交通基础设施对生产性服务业发展的溢出效应——基于省际的空间计量模型分析

蒋荷新

(上海师范大学 商学院，上海 200234)

交通基础设施对生产性服务业发展的溢出效应
——基于省际的空间计量模型分析

蒋荷新

(上海师范大学 商学院，上海 200234)

生产性服务企业因其服务的专业化和即时化特点，倾向于在交通发达的城市集聚，本文基于2005～2015年省际的空间计量分析证实了上述结论，即交通基础设施对所在地区生产性服务业发展具有显著的正向促进作用。研究还发现：相邻地区的生产性服务业发展存在正向的空间溢出效应，并且这一溢出效应主要发生在市场规模和经济发展程度相近的地区之间，地理上邻近性的作用相对较弱。这一结论一定程度上解释了部分地理位置相邻但市场规模和经济发展程度不同的地区间生产性服务业发展趋势出现分化的现象。通过对空间溢出效应的分解可以发现，交通基础设施对邻近地区生产性服务业发展存在正向的空间溢出效应，但全国层面的空间溢出效应较小，这与不同地区生产性服务业的发展阶段和溢出效应的差异有关，因此政府需要根据地区生产性服务业发展所处的阶段及发展潜力进行交通基础设施的投资和建设。

交通基础设施；空间溢出效应；生产性服务业

一、引言与文献综述

知识经济、信息经济时代，时间价值在企业经营决策中的作用日益重要，企业在进行区位决策时，已经由传统的市场指向、成本指向转变为时间价值指向。对于为各类企业提供专业化服务的生产性服务企业而言，时间价值显得尤为重要。根据空间经济学理论，地区间要素流动所面临的相对时间与相对距离会随着交通技术的进步而缩短，即出现“空间汇聚”现象[1]。发达的交通基础设施可以加快生产要素的流动速度，扩大生产要素的流动范围，降低企业的运输和信息成本，从而吸引了大量对时间成本、信息成本敏感的生产性服务业企业在交通发达的节点城市集聚，因此交通基础设施作为一种可以实现“时空压缩”的工具、经济的“黏合剂”，成为地区实现生产性服务业快速发展的一个重要前提条件[2]。

同时，交通基础设施又是一种社会公共产品，具有典型的网络性与外部性[3]。交通基础设施的网络性不仅有助于形成运输的规模效应和范围效应，降低生产性服务业企业的运输成本，还可以强化跨地区企业的相互学习和交流，提高企业的生产效率；交通基础设施的外部性则使一个地区的交通基础设施对生产性服务业的影响不再局限于本地区，而是外溢至邻近地区。具体地，这一外溢作用通过影响生产要素的流动表现为两个相反的方向：在本地的生产性服务业发展处于上升周期时，本地交通基础设施的发展可以吸引邻近地区更多的生产要素向当地聚集，促进当地生产性服务业的快速发展，此时交通基础设施对邻近地区生产性服务发展呈现负向溢出效应；而当本地生产性服务业要素需求达到饱和时，生产要素会借助发达的交通运输网络向周围地区流动，促进邻近地区生产性服务业的发展，此时，交通基础设施对邻近地区生产性服务业的发展呈现正向溢出效应。此外，对于发展水平显著低于邻近地区的生产性服务业“洼地”而言，发达的交通基础设施也可能导致本地生产要素的外流，从而对邻近地区的生产性服务发展产生正向溢出效应。

目前，国内外学者对生产性服务业发展的影响因素进行了大量研究，但是关于交通基础设施与生产性服务业关系的研究相对较少，相似的文献也主要集中于研究交通基础设施对服务业发展的影响。Bonnafous和Kim先后研究了高铁对现代服务业的影响，发现高铁可以通过提高地区可达性和交通基础设施能力，加速服务业要素空间流通，促进现代服务业发展和就业人口增加[4][5]；Krugman的研究表明，更好的交通基础设施可以降低人员的运输时间，允许企业和居民更多地购买和使用本地没有的专业化程度更高的服务，从而促进服务业发展[6]。一般认为，便捷的交通基础设施可以加快要素的跨地区流动，提高全要素生产率来促进相关产业的发展，国内学者对此也有一些研究。吴昌南等的研究发现，我国东部地区高速公路密度与服务业全要素生产率呈正相关关系，但在中部、西部地区两者呈负相关关系[7]；高翔等用2008年第二次经济普查企业数据和县级高速公路的数据研究了交通基础设施对服务业企业劳动生产率的促进作用，结果表明有高速公路连接的服务业企业劳动生产率更高[8]；王晓玲等测算了2003～2013年资源枯竭型地级城市服务业全要素生产率，认为交通基础设施对资源枯竭型城市服务业效率具有显著的正向影响[9]。另有一些国内学者对交通基础设施对生产性服务业的影响进行了研究，肖雁飞等研究了武汉高铁对生产性服务业的影响，认为高铁对提高生产性服务业的发展水平做出重要贡献，并且随着高铁开通时间的延长，这一贡献将不断增强[10]；覃成林等使用2003～2012年我国218个地级以上城市的数据，分析了铁路交通发展对城市生产性服务业集聚的影响，结果表明，高铁运营加强了城市间的经济联系[11]。

