高鐵開通對我國城市服務業的就業效應異質性

一 引言及文獻述要

近年來，中國就業結構發生了明顯的變化，主要表現在服務業就業人數加快增長，第二產業就業人數則逐年下降。截至2018年底，服務業就業人數達到35938萬，占比為46.3%，成為我國吸納就業最多的產業。究竟是什么原因促成了我國服務業就業的高增長？現有文獻對城市服務業就業增長效應進行了不同角度的考察，但沒有給出明確答案。研究主要集中于以下幾個方面：一是新型城鎮化與服務業就業的關系，這類文獻大多認為城市化和人均收入提高是城市服務業就業增長的重要影響因素(倪鵬飛，2004[1]；李靜和劉英基，2011[2]；曾世宏和夏杰長，2016[3])；二是制造業就業與服務業就業的互動關系，這類文獻多數認為二者之間存在交互乘數及空間溢出效應，其大小往往受制于城市規模、市場化程度、城市化水平等因素(Moretti和Thulin，2013[4]；張川川，2015[5]；袁志剛和高虹，2015[6]；李逸飛等，2017[7]；賴德勝和高曼，2017[8])；三是服務貿易和服務業FDI對城市服務業就業增長的影響，這類文獻多數認為服務貿易和服務業FDI的提高有助于推動城市服務業就業的增長(張志明，2014[9]；李磊等，2015[10])。上述文獻從不同視角考察城市服務業就業增長的影響因素，但卻忽略了交通便利性對城市服務業就業增長的影響。在推進中國經濟地理空間重塑的背景下，城市和城市群得以擴容提質，離不開以高速鐵路為代表的交通基礎設施建設持續發力。交通便利性不斷改善，勢必引起城市間勞動力流動數量持續增長，對城市服務業就業增長產生重大而深遠的影響。因此，從交通基礎設施升級的視角深入探究我國城市服務業就業高增長的成因，顯然具有重要的現實意義。

自2004年國務院提出“四縱四橫”高速鐵路框架以來，我國高速鐵路網建設呈現快速增長態勢。截至2018年底，中國高鐵營業里程達到2.9萬公里，超過世界高鐵總里程的三分之二，成為世界上高鐵里程最長、運輸密度最高、成網運營場景最復雜的國家。高鐵建設的“時空壓縮”效應顯著地改變了經濟地理(Vickerman，2015)[11]，并通過改善城市間的交通便利性而影響著城市間勞動力要素的流動頻率和方向。然而，考慮到不同城市及不同產業對勞動力吸納能力的差異性，目前關于高鐵開通對城市服務業就業增長影響的研究依然存在諸多爭議。一些學者從就業創造的層面研究了高鐵開通所帶來的勞動力流動及由此引致的城市就業結構變化問題。Chen和Silva(2013)[12]認為，高鐵通過改善區域交通可達性的方式改變了城市空間分布格局，進而提升了區域投資水平和生產率，促進區域就業聚集。Ahlfeldt和Feddersen(2017)[13]的研究也印證了這一結論，他們認為，高鐵開通和就業增長具有非常強的相關性，有高鐵的城市比沒有高鐵的城市就業增長更快；劉怡等(2018)[14]進一步研究發現高鐵開通顯著促進了高鐵沿線城市勞動力流動和集聚，為主要中心站點城市帶來了豐富的勞動力等資源，提振了原有區域經濟的整體增速。董艷梅和朱英明(2016)[15]在此基礎上對三大產業進行了異質性分析，并得出高鐵開通顯著提升了二、三產業尤其是第三產業就業水平的結論。另外一些學者則從勞動力供給層面研究了高鐵開通所引致的服務業就業結構變化的局限性。Willigers和Wee(2011)[16]研究表明，高鐵對工作地點相對固定的企業吸引力較低，不會產生較大的服務業就業增長效應；Cheng et al.(2015)[17]認為，高鐵開通具有十分顯著的“過道效應”，難以對沿線城市的服務業就業增長產生重大貢獻，長期內甚至會加劇站點邊緣區勞動力短缺壓力。盡管有部分學者從服務業類型、城市間地理差異的角度討論了高鐵開通對城市服務業就業的異質性影響，但鮮有學者從城市人口規模、服務業行業異質性的視角出發研究這一問題。高鐵開通對城市服務業就業的促進作用中，新增勞動力從何而來？這種促進作用對服務業細分行業的就業都有著相似的影響嗎？為了回答這些問題，本文從城市人口規模、服務業行業異質性的角度出發，實證檢驗高鐵開通對城市服務業就業的影響。

本研究邊際貢獻主要體現在：第一，選取中國283個地級市2008-2013年間首次開通高鐵的城市與同省至今從未開通高鐵的城市作為樣本，以城市服務業就業變動為切入點，結合就業增量、就業比例兩方面來分析高鐵開通對城市服務業就業的影響；第二，針對當前學術界在高鐵建設促進城市就業結構調整方面褒貶不一的爭論，利用新經濟地理的相關理論，結合傾向得分匹配的雙重差分法(PSM-DID)進行實證檢驗，為理解高鐵建設對城市就業結構調整的重要作用提供了經驗證據。

