多式交通对高技术产业集聚溢出效应的实证分析

李 杰，吴亚莉

（西南交通大学经济管理学院，四川成都 610031）

1 研究背景

交通设施建设滞后往往是发展中国家经济发展的瓶颈制约，更是区域经济发展失衡的根源所在，而中国改革开放以来交通基础设施建设速度之快、效应之大令世界瞩目。据国家铁路局、交通运输部发布的数据以及《2019 年交通运输行业发展统计公报》显示，截至2020 年8 月，中国高速铁路总里程达3.6 万km，位居世界第一；截至2019 年12月，全国公路总里程501.25 万km，约为1978 年的5.8 倍，公路网总规模位居世界前列；2019 年年末共有颁证民用航空机场238 个，全行业完成旅客运输量65 993.42 万人次，完成运输总周转量1 293.25 亿tkm，运输水平居世界前列［1］。中国总体上突破了交通制约经济发展的规律性困境，交通设施对区域经济协调发展的促进效应已经凸显。于是中国学者开始关注通道经济效应，分析交通对区域旅游业、农业、制造业的空间溢出效应，但鲜有学者研究交通尤其是多式交通对区域高技术产业集聚的空间溢出效应，更没有详尽分析溢出效应的路径逻辑，而这正是新时代内循环条件下地域大国区域高质量协同发展的关键问题。鉴于此，为加快建设交通强国，缓解区域经济发展失衡矛盾，建构内循环为主的高质量“双循环”现代化产业链，亟待研究多式交通对区域高技术产业集聚的空间溢出效应及其实现路径，以促进铁路连接的点与公路覆盖的片以及航空辐射的线相机整合，彰显立体多式交通在中国的生态集约效应及红利共享效应，推进新时代区域经济高质量协调发展。

目前国内学术界的相关研究主要包括两大方面。第一，关于交通对高技术产业集聚的影响研究，一般研究铁路、公路交通对高技术产业集聚的影响。曹雄飞等［2］用国内各地区等级公路和营业铁路里程数之和与地区面积的比值来衡量地区的交通便利度，考察其对高技术产业集聚的影响，结果显示交通便利度与高技术产业集聚呈显著负相关关系。事实上，产业集聚与交通便利度呈现倒“U”型曲线关系。王燕等［3］用相对公路密度（即某地区的公路密度除以当年全国公路密度平均水平）来衡量交通便捷程度，结果显示交通的相对便捷度因素对产业集聚具有显著正向影响。金春雨等［4］的研究也表明运输成本对本地区高技术产业集聚发展具有显著的正向影响。江瑶等［5］的研究则认为城市交通运输对高技术产业有促进作用，其中电子及通信设备制造业受城市运输的影响最显著。可见，交通便利度对产业集聚的影响基本呈倒“U”型的关系［6］：高技术产业集聚先呈现增加趋势，当交通便利度达到一定程度时，又开始出现扩散趋势。因此，不仅要研究交通对高技术产业集聚的影响，更应研究交通对高技术产业集聚的溢出效应。第二，关于交通对产业空间布局的影响研究。目前国内学术界从空间视角研究交通对区域产业影响的成果并不多，有限的研究集中于交通设施对旅游业、农业、制造业的空间布局影响方面，包括白洋等［7］、张淑文等［8］、侯志强［9］均认为交通对区域旅游专业化和旅游经济增长具有空间效应；曹小曙等［10］探讨了交通对农业产出的溢出效应；杜建军等［11］认为交通对农业集聚具有推动作用；毛琦梁等［12］研究了交通对地区制造业增长的影响；董洪超等［13］认为交通对制造业具有空间集聚效应；刘荷等［14］探讨了交通对制造业集聚的外溢作用；刘鑫等［15］则研究了交通对制造业空间布局的影响。

