铁路提速对经济增长的影响交通基础设施质量与经济增长来自中国铁路提速的证据

铁路提速对经济增长的影响交通基础设施质量与经济增长来自中国铁路提速的证据

一铁路提速是交通基础设施发展的重要推动在经济增长理论中，基础设施通常被认为是促进经济发展的重要因素之一。“投资的数量不应成为政策的唯一中心。改善基础设施的质量同样是至关重要的”(世界银行,1994)。在现实的经济发展历史中,世界银行的发展报告也指出“基础设施即便不能称为牵动经济活动的火车头,也是促进其发展的‘车轮’”,“经济欠发达地区通常与贫乏的基础设施相联系”(世界银行,2006)。这其中的经济学逻辑非常直接:要享受市场带来的福祉,首先要融入市场,而公共设施、通讯以及交通部门等各种基础设施是建立市场联系的基本纽带。基础设施对经济增长的推动主要源自于降低交易成本、提高规模经济、促进市场一体化;增加就业机会,促进各种要素流动;提高人力资本投资,加快知识外溢。改革开放30多年来,中国的经济持续高速增长,大规模基础设施建设带动的经济增长是中国30多年投资驱动增长模式的一个缩影。交通设施作为基础设施中的重要组成部分,其对经济增长的影响一直是研究的热点。早在上世纪,Fogel(1962)就曾分析过铁路对美国经济增长的影响。后来,Aschauer(1989)的研究发现基础设施对提高生产率至关重要,进一步激发了众多学者对基础设施与经济增长关系的研究热情,比如Fernald(1999)和Fan等(2002、2004)分别考察了发达国家和发展中国家的公路对生产率和经济增长的影响;Atack等(2009)和Donaldson(2010)研究了美国和印度铁路对城市化、经济增长的影响。在交通基础设施中,铁路具有能耗低、碳排放少、占地少的优势。(1)据《美国科学院学报》2008年刊登的研究报告称,在过去10年,全球二氧化碳排放总量增加了13%,而源自交通工具的碳排放量增长率达25%。大力发展铁路运输对于中国实现2020年控制温室气体排放的目标具有重大意义。长期以来,中国铁路运力与需求的矛盾突出,解决这一矛盾的根本出路在于加快新线建设,但是铁路新线建设周期长,而通过改造既有线路,提高列车速度,增加运输密度,是短时间内提高运输能力最有效的办法。自1997年至2007年,中国逐步实施了6次全国范围内的铁路大提速。(2)铁路提速可以视作是交通基础设施质量的提高。首先,铁路提速最直接的作用是旅行或运输时间的缩短。铁路提速前的1993年,全国列车平均旅行速度仅为48.1公里/小时;经历了6次提速之后,2007年全国列车平均旅行速度提升到70.18公里/小时。时间是衡量交通运输服务质量的一个重要指标。国际快递业务巨头联邦快递认为快递业务的服务关键在于“快”和“准时”。而从旅行服务的角度看,旅行质量包含旅行的快慢、舒适程度、便利性或可得性。火车提速将旅行所需时间缩短,大大提高了乘火车旅行的效用,即服务质量的提升。京沪高铁开通后,很多人放弃飞机选择高铁,航空公司竞相打折即可为证。(1)第二,铁路提速也能够提高运输量。仅第五次和第六次大提速,铁路运输能力就提高了50%以上。(2)运输能力低下,产品市场在很大程度上局限于当地,很少或者根本不存在制造更多商品的需要。随着更先进的运输和通信技术的出现,市场的扩大使大规模的生产成为可能。产品能够被批量地生产,有助于企业实现规模经济。国家十二五规划建设中明确提出“……我国经济增长的资源环境约束强化,……坚持把建设资源节约型、环境友好型社会作为加快转变经济发展方式的重要着力点”。本文研究铁路提速对经济增长的影响,关注既有基础设施质量及服务的提高对经济增长的影响。经过30多年的基础设施投资和建设,“摊大饼”式规模的增长越来越受到土地供给的约束。比如,公路等基础设施受土地所限,其在东部地区的发展已经遭遇瓶颈。研究铁路在既有线路基础上优化升级的影响,对公路等其他基础设施未来的发展模式也有着重要的借鉴意义。