交通改善、产业链贸易与区域生产网络

汤韵梁若冰

摘要: 理论上ꎬ 交通改善能够促进企业间贸易与产业间的分工合作ꎬ 进而形成区域乃至全国性生产网络ꎮ 本文利用福建省企业增值税发票数据构建了产业链关联变量ꎬ 考察了高速公路对省内企业间产业分工与产业链形成的影响ꎬ 有以下发现: 首先ꎬ 高速公路促进了企业的产业间销售ꎬ 加深了与产业链企业的贸易联系ꎬ 并提升了销售对象的产业多样性ꎻ 其次ꎬ 上游企业贸易对下游企业贸易有显著推动作用ꎬ 而且上述结果在考虑内生性以及可能产生估计偏误的情形下保持稳健ꎻ 最后ꎬ 对不同产业以及生产网络中心度的异质性分析发现ꎬ 交通改善对制造业下游的产业影响强于服务业ꎬ 而且高速公路能够带动生产网络中的弱势产业ꎬ 从而降低网络的结构失衡ꎮ

关键词: 高速公路产业链贸易区域生产网络增值税发票

中图分类号: F540􀆰 3 JEL 分类号: F15 N75 R12

一、引言

多数发达国家在 20 世纪中期就已经建成了相对完善的公路与铁路运输系统ꎬ 因而对于相关问题的研究相对较为成熟ꎮ 然而包括中国、印度等在内的大型发展中国家ꎬ 从 20 世纪 90 年代才开始大规模兴建国家高速公路干道系统ꎬ 在交通基础设施方面处于后发赶超的位置ꎮ 不过ꎬ 尽管起步较晚ꎬ 但中国在交通设施上的发展速度引人瞩目ꎬ 进入 21 世纪以来更是大规模建设并开通了全国性高速铁路系统ꎬ 展现了高速公路与高速铁路齐头并进的态势ꎮ 当然ꎬ 就各国经济发展的实践而言ꎬ 高速公路与高速铁路系统扮演的角色有所不同ꎬ 前者主要承担世界各国大部分的国内货物运输 (Redding 和 Turnerꎬ 2015)ꎬ 而后者则主要以客运为主ꎬ 因此前者直接影响了地区间的货物贸易 (Duranton 等ꎬ 2014ꎻ Michaelsꎬ 2008)ꎬ 后者则主要通过加速人力资本或信息流动ꎬ 促进地区间贸易增长 (Bernard 等ꎬ 2019)ꎮ

随着大量微观数据的挖掘与实证研究方法的改进ꎬ 国内外针对交通设施经济影响的经验研究大量涌现ꎮ 不过ꎬ 这些研究大多较关注交通对地区经济发展的影响ꎬ 对于产业甚至企业层面的分工合作、产业链的形成与深化等方面的研究相对较为缺乏ꎮ 关于交通改善对国内市场整合与产业分工的影响ꎬ 一个可行方案是利用地区间与企业间贸易数据进行分析ꎮ 然而ꎬ 由于缺乏微观层面的企业间贸易数据ꎬ 相关实证研究难以展开ꎮ 目前ꎬ 大多数与交通改善相关的贸易研究主要围绕国际贸易展开ꎬ 且已经取得了十分丰硕的成果 (Cosar 和 Demirꎬ 2016ꎻ Donaldsonꎬ 2018ꎻ Jaimovichꎬ 2019ꎻ Limao 和 Venablesꎬ 2001)ꎮ 与之相反ꎬ 针对国内贸易影响的研究数量有限ꎬ 且多数集中在地区间贸易上ꎮ 例如ꎬ Duranton 等 (2014) 和 Michaels (2008) 分别探讨了美国州际高速公路对地区间贸易的影响ꎬ 刘生龙和胡鞍钢 (2011) 讨论了中国的交通改善对省际贸易的影响ꎬ 以及 Donaldson (2018) 讨论了印度殖民地时期兴建的铁路对区域间贸易的影响等ꎮ

近期ꎬ 企业微观数据可得性的提高与分析方法的日渐成熟ꎬ 使得相关研究开始利用企业间贸易数据进行微观层面的研究ꎮ 例如ꎬ Bernard 等 (2019) 考察了日本新干线开通的影响ꎬ 梁若冰和汤韵 (2021) 分析了高速公路对福建省企业间贸易的影响ꎮ 不仅如此ꎬ 数据可获得性的提升ꎬ 也使得利用网络分析工具考察产业或企业生产网络的经验研究日渐增多ꎬ 而在这些研究中ꎬ 相当重要的内容就是考察生产网络的传播模式 (Carvalho 和 Tahbaz¯Salehiꎬ 2019)ꎬ 包括在产业层面的分析 (Acemoglu 等ꎬ 2012ꎻ Grassi 和 Sauvagnatꎬ 2019)、企业层面的分析 (Barrot 和 Sauvagnatꎬ 2016ꎻ Boehm 等ꎬ 2019ꎻ Carvalho 等ꎬ 2021) 以及产业联动与总体波动的分析 (Carvalho 和 Grassiꎬ 2019) 等ꎮ 上述研究及其采用的方法ꎬ 对于我们理解交通改善对产业分工合作、产业链形成与深化以及区域生产网络形成的影响ꎬ 都有着非常重要的作用ꎮ

尽管目前分别针对交通设施与生产网络展开的研究数量众多ꎬ 但将两者结合起来分析交通改善如何影响产业或企业层面产业分工与生产网络的研究并不多见ꎮ 尤其在探讨外生冲击对生产网络中企业的影响方面ꎬ 大多经验研究围绕贸易协定、技术创新、信息成本等政策冲击ꎬ 以及地震、暴雪、飓风灾害等自然冲击展开ꎬ 基于交通基础设施的分析并不多见ꎮ 现有文献中ꎬ 只有 Bernard 等 (2019) 利用日本开通的新干线高速铁路ꎬ 分析了交通基础设施连通对国内生产网络的影响ꎮ 不过ꎬ 他们的研究也只是分别探讨了生产网络中供、需方的匹配以及降低搜寻成本对企业经营表现的影响ꎬ 并未讨论对企业在产业链中表现及其上下游关系的影响ꎬ 同时也未能涉及产业网络特征对交通改善影响的异质性效应ꎮ

质性效应ꎮ 因此ꎬ 本文试图从产业链与生产网络角度探讨交通改善的总体影响ꎬ 具体回答以下三个问题: 第一ꎬ 交通改善是否通过促进供、需企业间的贸易关系来深化产业分工合作? 第二ꎬ 交通改善是否促进了上、下游企业销售之间的传递? 第三ꎬ 上述影响在服务业与制造业之间ꎬ 以及在不同网络特征的企业之间存在何种异质性? 通过研究本文发现: 第一ꎬ 交通改善促进了产业链上下游之间的联系ꎬ 不仅促进了企业的产业间销售ꎬ 而且还提升了企业与销售对象的产业关联度以及销售对象的产业多样性ꎻ 第二ꎬ 交通改善推动了上游销售向下游销售的传递ꎻ 第三ꎬ 交通改善对制造业的影响大于服务业ꎬ 而且网络中心度较低的行业从交通改善中获益较多ꎮ

本文的主要贡献包括: 第一ꎬ 首次采用企业层面的增值税发票数据来研究交通设施对国内生产网络的影响ꎬ 基于供需企业对的销售数据解决了对国内产业分工及产业链研究的数据缺乏问题ꎬ 有助于我们了解区域生产网络的发展演化ꎻ 第二ꎬ 探讨了交通改善对产业关联、上下游贸易传递的影响ꎬ 并分析了行业及其网络化特征的异质性效应ꎬ 这些实证工作在当前国内外相关文献中较为少见ꎬ 本文对其进行了有益的补充ꎻ 第三ꎬ 在空间数据处理方面ꎬ 采用探索性空间分析工具对企业及高速公路的空间特征与网络特征进行分析ꎬ 避免了此类研究中因变量设定过于简化而导致的测量误差问题ꎮ

