公路投资对区域经济增长的空间溢出效应

徐学明， 陈艳艳

(1.北京工业大学交通工程北京市重点实验室， 北京 100124； 2.中交公路规划设计院有限公司， 北京 100088)

改革开放以来，我国取得的经济成就举世瞩目，被称为“中国奇迹”. 我国经济能够保持持续快速稳定的增长与我国在交通基础设施尤其是公路基础设施投资建设密不可分. 经过多年高强度投资建设，我国公路发展水平已经位居世界前列，高速公路总里程更是排名世界第一位.

我国公路建设能够得到跨越性的发展，一方面源自于中央政府对于公路建设的重视，多次进行不同级别的公路规划，并通过各种财政政策推动实施；另一方面源自于地方政府的极大热情， 希望以公路投资带动地方国内生产总值(gross domestic product，GDP)和税收的增长，拉进区域经济，促进物流、旅游等相关产业发展. 而普通民众同样享受到了交通基础设施水平提升带来的省时、舒适、安全等方面的红利，因此对公路建设往往持支持的态度，从而形成了非常有利于公路基础设施发展的良好社会氛围. 这种自上而下的积极态度，使得我国公路投资在较长的时间内保持快速增长的态势。按照可比较价格换算后全国公路投资额2017年比1979年增长665倍，增长幅度远超过同期GDP增长的31倍和二级及以上公路里程增长的52倍. 公路投资的巨幅增长，体现出我国在公路建设方面的巨大投入，也从侧面体现了在国民经济发展中，公路建设所起到的先导作用以及与经济增长的相互促进.

在过去近30年中，中外学者针对基础设施尤其是交通基础设施的经济增长效应进行了深入的研究. 从研究成果来看，虽然因研究方法和研究对象不同，经济增长效应数值差异较大，但是交通基础设施投资对经济增长带来正面影响已经成为主流认识. 而在研究中所出现的地区效应普遍低于全国效应的现象，引发了对交通基础设施溢出效应的讨论与研究[1]，并且随着空间计量经济学的逐步成熟进而成为研究热点.

由于不同种类交通基础设施对经济的增长效应和溢出效应差距较大[2]，本次研究把研究焦点对准占我国交通基础设施投资比重最大的公路，研究其对经济增长的推动效应和空间溢出效应，并与其他非公路基础设施进行对比分析，从而为中央和地方政府制定公路投资政策提供理论支持.

1 研究综述

交通基础设施作为基础设施的重要组成部分，对经济发展起到重要的基础性和先导性作用. 随着国内外学者对经济增长理论研究的逐渐深入，交通基础设施的影响作为一项重要的研究内容也受到了足够的重视.

Aschauer采用柯布- 达格拉斯生产函数，通过对美国1945—1985年的时间序列和横截面数据的分析，得出政府在基础设施投资对于经济总产出增长有着巨大的贡献的结论[3]. Boarnet等[4]利用1968—1988年美国加州所属各县的数据，认为交通基础设施较完善的区域会将周围区域资源吸引过来，从而产生负的溢出效应. Chi等[5]研究了交通基础设施投资对改善经济的有效性，发现扩大交通基础设施投资可能是提高发展欧洲经济体经济水平的有效途径. Gherghina等[6]根据欧盟28国在1990—2016年期间的面板数据，研究发现道路、内陆水道、海上和空中交通基础设施对经济产出产生了积极影响.

在国外相关研究成果的基础上，针对我国经济发展与交通基础设施的关系，我国学者进行了大量分析研究工作. 张学良[7]通过对中国交通基础设施水平区域差异状况的分析以及交通基础设施水平与区域经济增长关系的面板数据研究,分析交通基础设施水平与中国区域经济增长之间的关系. 魏巍等[8]基于2000—2010年我国省级面板数据，分别采用静态和动态面板模型考察了交通基础设施对经济增长的影响. 胡鞍钢等[9]从理论和实证2个维度验证了交通运输对中国经济发展的外部溢出效应，研究结果证实了交通运输的正外部性，并且交通运输投资的直接贡献与外部溢出效应之和对经济增长的贡献率为13.8%. 蔡新民等[10]基于柯布- 道格拉斯生产函数模型，利用总量数据和面板数据探究我国交通基础设施投资对经济增长的影响.

