高鐵時代的城市經(jīng)濟增長路徑與效益機制研究

孫 娜 張梅青 陶克濤

內(nèi)容提要：本文基于綜合的分析框架，探討高鐵對城市經(jīng)濟增長的影響及內(nèi)在機制，并在不同規(guī)模城市之間進行比較；使用列車數(shù)作為城市高鐵建設與運營水平的指標具體考察兩種連接方式的不同影響，結(jié)合隨機森林方法和樣本劃分進行了機制驗證。結(jié)果顯示，高鐵的城市經(jīng)濟效益主要是一種間接影響，作用路徑的不同解釋了高鐵對不同規(guī)模城市影響程度的差異性；隨著城市規(guī)模的擴大，高鐵在提高服務業(yè)生產(chǎn)效率和促進產(chǎn)業(yè)升級方面作用顯著，而對于規(guī)模較小的城市，高鐵的影響主要在于加速產(chǎn)業(yè)結(jié)構(gòu)調(diào)整；從連接方式看，外向型交通網(wǎng)絡的發(fā)展能夠從多個方面提升大城市的經(jīng)濟績效，而與鄰近城市聯(lián)系的加強對于中、小城市的發(fā)展顯示出了積極的影響。

一、問題提出

即使是在信息時代，實物運輸?shù)幕A性作用對于城市、區(qū)域經(jīng)濟的影響仍然是技術(shù)所無法取代的[1]。中國大規(guī)模的高鐵建設是支持區(qū)域協(xié)調(diào)發(fā)展戰(zhàn)略的重要物質(zhì)基礎，也是從需求視角拉動經(jīng)濟增長的重要手段。以2008年京津城際鐵路開通為標志，中國進入了高鐵時代。僅十年多的時間，中國已擁有3.5萬公里的運營線路，占世界高鐵總里程的三分之二。以2013—2016年末已開通高鐵的地級市及以上城市(下文簡稱為高鐵城市)為統(tǒng)計單元，高鐵城市數(shù)已由116個增加至171個，相當于全國57.6%的城市已經(jīng)開通了高鐵，服務的人口規(guī)模占全國總?cè)丝跀?shù)的65.3%。從地區(qū)比較看，東、中部地區(qū)的高鐵城市在地區(qū)內(nèi)的占比已接近七成，西部地區(qū)的高鐵城市占比也由2013年的11.2%提升到2016年的37.4%?？梢?，全國性快速聯(lián)通的運輸網(wǎng)絡正在形成。未來，在交通強國戰(zhàn)略的指導下中國還將持續(xù)、快速地推進高鐵線網(wǎng)建設，覆蓋更多的中、小城市。

雖然大量的研究顯示，若不考慮高鐵對社會經(jīng)濟的影響，高鐵的效益將被低估[2]，但中國如此大規(guī)模的高鐵規(guī)劃與建設仍面臨一些質(zhì)疑，認為高鐵實際上是以一種高鐵成本的方式實現(xiàn)所謂的“收益”，高鐵能否在釋放貨運資源的同時達到促進經(jīng)濟增長、兼顧公平與效率的目的并不確定[3]。此外，關(guān)于高鐵對城市經(jīng)濟增長的影響，已有研究未能在一個綜合的框架下闡明高鐵到底通過何種路徑方式提供城市經(jīng)濟增長的動力。因此，繼續(xù)探討高鐵的城市經(jīng)濟效益，全面揭示高鐵對城市經(jīng)濟影響的多方面規(guī)律，對于任何旨在利用高鐵機會提升城市經(jīng)濟績效、實現(xiàn)復興與發(fā)展的計劃都具有重要的現(xiàn)實意義。

高鐵的經(jīng)濟效益具有空間敏感性[4]，本文將重點考察高鐵對城市經(jīng)濟增長的影響，涉及的問題包括：高鐵對城市經(jīng)濟的影響機制與效益評估；高鐵經(jīng)濟效益在不同規(guī)模城市之間的差異性及原因解釋。具體地，將以2013—2016年的高鐵城市為研究對象，使用列車數(shù)作為高鐵建設與運營的量化指標，結(jié)合城市層面的其他數(shù)據(jù)和隨機森林方法實現(xiàn)效益評估與機理檢驗。之所以選擇隨機森林方法，是考慮到交通基礎設施與經(jīng)濟增長之間的非線性關(guān)系[5-6]以及基于本文對高鐵與城市經(jīng)濟相關(guān)性的初步分析，該方法避免了線性關(guān)系假定的不合理性和處理過程的復雜性，能夠較為科學、合理地用于分析高鐵與城市經(jīng)濟增長之間的關(guān)系。

二、文獻綜述與理論框架

(一)文獻綜述

世界高鐵時代始于1964日本新干線的開通，確立于1981年法國高速列車TGV的開通[7]，建設目的已由最初的滿足客運需求演變?yōu)榇碳そ?jīng)濟活動與引領地區(qū)經(jīng)濟增長。高鐵的經(jīng)濟效益分析與評估經(jīng)歷了從成本收益分析到高鐵對勞動力、中間產(chǎn)品和服務業(yè)市場等更大范圍的影響，高鐵對沿線地區(qū)社會經(jīng)濟的影響被逐漸納入其中[2]。20世紀90年代以來，關(guān)于高鐵經(jīng)濟效益的研究不斷深入，形成了多視角、多層次、理論與實證相結(jié)合的研究體系，學者們對高鐵經(jīng)濟效益[8-9]進行了較為系統(tǒng)的回顧與總結(jié)，并普遍認為，高鐵僅是經(jīng)濟增長的一個強化因素而非決定性因素[3,10]。

就高鐵對城市經(jīng)濟的影響，大部分研究認為高鐵建設因提高可達性、改善區(qū)位條件而與經(jīng)濟增長之間存在積極的因果關(guān)系，是城市經(jīng)濟發(fā)展的關(guān)鍵組成部分[11]。針對高鐵連接城市的研究結(jié)果顯示，高鐵提升了沿線城市對要素的吸引力，促進了地區(qū)就業(yè)和知識經(jīng)濟的增長[12]，從而擴大了沿線地區(qū)的人口規(guī)模和經(jīng)濟規(guī)模。然而，也有學者認為高鐵對城市經(jīng)濟績效的影響并不是一個簡單的平均效應，也不會自動生產(chǎn)或普遍存在[13]。小城市的受益情況是一個持續(xù)存在的話題，持積極觀點的研究認為雖然高鐵加速了勞動力、資本、技術(shù)等要素向區(qū)位優(yōu)勢較好、發(fā)展水平較高地區(qū)的流動和集聚，不會縮小城市間發(fā)展的絕對差距，但中、小城市仍能夠通過區(qū)位條件改善和鄰近經(jīng)濟中心而受益[14]，長期來看，將有助于縮小地區(qū)發(fā)展的相對差距[15]。但相關(guān)研究也指出，由于高鐵的廊道效應有限，那些規(guī)模較小且缺乏特色的小城市往往會面臨要素流出的風險和大城市企業(yè)對市場的掠奪，從而處于更加邊緣化的境地，高鐵連接后并沒有出現(xiàn)預期的經(jīng)濟增長，地區(qū)發(fā)展差距呈逐步擴大的趨勢[16]?？傮w來看，高鐵對城市經(jīng)濟增長的影響更可能是一種再分配效應，以犧牲一些地區(qū)利益的方式刺激其他地區(qū)的經(jīng)濟增長，對于中、小城市，尤其是小城市來說，逆流效應和虹吸效益更為明顯[17-18]。