二、交通改善与生产网络文献综述

本文研究的主要对象分别是交通改善对区域产业分工与生产网络的影响ꎬ 这与两支文献密切相关: 一是关于交通改善对区域 (企业) 间贸易影响的研究ꎻ 二是与产业链、产业分工以及生产 (贸易) 网络的形成、特征及其变化相关的研究ꎮ 首先ꎬ 对于交通改善的贸易影响ꎬ 目前的研究大多集中在国际贸易领域ꎬ 对国内贸易的分析相对较少ꎮ 而就现有研究而言ꎬ 基于地区数据的贸易研究大多发现交通改善具有正向促进作用ꎮ 比如ꎬ Michaels (2008) 发现美国州际高速公路对农村物流、零售等贸易相关行业的产出有显著促进作用ꎬ 而 Duranton 等 (2014) 也发现连通州际高速公路系统使城市之间的贸易额与贸易量分别上升 1􀆰 4%和 1􀆰 9%ꎻ 此外ꎬ Donaldson (2018) 发现印度在殖民地时期兴建的铁路显著促进了区域间贸易与国际贸易水平ꎮ 不过ꎬ 具体到企业层面ꎬ 上述结论有所改变ꎮ 梁若冰和汤韵 (2021) 针对中国福建省的企业层面贸易数据进行实证分析ꎬ 发现高速公路兴建总体上对企业贸易没有显著影响ꎬ 但存在明显的贸易转移效应ꎬ 即将对本地企业的贸易转向对外地企业贸易ꎬ 而且这种转移在扩展边际和集约边际上都很显著ꎮ 上述发现ꎬ 一方面说明交通对企业贸易的影响并非单调的ꎬ 而是存在显著的结构性差异ꎬ 另一方面也说明不同行业与地区从交通改善中获得的收益是不同的ꎮ 不过ꎬ 就目前而言ꎬ 多数研究关于交通设施对产业链及产业分工的影响涉及较少ꎮ

关于产业链、产业分工与生产网络的研究ꎬ 目前较多集中于三种类型ꎬ 即自然灾害、贸易政策以及交通通信改善上ꎮ 首先ꎬ 关于自然灾害对生产网络的影响ꎬ 目前研究主要讨论了 2011 年日本东北地区大地震的影响ꎮ 例如ꎬ Carvalho 等 (2021) 考察了该地震对在震区内有合作伙伴的企业销售额的影响ꎬ 发现对供货商在灾区的企业影响不显著ꎬ 而对有灾区销售商的企业则存在显著负向影响ꎬ 表明冲击通过产业链主要传导到了区外上游企业ꎻ Boehm 等 (2019) 考察了该地震对日本跨国企业在美国分公司的影响ꎬ 发现后者因进口中间投入品的下降出现显著的产出下降ꎮ Barrot 和 Sauvagnat (2016) 对美国的研究将自然灾害扩展到几乎所有种类ꎬ 包括暴雪、飓风、地震、洪水等ꎬ 发现其对灾区企业的负向冲击传导到下游ꎬ 从而导致后者产出出现 2—3 个百分点的显著损失ꎬ 而且这种损失随着投入品独特性的增强而增大ꎮ 上述研究表明ꎬ 区域或全球产业分工使外生冲击通过生产网络影响远离冲击的地区ꎬ 从而使后者也成为逆向冲击的受害者ꎮ

其次ꎬ 在外生冲击中也存在众多的正向因素ꎬ 包括自由贸易协定的签署、技术创新鼓励政策的实施以及交通与信息成本的降低等ꎬ 都可能通过产业链对经济产生广泛的溢出效应ꎮ 例如ꎬ Orefice 和 Rocha (2013) 发现签署贸易协定可以促使成员国之间的生产网络贸易额提高 35%ꎬ 而贸易额增加会进一步促进更深入的生产网络贸易协定的签署ꎬ 并且这种促进效应在汽车制造与电子信息产业要显著高于纺织业ꎮ 无独有偶ꎬ Bosker 等 (2018) 考察了 2001 年美国与越南的贸易协定中关税减让政策的影响ꎬ 发现这一正向外生冲击重构了美越制造业的生产网络: 美国厂商以低价的越南产中间品替代非越南产品ꎬ 越南中间品厂商也进口更多中间品以满足美国市场需求ꎬ 美国厂商通过降低投入品价格提高产品竞争力ꎬ 从而获得更多的国际市场份额ꎮ 此外ꎬ Goldberg 等 (2010) 对印度企业的研究也发现ꎬ 关税减让使企业多进口 30%的新产品ꎬ 而进口中间品多样化可以进一步降低企业的中间品投入价格ꎬ 通过改善投入结构来提高企业的经营绩效ꎮ

最后ꎬ 近期研究的一个重点是针对交通与通信技术进步展开讨论ꎬ 其基本思路是: 技术创新降低了贸易成本ꎬ 从而深化企业间联系并促进企业生产网络的形成和深化ꎮ 例如ꎬ Fort (2016) 考察了 2002—2007 年间通信技术进步对美国公司的影响ꎬ 发现采用新技术降低了协作成本ꎬ 从而使企业将中间投入品外包给本地或国外企业的概率上升了3􀆰1 个百分点ꎮ 不仅如此ꎬ 由通信技术进步导致的国内企业之间分工合作远远多于国内、外企业之间的分工合作ꎮ 与之类似地ꎬ Cristea (2011) 利用美国州级商务舱航空旅行数据作为衡量商务会面的代理变量ꎬ 研究了面对面沟通在企业生产网络建立中的作用ꎬ 发现其显著促进了差异化产品的出口规模与结构ꎬ 而且越是依赖研发的行业、越是面临贸易争端的产品ꎬ 这种促进效应越强ꎮ Bernard 等 (2019) 考察了日本新干线开通对企业生产率的影响ꎬ 发现尽管高速铁路无法促进货物运输成本的降低ꎬ 但能有效降低信息沟通成本ꎬ 从而加快企业在生产网络中的搜寻与匹配合作伙伴的速度ꎮ
本文将要讨论的问题与上述研究中的最后一支较为接近ꎬ 不同之处在于我们基于企业层级的增值税发票数据ꎬ 利用企业间贸易数据进行了企业间的产业链贸易与生产网络分析ꎬ 这是与交通改善相关研究所相对缺乏的ꎮ

三、实证研究设计

(一) 高速公路对产业链贸易的影响
对于国际贸易而言ꎬ 贸易成本下降能够减少跨国企业的生产成本ꎬ 使其利用专业化分工优势在全球进行产业布局ꎬ 通过构造上、下游产业链促进国家间的分工合作ꎮ 在国内贸易方面ꎬ 交通设施的改善也能够促进企业在更广阔的地理范围内配置生产资源ꎬ 形成产业分工与合作ꎬ 从而促进区域性甚至全国性的市场整合ꎮ 由此ꎬ 本文特别关注交通改善对企业向下游行业销售的影响ꎬ 并分析这种影响是否促进了产业链的形成与深化ꎮ 为此ꎬ 本文将考察产业间销售额、企业与其销售对象平均产业关联度以及销售对象的产业多样性ꎮ

样性ꎮ
同时ꎬ 除了上下游之间形成的产业链ꎬ 产业内贸易增加也是产业分工深化的重要标志ꎮ 根据 Krugman (1981) 的新贸易理论ꎬ 产业内贸易来源于多样化需求和规模报酬递增ꎬ 使各地区一方面能够享受到生产的规模效应带来的好处ꎬ 另一方面又不会损失需求多样性带来的收益ꎮ 不过ꎬ Davis (1995) 认为在规模报酬不变的情况下ꎬ 即便国家间的禀赋相同ꎬ 但由于技术差异导致的专业化分工ꎬ 仍然可能存在产业内贸易ꎮ Melitz (2003) 将这一观点推广到企业生产率差异上ꎬ 并利用异质性企业理论有效解释了产业内贸易ꎮ 因此ꎬ 无论是否存在规模报酬递增ꎬ 产业内贸易都代表了专业化分工的深化ꎮ 对此ꎬ 本文利用 4 位数行业的内部贸易ꎬ 来考察交通改善是否促进了产业内贸易ꎮ
为此ꎬ 我们可以利用固定效应面板模型分别考察交通改善对企业通过高速公路的销售额及其产业特征的影响ꎬ 写为如下模型:

