高铁的空间溢出、劳动力流入与城市经济增长

姚永玲，赵倚仟

（中国人民大学 a.应用经济学院；b.经济学院，北京 100872）

一、引 言

在人口红利逐渐减弱的情况下，吸引劳动力正成为各城市发展经济的主要措施。由于城市所处地位不同，其对劳动力吸引力各异，如何通过有效的空间规划实现人口合理流动，对重塑中国空间格局举足轻重。铁路构建出的全新城市网络，通过提高空间可达性，压缩了地理距离决定的空间关系，在强化高铁城市之间联系的同时，改变了城市在国土空间中的地位，从而形成资源和要素重新配置。尽管在铁路建设带来的投资增长效应和空间结构效应中，空间结构效应是间接的，但对经济增长的作用往往会更大，且时间更长、影响更深远。因此，在研究高铁的经济效应时，不但要考虑交通设施建设带来的增长效应，更要考虑它们对空间结构改变带来的空间结构效应［1］。

空间结构效应的本质在于某种因素对节点之间关系的改变，导致资源和要素在节点之间重新配置带来的经济增长。这种经济增长一方面是要素的空间聚集（或扩散）导致的空间溢出，另一方面则是由要素的流入（或流出）带来的增长。劳动力作为一种主动迁移和具有创新活力的要素，对空间结构的改变较其他要素更为敏感。因此，高铁带来的结构效应在空间溢出的同时，也通过劳动力流动产生了要素流入（或流出）效应。由于空间结构效应在不同类型城市有较大差异，甚至是此消彼长，如果将不同效应都归结为相同的高铁效应，势必混淆不同空间规律的作用机制，导致对城市空间政策的误判。本文试图将铁路提速给不同类型城市带来的空间结构效应分解为空间溢出效应和要素流入效应，为不同城市制定政策提供有针对性的依据。

二、文献综述

基于资源禀赋和要素拥有程度的空间结构是静态的，因而通过建立结构与经济增长关系的结构效应分析，往往仅能观察到某个时段的效果。自20 世纪末铁路大提速以来，中国铁路建设的飞速发展，使得以城市为节点的空间格局发生了日新月异的变化，基于铁路提速带来的空间结构效应与普通的结构效应相比，具有随铁路运行时间缩短而变化的动态过程。在这个动态过程中，包含着聚集和扩散两种形式的作用方式，在不同城市往往难以得出较为一致的结论。

一种观点认为，高速铁路促进经济向西部地区转移，使中心城市产业集聚度显著降低［2］，产生扩散效应，缩小了地区差距［3］，有益于经济均等化［4］；另一种观点则认为，高铁开通在对特大城市和发达城市经济增长有显著正效应的同时［5］，降低了非中心城市的经济增长［6］，扩大了地区差距。得出相反结论的主要原因在于，在不同阶段和不同城市具有不可忽略的异质性。围绕结构效应的异质性，城市之间连通在促进效率和增长方面有重要作用，但聚集方向并不确定［7］。城市连接到铁路网络后既有扩散作用、也可能使集聚阴影扩大，甚至吞并附近其他城市［8］。中国铁路交通对区域经济增长的空间溢出效应既有正效应也有负效应［9］，将正效应和负效应混淆在一起，很难解释对不同类型城市的真实效应。进一步研究需要降低结构效应随时间和空间变化的不确定性。本文认为，降低这种不确定性的途径主要有三种：一是将研究划分为不同阶段，以观察处在聚集和扩散阶段下的空间结构效应，这需要样本足够长的时序变化（库兹涅茨曲线用了约100 年时序）。由于中国的快速发展，铁路提速仅是20 世纪末和21 世纪初的事件，客观上不具备这个条件。另外，即便有50～100 年的样本数据，现实条件早已发生了变化，结论也失去了指导实践的价值。二是引入一种中介要素，这种要素受到高铁空间结构效应的影响后，作为一种较长期因素，影响城市经济。三是在方法上，将不同城市经济与空间结构变化对应，反映铁路提速渐变过程带来的结构动态变化与不同城市经济增长的关系。