后續內容結構安排如下：第二部分是理論分析及假設提出；第三部分是研究設計；第四部分是實證結果分析；第五部分是穩健性檢驗；第六部分是研究結論及政策啟示。

二 理論分析及假設提出

目前，我國經濟發展正處于在工業化、城市化的關鍵時期，高鐵開通打破了城市之間資源輸入輸出的動態平衡，使傳統時空距離不斷壓縮，“一體化”效應導致高鐵沿線產業集聚重組，“同城化”效應導致高鐵沿線的城鎮布局調整，對沿線城市間勞動力流動產生越來越大的影響。高速鐵路建設通過促進周邊地區人口的聚集，增加了城市人口，同時通過站點的擴散能力加快了城市人口向周邊地區轉移。因此，高鐵開通對城市服務業就業的影響，就會體現出“總量效應”和“結構效應”兩個方面。

(一)高鐵開通對服務業就業總量的影響

高鐵開通通過同時促進勞動力需求和勞動力供給的方式，能夠有效提升服務業的總體就業水平。新經濟地理理論認為，更低的運輸成本、規模經濟均會促進城市的產業聚集并吸引勞動力流入，進而推動城市服務業就業增長。這一觀點，在Ozbay et al.(2006)[18]對美國紐約、新澤西城市群的研究中得到了印證。此外，高鐵作為一種高效的運輸方式，在就業市場上會同時影響到勞動力的供給和需求。從勞動力供給來看，高鐵改善了區域、城市間的可達性并促使高鐵開通城市逐步完善配套基礎設施，使得開通高鐵的城市對勞動力的吸引力大為提升(林曉言等，2015[19]；王慧和吳曉，2019[20])，從而促使勞動力在城市間高效流動，提升了城市服務業就業水平；從勞動力需求來看，高鐵極大地拓展了城市的市場范圍，跨城市的市場行為伴隨著高鐵的建成而得以實現(鄧濤濤等，2017[21]；張明志等，2018[22])，這種市場需求的增長也引致了企業勞動力需求的擴張，從而改善了城市服務業就業水平。然而，由于不同人口規模對城市服務業和制造業的區位選擇影響不同，高鐵通車對不同人口規模城市服務業就業增長的影響不盡相同。當城市的人口規模較小時，對應著經濟發展發育程度較低，土地價格低且勞動力供給充分，也即要素成本普遍偏低，有助于勞動密集型或資源密集型制造企業的快速發展；但由于道路、管網等基礎設施落后，知識和人才不足，市場化水平偏低，這些企業面臨著較高的交易成本。隨著城市人口規模的擴大，相關配套基礎設施和市場秩序等不斷完善，交易成本顯著下降，但土地等資源更加稀缺、要素成本顯著上升，體現為綜合商務成本快速上升，這將影響到制造業和服務業的區位選擇。對于制造業，交易成本的下降不足以彌補要素成本的上漲時，制造業傾向于向周邊城市轉移，以降低商務成本；對于服務業，由于占地要求較小，對基礎設施配套、信息、技術等方面的要求相對較高，而對要素成本并不敏感，更傾向于在大城市集聚，從而帶來城市服務業就業比重的增加。因此，本文提出以下假設：

H1：高鐵開通有助于提升高鐵沿線城市服務業的就業水平，但對不同人口規模城市的影響程度存在差異。

(二)高鐵開通對服務業就業結構的影響

高鐵開通的就業結構效應，主要通過影響勞動力流動而產生。勞動力在市場規模效應的作用下會流向聚集效應更強、工資和就業水平更高的地區，而由于服務業就業人員的區位黏性較弱，流動性更強，因此高鐵開通帶來的時空成本降低使得服務業就業人員更傾向于使用高鐵流向人口規模更大的城市，并最終改變城市服務業的就業結構。這種影響機制可以用圖1來表示。

圖1 高鐵開通對城市服務業就業結構的影響機制

就業結構的改變是一種基于微觀動機基礎的宏觀現象，若要論證這種機制，需首先闡明高鐵的乘客群體特征，在此基礎上分析勞動力流動的深層微觀動機，以理解高鐵開通究竟如何影響城市服務業的就業結構。

