交通基础设施对全要素生产率的影响：基于中国省际面板数据的实证探究

交通基础设施对全要素生产率的影响：基于中国省际面板数据的实证探究一、引言1.1研究背景与意义1.1.1研究背景在当今时代，交通基础设施建设与经济发展紧密相连，成为推动社会进步的关键力量。近年来，我国交通基础设施建设取得了举世瞩目的成就，构建了现代化的综合交通运输体系。截至2022年底，全国高铁运营里程达到4.2万公里，高速公路通车里程突破17万公里，内河航道通航里程12.8万公里，民用航空航线里程稳步增长，管道运输也不断发展。在智能交通领域，截至2023年6月，全国已有超过10个城市开通了无人驾驶公交试点线路，科技的融入使交通体系更加高效智能。同时，我国交通基础设施建设在国际上也崭露头角，匈塞铁路等项目的推进，彰显了中国在全球交通建设领域的影响力。交通基础设施的持续完善，为经济增长提供了有力支撑。它不仅降低了运输成本，促进了区域间的贸易往来和要素流动，还带动了相关产业的发展，创造了大量的就业机会。从宏观经济角度看，交通基础设施的发展对经济增长的溢出效应体现在各个方面，是经济增长重要的前提条件。全要素生产率（TFP）作为衡量经济增长效率的核心指标，在经济高质量发展中占据着关键地位。它涵盖了技术进步、制度优化、管理改进、教育和技能改进、规模经济等多个方面，代表了一个经济体有效利用全部生产要素推进经济发展的能力和水平。在我国经济由高速增长阶段转向高质量发展阶段的关键时期，提升全要素生产率成为实现经济可持续增长、突破发展瓶颈的关键所在。过去，我国经济增长主要依赖劳动力、资源、资本等传统生产要素的大规模投入，但随着劳动力成本上升、资源环境约束趋紧，这种粗放型的增长模式难以为继。因此，提高全要素生产率，通过科技创新与体制机制创新推动经济内涵式发展，成为必然选择。在这样的背景下，深入研究交通基础设施与全要素生产率之间的关系具有重要的现实意义。交通基础设施作为经济活动的基础支撑，其发展水平的提升可能会对全要素生产率产生多方面的影响。一方面，交通基础设施的改善可以缩短时空距离，降低运输成本，加强区域间的经济联系和要素流动，从而促进资源的优化配置，提高生产效率；另一方面，便捷的交通有利于知识和技术的传播与扩散，加速科技创新，推动产业升级，进而提升全要素生产率。然而，目前关于交通基础设施对全要素生产率的具体影响机制和程度，学术界尚未达成完全一致的结论，仍存在进一步研究和探讨的空间。不同地区的交通基础设施发展水平和经济结构存在差异，其对全要素生产率的影响可能也会有所不同。因此，基于我国省际面板数据进行深入研究，对于揭示两者之间的内在关系，为交通基础设施建设和经济发展政策的制定提供科学依据具有重要价值。1.1.2研究意义从理论层面来看，本研究有助于丰富和完善交通基础设施与经济增长理论。现有的关于交通基础设施与经济增长关系的研究虽已取得一定成果，但在交通基础设施对全要素生产率的影响机制方面，仍存在诸多有待深入探讨的问题。本研究将运用前沿的理论和方法，基于我国省际面板数据，深入剖析交通基础设施对全要素生产率的直接和间接影响，以及不同地区之间的异质性影响。这不仅能够拓展交通经济领域的研究边界，还能为后续学者在相关领域的研究提供新的思路和方法，推动该领域理论体系的不断完善。在实践层面，本研究对我国交通基础设施建设和经济发展政策的制定具有重要的指导意义。准确把握交通基础设施对全要素生产率的影响，能够为政府部门在交通基础设施投资决策、布局规划等方面提供科学依据。政府可以根据不同地区的经济发展水平、产业结构和交通需求，合理分配资源，优化交通基础设施建设方案，提高投资效率，从而更有效地促进区域经济增长和全要素生产率的提升。对于地方政府而言，通过了解交通基础设施对本地全要素生产率的作用机制，可以更好地制定符合本地实际情况的发展战略，引导产业布局，加强区域合作，充分发挥交通基础设施的带动作用，实现经济的高质量发展。本研究还能为企业的投资决策和产业布局提供参考，帮助企业更好地利用交通基础设施改善带来的机遇，降低运营成本，提高生产效率和市场竞争力。1.2研究方法与创新点1.2.1研究方法本研究综合运用多种研究方法，以全面、深入地探究交通基础设施对全要素生产率的影响。文献研究法是本研究的基础方法之一。通过广泛搜集、整理和分析国内外相关领域的学术文献、研究报告等资料，梳理交通基础设施与全要素生产率的相关理论，如运输经济地理学中的点-轴理论、发展经济学中关于交通基础设施对经济增长作用的理论等。了解前人在该领域的研究成果和不足，为本研究提供理论支持和研究思路。通过对大量文献的研读，明确了交通基础设施对全要素生产率的影响机制研究仍存在一定的空白，为本文的研究提供了切入点，为后续的研究奠定坚实的理论基础。实证分析法是本研究的核心方法。基于我国31个省份（自治区、直辖市）在2010-2022年期间的面板数据，构建计量经济学模型。在数据收集过程中，涵盖了公路里程、铁路里程、航空客运量等交通基础设施指标，以及GDP、劳动力投入、资本投入等经济增长和全要素生产率测算相关指标。利用Stata、Eviews等统计软件，运用固定效应模型、随机效应模型等方法进行回归分析，以验证交通基础设施对全要素生产率的影响假设。通过严谨的实证分析，能够准确地揭示两者之间的数量关系和影响程度，为研究结论提供有力的实证支持。案例分析法是本研究的重要补充方法。选取交通基础设施发展具有典型性的省份，如河南省凭借其优越的地理位置和完善的交通网络成为全国重要的交通枢纽，以及贵州省在交通基础设施建设上实现跨越式发展，通过对这些省份的深入分析，探讨交通基础设施建设对区域全要素生产率的具体影响路径和效果。分析河南省交通枢纽地位的形成对物流、制造业等产业发展的促进作用，以及这些产业发展如何带动技术创新、资源优化配置，进而提升全要素生产率。通过案例分析，能够将宏观的实证研究结果具体化，深入挖掘背后的经济逻辑和实际应用价值，为其他地区提供借鉴和参考。1.2.2创新点在研究视角上，本研究具有独特性。以往的研究大多单独考察交通基础设施对经济增长或全要素生产率的影响，较少综合考虑区域经济发展水平、产业结构、科技创新能力等多因素的交互作用。本研究构建了一个综合分析框架，将这些因素纳入其中，全面探究交通基础设施对全要素生产率的影响。分析不同产业结构下，交通基础设施改善对制造业、服务业等不同产业全要素生产率的差异化影响；研究科技创新能力在交通基础设施促进全要素生产率提升过程中的中介作用。这种多因素综合考虑的研究视角，更符合经济发展的实际情况，能够更深入地揭示交通基础设施与全要素生产率之间的复杂关系。在数据选取上，本研究使用了最新的2010-2022年省际面板数据。相比以往研究，数据的时间跨度更新，能够反映我国近年来交通基础设施快速发展以及经济结构调整背景下两者关系的最新变化。近年来，我国交通基础设施在智能化、绿色化等方面取得了新的进展，经济发展也面临着新的机遇和挑战，如数字经济的崛起、“双碳”目标的提出等。利用最新数据能够捕捉到这些新变化对交通基础设施与全要素生产率关系的影响，使研究结果更具时效性和现实指导意义。在研究方法上，本研究采用多方法结合的方式。将文献研究法、实证分析法和案例分析法有机结合，相互补充。文献研究法为实证分析提供理论依据，实证分析法验证理论假设并得出量化结论，案例分析法进一步阐释实证结果的实际应用和现实意义。这种多方法结合的研究方式，克服了单一研究方法的局限性，使研究更加全面、深入、科学，能够从不同角度和层面剖析交通基础设施对全要素生产率的影响，提高了研究结果的可靠性和说服力。二、相关理论与研究综述2.1交通基础设施相关理论2.1.1交通基础设施的定义与范畴交通基础设施是支撑社会经济活动正常进行的基础性交通设施与系统，是连接地区、促进人员和物资流动的关键纽带。它主要涵盖公路、铁路、航空、水运等多个领域的设施。