京滬高鐵對沿線城市經(jīng)濟集聚的影響研究

樊曉娟，張永慶 FAN Xiaojuan,ZHANG Yongqing

（上海理工大學(xué) 管理學(xué)院，上海 200093）

0 引言

由于高速鐵路會對區(qū)域的空間布局、勞動力要素流動、產(chǎn)業(yè)結(jié)構(gòu)變化、經(jīng)濟增長等方面產(chǎn)生重大影響，所以高鐵的發(fā)展一定會帶來區(qū)域經(jīng)濟的集聚，而研究這種集聚現(xiàn)象，對于區(qū)域經(jīng)濟的發(fā)展有重要意義。為了獲取利益和優(yōu)勢，經(jīng)濟活動者向特定區(qū)域集中就是經(jīng)濟集聚。Marshell（1980）關(guān)于交通運輸效應(yīng)的理論，包括新經(jīng)濟地理學(xué)和其延伸領(lǐng)域的內(nèi)生增長模型，說明了由交通帶來的可達性的變化對城市密度有著重要的集聚或擴散效應(yīng)。Gutiérrez把歐洲高速鐵路作為研究對象，研究歐洲高速鐵路網(wǎng)絡(luò)對沿線城市可達性的影響，通過加權(quán)平均旅行時間、市場經(jīng)濟潛力與日可達性3個指標的定量分析，結(jié)果表明高速鐵路可以帶來沿線城市可達性的提升，并且日可達性這一指標最能集中體現(xiàn)高速鐵路對可達性的影響。平野衛(wèi)（2008）基于對日本新干線的研究，提出京滬高鐵的修建將帶來的積極效應(yīng)，包括：增加鐵路收益、擴大生產(chǎn)規(guī)模、增加就業(yè)人數(shù)等。林曉言、陳小君等（2010）采用多元線性回歸和灰色預(yù)測模型進行定量分析，結(jié)果顯示京津高速鐵路的開通對區(qū)域經(jīng)濟的貢獻作用巨大。覃成林（2014）研究發(fā)現(xiàn)高速鐵路發(fā)展對鐵路沿線城市的經(jīng)濟集聚產(chǎn)生顯著的正向影響，高速鐵路沿線城市的經(jīng)濟集聚水平明顯提升且內(nèi)部差異縮??；非高速鐵路沿線城市的經(jīng)濟集聚水平低于高速鐵路沿線城市，其經(jīng)濟要素和經(jīng)濟活動存在擴散趨勢，且內(nèi)部差異擴大。

京滬高速鐵路，簡稱京滬高鐵，是中國“八縱八橫”客運專線網(wǎng)的其中“一縱”，也是中國《中長期鐵路網(wǎng)規(guī)劃》中投資規(guī)模大、技術(shù)水平高的一項工程。京滬高鐵在華北和華東地區(qū)形成了一條連接渤海經(jīng)濟區(qū)和長江三角洲經(jīng)濟區(qū)的快速陸上走廊，全線貫穿北京、上海、天津3個直轄市和河北、山東、安徽、江蘇4省。研究京滬高鐵沿線城市經(jīng)濟集聚狀況，有助于分析京滬高鐵的開通及其發(fā)展對沿線城市經(jīng)濟集聚的影響，對京滬高鐵城市經(jīng)濟帶的形成及發(fā)展規(guī)劃起到重要的參照作用。本文選擇了京滬高鐵沿線18個城市，以2010年和2012年為分析時點，考察高速鐵路發(fā)展對我國鐵路沿線城市經(jīng)濟集聚的影響。

1 研究方法

1.1 分析指標

本文的分析是建立在兩個重要指標之上的，一個是可達性，一個是經(jīng)濟集聚指數(shù)。

高速鐵路有利于沿線城市可達性水平的提高，在時空壓縮機制和經(jīng)濟市場的共同作用下，對城市之間的關(guān)系產(chǎn)生影響，進而出現(xiàn)經(jīng)濟活動在特定地理區(qū)域上集中、產(chǎn)業(yè)結(jié)構(gòu)變化、勞動力市場擴大等現(xiàn)象。

