公共交通设施规模对绿色经济效率的影响

李金培,徐丽群,唐方成,姚 迪

(1.北京化工大学 经济管理学院,北京 100029;2.上海交通大学 安泰经济与管理学院,上海 200030;3.北京石油化工学院 经济管理学院,北京 102617)

《2012中国新型城市化报告》显示,2012年中国城市化率突破50%,城镇人口首次超过农村人口。城市化的快速推进促使城市规划和建设不断向周边扩延,打破了计划经济时代以单位大院为基本地域单元的城市空间结构,“职住空间分离”现象成为常态,城市居民的出行活动空间和范围随之扩大。“职住空间分离”是指就业地和居住地在空间上的分离。一方面,“职住空间分离”现象下的城市空间结构变化促使企业向中心城区集聚,以获得集聚经济效应;另一方面,城市居民的居住区位选择是房价作用下的居民收入和交通成本权衡后的结果,而中心城区不断攀升的房价致使人们(尤其是中低收入者)的居住地逐渐呈城市边缘化或郊区化[1]。在此情景下,机动化出行成为城市居民主要的通勤和生活出行方式。2020年新冠疫情防控期间,公交停运给城市居民通勤所造成的困扰见于诸多新闻报道,如公交停运导致医务人员步行1 h上班1)https://www.sohu.com/a/371352496_100224247,超市员工步行近2 h上班,甚至骑自行车上下班仍需花费近2.5 h2)http://www.linkshop.com.cn/web/archives/2020/440613.shtml。出行成本直接影响着劳动力的生产率,进而影响着城市的经济发展。尽管公交停运是为了更好地防控疫情,但是不禁由此引发思考:公共交通作为城市交通系统的主体,除了服务民生之外,对经济发展的影响作用如何?

习近平总书记反复强调“交通基础设施建设具有很强的先导作用”,明确了交通运输在国民经济发展中的先导性、基础性、战略性和服务性的功能属性,并赋予了交通运输发展先行官的历史新定位3)交通运输部:奋力从交通大国向交通强国迈进.http://www.gov.cn/xinwen/2017-10/18/content_5232641.htm。尽管已有学者从交通运输先行的角度探讨了经济发展问题,但是这些研究大多聚焦于铁路和公路等对外交通基础设施[2-4],它们具有跨地区、远距离、运输量大的特点,体现的是货运或跨区域客运功能。然而,交通运输不仅包括货运和跨区域客运,还包括城市内部的客运。Redding等[5]强调城市中人口流动产生的运输成本是很重要的,从时间的机会成本和家庭总支出占比看,城市居民的运输成本巨大,尤其是通勤成本。遗憾的是,公共交通作为承担城市主要客运任务的运输工具,现有研究主要关注其自身的经济效益,如通过提高公交企业运营绩效或吸引力来节约成本或增加票价收入[6-7],其对城市经济发展的影响却未获得足够的关注。实际上,公共交通不仅属于满足广大人民群众基本出行需求的社会公益性事业,同时也是城市经济发展的“动脉”,对促进城市经济社会的全面发展具有重要意义[8]。在中国城市化快速推进的背景下,基于城市客运视角,从公共交通的角度探讨经济发展问题是十分有必要的。

事实上,2004年《建设部关于优先发展城市公共交通的意见》明确指出:优先发展城市公共交通(简称“公交优先”)是促进城市可持续发展的重要举措,要建立以公共交通为导向的城市发展模式。2013年《国务院关于城市优先发展公共交通的指导意见》倡导公共交通支撑和引导城市发展,并要求各城市加快建设公共交通基础设施。在中央和地方政府的大力支持下,公共交通得到了快速发展,基础设施建设成绩显著。以车辆规模为例,2016年城市公共交通车辆运营数达到53.88万辆,相较于2004年的28.15 万辆,车辆运营规模增加了近1 倍。Gwilliam[9]指出公共交通对经济的作用取决于其基础设施项目建设或投资的质量及发展阶段。那么,“公交优先”战略实施下,公共交通基础设施的投资建设如何影响中国城市经济? 值得探究。当前经济高质量发展阶段,综合考虑经济增长、资源节约和环境友好的绿色经济已成为新的经济发展模式,并成为经济发展效率的内涵与评判标准[10],探究绿色经济及其影响因素也已成为重要的学术课题[11]。鉴于此,本文基于“公交优先”背景,从公共交通基础设施的投资建设入手,实证考察公共交通对绿色经济效率的影响作用。绿色经济效率是全面考虑了经济增长、资源节约和环境保护的综合指标[11]。公共交通在保障社会公益性基础功能的同时,还需要认识到自身的经济外部性,成为城市绿色经济发展的新引擎。探究公共交通对绿色经济效率的影响不仅有利于加深对公共交通与经济发展之间关系的理解,还可以更好地制定公共交通发展政策,促进城市健康可持续发展。

本文的贡献主要体现在两个方面:①基于公共交通的客运功能,探讨交通运输对绿色经济这一新型经济发展模式的影响,为考察交通运输的先导作用提供一个新视角,丰富了交通基础设施影响经济发展的研究成果;②在地区和城市规模差异性方面,探究公共交通设施规模对绿色经济效率的影响,为各城市更好地制定和实施“公交优先”相关政策或措施提供了有益参考,可以在保障公共交通社会公益性基础上,合理调控公共交通设施规模,提高公共交通资源利用效率。

