基于经济社会关联视角的福建省公路货运经济运行特点分析

林成功，梁鸿旭，傅昭南，张善金

（1.交通运输部科学研究院，北京 100029；2.福建省交通规划办公室，福建 福州 350001）

0 引言

交通运输业是国民经济的基础性、先导性、服务性行业，联系着国民经济的各个部门以及社会生产、分配、交换和消费等各个环节，保证经济社会的稳步发展[1]。而其中的货物运输更是在经济社会发展中发挥着举足轻重的作用，与经济总量规模、产业结构等密切相关[2]。

目前，国内在交通运输与经济社会发展关联关系的研究方面，已有不少成熟的研究成果和典型案例。汪传旭[3]通过建立协调发展指数的方式，对交通运输与经济发展的协调程度进行了定量评价；武旭等[4]通过建立交通运输与经济协调发展评价数据包络分析模型，得出了交通运输与经济协调发展评价的有效性指数和状态协调度的计算公式；李康奇[5]运用主成分分析法、相关性分析法等方法研究重庆市经济和交通运输的协调关系，认为重庆市交通运输与经济处于基本协调状态，交通运输的发展略滞后于经济发展；谭玉顺[6]构建协调发展度模型，认为经济—交通运输—环境的协调发展度呈现上升趋势；李风华[7]利用交通运输经济理论进行分析，认为公路运输对经济空间结构会产生影响；刘昭然等[8]运用经济理论和发达国家的经验进行分析，认为经济新常态下，未来我国全社会货运量增速将继续放缓，远期归于稳定。虽然已经有了丰富的研究成果，但是运用多种计量经济模型，通过各种模型结论的递进逐步进行指标筛选和赋权，并将定量分析结论渗透到定性分析的全过程，基于经济社会关联视角分析公路货运经济运行特点的文献并不多见。

本文借鉴前人的研究经验，在福建省经济发展步入新常态、经济增速逐步放缓、产业结构调整加快的发展背景下，拟通过建立关联性分析、同步性分析和主成分分析等量化分析模型，并辅以定性分析，对福建省货物运输需求总量、结构以及时空维度方面的变化特点和趋势进行分析，挖掘交通运输与经济社会发展之间的相互影响机制，研究货物运输与经济社会发展的匹配、货类结构与产业结构的关系以及省内地市运输生产空间分布规律等货物运输经济运行特征，为客观判断和准确把握福建省货物运输行业经济运行态势，支撑行业管理科学决策提供依据。2017年，在由铁路、公路、水路、民航等组成的福建省综合货运体系中，公路运输占比达到72.3%，可以说，公路货运是最为基础的货物运输方式。因此，本文以公路货运为代表进行分析[9]。

1 公路货运与经济社会发展关联关系的量化分析

1.1 模型构建思路及框架

分析公路货运与经济社会主要领域之间的关联关系，最基础也最重要的依据是两者之间的内在经济含义。在此基础上，结合公路货运行业的特点，选取宏观经济和关联产业领域的代表性指标，建立基础指标集并进行采集、梳理。之后，采用关联性分析及同步性分析等计量方法，筛选出与福建省公路货运关系最为密切、最能够表征福建省经济社会和公路货运发展特点的指标，并进行权重设置，构建评价指标体系，之后利用量化分析模型结论，对福建省公路货运行业经济运行特点进行分析。具体的分析框架如图1所示。