1.高鐵乘客群體的特征。首先，高鐵乘客群體多為收入水平相對較高的服務業從業人員?；?014年對滬寧鐵路的調研發現，高鐵乘客中月收入在3000元以上者占比為75.1%(李祥妹等，2014)[23]，而基于2018年對南廣、貴廣高鐵的調研也發現，高鐵乘客中月收入在2000元以上者占比高達87.1%(李紅等,2018)[24]。如果以2017年的全國人均可支配月收入水平(2164.5元)來衡量，高鐵乘客都是名副其實的收入較高人群。盡管滬寧和南廣、貴廣的高鐵乘客群體并不能完全體現全國所有高鐵乘客的群體特征，但是由于這三條鐵路橫跨了從上海、廣州等超大城市到丹陽市、三都縣等中小城市，覆蓋的城市類型較為多樣，因而具備較強的代表性，因此從這三條鐵路的調研數據來推斷全國高鐵客戶群體的收入特征有一定的合理性。其次，高鐵乘客群體大多來自服務業，具有專業型和商務型的特點。來自京津城際高鐵的調研數據顯示，乘客中企事業單位工作人員和商業服務人員的占比達43.0%(吳康等，2013)[25]，而來自滬寧高鐵和南廣、貴廣高鐵的調研中這一數據則分別約為55%和40%(李祥妹等，2014[23]；李紅等,2018[24])，這一數據對于高鐵乘客的服務業人員數量存在明顯的低估，如專業技術人員之類的統計指標中也涵蓋了許多服務業從業人員，因而將高鐵的主要乘客群體視為服務業從業人員的推斷有其合理性。高鐵乘客群體之所以呈現這樣的特征，可能的原因在于價格敏感程度和高鐵本身的時空特性。在價格敏感程度方面，高鐵價格大都高于普鐵價格，以上海到南京的高鐵為例，二等座的票價比普通硬座的票價高出2倍左右，其他線路的高鐵也存在高鐵價格遠高于普鐵價格的情況，這將阻止價格敏感程度高的乘客乘坐高鐵出行。另據韓飛和于洪彥(2011)[26]的研究發現，收入提升顯著降低了消費者的價格敏感程度，高收入群體的支付意愿更強，且其收入足夠負擔高鐵的高昂價格，因此，高鐵乘客大多為收入水平相對較高的群體。在時空特性方面，高鐵的“時空壓縮”效應大大縮短了城市間流動的通勤時間，因而對時間較為敏感的商務人士等人群更加傾向于選擇高鐵。此外，相對于飛機等其他出行工具，高鐵具有的高準點率特征，也使得高鐵成為服務業從業人員出行的首選交通工具。

2.高鐵開通對城市服務業就業結構的影響機制。由于高鐵的主要乘客群體為收入較高的服務業相關人群，因而高鐵乘客的流動顯然會改變城市的就業結構。而要探究這種改變是如何產生的，則需要弄清高鐵乘客乘坐高鐵流向人口規模較大城市的現象是否存在，以及這種現象背后的微觀動機。目前，高鐵乘客的出行目的主要為商務出差和旅游休閑，并出現了“跨城購物”、“跨城職住”等現象，即乘客乘坐高鐵前往更加發達、規模更大的城市工作消費，而住在規模相對較小、生活成本較低的城市。這一現象背后的動機可以分為兩方面：一是人口密集城市有著更強的市場規模效應(Campbell和Hopenhayn,2005)[27]，市場規模效應導致了規模報酬遞增和人口集聚過程，進而使得人口密集城市在工資水平和消費品市場多樣性上都具有較大的絕對優勢；二是人口密集城市存在由知識溢出而引致的就業創造效應(趙勇和白永秀,2009)[28]，且因人口聚集而產生了規模經濟，因而在就業崗位創造上遠遠強于規模較小的城市。更高的收入是就業人員流動的重要因素，加之人口規模大的城市的就業吸納能力相對更強，故而高鐵開通最終促使勞動力流向收入更高、就業崗位更多的人口規模大的城市(羅俊峰和童玉芬，2015[29]；馬銀坡等，2018[30])。論證這一理論解釋的正確性需要闡明兩個問題：(1)人口規模更大的城市是否提供了更多的就業和收入。這可以從人均GDP的基本情況來說明。一般而言，人均GDP越高的城市，往往就業崗位多，人均收入水平相對會更高些。根據蔡宏波等(2017)[31]的研究，行業集聚程度的提高會拉動行業平均工資的上升，因而大城市更強的聚集效應導致其能提供更高的工資，從而吸引更多勞動力前往。另據測算，2017年Ⅱ型及以上大城市(人口規模大于500萬)的人均GDP比Ⅱ型以下城市(人口規模小于500萬)高出近1.4倍，差額高達約9.26萬元。因此，人口規模更大的城市確實提供了更優越的就業崗位，由工資引致的流動意愿真實存在。(2)高鐵是否在事實上促進了就業人員的流動，而非簡單轉移了部分原本選擇普鐵的乘客。這可以借助劉健和張寧(2012)[32]的研究結論來解釋，他們發現京津城際高鐵在吸引普鐵部分乘客的同時，也通過時空壓縮和提升便利度的途徑促進了乘客的流動意愿，相較于建成該高鐵之前，出行目的為商務/公務活動的乘客的往返出行頻次從5～10次/年提升至12～24次/年，高鐵乘客的流動意愿有顯著提升。京津城際高鐵的數據之所以具有代表性，原因在于北京和天津都屬于規模較大的城市，在收入、就業等方面的差距并不如北京和其他中小城市那般明顯，因而這兩座城市的就業人口流動動機相對較弱。若這兩個城市就業人員的流動意愿都明顯提升，那么其他規模更小、收入與就業較大城市差距更大的城市就業人員流向大人口規模城市的動機將會更加強烈。此外，除了由收入和就業引致的流動意愿之外，服務業就業人員的區位黏性較弱也是其流動的重要原因之一。相較于極度依賴土地、設備等物質資本的第一產業和第二產業從業人員，諸如金融業從業人員等服務業勞動力對于工具、自然資源的需求相對較低，其工作更多仰賴于自身的人力資本，因而更容易在城市間流動。當然，并非所有服務業均有這一特性，房地產業、批發零售與貿易業等服務業對本地物質資本具有一定的依存度，這些產業與當地的生產緊密關聯，其從業人員的流動難度相對更大。綜上所述，更高的收入、更多的就業崗位以及更易流動的特性促使服務業就業人員更愿意流向人口規模更大的城市，并最終改變城市服務業的就業結構。因此，本文提出以下假設：