本文尝试以铁路提速作为切入点,考察交通基础设施质量对经济增长的影响。本文的主要贡献有如下几点:首先,在研究视角层面,本文重点考察的是交通设施质量对经济增长的影响。值得一提的是,本文通过一个自然实验(铁路提速)考察了交通设施质量变化所导致的影响。具体而言,我们在研究中将样本划分为实验组(提速站点)和控制组(非提速站点),从空间维度(提速与非提速站点)和时间维度(提速前后)两方面同时考察了交通设施质量变动对经济增长的影响。这区别于现有文献用公路等级或其他一些数量指标来代表基础设施质量的做法(Fan等,2002)。第二,在研究方法层面,本文在面板数据结构环境下运用了倍差法(difference-in-differences,DID)估计铁路提速对沿途各地经济发展的效果,从而给出一个相对稳健的结论,该方法在政策效果评估研究中较为流行。中国铁路提速的政策安排主要来自铁道部等国家级机构决策层面的统筹规划,具有外生于沿途各站点地方决策的特征,可以将其视为计量经济学中的自然实验(naturalexperiment),在一定程度上避免了基础设施与经济增长之间相互影响而产生的内生性问题。另外,如前所述,我们需要从空间维度和时间维度综合考虑交通设施质量的差别。由于提速站点与非提速站点的其他一些因素在铁路提速前后的变化也会对经济发展产生影响,而这种影响在对比时需要剔除。因此,为了尽可能地避免内生性问题和综合考虑时间和空间所致的差异,本文选择了倍差法。第三,在样本单元层面,本文选择了地级市的相关社会经济数据,区别于通常的省级数据,这有助于从更微观的层面研究中国经济增长问题,在一定程度上避免了利用省级数据可能遭遇的加总偏误。目前,运用城市数据从基础设施角度研究中国经济增长问题的文献并不多见,其中Banerjee等(2009)在县市层面考察了铁路网络对经济增长的影响。另外,徐现祥和李郇(2004)利用面板数据考察了中国城市一级的经济收敛问题。基于上述想法,本文以京广线和京沪线两条南北走向的铁路大动脉路经省份的地级市作为研究对象,收集并整理了1994~2006年相关的数据样本,构造了相应的面板数据,采用倍差法系统分析了铁路提速对沿途站点经济增长和区域协调发展的影响。本文的结构安排如下:第二部分是文献综述;第三部分介绍计量模型、估计方法和数据;第四部分对铁路提速对经济增长的影响进行分析;最后部分是本文的结论。二基础设施与经济指标研究Aschauer(1989)指出基础设施资本存量对全要素生产率有显著的促进作用,其中诸如高速公路、机场、水运系统等核心基础设施的作用尤为关键。随后,涌现出大量研究各种基础设施规模对经济活动影响的论文。其中在宏观层面,生产率、产出值以及产出增长率是众多研究较为常见的被解释变量。比如,Fernald(1999)考察了美国州际高速公路对劳动生产率的作用;Roller与Waverman(2001)考察了经济合作组织(OECD)国家1970~1990年电信设施投资对GDP的影响;Calderón与Servén(2004)则构建了一个包含交通、通讯和电力等多种基础设施的综合指标,用以考察基础设施规模对GDP增长率的影响。上述研究结果基本都支持基础设施对经济增长有显著的促进作用。当然,也有研究结果并不支持基础设施对经济增长的促进作用。比如,Fogel(1962)认为美国铁路对经济增长的促进作用被过分夸大,而Devarajan等(1996)运用发展中国家的面板数据估算了交通和通讯的经济增长效应,认为交通投资对经济增长具有负面或不显著的作用。虽然在结论上存在不同意见,但总体上看,大多数研究结论还是倾向于认同基础设施对经济产出有正面作用。(1)随着该领域研究的深入,研究人员开始超越基础设施数量或投资规模对经济产出的影响,进而关注基础设施质量和结构对经济活动的影响,同时将基础设施的影响拓展到减贫、收入不平等、投资、资产价格、贸易、比较优势等方面。