异质性交通网络密度、劳动力流动与全要素生产率

赵星 王林辉

摘要：当前研究主要关注单一类型交通基础设施对全要素生产率的影响，却普遍忽视不同类型和等级交通网络密度对全要素生产率的差异性作用以及劳动力流动在影响全要素生产率过程中扮演的角色。基于2000—2018年中国30个省市区面板数据，检验不同性质交通网络密度对全要素生产率的作用以及劳动力流动的影响，结果发现，不同类型和等级交通网络密度的提高对全要素生产率均表现出显著正向作用，其中高速铁路和高速公路的作用尤为突出，且同一性质交通网络体系的作用强度随等级降低呈下降趋势；异质性交通网络之间存在互补性，随着交通网络密度的增加，互补性逐渐减弱；异质性交通网络密度通过劳动力流动特别是研发人员流动提升全要素生产率，在不同类型和等级交通网络中的作用差异明显，作用强度随交通网络等级的降低呈下降趋势。鉴于此，地方政府未来应大力发展高速铁路和高速公路建设，在已经开通高速铁路和高速公路的城市进一步提高其网络密度。与此同时，重点关注研发人员流动在提升全要素生产率过程中所发挥的作用，通过制定相应的人才激励和优惠政策，提高福利待遇和科研经费，吸引研发人员流入，并推进户籍制度改革，取消或放松人才落户限制，全面解决人才户籍问题。

关键词：高速铁路；高速公路；研发人员流动；普通劳动力流动；全要素生产率

中图分类号：F512文献标识码：A文章编号：1007-8266（2020）05-0095-13

收稿日期：2020-04-15

基金项目：国家社会科学基金重点项目“供给侧结构性改革下东北老工业基地创新要素流动集聚与空间结构优化研究”（17AZD009）

作者简介：赵星（1991—），男，江西省赣州市人，华东师范大学经济学院博士研究生，主要研究方向为创新要素流动与经济增长；王林辉（1973—），女，吉林省长春市人，华东师范大学经济学院教授，博士生导师，主要研究方向为技术进步与经济增长。

一、引言

过去20年间，中国交通基础设施发展迅猛，交通网络空间不断延展，铁路营业里程由1999年的6.74万千米增加到2019年的13.9万千米，公路里程由135.2万千米增加到2019年的484.7万千米。其中，等级公路里程约占九成，一张密集的交通网络正逐渐覆盖中国各城市。2008年，中国开始修建首条高速铁路，这一时期高速铁路在全国各地飞速发展。截至2019年底，中国高速铁路营业里程已达到3.5万千米，建成了世界上密度最大的高速铁路运输网络。2019年，中国旅客运输量176亿人，其中铁路客运量36.6亿人次，占21%，公路客运量130.1亿人次，占74%，铁路和公路客运量占总客运量的95%，高速铁路和高速公路正在成为中国居民首要的交通出行方式。

日益完善的交通网络大规模诱发劳动力等要素在地区间自由流动，人员流动带动知识技术在交通网络空间范围内快速扩散，日益改变地区全要素生产率。目前仅有少數研究关注异质性交通网络对全要素生产率的作用差异，如刘秉镰等[ 1 ]基于1997—2007年中国29个省级面板数据，研究交通基础设施对全要素生产率的影响，结果发现，交通基础设施能够显著提升全要素生产率，铁路和公路占全要素生产率总增长的60%，高速公路和二级公路的作用效果较其他交通基础设施显著。大部分研究主要关注交通基础设施对全要素生产率的影响，更多从铁路或公路角度考察其对全要素生产率的影响。弗纳尔德（Fernald J G）[ 2 ]利用1953—1989年美国29个经济部门投入和产出数据研究公路基础设施对全要素生产率的影响，结果发现，公路基础设施投资显著促进全要素生产率的提升。赫尔腾（Hulten C R）等[ 3 ]基于1972—1992年印度公路基础设施和制造业数据验证公路基础设施对制造业全要素生产率的影响，结果发现，公路基础设施的增加有助于提高制造业全要素生产率。刘生龙等[ 4 ]利用1988—2007年中国省级面板数据研究基础设施对全要素生产率的影响，结果发现，以公路、铁路、内河航道加总表征的交通基础设施显著正向促进全要素生产率。张浩然等[ 5 ]以2003—2009年中国266个地级市面板数据为研究样本，结合空间杜宾模型实证研究基础设施对全要素生产率的空间影响，结果发现，交通基础设施建设能显著提升属地全要素生产率，对邻近城市作用效果并不显著。法尔哈迪（Farhadi M）[ 6 ]采用1870—2009年18个经济合作与发展组织成员国面板数据实证检验公共基础设施对全要素生产率的影响，结果发现，基础设施显著正向影响全要素生产率和劳动生产率。李谷成等[ 7 ]利用1999—2011年省级面板数据，结合一阶差分广义矩估计方法研究不同种类农村基础设施对全要素生产率的作用效果，结果发现，公路有助于提升全要素生产率，其他设施的作用效果是无影响或显著降低。张（Zhang Y F）等[ 8 ]基于1986—2012年中国28个省级面板数据，验证电力、公路、铁路基础设施对全要素生产率的影响，结果发现，除铁路外，电力和公路基础设施对全要素生产率存在显著的空间溢出效应。