公式 (1) 估计了交通改善对企业高速公路销售的影响ꎬ 被解释变量为企业 i 通过高速公路的总销售额ꎻ 同时ꎬ 本文还分别估计了交通改善对企业的产业间总销售额 (lnttra¯ dehwdit) 与产业内总销售额 (lnttradehwsit) 的影响ꎬ 这两类销售额分别表示目标企业与销售企业分属不同与相同的 4 位数行业ꎮ 为进一步考察交通改善是否促进了产业分工的深化ꎬ 本文还分别考察了销售对象与企业的平均产业关联度 (lnaccchwit) 以及销售对象的2位数 (lndivhwtdit) 及4位数产业多样性 (lndivhwfdit)ꎮ 其中ꎬ 平均产业关联度指标根据 2012 年的投入产出表中各行业之间的完全消耗系数进行测算ꎬ 即将各年度企业 i 所在行业与其销售对象所在行业进行匹配ꎬ 然后测算出该企业与所有销售对象的平均完全消耗系数ꎬ 这一指标可以体现出企业新增销售对象与该企业产业紧密度的变化趋势ꎻ 销售对象的产业多样性是指企业销售对象所在的不同产业的数量ꎬ 本文考察了 2 位数和 4 位数产业两种测算方式ꎬ 该指标表示企业是否开发出更多产业的贸易对象ꎮ 公式中的主要解释变量为企业与高速公路入口的距离 (lndisentit)1ꎬ 本文采用了企业与其最近高速公路入口之间的道路距离作为测算依据ꎮ 此外ꎬ 控制变量向量 X 中ꎬ 包括了企业销售对象的总资本额 (lndtcapitaljt)、总就业 (lndtemployit)、直线距离和 (lntdistit) 及其与高速入口距离的平均值 (lnddisentit ) 等变量ꎮ 固定效应 δi 、 εc(i) ×λt 与 θs(i) ×λt 分别控制了企业的固定效应、所在县区以及所处行业随时间变化的特异性效应ꎮ

由于高速公路兴建并不能被视为完全外生ꎬ 有可能受到反向因果与遗漏变量等问题的影响ꎬ 因此本文还将进一步为解释变量ꎬ 即企业的高速入口距离寻找工具变量 (IV)ꎮ 就目前来看ꎬ 交通设施的工具变量选择主要包括直连路线、历史路线、规划路线、最小成本路线与竞争性交通方式路线等五种ꎮ 本文选择了目前较为常用的最小成本路线作为高速入口距离的工具变量ꎬ 可分为两步: 第一步ꎬ 利用 GIS 软件绘制出县市间的最小成本路线ꎬ 即根据地理地形条件ꎬ 利用随机生成树算法估计出交通设施施工成本最小路线 (Faberꎬ 2014)ꎻ 第二步ꎬ 测算出企业与最小成本路线之间的直线距离ꎬ 并以此作为企业与高速入口距离的工具变量ꎬ 这也体现了成本最小原则ꎮ 针对企业与高速入口距离随时间变化的特征ꎬ 工具变量的选择暗含了线路规划的时间顺序 (Redding 和 Turnerꎬ 2015)ꎬ 即各条线路修建的时间安排依据各年度的高速公路规划来确定ꎬ 因而并非完全随机ꎬ 仍然存在着规划时间差异包含的市县重要性差异问题ꎮ 不过ꎬ 总体而言ꎬ 相对于县级地区人口规模与经济发展水平等变量ꎬ 个别企业对高速公路线路规划的影响显然并不足以导致该工具变量出现严重内生性问题ꎮ

式 (2) 为第一阶段估计ꎬ 其中的 lnIVit 为本文测算出的企业与最小成本路线的直线距离的自然对数ꎻ 式 (3) 为第二阶段估计ꎬ 除解释变量为根据第一阶段估计获得的企业与高速公路入口的拟合值外ꎬ 其他变量含义与式 (1) 相同ꎮ 与 OLS 估计类似ꎬ 本文仍将考察交通改善对企业的产业间、产业内总销售额ꎬ 与销售对象的平均产业关联度以及销售对象的产业多样性的影响ꎮ

(二) 高速公路对上、下游贸易的推动
在生产网络中ꎬ 分析上、下游产业之间的贸易关系对于理解交通改善的网络效应是有益的ꎬ 本文在文献部分的梳理提供了众多理论与实证上的支持ꎮ 作为外生冲击ꎬ 交通改善对企业的影响可以传递到下游企业ꎬ 因而我们将进一步讨论产业链中的企业与其上游企业之间的贸易关系对其向下游进行贸易的影响ꎮ 换言之ꎬ 我们要了解上游企业的销售变动是否能够传递到下游企业的销售上ꎮ 不仅如此ꎬ 由于上、下游都是相对概念ꎬ 在研究中存在很强的内生性ꎬ 因此本文利用交通改善构建工具变量ꎬ 以此作为驱动上游销售对下游销售变动的关键力量ꎮ 本文构建回归方程来识别与度量上游企业销售对下游企业销售的作用ꎬ 如以下 OLS 估计方程所示:

其中ꎬ lndttradehwit 为企业 i 的下游企业在 t 年通过高速公路的总销售额对数值ꎬ lnuttradehwit 为企业 i 作为上游企业在 t 年对其下游企业的高速公路总销售额ꎬ 该式主要分析上游企业销售对下游企业销售的推动作用ꎬ 其他控制变量的含义同式 (1)ꎮ 不过ꎬ 由于上游企业的销售可能存在因内生性而造成的估计偏误ꎬ 因此本文采用工具变量法来进行两阶段最小二乘 (IV¯2SLS) 估计ꎬ 可以表示为下列公式:

式 (5)、式 (6) 分别为考察上游企业销售对下游企业销售影响的第一阶段和第二阶段估计方程ꎬ 对应式 (4) 的 OLS 估计ꎮ 在第一阶段回归中ꎬ 被解释变量为内生解释变量 lnuttradehwit ꎬ 其工具变量为上游企业 i 在 t 年与最近高速公路入口的距离 ( lnupdis¯ entit)ꎮ 由于交通改善可以降低企业与高速入口的距离ꎬ 对其贸易产生促进作用ꎬ 并且可以满足工具变量的两个条件: 一方面高速公路与企业间贸易密切相关ꎬ 从而满足第一阶段回归的存在性ꎻ 另一方面ꎬ 上游企业高速入口距离的缩短可以直接促进该企业对下游企业的销售ꎬ 而对后者的销售没有直接影响ꎬ 因此可以满足排除限制 (exclusion restric¯ tion) 条件ꎮ

当然ꎬ 由于高速公路建设也可能具有内生性ꎬ 因此我们可以进一步写出三阶段估计方程:

其中ꎬ 式 (7) 为第一阶段估计ꎬ 其中的解释变量 lnupIV 为上游企业与高速入口距离变量的工具变量ꎬ 其构造方式与式 (2) 中的工具变量 lnIV 相同ꎮ 式 (8)、式 (9) 分别为第二、第三阶段估计ꎬ 变量含义与式 (5)、式 (6) 相同ꎬ 唯一区别是式 (7) 的解释变量上游企业与高速入口距离 lnupdisent 为工具变量拟合的结果ꎮ 为了说明结果稳健性ꎬ 本文分别利用 IV¯3SLS 和 CMP (conditional mixed process) 两种方法对上面的方程组进行估计ꎮ

四、数据分析

(一) 数据描述与来源
本文的实证研究工作主要基于福建省的高速公路与企业生产网络展开ꎮ 之所以选择福建省作为研究对象ꎬ 主要基于三点考虑: 第一ꎬ 福建省的地理位置与地形条件较为特殊ꎬ 交通基础设施发展较为滞后ꎬ 但近年来取得了较快的增长ꎬ 在样本涵盖期间新增高速公路里程超过了 4 000 公里ꎻ 第二ꎬ 福建省多山地、丘陵的地形使得运输成本在贸易成本中的比重较高ꎬ 因而交通改善对企业贸易的影响大于平原地区ꎻ 第三ꎬ 在企业生产网络的研究中ꎬ 采用增值税发票数据作为企业中间品贸易的代理变量是可行选择ꎬ 基于福建省增值税发票数据的可获得性ꎬ 本文将该省作为主要研究对象ꎮ 当然ꎬ 由于条件所限ꎬ 本文具有一定的局限性: 我们探讨的生产网络仅限于福建省内企业ꎬ 无法探讨省内企业与省外乃至国外企业的生产网络ꎮ

