吳曉峰

1 引 言

完善的基礎設施建設是中國經(jīng)濟取得高速發(fā)展的重要前提，根據(jù)新古典經(jīng)濟增長理論，要取得長期的持續(xù)快速增長，必然伴隨著全要素生產(chǎn)率（TFP）的快速提高（劉秉鐮等，2010［1］）。因此，如果中國經(jīng)濟的飛速發(fā)展得利于中國基礎設施的完善，那么中國經(jīng)濟TFP必然也與基礎設施的修建密切相關。由于基礎設施覆蓋面廣，不同類型的基礎設施對經(jīng)濟發(fā)展的促進方式和程度也不同，要詳細調(diào)查所有這些問題是困難的。在此，本文將著重于交通基礎設施的具體研究，鑒于中國目前的經(jīng)濟發(fā)展狀況，隨著人口紅利消失和資本邊際報酬的降低，轉(zhuǎn)變經(jīng)濟增長方式，使經(jīng)濟向效率驅(qū)動型轉(zhuǎn)變的需要越來越迫切，本文的研究試圖為此提供一些有用的經(jīng)驗。

國外有關交通基礎設施在經(jīng)濟社會中的作用的探索由來已久（霍旭領和敬莉，2014［2］），羅森斯坦-羅丹的研究表明，與優(yōu)先發(fā)展其他行業(yè)相比，政府首先應該完善基礎設施建設以為促進地區(qū)經(jīng)濟的發(fā)展提供條件，從而帶動整個國民經(jīng)濟的提升（Rosenstein-Rodan，1943［3］）。Assauer利用C-D生產(chǎn)函數(shù)研究了美國基礎設施建設與全要素生產(chǎn)率之間的聯(lián)系，研究發(fā)現(xiàn)，基礎設施對全要素生產(chǎn)率具有較好的解釋力，其產(chǎn)出彈性約為0.39（Aschauer，1989［4］）。然而，也有一些學者得出結(jié)論，基礎設施在經(jīng)濟發(fā)展中并沒有發(fā)揮出明顯的積極作用。Hulten和Schwab（1984）［6］認為基礎設施對美國TFP的影響并不顯著［5］。隨后許多學者進行了進一步的研究和分析，但尚未得出統(tǒng)一的結(jié)論。例如，Hulten（1991）［7］、Meriiman（1990）［8］利用時間序列數(shù)據(jù)進行了研究并得出了基礎設施對經(jīng)濟增長有積極影響的結(jié)論，而Boarnet（1998）以美國數(shù)據(jù)為樣本，認為基礎設施對區(qū)域經(jīng)濟發(fā)展有負外部性。Bronzini和Piselli（2009）［9］利用1980—2001年意大利各地區(qū)的面板數(shù)據(jù)，測算了全要素生產(chǎn)率與基礎設施的相互聯(lián)系，并利用面板協(xié)整方法證明了全要素生產(chǎn)率水平與基礎設施投入存在著顯著的內(nèi)在聯(lián)系，其研究結(jié)論還表明周邊地區(qū)的公共基礎設施的完善對本地區(qū)全要素生產(chǎn)率的提高也有著明顯的促進作用。Arif等（2021）［10］研究調(diào)查了基礎設施資本對選定亞洲國家TFP的影響，并計算了2006—2016年亞洲19個國家16個制造業(yè)的TFP，研究發(fā)現(xiàn)滯后的基礎設施和稟賦對基礎設施改善產(chǎn)生積極而顯著的影響，交通基礎設施對于技術密集度較低的行業(yè)至關重要。