通过对已有文献资料的梳理可以发现，国内外学者的研究基本肯定了交通基础设施在促进地区服务业发展、提高服务业企业全要素生产率方面发挥的积极作用，也肯定了铁路交通对城市生产性服务业积聚的积极影响。但是现有文献的研究主要集中于交通基础设施对服务业的影响，细化至生产性服务业的研究较少，并且在涉及交通基础设施时也大多仅局限于高铁范围，未能将在我国交通运输中占有重要地位的公路运输以及近年来快速发展的航空运输纳入研究范围；此外，交通基础设施具有明显的网络性与外部性，其对邻近地区生产性服务业发展具有溢出效应，现有文献中也鲜有学者考虑到这一因素。

本文将在上述研究的基础上，利用2005～2015年我国31个省份相关资料，通过构建空间计量模型，实证分析交通基础设施对生产性服务业的影响，并将公路运输和航空运输纳入研究范围。此外，本文还将对交通基础设施对生产性服务业发展的空间溢出效应进行进一步的分解，以期更为完整地解析交通基础设施对地区生产性服务业发展的直接影响及间接影响。

二、我国生产性服务业和交通基础设施的空间分布比较

(一)我国生产性服务业和交通基础设施发展现状

随着我国工业化进程的不断深入，为之提供配套服务的生产性服务业近年来也呈现快速增长的特点。为适应产业变动的需要，国家统计局从2005年开始启用新的国民经济行业分类(GB/T 4754-2002)。根据新国民经济行业分类，2005年，包括交通运输、仓储和邮政业，信息传输、计算机服务和软件业，金融服务业，房地产业，租赁和商务服务业5个分行业在内的生产性服务业的增加值为3.51万亿元，占第三产业的比重为47.83%。到了2014年，5个分行业的增加值总和达到15.66万亿元，占第三产业的比重达到了50.85%。从生产性服务业中的交通运输、金融服务和房地产3个比重最大的分行业来看，2005年的增加值为2.67万亿元，2015年增加至12.92万亿，其年均增长速度达到了35%，远高于同期GDP增速。从生产性服务业发展的地区分布来看，与GDP的地区不均衡分布一样，我国生产性服务业也存在明显的地区积聚现象。

交通基础设施方面，2005年我国公路总里程为193.05万公里，铁路营业里程为7.54万公里，民航定期航班航线里程为199.85万公里。到了2015年，我国公路总里程达到457.53万公里，铁路营业里程达到12.10万公里，民航定期航班航线里程达到531.72万公里。同期铁路、公路以及民航运输的客运和货运总量均出现了成倍的增长。但是从空间分布来看，地区间交通基础设施的差距也非常明显，以铁路密度和公路密度以及民航客运量来衡量的地区交通基础设施发展水平均呈现由东向西阶梯状分布的特点，东部地区发展程度最高，中部次之，西部地区发展程度最低。

(二)我国生产性服务业和交通基础设施发展的省际分布特点

为了直观考察我国生产性服务业的空间布局，本文用三维散点图对2005年和2015年我国31个省份的陆上运输和航空客运与生产性服务业增加值的相关关系进行简要分析，由于地区间相关指标的差异较大，本文按照东、中、西三大经济带划分的方法分组进行比较(见图1～图6)。从图1～图6中可以看到，东、中、西地区各省份的生产性服务业与交通基础设施之间均存在较为明显的正相关关系，各地区生产性服务业较为发达的省份，其交通基础设施发展也大多处于领先水平。并且经过10多年的快速增长，两者间的正相关关系还存在强化的趋势，即生产性服务业发展呈现强者更强、弱者更弱的空间积聚特点。

图1是2005年东部地区交通基础设施与生产性服务业发展地区分布情况，从图1可以看出，东部地区生产性服务业最发达的北京、广东、上海三地的陆上、民航运输均遥遥领先于其他省份，江苏、山东、浙江等生产性服务业大省的交通基础设施发展水平也较高。从图3中部地区交通基础设施与生产性服务业发展地区分布情况来看，中部地区生产性服务业发展水平最高的河南、湖北和湖南三省的陆上、民航运输发展水平也均处于领先地位。图5为2005年西部地区交通基础设施与生产性服务业发展地区分布情况，西部地区生产性服务业发展水平最高的四川，其交通基础设施发展水平也较高，仅低于旅游大省云南；西部其他省份的生产性服务业与交通基础设施发展也呈现正向的相关性。

