“一带一路”国内沿线区域基础设施投资效率及其经济效益
——基于软、硬基础设施的视角
郝凤霞 刘子涵
（同济大学经济与管理学院，上海 200092）
〔摘 要〕 本文以2007～2017年 “一带一路”国内沿线18个省市的面板数据为基础，利用DEA模型测算各地区基础设施投资效率，并建立空间杜宾模型，对软、硬基础设施投资的经济效应进行实证研究。研究发现：（1）基础设施投资效率区域差异较大，综合效率呈现东部＞西北＞东北＞西南的特征，各区域整体投资效率均有所提升但区域差异缩小的趋势不明显；（2）基础设施投资纯技术效率对综合效率的贡献程度大于规模效率，管理、技术水平等方面的提升相比基础设施规模的优化配置对经济增长推动作用更大；（3）资本投入依然是驱动区域经济增长的主力，软、硬基础设施投资对经济增长都具有正向推动作用，后者对经济增长的直接拉动作用高于前者；（4）区域经济增长存在正向空间溢出效应，本地经济增长可以带动相邻地区经济增长。此外，还发现交通运输能力同样存在正向空间溢出效应，但本地经济增长受外地交通运输水平影响不明显。
〔关键词〕 一带一路 空间杜宾 基础设施 投资效率 空间溢出效应 交通运输水平
引 言
2013年，中国提出共建 “一带一路”倡议，涉及国内沿线省市共18个，包括经济发达的东部沿海城市和经济实力较薄弱的东北、西部地区，旨在通过 “一带一路”建设，促进有效投资，推进西部大开发，加快东北等老工业基地振兴，推动中部地区崛起，支持东部地区率先推动高质量发展。“一带一路”倡议的提出不仅仅能打开对外开放的新窗口，加强区域经济合作，还能借此发展机遇带动经济发展相对落后的西部地区，促进东部再改革，开拓新的经济增长点，这也成为解决中国目前区域发展不平衡、不协调这一社会主要矛盾的重要突破口。
“一带一路”国内沿线地区的基础设施建设水平存在较明显的差距，近年来中央不断增强基础设施建设的投入力度，尤其是高度关注中、西部地区基础设施的发展。如图1所示，2008年以来，“一带一路”沿线区域全社会固定资产投资总额逐年攀升，其中全社会固定资产投资中国家预算内资金投入力度也逐年加大。值得深思的是：资金投入成效如何；“一带一路”倡议提出前后，国内沿线地区基础设施投资效率有何变化；区域间的差异是否在缩小。以往的文献大多在规模报酬不变的前提下对基础设施投资综合效率进行研究，没有对造成综合效率高低的深层原因进行探讨，综合效率是技术和规模共同作用的结果，而且规模报酬不变的前提条件在现实生活中并不总是得到满足。因此，本文将深入分析综合效率高低的原因机制，从综合效率、纯技术效率和规模效率3个方面综合分析基础设施投资效率，以期提出更有针对性的对策建议。
图1 2008～2017年中国全社会固定资产投资及国家预算内资金
资料来源：作者整理历年 《中国统计年鉴》。
促进区域经济增长是基础设施投资的根本目的，其经济效应包括直接拉动经济增长的生产效益和间接的空间溢出效应。具体而言，基础设施作为一种投资既可以直接影响区域经济的增长，又可以通过空间溢出效应间接地促进经济增长 （刘生龙，2010）［1］，这种空间溢出效应在交通类、通讯类等具有网络效应的基础设施投资上更加显著。以交通类基础设施投资为例，交通发展对经济增长的作用包括直接和间接作用：（1）交通发展大大缩短了城市之间的通达时间，提高了商品运输能力，降低了商品和要素的运输成本，从而直接促进地方经济的增长；（2）交通发展还打破了城市之间的边界，不仅加快了资本、劳动力等生产要素的流动，提高了要素流动配置的效率，还解除了知识溢出的空间限制，促进创新，这些会影响沿线区域的产业布局，优化沿线区域的产业结构，进而间接地推动本地和临近地区的经济增长和发展。
根据1994年世界发展报告 《为发展提供基础设施》［2］，基础设施有软硬之分，硬性基础设施包括交通、能源、通讯、水利环境设施等，软性基础设施包括科教、卫生，社会保障和福利等，两种类型的基础设施都对经济增长有所贡献，但贡献方式和程度却不同。以往的学者基本都围绕某一类基础设施展开研究，从软硬基础设施的视角展开研究的少之又少。理论上，硬性基础设施投资的影响更加立竿见影，直接体现在经济增长速度上，而软性基础设施投资的回报相对不明显，更多地体现在经济增长的质量上，但两者的作用都不容忽视，在追求增长 “增速”的同时，更应重视增长 “质量”。那么 “一带一路”国内沿线区域软、硬基础设施投资是否对区域经济增长起到了推动作用？软、硬基础设施投资对经济增长的贡献又有何差异呢？研究沿线区域软、硬基础设施投资对区域经济增长的影响及其空间溢出效应是检验投资成效的重要途径，对未来顺利推进 “一带一路”建设从而实现区域经济协调发展具有重要的现实意义。本文以 “一带一路”国内沿线18个省市作为研究对象，以2007～2017年作为研究区间，测算各地区基础设施投资效率并分析其区域差异与时空演变情况，并在此基础上，基于软、硬基础设施的视角，研究 “一带一路”沿线区域基础设施投资对经济增长的影响及其空间溢出效应。
1 相关文献回顾
