公路基础设施投资与产业结构优化升级的协整分析——以“新丝绸之路”经济带为例



公路基础设施投资与产业结构优化升级的协整分析
——以“新丝绸之路”经济带为例

雷天，许金良，单东辉，贾兴利

(长安大学 特殊地区公路工程教育部重点实验室，陕西 西安710064)

摘要:基于时间序列数据，利用ADF检验、向量自回归(VAR)模型协整理论和Granger因果检验对“新丝绸之路”经济带沿线公路基础设施投资与产业结构的关系进行实证研究，结果表明：三大产业增长与公路交通基础设施投资之间表现出一种长期均衡的关系；第二产业很大程度上能够带动公路交通基础设施的投资力度，他们之间表现为双向的因果关系；公路交通基础设施投资对第一产业、第三产业的促进作用是单向的；公路交通基础设施投资对产业结构的作用有一定的时滞或周期，时滞在2~3年。

关键词：公路投资；产业结构；协整分析；Granger因果检验；“新丝路”经济带

公路作为道路交通运输体系的重要基础设施，是沿线区域及辐射区域发挥各自优势产业的运输保障。区域经济发展的趋势，在时间上表现为产业结构的高级化，在空间上表现为产业的聚集和优化，公路作为生产要素流动的重要载体之一，在产业结构升级、产业布局和工业化等方面有着不可替代的作用。随着“新丝绸之路经济带”战略的提出，沿线节点城市竞相提出各自产业定位，确定公路基础设施对沿线产业结构调整的影响效应对指导区域公路建设规划、充分发挥交通建设对经济及产业发展的推动作用具有十分重要的意义。协整理论自20世纪80年代末被格兰杰( Granger)和恩格尔( Engle)提出之后就在解释经济关系领域就得到了十分广泛的应用，近年来也逐渐应用于交通与经济发展关系研究方面。Samimi[1]用协整理论对公路能源需求和宏观经济之间的关系进行了研究；Ramanathan[2]采用协整分析和误差修正模型对印度旅客及货物周转量与工业增长关系进行了分析论证；林航飞等[3]分析了上海市公路货运量与经济增长的协整关系；杨帆等[4]利用1952~2006 年的统计数据运用协整理论和Granger因果检验方法分析交通运输与直接经济增长之间的关系；叶昌友等[5]利用1997-2010年的面板数据，对交通业发展与区域经济增长之间的关系进行了实证研究。目前，国内外关于交通运输与经济发展之间关系的研究已较为成熟，但大多是针对交通基础设施与直接经济增长之间的关系，另外，对我国而言，大多关于交通与经济关系分析的研究范围多集中在较为发达的省区或以全国范围的公路建设为依据，对于地理位置深处内陆海上发展受限、陆上交通基础设施建设需求迫切的地区研究较为欠缺。刘育红[6]以“新丝绸之路”经济带为目标研究了经济带沿线交通基础设施对直接经济增长的空间溢出效应，但并未对公路交通与经济带沿线产业结构发展趋势做深入分析，没有为经济带沿线产业发展定位提供直接指导。基于此，本文以“新丝绸之路”经济带沿线各节点城市为对象，利用协整分析对沿线公路交通基础设施建设与产业结构之间的量化关系进行深入研究，为指导经济带沿线的公路建设及产业结构规划提供科学依据。

1模型理论基础

协整模型的主要经济意义在于，若2个变量各自具有长期波动规律且存在协整关系，则可以通过其他变量的变化来影响另一变量的变化；反之，若2个变量虽然各自有其长期的波动规律但并不协整，则不存在通过其他变量来影响另一变量的基础。

2变量选取与处理

2.1指标选取与样本尺度确定

2.1.1变量选取

公路基础设施建设的投资额是区域公路交通投资最直观的反映指标，因此选取连霍公路沿线各节点城市历年公路交通基础设施建设投资额度(TRANSPORT)作为公路基础设施投资指标，数据可从历年《交通年鉴》中公路基础设施完成投资额获得。为了表征“新丝绸之路”经济带沿线产业结构的变化趋势，选取沿线各节点城市历年第一产业产值(PI)、第二产业产值(SI)、第三产业产值(TI)为产业结构指标，数据可从历年《统计年鉴》直接获得。

