基础设施建设与中国区域全要素生产率——基于285个地级市的空间计量分析

基础设施建设与中国区域全要素生产率

——基于285个地级市的空间计量分析

摘　要：基于中国285个地级市2001-2015年的面板数据，构建了空间动态杜宾模型分析经济性基础设施和社会性基础设施对中国各地级市全要素生产率变动的影响。结果表明：在样本期间内，中国的全要素生产率变动存在明显的空间相关性；总体上，各地级市的全要素生产率呈下降趋势，下降幅度由大到小依次为中部地区、东部地区和西部地区；交通和医疗基础设施会对当地的全要素生产率产生正向影响，能源和环境基础设施会对当地的全要素生产率产生不利影响；文化基础设施会对邻近区域的全要素生产率产生正向空间溢出效应，但交通和环境基础设施会对邻近区域的全要素生产率产生负向空间溢出效应；通讯和教育基础设施对当地和邻近区域的全要素生产率均无显著影响。此外，产业结构升级会显著促进当地全要素生产率的提高，但对邻近区域全要素生产率的提高会生产显著的阻碍作用。分区域的研究结果表明，基础设施建设对全要素生产率的影响不仅存在显著的区域异质性，还表现出“短期效果强于长期效果”的时效性。关键词：基础设施；全要素生产率；空间动态杜宾模型；空间溢出效应DOI：10.3773/j.issn.1006-4885.2018.04.071

中图分类号：XXXXX 文献标识码：A 文章编号：1002-9753（2018）04-0071-24

谢　剑

1　引　言

完善的基础设施对加速社会经济活动，促进其空间分布形态演变起着巨大的推动作用。根据世界银行（1994）［1］的定义，基础设施是指为社会生产和居民生活提供公共服务的物质工程设施，是用于保证国家或地区社会经济活动正常进行的公共

基金项目：福建省中国特色社会主义理论体系研究中心2016年年度项目（FJ2016B030）。作者简介：谢　剑（1970-），北京人，华侨大学工商管理学院助理研究员，研究方向：企业管理。

2018.04　科学决策　71

基础设施建设与中国区域全要素生产率

服务系统。基础设施不仅包括道路交通、邮电通讯、能源供应等直接参与生产活动、降低企业成本的经济性基础设施；还包括供水供电、商业服务、科研与技术服务、园林绿化、环境保护、文化教育、医疗卫生事业等有利于人力资本积累和民生改善的社会性基础设施。

我国自1978年实行改革开放以来，实现了GDP增长率年均近10%的经济奇迹，对世界经济的增长作出了重大贡献。我国之所以能在这么短的时间之内取得这么巨大的经济成就，离不开在基础设施建设方面的持续投入。基础设施作为决定经济增长的重要因素，不仅直接以投入要素的方式进入生产函数提高当地的经济产出，基础设施的不断完善还可能通过空间溢出效应间接促进邻近区域全要素生产率的增长。

在长期内，决定经济增长的最主要原因在于全要素生产率的增长。那么，基础设施建设是否有助于提高全要素生产率？我国各地区的全要素生产率的发展经历了怎样的进程？东、中、西三大区域全要素生产率的变动趋势是否一致？基础设施建设在各个城市之间是否存在空间溢出效应？此外，考虑到基础设施包含的种类众多，经济性和社会性基础设施对全要素生产率的影响方式和影响程度是否存在差异？深入研究上述问题对于作出合理的公共基础投资决策、优化资源配置，从而为经济增长提供持久的动力、实现中国经济的可持续发展具有重要的学术价值和和现实意义。

本文的创新之处在于使用了地级市层面的面板数据，且样本期间较长，相对于现有多数研究使用的省级层面的面板数据，能更加真实地衡量基础设施建设对全要素生产率的影响及其空间溢出效应。此外，考虑到基础设施的种类繁多，而经济全要素生产率与基础设施建设之间可能存在内生性问题，为了处理模型的内生性问题，本文在空间静态模型的基础上加入了被解释变量的滞后一期项，构建了空间动态面板模型，可以有效解决变量之间由于互为因果而导致结果有偏的问题。

2　文献综述

在新增长理论的推动下，基础设施建设对经济增长的外溢效应逐渐受到了学术界的广泛关注。进入20世纪80年代以来，一些研究者开始尝试将基础设施建设与全要素生产率联系起来，并对其展开实证研究，根据研究视角的不同，现有研究主要可分为两个部分。

其一，未考虑空间溢出效应的研究。Aschauer（19）［2］运用美国1945-1985年的时间序列数据，研究了非军事部门公共资本存量与全要素生产率之间的关系，结果表明在高速公路、机场和公共交通等核心基础设施方面的公共支出对美国

72 科学决策 2018.04

基础设施建设与中国区域全要素生产率

全要素生产率的提高起到了重要的推动作用。Munnell和Cook（1990）［3］利用美国1948-1987年的时间序列数据研究发现，公共基础设施投资对私营部门的产出具有显著的正向影响，美国劳动生产率的下降并非是由投入要素的生产率下降或是技术效率下降引起的，而是由基础设施增长的下降引起的，说明基础设施对经济增长存在显著的正相关关系。Bronzini和Piselli（2009）［4］在对意大利的全要素生产率进行估计的基础上，通过面板协整模型研究了R&D、人力资本和公共基础设施对区域全要素生产率的影响，结果表明一个地区的研发活动和基础设施建设会对当地的全要素生产率产生积极的影响。Elnasri（2014）［5］基于澳大利亚1990-2009年的州际数据，建立误差修正模型研究了基础设施建设对全要素生产率的影响，结果表明基础设施建设对澳大利亚的全要素生产率起着重要的推动作用。此外，因果关系检验的结果表明，公共基础设施对全要素生产率存在着长期的单向因果关系。Mitra和Sharma（2016）［6］通过构建协整模型，利用系统GMM方法研究了1994-2010年印度的信息通信基础设施建设对制造业的全要素生产率和技术效率的影响，发现信息通信基础设施建设对印度制造业的全要素生产率和技术效率的增长起着极为重要的推动作用。薛漫天（2011）［7］基于中国制造业各行业1986-2009年的面板数据，使用广义矩估计方法检验了交通、通讯、电力等基础设施对中国制造业各行业全要素生产率的影响，结果表明，交通和通讯基础设施对制造业各行业的全要素生产率均产生显著的正向影响，且交通基础设施的影响最大，但电力基础设施对制造业各行业的全要素生产率的影响不显著。张先锋等（2016）［8］基于2003-2013年285个地级市的面板数据，考察了中国交通基础设施通过人力资本流动与集聚影响全要素生产率的内在机制，发现交通基础设施的完善对全要素生产率的提高具有显著的正向作用；融入人力资本分层集聚与交通基础设施的交互作用会对大城市全要素生产率的提升起到促进作用，但不利于中小城市全要素生产率的提升；经济越发达，交通基础设施对区域全要素生产率的促进作用越明显。上述研究均得出了基础设施会对全要素生产率产生正向影响的结论，但也有少数文献得出了不同的结论，Farhadi（2015）［9］研究了1870-2009年间18个经合组织成员国的公共基础设施与经济增长之间的关系，发现样本期间各成员国的劳动生产率和全要素生产率均有显著提高，但并未显著受到基础设施投资增长的影响。

其二，考虑空间溢出效应的研究。刘秉镰等（2010）［10］基于1997-2007年我国31个省的面板数据，首先采用随机前沿分析法估计了样本期间的全要素生产率，在此基础上，建立空间计量模型研究了交通基础设施对全要素生产率的溢出效应，结果表明，交通基础设施中的铁路和高速公路均对我国的区域全要素生产率起到了显

