馬亞華，楊 凡

(上海師范大學(xué) 商學(xué)院，上海 200234)

一、空港與城市技術(shù)創(chuàng)新

空港不僅僅為所在區(qū)域執(zhí)行交通運(yùn)輸職能，而且作為一種特殊的區(qū)位優(yōu)勢(shì)對(duì)城市經(jīng)濟(jì)發(fā)展具有戰(zhàn)略意義。如其他基礎(chǔ)設(shè)施一樣，空港可以通過提供多樣化的現(xiàn)代服務(wù)影響城市經(jīng)濟(jì)。這種影響可分為衍生效應(yīng)(tertiary effects)和永久效應(yīng)(perpetuity effects)。衍生效應(yīng)是指出于融資、時(shí)間或信息成本的節(jié)約，優(yōu)質(zhì)的航空運(yùn)輸服務(wù)能對(duì)某些創(chuàng)新能力強(qiáng)、經(jīng)營(yíng)范圍分散的高端行業(yè)產(chǎn)生強(qiáng)烈吸引，如以跨國(guó)公司總部為代表的現(xiàn)代商務(wù)服務(wù)業(yè)，以及信息技術(shù)、生物技術(shù)、電子科技等某些產(chǎn)品體積小、附加值高的高端制造業(yè)等，從而使大型空港城市成為發(fā)展這類行業(yè)的優(yōu)質(zhì)區(qū)位。Bel等人證實(shí)了航空運(yùn)輸導(dǎo)致的時(shí)間節(jié)約和知識(shí)溢出對(duì)于企業(yè)總部的重要性(Bel and Fageda, 2008)，Button(1999)、Brueckner(2003)、Green(2007)和Percoco(2010)等人對(duì)空港與城市服務(wù)業(yè)和高科技產(chǎn)業(yè)發(fā)展之間的關(guān)系進(jìn)行了實(shí)證研究，并得出空港對(duì)提升城市產(chǎn)業(yè)發(fā)展水平具有強(qiáng)烈推動(dòng)作用的結(jié)論。永久效應(yīng)是指航空服務(wù)為城市帶來規(guī)模經(jīng)濟(jì)、范圍經(jīng)濟(jì)和集聚經(jīng)濟(jì)，并通過提升城市間的知識(shí)流動(dòng)性，使空港成為城市經(jīng)濟(jì)的催化劑和助推器。Cohen(2003)曾驗(yàn)證空港對(duì)城市制造業(yè)成本下降和生產(chǎn)率提升的效應(yīng)，而這種成本節(jié)約和效率提升同時(shí)來自衍生效應(yīng)和永久效應(yīng)。

隨著知識(shí)經(jīng)濟(jì)和后工業(yè)化時(shí)代的來臨，技術(shù)創(chuàng)新對(duì)區(qū)域可持續(xù)發(fā)展的重要性愈發(fā)凸顯。而城市作為產(chǎn)業(yè)和人口高度集中的地區(qū)，歷來是區(qū)域研發(fā)(R&D)和技術(shù)創(chuàng)新(technical innovation)的中心，自然成為研究技術(shù)創(chuàng)新的“天然實(shí)驗(yàn)室”(Lucas R.S, 1988)。在此背景下，有必要超越空港對(duì)城市經(jīng)濟(jì)發(fā)展一般意義的研究，在更高層面探討空港對(duì)城市創(chuàng)新的作用。一方面，空港作為全球化運(yùn)輸網(wǎng)絡(luò)的重要節(jié)點(diǎn)，賦予所在城市更強(qiáng)的匯聚資本和知識(shí)精英等創(chuàng)新資源的能力，從而為城市研發(fā)活動(dòng)奠定更加充分的物質(zhì)基礎(chǔ)；另一方面，空港提高了地區(qū)間的連通性(connectivity)，使知識(shí)精英的遠(yuǎn)距離旅行和面對(duì)面交流變得更加容易，從而誘發(fā)了城市間廣泛的知識(shí)傳播(knowledge distribution)和知識(shí)溢出(knowledge spillover)，而這種溢出應(yīng)與創(chuàng)新有著較強(qiáng)的關(guān)聯(lián)性?；谏鲜鲞壿?，我們推測(cè)，空港理應(yīng)成為城市創(chuàng)新的助推器，擁有空港尤其是國(guó)際樞紐性空港的城市理應(yīng)擁有遠(yuǎn)超一般城市的技術(shù)創(chuàng)新能力。本研究擬用空港客流量作為空港規(guī)模的代理變量，采用面板數(shù)據(jù)分析方法，探討空港的永久效應(yīng)對(duì)城市創(chuàng)新的影響。

