交通基础设施对中国城市化的影响

邓丹萱

中图分类号：F124 文献标识码：A

内容摘要：本文运用空间计量方法，从地理特征和经济特征两个方面构建空间权重矩阵，研究我国交通基础设施与城市化之间的关系。实证研究的结果表明：交通基础设施对我国城市化有着显著的影响，其中铁路和高速公路基础设施对我国城市化有显著的正向贡献；在上述贡献中，来自直接效应的部分高达70%-84%，而来自空间外溢效应的部分则比较小，仅占16%-30%；低等级的公路基础设施对城市化的影响则不显著。

关键词：交通基础设施 城市化 空间面板模型

引言

根据World Bank（1994）的定义，铁路、公路、港口和机场等交通基础设施是经济基础设施，因此既有研究大多围绕交通基础设施与经济增长的关系展开，而城市化恰好是一个国家或地区社会经济发展水平的重要标志。进入21世纪以来，随着我国城市（镇）化的进程日益加快，人们对交通基础设施在城市化进程中所起的重要载体作用和推动作用也开始有所关注。赵晶晶和李清彬（2010）基于我国29个省市1986-2008年度面板数据，得出交通基础设施建设与城市化之间存在长期稳定的促进关系的结论。柳思维等（2011）使用2008年的截面数据，通过空间计量经济学方法，实证分析了公路基础设施对中部6省城镇化的贡献，得出了公路基础设施对中部地区城镇化有显著的正向贡献的结论。

笔者认为，随着城市化水平的提高，要素与产品的流动性和集聚性不断增强，作为流通载体的交通基础设施直接影响整个城市社会经济体系的正常运转和城市功能的实现，交通基础设施对城市化的推动作用从理论上看是明显的，因此在不同时空序列条件下对交通基础设施和城市化之间的关系进行实证研究具有重要的理论和现实意义。1996-2010年间铁路和公路交通基础设施在全社会货运和客运量中的比重高达85%以上，且在全国各省份均有广泛分布，因此具有较强的整体代表性，本文以这两者为代表来研究交通基础设施对我国城市化的影响。考虑到本文所使用的数据为省际层面数据，而“某个空间单元上的某种经济现象或某一属性与邻近空间单元上的同一现象或属性值往往是相关的”（Anselin，1988），这种空间相关性使得传统的计量方法所获得的结论在精确性和解释力等方面都受到限制，因此本文在实证方法上采用空间面板数据模型（Spatial Panel Data Model，SPDM），对交通基础设施与城市化之间的关系进行研究。

实证模型及数据处理

（一）实证模型

空间计量模型的设定可以根据空间相关性的来源不同而分为空间滞后模型（SLM）和空间误差模型（SEM）两种；其中，SLM描述了区域间通过学习与效仿、扩散与辐射等机制产生关联的情况，而SEM则描述了由于数据测量或模式考虑的因素不周导致的空间关联情况。因此，本文以传统的城市化影响因素为控制变量，重点考察交通基础设施投资对城市化的影响，建立如下两种模型。

SLM模型可表示为：

URBit=α+βTRANit+γXit+ρWURBit+εit

SEM模型可表示为：

URBit=α+βTRANit+γXit+εit

εit=λWεit+μit

εit、μit～N（0，σ2I）

其中，i表示第i个省区市，t表示时间；URB代表城市化水平；TRAN为交通基础设施；X代表影响城市化水平的其他控制变量；εit和μit为服从正态分布的随机误差项；ρ、λ为空间滞后项和空间误差项的系数；W为空间权重矩阵。解释变量包括两类：一类是核心解释变量，包括铁路和公路交通基础设施；另一类是控制变量，即X中所包含的影响城市化水平的其他变量。

在空间模型下，交通基础设施对城市化的影响分为两类：一是本地交通基础设施产生的直接影响，可用弹性系数β来度量；二是来自于相邻地区的交通基础设施对本地城市化的间接影响（即空间外溢效应）。这种外部性会随着地区圈层的外扩而逐渐衰减，若设q表示以i地区为中心向外扩展的圈层序数，在SLM模型下，交通基础设施的空间外部偏效应可表示为： 。交通基础设施对城市化的总影响可表示为直接影响和空间外部偏效应的加总形式： 。

