交通运输方式对城市群生产率影响研究
龙奋杰1，2，陈子晏2，王 爵2
LONG Fenjie1,2, CHEN Ziyan2, WANG Jue2
（1.贵州理工学院，贵州 贵阳 550003；2.清华大学 恒隆房地产研究中心，北京 100084）
(1．Guizhou Institute of Technology， Guiyang 550003，Guizhou， China； 2．Heng Long Center for Real Estate， Tsinghua University， Beijing 100084， China)
摘 要： 为研究城市不同交通运输方式的运输能力对城市群全要素生产率的空间溢出效应，利用2000—2017年我国270个地级市的面板数据，在基于柯布－道格拉斯生产函数计算各个城市全要素生产率的基础上，建立引入交通运输能力变量的空间杜宾模型，研究铁路、公路和航空3种运输方式对城市群全要素生产率的影响结果，并依据空间相关系数大小变化判断每种运输方式的影响范围。结果表明：铁路和公路运输能力对城市群的生产效率产生正向影响，航空客运产生负面影响。航空的影响范围最大，铁路其次，公路最小。综合3种运输方式，大力发展铁路建设将有助于我国城市整体生产效率的提高，同时保障足够的影响范围。
关键词： 交通运输；全要素生产率；空间溢出效应；空间杜宾模型；影响范围
0 引言
交通是城市发展最重要的资源流动途径，城市间的联系离不开交通基础设施的建设。全要素生产率是城市资源的利用效率，由城市经济产出与各要素投入量的比值来表征。在资源投入一定的条件下，城市的发展速度取决于全要素生产率。城市发展依赖要素量的积累和质的改善，交通运输是生产要素流动的载体，其发展水平与城市全要素生产率的提升紧密相关。城市交通运输的内涵通常包括客运和货运2类运输内容，以及铁路、公路和航空3种运输方式。交通运输量代表城市的运输能力，不同的运输方式和运输内容对城市发展有不同的影响。邻近城市之间共用部分资源会使城市的生产效率存在空间依赖性；同时某特定城市的交通发展会影响周围城市，周围城市的要素流动会因为该城市的交通运输能力提升而活跃。以上就是城市生产率和交通运输存在的空间溢出效应。
我没福气跟贾府老太太似的吃鸭子肉粥，倒吃到过一回鸡汤泡饭。还是以前在上海时，小区后门外，有家卖白斩鸡的店。上海人大概晓得：上海白斩鸡店一般兼卖鸡血鸡杂汤，讲究些的是鸡骨头熬的，加一点胡椒和盐，不算多丰腴，就有股子鲜味。某年过年前夕，我一人在上海，晚上写完一篇文章，饿极了，出去晃荡。路过白斩鸡店，看卷帘门下了一半，一灯如豆。我问老板还有没有鸡汤，老板抬头看看我：“鸡汤都给我泡饭了，你要不要？”
根据实验结果可知，人物视图、类别视图、立卷人视图、地点视图下的特征关联对档案检索结果影响较大。我们在接下来的阶段，调整视图所占有的权限，将这4个视图的权重分别设置为20%，另外5个视图分别为4%，重新构建档案关联分析模型，并对比该模型和传统档案检索模型的查全率。
交通与全要素生产率的关系受到学者们较长时间的关注。Aschauer[1]利用时间序列计量方法估计出交通的产出弹性超过0.4。刘秉廉等[2]采用面板数据对省域层面的交通基础设施和全要素生产率进行了研究，发现交通基础设施能显著促进城市生产效率的提升。王冬雪等[3]分析交通运输发展对一线城市和二线城市的发展有差异，交通运输发展对二线城市经济发展更为突出。李忠民等[4]利用长江经济带11省市面板数据分析长江经济带交通基础设施效率，有重点地进行区域交通基础设施投资，可以有效提升长江经济带交通基础设施的规模效益。李雪飞等[5]认为高铁快运有利于区域发展。刘生龙等[6]考虑信息要素之后认为，交通和信息共同对全要素生产率有正的相关性影响。刘敬青[7]研究铁路货物运输对区域经济发展的影响，探讨铁路建设对区域经济发展具有长期持续的拉动作用。在这类研究中，学者主要采用截面、面板和时间序列数据完成相关计量分析，随着Anselin[8]发现相邻区域间经济现象受到邻近空间单元的属性值影响，空间溢出效应进入了研究者的视线。随着面板计量模型的发展，引入空间相关性的空间计量方法成为研究溢出效应的主流方法。Anderson等[9]、柯善咨等[10]分别从城市网络角度引入空间相关性概念，研究区域间经济发展的溢出效应。在定性研究空间相关性之后，学者们开始考察实际地理距离与空间溢出效应的定量关系。符淼[11]利用省级层面数据研究技术外溢强度与空间距离之间的衰减关系，发现50%的衰退距离大约1 200 km。王思薇[12]利用我国30个省面板数据研究铁路对区域全要素生产率的空间溢出影响，发现高速铁路的影响是普通铁路的1.46倍。陆铭[13]则考察港口周边的土地利用效率，发现距离大港口500 km时附近的土地利用效率降低一半。目前尚未发现利用全国地级市层面交通运输量面板数据对我国交通与全要素生产率进行研究的成果，也没有发现定量考察不同运输方式空间溢出效应距离的文献。为此，研究空间溢出效应下交通运输能力对城市群中城市生产效率的影响，利用空间计量模型量化不同运输方式和运输内容的影响效果和影响范围，以期考察不同运输方式的适用城市类型，研究交通基础设施规划的有效方法。
