交通基礎設施對經濟增長的溢出效應分析
——基于我國省際動態面板數據分析

李一花,于富慧,亓艷萍

(山東大學 經濟學院,濟南 250100)

一、引言與文獻綜述

從改革開放到現在,我國的經濟一直處于高速發展狀態。同時,我國基礎設施的發展,特別是交通基礎設施的發展,伴隨著經濟的飛速增加,也實現了飛躍式發展。到2015年末,我國鐵路營業里程為12萬公里,其中高鐵營業里程為一萬九千公里,在世界高鐵總里程中的比重超過了百分之六十,在世界上排第一位;鐵路快速客運網也基本涵蓋了我國五十萬以上人口的都市;公路里程增加到了457.73萬公里,高速公路里程增加到了12.35萬公里;海運船隊運力規模增加到了一億六千萬載重噸,在世界上排第三位。發展迅猛的交通基礎設施的建設已經成為我國經濟飛速發展過程中的一個突出特點,同時也被認為是解釋“中國速度”的重要因素。

交通基礎設施和經濟增長的關系,一直是經濟學界被關注的重要問題。在國外,交通基礎設施和經濟增長關系的探究始于1940年。到了20世紀80年代,經濟學家對這個問題的研究進入到實證研究的層面,學者們開始構建經濟模型,并用新的計量方法來探索交通基礎設施與經濟增長的關系,其中做出重大貢獻的當屬Aschauer,Aschauer(1989)采用1948～1987年美國的時間序列數據,應用科布道格拉斯生產函數,探究了基礎設施與經濟增長的關系,發現高速公路、街道、機場等這一類的交通基礎設對經濟增長有著極大提高作用[1]。此后,Munnell(1990)同樣證明了基礎設施對經濟增長發揮著重要作用[2]。Demurger(2001)[3]、Hulten(2006)[4]、Chotia等[5](2016)都通過實證分析得出交通基礎設施的建設對經濟增長有很大影響的觀點。當然,也有部分學者的觀點與此不同。Holtz-Eakin(1994)從總投資中分離出了公共基礎設施投資,選擇美國高速公路的數據,用空間計量方法實證分析問題,結果表明以高速公路為代表的基礎設施投資對經濟增長的影響并不顯著[6]。Jiang(2017)運用SEM模型對1986～2011年中國地區級面板數據集進行實證分析,結果顯示交通投資對經濟增長的影響,在國家和省一級明顯不同[7]。Deng(2014)選取中國1987～2010年省級面板數據,運用面板閾值回歸模型,發現中國大部分省份的公路基礎設施影響程度已經過于飽和,不斷擴大公路網絡的效率并不高[8]。Shi、Guo和Sun(2017)采用1990-2013年的數據,運用向量誤差修正模型,研究基礎設施投資與中國地區經濟增長的關系,結果表明公路對經濟發展起到負向影響[9]。

目前國內學者對此問題的研究大概分為三種類型:

第一種類型使用的是時間序列數據,運用向量自回歸模型實證研究。任蓉(2012)[10]、蒲艷(2015)[11]、黃明清(2015)[12]研究發現,交通基礎設施投資對經濟增長有著長久平穩的作用。顧文青、張濤(2017)基于我國2001～2014年的數據,探究了公路基礎設施對流通經濟增長的作用,通過對其進行單位根檢驗、協整檢驗等,發現流通經濟增長是公路基礎設施建設的格蘭杰原因,而后者卻不是前者的格蘭杰原因[13]。第二種類型是采用面板數據,運用隨機效應、固定效應、GMM等計量模型進行研究。張學良(2007)[14]、蔡新民(2017)[15]基于面板數據研究得出,我國的交通基礎設施對經濟增長具有很大的提升作用。劉生龍、胡鞍鋼(2010)考查了1988～2007年間我國交通、信息和能源基礎設施在經濟發展中的溢出效應,發現前兩者的溢出效應明顯,能源基礎設施不明顯[16]。廖勇海(2012)選用了跨度13年的數據,發現鐵路和公路交通基礎設施對TFP增長的效應是不同的[17]。花中東、周楊雯倩(2016)采用2000～2013年皖北地區的數據,構建動態面板模型,發現皖北區域客運量、貨運量的增長不一定會帶來區域的經濟增長[18]。第三種類型是使用面板數據和空間計量模型,驗證交通基礎設施對經濟增長的作用。鄧丹萱(2014)、胡艷、朱文霞(2015)通過空間計量模型,研究交通基礎設施的溢出效應,結果發現其對我國經濟增長有正的溢出效應。董亞寧(2016)利用我國2003～2012年省級面板數據和空間杜賓模型,發現交通基礎設施會拉動本區域和臨近區域的經濟發展。邊嘯(2016)基于我國2001～2013年的面板數據,運用空間面板模型,分析了交通基礎設施對TFP增長的影響,研究表明我國鐵路基礎設施和公路基礎設施均對區域全要素增長有促進作用。趙雪陽(2016)選用面板SDM模型,研究發現交通基礎設施對浙江省TFP的提升起到負向作用,但阻礙作用并不大,電信基礎設施對浙江省TFP具有正向的總效應[19-25]。

