基于DSGE的河南省交通运输供给侧结构改革模型体系与预测

姜照华， 马 娇

(大连理工大学 科学学与科技管理研究所，辽宁 大连 116024)

一、引言

在经济新常态下，工业化、信息化、农业现代化和城市化等随机冲击逐渐成为区域交通运输供给侧结构改革的重要推动力，为了深入探索随机冲击带来的影响，本文采用动态随机一般均衡(Dynamic Stochastic General Equilibrium，DSGE )模型体系框架方法，来构建河南省交通运输供给侧结构改革体系模型，进行方差分解和模拟仿真分析，分析河南省交通运输供给侧结构改革体系中状态变量和控制变量对上述随机变量的响应程度，并完成中长期预测。

DSGE模型的最早雏形是Kydland和Prescott在1980年提出的实际经济周期(Real Business Cycle,即RBC)模型，并利用该模型得出了生产率冲击波是经济波动的主要根源的结论[1]。 Peter N.Irelend将DSGE模型与多变量自回归时间序列模型(VAR)相结合，来解释美国战后的经济总产出和就业波动情况[2]。Frank Smets 等建立DSGE模型，估计了1974—2002年间美国及欧洲经济体的震荡和摩擦形态[3]。DSGE模型是在不确定环境下研究经济的一般均衡问题，已经成为近年来的研究热点，其显性建模框架、理论一致性、微观和宏观的完美结合、长短期分析的有机整合等独特性日益受到青睐，并渐渐运用到众多领域。

刘斌将DSGE模型运用在宏观经济及货币政策分析方面，针对我国的实际国情，建立了一个带有“金融加速器”的开放经济DSGE模型，并基于全国数据，采用Bayes技术对模型进行估计，通过DSFE模型来分析政策[4]。黄志刚运用DSGE模型来分析加工贸易部门的汇率传递效应，结果发现进口中间投入品、出口最终消费品的加工贸易部门对于汇率传递和贸易平衡具有重要影响。在价格和工资粘性下,汇率变动对一国国内价格的传递表现出对进出口价格传递快、对生产者价格和消费者价格传递慢的特征[5]。刘建华等将动态随机一般均衡(DSGE)模型方法引入国家创新体系，以中国为例建立了包括企业、高校(含科研院所)、政府、金融、中介和国外六部门的国家创新体系行为模型组，并通过贝叶斯和计量经济学等方法进行参数估计，在模拟仿真和政策实验的基础上，预测中国2025年国家创新体系中主要状态变量和控制变量的发展目标，进而为我国中长期创新政策体系等的制定提供依据[6-8]。

DSGE模型逐渐受到越来越多领域的关注，但是目前很少有学者将其运用到交通运输领域。此外，现有研究多针对交通运输领域的单一方面，如交通运输投资决策模型等，对于多角度综合分析的研究并不完善。本文从动态性出发，严格遵循一般均衡理论，将DSGE模型运用到河南省交通运输供给侧结构改革体系中，通过状态变量、控制变量和随机变量等建立了21个模型组，以期深入探索和分析河南省供给侧结构改革体系。

二、数据来源与H-P滤波分析

(一)数据来源

数据主要来源于《中国统计年鉴》《中国科技统计年鉴》《河南统计年鉴》和《河南科技统计年鉴》。其中涉及固定资产存量1个状态变量，公路水路就业、公路水路就业者受教育年限、公路水路科技经费、公路水路投资、民用汽车拥有量、公路通车里程、交通运输能源消耗、交通运输增加值、公路水路客运周转量、公路水路货运周转量10个控制变量，工业化(第三产业所占比例)、城市化、信息化指数、农业现代化、金融机构中长期贷款、国内生产总值、常住人口、电子信息产业增加值占比例、商品房销售面积、高耗能产业增加值所占比例10个随机变量。这些变量的时间跨度均为2000—2015年。其中，固定资产存量、公路水路科技经费、金融机构中长期贷款、国内生产总值、公路水路投资都是以2010年价格为基准，电子信息产业增加值所占比例、高耗能产业增加值所占比例分别指电子信息产业增加值和高耗能产业增加值占GDP的比例。

(二)变量的H-P滤波分析

利用H-P滤波方法对各变量进行滤波(分解成趋势值和波动值)分析，公路水路货运周转量、公路水路客运周转量、金融机构中长期贷款、公路水路就业者受教育年限、工业化等变量的波动值曲线十分相似，大都呈U形分布；当波动处于U型曲线底部时，除城市化和GDP两个变量的趋势值与实际值基本吻合、变化并不明显外，其它变量的实际值大多低于趋势值(2007—2012年间)，且大都在2013年后开始上升。

