張 禹 孫雙利 陳春春

1 引 言

創(chuàng)新活動具有強(qiáng)烈的本地化特征（Jaffe等，1993［1］），以此形成的區(qū)域集聚性是阻礙創(chuàng)新知識向其他地區(qū)外溢的重要原因。盡管互聯(lián)網(wǎng)和通訊技術(shù)日益完善，但是地理距離在制約創(chuàng)新外溢方面的作用依然非常顯著（Agrawal等，2017［2］）。部分原因在于人與人之間的面對面交流和示范是知識外溢的一大途徑，對于私有或獨(dú)享性知識尤其如此。不過，隨著以高鐵為代表的交通基礎(chǔ)設(shè)施的改善，大幅縮短了地區(qū)間的旅行時間，為不同地區(qū)間擁有差異化知識的人才更加便捷的交流與共享知識提供了良好機(jī)會，這將有助于提高創(chuàng)新產(chǎn)出。具體來看，高鐵開通降低了地區(qū)間的通勤成本，本質(zhì)上會對城市的創(chuàng)新活動產(chǎn)生兩種效應(yīng)：其一是配置效應(yīng)，即地區(qū)間轉(zhuǎn)移成本下降導(dǎo)致創(chuàng)新要素在地區(qū)間的重新配置；其二是外溢效應(yīng)，即創(chuàng)新主體之間的互動頻次提高，提高創(chuàng)新知識的地區(qū)間溢出。從理論上來看，這兩種效應(yīng)對經(jīng)濟(jì)的創(chuàng)新活動都具有促進(jìn)作用，但考慮到城市原有要素稟賦各異，上述兩種效應(yīng)是否及如何發(fā)揮作用需進(jìn)一步分析。一方面，配置效應(yīng)帶來了創(chuàng)新資源優(yōu)化配置，有利于原有創(chuàng)新環(huán)境優(yōu)良、擅長特定創(chuàng)新活動的城市，進(jìn)而強(qiáng)化創(chuàng)新的本地化特征；然而對于創(chuàng)新基礎(chǔ)相對薄弱的城市，地區(qū)間的創(chuàng)新資源優(yōu)化配置可能導(dǎo)致創(chuàng)新要素流出，進(jìn)而弱化城市的創(chuàng)新能力。另一方面，外溢效應(yīng)推動了創(chuàng)新資源的交流與互動，使得原有的集中化創(chuàng)新逐漸向合作式的分散化創(chuàng)新演化，這給創(chuàng)新資源匱乏但擁有后發(fā)優(yōu)勢的城市以趕超機(jī)會。因此，高鐵對各城市創(chuàng)新的具體影響取決于配置效應(yīng)和外溢效應(yīng)的作用方向及相對大小。

正是由于理論上的模糊性，可靠的經(jīng)驗證據(jù)成為明晰中國高鐵開通與城市創(chuàng)新關(guān)系的關(guān)鍵。國內(nèi)已有系列研究探討了兩者之間的關(guān)系（何凌云和陶東杰，2020［3］；余泳澤等，2019［4］；卞元超等，2019［5］；吉赟和楊青，2020［6］；王春楊等，2020［7］）。這些文獻(xiàn)采用城市層面的數(shù)據(jù)各自論證了高鐵開通對城市專利申請數(shù)量、專利引用以及創(chuàng)新指數(shù)的正面影響。還有一些較為相關(guān)的研究細(xì)化了知識流動研究，探討了高鐵開通對各地區(qū)學(xué)術(shù)論文發(fā)表的促進(jìn)作用（Dong等，2020［8］）。這些研究無疑加深了我們對高鐵與城市創(chuàng)新的理解，不過在現(xiàn)有研究的基礎(chǔ)上，本文認(rèn)為依然有三個重要的問題需要進(jìn)一步明確：（1）高鐵影響城市創(chuàng)新的可信度有多高。目前的研究事實(shí)上還沒有就高鐵對城市創(chuàng)新是否產(chǎn)生影響形成定論。即使多數(shù)研究給出了支持性證據(jù)（何凌云和陶東杰，2020［3］；余泳澤等，2019［4］；卞元超等，2019［5］；Gao和Zheng，2020［9］），但也存在一些研究發(fā)現(xiàn)高鐵對城市創(chuàng)新并沒有顯著影響（Chen等，2017［10］）。（2）高鐵影響城市創(chuàng)新的程度有多大。該問題尚未引起足夠的重視，但它卻是判斷高鐵建設(shè)是否值得的重要前提。從系數(shù)顯著性層面分析高鐵效應(yīng)的統(tǒng)計意義是現(xiàn)有研究的通行做法，但它忽視了高鐵開通的經(jīng)濟(jì)意義。（3）高鐵通過何種機(jī)制影響城市的創(chuàng)新活動。創(chuàng)新資源的流動，例如高素質(zhì)人才的流動與科學(xué)知識和隱性知識的傳播等都可能成為城市創(chuàng)新的催化劑。遺憾的是，目前還尚未有研究從上述視角考察高鐵開通對城市創(chuàng)新的促進(jìn)作用。

鑒于既有研究在實(shí)證分析方面存在的問題，本文首先從模型設(shè)計上剖析了上述問題產(chǎn)生的原因?，F(xiàn)有研究主要采用雙重差分法（Difference in Difference，以下簡稱DID）框架，將高鐵開通視作擬自然實(shí)驗并分析其影響。除了質(zhì)疑擬自然實(shí)驗的合理性之外，DID框架在高鐵開通背景下的一些適應(yīng)性問題也值得關(guān)注。其次，本文按照常規(guī)的DID做法，采用2000至2016年278個地級市面板數(shù)據(jù)復(fù)現(xiàn)了部分研究結(jié)論，但也得到一些略有不同的發(fā)現(xiàn)。再次，基于上述結(jié)論，本文反思并論證了以下幾方面內(nèi)容：（1）針對性地討論并補(bǔ)充了交疊DID（Staggered DID）框架的動態(tài)效應(yīng)檢驗結(jié)果，我們發(fā)現(xiàn)高鐵的影響只存在于早期開通的線路；（2）利用廣義合成控制法，論證了高鐵影響的滯后性；（3）排除了十分重要的公路和民航影響。雖然一些學(xué)者從競爭性角度排除了公路和鐵路的影響（何凌云和陶東杰，2020［3］），但是卻沒有考慮民航這一重要的交通措施；（4）初步估算了高鐵開通的經(jīng)濟(jì)效應(yīng)大小。數(shù)值模擬和方差分解的結(jié)果顯示，高鐵開通對城市創(chuàng)新的貢獻(xiàn)相對較低。（5）嘗試從城市間信息傳遞以及高技能人才流動兩個個角度對高鐵潛在的影響機(jī)制進(jìn)行了分析。有關(guān)信息傳遞的影響機(jī)制已在理論上得到了普遍關(guān)注，但是尚未見到直接檢驗的文獻(xiàn)，本文在檢驗這一機(jī)制的基礎(chǔ)上著重討論了高鐵開通對城市間信息傳遞的非對稱性影響。

