中国交通基础设施与城市就业增长时空演变研究
陈建军1，余盈克2
(1. 浙江大学公共管理学院，浙江杭州310058；2. 浙江大学经济学院，浙江杭州310027)
[摘 要] 实证层面利用2003—2015年中国283个地级及以上城市的动态面板数据，采用系统广义矩估计方法，分析交通基础设施对城市就业增长时空演变的影响。结果发现：(1)交通基础设施对城市就业增长具有显著的促进作用，如果忽略内生性问题这种促进作用，会初低估；(2)交通基础设施对城市第三产业就业增长的促进作用大于对城市第二产业就业增长的促进作用；(3)交通基础设施越发达的地区，交通基础设施对城市就业增长的促进作用越大，即：东部地带>中部地带>西部地带。
[关键词] 城市就业增长；交通基础设施；时空演变；动态面板数据；系统广义矩估计
一、引言
改革开放以来，中国不断加快完善交通基础设施建设，并取得了显著的成绩。截至2015年底，中国实现铁路营业里程12.10万公里，比2014年增长8.2%；公路里程457.73万公里，比2014年增加11.34万公里；内河航道通航里程12.70万公里，比2014年增加721公里；民航航线里程531.72万公里(按不重复距离计算)，比2014年增长14.7%；内地26个城市轨道交通116条线路运营总长度3618公里；等等。同时，中国二三产业就业总量近年来呈现出逐年上升的趋势。例如，在2003年至2015年期间，中国年末二三产业就业人数总和从37532万人逐年上升至55532万人，累计增长达48.0%。截至2015年底，中国二三产业就业人数总和达55532万人，同比增长2.0%。其中，第二产业就业人数22693万人，同比降低1.8%；第三产业就业人数32839万人，同比增长4.7%，这表明中国二三产业就业结构呈现出从第二产业向第三产业转移的特征。此外，中国二三产业就业结构还存在从中西部地带向东部地带转移的趋势。而这两者之间的关系可以通过以下两个维度得以显现。第一，将中国年末公路里程与二三产业就业人数总和随时间的变化趋势描绘在同一幅图中，如图1所示，可以看出它们都在逐年上升。第二，通过分析近年来中国31个省级行政地区的公路里程密度和二三产业就业密度的分布情况，可以发现中国公路里程密度越大的地区，二三产业就业密度可能也越大。因此，本文认为中国年末公路里程(密度)与二三产业就业人数总和(密度)之间呈现出正相关关系，或者说，中国交通基础设施与就业增长之间可能存在正相关关系，并且这种关系不仅存在于时间序列上，还存在于横截面上。
图 1 2003年至 2015年中国年末公路里程与二三产业就业人数总和变化趋势图
因此，本文需要探讨的是，中国交通基础设施对城市就业增长时空演变会产生怎样的影响。具体而言，本文以城市为研究对象，构建理论模型，将交通基础设施与城市就业增长纳入一般均衡分析框架，并利用2003—2015年中国283个地级及以上城市的动态面板数据进行实证研究，旨在理清交通基础设施对城市就业增长的影响，并试图回答以下三个问题：(1)交通基础设施对城市就业增长有影响吗，主要取决于哪些因素；(2)近十几年来，中国交通基础设施促进了城市就业增长吗；(3)中国交通基础设施如何影响城市就业增长时空演变。
二、文献综述
关于交通基础设施对就业增长的影响研究，最早可以追溯到Munnell和Cook的研究，他们探讨了公共基础设施对地区就业增长的影响，认为公共基础设施的投资能够带来更多的就业增长[1]，由此正式拉开了学术界关于这方面研究的序幕。纵观近三十年来，这方面研究大致可以分为三类：交通等基础设施对就业增长有正向影响、没有影响和负向影响。代表性研究如表1所示。另外，也有不少学者从长期和短期的视角来研究交通等基础设施对就业增长的影响，如Demetriades和Mamuneas采用跨期最优化框架，并利用1972—1991年12个OECD 国家的面板数据来研究公共基础设施资本的效应，发现公共基础设施资本对就业增长的长期影响要小于中期或短期影响[14]，中国学者张光南等的研究也得出类似的结论[15]。
因为造型是四面坡，所以又叫“四阿顶”。它是出现时间较早的屋顶形式之一，逐渐演变为等级最高的屋顶形式，常用于建造皇家建筑或大型寺庙、殿堂。
表 1交通等基础设施对就业增长的影响研究
针对上述研究结论的差异，本文认为，早期关于交通等基础设施对就业增长的影响研究只是简单地把就业作为被解释变量、交通等基础设施作为解释变量纳入回归方程，然后选择不同的样本进行实证分析，从而得出不同的结论。这些研究忽视了其他因素可能也会对就业增长产生一定程度的影响，如产业结构、职工工资、社会公共资源等。另外，交通等基础设施与就业增长之间可能存在互为因果的关系[12，16-17]。这两方面的原因导致早期的研究可能存在严重的内生性问题。而后期的研究则在内生性问题上给予了高度重视，分别采用联立方程组[14]、工具变量[5]和系统广义矩估计[6]等方法来研究交通等基础设施对就业增长的影响。但总体而言，大部分研究还是缺乏完整的理论体系，困于这样一种处境——只是用不同的估计方法对不同的样本进行相应的研究。
