高鐵可達性、空間溢出效應與制造業集聚

朱文濤，顧乃華

(1.集美大學 財經學院，福建 廈門 361021；2.暨南大學 產業經濟研究院，廣東 廣州 510632)

一、問題提出

交通基礎設施建設帶來的運輸成本節約，被認為是影響經濟活動的重要因素。2008年以來，中國進行了大規模的高鐵建設投資，每年均有新增的高鐵客運專線通車運營。截至2017年底，高鐵營業里程已達到2.5萬千米，占到全球高鐵營業總里程的65%。盡管國內外學者已開始基于中國案例考察高鐵開通的經濟和社會影響，但目前的研究大多停留在考察是否開通高鐵對本地經濟活動的影響，高鐵的空間溢出效應卻很少涉及。然而，高鐵作為一項重要交通基礎設施，具有很強的網絡外部性特征[1-3]。一個城市開通高鐵，可能不僅會對本地經濟活動產生影響，還會通過空間溢出效應影響周邊地區的經濟活動。如果忽略了高鐵溢出效應，將很難準確度量高鐵的經濟效應。

改革開放40年來，中國各地區制造業都獲得了較大程度的發展，但空間分布極不平衡。制造業高度集中于中心城市和經濟發達的東部沿海地區，而非中心城市和經濟欠發達的內陸地區，則普遍面臨著制造業份額偏低、集聚效應和規模效應無法充分實現的發展困境。制造業發展的空間失衡，帶來的經濟發展差距持續擴大，已成為制約中國經濟高質量發展的重要因素，在推進中國經濟由高速增長向高質量發展、實現經濟發展動能轉換過程中，必須更為關注制造業的協調發展問題。在此背景下，考察高鐵大規模通車帶來的城市可達性改善到底是進一步加劇了制造業發展的空間失衡，還是有助于促進區域間制造業協調發展具有重要的現實意義。實際上，高鐵通車對所在城市而言，最為直觀的作用體現在鐵路提速促使該城市與其他城市之間在旅行時間上的極大節約。旅行時間節約帶來的可達性條件改善改變了城市的區位條件，進而影響制造業在不同城市的集聚。基于這種考慮，本文以高鐵可達性為切入點，以66個具有鐵路客運站點的非中心城市為考察樣本，在測算城市之間的鐵路旅行時間基礎上，構造反映城市高鐵可達性的相關指標，實證分析高鐵開通帶來的可達性變遷對非中心城市制造業集聚的本地影響及空間溢出效應，進而從側面驗證高鐵在區域間制造業協調發展中所發揮的作用。

二、文獻回顧

進入21世紀后，有關交通基礎設施對制造業集聚影響的實證研究文獻日益增多，近年來一些文獻已開始從可達性視角，考察交通基礎設施對制造業區位的影響。如阿勞素-卡羅德和阿拉尼翁-帕爾多(Arauzo-Carod & Alaón-Pardo，2009)分析了交通可達性改善對制造業企業區位的影響，發現路網改善在工業區位決策中發揮著重要作用，更高的可達性意味著更低的旅行成本，使外部規模經濟更加可行，從而有助于集聚[4]。宋等人(Song et al.，2012)研究了首爾都市圈的產業集聚與交通可達性之間的關系，認為盡管首爾大都市地區迅速擴張，但中心商業區仍然是工業和運輸系統的中心，大多數工業子行業均在中心區域集聚，而只有初級制造業集聚不在中心區域，總體而言，運輸網絡與產業集聚呈正相關關系[5]。于等人(Yu et al.，2016)基于中國274個城市2000—2010年面板數據，探討高速公路網絡在空間經濟集聚演化中的作用，發現高速公路網絡的改善帶來的區域可達性改善導致經濟活動的地理集中程度更高。西部地區高速公路網絡對經濟集聚的影響是負向的，這意味著中國欠發達地區會由于道路可達性的增加而變得更加邊緣化[6]。另外，一些學者針對不同國家的研究也發現交通可達性改善對制造業區位具有重要影響[7-9]。從國內文獻來看，少數學者從可達性角度考察交通基礎設施對制造業企業區位的影響[10-11]。以上文獻多是以公路基礎設施作為研究對象，對鐵路設施帶來可達性改善的集聚效應考察則較少。

