高速铁路与服务业企业生产率——来自中国上市公司的经验证据

咸金坤，汪 伟,2

(1.上海财经大学 公共经济与管理学院，上海 200433；2.上海市金融信息技术研究重点实验室，上海 200433)

一、引 言

新经济地理理论强调经济的“空间维度”，关注资源在空间的配置和经济活动的空间区位问题。而高速铁路的开通使得地区之间交通运输环境得到了明显改善，大大缩短了地理上的时空距离，显著提升了高铁城市的空间区位条件，削弱生产要素、特别是劳动力流动的空间壁垒，对经济的空间分布、城市与产业发展产生深刻影响。当前，中国的高速铁路正处于快速发展期，图1给出了中国历年开通高铁的城市(累计)数目，从中可知，自2008年以来中国开通高铁的城市数目快速增加，截至2018年底，中国已有180个地级及以上城市开通了高铁，高速铁路总里程数已达2.9万公里，居世界第一，且已建成世界上最发达的高铁网络。2016年7月，国家发展改革委、交通运输部和中国铁路总公司联合发布了《中长期铁路网规划》，该规划指出，未来中国将建成“八纵八横”高速铁路网，预计到2020年，全国高速铁路将进一步增加到3万公里以上，覆盖80%以上的大城市。

图1 中国开通高速铁路的地级市数目

关于高铁项目效果评估的研究，已有文献主要集中在对日本和欧洲等国家的分析。Sasaki等(1997)[1]的研究认为，日本“新干线”高铁网络的建设促进了当地经济增长，并且未造成区域间发展水平差距的拉大。Ahlfeldt和Feddersen(2018)[2]以德国科隆和法兰克福之间高铁的开通为研究对象，他们发现，高铁网络的建成拉近了各个经济主体之间的距离，提升了区域内的交通可达性，进而可以显著地促进当地的经济发展。作为一个正处于转型和发展中的大国，中国目前具有世界上里程最长、最密集的高速铁路网络，因而系统地评估中国高速铁路建设的经济效果具有重要的意义，同时也是一个亟待研究的问题。(1)最近，余泳泽和潘妍(2019)[3]分析了高铁开通对城乡收入差距的影响；余泳泽等(2019)[4]利用地级市数据评估了城市高铁开通以后对技术创新外溢的影响；宣烨等(2019)[5]则考察了高铁开通对服务业空间集聚的影响。

另外，为应对2008年国际金融危机的严重影响，中国政府推出了“4万亿”经济刺激计划，其中有一半以上被应用于铁路、机场等重大交通基础设施建设，而高速铁路的建设在这一轮投资中非常具有代表性(张学良，2012)[6]。因此，更加深入地考察中国高铁建设的经济效应对进一步理解2008年经济刺激计划效果也具有深刻意义。此外，当前中国经济发展进入了“新常态”阶段，而产业结构的转型与升级是当前面临的重要挑战之一(汪伟等，2015)[7]，但2019年中国服务业占GDP比重只有53.9%，与发达国家70%～80%左右的水平仍有一定差距，那么，高铁的开通是否可以通过提高服务业企业发展的质量，从而有助于中国经济结构的转型与升级呢，对这一问题的回答也有其现实需求。

基于以上理论和现实背景，本文以企业生产效率作为切入点，试图探讨以高速铁路为代表的公共基础设施建设是否带来企业全要素生产率的显著提升。为此，本文利用中国高铁建设项目作为自然实验，研究其对中国服务业企业生产率的影响效应，这无疑可以看作是对“高铁经济”研究领域的一个有益补充，也构成了本文的主要贡献之一。进一步，本文分析了城市开通高铁导致服务业企业TFP提高的实现机制：高铁所带来的时空压缩效应可以在城市层面上产生集聚效应，在企业层面上导致研发投入增加，在这两种机制的作用下服务业企业TFP得以提高。另外，本文的研究从微观企业角度出发，为高铁开通如何带动当地经济发展和产业结构升级提供了新的经验证据，此为本文的主要贡献之二。