伴随着新经济地理学逐步被接受和空间计量经济学的快速发展，越来越多的学者开始考虑交通基础设施的空间效应. Cohen[11]利用美国各州制造业截面数据说明忽略空间滞后变量可能导致对交通基础设施的影响估计产生偏差. Tong等[12]利用1981—2004年美国44个州数据，研究交通基础设施对农业产出的影响，研究发现给定条件下会对农业产出有积极影响. Chen等[13]根据美国东北大区域1991—2009年数据，研究公共交通基础设施对区域经济的影响，总体来说确实对区域经济产生了重大影响，且大部分来自溢出效应. Li等[14]利用丝绸之路经济带影响省份2005—2014年的面板数据，采用空间面板模型分析交通基础设施的空间溢出效应，发现交通基础设施促进了丝绸之路经济带及周边区域的发展，并且公路影响更大.

国内学者同样在空间计量经济学在交通基础设施与经济关系领域的应用进行了有益的探索. 张学良[15]利用1993—2009年的省际面板数据估计得到交通基础设施对区域经济增长的产出弹性，并得出了空间溢出效应非常显著的结论. 黄森[16]采用空间计量分析的方法研究交通基础设施对中国经济的影响，认为增加交通基础设施存量、扩大交通基础设施覆盖面积能够显著推动区域经济的增长. 崔百胜等[17]利用中国2000—2013年各省市面板数据，采用动态空间面板数据模型，认为交通基础设施对中国区域经济增长、中国区域经济综合效率提高均具有显著影响. 贾锐宁等[18]根据2001—2015年中国省级面板数据，采用空间杜宾模型，对全国及各省市的公路与区域经济发展的适应性进行研究，发现公路基础设施对区域经济增长有明显的促进作用，且空间溢出效应十分明显.

综合以上研究可以发现：首先，在现有研究尤其是针对我国的研究，由于缺少不同类型交通基础设施资本存量的数据，只能采用里程或密度数据代替，与生产函数中的设定不符，导致研究结论可能出现偏差. 其次，受到空间计量经济学发展的阶段影响，以往研究在选择空间计量模型的时候往往缺少充分的论证选择过程. 最后，对于交通基础设施的直接效应和空间溢出效应(间接效应)分析不够全面，相关结论有待进一步丰富和完善.

2 公路基础设施空间溢出理论模型构建

随着理论研究的不断深入，对于交通基础设施的外部性作用也逐渐得到更加深刻的认识. 除了一般公共设施所具有的普通外部性外，交通基础设施还具有明显的空间外部性，其空间溢出机制一般有2个方面. 一方面，利用交通基础设施的网络效应，将经济发展较快、制造业或城镇化程度较高区域的影响扩散至其他区域，从而带动相邻区域的经济发展，同时降低本区域的各种成本，这是一种正溢出效应. 另一方面，交通基础设施可以改变所在区域的可达性，形成区域的先发优势，比如说先进的技术、更多的就业机会、良好的管理制度、优良的生活环境等，可能将相邻区域的生产要素更多地吸引至本区域，从而导致其他区域经济衰退，这是一种负溢出效应.

为了分析公路建设投资对区域经济增长的影响和空间溢出效应，本文基于Boarnet模型，建立一个包括公路基础设施投资变量的区域增长模型. 在本阶段研究过程中将各省市作为独立的经济实体，其经济产出由各种类型的资本存量和劳动力投入和其他要素的投入确定. 基于Boarnet模型的各省市经济产出的公式为

Y=Aα(Kh)f(Kg,L,X)

(1)

式中：Y为总产出；A为技术进步；Kh为公路基础设施资本存量；Kg为除公路外其他基础设施资本存量；L为劳动力投入；X为其他影响经济产出的要素向量集.

