鐵路基礎設施外溢效應的區域比較研究
——來自中國省域面板數據的證據

□ 方 領 王保喜

內容提要 鐵路投資建設和客貨運輸不僅直接作用地區經濟發展，同時也會帶來間接外溢效應。本文基于我國30個省域1997～2017年的面板數據，通過構建固定效應和變系數的面板模型，運用SUR、GLS、FGLS 等估計法，驗證鐵路基礎設施資本與區域經濟增長的外溢關系，并在同一維度上實證比較分析我國區域間鐵路基礎設施外溢效應的差異。結果表明，省域以及地區之間的鐵路外溢程度差異較大，從地區看，基本呈現華東＞華北＞中南＞華南＞東北＞西南＞西北的差異格局，與城市群高度相關；除京滬蘇浙魯外，陜西、貴州等省域鐵路外溢效應較強。從鐵路影響機理來看，主要通過鐵路網密度、城市群區位差異、交通運輸結構、鐵路客貨結構等基礎變量，改變鐵路建設和運輸從而傳導至省域以及區域經濟，引起差異的存在。本文建議依托城市群，完善區域路網布局，構建城市群之間的鐵路“線”以及城市群內部城市間的網狀鐵路“面”；合理配置鐵路內外結構，提升鐵路供給效率。

一、問題的提出

據中國國家鐵路集團數據：截至2020年7月底，全國鐵路營業里程達到14.14萬公里，其中高鐵3.6萬公里。但是從省際或區域的角度來看，我國鐵路建設不均衡，京津及其周邊地區、華北平原、沿海等地區的鐵路密度較高，西部及內陸沿邊地區密度較低，最高與最低的地區鐵路密度相差甚至達到160 倍。交通運輸結構和鐵路運輸量亦是如此。為什么鐵路建設運營的不均衡與地區經濟間差異高度相關？很多文獻從鐵路建設運營的直接效應因素來分析地區差異的影響機理，但僅從直接效應對比分析地區差異是否不夠全面？

近幾年，很多學者開始關注和研究鐵路建設運營對國民經濟和區域經濟的間接效應，即外部性，如果是正的外部性則稱為外溢效應。假設將鐵路產業比作一個獨立的微觀企業，鐵路運輸業直接盈利創效并不明顯，投資回報率整體不高，甚至低下，但不可否認其對國民經濟的影響具有間接外部效應，且表現的經濟外部性特征也是正向的。它對一個地方經濟社會的帶動作用是多方面的，特別是鐵路成網后，主要表現在節約交通運輸時間和運輸成本，降低物流成本，提升國土空間價值等多方面的正向貢獻。

我國鐵路的自然壟斷屬性和準公共產品屬性是外溢效應產生的主要原因。我國鐵路雖然已經實行了“政企分開”，但仍過多承擔政府公益職能，資源配置效率受到一定外部影響，鐵路直接效應和間接效應同時存在。20世紀90年代以來，我國運輸需求增加，鐵路投資相應擴大，但是由于我國面積廣闊，地區發展環境差異較大，不同地區鐵路投資和鐵路運輸有很大的區別，從鐵路的宏觀外溢性角度去探究地區差異更為全面。基于以上分析，本文主要回答三個問題：第一，省際和地區間鐵路對地區經濟的外溢作用誰更大？第二，引起省際和地區間鐵路對經濟的外溢作用不同的傳導機理如何？第三，如何縮小地區間鐵路的外溢效應的差距？