H2：高鐵開通有助于改善特大城市、超大城市服務業的就業結構，但對不同城市服務業細分行業就業的影響存在異質性。

三 研究設計

(一)模型設定

前述理論分析表明，高鐵開通對城市服務業就業的影響會隨時間的推移而發生變化。因此，檢驗高鐵開通對城市服務業就業影響的關鍵在于，如何把隨時間自然增長而引起的效應與高鐵開通這一“政策處理效應”加以區分。為更好地分析高鐵開通對城市服務業就業的影響，本文選用雙重差分法(DID)，即以“高鐵開通城市”作為實驗組、“非高鐵通車城市”作為對照組，假設“高鐵開通”之前兩組考察變量具有相同的“時間效應”趨勢，“高鐵開通”之后兩者的變化就是雙重差分法中所謂的“政策處理效應”。然而，雙重差分法雖能通過差分解決內生性問題，但不能很好地解決樣本偏差的問題。事實上，城市之間具有很大異質性，很難具備整齊劃一的時間效應。因此，在做DID處理之前，必須先選取一批各方面特征與處理組“盡可能相似”的“未建高鐵城市”作為匹配組，而傾向得分匹配法(PSM)可以很好地解決樣本選擇偏差問題?；诖?，本文最終采取傾向得分匹配法(PSM)與雙重差分法(DID)相結合的方法，以便能更精準地估計高鐵開通的城市服務業就業效應。具體方法是：運用傾向匹配得分找出匹配組，使用匹配后的實驗組和對照組進行雙重差分法估計。借鑒Dong et al.(2018)[33]、卞元超等(2018)[34]的方法，設計以下計量模型：

YPSM=β0+β1rail×treat+βiXit+δt+λi+εit

(1)

其中，YPSM為經過傾向得分匹配后的被解釋變量，以服務業就業密度(emp3)和服務業從業人員占比來反映。(1)服務業就業密度。由于地域廣袤的城市能夠容納的常住人口較多，進而可能產生的就業量也較大，因此本文借鑒董艷梅和朱英明(2016)[15]的方法，構建服務業就業密度指標，計算公式為emp3=num3/area，其中，num3為當地當年服務業就業人數，area為當地當年的市轄區面積(以平方公里計)。若解釋變量對emp3具有正向影響，則表明解釋變量促進了當地的服務業就業，反之則抑制了當地的服務業就業。(2)服務業從業人員占比。該指標為服務業從業人員占當地三次產業全部從業人員的比重，反映了當地就業結構的變化。若解釋變量對該指標具有正向影響，則表明解釋變量促進了當地的服務業發展，創造了更多的服務業就業崗位，反之則抑制了當地的服務業就業。

解釋變量的選取。本文設定rail為是否在高鐵通車后的時間虛擬變量，在高鐵通車年份之后為1，否則為0；treat為是否是2008-2013年間首次建成高鐵城市的個體虛擬變量，首次開通高鐵的城市該變量為1，否則為0；因而rail×treat為高鐵通車的DID交互項，代表該城市當年是否建成高鐵，若該城市當年開通了高鐵，則為1，且之后每一年該變量均為1，若該城市尚未開通高鐵則為0，它是本文所關注的主要解釋變量。Xit為控制變量，δt為時間固定效應，λi為個體固定效應，εit為殘差。

控制變量的選取。將地區人均生產總值、年末總人口數、職工平均工資、普通中學在校學生數、外商直接投資和城市資本存量等6個指標取對數作為控制變量，并借鑒柯善咨和向娟(2012)[35]的方法計算出城市資本存量。其中：地區生產總值和職工平均工資、外商直接投資以2001年為基期進行了平減，主要控制了由于經濟發展而帶來的就業結構變化；年末總人口數控制了由市場規模效應帶來的服務業就業上升；普通中學在校學生數控制了由于接受教育而可能導致的就業傾向變化。

