交通运输效率、交通结构与经济发展

□徐玉萍 江睿智

一、引言

随着改革开放不断推进，交通运输作为国民经济基础性产业，在政策和资金的扶持下驶入“快速道”。截至2020 年年底，全国铁路营业总里程已突破14.2 万公里，公路总里程数超500 万公里。随着交通运输综合体系不断完善，人们对于物质生活需求不断提高，区域间客流增多，从而带动了经济发展。但由于运输需求不断增长，市场容量不断扩大，市场竞争不断加剧，导致各种运输方式承担的运量差异过大而引起运输结构失衡；不合理的运输组织间接增加了额外经济支出[1]；部分城市交通运输未结合当地资源，产值贡献不高，地区之间经济发展差距悬殊。党的十九届五中全会提出要加快建设交通强国，以此推动经济体系优化升级；同时也提出要加快区域协调发展，鼓励东部地区加快推进现代化，促进中部地区加快崛起，加速推动西部大开发。2019年，中共中央、国务院印发《交通强国建设纲要》中提出要推动交通发展向注重质量效益转变，加强交通运输方式一体化融合。因此，在“交通强国”大背景下，如何有效测度东、中、西部地区交通运输效率，分析交通运输相关因素对区域经济发展影响，提出加快区域交通与经济协调发展建议，成为现阶段亟待探讨的问题。

二、文献回顾

目前，国外学者大多从定量角度来分析交通运输与经济发展关系。Banerjee 等人[2]（2012）估算了交通运输网络对中国经济的影响，提出要加大基础设施投入力度的建议。Hakim 等人[3]（2016）和Ferrar 等人[4]（2019）分别利用协整检验、TSCS 方法、内生增长模型等方法分析了相关变量之间的关系。Mohmand 等人[5]（2020）和Alam 等人[6]（2020）则运用Granger 因果检验、ARDL 和VECM 模型以巴基斯坦为研究对象进行实例探究，结果显示二者间存在长期双向因果关系。José 等人[7]（2020）使用网络均衡模型模拟出铁路运输网加入新线后货物运输成分效益，得出新线的投入会通过降低环境污染来提升经济发展水平。

国内学者研究角度则更全面，樊一江[8]（2018）定性分析了运输与经济深度融合的意义和途径，提出要强化运输方式间衔接的建议；吴建军[9]（2020）定性分析了公路运输和区域经济的潜在关系，提出二者协调发展策略。而何满喜[10]（2014）运用定性与定量相结合方法，总结出浙江省交通运输与经济发展存在推拉效应。罗文慧等人[11]（2017）构建了交通与经济协同发展动态评价模型，提出加大交通运输基础投资和优化运输结构的建议；蔡婉华[12]（2017）等人使用面板协整检验和PVAR 模型对中国各省（市、区）交通、经济和环保数据进行了研究；杨志伟等人[13]（2020）运用DID 模型来研究高铁、大都市政策对区域经济的影响，结果显示二者联合作用刺激经济增长的效果优于单一作用的效果。

由于上述研究仅集中在基础设施或单一运输方式与经济发展之间的关系探讨，且未考虑交通运输系统内部因素作用关系，因此，本文从协调发展视角出发，运用PVAR 模型来综合分析交通运输效率、交通结构均衡度和经济发展变量相互作用关系，以助力综合运输体系和经济高质量持续发展。

三、理论基础与方法

（一）三阶段DEA 模型的引入与改进

数据包络分析法（Date Envelopment Analysis，简称DEA），因其不需要对相关指标赋予权重[14]，所以能客观地反映决策单元（Decision Making Units，简称DUM）实际状态而广泛运用，如赵静等人[15]（2017）运用其对我国规模企业技术溢出效率进行测算。

1.模型的引入

假设有n 个DMU，每个DMU 有p 种投入指标和q 种产出指标，用u 和v 分别来表示投入和产出的权重系数。由于初始构建的是分式模型，所以需要通过Charnes-Cooper 变化[16]和对偶转化成整式，引入松弛变量S+和剩余变量S-，得到如下所示的模型M1：