因此，本文在理论层面构建数学模型来研究交通基础设施对城市就业增长的影响，并理清其内在机制，从而对表1中三类文献研究结论的不同给出一种可能的解释；在实证层面采用系统广义矩估计(SYS-GMM)方法来研究中国交通基础设施对城市就业增长的影响，并进行稳健性检验，从而揭示中国交通基础设施如何影响城市就业增长时空演变。
三、理论模型
(一)模型设置
对于任意一个给定的城市，假定该城市代表性居民的效用函数U 为：
(1)
其中，a 代表系数，是一个常数，T 代表该城市的交通基础设施，δ 代表单位出行成本指数对交通基础设施的弹性，N 代表该城市的就业人数，ND 代表该城市的总“出行距离”。式(2)表明该城市所有“出行方式”的单位出行成本指数随着交通基础设施的增加而降低，随着总“出行距离”的增加而升高，并且是零次齐次的，即交通基础设施和总“出行距离”发生同等比例的改变不会影响该城市所有“出行方式”的单位出行成本指数。同时，式(2)也是该城市“出行距离”的逆供给函数。
第一，这是一次统一思想、深化认识的会议。陈雷部长在这次会议上的重要讲话中指出，水利改革发展的总体目标任务已经明确，当前和今后一个时期水利规划计划工作，就是要紧紧围绕中央的决策部署，扎实做好水利改革发展顶层设计，科学实施大规模水利建设，保证各项水利建设投资需求，促进水利科学发展、跨越式发展。大家深切地感受到规划计划工作任务越来越繁重，责任越来越重大，必须把思想认识集中统一到中央关于加快水利改革发展的大政方针上，统一到水利部党组的中心工作上，统一到陈雷部长对规划计划工作的更高要求上，认清大好形势，抓住难得机遇，迎接新的挑战，扎实做好规划计划各项工作，确保中央提出的水利改革发展战略目标顺利实现。
求解上述该城市代表性居民的效用最大化问题，很容易得到该城市代表性居民最优的一般计价物的组合消费量，每种“出行方式”的“出行距离”以及土地的消费量，依次分别为：
以及L *=βY /P L 。定义
代表该城市所有“出行方式”的单位出行成本指数，则该城市代表性居民最优的“出行距离”为：D *=αY /P 。由此可知，α 和β 分别为该城市代表性居民的交通和土地支出份额。
为了得到市场出清时的解析解，有必要分别对“出行市场”、土地市场和就业市场加以详细的规定。
1.“出行市场”
而该城市代表性居民的预算约束为：X +
p i D i di +P L L 
Y ，其中，p i 代表该城市第i 种“出行方式”的单位出行成本，P L 代表该城市土地的单位价格，Y 代表该城市代表性居民的收入总和。
作者简介:陈晶,女1989年1月,河北省衡水市,汉,衡水市第五医院,二级,骨一科,主管护师/护士,本科,护理,研究方向,骨科护理。
P =aT -δ (ND )δ ,δ >0
(2)
其中，A 代表该城市的居民生活质量水平系数，X 代表一般计价物的组合消费量，D 代表“出行距离”，L 代表土地的消费量。定义
其中，k 代表该城市所有“出行方式”的种类数量，D i 代表第i 种“出行方式”的“出行距离”，σ 代表不同“出行方式”的“出行距离”之间的替代弹性。
2.土地市场
假设该城市土地的供给不仅取决于土地的可开发性，还取决于居民选择居住远离城市中心的意愿。直观上而言，越远离城市中心，土地的供给就越多。因此，该城市土地的供给函数一种比较简单的数学表达式可以写成：
L =bD γ ,γ >0
(3)
其中，b 代表该城市土地的可开发性，是一个常数，γ 代表该城市土地的供给弹性。式(3)隐含地表达了该城市土地的供给取决于所有“出行方式”的单位出行成本指数，更进一步，是取决于土地的价格，这一点也是符合经济学基本假设的。只是，用“出行距离”来表达土地的供给更加直观，数学上更加易于处理，但本质上是一致的。
3.就业市场
假设该城市存在集聚经济，具体表现为就业市场中代表性居民的收入总和会随着就业人数的增加而增加，一种比较简单的数学形式为：
Y =wN φ ,φ >0
(4)
其中，w 代表该城市只有一个居民单独工作时的收入总和，或者可以理解成没有集聚经济的地区单个居民的收入总和，是一个常数，φ 代表该城市经济的集聚程度。
(4)加强对内瘘穿刺点的维护:品管圈护理人员要在透析后注意维护穿刺部位的卫生及干燥,在加压止血的12~24小时后才能拿掉覆盖穿刺点的纱布。若是穿刺点出现充血肿胀的情况,需用冷敷止血,若出血停止,24小时后再改为热敷消肿。