近年來，隨著高鐵在全球范圍內的興起，有關高鐵對制造業集聚的影響也日益引起學者的關注，但對于高鐵是否促進了制造業集聚以及高鐵促進制造業在中心城市還是沿線非中心城市集聚，仍然存在爭議。一項基于荷蘭的研究發現高速鐵路會影響企業選址，高鐵列車服務可以改變區位，對企業區位選擇有重要影響[12]。孫等人(Sun et al.，2017)[13]和戴等人(Dai et al.，2018)[14]也有類似發現。國內文獻方面，王鵬和李彥(2018)利用雙重差分法估計高鐵對城市群經濟集聚演變的影響，發現高鐵建設有助于城市群集聚經濟梯度效應的實現，整體上看高鐵促進了長三角城市群制造業的擴散和生產性服務業集聚[15]。李雪松和孫博文(2017)以京廣高鐵沿線城市為樣本，在構建內生運輸成本和工資對制造業集聚決定模型基礎上，分析高鐵開通對站點城市制造業集聚的影響，其研究發現高鐵開通對站點城市制造業集聚效應將逐漸經歷集聚加速、集聚弱化以及擴散階段，高鐵開通普遍提高了站點城市制造業集聚水平，對中心城市制造業集聚的影響處于集聚弱化階段，而對非中心城市的影響處于集聚加速階段[16]。盧福財和詹先志(2017)研究發現開通高鐵對工業企業集聚程度的提高具有顯著的拉動作用，這種拉動作用會隨著高鐵數量的增加而加強，高鐵對人口規模小于50萬城市制造業集聚影響最為顯著[17]。

從現有文獻來看，有關高鐵的制造業集聚效應研究，主要存在以下幾點不足：一是主要采用雙重差分法考察是否開通高鐵對本地制造業集聚的影響，雖然雙重差分法能夠部分克服高鐵建設的內生性問題，但虛擬變量的設置方法在估計高鐵邊際影響方面具有較強的局限性；二是忽略了高鐵和制造業集聚在地理空間上的依賴性和空間溢出效應，高鐵的網絡屬性和區域間經濟互動的加強，使得經濟活動普遍存在空間互動特征，忽略了空間因素，可能會低估高鐵發展對制造業集聚的影響。

相比于已有的文獻，本研究的創新點主要體現在以下幾個方面：一是將人文地理學中的可達性概念應用到高鐵影響制造業集聚的研究中，側重從可達性角度探討高鐵發展帶來的城市可達性改善對制造業集聚的影響，而從這個角度切入的國內文獻較為少見，本文的研究有助于拓展現有的研究；二是本文考慮了高鐵的空間溢出效應，采用空間杜賓模型考察高鐵可達性及溢出效應對制造業集聚的影響，克服了傳統估計方法中忽略空間互動可能導致低估高鐵集聚效應的不足。此外，本文的創新還體現在空間權重設置方面，以往的研究文獻多通過構造鄰接權重、地理距離權重估計空間計量模型，考察本地交通設施對周邊地區的溢出效應。一般認為溢出效應隨地理距離的擴大而呈現遞減特征，但實際上溢出效應隨距離衰減的速率也會受到地區間經濟發展差異性及制度質量異質性的影響。基于這點考慮，本文在構造空間權重過程中，除構造傳統的地理距離權重外，還構造了經濟地理復合權重和制度距離復合權重，能夠更為真實地反映距離衰減效應外，也保證了結果的穩健性，彌補一些研究文獻中忽略地區制度質量異質性和經濟發展差異性對距離衰減速率影響的不足之處。

