中小型機(jī)場(chǎng)通航對(duì)本地經(jīng)濟(jì)增長(zhǎng)沖擊的測(cè)算

楊 波，段賽麗

（1.鄭州航空工業(yè)管理學(xué)院經(jīng)貿(mào)學(xué)院，鄭州 450015；2.河南師范大學(xué)商學(xué)院，河南 新鄉(xiāng) 453007）

當(dāng)前，中國(guó)形成了以大型機(jī)場(chǎng)為核心，以樞紐機(jī)場(chǎng)為骨干，以中小型機(jī)場(chǎng)為輔助的航空運(yùn)輸網(wǎng)絡(luò)。中小型機(jī)場(chǎng)在經(jīng)濟(jì)活動(dòng)中的作用日益突顯，其具有準(zhǔn)社會(huì)公共物品的性質(zhì)，以提高社會(huì)公共經(jīng)濟(jì)效益為主。同時(shí)中小型機(jī)場(chǎng)的運(yùn)營(yíng)具有顯著的正外部性，在加快區(qū)域間生產(chǎn)要素流動(dòng)的同時(shí)，還能提高企業(yè)的生產(chǎn)效率，促進(jìn)經(jīng)濟(jì)增長(zhǎng)與就業(yè)。

研究中小型機(jī)場(chǎng)通航對(duì)本地經(jīng)濟(jì)沖擊的影響，是全面評(píng)估中小型機(jī)場(chǎng)建設(shè)經(jīng)濟(jì)效益的基礎(chǔ)，也有助于后續(xù)建設(shè)對(duì)中小運(yùn)輸機(jī)場(chǎng)的選址進(jìn)行科學(xué)論證。

國(guó)外學(xué)者對(duì)中小機(jī)場(chǎng)的研究起步早，至今已經(jīng)有許多研究成果。Stone[1]認(rèn)為中小型機(jī)場(chǎng)的票價(jià)、時(shí)間成本與服務(wù)質(zhì)量是影響社區(qū)居民選擇航空出行的重要因素。Mirkovic 等[2]證明中小機(jī)場(chǎng)的服務(wù)質(zhì)量面臨著季節(jié)性的挑戰(zhàn)。Fu 等[3]通過(guò)建立中小型機(jī)場(chǎng)旅客需求的兩階段最小二乘法回歸模型得出本地機(jī)場(chǎng)與樞紐機(jī)場(chǎng)之間存在替代關(guān)系。Gutiérrez 等[4]使用數(shù)據(jù)包絡(luò)分析模型(DEA)研究10 個(gè)不同歐洲國(guó)家的21 個(gè)中小型機(jī)場(chǎng)的運(yùn)營(yíng)效率及潛在增產(chǎn)情況。Baker 等[5]以澳大利亞88 個(gè)地區(qū)的中小機(jī)場(chǎng)10年間的相關(guān)數(shù)據(jù)為樣本，得出機(jī)場(chǎng)和區(qū)域經(jīng)濟(jì)增長(zhǎng)之間存在雙向的因果關(guān)系。Wittman[6]認(rèn)為實(shí)施小型社區(qū)航空服務(wù)發(fā)展補(bǔ)助金計(jì)劃（SCASDG）支持了美國(guó)中小機(jī)場(chǎng)的發(fā)展。

在中國(guó)，由于中小型機(jī)場(chǎng)規(guī)模小，建設(shè)周期長(zhǎng)、成本高且成本回收慢，其特征決定了中小機(jī)場(chǎng)一般由政府投資建設(shè)。另外，運(yùn)營(yíng)中的中小型機(jī)場(chǎng)有近3/4 處于虧損狀態(tài)，需要對(duì)其進(jìn)行補(bǔ)貼才能運(yùn)營(yíng)下去。楊波等學(xué)者[7-9]發(fā)現(xiàn)中小型機(jī)場(chǎng)在運(yùn)營(yíng)中普遍存在虧損現(xiàn)狀，但仍有一定的經(jīng)濟(jì)績(jī)效與建設(shè)的意義。徐愛(ài)慶等[10]采用Multinomial Logit 模型，從航線補(bǔ)貼的角度得出兩家相鄰的中小型機(jī)場(chǎng)由于補(bǔ)貼方案的不同使其社會(huì)總收益不同。屈云茜等[11]認(rèn)為機(jī)場(chǎng)通航是影響機(jī)場(chǎng)客運(yùn)吞吐量與當(dāng)?shù)厥杖氲闹饕蛩?，通過(guò)分析無(wú)錫機(jī)場(chǎng)證明中小型機(jī)場(chǎng)通航點(diǎn)的優(yōu)化選擇是可操作的。