綜上可見，高鐵的經(jīng)濟效益具有復雜性和不確定性，國內(nèi)外的相關(guān)研究為進一步揭示高鐵的城市經(jīng)濟效益提供了良好的借鑒，但還存在以下缺陷：第一，關(guān)于高鐵對城市經(jīng)濟的影響，已有研究多集中在中、微觀要素層面，如企業(yè)選址、土地價格、就業(yè)、工資水平和產(chǎn)業(yè)等[19-21]，缺乏一個綜合的分析框架，關(guān)于高鐵對中國城市發(fā)展、規(guī)劃的潛在影響及挑戰(zhàn)缺乏系統(tǒng)的研究。第二，人口規(guī)模是高鐵連接城市選擇的重要依據(jù)，盡管有研究指出應將人口規(guī)模作為重要的城市特征以深層次地理解高鐵對城市經(jīng)濟的影響[15]，但該視角下的研究未能提供更多的機理分析與實證支持；同時，雖有研究進行了國內(nèi)外的經(jīng)驗比較，但由于中國高鐵在線路設置、線路密度及城市發(fā)展基礎等方面與國外存在較大差異，導致國際經(jīng)驗推廣和應用受限[22]。第三，研究使用的數(shù)據(jù)和方法有待改進和提升。當前，中國高鐵可使用的公開數(shù)據(jù)主要為國家層面或某具體線路的運營里程和投資額，由于線路設置在很大程度上受到地理環(huán)境的影響，因此，該數(shù)據(jù)既無法完全、真實地體現(xiàn)中國高鐵的實際運營情況，也無法應用到城市層面的相關(guān)研究。為此，一些學者采用“有無對比”的思想通過構(gòu)建差分模型來分析高鐵的經(jīng)濟效益[11,16]，但該方法在對照組選擇時具有很大的主觀性，且隨著高鐵城市的增加，選擇合適的對照組已經(jīng)變得越來越困難。此外，還有一些學者采用多元回歸、向量自回歸等[23]方法進行實證分析，但這一類線性模型需要較多假設，現(xiàn)實中往往難以滿足，且有研究指出基礎設施與經(jīng)濟增長之間并非簡單的線性關(guān)系[5-6]。

(二)理論框架

高鐵的網(wǎng)絡化發(fā)展和公交化運營大大縮短了城市間的交通時間，實現(xiàn)了地區(qū)間的快速連接，再加上蓬勃發(fā)展的知識經(jīng)濟、日益增長的面對面的交流需求，以及休閑經(jīng)濟、尋找新目的地和新體驗的出現(xiàn)，高鐵為城市發(fā)展帶來了新的機遇。

高鐵自身建設對城市經(jīng)濟的直接影響較小，主要通過作用于城市經(jīng)濟系統(tǒng)的內(nèi)外部要素與環(huán)境發(fā)揮作用。新經(jīng)濟地理學的相關(guān)研究認為，在不完全競爭的經(jīng)濟中，運輸成本和可達性的變化在一定程度上對經(jīng)濟活動的空間布局和集聚效應產(chǎn)生了影響[24]。高鐵是對世界交通運輸技術(shù)的巨大革新，其本質(zhì)上仍是一種交通方式，在經(jīng)濟發(fā)展中主要發(fā)揮基礎性和服務性作用，以克服地理距離阻隔、支撐地區(qū)間的要素流動為主要功能和目的。與傳統(tǒng)鐵路、公路等設施相比，高鐵實現(xiàn)了對可達性的極大改善、壓縮了時空距離，從而最大程度地削弱了地理距離和行政力量對要素流動的束縛。依托自身的綜合優(yōu)勢，高鐵促進了資本、技術(shù)、勞動力等生產(chǎn)要素及消費群體、消費資料等在高鐵沿線地區(qū)快速流動，并逐步實現(xiàn)在跨城市、區(qū)域的尺度上發(fā)生遷移、交互與重組[15，25]。然而，要素的流動具有趨利性且遵循距離衰減規(guī)律。由于高鐵在線路、站點設置時出于速度和運營效益的考慮選擇性地連接了一些城市，相比較于傳統(tǒng)鐵路，高鐵對沿線地區(qū)可達性的影響具有非均衡性，對于連接城市的區(qū)位條件改善更為明顯[4]。與此同時，與不受具體線路影響、幾乎缺乏固定方向的航空和光纜等現(xiàn)代技術(shù)設施相比，高鐵因具有固定的線路而在一定程度上預設了要素流動的路徑。因此，高鐵的開通實際上主要提升了連接城市的吸引力。在市場經(jīng)濟的作用下，高鐵引起了要素與經(jīng)濟活動布局在更大空間范圍上的調(diào)整，并有目的、有方向地向一些地方集聚。伴隨高鐵的開通，大量的要素涌入城市，并以車站為主要區(qū)域形成經(jīng)濟活動的高密度集聚，為城市經(jīng)濟的擴張帶來機會。

從城市內(nèi)部看，高鐵主要通過影響要素在生產(chǎn)部門之間的配置及效率對城市經(jīng)濟發(fā)揮作用。中國高鐵以提供跨地區(qū)的客運服務為主，對人口及伴隨人口流動的資本、信息、技術(shù)等要素的影響最為直接[26]。因此，相較于對自然資源、能源等較為依賴的工業(yè)制造業(yè)，更容易受到高鐵影響并從中受益的主要為勞動密集型、技術(shù)密集型和知識經(jīng)濟等服務業(yè)企業(yè)，即高鐵特征與行業(yè)屬性共同決定了高鐵的影響主要集中在服務業(yè)領域。服務業(yè)是衡量一個地區(qū)經(jīng)濟現(xiàn)代化水平的重要標志之一。根據(jù)國際經(jīng)驗，城市經(jīng)濟向服務型經(jīng)濟轉(zhuǎn)型是必然趨勢，集聚效應和區(qū)位優(yōu)勢是城市吸引服務企業(yè)集聚的主要原因，處于同一城市的服務業(yè)企業(yè)因彼此靠近而能夠更多地使用對方更為專業(yè)的服務作為投入進行聯(lián)合生產(chǎn)以提高生產(chǎn)效率[27]。高鐵的開通重塑和優(yōu)化了城市的區(qū)位條件，帶來了豐富的勞動力、更好的技術(shù)與創(chuàng)新環(huán)境，為服務業(yè)企業(yè)更多地獲取成本剩余和收益剩余創(chuàng)造了可能[28]。但區(qū)位條件的優(yōu)化同時也意味著要素價格的上升和企業(yè)收益空間的壓縮。研究顯示，高鐵的開通大幅提升了沿線城市的土地價格，以商業(yè)用地和住宅用地最為明顯[19,29]，并由此降低了企業(yè)在城市集聚的動力，甚至導致部分企業(yè)會因成本過高而搬離城市。相比較而言，生產(chǎn)性服務業(yè)由于本身具有較高的收益，在支付高地租的同時仍有剩余收益而選擇留在城市，并可能形成進一步的集聚。

此外，高鐵還有助于提升服務業(yè)的產(chǎn)出水平與效率。服務業(yè)的貿(mào)易需要一個載體，在當前技術(shù)條件下，人依然是服務業(yè)貿(mào)易的重要載體[30]，通過人在空間不同位置之間的轉(zhuǎn)移，實現(xiàn)了服務提供方與購買方在同一時間、地點進行面對面的交易。一方面，高鐵以提供客運服務為主，是服務業(yè)貿(mào)易的良好載體，通過改善可達性和時空壓縮，降低了人員運輸時間，拉近了服務業(yè)企業(yè)與市場的距離，從而為企業(yè)績效的提升提供了條件[24]。另一方面，高鐵通過增加了面對面交流的機會促進了知識傳播與創(chuàng)新，從而提升了服務業(yè)企業(yè)的生產(chǎn)效率。高鐵因網(wǎng)絡化與便捷化發(fā)展對人們的出行方式、頻次和目的地等都產(chǎn)生了影響，日漸成為人們出行的主要依賴方式；同時，高鐵還激發(fā)了潛在人群的出行，尤其是增加了商務、旅游等特定人群的出行頻次[26]。隨著面對面交流的增加，以人口為主要載體，高鐵促進了人力資本和信息的傳播，提升了服務業(yè)企業(yè)對創(chuàng)新能力和競爭力的獲取[12]。服務業(yè)生產(chǎn)效率的提高不僅有利于自身的發(fā)展，還極大地促進制造業(yè)的專業(yè)化和創(chuàng)新[30]，從而成為現(xiàn)代經(jīng)濟增長的發(fā)動機。綜上，高鐵建設促進了要素向服務業(yè)部門的集中，有助于城市服務業(yè)產(chǎn)出水平和效率的提高，從而加速城市產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與升級的步伐，是城市內(nèi)部視角下高鐵促進經(jīng)濟增長的主要路徑。