二、模型與變量說明

(一)關(guān)于知識(shí)生產(chǎn)函數(shù)

對(duì)于本文實(shí)證分析的模型方程，可以借鑒國(guó)外學(xué)者所提出的知識(shí)生產(chǎn)函數(shù)(Knowledge Production Function, KPF)。知識(shí)生產(chǎn)函數(shù)最初是Griliches(1979)在利用生產(chǎn)函數(shù)估算R&D對(duì)于經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)時(shí)提出的，可以簡(jiǎn)單表述為：

R&Doutput=F(labor,capital,R&Dinput,u)

(1)

其中，labor和capital都是傳統(tǒng)的要素投入，R&Dinput表示當(dāng)前的技術(shù)知識(shí)水平，可以由過去和現(xiàn)在的研發(fā)支出(research and development expenditure)來衡量。u表示對(duì)產(chǎn)出不可觀測(cè)的其他決定因素。

后來經(jīng)Jaffe(1989)完善后形成了Griliches-Jaffe知識(shí)生產(chǎn)函數(shù)模型，利用該模型分析了大學(xué)研究溢出對(duì)企業(yè)專利和區(qū)域創(chuàng)新的影響。含兩種要素投入的修正的柯布道格拉斯(Cobb Douglas)模型：

lnPi=β1lnIi+β2lnUi+εi

(2)

其中，P表示有經(jīng)濟(jì)價(jià)值的新知識(shí)，I表示企業(yè)研發(fā)活動(dòng)，U表示大學(xué)研發(fā)活動(dòng)，ε是隨機(jī)誤差項(xiàng)。Jaffe(1989)認(rèn)為，作為一個(gè)經(jīng)驗(yàn)?zāi)Ｐ?，知識(shí)生產(chǎn)函數(shù)的適用范圍非常廣泛，可以應(yīng)用于從國(guó)家到企業(yè)各個(gè)層面的有關(guān)知識(shí)生產(chǎn)和技術(shù)創(chuàng)新的研究當(dāng)中。同時(shí)，大量實(shí)證研究結(jié)果證明知識(shí)生產(chǎn)函數(shù)確實(shí)存在。知識(shí)生產(chǎn)函數(shù)把創(chuàng)新投入和創(chuàng)新產(chǎn)出聯(lián)系起來，有助于探明不同創(chuàng)新系統(tǒng)促進(jìn)知識(shí)生產(chǎn)和創(chuàng)新的動(dòng)力及影響因素。因此，知識(shí)生產(chǎn)函數(shù)已成為分析區(qū)域知識(shí)流動(dòng)和檢驗(yàn)其對(duì)區(qū)域創(chuàng)新影響的常用且有效的工具。

為了量化航空客流對(duì)城市創(chuàng)新的影響，本文將結(jié)合Brueckner的分析框架(Brueckner, 2003)和Griliches-Jaffe知識(shí)生產(chǎn)函數(shù)來考察城市的創(chuàng)新能力，并提出如下函數(shù)形式：

CityInnovation=F(AirlinePassager,X)+ε

(3)

其中，CityInnovation是指城市創(chuàng)新，AirlinePassager是指航空運(yùn)輸?shù)目土?，X是一系列影響城市創(chuàng)新的外生變量，ε是隨機(jī)誤差項(xiàng)。上式表明，在控制住外生變量X的前提下，不同城市的創(chuàng)新能力會(huì)隨其航空客流量不同而出現(xiàn)差異，而航空客流量則取決于城市空港的規(guī)模和層次。進(jìn)一步，本文采用Griliches-Jaffe知識(shí)生產(chǎn)函數(shù)的柯布—道格拉斯(Cobb-Douglas)形式構(gòu)建計(jì)量模型：

(4)

