交通基础设施投资对我国不同地区和类型工业企业TFP存在异质性影响吗？

张雷宝，徐丽波，范燕丽

(1.浙大城市学院商学院，浙江 杭州 310018；2.浙江财经大学财政税务学院，浙江 杭州 310018；3.上海财经大学公共经济与管理学院，上海 200433)

一、引 言

交通基础设施投资是1998年以来中国实施以“扩大内需保增长”为核心目标的积极财政政策的重要内容。据统计，1998年中国交通基础设施固定资产投资额为2460.41亿元，随后交通基础设施固定资产投资额基本保持10%的年均增长率，至2018年增至23350.15亿元(见图1)。与此同时，1998—2018年间中国GDP从8.52万亿元增加到91.93万亿元。显然，交通基础设施投资对生产和生活均具有较强烈的外部正效应，对中国各地区经济社会的快速、均衡和可持续发展提供了可靠的物质基础，对中国各地区人民追求美好生活发挥了关键的促进作用。尽管我国学术界对上述观点存有基本共识，但交通基础设施投资的经济效应还需进一步的量化分析，其引致的各种结构性效应远比直觉性判断要更为复杂。应指出，全要素生产率(Total Factor Productivity，下文简称TFP)通常被认为是一国经济长期可持续增长的关键[1]，因而持续提高TFP往往是中国宏观经济政策的重要目标之一。

与之相关联，理论上一国或地区交通基础设施的完善不仅可以加快资本和信息技术等要素的流通，还可以促进不同性质和类型企业之间的市场竞争，通过区域一体化以及加速企业技术升级等途径提高辖区企业的TFP水平。基于此，本文将交通基础设施作为核心解释变量，以不同区域和所有制类型工业企业TFP为重要观测值，拟通过相关实证分析,较精确地测算1998年以来交通基础设施领域投资对不同地区和类型工业企业TFP引致的复杂效果(包括总体效应和结构效应两个不同层面)。

图1 1998—2018年全国交通固定资产投资额与增长率的趋势图

与已有文献相比，本文分别从总体效应和结构效应等不同层面更加精准地测度了交通基础设施投资对中国不同地区和类型工业企业TFP的实际经济效应，通过实证研究量化了交通基础设施对工业企业TFP值的影响，这对“十四五”期间进一步改善交通基础设施投资政策以及优化交通基础设施投资布局具有重要的政策参考价值。接下来，本文主要从以下几个方面渐次展开：第一部分是国内外文献的简要回顾及评述；第二部分是交通基础设施影响企业TFP的机理分析与研究假说；第三部分阐述相关面板数据处理过程；第四部分构建了面板数据固定效应模型并进行内生性讨论；第五部分是相关研究结论和政策讨论。

二、文献评述

交通基础设施既可从宏观层面对一国或地区经济增长产生直接影响，也可通过影响微观企业的运营效率(如TFP)以及存续状况从而对经济增长产生间接影响。为此，本文主要从宏观和微观两个层面对国内外文献进行简要的梳理。

从宏观层面研究来看，关于交通基础设施与经济增长之间关系的研究集中讨论了如下三个问题：交通基础设施是否促进了经济增长？交通基础设施在促进经济增长方面是否存在区域异质性？交通基础设施对地区经济增长是否存在空间溢出效应？

首先，关于交通基础设施是否促进经济增长这一问题，大多数研究者认为交通基础设施对经济发展存在促进作用，进而证明了交通基础设施可从多个方面促进经济增长[2][3][4][5][6]。尽管如此，亦有部分文献研究认为交通基础设施与经济增长的正向关系不明显，甚至存在一定的负向关系[7][8]。其次，从区域异质性角度来看，交通基础设施的完善不仅对中国东中西地区的经济发展有着不同影响，而且具有区域上的异质性[5][6][9]。有研究者通过实证研究发现交通基础设施是东部地区发展较中西部地区更好、中西部地区较为落后的原因[10]。最后，关于交通基础设施在空间溢出效应方面的研究，国外早于国内。国内外多数学者都认为交通基础设施的改善在经济上具有正向空间溢出效应[11][12][13][14]，只有极个别研究提出交通基础设施存在负向溢出效应[15]。因此，在政策制定过程中应将地区间的空间相关性纳入到交通基础设施及经济增长的分析框架中。