如果将三大经济带2005年和2015年的交通基础设施与生产性服务业发展地区分布散点图进行对照(图1与图2，图3与图4，图5与图6)，可以看到，从2005～2015年，东部和西部地区的生产性服务业和交通基础设施均出现了明显增长，但是总体增长比较均衡，省际的格局并未出现显著变动，并且呈现出向原先基础较好地区积聚的特点。

东部地区的广东依然遥遥领先于其他地区，北京、上海保持稳定增长，而原先发展基础较好的江苏、山东、浙江三省在此期间出现了快速增长，江苏和山东的生产性服务业总值已经超越北京、上海，位居东部(也是全国)生产性服务业第二、第三大省的位置。西部地区的生产性服务业大省四川，其2015年的生产生服务业增加值仍然位居第一，重庆紧随其后，而旅游大省云南的生产性服务业增长速度较慢。

而中部地区在2005～2015年间交通基础设施出现了显著增长，特别是民航运输业，带动了对民航运输比较敏感的生产性服务业的快速增长。其中最为明显的是湖北省，从2005～2015年，其民航客运量的相对位置出现了明显右移，带动了该省生产性服务业的快速增长，从2005年的地区第三上升至2015年的地区第一的位置。并且从图3和图4中也可以看到生产性服务业发展存在较为明显的向原先基础较好且交通发达地区积聚的特点。

图1 2005年东部地区交通基础设施与生产性服务业发展地区分布资料来源：根据2005年和2016年《中国统计年鉴》相关资料自行编制，以下各图相同。注：图中气泡表示该地区的生产性服务业增加值(单位：亿元)，气泡大小为本图中相关省份生产生服务业增加值的相对大小，以下各图相同。

图2 2015年东部地区交通基础设施与生产性服务业发展地区分布

图3 2005年中部地区交通基础设施与生产性服务业发展地区分布

图4 2015年中部地区交通基础设施与生产性服务业发展地区分布

图5 2005年西部地区交通基础设施与生产性服务业发展地区分布

图6 2015年西部地区交通基础设施与生产性服务业发展地区分布

通过上述图1～图6的对比分析可以发现，我国各地区的生产性服务业发展与交通基础设施的发达程度关系极为密切，生产性服务业发展程度越高的地区，其交通基础设施越完善，反之则反是。同时，生产性服务业和交通基础设施的发展演变中均存在空间积聚的趋势，全国范围及三大经济带内均存在生产性服务业向交通发达以及生产性服务业基础较好省份积聚的现象。据此，笔者推测地区生产性服务业发展与交通基础设施之间存在着紧密的正向相关性，本文接下来将通过基于不同权重空间矩阵的空间计量分析方法，实证检验两者间的相关性。

三、模型的构建、变量选择与计量方法

(一)理论模型的构建

为了分析交通基础设施对各地区生产性服务业的影响，本文在借鉴Griliches模型的基础上，构建了包括交通基础设施的生产性服务业生产函数。其基本假设是：各省份是相互独立的实体，其生产性服务业的产出取决于该地区该行业的要素投入及全要素生产率[13]；交通基础设施通过影响其他要素的生产效率来影响生产性服务业的产出，因此将交通基础设施要素的贡献率从全要素生产率A中独立出来。

Y=AKαHβ

(1)

A=A1Tγ

(2)

将式(2)代入式(1)中，即可得到包含交通基础设施的生产性服务业生产函数：

Y=A1KαHβTγ

(3)

上述式(1)到式(3)中：Y、A、K、H分别表示各个地区生产性服务业的产出、全要素生产率、资本存量、人力资本水平；A1表示除了交通基础设施作用以外的全要素生产率；T表示交通基础设施；α、β分别表示各个地区生产性服务业资本、人力资本的产出弹性系数；γ表示交通基础设施的弹性系数，即交通运输设施对生产性服务业产出的贡献率。将式(3)两边同时取对数得到式(4)作为实证分析方程的基本形式：

LnY=α1+αLnK+βLnH+γLnT

(4)

(二)变量的选取和数据来源

1．被解释变量

生产性服务业的增加值(Y)。本文选取交通运输、仓储和邮政业，信息传输、计算机服务和软件业，金融服务业，房地产业，租赁和商务服务业5个行业的增加值之和作为衡量地区生产性服务业发展水平的指标。

2．解释变量

交通基础设施发展水平(T)。交通运输业包括铁路、公路、水路、管道和航空运输五大类，考虑到管道运输主要为油气运输，水路运输以大宗商品货运为主，客运比例极低，对生产性服务业发展的影响较小，所以本文实证分析时未将这两类运输方式纳入分析范围。而我国地区间的商品和要素流动主要依赖的交通方式是铁路和公路运输[14]，同时生产性服务业属于空港偏好型产业，对民航运输的依赖性较强[15]，因此本文将交通基础设施细分为陆上运输(R)和民航运输(A)两种类别，分别分析两类交通方式在地区生产性服务业发展中的作用。其中陆上运输用各地区铁路和公路密度之和来表示，民航运输以各地区民航旅客吞吐量来表示。

