长三角地区基础设施投入对经济增长影响研究

王钧天 曾 宁 谭戈平

(澳门科技大学 商学院，中国 澳门 999078)

一、引言

2020年5月14日以来，中央多次强调要逐步形成“以国内大循环为主体、国内国际双循环相互促进的新发展格局”。“双循环”新发展格局的提出，既是为了适应日益复杂的国际形势，也是基于国内经济发展的客观需要，为我国“十四五”时期的发展进一步指明了方向。该格局的建立需要充分发挥好我国的超大规模市场优势，以扩大内需作为战略基点，通过国内国际双循环来共同推动经济的高质量发展。在此背景下，区域发展进入了新的阶段，形成了融入“双循环”战略的基本样态。围绕“双循环”战略而制定的区域发展策略需要更加注重区域一体化进程，建设好区域“循环”枢纽，从而以区域“循环”来促进国内国际“大循环”。长江三角洲地区(以下简称“长三角”)包含上海市、江苏省、浙江省和安徽省全域，是我国最发达的区域之一，在“双循环”新发展格局中具有十分重要的战略地位。2019年12月，中共中央、国务院印发了《长江三角洲区域一体化发展规划纲要》(以下简称《规划纲要》)，标志着长三角区域一体化进程加快。在《规划纲要》中提到，提升基础设施互联互通水平是增强区域一体化发展的支撑保障。基础设施建设能够提升区域可达性和加强区域间联系，从而实现区域间各类要素的有效配置。基础设施的建设离不开投资，大规模的基础设施投资既可以帮助打通国内生产、分配、流通、消费等有关国民经济循环的各个环节，也可以加强国内市场与国际市场的联系，是促进国内国际“双循环”新发展格局建立的重要保证。

表1为2019年全国和长三角各项基础设施发展指标的汇总。(2)①本文选取交通基础设施密度、人均能源消费量和人均邮电业务量来衡量交通、能源和信息三类基础设施发展水平。其中，各区域交通基础设施密度计算方法为：(区域内铁路营业里程、公路里程和内河航道里程之和)/区域的国土面积。人数选择各区域年末总人口数。由表1可以看出，长三角地区的基础设施发展水平高于全国整体水平。基础设施一体化对区域经济高质量发展的整体效率提升具有促进作用。近些年，长三角地区基础设施互联互通水平不断提高并且各省市之间的差距不断缩小。图1为2002—2019年长三角部分基础设施与经济发展指标的变异系数。[1]由图1可以看出，长三角各省市之间的经济和基础设施发展的变异系数总体来说呈现不断下降的趋势，说明长三角各省市之间经济和基础设施发展的差异不断变小，一体化程度在不断提升。综上所述，长三角基础设施的发展在全国处于领先水平，这离不开长三角地区一直以来对基础设施的大量投资，但是区域内部依然存在基础设施发展不平衡的问题。在新发展格局下，长三角基础设施的发展进入了新阶段，需要更加合理安排基础设施投入来缩小内部差距，提升联通水平，从而更好地促进经济高质量增长。研究长三角地区基础设施投入对经济增长的影响，不仅对长三角地区在“双循环”战略视角下的区域发展策略具有现实意义，也对全国其他区域的基础设施发展策略具有借鉴作用。因此，本文研究问题如下：(1)长三角地区的基础设施投入是否对区域经济增长还具有促进作用？(2)长三角各省市的各类基础设施投入对经济增长的贡献度如何？(3)长三角地区应该制定怎样的基础设施投资策略？