对照组中,男女之比为30/20,年龄范围为35岁-62岁,年龄均值为(47.60±5.10)岁,病程范围为2年-8年,病程均值为(3.42±1.10)年。
(二)市场均衡
该城市代表性居民的最大间接效用V *：
传统的教学是以讲解为主，主要是理论学习，学员被动接受知识，单纯传统式讲授既不能充分满足学员理论联合实际的要求，也不能很好的培训学员临床思维能力。
(5)
(5)式表明该城市代表性居民的最大间接效用只取决于该城市的居民生活质量水平系数、代表性居民的收入总和、所有“出行方式”的单位成本指数和支出份额以及土地的单位价格和支出份额，与其他因素无关。同时，式(5)背后隐含地描述了该城市代表性居民一般计价物、“出行距离”以及土地的最优配置。
当“出行市场”出清时，该城市代表性居民效用最大化时的“出行距离”等于“出行市场”中供给的“出行距离”，数学上，很容易得出该城市“出行市场”出清时的“出行距离”：
将式(8)代入式(9)，得到：
(6)
式(6)表明，该城市“出行市场”出清时的“出行距离”取决于该城市的交通基础设施和就业人数，并且，与交通基础设施呈现出正向关系。
将式(6)代入“出行距离”的逆供给函数式(2)，得到该城市“出行市场”出清时的所有“出行方式”的单位出行成本指数：
(7)
式(7)表明，该城市“出行市场”出清时的所有“出行方式”的单位出行成本指数是交通基础设施和就业人数的函数，并随着交通基础设施的增加而下降，随着就业人数的增加而上升。这一点是符合经济学直觉的，价格随供给的增加而下降，随需求的增加而上升。
这里，假设该城市就业人数的增加主要来源于周边城市的移民，假定周边城市就业人数的居民的保留效用为
如果移民至该城市给他们带来的效用超过保留效用那么他们就会选择移民至该城市。
由此可知，该城市就业市场出清时的就业人数为：
(8)
N *(T )描述了一种确定性的均衡状态。此时，该城市代表性居民实现效用最大化，配置最优的一般计价物、“出行距离”以及土地，并且，该城市“出行市场”、土地市场以及就业市场都实现出清。
(三)动态调整
考虑到该城市的就业人数会随着城市自身状况的改变而改变，而且这种改变是根据偏离稳定状态时的均衡就业人数的程度而逐渐发生的，假设该城市就业人数的动态调整方程为：
(9)
其中，t 和t +1均代表时期，λ 代表该城市就业人数的调整速率，即该城市初始就业人数是以λ 的速率向
收敛的。图2描述了该城市就业人数的动态调整过程。并表明式(9)中的是一个稳定状态时的均衡就业人数。
“有时候省里开完大会，市里也要开，县里也要开，而且必须到场。”东北某县维稳办主任说。连夜赶会的经历让他记忆深刻：下午接到政法委的会议通知，第二天一大早要到省城参会，只能连夜坐了6个小时的大巴车深夜赶到。等赶到现场两级的会都结束了，才发现只是不同级别的领导将材料读了一遍。
(10)
其中，
表示与T t 和N t 无关的式子，
对式(10)两边取对数，并令n t =ln(N t )，τ t =ln(T t )，e t =ln(C t )，则式(10)可以改写为：
对于异质性城市而言，到底哪一种效应会成为交通基础设施对城市就业增长的主导作用，这取决于理论模型中的θ 。当θ >0时，表明交通基础设施对城市就业增长有正向影响；当θ ≈0时，可以认为交通基础设施对城市就业增长没有影响；当θ <0时，表明交通基础设施对城市就业增长有负向影响。特别地，当θ >0且λ >0时，λ 越大，θ 也越大；θ 变大，λ 会进一步变大。这表明城市就业人数的调整速率越大，交通基础设施对城市就业人数增长量的影响也越大，或者说交通基础设施对城市就业增长的贡献也越大；而城市就业增长速率的变大又会进一步加大交通基础设施对城市就业增长的促进作用，不断循环，从而使交通基础设施对城市就业增长的促进作用不断被放大。
这几年，广州市以“好教育进行时”为抓手，推动各区基础教育提升质量、打造特色的做法，推动了广州杏坛百花齐放、万紫千红，可谓“无边风景一时新”，此“一时”就是指“好教育进行时”，此举有以下几点特别值得点赞。
n t+1 -n t =θτ t -λn t +e t
(11)
图 2城市就业人数的动态调整示意图
(四)基本结论
至此，本文理论模型推导出了交通基础设施与城市就业增长之间的关系。式(11)表明该城市现期的就业人数增长量取决于该城市上期的交通基础设施，上期的就业人数以及上期的该城市某些固有特征。而且，式(11)中最关键的参数是θ ，它描述了该城市就业人数增长量对交通基础设施的反应程度。而θ 的符号和大小取决于α (城市代表性居民的交通支出份额)、β (城市代表性居民的土地支出份额)、δ (单位成本指数对交通基础设施供给的弹性)、γ (城市土地的供给弹性)、φ (城市经济的集聚程度)、λ (城市就业人数的调整速率)。
