支线机场对区域经济高质量发展影响研究

万 旅,邵 荃,宋乘成

(南京航空航天大学 民航学院,南京 211106)

近年来,中国机场发展迅猛,2020年,我国境内运输机场数量高达241个,其中支线机场187个,干线机场54个.支线机场在数量上占全国比重超75%,但是在旅客吞吐量方面,相较于干线机场突破76 300万人次,支线机场不及9 416万人次,占全国比重尚不足11%[1].由此可见,支线机场和干线机场发展差距较大,不平衡特征明显.近几年来,在各行业积极贯彻新发展理念、推动经济高质量发展的背景下[2-4],民航业如何把握机场发展的方向和力度,促进区域经济高质量发展,受到广泛关注[5].

关于机场与区域经济发展关系的研究不断出现,研究方法有描述分析法[6]、数据包络分析法[7]、熵权法与耦合协调模型分析法[8]、指标分析法[9]、向量自回归模型分析法[10-11]、两阶段最小二乘法[12]等.研究结果上比较统一的观点是机场与区域经济发展存在密切关系,机场对区域GDP[13]、区域就业水平及产业转型升级[14]、区域人均收入[15]等具有较大影响.然而,随着经济进入高质量发展阶段,区域GDP这类单一维度的宏观经济衡量指标已经不再适用于经济发展的现实情况.

综上,机场发展不平衡的现象亟需关注,但现有关于机场与区域经济发展关系的研究主要考虑区域整体机场或枢纽机场,对支线机场关注较少,并且在中国迈入经济高质量发展阶段的背景下,之前采用单一维度指标衡量区域经济发展的方法具有局限性.因此,本文采用更为全面的区域经济高质量发展评价指标体系,构建向量自回归模型,通过协整检验、脉冲响应函数和方差分解,比较研究支线机场和干线机场对区域经济高质量发展的不同影响,以期为机场协调发展及区域经济高质量发展提供参考.

1 区域经济高质量发展评价

关于区域经济高质量发展评价,学术界已经有了一定的研究成果,本文沿用前人方法[16],结合数据可得性,从创新、协调、绿色、开放、共享5个方面建立区域经济高质量发展评价指标体系,采用熵值法计算各指标权重,得出历年各区域经济高质量发展指数.

1.1 指标体系构建

本文建立的区域经济高质量发展评价指标体系包括5个一级指标和18个二级指标,如表1所示.

表1 区域经济高质量发展评价指标体系Table 1 Evaluation index system of high-quality development of regional economy

在创新发展方面,GDP增长率用于衡量创新驱动经济的效率,研发投入强度体现了区域对研发的重视度,投资效率体现了创新技术的利用情况,技术交易活跃度反映了创新技术的成果产出情况.

在协调发展方面,需求结构体现了居民消费对区域经济的促进作用,城乡结构即城镇化率反映了区域城市化进程,产业结构即第三产业比重体现了区域产业转型升级程度,政府债务负担反映了区域经济面临风险程度.

在绿色发展方面,能源消费弹性系数反映了能源与区域经济发展关系,单位产出的废水、废气反映了区域经济发展对生态的污染程度.

在开放发展方面,对外贸易依存度、外商投资比重从进出口、利用外资角度体现了对外的开放发展程度,市场化程度从产品市场、要素市场、金融市场等角度体现了国内的开放发展程度.

在共享发展方面,劳动者报酬比重、居民收入增长弹性可以反映“两个同步”目标的实现情况,城乡消费差距体现城乡居民在经济发展下的成果共享程度,民生性财政支出比重体现了推动民生改善的力度.

该指标体系数据源于相关年份《中国统计年鉴》、《中国能源统计年鉴》、国家统计局等,部分缺失数据使用插值法补充.

1.2 熵值法基本原理

熵值法是用于判断某个指标离散程度的数学方法,通过信息熵值判断指标的有效性和价值,从而客观准确地评价研究对象.设有m个待评区域,n项评价指标,xij为第i个区域第j项指标的原始数据,形成原始指标数据矩阵Xmn,对于某项指标,信息熵越小,表明其离散程度越大,提供的信息量越大,则该指标在综合评价中所起的作用(权重)也就越大,如果某项指标的指标值全部相等,则该指标在综合评价中不起作用[17].