表1 2019年全国和长三角各项基础设施发展指标汇总

图1 长三角经济与基础设施发展指标的变异系数

2020年4月17日召开的中共中央政治局会议上提出要加强传统基础设施和新型基础设施投资，二者的配套能够稳固经济基础，共同为“双循环”战略提供动能支撑。本文选择以下四个行业的全社会固定资产投资来界定基础设施投资：(1)交通运输、仓储和邮政业；(2)电力、燃气及水的生产和供应业；(3)水利、环境和公共设施管理业；(4)信息传输、计算机服务和软件业。之所以选择这四个行业，本文基于两方面因素考虑：第一，这些行业包含重要的传统基础设施，如交通、水利、能源等重大工程建设，这些工程仍是稳定生产和保障民生的重要项目。第二，相比于传统基础设施，以新发展理念为引领的新型基础设施更加注重数字技术和科技创新，在经济发展中的重要性愈发凸显。关于新型基础设施范围的界定，国家发改委经过研究认为有以下三种类型：信息基础设施、融合基础设施和创新基础设施。信息基础设施为基于新一代信息技术演化生成的基础设施，如5G网建设、大数据中心和人工智能。融合基础设施则是深度运用数字技术来对传统基础设施进行升级，如智慧交通和智慧能源基础设施。创新基础设施则是用来支持科学研究的公益性基础设施，如重大科技基础设施。本文所选择的四个行业能够较好地反映这三类新基建，并且近年用于建设新型基础设施的投资比例大幅上升。

本文的研究思路如下：首先，通过永续盘存法估算出基础设施资本存量。之后，以柯布-道格拉斯生产函数为理论模型，分析长三角各区域基础设施资本存量对经济增长的影响作用。其次，对各省市的各类基础设施资本存量单独进行回归，估算出各类基础设施资本存量的产出弹性。最后，通过分析实证结果，为区域经济发展提供一些政策建议。

二、文献综述

基础设施投资对经济增长的影响一直受到广泛关注。由于美国基础设施发展较早并且该国拥有较为完整的统计数据，早期的文献以美国为主要研究对象。Aschauer[2]将公共资本从总资本中抽离出来并单独放入生产函数中，通过对美国1949—1985年的数据回归，作者发现核心基础设施资本存量(公共资本存量的重要组成部分)的产出弹性系数为0.24。之后，Munnell和Cook[3]分析了美国48个州的数据后，也得出了相似的结论。然而，一些学者对基础设施显著的正向影响提出了质疑。[4-6]随着其他国家基础设施的快速发展以及全球化进程的加快，越来越多的学者开始进行多国研究。[7-11]

中国基础设施建设自改革开放以后快速发展，尤其是1998年我国实行扩张性财政政策后，大量资金被运用于基础设施领域。早期有关我国基础设施对经济增长影响的研究主要是采用定性分析[12-14]，之后越来越多的学者开始将定量与定性分析结合起来进行研究。姜轶嵩和朱喜[15]对中国1985—2002年的基础设施资本存量进行了估算并通过回归得出基础设施投资的产出弹性为0.13。范九利和白暴力[16]在估算全国基础设施投资的产出弹性为0.187的基础上，又将全国分为东中西三个地区进行比较，得出西部地区产出弹性系数最高。胡李鹏等人[17]的估算结果则显示西部地区基础设施存量的投资回报率最低。Démurger[18]对中国24个省份的数据进行回归发现基础设施禀赋是解释各省经济增长差异的原因之一。Ouattara和Zhang[19]选择1985—2012年中国29个省份的数据构建综合基础设施指数，通过实证发现基础设施的边际生产率存在省级差异。与国外学者的质疑类似，有些国内学者对中国基础设施的显著正向产出弹性提出了质疑，他们认为基础设施投资不能对经济增长一直具有促进作用，二者之间应该存在“倒U型关系”，即基础设施发展对经济增长的影响存在着一个“拐点”。当基础设施投资过了“拐点”之后，其对经济增长的拉动作用会减弱，高强度的投资甚至会对经济增长产生抑制。[20-22]除了对基础设施投资进行总体分析以外，一些研究也会关注于特定的某一类基础设施。在各类基础设施中，交通基础设施一直是研究的重点。[23-25]此外，还有水利[26]和电信[27]等影响民生的重大基础设施。也有学者会对各类基础设施对经济增长的影响进行比较分析。刘生龙和胡鞍钢[28]构建了衡量交通、能源和信息基础设施发展水平的指标，通过系统GMM与一阶差分GMM方法得出交通和信息基础设施对中国经济增长具有显著溢出效应，但能源基础设施则具备不显著的正外部性。张津瑞和施国庆[29]考察了长江经济带不同时期交通、能源和水利环境基础设施资本存量与经济增长的关系，认为不同类型基础设施资本存量对区域经济增长的空间效应存在明显区别。