以上各种要素满足

α′(Kh)>0，fKg>0，fKgKg<0，fL>0，fLL<0

式中：fL为f的一阶偏导；fLL为f的两阶偏导.

为了分析溢出效应的机理，参考崔百胜等[17]的研究方法，本文引入了两地区经济模型，假设A、B两个地区，两地区都各自拥有一家企业，生产同类型产品，具有相同的技术水平、生产规模和产品价格.较短的时期内，两地的生产要素是完全无弹性的，而在较长时期内两地的生产要素可以在区域间自由流动.两地区的生产函数分别为

YA=Aα(KhA)f(KgA,LA)

(2)

YB=Aα(KhB)f(KgB,LB)

(3)

假设在初始的条件下，市场达到均衡，两地的生产要素数量均相等，KhA=KhB，KgA=KgB，LA=LB.

在市场达到均衡的条件下，要素的价格等于边际效收益

γ=PYα(Kh)fKg(Kg,L)

(4)

ω=PYα(Kh)fL(Kg,L)

(5)

式中PY为边际产出的价格.

此时对A、B两地有：γA=γB，ωA=ωB.

假设A地进行了新的公路项目投资建设，则会导致A地的生产要素价格上升.短期来看，价格上涨带来的利润将全部归A地的资本所有者和劳动者；长期来看，将导致B地的生产要素向A地流动，直至两地市场重新达到平衡.此时B地的工资水平和价格也会随之发生变化.对B地的要素价格公式取微分

dγB=PYα(KhB)(fKgKgdKgB+fKgLdLB)

(6)

dωB=PYα(KhB)(fLLdLB+fLKgdKgB)

(7)

情况1：当fKgL≤0、fLKg≤0时，因为fKgKg<0，fLL<0，所以dγB<0、dωB<0，要素由地区B流向地区A，直至达到新的市场平衡.

新的市场平衡下的生产函数变为

Y′A=Aα(KhA+ΔKh)f(KgA+ΔK,LA+ΔL)

(8)

Y′B=Aα(KhB)f(KgA-ΔK,LA-ΔL)

(9)

当一个地区新建公路基础设施时，会导致两地区资本价格和劳动力价格上升，资本和生产力等要素向新建项目区域流动.

情况2：当fKgL>0、fLKg>0，但值较小时，仍保持fKgKgdKgB+fKgLdLB<0且fLLdLB+fLKgdKgB<0，则结论同情形1.

情况3：当fKgL>0、fLKg>0，且值较大时，仍保持fKgKgdKgB+fKgLdLB>0且fLLdLB+fLKgdKgB>0，此时两地价格差距不断扩大，从而使得B地区的所有生产要素均流向A地区.

从以上3种情况可以看出，在新建公路基础设施的条件下，各种生产要素从其他地区向新建地区流动，导致新建项目区域产出增加而其他区域产出减少，从而带来负溢出效应.

从另一方面考虑，由于交通基础设施导致运输成本降低，从而导致跨区域消费成本降低，因此最终导致生产的转移，直至达到新的平衡.法国经济学家佩罗克斯所提出的“增长极”理论，就是对这种现象的描述.该理论认为经济增长率先出现在制造业集聚程度较高或者城镇化程度较高的区域，形成一个增长极.在此基础上，增长极的影响在交通基础设施的引导下，通过不同的路径向周边扩散.对于假设A、B存在一定差异的情况下，A地存在一定的发展优势时，生产要素会从A流向B，生产函数为

Y′A=Aα(KhA+ΔKh)f(KgA-ΔK,LA-ΔL)

(10)

Y′B=Aα(KhB)f(KgA+ΔK,LA+ΔL)

(11)

此时，在新建公路基础设施的条件下，导致各种生产要素从新建地区向其他地区流动，从而导致新建项目区域产出减少而其他区域产出增加，从而带来正溢出效应.

从以上分析可以看出，公路交通基础设施的投资建设，在不同的情形下，可能会带来正溢出效应和负溢出效应.但从整体上来看，可以促进区域间生产要素的流动，带来新的产业布局平衡.