交通基础设施对城市就业增长的影响存在正负两个方面的效应。第一，交通基础设施对城市就业增长有正向效应。具体而言，交通基础设施能够降低城市居民的出行成本，从而使城市吸引更多的外来者，进而增加城市就业人数的供给；交通基础设施也能够降低本地企业的交易成本，有利于本地企业扩大生产规模，同时也使城市更加容易承接产业转移带来的红利，吸引更多的外来企业，这两个方面都会增加城市就业人数的需求。也就是说，交通基础设施能够从供给和需求两个方面促进城市就业增长。第二，交通基础设施对城市就业增长有负向效应。具体而言，交通基础设施能够使各种要素的流动更加方便，城市之间的竞争更加激烈，通过直接影响(本地的劳动力更加容易受周边大城市的吸引而流出本地劳动力市场，从而减少本地城市就业人数的供给)和间接影响(本地企业更加容易受周边大城市的吸引而迁出本地，从而减少本地城市就业人数的需求)两个方面阻碍城市就业增长。
高892块直井长缝日均产液量为7.4t，日均产油量为5.3t；常规压裂日均产液量为4.4t，日均产油量为3.57t；直井长缝压裂日均产油量为常规压裂日均产油量的1.5倍。
本文理论模型推导出的三种情况恰好对应了文献综述部分提到的三类文献的研究结论，这或许为它们之间的差异提供了一种合理的解释——每类文献由于选择的样本不同，相应的城市代表性居民的交通和土地支出份额、交通和土地的供给弹性、经济的集聚程度以及就业人数的调整速率六个参数就不同，这六个参数共同作用的结果自然也就导致了每类文献中交通基础设施对城市就业增长的影响有所不同。
四、实证分析
(一)实证模型
由本文理论模型可知，每个城市现期的就业人数增长量与该城市上期的交通基础设施之间存在一定关系，并用ED 代替理论模型中的N 和用Trans 代替理论模型中的T ，得到以下形式的实证模型：
lnED c,t +1-lnED c,t =α 1lnTrans c,t +α 2lnED c,t +∑β j CV c,t +ε c,t
(12)
其中，c 代表任意一个给定的城市。ED c,t +1和ED c,t 分别代表该城市第t +1期和第t 期的就业密度；Trans c,t 代表该城市第t 期的交通基础设施；CV c,t 代表该城市第t 期其他可能会影响该城市第t +1期就业密度增长量的控制变量，如工资、教育、文化、卫生、环境等；ε c,t 是随机误差项，代表第t 期一些被遗漏的可能会对该城市第t +1期就业密度增长量造成影响的解释变量；α 1和α 2分别是核心解释变量该城市第t 期交通基础设施和就业密度的待估参数，β 1,…,β j 分别是控制变量的待估参数。
(二)数据说明
本文实证所用面板数据选取时间期限为2003—2015年，选择从2003年开始主要有以下三个原因：第一，研究交通基础设施与城市就业增长之间的关系要以自由的市场经济制度为前提，而中国社会主义市场经济体制的基本框架是在2000年年底才初步建立的[18]；第二，中国国家统计局在2003年后对产业统计口径尤其是服务业做了较大程度的调整[19]；第三，中国国家统计局决定2003年之后各地区要统一使用人口统计中的常住人口计算GDP，这能更加客观地反映中国国民经济运行状况[20]。
本文实证所用面板数据主要来源于2004年至2016年《中国城市统计年鉴》中283个地级及以上城市市辖区的统计资料。根据研究需要，本文涉及的城市市辖区年末二三产业就业密度(ED )是指城市市辖区年末二三产业就业人数总和(Emp )与土地面积(Land )的比值。为了研究交通基础设施对不同产业就业增长的影响，本文分别考虑交通基础设施对城市市辖区年末第二产业就业密度(SED )和第三产业就业密度(TED )的影响，两个就业密度分别是指城市市辖区年末第二产业就业人数(Semp )与土地面积的比值和城市市辖区年末第三产业就业人数(Temp )与土地面积的比值。核心解释变量交通基础设施(Trans )用城市市辖区实有城市道路密度来表示，该密度是指城市市辖区年末实有城市道路面积(Road )与土地面积的比值。控制变量包括城市市辖区在岗职工平均工资(Wage )、城市市辖区地方公共财政支出(PFE )、城市市辖区固定资产投资总额(FAI )、城市市辖区工业化进程(Indust ，用城市市辖区规模以上工业企业密度来表示，该密度是指城市市辖区规模以上工业企业数(IE )与土地面积的比值)、城市市辖区教育水平(Educ ，用城市市辖区普通高等学校密度来表示，该密度是指城市市辖区普通高等学校数(Univ )与土地面积的比值)、城市市辖区休闲程度(Leisur ，用城市市辖区剧场、影剧院密度来表示，该密度指城市市辖区剧场、影剧院数(Theat )与土地面积的比值)、城市市辖区卫生条件(Heal ，用城市市辖区医院、卫生院密度来表示，该密度是指城市市辖区医院、卫生院数(Hosp )与土地面积的比值)以及城市市辖区环境状况(Envir ，用城市市辖区绿地密度来表示，该密度是指城市市辖区绿地面积(Green )与土地面积的比值)。具体变量名称及其解释说明如表2所示，相应的描述性统计结果如表3所示。
