高鐵開通對城市創新的影響研究

徐玉萍，洪振文

（華東交通大學交通運輸工程學院，江西 南昌 330013）

高鐵作為連接國內各大城市的大動脈，拉近了城市間的時空距離，給城市經濟發展帶來了深刻影響[1]。 國內外已有一些文獻對高鐵開通給城市帶來的影響進行評估，發現高鐵開通能夠促進城市經濟增長、提升城市可達性、優化旅游環境等。 如董艷梅等[2]基于新經濟地理理論研究發現高鐵建設通過降低交通成本、 增加就業機會以及提高人員待遇等方面促進了區域經濟增長。劉勇政等[3]研究發現高鐵在帶動本地經濟發展的同時也為周邊城市帶來了積極的外溢效應。 Diao[4]則使用雙重差分與工具變量法發現高鐵通過提升地區可達性， 帶動了沿線城市經濟增長。 李磊等[5]從旅游業的視角出發，認為高鐵改善了沿線旅游城市的交通環境，帶動了旅游客流量增長。

目前，關于高鐵影響城市創新的研究不多。 高技術人才作為創新產出的主要創造者，對時間具有高度敏感性，而高鐵的快速、準點等特點能夠有效降低高技術人才的旅行時間，加速人才與知識在城市之間的流動，促進知識傳播的深度與廣度[6]。 同時，高鐵開通壓縮了城市間的時空距離，有效降低了投資人與企業之間的信息不對稱，使企業獲得的風險投資增加，有利于城市創新產出[7]。 可以說，高鐵的開通促進了人才、技術、資本等創新要素在城市之間的傳播，對于城市創新產生了深刻的影響。

基于此， 以長江中游城市群28 個地級市為研究對象， 收集了這些城市2006—2019 年的面板數據，采用傾向得分匹配倍差法（PSM-DID）實證分析高鐵開通對城市創新能力的影響。 與現有研究相比，本文可能的貢獻有：第一，以城市創新為切入點，探討高鐵開通對沿線城市創新的影響，豐富了高鐵開通對城市發展的影響研究；第二，為了克服城市之間的系統性差異，解決高鐵開通的內生性問題，本文將倍差法（DID）與傾向得分匹配（PSM）結合使用，并在PSM 過程中按年份進行匹配，避免使用單一評估方法帶來的估計偏誤以及樣本跨年匹配[8]問題；第三，在實證研究中考慮了不同等級高鐵線路對城市創新影響的差異性。

1 研究設計

1.1 數據說明

考察范圍為長江中游城市群，基于數據的可得性，剔除了天門、潛江、仙桃3 個省管縣級市，選取其余28 個地級市作為考察對象。 由于長江中游城市群最早開通的高鐵為2009 年的合武鐵路； 因此考察時間選擇2006—2019 年，并將2009 年定為考察時間內政策開始發生影響的年份。 實證研究中專利指標來源于《中國研究數據服務平臺》，高鐵開通相關數據來自中國國家鐵路集團有限公司官方網站披露的高鐵開通信息，控制變量以及協變量數據來源于歷年《中國城市統計年鑒》、EPS 平臺以及相關地級市國民經濟和社會發展統計公報。 部分缺失數據使用插值法進行補齊。

1.2 模型構建

為了考察高鐵開通對城市創新的影響， 借鑒Shao 等[9]的研究，將高鐵開通看作一項準自然實驗，將考察期內開通了高鐵的城市作為實驗組，未開通高鐵的城市作為對照組，然后使用DID 方法來評估高鐵開通對城市創新的影響。 但是，由于高鐵線路規劃并不是隨機產生的，經濟基礎強、戰略定位高的城市更可能獲得高鐵規劃者的青睞[10]，使得城市樣本在進行分組時存在一定的選擇偏差， 影響評估結果的準確性。 為了解決樣本選擇偏差問題，首先采用逐年傾向得分匹配來評估所有城市的傾向得分值。 其次將傾向得分值相近的對照組與實驗組進行匹配，最大限度的消除樣本選擇偏差。 最后根據匹配后的樣本使用DID 估計出高鐵開通的真實效應。

