EN中文

经济地理 >

2020 , Vol. 40 >Issue 8: 76 - 85

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.08.010

城市地理与新型城镇化

轨道交通建设对城市创新产出影响的实证分析

  • 邹璇 , 1 ,
  • 林岚欣 1 ,
  • 胡小渝 2
展开
  • 1.湖南大学 经济与贸易学院，中国湖南 长沙 410079
  • 2.教育部人文社会科学重点研究基地 长江上游经济研究中心，中国 重庆 400067

邹璇（1973—），男，湖南祁阳人，博士，教授，博士生导师。主要研究方向为城市与区域经济、经济发展方式转变。E-mail：zouxua 。

收稿日期: 2019-10-21

  修回日期: 2020-03-30

  网络出版日期: 2025-04-18

基金资助

国家社会科学基金重大项目(13&ZD156)

收起

Empirical Analysis on the Impact of Rail Transit Construction on Urban Innovation Output

  • ZOU Xuan , 1 ,
  • LIN Lanxin 1 ,
  • HU Xiaoyu 2
Expand
  • 1. College of Economics and Trade，Hunan University，Changsha 410079，Hunan, China
  • 2. Research Center for Economy of Upper Reaches of Yangtze River，Key Research Base of Humanities and Social Sciences of Ministry of Education，Chongqing 400067, China

Received date: 2019-10-21

  Revised date: 2020-03-30

  Online published: 2025-04-18

Fold

摘要

文章从理论上探索轨道交通建设对城市创新产出的外部效应，并基于我国大中城市样本，运用多期DID模型予以实证检验。研究表明，轨道交通建设对城市创新产出具有显著的正外部效应，其根源在于轨道交通具有直接知识溢出效应和正外部性，能够间接拉动创新物质资本投资和人力资本积累；轨道交通的创新效应具有时空非均衡特征，沿海城市相较内陆城市从中受益更多，后续运营的轨道交通创新边际效应对比早期开通的有所减弱。文章从实证上分离轨道交通影响城市创新产出的外部性，能为未来分析轨道交通政策的实效性、探究城市创新发展的新途径提供理论借鉴。

关键词： 轨道交通; 城市创新; 创新产出; 多期双重差分模型; 人力资本; 新基础设施建设; 时空压缩

本文引用格式

邹璇 , 林岚欣 , 胡小渝 . 轨道交通建设对城市创新产出影响的实证分析[J]. 经济地理, 2020 , 40(8) : 76 -85 . DOI: 10.15957/j.cnki.jjdl.2020.08.010

Abstract

This paper intends to theoretically explore the external effect of rail transit construction on urban innovation output, and empirically test it by using the multistage DID model based on the samples of large and medium-sized cities in China. The research shows that the construction of rail transit has a significant positive externality to urban innovation output, which is rooted in the fact that rail transit has direct knowledge spillover effect and positive externality, which can indirectly promote innovative material capital investment and human capital accumulation. Besides, the innovation effect of rail transit is spatiotemporal disequilibrium. Coastal cities have rich innovation endowment and benefit more from it, and the marginal innovative effect of rail transit in the subsequent operation is weakened compared with that in the early stage. This paper can provide theoretical reference for analyzing the effectiveness of rail transit policy and exploring new ways to urban innovation development in the future.

Key words： rail transit; urban innovation; innovation output; multistage DID model; human capital; new infrastructure construction; time and space compression