二、文獻綜述

外溢效應即正外部性是經濟學中經常被討論、長期被研究的話題。外溢效應的理論基礎主要來自外部性經濟理論，其理論淵源可追溯到1756～1776年的重農學派關于農業部門對非農部門的外溢效應。無論是福利經濟學，還是新制度經濟學；無論是公共選擇理論，還是區域增長理論，都將外溢性和外部性問題作為重要的研究范疇。從研究領域來看，將基礎設施與外溢效應相結合的研究較多，但細分到鐵路行業，仍以數據統計分析為主，實證研究相對較少（寧驥龍，2018）。以交通運輸基礎設施與外部性相結合的研究為例，學者主要圍繞以下三個方面研究：一是作為基礎設施重要組成部分，對經濟增長有直接拉動作用和間接外溢性（魯渤等，2019）。二是通過降低物流成本（劉瑞娟等，2017），提升交通可達性、減少時空成本、促進要素流動等中間要素或方式起到外部性作用（林曉言，2015）。三是通過對其他產業的直接或間接影響，傳遞增長動力，進而帶動經濟增長（蔣荷新，2017）。

值得注意的是，從不同角度分析交通基礎設施對區域經濟的影響，其作用機理亦不相同。現有文獻分析的主要影響變量包括空間鄰近效應和時間累積效應（年猛，2019），城市生產率（潘勇濤和施震凱，2019），全要素生產率TFP（王思薇，2017），微觀企業的規模和效率（Agrawal et al.，2017），結構效應和增長效應（王雨飛和倪鵬飛，2016），城鄉收入差距（邵燕斐和王小斌，2015）等。Anselin（2012）從空間維度來分析個體之間的空間相關性，提出相鄰區域之間會受到空間相互作用，從而產生空間依賴性；由此可以看出鐵路在相鄰區域之間會受到空間相互作用，區域間的宏觀外溢性通過空間起作用。有研究表明，交通對城鄉收入差距具有空間效應，鐵路設施較好的地區能夠抑制相鄰地區的城鄉收入差距擴大（邵燕斐和王小斌，2015）；交通運輸總體上正向促進貧困地區經濟發展，但不同交通運輸方式在不同地區存在顯著差異（周文，2019）。有學者以高鐵為例發現距離高鐵站點越近的區域受高鐵的帶動影響越大，具有顯著的空間鄰近效應；高鐵在此區域累積運行時間越長，其帶動效應就越強，具有顯著的時間累積效應（年猛，2019）。潘勇濤和施震凱（2019）認為高速鐵路“1小時經濟圈”內對促進沿線城市生產率的作用更為顯著，非特大城市在生產效率、技術進步等方面對高速鐵路的響應更為顯著。上述研究結果基本證明了交通的正外部性，即外溢效應，但也有研究指出并非所有地區都受益于高鐵建設，而是存在“虹吸效應”，即中心城市集聚能力愈強，中小城市發展動能愈弱，會產生負的外部性 （Yu Qin，2016）。本文則從直接效應和間接外溢效應的維度，來分析鐵路對區域經濟的影響機理。

本文認為外溢效應是正的外部性。（1）關于外部性的定義。外部性是某個經濟主體對另一個經濟主體產生一種外部影響，而這種外部影響又不能通過市場機制自動調整，屬于作用機理之外的間接影響。它不僅是個體之間，還可以是企業之間、行業之間、市場之間，甚至是國家之間的外部影響，表現出成本的外部化和收益的外部化。在對象相互之間有主體與客體之分，更形象地說是，供體與受體之分，供體是行為（包括收益或成本）的提供者，而受體是行為的接受者，它們之間有主動關系和被動關系。（2）關于研究方法。國內學者研究外部性的方法和路徑主要是構建數據模型，大致有面板數據模型（魏瑋和畢超，2012；葉阿忠等，2017）、空間計量模型（崔百勝和楊曉勤，2017）。他們大都利用面板數據模型進行實證，但不同是的面板模型的不同類型用途和檢驗方法等延伸有差異。而本文是通過構建固定效應和變系數的面板模型，運用SUR 等估計法進行估計，這在分析鐵路的外溢效應方面是一種方法的探索創新。（3）關于研究視角。本文聚焦區域經濟、經濟地理、交通運輸結構等方面加以研究外溢性問題。鐵路的直接效應主要表現在鐵路投資的拉動經濟作用，間接效應主要體現在通過降低物流成本、提升區域經濟、提高空間可達性、縮短時間成本等變量來起作用，而鐵路外溢效應就是通過間接效應起作用。需要注意的是，我們在理解外溢效應的概念時，需要與范圍經濟、規模經濟等概念相區別。我們也在不少文獻中看到“正外部效應”、“外部化”、“溢出效應”“正外部性”等名詞，在本文中，這幾個名詞的含義與外溢效應并沒有變化，是相通的。

