交通基础设施建设缩小收入差距了吗？——基于省际面板数据的实证分析

周春平，董梦寒

（扬州大学商学院，江苏扬州225000）

改革开放40年来，中国的交通基础设施不断完善，公路里程和铁路营运里程分别从1978年的89.02万公里和5.17万公里，增长到2017年的477.35万公里和12.7万公里①，年均增速分别为4.40%和2.33%，截至2017年底，中国的铁路和公路营运通车总里程居世界第一位。另一方面，伴随着中国经济高速增长，城乡居民收入水平不断提高，但收入分配差距总体上呈不断扩大趋势，基尼系数从改革开放初的0.28上升到2016年的0.46②，基尼系数居高不下凸显了我国收入分配不均、收入差距不断扩大问题。

从交通基础设施密度的省际差异来看，我国东部地区的交通基础设施密度大，而中西部地区的交通基础设施密度相对较小。另一方面，我国基尼系数也呈现较大的省际差异，东部地区的基尼系数小，而中西部地区的基尼系数相对较大[1]（田卫民，2012）。我们发现，交通基础设施较发达的东部地区，其基尼系数小，即收入差距小；交通基础设施较落后的中西部地区，其基尼系数大，即收入差距大。

由此，一个自然的问题便是，中国的交通基础设施建设是否显著缩小了居民的收入差距？交通基础设施建设与居民收入差距这两者之间是否存在显著的关联？本研究的目的即在于，通过对国内外相关文献的梳理和回顾，运用2000—2010年中国省际面板数据，从实证角度回答这一问题，研究中国的交通基础设施建设在多大程度上缩小了居民的收入差距，从而为政策制定者提供相应的政策建议。

1 文献综述

现有研究关于交通基础设施与收入差距之间的关系有两种基本观点：

一种观点认为，交通基础设施建设对缩小收入差距有积极的作用。叶锐、王守坤（2011）将居民收入差异分为城镇居民收入差异、农村居民收入差异和总体居民收入差异三种，通过建立动态面板数据模型研究发现，公路交通基础设施建设水平的提高可以显著缩小城镇居民和总体居民的收入差距；而只有当公路交通基础设施建设水平达到一定阈值之后，惠及农村地区，交通基础设施才会开始有利于降低农村居民家庭人均收入差异[2]。黄乾、余玲铮、魏下海（2013）基于1991—2007年省际面板数据，采用空间计量方法，将交通基础设施对城乡收入差距的空间影响考虑在内，研究发现，交通基础设施对城乡收入差距的影响存在明显的空间效应，且占据了总效应的绝大部分；无论是0-1矩阵还是地理距离矩阵，交通基础设施变量均显著为负，交通基础设施提高1单位，城乡收入差距将显著缩小4.2%或7.6%，交通基础设施发展有利于降低收入不平等[3]。罗能生、彭郁（2016）进一步研究发现，公路基础设施可以进一步区分为高速公路和其他各等级公路，各种类型的交通基础设施对城乡收入差距缩小的效应大小存在差异；高速公路、铁路、一级公路、二级公路和三级公路这五种类型的交通基础设施建设均有利于城乡收入公平的改善，其作用大小依次递减[4]。

另一种观点认为，交通基础设施建设对缩小收入差距有消极的作用。Zou、Zhang、Zhuang（2008）基于1994—2002年中国面板数据研究发现，交通基础设施投资构成了经济增长的源泉，但由于中国存在地区交通投资不均等的现象，导致东部地区比中西部地区经济增长快，从而扩大了中国的收入差距[5]。任晓红、张宗益（2013）将交通基础设施对要素流动的影响引入新经济地理学模型，研究发现，交通虽然能够便利生产要素的流动，但随着生产要素不断地向城市集聚，交通基础设施的改善对生产要素流动性的影响将不再显著，当从农村集聚到城市的生产要素超过某一临界值时，农村居民收入开始减少，城乡收入差距将反向扩大[6]。冷艳丽、冼国明、杜思正（2017）则引入外商直接投资，考察FDI与交通基础设施的交互效应对城乡收入差距的影响，研究发现，FDI存在显著的扩大城乡收入差距的消极效应，FDI可以通过产业结构效应、就业结构效应和区位选择效应来拉大城乡差距，而交通基础设施建设会加剧FDI的这一效应[7]。

