周申 倪何永樂

內(nèi)容提要：交通基礎設施是促進經(jīng)濟發(fā)展、縮小地區(qū)收入差距的重要手段。創(chuàng)新性地采用衛(wèi)星燈光數(shù)據(jù)構造了省內(nèi)地區(qū)收入差距指標，依托2003-2017年中國266個地級市數(shù)據(jù)，利用雙重差分法(DID)實證考察了高速鐵路的運營對省內(nèi)地區(qū)收入差距的影響效應。研究發(fā)現(xiàn)：高鐵的運營有利于縮小省域內(nèi)外圍城市與中心城市的經(jīng)濟發(fā)展差距，在進行了一系列識別性假設檢驗之后，該結論依然成立；其內(nèi)在機理在于，高鐵改善了外圍城市的市場可達性，提高了外圍城市對中心城市經(jīng)濟輻射的承接能力，從而有助于省內(nèi)收入差距的收斂；高鐵對地區(qū)收入差距的影響還會隨著城市所在城市群的發(fā)育水平而有所區(qū)別，隨著城市群發(fā)育水平的不斷提升，高鐵對地區(qū)收入差距的影響會呈現(xiàn)出先擴大后縮小的倒U型規(guī)律。結論為高鐵改善經(jīng)濟福利提供了相關證據(jù)，同時也為促進地區(qū)間的平衡發(fā)展提供了有益啟示。

一、引 言

改革開放40多年以來，中國經(jīng)濟實現(xiàn)了舉世矚目的高速增長。然而在這高增長的背后，各省區(qū)內(nèi)部也存在著較為嚴峻的貧富差距問題，以經(jīng)濟體量最大的廣東省為例，2019年廣東省GDP排名第一的深圳市高達26927億元，而最后一名的云浮市僅有921億元，兩者相差了29倍。不僅如此，現(xiàn)有研究還表明省內(nèi)收入差距是中國居民收入差距的主要來源，這一比例達到了74%(周云波等，2010)。然而，目前國內(nèi)學者針對中國地區(qū)間收入差距的研究主要聚焦在區(qū)域間的發(fā)展不平衡和省際收入差距，卻鮮有文獻針對省區(qū)內(nèi)部地區(qū)之間的收入差距進行研究。事實上，嚴峻的省內(nèi)貧富差距問題一方面會抑制消費需求的拉動，制約中國宏觀經(jīng)濟的可持續(xù)性增長。另一方面，省內(nèi)收入差距還會對居民造成比省際收入差距更大的心理沖擊(馮雪，2013)，導致中低收入群體產(chǎn)生消極的“相對剝奪感”(馬萬超等，2018)，從而對社會的長期穩(wěn)定帶來負面影響。在此背景下，如何尋找解決辦法縮小這一差距，讓所有人民群眾共享改革發(fā)展的成果，是中國實現(xiàn)社會主義和諧社會以及“雙循環(huán)”新發(fā)展格局目標所面臨的一個重大挑戰(zhàn)。

現(xiàn)有研究已經(jīng)普遍表明，交通基礎設施的建設是打破地理障礙和促進要素流動的關鍵所在，可以幫助中心城市的各種資源向發(fā)展落后的城市擴散，帶動外圍城市的工業(yè)化和經(jīng)濟增長，從而縮小區(qū)域經(jīng)濟差距(Donaldson，2018)。各國歷史的發(fā)展經(jīng)驗也表明，交通基礎設施的完善是促進落后地區(qū)對發(fā)達地區(qū)經(jīng)濟趕超的重要方式(劉秉鐮等，2010)。因此，交通運輸部在2015年發(fā)布了《“十三五”交通扶貧規(guī)劃》，明確將交通扶貧與緩解地區(qū)收入差距確定為中國政府當下重要的攻堅任務。近年來，中國的高速鐵路(以下簡稱“高鐵”)的發(fā)展令人矚目。截至2020年12月，中國高鐵的運營里程數(shù)累計達到了3.79萬公里，位居世界第一，覆蓋了全國80%以上的地級市。相比于傳統(tǒng)普通鐵路和公路，高鐵具有載客量大、速度快、準點率高、安全性好等優(yōu)勢，而相比于主要目的在于連接大城市的航空運輸而言，網(wǎng)絡化的高鐵線路則高密度地連通了大城市與中小城市以及一些偏遠的縣城(1)中國在中西部地區(qū)建設高鐵時并不完全按照“最短路徑”原則，這些地區(qū)的高鐵建設會經(jīng)過更多的中小城市與偏遠的縣城，例如江西省內(nèi)修建的昌贛高鐵為照顧革命老區(qū)繞行至了興國縣，西藏自治區(qū)的拉林高鐵選擇了里程更遠施工難度系數(shù)更高的南線方案。，更有可能對落后地區(qū)的經(jīng)濟增長和區(qū)域經(jīng)濟發(fā)展格局產(chǎn)生廣泛而深遠的影響。然而遺憾的是，國內(nèi)現(xiàn)有研究大多集中于討論高鐵對經(jīng)濟增長的影響，而鮮有文獻涉及高鐵對地區(qū)間收入差距特別是對省內(nèi)地區(qū)間的收入差距的影響。鑒于此，本文將對此作重點關注，實證檢驗高鐵的開通是否緩解了省內(nèi)地區(qū)收入差距，并深入探究其內(nèi)在的作用機制，是對現(xiàn)有文獻的有益補充，同時也可以為制定地區(qū)平衡發(fā)展戰(zhàn)略提供有益啟示，具有重要的現(xiàn)實意義。

