摘 要：交通运输业是国民经济的重要组成部分，在区域经济发展过程中，交通运输业的发展与当地经济增长密切相关，研究经济增长与交通运输发展的相关性是备受关注的问题。文章使用2003—2017年中国面板数据，构建结构方程模型，以我国北部沿海地区4个省份为例，研究经济增长与交通运输发展之间的相关性。结果表明，交通运输发展可以对经济增长产生正向的显著影响，交通运输的发展在一定程度上能促进经济增长。

关键词：交通运输发展;经济增长;结构方程模型

中图分类号：F512.7 文献标识码：A 文章编号：1005-6432（2022）05-0069-03

DOI：10.13939/j.cnki.zgsc.2022.05.069

1 引言

交通运输业作为区域经济的重要组成部分，是推动经济发展不可或缺的内容。交通运输业的发展受经济社会中其他产业发展的影响，并且能反向作用于其他产业的发展[1]。已有文献中大多学者关注到了交通运输与经济增长之间的关系，研究早期以定性分析为主，随着研究不断深入，定量分析的研究不断增加。刘建强等使用协整关系和格兰杰因果分析研究交通运输业与国民经济的关系，研究表明货运量与地区生产总值之间具有长期均衡关系[2]。王家庭等通过建立VEC模型探讨经济发展与交通运输发展之间短期和长期的均衡关系，之后利用格兰杰因果分析探讨两者之间的因果关系，并用脉冲响应分析探讨两者的动态关系[3]。叶昌友等基于空间面板模型对交通业发展与区域经济增长的关系进行探讨[1]。李芬等通过VAR和VEC模型对综合交通运输建设规模与经济增长的关系进行研究[4]。朱浩中利用结构方程模型分析了经济增长的影响因素，并计算各影响因素对城市经济增长的贡献度[5]。

本文通过借鉴已有文献及统计年鉴的数据，选取货运量、货运周转量、公路里程作为衡量交通运输发展水平的主要指标，选取地区生产总值和居民消费水平代表区域经济增长，选择构建结构方程模型来研究经济增长与交通运输发展之间的相关性，并对各影响因素对经济增长的作用进行分析。

2 结构方程模型一般形式

2.1 指标选取

通过对北部沿海地区的北京市、天津市、河北省和山东省共4个省（直辖市），在2003—2017年经济增长与交通运输发展的趋势进行分析，直观地了解这几个地区经济与交通运输的发展现状。表1以北京市为例展示了2003—2017年相关指标的具体情况。近年来，随着社会发展速度的提高，地区生产总值呈不断增长的趋势，且居民消费水平也在不断提升，而货运量、货运周转量及公路里程则没有呈现出明显具有规律性的变化趋势。

根据研究内容，本文选择经济增长与交通运输发展水平作为潜在变量，前者为内生潜变量，后者为外生潜变量。本文选取地区生产总值和居民消费水平作为观测变量表征经济增长，选取货运量、货运周转量和公路里程作为观测变量表征交通运输发展水平。

2.2 结构方程模型的一般形式

结构方程模型中包含测量方程、结构方程和模型假设。结构方程模型的一般形式：

式中，η 表示内生潜变量组成的向量，这里指经济增长;ξ 表示外生潜变量组成的向量，这里指交通运输发展水平;B 表示内生潜变量系数矩阵;Γ 表示外生潜变量系数矩阵;ζ 表示结构方程残差向量;y 表示内生显变量组成的向量;x 表示外生显变量组成的向量;Λy 表示y在η上的因子负荷矩阵;Λx 表示x在ξ上的因子负荷矩阵;ε 表示内生显变量的误差项;δ 表示外生显变量的误差项。式（1）为结构方程，表示潜变量之间的关系。式（2）和式（3）为测量方程，表示潜变量与观测变量之间的关系。

3 模型构建

在模型构建之前，对数据进行信度与效度分析。首先，利用SPSS软件进行数据标准化。其次，对所构建的指标进行信度分析。内部一致性系数高于0.8說明信度高;系数值介于0.7～0.8，说明信度较好;系数值介于0.6～0.7，说明信度可接受;系数值小于0.6，说明信度不佳。最后，选择KMO检验进行效度分析。KMO值高于0.8，说明效度高;KMO值介于0.7～0.8，说明效度较好;KMO值介于0.6～0.7，说明效度可接受;KMO值小于0.6，说明效度不佳。通过SPSS软件计算得到北京市数据信度分析的系数值为0.623，KMO值为0.631，显著性水平为0.001;天津市数据信度分析的系数值为0.661，KMO值为0.682，显著性水平为0.001;河北省数据信度分析的系数值为0.985，KMO值为0.711，显著性水平为0.001;山东省数据信度分析的系数值为0.941，KMO值为0.741，显著性水平为0.001。可以得出4个省（直辖市）信度和效度分析都能通过检验。