表 1 为本文实证分析中采用的主要变量的描述性统计及其来源ꎮ 由于本文的实证设计分成了两个部分: 一是高速公路对邻近企业通过高速公路销售的影响ꎬ 主要关注其对象行业的多样性与关联度ꎬ 可被视为直接影响ꎻ 二是高速公路对上游企业销售的影响是否能够传递到其下游企业的销售上ꎬ 可被视为间接影响ꎮ 因此ꎬ 本文采用的被解释变量也分为两组: 针对直接影响分析ꎬ 我们采用了企业通过高速公路进行的产业间与产业内销售额、销售对象的产业关联度以及产业多样性等指标ꎻ 针对间接影响ꎬ 我们采用了企业对下游的销售额作为被解释变量ꎮ 而作为外生冲击引入实证分析的企业高速公路入口距离ꎬ 在直接影响分析中被视为解释变量ꎬ 而在间接影响中则被视为解释变量上游企业总销售额的工具变量ꎮ

本文的主要数据来源是福建省企业税收调查数据库中的企业销售增值税发票数据ꎬ 该数据的最大特点在于发票上可以直接标示每笔交易的供、需方企业ꎬ 因而非常便于进一步处理ꎮ 由于单笔交易增值税发票样本量过大ꎬ 我们获得的是每个供、需企业对票面金额的年度加总数据ꎮ 本文对该数据进行了进一步处理ꎬ 包括三种方式ꎮ 第一ꎬ 对于直接影响分析中的被解释变量ꎬ 包括企业高速公路总销售额、产业间销售额、产业内销售额以及产业多样性指标ꎬ 我们基于销售企业对其销售对象进行加总处理ꎬ 包括对高速公路销售额、产业间及产业内销售额的加总ꎬ 以及对企业销售对象所属不同产业的加总ꎮ 第二ꎬ 对于企业与其销售对象的平均产业关联度ꎬ 本文根据 2012 年 « 福建省投入产出表» 的 139 个行业间完全消耗系数进行均值处理ꎬ 即先找到各个供、需企业对所属产业的关联系数ꎬ 然后基于销售企业求出该企业与销售对象之间的关联系数平均值ꎮ 第三ꎬ 对于间接影响中的上、下游企业销售额ꎬ 变量构造方法分别为: 基于上游企业对其销售对象进行加总ꎬ 获得上游企业总销售额ꎻ 基于上游企业的销售对象ꎬ 对其下游企业进行加总ꎬ 获得下游企业总销售额ꎮ

本文的另一重要变量为企业与高速公路入口的距离ꎬ 在直接分析中是主要解释变量ꎬ 在间接分析中是重要的工具变量ꎬ 该变量的构造主要分了三步: 第一ꎬ 基于 2008—2016 年 «福建省公路运输实用地图册»ꎬ 我们利用 GIS 软件绘制高速公路线路图并标记出高速入口的位置ꎻ 第二ꎬ 利用企业地址信息获取企业经纬度ꎬ 并将其标记在矢量地图上ꎬ 找到与该企业最近的高速公路入口的位置ꎻ 第三ꎬ 利用百度地图的 API 进行 Python 编程ꎬ 测算出企业与最近的高速公路入口间的道路距离ꎮ 此处ꎬ 值得注意的一个问题是ꎬ 本文选择的被解释变量均为企业通过高速公路销售的相关指标ꎬ 而我们并不知道企业之间是否通过高速公路进行了贸易ꎮ 因此ꎬ 本文规定高速公路销售必须满足两个条件: 第一ꎬ 供、需企业在 2016 年距离最近的高速入口不能为同一入口ꎬ 若为同一入口则认为两个企业间进行了本地贸易1ꎻ 第二ꎬ 两个企业不能属于同一县、县级市或市辖区ꎮ 此外ꎬ 在构造企业与高速入口距离的工具变量时ꎬ 本文还采用了福建省的地理和地形数据ꎬ 作为获取最小成本路径的依据ꎮ 对此ꎬ 本文采用了30m×30m的全球地理地形栅格地图2ꎬ 依据随机生成树算法测算出成本最小路径ꎬ 并以此为基础生成相关工具变量ꎮ

(二) 高速公路与区域生产网络从福建省高速公路在 2008 年和 2016 年的通车情况中可以了解: 第一ꎬ 福建省高速公路连通速度很快ꎬ 由 2008 年的 3 条出省通道ꎬ 发展至 2016 年的 13 条ꎻ 第二ꎬ 省内绝大部分市县都至少连通一条高速公路ꎬ 某些交通枢纽市县有多条穿过ꎻ 第三ꎬ 随着连通市县数量的不断增加ꎬ 高速公路的网络特征日益明显ꎬ 使我们可以进一步分析这种交通网与生产网络的关系ꎮ

图 1 (a) 为福建省高速公路建设对企业交通可达性的影响ꎬ 可以看出企业与高速公路入口距离随高速开通里程的增加而下降ꎬ 企业与最近的高速入口平均距离由 2008 年的 17 公里降至 2016 年的 7 公里ꎻ 同时ꎬ 通高速的县市数量也逐年增加ꎬ 由 2008 年的不到 30 个增长到 2016 年的超过 60 个ꎮ 图 1 (b) 展示了同一时段内各行业与企业的销售对象变化情况ꎮ 从行业总体趋势看ꎬ 平均销售对象数出现大幅度增加ꎬ 由 2008 年的 20 个增加至 2016 年的超过 50 个ꎻ 对于企业而言ꎬ 该指标出现了略微下降ꎬ 而通过高速公路进行销售的企业数量与企业总销售对象数都出现了增长ꎮ 由此可知ꎬ 随着交通网络的发展、成熟和完善ꎬ 企业之间的贸易和生产网络展现了以下特征: 第一ꎬ 从县市与行业角度观察ꎬ 越来越多的地区和行业被纳入生产网络ꎬ 从而使中间投入品的种类快速增加ꎻ 第二ꎬ 从企业角度观察ꎬ 尽管纳入生产网络的企业数量越来越多ꎬ 但对于每家企业而言ꎬ 与它们直接相关的企业数量并未显著增加ꎮ 出现上述情形的原因主要有两个: 第一ꎬ 随着网络中企业数量的增加ꎬ 中间品涉及厂商的数量也出现增加ꎻ 第二ꎬ 产品复杂度的提高使得企业直接关联的企业数量减少ꎬ 但间接关联的数量出现增加ꎮ

我们可利用基本的网络分析工具ꎬ 进一步分析展示企业生产网络的特征及其变化ꎮ 一般而言ꎬ 区域生产网络分析可以根据图论构建度中心性 (degree centrality) 指标ꎬ 包括节点的入度 (indegree) 和出度 (outdegree)ꎬ 分别表示某企业 i 作为购买者与销售者的贸易伙伴数量ꎬ可写作: CDin(i) = ∑Yij 和 CDout(i) = ∑Yij , 其中Y 和Y 分别表示企业 i 作为供给方和需求方与企业 j 是否存在贸易关系的虚拟变量ꎮ 图 2 (a) 展示了企业在通过高速公路进行销售时ꎬ 对应不同客户数量的累积分布密度曲线ꎬ 可知该分布服从帕累托分布ꎬ 而且体现了厚尾逐渐减弱的变化趋势ꎬ 表明随着加入生产网络的企业数量逐渐增多ꎬ 单个企业的客户数分布变得更为平均ꎬ 极端值有所减少ꎮ 图 2 (b) 展示了企业入度与出度的弹性关系ꎬ 体现了两方面特征: 一是明显的正相关关系ꎬ 二是曲线斜率逐渐增大ꎮ 这表明ꎬ 企业作为生产链中的一环ꎬ 投入与产出高度相关ꎬ 且同配度 (assortative) 逐年提高ꎮ

