雷天，许金良，单东辉，贾兴利

(1.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;2.中交第一公路勘察设计研究院有限公司，陕西 西安 710065)



基于脉冲响应的公路运输需求与产业结构优化的协整分析

雷天1，许金良1，单东辉2，贾兴利1

(1.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;2.中交第一公路勘察设计研究院有限公司，陕西 西安 710065)

摘要:基于时间序列数据，利用ADF检验、向量自回归(VAR)模型及脉冲响应、协整理论和Granger因果检验对“新丝绸之路”经济带沿线13个节点城市的公路运输需求与三大产业的关系进行实证研究，结果表明：经济带沿线公路运输需求与三大产业之间表现出一种长期均衡的关系，公路运输能够促进沿线产业结构的优化；公路客运量与第一、二产业无直接的因果关系，与第三产业存在双向因果关系；公路货运量与第一、二产业存在单向因果关系，与第三产业存在双向因果关系。

关键词：公路运输；产业结构；协整分析；脉冲响应；格兰杰检验

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，其建设规模和发展水平对道路交通运输和整个国民经济发展具有基础性指导作用。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、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，确定公路运输对沿线产业结构发展的影响效应对指导区域公路建设规划、充分发挥“新丝绸之路经济带”的战略指导效应具有十分重要的意义。协整理论自20世纪80年代末提出以来，在解释经济关系领域得到了十分广泛的应用，近年来，一些专家学者逐渐将其应用于交通与经济关系研究方面，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，得出二者之间关系密切的结论并计算了二者偏离长期均衡的调整力度；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，认为GDP是公路货运量的Granger原因；杨帆等[4]利用1952—2006年的统计数据运用协整理论和Granger因果检验方法分析了交通运输与直接经济增长之间的关系；卢毅等[5]基于 1978—2010年北京市城市化水平与公交发展的数据，应用协整理论对城市化与公交发展的关系进行实证分析，得出两者之间的短期动态波动和长期均衡关系；叶昌友等[6]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。国内外对协整分析的应用多针对交通基础设施与直接经济增长之间的关系，对我国而言，大多关于交通与经济关系分析研究的空间范围多集中在较为发达的省区或以全国范围的交通建设为基础，对于地理位置身居内陆海上发展受限、陆上交通基础设施建设需求迫切的经济带沿线地区而言，交通运输的发展更多地依赖于通达性强的公路交通，而现有研究中针对公路建设与沿线产业结构的关系研究较为欠缺。2012年，刘育红以“新丝绸之路”经济带为对象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，但并未对公路运输规模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[7]。基于此，本文以贯穿“新丝路经济带”的连霍公路沿线13个节点城市为对象，利用协整分析对公路运输需求与沿线区域三大产业的关系进行研究，为经济带沿线交通规划、产业结构优化调整提供科学的参考依据。

1研究方法

1.1VAR模型及脉冲响应

VAR模型(向量自回归模型)是1980年Sims提出的一种采用多方程自回归模型为联立形式的一种非结构化的模型，它将系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，不以任何经济理论为基础只依靠数据本身来确定模型的动态结构[8]。VAR模型的数学表达式为：

yt=A1yt-1+…+Apyt-p+Bxi+εt

(1)

其中：yt是k维内生变量向量；xi时d维外生变量向量；p是滞后阶数；T是样本个数。

由于VAR模型的参数估计量只具有一致性，无需对变量做任何先验性约束，因此要对VAR模型做出具体的结论时需要借用脉冲响应函数。利用脉冲响应函数分析VAR模型的过程，不是分析一个变量变化对另一个变量产生的影响，而是分析一个误差发生变化时，即模型受到冲击时对系统的动态影响[9]。

对于一个两变量VAR模型：

(2)

1.2协整理论

协整(Cointegration)是指若2个或多个非平稳的变量序列，其某个线性组合后的序列呈平稳性，此时我们称这些变量序列间有协整关系存在[10]。为了给出协整关系的精确定义，需要先给出单整的概念，如果一个时间序列{yt}在成为稳定序列之前必须经过d次差分，则称该时间序列是d阶单整，记为yt～I(d)。协整关系的精确定义即为：