其中，α和γ是彈性系數(shù)，i為城市序號(hào)，其他符號(hào)含義不變。

(二)模型構(gòu)建

創(chuàng)新作為一種新知識(shí)的生產(chǎn)過程，其投入涉及創(chuàng)新的人力、物力、財(cái)力及制度等方面因素。本文將城市創(chuàng)新水平定義為城市內(nèi)的微觀主體(如企業(yè)、研究機(jī)構(gòu)、院校或家庭個(gè)人等)在給定創(chuàng)新投入和外部環(huán)境的條件下實(shí)現(xiàn)創(chuàng)新成果的能力。故根據(jù)式(3)，本文提出如下具體分析框架：

patent=F(airport,density,rd,fdi,scale,envi,human)

(5)

式(5)中：patent是被解釋變量，反映城市創(chuàng)新的產(chǎn)出水平；airport為本文研究的解釋變量，表示城市空港客流量。盡管城市創(chuàng)新與航空貨運(yùn)也有關(guān)，但考慮到在回歸分析中貨運(yùn)與客運(yùn)之間可能存在共線性，本文沒有把貨運(yùn)量也作為一個(gè)解釋變量。此外，本文還選取density、rd、fdi、scale、envi和human等多個(gè)控制變量。其中，density是城市人口密度，反映城市內(nèi)集聚程度；rd是創(chuàng)新資金投入，可以是政府的財(cái)政科研支出，也可以是企業(yè)的研發(fā)投入；fdi是城市所接受的外來直接投資量，反映城市的開放度、包容度和對(duì)新知識(shí)引進(jìn)和學(xué)習(xí)能力；scale是城市規(guī)模，因?yàn)閯?chuàng)新需要一定的經(jīng)濟(jì)基礎(chǔ)作為支撐；envi是城市環(huán)境，優(yōu)美的環(huán)境對(duì)企業(yè)和高級(jí)人才更具吸引力；human是城市的人力資本存量。

根據(jù)式(4)，本文采用擴(kuò)展的柯布—道格拉斯(Cobb-Douglas)生產(chǎn)函數(shù)形式，對(duì)等式兩邊取自然對(duì)數(shù)。這樣不僅可以做到無量綱化，減少異方差，提高經(jīng)濟(jì)數(shù)據(jù)的平穩(wěn)性，而且模型中的系數(shù)具有明確的經(jīng)濟(jì)含義，即因變量對(duì)自變量的彈性?？紤]到創(chuàng)新水平的提升是一個(gè)累積的過程，當(dāng)前的創(chuàng)新水平很可能依賴于過去的水平，因此我們引入被解釋變量的滯后項(xiàng)，從而將其擴(kuò)展為一個(gè)動(dòng)態(tài)模型。由于本文研究樣本是橫截面較大(29個(gè)個(gè)體)、時(shí)間維度較小(5年)的短面板數(shù)據(jù)，故采用被解釋變量的一期滯后模型。其形式如下：

ln patentit=β0+β1ln patentit-1+β2ln airportit+β3ln densityit+β4(ln densitit)2+β5ln rdit+β6ln fdiit+β7ln scaleit+β8ln enviit+β9ln humanit+ui+vit

(6)

式(6)中：i、t分別表示城市和年份；ln表示取自然對(duì)數(shù)，β0為截距項(xiàng)，μi表示不可觀測(cè)的城市效應(yīng)，νit代表隨機(jī)擾動(dòng)項(xiàng)；ln patentit-1表示被解釋變量的一期滯后值，即t-1年i城市的創(chuàng)新水平，該變量用以反映城市創(chuàng)新水平變化的延續(xù)性。另外，為考察城市密度與城市創(chuàng)新水平之間是否存在“倒U”型關(guān)系，本文引入了城市密度的平方項(xiàng)，即(ln densityit)2。

(三)變量說明

對(duì)于文中被解釋變量城市創(chuàng)新水平(ln patentit)，不少學(xué)者以當(dāng)年該城市的專利數(shù)進(jìn)行衡量，雖然這種衡量標(biāo)準(zhǔn)有一定的缺陷，例如有些創(chuàng)新沒有申請(qǐng)專利等，但相對(duì)于新產(chǎn)品銷售額等其他指標(biāo)而言，專利數(shù)量仍是反映創(chuàng)新活動(dòng)成果的較好度量標(biāo)準(zhǔn)(Cheung and Lin, 2004; Pessoa, 2005)。經(jīng)綜合考慮，本文中的專利數(shù)量采用城市的專利授權(quán)量，包括國(guó)內(nèi)發(fā)明專利申請(qǐng)授權(quán)量、實(shí)用型專利申請(qǐng)授權(quán)量和外觀專利授權(quán)量，而非專利申請(qǐng)量，盡管授權(quán)數(shù)量易受專利審查機(jī)構(gòu)審查能力的影響。