綜合上述文獻,可以發現,當前的研究,大部分是針對交通基礎設施對經濟增長的直接影響,即把交通基礎設施作為一種要素投入來研究其對經濟增長的作用,而對交通基礎設施對經濟增長的溢出效應的研究很少,尤其是從全要素生產率角度探究基礎設施對經濟增長的影響的文獻則更少。本文選用1996～2015我國的省際面板數據,首先測算出全要素生產率,然后用廣義矩估計法(GMM)對交通基礎設施對經濟增長的溢出效應進行研究。本文內容分為以下幾部分:第一部分是引言與文獻綜述,第二部分是我國交通基礎設施的發展狀況,第三部分是我國省際全要素生產率增長率的測算,第四部分是交通基礎設施對經濟增長的溢出效應的實證研究,第五部分是結論與政策建議。

二、我國交通基礎設施的發展狀況

自建國以來,我國的交通基礎設施一直在穩步發展,尤其是改革開放之后,交通基礎設施的發展狀況良好,進步顯著。目前,比較全面的交通網絡在我國已經初步具備,公路、鐵路、民航、水路和管道的鋪設在快速進行。因為公路和鐵路在交通基礎設施中所占比重較大,結合本文選用的指標,下文將主要對公路和鐵路基礎設施的發展狀況進行分析。

(一)公路基礎設施的發展狀況

自1978年改革開放以來,由于經濟增長突飛猛進,公路運輸越來越被需要,巨大的轉變出現在了公路基礎設施的建設中。中央和地方各級政府對公路基礎設施的建設給予了極大的重視,分別在20世紀80年代前期和末期,設定并施行了國家干線公路網和國道主干線的計劃。于是,我國公路基礎設施建造的總體和階段性目標確立,交通基礎設施的建設提上日程,并由此開始了這一階段的飛速發展,為我國以后的經濟發展奠定了根基。

從統計數據看,我國的公路里程由1949年的8.07萬公里增長到2015年的457.73萬公里,增長了56.72倍,年平均增長率為6.95%;近10年來,公路里程的增加速度有了大幅提高,增長勢頭強勁(圖1)。當前,在我國華北、東北、華東區域已經構成了一條重要的運輸通道,公路基礎設施有了跳躍式的發展,公路網結構大大完善。

圖1 1949～2015年公路里程趨勢

在大力建設公路的同時,我國的高速公路的發展在從無到有再到形成網絡的過程中,基本上保持著長期、快速的發展。截至2015年,我國高速公路的里程為12.35萬公里,超越了美國成為了世界首位,覆蓋了除西藏之外的其他所有省市自治區。從統計數據看,我國的高速公路建設從20世紀80年代末才開始進行,在1998年開始飛速增長。從統計數據看,到2015年,我國的高速公里里程已經有12.35萬公里,1999～2015年的年平均增長率達到了27.47%(圖2)。

隨著交通基礎設施的不斷發展,交通的貨運能力也在逐漸增強。從統計數據看,我國的公路貨物周轉量在2008年之前的增長趨勢非常平穩,2008年之后,隨著公路建設的發展,公路貨物周轉量的增長速度也得到了飛速的提升,在近三年,其發展趨勢有再次趨于平穩的態勢;截至2015年底,我國的公路貨物周轉量已經達到57 955.72億噸公里(圖3)。

(二)鐵路基礎設施的發展狀況

自1949年建國以來,我國的鐵路干線、支線的累計里程一直處于增長狀態,且在2008年以后,增速明顯加快。從統計數據來看,截至2015年末,我國的鐵路(包括地方鐵路和合資鐵路)營業里程已經達到12.1萬公里,比1949年增加了近10萬公里,年平均增長率為2.67%(圖4)。現如今,我國已經基本形成了覆蓋東西南北的鐵路網,為我國的發展提供了有利保障。

圖2 1949～2015年高速公路里程趨勢

圖3 公路貨物周轉量變化趨勢

改革開放后,我國的鐵路運行質量也得到了快速提升。國家鐵路復線里程由1978年的7 360公里增加到了2015年的64 687公里,增長了7.48倍;而復線里程占營業里程的比重在1978年只有15.7%,到2015年,已經增加至53.5%,占營業里程的一半多(表1)。