鉴于学术界尚未将高技术产业集聚的空间溢出效应与多式交通结合起来研究，而这恰是新时代区域产业高质量协调发展的关键支撑，因此，笔者拟在借鉴相关成果基础上，基于新经济地理学角度，通过熵值法、空间杜宾模型和中国30 个省份（港澳台以及西藏地区因缺乏相关数据不纳入本次研究）2005—2018 年的数据，考虑到内陆省份缺乏水运交通，就中国公路、铁路、航运等3 类主要交通方式对区域高技术产业1）集聚的空间溢出效应及逻辑路径进行综合分析，以期为达到既缓解区域发展失衡又促进各区域从资源驱动向创新驱动转换，实现高质量集约发展之战略目标提供参考。

2 研究的实证逻辑

首先，根据高技术产业的特性构建空间权重矩阵，通过空间相关性分析来检验高技术产业集聚是否具有空间相关性；若高技术产业集聚在空间上存在相关性，再通过构建空间杜宾模型进行空间效应分析。

2.1 空间相关性分析

全局莫兰指数（Moran'sI）可用于验证整个研究区域某一要素的空间模式，由此可以初步判断高技术产业发展情况在各地区间是否存在空间相关性。具体计算形式如下：

式（1）中：n为研究范围内的空间单元总数，取值30；yi和yj分别表示第i省份、第j省份的高技术产业集聚水平，且i≠j；为区域高技术产业集聚发展水平平均值；Wij为标准化后的空间权重矩阵；S2为样本方差。

全局莫兰指数的取值范围为［-1，1］：处于（0，1］时表示各区域高技术产业集聚发展水平之间存在正相关关系，即存在正的空间相关性；处于［-1，0）时表示高技术产业集聚发展水平在各区域之间存在负相关关系；为0 时表示高技术产业集聚发展水平在各区域之间呈现随机分布的状态，不存在空间相关性。

S2的计算公式如下：

2.2 交通运输综合评价

目前研究交通的影响因素时，通常选取交通运输里程或货运量等单个指标来衡量某种交通方式的发展水平。为了更为客观地反映多式交通的发展水平，本研究采用熵值法分别对铁路、公路、航空3种交通方式涉及的相关变量进行线性加权处理，并采用最终的综合评价指数进行后续的模型测算。

首先，对涉及的各指标进行标准化和非零化处理，具体方式如下：

式（3）中：uikt表示第t年第i省份的第k项指标标准化和非零化后的值，t的取值为1～14，i的取值为1～30；max(xkt)、min(xkt)分别表示在各交通基础设施指标系统中第t年的第k项指标的最大值和最小值。

然后，采用熵值赋权法确定各指标权重。赋权过程如下：

式（4）～式（7）中：Sikt为第t年第i省份的第k项指标占所有时段所有样本省份的所有因子和的占比；m为样本期间，取值14（2005—2018 年）；Ek为第k项指标的熵值，用以计算各指标的权重；DK表示第k项指标的差异系数；表示第k项指标的权重系数。

最后，采用线性加权平均法计算各类交通方式评价系统的综合评价指数，同一类交通方式评价体系中各指标权重之和为1。具体计算公式如下：

式（8）（9）中：Uit表示第t年某省份的综合评价指数。

2.3 空间计量模型

考虑到公共交通作为公共物品具有外部正效应的关联性，如将样本单元视为相互独立的单元进行研究可能会忽视这种外部性带来的空间联系。事实上，各单元的高技术产业本身会通过交通连接与网络信息联通引发知识与技术的外溢，因此本研究基于空间联系视角研究多式交通与区域高技术产业集聚的溢出关系。

2.3.1 设定空间权重矩阵

学术界常用的地理权重矩阵为0～1 矩阵、反距离矩阵以及经济距离矩阵，也有学者针对不同研究对象运用不同的权重矩阵，如劳动力空间权重矩阵、贸易关系权重矩阵，以及徐东波等［16］提出的信息技术网络效应空间权重矩阵、张娜等［17］使用的乘积矩阵、邵帅等［18］使用的地理经济距离嵌套权重矩阵等。为了较为全面客观地研究样本单元的空间联系并确保模型结果的稳健性，从多个角度来设定空间权重矩阵。鉴于产业集聚的地理特性与高技术产业的技术密集特性，基于地理位置、经济情况以及技术情况，采用基本的0～1 矩阵W1，0～1地理经济距离嵌套矩阵W2、0～1 地理技术距离嵌套权重矩阵W3进行综合实证。

