姚孟晗 李云翔 欧雯 朱志航 高子健
摘 要:交通运输是国民经济的基础设施和支柱产业,与经济发展有着紧密的联系。针对这一现象,将交通资源配置与区域经济发展作为研究对象,采用数据包络分析方法(DEA模型),用DEA模型针对两者之间的匹配度进行了研究,结果表明交通资源配置对经济发展水平的影响较大。
关键词:交通资源;区域经济;DEA模型;匹配度
中图分类号:F57 文献标志码:A 文章编号:1002-2589(2013)10-0090-03
一、国内外研究现状
交通运输是国民经济的基础设施和支柱产业,与经济发展有着紧密的联系。国内外的经济学家对于二者之间的关联进行了大量的研究。
亚当·斯密认为交通运输是现代经济发展的条件,提出了著名的“交通运输具有拓宽市场作用”的理论;威廉配第认为交通运输的发展有利于资源的分配;李斯特认为,交通运输的发展既是工业的结果也是工业的原因,交通运输是社会经济发展的重要因素,同时还发现交通运输对其他行业的带动作用,指出交通运输应该与经济的发展相协调;马克思认为交通运输缩短了产销时空的距离、扩大了产品供求市场范围、对于产业布局有着重要的影响;同时马歇尔、罗依桑普森、弗朗索瓦加宏、亨特、欧文等人分别从需求、区位、成本和供求范围的角度对交通运输与经济发展的关系进行了分析。
我国对交通运输与经济发展的关系的研究从20世纪80年代开始兴起。陆大道提出了“点-轴理论”将交通干线、轴线与其辐射范围内的资源禀赋与地区的经济发展进行了深入综合的分析;荣朝和论证了运输化理论,提出运输化是工业化的特征之一,也是伴随运输化的一种经济过程;韩彪从交通运输与经济发展的耦合角度入手,分析了在不同经济发展时期交通运输与经济发展相互促进动因的关系。此外,我国众多专家由定量分析入手运用投入产出模型、灰色关联度综合分析法、协整关系、granger因果检验等方法对经济发展与交通资源的关系进行研究分析。
已有的研究通常从经济发展、产业结构布局与交通运输的空间缩短方面进行分析,论述了交通总量、交通规模与社会经济发展阶段的关系。本文将由不同区域经济发展布局与产业结构演变角度出发,分析交通资源配置与经济发展水平、产业结构之间的关系。
二、超效率评价模型与DEA模型
(一)概述
数据包络分析(Data Envelopment Analysis,简称DEA)方法是运用数学工具评价经济系统生产前沿面有效性的非参数方法,适用于多投入多产出的多目标决策单元的绩效评价。这种方法以相对效率为基础,根据多指标投入与多指标产出对相同类型的决策单元进行相对有效性评价。应用该方法进行绩效评价的另一个特点是,它不需要以参数形式规定生产前沿函数,并且允许生产前沿函数可以因为单位的不同而不同,不需要弄清楚各个评价决策单元的输入与输出之间的关联方式。这种方法采用数学规划模型,对所有决策单元的输出都“一视同仁”。最为重要的是应用该方法还有可能进一步估计某个决策单元达到相对有效时,其产出应该增加及输入可以减少的量。
(二)模型建立
数据包络分析(DEA)是由美国著名运筹学家A.Charnes等人在1978年以相对效率概念为基础发展起来的一种新的绩效评价方法。其以决策单元(简称DMU)的投入、产出指标的权重系数为变量,借助于数学规划模型将决策单元投影到DEA生产前沿面上,通过比较决策单元偏离DEA生产前沿面的程度来对被评价决策单元的相对有效性进行综合绩效评价。
三、模型运算及结果
(一)样本选择
DEA模型是通过创建效率前沿、确立标杆(benchmark),来衡量产业技术效率和规模效率的。就样本量上的要求来看,无论是从技术还是经验出发,样本的个数都应大于投入产出指标的总个数。一个单投入单产出的DMU,为确保效率分析的准确性,样本数量至少应保证3个DMU,如果少于3个DMU,便有可能增加有效DMU的个数。
因此,在数据采集中,我们选取从2001年到2010年的全国除西藏各三十省的数据。在各省研究内容上,我们选取了如下标准:
将衡量区域经济的变量作为超效率DEA模型的投入变量,将衡量区域交通资源配置的变量作为产出变量,并以输出的DMU值衡量区域交通资源配置与经济发展状况的匹配度,DMU值越高,匹配度越好。
选取地区人均GDP做变量,用以衡量区域经济的绝对发展水平。
在衡量区域交通资源配置方面选取了六个变量:铁路客运周转量、公路客运周转量、水路客运周转量、铁路货运周转量、公路货运周转量、水路货客运周转量,其中以铁路、公路、水运为主要研究对象。
(二)模型计算结果
研究各省经济梯度与交通资源配置的关系。具体指标选择为人均国内生产总值(元)与客运总量(万人)、铁路客运量(万人)、公路客运量(万人)、水运客运量(万人)、民用航空客运量(人)、货运总量(万吨)、铁路货运量(万吨)、公路货运量(万吨)、水运货运量(万吨)的效应。得到的结果见表1。
四、交通资源配置与经济发展水平关系
根据相关研究与假设,经济发展水平越高的区域交通资源配置与区域经济发展水平的匹配度越高,而中国的经济区域呈现由东至西,经济发展水平由高至低,所以假设交通资源配置与经济发展的匹配度由东至西呈由高至低分布。
(一)交通资源配置与区域经济发展水平匹配度现状
根据相关研究与假设,经济发展水平越高的区域交通资源配置与区域经济发展水平的匹配度越高,而中国2001~2010年,研究各省份匹配度(DMU值)情况见表1。
为衡量各经济梯度交通资源配置与区域经济发展水平的匹配状况,计算各梯度的年平均DMU值,infeasible取值2。模型结果见表2。