表1 鐵路運行質量

數據來源:《中經網統計數據庫統》。

鐵路旅客周轉量是反映交通基礎設施運輸能力的指標之一,鐵路旅客周轉量越大,意味著在交通基礎設施發展的同時其客運能力也越強。從統計數據看,我國的鐵路旅客周轉量在2003年之前的增長趨勢一直保持平穩狀態,而后隨著鐵路的建設進程的加快,鐵路旅客周轉量增長的勢頭變猛,近10多年的增長量已經超越之前50多年,到2015年,鐵路旅客周轉量已經達到11 960.6億人公里(圖5)。

(三)交通基礎設施對經濟增長的作用

圖4 1949～2015年鐵路營業里程趨勢

圖5 1949～2015年鐵路旅客周轉量變化趨勢

交通基礎設施對經濟增長的作用主要有兩方面。一方面,交通基礎設施作為投資對經濟增長起到直接作用,另一方面通過交通基礎設施的規模效應和網絡效應,影響地區的產出效率進而對經濟增長發揮作用。

1.交通基礎設施對經濟增長的直接作用。在基礎設施建設投資階段,主要體現交通基礎設施對經濟增長的直接作用。從鐵路機場的修建到公路網絡的鋪設,在基礎設施還沒有投入使用時,大量的人力、物力和資源需要花費。政府對基礎設施總投資中最基本的一部分便是用在交通基礎設施上的投資,在進行交通基礎設施建設的時候,短期對生產、生活資料的需求產生,不僅能夠使勞動力的失業率有所下降,而且會拉動許多有關行業的進步,因而促進了生產質量和效率的提高,并且進一步對經濟發展起到拉動作用。2008年金融危機發生后,我國政府為了緩解經濟危機,推出了“四萬億”計劃,其中約有一半的資金投入到了農村基礎設施的建設和鐵路、公路、機場等交通基礎設施的建設中去,擴大了就業人數,帶動了行業發展,緩解了危機局面。

2.交通基礎設施對經濟增長的間接作用。交通基礎設施的建設會使一個地區的可達性變高,所以各種要素流入到這個地區的可能性也隨之增加。從地區的角度來分析,地區可達性的變化會對不同地區產生不同的影響。當一個地區的交通基礎設施比較完善的時候,地區內的企業獲取勞動力和土地等要素的成本相對較低,因此其技術效率會有大幅提升;與此同時,交通基礎設施相對落后的地區的資本、勞動力等會迅速流失到交通基礎設施相對發達的地區,本地區的經濟發展便會受到阻礙。交通基礎設施的建設會使交通成本下降、使專業化的分工水平升高,對要素的流動也發揮作用,于是通過規模效應和網絡效應,集聚經濟形成。它可以通過規模效應直接對全要素生產率和經濟增長產生作用,也可以通過集聚經濟內部的企業間的交流發生技術外溢使得技術效率得到提升,進而對經濟增長產生作用。值得注意的是,在經濟集聚為一些地區帶來了好處的同時,可能有另外一些地區正在遭受由于交通基礎設施的投入帶來的損失。

三、我國省際全要素生產率增長率的測算

全要素生產率,也叫做“總和要素生產率”,是指產出增長率中除勞動要素投入增長率和資本要素投入增長率部分之外的其他所有要素投入所帶來的產出增長率,它衡量的是某段時間里經濟效率的靜態水平。全要素生產率中的“全”,指的是除勞動要素和資本要素之外的其他所有要素的總和,包含技術進步、規模經濟、組織和生產創新、專業化等。全要素生產率的增長率是動態指標,不同于全要素生產率,它衡量的是經濟增長效率水平的動態性。具體來講,它是指總產出增長率除去要素加權投入增長率的余值。

(一)全要素生產率的增長率的測算方法

當前,索洛余值法是測算全要素生產率的增長率的主要方法。索洛余值法是索洛首先使用的,他利用生產函數,把全要素生產率的增長率看作產出增長率除去資本和勞動增長率之后的余值。通過索洛余值法測算出的增長率,同時包括了技術進步、測量偏誤和別的沒有考慮到的變量等多方面的影響,最重要的是它還納入了經濟增長中資本、勞動力要素投入無法說明的地方。

由于索洛余值法是基于經濟理論、經過嚴密的數學推算得出的,被國內外學者廣泛采納,因此本文選擇此方法來測算全要素生產率的增長率。它的大致步驟為:首先估計出總量生產函數,再算出產出增長率減去各要素增長率的余值,最后用它測算全要素生產率的增長率,因此索洛余值法也叫做生產函數法。索洛余值法有兩個假設條件:規模收益不變以及希克斯技術中性,在這兩個前提下,全要素生產率的增長率就等于技術進步率,所以各個地區的技術進步率是使用全要素生產率的增長率來衡量的。

運用索洛余值法進行測算的過程如下:

由傳統的Cobb-Douglas生產函數可知,當規模收益不變時,生產函數可以表示如下:

(1)

因為下文中使用的資本存量是用永續盤存法算出的,而在使用此方法的過程中,非基礎設施資本和基礎設施資本是無法分開的,所以需要將生產函數轉換為下面的形式:

(2)

將公式(2)稍作變形,得:lnA=lnY-αlnK-(1-α)lnL.