在基础设施质量方面,铺装路面比重、通讯故障、电力传输的损失率、交通时间(尤其是大城市之间)、港口服务时间等指标被用来刻画基础设施质量。Calderón与Servén(2004)针对121个国家的样本利用主成分分析法构建了一个基础设施质量综合指数,其中包括通讯、电力和交通三类基础设施。该研究指出基础设施质量的提升有助于推动经济增长,并降低收入不平等。Calderón与Chong(2004)还进一步指出,相对于欠发达国家而言,工业化和新兴市场国家的基础设施质量对经济产出的推动作用更为重要。Yeaple与Golub(2007)则认为一国在国际贸易中的专业化不仅依赖于资源禀赋,还取决于其基础设施质量。在基础设施结构方面,现有研究主要强调基础设施投资结构(比如新增投资和维护开支的比重、政府投资与私人投资比重以及运营费用与资本费用比重)、所有权结构(国有和私有比重)、基础设施种类结构和地域结构等对经济活动的影响。Kalaitzidakis与Kalyvitis(2004)指出,加拿大的基础设施维护开支对经济增长具有非常重要的作用。Rioja(2003)对拉美国家的经验研究表明,将公共基础设施中的新增投资重新配置到原有基础设施的维护提高了GDP。孟加拉国对农村基础设施(道路、桥梁)的投资提升了农村地区农业与非农业经济的活跃程度(世界银行,2006)。另外,研究人员也开始强调基础设施与经济增长之间的相互影响关系、遗漏变量、不可观测变量和测量偏误等问题。经济学家利用各种计量方法来解决这些问题以提高结论的可靠性,比如面板固定效应估计(Holtz-Eakin,1994)、联立方程组估计(Demetriades和Mamuneas,2000)、工具变量(Banerjee等,2009)和向量自回归(Kamps,2004)等方法。(1)有关中国的研究基本集中在基础设施与经济增长的关系上,主要有以下几种思路。第一,考察基础设施规模对产出的影响。范九利和白暴力(2004a、b)分别利用柯布-道格拉斯(CD)生产函数和二级三要素CES生产函数估计了中国基础设施资本的产出弹性,Fan与Zhang(2004)也用CD生产函数估计了通讯、公路、灌溉等基础设施对农业部门的产出弹性。Demurger(2001)指出交通设施状况是影响中国省际发展差异最大的关键因素。盛丹等(2011)利用微观数据考察了基础设施对中国企业出口行为的影响。朱海燕和伍业锋(2010)则考察了广东省高速公路对经济增长的影响。第二,基础设施质量和结构对经济活动的影响。Fan等(2002)认为,来自中国农村地区的经验表明,不同质量类型道路的经济回报不同,对贫困的影响也不一。Zou等(2008)同样认为中国东部和中部地区较快的经济增长源自基础设施,同时贫困地区的公路建设有巨大的减贫作用。王小鲁与樊纲(2005)则认为公共产品(公共医疗、教育为代表)和交通设施对于改善发展机会上的不均等、缩小收入差距有非常重要的影响。第三,基础设施与经济增长之间的因果关系。王任飞和王进杰(2007)利用VAR方法考察了基础设施与经济增长之间的因果关系。他们指出,从全国层面看,在基础设施与经济增长的相互作用中,基础设施促进经济增长居于主导地位。此外,张军等(2007)考察了中国基础设施投资的原因,他们指出地方政府在“招商引资”上的标尺竞争和政府治理的转型是中国拥有良好基础设施的原因。王世磊和张军(2008)进一步认为在中国独特的政府层级治理结构(即M型组织结构)下,地方政府官员所面临的晋升政治激励驱动了基础设施投资。目前有关中国的基础设施与经济增长的研究已有不少,但在以下几方面仍有待丰富。首先,大多数已有研究侧重于考察基础设施总量对经济增长的影响(范九利和白暴力,2004a),而对于基础设施质量对经济增长的影响很少有研究。本文重点考察基础设施质量的提升(铁路速度提高)对城市经济增长的影响。随着中国经济实力的提高,今后中国基础设施投资在不同的地区将会采取提高质量或者扩大规模等多种方式,研究基础设施质量的提高对经济增长的影响将会是对现有研究的一个很好补充。