《表1 因变量和解释变量的含义与基本统计值Tab.1 The definition and statistic results of dependent and independent variabl

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《交通投资、经济空间集聚与多样化路径——空间面板回归与结构方程模型视角》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

生产函数模型被广泛用于量化交通投资的经济效应，主要解释变量包括投资、劳动力和其他因素[35]。在本文中，将各省相应年份的地区生产总值（ECONij）作为因变量，解释变量包括交通投资（TIij）、非交通投资（NTIij）、就业规模（LABij）和城镇化水平（URBANij）。考虑到中国自然地理和经济发展显著的空间差异，引入两类变量进行控制。（1）反映中国区域社会经济发展异质性的变量。现有研究通常采用哑变量（dummy variable）将西部地区为参考样本，引入东部和中部两个区位哑变量，来表征社会经济的空间差异。然而，这种做法难以精细化反映地理差异的作用。为此，借鉴Wang等的研究思路[36]，引入空间分异性q统计值（spatial stratified heterogeneity q statistic）来量化地理差异（公式 （1）） ，这更有助于解释模型回归的结果。（2）为了解决模型可能存在的内生性问题，引入各个省份平均高程（ELEij）作为控制变量。中国地形起伏度与人口密度存在较高的拟合关系（拟合度大于0.90）[37]，且地形起伏更高的地区，其交通投资的成本往往更高，其经济效果会偏低。因此，地形起伏度与经济增长也具有一定的负相关。由于地形起伏是客观存在的，在社会经济活动空间分异的研究中，这一因素也被作为控制变量或工具变量使用[38]。平均高程数据来源于中国数字高程地图，通过ArcGIS 10.0计算每个省的平均高程值。其他数据来自于1997-2015年的《中国统计年鉴》。考虑到数据可获得性的影响，本研究暂未考虑香港、澳门和台湾地区的交通投资影响，最终获得31个省级尺度的面板数据。表1列出了因变量和解释变量的基本统计值。