基于以上分析，本文可能存在的貢獻和創新有以下三點：一是將外部性理論與鐵路基礎設施對經濟社會功能作用相結合，創新性地探索分析外部性背景下的鐵路發展；二是驗證鐵路基礎設施資本對區域經濟增長的外溢關系，并且在同一維度上進行省域間、地區間鐵路基礎設施資本的外溢程度比較；三是分析引起鐵路外溢程度差異的重要原因和影響機理，這在一定程度上擴展了現有研究范圍。

三、模型與數據

（一）實證模型

20世紀50年代后期產生了以索洛為代表的新古典經濟增長理論；20世紀80年代后期至90年代初期，這一階段產生了內生增長理論。內生增長理論的一個簡單生產函數Y=AK，其中Y是產出，K是資本存量，A是常量，它假定資本的邊際收益不變，不存在資本邊際收益遞減是內生增長模型和新古典增長模型的關鍵區別。

在內生增長理論文獻中，Romer（1986）將個體資本投入的外部性考慮進來，創造性地提出，假定資本的邊際收益不變，當資本趨向于無窮大時，即使資本邊際生產率下降到0，只要存在一定的外部性，在一個簡單的新古典增長模型中就可以獲得長期的內生增長。擴展來講，從整體與個體的范疇來看，通過某個個體投資，如知識（張涵和楊曉昕，2019）、教育、技術（李正彪和薛勇軍，2019）、基礎設施等，不僅可以提高樣本中“個體”自身的產出，也可以提高全體樣本“整體”下的其他個體樣本的產出，這就是正的外部性（即外溢效應）體現。根據上述假設，生產函數可以表示為：

其中k表示個體的資本存量，K表示整個經濟的資本存量，。可將式（1）改寫為：

其中β 是一個大于0 的常數。就整個經濟而言，在計算單個行為人的資本邊際生產率時，我們不能再把K當作一個外生變量，需要考慮k對K的影響。在β＞0 的情況下，資本的社會收益必然大于私人收益，行為人的投資也就具有正的外部性。

將式（2）細化如下：

結合式（2），考慮將鐵路資本的因素引進，分析各省的鐵路投入對經濟增長的影響及其差異。在此將式（2）中的k的內涵擴展，考慮區域經濟增長的不同條件，不僅包括鐵路基礎設施稟賦，還包括人力資本投資、開放程度、政府支出等。構建實證模型如下：

式（5）中，GDP代表各省域實際生產總值（1997=100）；railway用來衡量各省域和地區的鐵路基礎設施資本存量。由于鐵路投資的央地分開，中國鐵路總公司投資國家鐵路網線，各省域投資地方鐵路建設和城際鐵路建設，這樣簡單從各省域投資數據來看，并不能涵蓋本地區所有鐵路投資。從鐵路里程來看，一個地區的鐵路投資與本地區的鐵路運營里程高度相關（后續會有證明測算），鐵路基礎設施資本量可以看作是鐵路里程數的線性函數，故此處用鐵路運營里程衡量各省域和地區的鐵路基礎設施資本存量特征；K代表各省域（或地區）的資本總量；X包括影響經濟增長的一系列控制變量，包括人力資本、外商直接投資等變量；Z代表虛擬變量，本模型不設定虛擬變量。α、β、γ 分別表示不同資本的產出彈性，即對產出的反應度。

（二）數據說明

本節選取全國30個省、直轄市、自治區（簡稱省域，不包含西藏）1997～2017年的面板數據，分析鐵路作為影響因素，如何影響經濟增長，通過比較估計參數，來驗證鐵路的外部性及其鐵路資本差距對區域經濟的影響。本節選取的變量主要有：

