长三角交通基础设施对产业结构升级影响研究

曹 泽，王 靖

(安徽建筑大学 经济与管理学院，安徽 合肥 230601)

产业结构升级是指产业结构中的各产业的地位、关系向更高级、更协调的方向转变，[1]是一个复杂的、不断变化的动态过程。学者主要从三方面对产业结构升级的影响因素进行了研究。首先是人力资本因素,主要认为人力资本对产业结构升级的影响是正向促进的。其次，是科技创新的因素，地区创新对产业结构升级的促进作用显著而稳健。最后，是城镇化的因素，产业结构升级必须伴有城市化的发展。

学者还从不同视角研究交通基础设施和产业结构的关系。徐晓光等从多个视角对基础设施投资和产业结构调整进行研究：从时空异质性的视角，说明不同时期下基础设施投资均对产业结构调整有正向作用，特别是自2008年的金融危机之后，正向作用更显著；从作用路径的视角，说明基础设施投资不仅可以直接刺激产业结构升级，还可以通过扩大需求、改变要素配置、促进科技创新等机制推动产业结构升级；从边际效应差异的视角，说明当基础设施投资成为一定规模后才会对产业结构升级产生促进作用。[2]李慧玲、徐妍从减贫视角，建立了PVAR模型，以减贫、交通基础设施和产业结构调整三者的互动关系作为切入点，说明了交通基础设施带来的推动力，促进了产业结构调整和减贫效应，并且产业结构调整对交通基础设施也存在一定正向效应。[3]张景波从传导机制的视角进行研究，得到东部地区的交通基础设施促进第三产业转移，帮助产业结构向高级化过渡的结论。[4]

本文使用2010—2019年长三角城市群的数据，把研究尺度设置为更加细致的地级市层面，以空间视角分析了产业结构升级的空间相关性，并把交通基础设施引入实证模型，建立了空间误差模型，想要回答以下问题：1.过去十年，长三角地区的产业结构升级是否存在空间效应；2.交通基础设施的建设对长三角地区的产业结构升级有何影响。

一、研究设计与方法

1.数据与变量

本文以2010—2019年长江三角洲地区41个城市的面板数据为样本，原始数据来自各个城市的《统计年鉴》和《国民经济和社会经济发展统计公报》。

核心解释变量方面，按照郝凤霞的做法，[6]选取衡量交通基础设施的指标需要考虑交通建设的过程中存在的时间滞后性问题，并且长三角地区地势处于平原地带，公路建设的成本不会产生太大差异，所以指标选择公路密度：rdit=roadit÷Si，其中rdit为城市i在t年时的公路密度，roadit为城市i在t年时的公路里程，S为城市i的土地面积。

在控制变量的选择上，分别选择创新产出、政府干预程度和经济发展程度指标。

科技创新是产业结构调整的动力。区域的创新能力最直观的体现方式就是创新产出，而专利数据则是与创新产出关联最强的数据之一，专利申请量相对于专利授权量来说，排除了一定时滞性和机构偏好的干扰因素，能够更好地体现创新产出，[7]所以选取各地区每万人的专利申请受理量作为概括地区创新产出的指标，来衡量地区科技创新能力。

产业结构升级的方向和状态往往通过制度安排来体现，制度安排通过调整不同的资源配置情况来达到干预目的。这里采用郭婧煜等[8]的做法，将政府干预程度作为制度安排指标，用政府一般预算支出占GDP的比重来表示，衡量政府在产业结构升级中的作用。

经济的发展会导致人们一系列生活方式的改变，居民收入增加带来的是居民消费程度增加，因而产生了更多种的消费方式，大大提高了社会对于第三产业的需求。所以将经济发展程度也考虑到产业升级的影响因素中。按照余泳泽等人的做法，[9]本文选择人均地区生产总值作为经济发展程度的代理变量,具体见表1。

表1 变量定义与说明 元/人

2.空间自相关分析

检测空间依赖性存在与否，是应用空间计量的前提，而空间权重矩阵则可以反映个体城市在空间中的依赖关系。事物之间存在相关性，距离越近的事物，相关得更紧密。本文选取0-1空间相邻权重矩阵反映城市之间相邻关系。当城市相邻时，权重元素取1；不相邻时取0。

Wij={1,城市i与j在地理相邻

0，城市i与j在地理不相邻

(1)

为了构建空间计量模型，就必须先判定变量中是否存在着空间自相关性。空间自相关性是衡量区域内不同地区相互关联、依存的指标，位置相近的区域就具有相似的变量取值。莫兰指数通常被用来检测空间自相关性，计算公式为：

(2)

莫兰指数I在-1至1中取值。当莫兰指数I在0到1之间时，表示在空间上有高值与高值在空间上聚集在了一起、低值与低值在空间上聚集在了一起，是空间正相关关系；当莫兰指数I在-1至0之间时，表示在空间上高值与低值聚集在了一起，是空间负相关关系；当莫兰指数I接近0时，表明高值与低值在空间上随机分布，不存在空间自相关性。

