开放合作研究团队第50期Seminar学习讨论会

2022年12月20日晚19:00-20:30，中山大学区域开放与合作研究院学习讨论会以线上的方式成功举行。本次学习讨论会由周璐遥博士生分享文献《High-speed railways and collaborative innovation》。参加学习讨论会人员包括毛艳华教授、荣健欣副研究员、博士后以及博士生和硕士生等，另有澳门科技大学、澳门城市大学博士生通过线上形式参与了本次学习讨论会。

High-speed Railways and Collaborative Innovation

Douglas Hanley ；Jiancheng Li ；Mingqin Wu

本文利用中国高铁的引入,考察基础设施对不同区位企业间创新合作的影响。运用工具变量法控制高铁的内生性,并利用中国包含制造业和服务业的大型企业普查数据,发现高铁能够在城市层面显著提升创新合作。更重要的是,基于高铁路线对城市对进行匹配,计算每对城市对通过一条高铁所节省的时间量。实证结果表明,在城市对层面,创新合作也显著增加。以城市间专利引用衡量的创新质量也在提高。关于空间异质性、行业异质性和所有制异质性的进一步证据表明,高铁的影响对欠发达地区、服务业和国内企业的合作更为显著。

一、引言

本文的研究要点可归纳为五点：一是高铁可以促进不同城市在城市层面的创新合作；二是高铁可以促进城市对层面的创新合作；三是高铁节省了出行时间，显著增加了城市之间的专利引用。首先，通过比较高铁与普通铁路的时间表来计算节省的时间，以研究高铁提高效率和知识扩散的程度，为交通基础设施对创新的影响提供了更准确的估计。其次，通过专利引用来衡量高铁对创新质量的影响。不同于其他文献中采用研究论文数据，本文使用专利数据进行研究，专利主要与技术应用有关，且发表研究论文是为了被同行引用和评估，而专利取决于其实际实施和转让。四是以1934年的中国铁路网作为高铁的工具变量；五是利用经济普查和专利数据库的丰富信息，考察高铁对跨地区、跨行业和跨所有制的创新合作具有异质性影响。

二、背景

（一）专利方面

在美国，有三种不同的专利类型，分别是实用专利、设计专利和植物专利；中国也有三种专利类型，分别是发明专利、实用专利和外观设计专利。中国的发明专利与美国的实用专利非常相似。根据中国专利法，两个以上单位或者个人完成的发明，除另有约定外，享有共同申请专利的权利。合作专利数量占全部专利的6.40%。约90.13%的合作专利由两方完成；只有9.87%的合作专利是由三方或以上完成的。

图1 2005-2015年间我国省内外合作专利分布图。

图1-A是基于公司地理位置绘制的中国各省专利合作图，可见省内的专利合作大多发生在沿海地区较发达的省份。图1-B是选取了东、中、西部地区三个具有代表性的城市，即上海、郑州和重庆，绘制了每个城市的创新协同情况，可见省际专利合作主要集中在内陆省份和沿海省份之间。这进一步阐明了本文论点，即高铁降低了运输成本，加速了不同城市企业之间的创新合作，增强了知识创造和溢出。

（二）高铁建设方面

2004年，国务院发布《中长期铁路网规划》，预计到2020年，全国铁路运营里程将达到10万公里，超过1.2万公里的高速铁路将会投入运营，时速200公里或以上，该方案设计了“四纵四横”高铁网；2008年，国家发改委批准了《中长期铁路网规划（2008年调整）》，提出到2020年，应建设1.6万多公里的高铁线路；2016年7月，国家发改委、交通部、中国铁路总公司联合发布《中长期铁路网规划(2016-2030)》，提出构建“八纵八横”高速铁路主通道，到2020年建设高速铁路3万公里以上。

可见高铁里程逐年大幅增加。2014年，中国超越日本，成为世界上高铁运输能力最强的国家。截至2018年底，全国铁路运营里程达13.1万多公里，其中高速铁路2.9万多公里。

三、实证策略

（一）数据来源

研究使用了2005年到2015年的6个数据来源。

第一个数据来自2008年第二次经济普查，此次普查涵盖所有第二产业和第三产业的法人实体，包括采矿业、制造业和服务业。2008年人口普查的原始观测数为495万，在最终样本中排除了金融公司、非营利组织和社会团体。