伴随着中国经济的迅猛发展，地区交通基础设施建设不断完善，日益延伸的交通基础设施为劳动力流动提供了方便快捷的渠道，促进了劳动力在区域间的快速流动。张在冉[ 9 ]基于2001— 2015年中国276个地级市数据研究城市交通基础设施对劳动力流入的空间溢出效应，结果发现，本城市交通基础设施建设引致劳动力流出，相邻城市交通基础设施建设有助于本城市劳动力流入。任晓红等[ 10 ]利用基于运输成本、流动成本、空间成本的新经济地理学模型研究交通基础设施、要素流动与城市收入差距之间的关系，结果发现，交通基础设施建设能够显著促进生产要素流动，进而缩小城乡收入差距。马伟等[ 11 ]利用1987年、1995年、2005年三次全国1%人口抽样调查迁移数据研究交通基础设施对人口迁移的影响，结果发现，交通基础设施通过缩减人口迁移成本促进人口区域间和区域内大规模迁移。杨茜等[ 12 ]基于1990—2006年地级市面板数据，采用双重差分法研究交通基础设施对收入差距的影响，结果发现，铁路提速有助于劳动力、资本、技术等要素在地区之间的流动。

毫无疑问，交通基础设施在影响全要素生产率的过程中不断改变劳动力流动的方向和规模。那么，劳动力特别是研发人员流动在其中扮演何种角色呢？不过，现有研究主要基于创新要素投入的静态角度，研究创新要素对区域全要素生产率的影响。当然，也有少量研究从动态视角考察要素流动对全要素生产率的影响。凯撒（Kaiser U）等[ 13 ]利用1999—2004年丹麦企业数据验证研发人员流动对全要素生产率的影响，结果发现，研发人员流动通过知识溢出提升地区全要素生产率。李小平等[ 14 ]基于1998—2004年中国省级数据研究工业间劳动力流动和资本转移对生产率增长的影响，结果发现，劳动力流动对生产率增长促进作用不显著，资本转移对生产率增长具有促进作用。王钺等[ 15 ]基于2000—2013年中国30个省级面板数据验证创新要素流动对全要素生產率的影响，结果发现，中国各地区全要素生产率存在显著的空间关联，研发资本流动显著促进地区全要素生产率的提升。黄先海等[ 16 ]构建两部门生产函数模型研究要素流动对全要素生产率的影响，结果发现，部门内部与部门之间要素流动通过提高资源配置效率促进全要素生产率的提升。

现有关于交通基础设施对全要素生产率影响的研究，主要考察单一类型交通基础设施对全要素生产率的影响，更多从单一铁路或公路基础设施角度考察其对全要素生产率的影响，普遍忽视不同等级铁路和公路密度对全要素生产率影响的差异，也未重视劳动力特别是研发人员流动在影响全要素生产率过程中扮演的角色。基于此，本研究利用2000—2018年中国30个省市区（由于数据的可获得性问题，不含我国香港、澳门、台湾和西藏）面板数据实证检验不同类型和等级交通网络密度对全要素生产率影响的差异，以及异质性劳动力流动在其中扮演的角色。本研究潜在的边际贡献，一是进一步细分铁路和公路基础设施，将铁路分为普通铁路和高速铁路，将公路分为高速公路、一级公路、二级公路及低等级公路，探究不同类型和等级交通网络密度对全要素生产率影响的差异；二是将劳动力分为普通劳动力和研发人员，从不同性质劳动力流动视角考察异质性劳动力流动对全要素生产率影响的差异。

二、理论分析与研究假说

随着中国经济的快速发展，各地交通基础设施建设不断完善，中国交通基础设施建设进入高级化发展阶段，互联互通的交通网络正在覆盖全国各地，四通八达的交通线路连接着城市与乡村。很多研究认为，快速发展的交通基础设施是影响中国经济持续增长的关键因素，且交通网络密度与全要素生产率之间也可能存在紧密联系。交通基础设施的空间网络特征主要表现为，由之构成的交通网络将空间中的各单元连接起来。空间网络结构最主要的三个要素是点、线、面，经济活动均发生于空间网络，交通基础设施将空间网络中的点、线、面相互连接起来，要素借助这种空间网络关系在地区间快速自由流动，推动知识和技术等在空间领域的扩散和传递，有助于提高地区全要素生产率。

我国交通基础设施种类等级繁多，因不同类型和等级的交通网络运输效率和运输成本不同，导致交通网络对全要素生产率的影响存在异质性。有研究表明，高速公路和二级公路对全要素生产率的促进作用最为显著，前者主要是因为总量增长快速，后者主要是因为对全要素生产率的弹性较大[ 1 ]。近年来，我国高速铁路建设突飞猛进，相关研究发现，高速铁路建设有助于提升地区全要素生产率，这主要是因为铁路提速有助于沿线企业技术进步与效率提升[ 17 ]。根据我国对铁路和公路网络的划分标准，铁路按照时速等级可划分为高速铁路和普通铁路，公路按照功能型等级可分为高速、一级、二级、三级、四级公路，其中，将三级、四级公路统称为低等级公路。具体来讲，不同类型和等级的交通网络对全要素生产率的作用强度存在差异。与普通铁路和低等级公路相比，高速铁路和高速公路运输速度较快，运输成本较低，能有效缩减运输时间，在地区间快速运输大批量劳动力，提高输送效率，能显著促进知识溢出和消除市场壁垒，对提升全要素生产率的作用更加明显。因此，不同类型和等级交通网络密度的提高对全要素生产率具有正向作用，高速铁路和高速公路的作用可能更加突出，且同一性质交通网络体系的作用强度随等级降低呈下降趋势。由此，提出以下研究假说：

