道路和通信基礎設施投資與中國技術進步

焦 娜，劉冰清，蔣仁愛

（1.西安交通大學校園規劃與基建中心，陜西西安 710061；2.西安交通大學經濟與金融學院，陜西西安 710049）

1 研究背景

基礎設施是一個國家或地區的企業和居民生產經營與生活的共同物質基礎，基礎設施投資建設不僅能滿足企業和居民基本生活需要，還能在一定程度上有利于提高生產經營效率。新中國成立以后，中國大力推動基礎設施投資建設，極大地便利了人民生活，同時也促進了中國的經濟發展，特別是改革開放之后，交通運輸線路的建設和通信網絡的覆蓋使得整個國家逐漸形成了一張縱橫交錯的大網，教育文化、水利電力、能源、體育、衛生醫療等方面的基礎設施投資建設也顯著加強，西氣東輸、南水北調、三峽工程、青藏鐵路、京滬高鐵等一系列歷時長、難度系數大的工程也順利完工，極大地滿足了各地區企業和居民的生產生活需要，為中國經濟發展提供了堅實的基礎［1］。Ma 等［2］和Ahlfeldt等［3］的研究也發現，一方面，交通基礎設施投資能直接促進經濟的發展，另一方面又能通過溢出效應間接促進經濟的增長。

進入21 世紀以來，隨著科學技術的進步、互聯網的普及，人們生產生活更加便利，信息交流更加便捷，信息通信技術（information and communication technology，ICT）的發展再一次深刻改變著人民生產、生活方式，有力推動著社會發展，對國際政治、經濟、文化、社會等領域發展產生全方位的影響［4］。ICT 的使用使得信息交流成本降低、交流更為便捷，大大提高了效率。Bronzini 等［5］和李天籽等［6］通過研究也發現，網絡基礎設施能通過空間溢出效應帶動經濟增長。

然而，經歷了這么多年的高速經濟增長，我國的人口紅利逐漸消失，經濟增長方式步入重要的轉型期，轉型的關鍵在于從依靠資本和勞動的要素驅動方式轉向依靠全要素生產率（total factor productivity，TFP）、提高技術進步對經濟增長的貢獻。在此重要轉型背景下，我們不能只關注于表面的基礎設施建設對經濟發展的影響，而更應該深入了解其背后動因，探究基礎設施投資是否能通過影響技術進步從而影響經濟發展。最早從基礎設施投資角度解釋生產率變動的學者是Aschauer［7］，他研究發現公共交通、高速公路和機場等交通基礎設施對全要素生產率有著顯著的促進作用；Duggal 等［8］研究發現基礎設施能夠通過引起全要素生產率的提高從而引起經濟的長期增長；Fernald［9］通過研究美國道路條件改善對當地密集使用車輛行業生產率的影響，也驗證了交通基礎設施的改善能夠有效促進全要素生產率提高。也有學者從勞動生產率的角度來探究基礎設施對技術進步的影響，如Albala-Bertrand 等［10］運用智利 1960—1998 年的數據檢驗了基礎設施投資與經濟成本結構和生產率變動之間的關系，結果表明基礎設施投資增加能夠降低經濟成本、提升勞動生產率。國內學者對基礎設施與技術進步關系的研究不多，田軍華［11］對中國30 個省份共10 年的面板數據進行分析發現，基礎設施對地區技術創新、技術溢出、勞動力配置具有正向的影響；王自鋒等［12］通過研究發現交通基礎設施規模與利用效率、能源和信息基礎設施規模都可以通過研究開發的途徑顯著促進全要素生產率；邊志強［13］通過考察中國省際網絡基礎設施對全要素生產率增長及其分解的溢出效應，發現本地交通基礎設施對本地技術效率的提高作用顯著，本地通信基礎設施對技術進步也有積極的正向影響；羅良文等［14］利用中國30 個省份2004—2013 年的面板數據，采用數據包絡分析（DEA）-Malmquist 指數測算法測算各省份全要素生產率，并借助動態面板模型從基礎設施投資角度分析創新和技術引進對全要素生產率的實際貢獻，研究表明中國基礎設施投資能夠促進全要素生產率的提高。

基礎設施投資作為一種極為重要的投資，在一國或地區發展中起著重要的基礎作用，由前述可知，其對經濟發展和技術進步的作用受到廣大學者的關注，但大部分學者只是重點研究某一類基礎設施建設對經濟發展或技術進步的作用，而沒有將不同類型的基礎設施進行比較研究，特別是傳統的基礎設施和新興的ICT 設施的差異。本文從地級市的層面出發，將基礎設施投資簡單分為道路基礎設施投資和通信基礎設施投資來進行對比研究，深入探討2001—2015 年間這兩種基礎設施投資對中國技術進步的影響及差異，以及探究不同地區、不同發展階段的基礎設施投資對技術進步影響的差異，希望能夠在一定程度上彌補現有文獻的不足，促進更加深入了解不同類型基礎設施投資的作用，并針對不同問題制定有關政策，促進經濟增長方式轉型。