2.1.2样本尺度确定

时间尺度：1952年以后，我国的统计工作逐步规范，但是由于在节点城市面板数据方面，部分市的部分关键数据难以获取，因此在时间尺度选择方面，考虑到面板数据的可比性和可获性，建立的数据库时间尺度为1999~2011年，相关数据从主要节点城市历年统计年鉴整理得到。空间尺度：空间尺度界定了研究对象的地理界限，本文使用与“丝绸之路经济带”部分路线重叠、贯穿我国东、中、西的连霍公路沿线13个主要节点城市的面板数据来分析公路交通基础设施与沿线各产业的关系，由东往西依次为：连云港、徐州、商丘、开封、郑州、洛阳、西安、宝鸡、天水、兰州、武威、嘉峪关、乌鲁木齐。

2.2数据处理

以1990~2011年间“新丝路”经济带沿线公路基础设施投资额和三大产业产值作为原始数据样本，为了考虑物价因素的影响，用以1978年为基期的居民消费价格指数对各产业产值进行缩减换算，使得历年的数据具有可比性；另外，为消除数据中存在的异方差和数据的剧烈波动，分别对每个变量取对数，即LGDPt=log(GDPt/Pt)，LTRANSPORTt= log(TRANSPORTt/Pt)，对数处理后各变量趋势如图1所示。

图1　经济带沿线公路交通基础设施投资和三大产业对数、一阶差分时间序列趋势图Fig.1 Logarithm and first order differential time series trends of three major industries and highway investment along the economic belt

3实证分析

利用协整理论来分析交通基础设施投资与三大产业经济增长在长期内是否保持稳定均衡的关系，利用向量自回归模型及脉冲响应模型分析短期冲击带来的影响，最后用格兰杰因果检验判断变量之间的因果关系。

3.1平稳性检验

检验时间序列的平稳性是协整分析的首要任务。利用增广迪基—福勒检验[9]，即ADF 检验)对公路基础设施投资额与三大产业产值数据进行单位根检验，若检验序列中存在单位根，则为非平稳时间序列[10]。从图1可以看出，西部大开发以来，“新丝路”经济带沿线公路交通基础设施投资与三大产业均保持了很快的增长速度，取对数之后均呈线性变化显示了明显的上涨趋势，表明这几个变量都是非平稳的时间序列。采用增广迪基—福勒检验(即ADF检验)后的结果如表1所示，结果表明：LPI，LSI，LTI和LTRANSPORT的ADF值分别为-2.622 8，-0.410 9，-1.046 7和-0.146 2，均大于1%，5%水平下的临界值接受原假设，表明样本LPI，LSI，LTI和LTRANSPORT都是非平稳时间序列。因此，为了使变量可以用于协整分析，对时间序列做差分处理期望达到平稳化的结果。

表1　经济带沿线三大产业和公路交通基础设施投资的ADF检验结果

注：检验类型中的c和t表示带有常数项和趋势项，k表示所采用的滞后阶数。

由一阶差分后的时间趋势图可以看出，经过一阶差分后两个时间序列曲线类似白噪声。两序列的ADF检验值如表1所示，由检验结果可以看出：经过差分后的DLSI，DLTI和DLTRANSPORT的ADF值分别为-5.112 3、-4.124 9和-5.124 8，均小于1%水平下的临界值，表明这2个序列都是一阶单整序列，可以用于协整分析；DLPI的ADF检验值为-4.549 3，虽然大于1%水平下的临界值，但是明显小于5%水平下的临界值，亦可用于协整分析；经过一阶差分之后，得到的DW数值均在2左右，满足DW临界检验值，这表明各变量自身不存在自相关性。

3.2VAR模型及脉冲响应分析

对于相互联系的时间序列变量系统，向量自回归模型是一种有效的预测模型，也常用于分析不同类型的随机扰动对系统变量的动态影响[11]。利用EVIEWS7.0建立“新丝路”经济带公路基础设施投资分别与三大产业的VAR(2)模型，经过多次试验，当滞后阶数取2时，公路交通基础设施投资(LTRANSPORT)与第一产业(LPI)的赤池信息量准则(AIC)达到最小值，为-6.706 7，SC为-6.345 0因此建立VAR(2)模型，模型结果如表2所示。其中，2个回归模型的拟合度R分别为0.986 2和0.995 4，表明这2个模型拟合优度非常好，可以用于实证分析。