关于基础设施投资效率，国外学者最先从上个世纪70年代开始研究。Charnes等 （1978）提出了规模报酬不变DEA模型，之后相继衍生出规模报酬可变DEA模型等其他研究方法［3］。这些模型被广泛用于基础设施投资效率测算，Gupta（2001）和Revelli（2007）分别对非洲和挪威基础设施投资效率进行过测算和评价［4，5］。国内学者也对基础设施投资展开了深入的研究，伍文中 （2011）采用DEA方法分析了中国2001～2008年基础设施投资效率，结果发现相邻地区的基础设施建设效率越高，越能促进本地区城市化的快速发展［8］。任喜萍 （2017）研究认为京津沪琼和边疆少数民族地区的城市基础设施投资配置相对效率高，中部地区城市基础设施投资相对效率明显过低［9］。程敏（2017）对中国地级市基础设施投入效率进行了测度，结果表明中国城市基础设施的投入效率处于中等水平，地区差异明显［10］。不难发现，以往的研究大多只测度了基础设施投资综合效率，没有对纯技术效率和规模效率进行深入探讨，本文会将综合技术效率分解为纯技术效率和规模效率，对原因机制做更深入的分析，以期得出更有价值的研究结论。
关于基础设施投资经济效应方面的研究，主要以定量研究为主，大体分为以下两类：第一类是研究基础设施投资的生产效应，Fernald（1999）、Roller和Waverman （2001） 以及Duggal等 （1999）研究发现公路、电话及互联网等单项基础设施投资对经济增长具有显著作用［11-13］。Hilde Meersman等 （2017）通过实证研究发现交通基础设施具有刺激发达国家经济增长的作用［6］，Vicente（2014）认为基础设施供应不足会抑制经济增长［7］。国内学者王任飞等 （2007）基于VAR方法研究基础设施与经济增长的互动关系，发现基础设施促进经济增长居于主导地位［14］。刘生龙等 （2010） 以交通基础设施为主要研究对象，发现其对中国经济增长有着显著的正向促进作用［1］。张勋等 （2018）验证了交通基础设施可以通过市场扩张、市场竞争和运输成本3种路径影响企业库存，进而促进经济增长［26］。第二类是将空间溢出效应囊括到基础设施投资和经济增长之间关系的研究中，这类研究大多选取某一类基础设施进行研究。Inmaculada C等 （2016）以1980～2007年西班牙面板数据为基础对交通运输基础设施的溢出效应展开了研究，发现较贫穷地区的空间溢出效应为负［15］。罗雨泽等 （2008）对中国电信投资经济效应进行了实证研究，结果发现电信投资对经济增长的边际贡献高于其他社会基础设施投资［16］，Rudra P Pradhan等 （2018）也得出了信息沟通技术基础设施投资与经济增长的正向关系［27］。胡鞍钢等（2009）、刘勇 （2010）验证了交通基础设施投资对经济增长存在正向空间溢出效应［17，25］。综上可以发现，现有关于基础设施投资和经济增长的实证研究文献的样本区间普遍集中在2008年以前，少有对近些年的样本区间的研究，且研究都围绕一类基础设施进行研究，尤其是交通类硬性基础设施。事实上，软、硬性基础设施投资对经济增长的贡献都不容忽视，且两者的贡献方式和程度有差异。2013年中国提出共建 “一带一路”倡议，这无疑给中国区域经济增长提供了新的发展机遇。所以，本文选取2007～2017年作为研究的样本区间，从软、硬性基础设施的新视角，对国内沿线区域基础设施投资对区域经济增长的影响及其空间溢出效应进行研究，以期望得到一些有价值的结论。
1.5.3 对危险因素进行亚组分析 将多元线性回归筛选出的危险因素进行亚组分析，评价它们对血药浓度的影响。
本文有以下两点贡献：（1）在分析基础设施投资效率区域差异和时空演变情况时，将综合效率细分为纯技术效率和规模效率，更加深入地分析了综合效率高低的深层原因；（2）在研究基础设施投资的经济效益时，和以往研究不同，本文首次区分并比较了硬性和软性基础设施投资对经济增长的贡献程度差异，并综合考虑基础设施投资对经济增长的直接驱动力和空间溢出效应。
针对该案的判决，我国有宪法学者从宪法序言最后一段的有关宪法最高法律效力的自我确认(最后一段第一句)与宪法的根本活动准则地位(最后一段第二句)出发，认为“不能得出我国宪法只适用于公法关系的结论，恰恰相反，一切政党、社会团体、企业事业组织和人民都与国家机关一样需要遵守宪法之条款，因此，现行宪法在条文上亦得适用于私人之间的关系”，并将根本活动准则理解为“个人之间的活动可以将宪法规则作为行为准则”和“人民法院在裁判个人之间的关系时应以宪法规范作为某种形式的裁判准则”[20]。值得指出的是，对宪法序言是否具有规范效力的问题不无疑问。
2 基础设施投资效率测算、区域差异及时空演变
2.1 测算方法与指标构建
在过去几十年中，乌梁素海的湖水来源主要依靠河套平原灌溉区各大干渠的灌溉余水。这意味着，随着黄河水作为耕地用水被灌入河套平原这个全国重要的商品粮基地，农业灌溉水中所含的氮、磷等污染物质，通过各总干渠，最后汇入乌梁素海。其中，临河、五原、杭后、前旗4个区县，每年就有约4.9亿t富含氮、磷的农灌退水流入乌梁素海。据内蒙古自治区有关部门2008年7月26日监测，乌梁素海水体的总氮浓度超标2.35倍，氨氮浓度超标1.085倍，总磷浓度超标1.74倍。其中，农灌退水中氮、磷的比例分别为81.1%和89.4%。这是造成乌梁素海水体富营养化、黄藻暴发的根本原因。