二进制0～1 矩阵指若两个单元有共同的边界，即相邻，则两单元空间权重取值为1；若两个单元之间没有共同的边界，即不相邻，则两单元空间权重取值为0。取值形式如下：

0～1 地理经济距离嵌套矩阵综合考虑了两个单元在地理位置和经济距离的因素。取值形式如下：

0～1 地理技术距离嵌套权重矩阵的构建方法与0～1 地理经济距离嵌套矩阵相同，但对角元素中涉及的变量有所不同。取值形式如下：

2.3.2 模型构建

首先构建普通面板模型如下：

式（15）中：Yit是被解释变量，表示第i省份第t年的高技术产业集聚水平；trafficit 是本研究的核心变量，即3 类交通的综合评价指数，为3 类交通方式的综合评价指数（即Uit）之和；Xit表示其他控制变量；β为待估计参数；αi为普通面板回归模型中每组回归各自不同的常数项；εit为随机扰动项。

为了消除异方差问题，将式（15）进行对数化处理，公式如下：

在此基础上构建杜宾空间面板模型如下：

式（17）中：Xjt表示1×k维的空间滞后外生变量；γ为对应的k×1 维的参数向量；λ为时点固定效应；μ为空间固定效应。

经检验，本研究适用固定效应（FE）中的双效应（both）模型。

3 变量选取与数据说明

3.1 变量选取

遵循全面性、科学性、客观性及数据可得性原则，选取被解释变量、核心解释变量以及控制变量（见表1）。

表1 变量选取及具体解释

3.1.1 被解释变量

区位熵常被用于衡量某一产业在特定区域的相对集中程度，因此用区位熵对高技术产业在各省份的集聚程度进行测算。测算公式如下：

式（18）中：LQit为i省份t时期的区位熵，值越大则说明其高技术产业集聚度越高；Eit表示第t年i省份高技术产业主营业务收入；Git表示第t年i省份生产总值；Et表示第t年所有样本省份高技术产业主营业务收入；Gt表示所有样本省份生产总值。

3.1.2 核心解释变量

较之于已有研究以单个指标来测量交通发展水平而言，多指标综合测量更为客观，能够考虑到交通设施的绝对资源数量，如轨道运输里程、公路里程在很大程度上受区域空间大小的限制，交通运输密度相较于单纯的交通运输里程更能体现地区的通达程度，货运量与客运量能体现交通的运输效益，因此，通过熵值法，以铁路客货运量以及铁路运输密度综合测量铁路运输系统状况，其中铁路运输密度为某省份铁路运输里程与该省份土地面积的比值；以公路客货运量以及公路运输密度综合测量公路运输系统状况，其中公路运输密度为某省份公路运输里程与该省份土地面积的比值；航空方面，则以飞机起降架数、客货运量综合测量航空运输系统状况。

3.1.3 控制变量

董晓花等［19］认为，柯布-道格拉斯生产函数模型决定工业系统发展水平的主要因素是投入的劳动力数、固定资产和综合技术水平，适用于研究制造业。本研究的对象为高技术产业，属于制造业范畴，故而以该模型为基础，并结合高技术产业特性选择了4 个控制变量：以R&D 活动人员折合全时当量作为高技术产业劳动力投入的衡量指标；新增固定资产作为高技术产业成长速度和发展潜力的衡量指标；为了使各省份对高技术产业的投入更有可比性，参考史丹等［20］、张娜等［21］的做法，采用相对指标R&D 经费投入强度作为高技术产业发展的重要影响指标；同时参考封伟毅等［22］的研究，由于技术开发能力对产业竞争力的影响要大于技术转化能力，因此以研发强度作为衡量高技术产业的发展潜力及产业竞争力的指标。