3 资本存量测算

3.1 测算方法

Boarnet模型中的核心解释变量包括公路设施资本存量和其他物质资本存量.本文在物质资本存量和公路设施资本存量的估算方法采用的是Goldsmith在1951年开创的永续存盘法，这也是目前进行资本存量计算应用最为广泛的方法.其表达式为

Kt=Kt-1(1-δ)+It

(12)

式中：Kt为第t年资本存量；Kt-1为第t-1年资本存量；σ为折旧率；It为第t年投资额.

涉及到的关键问题包括以下4点：当年投资额的选取；投资价格指数构造；折旧率确定；基年资本存量的确定.

3.2 当年投资额

当年投资额一般有3种选择：物质产品平衡体系下核算国民收入时度量投资的积累指标[19]；采用固定资产投资额；采用资本形成总额或者固定资产形成总额.

本文从公路基础设施资本存量和全社会物质资本存量一致性角度出发，考虑到数据获取的可行性，选取当年固定资产投资额为当年投资额.

3.3 投资价格指数

地方生产总值、各年固定资产投资和公路基础设施投资均采用1990年价.各省市固定资产价格指数来自于各省统计年鉴，对于天津、广东、海南、重庆等省市缺少部分年份指数，采用最小二乘法进行估算.

3.4 折旧率确定

3.4.1 物质资本折旧率

本文在方法上沿用张军[20]所采用的方法，采用其估算3类固定资本 (建筑、设备和其他费用)的折旧率分别为 6.9%、14.9%和 12.1%.根据统计局公布固定资产投资中3类固定资本所占比例，计算得到资本折旧率为9.4%.

3.4.2 公路基础设施资本折旧率

由于目前公路行业缺少固定资本所占比例的统计，考虑到公路基础设施投资在交通运输、仓储和邮政业固定资产投资中所占的比重很高，且行业具有相似性特点，因此采用交通运输、仓储和邮政业2003—2017年建筑、设备和其他费用3类投资占整个行业的比例的平均值.本文计算结果是：建筑 71.6%，设备 13.0%，其他费用 14.4%.结合上文中提到的分类折旧率，计算得到的公路基础设施的资本折旧率为 8.6%.

3.5 基年资本存量确定

受公路投资数据获取难度的影响，基年选为2010年.由于选取2010年作为基年，时间序列较短，对后续年份资本存量影响较大，因此不可以随意确定基年资本存量值.本文采用金戈[21]所提出的方法，利用该年全国资本存量估算的结果对省际的资本存量进行分配，以推算出省际基年的资本存量.计算公式为

(13)

采用同样的原理可以计算各省市基年公路基础设施资本存量.2010年全国物质资本存量和公路基础设施资本存量数据采用永续存盘法计算，数据来源为国家统计局网站数据和《中国国内生产总值核算历史资料(1952—1995)》.

省际物质资本存量如表1所示，省际公路基础设施资本存量如表2所示.因相关数据缺失，本文未对西藏进行研究.

表1 省际物质资本存量估算结果Table 1 Estimation results of capital stock of provincial infrastructure 亿元

表2 省际公路基础设施资本存量估算结果Table 2 Capital stock estimation results of provincial highway infrastructure 亿元

4 指标、变量选取

根据式(1)的形式，产出为各省市、自治区的GDP，核心解释变量包括各省市、自治区年末就业人数、物质资本存量和公路基础设施资本存量. 除此之外，本文选取城镇化程度、对外贸易、政府影响、产业聚集、人力资本等变量作为可供选择的控制变量.

其中，产业聚集是新经济地理学的理论基础之一. 某地区在规模收益递增作用下，可以因为产业集聚促进生产率提升和经济增长. 本文通过计算省市第二产业地方化经济(localization economies，LE)作为产业集聚的指标. 计算方法表示为

(14)

式中：gi为i省的第二产业总产出；Yi为i省的GDP总额.