式中：xr0为DMUr投入情况；yr*0为DMUr产出情况；θ 为目标函数最优值；λr为最优解；L 为投入指标比重。

当θ 值为1 时，称DMU 为DEA 有效，若所有指标的S+和S-均为0，则说明技术效率和规模效率均处于效率前沿面上；若部分指标的S+或S-为0，则说明两种效率其一未在前沿面上。当θ 值小于1 时，说明两种效率均未达到效率前沿面上，DMU 不是DEA 有效。

由于DEA 模型不能直接消除随机误差与外部因素影响，所以需使用SFA 回归分析对求解结果进行外部因素和噪声的剥离，其中构建的随机前沿分析函数可表示为：

式中，Sir表示DMUr的第i 项投入松弛量；f表示外部环境对松弛量的影响，分别为环境变量和对应系数；ϑir+μir表示混合误差，其中ϑir为随机干扰影响值，μir为管理无效率值，两值均服从正态分布。

在消除外部影响过程中，需考虑管理无效率影响。罗登跃、陈巍巍等人在Jondrow 研究基础上[17]，提出使用如下管理无效率分离公式：

2.模型的改进

由于传统三阶段DEA 模型的第二阶段投入值调整会存在调整幅度过大或与实际最优不符等情况，基于前人研究对第二阶段改进，引入外部影响程度ξ，调整公式如下：

3.指标体系的构建

（1）投入指标。交通运输的投入包含人力、物力与财力，人力即为交通运输从业人员数；物力则为交通运输功能设施和能源投入；财力则为交通运输发展投资。由于部分功能服务设施不能被完全统计，且各种运输方式线路建设标准不一，所以选取路网换算运输里程规模和运输能源消耗量作为物力方面的投入指标。

（2）产出指标。交通运输既服务人民生活，也推动经济发展，故从运能和经济两方面选取指标。将各种运输的客、货运输周转量按换算标准折算累加成总换算周转量，更具综合性；选取当年交通运输产业GDP 贡献值作为产出指标，体现了交通对地区经济直接作用效果。

（3）外部影响指标。经济提升会带动居民消费，激起交通运输内生发展；产业间相互作用及地区资源依托状况、城市容量问题也会影响交通发展，故选取居民人均可支配收入、第三产业发展比重和城市建设用地面积作为外部影响指标。

表1 交通运输效率评价指标体系

（二）熵理论的运用

随着一些经济学家将熵理论引入到统计学中，熵的概念得以完善与发展，如董彬等人[18](2017)运用该理论计算了我国综合运输结构信息熵和均衡度，冯叔君[19]（2020）计算了“一带一路”沿线国家和地区各种产业区位熵值。假设A 事件为测度对象，事件有n 项指标内容，则熵值计算公式为：

式中，k 为恒定值（一般取1），Hn≥0。假若pi=0，则规定0log0=0；当且仅当p1=p2=...=pn=1/n 时，H 取最大值为logn。

根据热力学原理推广可得到交通结构均衡度J 的计算公式为：

J 值越大，运输结构就越均衡；当且仅当各种交通运输表达内容相同时，整体运输结构达到最均衡状态，此时J 值为1。

（三）面板向量自回归模型的实现

为分析指标相互间关系，采用经济学中的向量自回归模型（Vector Autoregression，简称VAR）来研究，通过计算线性组合中指标变量系数[20]，得出指标影响比重。考虑到时空维度及个体差异问题[21]，需使用PVAR模型来进行动态关系分析，模型表达为：

式中，Yi，t表示为i 向量在t 时间的内生列向量，Ci，t为常数项，为内生列向量的系数矩阵，Yi，t-j为Yi，t的j 阶滞后项，αi，t、βi，t和μi，t分别为个体固定效应向量、时间效应向量和随机扰动项。

由于PVAR 模型固定效应和时间效应数据获取困难，可通过前向差分或均值差分方法消除上述效应影响。为判断该模型是否适用，还需进行相关变量置信度检验。

四、实证分析

（一）数据说明

由于个别省（自治区、市）原始数据缺失，故选取2011-2019 年我国东部8 个省市（北京、河北、山东、江苏、上海、福建、广东和海南）、中部6 个省（山西、河南、安徽、湖北、湖南和江西）、西部8 个省区（内蒙古、广西、四川、贵州、云南、陕西、甘肃和青海）及全国平均的交通发展相关数据进行研究，数据均来源于《中国统计年鉴》、各省（自治区、市）《统计年鉴》和《国民经济和社会发展统计公报》等。

