基于可达性的交通基础设施对甘肃省产业发展的动态关系研究

2020-02-14李子薇

价值工程 2020年1期

李子薇

摘要：交通基础设施的发展可加快生产要素的流动，是区域经济发展的重要条件。文中利用甘肃省1999-2018年各城市间最短旅行时间以及GDP、常住人口等数据，计算得出交通可达性作为表征交通基础设施的指标，并基于Arcgis克里金插值分析进行数据可视化处理。在此基础上，以第一、二、三产业的增值量为基础数据，建立向量自回归模型，利用Johansen协整检验、脉冲响应、方差分解、Ganger因果检验等方法，对甘肃省交通基础设施与产业增值间的动态关系进行分析，探寻甘肃省产业发展的规律，并据此得到相关发展建议。

Abstract： The development of transportation infrastructure can accelerate the flow of production factors and is an important condition for regional economic development. In this paper， using the shortest travel time between cities and the GDP and resident population in Gansu Province from 1999 to 1818， the traffic accessibility is calculated as an indicator to characterize the transportation infrastructure， and the data visualization processing is based on Arcgis Kriging interpolation analysis. On this basis， based on the value-added data of the first， second and third industries， a vector autoregressive model is established， and the transportation infrastructure of Gansu Province is determined by Johansen cointegration test， impulse response， variance decomposition， and Ganger causality test. Analyze the dynamic relationship with industrial value-added， explore the laws of industrial development in Gansu Province， and obtain relevant development suggestions accordingly.

关键词：可达性;交通基础设施;向量自回归模型;Arcgis;产业发展

Key words： accessibility;transportation infrastructure;vector autoregressive model;arcgis;industrial development

中图分类号：F532.8 文献标识码：A 文章编号：1006-4311（2020）01-0067-06

0 引言

《“十三五”现代综合交通运输体系发展规划》[1]的发布明确了居于服务性行业中的交通运输行业作用的不可替代性，在支持国民经济发展的产业中居于基础性、战略性地位，而进行交通运输活动的载体即为交通基础设施，基于投资建设交通基础设施的活动的进一步开展会增强生产要素在该区域的流动性，而生产要素的流动性对于区域经济发展而言其关键地位不言而喻。历来基于该领域的摸索探究基本都把要点倾力于交通基础设施建设和区域经济发展之间因与果的关联上，此方面研究由西方学者较早开展并且发现交通基础设施的投资、建设与当地的经济增长之间蕴含着的不可分割的关联关系，Aschaure[2]研究结果表明：20世纪70年代的美国，与低出生率有着密不可分的联系的正是落后的交通条件，不仅如此，美国经济发展的速度也受到落后的交通条件的制约;Phang S Y[3]以新加坡为例，提出航空与铁路基礎设施对当地经济的发展成正相关性;张学良[4]运用空间计量经济学的研究方法探求中国交通运输基础设施的投入变动所引起的区域经济增长的变动，从而衡量前者之于后者的产出弹性，得出影响区域经济发展的一个重要因素是交通的结论。在以上大多数学者的研究结论中，交通基础设施方面的投资普遍都会给予当地社会稳定以及经济繁荣正向的推动力。尽管交通基础设施投资对于区域经济的积极作用为大多数学者所认可，但是也有部分学者对此结论抱有怀疑，通过他们的研究发现在交通基础设施投资作用于经济建设时，其正向影响并不是必定产生的。例如，张光南[5]等对各地经济发展速度变慢的原因进行实证研究时发现过度投入现象和挤出效应在中国公路建设中频繁出现。随着研究的不断深入，学者们开始将着眼点放在不同交通方式上，张广海[6]分别从全域和局域角度，建立空间计量回归模型，对铁路设施对区域旅游经济的发展进行研究，对不同区域提出了相应的发展建议;肖挺[7]通过系统GMM以及门槛估计等技术方法检验我国交通基础设施建设对于分省居民消费区域流向以及消费结构的影响;杨秀云[8]立足于陕西省GDP以及铁路、公路和航空三种交通运输方式的客运周转量、货运周转量的时间序列数据，系统分析陕西省交通运输业发展与经济增长的关系，发现两者之间具有因果关系且是双向存在的，得出对地区经济增长贡献最大的运输方式为铁路运输，贡献最小的则是航空运输的研究结论。