此外,本文利用自然实验的分组定性地刻画基础设施质量,这与Fan等(2002)用公路等级刻画基础设施质量不同。其次,目前的研究在测度基础设施质量对经济增长的影响方面较为简单,常用的基本策略就是简单地横向比较基础设施产出弹性。但就如本文所强调的,基础设施质量的差异既可以体现在横截面上的群体间差异,又可以体现在时间序列上样本单元自身的变化。因此,正确测度基础设施质量的影响应该综合考虑这两方面的因素。最后,大部分研究选择省级数据,但数据加总过程可能导致某些加总偏误或者信息损失。因此,利用更为微观的数据进行研究也是对现有研究的一个很好的扩展。鉴于上述原因,本文将中国近年来进行的铁路提速看作一个交通设施质量改善和结构变化的自然实验,利用倍差法评价其对经济增长和区域协调发展的影响,该方法在项目评估中已被广泛运用(徐现祥等,2007;史宇鹏和周黎安,2007)。三回归模型、估计方法、控制小组选择和数据收集(一)厂商生产行为的cd函数本文旨在将火车提速视为一个基础设施质量提升的自然实验,在增长收敛的框架内考察其对经济增长的影响。因此,我们以增长收敛经验研究中的经典范式Barro(1991)回归方程作为基础。具体地说,本文在Mankiw等(1992)的基础上加入基础设施,做一个简单的扩展。依照增长理论中比较常见的假设,厂商的生产行为用CD函数进行刻画,即Y(t)=(Z(t))ξK(t)αH(t)β(A(t)L(t))1-α-β。其中Y为产出、K为物质资本、H为人力资本、Z为基础设施、L为劳动力、A为技术水平。外生给定劳动力和技术水平的增长率分别为n和γ,物质资本、人力资本和基础设施的储蓄率分别为sk、sh、sz。出于计算的简化,进一步假设物质资本、人力资本和基础设施的折旧率均为δ。定义y=Y/AL,k=K/AL,h=H/AL,z=Z/AL。在经典的Solow模型下,k、h、z的运动方程为:利用式(1)得到均衡时刻的K、H、Z,并代入生产函数,然后两边取对数,经过整理人均产出为:记人均产出的增长率为g,根据式(3)得到本文的基本增长收敛回归方程,即:显然,基础设施对经济增长率有着直接的影响。(二)铁路提速对经济增长的影响本文考察铁路提速对经济增长的促进作用。一种常见做法是纵向比较铁路提速的城市在提速前后的增长差异。但是,这种方法没有考虑非提速城市前后的增长差异。另外一种做法是横向比较提速和未提速城市的增长差异。但是,这种方法又没有考虑提速和未提速样本在提速前的增长差异。倍差法综合考虑了上述两种差异,其通常被用于评估某项政策或事件对实施对象的影响,在经济学领域的运用也较为广泛。(1)具体来说,该方法将某项政策或事件看作一个自然实验,为了考察其对某个结果所造成的净影响,在样本点中引入一组未受该政策影响的参照物,即所谓的控制组(controlgroup),而将原来受政策影响的样本点称之为实验组(treatmentgroup)。对于本文所考察的铁路提速,该回归方程可以写成:其中下标i、t分别表示截面单元和时间,g和ε分别是经济增长速度和扰动项。解释变量中的du是一个刻画组别的虚拟变量,du=0,1分别表示样本点属于控制组和实验组;dt是一个刻画时期的虚拟变量,dt=0,1分别表示铁路提速前和提速后的时间。因此,所有样本从两个维度被划分为4组:铁路提速前后的实验组和控制组。在该回归方程中,两个虚拟变量乘积项的估计系数β是我们最为关心的。当样本点属于实验组并经历铁路提速后,该乘积项duit×dtit=1,因此β测度的是铁路提速对经济增长速度的净影响。其背后的原因在于:对于实验组来说,铁路提速前后经济增长速度的差异为Δgtreat=β+βt;对于控制组来说,铁路提速前后经济增长速度的差异为Δgcontrol=βt。因此铁路提速对经济增长速度的净影响应该是控制组和实验组之间的双重差分,即Δg=Δgtreat-Δgcontrol=β。