高铁对城市经济影响的集聚效应和网络效应.pdf

第 41 卷第 4 期2023 年 8 月凯里学院学报Journal of Kaili UniversityVol.41 No.4Aug.2023高铁对城市经济影响的集聚效应和网络效应潘丽群1，左佳2（1.广州大学，广东 广州510006；2.厦门大学，福建 厦门361005）摘要：基于2004年2019年全国高铁网络数据和全国288个地级市数据，本文构建以购买力衡量的集聚效应指数和以Zipf法则的网络效应指数，采用系统GMM回归方法来实证分析高铁对城市经济影响的集聚效应和网络效应。实证研究发现：（1）在全国高铁网络的连接下，城市之间的相互影响不仅局限于集聚效应，也存在网络效应；（2）集聚效应在12小时高铁通勤圈内始终显著存在；但网络效应有距离限制，随着通勤时间衡量的高铁城市圈的扩大先加强后衰减，以3小时高铁城市圈的影响最为明显。该实证结果揭示了以高铁串联的城市网络中集聚效应和网络效应的大小及其相互关系。关键词：高铁；城市经济；集聚效应；网络效应中图分类号：F523文献标识码：A文章编号：1673-9329（2023）04-0010-11一、前言随着高铁技术的不断成熟，高铁建设已成为中国创造的一张世界名片。在2010年召开的第七届世界高速铁路大会上，高速铁路被作为优先发展的战略性新兴产业。按照2016年7月的国家发改委、交通运输部、中国铁路总公司发布 中长期铁路网规划（20162030），在“四纵四横”高速铁路的基础上，构筑“八纵八横”高速铁路主通道，拓展区域铁路连接线，发展城际客运铁路。高铁建设因其技术先进、成本高、对沿线城市经济的较大影响等特点得到政府部门、新闻媒体及投资者的重视，而且也是国内外学者广泛研究的热点。在“四纵四横”高铁骨干网的连接下，中国各城市之间的相互影响已经不再局限于近距离的约束，而是跨越物理距离上的局限，拥有了一定的独立性。具体表现为，在二、三线城市居民可以乘坐高铁跨城市消费、买房、工作，而一些邻近高铁节点旅游城市的二、三线城市也可以带动其旅游业和服务业的发展。这些现象表现出城市间要素流动性加快、空间结构更为扁平、城市间的联系更为多样等特点，说明城市之间逐渐呈现出网络化特征，距离衰减规律和城市等级对城市间联系的制约作用减弱，传统的城市等级理论已经难以有效阐释城市之间的关系1。与强调距离特收稿日期：2022-11-07基金项目：教育部人文社会科学研究青年项目“高铁网络背景下城市外部性经济的时空格局研究”（18YJC790122）；国家自然科学基金青年项目“人工智能、职业迁移网络对劳动者就业影响研究”（72003052）；广东省自然科学面上项目“人工智能应用对企业就业需求的影响研究”（2022A1515012089）作者简介：潘丽群（1986-），女，江西婺源人，博士，广州大学经济与统计学院副教授，研究方向为应用微观、劳动经济学、城市经济学；左佳（1993-），女，河南南阳人，厦门大学经济学院博士生。http：/ network）的范围问题6。这些研究都聚焦于消费者通过购买特定产品或服务加入某一网络。关于网络效应的分类，有根据产品需求网络中消费者之间连接方式的不同，将网络效应的作用机制分为直接网络效应、间接网络效应和双边网络效应，这三种机制都表明一种产品给网络11中用户带来的价值不仅取决于该产品的内在属性，也取决于拥有相兼容产品的其他用户人数6。也有研究认为，网络效应实质上是网络规模扩大过程中的一种规模经济，与产生于供给方面的传统规模经济不同的是，这种规模经济产生于市场的需求方面，夏皮罗和瓦里安将这种网络外部性称为需求方规模经济7。另一种对于网络效应的分类方法基于影响产品价值的途径，将其划分为直接网络外部性和间接网络外部性8-9。直接网络外部性是通过消费相同产品的购买者人数对产品价值的直接影响而产生，如在n个使用者的n(n+1)中连接的电话网络中，第(n+1)个使用者将给现有连接增加2n个新连接，给网络中其他使用者提供了直接的外部性。间接网络外部性是指一种产品使用者数量增加，市场上出现更多品种价格更低的互补产品可供选择，这就间接提高了该产品的价值10。高铁网络对经济的网络效应影响，主要体现在新增加城市节点对整个网络范围内不同城市经济的影响，这一研究角度类似于消费需求网络的直接网络效应。日本学者Sasaki认为，高铁的便利促使一些小城市可以减少对附近大城市的依赖，借助高铁网络，它可以直接与比较遥远的大城市相联系11。