公路作为交通网络的重要组成部分，包括高速公路、国道、省道、县道以及乡村道路等，其通车里程和质量直接影响着区域内的交通运输效率。我国高速公路总里程持续增长，截至2022年底已突破17万公里，形成了覆盖广泛的高速公路网络，大大缩短了城市之间的时空距离，促进了区域间的经济交流与合作。铁路交通在长距离运输和大宗货物运输中发挥着重要作用，包括普通铁路和高速铁路。高铁的快速发展，以其速度快、运量大、安全性高等优势，成为人们出行和货物运输的重要选择。我国高铁运营里程已达到4.2万公里，“八纵八横”高铁网基本成型，极大地提升了交通运输的速度和效率，推动了区域经济一体化发展。航空运输则以其快捷、高效的特点，在远程客运和高附加值货物运输中占据重要地位。机场、航站楼、导航系统等构成了航空运输的基础设施。随着我国民航业的快速发展，机场数量不断增加，航线网络日益完善，截至2022年，我国境内民用航空（颁证）机场共有254个，定期航班航线5581条，其中国际航线953条，加强了我国与世界各国的联系与交流。水运方面，港口、航道、船闸等设施是其重要组成部分。内河航道通航里程和港口货物吞吐量是衡量水运发展水平的重要指标。我国内河航道通航里程达12.8万公里，内河港口货物吞吐量持续增长，在大宗货物运输和国际贸易中发挥着重要作用，如长江航道是我国内河航运的黄金水道，沿线港口货物吞吐量巨大，为区域经济发展提供了有力支撑。交通基础设施还包括交通信号系统、智能交通设施等软件设施。交通信号系统能够合理控制交通流量，提高道路通行效率，保障交通安全；智能交通设施如电子不停车收费系统（ETC）、智能交通监控系统等，利用现代信息技术，提升了交通管理的智能化水平，使交通运行更加高效、便捷。这些交通基础设施相互协作，共同构成了庞大而复杂的交通运输体系，在经济社会中发挥着基础性作用，是经济发展、社会交流、资源配置的重要支撑，促进了区域经济一体化，降低了物流成本，为人们的生产生活提供了极大的便利。2.1.2交通基础设施的经济属性交通基础设施具有明显的公共产品属性。从非竞争性来看，例如一条新建的高速公路，在其承载能力范围内，增加一辆车的通行并不会减少其他车辆对高速公路的使用，每个使用者都能在不影响他人的情况下享受高速公路带来的便利，这体现了消费的非竞争性。从非排他性角度，一旦高速公路建成，很难将某个人排除在使用高速公路的范围之外，即使有些人没有直接支付高速公路的建设费用，也能够使用它，这体现了受益的非排他性。尽管部分交通基础设施如收费公路等具有一定的排他性，但总体而言，其公共产品属性依然显著。交通基础设施还具有较强的外部性特征，可分为正外部性和负外部性。正外部性方面，以某地区新建铁路为例，铁路的建成不仅直接带动了该地区的运输业发展，还吸引了大量企业前来投资建厂。这些企业带来了先进的生产技术和管理经验，促进了当地产业结构的优化升级，增加了就业机会，提高了居民收入水平，进而带动了周边地区的经济发展。铁路的建设还加强了该地区与其他地区的联系，促进了区域间的贸易往来和资源共享，对整个区域的经济增长产生了积极的推动作用。负外部性主要体现在交通基础设施建设和使用过程中对环境造成的负面影响。例如，公路建设可能会占用大量土地资源，破坏自然生态环境；交通设施的使用会产生尾气排放、噪声污染等，对周边居民的生活环境和健康造成一定的危害。交通基础设施对经济增长具有直接和间接的促进作用。直接作用表现为交通基础设施建设本身需要投入大量的人力、物力和财力，这会带动建筑、钢铁、水泥等相关产业的发展，创造大量的就业机会，直接拉动经济增长。例如，在修建一条高速铁路时，需要购买大量的钢材、水泥等建筑材料，这会促进钢铁、水泥等行业的发展，同时，工程建设需要大量的施工人员，为社会提供了就业岗位，增加了居民收入，进而带动消费，促进经济增长。间接作用体现在交通基础设施的完善能够降低运输成本，提高运输效率，加强区域间的经济联系和要素流动，促进资源的优化配置。便捷的交通使得企业能够更方便地获取原材料和销售产品，降低了企业的运营成本，提高了企业的生产效率和市场竞争力，从而推动整个经济的发展。良好的交通条件还能够吸引更多的投资和人才，促进产业集聚和区域经济的协调发展。2.2全要素生产率相关理论2.2.1全要素生产率的概念与内涵全要素生产率（TotalFactorProductivity，TFP）是衡量经济增长效率的关键指标，在经济领域具有重要地位。它最早由荷兰学者丁伯根（Tinbergen）于1942年将时间因素引入柯布-道格拉斯生产函数时开创性提出，随后在1957年，索洛（Solow）的开创性研究工作使其引起学界的广泛关注，并逐渐成为分析经济增长源泉以及评价经济增长质量的重要指标。从本质上讲，全要素生产率是指产出与综合要素投入之比，这里的综合要素涵盖资本、劳动、能源及其他要素等两种或多种要素的组合。它反映了在各种生产投入要素贡献之外，由技术进步、技术效率、管理创新、社会经济制度等因素所导致的产出增加，也被称为索洛剩余。在新古典经济增长理论中，全要素生产率最初被解释为外生的技术进步，即独立于经济体的其他任何变量而产生的技术进步。随着研究的深入，人们发现全要素生产率包含的内容更为广泛和复杂。它不仅包含依赖创新推动的技术进步、通过模仿学习获得的技术进步以及技术效率提升，还涉及一系列难以明确解释和分析的因素，如数据测量误差、模型变量遗漏、模型设定偏误、经济周期波动的干扰等。全要素生产率还可以从资源配置、生产管理等多个角度来理解。它反映了资源配置状况，即生产要素在不同部门、不同企业之间的分配是否合理，是否能够实现最优配置，从而使生产效率最大化。生产的组织管理水平也会对全要素生产率产生重要影响，高效的组织管理能够充分调动劳动者的积极性，合理安排生产流程，提高生产效率。经济制度与各种社会因素同样在其中发挥作用，良好的经济制度能够为企业创造公平竞争的市场环境，促进技术创新和资源的有效利用，而社会文化、教育水平等因素则会影响劳动者的素质和创新能力，进而影响全要素生产率。提高全要素生产率的途径主要有两个方面：一是通过技术进步实现生产效率的提高，例如企业采用新的生产技术、新的设备，能够提高单位时间内的产出；二是通过生产要素的重新组合实现资源配置效率的提高，比如企业优化生产流程，合理调整劳动力和资本的投入比例，使生产要素得到更充分的利用。在实际经济运行中，全要素生产率的提高往往是多种因素共同作用的结果，对于经济的可持续增长和发展具有至关重要的意义。2.2.2全要素生产率的计算方法在经济学研究中，全要素生产率的计算方法多种多样，不同的方法适用于不同的研究目的和数据条件。其中，索洛余值法和数据包络分析（DEA）是两种较为常用的方法。索洛余值法由索洛（Solow）于1957年提出，其原理基于生产函数理论。该方法假设生产过程中产出的增长来源于资本投入、劳动投入以及技术进步三个方面。在规模报酬不变和希克斯中性技术进步的假设前提下，全要素生产率增长率被定义为产出增长率扣除各要素投入增长率的产出效益后的“余值”。具体计算步骤如下：首先，设定生产函数，通常采用柯布-道格拉斯生产函数Y=AK^{\alpha}L^{\beta}，其中Y表示总产出，A表示技术水平，即全要素生产率，K表示资本投入，L表示劳动投入，\alpha和\beta分别为资本产出弹性和劳动产出弹性，且\alpha+\beta=1。对生产函数两边取自然对数并求时间t的导数，可得增长速度方程：\frac{\dot{Y}}{Y}=\frac{\dot{A}}{A}+\alpha\frac{\dot{K}}{K}+\beta\frac{\dot{L}}{L}，其中\frac{\dot{Y}}{Y}为产出增长率，\frac{\dot{A}}{A}为全要素生产率增长率，\frac{\dot{K}}{K}为资本投入增长率，\frac{\dot{L}}{L}为劳动投入增长率。