综观现有文献，我们发现，尽管学者们已经注意到交通基础设施对收入差距的影响，但多数研究将收入差距内涵局限在“城乡”这一狭窄的范围内，却很少从整体角度分析区域内的收入差距问题。另一方面，少量文献关注到交通基础设施对区域内总体收入差距的影响，但对交通基础设施的测量方法却又局限于公路交通基础设施上，而这已经不符合中国快速发展的铁路基础设施建设这一基本事实，从而低估铁路基础设施建设对收入差距的影响。本研究的边际贡献在于，在收入差距衡量指标选择上，并没有直接采用城镇居民人均可支配收入与农村居民人均纯收入的比值法，而是采用基尼系数这一综合指标，从而能更好地反映区域内部居民收入差距状况；此外，在对交通基础设施的度量上则综合考量各级公路、铁路等多种交通基础设施类型，从而更好地估计总体交通基础设施建设对居民收入差距的影响。

2 交通基础设施对收入差距的影响机理

根据地理学第一定律（Tobler’s First Law of Geography），所有事物都与其他事物相关联，但较近的事物比较远的事物更关联（Tobler，1970）[8]。所以，一个地区的交通基础设施不仅影响本地区的收入差距，也影响邻近地区的收入差距，前者称为直接效应，后者称为间接效应或空间溢出效应，且这两种效应均包括正向作用和反向作用两个方面。交通基础设施对收入差距的影响机理如图1所示。

图1 交通基础设施对收入差距的影响机理

就直接效应的正向作用而言，首先，交通基础设施建设需要投入大量的劳动力，而农村剩余劳动力为中国的交通基础设施建设提供了无限的劳动力供给，相应地，也直接增加了农村居民的收入水平（周春平，2018）[9]，并由此缩小了城乡居民的收入差距。其次，发达的交通基础设施促进了农产品和生产要素的流动，使得劳动分工和专业化生产成为可能，有利于乡镇企业和非农产业的发展，增加农村居民的经营性收入和工资性收入，从而缩小收入差距。最后，交通基础设施建设能够促进区域经济增长（张学良，2012）[10]，提升县域居民的收入水平，缩小区域内的收入差距。

就直接效应的反向作用而言，一方面，交通基础设施投资具有挤出效应（张宗益、李森圣、周靖祥，2013）[11]，交通基础设施建设会挤出公共投资资金在教育、医疗等方面的投入，导致社会性基础设施投入不足，从而扩大收入差距。另一方面，中国政府在交通基础设施投资政策上具有城镇偏向性（叶锐、王守坤，2011）[2]，城镇交通基础设施投资水平要远远高于农村，从而扩大城乡收入差距。

从空间溢出的正效应来看，首先，发达的交通便利了劳动、资本等生产要素的流动，促进了农村剩余劳动力向城市和非农产业的转移，增加农村居民的工资性收入，缩小区域间的收入差距（任晓红、张宗益，2013）[6]。其次，交通的可达性有助于低收入群体与现代经济活动中心取得联系，转变了社会服务的弱可获得性（郭君平，2013）[12]，如经济欠发达地区的居民可以流入发达地区，通过接受更好的教育来增加其人力资本，提升其收入，缩小区域间的收入差距。最后，根据区域经济学理论，有显著区域优势的地区会先发展起来，并通过扩散效应辐射周围地区，发达地区可以通过完善的交通基础设施网络带动周围落后地区经济的发展，进而缩小收入差距。

从空间溢出的负效应来看，一方面，交通基础设施建设虽然便利了生产要素向发达地区流动，但可能会形成极化效应，阻碍落后地区的发展，扩大收入差距。另一方面，交通基础设施建设虽然提升了当地的经济开放水平，但可能会加剧市场竞争，使经济欠发达地区成为经济发达地区的产品倾销地而受到外力冲击，影响经济欠发达地区的居民收入（邵燕斐、王小斌，2015）[13]，从而扩大了区域间收入差距。

尽管部分学者指出，交通基础设施建设可能对收入差距具有反向作用，换句话说，交通基础设施建设在一定程度上扩大了收入差距。本研究认为，随着国家不断增加对广大农村地区以及中西部地区交通基础设施投资规模，交通基础设施对增加农村居民收入的边际贡献不断上升，而对城市居民收入的边际贡献呈递减趋势。因此，交通基础设施在总体上对收入差距具有正向作用，也就是说，交通基础设施建设在总体上缩小了区域内的收入差距。接着，我们通过实证分析来检验这一假说。