3．控制变量

影响生产性服务业发展的因素除了交通基础设施外，还包括行业的资本和劳动要素投入以及对生产性服务业产生影响的其他一些因素，因此实证分析时选择了包括行业固定资本存量(C)、人力资本比例(H)，以及影响生产性服务发展的其他常用指标制造业发展水平(M)、城市化水平(U)、工业化水平(I)，政府因素(G)等6个指标作为控制变量。

(1)资本存量(C)。对于资本存量的度量，本文采用Goldsmith开创的永续盘存法来度量。其计算式如下：

Cijt=Inijt+(1-σijt)Cij(t-1)t=1,2,3…,11

(5)

式(5)中Cijt、Inijt、σijt分别表示第i省份j行业在第t期的资本存量、实际固定资产投资量、固定资产折旧率；Cij(t-1)表示第i省份j行业在第t-1期的资本存量。

关于基期资本存量的确定，本文采用单豪杰的估算方法，首先估算出2005年各省份生产性服务业各细分行业的初始资本存量，再汇总得出各省份该年度生产性服务业初始资本总存量[16]；借鉴相关文献，选取10%作为各省生产性服务业固定资产统一的折旧率，再根据历年各省份统计年鉴中生产性服务业细分行业的年固定资产投资量，利用式(5)计算出不同年份各地区生产性服务业中各个细分行业的资本存量，最终将其汇总得出该期该地区生产性服务业总的资本存量。

(2)人力资本水平(H)。生产性服务业属于知识密集型产业，其发展水平与各地区的人力资本水平高度相关[17]，本文用各地区城镇从业人员中大专以上人员比例作为衡量当地生产性服务业人力资本水平的指标。

(3)制造业发展水平(M)。生产性服务业的主要服务对象是制造业，一个地区制造业发展水平越高，其对生产性服务业的需求也越大，对生产性服务业的促进作用也越明显，本文以各地区的制造业生产总值来表示制造业发展程度。

(4)城市化水平(U)。城市化进程中，人们的生产、生活和居住方式都发生了明显改变，对服务业的需求也随之上升[18]。因此本文引入城市化水平作为影响生产性服务业发展的控制变量，并以地区城镇人口与当年年末总人口的比例来表示。

(5)工业化水平(I)。随着工业化程度的不断提高，工业企业对于技术、资本、运营管理的需求日益增强，这些需求需要通过生产性服务业来实现，因此本文将工业化水平纳入控制变量，并以工业增加值占地区GDP的比重来表示。

(6)政府影响(G)。政府对产业发展的影响与其财政收入密切相关，而政府的收入主要来自税收收入[19]，因此本文利用各地区企业所得税占我国总税收比重来衡量政府对生产性服务业发展的影响程度。

4．数据的获取和处理

国家统计局从2005年开始启用新的国民经济行业分类(GB/T 4754-2002)，新国民经济行业分类对服务业的子行业进行了细分，生产性服务业包括交通运输、仓储和邮政业，信息传输、计算机服务和软件业，金融服务业，房地产业，租赁和商务服务业，技术服务和地质勘查业6个细分行业，由于很多省份的统计年鉴中缺少科学研究技术服务和地质勘查业的统计数据，因此本文在实证分析中剔除了该行业，仅对生产性服务业的前五个细分行业进行分析。同时为了数据的一致性，研究的时间范围仅包括了2005～2015年，研究的地区范围仅包括我国内地31个省份(市、自治区)。研究所用的所有数据来源于历年《中国统计年鉴》、《中国交通统计年鉴》、《从统计看民航》以及各省份统计年鉴等公开数据库，为了消除价格的影响，本文以2005年为基期，采用价格指数对相关变量进行平减处理。

(三)计量模型的构建

1．空间面板模型的选择

本文研究的是2005～2015年我国31个省份(市、自治区)的交通基础设施与生产性服务业发展的相关性，并且前文分析表明各地区生产性服务业的发展存在明显的空间集聚特征，因此适合选用加入了空间权重矩阵的面板数据分析模型(即空间面板分析模型)，用以研究不同地区之间空间相关性(即空间溢出效应)。常见的空间计量模型有空间滞后模型(spatial lag model，SLM)和空间误差模型(spatial error model，SEM)。SLM模型适用于研究被解释变量的扩散效应(外溢现象)，即地区个体经济行为对相邻地区经济行为所产生的效应[20]，比较符合本文研究的需要，因而本文选择SLM模型作为计量分析方程，其模型一般表述为：

Y=ρWY+Xβ+ε

(6)

式(6)中，Y为被解释变量；X为n×k的外生解释变量矩阵；ρ为空间回归系数；W为n×n阶的空间权重矩阵；WY为空间滞后被解释变量，即被解释变量的空间权重加权平均值；ε为随机误差项向量。