1.經濟產出指標。地區或國民生產總值作為經濟產出的指標，用GDP表示。各省域的產出均是以1997年的不變價格表示。不變價格GDP是通過用當年的GDP除以居民消費價格指數獲得的，當年的GDP來源于1998～2018年的《中國統計年鑒》，在《中國統計年鑒》中各省域的居民消費價格指數是以上一年為100 給出的，因此需要在計算各省域的GDP時將價格指數換算成1997年（1997=100）的價格指數。

2.鐵路基礎設施資本指標。正如前面介紹，我國鐵路投資體制是鐵路投資的央地分開，中國鐵路總公司投資國家鐵路（俗稱國鐵），投資主體是中國鐵路總公司；各省域投資建設本地區鐵路（俗稱地方鐵路），其投資主體是各省的鐵路投資公司。當前，由于各方投資主體的不同，雖有總量上的統算，但具體到某一個省域或地區范圍的鐵路投資數難以有權威的數據公布。本節從另一個角度來審視鐵路基礎設施資本存量，由于鐵路基礎設施資本量可以看作是鐵路里程數的線性函數（krailway=c+α·lengthrailway+ε），因此從鐵路里程的角度來看，一個地區的鐵路投資與本地區的鐵路運營里程高度相關，本文用鐵路運營里程衡量各省和地區的鐵路基礎設施資本存量。

3.總資本指標，亦稱資本形成總額。包括固定資本形成總額、存貨變動兩部分。各地區的資本形成總額數據來源于wind 數據庫，各地區的數據以1997年為基期來統一換算。

4.控制變量指標。包括人力資本（human）、外商直接投資（fdi）、政府購買（govern）等變量，人力資本用各地區教育經費表示，外商直接投資利用外商直接投資實際使用金額衡量。其中人力資本、外商直接投資、政府購買三個指標根據價格指數調整成以（1997=1）來比較。

根據上述分析，所有變量的描述統計如表1：

（三）模型分類與選擇

面板數據模型可以分為固定效應和隨機效應模型。當ci和railwayi，t、Ki，t等解釋變量相關，即cov（railwayi，t，Ki，t，ci）≠0，則該模型為固定效應模型；反之為隨機效應模型。對個體效應的處理方式不同是上述兩種模型的主要差異。固定效應模型是假設個體效應在組內是固定不變的，個體間的差異反映每個個體都有一個特定的截距項；而隨機效應模型則假設所有的個體具有相同的截距項，個體間的差異是隨機的，這些差異主要反映在隨機干擾項的設定上。

表1 變量的描述性統計

基于上述觀點，一般認為，樣本來自一個較小的母體時，應該使用固定效應模型，而當樣本來自一個很大的母體時，應當采用隨機效應模型。然而，在具體的應用中，大母體和小母體并沒有一個嚴格的界限。因此，有些學者認為，選擇固定效應模型和隨機效應模型應當使用兩者是否滿足前提假設條件來判斷，同時借助相關檢驗方法識別。

固定效應還是隨機效應？通過檢驗說明個體效應需要被納入到模型中后，應該將ci看成隨機干擾項的一部分（隨機效應模型）還是待估計參數（固定效應模型）。一般地，利用Hausman 檢驗來判斷面板數據模型的選擇，Hausman 檢驗統計量有助于更優選擇固定效應模型還是隨機效應模型。通過stata 程序相關命令輸出結果可知：F 的統計量為109.03，P 值小于0.01，說明個體效應顯著，因此后面會通過SUR 模型估計不同地區的個體差異。如果Hausman 檢驗結果為負值，可以加入Sigmamore 或者Sigmaless 檢驗，不過一般只要Hausman 檢驗為負值，大多采取拒絕原假設，即采用固定效應模型，上述模型的檢驗值為-1637.35，故面板模型采用固定效應模型。