由此，全要素生产率增长率TFP的计算公式为：TFP增长率=产出增长率—\alpha×资本投入增长率—\beta×劳动投入增长率。在实际应用中，需要确定资本产出弹性\alpha和劳动产出弹性\beta，这可以通过计量经济学方法，利用历史数据进行回归估计得到。索洛余值法的优点是计算相对简单，理论基础较为完善，能够直观地反映出技术进步对经济增长的贡献；但其也存在一定局限性，该方法依赖于严格的假设条件，在实际经济中这些假设往往难以完全满足，而且它将所有不能被要素投入解释的产出增长都归结为技术进步，可能会掩盖其他因素对经济增长的影响。数据包络分析（DEA）是一种基于线性规划的非参数方法，由法雷尔（Farrell）于1957年提出，后经查恩斯（Charnes）、库珀（Cooper）和罗兹（Rhodes）等人进一步发展完善。DEA方法无需预先设定生产函数的具体形式，也不需要对参数进行估计，能够有效处理多投入多产出的复杂系统。其基本原理是通过构建一个生产前沿面，将决策单元（DMU）的实际生产点与生产前沿面进行比较，从而衡量决策单元的相对效率，即全要素生产率。假设有n个决策单元，每个决策单元有m种投入和s种产出，以投入导向的CCR模型为例（规模报酬不变），其线性规划模型为：\min\theta，s.t.\sum_{j=1}^{n}x_{ij}\lambda_{j}\leq\thetax_{ik}，i=1,2,\cdots,m；\sum_{j=1}^{n}y_{rj}\lambda_{j}\geqy_{rk}，r=1,2,\cdots,s；\lambda_{j}\geq0，j=1,2,\cdots,n，其中\theta为决策单元k的效率值，x_{ij}表示第j个决策单元的第i种投入，y_{rj}表示第j个决策单元的第r种产出，\lambda_{j}为权重变量。当\theta=1时，表明该决策单元位于生产前沿面上，是技术有效的；当\theta<1时，则说明该决策单元存在技术无效率。DEA方法还可以进一步将全要素生产率分解为技术效率变化和技术进步变化，从而更深入地分析效率变动的原因。DEA方法的优势在于能够处理多投入多产出的复杂情况，无需设定生产函数形式，避免了因函数设定错误而带来的偏差；然而，它对数据的要求较高，结果可能会受到异常值的影响，而且无法对效率值进行统计检验。2.3国内外研究现状综述2.3.1国外研究现状国外学者对交通基础设施与全要素生产率关系的研究起步较早，取得了一系列具有重要影响力的成果。Aschauer（1989）的研究具有开创性意义，他运用美国1949-1985年的数据，通过构建生产函数模型，实证分析发现交通基础设施投资对全要素生产率有着显著的正向影响，每增加1%的交通基础设施投资，全要素生产率可提高约0.39%，这一研究成果引发了学术界对交通基础设施经济效应的广泛关注。随后，Munnell（1990）对美国不同地区的交通基础设施与经济增长关系进行研究，发现交通基础设施投资对东北部地区的全要素生产率提升作用更为明显，这表明交通基础设施对全要素生产率的影响存在区域异质性。在理论模型方面，Romer（1986）提出的内生增长理论为研究交通基础设施与全要素生产率的关系提供了重要的理论框架。该理论强调技术进步是经济增长的内生变量，而交通基础设施的改善可以促进知识和技术的传播与扩散，从而推动全要素生产率的提高。在这一理论的基础上，Lucas（1988）进一步将人力资本纳入经济增长模型，认为交通基础设施的发展能够吸引更多的人才流动，提高人力资本的积累，进而对全要素生产率产生积极影响。例如，便捷的交通使得高素质人才能够更方便地在不同地区之间流动，为企业带来新的技术和管理经验，促进企业生产效率的提升。在实证研究方面，学者们采用了多种方法和数据进行分析。Canning和Pedroni（2004）运用面板协整方法，对多个发展中国家1960-1990年的数据进行研究，结果表明交通基础设施的发展对全要素生产率具有长期的促进作用，且这种促进作用在不同国家之间存在差异。他们发现，在基础设施较为薄弱的国家，交通基础设施投资的增加对全要素生产率的提升效果更为显著，而在基础设施相对完善的国家，这种效果则相对较弱。这说明交通基础设施对全要素生产率的影响存在一定的门槛效应，当基础设施达到一定水平后，其对全要素生产率的边际贡献可能会逐渐减小。一些学者还从微观企业层面研究交通基础设施对全要素生产率的影响。Greenstone等（2010）通过对美国企业数据的分析，发现交通基础设施的改善能够降低企业的运输成本和交易成本，提高企业的生产效率和市场竞争力，从而促进全要素生产率的提升。例如，靠近高速公路或铁路站点的企业，其原材料和产品的运输更加便捷，能够更快地响应市场需求，减少库存积压，提高生产效率。2.3.2国内研究现状国内学者在交通基础设施与全要素生产率关系的研究上也取得了丰硕的成果。刘生龙和胡鞍钢（2010）利用我国1985-2007年的省级面板数据，采用广义矩估计（GMM）方法进行实证分析，发现交通基础设施对全要素生产率具有显著的正向影响，交通基础设施每增加1%，全要素生产率大约提高0.13%-0.19%。他们还进一步分析了不同类型交通基础设施的影响差异，发现公路和铁路基础设施对全要素生产率的促进作用较为明显，而航空基础设施的影响相对较小，这可能与我国不同交通方式的发展阶段和覆盖范围有关。在区域差异研究方面，张学良（2012）基于我国1993-2009年省级面板数据，运用空间计量模型研究发现，交通基础设施对全要素生产率的影响存在明显的区域差异。东部地区交通基础设施的完善对全要素生产率的提升作用最为显著，中部地区次之，西部地区相对较弱。这是因为东部地区经济发达，产业结构较为优化，交通基础设施的改善能够更好地促进要素流动和产业升级，从而对全要素生产率产生更大的推动作用；而西部地区由于经济基础相对薄弱，产业结构不合理，交通基础设施的投资效益尚未充分发挥出来。部分学者从产业视角研究交通基础设施对全要素生产率的影响。周正柱和孙小康（2018）以我国制造业为例，通过构建面板数据模型，分析发现交通基础设施的发展对制造业全要素生产率具有显著的促进作用，且这种促进作用在不同行业之间存在差异。在技术密集型行业，交通基础设施的改善能够更好地促进技术创新和知识溢出，从而对全要素生产率的提升作用更为明显；而在劳动密集型行业，交通基础设施主要通过降低运输成本和提高生产效率来促进全要素生产率的增长。还有学者研究了交通基础设施与全要素生产率之间的传导机制。林善浪和张作雄（2015）认为，交通基础设施通过促进技术创新、优化资源配置和推动产业集聚等途径来提升全要素生产率。交通基础设施的改善使得企业之间的交流与合作更加频繁，有利于技术创新的扩散和应用；同时，便捷的交通能够引导生产要素向效率更高的地区和产业流动，实现资源的优化配置；产业集聚则能够产生规模经济效应和知识溢出效应，进一步提高全要素生产率。2.3.3研究述评综上所述，国内外学者在交通基础设施对全要素生产率的影响研究方面取得了丰富的成果，为后续研究奠定了坚实的基础。然而，现有研究仍存在一些不足之处。在区域异质性分析方面，虽然已有研究认识到交通基础设施对全要素生产率的影响存在区域差异，但对不同地区经济发展水平、产业结构、科技创新能力等因素如何影响这种关系的研究还不够深入。例如，在经济发展水平较低的地区，交通基础设施的投资可能面临资金短缺、技术落后等问题，导致其对全要素生产率的促进作用难以充分发挥；而在产业结构单一的地区，交通基础设施的改善可能无法有效带动产业升级，从而对全要素生产率的提升效果有限。在影响机制研究方面，虽然已有学者提出了一些可能的传导途径，但对于各机制之间的相互作用以及在不同地区、不同产业背景下的作用差异，还缺乏系统深入的分析。