三、方法與數(shù)據(jù)

(一)實證方法

非線性動力學的發(fā)展為研究開展提供了更多具備非線性分析能力的方法[31]。在決策樹算法中，單棵樹的生產(chǎn)是通過對樣本集特征遞歸分割實現(xiàn)的。由于分割點的位置和分裂特征的選擇很大程度上取決于學習樣本中各特征數(shù)值的分布情況，因此，學習數(shù)據(jù)的每一個很小的變化都會對分割點的位置和分裂特征的選擇產(chǎn)生影響，由此造成了決策樹預測結(jié)果雖然可靠但不穩(wěn)定。為解決這一問題，布里曼(Breiman,2001)[32]在決策樹的基礎上結(jié)合了集成算法(ensemble method)首次引入了隨機森林方法(random forest)，即通過組合多棵樹并對結(jié)果取均值的方法來降低單棵樹的不穩(wěn)定性，以實現(xiàn)模型互補和提升模型的整體泛化能力(1)泛化能力(generalization)，是指在訓練集和測試集上均可獲得較好的效果。。

給定一個訓練集S，S={(Xi,Yi),i=1,2,…,N}，X為用于輸入層的特征數(shù)據(jù)集，是一個N×M的矩陣，N為樣本數(shù)，M為特征數(shù)；Y為輸出的目標向量。在處理回歸類問題時，隨機森林算法構(gòu)建過程如下[33]：(1)使用自助抽樣法(bootstrap resampling)從原始訓練集S中隨機抽取n個樣本、重復K次，形成K個新的訓練集Sk(k=1,2,…,n)，并分別訓練K個決策樹模型；(2)在決策樹的每個分裂點上，隨機抽取m(

在回歸類問題分析中，通過計算特征的重要性(feature importance evaluation，也稱為貢獻率)來識別特征與目標值之間是否存在相關(guān)性，并依據(jù)貢獻率排序來度量特征對目標值的影響程度。需要指出的是，該貢獻率是考慮了特征本身影響及與其他特征交互作用后的綜合影響。根據(jù)經(jīng)驗，特征與目標值之間的相關(guān)性程度越高，則它對模型預測精確度的影響越明顯。在本文中，隨機森林算法的構(gòu)建過程使用Python語言實現(xiàn)，主要參考了谷歌機器學習算法代碼項目(Scikit-learn)(2)Scikit-learn是一個基于Python語言的機器學習算法庫，參見http://scikit-learn.org/stable/index.html。提供的相關(guān)的算法代碼。具體地，特征貢獻率的計算包括三個步驟(如圖1所示)：(1)樣本分割，將原始數(shù)據(jù)隨機切分為N份，選擇一份數(shù)據(jù)作為模型的測試集，其余部分作為訓練集訓練模型；(2)參數(shù)調(diào)整與模型優(yōu)化，通過對模型關(guān)鍵參數(shù)的調(diào)整來訓練模型，并根據(jù)交叉驗證(3)交叉驗證(cross validation)，是指將N份數(shù)據(jù)分別做為測試集，其余作為訓練集去分別訓練模型，最終求得模型在N個測試集上的評價指標均值做為最終評價指標值。這樣做的好處是能夠充分利用數(shù)據(jù)，獲得穩(wěn)定的參數(shù)模型。的模型評價指標來確定最優(yōu)參數(shù)；(3)特征貢獻率計算，使用全量數(shù)據(jù)對獲得的最優(yōu)參數(shù)組合下的模型進行學習，并最終獲得各特征的貢獻率。

圖1 特征貢獻率的計算過程(4)該圖參考了雷等人(Lei et al.,2018)[33]的研究。注：(1)N為交叉驗證參數(shù)，表示進行N折交叉驗證； (2)分別采用第i份數(shù)據(jù)集作為測試集，其余N-1份數(shù)據(jù)集作為訓練集來訓練模型，最終得出N個評價指標的均值作為最終模型的評價指標。

評價一種方法或模型最主要的標準是對預測結(jié)果的準確性進行評價。根據(jù)經(jīng)驗，回歸類問題使用擬合優(yōu)度(R2)對隨機森林、神經(jīng)網(wǎng)絡等非線性方法的預測結(jié)果進行評價，該方法對于多元線性回歸、貝葉斯等線性方法也同樣適用。擬合優(yōu)度(R2)是基于預測值與觀測值構(gòu)建的，計算方式如下所示：

(1)

隨機森林是一種較為成熟的方法，已被國內(nèi)外學者廣泛應用于旅游影響因素[34]、城鎮(zhèn)化問題[35]和信用風險[36]等問題的研究中，其優(yōu)勢表現(xiàn)在以下幾個方面：第一，具有通用性，能夠處理回歸類問題和分類問題。與基于線性關(guān)系假定的方法相比，隨機森林能夠通過自身不斷的訓練和學習探索樣本自身的特征與規(guī)律，較好地處理多維特征與目標值之間存在的線性、非線性關(guān)系[37]；同時，隨機森林的應用不需要提前檢查特征間的交互作用和非線性作用是否顯著，也不必提前設定模型和參數(shù)[3]，由此擺脫了“假定分布—明確的數(shù)學模型擬合—假設檢驗”的經(jīng)典統(tǒng)計過程，也避免了多重共線性問題給研究帶來的不便。第二，應用較為簡單，模型的訓練和學習均可通過代碼實現(xiàn)，通常僅需要對幾個主要參數(shù)調(diào)整即可實現(xiàn)模型的優(yōu)化。第三，對復雜數(shù)據(jù)具有良好的適應性，既能處理離散型數(shù)據(jù)，也能處理連續(xù)性數(shù)據(jù)，且無需對數(shù)據(jù)進行規(guī)范化處理。第四，由于隨機森林采用隨機取樣、隨機特征選擇進行模型訓練，因此，每棵樹的生長估計都是獨立的，能夠較好地避免模型過度擬合的問題，具有較強的泛化能力。綜上可見，隨機森林能夠獲得較為準確和穩(wěn)定的結(jié)果，是一種可靠、一致性較好的方法[38]。

(二)樣本數(shù)據(jù)

1.高鐵城市與高鐵數(shù)據(jù)

本文關(guān)注的高鐵城市是指2013—2016年末已開通高鐵的地級及以上城市，主要依據(jù)是中國鐵路總公司網(wǎng)站、國家鐵路局等發(fā)布的關(guān)于高鐵列車通行情況的報道、報告，在獲得線路通車時間的基礎上參考高鐵網(wǎng)(5)高鐵線路和城市參考了高鐵網(wǎng)的相關(guān)資料。進一步確定沿線設有站點的城市?？紤]到數(shù)據(jù)的可得性與完整性，本文數(shù)據(jù)不包含臺灣、香港和澳門地區(qū)。

