高铁开通与城市创新质量——基于变处理时点DID的再检验

张 禹 孙双利 陈春春

1 引 言

创新活动具有强烈的本地化特征（Jaffe等，1993［1］），以此形成的区域集聚性是阻碍创新知识向其他地区外溢的重要原因。尽管互联网和通讯技术日益完善，但是地理距离在制约创新外溢方面的作用依然非常显著（Agrawal等，2017［2］）。部分原因在于人与人之间的面对面交流和示范是知识外溢的一大途径，对于私有或独享性知识尤其如此。不过，随着以高铁为代表的交通基础设施的改善，大幅缩短了地区间的旅行时间，为不同地区间拥有差异化知识的人才更加便捷的交流与共享知识提供了良好机会，这将有助于提高创新产出。具体来看，高铁开通降低了地区间的通勤成本，本质上会对城市的创新活动产生两种效应：其一是配置效应，即地区间转移成本下降导致创新要素在地区间的重新配置；其二是外溢效应，即创新主体之间的互动频次提高，提高创新知识的地区间溢出。从理论上来看，这两种效应对经济的创新活动都具有促进作用，但考虑到城市原有要素禀赋各异，上述两种效应是否及如何发挥作用需进一步分析。一方面，配置效应带来了创新资源优化配置，有利于原有创新环境优良、擅长特定创新活动的城市，进而强化创新的本地化特征；然而对于创新基础相对薄弱的城市，地区间的创新资源优化配置可能导致创新要素流出，进而弱化城市的创新能力。另一方面，外溢效应推动了创新资源的交流与互动，使得原有的集中化创新逐渐向合作式的分散化创新演化，这给创新资源匮乏但拥有后发优势的城市以赶超机会。因此，高铁对各城市创新的具体影响取决于配置效应和外溢效应的作用方向及相对大小。

正是由于理论上的模糊性，可靠的经验证据成为明晰中国高铁开通与城市创新关系的关键。国内已有系列研究探讨了两者之间的关系（何凌云和陶东杰，2020［3］；余泳泽等，2019［4］；卞元超等，2019［5］；吉赟和杨青，2020［6］；王春杨等，2020［7］）。这些文献采用城市层面的数据各自论证了高铁开通对城市专利申请数量、专利引用以及创新指数的正面影响。还有一些较为相关的研究细化了知识流动研究，探讨了高铁开通对各地区学术论文发表的促进作用（Dong等，2020［8］）。这些研究无疑加深了我们对高铁与城市创新的理解，不过在现有研究的基础上，本文认为依然有三个重要的问题需要进一步明确：（1）高铁影响城市创新的可信度有多高。目前的研究事实上还没有就高铁对城市创新是否产生影响形成定论。即使多数研究给出了支持性证据（何凌云和陶东杰，2020［3］；余泳泽等，2019［4］；卞元超等，2019［5］；Gao和Zheng，2020［9］），但也存在一些研究发现高铁对城市创新并没有显著影响（Chen等，2017［10］）。（2）高铁影响城市创新的程度有多大。该问题尚未引起足够的重视，但它却是判断高铁建设是否值得的重要前提。从系数显著性层面分析高铁效应的统计意义是现有研究的通行做法，但它忽视了高铁开通的经济意义。（3）高铁通过何种机制影响城市的创新活动。创新资源的流动，例如高素质人才的流动与科学知识和隐性知识的传播等都可能成为城市创新的催化剂。遗憾的是，目前还尚未有研究从上述视角考察高铁开通对城市创新的促进作用。

