中欧班列对国内企业创新的异质性影响研究——来自230个样本城市的准自然实验

董洪超， 杜丽永

(淮阴师范学院 经济与管理学院， 江苏 淮安 223001)

中欧班列开通有力促进和深化了中国与“一带一路”沿线国家的经贸合作。通过班列通道实现与发达国家技术领先型行业的有效对接，能够使国内企业以极低的成本获取先进的知识、技术和管理经验，因此中欧班列开通有利于提升微观企业的创新水平[1]。对于中欧班列开通对沿线城市企业创新的影响效率，韦东明等运用三阶段DEA法对中国253个样本城市进行测算，结果表明：区域创新效率的均值为0.653，标准差为0.215，最大值和最小值分别为1.000和0.091。可见，企业的创新效率存在显著的空间差异。中欧班列开通对中西部地区的企业创新效率边际效用差异更为显著[2]。因此，需要进一步研究中欧班列开通对中国沿线城市企业创新影响的空间差异和动态演进，分析其原因，找出收敛区域差异的路径。

一、机制分析与研究假设

理论上，中欧班列开通能有效推动沿线企业创新效率的提升。但事实并非如此。区域创新理论认为，创新水平的提升依赖于能力基础、机会条件和激励机制三大内核[3-4]。首先，中欧班列的规划和开通属于国家产业政策的范畴，是政府通过有形之手提升公共资源配置效率的手段，相关政策和制度安排无疑为沿线城市提供能力基础和机会条件。其次，中欧班列开通不仅有利于各种资源要素不断汇集并形成区域经济增长的制高点，为区域创新提供必要的能力基础，也有利于通过促进地区金融发展而为区域创新提供更多机会条件[5]。第三，中欧班列的政策属性为经济主体加大创新研发力度增添了动力。因此，中欧班列开通将通过经济增长、金融发展和政策激励等渠道完善区域创新系统，为区域创新提供内在驱动力。

中欧班列对国内企业创新的影响机制可以从主动和被动两个角度进行分析。一方面，中欧班列通过“时空压缩”效应节约了贸易成本，同时借助“一带一路”的贸易环境利好，达成了与多个国家的外贸联通，充分挖掘了国际贸易的市场潜能，为地区贸易增长提供了动力[6-7]，为企业创新提供资本积累路径。另一方面，中欧班列运输终点多为欧洲发达国家，我国企业能够通过中欧班列实现与发达国家技术领先型行业的有效对接，以极低的成本即可获取先进的知识、技术和管理经验。同时发达国家较高的“入市”门槛亦会“倒逼”供货地企业加快技术革新步伐[8]，从而有利于推动产品创新，增强国际贸易的竞争力和提高国际贸易的纵深参与度，占领更多市场份额，为区域经济高质量发展提供助力[9]。因此，中欧班列开通有助于增加相关区域的贸易广度与深度，助推区域经济高质量发展，为创新提供必要且充足的能力基础。

根据理论机制分析，本文提出以下三个研究假设：

假设一(H1)：中欧班列开通提高了中国各城市产品到欧洲的运输效率，有助于提升国内企业的创新效率。

假设二(H2)：企业创新效率受产业基础、产业链和关联产业的影响，中欧班列开通对国内不同城市企业创新的影响具有空间差异性。

假设三(H3)：企业创新需要一定的时间积累，欧洲市场的拓展也需要一定时间的适应，中欧班列开通对我国企业创新的影响具有时间效应。

二、指标说明与数据选取

(一)指标说明

1.被解释变量——企业创新

从技术创新、生产创新、设计创新等维度构建企业创新的指标体系，其中，技术创新(Invepatent)是指对产品、方法或者其改进所提出的新的技术方案，选取发明专利申请数作为样本城市技术创新的代理变量。生产创新(Utipatent)是指对产品的形状、构造或者其结合所提出的适于实用的新的技术方案，选取实用新型专利申请数作为城市生产创新的代理变量。设计创新(Appeapatent)是指对产品的形状、图案或者其结合以及色彩与形状、图案的结合所作出的富有美感并适于工业应用的新设计，选取外观设计专利申请数作为城市设计创新的指标变量。