國內(nèi)學者也對交通基礎設施對經(jīng)濟增長的作用進行了許多研究，謝呈陽和王明輝（2020）［11］利用2004—2016年中國275個城市數(shù)據(jù)分析了區(qū)域間交通對產(chǎn)業(yè)活動空間分布的作用。研究發(fā)現(xiàn)，無論經(jīng)濟發(fā)展程度如何，提升該地區(qū)的交通基礎設施水平都可以增加當?shù)毓I(yè)活動的集中度，而區(qū)域間交通基礎設施水平的提高，只能促進全社會生產(chǎn)要素的優(yōu)化配置，而不是加深發(fā)達城市對欠發(fā)達城市的“虹吸效應”。付韶軍計算了我國絲綢之路途徑各地區(qū)的全要素生產(chǎn)率，并進一步對其影響因素進行了細致分析。研究結(jié)果表明，對外開放、金融、交通等基礎設施對各省、自治區(qū)、直轄市的技術效率有正向影響（付韶軍，2015［12］）。黃凱南和孫廣召（2019）［13］從微觀角度研究發(fā)現(xiàn)高鐵將使開放地區(qū)企業(yè)的TFP水平大大提升，但這種效應是存在異質(zhì)性的。劉沖等（2020）［14］的研究表明交通基礎設施可以通過提高市場可達性從而達到增加企業(yè)生產(chǎn)率的作用，市場可達性的提高對初始比較優(yōu)勢產(chǎn)業(yè)和初始TFP較高企業(yè)的作用更為明顯，研究結(jié)果有力的驗證了異質(zhì)性企業(yè)比較優(yōu)勢理論。

隨著相關研究的逐步深入，除了隨機前沿模型和差分法外，越來越多的學者采用空間計量方法來研究相關課題。陳文新等（2017）［15］通過采用空間計量模型分析了絲綢之路經(jīng)濟帶沿途各地區(qū)的交通狀況對區(qū)域TFP的作用機制及其溢出效應。結(jié)果表明：交通基礎設施建設對區(qū)域TFP具有顯著的正向溢出效應。謝劍（2018）［16］通過利用中國2001—2015年385個城市的數(shù)據(jù)，構(gòu)造了空間計量經(jīng)濟模型，分析了基礎設施對TFP的影響。龍奮杰等（2019）［17］引入運輸能力變量，研究了不同交通基礎設施（鐵路、公路和航空）對城市群TFP的作用機理，研究發(fā)現(xiàn)，鐵路和公路運輸能力對城市群TFP具有正向作用，而航空客運的效應為負向。周雯雯（2020）［6］基于271個地級市從2003年到2017年的面板數(shù)據(jù),使用DEA數(shù)據(jù)包絡分析法度量了全要素生產(chǎn)率，并通過建立空間計量經(jīng)濟模型，研究了中國基礎設施建設對TFP的溢出效應。研究發(fā)現(xiàn)，中國城市之間的TFP有著明顯的空間相關性及空間溢出效應，并呈現(xiàn)出“長期效應弱于短期效應”的狀態(tài)。在全國范圍內(nèi)，交通基礎設施建設對TFP有明顯的正向影響，而在不同地區(qū)其影響也存在差異。

就研究方法的角度而言，現(xiàn)有關于交通基礎設施與經(jīng)濟增長或TFP的研究大致可以分為三類（霍旭領和敬莉，2014［2］）：一是基于時間序列數(shù)據(jù)，采用VAR模型或格蘭杰因果檢驗方法進行研究（劉學華等，2009［18］）；二是基于面板數(shù)據(jù)，利用固定效應、隨機效應等方法進行研究（劉生龍和胡鞍鋼，2010［19］）；三是利用空間計量方法進行研究（曹躍群等，2021［20］）。就研究對象的角度而言，關于交通基礎設施與經(jīng)濟增長或TFP的研究主要分為兩類，分別是研究交通與經(jīng)濟增長和交通與TFP的關系研究。就工具變量（IV）的角度而言，交通基礎設施的工具變量主要分為資本存量和實體形態(tài)兩類。