(二)研究樣本與數據來源

除了高鐵建設情況是從相關網站搜集整理所得外，本文所使用的其余樣本數據分別來自2002-2017年《中國統計年鑒》、《中國城市統計年鑒》。鑒于部分城市統計數據缺失或行政區劃調整的實際，最終確定其中285個地級及以上城市為研究樣本，并以2001年為基期運用GDP平減指數對這些城市的相應變量進行平減，以剔除價格變化產生的影響。

考慮到數據質量問題，經過傾向得分匹配后，本文最終選擇2008-2013年間首次開通高鐵的89個城市作為實驗組，并選擇與這些城市同省份但至今從未開通過高鐵的73個城市為對照組。選取2008-2013年間首次開通高鐵的城市作為實驗組的原因有三：一是自2008年起中國開始密集地建設高鐵，在此時間點前，只有2003年建成了少量的高鐵，如此長的時間間隔有可能導致估計偏誤，因此略去2008年之前建成的高鐵；二是高鐵建成的就業效應通常有一定的滯后效應，若選取2013年之后建成高鐵的城市，則其高鐵開通的效應可能尚未顯現，導致估計偏誤；三是在2008-2013年間，部分城市開通了多個高鐵站，而本文探究的目標是從無到有的高鐵開通的影響而非高鐵站增量的影響，因此只將首次開通高鐵的時點納入分析范圍。

(三)樣本匹配及雙重差分法的前提條件檢驗

利用傾向得分匹配法進行樣本選擇可以有效降低樣本選擇偏誤，增強樣本的平行趨勢，使得樣本更加趨向于“同質可比”。本文選擇人口、普通中學在校生數、外商直接投資、城市資本存量、地區人均GDP、服務業就業人數作為匹配變量，以服務業從業人員占比為產出變量，利用近鄰1對4的匹配方式對樣本進行了核匹配，平衡性檢驗結果如表1所示。由表1可知，在匹配后，標準化偏差均下降至10%以內，且大部分變量在匹配后都不存在顯著差異，匹配效果較好。

表1 平衡性檢驗結果

匹配前后的核密度圖如圖2所示。由圖2(a)可知，匹配前，實驗組的分布較為集中但對照組則相對分散。這一現象在進行核匹配后大為改觀，從圖2(b)可以看出，實驗組和對照組的趨勢較之前有明顯趨同傾向，這證明了傾向得分匹配有效降低了樣本選擇偏誤，減少了由選擇偏誤而可能帶來的估計偏誤。

圖2 實驗組和對照組在傾向得分匹配前后的核密度圖

使用雙重差分法的一個重要前提條件為實驗組和對照組之間具有平行趨勢，本文針對傾向得分匹配后的樣本構建了以下雙重差分模型來進行平行趨勢檢驗。

(2)

式中，YP為本文的被解釋變量服務業就業密度和服務業從業人員比重；treat為個體虛擬變量；Xit為控制變量；λi控制了個體固定效應；δt控制了時間固定效應；εit為殘差。另外，yeart×treat表示年份虛擬變量(當年為1，其他年份為0)和個體虛擬變量的交互項，以2002年為基組，若βt在高鐵建成之前均不顯著，則證明被解釋變量在實驗組與對照組之間存在平行趨勢。對該模型進行估計并畫出平行趨勢檢驗圖如圖3所示，可以看出，不論被解釋變量是服務業就業密度還是服務業從業人員占比，yeart×treat的交互項系數在2003-2007年間的95%置信區間均包含了0，即均不顯著，故可認為存在平行趨勢。進一步分析發現，圖3(a)中的檢驗系數從2010年開始從零逐漸上升，直到2013年時首次顯著，這可能是因為2009年、2010年是高鐵開通的密集期，而高鐵開通對于就業的影響有一定時滯，因此直到2010年以后這種效果才逐漸顯現。而從圖3(b)中可以看出，在2008年之前，檢驗系數均在不顯著邊緣，且系數為負，這種情況的出現可能是因為這幾年正值中國經濟的快速發展期，GDP增速一度高達14.2%，由發達地區城市與欠發達地區城市的發展有所分化而導致的，但無論如何，由于其檢驗系數并不顯著，仍然可以認為實驗組與對照組呈現平行趨勢。而到了高鐵逐步開通的2008年之后，系數曲線呈現緩慢降低的趨勢，且大多數檢驗系數均顯著，這表明高鐵開通逐步影響了服務業從業人員的占比。此外，由于本文樣本中只包含首次建成高鐵的城市和至今仍未建成高鐵的城市，因而保證了對照組不受高鐵通車的影響，而高鐵建設本身源于國家的《中長期鐵路網規劃》，其建成時間則受實際工期的影響最大，因此，高鐵開通具有一定的隨機性和唯一性。綜上，樣本大體上滿足雙重差分分析的前提條件。

