四 经验结果分析
( 一) 参数校准结果
由于本文将冰山运输成本设置为交通时间和价格的函数,那么交通时间和价格的系数对冰山运输成本的计算十分重要。 因此我们利用交通运输统计数据和冰山成本的非线性模型(16) 式,对城际交通时间和交通价格的系数进行估计,得到与中国实际运输经济相符合的参数,具体估计结果见表2。 从中可知,回归结果均在统计意义上显著,且系数符号方向符合经济意义。 各种运输方式的交通价格成本弹性介于 0.2821到0.3030 间,时间弹性介于0.2949 到0.3025 间。
( 二) 基准分析
首先考虑综合交通网络( 铁路、高铁、高速公路、水路) 扩张提高市场规模水平后对经济增长的影响。 本文利用市场规模指标经验分析综合交通网络的经济效应,表3 为对(14) 式进行回归的结果。 表3 第(1) 列为城市生产总值对市场规模的回归,其系数约为0.1171,且在1% 的水平上显著为正,说明市场规模每提高1% ,生产总值提高0.1171% 。 验证了前文的理论分析,交通发展提高了企业市场规模进而获得经济增长,与 Donaldson and Hornbeck(2016) 和唐宜红等(2019) 的结论一致。
交通运输连接生产和消费两端,对国民经济循环中诸多环节都产生支撑作用。 基于此,本文还分别利用工业总产值、批发零售业销售总额和社会消费品零售总额对市场规模进行再次回归,具体结果见表3 第(2)-(4) 列所示,系数均显著为正。 工业总产值对市场规模的弹性值比生产总值回归系数值大约高出0.0149 个百分点。 从核算角度可知,生产总值不仅包括公私部门的消费和净出口,还包括投资,且相比贸易消费,交通对投资的影响是间接的,故交通对工业总产值影响略大。 同理,交通对批发和零售业也有相对较大的影响。 在表3 所有回归结果中,第(1) 列系数在1% 水平下显著,标准误较小,样本容量也较大,因此本文后续以生产总值对市场规模的回归分析为基准展开讨论。
( 三) 稳健性检验和内生性分析
1.稳健性检验。 本文基准估计结果可能受到变量测度方法和计算精度等一系列潜在问题的干扰,下面我们采用多种方法对以上可能存在的问题从4 个方面进行稳健性检验。
第一,本文构造的市场规模指标是由非线性系统决定的,但我们担心设定方法和计算精确程度等问题可能导致回归结果出现偏误。 因此,参考 Allen and Atkin(2016)的做法,将市场规模指标设为
重新计算并进行回归,结果见表 4 第(2) 列。
第二,市场规模指标的计算需要用到产品替代弹性值,我们担心替代弹性取值
对回归结果造成影响,因此,通过更换不同替代弹性值
重新计算市场规模指标,并再次进行回归,结果见表4 第(3) 和(4) 列。
第三,市场规模指标是本文考察交通网络扩张对经济增长影响的核心变量,我们担心人口增长也会通过市场规模指标影响经济增长。 因此,将 1999 年的人口数据作为不变人口计算市场规模,控制人口增长的影响,结果见表 5 第(2) 列。 与基准分析结果相比,市场规模变量的系数下降 0.0072。 可以说,在本文分析框架下,人口增长通过市场规模的影响不大,基准回归结果是稳健的。 此外,我们还采用就业人口作为人口统计指标进行了稳健性检验,如表5 第(3) 列所示,结果依旧稳健。
第四,本文还采用样本重新选择的方法进行了稳健性检验。 当交通线路通过借贷方式修建时,地方政府通常在选址决策上更倾向于高经济回报预期的地方,这导致线路修建选址存在非随机性。 本文参考孙浦阳等(2019) 的研究,将经济发达和是政治中心的中心城市从全样本数据中剔除,剩下非中心城市的样本再次进行回归,以规避交通规划部门选择中心城市修建交通线路引起的回归误差。 将中心城市剔除后的样本进行回归见表6,其结果和基准分析结果基本保持一致。
2.内生性问题。 综合交通与城市经济间的关系可能会受内生性的影响,使估计的系数出现偏误。 内生性一般由遗漏变量、双向因果关系、变量测量误差及选择偏差造成,而交通网络的内生性通常来自双向因果关系( 李涵和唐丽淼,2015)。 即一方面交通线路的修建促进了城市经济增长,但另一方面经济发展水平较高的城市更倾向修建交通线路。