第二个数据是专利申请数据，包括自1986年以来每年每项专利的申请人名称、地址、摘要、行业和内容。具体而言：采用局部敏感哈希技术对专利数据与普查数据做匹配合并，以获得专利申请人的详细信息，包括每家公司的位置、行业等特征。样本中的公司被限制在2008年经济普查中出现的公司范围内。由于有每个公司的地理位置，因此可以总结出城市级别和城市对级别的专利数量。用python爬取网站中的专利引用数据。

第三个数据涵盖高铁网络，主要来源于2006年至2016年的《中国铁路年鉴》中高铁站的名称、位置、开工日期、通车日期、速度和总长度。其中：铁路运输时刻表来自12306官网与中国铁道出版社出版的《全国铁路旅客列车时刻表》，根据高铁网络编制城市对(i, j)，共有81702对城市，通过比较高铁与普通铁路的时差，计算乘坐高铁所节省的时间。

第四个数据是1934年的中国铁路网，该数据来自《最新中华形势一览图》（洪懋熙，1930），根据资金来源不同将铁路分为五类：民营投资、外资、交通部投资、合资、交通部与合资共同投资铁路，文章将1934年的城市名称转为2008年的标准名称。

第五个数据来自国家统计局2006-2016年的《城市统计年鉴》与《区域经济统计年鉴》，以及中国分省份市场化指数。

第六个数据来自国泰安金融数据库的中国股票市场交易数据和上市公司财报数据，通过其中总公司与子公司的名称找到它们合作开发的专利数47975件。

本文的样本时间为2005-2015年，变量的描述性统计如上表所示。城市层面，首先，各城市年度合作专利数均值为51.4995，各城市平均合作伙伴数为10.9601，各合作伙伴平均合作专利数为2.3094；其次，高铁作为核心解释变量，有两个测度，HSR表示一个城市是否与高铁网络相连接的虚拟变量，HSRDegree表示通过高铁连接到一个城市（城市i）的城市数量，即1.7053。

城市层面控制变量的描述性统计分析如上表，其中，Airport是一个虚拟变量，为避免联立性偏误，所有控制变量都是滞后的。

城市对层面，每年各城市对的平均合作专利数为 0.1886，各城市对的平均合作伙伴数量为0.0398，每个合作伙伴的平均合作专利数量为0.0559，城市对之间的专利引用平均值为 7.2237。此外，在样本期间，高铁与普通铁路相比，平均节省时间为 1.40分钟，这个数字很小是因为从2005年到2008年，如果城市之间没有高铁，则取值为0；如果仅比较高铁相连的城市，平均节省时间为 248 分钟。

城市对层面控制变量的描述性统计分析如上表，对每个城市的高速公路客流量和机场进行控制，其他按城市对计算，Market表示各省的市场化指数，所有控制变量都滞后。

此外，本文还比较了高铁连通城市与未连通城市之间的城市层面与城市对层面的变量，以上是处理组与对照组之间控制变量的均值。

以上是处理组与对照组之间被解释变量的均值，第二行为有高铁与无高铁的城市、城市对创新合作的差异；第三行是基于1934年铁路的城市、城市对创新合作的差异。总体上看，高铁相连的城市拥有更多的专利合作和更好的经济表现；如果比较1934年通过铁路连接的城市与其它城市之间的差异，创新合作几乎没有差异。

（二）实证研究

在城市层面，本文用DID考察了高铁对每个城市c专利合作的影响。

模型（1）中，被解释变量Yct有三个度量值，取对数值，一是Total，t年c市企业与其他城市企业的合作专利总数；二是Extensive,c市合作企业总数；三是Intensive,c市每对合作企业的专利合作数量。核心解释变量HSRct表示c市是否在第t年首次接入高铁网络，如果c市在第t年及以后有高铁车站则为1，第t年之前为0。预期α1是正的，因为连接到高铁线路可以增加知识流动和传递的机会，从而增加合作可能性与专利合作数量。Xct−1是城市层面的控制变量，本文控制了城市层面的经济变量，如人均 GDP、人口、外商直接投资、固定投资、政府教育支出、高速公路客运量、城市是否有机场、非合作专利数和工业企业数，所有控制变量都滞后。λt为时间固定效应；πc为城市固定效应。