越來越多的學者使用列車數(shù)作為交通基礎設施水平的替代量對相關(guān)問題展開研究[22,39]，其合理性在于：交通站點是城市對外聯(lián)系的門戶，列車的發(fā)車、頻次和時間表直接體現(xiàn)了站點的運營服務情況和該站點及所在城市在區(qū)域交通網(wǎng)絡中的等級和地位[40]。與此同時，由于列車時刻表的安排往往以城市人口規(guī)模、經(jīng)濟規(guī)模為依據(jù)，列車數(shù)還是城市對外聯(lián)系和發(fā)展需求的反映。一般而言，城市規(guī)模越大、對外聯(lián)系的可能性和需求越大，發(fā)生的客、貨流也就越多，相應地，列車的運營密度越高、始發(fā)列車數(shù)也越多。因此，無論是從理論出發(fā)還是考慮現(xiàn)實需求，站點列車數(shù)都能夠作為城市交通基礎設施發(fā)展水平的良好指標，也契合城市的發(fā)展需求。但遺憾的是，由于該數(shù)據(jù)獲取較為困難、所需工作量大，基于列車數(shù)研究高鐵效益的文獻還較少，且已有文獻多基于某具體年份展開，缺乏對高鐵經(jīng)濟效益的縱向考察和比較。

依據(jù)中國2014年1月1日起實施的《鐵路安全管理條例》，高鐵是指設計開行速度250km/h以上(包含預留)，并且初期運營速度不低于200km/h的客運列車專線鐵路。本文使用該定義，涉及的列車包含高鐵(G)、城際列車(C)和動車(D)三種類型；同時，考慮列車的發(fā)車情況和運營速度，本文認為使用加權(quán)列車數(shù)(HSRnum)作為城市高鐵建設和運營的指標更為合理，計算公式如下：

HSRnum=(G始發(fā)+C始發(fā)+D始發(fā)×0.5)×1.5+(G過路+C過路+D過路×0.5)×1

(2)

按照速度，高鐵和城際列車賦權(quán)重1，動車為0.5；按照發(fā)車情況，始發(fā)列車賦權(quán)重1.5，過路列車賦權(quán)重1；然后將數(shù)值加總作為城市的高鐵列車數(shù)加權(quán)值，如果有兩個站點則分別計算，再加總。此外，本文具體考察了高鐵的兩種連接方式：一是基于高鐵網(wǎng)絡與全國所有高鐵城市的聯(lián)系情況，主要體現(xiàn)城市的外向型交通狀況，使用站點所有高鐵經(jīng)停列車數(shù)的加權(quán)值表示(HSR1)(6)如無特別備注，下文所使用的高鐵列車數(shù)均為城市高鐵站點的所有經(jīng)停列車數(shù)的加權(quán)值(HSR1)，而非實際列車數(shù)量。；二是在1小時通勤范圍內(nèi)(約200km)與鄰近高鐵城市的聯(lián)系情況(HSR2)。相關(guān)研究指出，高鐵的經(jīng)濟效益受到服務距離的影響，在距離大城市100～200km范圍以內(nèi)的地區(qū)更容易受到影響，因為在該距離內(nèi)可依靠高鐵通勤，是城市間社會經(jīng)濟聯(lián)系最為密集的地帶，時空壓縮與同城化效應對企業(yè)選址、就業(yè)、技術(shù)創(chuàng)新等方面均具有較為明顯的影響[12,23]。HSR2的計算步驟為：(1)利用經(jīng)緯度在百度地圖中對城市進行定位，以200km為半徑確定鄰近高鐵城市；(2)使用列車往來數(shù)據(jù)和式(2)計算列車加權(quán)數(shù)。

本文使用的列車數(shù)有兩個來源：(1)2013年、2014年的列車數(shù)源于中國鐵道出版社出版的《全國鐵路旅客列車時刻表》2014年1月版和2015年1月版；(2)2015年、2016年數(shù)據(jù)分別提取自中國鐵道出版社授權(quán)、極品列車時刻表提供的2016年6月和2017年4月更新的時刻表。

依據(jù)取得的數(shù)據(jù)(如表1所示)，2013—2016年，全國新增55個高鐵城市，相當于近60%的城市開通了高鐵。從地區(qū)分布看，東部地區(qū)的高鐵城市始終占有較大比重，而中、西部地區(qū)相對較少。以西部地區(qū)為例，2013年僅有10個城市開通高鐵，在全國高鐵城市中占比不足10%。隨著高鐵網(wǎng)絡建設的加快，中、西部地區(qū)的高鐵城市明顯增加，到2016年末，中部地區(qū)的高鐵城市在地區(qū)內(nèi)占比已達65%，西部地區(qū)也有較大幅度的提升。最后，從高鐵列車數(shù)統(tǒng)計看，2016年全國高鐵列車數(shù)總數(shù)較2013年提升了38.8%，增加了5 427次列車；其中，東部地區(qū)仍占有絕對的比重。從城市日均列車數(shù)比較看，東部地區(qū)均值在160次以上，若以列車數(shù)最高的上海和北京(2016年)為例計算則結(jié)果更為驚人，相當于每小時有24次列車進、出站點。雖然中、西部地區(qū)的城市日均列車數(shù)已由2013年的69次、42次分別提升到了2016年的82次和76次，但仍不及東部地區(qū)的一半。綜上可見，中國高鐵網(wǎng)絡建設進展迅速，當前已覆蓋全國大部分地區(qū)，實現(xiàn)了東、中、西部的快速聯(lián)通，但高鐵的空間布局具有鮮明的等級性，呈現(xiàn)出由東向西遞減的趨勢。

表1 中國高鐵開通進展(2013年、2016年)

2.城市層面的其他數(shù)據(jù)

本文使用城市實際人均國內(nèi)生產(chǎn)總值(人均GDP，單位：元/人)來衡量城市經(jīng)濟增長情況，作為被解釋變量，即隨機森林中的目標值。依據(jù)前文的機理分析，并參考王曉東等(2014)[41]、董艷梅和朱英明(2016)[16]、韋特維圖和加藤(Wetwitoo & Kato,2017)[23]的研究，除高鐵數(shù)據(jù)外，本文還選擇了其他11個特征(即變量，為上下文統(tǒng)一均稱為特征)，它們既是城市經(jīng)濟增長的重要動力，也不同程度地受到高鐵的影響，如表2所示。說明如下：(1)依據(jù)生產(chǎn)理論，要素投入和技術(shù)提升是城市經(jīng)濟增長的重要來源，本文分別使用人均物質(zhì)資本投入(CAP_PER)、實際利用外資額占比(OPE)和社會消費品零售總額(CONSUM)三個特征來表示物資資本投入和消費情況；分別選擇每萬人中在校大學生數(shù)和財政支出中科技支出的占比來表示人力資本(EDU)和基礎創(chuàng)新投入(TEC)。(2)產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整與升級被認為是城市經(jīng)濟轉(zhuǎn)型與發(fā)展的動力，本文使用第三產(chǎn)業(yè)就業(yè)人數(shù)在總就業(yè)人數(shù)中的占比來體現(xiàn)勞動力及附著的資本、信息和技術(shù)等要素的部門配置情況(IND_LAB)。(3)服務業(yè)發(fā)展方面，本文選擇了三個特征：參考肖雁飛等(2013)[26]對生產(chǎn)性服務業(yè)的定義，使用信息傳輸軟件和信息技術(shù)服務業(yè)、金融業(yè)、房地產(chǎn)業(yè)、租賃和商業(yè)服務業(yè)、科學研究和技術(shù)服務業(yè)5個細分行業(yè)的就業(yè)人數(shù)總和在服務業(yè)總就業(yè)人數(shù)中的占比表示要素在生產(chǎn)性服務業(yè)企業(yè)的集中情況(SER_PS)；使用服務密度(SER_D)和服務業(yè)人均產(chǎn)出(SER_PER)分別表示城市的服務業(yè)總體產(chǎn)出水平和服務業(yè)企業(yè)的生產(chǎn)效率。(4)使用就業(yè)密度(LAB_D)和規(guī)模以上工業(yè)企業(yè)數(shù)(FIRM)體現(xiàn)要素與經(jīng)濟活動在城市的集聚情況，考慮到城市就業(yè)主要在市區(qū)，計算就業(yè)密度時使用的是建成區(qū)面積。