（二）变量选取及数据来源

本文采用最常用的城镇人口比重来反映城市化水平URB。本文所考察的交通基础设施TRAN，包括铁路密度和公路密度两项（本文将三级、四级公路合并为一组数据）。在控制变量方面，用实际人均产出GDP代表地区经济水平（以1990年的价格水平为基期）；高等学校招生人数占地区总人数的比率EDU代表人力资本。本文选取1996-2010年的省际面板数据进行分析，数据全部取自历年《中国统计年鉴》和各省统计年鉴（考虑到重庆从1997年开始才作为直辖市从四川省分离出来，因而本文将其与四川省的数据合并）。

（三）空间权重矩阵构建

模型空间权重矩阵W的设定是空间计量模型的关键，也是地区间空间影响方式的体现。本文采用地理权重矩阵和经济权重矩阵分别对模型进行描述。地理权重矩阵遵循Rook相邻判定规则，即第i个省份和第j个省份若有共同边界则权重设为1，否则为0。但是，相邻地区间的经济联系并不完全相同，本文假设经济实力强的地区对周围地区产生的空间影响力较大，反之较弱，并通过计算考察期间各地区实际GDP占所有地区实际GDP之和比重的均值来衡量地区经济水平的高低。因此，经济空间权重矩阵W*是地理空间权重W与各地区实际GDP所占比重均值为对角元素的对角矩阵的乘积。

实证研究结果

从表1来看（由于时间固定效应下，模型的对数似然值相比于地区固定以及双固定效应下的对数似然值小很多，因此估计结果没有在表格中列出），地区和时间双固定的面板SLM模型，无论是在地理权重矩阵还是在经济权重矩阵之下，其估计结果在对数似然值上要好于其他各种空间面板模型。因此，本文选择地区和时间双固定的面板SLM模型对我国交通基础设施水平与城市化水平之间的关系展开实证分析。

表1中双固定面板SLM模型的估计结果显示，在地理权重矩阵和经济权重矩阵下，铁路密度与高速公路密度的系数估计值均在高达1%的水平下通过了显著性检验，且均为正值。但本文发现一级公路的系数比较小，且在10%的显著性水平的边缘；同时，三级、四级公路和等外公路的系数也不显著，因此占据公路里程大部分的低等级公路对我国城市化水平的增长几乎没有起到作用。控制变量经济发展水平和人力资本的估计系数在两个权重矩阵下都比较显著，且为正向。另外，经济权重矩阵下模型的空间滞后项系数大约为地理权重矩阵模型下系数的一半，说明考虑地区之间城市化水平的影响作用不仅来自于地域的相邻，同时也来自于地区之间经济的相互影响作用。

从表2可以看出，空间外部偏效应构成了铁路、公路交通基础设施对城市化水平的总体偏效应的大约16%-30%，证实了城市化水平的空间外溢效应的存在。相比较而言，铁路密度对城市化水平的影响要明显大于高速公路密度，其每提高1个百分点将带动城市化水平提高0.2个百分点；高速公路每提高1个百分点，将带动城市化水平提高0.07个百分点。

结论

本文的研究表明，铁路和高速公路基础设施对我国城市化有着显著的正向影响，在上述贡献中，来自直接效应的部分高达70%-84%，而来自空间外溢效应的部分则占16%-30%；而低等级的公路基础设施对城市化的影响不显著。原因主要在于：中国目前处于工业化和城市化快速发展的阶段，城市化主要发生在大城市及其周边区域，因此对铁路和高速公路的依赖性要比中低等级公路大得多。可以预见的是，当快速交通框架基本搭建完成，到了我国地区城市化向广大周边地市甚至县域攻坚的阶段，那时中低等级公路网络对我国城市化的促进作用肯定会凸显。由于各类交通网络数据可得性的限制，本文没有考虑在地级市等更小的行政层面上交通基础设施对城市化水平的影响，这可能使本文在政策意义方面有所欠缺，也成为今后研究的深入方向。

参考文献：

1.Anselin，L.Spatial Economics：Methods and Models[M].Dordrecht：Kluwer Academic，1988

2.Anselin，L.，Bera，A.K.，Florax，R.，Yoon，M.J.，Simple Diagnostic Tests for Spatial Dependence [J].Regional Science and Urban Economics，1996，2（27）

3.Aschauer，D.A.Is Public Expenditure Productive[J].Journal of Monetary Economics，1989，2（23）

4.Elhorst，J.P.Specification and Estimation of Spatial Panel Data Models[J].International Regional Science Review，2003，26（3）

5.柳思维，徐志耀，唐红涛.公路基础设施对中部地区城镇化贡献的空间计量分析[J].经济地理，2011（2）

6.赵晶晶，李清彬.我国交通基础设施与城市化的互动关系—基于省际面板数据的经验分析[J].中央财经大学学报，2010（8）