2018.04　科学决策　73

基础设施建设与中国区域全要素生产率

著的空间正向溢出作用。张先锋等（2010）［11］利用中国1998—2008年25个省市的面板数据，研究了公共基础设施及其地理溢出效应对区域全要素生产率的影响，结果显示公共基础设施对区域全要素生产率有积极影响，但公共基础设施的空间溢出效应显著为负。刘建国和张文忠（2014）［12］运用空间计量模型对1990—2011年我国31个省市自治区的区域全要素生产率的空间溢出关联效应进行了研究，结果表明，经济的集聚水平、人力资本、信息化水平和经济开放水平等均会对区域全要素生产率产生正向的空间溢出效应；而干预和产业结构则会对区域全要素生产率产生负向的空间溢出效应。

目前，在研究基础设施建设与经济活动之间的关系时，多数学者均只考虑交通、通讯和能源等三种经济性基础设施，但鲜有学者考虑除经济性基础设施外的社会性基础设施。从现有的文献来看，涉及社会性基础设施的文献还较为少见。夏业良和程磊（2011）［13］以北京市为例，基于VAR模型研究了基础设施与经济增长的互动关系，结果表明，从长期来看，经济性基础设施和社会性基础设施都是经济增长的基础条件；从短期来看，只有医疗类基础设施和文化类基础设施对经济增长具有促进作用；此外，社会性基础设施对北京市经济增长的促进作用大于经济性基础设施的作用。郑荷芬等（2013）［14］在研究基础设施投入对服务贸易结构的影响问题时，将基础设施分为交通、通讯和能源等三项经济性基础设施以及教育、科研、医疗和环保等四项社会性基础设施，结果表明，三大经济性基础设施均于服务贸易结构水平呈显著正相关关系，而社会性基础设施变量中，研发基础设施具有正向作用，医疗、教育和环保基础设施则具有负向作用。邓茗尹和张继刚（2016）［15］在研究新型城镇化背景下城乡社会性基础设施的规划策略问题时提出，随着新型城镇化的的推进，社会性基础设施建设也开始受到社会各界的广泛关注，社会性基础设施是指交通、给排水、能源、防灾等工程性基础设施之外的教育、科技、医疗卫生、体育、文化、社会福利等社会事业设施。

综观国内外已有文献，学者们基于不同的研究视角和研究方法，对基础设施建设与全要素生产率之间关系的研究已取得了丰硕的成果。然而，从中也不难发现：国外在研究此类问题时无论是视角还是方法都比较全面，但极少涉及对中国这一相关问题的研究；国内学者在研究我国的问题时，多以省际面板数据为基础，其中以地级市作为研究对象的文献较为罕见，且视角主要集中在交通、通信和能源等经济性基础设施方面，这些不足使得结果的精确度和可信度大打折扣。因此，在分析基础设施建设对全要素生产率的影响时，不仅要考虑交通、通信和能源等经济性基础设施的直接作用，还要综合考虑文化、教育、医疗、环境等社会性基础设施的间接

74 科学决策 2018.04

基础设施建设与中国区域全要素生产率

作用，同时还要考虑基础设施对全要素生产率的空间溢出效应。本文正是基于这种思路，选取2001-2015年中国各地级市的面板数据，构建空间计量型分析基础设施建设对中国区域全要素生产率的影响及其空间溢出效应。

3　机理分析与模型构建

3.1　各项基础设施建设对经济全要素生产率的影响机理交通、通讯和能源是学术界普遍使用的三类经济性基础设施，本文也以这三类基础设施作为经济性基础设施的代表性变量。对于社会性基础设施的定义则较为宽泛，既包括医疗和文化类基础设施，也包含研发、教育、环保和体育类基础设施。由于本文的研究对象为地级市，某些类别的基础设施数据无法获得，在参考已有相关文献的基础上，本文选择文化、教育、医疗和环境等四类基础设施作为社会性基础设施的代表性变量。此外，还选择了经济密度和产业结构作为控制变量。

（1）经济性基础设施

交通：作为对经济增长直接产生经济效益的交通基础设施具有网络属性，使得各个区域的经济活动得以连成一个整体，不仅可以降低企业与居民的运输成本，还可以通过扩散效应促进区域之间的经济合作和发展，这是一种正向的空间溢出效应。然而，交通基础设施也会改变所在地区的可达性和吸引力，加快地区之间生产要素的流动，经济发达地区由于其自身存在的强大的科技力量、广阔的消费市场等优势，存在较强的“虹吸效应”，这就会对邻近区域产生负向的空间溢出效应。

通讯：随着移动互联网的兴起，使得人们的生活方式发生了显著的变化，同时也对企业的生产和贸易方式产生了深远的影响。通信基础设施是经济发展的重要推动力，通信基础设施越发达，越具有规模效应和网络效应，通过推动生产组织结构的演进，使得企业在组织结构、业务流程、行为方式和经营理念等方面发生巨大的变革并影响企业的生产效率，从而对全要素生产率产生影响。

能源：水、电、煤气等能源作为保证社会经济持续发展的基础，关系着国民经济的命脉，在企业的生产活动中是必不可少的。我国在能源基础设施方面不断增加的投入使得我国的能源基础设施越来越完善，为我国国民经济的快速发展提供了重要支撑。但是另一方面，也可能存在“资源诅咒”现象，自然资源丰富的地区过分依赖自然资源，导致资源利用的低效率，进而对全要素生产率产生不利影响。

（2）社会性基础设施

文化：当一个地区的经济水平发展到一定程度后，人们为了丰富自身的精神生活，就会更加追求高品质的生活质量，催生对图书馆、影剧院等与文化相关的基础设施的需求。虽然这些基础设施并不会直接对全要素生产率产生影响，但可以通过调节

2018.04　科学决策　75

基础设施建设与中国区域全要素生产率

人们的心理活动对生产行为产生影响，并对社会劳动生产率产生影响，通过这种方式间接地影响全要素生产率。

教育：决定经济产出的最主要的两种因素分别为物质资本和人力资本，一个地区教育水平的高低直接决定了人力资本的质量。人力资本对全要素生产率的作用体现在：劳动者个人受教育水平的提高不仅可以直接提高其自身的生产效率，同时还可以对其他劳动者起到示范效应。此外，高素质人才在各个地区之间的流动也会对区域全要素生产率产生重要影响。

医疗：作为一种社会性的基础设施，医疗建设并不会对一个地区的经济发展起到立竿见影的效果。中国地域辽阔，区域发展极不均衡，随着社会经济的发展，越来越多的人会追求更高质量的生活条件，一个地区医疗基础设施的完善以及医疗水平的提高具有极大的吸引力，可以吸引其他地区高素质人才的流入，从而影响当地以及邻近地区的全要素生产率。

环境：环境是一个城市基础设施的重要组成部分，其对企业的生产和人们的生活均会产生重要的影响。在城市的经济发展过程中，环境就是一张名片，环境越好越有利于吸引投资和人才。此外，好的环境还可以为当地旅游产业的发展起到极大的推动作用，并由此带动一批相关产业的发展，最终影响一个地区的全要素生产率，但环境是否会对全要素生产率产生显著的影响还有待验证。

（3）控制变量

经济密度：它代表了单位面积上经济活动的密集程度，可以用单位面积土地上经济效益的水平衡量。全要素生产率的来源之一是规模效应，而规模效应主要取决于经济密度，经济密度越高的地区，更有利于专业化的分工协作，物流运输成本也更低。因此，经济密度越高的地区越具有规模效应，也可能越有利于全要素生产率的越高。

产业结构：经济增长不仅体现为经济总量的增加，还体现为产业结构的优化升级。由于产业之间技术水平的差异，不同产业之间的生产效率也有所不同。得益于科学技术的进步和社会的发展，投入要素呈现出从生产率低的部门向生产率高的部门流动的趋势，社会劳动生产率水平也会得到提高，并进一步推动全要素生产率的增长。

3.2　计量模型的构建依据前文的分析，本文通过空间计量模型测算全要素生产率的影响因素时，主要包含三类变量，分别是经济性基础设施，社会性基础设施和控制变量。本文已就交通、通信、能源等经济性基础设施以及文化、教育、医疗和环境等社会性基础设施对全要素生产率的影响机制进行了分析。为了检验经济性基础设施和社会性基础