1 文献综述

1.1 绿色经济效率的测度

绿色经济效率作为一种考虑环境和资源代价的综合经济效率,测度的是投入和产出之间的比率,其中,资源属于投入,经济增长属于期望产出,环境污染属于非期望产出[11-12]。从投入产出角度看,绿色经济效率提升的路径可以从两个方面来理解:其一,在给定资源投入的情况下,尽可能获得最大的经济效益,并产生最小的环境污染;其二,在给定经济效益和环境污染的情况下,尽可能减少资源投入。

关于绿色经济效率的测度方法,学者们最常用的是数据包络分析(Data Envelopment Analysis,DEA)方法。DEA 测算的结果是相对效率,只需要保证数据的相对一致性,就可以保证效率评价结果的准确性,是一种测算具有多投入与多产出的部门或系统相对效率的有效方法。并且,DEA 方法在测度效率时无需将各投入和产出要素的货币单位统一化,即不需要获取各种投入产出要素的价格信息就可以清晰地说明投入和产出的组合,在确定前沿生产面时亦不需要主观设定具体的函数形式,具有较强的客观性[13]。DEA 方法主要包括非径向模型和径向模型两种类型。在非径向模型的应用方面,部分学者直接采用DEA 方法中非径向非角度的SBM(Slacks-Based Measure)模型对绿色经济效率进行衡量[12,14];部分学者则在SBM 模型基础上采用Malmquist生产率或Luenberge指数对绿色经济效率进行测度,以分析动态效率变化情况[15-16];还有学者将Malmquist和Luenberge两个指数结合起来,构建Malmquist-Luenberge(ML)指数模型对绿色经济效率进行测度[17]。在径向模型的应用方面,一般将环境污染要素作为投入要素纳入DEA 模型中,对绿色经济效率进行测度[18]。不过,由于径向模型忽视了变量松弛问题,在绿色经济效率测度中较少得到运用。

关于绿色经济效率的投入产出要素的指标选取,目前尚未形成统一的标准。根据已有文献,投入要素一般包括劳动、资本、能源等生产要素。其中,劳动要素通常从劳动力投入方面选取指标,最常用的指标是从业人数;资本要素一般从资本存量或固定资产投资总额角度衡量;能源消耗大多选用电力消费指标。此外,小部分学者还考虑了土地、水和科技投入等资源[14-15,18]。产出包括期望产出和非期望产出两个方面的要素。具体地,期望产出要素主要是指经济增长,GDP 作为绿色经济的核心产出,是通用的经济增长代理指标,亦有学者从社会和生态效益角度引入了社会消费品零售总额、园林绿地面积和建成区绿化覆盖率等期望产出要素[14,19]。非期望产出主要涉及环境代价要素,普遍采用工业“三废”(废水、二氧化硫、烟粉尘)来衡量,小部分学者同时也考虑了采用PM2.5、PM10等空气污染物[20]进行测度的问题。

1.2 公共交通基础设施与绿色经济效率

通过梳理已有相关研究文献,公共交通基础设施对绿色经济效率的影响大致可以从产业和个体两个层面得以体现。

从产业层面看,公共交通基础设施的建设可以推动城市房价上涨,促进房地产行业的发展,进而促进经济增长[21-22]。Debrezion 等[23]发现,公共交通与房地产市场之间具有紧密联系,更高的公共交通服务覆盖率会增加车站周边地区的吸引力,促使附近商业和住房价格明显高于其他地区。Dubé等[24]发现,相较于公共交通服务未发生变化的地区,公共交通基础设施的投资建设会显著促进当地住宅价格的提升,并且每年给该城市带来数百万美元的税收。公共交通基础设施规模的扩大还能够促进城市服务业的发展,进一步促进经济增长。Chin等[25]发现,公共交通基础设施的投资建设会吸引零售商和餐馆等服务性产业在车站附近聚集。郝宏杰[26]发现,万人拥有公共汽电车数量的增加能够显著促进全市服务业增加值的提高。

从个体层面看,交通基础设施的投资建设会促使劳动力向城市中心集聚[27]。这是因为出行成本对人们从事生产和生活活动至关重要,公共交通基础设施的改善不仅可以降低人们的出行成本,尤其是通勤成本,还可以提高就业可达性,促使人们更容易找到适合自己的工作,较短的通勤时间也可以减轻人们的交通压力,提高工作效率[28-29],进而影响绿色经济效率[11]。同时,公共交通基础设施规模的扩大能够通过完善其服务推动城市产生巨大的“虹吸效应”,吸引高技能劳动力向城市集聚,促进人力资本积累和增长,进而提高环境约束下的经济增长率[30],以及弱化能源禀赋对绿色经济效率的负向冲击程度,在一定程度上促进绿色经济效率的提升[31]。不过,有学者发现,劳动力在城市内的集聚保持在一定程度时,有助于绿色经济效率的提升,但是超过一定程度时则会抑制绿色经济效率的提升[11]。另外,发达的城市公共交通有利于增强人口流动性[32],拥有不同技能水平的个体在城市内部的有效流动可以提高劳动力和工作之间的空间匹配度,专业化的分工则可以带来规模经济,提高城市经济生产力[33]。但是,有研究表明,人口流动在短期内会暂时抑制绿色经济的发展,长期才能起到促进作用[34]。综上可知,公共交通基础设施与绿色经济效率之间并非简单的线性关系,处于不同发展阶段的公共交通可能对绿色经济效率表现出不同的影响方向。