我们将 2008 年和 2016 年福建省各行业之间的生产网络根据 2 位数行业进行编码ꎬ 具体而言: sector=1为第一产业ꎬ 包括农业与采矿业ꎬ 编码为1—12ꎻ sector=2为第二产业ꎬ 包括制造业、公用事业与建筑业ꎬ 编码为 13—50ꎻ sector = 3 为第三产业ꎬ 包括批发零售业、交通运输业等服务业部门ꎬ 编码为 51—97ꎮ 经过测算ꎬ 该省各行业之间的生产网络具有如下三个规律: 第一ꎬ 相对于 2008 年ꎬ 2016 年产业之间的联系更加紧密ꎬ 纳入产业链的行业也越来越多ꎮ 第二ꎬ 生产网络的核心行业多为制造业ꎬ 每个 2 位数行业的平均销售对象数由 2008 年的 37􀆰 4 个增加到 2016 年的 61􀆰 6 个ꎻ 第一产业属于周边行业ꎬ 平均销售对象数由 12 个增加到 26􀆰 7 个ꎮ 第三ꎬ 第三产业分化较严重ꎬ 其中既有与制造业联系密切的批发零售业、交通运输仓储、金融、信息传输和软件信息技术服务、租赁和商务服务以及科研和技术服务等生产者服务业ꎬ 也有与制造业缺乏联系的住宿餐饮、教育卫生、文化娱乐、居民服务业等ꎬ 前者的平均销售对象数由 12􀆰 6 个增长到 56􀆰 7 个ꎬ 而后者则由 4􀆰 4 个增加到 30 个ꎬ 可见生产者服务业在生产网络中的重要性逐渐体现出来ꎬ 越来越多地进入核心行业ꎮ

五、高速公路、产业分工与产业链贸易

(一) 高速公路是否促进了产业分工
从数据分析中我们可以看出ꎬ 随着县市间高速公路网的建设与连通ꎬ 福建省内企业销售的产业多样性逐渐提高ꎬ 产业间联系也变得日益紧密ꎮ 不过ꎬ 描述性分析无法确定这种产业关联逐渐增强与生产网络日益紧密是否是由交通改善导致的ꎬ 因此我们需要为此提供更为严谨的经验证据ꎮ 从图 3 可以看出ꎬ 企业与高速公路入口距离对其通过高速公路进行的产业间销售及其与销售对象的平均产业关联度均呈现了较为明显的负相关关系ꎬ 表明企业的产业间销售随着高速公路兴建而有所增长ꎬ 同时也促进企业将产品销往与其产业关联更密切的企业ꎮ 这种直观感受是否能够获得实证证据的支持ꎬ 需要我们利用计量回归模型进行更严谨的识别ꎮ 本文根据式 (1) 对高速公路的销售影响进行了 OLS 估计ꎬ 结果列于表 2 中ꎮ

表 2 分别利用式 (1) 估计了交通改善对企业高速公路销售的影响ꎬ 包括总销售额、产业间与产业内销售额ꎬ 以及平均产业关联度与多样性指标ꎮ 具体而言ꎬ 第 (1) 列、第 (2) 列分别展示了交通改善对企业的高速公路总销售额与产业间销售额的影响ꎬ 从估计系数可知企业与高速入口距离每下降 1%ꎬ 企业通过高速公路进行的总销售额上升 0􀆰 288%ꎬ 产业间销售额上升 0􀆰 308%ꎬ 即当企业与高速公路入口距离每缩短 1 公里ꎬ 企业通过高速公路的总销售额与产业间销售额则分别增加 13􀆰 4 万元与 12􀆰 8 万元ꎮ 从第 (3) 列结果可知ꎬ 交通改善对产业内销售的影响并不显著ꎬ 表明高速公路主要带动了企业的产业分工合作ꎮ 第 (4) 列结果表明ꎬ 高速公路连通使企业与其销售对象之间的平均关联度有所提升ꎬ 即企业与高速入口距离每缩短 1 公里ꎬ 平均关联度上升 0􀆰 537%ꎮ 从第 (5)、第 (6) 列中的估计结果可知ꎬ 交通改善促使企业销售对象的产业多样性出现显著增加ꎮ 无论是 4 位数还是 2 位数行业ꎬ 估计系数都非常接近ꎬ 表明每公里高速入口距离的缩短ꎬ 能够带动企业销售对象的 4 位数和 2 位数产业数分别增加 0􀆰 06 个和 0􀆰 04 个ꎮ 此外ꎬ 在本文分别利用县区层级与行业层级进行聚类估计时ꎬ 上述第 (1) 列、第 (2) 列及第 (4) — (6) 列估计结果仍然保持至少在 5%的水平下显著ꎮ 因此ꎬ OLS 估计结果表明ꎬ 除了企业的产业内销售ꎬ 交通改善对企业产业间销售规模以及产业关联有显著的促进作用ꎬ 从而促使不同产业间的企业建立上下游联系ꎬ 通过深化产业分工合作为产业链的形成奠定基础ꎮ

OLS 估计结果可能因遗漏变量等问题产生内生性ꎬ 因此本文还根据式 (2)、式 (3) 构造了工具变量进行 IV¯2SLS 估计ꎮ 从表 3 Panel A 的简约形式 (reduced¯form) 估计结果可知ꎬ 本文构造的工具变量ꎬ 即企业与最小成本路线的直线距离ꎬ 对企业高速销售的影响符合预期ꎮ Panel B 为 IV¯2SLS 估计的第一阶段结果ꎬ 可以看出工具变量很好地拟合了内生解释变量ꎬ 而且 Kleibergen Paap F 统计量也表明工具变量不存在弱工具变量问题ꎮ 从 Panel C 的第二阶段估计结果可知ꎬ 相关变量的估计符号与显著性与表 2 相同ꎬ 说明即便存在因内生性产生的估计偏误ꎬ 其对估计结果的影响也不足以改变 OLS 估计的结论ꎮ 从各变量的估计系数值看ꎬ IV¯2SLS 相对于 OLS 估计结果有所增加ꎬ 每公里高速入口距离的缩短带来的总销售额与产业间销售额分别增长 19􀆰 9 万元和 17􀆰 8 万元ꎬ 平均产业关联度增加 1􀆰 28%ꎬ 销售对象的 4 位数与 2 位数产业数量分别增加 0􀆰 1 个和 0􀆰 06 个ꎮ 由此可见ꎬ 交通改善对于企业向下游企业的销售有着非常显著的影响ꎬ 不仅能够促进企业对产业联系更密切企业的销售ꎬ 而且也能够提升销售对象的产业多样性ꎮ

(二) 高速公路对上下游产业链贸易的推动
在生产网络中ꎬ 分析上、下游产业之间的关系对于理解交通改善的贸易创造效应是有益的ꎬ 本文在文献部分的梳理提供了众多理论与实证上的支持ꎮ 作为外生冲击ꎬ 交通改善对于上游企业销售的影响有可能传递到下游企业的销售上ꎬ 因此我们将进一步讨论产业链中的上、下游企业销售之间的关系ꎮ 换言之ꎬ 我们要了解上游企业对某企业的供给增长是否能够推动该企业向下游企业的贸易ꎮ 不仅如此ꎬ 由于上游与下游产业都是相对概念ꎬ 直接进行 OLS 估计会存在很强的内生性ꎬ 因此本文利用交通改善构建了工具变量ꎬ 以此作为驱动上游企业销售增加的关键力量ꎮ 图 4 绘制了上游企业与高速入口距离对其销售额的影响以及上游企业销售额对下游企业的销售额的影响ꎮ 从图中可知ꎬ 交通改善促进了上游企业的销售ꎬ 而后者又与下游企业销售存在显著正向关系ꎮ

表 4 为根据式 (4) — (6) 估计的结果ꎬ 主要展示 OLS 估计、简约形式估计以及 IV¯2SLS 估计的第一和第二阶段估计结果ꎮ 其中ꎬ 第 (1) 列为上游企业销售对下游企业销售的影响ꎬ 可知在不考虑内生性的情况下上、下游企业销售之间存在显著的正相关关系: 上游企业销售每增长 1%ꎬ 下游企业销售将增长 0􀆰 03%ꎬ 即上游企业销售每增加 1 元ꎬ 其下游企业销售将增加 1􀆰 2 元ꎮ 第 (2) 列和第 (3) 列结果表明ꎬ 模型采用的工具变量ꎬ 即上游企业与高速入口距离可以有效拟合解释变量ꎬ Kleibergen Paap F 统计量也说明不存在弱工具变量问题ꎮ 从第 (4) 列估计结果可知ꎬ 考虑内生性之后上游销售对下游销售的影响出现大幅增加ꎬ 上游企业销售每增加 1 元ꎬ 其下游企业销售将增加 6􀆰 7 元ꎮ