三、變量、數據與模型

(一)變量選取與數據說明

借鑒孫等人(2017)[13]和紹等人(Shao et al.，2017)[18]的做法，本文用區位熵(LQit)作為衡量城市制造業集聚的指標，區位熵具體計算公式為：

(1)

其中，Muemployit表示城市i在t時期的制造業就業人數，Employit表示城市i在t時期的就業人數，Muemployall,t表示在t時期的全國制造業就業人數，Employall,t表示在t時期的全國總就業人數。

1.核心解釋變量

本文選取的核心解釋變量為高鐵可達性，借鑒陳和海恩斯(Chen & Haynes，2017)[19]類似的方法，本文分別構造了日常可達性系數和可達性潛力作為城市高鐵可達性的衡量指標。說明如下：

(1)日常可達性系數。該指標衡量了城市旅客通過鐵路運輸系統在一定的時限范圍內可以到達城市數量的機會，借鑒陳和海恩斯(2017)[19]的研究，本文將時間設定為4小時，4小時通常被認為可以進行舒適一日游的時間。采用日常可達性系數作為城市高鐵可達性的第一個替代變量，具體計算公式如下：

(2)

其中，Popj為城市j的人口數量，γij為時間閥值。如果城市i到城市j的旅行時間大于4小時，設γij=0；小于4小時，則設γij=1。

(2)可達性潛力。該指標是對城市接近市場可能性的一種度量。經濟地理學認為城市之間的相互引力與市場規模呈正比，與城市間距離成反比，將城市間距離用鐵路旅行時間加以替代，作為城市高鐵可達性的另一替代變量，可達性潛力的公式如下:

(3)

其中，GDPj,t為j城市在t時期的國內生產總值，Timeij,t為t時期城市i到城市j的鐵路旅行時間。

2.控制變量

為了減少遺漏變量造成的估計偏誤，本文加入人力資本(eduit)、產業結構(indusit)和政府支出強度(govit)等代表城市特征的控制變量。其中，人力資本采用萬人中在校大學生人數表示，也即人力資本=在校大學生人數/地區年末總人口；產業結構采用第三產業從業人員比重表示，也即產業結構=第三產業從業人員數/年末單位從業人員數；政府支出強度采用每單位國土面積財政支出規模表示，也即政府支出強度=(地方財政一般預算內支出-科技支出-教育支出)/行政區劃面積。

3.數據來源

本文數據來源于以下數據庫：一是國家統計局公布的2006—2013年《工業企業數據庫》。該數據庫涵蓋中國規模以上所有國有和非國有工業企業數據。由于本文考察對象是制造業，因此剔除了工業企業數據庫中非制造業企業樣本，僅保留制造業企業樣本，剔除行政區劃代碼缺失、從業人數小于10的企業樣本，并參考中國民政部網站公布的各年度縣級以上行政代碼，對企業所對應的行政代碼進行匹配。針對考察期內發生的國民行業分類標準變更情況，在進行分行業的區位熵計算時，通過行業分類轉換表(1)限于篇幅未列出行業分類轉換表，備索。，統一兩者的差異，保證數據的連貫性和可比性。二是鐵道出版社、北京極品時刻科技有限公司出版的《極品列車時刻表》。采用站站查詢的方法，通過輸入兩個城市站點，獲得兩城市站點的最短列車旅行時間；三是EPS全球統計數據及分析平臺中的中國城市數據庫，該數據庫包含中國城市層級的經濟數據，按照數據類型分為市轄區和全市數據。本文所有指標均采用全市數據。選取的數據時間段為2006—2013年，以66個外圍城市共528個樣本為考察對象(2)66個地級城市包括：唐山、秦皇島、邯鄲、邢臺、保定、滄州、廊坊、陽泉、錦州、遼陽、盤錦、鐵嶺、葫蘆島、吉林、四平、無錫、徐州、常州、蘇州、鎮江、溫州、嘉興、紹興、衢州、蚌埠、淮南、鞍山、滁州、宿州、六安、泉州、漳州、萍鄉、九江、新余、鷹潭、宜春、上饒、淄博、棗莊、濰坊、泰安、德州、開封、洛陽、安陽、鶴壁、新鄉、許昌、漯河、三門峽、商丘、信陽、駐馬店、黃石、十堰、宜昌、襄陽、孝感、咸寧、隨州、韶關、東莞、南充、寶雞、渭南。這些城市在不同年份中相繼開通高鐵，部分城市即使未開通高鐵，也能通過中轉方式獲得高鐵的溢出效應。。