2 變量及模型構建

2.1 數據來源及處理

本文相關數據來源于《中國城市統計年鑒》，涵括中國286 個地級市（以下簡稱“樣本”）。由于2015 年以后城市統計年鑒中不再統計各地級市的鐵路客運量和鐵路貨運量，而這兩個變量是構成道路基礎設施中客運總量和貨運總量的重要部分，因此，本文只選取了2001—2015 年的相關數據進行驗證。

2.1.1 被解釋變量

全要素生產率是新古典學派經濟增長理論中用來衡量純技術進步在生產中的作用的指標，是以索洛提出的用以衡量經濟增長中不能分別歸因于有關的有形生產要素的增長的那部分，即除去資本、勞動等有形生產要素以外的純技術進步的生產率的增長，因此本文使用全要素生產率來衡量技術進步。關于各地級市全要素生產率的測算，本文參照謝秋菊等［15］研究的做法，采用柯布-道格拉斯生產函數來進行測算，同時對柯布-道格拉斯生產函數兩邊分別取對數可得：

式（1）中：Y為產出量；α為資本的產出彈性；K為資本投入量；β為勞動的產出彈性；L為勞動力的投入量；A為一個希克斯中性進步，即全要素生產率。

本文假設柯布-道格拉斯生產函數規模報酬不變，即：α＋β=1，取α=0.2，β=0.8。各地級市產出總量Y用以2001 年為基期的生產總值（單位：萬元）來表示。L則用城鎮單位從業人員期末人數來代表。參照王勇等［16］研究的方法，采用永續盤存法計算資本K，測算公式為：

式（2）中：K為資本存量；I為每年固定資產投資量；t代表時間；δ代表固定資產折舊率，本文取15%。

2000 年資本存量計算公式為：

式（3）中：g為資本的年增長率。

2.1.2 解釋變量

本文將基礎設施投資分為道路基礎設施投資和通信基礎設施投資兩類進行研究。其中，道路基礎設施選取中國客運總量（TPT）、貨運總量（TFT）、城市年末實有城市道路面積（TRA）和城市人均道路面積（PRA）等4 個變量；通信基礎設施選取互聯網寬帶接入用戶數（NIS）、郵政業務收入（RPS）、電信業務收入（RT）和移動電話年末用戶數（NMT）等4 個變量。

2.1.3 控制變量

除此之外，一個國家或地區的技術進步情況還會受到外商直接投資（FDI）、科學技術支出（EST）、第二產業從業人員比重（SI）和人力資本（CU）的影響，隨著從業人數的增加、人力資本的升級、科技支出的增加以及外商投資所帶來的知識溢出效應的影響，技術水平會不斷提高，因此有必要在控制以上4 個變量的基礎上去研究基礎設施投資對技術進步的影響。

2.1.4 描述性統計

各變量的描述性統計情況具體如表1 所示。

表1 樣本變量的描述性統計

2.2 模型構建

2.2.1 基準模型的構建

基于本文的研究目的，建立基準模型如下：

式（4）中：i為地級市；t為年份；Xit為基礎設施投資；TFPit為全要素生產率；Zit為控制變量；εit為隨機干擾項。為了具體分析各類型基礎設施投資的影響，可將基準模型細化為以下3 個模型：

式（5）～（7）中:RII 為道路基礎設施投資，包括TPT、TRA、PRA 和TFT；CII 為通信基礎設施投資，包括NIS、RPS、RT 和NMT；FDI 為實際使用外資額；CU 為普通高等學校在校學生數，即人力資本；SI 為第二產業人員從業比重；EST 為科學技術支出。

考慮到2008 年金融危機對中國經濟帶來了不小的沖擊，本文引入時間虛擬變量Timeperiod，用以考察金融危機前后基礎設施投資對技術進步影響的差異。當處于2001—2008 年時，Timeperiod 取值為0,處于2009—2015 年時取值為1。則式（5）～（7）相應改寫為：

2.2.2 動態面板模型

在采用面板數據進行估計時往往會產生內生性問題，而全要素生產率所代表的技術進步往往具有持續性特征，因此將其滯后項納入模型能較好地解決模型內生性問題：

式（11）中：lnTFPit-1為i城市t-1 年的全要素生產率；其他變量與前述一致。本文用廣義矩估計方法（GMM）對模型式（11）進行估計。

2.2.3 門檻模型

為了分析基礎設施投資對技術進步影響的門檻效應，構建基準的單一門檻模型：

式（12）中：μi為個體效應；lnTFPit為全要素生產率；Xit為基礎設施投資；qit為門檻變量；λ為待確定的門檻變量值；Zit為一系列控制變量；εit為模型中的隨機誤差項；i為不同的個體；t為時間；I(·)為示性函數，當括號內條件成立時取1，否則取0。