綜上所述，國(guó)外對(duì)中小型機(jī)場(chǎng)經(jīng)濟(jì)效益的研究已較為成熟，但國(guó)內(nèi)缺乏這一方面的研究經(jīng)驗(yàn)。中小型機(jī)場(chǎng)對(duì)城市經(jīng)濟(jì)的影響與有沒(méi)有中小型機(jī)場(chǎng)對(duì)城市經(jīng)濟(jì)的影響是兩個(gè)問(wèn)題。對(duì)后一個(gè)問(wèn)題鮮有文獻(xiàn)進(jìn)行討論。但這個(gè)問(wèn)題隨著中國(guó)航空運(yùn)輸網(wǎng)絡(luò)的擴(kuò)張，重要性顯得愈發(fā)突出。因此將對(duì)這一問(wèn)題進(jìn)行討論，分析中小型機(jī)場(chǎng)通航對(duì)本地經(jīng)濟(jì)的影響。以下選取中國(guó)2005—2015年的面板數(shù)據(jù)對(duì)中小型機(jī)場(chǎng)與當(dāng)?shù)亟?jīng)濟(jì)增長(zhǎng)之間的關(guān)系進(jìn)行量化研究。按照國(guó)際慣例，將截至到2015年底機(jī)場(chǎng)年客運(yùn)量在200 萬(wàn)人次以下的機(jī)場(chǎng)定義為中小型機(jī)場(chǎng)。

1 研究設(shè)計(jì)

1.1 計(jì)量模型

截至2015年，中國(guó)大陸地區(qū)有159 家中小型機(jī)場(chǎng)運(yùn)營(yíng)，其中65 家為縣級(jí)市機(jī)場(chǎng)，94 家為地級(jí)市機(jī)場(chǎng)。這94 家地級(jí)市機(jī)場(chǎng)不僅通航時(shí)間不一樣，還出現(xiàn)機(jī)場(chǎng)停航擴(kuò)建后又重新通航的現(xiàn)象，故以最后一次通航時(shí)間為各地機(jī)場(chǎng)的最終通航時(shí)間。94 家地級(jí)市中小型機(jī)場(chǎng)通航時(shí)間的分布情況如表1 所示。

由表1 可以看出，2005年之前有54 個(gè)中小型機(jī)場(chǎng)已經(jīng)通航，在2005—2007年間共有8 個(gè)中小型機(jī)場(chǎng)通航，2008年國(guó)務(wù)院頒布《全國(guó)民用機(jī)場(chǎng)布局規(guī)劃》之后，2008年有7 個(gè)中小型機(jī)場(chǎng)通航，2009—2015年共有25 個(gè)中小型機(jī)場(chǎng)陸續(xù)通航。不難看出，2008年之前有中小型機(jī)場(chǎng)通航，2008年之后也并非所有的中小型機(jī)場(chǎng)同一時(shí)間通航。由此可見(jiàn)，一個(gè)城市是否有機(jī)場(chǎng)通航并非完全由內(nèi)生選擇決定，而是在一定程度上依賴于城市經(jīng)濟(jì)發(fā)展水平和政策的雙重作用。城市通航從少數(shù)試點(diǎn)城市到159 個(gè)城市通航過(guò)程中呈現(xiàn)出的統(tǒng)計(jì)特性使機(jī)場(chǎng)通航可以看做一個(gè)“準(zhǔn)自然實(shí)驗(yàn)”。因此，采用傾向得分匹配法（PSM, propensity score matching），以2008年通航的7 家地級(jí)市為處置組，以截止到2015年底從未通航的地級(jí)市為控制組，并運(yùn)用雙重差分模型（DID）方法，評(píng)估機(jī)場(chǎng)通航對(duì)當(dāng)?shù)亟?jīng)濟(jì)發(fā)展的影響。需要注意的是，由于機(jī)場(chǎng)通航是非隨機(jī)性的選擇，因此，文中控制變量為過(guò)去3年平均國(guó)內(nèi)生產(chǎn)總值、年末人口數(shù)量等，以減弱非隨機(jī)性選擇帶來(lái)的偏誤。