特别地，yt和xt为随机变量，并且yt,xt～I(1)，当yt=k0+k1xt～I(0)，则称yt和xt是协整的，(k0,k1)称为协整系数。

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。 1.3格兰杰因果检验

格兰杰因果检验目前被广泛应用于研究各类经济时间序列变量之间的因果关系，其描述如下：假定2个时间序列xt和yt，同时，向量序列wt存在因果关系产生的环境中，wt包含直至时期t的环境的所有相关信息；Wt和W't为2个相关信息集：

Wt:xt-i,yt-i,wt-ii≥0;W't:yt-i,wt-ii≥0

Wt包含了所有可得信息，W't则排除了xt的过去值和现在值。令f(y/W)为J给定条件下y的条件分布，E(y/W)为对应的条件均值。在考虑Wt的情况下，若E(yt+1/Wt)=E(yt+1/W't)，则xt不是yt+1的原因；否则认为xt是yt+1的原因。

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

运量是表征运输工作量的最基本指标，公路客、货运量是区域公路运输需求量最直观的反映，因此选取历年公路运输客运量(PASSENGER)和货运量(FREIGHT)作为体现公路运输需求变化的指标。

为了表征“新丝绸之路”经济带沿线产业结构的发展及变化趋势，选取历年第一产业产值(PI)、第二产业产值(SI)和第三产业产值(TI)为产业结构指标。

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，应用贯穿“丝绸之路经济带”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“新丝绸之路经济带”沿线公路客运量、货运量和三大产业产值作为原始数据样本，数据来源主要是个城市历年《统计年鉴》及国家统计局官方网站。为了使价格数据基准保持一致，消除通货膨胀的影响，用以1978年为基期的居民消费价格指数对各产业产值进行折减；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LPASSENGERt= log(PASSENGERt)，LFERIGHTt= log(FREIGHTt)，三大产对数处理后各变量趋势图如图1所示。

图1　公路运输规模与三大产业对数及一阶差分趋势图Fig.1 Logarithm and first order differential time series trends of three major industries and highway transport demand along the economic belt

3公路运输需求与产业结构的协整分析

利用协整理论分析公路运输客货运量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(即ADF检验)对公路客、货运量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[12]。

由对数趋势图1可以看出，各变量整体都呈增长的趋势，是有时间趋势和截距的非平稳时间序列，为了能应用协整分析各变量之间的关系，尝试变量的差分序列，试求得平稳的差分序列。由各变量一阶差分的时间序列图可以看出各变量曲线类似白噪声序列。用增广迪基—福勒检验(即ADF 检验)对序列平稳性进行检验的结果如表1所示，该结果表明，这5个序列经一阶差分后均变为一阶单整序列，可用于协整分析。

表1　公路运输需求与产业结构序列ADF检验结果

3.2VAR模型及脉冲响应分析

利用EVIEWS7.0建立“新丝路经济带”公路客、货运量分别与三大产业的VAR(2)模型，经多次试验，当滞后阶数为2时，公路运输客运量(PASSENGER)、货运量(FREIGHT)与三大产业的AIC和SC均达到最小值，且回归模型的拟合优度均在0.9以上，拟合优度良好可用于实证分析。

图2　公路运输需求与三大产业的VAR(2)模型Fig.2 VAR (2) model of highway transport demand and the primary industry series

公路交通运输需求与第一产业、第二产业和第三产业的VAR模型，分别是3个内生变量，分别建立脉冲响应函数对检验结果进行分析。图3(a)，3(b)和3(c)分别给出了第一产业、第二产业和第三产业与公路交通运输规模的脉冲响应函数检验图。

由图3(a)可以看出，第一产业对来自自身和公路交通货运量的一个标准差新息，呈正向的反应，但是客运量却不能解释第一产业，同样第一产业也不能很好地解释客运量，这和我们的主观认识相符合，即第一产业与客运量之间的解释关系不强，联系较弱；货运量对来自自身和第一产业的一个标准差新息反应是持续正向的。

由图3(b)可以看出，第二产业对来自自身的一个标准差新息，立即有一个较强的反应，在第1期为0.25，之后逐渐下降在第2期为0.15，之后又逐渐稳步上升；对来自客运量的一个标准差新息反应是：先负向，在第2期达到最小为-0.20，之后快速上升，在第3期末变为正向作用，之后保持比较平稳地正向作用；对来自货运量的一个标准差新息反应是：立即有个较快速增长的正向反应，在第2期中期达到最大为0.20，之后逐渐下降，保持为0.1左右的正向促进作用。客运量对来自自身、第二产业以及货运量的一个标准差新息均呈现出正向的反应，其中对第二产业和货运量的反应是稳步增长，对自身的反应是先降后升。货运量对来自3个变量的一个标准差新息的反应是持续正向的。这表明，公路客、货运量对第二产业有较大的正面冲击效应，同时第二产业对公路客货运量也有反馈效应。