圖3 平行趨勢檢驗圖

(四)變量描述性統計

對樣本主要變量進行PSM傾向得分匹配并剔除了缺失值后的數據如表2所示。樣本中，除服務業從業人員比重外，實驗組在服務業從業人數(萬人)、服務業就業密度(人/平方千米)、年末人口數量(萬人)、地區人均GDP(元)、職工平均工資(元)、外商直接投資(元)等變量上均高于對照組。實驗組的服務業從業人員比重低于對照組的原因在于，2008-2013年間開通高鐵的城市中，沿線城市多位于廣東、河北等地形平坦且工業發達的地區，而未開通高鐵的城市則包含了很多工業不發達的城市，導致實驗組的服務業就業比重相對較低。另一方面，由于高鐵沿線城市的人口、工資等均高于非沿線城市，其就業的吸納力也往往強于非沿線城市，因而沿線城市三大產業的就業人員均處于較高水平，最終導致服務業從業人員比重相對穩定且低于對照組。由圖1可知，作為實驗組的沿線城市，即使服務業從業人員比重低于對照組，但其從業人數卻遠高于對照組，且在高鐵開通之后持續拉開差距?？傮w看來，實驗組的經濟發展水平較對照組而言更高，服務業就業吸納能力也更強。

表2 變量描述性統計

(續上表)

四 實證結果

(一)基準回歸估計結果

表3為全樣本基準回歸結果，表4為將城市劃分為人口規模大于500萬的Ⅱ型及以上大城市和人口規模小于500萬的Ⅱ型以下城市后的基準回歸結果。由于部分城市諸如合肥、南昌在取樣期間人口跨過了500萬的界限，鑒于城市的實際體量和實證檢驗的需要，本文均將其當作人口達500萬以上的城市對待。所有模型均控制了個體固定效應和時間固定效應，標準誤均采用穩健標準誤。

表3中，模型(1)、 模型(2)的被解釋變量為服務業就業密度，模型(3)、 模型(4)的被解釋變量為服務業從業人員比重。表3的估計結果初步驗證了兩個假說的正確性，模型(1)、 模型(2)中，高鐵開通在1%的顯著性水平上對服務業就業密度產生了正向影響，這與前文的假設H1相一致；模型(3)、 模型(4)中，高鐵開通對服務業從業人員占比的影響均在1%的水平上顯著，這初步驗證了假設H2中高鐵開通對城市服務業就業結構可能產生影響的論斷。在加入控制變量后，DID交互項的系數絕對值均有所減小，這是因為影響就業的因素較為多樣難以概全，但由于在添加控制變量后對被解釋變量影響仍然顯著且系數方向不變，因而足以佐證基準回歸的有效性。值得深究的是，為什么模型(3)、 模型(4)中對全樣本服務業從業人員占比回歸的系數顯著為負呢？接下來，通過進一步劃分人口規模的實證結果來回答這個問題。

表3 基準回歸估計結果

(續上表)

(二)劃分城市人口規模的估計結果

表4為劃分人口規模的估計結果，由于此時樣本本身傾向性地選擇了人口規模，為避免估計偏誤，模型中刪去了人口的控制變量。其中：模型(5)、 模型(6)的被解釋變量為服務業就業密度，模型(7)、 模型(8)的被解釋變量為服務業從業人員占比。

對服務業就業密度進行回歸的模型(5)、 模型(6)進一步驗證了假設H1。模型(5)、 模型(6)的DID交互項系數均為正，說明高鐵開通對不同人口規模的城市服務業就業均存在正向影響，但模型(5)中對Ⅱ型以下城市的回歸并不顯著，且系數小于對Ⅱ型及以上城市的回歸，這說明高鐵開通對不同人口規模城市服務業就業的促進作用不同，對人口規模較大的Ⅱ型及以上城市促進作用更為明顯，而對Ⅱ型以下城市的促進作用極為微弱。

對服務業從業人員占比進行回歸的模型(7)、 模型(8)進一步驗證了假設H2。從回歸結果看，模型(7)DID交互項系數在1%的水平上顯著為負，這表明高鐵通車降低了Ⅱ型以下城市服務業從業人員占全部就業人員的比重，而模型(8)DID交互項系數在1%的水平上顯著為正，這表明高鐵開通擴大了Ⅱ型以上城市服務業從業人員占全部就業人員的比重，這與假設H2相一致，高鐵開通進一步拉大了人口規模較大城市與人口規模較小城市間的服務業就業增長差距。