随着我国不断加大建设高铁的程度，铁路行业随着铁路覆盖率的增加而获得了迅猛的发展，铁路营业里程于2018年底增长至13.1万公里，其中高速铁路运营里程超过2.9万公里，铁路的建设需要中央和地方政府投入大量的资金、物资和人力，因此，从实证角度出发，用定量分析的研究方法探求存在于铁路建设与区域经济发展两者之间的互馈关系的存在及作用状况，可以为区域经济的稳定和繁荣提供更加切实可行的建议。目前针对交通基础建设情况的表征主要为该地区的线网密度且大多为东部发达地区[9-10]，但该表征对于反映交通基础建设情况存在一定的局限性，因为线网密度仅仅可以反应该省的整体情况，无法显示出市域之间的联系强度，并且对于线路的速度特征无法表现，即高铁与普铁无法区分，因此而得到的结论可能会不符合实际情况，故本文以甘肃省为例用交通可达性表征交通基础建设情况，并在该数据的基础上构架var模型进行分析，并运用脉冲响应分析、方差分解、Granger因果检验等方法计算交通基础设施拉动甘肃省经济增长的具体数值，探究经济增长对甘肃省交通基础建设情况的支撑作用是否有效，两者之间保持何种的动态联系等，并针对具体情况给出合理恰当的发展建议。

1 数据的获取与处理

为了符合模型中数据量的条件，面板数据选取为甘肃省1999-2018年20年间的数据本文数据均来源于甘肃省统计年鉴、国家统计年鉴、铁路12306官网以及全国旅客列车时刻表[11]，选取甘肃省各市GDP、年末常住人口数，作为统计城市发展质量的指标，选取第一、二、三产业增值量，反应甘肃省产业的发展情况，通过铁路的相关数据查询获得甘肃省各市域之间的最短旅行时间，为可达性的计算做好基础，其中变量的描述见表1。

1.1 可达性模型的测算

1.1.1 加权平均旅行时间

1.1.2 甘肃省各城市交通可达性测算

利用公式（1），对甘肃省各城市之间的交通可达性进行测算，其中若是无直达列车则计算利用铁路中转的时间总和，若是该城市无车站（如临夏市），最短时间为列车到达临近城市时间加换乘大巴时间与大巴运行时间之和，计算结果如图1所示。利用 Arc GIS对测算结果进行反距离插值得到西北地区城市可达性空间分布格局，采用自然间断点分级法对各城市可达性值进行恰当分组，结果如图2所示。

通过图1可以看出在2010年，可达性值整体偏高，区域平均可达性值为497.3，嘉峪关、酒泉地处甘肃北部，兰新客运专线还未开通，故整體可达性较差，在2018年，区域平均可达性值为426.9，这是由于2015年兰新客运专线的开通，使得延线城市的可达性大幅提高，如定西、天水等城市可达性变化率超过30%，酒泉、兰州、张掖等城市变化率接近30%，其余延线城市也有超过15%的变化率。由于庆阳、临夏、甘南等城市未开通铁路线路，交通基础设施变化情况不明显，故在2010年-2018年中整体的可达性变化不高，但是因为临夏、甘南离兰州市等可达性较好的城市距离较近，故可达性较庆阳、平凉等城市好。

图2中由于加权平均旅行时间的定义，得分越低的城市可达性反而较好，故图中显示颜色越浅可达性越好，从图中可以看出在2018年甘肃省各城市整体可达性均有所提高，并且酒泉、嘉峪关等甘肃省北部城市颜色变化更为明显，说明在变化率上，高值区主要分布在兰新高铁沿线城市，低值区分布在无开题铁路线路城市与兰新客运专线未通过城市，说明可达性可以较好的反应交通基础建设情况，为后文的模型测算可提供依据。

