高鐵的空間溢出、勞動力流入與城市經濟增長

姚永玲，趙倚仟

（中國人民大學 a.應用經濟學院；b.經濟學院，北京 100872）

一、引 言

在人口紅利逐漸減弱的情況下，吸引勞動力正成為各城市發展經濟的主要措施。由于城市所處地位不同，其對勞動力吸引力各異，如何通過有效的空間規劃實現人口合理流動，對重塑中國空間格局舉足輕重。鐵路構建出的全新城市網絡，通過提高空間可達性，壓縮了地理距離決定的空間關系，在強化高鐵城市之間聯系的同時，改變了城市在國土空間中的地位，從而形成資源和要素重新配置。盡管在鐵路建設帶來的投資增長效應和空間結構效應中，空間結構效應是間接的，但對經濟增長的作用往往會更大，且時間更長、影響更深遠。因此，在研究高鐵的經濟效應時，不但要考慮交通設施建設帶來的增長效應，更要考慮它們對空間結構改變帶來的空間結構效應［1］。

空間結構效應的本質在于某種因素對節點之間關系的改變，導致資源和要素在節點之間重新配置帶來的經濟增長。這種經濟增長一方面是要素的空間聚集（或擴散）導致的空間溢出，另一方面則是由要素的流入（或流出）帶來的增長。勞動力作為一種主動遷移和具有創新活力的要素，對空間結構的改變較其他要素更為敏感。因此，高鐵帶來的結構效應在空間溢出的同時，也通過勞動力流動產生了要素流入（或流出）效應。由于空間結構效應在不同類型城市有較大差異，甚至是此消彼長，如果將不同效應都歸結為相同的高鐵效應，勢必混淆不同空間規律的作用機制，導致對城市空間政策的誤判。本文試圖將鐵路提速給不同類型城市帶來的空間結構效應分解為空間溢出效應和要素流入效應，為不同城市制定政策提供有針對性的依據。

二、文獻綜述

基于資源稟賦和要素擁有程度的空間結構是靜態的，因而通過建立結構與經濟增長關系的結構效應分析，往往僅能觀察到某個時段的效果。自20 世紀末鐵路大提速以來，中國鐵路建設的飛速發展，使得以城市為節點的空間格局發生了日新月異的變化，基于鐵路提速帶來的空間結構效應與普通的結構效應相比，具有隨鐵路運行時間縮短而變化的動態過程。在這個動態過程中，包含著聚集和擴散兩種形式的作用方式，在不同城市往往難以得出較為一致的結論。

一種觀點認為，高速鐵路促進經濟向西部地區轉移，使中心城市產業集聚度顯著降低［2］，產生擴散效應，縮小了地區差距［3］，有益于經濟均等化［4］；另一種觀點則認為，高鐵開通在對特大城市和發達城市經濟增長有顯著正效應的同時［5］，降低了非中心城市的經濟增長［6］，擴大了地區差距。得出相反結論的主要原因在于，在不同階段和不同城市具有不可忽略的異質性。圍繞結構效應的異質性，城市之間連通在促進效率和增長方面有重要作用，但聚集方向并不確定［7］。城市連接到鐵路網絡后既有擴散作用、也可能使集聚陰影擴大，甚至吞并附近其他城市［8］。中國鐵路交通對區域經濟增長的空間溢出效應既有正效應也有負效應［9］，將正效應和負效應混淆在一起，很難解釋對不同類型城市的真實效應。進一步研究需要降低結構效應隨時間和空間變化的不確定性。本文認為，降低這種不確定性的途徑主要有三種：一是將研究劃分為不同階段，以觀察處在聚集和擴散階段下的空間結構效應，這需要樣本足夠長的時序變化（庫茲涅茨曲線用了約100 年時序）。由于中國的快速發展，鐵路提速僅是20 世紀末和21 世紀初的事件，客觀上不具備這個條件。另外，即便有50～100 年的樣本數據，現實條件早已發生了變化，結論也失去了指導實踐的價值。二是引入一種中介要素，這種要素受到高鐵空間結構效應的影響后，作為一種較長期因素，影響城市經濟。三是在方法上，將不同城市經濟與空間結構變化對應，反映鐵路提速漸變過程帶來的結構動態變化與不同城市經濟增長的關系。