3.模型设计

本文将实证分析分为两步，对比模型加入控制变量前后的变化以体现核心解释变量的影响。

第一步，为考察交通基础设施和产业结构升级之间的关系，根据上文莫兰指数及模型选择检验，排除控制变量，建立如下空间误差模型进行分析：

lnUpgrit=α0+βlnRDit+λWεit+μit

(3)

第二步，考虑到单一变量会产生的内生性问题，为解决上述问题，在(3)式中加入控制变量进行实证分析：

lnUpgrit=α0+β1lnRDit+β2lnCXCC+

β3lnZFGY+β4lnJJFZ+λWεit+μit

(4)

lnUpgrit为i城市在t年时的产业结构升级系数，lnRDit为i城市在t年时的公路密度，lnCXCCit为i城市在t年时的创新产出，lnZFGYit为i城市在t年时的政府干预程度，lnJJFZit为i城市在t城市的经济发展程度。α0为截距项，λ是空间误差自回归系数，W为邻接空间权重矩阵，μit为残差项。

二、实证结果分析

1.莫兰指数与空间自相关

全局莫兰指数的结果由表2给出，2010—2019年产业结构升级系数的英文指数值均大于零，并且在5%的水平下显著，说明存在空间正相关，有进一步建立空间计量模型的需要。

总体来看，长三角区域产业结构升级系数的空间的相关性分为两个阶段：英文指数值在2010—2014年呈上升态势，在2015—2019年呈下降趋势。这可能是由于2014年之前，长三角区域的发达城市如上海、杭州、南京等，其较高的城市化水平为产业结构升级提供了要素和空间支撑，[10]使得集聚程度增加； 2014年之后，随着国家新型城镇化规划的颁发，在对长三角政策上产生了导向性变化，后加入长三角城市群的城市逐步发展，产业结构升级的差距逐渐缓和，集聚情况有所缓解。

表2 2010—2019年产业结构升级系数的英文指数值

2.模型实证结果

(1)计量模型选择。设定空间计量模型的基本出发点是将研究对象间的空间相关性引入基础模型之中。在实证研究中，空间计量基本模型一般分为空间滞后模型和空间误差模型。为了判别两套基本模型谁更符合实际需要，需要引入拉格朗日乘子检验及其稳健性检验(LM检验)。由表3可看出，在加入控制变量的之前和之后，LM-error、R-LM-error均通过了1%水平显著性检验，空间误差效应显著且稳健；LM-Lag、R-LM-Lag均未通过5%水平下的显著性检验，意味着空间滞后效应不显著且不稳健。综上所述，应该选择空间误差模型。

随后，进行Hausman检验以确定是固定效应更符合模型的设定，还是随机效应更符合模型的设定。未加入控制变量时，模型的Hausman检验估计值为0.66，未通过显著性检验，故接受原假设，选择随机效应模型。加入控制变量后，模型Hausman检验估计值为541.26，并且通过了1%水平的显著性检验，所以应该拒绝原假设，选择固定效应模型。

双向固定效应则在考虑个体固定效应的基础上，同时将时间固定效应考虑进去，使模型设定得更加全面。所以在加入控制变量后，应选择双向固定效应模型。此时，模型的R-sq=0.311 4，Log-likelihood=1 391.522 7，说明拟合优度较高，模型的可信度较高。即选择双向固定效应下的空间误差模型。

表3 LM检验结果

(2)实证结果分析。表4为不加入控制变量时，随机效应下的模型估计结果。从估计结果看，公路密度的系数为正，并且通过了1%水平下的显著性检验，这初步证实了长三角地区交通基础设施的建设会推动产业结构的升级。但是单一变量的随机效应模型会假设解释变量与误差项没有联系，要求十分苛刻，可能会导致内生性问题的出现，所以需要引入控制变量来进一步验证结论。

表4 随机效应下的空间误差模型估计结果

表5为空间误差模型的具体估计结果。从估计结果来看，作为核心解释变量的公路密度的系数为正，并且通过了10%水平下的显著性检验，说明：在长三角地区，交通基础设施的建设将会推动产业结构的升级。同表4未加入控制变量时的对比可以看出，加入控制变量后的实证分析进一步验证了交通基础设施建设对产业结构升级的促进作用。交通基础设施的建设首先带来的是交通运输成本的降低，进而将使空间的壁垒更容易突破。长三角地区本就处于江海交汇之地，矿产资源丰富，生态系统类型繁多，人口密度大，为要素流通提供了基础。所以在资本、劳动力、知识、自然资源等要素的流动性得到加强的同时，交通基础设施的建设也扩大了企业经营范围，增加了市场规模，进而加剧了市场竞争，促进了产业结构自身变革。其次，从长远来看，交通基础设施的建设对地区间的产业发展的影响是长期而有效的。随着交通基础设施的逐步完善，交通基础设施前期建设的不利影响将逐渐削弱，随之而来的是对要素重组的效率提升，这将在很长一段时间内拉动产业结构升级。现在，长三角地区的交通基础设施已经足够发达，同时也在逐步向更高质量、更高效率转化，这将会进一步促进第二产业、第三产业的发展。特别是对于制造业、服务业来说，交通基础设施促进了其产业集聚，地区间存在着空间溢出效应显著，[11]地区的产业发展能有效拉动临近地区的发展。

