中图分类号：F57 文献标识码：A
文章编号：1005-913X（2015）12-0054-02
一、问题的提出
城市群的出现是当今城市发展发生的最为显著的变化之一，城市群已经成为国家参与全球竞争与分工的基本地域单元。根据2010年底出台的《全国主体功能区规划》，经过改革开放后三十多年的飞速发展，我国已经形成了25个城市群，占全国20.83%的国土面积，聚集了全国41.04%的人口，创造了40 .32%的地区生产总值。与此同时，在城市经济学和新经济地理学中，交通基础设施通过其共享性和通达性一方面扩大了城市规模，另一方面促进城市集聚。交通基础设施对城市发展的巨大影响不止体现在交通基础设施存量的增加，更加体现在每一次的交通技术进步。
交通基础与经济增长的关系因经济发展的时期不同而机制和效果不同。在经济全球化深度发展的今天，交通基础设施与经济增长的关系更加复杂。现有文献对两者关系的研究结果分为两个观点：一是认为交通基础设施的增加能够促进经济增长，二是交通基础设施并不能促进经济增长反而有可能对经济增长是负效应。
交通设施能促进经济增长的观点在17世纪的重商和重农主义者中具有一致性，现代经济学研究者们分别从不同角度对这些观点进行了理论建模和实证分析。Aschauer（1989）通过对美国40年的时间序列数据研究发现美国生产率的提高与交通基础设施的投资高度正相关。K.Patton（1993）不但认为交通运输对经济增长有正的效应，还将其分解为投入效应和乘数效应。Buurman（1999）从需求和供给角度出发认为交通设施对经济增长的正效应有短期和长期两个效应。Rietveld（2000）从不同的行政层级出发认为交通基础设施的投资会促进经济增长。高峰（2005）采用投入产出法发现交通运输对国名产出和就业有较大的贡献。张学良（2012）通过构建模型和面板数据验证发现中国交通设施的发展促进了区域经济的增长。
交通基础设施对经济发展的负效应也是学者们关注的焦点Boarnet（1998）运用加州1969-1988年的面板数据证实了交通设施的负溢出效应。Puga（2002）指出如只有该地区经济发展需要交通设施的进一步提高，否则交通设施的投资并不能带来经济增长。Hall（2009）通过建模发现交通设施对经济增长是负相关的。
交通设施的发展对城市群的影响主要体现在两个反面，一是对城市群结构的影响，二是对城市群经济增长的影响。杨荫凯（1999）认为交通技术发展带来的城市可达性的改变，会改变区域之间的土地价格，土地价格的改变带来众多城市对区位的竞争行为，这种竞争的结果会改变城市群的空间结构和空间形态的变化。沈玉芳（2008）高铁对空间可达性的改变有利于发挥高铁的“走廊效应”促进工业走廊的形成。中国社科院（2010）发现高铁通过时空，边界突破，区位增强，要素整合四个效应影响城市群的成长。王成新（2011）认为高速公路促使城市新的扩张模式―合并重组模式的出现，并且城市流强度加大所产生的袭夺效应提升了城市群的空间紧凑度。本文主要从全要素生产率的角度考量交通基础设施建设与城市群聚集绩效之前的相互作用关系。
二、全要素生产率的测算
生产要素的投入无疑会带来经济的增长，但是往往经济增长的效率远远高于要素投入所应该带来的增长，这个现象一直是经济学家们苦于探索的问题。Solow（1957）提出了一个带有技术进步的内生增长模型，该模型把经济的增长分解为资本，劳动要素的投入和其他的 生产效率，这部分其他的生产效率成为全要素生产率。在Solow的模型中，全要素生产率的主要来源是技术进步，而后来的经济学家们认为全要素生产率的提高还应该包括效率的改善和规模效应。因此全要素生产率是衡量一个地区或国家发展潜力的重要指标。
全要素生产率的测算方法分为两种。一种是基于具体生产函数的测算方法。这些函数法包括C-D函数法，代数指数法（Abramvitz ，1956），和超越对数生产函数法。由于代数指数法本身存在缺陷（暗含劳动力和资本可以自由替代），此方法并不适用于实证。而超越对数生产函数法本质上还是C-D函数法。因此全要素生产率的测量大都使用C-D函数法（叶裕民，2002；张军，2003；张小蒂，2005；赵奉军，2009）。另一类型测算方法是包括指数法，数据包络分析方法（DEA）和DEA-Malmquist指数方法，这些都是一些非参数的方法。由于指数法与C-D函数法相比测算方法简单，因此受到了更广泛的应用。
三、模型、数据和TFP核算
（一）TFP核算模型
假设设生产函数为：
（1）
Y为经济系统总产出，L、K分别为经济系统劳动总投入和资本总投入，α、β分别劳动和资本的产出弹性，A就代表了全要素生产率，全要素生产率。对（1）式两边取对数可得：
（2）
由于全要素生产率是各年变化的，因此设，γ为全要素生产率的增长率。由此得：
（3） 在规模报酬不变的假设下，α+β=1。（3）式就可以简化为：