图1 模型构建思路框架图

1.2 指标选取及数据处理

1.2.1 指标选取

自身指标选取层面，表征公路货运行业特点最重要的指标就是公路货运量和公路货物周转量。

关联指标选取层面，一方面，由于生产活动与宏观经济运行景气程度密切相关，货物运输又是产业链中承接上下游产业生产活动的重要一环，因此宏观经济的主要表征指标与公路货运之间存在较为密切的关联关系，主要包括工业增加值、固定资产投资、社会消费品零售总额、进出口总值、公共财政收入及公共财政支出等指标。另一方面，基于长期以来的产业结构和能源结构，相关原材料运输仍在货物运输中占较大比例，包括煤炭、钢铁、矿建材料等，同时考虑到福建省临海及自身产业发展的特殊性，渔业、纺织、化工及高新技术产品生产等也属于重点产业，这些关联产业的生产和销售都与货物运输密切相关，选取的主要指标包括原煤产量、火力发电量、铁矿石产量、钢材产量、粗钢产量、水泥产量、冷冻水产品产量、纱产量、化学纤维产量等。

基于上述判断，综合考虑福建省产业结构特点和数据可获得性，初步筛选出2009年1月—2017年12月上述指标的月度数据进行分析。

1.2.2 数据处理

由于基础指标集序列并不完整，存在口径差异、缺失值、异常值等情况，无法进行计量分析，需要对其进行口径调整、季节性调整、缺失值补充、异常值剔除等处理。主要处理方法如下：

（1）口径调整。使用增速逆推法对交通行业因开展抽样调查引起的数据口径变化进行调整。

（2）季节性调整。经济指标往往存在明显的季节性，为剔除季节因素影响，本文使用X-12方法对指标进行季节调整处理。

（3）缺失值补充。对于经济社会指标数据常见的缺失1,2月以及12月份数据的情况，使用插值法和拟合方程法进行补充。

（4）异常值剔除。对数据进行平滑处理，以避免因特殊事件或特殊时点导致的异常数据对整个时间序列的影响。

1.3 模型建立及结论

1.3.1 模型建立

（1）关联性分析

选取的指标数据处理完成后，按照模型构建思路，第一步要进行关联性分析。本文使用相关系数[10]、协整检验和Granger因果检验3种方法来进行。首先利用相关系数，分析公路货运指标与经济社会指标之间的相关关系，初步筛选出与公路货运关系密切且关联方向符合经济含义的经济社会指标；之后运用协整检验方法，选取与公路货运存在长期相对稳定关系的经济社会指标；最后运用Granger因果检验，判断经济社会指标对公路货运指标是否具有解释力。

①相关性分析

相关系数主要用于衡量两个随机变量之间线性相关程度的大小，常用方法有Pearson相关系数和Spearman秩相关系数。本文使用Pearson相关系数进行分析，计算公式[10]如下所示：

分析结果如表1所示。

表1 公路货运指标与主要经济社会指标Spearman相关系数

从表1可以看出，基于经济学及产业关联分析筛选出的初选指标集中了大部分经济社会指标与货运生产指标，具有较强相关性，包括反映消费领域的社会消费品零售总额、反映投资领域的固定资产投资、反映对外贸易领域的进出口总值、反映工业生产领域的工业增加值、钢材产量、水泥产量、纱产量和化学纤维产量等。计算货运生产主要指标与经济社会指标之间的Spearman相关系数，筛选过程中将相关系数绝对值低于0.5的指标视作关联性不强，并予以剔除。

②协整分析

协整检验用来证明指标间长期走势的真实性和稳定性，通常通过Engle-Granger两步法检验。首先需要通过ADF（Augmented Dickey-Fuller）检验确认两个非平稳变量是否具有相同的单整阶数。如果存在相同的阶数，需要构建如下回归模型：

针对残差序列et再次进行单位根检验，如果为拒绝原假设即可确定二者存在协整关系。

在相关性分析的基础上，为验证指标间的相关关系是否具有稳定性，需要对上述指标进行协整检验。在对上述指标异常值修正处理后进行Engle-Granger两步法检验。其中原假设为两变量间不存在协整关系，通过对公路货运主要指标与经济社会指标间的p值（当原假设为真时所得到的样本观察结果或更极端结果出现的概率，本研究将p值小于或等于0.1作为阈值）进行分析，可以看出在上述相关性较强的指标中，进出口总值与公路货运指标可能存在不稳定的长期关系，其余指标则在较大概率下存在稳定的长期关系。协整检验对应的显著性水平结果如表2所示。