四、實證結果分析及穩健性檢驗

（一）實證結果

表2 中給出的是對式（5）的面板模型的實證回歸結果。被解釋變量為各省域生產總值的對數，解釋變量為各省域的鐵路里程、資本存量的對數，控制變量為人力資本和外商直接投資的對數。

表2 方程（5）的面板模型回歸結果

由表2可見，整體擬合效果較好，lnrailway、lnk、lnhuman、cons的回歸系數在1%的水平上顯著，lnfdi的回歸系數在10%的水平上顯著。lnk的回歸系數為0.306，且大于0，同時大于lnrailway的回歸系數0.116，表明鐵路資本對整體資本有外部性，即有外溢效應，表明資本的總效應大于鐵路資本的收益。

下面利用SUR 估計法考察省域間的差異。SUR 回歸，即似不相關回歸，用于估計多方程系統的主要方法之一，另一主要方法為聯立方程組。SUR 回歸在估計時，“各方程的變量之間沒有內在聯系，但是各方程的擾動項之間存在相關性”。表3是SUR 估計考察省域間差異的估計結果。從回歸的t檢驗來看，回歸結果較為顯著，其中β1為lnrailway變量的系數，β2為lnk變量的系數，特別是β2的估計在各省域中非常顯著。

根據表3，首先分析lnk變量的系數β2，因為β2的大小能夠直接反映各地區的鐵路外溢效應的作用正負與強弱。從變量系數β2的估計有效性來看，大部分省域的t值都大于2，通過了t檢驗，在1%的顯著性水平上顯著。但值得一提的是只有重慶沒有通過t檢驗，山西雖然通過了檢驗，但相對顯著性弱一些。總的來看，大部分省域中鐵路的基礎設施資本存在正的外部性，與式（5）的面板模型的實證回歸結果非常吻合，既個體的實證與整體的實證是吻合的。分省域來看，有五個方面的特點：（1）β2大于1 的省域，只有北京，意味著北京的鐵路基礎設施建設資本的溢出效應最大，為1.76。（2）β2處在［0.5，1］區間的有上海、江蘇、浙江、山東、陜西、貴州6個省域，其大小分別是0.624、0.604、0.645、0.664、0.550、0.534，這5個省域的β2鐵路基礎設施資本的溢出效應比較強。（3）大部分省域的估計大小在［0.2，0.5］區間內，在30個省域中共有22個省域的鐵路基礎設施資本溢出效應在該范圍內，相對較大的有河北、甘肅、河南、四川、江西、內蒙古、湖南等。（4）山西、青海、寧夏的變量系數β2非常小，分別是0.150、0.106、0.083，它們的鐵路基礎設施資本溢出效應非常小，山西的變量系數β2顯著性相對較弱。（5）只有重慶的變量系數β2為負數，從估計過程來看，其沒有通過t檢驗，系數估計不顯著。如果有其他原因，有可能是其鐵路的吸附效應大于溢出效應。

圖1 各省域β1 與β2 的散點圖和聚合效果

其次，再來對比lnk變量的系數β2和lnrailway變量系數β1，結合表3進一步分析。一般來說，lnk變量的系數β2是大于lnrailway變量系數β1，因為鐵路基礎設施資本的溢出作用在整個資本上體現的，而不是鐵路基礎設施資本自身的大小，換句話說，鐵路基礎設施資本的溢出是通過包括鐵路資本在內的整體資本起作用。在同一估計模型前提下，整體資本的溢出大小代表了鐵路基礎設施資本這一部分資本的作用大小。從表3發現，30個省域中有25個符合這一要求，只有遼寧、湖北、重慶、青海、寧夏是不一樣的結果。但仔細發現，正如上文所論述的，重慶的變量系數β2為負數，沒有通過t檢驗；青海、寧夏的變量系數β2也非常小，分別是0.106、0.083，溢出效應非常弱；遼寧、湖北有可能是其鐵路促進自身發展的效果大于溢出效應的作用。需要說明的是，lnrailway變量系數β1并不代表鐵路基礎設施資本的直接效應，只起到作用大小的比較關系。