3 变量选取与模型构建

3.1 变量选取

3.1.1 被解释变量

本研究的被解释变量为收入差距。我们用基尼系数来表征收入差距，其值介于0～1之间，数值越大，表明收入分配差距越大。本文使用的基尼系数为间接数据，数据来源于田卫民（2012）计算结果[1]，对于样本缺省值采用简单的均值填补法进行补充。

3.1.2 核心解释变量

本研究的核心解释变量为交通基础设施。交通基础设施的类型多种多样，主要包括公路、铁路、水运、航空等等。据2017年交通运输部数据，中国的公路和铁路货运量在全社会货运中占比达85.8%③，由此，本研究用公路和铁路的密度表征交通基础设施水平，其计算方法是用各省各级公路里程数与铁路营运里程数之和除以该省的行政区域面积。

3.1.3 控制变量

参考现有文献，本研究将控制变量设定如下：

（1）城镇化率。农村人口向工资水平较高的城镇转移，意味着有了更多的非农就业机会，收入水平相对提高，有利于缩小城乡收入差距。城镇化率是衡量城市化水平的重要指标，本研究用城镇人口占总人口的比重来表征城镇化率，预期变量的回归系数符号为负。

（2）经济增长率。根据库兹涅茨（1955）“倒U型”曲线假说，随着经济的发展，收入分配状况呈现出先恶化后改善的“倒U型”形状[14]，但是库兹涅茨“倒U型”曲线的拐点在我国是否已经出现仍存在争论，需要进一步检验，本研究用实际GDP增长率来表征经济增长率。

（3）贸易开放程度。贸易开放水平的提高在打开地区市场的同时，可能会冲击地区经济，影响当地居民收入，故对于贸易开放程度与收入差距的关系，学术界还未给出一致的结论，需要进一步实证检验。本研究参照冷艳丽、冼国明、杜思正（2017）的处理方法，用进出口总额占GDP的比重来衡量贸易开放程度[7]。

（4）人力资本。舒尔茨等关于收入分配的人力资本模型认为，平均受教育程度的提高对收入不平等的影响是不确定的，取决于教育收益率的演变[15]；Knight和Sabot（1983）也指出教育的结构效应和工资压缩效应产生的人力资本积累对收入分配有复杂的影响[16]，故人力资本和收入差距的关系也不能确定。本研究用平均受教育年限表征人力资本水平，其计算方法是先定义大专及以上、高中、初中、小学、文盲五种文化程度的受教育年限分别为16年、12年、9年、6年、0年，然后进行加权平均计算。

（5）政府参与度。政府在基础设施建设、提供公共产品、收入分配等方面发挥着重要作用，政府对落后地区交通基础设施的投资有助于降低贫困发生率（Warr，2005）[17]，进而缩小收入差距，但中国的政府财政支出具有城镇偏向性，在一定程度上却会加大城乡收入差距。本研究借鉴邵燕斐、王小斌（2015）的处理方法，用政府财政支出占GDP的比重来衡量政府对经济活动的参与度[13]。

本研究选取我国27个省级行政单位④作为研究对象，考虑到数据的可获得性，样本期间选取为2000—2010年，除非特别指出，本研究所使用数据均来自历年《中国统计年鉴》。

3.2 模型构建

为了研究交通基础设施对收入差距的影响，本研究构建了如下基本面板数据模型。考虑到模型可能存在异方差问题，为了不改变变量的趋势，对被解释变量和解释变量均取自然对数。将模型设定为：

其中，GAPit表示收入差距，TRANSit表示交通基础设施，Xit为控制变量，下标i表示省份，下标t表示年份。α和β均为回归系数，γi和μt分别表示省份和年份的个体固定效应，εit表示随机扰动项。

4 实证分析

4.1 变量的描述性统计

表1是基于2000—2010年我国省际面板数据所做的变量的描述性统计，由表1可知，公路和铁路密度的均值是0.579公里/万平方公里，最小值是新疆维吾尔自治区为0.022公里/万平方公里，最大值是上海市为1.968公里/万平方公里。东部、中部、西部地区公路和铁路密度均值依次递减，分别为0.858公里/万平方公里、0.631公里/万平方公里、0.319公里/万平方公里。可见，交通基础设施在空间上存在较大差异。基尼系数的均值是0.395，最小值是上海市为0.256，最大值是贵州省为0.491。东部、中部、西部地区基尼系数均值依次递增，分别为0.346、0.390、0.439。同样可见，基尼系数在空间上也存在较大差异。