根据上述分析,本文认为公共交通基础设施对绿色经济效率的影响具有不确定性,两者之间或许存在非线性影响关系,而这取决于上述产业和个体两个层面影响的综合作用。但是,现有文献中公共交通基础设施对绿色经济效率的影响主要通过服务业发展、劳动力集聚和人口流动等作用渠道间接推出,鲜有研究公共交通基础设施对绿色经济效率的直接影响效应。因此,本文以中国地级市为研究对象,在测度绿色经济效率的基础上,实证研究公共交通基础设施对绿色经济效率的直接影响效应。特别地,本文进一步探讨了在不同地区和城市规模下公共交通基础设施对绿色经济效率的异质性影响。

2 研究设计

2.1 绿色经济效率的测度

采用国内学者最常用的DEA 方法测度绿色经济效率。鉴于绿色经济效率中的环境要素属于非期望产出,具体选用DEA 方法中考虑非期望产出的SBM 模型(SBM-Undesirable Model)。该模型由Cooper等[35]提出,测度的效率值是针对某一特定时期的投入产出比率,效率值越大,说明某城市在该时期的绿色经济发展水平越高。

首先,构建SBM 模型。借鉴Cooper等[35]的方法,将投入、期望产出和非期望产出要素共同纳入生产可能性集合中,每一个城市作为一个决策单元(Decision Making Units,DMU)处理,对绿色经济效率进行测度。具体地,假设有n个DMU,每一个DMU 由投入X、期望产出Y和非期望产出YU3类要素构成,其中:

生产可能性集的表达式为

式中:e=(1,…,1)∈R n;λ为强度向量;L和U为λ的上限和下限。

鉴于样本城市的规模不同,数据量级差异较大,根据Cooper 等[35]的建议,选择规模报酬可变(VRS)为生产技术构造生产边界,即(L,U)=(1,1)。投入、期望产出和非期望产出的权重分别为wi、wr和。投入、期望产出和非期望产出的松弛向量分别为s-∈R m、s∈R s和s U∈R S U。在经济高质量发展阶段,经济增长和环境保护同等重要,因此,赋予期望产出和非期望产出相同的权重,以及每一种投入要素之间、期望产出要素之间和非期望产出要素之间的重要性均相等。上述生产可能性集下的绿色经济效率测度方程式为:

式(2)表明,当EFF·=1时,DMU 处于生产可能性集的有效边界。

其次,对绿色经济效率的投入产出要素选取合适的指标。根据前文的文献梳理,绿色经济效率的投入要素通常包括劳动、资本和能源,产出要素包含期望产出和非期望产出,期望产出主要是指经济要素,非期望产出主要涉及环境污染方面的要素。参考国内学者的普遍做法,并结合数据可获得性和完整性,本文对绿色经济效率的投入产出要素选择如下指标:

(1)劳动投入选取从业人员数衡量。

(2)资本投入采用资本存量衡量,其中,资本存量运用“永续盘存法”进行估算,资本折旧率数据和初始资本存量计算公式均来自文献[36]。资本存量的估算涉及当年投资、固定资产投资建设周期、固定资产投资的价格总指数、初始资本存量以及折旧率5个指标,其中各城市固定资产投资加权平均建设周期为3年[36],由于本文研究期间开始于2004年,故资本存量的计算以2002年为基期。

(3)能源消耗选择电力消费作为代理指标。中国经济发展一直以来最为重要的基础性能源是燃煤,而燃煤广泛应用于发电领域[37],因此,电力消费和能源消费之间存在很高的相关性,并且处于长期稳定的状态[38],电表自动记录的电力消费数据也相对更加准确[39]。

(4)为了与资本存量的统计口径保持一致,期望产出选用以2002 年为基期的实际GDP,实际GDP通过国内生产总值指数换算得到。

(5)非期望产出选取工业“三废”,即烟尘、二氧化硫和废水。工业“三废”可以较好地反映当地的污染现状,并且3种物理形态的污染物在一定程度上可以反映污染的多样性[40-41]。

2.2 实证模型构建

本文绿色经济效率采用SBM-Undesirable Model测度,该模型计算得到的效率值介于0～1之间,其中处于DEA 有效边界上的决策单元的效率值将转化为1,而不能超过1,可以认为样本在特定范围内存在某个极限值,属于受限被解释变量,此情形下的数据被称为归并数据。对于归并数据,如果直接采用普通最小二乘法回归,将会导致参数值估计偏误[42]。鉴于此,本文选择考虑归并数据的面板Tobit模型检验公共交通设施规模对绿色经济效率的影响。面板Tobit模型包括固定效应和随机效应两种类型,但是由于固定效应的Tobit模型使用最大似然估计方法得到的估计量是不一致的[42-43],本文选择随机效应面板Tobit模型。模型构建如下:

依据前文的文献回顾和分析,公共交通设施规模和绿色经济效率之间可能存在非线性关系。因此,为了反映公共交通设施规模对绿色经济效率的非线性影响,进一步考察了公共交通设施规模的二次项。模型构建如下:

式中:EFF表示绿色经济效率,EFF*表示对应的不可观测的潜在变量;PTP 表示公共交通设施规模,PTP2表示公共交通设施规模的二次项;Controls表示一组控制变量;α和β是待估参数,δi为个体随机效应,πi,t服从标准正态分布。