工具变量估计结果表明: 第一ꎬ 工具变量对上游企业的销售有显著影响ꎻ 第二ꎬ 上游企业销售显著促进了下游企业销售ꎮ 这说明ꎬ 对于上游企业来说ꎬ 交通改善能够显著促进其与下游企业的贸易ꎬ 并通过产业链传导到下游企业的销售中ꎮ 当然ꎬ 基于前文讨论的原因ꎬ 上游企业与高速公路入口的距离可能并非完全外生ꎬ 因而我们采用前文估计采用的企业与最小成本路线的直线距离作为企业与高速入口距离的工具变量ꎬ 并以此进行三阶段估计ꎮ 为说明估计结果的稳健性ꎬ 本文采用了 IV¯3SLS 和 CMP 分别进行了估计ꎬ 结果列于表 5 中ꎮ

表 5 展示了根据式 (7) — (9) 进行的三阶段估计结果ꎬ 其中第 (1) — (3) 列为 IV¯3SLS 估计ꎬ 第 (4) — (6) 列为 CMP 估计ꎬ 各列分别为第一、第二和第三阶段估计ꎮ 从估计系数可知ꎬ 两类回归的估计结果都符合我们的预期: 第一阶段估计中ꎬ 上游企业的工具变量与上游企业高速入口距离显著正相关ꎻ 第二阶段估计中ꎬ 上游企业与高速入口距离和上游企业销售额显著负相关ꎻ 第三阶段估计中ꎬ 上游企业销售与下游企业销售正相关ꎮ 不过ꎬ 从 IV¯3SLS 估计的 Hausman 检验可知ꎬ 并未拒绝 OLS 估计与 IV¯3SLS 估计无显著差异的原假设ꎬ 表明内生性问题并不严重ꎮ 同样地ꎬ CMP 估计的第一和第二阶段的 atanhrho 值ꎬ 也表明基本回归并不存在严重的内生性问题ꎮ 由此ꎬ 我们在稳健性与异质性分析中均采用 IV¯2SLS 估计ꎬ 不必再进行三阶段估计ꎮ

六、稳健性检验与异质性分析

(一) 稳健性检验
在表 2 中ꎬ 我们发现交通改善对企业销售及其产业分工有显著的促进作用ꎬ 但这一结果可能受潜在干扰因素的影响而不够稳健ꎮ 具体而言ꎬ 基准回归可能受到四个方面因素的干扰ꎬ 从而影响估计结果的稳健性: 第一ꎬ 高速公路连通可能吸引企业在入口附近设厂ꎬ 或者企业从其他地区搬迁至入口邻近地区ꎬ 从而造成选址的自选择 (self¯selec¯ tion) 偏误ꎬ 因而本文采用 2008 年及之前就建立的企业样本进行估计ꎬ 排除新建或搬迁企业的影响ꎻ 第二ꎬ 2016 年开始全面实施的营业税改增值税政策 (以下简称 “营改增” ) 可能会造成相关行业的贸易出现大幅增加 (梁若冰和叶一帆ꎬ 2016)ꎬ 从而影响交通改善变量的估计准确性ꎬ 因此本文对 2016 年数据进行剔除处理ꎻ 第三ꎬ 福建省的营改增试点从 2012 年开始ꎬ 涉及行业包括交通运输业与现代服务业ꎬ 并在 2013 年和 2014 年将广播影视业与铁路运输业及邮政服务业纳入ꎬ 基于同上一项类似的原因ꎬ 本文也剔除相关试点行业ꎻ 第四ꎬ 2014 年中央同意开始建设中国 (福建) 自贸试验区ꎬ 包括福州新区、平潭综合实验区、厦门ꎬ 这一政策可能也会被高速公路的估计系数捕获ꎬ 因而本文将相关市区范围内的企业从考察样本中剔除ꎮ

表 6 为本文利用四组替代样本进行估计的结果ꎬ 分别考察了交通改善对企业通过高速的产业间销售、产业关联度与销售对象的 4 位数产业多样性ꎮ 从结果可知ꎬ 所有替代样本分组估计的系数与基准回归结果相差不大ꎬ 表明表 2 第 (2) 列、第 (4) 列、第 (5) 列的估计结果是稳健的ꎮ 除了上述问题ꎬ 另一个可能引起估计偏误的问题是替代性公路交通的影响ꎬ 如省道与国道的影响ꎮ 不过ꎬ 考虑到省道、国道出行是福建省在修建高速公路之前的主要公路交通方式ꎬ 在兴建高速公路时省道、国道原有路网均已经完成ꎬ 且在高速连通后也未有较大变动ꎬ 因此对高速公路贸易效应的影响不是很大ꎮ 当然ꎬ 由于利用高速公路会面临收费与拥堵ꎬ 因此省道或国道对其可能存在一定的替代效应ꎬ 从而导致本文的回归结果出现低估ꎮ 事实上ꎬ 这种情况的出现为我们的估计设置了一个下限ꎬ 即使存在低估ꎬ 高速公路仍然对企业的贸易有显著效应ꎬ 那么真实的影响应该比这一效应更大ꎮ

本文利用表 6 的四种样本处理方式ꎬ 分别考察了高速公路对上游企业销售向下游企业销售传递的影响ꎬ 结果列于表 7 中ꎮ 从表中结果可知ꎬ 进行四种替代样本估计获得的系数值介于0􀆰1349—0􀆰3657ꎮ 基准结果系数值为0􀆰1584ꎬ 可知除2008年企业样本外ꎬ 其他样本估计结果与基准结果都较为接近ꎮ 我们之所以能从 2008 年已有企业样本中获得较大的估计系数ꎬ 原因可能有两个: 一是高速公路开通前就存在的企业有较为成熟的贸易伙伴关系和产业分工合作ꎬ 因此交通改善的影响较大ꎻ 二是从第一阶段估计的 Kleibergen Paap F 统计量可知ꎬ 2008 年样本可能存在弱工具变量问题ꎬ 从而导致较大的估计偏误ꎮ 当然ꎬ 本文对 2008 年样本的选择标准较为严格ꎬ 即只有那些 2008 年存在贸易的企业才被考虑在内ꎬ 因此样本损失较大ꎬ 也可能是导致估计结果偏差较大的一个原因ꎮ 总体上看ꎬ 无论是高速公路对企业销售的影响还是将这种影响向下游的传递ꎬ 替代样本估计结果都表明ꎬ 基准回归结果是稳健的ꎮ

(二) 产业异质性
由于运输成本对不同行业的贸易存在异质性影响ꎬ 本文将具体分析高速公路连通对服务业与制造业销售的影响ꎮ 具体而言ꎬ 本部分主要利用 IV¯2SLS 回归进行服务业与制造业企业的分样本估计ꎬ 讨论交通改善对产业间销售额、与销售对象的平均产业关联度以及销售对象的产业多样性的影响ꎬ 结果列于表 8 中ꎮ

从表 8 第 (1) — (3) 列估计结果可以看出ꎬ 高速公路对服务业企业的影响只体现在促进了供需方平均产业关联度的提升上ꎬ 即服务业企业通过高速公路寻找与自身所处产业关联度较高的企业进行销售ꎬ 但在销售规模与产业多样性上并未有显著的提升作用ꎮ 不过ꎬ 基于前文所述的原因ꎬ 即 2012 年开始的营改增试点改革与 2016 年开始的全面营改增政策主要涉及服务业行业ꎬ 本文还利用表 6 的处理方法ꎬ 针对服务业企业分别构造了剔除 2016 年的样本与剔除营改增行业的样本ꎬ 估计结果与表 8 第 (1) — (3) 列结果无显著差异ꎬ 表明该结果是稳健的ꎮ 第 (4) — (6) 展示了制造业企业的估计系数ꎬ 与全行业估计结果无明显差异ꎬ 说明交通改善对企业销售的影响主要是通过对制造业的影响施加的ꎬ 在销售额与产业多样性上对服务业并无显著影响ꎮ 这一结果符合 Duranton 等 (2014) 与梁若冰和汤韵 (2021) 的研究结论: 由于制造业产品贸易受运输成本影响较大ꎬ 因而交通改善主要促进了该行业企业的地区间销售ꎮ

