摘要：本文基于交通基础设施影响经济增长的微观渠道，利用1998~2007 年中国制造业企业面板数据构建了一个结合空间维度的固定效应模型框架，来估计我国省级公路设施建设对企业库存的空间溢出效应，并通过一个准自然实验对这一效应背后的因果关系进行了识别，为我国交通基础设施的空间溢出效应的存在及其因果影响提供了微观层面的证据。结果表明，我国省级公路设施对企业库存具有显著的空间溢出效应，弹性估计平均为-0.087，约是本省公路设施影响的1.5 倍。另外，我们还发现，样本期间外省公路设施对国企及内地企业库存均没有显著的降低作用；分时间段来看，我国公路设施在样本后期空间溢出效应更加显著。关键词：交通基础设施空间溢出效应制造业企业库存一、引言交通设施作为直接参与社会经济活动的重要公共基础设施，被认为对社会经济增长有着至关重要的作用。20 世纪90 年代以来，我国进行了大规模的交通基础设施投资，公路设施更是经历了飞跃式的增长。与此同时，我国也创造了GDP 的快速增长奇迹。尽管国内外学者对交通基础设施在经济增长中所起的作用进行了广泛研究，但大部分往往只局限于交通基础设施对本地经济的影响（Munnell，1990；Finn，1993；Demurger，2001；范九利、白暴力，2004；郭庆旺、贾俊雪，2006；张学良，2007；刘生龙、胡鞍钢，2010a）。然而，交通基础设施具有很强的跨区域网络性，尤其是在经济全球化和区域市场一体化程度越来越高的背景下，一个地区的交通设施不仅会作用于本地的经济活动，也会通过交通网络对周边地区的经济活动产生跨地区影响，即产生空间溢出效应（spatial spillover effects）。如果忽略交通基础设施的空间溢出效应，我们将难以对其经济回报进行全面而准确的度量。国外一些学者较早开始了对这一空间溢出效应的关注，但并未得到一致的结论。Mun⁃nell（1992）提出，由于交通设施能导致生产力的外溢，从而产生正向溢出效应，后续的一些研究支持了这一观点（Berechman et al.，2006；Cantos et al.，2005；Del Bo & Florio，2012）。另一方面，Boarnet（1995，1996）则认为，外地交通设施会使本地的经济活动发生转移，从而产生负向溢出效应。Holtz-Eakin 和Schwartz（1995）、Ozbay 等（2007）、Sloboda 和Yao（2008）、Gomez-Antonio和Fingleton（2009）以及Jiwattanakulpaisarn 等（2008）相继考察了高等公路对产出及长期就业的影响，均发现负向空间溢出效应的存在。此外，也有研究（Cohen & Paul，2004）表明美国州级高等公路对州制造业成本没有显著的空间溢出效应。近期国内也有一些类似的研究，胡鞍钢和刘生龙（2009）、刘勇（2010）、张学良（2012）、Yu 等（2013）以及刘南等（2007）均发现，我国交通基础设施对地区经济增长存在正向空间溢出效应。刘秉镰等（2010）甚至发交通基础设施投资、空间溢出效应与企业库存*□李涵唐丽淼*本研究得到国家自然科学基金青年项目（71403222）、中央高校基本科研创新团队项目（JBK130502）、中央高校基本科研业务费专项资金（JBK1307069）以及新世纪优秀人才计划的资助。交通基础设施投资、空间溢出效应与企业库存工商管理理论论坛- 126 -《管理世界》(月刊)2015年第4期现省级公路设施对TFP 的空间溢出效应大约是本地效应的3 倍。此外，张浩然和衣保中（2012）则发现，我国城市交通基础设施对TFP 没有显著的空间溢出效应。尽管以上学者从不同的角度对交通基础设施的空间溢出效应进行了一定的研究，但仍然存在一些问题。首先，这些研究都是基于宏观层面，往往难以避免交通基础设施与经济增长之间的因果倒置问题（Holtz-Eakin，1994；Chen et al.，2007）：一方面，交通基础设施投资能带来经济增长，反过来，经济的发展也会提高对交通基础设施的需求和供给能力。这一问题将导致变量的内生性，尽管一些研究尝试运用工具变量等方法来解决，但其效果仍有待商榷。同时，交通基础设施对经济增长的影响渠道是错综复杂的，而宏观层面的研究很难识别出其中的具体影响途径。此外，我国区域经济发展的趋同性越来越强，较多宏观层面无法控制的经济因素可能会同时影响到相关地区间的交通设施建设和经济活动，从而产生内生性问题，甚至导致交通基础设施的空间溢出效应在统计上显著的假象。只有对这些潜在的内生性问题进行有效的处理，才能对这一空间溢出效应做出无偏（unbiased）的估计。与以往研究不同，本研究拟从交通基础设施影响企业生产力的微观渠道来估计和识别（identifica⁃tion）我国公路设施的空间溢出效应，为交通基础设施空间溢出效应的存在和因果关系提供微观层面的证据。Gramlich（1994）提出，发掘交通基础设施影响经济活动的微观渠道，是解决这类研究的因果倒置问题的一个重要途径。目前已有一些学者从微观层面对这类问题进行了相关研究。Shirley 和Winston（2004）、李涵和黎志刚（2009）相继识别了这样一种微观渠道：公路交通运输系统的改善可以使企业的物流更加便捷，从而企业能够通过降低库存水平来节约成本，最终带来社会总产出的增加。然而，这些研究并未对交通设施的空间溢出效应进行相应探讨和准确度量。我们在本研究中将继续通过这一重要的微观渠道来估计和识别我国公路设施的空间溢出效应。具体来说，本文利用国家统计局编制的《工业企业调查年鉴》（ASIF）中1998~2007 年的制造业企业面板数据，以及《中国统计年鉴》中的相关数据，运用一个结合空间维度的固定效应模型，来估计我国公路设施建设对企业库存的本地效应和空间溢出效应。在此基础上，我们构建一个准自然实验（quasi-natural experiment）来对这一空间溢出效应背后的因果关系进行识别。结果表明，我国省级公路设施除了能够降低本地企业的存货水平之外，也能够显著地降低其他地区企业的存货水平，即产生显著空间溢出效应，弹性估计分别约为-0.059 和-0.087，且这一效应背后的因果关系也得到了验证。通过计算，1998~2007 年间平均每年由本省和外省公路设施增长所节省的企业库存成本比例分别约为0.99%和1.48%。对于已有文献，本文主要有以下几点创新和拓展。首先，从微观层面来研究能够在很大程度上避免宏观层面研究潜在的因果倒置问题——从理论上来讲，交通设施投资可以提高交通运输系统的便捷性和可靠性，从而降低企业库存水平；而反过来，单个企业的库存水平却不大可能会影响整个地区的交通设施投资。其次，本文通过降低维度的方法，将空间权重矩阵应用到微观企业数据来估计公路设施的空间溢出效应，空间计量方法的借鉴提高了参数估计的一致性。最后，针对潜在的内生性问题，微观层面的研究框架为我们提供了能够识别这一空间溢出效应的产生机制，使我们得以通过构建一个准自然实验对这一效应背后的因果关系进行识别。同时，考察我国公路基础设施对企业库存的空间溢出效应，也具有重要的现实意义。我国实行财政分税体制改革后，公路投资主体由中央政府变为地方政府，资金主要来自国内贷款和地方自筹。在这种管理体制下，地方政府往往只考虑公路投资的本地经济效益，对公路的投资收益缺乏整体性评估；其次，各地方财政收入和经济发展水平的参差不齐也会导致各地区公路建设水平的不协调和网络布局的不合理。