模型（2）表示了衡量高铁的另一种方法，t年通过高铁连接到c城市的城市数量，如果t年没有铁路连接到c市，则取0。预期β1是正的，即通过高铁连接更多城市可以增加创新合作的机会，从而增加与其他城市的专利合作数量。此外，在模型（1）、（2）中均使用地区时间双固定效应替换时间固定效应，并使用聚类标准误来解决异方差与自相关问题，实证结果均保持一致。

在城市对层面，本文也考察了高铁对专利合作的影响，即城市i和城市j之间的合作。模型（3）中，被解释变量Yij,t有4个，分别是Total城市对中企业合作专利汇总数量、Extensive城市对中合作方数量、Intensive城市对中每对合作方的合作数量以及城市i与城市j的企业间专利引用。HSRtimeij,t表示普通铁路和高铁之间的时差，是一个连续变量，预计HSRtimeij,t对专利合作的影响是正向的，因为通过高铁直接连接可以减少城市之间的旅行时间。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，即使城市对都通过高铁连接，还可以比较高铁对创新合作的影响。Xij,t-1是城市对（i，j）的控制变量，包括人均GDP、人口、政府教育支出、平均固定资产、FDI、公路客运量、机场的存在、工业企业数量、非合作专利数量和市场化指数。这些控制变量在城市对层面使用log（Xi+Xj）进行计算，而高速公路上的乘客数量以及城市是否有机场则在城市层面进行控制。其中，市场化指数是在省对省的层面上进行控制的，即当城市i与城市j不在同一个省份，则计算t年两省之间差值的绝对值。所有变量都滞后。λt为时间固定效应；πij为城市对固定效应。在模型（3）使用regionpairmn×Year替换λt，其中regionpair指任意两个区域m、n之间的双边对，并使用聚类标准误来解决异方差与自相关问题，实证结果均保持一致。

大多数铁路线通常跨省，由中央政府决定，且高铁建设资金主要来自中央政府预算，铁道部发行债券，小部分主要来自地方政府的土地使用补偿，因此，对当地企业来说，高铁建设是外生的。但是，一个城市也可能会为了连接到高铁网，以增加其人力资本积累、实物资本积累和知识交流，以获得更快的经济增长，从而会为高铁建设做出贡献，这种反向因果关系可能导致估计参数有偏。中国高铁布局一般由政府集中管理、集中规划、集中资金，统筹兼顾经济发展、人口资源配置、国家安全、环境因素和社会稳定，且高铁分布在沿海地区比内陆地区更密集，因此，中央政府不太可能随意建设高铁。为了解决上述问题，文章将1934年的历史铁路线作为样本期高铁线路的工具变量，一方面，历史铁路线与当前的铁路线相关；另一方面，历史铁路线很难通过高铁以外的渠道影响当前的研究合作和创新。因此，1934年的历史铁路不太可能通过其他渠道与21世纪的企业创新活动相关联，只会通过高铁建设影响创新行为。

HSRc的工具变量是c市1934年是否有火车站(Railwayc,1934),如果有则取1，否则取0；HSRDegreec的工具变量是1934年与c市相连的城市数量(RailwayDegreec,1934)，有则取1，没有取0；HSRtimeij的工具变量是1934年i市与j市之间是否有铁路（Railwayij,1934）,有则取1，没有取0。模型（4）、（5）是城市层面的工具变量估计第一阶段；模型（6）是城市对层面的工具变量估计第一阶段；其中，1934年的铁路不随时间变化，无法回归，因此加入了个时间趋势与1934年历史铁路变量交乘作为工具变量。另外，高铁开通时间取决于施工进度，而施工进度取决于工程难度，通常，线路较长、车站较多、桥隧比较高，高铁建设速度会较慢。这些因素是企业创新合作的外生因素。因此，在模型中，i市连接高铁的开通时间t不是内生的。