2.核心解释变量

已有研究大多将中欧班列开通作为一项准自然实验，本文用虚拟变量指代一个城市高铁的开通情况，包括城市虚拟变量(City)和时间虚拟变量(Year)两个维度。由于产品运输效率的提升能改变贸易的成本，因此将中欧班列开通的两个维度虚拟变量的交互项(City×Year)作为研究变量。在数据处理中，考虑样本城市首次开通中欧货运班列的时间有可能出现在年末，所以统一在此基础上做延后一年处理。

3.协变量与控制变量

为了避免遗漏变量导致内生性以及控制变量缺失对结果的影响，选取的可能影响中欧班列开通、城市产业结构和创新基础的协变量主要包括：(1)地理坡度(rdls)。采用中国90米分辨率数字高程数据，并采用ArcGIS软件计算获得相关数据。(2)城市开放水平(attract)。选取样本城市外资投资企业的产出与本土企业的产出比值，计算方法为：当地年度外资企业的产出与地区生产总值的比值。(3)财税自由度(free)。由于地方政府的财税政策作为企业生产成本的关键决定因素对企业的生产区位选择具有显著影响，故将本地当年财政收入与支出的比值作为财税自由度的代理变量。(4)关联产业集群(ARI)。国内各城市通过中欧班列出口的产品以工业制成品为主，但制造业无法脱离生产性服务业独存，基于此，本文将生产性服务业在样本城市的集聚水平作为关联产业集群的代理变量。(5)规模经济(scale)。随着生产规模的扩大，要素的生产效率提高，企业的创新意愿和基础能力将得到提升。另外，本文将样本城市的公共服务资源配置作为控制变量引入，包括：(6)基础教育资源(edu)和(7)医疗资源(med)，指标的计算方法为样本城市每千人的教师数和医生数。

(二)数据选取

为了避免指标样本缺失导致实证分析的系统性偏误，本文选取我国230个城市作为研究样本，涵盖了东部、中部、西部三个地理区域，包括直辖市、省会城市和设区的市三种城市类型。中欧班列相关信息来源于国家铁路局公开数据，城市企业创新的相关信息来源于《中国科技统计年鉴》，其他控制变量的相关信息来源于《中国城市统计年鉴》和《工业企业数据库》。

(三)描述性统计

表1中样本的被解释变量、核心解释变量、控制变量以及协变量的标准误数值都较大，说明变量的离散程度较高，最大值和最小值的差距较大，因此需要对样本进行匹配，以便更真实地反映中欧班列开通对国内站点城市企业创新的影响。

表1 变量描述性统计

三、数据处理及模型构建

(一)数据处理

由于研究对象的样本量较大，因此需要选取有放回的近邻匹配，通过stata1×6.0得到的匹配结果如图1所示。

图1中的左侧图为个变量的标准偏差，右侧图为倾向得分的共同取值范围，从匹配结果可以看出，大多数观测值都在共同取值范围内。为了进一步检验匹配前“处理组”和“对照组”是否具有共同趋势，分析被解释变量的变化是否归因于解释变量，我们对匹配前后的结果进行平行趋势检验。关于平行趋势检验，既往研究常用的方法有图形分析法和事件研究法。由于图形分析法依赖于对变量趋势的目测，精确度不够好，因此本文选取事件研究法检验中欧班列开通前后被解释变量的变化趋势，stata16.0分析结果如图2所示。

图1 倾向得分匹配

图2 平行趋势检验结果

图2中的左侧图为匹配以前变量的变化趋势，右侧图为匹配以后变量的变化趋势。从中可以看出，在中欧班列开通之前，对照组和实验组的95%置信区间不包含0值，说明两者不存在显著差异，即变量在处理效应前后不具备共同趋势。从右侧图中可以看出匹配后95%的置信区间包含了数值0，即中欧班列开通之前，对照组和实验组之间并没有显著的差异，满足共同趋势假设。