鉴于大多数理论和经验研究支持交通设施对经济增长具有促进作用的结论(Aschauer,1989;Roller与Waverman,2001),因此,我们预计β符号显著为正。为了保证估计方程有较稳健的理论基石,本文将式(5)与前文所述的增长收敛回归式(4)相结合作为回归方程。在此基础上,本文还增加了地理位置、政府开支等变量以控制其他因素的影响。因此,本文的估计方程为:鉴于中国近年来各城市的行政区范围变动较大,而各市市辖区的范围相对稳定,本文采用各市市辖区的数据。另外,在经济增长的研究中,很多研究以3~5年作为一个时间段平滑经济波动的影响。本文出于样本个数的考虑,将3年设为一个时间单位。(1)下面,我们对方程(6)中各变量做一个简单的解释。g表示经济增长速度,本文用人均GDP增长率表示。在研究中国经济增长的文献中,徐现祥等(2007)在省级层面的研究使用了人均GDP增长率,当然,劳均GDP(GDP/从业人员)的增长率也经常被用来度量经济增长速度。由于各城市的总人口和就业人数通常存在较强的相关性,这两种平均产出指标对结果通常不会产生显著影响。对于经济增长率,本文用某一时段最后一年的人均GDP和该时段第一年的上一年人均GDP计算而得。以2000年~2002年时间段为例,期初收入为1999年的人均GDP对数,即yi,1999,该时段的经济增长率具体计算公式为g=(yi,2002/yi,1999)1/3-1。lndis×du×dt用于刻画中心城市的扩散作用。交通基础设施承担起城市间经济活动连接的纽带,有助于核心城市更有效地发挥对周围城市的经济辐射功能。如前所述,为了控制差异,我们的样本不包括直辖市、计划单列市。但对于本文所考察的京广线和京沪线而言,不考虑北京、上海、广州的影响也许是不合适的。为此,我们在解释变量中引入了各城市到达这三大超级中心城市的铁路里程。由于本文采用的是面板固定效应估计方法,所以不随时间变化的铁路里程是无法作为解释变量直接进入回归方程,因此本文通过将其与铁路提速联系在一起引入回归方程。具体来说,我们用各城市到三大超级中心城市铁路里程最小值的对数与虚拟变量du×dt的乘积项来刻画中心城市的扩散作用。这一指标既包含了影响扩散作用发挥的数量因素,即距离,也包含了影响扩散作用发挥的质量因素,即铁路提速。lnyo表示各城市在各期期初的收入,用人均GDP对数表示。ln(n+γ+δ)表示修正人口增长率,其中δ、γ分别表示资本折旧率和技术进步率,参照徐现祥等(2007)的做法,取γ+δ=0.1。lnsave表示储蓄率,本文用资本形成总额占GDP比重的对数代表储蓄率。对于中国城市一级的储蓄率,国内学者陆铭(2009)采用当年固定资产投资额占GDP比重。本文则利用张军等(2004)估计的1985年各省资本存量,各城市当年固定资产投资占省固定资产投资的比例作为权重获得1985年各城市的资本存量,然后利用永续盘存法得到各期的资本存量,其中资本折旧率同样参照张军等(2004)所用的9.6%。而各期的储蓄率则采用该时间段内年储蓄率的平均值。lngov表示财政支出占GDP比重的对数,用于控制一个城市在多大程度上依赖于政府推动的经济增长方式,这个变量也在经济增长的研究文献中被用来控制政府的干预。lnhealth是人均拥有病床数的对数,因为缺乏直接度量指标的原因,这一变量用于控制健康维度的人力资本。trend是时间趋势项,以控制其他与时间密切联系的影响经济增长的因素。(三)研究样本选取和构造实验组使用双重差分方法的一个关键是如何选取控制组,该方法要求实验组和控制组之间的实验结果(如本文所考察的是人均GDP增长率)差异是由实验变量(如本文所考察的铁路提速)导致的。因此,本文尽量寻找那些铁路提速前后与提速城市相似的城市作为控制组,或者说在控制了可观察变量之后两者尽可能地相似。首先,我们构造铁路提速的实验组。如前所述,自1997年以来中国共进行了6次铁路大提速,涉及的铁路线较多,但主要集中在中东部人口密集地区。