我国铁路与公路运输总产出效应之对比分析

摘 要：交通运输业的平衡稳定快速发展是保证可持续发展的关键环节。目前我国各种运输方式之间的发展水平极不平衡，尤其是公路运输的飞速发展与铁路运输的缓慢攀爬形成鲜明对比。而通过建立动态面板数据模型，可对比分析我国目前公路与铁路运输总产出效应的差异，进而反映现阶段二者发展水平的差距。分析结果显示：从统计意义上看，铁路运输网密度具有正的总产出效应，而公路运输网密度具有负的总产出效应；从另一个侧面反映了当前我国铁路运输业仍落后于经济发展，证明了发展高速铁路的重要性。

关键词：铁路 公路 运输网密度 总产出效应 动态面板数据模型 广义矩估计法

交通运输业的平衡稳定快速发展是保证可持续发展的关键环节。“十二五”规划的第三篇第十二章明确提出了“构建综合交通运输体系”的方针。尽管在“十一五”期间，我国交通运输发展取得了重大成就——“五纵五横”综合交通运输网络建设进程加快；基本建成了以铁路、公路、水路、民航和管道五种运输方式为主的网络框架；技术装备和服务水平明显提升。但目前我国各种运输方式之间的发展水平极不平衡，总体运输能力不足，交通网络覆盖度与深度较低，各种运输方式的衔接不够高效，尤其是公路运输的飞速发展与铁路运输的缓慢攀爬形成了鲜明的对比。而随着工业化、城镇化和农业现代化的推进，对客货运输的需求将持续增长，旅客运输需求将更加多样化、多层次化。因此，研究交通运输与经济增长间的关系逐渐成为探讨未来中国经济可持续增长的重要课题之一。

为验证公路运输与铁路运输之间发展水平的差距，本文以柯布-道格拉斯生产函数和永续盘存法为基础，推导出包含总产出和铁路与公路运输网密度的生产函数，并参照此函数的对数形式建立了反映总产出与铁路和公路运输网密度关系的动态面板数据模型。基于2001年～2010年全国30个省、自治区和直辖市的GDP、实物资本存量、就业人数、铁路和公路运输网密度的相关面板数据，使用差分广义矩法和系统广义矩法来估计模型的参数。通过对比分析参数的符号、数值大小以及统计量数值以反映公路与铁路运输总产出效应的差异，进而反映现阶段二者发展水平的差距。

一、建立动态面板数据模型

二、数据来源

本文主要利用2001年～2010年全国30个省、自治区和直辖市的GDP、实物资本存量、就业人数、铁路和公路运输网密度的相关面板数据来估计模型（9）的参数，数据主要来源于“CEIC中国经济数据库”。

首先，以全国30个省、自治区和直辖市2001年～2010年的实际GDP作为总产出Yit的样本数据。为计算各省区的实际GDP，我们从CEIC获得各地区2001年～2010年的居民消费价格指数（以1978年为基期），换算成以2000年为基期的2001年～2010年居民消费价格指数。将2001年～2010年全国30个省、自治区和直辖市的名义GDP除以该居民消费价格指数，得到以2000年价格计算的实际GDP。

以2001年～2010年各省、自治区、直辖市的就业人数作为劳动力Lit的样本数据。2006年缺失北京、天津、山西、辽宁、福建、山东、广东、广西、海南、重庆、贵州、云南、陕西、甘肃、青海、宁夏、新疆的就业人数数据，以2005年和2007年的就业人数的平均数替代。铁路运输网密度和公路运输网密度指标没有直接的数据可获取。本文将2001年～2010年各省、自治区、直辖市的铁路营业里程分别除以各地区的土地调查面积，由此获得的数据作为各省区铁路运输网密度的样本数据。以同样的方法计算获得2001年～2010年各省、自治区、直辖市的公路运输网密度的数据。各变量的描述统计如表1所示。

三、参数估计与检验

1.估计方法说明

本文采用差分广义矩法和系统广义矩法估计模型参数。差分广义矩估计法（DIF GMM）使用期前的因变量的滞后项作为因变量一阶差分滞后项的工具变量，其估计量相对于OLS、固定效应和随机效应的有偏及非一致估计是一致的，偏误程度也有了显著的降低。系统广义矩估计法（SYS GMM）的核心思想是增加了一个假设：工具变量的差分外生于个体效应，从而可以作为水平方程的工具变量。Blundell和Bond（1998）的理论证明及仿真实验均说明了系统广义矩估计量比一阶差分广义矩估计量有更好的有限样本性质，极大地减小了一阶差分广义矩估计量的偏误。同时，蒙特卡罗模拟实验表明，在有限样本下，DIF GMM的估计系数相对于SYS GMM来说存在下偏的情况。下文估计结果的Sargan Test也恰好说明了这一点。