从现有文献可以看出，国内外学者并没有确定基础设施投入对经济增长的影响效果。此外，国内研究较少从区域经济合作的角度去关注基础设施建设对经济增长的影响，即使有若干学者已采用省级层面的面板模型来研究此题目，但他们所采用的估算方法也较少考虑区域间的经济联系。本文在前人研究的基础上进行了以下几点创新：首先，本文对长三角区域内各省市的基础设施存量进行了更加系统和科学的估算。其次，考虑到各时间序列含有随机趋势项(一阶单整)，本文运用了动态最小二乘法(DOLS)来评估基础设施投入对区域经济增长的贡献程度。最后，为了单独评价各省市基础设施投入对区域经济增长的贡献程度，本文运用似不相关回归方法(SUR)将各省市的时间序列模型结合起来一起进行估算，从而克服了许多文献运用面板回归方法只能从全国整体层面估算出参数的问题。SUR实证模型既可以单独评估各省市基础设施投入对经济增长的影响(每个地区都有一条独立的时间序列方程)，又考虑了各省市之间经济活动的联系(联合估算)。此外本文也运用SUR-DOLS方法进一步评估了长三角各省市各类基础设施对区域经济增长的拉动作用，为长三角地区如何安排基础设施投资结构提供了具体建议。

三、研究设计

(一)生产函数模型

参考Munnell[30]的研究，本文将基础设施资本存量从总资本存量中分离，将其作为一种生产投入要素单独放入生产函数中，得到以下函数模型：

Y=A×f(G,K,L)

(1)

其中，Y代表总产出，G、K、L分别代表基础设施投入，非基础设施投入和劳动力投入。A代表技术进步并且我们假设为希克斯中性(Hicks-neutral)，将函数转变为柯布-道格拉斯生产函数形式，可得：

(2)

公式中本文假设Ait=Ai0et，表示技术水平随着时间而提高。Y代表实际地区生产总值；G和K分别代表是实际基础设施资本存量和非基础设施资本存量；L为就业人数；下标t和i分别代表时期和区域。a、b、c分别表示基础设施资本存量、非基础设施资本存量和劳动力的产出弹性。将方程转为对数形式，可得：

lnYit=lnAit+alnGit+blnKit+clnLit+uit

(3)

本文假设生产函数规模报酬不变，即a+b+c=1。此外，由于没有Ait的数据，本文采用常数项加时间趋势项(αi+φit)来模拟lnAit，公式转化为：

lnYit-lnLit=αi+φit+a(lnGit-lnLit)+b(lnKit-lnLit)+uit

(4)

令y=Y/L,g=G/L,k=K/L,可以得到：

lnyit=αi+φit+alngit+blnkit+uit

(5)

在这里，yit代表人均实际地区生产总值，git为人均实际基础设施资本存量，kit为人均实际非基础设施资本存量。

(二)DOLS估算方法

动态普通最小二乘法(DOLS)被Stock和Watson[31]提出用来研究宏观变量之间的长期关系，该方法将一阶差分后的解释变量的超前期和滞后期同样作为解释变量放入模型中，DOLS模型如下：

(6)

其中，Yt代表着被解释变量，Xt为所有解释变量的集合，系数θ为长期累积乘数(cumulative multipliers)，即代表着解释变量Xt改变时对被解释变量Yt的长期影响。ΔX则为所有解释变量的一阶差分的集合，下标p和j分别代表滞后期和超前期的长度，考虑到本文时间序列长度较短，超前期和滞后期长度都选择为1期。