76 科学决策 2018.04

基础设施建设与中国区域全要素生产率

设施对全要素生产率的影响及其溢出效应，在上述变量的基础上加入控制变量构建计量模型，考虑到区域间的空间溢出效应，本文引入邻近城市的全要素生产率与所有解释变量的空间滞后项；此外，考虑到模型可能存在的内生性问题，加入被解释变量的滞后一期项，最终建立如下形式的空间动态杜宾模型:

lntfpit=τlntfpi,t-1+ψwlntfpi,t-1+ρwlntfpit+βlnxit+γwlnxit+α+μi+υt+εit

（1）

其中，tfp为年度间全要素生产率变动量，x为解释变量，ρ,β,γ为需要估计的参数，α为常数项，μi为个体固定效应，υt为时间固定效应，为服从正态分布的随机扰动项，w为空间权重矩阵a。当τ=0且ψ=0时，式（1）为静态空间模型；当τ=0且ψ≠0时，式（1）为动态空间滞后模型；当τ≠0且ψ=0时，式（1）为动态时间滞后模型；当τ≠0且ψ≠0时，式（1）为动态时空滞后模型。为了缓解数据可能存在的异方差性，本文对所有变量均进行对数化处理。

4　数据来源与描述统计分析4.1　数据说明本文选取的数据均来源于2002-2015年《中国城市统计年鉴》、《中国区域经济年鉴》、《中国统计年鉴》和中国经济与社会发展统计数据库。由于某些样本的数据缺失过于严重，在整理过程中将其剔除，最终的样本量为285个地级市。在所选取的样本中，某些指标存在个别缺失值，对于这部分缺失值，本文采用线性插值法进行填充。对于国内生产总值，以2001年为基期进行平减；对于各地级市的全社会固定资本投资，首先以2001年为基期进行平减，由于该指标为流量数据，在进行实证之前，还需采用永续盘存法进行调整，具体计算时参照张军等（2004）［16］的做法，该方法的关键在于折旧率的选取和确定，参考沈利生和乔红芳（2015）［17］对固定资产存量的估算结果，样本期间的固定资产平均折旧率选为；从业人员总数为城镇私营和个体从业人员以及年末单位从业人员之和。在计算全要素生产率时，使用的投入产出变量样本长度为2001-2015，由于计算出的是样本期间的年度全要素生产率变动量，其样本长度为2002-2015，在采用空间计量模型计算全要素生产率的影响因素时，亦选择与此相同的样本长度。

交通基础设施采用等级以上公路里程数来表示，通讯基础设施采用国际互联网用户数来表示，对于能源基础设施，油气铺设管道长度是一个较好的衡量指标，然而，由于本文使用的是地级市层面的面板数据，在《中国城市统计年鉴》和《中国区域

a 本文中的空间权重矩阵根据各地级市驻地之间地理距离平方和的倒数来构建，且对其进行行和为1的

行标准化处理。

2018.04　科学决策　77

基础设施建设与中国区域全要素生产率

经济统计年鉴》中均未能找到该指标，因此，本文采用全年供电总量作为能源基础设施的代理变量；文化和教育基础设施分别用公共图书馆藏书总量、高等学校在校学生数来衡量，医疗基础设施用医院、卫生院床位数来衡量，环境基础设施用绿地面积来表示。除经济性基础设施和社会性基础设施外，本文还选择了经济密度和产业结构作为控制变量，其中，经济密度用每平方公里土地上年末总人口数来表示，产业结构则采用第二产业和第三产业（即非农产业）的增加值占GDP的比重来衡量。

4.2　数据的描述性统计分析对所选取的变量进行预处理后，再对数据进行描述性统计，结果如表1所示。从变量的描述性统计结果来看，由于我国区域辽阔，人口分布和经济发展水平极不均衡，绝大多数变量的最小值和最大值之间差异巨大，其中国际互联网用户数和全年用电总量这两个变量的最大值与最小值的比值均达到十万倍以上，差异最小的非农产业比重的最大值与最小值的比值也在两倍以上。各地区之间基础设施建设的不均衡必然导致全要素生产率也存在差异，随着地区之间经济交往的日益频繁，基础设施建设也会对邻近地区的全要素生产率产生溢出效应。下文将对各地区的全要素生产率进行测算，并检验基础设施建设对地区全要素生产率的溢出作用。

表1　数据的描述性统计结果

变量gdpempinvgahneteleplbstuhosgrapopnar

经济含义/单位地区生产总值/亿元就业人员总数/万人全社会固定资产投资总额/亿元等级以上公路里程/公里国际互联网用户数/万户全年用电总量/亿千瓦时公共图书馆图书总藏量/万册、件高等学校在校学生数/万人医院、卫生院床位数/万张

绿地面积/公顷经济密度(人/平方公里)第二和第三产业占GDP比重

样本个数427542754275427542754275427542754275427542754275

均值1269.82.53747.559494.0944.54.55209.516.681.395254.29418.230.85

标准差2035.21119.681116.508046.93115.02117.36529.0013.021.3212871.19322.390.10

最小值12.615.582.45212.000.020.010.090.010.0923.004.700.49

最大值25123.451729.0815367.97127082.005174.001410.607568.20104.3216.44168027.002707.001.00

78 科学决策 2018.04

基础设施建设与中国区域全要素生产率

5　实证结果及分析

5.1　各区域全要素生产率的变动趋势分析本文分别选择样本期间各地级市的全社会固定资本投资存量以及就业人员总数作为经济活动的资金投入和人员投入变量，将各地级市的地区生产总值作为经济活动的产出变量。参考郭庆旺等（2005）［18］的研究，构建DEA-Malmquist指数对我国各地区的全要素生产率进行测算。为了进一步细分区域之间的差距，本文还分别测算了我国东、中、西三大区域的全要素生产率a，结果如表2所示。

表2　我国各区域的经济全要素生产率变动趋势

年度区间2001/20022002/20032003/20042004/20052005/20062006/20072007/20082008/20092009/20102010/20112011/20122012/2013201320142014/2015总体均值

东部地区均值

0.840.910.970.960.960.951.070.921.011.050.990.950.960.970.97

中部地区均值

0.840.901.000.920.910.931.030.900.971.050.990.920.960.940.95

西部地区均值

0.840.951.011.050.960.971.050.921.011.071.000.950.970.960.98

总体均值0.840.920.990.970.940.951.050.911.001.060.990.940.960.960.96

由表2可知，2007年之前各个区域的全要素生产率在各年度间均出现了不同程度的下降，2007/2008年度首次出现上升。从整个样本来看，在样本期间内，除2007/2008年度外，仅有2010/2011年度全要素生产率有所上升，其它年度区间均呈下降趋势。具体到各个不同的区域，虽然在某些年度区间有所差别，但总体情况大

a 其中东部地区包括：北京市、天津市、河北省、辽宁省、上海市、江苏省、浙江省、福建省、山东省、广东省、

海南省；中部地区包括：山西省、吉林省、黑龙江省、安徽省、江西省、河南省、湖北省、湖南省；西部地区包括：内蒙古自治区、广西壮族自治区、重庆市、四川省、贵州省、云南省、自治区、陕西省、甘肃省、青海省、宁夏回族自治区、维吾尔自治区。

2018.04　科学决策　79

基础设施建设与中国区域全要素生产率

同小异，在样本期间总体上呈下降趋势，年均下降4%，且下降幅度由大到小依次为中部地区、东部地区和西部地区。中部地区的下降幅度最大可能是由于年轻劳动力大量流入东部沿海发达城市所导致的；而西部地区的下降幅度最小可能是由于本世纪初开始实施的西部大开发战略在一定程度上缓解了西部地区全要素生产率的下降速度；而我国总体样本全要素生产率的下降则主要是由于过去几十年来我国粗放型的发展方式所导致的，而这必然不利于全要素生产率的提高。