二、相关文献综述与研究假说

交通基础设施建设对经济发展的重要意义已不言自明，由于其具有正向外部性，因而全面评价该项投资的经济效应也是政策制定者和学术界非常关心的问题。从理论角度来看，以Krugman为代表的新经济地理学特别强调运输成本对于集聚经济、规模经济和外部性的重要作用。因此，作为具有典型正外部性的公共品，(高速)公路和机场等交通基础设施的建设可以对企业生产率水平产生重要影响(Redding和Turner，2015；Combes和Gobillon，2015；Holl，2016等)[8-10]。但是，高速铁路与公路等交通基础设施不同，在运输功能上前者主要实现的是“对人的运输”而非“对货物的运输”(邓涛涛等，2017)[11]，因此，其对企业生产效率等方面的影响效果和作用机制可能会有所不同，故需要对此单独进行研究与分析。

(一)高速铁路开通对服务业企业生产率的影响

从已有文献来看，高速铁路的开通能够通过以下三个方面影响服务业企业生产率。第一，高速铁路的开通带来时空压缩效应，有助于加深各地区之间的开放与交流程度，削弱生产要素、尤其是劳动力流动的空间壁垒，加速要素资源的快速流动和频繁交汇，优化资源配置和产业的空间布局，从而提高服务业企业生产效率。第二，高铁的开通也有助于提升城市之间的交通可达性，扩大中心城市的辐射范围，从而通过节约交易成本和信息沟通成本等方式提高生产效率(王雨飞和倪鹏飞，2016)[12]。第三，高铁等交通基础设施的建设与开通提升了各行业人才出行与“会面”的便捷性，从而降低了知识在区域之间相互流动的成本，进而极大地促进了“知识溢出”(Agrawal等，2017)[13]。在这些方面因素的促进作用之下，企业生产效率都有可能得到显著提升。然而，由于不同行业对生产要素的依赖程度存在巨大差异，高速铁路开通所带来的生产效率提升效应可能不会在所有类型的企业中都存在(Shao等，2017)[14]。进一步，高速铁路是以客运为主的交通工具，而现代服务业中的产品通常具有非实物性、不可储藏性和不可运输性等特征，服务业的发展又十分依赖于城市规模与人口密度，因此由高速铁路带来的时空压缩效应对于人员和信息要素流动性要求较高的服务业的发展具有重要影响(邓涛涛等，2017)[11]。所以，本文在此基础上提出第一个研究假说。

假说H1：高速铁路的开通可以对服务业企业全要素生产率产生正面效应。

(二)影响机制分析

从理论层面讲，开通高铁可能会扩大城市规模、带来人口集聚。一方面，从劳动力供给角度看，高铁开通使得城市之间的交通可达性提高，人们进行工作搜寻与匹配的区域也会扩大，因此，高铁的开通可以通过提高劳动力参与率的方式来增加城市人口规模(董艳梅和朱英明，2016)[15]。同时，高铁带来的时空压缩效应削弱了由地理距离产生的约束条件，使得高铁城市的区位优势得到明显提升，增加了城市的向心力(王雨飞和倪鹏飞，2016；董艳梅和朱英明，2016；Ke等，2017)[12,16,17]。长期来看，可以吸引相对不发达地区和非高铁城市家庭的迁移，高铁城市的人口规模也会扩大。另一方面，高铁开通带来的交通便利性可以降低旅程的时间成本等，消费者选择商品和服务的范围更加广泛，而同时企业服务的市场也更大，有助于提升其市场潜力，在两者的相互作用下，商品有效供给增加，吸引更多企业入驻，这可以带来社会对劳动力需求的扩张(董艳梅和朱英明，2016；Lin，2017)[16,18]，进而能够使得高铁城市规模扩大；在此基础上，人口规模的扩大和企业数量的增加会带来新一轮服务活动需求的增加，这进一步会通过就业效应扩大城市人口规模。所以，从供求两方面来看，高铁开通有助于扩大高铁城市的人口规模，进而产生人口集聚效应。

高铁开通带来的人口集聚效应可以通过人力资本积累及其外部性等方式提升服务业企业生产效率。第一，人口不断往高铁城市集聚更能使人才类型呈现出多样性，不同偏好和技能的员工与企业之间能够更好地相互匹配，从而可以促使人们发展和选择适合自身的行业，进而通过“匹配”机制提升服务业企业生产率(陆铭，2017)[19]；而服务业行业多样性也可以加强其分工与合作，从而促进效率提升(陈乐等，2018)[20]。第二，人口规模较大的城市对服务业产品需求更多，在不断地生产与服务过程中可以积累经验，因而可以通过“干中学”效应带来生产效率的提升；而在规模较大的城市中，厂商、员工之间也可以通过知识的传播与人际知识的外溢性促进服务业企业生产效率提升(梁文泉和陆铭，2016)[21]。第三，城市开通高铁产生的人口集聚效应可以使得高铁城市的服务业企业进行人力资本的积累，而人力资本积累带来的知识存量的增加可能会带来技术的革新，进而提高服务业企业的生产效率。