1.2 数据的处理

由于计算出的可达性数据均市以城市为单位的，无法统计出甘肃省整体的情况，故采用熵权法将各市的可达性数据进行权重计算，计算结果如表2所示。

2 经济模型测算

2.1 数列的平稳性检验

为了减轻模型拟合残差的异方差问题，对四个变量进行对数化处理，这样也使得数据变得更为平稳，变量系数更易解释。处理之后的变量记为LNDYCY（第一产业增值）、LNDECY（第二产业增值）、LNDSCY（第三产业增值）、LNKDX（交通基础设施建设情况）。

“伪回归”结果会出现错误的结论，为了避免此类现象的出现，首先要进行ADF进行平稳性分析。为了确定数据的回归类型，第一步需要进行变量之间的时空序列图。通过单位根检验结果可以看出，原数列及一阶差分数列都大于1%临界值，且概率P值都大于0.01，原序列及一阶差分数列都存在单位根为非平稳数列。三个变量二阶差分数列的ADF值均小于1%临界值，且概率P值都小于0.01，二阶差分数列都不存在单位根。

2.2 VAR模型的建立以及模型稳定性检验

2.2.1 最优滞后期选择

当变量之间的协整关系不唯一时，相比于EG检验，Johansen检验的科学性更被学者认同[12]，同时由于文中选用的是 1999-2018年甘肃省交通业与产业发展的相关数据，考虑到样本量的限制，选择基于向量自回归模型（VAR）的 Johansen协整检验方法。对于VAR模型，首先需要对滞后期做出确定，通过计算得出滞后期为2期。

2.2.2 VAR（2）模型估计

因为交通可达性的值与交通基础建设情况呈反比关系，故 VAR（2）模型估计结果可知：第一产业增值、第二产业增值、第三产业增值对交通基础设施的影响系数分别为-0.207983、-0.198728和0.514705，相比第一、二产业的增速下降而言，第三产业的增值会对交通基础会产生更大的提升作用，这也与第一、二、三产业的定义相关;LNKDX（-1）、LNDECY（-1）、LNDSCY（-1）对 LNDYCY 的影响系数分别为0.373697、-0.514654、-0.125307，说明相比第三产业来说，第二产业对第一产业的影响更大;LNKDX（-1）、LNDYCY（-1）、LNDSCY对LNDECY影响系数分别为

-0.667019、-0.161027和-0.381723，说明可达性的提升对促进第二产业的发展，并且影响较为明显;LNKDX（-1）、LNDYCY（-1）、LNDECY对LNDSCY影响系数分别为

-0.121977、-0.024737、0.345389，说明交通基础设施的建设越好，第三产业的增值也越高，同时第二产业的产业增值也会促进第三产业的增值量提升，第一产业对第三产业会有微弱的负向影响，且影响系数的绝对值远小于其他指标的影响程度。

根据 VAR（2）模型整体检验结果可知，交通基础设施、第一产业增值、第二产业增值、第三产业增值的拟合度为0.927355、0.994706、0.989154、0.999203，极大似然函数值（136.0610）较大，AIC值（-11.11789）和 SC 值（-9.377148）均较小，VAR（2）模型整体拟合效果较好。

2.2.3 VAR（2）模型稳定性检验

尽管甘肃省交通基础设施与产业发展的 VAR（2）模型拟合优度较高，但该模型的稳定性还有待进一步验证。文中采用 AR 特征根图表分析检验 VAR（2）模型的稳定性，相关结果如图4所示。

LNKDX、LNDYCY、LNDECY、LNDSCY四个变量滞后2期的 VAR 模型共有8个特征根。图4可以看出每个特征根倒数模对应的点均在单位圆内，表示VAR（2）模型是稳定的。