近年來，關于經(jīng)濟長期穩(wěn)定發(fā)展和產(chǎn)業(yè)轉(zhuǎn)型升級的文獻越來越多地關注TFP，與經(jīng)濟增長的短期動力機制相比，TFP更能代表一個地區(qū)的經(jīng)濟地位、發(fā)展狀況以及長期的增長趨勢。許多學者發(fā)現(xiàn)基礎設施建設水平對TFP有著明顯的影響。那么我國交通基礎設施建設對TFP的影響作用怎么樣？在不同的時期有什么不同?不同類型的基礎設施建設對TFP的影響是否存在異質(zhì)性？對上述問題的深入研究，將有助于政府做出更合理的基礎設施投資決策，也有利于實現(xiàn)產(chǎn)業(yè)合理化轉(zhuǎn)型升級，實現(xiàn)經(jīng)濟長期穩(wěn)定增長的目標。目前，國內(nèi)外學者在交通基礎設施對全要素生產(chǎn)率的影響方面已進行了許許多多的研究，但其結(jié)論卻不盡相同，有的甚至大相徑庭，而關于其在不同時期不同地區(qū)的溢出效應的變化研究更是尤為缺少，因此，本文的創(chuàng)新之處在于更為準確地刻畫了中國全要素生產(chǎn)率的時間變化趨勢及地區(qū)差異，更為全面地分析了交通基礎設施對全要素生產(chǎn)率的影響機制，更為細致地研究了這種影響隨著時間和空間的改變而產(chǎn)生的差異。

2 全要素生產(chǎn)率的測算

目前關于TFP的測算方法主要有兩種：參數(shù)法和非參數(shù)法。常見的隨機前沿生產(chǎn)函數(shù)法（SFA）、索洛余值法等屬于參數(shù)法，而常用于學術研究的數(shù)據(jù)包絡分析法（DEA）和指數(shù)法則屬于非參數(shù)法。由于DEAMalmquist方法不要求特定的生產(chǎn)函數(shù)的優(yōu)勢，所以文章采用DEA-Malmquist方法對中國各省市TFP進行了測量。

2.1 數(shù)據(jù)選取及價格調(diào)整

本文根據(jù)C-D生產(chǎn)函數(shù)關系，將投入變量定為資本投入（K）和勞動力投入（L），產(chǎn)出變量定為總產(chǎn)出（Y），并將其應用到DEA-Malmquist生產(chǎn)率指數(shù)法中計算中國各省市的TFP。有關各變量的具體處理，本文使用了中國30個省市（不含西藏，港澳臺地區(qū)）2000—2019年的數(shù)據(jù)，其中，用以2000年為基期價格調(diào)整過的各地區(qū)的GDP來做為總產(chǎn)出（Y）變量；用年末城鎮(zhèn)單位就業(yè)人口來表征勞動力投入（L）變量；用經(jīng)過以2000年為基期的資產(chǎn)價格指數(shù)調(diào)整并利用“永續(xù)盤存法”估計得到的固定資產(chǎn)投資來表征資本投入（K）變量。

2.2 TFP測算結(jié)果

本文首先計算了2000—2019年中國各?。ㄊ校㏕FP的變化及其構(gòu)成，具體計算結(jié)果見表1，可以看出，從2000年到2019年，中國各省市TFP變化年均上漲了1個百分點。過去20年技術進步年均上漲了1.3%，技術效率年均下降了0.2%，由此可知，TFP的增長主要是由于技術進步。同時，2000—2019年技術進步的增長普遍促進了TFP的增長，相反，技術效率變化的下降減緩了TFP的增長。

表1 2000-2019年中國TFP及其分解

分時段而言，2000—2007年間中國各省市的TFP年均增長2.8%，技術進步與技術效率分別年均增長2.4%和0.5%，說明這幾年中國的經(jīng)濟增長效率表現(xiàn)良好。但是2007—2014年間全要素生產(chǎn)率降低了0.2%，主要是由于技術效率降低了1.1%，意味著2007—2014年中國經(jīng)濟在技術效率變化方面出現(xiàn)了倒退現(xiàn)象，從而導致了全要素生產(chǎn)率的降低。2014—2019年間中國各省市的TFP年均增長0.4%，其中，技術進步年均上漲0.3%，技術效率年均上漲0.1%，說明這幾年中國經(jīng)濟全要素生產(chǎn)率表現(xiàn)相對良好。