图2 高铁开通对服务业企业生产率影响的实现机制

另外，高铁的开通在一定程度上打破了城市间、区域间的市场分割和行政壁垒，将不同城市、城市群的经济活动连成一个整体，交通可达性提高、交易成本降低，由此带来企业潜在市场规模的扩大，使得企业所在城市的经济集聚能力得到提升(宣烨等，2019)[5]。进而，在经济集聚效应的作用下，企业的生产率也可能会得到提升(唐为和王媛，2015)[22]。(2)关于经济集聚对企业生产率提高的机制得到了大量文献的检验，在此不再赘述，可参见唐为和王媛(2015)[22]。因此，本文提出研究假说H2。

假说H2：高速铁路具有时空压缩效应，可以通过人口集聚和经济集聚效应提高服务业企业的生产效率。

现代区域经济理论中，地理因素在金融、投资领域扮演着重要的角色，地理位置与地理距离深刻影响了资本市场各主体之间信息沟通的广度和深度，而其中最为关键的就是“软信息”(黄张凯等，2016)[23]。(3)“软信息”是指难以被记录、存储或传递的特有信息(龙玉等，2017)[24]。“软信息”的存在使地理位置不同的经济主体之间信息传递的效率存在差异，由此造成的信息不对称问题则显得十分重要，而高铁的开通使得交通状况得到极大的改善，对人们之间直接面对面交流、实地考察以了解投资环境和投资项目前景以及监督投资项目的进展与执行情况带来了便捷性，因而有效地促进了“软信息”的传递，从而降低信息不对称程度(龙玉等，2017)[24]。

通过考察中国风险投资行为，龙玉等(2017)[24]的研究发现，与非高铁城市相比，高铁通车后高铁城市吸引了更多的风险投资，新增风险投资显著增加。而黄艺翔和姚铮(2015)[25]等研究发现，企业风险投资的增加对上市公司研发投入具有显著的提升作用。他们的研究共同揭示了高铁对创新经济的推动作用，从而可能有助于提高服务业企业生产效率。与之类似，Agrawal等(2017)[13]利用美国州际公路建设的数据发现，高速公路存量的增加有利于提高地区的专利数量，推动企业创新与技术进步。实际上，已有研究已经指出，服务业企业的研发活动能够显著地提升其全要素生产率(毛德凤等，2013；孙晓华和王昀，2014)[26,27]。在此基础上，本文提出第三个研究假说。

假说H3：城市开通高速铁路可以提升当地企业的研发投资，从而使得服务业企业的生产效率得到提高。

三、实证模型设定与识别策略

(一)计量模型设定

本文的实证研究采用双重差分(DID)模型。根据该模型，在研究的样本区间内，若企业所在的城市开通高铁，则这些企业被划分为处理组；而在此期间内企业所在城市没有开通高铁，则将这些企业划分为控制组。因此，结合Holl(2016)[10]、Lin(2017)[18]等现有的研究，本文的主要实证模型如式(1)所示：

TFPcijt=β0+β1Connectct+Firm_Controlcijtδ+City_Controlcijtθ+αc+γt+ucijt

(1)

其中，TFPcijt表示在城市c中，处于j行业的公司i在第t年时全要素生产率(TFP)，而Connectct为虚拟变量，也是本文的核心解释变量，Connectct=1表示城市c在t年开通高铁，Connectct=0表示该城市在样本期内始终未开通高铁。Firm_Control表示企业层面的控制变量，其变量选取主要参照Giannetti等(2015)[28]、程晨和王萌萌(2016)[29]等研究；City_Control为城市控制变量，其变量选取主要参照刘玉博等(2017)[30]等研究。αc为城市固定效应，而γt表示时间效应，最后，ucijt表示误差项，表1中列出了本文所涉及变量的基本信息。

表1 主要变量定义

(二)企业全要素生产率的测量

本文参照Giannetti等(2015)[28]的研究，利用下式对上市公司的TFP进行测算：

yijt=αjt+βjtlijt+γjtkijt+ηjtmijt+εijt

(2)