尽管近年来我国进行了大规模的交通设施投资，企业仍面临着过高的物流成本。毕马威（KPMG）2006 年报告显示，我国物流成本占GDP 之比为18%，而美国该比例只有8%。其中，库存成本占到物流成本的80%~90%。究竟我国公路设施建设有没有起到降低企业库存的作用？周边其他地区的公路设施建设是否也能够真正地帮助- 127 -降低本地企业的库存水平，即我国公路设施是否具有显著的空间溢出效应？如果空间溢出效应的确显著存在，那么地方政府很可能因为忽略这一效应而使社会资源达不到最优配置，造成投资不足或浪费。此外，我国公路设施对企业库存的降低作用是否普遍存在于不同企业、地区和时间段？本文的研究结果将有助于解答以上问题，进而为我国的交通基础设施建设提供一定的政策依据。本文结构如下：第一部分是引言及研究背景；第二部分根据相关理论来探讨交通基础设施对企业库存水平的作用机制，以及其他主要影响因素；第三部分阐述了实证模型及空间权重的构建；第四部分是估计结果及分析；第五部分是研究结论及政策含义。二、理论基础与拓展本文实证部分所要考察的主要问题在于公路设施能否通过空间网络有效降低周边地区企业的库存水平。从微观角度来说，交通系统可以通过影响企业库存水平，进而影响企业生产力和社会总产出。首先，我们来讨论交通基础设施如何影响企业库存决策。简单来说，制造业企业持有原材料和半成品库存的一个重要目的是满足连续性生产的需求。然而，库存的持有会产生一系列成本，包括库存资金占用、库房租赁及库存管理等费用。因此，库存水平过高，会给企业带来额外的成本负担。而库存水平不足，又会影响到企业的连续生产而造成损失，同时也会因采购频率的增加产生额外的获取成本，包括订单处理成本、运输费用等。因此，企业的最优库存决策需要解决的是，如何在保证企业连续生产的前提下使库存成本降到最低①。基于以上分析，经济订货量模型（Economic Or⁃der Quantity，简称EOQ）得到了各界的广泛认可，并为交通基础设施在企业库存决策中的作用提供了理论依据。模型假设库存的取得具有不变或递减的边际成本，并以不变的速率被消耗，企业需要确定一个目标库存水平S 和重新订货点s。由于从下单订货到最终入库需要一定的处理和运输时间，因此企业必须在库存被消耗完之前的某个安全水平s下单，这段时间即为提前期（lead time）。提前期的很大一部分是运输时间，而交通设施的改善能够降低运输时间和不确定性，缩短订单提前期，相应的重新订货点s也得以降低，从而减少企业库存水平，具体证明可参考Tyworth 和Zeng（1998）。另一方面，交通设施的改善也能降低企业的运输成本，从而企业可以在采购成本减少的情况下增加采购频率，降低库存水平。此外，由于企业库存主要用于满足连续生产的需求，而企业的生产又在很大程度上取决于对市场需求的预期，因而企业对未来的需求预期越高，将持有更多的库存以保证产量。同时，市场需求的波动性越大，也会导致企业对存货的需求增加，以避免在需求高峰期出现原材料短缺。因此，根据EOQ模型，我们可以将企业原材料存货的主要影响因素总结如下：存货需求预期，需求的波动，库存持有成本与获取成本，以及交通运输因素。值得注意的是，在考虑交通运输因素时，我们往往容易忽略交通基础设施的空间网络性所带来的跨地区影响。近年来，我国尤其注重公路系统的网络化建设，特别是高速公路网的加快推进和完善。这一空间网络性将相关邻近区域连接贯通，使企业能够实现各区域间的商品贸易等经济活动。同时，随着区域经济一体化的程度越来越高，企业的贸易活动区域不断扩大。此时，一个地区的企业不仅能够利用所在地区的交通设施，还能够在区域间的贸易往来中利用到其他地区的交通设施。因此，周边其他相关地区的交通基础设施的改善也会对本地相关企业的库存行为产生影响，需要对其加以考虑。三、实证模型与空间权重的构建（一）实证模型为了考察交通基础设施对企业存货行为的空间溢出效应，本文在Shirley 和Winston（2004）与Li和Li（2013）所构建模型的基础上，结合以上理论部分的相关讨论，利用空间计量经济学中常用的空间权重矩阵来构建其他相关省份的交通基础设施变量（OTIpt），从而建立以下考虑了空间溢出效应的固定效应模型：ln（Vit）=β0+β1ln（TIpt）+λln（OTIpt）+β2Xit+β3Mpt+Dt+ci+εit （1）式中，OTIpt=ΣNq=1wpq×TIqt （2）交通基础设施投资、空间溢出效应与企业库存工商管理理论论坛- 128 -《管理世界》(月刊)2015年第4期其中，Vit是企业i 在第t 年的存货水平。企业存货可以分为原材料、半成品和产成品。根据Shirley和Winston（2004），原材料的获取成本主要来自运输，并且具有不变或递减的边际成本，与EOQ 模型的基本设定相符。基于本文的研究目的以及可获得的数据，我们用企业的非产成品存货②来表示，下文中均用存货指代非产成品存货。TIpt 是企业i 所在p 省第t 年的交通基础设施存量，本文采用交通基础设施密度（交通线路里程/省份面积）③来表示。首先，这一指标可以增加各省份交通设施的可比性。其次，与交通设施里程和交通设施投资等指标相比，交通基础设施密度能够更准确地反映交通设施的便捷程度。由于在本研究的样本期间，我国公路货运量占全部货运量的比重约为75%④，其他类型交通设施分别只承担了很小的比例，因此我们将公路设施密度（road）的影响作为考察重点。同时，我们在模型中也对各省铁路设施密度（rail）和内河航道密度（water）进行了控制。基于上一部分关于交通运输影响因素的讨论，除了企业所在省份p 的交通基础设施外，周边相关地区的交通基础设施OTIpt 也会对本省企业的存货行为产生影响。因此，我们借鉴空间计量经济学的方法，在（1）式中加入了通过空间权重wpq 加权的周边相关省份的公路设施密度（w_road），用于估计公路设施对企业存货的空间溢出效应λ。其中N 是省份个数，wpq 是对于p 省的企业而言赋予q 省公路设施密度的空间权重。Xit 是一系列反映企业的存货需求、成本等因素的相关控制变量。由于我们无法获得企业真实的需求预期，因而用企业当年的中间投入（input）作为企业对原材料存货需求的代理变量。企业当年的中间投入越多，理论上所需的原材料库存也越多，以保证生产的持续性。为考虑需求波动的影响，Shirley 和Winston（2004）用企业存货需求的组内波动率来衡量。然而，这一变量是不随时间变化的，因此在固定效应模型中，这一变量直接被包含在个体固定效应之中。根据Hay和Louri（1994），持有存货的占用资金的机会成本可以用企业的固定资产净值（net fixed asset）和长期投资（long term invest⁃ment）等指标来控制。企业库存产生的库房租赁和管理费用，以及订单处理成本等数据我们无法取得，但是这些变量很可能与企业特性和地理位置有关，因此我们通过企业固定效应和一些省份宏观变量来控制。企业的利息支付（interest payment）和企业补贴（subsidy）则用于反映企业的资金约束。此外，我们还控制了企业销售额（sale）、企业职工数（employee）、企业出口（export）和企业折旧（deprecia⁃tion），用于反映企业规模等因素的影响。除了企业所在省份的交通基础设施外，其他的一些宏观变量Mpt 也会影响到企业的存货行为。