(三)各变量的标准差

从表1中我们可以看出各变量的波动性大小，其中第一列是变量名称及其符号，包括状态变量和控制变量，共计11个变量；第二列是对应变量波动成分的标准差结果，1%的标准差代表变量的波动成分对其趋势值的偏离度为1%。除公路水路投资、公路水路客运周转量和货运周转量、交通运输能源消耗的实际标准差值较大外，其它变量的标准差不超过14%；第三列和第四列分别是随机变量名称及其标准差值。本研究对状态变量和控制变量的模拟的标准差与实际标准差的比例平均接近60%，比较准确。一些变量由于条件限制，没有完整的时间序列数据，是根据相关材料估计的结果，影响了模拟的准确程度。

三、河南省交通运输供给侧结构改革模型体系

关于交通运输供给侧结构改革模型的研究，周虹通过剖析交通宏观经济系统运行机制，构造了一个中国交通投资决策系统动力学模型，运用模型分析了交通投资规模控制政策和投资结构控制政策，并对交通需求结构作了评价[9]；杨军强采用灰色理论分析了交通运输中出现的问题，建立相应的数学模型来分析[10]；方贵金根据系统工程和系统动力学原理，建立了由12个联立方程式组成的四川省综合运输计量经济模型，并从经济意义、统计检验、计量经济学和模型稳定性4个方面对模型进行检验[11]；陈建华在CGE(一般均衡)模型的基础上，结合交通运输行业的行业分析需要，进一步拆分现有的投入产出部门，构建了符合行业分析需求的交通运输行业CGE模型[12]。已有研究多采用系统动力模型或CGE模型，多针对交通运输领域的单一方面，对于多角度的综合分析还欠完善。

表1 各变量的标准差及DSGE模拟结果

本文结合河南省交通运输的实际情况，从DSGE模型的视角出发，建立河南省交通运输供给侧结构改革体系的模型组。其中供给侧模型包括交通运输增加值增长模型、交通运输就业模型、交通运输科技经费模型、交通运输投资模型、交通运输人力资本模型、能源消耗模型；需求侧模型包括货物周转量模型、客运周转量模型、民用汽车拥有量模型、公路通车里程模型；随机变量包括工业化、城市化、信息化、农业现代化、金融机构中长期贷款、GDP、常住人口、电子信息产业增加值占GDP比例、商品房销售面积、高耗能产业增加值占GDP比例。

(一)公路水路就业模型

城市化水平的提高增加了对物流和客流的需求量，固定资产存量提供了满足这些需求的可能，可以选用城市化(URBt)和固定资产存量(Kt)建立公路水路就业(Lt)模型，为

Lt=a1+a2·URBt+a3·Kt。

(1)

(二)公路水路就业者受教育年限模型

城市化水平的提高是提高就业者受教育年限的最重要因素，这一模型建立了公路水路就业者受教育年限(Ht)和城市化(URBt)的关系，为

Ht=a4+a5·URBt。

(2)

(三)公路水路科技经费模型

公路水路科技经费的提高，一方面来自于吸收和创新公路水路投资中的新技术的要求，另一方面是城市化、信息化等推动的结果。这一模型建立了公路水路科技经费(St)和工业化(第三产业比例)(INDt)、信息化指数(INFt)、城市化(URBt)、农业现代化(AGRt)、公路水路投资(Dt)的关系，为

St=a6+a7·INDt·INFt·URBt·AGRt+a8·Dt+a9·AR。

(3)

(四)公路水路投资模型

公路水路投资的多少，一方面是满足城市化水平等提高导致的对公路通车里程增加的需求，另一方面是以贷款增加为保证。这一模型建立了公路水路投资(Dt)和工业化(第三产业比例)(INDt)、信息化指数(INFt)、城市化(URBt)、金融机构中长期贷款(LOAt)、公路通车里程(MILt)的关系，为

Dt=a10+a11·INDt·(1+INFt)·URBt·LOAt+a12·MILt+a13·MILt2。

(4)

(五)民用汽车拥有量模型

这一模型建立了民用汽车拥有量(CIVt)和公路水路客运周转量(PTt)、公路水路货运周转量(TGt)、城市化(URBt)、国内生产总值(GDPt)的关系，为

log CIVt=a14+a15·log(PTt·TGt)+a16·log(URBt·GDPt·URBt)+a17·AR(1)。

(5)