在影响因素方面，尽管研究者根据新经济地理模型认为，铁路提速减少了运输成本，有利于城市之间要素流动，但却难以证实。这是因为：劳动力和其他公共部门的资本存量对中国区域经济增长有较大弹性，资本与劳动力相伴随［9］，资本流动若不伴随着资本所有者流动，不可能长久存在［10］；而劳动力流动除了能使地区间要素收入均等外，还能改变各地区的需求结构，削平地区间要素禀赋差异［11］。事实上，高铁主要运送的是旅客，高铁带来的城市创新和劳动生产率都是围绕人力资本而产生的，高铁对资本和技术等要素流动影响的核心仍然是劳动力。要素流动是基于行为者主体对空间选择的结果，劳动力通过高铁可达性在空间中的流向反映了高铁对城市经济作用的内在机制。赵文和陈云峰（2018）认为，高铁对劳动力要素的配置作用是制定区域政策要考虑的主要因素［10］。随着城市化进入稳定阶段，人口在城市之间的迁移越来越明显，开通高铁的城市又越来越多，劳动力流动势必在不同城市之间进行选择。空间结构对区域经济的影响是经过改变要素流动实现的，在资金、劳动力和创新能力等能够流动的基本要素中，劳动力与人的生命周期和所在地区的自然与社会环境密切相关，相比资金和创新能力，具有相对地域稳定性，在降低结构效应不确定方面较为合适。本文通过引入劳动力这种相对长期的要素作为中介变量，通过要素流动对空间结构总效应进行分解，把结构效应分为空间溢出效应和要素流入效应，可以在一定程度上降低总结构效应的不确定性，细化对高铁空间结构效应的认识。

在研究方法方面，已有研究主要采用双重差分法，将开通高铁城市作为处理组，未开通高铁城市作为对照组［12-20］。这种方法将空间聚集和扩散机制所产生的效果混淆在一起，掩盖了铁路提速的动态变化过程。本文采用年度铁路时刻表获得的城市之间网络结构及其渐变状态，将处于不同空间结构地位变动中的城市可达性与经济增长建立联系，从而反映结构效应的动态变化规律。

三、研究设计

（一）研究框架

空间结构效应是指交通设施削弱了空间距离限制，即“时空收敛”改变地区空间结构带来的经济增长［21］。具体而言，交通改变了城市层级和要素分布，产生了经济效应。在国家的要素供给和市场容量稳定的情况下，一个城市地位提升可能伴随着其他城市地位下降，总产出取决于结构改变带来的效率，个体产出则取决于城市的空间区位。由于空间结构改变带来经济效果的方式不同，空间结构效应还可以划分为由于空间溢出产生的经济效果以及空间结构改变要素重新分配带来的经济效果，前者为空间溢出效应（又称为直接效应，包括正和负两方面），后者为要素流入效应（又称为间接效应）。针对铁路形成的结构效应，空间溢出效应的直接原因是通过铁路网络形成的可达性提升。

从劳动力流动与可达性来看，劳动力个体流动的原因主要有三个：第一，铁路以更低成本、更快速度承担起城际客流运营任务，降低了劳动力流动的时间成本，增加个体搜寻工作的可获得性，让劳动者在更大范围内找到合适的工作，从而促进劳动力流动；第二，铁路改变了城市在更大空间的区位条件，使得区位条件好的城市能获得更多收入和福利，从而促使劳动力流入；第三，城市可达性改变了城市区位条件（地位），扩大或缩小城市间的效用差，也影响劳动力迁移决策。综上，高铁可达性通过要素配置与城市经济增长之间的关系如图1所示。

图1 高铁可达性、劳动力流动与城市经济增长关系

（二）模型设定

本文采用铁路提速对各城市之间实际可达性的改变作为高铁带来的真实空间结构变量。根据上述高铁空间结构效应与城市经济增长的分析框架，设定被解释变量为城市经济发展水平，解释变量为城市与其他城市之间的可达性，模型为：

其中：y表示城市人均生产总值，采用人均GDP 表示；i表示城市；t表示年份；access 表示城市与其他城市可达性；Z表示本文选取的一系列控制变量；μi、δt分别表示个体固定效应和时间固定效应；ε表示随机干扰项；系数βi代表剔除其他干扰因素之后，城市可达性提升对城市经济发展的影响，体现了铁路发展的直接效应。

为了借用劳动力变量观察可达性通过吸引劳动力促进城市经济发展的规律，加入中介变量后的模型为：

其中：w为中介变量。公式（2）是中介效应的基准模型，与公式（1）相同。第一步，通过基准模型判断，可达性是否对城市经济发展有显著影响；第二步，对公式（3）进行回归，考察可达性与劳动力之间的关系；第三步，在前两步都满足的情况下，通过公式（4）测算系数，若γ1、β2和α1值均显著，说明中介效应显著；若β1和θ中至少一个不显著，则需要进行Sobel检验，该检验的统计量为：