1.2.1 逐年傾向得分匹配

令Sia表示所有樣本（i 為城市，取值為i=1，2，…，28；a 為年份，取值為a=2006，2007，…，2019），Tia表示a 年開通了高鐵的樣本（實驗組），Cia表示a 年未開通高鐵的樣本（對照組），則Sia=｛Tia，Cia｝。 傾向得分匹配的目的就是從Cia中找出與Tia具有相似特征的樣本，從而消除樣本選擇偏誤。 具體設計為：選取若干影響高鐵開通的協變量Xia，j，構造如式（1）所示的模型，評估所有樣本城市在給定協變量Xia，j的情況下，樣本進入實驗組的條件概率（傾向得分值）pia。 對所有Tia，從Cia中按照有放回取樣的方式選取與Tia樣本有相似傾向得分值的Cia*，得到另一組匹配好的樣本Sia*=｛Tia，Cia*｝。

式中：Xia，j為協變量，本文參照文獻[11]選取了城市經濟發展水平、人口規模、政府財政支出規模、對外開放水平等為協變量。其中，城市經濟發展水平采用各城市地區生產總值來衡量； 人口規模采用各地級市年末總戶籍人數來衡量； 政府財政支出規模采用地方財政一般預算內支出衡量。 對外開放水平采用各地區實際使用外資（按照當年人民幣與美元的實際換算匯率轉換為人民幣計算） 來衡量；f 表示估計函數。

1.2.2 雙重差分法估計

根據式（1）得到基于逐年傾向得分匹配后的匹配樣本Sia*，構建式（2）對其進行雙重差分評估。

式中：α 為常數項；Ai為城市固定效應；Bi為年份固定效應；εia為隨機誤差項；lnnovationia為被解釋變量，表示i 城市在a 年的創新能力。專利具有可量化以及客觀性的特點，常常被用來衡量城市的創新能力[12]。 故本文也將采用城市專利申請量來衡量城市創新能力，并在后文替換為專利授予量來進行穩健性檢驗。

Dia為高鐵開通虛擬變量，表示i 城市在a 年是否有高鐵開通（運營），是本文核心解釋變量。 考察期內開通了高鐵的城市，其開通之前的年份取值為0，開通當年及以后取值為1；考察期內一直未開通高鐵的城市， 則其取值始終為0。 對于上半年開通的高鐵，本文將其開通年份定為當年；對于下半年開通的高鐵，本文將其開通年份滯后一年處理。 Dia的系數β 為本文最為關注的回歸系數，表示高鐵開通對城市創新的估計效應。

Zia為可能影響城市創新的其他控制變量。 結合以往研究[13-14]，本文選取了以下控制變量：科技勞動力，采用科研從業人員數以及個體從業人員數來衡量。 產業結構，采用第二、三產業產值占GDP 比重作為替代指標。 對外開放水平，其衡量指標與前文一致。 政府支持力度采用各城市科學財政支出及其占地方財政一般預算支出的比值衡量。 交通基礎設施建設，采用城市年末實有道路面積衡量。 從業人員待遇，采用職工平均工資衡量。

為了避免因數據量綱差異過大對回歸結果帶來的影響，本文對非百分比數據取對數處理，以上各指標的描述性統計報告于表1。

表1 統計性描述Tab.1 Descriptive statistics

2 實證結果分析

2.1 整體估計效應

2.1.1 傾向得分匹配結果

衡量傾向得分匹配結果有效性的標準是，匹配后各協變量在實驗組與對照組間不存在顯著差異[15]。 表2 報告了基于逐年匹配后各協變量的t 值。 其中：***，**，*分別代表1%，5%和10%統計水平上顯著。

由表2 可知， 在采用逐年傾向得分匹配后，除2007 年的變量外，其他年份協變量的檢驗結果均不拒絕對照組與實驗組間不存在顯著性差距的原假設，也即各協變量在實驗組與對照組間趨勢是平行的。 這說明本文選擇的匹配方法符合要求，匹配后對照組與實驗組各協變量相差不大， 既降低了樣本選擇偏差，同時也滿足了后續進行雙重差分的“平行趨勢”要求。

表2 傾向得分匹配后各協變量值Tab.2 t value of each covariate after PSM

2.1.2 雙重差分結果與分析

用式（2）對匹配好的樣本進行回歸，表3 報告了模型的回歸結果。 其中，括號內為穩健標準誤；***，**，*分別代表1%，5%和10%統計水平上顯著。 第1 列為普通多期DID 的回歸結果， 第2～5 列為使用逐年PSM-DID 的回歸結果。 表3 結果顯示，表中各列系數均為正， 表明高鐵開通整體上促進了長江中游城市群的創新能力， 其對長江中游城市群內城市創新增長貢獻了0.13。