在影響因素方面，盡管研究者根據新經濟地理模型認為，鐵路提速減少了運輸成本，有利于城市之間要素流動，但卻難以證實。這是因為：勞動力和其他公共部門的資本存量對中國區域經濟增長有較大彈性，資本與勞動力相伴隨［9］，資本流動若不伴隨著資本所有者流動，不可能長久存在［10］；而勞動力流動除了能使地區間要素收入均等外，還能改變各地區的需求結構，削平地區間要素稟賦差異［11］。事實上，高鐵主要運送的是旅客，高鐵帶來的城市創新和勞動生產率都是圍繞人力資本而產生的，高鐵對資本和技術等要素流動影響的核心仍然是勞動力。要素流動是基于行為者主體對空間選擇的結果，勞動力通過高鐵可達性在空間中的流向反映了高鐵對城市經濟作用的內在機制。趙文和陳云峰（2018）認為，高鐵對勞動力要素的配置作用是制定區域政策要考慮的主要因素［10］。隨著城市化進入穩定階段，人口在城市之間的遷移越來越明顯，開通高鐵的城市又越來越多，勞動力流動勢必在不同城市之間進行選擇。空間結構對區域經濟的影響是經過改變要素流動實現的，在資金、勞動力和創新能力等能夠流動的基本要素中，勞動力與人的生命周期和所在地區的自然與社會環境密切相關，相比資金和創新能力，具有相對地域穩定性，在降低結構效應不確定方面較為合適。本文通過引入勞動力這種相對長期的要素作為中介變量，通過要素流動對空間結構總效應進行分解，把結構效應分為空間溢出效應和要素流入效應，可以在一定程度上降低總結構效應的不確定性，細化對高鐵空間結構效應的認識。

在研究方法方面，已有研究主要采用雙重差分法，將開通高鐵城市作為處理組，未開通高鐵城市作為對照組［12-20］。這種方法將空間聚集和擴散機制所產生的效果混淆在一起，掩蓋了鐵路提速的動態變化過程。本文采用年度鐵路時刻表獲得的城市之間網絡結構及其漸變狀態，將處于不同空間結構地位變動中的城市可達性與經濟增長建立聯系，從而反映結構效應的動態變化規律。

三、研究設計

（一）研究框架

空間結構效應是指交通設施削弱了空間距離限制，即“時空收斂”改變地區空間結構帶來的經濟增長［21］。具體而言，交通改變了城市層級和要素分布，產生了經濟效應。在國家的要素供給和市場容量穩定的情況下，一個城市地位提升可能伴隨著其他城市地位下降，總產出取決于結構改變帶來的效率，個體產出則取決于城市的空間區位。由于空間結構改變帶來經濟效果的方式不同，空間結構效應還可以劃分為由于空間溢出產生的經濟效果以及空間結構改變要素重新分配帶來的經濟效果，前者為空間溢出效應（又稱為直接效應，包括正和負兩方面），后者為要素流入效應（又稱為間接效應）。針對鐵路形成的結構效應，空間溢出效應的直接原因是通過鐵路網絡形成的可達性提升。

從勞動力流動與可達性來看，勞動力個體流動的原因主要有三個：第一，鐵路以更低成本、更快速度承擔起城際客流運營任務，降低了勞動力流動的時間成本，增加個體搜尋工作的可獲得性，讓勞動者在更大范圍內找到合適的工作，從而促進勞動力流動；第二，鐵路改變了城市在更大空間的區位條件，使得區位條件好的城市能獲得更多收入和福利，從而促使勞動力流入；第三，城市可達性改變了城市區位條件（地位），擴大或縮小城市間的效用差，也影響勞動力遷移決策。綜上，高鐵可達性通過要素配置與城市經濟增長之間的關系如圖1所示。