鉴于既有研究在实证分析方面存在的问题，本文首先从模型设计上剖析了上述问题产生的原因。现有研究主要采用双重差分法（Difference in Difference，以下简称DID）框架，将高铁开通视作拟自然实验并分析其影响。除了质疑拟自然实验的合理性之外，DID框架在高铁开通背景下的一些适应性问题也值得关注。其次，本文按照常规的DID做法，采用2000至2016年278个地级市面板数据复现了部分研究结论，但也得到一些略有不同的发现。再次，基于上述结论，本文反思并论证了以下几方面内容：（1）针对性地讨论并补充了交叠DID（Staggered DID）框架的动态效应检验结果，我们发现高铁的影响只存在于早期开通的线路；（2）利用广义合成控制法，论证了高铁影响的滞后性；（3）排除了十分重要的公路和民航影响。虽然一些学者从竞争性角度排除了公路和铁路的影响（何凌云和陶东杰，2020［3］），但是却没有考虑民航这一重要的交通措施；（4）初步估算了高铁开通的经济效应大小。数值模拟和方差分解的结果显示，高铁开通对城市创新的贡献相对较低。（5）尝试从城市间信息传递以及高技能人才流动两个个角度对高铁潜在的影响机制进行了分析。有关信息传递的影响机制已在理论上得到了普遍关注，但是尚未见到直接检验的文献，本文在检验这一机制的基础上着重讨论了高铁开通对城市间信息传递的非对称性影响。

值得强调的是，既有研究对本文重新审视与论证高铁开通的经济效应大有裨益。一方面，在统计意义上，本文发现与大部分文献一致，均发现高铁开通对城市创新有显著影响；另一方面，对于本文的一些“与众不同”的新发现，可以作为进一步思考和探讨的方向。鉴于高铁效应评估的文献如雨后春笋般涌现，但分析方法具有极高的相似性，本文的尝试不仅有助于客观、全面、准确地评估高铁开通的经济效应，而且对于当前中国“新基建”背景下的城际轨道交通建设也有着重要的政策启示意义。本文的剩余部分内容安排如下：第二部分展示研究设计；第三部分介绍数据、指标构建以及初步估计结果及分析；第四部分进行结果反思和进一步论证；最后是本文的结论。

2 研究设计

既有研究考察高铁开通经济效应的通行做法，是将各城市高铁开通作为一次准自然实验，采用DID框架估计高铁对经济变量的因果效应。构建的模型一般有如下形式：

当采用城市数据进行分析时，i表示城市，t表示时间。Yit是被解释变量，可能包括就业、投资、创新等受到高铁影响的经济变量。HSRit代表高铁是否开通的核心解释变量，在城市i 开通高铁当年及之后的年份取1，否则取0。在包含了个体（ρi）和时间（ρt）固定效应，以及控制了其他可能影响结果变量的城市时变特征（Xit）后，系数β的估计值衡量了高铁开通对被解释变量的因果效应。因此，判断系数β符号和显著性便成为推断高铁的作用是否符合理论预期的依据。这种估计方法原理直观、操作简单，而且隐含了因果性讨论，因此得到了文献的普遍应用。然而，在使用DID框架分析高铁的作用时，有一些特定假设和经济事实缺乏应有重视，以本文重点关注的城市创新为例，既有研究可能忽略了以下几个重要问题：

第一，重视高铁效应的统计意义，但是忽略了重要的经济影响。一方面，受限于数据等多方面的原因，现有大都只关注专利的申请或授权数量并将其作为城市创新的代理指标，对于创新质量的关注不足。另一方面，某些经济变量在连通城市和非连通城市之间具备零和游戏属性，高铁开通带来的经济影响可能只具有分配效应而不具有增长效应。以创新的重要投入变量高技能人才为例，一定时期内各区域的就业人员总量是给定的，因此，由于高铁开通使得城市的吸引力上升所带来的人口流入就是未开通城市的人口流出，这种重复计算无疑会夸大β的正面影响。此外，一个较少得到重视的问题是，利用β的表现推断高铁的作用只是判断高铁效应的必要非充分条件，因为系数β并未包含任何关于高铁开通的成本信息。即使β揭示了与理论预期相符的正面影响，也并不意味着用于高铁连通的投入是值当的。准确讨论β系数的经济意义是讨论经济适用性的前提。