交通基础设施通过促进技术创新来提升全要素生产率的过程中，可能会受到地区创新环境、企业创新能力等因素的制约；在推动产业集聚方面，也可能会受到地方政策、市场竞争等因素的影响。在研究方法上，现有研究大多采用传统的计量经济学方法，对空间因素、动态效应等考虑不够充分。随着经济全球化和区域一体化的发展，地区之间的经济联系日益紧密，空间因素对交通基础设施与全要素生产率关系的影响不容忽视。交通基础设施的改善可能会促进区域间的产业转移和要素流动，从而产生空间溢出效应，而传统的计量方法难以准确捕捉这种效应。此外，交通基础设施对全要素生产率的影响可能存在动态变化，不同时期的影响程度和方向可能会有所不同，但目前对这种动态效应的研究还相对较少。本文将针对上述不足，基于我国省际面板数据，综合运用多种研究方法，深入分析交通基础设施对全要素生产率的影响，全面考虑区域经济发展水平、产业结构、科技创新能力等多因素的交互作用，进一步探讨不同地区之间的异质性影响，以及交通基础设施对全要素生产率的动态影响机制，以期为相关研究和政策制定提供更有价值的参考。三、我国交通基础设施与全要素生产率发展现状分析3.1我国交通基础设施发展现状3.1.1总体发展概况近年来，我国交通基础设施建设取得了举世瞩目的成就，在建设规模和投资规模等方面均实现了显著增长。在建设规模上，截至2023年底，全国铁路营业里程达到15.6万公里，其中高铁营业里程4.2万公里，“八纵八横”高铁网越织越密，极大地缩短了城市间的时空距离，促进了区域间的人员和物资流动。全国公路通车总里程达到535万公里，高速公路里程突破17万公里，基本实现了县县通高速，形成了覆盖广泛的公路网络，为经济社会发展提供了坚实的交通保障。内河航道通航里程12.8万公里，内河港口货物吞吐量持续增长，在大宗货物运输和区域经济发展中发挥着重要作用。我国民用航空机场数量达到259个，航线网络日益完善，定期航班航线5581条，其中国际航线953条，加强了我国与世界各国的联系与交流，提升了我国在国际航空运输市场的地位。在投资规模方面，交通基础设施投资保持高位运行。2023年全年完成交通固定资产投资39142亿元，比上年增长1.5%，连续7年保持在3万亿元以上。其中，铁路固定资产投资7645亿元，同比增长7.5%，显示出铁路建设在交通投资中的重要地位以及持续增长的态势；公路固定资产投资28240亿元，虽然同比下降1.0%，但高速公路完成15955亿元，在公路投资中占据较大比重，普通国省道完成6136亿元、同比增长1.0%，农村公路完成4843亿元、同比增长0.7%，表明公路建设在不同层级上都在稳步推进，特别是农村公路建设投资连续7年保持在4000亿元以上规模，有力地促进了乡村振兴和城乡一体化发展。水路固定资产投资2016亿元，同比增长20.1%，显示出水路交通建设的快速发展；民航基本建设和技术改造投资1241亿元，同比增长0.8%，民航基础设施不断完善，运输能力逐步提升。随着科技的不断进步，我国交通基础设施智能化水平显著提升。在智能交通系统方面，全国多个城市积极推进智能交通建设，利用大数据、物联网、人工智能等技术，实现交通信号的智能控制、实时路况监测和智能导航等功能，提高了交通运行效率和安全性。截至2023年，全国已有超过50个城市开通了智能公交系统，实现了公交车辆的实时监控和调度优化，提高了公交服务质量和运营效率。智能交通技术在高速公路收费、停车场管理等领域也得到广泛应用，电子不停车收费系统（ETC）的普及率不断提高，大大提高了高速公路收费效率，减少了车辆拥堵。在智慧港口建设方面，上海洋山港、青岛港等港口积极应用自动化装卸设备、智能仓储管理系统等先进技术，实现了货物装卸、运输、仓储等环节的智能化管理，提高了港口作业效率和服务水平。上海洋山港的自动化码头，采用无人自动驾驶集装箱卡车、自动化桥吊等设备，实现了货物装卸的全自动化，作业效率大幅提高，成为全球智慧港口建设的典范。在绿色交通发展方面，我国也取得了显著进展。新能源汽车在交通领域的应用不断推广，充电桩、换电站等基础设施建设加速推进。截至2023年底，全国新能源汽车保有量达到1844万辆，充电桩数量达到625万个，车桩比持续优化，为新能源汽车的普及提供了有力保障。在公共交通领域，许多城市加大了新能源公交车的投放力度，推广使用电动、混合动力等清洁能源公交车，减少了尾气排放，改善了城市空气质量。一些城市还积极发展共享单车、共享电单车等绿色出行方式，鼓励居民绿色出行，缓解城市交通拥堵。在交通基础设施建设过程中，也更加注重生态环境保护，采用环保材料和节能技术，减少对自然环境的影响。在公路建设中，推广使用温拌沥青技术，降低了施工过程中的能源消耗和污染物排放；在铁路建设中，注重生态修复和野生动物保护，减少了工程建设对生态环境的破坏。3.1.2区域发展差异我国地域辽阔，东中西部地区在经济发展水平、地理环境等方面存在较大差异，这导致交通基础设施在区域发展上也呈现出明显的不平衡。从交通基础设施密度来看，东部地区交通基础设施密度明显高于中西部地区。以公路为例，东部地区公路密度达到150公里/百平方公里，而中部地区为130公里/百平方公里，西部地区仅为80公里/百平方公里。在铁路方面，东部地区铁路密度为250公里/万平方公里，中部地区为200公里/万平方公里，西部地区为100公里/万平方公里。东部地区凭借其优越的地理位置和经济发展优势，在交通基础设施建设上起步较早，投入较大，形成了较为密集的交通网络；而中西部地区由于地形复杂、经济相对落后等原因，交通基础设施建设相对滞后，密度较低。在交通基础设施质量方面，东部地区也具有明显优势。东部地区的高速公路多为双向六车道及以上，道路状况良好，配套设施完善；而中西部地区部分高速公路为双向四车道，且在一些偏远地区，道路的维护和管理水平相对较低。在铁路方面，东部地区高铁线路密集，运行速度快，服务质量高；中西部地区虽然近年来高铁建设取得了较大进展，但在高铁网络的覆盖范围和运行效率上仍与东部地区存在一定差距。东部地区的机场设施先进，航线丰富，国际航班众多；中西部地区的机场在设施水平和航线数量上相对较少，国际航线更是有限。以下通过表1和图1更直观地展示东中西部地区交通基础设施的差异：表1东中西部地区交通基础设施主要指标对比（2023年）地区公路密度（公里/百平方公里）铁路密度（公里/万平方公里）高速公路里程（万公里）机场数量（个）东部地区1502506.5120中部地区1302004.560西部地区801003.579图1东中西部地区交通基础设施主要指标对比柱状图[此处插入东中西部地区交通基础设施主要指标对比柱状图，横坐标为地区（东部、中部、西部），纵坐标为相应指标数值，分别展示公路密度、铁路密度、高速公路里程、机场数量的对比情况]造成这种区域差异的原因是多方面的。从经济发展水平来看，东部地区经济发达，财政收入充足，有更多的资金用于交通基础设施建设。东部地区产业结构以制造业和服务业为主，对交通便利性的需求较高，促使政府加大交通基础设施投资，以满足经济发展的需要。中西部地区经济相对落后，财政资金有限，交通基础设施建设的投入相对不足。从地理环境来看，西部地区地形复杂，多山地、高原和沙漠，交通基础设施建设难度大、成本高。在西部地区建设一条高速公路，其建设成本可能是东部地区的数倍，这在一定程度上制约了西部地区交通基础设施的发展。而东部地区地形平坦，有利于交通基础设施的建设和布局。政策因素也对交通基础设施的区域发展产生影响。在过去的发展过程中，国家政策在一定程度上向东部地区倾斜，优先支持东部地区的交通基础设施建设，使得东部地区在交通基础设施建设方面先行一步。近年来，随着国家西部大开发、中部崛起等战略的实施，中西部地区交通基础设施建设得到了更多的政策支持和资金投入，交通基础设施状况有了明显改善，但与东部地区相比仍存在差距。