如果存在雙門檻，模型式（12）可改寫為：

式（13）中：λ1和λ2為待確定的門檻變量值；Zit為一系列控制變量；其余變量與前述一致。

3 實證結果

3.1 基礎設施投資總體回歸結果

樣本城市道路基礎設施投資與全要素生產率的回歸結果如表2 所示。其中，（1）～（4）為時間固定效應模型，（5）～（8）為雙向固定效應模型。整體來看，4 個指標在雙向固定效應模型中的系數均略低于時間固定效應模型中的系數大小，但不論在哪種模型下，各樣本城市道路基礎設施投資指標均對TFP 有顯著正影響，且人均城市道路面積的影響系數最大，分別為0.034 和0.019，因此，在一定程度上說明了道路基礎設施投資能促進技術進步。

表2 2001—2015 年樣本城市道路基礎設施投資回歸結果

樣本城市通信基礎設施對全要素生產率影響的回歸結果如表3 所示。其中，（1）～（4）為時間固定效應模型，（5）～（8）為雙向固定效應模型。可以看到在兩種模型下，互聯網用戶接入數、移動電話年末用戶數、電信業務收入的系數均在1%的顯著性水平下正向影響TFP，而郵政業務收入的系數為負值，且在只考慮時間固定效應時不顯著，這也許是因為隨著網絡技術的發展，信息交流由書面轉向數字化，郵寄業務量下降。總的來說，通信基礎設施投資的增加也有利于促進科技進步。但與道路基礎設施投資相比，通信基礎設施投資指標之間的系數值差距較大，說明各項通信基礎設施投資對技術進步的影響差距較大；而在考慮了時間和個體的雙向固定效應模型中，通信基礎設施投資的影響系數顯著大于道路基礎設施投資的系數，說明在現階段通信基礎設施投資對技術進步的促進作用大于道路基礎設施投資的促進作用。以下選取道路基礎設施投資中的年末人均城市道路面積（PRA）與通信基礎設施投資中的互聯網寬帶接入用戶數（NIS）作進一步的分析。

表3 2001—2015 年樣本城市通信基礎設施投資回歸結果

3.2 分時間段回歸結果分析

由于在2001—2015 年的不同時間段樣本城市的發展情況不同，特別是金融危機前和金融危機后（即2001—2008 年和2009—2015 年）發展的差異大，所以將2001—2015 年劃分為兩個時間段來分別進行比較分析，結果如表4 所示。其中，（1）（5）為不區分時間段的基礎設施投資對技術進步影響的回歸模型，回歸結果的系數值均在1%的顯著性水平下為正值，說明道路基礎設施投資與通信基礎設施投資均能顯著促進技術進步，與前述兩類基礎設施對技術進步的影響一致；（2）（6）為分時間段的道路基礎設施對技術進步影響的回歸模型，（3）（7）為分時間段通信基礎設施對技術進步影響的回歸模型，（4）（8）為分時間段基礎設施投資對技術進步影響的回歸模型，從分時間段的結果來看，金融危機之后兩類基礎設施投資對技術進步的促進作用均有顯著下降，說明金融危機對技術進步沖擊較大。

表4 2001—2015 年樣本城市分時間段基礎設施投資綜合回歸結果

表4（續）

3.3 分地區回歸結果分析

為進一步了解不同地區的情況，本文根據區域經濟發展狀況將樣本城市分為東、中、西3 個地區進行比較分析，回歸的綜合結果如表5 所示。其中，（1）（2）（3）為只考慮時間固定效應的分地區回歸模型，（4）（5）（6）為考慮雙向固定效應的分地區回歸模型。可以看到，無論在哪個地區，道路基礎設施投資和通信基礎設施投資均有利于促進地區技術進步，而且在現階段，道路基礎設施投資的促進作用大于通信基礎設施投資；兩類基礎設施投資對西部地區技術進步的促進作用最大，分別為0.041、0.031 和0.022、0.016，東部和中部的兩類基礎設施投資對技術進步的促進作用相近，說明在現階段，相比于東、中部地區，西部地區技術進步更多地依靠基礎設施的投資建設，表明西部地區技術發展狀況略微落后于東、中部地區，與現實情況相符。