假设某小组提出了“紫杉醇的提取方法有哪些，各有什么优缺点？”这一问题。接下来该小组就需要对该问题进行分析、界定，并提出更为具体化的问题。例如，紫杉醇是什么？什么叫提取？常见的提取方法有哪些？迄今为止，紫杉醇的提取方法有哪些？不同的提取方法各有哪些优缺点？该选取哪些检索词？该使用何种搜索引擎和数据库？问题细化之后，小组工作目标也就明确了。在此过程中，教师可以教学生使用思维导图等工具去思考和分析问题。
假设该城市所有“出行方式”的单位出行成本指数与交通基础设施和总“出行距离”之间存在以下关系：
表 2变量名称及其解释说明
表 3变量名称及其解释说明
(三)SYS-GMM回归分析
首先采用普通最小二乘法(OLS)估计实证模型式(12)。OLS估计有效的前提是随机误差项与交通基础设施和城市就业基数等解释变量都不相关。如果这个条件不成立，那么OLS估计将是无效的，而它应该被当成是最开始的也是必要的描述性研究。由于文章篇幅所限，这里不阐述OLS回归的结果。虽然式(12)研究的是上期的交通基础设施对现期的城市就业增长的影响，解释变量相对于被解释变量而言滞后一期，这可能会缓解内生性问题，但是由于解释变量与被解释变量之间的双向交互影响(交通基础设施会影响城市就业增长，而城市就业增长反过来又会影响交通基础设施)，再加上可能遗漏了重要的解释变量而导致随机误差项与解释变量相关，这两方面都会造成式(12)中内生性问题的存在。采用Durbin-Wu-Hausman检验来检验式(12)中是否存在内生性问题，发现式(12)中确实存在内生性问题。
流体在流场中流动需要遵循物理守恒定律，其中包括质量守恒、动量守恒和能量守恒等，具体表现为连续性方程和N-S方程。
综上所述，现如今，城市化建设速度不断加快，城市车流量和人流量逐渐增加，在城市人口密集区域，行车、行人安全性比较低，对此，可建设人行天桥，保证行人安全。在桥梁工程施工中，钢结构施工方式便捷，工期比较短，并且具有良好的环保节能优势，因此逐渐被应用于城市人行天桥设计建设中。钢桁架结构人行天桥的主要受控因素为竖向自振频率，对此，在进行结构计算设计过程中，需要结合实际情况合理布置桁架高度，并严格控制高跨比，提升钢结构的稳定性和刚度，确保满足人行天桥使用要求。
为了缓解内生性问题，将式(12)移项并合并同类项，得到式(13)：
lnED c,t +1=α 1lnTrans c,t +(1+α 2)lnED c,t +∑β j CV c,t +ε c,t
(13)
发现，式(13)是一个典型的动态面板数据模型。而差分广义矩估计和系统广义矩估计是两种缓解动态面板数据模型内生性问题较好的方法[21-23]。大多数情况下，SYS-GMM比DIF-GMM更有效。因此，本文选择用SYS-GMM来研究交通基础设施对城市就业增长的影响。
交通基础设施与城市就业增长的SYS-GMM回归结果如表4所示。表4中12组的SYS-GMM回归结果都是经过不断尝试并筛选出合适的被解释变量或解释变量的滞后项或差分滞后项作为工具变量而得到的。从表4中，可以发现，就第一个核心解释变量而言，除组(7)、组(9)、组(10)、组(11)和组(12)之外的其他7组中交通基础设施lnTran s的系数在1%的显著性水平下显著为正(组(9)、组(10)和组(11)中交通基础设施lnTran s的系数在5%的显著性水平下显著为正)，这表明在中国过去的十几年里，交通基础设施促进了城市就业增长。例如，从组(1)中可以发现，就中国283个地级及以上城市而言，城市市辖区实有城市道路密度取对数后的值每提高一个百分点，就会使城市市辖区年末二三产业就业密度取对数后的增长量提高0.222个百分点，而且这种作用在1%的显著性水平下是显著的。就另一个核心解释变量而言，12组中衡量城市就业基数的解释变量的系数在1%的显著性水平下显著为正，但小于1，也就意味着式(13)中的α 2显著为负，这表明城市上期的就业基数与城市现期的就业基数之间存在正相关关系，但城市就业基数阻碍了城市就业增长，即城市就业基数越大，城市就业增长就越困难，把这种阻碍作用称为“饱和效应”，这与理论模型中“衡量城市就业基数的解释变量的系数必定为负”的预期一致。