表1 变量的描述性统计

4.2 变量之间的相关系数

基于2000—2010年中国27个省份的面板数据，我们分别画出收入差距与交通基础设施之间的关系散点图以及两个变量均取自然对数之后的关系散点图，如图2所示。通过观察可以发现，交通基础设施与收入差距之间存在负向关系，交通基础设施密度越高，居民收入差距越小；反之，则相反。

图2 交通基础设施与收入差距的关系散点图

我们再利用相关系数简单测量变量之间的关系，见表2，由相关系数矩阵可知，交通基础设施、城镇化率、贸易开放程度、人力资本、政府参与度与收入差距之间的相关系数分别为：-0.487、-0.692、-0.592、-0.636、0.522，且在统计学上均显著，显著性水平为1%，经济增长率与收入差距的相关系数为0.097，在统计学上不显著。观察各变量相关系数的符号，发现与本研究建立的理论预设基本一致，即交通基础设施、城镇化率、贸易开放程度、人力资本与收入差距之间呈负相关关系，而经济增长率、政府参与度与收入差距之间呈正相关关系。值得注意的是，城镇化率与贸易开放程度、人力资本之间的相关系数均为0.841，呈高度相关关系，并且在1%的水平上显著，提醒我们模型中可能存在多重共线性问题，需谨慎对待。

表2 变量的相关系数矩阵

4.3 模型回归结果

面板数据建立的模型通常可以分为个体效应模型和混合效应模型，而个体效应模型又可以进一步分为固定效应模型和随机效应模型。我们通过F检验发现固定效应模型优于混合效应模型，再通过Hausman检验发现固定效应模型优于随机效应模型。由于篇幅限制，本研究未列出两种检验的结果。

为了考察影响收入差距的各因素之间的关系，本研究首先构建了固定效应模型，估计结果如表3中模型1、模型2所示，在不引入任何控制变量的情况下，仅考察核心解释变量交通基础设施对收入差距的影响，交通基础设施的回归系数显著为负；将所有变量全部引入模型后，交通基础设施的回归系数为负但不显著。模型2中核心解释变量不显著的原因可能是，本研究选取的样本数据为时间T值较小而个体N值较大的“短面板”数据，可能存在时间序列和横截面异质性的问题，即样本在时间和横截面两个维度上所体现的被解释变量和解释变量的相关关系是不同的（于晓彦、印凡成、董春卫，2015）[18]，从而导致结果不显著。此外，本模型中考察的收入差距的影响因素有很多，当引入所有变量时，他们对收入差距的扩大或缩小作用的程度并不能确定，而且模型中还存在多重共线性问题，这些都可能是导致核心解释变量的回归系数不显著的原因。

更进一步，我们构建了OLS混合效应模型，估计结果如模型3、模型4所示，仅考察交通基础设施对收入差距的影响时，交通基础设施的回归系数为-0.076 0，且在0.1%的水平上显著；将所有变量全部引入模型后，交通基础设施的回归系数变为-0.015 6，在5%的水平上显著。这意味着，本研究的假说基本得以验证，即交通基础设施建设显著缩小了收入分配差距，交通基础设施的收入差距弹性值为-0.015 6，即交通基础设施提高1%，收入分配差距将缩小0.015 6%。

在本研究中，模型还可能存在内生性问题。内生性的问题是指模型中的一个或多个解释变量与扰动项相关。导致内生性的主要原因有两个，一是遗漏与模型中的其他变量相关的变量，二是被解释变量和解释变量互为因果关系。本研究借鉴Groves等的思想，使用内生解释变量的滞后变量作为工具变量，即分别将核心解释变量滞后一期、二期、三期作为工具变量。如模型5、模型6、模型7所示，交通基础设施的回归系数分别为-0.019 6、-0.023 6和-0.029 2，且分别在1%、1%和0.1%的统计学水平上显著。从估计结果来看，模型5、模型6、模型7各变量回归系数的符号、显著性水平与模型4基本一致，从而也说明本文的结论是稳健的，见表3。