5.2　地区全要素生产率变动的空间相关性分析使用ArcGIS 10.2软件计算我国各地级市驻地之间的球面地理距离，以此为基础构建基于地理距离平方倒数的空间权重矩阵。再使用R软件求得2002—2015年间我国各地级市全要素生产率变动的Moran’s I统计量和Geary C统计量，以检验我国各区域之间的全要素生产率变动是否存在空间相关性，检验结果如表3所示。

表3　空间相关性检验结果

year2001/20022002/20032003/20042004/20052005/20062006/20072007/20082008/20092009/20102010/20112011/20122012/20132013/20142014/2015

Moran’I statistic

0.02 0.07***0.04* 0.13*** 0.04**0.08*** 0.12*** 0.08*** 0.02 0.03 -0.03 -0.02 0.09*** 0.02

p.value0.23 0.00 0.06 0.00 0.05 0.00 0.00 0.00 0.19 0.14 0.85 0.75 0.00 0.17

Geary C statistic

0.*** 0.91** 0.91*** 0.86*** 0.96 0.87*** 0.85*** 0.93** 0.94* 0.98 1.00 1.04 0.90*** 0.96

p.value0.01 0.02 0.01 0.01 0.36 0.00 0.00 0.03 0.06 0.32 0.50 0.85 0.01 0.18

注：***、**、*分别表示在1%、5%、10%的水平下显著。

从表3可知，各地级市全要素生产率变动的Moran’s I指数和Geary C指数存在微小的差异。除2011、2012、2013和2015年间不存在明显的空间相关性之外，其它所有年份均存在显著的正向空间相关性。而2011之后的空间相关系数变得不显著，这与我国各区域全要素生产率在2011年之后再次出现下降的趋势相一致。将二者联系起来看，全要素生产率的空间相关系数不显著反映了各地区之间经济联系的

80 科学决策 2018.04

基础设施建设与中国区域全要素生产率

弱化，可能的原因是要素的流动与资源配置的市场化程度降低，在某种程度上导致了全要素生产率的下降。

5.3　面板单位根检验在对地区全要素生产率的影响因素进行实证分析之前，为了避免变量选择不当而出现的伪回归问题，先对所选择的三类经济性基础设施变量、四类社会性基础设施变量以及两个控制变量取对数后进行多重共线性检验，检验结果表明各变量的VIF值均小于10，说明变量之间不存在多重共线性，可以用于建立回归模型。此外，由于本文选用的是面板数据，若是变量不平稳可能会对使得结果有偏，本文对所有解释变量的平稳性进行了面板单位根检验，检验结果如表4所示，表4中的tfp是计算得到的全要素生产率。

表4　面板单位根检验结果

LLC检验

lntfplngahlnnetlnelelnplblnstulnhoslngralnpoplnnar

-24.94***(0.00)-22.06***(0.00)-11.62***(0.00)-21.90***(0.00)-3.57***(0.00)-32.95***(0.00)-21.46***(0.00)-8.98***(0.00)-10.90***(0.00)-14.49***(0.00)

平稳平稳平稳平稳平稳平稳平稳平稳平稳平稳

HT检验-0.02***(0.00)0.79(0.27)0.82(0.96)0.79(0.25)0.53***(0.00)0.75***(0.00)0.43***(0.00)0.78**(0.03)0.05***(0.00)0.82(0.93)

平稳非平稳非平稳非平稳平稳平稳平稳平稳平稳非平稳

IPS检验-26.83***(0.00)-1.70**(0.05)6.95(1.00)-3.74***(0.00)9.73(1.00)-16.71***(0.00)-12.42***(0.00)2.65 (1.00)-1.24*(0.10)-1.60*(0.06)

平稳平稳非平稳平稳非平稳平稳平稳非平稳平稳平稳

FISHER检验11.34***(0.00)12.24***(0.00)23.11***(0.00)11.15***(0.00)6.40***(0.00)16.52***(0.00)2.85***(0.00)16.10***(0.00)-1.27(0.90)24.30***(0.00)

平稳平稳平稳平稳平稳平稳平稳平稳非平稳平稳

注：括号内为P值，***、**、*分别表示在1%、5%、10%的水平下显著。

如表4所示，本文选择了LLC、HT、IPS和FISHER等四种方法用于检验各变量的平稳性，各种检验方法得出的结果存在微小的差异。表4显示每个变量至少有两种或两种以上方法的检验结果显示为平稳。因此，本文认为所选择的9个指标均

2018.04　科学决策　81

基础设施建设与中国区域全要素生产率

为平稳变量，可用作进一步的实证分析。

5.4　基础设施对全要素生产率的影响及其影响效应分析空间相关性检验的结果表明，我国各地级市之间的全要素生产率变动存在明显的空间依赖性。由于空间相关性的存在，传统的面板模型得出的结果是有偏和无效的，不能真实反映各地级市基础设施对全要素生产率变动的影响，此时，空间计量模型是一种很好的解决方法。在进行建模之前，为使得实证结果更有说服力，首先对模型的适用性进行检验，选择最为合适的模型，LR检验和Wald检验的结果表明应该选择空间杜宾模型，这也说明了本文选择的理论模型是正确的。此外，空间豪斯曼检验的结果拒绝了随机效应的原假设，说明应该选择空间固定效应。参考

［19］

Elhorst（2010）的建议，本文采用极大似然法（MLE）对空间杜宾模型进行估计。

为了便于进行对比分析，本文同时列出了空间静态杜宾模型和空间动态杜宾模型的结果，为节省篇幅，空间静态模型仅列出了同时存在时间和个体固定效应的结果，总体回归结果如表5所示。此外，由于被解释变量的空间滞后项均不显著，本文仅加入加权后的被解释变量的空间滞后项，即仅计算了动态空间滞后模型的结果。

表5　空间计量模型估计结果

解释变量

空间静态模型

模型1

模型20.598***

(0.043)

0.020**(0.010)-0.003(0.004)-0.013**(0.006)-0.002(0.005)-0.004(0.006)0.049***(0.017)-0.011**(0.005)-0.012(0.015)

0.005(0.005)-0.001(0.004)0.000(0.003)0.002(0.003)0.005**(0.002)-0.009(0.008)-0.002(0.003)-0.006*(0.004)

空间动态模型

模型30.238***(0.028)0.024**(0.010)-0.001(0.005)-0.013**(0.006)-0.005(0.005)-0.000(0.006)0.040**(0.017)-0.013**(0.005)-0.020(0.016)

模型40.574***(0.044)0.020**(0.010)-0.002(0.005)-0.015**(0.006)-0.002(0.005)-0.001(0.006)0.047***(0.017)-0.013***(0.005)-0.020(0.015)

lw lntfp

lngah

lnnet

lnele

lnplb

lnstu

lnhos

lngra

lnpop

82 科学决策 2018.04

基础设施建设与中国区域全要素生产率

续表

解释变量

空间静态模型

模型10.309***(0.055)-0.060***(0.022)-0.005(0.011)0.037**(0.018)0.047***(0.014)-0.031*(0.018)0.063*(0.038)-0.046***(0.017)-0.003(0.035)-0.129(0.147)0.162***(0.031)0.011***(0.000)YY-6637.627-6511.7963990

模型20.174***(0.027)-0.002(0.009)-0.009(0.009)0.010(0.009)0.013(0.008)-0.011(0.007)0.019(0.015)-0.016*(0.009)-0.001(0.006)-0.119*(0.0)0.167***(0.031)0.012***(0.000)YN-59.873-5859.3073705

空间动态模型

模型30.479***(0.061)-0.034**(0.015)0.005(0.011)0.052***(0.017)0.016(0.013)-0.019(0.017)-0.057*(0.031)-0.037**(0.018)0.047(0.036)-0.310**(0.147)0.481***(0.024)0.011***(0.000)NY-6191.157-6060.5903705

