，从分时间段的结果来看，金融危机之后两类基础设施投资对技术进步的促进作用均有显著下降，说明金融危机对技术进步冲击较大。

表4 2001—2015 年样本城市分时间段基础设施投资综合回归结果

表4（续）

3.3 分地区回归结果分析

为进一步了解不同地区的情况，本文根据区域经济发展状况将样本城市分为东、中、西3 个地区进行比较分析，回归的综合结果如表5 所示。其中，（1）（2）（3）为只考虑时间固定效应的分地区回归模型，（4）（5）（6）为考虑双向固定效应的分地区回归模型。可以看到，无论在哪个地区，道路基础设施投资和通信基础设施投资均有利于促进地区技术进步，而且在现阶段，道路基础设施投资的促进作用大于通信基础设施投资；两类基础设施投资对西部地区技术进步的促进作用最大，分别为0.041、0.031 和0.022、0.016，东部和中部的两类基础设施投资对技术进步的促进作用相近，说明在现阶段，相比于东、中部地区，西部地区技术进步更多地依靠基础设施的投资建设，表明西部地区技术发展状况略微落后于东、中部地区，与现实情况相符。

表5 2001—2015 年样本城市分地区基础设施投资综合回归结果

3.4 稳健性检验

样本城市基础设施投资对技术进步影响的GMM估计结果如表6 所示，其中（1）（2）为分时间的检验模型，（3）（4）（5）为分地区的检验模型。表6 结果显示：全要素生产率的滞后1 期在所有模型中的系数均在1%水平下显著为正，表明技术进步具有持续性；AR（2）和Sargan 检验均不显著，说明这些模型没有发现水平方程误差项存在自相关问题，工具变量总体上也是有效的；在2001—2015年间，两类基础设施投资的系数值分别为0.011、0.021，表明其在10%的显著性水平下促进了中国技术进步，而将金融危机作为一个转折点进行对比发现，2008 年之后两类基础设施投资对技术进步的促进作用下降；分地区来看，基础设施投资对各地区技术进步均具有显著促进作用，且对西部地区的促进作用最大。稳健性检验结果与前述结果几乎一致，说明本文分析结果稳健。

表6 2001—2015 年样本城市基础设施投资综合回归广义矩估计结果

3.5 门槛回归

本文还重点考察了样本城市基础设施投资对技术进步的门槛效应，检验结果如表7 所示，可知在10%的显著性水平下外商直接投资、人力资本、科学技术支出均存在双门槛效应，而第二产业从业人员比重不存在门槛效应。

表7 2001—2015 年样本城市基础设施投资对技术进步的门槛效应检验结果

样本城市基础设施投资对技术进步的门槛回归结果如表8 所示，其中：（1）为道路基础设施投资对技术进步的外商直接投资双门槛回归模型，（2）为道路基础设施投资对技术进步的人力资本双门槛回归模型，（3）为道路基础设施投资对技术进步的科学技术支出双门槛回归模型，（4）为通信基础设施投资对技术进步的外商直接投资双门槛回归模型，（5）为通信基础设施投资对技术进步的人力资本双门槛回归模型，（6）为通信基础设施投资对技术进步的科学技术支出双门槛回归模型。可以看到，随着门槛值的增大，不论是道路基础设施投资还是通信基础设施投资，对技术进步的影响都不断增强，说明在基础设施投资一定时，提高外商直接投资量、人力资本和科学技术支出均进一步促进技术进步。

表8 2001—2015 年样本城市基础设施门槛参数估计结果

4 结论与对策建议

本文主要分析了中国286 个地级市2001—2015年间道路和通信基础设施投资对技术进步的影响，得出主要结论如下：首先，各个道路基础设施投资指标均对TFP 有显著正影响，说明道路基础设施投资能促进技术进步，其中人均城市道路面积的影响系数最大，在时间固定效应模型和双向固定效应模型中系数分别为0.034 和0.019；而通信基础设施投资中互联网用户接入数、移动电话年末用户数、电信业务收入在1%的显著性水平下正向影响TFP，而邮政业务收入的系数为负值，且在只考虑时间固定效应时不显著。总而言之，道路和通信基础设施投资的增加均有利于促进科技进步，但通信基础设施投资对技术进步的促进作用较大。其次，分时间段来看，两类基础设施投资均能显著促进技术进步，但在2008 年之后对技术进步的促进作用均有下降；分地区来看，东、中、西3 个地区基础设施投资均促进了地区技术进步，但对西部地区技术进步的促进作用最大，在时间固定效应模型和双向固定效应模型中人均城市道路面积的系数分别为0.041、0.031，互联网用户接入数的系数分别为和0.022、0.016，说明相比于东、中部地区，在现阶段西部地区技术进步更多地依靠基础设施的投资建设，表明其技术发展状况略微落后于东、中部地区，与现实情况相符。最后，从门槛回归结果来看，随着门槛值的增大，不论是道路基础设施投资还是通信基础设施投资对技术进步的影响也不断增强，说明在基础设施投资一定时，提高外商直接投资量、人力资本和科学技术支出均进一步促进技术进步。

基于以上的结果，本文提出以下政策建议：首先应加大基础设施投资来促进中国的技术进步。虽然中国的基础设施相对于以前已经有了翻天覆地的变化，但是相对于发达国家还是有很大的差距，而且中国土地面积广阔、人口众多，人均基础设施拥有量低于世界平均水平，这远远不能满足中国的发展需求，因此应加大基础设施的投资，特别是通信基础设施投资，以促进中国的技术进步。其次应加大对西部地区的投资。中国经济发展十分不平衡，基础设施投资建设也是如此，西部的基础设施投资水平落后于东部，这导致了西部的技术进步水平落后于东部，因此应对西部的基础设施投资加以扶持，改善西部地区基础设施建设。最后应积极引进外资、增加科学技术支出、升级人力资本，从而提升基础设施投资对中国技术进步的影响力。