交通基础设施对经济增长的溢出效应分析
——基于我国省际动态面板数据分析

李一花,于富慧,亓艳萍

(山东大学 经济学院,济南 250100)

一、引言与文献综述

从改革开放到现在,我国的经济一直处于高速发展状态。同时,我国基础设施的发展,特别是交通基础设施的发展,伴随着经济的飞速增加,也实现了飞跃式发展。到2015年末,我国铁路营业里程为12万公里,其中高铁营业里程为一万九千公里,在世界高铁总里程中的比重超过了百分之六十,在世界上排第一位;铁路快速客运网也基本涵盖了我国五十万以上人口的都市;公路里程增加到了457.73万公里,高速公路里程增加到了12.35万公里;海运船队运力规模增加到了一亿六千万载重吨,在世界上排第三位。发展迅猛的交通基础设施的建设已经成为我国经济飞速发展过程中的一个突出特点,同时也被认为是解释“中国速度”的重要因素。

交通基础设施和经济增长的关系,一直是经济学界被关注的重要问题。在国外,交通基础设施和经济增长关系的探究始于1940年。到了20世纪80年代,经济学家对这个问题的研究进入到实证研究的层面,学者们开始构建经济模型,并用新的计量方法来探索交通基础设施与经济增长的关系,其中做出重大贡献的当属Aschauer,Aschauer(1989)采用1948～1987年美国的时间序列数据,应用科布道格拉斯生产函数,探究了基础设施与经济增长的关系,发现高速公路、街道、机场等这一类的交通基础设对经济增长有着极大提高作用[1]。此后,Munnell(1990)同样证明了基础设施对经济增长发挥着重要作用[2]。Demurger(2001)[3]、Hulten(2006)[4]、Chotia等[5](2016)都通过实证分析得出交通基础设施的建设对经济增长有很大影响的观点。当然,也有部分学者的观点与此不同。Holtz-Eakin(1994)从总投资中分离出了公共基础设施投资,选择美国高速公路的数据,用空间计量方法实证分析问题,结果表明以高速公路为代表的基础设施投资对经济增长的影响并不显著[6]。Jiang(2017)运用SEM模型对1986～2011年中国地区级面板数据集进行实证分析,结果显示交通投资对经济增长的影响,在国家和省一级明显不同[7]。Deng(2014)选取中国1987～2010年省级面板数据,运用面板阈值回归模型,发现中国大部分省份的公路基础设施影响程度已经过于饱和,不断扩大公路网络的效率并不高[8]。Shi、Guo和Sun(2017)采用1990-2013年的数据,运用向量误差修正模型,研究基础设施投资与中国地区经济增长的关系,结果表明公路对经济发展起到负向影响[9]。

目前国内学者对此问题的研究大概分为三种类型:

第一种类型使用的是时间序列数据,运用向量自回归模型实证研究。任蓉(2012)[10]、蒲艳(2015)[11]、黄明清(2015)[12]研究发现,交通基础设施投资对经济增长有着长久平稳的作用。顾文青、张涛(2017)基于我国2001～2014年的数据,探究了公路基础设施对流通经济增长的作用,通过对其进行单位根检验、协整检验等,发现流通经济增长是公路基础设施建设的格兰杰原因,而后者却不是前者的格兰杰原因[13]。第二种类型是采用面板数据,运用随机效应、固定效应、GMM等计量模型进行研究。张学良(2007)[14]、蔡新民(2017)[15]基于面板数据研究得出,我国的交通基础设施对经济增长具有很大的提升作用。刘生龙、胡鞍钢(2010)考查了1988～2007年间我国交通、信息和能源基础设施在经济发展中的溢出效应,发现前两者的溢出效应明显,能源基础设施不明显[16]。廖勇海(2012)选用了跨度13年的数据,发现铁路和公路交通基础设施对TFP增长的效应是不同的[17]。花中东、周杨雯倩(2016)采用2000～2013年皖北地区的数据,构建动态面板模型,发现皖北区域客运量、货运量的增长不一定会带来区域的经济增长[18]。第三种类型是使用面板数据和空间计量模型,验证交通基础设施对经济增长的作用。邓丹萱(2014)、胡艳、朱文霞(2015)通过空间计量模型,研究交通基础设施的溢出效应,结果发现其对我国经济增长有正的溢出效应。董亚宁(2016)利用我国2003～2012年省级面板数据和空间杜宾模型,发现交通基础设施会拉动本区域和临近区域的经济发展。边啸(2016)基于我国2001～2013年的面板数据,运用空间面板模型,分析了交通基础设施对TFP增长的影响,研究表明我国铁路基础设施和公路基础设施均对区域全要素增长有促进作用。赵雪阳(2016)选用面板SDM模型,研究发现交通基础设施对浙江省TFP的提升起到负向作用,但阻碍作用并不大,电信基础设施对浙江省TFP具有正向的总效应[19-25]。