1 研究问题的提出

创新是新时代的重要主题，城市乃创新资源的重要载体，近年城市管理者十分重视激活各类资源、提高创新产出，2019年我国已有42个城市跻身全球创新城市500强。与推进创新进程同步的是，各城市大规模轨道交通建设热情不减，交通设施作为创新要素流动枢纽，对强化城市创新驱动力具有基础性作用，然而，与传统交通不同，我国的轨道交通项目一直饱受争议，原因在于其投资巨大，回收期长，往往入不敷出，在亏本风险下，为何轨道交通建设依然得到诸多城市支持?是否因为其对创新具有正向外部效用，能够使巨额财政补贴从中得到补偿?为此，本文在新时代背景下，以提高城市创新产出为目标，探究轨道交通建设的外部性。
提升城市创新产出，既离不开政府、企业、高校研究机构等创新行为主体的积极性，也离不开经费、人才、知识等创新资源的强力支撑。一方面，创新主体的行为受限于活动成本和融资机会：在成本方面，与绿色发展相关的环境政策即是因素之一，Xie、苏昕等均认为环境规制在增加企业成本、挤出创新投入资源的同时，也可能倒逼企业优化配置效率使其得到创新补偿[1-2]；城市房价则通过加重生活成本负担作用于城市创新，余泳泽等验证了房价上涨对地区技术创新产出的人才抑制效应[3]。在融资方面，政府R&D补助[4]以及风险投资[5]均是经实证得出的对创新投入具有显著正向作用的因素，政府补助能够释放信号，减少不确定性，有助于引致地区企业获得政府主体外的创新风险投资；此外，Miao等发现部门泡沫通过缓释信贷风险也能够推动创新主体融资，有利于特定部门的资本积累和技术发展[6]。另一方面，城市创新产出与区域技术学习环境有关：人力资本[7]和知识存量[8]是城市创新的有利前提，在此基础上，刘善仕等、Dong等的研究表明，知识技能信息的溢出作为创新驱动力之一，得益于人力资本流动[9]和面对面互动①，而创新主体的临近性[10]及合作网络构建[11]、快速交通网络发展[12]、外商投资以及产业集聚[13]对于加快知识共享、降低信息不对称具有重要推动作用，并由此显著激励各主体创新能力的提高。
上述研究从诸多角度分析城市创新产出的影响因素，但鲜有文献关注轨道交通对创新产出的作用，为突破这一局限，本文归纳轨道交通的外部效应，探究其影响城市创新产出的可能途径。轨道交通除具备提高空间可达性的基本功能外，Anderson认为运量大、准点率高的特征可使其在时间可达性方面具有竞争优势[14]，因此能够依托时空压缩特性发挥外部影响。交通转移效应即为影响之一：李琬等发现轨道交通的优势能够促使一部分通勤者改变出行方式，并基于上海市样本，证明了其对家庭汽车购买的替代效应[15]；以转移效应作为传导渠道，学者们进一步探索轨道交通对能耗及污染的作用，Lin等研究发现轨道交通能够抑制汽车能耗的增长[16]，Chen、梁若冰等均借助准实验方法，证明了其能够降低汽车关键尾气污染物的排放[17]，通过引导出行替代达到显著的减排和治污效应[18]。此外，要素和知识型企业集聚也是广受讨论的影响：由于通勤便利性是个体居住、就业选择的重要考虑因素，有学者提出轨道交通能够影响城市要素的配置[19]，Chatman等证明了轨道交通站点周围具有就业密集化的趋势[20]，而为争得劳动力池的优势并接近消费市场，企业也可能在站点周围集聚[21]，其中，知识型企业反应较强烈，Chatman、Yu等均发现轻轨能够吸引科学技术、知识服务企业在站点周围密集分布，且呈现随距离衰减的趋势[22-23]。尽管具有前述正向作用，城市轨道交通建设依然遭受质疑，除加重财政负担外，其对房价、地价波动的助推作用也是关键论据：王岳龙聚焦我国地铁里程数和房价的共同上涨趋势，实证评估了地铁抬高房价的效应[24]；这一影响对地价同样适用，在林雄斌等的成果中，土地与地铁站点的距离显著影响其价格，单位距离存在地价衰减特征[25]。
综上文献发现：轨道交通的部分外部效应能影响城市创新产出，例如，时空压缩作用有利于加快创新主体间的知识溢出、推动技术共享和学习，而通勤、环保功能以及衍生的增强经济集聚、引发地产泡沫的影响，会导致与城市创新有关的物质资本、人力资本发生改变，即轨道交通建设具备了作用于城市创新的可能性。

2 机理分析

创新活动面临风险，且存在技术门槛，城市创新产出与地区创新投入和创新主体间的技术学习条件息息相关，总结前述文献，本文认为，作为城市发展的重要举措，轨道交通建设能够通过直接效应和间接效应作用于城市创新产出。

2.1 轨道交通建设的直接效应：通过时空压缩增进知识溢出，作用于创新产出

在影响城市创新要素的因素中，运输成本尤为关键，轨道交通基于自身特征所发挥的时空压缩效应能够显著降低运输成本、改善通勤[14-15]，作用于所在地创新要素流动和经济体集聚，进而影响整个城市的创新产出。
H1：轨道交通具有时空压缩特征，能够增进知识溢出，提高城市创新产出。

2.2 轨道交通建设的外部性（间接效应）：通过影响创新物质资本和人力资本作用于创新产出

除基础通勤作用外，轨道交通能够替代高耗能出行方式、发挥污染治理的功能已经得到研究证实[17-18]；就其衍生影响分析，轨道交通既诱致了经济体集聚，也引发了地产升值。这些功能和影响除了直接作用于创新主体间的互动往来，还可能导致所在地区与创新投入有关的物质资本、与技术学习有关的人力资本改变，从而间接作用于城市创新产出。
间接效应一：物质资本渠道。创新离不开资金投入，城市创新既需要外来投资，也需要自身研发投入和内部资金有效配置。就外来投资而言，轨道交通建设对于缓和融资约束具有积极影响[26]。
H2：轨道交通建设能够通过改变外来投资影响创新物质资本，间接作用于城市创新产出。
就内部资金分配而言，轨道交通建设有助于增加创新主体的内部研发投入。城市空气质量状况会作用于污染防范成本进而影响创新资金分配[27]。
H3：轨道交通建设能够通过改变内部研发投入影响创新物质资本，间接作用于城市创新产出。
间接效应二：人力资本渠道。除物质资本以外，人力资本也是实现创新不可或缺的重要保证，城市创新活动倚赖于高素质人才，吸引人才入驻对于城市创新能力提升和技术学习资源改善十分重要，而轨道交通建设对于城市人力资本积累具有正负两方面的影响。环境问题由于威胁健康状况而作用于劳动生产力累积[28]。
H4：轨道交通建设能够通过影响创新人力资本，间接作用于城市创新产出。
图1 轨道交通建设影响城市创新产出的机理

Fig.1 The mechanism of rail transit construction affecting urban innovation output