第二，(1)式是一个变处理时点的DID模型，各城市开通高铁的时间并不相同（即处理组个体接受处理的时间存在差异，后文简称为交叠DID模型），因此常规的估计方法可能导致 系数的估计偏误。随着面板模型的丰富，大量学者将传统的DID模型进行扩展，并将处理组个体接受处理的时间存在差异的模型转换为（1）式所示的双向固定效应模型，并用系数评估事件的经济效应。相关的文献还采用事件分析法框架进一步评估样本的平行趋势是否满足并用此来评估高铁开通的动态影响。近年来，大量研究表明这种常规的做法需要满足严格的前提假设：在双向固定效应模型以及事件分析法的估计中，只有当不同时期的处理效应大小严格相等时，的估计结果才是准确的（Sun和Abraham，2021［11］；Imai和Kim，2019［12］）。系数衡量的是不同时期开通高铁的城市在一定时间内的处理效应的加权平均。如果不同时期的处理效应不同，仅使用简单线性回归会造成部分时期的权重为负数，其估计结果与经济含义之间的对应关系可能存在偏误（Chaisemarti和d’Haultfoeuill，2020［13］），从而高估高铁的经济效应。

第三，分析高铁对城市专利申请的影响时，忽略了专利影响的滞后性问题。现有城市创新的相关研究发现，在高铁开通前，连通城市和非连通城市的表现没有显著差异，但是高铁开通后第一年，以专利为代表的创新变量显著增加。这种“完美验证”在考察其他经济变量时可能是准确的，但是具体到专利创新方面则令人生疑。专利的研发普遍存在两到三年的时滞（Moser和Voena，2012［14］），发明专利从申请到公开还需要经历六至十八个月的时间，因此，几乎没有时滞的创新效应很可能不是由高铁开通所致，而是动态效应检验不准确引起的。此外，现有文献往往通过采用高铁开通前一年的数据进行倾向得分匹配来对样本进行筛选，这种做法能够在一定程度缓解样本选择带来的内生性问题，但是针对创新这一话题而言，城市的创新产出往往需要更长时间的知识聚集与资本积累，仅采用前一年的数据进行匹配仍然会高估高铁带来的经济效应。

第四，对影响机制的探讨仍然有待补充和扩展。现有文献认为其主要的影响机制更多注重讨论高铁带来的集聚效应（余泳泽等，2019［4］），但是集聚效应的根源可能是由于信息传递加速以及更加本质的人员流动所引起的。

上述问题对于理解和评估高铁开通的经济效应具有重要的意义，但既有文献较少对此进行细致分析，意识到这些问题并尝试加以解决可能有助于我们更为准确地评估高铁对城市创新质量的影响。有鉴于此，本文首先利用中国2000至2016年278个地级市面板数据复现了既有文献的结论。在此基础上，我们针对DID框架和现有估计中存在的问题，逐一进行了考察和补充。

3 数据、变量与基准回归结果

3.1 数据来源

本文的主要数据来源有《智慧芽专利数据库》、《中国铁道年鉴》与《中国城市统计年鉴》等，根据研究内容主要包括三类：一是创新数据。本文主要使用各城市企业申请专利信息度量城市层面的创新水平和创新质量。专利数据来源于《智慧芽专利数据库》，该数据库收集了1985—2018年间申请人主体位于中国大陆范围内的全部专利申请记录，包含专利申请时间、专利类型、申请人名称和地址等多个字段，尤为重要的是该数据库还提供了专利引用和被引用情况，这将为我们度量专利质量提供关键信息。二是高铁开通和运营数据。本文从《中国铁道年鉴》以及中国铁路总公司网站获取了各城市层面的高铁开通时间以及线路数据。三是城市数据库。利用历年的《中国城市统计年鉴》，我们构建了2004至2016年间289个城市的面板数据集。城市层面的经济指标包括城市人口、经济发展、产业结构与人力资本等诸多指标。最后，测度城市间信息流和技能劳动人口流动的数据来自百度搜索指数数据库以及2005和2010年中国人口普查微观数据。丰富的数据库将为本文的研究提供坚实的数据支撑。

3.2 城市创新质量变量

本文采用城市层面的专利申请数量作为城市创新水平的度量指标。具体在构建指标时，我们根据专利申请信息中的邮政编码字段识别出城市信息，然后在城市层面进行汇总后与城市数据库进行对接。除了汇总专利申请总量之外，本文还按照专利类型，依次统计了发明专利、实用新型专利以及外观设计专利的申请数量。但是，专利申请指标也存在高估的问题，主要原因是以促进专利申请数量为政策目标的专利补贴政策（张杰等，2015［15］），在一定程度上造成了我国的“专利泡沫”，在促进了专利申请数量的同时可能抑制了专利质量的提高，使得专利申请信息被扭曲，无法反映一个城市的创新质量。

