高鐵開通對城市創(chuàng)新的影響研究

徐玉萍，洪振文

（華東交通大學(xué)交通運輸工程學(xué)院，江西 南昌 330013）

高鐵作為連接國內(nèi)各大城市的大動脈，拉近了城市間的時空距離，給城市經(jīng)濟發(fā)展帶來了深刻影響[1]。 國內(nèi)外已有一些文獻對高鐵開通給城市帶來的影響進行評估，發(fā)現(xiàn)高鐵開通能夠促進城市經(jīng)濟增長、提升城市可達性、優(yōu)化旅游環(huán)境等。 如董艷梅等[2]基于新經(jīng)濟地理理論研究發(fā)現(xiàn)高鐵建設(shè)通過降低交通成本、 增加就業(yè)機會以及提高人員待遇等方面促進了區(qū)域經(jīng)濟增長。劉勇政等[3]研究發(fā)現(xiàn)高鐵在帶動本地經(jīng)濟發(fā)展的同時也為周邊城市帶來了積極的外溢效應(yīng)。 Diao[4]則使用雙重差分與工具變量法發(fā)現(xiàn)高鐵通過提升地區(qū)可達性， 帶動了沿線城市經(jīng)濟增長。 李磊等[5]從旅游業(yè)的視角出發(fā)，認為高鐵改善了沿線旅游城市的交通環(huán)境，帶動了旅游客流量增長。

目前，關(guān)于高鐵影響城市創(chuàng)新的研究不多。 高技術(shù)人才作為創(chuàng)新產(chǎn)出的主要創(chuàng)造者，對時間具有高度敏感性，而高鐵的快速、準點等特點能夠有效降低高技術(shù)人才的旅行時間，加速人才與知識在城市之間的流動，促進知識傳播的深度與廣度[6]。 同時，高鐵開通壓縮了城市間的時空距離，有效降低了投資人與企業(yè)之間的信息不對稱，使企業(yè)獲得的風險投資增加，有利于城市創(chuàng)新產(chǎn)出[7]。 可以說，高鐵的開通促進了人才、技術(shù)、資本等創(chuàng)新要素在城市之間的傳播，對于城市創(chuàng)新產(chǎn)生了深刻的影響。

基于此， 以長江中游城市群28 個地級市為研究對象， 收集了這些城市2006—2019 年的面板數(shù)據(jù)，采用傾向得分匹配倍差法（PSM-DID）實證分析高鐵開通對城市創(chuàng)新能力的影響。 與現(xiàn)有研究相比，本文可能的貢獻有：第一，以城市創(chuàng)新為切入點，探討高鐵開通對沿線城市創(chuàng)新的影響，豐富了高鐵開通對城市發(fā)展的影響研究；第二，為了克服城市之間的系統(tǒng)性差異，解決高鐵開通的內(nèi)生性問題，本文將倍差法（DID）與傾向得分匹配（PSM）結(jié)合使用，并在PSM 過程中按年份進行匹配，避免使用單一評估方法帶來的估計偏誤以及樣本跨年匹配[8]問題；第三，在實證研究中考慮了不同等級高鐵線路對城市創(chuàng)新影響的差異性。

1 研究設(shè)計

1.1 數(shù)據(jù)說明

考察范圍為長江中游城市群，基于數(shù)據(jù)的可得性，剔除了天門、潛江、仙桃3 個省管縣級市，選取其余28 個地級市作為考察對象。 由于長江中游城市群最早開通的高鐵為2009 年的合武鐵路； 因此考察時間選擇2006—2019 年，并將2009 年定為考察時間內(nèi)政策開始發(fā)生影響的年份。 實證研究中專利指標來源于《中國研究數(shù)據(jù)服務(wù)平臺》，高鐵開通相關(guān)數(shù)據(jù)來自中國國家鐵路集團有限公司官方網(wǎng)站披露的高鐵開通信息，控制變量以及協(xié)變量數(shù)據(jù)來源于歷年《中國城市統(tǒng)計年鑒》、EPS 平臺以及相關(guān)地級市國民經(jīng)濟和社會發(fā)展統(tǒng)計公報。 部分缺失數(shù)據(jù)使用插值法進行補齊。