为了利用DEA模型测算 “一带一路”国内沿线区域的基础设施投资效率，需要确定投入指标和产出指标。根据世界发展报告 《为发展提供基础设施》［2］和 《国民经济行业分类》基础设施投资国家分类标准， 并参考 Xiaodong Yang （2015）［19］的测算指标，本文构建了如表1所示的基础设施投资效率测算指标体系。其中，投入指标分为道路交通、邮电通讯、供水设施、环境卫生和城市能源五大类，分别用公共交通客运总量、邮政营业网点、供水总量、市容环卫专用车辆设备和城市燃气普及率五大指标来衡量，产出指标选取了人均地区生产总值，用来衡量城市基础设施投资效果。考虑到基础设施投资周期较长，投资效果具有滞后性，本文以 “一带一路”国内沿线18个地区作为决策单元，选取了2007～2017年连续11年各个地区基础设施投资的投入和产出数据来测算综合技术效率。为消除每年物价水平变动的影响，本文以2007年为基期，对人均地区生产总值进行了平减，测算数据来源于2008～2018年的《中国统计年鉴》。
表1 基础设施投资效率测算指标体系
2.2 测算结果分析
式 （1）中，t表示时间，i表示省市级地区，Yit表示第i个地区在第t年的产出，Xit表示第i个地区在第t年的解释变量的集合，Wij是空间权重矩阵的元素，εit为残差项。ρ和θ分别表示本地的产出的溢出效应和本地基础设施投资对对外地产出的溢出效应。下文中空间溢出项变量用WX来表示。
表2 2007～2017年 “一带一路”国内沿线地区基础设施投资效率
2.2.1 基础设施投资效率总体特征
本文以2007～2017年 “一带一路”国内沿线18个省市的数据为基础，利用DEA模型测算了各地区的基础设施投资效率，并建立空间杜宾模型，对软、硬基础设施投资的经济效应进行了实证研究。总结得出以下结论和政策建议。
2.2.2 基础设施投资效率区域差异与时空演变情况
为了比较基础设施投资区域差异，本文按照地理位置将沿线18个省市分为4个区域：东部、东北、西南和西北①。同时选取2007年、2012年和2017年3个年份的数据，并将综合效率细分为纯技术效率和规模效率，比较分析4个区域基础设施投资区域差异和时空演变情况。如图2所示，可以看出：
被解释变量经济增长的指标选取平减后国内生产总值 （GDP），为了消除通货膨胀的影响，以2007年为基期，对历年国内生产总值进行了平减。解释变量包括劳动力投入 （lab）、私人资本投入（prik）和软、硬性基础设施资本投入 （softk和hardk）。劳动力投入指标选取各地区年末从业人员数量。借鉴张学良 （2009）［28］的做法，按照《中国统计年鉴》行业投资分类，将农林牧渔业、采掘业、制造业、建筑业、批发零售贸易业、住宿和餐饮业、金融业、房地产业、租赁与商业服务业归为私人部门。硬性和软性基础设施资本的划分依据世界发展报告 《为发展提供基础设施》［2］，软性基础设施资本投入 （softk）包括公共管理和社会组织、教育、居民服务与其他服务业、科学研究技术服务与地质勘查、卫生、社会保障和福利业以及文化、体育和娱乐业等，余下的电力、燃气、水生产及供应业、水利环境和公共设施管理业、信息传输、计算机服务与软件业以及交通运输、仓储与邮政业归为硬性基础设施资本投入（hardk）。考虑到数据的可获得性，本文以折旧后的固定资产投资额代替各类资本投入，以2007年为基期，按照历年的固定资产价格指数将各年份的资本投入进行平减得到实际资本投入。其中，软性、硬性基础设施资本投入是本文的核心解释变量。
图2 2007年、2012年及2017年各地区平均基础设施投资效率
（2）4个区域的基础设施投资纯技术效率Vrste均显著高于综合效率Crste和规模效率Scal值，说明纯技术效率对综合技术效率的贡献程度大于规模效率，管理、技术水平等方面的提升相比基础设施规模的优化配置对经济增长推动作用更大。如图2所示，各区域不同年份的基础设施投资纯技术效率高于综合效率和规模效率。因此，基础设施投资纯技术效率的提升相对更容易拉动综合效率的提升，而纯技术效率是指由于管理和技术等因素影响的生产效率，这意味着在现有基础设施规模下，通过加强基础设施管理和技术研发力度来促进纯技术效率的提升，可以在一定程度上改善部分地区基础设施投资效率偏低的现状，并促进区域经济增长。
3 软硬基础设施投资对经济增长的影响及空间溢出效应
3.1 空间溢出效应模型构建与确定
和大多数研究一样，本文选取科布-道格拉斯生产函数来研究基础设施投资对经济增长的影响，以索洛经济增长模型为基础，同Mankiw（1992）［20］将资本分解为私人资本和公共资本采取了类似的做法，本文将资本分为私人资本、软性基础设施资本和硬性基础设施资本3个部分，在此基础上构建空间溢出效应模型。
（1）空间溢出效应模型构建