2．空间权重矩阵的构建

进行空间面板分析需要构建反映地区间关系的空间权重矩阵，本文参照Bavaud等空间权重矩阵的构建方法，构建如下3类空间权重矩阵[21]：

(1)二进制空间权重矩阵(Wcont)，即0―1矩阵。如果两个地区相邻，则对应权重元素值为1；如果两地区不相邻，则对应权重元素值为0，如式(7)所示。最后将各行元素标准化，使其之和为1。

(7)

(2)反映经济距离的人均GDP空间权重矩阵(Wgdp)和反映市场规模的人口密度空间权重矩阵(Wpop)，如式(8)所示。Xi、Xj分别表示第i地区从2005～2015年间人均GDP和人口密度的均值。最后将各行元素标准化，使其之和为1。

(8)

3．空间面板模型的构建

在综合考虑上述因素后，本文在SLM模型的基础上构建了包括3类空间权重矩阵的生产性服务业空间面板分析模型：

Ln(Yit)=ρWijLn(Yit) +β1Ln(Rit)+β2Ln(Ait)+β3Ln(Cit)+β4Ln(Hit)+β5Ln(Mit)+ β6Ln(Uit)+β7Ln(Iit)+β8(LnGit)+ui+λi+εit，i=1,2,…N；t=1,2,…T

(9)

式(9)中,Yit为不同地区各年度生产性服务业增加值；Rit、Ait为各地区陆上运输和民航运输水平；Cit、Hit、Mit、Uit、Iit、Git则分别表示不同地区不同时期各控制变量的观察值；ρ是空间相关系数；Wij为空间矩阵，分别由Wcont、Wgdp、Wpop三类空间权重矩阵表示；Wijyit是是空间权重矩阵Wij与被解释因变量Yit的乘积，即被解释变量的地理加权平均值，用来揭示被解释变量Y是否存在空间溢出效应，溢出效应的方向及大小则由系数ρ的符号及数值来表示；μi表示地区固定效应；λi表示时间固定效应；εit表示随机误差项。

四、实证结果与分析

在运用空间计量面板模型进行回归分析前需要对模型的设定形式进行检验，关于空间计量模型的检验结果表明本文的研究变量之间存在空间相关性，因而适合选择空间滞后模型(SLM)，而关于面板数据分析模型的检验表明本研究适合选择固定效应模型，因而本文最终选择空间滞后固定效应进行实证分析。

(一)空间计量模型估计结果及分析

由于空间相关效应的存在使各观测样本具有相互依赖性，不能满足传统面板数据模型OLS方法要求的样本观测值相互独立的假定，因而传统的OLS方法不适合空间估计，但为了进行比较分析，本文仍然分别运用传统面板模型(OLS)和空间滞后模型(SLM)对交通基础设施对生产性服务业的影响进行估计，具体结果见表1和表2。从回归结果可知，所有模型的拟合优度均在0.88以上，说明模型整体的解释能力较强。与普通面板数据模型(OLS)相比，空间计量模型(SLM)的拟合优度达到了0.99，最大似然值也更大，说明空间计量模型的拟合效果更好，具有更好的解释力度，也进一步验证了各地区生产性服务业之间存在空间溢出效应的事实。

从表1和表2空间滞后模型SLM的回归结果可以发现：

(1)与不考虑空间溢出效应的传统面板数据模型OLS相比，加入了空间权重矩阵的SLM模型的估计结果更为显著，考虑了空间溢出效应的SLM模型中陆上运输、民航运输与生产性服务业的相关系数比传统OLS模型绝大多数有所下降(仅有一个例外)。这意味着，如果不考虑空间溢出效应，我们可能会高估交通基础设施对地区生产性服务业的影响。

表1 不同空间权重矩阵下陆上运输与生产性服务业相关性的估计结果

注：表中*、**和***分别表示在10%、5%和1%的显著性水平下显著，以下各表同。

表2 不同空间权重矩阵下民航运输与生产性服务业相关性的估计结果

(2)在考虑了空间溢出效应的SLM模型中，陆上运输与民航运输对我国生产性服务业发展均具有显著的正向影响。尽管不同空间权重矩阵下的回归系数具有一定差异，但两种运输方式对生产性服务业的回归系数均为正且均通过了10%的显著性检验。从估计结果来看，陆上运输在3种空间权重矩阵下的相关系数分别为0.314、0.157和0.162，表示当铁路或者公路的密度增加1%时，所在地区的生产性服务业增加值分别增长0.314%、0.157%和0.162%；民航运输的相关系数分别为0.232、0.108和0.100，表示民航运输的旅客吞吐量每增加1%，所在地区生产性服务业的增加值分别增长0.232%、0.108%和0.100%。可见，完善的交通基础设施在提高地区可达性、促进当地生产性服务业发展中确实发挥着积极的作用。