例如，从组(1)中可以发现，就中国283个地级及以上城市而言，城市市辖区二三产业就业密度取对数后的值每提高一个百分点，就会使城市市辖区年末二三产业就业密度取对数后的增长量降低0.376个百分点，而且这种作用在1%的显著性水平下是显著的。从这两个核心解释变量系数的符号和显著性来看，实证模型的设置正确，SYS-GMM回归结果也符合理论模型的预期，并且交通基础设施对城市就业增长的促进作用和城市就业基数对城市就业增长的阻碍作用不论地区(中国全境、东部地带、中部地带以及西部地带)、不论产业(二三产业、第二产业以及第三产业)都存在，也就是说研究结论是稳健的。
表 4交通基础设施与城市就业增长的回归结果
对比SYS-GMM回归结果与OLS回归结果，发现在两种回归结果中，交通基础设施lnTran s的系数符号一致，但数值上前者大于后者。一种可能的解释是交通基础设施与城市就业增长之间存在一定的内生性关系，而这种关系可能表现为交通基础设施对城市就业增长的影响有所滞后。如果直接采用OLS回归，就会忽略这种关系，从而低估交通基础设施对城市就业增长的促进作用；而采用SYS-GMM回归，由于选取了解释变量交通基础设施lnTrans 的滞后项或者差分滞后项作为工具变量，从而可以使这个问题在一定程度上得到缓解。类似地，在两种回归结果中，衡量城市就业基数的解释变量的系数符号一致，但数值上前者大于后者。这也就意味着OLS回归相对于SYS-GMM回归而言同样会低估城市就业基数对城市就业增长的阻碍作用。
更进一步地，从SYS-GMM回归结果中，就交通基础设施促进城市就业增长的程度在不同产业、不同地区之间的差异展开讨论。通过对比组(2)和组(3)或者组(5)和组(6)或者组(8)和组(9)或者组(11)和组(12)，发现交通基础设施对城市不同产业就业增长的促进作用不同。具体而言，交通基础设施对城市第三产业就业增长的促进作用大于对城市第二产业就业增长的促进作用，并且这种大小关系在中国东部地带、中部地带以及西部地带中都存在，这一点与邓明的研究结论一致[7]。在本文理论模型的研究结论中就指出，交通基础设施对城市就业增长的促进作用与城市就业人数的调整速率有关。当交通基础设施对城市就业增长的促进作用与城市就业人数的调整速率均为正时，城市就业人数的调整速率越大，交通基础设施对城市就业增长的促进作用也越大。而在中国过去的十几年里，城市第三产业就业人数的调整速率大于城市第二产业就业人数的调整速率，这就不难解释交通基础设施对城市第三产业就业增长的促进作用大于对城市第二产业就业增长的促进作用。更进一步地，由理论模型研究结论中的“放大效应”可知，这种大小关系会导致中国第三产业就业人数与第二产业就业人数之间的差距越来越大，或者说更会促使中国城市就业结构从第二产业向第三产业转移，随之更多的要素也会发生相应的转移，进而引起城市内部的产业空间再分布。
通过对比组(4)、组(7)和组(10)或者组(5)、组(8)和组(11)或者组(6)、组(9)和组(12)，发现交通基础设施对城市就业增长的促进作用在不同地区之间也有所差异。具体而言，交通基础设施对城市就业增长的促进作用具有规模效应，交通基础设施越发达的地区，交通基础设施对城市就业增长的促进作用越大。在中国过去的十几年里，东部地带的交通基础设施对城市就业增长的促进作用>中部地带的交通基础设施对城市就业增长的促进作用>西部地带的交通基础设施对城市就业增长的促进作用，并且这种大小关系在二三产业、第二产业以及第三产业中都存在。而这种大小关系可能会导致东部地带城市就业人数的调整速率大于中部地带城市就业人数的调整速率，大于西部地带城市就业人数的调整速率，这样又会由于理论模型研究结论中的“放大效应”，最终使得中国东部地带城市就业人数、中部地带城市就业人数与西部地带城市就业人数之间的差距越来越大，或者说更会促使中国城市就业结构从西部地带向中东部地带转移、从中部地带向东部地带转移。
至于控制变量，特别需要说明的有两点。第一，就中国全境而言，城市教育水平Educ 和城市休闲程度Leisur 这两个控制变量的系数在OLS与SYS-GMM回归结果中均显著为负。这当然是符合直观的，在中国过去的十几年里，教育水平和休闲程度越高的城市越适合居住生活而不适合就业，这一点在二三产业、第二产业以及第三产业中都存在。第二，就中国东部地带而言，城市在岗职工平均工资Wage 这个控制变量的系数在OLS与SYS-GMM回归结果中均显著为负，这是因为中国东部地带经济比较发达，城市在岗职工平均工资Wage 越高，居民更加注重闲暇消费而减少劳动，从而不利于城市就业增长；而就中国西部地带而言，城市在岗职工平均工资Wage 这个控制变量的系数在OLS回归结果中显著为正(在SYS-GMM回归结果中为正，但不显著)，这是因为中国西部地带经济相对欠发达，城市在岗职工平均工资Wage 越高，居民更加愿意提供劳动而减少闲暇消费，从而有利于城市就业增长。这一点在中国东西部地带二三产业、第二产业以及第三产业中都存在，并且与微观经济学中经典的“向后弯曲的劳动力供给曲线”也是吻合的。