(3)

因為在規模收益不變以及希克斯技術中性的前提下,全要素生產率的增長率就等于技術進步率,所以全要素生產率的增長率公式即為:lnTFP=lnY-αlnK-(1-α)lnL.

(4)

其中,Y代表總產出,K代表資本存量,L代表勞動投入量,α代表資本產出彈性,1-α代表勞動產出彈性。

由公式(4)可以看出,總產出增長率減去勞動投入和資本存量增長率的加權平均值,即為全要素生產率的增長率,而它的增長率則受到總產出、資本存量和勞動投入量以及資本和勞動產出彈性這幾個參數的影響,所以要想得到全要素生產率的增長率,只要確定以上幾個參數即可。

(二)數據來源與處理

本文采用西藏以外全國30個省市自治區1996～2015的數據進行研究。數據是從各省市自治區歷年的統計年鑒中獲得的,缺失部分使用《中國統計年鑒》中的數據代替。

總產出Y由各省市自治區的年度實際GDP代替。因為下文中的資本存量的計算以1993年為不變價格,所以首先計算出1993=100的GDP指數,通過1993年的實際GDP和1993=100的GDP指數,把名義GDP折算為以1993年為基期的實際GDP,然后計算出以1993年為基期的GDP增長速度。

關于資本存量K的估算,1951年Goldsmith首先使用了永續盤存法之后,以后對資本存量估算的研究大都采用此方法,其計算公式為:Kt=Kt-1(1-δt)+It.

(5)

其中,Kt和Kt-1分別是第t年和第t-1年的基礎設施資本存量,δt是第t年的資本折舊率,It是第t年的基礎設施投資。

本文1996～2008年的資本存量來自金戈(2012)[26]的計算,2009～2015年的資本存量采用相同的方法計算而來。

勞動投入量L由各省市自治區歷年的一二三產業就業人員總數代替,然后計算出各省市自治區的一二三產業就業人員的增長速度。

關于資本產出彈性α的計算方法,有很多可供選擇,只要算出了α,勞動產出彈性1-α也就可以得到。假設規模報酬不變,因為份額法操作簡單,結果準確,使用相對廣泛,所以選用份額法估算資本產出彈性α和勞動產出彈性1-α。

本文借鑒牛龍(2013)[27]在《中國全要素生產率的測算與分析》中采用的份額法,計算公式如下:

(6)

(7)

利用以上兩個公式便可計算出1996～2015年各省市自治區的資本產出彈性α和勞動產出彈性1-α。

(三)全要素生產率的增長率的測算結果及分析

用上述方法和數據測算出的30個省市自治區1996～2015年的全要素生產率的增長率,這20年的平均增長率如表2所示。

表2 1996～2015年各省市自治區TFP的平均增長率

由表2可以看出,1996～2015年的TFP增長率全部是正的,但增長率水平都不高,也沒有大規模的變動,東部地區20年的TFP的平均增長率為2.63%,中部地區為2.88%,西部地區為2.37%。東中部地區的省份的TFP增長率大部分都在2%以上,西部地區除了最高的重慶增長率達到了4.96%,還有兩個省份低于0.5%,其他省份都在3%左右。

概括來說,我國各省市自治區近20年的TFP增長率都是遞增的,這說明在經濟增長的過程中,把資本和勞動的貢獻除外后,TFP在我國各省市自治區的發展中起到重要的作用。隨著中西部地區的大力發展,其TFP增長率逐漸提升,中部地區近20年的平均增長率已經超越東部地區,說明中部地區各省份對各種投入要素的利用率大大提升。

表3列出了我國各省市自治區1996～2005年、2006～2015年兩階段的平均TFP增長率。在1996～2005年這個階段,東部地區省份的TFP增長率大部分都在4%左右;中部地區的水平參差不齊,但一半以上的地區的TFP增長率也都達到了4%左右的水平,其中增速最高的吉林省達到了5.45%,最低的安徽省也有1.26%;西部地區的TFP增速稍弱。而在2006～2015年這個時間段里,東中西部三個地區的增速普遍較低,沒有一個省份的TFP增長率超過5%,只有三分之一的省份的TFP增長率在4%左右,還有三分之一的省份增速在1%以下,剩余省份的增速都在2%左右。由以上數據分析可以看出,在這兩個階段,各省市自治區的TFP增長率幾乎都是正的,說明TFP在經濟增長過程中起到了重要作用。