从微观层面研究来看，多数学者都集中于探讨交通基础设施与微观企业经营效率之间的相互关系。沿此逻辑主线，本文简要归纳了现有文献如下两种主要研究方式：一是从企业经营决策角度来解释交通基础设施与企业TFP[16][17]、企业库存[18][19][20][21]、企业总产出[22]、企业投资区位[23]等指标之间的复杂关系；二是从企业外部的资源配置效率角度探讨交通基础设施与工业企业生产之间的内在关系。有研究者发现增加交通基础设施建设提升了市场可达性，能够有效促进资源的配置和使用，从而促进了企业经济增长[24][25][26]。从工业企业TFP的发展潜力出发，消除资本要素和劳动要素的错配能够提高工业企业的TFP水平[27]。

通过上述文献的简要回顾，可以发现交通基础设施与经济增长的关系研究已成为揭示区域经济增长显性基因或隐性密码的重要源泉。尽管已有相当多学者开始着眼于交通基础设施与工业企业TFP以及区域经济增长之间关系的揭秘研究，但现有文献研究仍存诸多不足或薄弱之处：(1)碍于交通数据的可得性，已有研究范围多限于某一省份或某一区域，较少从微观数据层面关注全国不同地区之间交通基础设施对工业企业TFP影响的结构性差异；(2)现有文献关于工业企业TFP及其影响因素研究所用数据的时间跨度大多停留在1998—2007年间，这一数据难以阐释和解释2008年美国金融危机冲击下中国重启积极财政政策后公共交通基础设施投资引致的新变局；(3)目前该领域大多数研究者尚未深入探究交通基础设施对不同类型所有制工业企业TFP带来的异质性影响。也就是说，从不同所有制类型企业角度对交通基础设施与工业企业TFP之间的关系有待进行更深入、系统的实证研究。那么，交通基础设施建设对不同地区和不同类型所有制企业的影响是否存在异质性？如果这种异质性显著地存在，又是哪些复杂因素导致了这种异质性的发生？换而言之，如何较有说服力地解释公共交通基础设施对不同地区和类型工业企业TFP的这种异质性影响？总体上，本文在克服已有文献局限性的基础上试图回答或解答上述学理性问题。

三、交通基础设施影响工业企业TFP的机理分析与研究假说

立足微观企业视角，高速便捷的公共交通基础设施能够通过降低企业库存、改善企业运输条件、扩大企业产品销售范围等多种途径给工业企业带来更高的经营收益。首先，一个更加便利的交通运输系统不仅可以通过降低企业的库存采购成本，直接节省货物运输成本，而且可以减小货物运输中的不确定性，缩短了货物运输时间，使企业可以缩短采购库存的提前期，从而降低库存水平[19]。其次，交通基础设施的日益完善改进了企业运输条件，缩短了不同地区之间的交通运输距离，因此企业不仅缩短了货物的运输时间，而且可以在相同货运需求的情况下适当减少货运司机的雇佣量，或者减少货运司机的用工时间，进而减少了职工薪酬的支出，间接地降低企业运输成本[28]。企业交通运输成本的下降能够使企业把产品销售范围扩大到更远的市场地区，增加企业销售商品的利润。最后，本地企业的产品和外地企业的产品之间能够加速流通，商品之间的流通使生产互补品的企业都得到利润提升，使生产互为替代商品的企业形成竞争，加快企业进行技术创新，被动提升了辖区工业企业的TFP水平。在此情况下，研究交通基础设施投资与工业企业TFP之间的关系就显得既必要又重要。结合已有文献和上述剖析，本文提出如下假说：

假说1：交通基础设施通过降低企业库存、提升企业运输条件、扩大企业产品销售范围等路径能在总体上提升工业企业的TFP水平。

基于经济地理环境的客观差异，中国公共交通基础设施投资存在较大的区域差异性。例如，中国东部地区地势较平坦，交通基础设施建设成本低、难度小、效率高，从而使得该地区交通基础设施相对更加完善且分布密度较高；中西部地区地势较高且山区较多，交通基础设施建设相对就成本高、难度大，由此导致交通基础设施投资就较少，总体上的交通密度就较低(尤其是经济欠发达、人烟较稀少的西部地区)。图2中，中国各地区的交通密度分布情况图基本印证了上述观点，即中国不同地区交通密度指标的大小依次为：东部>中部>西部。基于此，近年来，我国中央财政逐步加大了对中西部交通基础设施的政策性投资，并将之视为解决区域发展不平衡问题(包括脱贫减贫)的重要抓手。显然，特定区域内周边交通基础设施的完善程度往往是影响企业经营决策行为的重要因素之一。考虑到交通不便情况下工业企业会支付更多的交通运输成本，工业企业决策者往往会更倾向于把涉及交通运输相关的业务部门选址定在交通基础设施较完善地区。尽管国内学者关于交通基础设施对不同地区经济增长之间的影响差异观点不一[5][6][9]，但大多学者都倾向于认为交通基础设施对经济发达地区工业企业的促进作用更显著。为此，本文提出如下假说：