本文用可達性指標來衡量高速鐵路對城市區(qū)位的影響。具體使用了2010年及2012年沿線各城市時間距離作為可達性指標，以其變化來描述各城市在高速鐵路影響下區(qū)位條件的改善程度。

經(jīng)濟集聚指數(shù)的衡量，是本文在方法上要解決的一個主要問題。經(jīng)濟集聚指數(shù)用于衡量城市的經(jīng)濟集聚程度。由于研究對象不同，經(jīng)濟集聚指數(shù)衡量指標也不同。如果偏向研究區(qū)域產(chǎn)業(yè)集聚的變化，則可以采用所有產(chǎn)業(yè)的市場份額的平方和測度各地區(qū)的經(jīng)濟集聚水平（付文林等，2011）。而本文更偏向于沿線城市產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟增長、勞動力市場和城市市場潛力的變化上。所以根據(jù)數(shù)據(jù)的可獲得性，選擇第三產(chǎn)業(yè)區(qū)位熵、就業(yè)密度、經(jīng)濟密度、primacy指數(shù)4個指標來描述經(jīng)濟集聚。本文借鑒覃成林（2014）研究高鐵發(fā)展與鐵路沿線城市經(jīng)濟集聚的做法，使用因子分析，將這4個指標集合成為一個測度經(jīng)濟集聚的指數(shù)。具體的做法如下：

第三產(chǎn)業(yè)區(qū)位熵：由于第三產(chǎn)業(yè)集聚對于交通區(qū)位條件變化最為敏感（田相輝，2014），所以用第三產(chǎn)業(yè)區(qū)位熵來描述第三產(chǎn)業(yè)在一個城市的集聚情況。其計算式為其中：LQ3i表示i城市第三產(chǎn)業(yè)區(qū)位熵，Y3i表示第i城市第三產(chǎn)業(yè)的產(chǎn)值，Yi表示i城市的生產(chǎn)總值，Y3表示全國第三產(chǎn)業(yè)總產(chǎn)值，Y表示全國的生產(chǎn)總值。

就業(yè)密度：描述高鐵開通后，旅行時間壓縮為城市勞動力的集聚提供便利，以勞動力市場的變化間接反映人口規(guī)模的變化。其計算式為其中：Dw表示就業(yè)密度，Li表示i城市市轄區(qū)的就業(yè)總量，Si表示其市轄區(qū)面積。

經(jīng)濟密度：描述在高速鐵路影響下，城市單位面積上經(jīng)濟活動的集聚變化。其計算式為其中：DG表示經(jīng)濟密度，GDPi表示i城市市轄區(qū)的生產(chǎn)總值，Si表示i城市市轄區(qū)面積。

primacy指數(shù)：描述在高速鐵路影響下，城市與其周圍區(qū)域之間的經(jīng)濟集聚變化。其計算式為其中：GDPim表示i城市的生產(chǎn)總值，GDPis表示i城市所在省份其它城市的生產(chǎn)總值之和。

aggi：將以上4個指數(shù)用因子分析法綜合成一個指數(shù)，該指數(shù)為i城市的經(jīng)濟集聚指數(shù)。其中，aggi值的大小表示該城市經(jīng)濟集聚程度的高低。經(jīng)濟集聚指數(shù)為正值表示周圍區(qū)域的經(jīng)濟活動有向該城市集聚的趨勢；經(jīng)濟集聚指數(shù)為負值表示該城市的經(jīng)濟活動有向周圍區(qū)域擴散的趨勢。

1.2 分析模型

本文認為，影響一個城市經(jīng)濟集聚水平的主要因素除了上文提到的城市可達性變化率，還包括城市GDP、城市職工平均工資、財政支出占GDP的比重、行政級別、市轄區(qū)非農(nóng)人口數(shù)量、城市內(nèi)部市場潛力、鄉(xiāng)及鄉(xiāng)以上工業(yè)企業(yè)數(shù)、外商實際投資額、高等學(xué)校專任教師數(shù)，共10個具體指標，采用多元回歸方程作為基本分析模型，進一步研究高速鐵路對沿線城市經(jīng)濟集聚的影響。