表3 1996～2005年和2006～2015年各省市自治區TFP的年平均增長率

對比1996～2005年和2006～2015年兩個階段的數據來看,有16個省份的TFP增長率要比這一階段要低的多,16個省份中,有9個屬于東部地區,5個屬于中部地區,剩下2個是西部地區的省份;有10個省份2006～2015年這一階段的TFP增長率要高于1996～2005年,這10個省份中大部分都屬于中西部地區;剩余省份在兩個時間的TFP增長率基本持平。出現這種現象的原因可能是,在1996～2005年,正是我國經濟飛速發展的時期,因此各省份的基礎設施如交通基礎設施和通信基礎設施的投入也隨著經濟建設而增加,因此這一階段的TFP增長率較高,而到了2006～2015年這個階段,由在2008年遭遇了全球金融危機,經濟增長速度驟降,而后幾年的增速也并未恢復危機前,不利的國內外環境使得對基礎設施的投入相對減少。從東中西部地區來看,因為東部地區經濟比較發達,所以受經濟危機影響較大,后期TFP增速放緩,而由于中西部尤其是西部地區經濟發展較為緩慢,且近些年國家在大力扶持西部地區發展,因此第二階段的TFP增長率反而有所提高或者與前一階段基本持平,說明西部地區正在逐漸提高對技術、人力等要素的利用。

四、交通基礎設施對經濟增長溢出效應的實證分析

(一)理論模型構建

本文主要研究我國30個省市自治區20年的交通基礎設施對經濟增長的溢出效應。這種溢出效應主要體現為規模效應和網絡效應。本文借鑒Hulten的研究方法,所用生產函數如下:Y=A(I,t)F(K,L,I).

(8)

其中,Y為總產出,I為基礎設施存量,K為非基礎設施資本,L為勞動力資本。

由公式(8)可以得知,基礎設施促進經濟增長主要通過兩種途徑:一是直接作用,即作為直接的投入要素,公式(8)中的F(K,L,I)項就是它的具體表現;二是間接作用,也就是本文所研究的溢出效應,對應的是公式(8)中的A(I, t)項,而這是一個標準的希克斯中性效率函數,它能夠讓整個生產函數外生性地移動。因為本文研究的是交通基礎設施投資對經濟增長的溢出效應,所以主要關注的是A(I, t)這一項。

其中,i表示區域,t表示時間。Ai,0表示初始生產效率,λi為外生的生產率變遷,參數γi衡量基礎設施的溢出效應。

在上述公式里,需要關注γ,但在現實生活中直接獲得γ是很困難的,所以可以通過計算全要素生產率的增長率來得到希克斯效率項A(I, t)。

把全要素生產率的計算公式TFPi,t=Yi,t/Fi(Ki,t,Li,t,Ii,t)代入公式(9)然后取對數,就能得到全要素生產率的增長率的計算公式:lnTFPi,t=lnAi,0+λit+γilnIi,t.

(10)

在公式(10)的右側有參數γ,因為右側的時間t和基礎設施等的獲取相對容易,因此需要測算左側的全要素生產率的增長率,然后通過回歸得到γ。

(二)實證模型與變量選取

1.模型形式與變量選取。lnTFPi,t=α+βlnTFPi,t-1+γlnIi,t+φlnXi,t+fi+εi,t.

(11)

其中,被解釋變量為TFP的對數,核心的解釋變量I有交通(transport)、信息(information)和能源(energy)基礎設施,控制變量X為政府支出(govern),貿易開放度為進出口總額(trade),產業結構(tertiary),人力資本(human)。

交通基礎設施選用交通基礎設施密度作為指標,信息基礎設施選用人均郵電業務總量作為指標,能源基礎設施選用人均能源消費總量作為指標。政府支出選用政府支出在國內生產總值中占的比重作為指標,進出口用進出口總額在國內生產總值中所占的比重作為指標,產業結構選用了第三產業就業人員占一二三產業就業人員總數的比重,人力資本選用了平均受教育年限作為指標。以上數據的來源均是《中國統計年鑒》、各省市自治區各年份的統計年鑒、《中國經濟與社會發展統計數據庫統計年鑒》和《中經網統計數據庫分省統計年鑒》。