假说2：交通基础设施对不同地区的企业TFP水平会产生一定的异质性影响。

改革开放至今，公有制为主体且多种所有制企业共同发展的格局已经形成并相当稳固，但公有制企业或国有经济的总体效率仍是学者们争论的焦点。如果说国有制企业的效率低下是一个可观察且较普遍的现实问题，需要回答是什么因素造成了国有制企业的效率低下。显然，表面上的效率低下既源于一些合理性因素(如国有制企业因为承担了较多社会责任或追求社会效益而主动地牺牲了部分经济效益)，也源于国有企业总体上的经济资源误置程度较严重、创新程度相对不足等不合理性因素[28]。考虑到交通基础设施对企业资源配置效率存在的显性和潜在积极影响，不同类型所有制工业企业的利用效率是否存在显著差异？为此，本文提出如下假说：

假说3：交通基础设施对不同所有制企业TFP水平存在一定的异质性影响。

结合前述讨论，本文将交通基础设施对工业企业TFP的总体效应和结构效应及其假说总结于图3。

四、数据说明及描述性统计

本文所用交通基础设施样本数据源于《中国统计年鉴》，工业企业样本数据则源于1998—2015年中国工业企业数据库。该数据库具有数据时间跨度长、企业涉及广和指标数量多等特点，对有关工业企业TFP研究提供了较大便利。应指出的是，尽管中国工业企业数据库中数据庞大，但由于其存在一定程度的数据混乱、关键数值缺失等问题，在进行实证研究时需对原始数据进行处理，以得到测度工业企业TFP所需的可靠数据。本文参考已有学者的做法[29][30]，对样本企业设置以下两个限制条件：(1)就业人数和固定资产为正值；(2)增加值和销售额的比率须大于0小于1。此外，根据部分研究者处理数据的剔除标准，剔除掉关键财务指标缺失或者为0、固定资产净值大于总资产、累计折旧小于当期折旧以及就业人数少于8人的企业数据[31]。

图3 交通基础设施对工业企业TFP的总体效应和结构效应框架图

核心解释变量的数据来源及其处理也是影响研究结论可靠性的关键问题之一。在现有研究中，衡量交通基础设施的指标主要有交通基础设施公共投入、交通基础设施存量和交通密度三种。由于交通基础设施的投入包括公共投入和私人投入，因此仅用交通基础设施的公共投入来衡量交通基础设施会产生系统性误差问题。本文借鉴已有研究的处理方式，以企业所在省份的交通密度指标来度量企业的交通通行状况，将其作为本文研究的核心解释变量，并用辖区内的铁路、公路和内河航道的里程之和除以各省份国土面积得到相关变量值[32][33]。

在使用企业层面微观面板数据之前，用合理的方式对不同年份的同一工业企业进行匹配是至关重要的一步。目前大多文献都利用企业的名称、地址、电话、法人代表姓名等信息对工业企业数据进行匹配[34][35]。考虑到中国工业企业数据库得到的数据没有“法人代码”“企业名称”等信息，但有“工业企业标识码”(即每家企业都有的唯一身份标识码)这一关键匹配变量，因此，本文慎重选取了“工业企业标识码”这一关键变量进行样本数据匹配。与以往研究相比，本文的匹配方法既减少了研究工作量，又提升了匹配结果精准度。在对庞大微观数据进行处理之后，本文以1998—2015年全部国有企业及规模以上非国有工业企业作为分析样本，共有375.87万组观测值，按照原始数据“工业企业标识码”统计，合计5.95万家企业，平均每家企业持续经营6.31年。

在TFP测算方法选择上，已有文献主要采取OP方法[36][37]、LP方法[1][30]和DEA-Malmquist指数法[38][39]等三种不同路径。比较而言，DEA-Malmquist指数法的优点在于能够将TFP的变动分解，便于研究TFP变动的源泉。但本文研究目的不在于探究工业企业TFP本身的影响机制，而在于研究交通基础设施对工业企业TFP影响的经济效应，因此使用LP方法或者OP方法更为合理。由于已有研究都指出OP方法在有效观测值方面优于LP方法[37][40]，本文使用OP方法对研究期间的工业企业TFP值进行测算。