本文參考王雪菲（2015）研究高鐵對沿線城市經(jīng)濟集聚影響使用的方程，采用截面數(shù)據(jù)的OLS回歸方程作為基本分析模型?？刂破渌蛩夭蛔?，分析可達性變動率對于集聚指數(shù)變化的影響。該模型的具體形式如下：

上述模型中的變量含義及處理如下：

daggi：i城市2010、2012年的經(jīng)濟集聚指數(shù)差值，具體為2012年的經(jīng)濟集聚指數(shù)減去2010年的經(jīng)濟集聚指數(shù)，即daggi=aggi2012-aggi2010。

Δacci：i城市2010～2012年的可達性變化率，描述高鐵開通后沿線城市區(qū)位條件的變化情況。其中，Δacci=（acci2012-acci2010）/acci2010?？蛇_性的計算公式為式中：acci是i城市的可達性值，其值越小，可達性越高。Mj是j城市的質(zhì)量參數(shù)，選取其市區(qū)GDP來描述；Tij是i城市與j城市之間最短的鐵路旅行時間。

GDPi0：2010年i城市的GDP，反映初始經(jīng)濟規(guī)模對城市經(jīng)濟集聚的影響。

incomei0：2010年i城市職工平均工資，反映城市初始收入水平對經(jīng)濟集聚的影響。

govi0：2010年i城市財政支出占GDP的比重，主要反映城市初始公共服務(wù)對其經(jīng)濟集聚的影響。

admini0：i城市的行政級別，反映城市行政級別對城市經(jīng)濟集聚能力的影響。此處，分別對直轄市、省會城市、副省級城市、地級市賦值4，3，2，1。

peoi0：2010年i城市市轄區(qū)的非農(nóng)人口數(shù)量。

mpi：2010年i城市內(nèi)部市場潛力。其計算方法為

i0城市內(nèi)部距離的計算式為其中：areai表示i城市的市轄區(qū)面積。

comi0：2010年i城市鄉(xiāng)及鄉(xiāng)以上工業(yè)企業(yè)數(shù)。

fdii0：2010年i城市外商實際投資額。

teai0：2010年i城市高等學(xué)校專任教師數(shù)。

εi：回歸殘差。

1.3 數(shù)據(jù)來源及處理

本文選取的時間節(jié)點為2010年和2012年，選取的城市包括京滬高鐵沿線地級市及以上的城市。具體包括北京市、廊坊市、天津市、滄州市、德州市、濟南市、泰安市、棗莊市、宿州市、蚌埠市、滁州市、南京市、徐州市、鎮(zhèn)江市、常州市、無錫市、蘇州市、上海市18個城市。關(guān)于時間節(jié)點的選擇，京滬高鐵開通于2011年6月，選擇2010年——京滬高鐵開通前一年是為了分析高速鐵路的開通前其他因素對區(qū)域經(jīng)濟集聚的影響，而2012年是京滬高速鐵路開通運營的第二年，已具有較為穩(wěn)定的客流，滿足案例選擇的原則。本文通過比較這兩個年份城市的可達性的變化來分析京滬鐵路的開通對其經(jīng)濟集聚的影響效用。本文選這18個城市作為研究對象，所有經(jīng)濟數(shù)據(jù)來源于2010年和2012年《中國城市統(tǒng)計年鑒》，并查詢2010年和2012年《全國鐵路列車時刻表》獲得可達性指標計算需要的鐵路運行時間。

2 結(jié)果分析

2.1 因子分析可行性檢驗

表1 各指標相關(guān)系數(shù)及其顯著性

由表1可以看出各指標相關(guān)系數(shù)都在0.4以上，且均通過顯著性檢驗，說明變量間有較強的相關(guān)性。本文進一步采用KMO檢驗和Bartlett球度檢驗，驗證原始變量之間是否存在較強的相關(guān)性，以驗證因子分析的可行性。KMO檢驗值越接近于1，說明變量間的相關(guān)性越強，則原有變量適合做因子分析；其值越接近于0，說明變量的相關(guān)性越弱，越不適合做因子分析。Bartlett球度檢驗以原有變量相關(guān)系數(shù)作為矩陣，其零假設(shè)是：相關(guān)系數(shù)矩陣若為單位陣，則原始變量不相關(guān)。依據(jù)相關(guān)系數(shù)矩陣的行列式計算可得其近似服從卡方分布。若統(tǒng)計量卡方值較小且對應(yīng)的值小于給定的顯著性水平時，拒絕零假設(shè)，相關(guān)系數(shù)矩陣不是單位陣，原始變量之間存在相關(guān)關(guān)系，因此可以做因子分析。