考察地區間的鐵路外部性差異①。先對華北、東北、華東、中南、華南、西南、西北等7個地區進行帶有固定效應的面板模型估計，而后進一步采用廣義最小二乘法對不同地區的面板數據進行估計（見表4和圖2），發現整體擬合和各回歸系數估計的顯著性較好，大部分回歸估計較為顯著，即使個別不顯著，其也能夠在10%-20%條件下顯著，具有較強的解釋能力。通過對全國七大區域的鐵路基礎設施資本外溢效應的估計，排序依次為華東＞華北＞中南＞華南＞東北＞西南＞西北，分別是0.814、0.426、0.421、0.331、0.161、0.112、0.042。

表3 各省域β1 與β2 的估計結果

圖2 各地區β1 與β2 的柱狀對比圖

（二）穩健性說明

為了使長面板數據可以控制不可觀測因素，我們增加了自由度有助于避免變量共線性，本文采用固定效應模型，從而使回歸的結果更準確。表5列舉了式（5）的三種不同估計方法和檢驗方法，模型（1）采用的固定效應下的最小二乘回歸；模型（2）采用FGLS 估計方法，用于解決當異方差函數未知的情況；模型（3）采用隨機效應下的廣義二乘法回歸。比較三種回歸過程和回歸結果，解釋變量和被解釋變量的系數估計趨勢基本一致，對整個模型設定基本有效，不會因為不同估計方法而導致的估計較大偏離。

表4 各地區廣義最小二乘法面板模型的估計結果

表5 三種不同估計方法的對比

對省域面板數據模型回歸過程檢驗。雖然各個省域都擁有自己的系數（含截距項與斜率），但各個省域之間的擾動項很可能相關，Breusch-Pagan LM 檢驗結果顯示：統計量為336.89，P 值為0，強烈拒絕無同期相關的原假設，這表明SUR 相較單一方程OLS 更有效率，應該使用SUR 來估計此變系數面板模型。然后采用系統GMM 方法進行過度識別檢驗，發現變量設置和工具變量設置相對有效。縱觀上述分析，這些實證結果與前文回歸結果是一致的，可以說模型在數據處理、設定模型、參數估計、顯著性檢驗以及估計方法等方面顯示出穩健性。

（三）傳導機制分析

通過實證發現不同省域、不同地區間的鐵路基礎設施資本外溢的差異，主要原因是鐵路建設差異和鐵路運輸差異。分析其主要影響機制，它是通過鐵路建設、鐵路運輸等基礎因素從而影響市場開放程度，資本、人口、勞動力的跨區域流動，貿易融合等變量，導致不同地區的經濟存在不平衡。

中間傳導變量1：鐵路建設

從省域或區域的角度來看，我國鐵路建設不均衡。長江三角洲地區、京津冀輻射地區、中部城市群以及珠三角地區的鐵路網密度較高，而西部地區密度較低。按省域面積測算，天津、北京、上海的鐵路網密度最高，分別為1016.81、770.73、738.10 公里/萬平方公里；而西藏、青海、新疆的鐵路網密度最低，分別為6.39、32.52、35.83 公里/萬平方公里。

表6 我國東、中、西三區鐵路密度對比

從表6中可以看出，占國土面積的70%的西部地區，其運營鐵路僅占到全國運營里程的40%左右；而東部地區的國土面積僅為1/10，其鐵路運營里程卻占到約30%。東部地區的全部11個省域均高于全國平均水平，中部地區8個省域中有7個高于全國平均水平，西部地區12個省域中有7個省域低于全國平均水平，超過一半。因此，東部地區的鐵路建設較優于中部地區，中部地區的鐵路建設較優于西部地區。