空间杜宾模型的结果表明，软、硬性基础设施资本投入对经济增长都具有正向推动作用，与理论预期的影响方向一致。其中，硬性基础设施资本投入的弹性高达0.4668，远高于软性基础设施资本投入弹性0.1820，即硬性和软性基础设施资本投入增加1个百分点时，将会引起国内生产总值分别增加0.4668个百分点和0.1820个百分点，硬性基础设施建设主要涉及物质基础设施，对经济增长的贡献更加直接、显著，软性基础设施偏向于社会公共服务类，其对经济增长的推动作用可能更加隐形，这也是符合预期的。
骆永民 （2011）通过实证发现基础设施投资对本地区和相邻地区的经济增长均有显著促进作用，并且随着经济规模的扩大，促进作用也有所提高［21］。尤其是交通类基础设施建设，区域间通过交通基础设施相连通，会引起各类生产要素在不同地区之间进行流动，形成区域外部性，从而对其他相邻地区经济增长产生影响。因此，为了研究基础设施投资对经济增长的影响，本文在以上基本生产函数模型的基础上，结合空间计量经济学的知识，将空间溢出效应纳入模型，选取空间杜宾模型来估计空间溢出效应，具体模型设定如下［22］：
本文利用软件DEAP2.1测算出18个地区的基础设施投资综合效率，其取值范围为0～1之间，数值越接近1说明综合效率越高，即基础设施投资对经济增长的拉动作用越明显，反之越低则说明基础设施投资对经济增长的拉动没有得到充分体现。当综合效率为1时，说明该地区基础设施投资效率处于最优前沿面，综合技术效率达到最优状态。各地区2007～2017年期间基础设施投资效率测算结果如表2所示。
关于空间权重矩阵，本文参照Bavaud（1998）的构建方法，选取二进制0～1空间权重矩阵来反应两个地区之间的相邻程度［23］。当两个地区相邻时，则权重矩阵元素取1；如果两个地区不相邻时，则权重矩阵元素取0，最后再将空间权重矩阵进行标准化。具体如下：
陈少平：广东农垦前身是在建国初期1951年特殊历史背景下，根据党中央、政务院关于发展我国橡胶事业的决定而成立的华南垦殖局，叶剑英元帅任首任局长。1952年，中央抽调中国人民解放军2万多名官兵组建了2个林业工程师和1个独立团，参加华南垦殖局的橡胶垦殖事业。1957年改名为华南农垦总局，1958年改为广东省农垦厅，1969年改为广州军区生产建设兵团，1974年改为广东省农垦总局。1994年成建制转为经济实体“广东省农垦集团公司”，同时保留广东省农垦总局牌子，实行“一个机构、两个牌子”运作。
上述空间杜宾模型在一定条件下可以转化为标准最小二乘回归模型 （OLS）、空间滞后模型（SMA）和空间自回归模型 （SAR）。其中，空间自回归模型中包含了被解释变量的空间滞后因素，不存在空间滞后解释变量，空间滞后模型表示被解释变量的观测值之间不相关，但被解释变量与相邻区域的解释变量有关，而不包含空间效应时，空间杜宾模型就简化为标准最小二乘回归模型。在确定选用哪一种空间计量模型前，需要探讨被解释变量国内生产总值是否存在空间相关性，如果存在空间相关性，那么选用空间杜宾模型进行实证研究更为合适，一般运用全局空间自相关性指标Moran's I指数进行判断。
（2）空间相关性分析
Moran's I统计量是用来度量空间自相关的全局指标，反映空间邻接或空间邻近区域单元属性值的相似程度。Moran's I统计量的取值一般在［-1，1］之间，小于0表示该属性值负相关，等于0表示不相关，大于0表示正相关。取值越接近于-1表示单元间的差异越大或分布越不集中；越接近于1，则代表单元间的关系越密切，性质越相似 （高值集聚或低值集聚）。本文使用GeoDa软件构建空间权重矩阵，再利用Stata14.0对GDP的Moran's I统计指标进行测算，结果如表3所示。从表中可以看出，每年实际GDP的Moran's I统计值均为正值，且都通过了10%显著性水平的检验。这说明沿线区域经济发展确实存在显著的空间集聚效应，有必要将实际GDP的空间相关性纳入实证模型，考虑到交通类基础设施存在明显的空间溢出效应 （Inmaculada C等，2016；刘勇，2010； 胡鞍钢等， 2009）［15，17，25］， 因此选择空间杜宾模型来检验基础设施投资对经济增长的影响。
3.2 变量及数据说明
本文选取“一带一路”国内沿线18个省、市、自治区2007～2017年的面板数据进行实证研究。同时，将普通最小二乘法模型OLS、空间自回归模型SAR和空间杜宾模型SDM的实证结果进行对比研究。变量选取情况如下：
（1）被解释变量与解释变量