2.3 变量选取与数据说明

公共交通设施规模是本文的主要解释变量。加大公共交通投入是城市推动公共交通优先发展的重要措施,增强公共交通设施的投资建设力度则是加大公共交通投入的关键手段。已有相关文献中,公交车辆数是国内外学者评价公共交通投入规模最为常用的指标[44],并且公交线路的增加、营运里程的延长、站点覆盖率的提高等公共交通设施的完善都必须以公交车辆数的增加为基础,故从公交车辆投入方面衡量公共交通设施规模具有一定的合理性和代表性。同时,公交车辆数是各城市普遍披露的公共交通设施指标,具备较好的数据完备性。另外,公共交通作为服务城市居民的交通运输工具,与城市人口规模紧密相关[45],而中国城市数目多,人口规模差异大,所以从城市人口规模的角度调控公交车辆投入规模,即采用万人公交车辆保有量衡量公共交通设施规模对城市交通系统的建设和发展更具实践意义。不仅如此,万人公交车辆保有量是《公交都市考核评价指标体系》(2013)中的考核指标,亦是《中国绿色发展指数报告——区域比较(2016)》中政府政策对基础设施的支持度的代理指标之一,相较于公交车辆数,该指标更具科学性和政策导向性。综上所述,借鉴Yao等[46]的方法,选用万人公交车辆保有量作为公共交通设施规模的代理指标。该指标的数值越大,意味着每位城市居民可以配备到更多的公交车来为其提供生产和生活出行服务[47]。参照交通运输部印发的《公交都市考核评价指标体系》,万人公交车辆保有量指标按照市区人口计算所得。考虑到数据量级的一致性,万人公交车辆保有量指标具体运用千人拥有公交车辆数来计算。

根据前文分析,绿色经济效率的提升可以通过促进经济增长、节约资源或减少环境污染来实现,所以绿色经济效率的影响因素既包含影响经济增长的因素,又包含影响资源消耗和环境污染的因素。因此,为尽可能缓解遗漏变量偏误问题,参考已有研究文献,本文还控制了可能影响绿色经济效率的其他因素:

(1)城市经济发展水平。根据环境库兹涅茨曲线理论,绿色经济效率与城市经济发展水平之间可能存在二次型的不确定性关系,即“U 型”或“倒U型”[11]。本文采用人均实际GDP 衡量城市经济发展水平。

(2)城市人口密度。人口作为城市形成与发展的重要因素,人口密度影响着城市的生产效率、资源消耗量和污染物排放量[14]。本文采用城市单位面积上的人口数衡量城市人口密度[48]。

(3)产业结构。第二产业包括工业和建筑业,这两个行业会产生较多的污染物排放量,而污染物排放是绿色经济效率的非期望产出,故第二产业的比重越高,污染物排放量就越大,不利于绿色经济效率的提升[11]。本文采用第二产业变化值占GDP的比重衡量产业结构[48]。

(4)对外开放程度。对外开放程度对绿色经济效率的影响存在一定的争议,一种观点认为外商直接投资能够提高当地的管理水平和技术水平,产生溢出效应,有助于环境技术效率的提高;另一种观点认为发达国家或地区对环保的高要求会促使高污染产业的企业向环境标准较低的发展中及不发达国家或地区转移,不利于环境效率的提高,即存在“污染天堂假设”[49]。本文采用外商直接投资与GDP 的比值衡量对外开放程度[48]。

(5)政府研发投入。政府研发投入的增加会刺激经济增长,两者之间存在长期均衡关系[50]。本文采用地方财政科学支出与GDP的比值衡量政府研发投入。

(6)政府干预程度。政府在行政管理和军事支出方面的支出可能会对研发投入产生挤出效应,导致资源分配的扭曲,对经济产生不利影响[11,39,51],而政府对经济的适度干预则有助于调节资源配置,促进绿色经济效率的提高[11]。本文采用地方财政一般预算内支出与当地GDP的比值衡量政府干预程度[11,51]。

(7)高速公路里程。公路建设是交通运输成本变化的重要因素,会降低运输成本和提高当地在位企业的生产效率,进而促进经济增长或经济效率的提升[2]。不过,有研究发现,公路建设对小城市的经济增长具有抑制作用[52]。本文采用高速公路里程作为公路建设的代理变量[4]。

(8)房价水平。“职住空间分离”的城市空间结构下,房价水平会导致GDP 的剧烈波动[53]。本文采用房价收入比衡量城市的房价水平,其中房价收入比等于房价与职工平均工资的比值[54]。

上述变量的原始数据来自历年《中国统计年鉴》《中国城市统计年鉴》《中国城市建设统计年鉴》,以及CEIC和CSMAR 数据库。对于个别缺失数据,通过查找各城市统计年鉴、国民经济和社会发展统计公报等进行补充。研究期间为2004～2016年,这是由于本文在“公交优先”背景下展开,其中“公交优先”在《建设部关于优先发展城市公共交通的意见》(建城〔2004〕38 号)中被正式提出,该文件于2004年3月6日生成并发布,有效期至2016年2月18日。基于数据完整性和可获得性,选取中国265个地级及以上城市(包括地级市和直辖市)作为研究样本,占2019年全部地级及以上城市的90.4%,共覆盖30个省级行政区域,说明本文的样本具有一定的代表性。

各变量的选取说明及描述性统计结果如表1所示。研究期间内全样本的万人公交车辆保有量平均不足8辆,最低不足1辆,最高保有量超过39辆,标准差为4.670 9,说明城市公共交通发展差别较大,且发展水平的变动幅度较大。绿色经济效率平均值为0.307 1,效率值分布在0.058 3和1.000 0之间,表明全样本的平均绿色经济发展水平较低,而且研究期间内绿色经济发展状况具有较大差距。

表1 变量选取说明及描述性统计

3 结果分析与讨论

3.1 多重共线性检验

表2给出了变量相关系数矩阵,以及各个解释变量的方差膨胀因子(VIF)测算结果。除了人均实际GDP和其二次项之间的相关系数为0.899 9,超过0.85之外,其他变量两两之间的相关系数绝对值均小于0.85;VIF平均值为2.14,最大解释变量的VIF为6.17,明显小于10。因此,可以认为不存在严重的多重共线性,回归结果不会受到多重共线性问题的显著影响[55]。