这其实就是网络效用起作用的一种表现，网络效应可以使在空间上不直接相连的城市相互影响。而西班牙学者Gines De Rus根据两条不同的高铁的经济效益的分析，直接指出高铁的经济效益与是否接入高铁网络有关12。目前关于高铁网络的研究中，主要有对高铁网络可达性的评估13-14，有对区域经济格局影响的分析15，有对中国“四纵四横”高铁网络划分子网络、确定中心城市的研究16，但从集聚效应和网络效应的对比分析来讨论中国高铁网络对城市经济发展影响的文献并不多。Glaeser等从城市间家庭和企业的角度构建理论模型来论证城市网络经济的存在17。李煜伟和倪鹏飞通过以有没有非中心城市的连接对中心城市的影响的对比，证实了集聚效应和网络效应同时存在18。综上，本文提出假设1：高铁对城市经济的影响，既表现出集聚效应，又表现出网络效应。在对城市经济和空间发展的影响机制方面，被更多关注的是城市经济学中的集聚效应。一般认为更大、更密集、更多样化的城市可以降低成本、增加产出，使厂商和家庭效用增加。他们受益于更大的投入品市场、劳动力市场、更好的基础设施、公共设备和更专业化的商业服务，所有这些都促使供给和需求之间更好的匹配19。另外，城市的集聚促使信息的交流和传递，创造了更好的消费环境20。劳动力、资本、服务等资源会向大城市集中，这些是城市发展中集聚效应所带来的正外部性，正是这些外部性的存在，新经济地理学的理论模型通常会倾向于预测大城市的发展。然而，Burger 等认为当前欧洲西部多中心的城市系统与大量论文强调的城市经济增长中的集聚作用有所不同，这些中小城市经济增长速度甚至超过了欧盟人口数量前15的大城市，城市网络效应的出现导致“借用”城市规模和“集聚影子”的现象，文章也论述了城市规模和网络连接的重要性19。关于“借用城市规模”这一现象在中国城市体系中也有所体现，北上广这些大都市的高房价和相对较低的生活质量会促使一些家庭和企业搬迁到邻近的二线城市。居民可以享有大都市带来的工作机会和更多样化的消费体验，而不用承受大都市过度发展所带来的高房价、交通拥堵和空气污染。一些大的企业把总部仍然留在大都市，而把其他活动转移至二、三线城市21。正是高铁的出现导致中国不同层级城市的这些变化，使得大都市“借用”了周围二、三线城市的规模，二、三线城市也依托大都市获得了更快的发展。这些现象体现出不同层级城市之间的关系有所变化，所产生的城市体系变化的动力机制已不同于以往的集聚效应，而应该是由于通信、交通等基础设施网络效应所带来的。Economides认为运输网络属于网络的一种，并具有网络效应9，根据麦特卡夫定律，对于任何类型的通信网络，网络中成员数量越多，这一网络的价值越大22。从这一点来看，网络效应也不同于与集聚相对应的分散效应，因为在网络经济的作用下，12并不是单纯的资源向中小城市反向流动，而是不同层级城市之间的相互作用加强，资源趋向于在网络内多向流动。虽然集聚效应和网络效应在促进资源流动方向上有较大不同，但从高铁这一基础设施的影响机制来看，这两种作用机制对城市空间发展影响的共同点在于，都通过改变可达性促进了资源和要素的流动。具体来看，23李廷智等总结了高铁对城市和区域空间发展的影响表现在三个层次上：首先，最直接的影响是引起可达性的变化；其次，通过区域可达性、区域时间-空间距离等区位条件的变化间接影响个体消费者、生产者的区位选择偏好，引起劳动力、资本、信息、技术等生产要素在空间上的流动；最后，进而影响整个区域的人口、就业、产业发展、土地利用、城镇体系等区域要素和空间结构的变化。高铁网络的不均匀时空压缩效应促进了城市网络外部性的兴起24-25，从网络视角来分析高铁效应的文献大多从城市是否接入高铁网络的角度，即可达性的变化来证实网络外部性的存在11-12，Qin提出大城市之间更快捷的交通是否以牺牲小县级市的GDP为代价的问题，通过对高铁不设站点的小县城的研究发现，高铁升级后减少了停站所在县级市的数量，增加了县级市到地级市的有效距离，通过运用双重差分的方法，考虑铁路线经过城市选择的非随机性，发现位于受影响铁路线的县级市在高铁升级后，GDP和人均GDP下降了4%6%，这一减少通过固定资产的同步减少来说明26。而日本学者Sasaki也发现高铁对小城市有负向影响，认为新干线对区域扩张只有有限影响，并且经济活动集中在像东京、大阪这样的大城市中，而经济资源更可能通过高铁转移到邻近大城市，小城市成为高铁的受害者，另一方面，便捷的高铁使小城市独立于邻近城市的影响，直接接入较远距离的大中城市获取资源11。