3.2 数据来源

本研究所使用的地区生产总值、地区生产总值指数、铁路运输数据以及公路运输数据都来源于国家统计局；2005—2016 年的高技术产业数据来源于《中国高技术产业统计年鉴》（制造业）（2006—2017 年）；2017—2018 年的高技术产业数据来源于《2018 中国科技统计年鉴》与《2019 中国科技统计年鉴》；地理数据来源于中国科学院资源环境科学数据中心。相关指标的描述性统计如表2 所示。

表2 变量的描述性统计结果

4 实证演绎结果分析

4.1 空间相关性检验结果分析

如表3 所示，3 个矩阵条件下样本省份的高技术产业集聚水平全局莫兰指数均为正值，且全部通过显著性水平检验。其中，在地理相邻关系条件下（W1矩阵），2005—2018年各省份的高技术产业集聚水平全局莫兰指数的波动区间为［0.250，0.309］，均值为0.289；在W2矩阵条件下，全局莫兰指数的波动区间为［0.276，0.413］，均值为0.342；在W3矩阵条件下，全局莫兰指数的波动区间为［0.174，0.304］，均值为0.224。由此可见，高技术产业的集聚程度在各省份存在显著的空间正相关性，初步证明区域高技术产业发展水平在空间上有显著的空间依赖性。

表3 样本省份高技术产业集聚发展水平的全局莫兰指数值

4.2 空间计量模型估计结果分析

由表4 可知，空间自相关方面，在3 个不同的矩阵条件下P值分别在10%、5%和1%的水平下显著为正，且P值相差不大，说明高技术产业的集聚存在显著正向空间影响。

表4 变量的主效应回归结果

表4（续）

核心解释变量方面，在3 个不同的矩阵条件下，主效应中各类交通方式对被解释变量的影响系数的大小和方向相差不大。其中，航空运输对本省份高技术产业集聚水平在不同的显著性水平下有正向影响，邻近省份的航空运输对本省份高技术产业集聚水平有正向影响，但只在W1矩阵条件下显著；公路运输只有在W3矩阵条件下对本省份高技术产业集聚水平在5%显著性水平下有正向影响，虽然公路运输在其他矩阵条件下对高技术产业集聚水平的影响都为正，但是并不显著，而邻近省份的公路运输在W1和W2矩阵条件下对本省份的高技术产业集聚水平有显著的正向影响；铁路运输则在3 个矩阵条件下都对本省份高技术产业集聚水平在1%的显著性水平下有负向的影响，邻近省份的铁路运输对本省份高技术产业聚集水平分别在不同的显著性水平下有正向影响。综合结果表明，3 种交通方式都在一定程度上对本省份的高技术产业集聚水平有所影响，但不同交通方式的影响存在差异。

控制变量方面，主效应结果显示新增固定资产投入和新产品研发投入都对本省份高技术产业的聚集水平有显著正向影响，R&D人员折合全时当量也在W2和W3矩阵条件下对本省份高技术产业的集聚水平有显著的正向影响，R&D 经费投入强度不显著为正。在考虑空间因素的情况下，R&D 经费投入强度对邻近省份高技术产业集聚水平有不显著的正向影响；R&D 活动人员折合全时当量、新增固定资产和新产品研发投入3 个变量在不同的矩阵条件下所得结果的影响方向并不一致，这是因为由于选取空间权重矩阵时可能会存在共线性问题，导致弹性系数方向的改变，而采用W1不会产生共线性问题，因此针对不同矩阵条件下出现结果不一致的情况，以W1矩阵条件下的结果为主，由此可以判断新增固定资产和R&D 人员折合全时当量两个变量都对邻近省份高技术产业集聚水平的影响是不显著为负的，而新产品研发投入则对邻近省份高技术产业集聚水平没有太大的影响。以上分析表明，新增固定资产、新产品研发投入以及R&D 人员折合全时当量越多，越能够促进本省份高技术产业的集聚，但并没有显著的空间影响，即邻近省份的这3 个变量无法对本省份的高技术产业集聚水平产生显著的影响。原因在于固定资产的流动性差，而新产品研发投入具有很高的针对性和风险性，高技术产业存在空间异质性，因此两个变量在空间上对于邻近省份的影响并不显著；R&D 活动人员折合全时当量对本省份高技术产业有不同程度的影响，但对邻近省份没有显著影响，表明虽然人力资本在空间上存在流动性，但R&D 活动人员折合全时当量是时间投入上的概念，与各个省份R&D 全时人员和非全时人员之间的比例以及从事R&D 工作人员的有效投入时间相关，并不是简单的人力资本测量，因此对邻近省份没有大的影响是符合现实的。

