开放合作研究团队第66期Seminar学习讨论会

2023年9月20日下午15:00-17:00，中山大学区域开放与合作研究院文献研读会议以线下的方式成功举行。本次学习讨论会由博士生钟夏洋同学分享文献《High-speed railways and collaborative innovation Regional Science and Urban Economics》。团队全体博士生、硕士生参加了此次学习讨论会。

High-speed railways and collaborative innovation

Regional Science and Urban Economics

Douglas Hanley, Jiancheng Li, Mingqin Wu

一、引言

有文献指出，地方经济成果越来越依赖知识、创新（Davis和Dingel,2019），这些创新可能来自科学家、研究机构、政府机构和企业。而不同知识源的合作可以促进创新的传播，因此消除知识流动的障碍就是促进技术进步和创新的关键。知识流动与人的流动、资本流动以及地理距离密切相关。

那么，运输成本的降低是否能够增加地区资本流动，从而促进知识和创新传播呢？尽管有部分文献研究了运输成本和贸易成本降低的影响，但是缺乏交通基础设施建设在多大程度影响企业之间协同创新的研究。本文研究了高速交通(即高速铁路)是否以及如何促进异地企业间的创新合作，考察了高铁建设对不同区位企业协同创新的影响。本文使用工具变量方法控制了高铁建设的内生性，利用制造业和服务业企业数据，发现高铁建设能够显著提高城市协同创新。进一步发现，高铁建设对欠发达地区、服务业和内资企业的协同创新的提升效果更大。

本文主要做了以下几点工作：1、在城市层面上识别高速铁路对中国各地企业间合作专利的影响；2、进一步匹配了由高速铁路连接的城市对，并计算了高速铁路为每个城市对节省的具体时间；3、检验了高速铁路对创新协同的非线性影响，并检验了对制造业内部、跨行业的协同创新以及对不同区域、不同产权企业协同创新的异质性影响。

二、数据

本文利用2018年8月2日由国家知识产权局( CNIPA )取代的国家知识产权局( SIPO )注册的大规模企业普查和专利合作信息合并数据，构建了一个丰富的纵向数据库，考察了不同城市的企业是否以及如何进行专利合作。具体地，本文主要包含以下几个层面的数据：

1、2008年中国国家统计局进行的第二次经济普查，包括企业地址、资产、利润等。而且不仅包含制造业企业，还包含服务业企业。排除了金融企业、非营利组织和社会团体。（约300万家企业）

2、专利申请数据集，包括1986年以来各年度每项专利的申请人名称、地址、摘要、所属行业、内容等。并利用Levenshtein距离将专利数据和普查数据匹配。（约80万家企业）。由于有企业地址数据，因此可以生成城市层面和城市对层面的专利总量数据。作者使用python爬取了https://patents.google.com/上的专利引用数据，然后统计到了城市层面。

3、高铁网络结构数据。根据2006-2016年的《中国铁路年鉴》获取高铁站点的名称和位置、建设起始日期、开通日期、速度和总长度。生成某城市在t年是否有高铁站点、城市i和城市j（8万个城市对）在t年是否有高铁线路连接的虚拟变量。

4、1934年的中国铁路建设数据。1931年，南京国民政府起草了新的《铁路建设五年计划》。

5、2006 - 2016年国家统计局发布的《城市统计年鉴》和《区域经济统计年鉴》。

6、CSMAR 数据库，包含中国上市公司财务报表的详细数据。在数据集中可以看到总公司和子公司的名称，从而可以找到总公司和子公司通过合作开发的专利。获得了47975项合作专利。

Table1总结了本文用到的主要变量的描述性统计。

三、实证设计策略

本文采用双重差分法来识别高铁建设对区域协同创新的影响。

1、城市层面：首先本文使用城市层面的数据检验高铁建设对中国各地企业间合作专利的影响。

被解释变量包括Total，指各城市-年的合作专利总数；Extensive，指每个城市-年的伙伴关系数量；Intensive，指每个城市-年中每个合作伙伴的合作专利数量。城市层面的经济变量，如人均GDP、人口、FDI、固定投资、政府教育支出、公路旅客数量、城市是否有机场、非合作专利数量和工业企业数量。所有的控制变量都是滞后的，以避免联立偏差。

2、城市对层面：

文章进一步匹配了高铁连接的城市对，然后计算了高铁建设为每个城市节省了多少时间。为普速铁路与高速铁路的时间差。预期时间差对专利合作的影响是正向的，因为高铁连接减少了城市之间的旅行时间，促进了专利合作。自自变量是一个连续变量，可以取0或任意正数。借助该变量，不仅可以考虑虚拟变量的影响，即两个城市是否通过高铁连接，还可以比较即使城市对都通过高铁连接，高铁连通的数量对创新合作的影响。大部分控制变量在城市对层面采用log ( Xi + Xj)格式进行计算，而公路客运量和城市是否有机场则控制在城市层面( Dong et al , 2020)。最后一个控制变量是市场化指数，如果城市i和城市j不在同一省份，则通过计算t年两个省份市场化指数之差的绝对值在省份对层面进行控制。