表2　公路基础设施投资与第一产业序列VAR(2)模型的估计结果

注：[ ]内的值为t检验值，( )内的值为标准差。

VAR模型各方程检验：

R-squared0.9862640.995432Adj.R-squared0.9771060.992371Sumsq.resids0.0188940.017384S.E.equation0.0561160.053827F-statistic107.6992326.2058Loglikelihood19.4030919.86723AkaikeAIC-2.619823-2.522271SchwarzSC-2.438961-2.703133

VAR模型总体检验：

LogL=46.88724AIC=-6.706771SC=-6.345048

同样的方法，经过试验和检验，建立了公路交通基础设施投资(LTRANSPORT)与第二产业(LSI)的VAR(2)模型，以及公路交通基础设施投资(LTRANSPORT)与第三产业(LTI)的VAR(2)模型。为了深入分析公路交通基础设施与沿线各产业的动态关系，我们以上述的向量自回归模型为基础，分别建立公路交通基础设施投资和三大产业的脉冲响应模型。采用渐进解析法计算响应函数的标准差[12]，分别建立LTRANSPORT与LPI、LSI、LTI脉冲响应函数检验的结果如图2(a)，(b)和(c)所示。

由图2(a)可知，就LTRANSPORT和LPI来说，LTRANSPORT对自身和LPI的一个标准差新息脉冲响应一直是正向的，且持续递增趋势；LPI对来自LTRANSPORT和自身的一个标准差新息的脉冲响应也是正向的，且有持续向上的趋势。这表明：公路交通基础设施投资对第一产业的影响为增大的正面冲击效应，这也凸显了产业经济发展的过程中，公路对第一产业，特别是农业的重要作用。由图2(b)可知，就LTRANSPORT和LSI来说，公路交通基础设施投资对来自自身的一个标准差新息，第1年为0.05，缓慢下降，在第3年达到最小为0.025，之后逐渐持续上升；公路交通基础设施投资对来自LSI的一个标准差新息脉冲响应立即有一个较强的正向反应，在第2年达到0.02，之后缓慢上升，持续正向。LSI对来自自身和LTRANSPORT的脉冲响应基本一致先降后升，第3年之后保持基本不变的正向作用。这表明：公路交通基础设施投资与第二产业之间具有一定的正相关关系，且投资在2~3年后才使得第二产业增长和波动，这体现了交通规划的实施应该适度超前的本质。由图2(c)可知，就LTRANSPORT和LTI来说，LTI对来自自身的一个标准差新息脉冲响应基本保持较平稳的正向反应，均值在0.01左右；对来自LTRANSPORT的一个标准差脉冲响应，先升后降，在第2年的达到最大为0.035，之后逐渐下降，保持负向关系，且有增大的趋势。LTRANSPORT的脉冲响应趋势基本和LTI趋势一样。这表明：公路交通基础设施投资对第三产业有短期的正向冲击作用，长期作用不明显。

(a)LPI；(b)LSI；(c)LTI图2　LTRANSPORT与LPI， LSI， LTI对来自一个标准差信息的脉冲响应Figle 2 Pulse of LTRANSPORTA and LPI，LSI，LTI on the innovation from one standard deviation

3.3协整关系检验

以上文建立的VAR(2)模型为基础，采用约翰森检验(Johansen Test)[13]分别对三大产业和公路交通基础设施投资进行协整关系检验，分析三大产业和公路交通基础设施投资是否存在长期的、稳定的、均衡的关系[14]，检验结果如表3所示。

表3　经济带沿线各产业和公路交通基础设施投资协整检验结果

从表3可以看出LTRANSPORT与LPI，当秩个数为0时，秩统计量大于5%水平下的临界值，所以拒绝不存在协整关系的零假设；当秩个数为1时，秩统计量为1.1448，小于5%水平下的临界值，故接受存在一个协整关系的零假设。同理，对于LTRANSPORT和LSI、以及LPTRANSPORT和LTI，由统计数据可以看出它们之间也存在唯一的协整关系。协整关系式如下：

公路交通基础设施投资与第一产业协整关系：

ecm=LTRANSPORTt-0.061 32LPIt+11.210 1

(0.213 8)

公路交通基础设施投资与第二产业协整关系：

ecm=LTRANSPORTt-0.163 06LSIt+9.326 8

(0.265 0)

公路交通基础设施投资与第三产业协整关系：

ecm=LTRANSPORTt-0.091 27LTIt+5.397 1

(0.230 5)