在这些高铁连接对城市经济效率异质性影响研究中，均以可达性为基础来研究高铁网络的外部性，但是仅从可达性变化角度来研究高铁效应是不充分的。因为，一方面，网络与集聚的内在联系使得现实中的高铁效应是混合的，以重力模型为基础测算的高铁效应往往忽视网络外部性机制 27-28；另一方面，网络外部性机制不仅仅受到是否接入网络的影响，更重要的是在网络中的位置。综上，本文提出假设2：高铁对城市经济的集聚效应和网络效应大小不同，且网络效应可能受限于范围和距离因素。三、数据说明与计量模型（一）集聚效应与网络效应指标的构建对于集聚效应大小的衡量，我们借鉴了Zheng和Kahn构建的MP指数。Zheng和Kahn认为高铁的引入减少了乘客跨城市旅行的时间，增加了相邻城市间在旅游、劳动市场和知识溢出方面相互影响的机会，考虑了一个城市在商品服务上的需求是其他城市购买力的总和，在此认知基础上构建了MP指数21。这一指标实际上类似于可达性的衡量方法，考虑了旅行成本和区位吸引力。其中旅行成本通过年份t在城市i和j之间的高铁旅行时间来衡量，区位吸引力通过除了城市i之外的其他城市居民收入来衡量，以邻近城市购买力为权重，其公式表示如下：MPi,t=jINCOMEj,te Tij,t=jPOPj,tINCOME_PCj,te Tij,t(i j)其中，POPj,t是城市j在年份t的非农业人口；INCOME_PCj,t是城市 j在年份t的人均收入；INCOMEj,t是城市j在年份t的居民总收入；Tij,t是用旅行时间衡量的年份t在城市i和j之间的距离。空间衰减参数，预期是正值，它测量了当城市j远离城市i时，邻近城市j对城市i影响的衰减率。郑思齐通过实际数据验证设定这一衰减参数为0.02是合理的，0.02也是从文献中Harris类型的13MP等式所得出来的估计值范围的中间值。本篇论文采用这一指标的计算方法，但是用实际GDP代替居民收入来衡量集聚效应的大小。居民收入测量的是一个城市的购买力和需求，相对于另一个城市来说是市场潜力，也是一个城市对另一个城市的吸引力，但两个城市之间的相互作用不仅仅表现在购买力上，还有可提供的产品和资源供给，GDP这一综合指标在反映城市间的相互影响上更具有代表性，因此我们选用287个城市的实际GDP作为权重来构建各个地级市的MP指数。以实际GDP为权重的MP指数不论城市规模大小和城市等级，以某个城市为中心，考虑高铁从其他城市到这一城市的时间和其他城市的GDP，反映了此城市对其他城市的影响力，因此可以作为集聚效应大小的衡量指标。前边论述到网络效应和集聚效应都源于可达性，但之前对网络效应和集聚效应的认识和区分并不是很清晰，并没有对这两种效应做相应的区分。虽然上述以实际GDP为权重的MP指标构建类似于以往测量可达性的构建方法，但对于网络效应来说，城市之间的互联关系才更能体现其特性。本篇论文构建的测量各个城市网络效应大小的指标，是以1小时圈至12小时圈高铁能够到达城市数目为基础来构建的，反映了城市之间在数量上的可达性指数。对于网络价值的衡量方法，一般采用的是麦特卡夫定律（Metcalfe s Law），其认为通信网络价值的大小与用户数量的平方成比例。其他衡量方法如Sarnoff s Law 认为电视和广播网络的价值以线性方式增长，Reed s Law 认为一些网络的价值是以指数形式（2n）增长的，而麦特卡夫定律衡量的网络价值增长速度介于两者之间。但有论文指出，麦特卡夫指数赋予所有的联系以相同的价值，这明显与现实情况不相符，并不是所有节点之间的网络所带来的信息流都是一样的22。基于此，我们在选择衡量高铁对城市网络经济影响的指数时，根据高铁高投入、较低回报这一经验推断，高铁对城市经济网络价值的影响并不是指数形式的增长，另外也考虑了与测算城市距离不同的城市之间影响大小，最终选择以符合城市影响力递减规律的Zipf s Law为内在理论机制的指数nln(n)，其中n为不同小时圈内到达某一城市的城市个数。但使用这一指标的弊端是，在2004年大部分城市的高铁网络并没有开通，很多城市在高铁1小时圈内的城市数量为0或者1，用这一指标计算出来的值没有实际含义，在之后的面板GMM回归过程中舍弃了1小时圈的分析，虽然两个城市距离越近可能影响越大，但这样由计算方法带来的问题较难避免。（二）数据来源及其他变量说明本文以2004年2019年我国288个地级市数据为基础进行实证分析，样本数据包括4个直辖市，剔除了在2011被撤销的巢湖市数据，删除了因大部分选取变量缺失并且没有高铁连接的拉萨市数据，删除了2016年才建成高铁站的贵州省毕节市的数据。