3 機制分析與模型構(gòu)建

3.1 交通基礎設施建設對全要素生產(chǎn)率的影響機制

交通基礎設施對TFP增長的驅(qū)動作用的影響機制主要包括三個方面：（1）交通基礎設施的完善和發(fā)展有利于區(qū)域間的人員流動與溝通交流，從而推動科學技術的傳播與發(fā)展。一方面，新知識和新技術的產(chǎn)生往往開始于某一時刻的某一空間，先進的交通基礎設施使其通過貿(mào)易往來、人員流動等方式得到快速的傳播與更新迭代；另一方面，由于交通落后給資源流動帶來的不便很可能成為部分地區(qū)落后產(chǎn)業(yè)的保護傘，道路的修建與交通狀況的改善使得要素流動成本減少，從而降低了這種保護稅率，以消除落后，提高地區(qū)經(jīng)濟的技術效率。（2）交通基礎設施的發(fā)展和完善有利于優(yōu)化資源配置，從而大幅提升經(jīng)濟社會的運行效率。在新古典經(jīng)濟模型中，通常假定要素的流動成本為零，然而在現(xiàn)實中這個過程顯然是昂貴的，而運輸成本是其中的一個重要部分。交通基礎設施的發(fā)展和完善就像潤滑劑，減少了生產(chǎn)要素流動過程中的摩擦，從而推動原有資源配置狀態(tài)逐漸接近帕累托最優(yōu)配置的均衡點。（3）交通基礎設施的發(fā)展和完善有利于產(chǎn)業(yè)集聚和規(guī)模效應，從而放大市場的積極作用。一方面交通基礎設施的發(fā)展可以把人們運輸?shù)侥康牡?，城市?guī)劃將更為合理有效，土地的利用也更為高效; 另一方面基礎設施的完備，技術的發(fā)展與進步，可以增強人們的交流，產(chǎn)業(yè)聚集可能存在的障礙和阻力將更少，產(chǎn)業(yè)聚集效應會增加產(chǎn)業(yè)內(nèi)部競爭，進而對產(chǎn)業(yè)層面TFP產(chǎn)生影響。

3.2 空間計量模型的構(gòu)建

本文設定的基礎模型如下：

其中，β為解釋變量的回歸系數(shù)，railway為鐵路密度，road為公路密度，rgdp為實際地區(qū)生產(chǎn)總值（GDP），k為社會固定資本投資，l為城鎮(zhèn)單位就業(yè)人數(shù)，gov為政府影響，indus為產(chǎn)業(yè)結(jié)構(gòu)。

在引入空間計量模型后得到空間杜賓模型（Spatial Durbin Model，SDM）的表達式如下：

其中，W表示空間權(quán)重矩陣，δ表示空間自回歸系數(shù)，Wlntfp表示空間滯后項，θ為解釋變量的空間滯后項系數(shù)。當和取不同值時，SDM模型可退化為SAR或SEM模型。

基于地理鄰近的0-1鄰接空間矩陣（W）

3.3 變量描述和數(shù)據(jù)來源

被解釋變量：全要素生產(chǎn)率（tfp）。

核心解釋變量：本文通過各省市內(nèi)公路密度和鐵路密度來衡量當?shù)氐慕煌ɑA設施建設狀況（單位：公里/平方公里），分別標記為road、railway。

控制變量：

（1）經(jīng)濟發(fā)展水平（rgdp）。是經(jīng)濟以2000年為基期的價格指數(shù)平減的GDP（單位：億元）來表示。

（2）社會固定資產(chǎn)的投資（k）。以2000年的數(shù)據(jù)為基準，資產(chǎn)折舊率設為10%，使用永續(xù)盤存法對其估算（單位：億元）。

