题目：Valuing Domestic Transport Infrastructure: A View from the Route Choice of Exporters
作者：Jingting Fan, Yi Lu, Wenlan Luo
来源：The Review of Economics and Statistics，2023年第6期
2016年，国际运输论坛的47个成员国（包括经合组织国家、中国和其他国家）在内陆交通基础设施方面的投资超过8500亿欧元。其中，仅中国就占了一半以上。此外，中国的内陆交通基础设施投资占GDP的比例从2000年的2%稳步上升至近年来的5%。中国和其他国家的投资规模之大，再次引起了学术界和政策制定者对考察基础设施项目收益的兴趣。虽然早期的研究要么进行指标测度（Fogel，1964），要么采用简约式估计方法（Banerjee等，2020）。但在国际贸易和空间经济学新工具的帮助下，越来越多的文献构建了定量模型，通过反事实分析来评估交通基础设施的影响。本文则利用广泛可获得的海关数据，通过使用出口商的路线选择提出了一种新的估算方法。作者将这种方法与空间均衡模型相结合，研究了1999年至2010年间中国大规模高速公路建设的影响。文章发现，高速公路的运输成本比普通公路低20%。高速公路建设使出口总额增加了10%，国内贸易增加了14%，并带来了5.1%的福利收益和150%的净投资回报率。文章的边际贡献主要体现在以下两个方面。第一，文章提出了一种利用海关数据估计国内贸易成本的方法。作者利用高速公路网络扩张带来的时间变化，估计了出口商港口选择对国内运输网络响应的结构参数路径模型。第二，文章将这些估计值嵌入到一个具有区域比较优势、投入产出联系和贸易成本部门异质性的空间均衡模型中，并用它来评估1999年至 2010年间中国修建的5万公里高速公路的回报。研究发现，这项投资产生了巨大的正净回报。此外，基于更简化的模型或侧重于一阶效应的替代方法进行评估可能会导致评估结果有失偏颇。
文章的经验研究侧重于1999年至2010年的长期变化，这一时期是中国高速公路快速建设的时期。本节内容将集中介绍数据，以及结构估计所要利用的变化（variation）。
2.1 数据和样本
出口路线。文章使用交易层面的海关数据来衡量出口商的港口选择。对于每笔交易，我们均可观察到出口商的地址、货物的价值和重量（如果产出单位是公斤）以及出口的海关。文章将出口商和海关的地址映射到地级市，将出口商所在城市视为原产地，海关所在城市视为港口。
文章对交易数据进行汇总，得出从每个原产地城市经由中国不同港口运往RoW的总货运量和部门总货运量。在基准分析中，文章遵循国际贸易文献的传统，使用出口额作为运输量的代理指标（附录部分，采用运输重量进行稳健性检验）。考虑到文章关注的是长期变化，作者构建了一个包含两个时期的面板，分别对应于十年的开始和结束。运输网络。文章从Baum-Snow等（2020）获取了1999年和2010年的城际高速公路地图。此外，文章还从 ACASIAN 数据中心获取了2007年的普通公路地图。由于在此期间常规道路网络变化不大，作者将其视为时不变因素。作者计算了1999年和2010年城市与港口之间公路运输网的距离。任何一对城市之间都有许多可行的路径。在下文简约式分析中，作者假设总是选择成本最低的路径，并且其长度为两个城市之间的有效距离。由于路径中普通公路和高速公路的构成各不相同，因此要确定成本最低的路径，必须对两种类型公路的相对成本做出判断。为此，作者在中文搜索引擎“百度地图”上随机查询了2000对城市之间沿高速公路和普通公路的行车时间，并比较了两次旅行的平均预期时间。在这些查询中，普通公路的平均速度约为高速公路的55%，因此文章将在高速公路上行驶1公里的成本设定为相当于在普通公路上行驶0.5公里的成本。然后，作者使用Dijkstra算法为每对城市寻找成本最低的路径。设 表示t时城市o与d之间的最短路径等效于普通公路的长度， 和 分别为该路径上普通公路段和高速公路段的长度。那么， 。