假说1：不同类型和等级交通网络密度的提高对全要素生产率具有正向作用，高速铁路和高速公路的作用尤为突出，且同一性质交通网络体系的作用强度随等级降低呈下降趋势。

不同类型和等级的交通基础设施交通成本和通行时间各不相同，能够满足不同偏好居民的交通出行需求，存在互补性。研究表明，中国地级及以上城市间的铁路、公路、航空网络存在空间互补格局，铁路与公路互补程度最高，铁路与航空互补程度次之[ 18 ]。具体来讲，铁路和公路作为我国最主要的交通基础设施，基本能够解决人们日常的交通出行需求，毫无疑问，普通铁路与公路之间存在明显的互补性。特别是最近十年来，我国各地涌现出高速铁路建设的热潮，高速铁路网络不断延伸，有效降低和减少了地区间运输成本和出行时间，提高了居民交通出行的便利性，充分满足了地区间运输的多样性需求，形成了高速铁路与普通铁路、公路之间的共存互补与紧密协作。

近年来，我国各地高速铁路发展迅猛，高速铁路密度不断增加，逐渐覆盖我国大多数地级市，成为世界上运输规模、运输密度最大的高速铁路网络，一张绵密的高速铁路网络正在连接中国各地。与普通铁路相比，高速铁路网络具有运输量大、准时、快速等特点，能够极大地缩减地区间的时间和空间距离，加强地区间经济联系与合作交流，为人们提供了一种方便快捷的出行选择。高速铁路以其独特的优势成为居民出行首选的交通方式，能够有效挤出居民对普通铁路和公路的选择。因此，随着高速铁路密度的不断提高，将导致先前存在的互补性逐渐减弱。基于此，提出以下研究假说：

假说2：异质性交通网络之间存在互补性，随着交通网络密度的提高，互补性逐渐减弱。

交通网络对全要素生产率的影响主要表现在以下三个方面：一是交通网络的延伸既能降低企业运输成本和时间成本，也能提高运输服务质量和效率，而运输成本的降低将提高区域可达性，促使区域内和区域间经济联系更加紧密，资本、劳动力、技术等要素流动更加频繁，有助于优化资源配置和资本结构，促进技术进步，进而提高地区全要素生产率。二是新经济地理学认为，知识具有溢出效应，能够显著提升地区全要素生产率。日益发展的交通网络能够提升区域区位优势，吸引企业进入并形成产业集聚，有助于不同企业间进行人才和技术的相互学习与交流，通过挖掘和扩散技术研究成果加快先进技术知识外溢，进而提高企业生产效率，提升全要素生产率。三是交通网络密度的提高能够有效消除市场壁垒，推动市场整合，提升地区全要素生产率。偏远地区交通不发达，外来商品和要素会因运输成本较高放弃偏远地区市场，导致市场在空间上被分割，而交通网络的延伸能够从根本上解决市场分割问题，有效推动市场整合。市场整合还有利于要素和商品在地区间的流动，充分发挥市场信号在要素配置中的作用，降低要素扭曲程度，优化要素配置效率，进而提升全要素生产率。从以上三个方面可以看出，交通网络有利于要素自由流动，这主要表现为其对劳动力流动的促进作用，与普通劳动力相比，研发人员作为知识和技术的主要载体，其借助交通网络在地区间自由流动有助于信息、知识、技术的交换和共享，易产生空间知识溢出，对提升全要素生产率的效果更加显著。

交通网络有利于普通劳动力和研发人员自由流动，进而有助于提升全要素生产率。但是，由于我国交通基础设施种类和等级较多，普通劳动力和研发人员流动在不同类型和等级交通网络密度促进全要素生产率提升过程中的作用存在差异。与普通铁路相比，高速铁路具有时速快、载客量大、正点率高、舒适方便等特点，能够大幅加快普通劳动力和研发人员的自由流动，带动知识和技术在更广阔的空间范围传递扩散，更易产生知识空间溢出，因此普通劳动力和研发人员流动在高速铁路网络提升全要素生产率过程中的作用更加明显。对不同等级的公路来说，由于各自的功能定位不同，其相应的公路设计标准也存在差异。比如，高速公路是国家公路干线网络的骨架，主要连接在政治、經济、文化方面比较重要的城市，而低等级公路主要是县级和乡村公路。与低等级公路相比，普通劳动力和研发人员通过高速公路在地区间进行快速流动，更有助于创新知识在不同地区间的传播和交流，加快技术进步的速度，进而提升地区全要素生产率，而普通劳动力和研发人员通过低等级公路主要进行区域内流动，不能显著促进知识和技术的有效外溢，因此对地区全要素生产率的作用效果较弱。由此，提出以下研究假说：

假说3：异质性交通网络密度通过劳动力特别是研发人员流动提升全要素生产率，在不同类型和等级交通网络中的作用差异明显，作用强度随交通网络等级降低呈下降趋势。

三、计量模型、指标设计与数据来源

本研究以2000—2018年中国30个省市区面板数据为样本，考察不同类型交通网络密度对全要素生产率的影响。计量模型如下：

其中，被解释变量Zit表示i省t时期的全要素生产率，借鉴孙早等[ 19 ]的方法，采用随机前沿方法构造超越对数生产函数测算各地区全要素生产率。TRit为i省t时期的交通网络密度，包括公路（GL）和铁路（TL）密度，公路进一步细分为高速公路（GSGL）、一级公路（YJGL）、二级公路（EJGL）、低等级公路（DJGL），铁路进一步细分为普通铁路（PTTL）、高速铁路（GSTL）。Xit为控制变量，μi为地区固定效应，δt为时间固定效应，εit为模型的随机误差项。系数δ0为截距项，系数α1表示不同类型交通网络密度对全要素生产率的作用程度，β表示控制变量回归系数。