我们用企业所在省份的机动车数量（vehicle）来反映交通拥挤情况。同时，其他与交通设施投资相关的基础设施投资也可能会影响到企业的存货行为，从而影响到模型结果估计的一致性，因此我们还控制了各省份的基础设施投资（infrastructure）。此外，企业所在省份当年的人均GDP（GDP per capita）用于反映企业生产运作所处的省份宏观经济环境。而全国性的宏观经济形势和经济政策等因素则主要由年度哑变量Dt 来控制。ci 则表示企业的固定效应，用来控制所有不随时间变化的企业异质性和所在省份的异质性，包括企业的管理水平、行业特性以及所在省份的地理环境等。（二）空间权重的构建空间权重有多种构建方法，在实际应用中，我们需要根据具体的研究问题所对应的空间联系来构建相应的空间权重。本文所要研究的是公路设施对企业存货行为的影响，与考察对经济增长影响的研究不同，企业原材料的采购是一种具体化的贸易行为，交通基础设施的这种跨区域影响将随着地理距离的增加而急剧减弱。而所用的空间权重主要用于反映外省公路设施与本省企业的存货行为之间联系的紧密程度，如果用经济距离等权重对所有外省的交通设施进行加权，可能会使所构建的有效外省交通设施变量产生较大偏差。因此，我们构建了以下几种空间权重。（1）0-1 空间权重。这是最简单也最常见的一种空间权重形式，取决于两个省份在地理上是否相邻。首先建立初始权重矩阵，矩阵元素为：1，如果p 省与q 省接壤0，反之其次，对这一初始权重进行标准化处理，将每个元素除以所在行所有元素之和，使矩阵中的每行w0pq={ （3）- 129 -元素之和为1。这种权重的合理性在于，地理位置相邻的两个区域之间的地理距离较近，企业之间的贸易往来和物资流动也更加方便和频繁。不足之处在于，这种权重对每一相邻省份都赋予了相同的权重，不能反映一个省份的所有邻省之间的相对“相邻”程度。（2）交通网络权重。该权重以连接两个邻省的交通干线（国道）数目Npq 为初始权重来反映两省之间的交通便利程度和贸易紧密程度。具体来说，我们基于1999 年我国内地地区的国道网络分布情况来构建样本期间各年度的空间权重，并将各行元素之和标准化为1：（4）由于交通干线在区域之间的企业贸易往来中起着关键性的作用，连接两地的交通干线越多，运输能力和效率也越高。与简单空间权重相比，交通网络权重假设交通干线连接越多的省份之间的“相邻”程度更高，从而对其赋予更大的权重。（3）邻省公路里程权重。根据Tobler 地理学第一定律，地区间的相互影响随着地理距离的增加而趋于衰减。以往相关文献大多采用较简单的距离反比权重，本文则参考Paas 和Schlitte（2006）的做法，采用距离平方反比法，以期更加贴切地反映交通基础设施对企业存货的跨区域影响随距离增加而衰减的速率。首先，我们以邻省的省会城市之间的公路里程平方的倒数作为初始权重，再进行标准化，建立邻省公路里程权重：（5）（4）外省公路里程权重。以上权重都没有考虑非邻省之间的交通联系。为了进一步研究其他外省公路交通基础设施投资的空间溢出效应，根据Paas和Schlitte（2006），我们对第三种权重进行了扩展，对本省之外的所有省份的“相邻”程度进行了度量：（6）公路里程权重的含义在于，两省之间的公路里程越短，则两省的企业之间的贸易成本和不确定性越低，从而企业之间的贸易往来也越紧密和频繁。该权重从另一角度来反映省份之间的“ 相邻”程度。与简单空间权重相比，通过公路里程权重来加权可以对更邻近的省份赋予更大的权重，从而更确切地反映各省之间的相对“相邻”程度。以上权重各有其优缺点，因此本文分别利用了这4种权重来估计交通基础设施对企业存货水平的空间溢出效应。四、实证数据与结果分析（一）数据来源本文制造业企业的相关数据来自国家统计局编制的1998~2007 年《工业企业调查年鉴》（ASIF），该数据库包含了所有国有制造业企业和年销售额在500万元以上的非国有制造业企业的相关年度数据。各省份的公路里程及其他宏观变量来自《中国统计年鉴》。首先，因为需要考虑接壤省份交通设施的影响，本文剔除了海南省。由于非制造业企业不在本文的考虑范围之内，也进行了剔除。此外，我们还剔除了重要指标存在缺失值和异常值的企业观测值。经过上述数据处理后，本文的样本数据超过153万个观测值。根据统计局数据，1998~2007 年我国公路里程一直处于增长态势，从127.8 万公里增加到约358.4万公里，年均增长率约13%。与此同时，我国30 个省份制造业企业的非产成品存货与销售额之比也在逐年下降（见表1），从0.15降至0.08，说明我国制造业企业的库存管理效率整体上在逐年提高。分地区来看，该比例都呈现稳定的下降趋势，东部地区的这一比例在样本期间都保持最低，但经济发展相对落后的西部地区则出现了最大的降幅，各地区的比例在逐年收敛。同样，沿海地区该比例也一直低于较落后的内陆地区，而内陆地区该比例却较沿海以更快的速率下降，两者的差距大幅缩小。从国有企业与非国有企业来看，非国企的这一比例明显wpq =w0pq × NpqΣr = 1N w0pr × Nprwpq =w0pq × (1/d2pq)Σr = 1N w0pr × (1/d2pr)wpq =1/d2pqΣr = 1N 1/d2pr表1 1998~2007年制造业企业的非产成品存货与销售额之比年份东部中部西部沿海内地非国企国企30省份19980.1360.1700.2100.1340.1870.1240.1980.15019990.1270.1580.1830.1260.1680.1180.1800.13820000.1160.1380.1630.1150.1470.1090.1650.12420010.1050.1330.1650.1040.1430.1000.1680.11520020.0960.1240.1570.0950.1350.0930.1600.10620030.0890.1140.1340.0890.1200.0870.1470.09720040.0860.1080.1110.0860.1080.0860.1390.09220050.0820.0980.1110.0820.1020.0800.1450.08720060.0770.0910.1010.0770.0950.0760.1350.08220070.0770.0850.0960.0760.0890.0740.1310.080交通基础设施投资、空间溢出效应与企业库存工商管理理论论坛- 130 -《管理世界》(月刊)2015年第4期低于国企，虽然两者都在逐年降低，但两者减幅相当，2007年两者之间仍存在较大的差距。为了更清楚地看到我国公路设施与企业库存之间的关系，我们作了1998~2007 年各省份非产成品存货销售额之比与公路密度两者的散点图（见图1），对其进行初步统计分析。这里各省份的该比例是该省份当年各企业的非产成品存货销售额之比的加权平均，以各企业的销售额占比为权重，简单计算后即为该省企业的非产成品存货总额与销售总额之比。容易看出，两者存在负相关关系。同时，各省份该比例与外省公路密度的散点图也得到类似的负向关系，限于篇幅，结果备索。表2对本文模型中所涉及的企业和省份主要变量进行了简单的描述统计。样本期间企业平均非产成品存货约占销售额的9.5%。模型中，我们采用了所有变量的对数形式。（二）实证结果与分析1.