还应指出的是，碍于数据的可得性，中国工业企业数据库中2010年的变量缺失现象严重，本文在构建面板数据后，将2010年的数据剔除，并把2009年和2011年视为连续年份处理[41]，原有375.87万组观测值，删除2010年数据后剩余343.22万组观测值。同时，本文参照外国文献的做法[42]，对计算得到的TFP进行了极端值处理，替换位于前后1%分位的异常值，即对小于1%的数用位于1%分位的值赋值，对大于99%的数用位于99%分位的值赋值。

变量的描述性统计见表1。

表1 相关研究变量的描述性统计

五、模型设定及结果分析

(一)模型设定与实证结果分析(1) 限于篇幅，本文未报告稳健性检验结果，作者备索。

本文旨在研究交通基础设施与工业企业TFP之间的复杂效应。为精准度量交通基础设施对工业企业TFP的实际影响，本文参考国内外学者的实证模型[5][43]，同时借鉴研究者们关于交通基础设施与企业库存关系的研究思路[19][20]，本文构建如下基本模型：

lnTFPit=β0+β1lnTrafficjt+β2Pjt+β3Eit+μt+vj+εit

(1)

其中，lnTFPit表示工业企业i在第t年的TFP；Trafficjt表示工业企业i所在省份j第t年的交通密度；Pjt为一系列省级控制值变量，具体包括工业企业所在省份的人均GDP、外商直接投资占GDP比重、第二产业增加值占GDP比重、单位等级公路民用汽车拥有量、固定资产投资总额和环境污染治理投资总额等变量；Eit表示企业层级的控制变量，具体包括企业规模、企业年龄和企业总资产等变量；μt和vj分别表示年份固定效应和省级固定效应，目的是消除不随时间变化的地区异质性；εit表示随机误差项。此外，模型中的估计参数β1系数，其大小表示交通基础设施对工业企业TFP的影响程度，即β1越大说明交通基础设施投资对工业企业TFP的影响就越大。β1的正负值代表着交通基础设施对工业企业TFP的影响方向。β1为正表示交通基础设施的完善促进了工业企业TFP的提升。相反，β1为负表示交通基础设施投资抑制了工业企业TFP的提升，即对宏观或区域经济发展可能产生了一定程度的抑制效应。

在重点考虑交通基础设施分布密度影响的情况下，企业所在地区的经济发展特征、外商投资情况、第二产业发展状况、交通拥挤程度、固定资产状况、环境规制强度等省级层面因素以及企业经营规模、企业成立时间、企业总资产等企业层面微观因素都会对工业企业的TFP产生重要影响。为此，本文采用人均GDP对数(lnGDP)来衡量该地区的经济发展特征，采用外商直接投资占GDP比重(FDI)来衡量外商投资情况，采用第二产业增加值占GDP比重(Industries)来衡量企业所在省份第二产业的发展状况，采用单位等级公路民用汽车拥有量对数(lnAutomobile)来表示企业所在省份的交通拥挤程度[4]。不难发现，在交通密度给定的前提下，辖区民用汽车越多说明交通越拥挤，从而会加大企业在运输上的时间成本，并意味着更多的企业库存，最终会降低工业企业TFP水平。此外，本文还用企业所在省份固定资产投资总额对数(lnFixed_assets)和环境污染治理投资对数(lnPollution)来分别表示各地区的固定资产状况、环境规制强度[44]。在微观企业层面，本文使用企业当年职工总人数对数(lnEmployee)和总资产对数(lnTotal_assets)控制了企业规模[19]，用企业年龄对数(lnAge)考虑企业成立时间的影响。

基本模型的回归结果如表2所示。在未加入任何控制变量的前提下，模型(1)的结果显示交通密度的增加显著增加了工业企业TFP。交通密度指标每增加1%，工业企业TFP会增加5.63%。这一结果与已有文献的研究结果较为一致[16][45]。这里，本文采用全国省级交通密度指标作为核心解释变量，相对来说更全面地说明了交通基础设施与工业企业TFP之间的复杂关系。在模型(2)和(4)的回归结果中，工业企业所在省份的人均GDP、外商直接投资占GDP比重、第二产业增加值占GDP比重和工业企业所在省份固定资产投资总额对工业企业TFP均呈现了正向效应，基本符合研究预期。事实上，第二产业增加值占GDP比重越大，工业企业所在省份固定资产投资总额越多，工业企业TFP相应也就越大。单位等级公路民用汽车拥有量对工业企业TFP呈显著负向影响，表明交通越拥挤，工业企业运输效率越低，从而引致了更低的工业企业TFP水平。此外，区域环境质量状况与工业企业发展之间也存在一定的内在联系。工业企业的运作往往会造成一定的环境污染，因此环境污染治理投资越多，总体上说明工业企业自身发展质量较好，相应地工业企业TFP也就越大。模型(2)和(4)的回归结果也印证了这一点。对于模型(4)，同时加入省级和企业两个层面的控制变量之后，核心解释变量(lnTraffic)的回归系数变化不大，说明控制变量的选取较为合理。模型(4)中，交通密度每增加1%，工业企业TFP就增加5.63%，说明交通基础设施的增加能够有效提升工业企业的运营效率和发展质量。总体上，上述模型结果很好地解释了交通基础设施对工业企业TFP存在显著的正向影响关系，验证了本文假说1。