我國區域鐵路建設存在著以下幾個特點：一是鐵路密度差異與區域經濟發展差異存在著很強的關聯性。圖3中描繪了東、中、西部地區鐵路網密度與對應地區人均GDP的變化關聯圖，不難發現，鐵路網密度的變化呈現東部大于中部、中部大于西部的趨勢，與此同時人均GDP的變化趨勢也顯現出東部大于中部、中部大于西部，兩者具有高度相關性。二是鐵路建設在不同區域差距較大。東部地區的鐵路網建設領先，其鐵路線路網密度為329.68 公里/萬平方公里，為西部的4 倍多；與全國平均水平比較來看，東部所有省域均高于全國平均水平，而西部地區僅有5個高于全國平均水平。三是鐵路網建設相對聚集在幾大城市群的分布脈絡。排在較前的省域鐵路建設主要集聚在京津冀城市群、長三角城市群、珠三角城市群等，也反映了我國鐵路網建設以城市群建設為依托。

圖3 我國地區鐵路網密度與人均GDP 的變化趨勢

中間傳導變量2：鐵路運輸

從省域和地區鐵路運輸情況看，導致鐵路溢出差異的主要原因有四個方面：第一，區域交通運輸結構差異導致鐵路溢出的差異。以四個直轄市客運量為例，北京市的鐵路、公路、民航客運之比為1.61：5.22：1；上海市的鐵路、公路、民航客運之比為2.06：0.6：1；天津市的鐵路、公路、民航客運之比為2.03：5.31：1；重慶市的鐵路、公路、民航客運之比為2.28：19.2：1。重慶地區旅客主要以公路運輸為主，這是重慶鐵路溢出效應為負的原因之一。各地區的交通運輸結構不同，其溢出效果亦不同。

第二，鐵路貨運、客運結構的差異導致鐵路溢出的不同。鐵路客運功能與貨運功能在各地區有所不同。2017年上海鐵路旅客周轉量為107.3 億人公里，而鐵路貨物周轉量僅為10.08 億噸公里，其貨運主要體現在水運方面，水運貨物周轉量達到24690.72 億噸公里，遠遠大于鐵路貨物運輸。地區經濟發展與貨物運輸高度相關，經濟越發達的地區，其貨物運輸越大。但鐵路貨物運輸不存在這樣的規律，有的省域經濟總量較大，但其鐵路貨物周轉量較小，如廣東，而山西作為資源型省域，資源運輸需求較大，且多以鐵路運輸為主。

第三，同一地區不同省域的鐵路運輸差異。在長三角地區，江蘇、浙江、安徽2017年的鐵路旅客周轉量為765.2、658.2、743.6 億人次公里，三個省域相對較為均衡。在東北地區，遼寧、吉林、黑龍江2017年的鐵路旅客周轉量依次為634.9、262.2、274.6 億人公里，三個省之間有差異，尤其是遼寧，其鐵路旅客周轉量比黑龍江、吉林都大，前者大約是后兩者之和還多。

第四，不同城市群對其內部省域的運輸功能定位的差異。以處在長三角城市群的江蘇和處在珠三角的廣東為例，兩者經濟總量大體相當。從客運量的角度看，2017年兩者公路客運量比較接近，廣東的鐵路客運量和民航客運量都較江蘇更大；從2017年旅客周轉量來看，兩者鐵路旅客周轉量大體相當，但廣東的公路旅客周轉量和民航旅客周轉量都較江蘇大。這由此會對相關省域的鐵路作用發揮有一定的影響。

鐵路：地區發展差異的重要因素

鐵路作用于省域或地區經濟有直接效應和間接效應。根據經典宏觀經濟學理論，本文認為鐵路具有兩種效能：一是表現在鐵路投資方面，影響投資需求；二是表現在鐵路運輸方面，影響社會生產和物質交換，影響資源配置效率。從鐵路投資方面看，鐵路投資具有乘數效應，同時能夠增大對鋼鐵、水泥及其他相關行業的引致需求，帶動就業，促進經濟增長，提升居民收入。從鐵路運輸角度看，鐵路運輸改善了人流、物流條件，有效提升要素流動效率，降低物流成本，促進區域經濟發展。

