地域差异下货运量与货物周转量影响因素分析

桂海霞，赵邦磊，李慧宗，王向前

(安徽理工大学 经济与管理学院，安徽 淮南 232001)

国家发改委2019年6月底公布数据显示，2019年1～5月，我国铁路、公路、水运、民航完成货运量1.999 1×1011t，完成货物周转量8.07×1011t·km，比去年分别同期增长6.0%和5.8%.货物周转量是产品流通过程在空间纬度的具体反映，货运量能直接反映产品的需求空间和经济景气情况，掌握交通货运发展特征及变化趋势对经济发展运行具有重要的意义.

目前国内外学者对货运量和货物周转量的研究主要集中在趋势预测分析[1-4]、经济关系实证研究[5-8]、空间联系特征[9-12]和货运方式规划[13-16].货运量受诸多因素的影响：其中赵怀鑫[17]用灰熵法分析了影响交通需求的三种宏观因素:国民经济因素、内部自相关因素和外部因素.王茜茜[18]利用最小二乘法回归得出不同因子对环渤海区域货运量的影响呈现出较大的空间异质性的结论.戎陆庆[19]从区域物流环境和区域经济等方面构建影响因素体系,利用灰色关联分析了相关因素.李瑞[20]从宏观经济、货运市场供需、物流环境3个方面中选取具有代表性的、可量化的指标作为研究对象，进行了货运量影响因子研究.张岄[21]基于灰色关联分析方法构建多元线性回归模型，分析了关键影响因素对货运量的影响.

以上研究都是建立在一种运输方式的基础上，针对铁路、水路、公路、航空和管道五种运输方式对货运量和货物周转量的关联性分析并不是很多，且不同区域货运量和货物周转量的影响因素也不尽相同.本文利用灰色关联分析得出每个序列的关联系数，并使用熵权法对年份赋予一定的客观权重，得出每种运输方式对全国货运量和货物周转量的灰熵关联度，选取关联度最高的运输方式，建立一级与二级影响因素评价指标体系进行省份关联分析.准确把握我国省域影响因素，不仅有利于挖掘物流业发展的潜在动能，也为国家和地方政府制定物流产业发展政策、构建物流业跨地区协调高效发展机制等提供科学依据.

1 相关理论研究

1.1 灰色关联分析

灰色关联分析是通过系统动态变化过程中的量化分析来判定诸多因素之间的相关程度，这种关联程度利用曲线之间的相似性得以体现，关联度越大，说明该因素对系统变化的影响程度也越高.关键计算步骤：均值化处理Xi(k)、计算关联系数ξi(k)、确定关联度ri，对应公式为：

(1)

(2)

(3)

1.2 熵权法

1.2.1 数据标准化

以货运量为例，将各种运输方式的数据进行标准化处理，假设给定了k种运输方式x1,x2,…,xk其中xi={x1,x2,x3,…,xk}，对货运量数据标准化后的值为Y1,Y2,…,Yk，则：

(4)

1.2.2 求解各指标信息熵

根据信息论中信息熵的定义，一组数据的信息熵Ej表示为：

(5)

(6)

1.2.3 确定各指标权重

根据信息熵的计算公式，计算出各种运输方式信息熵为E1,E2,…,Ek，进而得出各种运输方式在货运量中所占的权重wi：

(7)

1.3 灰色熵权法

通过相关的研究可以发现灰色关联分析方法存在以下不足：

1)灰色关联度是由母序列和子序列在各点平均后的关联系数得到的，并没有考虑母序列和子序列中各元素的重要程度，只要各点关联系数总和不变，无论各点的关联系数再如何波动，最终的关联度都不会改变，这显然是不合理的.

2)灰色关联度分析方法作为评价适应性的主要方法之一，指标权重的赋值大都采用层次分析和问卷调查法等，由于存在一定的主观随意性[22]，评价结果难免会存在偏差，很难符合实际情况.

针对以上不足，利用熵权法与灰色关联分析方法进行结合，把指标权重的确定由定性分析改为定量分析，一定程度上克服了主观随意性造成的偏差，并且考虑各序列中各元素对系统关联度造成的影响.

(8)

2 运输方式关联度

2.1 数据收集

本文数据来源于国家统计局，收集2009～2018年全国货运量和货物周转量数据作为研究对象，分析铁路、公路、水运、民用航空和管道五种运输方式对货运量和货物周转量的关联性，得出各种运输方式对两者的影响程度，为下一步分析省份货运量和货物周转量的影响因素奠定基础[23-24].