2.实证过程及分析

在实证分析中，我们基于第二部分所得数据，利用动态面板模型的相关回归方法，对式（9）进行估计，具体结果汇总在表2中。在表2中，我们给出了DIF GMM（一步和二步）估计量以及SYS GMM（一步和二步）估计量，并给出工具变量过度识别的检验统计量（Sargan Test），Arellano-Bond的 AR（1）检验统计量和Arellano-Bond的 AR（2）检验统计量。采用的统计软件为STATA11。

重点考察自变量1nRWDit和1nRDit系数估计值的大小和方向。1nRWDit的系数代表铁路运输网密度的总产出弹性，其估计值为0.07（近似至小数点后两位），表明从统计意义上看提高铁路运输网密度将会带来总产出增加，但这种效应是微弱的（估计值的绝对值小于0.1）；铁路运输网密度每增加1%，总产出将增加0.07%。1nRDit的系数代表公路运输网密度的总产出弹性，其估计值为-0.04（近似至小数点后两位），这种效应同样是微弱的，表明从统计意义上看公路运输网密度具有负的总产出效应，这与铁路运输网密度相反；公路运输网密度每增加1%，总产出将减少0.04%。

分析结果显示，铁路运输网密度的总产出效应大于公路运输网密度，提高铁路运输网密度可带来总产出的增加；而增加公路运输网密度却具有反向作用，这似乎与预期相违背。可能的原因在于我国是一个能源短缺的国家，而大力发展公路运输加大了对能源的消耗和依赖。目前，公路运输承担了约80%到90%的货运量和客运量，远远超过了铁路运输，但这并不意味着公路运输较之铁路运输更能推动经济增长。铁路与公路间的巨大差距恰恰反映了我国铁路运输行业的落后，从而制约了客货运输由公路转向铁路。

四、结论与建议

本文依据柯布-道格拉斯生产函数和永续盘存法构建了总产出与运输网密度的动态面板模型，并利用全国30个省、自治区、直辖市2001年～2010年的相关面板数据估计了模型参数。实证分析的结果显示，从统计意义上看，铁路运输网密度具有正的总产出效应，而公路运输网密度具有负的总产出效应，尽管这种作用较微弱。从另一个侧面反映了目前我国铁路运输业仍落后于经济增长以及在我国建设高速铁路的重要性。我国是能源短缺的国家，大力发展公路运输加大了对能源的消耗和依赖；而作为一个面积广阔的国家，铁路运输是比较适合我国的运输方式。因此，“铁老大”在经济增长中的重要性仍未改变，应加大铁路投资，进行铁路建设，大力拓展铁路的运输能力，以促进我国物流业的健康快速发展。这对于后危机时代的中国来说，不失为一个“稳增长”的切入点。

参考文献：

[1]阚叔愚，孟志勇.铁路公路建设可持续发展与国土资源合理利用的研究[J]. 北方交通大学学报，1998，Vol.22（2）：45-49.

[2]刘生龙，胡鞍钢.交通基础设施与中国区域经济一体化[J]. 经济研究，2011，（3）：72-82.

[3]王会宗.交通运输与区域经济增长差异——以中国铁路为例的实证分析[J]. 山西财经大学学报，2011，Vol. 33（2）：61-68.

[4]王津港.动态面板数据模型估计及其内生结构突变检验理论与应用[D]. 华中科技大学，2009年5月.

[5]谢群，潘玉君.中国内地各省区1952-2009年实物资本存量估算[J]. 当代经济，2011，（1）（上）：122-128.

[6]苑德宇，张静静，韩俊霞.居民消费、财政支出与区域效应差异——基于动态面板数据模型的经验分析[J]. 统计研究，2010，Vol. 27（22）：44-50.

[7]周绍妮，郑建卫.铁路与其他运输方式的市场竞争研究 [J]. 中国国情国力，2009，（5）：41-43.

作者简介：叶彬（1976- ）男，三明市农业学校讲师，工程硕士。研究方向：宏观经济和区域发展

推荐访问:公路运输 产出 效应 铁路 我国