值得強(qiáng)調(diào)的是，既有研究對本文重新審視與論證高鐵開通的經(jīng)濟(jì)效應(yīng)大有裨益。一方面，在統(tǒng)計意義上，本文發(fā)現(xiàn)與大部分文獻(xiàn)一致，均發(fā)現(xiàn)高鐵開通對城市創(chuàng)新有顯著影響；另一方面，對于本文的一些“與眾不同”的新發(fā)現(xiàn)，可以作為進(jìn)一步思考和探討的方向。鑒于高鐵效應(yīng)評估的文獻(xiàn)如雨后春筍般涌現(xiàn)，但分析方法具有極高的相似性，本文的嘗試不僅有助于客觀、全面、準(zhǔn)確地評估高鐵開通的經(jīng)濟(jì)效應(yīng)，而且對于當(dāng)前中國“新基建”背景下的城際軌道交通建設(shè)也有著重要的政策啟示意義。本文的剩余部分內(nèi)容安排如下：第二部分展示研究設(shè)計；第三部分介紹數(shù)據(jù)、指標(biāo)構(gòu)建以及初步估計結(jié)果及分析；第四部分進(jìn)行結(jié)果反思和進(jìn)一步論證；最后是本文的結(jié)論。

2 研究設(shè)計

既有研究考察高鐵開通經(jīng)濟(jì)效應(yīng)的通行做法，是將各城市高鐵開通作為一次準(zhǔn)自然實(shí)驗，采用DID框架估計高鐵對經(jīng)濟(jì)變量的因果效應(yīng)。構(gòu)建的模型一般有如下形式：

當(dāng)采用城市數(shù)據(jù)進(jìn)行分析時，i表示城市，t表示時間。Yit是被解釋變量，可能包括就業(yè)、投資、創(chuàng)新等受到高鐵影響的經(jīng)濟(jì)變量。HSRit代表高鐵是否開通的核心解釋變量，在城市i 開通高鐵當(dāng)年及之后的年份取1，否則取0。在包含了個體（ρi）和時間（ρt）固定效應(yīng)，以及控制了其他可能影響結(jié)果變量的城市時變特征（Xit）后，系數(shù)β的估計值衡量了高鐵開通對被解釋變量的因果效應(yīng)。因此，判斷系數(shù)β符號和顯著性便成為推斷高鐵的作用是否符合理論預(yù)期的依據(jù)。這種估計方法原理直觀、操作簡單，而且隱含了因果性討論，因此得到了文獻(xiàn)的普遍應(yīng)用。然而，在使用DID框架分析高鐵的作用時，有一些特定假設(shè)和經(jīng)濟(jì)事實(shí)缺乏應(yīng)有重視，以本文重點(diǎn)關(guān)注的城市創(chuàng)新為例，既有研究可能忽略了以下幾個重要問題：

第一，重視高鐵效應(yīng)的統(tǒng)計意義，但是忽略了重要的經(jīng)濟(jì)影響。一方面，受限于數(shù)據(jù)等多方面的原因，現(xiàn)有大都只關(guān)注專利的申請或授權(quán)數(shù)量并將其作為城市創(chuàng)新的代理指標(biāo)，對于創(chuàng)新質(zhì)量的關(guān)注不足。另一方面，某些經(jīng)濟(jì)變量在連通城市和非連通城市之間具備零和游戲?qū)傩?，高鐵開通帶來的經(jīng)濟(jì)影響可能只具有分配效應(yīng)而不具有增長效應(yīng)。以創(chuàng)新的重要投入變量高技能人才為例，一定時期內(nèi)各區(qū)域的就業(yè)人員總量是給定的，因此，由于高鐵開通使得城市的吸引力上升所帶來的人口流入就是未開通城市的人口流出，這種重復(fù)計算無疑會夸大β的正面影響。此外，一個較少得到重視的問題是，利用β的表現(xiàn)推斷高鐵的作用只是判斷高鐵效應(yīng)的必要非充分條件，因為系數(shù)β并未包含任何關(guān)于高鐵開通的成本信息。即使β揭示了與理論預(yù)期相符的正面影響，也并不意味著用于高鐵連通的投入是值當(dāng)?shù)摹?zhǔn)確討論β系數(shù)的經(jīng)濟(jì)意義是討論經(jīng)濟(jì)適用性的前提。

第二，(1)式是一個變處理時點(diǎn)的DID模型，各城市開通高鐵的時間并不相同（即處理組個體接受處理的時間存在差異，后文簡稱為交疊DID模型），因此常規(guī)的估計方法可能導(dǎo)致 系數(shù)的估計偏誤。隨著面板模型的豐富，大量學(xué)者將傳統(tǒng)的DID模型進(jìn)行擴(kuò)展，并將處理組個體接受處理的時間存在差異的模型轉(zhuǎn)換為（1）式所示的雙向固定效應(yīng)模型，并用系數(shù)評估事件的經(jīng)濟(jì)效應(yīng)。相關(guān)的文獻(xiàn)還采用事件分析法框架進(jìn)一步評估樣本的平行趨勢是否滿足并用此來評估高鐵開通的動態(tài)影響。近年來，大量研究表明這種常規(guī)的做法需要滿足嚴(yán)格的前提假設(shè)：在雙向固定效應(yīng)模型以及事件分析法的估計中，只有當(dāng)不同時期的處理效應(yīng)大小嚴(yán)格相等時，的估計結(jié)果才是準(zhǔn)確的（Sun和Abraham，2021［11］；Imai和Kim，2019［12］）。系數(shù)衡量的是不同時期開通高鐵的城市在一定時間內(nèi)的處理效應(yīng)的加權(quán)平均。如果不同時期的處理效應(yīng)不同，僅使用簡單線性回歸會造成部分時期的權(quán)重為負(fù)數(shù)，其估計結(jié)果與經(jīng)濟(jì)含義之間的對應(yīng)關(guān)系可能存在偏誤（Chaisemarti和d’Haultfoeuill，2020［13］），從而高估高鐵的經(jīng)濟(jì)效應(yīng)。