(二)模型构建

本文采用倾向得分匹配法(PSM)，通过对处理组和对照组样本进行匹配，使研究样本在考察期内具有共同的时间趋势。在此基础上，采用双重差分模型(DID)构建实证研究的理论模型。具体方法为通过选取若干特征变量x，并构建一个如式(1)所示的二元选择模型：

(1)

式(1)中，d代表处理组的虚拟变量(处理组=1，对照组=0)，f为Logistic分布函数，h(x)表示第i个城市协变量x的线性函数。根据理论模型，结合纳入被解释变量、解释变量、控制变量和协变量构造本文的实证分析模型：

patent=γ1train_onit+γ2cmci+γ3train_onit×cmc+βj∑xijt+εit

(2)

其中，i表示个体数，t表示时期数；被解释变量patent表示城市制造业企业的分工度；train_on表示中欧班列虚拟变量(train_on=1表示样本城市开通了中欧班列，train_on=0表示样本城市没有开通中欧班列)，γ1为其估计系数；cmci表示时间虚拟变量(cmci=1表示高铁开通之后的年份，cmci=0表示高铁开通之前的年份)，γ2为其估计系数；train_onit×cmc表示处理效应，即中欧班列对样本城市的影响差异；X表示实证模型中的控制变量，β为相应的估计系数；ε为随机误差项。

四、实证分析

(一)基准回归

根据实证模型，我们对所选取的全部230个样本城市进行基准回归，stata16.0的分析结果如表2所示。

表2 中欧班列对创新的基准回归结果

表2的基准回归结果表明，在5%的水平下核心解释变量对被解释变量中发明专利申请数、实用型专利申请数、外观设计专利申请数以及总专利申请数均具有显著的正向影响，由此可见中欧班列的开通能显著提升站点城市的企业创新产出。同时具有显著正向影响的因素还包括城市的投资吸引力、生产型服务业的集聚以及企业的平均生产规模。这证明了机制分析中提出的第一个研究假设。

(二)进一步分析

基准回归证明了中欧班列开通对站点城市创新的影响，这种影响在城市之间、区域之间以及创新能力的各维度之间是否存在差异？既往研究表明，经济基础较好的城市往往有更强的创新能力。为了进一步分析中欧班列开通对已有创新格局的影响，我们将样本城市划分为东部、中部和西部三个区域，探讨中欧班列开通对创新的异质性影响。

1.空间异质性检验

我们选取我国东部地区11个省份的92个城市(1)北京、天津、石家庄、唐山、秦皇岛、邯郸、邢台、保定、张家口、承德、沧州、廊坊、衡水、沈阳、大连、鞍山、本溪、丹东、锦州、营口、阜新、辽阳、盘锦、铁岭、朝阳、济南、青岛、淄博、枣庄、烟台、潍坊、济宁、泰安、威海、日照、临沂、德州、聊城、上海、南京、无锡、徐州、常州、苏州、南通、连云港、淮安、盐城、扬州、镇江、宿迁、杭州、宁波、温州、嘉兴、湖州、绍兴、金华、衢州、台州、丽水、福州、厦门、莆田、三明、泉州、漳州、南平、龙岩、宁德、广州、韶关、深圳、珠海、汕头、佛山、江门、湛江、茂名、肇庆、惠州、梅州、汕尾、阳江、清远、东莞、中山、潮州、揭阳、云浮、海口、三亚。作为样本，分析中欧班列对东部地区企业创新效率的影响，采用双向固定效应模型，运用stata16.0对模型进行回归，结果如表3所示。

表3 中欧班列对东部地区创新的回归结果

从表2可以看出，核心解释变量对被解释变量中发明专利申请数、实用新型专利申请数、外观设计专利申请数以及总专利申请数的回归结果在1%的水平下显著。其中，发明专利和实用新型专利的模型回归系数显著性要优于全样本。这表明，中欧班列的开通对东部地区企业创新的影响更为显著。在控制变量方面，投资吸引力对于企业创新的影响不再显著，东部地区近15年来并没有发生较大的变化，这主要是受益于东部地区长期营造的优良营商环境。企业规模的回归结果与全样本类似，均在1%的水平下表现出正向影响。财税自由度的影响在1%的水平下显著，与东部地区较强的财政营收能力有关。生产型服务业的集聚水平回归结果与全样本一致。