综合上述文献,可以发现,当前的研究,大部分是针对交通基础设施对经济增长的直接影响,即把交通基础设施作为一种要素投入来研究其对经济增长的作用,而对交通基础设施对经济增长的溢出效应的研究很少,尤其是从全要素生产率角度探究基础设施对经济增长的影响的文献则更少。本文选用1996～2015我国的省际面板数据,首先测算出全要素生产率,然后用广义矩估计法(GMM)对交通基础设施对经济增长的溢出效应进行研究。本文内容分为以下几部分:第一部分是引言与文献综述,第二部分是我国交通基础设施的发展状况,第三部分是我国省际全要素生产率增长率的测算,第四部分是交通基础设施对经济增长的溢出效应的实证研究,第五部分是结论与政策建议。

二、我国交通基础设施的发展状况

自建国以来,我国的交通基础设施一直在稳步发展,尤其是改革开放之后,交通基础设施的发展状况良好,进步显著。目前,比较全面的交通网络在我国已经初步具备,公路、铁路、民航、水路和管道的铺设在快速进行。因为公路和铁路在交通基础设施中所占比重较大,结合本文选用的指标,下文将主要对公路和铁路基础设施的发展状况进行分析。

(一)公路基础设施的发展状况

自1978年改革开放以来,由于经济增长突飞猛进,公路运输越来越被需要,巨大的转变出现在了公路基础设施的建设中。中央和地方各级政府对公路基础设施的建设给予了极大的重视,分别在20世纪80年代前期和末期,设定并施行了国家干线公路网和国道主干线的计划。于是,我国公路基础设施建造的总体和阶段性目标确立,交通基础设施的建设提上日程,并由此开始了这一阶段的飞速发展,为我国以后的经济发展奠定了根基。

从统计数据看,我国的公路里程由1949年的8.07万公里增长到2015年的457.73万公里,增长了56.72倍,年平均增长率为6.95%;近10年来,公路里程的增加速度有了大幅提高,增长势头强劲(图1)。当前,在我国华北、东北、华东区域已经构成了一条重要的运输通道,公路基础设施有了跳跃式的发展,公路网结构大大完善。

图1 1949～2015年公路里程趋势

在大力建设公路的同时,我国的高速公路的发展在从无到有再到形成网络的过程中,基本上保持着长期、快速的发展。截至2015年,我国高速公路的里程为12.35万公里,超越了美国成为了世界首位,覆盖了除西藏之外的其他所有省市自治区。从统计数据看,我国的高速公路建设从20世纪80年代末才开始进行,在1998年开始飞速增长。从统计数据看,到2015年,我国的高速公里里程已经有12.35万公里,1999～2015年的年平均增长率达到了27.47%(图2)。

随着交通基础设施的不断发展,交通的货运能力也在逐渐增强。从统计数据看,我国的公路货物周转量在2008年之前的增长趋势非常平稳,2008年之后,随着公路建设的发展,公路货物周转量的增长速度也得到了飞速的提升,在近三年,其发展趋势有再次趋于平稳的态势;截至2015年底,我国的公路货物周转量已经达到57 955.72亿吨公里(图3)。

(二)铁路基础设施的发展状况

自1949年建国以来,我国的铁路干线、支线的累计里程一直处于增长状态,且在2008年以后,增速明显加快。从统计数据来看,截至2015年末,我国的铁路(包括地方铁路和合资铁路)营业里程已经达到12.1万公里,比1949年增加了近10万公里,年平均增长率为2.67%(图4)。现如今,我国已经基本形成了覆盖东西南北的铁路网,为我国的发展提供了有利保障。

图2 1949～2015年高速公路里程趋势

图3 公路货物周转量变化趋势

改革开放后,我国的铁路运行质量也得到了快速提升。国家铁路复线里程由1978年的7 360公里增加到了2015年的64 687公里,增长了7.48倍;而复线里程占营业里程的比重在1978年只有15.7%,到2015年,已经增加至53.5%,占营业里程的一半多(表1)。