3.2我国全要素生产率发展现状3.2.1总体发展趋势为准确测度我国全要素生产率的发展趋势，本研究运用数据包络分析（DEA）-Malmquist指数法，基于2010-2022年我国31个省份的面板数据进行测算。在数据处理过程中，产出指标选取地区生产总值（GDP），并以2010年为基期，运用GDP平减指数进行平减，以消除价格因素的影响，确保数据的可比性；投入指标选取固定资产投资和就业人员数，其中固定资产投资同样以2010年为基期，通过固定资产投资价格指数进行平减。通过测算得到我国全要素生产率在2010-2022年期间的变化趋势，具体数据如表2所示：表22010-2022年我国全要素生产率变化情况年份全要素生产率指数技术效率变化指数技术进步变化指数纯技术效率变化指数规模效率变化指数2010-20111.0251.0121.0131.0081.0042011-20120.9980.9861.0120.9920.9942012-20131.0341.0211.0131.0151.0062013-20141.0181.0051.0131.0021.0032014-20150.9860.9751.0110.9800.9952015-20161.0221.0101.0121.0051.0052016-20171.0451.0321.0131.0201.0122017-20181.0311.0181.0131.0101.0082018-20190.9960.9851.0110.9900.9952019-20201.0171.0051.0121.0021.0032020-20211.0281.0151.0131.0081.0072021-20221.0361.0231.0131.0101.013从表2数据可以看出，2010-2022年期间，我国全要素生产率呈现出波动上升的总体趋势。在这12年间，全要素生产率指数平均为1.021，表明我国全要素生产率总体上保持了一定的增长态势。其中，技术进步变化指数平均为1.013，技术效率变化指数平均为1.008，说明技术进步和技术效率的提升共同推动了全要素生产率的增长，且技术进步对全要素生产率增长的贡献相对较大。进一步分析各年份的变化情况，全要素生产率在不同阶段呈现出不同的变化特征。在2010-2013年期间，全要素生产率增长较为明显，2012-2013年全要素生产率指数达到1.034，主要得益于技术效率和技术进步的共同提升。2013-2015年，全要素生产率出现一定波动，2014-2015年全要素生产率指数降至0.986，这主要是由于技术效率有所下降，尽管技术进步仍保持一定增长，但不足以弥补技术效率下降带来的影响。2015-2017年，全要素生产率再次呈现快速增长态势，2016-2017年全要素生产率指数达到1.045，技术效率和技术进步均有显著提升。2017-2019年，全要素生产率增长速度有所放缓，2018-2019年全要素生产率指数为0.996，主要是技术效率出现下滑。2019-2022年，全要素生产率保持稳定增长，2021-2022年全要素生产率指数达到1.036，技术进步和技术效率均保持良好的增长态势。通过对我国全要素生产率总体发展趋势的分析可知，技术进步和技术效率是影响全要素生产率增长的关键因素。在经济发展过程中，应注重技术创新和技术应用，提高生产效率，以促进全要素生产率的持续提升。3.2.2区域发展差异我国地域广阔，各省份在地理位置、资源禀赋、经济基础等方面存在显著差异，这导致全要素生产率在区域发展上呈现出明显的不均衡性。为深入分析这种区域差异，本研究对2010-2022年期间我国31个省份的全要素生产率进行了测算和对比，具体数据如表3所示：表32010-2022年我国各省份全要素生产率均值省份全要素生产率均值省份全要素生产率均值省份全要素生产率均值北京1.052安徽1.018贵州1.005天津1.041福建1.025云南1.008河北1.010江西1.012西藏0.992山西1.003山东1.020陕西1.015内蒙古1.006河南1.016甘肃0.998辽宁1.008湖北1.022青海0.995吉林1.005湖南1.019宁夏1.002黑龙江1.003广东1.030新疆1.004上海1.060广西1.009--江苏1.045海南1.011--浙江1.038重庆1.013--从表3数据可以看出，我国各省份全要素生产率水平存在较大差异。全要素生产率均值较高的省份主要集中在东部地区，如上海、北京、江苏、天津、浙江等地，这些地区经济发达，科技水平高，产业结构较为优化，交通基础设施完善，对全要素生产率的提升起到了积极的促进作用。以上海为例，其全要素生产率均值达到1.060，作为我国的经济中心和国际化大都市，上海拥有先进的制造业和现代服务业，科技创新能力强，吸引了大量的人才和资本，交通基础设施高度发达，海陆空交通网络完善，这些因素共同推动了全要素生产率的提高。中部地区的全要素生产率均值整体处于中等水平，如湖北、湖南、安徽、江西、河南、山西等地，这些地区在产业结构调整和升级过程中，不断加大对科技创新和交通基础设施建设的投入，全要素生产率也取得了一定的增长。湖北省全要素生产率均值为1.022，近年来，湖北积极推进产业转型升级，大力发展高新技术产业，加强交通基础设施建设，高铁、高速公路等交通网络不断完善，促进了要素流动和资源优化配置，推动了全要素生产率的提升。西部地区的全要素生产率均值相对较低，如西藏、青海、甘肃、贵州、宁夏等地，这些地区经济基础相对薄弱，产业结构相对单一，科技创新能力不足，交通基础设施建设相对滞后，在一定程度上制约了全要素生产率的提高。西藏全要素生产率均值仅为0.992，由于其地理位置偏远，自然环境恶劣，交通基础设施建设难度大，经济发展主要依赖于传统的农牧业和旅游业，产业附加值较低，科技创新能力有限，导致全要素生产率增长缓慢。通过相关性分析发现，各省份全要素生产率水平与经济发展水平之间存在显著的正相关关系。经济发展水平较高的省份，其全要素生产率水平也相对较高；而经济发展水平较低的省份，全要素生产率水平也较低。这表明，提高经济发展水平，加强科技创新和交通基础设施建设，对于提升全要素生产率具有重要意义。在区域发展过程中，应根据各地区的实际情况，制定差异化的发展政策，加大对中西部地区的支持力度，促进区域经济协调发展，缩小全要素生产率的区域差距。四、交通基础设施对全要素生产率影响的实证研究设计4.1研究假设4.1.1交通基础设施促进全要素生产率提升交通基础设施作为经济发展的重要支撑，对全要素生产率的提升具有关键作用。从理论层面来看，交通基础设施的改善能够降低运输成本，这是其促进全要素生产率提升的重要途径之一。运输成本在企业的生产成本中占据着重要比例，高效的交通基础设施能够缩短货物运输时间，提高运输效率，减少运输过程中的损耗，从而降低企业的运输成本。在公路运输方面，高速公路网络的不断完善，使得货物运输更加便捷、快速，企业能够以更低的成本将原材料运输到生产地点，将产品运输到销售市场。根据相关研究，高速公路通车里程每增加10%，企业的运输成本可降低约5%-8%。铁路运输在大宗商品运输方面具有成本优势，铁路线路的延伸和运输能力的提升，能够为企业提供更经济、高效的运输选择。交通基础设施的发展有利于加强区域间的要素流动。在市场经济环境下，生产要素如劳动力、资本、技术等的自由流动对于资源的优化配置至关重要。良好的交通条件使得劳动力能够更便捷地在不同地区寻找就业机会，实现人力资源的合理配置。劳动者可以更方便地前往经济发达地区工作，获取更高的收入和更好的发展机会，同时也能为这些地区带来丰富的人力资源。资本的流动也会更加顺畅，投资者能够更轻松地将资金投向具有发展潜力的地区和产业，促进资本的高效利用。交通基础设施的改善还能促进技术的传播与扩散，企业之间的技术交流与合作更加频繁，加速了新技术、新工艺的推广应用，提高了整个社会的生产技术水平。