其中，yijt表示行业j中的公司i在第t年时主营业务收入的对数值，lijt表示行业j中的公司i在第t年时员工人数的对数值，即企业年报中披露的上市公司在册(在职)员工人数，kijt表示行业j中的公司i在第t年时总资产的对数值，而mijt表示行业j中的公司i在第t年时购买商品、接受劳务实际支付的现金的对数值。

在估计式(2)时存在同时性偏误和选择性偏差等计量技术问题，因而通常OLS方法计算出的TFP是有偏的(鲁晓东和连玉君，2012)[31]。针对于此，许多学者提出了相应的解决方案，如OP方法和LP方法等。因此，本文参照Giannetti等(2015)[28]、程晨和王萌萌(2016)[29]等研究，首先利用OLS方法分年份和行业对式(1)进行回归，得到参数方法估计的企业全要素生产率(TFP_OLS)，以作为基准参考；其次，本文还利用OP方法得到基于半参数方法估计的企业全要素生产率(TFP_OP)。(4)在利用OP方法计算企业TFP时，本文主要参考于新亮等(2017)[32]。

(三)数据来源与描述性统计量

为了定量考察高铁开通对所在地企业TFP的影响，本文手工收集了中国开通高铁的城市(地级及以上)及其首次开通时间等信息，其数据来源于中国铁路总公司、百度百科网以及Lin(2017)[18]等。在计算企业TFP时，所用到的企业主营业务收入、员工人数、总资产数、财务数据等，以及有关企业层面的变量等数据均来源于国泰安CSMAR和Wind数据库。另外，有关城市经济特征的控制变量来自历年的《中国城市统计年鉴》。

在进行实证研究之前，我们对企业数据进行了处理：在测量TFP时，我们剔除了金融类和ST类等公司；仅保留A股上市公司。同时，为避免离群值对回归结果的影响，我们利用winsorize方法对连续变量进行缩尾处理。经过数据处理之后，表2给出了相关变量的描述性统计量。以OLS方法测度的上市企业TFP均值接近于0，标准差在0.3附近，这与Giannetti等(2015)[28]的测度结果非常接近；以OP方法测度的上市企业TFP均值为4.4左右，标准差为0.39左右，该结果也与程晨和王萌萌(2016)[29]的测度结果相似程度较高。这表明，本文测算的上市企业TFP较为可靠。

表2 描述性统计量

四、实证结果

(一)基准结果

由于本文主要分析高速铁路开通对服务业企业全要素生产率的影响，因而，我们首先根据2012版证监会行业分类标准和统计局公布的服务业行业分类来识别上市公司中属于服务业的企业。(5)本次行业分类中并未包括道路运输业、水上运输业和航空运输业三个行业。

在表3中，第(1)-(3)列的被解释变量为OLS方法测度的服务业企业TFP。根据结果可得，在样本期内，相比于位于未开通高铁城市的服务业企业，高铁开通以后能够使得沿线的服务业企业TFP显著增加，估计的Connect系数值为0.0754(第(3)列)，且在10%的显著性水平下显著。这表明，平均来看，城市开通高铁可以使得当地服务业企业的TFP提高24%个标准差。这一结果与假说H1相吻合，即高速铁路的开通可以对服务业企业全要素生产率产生正面效应。正如前文所述，由于在估计企业TFP时存着同时性偏误和选择性偏差等问题，OLS方法得到的企业TFP可能是有偏的。因此，为确保结果的准确性与稳健性，表3中的第(4)-(6)列给出了以OP方法测度的服务业企业TFP作为被解释变量的估计结果。我们发现，城市开通高铁对当地服务业企业TFP的提升效应仍然成立，即城市开通高铁可以使得当地服务业企业的TFP提高23%个标准差(Connect的估计系数为0.0896)，且在5%的显著性水平下显著。假说H1再次得到了经验证据的支持。

表3 基准回归结果

(二)平行趋势检验

基准回归中识别策略的成立要依赖于城市开通高铁的时间与其他潜在的能够影响服务业企业TFP的因素无关。如果位于处理组城市与控制组城市的服务业企业TFP在开通高铁之前就存在着趋势上的差异，那么上文中所估计的“处理效应”就可能不是由于城市开通高铁导致的。为此，我们参照Alder等(2016)[33]的思路对处理组和控制组之间进行平行趋势检验。具体而言，我们在回归方程中设置了5个开通高铁前的虚拟变量(Connect_preX，X=1，2，…，5)，在某城市开通高铁的前1年，虚拟变量Connect_pre1的取值为1，以此类推。具体的检验结果列于表4中。