(3)地区间生产性服务业发展存在空间溢出效应，市场邻近性、经济邻近性以及地理邻近性对地区生产性服务业的发展具有明显的正向影响。研究结果表明，3种空间权重矩阵下我国生产性服务业发展的空间自相关系数ρ均为正值，且均通过了1%的显著性检验，意味着邻近地区的生产性服务业对本地区生产性服务业的发展起着正向的促进作用，也就是说邻近地区生产性服务业发展中存在着正向的空间溢出效应。

从回归系数ρ的大小来看，两种运输方式下，市场规模(Wpop)和经济距离(Wgdp)权重矩阵下生产性服务业的空间溢出效应较大，其相关系数值比较接近；而地理上的邻近性(Wcont)对生产性服务业的溢出效应较小。这表明影响我国各地区生产性服务业发展中人口和经济因素发挥着重要的作用，借助发达的交通网络系统，人口密度接近、经济发展程度相近的地区(即人口和经济意义上的邻近性)更容易在生产性服务业的发展中发挥相互溢出效应，从而形成空间积聚现象；而地理上邻近性的重要性则由于发达的交通运输相对有所下降。这一结论不仅可以解释生产性服务业发达省份主要积聚在东部沿海人口密集、经济发达地区的现象，也可以解释前文所述的生产性服务业初始发展水平相近的地区随着时间推移发展方向出现分化的现象，如中部地区的湖北省，借助快速发展的交通基础设施，从2005年的中部排名第三位上升至2015年的第一位，而同一经济带内的其他省份的排名则相应下降。

(4)在控制变量中，除了工业化程度对生产性服务业具有负向影响外，其余控制变量的影响均为正，但存在未通过显著性检验的情形。地区城市化水平(U)的回归系数为正，且通过了5%的显著性检验，表明城市人口规模的扩张对生产性服务业的发展起着积极的推动作用；行业物质资本(C)、人力资本(H)以及政府影响(G)对生产性服务业的回归系数为正，但统计上的显著性不强，表明行业资本以及政府因素对生产性服务业发展的影响并不显著。这可能与实证分析时的指标选取不够准确所致，也可能是我国生产性服务业整体处于粗放发展的初级阶段，要素配置效率较为低下所致；工业化水平(I)对生产性服务业的回归系数为负，制造业(M)对生产性服务业的回归系数未通过显著性检验，这说明我国各地区的工业化水平以及制造业发展对生产性服务业发展并没有起到促进作用。其原因可能是由于我国大多数工业处在产业链低端，以劳动密集型产品生产为主，因而未能对生产性服务业产生较大的需求。

需要指出的是，从表1、表2的回归结果来看，5个控制变量中相关系数最大的是地区城市化水平(U)，根据前文的变量设定，该指标是以地区城镇人口与当年年末总人口的比例来衡量的，其与生产性服务业之间较高的正相关系数表明，地区城市化带来的生产、生活和居住方式的改变将对本地区生产性服务业的发展具有显著的正向影响，这也进一步印证了前文关于生产性服务业空间溢出效应中市场规模(人口密度)作用最为显著的结论，即人的因素在生产性服务业发展中起重要的作用。

(二)空间溢出效应分析

由于表1、表2所示的相关系数并不能直接反映出交通基础设施对生产性服务业影响的空间溢出效应，因此本部分在SLM模型的基础上，参照王建康的方法将解释变量对被解释变量的影响分解为直接效应(对本单元被解释变量的影响)和间接效应(对其他单元被解释变量的影响，即空间溢出效应)[22]，对交通基础设施及其他变量对本地及邻近地区生产性服务业的影响进行进一步的解析，其估计结果见表3。

以地理距离权重矩阵下的估计结果为例，可以看到：

(1)陆上运输和民航运输的直接效应相关系数分别为0.167和0.119，且均通过了显著性检验。这意味着各地区交通基础设施对本地区生产性服务业的影响为正，且本地陆上运输密度每增加1%，本地生产性服务业增加值将增长0.167%；本地民航旅客吞吐量每增加1%，本地生产性服务业增加值将增长0.119%。

陆上运输和民航运输的间接效应回归系数分别为0.106和0.074，均通过了显著性检验，这说明各地区的交通基础设施对邻近地区生产性服务业的影响也为正。当本地陆上运输密度增加1%，邻近地区生产性服务业增加值将增长0.106%；民航旅客吞吐量增加1%，邻近地区生产性服务业的增加值将增长0.074%。将直接效应与间接效应进行对比可知，无论哪种交通基础设施方式，其直接效应均大于间接效应，说明交通基础设施对本地生产性服务业的作用更强。经济距离与市场规模空间权重下陆上运输和民航运输回归结果的分析方法同地理矩阵，在此不再赘述。

交通基础设施与生产性服务业的直接效应和间接效应相关系数均为正的结果表明，一个地区交通基础设施的完善不仅可以促进本地区生产性服务业的增长，还可以带动邻近地区的生产性服务的发展，这意味着在生产性服务业的区域积聚过程中，交通基础设施也起到了正向的促进作用。

