交通基础设施建设与数字产业发展———基于再中心化工具变量的识别策略

周亚虹; 谭黎明

doi:10.13471/j.cnki.jsysusse.2024.03.018

您当前的位置：

首页 >

文章列表页 >

交通基础设施建设与数字产业发展———基于再中心化工具变量的识别策略

数字经济与人工智能主持人：李杰 | 更新时间：2024-06-15

- 交通基础设施建设与数字产业发展———基于再中心化工具变量的识别策略
- Transportation Infrastructure Building and Digital Industry Development： Identification Strategies Based on Recentered Instrumental Variables
- 中山大学学报(社会科学版) 2024年64卷第3期页码：195-206
- 作者机构：
- 作者简介：
  
  周亚虹，上海财经大学经济学院（上海，200433）
  谭黎明，上海财经大学经济学院（上海，200433）。
- 基金信息：
  
  国家自然科学基金专项项目“政策试点改革中的策略性互动行为建模与仿真优化研究”(72342034);国家自然科学基金面上项目“分位数选择模型和高维样本选择模型的非参数识别和估计的理论与方法”(72173083)
- DOI：10.13471/j.cnki.jsysusse.2024.03.018
  中图分类号：
- 纸质出版日期：2024-05-15，
  
  收稿日期：2023-12-29，
扫描看全文
周亚虹,谭黎明.交通基础设施建设与数字产业发展 [J].中山大学学报(社会科学版),2024,64(03):195-206.

Zhou Yahong,Tan Liming.Transportation Infrastructure Building and Digital Industry Development： Identification Strategies Based on Recentered Instrumental Variables[J].Journal of Sun Yat-sen University(Social Science Edition),2024,64(03):195-206.
周亚虹,谭黎明.交通基础设施建设与数字产业发展 [J].中山大学学报(社会科学版),2024,64(03):195-206. DOI： 10.13471/j.cnki.jsysusse.2024.03.018.

Zhou Yahong,Tan Liming.Transportation Infrastructure Building and Digital Industry Development： Identification Strategies Based on Recentered Instrumental Variables[J].Journal of Sun Yat-sen University(Social Science Edition),2024,64(03):195-206. DOI： 10.13471/j.cnki.jsysusse.2024.03.018.

摘要

数字产业发展是“十四五”规划的重要内容，也是中国从粗放型经济增长模式迈向高质量发展的重要一环。数字产业的发展不仅需要信息基础建设的支撑，也需要便捷的交通为高技术人力资本流动提供通道，为产业发展提供内生动力。实证上，以高铁开通的时间作为外生冲击，分析了交通基础设施建设对数字产业的发展作用，并通过反事实模拟方法构建再中心化工具变量并以此处理内生变量问题，消除遗漏变量带来的估计偏差。具体而言，以2008—2019年城市面板数据作为研究样本，市场可达性作为地方交通便利程度的关键代理变量，探讨城市新增数字产业相关企业数量与市场可达性的关系。研究发现，交通基础设施建设对数字产业发展具有较强的促进作用。进一步的机制分析表明，以客运为主的高铁开通促进了人力资本特别是高技能人才的流动，是促进数字产业发展的关键因素。文中模型参数识别机制为相似问题处理内生性提供了参考，实证结果也为发展数字产业提供了一定的政策启示。

Abstract

The development of the digital industry is an important element of the 14th Five-Year Plan， and an important part of China’s transition from a crude economic growth model to high-quality economic development. The development of digital industry not only requires the support of information infrastructure， but also relies on the transportation infrastructure construction to provide channels for the flow of high-tech human capital and intrinsic driving force for industrial development. This paper takes the perspective of transportation infrastructure construction for the development of digital industry， using the opening time of high-speed rail as an exogenous shock. Recentralized instrumental variables are constructed through counterfactual simulation to address the problem of endogenous variables and eliminate the omitted variable bias. Specifically， this paper takes the 2008-2019 city panel data as the research sample， market accessibility as the proxy variable for local transportation convenience， and the number of newly-added digital industry-related enterprises in the city as the explanatory variable. The findings are as follows： first， the construction of transportation infrastructure has a facilitating effect on the development of the digital industry； second， the results from control function and instrumental variable methods suggest that this facilitating effect is overestimated in the panel fixed-effects model； third， the mechanism analysis indicates that the opening of high-speed railways primarily for passenger transportation facilitates the flow of human capital， especially the flow of highly-skilled talents， serving as a potential channel to promote the development of digital industries. This paper provides a new identification strategy for addressing endogeneity and the empirical findings offer a policy rationale for the development of digital industries.

关键词

高铁建设数字产业发展再中心化工具变量

Keywords

high-speed rail constructiondigital industry developmentrecentered instrumental variables

references

柏培文，张云. 数字经济、人口红利下降与中低技能劳动者权益. 经济研究，2021（5）：91—108.

蔡宏波，钟超，韩金镕. 交通基础设施升级与污染型企业选址. 中国工业经济，2021（10）：136—155.

曹春方，马新啸. 高铁时代“双城记”：新兴产业雇员流动的虹吸效应. 金融研究，2022（10）：135—152.

陈媛媛，张竞，周亚虹. 工业机器人与劳动力的空间配置. 经济研究，2022（1）：172—188.