表1显示，在样本初期，每条路线的平均出口量为1.65亿美元。十年后，这个数字增长到了大约10亿美元，提升了五倍之多。在出口大幅增长的同时，高速公路建设显著改善了城市到港口的交通。出口路线的平均总长度从2,040公里减少到1,724公里，减少了15%——随着高速公路网络更加密集，内陆地区的出口商不再需要绕道抵达港口。这些路线中的高速公路路段长度从1293公里增加到1688公里。考虑到高速公路每公里的成本低于普通公路，故高速公路的不断增加进一步减少了线路的有效长度，从1,393公里减少到880公里，减少了37%。![]()
图2所呈现的散点图描绘了出口路线与国内运输成本之间的关系。其中，图2（a）刻画了通过路线的出口值与该路线的有效长度之间的横截面关系。可以发现，两个变量之间存在强烈的负相关性，斜率为-0.24。如果我们将这种关系解释为因果关系，则意味着有效距离每增加100公里，货物运输价值将减少24%。图2（b）绘制了2000-2010年这两个变量随时间的变化之间的关系。由于两个时期相隔十年，故变化可能捕获了道路建设的大部分长期效应。从中可见，对变化的最佳线性拟合斜率为-0.06，远低于横截面斜率。这表明横截面负相关关系的很大一部分可能源自于对运输网络没有响应的因素。![]()
虽然图2（b）提供了数据变化的信息，但它并没有呈现因果关系。因为城市和港口特定的冲击可能会混淆斜率估计，而且连接某些城市对的道路可能是以增加出口为目标建造的。为此，文章通过回归分析来解决此类问题。
文章以后续内容中构建的结构模型为基础，估计了如下的计量模型：
![]()
其中，因变量 表示第t期城市o通过港口城市d向RoW的出口。 分别为城市-港口、城市-时间和港口-时间固定效应。 代表城市o和d之间在t期公路网络上沿最低成本路径的有效距离。事实上，对计量模型（1）的OLS估计可能会存在一些内生性问题。第一，高速公路的建设可能会促进特定港口或地区的经济增长。文章控制了城市-时间和港口-时间固定效应，这将捕捉到由城市或港口特定冲击驱动的出口增长，而这些冲击也决定了高速公路的建设。第二，相互距离较近的城市可能会降低其他类型的壁垒，如信息摩擦和本地偏好，这可能会增加与交通基础设施无关的出口量。通过加入城市-港口固定效应，文章控制了城市间所有非时变的不可观测异质性，从而识别来自于高速公路网扩张导致的有效距离的时变特征。2.4 高速公路建设与出口商的路线选择
表2汇报了基准结果。第1列只包含城市、港口和时间固定效应，因此系数主要是通过横截面变化来识别的，系数的点估计值为-0.341。第2列进一步包含了城市-时间和港口-时间固定效应，使得估计系数略有增加。第3列加入了城市-港口固定效应，以专注于长期变化。系数估计值意味着，有效距离每增加100公里，通过港口的出口将会减少15.7%。
高速公路网的内生性问题。新的高速公路可能是为了连接经济联系日益紧密的特定城市而修建的，这可能与出口增长相关。为此，文章采用了两种策略来缓解这种担忧。第一，文章将省会城市或注册居民超过500万的始发城市o排除在外。正如Banerjee等（2020）所讨论的，中国的交通网络主要是为了连接大城市而设计的。在剔除这些城市后，系数的点估计值为-0.174，与包含主要城市时的结果类似。
第二，除了剔除主要城市外，文章还采用了Faber（2014）的IV策略：使用“外生”的虚拟高速公路网作为实际路网的工具变量。第5列报告了使用该工具变量得到的回归结果，估计系数为-0.198。第6列是基于两阶段最小二乘法（2SLS）的估计结果。较高的F统计量表明了相关性。回归系数接近OLS估计值，约为第1列系数的一半。
第3-6列结果的稳定性表明，本文估计值不太可能因高速公路的内生布局而产生偏差。时变的估计值始终小于横截面估计值，这对评估交通项目的影响具有重要意义。在典型的国内贸易模型中，研究人员可以将从始发城市到港口的货运量解释为贸易流量。那么，方程（1）就相当于引力回归， 是贸易弹性与贸易成本距离半弹性的乘积。在给定贸易弹性的情况下， 则一比一地映射了距离对贸易成本的影响。因此，仅使用横截面变化会将这种影响高估100%，这反过来又会夸大国内交通基础设施改善所带来的福利收益。高速公路和普通公路的相对成本。到目前为止，文章主要估计了常规等效距离 的系数。为了进一步研究两类道路的不同影响，第7列将 分成两部分：高速公路路段的距离和普通公路路段的距离。普通公路的系数为-0.17，高速公路的系数为-0.09——正如作者所预期的，前者比后者成本更高。第8列和第9列报告了IV估计值和2SLS估计值。这两种方法都导致普通公路的系数相对更大。文章首先介绍模型中的路径选择模块，该模块对Allen和Arkolakis（2019）的模型进行了扩展，以适应两个并存的网络。