表2 特征與說明

關(guān)于數(shù)據(jù)的幾點說明：第一，本文使用的是地級市及直轄市的數(shù)據(jù)，主要來源為《中國城市統(tǒng)計年鑒》《中國統(tǒng)計年鑒》與各城市所在省、自治區(qū)的統(tǒng)計年鑒(2014—2017)。第二，就業(yè)密度和服務密度的計算分別以建成區(qū)和市轄區(qū)面積為依據(jù)，其他數(shù)據(jù)均使用全市數(shù)據(jù)，這是因為高鐵的連接以及高鐵新城的建設被視為整個城市經(jīng)濟增長與復興的契機，因此，選取全市而不是市轄區(qū)的數(shù)據(jù)能夠更準確評估高鐵的經(jīng)濟效應。第三，涉及價值計算的數(shù)據(jù)均以2013年為基期、使用平減指數(shù)法對價格進行調(diào)整，對于城市統(tǒng)計年鑒中未提供價格指數(shù)的使用城市所在省的數(shù)值替代。

(三)相關(guān)性分析與模型擬合評價

對特征與目標值之間相關(guān)性的分析和對方法預測精確度的評價是選擇實證方法的重要依據(jù)。由于線性回歸、神經(jīng)網(wǎng)絡等方法需要對特征數(shù)據(jù)集進行歸一化預處理，決策樹類模型由于樹節(jié)點的構(gòu)建依賴的是各特征數(shù)據(jù)大小順序分位點來計算最優(yōu)分裂點，對特征數(shù)據(jù)集量綱不敏感。因此，考慮到各種算法模型對數(shù)據(jù)的適用性，首先對數(shù)據(jù)進行歸一化處理，以保證結(jié)果的可靠性和穩(wěn)定性。其次，使用主成分分析法對數(shù)據(jù)進行降維，并依據(jù)原始特征數(shù)據(jù)集協(xié)方差矩陣特征值的大小計算特征抽取信息占比情況，結(jié)果如表3所示。由于前6個抽取的特征信息占比已達到86%，故最終確定將數(shù)據(jù)維度設為6；同時，由于前2個特征(T1、T2)的信息占比較大，分別為40%和18%，故使用這兩個特征與目標值(實際人均GDP)繪制相關(guān)圖(如圖2和圖3所示)，并分別使用線性式和多次項式進行擬合以分析相關(guān)性特點。從圖中可以看出兩種方法的擬合情況均比較好，但從R2來看多次項式的擬合更好，說明特征與目標值之間的非線性關(guān)系突出，因此，使用在非線性擬合中具有優(yōu)勢的隨機森林模型具有一定的合理性。

表3 特征大小及特征信息占比情況

圖2 T1與實際人均GDP的相關(guān)圖

圖3 T2與實際人均GDP的相關(guān)圖

進一步地，為比較各方的預測效果，本文選擇了隨機森林、多元線性回歸、貝葉斯回歸、K近鄰回歸、演算法回歸、決策樹回歸和多層感知機器回歸7種方法進行了模型訓練與預測結(jié)果對比。各方法在測試集上的R2及測試集中挑選出來的14個城市的實際人均GDP(2016年)的觀測值與預測值對比如表4所示。從表中可知，在測試集上，擬合優(yōu)度(R2)最高的是隨機森林，最低的是貝葉斯回歸。綜上可見，能夠處理多維特征間線性與非線性關(guān)系的方法(如隨機森林、多層感知機器回歸等)總體上要好于基于線性關(guān)系假定的方法(如多元線性回歸、貝葉斯回歸)，本文選擇的實證方法具有一定的可靠性，能夠獲得較為理想的結(jié)果。

表4 各方法的預測結(jié)果及評價指標 單位：元/人

四、高鐵城市的經(jīng)濟效益評估與機理檢驗

(一)基于全部樣本的高鐵經(jīng)濟效益評估

在隨機森林的回歸分析中，模型優(yōu)化是通過參數(shù)調(diào)整實現(xiàn)的。依據(jù)經(jīng)驗，主要對弱學習器的最大迭代次數(shù)(n_estimators)、最大深度(max_depth)和最小樣本分割(min_samples_split)三個參數(shù)進行調(diào)整；考慮本文的數(shù)據(jù)情況，采用5折交叉驗證調(diào)整參數(shù)(7)需要說明的是，為提高模型的擬合能力，在每一次計算特征貢獻率時都需要對三個參數(shù)進行調(diào)整；限于篇幅，由于原理相同，本文僅以全部樣本下的參數(shù)調(diào)整過程為例進行說明，其他部分不再贅述。。

首先，在其他參數(shù)使用默認值的情況下，對n_estimators進行調(diào)整，n_estimators的迭代過程評價指標的相應數(shù)值如圖4所示。當n_estimators的取值在[21,42]時，訓練集R2和測試集R2均趨于穩(wěn)定，且均具有較大的R2。為防止模型過度擬合，故在該范圍內(nèi)選擇訓練集R2、測試集R2較大而n_estimators較小的數(shù)值，最終確定為25。

圖4 弱學習器的最大迭代次數(shù)在訓練集和測試集上的表現(xiàn)

其次，根據(jù)上一步的結(jié)果(n_estimators=25)，使用網(wǎng)格調(diào)參法對max_depth和min_samples_split兩個參數(shù)進行調(diào)整，尋找最大R2時的參數(shù)值。max_depth和min_samples_split的取值范圍通常在[1，10]，本文也在此參數(shù)范圍內(nèi)進行尋優(yōu)，交叉后共90組，訓練集和測試集上的表現(xiàn)如圖5—6所示。比較發(fā)現(xiàn)，在max_depth=8，min_sample_split=2時，測試集R2和測試集R2取值較大，分別為0.95和0.73，故設定為上述數(shù)值。至此，基于上述參數(shù)調(diào)整過程，獲得了相應的參數(shù)值及最優(yōu)模型。

圖5 最大深度和最小樣本分割在訓練集上的表現(xiàn)

圖6 最大深度和最小樣本分割在測試集上的表現(xiàn)

使用全部數(shù)據(jù)對模型進行學習，獲得各特征對實際人均GDP的貢獻率，如表5所示。從結(jié)果看，與大部分研究所得結(jié)論相同。整體而言，高鐵與城市經(jīng)濟顯著正相關(guān)，城市能夠從高鐵連接中受益。從兩種連接方式的自身貢獻率比較看，HSR1對實際人均GDP的貢獻率為6.67%，要高于HSR2的貢獻率(2.05%)。

表5 基于全部樣本的高鐵經(jīng)濟效益評估結(jié)果

其他特征對城市經(jīng)濟也顯示出積極的影響，符合預期。消費(CONSUM)擴大對城市經(jīng)濟的拉動作用明顯，在所有特征的貢獻率中排在首位，為29.71%。從要素投入視角看，技術(shù)創(chuàng)新投入(TEC)對城市經(jīng)濟的促進作用也較為突出，貢獻率為14.15%，排在第二位。此外，城市服務業(yè)的發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整、升級對城市經(jīng)濟的驅(qū)動效應明顯，生產(chǎn)性服務業(yè)集聚(SER_PS)的貢獻率達9.63%。相比較而言，勞動力集聚、人力資本、企業(yè)集聚和外資利用對城市經(jīng)濟的貢獻率較低。