開展該研究面臨的第一個問題是，如何較為科學地測度地區(qū)收入差距?，F(xiàn)有文獻多利用GDP統(tǒng)計數(shù)據(jù)構造地區(qū)收入差距的指標，然而相關研究指出，人工統(tǒng)計的經(jīng)濟增長數(shù)據(jù)存在著非客觀和非真實的可能性，比如各地統(tǒng)計口徑不一、抽樣誤差、地區(qū)價格水平差異和數(shù)據(jù)造假等問題(徐康寧等，2015)，導致地區(qū)間的經(jīng)濟數(shù)據(jù)缺乏可比性，而地區(qū)間經(jīng)濟增長數(shù)據(jù)的可比性對于收入差距的研究尤其重要(Henderson等，2012)?，F(xiàn)有研究已表明一個國家或地區(qū)的夜間燈光亮度與其經(jīng)濟活動存在明顯的相關性，可以很好地作為地區(qū)收入的替代指標(Henderson等，2012)。并且，由于衛(wèi)星燈光不會受地區(qū)間價格因素的困擾，可以使地區(qū)之間的數(shù)據(jù)更具有可比性(范子英等，2016)。因此，本文采用了當前國際上流行的衛(wèi)星燈光數(shù)據(jù)(以下簡稱燈光數(shù)據(jù))構造了地區(qū)收入差距指標。具體而言，借鑒Griffith等(2004)衡量地區(qū)技術差距的構造方法，以地區(qū)間的相對亮度差距作為衡量地區(qū)間收入差距的指標，相比于利用傳統(tǒng)GDP統(tǒng)計數(shù)據(jù)所構造的指標更加客觀，可以有效避免人為因素的干擾。除此之外，衛(wèi)星燈光數(shù)據(jù)的優(yōu)勢還表現(xiàn)在，衛(wèi)星燈光數(shù)據(jù)不僅包括由GDP測算的市場經(jīng)濟的商品和服務，同時也包括非市場提供的商品和服務的價值量，可以更為準確地揭示地區(qū)經(jīng)濟發(fā)展水平(Sutton和Costanza，2002)。

實證估計交通基礎設施對地區(qū)收入差距的影響面臨的另一個問題是，高鐵路徑規(guī)劃和站點的選取往往與當?shù)亟?jīng)濟發(fā)展水平密切相關，經(jīng)濟發(fā)達的城市往往擁有更多的話語權，越有可能修建高鐵，從而導致交通基礎設施與經(jīng)濟發(fā)展之間存在互為因果的內(nèi)生性問題。為解決這種普遍存在的內(nèi)生性問題，借鑒Chandra和Thompson(2000)的做法，通過剔除高鐵規(guī)劃中明確規(guī)定必須經(jīng)過的中心城市，只保留高鐵線路上的非節(jié)點城市(2)該方法被Chandra和Thompson(2000)稱為“inconsequential place”法，可以翻譯為“微不足道的地區(qū)”法或“(線路規(guī)劃)無決定權的地區(qū)”法。。使用該方法的原理在于，雖然中心城市在經(jīng)濟發(fā)展中的戰(zhàn)略地位可能會影響高鐵網(wǎng)絡規(guī)劃，但其余的非節(jié)點城市無法在中央政府未做出高鐵建設規(guī)劃的前提下決定本地是否修建高鐵(張俊，2017)。非節(jié)點城市是否能修建高鐵更多地取決于其地理位置是否位于中心城市之間的連接線上，其本身的經(jīng)濟發(fā)展水平并不能決定高鐵是否經(jīng)過。因此，可將這些非節(jié)點城市的高鐵修建看成一次外生性的政策沖擊(張克中和陶東杰，2016)，進而利用雙重差分法(DID)進行估計，可以在很大程度上避免反向因果帶來的內(nèi)生性問題。

基于以上考慮，本文首先采用衛(wèi)星燈光數(shù)據(jù)構造了地區(qū)收入差距指標，并依托2003-2017年中國266個地級市的數(shù)據(jù)，采用雙重差分法實證考察了高速鐵路對省內(nèi)地區(qū)收入差距的影響效應。其次，利用傾向得分匹配法(PSM)為處理組選擇更為相似的控制組，對實證結果的穩(wěn)健性進行了檢驗。最后，參考Donaldson和Hornbeck(2016)的方法，通過計算地級市層面的市場可達性指標，利用中介效應模型對高鐵影響地區(qū)收入差距的機制進行了驗證。本文有可能在以下幾個方面拓展已有的研究：① 指標測算上，為了克服統(tǒng)計數(shù)據(jù)的缺陷，選擇采用衛(wèi)星燈光數(shù)據(jù)來構造地區(qū)收入差距的指標，可以有效避免人為因素的干擾，使地區(qū)之間的數(shù)據(jù)更具有可比性，從而更準確地測度地區(qū)收入差距。② 研究視角上，現(xiàn)有文獻的焦點主要集中于討論高鐵與經(jīng)濟增長的關系，而忽視了高鐵對省內(nèi)地區(qū)收入差距的影響。本文將對此作重點關注，對“高鐵是否降低了省內(nèi)地區(qū)收入差距”作出明確回答，是對現(xiàn)有文獻的有益補充，也可以為促進地區(qū)間的平衡發(fā)展提供有益啟示。③ 在理論分析上，本文不僅從影響機制的層面深入挖掘了高鐵與地區(qū)收入差距之間的內(nèi)在聯(lián)系，還進一步探討了城市群發(fā)育水平對此影響的調(diào)節(jié)效應，并對此調(diào)節(jié)效應進行了實證檢驗。研究發(fā)現(xiàn)，隨著城市群發(fā)育程度的不斷提升，高鐵對地區(qū)收入差距呈現(xiàn)出先擴大后縮小的倒U型影響，這對相關領域的理論研究具有一定的創(chuàng)新和補充意義。④ 研究方法上，借鑒Chandra和Thompson(2000)的做法，保留對高鐵線路規(guī)劃不起決定性作用的非節(jié)點城市，從而可以將這些地區(qū)的高鐵開通看成外生的政策沖擊，進而利用雙重差分法識別高鐵對省內(nèi)地區(qū)收入差距的影響，較好地避免了現(xiàn)有基礎設施研究中所面臨的內(nèi)生性問題。