表2 变量相关系数矩阵及方差膨胀因子(VIF)

3.2 公共交通设施规模与绿色经济效率关系

表3第(1)和第(2)列分别给出了公共交通设施规模对绿色经济效率的线性和非线性影响估计结果。LR 检验结果显示均存在个体效应,表明本文使用随机效应面板Tobit模型是合理的。第(1)列的结果显示,万人公交车辆保有量的回归系数在1%的水平上显著为负。第(2)列的结果显示,万人公交车辆保有量的一次项和二次项的回归系数分别为负和正,且均在1%的水平上显著。这意味着公共交通设施规模与绿色经济效率之间存在显著的非线性关系。具体地,随着万人公交车辆保有量的增加,绿色经济效率呈先下降后上升的“U 型”变化趋势。可能的解释是:公共交通设施规模直接影响着便捷性和舒适性等服务质量,进而影响着公共交通的吸引力[56-58]。但是,只有全面、大规模和效果显著的服务质量改善才能引起人们对公共交通的关注,并吸引人们选择公共交通出行,尤其是私家车出行者[59-61]。即当公共交通设施规模处于较低水平时,随着公共交通设施规模的逐步扩大,其服务水平4)公共交通服务水平是指公共交通系统所生产的客运服务满足公众出行需求的百分比或程度,一般可以从可达性、快捷性、可靠性、舒适性等服务质量属性方面衡量。高的公共交通服务水平可以降低出行费用、缩减出行时间、改善出行者对公共交通的主观感受,进而减少出行总成本,增强公共交通的吸引力[62]虽然得以逐渐提升但仍相对较低,对居民的吸引力尚未得到体现,此时新增的公共交通设施无法得到较充分的利用,造成公共交通资源的浪费,如公交车辆空载率增高。一方面,公共交通作为准公共物品(服务),其设施规模的扩大源于政府的资金投入。有限的财政资金约束下,政府对公共交通的投资建设无疑会对城市其他公用事业(如供气和供电)的发展产生挤出效应。并且,相较于私家车,体积较大的公交车辆对城市空间和道路面积的占用比例更大,在存在公交车辆空载的情况下,公交车辆的增加将会导致城市空间和道路资源的利用效率进一步降低。因此,公共交通资源的浪费意味着公共资源的错配和较低的使用效率,而这会造成绿色经济效率的损失。另一方面,公共交通的运营存在站点多和上下乘客的问题,公交车辆在车站停留期间会使车站产生临时堵塞,行车延误时间和拥堵平均时速比私家车更多,公交车站和交叉路口的车速变动还会导致道路网络上其他车辆的延误[63-64]。经济时代,“时间就是金钱,效率就是生命”。出行时间的不确定性和不可靠性直接决定着企业较低的竞争力、盈利能力和经营效率[65],阻碍着企业的技术创新和污染治理,不利于城市绿色经济发展。但是,在“公交优先”战略的持续实施下,随着公共交通设施规模的进一步扩大(超过某一阈值时),公共交通服务水平得到显著提升,开始获取人们的注意力,对居民的吸引力也开始增强。例如,北京、上海、广州等城市具有强大的“虹吸效应”,发达的城市公共交通或许在一定程度上对人们产生了吸引作用。此时,公共交通的各种正外部性得以凸显并占据主导,公共交通设施规模扩大对绿色经济效率的提升表现出积极影响。这是由于完善的公共交通设施能够减少私家车的出行量、强化地区之间的联系,进而提高城市经济效率[66],并且公共交通基础设施的投资建设会促使公共交通服务覆盖领域的资源增值,推动房地产业、餐饮和零售业等服务业的发展,从而促进城市经济增长[21-26]。同时,服务业和房地产业作为第三产业,其产能的增加有助于提高第三产业的结构占比,而低能耗、低污染排放的第三产业比重增加有利于绿色经济效率的提升。

表3 公共交通设施规模对绿色经济效率的估计结果

根据万人公交车辆保有量的一次项和二次项回归系数值-0.084 8和0.025 6,计算得到“U 型”曲线的拐点值为16.56,即每万人约17辆公交车。表1的描述性统计分析结果显示,研究期间万人公交车辆保有量平均不足8辆/万人,进一步计算发现,研究期间仅174个样本的万人公交车辆保有量超过临界值,占样本总量的5.05%。可见,相较于拐点,绝大部分城市处于绿色经济效率随万人公交车辆保有量增加而降低的阶段。邹薇等[67]也发现,万人公交车辆保有量对中国经济增长率具有显著负效应。说明当前中国城市公共交通设施规模整体上仍处于较低水平,政府的投资建设力度需要进一步加强。根据本文的实证结果,如果达到绿色经济效率随公共交通设施规模扩大而提高的阶段,万人公交车辆保有量至少还有一半的增加空间。需要注意的是,2016年27个城市的万人公交车辆保有量超过了“U型”曲线的临界值,占比10.19%,远超5.05%,表明随着公共交通的不断发展,万人公交车辆保有量超过临界值的城市明显增多。因此,有理由相信,在“公交优先”战略的持续实施下,随着公共交通设施的不断完善,将会有越来越多的城市跨越“U 型”曲线的拐点,发挥公共交通的正外部性,对绿色经济效率的提升产生积极作用。