3 实证研究设计

3.1 计量模型设定

为验证轨道交通对城市创新产出的效应，本文将轨道交通的开通视为对其所在城市的外生冲击，考虑运用评估政策效果时常用的双重差分方法进行实证检验，需要注意的是，与“一刀切”的政策统一冲击时点不同，本文所研究的各城市轨道交通设施开通时间不一致，即政策发生具有渐进性特点，因此，有别于传统的DID模型，本文借鉴Beck等[29]的做法，采用多期DID模型，基本模型设定如下：
I n n o v a t i o n i , t = β 0 + β 1 R a i l i , t + β c W i , t + π i + θ t + ε i , t
式中： i代表城市； t代表年份； I n n o v a t i o n i , t表示 t年 i市的创新产出水平，作为被解释变量； R a i l i , t表示 t年 i市的城市轨道交通建设情况，作为解释变量；向量 W i , t表示城市层面的一系列控制变量； π i表示城市个体固定效应； θ t表示年份固定效应； ε i , t为随机误差项； β 0为截距项； β 1是轨道交通建设变量的系数，代表其对创新产出的效应。
式（1）为基本模型，可以直接反映轨道交通建设对创新产出的影响，为考察可能存在的间接作用渠道，参考韩先锋等[30]的做法，运用三步法进行实证分析，在式（1）基础上引入中介变量（ M e d i a t o r i , t）进一步构造模型如下：
M e d i a t o r i , t = α 0 + α 1 R a i l i , t + α c W i , t + π i + θ t + ε i , t
I n n o v a t i o n i , t = β 0 + β 1 R a i l i , t + β 2 M e d i a t o r i , t + β c W i , t + π i + θ t + ε i , t
上述3个式子中：模型（1）为第一步，用以验证解释变量对创新产出是否具有显著效应；模型（2）为第二步，用以验证解释变量对中介变量是否具有显著影响；模型（3）为第三步，将中介变量补充加入到模型（1）中，对比补充前后解释变量对创新产出的影响，若其系数值降低或变得不显著，则证明轨道交通开通经由中介渠道影响了城市创新产出水平。

3.2 样本选取及数据来源

本文选用地级市的面板数据进行研究，由于我国对轨道交通的建设批复设有经济、人口方面的条件门槛，只有大中城市才具备申请建设轨道交通的资格，而使用双重差分方法的前提之一是实验分组满足随机性假设[31]，如果以全部地级市为研究对象，则可能产生分组选择非随机的问题，即对创新产出水平的影响来自于大中城市的分组特征而非轨道交通开通，因此，为了缓解潜在的选择偏误问题，本文将研究样本限定在我国35个大中城市②范围内，同时，考虑到北京、天津、上海、广州四个城市在21世纪前就已经有轨道交通建设运营，事前数据难以完整获得，所以将其从样本中剔除。最终，本文样本覆盖31个大中城市2001—2016年的有关数据，地级市当年若已开通运营城市轨道交通，则纳入实验组，反之将其作为控制组。
在数据获取方面，城市轨道交通数据整理自各年度《城市轨道交通研究》和《中国城市轨道交通协会统计报告》，缺失数据通过手工搜索网络资源进行填补；城市创新产出数据引用来自复旦大学产业发展研究中心团队《中国城市与产业创新力报告2017》的成果；城市经济、社会人文基本情况等中介变量和控制变量所需的数据整理自《中国城市统计年鉴》《中国统计年鉴》、各样本市统计年鉴以及清科私募通数据库，少数缺失、存疑数据则通过地方统计年鉴进行核查或使用平滑法、平均增长率法进行补充。

3.3 变量说明

3.3.1 被解释变量

在衡量城市创新水平的指标上，专利是现有文献中常见的选择，考虑到不同年龄的专利存在价值差异[32]，寇宗来等利用专利更新模型构建了我国地级市创新力指数数据库（指标数据覆盖2001—2016年），依据专利更新时间估算出其价值，在专利数据基础上为城市创新产出构造了一个更为科学的衡量指标，因此，本文借鉴其研究成果，利用《中国城市和产业创新力报告2017》所计算出来的“地级市创新指数（Inno）”作为被解释变量，并对其取对数处理，用以衡量创新产出水平。

3.3.2 解释变量

由于采用多期DID模型，本文的解释变量“轨道交通建设（ R a i l）”为虚拟变量，效仿Beck等[29]的做法， R a i l i , t = t r e a t i , t × o p e n i , t，其中， t r e a t i , t表示 i市是否实验组， o p e n i , t表示 t年 i市是否开通轨道交通，若当年首次运营，则当年起至样本期末年份这一变量取值均为1，反之则取值为0。此外，王岳龙曾提到，城市轨道交通运营具有赶工现象[24]，为了提高实证结果的有效性，本文将当年10月以后首次通车运营的城市视为下一年才开通轨道交通。

3.3.3 中介变量

依据前述机理分析，城市轨道交通建设会影响当地的创新物质资本和人力资本，从而间接作用于城市创新产出。考虑指标数据的可得性，以“获得风险投资事件数（Inv）”衡量外来投资，以“科技支出占财政支出比重（Tech）”衡量内部资金分配，将二者作为物质资本的代理变量；此外，借鉴马静等[33]衡量知识型产业的方式，用“城市金融、科技、教育文化行业的从业者人数（Lab）”对创新人力资本进行度量。

3.3.4 控制变量

依据政府文件规定，一个城市申报建设轨道交通需要满足地区GDP、公共财政预算收入以及市区常住人口三个指标方面的要求③，因此，有必要将这三个变量纳入模型中缓解遗漏变量问题，同时，考虑影响地区创新水平的因素，以市辖区为统计口径确定控制变量：①经济发展水平：以“地区生产总值对数（Gdp）”表示。②财政收入水平：以“公共财政预算收入对数（Rev）”表示。③人口规模：以“市辖区总人口数对数（Pop）”表示。④产业升级水平：用“第三和第二产业产值比（Ind）”衡量。⑤对外开放水平：用“实际利用外资额对数（Fdi）”衡量。
上述涉及价格的指标均以2001年为基期进行平减④，表1为各变量的描述性统计结果。
表1 主要变量描述性统计