数据以 中国城市统计年鉴为基础，选取了其中的“市区”数据，一方面是因为地级市的市区较少涉及行政区域的变动，能够保证观测数据的稳定性和一致性，相比较之下数据质量有一定的保证。而地区包含市区和下辖县、县级市，但这些会有较大变化，涉及相关行政区域数据的拆分合并，数据处理过程比较麻烦；另一方面，高铁对于地级市经济的影响主要在市区或邻近市区的郊区，辖区的边远地区影响并不大，有研究的实地调研数据也表明自高铁开通以来有近2/3的高铁旅客以商务出行为主29，高铁客流出行目的的这一特点也间接说明了高铁对城市经济的影响主要分布于市区。文章选取的因变量为经过平减后做对数处理的实际GDP，除了测算集聚效应的MP值和构建的网络值指数外，其他控制变量有5个指标。包括固定资产投资总额（K），市辖区从业人员期末数（L），财政支出中的教育支出（edu_exp），第三产业增加值与第二产业增加值的比值（ind_ratio），具体数理推导过程参见Bob Briscoe，Andrew Odlyzko，Benjamin Tilly（2006）的论文。14市辖区年末实有铺装道路面积（road）。固定资产投资总额是指单位在本期内投资并形成固定资产使用年限在一年以上的资产额，它包括新建的土建工程（包括土地购置费）和新购置的设备用款，这一变量反映了经济增长模型中的资本投资情况。从业人员期末数实际上大致反映了城市中劳动力的情况，财政支出中的教育支出实际反映了该城市对教育和人力资本的重视程度，一定程度上也反映了人力资本水平。第三产业增加值与第二产业增加值的比率反映了城市产业结构水平和城市发展程度。市辖区年末实有铺装道路，作为城市内部交通基础设施建设水平的衡量指标，区别于连接各个地级市的外部交通连接，选择这一指标能够更全面地反映城市经济增长动力的因素。以上各指标除了第三产业增加值与第二产业增加值的比率以外，全部采用对数化处理，反映各指标对城市实际GDP的弹性影响大小。另外，因为2004年至2007年这三年的高铁建设并没有大的变化，所计算出来的112小时高铁可到达的城市个数并没有变化，但计算MP指数的权重发生了改变，最后这一指数呈现出来的结果仍然是不同的，因此并不涉及重复面板问题。（三）模型的设定文章选用的数据包括288个地级市16年的短面板数据，既有时间序列的序列相关的特点，又有截面数据异方差的特点。面板数据的主要优点是增加了观测值，提高了估计的准确性；面板数据模型考虑到可能与因变量相关的不可观测个体异质性，对固定效应模型有进行一致估计的可能性；运用得到的数据认识个体行为动态特性，比单一面板获取的信息更丰富；“可以解决遗漏变量问题，虽然可以用工具变量法解决，但是有效的工具变量常常很难找，遗漏变量常常是由于不可观测的个体差异或异质性造成的，如果这种个体差异不随时间改变，则面板数据提供了解决遗漏变量的又一利器。”30虽然面板数据相对于截面数据有着诸多优点，但也会面临着内生性的问题，使得模型估计并不准确。如果存在某些未被识别的相关因素，而这些因素对实际GDP存在着较大影响，违背了计量模型一般假定的模型正确设定的前提，模型就会产生内生性问题。一般解决办法是寻找与内生变量相关、但与残差项不相关的工具变量来消除内生性影响，使得模型得出可靠的计量结果。系统GMM的方法作为工具变量法更为一般的方法，也具有消除内生性的良好特性。因为所涉及的数据为短面板，一般采用静态的数据处理方法，因此本文选择采用静态面板数据的GMM回归方法。我们重点关注集聚效应和网络效应对城市经济影响大小，因此构建的回归模型如下所示：lngdpit=0+1lnMPit+2MNTit+3indratio it+4lnroadit+5lnedu_expit+6lnKit+7lnLit+uit各指标的含义如上所描述，其中MNT表示用nln(n)计算出来的网络效应指数，我们控制其他变量不变，对212个小时的高铁可到达城市圈网络效应指数做了11次系统GMM回归，用Stata对数据进行处理，得出了11组结果。四、实证结果及讨论在保持其他变量不变的情况下，改变不同小时高铁到达城市圈的网络效应指数，得到的部分GMM回归结果如表1-3所示。从计量方法的对比选择上，在1小时高铁到达城市圈的回归结果中，固定效应回归模型的输出结果包含的F检验的P值为0.0000，因此强烈拒绝“all ui=0”的原假设，即认为固定效应模型（FE）明显优于混合回归模型（pool OLS），应该允许每个地级市拥有自己的截距项。