(二)空間權重與空間相關性診斷

在進行空間計量分析之前必須對各變量的空間相關性進行檢驗，借鑒多數文獻的做法，采用莫蘭指數(Moran’sI)對各變量空間相關性進行檢驗，莫蘭指數的具體計算公式為：

(4)

空間權重矩陣Wij的設置無論對于空間相關性檢驗還是空間計量估計均十分關鍵，本文通過設置以下多種空間權重來確保實證結果的穩健性：

(1)地理距離權重(W1)。選擇較為常用的地理距離倒數平方來構造地理距離權重(3)兩個城市間地理距離測算是以城市的政府所在地經緯度為基礎，通過R軟件測算城市政府所在地之間的球面距離得到的。，具體公式為：

(5)

(2)經濟地理復合權重(W2)。城市間的關聯效應不僅體現為隨地理距離增加而衰減，還可能表現為經濟發展水平較高的城市對周邊城市的影響和輻射作用更強。本文借鑒李婧等(2010)[20]的做法構建以下經濟地理復合權重：

(6)

3.制度地理復合權重(W3)。除了構建地理距離權重和經濟地理距離復合權重外，本文還構造了基于制度地理距離的空間權重。由于歷史、文化和經濟原因，中國不同地區制度質量仍然存在明顯的差異。處于轉型期的中國，各地區市場化進程并不一致。制度環境越為相近的地區，要素流動所面臨的制度摩擦越小。基于這種考慮，本文在地理距離權重基礎上，進一步構造以下制度地理距離復合權重矩陣：

(7)

可以看出計算制度距離的關鍵在于測算城市的制度質量。然而，制度質量的測算是比較困難的。鑒于已有的研究文獻較多基于市場化水平來測度地區制度質量，本文也側重從市場化角度測算地區制度質量。借鑒王小魯等(2016)[21]構造市場化制度的方法，選取資源配置的市場化、非國有經濟發展、產權保護程度和經濟開放度等分項指標基礎上，運用主成分分析法測算考察期內各城市的制度質量。具體地，采用政府支出占GDP比重衡量資源配置的市場化程度(x1),該指標越小說明資源配置的市場化程度越高；采用城鎮私營和個體從業人員數占城鎮就業總人數比重衡量非國有經濟發展狀況(x2),該指標越大說明非國有經濟發展越好，市場化程度越高；采用人均專利申請授權數衡量地區產權保護程度(x3)，該指標越大表示產權受到保護的程度越高，該分項指標數據來源于專利云數據庫；采用工業總產值中外資和港澳臺企業產值比重(x4)以及外商直接投資占GDP比重(x5)衡量經濟開放程度，該指標越大說明地區開放程度越高。借鑒王小魯等(2016)[21]的做法分別采用式(8)對各分項指標進行線性標準化計算：

(8)

其中，Wk為某城市第k個指標的原始數據，Wmax是與所有考察的城市第k項指標相對應的原始數據最大值，Wmin為第k項指標相對應的原始數據最小值。為了使各年份指數具有可比性，采用式(9)計算t年的第k項指數：

(9)