表1 铁路运行质量

数据来源:《中经网统计数据库统》。

铁路旅客周转量是反映交通基础设施运输能力的指标之一,铁路旅客周转量越大,意味着在交通基础设施发展的同时其客运能力也越强。从统计数据看,我国的铁路旅客周转量在2003年之前的增长趋势一直保持平稳状态,而后随着铁路的建设进程的加快,铁路旅客周转量增长的势头变猛,近10多年的增长量已经超越之前50多年,到2015年,铁路旅客周转量已经达到11 960.6亿人公里(图5)。

(三)交通基础设施对经济增长的作用

图4 1949～2015年铁路营业里程趋势

图5 1949～2015年铁路旅客周转量变化趋势

交通基础设施对经济增长的作用主要有两方面。一方面,交通基础设施作为投资对经济增长起到直接作用,另一方面通过交通基础设施的规模效应和网络效应,影响地区的产出效率进而对经济增长发挥作用。

1.交通基础设施对经济增长的直接作用。在基础设施建设投资阶段,主要体现交通基础设施对经济增长的直接作用。从铁路机场的修建到公路网络的铺设,在基础设施还没有投入使用时,大量的人力、物力和资源需要花费。政府对基础设施总投资中最基本的一部分便是用在交通基础设施上的投资,在进行交通基础设施建设的时候,短期对生产、生活资料的需求产生,不仅能够使劳动力的失业率有所下降,而且会拉动许多有关行业的进步,因而促进了生产质量和效率的提高,并且进一步对经济发展起到拉动作用。2008年金融危机发生后,我国政府为了缓解经济危机,推出了“四万亿”计划,其中约有一半的资金投入到了农村基础设施的建设和铁路、公路、机场等交通基础设施的建设中去,扩大了就业人数,带动了行业发展,缓解了危机局面。

2.交通基础设施对经济增长的间接作用。交通基础设施的建设会使一个地区的可达性变高,所以各种要素流入到这个地区的可能性也随之增加。从地区的角度来分析,地区可达性的变化会对不同地区产生不同的影响。当一个地区的交通基础设施比较完善的时候,地区内的企业获取劳动力和土地等要素的成本相对较低,因此其技术效率会有大幅提升;与此同时,交通基础设施相对落后的地区的资本、劳动力等会迅速流失到交通基础设施相对发达的地区,本地区的经济发展便会受到阻碍。交通基础设施的建设会使交通成本下降、使专业化的分工水平升高,对要素的流动也发挥作用,于是通过规模效应和网络效应,集聚经济形成。它可以通过规模效应直接对全要素生产率和经济增长产生作用,也可以通过集聚经济内部的企业间的交流发生技术外溢使得技术效率得到提升,进而对经济增长产生作用。值得注意的是,在经济集聚为一些地区带来了好处的同时,可能有另外一些地区正在遭受由于交通基础设施的投入带来的损失。

三、我国省际全要素生产率增长率的测算

全要素生产率,也叫做“总和要素生产率”,是指产出增长率中除劳动要素投入增长率和资本要素投入增长率部分之外的其他所有要素投入所带来的产出增长率,它衡量的是某段时间里经济效率的静态水平。全要素生产率中的“全”,指的是除劳动要素和资本要素之外的其他所有要素的总和,包含技术进步、规模经济、组织和生产创新、专业化等。全要素生产率的增长率是动态指标,不同于全要素生产率,它衡量的是经济增长效率水平的动态性。具体来讲,它是指总产出增长率除去要素加权投入增长率的余值。

(一)全要素生产率的增长率的测算方法

当前,索洛余值法是测算全要素生产率的增长率的主要方法。索洛余值法是索洛首先使用的,他利用生产函数,把全要素生产率的增长率看作产出增长率除去资本和劳动增长率之后的余值。通过索洛余值法测算出的增长率,同时包括了技术进步、测量偏误和别的没有考虑到的变量等多方面的影响,最重要的是它还纳入了经济增长中资本、劳动力要素投入无法说明的地方。

由于索洛余值法是基于经济理论、经过严密的数学推算得出的,被国内外学者广泛采纳,因此本文选择此方法来测算全要素生产率的增长率。它的大致步骤为:首先估计出总量生产函数,再算出产出增长率减去各要素增长率的余值,最后用它测算全要素生产率的增长率,因此索洛余值法也叫做生产函数法。索洛余值法有两个假设条件:规模收益不变以及希克斯技术中性,在这两个前提下,全要素生产率的增长率就等于技术进步率,所以各个地区的技术进步率是使用全要素生产率的增长率来衡量的。

运用索洛余值法进行测算的过程如下:

由传统的Cobb-Douglas生产函数可知,当规模收益不变时,生产函数可以表示如下:

(1)

因为下文中使用的资本存量是用永续盘存法算出的,而在使用此方法的过程中,非基础设施资本和基础设施资本是无法分开的,所以需要将生产函数转换为下面的形式:

(2)

将公式(2)稍作变形,得:lnA=lnY-αlnK-(1-α)lnL.