2.變量選取中可能存在的問題及解決辦法。內生性問題。因為本文研究的是交通基礎設施對經濟增長的溢出效應,而根據以往的研究結果,兩者之間存在因果關系,能夠起到互相提高的作用。若它們之間的逆向的因果關系真的存在,那么解釋變量的內生性問題就會隨之出現。在本文的實證分析中,選用工具變量法來避免解釋變量的內生性問題。工具變量法共包含兩種方法,一種為一階差分GMM方法,另一種為系統GMM方法,它們都可以比較完善地處理解釋變量的內生性問題。

解釋變量的遺漏問題。動態面板數據中包含了較多個體的動態行為,而且有很大的樣本容量,所以可以較好的解決遺漏變量的問題。

測量誤差問題。測量誤差問題在基礎設施存量的測算中出現的可能性很大。在基礎設施的建設中,有一大部分的投資是私人資本,所以選用公共投資來衡量基礎設施存量必然會產生偏誤,這將使參數的估計結果有偏。為了解決貨幣指標在衡量基礎設施存量時的問題,越來越多的學者開始在研究中選擇實物指標來度量基礎設施。所以本文選取了實物指標來衡量交通基礎設施。因為測量誤差問題不可能避免,所以在盡量選擇適合的指標的同時,也通過差分的方法來盡可能消除產生的誤差。

3.模型變量的篩選。在完成上述指標數據的處理之后,用Stata14.0軟件,用GMM方法對上述動態面板模型進行了估計,但是實證結果并不理想,大部分的變量都不顯著。由于初步選取的變量的實證結果不顯著,因此用逐步回歸法來進行變量的剔除,直至確定最終的變量。

表4給出了解釋變量的篩選過程。因為初步選定的核心解釋變量有交通、信息和能源基礎設施三個,所以用被解釋變量分別和這三個變量進行回歸,發現交通和信息基礎設施的回歸結果顯著,能源的結果不顯著,因此保留交通和信息基礎設施,剔除能源基礎設施。然后用被解釋變量和這兩個解釋變量進行回歸,但是二者的結果都不顯著;逐步加入控制變量之后,結果仍舊不變,所以解釋變量只能選擇交通基礎設施或者信息基礎設施。

表4 解釋變量篩選過程

注:L.lntfp為被解釋變量對數TFP的一階滯后項;括號中的數值是t統計值的絕對量;①、②和③分別表示10%、5%和1%的顯著性水平。

表5給出了信息基礎設施做解釋變量進行逐步回歸的過程。在信息基礎設施做解釋變量的模型中引入政府支出后,模型中的每個變量都通過了t檢驗,結果顯著;但是再分別引入進出口總額、產業結構或者人力資本后,解釋變量變得不顯著,因此這三個變量是多余的,需要從模型中剔除。

在得出解釋變量情況的基礎上,分別利用交通基礎設施和信息基礎設施做解釋變量,加入控制變量進行逐步回歸對控制變量進行篩選。

表5 信息基礎設施基礎上的逐步回歸

表6 交通基礎設施基礎上的逐步回歸

表6給出了交通基礎設施做解釋變量進行逐步回歸的過程。在交通基礎設施做解釋變量的模型中引入政府支出后,模型中的每個變量都通過了t檢驗,結果顯著;然后引入進出口總額,所有變量仍舊通過了t檢驗;但是再引入產業結構或者人力資本后,解釋變量變得不顯著,因此這兩個變量是多余的,需要從模型中剔除。

由以上過程得出,本文最終選擇交通基礎設施、進出口總額與政府支出來建立模型。

4.模型與變量的最終選取。本文最終確立的實證模型是在公式(11)基礎上改進的,具體的模型設定為:

lnTFPi,t=α+βlnTFPi,t-1+γlntransporti,t+φ1lntradei,t+φ2lngoverni,t+fi+εi,t.

(12)

其中被解釋變量為TFP的對數,原始條件對TFP的作用由它的滯后項控制,f是地區固定效應,區域條件的作用用它來控制。解釋變量有交通基礎設施、政府支出和貿易開放度三種,其中,核心解釋變量是交通建設,政府支出和貿易開放度為控制變量。關于變量的詳細解釋說明如下。

核心解釋變量——交通基礎設施(transport)。本文和大多數文獻的選擇一樣,選用交通基礎設施密度這一存量指標。具體來說,本文選取了鐵路營業里程、公路里程和內河航道里程這三類交通基礎設施,考慮到下文的研究中各省市自治區的各年份的交通基礎設施存量應該能夠可比,本文借鑒了Demurger的方法,把各省市自治區的交通基礎設施密度作為交通基礎設施的衡量指標,具體操作為:鐵路、公路和內河航道里程求和后與各省市自治區的面積相比。