考虑图3a所示的四区域经济。节点 代表城市，由代表运输网络的线连接。其中，虚线表示普通公路，实线表示高速公路。文章利用 表示边 的旅行成本，其中H和L分别代表高速公路和普通公路。任何一条边的成本都大于1，并且是对称的：其中， 表示连接城市k和l的x型道路的边长， 代表相应的距离半弹性系数。路径是连接起点和终点的一组相连边；在一条路径上旅行的成本是构成该路径所有边的成本的乘积。例如， 是一条从o到d的路径，其第一段在普通公路上，第二段在高速公路上，则该路径的成本为 。从o到d的卡车司机面临多种选择。有两条直接的路径，一条是高速公路，另一条是普通公路，每条路径的成本分别为 和 。卡车司机从每条路径上都能得到一个从Fréchet分布中独立抽取的、分散参数为 的特异性负效用 。例如， 的有效成本为 。如果这两条直接路径是o和d之间的唯一选择，那么根据Fréchet假设，所有可能路径r的预期旅行成本为：![]()
其中， 是一个常数， 中的下标“1”表示在有一条边的路径（直接路径）中进行选择。卡车司机也可以选择绕路。在上例中，从o到d有三条包含两条边的路径： 、 、 。如果只能在包含两条或更少边的路径中进行选择，则预期贸易成本为：![]()
进一步的，文章推导出了预期旅行成本的矩阵表示。假设 和 分别为普通公路网和高速公路网对应的相邻矩阵：![]()
和 中的非零元素是这些网络中两个相邻节点之间成本的 次幂。零表示两个城市并没有通过一条边直接连接起来。设 为两个矩阵之和， 表示矩阵 的第od个元素。由此，式(3)可写为：即所有双边路径的成本的 次方之和。式(4)的矩阵表示为：
![]()
原则上，卡车司机可以绕行成本更高的路线（例如， ），甚至可以重新回到某一站（例如， ）。对于更大的网络，由于卡车司机可以自由绕行多条高速公路和普通公路，因此枚举所有可能的路径就成了一个复杂的组合问题。文章的附录通过数学归纳法证明，正好有N条边的o和d之间所有路径的总和正好有N条边，即 ，这意味着所有可能路径的预期成本为：其中 。式（5）将运输成本表示为运输网络结构的可微函数。这一特点将使文章能够描述高速公路项目的一阶和二阶福利效应。3.2 从道路成本到贸易成本
路径模块给出了国内地点之间卡车司机的预期成本。现在，文章在此基础上得出国内和国际货运的特定部门的贸易成本。贸易成本的部门异质性。贸易成本呈冰山形态，不同部门的贸易成本各不相同，这取决于部门的“重量”，即部门的重量价值比 。假设 表示部门i在k和l之间 型道路上的成本：其中， 是一个缩放器（scaler），用于改变贸易成本的总体水平。 为弹性系数，用于调节贸易成本随货物重量的变化情况。由此，在部门i中，o和d之间的贸易成本为：![]()
出口商的决策。为了利用海关数据进行估计，文章将路线选择问题嵌入至出口商的港口选择问题中。考虑在图3b所示的经济中，来自城市o的出口商希望将i行业的一卡车商品运往国外买家。出口总成本由两部分组成：o与本国港口l或d之间的国内部分，用 表示， ；以及国际部分 ，它是部门特定成本 与港口 通向RoW的总准入成本 的乘积。出口商首先根据预期的国内贸易成本，选择从哪个港口装运货物。每个销售者都会收到一个服从Fréchet分布的港口特定的出口成本冲击 。因此，从l到RoW的国际运输成本为 。由于国际运输的特异性冲击来源可能不同于国内运输，故文章允许 的分散参数 与 不同。销售者选择：因此，出口商所面临的预期出口成本为：
![]()
城市o的出口产品经由港口d发货的概率为：
![]()
由于部门异质性是通过乘积的形式被引入港口选择概率，故可以得到：
![]()