(2)3种空间权重矩阵下陆上运输和民航运输对生产性服务业发展的间接效应(溢出效应)的大小变化存在一定规律，从表3可以看到，在市场规模空间权重矩阵下，陆上运输和民航运输的间接效应系数即溢出效应大；陆上运输在经济距离空间矩阵下的溢出效应次之，民航运输在经济距离空间权重矩阵下的溢出效应也居第二位；地理距离权重矩阵下，陆上运输的溢出效应最小，地理距离权重矩阵下民航运输的溢出效应最小。这意味着，对于某一特定地区的交通基础设施，其对邻近地区生产性服务业的溢出效应主要通过市场规模即人口密度的邻近性来实现的，再一次验证了前文关于人口因素在生产性服务业地区积聚中起主导作用的结论。

(3)陆上运输与民航运输对邻近地区生产性服务业发展均存在一定的正向空间溢出效应，但是溢出效应的相关系数值较小，这可能是由于不同地区生产性服务业正负不一的空间溢出效应相互冲销所致。对于生产性服务业发展水平落后于邻近地区的省份，本地产业对各类生产要素缺乏足够的吸引力，交通基础设施的完善将主要表现为该地区生产要素向邻近地区的流动，即借助发达的交通基础设施，落后地区对相邻地区的生产性服务业发展产生了正向促进作用；相对应的，生产性服务业发展水平高于邻近地区且正处于快速成长期的省份，可以借助完善的交通基础设施“虹吸”低水平邻近地区的生产要素，从而对邻近地区的生产性服务业发展产生负的空间溢出效应。而对于生产性服务业发展高度完善的地区，由于要素需求已处于饱和状态，交通基础设施的完善将主要表现为本地要素向邻近地区的流出，从而可以促进邻近地区生产性服务业的发展，即对邻近地区产生正向的空间溢出效应。

可见，在生产性服务业发展高度完善以及较为落后的地区，交通基础设施的发展都将导致本地区生产要素的外流，从而对邻近地区产生正向的空间溢出效应；而生产性服务业发展处于上升期的地区，则将借助发达的交通基础设施“虹吸”邻近地区的各类要素，对邻近地区产生负向的空间溢出效应。我国31个省份(市、自治区)的生产性服务业发展程度不一，正负溢出效应相互抵消，导致了地区间空间溢出效应整体较低的结果。

表3 不同空间权重矩阵下SLM模型的陆上运输和民航运输溢出效应估计结果

注：因为篇幅关系，本表未列示其他控制变量的直接效应和间接效应。

五、研究结论及启示

本文基于31个省份(市、自治区)的空间计量模型研究结果表明：

(1)各地区交通基础设施的发达程度对我国生产性服务业的发展具有显著的正向影响，在现实经济活动中表现为生产性服务业倾向于集聚在交通基础设施较完善的地区。进一步分析还发现，一个地区交通基础设施的发展不仅对该地区生产性服务业的发展有正向促进作用，而且对其邻近地区生产性服务发展存在正向的空间溢出效应，但整体效应较小，这一结果可能是由于各地区交通基础设施正向或负向空间溢出效应相互抵消所致。

(2)不同地区生产性服务业的发展存在空间自相关关系，即邻近地区的生产性服务发展对本地区存在正向溢出效应，并且这一溢出效应主要发生在市场规模和经济发展程度相近的地区之间，而地理上邻近性的影响相对较弱。这一结论不仅可以解释生产性服务业发达省份主要积聚在东部沿海人口密集、经济发达地区的现象，也可以解释地理特征相似的省份生产性服务业发展趋势出现分化的现象。

(3)以城镇人口占总人口比例的城市化水平对生产性服务业的正向促进作用特别显著，表明人口因素在地区生产性服务发展中起着不可忽视的作用。行业物质资本、人力资本以及政府影响对生产性服务业的发展存在积极影响，但统计上的显著性不强；工业化水平、制造业对我国生产性服务业发展的促进作用不太明显。

根据上述结论，可以得出如下启示：

(1)在我国生产性服务业的地区差异和区域积聚现象形成过程中，交通基础设施通过直接和间接效应(空间溢出效应)起到了显著的正向促进作用，因此，要缩小生产性服务业的地区发展差异，需要增加对交通基础设施明显落后地区的投资力度，避免部分落后地区因交通设施原因在地区竞争中被边缘化。