關(guān)于解釋變量和控制變量，本文說明如下：ln airportit用城市空港的年旅客吞吐量進(jìn)行度量；參考Ciccone等人(1996)的方法，本文用每平方公里第二、三產(chǎn)業(yè)的就業(yè)人口數(shù)量表示城市密度ln densityit；由于不同城市企業(yè)研發(fā)投入的統(tǒng)計(jì)口徑不同，ln rdit用政府財(cái)政支出中科技支出金額來表示；ln fdiit是指城市實(shí)際使用外來直接投資金額，F(xiàn)DI為城市提供的不僅是資金和就業(yè)機(jī)會(huì)，更重要的是先進(jìn)的技術(shù)和管理理念；對(duì)于ln scaleit，本文用城市當(dāng)年生產(chǎn)總值(GDP)表示；ln enviit用城市建成區(qū)綠化覆蓋率來表示；關(guān)于城市人力資本ln humanit，盡管度量方法較多，如勞動(dòng)者報(bào)酬法、教育經(jīng)費(fèi)法、學(xué)歷權(quán)重法以及教育年限法等，考慮到數(shù)據(jù)可得性，本文用普通高等院校專任教師數(shù)量來表示。

三、數(shù)據(jù)來源

由于只有大型樞紐空港才具備集聚高端人才資源的能力，并且作為創(chuàng)新節(jié)點(diǎn)的城市應(yīng)當(dāng)具備一定的經(jīng)濟(jì)基礎(chǔ)，所以本文選擇我國(guó)35個(gè)大中型城市作為潛在的研究對(duì)象。但是由于北京、上海和深圳的常住人口和戶籍人口有巨大差異，在測(cè)算城市密度時(shí)難以與其他城市相匹配，?？谧鳛槁糜纬鞘袑儆诋惓颖?，而西寧和銀川授權(quán)專利數(shù)據(jù)缺失，因此將這6個(gè)城市從原樣本中剔除，最終選取29個(gè)城市作為研究樣本。這些城市規(guī)模不一、區(qū)位各異，具有較強(qiáng)的代表性。另外，針對(duì)我國(guó)宏觀經(jīng)濟(jì)數(shù)據(jù)存在的質(zhì)量和數(shù)量問題，為保證樣本數(shù)據(jù)的可得性和有效性，本研究時(shí)間跨度為2006至2010年，數(shù)據(jù)來源則為《中國(guó)城市統(tǒng)計(jì)年鑒》、《國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》以及《從統(tǒng)計(jì)看民航》。各主要變量的描述性統(tǒng)計(jì)見表1。

需注意的是，年鑒上的城市口徑并不是指地理學(xué)上的城市化區(qū)域，而是一個(gè)行政區(qū)劃單位，管轄以一個(gè)集中連片或者若干個(gè)分散的城市化區(qū)域?yàn)橹行?，大量非城市化區(qū)域圍繞的大區(qū)域。鑒于這一差異，目前《中國(guó)城市統(tǒng)計(jì)年鑒》對(duì)地級(jí)市以上城市分別列出“市區(qū)”和“市轄區(qū)”兩列數(shù)據(jù)，其中“市區(qū)”包括市轄區(qū)和下轄縣、縣級(jí)市，市轄區(qū)則包括城區(qū)、郊區(qū)。由于市轄區(qū)是一個(gè)城市經(jīng)濟(jì)活動(dòng)的主體區(qū)域，比“市區(qū)”更接近于本文的研究對(duì)象，所以本文使用的數(shù)據(jù)為城市統(tǒng)計(jì)年鑒中“市轄區(qū)”的統(tǒng)計(jì)指標(biāo)。

表1 各主要變量描述性統(tǒng)計(jì)

資料來源：根據(jù)2006～2010年各城市統(tǒng)計(jì)公報(bào)、《中國(guó)城市統(tǒng)計(jì)年鑒》和《從統(tǒng)計(jì)看民航》相關(guān)數(shù)據(jù)整理.