3、内生性问题：

首先，高速铁路线路由中央政府确定，因为大多数铁路线路通常跨越省份。通常，高速铁路规划是由国家发改委、交通运输部和中国铁路总公司提出，并经国务院批准。高铁的资金主要来自中央政府的预算，通过国有银行和金融机构的贷款，剩余资金来自铁道部发行的债券。少部分来自地方政府，主要是通过补偿土地使用费( Lin et al , 2020)。因此，对于当地企业来说，高速铁路的建设是外生的。

其次，在检验高铁建设对协同创新的影响时，最大的担忧是双向因果和遗漏变量带来的内生性问题。因为协同创新也可能反向影响高铁的选址。因此文章选取1934年中国铁路网作为现在中国高铁建设的工具变量。(Baum-Snow, 2007; Michael, 2008; Duranton and Turner, 2012; Duranton et al., 2014; Agrawal et al., 2017)其满足工具变量的两个基本条件：1、外生性，1934年中国铁路网与回归的残差项不相关，即历史铁路干线难以通过高铁联通以外的渠道影响当前的科研合作与创新。2、相关性，1934年中国铁路网与当前的高铁建设具有较强的相关性。

HSRc的工具是城市c在1934年是否有火车站，Railwayc，1934。如果城市在1934年有火车站，它的价值为1，否则为0。HSRDegreec的工具是RailwayDegreec，1934，它是指1934年连接到城市c的城市数量，如果没有连接到城市c的铁路，它的值为0。HSRtimeij的工具是Railwayij，1934，如果在1934年城市i和城市j之间有铁路，则等于1，否则为0。三个2SLS回归对应的第一阶段方程如下所示：

四、研究结果：

1、城市层面：

方程( 1 )中关键变量HSRct的系数HSRstation为0.21，为正且具有统计学意义。在中间面板中，因变量为扩展边际，即城市c中与其他城市企业合作过的企业数量。高铁站的系数小于总效应的系数，但仍然为正且显著，这表明高铁的存在鼓励了创新合作。在下面的面板中，因变量为集约边际，即城市c中各伙伴关系的专利合作数量，高铁对集约边际的影响不显著。潜在合作对象数量的增加，并不一定意味着每一个合作对象的合作专利数量都会增加。例如，企业可能专注于几个重要或关键的合作伙伴，而不是分离创新资源。实证结果表明，高速铁路能够促进创新协同。

HSRstation的工具是城市c在1934年是否有火车站乘以时间趋势。因变量同列( 1 )。在第( 2 )列的上面板中，我们可以看到，高铁的存在显著增加了城市c的合作总数。第一阶段的结果也见表2。工具变量显著且与内生变量正相关。在第( 2 )列中，工具变量回归显示，高铁能够在更大程度上显著增加城市c的专利合作总数。扩展边际也随着高速铁路的建设而显著增加。

第（2）列相较于第（1）列，高铁对协同创新的估计效应增大。遗漏变量和反向因果关系的问题会导致OLS估计的向下偏差。如建设材料价格、劳动力成本等，可能与高铁建设呈负相关关系。可能是高速铁路建设作为社会救助的替代品，并且高速铁路修建在土地和劳动力廉价的地方，而不是在供不应求的地方(迪朗东和Turner , 2012)。

2、城市对层面：

表4第（1）列结果表明，通过高速铁路节省的时间越多，合作专利总数、合作伙伴数、每个合作伙伴的专利数量均会增加。

第（2）列表明，城市i和城市j之间节省的时间每增加一个百分点，城市对( i和j)的总合作专利增加0.19 %，合作伙伴数量增加0.14 %，每个合作伙伴的专利增加0.10%。

两个城市i和j连接后，城市i的企业更有可能引用j中的企业，反之亦然，因为便利的交通促进了知识溢出，提供了更多的交流合作机会。因变量为表5中城市i对城市j的引用次数的对数。为了构建引证测度，首先计算城市i中每家企业f的引证次数，然后再计算城市i中每家企业f的引证次数，最后进行加总。在第( 1 )节中，给出了OLS估计结果。高速铁路节省的旅行时间显著增加了城市间的专利引用。为了控制旅行时间的内生性，类似于表4，在( 2 )中估计了工具变量回归，工具变量回归表明高速铁路显著提高了专利引用，并且我们的系数更大，为0.95。高速铁路节省的时间每增加1 %，转化为专利被引频次增加0.95 %。这些结果表明，由于城市间运输时间的减少，创新质量大幅提高。

交通运输时间的减少使企业有更多的机会与另一个城市的其他企业进行创新交流和沟通，从而增加了专利合作。高速铁路节省的时间每增加1 %，转化为专利合作总数增加0.19 %，城市间专利引用量增加0.95 %以上。

