宏观视角下地铁建设与城市经济的关联分析

游俊雄

（厦门大学嘉庚学院 管理学院，福建 漳州 363105)

地铁是城市交通系统的现代化表征，通常地铁的旅行速度不低于35 km/h，高峰小时行车间隔不大于2 min，客运量一般可以达到单向4.5万人次/h，最大运量甚至可以通过列车编组与发车频率调整达到7.5万人次/h，运输能力比地面公共汽车大7 ~ 10倍[1-2]。地铁的优势在于创造外部经济性，如节省土地、减少交通噪音、减少交通干扰、节约能源、减少污染、创造空间价值、快速运送、准时运送等；地铁的最大劣势则是建设成本高、运营费用高[3-4]，估算国内地铁每公里造价约为7亿 ~ 10亿元，部分大城市地铁建设成本甚至更高[5-6]。根据中国城市轨道交通协会的不完全统计，2019年全国城市轨道交通平均单位车公里运营成本约23.4元，而平均单位车公里收入为16.7元，运营收支比为72.7%，运营收支比超过100%的城市有杭州、深圳、北京、青岛，均为资源经营收入较高的城市。2020年受新冠肺炎疫情影响，城市轨道交通运营收支比降到65%[7]，显示地铁营收不足的城市大比例存在，而且将持续背负着未来运营的财务补贴压力，这与过往认为地铁建设可以带动城市经济正向发展的认知[8]似乎背道而驰。2018年国务院办公厅印发《关于进一步加强城市轨道交通规划建设管理的意见》，提高了城市轨道交通规划建设的门槛，其中GDP的指标要求从原有的1 000亿元提高到3 000亿元[9-10]，显示国家发展和改革委员会对于地铁基建项目采取了愈加审慎的态度，以避免地铁的过度投资拖累经济发展，引发债务风险。地铁建设规模庞大，与城市经济发展关联密切，在此对宏观视角下地铁建设与城市经济的关联关系进行分析研究。

1 地铁建设与城市经济概况

截至2020年底，我国共有38个城市开通地铁运营，2016—2020年期间新增地铁线路长度3 629.2 km，在建地铁线路长度5 662.2 km。2020年地铁运营规模与城市经济人口数据如表1所示[7]。根据地铁线路长度与GDP可以画出散点图，按GDP分类的地铁城市分布如图1所示。图1显示地铁线路长度与GDP具有一定的相关性，从大趋势上可以发现城市GDP越高，地铁线路长度就越长。图1中根据GDP将地铁城市划分为4类：I类城市GDP ＞ 15 000亿元，共有9个城市，地铁线路4 ~ 20条，线路长度165 ~ 694 km；II类城市10 000亿元 ＜ GDP ＜ 15 000亿元，共有12个城市，地铁线路1~8条，线路长度22 ~ 239 km；III类城市5 000亿元 ＜ GDP ＜ 10 000亿元，共有11个城市，地铁线路1 ~ 8条，线路长度30 ~ 140 km；IV类城市GDP ＜ 5 000亿元，共有6个城市，地铁线路1 ~ 4条，线路长度24 ~ 108 km。

表1 2020年地铁运营规模与城市经济人口数据Tab.1 Subway operation scale and urban economic and population in 2020

图1 按GDP分类的地铁城市分布Fig.1 Subway city distribution according to GDP

2 地铁建设规模与经济关联分析

2.1 建设规模相关因素分析

从表1可以发现，地铁线路数量与线路长度与GDP、人口都具有关联性。研究将直辖市、省会级城市与一般城市给予不同的分类值，直辖市以1代表、省会级城市以2代表、一般城市以3代表。为了厘清地铁建设与城市经济的关联性，研究设定了H1—H5统计假设，其中H1—H3地铁线路规模包括了地铁线路数量与线路长度2个变量。