圖1 高鐵可達性、勞動力流動與城市經濟增長關系

（二）模型設定

本文采用鐵路提速對各城市之間實際可達性的改變作為高鐵帶來的真實空間結構變量。根據上述高鐵空間結構效應與城市經濟增長的分析框架，設定被解釋變量為城市經濟發展水平，解釋變量為城市與其他城市之間的可達性，模型為：

其中：y表示城市人均生產總值，采用人均GDP 表示；i表示城市；t表示年份；access 表示城市與其他城市可達性；Z表示本文選取的一系列控制變量；μi、δt分別表示個體固定效應和時間固定效應；ε表示隨機干擾項；系數βi代表剔除其他干擾因素之后，城市可達性提升對城市經濟發展的影響，體現了鐵路發展的直接效應。

為了借用勞動力變量觀察可達性通過吸引勞動力促進城市經濟發展的規律，加入中介變量后的模型為：

其中：w為中介變量。公式（2）是中介效應的基準模型，與公式（1）相同。第一步，通過基準模型判斷，可達性是否對城市經濟發展有顯著影響；第二步，對公式（3）進行回歸，考察可達性與勞動力之間的關系；第三步，在前兩步都滿足的情況下，通過公式（4）測算系數，若γ1、β2和α1值均顯著，說明中介效應顯著；若β1和θ中至少一個不顯著，則需要進行Sobel檢驗，該檢驗的統計量為：

其中：sγ1、sβ2分別為系數γ1和β2的標準誤，若統計量Z通過顯著性檢驗，則中介效應顯著：Sobel檢驗統計量Z值在5%顯著性水平下的臨界值約為0.97。通過檢驗得到回歸結果后，式（2）中的系數α1表示可達性對人均GDP的總效應，式（4）中的系數γ1表示可達性對勞動力流入這一中介變量的效應，式（3）中的系數β1表示在控制了勞動力流入這一中介變量的影響之后，可達性對人均GDP 的直接效應（空間溢出效應）；而γ1與β2的乘積是可達性通過作用于勞動力流動后，對人均GDP 的間接效應（要素流入效應）。

（三）變量與數據

（1）被解釋變量。使用人均GDP 作為衡量城市經濟發展水平的指標，以2007 年為基期進行去價格化處理，并取對數。

（2）解釋變量。采用城市與其他城市通過鐵路連接的可達性。已有研究大多采用差分法觀察高鐵影響，這種方法僅能識別有無高鐵，不能準確表示鐵路建設帶來的時空壓縮程度，尤其不能區分鐵路可達性帶來的空間結構改變。逯建等（2018）認為，基于“鐵路列車時刻”得到的運輸時間能更全面反映“時空壓縮”［22］，本文基于歷年所有城市之間通過鐵路出行的最短時間，計算城市之間可達性。反映一個城市與其他所有開通鐵路的城市之間的聯系，其中的一條鐵路建設發生變化也可能通過鐵路網絡影響其他很多城市的可達性，在空間上能夠將整體結構與個體城市地位聯系起來，體現結構效應。可達性有多種計算方法，由于觀察對象是勞動力，故選擇經濟加權平均旅行時間作為可達性，以消除經濟規模對交通聯系的影響。計算公式為：

其中：Ai表示城市i的可達性程度；Tij為城市i到城市j的最短鐵路通行時間；Mj是城市j的人均地區生產總值。由于被解釋變量為城市i人均GDP，因此需要考慮各節點經濟規模影響要素流動的頻次和方向，用這項經濟規模修正單純的火車運行時間，表示經濟加權后的可達性。數值越小、旅行時間越短，可達性越好。

（3）中介變量。采用歷年城市就業人數增加量表示勞動力流入規模。借鑒陸銘和陳釗（2004）的比重推測轉移規模方法［23］，用城市期末單位從業人員變動數減去全國城市平均單位從業人員變動數來衡量勞動力在區際的流動規模，并進行對數化處理，同時在模型中納入工資、房價和城市醫療水平進行控制。該指標為勞動力相對增量，數值越大說明城市流入勞動力越多。