为了更为准确地度量城市的创新质量，本文采用专利前向被引用数据对专利数量进行了校正。目前运用被引用数加权的专利数量指标度量专利质量的做法已经得到较为广泛的运用，被认为是评价专利质量的合理指标之一（Bloom和Reenen，2002［16］）。受这些文献启发，本文利用专利被引用数据构建了城市层面的创新质量指标：

其中等式左边为城市层面的创新指标，i表示不同的地级市，t表示时间；等式右边为j城市的专利对于i城市专利在t′时刻的一个引用，将i城市所有的专利根据j和t′进行加总，就可以得到i城市的专利质量数据。本文拟将n取值为3，即反映专利三年的被引用数量，其原因是n如果选的太短，该专利公开信息没有全部被其他专利申请人获知，可能存在对于专利质量的低估；而n如果选的太长，则可能影响专利的有效性，同时对于近期的专利会缺乏足够的引用数据。在城市层面获取到全部专利的三年被引用总数，即可度量城市层面的创新质量。

3.3 基准结果

本部分将利用城市面板数据和构建的城市创新变量对式（1）进行估计。表1汇报了初步结果。我们首先分析高铁开通对城市创新水平的影响，具体的结果如第（1）至（5）列所示。第（1）列以城市专利总量对数作为被解释变量，方程中包含了是否开通高铁的核心解释变量和城市、时间固定效应。结果显示，核心解释变量的系数为0.069，但并不具备统计显著性。为了控制城市层面时变特征对估计结果的影响，在第（1）列的基础上，第（2）列方程根据既有文献的研究结果加入了多个城市特征，包括以人口数量度量的城市规模变量（lnPOP）；反映城市发展水平的城市人均GDP变量（lngdppc）；城市第二、三产业产出占比（s_ratio、t_ratio），控制城市的产业结构；反映劳动力市场状况的城市人均工资（wage）；城市外资进入水平（fdiper）以及由城市高等学校专任教师数衡量的人力资本水平（lnhc）等控制变量。观察第（2）列的核心系数发现，在控制城市特征之后，估计系数依然在5%的统计水平显著为正。从系数大小来看，专利申请数量受高铁开通的影响平均增加12%，这与现有研究的结果保持一致。

表1第（3）至（5）列进一步将城市专利数量区分为发明专利、实用新型专利以及外观设计三种不同类型的专利，取对数后替换第（2）列的被解释变量依次进行回归分析。从估计结果可以看出，高铁开通会使城市发明专利数量显著增加19%；而高铁开通对实用新型专利的平均促进作用相对较弱，其数值为11%，统计显著性下降为5%；对于外观设计专利，高铁开通没有产生明显影响。对比以上结果，我们发现高铁的开通对通常意义的高质量专利发明的创新促进作用更为显著，而对低质量的外观设计专利则并无明显作用。这不仅说明高铁对不同性质的创新活动有异质性影响，也证实了通勤成本对创新溢出的抑制作用。高铁在大幅缩短城市间时空距离并缩短旅行时间的同时也带来了更高的旅行成本，因此只有发明专利这种更高水平的创新活动才会受到比较显著的影响。

表1 高铁开通对城市创新的影响

除了从创新类型辨析创新质量差异之外，表1第（6）至（7）列分别以各城市发明专利和实用新型专利三年被引用数对数作为被解释变量，直接考察了高铁开通对城市创新质量的作用。第（6）列核心估计系数依然显著为正，但是系数较第（3）列有所下降。第（7）的估计系数符号虽然为正，但是已经不具有统计意义，表明从创新质量上来看，高铁开通只对提升城市发明专利的质量有显著效果。换言之，当我们仔细区分创新的质量时，高铁开通的影响会降低，而且主要体现在最具有质量的创新活动中。该发现是对既有结论的进一步深化。总之，基准结果揭示了高铁开通对城市创新水平和创新质量的正面影响，而且主要影响城市的发明专利申请行为。有鉴于此，后文将主要针对城市发明专利申请数量和被引用数量进行分析。