2.2 实证分析

图1是灰色关联度值，各种运输方式关联度差别显著，公路运输方式关联度最大，达到了0.86，铁路运输关联度最小，仅为0.49.但2009～2018年五种运输方式关联度曲线起伏不明显，2009年货运方式关于货运量的关联度是0.66，货物周转量的关联度是0.59；2018年货运方式关于两者的关联度分别是0.67和0.54.货运量和货物周转量关于货运方式的关联度时空差距较小，有必要利用熵权法对其权重进行时间定量加权.

图1 灰色关联度

图2中货运量和货物周转量各年份所占权重在曲线分布上呈现出高度的一致性，从2009～2018年权重整体上呈现出不断上涨的趋势，在2014～2016年货运量和货物周转量年份所占权重有所起伏，但是相差不大.货运量和货物周转量年份所占权重最低的是2009年，分别是0.03%和0.11%；最高的是2018年，分别达到了19%和18%，意味着距今时间越久的节点所占权重也就越低，距今时间短，权重相对较高，符合信息具有时效性这一普遍认知.图3是五种运输方式的关联度大小，货运量和货物周转量的灰色熵权关联度呈现出大体上的一致性，除了水运运输方式有些许差别外，公路、铁路、民用航空和管道运输四种运输方式具有高度相似性.五种运输方式中货运量和货物周转量关联度最大的均是公路运输，分别是0.92和0.78，可见公路运输对我国货运量和货物周转量有较大影响，因此有必要对其相关影响因素进行深层次的探析.

图2 年份权重

图3 运输方式灰熵关联度

3 货运量和货物周转量的影响因素研究

3.1 建立评价指标体系

关于货运量影响因素评价指标体系的建立，应遵循系统性、动态性、科学性和综合性原则.本文在诸多学者研究的基础上，将其影响因素分为四大类：物流环境因素、经济因素、产业结构因素和其他社会因素，并细分扩展为18个二级影响因素指标，见表1.

表1 影响因素评价指标体系

其中地区生产总值等于各产业增加值之和，第一产业增加值为农业增加值(包括林业、牧业、渔业等)，第二产业增加值为工业增加值(包括采掘业、制造业、自来水、电力、蒸汽、热水、煤气)和建筑业等；第三产业增加值为上述一、二产业以外的其他各业，包括交通运输、仓储和邮政业、服务业等产值.主要农产品产量包括粮食、茶叶、水果、肉类、禽蛋、牛奶和水产品等三级指标的总和，主要工业品选取原盐、焦炭、硫酸、乙烯、化学纤维、钢材等15种工业品的总产量.

3.2 灰色熵权关联度计算

在国家统计局收集2006～2017年江苏省相关数据，以货运量和货物周转量的数据作为参考数列Y=Y(k)|k=1,2,…,n，以各项影响因素指标作为灰色熵权关联度的比较数列Xi=Xi(k)|k=1,2,…,n;i=1,2,…,m.

3.2.1 江苏省影响因素关联度分析

以江苏省货运量影响因素关联度为例，利用灰色关联度算法得出每个影响指标的关联度大小，利用熵权法定量计算出年份权重，最终得出货运量各指标的年份灰熵关联系数，见表2.

表2 江苏货运量各指标年份关联系数

由各影响因素的关联系数和各年份的权重可以得出最终的灰熵关联度，图4是江苏省货运量和货物周转量的灰熵关联度，两者在主要工业品和第一产业增加值等某些影响因素上大抵是相似的；而在某些影响因素上也出现了较大差异，如居民消费水平和全社会固定资产投资等.虽然货运量和货物周转量之间存在相关性，但在某些影响因素方面关联度大小有所差异，这也验证了对它们的关联度进行各自分析的必要性.

图4 江苏省灰熵关联度

图5是对江苏省货运量影响因素关联度大小的指标排序，排名最高的是居民消费价格指数0.836，其次是年末常住人口0.835 5、公路里程数0.813.图6是对江苏省货物周转量的指标排序，排在前三位的是地区生产总值、载货吨位数和就业人员平均工资，关联度依次是0.877、0.864和0.862.在排名前五的二级指标影响因素中，货运量的经济因素和其他社会因素各占两个，在货物周转量的二级指标影响因素中，经济因素则占了其中的四个，两者差别显著.