运用AMOS软件构建初始模型图，经济增长与交通运输发展之间相关关系的假设如图1所示。模型路径图中椭圆形代表潜在变量，A和B分别代表经济增长和交通运输发展;矩形代表观测变量，A1、A2、B1、B2、B3分别代表地区生产总值、居民消费水平、货运量、货运周转量、公路里程;圆形代表残差项。

4 模型检验与结果分析

4.1 模型检验

根据对北部沿海地区的4个省（直辖市）构建的结构方程模型，运用AMOS软件得到结构方程模型的整体适配度指标，具体检验结果见表2。

其中，卡方自由度比值CMIN/DF、适配度指数GFI、渐进残差均方和平方根RMSEA属于绝对适配统计量指标。根据这三个指标的检验标准，从表中可以看出这4个省（直辖市）符合标准，综合这三个指标的检验结果，表明本文模型可以通过绝对适配检验。NFI值、IFI值和CFI值属于增值适配度统计量，是将待检验的假设理论模型与基准线模型的适配度相互比较以判断模型的适配度[5]。当NFI值、IFI值和CFI值越接近于1，表示模型拟合越好，综合表中三个指标的检验结果，表明本文模型通过检验。

从上述模型检验可以看出4个省（直辖市）的结构方程模型均通過了绝对适配检验与增值适配度检验，说明本文构建的结构方程模型具有一定的可靠性。

4.2 模型结果分析

根据结构方程模型的计算得到4个省（直辖市）的模型结果如表3所示。从表3可以看出，A1、A2、B1至B3变量的系数估计值均通过了显著性检验。

从模型结果可以看出4个省（直辖市）的交通运输发展对经济增长的推动作用较为显著。北京市的影响系数为0.988，且通过了1%的显著性检验。各项指标变量对经济增长的影响均为显著水平，货运量对经济增长在5%的显著水平下呈负向影响，其他变量均为正向影响，货运周转量对经济增长的推动作用比公路里程的影响高。天津市的影响系数为1.236，且通过了1%的显著性检验。各项指标变量对经济增长的影响均为显著水平，货运周转量对经济增长在1%的显著水平下呈负向影响，其他变量均为正向影响，货运量对经济增长的推动作用比公路里程的影响低。河北省的影响系数为1.122，且通过了1%的显著性检验。各项指标变量对经济增长的影响均为显著水平，且均为正向影响，货运周转量、货运量和公路里程对经济增长的推动作用依次递减，其中货运周转量对经济增长的推动作用最强，估计系数值达到了1.110。山东省的影响系数为1.071，且通过了1%的显著性检验。各项指标变量对经济增长的影响均为显著水平，且均为正向影响，货运量、货运周转量和公路里程对经济增长的推动作用依次递减，其中货运量对经济增长的推动作用最强，估计系数值达到了1.195。这说明在不同的省份（直辖市）交通运输发展水平会推动经济增长。然而不同的指标变量对经济增长的作用有所不同，这似乎受到区域其他产业的发展情况的影响。

根据北部沿海地区4个省（直辖市）的模型结果可以看出，交通运输发展水平对经济增长的推动作用较为明显，形成以上结果的主要原因在于以下部分。

第一，公路基础设施的建设能够促进其他产业发展，通行便利程度提高间接带动区域经济增长[1]。

第二，货运量与货运周转量能够对区域经济产生影响。由于货运量与货运周转量的增减大多与其他产业的发展密切相关，故经济结构、产业结构和产品结构的变化直接影响交通运输业的发展[1]。

因此，交通运输业的发展可以为其他产业的发展提供便利，从而促进区域经济增长，反之交通运输业发展滞后将对区域经济产生负向影响。

5 结语

文章通过对北部沿海地区2003—2017年4个省（直辖市）地区生产总值、居民消费水平、货运量以及货运周转量等指标进行分析，构建结构方程模型检验了经济增长与交通运输发展水平的关系。

结果表明，交通运输发展水平对经济增长有显著的推动作用。因此，根据计量结果可知，我国应继续关注交通运输业的发展，投入资源大力建设交通运输业，推动交通运输业的迅速发展，从而极大地带动经济快速增长。

参考文献：

[1]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（2）：40-47.

[2] 刘建强，何景华.交通运输业与国民经济发展的实证研究[J].交通运输系统工程与信息， 2002（1）：82-86.

[3]王家庭，赵亮.我国交通运输与经济增长关系的实证研究：1978—2007[J]. 四川大学学报， 2009（6）：76-83.

[4]李芬，冯凤玲.综合交通运输建设规模与经济增长的关系研究：基于VAR和VEC模型的实证分析[J].河北经贸大学学报，2014， 35（3）：110-115.

[5]朱浩中.基于结构方程模型的中国城市经济增长因素研究[D].北京：北京交通大学，2016.

[作者简介]殷子娟（1997—），女，汉族，山西吕梁人，硕士，研究方向：交通运输规划与管理、运输经济。