表1 94 家地級(jí)市中小型機(jī)場(chǎng)通航時(shí)間分布情況Tab.1 Navigation time of small and medium airports in 94 prefecture level cities

機(jī)場(chǎng)通航可以被看作是一項(xiàng)政策的實(shí)施，采用DID 可以很好地評(píng)估政策帶來(lái)的沖擊。在使用DID 前，首先需要為處置組尋找相似且并未受政策沖擊的控制組，通過(guò)評(píng)估處置組和控制組在政策前后的差異得出機(jī)場(chǎng)通航對(duì)城市經(jīng)濟(jì)的影響。計(jì)量模型為

其中：Yit是被解釋變量，即i 城市在t年的經(jīng)濟(jì)結(jié)果；post 為時(shí)間虛擬變量，2008年之前為0，2008年之后為1；treat 為是否通航的虛擬變量，2008年通航的處置組為1，從未通航的控制組為0；post_treat 是時(shí)間因素與地區(qū)因素的交互項(xiàng)；Xit是與經(jīng)濟(jì)發(fā)展相關(guān)的控制變量；β1、β2、β3、β4為相關(guān)系數(shù)；εit是服從標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)誤差項(xiàng)。

1.2 變量說(shuō)明

1）被解釋變量

國(guó)內(nèi)生產(chǎn)總值（GDP）是衡量一國(guó)或一地區(qū)經(jīng)濟(jì)發(fā)展水平的重要指標(biāo)，參考文獻(xiàn)[12]的做法，把城市人均GDP 的對(duì)數(shù)作為被解釋變量。

分析機(jī)場(chǎng)通航對(duì)城市經(jīng)濟(jì)的影響也是研究的重點(diǎn)。機(jī)場(chǎng)通航可以帶動(dòng)城市經(jīng)濟(jì)的發(fā)展，促進(jìn)以物流運(yùn)輸業(yè)為主的第三產(chǎn)業(yè)的發(fā)展，參考文獻(xiàn)[13]的做法，把第三產(chǎn)業(yè)產(chǎn)值的對(duì)數(shù)也作為被解釋變量。

2）核心解釋變量

一個(gè)城市機(jī)場(chǎng)通航能給當(dāng)?shù)亟?jīng)濟(jì)增長(zhǎng)帶來(lái)怎樣的影響，是研究的重點(diǎn)。為了更好地研究機(jī)場(chǎng)通航對(duì)城市經(jīng)濟(jì)影響的作用，將一個(gè)城市在2008年是否通航的虛擬變量設(shè)置為核心解釋變量。通過(guò)分析交互項(xiàng)的系數(shù)β3，可以評(píng)估機(jī)場(chǎng)通航對(duì)被解釋變量的影響。