其中，Wmax(1)表示k項指標在基期的最大值，Wmin(1)為k項指標在基期的最小值。在進行線性標準化后，通過主成分分析法，確定各分項指標權重。本文所選定的權重為上述各指數評分值序列第一主成分特征值。權重用Wi表示，衡量制度質量的綜合指數如下：

insit=w1Z1+w2Z2+w3Z3+w4Z4+w5Z5

(10)

基于以上三種空間權重矩陣，本文測算被解釋變量和核心解釋變量在2006—2013年的全局莫蘭指數值，具體如表1所示。可以看出三種不同權重的莫蘭指數均在0～1之間，且均在1%的水平上顯著，各變量表現出明顯的空間正相關性。

表1 2006—2013年主要變量的莫蘭指數

(三)空間杜賓模型的設定

空間相關性檢驗表明應將傳統計量模型拓展為包含空間關聯效應的空間計量模型。本文采用空間杜賓模型對高鐵可達性的溢出效應進行估計，空間杜賓模型(SDM)的一般表達式為：

Yt=δWYt+αlIN+Xtβ+WθXt+ε

(11)

其中,Yt為被解釋變量的列向量，W為空間權重矩陣，Xt為解釋變量矩陣，αl為常數項，IN為單位矩陣，δWYt為被解釋變量的空間滯后項，表示來自其他空間單元被解釋變量對本地區被解釋變量的溢出效應，WθXt表示來自其他空間單元解釋變量對本地區解釋變量的影響。δ、β和θ為待估參數，ε為隨機誤差項。如果θ=0，則空間杜賓模型將退化為空間自回歸模型(SAR)：

Yt=δWYt+αlIN+Xtβ+ε

(12)

而如果θ=δβ，則空間杜賓模型將退化為空間誤差模型(SEM):

Yt=αlIN+Xtβ+u

(13)

u=λWu+ε,如果θ+δβ=0，則有λ=δ

萊薩熱和佩斯(Lesage & Pace，2009)[22]認為使用點估計檢驗空間溢出效應，可能會出現模型估計偏誤問題。為了更為準確地估計空間溢出效應，必須借助于偏導數的方法，將總效應分解為直接效應和間接效應。具體地，可以將式(11)轉換為以下形式：

Yt=(1-δW)-1αlIN+(1-δW)-1(Xtβ+WXtθ)+(1-δW)-1ε

(14)

運用式(14)對解釋變量求偏導數可以得到：

(15)

式(15)最右端矩陣中對角線系數為直接效應，表示解釋變量對本地被解釋變量的直接影響，非對角線系數為間接效應，表示其他地區解釋變量對本地區被解釋變量的空間溢出效應。以上僅給出了空間杜賓模型的一般形式，結合本文的研究實際，用于實證分析的空間杜賓模型具體形式如下：

(16)

四、實證分析

(一)模型選擇及空間杜賓模型估計

本文利用貝洛蒂等(Belotti et al.，2013)[23]提供的xsmle程序進行空間杜賓模型估計，從穩健性出發，采用地理距離、經濟地理距離和制度地理距離空間權重進行估計。表2報告了基于MLE估計的空間杜賓模型回歸結果。在處理空間面板數據時，需要確定哪種模型對樣本的解釋力更強。表2下半部分報告了有關空間計量模型選擇的各種檢驗結果。具體地，本文通過以下一系列檢驗，驗證空間杜賓模型相比于其他空間模型的優勢及確定模型的最優形式：首先，通過豪斯曼(Hausman)檢驗對采用隨機效應還是固定效應進行判斷，三種空間權重下的檢驗結果均拒絕了采用隨機效應的原假設，說明采用固定效應模型更為合適；其次，通過伍爾德(Wald)空間滯后檢驗判斷θ=0是否成立，也即判斷SDM模型是否可以簡化為SAR模型，檢驗結果均拒絕了SDM模型可以簡化為SAR模型的原假設；本文進一步通過LR空間誤差檢驗判斷θ+δβ=0是否成立，也即檢驗SDM模型是否可以簡化為SEM模型，檢驗結果拒絕了SDM可以簡化為SEM的原假設。進一步，本文通過對比AIC和BIC值在SAC和SDM模型進行選擇，檢驗結果表明加入誤差項后并沒有使AIC和BIC值變小，說明相比于SAC模型，SDM模型更為合適。通過以上步驟，可以認為采用SDM模型是合適的。另外，SDM模型包含無固定效應、時間固定效應、空間固定效應和時空固定效應四種。本文主要通過比較LogL、Sigma2和R2的值大小進行判斷，最終選擇包含時間固定效應的SDM模型作為實證分析的基準模型。