本文其余部分的內(nèi)容安排如下：第二部分為理論分析與研究假說，第三部分是數(shù)據(jù)的說明、實證策略以及變量的測算，第四部分是計量結果、相關的識別假設檢驗以及城市群發(fā)育水平的調(diào)節(jié)效應檢驗，第五部分是高鐵與省內(nèi)地區(qū)收入差距的作用機制檢驗，第六部分是基于城市異質性的拓展性分析，最后為文章的主要結論以及政策建議。

二、 理論分析與研究假說

從理論上看，高鐵等交通基礎設施的發(fā)展對省內(nèi)地區(qū)收入差距的影響并不確定。一方面，高鐵可以通過改善外圍地區(qū)的可達性從而導致中心區(qū)域經(jīng)濟的擴散(Vickerman等，2015)，縮小地區(qū)收入差距。具體而言，高鐵的運營直接增加了沿線站點所在地區(qū)的交通運輸方式的選擇，壓縮外圍城市與中心城市之間的時空距離，從而提升外圍城市的市場可達性(Ahlfeldt和Feddersen，2010)。而可達性的提升會降低中心城市技術溢出、產(chǎn)業(yè)外移以及信息溝通的成本(Charnoz等，2018)，提高落后地區(qū)對發(fā)達地區(qū)經(jīng)濟輻射的承接能力，使落后地區(qū)可以更好地吸收來自發(fā)達地區(qū)的“擴散效應”，從而加快外圍城市的產(chǎn)業(yè)升級和集聚速度(王群勇和王西貝，2021)，縮小與中心城市的發(fā)展差距?，F(xiàn)有相關文獻也支持了高鐵所帶來的可達性提升可以促進中心城市的資本、勞動、知識技術等資源向外圍城市擴散的結論(馬光榮等，2020)。特別地，考慮到高速鐵路在1000 km距離以內(nèi)的省內(nèi)運輸具有絕對的時間優(yōu)勢(3)鮑晶晶等(2021)的研究指出，在300 km/h運營速度下，運距在1000 km以內(nèi)，高速鐵路在客運市場占有絕對優(yōu)勢，隨著運距增大，高速鐵路市場份額隨之降低，而民航市場份額則隨之增加。(鮑晶晶等，2021)。相比于省際收入差距，高鐵更有可能對省內(nèi)收入差距存在更大的影響。但另一方面，高鐵在引發(fā)要素在空間上的擴散的同時也可能存在“虹吸效應”。中心城市由于其長期積累的先發(fā)優(yōu)勢和廣闊的消費市場，對流動勞動力和資本存在較強的競爭力和吸引力，而高鐵為生產(chǎn)要素的流動提供了更加便利的渠道和途徑，在“用腳投票”機制的作用下，人口和資源會向中心大都市流動，形成“中心-外圍”的二元經(jīng)濟格局，從而擴大了地區(qū)間收入差距(Krugman，1991)。相關文獻包括張克中和陶東杰(2016)、唐宜紅等(2019)等均證實了“虹吸效應”的影響。以上分析表明，無論是虹吸效應還是擴散效應，都是客觀存在的。高鐵是否有利于縮小地區(qū)收入差距，則取決于高鐵引致的虹吸效應和擴散效應的相對大小。因此，提出以下競爭性的假說：

假說1a：高鐵的運營可以提高外圍城市的市場可達性，使其更好地吸收來自于中心城市的“擴散效應”，從而縮小其與中心城市的收入差距。

假說1b：高鐵的運營會促使經(jīng)濟要素(人才、資金、信息等)由外圍城市向中心城市轉移，從而產(chǎn)生“虹吸效應”，擴大地區(qū)間收入差距。

高鐵對地區(qū)收入差距的影響還可能隨著城市處于不同發(fā)展階段的城市群而有所不同。一般而言，在城市群發(fā)展初期，由于中心區(qū)域存在更高的生產(chǎn)率，外圍區(qū)域生產(chǎn)要素會迅速向中心區(qū)域進行流動(Krugman，1991)，中心區(qū)域微弱的“擴散效應”不足以抵消巨大的“虹吸效應”。此時，“虹吸效應”占據(jù)了主導地位(陳棟生，1993)，而高鐵的運營為生產(chǎn)要素的流動提供了更加便利的渠道，會放大這種凈的“虹吸效應”，導致地區(qū)收入差距進一步擴大。伴隨著生產(chǎn)要素在中心區(qū)域的不斷集中，城市群發(fā)展逐漸進入成熟期，要素的邊際產(chǎn)出和邊際報酬均會出現(xiàn)遞減的趨勢。同時，囿于土地成本、環(huán)境資源及政策因素的限制，中心城市的承載力逐步達到瓶頸，生產(chǎn)要素向中心地區(qū)的流入速度逐漸放緩。并且，過度集聚所導致的交通擁堵、房價高企、污染嚴重等問題也會進一步限制要素的流入，“虹吸效應”會逐步開始減弱。而外圍地區(qū)的交通基礎設施的不斷完善，會導致各類生產(chǎn)要素由中心區(qū)域向外圍區(qū)域流動，使“擴散效應”逐漸占據(jù)主導地位，導致地區(qū)收入差距縮小(方創(chuàng)琳，2011)。據(jù)此，提出以下待檢驗假說：

假說2：高鐵對地區(qū)收入差距的影響可能隨著城市所在城市群發(fā)育程度有所區(qū)別。隨著城市群發(fā)育程度的不斷提升，高鐵對地區(qū)收入差距的影響會呈現(xiàn)出先擴大后縮小的倒U型趨勢。