1.2 模型構(gòu)建

為了考察高鐵開通對城市創(chuàng)新的影響， 借鑒Shao 等[9]的研究，將高鐵開通看作一項準自然實驗，將考察期內(nèi)開通了高鐵的城市作為實驗組，未開通高鐵的城市作為對照組，然后使用DID 方法來評估高鐵開通對城市創(chuàng)新的影響。 但是，由于高鐵線路規(guī)劃并不是隨機產(chǎn)生的，經(jīng)濟基礎(chǔ)強、戰(zhàn)略定位高的城市更可能獲得高鐵規(guī)劃者的青睞[10]，使得城市樣本在進行分組時存在一定的選擇偏差， 影響評估結(jié)果的準確性。 為了解決樣本選擇偏差問題，首先采用逐年傾向得分匹配來評估所有城市的傾向得分值。 其次將傾向得分值相近的對照組與實驗組進行匹配，最大限度的消除樣本選擇偏差。 最后根據(jù)匹配后的樣本使用DID 估計出高鐵開通的真實效應(yīng)。

1.2.1 逐年傾向得分匹配

令Sia表示所有樣本（i 為城市，取值為i=1，2，…，28；a 為年份，取值為a=2006，2007，…，2019），Tia表示a 年開通了高鐵的樣本（實驗組），Cia表示a 年未開通高鐵的樣本（對照組），則Sia=｛Tia，Cia｝。 傾向得分匹配的目的就是從Cia中找出與Tia具有相似特征的樣本，從而消除樣本選擇偏誤。 具體設(shè)計為：選取若干影響高鐵開通的協(xié)變量Xia，j，構(gòu)造如式（1）所示的模型，評估所有樣本城市在給定協(xié)變量Xia，j的情況下，樣本進入實驗組的條件概率（傾向得分值）pia。 對所有Tia，從Cia中按照有放回取樣的方式選取與Tia樣本有相似傾向得分值的Cia*，得到另一組匹配好的樣本Sia*=｛Tia，Cia*｝。

式中：Xia，j為協(xié)變量，本文參照文獻[11]選取了城市經(jīng)濟發(fā)展水平、人口規(guī)模、政府財政支出規(guī)模、對外開放水平等為協(xié)變量。其中，城市經(jīng)濟發(fā)展水平采用各城市地區(qū)生產(chǎn)總值來衡量； 人口規(guī)模采用各地級市年末總戶籍人數(shù)來衡量； 政府財政支出規(guī)模采用地方財政一般預(yù)算內(nèi)支出衡量。 對外開放水平采用各地區(qū)實際使用外資（按照當年人民幣與美元的實際換算匯率轉(zhuǎn)換為人民幣計算） 來衡量；f 表示估計函數(shù)。

1.2.2 雙重差分法估計

根據(jù)式（1）得到基于逐年傾向得分匹配后的匹配樣本Sia*，構(gòu)建式（2）對其進行雙重差分評估。

式中：α 為常數(shù)項；Ai為城市固定效應(yīng)；Bi為年份固定效應(yīng)；εia為隨機誤差項；lnnovationia為被解釋變量，表示i 城市在a 年的創(chuàng)新能力。專利具有可量化以及客觀性的特點，常常被用來衡量城市的創(chuàng)新能力[12]。 故本文也將采用城市專利申請量來衡量城市創(chuàng)新能力，并在后文替換為專利授予量來進行穩(wěn)健性檢驗。

Dia為高鐵開通虛擬變量，表示i 城市在a 年是否有高鐵開通（運營），是本文核心解釋變量。 考察期內(nèi)開通了高鐵的城市，其開通之前的年份取值為0，開通當年及以后取值為1；考察期內(nèi)一直未開通高鐵的城市， 則其取值始終為0。 對于上半年開通的高鐵，本文將其開通年份定為當年；對于下半年開通的高鐵，本文將其開通年份滯后一年處理。 Dia的系數(shù)β 為本文最為關(guān)注的回歸系數(shù)，表示高鐵開通對城市創(chuàng)新的估計效應(yīng)。

Zia為可能影響城市創(chuàng)新的其他控制變量。 結(jié)合以往研究[13-14]，本文選取了以下控制變量：科技勞動力，采用科研從業(yè)人員數(shù)以及個體從業(yè)人員數(shù)來衡量。 產(chǎn)業(yè)結(jié)構(gòu)，采用第二、三產(chǎn)業(yè)產(chǎn)值占GDP 比重作為替代指標。 對外開放水平，其衡量指標與前文一致。 政府支持力度采用各城市科學(xué)財政支出及其占地方財政一般預(yù)算支出的比值衡量。 交通基礎(chǔ)設(shè)施建設(shè)，采用城市年末實有道路面積衡量。 從業(yè)人員待遇，采用職工平均工資衡量。