表2 公路货运指标与主要经济社会指标协整检验p值

Granger因果检验主要用于分析指标间历史变化是否具有统计上的关联性。在筛选出的较为稳定、相关性较强的指标中，有部分指标的历史序列对公路货运指标历史波动具有解释意义，而另一部分指标虽然与公路货运具有走势上的一致性，但其历史波动规律特点对公路货运指标并不具备显著的解释能力。为此，需要从中进一步提取出能够集中解释公路货运生产波动特点的经济社会指标。

在对各变量进行差分并修正异常值后，对变量间进行Granger因果检验（见表3），其中显著性水平高于0.1的指标，表明无法拒绝原假设，即该指标对解释公路货运生产指标不具备统计上的显著性。从表3可看出，没有显著性水平高于0.1的指标。

表3 公路货运指标与主要经济社会指标Granger因果检验结果

（2）同步性分析

利用关联性分析筛选出的指标，需要进一步进行同步性分析。本文使用K-L信息量法和HP滤波法进行分析，判断公路货运指标与经济社会指标之间的先行、同步、滞后关系，重点筛选与公路货运指标存在较强同步性的经济社会指标。

基于关联性分析结果，排除同类指标间的自相关性，最终选取8个宏观经济和主要关联产业指标与公路货运指标进行K-L信息量及HP滤波测算。

这8个指标分别是：工业增加值、固定资产投资、社会消费品零售总额、公共财政支出、钢材产量、水泥产量、纱产量、化学纤维产量。

K-L信息量评价准则：K-L信息量的取值范围为[-12,12]，其中，负数表示经济社会指标先行于公路货运指标，正数表示经济社会指标滞后于公路货运指标，数字表示先行（或滞后）的阶数（即月度数）。一般来说，若K-L信息量在[-3,3]的范围内，表示两个指标之间的先行（或滞后）期在3个月内，认为是同步指标；若K-L信息量在[-6,-3]及[3,6]的范围内，表示两个指标之间的先行（或滞后）期大于3个月但小于半年，存在较为明显的先行滞后关系；若K-L信息量在[-12,-6]及[6,12]的范围内，则不认为存在具有统计意义的同步、先行、滞后关系。

HP滤波评价准则：通过剥离出来的高频指标序列的峰谷图对比，若两个指标序列的波峰（或波谷）出现的时间差在3个月内，认为是同步指标；若时间差大于3个月但小于半年，认为存在较为明显的先行滞后关系；若时间差大于半年，则不认为存在具有统计意义的同步、先行、滞后关系。公路货运同步性分析测算结果见表4。

表4 公路货运同步性分析测算结果表

从表4中K-L信息量测算结果可见，与公路货运存在同步关系的指标主要有工业增加值、固定资产投资、社会消费品零售总额、钢材产量；纱产量和化学纤维产量先行于公路货运指标；存在滞后关系的指标是水泥产量。

从HP滤波测算结果可见，与公路货运存在同步关系的指标主要有工业增加值、固定资产投资、社会消费品零售总额、钢材产量、水泥产量、化学纤维产量；存在先行关系的指标是纱产量。

由于K-L信息量测算受指标序列长度影响较为明显，而HP滤波法受连续波动干扰较大，因此，结合两种测算方法得到的结果更为合理，综合得到公路货运的表征指标为工业增加值、固定资产投资、社会消费品零售总额、钢材产量、纱产量。

工业增加值主要反映了整体工业的运行情况，尤其是工业结构中占主要部分的能源消耗型产业，这些产业也是公路运输的主要货运产业；固定资产投资的加快，带动运输需求的增长；社会消费品零售总额反映了产品在社会间流动的情况，是运输需求的一个侧面反映；钢材和纱均是重点运输货类，分别代表了钢铁行业和纺织行业，属于福建省重要产业。