（二）东、中、西部地区交通运输效率测度结果分析

基于上述各省（自治区、市）投入产出数据，使用DEAP 2.1、FRONTIER 4.1 软件测算出交通运输效率，历年的交通运输综合技术效率值见表2。

由表2 可知，东部地区的交通运输效率值普遍较高，中部地区次之，西部地区大部分较差。以上海市为代表的经济发展强劲地区，每年综合技术效率值处在前沿面上，交通发展处于领先地位。福建省因海峡西岸经济区建设而逐渐规模化，交通运输效率大幅提升。中部的山西省煤矿资源丰富，且该省重视当地交通发展质量，促进了交通运输效率值的提升。江苏省近几年交通运输就业人数和换算周转量有些降低，导致该地区交通运输效率值下降。西部的贵州省2013、2018 和2019 年交通运输效率值偏低，2013 年是因为剔除外部环境影响后，就业人员数调整增长了16%，在产出值不变的情况下，效率值会明显降低；2018 年是因为交通产业GDP 贡献值较上年降低了39%；2019 年则是因为换算周转量下降了24%，在投入值稳步增长的情况下，效率值会明显降低。东部的海南省、中部的湖北省和西部多数省（自治区）交通运输效率值偏低，说明上述省（自治区）在区域协调发展过程中，交通运输发展有待加强。

表2 2011-2019 年东、中、西部地区各省（自治区、市）交通运输综合技术效率值

（三）基于PVAR 模型的变量间发展实证分析

1.模型检验与估计结果

选取2011-2019 年三个地区交通运输效率值、交通结构均衡度和国民经济发展作为模型面板数据变量，利用Stata 15 软件进行LLC 平稳性检验，检验结果拒绝原不平稳假设，故数据是平稳的。随后采用AIC、BIC 和HQIC 三种信息准则对滞后阶数进行测算，结果见表3。

根据表3 结果和信息准则适配性原则，滞后1 期最优。仅需用均值差分法消除模型产生的时间效应，随后利用GMM 矩估计对参数模型进行估计，估计结果见表4。

表3 滞后阶数确定

表4 模型GMM 矩估计结果

根据表4 结果可知，交通运输效率与交通结构均衡度之间存在不显著影响；国民经济发展对交通运输效率、交通结构均衡度影响均为正，表明经济发展会推动交通运输水平整体提升。

2.脉冲响应与方差分解分析

为验证变量间相互作用关系，再次利用Stata 15 软件进行1000 次Monte-Cario 实验，得到如图1 所示的脉冲响应函数图。

图 模型脉冲响应函数图

通过对脉冲响应情况分析，可得：

（1）对于交通运输效率（te）而言，当受到交通结构均衡度冲击时，产生的影响为负，在第1 期达到负向最大，于第6 期趋于0，表明交通结构均衡化发展对交通运输效率提升有短期抑制作用；当受到国民经济发展的冲击时，会产生持续的正向影响，在第2 期达到正向最大，于第8 期趋于0，表明国民经济发展的提高对交通运输效率提升有长期促进作用；当受到自身冲击时，当期达到最高值，随后急剧下降，于第7 期趋于平稳，说明中短期内，往期交通运输效率提升能带动当期的效率提升。

（2）对于交通结构均衡度（edts）而言，当受到交通运输效率冲击时，滞后期脉冲响应值为0，表明交通运输效率对交通结构均衡未有影响；当受到国民经济发展冲击时，当期会产生微弱负向影响，紧接着转为正向影响，于第2 期达到最大，随后逐渐减弱，表明国民经济发展的提高对交通结构均衡促进效用明显；当受到自身冲击时，当期就达到最大值，第5 期后为0，表明在中短期内，交通结构均衡度滞后前期对后期存在促进作用。

（3）对于国民经济发展（gdp）而言，当受到交通运输效率冲击时，产生的影响为正，第7 期影响基本消失，表明短期内交通运输效率提升能刺激国民经济发展的提高；当受到交通结构均衡度冲击时，脉冲响应基本可视为0，表明交通结构均衡度对国民经济发展未有影响；当受到自身冲击时，当期就达到正向最大，随后逐渐下降，表明往期国民经济发展始终会刺激未来国民经济发展的提高。