三、 數(shù)據(jù)與實證策略

1. 研究設計

本文借鑒Chandra和Thompson(2000)的做法，剔除高鐵規(guī)劃中明確規(guī)定必須經(jīng)過的中心城市。根據(jù)《中長期鐵路網(wǎng)規(guī)劃》，這些城市包括“四縱四橫”線路上的28個節(jié)點城市，主要包含各省的省會城市、副省級城市以及直轄市。此外，為了避免其他區(qū)域中心城市對實證結果的干擾，我們還在樣本中剔除了“一線城市”(4)一線城市主要包括北京、上海、廣州、深圳。和“新一線城市”(5)根據(jù)新一線城市研究所公布的《2020城市商業(yè)魅力排行榜》，新一線城市包括成都、重慶、杭州、武漢、西安、天津、蘇州、南京、鄭州、長沙、東莞、沈陽、青島、合肥、佛山。，最終只保留對高鐵建設規(guī)劃不起決定性作用的非節(jié)點城市，從而可以將這些城市的高鐵開通看作一種外生的政策沖擊，進而采用雙重差分模型展開效應評估。由于各城市開通高鐵的年份并不相同，因此需設定政策時點不同的多期DID模型(6)多期DID模型也被稱為異時DID模型。展開分析。本文所構建的多期DID模型設定如下：

Rlightict=β0+β1HSRict+β2Xict+μt+μc+εct

(1)

其中，Rlightict代表i省份c城市第t年的相對亮度差距，我們用該指標衡量省內(nèi)地區(qū)間收入差距。主要解釋變量為高鐵開通(HSR)的虛擬變量，若c城市在t年開通高鐵，則HSR取1，否則取0。考慮到高鐵開通的影響可能存在一定的滯后，將上半年(6月30日之前)開通高鐵定義為當年開通，而下半年開通高鐵，則定義下一年為開通年份。β1為核心解釋變量的估計系數(shù)，若系數(shù)β1為正，則說明高鐵開通會擴大省內(nèi)地區(qū)收入差距，反之縮小省內(nèi)地區(qū)收入差距。μc代表城市固定效應，μt代表年份固定效應，εc t為隨機擾動項。Xict為影響地區(qū)收入差距的控制變量，在下文的指標測算中會具體說明。

2. 指標測算

(1) 相對亮度差距。為了克服統(tǒng)計數(shù)據(jù)的缺陷，本文嘗試利用燈光數(shù)據(jù)構造出反映省區(qū)內(nèi)部城市之間收入差距的指標。具體而言，借鑒Griffith等(2004)提出的以前沿地區(qū)TFP與非前沿地區(qū)TFP的比例衡量地區(qū)技術差距的方法。依托中國各地級市燈光數(shù)據(jù)，選擇各省份樣本期間(2003-2017)平均亮度最高的城市作為省域中心城市(7)考慮到存在較多的省會城市并不是該省經(jīng)濟體量最大的城市，因此我們并未直接選擇省會城市作為經(jīng)濟中心城市。，并以省域中心城市與省域內(nèi)其他城市的亮度比值對數(shù)作為衡量省內(nèi)地區(qū)間收入差距的指標。相對亮度差距越大，則該地級市與其所在省區(qū)的中心城市的收入差距越大。相對亮度差距(Rlight)的計算公式如下：

(2)

表1 各省份的平均亮度最高城市

本文利用STATA 15.1軟件制作空間分位圖，從而更加直觀地將各省市地區(qū)的收入差異的分布情況呈現(xiàn)出來。圖1呈現(xiàn)了以相對亮度差距進行衡量的2017年中國各省的地區(qū)收入差距的空間分位圖，顏色越深，代表該地級市與其所在省份中心城市的收入差距越大。

整體來看，省內(nèi)各地級市之間的經(jīng)濟發(fā)展差距呈現(xiàn)出明顯的“中心-外圍”經(jīng)濟分布模式，隨著離省區(qū)中心城市地理距離的增加，各城市地區(qū)收入差距呈階梯狀依次升高。以廣東省為例(圖1第二排第三列)，與深圳市地理距離較近的東莞、中山、廣州、珠海、汕頭、佛山等市與深圳市的收入差距較小(在分位圖中表現(xiàn)為顏色較淺)。而與深圳市地理距離較遠的陽江、清遠、云浮、河源、韶關、梅州等市則與深圳市的收入差距較大(在分位圖中表現(xiàn)為顏色較深)。其他省份例如河南、安徽、吉林、浙江、福建、云南、江西、江蘇等也遵循著類似的規(guī)律。即與中心城市空間距離較近的地級市，其所受到中心城市經(jīng)濟輻射較強，地區(qū)收入差距較小；反之，離中心城市較遠的地級市，其所受到中心城市經(jīng)濟輻射較弱，導致其收入差距較大。這說明中心城市的經(jīng)濟活動對周邊地區(qū)存在明顯的溢出效應，而這種溢出效應會隨著地理距離的增加而逐漸減弱，導致外圍城市與中心城市的收入差距隨著地理距離的增加而逐漸拉大。從而可以預期，當高鐵開通后，外圍城市與中心城市的時空距離將會被壓縮，外圍城市可以更好地吸收來自中心城市的溢出效應，收入差距有可能會縮小。

