张艳

中国铁路青藏集团有限公司党校，青海 西宁 810000

地处雪域高原的青藏铁路是连接青海省和西藏自治区主要交通干线，对于促进民族文化交流和增强民族团结意识做出了积极贡献。青藏铁路开通运营也极大的改善了西藏地区运输状况和贸易环境，为促进社会和产业经济发展产生深远影响。因此定量分析青藏铁路运营与西藏三大产业经济发展的内在关系可在定量计算青藏铁路对西藏经济增长的正面效应基础上利于青藏铁路提升社会服务质量，为青藏高原铁路运输业发展提供参考。

徐涵[1]通过分析铁路货运与经济增长间的周期变化规律，结合应用相关性分析、弹性系数及推拉效用关系模型分别研究国民经济与铁路货物运输发展变化关系。丁涛等[2]运用含非期望产出的超效率SBM 模型测算铁路运输效率并建立空间自回归模型探究铁路运输效率与经济发展之间的空间相关性。Tetsuji[3]认为大部分区域的国民生产总值和人口增长均受到高速铁路的影响。武旭等[4]利用交叉谱分析方法计算铁路运输指标和经济指标序列间的相关程度、超前滞后关系以及超前和滞后的时间差，分析铁路运输与国民经济发展协调关系。吴锦霞，赵婧婧[5，6]运用沿线不同规模城市异质性检验分析高速铁路对区域经济发展的影响。Jia[7]通过双重差分法分析得出高速铁路在经济发展的同时也对城市产业结构构建产生作用。滕飞，Komei Sasak等[8，9]基于区域经济发展影响模型并通过仿真模拟研究区域经济指标贡献程度。李迪[10]在计算出铁路运输业绝对生态位和相对生态位基础上，分析铁路运输业生态位及各子生态位与经济的发展关系。Majawonke Mandla Ginindza[11]依据构建约翰内斯堡—开普敦高速铁路与经济增长关系数据产生替代性的铁路快速运输系统进而达到缓解交通困境和加快经济发展的目的。

综上所述，学者针对铁路运输业与经济发展关系方面进行了大量研究，对于实现铁路与经济可持续发展提供理论支撑。但青藏铁路的地理位置和战略意义具有特殊性，引起其对西藏经济的影响研究不足。因此依据皮尔逊相关系数定性分析青藏铁路与西藏三次产业相关程度，并结合时间序列构建三次产业关系分析模型分别定性和定量对2007—2012年、2013—2018年进行三次产业预测，依据做差对比结果分析青藏铁路开通运营和升级改造与西藏三次产业发展的内在联系，较为系统地反映青藏铁路对于西藏经济发展的影响，以期为西藏经济和交通发展提供一定的理论依据。

1 研究对象

青藏铁路全长为1956km，是西藏第一条连接其他省份的高原铁路，其海拔高度与线路长度在世界上位居首位。与此同时，青藏铁路自2006年运营开通至今仍在不断地升级改造，依据青藏铁路发展现状、西藏交通运营与城市规划方面专家意见和数据连续性，考虑预测准确性与疫情大环境因素，抽取2007—2018年数据作为研究对象研究青藏铁路运营对西藏经济发展的影响。

2 青藏铁路与西藏三次产业发展关系分析模型

2.1 皮尔逊相关系数

皮尔逊相关系数用于反映两个变量间线性相关程度的强弱，取值范围为[0,1]，其值绝对值越大则说明两个变量间线性相关程度越强[12]。西藏旅客周转量和货物运输量与青藏铁路的发展有着密不可分的关系，因此可通过计算旅客周转量和货物运输量与西藏三次产业的相关性定性分析青藏铁路与西藏三次产业相关程度。皮尔逊相关系数r 可用公式表示为：

式中：n为2007—2018年统计数据年数；xi为青藏铁路第i年的旅客周转量或货物运输量；为年平均旅客周转量或货物运输量；SX为旅客周转量或货物运输量的标准差；Yi为西藏第i年的三次产业；y-为年平均三次产业；SY为三次产业的标准差。

2.2 平稳性检验方法

依据时间序列图，结合最终差分数据自相关系数和最终差分数据偏自相关系数，对第一产业、第二产业和第三产业时间序列数据的平稳性进行分析。若差分阶数超过2时间序列仍具有非平稳性时则说明不适合用时间序列分析模型。

2.3 时间序列分析模型

时间序列分析（ARIMA）模型是将研究范围内三次产业随时间变化形成的序列通过数学参数和曲线拟合预测其发展趋势，并依据数学公式在表达序列的基础上将其用于预测[13，14]。ARIMA模型由自回归模型AR（P）、差分度模型I（d）和移动平均值MA（q）三部分组成，其中AR（P）是前时间序列观测值和噪声项所组成的现时间序列观测值，p为AR（P）的阶数；I（d）是等周期三次产业求减，使数据趋于平稳化，d为I（d）的阶数，取值一般不超过2；MA（q）通过现时间序列值作为误差函数改进现在的预测，q为MA（q）的阶数。数学表达式为：