（3）主成分分析

通过关联性分析和同步性分析，确定最终表征指标集。之后，进行主成分分析。根据主成分分析结果，主成分1、主成分2和主成分3的方差累积贡献达到98.4%，即解释了98.4%的总方差，叠加计算主成分1、主成分2和主成分3的系数，得到5个经济社会指标的权重。

使用主成分分析方法，对指标进行赋权，完成指标权重设置工作，模型构建完成。

1.3.2 模型结论

整合上述几种计量经济分析方法的结论，筛选出的最终表征指标集和权重如表5所示。

表5 公路货运表征指标权重

2 公路货运行业发展特点分析

（1）公路货运生产稳步增长，与社会经济发展总体态势基本一致

弹性系数法[11]是在对一个因素发展变化预测的基础上，通过弹性系数对另一个因素的发展变化进行预测的一种间接预测方法。公路货运弹性系数表示经济社会发展对公路货运需求的依赖程度，是公路货运需求预测的重要参数。其定义为单位经济社会指标的变动所造成的公路货运指标的相对变动，如下式所示：

弹性系数越大，表明经济社会发展对公路货运需求的依赖程度越大；反之越小。该方法通过分析总结历史的经济社会发展与公路货运发展的关系，来推测未来的弹性系数，并通过对经济社会发展速度的预测，得到预测期内公路货运指标的增长速度。公路货运弹性系数如表6所示。

表6 公路货运弹性系数表

表6（续）

从表6可以看出，“十二五”期间，公路货运对经济社会主要指标的弹性系数存在较明显的阶段性特征，2011年和2012年，公路货运对工业增加值、社会消费品零售总额的弹性系数普遍小于1，而2013年开始变为大于1。在“十二五”的头两年，经济社会处于较快发展阶段，公路货运发展速度相对较缓，2013年开始，经济增速逐渐下行，尤其是2015年和2017年，部分指标出现负增长，公路货运仍保持较快增长，因此，出现了弹性系数为负的情况，这与经济下行阶段交通运输的变化往往较经济社会主要指标变动更为敏感的规律相符。

从经济影响来看，工业增加值、固定资产投资和社会消费品零售总额作为影响货运行业发展走势的重要宏观经济类指标，近年来一直呈现稳定增长态势。工业增加值作为衡量一个地区发展的权威指标，其持续稳定增长能够影响社会再生产过程中生产、分配、交换和消费的各个环节，而货物运输行业作为重要的生产性、消费性服务业，是社会生产、分配、交换、消费各个环节得以正常进行的重要桥梁和纽带，因此，工业增加值的稳定增长，可以促进货物运输需求，保证货运量的增长。投资和消费是扩大内需的主要手段，固定资产投资和社会消费品零售总额作为投资和消费最典型的代表指标，其持续不断的增长也能够对扩大货物运输需求产生积极的影响。

因此可以说，宏观经济主要指标的持续稳定发展为公路货运行业保持较快增长创造了发展空间。从数据也可看出，“十二五”的前几年，随着宏观经济的快速发展，在货物运输中占据主导地位的公路货运行业保持了较快的增长势头，但之后，在宏观经济主要指标出现增速递减的综合影响下，公路货运行业的发展速度出现了明显的下降势头。

（2）近年来，公路货运货类结构保持相对稳定，与产业结构相吻合

根据2013年和2015年两次大型调查的数据（见表7）可以看出，2013—2015年间，福建省公路货运五大货类所占比重排在第一位的都是建筑材料类货物，占比都在60%左右；排在第二位的是日常生活消费品类货物，占比都在15%左右。从表7数据可以看出，五大货类所占比重变化不大，货类结构保持相对稳定。