本研究的交通网络密度包括公路和铁路密度，用每平方千米的运营里程表示。为进一步研究不同等级铁路和公路密度对全要素生产率的异质性影响，将公路细分为高速公路、一级公路、二级公路、低等级公路，将铁路细分为普通铁路、高速铁路，其中低等级公路包括三级和四级公路。各等级公路数据来源于历年《中国交通年鉴》，由于无法从现有统计资料中获得各省市区高速铁路运营里程数据，本研究参考肖挺[ 20 ]的做法，通过国家铁路局网站以及百度信息和地图获得各省市区高速铁路各线路的运营里程，进一步将高速铁路各线路的运营里程逐年进行加总，得到各省市区每年的高速铁路总里程数据。

随着交通网络的日益延伸，将覆盖更多城市；随着交通的日益便利化，将更有助于劳动力的跨省自由流动。与普通劳动力相比，研发人员作为高技能劳动力，他们借助交通网络在地区间流动，更有助于知识溢出和技术扩散，进而影响全要素生产率。因此，为检验劳动力特别是研发人员流动在影响全要素生产率过程中发挥的作用，本研究将劳动力区分为普通劳动力和研发人员，分别考察他们的流动对全要素生产率影响的差异。

白俊红等[ 21 ]、卞元超等[ 22 ]采用引力模型对劳动力特别是研发人员流动进行测算，具体选用地区间工资差值和房价差值作为吸引力变量。引力模型最早来源于物理学的牛顿万有引力定律（即两个物体间的作用力与两个物体的质量正相关，与两个物体间的距离负相关），如今已成为测算要素空间流动的主流模型。本研究借鉴白俊红等[ 21 ]、卞元超等[ 22 ]的做法测算普通劳动力和研发人员流动，构建普通劳动力和研发人员流动的引力模型如下：

控制变量如下：

研发资本（RDZB）：新经济增长理论认为，研发投入是提升全要素生产率的决定因素。罗良文等[ 23 ]采用各省市区研发经费支出占GDP的比重表征研发资本，他们通过实证研究发现，研发资本对全要素生产率有显著正向作用。本研究借鉴白俊红等[ 21 ]的方法测算研发资本存量。

研发人员（RDRY）：根据新经济增长理论，研发人员对全要素生产率的提升起关键作用。金刚等[ 24 ]研究发现，研发人员对全要素生产率有显著正向促进作用。本研究用各地研发人员全时当量来表示。

外商直接投资（FDI）：尹忠明等[ 25 ]、梁云等[ 26 ]通过实证检验外商直接投资对全要素生产率的影响发现，外商直接投资对我国东部地区全要素生产率的促进作用主要通过技术创新水平实现。本研究选取各地外商直接投资使用额与GDP之比来衡量外商直接投资。

政府干预（ZFGY）：政府干预是影响地区全要素生产率的外在干预因素。本研究选用地方财政一般预算支出占GDP的比重来表示政府干预。

经济发展水平（PGDP）：张先锋等[ 27 ]实证研究发现，经济发展水平越高的地区，其交通基础设施对地区全要素生产率的促进作用越显著。本研究选择人均国内生产总值表征经济发展水平。

本研究最终选取30个省市区面板数据作为研究样本，原始数据来源于2001—2019年《中国统计年鉴》《中国交通年鉴》《中国科技统计年鉴》，高速铁路运营里程数据来源于国家铁路局网站以及百度信息和地图等公开资料，根据高速铁路各线路在各省市区的运营里程进行手工逐年加总得到。所有变量的描述性统计参见表1。

四、交通网络密度对全要素生产率的影响

现有相关研究主要关注单一类型交通基础设施对全要素生产率的影响，更多从单一铁路或公路基础设施角度考察其对全要素生产率的作用，普遍忽视不同类型和等级交通网络密度对全要素生产率的差异性影响。因此，本研究利用（1）式实证检验不同类型交通网络密度对全要素生产率的影响，结果参见表2。在进行实证检验前，应判断是选择固定效应模型还是选择随机效应模型。常用方法为豪斯曼检验，检验结果显示，p值均小于0.01，拒绝原假设，故采用固定效应模型进行回归。模型（1）到模型（3）分别为未加入控制变量情况下总体、铁路、公路密度对全要素生产率的作用，模型（4）到模型（6）分别为加入控制变量后总体、铁路、公路密度对全要素生产率的作用。

表2回归结果显示：

第一，不同类型交通网络密度对全要素生产率的作用方向具有一致性，皆表现为显著的促进作用。根据模型（1）到模型（3）的回归结果，总体、铁路、公路密度的回归系数均在1%的水平上显著，分别为0.057、1.261和0.058，加入控制变量后，回归系数仍在10%的水平上显著，但系数值明显变小，分别为0.031、0.154和0.031，表明能有效控制其他干扰因素。根据模型（4）到模型（6）的回归结果，总体、铁路、公路密度对全要素生产率的回归系数均在10%的水平上显著为正，说明交通网络密度的提高有助于促进地区全要素生产率的提升。

第二，不同类型交通网络密度对全要素生产率的作用程度具有差异性。根据模型（4）到模型（6）的回归结果，总体、铁路、公路密度对全要素生产率的回归系数为0.031、0.154和0.031，表明不同类型交通网络密度的作用存在差异，铁路密度对地区全要素生产率促进作用较大。

模型（1）到模型（6）各控制变量回归系数的符号基本上符合预期。其中，研发资本、研发人员有助于提升地区全要素生产率，与毛德凤等[ 28 ]研发投入能够促进全要素生产率的结论一致。外商直接投资能显著促进地区全要素生产率的提升，这与相关研究结论相一致，如冯伟等[ 29 ]通过实证研究发现，外商直接投资对全要素生产率具有显著正向影响。政府干预对全要素生产率有负向作用，与刘文革等[ 30 ]认为政府干预对全要素生产率增长产生负向作用，会在一定程度上阻碍中国经济增长质量提高的结论相吻合。同样，经济发展水平提高有利于促进全要素生产率提升，与林春[ 31 ]的实证研究结果相印证。