为了进一步剖析三个变量间相互影响大小，利用方差分解得到预测误差均方差贡献比例，向前作17 期后结果基本稳定。从方差分解结果来看，交通运输效率的方差分解值基本来自于自身，说明交通运输效率基本受自身惯性影响；交通结构均衡度方差分解17 期后来自于自身贡献占92.4%，交通运输效率贡献为7.6%，说明交通结构均衡度自身惯性影响尤为明显，但交通运输效率也会在一定程度上对其产生影响；国民经济发展方差分解1 期时，受自身影响最大，贡献率为87.5%，但随着期数增加，交通运输效率和交通结构均衡度对其的贡献度逐渐增加，第17 期较第1 期分别增长15.8%和16.9%，此时交通结构均衡度贡献是交通运输效率贡献的1.8 倍，这说明交通运输效率和交通结构均衡度均对提高国民经济发展有促进作用，其中交通结构均衡化发展作用更加明显。

五、主要结论与对策建议

（一）主要结论

本文利用改进的三阶段DEA 模型，研究得出我国东部地区交通运输效率值普遍较高，中部地区次之，而西部地区偏低。中部的安徽省“十二五”期间已达到东部经济领跑省（市）交通运输效率水平，而近3 年效率值下降，需注意交通运输投入和内部结构调整的问题；西部地区则需要加大交通运输规模，提升整体交通发展。随后，运用PVAR 模型综合分析出交通运输效率、交通结构均衡度和国民经济发展间关系：（1）交通运输效率正作用于交通结构均衡度，交通结构均衡度负作用于交通运输效率，但二者作用微弱可忽略为0；（2）交通运输效率与经济发展存在双向正作用，且经济发展产生的正向影响更显著；（3）国民经济发展对交通结构均衡化发展仅有单向正作用。

（二）对策建议

1.补足发展短板，缩短区域差距，达到整体协调。从各省（自治区、市）交通与经济发展来看，西部地区发展起步晚，因此需要着力补足自身交通短板，强化内外联通通道建设，如陆海新通道等；同时，需要加大对外开放力度，不断完善成渝双城经济圈等建设，并在投资驱动的带动下，加强地区交通基础设施建设。中部地区需提高贯通南北、连接东西的通道能力；加快推进中部地区交通运输重点项目施工，如沿江高铁（武汉至宜昌段），促进交通运输发展；加快建设多个城市集群，如大南昌都市圈等，打造内陆开放型经济试验区。东部地区则需进一步优化交通运输结构，打造京津冀协同发展交通体系，强化网络衔接，构建协调化港口群，从而加强地区交通与经济联络，提升整体发展水平，使得地区协调发展。

2.调整运输配置，减少能源消耗，增加运输供给。在各种运输方式运力富余的情况下，推进货物运输朝“公转铁、公转水”方向发展，可避免公路单一运输方式载荷过大而导致资源浪费。为适应运输需求不断增加的新常态，还需加强运输供给侧改革，提升各类运输服务质量并优化其组织结构，完善综合交通枢纽基础设施建设，重视运输协同效用，挖掘运输服务潜能，增强交通供给能力。

3.扩大交通规模，转移枢纽功能，提高运输效率。通过对各省（自治区、市）交通运输效率组成分析，海南省和青海省这些年交通运输体系未成规模，规模效率值偏低，交通运输发展有待提升，需要加大交通运输规模建设投入。江苏省近几年交通运输效率下滑，可以通过打造江阴港、建设新锡快速路等扩大枢纽辐射规模提升运输效率。对于纯技术效率偏低、运输枢纽中转能力较弱的省（自治区、市），可考虑将部分枢纽功能转移或新建交通枢纽，如湖南省在强省会战略背景下将部分长沙枢纽功能转移至株洲、湘潭，刺激需求转移与增加，从而提高整体运输效率。

4.制定有效政策，对接市场需求，避免负向作用。部分城市急于提升交通运输发展水平，在政策制定中未充分考虑发展的阶段性、局限性问题，交通运输结构调整过快，配套发展跟不上，导致经济增长减速。交通运输供需关系随社会经济发展而变化，一味追求运输结构均衡，会导致优势交通作用发挥不完全，影响经济发展，因此运输结构要与市场需求相结合，避免交通过度均衡产生的负作用。