在控制变量方面,人均实际GDP与绿色经济效率之间呈显著的“倒U 型”曲线关系,支持了“环境库兹涅茨曲线”假设。产业结构对绿色经济效率的影响显著为负,即第二产业变化值占比越高,绿色经济效率越低,说明城市在经济发展过程中有必要引导产业结构从工业化向第三产业转变。对外开放程度对绿色经济效率的影响显著为负,支持了“污染天堂假设”。政府研发投入与绿色经济效率之间呈正相关关系,与林伯强等[11]的研究结论一致。政府干预程度对绿色经济效率的影响显著为正,可能的原因是,政府干预程度能够促进资源的合理配置,以及加强对高污染产业的环境管控,从而有助于推动绿色经济效率提升。高速公路里程对绿色经济效率的影响显著为正,说明高速公路建设能够明显提高区域经济效率[2]。房价收入比与绿色经济效率之间的关系显著为负,意味着相较于职工平均工资,城市实际房价水平越高,越不利于绿色经济效率的提升。可能的解释是:一方面,城市房价越高,房地产短期开发行为越倾向于过度,导致土地资源的浪费与流失,并且不利于城市生态环境的建设和保护;另一方面,城市房价越高,外来劳动力的生活成本也就越高,这会限制外来劳动力流入,一旦房价超过平均工资,将会导致永久性收入的下降[54],不利于经济发展。

3.3 内生性问题讨论

公共交通的社会公益属性决定了其运营离不开政府财政补贴,即城市的经济发展状况是公共交通正常运营的基本物质基础。即一个城市只有在经济发展状况良好的情况下,才有足够的资金支持公共交通设施规模的扩大。因此,公共交通设施规模和绿色经济效率之间可能存在双向因果关系,这有可能会造成内生性问题。

解决双向因果关系的常用方法是选择合适的工具变量对模型采用两阶段方法控制因变量对自变量的影响作用,其中工具变量的选取需遵循相关性和外生性这两个基本条件。借鉴林伯强等[68]的方法,采用城市道路面积(road_area_iv)作为工具变量,这是由于城市道路面积是公共交通效率的影响因素,而车辆规模是公共交通效率的重要投入要素,可以认为公共交通设施规模会受到城市道路面积的影响。并且,因为交通基础设施在经济发展中具有先导作用,城市道路作为交通基础设施的重要组成部分,其面积大小在城市发展规划中已提前确定,所以不会与扰动项之间形成显著的影响关系。需要注意的是,模型中含有公共交通设施规模的一次项及其二次项,说明至少需要两个工具变量。对于面板数据,使用内生变量的相关滞后项作为工具变量是学者们常用的方法,因为从当期的角度看,滞后项已经固定,与当期扰动项不相关。鉴于此,本文同时采用滞后1期的公交车辆数(bus_lag_iv)作为工具变量,这是考虑到公交车辆数会直接影响居民在当年的出行成本(包括时间成本和货币成本),而无法对居民下一年的出行成本产生直接影响,由此,可以认为上一年的车辆规模不会直接影响当年的绿色经济效率。鉴于绿色经济效率测算值介于0～1之间,本部分采用IV-Tobit两步法进行内生性问题讨论。IV-Tobit两步法可以避免IV-Tobit方法在含有多个内生解释变量情形下数值计算不易收敛的问题[43]。为尽可能解决内生性问题,本文在IV-Tobit两步法模型中还控制了城市及时间固定效应。表4第(1)列给出了IVTobit两步法的估计结果(因篇幅所限,两步法的详细结果略)。由内生性检验结果可以看出,Wald检验统计量对应的p＜0.01,表明在1%的显著水平上拒绝了外生性问题的原假设,可以认为公共交通设施规模变量存在一定程度的内生性。由工具变量的检验结果可以看出,第1 阶段的回归结果显示两个工具变量对公共交通设施规模的影响都在1%的水平上显著,证明这两个工具变量是有效的。另外,第1阶段的F检验值均大于10,可以认为不存在弱工具变量的问题。

表4 内生性问题讨论及稳健性检验结果

具体而言,第2阶段的估计结果显示,万人公交车辆保有量的一次项和二次项对绿色经济效率分别具有显著的负向和正向影响,表现出明显的“U 型”曲线关系,与表3的估计结果一致。根据万人公交车辆保有量的一次项和二次项的回归系数值,计算得到“U 型”曲线的拐点约为13辆/万人(12.55),与不使用工具变量时的拐点相差约4辆/万人,表明在不考虑工具变量的情况下,万人公交车辆保有量与绿色经济效率之间“U 型”曲线关系的临界值被高估,约每万人多配置4辆公交车,不过被高估的车辆规模较小,说明采用万人公交车辆保有量衡量公共交通设施规模对绿色经济效率的影响,估计结果具有一定的可靠性。

3.4 稳健性检验

为了保证回归结果的稳定,本文在内生性问题讨论的基础上采用3 种策略进行稳健性检验。首先,直辖市与省、自治区和特别行政区虽有相同行政区划级别,但在经济发展方面具有其他地级市不可比的优势[69],故此删除北京、上海、天津和重庆4个直辖市。其次,地铁作为公共交通系统的构成部分,具有大容量、运行距离长和低票价等特点,与公交车既相互补充又相互替代[70-71]。而出租车作为供居民临时雇佣的小汽车,出行成本(包括时间成本和货币成本)介于公交车和私家车之间,舒适度、便捷性和灵活性等服务质量优于公交车,且不需要承担私家车的购买费用,是公交车和私家车强有力的共同替代品。为了避免因忽视地铁和出租车而减弱公交车与绿色经济效率之间的关系,在删除直辖市样本后进一步控制了“是否有地铁”“出租车运营数量”两个变量。具体地,如果城市有地铁,则取值1,否则取值0。最后,由于不同假定下测度的绿色经济效率值可能存在差异,在上述两种策略基础上,基于规模报酬不变(CRS)假定对绿色经济效率进行重新测度,以替换前文中基于VRS假定测算得到的绿色经济效率,对回归结果进行重新检验。