1 理论基础与模型方法
1.1 全要素生产率计算
全要素生产率是资源开发的利用效率，学术界普遍认为是城市产出剔除要素贡献后的余值对产出增加的表征，可利用柯布－道格拉斯生产函数进行描述。
式中：Yit 为城市i 第t 年的产出；Ait 为城市i 第t 年的全要素生产率；Kit 为城市i 第t 年的资本存量；Lit 为城市i 第t 年的劳动力；i 表示地级市；t 代表年份；αi 和βi 分别为城市i 的2个要素的弹性指数。
通常公式满足规模报酬不变的约束。利用回归后的弹性指数，变形公式(1)，可以得到计算全要素生产率的基本公式
通过判断模型是否可以简化来检验模型选取是否合理。采用似然比检验和Wald的检验结果分别为67.52和68.17，在1%的水平上拒绝了γ =0。因此，模型假设是合理的。
1.2 空间溢出模型
当前的空间计量模型分为空间杜宾模型(SDM)、空间误差模型(SEM)和空间滞后模型(SLM)3种主要形式，区别在于是否考察被解释变量及解释变量的空间相关性。城市间的经济绩效存在空间相关性，交通会缩短城市间要素的流动时间、降低流动成本，城市的交通差异会导致人口趋向于更具吸引力的城市。因此，城市的交通运输能力不仅影响该城市的经济发展，也会影响城市群的经济发展。基于运输方式溢出效应的差异性，将对不同运输方式的空间溢出效应分别进行考察。
选取可以考察被解释变量空间溢出效应的空间杜宾模型，将3个表征交通运输能力的变量纳入计量模型，可建立以下公式。
(2)民宿缺乏知名度。庐山在全国乃至全世界范围都十分著名，每年也吸引了大量的游客前来游玩，对于旅游住宿的需求量也十分巨大。但是就民宿自身而言，庐山民宿相对于其他地区如浙江莫干山、云南丽江、福建厦门等地的民宿来说，没有积极地宣传推广，导致知名度低影响力不高，国内游客在对民宿进行选择时，首先会想到莫干山、丽江等地，而不是庐山，这也使庐山民宿在国内缺乏竞争力。
2.3.1 不同运输方式的空间溢出强度效应
对于空间矩阵w 的处理，不同学者选择不同的方法，一般常用邻接矩阵来表达，即相邻为1，不相邻为0。由于要定量考察交通运输能力的影响距离，邻接矩阵不能全面地反映空间溢出效应强度随距离衰减的效果。钟水映等[14]曾在研究空间外溢中提出衰减较快的溢出效应应选用距离的平方来衡量，因此研究选取城市间行政中心坐标的直线距离平方的倒数作为空间矩阵的权重，建立以下空间矩阵。
式中：dij 为城市i 和城市j 的城市行政中心坐标的直线距离；D 为临界距离。
公式(4)中增加临界距离D ，这里借鉴相关文献[11]的处理方法，计算时将临界距离内的城市剔除，从而可以通过改变临界距离D 的取值，逐步增加剔除掉的邻近城市，完成对具体距离城市的空间溢出效应分析。
2 实证模型与结果分析
2.1 数据分析
研究采用的数据为2000—2017年我国地级市的面板数据，主要来源于《中国城市统计年鉴》《中国统计年鉴》，以及各地区有关统计年鉴。剔除了数据缺失或者行政区划合并拆分的城市，最终使用了270个城市的面板数据，组成超过35 000个不同的城市对。
对于采用这些设计细节的理由，里帕也给出解释：“车轮时而上行，时而下行，一如运气的变化。丰饶角表明，她正是世间财富和好事（Good Things）的支配者。车轮处于不断地运动中，因此运气多变（fickle），时时改变（changes），有时低落，有时上升。”⑩
2.3.1 护理质量改进程序 通常采取发现问题—归因分析—要因确认—提出方案—修订方案—形成规范6个步骤。发现问题和归因分析采取头脑风暴等形式，集临床护士智慧;要因确认需用因果关系矩阵图及主因确认法，解决问题的方法可循证A级证据或临床研究成果，鼓励临床一线护士大胆创新、勇于改革与实践，探索科学有效的护理工作方法。
二要认真落实云南与周边省区市及长江沿岸省区市签订的战略合作协议，深入推进与长江流域、成渝经济区和周边省区的交流合作，加强资本引进、渠道建设、市场对接，深度开展资本和产业合作。
2.2 空间相关性检验与实证模型
2.2.2 杜宾模型检验
