交通基础设施对经济增长的影响研究

吴 松 姚 瑶

（新疆财经大学经济学院,新疆 乌鲁木齐 830012）

1 引言与文献综述

改革开放以来，我国积极推动交通基础设施建设，加大对铁路、公路、内河航道、管道以及航空等的投资。2008年金融危机后，国家通过扩大投资来应对危机，其中有超过一半的投资流向交通基础设施。“要想富，先修路”，交通基础设施的完善打破了以往地形、距离等的限制，为商品流通、信息传递和生产要素流动等提供了诸多便利，在经济发展中变得愈发重要。那么如此大规模的资源注入交通基础设施建设中，对经济增长有什么影响？这些影响是否明显？影响效用是多少？因此，研究交通基础设施与经济增长之间的关系具有重要的现实意义。

国内外学者从理论和实证上对交通基础设施与经济增长之间的关系进行了研究，获得了不同的结论。研究结果大多证明了交通基础设施对经济增长的促进作用。从理论分析上来看，在Rosenstein-Rodan（1943）的“大推动理论”中，他提出交通基础设施水平是社会发展和经济增长的基础[1]。Nurkse（1953）在Rosenstein-Rodan的结论上进一步进行研究，认为不仅在发达国家交通基础设施对经济增长具有促进作用，在不发达国家这种促进作用更显著[2]。随着经济理论的发展以及数据统计和计量软件的完善，一些学者开始运用实证来研究交通基础设施与经济增长之间关系。Aschauer（1989）针对1970年左右美国公共投资下降后社会上出现了生产率水平下降的现象，使用时间序列数据研究交通基础设施和生产率水平之间的关系，最终认为交通基础设施会促进经济增长[3]。Bonaglia等（2000）使用面板数据，也证实了这种正向促进作用[4]。张学良（2012）利用省级面板数据，从空间溢出效应分析，最后认为交通基础设施能够促进经济增长[5]。

但是部分学者认为交通基础设施对经济增长的促进作用不显著，甚至一些学者认为交通基础设施会阻碍地区经济增长。Boarnet（1998）认为交通基础设施可能会将本地的经济活动流出到相邻的地区，阻碍本地经济增长[6]。李东坤、郑浩生等（2021）也认为交通基础设施会通过促进商品流通来抑制贫困地区的经济增长，进而会恶化该地区的贫困情况[7]。陈杰（2020）认为交通基础设施建设会造成环境污染，进而抑制经济增长[8]。进一步地，一些学者从更细致的角度对交通基础设施展开研究，杨先明、郭树华等（2018）将交通基础设施细化为铁路交通基础设施，最终认为铁路交通基础设施有利于三大产业集聚，也会促进沿边省份经济增长和对外开放[9]。刘荷、王健（2014）研究了交通基础设施与制造业之间的关系，发现不同的指标对制造业集聚作用不同，且存在区域差异[10]。刘生龙、胡鞍钢（2010）认为我国经济发展不平衡与地理位置、交通基础设施水平不同明显相关，交通基础设施的完善有利于缩小区域经济发展差距[11]。

通过对已有文献的梳理，现有的研究大多针对某一区域或是在某一视角下进行分析，少有从全国层面来展开研究。基于此，本文使用31个省市自治区的面板数据进行深入研究，从宏观角度综合分析交通基础设施对经济增长的影响；分别从公路及铁路的运营里程和运营密度来分析，确保实证结果更稳健。

2 实证模型与估计方法

2.1 模型构建

为了检验交通基础设施对区域经济增长的影响，构建基准回归模型如下：

这里的下标i表示省份，t表示年份，表示误差项；avgdp为被解释变量，用人均GDP表示；transport为交通基础设施，分别用公路运营里程（road）、铁路运营里程（rail）、公路密度（droad）、铁路密度（drail）来表示。考虑到影响经济增长的因素有很多，为了减少估计误差，这里引入一些影响经济增长的因素作为控制变量，用来表示。通过对现有文献的总结，控制变量包括：（1）人均教育年限（education），使用各省人均受教育年限来表示，数值越大，表明该地区人口素质越高、能力越强，越能推动经济增长；（2）政府支出（gove），用政府一般公共预算支出与GDP总额之比来表示，政府支出有利于维护市场秩序和激发市场活力，一般来说对经济会产生正向促进作用；（3）产业结构（structure），用第三产业增加值与GDP的比值来表示，即第三产业对GDP的贡献率，贡献率越高，证明产业结构越合理，越能促进经济增长；（4）人口密度（people），用各省每平方公里的人口数来表示，人口密度高表示劳动力供给充足，同时也能降低劳动力成本，促进企业生产，进而拉动经济增长。最后，为了避免出现伪回归，减小异方差和自相关的影响，这里对avgdp、road、rail、droad、drail、people、education进行对数化处理。具体的计量模型如下：

2.2 数据来源和变量的描述性统计

模型中各变量的原始数据主要来自《中国统计年鉴》和中经网统计数据库。由于2020年部分数据尚未公布，为了保证数据的完整性和避免经济结构变动对回归结果的影响，这里使用2013年之后的数据进行研究。在回归分析时，为了避免极端值对结果的影响，这里在1%和99%百分位对数据进行缩尾处理。变量的描述性统计如表1所示。