3）控制變量

借鑒文獻(xiàn)[12-14]的做法，選擇的控制變量包括：①財(cái)政支出（取對(duì)數(shù)），財(cái)政支出不僅可以代表政府對(duì)城市宏觀調(diào)控的力度，還可以控制政府對(duì)市場(chǎng)的干預(yù)程度，使市場(chǎng)更好地發(fā)揮自我調(diào)節(jié)的作用；②固定資產(chǎn)投資（以2005年為基期平減后取對(duì)數(shù)），固定資產(chǎn)投資作為一個(gè)市場(chǎng)上資本要素的表示變量；③年末總?cè)丝?，年末總?cè)丝跀?shù)不僅作為勞動(dòng)要素的表示變量，還可以衡量一個(gè)城市的發(fā)展規(guī)模；④?chē)?guó)內(nèi)生產(chǎn)總值（以2005年為基期平減后取對(duì)數(shù)），GDP 是衡量一個(gè)地區(qū)經(jīng)濟(jì)發(fā)展水平的重要指標(biāo)，可以代表一個(gè)城市發(fā)展的經(jīng)濟(jì)特征；⑤平均GDP，機(jī)場(chǎng)根據(jù)社會(huì)發(fā)展的需求而選址，經(jīng)濟(jì)發(fā)達(dá)城市建機(jī)場(chǎng)的可能性往往比經(jīng)濟(jì)不發(fā)達(dá)的城市大，為了保證機(jī)場(chǎng)選址的隨機(jī)性，文中還將過(guò)去3年GDP 的平均值作為控制變量。

1.3 數(shù)據(jù)來(lái)源與描述性統(tǒng)計(jì)

樣本的考察區(qū)間為2005—2015年，樣本個(gè)體為151 個(gè)地級(jí)市，即2008年通航的7 個(gè)地級(jí)市以及截止到2015年底從未通航的144 個(gè)地級(jí)市。其中，財(cái)政支出、固定資產(chǎn)投資、國(guó)內(nèi)生產(chǎn)總值來(lái)自《中國(guó)城市統(tǒng)計(jì)年鑒》，年末總?cè)丝跀?shù)據(jù)來(lái)自歷年《各省統(tǒng)計(jì)年鑒》和《各省發(fā)展年鑒》，機(jī)場(chǎng)數(shù)據(jù)來(lái)自《中國(guó)民航統(tǒng)計(jì)年鑒》以及各民航官網(wǎng)統(tǒng)計(jì)數(shù)據(jù)。

考慮到縣級(jí)市數(shù)據(jù)統(tǒng)計(jì)口徑與地級(jí)市有所不同，剔除縣級(jí)市機(jī)場(chǎng)與在統(tǒng)計(jì)期間行政級(jí)別或行政區(qū)劃有所變動(dòng)的地級(jí)市。對(duì)數(shù)據(jù)的缺漏值與異常值進(jìn)行相應(yīng)的處理后，最終得到有效觀察值樣本1 661 個(gè)，涉及151 個(gè)地級(jí)市的面板數(shù)據(jù)，其中控制組為144 個(gè)地級(jí)市，處置組為7 個(gè)地級(jí)市。這些城市或者在2008年通航，或者截止到2015年底從未通航。

采用stata14.1 軟件對(duì)變量與數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)，其結(jié)果如表2 所示。

表2 變量說(shuō)明與數(shù)據(jù)描述性統(tǒng)計(jì)Tab.2 Variable description and descriptive data statistics

2 實(shí)證分析

2.1 相關(guān)檢驗(yàn)

1）平行趨勢(shì)檢驗(yàn)

PSM 在實(shí)施之前需要滿足“條件獨(dú)立性”，即處置組和控制組在政策沖擊前不具有顯著的差異。如果處置組和控制組存在顯著差異，則可觀測(cè)變量或者匹配方法存在不當(dāng)。首先需要檢驗(yàn)處置組和控制組是否滿足平行趨勢(shì)。

為了檢驗(yàn)處置組和控制組之間的平行趨勢(shì)，設(shè)計(jì)模型為

其中：f 為指示函數(shù)，處置組在第t年為1，其余為0；α1、α2、γ 是相關(guān)系數(shù)。

使用stata14.1 軟件進(jìn)行平行趨勢(shì)檢驗(yàn)，結(jié)果如圖1～圖2 所示，圖1 是通航對(duì)人均GDP 影響的平行趨勢(shì)檢驗(yàn)，圖2 是通航對(duì)第三產(chǎn)業(yè)影響的平行趨勢(shì)檢驗(yàn)?？梢钥闯鎏幹媒M和控制組在政策實(shí)施前滿足平行趨勢(shì)假設(shè)，無(wú)明顯性差異，政策實(shí)施后，兩組具有明顯性差異，符合DID 模型適用的假設(shè)前提。