(3)

因为在规模收益不变以及希克斯技术中性的前提下,全要素生产率的增长率就等于技术进步率,所以全要素生产率的增长率公式即为:lnTFP=lnY-αlnK-(1-α)lnL.

(4)

其中,Y代表总产出,K代表资本存量,L代表劳动投入量,α代表资本产出弹性,1-α代表劳动产出弹性。

由公式(4)可以看出,总产出增长率减去劳动投入和资本存量增长率的加权平均值,即为全要素生产率的增长率,而它的增长率则受到总产出、资本存量和劳动投入量以及资本和劳动产出弹性这几个参数的影响,所以要想得到全要素生产率的增长率,只要确定以上几个参数即可。

(二)数据来源与处理

本文采用西藏以外全国30个省市自治区1996～2015的数据进行研究。数据是从各省市自治区历年的统计年鉴中获得的,缺失部分使用《中国统计年鉴》中的数据代替。

总产出Y由各省市自治区的年度实际GDP代替。因为下文中的资本存量的计算以1993年为不变价格,所以首先计算出1993=100的GDP指数,通过1993年的实际GDP和1993=100的GDP指数,把名义GDP折算为以1993年为基期的实际GDP,然后计算出以1993年为基期的GDP增长速度。

关于资本存量K的估算,1951年Goldsmith首先使用了永续盘存法之后,以后对资本存量估算的研究大都采用此方法,其计算公式为:Kt=Kt-1(1-δt)+It.

(5)

其中,Kt和Kt-1分别是第t年和第t-1年的基础设施资本存量,δt是第t年的资本折旧率,It是第t年的基础设施投资。

本文1996～2008年的资本存量来自金戈(2012)[26]的计算,2009～2015年的资本存量采用相同的方法计算而来。

劳动投入量L由各省市自治区历年的一二三产业就业人员总数代替,然后计算出各省市自治区的一二三产业就业人员的增长速度。

关于资本产出弹性α的计算方法,有很多可供选择,只要算出了α,劳动产出弹性1-α也就可以得到。假设规模报酬不变,因为份额法操作简单,结果准确,使用相对广泛,所以选用份额法估算资本产出弹性α和劳动产出弹性1-α。

本文借鉴牛龙(2013)[27]在《中国全要素生产率的测算与分析》中采用的份额法,计算公式如下:

(6)

(7)

利用以上两个公式便可计算出1996～2015年各省市自治区的资本产出弹性α和劳动产出弹性1-α。

(三)全要素生产率的增长率的测算结果及分析

用上述方法和数据测算出的30个省市自治区1996～2015年的全要素生产率的增长率,这20年的平均增长率如表2所示。

表2 1996～2015年各省市自治区TFP的平均增长率

由表2可以看出,1996～2015年的TFP增长率全部是正的,但增长率水平都不高,也没有大规模的变动,东部地区20年的TFP的平均增长率为2.63%,中部地区为2.88%,西部地区为2.37%。东中部地区的省份的TFP增长率大部分都在2%以上,西部地区除了最高的重庆增长率达到了4.96%,还有两个省份低于0.5%,其他省份都在3%左右。

概括来说,我国各省市自治区近20年的TFP增长率都是递增的,这说明在经济增长的过程中,把资本和劳动的贡献除外后,TFP在我国各省市自治区的发展中起到重要的作用。随着中西部地区的大力发展,其TFP增长率逐渐提升,中部地区近20年的平均增长率已经超越东部地区,说明中部地区各省份对各种投入要素的利用率大大提升。

表3列出了我国各省市自治区1996～2005年、2006～2015年两阶段的平均TFP增长率。在1996～2005年这个阶段,东部地区省份的TFP增长率大部分都在4%左右;中部地区的水平参差不齐,但一半以上的地区的TFP增长率也都达到了4%左右的水平,其中增速最高的吉林省达到了5.45%,最低的安徽省也有1.26%;西部地区的TFP增速稍弱。而在2006～2015年这个时间段里,东中西部三个地区的增速普遍较低,没有一个省份的TFP增长率超过5%,只有三分之一的省份的TFP增长率在4%左右,还有三分之一的省份增速在1%以下,剩余省份的增速都在2%左右。由以上数据分析可以看出,在这两个阶段,各省市自治区的TFP增长率几乎都是正的,说明TFP在经济增长过程中起到了重要作用。