4.3 溢出效应结果分析

由于空间杜宾模型包含W×y与W×x，某个解释变量对被解释变量的总效应与其系数大小并不相等，某一单元i在时刻t的解释变量x的变动不仅会对该单元i自身的被解释变量有直接影响，也会对其他单元的被解释变量有间接影响并最终会反过来影响单元i，因此表4 所示的相关系数并不能直接反映出交通运输对高技术产业集聚的空间溢出效应。为此，在空间杜宾模型的基础上，借鉴LeSage 等［23］对直接效应（direct effect，DE）、间接效应（indirect effect，IE）和总效应（total effect，TE）的分析方法，将解释变量对被解释变量的影响分解为直接效应和间接效应（即空间溢出效应）。其中，直接效应是指某省份自变量对本省份被解释变量的影响，也包括反馈效应（feedback effects），即对其他省份的影响又会反过来影响本省份；间接效应是指某省份解释变量对其他省份被解释变量的影响；总效应为直接效应和间接效应之和，反映某省份某个解释变量的变动对所有省份的被解释变量的平均影响。3 种效应的具体估计结果见表5。

表5 不同矩阵条件下空间杜宾模型的变量回归效应结果

表5（续）

整体上看，在W1、W2、W3这3种权重矩阵条件下，3 类交通方式对高技术产业集聚的直接效应、间接效应、总效应有所不同。从直接效应来看，除了W2条件下的公路运输外，均通过了显著性检验，说明交通运输对本省份高技术产业的集聚有显著效应，但3 类交通方式的影响方向不完全一致：航空与公路运输为显著的正向效应，航空运输的效应最大，而铁路运输则为负向效应。从间接效应（空间溢出效应）来看，航空与公路交通在W1矩阵条件下的效应系数通过了显著性检验，3类交通方式在W2条件下的效应系数都通过了显著性检验，仅有铁路交通在W3条件下的效应系数通过了显著性检验。3种矩阵条件下3 类交通方式对高技术产业集聚的空间溢出效应变化差异大于直接效应差异，说明依托不同的空间溢出路径会产生不同的溢出效应。对比直接效应和间接效应发现，除了在W1矩阵条件下铁路交通对高技术产业集聚的直接效应系数绝对值略大于间接效应系数绝对值外，W2、W3条件下铁路交通的间接效应都大于直接效应，而航空和公路则在3 种矩阵条件下都是间接效应大于直接效应，说明航空、公路这两种交通方式对邻近省份高技术产业集聚的空间溢出效应强于对本省份的直接效应，铁路交通则在W2和W3条件下对高技术产业集聚的空间溢出效应强于直接效应。从总效应来看，航空与公路交通的总效应系数都是显著为正，铁路交通的总效应系数则并不显著。由于总效应为某省份的某个解释变量的变动对所有样本省份的被解释变量的平均影响，因此在W1矩阵条件下，某省份航空运输综合评分每增加1%，其他所有省份的高技术产业集聚度平均增长0.73%；某省份公路运输综合评分每增加1%，其他所有省份的高技术产业集聚度平均增长1.00%。航空和公路交通对高技术产业集聚的直接效应、间接效应以及总效应都显著为正，说明这两类交通方式不仅可以促进本省份高技术产业集聚，也可以带动邻近省份高技术产业发展；而铁路交通对高技术产业集聚的直接效应显著为负、间接效应显著为正，总效应不显著为负，说明铁路运输虽在一定程度上抑制本省份高技术产业集聚，但能带动邻近省份高技术产业发展。