4 结果、反思与再检验

前文依据DID框架复现了高铁开通对城市创新的正面影响，以专利数量度量城市的创新水平所得的结果与既有文献几乎是一致的。不同点主要体现在以专利引用指标进一步考察了创新质量时，发现高铁的创新效应只对高质量创新有作用。接下来本文将进行更为深入的讨论，以期更为准确地评估高铁对城市创新的实际影响。

4.1 交叠DID的动态效应检验

如本文引言中所言，传统DID模型估计的动态效应检验估计了相对时间点上的平均效应，并未充分考虑式（1）的交叠DID特征和绝对时间上的效应差异，且其估计结果可能存在偏误。由于各个城市的高铁开通的绝对时间差异，不同时间节点开通高铁所产生的影响可能截然不同。最早开通高铁的城市大部分是经济发展水平较高，创新的基础条件较好的城市，因此研发的规模递增效应会强化高铁对创新的促进作用。相对应地，较晚开通高铁的城市创新基础较差，空间上的因果累积循环会导致高铁带来的创新促进效应比较小。此外，随着高铁网络的扩展以及其他城市陆续接入高铁网络，早期开通高铁的城市在高铁体系中的地位会持续提高，因此创新的影响会进一步巩固。在交叠DID模型中，采用相对时间估计仅能够获得高铁开通对城市创新的平均处理效应，无法区分开通时点的异质性影响，其结果自然是有失准确的（Callaway和Sant'Anna，2021［17］）。

为了解决这一动态异质性问题，本文根据Callaway和Sant'Anna（2021）［17］等学者提出的计量模型，按照高铁开通的实际年份估计了各年的动态影响和长期效应。分别估计不同高铁开通年份组别g 在开通前后t年的平均处理效应ATT（g,t）：

详细的估计结果如图1所示a此处采用R软件中DID包进行本节内容的估计。每一张子图分别估计了不同高铁开通年份的城市的创新相较于未开通高铁城市的差异。例如，图1左上角为2008年开通高铁的城市，蓝的点和线段分别代表该组样本的高铁开通之后的年份的点估计值和95%的置信区间。。整体上，高铁开通对城市专利数量的影响在不同年份的样本之间存在较强的异质性。这种异质性主要体现在两个方面：其一，高铁开通之后的前1-2年，高铁的促进作用通常较弱；开通之后的时间越长，城市创新的促进作用越明显，这与高铁影响的滞后性是一致的。其二，不同的高铁开通年份组别之间也存在较大差异，2008以及2009年组别的动态效应较为显著，然而2010年至2016年开通高铁的城市组别，其动态效应并不明显。这与前文的猜想是一致的，即较早开通高铁的城市其创新水平增长较为明显，但较晚开通高铁的城市其创新水平并没有明显增长。同样的，本文还以城市层面的发明专利被引用数作为被解释变量同样进行了类似的估计，估计结果同样论证上述两个重要结论。此外，参考已有文献，本文也对中心城市和一般城市进行了分组分析讨论，由于中心城市相对而言开通高铁的时间更早，因此对比两个组别，中心城市的创新效应平均而言更强，一般城市相对较弱，但是单独分析两个组别不同时点的促进效应，上述两个重要结论仍然成立。

图1 高铁开通对城市创新水平影响的时间异质性

4.2 广义合成控制法

本文的基准回归的过程可能受到反向因果关系的影响，即由于城市自身的经济发展潜力较好，因此高铁网络规划时会更多考虑这些较为发达的城市，因而在高铁开通以后其创新水平的提升自然也相对较快。现有文献中为了解决这种反向因果效应还经常采用倾向得分匹配的方法，给每个高铁城市寻找一个理想的控制组并进行反事实分析。然而，由于城市样本量较少，该方法在城市层面应用可能会因为不满足共同支撑假设而出现不恰当匹配，导致估计结果不准确。在样本量较小时，采用合成控制法可能是一个比较合适的方法（Abadie等，2003［18］）。但是经典的合成控制法仅能评估单个处理组个体的处理效应，就本文研究的话题而言，由于开通高铁城市数量较多，分别进行单个的评估难以反映高铁开通的总体效应。为了解决这一问题，本文利用广义合成控制法（Xu，2017［19］）同时评估不同城市开通高铁后的经济社会影响。广义合成控制法通过将传统的合成控制法与线性交互固定效应相结合，一方面能够允许高铁开通这一事件与不可观测的个体异质性和时间异质性相关，能够更好的解决DID模型的假设条件；另一方面广义合成控制法也可以同时为多个不同时期开通高铁的城市构建反事实的对照组，提高了最终结果的可理解性。