表3 1996～2005年和2006～2015年各省市自治区TFP的年平均增长率

对比1996～2005年和2006～2015年两个阶段的数据来看,有16个省份的TFP增长率要比这一阶段要低的多,16个省份中,有9个属于东部地区,5个属于中部地区,剩下2个是西部地区的省份;有10个省份2006～2015年这一阶段的TFP增长率要高于1996～2005年,这10个省份中大部分都属于中西部地区;剩余省份在两个时间的TFP增长率基本持平。出现这种现象的原因可能是,在1996～2005年,正是我国经济飞速发展的时期,因此各省份的基础设施如交通基础设施和通信基础设施的投入也随着经济建设而增加,因此这一阶段的TFP增长率较高,而到了2006～2015年这个阶段,由在2008年遭遇了全球金融危机,经济增长速度骤降,而后几年的增速也并未恢复危机前,不利的国内外环境使得对基础设施的投入相对减少。从东中西部地区来看,因为东部地区经济比较发达,所以受经济危机影响较大,后期TFP增速放缓,而由于中西部尤其是西部地区经济发展较为缓慢,且近些年国家在大力扶持西部地区发展,因此第二阶段的TFP增长率反而有所提高或者与前一阶段基本持平,说明西部地区正在逐渐提高对技术、人力等要素的利用。

四、交通基础设施对经济增长溢出效应的实证分析

(一)理论模型构建

本文主要研究我国30个省市自治区20年的交通基础设施对经济增长的溢出效应。这种溢出效应主要体现为规模效应和网络效应。本文借鉴Hulten的研究方法,所用生产函数如下:Y=A(I,t)F(K,L,I).

(8)

其中,Y为总产出,I为基础设施存量,K为非基础设施资本,L为劳动力资本。

由公式(8)可以得知,基础设施促进经济增长主要通过两种途径:一是直接作用,即作为直接的投入要素,公式(8)中的F(K,L,I)项就是它的具体表现;二是间接作用,也就是本文所研究的溢出效应,对应的是公式(8)中的A(I, t)项,而这是一个标准的希克斯中性效率函数,它能够让整个生产函数外生性地移动。因为本文研究的是交通基础设施投资对经济增长的溢出效应,所以主要关注的是A(I, t)这一项。

其中,i表示区域,t表示时间。Ai,0表示初始生产效率,λi为外生的生产率变迁,参数γi衡量基础设施的溢出效应。

在上述公式里,需要关注γ,但在现实生活中直接获得γ是很困难的,所以可以通过计算全要素生产率的增长率来得到希克斯效率项A(I, t)。

把全要素生产率的计算公式TFPi,t=Yi,t/Fi(Ki,t,Li,t,Ii,t)代入公式(9)然后取对数,就能得到全要素生产率的增长率的计算公式:lnTFPi,t=lnAi,0+λit+γilnIi,t.

(10)

在公式(10)的右侧有参数γ,因为右侧的时间t和基础设施等的获取相对容易,因此需要测算左侧的全要素生产率的增长率,然后通过回归得到γ。

(二)实证模型与变量选取

1.模型形式与变量选取。lnTFPi,t=α+βlnTFPi,t-1+γlnIi,t+φlnXi,t+fi+εi,t.

(11)

其中,被解释变量为TFP的对数,核心的解释变量I有交通(transport)、信息(information)和能源(energy)基础设施,控制变量X为政府支出(govern),贸易开放度为进出口总额(trade),产业结构(tertiary),人力资本(human)。

交通基础设施选用交通基础设施密度作为指标,信息基础设施选用人均邮电业务总量作为指标,能源基础设施选用人均能源消费总量作为指标。政府支出选用政府支出在国内生产总值中占的比重作为指标,进出口用进出口总额在国内生产总值中所占的比重作为指标,产业结构选用了第三产业就业人员占一二三产业就业人员总数的比重,人力资本选用了平均受教育年限作为指标。以上数据的来源均是《中国统计年鉴》、各省市自治区各年份的统计年鉴、《中国经济与社会发展统计数据库统计年鉴》和《中经网统计数据库分省统计年鉴》。