(三)SUR估算方法

本文选择似不相关回归模型(Seemingly Unrelated Regression model，SUR)对各省市时间序列进行分析。(3)①SUR模型由Zellner(1962) [32]提出。本文选择SUR模型参考了Dority等人[33]的研究，理由如下：第一，本文的横截面单位(cross-sectional units)只有四个，数量较少。第二，本文的横截面单位是四个相邻的省份，而典型的面板数据模型假设单位从总体中随机抽样，并且聚类标准误差法对跨单位间协方差施加零相关限制。由于上述原因，本文选择SUR模型更加合适。模型含义为存在一个线性方程组，其误差在给定个体的方程之间是相关的，但在个体之间是不相关的。模型的一般形式如下：

yi=Xiβi+uii=1,…,N

(7)

其中，其中yi和ui是T维向量，Xi是T×Ki，βi是Ki维向量。将N个方程叠加可以得到以下形式：

(8)

公式(8)可以简洁地表示为：

y=Xβ+u

(9)

(四)变量说明

本文选取长三角三省一市的季度数据(2002Q1-2019Q4)，包括各区域地区生产总值、各类资本存量、就业人数和平减指数(4)②Datastream数据库提供的价格平减指数为2010=100。，数据来源为国家统计局网站、中国统计年鉴、各省市统计年鉴和Datastream数据库。变量说明如下：

1.总产出Y为各地区生产总值(单位：亿元)。各地区的名义地区生产总值季度数据由各地区生产总值的年度数据进行拆分得出。国家统计局从2005年第一季度开始统计各地区生产总值季度累计值数据，所以2005年开始的各地区季度生产总值计算方法为：以本季度与上一季度累计值差额占年末累计值的比重对年度地区生产总值进行拆分得出。2005年以前的季度数据参考2005年至2019年各季度地区生产总值占全年地区生产总值的平均比重进行拆分估算。

2.劳动力投入L选择各省市季度就业人数(单位：万人)。本文使用Datastream数据库提供的区域季度城镇单位就业人数对各省市年度总就业人数进行拆分，计算方法为：各省市某年某季度就业人数=(该年该季度城镇单位就业人数/该年第四季度城镇单位就业人数)×各省市该年总就业人数。Datastream数据库提供的就业季度数据是不连续的，对于缺失数据，采用各省市各季度城镇单位就业人数占第四季度人数的平均比重与缺失年份各省市年度总就业人数相乘得出。

3.各类资本存量的测算(单位：亿元)。本文采用永续盘存法对各类基础设施和非基础设施资本存量进行估算，每个区域的资本存量计算公式如下：

(10)

其中，kt为t时期的期末资本存量，It为t时期的实际投资额，δ为折旧率,上标n表示资本种类。关于折旧率δ，本文借鉴张军等人[34]的研究，将其统一设为9.6%。对于基期资本存量k0的测算，本文参考了金戈[35]的做法，假设经济处于稳态增长，资本增长率等于投资增长率。进而利用基年(2002年)实际投资额除以折旧率与增长率之和得到基期资本存量。值得注意的是：基期资本存量是基年的年初资本存量即为上年年末的资本存量。基期资本存量可以由公式(10)推导得出：

(11)

(12)

(13)

关于基础设施投资行业范围的界定。由于2003年国民经济行业统计口径发生变化，本文参考了金戈[36]和胡李鹏等人[17]的研究，2003—2019年选择了以下四个行业：(1)交通运输、仓储和邮政业；(2)电力、燃气及水的生产和供应业；(3)水利、环境和公共设施管理业；(4)信息传输、计算机服务和软件业。2002年则选择以下三个行业：(1)电力、煤气及水的生产和供应业；(2)地质勘查业、水利管理业；(3)交通运输、仓储及邮电通信业。本文采用相应行业的全社会固定资产投资额作为当期投资。非基础设施投资为扣除基础设施投资的其他行业全社会固定资产投资 。2017年以后的统计方式改为统计各类固定资产投资增速并且增加了基础设施行业的统计，本文假定2017年以后统计的固定资产投资增速与全社会固定资产投资增速相同，使用永续盘存法计算出的各类资本存量为年度数据，季度数据则使用移动平均法对年度数据进行拆分估算。