（1）基础设施投资效率区域差异较大，平均综合投资效率值的高低表现为：东部＞西北＞东北＞西南，且区域差异缩小的趋势不明显。2007～2017年，整体上4个区域的基础设施投资效率均有所上升。东部地区的平均综合效率基本在0.828左右浮动，效率最高，东部沿海地区相比其他地区经济发展更加迅速，较高的综合投资效率说明其基础设施投资配置情况良好。对经济增长的拉动作用更显著。其次是西北地区，平均综合效率基本稳定在0.771，西北地区较高的综合效率主要依赖于青海、宁夏和内蒙古三地的拉动，陕西、甘肃和新疆的综合效率较低，可见西北部地区基础设施投资效率内部差异较大。东北地区的平均综合效率处于中等水平，由2007年的0.6907下降到2012年的0.619，2016年回升至0.6893，整体变化幅度不大，呈现先下降后上升的变化趋势。西南地区是平均综合投资效率最低的区域，虽然每年平均综合效率值都低于0.5，但西南地区呈现逐年缓慢递增的态势。纵然有 “西部大开发”、“振兴东北”及 “一带一路”等政策支持，东北地区和大部分西部地区，尤其是西南地区基础设施投资效率依然偏低，可能是因为基础设施建设是一项周期长、见效慢的工程，短期内很难体现出基础设施建设的成果，因而其对地区经济增长的拉动也没有得到充分体现。综合以上分析，“一带一路”国内沿线地区基础设施投资效率区域差异较大，各区域整体投资效率均有所提升但区域差异缩小的趋势不明显，说明各地区基础设施投资对经济增长的推动作用有较大差异。平均综合投资效率由高到低排列为东部地区、西北地区、东北地区和西南地区。不论是经济发展水平还是基础设施建设水平，东部地区都领先于西南和东北地区，因此，制定合理的区域发展战略，合理配置资源对克服区域发展不平衡、不充分等问题是至关重要的。
表3 2007～2017年沿线区域实际GDP的Moran's I统计指标
（2） 控制变量
由此可见，适时的精准帮扶，针对性的因材施教，先进帮后进，后进学先进，紧跟经营节奏，统一思想，齐心协力开发客户，便于加强队伍建设。这就是奏出的“第三曲”。
本文共选取了4个控制变量，分别是贸易开放度 （trade）、政府参与度 （gov）、交通运输能力 （trans）和通讯能力 （inf）。国际贸易有利于推动技术外溢进而推动经济增长 （熊灵，2012）［24］，本文用进出口总额来衡量贸易开放度，为了统一币种和消除通货膨胀的影响，本文先按照当年汇率调整成人民币数额，再以2007年为基期，对进出口总额进行平减。政府实行的经济政策对区域经济增长具有重要的影响（Frankel和 Romer， 1999）［29］，本文用地方财政支出表示政府对经济活动的参与度。胡鞍钢 （2009）利用省际数据验证了交通运输对中国经济增长有外部溢出效应［25］。罗雨泽（2008）发现中国电信投资对经济增长具有正向影响［16］。本文分别利用公共交通客运总量和电信业务总量作为交通运输能力和通讯能力的代理变量。
3.3 实证结果分析
利用STATA14.0软件编程进行实证分析，普通最小二乘法模型（OLS）、空间自回归模型（SAR）和空间杜宾模型 （SDM）3个模型的实证结果如表4。从OLS模型的回归结果来看，除了交通运输能力之外，其他变量均通过了显著性检验，SAR和SDM模型的各个变量都通过了显著性检验。3个模型中，私人资本投入、硬性基础设施资本投入、贸易开放度以及电信运输能力等变量都在1%的显著性水平上通过检验。
数据包络分析 （DEA）是一种使用数学规划模型评价具有多投入和多产出的决策单元 （DMU）之间相对有效性的方法，在避免主观因素、简化算法、减少误差等方面有着不可低估的优越性。随着该方法的不断完善和发展，DEA已经成为十分重要的分析工具和研究手段，在各个学科和领域都得到了广泛应用。因此，本文选用DEA模型作为测算 “一带一路”国内沿线区域基础设施投资效率的方法。利用规模报酬可变的DEA模型，可以将综合效率指数分解为纯技术效率和规模效率，三者的效率值均在0～1之间，效率值越接近于1时，说明效率越高；当效率值等于1时，表明城市达到了效率最优状态。
表4 沿线区域面板数据空间杜宾模型回归结果
续 表
金隆公司在合理组织生产，稳定各项外部因素影响，保证电解生产能力稳定的前提下，2016年电解产能首次突破46万t，达到46.39万t，如图1所示。图2为电解产能随电解电流密度提高的变化趋势。电解连续超额完成全年生产计划，且相关技术指标进一步优化，如阴极铜优质品率、电流效率等，详见图3所示。
劳动力投入对经济增长的影响为正向，空间杜宾模型中劳动力产出弹性只有0.0380，即劳动力投入每增加1个百分点，国内生产总值只会相应增加0.0380个百分点，这可能是由于在模型中加入了其他新经济增长因素、新经济地理因素作为控制变量，稀释了劳动力对产出的影响，但是该系数在统计上显著。
控制变量中政府支出对经济增长有显著的正向作用，尤其是针对西部相对落后的地方来说，政府支出有利于公共基础设施的改善，从而间接推动经济发展。OLS模型结果显示反映交通运输能力的指标不显著，且3个模型该指标的系数较小，说明其对经济增长的贡献较低，原因可能是：前些年中国尤其是西部地区交通类基础设施发展相对落后，交通运输能力提升较慢，较难形成强大的经济发展的推动力，虽然近些年有 “西部大开发”、“一带一路”等政策的扶持，但是西部地区 （尤其是西南地区）基础设施投资效率非常低，地区之间的经济活动联系没有得到有效加强，这些原因都致使交通运输能力对经济增长的贡献无法得到体现。此外，与罗雨泽 （2008）［16］的实证结果一样，电信运输能力对经济增长有正向推动作用，电信运输能力的提升可以提高信息沟通效率，降低交易成本，甚至使原本无法实现的生产得以实现［16］，从而推动经济增长和发展。此外，实证结果还显示外地交通运输能力对本地经济增长的产出弹性为正，但绝对值较小，说明本地经济发展受外地交通发展水平影响不明显，这可能与国内交通类基础设施利用效率较低有关，交通基础设施投入建成后，其本应具有的网络效应没有得到充分发挥，导致投资效果不明显，进而使得交通运输能力的空间溢出效应不明显。作为区域经济活动的联系纽带，交通基础设施建设有利于各种要素和商品在区域间充分流动，进而通过要素扩散效应加快本地和其他地区的经济增长，如何提高基础设施投资效率，充分发挥基础设施对经济增长的推动作用是政策制定者值得关注的问题。