为进一步研究不同等级铁路和公路密度对全要素生产率的异质性影响，将铁路细分为普通铁路和高速铁路，将公路细分为高速公路、一级公路、二级公路和低等级公路，探究不同等级铁路和公路密度对全要素生产率的差异性影响，回归结果参见表3。其中，模型（1）到模型（6）分别代表普通铁路、高速铁路、高速公路、一级公路、二级公路、低等级公路密度对全要素生产率的影响。

表3回归结果显示：

第一，不同等级铁路和公路密度对全要素生产率均有促进作用，但低等级公路作用不显著。普通铁路、高速铁路、高速公路、一级公路、二级公路密度对全要素生产率的回归系数均显著为正，低等级公路密度估计系数为正但不显著，说明不同等级铁路、公路密度的提高均能促进地区全要素生产率的提升，但低等级公路的作用效果不显著。

第二，不同等级铁路和公路密度对全要素生产率的作用呈现出由高等级到低等级逐渐下降的趋势，且以高速铁路作用为主。高速铁路、普通铁路密度对全要素生产率的回归系数分别为0.363和0.230，说明高速铁路密度对全要素生产率的影响较大。与普通铁路相比，高速铁路由于通行速度快，能够加快资本、劳动力、技术等要素在地区间的自由流动，缩短要素区际流动时间，有利于知识和技术在更广阔空间范围的扩散和传递。高速公路、一级公路、二级公路、低等级公路密度对全要素生产率的估计系数分别为0.117、0.035、0.034、0.019，呈现出由高到低的趋势。可以看出，在公路网络体系中，高速公路密度发挥主导作用，低等级公路密度发挥的作用较小且不显著。

由表2、表3的回归结果发现，不同类型和等级的交通网络密度对全要素生产率皆表現出显著正向作用，高速铁路和高速公路的作用尤为突出，且同一性质交通网络密度的作用强度随等级降低呈下降趋势。刘承良等[ 18 ]基于交通互补度模型分析发现，中国各地级市的铁路、公路、航空网络存在互补性空间格局。基于此，异质性交通基础设施之间可能具有互补性以及相应的门槛。因此，本研究选取具有代表性的公路、普通铁路和高速铁路，采用面板门槛模型探究不同类型和等级的交通网络间的互补性。门槛模型设计如下：

其中，被解释变量Zit表示i省t时期的全要素生产率，GLit为i省t时期的公路密度，GSTLit为i省t时期的高速铁路密度，PTTLit为i省t时期的普通铁路密度，I（·）为指示函数，γ1、γ2……γn为n个不同水平的门槛值，Xit为控制变量，与模型（1）相同，β为控制变量回归系数，μi为地区固定效应，δt为时间固定效应，εit为随机误差项。式（6）以高速铁路密度作为门槛变量，检验高速铁路与公路间可能存在的互补性；式（7）以普通铁路密度作为门槛变量，检验普通铁路与公路间可能存在的互补性；式（8）以高速铁路密度作为门槛变量，检验高速铁路与普通铁路间可能存在的互补性。

在进行面板门槛回归分析前，首先检验样本数据是否存在门槛效应，在存在门槛效应的情况下估计门槛值。本研究采用STATA15软件对各组数据进行自抽样门槛检验，结果参见表4。由表4可知，三种情况下均存在双重门槛：第一种情况，高速铁路密度的双重门槛值为0.061和0.097；第二种情况，普通铁路密度的双重门槛值为0.302和0.411；第三种情况，高速铁路密度的双重门槛值为0.053和0.088。在此基础上进行门槛回归分析，结果参见表5。

根据表5的门槛回归检验结果，模型（1）以高速铁路密度作为门槛变量，检验高速铁路与公路之间可能存在的互补性；模型（2）以普通铁路密度作为门槛变量，检验普通铁路与公路之间可能存在的互补性；模型（3）以高速铁路密度作为门槛变量，检验高速铁路与普通铁路之间可能存在的互补性。

表5的检验结果显示：

第一，高速铁路、普通铁路与公路之间存在互补性，且随着高速铁路和普通铁路密度的增加，互补性逐渐减弱。根据模型（1）的回归结果，当高速铁路密度小于0.061时，公路密度对全要素生产率的回归系数在1%的水平上显著，为0.027；当高速铁路密度大于等于0.061小于等于0.097时，公路密度的回归系数在1%的水平上显著，为0.037。这说明，随着高速铁路密度的增加，公路密度对全要素生产率的作用逐渐增强，意味着高速铁路与公路之间存在互补性。而当高速铁路密度大于0.097时，公路密度的回归系数下降为0.022，说明当高速铁路密度增加到一定程度时，高速铁路与公路之间的互补性逐渐减弱。与此同时，根据模型（2）的回归结果，我们发现，类似结果也存在于普通铁路与公路之间，即普通铁路与公路之间也表现出互补性特征，且随着高速铁路密度的增加，互补性逐渐减弱。

第二，高速铁路与普通铁路之间存在互补性，且随着高速铁路密度的增加，互补性逐渐减弱。根据模型（3）的回归结果，当高速铁路密度小于0.053时，普通铁路密度对全要素生产率的回归系数在5%的水平上显著，为0.307；当高速铁路密度大于等于0.053小于等于0.088时，普通铁路密度回归系数在1%的水平上显著，为0.834。这表明，随着高速铁路密度的提高，普通铁路密度对全要素生产率的作用逐渐变大，暗示高速铁路与普通铁路之间存在互补性。而当高速铁路密度大于0.088时，普通铁路密度回归系数为0.079，但未通过显著性检验，说明当高速铁路密度超过一定程度时，高速铁路与普通铁路之间的互补性逐渐减弱。因此，高速铁路与普通铁路之间存在互补性，并且随着高速铁路密度的逐渐增加，互补性逐渐减弱。