(2) 控制變量。為了避免遺漏其他因素而造成估計結果的偏誤，本文選擇如下控制變量：財政支出(intervention)，采用政府財政支出占GDP的比重表示；外商直接投資(FDI)，以實際利用外商直接投資額占GDP的比重來表示地區(qū)的外資流入程度；物質資本投入(investment)，以固定資產(chǎn)投資占GDP的比重來反映地區(qū)的物質資本投入；產(chǎn)業(yè)結構(industry)，使用第三產(chǎn)業(yè)就業(yè)人數(shù)占總就業(yè)人數(shù)的比重來度量；人力資本水平(edu)，以平均受教育年限(8)平均受教育年限=(普通小學在校學生數(shù)×6+普通中學在校學生數(shù)×10.5+普通高等學校在校學生人數(shù)×16)/學生總人數(shù)。來衡量各地區(qū)的人力資本水平；城鎮(zhèn)化率(urban)，采用城鎮(zhèn)人口占總人口的比重對城市的城鎮(zhèn)化率進行衡量；技術水平(tech)，選取專利申請授權量的對數(shù)值衡量地區(qū)的技術水平。各控制變量的數(shù)據(jù)主要來自于《中國城市統(tǒng)計年鑒》和《中國區(qū)域經(jīng)濟統(tǒng)計年鑒》，時間范圍為2003-2017年。限于篇幅，描述性統(tǒng)計備索。

3. 數(shù)據(jù)來源

(1) 衛(wèi)星燈光數(shù)據(jù)。本文所使用的燈光數(shù)據(jù)是由美國國家海洋和大氣管理局(NOAA)官網(wǎng)(9)https:∥ngdc.noaa.gov/eog/archive.html。所公布的2003-2017年的DMSP-OLS(10)DMSP-OLS數(shù)據(jù)指的是美國國防氣象衛(wèi)星計劃衛(wèi)星(Defense Meteorological Satellite Program，DMSP)攜帶OLS(Operational Linescan System)傳感器所采集的燈光數(shù)據(jù)。和NPP-VIIRS(11)NPP-VIIRS數(shù)據(jù)指的是國家軌道衛(wèi)星系統(tǒng)(National Polar-orbiting Partnership，NPP)上所搭載的可見光紅外成像輻射儀(Visible Infrared Imaging Radiometer，VIIRS)所采集的燈光數(shù)據(jù)。兩套燈光數(shù)據(jù)。其中，2003-2013年使用的是DMSP-OLS監(jiān)測得到的數(shù)據(jù)，2014-2017年的燈光數(shù)據(jù)來自NPP-VIIRS監(jiān)測的數(shù)據(jù)。OLS傳感器以及VIIRS傳感器可以探測到城市燈光、車流等發(fā)出的低強度燈光，并且消除了夜間云層、短暫火光、極光、閃電等偶然因素的影響(張俊，2017)。夜間燈光作為人類活動的表征，是地區(qū)經(jīng)濟活動監(jiān)測研究的良好數(shù)據(jù)來源，已有的一系列研究也都證實了衛(wèi)星燈光數(shù)據(jù)的可靠性，例如Henderson等(2012)、徐康寧等(2015)等。但原始數(shù)據(jù)可能會出現(xiàn)同一年份兩顆衛(wèi)星觀測到的數(shù)據(jù)差異較大等問題，因此不可直接用于實際分析。為了獲得更為精確的燈光數(shù)據(jù)，有必要對原始數(shù)據(jù)進行相關處理和校正。我們參考范子英等(2016)的方法對原始數(shù)據(jù)進行了校準，主要包括柵格的內(nèi)部校準(inter-calibration)、同年度合成(intra-annual composition)、不同年份時間序列修正(inter-annual series correction)，具體過程參見范子英等(2016)的研究。最后，由于DMSP-OLS和NPP-VIIRS兩套燈光數(shù)據(jù)所采用的統(tǒng)計量綱并不相同，我們還對兩組數(shù)據(jù)的量綱進行統(tǒng)一。

(2) 高鐵開通數(shù)據(jù)。本文各城市高鐵車站站點信息(12)由于研究的是地級市層面，在一個地級市范圍內(nèi)的所有停靠站點均統(tǒng)計在這一城市名下。主要來源于高鐵網(wǎng)(www.gaotie.com)和中國鐵路客戶服務中心網(wǎng)站(www.12306.cn)。高鐵線路開通的時間信息主要來自《中國鐵道年鑒》、中國鐵路總公司網(wǎng)站以及國家鐵路管理局等新聞報道的文本信息資料。鑒于2003年通車的“秦沈客運專線”運營時速只有160公里，并非真正意義上的高鐵，因此本文未將其納入高鐵線路范圍，而是將開通于2008年的京津城際鐵路認作為中國第一條高鐵。

四、 計量結果及分析

本節(jié)首先報告了雙重差分法的基準回歸結果，然后對雙重差分法的一系列識別假設進行檢驗，接著利用傾向得分匹配-雙重差分法(PSM-DID)進行穩(wěn)健性檢驗，最后對城市群發(fā)育水平的調(diào)節(jié)效應進行檢驗。

1. 基準回歸結果分析

根據(jù)計量模型(1)式的設定和雙重差分法的識別框架，本文在基準回歸部分以逐步加入控制變量的方式驗證回歸結果的穩(wěn)健性，表2給出了基準回歸結果。其中，表2第(1)列只用核心解釋變量高鐵開通(HSR)進行回歸，并控制了城市固定效應和年份固定效應。第(2)列在第(1)列的基礎上加入財政支出(intervention)、產(chǎn)業(yè)結構(industry)、技術水平(tech)三個控制變量。第(3)列在第(2)列的基礎上進一步控制了外商直接投資(FDI)、人力資本水平(edu)。第(4)列控制了全部的城市特征變量。觀察這4列估計結果，可以發(fā)現(xiàn)核心解釋變量高鐵開通(HSR)的系數(shù)符號均為負，且回歸系數(shù)均在1%的水平上顯著，說明高鐵開通會顯著降低省內(nèi)城市間的收入差距。從第(4)列的估計系數(shù)大小看，高鐵開通會導致省內(nèi)地區(qū)收入差距降低0.056，并且其他三個模型的估計系數(shù)大小與之較為接近，基本結論未發(fā)生變化，回歸結果較為穩(wěn)健。因此，可以初步得出高鐵開通降低省內(nèi)地區(qū)收入差距的結論，然而對這一結論的真實性還需要進一步對雙重差分法的各種識別假設進行檢驗。