第三，分析高鐵對城市專利申請的影響時，忽略了專利影響的滯后性問題?，F(xiàn)有城市創(chuàng)新的相關(guān)研究發(fā)現(xiàn)，在高鐵開通前，連通城市和非連通城市的表現(xiàn)沒有顯著差異，但是高鐵開通后第一年，以專利為代表的創(chuàng)新變量顯著增加。這種“完美驗證”在考察其他經(jīng)濟(jì)變量時可能是準(zhǔn)確的，但是具體到專利創(chuàng)新方面則令人生疑。專利的研發(fā)普遍存在兩到三年的時滯（Moser和Voena，2012［14］），發(fā)明專利從申請到公開還需要經(jīng)歷六至十八個月的時間，因此，幾乎沒有時滯的創(chuàng)新效應(yīng)很可能不是由高鐵開通所致，而是動態(tài)效應(yīng)檢驗不準(zhǔn)確引起的。此外，現(xiàn)有文獻(xiàn)往往通過采用高鐵開通前一年的數(shù)據(jù)進(jìn)行傾向得分匹配來對樣本進(jìn)行篩選，這種做法能夠在一定程度緩解樣本選擇帶來的內(nèi)生性問題，但是針對創(chuàng)新這一話題而言，城市的創(chuàng)新產(chǎn)出往往需要更長時間的知識聚集與資本積累，僅采用前一年的數(shù)據(jù)進(jìn)行匹配仍然會高估高鐵帶來的經(jīng)濟(jì)效應(yīng)。

第四，對影響機(jī)制的探討仍然有待補(bǔ)充和擴(kuò)展。現(xiàn)有文獻(xiàn)認(rèn)為其主要的影響機(jī)制更多注重討論高鐵帶來的集聚效應(yīng)（余泳澤等，2019［4］），但是集聚效應(yīng)的根源可能是由于信息傳遞加速以及更加本質(zhì)的人員流動所引起的。

上述問題對于理解和評估高鐵開通的經(jīng)濟(jì)效應(yīng)具有重要的意義，但既有文獻(xiàn)較少對此進(jìn)行細(xì)致分析，意識到這些問題并嘗試加以解決可能有助于我們更為準(zhǔn)確地評估高鐵對城市創(chuàng)新質(zhì)量的影響。有鑒于此，本文首先利用中國2000至2016年278個地級市面板數(shù)據(jù)復(fù)現(xiàn)了既有文獻(xiàn)的結(jié)論。在此基礎(chǔ)上，我們針對DID框架和現(xiàn)有估計中存在的問題，逐一進(jìn)行了考察和補(bǔ)充。

3 數(shù)據(jù)、變量與基準(zhǔn)回歸結(jié)果

3.1 數(shù)據(jù)來源

本文的主要數(shù)據(jù)來源有《智慧芽專利數(shù)據(jù)庫》、《中國鐵道年鑒》與《中國城市統(tǒng)計年鑒》等，根據(jù)研究內(nèi)容主要包括三類：一是創(chuàng)新數(shù)據(jù)。本文主要使用各城市企業(yè)申請專利信息度量城市層面的創(chuàng)新水平和創(chuàng)新質(zhì)量。專利數(shù)據(jù)來源于《智慧芽專利數(shù)據(jù)庫》，該數(shù)據(jù)庫收集了1985—2018年間申請人主體位于中國大陸范圍內(nèi)的全部專利申請記錄，包含專利申請時間、專利類型、申請人名稱和地址等多個字段，尤為重要的是該數(shù)據(jù)庫還提供了專利引用和被引用情況，這將為我們度量專利質(zhì)量提供關(guān)鍵信息。二是高鐵開通和運(yùn)營數(shù)據(jù)。本文從《中國鐵道年鑒》以及中國鐵路總公司網(wǎng)站獲取了各城市層面的高鐵開通時間以及線路數(shù)據(jù)。三是城市數(shù)據(jù)庫。利用歷年的《中國城市統(tǒng)計年鑒》，我們構(gòu)建了2004至2016年間289個城市的面板數(shù)據(jù)集。城市層面的經(jīng)濟(jì)指標(biāo)包括城市人口、經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)與人力資本等諸多指標(biāo)。最后，測度城市間信息流和技能勞動人口流動的數(shù)據(jù)來自百度搜索指數(shù)數(shù)據(jù)庫以及2005和2010年中國人口普查微觀數(shù)據(jù)。豐富的數(shù)據(jù)庫將為本文的研究提供堅實(shí)的數(shù)據(jù)支撐。

3.2 城市創(chuàng)新質(zhì)量變量

本文采用城市層面的專利申請數(shù)量作為城市創(chuàng)新水平的度量指標(biāo)。具體在構(gòu)建指標(biāo)時，我們根據(jù)專利申請信息中的郵政編碼字段識別出城市信息，然后在城市層面進(jìn)行匯總后與城市數(shù)據(jù)庫進(jìn)行對接。除了匯總專利申請總量之外，本文還按照專利類型，依次統(tǒng)計了發(fā)明專利、實(shí)用新型專利以及外觀設(shè)計專利的申請數(shù)量。但是，專利申請指標(biāo)也存在高估的問題，主要原因是以促進(jìn)專利申請數(shù)量為政策目標(biāo)的專利補(bǔ)貼政策（張杰等，2015［15］），在一定程度上造成了我國的“專利泡沫”，在促進(jìn)了專利申請數(shù)量的同時可能抑制了專利質(zhì)量的提高，使得專利申請信息被扭曲，無法反映一個城市的創(chuàng)新質(zhì)量。