与稳健性检验类似ꎬ 本文还讨论了交通改善在制造业与服务业作为上游产业的销售对其下游产业销售的影响中的作用ꎬ 为比较内生性的影响ꎬ 我们采用了 OLS 和 IV¯2SLS 两种估计方法ꎮ 从表 9 第 (1) 列、第 (2) 列结果可知ꎬ 服务业作为上游的销售额对其下游企业销售额的影响ꎬ 在两种估计方法上存在显著差异: OLS 估计结果是显著的ꎬ 而 IV¯2SLS 估计则不显著ꎮ 第一阶段估计的 Kleibergen Paap F 统计量说明存在严重的弱工具变量问题ꎬ 表明交通改善并未驱动上游销售向下游销售的传递ꎬ 这一结果也验证了表 8 中对服务业企业销售的分析结论ꎮ 从第 (3) 列、第 (4) 列结果可知ꎬ 无论是 OLS 还是 IV¯2SLS 估计都是显著为正的ꎬ 表明制造业作为上游企业ꎬ 其销售受到交通改善的驱动ꎬ 并能够顺利传递到下游企业的销售上ꎮ 从影响系数观察ꎬ OLS 估计中服务业与制造业上游销售每增加 1 元ꎬ 下游销售分别增加 1􀆰 1 元和 1 元ꎬ 这与表 4 中的总体估计结果相似ꎻ 而在 IV¯2SLS 估计中ꎬ 服务业作为上游销售对下游销售没有推动作用ꎬ 制造业则有着 14􀆰 5 倍的扩大效应ꎮ 考虑到制造业占销售企业的一半ꎬ 这一结果也验证了表 4 的结论ꎬ 同时表明下游销售的总体增长是由制造业带动的ꎬ 交通改善对服务业并未产生显著推动作用ꎮ

(三) 产业与区位网络特征的异质性
除产业异质性外ꎬ 我们还可以根据企业所在产业或县市在生产网络中的位置来分析交通改善的异质性影响ꎮ 在生产网络分析中ꎬ 除前文讨论的度中心性外ꎬ 还有接近中心性(closeness centrality) 和中介中心性(betweenness centrality)两类指标可以度量产业或县市的中心性特征(Freemanꎬ 1979)ꎮ 具体而言ꎬ 接近中心性可表示为由此可知ꎬ 接近中心性表示任一行业或县市i到其他所有行业或县市最短路径和的倒数ꎬ 数值越大表明该行业需要途经的节点数越少ꎬ 从而节点中心性越强ꎮ 中介中心性是某行业或县市i担任其他行业或县市之间最短路径桥梁的次数ꎬ 表明其在网络中的重要性ꎬ 可上述中心性指标的交乘项进行回归ꎬ 来分析高速公路连通对处于生产网络中不同位置行 C_B(i) = ∑_{s≠i≠t} (σ_{st}(i) / σ_{st}) 的数量ꎬ σst(i) 表示这些最短路径中经过节点 i 的数量ꎮ 本文通过对企业高速入口距离与上述中心性指标的交乘项进行回归ꎬ 来分析高速公路连通对处于生产网络中不同位置行, 业或县市的异质性影响ꎮ

表 10 分别展示了 4 位数行业及县市中心性指标与交通改善变量的交乘项的估计结果ꎬ 第 (1) — (3) 列中的行业中心性指标是从产业层面获取的年度均值ꎬ 即对各产业在 2008—2016 年的度中心性、接近中心性与中介中心性分别求均值ꎬ 第 (4) — (6) 列中县市中心性则是根据各县市在交通网络中的位置求出三类中心性指标的年度均值ꎬ 被解释变量为某企业对其他行业企业的销售额ꎮ 从第 (1) 列和第 (4) 列结果可知ꎬ 度中心性均值与企业高速入口距离的交乘项估计系数为正ꎬ 说明当企业所在行业在生产网络中拥有较多的上、下游贸易伙伴产业时ꎬ 交通改善对其产业间销售额的促进作用将小于那些贸易伙伴产业较少的企业ꎻ 而对于在生产网络中拥有较多贸易伙伴的县市而言ꎬ 交通改善的作用并不显著ꎮ 与度中心性类似ꎬ 第 (2) 列、第 (5) 列中的接近中心性均值的交乘项系数也为显著正值ꎬ 表明某产业 (县市) 与其他产业 (县市) 之间的节点距离越短ꎬ 交通改善对该部门 (县市) 企业销售的促进作用越弱ꎮ 第 (3) 列、第 (6) 列中对中介中心性的估计结果不同ꎬ 某产业担任其他产业间联系的桥梁的次数越多ꎬ 交通改善的贸易影响越弱ꎻ 而某县市担任其他县市贸易桥梁的次数越多ꎬ 则交通的影响越强ꎮ 总体而言ꎬ 就行业生产网络而言ꎬ 交通改善会促进相对弱势产业中企业的产业间销售ꎬ 从而降低网络中各产业之间的不均衡程度ꎻ 而对于县市生产网络ꎬ 交通改善会增强处于核心区位企业的产业间销售额ꎮ

当然ꎬ 表 10 中三类中心性指标分别代表的含义存在一定的差异ꎮ 具体而言ꎬ 度中心性主要衡量某行业与其他行业直接连接的程度ꎬ 与网络总体结构关系不大ꎻ 接近中心性测量某行业与生产网络中其他行业连接的距离ꎬ 代表其与网络中其他部分联系的紧密程度ꎻ 而中介中心性则主要体现某行业对生产网络中其他行业间建立连接的作用ꎮ 由此可见ꎬ 三类中心性并非完全线性相关ꎮ 度中心性较大的同时ꎬ 可能存在接近中心性或中介中心性较小的情况ꎬ 前者体现的是某行业嵌入了远离网络其他节点的聚类ꎬ 后者则说明与该行业存在关联的行业亦可通过其他节点建立联系ꎬ 且路径距离还短于通过该行业的距离ꎻ 与之类似ꎬ 还可能出现度中心性较低但接近中心性或中介中心性较高的情形ꎬ 前者说明某行业只与生产网络中较为重要的行业有关联ꎬ 并通过这些重要行业遍历了生产

网络中的大量节点ꎬ 后者则表明该行业的关联行业尽管数量较少ꎬ 但在网络流动中起着至关重要的作用ꎮ 为此ꎬ 本文针对上述可能存在的几种情形分别进行了处理ꎬ 即根据行业或县市度中心性的中位数区分两组企业样本ꎬ 然后分别估计接近中心性及中介中心性均值与企业高速入口距离的交乘项ꎬ 结果如表 11 所示ꎮ 从结果可知ꎬ 无论行业还是县市ꎬ 高于度中心性均值中位数的样本企业数均远多于低于中位数的数量ꎮ 同时ꎬ 估计结果中高于中位数的样本估计结果与表 10 中总体样本估计结果较为接近ꎬ 而低于中位数的样本估计结果则均不显著ꎮ 上述结果说明ꎬ 一方面ꎬ 生产网络中较为边缘的行业或者县市拥有较少的企业数量ꎬ 另一方面ꎬ 处于优势产业或县市中的企业受到交通改善的影响也较大ꎮ

七、结论

理论上ꎬ 交通改善能够通过增加企业间贸易来促进专业化分工与区域生产网络的形成ꎮ 本文利用福建省企业增值税发票数据ꎬ 实证考察了 2008—2016 年间高速公路连通对企业的产业间贸易的影响ꎬ 并以此为基础分析了交通对产业分工与产业链贸易的影响ꎮ 在基准回归部分ꎬ 本文首先分析了高速公路对产业分工的影响ꎬ 发现高速公路显著促进了企业的产业间销售、提升了企业与其销售对象之间的平均产业关联度及其销售对象的产业多样性ꎬ 但对企业的产业内贸易不存在显著影响ꎮ 在对交通改善的产业链贸易的推动方面ꎬ 本文发现高速公路对上游销售向下游的传递有显著影响ꎬ 而且上述结果在考虑内生性之后的工具变量估计中都是稳健的ꎮ 在稳健性检验部分ꎬ 本文分别讨论了四种可能影响基准估计结论的情形ꎬ 包括营改增试点及全面推广政策、自贸区政策、新建与搬迁企业的影响等ꎬ 针对替代样本的估计也证实基准回归结果具有稳健性ꎮ 上述结果表明ꎬ 交通改善不仅促进了产业分工的深化ꎬ 而且推动了产业链上游与下游之间的联系ꎮ