具體而言，表3 第1 列表明高鐵開通虛擬變量系數顯著為正，初步證實了高鐵開通促進了城市創新。 使用逐年傾向得分匹配方法控制樣本選擇偏差后，在第2 列、第3 列逐步控制城市固定效應與年份固定效應后，估計系數為1.599 且結果仍然顯著，而在控制城市年份雙向固定效應后， 系數變為0.103，僅在10%統計水平上顯著，表明高鐵開通對城市創新的影響效應可能受地區以及高鐵開通后運行年份有關。

為避免一些其他可能影響城市創新的因素影響， 在表3 第2，3 列的基礎上加入了一些控制變量，結果報告在第4，5 列，從結果來看，加入控制變量后，Dia系數顯著降低， 這進一步說明了本文選擇控制變量的有效性。 從第1，5 列結果對比來看，在控制了樣本選擇偏差后，考察期內高鐵開通對城市創新的影響系數從0.137 降到了0.130，表明普通多期DID 可能高估了高鐵開通對城市創新的影響效應。

此外，從表3 各控制變量回歸系數來看，職工平均工資水平（ln Wage）對城市創新能力的影響顯著為正，即工資水平越高的城市，其創新能力提升越快，這可能是由于科研人員更加趨向于高待遇的城市。 從產業結構來說，第二、三產業產值占比對城市創新具有正向影響。 這可能是由于隨著城市化進度加快， 長江中游城市群加快了產業結構調整過程，低端產業結構逐步向高技術產業轉移，這在一定程度上促進了城市創新。

表3 的結果還顯示政府科學財政投入（ln Sci_Fin）對城市創新能力影響也顯著為正，這表明政府對于科技創新的投入越多，其城市創新能力增長越快。 這是由于創新具有一定的外部性，政府科學財政投入能夠提高如高校、科研單位等創新主體的積極性，增加創新產出。

表3 高鐵開通對城市創新的整體估計效應Tab.3 The overall valuation effect of the opening of high-speed railway on urban innovation

2.2 高鐵開通影響城市創新的時間動態性分析

由圖1 可知，從高鐵開通后第一年開始到開通后第8 年， 高鐵開通都促進了城市創新能力增長，且在開通前2 年其正向影響效應呈現出增長的趨勢，并在第2 年達到頂峰，之后呈現出逐步下降的趨勢。 這說明隨著高鐵開通時間的延長，其對城市創新的效應表現為先增后降的趨勢。

圖1 高鐵開通效應時間動態性Fig.1 Impact of temporal dynamics of high-speed railway opening

2.3 高鐵開通影響城市創新的空間異質性分析

以往研究中，空間異質性多是通過劃分東中西部來檢驗的[16]，本文認為，人口規模在一定程度上反映了城市的經濟、教育等狀況，作為城市創新的主要參與者， 人口規模的大小可能影響高鐵對城市創新的作用。 將研究樣本按照市轄區人口規模劃分為大城市、中等城市和小城市，構造城市類別變量（Cps），對其與高鐵開通虛擬變量的交互項進行回歸。 其中市轄區人口達100 萬及以上的劃分為大城市，50 萬～100 萬劃分為中等城市，50 萬及以下人口劃分為小城市。 表4 是不同人口規模下高鐵開通對于城市創新水平的影響值。 其中，括號內為穩健標準誤；***，**，* 分別代表1%，5%和10%統計水平上顯著。

表4 高鐵開通對城市創新能力的異質性Tab.4 Heterogeneity of high-speed railway opening on urban innovation

從表4 的結果來看，高鐵開通對大、中城市創新發展的影響效應并不顯著，對人口規模小的城市創新存在顯著的促進作用。 可能原因是一方面高鐵開通提升了小城市的區域優勢， 優化了創新環境，推動了其創新發展；另一方面人口規模大的城市產業結構與市場規模處于飽和狀態，高鐵開通使得產業向周邊城市擴散的效應大于向中心城市集聚的效應，限制了大城市的發展，同時進一步促進了小城市的創新發展。 這說明高鐵開通有助于我國區域創新的協同發展與空間格局優化。