在此基础上，我们对中部八个省份所辖的80个城市(2)哈尔滨、齐齐哈尔、大庆、佳木斯、牡丹江、长春、吉林、四平、松原、白城、太原、晋中、运城、忻州、临汾、郑州、开封、洛阳、平顶山、安阳、鹤壁、新乡、焦作、许昌、漯河、三门峡、南阳、商丘、信阳、周口、驻马店、合肥、芜湖、蚌埠、淮南、马鞍山、淮北、铜陵、安庆、黄山、滁州、阜阳、宿州、六安、亳州、池州、宣城、武汉、黄石、十堰、宜昌、鄂州、孝感、荆州、黄冈、咸宁、随州、长沙、株洲、湘潭、衡阳、邵阳、岳阳、常德、益阳、郴州、永州、怀化、娄底、南昌、景德镇、萍乡、九江、新余、鹰潭、赣州、吉安、宜春、抚州、上饶。进行回归，Stata16.0回归结果如表4所示。

表4 中欧班列对中部地区创新的回归结果

表4的回归结果表明，中部地区核心解释变量对被解释变量中实用新型专利申请数、外观设计专利申请数以及总专利申请数的回归结果在1%的水平下显著，这与东部地区的模型回归结果基本一致。中欧班列对发明专利申请数的影响在1%和5%的水平下均不显著。在控制变量方面，投资吸引力的影响也不显著，企业生产规模在5%的水平下具有正向影响。与东部地区不同的是，在1%和5%的水平下，财税自由度对中部地区企业创新的影响都不显著，这主要是因为中部省份对于中央财政转移支付具有一定的依赖性，由此削弱了地方政府的财政和税收政策自由度。企业规模的创新影响在5%的水平下显著。

进一步对我国西部地区12个省份所辖的58个城市(3)乌鲁木齐、克拉玛依、呼和浩特、包头、通辽、鄂尔多斯、乌兰察布、西安、宝鸡、咸阳、渭南、延安、汉中、兰州、嘉峪关、天水、张掖、酒泉、定西、西宁、重庆、成都、攀枝花、德阳、绵阳、广元、遂宁、内江、乐山、南充、眉山、宜宾、广安、达州、雅安、巴中、南宁、柳州、桂林、梧州、北海、防城港、钦州、贵港、玉林、百色、贺州、来宾、资阳、贵阳、六盘水、遵义、安顺、昆明、曲靖、玉溪、丽江、临沧。进行回归，Stata16.0回归结果如表5所示。

表5的回归结果与东部和中部地区具有显著差异，尤其是创新领域的异质性更为显著，其中核心变量仅对外观设计专利在5%的水平下产生正向影响，对总专利数、发明专利数和实用新型专利数的影响均不显著，这是因为发明专利和实用新型专利主要是对技术和生产的创新。外观设计创新相对简单，且空间关联成本更低；而技术和生产的创新，不但需要创新要素的积累，还受到产业链、创新链和关联产业的影响，而这些都是西部地区城市的薄弱之处。其他控制变量在1%、5%和10%的水平下均没有表现出显著的影响，这也印证了经济基础对企业创新的影响。

表5 中欧班列对西部地区创新的回归结果

2.时间效应

随着中欧班列开通时长的延伸，中欧货运班次和运输量都在稳步提升，同时区域分工、市场拓展、要素流动以及资本积累也在默默地进行。中欧班列开通时间越长，企业创新的效率提升越明显。基于此，我们将中欧班列的开通时长作为连续变量，构建面板回顾模型，Stata16.0的回归结果如表6所示。