為了避免因數(shù)據(jù)量綱差異過大對回歸結(jié)果帶來的影響，本文對非百分比數(shù)據(jù)取對數(shù)處理，以上各指標的描述性統(tǒng)計報告于表1。

表1 統(tǒng)計性描述Tab.1 Descriptive statistics

2 實證結(jié)果分析

2.1 整體估計效應(yīng)

2.1.1 傾向得分匹配結(jié)果

衡量傾向得分匹配結(jié)果有效性的標準是，匹配后各協(xié)變量在實驗組與對照組間不存在顯著差異[15]。 表2 報告了基于逐年匹配后各協(xié)變量的t 值。 其中：***，**，*分別代表1%，5%和10%統(tǒng)計水平上顯著。

由表2 可知， 在采用逐年傾向得分匹配后，除2007 年的變量外，其他年份協(xié)變量的檢驗結(jié)果均不拒絕對照組與實驗組間不存在顯著性差距的原假設(shè)，也即各協(xié)變量在實驗組與對照組間趨勢是平行的。 這說明本文選擇的匹配方法符合要求，匹配后對照組與實驗組各協(xié)變量相差不大， 既降低了樣本選擇偏差，同時也滿足了后續(xù)進行雙重差分的“平行趨勢”要求。

表2 傾向得分匹配后各協(xié)變量值Tab.2 t value of each covariate after PSM

2.1.2 雙重差分結(jié)果與分析

用式（2）對匹配好的樣本進行回歸，表3 報告了模型的回歸結(jié)果。 其中，括號內(nèi)為穩(wěn)健標準誤；***，**，*分別代表1%，5%和10%統(tǒng)計水平上顯著。 第1 列為普通多期DID 的回歸結(jié)果， 第2～5 列為使用逐年P(guān)SM-DID 的回歸結(jié)果。 表3 結(jié)果顯示，表中各列系數(shù)均為正， 表明高鐵開通整體上促進了長江中游城市群的創(chuàng)新能力， 其對長江中游城市群內(nèi)城市創(chuàng)新增長貢獻了0.13。

具體而言，表3 第1 列表明高鐵開通虛擬變量系數(shù)顯著為正，初步證實了高鐵開通促進了城市創(chuàng)新。 使用逐年傾向得分匹配方法控制樣本選擇偏差后，在第2 列、第3 列逐步控制城市固定效應(yīng)與年份固定效應(yīng)后，估計系數(shù)為1.599 且結(jié)果仍然顯著，而在控制城市年份雙向固定效應(yīng)后， 系數(shù)變?yōu)?.103，僅在10%統(tǒng)計水平上顯著，表明高鐵開通對城市創(chuàng)新的影響效應(yīng)可能受地區(qū)以及高鐵開通后運行年份有關(guān)。

為避免一些其他可能影響城市創(chuàng)新的因素影響， 在表3 第2，3 列的基礎(chǔ)上加入了一些控制變量，結(jié)果報告在第4，5 列，從結(jié)果來看，加入控制變量后，Dia系數(shù)顯著降低， 這進一步說明了本文選擇控制變量的有效性。 從第1，5 列結(jié)果對比來看，在控制了樣本選擇偏差后，考察期內(nèi)高鐵開通對城市創(chuàng)新的影響系數(shù)從0.137 降到了0.130，表明普通多期DID 可能高估了高鐵開通對城市創(chuàng)新的影響效應(yīng)。

此外，從表3 各控制變量回歸系數(shù)來看，職工平均工資水平（ln Wage）對城市創(chuàng)新能力的影響顯著為正，即工資水平越高的城市，其創(chuàng)新能力提升越快，這可能是由于科研人員更加趨向于高待遇的城市。 從產(chǎn)業(yè)結(jié)構(gòu)來說，第二、三產(chǎn)業(yè)產(chǎn)值占比對城市創(chuàng)新具有正向影響。 這可能是由于隨著城市化進度加快， 長江中游城市群加快了產(chǎn)業(yè)結(jié)構(gòu)調(diào)整過程，低端產(chǎn)業(yè)結(jié)構(gòu)逐步向高技術(shù)產(chǎn)業(yè)轉(zhuǎn)移，這在一定程度上促進了城市創(chuàng)新。

表3 的結(jié)果還顯示政府科學(xué)財政投入（ln Sci_Fin）對城市創(chuàng)新能力影響也顯著為正，這表明政府對于科技創(chuàng)新的投入越多，其城市創(chuàng)新能力增長越快。 這是由于創(chuàng)新具有一定的外部性，政府科學(xué)財政投入能夠提高如高校、科研單位等創(chuàng)新主體的積極性，增加創(chuàng)新產(chǎn)出。