通过豪斯曼检验（Hausman Test）判断究竟使用固定效应还是随机效应模型，其中P值为0.0000，因此强烈拒绝原假设，认为应该使用固定效应模型而非随机效应模型。相对于一般固定效应模型来说，稳健15固定效应模型消除了异方差的影响，使得模型更为有效。其余10个回归模型在计量方法选择上的结果与以上分析的结果相同，因此也选择静态面板数据的固定效应GMM方法。表1 高铁2小时城市圈的GMM回归结果lnMPlnMNTind_ratiolnroadlnedu_explnKlnL_conssigma_u_conssigma_e_consNadj.R2AIC（1）poolOLSlngdp-0.414*（-6.88）0.0697*（2.99）-0.232*（-2.94）0.154*（3.29）0.555*（14.41）0.147*（6.47）0.270*（6.24）9.093*（33.41）42400.8612896.7（2）FE_robustlngdp0.815*（16.17）0.0293*（2.17）-0.109*（-5.24）0.0393*（2.53）0.0856*（3.65）0.00660（1.58）0.0292*（3.07）6.035*（35.51）42400.953-6312.0（3）FElngdp0.815*（40.53）0.0293*（2.79）-0.109*（-9.27）0.0393*（5.61）0.0856*（8.25）0.00660*（2.08）0.0292*（3.76）6.035*（86.03）42400.949-6310.0（4）RElngdp0.562*（26.56）0.0641*（5.89）-0.0719*（-5.49）0.0857*（10.96）0.180*（15.96）0.0202*（5.55）0.101*（11.87）6.585*（81.01）4240.（5）RE_robustlngdp0.562*（10.18）0.0641*（4.03）-0.0719*（-3.43）0.0857*（5.03）0.180*（6.33）0.0202*（3.94）0.101*（5.62）6.585*（33.53）4240.（6）MLElngdp0.758*（37.16）0.0381*（3.69）-0.100*（-8.57）0.0500*（7.11）0.107*（10.24）0.00966*（3.03）0.0455*（5.82）6.148*（72.02）0.788*（22.13）0.0937*（75.90）4240-4199.8注：括号内数值为t值；*、*和*分别表示1%、5%和10%的显著性水平。表 2高铁3小时城市圈的GMM回归结果lnMPlnMNTind_ratiolnroadlnedu_exp（1）pool OLSlngdp-0.395*（-6.55）0.105*（2.65）-0.228*（-3.12）0.217*（4.16）0.534*（13.18）（2）FE_robustlngdp0.831*（17.86）0.0699*（2.75）-0.111*（-5.66）0.0354*（2.41）0.0797*（3.72）（3）FElngdp0.831*（44.06）0.0699*（3.10）-0.111*（-10.08）0.0354*（5.33）0.0797*（8.25）（4）RElngdp0.622*（31.30）0.157*（8.28）-0.0825*（-6.79）0.0763*（10.41）0.156*（14.84）（5）RE_roustlngdp0.622*（12.71）0.157*（5.09）-0.0825*（-4.25）0.0763*（4.84）0.156*（6.28）（6）MLElngdp0.779*（40.82）0.101*（4.82）-0.104*（-9.54）0.0455*（6.83）0.0983*16lnKlnL_conssigma_u_conssigma_e_consNadj.R2AIC0.139*（6.37）0.239*（5.07）8.740*（26.93）44620.8523452.40.00643（1.61）0.0265*（2.87）5.773*（43.29）44620.955-6738.10.00643*（2.11）0.0265*（3.49）5.773*（64.13）44620.951-6736.10.0184*（5.35）0.0889*（10.80）6.006*（64.48）4462.0.0184*（3.85）0.0889*（5.37）6.006*（30.32）4462.