基于广义合成控制法的详细的估计结果如下图2所示，图中的横坐标仍然为相对于高铁开通基准年份的时期，纵轴表示高铁开通城市与反事实估计组城市的创新水平和创新质量的差异。估计结果显示，高铁开通前，高铁开通城市的创新水平与我们构造的反事实估计组城市没有明显差异，直至高铁开通后第5年开始，高铁的创新效应才逐渐显现。平均而言，在广义合成控制法估计下，高铁开通对城市发明专利申请的平均效应为0.139，而对专利引用的平均效应为0.126，两者都在5%的水平显著为正。这两组结果相比基准结果分别下降了25.6%和21.8%，证实了基准回归中高铁的正向选择效应，同时也说明了高铁的创新效应存在较长的时滞。

图2 使用广义合成控制法的处理效应

4.3 考虑公路与民航运输的影响

公路运输和民航运输是另外两种替代性的交通方式。在加快城市间的信息传递和人员交流进而提高城市的创新水平方面，公路和民航有着与高铁异曲同工的作用。因此，在基准方程中加入代表公路和民航影响的变量对于缓解遗漏变量偏误可能具有重要影响。目前的文献部分讨论了公路运输可能带来的潜在混淆，但是很少考虑民航的替代性影响。事实上，从旅客运输的角度而言，高铁与民航之间的相互影响可能更为突出，尽管在长达1000公里范围内，高铁运输都具有相当的比较优势（Zhang等，2017［20］），但杨秀云等（2020）［21］也发现高铁与民航竞争中存在明显的替代关系。因此，为了考察公路和民航运输对估计结果的影响，本文在基准回归中加入了城市层面的公路里程数对数（lnroad）与省份民航客运量对数（lnciv）两个代理变量。

表2汇报了估计结果。作为对比，第（1）列和第（5）列复制了基准回归对发明专利申请和被引用情况的回归结果。第（2）列和第（3）列依次控制了公路和民航运输情况。从表中容易看出，在控制了公路和民航运输之后，核心系数虽然具有统计显著性，但是系数值大小都出现了下降，尤其是在考虑了民航运输之后，系数值从0.187下降至0.147，下降幅度超过20%。第（4）列汇总两个控制变量后，系数值略有回升，但是依然比基准结果小得多。继续观察发明专利的被引用情况，同样可以看到控制公路和民航运输对核心系数的显著性和系数值大小都产生了明显影响。与第（5）列的基准回归相比，第（6）至第（8）列的核心系数依次下降了9%、22%和28%。综合两组结果，可以得到一个重要的结论：即在分析高铁开通对城市创新的影响时，公路运输和民航运输是重要的干扰变量，其中尤其以民航运输的替代性影响最为强烈。如果不妥善加以控制，将会高估高铁开通的影响近五分之一，这对于我们准确、客观地评价高铁的经济效应具有重要意义。

表2 控制公路与民航运输的影响

4.4 效应大小评估

综合多种方式估计的结果，本文的发现均支持高铁开通对城市创新具有显著的正向影响，但是这种影响可能在一定程度存在高估，且其是否具有经济意义却仍然不清楚。本节将进一步试图以发明专利为例对此进行初步探讨。首先从系数的大小来看，各模型中以合成控制法得到的估计系数最小为0.139，基准回归得到的系数最大为0.187，这两者大概能够解释开通高铁观测样本和其他观测样本差异的5.3%至8.9%。利用方差分解方法比较高铁变量相对其他控制变量在方程中的解释力度，我们同样可以证明这一点。遵照Fields（2003）［22］等人的方法，并以基准结果第（3）列为标准进行分解的结果如表3第（1）至第（2）列所示。从表中可以发现，高铁开通对发明专利变动的解释力度约为5.6%，在所有考察的因素中居于第七位，大约为地区因素的四分之一，经济发展水平因素的三分之一。事实上在控制了公路和民航运输的影响之后，高铁的解释力度进一步下降至3.9%（如第（3）—（4）列所示）。以上的效应大小本质上是配置效应与溢出效应之和。进一步考虑，如果配置效应完全是由于资源的转移而非优化配置所致，那么高铁对创新产出的实际作用还要在以上估计结果上降低更多 。从这一结果来看，高铁开通对城市创新的影响相对有限。