本文实证分析中涉及相关变量的名称、符号、单位及指标选取，如表3所示. 其中各省市地区生产总值、增长指数、年末就业人数、人口构成、对外贸易额、政府支出等数据均来自国家统计局网站，受教育年限数据来自于2010年第六次全国人口普查数据及各年抽样调查数据. 为了减少数据的异方差性，除城镇化程度、政府影响和产业集聚3个变量外，其余变量均取自然对数. 在本文中，模型分析主要基于Stata15软件.

表3 各变量的名称、符号、单位及指标选取Table 3 Name, symbol, unit and index selection of each variable

5 空间计量模型构建

5.1 空间计量模型选择

空间计量模型主要用于对空间效应的识别、度量和估计. 在研究中应用较为广泛的是空间自回归模型(spatial autoregressive model，SAR)、空间误差模型(spatial error model，SEM)、空间杜宾模型(spatial Durbin model，SDM)，本次研究将主要针对以上3种模型进行选择.

本文所采用的数据类型为面板数据，相对于截面数据，空间面板数据模型检验与选择尚未形成标准流程. 本文结合肖光恩等[22]提出的思路，提出本文所采用的模型检验与选择思路.

1) 设定非空间计量模型进行LM检验和稳健LM检验，验证空间自相关性存在.

2) 经过验证存在空间自相关，则通过Wald检验和LR检验来确定合适的空间面板模型. 如果原假设H0：θ=0和H0：θ+ρβ=0均被拒绝，则选择SDM；如果H0：θ=0未拒绝原假设，可结合LM检验和稳健LM检验(Robust-LM)结果选择SAR；如果H0：θ+ρβ=0未拒绝原假设，可结合LM检验和稳健LM检验结果选择SEM；如果出现LM检验和稳健LM检验结果与Wald检验和LR检验结果不一致的情况，则选择SDM.

3) 采用Hausman检验来检验固定效应与随机效应的选择.

4) 对选定的模型进行估计. 如果采用SAR或SDM，则可以进一步计算其直接效应和空间溢出效应.

5.2 空间权重矩阵选择

建立空间权重矩阵是进行空间计量经济学研究的重要步骤. 选择何种形式的权重矩阵，体现了研究者对经济学原理应用的视角和对空间效应的不同认识. 在研究中常见的空间权重矩阵包括空间邻接权重矩阵、反距离权重矩阵等. 空间邻接权重矩阵形式简单、容易计算，但存在对不邻接区域空间影响未能体现、对于许多拓扑转换并不敏感等缺点. 反距离矩阵与邻接权重矩阵相比，与现实情况更加相符，因而具有更加丰富的应用场景，但其也存在矩阵完全对称等局限性.

为了弥补反距离权重矩阵的缺点，研究者提出了经济地理矩阵，将经济矩阵和反距离权重矩阵结合起来，更好地反映了空间效应的综合性及复杂性[23].

经济地理矩阵可采用

(15)

经济地理矩阵具有反距离矩阵的优点，同时能够体现不同经济发展情况的空间单元相互影响的差距，因此在本文研究中选用经济地理矩阵作为空间权重矩阵.

6 实证研究结果与分析

6.1 空间相关性

Moran’s I指数及其显著性是判断目标变量是否具有空间相关性常用参数. 选取核心变量为地区生产总值、劳动力投入、公路基础基础设施资本存量和物质资本存量，以经济距离矩阵为空间权重矩阵，计算其Moran’s I指数如表4所示.

表4 核心变量的Moran’s I指数Table 4 Moran’s I of core variables

从表4中结果可以看出，各核心变量均具有明显的空间相关性.

6.2 实证模型检验与选择

根据上文模型检验与选择方法，本文首先采用最小二乘法(ordinary least squares，OLS)方法进行模型估计，并进行LM检验和稳健的LM检验. OLS方法估计结果如表5所示.

表5 OLS估计结果Table 5 OLS estimates results

无论是针对SEM还是SAR的LM检验和稳健的LM检验，结果均拒绝原假设，说明模型具有明显的空间自相关性，因此表5中的估计结果是有偏的.