式中：αp和βq为自相关系数。基于平稳时间序列，依据差分阶数确定参数d，结合最终差分数据自相关系数和最终差分数据自相关系数截尾情况估算其p和q值。基于此，根据样本数、自由度、Q 统计量和信息准则模型的拟合优度进行模型检验。

2.4 对比分析法

在青藏铁路与西藏三次产业发展关系分析中将三次产业实际值与预测值进行比较，利用对比分析法分析青藏铁路在取值范围内升级改造的影响下发展变化情况与规律性[15]。基于时间序列模型计算得出2007—2012 年、2013—2018 年下三次产业预测值，作为不存在青藏铁路情况下2007—2012年、2013—2018三次产业预测值。依据实际值与预测值作差与作商结果得出的贡献值A与贡献度R对比分析青藏铁路对西藏三次产业经济发展贡献程度，其计算公式为：

式中：B表示青藏铁路对西藏三次产业经济发展贡献度；BH表示西藏三次产业实际值；BNH表示西藏三次产业预测值。

3 青藏铁路与西藏三次产业发展关系实例分析

3.1 相关性分析

西藏铁路旅客周转量、铁路货物运输量、第一产业、第二产业和第三产业数据均来源于《西藏统计年鉴》（2021 年）。在进行异常值处理基础上，通过皮尔逊相关系数分析旅客周转量、铁路货物运输量与三次产业之间相关程度，结果如表1所示。

表1 铁路旅客周转量、铁路货物运输量与三次产业之间相关程度

通过表1可以看出旅客周转量和铁路货物周转量与三次产业之间在1%显著水平上的相关性较强，可定性分析出青藏铁路与西藏三次产业发展具有显著相关性。但青藏铁路运营与西藏三次产业发展关系之间定量分析还需进一步检验。

3.2 平稳性检验

通过绘制1990—2018 年原始数据的时间序列图分析三次产业时间序列是否具有平稳性，如图1所示。

图1 原始数据时间序列图

由图1 可知第一产业、第二产业和第三产业数据具有非平稳性，并且铁路旅客周转量、铁路货物运输量与三次产业具有大致相同的变化趋势。在图1的基础上以2012年为时间节点，结合最终差分数据自相关系数与最终差分数据偏自相关系数分析青藏铁路在2007—2012 年、2013—2018 年的西藏三次产业平稳性，其ACF与PACF如表2所示。

表2 第一产业、第二产业与第三产业ACF与PACF分析

由表2可知，差分在0阶时2007—2018数据基本是非平稳时间序列。在差分阶数不超过2 的情况下，2007—2012 年、2013—2018 年数据均可满足平稳性要求。

3.3 时间序列预测

基于2007—2012 年、2013—2018 年的三次产业平稳性时间序列，结合时间序列分析模型对三次产业进行预测，经过参数对比最终所选用的参数阶数、拟合优度及模型公式如表3所示。

表3 时间序列模型参数阶数、拟合优度及模型公式

根据建立时间序列模型对2007—2012 年、2013—2018 年的三次产业进行预测，预测结果与原始数据较为连贯且整体处于增长趋势，第一产业、第二产业和第三产业预测结果如表4所示。

3.4 青藏铁路运营对西藏经济发展影响分析

通过三次产业实际值与预测值作差与作商得出三次产业贡献值与贡献度分析青藏铁路运营对西藏经济发展的影响，结果如表5所示。

表5 青藏铁路运营对西藏经济发展影响分析

从表5 中可以得知，青藏铁路在2007—2012 年对于西藏第一产业经济发展平均贡献了接近7.9%，2013—2018 年对于西藏第一产业经济发展平均贡献度超过14.8%；青藏铁路对于第二产业与第三产业的贡献度呈现下降趋势，但贡献值仍处于不断增长的趋势，由此可说明随着青藏铁路运营效率不断提高西藏经济发展也随之增长，青藏铁路运营对西藏经济发展具有重大影响。

4 结语

青藏铁路运营对于西藏产业经济发展具有重要作用，通过建立皮尔逊相关系数模型定性分析得出旅客周转量和铁路货物周转量与三次产业之间在1%显著水平上的相关性较强。与此同时依据时间序列模型和对比法分析法定量得出青藏铁路对于第一产业的贡献度仍处于上升趋势，第二产业和第三产业的贡献度逐渐下降，但贡献值仍在不断上升。此研究由于疫情影响与模型选择等原因未考虑2019—2023 年西藏经济发展，因此会在之后的研究中减弱时间对于结果的影响。