模型40.477***(0.060)-0.042*(0.023)-0.010(0.012)0.030(0.018)0.031**(0.014)-0.027(0.019)-0.014(0.040)-0.037**(0.018)0.002(0.035)-0.369**(0.160)0.195***(0.031)0.011***(0.000)YY-85.254-6354.6883705

lnnar

w lngah

w lnnet

w lnele

w lnplb

w lnstu

w lnhos

w lngra

w lnpop

w lnnar

ρ

σ

2

时间固定个体固定AICBICN

注：括号内为标准差，***、**、*分别表示在1%、5%、10%的水平下显著。

由于空间静态杜宾模型可能存在内生性问题，得出的结果不一定准确，在对结果进行分析时以空间动态杜宾模型为主。由AIC和BIC统计量的值可知，当同时控制了时间和个体效应时，模型的拟合效果最好。因此，本文的结果分析主要以模型4为主。在三类经济性基础设施中，仅有交通基础设施对本地区的全要素生产率产

2018.04　科学决策　83

基础设施建设与中国区域全要素生产率

生显著的正向影响，但是会显著抑制相邻地区的全要素生产率，出现上述结果的原因可能在于：一方面，交通基础设施建设的改善可以大大提高当地的交通可达性，促进地区内部生产要素的自由流动，提高当地的经济效率；另一方面，本地区交通基础设施的改善会吸引邻近地区的优质生产要素流入，使得邻近地区的经济资源减少，从而对邻近地区的全要素生产率产生不利影响；通讯基础设施既不会对本地区的全要素生产率产生显著影响，也不会对邻近地区的全要素生产率产生显著影响，可能的原因在于，经过多年的高速发展，我国的通讯基础设施已较为完善，而且通讯不受地域，因此本文反映通讯基础设施的代理变量“互联网用户”既不影响当地的全要素生产率也不影响邻近地区的全要素生产率；能源基础设施对本地区的全要素生产率会产生显著的阻碍作用，但对邻近区域的全要素生产率不会产生显著的影响，这可能是由于存在资源诅咒，能源丰富的地方往往不注重能源的有效利用，存在极大的能源浪费，进而对全要素生产率的提高产生不利影响。在四类社会性基础设施中，文化基础设施对本地区全要素生产率的提高无显著影响，但会对邻近区域全要素生产率的提高起到显著的促进作用，这可能是由于文化类基础设施主要是为人们提供更多的知识与信息资源，有利于提高劳动者的劳动生产率，劳动力的自由流动使得欠发达地区的劳动者从邻近发达地区更好的文化基础设施中获取知识和信息成为可能，这就使得发达地区的文化基础设施建设对欠发达地区全要素生产率的提高产生了正向的空间溢出效应；教育基础设施建设对本地区和邻近区域的全要素生产率均无显著影响，这可能是由于教育资本投资是一个长期过程，在短期内教育基础设施的增加并不会对全要素生产率产生明显的影响；医疗基础基础设施对当地全要素生产率的提高具有显著的促进作用，但对邻近区域的全要素生产率无显著影响，这可能是医疗基础设施的建设会对人才产生巨大的“虹吸效应”，从而推动当地全要素生产率的提高；环境基础设施对当地和邻近区域全要素生产率的影响均显著为负，可见当前发展阶段，只有好的环境还不足以提高全要素生产率，更需要其他相关配套设施的完善，环境基础设施投资属于财政支出的一部分，环境基础设施投资的增加会挤占其它基础设施的资金投入，从而对全要素生产率产生不利影响。此外，经济密度不会对当地的全要素生产率产生显著影响，也不会对邻近区域的全要素生产率产生显著影响；产业结构会显著促进一个地区全要素生产率的增长，但会对邻近区域全要素生产率的提高产生阻碍作用，这主要是由于产业结构体现的是产业结构转型升级的过程，第一产业大多属于粗加工的产业，附加值远远小于第二产业和第三产业，生产要素从第一产业向第二产业和第三产业转移会提高社会的整体劳动生产率和资源利用率，并进一步促进当地全要素生产率的提高，第二

84 科学决策 2018.04

基础设施建设与中国区域全要素生产率

产业和第三产业比较发达的地区对高素质的劳动者具有较大的吸引力，这就会对邻近区域的全要素生产率产生不利影响。

在空间计量模型中解释变量的系数除包含直接影响外，还包含了反馈效应。剔除反馈效应，并进一步把溢出效应分解为直接溢出效应和间接溢出效应。其中，空间静态模型可分解为长期直接溢出效应和长期间接溢出效应，而空间动态模型既包括长期溢出效应又包括短期溢出效应。参考赵凯等（2017）［20］的研究，得出如表6所示的直接效应和间接效应的计算公式。

表6　直接效应和间接效应的计算公式

类型直接效应间接效应

短期

［(1-ρw)-1(βKIN)］d［(1-ρw)^-1(βKIN)］rsum长期

［((1-τ)I-(ρ+ψ)w)-1(βKIN)］d［((1-τ)I-(ρ+ψ)w)-1(βKIN)］rsum注：I为单位矩阵，表示对该矩阵的主对角线元素求平均值，表示对该矩阵的所有非主对角线元素求平均值，表示各影响因素对应的系数向量，分别为时间滞后系数，空间滞后系数和时空滞后系数。

在现实社会中，多数变量对经济活动的影响仅存在短期溢出效应。由于本文仅对空间动态模型进行分析，因此，对长期空间溢出效应的分析也以空间动态模型为主，将静态空间计量模型的结果作为对比。直接效应为本地效应，表示解释变量对本地区全要素生产率的影响；间接效应为溢出效应，表示解释变量对邻近区域全要素生产率的影响，长期空间溢出效应的结果如表7所示，其中，空间动态模型为模型（4）的结果。

表7　长期溢出效应估计结果

空间静态模型

解释变量

直接效应0.019**(0.008)-0.003(0.005)-0.012*(0.006)-0.001(0.005)-0.004(0.006)

间接效应-0.066***(0.025)-0.006(0.012)0.039*(0.020)0.054***(0.017)-0.041**(0.020)

总效应-0.048**(0.024)-0.008(0.013)0.028(0.021)0.053***(0.018)-0.045**(0.021)

直接效应0.000(0.000)0.000(0.000)0.000(0.000)0.000(0.000)0.000(0.000)

空间动态模型间接效应-0.002(0.002)0.000(0.000)-0.001(0.001)-0.000(0.001)0.000(0.001)

总效应-0.002(0.002)0.000(0.000)-0.001(0.001)-0.000(0.001)0.000(0.001)

lngah

lnnet

lnele

lnplb

lnplb

2018.04　科学决策　85

基础设施建设与中国区域全要素生产率

续表

空间静态模型

解释变量

直接效应0.054***(0.017)-0.012**(0.005)-0.013(0.015)0.298***(0.051)

间接效应0.087**(0.042)-0.059***(0.021)-0.007(0.043)-0.080(0.151)

总效应0.141***(0.043)-0.071***(0.022)-0.020(0.041)0.218(0.158)

直接效应0.003(0.002)0.000*(0.000)0.001(0.001)0.230***(0.057)

空间动态模型间接效应0.003(0.009)0.003*(0.002)0.001(0.003)0.024(0.282)

总效应0.006(0.010)0.003*(0.002)0.002(0.004)0.254(0.298)

lnhos

lngra

lnpop

lnnar

注：括号内为标准差，***、**、*分别表示在1%、5%、10%的水平下显著。

由表7可知，从空间动态模型的结果来看，对于长期空间溢出效应，仅有环境基础设施会对邻近区域的全要素生产率产生显著的正向空间溢出效应，仅有产业结构会对当地的全要素生产率产生显著的正向影响。从空间静态模型的结果来看，经济性基础设施中，交通和能源基础设施的直接溢出效应和间接溢出效应都很显著；社会性基础设施中，文化和教育基础设施的直接溢出效应显著，医疗和环境基础设施的直接溢出效应和间接溢出效应均很显著。对比空间动态模型和空间静态模型的结果可知，两者之间的结果存在很大的差距，若不考虑模型的内生性问题，则很可能根据空间静态模型的结果得出有偏的结论。对于模型（4），除了长期空间溢出效应外，还存在短期空间溢出效应，结果如表8所示。