本地效应和空间溢出效应的估计在实证模型中，我们无法对一些不可观测的企业特征（如企业管理水平、库存特性等）进行控制；另一方面，各省份的地理环境、行政效率等这些不可观测的省份异质性也可能会同时影响企业库存以及该地区的基础设施建设水平，从而导致内生性问题。针对以上问题，我们利用企业面板数据的固定效应模型来进行估计（Hausman 检验也拒绝了随机效应模型），从而消除不随时间变化的企业和省份异质性的影响，并利用年度哑变量和一些省份宏观变量来控制随时间变化的相关宏观因素，结果如表3所示。首先我们来分析本省公路设施ln（road）对企业存货水平的影响，即公路设施的本地效应。表3中第（1）列是未考虑空间溢出效应的估计结果，（2）~（5）列中则分别加入了由4种不同权重所建构的邻省与所有外省公路设施变量ln（w_road）。结果显示，所有模型中本省公路设施的系数均显著为负，说明在其他条件不变的情况下，本省图1 1998~2007年各省份非产成品存货销售额之比与公路密度的散点图表2 企业和省级主要变量描述统计表3 我国公路设施空间溢出效应的估计结果注：括号中数据为聚类调整后的White 稳健标准差，*p<0.1，**p<0.05，***p<0.01。企业变量非产成品存货（百万）销售额（百万）中间投入（百万）职工人数（千人）固定资产净值（百万）利息支付（百万）长期投资（百万）企业补贴（百万）企业出口（百万）均值7.9683.7365.940.2826.170.983.100.2218.22标准差78.41759.02600.651.06276.219.9094.914.63339.77省份变量公路里程（千公里）铁路里程（千公里）内河航道里程（千公里）公路密度（公里/百平方公里）铁路密度（公里/百平方公里）内河航道密度（公里/百平方公里）机动车辆（万辆）人均GDP（万元）基础设施投资（十亿元）均值66.524.263.9842.571.633.7481.321.2532.08标准差45.693.285.1832.791.517.2972.331.0326.52因变量：企业存货对数ln（road）ln（w_road）ln（rail）ln（water）ln（input）ln（sale）ln（employee）ln（net fixed asset）ln（interest payment）ln（long terminvestment）ln（subsidy）ln（export）ln（depreciation）ln（vehicle）ln（GDP per capita）ln（infrastructure）年度哑变量企业固定效应R2观测值（1）不考虑空间溢出效应-0.065***（0.007）-0.007（0.008）-0.012**（0.005）0.040***（0.003）0.379***（0.003）0.181***（0.003）0.107***（0.002）0.012***（0.001）0.007***（0.000）0.009***（0.001）0.005***（0.000）0.009***（0.001）0.056***（0.014）-0.003*（0.002）-0.036***（0.009）有有0.1461535104（2）0-1权重-0.052***（0.007）-0.113***（0.016）-0.015**（0.008）-0.015***（0.005）0.040***（0.003）0.379***（0.003）0.181***（0.003）0.107***（0.002）0.012***（0.001）0.007***（0.000）0.009***（0.001）0.005***（0.000）0.009***（0.001）0.077***（0.014）-0.006***（0.002）-0.021**（0.009）有有0.1461535104（3）交通网络权重-0.066***（0.007）-0.133***（0.016）-0.012（0.008）-0.018***（0.005）0.040***（0.003）0.379***（0.003）0.181***（0.003）0.107***（0.002）0.012***（0.001）0.007***（0.000）0.009***（0.001）0.005***（0.000）0.009***（0.001）0.084***（0.014）-0.005***（0.002）-0.018*（0.009）有有0.1461535104（4）公路里程权重（邻省）-0.053***（0.007）-0.070***（0.012）-0.009（0.008）-0.014***（0.005）0.040***（0.003）0.379***（0.003）0.181***（0.003）0.107***（0.002）0.012***（0.001）0.007***（0.000）0.009***（0.001）0.005***（0.000）0.009***（0.001）0.073***（0.014）-0.005***（0.002）-0.028***（0.009）有有0.1461535104（5）公路里程权重（外省）-0.065***（0.007）-0.033**（0.015）-0.007（0.008）-0.012**（0.005）0.040***（0.003）0.379***（0.003）0.181***（0.003）0.107***（0.002）0.012***（0.001）0.007***（0.000）0.009***（0.001）0.005***（0.000）0.009***（0.001）0.063***（0.014）-0.004**（0.002）-0.037***（0.009）有有0.1461535104- 131 -公路设施的增加能够显著降低企业的存货水平。此外，与（1）列相比，在加入外省公路设施变量之后，公路设施的本地效应的弹性绝对值平均为0.059，比模型（1）所估计的0.065 有所下降，说明如果不考虑公路设施的空间溢出效应，我们将会高估公路设施对企业存货的本地效应。在控制邻省与外省公路设施和其他因素之后，本省公路设施密度每提高1%，平均而言将导致省内企业的存货水平降低约0.059%。为了更直观地了解1998~2007年间我国制造业企业由本省公路设施增长所节省的库存成本，我们首先计算所有企业平均每年由本省公路设施密度增长平均所节省的库存，得到1998~2007年间年均由本省公路设施增长所节省的企业库存成本比例约为0.99%。本文所关注的重点是邻省以及外省公路设施对本省企业存货水平的影响，即公路设施的空间溢出效应。表3中（2）~（5）列分别给出了基于0-1空间权重、交通网络权重、邻省公路里程权重及外省公路里程权重所构建的固定效应模型的估计结果。其中，变量ln（w_road）的系数则是我们要估计的公路设施的空间溢出效应。结果显示，四类不同空间权重下该效应的弹性估计分别为-0.113、-0.133、-0.07及-0.033，且在5%的显著性水平下均显著，说明在控制了其他因素之后，我国公路设施对于降低企业存货具有显著的空间溢出效应。外省公路设施密度每提高1%，平均而言能够使本省企业的存货水平降低约0.087%，且这一空间溢出效应大约是本地效应的1.5倍。同样，通过以上相同的计算过程，我们得到1998~2007年间年均由外省公路设施增长所节省的企业库存成本约为1.48%。