OLS估计结果显示：c市首次接入高铁网络对c市企业与其他城市企业的合作专利数量总和的影响系数显著为正（0.2065）；对c市合作企业总数的影响系数比total效应更小，但仍显著为正（0.1541），这表明高铁的存在促进了创新合作；但对c市每个合作企业的专利合作数量并不显著（0.0129）。对于所有大于0.1的回归系数，文章使用 exp(coefficient)-1 计算隐含增长，因为被解释变量是（1+合作专利）的对数。因此，根据第（1）列OLS测算，高铁接轨后城市合作专利总数增加了(exp(0.2065)-1) =22.94 %，城市合作企业总数增加了(exp(0.1541)-1)=16.66 %。高铁建设可能是内生的，估计可能有偏，因此第（2）列进行了工具变量回归。HSR表示c市在1934年是否有火车站乘时间趋势，工具变量回归表明，高铁的存在可以在更大程度上显著增加c市专利合作总数（1.6153）。第一阶段结果显示：工具变量是显著的并且与内生变量正相关（0.0263）。高铁的存在也显著提高了城市合作企业总数（1.3920），但对城市每对合作企业的专利合作数量影响不显著（0.0354）。第（2）列显示：高铁接轨后城市合作专利总数增加了(exp(1.6153)-1) = 4.03倍，城市合作企业总数增加了(exp(1.3920)-1)=3.02倍。

比较OLS与IV估计，当纠正内生性问题时，高铁对创新合作的估计影响增加了。针对OLS估计更小或者IV估计更大的现象，文章分析了三点原因：一是建筑材料价格和人工成本等遗漏变量的存在可能与高铁建设成负相关；二是创新合作不太活跃的发展中城市可能有意识地选择改善其交通基础设施；三是可能是高铁建设替代了社会救助，高铁建在土地和劳动力便宜的地方，而不是在短缺的地方。

模型（2）检验了高铁连接对创新合作的影响程度。OLS结果表明：当另外一个城市通过高铁与c市相连时，c市合作专利总数将增加，合作企业总数也一样。工具变量回归结果显示：如果城市层面又连接了一条高铁，专利合作总数增加了6.71%，合作企业总数增加5.86%。每个合作企业的专利合作数量均不显著，且规模小于合作专利数与合作企业总数。一个城市连接到高铁网会有更多合作机会，因此创新合作总数可能增加，但潜在合作伙伴数量的增加并不一定意味着每个合作伙伴的合作专利数量会增加。比如：即使在连接了高铁之后，企业可能会专注于几个重要合作伙伴，而不是将创新资源分配给所有可能的合作伙伴。

之所以要同时从城市层面与城市对层面，主要是它们反映了创新合作的不同内容和方向。城市层面的结果可以显示高铁对每个城市创新合作的总体影响，以及总体创新合作的时间趋势；城市对层面的结果可以显示具体合作方与知识流动方向，还可以探究高铁节省时间对城市对水平的影响。

HSRtimeij,t表示城市i、j之间普通铁路和高铁之间的时差，由△TravelTime表示，控制城市对固定效应与时间固定效应后，OLS结果显示均为正且显著。城市对之间合作企业总数的影响远小于两者之间的合作专利数。此外，节省时间还可以显著增加每对合作企业的合作专利数量。

第2列进行了工具变量回归，HSRtimeij,t的工具变量是“时间趋势项×Railwayij,1934”，如果1934年i市与j市有铁路则为1，没有则为0。2SLS的第一阶段结果显示工具变量与内生变量HSRtimeij,t密切相关。高铁提高了旅行速度，节省了旅行时间，i市和j市之间节省的时间每增加1%，城市对之间的的合作专利总数增加0.1869%，城市对之间合作企业总数增加0.1358%，每个合作企业的平均合作专利数增加0.0974%。可以看到，高铁可以显著促进城市对层面的专利合作。

研究高铁如何影响城市间的专利引用数量。OLS估计结果与工具变量回归结果均表明高铁节省的出行时间显著增加了城市之间的专利引用，工具变量结果显示高铁节省的时间每增加1%，专利引用量就会增加 0.9544%。可见，由于跨城市交通时间的减少，创新质量显着提高。

四、稳健性检验

（一）平行趋势检验

模型（7）检验了αn和αm对Yct（城市 c 的企业与其他城市的企业在 t 年的合作专利数量）的影响，FirstHSRconnectc,t−n 是第n个滞后，FirstHSRconnectc,t + m是第m个超前。图3绘制了系数αn和αm的时间趋势，表明c市高铁开通前无预期效应，高铁开通后c市创新合作大幅增加。

为了解预期效应可能产生的后果，在城市层面排除了高铁开通前 5 年的样本，结果见Table D1 的panel A，系数略大于表 2 第（2）列中的系数，结果表明预期效果在城市层面影响不大。

等式（8）检验了城市对级别创新协作的平行趋势，FirstHSRconnecttimeij,t为城市i 和j首次连接后节省的时间。图4绘制了系数αn和αm的时间趋势，可以看到高铁对城市i 和城市j被高铁连接前后的创新协作的影响，在时间0之前所有的系数都不显著，在城市间高铁建成后系数增大且具有显著性。