（3）勞動力水平（l）。本文用年末城鎮(zhèn)單位就業(yè)人數(shù)來描述各省份的勞動供給（單位：萬人）。

（4）政府干預（gov）。本文以政府的財政支出作為替代變量來表征各地區(qū)的政府干預情況。

（5）產(chǎn)業(yè)結(jié)構(gòu)（indus）。本文以第三產(chǎn)業(yè)在國民經(jīng)濟中所占比重來衡量。

本文采用2001-2019年中國30個省市（不包含西藏）的面板數(shù)據(jù)，包括570個觀察變量，在建模過程中對部分變量進行了對數(shù)處理以減小數(shù)值差異，變換后各變量描述性統(tǒng)計如表2所示。

表2 變量描述性統(tǒng)計

4 實證分析

4.1 莫蘭指數(shù)分析

表3顯示在鄰接0-1矩陣（W1）下2001—2019年中國30個省份全要素生產(chǎn)率的空間自相關性檢驗，全局Moran指數(shù)I在不同年份有正有負，說明30個省份的全要素生產(chǎn)率在不同年份顯現(xiàn)出的空間相關性不同，雖然在某些年份P值的表現(xiàn)并不顯著，但仍基本上可以說明，各地區(qū)經(jīng)濟發(fā)展的全要素生產(chǎn)率依然存在一定的空間自相關性（趙磊等，2014［21］）。

表3 TFP全局Moran指數(shù)（I）

從表4可以看出，2001年北京、河北、上海等11個省份均處于HH區(qū)（即本省全要素生產(chǎn)率水平較高，且鄰省TFP水平也較高）；江蘇、福建、海南、陜西4省處于LH區(qū)（即本省全要素生產(chǎn)率水平較低，鄰省全要素生產(chǎn)率水平較高）；河南、廣西、重慶等9個省市處于LL區(qū)（即本省全要素生產(chǎn)率水平較低，且鄰省全要素生產(chǎn)率水平也較低）；浙江、廣東、湖北等6省處于HL區(qū)（即本省TFP水平較高，但鄰省TFP水平較低）。另外，2019年北京從HH區(qū)轉(zhuǎn)移到了HL區(qū)，天津、河北從HH區(qū)轉(zhuǎn)移到了LH區(qū)，表明京津冀三省市全要素生產(chǎn)率水平差距在逐漸擴大，北京的TFP水平要明顯優(yōu)于天津和河北；江蘇、安徽變換到了HH區(qū)，福建、海南轉(zhuǎn)移到了HL區(qū)，河南、云南從LL區(qū)變換到了HL區(qū)，表明這些省份的全要素生產(chǎn)率相對周邊地區(qū)有所上升；上海市、新疆、廣東換到了LH區(qū)，湖北、湖南、寧夏從HL區(qū)變換到了LL區(qū)，說明這些省份的全要素生產(chǎn)率相對周邊地區(qū)有所減小。

表4 30個省市2001年及2019年的TFP局部空間自相關分布

4.2 空間計量模型的選擇

合適的模型對問題的分析至關重要，因此，在正式建立模型之前，要先對本文數(shù)據(jù)進行拉格朗日乘數(shù)檢驗（LM）和似然比檢驗（LR），并根據(jù)其結(jié)果的顯著性在SAR、SEM和SDM三種空間計量模型中，尋找最合適的模型。從表5可以看出，LM-lag、LM-error和Robust LM-error檢驗值都在1%的置信水平下顯著，但Robust LM-lag沒有通過檢驗，因此通過LM檢驗更傾向于選擇SDM或SEM模型。當觀察LR測試的結(jié)果時，我們發(fā)現(xiàn)針對于本文的數(shù)據(jù)，SDM模型并不能退化為SAR或SEM模型，因此，LR檢驗的結(jié)果更傾向于使用SDM模型?；谝陨戏治?，結(jié)合LM檢驗和LR檢驗的雙重結(jié)果，本文采用了SDM模型。隨后，在建立SDM模型的基礎上，采用Hausman檢驗來確定是利用固定效應還是隨機效應，由于檢驗結(jié)果為負值，并不能明確拒絕原假設，因此本文最終采用了隨機效應模型。