五、传导机制检验：普通劳动力和研发人员流动视角

交通网络的延伸有利于劳动力跨区域快速流动，与普通劳动力相比，研发人员属于高知识和高技术人群，其流动更有利于知识和技术在交通网络空间范围的扩散和传递，进而提高全要素生产率。原倩[ 32 ]、孙晓华等[ 33 ]、余明桂等[ 34 ]、王桂军等[ 35 ]均采用主要研究变量与中介变量交互项的形式检验传导机制，考察主要研究变量是否通过中介变量作用于因变量。基于此，本研究在模型（1）的基础上加入总体、铁路、公路密度与普通劳动力、研发人员流动的交互项，即交通网络密度（TR）×普通劳动力流动（LF）和交通网络密度（TR）×研发人员流动（RF）、铁路密度（TL）×普通劳动力流动（LF）和铁路密度（TL）×研发人员流动（RF）、公路密度（GL）×普通劳动力流动（LF）和公路密度（GL）×研发人员流动（RF），考察交通网络密度是否通过普通劳动力、研发人员流动作用于全要素生产率，并检验异质性劳动力流动在不同类型交通网络密度促进全要素生产率过程中的差异性作用，回归结果参见表6。交互项系数表示普通劳动力、研发人员流动对全要素生产率的影响，若交互项系数为正，表明普通劳动力、研发人员流动有助于全要素生产率的提升；若系数为负，表明普通劳动力、研发人员流动不利于全要素生产率的提升。根据研究假说，预期交互项系数的符号为正。单序号模型为加入交通网络密度与研发人员流动交互项的回归结果，双序号模型为加入交通网络密度与普通劳动力流动交互项的回归结果。

表6的結果显示：

第一，普通劳动力和研发人员流动对全要素生产率的作用显著为正，且以研发人员为主导。交通网络密度与普通劳动力和研发人员流动交互项的系数均在1%的水平上显著为正，表明交通网络密度的提高有助于普通劳动力和研发人员流动，进而能够促进地区全要素生产率的提升。对比单序号和双序号模型的回归系数发现，交通网络密度与研发人员流动交互项的系数为0.005、0.218和0.005，均大于其与普通劳动力流动交互项的系数0.004、0.172和0.004，表明研发人员流动通过交通网络密度发挥的作用更大。与普通劳动力相比，研发人员作为高知识和高技能的劳动力，其借助交通网络在区域间的流动有利于知识和技术在广阔空间范围的扩散和传递，有助于促进全要素生产率提升。

第二，不同类型交通网络与异质性劳动力结合的效应差异明显，且在铁路网络中影响更大。铁路密度与研发人员和普通劳动力流动交互项的系数为0.218和0.172，均大于公路密度与研发人员和普通劳动力流动交互项的系数0.005和0.004，表明在铁路、公路密度影响全要素生产率的过程中，普通劳动力和研发人员流动在铁路网络中的作用比较大，说明当前阶段我国普通劳动力和研发人员偏向于选择铁路作为跨地区出行的主要交通方式，进而能促进地区全要素生产率提升。

表6的回归结果表明，交通网络密度的提高有助于普通劳动力和研发人员流动，能够促进地区全要素生产率的提升，且研发人员流动的作用更大。但在不同类型的交通网络中，普通劳动力和研发人员流动对全要素生产率的影响表现出差异性，且铁路网络的影响更大。

由于我国铁路和公路基础设施等级繁多，普通劳动力和研发人员流动可能存在异质性作用。因此，本研究将实证检验普通劳动力和研发人员流动在不同等级铁路和公路密度下的差异性影响，回归结果参见表7和表8。

表7和表8的结果显示：

第一，在不同等级的铁路和公路网络中，普通劳动力和研发人员流动对全要素生产率的影响存在异质性，且研发人员流动起主要作用。普通铁路、高速铁路、高速公路、一级公路、二级公路密度与研发人员流动交互项的系数分别为0.259、0.804、0.258、0.005和0.005，均大于它们与普通劳动力流动交互项的系数（0.205、0.554、0.224、0.004和0.004），表明研发人员流动通过不同交通网络发挥的作用更大。

第二，在不同等级的铁路和公路网络中，普通劳动力和研发人员流动对全要素生产率的影响随等级降低呈下降趋势，且在高速铁路中的作用更突出。根据表7和表8中模型（1）和模型（2）的回归结果，高速铁路密度与研发人员和普通劳动力流动交互项的系数分别为0.804和0.554，均大于普通铁路密度与研发人员和普通劳动力流动交互项的系数0.259和0.205，表明在铁路网络中，普通劳动力和研发人员流动通过高速铁路密度促进全要素生产率的作用更大。根据模型（3）到模型（5）的回归结果，高速公路、一级公路、二级公路密度与研发人员流动交互项的系数分别为0.258、0.005和0.005，与普通劳动力流动交互项的系数分别为0.224、0.004和0.004，均呈下降趋势，表明在公路网络中，普通劳动力和研发人员流动通过公路密度促进全要素生产率提升的程度随等级降低呈下降趋势。