2.变量选取中可能存在的问题及解决办法。内生性问题。因为本文研究的是交通基础设施对经济增长的溢出效应,而根据以往的研究结果,两者之间存在因果关系,能够起到互相提高的作用。若它们之间的逆向的因果关系真的存在,那么解释变量的内生性问题就会随之出现。在本文的实证分析中,选用工具变量法来避免解释变量的内生性问题。工具变量法共包含两种方法,一种为一阶差分GMM方法,另一种为系统GMM方法,它们都可以比较完善地处理解释变量的内生性问题。

解释变量的遗漏问题。动态面板数据中包含了较多个体的动态行为,而且有很大的样本容量,所以可以较好的解决遗漏变量的问题。

测量误差问题。测量误差问题在基础设施存量的测算中出现的可能性很大。在基础设施的建设中,有一大部分的投资是私人资本,所以选用公共投资来衡量基础设施存量必然会产生偏误,这将使参数的估计结果有偏。为了解决货币指标在衡量基础设施存量时的问题,越来越多的学者开始在研究中选择实物指标来度量基础设施。所以本文选取了实物指标来衡量交通基础设施。因为测量误差问题不可能避免,所以在尽量选择适合的指标的同时,也通过差分的方法来尽可能消除产生的误差。

3.模型变量的筛选。在完成上述指标数据的处理之后,用Stata14.0软件,用GMM方法对上述动态面板模型进行了估计,但是实证结果并不理想,大部分的变量都不显著。由于初步选取的变量的实证结果不显著,因此用逐步回归法来进行变量的剔除,直至确定最终的变量。

表4给出了解释变量的筛选过程。因为初步选定的核心解释变量有交通、信息和能源基础设施三个,所以用被解释变量分别和这三个变量进行回归,发现交通和信息基础设施的回归结果显著,能源的结果不显著,因此保留交通和信息基础设施,剔除能源基础设施。然后用被解释变量和这两个解释变量进行回归,但是二者的结果都不显著;逐步加入控制变量之后,结果仍旧不变,所以解释变量只能选择交通基础设施或者信息基础设施。

表4 解释变量筛选过程

注:L.lntfp为被解释变量对数TFP的一阶滞后项;括号中的数值是t统计值的绝对量;①、②和③分别表示10%、5%和1%的显著性水平。

表5给出了信息基础设施做解释变量进行逐步回归的过程。在信息基础设施做解释变量的模型中引入政府支出后,模型中的每个变量都通过了t检验,结果显著;但是再分别引入进出口总额、产业结构或者人力资本后,解释变量变得不显著,因此这三个变量是多余的,需要从模型中剔除。

在得出解释变量情况的基础上,分别利用交通基础设施和信息基础设施做解释变量,加入控制变量进行逐步回归对控制变量进行筛选。

表5 信息基础设施基础上的逐步回归

表6 交通基础设施基础上的逐步回归

表6给出了交通基础设施做解释变量进行逐步回归的过程。在交通基础设施做解释变量的模型中引入政府支出后,模型中的每个变量都通过了t检验,结果显著;然后引入进出口总额,所有变量仍旧通过了t检验;但是再引入产业结构或者人力资本后,解释变量变得不显著,因此这两个变量是多余的,需要从模型中剔除。

由以上过程得出,本文最终选择交通基础设施、进出口总额与政府支出来建立模型。

4.模型与变量的最终选取。本文最终确立的实证模型是在公式(11)基础上改进的,具体的模型设定为:

lnTFPi,t=α+βlnTFPi,t-1+γlntransporti,t+φ1lntradei,t+φ2lngoverni,t+fi+εi,t.

(12)

其中被解释变量为TFP的对数,原始条件对TFP的作用由它的滞后项控制,f是地区固定效应,区域条件的作用用它来控制。解释变量有交通基础设施、政府支出和贸易开放度三种,其中,核心解释变量是交通建设,政府支出和贸易开放度为控制变量。关于变量的详细解释说明如下。

核心解释变量——交通基础设施(transport)。本文和大多数文献的选择一样,选用交通基础设施密度这一存量指标。具体来说,本文选取了铁路营业里程、公路里程和内河航道里程这三类交通基础设施,考虑到下文的研究中各省市自治区的各年份的交通基础设施存量应该能够可比,本文借鉴了Demurger的方法,把各省市自治区的交通基础设施密度作为交通基础设施的衡量指标,具体操作为:铁路、公路和内河航道里程求和后与各省市自治区的面积相比。

控制变量——政府支出(govern)。政府支出是政府为完成公共职能,支付的需要购买的货物和服务的资金,它有生产性支出、消费性支出之分。政府支出对全要素生产率的影响有两方面,其一,政府支出在教育、医疗等基础设施建设上的投资对于经济效率是有利的;其二,若政府支出大多是行政部门管理费,则不利于经济效率。本文选取政府消费支出占GDP的比来代表政府支出,进而来衡量其对全要素生产率的增长的影响。