图2所示改进型文氏桥混沌振荡器含有电容C1、C2和电感L 3个动态元件,对应的状态变量分别为v1、v2和iL。借助于图1所示的二极管D的含寄生电容的分段线性模型,则改进型文氏桥混沌振荡器新增了的状态变量为vD的CD动态元件。应用基尔霍夫定律和电路元件的伏安关系,图2所示电路状态方程可表示为
关于空间溢出效应，从空间自回归模型和空间杜宾模型的实证结果来看，经济发展的平均溢出效应ρ分别为0.0583和0.0529，且在5%的显著性水平上通过检验。这说明本地的经济增长不仅仅取决于本地的劳动力投入和基础设施投资，还与其他相邻省份经济发展呈现正相关关系，存在正向空间溢出效应。
4 结论与政策建议
“一带一路”国内沿线区域基础设施投资效率测算结果如表2所示，根据各地区投资效率值的差别，将投资效率划分为以下几个等级：效率高 （1.0≥Crste≥0.9）、 效率较高 （0.9＞Crste≥0.7）、中等水平 （0.7＞Crste≥0.5） 和较低水平（Crste＜0.5）。从表中可以看出，各不同地区的基础设施投资效率差异较大，整体的投资效率呈现缓慢上升的态势。2007年，有5个地区基础设施投资效率高达1.0，分别是上海、海南、青海、宁夏和内蒙古，且历年来这些地区的投资效率始终保持在0.9以上。浙江、福建、吉林、辽宁等地区投资效率处于较高水平，1／3的地区处于中等水平，四川、云南和广西3个西南地区投资效率低于0.5。截至2017年，福建省和重庆市的基础设施投资效率增长幅度较大，其中，福建省由较高效率等级攀升到高效率等级，重庆市的投资效率等级由中等水平提升至较高水平；辽宁省的投资效率减幅最大，从2007年的较高水平下降为2017年的中等水平。数据表明，投资效率较高的地区基本都是东部沿海地区或边疆少数民族聚集区，沿海地区较高的投资效率得益于有利的地理位置和有力的经济激励手段，而青海、宁夏和内蒙古等地区则得益于国家对边疆少数民族地区城市基础设施建设的大力支持和政策倾斜，且政策效果良好。
（1）“一带一路”国内沿线区域基础设施投资效率区域差异较大，平均综合投资效率值的高低呈现东部＞西北＞东北＞西南的特征，且各区域整体投资效率均有所提升但区域差异缩小的趋势不明显，政策效果不突出。为了克服区域发展不平衡、不充分等问题，有必要合理有效地配置资源，根据各地区发展的基础条件和相对优势制定合适的区域发展战略，发掘新的经济增长点。
（2）基础设施投资纯技术效率对综合技术效率的贡献程度大于规模效率，说明管理、技术水平等方面的提升相比基础设施规模的优化配置对经济增长推动作用更大。纯技术效率应该得到更多的关注，要想改善部分地区基础设施综合投资效率偏低的现状并进一步推动区域经济增长，可以考虑通过提高基础设施管理和加强技术研发力度来促进纯技术效率的提升来实现。
首先，为了交易的便利性，区块链的账户（地址）标识需要一定的稳定性和一致性。又因为所有账户的内容是公开性的，交易时的IP地址是公开的，因此实际上掩盖交易身份是非常困难的。
（3）资本投入依然是驱动区域经济增长的主力，软、硬性基础设施投资对经济增长都具有正向推动作用，硬性基础设施投资对经济增长的直接拉动作用高于软性基础设施。从空间杜宾模型的实证结果来看，当硬性和软性基础设施资本投入增加1个百分点时，前者引起国内生产总值的增加比后者高0.2848个百分点，硬性基础设施主要是物质基础设施，对经济增长的贡献更加直接、显著，而软性基础设施偏向于社会公共服务类，其对经济增长的推动作用可能更加隐形和缓慢。但是，软性基础设施对经济增长 “质量”提升的作用是不容忽视的。
（4）区域经济增长存在正向空间溢出效应，本地的经济增长不仅取决于本地的劳动力投入和基础设施投资，还与其他相邻省份经济发展呈正相关。交通运输能力同样存在正向空间溢出效应，但本地经济发展受外地交通发展水平影响不明显。交通基础设施是联系区域经济活动的纽带，有必要提高交通基础设施的利用率，充分发挥网络效应和扩散效应，从而推动本地和其他区域的经济增长。
关于戏剧规律或特性的讨论，由来已久。19世纪末，法国戏剧理论家布轮退耳(Ferdinand Brunetiere)提出“冲突说”，认为“戏剧是人的意志与限制和贬低我们的自然势力或神秘力量之间的对比的表现：它所表现的是我们之中的一个被推到舞台上去生活，去和命运作斗争，和社会规律作斗争，和他同属人类的人作斗争，和自然作斗争，如果必要，还和他周围人们的感悟、兴趣、偏见、愚行、恶意作斗争。”[注](法)布轮退耳：《戏剧规律》，转引自顾仲彝：《编剧理论与技巧 》，北京：中国戏剧出版社，1981年，第68页。此后，该学说成为西方戏剧理论界的主流观点。