控制變量——政府支出(govern)。政府支出是政府為完成公共職能,支付的需要購買的貨物和服務的資金,它有生產性支出、消費性支出之分。政府支出對全要素生產率的影響有兩方面,其一,政府支出在教育、醫療等基礎設施建設上的投資對于經濟效率是有利的;其二,若政府支出大多是行政部門管理費,則不利于經濟效率。本文選取政府消費支出占GDP的比來代表政府支出,進而來衡量其對全要素生產率的增長的影響。

控制變量——貿易開放度(trade)。全要素生產率的提升即技術進步會帶來經濟的長期增長,而創新則會帶來技術的進步,因此研發投入經常被用來衡量一國的創新程度,一國的研發投入越多,自主創新程度越高,則技術進步的提高也會越快。但是我國仍舊是一個發展中國家,通過貿易,發達國家的研發創新的溢出效應,使先進的技術流入國內,進而被效仿吸收,使全要素生產率提高,貿易開放度在這一過程中起到關鍵作用。本文中的貿易開放度指標選用進出口總額占GDP比值表示(由于進出口總額的原始數據單位為美元,因此利用當年年均匯率將其單位轉換為人民幣),用它來衡量貿易開放度對全要素生產率的增長的影響。

各變量的描述性統計如下。

表7 變量的描述性統計

(三)實證結果分析

利用Stata14.0,本文分別用系統GMM方法和一階差分GMM方法進行了估計,回歸結果見表8。

表8的最后三行是在用兩種GMM方法的估計中,對其使用的工具變量進行的有效性檢驗,其中系統GMM的AR(1)檢驗的P值0.004 3小于0.05,一階差分GMM的AR(2)檢驗的P值0.0080也小于0.05,而兩個模型的AR(2)檢驗的P值和Sargan檢驗的P值均大于0.05,這說明在5%的顯著性水平下,系統GMM方法和一階差分GMM方法估計的參數都通過了工具變量的有效性的檢驗。

表8 交通基礎設施溢出效應的實證結果

從系統GMM方法和一階差分GMM方法的回歸結果來看,交通基礎設施對經濟增長均產生了溢出效應。在系統GMM方法中,交通基礎設施的估計系數值為-0.464 6,說明在5%的顯著性水平下,交通基礎設施對經濟增長產生了負向的影響效應,但是影響效果較弱。在一階差分GMM方法中,交通基礎設施的估計系數值為-0.688 6,說明在10%的顯著性水平下,交通基礎設施對經濟增長也是負向影響,但效果較弱。之所以得出這樣的結論,原因可能有多種,一種可能是,在過去的30多年期間,我國的交通基礎設施發展迅猛,各類基礎設施存量都位居世界前列,因此在基本的交通網絡已經形成的情況下,繼續增加交通基礎設施的投資對生產率的影響會減小;另外一種可能是,在交通基礎設施具有空間溢出效應的情形下,加強某地區的交通基礎設施的投資,其相鄰地區對人才和資金的吸引的壓力會增大,因此一個地區交通基礎設施發展會對鄰近區域的經濟增長產生負向溢出效應;還有一種可能是,由于技術進步和創新具有區域集聚的特點,在存在市場分割的情況下,交通的功能會減弱,不能很好的發揮對資本和勞動的集聚效應。

至于影響TFP的其他的變量——貿易開放度和政府支出,它們對TFP的增長有著明顯的促進作用。貿易開放度對TFP的增長有著正向的影響,說明通過貿易,國內企業不但可以學到國外先進的經驗技術,而且能通過競爭、模仿和學習效應帶動國內企業的技術水平的不斷上升,繼而促進生產率的提高。政府支出對TFP的增長有著顯著的正向影響,說明我國政府的管理效率在提升,用于改善公共基礎設施的投資支出所占比重在增長。

五、結論與政策建議

本文主要針對交通基礎設施對經濟增長的溢出效應進行了研究。通過選擇索洛余值法,對我國30個省市自治區的全要素生產率的增長率進行了測算,并對測算結果進行了分析。通過構建交通基礎設施對經濟增長的溢出效應的理論模型,運用1996～2015年的省際動態面板數據,利用系統GMM和一階差分GMM方法進行研究。本文得到以下結論:交通基礎設施對經濟增長產生了負向的影響,但是其影響效果較弱,表明我國的交通基礎設施發展已經達到一定的水平,基本的交通網絡已經形成,所以增加交通基礎設施的投資對經濟增長的影響會減小;貿易開放度則對全要素生產率的增長有著明顯的促進作用,這說明加大對外貿易和政府的投入力度,能夠提升全要素生產率;在政府支出方面,對全要素生產率的提高起到正向作用,說明政府在資源配置方面的效果逐步提高。

由實證分析結果,本文提出以下政策建議:

第一,對于交通基礎設施已經比較完善發達的地區,在今后的基礎設施建設中,應該更多關注其質量的提升和結構優化,應優先對本地區中尚顯薄弱的基礎設施部門進行投資建設。

第二,繼續深化國際合作和全球化步伐。通過合作交流,可以更好的借鑒發達國家的經驗,促進生產率的進一步提高。

第三,在政府支出方面,應當加大對公共服務和科技創新的支出,進一步優化資源配置,從而對全要素生產率的進一步提高創造條件。

[1]Aschauer D A.Is public expenditure productive?[J].Journal of Monetary Economics,1989, (23):177-200.