表2各列報告基于不同權重的估計結果。表2列(1)和列(2)報告基于地理距離權重的空間杜賓模型估計結果；列(3)和列(4)報告基于經濟地理距離權重估計的空間杜賓模型回歸結果；列(5)和列(6)報告基于制度地理距離權重估計的空間杜賓模型回歸結果。可以從表2的回歸結果對城市高鐵可達性與制造業集聚之間的關系進行初步判斷，萊薩熱和佩斯(2009)[22]認為使用點估計檢驗空間溢出效應可能會出現模型估計偏誤問題，有必要借助偏微分方法，將總效應分解為直接效應和間接效應兩部分。從表2的回歸結果來看，各列回歸結果中各可達性變量的系數均顯著為正，但從各空間滯后項來看，兩個可達性變量的空間滯后項系數的顯著性卻存在一定差異。為避免點估計檢驗空間溢出效應可能出現的模型估計偏誤問題，本文借助偏微分方法，將總效應分解為直接效應和間接效應，表3報告了總效應分解為直接效應和間接效應的結果。

表2 不同空間權重下的SDM模型回歸結果

(二)直接效應與間接效應

1.直接效應

直接效應也即本地效應，表3報告了三種空間權重下的直接效應估計結果。可以看出三種空間權重下，兩個可達性變量的系數均為正，且均至少在5%水平上顯著，說明高鐵帶來的城市可達性水平的改善有助于提高本地區制造業集聚水平。可達性改善之所以有助于本地區制造業集聚水平的提高，可以從要素市場和產品市場兩方面解釋：在要素市場上，一個城市可達性改善，擴大了該城市要素供給的市場范圍，從而改善了要素供給條件。具體地，從勞動力要素供給來看，可達性條件的改善，使可供本地制造業企業使用的潛在勞動力供給范圍由本地擴展至周邊城市。而潛在勞動力市場范圍的擴大，不僅有助于企業的用工缺口及時得到補充，同時也有利于在充分的勞動力市場競爭中獲得適合企業發展的優質勞動力。從資本要素供給來看，可達性條件的改善，有助于促進城市之間的跨城互動交流，減少了城市之間因信息不對稱造成的合作難題。例如，兩個城市之間的可達性提高，能夠有效降低合作企業之間的監督成本，促進跨城企業間的投資合作。從技術要素供給來看，可達性條件的改善促進了城市之間的交流合作。無論是跨城企業之間的合作交流，還是技術人員的跨城、跨企業流動均會帶來一定的技術和知識溢出，技術要素供給有助于提高企業生產率。在產品市場上，可達性條件改善，擴大了該城市企業產品供給的市場范圍，有助于企業產品的輸出，從而提高企業經營績效。要素供給條件的改善和產品市場范圍的擴大，優化了城市的區位條件，吸引了制造業企業在該城市集聚。