由于变量具有明显的空间相关性，分别建立SDM、SEM和SAR，并分别进行LR检验和Wald检验，SEM和SAR均被拒绝，应选择SDM.

为了确定应采用固定效应模型还是随机效应模型，采用Hausman检验的方法. 分别估计固定效应模型和随机效应模型，并进行Hausman检验. 检验值为226.68，p=0.000<0.1. 根据此检验结果，应选择固定效应模型.

6.3 模型估计及分析

根据以上检验结果，选择固定效应的SDM作为最终估计模型，对以上选定变量进行模型估计，结果如表6所示.

表6 模型估计初步结果Table 6 Preliminary results of model estimation

从结果中可以看出，产业集聚(le)、人力资本(edu)、城镇化水平(urban)3个变量及其空间滞后项均不显著. 因此，本文剔除以上3个变量，重新进行估计，并与SEM和SAR进行了对比，模型估计结果如表7所示.

从以上估计结果中可以看出，ρ或λ均为正值且显著，说明公路投资区域经济增长的影响确实存在空间溢出效应. 公路基础设施资本存量及其空间交互项的系数均为正值，说明公路投资建设对于经济增长具有促进作用. 从SDM与SEM和SAR估计效果对比来看，SDM的Log-likelihood值明显大于其他2个模型，效果最优.

从表7的结果可以看出，SDM中公路基础设施资本存量的水平项和空间交互项系数对经济增长均有显著影响，但由于SDM的回归系数并不能直接反映自变量对因变量的影响程度，需要进一步计算直接效应、空间溢出效应和总效应，这3种效应的计算结果如表8所示.

表7 空间面板计量模型估计结果Table 7 Estimation results of spatial panel econometrics model

从表8结果中可以看出，公路基础设施资本存量系数无论直接效应还是空间溢出效应均为正值且显著，说明公路投资建设对于经济增长具有明显的正向促进作用. 根据估计结果，公路基础设施资本存量每增加1元，不仅会推动本区域内经济增长0.048元，还会导致相邻区域经济增长0.147元，产生的总效应为0.195元. 作为对比，物质资本存量每增加1元，推动本区域内经济增长0.187元，会导致相邻区域经济增长0.001 65元，产生的总效应为0.189元.

表8 SDM的直接效应、空间溢出效应和总效应Table 8 Direct,indirect and total effects of the SDM

由以上结果可以看出，相对于其他基础设施投资，公路基础设施虽然直接效应较小，但是具有更大的空间溢出效应，总体效应与其他基础设施基本相当.

6.4 稳健性检验

为了检验研究结果是否稳定，从2个方面进行了稳健性检验.

1) 将反距离矩阵引入模型估计过程，以确认研究结果足够稳定. 将反距离矩阵引入后结果显示，SDM仍然是效果最优的模型；对SDM直接效应和空间溢出效应估计结果对比，可以看出估计系数结果大小有所改变，但其方向和显著性水平并未发生根本性的变化. 以上过程说明本文研究结果是稳健可靠的.

2) 在主要回归估计过程中，本文仅使用GDP总量作为被解释变量，计量结果可能存在度量误差问题. 为了保证本文主要回归结果稳健，本文将人均GDP为被解释变量进行稳健性检验，空间滞后项通过了显著性检验，与基本回归结果保持一致.

6.5 不同区域的异质影响

我国幅员辽阔，不同区域公路和经济发展存在较大的差异. 为了区分不同区域公路建设发展对经济影响的不同，在前文全国分省市研究分析基础上，根据我国东部、中部、西部区域划分情况，分别建立空间计量模型并进行分析.

为了保证与整体数据分析结果的可比性，在变量选取、空间权重矩阵构建的思路与整体数据分析一致. 产出为各省市、自治区的GDP，核心解释变量包括各省市、自治区年末就业人数，物质资本存量和公路基础设施资本存量，以及选取对外贸易和政府影响作为控制变量.