(二)基于全樣本的機制驗證

在未加入交互項時，使用隨機森林計算的特征貢獻率是包含了自身影響及與其他特征交互作用后的綜合影響；如果存在交互作用且與目標值之間存在較高的相關(guān)性，則加入交互項后相關(guān)特征自身的貢獻率有所下降，而交互項的貢獻率占有一定的比重，同時，擬合優(yōu)度(R2)較之前會有一定的提升或保持穩(wěn)定。因此，在回歸問題的機制檢驗中可通過加入交互項的方式實現(xiàn)。

交通基礎設施與宏觀經(jīng)濟之間存在雙向作用的觀點已經(jīng)得到廣泛認可，從中國高鐵開通的時序和空間分布特點中不難發(fā)現(xiàn)，地區(qū)經(jīng)濟增長水平與高鐵布局存在空間相似性。但就高鐵與中、微觀要素的關(guān)系來看，則是一種單向作用，即高鐵能夠?qū)σ氐目臻g布局、部門配置及效率產(chǎn)生影響，并以此為路徑作用于城市經(jīng)濟增長；但反過來，這些要素或經(jīng)濟活動卻很難直接決定高鐵線路建設與否，以及城市是否設有站點。因此，高鐵交互項的貢獻率可解釋為高鐵對城市經(jīng)濟的作用路徑，即高鐵通過作用于該要素對城市經(jīng)濟產(chǎn)生的間接影響，而此時高鐵自身的貢獻率則是高鐵對城市經(jīng)濟的直接影響。具體地，依據(jù)已有結(jié)論和機理分析，本文在實證過程中加入HSR1、HSR2分別與其他11個特征的交互項?；谏衔膶嵶C可知，本文所選特征對城市經(jīng)濟增長均具有正向促進作用，這就保證了交互項的變動方向一致，可以避免出現(xiàn)無法分析的結(jié)果。

基于最優(yōu)模型，使用全部數(shù)據(jù)進行學習，最終獲得包含22個交互項在內(nèi)的所有特征的貢獻率，如6所示。

表6 包含交互項的特征貢獻率

表6(續(xù))

HSR1、HSR2和其他特征的自身貢獻率都有所下降，而交互項貢獻率占有較大的比重。 具體地，HSR1、HSR2的貢獻率分別由之前的6.67%、2.05%下降為1%和0.51%，而交互項的貢獻率占比合計分別為44.13%和7.24%。因此，初步驗證了本文提出的作用機理，并為以下觀點提供了實證支持：高鐵自身建設對城市經(jīng)濟的直接拉動作用較小，主要通過作用于城市經(jīng)濟系統(tǒng)的其他要素發(fā)揮間接影響。

HSR1和HSR2分別代表了不同視角下的高鐵建設與運營情況，二者對城市經(jīng)濟的影響程度和路徑存在較大的差異。在HSR1的交互項中，貢獻率占比較大的分別是HSR1×CONSUM(10.97%)、HSR1×TEC(8.67%)、HSR1×CAP_PER(7.89%)和HSR1×SER_PSR(6.79%)；HSR1×SER_PS、HSR1×LAB_D、HSR1×IND_LAB也有一定的影響，貢獻率分別為2.81%、2.65%和2.07%。與HSR1相比，HSR2各交互項的貢獻率要小得多，占比較大的分別是HSR2×LAB_D(1.67%)、HSR2×IND_LAB(1.42%)、HSR2×FIRM(1.40%)和HSR2×CAP_PER(1.21%)?？梢?，不論是從自身貢獻率看，還是考慮交互作用，HSR1對城市經(jīng)濟的刺激作用都要顯著大于HSR2。綜上，基于對城市區(qū)位條件的優(yōu)化，高鐵有助于改善城市的投資環(huán)境、提升要素利用效率，并通過吸引經(jīng)濟活動和增加客流等促進城市消費的擴大。相比較而言，基于高鐵網(wǎng)絡與全國更多城市的連接更利于城市經(jīng)濟績效的提升。

五、高鐵對不同規(guī)模城市經(jīng)濟增長的影響分析

正如前文所述，高鐵的經(jīng)濟效益并不是所有城市之間的平均，因此，需要進一步探討高鐵對不同規(guī)模城市經(jīng)濟增長的影響。

(一)機制分析

理論上，交通基礎設施改善與經(jīng)濟效益之間存在積極的因果關(guān)系，高鐵能夠為連接地區(qū)創(chuàng)造經(jīng)濟增長的機會；但現(xiàn)實中，這種潛力被實際開發(fā)與利用的程度又受到眾多因素的影響，如高鐵線路設置、站點選址，以及地區(qū)的資源稟賦、政治因素等[11]。與此同時，由于高鐵自身建設對城市經(jīng)濟的直接影響較小，主要通過作用于經(jīng)濟系統(tǒng)的內(nèi)外部要素和環(huán)境發(fā)揮作用，因此，城市自身的發(fā)展條件及利用高鐵機會的能力導致了高鐵經(jīng)濟效益的差異性。城市規(guī)模是城市發(fā)展、要素條件等的綜合體現(xiàn)，基于本文的分析框架并結(jié)合已有研究和結(jié)論，就高鐵對不同規(guī)模城市經(jīng)濟增長的影響作出如下討論。

1.高鐵、城市規(guī)模與集聚

城市發(fā)展的本質(zhì)是人口集聚，持續(xù)的人口集聚意味著就業(yè)市場充足的勞動力供給和更高程度的供需匹配[42]。從集聚視角看，大城市本身在區(qū)位條件、集聚效益方面具有優(yōu)勢，高鐵的開通進一步強化了這種優(yōu)勢，使其成為沿線要素與經(jīng)濟活動的主要集聚地，因此，高鐵對大城市經(jīng)濟增長的促進作用顯著。但隨著城市規(guī)模的擴大，也會面臨要素成本上升和環(huán)境惡化的壓力。地租和勞動力成本的上升削弱了城市對居民、企業(yè)的吸引力，企業(yè)會重新權(quán)衡在大城市獲得的集聚效益和其他城市的低成本要素優(yōu)勢，而這將成為鄰近中、小城市的發(fā)展機遇。原因在于：相較于大城市，中、小城市本身在要素成本方面具有一定的優(yōu)勢，基于高鐵與大城市或中心城市時空距離的縮減為這種優(yōu)勢轉(zhuǎn)變?yōu)閷嶋H收益創(chuàng)造了條件，如果這些城市能夠找準定位，則可通過分工與錯位獲得發(fā)展，避免淪為高鐵沿線的“過道城市”。進一步地，隨著小時通勤圈的形成及開行列車數(shù)的增加，依靠高鐵進行日常通勤成為可能，人們不必為了參加一些特定的商務活動而往返于大都市之間，與大城市的鄰近有助于周邊中、小城市商務活動的增加，如專業(yè)人士會議、中層企業(yè)會議、科技咨詢公司會議和城市旅游會議等。

2.高鐵、城市規(guī)模與服務業(yè)

