不同权重及空间计量模型比较下交通基础设施建设与经济增长的动态关系分析

文／陈哲、钱勇生、曾俊伟 兰州交通大学 甘肃兰州 730000

引言：

作为国民经济最具基础性、先行性及战略性的产业，交通运输业始终为现代化经济的先行梯队，更是全面建成社会主义现代化强国的重要条件。随着“十四五”计划到来并实施，交通运输的发展也迎来了黄金时期，交通工作重心将渐渐驱向运输与建设并重的发展模式，推动交通运输业高质量发展。而区域协调发展作为发展手段，为交通运输领域也开拓了新空间，目前，我国通过京津冀协同发展、长江经济带发展、粤港澳大湾区建设、长三角一体化发展、“一带一路”建设等重大战略引导，以东北、东部、中部、西北四个区域为依托的区域协调发展的新格局拉开序幕。然而我国地域范围广阔，不同地区无论从经济、人口、风土习俗等方面都存在诸多差异，同时由于空间自身带有空间依赖性和相关性，对于实现交通区域协调发展任务应从多个维度进行研究。

交通基础设施在空间上呈网络分布，其对某一区域及周边经济发展产生的各种效果已有许多学者进行过讨论。一些学者选择某一具体区域研究交通发展对本区域及周边经济是否存在影响：刘生龙、胡鞍钢在增长理论基础上建造模型，发现交通基础设施对国内经济增长（特别是西部地区）有显著的正向作用；周庆明利用生产函数得出浙江各市间交通基础设施对经济有着正溢出作用；杨秀云和程敏则发现陕西省交通运输业发展与经济增长存在双向因果关系，同时对地区经济增长贡献最大的为铁路运输，航空运输贡献最小。部分学者则将重点倾向于交通基础设施与其它影响经济发展指标的对比，反映交通基础设施影响力：刘生龙等验证了中国交通、能源与信息三大基础设施对我国经济增长的溢出效应，结果表明交通基础设施对于经济增长具有显著的溢出效应，能源基础设施空间溢出效应不明显；林雄斌、杨家文运用交通运输投资、劳动力和经济总量的面板模型，评估交通投资对经济增长的时空效应；马淑琴、胡再勇等研究代表交通、能源及信息的基础设施与地区出口质量的相互关系及双边贸易效应。伴随空间计量经济学的发展，更多学者开始运用构建空间权重矩阵来表示空间相互作用（某些地理或经济属性间的关联程度），如张学良运用中国省级面板数据三种权重矩阵，得出交通基础设施对中国区域经济增长具有重要影响作用；马卫，曹小曙等基于SDM 空间计量模型，分别构建邻接、地理距离、经济空间3 种权重矩阵，从宏观、分区、国家逐个层次来衡量丝绸之路经济带交通基础设施空间经济溢出效应。

综合现有文献不难发现，对于交通基础设施与经济发展的关系已有丰富的研究，尤其是运用空间计量模型构建二者之间的联系。然而现有结论中忽略了对于空间回归模型的选择，对于不同研究对象和背景，空间计量模型的也有其适用的范围，应当给予讨论。除此以外前有文献只停留讨论空间中交通基础设施与经济的相关关系，然而经济增长需要不断累积的动态进步，因而进一步提出包含因变量的时间滞后和时空滞后的动态模型来控制经济增长数据的持续性和连续相关性，即结合“时间——空间”多维度挖掘经济的发展诱因，揭示我国经济增长的跨期互动效应和运输基础设施对经济增长的短期影响，这些在静态模型中无法体现，从而更全面体现交通基础设施与经济的关系，亦为未来区域交通基础设施布局和规划带来建议。

1、研究方法

1.1 空间自相关检验

1.1.1 空间权重矩阵

“邻近”在空间角度一直代表所处位置的接近，但空间计量经济学认为“邻近”也可以是地区空间单元经济地理现象或某一属性值与“相邻”地区空间单元同一现象或属性值是相关的。而空间权重矩阵（SWM）是定义这种“邻近”关系最好的方法。在本研究根据地理距离、经济距离和人口密度距离概述了三种构建SWM 的方法。