福建省公路货运货类结构所呈现出的特点，印证了表征公路货运发展态势的关联产业主要指标的代表性。通过定量分析筛选出的关联产业指标是钢材产量和纱产量。钢材是矿建材料类货物的重要组成部分，而纱是日常生活消费品类货物的重要生产原料，这两个指标与公路货运的前两大货类保持了一致。不仅如此，福建省公路货运货类结构的特点与其产业结构也密切相关。福建省建筑业增加值占全省地区生产总值的比重仅次于制造业，是名副其实的重要支柱产业；从三产结构来看，第二产业在福建省国民经济中占主导地位（2017年三次产业占比7.6∶48.8∶43.6[12]），而在规模以上工业增加值中，福建省与绝大部分省份以重工业为主的产业结构不同，其规模以上轻工业增加值已经超过了重工业，占比达到51.8%，是工业经济增长的主力。福建省产业结构的这两个突出特点，与其公路货物运输中建筑材料类和日常生活消费品类货物高居前两位的货类结构特点相吻合。

表7 2013年、2015年福建省公路分货类货运量结构对比表（%）

（3）在多种因素综合作用的影响下，分地市公路货运生产与宏观经济和社会发展关联指标之间并没有表现出严格的一致性

从公路货运的空间分布来看，福建省分地市公路货物运输量呈现出东南沿海经济强市排名靠前，西北山区城市排名靠后的特点。各地市的公路货物运输量与经济社会主要指标之间并没有表现出严格的一致性。结合定量分析结论，对福建省公路货运经济社会关联指标按照权重计算综合排名，从结果看，厦门、漳州等地市的公路货运量和经济社会关联指标排名存在较为明显的差异，详细数据见表8。

表8 2016年福建省分地市公路货运量与宏观经济主要关联指标[14]

地市间的货物运输量差异性主要与产业结构密切相关。比如福州、厦门、泉州3个地市，厦门的重点产业以平板显示、计算机与通讯设备、汽车、输配电及控制设备产业为主，重工业、高附加值产业拉动货运量增长，加之公路运输承担了厦门港接近1/3的集疏运，公路货运量相对福州和泉州具有优势；而福州的支柱产业是电子信息产业，运输产品以附加值较高的轻质货物和家用电器等消费品为主，因此福州市的经济社会指标具有优势，但货运量却处于第二位；泉州市虽然是二产占比最高的地市，但以纺织鞋服劳动密集型轻工产业为支柱产业，导致其货运量与经济社会指标间存在差异。另外，漳州市是福建省第4大经济体，也是全国农业最发达的城市之一，其花卉产业占了很大比重，受其产业结构的影响，漳州公路货运行业运输的货类主要是农林牧渔业产品，包括木材、花卉、水果等，这类产品的特性也决定了其难以产生较大的货运量，这虽然会在一定程度上影响漳州市公路货运的总规模，但是否会造成公路货运量处在全省中下游水平，仍有待核实。

3 结语

公路货运与经济社会发展走势具有良好的匹配性，对产业结构变化也具有高度敏感性，可以说是经济社会发展的“晴雨表”。公路货运因其机动灵活、简捷方便以及受交通基础设施限制低的优点，将始终是货物综合运输体系中应用最为广泛的运输方式，但广泛的应用也带来了环境污染的弊端，所以，货物运输结构的调整势在必行。

本文预测，在未来一段时间内，随着福建省地区生产总值、工业增加值仍保持较快增长，居民收入带动消费水平不断提高，交通基础设施建设不断完善，公路货运仍将持续保持增长势头。

但是，由于受到轻工业、高端制造业将成为福建省工业发展的主要方向以及“去产能”和房地产业“去库存”政策的影响，轻工医药类货运需求将会增长，矿建材料、金属矿石以及煤炭等运输需求将会下降。再加上中央经济工作会议调整运输结构，减少公路货运量，增加铁路货运量[15]的重要指示，综合判断，未来一段时间福建省公路货运将保持增长但增速将逐步回落趋稳。