控制变量——贸易开放度(trade)。全要素生产率的提升即技术进步会带来经济的长期增长,而创新则会带来技术的进步,因此研发投入经常被用来衡量一国的创新程度,一国的研发投入越多,自主创新程度越高,则技术进步的提高也会越快。但是我国仍旧是一个发展中国家,通过贸易,发达国家的研发创新的溢出效应,使先进的技术流入国内,进而被效仿吸收,使全要素生产率提高,贸易开放度在这一过程中起到关键作用。本文中的贸易开放度指标选用进出口总额占GDP比值表示(由于进出口总额的原始数据单位为美元,因此利用当年年均汇率将其单位转换为人民币),用它来衡量贸易开放度对全要素生产率的增长的影响。

各变量的描述性统计如下。

表7 变量的描述性统计

(三)实证结果分析

利用Stata14.0,本文分别用系统GMM方法和一阶差分GMM方法进行了估计,回归结果见表8。

表8的最后三行是在用两种GMM方法的估计中,对其使用的工具变量进行的有效性检验,其中系统GMM的AR(1)检验的P值0.004 3小于0.05,一阶差分GMM的AR(2)检验的P值0.0080也小于0.05,而两个模型的AR(2)检验的P值和Sargan检验的P值均大于0.05,这说明在5%的显著性水平下,系统GMM方法和一阶差分GMM方法估计的参数都通过了工具变量的有效性的检验。

表8 交通基础设施溢出效应的实证结果

从系统GMM方法和一阶差分GMM方法的回归结果来看,交通基础设施对经济增长均产生了溢出效应。在系统GMM方法中,交通基础设施的估计系数值为-0.464 6,说明在5%的显著性水平下,交通基础设施对经济增长产生了负向的影响效应,但是影响效果较弱。在一阶差分GMM方法中,交通基础设施的估计系数值为-0.688 6,说明在10%的显著性水平下,交通基础设施对经济增长也是负向影响,但效果较弱。之所以得出这样的结论,原因可能有多种,一种可能是,在过去的30多年期间,我国的交通基础设施发展迅猛,各类基础设施存量都位居世界前列,因此在基本的交通网络已经形成的情况下,继续增加交通基础设施的投资对生产率的影响会减小;另外一种可能是,在交通基础设施具有空间溢出效应的情形下,加强某地区的交通基础设施的投资,其相邻地区对人才和资金的吸引的压力会增大,因此一个地区交通基础设施发展会对邻近区域的经济增长产生负向溢出效应;还有一种可能是,由于技术进步和创新具有区域集聚的特点,在存在市场分割的情况下,交通的功能会减弱,不能很好的发挥对资本和劳动的集聚效应。

至于影响TFP的其他的变量——贸易开放度和政府支出,它们对TFP的增长有着明显的促进作用。贸易开放度对TFP的增长有着正向的影响,说明通过贸易,国内企业不但可以学到国外先进的经验技术,而且能通过竞争、模仿和学习效应带动国内企业的技术水平的不断上升,继而促进生产率的提高。政府支出对TFP的增长有着显著的正向影响,说明我国政府的管理效率在提升,用于改善公共基础设施的投资支出所占比重在增长。

五、结论与政策建议

本文主要针对交通基础设施对经济增长的溢出效应进行了研究。通过选择索洛余值法,对我国30个省市自治区的全要素生产率的增长率进行了测算,并对测算结果进行了分析。通过构建交通基础设施对经济增长的溢出效应的理论模型,运用1996～2015年的省际动态面板数据,利用系统GMM和一阶差分GMM方法进行研究。本文得到以下结论:交通基础设施对经济增长产生了负向的影响,但是其影响效果较弱,表明我国的交通基础设施发展已经达到一定的水平,基本的交通网络已经形成,所以增加交通基础设施的投资对经济增长的影响会减小;贸易开放度则对全要素生产率的增长有着明显的促进作用,这说明加大对外贸易和政府的投入力度,能够提升全要素生产率;在政府支出方面,对全要素生产率的提高起到正向作用,说明政府在资源配置方面的效果逐步提高。

由实证分析结果,本文提出以下政策建议:

第一,对于交通基础设施已经比较完善发达的地区,在今后的基础设施建设中,应该更多关注其质量的提升和结构优化,应优先对本地区中尚显薄弱的基础设施部门进行投资建设。

第二,继续深化国际合作和全球化步伐。通过合作交流,可以更好的借鉴发达国家的经验,促进生产率的进一步提高。

第三,在政府支出方面,应当加大对公共服务和科技创新的支出,进一步优化资源配置,从而对全要素生产率的进一步提高创造条件。

[1]Aschauer D A.Is public expenditure productive?[J].Journal of Monetary Economics,1989, (23):177-200.