五 结论与展望
评价城市高质量增长的重要维度之一是城市就业增长，而这也是交通基础设施的空间溢出效应之一。如何定量地确定这两者之间的关系，对于城市空间规划的制定具有重要的意义，这也逐渐成为经济学家们关心的话题之一，尤其是交通基础设施对城市就业增长的影响以及如何解决两者之间的内生性问题。而现有的大部分研究缺乏完整的理论体系，只是采用不同的估计方法对不同的样本进行相应的研究，从而得到不同的研究结论。
针对上述研究存在的问题，在理论层面，本文以城市作为研究对象，构建理论模型，将交通基础设施与城市就业增长纳入一般均衡分析框架，探讨了交通基础设施对城市就业增长的影响，发现交通基础设施对城市就业增长的影响分为三类：正向影响、没有影响和负向影响，主要取决于城市代表性居民的交通和土地支出份额、交通和土地的供给弹性、经济的集聚程度以及就业人数的调整速率。在实证层面，本文基于2003—2015年中国283个地级及以上城市的面板数据，分别用OLS和SYS-GMM来估计交通基础设施对城市就业增长的影响。研究认为，交通基础设施与城市就业增长之间存在一定的内生性关系，这会导致OLS的估计结果有偏。因此，本文最终采用动态面板数据模型的SYS-GMM回归结果就交通基础设施对城市就业增长的影响展开分析。当然，作为稳健性检验，本文还分别考虑了交通基础设施对不同地区不同产业就业增长的影响。结果表明：在中国过去的十几年里，交通基础设施促进了城市就业增长，而且这种促进作用是稳健的，不论第二产业还是第三产业，也不论东部地带还是中西部地带。如果忽略内生性问题，就会低估交通基础设施对城市就业增长的促进作用。更进一步地，稳健性结果还表明交通基础设施促进城市就业增长的程度在不同产业、不同地区之间有所差异。具体而言，第一，交通基础设施对城市第三产业就业增长的促进作用大于对城市第二产业就业增长的促进作用；第二，交通基础设施对城市就业增长的促进作用具有规模效应，交通基础设施越发达的地区，交通基础设施对城市就业增长的促进作用越大，东部地带>中部地带>西部地带。这两点导致中国城市就业结构从第二产业向第三产业转移，从西部地带向中东部地带转移、从中部地带向东部地带转移，随之更多的要素也会发生相应的转移，进而引起产业空间再分布甚至城市群层级结构演化。
本文的研究在应用实践层面上也具有一定的意义。第一，虽然“要想富，先修路”的思想在中国已经根深蒂固，也被历届政府广为接受，但是一直缺乏理论研究的支持，而本文的研究结论为近十几年来中国大力进行交通基础设施建设提供了重要的政策依据。第二，在过去的十几年里，中国交通基础设施建设存在空间发展不平衡的问题，东部地带、中部地带和西部地带交通基础设施建设呈现出明显阶梯式递减的现状。而本文认为，交通基础设施对城市就业增长的促进作用具有规模效应，这就提示中国政府在大力建设交通基础设施的同时，应该考虑加大对中西部地带交通基础设施的投入，尤其是中西部地带城市内部的交通基础设施建设，这样才能促进中西部地带城市内部的就业增长，防止中西部地带城市陷入“低交通基础设施，低就业增长”的循环窘境，避免中国中西部地带同东部地带的差距越来越大，从而实现中国不同区域的协调发展。
集约化的概念源自经济领域。1958年苏联经济学家第一次引用该词，指出相对粗放而言，集约是以社会效益和经济效益为根本对经营诸要素进行重组，实现以最小的成本获得最大的投资回报。集约化的本质特征就是要以科学技术为杠杆,以较少的资源投入,集中而不是分散地使用资源,以取得杠杆效应[8]。
当然，本文也有需要后续进一步研究的地方。第一，本文没有考虑交通基础设施的空间溢出效应——周边城市的交通基础设施可能也会对本地城市的就业增长造成一定程度的影响；没有考虑长期中交通基础设施对城市就业增长的影响——交通基础设施对城市就业增长的影响可能会有所滞后，这两方面都会导致本文研究结论中交通基础设施对城市就业增长的促进作用有偏。
[参考文献]
[1] MUNNELL A H, COOK L M. How Does Public Infrastructure Affect Regional Economic Performance?[J].New England Economic Review, 1990, 30(Sep):69-112.