上式表明，部门异质性不会影响港口选择的模式。为了识别部门异质性特征的重要性，文章在参数估计时使用了海关数据中的价格信息。文章的结构估计分两步进行。第一，文章从出口商的港口选择中估计出三个综合参数： 、 和 。为此，作者在方程（8）中引入时间上标t，并将方程（5）中的 代入。然后，进行对数变换，从而得到：其中， 和 分别表示港口d的出口成本转移和城市o通过所有港口进入RoW的情况。 为矩阵 的第od个元素。上式给出了模型预测的通过不同港口出口货物的份额。为了估计路径参数，文章使用非线性最小二乘法来最小化模型和数据之间的偏差，并将这些偏差解释为测量误差。令 表示数据中来自城市o的货物经由港口d出口的份额。求解如下：![]()
其中，fe表示一组固定效应，包括城市-时间、港口-时间和城市-港口固定效应，从而使得变异（variation）的来源是高速公路网络扩张导致的 的变化。虽然式(9)是一个高维的优化问题，但要注意的是，只有 和 通过 非线性地进入目标函数。因此，原问题可被转化为嵌套问题。在内层嵌套中，给定 和 的值，问题在 和固定效应中是线性的，故可以采用OLS估计。在外层嵌套中，文章在 和 的空间中进行搜索，以最小化内层嵌套中OLS估计的残差均方误差。这种方法还可以在bootstrap过程中对方程进行数百次估计。附录C.1详细讨论了如何识别三个复合参数，并介绍了推断程序。表3 Panel A报告了它们的点估计值和分布统计量。尽管参数并不是仅通过港口选择单独识别出来的，但它们的相对值是可以识别的。有两点值得注意。第一， ，表明高速公路相对于普通公路节省了20%的运输成本。第二， 比 大一个数量级。这似乎是合理的，因为港口选择可能取决于所使用的出口中间商，从而使得港口的可替代性低于运输路线。![]()
4.2 价格回归
结构估计的第二步是利用价格数据识别 ——这将分离第一步估计的复合参数和 。考虑一家来自内陆城市o的i行业企业通过港口d向外出口。设商品的出厂价格为 。假设存在完美的传导（下一节中的贸易模型将满足这一假设），则在所有特定路线的抽样中，港口d的平均离岸价格由以下公式给出：式(10)表明，不同“重量-价值”比率的部门之间价格比率的变化可以识别 ；在估计出 和 之后，道路网络结构导致的不同城市间 的变化可以进一步识别 。文章使用从海关数据中获取的出口商品单位价值来构建价格比率。在没有观测到每笔交易的出厂价格的情况下，作者将样本限制为原产地城市o本身为海关城市的交易。对于在这样的城市o生产的商品，当它们从o直接出口时，它们的平均价格 就是理论上一致的出厂价格。由于 和 是通过不同的变化来识别的，因此作者将它们分开估计，这样可以进行更灵活的控制。具体来说，文章通过比较相同城市对(o和d)中较重的商品是否存在更大的价格差距来识别 。文章最严格的识别策略控制了企业-港口-目的地国家-HS2类别的固定效应，并利用不同HS4类别中 的变化来识别 。另一方面， 的识别使用了价格差距如何随着o和d之间的有效距离增加而变化。在此过程中，作者控制了城市-目的地国家-HS8和港口-目的地国家-HS8固定效应，并使用了由最小生成高速公路网构造的IV。表3 Panel B报告了首选识别策略的估计结果。其中， =0.29，这意味着重量价值比每增加1%，会使从价运输成本增加约0.3%。这一估计值处于Hummels（2007）在国际运输成本背景下估计的下限（0.4-0.5）。 的点估计值为111.5，这意味着通往同一港口的不同路线具有很高的可替代性。将这一点估计值代入表4的Panel A，得到 =0.034和 =0.042，这表明高速公路和普通公路每增加100公里，贸易成本将会分别增加3.4%和4.2%。文章将路径决策嵌入到一个具有高贸易成本和投入产出联系的空间均衡模型中（Caliendo & Parro，2015），并进行一般均衡反事实实验。环境。假设有N个地区（用o或d表示，代表中国地级市（CHN））和RoW（其他国家或地区）；S个部门，用i或j表示。国内消费者可以在城市之间自由流动，并消费土地和一篮子部门最终商品。RoW的消费者数量是固定的。