我国交通基础设施建设对物流产业发展的影响研究

代 应，邓雨辰，宋 寒

（重庆理工大学 管理学院，重庆 400054）

0 引言

物流产业是一个融合运输业、仓储业、货代业和信息业等的复合型服务产业，是国民经济的重要组成部分，在促进产业结构调整、转变经济发展方式和增强国民经济竞争力等方面发挥着重要作用。2009年3月我国实施物流业调整和振兴计划后，物流业得到了前所未有的快速发展，2010年全社会物流总额为125.4万亿元，比10年前增长了6.3倍，年均增长22%[1]；2011年全社会物流总额达到158.4万亿元，按可比价格计算，同比增长12.3%[2]，我国物流产业正逐步实现从传统物流向现代物流的转变，已经成为支撑我国经济社会发展的重要产业。与此同时，物流通道作为物流基础设施的重要组成元素，伴随着物流产业的发展也得到快速提升，截至2011年底，全国铁路营业里程达9.32万km，高速公路通车里程8.49万km，内河航道里程12.46万km，定期航班航线里程349.06万km，管道输油(气)里程8.33万km[3]。物流通道的建设为物流产业的快速发展提供了必要条件，但物流基础设施建设，特别是公路建设和铁路建设，具有前期投资规模大和回收周期长的特点，同时占用大量的社会资源。因此，研究交通基础设施建设与物流发展规模之间的关系，对于科学合理地制定铁路、公路等交通基础设施建设规划及物流产业发展规划具有重要意义。

交通基础设施是国家公共投资的重要组成部分，主要是指铁路、公路、内河、航空、管道等运输设施组成的综合交通运输体系[4]，交通基础设施在经济社会中发挥着重要作用。为此，国内外学者进行了较为广泛的研究，如 Cantos 等[5]利用面板数据分析交通基础设施建设对农业、工业、建筑业和服务业的产出弹性，结果表明交通基础设施的建设对各产业增加值有较为明显的正向作用；Banister等[6]研究交通基础设施在经济发展中的作用，得出基础设施建设对经济增长具有单向的推动作用；薛勇军等[7]通过时间序列数据模型、截面数据模型和面板数据模型分别实证研究基础设施对经济增长的促进作用；任蓉等[8]利用1978—2009年的各种资本投入与经济增长情况的数据，运用脉冲响应函数和方差分解分析交通基础设施投资与经济增长的动态效应；杨帆等[9]使用1952—2006年相关统计数据，以 GDP 衡量经济增长，以公路、铁路营业里程和货运量衡量交通基础设施，基于协整理论和Granger 因果检验方法，分析得出交通基础设施与经济增长之间存在长期均衡关系。

交通基础设施相关研究表现出以下特点：第一，大多数研究集中在交通基础设施建设对经济增长的影响及关系研究方面，而且研究结论认为交通基础设施建设对经济增长有正向推动作用；第二，部分研究集中在交通基础设施建设与外商直接投资(FDI)的关系、交通基础设施投资的最优比例等方面，如郑士源等[10]通过建立交通基础设施投资最优化模型，研究交通基础设施投资的最优比例和增长速度；董龙云等[11]主要研究交通物流基础设施的可持续发展水平评价问题等；第三，交通基础设施建设作为物流大系统的重要组成部分，对其与物流产业之间的关系少有研究。为此，在现有研究基础上，通过采用计量经济学中的协整理论和脉冲响应函数分析方法，利用1980—2010年我国交通基础设施建设和物流发展相关数据，分析我国交通基础设施建设与物流发展的关系，为我国交通基础设施建设和物流产业发展规划提供参考。

1 变量与数据选择

选取铁路营业里程和公路里程作为交通基础设施建设的刻画指标。铁路营业里程是办理客货运输业务的铁路正线总长度，该指标可以反映铁路运输业基础设施的发展水平，也是计算货物周转量、运输密度和机车车辆运用效率等指标的基础资料；公路里程是指报告期末公路的实际长度，统计范围包括城间、城乡间、乡(村)间能行驶汽车的公共道路，公路通过城镇街道的里程，公路桥梁长度、隧道长度、渡口宽度。

选取货运量作为物流产业发展规模指标。货运量是指在一定时期内，各种运输工具实际运送的货物数量，该指标是反映运输业为国民经济和人民生活服务的数量指标，也是制定和检查运输生产计划、研究运输发展规模和速度的重要指标。与之对应的货物周转量指标是指在一定时期内，由各种运输工具运送的货物数量与其相应运输距离的乘积之总和，该指标可以反映运输业生产的总成果，也是编制和检查运输生产计划，计算运输效率、劳动生产率及核算运输单位成本的主要基础资料。比较而言，因货物周转量更偏向于效率测度，为了刻画物流产业发展规模选取货运量指标。