表8　短期溢出效应估计结果

解释变量lngah

直接效应0.019*(0.011)-0.002(0.005)-0.014**(0.006)-0.001(0.005)-0.000(0.006)0.047***(0.018)

间接效应-0.045*(0.026)-0.014(0.014)0.032(0.024)0.032**(0.016)-0.029(0.020)-0.012(0.050)

总效应-0.025(0.025)-0.016(0.015)0.018(0.025)0.032*(0.017)-0.029(0.021)0.035(0.051)

lnnet

lnele

lnplb

lnstu

lnhos

86 科学决策 2018.04

基础设施建设与中国区域全要素生产率

续表

解释变量lngra

直接效应-0.015***(0.005)-0.021(0.014)0.468***(0.059)

间接效应-0.048**(0.022)-0.002(0.038)-0.308*(0.185)

总效应-0.063***(0.023)-0.023(0.040)0.159(0.183)

lnpop

lnnar

注：括号内为标准差，***、**、*分别表示在1%、5%、10%的水平下显著。

由表8可知，三大经济性基础设施中，交通基础设施会显著促进当地全要素生产率的提高，但会对邻近区域的全要素生产率产生显著的负向空间溢出效应；通讯基础设施对当地和邻近区域的全要素生产率均无显著影响；能源基础设施仅会对当地全要素生产率的提高会产生显著的负向影响，对邻近区域的全要素生产率无显著的空间溢出效应。四大社会性基础设施中，文化基础设施对当地全要素生产率无显著影响，但会对邻近区域的全要素生产率产生显著的正向空间溢出效应；教育基础设施的直接溢出效应和间接溢出效应均不显著；医疗基础设施的直接溢出效应显著为正，间接溢出效应不显著；环境基础设施的直接溢出效应和间接溢出效应均显著为负。此外，经济密度的直接溢出效应和间接溢出效应均不显著，产业结构的直接溢出效应和间接溢出效应均很显著。这些结果与前文的结果高度一致，这说明本文得出的结果是可信的。

5.5　进一步的讨论由于我国区域之间的经济发展极不均衡，以地级市作为研究对象时，与省级层面的研究对象相比，其差距会进一步扩大。为了研究基础设施建设对经济全要素生产率的影响是否存在区域异质性，本文将总体样本按东部地区、中部地区和西部地区进一步细分，再次根据式（1）对模型进行求解，得出如表9所示的结果。

由表8可知，基础设施对不同区域全要素生产率的影响存在较大差异。对于东部地区，交通和医疗基础设施会对全要素生产率的提高起到显著的推动作用，环境基础设施会对全要素生产率的提高产生显著的阻碍作用，经济密度也会阻碍全要素生产率的提高，但产业结构的优化升级会对全要素生产率的提高产生显著的促进作用；通讯和医疗基础设施具有显著的负向空间溢出效应，环境基础设施具有显著的正向空间溢出效应。对于中部地区，仅有产业结构升级会对全要素生产率的提高产生显著的推动作用，无论是经济性基础设施还是社会性基础设施均对全要素生产率

2018.04　科学决策　87

基础设施建设与中国区域全要素生产率

无显著影响；此外，各项基础设施的空间溢出效应也都不显著，这个结果也进一步验证了表2的结论，由于各项基础设施的建设均对全要素生产率的提高无显著影响，在样本期间，中部地区全要素生产率的下降幅度最大。对于西部地区，通讯和能源基础设施会显著阻碍全要素生产率的提高，产业结构升级会显著推动全要素生产率的提高，且产业结构升级的弹性系数远高于东部地区和中部地区，即样本期间西部地区全要素生产率的下降幅度最小主要得益于产业结构升级；此外，交通和环境基础设施具有显著的负向空间溢出效应，产业结构升级也会产生负向的空间溢出效应，但文化基础设施具有显著的正向空间溢出效应。为了进一步验证以上结论的准确性，表10中列出了短期溢出效应的结果。

表9　分区域空间计量模型估计结果

模型5时间固定0.378***(0.060)-0.001(0.008)0.009*(0.005)0.005(0.006)0.013**(0.005)-0.002(0.004)-0.018(0.014)-0.003(0.005)-0.019**(0.007)0.086(0.062)0.033*(0.017)

东部地区模型6个体固定0.151***(0.043)0.0***(0.018)0.012*(0.007)0.008(0.012)-0.001(0.008)-0.015(0.010)0.055**(0.028)-0.020**(0.009)-0.030*(0.017)0.326***(0.106)-0.048**(0.024)

模型7双固定0.353***(0.060)0.068***(0.018)0.006(0.006)0.009(0.012)0.002(0.008)-0.013(0.010)0.053*(0.027)-0.017*(0.008)-0.030*(0.017)0.352***(0.103)0.028(0.036)

模型8时间固定0.510***(0.062)0.002(0.008)0.001(0.007)0.001(0.005)-0.012*(0.006)0.006(0.005)0.008(0.013)-0.004(0.005)-0.003(0.008)0.156***(0.038)-0.015(0.017)

中部地区模型9个体固定0.191***(0.042)0.006(0.014)-0.001(0.009)-0.011(0.012)-0.016(0.010)-0.004(0.011)-0.010(0.029)-0.002(0.009)0.022(0.029)0.261***(0.097)-0.024(0.021)

模型10双固定0.469***(0.065)-0.001(0.014)-0.001(0.009)-0.016(0.012)-0.012(0.010)-0.004(0.011)0.001(0.028)-0.002(0.009)0.035(0.028)0.254***(0.092)-0.037(0.029)

模型11时间固定0.490***(0.076)0.019*(0.010)-0.015*(0.009)-0.011*(0.006)0.001(0.007)0.009*(0.005)-0.012(0.016)-0.001(0.007)0.006(0.007)0.366***(0.056)-0.063**(0.025)

西部地区模型12个体固定0.270***(0.051)-0.008(0.023)-0.020**(0.010)-0.019**(0.010)0.000(0.009)0.011(0.012)0.013(0.035)-0.008(0.010)-0.073(0.103)0.901***(0.130)-0.010(0.032)

模型13双固定0.454***(0.077)-0.016(0.022)-0.019*(0.010)-0.023**(0.009)0.002(0.009)0.009(0.012)0.031(0.034)-0.012(0.010)-0.109(0.100)0.857***(0.128)-0.083*(0.045)

解释变量

lw lntfp

lngah

lnnet

lnele

lnplb

lnstu

lnhos

lngra

lnpop

lnnar

w lngah

88 科学决策 2018.04

基础设施建设与中国区域全要素生产率

续表

模型5时间固定-0.019*(0.010)0.020(0.014)-0.015(0.013)-0.011(0.009)-0.003(0.026)0.007(0.011)0.030**(0.013)-0.136(0.151)0.131***(0.045)0.009***(0.000)

东部地区模型6个体固定0.006(0.013)0.012(0.026)-0.010(0.017)0.011(0.024)

模型7双固定-0.028*(0.015)0.008(0.028)0.019(0.019)0.011(0.031)

模型8时间固定-0.014(0.018)0.012(0.014)0.015(0.014)0.009(0.013)-0.000(0.025)-0.013(0.017)-0.008(0.013)-0.190**(0.084)0.150***(0.045)0.010***(0.000)

中部地区模型9个体固定-0.008(0.019)0.099***(0.038)-0.002(0.020)0.002(0.026)-0.019(0.049)-0.046(0.034)-0.098(0.066)-0.016(0.190)0.441***(0.035)0.010***(0.000)

模型10双固定-0.020(0.020)0.039(0.040)0.013(0.020)0.020(0.028)0.049(0.061)-0.041(0.034)0.071(0.067)-0.158(0.203)0.133***(0.047)0.009***(0.000)