高鐵對不同規(guī)模城市服務業(yè)發(fā)展影響的差異性與城市的人口規(guī)模和服務業(yè)的類型密切相關(guān)。首先，服務業(yè)的發(fā)展需要一定的人口規(guī)?；A[43]，因此，大城市在服務業(yè)發(fā)展方面具有天然的優(yōu)勢。其次，城市服務業(yè)的類型和特點進一步?jīng)Q定了其從高鐵連接中的受益程度?？萍?、金融服務等一類高附加值的創(chuàng)造性活動由于依賴于面對面的接觸往往在大城市集聚，而常規(guī)性的活動借助先進的電子信息技術(shù)和交通基礎設施從大城市中心向外圍地區(qū)蔓延。隨著高鐵的開通，大城市的現(xiàn)代服務業(yè)企業(yè)能夠?qū)⑹袌鰪泥徑貐^(qū)逐漸拓展到沿線城市，以及全國更多的地區(qū)，而對于中、小城市的企業(yè)來說，高鐵的影響具有不確定性[25]。一方面，交通基礎設施的改善加強了中、小城市與外部其他地區(qū)的聯(lián)系，有望從本地以外的地區(qū)獲得市場；同時，與大城市的鄰近也有助于中、小城市的企業(yè)通過降低人員運輸時間以更低的成本、更便捷的方式從大城市購買和使用更多專業(yè)化的服務，如金融、咨詢和財務等，進而提升勞動生產(chǎn)率。然而，一個重要的前提是，中、小城市的這些企業(yè)在大城市沒有強勁的競爭對手，僅是由于高昂的運輸成本限制了貿(mào)易[30]。此外，由于中、小城市，尤其是小城市的服務業(yè)多以提供本地服務為主要特點，如餐飲、零售等，市場需求主要來自本地，故交通基礎設施改善對貿(mào)易成本和距離的降低對于該類型企業(yè)的直接影響很小，獲益程度有限。

3.高鐵、城市規(guī)模與產(chǎn)業(yè)結(jié)構(gòu)

依據(jù)經(jīng)濟結(jié)構(gòu)特點，與高鐵連接的城市基本可以分為兩類，一類是工業(yè)經(jīng)濟向服務經(jīng)濟轉(zhuǎn)型的城市，另一類是已經(jīng)基本形成以服務業(yè)型經(jīng)濟為主導的城市，高鐵對這兩種城市的影響是不同的[44]。按照發(fā)展經(jīng)驗，隨著城市規(guī)模的擴大，服務業(yè)比重上升而制造業(yè)比重下降，這是因為從事標準化生產(chǎn)的成熟制造業(yè)從大城市獲得的集聚效益較小，但需支付較高的地租和工資，因此，選擇搬遷到成本更低的中、小城市。對于規(guī)模較大的城市，高鐵對產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整仍有一定的影響，但比較而言，高鐵在提升服務業(yè)產(chǎn)出、促進技術(shù)和知識密集型活動進一步擴大方面的影響更為顯著，因此，提高服務業(yè)產(chǎn)出水平和加速產(chǎn)業(yè)升級是高鐵促進大城市和部分中等城市經(jīng)濟增長的主要路徑。

對于還處于工業(yè)為主導或由工業(yè)經(jīng)濟向服務經(jīng)濟轉(zhuǎn)型的一些中、小城市，短期內(nèi)，由于受到發(fā)展基礎與條件等的限制，高鐵的影響主要在于加速城市產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整方面。高鐵重塑和優(yōu)化了中、小城市的區(qū)位條件，為承接大城市的部分產(chǎn)業(yè)轉(zhuǎn)移和發(fā)揮本地特色提供了可能，從而有望成為未來的經(jīng)濟發(fā)展副中心或新的增長極。但與此同時，一些小城市還將伴隨著第二產(chǎn)業(yè)的退出，這是因為區(qū)位優(yōu)勢的提升也意味著土地地價的上漲，中、小城市所具有的地租優(yōu)勢將喪失[29]，那些原本看重地價優(yōu)勢的企業(yè)(如制造業(yè))可能會選擇搬離。因此，高鐵對中、小城市，尤其是小城市的影響總體上要小得多，在獲得產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與升級契機的同時，也可能由于轉(zhuǎn)型而造成經(jīng)濟增長放緩。

(二)樣本劃分與效益評估

城市規(guī)模是一個綜合性指標，是用來衡量城市大小的數(shù)據(jù)概念。按照研究問題的不同，可使用土地規(guī)模、人口規(guī)模、地區(qū)收入、城市綜合規(guī)模等。在本文中將使用人口規(guī)模這一指標，原因如下：第一，人口是“用腳投票”的主體，以勞動力的形式成為企業(yè)的重要組成部分，以消費者的形式成為企業(yè)和產(chǎn)品的銷售市場，是城市發(fā)展基礎與條件的體現(xiàn)[45]；第二，中國高鐵城市的選擇以城市人口規(guī)模為依據(jù)，考察高鐵對不同人口規(guī)模城市的影響更具現(xiàn)實意義。雖然年末常住人口因考慮勞動力流動情況而被認為是衡量城市人口規(guī)模最好的指標，但由于城市統(tǒng)計年鑒中絕大部分城市的年末人口數(shù)缺失，而本文涉及城市眾多、考察時間長，為保證數(shù)據(jù)的完整性，最終選擇了城市戶籍人口作為人口規(guī)模(POP)的指標。

以戶籍人口為基礎，參考2014年《國務院關(guān)于調(diào)整城市規(guī)模劃分標準的通知》，將城市樣本劃分為大城市(人口在500萬以上)、中等城市(人口在300萬～500萬，包含500萬)和小城市(人口在300萬以下，含300萬)三組；各組中城市的地區(qū)分布情況、列車等數(shù)據(jù)如表7所示。本文獲得共計539個樣本，含大城市257個、中等城市158個、小城市124個，各城市所在分組較為穩(wěn)定(8)咸寧和云浮分別于2015年通過人口增長進入中等城市組，之前屬于小城市組；許昌和漳州于2015年經(jīng)歷人口增長進入大城市組，2013—2014年屬于中等城市。，這將有助于獲得可靠的結(jié)果。

總體來看，隨著時間的推移，高鐵覆蓋了中國更多的中、小城市。2013年，在已開通高鐵的116個城市中有一半為大城市，且主要位于東部地區(qū)；到2016年，高鐵城市增加至171個，各類型城市均有所增加。從列車數(shù)變化看，2013年，大城市的列車數(shù)在全國總列車數(shù)中的占比高達65.3%，合計為9 122次，到2016年增加至11 114次，在全國的占比略有下降(為57.3%)；2013—2016年，中、小城市的列車數(shù)也有了一定的提升，分別是之前的1.7倍和1.8倍。從日均數(shù)的比較看，大城市的列車數(shù)均值保持在150次左右，相當于每小時有6次列車進、出站點，但中、小城市均較低?？梢?，大城市的高鐵運行逐步顯現(xiàn)出便捷化與公交化的特點，而中、小城市還存在較大的差距。

基于參數(shù)調(diào)整后獲得的最優(yōu)模型，分別使用分組數(shù)據(jù)進行模型學習并獲得各規(guī)模城市組中HSR1、HSR2及其他特征對城市經(jīng)濟增長的貢獻率，如圖7所示。從結(jié)果看，高鐵的經(jīng)濟效益在不同規(guī)模城市之間存在較大的差異，但均表現(xiàn)為促進作用。具體地，HSR1對經(jīng)濟的促進作用隨城市規(guī)模的擴大而顯著提升，從小城市、中等城市到大城市，HSR1的貢獻率由0.67%、4.8%增加至8.24%。與鄰近城市交通聯(lián)系的加強對于中等城市的經(jīng)濟增長體現(xiàn)出了積極的影響，HSR2的貢獻率為4.94%，在所有城市中最高。由于本文重點關(guān)注高鐵經(jīng)濟效益的規(guī)模差異性，對于其他要素貢獻率的變化不再贅述。

圖7 高鐵對不同規(guī)模城市影響的比較

綜上，基于分樣本的效益評估進一步驗證了本文所持觀點：高鐵的連接能夠為城市經(jīng)濟帶來發(fā)展機遇；同時，也肯定了中國所實施的高鐵網(wǎng)絡建設決策的正確性。