圖4 鐵路變量引起省域或地區經濟發展水平差異的傳導機制

根據前述分析，鐵路建設和鐵路運輸構成了鐵路變量的兩個方面，鐵路建設變量主要通過鐵路網密度、地理區位、城市群區位等因素體現，而交通運輸結構、鐵路客貨結構、城市群區位等因素能夠影響鐵路運輸變量。分析鐵路變量引起省域或地區經濟發展水平的傳導關系，鐵路一方面直接作用于省域經濟或地區經濟發展水平，另一方面通過影響社會邊際生產成本下降，影響資本、人口、貨物等跨區域流動，從而影響區域經濟協同化程度，是一種間接效應的反映。圖4反映了鐵路變量引起省域或地區經濟發展水平差異的傳導機制。

五、研究結論及啟示

根據上述分析，主要結論如下：（1）鐵路基礎設施建設運營總體對省域經濟和地區經濟起到正外部性作用，但是省域之間以及地區之間的鐵路正外部性效應差異較大。全國鐵路正外部性系數即外溢效應為0.306，分地區來看：①鐵路外溢系數大于1 的省域只有北京，除京滬蘇浙魯外，陜西、貴州等省域鐵路外溢系數處在[0.5，1]區間，溢出效應比較強。②30個省域中共有22個省域的鐵路外溢系數在[0.2，0.5]區間，大部分省域的鐵路外溢系數落在此區間，與全國較為接近。③山西、青海、寧夏的鐵路外溢系數分別是0.150、0.106、0.083，表明其鐵路溢出效應非常弱，只有重慶的鐵路外部性為負。④鐵路正外部性系數排序依次為華東＞華北＞中南＞華南＞東北＞西南＞西北，呈現地域特征。

（2）從鐵路影響機理來看，主要通過鐵路網密度、城市群區位差異、交通運輸結構、鐵路客貨結構等基礎變量，傳導、改變鐵路建設和運輸，從而引起省域以及區域經濟差異的存在。從不同因素影響來看：一是鐵路網密度的變化呈現東部大于中部、中部大于西部的趨勢，人均GDP的變化趨勢與前者一致，兩者具有高度相關性。東部地區的鐵路網建設較領先，其鐵路線路網密度為329.68公里/萬平方公里，為西部的4 倍多。二是鐵路網建設相對聚集在幾大城市群的分布脈絡。鐵路外溢系數排在較前的省域鐵路建設主要集聚在京津冀城市群、長三角城市群、珠三角城市群等，反映了我國鐵路網建設以城市群建設為依托。三是區域交通運輸結構差異導致鐵路溢出的差異，各地區的交通運輸結構不同，其溢出效果亦不同。同時鐵路客運與貨運在各地區功能不同也是導致鐵路溢出差異的原因之一，不同的運輸格局反映了各省域的區域功能定位。

因此，我們應該重點依托城市群、經濟區等，完善區域路網布局，關注城市群之間鐵路基礎設施供給均等化，構建城市群之間的鐵路“線”以及城市群內部城市的網狀鐵路“面”；結合省域經濟功能定位，優化交通運輸結構和鐵路客貨運結構，合理配置鐵路內外資源，提升鐵路供給效率，促進區域經濟發展。

注釋：

①具體區劃如下：華北地區（北京市、天津市、河北省、山西省、內蒙古）；東北地區（遼寧、吉林、黑龍江）；華東地區（上海、江蘇、浙江、安徽、福建、江西、山東）；中南地區（河南、湖北、湖南）；華南地區（廣東、廣西、海南）；西南地區（四川、貴州、云南、重慶）；西北地區（陜西、甘肅、青海、寧夏、新疆）。由于統計原因，西藏、臺灣、香港、澳門暫未納入范圍。有的文章將全國劃分為7 大地理區，將中南地區再細分為華中、華南地區。本文只是通過地區考察實證結論，對如何劃分并不重要。