(六)公路通车里程模型

这一模型建立了公路通车里程(MILt)和民用汽车拥有量(CIVt)、城市化(URBt)、常住人口(POPt)的关系，为

MILt=a18+a19·GIVt/POPt+a20·CIVt·URBt。

(6)

(七)交通运输能源消耗模型

这一模型建立了交通运输能源消耗(包括铁路航空)(ENEt)和信息化指数(INFt)、国内生产总值(GDPt)、公路水路科技经费(St)、常住人口(POPt)、固定资产存量(Kt)的关系，为

ENEt=a21+a22·GDPt/POPt+a23·INFt·St/Kt。

(7)

(八)交通运输增加值模型

按照经济增长的共协理论，这一模型建立了交通运输增加值(Yt)和公路水路投资(Dt)、公路水路就业者受教育年限年(Ht)、固定资产存量(Kt)、公路水路就业(Lt)、公路水路科技经费(St)的关系，为

Yt=a24(Lt·Ht)α·(St·Dt)β+a25·Kt-1+a26·Ht·Dt/Kt-1+a27·Ht·Dt/Lt+a28·St。

(8)

(九)公路水路客运周转量模型

这一模型建立了公路水路客运周转量(PTt)和常住人口(POPt)、城市化(URBt)、国内生产总值(GDPt)、电子信息产业增加值占GDP的比例(ELEt)、固定资产存量(Kt)的关系，为

PTt=a29+a30·ELEt·GDPt/POPt+a31·URBt·Kt。

(9)

(十)公路水路货运周转量模型

这一模型建立了公路水路货运周转量(TGt)和商品房销售面积(AREt)、城市化(URBt)、交通运输能源消耗(ENEt)、国内生产总值(GDPt)、电子信息产业增加值所占比例(ELEt)、高耗能产业增加值所占比例(HECt)、固定资产存量(Kt)的关系，为

TGt=a32+a33·AREt·ENEt+a34·GDPt·HECt/(URBt·ELEt)+a35·GDPt·Kt/Kt-1。

(10)

四、DSGE模型框架

在上述模型的基础上，建立河南省交通运输供给侧结构改革DSGE模型的总体框架

(11)

(12)

(13)

(14)

(15)

(16)

(17)

(18)

(19)

(20)

(21)

其中，式(11)代表三个主要优化目标：第一个目标是公路水路货运周转量TGt最大化；第二个目标是公路水路客运周转量PTt最大化，这是交通运输需求的主要目标；第三个目标是交通运输能源消耗ENEt的数量最小化。在式(11)中，E表示预期，βt是贴现因子，TGt代表公路水路货运周转量，PTt是公路水路客运周转量，ENEt是交通运输能源消耗，η和ε都表示企业的相对风险规避系数，η>0，1/η表示所使用的创新费用的跨期替代弹性；θ代表能源消耗的相对权重系数。

根据式(11)和式(10)，可以构建拉格朗日函数表达式，如下

优化求解，得

(23)

(24)

进而得到求解结果为

λt=TG-ε，

(25)

θ=a33λt·AREt·ENEt。

(26)

根据式(12)和式(21)，以及各个状态变量和随机变量，推导出各个控制变量的预测模型。最终，式(1)至式(21)共同构成了河南省交通运输供给侧结构改革体系完整的DSGE模型框架。

五、模型求解与参数估计

(一)模型线性化

式(12)是河南省交通运输供给侧结构改革的DSGE模型框架，但是因为是非线性模型组，不方便直接求解，将非线性模型转化为线性模型。采用Harald Uhlig提出的对数线性化方法[13]，对于一个变量Xt，定义Xt=X(1+xt)。其中X表示Xt的趋势值，xt表示变量的波动值。由于波动值xt接近0，可以近似替换为ext=1+xt。这种方法避免了复杂繁琐的求导过程，直接用变量替换的形式，易于操作和机械化。

(二)参数估计

首先，根据式(10)(16)(17)，得到ε=0.5342，θ=0.000 034 7。由于控制变量模型的参数比较稳定，采用计量经济学的方法来测算，得到若干参数值的估计结果，见表2。

对于随机变量模型的参数确定，本文采用贝叶斯方法来估计。贝叶斯方法可以将参数的先验信息和样本信息结合起来。先验分布设定了参数的可能取值，来自于模型自身的稳态条件或者过去的经验[14-17]。先验分布和似然函数结合，得到参数的后验分布函数，模型的检验和评估通过后验概率进行。根据贝叶斯方法，通过OpenBUGS软件编程，得到随机变量模型参数的估计结果，见表3。