其次，在3 种矩阵条件下同一类交通方式对高技术产业集聚的空间溢出效应大小及实现路径存在差异。航空运输在W1矩阵条件下对高技术产业集聚的溢出效应大于在W2和W3矩阵条件下的溢出效应，在W1与W2矩阵条件下其溢出效应通过10%的显著性检验，在W3矩阵条件下的溢出效应不显著为正；公路运输在W1矩阵条件下对高技术产业集聚的溢出效应同样大于在W2和W3矩阵条件下的溢出效应，且在W1与W2矩阵条件下通过1%的显著性检验，在W3矩阵条件下溢出效应不显著为正。航空与公路运输对高技术产业集聚的空间溢出效应的路径逻辑很相似，说明某省份的航空与公路运输对其周边省份高技术产业集聚的溢出效应主要是通过地理位置邻近实现的，即高技术产业集聚度越高的省份，通过航空与公路交通能更好地带动其周边省份高技术产业发展，次之是通过邻近经济关系相似实现的，即高技术产业集聚度越高的省份，其周边相似经济条件的省份可以通过航空与公路交通的溢出效应更好地促进高技术产业发展。而铁路运输的溢出效应逻辑路径有所不同，在W3条件下对高技术产业集聚的溢出效应大于W1与W2矩阵条件下的溢出效应，并且在W3矩阵条件下的溢出效应显著性会大于在W1与W2矩阵条件下的显著性。说明某省份的铁路运输对其周边省份高技术产业集聚的溢出效应主要是通过邻近区域技术关系相似来实现的，即高技术产业集聚度越高的省份，其周边有相似技术条件的省份可以借助铁路运输的溢出效应促进高技术产业的更好发展。

再次，在同种矩阵条件下，3 类不同交通运输方式对高技术产业集聚的空间溢出效应状况存在一定规律。在W1与W2矩阵条件下，3 类交通方式对高技术产业集聚的空间溢出效应分别呈现为公路→航空→铁路、公路→铁路→航空依次递减的规律，公路运输对高技术产业集聚的空间溢出效应会大于航空与铁路运输。公路运输对高技术产业集聚的空间溢出效应通过了1%的显著性水平，说明高技术产业集聚度越高的省份，其地理周边相邻的省份以及经济关系相邻的省份主要是通过公路来实现高技术产业的溢出效应，次之才是航空运输或铁路运输方式。在W3矩阵条件下，3 类交通方式对高技术产业集聚的空间溢出效应呈现为铁路→航空→公路依次递减的规律。铁路运输对高技术产业集聚的溢出效应大于航空与公路运输，且在W3矩阵条件下通过了1%的显著性检验。说明高技术产业集聚度越高的省份，与其相邻、技术相似的省份主要通过铁路运输实现对高技术产业集聚的空间溢出效应，次之为航空运输，最后才是公路运输。

5 结论与建议

5.1 研究结论

本研究基于对中国多式交通的客观发展现状与高技术产业发展的实际需求，选择杜宾模型实证研究了铁路、公路、航空3 类交通方式对高技术产业集聚的空间溢出效应及实现路径，得出3 点结论：第一，区域高技术产业集聚发展水平在空间上存在显著的空间依赖性，相邻省域高技术产业集聚存在正向溢出。第二，不同交通方式对高技术产业集聚的影响存在差异，航空、公路和铁路3 种交通方式都在一定程度上对本省份的高技术产业集聚程度有所影响，其中航空和公路运输促进本省份高技术产业集聚，铁路运输在一定程度上抑制本省份高技术产业集聚，但3 种交通方式对高技术产业空间集聚均有显著正向溢出效应。第三，不同交通方式对高技术产业溢出效应的实现路径存在差异：高技术产业集聚度越高的省份，与其位置相邻、经济条件相似的省份主要是通过公路运输来实现高技术产业的溢出效应，次之才是航空或铁路运输方式；高技术产业集聚度越高的省份，与其位置相邻、技术条件相似的省份主要通过铁路运输实现对高技术产业集聚的空间溢出效应，次之为航空运输，最后才是公路运输。