表3 高鐵開通對城市創(chuàng)新的整體估計效應(yīng)Tab.3 The overall valuation effect of the opening of high-speed railway on urban innovation

2.2 高鐵開通影響城市創(chuàng)新的時間動態(tài)性分析

由圖1 可知，從高鐵開通后第一年開始到開通后第8 年， 高鐵開通都促進了城市創(chuàng)新能力增長，且在開通前2 年其正向影響效應(yīng)呈現(xiàn)出增長的趨勢，并在第2 年達到頂峰，之后呈現(xiàn)出逐步下降的趨勢。 這說明隨著高鐵開通時間的延長，其對城市創(chuàng)新的效應(yīng)表現(xiàn)為先增后降的趨勢。

圖1 高鐵開通效應(yīng)時間動態(tài)性Fig.1 Impact of temporal dynamics of high-speed railway opening

2.3 高鐵開通影響城市創(chuàng)新的空間異質(zhì)性分析

以往研究中，空間異質(zhì)性多是通過劃分東中西部來檢驗的[16]，本文認為，人口規(guī)模在一定程度上反映了城市的經(jīng)濟、教育等狀況，作為城市創(chuàng)新的主要參與者， 人口規(guī)模的大小可能影響高鐵對城市創(chuàng)新的作用。 將研究樣本按照市轄區(qū)人口規(guī)模劃分為大城市、中等城市和小城市，構(gòu)造城市類別變量（Cps），對其與高鐵開通虛擬變量的交互項進行回歸。 其中市轄區(qū)人口達100 萬及以上的劃分為大城市，50 萬～100 萬劃分為中等城市，50 萬及以下人口劃分為小城市。 表4 是不同人口規(guī)模下高鐵開通對于城市創(chuàng)新水平的影響值。 其中，括號內(nèi)為穩(wěn)健標準誤；***，**，* 分別代表1%，5%和10%統(tǒng)計水平上顯著。

表4 高鐵開通對城市創(chuàng)新能力的異質(zhì)性Tab.4 Heterogeneity of high-speed railway opening on urban innovation

從表4 的結(jié)果來看，高鐵開通對大、中城市創(chuàng)新發(fā)展的影響效應(yīng)并不顯著，對人口規(guī)模小的城市創(chuàng)新存在顯著的促進作用。 可能原因是一方面高鐵開通提升了小城市的區(qū)域優(yōu)勢， 優(yōu)化了創(chuàng)新環(huán)境，推動了其創(chuàng)新發(fā)展；另一方面人口規(guī)模大的城市產(chǎn)業(yè)結(jié)構(gòu)與市場規(guī)模處于飽和狀態(tài)，高鐵開通使得產(chǎn)業(yè)向周邊城市擴散的效應(yīng)大于向中心城市集聚的效應(yīng)，限制了大城市的發(fā)展，同時進一步促進了小城市的創(chuàng)新發(fā)展。 這說明高鐵開通有助于我國區(qū)域創(chuàng)新的協(xié)同發(fā)展與空間格局優(yōu)化。

2.4 不同等級高鐵對城市創(chuàng)新的影響差異

本文考察范圍內(nèi)開通的高鐵既有國家層面高鐵，也有地方層面高鐵，研究不同等級下高鐵開通對城市創(chuàng)新影響的差異。 為了獲得國家層面高鐵與地方層面高鐵開通對城市創(chuàng)新影響的“凈效應(yīng)”，剔除了考察時間內(nèi)同時開通了兩種等級高鐵的城市，回歸結(jié)果報告在表5， 括號內(nèi)為穩(wěn)健標準誤；***，**，*分別代表1%，5%和10%統(tǒng)計水平上顯著。 由表5 結(jié)果可知，盡管國家層面高鐵與地方層面高鐵對城市創(chuàng)新都具有促進效應(yīng)，但國家層面高鐵比地方層面高鐵的促進效應(yīng)高0.057， 并且地方層面高鐵的影響系數(shù)并不顯著。

表5 不同等級鐵路對城市創(chuàng)新的差異性Tab.5 Impact of different levels high-speed railway on urban innovation