（4）控制變量。①城市規模。直接影響了一個城市的市場規模和可以利用的勞動力規模，是影響經濟發展的重要因素之一。本文采用城市常住人口衡量，并對其進行對數化處理。②投資。各城市的固定資產投資能夠在長期內促進物質資本積累，將各城市全社會固定資產投資總額對數值納入控制變量。③對外開放。外商直接投資通過產業關聯和技術外溢效應影響城市產出，將實際使用外資金額對數值引入模型。④人力資本。研究顯示，人力資本提高能夠直接推動區域創新能力，進而影響經濟發展，借鑒陸銘、陳釗（2004）和石大千（2018）的做法［23-24］，在控制變量中加入對數化處理的萬人在校大學生數。⑤產業結構。既表示城市發展水平也表示經濟結構，兩者都對經濟增長有影響，本文用第三產業與第二產業之比的對數值反映城市產業結構。⑥公共投入。政府作為公共物品的主要提供者，其投資大小對地區產出起重要作用，將地方財政一般預算內支出的對數值作為控制變量。

以開通鐵路站點為依據，最終選取196個鐵路可到達的城市。截至2021年末的最新城市統計數據為2019 年，故選取2005—2019 年中國地級及以上城市面板數據進行回歸。鐵路通行時間數據來源于每年的火車時刻表，包括全部火車站之間的車次信息和通行時間，選取城市之間的最短通行時間，以突出速度變化帶來的可達性。其余數據來源于歷年《中國城市統計年鑒》，對個別城市缺失數據，參考《中國區域經濟統計年鑒》、各城市統計年鑒及年度公報進行補充。

各變量及其統計描述見表1所列。

表1 變量及其統計描述

四、實證結果與分析

為進一步證明區分空間溢出與勞動力流入效應的必要性，本文將可達性與城市經濟發展水平的直接關系回歸結果也列出，與采用勞動力作為中介變量的中介效應結果進行比較。為了避免偽回歸，在進行回歸之前進行單位根檢驗。由于數據為非平衡面板，故在考慮自相關情況下采用IPS方法進行單位根檢驗。結果顯示，除三產與二產之比外，所有變量的P值均小于10%，此序列平穩，可以進行回歸分析。

（一）可達性與城市經濟發展水平的直接回歸

可達性與城市經濟發展水平的回歸結果見表2所列。其中：模型（1）為沒有控制變量的固定效應；模型（2）為有控制變量的固定效應，對應上文中的公式（1）；模型（3）為有控制變量并加入可達性二次項的固定效應。為了突出重點，本文僅報告核心解釋變量的回歸結果。結果顯示，鐵路交通可達性越好，城市經濟發展水平越高，且所有模型都顯著，說明鐵路提速尤其是高鐵從整體上有利于城市經濟發展。

表2 可達性與城市經濟增長直接回歸結果

1.內生性檢驗

可達性提升是中國高鐵建設的成就，反過來城市經濟發展也是高鐵項目選址的重要條件，高鐵線路和站點首先考慮經濟發達的大城市，然后再向其他城市延伸。因此，可達性與城市經濟發展水平之間還存在反向因果，內生性不可避免。由于地形地貌是鐵路工程建設選址的一個因素，我國地形由沿海向內陸遞增、經濟由沿海向內陸遞減；另外，城市間地理距離決定了鐵路線路工程量和乘車時間，影響可達性，因此地形和距離都是影響鐵路通行時間變化的關鍵變量。借鑒卞元超等（2018）和秦放鳴等（2019）的做法，用各城市的海拔高度作為第一個工具變量［25-26］；參考Atack J 等（2008）的做法［27］，將城市間直線物理距離（由經緯度測算而得）與某一年份開通高鐵城市總數的乘積作為第二個工具變量。理由是：第一，海拔高度和物理距離同時作為城市發展的自然條件，與城市經濟發展無直接關聯，從而滿足外生性要求；第二，海拔越高，距離越遠的城市進行鐵路建設的成本越高；第三，由于海拔高度與地理距離不會隨時間變化，無法做固定效應模型的工具變量，本文將其與當年所在城市開通高鐵的城市數量相乘，從而得到隨時間變化的工具變量。其中，當年開通高鐵的城市數量與城市之間可達性密切相關，但與該市地區生產總值無直接關系，滿足外生性要求。