圖1 通航對(duì)人均GDP 影響的平行趨勢(shì)檢驗(yàn)Fig.1 Parallel trend of navigation impact on GDP per capita

圖2 通航對(duì)第三產(chǎn)業(yè)影響的平行趨勢(shì)檢驗(yàn)Fig.2 Parallel trend test of navigation impact on tertiary industry

2）隨機(jī)性檢驗(yàn)

DID 運(yùn)用的另一個(gè)前提是滿足隨機(jī)性假設(shè)。在現(xiàn)實(shí)中，機(jī)場(chǎng)的選址并不是隨機(jī)的，往往是根據(jù)經(jīng)濟(jì)發(fā)展水平等需要而建。文中以地級(jí)市過(guò)去3年GDP 的平均值、年末總?cè)丝谝约澳旯潭ㄐ?yīng)作為控制變量，以滿足機(jī)場(chǎng)選址的隨機(jī)性。

3）共線性檢驗(yàn)

在做實(shí)證分析前，需先檢驗(yàn)控制變量之間是否存在多重共線性問(wèn)題。共線性會(huì)導(dǎo)致大部分回歸結(jié)果不顯著，且回歸系數(shù)與理論預(yù)期不一致。經(jīng)實(shí)證檢驗(yàn)，財(cái)政支出、固定資產(chǎn)投資、國(guó)內(nèi)生產(chǎn)總值、平均GDP 4 個(gè)變量之間存在很強(qiáng)的多重共線性問(wèn)題，且4 個(gè)變量的KMO 值均大于0.7，適用主成分分析。主成分分析法是運(yùn)用降維的思想，在損失較少信息的前提下將多個(gè)指標(biāo)轉(zhuǎn)化為少數(shù)綜合指標(biāo)。轉(zhuǎn)化生成的綜合指標(biāo)被稱為主成分，其中每個(gè)主成分都是原始變量的線性組合，且各個(gè)主成分互不相關(guān)。經(jīng)過(guò)計(jì)算，第1 個(gè)特征值累計(jì)貢獻(xiàn)率已達(dá)81.1%，那么第1 個(gè)主成分可以包含財(cái)政支出、固定資產(chǎn)投資、國(guó)內(nèi)生產(chǎn)總值、平均GDP 4 個(gè)變量的基本信息。于是提取第1 個(gè)特征值，再經(jīng)過(guò)對(duì)載荷矩陣進(jìn)行旋轉(zhuǎn)，構(gòu)建特征向量，將4 個(gè)具有多重共線性的變量降維成1 個(gè)變量，以此消除四者之間的共線性問(wèn)題，降維后的變量即替代變量為

2.2 基本回歸分析

根據(jù)式（1），使用stata14.1 進(jìn)行固定效應(yīng)回歸分析，因?yàn)闄C(jī)場(chǎng)通航的地區(qū)虛擬變量treat 不隨時(shí)間變化，在做固定效應(yīng)回歸時(shí)會(huì)被自動(dòng)刪除，但不影響估計(jì)結(jié)果。機(jī)場(chǎng)通航對(duì)城市經(jīng)濟(jì)影響的回歸結(jié)果如表3 所示，其中Ⅰ～Ⅲ列被解釋變量為人均GDP，Ⅳ～Ⅴ列被解釋變量為第三產(chǎn)業(yè)產(chǎn)值。

當(dāng)被解釋變量是人均GDP 時(shí)，從核心解釋變量來(lái)看，無(wú)論是否加入控制變量，核心解釋變量tp 的系數(shù)均顯著為正，這說(shuō)明機(jī)場(chǎng)通航可以顯著提高人均GDP的水平。當(dāng)依次加入替代變量C1、年末總?cè)丝诤?，核心解釋變量的系?shù)雖略有變化，但顯著性水平不變，說(shuō)明結(jié)果是穩(wěn)健的。在控制全部變量的情況下，核心解釋變量的系數(shù)為0.211，并在5%的水平上顯著，說(shuō)明機(jī)場(chǎng)通航對(duì)人均GDP 有顯著的正向影響，可以促進(jìn)所在城市人均GDP 提高21.1%。從post 的系數(shù)來(lái)看，無(wú)論是否加入控制變量，其系數(shù)均為正，并在1%的置信水平上顯著，也說(shuō)明回歸結(jié)果是穩(wěn)健的，機(jī)場(chǎng)通航對(duì)人均GDP 有顯著的正向作用。從控制變量來(lái)看，替代變量C1 對(duì)人均GDP 在1%的水平上有顯著的負(fù)影響，年末總?cè)丝趯?duì)人均GDP 有不顯著的負(fù)影響。