2.間接效應

間接效應也即空間溢出效應。從表3可以看出，無論是用日常可達性系數還是可達性潛力變量作為城市高鐵可達性的替代變量，間接效應的系數為正且均至少在5%水平上顯著，說明可達性改善的空間溢出效應十分明顯。也即高鐵帶來城市可達性改善不僅有利于促進本地制造業集聚，同時會通過空間溢出效應提高與其鄰近的鐵路沿線城市的制造業集聚水平。高鐵帶來的城市可達性改善之所以存在顯著的空間溢出效應，主要原因在于交通基礎設施具有較強的網絡性，高鐵提高了整個鐵路網絡的運行效率，極大壓縮了城市之間的旅行時間，為生產要素的跨地區流動提供了便利，且能提高城市的經濟輻射能力。城市間稟賦存在差異，形成了不同的比較優勢。在可達性水平較低時，受交通成本的限制，生產要素的跨區流動較為困難，本地企業也不易將本地的生產能力向周邊外溢。高鐵帶來可達性改善，減少了生產要素和生產能力跨區流動的成本約束，促進了本地區相對過剩的要素和生產能力向周邊地區轉移。因此，高鐵不僅會促進本地制造業集聚，也會通過空間溢出效應促進沿線鄰近城市的制造業集聚。

表3 直接效應、間接效應與總效應

(三)行業異質性分析

制造業各行業要素投入不同，生產的產品各異，這使得對制造業各行業進行分類考察顯得十分必要。上文考察了高鐵帶來的城市可達性提高對制造業整體集聚的影響，這部分分別考察城市高鐵可達性對制造業不同行業的異質性影響。本文借鑒魯桐和黨印(2014)[24]的做法，將制造業各行業按照要素投入密集度將制造業行業分為勞動密集型、資本密集型和技術密集型行業，進行分行業回歸比較(5)勞動密集型制造業包括農副食品加工業(13)，食品制造業(14)，飲料制造業(15)，煙草加工業(16)，紡織業(17)，紡織服裝、鞋、帽制造業(18)，皮革、毛皮、羽毛(絨)及其制品業(19)，木材加工及木、竹、藤、棕、草制品業(20)，家具制造業(21)等9個二位數制造業行業。資本密集型制造業包括造紙及紙制品業(22)，印刷和記錄媒介復制業(23)，文教體育用品制造業(24)，石油加工、煉焦及核燃料加工業(25)，化學原料及化學制品制造業(26)，化學纖維制造業(28)，橡膠和塑料制品業(29)，非金屬礦物制品業(30)，黑色金屬冶煉及壓延加工業(31)，有色金屬冶煉及壓延加工業(32)，金屬制品業(33)等11個二位數行業。技術密集型制造業包括醫藥制造業(27)，通用設備制造業(34)，專用設備制造業(35)，交通運輸設備制造業(36)，電氣機械及器材制造業(37)，計算機、通信和其他電子設備制造業(38)，儀器儀表制造業(39)等7個二位數行業。。表4—表6分別報告基于地理距離權重、經濟地理距離權重和制度地理距離權重的估計結果。可以看出，在地理距離權重下的資本密集型和技術密集型行業中，無論是可達性潛力還是日常可達性系數變量的直接效應均為正，且至少在5%水平上顯著。說明高鐵發展帶來的本地城市可達性水平的提高能夠有效促進制造業集聚；間接效應也均為正，且在1%水平上顯著，說明高鐵帶來的城市可達性水平的提高也能夠通過鐵路的網絡效應促進周邊城市的制造業集聚水平的提高，存在顯著的空間溢出效應。從總效應來看，在資本密集型和技術密集型行業中，高鐵發展帶來的城市可達性提高對外圍城市制造業集聚影響的總效應均為正值，且均在1%水平上顯著。對于勞動密集型行業而言，可達性潛力和日常可達性系數變量的總效應均為負，且通過了1%水平的顯著性檢驗，說明可達性改善并沒有促進勞動密集型制造業集聚，而是會對其產生抑制作用。之所以出現這種情況，主要原因在于：相比資本密集型行業和技術密集型行業，勞動密集型制造業行業生產需要依靠大量的低廉勞動力投入，但由于其生產產品本身的附加值較低，無法提供較具競爭力的工資，這就決定了高鐵發展帶來的可達性水平提高，實際上并不能對該行業的勞動力流動產生明顯的影響，相反可能會由于可達性改善帶來的要素價格上升而不利于本地區勞動密集型制造業集聚。