表4第(2)～(4)列依次给出了上述3种策略下的稳健性检验结果。估计结果显示,3种稳健性检验策略下的万人公交车辆保有量与绿色经济效率之间都呈显著的“U 型”曲线关系,与表3、4第(1)列的估计结果均一致,说明本文的核心结论是稳健的。同时,3种稳健性检验策略下的万人公交车辆保有量的拐点值依次为12.49、12.27 和11.22,与前文计算所得的16.56和12.55相近,强化了本文核心结论的稳健性。

4 公共交通设施规模对绿色经济效率的影响差异

经济发展是支持公共交通设施规模扩大的基础,但是从城市所在空间地理区域看,中国城市经济体系的发展存在不平衡性。那么,公共交通设施规模对绿色经济效率的影响是否存在地区差异? 另外,公共交通的服务对象是乘客,而城市人口规模决定了当前乘客和潜在乘客的数量,故在一定程度上影响着公共交通设施规模。由此,本文进一步思考如下问题:公共交通设施规模对绿色经济效率的影响是否存在城市规模差异? 接下来,本文从城市的地理区位和人口规模两个方面探讨公共交通设施规模对绿色经济效率的影响差异。

4.1 地区差异

为考察公共交通设施规模对不同地区的城市绿色经济效率的异质性影响,将样本分为东部、中部和西部3个子样本,分别对式(4)进行估计。表5 第(1)～(3)列依次给出了以东部、中部和西部地区为样本的回归结果。LR 检验结果表明,本部分运用随机效应面板Tobit模型是合理的。回归结果显示,东部、中部和西部地区的万人公交车辆保有量与绿色经济效率之间都呈“U 型”曲线关系,与全样本估计结果一致。不过,对于西部地区而言,公共交通设施规模与绿色经济效率之间尚未形成显著的“U型”曲线关系。根据万人公交车辆保有量的一次项和二次项的回归系数值,计算了西部地区“U 型”曲线关系的拐点值,发现研究期间内99.85%的样本城市的万人公交车辆保有量小于拐点值,表明研究期间内几乎所有位于西部地区的样本城市都处于绿色经济效率随公共交通设施规模扩大而降低的阶段,公共交通发挥正外部性的阶段尚不明朗。可能的原因是,虽然公共交通发展可以提高交通可达性,为人们的出行带来便利,并在一定程度上有助于节约出行成本,但是相较于东部和中部地区,西部地区的房价相对较为“友好”,“职住空间分离”现象不那么突出,人们对机动化交通出行的依赖性也就相对较弱。同时,西部地区的工作和生活节奏都相对较慢,导致人们对公共交通发展所节约的出行时间成本的关注度不高,敏感性也相对较弱。因此,公共交通设施规模扩大所产生的正外部性在西部地区尚未有所体现。但是,随着西部大开发战略的实施,西部地区的城市发展已经呈现出加速扩张态势,相信公共交通在城市经济发展中的作用将会不断得以体现。

4.2 城市规模差异

鉴于普查数据中城区人口的统计口径更加接近城市实体概念,是判断城市人口规模的合适指标[72],本文采用城区人口作为城市规模的衡量依据。同时,由于部分城市行政区划在研究期间内有所调整5)例如,巢湖市于2011年被撤销地级市行政地位,所辖1区4县被分别划归合肥、芜湖和马鞍山3市管辖,且城市规模划分标准变化较为频繁6)传统分类按照市区和郊区非农业人口的规模大小将城市划分为4类:20万城区人口以下为小城市,20～50万为中等城市,50～100万为大城市,100万以上为特大城市。《中国中小城市发展报告(2010):中国中小城市绿色发展之路》以市区常住人口作为城市规模的统计口径,将城市划分为5类:50万城区人口以下为小城市,50～100万为中等城市,100～300 万为大城市,300～1000 万为特大城市,1 000万以上为超大城市。《国务院关于调整城市规模划分标准的通知》根据城区常住人口规模将城市划分为5类:50万城区人口以下为小城市,50～100万为中等城市,100～500万为大城市,500～1 000万为特大城市,1 000万以上为超大城市,故选取2016年城区人口作为城市规模的划分依据,并以最新发布的《国务院关于调整城市规模划分标准的通知》(2014年)作为城市规模划分的参照标准,将城市规模划分为4类:50万城区人口以下为小城市,50～100万为中等城市,100～500万为大城市,500万及以上为超大城市7)城市规模的划分区间标准:以上包括本数,以下不包括本数。其中,小城市有94个,中等城市有97 个,大城市有66 个,超大城市有8个。考虑到样本城市中仅有8个超大城市,不满足大样本理论,接下来主要对小城市、中等城市和大城市3个城市规模类型进行分析。具体地,针对小城市、中等城市和大城市3个子样本,分别对式(4)进行估计,以考察公共交通设施规模对不同城市规模下的绿色经济效率的异质性影响。