5.2 对策建议

根据上述结论，为促进高技术产业区域协同，推进以内循环为主的区域经济高质量发展，应综合不同省份的地理、经济、技术比较优势，一体规划多式交通网络，用以支撑区域间高技术产业协同创新，完善产业链，实现区域间高技术产业竞合发展。提出具体建议如下：

（1）针对中国区域间高技术产业发展水平参差不齐的现实，在新时代要促进区域经济高质量协调发展，必须根据各省份经济水平差异布局互补性的高技术产业增长点，以铁路为主干道串连节点形成轴线，依托铁路主线编织公路交通网以拓展交通网络覆盖面，再衔接航空港增强点片辐射，建构并完善多式联运交通网络，充分发挥多式交通联运的成本节约优势，提升各区域交通可达性，推进人才、技术、资本等高技术产业所需生产要素在区域间有序自由流动，同时借助新型基础设施建设的契机提升多式交通智能水平，为高技术产业的区域高质量内循环提供强劲的交通设施支撑，最大化彰显中国地域大国的通道经济效应。

（2）注重不同交通方式建设的空间先后时序。发达地区带动邻近省份的高技术产业发展应先布局不同方向的公路线路以形成网络并衔接已有航空港，拓展对地理相邻的次发达地区的辐射面，再通过次发达地区的发展来规划新公路及新航空线，拉动相邻落后区域发展，实现梯级扩散辐射。此外，在规划区域性公路线及航空线的同时，应发挥铁路远距离运输的干道作用，将落后地区、次发达地区与发达地区的极点连接起来，缩短高技术产业区域发展失衡的调节时间。有序推进多式交通建设，最大限度地发挥多式交通联运对高技术产业集聚效应的张力，通过高技术产业的区域协同带动区域共享发展。

（3）采取既差异又多元并举的措施提升高技术产业发展的区域整体效应。在地理位置毗邻、经济发展水平相近的省份之间，为了规避发展初期对周边区域的虹吸效应大于溢出效应的问题，目前国家已经倡导相邻区域协同合作、实现优势互补；从实践来看，应重在构建相邻地区合作共促的长效机制，集约一体化规划公路交通及城际交通。在技术、经济水平相近的邻近省份之间，应当发挥铁路运输在多式交通中的区域辐射主动脉作用，不仅通过铁路将国内发达地区极点与“老、少、边、穷”地区多极点连接，而且以铁路为纽带加强国内与国外的联系，促进高技术产业内循环的同时融入国际大循环。而航空交通主要对地理位置毗邻、技术发展水平相近的省份之间的高技术产业集聚的空间溢出效应产生影响，因此应当在经济发展水平不同的区域优化布局高技术产业增长极，以区域增长极为依托优化相邻省份航空港口及航空路线布局，促进彼此技术水平提升，进一步发挥技术在区域高技术产业发展进程中的要素支撑作用。

5.3 未来展望

本研究从省域视角研究交通对区域高技术产业集聚的空间溢出效应，有助于规避按大区域研究存在的行政区划壁垒导致的区域交通规划及高技术产业协同执行难的“囚徒困境”，综合研究铁路、公路、航空3 种典型交通方式对高技术产业发展的影响，既能比较不同交通方式对高技术产业集聚的空间溢出效应的异质性，又能为研究多式立体交通联运的生态性及扩张区域高技术产业辐射范围提供现实依据。但本研究仅从空间的视角讨论了多式交通对高技术产业集聚的溢出效应，对这种溢出效应如何通过影响高技术产业发展进一步影响地区经济发展未作进一步研究，因此未来一方面可以将高技术产业发展作为中介变量，研究多式交通对地区经济发展的影响，另一方面可深入探讨影响该溢出效应的因素，对如何放大该效应实现全国整体的高技术产业发展，进而带动国家科技进步进行进一步的机制分析。

注释：

1）本研究中所指高技术产业皆为中国《高技术产业（制造业）分类（2013）》中的六大类制造业。