1.3 熵值法计算步骤

本文建立的评价体系包含18个指标,待评区域为中国31个省级行政区划单位(不含港、澳、台),利用熵值法,计算出某年度各区域经济高质量发展指数,可以客观反映当年度各区域经济高质量发展在全国所处的相对位置.熵值法计算步骤如下:

1)原始数据标准化.由于各指标量纲、数量级不同,需对原始数据作标准化处理:

正向指标标准化:

(1)

负向指标标准化:

(2)

2)计算经标准化处理后第j项指标下第i个区域的指标比重:

(3)

3)计算第j项指标的信息熵值:

(4)

4)计算第j项指标的差异系数:

gj=1-ej

(5)

5)计算第j项指标的权重:

(6)

6)计算第i个区域综合得分:

(7)

2 VAR模型实证分析

2.1 模型设定和数据说明

向量自回归模型(vector autoregression model)简称VAR模型,是为解决变量滞后项对变量本身影响问题而提出的一种简单回归模型,常被用于分析相互联系的时间序列数据,并且观察随机误差项对系统变量的动态性、时变性影响.最基本形式如式(8)所示.

yt=α0+α1yt-1+…+αpyt-p+βlxt+…+βqxt-q+ut

(8)

其中:yt、xt、α0、ut分别为内生变量、外生变量、常数项和随机误差项.p为内生变量的最优滞后期,q为外生变量的最优滞后期.

当变量数量增多,式(8)则变换成一个矩阵模型,如式(9)所示

(9)

当前,新疆是我国拥有机场数量最多的一级行政区[18],因此,本文以新疆为例,采用2001～2019年新疆区域经济高质量发展、支线机场和干线机场相关数据,建立VAR模型,通过协整检验、脉冲响应函数和方差分解分析支线机场和干线机场对区域经济高质量发展的不同影响.

基于前文构建的区域经济高质量发展评价指标体系,用熵值法计算出2001～2019年每年度各指标权重,2019年各指标权重如表1所示,接着用线性加权法计算出每年度各区域经济高质量发展指数,进而算出其增长率.

关于新疆区域经济高质量发展的度量,采用区域经济高质量发展指数增长率(QYZZL)指标;关于新疆支线机场和干线机场发展的度量,分别采用支线机场吞吐量增长率(ZXZZL)和干线机场吞吐量增长率(GXZZL)指标,吞吐量数据来自各年度我国民航机场生产统计公报.

2.2 单位根检验和协整检验

为防止虚假回归,构建VAR模型前需对变量进行单位根检验.根据ADF检验原理,利用Eviews软件分别对区域经济高质量发展指数增长率、支线机场吞吐量增长率、干线机场吞吐量增长率这三个变量进行单位根检验,结果如表2所示,变量在5%的显著性水平下均平稳,符合协整检验的条件.

表2 单位根检验结果Table 2 Unit root test results

接着为模型选择合适的滞后期,根据AIC准则和SC准则,选取当二者同时为最小值时的滞后期数1为最优滞后期,建立VAR(1)模型.然后用Johansen方法对指标间的协整关系进行检验,具体协整检验结果如表3所示,统计量下面括号内数字为各自的P值.

表3 协整检验结果Table 3 Cointegration test results

迹统计检验和最大特征值统计检验在5%的显著水平下均拒绝了“不存在”协整关系的原假设,接受了“最多一个”协整关系的原假设,这表明变量间存在一个协整方程,且存在长期均衡关系.因此,可以建立VAR模型.

区域经济高质量发展指数增长率与支线机场吞吐量增长率、干线机场吞吐量增长率的VAR(1)模型向量形式如式(10)所示:

(10)

支线机场吞吐量增长率如果在(t-1)年度变动1个单位,则区域经济高质量发展指数增长率在t年度将正向变动0.087 988个单位,支线机场吞吐量增长率的提升对区域经济高质量发展指数增长率是正向影响.