表2 基本模型回归结果

(二)地区异质性分析

为进一步讨论交通基础设施对工业企业TFP影响的地区异质性影响，本文参考已有文献的做法，将中国各省份划分为东部、中部和西部三个区域[25]，分别利用修正后的面板数据固定效应模型对交通基础设施与工业企业TFP之间的关系进行实证检验。地区间差异分析的回归结果如表3所示。

根据表3，东部地区的交通密度系数最大，中部次之，而西部地区的回归结果不显著。这一结果说明交通密度的增加对东部地区和中部地区的工业企业TFP存在显著的正向影响，对西部地区的影响则不显著。同样，滞后一期的交通密度在1%的显著性水平上对东部地区工业企业TFP存在正向提升作用。上述结论验证了本文假说2，即中国交通基础设施对工业企业TFP的影响存在一定的区域异质性,即交通基础设施对东部工业企业TFP的提升作用最大，中部次之，对西部地区的影响不显著。造成这一结果的可能原因是西部地区交通基础设施较为薄弱，且西部地区的工业企业样本量少，数据质量相对较低，因此不足以真实反映交通基础设施与工业企业TFP之间的实际关系。

表3 东部、中部和西部等不同地区的估计结果

(三)不同类型所有制工业企业的异质性分析

本文运用面板数据固定效应模型对交通基础设施对不同类型所有制工业企业引致的异质性影响进行探究。根据表4，交通基础设施对国有控股企业的TFP存在显著的正向影响，对集体控股企业、外商控股企业和中国港澳台控股企业TFP表现为负向影响关系。此外，滞后一期的交通基础设施在1%的显著性水平上提升了私人控股企业和外商控股企业的TFP水平，在5%的显著性水平了提升了中国港澳台控股企业的TFP，说明交通基础投入使用确实存在一定的时滞效应。同时，滞后一期的交通基础设施对国有控股企业TFP的影响不显著。总体上，交通基础设施对研究期间工业企业TFP水平产生了正向效应，但异质性效应明显存在。以上结果验证了本文假说1和假说3，说明了交通基础设施在总体上提升工业企业TFP水平的同时，其对不同类型所有制工业企业TFP存在一定的异质性。相对于其他所有制类型企业来说，改进和完善交通基础设施对国有制企业TFP的提升效果相对较弱。

表4 不同类型所有制工业企业的回归结果

六、结论与启示

本文基于1998—2015年中国工业企业数据的375万组观测数据，利用OP方法测算了工业企业TFP，并结合省级交通密度构建了企业层面的微观面板数据，实证检验了交通基础设施对工业企业TFP影响的总体效应和结构效应。实证研究发现：第一，交通基础设施在总体上提升了工业企业TFP。第二，交通基础设施对中国东部、中部地区的工业企业TFP具有显著的正向促进作用，但西部地区交通基础设施建设对工业企业TFP尚未表现出显著的促进效果。第三，国有控股企业的TFP低于其他类型所有制企业，且不同类型所有制企业TFP之间的差距呈逐年收敛趋势。第四，交通基础设施对不同所有制工业企业TFP存在一定的异质性，相比其他类型所有制工业企业而言，交通基础设施投资对国有制工业企业TFP的提升效果较弱。

本文主要的政策含义如下：(1)从总量性政策角度来看，进一步适度地增加交通基础设施投资依然有助于提升中国工业企业TFP水平和推动各地区经济高质量发展。(2)从区域结构性政策来看，中央政府应通过财政性转移支付政策加大对西部交通基础设施的投入力度，以逐步缩小东西部之间的环境质量落差以及TFP水平鸿沟。(3)从所有制经济角度来看，中国有必要进一步加速混合所有制改革进程，即放宽或放低民营经济的介入门槛条件，在国有企业中注入更多优质的非国有经济元素，从而进一步提升国有企业技术效率和资源配置效率(即TFP水平)，从而最终达到做优、做大和做强国有企业的改革目标。