2.4 不同等級高鐵對城市創新的影響差異

本文考察范圍內開通的高鐵既有國家層面高鐵，也有地方層面高鐵，研究不同等級下高鐵開通對城市創新影響的差異。 為了獲得國家層面高鐵與地方層面高鐵開通對城市創新影響的“凈效應”，剔除了考察時間內同時開通了兩種等級高鐵的城市，回歸結果報告在表5， 括號內為穩健標準誤；***，**，*分別代表1%，5%和10%統計水平上顯著。 由表5 結果可知，盡管國家層面高鐵與地方層面高鐵對城市創新都具有促進效應，但國家層面高鐵比地方層面高鐵的促進效應高0.057， 并且地方層面高鐵的影響系數并不顯著。

表5 不同等級鐵路對城市創新的差異性Tab.5 Impact of different levels high-speed railway on urban innovation

3 穩健性檢驗

3.1 考慮同期政策干擾

為強化城市自主創新， 助力創新型國家建設，科技部于2008 年啟動了“國家創新型城市”試點計劃，對進入試點計劃的城市在人才、政策、資金等資源方面加大支持。 長江中游城市群在考察期內先后有長沙、武漢、南昌、景德鎮等9 個城市進入試點計劃， 這一政策會對試點城市的創新能力有較大提升，從而影響本文研究結果的可信度；因此本文進一步控制了受創新型城市試點計劃影響的城市與年份的交互項，以降低其干擾影響，回歸結果顯示在表6 第1 列中，結果表明，控制創新型城市試點計劃（Nic*period1）的影響后，本文的核心結果仍然穩健。

表6 考慮同期政策干擾與變換被解釋變量Tab.6 Policy interference and changing explained variable in the corresponding period

3.2 替換被解釋變量

進一步選用城市專利獲得量（Gpatent）作為衡量城市創新的指標，對高鐵開通與城市創新的影響重新進行考察，結果在表6 第2 列中。 可以得出，在替換了衡量城市創新能力的指標后，高鐵開通對城市創新的影響仍然顯著為正，進一步驗證了本文結果的可信度。

3.3 安慰劑檢驗

雖然控制了大量可能影響城市創新能力的變量， 但仍然可能有一些不被觀測到的變量影響城市創新能力，這可能會影響結果的穩健性。 參考Ferrara等[17]的做法，通過將高鐵開通這項“政策”對特定城市的沖擊變得隨機， 構建虛假實驗， 然后使用逐年PSM-DID 方法進行回歸， 為了增強安慰劑試驗的有效性，將隨機過程重復1 000 次，若1 000 次實驗結果的估計系數分布在0 附近， 則表明不被觀測到的變量并不會影響估計結果， 也即表3 第5 列高鐵開通虛擬變量系數的確是由于高鐵開通帶來的結果。圖2 匯報了1 000 次隨機實驗的結果。

圖2 1 000 次隨機結果分布圖Fig.2 Distribution of 1 000 random results

圖2 的結果顯示，1 000 次隨機實驗的虛假估計系數大都集中在0 附近，這表明前文的估計結果不太可能是偶然得到的，其他政策或者隨機性因素并沒有影響到估計結果，進一步證明本文估計結果是穩健的。

4 結論

采用逐年PSM-DID 評估了高鐵開通對長江中游城市群城市創新的影響效應，得出以下結論。

1） 高鐵開通促進了長江中游城市群創新能力增長，其對城市創新增長率貢獻了0.130，該結論在控制了其他政策干擾以及替換被解釋變量的情況下依然顯著。 此外工資水平、產業規模、政府投入等因素都顯著影響了城市創新。

2） 高鐵開通對城市創新的影響存在明顯的時間動態性與區域異質性。 高鐵開通顯著促進了小城市創新能力，對大中城市則不明顯。 地方政府應當根據自身經濟基礎和產業結構制定激勵性政策。 對于人口規模大的城市，在促進高鐵發展的同時，要避免城市負荷過度集中，限制引起創新要素擴散的因素。中小城市要抓住高鐵發展的歷史機遇， 增加科技投入，注重人才引進與人才待遇提升，建立創新成果保護制度，為承接高新產業營造出良好的創新環境。

3） 不同戰略等級高鐵對城市創新影響存在明顯差異性。 國家層面高鐵由于戰略定位更高，連接了更多如長三角、珠三角等地區發達城市，為長江中游城市群帶來了更多信息與技術交流，因而對城市創新具有顯著的促進效應。 而地方層面高鐵對城市創新能力的影響則并不明顯。