模型11时间固定0.030*(0.017)0.012(0.016)0.048***(0.018)-0.018(0.013)0.074*(0.039)-0.059***(0.018)-0.038***(0.014)-0.180(0.131)0.109**(0.052)0.018***(0.001)

西部地区模型12个体固定0.009(0.019)0.051**(0.025)0.052**(0.025)-0.020(0.027)-0.015(0.055)-0.044(0.029)-0.153(0.213)-0.539*(0.295)0.360***(0.043)0.016***(0.001)NY-1434.02-1329.111092

模型13双固定0.022(0.022)0.023(0.026)0.047*(0.027)-0.026(0.030)0.058(0.079)-0.069**(0.031)-0.324(0.222)-0.605*(0.313)0.122**(0.053)0.015***(0.001)YY-1529.63-1424.721092

解释变量

w lnnet

w lnele

w lnplb

w lnstu

w lnhos

-0.141***-0.139**(0.045)(0.057)0.015(0.021)0.084***(0.031)-0.130(0.320)0.423***(0.036)0.008***(0.000)

0.035*(0.021)0.007(0.032)-0.018(0.345)0.137***(0.046)0.008***(0.000)

w lngra

w lnpop

w lnnar

ρ

σ2时间固定个体固定AICBICN

YNYYNYYNYYNYYN-2557.77-2581.74-2714.00-2329.45-2285.58-2499.37-1345.21-2448.99-2472.95-2605.22-2220.88-2177.07-2340.80-1240.301313131313131300130013001092

注：括号内为标准差，***、**、*分别表示在1%、5%、10%的水平下显著。

表10　短期空间溢出效应

东部地区

解释变量

直接效应0.070***(0.019)0.006(0.007)

间接效应0.044(0.039)-0.032*(0.016)

总效应0.114***(0.041)-0.026(0.018)

直接效应-0.000(0.015)-0.001(0.009)

中部地区间接效应-0.041(0.032)-0.025(0.022)

总效应-0.041(0.033)-0.026(0.023)

直接效应-0.016(0.024)-0.018*(0.011)

西部地区间接效应-0.095**(0.047)0.019(0.023)

总效应-0.111**(0.044)0.001(0.027)

lngah

lnnet

2018.04　科学决策　

基础设施建设与中国区域全要素生产率

续表

东部地区

解释变量

直接效应0.009(0.012)0.004(0.008)-0.010(0.010)0.048*(0.029)-0.016*(0.008)-0.031**(0.015)0.346***(0.098)

间接效应0.010(0.034)0.016(0.020)0.016(0.029)-0.157**(0.069)0.039(0.025)0.005(0.033)0.092(0.372)

总效应0.019(0.037)0.020(0.022)0.005(0.032)-0.109(0.072)0.022(0.026)-0.026(0.033)0.438(0.381)

直接效应-0.015(0.011)-0.010(0.010)-0.001(0.011)0.002(0.030)-0.003(0.009)0.034(0.026)0.250***(0.092)

中部地区间接效应0.039(0.047)0.008(0.022)0.026(0.030)0.046(0.072)-0.052(0.040)0.088(0.069)-0.103(0.225)

总效应0.024(0.050)-0.002(0.025)0.025(0.033)0.048(0.072)-0.055(0.041)0.122*(0.072)0.147(0.214)

直接效应-0.023**(0.009)0.004(0.009)0.011(0.012)0.033(0.036)-0.014(0.010)-0.125(0.093)0.840***(0.132)

西部地区间接效应0.022(0.032)0.046(0.030)-0.024(0.030)0.059(0.094)-0.080**(0.035)-0.377(0.236)-0.531(0.334)

总效应-0.000(0.034)0.051(0.033)-0.013(0.033)0.092(0.098)-0.093**(0.037)-0.502*(0.257)0.309(0.350)

lnele

lnplb

lnstu

lnhos

lngra

lnpop

lnnar

注：括号内为标准差，***、**、*分别表示在1%、5%、10%的水平下显著。

从表10来看，对于东部地区，交通基础设施会显著提高当地的全要素生产率，通讯基础设施会对邻近区域的全要素生产率产生显著的负向溢出效应，医疗基础设施会显著提高当地的全要素生产率，但不利于邻近区域全要素生产率的提高，环境基础设施和经济密度均不利于当地全要素生产率的提高，产业结构升级对当地全要生产率的提高具有显著的积极影响。对于中部地区，各项基础设施的直接溢出效应和间接溢出效应均不显著，仅有产业结构会促进当地全要素生产率的提高。对于西部地区，通讯和能源基础设施具有显著的负向直接效应，产业结构具有显著的正向直接效应和负向间接效应，交通和环境基础设施具有显著的负向间接效应，文化基础设施具有显著的正向间接溢出效应。

6　结论和建议

本文首先估计并分析了我国东、中、西三大区域2002-2015年的全要素生产率变化趋势，然后检验了各地区全要素生产率变动的空间相关性，最后构建空间动态模型研究了经济性基础设施和社会性基础设施对区域全要素生产率的影响。结果表明：样本期间，我国各地级市的全要素生产率变动具有显著的空间相关性，总体上呈下降趋势，且中部地区的下降幅度最大，东部地区次之，西部地区最小；经济性

90 科学决策 2018.04

基础设施建设与中国区域全要素生产率

基础设施中，交通基础设施会显著推动当地全要素生产率的增长，能源基础设施的作用则正好相反，交通基础设施还会对邻近区域产生显著的负向空间溢出效应；社会性基础设施中，医疗基础设施有利于当地全要素生产率的提高，环境基础设施既不利于当地全要素生产率的提高，也不利于邻近区域全要素生产率的提高，文化基础设施会对邻近区域的全要素生产率产生显著的正向空间溢出效应；此外，产业结构的优化升级有利于当地全要素生产率的提高。将样本按区域进行分析的结果表明，基础设施建设对全要素生产率的影响存在显著的区域异质性，基础设施建设对东部和西部地区的全要素生产率均会产生显著影响，但对中部地区的全要素生产率则无显著影响，基础设施建设对全要素生产率的影响还呈现出“短期效果强于长期效果”的时效性。

全要素生产率是我国经济增长的动力源泉，而基础设施建设又与全要素生产率密切相关。在我国经济的总体布局中，必须充分认识到基础设施建设的重要性，同时深刻了解区域之间的发展差距，进行合理的基础设施规划，因地制宜。基于以上的研究结论，本文提出如下几点建议：

合理分配基础设施的资金投入，避免资金的无效投入。从经济性基础设施来看，仅有交通基础设施会对当地的全要素生产率产生显著的积极影响，通讯和能源基础设施的作用则不显著甚至会产生负向影响；从社会性基础设施来看，仅有医疗基础设施会对显著推动当地全要素生产率的提高。因此，对于东部发达地区，应将资金尽可能多地划拨在交通和医疗等普惠型的基础设施建设方面，利用最小的资金投入得到最大的经济产出；对于西部欠发达地区，这些地方的自然资源比较丰富，但能源和通讯等经济性基础设施的投入并不会对当地的全要素生产率产生显著的积极影响，对于这些地区，应尽快转变经济发展方式，从粗放型的发展方式向集约型的发展方式转变。

加强各区域间的经济合作，充分利用基础设施建设的空间溢出效应。从总体来看，交通基础设施和环境基础设施会对邻近区域产生显著的负向空间溢出效应，文化基础设施会对邻近区域产生显著的空间正向溢出效应，由于基础设施对中部地区的全要素生产率不会产生显著的影响，中部地区靠近东部地区，可充分利用基础设施的正向溢出效应，同时尽量避免基础设施的负向溢出效应。具体来看，对西部地区实施了大开发战略，东部地区又具有天然优势，中部地区的年轻劳动力大量外流是其全要素生产率下降幅度最快的主要原因，因此，应该加大对中部地区的资金扶持，使中部地区有条件留住当地的优秀人才，同时利用交通基础设施的便利性，使得在东部地区接受过高等教育的高素质人才更多地回流到当地，为当地的

2018.04　科学决策　91

基础设施建设与中国区域全要素生产率

经济增长注入活力。

加快产业结构升级，提高劳动生产率。产业结构升级对当地经济全要素生产率产生正向影响，而且其弹性系数在所有解释变量中是最大的，可见提高全要素生产率的根本在于产业结构升级。各地区应充分结合当地的地理环境和区位优势，循序渐进地推动产业结构由第一、第二产业向第三产业转移。对于依靠第一产业为主要经济增长动力的落后地区，应该加大对农业基础设施的投资，推广现代农业，增加对农业机械的补贴；对于依靠第二产业为主要经济增长动力的地区，应该加大对生产设施和设备的改造升级，淘汰落后产能，提高对资源的使用效率，从而使得更多的生产要素流动到第三产业，创造更大的经济价值，达到提高经济全要素生产率的目的。

参考文献：References：

［1］ World Bank. World Development Report 1994: Infrastructure for Development［R］.New

York: Oxford University Press,1994.