部门最终品是不可贸易的，由不同地点生产的可贸易中间品聚合而成。土地供给是固定的。所有市场都是竞争性的。其中， 表示部门i的最终品在地区d的消费量，价格用 表示。 表示土地消费量，价格用 表示。 是地区d的宜居性。 代表土地和部门最终品的消费份额： 。这种偏好带来的间接效用为 ，其中 表示总收入， 代表消费篮子的价格：国内消费者选择一个地点来最大化其效用，因此在均衡状态下 ， 。土地市场。d地区拥有 数量的土地。设d地区的均衡消费者数量为 。土地市场出清条件为：国内土地归政府所有，政府收取租金并通过一次性转移支付 返还给国内消费者。令 表示城市d的工资。城市d消费者的总收入为 ， 由政府预算平衡决定：行业最终品生产。在每个行业i和地区d中，代表性的最终品生产商将来自不同地区的行业i的中间品聚合为行业最终品。不同地点生产的中间品彼此不同。设 是从地区o运至地区d的部门i的中间品数量，则最终品的生产量 为：中间品的生产和贸易。部门i和地区d的代表性中间品生产者采用如下的Cobb-Douglas技术将劳动力和不同部门的最终品转化为中间品：![]()
其中， 为决定区域专业化程度的地区-部门层面的生产率。 和 分别为劳动力投入和来自j行业的最终品投入； 和 分别是它们各自的份额参数： 。因此，d地区i部门中间品的单位生产成本为：![]()
![]()
其中， 是一个常数。代表性的中间品生产商以边际成本将其产出销售给最终品生产商，边际成本由生产成本和冰山贸易成本 组成，故从地区o销售至地区d的中间品的价格为 。那么，地区d部门i的最终品价格为：其中， 是地区d在部门i中间品上的总支出， 是地区d用于购买地区o部门i的中间品的支出份额。模型其他细节和均衡条件均是标准的，详见附录B.3。5.2 纳入替代性的运输方式
虽然地面运输（ground transport）是中国最主要的运输方式，占国内运输总量的76%。但航空、水运、铁路和管道等替代运输方式仍可能与反事实实验相关。因为公路基础设施的改善可能会吸引其他方式的运输量。为此，文章假定任何两个国内地区之间，除了公路网络之外，还有一种预期成本为 的替代性运输方式，具体为：其中， 是待估参数。文章将 定义为o与d之间大圆距离 的函数，因为它旨在反映包括空运在内的所有替代方式的平均成本。对于地区o的销售者来说，当他打算运送一批货物至国内地区时，他需要决定是通过地面运输还是其它替代方式来运送货物。卖方从具有离散参数 的Fréchet分布中抽取两个独立的，特定于运输方式的冲击 ， 。然后，选择有效成本较低的运输方式：如果选择地面运输，卖方将随机遇到一个卡车司机并支付沿公路网络的预期贸易成本 ；否则，他将面临替代方式的成本 。当目的地为RoW时，卖方首先选择一个港口d，同时考虑到港口特有冲击的实现，然后再选择从o到d的运输方式（地面运输或替代方式）。综合所有这些决策，在 的情况下，国内原产地o与目的地d之间的预期贸易成本为：其中，（12）式第二行中的 是由第一行给出的，适用于国内港口城市k。文章以相同的形式构建了中国城市从RoW的进口成本。正如表4的面板A所总结的，路径模型的关键结构参数已在第4节中进行了估计。本节将对模型的其余部分进行参数化，并进行反事实分析。直接赋值的参数。表4的面板B描述了直接赋值的经济参数和基本变量。作者根据中国2007年投入产出表确定了各部门在最终消费和中间生产中的份额 和 ，以及生产中的劳动力份额 。文章将不同地区商品之间的替代弹性 设置为6，对应的贸易弹性为5，这在现有文献中合理的估计范围内（例如，Simonovska和Waugh，2014）。最后， 用于衡量不同运输方式之间的替代弹性。早期交通文献中的 估计值为1到3之间（Abdelwahab，1998），而Allen and Arkolakis（2019）最新的研究中达到14。作者将 的基准值设为2.5 ，并对其他可能的值进行敏感性检验。