由图3(c)可以看出，第三产业对来自自身的一个标准差新息有一个较高的正向相应，基本维持在0.02左右；对来自货运量的一个标准差新息反应是在0.002附近波动；对来自客运量的一个标准差新息反应是缓慢下降，维持在-0.02左右。客运量对来自自身的一个标准差新息反应是正向逐渐降低至负向，在第4期初突破正向转向为负向；对来自第三产业的一个标准差新息反应是，从负向在第1期末转变为正向，并且维持在0.02左右的正向冲击作用；货运量对来自自身的一个标准差新息反应是一开始为0.02的正向作用，之后逐渐下降，在第2期中期达到最小为-0.02，之后逐渐上升，在第3期之后维持比较微弱的正向作用；对来自第三产业的一个标准差新息一直呈正向的波动冲击。

图3　公路交通运输需求与第一产业、第二产业和第三产业的脉冲响应函数Fig.3 Impulse response function of LTRANSPORTA and LPI, LSI, LTI

3.3协整关系检验

基于VAR(2)模型，分别对公路交通运输需求与三大产业进行协整关系检验，分析其是否存在长期均衡的稳定关系[13]，检验结果如表2所示。

表2公路交通运输需求与三大产业协整关系检验

Table 2 Co-integration test results of three major industries and highway transport demand

检验变量检验信息秩个数特征值秩统计量5%水平临界值LPI,LPASSENGER,LFREIGHT00.929637.121729.797110.43187.930315.494720.14421.71233.8415LPI,LPASSENGER,LFREIGHT00.847931.170829.797110.532312.454815.494720.31094.09593.8415LPI,LPASSENGER,LFREIGHT00.970852.101429.797110.678413.219015.494720.06510.73993.8415

从表2可以看出：LPI与LPASSENGER和LFREIGHT，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和2时，秩统计量小于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LSI和LPASSENGER，LFREIGHT,以及LTI和LPASSENGER，LFREIGHT ，由统计数据可以看出它们之间也存在唯一的协整关系[14]。协整关系式如下：

公路运输需求与第一产业之间的协整关系：ecm=LPIt-0.211 429LFREIGHTt(0.211 39)+0.000 171LPASSENGERt(0.242 68)+2.998 765公路运输需求与第二产业之间的协整关系：ecm=LSIt-0.506 034LFREIGHTt(0.825 09)-0.328 504LPASSENGERt(0.725 71)+7.466 841公路运输需求与第三产业之间的协整关系：ecm=LTIt-0.356 303LFREIGHTt(0.378 96)-0.459 620LPASSENGERt(0.329 31)+11.259 961协整关系表明，经济带沿线第一产业每增加1%，货运量增加0.211 429%，客运量变化不大，这也说明客运量和第一产业之间并无直接关系；第二产业每增加1%，货运量增加0.506 034%，客运量增加0.328 504%；第三产业每增加1%，货运量增加0.356 303%，客运量增加0.459620%。这表明：经济带沿线客运量与第一产业之间无强联系，客运量对第二产业的弹性为0.328 504，对第三产业弹性为0.459 620；连霍公路沿线货运量对第一产业的弹性为0.211 429，对第二产业的弹性为0.506 034，对第三产业的弹性为0.356 303；客运量对第三产业的促进作用最大，第二产业次之，和第一产业无明显关系；货运量对三大产业的促进作用由大到小依次为第二产业、第三产业和第一产业。3.4Granger(格兰杰)因果检验

从上述建立的公路交通运输需求与三大产业的协整方程可以看出，三大产业与客运量和货运量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，必须通过检验才能确定。本文利用格兰杰因果检验来判断，其主要是检验一个变量之后变量是否可以引入到其他变量方程中[15]，结果如表3所示。