3 穩(wěn)健性檢驗

3.1 考慮同期政策干擾

為強化城市自主創(chuàng)新， 助力創(chuàng)新型國家建設(shè)，科技部于2008 年啟動了“國家創(chuàng)新型城市”試點計劃，對進入試點計劃的城市在人才、政策、資金等資源方面加大支持。 長江中游城市群在考察期內(nèi)先后有長沙、武漢、南昌、景德鎮(zhèn)等9 個城市進入試點計劃， 這一政策會對試點城市的創(chuàng)新能力有較大提升，從而影響本文研究結(jié)果的可信度；因此本文進一步控制了受創(chuàng)新型城市試點計劃影響的城市與年份的交互項，以降低其干擾影響，回歸結(jié)果顯示在表6 第1 列中，結(jié)果表明，控制創(chuàng)新型城市試點計劃（Nic*period1）的影響后，本文的核心結(jié)果仍然穩(wěn)健。

表6 考慮同期政策干擾與變換被解釋變量Tab.6 Policy interference and changing explained variable in the corresponding period

3.2 替換被解釋變量

進一步選用城市專利獲得量（Gpatent）作為衡量城市創(chuàng)新的指標，對高鐵開通與城市創(chuàng)新的影響重新進行考察，結(jié)果在表6 第2 列中。 可以得出，在替換了衡量城市創(chuàng)新能力的指標后，高鐵開通對城市創(chuàng)新的影響仍然顯著為正，進一步驗證了本文結(jié)果的可信度。

3.3 安慰劑檢驗

雖然控制了大量可能影響城市創(chuàng)新能力的變量， 但仍然可能有一些不被觀測到的變量影響城市創(chuàng)新能力，這可能會影響結(jié)果的穩(wěn)健性。 參考Ferrara等[17]的做法，通過將高鐵開通這項“政策”對特定城市的沖擊變得隨機， 構(gòu)建虛假實驗， 然后使用逐年P(guān)SM-DID 方法進行回歸， 為了增強安慰劑試驗的有效性，將隨機過程重復(fù)1 000 次，若1 000 次實驗結(jié)果的估計系數(shù)分布在0 附近， 則表明不被觀測到的變量并不會影響估計結(jié)果， 也即表3 第5 列高鐵開通虛擬變量系數(shù)的確是由于高鐵開通帶來的結(jié)果。圖2 匯報了1 000 次隨機實驗的結(jié)果。

圖2 1 000 次隨機結(jié)果分布圖Fig.2 Distribution of 1 000 random results

圖2 的結(jié)果顯示，1 000 次隨機實驗的虛假估計系數(shù)大都集中在0 附近，這表明前文的估計結(jié)果不太可能是偶然得到的，其他政策或者隨機性因素并沒有影響到估計結(jié)果，進一步證明本文估計結(jié)果是穩(wěn)健的。

4 結(jié)論

采用逐年P(guān)SM-DID 評估了高鐵開通對長江中游城市群城市創(chuàng)新的影響效應(yīng)，得出以下結(jié)論。

1） 高鐵開通促進了長江中游城市群創(chuàng)新能力增長，其對城市創(chuàng)新增長率貢獻了0.130，該結(jié)論在控制了其他政策干擾以及替換被解釋變量的情況下依然顯著。 此外工資水平、產(chǎn)業(yè)規(guī)模、政府投入等因素都顯著影響了城市創(chuàng)新。

2） 高鐵開通對城市創(chuàng)新的影響存在明顯的時間動態(tài)性與區(qū)域異質(zhì)性。 高鐵開通顯著促進了小城市創(chuàng)新能力，對大中城市則不明顯。 地方政府應(yīng)當根據(jù)自身經(jīng)濟基礎(chǔ)和產(chǎn)業(yè)結(jié)構(gòu)制定激勵性政策。 對于人口規(guī)模大的城市，在促進高鐵發(fā)展的同時，要避免城市負荷過度集中，限制引起創(chuàng)新要素擴散的因素。中小城市要抓住高鐵發(fā)展的歷史機遇， 增加科技投入，注重人才引進與人才待遇提升，建立創(chuàng)新成果保護制度，為承接高新產(chǎn)業(yè)營造出良好的創(chuàng)新環(huán)境。

3） 不同戰(zhàn)略等級高鐵對城市創(chuàng)新影響存在明顯差異性。 國家層面高鐵由于戰(zhàn)略定位更高，連接了更多如長三角、珠三角等地區(qū)發(fā)達城市，為長江中游城市群帶來了更多信息與技術(shù)交流，因而對城市創(chuàng)新具有顯著的促進效應(yīng)。 而地方層面高鐵對城市創(chuàng)新能力的影響則并不明顯。