(2)生产性服务业自身和交通基础设施的空间溢出效应主要通过人口因素(人口密度)和经济因素(人均GDP)实现，因此需要重视人口因素在地区生产性服务业发展中的作用。交通基础设施的完善对要素流动的影响是双向的，既为其他地区的生产要素向本地积聚创造了条件，也为本地要素向外流动提供了机会，其中人口因素作为劳动要素和消费主力双重身份在其中发挥着关键的作用。随着交通基础设施的完善，如果本地市场对劳动要素具有足够的吸引力，劳动要素表现为向本地区积聚，本地区的各类产业及生产性服务将因此而快速增长，并趋向与更高人口密度、更高经济发展程度的地区积聚；反之，如果本地市场缺乏足够的吸引力，劳动要素将借助发达的交通设施向其他地区流动，而使本地区的生产性服务业趋向于与更低人口密度、更低发展程度的地区积聚。因此，完善发达的交通基础设施只是为本地区生产性服务业发展提供了条件，还需要其他措施比如产业政策、人口政策等的配合才能有效促进本地区生产性服务业的持续发展。

(3)由于不同地区正向或负向效应相互抵消，全国层面的交通基础设施的空间溢出效应较小，这意味着交通基础设施空间溢出效应的发挥与所在地区生产性服务业的发展阶段也有一定关系，因此需要根据地区生产性服务业发展阶段以及发展潜力进行交通基础设施的投资和建设，过度超前的交通基础设施水平也可能不利于本地区生产性服务业的发展。

[1] 林晓言，石中和，罗燊，吴笛，史慕天.高速铁路对城市人才吸引力的影响分析[J].北京交通大学学报(社会科学版)，2015，(3)：7—16.

[2] Riddle,D.I. Service-led Growth：The Role of the Service Sector in World Development[J].The International Executive，1989，28(1)：27—28.

[3] 张学良.中国交通基础设施促进了区域经济增长吗？[J].中国社会科学，2012，(3)：60—77.

[4] Bonnafous, H. A. The Regional Impact of the TGV[J].Transportation，1987，14(2)：127—137.

[5] Kim, K. S. High-speed Rail Developments and Spatial Restructuring：A Case Study of the Capital Region in South Korea[J]. Cities，2000，17(4)：251—262.

[6] Krugman,P.Scale Economies，Product Differentiation and the Pattern of Trade[J].American Economic Review，1980，70(5)，950—959.

[7] 吴昌南，陈小兰.我国服务业生产效率区域差异的实证研究——基于高速公路密度和改革力度的视角[J].经济地理，2014，(8)：118—124.

[8] 高翔，龙小宁，杨广亮.交通基础设施与服务业发展——来自县级高速公路和第二次经济普查企业数据的证据[J].管理世界，2015，(8)：81—96.

[9] 王晓玲，陈浩，方杏村.交通运输、政府作用对服务业效率的影响及区域差异测算[J].统计与决策，2015，(22)：90—93.

[10] 肖雁飞，张琼，曹休宁，廖双红.武广高铁对湖南生产性服务业发展的影响[J].经济地理，2013，(10)：103—107.

[11] 覃成林，杨晴晴.高速铁路发展与城市生产性服务业集聚[J].经济经纬，2016，(3)：1—6.

[12] Anselin, L.，Kelejian, H. Testing for Spatial Error Autocorrelation in the Presence of Endogenous Regressors[J]. International Regional Science Review.1997，(20)：153—182.

[13] Griliches,Z. Issues in Assessing the Contribution of Research and Development to Productivity Growth[J]. Bell Journal of Economics，1979，10(1)：92—116.

[14] 胡艳，朱文霞.交通基础设施的空间溢出效应——基于东中西部的区域比较[J].经济问题探索，2015，(1)：82—88.

[15] 柳坤，申玉铭，刘辉.机场周边地区生产性服务业与制造业空间布局特征——以首都机场为[J].地域研究与开发，2015，(4)：36—41.

[16] 单豪杰.中国资本存量K的再估算：1952～2006年[J].数量经济技术经济研究，2008，(10)：17—31.

[17] 张自然.考虑人力资本的中国生产性服务业的技术进步[J].经济学(季刊)，2010，10(1)：153—168.

[18] 胡国平，徐显峰，刘军，刘晓博.都市生产性服务业外向发展机制及影响因素——基于我国15个副省级城市1999～2008年面板数据的研究[J].宏观经济研究，2012，(3)：40—47.

[19] 储德银，建克成. 财政政策与产业结构调整——基于总量与结构效应双重视角的实证分析[J].经济学家，2014，(2)：80—91.

[20] 柏玲，姜磊.金融支持区域创新的竞争和溢出效应——基于空间面板杜宾模型的研究[J].上海经济研究，2013，(7)：13—23.

[21] Francois, B.Models for Spatial Weights：A Systematic Look[J].Geographical Analysis，1998，30(1)：153—171.

[22] 王建康，谷国锋，姚丽.城市化进程、空间溢出效应与城乡差距——基于2002～2012年省级面板数据[J].财经研究，2015，(5)：55—66.

(责任编辑：陈敦贤)

2017-02-04

上海师范大学第七期重点建设学科城市经济学资助

蒋荷新(1967— )，女，上海人，上海师范大学商学院副教授。

F264

A

1003-5230(2017)03-0046-12