（10.13）0.00941*（3.08）0.0419*（5.48）5.802*（58.41）0.806*（22.66）0.0924*（77.94）4462-4505.4注：括号内数值为t值；*、*和*分别表示1%、5%和10%的显著性水平。表 3高铁4小时城市圈的GMM回归结果lnMPlnMNTind_ratiolnroadlnedu_explnKlnL_conssigma_u_conssigma_e_consNadj.R2AIC（1）poolOLSlngdp-0.379*（-5.98）0.0874*（2.34）-0.242*（-3.63）0.225*（4.36）0.527*（12.20）0.136*（6.34）0.247*（5.37）8.637*（23.90）44940.8513524.0（2）FE_robustlngdp0.819*（17.50）0.0546*（2.08）-0.0881*（-3.84）0.0360*（2.45）0.0863*（3.98）0.00823*（1.93）0.0275*（2.94）5.779*（40.91）44940.955-6761.4（3）FElngdp0.819*（43.91）0.0546*（2.01）-0.0881*（-8.62）0.0360*（5.41）0.0863*（9.02）0.00823*（2.71）0.0275*（3.62）5.779*（47.88）44940.950-6759.4（4）RElngdp0.620*（31.51）0.156*（7.25）-0.0683*（-6.04）0.0772*（10.54）0.158*（15.18）0.0193*（5.66）0.0898*（10.91）5.857*（52.14）4494.（5）RE_robustlngdp0.620*（12.69）0.156*（4.25）-0.0683*（-3.56）0.0772*（4.88）0.158*（6.39）0.0193*（3.96）0.0898*（5.39）5.857*（26.35）4494.（6）MLElngdp0.768*（40.75）0.0943*（3.81）-0.0838*（-8.24）0.0463*（6.95）0.104*（10.84）0.0111*（3.63）0.0431*（5.63）5.744*（46.77）0.806*（22.75）0.0927*（78.22）4494-4514.8注：括号内数值为t值；*、*和*分别表示1%、5%和10%的显著性水平。17在选择了可靠的回归模型方法的基础上，首先对比集聚效应与网络效应分别对实际GDP影响的大小。在表1高铁2小时城市圈的GMM回归结果中，lnMP前的系数大小为0.815，lnMNT的系数为0.0293，虽然集聚效应明显比网络效应对城市经济的影响大，但两者都在1%的统计水平下显著。从表1的结果证实了假设1：高铁对城市经济的影响，既表现出集聚效应，又表现出网络效应。在表2的高铁3小时城市圈的GMM回归结果中，lnMP的系数大小为0.831，lnMNT的系数为0.0699，两个系数依然在1%的统计水平下显著，同样对假设1进行了佐证。虽然集聚效应对城市经济的影响仍大于网络效应对经济的影响，但在3小时高铁城市圈里两种效应对城市经济的作用都有所加强。在表 3高铁 4小时城市圈的 GMM 回归结果中，lnMP的系数大小为 0.819，lnMNT的系数为0.0546，两个系数依然在1%的统计水平下显著，继续佐证了假设1的高铁对城市经济既表现出集聚效应，又表现出网络效应。这种情况下，集聚效应对城市经济的影响仍大于网络效应对经济的影响，但相比3小时高铁城市圈中两种效应对城市经济的作用都有所减弱，并且网络效应对城市经济影响的显著性下降为95%。5小时高铁城市圈网络效应对城市经济影响的显著性进一步下降为90%，虽然lnMNT前的系数增加到0.0667。从6小时高铁城市圈开始，集聚效应仍然以99%的程度显著，但网络效应对城市经济的影响不再显著。从网络效应的显著性到不显著以及网络效应大小的变化佐证了假设2：高铁对城市经济的集聚效应和网络效应大小不同，且网络效应可能受限于范围和距离因素。