地理距离SWM：地理特征是地域或省域作为研究的基础，与其它地区相比，一个地区、省域的地理位置会对其经济产生影响增长。测量地理距离，两个省的欧几里得距离(d)由经纬度计算，其权重矩阵定义为如下:

经济距离SWM:经济上的差异会对区域之间的相互作用产生影响。本研究中，测量不同省间的经济差距是由省内人均生产总值水平的差异造成的。高的经济差距被认为对区域之间相互作用是有害的，权重矩阵定义为：

人口密度距离SWM:与经济距离相似，不同省份人口上的差异也会影响省域之间相互作用。人口密度距离是不同省人口间的区别导致的，权重矩阵可以定义为：

1.1.2 莫兰指数

在应用空间经济计量模型之前需检验数据是否呈现空间相关性的水平。先使用Moran’sI 作为整体空间自相关测试，并用Moran 散射图用于局部空间自相关测试。全局Moran’sI 从全局角度量化了相邻地理单元间观测值的相似性，并用于分析总体空间自相关度和空间分布格局，定义为：

式中xi是位置i 和1,2,…,n 的观测值，其中n 表示变量的观测总数和空间单位的总数；是观测值的平均值，有是空间权重矩阵W 中与位置（i,j）相对应的元素。全局Moran’sI 只反映了研究区域内相似属性的平均聚集程度。局部空间自相关可以用于针对不同类型的空间聚集识别，如高值单元的聚集，当需要具体说明哪个单元对全局自相关贡献越大，则需要局部空间自相关分析方法。

1.2 空间经济计量模型

将三种常用的空间计量模型与传统的计量模型相结合。第一种形式空间滞后模型（SLM）中，空间自相关属于因变量。在第二种形式空间误差模型（SEM）中，SA 仅限于回归模型中的误差项。第三种形式空间杜宾模型（SDM），处理内生和外生相互作用关系，并为因变量和自变量提供空间滞后值。

2、实证分析

2.1 变量选取及数据来源

经济增长。为了考察交通基础设施的外生成分是否对经济增长产生积极影响，用各省人均GDP 反映因变量经济增长指标，单位为元。

交通基础设施。在之前的文献中，常用两个变量衡量运输基础设施：运输基础设施的实物计量和运输基础设施的货币价值的计量。当使用交通基础设施的货币计量方法时，很难区分新交通基础设施的建设支出与现有设施的维护成本，这将导致最终产出效应的差异。本文利用货物周转量（以此代表运输基础设施的实物计量，货物周转量可以精准反映运输技术设施能力）来反映30 省铁路基础设施和道路基础设施对经济增长的影响。选择铁路货运量（单位万吨）和公路里程(单位万吨)作为衡量指标。

控制变量。在本研究中添加一组控制变量：城市化水平、物质资本和社会消费品零售总额。（1）物质资本是经济理论中三大生产要素之一，用固定资本形成总额占GDP 的比例来衡量。（2）城市聚集经济理论显示，城市化会产生集聚效应，促进经济增长。城市化水平是以一个区域城市人口占总人口的比例来衡量的。（3）社会消费品零售总额反映商品在流通中向市民和社会提供生活消费品总额，它是能够代表当地市场经济活跃程度和变动情况。

选取上述变量作为研究对象，共选取全国30 省（未选取港澳台及西藏，因为这五个地区数据不全且指标不显著，故不纳入研究范围）2005-2019年数据，数据来自国家统计网、《中国统计年鉴》及各省统计年鉴。

2.2 莫兰指数检验

（1）在进行交通基础设施和经济发展关系研究前，利用全局Moran’sI 识别数据属性和分析空间分布。在这里利用全局Moran’sI 指数判断各权重下铁路与公路基础设施的空间自相关度，表2所示。