四、計(jì)量方法及結(jié)果

(一)估計(jì)方法

對(duì)方程式(6)進(jìn)行估計(jì)的關(guān)鍵在于如何解決各變量?jī)?nèi)生性的問題。對(duì)模型進(jìn)行估計(jì)的前提條件是各個(gè)解釋變量須與誤差項(xiàng)νit的過去、現(xiàn)在和未來值均不相關(guān)，即所有解釋變量應(yīng)為嚴(yán)格外生變量。而事實(shí)上，在上述方程式中，這種嚴(yán)格意義上的外生關(guān)系并不成立。其原因：一是方程右邊的解釋變量包含了被解釋變量的一期滯后項(xiàng)；二是受多種因素限制，遺漏變量在所難免，而經(jīng)濟(jì)變量之間多少都會(huì)有一些相關(guān)性，這就導(dǎo)致包含遺漏變量的誤差項(xiàng)與現(xiàn)有解釋變量相關(guān)；三是計(jì)量方程中還可能存在反向因果性問題。這些都將導(dǎo)致內(nèi)生性問題，使得直接采用固定效應(yīng)模型的 LSDV估計(jì)量或者隨機(jī)效應(yīng)模型的FGLS估計(jì)量得不到一致的參數(shù)估計(jì)。

解決內(nèi)生性問題的有效方法是尋找合適的工具變量，例如在動(dòng)態(tài)面板估計(jì)中可用滯后變量作為工具變量。本研究樣本數(shù)據(jù)的橫截面和時(shí)間序列均較短，本文擬采用系統(tǒng)廣義矩(Sys-GMM)的估計(jì)方法。該方法通過充分利用小樣本信息，使小樣本偏誤明顯降低，在新增工具變量有效的前提下，其估計(jì)結(jié)果比差分廣義矩(Diff-GMM)估計(jì)更有效。同時(shí)，鑒于在有限樣本條件下，一步(one-step)估計(jì)法較兩步(two-step)估計(jì)法更為可靠，本文最終采用一步系統(tǒng)廣義矩(one-step Sys-GMM)估計(jì)法。

關(guān)于工具變量的設(shè)置，本文進(jìn)行如下處理：由于我國(guó)高校以公辦高校居多，普通高校專任教師數(shù)(ln humanit)的招聘和編制均有嚴(yán)格的規(guī)定或限制，同時(shí)建成區(qū)的綠化覆蓋率(ln enviit)是由政府規(guī)劃部門在前期對(duì)城市進(jìn)行建設(shè)或改造時(shí)決定的，因此將其視為外生變量；穩(wěn)健起見，其他變量均視為弱外生變量，將其滯后項(xiàng)作為自身的工具變量。

最后，在回歸結(jié)果中：(1)Wald test，以檢驗(yàn)?zāi)Ｐ凸烙?jì)的整體顯著性；(2)AR(l)，用于檢驗(yàn)估計(jì)殘差是否存在一階序列相關(guān)性；(3)AR(2)，用于檢驗(yàn)估計(jì)殘差是否存在二階序列相關(guān)性；(4)Sargan test，用于檢驗(yàn)工具變量的合理性。在一般情況下，如果沒有二階序列相關(guān)則可斷定“序列不相關(guān)”的原假設(shè)成立。

(二)估計(jì)結(jié)果及其分析

表2給出了采用一步系統(tǒng)廣義矩估計(jì)方法對(duì)空港客流量與城市創(chuàng)新水平之間關(guān)系的計(jì)量分析結(jié)果。第一列顯示ln airportit和ln densityit的系數(shù)估計(jì)值顯著為正，但是ln rdit和ln fdiit的估計(jì)系數(shù)并不顯著?？紤]到科技支出和FDI對(duì)于創(chuàng)新水平的影響具有一定的時(shí)滯性，因此將它們的一期滯后值引入方程做進(jìn)一步分析，結(jié)果如第二列所示。