2.3 交通基础设施与产业发展Johansen协整检验

在VAR（2）模型基础上采用迹统计量和最大特征根统计量检验变量之间的协整关系，检验模型设定为有线性确定性趋势滞后期为1期，通过协整检验结果可知，5%显著性水平下：迹统计量96.63722>54.07904、38.69230>35.19275、21.52319<20.26184、8.436038<9.164546，存在3个协整关系;最大特征值统计量 57.94492>28.58808、17.16911<22.29962，存在1个协整关系。最大特征根检验结果与迹检验结果不一致，但一般认为迹检验结果更为准确有效，因此四个变量之间存在长期协整关系。

2.4 脉冲响应与方差分解分析

2.4.1 脉冲响应

对变量进行脉冲分析，可有效的反应变量之间的动态关系，分别给四个变量一个标准差的冲击，然后得到这四个变量的脉冲响应函数图，具体如图5所示。

由圖5a可知：前两期可达性受自身冲击的作用显示出正向影响，但是作用程度呈现出减弱状态，在第3期时该正向影响转变为负向并达到负向最大，之后缓速上升并逐渐过渡到平稳状态;第一产业增值对交通基础设施的影响在前两期是正向的，第3期开始影响转换为负向，但观察其长期趋势发现，此影响被逐步削弱最终接近于零;第二产业增值对交通基础设施冲击在前6期呈现出产生正向影响的状态，此后居于主导地位的影响转变为负向影响;第三产业增值对交通基础设施的冲击又开始至结束从未改变，始终为负向影响，在第7期时影响被削弱并逐渐趋于零。由于交通基础设施的得分越低代表交通情况越好，故出现负向影响反而是促进情况。

由图5b可知：相比于其他变量，第二产业增值受第一产业增值的冲击影响最大，并且从10期的情况均为正影响，在第5期达到最大;第一产业增值对自身冲击表现为正负交替，在第4期之后成为负影响;交通基础设施与第三产业增值受到标准差冲击表现为完全正向影响，且长期存在。

由图5c可知：交通基础设施受到第三产业的冲击，呈现正向影响，但这种影响是短期的，在第9期开始逐渐趋于零;第二产业增值对于第一产业增值冲击的响应表现为先正后负，这种响应与第三产业增值冲击正好相反;第二产业增值对自身冲击主要表现为先正后负，在第8期达到由正向负的转换。

由图5d可知：第一产业增值对第三产业增值的冲击，在前6期为正影响，在第2期达到最大，之后为负影响，长期来看此影响逐渐削弱趋于零;第二产业增值对第三产业增值的冲击从第2期开始变为正影响，并且在第6期达到最大;交通基础设施与第三产业自身对第三产业的冲击始终表现为正影响，长期来看影响长期存在并较为稳定。

2.4.2 方差分解

在脉冲响应分析的基础上，进一步分析预测不同结构对LNKDX、LNDYCY、LNDECY、LNDSCY残差标准差的影响，借助方差分解来定量分析甘肃省交通业与产业相互之间的贡献程度。

由LNKDX方差分解结果可知：

交通基础设施受自身波动影响整体呈现下降趋势，下降速度由快变慢，贡献稳定在40%左右;第一产业发展对交通基础设施的波动影响从第2期的约2.9%，先小幅上升到第3期的约 10.99%，之后下降到第 12期的约9.0%，并趋于稳定;第二产业发展程度对交通基础设施冲击一直稳步上升，最终保持在48%左右，第三产业增值对交通基础设施的冲击保持在2%左右。

由LNDYCY方差分解结果可知：第一产业增值第1期就受到来自自身和交通基础设施波动的冲击，来自交通基础设施的冲击由第1期的约21.14%由降至升到第10期的约8.4%，并趋于稳定，第一产业增值受自身波动影响的冲击从第1期的约78.86%下降到第 8期的约11.94%;第二产业增值波动对第一产业增值的冲击在第3期出现较大幅度上升，之后保持在72.61%左右;第三产业增值波动对第一产业增值的冲击稳步提升，在第14期趋于稳定，保持在7.5%左右。