模型（4）為加入海拔高度工具變量的結果，模型（5）在加入海拔工具變量的基礎上加入了可達性的二次項，模型（6）為加入距離工具變量的結果，模型（7）在距離工具變量之外加入了可達性的二次項。本文同時進行了識別不足檢驗，得到的P值均為0，且弱工具變量檢驗得到的F統計量均大于10，故不必擔心識別不足和工具變量是否滿足的問題；此外，工具變量的個數等于內生變量的個數，不需要進行過度識別檢驗，說明工具變量選取有效。結果顯示，可達性的估計系數與上文的系數和顯著性基本一致。其中，可達性與人均GDP 的相關系數值范圍為-1.006～3.009，即解決了內生性之后，可達性每提升1%會帶來平均每年約1%～3%的人均經濟增長。

2.穩健性檢驗

本文主要突出可達性對城市經濟發展的影響，故通過對核心變量可達性采用代理變量的方法進行穩健性檢驗。將加權平均旅行時間計算出的可達性替換為直接時間可達性，計算公式如下：

其中：Ai表示城市i的可達性；Tij表示城市i與j之間的鐵路通行時間；n為除i點以外的節點總數。檢驗時將可達性數值取對數。

表2模型（8）為替換核心變量后的固定效應模型，模型（9）在模型（8）的基礎上加入代理變量的二次項。結果顯示，可達性與人均GDP 的彈性為-0.987，且在1%水平下顯著，即當其他變量控制不變時，可達性提升1%會帶來0.987%的人均GDP增長，與上述估計基本一致，表明回歸結論的穩健性。模型（7）和模型（9）的可達性二次項系數在1%的水平下顯著，且符號與一次項系數相反，說明在考慮內生性后，表現出與一次項顯著的相反趨勢。因此，可達性提升對人均GDP 的拉動作用存在邊際遞減趨勢，表明當集聚達到一定規模后，鐵路建設對經濟的拉動作用就會放緩。

（二）中介效應回歸

將勞動力作為中介變量，在上述基準模型基礎上，進一步分析基于鐵路可達性通過勞動力流動對城市經濟發展的影響。

1.總樣本中介效應

按照中介效應的三個步驟，首先對總樣本的三個模型分別進行回歸，結果見表3所列。

表3 總樣本的中介效應回歸結果

表3 模型（1）對應上文公式（2），回歸結果顯示，可達性對人均GDP 的估計系數為-0.81，且在1%水平下顯著，表明自變量對因變量的總效應為0.811%；模型（2）對應上文公式（3），回歸結果顯示自變量對中介變量的回歸系數為-9.860%，且在1%水平下顯著，說明可達性提高1%可加快9.86%的勞動力流入；模型（3）對應上文公式（4），分析顯示可達性提升和勞動力流入（中介變量W）對經濟增長的系數分別為-0.718 和0.010，且均在1%的水平下顯著。這表明可達性提升，一方面可以直接促進人均GDP 增長；另一方面通過促進勞動力流入，間接影響地區經濟發展。因此，在保持其他因素不變情況下，城市可達性每提升1%，空間溢出效應為0.718%，同時會帶來9.86%的勞動力流入，導致城市經濟增長0.099%（9.86×0.01）。其中，中介效應占比為12.2%，表明中介效應分析的必要性。本文中介效應分析的核心解釋變量、中間變量和被解釋變量三者之間的關系如圖2所示。

圖2 總樣本中介效應作用關系

2.城市行政等級分組的中介效應

由于經濟空間運行規律通常都為非線性和具有較強的空間異質性，且已有研究證明，城市行政等級對經濟發展有不可忽視的作用。本文將城市行政等級劃分為直轄市、副省級城市、省會城市和普通地級市。由于行政等級不隨時間變化，不能直接放入模型中，并且本研究的目的是辨識每一級城市可達性對經濟發展的不同影響，故采用分組回歸代替虛擬變量。在上述城市行政等級基礎上，按照中介效應的三個步驟分別進行回歸，結果見表4 所列。