［2］A schauer, D. A. Is Public Expenditure Productive［J］. Journal of Monetary

Economies,19, 23(2):177-200.

［3］ Munnell, A. H., Cook, L. M. How Does Public Infrastructure Affect Regional Economic

Performance?［J］. New England Economic Review, 1990(9/10):11-33.

［4］ Bronzini, R., Piselli, P. Determinants of Long-Run Regional Productivity with Geographical

Spillovers: The Role of R&D, Human Capital and Public Infrastructure［J］. Regional Science and Urban Economics, 2009(39):187-199.

［5］ Elnasri, A. The Impact of Public Infrastructure on Productivity: New Evidence for Australia

［Z］. Australian School of Business Working Paper, 2014(5):1-72.

［6］ Mitra, A., Sharma, C. Infrastructure, Information & Communication Technology and

Firms’ Productive Performance of the Indian manufacturing［J］. Journal of Policy Modeling, 2016(38):353-371.

［7］ 薛漫天. 基础设施对各行业全要素生产率的影响研究［J］. 工业技术经济, 2011(11):51-55.

X ue M T. The Effects of Infrastructure on the TFP of Manufacturing Industries［J］. Journal of Industrial Technological Economics, 2011(11):51-55.

［8］ 张先锋, 陈琳, 吴伟东. 交通基础设施、人力资本分层集聚与区域全要素生产率——基于我

国285个地级市面板数据的检验分析［J］. 工业技术经济, 2016(6):92-102.

Zhang X F, Chen L, Wu W D. Transportation Infrastructure, Human Capital Layered

Agglomeration and Regional TFP: Empirical Analysis of 285 Prefecture level Cities Panel Data［J］. Journal of Industrial Technological Economics, 2016(6):92-102.

［9］ Farhadi, M. Transport Infrastructure and Long-run Economic Growth in OECD Countries［J］.

92 科学决策 2018.04

基础设施建设与中国区域全要素生产率

Transportation Research Part A, 2015(74):73-90.

［10］刘 秉镰, 武鹏, 刘玉海. 交通基础设施与中国全要素生产率增长—基于省域面板数据的空间

计量分析［J］. 中国工业经济, 2010(3):54-.

Liu B L, Wu P, Liu Y H. Transportation Infrastructure and the Increase in TFP in China - Spatial Econometric Analysis on Provincial Panel Data［J］. China Industrial Economics, 2010(3):54-.

［11］ 张先锋,丁亚娟,王红. 中国区域全要素生产率的影响因素分析——基于地理溢出效应的视

角［J］. 经济地理, 2010(12):1955-1960.

Zhang X F, Ding Y J. Wang H. The Influential Factors on China Regional Total Factor Productivity: In the View of Geographic Spillovers［J］. Economic Geography, 2010(12):1955-1960.

［12］刘 建国,张文忠.中国区域全要素生产率的空间溢出关联效应研究［J］.地理科学,

2014(5):522-530.

Liu J G, Zhang W Z. The Spatial Spillover Effects of Regional Total Factor Productivity in China［J］. Scientia Geographic Sinica, 2014(5):522-530.

［13］夏 业良,程磊. 基础设施与经济增长的互动关系［J］. 经济经纬, 2011(4):14-19.

Xia Y L, Cheng L. The Interaction between Infrastructure and Economic Growth: A Dynamic Analysis Based on the Method of Vector Auto Regression［J］. Economic Survey, 2011(4):14-19.

［14］郑 荷芬,马淑琴,徐英侠.基础设施投入对服务贸易结构影响的实证分析——来自面板

数据的证据［J］.国际贸易问题, 2013(5):115-127.

Zheng H F, Ma S Q, Xu Y X. An Empirical Study on Influence of Infrastructure Inputs on Services Trade Structure: Based on Cross-national Panel Data［J］. Journal of International Trade, 2013(5):115-127.

［15］邓 茗尹,张继刚.新型城镇化背景下城乡社会性基础设施的规划策略［J］.农村经济, 2016(2):108-111.

Deng M Y, Zhang J G. Planning Strategy of Urban and Rural Social Infrastructure under the Background of New Urbanization［J］. Rural Economy, 2016(2):108-111.

［16］张 军, 吴桂英, 张吉鹏. 中国省际物质资本存量估算: 1952-2000［J］. 经济研究,

2004(10):35-44.

Zhang J, Wu G Y, Zhang J P. The Estimation of China’ s Provincial Capital Stock :1952-2000［J］. Economic Research Journal, 2004(10):35-44.

［17］沈 利生,乔红芳. 重估中国的资本存量:1951-2012［J］.吉林大学社会科学学报,

2015(4):122-133.

Shen L S, Qiao H F. Re-Estimating China’s Capital Stock (1952-2012)［J］.Jilin University Journal Social Sciences Edition, 2015(4):122-133.

［18］郭 庆旺,赵志耘,贾俊雪.中国省份经济的全要素生产率分析［J］. 世界经济, 2005(5):46-54.

2018.04　科学决策　93

基础设施建设与中国区域全要素生产率

Guo Q W, Zhao Z Y, Jia J X. The Analysis of Provincial Total Productivity in China［J］. Journal of World Economy, 2005(5):46-54.

［19］ Elhorst, J. P. Matlab Software for Spatial Panels［Z］. University of Groningen Working

Paper, 2010.

［20］ 赵凯,吴莞妹,王理想. 政企R&D投入、财政分权与技术进步——基于空间动态Durbin模

型［J］. 研究与发展管理, 2017(5):137-146.

Zhao K, Wu W M, Wang L X. R＆D Investments of Government and Enterprise Fiscal Decentralization and Technological Progress: Based on Spatial Dynamic Panel Durbin Model［J］. R&D Management, 2017(5):137-146.

（本文责编：小　木）

Infrastructure Construction and China’s Regional Total Factor Productivity:Based on 285 Prefecture-level Cities of Spatial Econometric AnalysisXIE Jian

Abstract：Based on the panel data of 285 prefecture-level cities in China from 2001 to 2015, this paper constructs a spatial dynamic Durbin model to analyze the influence of the economic infrastructure and the social infrastructure to the total factor productivity of China. The results show that there is a clear spatial correlation between the change of total factor productivity in China in the sample period. Generally, the total factor productivity is declining, the degree of decline from large to small followed by the central region, the eastern region and the western region. The transport and medical infrastructure will have a positive impact on the local total factor productivity, energy and environment infrastructure will have a negative impact on the local total factor productivity. Communication infrastructure have a positive effect neither on neighbouring total factor productivity, but traffic and environment infrastructure has the opposite effect. In addition, the upgrading of the industrial structure will significantly improve the local total factor productivity, but it will hinder the improve of neighbouring total factor productivity. After classifying the samples by regions, the results show that the impact of infrastructure construction on total factor productivity not only has significant regional heterogeneity, but also show the timeliness of “short-term effects outweigh long-term effects”.

Key Words：Infrastructure; total factor productivity; spatial dynamic Durbin model; spatial spillover effect

94 科学决策 2018.04