H1：地铁线路规模与GDP线性相关。

H2：地铁线路规模与城市人口数量线性相关。

H3：地铁线路规模与城市行政中心特性线性相关。

H4：地铁线路长度排名与城市GDP在全国排名线性相关。

H5：不同分区城市地铁线路长度与GDP相关性不同。

通过统计软件进行了相关检验工作，得到地铁规模与关键因素皮尔逊相关系数如表2所示，不同宏观范围下地铁线路长度与GDP皮尔逊相关系数如表3所示，城市地铁规模排名与GDP排名相关性如表4所示。

表4 城市地铁规模排名与GDP排名相关性Tab.4 Correlation between subway scale ranking and GDP ranking among cities

从表2的皮尔逊相关系数可以发现，在宏观视角下38个城市的地铁线路数量与线路长度2个变量有明显线性相关，而线路数量或线路长度与GDP、人口数、行政中心等因素同样具有显著相关，其中又以GDP与地铁线路长度呈高度相关，而GDP又与其他因素高度相关。因此，为了避免共线性问题，分析地铁规模与经济体量联动时，选择地铁线路长度与GDP 2个变量进行回归分析。

表2 地铁规模与关键因素皮尔逊相关系数Tab.2 Pearson correlation coefficient between subway scale and key factors

从图1可以发现，以GDP进行的城市分区中，地铁线路长度与GDP的相关性有所不同，因此分析了不同宏观范围下地铁线路长度与GDP的皮尔逊相关系数，得到表3的结果。可以发现，当城市GDP较小时(III类与IV类城市)，GDP与地铁线路长度相关性并不明显；但是当城市GDP越大时，线路长度与GDP的线性相关就会更明显。表3显示，当城市GDP体量达到II类城市时，地铁线路长度与GDP的线性相关就会趋于显著；当城市GDP体量达到I类城市时，地铁线路长度与GDP的线性相关会更加明显。

表3 不同宏观范围下地铁线路长度与GDP皮尔逊相关系数Tab.3 Pearson correlation coefficient between subway line length and GDP in different macro ranges

为了检验地铁规模排名与各城市在全国GDP排名的相关性，研究采用无参数检验法，计算了肯德尔taub相关系数与斯皮尔曼Rho相关系数，结果如表4所示。表4显示地铁线路长度排名与城市GDP排名具有相关性，但是其相关强度不如地铁线路长度与城市GDP总量相关紧密，即城市GDP排名对地铁规模的影响不及GDP。通过表2、表3与表4的相关分析检验，说明统计假设H1—H5全部接受。

2.2 回归模型分析

宏观视野下地铁线路长度与城市GDP具有高度相关性，因此根据2020年的数据散点图形态构建了以线路长度为因变量，以GDP为自变量的线性回归模型与指数回归模型，并计算得出2个模型的判定系数(R2)，以分析地铁线路长度受GDP影响的情形。直线回归模型与指数回归模型如图2所示，地铁线路长度回归模型如表5所示。2个回归模型自变量系数都是显著有效，由于线性回归模型拟合优度R2为0.798较佳，因此以线性回归模型进行后续分析，此回归模型基本上符合国家发展和改革委员会对规划建设地铁城市GDP达到3 000亿元以上体量的新要求。模型显示在宏观视野下，地铁线路长度随着城市GDP总量每增加1 000亿元增加18 km，即城市每增加55.6亿元的GDP，地铁增量为1 km。在现有的地铁城市分类中，IV类城市中6个城市GDP体量显然不足，11个III类城市有5个不足，12个II类城市有2个不足，9个I类城市有6个不足，GDP不足城市比例为50%。