联合估计的参数。表4的面板C报告了剩余的参数，这些参数是通过联合估计得到的，通过在面板A的参数的联合分布中随机抽样200次来生成参数的标准误差。作者通过参考中国的平均运输距离为177公里（国家统计局，2010），来确定国内贸易成本的整体水平 。通过计算替代运输方式的距离半弹性 ，确定了公路运输与其他运输方式之间的运输份额。大约76%的国内货物运输是通过陆路运输完成的（国家统计局，2010）。匹配这个目标得到了 =0.163。文章假设出口和进口成本因部门不同而有所差异，但在同一港口则表现一致： 。通过匹配各部门的进口和出口作为国内产出份额来确定这些参数。模型包含了323个地级市和25个部门，其中4个是非贸易部门。文章通过匹配每个地级市的部门产出份额来确定地区-部门生产率参数 ，这些数据来自2008年的经济普查。然后，文章对 进行校准，以确保中国部门产出与RoW的部门产出比与数据相匹配。最后，通过匹配2010年的人口普查来确定城市的便利设施。城市人口分布和租金水平，共同决定了土地供给的变化 。图4a绘制了经过校准后的货物运输流的价值，颜色越深表示运输强度越高。在地图上，有几条突出的经济走廊连接了中国最重要的经济中心。第一条是环绕渤海湾的东北走廊，将北京和天津与大连、沈阳、长春等重工业城市连接在一起。第二条是连接北京和东南沿海地区的走廊，这个地区包括中国最繁荣的地区，即长三角地区。最后一条是连接中国西北地区与中部地区的走廊。模型验证的总结。为了验证模型是否通过海关数据参数能够准确反映出货物运输和贸易的模式，作者进行了几项检验。首先，尽管模型的关键结构参数是通过出口路径的内部变化中估计得到的，但经过校准的模型仍能很好地拟合了城市出口的水平。其次，模型预测的由于高速公路扩展带来的城市出口增长与实际数据非常吻合。除了作为模型的样本外检验之外，预测的出口增长还为研究外生性高速公路扩张对城市出口增长的影响提供了工具变量。第三，文章收集了2019年双边卡车流量数据，并将其与模型推导的双边运输量进行了对比。最后，作者将模型推导的各城市间的运输流量与实际数据进行匹配分析。附录C.3报告了详细信息。总的来说，这些检验结果表明，文章的方法与中国的国内和国际贸易模式高度一致，而这些模式是推断福利增益的首要决定因素。主要结果。我们通过反事实实验来检验高速公路建设的影响。表5报告了以2010年高速公路网络为基础的校准均衡和以1999年高速公路网络为基础的反事实均衡之间的统计差异。比较分析表明，高速公路建设导致中国总体福利增加了5.1%。现有研究发现，1999年到2010年间，中国福利相关的TFP增长了36%（Penn World Table 9.0，Feenstra et al.，2015）。因此，通过我们模型的视角，约14%的TFP增长可以归因于国内高速公路网络的扩张。高速公路建设还对国内和国际贸易产生了巨大影响。随着国内市场更加紧密地连接，中国的国内贸易增加了13.6%。由于内陆地区可以通过陆路运输将其出口货物运输到港口，高速公路扩张也影响了国际贸易。人们很容易认为，国内运输成本的降低将促进国际贸易，但理论预测是模棱两可的。模型表明，国际贸易净增加了9.7%。三个模型要素的作用。我们的模型与日益增长的用于量化交通基础设施影响的其他模型在三个方面有所不同。首先，我们的结构估计采用国内高速公路网络扩张而导致的出口商路线选择的变化，这自然意味着交通网络扩张不仅降低了国内贸易成本，还降低了内陆地区与国外的贸易成本；其次，借助行业层面的生产和出口价格数据，我们允许各地区在行业专业化水平上存在差异，并允许不同行业在贸易成本上存在差异；最后，我们考虑了中间投入。这些模型要素使我们能够更准确地推断城市间货物运输的价值以及这些货物运输在不同路线之间的分布，这对于定量结果非常重要。为了展示这些模型要素的作用，在附录C.4中，我们参数化了一系列包含较少要素的限制性模型，并计算了这些替代模型中的福利收益。我们发现，随着逐一排除这些模型要素，福利收益逐渐减少。当所有三个模型要素都被移除时——因此模型被简化为一个单一部门的空间均衡模型——推断出的福利收益约为0.89%，大约是基准结果的17%。对替代设置和参数的敏感性。在附录C.6中，我们报告了替代参数以及以下模型的结果：（1）劳动力具有摩擦性而不能自由流动；（2）行业层面的外部规模经济。结果表明，采用这些替代假设并不会显著影响从高速公路扩张中推断出的福利收益。