表4 平行趋势检验结果

根据平行趋势检验的结果我们可以发现，不管是以OLS方法还是OP方法测量的TFP为标准，直至高铁开通前五年，处于处理组城市和控制组城市的服务业企业TFP都大致保持相同的变动趋势。所以，本文使用DID方法来识别政策效应是满足平行性趋势这一前提条件的。

另外，Zheng和Kahn(2013)[34]指出，中国铁路总公司(原铁道部)在选择修建高铁的城市时并没有公开宣布其标准，而修建高铁既可能是为了连接特大城市与经济形势较好的城市，也可能是为了扶持落后地区以平衡区域间的发展。并且两位学者的研究也发现，在2001-2005年间，在GDP增速、工资增速以及距离“北上广”三个城市的最短距离方面，已开通高铁的城市与其他城市之间没有表现出显著的差距，这也为我们识别策略的可行性提供了佐证。

(三)稳健性检验

虽然我们在上文进行了平行趋势检验，但是我们仍然担心可能存在某些不可观测的因素影响服务业企业TFP，而不是高铁开通所带来的效应。一个可能的原因是，生产效率较高的服务业企业均集中在直辖市和省会城市，而这类城市几乎全部开通高铁，这就使得我们在基准回归中得到的结果是有偏的。为了消除这种顾虑，我们将位于直辖市和省会城市的服务业企业样本剔除，重新估计模型(1)。当剔除位于直辖市的服务业企业样本以后，我们发现估计的Connect系数值与基准回归结果非常接近(甚至更大)，这说明假说H1仍然成立。而在样本中同时剔除位于直辖市和省会城市的服务业企业样本后，以OLS方法测度的TFP方程显著性有所降低(表5第(3)列)，一个可能的原因是该方法得到的TFP是有偏的，导致结果与基准回归略微存在差异。即便如此，Connect系数仍然为正，P值非常接近10%的显著性水平，其大小也与基准结果相差不大。以OP方法测度的TFP方程仍然是显著的，并且估计的Connect系数值比基准回归略大。

表5 高铁与服务业企业TFP：稳健性检验之一

基准结果中利用证监会行业分类标准识别服务业，但是该标准不能完全和统计局公布的服务业行业分类对应，为了验证基准结果的可靠性，本文再次根据2014版申银万国行业分类标准识别上市公司中的服务业企业。表5第(5)、(6)列的结果显示，在改变行业分类标准以后，本文提出的假说H1仍然可以得到实证结果的支持。

最后，城市是否开通高铁在一定程度上与其地理位置、经济社会发展水平等密切相关，城市之间的这些差异可能会随着时间的推移对企业产生不同的影响，进而造成估计上的偏差。为缓解该问题的影响，本文在基准回归的基础上进一步引入城市变量与时间趋势的交互项以及城市固定效应与时间趋势的交互项(城市趋势项)作为控制变量。(6)感谢匿名审稿专家提出的相关建议。表6的结果显示，城市开通高铁依然能够显著提升当地服务业企业的生产率，这表明本文得到的基本结论是稳健的。

表6 高铁与服务业企业TFP：稳健性检验之二

(四)安慰剂检验

本文参照Li等(2016)[35]等相关研究进行安慰剂检验。首先，随机指定开通高铁的城市，其中指定的开通数量与实际开通高铁的城市数量保持一致，在此基础上，我们再次采用(1)式所示的回归模型进行双重差分回归，从而对服务业企业样本回归结果进行安慰剂检验。同时，为了增强安慰剂检验的可信度，本文也对此操作重复了500次，图3中给出了安慰剂检验的结果。模拟结果显示，平均95%的置信区间为[-0.08054,0.0858]，且均值集中在0附近，标准差平均为0.0424，而基准估计结果为0.0896，这表明，平均来看，人为地随机设定开通高铁的城市并不会显著地改变服务业企业的生产率。

图3 安慰剂检验

五、进一步分析：机制检验与异质性

(一)集聚效应

理论机制阐述部分指出，高铁的开通可以通过人口集聚和经济集聚效应提高服务业企业的生产效率(Duranton和Puga，2004；陆铭，2017)[36,19]。为此，本文参考唐为和王媛(2015)[22]的分析思路，通过考察高铁开通是否能够促进城市人口规模和企业市场潜能的扩大，以检验高铁开通可以通过集聚效应这一机制提升服务业企业TFP。