表4 地理距離權重下直接效應、間接效應與總效應估計結果

表5 經濟地理距離權重下直接效應、間接效應與總效應估計結果

表6 制度地理距離權重下直接效應、間接效應與總效應估計結果

(四)穩健性檢驗

1.穩健性檢驗一：基于產值計算的區位熵指數

上文采用就業人數計算區位熵指數，分析高鐵帶來的城市可達性提高對制造業集聚的本地影響及空間溢出效應，那么如果采用制造業產值計算區位熵，實證結果是否依然成立呢？為了確保實證結果的穩健性，本文用制造業產值計算的區位熵指數替代就業人數計算的區位熵指數對式(16)進行回歸，以檢驗實證結果的穩健性。

以產值代替就業人數計算制造業區位熵進行的回歸結果顯示，在不同權重下，直接效應均為正值，且在1%水平上顯著。間接效應也為正值，也在1%的水平上顯著。替換被解釋變量的估計結果仍然支持高鐵帶來的可達性改善對本地制造業集聚有顯著的正向影響及對鄰近城市制造業集聚有正向空間溢出效應的實證結論(6)限于篇幅，未列示回歸結果。。

2.穩健性檢驗二:更換數據來源的回歸結果

本文用產值區位熵替代就業區位熵驗證實證結果的穩健性，但制造業產值指標仍然來源于國家統計局公布的中國工業企業數據庫微觀加總數據，那么如果更換數據來源檢驗結果是否有很大差異呢？如果有很大差異，本文的實證結論可能并不可靠。基于此，本文采用《城市統計年鑒》中規模以上工業總產值數據，替代穩健性檢驗一中采用的工業企業數據庫加總的制造業產值數據，計算產值區位熵指數，進行回歸檢驗。替換了數據來源之后，實證結果仍然支持本文的結論。(7)限于篇幅，未列示回歸結果。

五、基本結論與啟示

本文以66個具有高鐵客運站點的非區域中心城市為考察樣本，基于可達性視角，運用空間杜賓模型考察高鐵可達性及其空間溢出效應對區域非中心城市制造業集聚的影響。研究得出以下幾點結論：一是從整體上看高鐵可達性的改善對非區域中心城市制造業集聚水平提高產生顯著的正向影響，同時會通過空間溢出效應，提高地理鄰近、經濟鄰近及制度鄰近城市的制造業集聚水平。二是分行業來看，高鐵可達性改善對制造業的本地影響及空間溢出效應會因制造業行業不同而有所差異。具體來看，高鐵可達性對制造業的本地影響及空間溢出效應在資本密集型和技術密集型行業均十分明顯，高鐵可達性的改善不僅有助于提高城市本地的資本密集型行業和技術密集型行業的集聚水平，同時會通過空間溢出效應提高與其鄰近城市的制造業集聚水平。但對于勞動密集型行業而言，可達性改善的總效應顯著為負，這意味著高鐵可達性改善會對勞動密集型行業集聚產生顯著的負向抑制效應。這種負向抑制效應不僅體現為對本地勞動密集型行業集聚的負向影響，同時也體現于與該城市鄰近城市的勞動密集型行業的負向溢出效應。

基于研究結論，本文提出如下政策建議：一是在進行高鐵規劃時，應該充分考慮高鐵的空間重塑效應，在減少重復建設的同時，推進高鐵網絡向非區域中心城市以及欠發達地區延伸，讓更多的城市接入高鐵，盡可能實現高鐵服務供給的區域協調發展；二是未開通高鐵的非中心城市應該正視高鐵對本地制造業發展的重要意義，努力尋求與中心城市合作，開展城際高鐵和其他城際交通基礎設施的規劃和建設，使自身更好地融入中心城市經濟圈，同時充分發揮自身在要素價格方面的比較優勢，加強營商環境建設，以更好地承接制造業的產業轉移。