表5 LM、LR和Hausman檢驗

4.3 回歸結(jié)果分析

雖然傳統(tǒng)計量經(jīng)濟模型（OLS）沒有考慮到經(jīng)濟主體的空間依賴性，無法滿足本文的實證要求，但其回歸結(jié)果依然納入到文中以作對照參考。估計結(jié)果如表6所示，不同類型的交通基礎設施在經(jīng)濟發(fā)展中的表現(xiàn)不同，公路的系數(shù)在SDM模型中顯著為正，說明增加公路設施的建設投資對促進本地區(qū)經(jīng)濟TFP的作用明顯；其滯后項系數(shù)不顯著，說明通過增加公路的建設投資而帶來的本地區(qū)全要素生產(chǎn)率增長對周邊地區(qū)無明顯影響。鐵路的回歸系數(shù)在SDM模型下為負值，且在1%的置信水平下顯著，這表示鐵路并沒有對本地區(qū)的全要素生產(chǎn)率的改善產(chǎn)生直接的正面影響，這與傳統(tǒng)計量經(jīng)濟模型的估計結(jié)果相差甚遠，從而表明傳統(tǒng)計量模型高估了其在經(jīng)濟發(fā)展中的作用；但鐵路的滯后項系數(shù)為1.193，在5%的誤差水平下顯著，這表示鐵路自身的網(wǎng)絡屬性加速了地區(qū)間的要素流通，對周邊地區(qū)的經(jīng)濟增長效率產(chǎn)生了積極正向的作用。

從控制變量來看：經(jīng)濟發(fā)展水平、固定資產(chǎn)投資和產(chǎn)業(yè)結(jié)構(gòu)指標系數(shù)均為正值，這說明這些指標的提升都會不同程度對本地區(qū)全要素生產(chǎn)率的提升有積極的影響；經(jīng)濟發(fā)展水平指標的滯后項系數(shù)為顯著為負，這表明本地區(qū)經(jīng)濟的快速發(fā)展在有利于提升本地區(qū)TFP的同時，很可能產(chǎn)生虹吸效應，從而會對周邊地區(qū)表現(xiàn)出負的溢出效應。就業(yè)與政府干預指標的系數(shù)的顯著為負，這說明過多的勞動力就業(yè)人口并不利于全要素生產(chǎn)率的提高，同時，政府對經(jīng)濟的過多干預也限制了市場經(jīng)濟活力，可能對全要素生產(chǎn)率產(chǎn)生了消極影響。

4.4 空間溢出效應結(jié)果分析

本文將影響經(jīng)濟增長效率的總效應分解成直接效應和間接效應以更好地體現(xiàn)變量的作用。根據(jù)表7結(jié)果可知：（1）在直接效應中，公路建設、經(jīng)濟發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)指標的系數(shù)均基本顯著為正，表明這三個因素對地區(qū)TFP水平的增長升有顯著的正向影響；鐵路、就業(yè)人數(shù)指標的回歸系數(shù)顯著為負，表明這兩種要素的投入并不能給地區(qū)TFP提供直接的促進作用，而且大量鐵路建設投資以及低水平的就業(yè)人口壓力以及政府對市場經(jīng)濟的干預都抑制了本地區(qū)全要素生產(chǎn)率的發(fā)展。（2）間接效應中，鐵路和產(chǎn)業(yè)結(jié)構(gòu)指標參數(shù)估計值為1.196、0.187，均在10%的顯著性水平下顯著為正，表示本地區(qū)鐵路的修建和產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化對周邊的經(jīng)濟發(fā)展效率有明顯的溢出作用。（3）在總效應中，產(chǎn)業(yè)結(jié)構(gòu)指標系數(shù)顯著為正，鐵路、公路、經(jīng)濟發(fā)展水平、固定資產(chǎn)投資指標系數(shù)均不顯著，就業(yè)水平和政府干預指標對TFP有明顯的負向影響。