(三)方差分解

在参数估计的基础上，对式(13)构成的模型体系，利用MATLAB的DYNARE软件来求解。并且在此基础上，通过DYNARE软件的方差分解方法，分析各随机冲击对状态变量和控制变量的波动值对趋势值偏离的影响程度，结果见表4。

表2 若干参数值的计量经济学测算

表3 随机变量模型的若干参数的贝叶斯估计结果

表4 各随机冲击对状态变量和控制变量的波动值对趋势值偏离的影响程度的方差分解 %

从表4可以看出，在河南省交通运输供给侧结构改革DSGE模型中，商品房销售面积变量十分重要，固定资产存量的92.4%、公路水路就业的92.20%、公路水路货运周转量的99.87%都是由此引起。商品房销售面积可以看作房地产业发展的指标，很大程度上影响着一个地区交通运输的固定资产投资情况和就业情况；公路水路就业者受教育年限取决于本地区的城市化水平；就公路水路科技经费而言，工业化水平、信息化水平和农业现代化水平是其主要影响因素；公路水路投资主要受工业化水平及金融机构中长期贷款的影响；GDP和商品房销售面积是公路通车里程、交通运输能源消耗和民用汽车拥有量的主要拉动力；交通运输增加值主要受金融机构中长期贷款和商品房销售面积的影响；对于公路水路客运周转量而言，GDP和电子信息产业增加值所占比例是主要的影响要素。

六、模拟仿真分析

(一)全部随机变量的组合冲击对状态变量和控制变量的影响

分析在工业化、国内生产总值、城市化和商品房销售面积1%的冲击，信息化指数、金融机构中长期贷款、电子信息产业增加值所占比例1.5%的冲击，以及常住人口、高耗能产业增加值所占比例和农业现代化0.5%的冲击下，各个状态变量和控制变量的响应情况。可以发现控制变量和状态变量都对随机变量组合冲击产生了波动响应，尤其是在2～3年内响应迅速，随后逐步趋于平稳。除交通运输能源消耗对组合冲击产生了负向的响应外，其它变量都产生了正向的响应。其中，交通运输增加值波动响应的最大值接近4%，公路水路就业波动响应的最大值为0.7%左右，剩余变量波动响应的最大值为2%左右。

(二)“四化”波动对状态变量和控制变量的影响

分析在工业化、城市化1%的冲击，信息化指数1.5%和农业现代化0.5%的组合冲击下，交通运输能源消耗、公路水路投资、公路通车里程和公路水路货运周转量产生了负向的响应，其中公路水路投资波动响应的最大值为3%以上，公路通车里程和公路水路货运周转量波动响应的最大值为2%左右。除交通运输能源消耗、公路水路投资、公路通车里程和公路水路货运周转量产生负向的响应外，其它变量都产生了正向的响应，其中固定资产存量、公路水路科技经费波动响应的最大值为2%，交通运输增加值波动响应的最大值为4%，而公路水路就业、民用汽车总量、公路水路就业者受教育年限和公路水路客运周转量波动响应的最大值不超过1%。以上所有控制变量和状态变量对随机变量组合冲击产生的波动响应都是在2～3年内响应迅速，随后逐步趋于平稳。

(三)商品房销售面积对状态变量和控制变量的影响

分析在商品房销售面积1%的冲击下，状态变量和控制变量产生的响应，可以发现，除公路水路就业者受教育年限没有响应，公路水路投资和公路水路科技经费产生了远不足1%的负向响应外，其余变量都产生了正向响应。其中除公路水路投资波动响应的最大值为7%左右外，其余变量波动响应的最大值都不超过3%。

七、河南省交通运输供给侧结构改革体系的前景预测

在模拟仿真基础上，利用DSGE模型组式(12)至式(17)，可以预测随机变量、状态变量和控制变量，结果见表5和表6。首先,根据各个随机变量的趋势模型可以得到随机变量到2025年的预测值，同样可以得出状态变量的预测模型。然后可以测算出各个控制变量的预测模型：根据模型(1)，通过URBt和Kt预测Lt；根据模型(2)，通过URBt预测Ht；根据模型(9)，通过URBt、Kt、POPt、GDPt和ELEt预测PTt；根据模型(10)，通过Kt、GDPt、ELEt、URBt、HECt、AREt、ENEt和参数ε、θ来预测TGt；根据模型(5)，通过GDPt、URBt、TGt、PTt预测CIV；根据模型(6)，通过URBt、CIVt、POPt、CIVt预测MILt；根据模型(4)，通过URBt、LOAt、INFt、INDt、MILt预测Dt；根据模型(3)，通过AGRt、URBt、INFt、INDt、Dt预测St；根据模型(7)，通过Kt、INFt、POPt、GDPt、St预测ENEt；根据模型(8)，通过以上所有变量预测Yt。