Tab.1 Descriptive statistics of major variables

变量 平均值 标准差 最小值 最大值 样本量
Inno 1.916 1.610 -1.722 6.543 496
Rail 0.246 0.431 0 1 496
Inv 36.980 138.840 0 1 722 496
Tech 1.799 1.726 0.054 16.135 496
Lab 14.711 8.396 2.770 54.768 496
Gdp 16.213 0.932 13.468 18.360 496
Rev 13.941 1.110 10.862 16.938 496
Pop 5.620 0.595 4.098 7.803 496
Ind 133.181 53.368 61.680 411.15 496
Fdi 12.790 1.584 8.072 15.488 496

数据来源：作者计算。

4 实证结果与分析

4.1 平行趋势检验

平行趋势是利用DID估计政策效应的前提，因此，本文在进行基本回归估计前，需要对已开通轨道交通设施的城市及未开通该设施的城市在设施建设运营前的发展趋势进行考察，具体而言，实验组与控制组在冲击前（轨道交通开通运营前）的城市创新产出水平的变动幅度应趋于一致，否则难以保证估计结果的可靠性。
由于本文所研究的事件冲击具有渐进性的特征，样本城市在2003—2016年陆续建设运营轨道交通，因此借鉴郭峰等分时段处理[34]的方法，根据样本城市轨道交通首次运营的年份等额划分出两个时间段（2003—2009年开通，2010—2016年开通），依据各时间段内城市轨道交通的开通与否情况划分出对应的实验组和控制组，分别考察不同阶段的分组间在冲击发生前各年（对应时间段为2001—2002年，2003—2009年）创新产出水平（取组内样本对应因变量的均值进行衡量）差异的变动趋势，结果如图2所示。
图2 实验组与控制组在轨道交通运营前的城市创新产出水平变动情况

Fig.2 Changes in the level of urban innovation output before rail transit operation in the experimental group and the control group

从图2可以看出，两个时间段中，对应实验组和控制组的城市在轨道交通运营前的创新水平变动趋势大致平行，具体而言，2001—2002、2003—2009年的组间差异均保持基本稳定，未呈现随时间增长组间差异显著变动的现象，因此，本文的实验组与控制组基本满足事前平行趋势假定，在此前提下可采用DID模型进行回归分析。

4.2 基本回归结果及机制检验分析

本文首先利用多期DID模型估计轨道交通建设对所在城市创新产出的直接影响，同时考虑到可能存在遗漏的影响轨道交通和创新产出的因素以及时空层面变动的因素，进一步将所选取的可观测控制变量纳入模型中，并控制城市、年份固定效应；其次，将3个中介变量分别引入模型中，对直接和间接效应进行机制检验，所得结果见表2、表3。
表2 基本回归结果

Tab.2 Basic regression result

（1） （2） （3） （4） （5） （6） （7）
Rail 2.246***（0.125） 0.329***（0.094） 0.350***（0.087） 0.377***（0.083） 0.418***（0.079） 0.472***（0.075） 0.271***（0.061）
Gdp 1.454***（0.039） 0.757***（0.088） 0.852***（0.101） 0.839***（0.104） 0.990***（0.106） 0.366（0.301）
Rev 0.623***（0.075） 0.601***（0.073） 0.598***（0.078） 0.718***（0.084） 0.174***（0.067）
Pop -0.170**（0.086） -0.076（0.087） -0.042（0.085） 0.638***（0.144）
Ind 0.004***（0.001） 0.003***（0.001） 0.001***（0.001）
Fdi -0.243***（0.025） -0.074***（0.025）
_cons 1.364***（0.069） -21.731***（0.619） -19.142***（0.629） -19.404***（0.654） -20.190***（0.654） -21.281***（0.630） -10.657**（4.751）
城市/年份
固定效应		 No/No No/No No/No No/No No/No No/No Yes/Yes
R2 0.3617 0.8058 0.8310 0.8329 0.8465 0.8665 0.9740
Obs 496 496 496 496 496 496 496

注：括号内对应数值为聚类标准误；***、**和*分别表示1%、5%和10%的显著性水平。表3~表5同。

表3 机制检验结果

Tab.3 Mechanism test results

（8）Inno （9）Inv （10）Inno （11）Tech （12）Inno （13）Lab （14）Inno
Rail 0.271***（0.061） 59.681**（21.969） 0.233***（0.056） 0.107（0.255） 0.260***（0.053） 2.967***（0.538） 0.120**（0.055）
Inv 0.001***（0.000）
Tech 0.103***（0.020）
Lab 0.051***（0.008）
控制变量 Yes Yes Yes Yes Yes Yes Yes
城市/年份固定效应 Yes/Yes Yes/Yes Yes/Yes Yes/Yes Yes/Yes Yes/Yes Yes/Yes
R2 0.9740 0.4477 0.9756 0.6639 0.9781 0.9296 0.9789
Obs 496 496 496 496 496 496 496