采用MoranI指数来判断指标的空间相关性。MoranI指数是空间自相关系数的一种，其值分布在[-1，1]，用于判别空间是否存在自相关。MoranI指数大于0表示空间正相关，其值越大空间相关性越明显；MoranI指数小于0表示空间负相关，其值越小空间差异越大。结果显示，2000—2017年270个地级市的全要素生产率MoranI指数在0.14左右波动，即TFP存在空间上的相关性。类似的检验发现交通运输能力MoranI指数在0.22左右波动，并且均显著，同样存在空间上的相关性。
2.2.1 相关性指数
式中：TFP 为全要素生产率；
和
分别为变形后的城市i 的2个要素的弹性指数。
最终基于客运方式(5)和货运方式(6)数据的计量模型如下。
渣打银行昆明分行为云南“走出去”企业将提供包括贷款、担保业务、保理业务、大宗商品、外汇风险管理、资本市场融资以及海外并购顾问咨询及项目融资等在内的全方位金融服务。此外，渣打中国还可为云南企业量身订制资金管理模式和方案，帮助他们实现资金集约化管理，并协助其建立国内外资金管理平台。
式中：TFPit 为城市i 第t 年的全要素生产率；TFPjt 为城市群中其他城市j 第t 年的全要素生产率；RailPait 为城市i 第t 年的铁路客运量；HighPait 为城市i 第t 年的公路客运量；AvaiPait 为城市i 第t 年的航空客运量；RailFrit 为城市i 第t 年的铁路货运量；HighFrit 为城市i 第t 年的公路货运量；AviaFrit 为城市i 第t 年的航空货运量；LABit 代表城市i 第t 年的就业人数和受教育年限的加权值；FDIit 代表城市i 第t 年的使用外资额占固定投资总额的比例；SYSit 代表城市i 第t 年的公共财政支出占GDP的比例；COMit 代表城市i 第t 年的固定电话、移动电话及互联网宽带用户数；θt 为模型时间效应；εit 为城市i 第t 年的误差项；αi 为城市i 的个体效应；γl 为城市群内其他城市第l 个解释变量对城市i 的空间影响系数；βl 为第l 个解释变量对城市i 全要素生产率的影响。
2.3 实证结果
式中：TFPit 为城市i 第t 年的全要素生产率；αi 为城市i 的个体效应；ρ 为城市i 的全要素生产率对城市群内其他城市的空间影响系数；wij 为空间加权矩阵，通过地理上的关系形成任意2个城市城市i 和城市j 的空间网络关系集合；TFPjt 为城市群内其他城市j 第t 年的全要素生产率；γl 为城市群内其他城市第l 个解释变量对城市i 的空间影响系数；Xljt 为城市群内其他城市j 第t 年第l 个解释变量；βl 为第l 个解释变量对城市i 全要素生产率的影响；Zlit 为城市i 第t 年第l 个解释变量的值；θt 为模型时间效应；εit 为城市i 第t 年的误差项；l 为解释变量。
根据公式可以计算出模型回归结果如表1所示。从表1的回归结果可以看出，全要素生产率自身的空间溢出效应较为明显，其原因可能是邻近区域的全要素生产率受到相同要素的影响，而要素在地区之间存在关联性和共享性，地区之间会分享资源，形成城市的协同发展。不同地区的全要素生产率是资源流动的结果，相互之间存在一定的空间相关性。
城市经济产出Y 用实际GDP来代表。资本存量K 采用永续盘存法计算，Kit =K (it -1)×(1 - δit ) + Ii 1，其中δit 为城市i 第t 年的折旧率，选取比较常用的10%，Ii 1为城市i 第1年的资本存量。劳动力L 用城市就业人数来度量。
表1 模型回归结果
Tab.1 Model regression results
比较3种交通运输方式的空间溢出效应可以发现，铁路对邻近城市的正向影响最大，公路其次，而航空的影响则为负。可以理解的是，交通运输量越大，当地人力资源和其他资源的流动性更强，新技术转移的可能性越高，提升了当地的全要素生产率，同时也对城市群带来更大的影响。铁路是迁徙式人口流动最主要的运输方式，是人力资源和技术转移的主要途径，对区域内城市的要素变化影响很大。计量结果显示，航空客运对周围城市负影响的原因是我国具有机场的地级市还比较少，不像铁路和公路这2种运输方式更为普遍。有机场的城市对平均受教育程度年限较高的人士吸引力更为显著，吸引城市群的人口向其流动，会对该城市产生负面效应，使这些城市的全要素生产率降低。航空货运的影响依旧为正向，是因为货物不存在趋向性流动，以物流为代表的航空货运会增加周边城市的信息、技术等要素的流入。
其余控制变量对本城市的生产效率均为正向影响，其中人力资本的影响最为显著，表明教育质量的提升促进了知识的生产以及专业化人力资本的积累，使生产函数呈现报酬递增的特性。使用外资、公共财政支出和通信水平3个方面的提升，均会提升城市的基础设施水平和投资强度，因此会提升城市的全要素生产率。