表2 基準回歸結果

2. 識別假設檢驗

為了確保估計結果的有效性，本文接下來對雙重差分法的識別假設進行檢驗。

(1) 平行趨勢假設檢驗：事件分析法。雙重差分法的有效性依賴于樣本的平行趨勢假定，下面參考唐宜紅等(2019)的做法，采用事件分析法來檢驗平行趨勢假設是否得到滿足。在方程(1)的基礎上進一步加入了高鐵開通(HSR)的提前項和滯后項：

(3)

其中，F(xiàn)irstHSRic,t是一個虛擬變量，表示i省份c城市在t年是否為第一次開通高鐵，F(xiàn)irstHSRic,t-m表示第m期的提前項，F(xiàn)irstHSRic,t+n表示第n期的滯后項。提前項是為了檢驗高鐵開通前的效應，用于驗證平行假設，滯后項用于識別高鐵開通后相對亮度差距的變化。圖2呈現(xiàn)的是開通高鐵對相對亮度差距的事件分析結果?？梢园l(fā)現(xiàn)，在高鐵開通前，處理組和對照組的相對亮度差距不存在顯著差異，而開通高鐵后，處理組和對照組的相對亮度差距產(chǎn)生了顯著的差別，并且處理組的相對亮度差距顯著低于對照組。因此，本文所選取的處理組和對照組滿足平行趨勢假設，也進一步驗證了高鐵開通降低收入差距的結論。

(2) 排除不可控因素的影響：安慰劑檢驗。關于雙重差分法識別假設的另一個擔憂是其他不可觀測的城市差異會對估計結果產(chǎn)生干擾。雖然在回歸模型(1)式中已經(jīng)盡量控制了大量表征城市特征差異的變量，并控制了城市的固定效應，不過受數(shù)據(jù)所限，某些城市特征是目前無法觀測的(周茂等，2016)。對于這一潛在的遺漏變量問題，本文借鑒周茂等(2016)的做法，以安慰劑檢驗的方式就該問題進行間接驗證。具體而言，為了讓高鐵對特定城市的沖擊變得隨機，在266個地級市中隨機抽取30%的城市作為處理組城市，并且在2003-2017年期間隨機抽取某一年份作為高鐵開通的政策沖擊年份，重新對模型(1)進行回歸以得到估計系數(shù)。最后利用蒙特卡洛模擬重復上述步驟500次，并將所得系數(shù)的分布情況繪制在圖3。根據(jù)圖中估計系數(shù)的分布特征來看，500次蒙特卡洛模擬所得的估計系數(shù)均小于使用真實數(shù)據(jù)所得的估計系數(shù)，并呈現(xiàn)以0為中心的正態(tài)分布。由此，可以認為基準回歸結果并不是由其他不可觀測的偶然因素所引起的。

3. 穩(wěn)健性檢驗

為了檢驗實證分析的穩(wěn)健性，本文進一步利用傾向得分匹配法(Propensity Score Matching，PSM)為處理組(樣本期間已開通高鐵的城市)選擇盡可能相似的“非高鐵城市”作為對照組，以降低遺漏變量所導致的選擇性偏誤(Heckman等，1998)。具體而言，參考張俊(2017)的方法，選取技術水平(tech)、產(chǎn)業(yè)結構(industry)、財政支出(intervention)、人力資本水平(edu)、外商直接投資(FDI)、城鎮(zhèn)化率(urban)以及物質資本投入(investment)作為匹配變量，利用logit模型對所有的匹配變量進行回歸，進而估計出每一個城市開通高鐵的傾向得分。然后，對于每一個實際開通高鐵的城市，采用最近鄰匹配法(Nearest Neighbor Matching)從那些未開通高鐵的城市中挑選出與其傾向得分最相近的城市作為對照組。由于各城市開通高鐵的年份不同，在匹配過程中，按照政策發(fā)生年份進行逐年匹配?？紤]到不同配對比率會影響最終回歸的樣本大小以及匹配的質量，分別根據(jù)1∶1、1∶2、1∶3和1∶4的配對比率來選擇對照組。在獲得傾向得分匹配的對照組樣本后，對各匹配變量進行了平衡性檢驗(13)限于篇幅，未列示平衡性檢驗結果，備索。。檢驗結果顯示，在匹配后，所有變量的標準偏差大幅度降低，對照組與處理組的標準偏差(bias)絕對值均小于20%。依據(jù)Rosenbaum和Rubin(1985)所給出的經(jīng)驗標準，當標準偏差小于20%時，匹配過程被認為是有效的。最后，利用匹配后所得樣本重新對計量方程(1)進行估計，表3報告了具體的回歸結果。可以發(fā)現(xiàn)，不同配對比例下高鐵開通(HSR)系數(shù)的符號和顯著性水平較基準回歸沒有發(fā)生實質性的變化，說明潛在的樣本選擇問題并沒有導致估計結果的偏誤，表明了本文的核心結論具有較好的穩(wěn)健性和有效性。

表3 不同配對比例的PSM+DID回歸結果

4. 城市群發(fā)育水平的調(diào)節(jié)效應檢驗

為了驗證高鐵對地區(qū)收入差距的影響是否隨著城市群發(fā)育程度不斷提升呈現(xiàn)先擴大后縮小的倒U型規(guī)律，在基準模型的基礎上引入城市群發(fā)育水平、城市群發(fā)育水平的平方項以及其與高鐵開通的交互項，得到如下模型：

Rlightict=η0+η1HSRict+η2HSRict×

μt+μc+εct

(4)