[2]Munnell A H.Why Has Productive Growth Declined? Productivity and Public Investment[J]. New England Economic Review, 1990, 30(Jan):3-22.

[3]Démurger S.Infrastructure Development and Economic Growth: An Explanation for Regional Disparities in China?[J].Journal of Comparative Economics, 2001, 29(1):95-117.

[4]Hulten C R, Bennathan E, Srinivasan S. Infrastructure, Externalities, and Economic Development: A Study of the Indian Manufacturing Industry[J]. World Bank Economic Review, 2006, 20(2):291-308.

[5]Chotia V, Rao N V M. Public Infrastructure Investment and Economic Growth: A Sector Wise Investigation for India Using Westerlund Panel Cointegration Approach[J].Romanian Economic Journal, 2016, 18(59):217-240.

[6]Holtze-Eakin D. Public-Sector Capital and the Productivity Puzzle[J]. Review of Economics and Statistics, 1994, 76(1):12-21.

[7]Jiang X, He X, Zhang L, et al. Multimodal transportation infrastructure investment and regional economic development: A structural equation modeling empirical analysis in China from 1986 to 2011[J]. Transport Policy, 2017, 54:43-52.

[8]Deng T, Shao S, Yang L, et al. Has the transport-led economic growth effect reached a peak in China? A panel threshold regression approach[J]. Transportation, 2014, 41(3):567-587.

[9]Shi Y, Guo S, Sun P. The Role of Infrastructure in China’s Regional Economic Growth[J]. Journal of Asian Economics, 2017, 49(4):26-41

[10]任蓉,程连元,谢卓然,等. 交通基础设施投资与经济增长的动态效应分析——基于VAR模型的实证研究[J].科技管理研究,2012,(4):85-89.

[11]蒲艳,庹君.四川省交通基础设施建设对区域经济增长的影响研究[J].生产力研究,2015,(7):80-82.

[12]黄明清,陈黎明.福建省交通基础设施与经济增长关系研究[J].交通科技与经济,2015,(5):10-14.

[13]顾文青,张涛.公路基础设施建设与流通经济增长的关系——基于面板数据的格兰杰因果关系检验[J]. 商业经济研究,2017,(6):23-25.

[14]张学良.中国交通基础设施与经济增长的区域比较分析[J].财经研究,2007,(8): 51-63.

[15]蔡新民,刘金全,方毅.我国交通基础设施建设对经济增长的影响研究[J].经济纵横, 2017,(4):70-76.

[16]刘生龙,胡鞍钢. 基础设施的外部性在中国的检验:1988——2007[J]. 经济研究,2010,(3): 4-15.

[17]廖勇海.中国交通基础设施与全要素生产率关系的实证研究[D].重庆:重庆大学,2012.

[18]花中东,周杨雯倩. 皖北区域交通基础设施与经济增长实证研究[J].重庆交通大学学报(社会科学版),2016,(4):47-53.

[19]邓丹萱.交通基础设施的网络效应及溢出效应的实证研究[D]. 北京:对外经济贸易大学,2014.

[20]胡艳,朱文霞.交通基础设施的空间溢出效应——基于东中西部的区域比较[J]. 经济问题探索,2015,(1):82-88.

[21]董亚宁.交通基础设施、空间溢出与区域经济增长——基于我国省级层面的实证研究[J]. 商业经济研究,2016,(3):200-202.

[22]边啸.交通基础设施对全要素生产率影响研究[D].北京:北京交通大学,2016.

[23]周亮.财政与科技政策对全要素生产率的影响研究:以湖南为例[J].湖南财政经济学院学报,2016,(5):95-105.

[24]徐鹏杰,王鹤.基于机场生产能力的民航运输业与区域经济发展的关系研究[J].湖南财政经济学院学报,2016,(6):139-146.

[25]赵雪阳.基础设施对浙江全要素生产率的影响研究[D]. 杭州:浙江理工大学,2016.

[26]金戈.中国基础设施资本存量估算[J].经济研究, 2012,47(4):4-14.

[27]牛龙.中国全要素生产率的测算与分析[D].杭州:浙江工商大学, 2013.