在第二列中，ln rdit-1和ln fdiit-1的估計(jì)變得顯著，且其他解釋變量的顯著性也得到了提升，估計(jì)通過 Sargan 檢驗(yàn)、AR(1)和AR(2)檢驗(yàn)，這說明模型設(shè)定較為理想，估計(jì)結(jié)果具有一定的穩(wěn)定性。其中，ln patentit-1的估計(jì)系數(shù)顯著為正，說明在繆爾達(dá)爾—赫希曼空間里由外部規(guī)模效應(yīng)造成的城市創(chuàng)新水平的自我強(qiáng)化；ln airportit和ln densityit的估計(jì)系數(shù)為0.255和0.388，城市空港客流和城市密度均對(duì)城市創(chuàng)新水平產(chǎn)生了正面影響，這表明城市間和城市內(nèi)的集聚有利于知識(shí)在空間內(nèi)的溢出和傳播，進(jìn)而提升城市創(chuàng)新水平；ln scaleit的估計(jì)系數(shù)也顯著為正，反映了城市的經(jīng)濟(jì)規(guī)模對(duì)于城市創(chuàng)新水平有較強(qiáng)的支撐作用；ln enviit的估計(jì)系數(shù)并不顯著，說明城市環(huán)境對(duì)城市創(chuàng)新水平的作用還有待研究；ln humanit的估計(jì)系數(shù)也不顯著，其原因可能是所用指標(biāo)高校教師不能很好地表征城市人力資本狀況。然而，ln rdit-1和ln fdiit-1的估計(jì)系數(shù)為負(fù)，似乎表示政府的科技支出和FDI對(duì)于我國(guó)主要城市的創(chuàng)新水平具有負(fù)面影響。究其原因，本文認(rèn)為我國(guó)城市吸收和利用的FDI規(guī)模雖大，但質(zhì)量不高，被鎖定在“微笑曲線”低端的制造部分，能夠用來彌補(bǔ)“就業(yè)缺口”和“資金缺口”，但暫時(shí)無法引導(dǎo)技術(shù)進(jìn)步。其他學(xué)者在研究FDI效應(yīng)時(shí)也曾得出類似結(jié)果，但認(rèn)為外資的引入加劇了人才流失或技術(shù)依賴，對(duì)本土的創(chuàng)新水平提升產(chǎn)生了擠出效應(yīng)(Aitken, 1999)。而政府直接參與創(chuàng)新活動(dòng)，可能導(dǎo)致資源誤配的程度加深，使得創(chuàng)新產(chǎn)出低效，進(jìn)而抑制創(chuàng)新水平提升。

顯然，由于空間阻滯效應(yīng)的存在，城市創(chuàng)新水平與創(chuàng)新要素和創(chuàng)新活動(dòng)的空間集聚高度相關(guān)。空港客流能夠引起創(chuàng)新要素在城市間的集聚(intercity agglomeration)，而這種集聚是對(duì)城市密度所度量的城市內(nèi)集聚的補(bǔ)充。因此我們猜測(cè)，如果排除空港因素，外部集聚效應(yīng)將由內(nèi)部集聚效應(yīng)表達(dá)，可能會(huì)造成對(duì)城市密度與城市創(chuàng)新之間系數(shù)的高估。第三列是剔除了ln airportit后的估計(jì)結(jié)果，其中的數(shù)據(jù)證實(shí)了這一猜想。

表中第四列是引入城市密度的平方項(xiàng)的估計(jì)結(jié)果。如果城市密度過大，公共物品無法充分供應(yīng)反而帶來?yè)頂D成本，要素在空間上的進(jìn)一步集中反而會(huì)對(duì)城市創(chuàng)新產(chǎn)生不利影響。ln densityit的估計(jì)系數(shù)為正，(ln densityit)2的估計(jì)系數(shù)為負(fù)，表明“倒U”型關(guān)系存在，但是并不顯著，說明現(xiàn)階段我國(guó)城市基礎(chǔ)設(shè)施普遍供給充足，人口城市化將進(jìn)一步促進(jìn)城市創(chuàng)新水平的提升。

表2 影響城市創(chuàng)新水平的面板模型估計(jì)結(jié)果

注：本表估計(jì)結(jié)果通過stata12.0軟件實(shí)現(xiàn)，括號(hào)內(nèi)數(shù)字為回歸估計(jì)系數(shù)的標(biāo)準(zhǔn)差，*、**和 *** 分別表示 1%、5%和 10%的顯著性水平.