表5第(4)～(6)列依次给出了小城市、中等城市和大城市的回归结果。LR 检验结果表明,本部分运用随机效应面板Tobit模型是合理的。回归结果显示,小城市的万人公交车辆保有量的二次项系数为负,中等城市和大城市的万人公交车辆保有量的二次项系数均为正,表明公共交通设施规模与绿色经济效率在小城市呈“倒U 型”曲线关系,在中等城市和大城市则呈“U 型”曲线关系。这意味着城市公共交通优先发展初期,小城市的万人公交车辆保有量越大,绿色经济效率越高,一旦公共交通发展到某一特定程度,随着万人公交车辆保有量的进一步增加,绿色经济效率将出现下降趋势;中等城市和大城市的情况则与小城市相反,即绿色经济效率随着公共交通设施规模的扩大呈先下降后上升的变化趋势。根据万人公交车辆保有量的一次项和二次项系数估计值,计算得到研究期间内79.71%的小城市位于“倒U 型”曲线的左侧部分,98.65%的中等城市位于“U 型”曲线的左侧部分,94.29%的大城市位于“U 型”曲线的左侧部分。可见,研究期间内大部分小城市处于绿色经济效率随公共交通设施规模扩大而提升的阶段,大部分大中城市则处于绿色经济效率随公共交通设施规模扩大而降低的阶段。公共交通设施规模对绿色经济效率的影响在小城市和大中城市存在明显差异的原因可能源于两个方面:其一,相对于大中城市而言,小城市的经济发展水平较低,相较于私家车高额的购买成本和出行成本(主要是货币成本),公共交通的低票价特征促使居民的出行方式更多依赖于公共交通,而小城市的公交车辆规模处于较低水平,即小城市的万人公交车辆保有量平均不足6辆(5.95),而中等城市每万人平均拥有的公交车超过7辆(7.08),大城市每万人平均拥有的公交车超过10辆(10.39)。可见,小城市公共交通的供给量明显低于居民对公共交通的需求量。在供不应求的情况下,公共交通车辆规模的扩大将会满足更多居民的出行需求,降低居民的总出行成本,从而对城市绿色经济发展产生促进作用。其二,大中城市的经济发展速度和社会发展程度相对于小城市而言都比较高,私家车的购买价格不再是阻碍人们选择私家车出行的主要因素,公共交通的低票价政策对居民的吸引力也较低,居民对公共交通服务质量方面的需求则相对较高。在城市公共交通优先发展初期,由于公共交通服务尚处于较低水平,人们从其他出行方式转向公共交通出行的比例较低,尤其是私家车出行者,导致公共交通资源浪费,而公共交通设施规模的扩大会占用较多的城市道路资源,在私家车出行比例尚未明显降低的情况下将会加剧道路拥挤程度,居民的出行成本增高,不利于城市绿色经济发展。公共交通设施规模与绿色经济效率之间的关系目前只在大城市表现显著。可能的原因是,相较于中小城市,大城市的房价无疑是非常高昂的,尤其是大城市的中心地区,致使越来越多的居民将住宅选在城市边缘地区或郊区,甚至部分居民将住宅安置在大城市周边房价相对较低的其他中小城市,即“职住空间分离”现象在大城市尤为严重。在“职住空间分离”现象严重的大城市,居民为了满足基本出行活动的需要,尤其是通勤需要,对机动化交通出行工具的需求程度更高,而城市的客运任务主要由公共交通承担,使得公共交通设施规模扩大所产生的正外部性在大城市较易得到体现。

表5 地区和城市规模差异性估计结果

5 结论

本文基于“公交优先”背景,利用2004～2016年间中国265个地级及以上城市的面板数据,实证研究了公共交通设施规模对绿色经济效率的影响。研究发现:

(1)公共交通设施规模与绿色经济效率之间存在显著的“U 型”曲线关系,其中“U 型”曲线的拐点约为每万人17辆公交车。

(2)公共交通设施规模对绿色经济效率的影响存在地区差异。东部、中部和西部地区的公共交通设施规模与绿色经济效率之间都呈“U 型”曲线关系,不过西部地区的“U 型”曲线关系尚不显著。

(3)公共交通设施规模对绿色经济效率的影响存在城市规模差异。小城市的公共交通设施规模与绿色经济效率之间呈“倒U 型”曲线关系,而中等城市和大城市呈“U 型”曲线关系,但是目前阶段只有大城市具有统计上的显著性。

上述研究结论为在以经济建设为中心的城市发展过程中坚持“公交优先”战略的实施提供了经验证据。90年代初,汽车消费被赋予拉动内需的4大动力之一,在汽车产业的巨大利益诱惑面前,公共交通的地位被不断忽视,进而造成当前的交通困境。正如陆礼[73]所指出的,城市交通各种困扰的根源在于功利性和经济性占据了城市发展目标的主导地位。机动化交通出行时代,城市采用何种交通方式来保障居民的基本出行是一个事关全局发展的重要抉择,而在资源和环境双重约束下,只有充分发挥公共交通的重要作用,方能真正满足城市居民的基本出行需求[74]。因此,政府有必要充分认识到公共交通不仅是社会公益性事业,亦对经济发展具有不可忽视的作用。在城市化快速推进背景下,无论是基于服务社会公众,还是促进绿色经济发展,公共交通的发展都仍需“加大力度”。不仅如此,公共交通的发展更要“精准发力”。这就要求城市公共交通优先发展的相关政策和措施的制定和执行不能“一刀切”。针对不同地区和人口规模的城市,国家相关部门应鼓励和支持其采取适合自身情况的公共交通发展策略。例如,公交都市的考核标准有必要根据不同城市的具体情况有针对性地给予调整和浮动的空间。如此,方能促使各城市合理配置公共交通资源,推动公共交通健康可持续发展。