本文选择京广线和京沪线作为分析对象,主要原因有以下几点:第一,京广线途径6个省市,是中国最重要的一条南北铁路干线;而京沪线则连接着中国最大、最发达的两座城市,途径7个省市,大都处于沿海经济发达地带,(1)是中国目前最繁忙的铁路干线之一,这两条铁路线对国民经济起着非同寻常的作用。因此,选择这两条铁路线来考察中国基础设施对经济的影响,其结果具有一定的代表性。第二,京广线和京沪线是最早开始提速的铁路线路,经济政策要发挥效应通常需要一段时间,所以出于时间长度的考虑,选择它们作为考察对象有助于本文分析铁路提速的短期影响和中期影响。第三,相对而言,这两条铁路线所经过的各站点基本处在东南沿海与中原这一区域,地理位置上的差异较小,有助于控制样本差异过大导致的偏误。鉴于该原因,本文舍去了运行在东北地区的京哈线,尽管它也属于最早开始提速的三条铁路干线之一。第四,本文选取的样本是地级市。主要原因是在提速过程中,地级城市是提速受惠城市,提速缩短了铁路沿途站点之间的实际距离。同时,沿线部分县级市或者县级市下的小站被取消停靠部分班次,甚至取消客运业务,因此尽管这些站点位于提速线路上,但这些城市是提速的非受惠城市。基于以上考虑,同时出于数据可得性的考虑,本文的实验组主要由京广线和京沪线沿途主要站点中的地级市构成。另外,在构造的实验组中,本文除去了京广线和京沪线路经的直辖市、省会和计划单列市。(1)主要的原因在于这些城市的经济发展水平相对较高,发展环境、享受到的中央或地方其他经济政策都较其他城市而言有很大的差异性,因此我们很难构造与其相匹配的控制组。对于控制组的选择,基于尽量减少控制组和实验组之间差异的目的,本文选择京广线和京沪线所经省份中,京广线和京沪线未经过的地级市作为控制组的成员。另外出于样本点的考虑,补充了在地理位置上较为邻近的浙江、福建和江西三省的部分地级市作为控制组成员。这种选择策略主要是基于空间相邻的样本之间差异相对较小的假设。此外,基于前面提到的理由,本文所构造的控制组样本中也不包含省会和计划单列市。当然,后文对控制组的选择进行了相关的稳健性检验。最终的实验组和控制组的分组结果见表1。1997年4月京广线和京沪线开始实施第一次铁路大提速,因此我们将1997年以前作为铁路提速未发生期,为了尽可能控制时间的影响,本文选取1994~1996年作为铁路未提速的时间段,1997~2006年作为铁路提速发生期。自1997年京广线、京沪线第一次提速之后,2000年10月的全国第三次火车提速没有涉及京广线和京沪线,2001年11月份进行的第四次提速则涉及了京广线南段,2004年4月的第五次提速则涉及了京沪线,但主要是开通了北京与上海之间的直达列车。2007年4月的第六次提速是涉及范围最广的一次,此次提速干线包括京哈线、京广线、京沪线、京九线、陇海线、浙赣线、兰新线、广深线、胶济线、武九线。由于此次提速范围比较广,难以在地级市层面构造相对应的控制组,故本文考察的火车提速时间段为1997~2006年。(四)研究样本的检验本文的数据是基于1994~2007年《中国城市统计年鉴》建立起来的城市面板数据。以1990年作为基期,将各城市的GDP按其所在省份的GDP指数进行调整得到实际GDP。表2给出了以3年作为一个时间段各变量的统计性指标。人均GDP的增长率和修正的人口增长率的计算如前所述,而储蓄率(lnsave)、政府干预程度(lngov)、人力资本(lnhealth)则是取各时间段内年度指标的算术平均值的对数,中心城市的扩散作用(lndis)则取各城市到达三大超级中心城市的铁路里程的对数。样本总共包括85个城市,4个时间段,由于个别城市存在缺失数据,导致部分变量的观测个数有少量损失,具体如表2所示。四测量结果和分析(一)铁路提速是增长收敛的良好载体如前所述,本文将3年设为1个时间段。具体来说,本文考察的几个时间段分别是铁路提速之前的1994~1996年,铁路提速后的1997~1999年、2000~2002年、2003~2005年。