被解释变量为货运量(用 freight 表示)，解释变量为铁路营业里程和公路里程(分别用 rail 和 road表示)，原始数据来源于《 中国统计年鉴 》。对数模型在一定程度上能够削弱模型的共线性、异方差和非平稳性等问题，而且对数模型中回归系数与弹性、变化率关系紧密。因此，被解释变量货运量，解释变量铁路营业里程、公路里程均采用对数形式，分别用 lnfreight、lnrail 和 lnroad 表示。为简化统计，只对原始数据的对数形式作基本统计量报告，如表1所示。

2 实证分析

2.1 单位根检验

经典计量经济分析方法要求时间序列具有平稳性，否则会产生“伪回归”现象，从而导致统计分析和推断结论存在严重偏差。序列的平稳性是指一个时间序列的期望、方差不会随时间改变而改变，而非平稳时间序列的期望和方差随时间改变而变化，但非平稳时间序列可以通过差分转化为平稳序列。由于现实中的大多数经济变量时间序列都是非平稳序列，在进行计量分析时，应先进行平稳性检验，即检验时间序列是否含有单位根并确定单整阶数。

单位根检验有多种方法，常用的有 ADF 检验、DG-LS 检验、PP 检验及 KPSS 检验等，在此选用 ADF 检验方法对各变量的水平序列及其差分序列进行单位根检验，结果如表2所示。检验结果表明：时间序列变量 lnfreight、lnrail 和 lnroad 是非平稳序列，而它们的一阶差分变量 D.lnfreight、D.lnrail 和 D.lnroad 是平稳的，即 lnfreight、lnrail 和lnroad 均为一阶单整序列Ⅰ(1)。因此，通过采用计量分析软件 Stata11进行协整分析，以检验各经济变量之间的长期关系。

2.2 协整检验

Engle 与 Granger 在1987年首次提出了协整理论，该理论认为虽然一些经济变量本身是非平稳序列，但是它们的线性组合有可能相互抵销趋势项的影响而成为一个平稳序列，即变量给出的线性组合是Ⅰ(0)序列，则变量间是协整的[12]。协整检验的方法有2种，对于两变量而言，一般采用 Engle 和Granger 提出的基于协整回归残差的 ADF 检验的两步法，即 E-G 两步法；对于多变量而言，采用基于向量自回归模型(VAR)的 Johansen 检验方法。基于向量自回归模型的 Johansen 检验方法中每个内生变量作为所有内生变量的滞后项的函数构造模型，能够精确地用于预测相互联系的时间序列系统及分析随机扰动对变量系统的动态冲击，从而解释各种经济冲击对经济变量形成的影响[13]。研究涉及3个变量的协整检验，所以采用 Johansen 检验方法进行分析。

表1 原始数据基本统计量

表2 单位根检验结果

（1）根据无约束水平 VAR 模型确定协整阶数。Johansen 协整检验是以 VAR 模型为基础，需要建立由 lnfreight、lnrail、lnroad 构成的向量自回归模型，根据各种准则选定的 VAR 滞后阶数如表3所示。FPE、SBICC、HQIC 准则选定滞后阶数为1阶，而 LR 和 AIC 准则选择滞后阶数为3阶，为了安全起见，选择最优的滞后阶数为3阶。

（2）在确定了 VAR 最优滞后阶数基础上，需要进行协整向量个数的检验。使用 Johansen 的特征根协整检验，检验时假设含截距项不含时间趋势项。协整关系检验结果如表4所示，在5% 的显著水平下，变量序列的迹检验拒绝了1个都没有的假设，但不能拒绝至多1个的假设；最大特征根检验也拒绝了1个都没有的原假设，不能拒绝至多1个的假设，2种检验均说明序列 lnfreight、lnrail、lnroad 之间存在1个协整关系。

（3）建立协整方程。标准化协整向量为(1，-1.569767，-0.796197，1.608845)，对应的协整方程为(括号内的数值为标准误)。

协整方程中 lnrail 估计系数在10% 水平下通过显著性检验，lnroad 的估计系数在5% 水平下通过显著性检验。因此，我国货运量与铁路营业里程、公路里程之间存在长期的协整关系，交通基础设施的建设与物流发展规模呈正相关关系，铁路营业里程对物流发展的影响比公路里程对物流发展的影响更大。

表3 VAR 滞后阶数选择准则

表4 Johansen 协整关系检验(lag =3)

2.3 误差修正模型

以上协整检验结果表明 lnfreight、lnrail、lnroad序列存在协整关系，但这种协整关系只反映了交通基础设施建设与物流发展规模之间的长期均衡关系，需要进一步构建向量误差修正模型(VECM)来研究模型的短期动态特征。误差修正模型(ECM)是一种具有特定形式的计量经济学模型，其主要形式是由 Davidson、 Hendry、Srba 和Yeo 于1978年提出的，常称为 DHSY 模型。误差修正模型定义为：假设有如⑵式的分布滞后函数，因变量存在单位根，不能直接用经典的普通最小二乘法(OLS)进行回归分析，对⑵式变形得到⑶式。