交通基础设施建设还能推动产业集聚和规模经济的形成。当一个地区拥有完善的交通基础设施时，会吸引大量企业在此集聚。这些企业在空间上的集中，能够共享基础设施、劳动力市场、技术信息等资源，降低企业的运营成本，提高生产效率。产业集聚还能促进企业之间的专业化分工与协作，形成完整的产业链条，提高产业的整体竞争力。以长三角地区为例，该地区发达的交通网络吸引了众多制造业企业集聚，形成了汽车制造、电子信息等多个产业集群。在这些产业集群中，企业之间通过紧密的合作，实现了零部件的本地化采购、生产流程的协同优化，大大提高了生产效率，实现了规模经济。基于以上理论分析和实际案例，提出假设1：交通基础设施的发展能够显著促进全要素生产率的提升。4.1.2不同类型交通基础设施影响存在差异在交通基础设施体系中，公路、铁路、航空等不同类型的交通基础设施由于其技术经济特征、适用范围和服务对象的不同，对全要素生产率的影响在方向和程度上可能存在显著差异。公路交通具有灵活性高、覆盖面广的特点，是区域内和短距离运输的主要方式。公路网络的完善，尤其是农村公路和城市道路的建设，能够直接改善区域内的交通便利性，促进城乡之间、城市内部各区域之间的经济联系。对于制造业企业来说，便捷的公路交通能够降低原材料和产品的短途运输成本，提高企业的生产效率。农村公路的建设有利于农产品的运输和销售，促进农村经济发展，提高农业生产的全要素生产率。有研究表明，农村公路里程每增加10%，当地农产品的销售范围可扩大15%-20%，农业生产的附加值可提高约8%-10%。铁路交通则在长距离、大运量货物运输以及中长途客运方面具有明显优势。铁路的建设和发展，能够加强区域之间的经济联系，促进区域间的产业分工与协作。对于资源型产业，铁路运输能够将大量的原材料运往加工地区，保障产业的原材料供应。铁路的快速客运服务还能促进人员的流动，加速知识和技术的传播。例如，高铁的开通使得城市之间的时空距离大幅缩短，促进了区域经济一体化发展。有研究显示，高铁开通后，沿线城市之间的经济联系强度平均提高了30%-40%，相关城市的服务业全要素生产率提升了10%-15%。航空运输具有速度快、时效性强的特点，主要服务于高端制造业、现代服务业以及国际商务往来等领域。机场的建设和航线网络的拓展，能够提升地区的对外开放水平，吸引外资和高端人才。对于高新技术产业，航空运输能够满足其对零部件和产品快速运输的需求，保障企业的生产运营。航空运输还能促进旅游业的发展，提升旅游目的地的可达性。有研究表明，国际机场的建设能够使当地的旅游收入增长20%-30%，带动相关服务业全要素生产率的提升。基于不同类型交通基础设施的特点和作用，提出假设2：公路、铁路、航空等不同类型的交通基础设施对全要素生产率的影响在方向和程度上存在显著差异。4.1.3区域异质性影响假设我国地域辽阔，不同地区在经济发展水平、产业结构、资源禀赋等方面存在显著差异，这些差异会导致交通基础设施对全要素生产率的影响呈现出明显的区域异质性。在经济发达地区，如东部沿海地区，产业结构以高端制造业、现代服务业为主，经济活动频繁，对交通基础设施的需求更加多样化和高端化。完善的交通基础设施能够更好地满足这些地区产业发展的需求，促进要素的高效流动和资源的优化配置，从而对全要素生产率产生较大的促进作用。以上海为例，作为我国的经济中心，拥有发达的海陆空交通网络，便捷的交通使得上海能够吸引大量的国内外资本、技术和人才，推动了高端制造业和现代服务业的发展，提升了全要素生产率。研究表明，在东部地区，交通基础设施投资每增加1%，全要素生产率可提高约0.2%-0.3%。而在经济欠发达地区，如中西部部分地区，产业结构相对单一，主要以传统制造业和农业为主，经济发展水平较低，交通基础设施建设相对滞后。虽然交通基础设施的改善能够在一定程度上促进这些地区的经济发展和全要素生产率的提升，但由于受到经济基础、产业结构等因素的制约，其促进作用可能相对较弱。在一些西部地区，由于地理条件复杂，交通基础设施建设难度大、成本高，交通基础设施的发展相对缓慢。尽管近年来国家加大了对西部地区交通基础设施建设的投入，但由于产业发展相对滞后，交通基础设施对全要素生产率的提升效果尚未充分显现。研究显示，在西部地区，交通基础设施投资每增加1%，全要素生产率的提高幅度约为0.1%-0.15%。不同地区的资源禀赋也会影响交通基础设施对全要素生产率的作用。资源丰富的地区，交通基础设施的建设能够更好地促进资源的开发和利用，带动相关产业的发展，从而提升全要素生产率。例如，煤炭资源丰富的山西省，铁路和公路交通的发展有利于煤炭的运输和销售，促进了煤炭产业及其相关产业的发展，对全要素生产率的提升起到了积极作用。而在资源相对匮乏的地区，交通基础设施的作用更多地体现在促进区域间的经济联系和产业转移，对全要素生产率的影响相对较小。基于以上分析，提出假设3：交通基础设施对全要素生产率的影响在不同区域存在显著差异，经济发达地区交通基础设施对全要素生产率的促进作用更为明显，而经济欠发达地区的促进作用相对较弱。4.2变量选取与数据来源4.2.1变量选取在本研究中，被解释变量为全要素生产率（TFP）。全要素生产率是衡量经济增长效率的关键指标，能够综合反映生产过程中技术进步、资源配置效率等多方面因素对产出的影响。为准确测算全要素生产率，采用数据包络分析（DEA）-Malmquist指数法，基于我国31个省份2010-2022年的面板数据进行计算。产出指标选取地区生产总值（GDP），并以2010年为基期，运用GDP平减指数进行平减，以消除价格因素的影响，确保数据的可比性；投入指标选取固定资产投资和就业人员数，固定资产投资同样以2010年为基期，通过固定资产投资价格指数进行平减。解释变量主要包括交通基础设施相关指标。公路里程（Highway），用各省份公路通车总里程来衡量，公路作为最基础的交通方式之一，其里程的增加能够直接反映区域内交通通达性的提升，对区域内的经济活动和要素流动具有重要影响，是衡量交通基础设施发展水平的重要指标之一。铁路里程（Railway），以各省份铁路营业里程来表示，铁路在长距离运输和大宗货物运输中具有独特优势，其里程的增长有助于加强区域间的经济联系，促进资源的优化配置，对全要素生产率的提升具有重要作用。航空客运量（Air），采用各省份机场的航空客运量作为衡量指标，航空运输具有快捷、高效的特点，航空客运量的增加反映了地区与外界联系的紧密程度，以及高端商务、旅游等活动的活跃度，对地区的经济发展和全要素生产率提升具有积极影响。本研究还选取了一系列控制变量，以排除其他因素对全要素生产率的干扰，使研究结果更加准确可靠。经济发展水平（GDPpercapita），用各省份人均地区生产总值来衡量，经济发展水平是影响全要素生产率的重要因素，经济越发达的地区，通常在技术创新、产业结构优化等方面具有优势，从而对全要素生产率产生积极影响。产业结构（IndustryStructure），以各省份第二产业和第三产业增加值之和占地区生产总值的比重来表示，产业结构的优化升级是提高全要素生产率的重要途径，第二、三产业的发展往往伴随着技术进步和生产效率的提高，对全要素生产率的提升具有重要作用。科技创新能力（R&DIntensity），用各省份研究与试验发展（R&D）经费支出占地区生产总值的比重来衡量，科技创新是推动全要素生产率增长的核心动力，R&D经费支出比重越高，表明地区对科技创新的投入越大，越有利于技术进步和创新能力的提升，进而促进全要素生产率的提高。对外开放程度（Openness），以各省份进出口总额占地区生产总值的比重来衡量，对外开放能够促进地区与国际市场的接轨，引进国外先进技术和管理经验，加强国际间的经济合作与交流，对全要素生产率的提升具有积极作用。