為了更為準(zhǔn)確地度量城市的創(chuàng)新質(zhì)量，本文采用專利前向被引用數(shù)據(jù)對專利數(shù)量進(jìn)行了校正。目前運(yùn)用被引用數(shù)加權(quán)的專利數(shù)量指標(biāo)度量專利質(zhì)量的做法已經(jīng)得到較為廣泛的運(yùn)用，被認(rèn)為是評價專利質(zhì)量的合理指標(biāo)之一（Bloom和Reenen，2002［16］）。受這些文獻(xiàn)啟發(fā)，本文利用專利被引用數(shù)據(jù)構(gòu)建了城市層面的創(chuàng)新質(zhì)量指標(biāo)：

其中等式左邊為城市層面的創(chuàng)新指標(biāo)，i表示不同的地級市，t表示時間；等式右邊為j城市的專利對于i城市專利在t′時刻的一個引用，將i城市所有的專利根據(jù)j和t′進(jìn)行加總，就可以得到i城市的專利質(zhì)量數(shù)據(jù)。本文擬將n取值為3，即反映專利三年的被引用數(shù)量，其原因是n如果選的太短，該專利公開信息沒有全部被其他專利申請人獲知，可能存在對于專利質(zhì)量的低估；而n如果選的太長，則可能影響專利的有效性，同時對于近期的專利會缺乏足夠的引用數(shù)據(jù)。在城市層面獲取到全部專利的三年被引用總數(shù)，即可度量城市層面的創(chuàng)新質(zhì)量。

3.3 基準(zhǔn)結(jié)果

本部分將利用城市面板數(shù)據(jù)和構(gòu)建的城市創(chuàng)新變量對式（1）進(jìn)行估計。表1匯報了初步結(jié)果。我們首先分析高鐵開通對城市創(chuàng)新水平的影響，具體的結(jié)果如第（1）至（5）列所示。第（1）列以城市專利總量對數(shù)作為被解釋變量，方程中包含了是否開通高鐵的核心解釋變量和城市、時間固定效應(yīng)。結(jié)果顯示，核心解釋變量的系數(shù)為0.069，但并不具備統(tǒng)計顯著性。為了控制城市層面時變特征對估計結(jié)果的影響，在第（1）列的基礎(chǔ)上，第（2）列方程根據(jù)既有文獻(xiàn)的研究結(jié)果加入了多個城市特征，包括以人口數(shù)量度量的城市規(guī)模變量（lnPOP）；反映城市發(fā)展水平的城市人均GDP變量（lngdppc）；城市第二、三產(chǎn)業(yè)產(chǎn)出占比（s_ratio、t_ratio），控制城市的產(chǎn)業(yè)結(jié)構(gòu)；反映勞動力市場狀況的城市人均工資（wage）；城市外資進(jìn)入水平（fdiper）以及由城市高等學(xué)校專任教師數(shù)衡量的人力資本水平（lnhc）等控制變量。觀察第（2）列的核心系數(shù)發(fā)現(xiàn)，在控制城市特征之后，估計系數(shù)依然在5%的統(tǒng)計水平顯著為正。從系數(shù)大小來看，專利申請數(shù)量受高鐵開通的影響平均增加12%，這與現(xiàn)有研究的結(jié)果保持一致。

表1第（3）至（5）列進(jìn)一步將城市專利數(shù)量區(qū)分為發(fā)明專利、實(shí)用新型專利以及外觀設(shè)計三種不同類型的專利，取對數(shù)后替換第（2）列的被解釋變量依次進(jìn)行回歸分析。從估計結(jié)果可以看出，高鐵開通會使城市發(fā)明專利數(shù)量顯著增加19%；而高鐵開通對實(shí)用新型專利的平均促進(jìn)作用相對較弱，其數(shù)值為11%，統(tǒng)計顯著性下降為5%；對于外觀設(shè)計專利，高鐵開通沒有產(chǎn)生明顯影響。對比以上結(jié)果，我們發(fā)現(xiàn)高鐵的開通對通常意義的高質(zhì)量專利發(fā)明的創(chuàng)新促進(jìn)作用更為顯著，而對低質(zhì)量的外觀設(shè)計專利則并無明顯作用。這不僅說明高鐵對不同性質(zhì)的創(chuàng)新活動有異質(zhì)性影響，也證實(shí)了通勤成本對創(chuàng)新溢出的抑制作用。高鐵在大幅縮短城市間時空距離并縮短旅行時間的同時也帶來了更高的旅行成本，因此只有發(fā)明專利這種更高水平的創(chuàng)新活動才會受到比較顯著的影響。

表1 高鐵開通對城市創(chuàng)新的影響

除了從創(chuàng)新類型辨析創(chuàng)新質(zhì)量差異之外，表1第（6）至（7）列分別以各城市發(fā)明專利和實(shí)用新型專利三年被引用數(shù)對數(shù)作為被解釋變量，直接考察了高鐵開通對城市創(chuàng)新質(zhì)量的作用。第（6）列核心估計系數(shù)依然顯著為正，但是系數(shù)較第（3）列有所下降。第（7）的估計系數(shù)符號雖然為正，但是已經(jīng)不具有統(tǒng)計意義，表明從創(chuàng)新質(zhì)量上來看，高鐵開通只對提升城市發(fā)明專利的質(zhì)量有顯著效果。換言之，當(dāng)我們仔細(xì)區(qū)分創(chuàng)新的質(zhì)量時，高鐵開通的影響會降低，而且主要體現(xiàn)在最具有質(zhì)量的創(chuàng)新活動中。該發(fā)現(xiàn)是對既有結(jié)論的進(jìn)一步深化。總之，基準(zhǔn)結(jié)果揭示了高鐵開通對城市創(chuàng)新水平和創(chuàng)新質(zhì)量的正面影響，而且主要影響城市的發(fā)明專利申請行為。有鑒于此，后文將主要針對城市發(fā)明專利申請數(shù)量和被引用數(shù)量進(jìn)行分析。