表1 变量说明

表2 交通基础设施莫兰全局指数

表1所示的全国30 省Moran’sI 的结果显示了地理、经济、人口密度权重矩阵下解释变量（铁路和公路）的空间自相关程度。从结果看出，对于经济和地理距离权重矩阵，在全局Moran’sI 上始在10%显著性水平上，即拒绝原假设。同时看到我国铁路及公路在经济和地理距离权重下的发展是正相关系数，地理位置相近及经济情况相似的省份对交通基础设施的发展具有相互促进作用；在地理SWM 下，公路基础设施的发展受空间相关的影响更为显著，一个省份的公路交通基础设施升级会对其邻省产生正向的空间溢出效应；但是可以看到莫兰指数呈现逐年下降，说明空间对于公路交通的发展影响正在逐年减退，地域限制交通发展的能力正在减弱；在经济SWM 下，经济相似的省域间交通基础设施呈正相关，这足以说明交通基础设施及交通的发展是提升经济的桥梁。而对于人口SWM，公路铁路均未呈现正相关，说明人口密度权重下交通基础设施未产生空间溢出效应。

（2）进一步用局部Moran 散射图分析各省交通基础设施在各距离权重下的变化过程。图1 为地理、经济SWM 下局部散射图的结果，2005年地理SWM 下的铁路基础设施情况，安徽、河南、山东、河北位于第一象限（即H-H 象限），说明这些省份铁路发展良好，其相邻省份铁路基础设施建设也十分完善；重庆、贵州、陕西、海南、湖南、湖北、四川、天津等16 省分布于第三象限（即L-L 象限），说明这些省份的铁路基础设施建设水平相对较低，同时其相邻省份铁路基础设施建设水平也相对不高；北京、浙江、江西、江苏、广东、广西、新疆7 各省位于第二象限（即L-H 象限），这些省自生铁路基础建设水平不高，但被一些其它拥有好的铁路基础设施建设的邻近省份所包围；而辽宁、黑龙江、内蒙古3 省处于第四象限（即H-L 象限），它们自生有着较高的铁路水平，而与它邻近省的铁路建设水平相对较低。到2019年，随着各省铁路基础设施建设不同情况的发展，部分省所处象限发生转移，如重庆邻边区域铁路发展都有显著提升，而重庆铁路基础设施建设虽有提高，但相比相邻省铁路基础设施的建设水平相对较低，因此位于第二象限（L-H 象限）。而仅看铁路基础设施发展情况。总体发展向二、四象限位置移动，说明在地理SWM 下铁路基础设施建设的地理依赖性再慢慢减弱，其聚集趋势也在逐渐淡化。其它SWM 下铁路、公路基础设施发展情况也在图中有所体现。

图1 各省局部Moran 散射图结果

2.3 空间模型选取

在对交通基础设施建设的空间相关性研究后，对交通基础设施建设与经济发展的关系做进一步讨论。首先要选取合理的空间计量经济模型。在这里利用经典拉格朗日乘数（LM），前者用于考察SLM/SEM 是否可以简化为OLS（最小二乘法），如果可以简化则利用OLS 模型；若不能则进一步讨论选取SLM 或SEM。在这里利用Wald 检验和似然比检验（LR），判断运用SLM/SEM 还是进一步的SDM，若检验不拒绝SDM，最好选取SDM 模型。运用stata 软件分别进行这两步的检验，如表3所示。

表3 LM 及Wald/LR 检验表

根据表3，在经济和人口距离权重下，SDM 可简化为SLM 或SEM 的假设在10%的显著性水平上被拒绝，也就是说本研究中与其它两种模型（SEM 和SEM）相比，SDM 模型能更好地描述解释变量和被解释变量的关系。但在地理距离SWM 下，SDM 可以简化为SLM 或SEM 的虚假设在检验中未被否定。因此结合结果。根据鲁棒LM 检验，非空间模型被拒绝，而支持SLM 和SEM，这表明空间滞后的因变量和空间误差自相关不应被排除在模型之外。因此，也能选择SDM 模型作为地理距离SWM 下的空间计量经济学模型。