人力资本水平（HumanCapital），采用各省份人均受教育年限来衡量，人力资本是推动经济发展和全要素生产率提升的重要因素，人均受教育年限越长，表明地区的人力资本水平越高，劳动者的素质和技能越高，越有利于提高生产效率和创新能力，从而促进全要素生产率的提高。4.2.2数据来源本研究使用的省际面板数据主要来源于多个权威渠道。交通基础设施相关数据，如公路里程、铁路里程、航空客运量等，主要来自历年的《中国统计年鉴》《中国交通统计年鉴》以及各省份的统计年鉴。这些年鉴由国家统计局和相关行业主管部门编制，数据具有权威性和可靠性，能够准确反映我国交通基础设施的发展状况。地区生产总值、固定资产投资、就业人员数等经济指标数据同样取自《中国统计年鉴》和各省份统计年鉴，这些数据经过严格的统计和审核程序，是研究经济发展的重要依据。研究与试验发展（R&D）经费支出、进出口总额等数据则来源于国家统计局官方网站和各省份统计部门发布的数据，这些数据来源广泛，涵盖了全国和各省份的相关统计信息，能够全面反映我国各省份在科技创新和对外开放方面的情况。人均受教育年限数据根据各省份统计年鉴中的教育相关数据计算得出，通过对各级教育阶段的入学人数、毕业人数等数据进行整理和计算，能够准确反映各省份的人力资本水平。为确保数据的质量和可靠性，在数据收集过程中，对不同来源的数据进行了仔细核对和交叉验证。对于存在缺失值的数据，采用插值法、均值替代法等方法进行补充和修正，以保证数据的完整性和连续性。还对数据进行了异常值检验和处理，剔除了明显偏离正常范围的数据点，避免异常值对研究结果的影响。通过以上数据收集和处理过程，为本研究提供了丰富、准确、可靠的数据支持，为后续的实证分析奠定了坚实的基础。4.3模型构建4.3.1基准回归模型为了深入探究交通基础设施对全要素生产率的总体影响，构建如下基准回归模型：TFP_{it}=\alpha_0+\alpha_1Highway_{it}+\alpha_2Railway_{it}+\alpha_3Air_{it}+\sum_{j=1}^{5}\beta_jControl_{jit}+\mu_i+\lambda_t+\varepsilon_{it}在上述模型中，i代表省份，t代表年份，TFP_{it}为被解释变量，表示第i个省份在第t年的全要素生产率；Highway_{it}、Railway_{it}、Air_{it}是核心解释变量，分别表示第i个省份在第t年的公路里程、铁路里程和航空客运量；Control_{jit}表示控制变量，j=1,2,\cdots,5，分别对应经济发展水平、产业结构、科技创新能力、对外开放程度和人力资本水平，用以控制其他因素对全要素生产率的影响；\alpha_0为常数项，\alpha_1、\alpha_2、\alpha_3以及\beta_j为各变量的回归系数，反映了相应变量对全要素生产率的影响程度；\mu_i表示个体固定效应，用于控制各省份不随时间变化的个体异质性，如地理位置、资源禀赋等因素；\lambda_t表示时间固定效应，用来控制所有省份共同面临的随时间变化的因素，如宏观经济政策调整、技术进步等；\varepsilon_{it}为随机误差项，服从正态分布N(0,\sigma^2)，表示模型中无法被解释的随机扰动因素。通过对基准回归模型的估计，可以得到交通基础设施各指标对全要素生产率的影响系数，从而判断交通基础设施对全要素生产率的总体影响方向和程度。如果\alpha_1、\alpha_2、\alpha_3显著为正，说明公路里程、铁路里程和航空客运量的增加能够促进全要素生产率的提升；反之，如果系数显著为负，则表明交通基础设施的发展对全要素生产率产生抑制作用。各控制变量的系数\beta_j也能反映出经济发展水平、产业结构等因素对全要素生产率的影响，为进一步分析提供依据。4.3.2中介效应模型若考虑交通基础设施影响全要素生产率的中间传导机制，构建中介效应模型。以技术创新为中介变量进行示例，构建如下中介效应模型：M_{it}=\gamma_0+\gamma_1Highway_{it}+\gamma_2Railway_{it}+\gamma_3Air_{it}+\sum_{j=1}^{5}\delta_jControl_{jit}+\mu_i+\lambda_t+\omega_{it}TFP_{it}=\theta_0+\theta_1Highway_{it}+\theta_2Railway_{it}+\theta_3Air_{it}+\theta_4M_{it}+\sum_{j=1}^{5}\varphi_jControl_{jit}+\mu_i+\lambda_t+\xi_{it}在上述模型中，M_{it}表示中介变量，这里以技术创新为例，可用专利申请数量或科研成果转化金额等指标来衡量第i个省份在第t年的技术创新水平；\gamma_0、\theta_0为常数项；\gamma_1、\gamma_2、\gamma_3、\delta_j以及\theta_1、\theta_2、\theta_3、\theta_4、\varphi_j为各变量的回归系数；\mu_i和\lambda_t分别表示个体固定效应和时间固定效应；\omega_{it}和\xi_{it}为随机误差项，服从正态分布N(0,\sigma^2)。中介效应的检验通常采用逐步回归法，具体步骤如下：首先，对基准回归模型进行估计，检验\alpha_1、\alpha_2、\alpha_3是否显著，若显著，则继续下一步检验；接着，估计第一个中介效应模型，检验\gamma_1、\gamma_2、\gamma_3是否显著，若显著，说明交通基础设施对中介变量（技术创新）有影响；最后，估计第二个中介效应模型，检验\theta_4是否显著，若显著，且\theta_1、\theta_2、\theta_3的系数绝对值相比基准回归模型中有所下降，则表明存在中介效应，即交通基础设施通过技术创新这一中介变量对全要素生产率产生影响。如果\theta_4显著，而\theta_1、\theta_2、\theta_3不显著，则说明存在完全中介效应，即交通基础设施完全通过技术创新来影响全要素生产率；若\theta_4不显著，则说明不存在中介效应。通过中介效应模型的构建和检验，可以深入探究交通基础设施影响全要素生产率的内在路径，为政策制定提供更具针对性的建议。4.3.3门槛效应模型根据研究需要，为检验交通基础设施对全要素生产率影响的非线性特征，构建门槛效应模型。以经济发展水平为门槛变量，构建如下双门槛效应模型：TFP_{it}=\begin{cases}\alpha_{01}+\alpha_{11}Highway_{it}+\sum_{j=1}^{5}\beta_{j1}Control_{jit}+\mu_i+\lambda_t+\varepsilon_{it},&q_{it}\leq\gamma_1\\\alpha_{02}+\alpha_{12}Highway_{it}+\sum_{j=1}^{5}\beta_{j2}Control_{jit}+\mu_i+\lambda_t+\varepsilon_{it},&\gamma_1<q_{it}\leq\gamma_2\\\alpha_{03}+\alpha_{13}Highway_{it}+\sum_{j=1}^{5}\beta_{j3}Control_{jit}+\mu_i+\lambda_t+\varepsilon_{it},&q_{it}>\gamma_2\end{cases}在上述模型中，q_{it}表示门槛变量，这里选取经济发展水平，用各省份人均地区生产总值来衡量；\gamma_1和\gamma_2为门槛值，通过样本数据进行估计得到；\alpha_{01}、\alpha_{02}、\alpha_{03}为不同门槛区间的常数项；\alpha_{11}、\alpha_{12}、\alpha_{13}以及\beta_{j1}、\beta_{j2}、\beta_{j3}为各变量在不同门槛区间的回归系数；\mu_i和\lambda_t分别表示个体固定效应和时间固定效应；\varepsilon_{it}为随机误差项，服从正态分布N(0,\sigma^2)。