四、实证分析

(一)数据平稳性检验

为了避免时间序列回归结果出现“伪回归”问题以及保证t检验的有效性，要对时间序列各变量进行平稳性检验，即单位根检验。本文选择DF-GLS单位根检验对变量进行平稳检验，原假设是变量存在单位根，即不平稳。表2报告了单位根检验结果，除部分变量以外，大部分变量在10%的显著性水平下接受原假设。接下来再对所有变量进行一阶差分，结果显示在一阶差分情况下，长三角各区域的所有变量都在1%的显著性水平下拒绝原假设，可以得出所有时间序列变量均不平稳(一阶单整过程)。

表2 单位根检验结果(DF-GLS统计量)

(二)数据长期均衡关系检验

当各宏观变量不平稳时，可以进一步检验变量之间是否存在长期均衡关系(协整关系)。如果变量存在协整关系，实证模型可采用DOLS法进行建模以估算它们之间的长期均衡关系。此外，用该方法建模可以对所估算的参数进行t检验(即t检验是有效的)。本文选择E-G两步法进行协整检验。E-G两步法主要步骤为：第一步先对变量进行OLS回归获得残差序列，第二步再对残差序列进行ADF单位根检验。如果残差存在单位根，则认为变量之间不存在协整关系(长期均衡关系)。表3为协整检验结果，tau统计量(tau-statistic value)表明所有时间序列方程都在1%的显著性水平下拒绝了“有一个单位根，即不存在协整关系”的原假设，从而证明各宏观变量存在协整关系(长期均衡关系)。

表3 E-G协整检验结果

(三)回归结果分析

实证分析分两步进行。首先，对长三角整体进行实证分析，考察区域整体基础设施资本存量对经济增长的拉动作用，第二部分是将区域内的三省一市的数据分开，用生产函数进行建模，以比较各省市基础设施投入对经济增长拉动作用的差异。考虑长三角各省市经济发展的紧密联系，用SUR模型把4条方程的参数进行联合估算。

表4报告了长三角整体基础设施资本存量对经济增长的正面拉动作用。表4结果可以看出，长三角整体区域的基础设施资本存量的产出弹性系数约为0.23并且在1%的水平上显著。系数解释为在其他投入不变的情况下，基础设施资本存量增加1%，总产出将增加0.23%。此外，非基础设施资本存量的产出弹性系数约为0.48，表明非基础设施投入对经济增长也有显著的正向促进作用。由此可见，尽管长三角的基础设施发展水平较高，但是长三角的基础设施投资依然能够显著地促进区域的经济增长。

表4 长三角整体基础设施资本存量对经济增长影响作用的估算

表5为长三角三省一市的SUR-DOLS模型回归结果。结果表明各省市人均基础设施资本存量的产出弹性都显著为正，可见各省市基础设施投资对经济增长都具有显著的促进作用。在四个区域当中，浙江的基础设施资本投入的产出弹性系数最高，剩下依次为江苏、安徽和上海。通过对回归结果进行分析可以看出：浙江的基础设施资本投入对经济的促进作用最大，产出弹性为0.321 7。这与“十二五”以来浙江大力加强基础设施投资规模有着紧密关系，浙江在基础设施存量较大的情况下依然能够保持较为高速的投资增长，2019年浙江基础设施领域固定资产投资比上年增加10.2%。江苏基础设施资本投入的产出弹性系数为0.224 1，虽然最近几年江苏基础设施投资增速较低，但是存量较大，依然对经济增长有显著的拉动作用。安徽近年基础设施投资增速较快，但是由于其基础设施发展水平与其他省市相比较低，所以现在对经济的推动作用还没有十分显著，产出弹性系数为0.173 5。上海基础设施资本投入的产出弹性系数为0.140 4，在三省一市中对经济增长的贡献度最低。结合实际情况来看，上海基础设施发展较早并且较为成熟，所以基础设施资本投入对经济的拉动作用不如其他省市显著。上海基础设施领域的固定资产投资也由高增速逐渐转向了低增速甚至负增速，2019年为-0.9%。上海尽管基础设施投入对经济的拉动作用在三省一市中最低，但是上海近些年率先发展新型基础设施来助力数字经济建设，长期来看随着基础设施的转型升级成功，将会成为经济增长的新引擎。(5)①有关数据统计来源于中国统计年鉴。