表3　公路客、货运量与三大产业因果关系检验

由判断标准和检验结果可以看出：公路交通货运量与第一产业之间存在单向的因果关系，第一产业是公路货运量的格兰杰原因(P=0.041 5)，但反过来不成立；客运量与第一产业之间无因果关系，这和协整关系式分析结果相符合。公路交通货运量与第二产业之间存在单向的因果关系，第二产业是公路货运量的格兰杰原因(P=0.012 2)，反过来不成立；公路客运量与第二产业之间无因果关系。公路交通货运量与第三产业之间存在双向的因果关系，即：货运量是第三产业的格兰杰原因(P=0.045 7)，第三产业也是公路货运量的格兰杰原因(P=0.043 6，P=0.015 6)；第三产业和公路客运量之间也存在双向的因果关系，即：客运量是第三产业的格兰杰原因(P=0.047 7，P=0.039 3)，第三产业也是客运量的格兰杰原因(P=0.041 9)。

4结论

1)经济带沿线公路交通运输需求与三大产业之间表现出一种长期均衡的关系，公路运输能够促进沿线产业结构的优化。客运量的增加对第三产业的发展有着极大的促进作用，而货运量对三大产业都有促进作用，作用大小依次为第二产业、第三产业和第一产业。

2)公路客运量与第一、二产业无直接的因果关系，与第三产业存在双向因果关系；公路货运量与第一、二产业存在单向因果关系，与第三产业存在双向因果关系。

综上，优化路网结构除了满足运输需求以外，还可以拉动沿线各产业的发展，针对经济带沿线丰富的自然资源，在制定方针政策时，可从不同需求出发(如旅游和矿产等)衡量公路运输对各产业的影响；在交通规划布局时，可根据客运、货运不同需求来定位公路在路网架构中的功能。后续研究可考虑从空间溢出的角度分析公路运输对沿线产业的影响。

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] 卢毅，颜瑛，张欢．基于脉冲响应的城市交通协整模型及其统计推断[J]．铁道科学与工程学报，2012，9(6)：101-106．

LU Yi, YAN Ying, ZHANG Huan. Co-integration model of urban transportation and its statisticalinference based on impulse response[J]．Journal of Railway Science and Engineering, 2012, 9(6): 101-106.

[6] 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 growth—based on provincial Spatial Panel Data Model[J]. Industrial Economics Research, 2013, 4(2):40-47.

[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] 孔原，刘览. 现代物流与我国进出口贸易的关系研究[J]．价值工程,2009(8)：44-48.

KONG Yuan, LIU Lan. Study on relationship between the modern logistics with Chinese import and export trade[J]. Value Engineering, 2009(8):44-48.

[9] 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.

[10] 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 Zaladi. Basic econometrics[M]. LIN Shaogong, transl. Beijing: Renmin University of China Press, 2005.

[11] 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.

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

[13]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]．天津:天津大学，2005．

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

[14] 冯旭杰，孙全欣，钱堃，等．区域综合交通运输需求与产业结构的协整关系分析[J]．交通运输系统工程与信息，2012，12(6):10-16．

FENG Xujie, SUN Quanxin, QIAN Kun, et al.Cointegration relationship of regional integrated transport demand and industrial structure[J]. Journal of Transportation Systems Engineering and Information Technology, 2012, 12(6):10-16．

[15] 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．

Co-integration analysis between highway transport demand and optimization of industrial structurebased on impulse response LEI Tian1，XU Jinliang1，SHAN Donghui2，JIA Xingli1

(1. Key Laboratory for Special Area Highway Engineering of Ministry of Education; Chang’an University, Xi’an 710064, China；2. CCCC First Highway Consultants， Xi’an 710065, China )

Abstract:Based on the time series data, the relationship between highway transport demand and optimization of industrial structure along the “New Silk Road” economic belt is studied by virtue of co-integration theory, VAR model, impulse response and Granger causality test. The results show that there is a long-run equilibrium relationship between highway transport demand and three kinds of industrial growth, and highway transport can promote the optimization of industrial structure. Besides, there is no direct causal relationship between highway passenger traffic and the primary and secondary industry. However, a two-way causal relationship between highway passenger traffic and the tertiary industry is existed. The relationship between highway freight traffic and the primary and secondary industry are unidirectional causal, while it’s relationship with the tertiary industry is two-way causal.Key words： highway transport；industrial structure；co-integration analysis；impulse response；Granger causality test

中图分类号：U412.1

文献标志码：A

文章编号：1672-7029(2016)04-0783-08

通讯作者：许金良(1966—),男，山东曹县人，教授，博士，从事道路总体设计，道路交通安全，路域生态保护的研究；E-mail: 362742515@qq.com

基金项目：交通运输部西部交通建设科技项目(2011318362810)

收稿日期：2015-09-14