论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　作为因变量的全要素生产率数据已由上文计算得出。在自变量数据中，本文所考察的交通基础设施包括铁路密度和公路密度两项。其中，铁路密度（Railway）采用“每平方公里的营运铁路里程”指标，这主要是考虑到营运里程这一统计口径反映了实际投入经济活动的铁路设施资源量，其较之“铁路线路长度”的统计口径剔除了铁路设施的闲置部分，更适于服务本文的研究目的；公路密度为“每平方公里的公路通行里程”，除了总的公路密度（Road）外，还可按路面质量、通行能力等综合条件细分为高速公路（Freeway）、一级公路（First-class）、二级公路（Second-class）、三级公路（Thirdclass）、四级公路（Fourth-class）和等外公路（Substandard）6组数据。上述各组变量数据均来源于相关历年的《中国交通统计年鉴》。其中，分省的铁路营运里程自2001年才开始统计，因此，铁路密度数据的时序为2001—2007年；公路密度数据的时序为1997—2007年。在控制变量方面，考虑到中国典型的二元经济特征，我们纳入了非农化变量（Non-agricultural），具体由第二和第三产业占国内生产总值的比重来表示；人力资本对全要素生产率具有非常重要的影响，这已成为共识，为此本文亦将其纳入控制变量，并采用人口平均受教育年限指标予以代理，具体计算中采用了陈钊等（2004）提供的方法。以上两组控制变量数据分别来源于相关历年的《中国统计年鉴》和《中国人口统计年鉴》。表3给出了本文实证中所用主要变量的描述性统计信息。

　　在下文的实证分析中，我们将分别考察两个模型：在模型中我们将着重考察铁路密度（Rail）和总的公路密度（Road）两个变量与全要素生产率的关系；在模型中我们将公路密度按等级质量细分为6组后，再对其与全要素生产率的关系进行细致考察，以期在两个模型相互应证的同时，进一步得到更为具体的结论。考虑到现实经济活动中的边际递减规律，模型中的TFP被解释变量和基础设施解释变量均取了对数形式。此外，由于二元经济控制变量为一比例数据、人力资本控制变量的数据自身及变异系数均较小，我们在模型中仍采用了线性形式。

　　2.实证结果与分析

　　我们在模型的基础上对2001—2007年间我国交通基础设施水平与全要素生产率增长之间的关系进行了估计。为了便于比较，本文同时对模型进行了传统的面板数据计量估计。面板SEM模型和面板SLM模型的估计我们借助Matlab7.0软件来实现。

　　从具体估计结果看，地区时点双固定的面板SLM模型估计结果在Log似然值上要明显优于传统面板模型和其他各种空间面板模型，这在模型的估计结果中表现得尤为明显。同铁路也可按一系列技术标准划分为Ⅰ、Ⅱ、Ⅲ三个等级，但由于迄今为止没有相应的分省数据，本文将只考察铁路设施的总体分布密度情况。经过后台的反复试验操作，我们获得了各种模型设定形式的估计结果，通过对比发现：TFP被解释变量和基础设施解释变量同取对数形式后，模型的估计结果无论在联合显著性还是系数显著性方面确实均优于线性形式和半对数形式的模型设置；两组控制变量无论取线性形式还是对数形式，对最终估计结果的联合显著性和基础设施变量的系数估计值及其显著性的影响均很小，比较而言，其取线性形式的估计方程联合显著性略优。

　　双固定面板SLM模型的估计结果显示，所有解释变量的系数估计值均在高达1%的水平下通过了显著性检验，且铁路密度与公路总体密度的估计系数均为正值，与前文的理论分析预期一致，即交通基础设施对TFP增长有着正向的影响。但是我们发现，公路总体密度的估计系数非常小。双固定面板SLM模型的估计结果显示，除了四级公路密度和等外公路密度的估计系数不明显外，其余各解释变量的估计系数均至少在10%的显著性水平下通过了检验，且估计值均为正。

　　这一结果说明，铁路和较高等级的公路基础设施对TFP增长存在着明显的促进作用。变量均值部分可以看到，四级公路和等外公路的里程合计构成了公路总体密度的60%以上，也就是说，占据公路里程大部分的低等级公路对我国TFP的增长几乎没有起到作用，这也就令我们容易理解模型中公路总体密度的估计系数为什么很小了。为了具体地分析交通基础设施对TFP增长的促进作用，我们根据计算了双固定面板SLM模型中系数显著的各类交通基础设施的偏效应及其构成。

　　看出，空间外部偏效应构成了交通基础设施对TFP的总体偏效应的较大部分（约3/4），这直接导致TFP的高度空间滞后相关，或者说是TFP的高度空间外溢效应的存在。在各类交通基础设施中，二级公路的总体偏效应最大，其每提高1个百分点将带动TFP提高0.0868个百分点；铁路和三级公路的总体偏效应大小居中，其每提高1个百分点将分别带动TFP提高0.0506个百分点和0.0424个百分点；高速公路和一级公路的总体偏效应最小，其每提高1个百分点将只能分别带动TFP提高0.0233个百分点和0.0121个百分点。但是，考虑到各类交通基础设施的存量水平差异，我们还不能仅以弹性的大小来判断其对TFP增长的最终贡献程度。从表3可以看出，弹性较大的几类交通基础设施往往有着较高的存量水平，较之弹性较低的交通基础设施而言，要将其密度提高同样的比例所需修造的里程将更长，这正体现了边际递减规律的作用。通过具体计算，2001—2007年间上述几类交通基础设施对中国TFP增长的贡献所示。

　　五、结语和启示

　　本文的研究表明，中国的交通基础设施水平对全要素生产率增长存在着显著的正向影响。具体来讲：2001—2007年，铁路和公路基础设施存量的增加共带动中国的全要素生产率增长了11.075%，占TFP整体增幅的59.100%，对经济增长的贡献份额达20.200%。其中，高速公路和二级公路的带动作用最为明显；在上述贡献中，来自直接效应的部分较小，仅占25.7%，而来自空间外溢效应的部分高达74.3%；就分时段的估计结果来看，2001—2004年间铁路基础设施对全要素生产率有着持续显著的正向影响，1997—2000年间高速公路对全要素生产率有着持续显著的正向影响，而其他等级公路的影响则没有显示出这种持续的显著性。

　　可以说，中国致力于交通基础设施建设所给予经济持续快速增长的促进作用是显著的。2009年，中央为应对金融危机对我国经济增长的负面影响，出台了4万亿元人民币的巨额投资计划。交通基础设施建设是这一投资计划的重要支出内容，乃至有人将这一计划谑称为“铁（路）、公（路）、基（建）”。本文的研究表明，以交通基础设施作为这一投资计划的重点，的确不失为一种明智的选择。

　　其意义不仅在于帮助中国摆脱金融危机影响这一短期目标，还在于推动经济增长方式向效率驱动模式转型，为未来的长期持续发展打下良好的基础。鉴于铁路和高速公路对全要素生产率有着持续显著的正向影响，从带动经济长期发展的角度着眼，其应成为当前我国交通基础设施建设的重点投资领域。国家高速公路网（简称7918网）和铁路中长期规划的目标正可籍此契机加快建设的步伐。

　　交通基础设施增幅引致的TFP增幅对TFP增长的贡献份额铁路10.500.5312.830高速公路177.364.13322.060一级公路98.671.1946.370二级公路51.794.49523.990三级公路17.040.7223.850合计11.07559.100。