其中：sγ1、sβ2分别为系数γ1和β2的标准误，若统计量Z通过显著性检验，则中介效应显著：Sobel检验统计量Z值在5%显著性水平下的临界值约为0.97。通过检验得到回归结果后，式（2）中的系数α1表示可达性对人均GDP的总效应，式（4）中的系数γ1表示可达性对劳动力流入这一中介变量的效应，式（3）中的系数β1表示在控制了劳动力流入这一中介变量的影响之后，可达性对人均GDP 的直接效应（空间溢出效应）；而γ1与β2的乘积是可达性通过作用于劳动力流动后，对人均GDP 的间接效应（要素流入效应）。

（三）变量与数据

（1）被解释变量。使用人均GDP 作为衡量城市经济发展水平的指标，以2007 年为基期进行去价格化处理，并取对数。

（2）解释变量。采用城市与其他城市通过铁路连接的可达性。已有研究大多采用差分法观察高铁影响，这种方法仅能识别有无高铁，不能准确表示铁路建设带来的时空压缩程度，尤其不能区分铁路可达性带来的空间结构改变。逯建等（2018）认为，基于“铁路列车时刻”得到的运输时间能更全面反映“时空压缩”［22］，本文基于历年所有城市之间通过铁路出行的最短时间，计算城市之间可达性。反映一个城市与其他所有开通铁路的城市之间的联系，其中的一条铁路建设发生变化也可能通过铁路网络影响其他很多城市的可达性，在空间上能够将整体结构与个体城市地位联系起来，体现结构效应。可达性有多种计算方法，由于观察对象是劳动力，故选择经济加权平均旅行时间作为可达性，以消除经济规模对交通联系的影响。计算公式为：

其中：Ai表示城市i的可达性程度；Tij为城市i到城市j的最短铁路通行时间；Mj是城市j的人均地区生产总值。由于被解释变量为城市i人均GDP，因此需要考虑各节点经济规模影响要素流动的频次和方向，用这项经济规模修正单纯的火车运行时间，表示经济加权后的可达性。数值越小、旅行时间越短，可达性越好。

（3）中介变量。采用历年城市就业人数增加量表示劳动力流入规模。借鉴陆铭和陈钊（2004）的比重推测转移规模方法［23］，用城市期末单位从业人员变动数减去全国城市平均单位从业人员变动数来衡量劳动力在区际的流动规模，并进行对数化处理，同时在模型中纳入工资、房价和城市医疗水平进行控制。该指标为劳动力相对增量，数值越大说明城市流入劳动力越多。

（4）控制变量。①城市规模。直接影响了一个城市的市场规模和可以利用的劳动力规模，是影响经济发展的重要因素之一。本文采用城市常住人口衡量，并对其进行对数化处理。②投资。各城市的固定资产投资能够在长期内促进物质资本积累，将各城市全社会固定资产投资总额对数值纳入控制变量。③对外开放。外商直接投资通过产业关联和技术外溢效应影响城市产出，将实际使用外资金额对数值引入模型。④人力资本。研究显示，人力资本提高能够直接推动区域创新能力，进而影响经济发展，借鉴陆铭、陈钊（2004）和石大千（2018）的做法［23-24］，在控制变量中加入对数化处理的万人在校大学生数。⑤产业结构。既表示城市发展水平也表示经济结构，两者都对经济增长有影响，本文用第三产业与第二产业之比的对数值反映城市产业结构。⑥公共投入。政府作为公共物品的主要提供者，其投资大小对地区产出起重要作用，将地方财政一般预算内支出的对数值作为控制变量。

以开通铁路站点为依据，最终选取196个铁路可到达的城市。截至2021年末的最新城市统计数据为2019 年，故选取2005—2019 年中国地级及以上城市面板数据进行回归。铁路通行时间数据来源于每年的火车时刻表，包括全部火车站之间的车次信息和通行时间，选取城市之间的最短通行时间，以突出速度变化带来的可达性。其余数据来源于历年《中国城市统计年鉴》，对个别城市缺失数据，参考《中国区域经济统计年鉴》、各城市统计年鉴及年度公报进行补充。

各变量及其统计描述见表1所列。

表1 变量及其统计描述

四、实证结果与分析

为进一步证明区分空间溢出与劳动力流入效应的必要性，本文将可达性与城市经济发展水平的直接关系回归结果也列出，与采用劳动力作为中介变量的中介效应结果进行比较。为了避免伪回归，在进行回归之前进行单位根检验。由于数据为非平衡面板，故在考虑自相关情况下采用IPS方法进行单位根检验。结果显示，除三产与二产之比外，所有变量的P值均小于10%，此序列平稳，可以进行回归分析。