（4）
从而得到我们的回归方程：
（5）
Yi，t表示i城市群在t年的产出，Li，t表示表示i城市群在t年的劳动投入，εi，t表示随机干扰项。
（二）数据来源和说明
本文选取中国 25大城市群2008-2012年的面板数据作为研究对象。城市群划分来源于《全国主体功能区规划》和张学良（2013），具体是：环渤海、京津冀、辽中南、山东半岛、长三角、珠三角、太原、呼包鄂、哈长、东陇海、江淮、海峡两岸、中原、长江中游、武汉、环长株潭、环鄱阳湖、北部湾、成渝、黔中、滇中、关中-天水、兰州-西宁、宁夏沿黄河、天山北坡城市群。各城市群产出，劳动投入和固定资产投资数据均来源于各《中国城市统计年鉴》并进行加总所得。所缺数据用线性插值法补齐，各城市群产出都以2007年为基期处理。
对于资本存量的计算，采用永续盘古法计算。基期定为2007年，基期资本存量的确定，参考Young（2003）用2007年固定资本投资除以10最为基期资本存量。按照永续盘古法，第i个城市第t年的资本存量为：
（6）
其中，δ为资产折旧率，采用张军（2004）所用的9.6%，Ii，t为i城市群第t年的固定资产投资，Pt是固定资产投资价格指数，来源于《中国统计年鉴》，并以2007年为基期做了处理，Ki，t-1是i城市群第t-1年的资本存量。
（三）TFP核算结果
根据表1的回归结果，产出弹性β=0.742，则α=1-β=0.258。按照公式A=Y（LαKβ）可以计算出各个城市群2008-2012年的全要素生产率。
四、实证分析
（一）实证模型
在上文求解出因变量全要素生产率的基础上，我们将回归模型设定为
（7）
其中，i表示城市群，t表示年份，TFP为全要素生产率，RD为主要解释变量，X为一组控制变量，μ为随机干扰项。
（二）变量和数据来源说明
主要解释变量RD。用每平方公里上的高速交通线路里程即高速交通网密度来表示各个城市群的高速交通发育状况。考虑到铁路速度和公路速度不一样，在计算高速路线路里程的是不能直接相加，因此我们按照速度给予不同种类的高速路不同的权重。铁路在第六次大面积提速以后，运行速度达到200km/h。高铁目前运行速度在300km/h。而高速公路运行速度不得超过120km/h，所以高速公路速度按照100km/h来计算。因此高速交通网的计算公式为：
（8）
其中，RD是城市群高速交通网密度，LR是城市群铁路运营里程，LE是城市群高速公路运营里程，S为城市群面积。对控制变量的说明如下。
人力资本（pc）。人力资本有利于吸收现有技术并能促进创新，容易实现规模报酬递增。人力资本变量的算法有许多种，本文采用人均受教育年限作为人力资本，具体算法借鉴陈钊（2004）的做法。
产业结构（is）。WU（2004），李小平（2007）等研究表明要素在不同行业之间的分配产生的产业结构配置效应会影响经济的长期增长。本文采用二三产业增加值占GDP的比例作为产业结构。
实际利用FDI（fdi）。沈坤荣（2001），余浩（2012）等分别从两个角度说明了FDI对全要素生产率的影响。一是FDI促进了本地市场的竞争从而提高了全要素生产率，二是对本地市场的技术溢出效应。本文采用实际利用FDI占GDP的比重作为一个控制变量。
（三）实证结果和分析
从表2第1列可以看出模型较好的估计了交通设施对全要素生产率的影响。模型1中可以看出，高速交通网密度在5%的水平下显著且为正。这说明交通网与全要素生产率有较强的正相关关系。城市群高速交通网密度每提高1个百分点，可以使城市群全要素生产率提高0.36个百分点。充分表明我国快速城市化过程中，高铁、高速公路以及铁路提速构成的高速交通网不仅促成了城市群的快速成型，还为城市群长期经济增长率奠定了良好的基础。
本文采用变量替换法来检验模型的稳健性，考虑到客运周转量是运送旅客数量和运距的乘积，这个变量可以很好的检验高速网的质量和利用程度，因此用城市群客运周转量代替城市群高速网密度来做稳健性检验是比较合适的。通过模型3可以看到，客运周转量和全要素生产率在1%的水平下显著，并且是正相关关系。从而该模型很好的的通过了稳健性检验。对比模型1和模型3，主要解释变量和其他控制变量的相关关系都没有明显的异动。对比模型2和模型4，在模型4中FDI，城市群规模和授权专利总数规模表示城市群全要素生产率的显著性都下降了。
五、结论和政策建议
本文先用C-D函数求出25个城市群的全要素生产率，之后运用25个城市群的面板数据来估计高速交通网对全要素生产率的影响。研究结果发现第一，高速交通网对全要素生产率的提高有较大的推动作用。因此，通过大规模投资来改善交通设施有助于城市群长期经济增长。第二，人力资本仍然是提高全要素生产率的及其重要因素。因此，加大基础教育投资，提升教育质量，均衡教育资源依旧是现在和今后一段时期应该长期关注和解决的问题。