从以上的数据分析过程可以看出，城市之间的正向集聚效应在当前阶段仍然大范围存在，但网络效应会随着距离的延长而有所衰减。由于缺乏高铁1小时城市圈的网络效应指数，不能分析越靠近城市节点的周边城市对该城市的影响，但是，我们可以大致推测出，网络效应对城市经济的影响随着高铁小时城市圈的扩大先增加后递减，其中3小时城市圈的影响力最为显著。另外，11个回归模型的结果都显示第三产业与第二产业比率对城市经济有负向作用效果，这与预期结果有所不同。一般认为，第三产业相对第二产业越发达，对就业的带动作用越明显，对城市经济正向促进作用越明显。但实证结果显示了相反的情况，这可能说明我国第二产业依然还处于发展阶段，第二产业是基础，在第二产业发展到一定程度的基础上再发展第三产业更有利于城市经济发展。五、结论基于我国2004年2019年全国高铁网络和288个地级市相关数据，运用静态面板数据模型GMM回归方法，本文对高铁的集聚效应和网络效应与城市经济增长之间的关系进行了实证检验。研究发现：在全国高铁网络的连接下，城市之间的相互影响不仅局限于集聚效应，也存在网络效应；集聚效应在12小时高铁通勤圈内始终显著存在；但网络效应有距离限制，随着通勤时间衡量的高铁城市圈的扩大先加强后衰减，以3小时高铁城市圈的影响最为明显。研究结果显示，一方面集聚效应对城市经济增长的作用在研究时间范围内始终显著存在，说明整体上我国城市增长潜力仍在，并没有达到城市发展拥堵从而向周围城市分散的阶段；另一方面，在全国高铁贯通的大经济网中，网络效应的存在和影响程度随着高铁到达距离的递增先加强后衰减，说明网络效应对经济的影响存在范围和距离的限制。本文结论表明中国的高铁建设不仅对城市经济有显著的集聚作用，而且由网络效应的存在在一定距离内对城市经济有着强化作用。虽然高铁成本高、投入大，但是对城市网络的形成和城市群内部发展具有积极的影响。18参考文献：1冷炳荣，杨永春，谭一洺.城市网络研究：由等级到网络 J.国际城市规划，2004，29（1）：1-7.2 甄峰，刘晓霞，刘慧.信息技术影响下的区域城市网络：城市研究的新方向 J.人文地理，2007，22（2）：76-80.3沈丽珍.流动空间 M.南京：东南大学出版社，2010.4Sassen S.The Global City：New York，London，Tokyo M.Princeton：Princeton University Press，1991.5戚云亭，汪明峰.产业发展与区域创新中的长三角城市网络 J.世界地理研究，2016，25（2）：50-61.6郭水文，肖文静.网络效应的作用机制研究 J.经济评论，2011（4）：14-22.7卡尔 夏皮罗，哈尔 瓦里安.信息规则：网络经济的策略指导 M.北京：中国人民大学出版社，2000.8 Katz M.L.&Shapiro C.Technology adoption in the presence of network externalities J.Journal ofPolitical Economy，1986，94（4）：822-841.9 Economides N.The Economics of Networks J.International Journal of Industrial Organization，1996，14（6）：673-69910 朱彤.外部性、网络外部性与网络效应 J.经济理论与经济管理，2011（11）：60-64.11 Sasaki K，Ohashi T，Ando A.High-Speed Rail Transit Impact On Regional Systems：Does The Shinkansen Contribute to Dispersion?J.The Annals Of Regional Science，1997，31（1）：77-98.12 Campos，J.，Rus，G.D.，&Barron，I.A review of hsr experiences around the world J.MPRA Paper，2007，16（1）：19-28.13 黄洁，钟业喜，李建新，文玉剑.基于高铁网络的中国省会城市经济可达性 J.地理研究，2016，35（4）：757-769.14 姜博，初楠臣，等.中国四纵四横高铁网络可达性综合评估与对比 J.地理学报，2016，71（4）：591-604.15 穆成林，陆林，等.