（一）可达性与城市经济发展水平的直接回归

可达性与城市经济发展水平的回归结果见表2所列。其中：模型（1）为没有控制变量的固定效应；模型（2）为有控制变量的固定效应，对应上文中的公式（1）；模型（3）为有控制变量并加入可达性二次项的固定效应。为了突出重点，本文仅报告核心解释变量的回归结果。结果显示，铁路交通可达性越好，城市经济发展水平越高，且所有模型都显著，说明铁路提速尤其是高铁从整体上有利于城市经济发展。

表2 可达性与城市经济增长直接回归结果

1.内生性检验

可达性提升是中国高铁建设的成就，反过来城市经济发展也是高铁项目选址的重要条件，高铁线路和站点首先考虑经济发达的大城市，然后再向其他城市延伸。因此，可达性与城市经济发展水平之间还存在反向因果，内生性不可避免。由于地形地貌是铁路工程建设选址的一个因素，我国地形由沿海向内陆递增、经济由沿海向内陆递减；另外，城市间地理距离决定了铁路线路工程量和乘车时间，影响可达性，因此地形和距离都是影响铁路通行时间变化的关键变量。借鉴卞元超等（2018）和秦放鸣等（2019）的做法，用各城市的海拔高度作为第一个工具变量［25-26］；参考Atack J 等（2008）的做法［27］，将城市间直线物理距离（由经纬度测算而得）与某一年份开通高铁城市总数的乘积作为第二个工具变量。理由是：第一，海拔高度和物理距离同时作为城市发展的自然条件，与城市经济发展无直接关联，从而满足外生性要求；第二，海拔越高，距离越远的城市进行铁路建设的成本越高；第三，由于海拔高度与地理距离不会随时间变化，无法做固定效应模型的工具变量，本文将其与当年所在城市开通高铁的城市数量相乘，从而得到随时间变化的工具变量。其中，当年开通高铁的城市数量与城市之间可达性密切相关，但与该市地区生产总值无直接关系，满足外生性要求。

模型（4）为加入海拔高度工具变量的结果，模型（5）在加入海拔工具变量的基础上加入了可达性的二次项，模型（6）为加入距离工具变量的结果，模型（7）在距离工具变量之外加入了可达性的二次项。本文同时进行了识别不足检验，得到的P值均为0，且弱工具变量检验得到的F统计量均大于10，故不必担心识别不足和工具变量是否满足的问题；此外，工具变量的个数等于内生变量的个数，不需要进行过度识别检验，说明工具变量选取有效。结果显示，可达性的估计系数与上文的系数和显著性基本一致。其中，可达性与人均GDP 的相关系数值范围为-1.006～3.009，即解决了内生性之后，可达性每提升1%会带来平均每年约1%～3%的人均经济增长。

2.稳健性检验

本文主要突出可达性对城市经济发展的影响，故通过对核心变量可达性采用代理变量的方法进行稳健性检验。将加权平均旅行时间计算出的可达性替换为直接时间可达性，计算公式如下：

其中：Ai表示城市i的可达性；Tij表示城市i与j之间的铁路通行时间；n为除i点以外的节点总数。检验时将可达性数值取对数。

表2模型（8）为替换核心变量后的固定效应模型，模型（9）在模型（8）的基础上加入代理变量的二次项。结果显示，可达性与人均GDP 的弹性为-0.987，且在1%水平下显著，即当其他变量控制不变时，可达性提升1%会带来0.987%的人均GDP增长，与上述估计基本一致，表明回归结论的稳健性。模型（7）和模型（9）的可达性二次项系数在1%的水平下显著，且符号与一次项系数相反，说明在考虑内生性后，表现出与一次项显著的相反趋势。因此，可达性提升对人均GDP 的拉动作用存在边际递减趋势，表明当集聚达到一定规模后，铁路建设对经济的拉动作用就会放缓。