表5 长三角各省市基础设施资本存量对经济增长影响作用的估算(SUR-DOLS法)

本文接着对长三角区域各省市的四类基础设施资本存量进行研究，表6介绍了四类基础设施资本存量的分类。表7显示了各省市每类人均基础设施资本存量对实际人均地区生产总值的回归结果(SUR-DOLS法)。结果表明，各省市各类基础设施资本存量的估计系数都显著为正。模型(1)报告了交通基础设施资本存量对经济的拉动作用。估计系数按大小依次为浙江、江苏、安徽和上海。模型(2)报告了能源基础设施资本存量对经济的拉动作用。估计系数按大小依次为上海、浙江、安徽和江苏。模型(3)报告了水利基础设施资本存量对经济的拉动作用。估计系数按大小依次为浙江、江苏、安徽和上海。模型(4)报告了信息基础设施资本存量对经济的拉动作用。估计系数按大小依次为浙江、安徽、上海和江苏。

表6 人均基础设施资本存量g的分类

表7 各省市各类基础设施资本存量对经济增长影响作用的估算(SUR-DOLS法)

续表

(四)稳健性检验

为了证明本文使用SUR模型的有效性，本文使用Breusch-Pagan检验[37]来检验残差的相关矩阵是否具有统计显著性，以作为使用SUR-DOLS模型的依据(而不是单独估算各地区OLS回归方程)。表8为表5中SUR-DOLS模型中各独立方程之间残差的相关矩阵和Breusch-Pagan检验结果，结果表明检验在1%的显著水平下拒绝原假设，即意味着误差之间存在统计上的显著相关性，来自每个SUR回归之间的残差都彼此显著相关，代表相同的非系统影响。Breusch-Pagan检验结果说明使用SUR模型所得到的系数将是一致和有效的。

(6)①表8为长三角三省一市测算人均基础设施资本存量(lng)对经济增长拉动作用的SUR-DOLS方程间残差的相关矩阵和Breusch-Pagan检验结果，单独测算四类人均基础设施资本存量产出弹性系数的SUR-DOLS模型的Breusch-Pagan检验结果均在1%的显著性水平下拒绝原假设，考虑文章篇幅并未报告。此外，本文使用完全修正最小二乘法( FMOLS) 来对主要实证模型进行稳健性检验。表9报告了用FMOLS法进行回归的结果，除了安徽省以外，其他区域基础设施资本存量的估计系数都显著为正。长三角各区域的基础设施资本存量产出弹性系数在0.13至0.45之间，非基础设施资本产出弹性系数在0.21至0.73之间。三省一市基础设施资本存量的产出弹性系数按照对各区域经济增长的贡献程度排名依次为浙江、江苏、上海和安徽。通过对比可以发现，FMOLS模型所得结果与使用SUR和DOLS模型得出的结果相近，因此本文采用的实证模型回归结果是稳健的。

表8 SUR-DOLS模型方程间残差的相关矩阵①

表9 长三角基础设施资本存量对经济增长影响作用的估算(FMOLS法)