4 結(jié)果、反思與再檢驗

前文依據(jù)DID框架復(fù)現(xiàn)了高鐵開通對城市創(chuàng)新的正面影響，以專利數(shù)量度量城市的創(chuàng)新水平所得的結(jié)果與既有文獻(xiàn)幾乎是一致的。不同點(diǎn)主要體現(xiàn)在以專利引用指標(biāo)進(jìn)一步考察了創(chuàng)新質(zhì)量時，發(fā)現(xiàn)高鐵的創(chuàng)新效應(yīng)只對高質(zhì)量創(chuàng)新有作用。接下來本文將進(jìn)行更為深入的討論，以期更為準(zhǔn)確地評估高鐵對城市創(chuàng)新的實(shí)際影響。

4.1 交疊DID的動態(tài)效應(yīng)檢驗

如本文引言中所言，傳統(tǒng)DID模型估計的動態(tài)效應(yīng)檢驗估計了相對時間點(diǎn)上的平均效應(yīng)，并未充分考慮式（1）的交疊DID特征和絕對時間上的效應(yīng)差異，且其估計結(jié)果可能存在偏誤。由于各個城市的高鐵開通的絕對時間差異，不同時間節(jié)點(diǎn)開通高鐵所產(chǎn)生的影響可能截然不同。最早開通高鐵的城市大部分是經(jīng)濟(jì)發(fā)展水平較高，創(chuàng)新的基礎(chǔ)條件較好的城市，因此研發(fā)的規(guī)模遞增效應(yīng)會強(qiáng)化高鐵對創(chuàng)新的促進(jìn)作用。相對應(yīng)地，較晚開通高鐵的城市創(chuàng)新基礎(chǔ)較差，空間上的因果累積循環(huán)會導(dǎo)致高鐵帶來的創(chuàng)新促進(jìn)效應(yīng)比較小。此外，隨著高鐵網(wǎng)絡(luò)的擴(kuò)展以及其他城市陸續(xù)接入高鐵網(wǎng)絡(luò)，早期開通高鐵的城市在高鐵體系中的地位會持續(xù)提高，因此創(chuàng)新的影響會進(jìn)一步鞏固。在交疊DID模型中，采用相對時間估計僅能夠獲得高鐵開通對城市創(chuàng)新的平均處理效應(yīng)，無法區(qū)分開通時點(diǎn)的異質(zhì)性影響，其結(jié)果自然是有失準(zhǔn)確的（Callaway和Sant'Anna，2021［17］）。

為了解決這一動態(tài)異質(zhì)性問題，本文根據(jù)Callaway和Sant'Anna（2021）［17］等學(xué)者提出的計量模型，按照高鐵開通的實(shí)際年份估計了各年的動態(tài)影響和長期效應(yīng)。分別估計不同高鐵開通年份組別g 在開通前后t年的平均處理效應(yīng)ATT（g,t）：

詳細(xì)的估計結(jié)果如圖1所示a此處采用R軟件中DID包進(jìn)行本節(jié)內(nèi)容的估計。每一張子圖分別估計了不同高鐵開通年份的城市的創(chuàng)新相較于未開通高鐵城市的差異。例如，圖1左上角為2008年開通高鐵的城市，藍(lán)的點(diǎn)和線段分別代表該組樣本的高鐵開通之后的年份的點(diǎn)估計值和95%的置信區(qū)間。。整體上，高鐵開通對城市專利數(shù)量的影響在不同年份的樣本之間存在較強(qiáng)的異質(zhì)性。這種異質(zhì)性主要體現(xiàn)在兩個方面：其一，高鐵開通之后的前1-2年，高鐵的促進(jìn)作用通常較弱；開通之后的時間越長，城市創(chuàng)新的促進(jìn)作用越明顯，這與高鐵影響的滯后性是一致的。其二，不同的高鐵開通年份組別之間也存在較大差異，2008以及2009年組別的動態(tài)效應(yīng)較為顯著，然而2010年至2016年開通高鐵的城市組別，其動態(tài)效應(yīng)并不明顯。這與前文的猜想是一致的，即較早開通高鐵的城市其創(chuàng)新水平增長較為明顯，但較晚開通高鐵的城市其創(chuàng)新水平并沒有明顯增長。同樣的，本文還以城市層面的發(fā)明專利被引用數(shù)作為被解釋變量同樣進(jìn)行了類似的估計，估計結(jié)果同樣論證上述兩個重要結(jié)論。此外，參考已有文獻(xiàn)，本文也對中心城市和一般城市進(jìn)行了分組分析討論，由于中心城市相對而言開通高鐵的時間更早，因此對比兩個組別，中心城市的創(chuàng)新效應(yīng)平均而言更強(qiáng)，一般城市相對較弱，但是單獨(dú)分析兩個組別不同時點(diǎn)的促進(jìn)效應(yīng)，上述兩個重要結(jié)論仍然成立。

圖1 高鐵開通對城市創(chuàng)新水平影響的時間異質(zhì)性

4.2 廣義合成控制法

本文的基準(zhǔn)回歸的過程可能受到反向因果關(guān)系的影響，即由于城市自身的經(jīng)濟(jì)發(fā)展?jié)摿^好，因此高鐵網(wǎng)絡(luò)規(guī)劃時會更多考慮這些較為發(fā)達(dá)的城市，因而在高鐵開通以后其創(chuàng)新水平的提升自然也相對較快?，F(xiàn)有文獻(xiàn)中為了解決這種反向因果效應(yīng)還經(jīng)常采用傾向得分匹配的方法，給每個高鐵城市尋找一個理想的控制組并進(jìn)行反事實(shí)分析。然而，由于城市樣本量較少，該方法在城市層面應(yīng)用可能會因為不滿足共同支撐假設(shè)而出現(xiàn)不恰當(dāng)匹配，導(dǎo)致估計結(jié)果不準(zhǔn)確。在樣本量較小時，采用合成控制法可能是一個比較合適的方法（Abadie等，2003［18］）。但是經(jīng)典的合成控制法僅能評估單個處理組個體的處理效應(yīng)，就本文研究的話題而言，由于開通高鐵城市數(shù)量較多，分別進(jìn)行單個的評估難以反映高鐵開通的總體效應(yīng)。為了解決這一問題，本文利用廣義合成控制法（Xu，2017［19］）同時評估不同城市開通高鐵后的經(jīng)濟(jì)社會影響。廣義合成控制法通過將傳統(tǒng)的合成控制法與線性交互固定效應(yīng)相結(jié)合，一方面能夠允許高鐵開通這一事件與不可觀測的個體異質(zhì)性和時間異質(zhì)性相關(guān)，能夠更好的解決DID模型的假設(shè)條件；另一方面廣義合成控制法也可以同時為多個不同時期開通高鐵的城市構(gòu)建反事實(shí)的對照組，提高了最終結(jié)果的可理解性。