4.2.1 基本回归结果及分析

表2报告的是不考虑中介变量的基本回归结果，可以反映轨道交通建设运营对创新产出的影响，其中，第（1）列是未加入任何控制变量及固定效应的估计结果，第（2）到（7）列则显示了逐步纳入控制变量和时空固定效应后模型估计结果的波动情况。可以看出，在所有结果中，解释变量Rail的回归系数均显著为正，这意味着在轨道交通建设运营这一事件的冲击下，其所在城市的创新产出水平得到明显提高。需要注意的是，在加入全部控制变量后，Rail的系数由2.246下降为0.472，而进一步控制时空变动因素后，这一系数值缩小至0.271，这说明确实存在遗漏的影响轨道交通创新产出效应的变量，对其予以控制能保证估计结果更为可信，这一点从模型（1）到（7）里逐渐提高的R2拟合值中也能够得到佐证。
根据R2最高的模型（7）的估计结果，控制其他因素不变，轨道交通建设运营的事件冲击使得样本城市的创新产出平均增加了27.1%左右。控制变量的回归结果显示，财政收入水平（Rev）、人口规模（Pop）以及产业升级（Ind）对城市创新产出均在1%的水平上具有显著的正向影响，而对外开放水平（Fdi）则显著负向抵消了部分正效应，具体而言：财政收入水平提升意味着地方政府财力状况的改善，能够保障其为地区创新活动提供充足的资金支持，进而有助于创新产出增加；而较大的人口规模意味着更为广阔的市场，其在吸引生产要素进入的同时也会刺激城市各产业内部展开竞争，从而在竞争下催生产品改良和技术进步；产业升级则表明地区二产向知识密集行业更为集中的三产转变，迎合了知识经济时代产业置换的发展趋势，对于激活创新要素具有促进作用；对比之下，外资引进虽然有助于缓解创新活动的融资约束，但其可能引起地区对外来技术的依赖，造成自主研发惰性，对创新的负向效应强于正向扶持力度；此外，经济发展水平（Gdp）对创新产出的效应并不显著。

4.2.2 机制检验结果及分析

从上述基本结果和分析可知，本文样本城市的轨道交通运营对其创新产出水平发挥正向影响，而依据前述的机理分析，城市轨道交通建设不但具有直接创新效应，也能够通过物质和人力资本渠道对创新发挥间接效应，表3给出了机制检验的结果，模型（8）作为三步法中的第一步，显示了基础模型的估计结果；模型（9）、（11）、（13）均为三步法中第二步的回归结果，其中变量Rail的系数分别反映了轨道交通建设对风险投资事件、科技支出财政占比以及知识密集型行业从业人数3个中介变量的影响；而模型（10）、（12）、（14）则以创新产出水平为被解释变量，分别将三个对应中介变量纳入基础模型中，报告了三步法中第三步的检验结果。
首先分析直接效应：与基础模型（8）相比，在分别加入3个中介变量后，模型（10）、（12）、（14）中Rail的系数值变小，但依然显著，这表明轨道交通作为具备时空压缩特性的客运工具，能够直接作用于创新产出，本文的H1成立。尽管通信、互联网的普及丰富了信息传递渠道，但对部分隐性知识的理解和吸收仍然离不开面对面的互动，轨道交通的通勤功能有助于搭建城市内部携带默会知识的人员之间的交流网络，能够一定程度上调节知识源间的接近度，提高隐性知识的溢出效率，从而积极推动倚赖知识技术交流的创新产出增加。
接下来分析间接效应：①以物质资本渠道的外来投资来看，风险投资变量（Inv）满足三步法的预估，本文的H2成立。模型（9）和（10）反映这一变量的中介效应结果，在模型（9）中，轨道交通建设对地区风险投资事件具有显著正效应，即轨道交通运营的事件冲击对地区获得外来投资具有积极影响，进一步地，在模型（10）中纳入风险投资变量后，Inv和Rail对创新产出的影响系数均显著为正，且Rail的系数值相比基础模型（8）有所下降，这表明样本城市的轨道交通建设通过影响外来投资间接正向作用于所在地的创新产出，控制其他因素不变时，这一变量的中介效应大小约为0.06（ 59.681 × 0.001 ≈ 0.06），占比总效应的20.48%左右（ 0.06 ÷ 0.06 + 0.233 ≈ 0.2048）。②以物质资本渠道的内部资金分配来看，科技支出财政占比变量（Tech）无法同时满足三步法的条件，本文的H3未能成立。模型（11）和（12）反映这一变量的中介效应结果，尽管模型（12）中Tech和Rail的系数显著为正，但模型（11）中的结果表明，轨道交通建设对科技支出财政占比的影响并不显著，这说明科技支出增加对创新产出具有直接的正向影响，但其并非轨道交通影响城市创新的中介渠道，究其原因，可能在于轨道交通运营节约成本和诱发泡沫的影响相互抵消，对政府而言，轨道交通运营所节约的污染防范成本虽然为科技资金投入留出空间，但其引致的地产升值往往会进一步影响财政分配，挤占短期利益较小的创新项目投入。③以人力资本渠道来看，知识密集型行业从业人数变量（Lab）同样满足三步法的预估，本文的H4成立。模型（13）和（14）反映这一变量的中介效应结果，在模型（13）中，轨道交通的开通运营对知识密集型行业从业人数的影响显著为正，其确实改善了城市的人力资本条件，而将这一中介变量纳入基础模型后，依据模型（14）所显示的结果，Lab和Rail的创新效应均显著为正，且Rail的系数不仅数值减小，其显著性也有所下降，这说明在轨道交通建设对城市创新产出的正向外部效应中，人力资本渠道发挥了主要的中介作用，经过计算，发现其中介效应大小约为0.15（ 2.967 × 0.051 ≈ 0.15），在总效应中的占比超过50%（ 0.15 ÷ 0.15 + 0.12 ≈ 0.5556），这一结果支持了前述结论。

4.3 异质性回归结果及分析

在我国，沿海和内陆地区的资源禀赋差异较大，相同政策在不同地区实施的效果通常有所不同；此外，不同阶段的经济社会发展进程各异，因此渐进性政策在不同时间段所发挥的影响存在差异。据此，一方面依据国家统计局公布的划分标准⑤，从空间角度对样本城市所属区域进行沿海和内陆的归类；另一方面根据本文前述的运营时段划分方式，从时间角度重新归类样本城市。最后，基于时空两组异质性样本进行回归分析，所得结果见表4。
表4 分组异质性回归结果