[2] DUFFY-DENO K T, DALENBERG D R. The Municipal Wage and Employment Effects of Public Infrastructure[J]. Urban Studies, 1993, 30(9):1577-1589.
[3] DALENBERG D R, PARTRIDGE M D, RICKMAN D S. PublicInfrastructure: Pork or Jobs Creator? [J]. Public Finance Review, 1998, 26(1):24-52.
[4] 郑振雄. 公路基础设施的就业效应实证分析——基于省际动态面板模型[J]. 人口与经济, 2011(2):28-32.
[5] DURANTON G, TURNER M A. Urban Growth and Transportation[J].The Review of Economic Studies, 2012, 79(4):1407-1440.
[6] BOTTASSO A, CONTI M, FERRARI C, et al. The Impact of Port Throughput on Local Employment: Evidence from a Panel of European Regions[J]. Transport Policy, 2013, 27:32-38.
[7] 邓明. 中国城市交通基础设施与就业密度的关系——内生关系与空间溢出效应[J]. 经济管理, 2014(1):163-174.
[8] 肖挺. 中国城市交通基础设施建设对本地就业的影响[J]. 中国人口科学, 2016(4):96-104.
[9] ALBALATE D, FAGEDA X. High-Technology Employment and Transportation: Evidence from the European Regions[J]. Regional Studies,2014, 50(9):1564-1578.
[10] FAGEDA X, GONZALEZ-AREGALL M. DoAll Transport Modes Impact on Industrial Employment? Empirical Evidence from the Spanish Regions[J]. Transport Policy, 2017, 55:70-78.
[11] COHEN J P, PAUL J M. Public Infrastructure Investment, Interstate Spatial Spillovers, and Manufacturing Costs[J]. Review of Economicsand Statistics, 2004, 86(2):551-560.
[12] JIWATTANAKULPAISARN P, NOLAND R B, GRAHAM D J. Causal LinkagesBetween Highways and Sector-Level Employment[J]. Transportation Research Part A: Policy and Practice, 2010, 44(4):265-280.
[13] 陆铭, 欧海军. 高增长与低就业:政府干预与就业弹性的经验研究[J]. 世界经济, 2011, 34(12):3-31.
[14] DEMETRIADES P O,MAMUNEAS T P. Intertemporal Output and Employment Effects of Public Infrastructure Capital: Evidence from 12 OECD Economies[J].The Economic Journal, 2000, 110(465):687-712.
[15] 张光南, 李小瑛, 陈广汉. 中国基础设施的就业、产出和投资效应——基于1998～2006年省际工业企业面板数据研究[J]. 管理世界, 2010(4): 5-13,31.
[16] JIWATTANAKULPAISARN P, NOLAND R B, GRAHAM D J, et al. Highway Infrastructure and State-Level Employment: A Causal Spatial Analysis[J]. Papers in Regional Science, 2009, 88(1):133-159.
[17] JIWATTANAKULPAISARN P, GRAHAM D,POLAK J, et al. Highway Infrastructure Investment and County Employment Growth: Dynamic Panel Regression Analysis[J]. Journal of Regional Science, 2009, 49(2):263-286.
[18] 常修泽. 中国建立社会主义市场经济体制进程的基本判断及思考[J]. 改革, 2002 (4):5-16.
[19] 许宪春. 中国服务业核算及其存在的问题研究[J]. 统计研究, 2004, 21(3):20-27.
[20] 李德水. 关于GDP的几点思考[J]. 经济研究, 2004(4):26-28.
[21] ARELLANO M, BOND S. Some Tests of Specification for Panel Data:Monte Carlo Evidence and an Application to Employment Equations[J]. The Review of Economic Studies, 1991, 58(2):277-297.
[22] ARELLANO M, BOVER O. Another Look at the Instrumental Variable Estimation of Error-Components Models[J]. Journal of Econometrics,1995, 68(1):29-51.
[23] BLUNDELL R, BOND S. InitialConditions and Moment Restrictions in Dynamic Panel Data Models [J]. Journal of Econometrics, 1998, 87(1):115-143.
[中图分类号] F249.2
[文献标识码] A
[文章编号] 1671-511X(2019)02-0022-13
[基金项目] 国家社会科学基金重大项目“我国城市群连绵带的层级体系及协同发展研究”(17ZDA070)；国家自然科学基金面上项目“我国大都市群产业空间分布优势格局形成的动力机制研究”(71774140)阶段性成果。
[作者简介] 陈建军(1955—)，浙江杭州人，经济学博士，浙江大学公共管理学院教授，博士生导师，研究方向：产业经济学、城市经济学。
(责任编辑 余 敏)
标签：城市就业增长论文; 交通基础设施论文; 时空演变论文; 动态面板数据论文; 系统广义矩估计论文; 浙江大学公共管理学院论文; 浙江大学经济学院论文;