表4 城市群發(fā)育水平的調(diào)節(jié)效應

五、 作用機制檢驗

前文的基準回歸發(fā)現(xiàn)，高鐵的運營會降低省內(nèi)地區(qū)收入差距。根據(jù)本文的理論機制分析可知，高鐵建設可以提升外圍城市的市場可達性，使其更加便利地吸收來自于省域中心城市的“溢出效應”，從而縮小中心和外圍區(qū)域之間的經(jīng)濟發(fā)展差距。因此，本文認為地區(qū)可達性在高鐵和地區(qū)收入差距之間起到了中介傳導作用。可達性的概念由Hansen(1959)首次提出，指的是某一給定區(qū)位到達活動地點的便利程度。一個城市的市場可達性，可以通過這個城市與其他城市之間的最短運輸時間的加權平均之和來表示，其中權重為各個城市的經(jīng)濟體量(劉沖等，2020)。結合可達性的定義，參考Donaldson和Hornbeck(2016)以及唐宜紅等(2019)的做法，采用如下公式計算城市-年份層面地區(qū)可達性，以捕捉開通高鐵后地區(qū)間便利程度的改善：

(5)

其中，MAc,t表示城市c第t年的市場可達性，τcd,t表示城市c與城市d之間在t年的交通成本，借鑒劉沖等(2020)的做法，采用最小通勤時間來衡量(14)通勤時間的計算過程為，首先由Arc-GIS 10.2計算兩城市之間的地理距離。然后，根據(jù)國家道路交通規(guī)范，對于不同的交通方式設置不同的速度，其中傳統(tǒng)道路或慢速鐵路的速度為60 km/h，高速公路的速度為100 km/h，高鐵的速度為250 km/h。最后，根據(jù)兩城市之間的地理距離以及不同交通方式的平均速度，即可以得到兩地最小的通勤時間?？紤]到民航僅在大城市之間有較為密集的航班(馬光榮，2020)，而本文的研究對象為高鐵沿線的中小城市，因此在計算地區(qū)可達性時并未將民航考慮在內(nèi)。。Nd為城市d的市場規(guī)模，為了避免城市規(guī)模變化引起的內(nèi)生性，采用樣本初始年份(2003年)的GDP進行衡量。θ為貿(mào)易彈性系數(shù)(trade elasticity)，借鑒Donaldson和Hornbeck(2016)，設為3.8。為了驗證高鐵開通影響地區(qū)收入差距的中間機制，在Hayes(2009)提出的中介效應機制模型的基礎上，構建如下市場可達性的中介效應評估遞歸模型:

Rlighti ct=β0+β1HSRict+β2Xi ct+μt+μc+εc t

(6)

lnMAi ct=α0+α1HSRi ct+α2Xi ct+μt+μc+εct

(7)

Rlighti ct=γ0+γ1HSRi ct+γ2lnMAi ct+γ3Xict+μt+μc+εc t

(8)

其中，lnMAict表示i省c城市在第t年的市場可達性的對數(shù)值，其余變量的含義與式(1)相同。表5報告了中介效應檢驗的回歸結果，列(1)～(3)分別報告了公式(6)～(8)的回歸結果。其中第(1)列和基準結果所得結論一致，不再贅述。表5第(2)列展示了高鐵開通對于市場可達性的影響，估計系數(shù)在1%的水平上顯著為正，表明高鐵開通提高了外圍地區(qū)的市場可達性，該結果和唐宜紅等(2019)所得結果一致。其內(nèi)在機理在于高鐵開通增加了地區(qū)交通方式的選擇，壓縮了時空距離，使地區(qū)間人員流動、信息交流更加便利，從而提高了地區(qū)的可達性。表5第(3)列展示了市場可達性對于地區(qū)收入差距的影響，估計系數(shù)在1%的水平上顯著為負，表明外圍地區(qū)市場可達性的提高可以更好地實現(xiàn)省域經(jīng)濟發(fā)展的收斂，符合理論上的預期。第(3)列還顯示，當將高鐵開通和市場可達性同時納入模型時，高鐵開通的影響系數(shù)有所減小，說明高鐵開通對地區(qū)收入差距的影響已經(jīng)部分被中介變量所取代，通過計算，我們發(fā)現(xiàn)中介效應占總效應的百分比為13%，同時結合Sobel檢驗等中介效應檢驗的結果，可以判定存在比較顯著的中介效應。綜上所述，高鐵運營可以通過改善外圍地區(qū)的市場可達性進而導致省域經(jīng)濟發(fā)展的收斂，假說1a得到驗證。

表5 中介效應估計結果

六、 拓展性分析

1. 不同地理區(qū)位城市回歸結果

考慮到中國不同地理區(qū)位城市的經(jīng)濟發(fā)展水平差異較大，高鐵線路開通對不同地理區(qū)位城市可能存在差異性的影響。我們將樣本劃分為東、中和西部地區(qū)城市(15)東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南；中部地區(qū)包括山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南；西部地區(qū)包括內(nèi)蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆。，并對不同地區(qū)城市樣本分別進行回歸。不同地區(qū)的回歸結果如表6的Panel A所示。結果顯示，東、中、西三大區(qū)域高鐵開通的系數(shù)均顯著為負，與總體回歸結果基本一致。從系數(shù)大小來看，高鐵緩解東部城市收入差距的影響最大，中部地區(qū)次之，西部地區(qū)影響最小。其中緣由可能在于不同地區(qū)的城市群處于不同的發(fā)展階段，導致不同地區(qū)外圍城市所受到的溢出效應強度存在差異。東部地區(qū)作為改革開放和經(jīng)濟發(fā)展的前沿示范區(qū)，擁有靠近海岸線的先天優(yōu)勢，在對外貿(mào)易和經(jīng)濟發(fā)展中拔得頭籌，中國發(fā)展較為成熟的城市群(京津冀、長三角、珠三角、山東半島、海峽西岸)也都分布在東部地區(qū)(方創(chuàng)琳，2011)。因此，相比于中西部地區(qū)，東部地區(qū)的中心城市會對周邊城市具有更強的擴散效應，導致高鐵對緩解東部城市的收入差距的作用較中西部更明顯。