五、结论与政策建议

本文研究了长三角地区基础设施投入对经济增长的影响。首先，分析了衡量基础设施发展情况的有关指标，通过对比发现长三角基础设施发展的水平高于全国平均水平，但是区域内各省市依然存在发展不平衡的问题。同时本文计算了长三角区域内基础设施和经济发展有关指标的变异系数，发现长三角区域内经济和基础设施发展的差距总体来说在不断缩小。之后，本文对长三角区域内各省市的基础设施资本存量进行估算并将其放入柯布-道格拉斯生产函数进行实证分析。实证结果表明：(1)通过DOLS模型发现长三角整体区域的基础设施资本存量对区域经济增长有显著促进作用，基础设施资本存量的产出弹性系数约为0.23并在1%的水平上显著，非基础设施资本存量对经济增长也有显著的促进作用，产出弹性系数约为0.48。(2)对长三角三省一市的实证模型运用SUR-DOLS方法进行估算。SUR-DOLS模型回归结果显示三省一市基础设施资本存量和非基础设施资本存量对区域经济增长的影响都显著为正。此外，长三角各省市基础设施资本存量对区域经济增长的贡献程度按大小依次为浙江、江苏、安徽和上海。(3)对长三角各省市的各类基础设施资本存量运用SUR-DOLS方法进行回归，发现各省市的各类基础设施资本存量对各自区域的经济增长都具有不同程度的促进作用。

实证结果肯定了长三角基础设施投入对区域经济增长的贡献，在此基础上提出以下几点政策建议：

(1)继续加大长三角地区的基础设施投资。首先，要保证传统基础设施的投资规模并且适当向融合类基础设施倾斜。尽管长三角在传统基建项目上的发展水平高于全国平均水平，但部分地区和部分类型的传统基础设施建设还存在明显不足，依然需要通过投入资金来进一步完善。通过分析可以看出长三角的传统基础设施已经发展到一定水平，存在部分传统基建投入对经济增长的促进作用不明显的情况，如果要持续对经济产生推动作用，之后的投资需要更加注重对传统基础设施的升级改造。其次，要加大对新型基础设施的投入力度。信息基础设施是新型基础设施的重要组成部分，本文实证发现各省市信息基础设施投入对经济增长都具有显著促进作用，要继续加大投资从而推动数字长三角的发展进程。

(2)进一步优化长三角各类基础设施投资结构。交通方面需要重点投资建设综合交通枢纽，加强长三角轨道、公路、机场和港口航道建设。能源方面在促进油气管网和区域电网联通的同时，还要对风能、太阳能、生物质能等新能源基础设施建设大力投资。水利方面，长三角区域内江河众多，水系发达，加强重大省际水利工程建设的投资，提升防洪(潮)和供水安全保障能力。信息方面要大力投资发展如5G网络等新一代信息基础设施并且共同推进长三角工业互联网建设。

(3)长三角各省市有针对性地进行基础设施投资。实证分析表明长三角区域内各省市的各类基础设施投资对各自省市经济增长的贡献程度存在差异，这也反映了各省市基础设施发展水平的不同。所以，各省市应该结合自身发展现状来进行基础设施投资，避免基础设施投资出现短缺或者过度。上海基础设施发展较早并且已经达到较高水平，应该重点关注对基础设施科技创新方面的投入。江苏与浙江基础设施较为发达，但是仍然存在省内基础设施发展不平衡问题，接下来依然要对基础设施薄弱环节进行“补短板”式投资，并且大力发展新型基础设施。安徽基础设施建设在长三角区域内相对较弱，但近些年投资力度不断加大，要继续保持各类基础设施的投资力度。

(4)继续推动长三角区域的基础设施一体化建设。基础设施的跨行政区域合作将会促进区域之间各种生产要素的双向流动，加强各区域之间的经济联系。既要大力投资如城际高铁、城市轨道交通等新型基础设施从而提高“双循环”效率效益，也要重点解决各区域交界处的基础设施衔接问题，避免成为区域发展的“堵点”，提高投资效率。这样既能够吸收外部要素从而加强自身经济竞争力，同时也能向外起到辐射作用，推动周边地区共同发展。