3、稳健性检验

（1）平行趋势检验

本文将不同年份的动态效应进行分解，可得高铁建设之前两类地区的协同创新不存在显著差异。

（2）排除预期效应

假设城市对( i , j)在T年首先与高速铁路网相连，剔除该城市对在T年前第5年的样本。城市对层面的实证结果见表6的列( 1 )，可以排除预期效应的解释。

（3）剔除直辖市和省会城市。中国的城市在等级意义上存在差异。特别地，我们的回归样本包括四个直辖市控制。直辖市是具有统一管辖权的城市，与一个省份具有相同的行政级别，这显然高于一个普通的城市。目前，中国内地共有27个省和4个直辖市，即北京、天津、上海和重庆。此外，我们还有31个省会城市，分别是各省的政治、经济、科学、教育、文化、交通中心(班纳吉et al , 2020 ; Faber , 2014 ; Gao and Zheng , 2020)。与表4的结果相比，核心解释变量的系数略小，但仍具有统计学意义。即使大城市从高铁网络驱动的创新协同中获益更多，小城市也可以通过进入高铁网络从创新协同中获益。

（4）替换工具变量。首先根据2004年初步提出的“四纵四横"高速铁路网的建设方案，在起点城市和终点城市之间画出直线。我们在城市层面构造了一个虚拟变量，如果城市位于这些直线上，则取1，否则取0，乘以时间趋势。在城市对层面，如果两个城市同时位于这些直线上的任意一条，则该工具是一个虚拟变量，等于1，否则为0，乘以时间趋势。检验之后可得仍未改变基准回归结果。

（5）总部和分支机构。大型企业更有可能在其总部城市之外拥有多个分支机构。总部往往位于更大的城市，这些城市比分支机构更有可能通过高速铁路连接。如果创新合作发生在总部和分支机构之间，且分支机构位于两个城市，则记为两个城市的创新合作，用于城市层面的分析。针对总部与子公司之间的创新合作即使没有高铁也可能存在，高铁的影响可能被高估的潜在问题，本文尝试从样本中排除总部与子公司创新合作的影响。本文获得了8285件头子公司之间合作的专利，占合作专利总数的5.51 %。最后，从样本中排除了头子公司之间合作的专利，并检验了高铁对创新合作的影响。

（6）金融危机的影响：

将2008年和2009年的观测值从样本中剔除，来排除2008年金融危机之后的政府投资对高铁建设和创新可能产生的影响。

（7）样本限定为高铁已通车或拟通车的城市

（8）将高铁开通时间重新定义为：如果连接城市i和城市j的高铁开通日期为t年7月或更晚，将其开通日期重新定义为t + 1；如果开业日期在t年6月或之前，则定义其开业年份为t。

（9）将样本限制在没有机场的城市。航空出行和高铁是紧密的替代关系，可能会高估高铁对创新协同的影响。

（10）平衡样本。由于一些控制变量的缺失，导致基准回归的样本是非平衡样本。因此这部分改成平衡样本进行检验。

4、异质性分析

（1）地区异质性

本文将样本分成西部地区、中部地区和东部地区。检验发现西部地区高铁对合作专利总数影响的系数最大，因为西部城市通过高速铁路网与其他城市的联系比其他地区的城市更大幅度地增加了他们的交流和合作机会。

（2）行业异质性

本文将样本分成制造业、服务业和其他行业。检验发现系数在服务业内部合作和制造业与服务业之间的合作中更大。这表明运输成本的降低不仅可以增加部门之间的合作，而且可以加强部门之间的合作，特别是制造业和服务业之间的合作。

（3）产权异质性

本文将样本分成国有企业、民营企业和外资企业。检验发现系数对国有企业和民营企业均为正且显著。且对于国有企业的影响更加显著。高速铁路可以加强跨所有制类型的创新合作和知识溢出，尤其是对私营企业和国有企业。

五、研究结论

首先，高速铁路建设的首要目标是提高铁路服务水平，促进产业转型、城镇化和区域经济协调发展，但同时也是促进知识流动和传递的重要途径。

其次，更多的创新合作来自于发达地区与欠发达地区之间的合作。对于欠发达地区而言，需要更多的基础设施投资来吸引更多的创新资源。在未来的交通建设规划中，可以将更多的投资投向欠发达地区。

最后，区域政策、产业政策、金融政策等配套政策应与基础设施建设相结合，提高企业创新能力，加强跨区域、跨行业的合作。

六、心得体会

1、本文研究了高铁对知识创造和创新协同的影响，丰富了知识创造、溢出和传递的相关文献。

2、本文的理论逻辑清晰，实证分析做的非常扎实。

3、通过比较高速铁路和普通铁路的时刻表来计算节省的时间，以调查高速铁路在多大程度上提高效率和知识扩散。

4、本文考虑了城市层面和城市对层面创新合作的集约边际和扩展边际。为知识扩散和创新合作提供了潜在的机制。

拟稿：钟夏洋

编辑：程雪琳

审核发布：毛艳华