基于廣義合成控制法的詳細(xì)的估計結(jié)果如下圖2所示，圖中的橫坐標(biāo)仍然為相對于高鐵開通基準(zhǔn)年份的時期，縱軸表示高鐵開通城市與反事實(shí)估計組城市的創(chuàng)新水平和創(chuàng)新質(zhì)量的差異。估計結(jié)果顯示，高鐵開通前，高鐵開通城市的創(chuàng)新水平與我們構(gòu)造的反事實(shí)估計組城市沒有明顯差異，直至高鐵開通后第5年開始，高鐵的創(chuàng)新效應(yīng)才逐漸顯現(xiàn)。平均而言，在廣義合成控制法估計下，高鐵開通對城市發(fā)明專利申請的平均效應(yīng)為0.139，而對專利引用的平均效應(yīng)為0.126，兩者都在5%的水平顯著為正。這兩組結(jié)果相比基準(zhǔn)結(jié)果分別下降了25.6%和21.8%，證實(shí)了基準(zhǔn)回歸中高鐵的正向選擇效應(yīng)，同時也說明了高鐵的創(chuàng)新效應(yīng)存在較長的時滯。

圖2 使用廣義合成控制法的處理效應(yīng)

4.3 考慮公路與民航運(yùn)輸?shù)挠绊?/h3>

公路運(yùn)輸和民航運(yùn)輸是另外兩種替代性的交通方式。在加快城市間的信息傳遞和人員交流進(jìn)而提高城市的創(chuàng)新水平方面，公路和民航有著與高鐵異曲同工的作用。因此，在基準(zhǔn)方程中加入代表公路和民航影響的變量對于緩解遺漏變量偏誤可能具有重要影響。目前的文獻(xiàn)部分討論了公路運(yùn)輸可能帶來的潛在混淆，但是很少考慮民航的替代性影響。事實(shí)上，從旅客運(yùn)輸?shù)慕嵌榷裕哞F與民航之間的相互影響可能更為突出，盡管在長達(dá)1000公里范圍內(nèi)，高鐵運(yùn)輸都具有相當(dāng)?shù)谋容^優(yōu)勢（Zhang等，2017［20］），但楊秀云等（2020）［21］也發(fā)現(xiàn)高鐵與民航競爭中存在明顯的替代關(guān)系。因此，為了考察公路和民航運(yùn)輸對估計結(jié)果的影響，本文在基準(zhǔn)回歸中加入了城市層面的公路里程數(shù)對數(shù)（lnroad）與省份民航客運(yùn)量對數(shù)（lnciv）兩個代理變量。

表2匯報了估計結(jié)果。作為對比，第（1）列和第（5）列復(fù)制了基準(zhǔn)回歸對發(fā)明專利申請和被引用情況的回歸結(jié)果。第（2）列和第（3）列依次控制了公路和民航運(yùn)輸情況。從表中容易看出，在控制了公路和民航運(yùn)輸之后，核心系數(shù)雖然具有統(tǒng)計顯著性，但是系數(shù)值大小都出現(xiàn)了下降，尤其是在考慮了民航運(yùn)輸之后，系數(shù)值從0.187下降至0.147，下降幅度超過20%。第（4）列匯總兩個控制變量后，系數(shù)值略有回升，但是依然比基準(zhǔn)結(jié)果小得多。繼續(xù)觀察發(fā)明專利的被引用情況，同樣可以看到控制公路和民航運(yùn)輸對核心系數(shù)的顯著性和系數(shù)值大小都產(chǎn)生了明顯影響。與第（5）列的基準(zhǔn)回歸相比，第（6）至第（8）列的核心系數(shù)依次下降了9%、22%和28%。綜合兩組結(jié)果，可以得到一個重要的結(jié)論：即在分析高鐵開通對城市創(chuàng)新的影響時，公路運(yùn)輸和民航運(yùn)輸是重要的干擾變量，其中尤其以民航運(yùn)輸?shù)奶娲杂绊懽顬閺?qiáng)烈。如果不妥善加以控制，將會高估高鐵開通的影響近五分之一，這對于我們準(zhǔn)確、客觀地評價高鐵的經(jīng)濟(jì)效應(yīng)具有重要意義。