當(dāng)被解釋變量是第三產(chǎn)業(yè)產(chǎn)值時(shí)，從核心解釋變量來(lái)看，無(wú)論是否加入控制變量，核心解釋變量tp 的系數(shù)均顯著為正。Ⅳ列控制了時(shí)間因素、地區(qū)因素后，機(jī)場(chǎng)因素在5%的水平上顯著提高了城市第三產(chǎn)業(yè)產(chǎn)值。與Ⅳ列相比，第Ⅴ、Ⅵ列依次添加了替代變量C1 與年末總?cè)丝?，核心解釋變量的估?jì)系數(shù)略有變化，但仍保持在5%的水平上顯著為正，這說(shuō)明上述結(jié)果是穩(wěn)健的。在控制全部變量的情況下，核心解釋變量的系數(shù)為0.178，且在5%的水平上顯著，說(shuō)明機(jī)場(chǎng)通航對(duì)所在城市第三產(chǎn)業(yè)產(chǎn)值有顯著的正向沖擊，機(jī)場(chǎng)通航使第三產(chǎn)業(yè)產(chǎn)值提高17.8%。從post 的系數(shù)來(lái)看，無(wú)論是否加入控制變量，其系數(shù)都為正，且均在1%的置信水平上顯著，也說(shuō)明回歸結(jié)果是穩(wěn)健的，機(jī)場(chǎng)通航對(duì)城市第三產(chǎn)業(yè)產(chǎn)值有顯著的促進(jìn)作用。從控制變量來(lái)看，替代變量C1 對(duì)第三產(chǎn)業(yè)產(chǎn)值的影響為正，且在1%的水平上顯著，說(shuō)明替代變量C1 可以顯著促進(jìn)第三產(chǎn)業(yè)的發(fā)展?？刂谱兞磕昴┛?cè)丝趯?duì)第三產(chǎn)業(yè)產(chǎn)值有促進(jìn)作用，但其結(jié)果不顯著。

表3 機(jī)場(chǎng)通航對(duì)城市經(jīng)濟(jì)影響的回歸結(jié)果Tab.3 Regression result of airport navigation impact on urban economy

2.3 PSM-DID 檢驗(yàn)

根據(jù)式（1），采用施加共同支撐條件的最近鄰匹配法對(duì)全樣本進(jìn)行匹配，使用核匹配與半徑匹配進(jìn)行穩(wěn)健性檢驗(yàn)，PSM 平均處理效應(yīng)的結(jié)果如表4 所示。

表4 平均處理效應(yīng)（ATT）Tab.4 Average treatment effect(ATT)

從表4 可看出，對(duì)于被解釋變量人均GDP，匹配前，ATT ＜0，T ＜0，說(shuō)明匹配前機(jī)場(chǎng)通航使人均GDP略微下降；匹配后無(wú)論是哪種匹配方法，ATT ＞0，T ＞0，說(shuō)明匹配后機(jī)場(chǎng)通航使人均GDP 略有上升。對(duì)于被解釋變量第三產(chǎn)業(yè)產(chǎn)值，在匹配前后無(wú)論是哪種匹配方法，ATT 均大于0，T 值也均大于0，說(shuō)明匹配前后機(jī)場(chǎng)通航都使第三產(chǎn)業(yè)產(chǎn)值略有上升。接下來(lái)對(duì)樣本數(shù)據(jù)進(jìn)行PSM-DID 穩(wěn)健性檢驗(yàn)，結(jié)果如表5 所示。