Tab.4 Grouping heterogeneity regression results

区域异质性 时间异质性
（15）沿海城市 （16）内陆城市 （17）第一阶段开通 （18）第二阶段开通
Rail 0.302***（0.112） 0.175***（0.047） 0.469***（0.126） 0.128**（0.056）
_cons -18.840*（10.330） -21.979***（4.082） -8.631*（4.713） -8.716*（4.997）
控制变量 Yes Yes Yes Yes
城市/年份固定效应 Yes/Yes Yes/Yes Yes/Yes Yes/Yes
R2 0.9723 0.9853 0.9742 0.9757
Obs 208 288 496 400
从表4总体来看，能够发现无论是区域层面还是时间层面，在异质性样本的回归结果中，轨道交通建设变量Rail对创新产出变量Inno的影响均显著为正，但各样本的回归系数存在差异。
以区域异质性样本来看，相较内陆城市，沿海城市轨道交通建设的创新效应系数值更大，对本区域内创新产出的影响更强。可能的原因在于，沿海地区倚赖区位优势，在经济和社会人文方面的发展基础条件均优于内陆，而轨道交通建设的直接效应在于为现有的创新主体提供便利，活跃城市内部已有的知识信息流，所以创新资源禀赋更为丰厚的沿海城市会从中受益更多；此外，虽然内陆城市依靠轨道交通，一定程度上弥补了自身推动创新建设的区位劣势，但其原本面临的城市通勤、环境等公共问题较小，轨道交通的功能发挥空间有限，在受交通基建本身耗费的财力挤占后，创新活力释放力度不及沿海城市。
就时间异质性样本而言，早期建设（2010年前）的轨道交通对所在城市创新产出水平的效应明显强于第二阶段（2010年及以后），且前者冲击变量的回归系数更为显著。一方面，早期我国各城市的交通设施总体水平相对较低，一个城市轨道交通运营的时间越早，其公共交通网络完善的边际影响往往越强，因而对于衍生的创新资源的吸附能力和带动作用也就越大；另一方面，随着近10年来我国对创新驱动力的重视，有关政策和支持力度加大，特别是2012年以后，围绕创新驱动的各类战略方案逐年更新和完善，因此，受到同期其他政策创新效应抵消的影响，2010年后第二阶段开通的轨道交通对城市创新产出的作用较小。

4.4 稳健性检验

在前述分析中，无论是否加入控制变量或固定效应，轨道交通建设运营的冲击变量对创新产出水平的影响系数在方向和显著性上均未发生改变；此外，在时空层面异质性样本的回归结果中，解释变量Rail对创新产出变量Inno的影响均显著为正，这些结果初步体现了本文实证结论的稳健性。在本部分，进一步利用反事实检验和动态效应检验进行稳健性分析。
参考既有研究，Beck[29]、罗知等[35]采用事件研究法对双重差分模型进行反事实检验和动态效应检验，具体方式是构造事前和事后的虚拟变量，在本文中，一方面利用事前虚拟变量假设城市轨道交通正式运营的时间提前，借助这样的反事实进一步检验处理组和控制组的平行趋势；另一方面利用事后虚拟变量，观察在轨道交通正式运营以后，其对城市创新产出的效应随时间推移所呈现的动态趋势。考虑样本年限，本文将事前和事后检验的时间设定为前后8年，构造如下方程：
I n n o v a t i o n i , t = α + ∑ j = - 8 8 β j R a i l i , t - j + β 2 W i , t +                                                       π i + θ t + ε i , t
在上述方程中， R a i l i , t - j为虚拟变量，若 i所代表的城市为处理组，且在 t - j年开通运营了轨道交通，则 R a i l i , t - j为1，反之为0。因此，当 - 8 ≪ j ≪ - 1， β j代表轨道交通开通运营时间提前的反事实效应；当 j = 0， β j表示首年开通的冲击效应；当 1 ≪ j ≪ 8， β j反映开通后各年份的动态效应。参照罗知等[35]的做法，以冲击发生的前一期为基准组，对方程进行回归，并根据回归所得的 β j估计值绘出图3，在图3中，实心圆点反映估计系数的大小，而圆点上的垂线则代表95%的置信区间，接下来结合图3进行分析。
图3 反事实检验及动态效应检验图示

Fig.3 Counterfact Test and dynamic effect Test

从反事实检验结果来看，在图3中，轨道交通运营前， β - 8~ β - 2基本无法拒绝等于0的原假设（置信区间包含0值），即 β - 8~ β - 2的估计结果总体并不显著，这说明当样本城市轨道交通建设运营的时间提前，其对本市的创新产出水平并无显著影响，由此，本文研究对象的事前平行趋势得到进一步验证。
从动态效应检验结果来看， β 0~ β 8的估计系数均显著为正（置信区间不含0值），这说明在轨道交通正式运营当年，其对城市创新产出水平已经产生影响，这与前述的基本回归结果相符，而在往后8年的短期年限中，这一正向效应仍在持续。结合图3反映的系数值波动情况进一步考察轨道交通运营冲击效应的动态变化，可以看出，总体而言轨道交通建设对城市创新产出的正向外部性在波动增强，在运营后的第7年效应值达到最大，第7年以后效应有所减弱。