总结上述检验结果，最终选择SDM 空间模型对后续结果进行分析。

2.4 静态SDM 模型分析

通过本研究中解释变量和被解释变量的设定，先构建静态SDM 模型（对各部分变量取对数处理,消除异方差的干扰）：

其中i,j=1,2，…，N=30 表示30 个省的空间位置，t 是年份，并且t=1,2，…，15。此外，xit代表三个控制变量，即城市化、固定资产形成总额、社会零售品消费总额。其余符号与前面的符号相同。由此模型分别得出静态SDM 下不同权重矩阵空间溢出效应。

三种类型距离权重下的静态SDM 分析如表4所示。不同权重下R2值均大于95%，拟合优度较好，在三种类型的距离权重矩阵下，全国30 省的交通基础设施与经济增长之间存在显著的正相关关系。结果显示，与铁路基础设施相比，公路基础设施的发展对经济增长具有更显著的影响，交通运输更依赖公路路网建设，这说明交通基础设施发达的省份经济发展水平较高，交通基础设施对全国的经济增长具有显著的积极作用。静态空间模型还表明，与铁路基础设施相比，公路基础设施对经济增长的影响更为显著，交通运输更依赖于公路网。但由于内生相互作用效应（WY）的反馈，结果略有不同，在经济距离SWM 下，相邻省份的空间溢出效应铁路基础设施要优于公路基础设施的发展，即铁路基础设施的发展对其它相关省份经济的发展带来积极作用。其次，分析了经济增长的空间滞后项。除WE外，经济增长的空间溢出效应（W×PCGDP）在不同距离权重下均具有显著性。

表4 不同权重静态SDM 模型估计结果

表5 结果为交通基础设施对于经济增长的空间溢出效应（间接效应估计），可以看出铁路和公路存在不同的结果。在地理SWM 下，铁路和公路的发展均会促进当地省经济的增长，而对于溢出效应，一个省铁路基础设施的改善会对相邻省经济有促进作用，这正是由于铁路交通基础设施不仅改善了地区的可达性，也促进了经济交流；而公路基础设施的发展会带来相反结果，这说明公路基础设施提升带来本省经济水平的提高，无形中对相邻省份经济产生竞争。此外在经济距离SWM 下无论铁路还是公路都对相邻省份经济有空间溢出作用。

表5 静态SDM 间接和直接影响

2.5 动态SDM 模型分析

一个区域的经济增长需要不断累积的动态进步。在静态（SDM）模型的基础上，进一步提出动态版本，包括因变量Yt-1和WYt-1的时间滞后和时空滞后，来控制持续性和连续依赖性的经济增长数据，以包含时间和空间-时间动态效应，解释变量中包括X及WX。

表6 不同权重下动态SDM 估计结果

表6所示，在三种类型的SWM 下，除EW下公路数据以外，动态SDM 中的铁路和公路系数均为正，表明交通基础设施在促进中国各省经济方面都发挥了积极作用。除空间相关性以外，系数为正，说明各省份前期的经济增长会对之后经济增长具有显著的周期性累积效应；对于跨期的相互作用（即各省之间），其值明显小于0，表明相邻省份过去的经济增长会对本区域当前的经济增长造成负面影响;在经济SWM 下，相邻省份公路铁路的发展在长期动态下始终具有空间溢出效应，说明经济相似省份交通基础设施的提升会促进本省经济发展；从结果也能看出，城市化水平、固定资本的形成一直是省域经济增长不可忽视的动力。表7 可以得到，交通基础设施对经济增长的短期影响中，铁路和公路都对经济有积极作，尤其是从短期来看，铁路对经济增长的作用比公路更为重要。表7 表明，铁路基础设施建设集中在短期内可以明显促进经济发展增长；而从长期的发展角度来看，铁路基础设施在WG、WE下会对经济增长有着长期均衡的发展，而公路基础设施在长期会存在一定的负作用；而在人口密度SWM 下，铁路和公路均在长期有着反向影响，这说明人口密度SWM 下交通基础设施并不是促进发展的主要原因。