由LNDECY方差分解结果可知，第二产业增值在第1期就受到来自自身、第一产业、交通基础设施三方面波动的冲击：第二产业增值受自身影响从第1期的约62.72%，在第2期出现较大幅度上升，并最终稳定在82%左右;交通基础设施波动对第二产业的冲击由31.71%稳步下降至第14期的9.06%;第一产业对第二产业的冲击波动不大，稳定在4%左右;第三产业增值对第二产业的冲击稳步上升，保持在4.5%左右。

由LNDSCY方差分解结果可知，第三产业增值在第1期就受到来自自身、第一产业、第二产业和交通基础设施四方面波动的冲击：第三产业增值受自身影响从第1期的约61.44%，在第2期出现较大幅度下降，并最终稳定在30%左右;交通基础设施波动对第三产业的冲击由17.77%波动至13期的20.04%，并趋于稳定;第一产业对第三产业的冲击波动不大，稳定在1.4%左右;第二产业增值对第三产业的冲击稳步由升至降，在第6期达到冲击的峰值为62.47%，之后穩步下降，最终保持在47%左右。

2.5 Granger因果关系检验

以上通过协整检验、建立脉冲响应分析和方差分解对LNKDX、LNDYCY、LNDECY、LNDSCY四者之间的动态关系进行了定量分析，但三者之间是否存在反馈关系还需进一步检验。

2.5.1 交通基础设施与产业之间的格兰杰分析

由Granger因果关系检验结果可知：在滞后1期10%显著性水平下LNDYCY、LNDECY和LNDSCY是 LNKDX的格兰杰原因，同时LNKDX是LNDYCY、LNDECY和LNDSCY的格兰杰原因。说明第一、第二、第三产业的增值均会对交通基础设施的产生促进作用，会加强交通基础设施的建设，同时交通基础设施会拉动三次产业的发展，加快发展速度。在滞后2期10%显著性水平下LNDYCY、LNDECY是 LNKDX的单向原因，在滞后3期10%显著性水平下LNDYCY是 LNKDX的双向因果关系，在较短滞后期第一、二、三产业对于交通基础设施建设会提供支撑，长期来看交通基础设施对第一产业增长的促进作用更为明显。

2.5.2 第一、第二、第三产业之间的格兰杰分析

在滞后 1、2、3 期 10%显著性水平下LNDECY是LNDYCY和LNDSCY的单向原因，可以说明第二产业增值会同时促进第一、三产业的增值。在滞后1、2期第一产业增值是第三产业增值的格兰杰原因，在较短滞后期第一产业增值可以为第三产业增值提供支撑，长期来看第二产业增值对第三产业增长的促进作用更为明显。

3 结论与建议

3.1 结论

本文以1999-2018年甘肃省各城市的相关数据，以两城市间的最短旅行时间作为基础数据，并以此计算出各城市的可达性作为交通基础设施指标，并通过Arcgis软件进行可视化处理，在此基础上，以可达性指标与第一、二、三产业的增值量为面板数据构建VAR模型，并通过脉冲响应分析、方差分解、Granger因果检验交通业与经济增长之间是否存在动态关系以及存在何种动态关系，得出以下结论：

基于VAR模型可知，存在于铁路交通基础设施与第一、二、三产业增值之间的关系是一种长期均衡关系，除此之外，铁路交通基础设施的投资建设的增多会使得第二、三产业的增速加快，并且比之于第三产业，交通基础设施对于第二产业的影响更为明显，这与文献[13]的结果一致。

基于脉冲响应及方差分解可知，可达性受自身冲击会出现由正影响向负影响转换的过程，但是负影响系数较小，并且长期来看会趋于零;第一产业对交通基础设施的影响系数保持在9%上下，并且抑制作用会持续2期的时间，2期之后第一产业会对交通基础设施发展起长期的促进作用;第二产业增值对交通基础设施冲击表现为短暂的抑制作用，此后促进作用居于主导地位，并且第二产业在三产业中影响系数最高;交通基础设施所接受的来自于第三产业增值的冲击自始至终为促进作用。