我们参考 Faber(2014) 解决交通网络内生性的办法,采用地理地形生成交通线路的最小生成树( Minimum Spanning Tree,MST) 作为理想的交通线路,将其作为交通网络的工具变量,然后对表3进行两阶段回归分析,结果如表7 所示。 其中,各组回归系数均显著为正值, 符合预期, 但工具变量法的估计系数比普通最小二乘法略大。Duranton and Turner(2012) 研究交通对城市就业增长的影响时,工具变量法的估计系数也比普通最小二乘法大2 倍多,他们认为这是由于工具变量解决了现实中交通线路建设选址的非随机性造成的,工具变量是有效的。 国内学者利用工具变量解决交通网络内生性也有类似结果( 张睿等,2018)。 本研究结果基本与他们保持一致,内生性问题基本得到解决。 此外,本文还采用 Kleibergen⁃Paap Wald rk F 统计量进行弱工具变量检验。 表7 中的 F 统计量的值均大于10,拒绝“ 存在弱工具变量” 的原假设,表明工具变量估计是有效的。
综上所述,本文采用多种稳健性验证方法,并利用地理地形构建最小生成树作为交通网络的工具变量,发现本文的研究方法和基准回归结果都是稳健可靠的,内生性问题在一定程度上得到缓解。
( 四) 交通结构分析
1.不同运输方式的联运结构。 为考察交通结构对运输经济效应的影响,本文利用不同运输方式组成的联运结构( 铁路与高铁、铁路与高速公路、高铁与高速公路、铁路和水路、高速公路和水路) 分别计算市场规模指标,再次对(14) 式进行回归分析,结果见表8。 从中可看出以下特点。
第一,从单一运输方式的经济效应看,铁路、高铁、高速公路及水路的经济效应分别约为0.1808、0.1777、0.1285 和0.0034。 首先,早在1990 年全国铁路营业里程就已经有5.79 万公里,到2015 年达10.2 万公里,路网密度超过100 公里/ 万平方公里,可见铁路网络覆盖面广,并且路网成熟,已经和城市经济相融合。 因此,我们有较充分理由说明铁路在这4 种交通方式中具有最高经济效应。 其次,高速公路在过去25 年间, 从营业里程几乎为0,发展到2015 年的12.4 万公里,并且在2013 年跃居世界高速公路总里程第一, 创造了“ 中国速度”, 但高速公路的经济效应比铁路经济效应低 0.0523,这与高速公路的空间布局有关。 2015 年,东中西部高速公路总里程分别为3.97、3.94、4.4 万公里,而人均里程分别为6.95、8.91、12.08 米/ 人。 西部高速公路的人均里程约为东部的2 倍,而西部的人均产出仅为东部人均产出的 1 / 2,高速公路现有空间布局与出行需求和经济发展水平匹配程度欠佳,这在一定程度上造成高速公 路总里程比铁路长、经济效应却不如铁路的表现。 同时,这也对高速公路与其他运输方式组合形成的交通结构是否科学提出了疑问。 再次,2015 年的高铁营业里程超过1.9 万公里,约为铁路的1 / 5,其经济效应仅次于铁路,但是在给定营业总里程前提下, 高铁带动经济增长的效应就更为强劲,这与王雨飞和倪鹏飞(2016) 的研究结论一致。最后,水路依靠在天然河流和海域的航行进行运输,其运输网络较为固定,可扩展性较低,再加之现代造桥技术和其他交通工具的快速发展,对水路形成较为激烈的竞争,水 路在这4 种运输方式中经济效应最低。
第二,为考察不同运输方式组成联运结构产生的效应,本文分别计算不同运输方式组合形成联运结构的市场规模指标,并分别进行回归,结果见表 8 第(5) - (9) 列。如果交通联运结构的经济效应高于单一运输方式,说明该交通结构产生网络溢出效应,否则该交通结构限制交通网络经济效应的溢出。 首先,铁路和高铁组合结构的效应见表8 第(5) 列,回归系数为0.1966,经过 t 检验,系数分别显著异于第(1) 和(2)列的系数( p 值分别为0.0463 和0.0021),且系数约高出0.0158 到0.0189。 这说明相比单一交通网络,铁路和高铁组成的交通联运结构相互补充,并降低运输成本,扩大了企业进入全国市场的范围,带来交通网络效应的溢出。 其次,铁路和高速公路组合结构的经济效应小于铁路,说明这种交通结构未产生网络效应的溢出,制约“ 公转铁” 的联运能力,限制了运输网络经济效应。 再次,高铁和高速公路组合结构也未发现溢出效应,限制着运输经济效应约为0.0752,如果考虑网络溢出效应,限制的程度可能更大。 最后,铁路和水路、高速公路和水路的组合结构也未发现网络溢出效应。