此外，企业中间投入、企业销售额、职工人数和固定资产净值等变量与企业的存货水平均存在显著的正相关关系，说明在控制了其他因素的情况下，企业的中间投入越多，即对原材料的需求越高，或者企业规模越大，都将导致企业持有更高的存货水平。交通拥挤度的系数也显著为正，说明在进行交通设施建设时，还要加强交通运输网络优化和管理效率，以使公路设施能够更好地发挥降低企业库存的作用。各省基础设施投资、人均GDP与企业存货水平显著负相关，则说明更优越的宏观政策及经济环境，也将有利于企业降低存货的持有水平。2.空间溢出效应的识别近年来，我国区域经济发展呈现出日益增强的趋同性，使得宏观层面存在较多无法控制的经济因素，这些因素可能使得外省交通设施变量产生内生性，甚至导致其空间溢出效应在统计上具有显著性的假象。这样，我们就有必要识别这一效应到底是基于不可控因素所导致的内生性，还是基于变量间的因果关系而产生的。微观层面的研究框架为我们提供了这一效应可供识别的产生机制。具体来说，当不同省份的企业之间存在原材料的贸易往来时，外省公路设施的改善，也能够降低本省企业的原材料运输时间、成本以及不确定性，从而企业可以通过降低库存水平来节约成本。反之，外省公路设施将很难对本省企业库存产生显著影响。因此，基于这一产生机制，我们进而对其背后的因果关系进行验证。我们的方法是通过构建一个准自然实验来进行识别。根据Li和Li（2013）的分类标准，即一个行业中是否有企业的原材料来源于省外供应商，我们将样本中的大部分企业按所属行业分为控制组和实验组两类，得到一个分组虚拟变量（group）：控制组（group=0）企业的原材料基本都来自于省内供应商，比如饮料制造企业，从而其原材料的采购基本不受到外省交通设施的直接影响；相反，实验组（group=1）企业的原材料来源在一定程度上依赖于省外供应商。识别的思路是，如果我们所估计的这一空间溢出效应主要是源于外省公路设施和本省企业存货水平之间的因果关系而产生的，那么对于控制组企业而言，由于其原材料采购基本不受外省交通的直接影响，也就不应存在显著的空间溢出效应；而对于实验组企业则相反。为了进一步从统计上验证公路交通基础设施对两组不同企业的影响大小，我们构建了分组虚拟变量group 与所有解释变量的交互项，用完全交互项模型来考察这两组企业的空间溢出效应是否存在显著差异，表4给出了基于4种不同空间权重的模型主要估计结果。外省公路设施变量ln（w_road）对两组企业的影响是否具有显著差异，是我们进行识别的判断依据。从表4可以看到，实证结果基本符合预期。变量ln（w_road）的估计系数是外省公路设施对控制组企业的影响弹性。对于控制组而言，无论利用哪一交通基础设施投资、空间溢出效应与企业库存工商管理理论论坛- 132 -《管理世界》(月刊)2015年第4期种空间权重进行加权，外省公路设施变量的估计系数即使在10%的显著性水平下也都不显著，即公路设施对该组企业存货水平不具有显著的空间溢出效应；而对于实验组而言，从分组虚拟变量group 与外省公路的交互项系数可以看到，公路设施的空间溢出效应与控制组企业存在显著差异，平均差异约为0.11，且前3种权重下的差异都在1%的水平下显著。这一结果说明，我们所估计的这一空间溢出效应是否显著，主要取决于企业的库存行为是否受到外省公路设施的直接影响，这种直接影响是这一空间溢出效应产生的主要机制。因而，本文所估计的这一空间溢出效应主要是源于外省公路设施与本省企业存货水平之间的因果关系而产生的，而不是源于潜在的内生性问题。可以说，我们从微观层面来估计交通基础设施的空间溢出效应，能够有效地缓解甚至避免由一些不可控因素所导致的内生性问题。3.相关稳健性检验（1）国有企业与非国有企业的比较分析。交通系统的改善理论上使得企业能够在保证连续性生产的同时，通过降低企业的库存持有水平来节省库存成本，从最大化企业利润。而现实中，我国国有企业与非国有企业存在着较大差异。相对于非国企而言，国企通过降低库存来提高企业利润的动机可能因其他因素的干扰而相对较弱，因而我们的假说是，公路设施对国企存货水平的降低作用要弱于非国企。这两类企业的分组估计结果如表5所示。可以看到，无论是省内还是外省公路设施均不能显著的降低国有企业的存货水平，甚至还发现了外省公路设施与国有企业存货水平显著正相关的证据。另一方面，对于非国有企业而言，无论是基于哪种空间权重，省内和外省的公路设施均具有显著的降低作用，平均弹性估计分别为-0.061和-0.119。此外，铁路和内河航道也只对非国有企业的存货水平具有降低作用。可能的原因是，对于国有企业而言，追求利润最大化不再是其生产经营的唯一目标，它还注重企业生产的稳定性和风险等其他方面。此外，国有企业也面临着在生产管理等方面效率低下的争议，较低的生产管理效率使其不能根据交通系统的改善而相应调整库存管理策略。因此，从降低企业存货水平这一作用来说，国有企业对于交通基础设施的利用是缺乏效率的。（2）不同地区与时间段的比较分析。我国区域经济发展差距一直是众多学者和政策制定者所关注的焦点。随着20 世纪90 年代市场化改革的推进，我国产业逐步形成了从西向东的阶梯分布，大量的人力和资本都流向快速发展的沿海地区。1998~2007 年期间，我国沿海地区的工业增加值份额虽然稍有下降，但仍然保持在61%以上。张学良（2007）和刘生龙、胡鞍钢（2010a）等相继从宏观层面对交通基础设施在我国区域经济增长中的作用进行了研究，表6则给出了微观层面我国公路设施对不同地区企业影响的比较结果。可以看到，无论是内地还是沿表5 公路设施对国有企业与非国有企业存货的影响比较注：表中省略了其他变量的系数估计结果，其他说明同表3。因变量：企业存货对数ln (road)ln (w_road)ln(rail)ln(water)年度哑变量企业固定效应R2观测值国有企业(1)0-1权重-0.013(0.022)0.087**(0.039)-0.008(0.018)0.006(0.009)有有0.163155172(2)交通网络权重-0.007(0.021)0.098**(0.049)-0.010(0.018)0.007(0.009)有有0.163155172(3)公路里程权重（邻省）-0.007(0.022)0.025(0.031)-0.012(0.018)0.005(0.009)有有0.163155172(4)公路里程权重（外省）-0.008(0.022)0.048(0.040)-0.012(0.018)0.005(0.009)有有0.163155172非国有企业(5)0-1权重-0.050***(0.008)-0.157***(0.017)-0.029***(0.009)-0.019***(0.006)有有0.1431379932(6)交通网络权重-0.071***(0.008)-0.176***(0.017)-0.024***(0.009)-0.023***(0.006)有有0.1431379932(7)公路里程权重（邻省）-0.054***(0.008)-0.087***(0.013)-0.018**(0.009)-0.017***(0.006)有有0.1431379932(8)公路里程权重（外省）-0.068***(0.008)-0.055***(0.017)-0.016*(0.009)-0.014**(0.006)有有0.1431379932表4 空间溢出效应的识别结果注：表中省略了其他变量的系数估计结果，其他说明同表3。