(三)分樣本機制檢驗

基于參數(shù)調(diào)整后的最優(yōu)模型，使用分組數(shù)據(jù)進行模型學習并獲得包含交互項在內(nèi)的各特征的貢獻率，如表8所示。從分組實證結(jié)果看，加入交互項后，HSR1、HSR2及其他特征的自身貢獻率較未加入交互項時均有所下降，HSR1、HSR2交互項的貢獻率合計占比雖在各規(guī)模城市之間存在差異，但占有相當?shù)谋戎?。結(jié)合上文，本文再次印證了高鐵對城市經(jīng)濟主要為間接影響的觀點，因此，進一步探討高鐵作用路徑的差異性有助于解釋和理解各規(guī)模城市從高鐵連接中受益程度的不同，這具有重要的理論價值和實踐意義。

表8 分樣本機制驗證結(jié)果

表8(續(xù))

1.大城市的高鐵經(jīng)濟效益分析

依據(jù)大城市樣本組的實證結(jié)果，HSR1、HSR2自身的貢獻率分別由未加入交互項時的8.24%和1.94%下降為0.09%和0.04%，是三類城市中下降最為明顯的。從交互項貢獻率的合計占比看，HSR1對城市經(jīng)濟的刺激作用隨著城市規(guī)模的擴大而提升，HSR1交互項對大城市的貢獻率合計達61.66%，高于中等城市近10個百分點，是小城市的1.8倍；但HSR2對大城市經(jīng)濟的影響很小。鑒于此，本文將重點關(guān)注HSR1對城市的影響。具體地，從要素投入與集聚的視角看，HSR1交互項中貢獻率占比較大的分別是HSR1×CAP_PER(15.87%)、HSR1×COMSUM(12.73%)、HSR1×FIRM(9.38%)、HSR1×OPE(6.74%)和HSR1×TEC(3.61%)。與上文機理分析相一致，高鐵通過對大城市區(qū)位優(yōu)勢和集聚效益的強化進一步提升了城市吸引力和資源要素的使用率，是高鐵提升大城市經(jīng)濟績效的主要路徑之一。從產(chǎn)業(yè)發(fā)展與結(jié)構(gòu)方面看，HSR1與服務業(yè)三個特征(SER_PER、SER_PS、SER_D)的交互項貢獻率均比較高，分別為6.19%、3.72%和3.08%；相比較而言，高鐵對大城市的產(chǎn)業(yè)結(jié)構(gòu)影響很小，HSR1、HSR2交互項貢獻率合計僅為0.17%?？梢?，提升服務業(yè)產(chǎn)出效率、促進產(chǎn)業(yè)升級、向高端服務業(yè)發(fā)展是高鐵促進大城市經(jīng)濟增長的另一重要路徑，這有別于中、小城市。

2.中、小城市的高鐵經(jīng)濟效益分析

與大城市相比，加強與鄰近城市的聯(lián)系為中、小城市的經(jīng)濟發(fā)展帶來了機遇，HSR2的交互項貢獻率合計占比分別為8.62%和8.65%，高于大城市組的3.05%。對中等城市來說，高鐵建設的影響較大城市有所降低，首先表現(xiàn)在提升城市對要素的吸引力和提高要素利用率，這可以從HSR1、HSR2與TEC、CONSUM、CAP_PE、LAB_D和FIRM等交互項的貢獻率中得到驗證；此外，高鐵還有助于中等城市服務業(yè)的發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整，HSR1×SER_D、HSR1×IND_LAB的貢獻率分別為7.44%和7.18%。

從小城市組的結(jié)果看，高鐵的影響整體較低，比較突出的特點是高鐵對小城市產(chǎn)業(yè)結(jié)構(gòu)和就業(yè)密度的影響，HSR1×IND_LAB的貢獻率為13.96%，在所有交互項中排在第一位；HSR1×LAB_D和HSR2×LAB_D的交互項貢獻率合計占比達14.68%。進一步地，結(jié)合高鐵對服務業(yè)發(fā)展和企業(yè)集聚的影響可以判定，加速城市產(chǎn)業(yè)置換是高鐵提升小城市對勞動力需求的主要原因。高鐵的開通為小城市調(diào)整產(chǎn)業(yè)結(jié)構(gòu)提供了契機，在制造業(yè)向服務型經(jīng)濟的轉(zhuǎn)型過程中形成了對勞動力需求的增加，但可能還伴隨著第二產(chǎn)業(yè)的退出，故造成了高鐵經(jīng)濟效益偏低，對小城市的刺激作用有限。

六、結(jié)論與政策涵義

本文通過機理分析與機制驗證兩個方面對高鐵的城市經(jīng)濟效益進行了分析，并進一步考察了高鐵對不同規(guī)模城市影響的差異性，以及兩種高鐵連接方式的不同影響，結(jié)論如下：高鐵經(jīng)濟效益的評估結(jié)果顯示，高鐵是城市經(jīng)濟增長的重要動力，不論規(guī)模大小，城市均可從高鐵連接中受益，但不同規(guī)模的城市之間存在較大的差異。高鐵自身建設對城市經(jīng)濟的貢獻率較小，主要通過作用于城市經(jīng)濟系統(tǒng)的內(nèi)、外部要素發(fā)揮作用，主要為一種間接影響。高鐵對城市經(jīng)濟作用路徑的差異性可以解釋高鐵對不同規(guī)模城市的影響。高鐵能夠從多個方面對大城市經(jīng)濟產(chǎn)生積極影響，如促進集聚、提高服務業(yè)人均產(chǎn)出和加速產(chǎn)業(yè)升級，但這種影響主要來自于外向型交通，即基于高鐵網(wǎng)絡與全國更多高鐵城市的連接。與大城市相比，高鐵對中、小城市的影響有兩個顯著的差異：第一，與鄰近城市交通聯(lián)系的加強對于中、小城市顯示出積極的作用；第二，隨著城市規(guī)模的減小，高鐵的對產(chǎn)業(yè)升級的影響不再突出，主要為加速城市經(jīng)濟向服務型經(jīng)濟轉(zhuǎn)型。

本文的政策涵義包括三個方面：第一，高鐵促進了要素在城市間的快速流動和在更大空間范圍內(nèi)配置要素，從而有助于節(jié)點城市共享高鐵帶來的好處；與大城市、中心城市交通聯(lián)系的加強對于提升中、小城市的吸引力和加速產(chǎn)業(yè)結(jié)構(gòu)調(diào)整方面具有突出的影響，因此，持續(xù)的高鐵建設是促進地區(qū)經(jīng)濟發(fā)展的一個可行方案。第二，就不同規(guī)模城市的發(fā)展而言，尚需根據(jù)高鐵連接方式及作用路徑的差異性制定更為具體的城市發(fā)展戰(zhàn)略和線路建設計劃，以提升高鐵的經(jīng)濟效益。從構(gòu)建總部經(jīng)濟和發(fā)展全球城市考慮，應進一步通過高鐵網(wǎng)絡增加大城市與全國城市的聯(lián)系，提升城市的服務業(yè)產(chǎn)出水平和向高端服務業(yè)發(fā)展。對于中、小城市，則要充分借助小時圈便利性的提升，從本地實際出發(fā)尋找經(jīng)濟發(fā)展動力，找準城市定位，形成錯位發(fā)展格局。第三，在城市層面，雖然高鐵列車數(shù)可以作為城市高鐵總體發(fā)展水平的一個良好指標開展相關(guān)研究，但其本身更多是對高鐵運營服務的體現(xiàn)。從研究結(jié)論看，高鐵公交化運營水平越高，對城市經(jīng)濟的促進作用越顯著，小時圈內(nèi)交通便利性的提升對于區(qū)域均衡發(fā)展具有積極的影響。