在实际建设之前，城市对层面的创新合作呈上升趋势，尽管这种影响并不显著。但这意味着创新合作可能在高铁开通的预期下开始增加，而这种预期效应可能会使估计产生偏差。因此，为了了解预期效应在城市对层面的可能后果，文章排除了城市i和j首次接入高铁网络前 5 年（前4年、3年、2年）的样本，结果如表6第（1）列所示，估计值也略大于表 4 列（2）的结果。

粗放边际Extensive和集约边际Intensive的结果系数略大于表 4 中第（2）列的系数。因此，得出结论：预期效应可能存在于高铁建设之前，但是它的影响很小。在大多数情况下，基于地理条件、经济因素、政治原因等因素，每条高铁建设的具体路线并不明确，所以，预期效应不是主要问题。

（二）删除直辖市与省会城市

更大、发展更快的城市通常是最先通过高铁连接起来的。即使没有高铁，这些城市也可能会出现更多的创新活动增长。在这种情况下，OLS 估计值会向上偏。为确保结果不受这些大城市的影响，文章将4个直辖市和省会城市排除在样本之外。

在城市对级别使用工具变量的实证结果如表 6 ，第（2）列只删除了直辖市，第（3）列删除了直辖市和省会城市，与表4的结果相比，系数略小，但仍显著。因此，即使大城市更多地从高铁网络驱动的创新协作中获益，小城市也可以通过进入高铁网络从创新协作中受益。

（三）替换工具变量

根据2004年提出的“四纵四横高铁网”的建设规划，在起点城市和终点城市之间画一条直线，构建了城市级别的虚拟变量，如果城市位于这些直线中的任何一条上，则取 1，否则取 0，再乘时间趋势。在城市对层面，如果两个城市同时位于这些直线中的任何一条上，则取1，否则取 0，再乘时间趋势。这个新工具变量被用作高铁的替代工具，关键解释变量的系数仍然显著为正，表明高铁确实改善了城市层面或城市对层面的创新协作。

（四）总部与子公司之间的创新协作

总部往往比分支机构更可能位于高铁连接的大城市。针对母子公司创新协同在没有高铁的情况下也可能存在，或者高铁的影响被高估的潜在问题，文章排除总部和子公司创新协同的影响。首先，将专利数据与上市公司、子公司合并，总公司和子公司名称来自CSMAR数据库，得到总公司和子公司之间的47975项合作专利数据；其次，根据专利申请号将主要数据集与总公司和子公司之间的专利合并，获得母子公司合作专利8285件，占合作专利总数的5.51%；最后，将母公司与子公司之间的专利合作排除在样本之外，考察高铁对创新合作的影响。主要变量在城市层面或城市对层面的显著性和数值几乎没有变化，结果仍然稳健。

（五）金融危机的影响

2008年金融危机后的“四万亿计划”可以影响企业创新，比如通过政府补贴或银行信贷给企业，还可以直接影响高铁建设。因此，从样本中排除2008年和2009年的观测值来排除此类政府投资对高铁建设和创新的可能影响。城市对层面和城市层面的系数变化不大，表明金融危机没有显著影响。

（六）将样本限定在已开通或拟开通高铁的城市

高铁的建设可能是由城市过去的经济增长、未来的预期增长和其他不可观察因素决定的，为了排除已开通高铁或拟开通的城市与未开通高铁的城市之间存在根本差异的可能性，将样本限制在2020年已开通或拟开通高铁的城市，排除未开通高铁的城市，这个样本量要小很多，城市数量为119个，城市对数量为2287个。关键解释变量HSRtimeij,t的系数均显著为正，数值略大。城市层面，显著性水平有所下降，系数略大。

（七）重新定义高铁的开通时间

鉴于高铁建设与创新合作之间存在时间差，重新确定了高铁开通时间。城市对层面，如果连接城市i和j的高铁开通日期是t年7月或以后，则开通日期为t+1；如果开通日期在t年6月或之前，定义开通年份为 t，城市层面类似。城市对层面的系数略大，结果仍然显著。城市层面的结果与基础回归结果一致。