表5 是城市人均GDP、第三產(chǎn)業(yè)產(chǎn)值的處置組與控制組在通航前后的變化情況。在機(jī)場(chǎng)通航前，人均GDP 的控制組與處置組分別是4.806、4.654，兩者的差分diff1 為-0.161，且在1%的水平上顯著，說(shuō)明在機(jī)場(chǎng)通航前控制組的人均GDP 高于處置組。在機(jī)場(chǎng)通航后，人均GDP 的處置組與控制組之間的差分diff2 為0.039，通航后處置組的人均GDP 比控制組高。為了消除其他因素與時(shí)間因素的影響，將機(jī)場(chǎng)通航后處置組與控制組的差分diff2 減去機(jī)場(chǎng)通航前2 組的差分diff1，得到只有機(jī)場(chǎng)因素影響下的雙重差分diff。機(jī)場(chǎng)通航對(duì)城市人均GDP 的雙重差分diff 的值是0.200，并在1%的水平上顯著，說(shuō)明機(jī)場(chǎng)通航顯著促進(jìn)了城市人均GDP 的提高。

表5 通航對(duì)城市經(jīng)濟(jì)的影響：PSM-DID 穩(wěn)健性檢驗(yàn)Tab.5 Impact of navigation on urban economy:PSM-DID robustness test

在機(jī)場(chǎng)通航前，第三產(chǎn)業(yè)產(chǎn)值的控制組與處置組分別是9.406 和9.308，兩者的差分diff1 為-0.098，說(shuō)明在機(jī)場(chǎng)通航前控制組的第三產(chǎn)業(yè)產(chǎn)值略高于處置組。在機(jī)場(chǎng)通航后，第三產(chǎn)業(yè)產(chǎn)值的處置組與控制組之間的差分diff2 為0.096，這說(shuō)明機(jī)場(chǎng)通航后處置組的第三產(chǎn)業(yè)產(chǎn)值比控制組高，且在5%的水平上顯著。機(jī)場(chǎng)通航對(duì)城市第三產(chǎn)業(yè)產(chǎn)值的雙重差分diff 的值是0.194，在5%的水平上顯著，說(shuō)明機(jī)場(chǎng)通航顯著促進(jìn)了城市第三產(chǎn)業(yè)產(chǎn)值的提高。

綜上所述，機(jī)場(chǎng)通航顯著促進(jìn)了城市人均GDP 與第三產(chǎn)業(yè)的發(fā)展，驗(yàn)證了回歸結(jié)果的穩(wěn)健性。

3 結(jié)語(yǔ)

以2005—2015年144 個(gè)從未通航的地級(jí)市與2008年間7 個(gè)通航的地級(jí)市的數(shù)據(jù)作為樣本，運(yùn)用PSM-DID 的研究方法，實(shí)證分析了中小型機(jī)場(chǎng)通航對(duì)所在城市經(jīng)濟(jì)發(fā)展的影響。得到如下結(jié)論：中小型機(jī)場(chǎng)通航對(duì)所在城市經(jīng)濟(jì)發(fā)展，尤其是對(duì)第三產(chǎn)業(yè)產(chǎn)生顯著的正向沖擊，能使人均GDP 提高21.1%，第三產(chǎn)業(yè)產(chǎn)值提高17.8%。這為全面評(píng)估中小型機(jī)場(chǎng)建設(shè)的經(jīng)濟(jì)效益提供了實(shí)證研究的依據(jù)。雖然中國(guó)中小型機(jī)場(chǎng)在運(yùn)營(yíng)中存在普遍虧損，但通過(guò)新建機(jī)場(chǎng)加入航空運(yùn)輸網(wǎng)絡(luò)，促進(jìn)了本地經(jīng)濟(jì)增長(zhǎng)，特別是促進(jìn)了第三產(chǎn)業(yè)的發(fā)展，說(shuō)明中小型機(jī)場(chǎng)從數(shù)量上來(lái)看還有很大的建設(shè)必要；中小型機(jī)場(chǎng)在布局和建設(shè)時(shí)，需要優(yōu)先考慮經(jīng)濟(jì)總量高和第三產(chǎn)業(yè)發(fā)展較好的城市。