Aggct=β0+β1Connectct+Controlsctδ+αc+γt+uct

(3)

其中，Aggct表示集聚效应，在考察人口集聚时，其代表城市人口规模，在考察经济集聚时，其代表市场潜能(叶德珠等，2020)[37]，Controls代表控制变量，其选取参照了唐为和王媛(2015)[22]、叶德珠等(2020)[37]的研究。市场潜能指数(MPI)可以通过如下方式度量：

根据表7可知，与未开通高铁的城市相比，高铁城市的总人口规模(lnpop)显著扩大；(7)本文还给出了开通高铁对城市市辖区人口规模的影响效应，实证结果类似。进一步的研究显示，高速铁路开通以后，大城市和中等城市的人口规模显著增加，而对小城市人口规模的影响为负，但不显著。(8)分组回归结果与加入大城市、中等城市与高铁开通虚拟变量交互项的回归结果类似。这里，被解释变量是城市的人口规模，因而城市规模的划分标准按照市辖区人口数量来区分，相关标准参见http://www.gov.cn/zhengce/content/2014-11/20/content_9225.htm。这表明，高铁的开通使得人口进一步向大中型城市集聚，该结果与现有研究结论类似。因而，我们认为高速铁路所带来的时空压缩效应可以带来城市规模的扩大，进而通过人口集聚效应下的人力资本积累及其外部性等方式发挥作用，提高服务业企业的生产效率，即实证结果支持假说H2的结论，并且这一效应在大中型城市中尤为显著。

表7 影响机制：高铁开通与城市人口规模

另外，参照叶德珠等(2020)[37]的研究，本文还考察高铁开通对潜在市场规模的影响。根据表8的回归结果可以发现，与未开通高铁的城市相比，高铁城市的市场潜能(MPI)得到了显著扩大。进一步，由于“北上广深”等一线城市本身具有较强的市场潜能，因而在第(3)列中给出了剔除上述四个城市后的估计结果，参数的估计系数并未发生明显改变。这表明，城市开通高铁以后经济集聚能力得到提升，而在集聚效应的作用下，企业的生产率会得到提升，从而证实了研究假说H2的结论。

表8 影响机制：高铁开通与城市市场潜能

(二)企业研发投入

一方面，高速铁路的开通缩短了地理距离，城市之间的“一日行”更加可行，提高了不同城市之间人们“面对面会议/交流”的机会(Lin，2017)[18]，从而极大地缩短了知识的“溢出距离”，这将有利于人们进行经验的相互交流与思想的相互碰撞，从而可能会促进更多新想法、新项目的产生，进而增加企业研发投资，带来企业的技术进步。另一方面，从信息经济学的角度来看，高速铁路的开通改变了城市之间由于地理距离而产生的时空约束条件，带来企业与投资者或企业之间信息沟通便利性(黄张凯等，2016)[23]。随着企业与投资者之间信息不对称程度的降低，高铁城市的新增投资显著增加(龙玉等，2017)[24]，而风险投资的增加将带来企业研发投资增加，从而促进企业的技术进步。最后，高速铁路可以通过促进企业技术进步来推动生产效率的提高。

为此，参照唐为和王媛(2015)[22]的分析思路，我们借助下式来检验高铁开通可以通过增加研发投入提升服务业企业TFP的机制。

lnRDcit=β0+β1Connectct+Frim_Controlsctδ+

City_Controlsctθ+αp+γt+ucit

(4)

其中，lnRD表示企业研发投资的对数，Frim_Controls和City_Controls仍然代表企业控制变量和城市控制变量，变量选取参照谢维敏和方红星(2011)[38]、余泳泽和张少辉(2017)[39]等研究。表9给出了高铁开通与服务业企业研发投入之间关系的估计结果。

表9 影响机制：高铁开通与企业研发投入

根据表9中的结果我们发现，相比于未开通高铁的城市，位于高铁城市的服务业企业研发投入显著提高，并且在不同的模型设定下都成立。这表明，高铁开通带来的时空压缩效应使得人们的会面机会增加、降低了信息搜集成本，经济主体之间的信息不对称程度降低，因而降低企业的投资风险，平均来看，这会提高企业的研发投资，进而带来企业的技术进步，提高服务业企业的全要素生产率，即本文所提出的假说H3也得到了实证结果的支持。