表5 地铁线路长度回归模型Tab.5 Regression model of subway line length

图2 直线回归模型与指数回归模型Fig.2 Linear regression model and exponential regression model

2.3 残差分析

残差分析为观察值与回归预测值的差异，可以用来判断样本点与宏观趋势的差异状况，残差标准化过程是将各残差值减去其平均值后再除以标准差的做法，检视线性回归模型的残差标准化散布图。地铁线路长度受GDP影响回归残差散布图如图3所示。由图3可知，截至2020年底，38个城市地铁线路长度受GDP影响下，I类城市回归标准化残差值平均为0.431 73，显示实际线路长度有明显高于回归模型预测趋势的现象，其中成都、广州、武汉地铁线路长度数值偏高(回归标准化残差值＞1)，偏离整体趋势，尤其又以成都最高，回归标准化残差值为3.172 55，重庆、苏州地铁线路长度数值偏低(回归标准化残差值＜-1)；II类城市回归标准化残差值平均为-0.463 18，显示实际线路长度明显低于回归模型预测趋势现象，只有西安地铁线路长度数值偏高，回归标准化残差值为1.400 98，明显偏离回归模型预测下GDP对应的线路长度数值，无锡、佛山、青岛、济南地铁线路长度明显偏低(回归标准化残差值＜-1)；III类城市回归标准化残差值平均为-0.062 21，整体地铁线路长度略低于依据GDP所预测的长度，东莞回归标准化残差值为-1.044 07，明显偏低；IV类城市中的回归标准化残差值平均为0.392 82，显示实际线路长度明显高于回归模型的趋势预测值，6个城市的线路长度数值虽然都偏高，但回归标准化残差值都小于1，只有南宁略高，回归标准化残差值为0.952 19。

图3 地铁线路长度受GDP影响回归残差散布图Fig.3 Scatter diagram of regression residuals of subway line length affected by GDP

残差分析结果显示，I类城市GDP越大在地铁建设上越是超越回归模型预测趋势，加大地铁建设规模，显示了其乐观态度。IV类城市由于GDP体量小，为了维持地铁路网的基本功能，地铁建设必须在可控范围内超越回归模型的预测趋势。II类、III类城市相对保守，严守地铁线路长度配合GDP增量限制，甚至不因GDP增量而加快地铁建设速度。地铁运营成本具规模特性，GDP小的IV类城市虽然地铁线路规模较小，但财政承压显然大于GDP大的城市。

2.4 地铁线路长度增量与GDP增量边际关系

虽然宏观趋势下地铁规模与GDP呈现正相关性，但是检视2016—2020年38个城市的GDP，可以发现即使每个城市的地铁规模都扩大了，但并非每个城市的GDP都是增加的。在此期间，天津、沈阳、大连、呼和浩特、哈尔滨的地铁建设规模持续扩大，但GDP却是减少的；而上海、北京、南京、无锡的每公里地铁线路长度增量都配合着百亿元以上的GDP增量。2016—2020年各城市地铁线路长度增量与GDP增量关系如表6所示。整体而言，38个城市平均每公里地铁线路长度增量配合着38.08亿元的GDP增量，I类城市平均为40.94亿元，II类城市平均为40.93亿元，III类城市平均为31.04亿元，IV类城市平均为21.22亿元。以上数据表明，不同城市的地铁发展特性不同，部分城市地铁建设速度过快，忽略了经济的增加速度。经济是财政来源的基础，太过忽略经济成长的地铁建设，可能为城市带来过重的财政负担，减弱政府财政经济效果。

表6 2016—2020年各城市地铁线路长度增量与GDP增量关系Tab.6 Relationship between the increment of subway line length and growth of GDP in each city from 2016 to 2020

3 地铁运营补贴承载力分析

地铁运营成本通常较高，国内地铁整体运营收支比平均为60% ~ 70%，各城市普遍会对地铁进行财务补贴[5]，不同城市对地铁运营的财政补贴能力因财政来源不同而有所差别，通常城市GDP与财政具有高度正相关性，GDP越高城市所能承受的地铁运营补贴压力也越大。而地铁由于具备规模经济特性，路网规模越大，平均运营成本会逐渐下降，营收增加。

