交通资源配置与区域经济发展关系分析.docVIP

交通资源配置与区域经济发展关系分析 　　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