由表2可以看出檢驗值大于0.7表示可以做因子分析；Bartlett檢驗的p值等于0，檢驗結(jié)果顯著性強。結(jié)果顯示，sig.值為0，所以拒絕變量間不相關(guān)的原假設(shè)，變量間具有一定的相關(guān)性就可以進行因子分析。

表2 KMO和Bartlett檢驗

2.2 經(jīng)濟集聚格局變化

運用SPSS軟件，將第三產(chǎn)業(yè)區(qū)位熵、就業(yè)密度、經(jīng)濟密度、primacy指數(shù)4個指標綜合生成經(jīng)濟集聚指數(shù)，分別得到18個城市2010年與2012年經(jīng)濟集聚指數(shù)數(shù)據(jù)。

表3 2010年、2012年京滬鐵路主要沿線城市經(jīng)濟集聚指數(shù)變化

表3顯示，京滬鐵路18個沿線城市2012年經(jīng)濟集聚指數(shù)較2010年都發(fā)生了一定的變化：不同的城市，其經(jīng)濟集聚指數(shù)變化方向也不同。從京津冀城市群來看，北京2012年的經(jīng)濟集聚指數(shù)較2010年有所下降，而天津有所上升，說明高鐵的開通使得北京開始發(fā)揮對周邊地區(qū)的輻射效應(yīng)，部分生產(chǎn)要素開始流向區(qū)位優(yōu)勢明顯的天津地區(qū)。山東地區(qū)除去濟南市的經(jīng)濟集聚指數(shù)為正以外，德州、泰安、棗莊經(jīng)濟集聚指數(shù)均為負，同時濟南2012年的經(jīng)濟集聚指數(shù)較2010有所下降，說明高鐵的開通使得京津冀地區(qū)和長三角地區(qū)對山東省產(chǎn)生了一定的“虹吸效應(yīng)”。同樣地，安徽省3個市，包括宿州、蚌埠和滁州的經(jīng)濟集聚指數(shù)2012年較2010年變得更小，說明這3個城市的經(jīng)濟活動向長三角地區(qū)擴散的趨勢非常顯著。長三角地區(qū)南京、無錫、上海2012年的經(jīng)濟集聚指數(shù)較2010年有所上升，尤其是上海本身經(jīng)濟集聚能力就很強，高鐵開通后進一步加強了上海的經(jīng)濟集聚水平。進一步需要指出的是，那些高鐵沿線經(jīng)濟集聚指數(shù)為負的城市，其經(jīng)濟擴散的本質(zhì)，可能是經(jīng)濟要素和經(jīng)濟活動的“流失”。除此以外，受中心城市經(jīng)濟集聚的“虹吸效應(yīng)”影響，周邊的城市經(jīng)濟集聚水平遠低于中心城市，且周邊城市的經(jīng)濟集聚指數(shù)多為負值。

2.3 高速鐵路對鐵路沿線城市經(jīng)濟集聚的總體影響

表4 高速鐵路對鐵路沿線城市經(jīng)濟集聚總體影響的回歸結(jié)果

為了獲得高速鐵路影響鐵路沿線城市經(jīng)濟集聚的最優(yōu)回歸方程，我們采用逐步回歸的方法。第一步，將除去可達性變化率以外的其它解釋變量代入初始模型進行回歸分析，得到表4所示的回歸方程1。第二步，引入可達性變化率這個變量，得到回歸方程2。從回歸結(jié)果可以看出，可達性變化率對因變量的影響在統(tǒng)計上顯著，R2較回歸方程1有所提升。因此可以說，可達性變化對于高鐵沿線城市的經(jīng)濟集聚有影響。第三步，逐步剔除回歸方程2中不顯著的解釋變量，最后得到回歸方程4。綜上可以看出，逐步剔除不顯著的解釋變量，最后留下的解釋變量顯著性水平較此前有所提升，同時我們還發(fā)現(xiàn)，可達性變動率這個自變量始終顯著。