表3 高铁的相对解释力度

4.5 潜在机制分析：人才与信息流动

最后本文在现有文献基础上就高铁影响城市创新的机制展开进一步的探索。在引言部分我们指出高铁开通对特定城市的影响可以从创新资源的配置效应以及溢出效应两个角度进行讨论。就创新资源的配置效应而言，本部分集中讨论了高铁开通对人才流动的影响。这种人才流动机制已经在部分文献中得到了较为详细的讨论，略有不同的是本文采用了2005年与2010年的人口抽样调查数据，并利用长差分模型设定进行分析。这种设定主要既能结合数据上的优势又能综合考虑劳动力市场存在的反应时滞，构建的检验模型如下：

由于只有2005和2010年的数据，所以上述模型采用了截面数据进行分析。其中，被解释变量为城市i在2005年至2010年的净劳动力人口变化，指的是2008至2010年是否开通高铁的虚拟变量，当开通高铁时取1，其他情况为0。其他城市特征变量与基准回归保持一致。为了控制省级层面的不变差异，我们在模型中还加入了省份固定效应。

回归结果如表4所示。其中第（1）列报告了高铁开通对总体的劳动净流入的影响。如理论预期的，高铁开通显著提高了城市的劳动力净流入。相比未开通城市，开通高铁的城市其劳动力流入增加了64.9%。第（2）列和第（3）列进一步分别报告了高铁开通对低技能劳动力和高技能劳动力a本文将具有大专及以上学历的劳动力人口定义高技能劳动力，反正则为低技能劳动力。净流入的影响。我们发现，高铁开通对两种不同技能的劳动力流入都有显著的正向影响。但是从系数大小来看，高铁效应对高技能人才的影响相比于低技能人才更加显著。显然，从城市创新的角度而言，高技能人力的快速流入将有助于城市的创新发展。不过，同样值得注意的是由于劳动力特别是高技能的人才在一段时期内总量是既定的，开通城市的人口流入同样也意味着其他未开通高铁城市的劳动力人口流出。对与未开通高铁地区而言，这种高技能人才的流失将对其创新发展带来负面效应。

表4 人员流动的影响

最后，本文从信息流动的角度讨论高铁开通带来的溢出效应。高铁开通缩短了城市间的旅行时间，加快了信息在空间的传播速度，从而有助于产生正向溢出效应。但是，其信息传播的真实效果依然存在疑问。在互联网技术高度发达的情况下，信息交流方式更加多样和快捷，信息传播途径是否需要通过加快客运速度、增加见面次数等方式来实现？理论上，这种信息传递在互联网时代仍然存在，而且对城市创新仍然有积极意义。主要原因在于创新知识的流动不仅依赖线上方式同时也更需要线下交流的配合。高铁开通能够激发位于不同城市的创新主体对其他城市的兴趣，从而加快线上的信息搜索和传递。与此同时，城市之间的线上信息传播也会诱发线下交流。在创新知识的流动中，面对面的交流更为迫切，因而对高铁的依赖就更为强烈。弱化创新的本地化，加快创新知识外溢，高铁开通将在上述过程信息外溢过程中发挥重要作用。

为了检验上述溢出效应是否存在，我们使用2007至2016年的百度搜索指数作为城市间关注度的代理变量b百度指数近年来也被作为关注度的代理指标广泛应用于多领域的研究（熊丽芳等，2013；俞庆进和张兵，2012；张立炜，2016），这一指标能够在最大层面反应个人通过使用互联网获取信息对特定事物关注程度的变化。，分析高铁对城市间信息流动的影响。百度搜索数据库包含了两百多个城市对之间的互联网相互搜索指数，即城市i的互联网用户搜索关键词为城市j的搜索量。我们将搜索指数作为被解释变量，并构建以下模型：