代志新，高宏宇，程鹏. 行为助推对纳税遵从的促进效应研究. 管理世界，2023（6）：51—77.

董艳梅，朱英明. 高铁建设能否重塑中国的经济空间布局——基于就业、工资和经济增长的区域异质性视角. 中国工业经济，2016（10）：92—108.

何凌云，陶东杰. 高铁开通对知识溢出与城市创新水平的影响测度. 数量经济与技术经济研究，2020（2）：125—142.

黄先海，高亚兴. 数实产业技术融合与企业全要素生产率——基于中国企业专利信息的研究. 中国工业经济，2023（11）：118—136.

刘冲，吴群峰，刘青. 交通基础设施、市场可达性与企业生产率——基于竞争和资源配置的视角. 经济研究，2020（7）：140—158.

龙玉，赵海龙，张新德，李曜. 时空压缩下的风险投资——高铁通车与风险投资区域变化. 经济研究，2017（4）：195—208.

邱子迅，周亚虹. 数字经济发展与地区全要素生产率——基于国家级大数据综合试验区的分析. 财经研究，2021（7）：4—17.

芮明杰. 构建现代产业体系的战略思路、目标与路径. 中国工业经济，2018（9）：24—40.

孙传旺，罗源，姚昕. 交通基础设施与城市空气污染——来自中国的经验证据. 经济研究，2019（8）：136—151.

孙伟增，牛冬晓，万广华. 交通基础设施建设与产业结构升级——以高铁建设为例的实证分析. 管理世界，2022（3）：19—34+58.

唐杰，戴欣. 数字经济产业的创新关联——来自深圳市创新企业的证据. 中山大学学报（社会科学版），2021（6）：165—176.

王春杨，兰宗敏，张超，侯新烁. 高铁建设、人力资本迁移与区域创新. 中国工业经济，2020（12）：102—120.

王林辉，胡晟明，董直庆. 人工智能技术会诱致劳动收入不平等吗——模型推演与分类评估. 中国工业经济，2020（4）：97—115.

王雨飞，倪鹏飞. 高速铁路影响下的经济增长溢出与区域空间优化. 中国工业经济，2016（2）：21—36.

文雁兵，张梦婷，俞峰. 中国交通基础设施的资源再配置效应. 经济研究，2022（1）：155—171.

谢呈阳，王明辉. 交通基础设施对工业活动空间分布的影响研究. 管理世界，2020（12）：52—64+161.

徐明，冯媛. 大规模交通基础设施建设与县域企业生产率异质性——来自“五纵七横”国道主干线的经验证据. 经济学（季刊），2021（6）：1969—1992.

许志成，孙天事. 传统铁路道口改造、交通便利性与城区空间演化. 经济学（季刊），2023（5）：1936—1953.

杨洋，徐承红，薛蕾，韩明明. 高铁建设与城市数字产业发展——基于信息服务企业进入的证据. 产业经济研究，2022（5）：42—55.

叶文平，李新春，陈强远. 流动人口对城市创业活跃度的影响：机制与证据. 经济研究，2018（6）：157—170.

张萃. 外来人力资本、文化多样性与中国城市创新. 世界经济，2019（11）：172—192.

张光南，廖唐勇. 机场基础设施、空间溢出效应与先进制造业降成本. 中山大学学报（社会科学版），2023（4）：137—149.

张勋，王旭，万广华，孙芳城. 交通基础设施促进经济增长的一个综合框架. 经济研究，2018（1）：50—64.

Acemoglu， D.， & Restrepo， P. Robots and Jobs： Evidence from U.S. Labor Markets. Journal of Political Economy， 2020， 128（6）： 2188-2244.

Adão， R.， Koles􀅡r， M.， & Morales， E. Shift-Share Designs： Theory and Inference. Quarterly Journal of Economics， 2019， 134（4）： 1949-2010.

Bartik， T. J. Who Benefits from State and Local Economic Development Policies？ Published by W.E. Upjohn Institute， 1991.

Borusyak， K.， & Hull， P. Nonrandom Exposure to Exogenous Shocks. Econometrica， 2023， 91（6）： 2155-2185.

Borusyak， K.， Hull， P.， & Jaravel， X. Quasi-Experimental Shift-Share Research Designs. Review of Economic Studies， 2022， 89（1）： 181-213.

Donaldson， D.， & Hornbeck， R. Railroads and American Economic Growth： A ‘Market Access’ Approach. Quarterly Journal of Economics， 2016， 131（2）： 799-858.

Fisher， R. A. The Design of Experiments. Edinburgh： Oliver & Boyd， 1935.

MacKinnon， J. G.， & Webb， M. D.， Wild Bootstrap Inference for Wildly Different Cluster Sizes. Journal of Applied Econometrics， 2017， 32（2）： 233-254.

Wooldridge， J. M. Control Function Methods in Applied Econometrics. Journal of Human Resources， 2015， 50（2）： 420-445.

Young， A. Channeling Fisher： Randomization Tests and the Statistical Insigificance of Seemingly Significant Experimental Results. Quarterly Journal of Economics， 2019， 134（2）： 557-598.

Zheng， S.， & Kahn.， M. E. China’s Bullet Trains Facilitate Market Integration and Mitigate the Cost of Megacity Growth. Proceedings of the National Academy of Sciences of the United States of America， 2013， 110（14）： E1248-E1253.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据