协整关系表明，公路交通基础设施投资每增加1%，第一产业增加0.061 32%，第二产业增加0.1630 6%，第三产业增加0.091 27%。这表明：经济带沿线区域公路交通基础设施投资对第二产业拉动作用最大、第三产业次之、第一产业最小。

3.4误差修正模型

在分析公路基础设施投资与三大产业协整关系的基础上，利用向量误差修正模型(VEC模型)对二者的短期波动与长期均衡关系进行描述[14]。与建立的协整方程相对应的向量误差修正模型的估计结果如表4~6所示，VEC(2)模型的残差如图3所示。

表4　公路交通基础设施投资与第一产业的误差修正模型估计结果

注：()内为标准差，[ ]内为t检验统计值

表5　公路交通基础设施投资与第二产业的误差修正模型估计结果

表6　 公路交通基础设施投资与第三产业的误差修正模型估计结果

图3　LTRANSPORT与LPI，LSI，LTI的VEC(2)模型估计残差图Figle 3 Estimated residual plots from the model VEC (2) of LTRANSPORT and LPI, LSI, LTI

从误差修正项(EC)来看，3个方程的调整系数均为正，说明公路交通基础设施投资对均衡的协整关系是一种正向的促进作用，三大产业对公路交通基础设施的波动也产生了正面的反馈。在误差修正模型中ECM项反映长期均衡对短期波动影响二等误差修正机制[15]，修正系数都在0.04左右似乎表明其影响不是很明显，但是从t统计值上看，该影响是非常显著的且反应较为敏感，因此这种长期均衡对三大产业的增长在统计上是显著的。

3.5Granger(格兰杰)因果检验

从上述建立的公路交通基础设施投资与三大产业的协整方程可以看出，三大产业与交通基础设施投资之间可能存在因果关系，但这种因果关系究竟是双向的还是单向的，还须利用格兰杰因果检验来进行判断。格兰杰因果关系是检验一个变量的之后变量是否可以引入到其他变量方程中[16]，检验结果如表7所示。

判断标准：P小于0.05的表示拒绝原假设，即存在因果关系；P大于0.05表示接受原假设，即不存在因果关系。

由判断标准和检验结果可以看出：公路交通基础设施投资与第二产业之间存在双向的因果关系(P=0.049 1，P=0.045 1)，即互为因果；公路交通基础设施也是第三产业的原因(P=0.031 0)，但第三产业不是公路交通基础设施投资的原因；P值0.087 1勉强拒绝了原假设，即公路交通基础设施投资是第一产业的原因程度很小，第一产业不是公路交通基础设施投资的原因。

表7　公路交通基础设施投资与三大产业之间格兰杰因果关系检验

4结论

1)三大产业增长与公路交通基础设施投资之间表现出一种长期均衡的关系，公路交通基础设施投资能够促进区域产业经济的发展。经济带沿线公路交通基础设施投资每增加1%，第一产业增加0.061 32%，第二产业增加0.163 06%，第三产业增加0.091 27%；公路交通基础设施投资对沿线第二产业推动作用最大、第三产业次之、第一产业最小。

2)第二产业很大程度上能够带动公路交通基础设施的投资力度，他们之间表现为双向的因果关系；公路交通基础设施投资对第一产业、第三产业的促进作用是单向的。

3)公路交通基础设施投资对产业经济的作用有一定的时滞或周期，时滞在2~3 a，因此公路交通规划的实施应超前2~3 a为宜。

参考文献:

[1] Samimi R．Road energy transport energy in Australia: a cointegration approach[J]．Energy Economics, 1995,17(4): 329-339.

[2] Ramanathan R．The long-term behaviour of transport performance in India: a cointegration approach[J]．Transportation Research Part A: Policy and Practice，2001，35( 4) : 309-320．

[3] 林航飞，罗宇龙．上海市公路货运量与经济增长关系的协整分析[J]．同济大学学报(自然科学版)，2008，36(10)：1378-1883．

LIN Hangfei， LUO Yulong． Cointegration on relationship of Shanghai road freight traffic volume and economy growth[J]．Journal of Tongji University ( Natural Science), 2008，36(10)：1378-1883．

[4] 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，2011，2(10)：147-152．

YANG Fan，HAN Chuanfeng． Empirical analysis of the relationship between China’s transport infrastructure and economic growth[J]．China Population·Resources and Environment，2011，2(10)：147-152．