总而言之，本文的经验研究更清晰地阐明了“一带一路”国内沿线区域基础设施投资效率和经济增长的现状，发现了目前尚需解决的问题和一些值得关注的结论，给未来顺利推进 “一带一路”倡议，从而更好更快地实现区域经济协调发展提供了一些政策启示。
注释：
所以，一般推荐到16周时孕妈妈的体重可以不长，如果要长只推荐长1千克左右。如果体重是下降的，应该对宝宝也没有太大影响，但会给以后的体重增重增加负担，因为体重下降意味着营养储备不足，可能会影响产后泌乳，所以在以后的孕程中要把这些丢失的体重逐步地长回来，为母乳喂养作准备。
①东部地区包括上海、福建、广州、浙江和海南；东北地区包括黑龙江、吉林和辽宁；西南地区包括重庆、四川、云南和广西壮族自治区；西北地区包括陕西、甘肃、青海、宁夏、新疆和内蒙古自治区。
我看见她炒菜时，因动作太生猛，洒了一些油在燃气灶上，于是连声咒骂，因为注意力分散，接着又被油锅里溅出的热油烫着了。
参考文献
［1］刘生龙，胡鞍钢.基础设施的外部性在中国的检验：1988～2007 ［J］. 经济研究， 2010， 45 （3）： 4～15.
［2］世界银行.1994年世界发展报告：为发展提供基础设施［M］北京：中国财经出版社，1994：1～20.
［3］ Charnes A， Cooper W， Rhodes E.Measuring the Efficiency of Decision Making Units ［J］.European Journal of Operational Research， 1978， 3 （4）： 429～444.
［4］ Gupta S， Verhoeven M.The Efficiency of Government Expenditure Experiences from Africa ［J］.Journal of Policy Modeling，2001， 23 （4）： 433～467.
［5］ Revelli F， Tovmo P.Revealed Yardstick Competition： Local Government Efficiency Patterns in Norway ［J］.Journal of Urban Economics， 2007， 62 （1）： 121～134.
［6］ Hilde Meersman， Marzieh Nazemzadeh.The Contribution of Transport Infrastructure to Economic Activity： The Case of Belgium ［J］.Case Studies on Transport Policy， 2017， 5 （2）： 316～324.
［7］ Vicente German-Soto， Héctor A.Barajas Bustillos.The Nexus Between Infrastructure Investment and Economic Growth in the Mexican Urban Areas ［J］.Modern Economy， 2014， 5 （13）：1208～1220.
［8］伍文中.基础设施投资效率及其经济效应分析——基于DEA分析 ［J］. 经济问题， 2011， （1）： 41～45.
［9］任喜萍.基于DEA方法的我国城市基础设施投资效率评价研究 ［J］. 经济体制改革， 2017， （5）： 49～54.
［10］程敏，裴新杰.我国地级及以上城市基础设施投入效率的时空差异研究——基于DEA和Malmquist指数模型 ［J］.管理评论， 2017， 29 （6）： 225～233.
［11］ Fernald， John G.Roads to Prosperity？ Assessing the Link Between Public Capitaland Productivity ［J］.American Economic Review， 1999， 89 （3）： 619～638.
［12］ Roller， Lars-Hendrik， Waverman， Leonard.Telecommunications Infrastructure and Economic Development：A Simultaneous Approach ［J］.The American Economic Review， 2001， 81（4）： 909～923.
［13］ Duggal， Vijaya G.Saltzman， Cynthiaand Klein， Lawrence R.Infrastructure and Productivity： A Nonlinear Approach ［J］.Journal of Econometircs， 1999， 92 （1）： 47～74.
［14］王任飞，王进杰.基础设施与中国经济增长：基于VAR方法的研究 ［J］. 世界经济， 2007， （3）： 13～21.