表2 控制公路與民航運(yùn)輸?shù)挠绊?/p>

4.4 效應(yīng)大小評估

綜合多種方式估計的結(jié)果，本文的發(fā)現(xiàn)均支持高鐵開通對城市創(chuàng)新具有顯著的正向影響，但是這種影響可能在一定程度存在高估，且其是否具有經(jīng)濟(jì)意義卻仍然不清楚。本節(jié)將進(jìn)一步試圖以發(fā)明專利為例對此進(jìn)行初步探討。首先從系數(shù)的大小來看，各模型中以合成控制法得到的估計系數(shù)最小為0.139，基準(zhǔn)回歸得到的系數(shù)最大為0.187，這兩者大概能夠解釋開通高鐵觀測樣本和其他觀測樣本差異的5.3%至8.9%。利用方差分解方法比較高鐵變量相對其他控制變量在方程中的解釋力度，我們同樣可以證明這一點(diǎn)。遵照Fields（2003）［22］等人的方法，并以基準(zhǔn)結(jié)果第（3）列為標(biāo)準(zhǔn)進(jìn)行分解的結(jié)果如表3第（1）至第（2）列所示。從表中可以發(fā)現(xiàn)，高鐵開通對發(fā)明專利變動的解釋力度約為5.6%，在所有考察的因素中居于第七位，大約為地區(qū)因素的四分之一，經(jīng)濟(jì)發(fā)展水平因素的三分之一。事實(shí)上在控制了公路和民航運(yùn)輸?shù)挠绊懼螅哞F的解釋力度進(jìn)一步下降至3.9%（如第（3）—（4）列所示）。以上的效應(yīng)大小本質(zhì)上是配置效應(yīng)與溢出效應(yīng)之和。進(jìn)一步考慮，如果配置效應(yīng)完全是由于資源的轉(zhuǎn)移而非優(yōu)化配置所致，那么高鐵對創(chuàng)新產(chǎn)出的實(shí)際作用還要在以上估計結(jié)果上降低更多 。從這一結(jié)果來看，高鐵開通對城市創(chuàng)新的影響相對有限。

表3 高鐵的相對解釋力度

4.5 潛在機(jī)制分析：人才與信息流動

最后本文在現(xiàn)有文獻(xiàn)基礎(chǔ)上就高鐵影響城市創(chuàng)新的機(jī)制展開進(jìn)一步的探索。在引言部分我們指出高鐵開通對特定城市的影響可以從創(chuàng)新資源的配置效應(yīng)以及溢出效應(yīng)兩個角度進(jìn)行討論。就創(chuàng)新資源的配置效應(yīng)而言，本部分集中討論了高鐵開通對人才流動的影響。這種人才流動機(jī)制已經(jīng)在部分文獻(xiàn)中得到了較為詳細(xì)的討論，略有不同的是本文采用了2005年與2010年的人口抽樣調(diào)查數(shù)據(jù)，并利用長差分模型設(shè)定進(jìn)行分析。這種設(shè)定主要既能結(jié)合數(shù)據(jù)上的優(yōu)勢又能綜合考慮勞動力市場存在的反應(yīng)時滯，構(gòu)建的檢驗?zāi)Ｐ腿缦拢?/p>

由于只有2005和2010年的數(shù)據(jù)，所以上述模型采用了截面數(shù)據(jù)進(jìn)行分析。其中，被解釋變量為城市i在2005年至2010年的凈勞動力人口變化，指的是2008至2010年是否開通高鐵的虛擬變量，當(dāng)開通高鐵時取1，其他情況為0。其他城市特征變量與基準(zhǔn)回歸保持一致。為了控制省級層面的不變差異，我們在模型中還加入了省份固定效應(yīng)。

回歸結(jié)果如表4所示。其中第（1）列報告了高鐵開通對總體的勞動凈流入的影響。如理論預(yù)期的，高鐵開通顯著提高了城市的勞動力凈流入。相比未開通城市，開通高鐵的城市其勞動力流入增加了64.9%。第（2）列和第（3）列進(jìn)一步分別報告了高鐵開通對低技能勞動力和高技能勞動力a本文將具有大專及以上學(xué)歷的勞動力人口定義高技能勞動力，反正則為低技能勞動力。凈流入的影響。我們發(fā)現(xiàn)，高鐵開通對兩種不同技能的勞動力流入都有顯著的正向影響。但是從系數(shù)大小來看，高鐵效應(yīng)對高技能人才的影響相比于低技能人才更加顯著。顯然，從城市創(chuàng)新的角度而言，高技能人力的快速流入將有助于城市的創(chuàng)新發(fā)展。不過，同樣值得注意的是由于勞動力特別是高技能的人才在一段時期內(nèi)總量是既定的，開通城市的人口流入同樣也意味著其他未開通高鐵城市的勞動力人口流出。對與未開通高鐵地區(qū)而言，這種高技能人才的流失將對其創(chuàng)新發(fā)展帶來負(fù)面效應(yīng)。

表4 人員流動的影響

最后，本文從信息流動的角度討論高鐵開通帶來的溢出效應(yīng)。高鐵開通縮短了城市間的旅行時間，加快了信息在空間的傳播速度，從而有助于產(chǎn)生正向溢出效應(yīng)。但是，其信息傳播的真實(shí)效果依然存在疑問。在互聯(lián)網(wǎng)技術(shù)高度發(fā)達(dá)的情況下，信息交流方式更加多樣和快捷，信息傳播途徑是否需要通過加快客運(yùn)速度、增加見面次數(shù)等方式來實(shí)現(xiàn)？理論上，這種信息傳遞在互聯(lián)網(wǎng)時代仍然存在，而且對城市創(chuàng)新仍然有積極意義。主要原因在于創(chuàng)新知識的流動不僅依賴線上方式同時也更需要線下交流的配合。高鐵開通能夠激發(fā)位于不同城市的創(chuàng)新主體對其他城市的興趣，從而加快線上的信息搜索和傳遞。與此同時，城市之間的線上信息傳播也會誘發(fā)線下交流。在創(chuàng)新知識的流動中，面對面的交流更為迫切，因而對高鐵的依賴就更為強(qiáng)烈。弱化創(chuàng)新的本地化，加快創(chuàng)新知識外溢，高鐵開通將在上述過程信息外溢過程中發(fā)揮重要作用。

為了檢驗上述溢出效應(yīng)是否存在，我們使用2007至2016年的百度搜索指數(shù)作為城市間關(guān)注度的代理變量b百度指數(shù)近年來也被作為關(guān)注度的代理指標(biāo)廣泛應(yīng)用于多領(lǐng)域的研究（熊麗芳等，2013；俞慶進(jìn)和張兵，2012；張立煒，2016），這一指標(biāo)能夠在最大層面反應(yīng)個人通過使用互聯(lián)網(wǎng)獲取信息對特定事物關(guān)注程度的變化。，分析高鐵對城市間信息流動的影響。百度搜索數(shù)據(jù)庫包含了兩百多個城市對之間的互聯(lián)網(wǎng)相互搜索指數(shù)，即城市i的互聯(lián)網(wǎng)用戶搜索關(guān)鍵詞為城市j的搜索量。我們將搜索指數(shù)作為被解釋變量，并構(gòu)建以下模型：