2.3.2 不同运输方式的空间溢出距离效应
铁路、公路和航空3种运输方式分别有不同的运输特性，通过对每种运输方式空间溢出效应强度变化的判断，可以得到各自地理含义上的影响范围。
主要研究解释变量包括：铁路、公路、航空的客运量和货运量，表征城市的交通运输能力。控制变量包括：①人力资本LAB 。人力资本不仅包含劳动力数量，还包含知识和技术的利用效率，在此选用就业人数和受教育年限的加权值。②实际使用外资FDI 。外商投资代表了城市的资金吸引水平和开放程度。先进的技术和发达的信息有助于吸引外资。使用外资额占固定投资总额的比例来代表城市经济活动的活跃水平。③政策制度SYS 。政府效率对城市生产率有重要影响，用公共财政支出占GDP的比例表示政府对经济的参与程度。④通信水平COM 。信息沟通是目前以及未来重要的影响要素，以固定电话、移动电话及互联网宽带用户数来度量通信水平。
根据上述空间矩阵w 中临界距离D 的设置方法，在距离效应计算中，考虑到我国城市间最短距离不足10 km的实际情况，采用最短距离为10 km，每增加50 km设置一次临界距离Di 的方式，连续改变计量空间矩阵w 的取值。回归得到一系列空间相关系数ρ 和显著性t值，根据空间相关系数的大小变化来判断影响强度，从而判断不同强度下对应的实际地理距离。
空间相关系数和距离如表2所示。从表2的回归结果可以看出，我国城市间全要素生产率的空间溢出效应随地理距离的增加出现了先增大后减弱的现象。客运方式中铁路运输的峰值为1 016 km，即此时空间相关系数ρ 也处于峰值，而超过1 800 km时空间溢出效果就不再显著，即显著性t值低于拒绝要求。公路运输的峰值大约为400 km，是通常开车出行的距离。航空运输的影响距离更大，临界距离超过2 700 km，这也与我国的疆土面积比较吻合。与客运方式类似，货运同样是航空运输的影响范围最大，铁路其次，公路最小，这与交通运输的运距特性相匹配。
两种吸附剂对Cd2+的吸附过程中，平衡吸附量与平衡浓度呈正相关变化，可以采用Langmuir、Freundlich等温方程式对吸附平衡时的数据进行拟合，模型拟合参数和拟合曲线如表2和图6所示。由表2和图6可见， 花生壳和活性碳纤维对含Cd2+的吸附过程较好地符合Langmuir模型及Freundlich模型，相关性系数R2都在 0.90 以上。其中，Freundlich模型拟合更好，说明对Cd2+的吸附是既有单分子层吸附又存在交换吸附的复杂的吸附过程。
2.4 研究结论
基于空间溢出效应这一城市间相互影响现象，将交通运输能力纳入杜宾模型，考察不同交通运输方式对城市群全要素生产率的空间影响效应，并判断每种运输方式的影响范围。实证结果表明：一个城市交通运输能力的改善，会对城市群产生空间溢出影响。从客运方式来看，铁路运输能力的提高对周围城市生产率带来最大程度的提升；公路有适当的正向影响，达到铁路的35%以上；而航空运输则会产生负向影响，城市航空客运能力提高会降低城市群的全要素生产率。从货运方式来看，3种运输方式对城市全要素生产率都是正向影响，公路运输能力的提高对周围城市生产率带来最大程度的提升；铁路有适当的正向影响，达到公路的30%以上；航空运输的效果不显著。从3种运输方式的空间影响范围来看，航空最大，客运峰值距离为1 350 km，货运峰值距离为920 km；铁路适中，客运峰值距离达到航空的75%以上，货运峰值距离达到航空的65%以上；公路最小。在城市交通基础设施规划建设时，应结合与中心城市的距离选择最为有效的运输方式。
公共服务提供凭空想象，认为是做好事，并非当做本职工作和责任，这难以让民众信服。公共服务如何得民心、惟民众是，需要有科学、合理，以民众为导向的公共服务种类，政府在担当公共服务提供者的同时需要全盘考虑、精心研究，需要专门的智库，智库提出的策略势必起到明显效果，因此政府组建专门公共服务创新智库势在必行，在为其提供充足经费，使其拥有话语权的同时，时刻监督智库进展，此时的智库定能为政府提供最具时效性、实用性和可行性的创新政策，最大限度地造福人民，同时政府也要鼓励支持民间智库和相关非政府组织的发展，使其也能为政府、为国家、为人民提供创新政策。
表2 空间相关系数和距离
Tab.2 Spatial correlation coef ficient and distance
研究在模型设定方面还存在不足，如对城市个体效应的深入考察不够，因而应增加分东西部等描述区块差异的控制变量因素，进一步增加如水运等具有地域特征的其他运输方式对城市发展的影响研究。
3 结束语