可以看出,在大部分年份中经济梯度交通资源配置与区域经济发展水平的匹配度呈现由高至低为“东、西、中”的分布,在2001年、2008年、2010年由高至低为“东、中、西”的分布。交通资源配置与区域经济发展水平匹配度现状与交通资源配置与经济发展的匹配度由东至西呈由高至低分布的假设大体符合。
(二)匹配度偏差产生原因分析
1.区域间发展的协同性
由于区域间以交通资源相互联结,某一区域的发展会通过交通资源对其他区域产生(通常是好的)影响。区域间发展的协同性受邻近区域交通资源配置,而非自身交通资源配置影响较大。对于我国西部经济梯度,毗邻经济相对发达、交通资源配置密度相对大的中部经济梯度,可能受较大的协同性作用影响;而中部地区一方面临近经济更为发达的东部经济梯度,另一方面同样临近经济欠发达的西部经济梯度,受协同性影响可被抵消,作用较小,因而西部交通资源配置与区域经济发展水平的匹配度多年高于中部匹配度。
2.数据选取
在西部经济梯度的数据中,并未记入西藏自治区数据,而西藏自治区无论在经济发展或交通资源配置方面在西部经济梯度都有十分重要的地位。由于西藏地区铁路、公路及水运等交通资源欠发达,预计会对其经济造成不利影响,从而有较低的经济梯度间交通资源配置与区域经济发展水平匹配度。未计入西藏自治区数据,因此可能使整个西部经济梯度的匹配度提高。
在西部经济梯度评价中,由于经济欠发达,航空等交通运输方式对经济发展的贡献较小,而在中、东部经济梯度,其贡献较大。由于未计入航空业数据会减少一部分交通资源的作用,从而相对较大地降低中、东部经济梯度的匹配度。
五、交通资源配置对经济发展的影响
从上述模型得到的结论来看,交通资源配置对经济发展水平的影响较大。如2010年的数据,新疆维吾尔自治区的铁路客运149.7亿人公里、公路客运271.1亿人公里、铁路货运705.9亿吨公里、公路货运653.0亿吨公里;河北省的铁路客运730.6亿人公里、公路客运290.6亿人公里、铁路货运3618.4亿吨公里、公路货运4011.2亿吨公里、水运货运441.5亿吨公里。2010年模型显示新疆维吾尔自治区匹配度(DMU)为0.54814,河北省为1.51135。从两者交通资源配置来看,河北省为新疆维吾尔自治区的近5倍左右,而面积仅为新疆的十分之一左右,因为河北省的交通资源配置明显优于新疆维吾尔自治区,而河北的经济发展程度也优于新疆维吾尔自治区,所以可以认为交通资源配置对经济发展的影响较为明显。
综上所述,交通资源配置对于经济发展水平的影响较为显著,在我国大力推动经济发展的当下,对交通资源配置的优化成为了比较重要的一个部分。
参考文献:
[1]陈栋生.构建协调发展的区域经济新格局[J].兰州商学院学报,2008,(1).
[2]马红瀚.中国西部区域经济格局研究[D].甘肃:兰州大学,2009.
[3]计志英.基于随机前沿分析法的中国沿海区域经济效率评价[J].华东经济管理,2012,(9).
[4]Hensher, David A. / Truong, Truong P. / Mulley, Corinne / Ellison, Richard, Assessing the wider economy impacts of transport infrastructure investment with an illustrative application to the North-West Rail Link project in Sydney, Australia, Journal of Transport Geography, 24, p.292-305, Sep 2012.
[5]Baslow, Morris H / Hu, Caixia / Guilfoyle, David N, Stimulation-induced decreases in the diffusion of extra-vascular water in the human visual cortex: a window in time and space on mechanisms of brain water transport and economy. Journal of molecular neuroscience : MN, 47 (3), p.639-648, Jul 2012.
[6]O Dessens / T Barker / H Rogers / Annela Anser / R Jones / J Pyle , Effects of climate control on air pollution: Coupling an energy-environment-economy global model (E3MG) and atmospheric,IOP Conference Series: Earth and Environmental Science, 6 (28), p.282008, Feb 2009.
[7]Schipper, Lee, Fuel economy, vehicle use and other factors affecting CO2 emissions from transport, Energy Policy, 37 (10), p.3711-3713, Oct 2009.