4.5 内生性问题讨论

在识别变量间的关系时，对存在的内生性问题进行讨论并尝试消减由其引发的估计偏误具有重要意义。对此，本文前述部分主要进行了两个方面的尝试：①考虑到经济要素间常常具有较为复杂的关联作用，需要缓解遗漏变量问题，因此，结合现实政策和文献梳理，本文确定部分可能影响轨道交通或创新产出的因素，在模型中予以控制；同时又加入城市和年份固定效应，将非观测的时空变动因素考虑进来。②由于轨道交通建设要求所在区域满足一定的经济社会条件，需要缓解自选择偏误，因此，本文将样本范围限定在轨道交通可能批复建设的大中城市内，同时控制生产总值、财政收入以及人口规模三个与轨道交通申请建设条件有关的变量。在本部分，运用处理效应模型，进一步对自选择问题予以校正。
处理效应模型涉及两步，依据Maddala[36]的成果，首先要确定影响轨道交通建设的变量，运用处理方程估计这些变量对Rail的影响，根据所得结果可以计算Inverse Mills比率λ；由此可以进行第二步，将解释变量Rail、控制变量以及λ代入以创新产出Inno为被解释变量的回归方程中，可以得到缓解了自选择偏误的估计结果。模型的关键在于，在第一步中需纳入影响轨道交通Rail但不直接影响创新产出Inno的变量，借鉴王岳龙[24]的做法，将这一变量设定为“单位面积出租车数（Taxi）”，其能够反映城市拥堵问题，与改善通勤状况为出发点的轨道交通关联较密，但很难直接作用于创新产出，据此进行估计得到表5：第一步处理方程的结果显示，不仅城市拥堵与轨道交通建设正相关，GDP和人口规模的变量系数也显著大于0，这与我国当前轨道交通审批政策的事实相符，处理方程设定有效；基于此观察第二步回归结果，发现与前述经过验证的结论相同，轨道交通建设对城市创新产出的影响依然显著为正，即缓和自选择偏误后，本文结论依然稳健。
表5 处理效应模型估计结果

Tab.5 Estimated results of processing effect model

第一步结果
Rail		 第二步结果
Inno
Taxi 0.234***（0.077） Rail 0.865***（0.105）
Gdp 2.407***（0.354） _cons -8.030*（4.550）
Rev -0.105（0.234） λ -0.457***（0.064）
Pop 0.746***（0.206）
_cons -44.287***（4.436）
控制变量 Yes 控制变量 Yes
城市/年份
固定效应		 Yes/Yes 城市/年份
固定效应		 Yes/Yes
Obs 496 Obs 496

5 结论与启示

本文在创新引领城市发展背景下，探究轨道交通对城市创新产出的影响，具有重要现实意义。理论剖析轨道交通的城市创新效应，并基于我国31个大中城市2001—2016年的样本，实证研究轨道交通对城市创新产出的外部性。主要结论和启示如下：
第一，轨道交通具有时空压缩特征，可发挥直接知识溢出效应，对城市创新产出具有显著正向影响。各城市需认识到，流量经济时代的创新仍倚赖面对面互动，轨道交通在拉近知识源距离的同时能够促进默会知识传递，因此，在满足批复条件前提下，可以合理规划建设轨道交通，完善区域公共交通网络，发挥轨道交通在创新发展过程中的聚流和散流功能。
第二，轨道交通能够间接作用于城市创新物质资本，影响创新产出。在时空压缩、地产增值外部效应下，轨道交通建设有助于吸引外来风险投资缓和融资约束，而其治污、集聚效应又能减少环保、交易成本，为内部研发投入留出空间，这启示我们轨道交通建设具备助力城市增值的潜能，不失为地区创新引资的可行渠道，但同时需要警惕其本身的财政负担及引致的地产升值可能会挤出研发资金，由此，政府部门应审慎调控投资结构，合理分配基建和创新投入，尽可能实现双赢。
第三，轨道交通的外部性还体现在其能够影响城市人力资本积累，作用创新产出。地铁、轻轨不但缩短了城市交通圈的通勤时间，且富有环保功能，能够满足高素质劳动力对于良好生活环境的诉求，因此，大中城市可从轨道交通建设着手，促使其发挥积极的外部效应，吸引人才入驻，此外，要重视缓和基建工程发展对人才造成的房价压力，辅之以必要的限价、房补等保障政策，以实现积累人力资源、提高本市创新产出的目的。
第四，轨道交通的创新效应在区域间呈现非均衡特征，沿海城市创新禀赋丰厚，从中受益更多，内陆城市轨道交通功能发挥空间有限，创新效应较小。这就要求地方政府在建设轨道交通以增强创新驱动力的过程里，要理性考虑轨交项目在本区域的适用性，沿海城市经济人口规模较大，应匹配更密集的轨道交通网，在缓解路面交通压力的同时激活丰厚的创新资源；而内陆大中城市发展条件较为薄弱，在轨道交通拟建规划时要谨慎权衡其财力耗费量以及功能承载度，控制建设强度，避免过度开发造成效率损失以及其他的负面影响。
第五，随着交通设施水平提高和创新驱动配套政策实施，后续运营的轨道交通创新边际效应遵循递减规律。因此，有关部门需要跳出单一传统基建的思维，正视轨道交通作用创新程度减弱的事实，顺应“新基建”号召，将数字化为核心的新型基建与传统基建融合，如运用AI智能维护、5G自动驾驶等技术对轨道交通系统予以改造，一方面令其自身成为创新技术的承载平台，另一方面使其提升运营效率，以智能化模式更好地服务创新发展需要。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Xie R H, Yuan Y J, Huang J J. Different types of environmental regulations and heterogeneous influence on “green” productivity:evidence from China[J]. Ecological Economics, 2017, 132(2):104-112.

[2]
苏昕, 周升师. 双重环境规制、政府补助对企业创新产出的影响及调节[J]. 中国人口·资源与环境, 2019, 29(3):31-39.

[3]
余泳泽, 张少辉. 城市房价、限购政策与技术创新[J]. 中国工业经济, 2017(6):98-116.

[4]
Howell S T. Financing innovation:evidence from R&D Grants[J]. American Economic Review, 2017, 107(4):1136-1164.