我们评估了高速公路网络整体扩张以及一些大型项目的投资回报。高速公路整体扩张。我们计算了1999-2010年间高速公路网络的总投资。原始数据来自《公路水路交通运输行业发展统计公报》（中华人民共和国交通运输部，2000-2010年）。通过资本价格指数将这些数据转换为2010年的价格后，十年间城际高速公路项目的累计投资为5700亿美元，约占2010年GDP的10%。为了将这一成本与未来折现收益进行比较，我们假设高速公路的年折旧率和贴现率都是10%。假设所有支出都发生在2010年，那么，贴现后的未来福利收益（5.1% /(0.1+0.1)）大约是2010年GDP的25%，意味着投资的净回报率约为150%：即使考虑到像中国这种高增长经济体的高机会成本，高速公路投资仍然产生了巨大的净回报。相比之下，如果我们使用大多数现有定量研究的简单单部门模型进行评估，我们的结论将是投资导致了55%的净损失（≈0.89%/10%-1）。骨干项目的成本效益。图4b中展示的14个大型项目构成了整个高速公路网络的骨干。我们评估了每个项目的成本和收益。由于缺乏对单个项目一致定义的成本度量方法，我们遵循Faber（2014）的做法，采用基于工程学研究的公式，将一段高速公路的建设成本与其是否经过水域或湿地区域以及平均地形坡度联系起来。我们使用该公式来评估1999-2010年间建设的所有路段，并将其构造为关于一个未知水平系数的函数，并计算出该系数，以便这些路段的总成本等于总的投资（2010年GDP的10%）。附录A.4提供了更多细节。表6第3列展示了这一计算过程的结果，汇报了每个项目的估计成本。按每公里计算，最贵的项目是G5，它穿越了东南地区的崎岖地形。在国家的另一端，横跨平坦的东北平原的G10每公里成本最低。这一时期建造的所有项目的平均每公里成本约为8000万元人民币。该数字与最佳直接可用数据的估计范围一致。表6第4列和第5列报告了各个项目的每期福利收益和投资的净回报。大多数项目都产生了正的净回报。回报最高的项目是南北走向的高速公路（G1、G2和G3）。G10作为穿越中国较不繁荣的东北地区的小项目，是唯一亏损的项目。最后两列报告了各个项目对国内和国际贸易的影响。对国内贸易影响最大的项目是G30。这可能是因为它横跨中国中部到西北地区，连接了专业化差异非常大的地区，并且没有主要的竞争路线。另一方面，对出口影响最大的项目是G2、G3和G70，这些项目连接了中国北方和中部地区以及像上海和福州这样的东南沿海港口。总之，评估表明，尽管成本效益存在异质性，但直到2010年，中国的高速公路网络投资的每一分钱都是值得的。与现有研究的比较。至少有三种其他策略被用来评估中国高速公路投资的回报。第一种直接测量交通部门的资本增值（Bai和Qian，2010）；第二种估计了一个区域生产函数，其中交通基础设施是投入之一（Fan和Chan-Kang，2005）；第三种依赖于定量模拟，与本文相似但没有使用国内或国际贸易来限制模型（Roberts等人，2012）。我们在附录C.5中与使用这些替代方法的结果进行了比较，并解释了它们的差异。尽管每项研究都得到了不同的结果，但基本与现有研究的估计在同一数量级。这进一步支持使用海关数据作为了解国内交通基础设施影响的可靠信息来源。文章提出了一种评估交通基础设施改善对国内贸易成本影响的方法，这种方法解决了许多国家缺乏可靠的国内贸易数据的问题，因为它仅需利用海关数据中包含的出口商路线选择信息。作者将这种方法与空间均衡模型结合起来，研究了中国在1999年至2010年间建造的50,000公里高速公路所带来的福利收益。作者发现，这些项目带来了约5.1%的总体福利收益和150%的净投资回报率。如果忽视模型中的三个关键要素——区域比较优势、异质性贸易成本和中间投入——将得到总收益为负的结论。本文仅作学术交流，版权归原作者及原发刊所有，如需转载本文，请联系授权
全球价值链研习社由对外经济贸易大学吕越教授研究团队创办，我们长期跟踪全球价值链（GVC）研究，致力于打造专注价值链、产业链、供应链的公益性学术分享平台。公众号将每周为大家推送国内外前沿文献、团队最新成果以及学术资讯，欢迎更多学术同仁关注和加入我们。