[2]Munnell A H.Why Has Productive Growth Declined? Productivity and Public Investment[J]. New England Economic Review, 1990, 30(Jan):3-22.

[3]Démurger S.Infrastructure Development and Economic Growth: An Explanation for Regional Disparities in China?[J].Journal of Comparative Economics, 2001, 29(1):95-117.

[4]Hulten C R, Bennathan E, Srinivasan S. Infrastructure, Externalities, and Economic Development: A Study of the Indian Manufacturing Industry[J]. World Bank Economic Review, 2006, 20(2):291-308.

[5]Chotia V, Rao N V M. Public Infrastructure Investment and Economic Growth: A Sector Wise Investigation for India Using Westerlund Panel Cointegration Approach[J].Romanian Economic Journal, 2016, 18(59):217-240.

[6]Holtze-Eakin D. Public-Sector Capital and the Productivity Puzzle[J]. Review of Economics and Statistics, 1994, 76(1):12-21.

[7]Jiang X, He X, Zhang L, et al. Multimodal transportation infrastructure investment and regional economic development: A structural equation modeling empirical analysis in China from 1986 to 2011[J]. Transport Policy, 2017, 54:43-52.

[8]Deng T, Shao S, Yang L, et al. Has the transport-led economic growth effect reached a peak in China? A panel threshold regression approach[J]. Transportation, 2014, 41(3):567-587.

[9]Shi Y, Guo S, Sun P. The Role of Infrastructure in China’s Regional Economic Growth[J]. Journal of Asian Economics, 2017, 49(4):26-41

[10]任蓉,程連元,謝卓然,等. 交通基礎設施投資與經濟增長的動態效應分析——基于VAR模型的實證研究[J].科技管理研究,2012,(4):85-89.

[11]蒲艷,庹君.四川省交通基礎設施建設對區域經濟增長的影響研究[J].生產力研究,2015,(7):80-82.

[12]黃明清,陳黎明.福建省交通基礎設施與經濟增長關系研究[J].交通科技與經濟,2015,(5):10-14.

[13]顧文青,張濤.公路基礎設施建設與流通經濟增長的關系——基于面板數據的格蘭杰因果關系檢驗[J]. 商業經濟研究,2017,(6):23-25.

[14]張學良.中國交通基礎設施與經濟增長的區域比較分析[J].財經研究,2007,(8): 51-63.

[15]蔡新民,劉金全,方毅.我國交通基礎設施建設對經濟增長的影響研究[J].經濟縱橫, 2017,(4):70-76.

[16]劉生龍,胡鞍鋼. 基礎設施的外部性在中國的檢驗:1988——2007[J]. 經濟研究,2010,(3): 4-15.

[17]廖勇海.中國交通基礎設施與全要素生產率關系的實證研究[D].重慶:重慶大學,2012.

[18]花中東,周楊雯倩. 皖北區域交通基礎設施與經濟增長實證研究[J].重慶交通大學學報(社會科學版),2016,(4):47-53.

[19]鄧丹萱.交通基礎設施的網絡效應及溢出效應的實證研究[D]. 北京:對外經濟貿易大學,2014.

[20]胡艷,朱文霞.交通基礎設施的空間溢出效應——基于東中西部的區域比較[J]. 經濟問題探索,2015,(1):82-88.

[21]董亞寧.交通基礎設施、空間溢出與區域經濟增長——基于我國省級層面的實證研究[J]. 商業經濟研究,2016,(3):200-202.

[22]邊嘯.交通基礎設施對全要素生產率影響研究[D].北京:北京交通大學,2016.

[23]周亮.財政與科技政策對全要素生產率的影響研究:以湖南為例[J].湖南財政經濟學院學報,2016,(5):95-105.

[24]徐鵬杰,王鶴.基于機場生產能力的民航運輸業與區域經濟發展的關系研究[J].湖南財政經濟學院學報,2016,(6):139-146.

[25]趙雪陽.基礎設施對浙江全要素生產率的影響研究[D]. 杭州:浙江理工大學,2016.

[26]金戈.中國基礎設施資本存量估算[J].經濟研究, 2012,47(4):4-14.

[27]牛龍.中國全要素生產率的測算與分析[D].杭州:浙江工商大學, 2013.