计算2016—2020年各城市GDP年平均值，各城市每公里地铁线路长度对应的GDP如图4所示。从图4可以发现，大城市每公里地铁线路长度对应的GDP数值普遍较低，显示对地铁运营财务承载力较为乐观，中小城市则相对保守。I类城市平均值为0.568 9，其中重庆(0.86)、苏州(1.09)较高；II类城市平均值为1.295 8，西安最低(0.35)，佛山(4.67)、济南(1.78)较高；III类城市平均值为1.276 4，昆明(0.4)、沈阳(0.58)、南昌(0.58)较低，东莞(2.21)、常州(2.02)、哈尔滨(2.0)较高；IV类城市平均值为0.968 3，南宁(0.4)、呼和浩特(0.6)较低，太原(1.55)较高。2016—2020年GDP减少的城市中沈阳、呼和浩特在各分区城市中有补贴承载力偏低现象。此数据基本反应了地铁规模经济特性，以及I类城市地铁运营财务承载力较为乐观，II类、III类城市相对保守的情况。补贴承载数值过低显示地铁建设增量可能超过经济发展速度，使城市公共财政压力过重；补贴承载数值过高则可能致使地铁建设落后，影响城市持续发展。

图4 各城市每公里地铁线路长度对应的GDPFig.4 GDP corresponding to the length of subway line per kilometer in each city

4 环比分析

根据中国城市轨道交通协会与各省市统计局的经济数据，2021年地铁运营规模与城市经济变化数据如表7所示。相对2020年，地铁运营城市增加绍兴和洛阳2个，达到40个。

由表7可知，2021年I类城市共9个，II类城市共13个，III类城市共14个，IV类城市共4个。与2020年进行环比分析，计算得到2021年地铁线路长度回归模型如表8所示。比较表5与表8，可以发现2个年度的横断面数据都显示宏观视角下，城市GDP每增加1 000亿元地铁线路运营长度增加18 km的趋势，即每公里地铁线路增加长度对应着55.6亿元GDP的增加值。

表7 2021年地铁运营规模与城市经济变化数据Tab.7 Subway operation scale and urban economic changes in 2021

表8 2021年地铁线路长度回归模型Tab.8 Regression model of subway line length in 2021

以2020年38个城市为基础，环比2021年38个城市GDP增量与地铁线路长度增量关系平均为58.8亿元/km，相较2016—2020期间的平均值38.08亿元/km，显示地铁发展与经济产出在既定宏观趋势下稳定成长。2021年GDP增量与地铁线路长度增量关系，I类城市平均为63.2亿元/km，II类城市平均为68.7亿元/km，III类城市平均为38.1亿元/km，IV类城市平均为43.8亿元/km。III类城市GDP增量较小，扩大地铁运营规模较吃力；IV类城市仅有贵阳增加了地铁运营长度。以上显示经济发展体量较小的城市，地铁扩展速度明显保守。

5 结论与建议

研究分析发现，地铁线路长度与城市GDP是高度相关的(相关系数为0.894)，但也不是绝对相关，有些城市虽然GDP较高，但不一定大力兴建地铁，因此地铁线路长度的排名与城市GDP的排名相关性不如其与城市GDP总量的相关性紧密。在宏观视角下计算得出城市GDP每增加1 000亿元地铁线路长度增加18 km，表明要建设地铁，城市经济的增量是必要的。同时，还应考虑地铁建设完工后的运营成本负担问题。研究结果显示GDP较高的城市，对应每公里地铁线路长度的GDP数值相对较低，显示大城市对发展地铁的乐观态度，中小城市在这项数值上明显偏高，显示出较为保守的态度。值得注意的是，西安、昆明、沈阳、南昌、南宁、呼和浩特等城市每公里地铁线路长度GDP对应值与同类型城市比较明显偏低，未来在运营财政补贴上可能带来压力。此外，为了维持地铁正常运作的财务支持，建议除票价应随物价水平适度调整外，地铁系统所创造的外部经济利益也应考虑部分纳入营收中，以达到为城市持续提供服务的目的。