综合运输方式及空间影响范围，对于当下我国地级市而言，客运方面铁路对城市群全要素生产率带来最大程度的提升，货运方面铁路对城市群全要素生产率带来了适中的提升，同时铁路运输有着适中的影响范围，客运和货运峰值距离均达到航空的70%以上。大力发展铁路建设将有助于我国城市整体生产效率的提高，同时能有效保障足够的影响范围。尤其是发展中部地区铁路建设将有效辐射整个全国城市，最大效率地发挥铁路运输的作用。
（1）航空运输虽然影响范围最大，而对城市群全要素生产率的改善相对有限，考虑到航空建设的成本最为高昂，当下我国部分城市不应盲目大力发展航空运输，发展航空运输时应考虑城市实际运输需求及邻近城市航空运输能力，尽量避免航空港建设过于密集，效率低下。
（2）公路运输虽然影响范围最小，而在货运方面对城市群全要素生产率带来最大程度的提升，在客运方面对城市群全要素生产率带来了适中的提升。因此，持续发展公路运输是未来多数城市的选择。尤其是考虑到对城市内部各区县的影响，可以预见公路运输将成为仅次于铁路运输的重点发展运输方式。
参考文献：
[1] ASCHAUER D A． Is Public Expenditure Productive[J]．Journal of Monetary Economies，1989，23(2)：177-200．
[2] 刘秉廉，武 鹏，刘玉海． 交通基础设施与中国全要素生产率增长：基于省域数据的空间面板计量分析[J]． 中国工业经济，2010(3)：54-64．
[3] 王冬雪，欧国立． 我国一线二线城市经济与交通运输发展差异性分析[J]． 铁道运输与经济，2018，40(2)：28-32．WANG Dongxue，OU Guoli． An Analysis of the Differences of Transport and Economic Performance between First and Second-tier Cities in China[J]． Railway Transport and Economy，2018，40(2)：28-32．
[4] 李忠民，夏德水，姚 宇． 长江经济带交通基础设施效率分析：基于 DEA 模型的 Malmqusit 指数方法[J]． 技术经济，2014(7)：62-69．
[5] 李雪飞，王 都，闫华伟，等． 环行铁道高铁快运物流基地发展研究[J]． 铁道货运，2018，36(11)：39-44．LI Xuefei，WANG Du，YAN Huawei，et al． A Sduty on the Development Strategies of Logistics Parks along China’s Belt High-Speed Railway[J]． Railway Freight Transport，2018，36(11)：39-44．
[6] 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(3)：4-15．
[7] 刘敬青． 基于投入产出法的货物运输需求预测方法研究[J]．铁道货运，2008，26(4)：7-10，4．LIU Jingqing． Research on Forecast of Freight Transport Demand based on Input-output Method[J]． Railway Freight Transport，2008，26(4)：7-10，4．
[8] ANSELIN L． Spatial Econometrics：Methods and Models[M]． Dordrecht：Kluwer Academic，1988．
[9] ANDERSON R，QUIGLEY JM，WILHELMSSON M． Urbanization，Productivity，and Innovation：Evidence from Investment in Higher Education[J]． Journal of Urban Economics，2009，66(1)：2-15．
[10] 柯善咨，姚德龙． 工业集聚与城市劳动生产率的因果关系和决定因素：中国城市的空间计量经济联立方程分析[J]．数量经济技术经济研究，2008(12)：3-14．
[11] 符 淼． 地理距离和技术外溢效应：对技术和经济集聚现象的空间计量学解释[J]． 经济学(季刊)，2009(4)：1549-1566．