(三)异质性分析

在服务业行业内部存在着生产性和生活性服务业的区别，本文在此对两类企业进行异质性分析，(9)根据统计局生产性服务业(2015)分类标准识别生产性和生活性服务业，网址：http://www.stats.gov.cn/tjsj/tjbz/201506/t20150604_1115421.html。同时，我们还分析了大城市和中小城市之间的异质性，回归估计结果可参见表10。

表10 异质性分析

在将服务业区分为生产性服务业和生活性服务业以后，实证结果发现，高铁开通对服务业企业生产率的影响主要体现在生活性服务业企业，对生产性服务业企业的影响效果为负，但不显著。实际上，唐荣和顾乃华(2018)[40]的研究可以为该结论提供一个侧面的支持，他们的研究认为高铁建设显著降低了上游生产性服务业的发展水平。究其原因，诸如旅游、住宿餐饮、教育以及卫生等生活性服务业，其服务地点一般固定，因而高铁开通可以通过增加客流量、旅游人数等方面提高该类企业的生产效率。但是，诸如软件、信息技术服务、商务服务以及研究与实验发展等生产性服务业，其服务受地点的限制性要小得多，因而该类企业所在城市开通高铁以后，对某些区域产生的“虹吸效应”较大，从而可能在一定程度上不会提升该类企业的生产效率，甚至有可能不利于生产效率的提升。

另外，从城市规模异质性角度来看，(10)本文根据《中国中小城市发展报告(2010)：中国中小城市绿色发展之路》的城市规模分类标准，将常住人口规模为500万以上的城市定义为大城市，常住人口规模低于500万的城市定义为中小城市。高铁开通对服务业企业TFP的促进效应主要存在于大城市中：相比于位于未开通高铁城市的服务业企业而言，在高铁开通以后位于大型高铁城市的服务业企业TFP显著增加，平均来看，可以使得当地服务业企业的TFP至少提高约35%个标准差。而在小型城市中，高铁开通对当地服务业企业TFP的提升作用并不显著。这也可以从侧面说明，在高速铁路等交通状况改善提升服务业企业TFP的过程中，大城市的集聚效应发挥着非常重要的作用。

六、结论与启示

近年来，随着中国高速铁路事业的快速发展，“高铁时代”的来临使得客运交通环境得到了不断的提升和改善，关于高铁和高速公路等重要交通基础设施对中国城市经济发展的带动作用也越来越得到学界的重视，其相关研究也日渐丰富。然而，利用微观企业层面数据研究高铁经济效应的文献则相对缺乏，为此，本文通过收集、整理历年中国地级及以上城市的高速铁路开通数据，并将其与上市公司数据进行匹配，研究了城市开通高铁后对当地服务业企业TFP的影响。通过构建双重差分(DID)模型、平行趋势检验和安慰剂检验，得到如下研究发现。

第一，高速铁路开通显著地促进了城市内服务业企业TFP的提高，说明高速铁路的开通对服务业企业全要素生产率产生正面效应。因此，高铁开通为城市内服务业企业的TFP提高带来正面效应，高铁开通城市可以充分利用其交通优势，以此作为基点和纽带，并结合城市自身比较优势和周边城市进行产业整合，发展相关的服务业产业，以促进经济结构的优化调整与升级，实现经济高质量发展。同时，对于非高铁城市而言，应该通过进行相关基础设施建设，主动与高铁城市“链接”、靠拢，防止发展过程中的“边缘化”现象。

第二，高速铁路开通产生人口集聚效应，其对大中型城市人口的增长效应尤为明显。高铁开通对服务业企业TFP的促进效应主要存在于大城市中，对中小城市的影响则不显著。因此，城市发展可以以密集的高铁网络为依托，继续加快推动大城市和城市群建设的进程，充分发挥大城市的人力资本外部性、技能互补性的好处，推动服务业企业发展质量的提升。

第三，高速铁路开通增加了服务业企业的研发投入，实现了技术进步和产品质量提高，从而提升了服务业企业的TFP。因此，开通高铁的城市应该借助“知识溢出距离”缩短的优势，加强彼此之间的信息共享和交流学习，充分发挥知识的溢出效应，加快“高端生产要素”流动，增强自身的学习效应，实现产品创新和技术进步，从而促进区域间的服务业产业快速发展。在供给侧结构性改革的大背景下，打造创新型高铁经济新时代，借助高速铁路网络实现创新驱动，这对于推进创新型国家的建设、不断开创经济增长源泉将大有裨益。