因变量：企业存货对数ln (road)group×ln (road)ln (w_road)group×ln(w_road)年度哑变量企业固定效应R2观测值(1)0-1权重-0.069***(0.020)0.033(0.022)-0.001(0.039)-0.128***(0.044)有有0.135943932(2)交通网络权重-0.068***(0.019)0.017(0.021)-0.028(0.042)-0.129***(0.048)有有0.135943932(3)公路里程权重（邻省）-0.074***(0.020)0.039*(0.022)0.024(0.031)-0.109***(0.035)有有0.135943932(4)公路里程权重（外省）-0.069***(0.019)0.020(0.021)-0.002(0.039)-0.075*(0.045)有有0.135943932- 133 -海，本省公路设施都能显著降低企业的存货水平，弹性估计分别为-0.064和-0.037。而公路设施对企业存货的空间溢出效应更多地倾向于发生在沿海地区。该结果与两地区各方面的差异密不可分，尤其是沿海地区交通基础设施的系统发达程度相对较高，公路设施的网络连接性更强，并形成了强大的产业集群和规模经济效应，企业之间的跨地区贸易更加活跃，使得外省公路设施能够更有效地发挥降低企业存货水平的作用。1998~2007 年期间，我国相继实施了西部大开发、中部崛起等一系列重大经济发展战略，并于2001 年加入WTO，使得我国宏观经济环境发生了较大的转变。表7 给出了2002 年前后我国公路设施对企业存货水平影响的比较结果。结果显示，2002 年前后本省公路设施对企业存货水平都具有显著的降低作用。然而，外省公路设施对本省企业存货水平的影响则发生了实质性的变化。样本后期，各空间权重下所估计的空间溢出效应由不显著变为1%水平下显著，且平均弹性估计约为-0.167。可能的原因是，近年来随着我国市场化程度越来越高，地区市场规模不断扩大，区域间的贸易往来更加紧密和频繁，再加上我国公路建设的网络性越来越强，从而使我国公路设施产生显著的空间溢出效应。五、结论与启示本文基于交通基础设施影响制造业企业库存进而影响企业生产力的这一微观渠道，在结合空间维度的分析框架下，运用空间权重矩阵构建一个考虑空间溢出效应的固定效应模型，来估计和识别我国省级公路设施对制造业企业库存的空间溢出效应。结果显示，外省公路设施的增加能够显著地降低本省企业的存货水平，即具有显著的空间溢出效应，弹性估计约为-0.087。针对空间溢出效应的估计可能存在的内生性问题，本文通过构建一个准自然实验，对这一效应背后的因果关系进行了识别。结果表明，这种空间溢出效应确实是源于外省公路设施与企业原材料库存之间的因果关系而产生的，微观层面的研究视角能够有效缓解潜在的内生性问题。同时，在考虑空间溢出效应之后，公路设施的本地效应有所下降，弹性估计在-0.059左右，说明不考虑空间溢出效应会导致本地效应被高估。通过计算，1998~2007 年间年均由本省和外省公路设施增长所分别节省的企业库存成本比例约为0.99%和1.48%。对两者进行加总后得到，我国制造业企业由于公路设施增长年均所节省的总库存成本比例约为2.48%，而其中约2/3 是源于空间溢出效应。以上结果表6 公路设施对内地与沿海地区企业存货水平的影响比较注：表中省略了其他变量的系数估计结果，其他说明同表3。表7 不同时期公路设施对企业存货水平的影响比较注：表中省略了其他变量的系数估计结果，其他说明同表3。因变量：企业存货对数ln (road)ln (w_road)ln(rail)ln(water)年度哑变量企业固定效应R2观测值内地(1)0-1权重-0.059***(0.015)-0.051**(0.024)-0.027*(0.015)-0.010(0.009)有有0.142431870(2)交通网络权重-0.068***(0.014)-0.020(0.034)-0.026*(0.015)-0.011(0.009)有有0.142431870(3)公路里程权重（邻省）-0.064***(0.015)-0.013(0.018)-0.027*(0.015)-0.011(0.009)有有0.142431870(4)公路里程权重（外省）-0.066***(0.014)-0.014(0.024)-0.026*(0.015)-0.011(0.009)有有0.142431870沿海(5)0-1权重-0.035***(0.009)-0.059**(0.024)-0.006(0.010)-0.011*(0.007)有有0.1491103234(6)交通网络权重-0.043***(0.009)-0.083***(0.021)-0.005(0.010)-0.015**(0.007)有有0.1491103234(7)公路里程权重（邻省）-0.033***(0.009)-0.053***(0.019)0.000(0.009)-0.011*(0.007)有有0.1491103234(8)公路里程权重（外省）-0.035***(0.009)0.034(0.022)0.003(0.009)-0.010(0.006)有有0.1491103234因变量：企业存货对数ln (road)ln (w_road)ln(rail)ln(water)年度哑变量企业固定效应R2观测值1998~2002年(1)0-1权重-0.045***(0.011)-0.034(0.023)-0.003(0.009)0.006(0.008)有有0.091580055(2)交通网络权重-0.046***(0.011)-0.051*(0.027)-0.002(0.009)0.006(0.008)有有0.091580055(3)公路里程权重（邻省）-0.046***(0.011)0.004(0.019)0.000(0.009)0.008(0.008)有有0.091580055(4)公路里程权重（外省）-0.044***(0.011)-0.009(0.023)0.000(0.009)0.007(0.008)有有0.0915800552003~2007年(5)0-1权重-0.037***(0.011)-0.214***(0.022)-0.038**(0.016)-0.067***(0.010)有有0.108955049(6)交通网络权重-0.091***(0.010)-0.225***(0.021)-0.045***(0.016)-0.073***(0.010)有有0.108955049(7)公路里程权重（邻省）-0.058***(0.010)-0.117***(0.016)-0.027*(0.016)-0.063***(0.010)有有0.107955049(8)公路里程权重（外省）-0.090***(0.010)-0.113***(0.021)-0.020(0.016)-0.056***(0.010)有有0.107955049交通基础设施投资、空间溢出效应与企业库存工商管理理论论坛- 134 -《管理世界》(月刊)2015年第4期也说明，结合空间维度的分析框架对于全面而准确地考察交通基础设施的经济影响具有重要的意义和必要性。另一方面，我们对模型进行了若干稳健性检验，发现我国公路设施只对非国有企业的存货水平具有显著的降低作用，对于国有企业则没有这种效应。