表4 顯示，直轄市沒有通過中介效應檢驗，為了進一步驗證這個結果，利用上文中的公式（5），計算直轄市的Sobel 檢驗統計量Z值，計算結果為0.53，未通過中介效應的臨界值檢驗。副省級城市、省會城市和普通地級市都通過了中介效應檢驗，其中，模型（4）結果顯示，副省級城市的總效應為0.89，中介效應為0.18（9.98×0.018 4），中介效應約占比為20%，高于全樣本7.8 個百分點；模型（7）顯示，省會城市的中介效應占比為13.5%，高于全樣本1.3個百分點；模型（10）顯示，一般地級市的中介效應占比為7.8%，低于全樣本4.4個百分點。可見，除直轄市之外，行政級別越高的城市，可達性帶來的要素流入效應越強、空間溢出效應越弱；反之，行政級別越低的城市，空間溢出效應越強、要素流入效應越弱。其中，空間溢出效應隨著高行政級別城市減弱的結論與已有研究中高鐵縮小了區域差距的主張一致；而要素流入效應隨高行政級別城市增強的結論與高鐵強化了中心城市聚集的觀點一致。

表4 基于城市行政級別的中介效應檢驗

除了對比中介效應占比之外，還需要對分組回歸后的組間系數進行檢驗，以進一步說明不同類型城市之間的差別。由于本文采用的是面板回歸，無法對組間差異使用基于似無相關估計SUR的檢驗；同時，行政級別還會影響其他控制變量組間系數的差異，也不滿足該檢驗的前提假設。因此，本文決定采用費舍爾組合檢驗，首先將組間系數差異定義為：

需要檢驗的原假設為：

初次回歸得到組間系數估計值的差：

接著將兩個組的樣本進行混合，從中進行1 000次隨機抽樣獲得經驗樣本Gj(j=1,…,1 000 )，然后分別針對1 000 個經驗樣本進行模型估計，再次獲得組間系數估計值的差：

利用以上方法，對模型（5）（8）和（11）中可達性系數進行分組檢驗，三組系數差的經驗p值均小于0.05；對模型（6）（9）和（12）中可達性以及勞動力流動這兩個變量系數進行分組檢驗，發現副省級城市和一般地級市組間系數差的經驗p值小于0.01，在1%水平下顯著。這說明，城市行政級別對空間結構效應表現出顯著差異。

3.城市規模等級分組的中介效應

城市規模對經濟增長的影響，并不單純為線性或非線性。按照城市規模位序法則，城市發展與所處城市體系中不同規模等級的地位密切相關。以常住人口大于300萬人，100～300萬人和小于100 萬人，將城市分為大中小三組，也采用分組回歸（原因同上），結果見表5所列。

表5 基于城市規模的中介效應檢驗

表5 顯示，所有規模組都通過了中介效應檢驗。具體而言，大城市的總效應為0.856%，中介效應占比為17.5%，高于全樣本5.3 個百分點；中等城市中介效應約占比為9%，低于全樣本3.2個百分點；小城市中介效應占比為13.6%，高于全樣本1.4個百分點。利用前文的費舍爾組合檢驗方法，比較表5 模型（3）（6）和（9）的回歸系數發現，大城市與小城市之前存在顯著組間差別，說明鐵路提速對大城市經濟增長的貢獻主要通過吸引勞動力流入實現，中等城市則是通過空間溢出效應實現，勞動力流入效應在小城市比空間溢出效應稍多。

4.城市群分組的中介效應

城市群是新型城鎮化的主要載體，大量研究證明，城市群內城市經濟發展更快。周浩等（2014）的研究證明，高鐵對經濟聯系的作用，三大城市群受益最多［12］。因此，按是否在京津冀、長三角、珠三角、長江中游和成渝城市群等五個國家級城市群對城市進行分組。在上述城市群虛擬變量回歸基礎上，按照中介效應的三個步驟進行回歸，結果見表6所列。