（八）将样本限制在没有机场的城市

航空的存在可能会导致高铁对创新的影响被高估，因此排除有机场的城市。城市对层面的结果显示系数变小，但仍然存在显著正向联系。由于样本量少，城市层面的关键解释变量的系数不显着，但仍为正。

（九）平衡样本

某些控制变量，如FDI和工业企业数量存在缺失值，为了确保主要发现不是由这些缺失值的城市驱动的，使用平衡样本来检验高铁对创新合作的影响。城市对层面的关键解释变量的系数略小。城市层面的系数略小，显著性不变。

综上，关于高铁促进创新合作的研究结果是可靠的。

五、异质性分析

（一）空间异质性

表7第1、2、3列分别显示了城市对层面东、中、西部地区高铁对合作专利总数的影响。西部地区的系数最大，相比东、中部地区城市，西部城市通过高铁网络与其他城市的联系更大幅度地增加了它们的交流合作机会。作者认为东、中部地区的创新合作对高铁的敏感性可能较低，因为大多数创新合作是在内部产生的，并且由于其地理优势和更好的经济表现，知识更有可能在其边界内流通。这表明高铁的影响取决于当地环境特征，如发明者素质、技术专业化、当地人力资本和经济发展等。

（二）行业异质性

第1、2、3列分别是制造业、服务业和其他行业的结果。4、5、6列考察了高铁对跨行业创新协作的影响，分别是制造业与服务业、服务业与其他行业、制造业与其他行业的创新合作。高铁对服务业内部的创新合作，以及制造业与服务业之间的合作影响更大，表明运输成本的降低不仅可以增加部门内部的合作，还可以加强跨部门的合作，特别是制造业和服务业之间的合作。制造业内部、其他行业内部以及服务业与其他行业之间、制造业与其他行业之间的创新合作也产生了积极显著的影响，但系数略小，这说明跨行业的知识互补交流对于新知识的创造至关重要。

（三）所有制异质性方面

第1、2、3列分别是高铁对国有企业、外资企业和私营企业创新合作的影响结果。首先，高铁对国有企业和私营企业都是正向显著的，且国有企业的系数大于私营企业；其次，对于外资企业，高铁对创新合作是负向且不显著的。第4、5、6列表明了不同所有制企业之间的创新合作，系数均为正且显著。其中，第5列显示高铁对国有企业与私营企业的合作影响要更大。这说明高铁可以加强跨所有制企业间的创新合作和知识溢出，尤其是对国有企业与私营企业。

（四）基于距离的异质性

100-200公里、200-300公里和大于300公里的距离，然后根据距离差异来检验高铁对创新合作的影响。结果表明，高铁对创新合作的影响在较短的距离（即小于200公里）更有效。因此，文章指出高铁并不能完全替代航空，尤其是长途旅行。此外，即使在互联网时代，面对面的交流仍然在创新合作中发挥着关键作用。

六、小结与建议

这篇文章使用了微观企业层面的数据从中国高铁视角考察了创新合作，是首次使用匹配的公司数据和专利数据在发展中国家调查创新合作的研究。DID结果表明，一旦一个城市连接到高铁网，协同创新数量在城市层面和城市对层面都显著增加，以引用次数衡量的专利质量也大幅提高；控制了高铁内生性后，结果表明高铁可以极大地促进创新合作；高铁对创新合作的影响在西部地区比东部和中部地区更显著；与制造业相比，高铁对服务业创新合作的影响更大；高铁可以促进国有企业与国内私营企业的创新合作。

针对上述结论，文章给了三条政策建议：一是进一步完善城市内或城市间交通建设，增加面对面交流的频率，促进知识交流和科研合作；二是欠发达地区需要更多的基础设施投资来吸引更多的创新资源，比如人力资本；三是区域政策、产业政策、金融政策等要配套政策与基础设施建设相结合，提高企业创新能力，加强跨区域、跨行业合作。

七、讨论

文章分享结束后，研究院成员展开了有关讨论。卓乘风博士后认为该文章的创新点在于其不仅考虑了城市，而且考虑了城市对的因素，同时其数据也相对来说较为丰富；另外文章的九个稳健性分析是所有人都值得学习的特点，可以体现文章的成熟之处。

本次学术研讨会充分体现了研究院浓厚的学术氛围，大家在学术交流中相互学习、共同进步，提高自己的学术能力，至此，本次学习讨论会圆满结束。

拟稿：蔡儒雅

编辑：陈多多

审核发布：毛艳华