高铁网络下的长三角旅游交通格局及联系研究 J.经济地理，2015，35（12）：193-201.16 郭豪，赵映慧，张慧.我国高铁网络中主要城市中心性和网络空间格局浅议 J.现代城市，2015，10（4）：26-31.17 Glaeser，E.L.，Ponzetto，G.A.，&Zou，Y.Urban networks：Connecting markets，people，and ideasJ.Papers in Regional Science，2016，95（1），17-59.18 李煜伟，倪鹏飞.外部性、运输网络与城市群经济增长 J.中国社会科学，2013（3）：22-42.19 Burger，M.J.，Meijers，E.J.，Hoogerbrugge，M.M.，&Tresserra，J.M.Borrowed size，agglomerationshadows and cultural amenities in North-West EuropeJ.European planning studies，2015，23（6）：1090-1109.20 Glaeser，E.L.，Kolko，J.，&Saiz，A.Consumer city J.Journal of economic geography，2001，1（1）：27-50.21 Zheng，S.，&Kahn，M.E.China s bullet trains facilitate market integration and mitigate the cost of megacity growth J.Proceedings of the National Academy of Sciences，2013，110（14）：E1248-E1253.22 Briscoe，Bob，Andrew Odlyzko，and Benjamin Tilly.Metcalfe s law is wrong-communications networksincrease in value as they add members-but by how much？J.IEEE Spectrum 2006，43（7）：34-39.23 李廷智，杨晓梦，赵星烁，梁进社.高速铁路对城市和区域空间发展影响研究综述 J.城市与区域，2013，20（2）：71-79.24 Batten，&David.Network cities：creative urban agglomerations for the 21st century J.Urban Studies，1995，32（2）：313-327.25 Meijers，E.J.，Burger，M.J.，&Hoogerbrugge，M.M.Borrowing size in networks of cities：City size，network connectivity and metropolitan functions in Europe J.Papers in Regional Science，2016，95（1）：181-198.1926 Qin，Y.“No county left behind？”The distributional impact of high-speed rail upgrades in China J.Journal of Economic Geography，2017，17（3）：489-520.27 Camagni，R.，Capello，R.，&Caragliu，A.Urban growth and structural evolution：The role of dynamic agglomeration economies，2016.28 Van Meeteren，M.，Neal，Z.，&Derudder，B.Disentangling agglomeration and network externalities：Aconceptual typology J.Papers in Regional Science，2016，95（1）：61-80.29 龙茂乾，孟晓晨.高速铁路城市联系职能研究基于京广高铁调研数据的实证 J.人文地理，2015（3）：89-96.30 陈强.高级计量经济学及Stata应用 M.北京：高等教育出版社，2010.责任编辑：毛家贵Theagglomerati