公路水路就业、公路水路客运周转量和公路水路就业者受教育年限的预测模型也可以通过随机变量完全解出；然后通过参数估计结果可以解出货物周转量的预测模型；接着根据货物周转量、公路水路客运周转量以及各随机变量可以求出民用汽车拥有量的预测模型，根据民用汽车拥有量和各随机变量可以求出公路通车里程的预测模型，根据公路通车里程和各随机变量可以求出公路水路投资的预测模型，根据公路水路投资和各随机变量可以求出公路水路科技经费的预测模型，根据公路水路科技经费和各随机变量可以求出交通运输能源消耗的预测模型；最后可以求出交通运输增加值的预测模型。

八、结语

通过H-P滤波分析，发现公路水路货运周转量、公路水路客运周转量、金融机构中长期贷款、信息化指数、公路水路就业者受教育年限、工业化等变量的波动值曲线十分相似，大都呈U形分布；当波动成分处于U型曲线的底部时，2004—2012年间变量实际值大多低于趋势值，且真实值大都在2013年后开始超过趋势值。这说明2004年以前是河南省公路水路发展的高潮时期，2004—2012年是相对的低潮时期，2013年以后则进入了一个新的相对高潮时期——相对于其他基础产业和整个经济，重新拾起先行发展之势。但与上一次高潮时期不同的是，当前交通运输的先行发展是建立在投资和创新双驱动转型发展的基础上，而不是单纯的创新驱动。

表5 各随机变量2016—2025年的预测值

表6 状态变量和控制变量2016—2025年的预测值

适应河南省交通运输供给侧结构改革的需要，本文构建了公路水路就业模型、公路水路就业者受教育年限模型、公路水路科技经费模型、公路水路投资模型、民用汽车拥有量模型、公路通车里程模型、交通运输能源消耗模型、交通运输增加值模型、公路水路客运周转量模型、公路水路货运周转量模型共11个模型，将其与随机变量的波动模型、预期效用函数结合，共同构建了河南省交通运输DSGE模型体系的基础。并进行模型求解，通过计量经济学方法和贝叶斯方法进行参数估计，进一步丰富和发展交通运输经济学和相关理论方法。

通过方差分解来研究随机变量冲击对状态变量和控制变量的影响程度，发现商品房销售面积是固定资产存量、公路水路就业、公路水路货运周转量的主要拉动力；公路水路就业者受教育年限完全取决于本地区的城市化水平；工业化水平、信息化水平和农业现代化水平是公路水路科技经费的主要影响因素；公路水路投资主要受工业化水平及金融机构中长期贷款的影响；GDP和商品房销售面积是公路通车里程、交通运输能源消耗和民用汽车拥有量的主要拉动力；交通运输增加值主要受金融机构中长期贷款和商品房销售面积的影响；对于公路水路客运周转量而言，GDP和电子信息产业增加值所占比例是主要的影响要素。

在随机变量组合冲击下，控制变量和状态变量都产生了波动响应，尤其是在2～3年内响应迅速，随后逐步趋于平稳。除交通运输能源消耗对组合冲击产生了负向的响应外，其它变量都产生了正向的响应。这说明交通运输通过供给侧结构改革、创新驱动和转型发展，可以适应和促进整个国民经济的持续中高速发展。

基于DSGE模型组，预测2025年河南省公路水路交通运输供给侧结构改革和转型发展的主要目标，表明当各个随机变量保持适当的增长趋势时，河南省交通运输的控制变量和状态变量都保持较稳定的增长趋势。其中，公路水路就业、公路通车里程等2016—2025年平均增长率在3%左右，交通运输能源消耗、公路水路货运周转量的平均增长率在5%以上，民用汽车拥有量、公路水路投资和公路水路科技经费的平均增长率超过7%。交通运输增加值年均增长率达到9%左右，与河南省GDP的比例超过4.5%，公路水路交通运输每亿元增加值的能源消耗从2016年1.4吨下降到2025年1吨左右，能源利用效率大大提高；每万居民民用汽车拥有量接近3000辆。