在异质性分析部分ꎬ 我们首先讨论了交通改善对服务业与制造业销售的不同影响ꎬ 发现高速公路只提升了服务业企业与其销售对象的平均产业关联度ꎬ 对产业间销售额与产业多样性均无显著影响ꎬ 而对制造业行业的销售额、销售对象的产业多样性以及产业关联度仍然保持显著的作用ꎮ 在针对上、下游销售的研究中ꎬ 我们发现高速公路也未能显著推动服务业上游企业销售向下游销售的传递ꎬ 而对制造业仍然保持显著正向促进作用ꎮ 上述结果表明ꎬ 从产业分工与产业链贸易角度看ꎬ 制造业企业是交通改善的主要受益者ꎮ 本文接着分析了所属产业的网络中心性对企业高速公路效应的异质性影响ꎬ 发现行业中心性较弱的企业ꎬ 从高速公路中受益较多ꎬ 从而引以平衡生产网络的极化倾向ꎮ 由此可见ꎬ 我国在过去二十多年间大力兴修的高速公路ꎬ 通过降低运输成本促进了地区间贸易ꎬ 同时也有助于推动地区间的产业分工合作与生产网络的形成ꎮ

当然ꎬ 本文的研究工作只是初步展示了以高速公路为代表的交通改善如何影响区域产业分工合作和产业链贸易ꎬ 仍然存在三方面不足: 第一ꎬ 研究对象只包括福建省内企业之间的贸易ꎬ 由于数据所限对于省内企业向省外甚至国外的销售未能进行探讨ꎬ 这可能会低估企业通过高速公路进行的销售额ꎬ 从而低估而非高估交通改善对企业异地销售的促进作用ꎮ 第二ꎬ 由于福建省特殊的地理地形特点ꎬ 局限于省内贸易数据得到的研究结论如果推广到其他地区ꎬ 本文得到的估计结果可能会高估高速公路对企业异地销售的处理效应ꎬ 因此本文的结论只适用于福建省内产业分工与生产网络ꎮ 若将这一结论向更广的地理范围推广ꎬ 还需要进行更多的区域性甚至全国性研究ꎮ 第三ꎬ 尽管本文试图了解产业生产网络的形成与演化ꎬ 但并未将其视为主要研究对象ꎬ 同时也没能探究交通改善对生产网络的影响机制ꎬ 鉴于区域生产网络特征与演化的复杂性ꎬ 未来需要利用网络分析工具进行更深入的研究ꎮ

参考文献:

梁若冰、叶一帆: «营改增对企业间贸易的影响: 兼论试点的区域转移效应» [J]ꎬ «财政研究» 2016年第2期ꎬ 第52—64页ꎮ
梁若冰、汤韵: «交通改善、企业贸易与区域市场整合———基于增值税发票的经验研究» [J]ꎬ «财贸经济» 2021年第10期ꎬ 第36—51页ꎮ
刘生龙、胡鞍钢: «交通基础设施与中国区域经济一体化» [J]ꎬ «经济研究» 2011年第3期ꎬ 第4— 15 页ꎮ
Acemoglu, D., Carvalho, V. M., Dzdaglar, A., Tahbaz-Salehi, A., 2012, “The Network Origins of Aggregate Fluctuations”, Econometrica, Vol. 80, No. 5: 1977–2016.
Barrot, J., Sauvagnat, J., 2016, “Input Specificity and the Propagation of Idiosyncratic Shocks in Production Networks”, Quarterly Journal of Economics, Vol. 131, No. 3: 1543–1592.
Bernard, A. B., Moxnes, A., Saito, Y. U., 2019, “Production Networks, Geography and Firm Performance”, Journal of Political Economy, Vol. 127, No. 2: 639–688.
Boehm, C., Flaaen, A., Pandalai-Nayar, N., 2019, “Input Linkages and the Transmission of Shocks: Firm-Level Evidence from the 2011 Tohoku Earthquake”, Review of Economics and Statistics, Vol. 101, No. 1: 60–75.
Bosker, M., Le, T. N., Westbrock, B., 2018, “The Propagation of a Trade Cost Shock in the Global Production Network”, mimeo.
Carvalho, V. M., Nirei, M., Saito, Y. U., 2021, “Supply Chain Disruptions: Evidence from Great East Japan Earthquake”, Quarterly Journal of Economics, Vol. 136, No. 2: 1255–1321.
Carvalho, V. M., Tahbaz-Salehi, A., 2019, “Production Networks: A Primer”, Annual Review of Economics, Vol. 11: 635–663.
Carvalho, V. M., Grassi, B., 2019, “Large Firm Dynamics and the Business Cycle”, American Economic Review, Vol. 109, No. 4: 1375–1425.
Cosar, A. K., Demir, B., 2016, “Domestic Road Infrastructure and International Trade: Evidence from Turkey”, Journal of Development Economics, Vol. 118, No. C: 232–244.
Cristea, A. D., 2011, “Buyer-Seller Relationships in International Trade: Evidence from U.S. States’ Exports and Business-Class Travel”, Journal of International Economics, Vol. 84, No. 2: 207–220.
Davis, D. R., 1995, “Intra-Industry Trade: A Heckscher-Ohlin-Ricardo Approach”, Journal of International Economics, Vol. 39, No. 3 / 4: 201–226.
Donaldson, D., 2018, “Railroads of the Raj: Estimating the Impact of Transportation Infrastructure”, American Economic Review, Vol. 108, No. 4–5: 899–934.
Duranton, G., Morrow, P. M., Turner, M. A., 2014, “Roads and Trade: Evidence from the US”, Review of Economic Studies, Vol. 81, No. 2: 681–724.
Faber, B., 2014, “Trade Integration, Market Size, and Industrialization: Evidence from China’s National Trunk Highway System”, Review of Economic Studies, Vol. 81, No. 3: 1046–1070.
Fort, T. C., 2016, “Technology and Production Fragmentation: Domestic Versus Foreign Sourcing”, Review of Economic Studies, Vol. 84, No. 2: 650–687.
Freeman, L. C., 1979, “Centrality in Social Networks: I Conceptual Clarification”, Social Networks, Vol. 1, No. 3: 215–239.
Goldberg, P. K., Khandelwal, A. K., Pavcnik, N., Topalova, P., 2010, “Imported Intermediate Inputs and Domestic Product Growth: Evidence from India”, Quarterly Journal of Economics, Vol. 125, No. 4: 1727–1767.
Grassi, B., Sauvagnat, J., 2019, “Production Networks and Economic Policy”, Oxford Review of Economic Policy, Vol. 35, No. 4: 638–677.
Jaimovich, E., 2019, “Roadways, Inputs Sourcing, and Patterns of Specialization”, European Economic Review, Vol. 120: 103319.
Krugman, P. R., 1981, “Intraindustry Specialization and the Gains from Trade”, Journal of Political Economy, Vol. 89, No. …
Limao, N., Venables, A. J., 2001, “Infrastructure, Geographical Disadvantage, Transport Costs, and Trade”, World Bank Economic Review, Vol. 15, No. 3: 451–479.
Melitz, M. J., 2003, “The Impact of Trade on Intra-Industry Reallocations and Aggregate Industry Productivity”, Econometrica, Vol. 71, No. 6: 1695–1725.
Michaels, G., 2008, “The Effect of Trade on the Demand for Skill: Evidence from the Interstate Highway System”, Review of Economics and Statistics, Vol. 90, No. 4: 683–701.
Orefice, G., Rocha, N., 2013, “Deep Integration and Production Networks: An Empirical Analysis”, World Economy, Vol. 37, No. 1: 106–136.
Redding, S. J., Turner, M. A., 2015, “Transportation Costs and the Spatial Organization of Economic Activity”, Handbook of Regional and Urban Economics, Vol. 5: 1339–1398.