分析格兰杰因果检验的结果可以得出以下结论，交通基础设施投资与第一、第二、第三产业发展表现出显著的Granger因果关系，且Granger因果关系的显著程度按照第一、二、三产业的顺序依次下降。Granger因果检验揭示出第一、二、三产业对交通基础设施存在一定程度的推动作用。说明良好的运输基础设施通过增加现有资源的调动和提高这些资源的生产率，使得生产能力在区域内提高，生产过程中的运输成本随着运输基础设施完善程度的提高而降低，同时运输基础设施可以通过吸引其他地区的资源来吸引区域经济增长而产生产业集聚效应，同时产业的发展会对交通提出更高的要求，从而提高交通基础设施的发展水平。

3.2 发展建议

①应结合区域经济发展不同阶段的特征以及城市特色，投资建设与区域实情以及经济发展水平相契合的交通基础设施。交通基础设施的过量的现象通常是盲目投资导致的，会产生资源闲置与浪费的连环反应，其后果是效益产出比最佳投资产出低且差距明显;另一方面，如果交通基础设施的投资建设出现供小于求的情况，区域经济发展将极有可能被抑制。

②应紧扣区域产业结构的实时变化，动态分析包括企业进入与退出、新兴产业兴起、幼小产业发展等多方面问题，构建出与区域产业结构配套并且能够使得不同运输方式的优势得到充分发挥的交通运输结构。再者，应制定有针对性的产业政策来降低区域间的要素交流壁垒以及产业的进入与退出壁垒，强化产业之间以及区域内城市之间的联系程度，使区域内形成多元化产业结构，进一步作用于交通运输的结构合理化发展。

③应关注不同运输方式对不同产业的促进作用以及区域主导产业的变更与区域产业成熟、衰减的周期，对区域产业结构的变化进行全局把握以及细节控制，构建出与区域经济发展相辅相成的交通运输结构。此外，政府还应通过产业政策积极培育新兴产业，使得知识溢出与技术创新的速度加快，发挥区域潜能以实现区域主导产业的平稳过渡。

参考文献：

[1]伊然.国务院印发《“十三五”现代综合交通运输体系发展规划》[J].工程机械，2017（04）：74.

[2]Aschaure D.A.Is Public Expenditure Productive？[J] Journal of Monetary Economics， 1989，23（2）：177-200.

[3]Phang S Y . Strategic development of airport and rail infrastructure： the case of Singapore[J]. Transport Policy， 2003， 10（1）：0-33.

[4]张学良.中国交通基础设施促进了区域经济增长吗—兼论交通基础设施的空间溢出效应[J].中国社会科学，2012（03）：60-77，206.

[5]张光南，张海辉，杨全发.中国“交通扶贫”与地区经济差距—来自1989-2008年省级面板数据的研究[J].财经研究，2011，37（08）：26-35.

[6]张广海，赵金金.我国交通基础设施对区域旅游经济发展影响的空间计量研究[J].经济管理，2015，37（07）：116-126.

[7]肖挺.交通设施、居民的消费区域流向与消费结构——来自我国省际层面的经验证据[J].财贸研究，2018，29（09）：12-27.

[8]杨秀云，程敏.陕西省交通运输业的发展对地区经济增长的贡献性分析[J].统计与信息论坛，2009，24（12）：82-88.

[9]董洪超，蒋伏心，路璐.基于DEA模型的江苏经济发展中交通基础设施的效率研究[J].经济问题探索，2017（10）：80-87.

[10]黄苏萍，朱咏.铁路、公路交通基础设施对经济增长的空间溢出效应——以长三角为例[J].华东经济管理，2017，31（11）：20-27.

[11]中国铁路总公司运输局.全国铁路旅客列车时刻表[M]. 中国铁道出版社，2015.