表7 SDM模型的空間溢出效應

續(xù)表

4.5 異質(zhì)性分析

為了考察交通基礎設施對TFP影響的時間變化，我們分2001—2007年、2008—2014年和2015—2019年三個時段對模型進行了估計，經(jīng)對比依然均選用了面板SDM模型。表8的估計結(jié)果顯示，鐵路在2001—2007年的間接效應回歸系數(shù)約為12.999，總效應的回歸系數(shù)為15.432，且均在1%的置信水平下顯著，表明鐵路在這段時間對中國區(qū)域全要素生產(chǎn)率的促進作用最為明顯。而公路在2001-2007年的直接效應和總效應顯著為正，在2008-2014年的總效應也顯著為正，表明公路在這段時間對中國區(qū)域全要素生產(chǎn)率有明顯的促進作用。綜合來看，2001-2007年交通基礎設施對全要素生產(chǎn)率的正向促進作用較為明顯，2008年之后逐漸減弱，這是因為2008年之后中國進行了超前規(guī)模的交通設施建設，目前依舊處于“前期政策消化期”，所以在回歸結(jié)果上并未體現(xiàn)出交通基礎設施對全要素生產(chǎn)率的促進作用。

表8 分時段的模型估計結(jié)果

表9是分地區(qū)考察交通基礎設施對TFP的影響差異，結(jié)果顯示，東部地區(qū)公路和鐵路的建設對TFP的總體影響并不顯著，其原因可能與上文相似，即目前中國正處于“前期政策消化期”，從08年到現(xiàn)在東部的大量而密集的交通基礎設施建設有所超前，為促進區(qū)域資源流動及經(jīng)濟快速發(fā)展提供前提條件的同時，也為長期的經(jīng)濟高質(zhì)量增長打下了基礎，因此回歸結(jié)果并不能否定交通在促進經(jīng)濟長期繁榮發(fā)展中的作用。中部地區(qū)回歸結(jié)果中鐵路的間接效應和總效應顯著為正，表明中部地區(qū)的經(jīng)濟增長已從目前我國便利的鐵路交通網(wǎng)中獲益。對西部地區(qū)TFP產(chǎn)生積極作用的主要是當?shù)毓坊A設施的建設，回歸結(jié)果中直接效應和總效應顯著為正。

表9 分地區(qū)的模型估計結(jié)果

4.6 穩(wěn)健性檢驗

本文分別以反距離平方矩陣、經(jīng)濟距離倒數(shù)矩陣為權(quán)重矩陣重新加以回歸分析，從而加強文章分析結(jié)論的穩(wěn)健性。從表10的穩(wěn)健性檢驗結(jié)果來看，變換權(quán)重矩陣并未造成核心解釋變量（公路、鐵路）系數(shù)的實質(zhì)性變化，交通基礎設施建設作為長期影響國民經(jīng)濟的重要保障，給人們的各種出行帶來了便利，大大提升了人民的出行體驗，但是由于前期投入資金大，投資回報周期長的特點，因此就現(xiàn)階段短期而言，目前正處理前期政策消化期的國情，基礎設施建設具有一定的超前性，從而在實證回歸結(jié)果上未能充分表現(xiàn)出其對中國區(qū)域全要素生產(chǎn)率的促進作用，該結(jié)果也驗證了前文估計結(jié)果的穩(wěn)健性。