[12] 王思薇． 铁路对我国区域全要素生产率的空间溢出效应研究[J]． 铁道运输与经济，2017，39(11)：15-20，27．WANG Siwei． Spatial Spillover Effect of Railway on Chinese Regional Total Factor Productivity[J]． Railway Transport and Economy，2017，39(11)：15-20，27．
[13] 陆 铭． 建设用地使用权跨区域再配置[J]． 世界经济，2011(1)：107-125．
[14] 钟水映，李 魁． 人口红利、空间外溢与省域经济增长[J]．管理世界，2010(4)：14-35．
A Study on the In fluence of Transportation Mode on the Productivity of Urban Agglomeration
Abstract: To study the spatial spillover effect of urban transport capacity in different modes of transportation on the total factor productivity of urban agglomeration, based on the panel data of 270 prefecture-level cities in China from 2000 to 2017 as well as the first calculation of total factor productivity of each city based on Cobb-Douglas production function, a spatial Durbin model with the variable of transportation capacity is established to study the impact results of railway, highway and air transportation on total factor productivity of urban agglomeration, the in fluence range of each transportation mode is judged according to the change of the spatial correlation coef ficient.The result shows that the transport capacity of railway and road has a positive impact on the production ef ficiency to the urban agglomeration, while the airline transportation has a negative impact. By synthesizing the three modes of transportation, it is concluded that the airline transport has the greatest in fluence range followed by railways and the roads minimized. The development of railway construction in the future will contribute to the improvement of the overall production ef ficiency of Chinese cities, while ensuring adequate in fluence range.
Keywords: Transportation; Total Factor Productivity; Space Spillover Effect; SDM; In fluence Range
文章编号： 1003-1421(2019)04-0001-06
中图分类号： F50
文献标识码： A
DOI： 10.16668/j.cnki.issn.1003-1421.2019.04.01
收稿日期： 2017-08-01
修订日期： 2018-12-20
基金项目： 国家社会科学基金重点项目(14AJY012)
责任编辑： 金 颖
标签：交通运输论文; 全要素生产率论文; 空间溢出效应论文; 空间杜宾模型论文; 影响范围论文; 贵州理工学院论文; 清华大学恒隆房地产研究中心论文;