六、结论与政策建议

（一）结论

本研究采用2000—2018年我国30个省市区的面板数据，借鉴昆巴卡尔（Kumbhakar S C）等[ 36 ]及孙早等[ 19 ]采用的面板随机前沿方法，构造超越对数生产函数测算各地区全要素生产率，利用引力模型测算省级普通劳动力和研发人员流动，将铁路和公路分别细分为普通铁路、高速铁路和高速公路、一级公路、二级公路、低等级公路，探究不同类型和等级交通网络密度对全要素生产率的影响效应以及劳动力流动的作用。结果发现：

第一，当前研究主要考察单一类型交通基础设施对全要素生产率的影响，更多从单一铁路或公路基础设施角度考察其对全要素生产率的影响，普遍忽视不同等级铁路和公路密度对全要素生产率影响的差异。本研究发现，不同类型和等级交通网络密度提高对全要素生产率的作用一致性与差异性并存。一方面，不同类型和等级交通网络密度提高对全要素生产率的作用方向具有一致性，皆表现为显著促进作用；另一方面，不同类型和等级交通网络密度对全要素生产率的作用程度表现出差异性，其中铁路的作用程度高于公路，且同一交通网络系统作用的大小随等级降低呈下降趋势，高速铁路和高速公路起主要作用。

第二，现有研究并未考虑不同类型交通网络之间的作用关系。本研究发现，异质性交通网络之间存在互补性，且随着交通网络密度的增加，互补性逐渐减弱。一方面，高速铁路、普通铁路与公路之间存在互补性，当高速铁路和普通铁路密度提高到一定程度时，互补性逐渐减弱；另一方面，高速铁路与普通铁路之间存在互补性，当高速铁路密度增加到一定程度时，互补性逐渐减弱。

第三，当前研究尚未重视普通劳动力和研发人员流动在影响全要素生产率过程中分别扮演的角色。本研究实证检验发现，异质性交通网络密度通过劳动力特别是研发人员流动提升全要素生产率，不同类型和等级交通网络的作用差异明显，作用强度随交通网络等级降低呈下降趋势。一方面，异质性交通网络密度通过普通劳动力和研发人员流动促进地区全要素生产率提升，与普通劳动力相比，研发人员作为高知识和高技能的要素，其在地区间的快速流动更有利于知识溢出，对全要素生产率的作用效果更显著；另一方面，在不同类型和等级的交通网络中，普通劳动力和研发人员流动的作用差异明显，作用力随等级降低呈下降趋势。

（二）建议

基于上述结论，政府在发展交通基础设施时应注意以下方面：

第一，充分发挥交通网络密度对全要素生产率的异质性作用。实证检验发现，异质性交通网络密度的提高对全要素生产率皆表现为显著正向作用，且正向作用程度表现出显著差异性，其中同一交通网络作用的大小随等级降低呈下降趋势，高速铁路和高速公路起主要作用。因此，未来地方政府应重视高速铁路和高速公路建设，在未开通高速铁路和高速公路的城市着手修建，在已开通高速铁路和高速公路的城市进一步提高其网络密度。交通网络密度的提高将促进地区间资本、劳动力、技术的方便快捷自由流动，促进信息、知识、技术在空间范围的共享和交换，有利于地区全要素生产率的提升。

第二，重视研发人员流动在提升全要素生产率过程中所扮演的角色。交通网络密度通过普通劳动力和研发人员流动促进地区全要素生产率的提升，其中研发人员流动起主导作用。日益延伸的交通網络为劳动力提供了方便快捷的交通出行方式，与普通劳动力相比，研发人员作为知识和技术的主要载体，其借助交通网络在地区间自由流动有助于知识和技术的交换和共享，易产生空间知识溢出，进一步促进全要素生产率的提升。基于此，一方面，地方政府应制定相应的人才激励和优惠政策，提高福利待遇和科研经费，鼓励和吸引研发人员流入；另一方面，应进一步推进户籍制度改革，取消或放松人才落户限制，全面解决人才户籍问题。

参考文献：

[1]刘秉镰，武鹏，刘玉海.交通基础设施与中国全要素生产率增长——基于省域数据的空间面板计量分析[J].中国工业经济，2010（3）：54-64.

[2]FERNALD J G.Roads to prosperity？assessing the link be？ tween public capital and productivity[J].American economic review，1999，89（3）：619-638.

[3]HULTEN C R，BENNATHAN E，SRINIVASAN S.Infra？ structure，externalities，and economic development：a study of the Indian manufacturing industry[J].The world bank eco？ nomic review，2006，20（2）：291-308.

[4]刘生龙，胡鞍钢.基础设施的外部性在中国的检验：1988—2007[J].经济研究，2010，45（3）：4-15.

[5]张浩然，衣保中.基础设施、空间溢出与区域全要素生产率——基于中国266个城市空间面板杜宾模型的经验研究[J].经济学家，2012（2）：61-67.

[6]FARHADI M.Transport infrastructure and long- run eco？ nomic growth in OECD countries[J].Transportation research Part A：policy and practice，2015，74：73-90.

[7]李谷成，尹朝静，吴清华.农村基础设施建设与农业全要素生产率[J].中南财经政法大学学报，2015（1）：141-147.

[8]ZHANG Y F，JI S.Infrastructure，externalities and regional industrial productivity in China：a spatial econometric ap？ proach[J].Regional studies，2019，53（8）：1 112-1 124.

[9]张在冉.基于城市基础设施的劳动力流入空间溢出效应研究[J].广东财经大学学报，2018，33（2）：42-53.

[10]任晓红，张宗益.交通基础设施、要素流动与城乡收入差距[J].管理评论，2013，25（2）：51-59.

[11]马伟，王亚华，刘生龙.交通基础设施与中国人口迁移：基于引力模型分析[J].中国软科学，2012（3）：69-77.