对于经济发展相对落后的内陆地区，我国外省公路设施也不能够有效地发挥降低企业存货的空间溢出效应。在样本早期市场化程度较低的情况下，我国公路设施对企业库存的空间溢出效应不显著。随着市场开放程度的不断提高，样本后期公路设施则出现了显著的空间溢出效应。本文研究结果具有以下几个方面的政策含义。首先，我国省级公路设施对企业存货具有显著的空间溢出效应，说明跨区域的交通设施网络能够进一步提高公路设施的利用效率，使更多地区和企业从中获益。而在我国的财政分税体制背景下，地方政府在进行交通基础设施投资决策时，往往容易忽略其对周边地区经济的空间溢出效应而对其经济回报的评估缺乏整体性；同时，各地方的财政预算和经济发展也会带来各地交通设施建设的不协调，从而使其交通设施的供给水平与最优规模存在偏差，网络布局达不到最优，最终造成投资不足或资源浪费。因此，本文也支持了Prud’Homme（1995）的观点，即在进行交通基础设施建设时，政府部门一是应该进行适当的集权，从整个社会层面出发将其空间溢出效应内部化，协调各地区的交通基础设施建设水平，二是加强不同区域，尤其是具有较强贸易需求的区域间交通设施的互通互联建设，充分发挥交通设施的网络性，提高社会资源的利用效率。其次，我们的识别结果说明，公路设施的空间溢出效应在很大程度上以企业在区域间的贸易往来为前提，而我国仍普遍存在的地方保护主义所带来的贸易壁垒，是企业在区域间自由贸易往来的一大障碍。因此，相关部门应积极推动我国的区域市场整合，降低各区域市场之间的贸易壁垒，减少区域间的贸易成本，从而进一步提高企业对交通基础设施的利用率，更大程度地发挥我国交通基础设施对经济增长的推动作用。整体上来看，我国公路设施能够显著降低制造业企业的库存水平，从而提高企业生产效率，说明公路设施建设可以作为推动经济增长的有效政策手段。然而，这一作用并不是普遍存在，具有一定的局限性。分组回归结果说明，一方面，加快推进国有企业改革，提高企业生产管理效率，有助于提高交通基础设施对企业库存的降低作用。另外，要加大对较落后地区交通基础设施网络建设的扶持力度，并注重改善产业配套等各方面条件，以提升内地对企业和资源的吸引力，形成交通设施和经济发展的良性累积循环效应，强化交通基础设施的利用效率和经济推动作用。另外，在加强交通设施建设的同时，还要注意提高交通运输系统效率和管理能力，优化交通设施网络，缓解交通拥挤问题。最后需要说明的是，本文只是探讨了交通基础设施影响经济的众多微观渠道之一，此外交通运输还存在很多负向的外部性，如环境污染、噪音污染、交通事故损失等等。如何在更大程度上发挥交通运输的正向效应的同时，降低交通发展所带来的负面影响，是一个更为复杂，也值得更进一步探讨的课题。（作者单位：西南财经大学经济与管理研究院；责任编辑：尚增健）注释①Shirley 和Winston（2004）、李涵和黎志刚（2009）对此也有过详细的探讨。②由于本文的数据来源《工业企业调查年鉴》中只提供了存货和产成品存货数据，本文参考李涵和黎志刚（2009）的做法使用非产成品存货来代替原材料存货，这里非产成品存货=存货-产成品存货。③同样的处理方法可参见刘生龙和胡鞍钢（2010b）。④相关数据来自《中国统计年鉴》。参考文献（1）范九利、白暴力：《基础设施资本对经济增长的影响——二级三要素CES 生产函数法估计》，《经济论坛》，2004 年第11期。（2）郭庆旺、贾俊雪：《基础设施投资的经济增长效应》，《经济理论与经济管理》，2006年第3期。（3）胡鞍钢、刘生龙：《交通运输、经济增长及溢出效应——基于中国省际数据空间经济计量的结果》，《中国工业经济》，2009年第5期。（4）李涵、黎志刚：《交通基础设施投资对企业库存的影响——基于我国制造业企业面板数据的实证研究》，《管理世界》，2009年第8期。（5）刘秉镰、武鹏、刘玉海：《交通基础设施与中国全要素生产率增长——基于省域数据的空间面板计量分析》，《中国工业经济》，2010年第3期。- 135 -（6）刘南、李燕：《现代物流与经济增长的关系研究——基于浙江省的实证分析》，《管理工程学报》，2007年第1期。（7）刘生龙、胡鞍钢：《交通基础设施与经济增长：中国区域差距的视角》，《中国工业经济》，2010a年第4期。（8）刘生龙、胡鞍钢：《基础设施的外部性在中国的检验：1988~2007》，《经济研究》，2010b年第3期。（9）刘勇：《交通基础设施投资、区域经济增长及空间溢出作用——基于公路、水运交通的面板数据分析》，《中国工业经济》，2010年第12期。（10）张浩然、衣保中：《基础设施、空间溢出与区域全要素生产率——基于中国266 个城市空间面板杜宾模型的经验研究》，《经济学家》，2012年第2期。（11）张学良：《中国交通基础设施与经济增长的区域比较分析》，《财经研究》，2007年第8期。（12）张学良：《中国交通基础设施促进了区域经济增长吗——兼论交通基础设施的空间溢出效应》，《中国社会科学》，2012年第3期。（13）Berechman，J.，D. Ozmen and K. Ozbay，2006，“Empiri⁃cal Analysis of Transportation Investment and Economic Develop⁃ment at State，County and Municipality Levels”，Transportation，Vol. 33（6），pp.537~551.（14）Boarnet，M. G.，1995，“Transportation Infrastructure，Economic Productivity，and Geographic Scale：Aggregate Growthversus Spatial Redistribution”，Working Paper No.255，Universi⁃ty of California Transportation Center，Berkeley，California.（15）Boarnet，M. G.，1996，“The Direct and Indirect Eco⁃nomic Effects of Transportation Infrastructure”，Working PaperNo.340，The Transportation Center，University of California，Berkeley，CA.（16）Cantos，P.，M. Gumbau-Albert and J. Maudos，2005，“Transport Infrastructure， Spillover Effects and RegionalGrowth：Evidence of the Spanish Case”，Transport Reviews，Vol.25（1），pp.25~50.（17）Chen，S. T.，H. I. Kuo and C. C. Chen，2007，“The Re⁃lationship between GDP and Electricity Consumption in 10Asian Countries”，Energy Policy，Vol. 35（2），pp.2611~2621.