表7 静态与动态SDM 下长短期效应结果

3、实证结果分析

综合所有上述结论可以看出，在交通运输与国家经济发展的15年时间，无论铁路或公路，仍然存在着空间相关性，尤其是地理位置相近、经济状况相似的省份，各省之间在交通基础设施的发展上存在关联性，然后随着交通基础设施的发展和进步，地理位置、环境等影响在不断地减弱，各省交通基础设施发展的空间相关性在逐年减弱，交通基础水平也在不断提升。

交通基础设施运输基础设施对中国30 各省的经济增长起着积极的促进作用，静态模型显示，无论是直接还是间接，道路基础设施对各省经济增长的影响比铁路基础设施更为显著，但在动态模型中，铁路在短期内对经济增长的影响要优于公路；而对于长期时间，铁路和公路交通基础设施均会对经济增长产生直接的影响，交通基础设施具有重要的促进作用。此外，在经济距离SWM 的距离权重矩阵下，中国各省的经济增长在总体上均存在显著的正空间溢出效应，正是因为交通基础设施的网络组成带来了溢出效应，使得各经济距离相邻省经济发展处于较相似的水平。

从静态和动态SDM 模型分析可以得出，与其它控制变量相对比，铁路与公路基础设施对于经济增长有着重要影响，然而其影响程度与城市化水平、固定资本形成总额对比而言相对较弱。从动态SDM 来看，交通基础设施在经济距离SWM 下，会对相邻区域产生正向的空间溢出效应，即相邻区域交通基础设施的水平会影响本省经济的发展。各省份前期的经济增长会对之后经济增长具有显著的周期性累积效应，动态SDM 表明相邻省份过去的经济增长会对本省当前经济造成负面影响；在地理距离、经济距离SWM 下，相邻省同时期的经济也会对本省产生促进作用。

4、政策与启示

结合本文的研究及我国交通基础设施与区域经济发展现状，有如下政策建议:

（1）各地应当因地制宜，制定符合本地区具体情况的发展计划。对于交通基础设施发展水平较高的区域，未来交通基础设施的规划方向可由增量规划向存量规划作转变，即对现有的基础设施进行调整与优化，通过现有设施的梳理、发挥现有交通整体效益，来提升整个交通设施的档次，对于不同运输方式应当给予不同的定位和服务性质，实现多种运输方式的协同发展；而对于交通基础设施发展相对落后的省份，可继续完善交通基础设施建设，注重用现代化信息技术与传统交通基础设施结合发展，随着技术的不断升级换代，新基建、老基建动态发展，将为各省交通基础设施发展带来新的发展契机。

（2）各省区域协同发展亦成为我国新的发展趋势。随着一体化的推进，各省、市经济发展要素越发密切，各地间的紧密程度已不仅仅是距离的相近和相邻，不同省之间经济、人口情况的相近也会导致这些省交通基础设施发展水平近似。因此在未来交通发展中，应当将综合交通规划与城镇发展、用地规划、经济水平及省内政策等有效结合，协同规划；同时可以将多种运输方式共同发展提升综合交通运输网络，做到综合运输网络的布局、优化，提升运输网络效率。

（3）除各省对于交通未来的发展外，做好各省交通基础设施的管理也是至关重要的。例如《交通强国建设纲要》提出的“全国123 出行交通圈”，为实现这些目标需加大对运输服务管理的提升强度，通过“十四五”提出的交通N网融合，以及智慧交通的深入，提升运输管理质量，实现区域交通的相互融合；同时政府应在做好规划布局和政策引导的基础上，重点激发与鼓励交通基础设施投资建设，及技术创新的积极性。