經(jīng)過上述分析，回歸方程4可以作為分析高速鐵路發(fā)展對鐵路沿線城市經(jīng)濟集聚總體影響的分析模型，其回歸方程如下：

由該回歸方程可知，鐵路沿線城市可達性每提升1%，其經(jīng)濟集聚指數(shù)將增加0.572。因此可以看出：高速鐵路的開通所帶來可達性的變化，對其沿線城市經(jīng)濟集聚具有顯著的影響。此外，城市的職工平均工資、行政級別、市轄區(qū)非農(nóng)人口數(shù)量這些變量對經(jīng)濟集聚均有正向影響，而財政支出占GDP的比重這兩個解釋變量對于經(jīng)濟集聚有反向的影響。如果GDP和財政支出占GDP的比重這兩個指標的值相對較大時，則在一定程度上代表了由經(jīng)濟活動集聚帶來的生產(chǎn)經(jīng)營成本的增加。

3 結(jié)論與啟示

根據(jù)本文上述實證分析結(jié)果，概括起來，在京滬高速鐵路的影響下，其沿線城市經(jīng)濟集聚格局發(fā)生了下列變化。

第一，總體來看，在京滬高速鐵路的影響下，鐵路沿線城市經(jīng)濟集聚水平有所提升，鐵路沿線城市可達性每提升l%，可引起城市經(jīng)濟集聚指數(shù)0.572的相應(yīng)增加。

第二，京滬鐵路開通前后，不同的沿線城市其經(jīng)濟集聚指數(shù)變化方向亦不同，經(jīng)濟集聚的格局趨向非均衡。其中，北京開始發(fā)揮對周邊地區(qū)的輻射效應(yīng)，部分生產(chǎn)要素開始流向區(qū)位優(yōu)勢明顯的天津地區(qū)。其次，高鐵的開通使得京津冀地區(qū)和長三角地區(qū)對山東省的沿線城市產(chǎn)生了一定的“虹吸效應(yīng)”；同時，安徽省3個城市的經(jīng)濟活動向長三角地區(qū)擴散的趨勢也非常顯著。長三角地區(qū)包括上海、南京、蘇州、無錫經(jīng)濟集聚能力進一步加強，以上海最為突出。

從整個文章的分析結(jié)果可以看出，我國經(jīng)濟集聚的趨勢將隨著高速鐵路網(wǎng)的逐步建成而得到進一步的加強，并且主要的經(jīng)濟聚集地都是高速鐵路沿線經(jīng)濟實力較強的地區(qū)。而我國《中長期鐵路網(wǎng)規(guī)劃》中，高速鐵路的修建主要分布在中部相對發(fā)達地區(qū)和東部發(fā)達地區(qū)，這意味著，我國區(qū)域經(jīng)濟發(fā)展不平衡的格局會在高速鐵路的影響下進一步擴大。為了區(qū)域協(xié)調(diào)發(fā)展，政府對中部欠發(fā)達地區(qū)和西部地區(qū)應(yīng)給予一定政策支持，改善其鐵路網(wǎng)布局，此外，對于高速鐵路沿線城市中，經(jīng)濟集聚趨勢明顯的城市，國家應(yīng)進一步加強其城際軌道交通設(shè)施的完善，以發(fā)揮高速鐵路在城市以及城市群發(fā)展中的交通樞紐作用，從而形成相對平衡的全國多極網(wǎng)絡(luò)增長模式。

此外，從實證結(jié)果可以看出：GDP、城市的職工平均工資、財政支出占GDP的比重、城市行政級別、市轄區(qū)非農(nóng)人口數(shù)量、外商實際投資額這些經(jīng)濟要素對于城市經(jīng)濟集聚也有顯著影響，然而影響大小及方向并不相同。因此，政府應(yīng)采取差異性策略引導(dǎo)城市群的經(jīng)濟集聚發(fā)展，從而實現(xiàn)區(qū)域經(jīng)濟的協(xié)調(diào)發(fā)展。