图5 江苏货运量指标排序

图6 江苏货物周转量关联度指标排序

3.2.2 湖南省影响因素关联度分析

湖南省影响因素指标关联度如图7所示，货运量方面主要工业品关联度是0.835，第一产业增加值为0.824，运输业就业人员数是0.794.其中最大关联度属于其他社会因素，第一产业增加值属于产业因素，运输业就业人员数属于物流环境因素.而对货物周转量的关联度进行排序，第二产业增加值、地区生产总值和就业人员平均工资关联度较大，分别是0.895、0.833和0.787.第二产业增加值关联度最大，属于产业因素，地区生产总值和就业人员平均工资属于经济因素.

图7 湖南影响因素关联度

3.2.3 甘肃省影响因素关联度分析

甘肃省影响因素关联度大小见图8，首先对货运量关联度进行分析，其中最大的是地区生产总值0.896，载货汽车拥有量和运输业就业人员数分别以0.866 8和0.845 1列第二、三位.地区生产总值属于经济因素，载货汽车拥有量和就业人员数属于物流环境因素.甘肃省货物周转量的指标关联度排序和货运量指标排序类似，排在前三位的是地区生产总值0.865、载货汽车拥有量0.859和第一产业增加值0.831，地区生产总值属于经济因素，载货汽车拥有量属于物流环境因素，第一产业增加值为产业因素.

图8 甘肃影响因素关联度

3.2.4 各省份关联度差异分析

货物周转量是所运货物吨数与其运送距离的乘积，相比之下货运量反映经济状况和产品需求空间，货运量关联度更能反映不同地区发展状况.图9反映了三个省份货运量一级指标影响因素的平均关联度，不同区域影响因素关联度有所差异.甘肃省关联度较大的是物流环境因素和产业因素，经济发展水平较好的江苏省关联度最大的是其他社会因素，湖南省的关联度值类型和甘肃省类似，只是在物流环境、经济和产业三种因素关联度上都较甘肃省小.三个省是东中西部发展状况的典型代表，当发展水平不是特别高时，物流环境等基础设施会对货运量产生至关重要的影响，经济因素和产业因素对其影响也较大；当经济发展水平有了一定的起色，物流环境等基础设施得到一定改善，物流环境因素就不再对其产生绝对性影响，其他社会因素对其影响则呈上升趋势；当经济发展进入一定阶段，物流基础设施基本完善，经济与产业因素对货运量影响力进一步削弱，关联度最大的则变成其他社会因素.政府部门要发挥宏观调控作用，加大政策支持力度.加大完善物流基础设施建设，不断完善交通运输体系，构建高效、便捷的物流基础设施网络，促进物流产业功能价值的发挥.

图9 货运量一级指标平均关联度

4 结 论

利用灰色熵权可以反映出五种运输方式对全国货运量和货物周转量的影响程度，证明了灰色熵权算法的客观有效性，通过建立指标评价体系对不同地域货运量和货物周转量的影响因素进行量化分析，可以得出如下结论：

1)国内货运发展空间异质性特征明显：空间局域异质性体现为货运量与货物周转量在沿海地区与内陆地区开始形成冷热点空间集聚，港口等交通枢纽对热点空间集聚的产生起了重要的作用；空间分层异质性体现在不同地域，不同发展阶段过程中，经济、社会和物流环境等因素所发挥的效益有所差别.

2)虽然经济因素反映了一个地区经济发展水平的高低，区域经济发展得越好，由此带来的货运量也就越高，但是经济影响因素与货运发展并没有呈现正向的线性相关，反而随着经济发展水平的提高经济影响因素关联度随之下降，意味着经济因素对货运发展的拉动力下降.在江苏省的货运量影响因素中其他社会因素关联度最大，东部地区应该在发展经济的同时，注重非经济因素对货运发展的拉动效应.

3)物流环境因素是公路运输的内在基础，它客观衡量了一个区域内物流产业的根基.对中西部地区来说，物流环境因素对货运量和货物周转量产生了至关重要的影响，随着经济发展水平的提高，物流环境得到完善，这种影响会逐渐减小.所以中西部地区现有任务是从总体上保障物流基础设施、物流装备的发展规模和层次，构建良好的物流配套环境，形成有计划、有目的的综合运输方式，促进货运量的增长.

4)政府需要打破省域间的封锁和部门分割，进一步优化通行环境，合理引导物流业的发展.对交通枢纽节点和快速通道的布局进行合理规划，支持和鼓励物流企业跨地区、跨部门整合资源，以此降低物流运营成本，促进物流效率的整体提高.