五、結(jié)論及啟示

通過研究，本文發(fā)現(xiàn)：在控制住城市的非農(nóng)就業(yè)人口密度、經(jīng)濟(jì)基礎(chǔ)、人力資本、科技支出、外商直接投資以及環(huán)境因素后，城市空港規(guī)模對(duì)城市創(chuàng)新水平有著顯著的正面影響。同時(shí)還發(fā)現(xiàn)，城市內(nèi)部集聚與城市創(chuàng)新水平之間存在“倒U”型關(guān)系，但并不顯著。由此可知，隨著空港的航班數(shù)量的增加、服務(wù)質(zhì)量的提升以及航空成本的下降，城市間的人員往來會(huì)更為頻繁，面對(duì)面交流的機(jī)會(huì)增加，這將強(qiáng)化生產(chǎn)要素的城市間集聚，促進(jìn)隱性知識(shí)的擴(kuò)散和溢出，推動(dòng)城市創(chuàng)新水平提升。筆者認(rèn)為，對(duì)空港的研究結(jié)果可以應(yīng)用到鐵路運(yùn)輸和公路運(yùn)輸?shù)绕渌\(yùn)輸形式上，只是其他形式的運(yùn)輸樞紐對(duì)城市創(chuàng)新的促進(jìn)可能不如航空運(yùn)輸那么顯著。過去世界大城市的發(fā)展先后依托內(nèi)河航運(yùn)、海運(yùn)、鐵路和高速公路，而伴隨著知識(shí)經(jīng)濟(jì)時(shí)代的到來，空港將成為未來城市尤其是國(guó)際大都市最重要的區(qū)位優(yōu)勢(shì)。當(dāng)前，以長(zhǎng)三角、珠三角以及京津地區(qū)為代表的我國(guó)沿海地帶的經(jīng)濟(jì)發(fā)展已開始向后工業(yè)化階段過渡，對(duì)這些地區(qū)而言，通過培育新的部門和空間增長(zhǎng)點(diǎn)實(shí)現(xiàn)發(fā)展戰(zhàn)略轉(zhuǎn)型已成為一種歷史必然。本文的研究結(jié)果在一定程度上實(shí)證了城市空港的永久效應(yīng)對(duì)城市創(chuàng)新的積極影響，對(duì)這些地區(qū)的決策者可能會(huì)有所啟發(fā)：臨空經(jīng)濟(jì)可能代表著都市發(fā)展的未來。

[1]Bel G, Fageda X. Getting there fast: globalization, intercontinental flights and location of headquarters [J]. Journal of Economic Geography, 2008, 8(4): 471-495.

[2]Button K, Lall S. The economics of being an airport hub city [J]. Research in Transportation Economics, 1999, 5: 75-105.

[3]Green R K. Airports and economic development [J]. Real Estate Economics, 2007, 35(1): 91-112.

[4]Brueckner J K. Airline traffic and urban economic development [J]. Urban Studies, 2003, 40(8): 1455-1469.

[5]Percoco M. Airport activity and local development: Evidence from Italy [J]. Urban Studies, 2010, 47(11): 2427-2443.

[6]Cohen J P, Morrison Paul C J. Airport infrastructure spillovers in a network system [J]. Journal of Urban Economics, 2003, 54(3): 459-473.

[7]Lucas Jr R E. On the mechanics of economic development [J]. Journal of monetary economics, 1988, 22(1): 3-42.

[8]Griliches Z. Issues in assessing the contribution of research and development to productivity growth [J]. The Bell Journal of Economics, 1979: 92-116.

[9]Jaffe A B. Real effects of academic research [J]. The American Economic Review, 1989: 957-970.

[10]Cheung K, P Lin. Spillover Effects of FDI on Innovation in China: Evidence from the Provincial Data [J]. China Economic Review, 2004, 15 (1): 25-44.

[11]Pessoa A. “Ideas” driven growth: the OECD evidence [J]. Portuguese Economic Journal, 2005, 4(1): 46-67.

[12]Ciccone A, Hall R. Productivity and the Density of Economic Activity [J]. American Economic Review, 1996, 86(1):54-70.

[13]Aitken B, A Harrison. Do Domestic Firms Benefit from Direct Foreign Investment? Evidence from Venezuela [J]. American Economic Review, 1999, 89(3), 605-618.