[12]杨茜，石大千.交通基础设施、要素流动与城乡收入差距[J].南方经济，2019，38（9）：35-50.

[13]KAISER U，KONGSTED H C，R？NDE T.Does the mobili？ ty of R&D labor increase innovation？[J].Journal of econom？ ic behavior & organization，2015，110：91-105.

[14]李小平，陈勇.劳动力流动、资本转移和生产率增长——对中国工业“结构红利假说”的实证检验[J].统计研究，2007（7）：22-28.

[15]王钺，刘秉镰.创新要素的流动为何如此重要？——基于全要素生产率的视角[J].中国软科学，2017（8）：91-101.

[16]黄先海，金泽成，余林徽.要素流动与全要素生产率增长：来自国有部门改革的经验证据[J].经济研究，2017，52（12）：62-75.

[17]施震凯，邵军，浦正宁.交通基础设施改善与生产率增长：来自铁路大提速的证据[J].世界经济，2018，41（6）：127-151.

[18]刘承良，殷美元，黄丽.基于多中心性分析的中国交通网络互补性的空间格局[J].经济地理，2018，38（10）：21-28.

[19]孙早，许薛璐.前沿技术差距与科学研究的创新效应——基础研究与应用研究谁扮演了更重要的角色[J].中国工业经济，2017（3）：5-23.

[20]肖挺.交通设施、居民的消费区域流向与消费结构——来自我国省际层面的经验证据[J].财贸研究，2018，29（9）：12-27.

[21]白俊红，王钺，蒋伏心，等.研发要素流动、空间知识溢出与经济增长[J].经济研究，2017，52（7）：109-123.

[22]卞元超，吴利华，白俊红.高铁开通、要素流动与区域经济差距[J].财贸经济，2018，39（6）：147-161.

[23]罗良文，潘雅茹，陈峥.基础设施投资与中国全要素生产率——基于自主研发和技术引进的视角[J].中南财经政法大学学报，2016（1）：30-37.

[24]金刚，于斌斌，沈坤荣.中国研发全要素生产率的溢出效应[J].科研管理，2016，37（1）：68-76.

[25]尹忠明，李东坤.中国对外直接投资与国内全要素生产率提升——基于全面提高开放型经济发展水平的视角[J].財经科学，2014（7）：21-31.

[26]梁云，郑亚琴.FDI、技术创新与全要素生产率——基于省际面板数据的实证分析[J].经济问题探索，2015（9）：9-14.

[27]张先锋，陈琳，吴伟东.交通基础设施、人力资本分层集聚与区域全要素生产率——基于我国285个地级市面板数据的经验分析[J].工业技术经济，2016，35（6）：92-102.

[28]毛德鳳，李静，彭飞，等.研发投入与企业全要素生产率——基于PSM和GPS的检验[J].财经研究，2013，39（4）： 134-144.

[29]冯伟，徐康宁.外商直接投资对提升地区生产率存在溢出效应吗——来自我国省级动态面板数据的实证分析[J].财经科学，2014（2）：114-121.

[30]刘文革，周文召，仲深，等.金融发展中的政府干预、资本化进程与经济增长质量[J].经济学家，2014（3）：64-73.

[31]林春.中国金融业全要素生产率影响因素及收敛性研究——基于省际面板数据分析[J].华中科技大学学报（社会科学版），2016，30（6）：112-120.

[32]原倩.城市群是否能够促进城市发展[J].世界经济，2016，39（9）：99-123.

[33]孙晓华，郭旭，王昀.产业转移、要素集聚与地区经济发展[J].管理世界，2018，34（5）：47-62，179-180.

[34]余明桂，范蕊，钟慧洁.中国产业政策与企业技术创新[J].中国工业经济，2016（12）：5-22.

[35]王桂军，曹平.“营改增”对制造业企业自主创新的影响——兼议制造业企业的技术引进[J].财经研究，2018，44（3）：4-19.

[36]KUMBHAKAR S C，DENNY M，FUSS M.Estimation and decomposition of productivity change when production is not efficient：a panel data approach[J].Econometric re？ views，2000，19（4）：312-320.

Heterogeneous Transportation Network Density，Labor Flow and Total Factor Productivity

ZHAO Xing and WANG Lin-hui

（School of Economics，East China Normal University，Shanghai 200061，China）

Abstract：Literature focuses on the impact of a single type of transportation infrastructure on total factor productivity，but generally ignores the impact of different types and grades of transportation network density on total factor productivity，and the role of labor mobility in the process of influencing total factor productivity. Using panel data of 30 provinces in China from 2000 to 2018，the author investigates the effects of different types and grades of transportation network density on total factor productivity and the impact of labor mobility on total factor productivity. The results show that：（1）the increase of transportation network density of different types and grades has a significant positive effect on total factor productivity，especially on highspeed rail and freeway，and the effect of same type transportation network system decreases with the grade reduction；（2）heterogeneous transportation networks have complementarity，with the increase of transportation network density，complementarity gradually decreases.；and（3）heterogeneous transportation network density improves total factor productivity through the mobility of labor，especially R&D personnel. The effect of labor mobility in different types and grades of transportation networks is obviously different，and the effect decreases with the grade reduction. Therefore，in the future，local governments should vigorously build high-speed railways and expressways，and further strengthen their network density in cities with high-speed railways and expressways. At the same time，the local government should focus on the role of R&D personnel mobility in the process of improving TFP，formulate talent incentive and preferential policies，improve welfare benefits and research funds，attract R&D personnel inflow，promote the reform of household registration system，cancel or relax the restrictions on talent settlement，and comprehensively solve the problem of talent household registration.

Key words：high-speed rail；express way；R&D personnel flow；labor flow；total factor productivity