表6 基于城市異質性的分樣本回歸結果

2. 不同等級城市回歸結果

高鐵開通對不同等級城市的影響也可能存在著較大差別，本節(jié)按照新一線城市研究所公布的《2020城市商業(yè)魅力排行榜》將城市劃分為二線、三線、四線和五線城市四類，以此分別考察不同等級城市高鐵線路開通對地區(qū)收入差距的影響。不同等級城市的回歸結果如表6的Panel B所示。由表中可以發(fā)現(xiàn)：高鐵開通有利于縮小二線、三線城市與省域中心城市的收入差距，而對四線、五線城市的收入差距并無顯著影響。這可能是因為四線、五線城市多為欠發(fā)達地區(qū)的小城市，基礎設施建設、教育、生活水平較為落后，當開通高鐵后，可能會導致生產(chǎn)要素進一步流失。二、三線城市以經(jīng)濟強市為主，公共服務和商業(yè)配套相對完善，就業(yè)機會也相對更多，對流動人口具有一定吸引力，高鐵的開通可能會導致人口加速流入，從而縮小了其與中心城市的差距。

七、 結論與政策建議

實證檢驗高鐵的開通是否緩解了省內(nèi)地級市之間的收入差距，可以為制定地區(qū)間的平衡發(fā)展戰(zhàn)略提供有益啟示，具有重要的現(xiàn)實意義。本文采用衛(wèi)星燈光數(shù)據(jù)構造了省內(nèi)地區(qū)收入差距指標，并依托2003-2017年中國266個地級市的數(shù)據(jù)，將高鐵的開通視為一項“準自然實驗”，采用雙重差分法(DID)實證考察了高速鐵路對省內(nèi)地區(qū)收入差距的影響效應。其次，本文還進一步探討了城市群發(fā)育水平對此影響的調(diào)節(jié)效應，并對此調(diào)節(jié)效應進行了實證檢驗。最后，參考Donaldson和Hornbeck(2016)的方法，通過計算地級市層面的市場可達性指標，利用中介效應模型對作用機制進行了驗證。研究發(fā)現(xiàn)：① 高鐵開通有利于縮小高鐵連接線路上的非節(jié)點城市與省區(qū)內(nèi)中心城市的收入差距，在考慮了一系列識別性假設檢驗和穩(wěn)健性檢驗之后，該結論依然成立。② 機制檢驗的結果表明，高鐵改善了外圍城市的市場可達性，提高了外圍城市對省內(nèi)中心城市經(jīng)濟輻射的承接能力，從而有助于省內(nèi)地區(qū)經(jīng)濟發(fā)展差距的收斂。③ 高鐵對地區(qū)收入差距的影響還會隨著城市所在城市群的發(fā)育程度而有所區(qū)別。隨著城市群發(fā)育程度不斷提升，高鐵對地區(qū)收入差距的影響呈現(xiàn)出先擴大后縮小的倒U型規(guī)律。④ 基于不同區(qū)位和等級的分類研究顯示，高鐵緩解收入差距的積極作用更偏向于東部地區(qū)的城市和經(jīng)濟、人口規(guī)模更占優(yōu)的二線、三線城市，而對于那些經(jīng)濟實力弱、人口規(guī)模小的四線、五線城市，高鐵緩解收入差距的積極作用并不顯著?；谏鲜鼋Y論，本文的政策意涵在于以下幾點。

第一，重視區(qū)域中心城市的帶動效應，充分發(fā)揮高鐵的媒介作用。本文研究發(fā)現(xiàn)，高鐵的運營會顯著降低省區(qū)內(nèi)外圍城市與中心城市的收入差距，推動沿途地級市與省域中心城市的經(jīng)濟協(xié)調(diào)發(fā)展。因此，應繼續(xù)深度挖掘和持續(xù)釋放高鐵縮小地區(qū)收入差距的作用，進一步強化外圍城市的交通基礎設施建設，同時重視區(qū)域中心城市的帶動效應，以加強外圍城市與中心城市的經(jīng)濟往來，從而充分釋放高鐵經(jīng)濟的擴散效應。

第二，加快中西部地區(qū)的高鐵建設，完善全域高鐵網(wǎng)絡。目前中國已開通的高鐵線路主要集中于東部發(fā)達地區(qū)，并且運行車次也要明顯大于中西部地區(qū)，中西部地區(qū)的高鐵發(fā)展仍顯滯后。本文研究也表明，高鐵對縮小中西部地區(qū)城市之間的收入差距作用較小。由此提示，要加快中西部重點地區(qū)城市群、都市圈的高鐵線路建設，使中西部地區(qū)更好地融入國家高鐵網(wǎng)絡。同時，借助中西部中心城市經(jīng)濟活動的輻射帶動作用，促進中西部城市的經(jīng)濟發(fā)展，從而有效降低地區(qū)收入差距。

第三，強化高鐵沿線城市間的分工合作與協(xié)同聯(lián)動，實行差異化的區(qū)域帶動戰(zhàn)略。本文研究發(fā)現(xiàn)，高鐵并未改善四五線城市的地區(qū)收入差距。對于這些工業(yè)基礎較弱、營商環(huán)境有待提高的沿線小城市，應結合城市自身發(fā)展特征、區(qū)位條件和比較優(yōu)勢，因地制宜地制定與大城市錯位互補的產(chǎn)業(yè)發(fā)展策略。同時，積極利用高鐵為沿線地區(qū)帶來的機遇，促進城市旅游、會展和咨詢等服務業(yè)發(fā)展，與城市群和大都市圈融合發(fā)展，形成區(qū)域專業(yè)型節(jié)點，從而推動沿途地級市與區(qū)域中心城市的經(jīng)濟協(xié)調(diào)發(fā)展。