其中，lnindexijt表示t年城市i的互联网用户在百度搜索引擎中以城市j作为关键字进行搜索的频率对数。在总指数的基础上，我们还分别考察了使用终端（手机mobile、电脑pc）差异的影响。如果城市对i-j都开通了高铁，则HSRijt为1，否则为0。系数β衡量了同时开通高铁城市相对其他情形下平均搜索次数的变化。模型中加入了城市i、j的固定效应和时间固定效应，并同时控制了城市i、j的时变特征。具体的回归结果如表5所示。从表中第（1）至（3）列可以发现，如果两个城市间均开通了高铁，其相互搜索指数会显著提升，而且从搜索终端来看，高铁开通对其移动搜索指数的提升更为明显。第（4）列分别进一步控制了城市i以及j与时间交互项的固定效应，核心系数仍然显著为正。这表明在高铁开通城市之间确实产生了更多的相互关注。城市间关注度的提升不仅会促进城市间线上信息的快速流动，而且为线下信息的交流创造了空间。终端表现差异也暗示移动互联与先进便捷的交通方式是相辅相成、共同促进的。

表5 城市间相互搜索指数变化

为了进一步验证信息传递的方向，我们分别又进一步在回归中加入高铁开通城市与高铁未开通城市的相互搜索变量HSR_i和HSR_jaHSR_i的定义的定义为如果城市i开通了高铁，但是城市j没有开通高铁时则为1，否则为0.，分别表明高铁开通城市向其他未开通高铁城市的主动搜索指数和被动搜索指数，其回归结果如表第（5）、（6）列所示。结果显示，高铁开通城市和未开通高铁的城市间的信息关注度均出现了一定程度下降，其中尤其以高铁开通城市的被动搜索指数下降尤为明显，达到7.2%的水平，表明高铁开通并不能够吸引其他未开通城市增加对其关注，高铁开通带来的溢出效应仅能够在高铁网络范围内存在，无法惠及其他未开通高铁的中小城市。

5 结论

高铁通过压缩城市间的通勤时间，提高城市运力，有助于打破研发知识的本地化局限，加快知识信息的空间流动，因而被认为是近几年来稳步提升的城市创新水平的重要解释力量。本文利用2000至2016年的城市面板数据，采用多种方法重新检视了高铁开通对城市创新的影响。较之于现有的经典文献，本文发现在考虑了交叠DID模型的特殊性以及其他的遗漏变量问题后，尽管在统计意义上高铁对城市创新具有显著影响，但是在经济意义上它并没有人们想象的那么重要。具体而言，本文得出了以下和现有文献有所差异的结论：首先，高铁开通对城市创新的影响具有长达五年的时滞，且主要集中在早期开通的线路之中。其次，常规的DID方法可能高估了高铁的作用。最后，城市创新的主要力量仍然来自城市本地因素，高铁的创新效应可能是创新资源重新配置和知识信息外溢共同发挥作用的结果。本文的这些发现初步回答了创新效应评估中的信度和程度问题。

本文的发现说明，高铁在改善城市间通勤和运力方面作用巨大但是对城市创新方面的影响相对较弱。无论是决策者还是研究者，都对高铁在城市创新方面的积极影响有所期待。出现这种情况或者是因为有比高铁开通更为重要的影响城市创新的动力来源，或者是存在未被发现的限制性因素制约了高铁在城市创新中的作用。无论是哪种情况，均亟待学者给出更多的研究证据。此外，本文所得到的结论也具有重要的政策启示，一方面，政府在合理布局高铁网络的同时也应当做好公路、民航等替代性的交通基础设施布局，积极引导创新要素和创新资源合理流动，提升我国整体的创新水平；另一方面，由于高铁的创新效应主要存在于早期开通的线路中，因此中心城市和周边城市应当制定差异化的发展战略，中心城市在产生虹吸效应的同时应当努力将实现的创新效应向外扩散，带动周边城市发展；而周边城市则应抓住这种溢出效应，提升区域整体的创新水平。值得指出的是，本文在方法上讨论的是简约式估计，在时间范围上分析的是中短期的平均效应。因此，研究方法更为稳健、数据层次更为丰富的进一步研究对于我们全面准确地评估高铁效应仍有极为重要的作用。