干线机场吞吐量增长率如果在(t-1)年度变动1个单位,则区域经济高质量发展指数增长率在t年度将反向变动0.134 200个单位,干线机场吞吐量增长率的提升对区域经济高质量发展指数增长率是负向影响.

因此,若干线机场吞吐量增长率增加1个单位,支线机场吞吐量增长率应该增加1.53个单位,才能维持区域经济高质量发展指数增长率的稳定.

2.3 模型稳定性检验

VAR模型稳定是实证分析的前提,为检验该模型是否有效,本文使用AR单位根检验法检验其平稳性,检验结果如图1所示.

图1 AR特征多项式的逆根Figure 1 Inverse roots of AR characteristic polynomial

可以看出,AR特征多项式的逆根皆在单位圆内,故可判定VAR模型有效.

2.4 脉冲响应函数

脉冲响应函数描述了VAR模型中一个内生变量的冲击给其他变量的影响,如图2所示.

图2 脉冲响应Figure 2 Impulse Response

给支线机场吞吐量增长率一个标准单位的正冲击后,区域经济高质量发展指数增长率从第1期开始上升,第2期开始下降,第3期逐渐回升,第4期起趋于平稳,这表明支线机场吞吐量增长率的迅速增加,短期内会给区域经济高质量发展带来正向影响,这也符合既定的事实,支线机场吞吐量迅速增加会缩小与干线机场吞吐量的差距,吞吐量向更均衡的趋势发展,有利于提高区域经济高质量发展水平.

给干线机场吞吐量增长率一个标准单位的正冲击后,区域经济高质量发展指数增长率从第1期开始下降,第2期开始回升,第3期开始平稳,这表明干线机场吞吐量增长率受到某一冲击后,短期内通过相关渠道和作用机制,使区域经济高质量发展增长率减小,这也符合既定的事实,一般而言,干线机场吞吐量增长率最好处于较平稳状态,当干线机场吞吐量增长率迅速提高,一定程度上破坏了原有平衡,支线机场吞吐量与其差距进一步拉大,不利于区域经济高质量发展.

2.5 方差分解

为进一步分析支线机场吞吐量增长率、干线机场吞吐量增长率变动对区域经济高质量发展指数增长率结构冲击的贡献程度,本文对区域经济高质量发展指数增长率进行方差分解,结果如表4所示.

表4 方差分解结果Table 4 Variance decomposition results

相对于区域经济高质量发展指数增长率自身的贡献度,支线机场和干线机场的吞吐量增长率变化对区域经济高质量发展指数增长率变化的贡献度较低,支线机场吞吐量增长率变化的贡献度从当期到第3期有一个上扬的趋势,稍稍波动后从第5期开始趋于平稳,保持在0.34%左右;干线机场吞吐量增长率变化的贡献度从当期到第2期增长较快,稍稍波动后从第5期开始趋于平稳,保持在0.47%左右.新疆支线机场吞吐量增长率变化对区域经济高质量发展指数增长率变化的贡献度略低于干线机场吞吐量增长率变化的贡献度.

3 结 论

本文分析了支线机场对区域经济高质量发展的影响,并与干线机场的影响进行比较分析,结论如下:

1)构建指标体系对区域经济高质量发展进行量化计算.基于新发展理念,采用更为全面的区域经济高质量发展指标体系,用熵值法算出各区域经济高质量发展指数及其增长率;

2)构建VAR模型进行实证分析.研究2001～2019年新疆支线机场和干线机场的吞吐量增长率与区域经济高质量发展指数增长率的关系.结果表明三者间存在长期均衡关系;支线机场吞吐量增长率的迅速提高会促进区域经济高质量发展增长,干线机场吞吐量增长率的迅速提高会遏制区域经济高质量发展增长;影响程度上,干线机场吞吐量增长率变化的贡献度高于支线机场吞吐量增长率变化的贡献度;

3)对支线机场和干线机场的不同影响进行比较分析,能够对支线机场和干线机场的协调发展提出更明确的建议,从而促进区域经济高质量发展.