[5] 叶昌友，王遐见．交通基础设施、交通运输业与区域经济增长—基于省域数据的空间面板模型研究[J]．产业经济研究，2013，4(2)：40-47．

YE Changyou，WANG Xiajian．Transport infrastructure, transport and regional economic growthbased on provincial spatial panel data model[J]．Industrial Economics Research，2013，4(2)：40-47．

[6] 刘育红．“新丝绸之路”经济带交通基础设施、空间溢出与经济增长[D]．西安：陕西师范大学，2012．

LIU Yuhong．Transportation infrastructure, spatial spillover and economic growth of the "New Silk Road" economic belt[D]．Xi’an：Shaanxi Normal University，2012．

[7] 孙敬水．计量经济学[M]．北京:清华大学出版社，2004．

SUN Jinshui．Econometrics[M]．Beijing: Tsinghua University Press，2004．

[8] 古扎拉蒂．计量经济学基础[M]．林少宫，译．北京：中国人民大学出版社，2005.

GU Zhaladi．Basic Econometrics[M]．LIN Shaogong，Trans. Beijing: Renmin University of China Press，2005．

[9] Dritsakis N．Cointegration analysis of German and British tourism demand for Greece [J]. Tourism Management，2004，25(1)：111-119．

[10] 张晓峒．计量经济学软件Eviews使用指南[M]．天津：南开大学出版社，2003．

ZHANG Xiaodong．Guidance of econometric software eviews[M]．Tianjin: Nankai University Press，2003．

[11] 易丹辉．数据分析与Eviews应用[M]．北京：中国统计出版社，2002．

YI Danhui．Data analysis and eviews application[M]．Beijing: China Statistics Press，2002．

[12] 高铁梅．计量经济分析方法与建模[M]．北京：清华大学出版社，2006．

GAO Tiemei．Econometric methods and modeling[M]．Beijing: Tsinghua University Press，2006．

[13] Engle R F，Granger C W J．Cointegration and error correction: representation, estimation, and testing [J]．Econometrica，1987，55(2)：251-276．

[14] 卜军峰．我国交通与经济发展关系的协整分析及实证研究[D]．天律：天津大学，2005．

BU Junfeng．The empirical analysis on the relationship between transportation and economy in China: a coinregration approach[D]．Tianjin ：Tianjin University，2005．

[15] 卢毅，彭伟，郭钰，等．公路货运量与燃油价格的动态协整分析[J]．铁道科学与工程学报，2010，7(5)：109~112．

LU Yi，PENG Wei，GUO Yu，et al．The dynamic coinregration analysis on freight volume and fuel oil price[J]．Journal of Railway Science and Engineering，2010，7(5)：109~112．

[16] 徐海成，李健，杨艳．中国公路交通与经济发展关系的实证研究[J]．长安大学学报(社会科学版)，2007，9(2)：1671-6248．

XU Haicheng，LI Jian，YANG Yan．Empirical analysis on the relationship between China’s highway transport and economic development[J]．Journal of Chang’an University(Social Science Edition) ，2007，9(2)：1671-6248．

(编辑蒋学东)

Cointegration analysis between highway investment and optimization of industrial structure——taking "New Silk Road" economic belt as an exampleLEI Tian，XU Jinliang，SHAN Donghui，JIA Xingli

(Key Laboratory for Special Area Highway Engineering of Ministry of Education, Chang’an University,

Xi’an 710064，China)

Abstract：Based on the time series data, the relationship between highway investment and optimization of industrial structure along the“New Silk Road” economic belt is studied by means of Cointegration theory, VAR model and Granger causality test. The results show that there is a long-run equilibrium relationship between three kinds of industrial growth and highway investment; highway investment can largely be driven by the secondary industry and there is a two-way causality relationship between them; the promotion of highway investment on the primary industry and the tertiary industry is the one-way effect. What's more, there is a certain time lag or cycle of the effect of highway investment on industrial structure, which seems to be about 2~3 years.

Key words：highway investment; industrial structure; co-integration analysis; Granger causality test; "New Silk Road" economic belt

中图分类号：U412.1

文献标志码：A

文章编号：1672-7029(2016)01-0187-09

通讯作者：雷天(1991-)，女，陕西安康人，博士，从事道路与铁道工程研究；E-mail: 429121447@qq.com

基金项目：交通运输部西部交通建设科技资助项目(2011318362810)

收稿日期：*2015-06-21