表1 变量的描述性统计

3 实证结果与分析

3.1 相关性及单位根检验

为避免多重共线性给回归结果带来影响，这里用Stata统计软件计算出方差膨胀因子，结果显示所有的VIF平均值都小于10，因此各变量之间不存在严重的多重共线性。另外，平稳数据和非平稳数据之间差别较大，如果不进行单位根检验，可能会造成回归结果不准确。这里用LLC检验发现所有变量单位根检验的P值均小于0.01，在1%的显著水平下拒绝所有变量非平稳假设，不存在单位根，可以直接进行回归分析。

3.2 实证结果分析

由于本文使用的是面板数据，面板模型估计方法有混合回归模型、固定效应模型和随机效应模型，在回归分析之前先要进行检验来判断适合哪种模型。通过F检验和Hausman检验可知使用固定效应模型更优。表2中模型（1）、模型（2）分别表示公路里程对经济增长的影响、铁路里程对经济增长的影响；由于各省行政面积差异较大，仅仅依靠里程来研究不能保证回归结果的稳健性，因此模型（3）、模型（4）从公路密度、铁路密度两个维度来对回归结果进行稳健性检验。

表2 交通基础设施对经济增长的影响

根据回归结果，从解释变量来看，公路运营里程、铁路运营里程、公路运营密度、铁路运营密度均在1%的水平上显著促进经济增长。其中，公路运营里程和公路运营密度的系数分别为0.67和0.66，铁路运营里程和铁路运营密度的系数分别为0.37和0.33，因此无论是从公路还是从铁路来看，运营里程和运营密度对经济增长都显著为正，且二者数值差距较小，说明回归结果是稳健的。交通运营密度系数低于交通运营里程系数，其原因可能是各省行政面积不同且差距较大，行政面积大的地区即使交通运营里程较长，但是由于面积太大，其交通运营密度会低于行政面积小而交通基础设施较完善的地区，交通运营能显示出人们对交通的可获得性，交通运营密度低表示人们对交通的可获得性较差，因此其对经济的促进作用低于交通营运里程。同时，铁路基础设施对经济增长的促进作用小于公路基础设施，其原因可能是大部分经济活动主要在一定区域范围内进行，公路大多分布在人口集中或经济活跃的地区，通达性较好，且短途耗时较短，运输方便，而铁路更适合长途、大宗货物运输等，短距离内公路运输的适应性更强，优势更大，因此无论是在运营里程还是运营密度，公路都明显高于铁路。

从控制变量来看，模型（1）到模型（4）中产业结构、人口密度、政府支出、人均教育年限均在1%的水平上显著为正，即对经济增长起正向促进作用，其中人口密度的系数最大，产业结构和政府支出次之，人均教育年限的系数最小。首先劳动力作为经济活动的主体，人口密度越大，所产生的经济行为和经济活动也越多，对产品和服务的产出也会增加；其次人口密度大可以产生人口规模效应，降低劳动力价格，还有利于知识外溢，提高劳动者素质和工作效率等，所以人口密度对经济增长的促进作用较大。产业结构对经济增长具有促进作用，原因可能是第三产业比重越大，表示产业结构优化水平越高，则会提高资源利用率和经济效率，降低成本，获得最大的投入产出比。政府支出对经济增长有促进作用可能是因为政府在公共产品和服务增加的支出一方面能够促进消费，另一方面能够刺激私人投资，促进经济增长。人均教育年限系数为正，一方面可能是因为劳动者通过教育、培训等获得工作知识、技能和经验，进而提高工作效率和产出水平，另一方面教育年限可能与个人能力有关，能力强的人更容易得到教育机会，所以教育年限越高也可以表示受教育者能力越强，会提供相对高的生产效率。由于我国义务教育的普及和高等教育的发展，各地区受教育年限差距较小，另外由于教育投资回报率呈“倒u”形趋势，人均教育年限上升到一定阶段后对经济增长的促进作用会下降，所以人均受教育年限的系数最低。

4 结论与建议

本文基于我国31个省市自治区2013—2019年的面板数据，利用固定效应模型研究得出交通基础设施无论是运营密度还是运营里程均对经济增长起促进作用，其中公路的正向效用最大，其次产业结构、人口密度、教育水平和政府支出也对经济增长起促进作用。

基于以上结论，为更好地完善交通基础设施并促进经济增长，这里提出如下政策建议：首先交通基础设施投资要审时度势，协调好公路建设和铁路建设之间的关系，由于公路基础设施对经济的贡献度明显高于铁路，而且从投入成本来看，公路的成本要低于铁路，因此在交通基础设施建设过程中要具体问题具体分析，近距离、短途中可以用公路代替铁路，提高经济效率；其次要加大教育投入，通过提供高质量的劳动力来促进经济增长；最后也要促进产业协调发展，优化产业结构，为经济增长提供一个良好的外部环境。