经济发展对长三角地区的产业结构升级的影响系数为正，但是并没有通过显著性检验，可能是由于长三角地区作为我国发展最好的地区，但同时也是经济发展差距较大的地区，这就会导致经济发展的异质性问题和时间滞后性问题。在长三角地区整体经济的高速发展中，后划入长三角地区的一些省市地区，他们的经济发展水平并没有显著增加，所以产生了经济发展并不能显著地促进产业结构升级的结果。

政府干预度对长三角地区产业结构升级的负向抑制的显著性水平不高，产生这种情况的原因可能是由于地区间产业结构升级水平的差异性。这符合郭婧煜“长江经济带的产业结构升级与其发展战略的定制实施并没有明显的联系”[8]的观点。长三角城市群中的城市之间发展并不均衡，各个城市发展的侧重点不同，产业结构升级的水平会有很大差异。另外，尽管政府制定了一些产业政策，但是由于各地政府制度安排的动机、制度实施的能力和效率会有很大差别，导致产业结构升级的效果也大相径庭：当政府的效率越高，政策发挥的作用越明显，当政府效率低的时候，将会阻碍产业结构升级。[12]

空间误差模型考虑的是误差在空间上相关，而产业结构升级的影响因素绝不可能只有以上讨论的四个变量，所以很可能有更多的影响因素进入到随机误差项中，从而导致随机误差项在空间上相关。从表5中可以看出，误差项的空间自回归系数为0.615，并且通过了1%水平下的显著性检验。这表明模型中存在着通过误差而导致的空间相关的空间溢出效应，同时，这个空间溢出效应考虑了地理距离因素，更验证了长三角地区的产业结构升级与邻近地区的产业结构升级有关联作用。

表5 双向效应下的空间误差模型估计结果

三、结论与建议

本文使用产业结构升级系数作为评价产业结构升级的指标，并且以公路密度、城市创新产出、政府干预程度、城市经济发展程度作为影响产业结构升级的解释变量，通过41个长三角城市的2010—2019年的10年面板数据，建立空间误差模型，以空间视角研究影响长三角城市群的产业结构升级的因素。结果发现，长三角地区的产业结构升级具有强烈的空间相关性，同时存在着显著的空间效应，并且交通基础设施建设和科技创新能够显著地促进产业结构升级。而政府制度安排和城市经济发展并不能显著地影响产业结构升级。基于这些结论，可以为在新发展格局下，长三角地区的政策制定提出以下建议：(1)加大对交通基础设施的建设及完善，提高交通运输质量。要合理规划交通路线，统筹布局，提高交通效率，安排好施工进度，在确保建设工程的质量同时，将其施工作业的消极影响降到最低。在行业层面，要细化行业的发展前景，针对不同行业的不同特点，合理布局。在提升运输质量层面，以创新驱动交通发展，将前沿技术运用至交通运输，通过科技创新带来的新技术达到提升运输质量的目的。(2)坚持创新驱动发展战略，加大创新的投入，大力发展自主创新能力。在自主创新领域，人才的发展是重中之重。这意味着要对高校、企业等科研前线通过改革，达到人才培养的目的，形成强大的人才资源储备。同时，主抓当下科技发展的新浪潮，把握住新一轮科技革命，通过加大创新投入，在先进领域占领高点，以达到激活创新活力，从而引领发展的目的。不仅如此，还要建全创新体系，注重“产学研”一体，将创新成果能更好地转化为生产力，积极地促进地区之间的相互配合，降低创新结果的传播成本，从而为产业结构升级助力。(3)加大城市间的联系合作，继续大力推进“长三角一体化”建设，拒绝“各自为政”。长三角城市群要深化各地区的合作领域，因地制宜，发挥地区产业特色，扩大领域交流，不“关起门搞建设”，将产业结构升级的空间效应的范围扩大，创造地区之间的技术知识交流、创新信息共享和人才流通等要素融合的机制，构建起适合长三角城市群的合作发展体系，积极带动国内循环，增强内生动力，并走向世界，与国际循环接轨。推动跨界区域的共建共享，以共建地区产业园等方式，加强合作交流，推动产业集聚、产业深度对接，从而促进产业结构升级。