表4 劃分城市人口規模的估計結果

在此基礎上，可以將“服務業從業人員占比的全樣本回歸系數顯著為負”歸因到“從業人員占比”是一個比例值而非總量值的特性上。首先，由于Ⅱ型以上城市就業人數遠高于Ⅱ型以下城市，故而服務業從業人員占比被龐大的就業人數基數稀釋了，這使得對于Ⅱ型以上城市服務業而言，盡管高鐵開通對其就業增量促進很大，但對于占比提升卻相對較小；其次，Ⅱ型以上城市服務業從業人員占比上升1%時其服務業就業人數上升了0.3萬人，而Ⅱ型以下城市的這一數值僅為0.14萬人，這種差異也使得高鐵開通對兩類城市的就業占比產生了不盡相同的影響。因此，反映在DID交互項系數上時，盡管高鐵開通對Ⅱ型以上城市服務業就業人數產生了比Ⅱ型以下城市更大的促進作用，但由于Ⅱ型以上城市服務業從業人員占比相較Ⅱ型以下城市有更為龐大的基數，最終導致了高鐵開通對Ⅱ型以下城市服務業從業人員占比的負向影響超過了對Ⅱ型以上城市的正向影響，最終使得全樣本回歸系數顯著為負。

(三)服務業細分行業的估計結果

將14個服務業細分行業就業人數的對數作為被解釋變量，進一步對服務業進行行業細分以驗證假設H2，可以得到表5的估計結果。不同行業的估計系數和顯著性均有所不同，因而可以認為高鐵開通對不同細分行業就業的影響存在異質性。由于服務業細分行業的統計方式在2002年經歷了修改，為確保變量的統計口徑一致，表5的估計僅使用2003-2016年間的數據進行。由表5可知：

1.高鐵開通對于所有服務業細分行業就業的總體影響均為正，但DID交互項系數在Ⅱ型及以上城市大多數要高于Ⅱ型以下城市，表明高鐵開通對人口規模較大城市的服務業就業促進作用強于人口規模較小的城市。這更深一步地印證了本文的假設H1，表明高鐵開通對所有服務業就業均有促進作用。

2.高鐵開通對不同城市服務業細分行業就業的影響具有異質性，在Ⅱ型及以上城市的批發零售和貿易業、金融業、住宿及餐飲業、租賃和商業服務業、居民服務和其他服務、公共管理和社會組織等行業中，DID交互項的系數和顯著性均強于Ⅱ型以下城市，表明人力資本密集型服務業從業人員的流動性明顯大于物質資本密集型服務業，這與本文的理論分析結論相一致。觀察在Ⅱ型以上城市回歸中顯著性與系數均較高的行業，可以發現一個共同點，即這些行業對固定資本的依賴均較低，而對人力資本的依賴程度較高。以金融業為例，金融業從業人員大多依靠其經驗、人脈與智力進行工作，即使需要借助固定資本進行工作，也大多只是需要借助計算機、投影儀等小型設備，很少需要依靠某種難以移動的固定資本(如數控機床等機械設備)進行工作。這為這些行業的就業流動提供了前提條件，因為這些行業的從業人員在流向大城市工作時，由固定資本移動而產生的機會成本較低。由表5結果可知，房地產業、科研、技術和地質勘查業這類依賴于當地的自然資源、固定資本的行業，其顯著性與系數在兩類城市均無明顯差異。值得注意的是，教育業的細分回歸中，Ⅱ型及以下城市的系數與顯著性均高于Ⅱ型以上城市，這可能是由于教育行業的市場化程度相對較低，教育業受到政策、社會文化的影響較深，因而其從業人員數量受高鐵開通的影響相對較低。

表5 服務業細分行業的DID交互項回歸估計結果

五 穩健性檢驗

(一)改變回歸時間窗口檢驗

改變回歸時間窗口是指縮短回歸的年限，因為有些場合下，如果拉大回歸年限則更容易得到顯著的結果，這個檢驗避免了這種情況的出現。由于樣本中高鐵開通的時間集中于2008-2013年間，因此本文選取高鐵全面通車前后三年(2005-2016年)、兩年(2006-2015年)作為窗口對基準回歸進行估計，以檢驗回歸結果是否穩健。估計結果如表6所示，如果回歸結果是穩健的，那么各變量回歸系數的顯著性與正負應與基準回歸相一致。由表6可知，改變時間窗口后，DID交互項的系數正負均未改變，顯著性亦沒有發生變化，因而可以佐證基準回歸結果是穩健的。

表6 改變時間窗口的估計結果

(二)反事實檢驗

盡管在基準回歸中，DID交互項的系數均為顯著，但這種顯著性可能不是因為高鐵開通而引起的。因此，有必要進行反事實檢驗，即在高鐵尚未建成的年份假設高鐵已經建成，以此檢驗高鐵開通的服務業就業結構效應是否是一種“安慰劑”效應。本文選取尚未建成高鐵的2002-2006年間樣本數據，假設高鐵在2004年通車，即設置一個安慰劑變量，在2004年之后為1，2003年及之前為0。若該變量不顯著，則說明高鐵開通確實對城市服務業就業水平產生了影響。估計結果如表7所示。由表7可知，安慰劑變量的估計系數均在10%的水平上不顯著，也即模擬高鐵開通的反事實檢驗并沒有得出任何顯著的估計，這佐證了基準模型的穩健性。

表7 反事實檢驗的估計結果

(續上表)