根据以上变量选择和矩阵设置，采用与整体数据相同的空间计量模型选择方法，最终确定选择SDM，其估计结果如表9所示.

表9 分区域公路投资对经济增长影响估计结果Table 9 Estimated results of the impact of regional highway investment on economic growth

从表9结果中可以看出，公路基础设施资本存量对经济增长的影响在不同区域存在较大的差异：在东部地区，无论直接效应还是间接效应均为负值且显著；在中部地区，无论直接效应还是间接效应均为正值，直接效应和总效应显著；在西部地区，直接效应为负值而间接效应为正值，直接效应、间接效应和总效应均不显著. 从结果可以看出区域内的公路投资影响与全国范围内有较大差异. 究其原因，我国经济整体性突出，不同区域间经济关联度较大. 因此，当仅进行区域内空间计量分析时，会使区域间空间溢出效应被忽略，从而导致计量结果差异较大.

7 结论及政策建议

1) 公路基础设施资本存量无论直接效应还是空间溢出效应均为正值且显著. 通过直接效应和空间溢出效应的内涵，公路基础设施投资对区域内经济增长的弹性为0.048 3，对其他区域经济增长的弹性为0.147 0. 这说明公路基础设施资投资不但会拉动区域自身经济的发展，更重要的是通过增强区域互联互通、降低运输成本、发挥产业链拉动作用，从而促进整体区域经济的增长.

2) 与OLS估计结果对比可以看出，SDM公路基础设施资本存量的直接效应小于OLS估计结果，说明由于OLS方法未考虑空间效应而高估了公路投资建设的直接影响；基于同样的道理，SDM公路基础设施资本存量的总效应大于OLS估计结果，说明OLS对公路投资建设对整体经济的促进作用是估计不足的.

3) 通过对公路基础设施资本存量与物质资本存量的直接效应和空间溢出效应对比可以看出，相对于公路基础设施，物质资本存量区域内经济增长的弹性更大，而对其他区域的弹性较小且不显著；从总效应来看，公路基础设施资本存量与物质资本存量近似相等，这说明考虑了空间效应后，两者对整体经济的促进作用是基本相当的. 从分区域估计结果可以看出，受不同区域发展程度影响，公路基础设施对经济影响存在一定差异.

根据以上研究结论，本文提出针对我国公路基础设施投资建设相关政策建议如下：

1) 从本文研究结果可以看出，公路基础设施不但可以促进所在区域经济发展，对于相关区域的经济增长同样具有较大的推动作用. 继续坚定地推进公路基础设施发展，不但有利于推进我国经济继续稳定发展，也有利于区域间经济的平衡. 由于公路基础设施外部性特点的存在，在制定公路发展规划和相关政策时，应更多地从整体经济发展角度进行考虑，尽可能增加涉及到的经济主体数量，从而提升相关区域的整体性及经济发展质量. 当涉及较大范围区域时，需要中央政府有关部门给予统筹安排.

2) 公路是区域经济增长的重要基础性设施，其对经济增长的促进作用受到区域经济环境多种因素协同作用的影响. 根据本文研究可以看出，近年来密切相关的经济环境因素主要是政府投入和对外贸易，尤其是政府投入对经济增长具有良好的撬动作用. 在公路基础设施投资建设的同时，通过政府投入引导其他经济因素的投入，才能真正发挥公路对经济增长的促进作用.

3) 从不同区域分析结果中可以看出，东部地区公路设施情况已经较为完善，更多公路投资对经济的拉动作用已经对其他投资的挤占效应，基础设施建设可向新基建等领域拓展延伸；中部地区正处于经济和基础设施快速发展的阶段，继续保持公路基础设施投入可以为经济持续稳定发展提供支持；西部地区则应进一步加大公路基础设施投资力度，缩短突破“临界点”的时间，从而促进经济由“平均化”向“集聚化”发展. 而通过分区域与全国结果对比可以看出，随着全国范围内经济联系的不断增强，更大范围内的空间外部性已经凸显. 因此，跨区域间的公路基础设施建设将有助于各区域的经济发展和平衡.