表6 基于是否在城市群的中介效應檢驗

表6 顯示，城市群內外都通過了中介效應檢驗。對于城市群內城市而言，總效應為1.825%，中介效應占比為16.9%，高于全樣本4.7個百分點；對于群外城市而言，總效應為1.423%，中介效應占比約為9%，低于全樣本3.2個百分點。利用前文的費舍爾組合檢驗方法，比較表6模型（3）和（6）的回歸系數，計算得到經驗p值為0.097，說明在10%的水平下城市群內外存在顯著組間差別，群內城市比群外城市獲得了更多要素流入效應。

（三）結果分析與討論

在中國鐵路建設和經濟快速發展階段，鐵路提速對城市經濟的影響毫無疑問。但是，僅考慮空間結構總效應會忽視聚集和擴散兩種不同作用機制下截然相反的結果。本文將勞動力作為中介要素，將空間結構的總效應分解為空間溢出和要素流入效應，研究發現不考慮中介效應，會損失大約12%的要素流入效應。進一步考慮不同行政級別、不同規模和城市群等空間外部性條件，檢驗鐵路提速帶來的空間溢出和要素流入效應，結果表明，由于空間溢出效應遠大于要素流入效應，總體表現為鐵路提速有利于低行政級別城市，而不利于高行政級別和大規模城市。可能的解釋是，行政級別高的城市就業機會更多，工資收入更高，社會福利好，高鐵開通會帶來大量勞動力流入；但由于城市本身規模已經很大，人口繼續增加會導致規模不經濟，根據規模效應的邊際遞減性，大城市依靠高鐵帶來的勞動力投入促進經濟增長有限，這正是交通網絡邊際效益遞減的原因所在。同時可以看出，如果不考慮中介效應，對高行政級別和低行政級別城市都會漏掉其中的一部分。城市規模與城市行政級別的結果有一些出入，可能還與城市所處的外部區域有關。進一步對城市群內外分組的結果表明，要素流入效應在城市群內更強。這是因為，城市群一體化為勞動力自由流動提供了更好條件，群外城市除了可達性縮短了地理距離導致空間溢出外，要素一體化任重道遠。

五、結論與啟示

研究發現，鐵路提速帶來的城市之間可達性提升，穩定地促進了城市經濟發展，顯示出中國鐵路建設對經濟發展的顯著空間結構效應，對重塑國土空間新格局提供了有力支撐。同時，邊際遞減的結果表明，鐵路提速對高行政級別和大城市已經越過了直接效應的高增長期，更多地依靠吸引勞動力流入的間接效應促進經濟發展；低行政級別和中小城市正處在可達性提升促進經濟發展的高增長期，突出體現了可達性帶來的空間溢出效應。由于勞動力帶來的規模效應具有邊際遞減特征，鐵路建設對高行政級別和大城市作用有限。

隨著城市群成為新型城鎮化的主要空間載體，鐵路提速對國家五大城市群內城市的空間結構總效應大于群外城市；同時區內城市的勞動力流入效應比例也多于群外城市。

綜合上述三種回歸結果，本文建議：處在五大城市群內的中小城市，應充分利用可達性提升帶來的時空壓縮所產生的空間溢出和勞動力流入效應，積極進行信息交流與技術合作，合理配置資源，加強產業協作；五大城市群內的大城市和高行政級別城市，盡管勞動力流入可以帶來經濟發展，但由于高生活成本的限制，勞動力增加有較大局限性，應該降低生活成本，增強勞動力的溢價能力。五大城市群外的大城市和高級別城市，應該充分利用鐵路提速帶來的發展機會，提高勞動力待遇、增加社會福利、促進勞動力充分流動；處在五大城市群之外的中小城市，由于發展基礎差，對勞動力的吸引力并不強，這些城市應該創造更多就業機會吸引勞動力回流，促進經濟發展。