（二）中介效应回归

将劳动力作为中介变量，在上述基准模型基础上，进一步分析基于铁路可达性通过劳动力流动对城市经济发展的影响。

1.总样本中介效应

按照中介效应的三个步骤，首先对总样本的三个模型分别进行回归，结果见表3所列。

表3 总样本的中介效应回归结果

表3 模型（1）对应上文公式（2），回归结果显示，可达性对人均GDP 的估计系数为-0.81，且在1%水平下显著，表明自变量对因变量的总效应为0.811%；模型（2）对应上文公式（3），回归结果显示自变量对中介变量的回归系数为-9.860%，且在1%水平下显著，说明可达性提高1%可加快9.86%的劳动力流入；模型（3）对应上文公式（4），分析显示可达性提升和劳动力流入（中介变量W）对经济增长的系数分别为-0.718 和0.010，且均在1%的水平下显著。这表明可达性提升，一方面可以直接促进人均GDP 增长；另一方面通过促进劳动力流入，间接影响地区经济发展。因此，在保持其他因素不变情况下，城市可达性每提升1%，空间溢出效应为0.718%，同时会带来9.86%的劳动力流入，导致城市经济增长0.099%（9.86×0.01）。其中，中介效应占比为12.2%，表明中介效应分析的必要性。本文中介效应分析的核心解释变量、中间变量和被解释变量三者之间的关系如图2所示。

图2 总样本中介效应作用关系

2.城市行政等级分组的中介效应

由于经济空间运行规律通常都为非线性和具有较强的空间异质性，且已有研究证明，城市行政等级对经济发展有不可忽视的作用。本文将城市行政等级划分为直辖市、副省级城市、省会城市和普通地级市。由于行政等级不随时间变化，不能直接放入模型中，并且本研究的目的是辨识每一级城市可达性对经济发展的不同影响，故采用分组回归代替虚拟变量。在上述城市行政等级基础上，按照中介效应的三个步骤分别进行回归，结果见表4 所列。

表4 显示，直辖市没有通过中介效应检验，为了进一步验证这个结果，利用上文中的公式（5），计算直辖市的Sobel 检验统计量Z值，计算结果为0.53，未通过中介效应的临界值检验。副省级城市、省会城市和普通地级市都通过了中介效应检验，其中，模型（4）结果显示，副省级城市的总效应为0.89，中介效应为0.18（9.98×0.018 4），中介效应约占比为20%，高于全样本7.8 个百分点；模型（7）显示，省会城市的中介效应占比为13.5%，高于全样本1.3个百分点；模型（10）显示，一般地级市的中介效应占比为7.8%，低于全样本4.4个百分点。可见，除直辖市之外，行政级别越高的城市，可达性带来的要素流入效应越强、空间溢出效应越弱；反之，行政级别越低的城市，空间溢出效应越强、要素流入效应越弱。其中，空间溢出效应随着高行政级别城市减弱的结论与已有研究中高铁缩小了区域差距的主张一致；而要素流入效应随高行政级别城市增强的结论与高铁强化了中心城市聚集的观点一致。

表4 基于城市行政级别的中介效应检验

除了对比中介效应占比之外，还需要对分组回归后的组间系数进行检验，以进一步说明不同类型城市之间的差别。由于本文采用的是面板回归，无法对组间差异使用基于似无相关估计SUR的检验；同时，行政级别还会影响其他控制变量组间系数的差异，也不满足该检验的前提假设。因此，本文决定采用费舍尔组合检验，首先将组间系数差异定义为：

需要检验的原假设为：

初次回归得到组间系数估计值的差：

接着将两个组的样本进行混合，从中进行1 000次随机抽样获得经验样本Gj(j=1,…,1 000 )，然后分别针对1 000 个经验样本进行模型估计，再次获得组间系数估计值的差：

利用以上方法，对模型（5）（8）和（11）中可达性系数进行分组检验，三组系数差的经验p值均小于0.05；对模型（6）（9）和（12）中可达性以及劳动力流动这两个变量系数进行分组检验，发现副省级城市和一般地级市组间系数差的经验p值小于0.01，在1%水平下显著。这说明，城市行政级别对空间结构效应表现出显著差异。

3.城市规模等级分组的中介效应

城市规模对经济增长的影响，并不单纯为线性或非线性。按照城市规模位序法则，城市发展与所处城市体系中不同规模等级的地位密切相关。以常住人口大于300万人，100～300万人和小于100 万人，将城市分为大中小三组，也采用分组回归（原因同上），结果见表5所列。