［15］ Inmaculada C， Álvarez-Ayuso， Ana M Condeço-Melhorado，Javier Gutiérrez， Jose L Zofío.Integrating Network Analysis with the Production Function Approach to Study the Spillover Effects of Transport Infrastructure ［J］.Regional Studies， 2016， 50 （6）：996～1015.
［16］罗雨泽，芮明杰，罗来军，等.中国电信投资经济效应的实证研究 ［J］. 经济研究， 2008， （6）： 61～72.
［17］刘勇.交通基础设施投资、区域经济增长及空间溢出作用——基于公路、水运交通的面板数据分析 ［J］.中国工业经济，2010， （12）： 37～46.
［18］ Qianqian Liu， Shaojian Wang， Wenzhong Zhang.China's Municipal Public Infrastructure：Estimating Construction Levels and Investment Efficiency Using the Entropy Method and a DEA Model［J］.Habitat International， 2017， 64： 59～70.
［19］ Xiaodong Yang， Yongxiang Wu， Yafeng Yu.Evaluation of Urban Infrastructure Investment Efficiency：Empirical Evidence from Heilongjiang Province ［J］.Mathematical Problems in Engineering， 2015， （12）： 1～8.
［20］ Mankiw N G， Romer D， Weil D N.A Contribution to the Empirics of Economic Growth ［J］.Quarterly Journal of Economics，1992， 107： 407～37.
［21］骆永民.基础设施投资效率的空间溢出与门限效应研究［J］. 统计与信息论坛， 2011， 26 （3）： 81～86.
［22］胡煜，李红昌.交通枢纽等级的测度及其空间溢出效应——基于中国城市面板数据的空间计量分析 ［J］.中国工业经济，2015， （5）： 32～43.
［23］ Francois Bavaud， Models for Spatial Weights： A Systematic Look ［J］.Geographical Analusis， 1998， 30 （2）： 153～171.
［24］熊灵，魏伟，杨勇.贸易开放对中国区域增长的空间效应研究： 1987～2009 ［J］.经济学 （季刊）， 2012， 11 （3）：1037～1058.
［25］胡鞍钢，刘生龙.交通运输、经济增长及溢出效应——基于中国省际数据空间经济计量的结果 ［J］.中国工业经济，2009， （5）： 5～14.
［26］张勋，王旭，万广华，等.交通基础设施促进经济增长的一个综合框架 ［J］.经济研究，2018，53（1）：50～64.
［27］ Rudra P Pradhan， Girijasankar Mallik， Tapan P Bagchi.Information Communication Technology （ICT） Infrastructure and Economic Growth：Acausality Evinced By Cross-country Panel Data［J］.IIMB Management Review， 2018， 30： 91～103.
［28］张学良.交通基础设施、空间溢出与区域经济增长 ［M］.南京：南京大学出版社，2009：95～97.
［29］ Frankel J， Romwe D.Does Trade Cause Growth？ ［J］.American Economic Review， 1999， 89 （2）： 379～399.
Research on Infrastructure Investment efficiency and Economic Effect Along “the Belt and Road Initiatives” Romestic Routes——Based on the Perspective of Soft and Hard Infrastructure
Hao Fengxia Liu Zihan
（School of Economics and Management， Tongji University， Shanghai 200092， China）
〔Abstract〕 Based on the panel data of 18 provinces and cities along the “the Belt and Road Initiatives” in China from 2007 to 2017， this paper uses DEA model to calculate the efficiency of infrastructure investment in each region， and establishes the spatial durbin model to conduct empirical research on the impact of soft and hard infrastructure investment on economic growth and spatial spillover effect.The results show that： first， the regional difference of infrastructure investment efficiency is large， and the characteristics of comprehensive efficiency presents the east＞the northwest＞the northeast＞the southwest， and investment efficiency has improved in all regions but the narrowing trend of regional difference is not obvious.Second，pure technical efficiency of infrastructure investment contributes more to comprehensive efficiency than scale efficiency，and improvement in management and technical level is more important to economic growth than optimization of infrastructure scale.Third，capital investment is still the main force driving regional economic growth.Both soft and hard infrastructure investment have a positive driving effect on economic growth， and the direct driving effect of the latter on economic growth is higher than that of the former.Last， regional economic growth has positive spatial spillover effect，and local economic growth can drive economic growth in neighboring regions.In addition， the results also show that the positive spatial spillover effect exist in transportation capacity， but the local economic growth is not significantly affected by the transportation level of other neighboring areas.
〔Key words〕 the Belt and Road Initiatives； spatial Durbin model； infrastructure； investment efficiency； spatial spillover effect；transportation level
DOI： 10．3969 ／j．issn．1004-910X．2019．08．002
〔中图分类号〕 F061.5；F283
〔文献标识码〕 A
收稿日期： 2019-04-08
作者简介： 郝凤霞，同济大学经济与管理学院副教授，博士。研究方向：产业经济学，经济政策分析。刘子涵，同济大学经济与管理学院硕士研究生。研究方向：财政学。
（责任编辑：张舒逸）
标签：一带一路论文; 空间杜宾论文; 基础设施论文; 投资效率论文; 空间溢出效应论文; 交通运输水平论文; 同济大学经济与管理学院论文;