[5]
Arqué-Castells P. How venture capitalists spur invention in Spain:evidence from patent trajectories[J]. Research Policy, 2012, 41(5):897-912.

[6]
Miao J J, Wang P F. Sectoral bubbles,misallocation,and endog-enous growth[J]. Journal of Mathematical Economics, 2014, 53(8):153-163.

[7]
刘晔, 曾经元, 王若宇, 等. 科研人才集聚对中国区域创新产出的影响[J]. 经济地理, 2019, 39(7):139-147.

[8]
Qian H F. Knowledge base differentiation in urban systems of innovation and entrepreneurship[J]. Urban Studies, 2017, 54(7):1655-1672.

[9]
刘善仕, 孙博, 葛淳棉, 等. 人力资本社会网络与企业创新——基于在线简历数据的实证研究[J] .管理世界, 2017(7):88-98.

[10]
Balland P A, Boschma R, Frenken K. Proximity and innova-tion:from statics to dynamics[J]. Regional Studies, 2015, 49(6):907-920.

[11]
Ponds R, van Oort F, Frenken K. Innovation,spillovers and university-industry collaboration:an extended knowledge production function approach[J]. Journal of Economic Geography, 2010, 10(2):231-255.

[12]
卞元超, 吴利华, 白俊红. 高铁开通是否促进了区域创新?[J]. 金融研究, 2019(6):132-149.

[13]
Ning LT, Wang F, Li J. Urban innovation,regional externali-ties of foreign direct investment and industrial agglomeration:Evidence from Chinese cities[J]. Research Policy, 2016, 45(4):830-843.

[14]
Michael L, Anderson. Subways,strikes,and slowdowns:the impacts of public transit on traffic congestion[J]. American Economic Review, 2014, 104(9):2763-2796.

[15]
李琬, 但波, 孙斌栋, 等. 轨道交通对出行方式选择的影响研究——基于上海市80后微观调查样本的实证分析[J]. 地理研究, 2017, 36(5):945-956.

DOI

[16]
Lin BQ, Du ZL. Can urban rail transit curb automobile energy consumption?[J]. Energy Policy, 2017, 105(2):120-127.

[17]
Chen Y, Whalley A. Green infrastructure:the effects of urban rail transit on air quality[J]. American Economic Journal-Economic Policy, 2012, 4(1):58-97.

[18]
梁若冰, 席鹏辉. 轨道交通对空气污染的异质性影响——基于RDID方法的经验研究[J]. 中国工业经济, 2016(3):83-98.

[19]
Gonzalez-Navarro M, Turner M A. Subways and urban growth:evidence from earth[J]. Journal of Urban Economics, 2018, 108(11):85-106.

[20]
Chatman D G, Noland R B. Do public transport improvements increase agglomeration economies?A review of literature and an agenda for research[J]. Transport Reviews, 2011, 31(6):725-742.

[21]
Bollinger CR, Ihlanfeldt KR. The impact of rapid rail tran-sit on economic development:the case of Atlanta's MARTA[J]. Journal of Urban Economics, 1997, 42(2):179-204.

[22]
Chatman DG, Noland RB. Firm births,access to transit,and agglomeration in Portland,Oregon,and Dallas,Texas[J]. Transportation Research Record, 2016, 2598(1):1-10.

[23]
Yu HT, Jiao JF, Houston E. Evaluating the relationship be-tween rail transit and industrial agglomeration:an observation from the Dallas-fort worth region[J]. Journal of Transport Geography, 2018, 67(1):33-52.

[24]
王岳龙. 地铁开通对房价影响的实证研究[J]. 经济评论, 2015(3):56-71.

[25]
林雄斌, 刘健, 田宗星, 等. 轨道交通引导用地密度与地价的时空效应——以深圳市为例[J]. 经济地理, 2016, 36(9):27-34.

[26]
Li L X, Wu X Y. Housing prices and entrepreneurship in China[J]. Journal of Comparative Economics, 2014, 42(2):436-449.

[27]
罗能生, 徐铭阳, 王玉泽. 空气污染会影响企业创新吗?[J]. 经济评论, 2019(1):19-32.

[28]
Pautrel X. Pollution,Private investment in healthcare,and en-vironmental policy[J]. Journal of Economics, 2012, 114(2):334-357.

[29]
Beck T, Levine R. Big bad banks?The winners and losers from bank deregulation in the United States[J]. The Journal of Finance, 2010, 65(5):1637-1667.

[30]
韩先锋, 宋文飞, 李勃昕. 互联网能成为中国区域创新效率提升的新动能吗[J]. 中国工业经济, 2019(7):119-136.

[31]
陈林, 伍海军. 国内双重差分法的研究现状与存在问题[J]. 数量经济与技术经济研究, 2015(7):133-148.

[32]
寇宗来, 刘学悦. 中国城市和产业创新力报告2017[R], 复旦大学产业发展研究中心, 2017.

[33]
马静, 邓宏兵, 蔡爱新. 中国城市创新产出空间格局及影响因素——来自285个城市面板数据的检验[J]. 科学学与科学技术管理, 2017, 38(10):12-25.

[34]
郭峰, 熊瑞祥. 地方金融机构与地区经济增长——来自城商行设立的准自然实验[J]. 经济学(季刊), 2017, 17(1):221-246.

[35]
罗知, 赵奇伟, 严兵. 约束机制和激励机制对国有企业长期投资的影响[J]. 中国工业经济, 2015(10):69-84.

[36]
Maddala G S. Limited dependent and qualitative variables in econometrics[M]. London: Cambridge University Press, 1983.

Options
文章导航

/

〈 〉