(三)工具變量檢驗

由于高鐵開通對城市就業結構的影響存在內生性，本文選擇使用工具變量法進行基準模型的估計，以檢驗本文結論的穩健性。在張克中和陶杰東(2016)[36]方法的基礎上，本文選取該城市是否位于《中長期鐵路網規劃(2008年調整)》的“四縱四橫”規劃網絡上作為工具變量。具體而言，若該城市距離“四縱四橫”規劃的最短直線距離小于50km，則認為該城市位于“四縱四橫”鐵路規劃網絡上，并將工具變量設置為1，否則工具變量設置為0。由于該規劃提出于2008年，樣本中的高鐵建成時間也均在2008年之后，因而可以將該規劃的提出視為一個“政策變量”，該變量在2008年之后為1，在2008年之前為0，進而可以利用該工具變量對本文的實證模型進行應用面板工具變量的DID估計。選取該變量作為工具變量的原因主要在于，《中長期鐵路網規劃》中的鐵路規劃發展目標主要為“根據綜合交通發展要求，建成連接各大經濟區、優化線網布局的鐵路網絡”，其出發點更多地考慮了中國各城市之間的交通連接，而較少考慮城市產業布局的優化。從“四縱四橫”的線路可知，規劃城市既有經濟發展水平較高且人口密集的城市，也有經濟發展水平偏低且人口較少的城市。因而，該工具變量僅通過影響高鐵開通而影響城市服務業就業結構和密度，并不會直接對城市服務業就業結構和就業密度產生直接影響。接下來，運用進行離差變換后的面板工具變量方法進行估計，結果如表8所示。由表8可知，使用工具變量估計的基準回歸模型DID交互項系數均在1%的水平上顯著，且系數方向、相對大小與基準回歸模型完全一致，這也佐證了基準回歸模型的穩健性。

表8 工具變量檢驗的估計結果

六 研究結論及政策啟示

從我國高鐵建設的實際出發，本文以城市服務業就業變動為切入點，基于2002-2016年全國285個地級及以上城市的數據，運用傾向得分匹配的雙重差分法檢驗了高鐵開通對城市服務業就業的影響。結果表明：(1)高鐵開通顯著促進了高鐵開通城市的服務業就業密度，尤其是對Ⅱ型及以上城市的影響最為顯著。究其原因，高鐵開通帶來的“時空壓縮”效應提升了社會中高收入階層的流動性，而這類人群乘坐高鐵通常是為了商務洽談、旅游休閑及購物等服務業相關行為，由此引致的供需變化促使高鐵沿線城市服務業進一步聚集并提升了當地服務業的工資水平，進而創造了更多服務業相關崗位并吸引了更多勞動力，最終提升高鐵開通城市服務業的就業密度。(2)高鐵開通顯著促進了Ⅱ型以上開通城市的服務業從業人員比重，而顯著降低了Ⅱ型以下開通城市的服務業從業人員比重。究其原因，由于高鐵客戶多為從事服務業相關工作的社會中高收入階層，且勞動力傾向于流向平均工資更高的地區，因此在服務業聚集和平均工資兩個方面均有優勢的Ⅱ型以上大城市對于服務業就業人員更具吸引力，促使這些勞動力流向Ⅱ型以上大城市，進而增加了Ⅱ型以上城市服務業從業人員比重而降低了Ⅱ型以下城市服務業從業人員比重。(3)高鐵開通對不同人口規模城市服務業細分行業的就業產生了差異化影響。就Ⅱ型以上城市而言，高鐵開通促進了由人口規模擴大引致的住宿餐飲、公共管理等市場需求擴張型行業的就業水平；就Ⅱ型及以下城市而言，高鐵開通促進了更依賴于本地資源稟賦發展的服務業的就業水平。

基于上述結果，要不斷提升高鐵開通對城市服務業就業的帶動效應，必須著力做好以下幾方面的工作：一是繼續優化高鐵建設項目布局。除了繼續推進“八縱八橫”的鐵路網建設之外，需要不斷加大修建高鐵的投資力度，特別是應該進一步重點加強中西部地區的高鐵網絡建設，以促進地區間的要素流動和融合發展，更好地發揮高鐵建設對經濟高質量發展的促進作用。同時，在高鐵建設的路線選擇時，可以優先布局于那些承接了大量產業轉移的城市，以加快區域產業轉移的速度，進而推動城市產業完成轉型。二是增強沿線城市對服務業從業人員的吸引力。高鐵建設沿線各城市政府在完善公共品供給時，應提高對流動人口轉移空間與基本公共服務集聚互動發展重要性的認識，全面加快與本地區流動人口規模相適應的基本公共服務資源配置，不斷改善公共服務的供給結構，提升供給水平。三是切實提升我國的整體市場化水平。在推進高鐵網絡建設的同時，必須進一步提升我國的市場化水平，為高鐵沿線城市間要素的跨區域、跨行業流動掃清制度障礙，推進城市服務業就業的包容性增長，更好地發揮交通基礎設施的正向外部性。