门槛效应模型的估计和检验主要包括以下步骤：首先，利用面板数据进行门槛估计，通过最小化残差平方和的方法确定门槛值\gamma_1和\gamma_2；然后，对门槛效应进行显著性检验，常用的检验方法是似然比检验（LR检验），通过比较不同门槛模型的似然函数值，判断门槛效应是否显著存在；若门槛效应显著，则分析不同门槛区间内交通基础设施对全要素生产率的影响系数，判断交通基础设施对全要素生产率的影响是否存在非线性特征以及在不同经济发展水平下的影响差异。如果\alpha_{11}、\alpha_{12}、\alpha_{13}的大小和显著性存在差异，说明交通基础设施对全要素生产率的影响存在门槛效应，即随着经济发展水平的不同，交通基础设施对全要素生产率的影响程度和方向可能发生变化。门槛效应模型的构建能够更准确地揭示交通基础设施与全要素生产率之间的复杂关系，为制定差异化的交通基础设施发展政策提供理论依据。五、实证结果与分析5.1描述性统计分析在对交通基础设施与全要素生产率关系进行深入的实证分析之前，首先对所选取的变量进行描述性统计分析，以初步了解数据的基本特征和分布情况。表4展示了本研究中各变量的描述性统计结果：表4变量描述性统计变量观测值均值标准差最小值最大值全要素生产率（TFP）3721.0200.0350.9501.102公路里程（Highway，万公里）37219.8512.560.5665.28铁路里程（Railway，万公里）3720.520.380.022.34航空客运量（Air，万人次）3721685.241846.3525.4512256.34经济发展水平（GDPpercapita，万元）3725.852.861.2517.36产业结构（IndustryStructure，%）37289.656.8572.3498.65科技创新能力（R&DIntensity，%）3722.150.860.565.12对外开放程度（Openness，%）37223.5620.451.25115.65人力资本水平（HumanCapital，年）3728.951.266.5612.34从全要素生产率（TFP）来看，其均值为1.020，表明我国整体全要素生产率在研究期间呈现出一定的增长态势，但增长幅度相对较为平稳。标准差为0.035，说明各省份之间的全要素生产率存在一定差异，但差异程度相对较小。最小值为0.950，最大值为1.102，进一步反映出不同省份在全要素生产率方面存在一定的高低差距。公路里程方面，均值达到19.85万公里，标准差为12.56万公里，表明我国各省份公路里程分布差异较大。最小值仅为0.56万公里，而最大值高达65.28万公里，这种较大的差距与我国各省份的地域面积、地形地貌以及经济发展需求等因素密切相关。西部地区省份由于地域辽阔，公路建设需求大，里程数相对较高；而一些东部地区省份虽然面积较小，但经济发达，交通需求旺盛，也大力发展公路交通，使得公路里程在总体上也处于较高水平。铁路里程的均值为0.52万公里，标准差为0.38万公里，最小值为0.02万公里，最大值为2.34万公里。铁路建设受到多种因素制约，包括地理条件、经济布局以及国家铁路规划等，导致各省份铁路里程存在明显差异。东北地区和华北地区铁路网络较为密集，铁路里程相对较长，这些地区是我国重要的工业基地和交通枢纽，对铁路运输的需求较大；而一些西部地区省份由于地形复杂，铁路建设难度大，铁路里程相对较短。航空客运量均值为1685.24万人次，标准差为1846.35万人次，最小值为25.45万人次，最大值为12256.34万人次。航空客运量的差异主要受到地区经济发展水平、旅游资源、对外交流程度等因素的影响。经济发达地区和旅游热点地区，如北京、上海、广州等地，航空客运量较大，这些地区商务活动频繁，旅游业发达，吸引了大量国内外旅客；而一些经济欠发达地区和偏远地区，航空客运量相对较小。经济发展水平以人均地区生产总值衡量，均值为5.85万元，标准差为2.86万元，反映出我国各省份经济发展水平存在较大差距。东部沿海省份经济发展水平较高，人均GDP远超均值；而中西部地区部分省份经济发展相对滞后，人均GDP较低，这与我国区域经济发展不平衡的现实情况相符。产业结构方面，第二、三产业增加值之和占地区生产总值的比重均值为89.65%，说明我国整体产业结构以第二、三产业为主。但各省份之间仍存在一定差异，标准差为6.85%，一些经济发达省份产业结构更为优化，第二、三产业占比更高；而部分经济欠发达省份仍以传统农业或资源型产业为主，第二、三产业占比较低。科技创新能力以研究与试验发展（R&D）经费支出占地区生产总值的比重衡量，均值为2.15%，标准差为0.86%。北京、上海、广东等地区在科技创新方面投入较大，R&D经费支出占比远高于均值；而一些中西部地区省份由于经济实力有限，对科技创新的投入相对不足，R&D经费支出占比较低，反映出我国各省份在科技创新能力上存在明显的区域差异。对外开放程度以进出口总额占地区生产总值的比重衡量，均值为23.56%，标准差为20.45%。东部沿海省份凭借其优越的地理位置和开放政策，对外开放程度较高，进出口总额占比较大；而中西部地区省份对外开放程度相对较低，进出口总额占比较小，这也在一定程度上影响了各省份的经济发展和全要素生产率的提升。人力资本水平以人均受教育年限衡量，均值为8.95年，标准差为1.26年。东部地区省份教育资源丰富，教育投入较大，人均受教育年限相对较长；而中西部地区一些省份由于教育资源相对匮乏，人均受教育年限相对较短，这对各省份的经济发展和创新能力提升产生了重要影响。通过对各变量的描述性统计分析，可以初步了解我国各省份在交通基础设施、经济发展、产业结构、科技创新等方面的基本情况和差异，为后续的实证分析奠定基础。5.2相关性分析在进行回归分析之前，对各变量进行相关性分析，以初步判断变量之间的关系，同时检验是否存在严重的多重共线性问题，确保回归结果的准确性和可靠性。运用Stata软件对全要素生产率（TFP）、公路里程（Highway）、铁路里程（Railway）、航空客运量（Air）以及各控制变量进行皮尔逊相关性分析，得到的结果如表5所示：表5变量相关性分析变量TFPHighwayRailwayAirGDPpercapitaIndustryStructureR&DIntensityOpennessHumanCapitalTFP1.000Highway0.325**1.000Railway0.286**0.564**1.000Air0.458**0.352**0.316**1.000GDPpercapita0.682**0.415**0.378**0.564**1.000IndustryStructure0.401**0.367**0.295**0.385**0.612**1.000R&DIntensity0.524**0.336**0.308**0.426**0.725**0.486**1.000Openness0.486**0.256**0.225**0.468**0.635**0.375**0.502**1.000HumanCapital0.557**0.398**0.354**0.486**0.745**0.532**0.628**0.564**1.000注：^{**}表示在1%的水平上显著相关。从表5可以看出，全要素生产率（TFP）与公路里程（Highway）、铁路里程（Railway）、航空客运量（Ai