其中，lnindexijt表示t年城市i的互聯(lián)網(wǎng)用戶在百度搜索引擎中以城市j作為關(guān)鍵字進(jìn)行搜索的頻率對數(shù)。在總指數(shù)的基礎(chǔ)上，我們還分別考察了使用終端（手機(jī)mobile、電腦pc）差異的影響。如果城市對i-j都開通了高鐵，則HSRijt為1，否則為0。系數(shù)β衡量了同時開通高鐵城市相對其他情形下平均搜索次數(shù)的變化。模型中加入了城市i、j的固定效應(yīng)和時間固定效應(yīng)，并同時控制了城市i、j的時變特征。具體的回歸結(jié)果如表5所示。從表中第（1）至（3）列可以發(fā)現(xiàn)，如果兩個城市間均開通了高鐵，其相互搜索指數(shù)會顯著提升，而且從搜索終端來看，高鐵開通對其移動搜索指數(shù)的提升更為明顯。第（4）列分別進(jìn)一步控制了城市i以及j與時間交互項的固定效應(yīng)，核心系數(shù)仍然顯著為正。這表明在高鐵開通城市之間確實(shí)產(chǎn)生了更多的相互關(guān)注。城市間關(guān)注度的提升不僅會促進(jìn)城市間線上信息的快速流動，而且為線下信息的交流創(chuàng)造了空間。終端表現(xiàn)差異也暗示移動互聯(lián)與先進(jìn)便捷的交通方式是相輔相成、共同促進(jìn)的。

表5 城市間相互搜索指數(shù)變化

為了進(jìn)一步驗證信息傳遞的方向，我們分別又進(jìn)一步在回歸中加入高鐵開通城市與高鐵未開通城市的相互搜索變量HSR_i和HSR_jaHSR_i的定義的定義為如果城市i開通了高鐵，但是城市j沒有開通高鐵時則為1，否則為0.，分別表明高鐵開通城市向其他未開通高鐵城市的主動搜索指數(shù)和被動搜索指數(shù)，其回歸結(jié)果如表第（5）、（6）列所示。結(jié)果顯示，高鐵開通城市和未開通高鐵的城市間的信息關(guān)注度均出現(xiàn)了一定程度下降，其中尤其以高鐵開通城市的被動搜索指數(shù)下降尤為明顯，達(dá)到7.2%的水平，表明高鐵開通并不能夠吸引其他未開通城市增加對其關(guān)注，高鐵開通帶來的溢出效應(yīng)僅能夠在高鐵網(wǎng)絡(luò)范圍內(nèi)存在，無法惠及其他未開通高鐵的中小城市。

5 結(jié)論

高鐵通過壓縮城市間的通勤時間，提高城市運(yùn)力，有助于打破研發(fā)知識的本地化局限，加快知識信息的空間流動，因而被認(rèn)為是近幾年來穩(wěn)步提升的城市創(chuàng)新水平的重要解釋力量。本文利用2000至2016年的城市面板數(shù)據(jù)，采用多種方法重新檢視了高鐵開通對城市創(chuàng)新的影響。較之于現(xiàn)有的經(jīng)典文獻(xiàn)，本文發(fā)現(xiàn)在考慮了交疊DID模型的特殊性以及其他的遺漏變量問題后，盡管在統(tǒng)計意義上高鐵對城市創(chuàng)新具有顯著影響，但是在經(jīng)濟(jì)意義上它并沒有人們想象的那么重要。具體而言，本文得出了以下和現(xiàn)有文獻(xiàn)有所差異的結(jié)論：首先，高鐵開通對城市創(chuàng)新的影響具有長達(dá)五年的時滯，且主要集中在早期開通的線路之中。其次，常規(guī)的DID方法可能高估了高鐵的作用。最后，城市創(chuàng)新的主要力量仍然來自城市本地因素，高鐵的創(chuàng)新效應(yīng)可能是創(chuàng)新資源重新配置和知識信息外溢共同發(fā)揮作用的結(jié)果。本文的這些發(fā)現(xiàn)初步回答了創(chuàng)新效應(yīng)評估中的信度和程度問題。

本文的發(fā)現(xiàn)說明，高鐵在改善城市間通勤和運(yùn)力方面作用巨大但是對城市創(chuàng)新方面的影響相對較弱。無論是決策者還是研究者，都對高鐵在城市創(chuàng)新方面的積極影響有所期待。出現(xiàn)這種情況或者是因為有比高鐵開通更為重要的影響城市創(chuàng)新的動力來源，或者是存在未被發(fā)現(xiàn)的限制性因素制約了高鐵在城市創(chuàng)新中的作用。無論是哪種情況，均亟待學(xué)者給出更多的研究證據(jù)。此外，本文所得到的結(jié)論也具有重要的政策啟示，一方面，政府在合理布局高鐵網(wǎng)絡(luò)的同時也應(yīng)當(dāng)做好公路、民航等替代性的交通基礎(chǔ)設(shè)施布局，積極引導(dǎo)創(chuàng)新要素和創(chuàng)新資源合理流動，提升我國整體的創(chuàng)新水平；另一方面，由于高鐵的創(chuàng)新效應(yīng)主要存在于早期開通的線路中，因此中心城市和周邊城市應(yīng)當(dāng)制定差異化的發(fā)展戰(zhàn)略，中心城市在產(chǎn)生虹吸效應(yīng)的同時應(yīng)當(dāng)努力將實(shí)現(xiàn)的創(chuàng)新效應(yīng)向外擴(kuò)散，帶動周邊城市發(fā)展；而周邊城市則應(yīng)抓住這種溢出效應(yīng)，提升區(qū)域整體的創(chuàng)新水平。值得指出的是，本文在方法上討論的是簡約式估計，在時間范圍上分析的是中短期的平均效應(yīng)。因此，研究方法更為穩(wěn)健、數(shù)據(jù)層次更為豐富的進(jìn)一步研究對于我們?nèi)鏈?zhǔn)確地評估高鐵效應(yīng)仍有極為重要的作用。