表10 穩(wěn)健性檢驗結(jié)果

5 結(jié)論及政策建議

本文運用DEA-Malmquist方法測算了中國30個省市的TFP及其變化，并構(gòu)建了與經(jīng)濟數(shù)據(jù)相匹配的空間溢出效應模型來對公路、鐵路與經(jīng)濟發(fā)展TFP之間的關系及其存在的溢出效應進行研究，涉及到各地區(qū)全要素生產(chǎn)率為因變量，公路密度和鐵路密度為核心解釋變量，通過實證分析得到以下結(jié)論：（1）中國各地區(qū)TFP的發(fā)展表現(xiàn)出顯著的空間依賴性。（2）交通基礎設施建設雖然可以促進全要素生產(chǎn)率的提高，但現(xiàn)階段中國正處于前期政策消化期，超前的交通基礎設施雖然為經(jīng)濟長期高質(zhì)量增長提供了基礎，但在本文的研究時間段內(nèi)其作用并未在回歸結(jié)果中得到充分體現(xiàn)。（3）不同種類的交通基礎設施在地區(qū)經(jīng)濟發(fā)展中的作用表現(xiàn)不盡相同，公路的建設投資能夠更有效地刺激本地區(qū)經(jīng)濟的繁榮發(fā)展，而鐵路在經(jīng)濟發(fā)展中的作用更多的體現(xiàn)在其對周邊地區(qū)產(chǎn)生的溢出效應方面，同時，其在區(qū)域經(jīng)濟增長中所產(chǎn)生的溢出效應明顯大于公路。（4）本文將傳統(tǒng)計量模型和空間計量模型的實證結(jié)果作比對，發(fā)現(xiàn)在未考慮空間效應的情況下，交通運輸基礎設施對經(jīng)濟的促進作用明顯高估，這一結(jié)論與多數(shù)專家學者們的研究保持一致。（5）經(jīng)濟發(fā)展水平和產(chǎn)業(yè)結(jié)構(gòu)指標的提高能夠有效加速區(qū)域經(jīng)濟的發(fā)展，同時要想更好的促進中國各地區(qū)的繁榮發(fā)展，勞動力水平則需要進一步提高，市場的自主作用需要得到進止步釋放。

交通基礎設施投資周期長，因此，在評價其對經(jīng)濟增長全要素生產(chǎn)率的時候，應該清楚的認識到適度超前的交通基礎設施投入的客觀規(guī)律。在實證分析中交通基礎設施對TFP增長的總效應不顯著主要是由于我國交通基礎設施建設有所超前，現(xiàn)階段需要更加重視現(xiàn)有道路與設施的優(yōu)化，充分發(fā)揮其溢出效應，把握交通基礎設施建設與經(jīng)濟發(fā)展水平相適應，重點放在對既有設施存量的優(yōu)化利用，提高其利用效率。因此，在此研究的基礎上，文章結(jié)合區(qū)域經(jīng)濟學理論以及我國經(jīng)濟發(fā)展狀況和交通基礎設施建設水平，提出以下幾點的建議：（1）正確看待交通基礎設施建設適度超前的客觀規(guī)律，同時也應針對不同基礎設施對不同區(qū)域產(chǎn)生的效應差異進行有計劃、有區(qū)別的投入資金，避免資源浪費或擠占其他部門的投資。（2）加快推進鐵路多式聯(lián)運改革的進程，試圖更加充分的挖掘鐵路在運輸經(jīng)濟，尤其是在貨運當中的積極作用，加大鐵路對區(qū)域經(jīng)濟的良性作用。（3）加快建設綜合交通運輸體系，實現(xiàn)內(nèi)外交通運輸體系一體化，搭建政府協(xié)作與合作平臺，促進區(qū)域經(jīng)濟一體化。因為各地區(qū)經(jīng)濟發(fā)展尤其是交通基礎設施方面的溢出效應明顯，因此，相關決策部門在建設或更新相關基礎設施時，應將促進與其他地區(qū)的良性互動納入到統(tǒng)籌范圍。