综上所述,铁路和高铁同为铁道部统筹规划的交通网络,相对能组成联运结构发挥交通网络溢出效应,而铁道部规划的交通网络和交通部规划的高速公路形成的联运结构未能产生网络溢出效应,制约了运输经济效应的发挥。 同时也验证了前文对高速公路与其他交通方式组合形成交通结构科学性的质疑。 此外,水路与其他运输方式组合也未发现溢出效应。
2.不同时期的交通结构效应。 为研究交通结构影响运输经济效应随时间的演变,本文划分时间段分析不同时期的交通经济效应。我们参考廖茂林等(2018) 的研究,利用(15) 式分析不同时期的交通结构效应。 具体来说,将1999-2015 年的交通网络发展历程按每5 年为1 个时间段进行划分,利用因子变量表示各时间段,并与市场规模指标构成交互项进行回归,结果如表9 所示。
从单一运输方式的交通网络看,首先,铁路、高铁和水路这3 种运输方式回归分析结果的交互项系数为负,且系数绝对值逐渐增大,说明这 3 种运输方式的经济效应呈边际递减特征,这与廖茂林等(2018) 的研究结论保持一致。 其次,高速公路回归分析的交互项的系数符号先正后负,这意味着随着时间推移,高速公路在2000 年初先是表现出正的边际经济效应特征,到了2005 年以后变为边际递减,高速公路与经济增长的关系呈先上升后下降趋势。
下面对不同运输方式组合的联运结构进行检验,结果见表 9 第( 5) - ( 9) 列。 首先,根据中国实际交通组合结构,对不同运输方式组合进行回归,交互项系数均显著为正,且大致呈递增趋势,这意味着不同运输方式组合能实现优势互补,放大单一运输方式的经济效应;其次,随着时间推移,交通组合结构递增的边际效应使交通组合结构的经济效应超过了单一运输方式,从而产生交通网络溢出效应。 此外,不同交通方式联运结构产生的经济效应一直处于递增状态,这验证了交通线路的价值不仅取决于其自身,还取决于与之衔接的其他运输方式线路。 从以上分析可知,一方面,中国不同运输方式形成的联运结构确实存在较大改善空间;另一方面,改善交通结构既能产生网络溢出效应,也能减缓单一运输方式发展带来经济效应递减的状态,是综合交通网络未来发展的方向。
综合交通网络最鲜明的特点是不同运输方式相互补充,并将城市节点有效链接, 共同提供运输服务。 交通联结的城市越多,越有利于改善规模经济,越能从网络规模扩大获得更多价值,当不同运输方式的两种网络高效衔接时,网络价值呈边际增长。这种情况恰好与梅特卡夫定律相吻合,即交通网络具有极强的网络效应和正反馈性, 不同运输方式网络组成的联运结构提升了单一运输方式的价值。
3.交通结构一体化。 现代综合交通的构建,对客运的“ 零距离” 换乘、货运的“ 无缝化” 衔接服务要求越来越高,推进各种运输方式交汇融合,提高交通运输效率。 据此,本文分别对“ 前后1 公里” 问题和不同运输方式衔接效率进行经验分析,检验交通一体化结构对运输经济效应的影响效果。 具体方法是:我们分别利用各种运输方式车站到城市中心的平均距离和各种运输方式车站间的平均距离构建虚拟变量,对于 “ 前后1 公里” 问题,结果见表10 第(1)-(4) 列,各种交通方式车站到城市中心的平均距离大于10 公里时,铁路、高铁、高速公路回归结果的交互项系数均显著为负,表示这3 种运输方式受“ 前后 1 公里” 影响较大,其经济效应降低 0.1096-0.6001 个百分点。 而水路到城市质心点距离的交互项系数显著为正,这与水路运输网络依靠天然河道呈基本固定的网络模式有关。 码头港口到城市质心点的距离越大,水路码头港口腹地越大,该码头港口所能延伸的市场范围也越大,水路网络就越能拓展企业的市场规模。 由此可见“ 前后1 公里” 问题对主要运输方式发挥经济效应具有很大影响,该问题在构建综合交通体系中不容小觑。 对于各种交通方式衔接的问题,结果见表 10 第(5)-( 9) 列, 当各运输方式衔接的平均距离大于 10 公里时, 其经济效应约下降0.0064-0.1754 个百分点。 以上结果均表明提高交通结构一体化对运输经济效应的发挥具有显著效果。
|