式中：xt-1表示解释变量 x 滞后一期；yt-1表示应变量滞后一期；εt为 t 期的随机变量；β0、β1、β2、β3为参数估计系数；Δxt和 Δyt分别表示解释变量和应变量的非滞后差分；γ =1-β3；α =(β1+ β2)/(1-β3)；yt-1- α xt-1表示误差修正项，用 ecmt-1表示。

运用 stata11软件建立误差修正模型，得到向量误差估计结果如表5所示。

从表5中可知，变量 lnfreight 对应的误差修正项系数是 -0.15504小于0，而且在1% 显著水平下通过检验，符合反向修正机制，表示为滞后一期的非均衡误差以0.15504的速度从短期非均衡状态向长期均衡状态调整；变量 lnrail 对应的误差修正项系数是 -0.02405小于0，而且在10% 显著水平下通过检验，符合反向修正机制；而变量 lnroad 对应的误差修正项系数 -0.11074在10% 的检验水平下不显著。

3 结论

选取我国1980—2010年铁路营业里程、公路里程及货运量的相关数据，对交通基础设施建设与物流产业发展的协整关系进行检验分析，利用ADF 检验方法、Johansen 检验方法对时间序列进行了单位根检验和协整检验，运用向量误差修正模型(VECM)分析了3个变量之间的动态关系。通过以上研究，可以得出结论如下。

（1）从长期看，我国铁路营业里程、公路里程和货运量之间存在均衡关系，3个变量之间的协整关系为 lnfreight =1.569767lnrail +0.796197lnroad -1.608845。协整方程表明我国交通基础设施的建设与物流发展规模呈正相关关系，铁路营业里程每增加1%、货运量将增加1.570%；公路每增加1%、货运量将增加0.796%；系数估计值表明铁路营业里程对物流产业发展的影响比公路里程对物流发展的影响大。

（2）在此基础上，铁路建设和公路建设与物流产业发展的误差修正模型说明；在短期内，铁路营业里程、公路里程与货运量之间具备显著的正相关关系，从误差项的估计系数看(-0.15504、-0.02405、-0.11074)，调整方向符合误差修正机制，可以保持变量之间的协整关系，自动调整长期关系。

表5 向量误差估计结果

：

[1]刘长忠. 中国社会物流总额达125.4万亿，10年增长6.3倍[EB/OL].(2011-09-26)[2013-10-10]. http://www.chinanews.com/cj/2011/09-26/3354752. shtml.

[2]孟斯硕.2011年全国社会物流总额增长12.3%[EB/OL].(2012-02-14)[2013-10-10]. http://news.hexun.com/2012-02-14/138256322.html.

[3]中华人民共和国国家统计局. 中国统计年鉴[M]. 北京：中国统计出版社，2012.

[4]张 镝，吴利华. 我国交通基础设施建设与经济增长关系实证研究[J]. 工业技术经济，2008，27(8)：87-90.

[5]Pedro Cantos，Mercedes Gumbau Albert，Joaquin Maudos.Transport Infrastructures，Spillover Effects and Regional Growth：Evidence of the Spanish Case [J]. Transport Reviews，2005，25(1)：25-50.

[6]David Banister，Yossi Berechman. Transport Investment and the Promotion of the Economic Growth[J]. Journal of Transport Geography，2001(9)：209-218.

[7]薛勇军，扶 涛，王 焱. 基础设施对经济增长促进作用的实证研究[J]. 经济研究，2012(7)：58-61.

[8]任 蓉，程连元，谢卓然，等. 交通基础设施投资与经济增长的动态效应分析——基于VAR模型的实证研究[J]. 科技管理研究，2012，32(4)：85-89.

[9]杨 帆，韩传峰. 中国交通基础设施与经济增长的关系实证[J]. 中国人口 • 资源与环境，2011，21(10)：147-152.

[10]郑士源，王浣尘. 交通基础设施最优投资比例的研究[J]. 武汉理工大学学报：交通科学与工程版，2009，33(1)：61-63.

[11]董龙云，史 峰，秦 进，等. 区域交通物流基础设施可持续发展水平的多层次灰色综合评价[J]. 铁道科学与工程学报，2009，6(2)：64-68.

[12]Engle Robert F. Clive，W. J. Granger Cointegration and Error Correction：Representation，Estimation and Testing[J].Econometrica，1987(55)：251-276.

[13]李 梅. 国际R＆D溢出与中国技术进步——基于FDI和OFDI传导机制的实证研究[J]. 科研管理，2012，33(4)：86-92，130.