我们首先通过比较1994~1996年与整个1997~2005年3个时段铁路提速的总体效果,然后进行分时段的考察,即分别比较1994~1996年与1997~1999年、2000~2002年、2003~2005年3个时段铁路提速的效果。按照面板估计的一般程序,我们首先做了Hausman检验,结果显示应该采用固定效应,这也符合增长收敛回归方程背后的理论基础。另外,为了处理通常存在的异方差,本文采用robust方差结构。估计结果如表3所示,刻画铁路提速对经济增长影响的估计系数β显著为正,与前文所预期的一致,即铁路提速带来的交通设施质量改善提高了沿途站点的人均GDP增长率。从经济理论上看,一方面,铁路提速节约了旅行和运输时间。时间的减少意味着区域间的联系更为紧密,劳动力和其他生产要素的流动更为便捷,市场一体化的程度加深,交易成本下降,知识的外溢速度也更快。另一方面,铁路提速也加大了运输规模,扩大了市场规模、进而使相关城市享受规模经济带来的收益。这些原因都有可能促使铁路提速有助于经济增长。对于提速后的整个1997~2005年时期,β为0.0377,并通过了显著性水平为1%的检验,这说明与非提速站点相比,提速站点的经济增长速度显著地高出了3.7个百分点。同样,当我们分时段考察铁路提速作用时,1997~1999年、2000~2002年和2003~2005年3个时段的估计系数也都显著为正,分别为0.0288、0.0466和0.05,表现出一个递增的趋势。当然,这种递增态势存在边际递减的迹象。一方面,铁路提速是一个渐进的过程,提速的城市越多,其网络效应也越明显;另一方面,铁路提速的政策效果也有一个滞后。因此,随着时间的推进,其对经济增长的推动作用也越来越明显。此外,不同时期情形中的βd都显著为负。显然,这也符合一般的经济直觉。中心城市的经济扩散作用随距离呈现一个衰减的态势。另外,初始收入水平的系数均显著为负,修正人口增长率的系数基本显著为负,储蓄率的系数大也显著为正,这符合增长收敛回归的标准结果。至于其他因素,政府干预程度的系数显著为负,人力资本的系数显著为正,符合一般经济理论的预期。(二)铁路提速期估计系数的变化首先,我们考察时间段长度变化的影响。如前所述,选择3年作为一个时间段的长度仅仅是一种经验性的处理。为此,我们将提速后各时间段分别设置为4年或者5年,但对提速前的时期我们仍旧保留原来3年的做法。如表4所示,时间段长度的变化对回归结果没有实质性的影响。当时间段长度为4年和5年时,对于整个提速期间(表4的第2列和第5列),估计系数β分别通过了显著性水平为1%和5%的检验,相应的大小分别是0.0455和0.0316;同样,估计系数βd也都通过了显著性水平为1%的检验,相应的大小分别是-0.0073和-0.0052。而对于其他控制变量,初始收入水平(lny0)、修正人口增长率(ln(n+γ+δ))、储蓄率(lnsave)、政府干预程度(lngov)、人力资本(lnhealth)的估计系数也均通过了显著性水平为5%的检验,并且符号一致,数值变化不大。同样,我们对铁路提速期间进一步进行分时段的考察,限于时间长度,我们将整个提速期划分为两段,回归结果如表4中的第3、4、6和7列,前两个对应于时间段长度为4年的情形,后两个对应于时间段长度为5年的情形。我们最关心的估计系数β都通过了显著性水平为1%的检验,而且也表现出随时间递增的态势。当然,其他的控制变量的符号没变,且大多显著。第二,我们进一步考察控制组变化的影响。我们保持原来的实验组不变,然后按以下两种方式重新构造控制组。第一种,以地理位置作为标准。只选择京广线和京沪线经过的河北、江苏、安徽、山东、河南、湖北、湖南和广东这8个省的非提速站点作为控制组,称其为省内控制组。当然,这样处理的主要原因是基于相同省份内的城市差异相对较小的假设。第二种,以收入水平作为标准。具体来说,我们选择1994年实验