表5 基于城市规模的中介效应检验

表5 显示，所有规模组都通过了中介效应检验。具体而言，大城市的总效应为0.856%，中介效应占比为17.5%，高于全样本5.3 个百分点；中等城市中介效应约占比为9%，低于全样本3.2个百分点；小城市中介效应占比为13.6%，高于全样本1.4个百分点。利用前文的费舍尔组合检验方法，比较表5 模型（3）（6）和（9）的回归系数发现，大城市与小城市之前存在显著组间差别，说明铁路提速对大城市经济增长的贡献主要通过吸引劳动力流入实现，中等城市则是通过空间溢出效应实现，劳动力流入效应在小城市比空间溢出效应稍多。

4.城市群分组的中介效应

城市群是新型城镇化的主要载体，大量研究证明，城市群内城市经济发展更快。周浩等（2014）的研究证明，高铁对经济联系的作用，三大城市群受益最多［12］。因此，按是否在京津冀、长三角、珠三角、长江中游和成渝城市群等五个国家级城市群对城市进行分组。在上述城市群虚拟变量回归基础上，按照中介效应的三个步骤进行回归，结果见表6所列。

表6 基于是否在城市群的中介效应检验

表6 显示，城市群内外都通过了中介效应检验。对于城市群内城市而言，总效应为1.825%，中介效应占比为16.9%，高于全样本4.7个百分点；对于群外城市而言，总效应为1.423%，中介效应占比约为9%，低于全样本3.2个百分点。利用前文的费舍尔组合检验方法，比较表6模型（3）和（6）的回归系数，计算得到经验p值为0.097，说明在10%的水平下城市群内外存在显著组间差别，群内城市比群外城市获得了更多要素流入效应。

（三）结果分析与讨论

在中国铁路建设和经济快速发展阶段，铁路提速对城市经济的影响毫无疑问。但是，仅考虑空间结构总效应会忽视聚集和扩散两种不同作用机制下截然相反的结果。本文将劳动力作为中介要素，将空间结构的总效应分解为空间溢出和要素流入效应，研究发现不考虑中介效应，会损失大约12%的要素流入效应。进一步考虑不同行政级别、不同规模和城市群等空间外部性条件，检验铁路提速带来的空间溢出和要素流入效应，结果表明，由于空间溢出效应远大于要素流入效应，总体表现为铁路提速有利于低行政级别城市，而不利于高行政级别和大规模城市。可能的解释是，行政级别高的城市就业机会更多，工资收入更高，社会福利好，高铁开通会带来大量劳动力流入；但由于城市本身规模已经很大，人口继续增加会导致规模不经济，根据规模效应的边际递减性，大城市依靠高铁带来的劳动力投入促进经济增长有限，这正是交通网络边际效益递减的原因所在。同时可以看出，如果不考虑中介效应，对高行政级别和低行政级别城市都会漏掉其中的一部分。城市规模与城市行政级别的结果有一些出入，可能还与城市所处的外部区域有关。进一步对城市群内外分组的结果表明，要素流入效应在城市群内更强。这是因为，城市群一体化为劳动力自由流动提供了更好条件，群外城市除了可达性缩短了地理距离导致空间溢出外，要素一体化任重道远。

五、结论与启示

研究发现，铁路提速带来的城市之间可达性提升，稳定地促进了城市经济发展，显示出中国铁路建设对经济发展的显著空间结构效应，对重塑国土空间新格局提供了有力支撑。同时，边际递减的结果表明，铁路提速对高行政级别和大城市已经越过了直接效应的高增长期，更多地依靠吸引劳动力流入的间接效应促进经济发展；低行政级别和中小城市正处在可达性提升促进经济发展的高增长期，突出体现了可达性带来的空间溢出效应。由于劳动力带来的规模效应具有边际递减特征，铁路建设对高行政级别和大城市作用有限。

随着城市群成为新型城镇化的主要空间载体，铁路提速对国家五大城市群内城市的空间结构总效应大于群外城市；同时区内城市的劳动力流入效应比例也多于群外城市。

综合上述三种回归结果，本文建议：处在五大城市群内的中小城市，应充分利用可达性提升带来的时空压缩所产生的空间溢出和劳动力流入效应，积极进行信息交流与技术合作，合理配置资源，加强产业协作；五大城市群内的大城市和高行政级别城市，尽管劳动力流入可以带来经济发展，但由于高生活成本的限制，劳动力增加有较大局限性，应该降低生活成本，增强劳动力的溢价能力。五大城市群外的大城市和高级别城市，应该充分利用铁路提速带来的发展机会，提高劳动力待遇、增加社会福利、促进劳动力充分流动；处在五大城市群之外的中小城市，由于发展基础差，对劳动力的吸引力并不强，这些城市应该创造更多就业机会吸引劳动力回流，促进经济发展。