表6显示，在5%的水平下中欧班列的开通时长对发明专利数、实用新型专利数和总专利数均有显著的正向影响，而对外观设计专利的影响则不显著。可见，

随着中欧班列开通时长的延伸，技术密集型创新的效率逐步提升，而设计创新则并不依赖于时间的积累。中欧班列开通对于不同类型的创新分别表现出短期和长期的影响，对于设计创新的长期影响呈现“倒U型”结构。在控制变量方面，影响环境、财税自由度、生产型服务业集聚以及公共服务均在1%的水平下表现出正向显著性。当然，本研究中的时间维度还不够长，中欧班列开通时间最长的也只有8年，对于国内产业空间结构的影响还不够显著，甚至在区域分工过程中政府产业政策的选择会对企业的创新产生抑制作用，表6中企业规模的回归结果就说明了这一点。

3.稳健性及安慰剂检验

为了考查本课题研究在模型设计、方法运用和指标选取方面是否存在偏误，验证评价方法和变量解释的强壮力，我们通过改变样本匹配方法(近邻匹配变为核匹配)、剔除极端值(数据1%缩尾)、变更核心解释变量和虚拟时间安慰剂的方面进行稳健性检验，Stata16.0的回归结果如表7所示。

表7 模型的稳健性检验

结果表明：①匹配后，在全样本内中欧班列对国内站点城市企业创新的模型回归结果在5%的水平下回归参数为正值，这与原回归结果一致。②基于更换样本检验稳健性的思想，对所有变量进行1%的缩尾处理，结果表明在5%的水平下呈正向影响，可见中欧班列的开通有利于国内站点城市企业创新效率的提升，同样与原回归结果一致。③更换被解释变量，在原中欧班列开通的基础上增加中亚班列，考查跨国铁路运输通道对我国企业技术创新的影响，回归结果同样表现出5%水平下的正向影响。④在稳健性检验的基础上进行安慰剂检验。安慰剂检验的思路是构建虚拟的中欧班列开通时间，以考察国内站点城市企业创新是否由中欧班列导致的货物运输方式改变所带来。选取开通后第二年作为虚拟的开通时间，结果表明核心解释变量对被解释变量的影响在1%和5%的水平下均不显著，这与基准回归结果不同，说明中欧班列开通确实是国内站点城市企业创新的核心影响因素。

五、研究结论及政策建议

(一)研究结论

通过理论机制分析和230个样本城市的实证检验，我们得出以下结论：

1.中欧班列的开通压缩了中国企业和欧洲市场之间的“时空距离”，通过产业集群带来的规模效应和欧洲市场需求的倒逼效应，促进国内企业的技术创新、生产创新和设计创新。随着中欧班列开通时长的延伸，以工业制成品出口为主的运输效率得以提升，国内生产过程的区域分工进一步加深，对经济的长期发展将产生积极影响。

2.中欧班列开通对国内企业创新的影响表现出空间和个体的双重差异，东部地区的技术创新、生产创新和设计创新水平均得到显著提升；中部地区的生产创新和设计创新效率也显著提升；而在西部地区，中欧班列仅表现出对外观设计创新的促进作用。由此看来，成本的创新要素积累、产业基础和产业链均制约欧洲市场开通对国内企业创新效率的影响。另外，中欧班列开通的时间效应表明，对要素禀赋的依赖程度由低到高依次为设计创新、生产创新和技术创新。

3.地方政府的产业政策、财税政策、人才政策、营商环境以及公共服务水平，在一定程度上制约了中欧班列开通所带来的创新，限制了当地企业创新效率的提升速度，在时间和空间上均具有显著的异质性。

(二)政策建议

根据研究结论，我们认为要提升国内企业创新效率，首先要增加中欧班列的线路规划、开通班次以及经停城市；其次，地方政府在制定产业政策时，要充分考虑本地的要素禀赋，消除城市之间的要素流通壁垒，以实现创新空间的“雁阵模式”。总之，地方政府要从企业创新政策支持、人才流动政策支持、产业规划政策管理、对外开放政策松绑等方面为中欧班列沿线企业创新提供政策支持。