表5 2001—2015 年樣本城市分地區基礎設施投資綜合回歸結果

3.4 穩健性檢驗

樣本城市基礎設施投資對技術進步影響的GMM估計結果如表6 所示，其中（1）（2）為分時間的檢驗模型，（3）（4）（5）為分地區的檢驗模型。表6 結果顯示：全要素生產率的滯后1 期在所有模型中的系數均在1%水平下顯著為正，表明技術進步具有持續性；AR（2）和Sargan 檢驗均不顯著，說明這些模型沒有發現水平方程誤差項存在自相關問題，工具變量總體上也是有效的；在2001—2015年間，兩類基礎設施投資的系數值分別為0.011、0.021，表明其在10%的顯著性水平下促進了中國技術進步，而將金融危機作為一個轉折點進行對比發現，2008 年之后兩類基礎設施投資對技術進步的促進作用下降；分地區來看，基礎設施投資對各地區技術進步均具有顯著促進作用，且對西部地區的促進作用最大。穩健性檢驗結果與前述結果幾乎一致，說明本文分析結果穩健。

表6 2001—2015 年樣本城市基礎設施投資綜合回歸廣義矩估計結果

3.5 門檻回歸

本文還重點考察了樣本城市基礎設施投資對技術進步的門檻效應，檢驗結果如表7 所示，可知在10%的顯著性水平下外商直接投資、人力資本、科學技術支出均存在雙門檻效應，而第二產業從業人員比重不存在門檻效應。

表7 2001—2015 年樣本城市基礎設施投資對技術進步的門檻效應檢驗結果

樣本城市基礎設施投資對技術進步的門檻回歸結果如表8 所示，其中：（1）為道路基礎設施投資對技術進步的外商直接投資雙門檻回歸模型，（2）為道路基礎設施投資對技術進步的人力資本雙門檻回歸模型，（3）為道路基礎設施投資對技術進步的科學技術支出雙門檻回歸模型，（4）為通信基礎設施投資對技術進步的外商直接投資雙門檻回歸模型，（5）為通信基礎設施投資對技術進步的人力資本雙門檻回歸模型，（6）為通信基礎設施投資對技術進步的科學技術支出雙門檻回歸模型。可以看到，隨著門檻值的增大，不論是道路基礎設施投資還是通信基礎設施投資，對技術進步的影響都不斷增強，說明在基礎設施投資一定時，提高外商直接投資量、人力資本和科學技術支出均進一步促進技術進步。

表8 2001—2015 年樣本城市基礎設施門檻參數估計結果

4 結論與對策建議

本文主要分析了中國286 個地級市2001—2015年間道路和通信基礎設施投資對技術進步的影響，得出主要結論如下：首先，各個道路基礎設施投資指標均對TFP 有顯著正影響，說明道路基礎設施投資能促進技術進步，其中人均城市道路面積的影響系數最大，在時間固定效應模型和雙向固定效應模型中系數分別為0.034 和0.019；而通信基礎設施投資中互聯網用戶接入數、移動電話年末用戶數、電信業務收入在1%的顯著性水平下正向影響TFP，而郵政業務收入的系數為負值，且在只考慮時間固定效應時不顯著。總而言之，道路和通信基礎設施投資的增加均有利于促進科技進步，但通信基礎設施投資對技術進步的促進作用較大。其次，分時間段來看，兩類基礎設施投資均能顯著促進技術進步，但在2008 年之后對技術進步的促進作用均有下降；分地區來看，東、中、西3 個地區基礎設施投資均促進了地區技術進步，但對西部地區技術進步的促進作用最大，在時間固定效應模型和雙向固定效應模型中人均城市道路面積的系數分別為0.041、0.031，互聯網用戶接入數的系數分別為和0.022、0.016，說明相比于東、中部地區，在現階段西部地區技術進步更多地依靠基礎設施的投資建設，表明其技術發展狀況略微落后于東、中部地區，與現實情況相符。最后，從門檻回歸結果來看，隨著門檻值的增大，不論是道路基礎設施投資還是通信基礎設施投資對技術進步的影響也不斷增強，說明在基礎設施投資一定時，提高外商直接投資量、人力資本和科學技術支出均進一步促進技術進步。

基于以上的結果，本文提出以下政策建議：首先應加大基礎設施投資來促進中國的技術進步。雖然中國的基礎設施相對于以前已經有了翻天覆地的變化，但是相對于發達國家還是有很大的差距，而且中國土地面積廣闊、人口眾多，人均基礎設施擁有量低于世界平均水平，這遠遠不能滿足中國的發展需求，因此應加大基礎設施的投資，特別是通信基礎設施投資，以促進中國的技術進步。其次應加大對西部地區的投資。中國經濟發展十分不平衡，基礎設施投資建設也是如此，西部的基礎設施投資水平落后于東部，這導致了西部的技術進步水平落后于東部，因此應對西部的基礎設施投資加以扶持，改善西部地區基礎設施建設。最后應積極引進外資、增加科學技術支出、升級人力資本，從而提升基礎設施投資對中國技術進步的影響力。