（18）Cohen，J. P. and C. J. M. Paul，2004，“Public Infra⁃structure Investment，Interstate Spatial Spillovers，and Manufac⁃turing Costs”，The Review of Economics and Statistics，Vol. 86（2），pp.551~560.（19）Del Bo，C. F. and M. Florio，2012，“Infrastructure andGrowth in a Spatial Framework： Evidence from the EU Re⁃gions”，European Planning Studies，Vol. 20（8），pp.1393~1414.（20）Demurger，S.，2001，“Infrastructure Development andEconomic Growth：An Explanation for Regional Disparities inChina?”Journal of Comparative Economics，Vol. 29（2），pp.95~117.（21）Finn，M.，1993，“Is All Government Capital Produc⁃tive?”Federal Reserve Bank of Richmond Economic Quarterly，Vol. 79（2），pp.53~80.（22）Gomez-Antonio，M. and B. Fingleton，2009，“Analyz⁃ing the Impact of Public Capital Stock Using the NEG WageEquation：A Panel Data Approach”，Spatial Economics ResearchCentre Discussion Paper 24.（23）Gramlich，E. M.，1994，“Infrastructure Investment：AReview Essay”，Journal of Economic Literature，Vol. 32（3），pp.1176~1196.（24）Hay，D. and H. Louri，1994，“Investment in Invento⁃ries：An Empirical Microeconomic Model of Firm Behavior”，Ox⁃ford Economic Papers，New Series，Vol. 46（1），pp.157~170.（25）Holtz-Eakin，D.，1994，“Public Sector Capital and theProductivity Puzzle”，The Review of Economics and Statistics，Vol. 76（1），pp.12~21.（26）Holtz- Eakin，D. and E. A. Schwartz，1995，“SpatialProductivity Spillovers from Public Infrastructure：Evidence fromState Highways”，National Bureau of Economic Research Work⁃ing Paper No.5004.（27）Jiwattanakulpaisarn，P.，R. B. Noland，D. J. Grahamand J. W. Polak，2008，“Highway Infrastructure and State-levelEmployment：A Causal Spatial Analysis”，Papers in Regional Sci⁃ence，Vol. 88（1），pp.133~159.（28）Li，H. and Z. Li，2013，“Road Investments and Invento⁃ry Reduction：Firm Level Evidence from China”，Journal of Ur⁃ban Economics，Vol. 76，pp.43~52.（29）Munnell，A. H. and L. M. Cook，1990，“How Does Pub⁃lic Infrastructure Affect Regional Economic Performance”，NewEngland Economic Review，Vol. 9，pp.11~33.（30）Munnell，A. H.，1992，“Policy Watch：InfrastructureInvestment and Economic Growth”，Journal of Economic Perspec⁃tives，Vol. 6（4），pp.189~198.（31）Ozbay，K.，D. Ozmen and J. Berechman，2007，“Contri⁃bution of Transportation Investments to County Output”，Trans⁃port Policy，Vol. 14（4），pp.317~329.（32）Paas，T. and F. Schlitte，2006，“Regional Income In⁃equality and Convergence Processes in the EU-25”，ERSA Con⁃ference Papers.（33）Prud’Homme，R.，1995，“The Dangers of Decentraliza⁃tion”，World Bank Research Observer，Vol. 10（2），pp.201~220.（34）Shirley，C. and C. Winston，2004，“Firm Inventory Be⁃havior and the Returns from Highway Infrastructure Invest⁃ments”，Journal of Urban Economics，Vol. 55（2），pp.398~415.（35）Sloboda，B. W. and V. W. Yao，2008，“Interstate Spill⁃overs of Private Capital and Public Spending”，The Annals of Re⁃gional Science，Vol. 42（3），pp.505~518.（36）Tyworth，J. E. and A. Z. Zeng，1998，“Estimating theEffects of Carrier Transit- time Performance on Logistics Costand Service”，Transportation Research Part A，Vol. 32（2），pp.89~97.（37）Yu，N.，M. de Jong，S. Storm and J. Mi，2013，“SpatialSpillover Effects of Transport Infrastructure：Evidence from Chi⁃nese Regions”，Journal of Transport Geography，Vol. 28，pp.56~66.交通基础设施投资、空间溢出效应与企业库存工商管理理论论坛- 136 -