从控制变量的回归结果来看，模型4、模型5、模型6、模型7的回归结果与理论预设相一致。城镇化率与收入差距呈负相关关系，这一结论与罗能生等（2016）[4]的结论相同，城镇化水平的提高意味着越来越多的农村人口转化为城市人口，农村居民获得了更多的非农就业机会，收入水平提高，城乡收入差距缩小。经济增长率与收入差距呈正相关关系，这与黄乾等（2013）[3]的估计结果相一致，经济增长反而扩大了收入分配差距，其原因可能是我国区域经济发展不平衡，经济欠发达地区的经济增长慢于发达地区，从而加剧了收入分配差距。贸易开放程度对收入差距的作用效果不显著，可能的原因是，对外开放水平的提高一方面增加了就业机会，但另一方面也加剧了市场竞争，这两种相反作用的同时存在导致了其作用效果不显著。人力资本与收入差距呈负相关关系，人力资本积累有利于缩小收入差距，这一结论与冷艳丽等（2017）[7]的结论相一致，随着高校毕业生数量的增加，高学历劳动力供给增加，结合工资的压缩效应，教育的收益率下降，从而缩小了收入分配差距。政府参与度与收入差距呈正相关关系，这一结果与邵燕斐等（2015）[13]的实证研究结果相一致，我国政府在交通基础设施上的投资具有城乡投资不均等、城镇偏向等特点，政府作用在一定程度上反而扩大了收入差距。

表3 模型估计结果（被解释变量：基尼系数对数）

5 结论与政策含义

5.1 结 论

交通基础设施建设能够促进劳动、资本等生产要素的流动，优化区域内资源配置；使劳动分工和专业化生产成为可能，促进区域内经济增长；使经济欠发达地区的居民获得与现代经济中心相联系的更好的社会服务，使具有区位优势的发达地区通过扩散效应带动周边地区发展，从而增加农村居民和经济欠发达地区居民的收入，缩小收入差距。基于2000—2010年我国省际面板数据，实证研究结果表明，交通基础设施建设显著缩小了收入分配差距，交通基础设施密度提高1%，收入分配差距将降低0.015 6%。

本研究的不足之处在于，本文所使用的基尼系数数据为间接数据，可能存在一定程度的数据失真问题，从而影响估计结果的大小。此外，本文虽提及空间溢出效应，但如果能够运用空间计量方法构建空间模型进行估计，可能会得到更加令人满意的估计结果。

5.2 政策含义

本研究的政策含义是，一方面，政府应继续加大交通基础设施投资规模。改革开放40年来，尽管中国的交通基础设施建设取得了巨大成就，但与发达国家相比，中国的交通基础设施密度仍然较低。由此，政府应进一步加大交通基础设施投资规模，进一步提高公路、铁路等交通基础设施的覆盖面积，形成联系更加紧密的立体交通网络，充分发挥交通基础设施在缩小收入分配差距方面的作用。

另一方面，政府应进一步加大对中西部地区以及农村地区的交通基础设施投资。由于区域经济发展水平差距以及过去城镇偏向的基础设施投资政策，我国交通基础设施存在较大的区域差异和城乡差异，因此，可以针对性地制定差异化的交通基础设施政策，进一步完善中西部地区以及经济欠发达地区的交通基础设施网络体系，促进区域经济均衡发展，缩小城乡之间、发达地区与落后地区之间的收入差距。

注 释：

① 数据来源：历年《中国统计年鉴》，具体参见http://www.stats.gov.cn/tjsj/ndsj/。

② 数据来源：国家统计局：基尼系数：城乡历史政策的解构[EB/OL]。（2007-04-11）[2018-05-20]。具体参见 http://tjzs/tjsj/tjcb/zggqg1/200704/t20070411_37555.html；2013—2016年全国居民人均可支配收入基尼系统[EB/OL]。（2017-10-10）[2018-05-22]。http：//www.stats.gov.cn/ztjc/zdtjgz/yb1h/zysj/201710/t20171010_1540710.html。

③ 数据来源：中华人民共和国交通运输部：国新办举行调整交通运输结构提高综合运输效率吹风会 [EB/OL]。（2018-07-02）[2018-07-08]。具体参见http://xxgk.mot.gov.cn/jigou/zcyjs/201807/t20180726_3050606.html。

④ 剔除了基尼系数数据缺失的吉林、山东、海南、西藏4个样本后，本研究选取的27个省级行政单位分别为：北京、天津、河北、山西、内蒙古、辽宁、黑龙江、上海、江苏、浙江、安徽、福建、江西、河南、湖北、湖南、广东、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆。