基于VAR模型的南昌臨空經(jīng)濟(jì)區(qū)航空物流發(fā)展影響因素分析

柳語 謝奉軍

摘 要：航空物流業(yè)是南昌臨空經(jīng)濟(jì)區(qū)發(fā)展的兩大核心產(chǎn)業(yè)之一，其發(fā)展的成功與否直接關(guān)系到整個經(jīng)濟(jì)區(qū)的未來建設(shè)，因此對航空物流業(yè)發(fā)展的影響因素進(jìn)行定量及定性分析，了解各因素之間的影響關(guān)系成為了重中之重。為了避免DEMATEL法、ISM模型的分析結(jié)果客觀性不足的弊端，從宏觀角度出發(fā)，采用VAR模型探討航空物流發(fā)展與各影響因素之間的動態(tài)關(guān)系，在模型檢驗(yàn)過程中剔除了變量第二產(chǎn)業(yè)增加值，通過脈沖響應(yīng)和方差分解分析得出，飛機(jī)起降架次、進(jìn)出口總額呈現(xiàn)正向作用，并且貢獻(xiàn)率較高，而人均可支配收入帶來的影響不明顯，且貢獻(xiàn)率較低。模型較好地模擬了各個影響因素對航空物流發(fā)展的影響，具有一定的現(xiàn)實(shí)意義與實(shí)證性，因此，VAR模型可以運(yùn)用于航空物流發(fā)展的影響因素分析。

關(guān)鍵詞：航空物流；VAR模型；脈沖響應(yīng)；方差分解

中圖分類號：F560 文獻(xiàn)標(biāo)識碼：A

Abstract： Aviation logistics industry is one of the two core industries developing in Nanchang airport economic zone， whose success is directly related to the future construction of the entire economic zone. Therefore， the factors affecting the aviation logistics development are analyzed quantitatively and qualitatively， and learning the relationship between the factors has become a top priority. To avoid the insufficient objectivity of the analysis results of DEMATEL method， ISM model， from a macro point of view， the VAR model is used to explore the dynamic relationship between aviation logistics development and various factors， and the variable secondary industry value added is excluded during the model verification process， through impulse response and variance decomposition analysis， it can be concluded that aircraft movements， total imports and exports show a positive effect and a higher contribution rate， while the impact of the per capita disposable income is not obvious， with the lower contribution rate. The model simulates the impact of various factors on the development of aviation logistics， having certain practical significance and empirical meaning， and therefore， VAR model can be applied to analyze the factors affecting the aviation logistics development.

Key words： aviation logistics； VAR model； impulse response； variance decomposition

0 引 言

南昌臨空經(jīng)濟(jì)區(qū)作為長江經(jīng)濟(jì)帶—鄱陽湖生態(tài)城市群—贛江新區(qū)—南昌大都市區(qū)戰(zhàn)略鏈條的重要環(huán)節(jié)以及“一帶一路”戰(zhàn)略支點(diǎn)，以南昌昌北國際機(jī)場及周邊服務(wù)區(qū)為核心，總體格局分為空港樞紐區(qū)、集聚發(fā)展區(qū)和臨空輻射區(qū)。

航空物流業(yè)作為南昌臨空經(jīng)濟(jì)區(qū)的兩大核心產(chǎn)業(yè)之一，其發(fā)展成功與否關(guān)系到整個經(jīng)濟(jì)區(qū)的未來建設(shè)。為了達(dá)到科學(xué)布局發(fā)展航空物流業(yè)的目的，就必須先對航空物流的影響因素進(jìn)行定量定性分析，通過運(yùn)用模型方法進(jìn)行預(yù)測及推演成為了必不可少的手段。在相關(guān)的物流影響因素研究中，有的學(xué)者運(yùn)用DEMATEL法對城市物流關(guān)鍵影響因素進(jìn)行過研究[1]、有的運(yùn)用ISM模型對應(yīng)急物流影響因素分析[2-3]，但是這些方式都是運(yùn)用專家打分作為考察標(biāo)準(zhǔn)進(jìn)行定量分析，客觀性較弱，并且為了追求影響因素的豐富性，缺乏對于影響因素的經(jīng)濟(jì)意義進(jìn)行深入探討，導(dǎo)致結(jié)論較為空洞，實(shí)證性較弱。

VAR模型（向量自回歸模型）是用于預(yù)測相互聯(lián)系的時(shí)間序列系統(tǒng)及分析隨機(jī)擾動對變量系統(tǒng)的動態(tài)沖擊，從而解釋各種經(jīng)濟(jì)沖擊對經(jīng)濟(jì)變量形成的影響[4]。該模型可以在簡單易用的同時(shí)，達(dá)到模擬航空物流與影響因素之間的相互作用關(guān)系及影響程度的作用，同時(shí)也發(fā)揮了EViews軟件對于處理時(shí)間序列數(shù)據(jù)的優(yōu)勢。本文以南昌臨空經(jīng)濟(jì)區(qū)為例，以宏觀經(jīng)濟(jì)角度作為思考點(diǎn)，探討研究VAR模型對于南昌臨空經(jīng)濟(jì)區(qū)航空物流發(fā)展影響因素的分析。

1 模型與方法

VAR模型是把系統(tǒng)中每一個內(nèi)生變量作為系統(tǒng)中所有內(nèi)生變量滯后值的函數(shù)來構(gòu)造模型，從而將單變量自回歸模型推廣到由多元時(shí)間序列變量組成的“向量”自回歸模型[4]。

考慮到數(shù)據(jù)的可得性以及客觀性，結(jié)合對航空物流業(yè)的相關(guān)研究經(jīng)驗(yàn)，本文采用昌北國際機(jī)場的貨郵吞吐量表示航空物流的發(fā)展水平，并選取4個較為關(guān)鍵的航空物流發(fā)展影響因素作為式（1）右邊的內(nèi)生變量，并將常數(shù)項(xiàng)作為模型的外生變量。數(shù)據(jù)的范圍都是2001～2015年，各變量的具體信息及說明可見表1。

為了避免時(shí)間序列數(shù)據(jù)之間因單位差異過大而可能導(dǎo)致的異方差問題，本文對于各個變量都進(jìn)行對數(shù)化處理再進(jìn)行建模，其中，LnCT為貨郵吞吐量的自然對數(shù)，LnAM為飛機(jī)起降架次的自然對數(shù)，LnPI為南昌城鎮(zhèn)居民人均可支配收入的自然對數(shù)，LnSI為第二產(chǎn)業(yè)增加值的自然對數(shù)，LnIE為南昌進(jìn)出口總額的自然對數(shù)。

2 模型檢驗(yàn)

在運(yùn)用VAR模型進(jìn)行脈沖響應(yīng)、方差分解等分析之前，必須對各變量是否是平穩(wěn)序列，是否存在長期動態(tài)均衡關(guān)系以及各變量構(gòu)成的VAR模型是否穩(wěn)定等因素進(jìn)行檢測，因此需要進(jìn)行單位根檢驗(yàn)、滯后階數(shù)檢驗(yàn)、協(xié)整性檢驗(yàn)、平穩(wěn)性檢驗(yàn)，從而確保VAR模型的正常運(yùn)行。

2.1 單位根檢驗(yàn)

根據(jù)ADF檢驗(yàn)原理，如果ADF檢驗(yàn)值小于臨界值，就拒絕原假設(shè)，即拒絕序列存在單位根的假設(shè)，則序列是平穩(wěn)的。從表2中可以看出LnCT和LnAM、LnPI、LnSI、LnIE的ADF檢驗(yàn)值都大于不同檢驗(yàn)水平的三個臨界值，所以變量序列均是非平穩(wěn)序列，而經(jīng)過一階差分后LnCT和LnAM、LnPI、LnIE的ADF檢驗(yàn)值在5%的臨界值以下，表明時(shí)間序列是平穩(wěn)的。因此除了LnSI之外的變量都是一階單整序列，可以進(jìn)行協(xié)整檢驗(yàn)。

2.2 滯后階數(shù)檢驗(yàn)

在進(jìn)行協(xié)整性檢驗(yàn)時(shí)，要注意滯后期的選擇，滯后階數(shù)越大，可以更完整反映模型的動態(tài)特征，但是滯后階數(shù)過大就會導(dǎo)致自由度減少[4]。同時(shí)，協(xié)整檢驗(yàn)的最優(yōu)滯后一般為 VAR的最優(yōu)滯后減去1，因此，確定VAR模型的最大滯后階數(shù)后便可進(jìn)行協(xié)整性檢驗(yàn)。

表3中給出了0～2階VAR模型的5個評價(jià)統(tǒng)計(jì)指標(biāo)：LR，F(xiàn)PE，AIC，SC和HQ的值，并以“*”標(biāo)記出了各評價(jià)指標(biāo)給出的最小滯后期。根據(jù)多數(shù)原則確定VAR的滯后階數(shù)，本文的5個準(zhǔn)則選擇出來的滯后階數(shù)中3個選擇2階，只有LR、FPE指標(biāo)選擇的滯后階數(shù)為1階，所以，便將VAR模型的滯后階數(shù)為2階，確定建立VAR（2）模型，并且，協(xié)整檢驗(yàn)的最優(yōu)滯后

為1。

2.3 協(xié)整檢驗(yàn)

協(xié)整檢驗(yàn)即檢驗(yàn)多個具有同階單整變量之間是否存在協(xié)整關(guān)系。通過上述單位根檢驗(yàn)得知LnCT和LnAM、LnPI、LnIE都是一階單整序列，并且確定了VAR模型的滯后階數(shù)為2階，協(xié)整檢驗(yàn)的最優(yōu)滯后為1。在此基礎(chǔ)上檢驗(yàn)兩者是否存在協(xié)整關(guān)系，最終達(dá)到確定各個變量之間的長期穩(wěn)定的均衡關(guān)系。

根據(jù)JJ檢驗(yàn)的檢驗(yàn)原理，選擇有趨勢但只有截距項(xiàng)的協(xié)整方程，得到的結(jié)果見表4。通過檢驗(yàn)結(jié)果發(fā)現(xiàn)，統(tǒng)計(jì)量大于給定置信水平下的臨界值，即相應(yīng)的P值小于置信水平時(shí)即可拒絕原假設(shè)?？梢娫?%的顯著水平下，序列LnCT和LnAM、LnPI、LnIE之間存在協(xié)整關(guān)系，并有3個協(xié)整方程，即LnCT和LnAM、LnPI、LnIE之間存在著長期的動態(tài)均衡關(guān)系。

2.4 模型平穩(wěn)性檢驗(yàn)

在確定了LnCT和LnAM、LnPI、LnIE之間的長期均衡關(guān)系和短期波動關(guān)系后，對于VAR模型進(jìn)行平穩(wěn)性檢驗(yàn)，如果被估計(jì)的VAR模型所有根模的倒數(shù)小于1，即位于單位圓內(nèi)，則其是穩(wěn)定的。如果模型不穩(wěn)定，某些結(jié)果將不是有效的，如脈沖響應(yīng)函數(shù)的標(biāo)準(zhǔn)誤

差[4]。通過檢驗(yàn)得出VAR模型的全部特征根均小于1，即全部落在單位圓內(nèi)（圖1），這就說明，該VAR模型系統(tǒng)是穩(wěn)定的，可以進(jìn)行后續(xù)的分析，并且后續(xù)分析結(jié)果是合理的。

3 南昌臨空經(jīng)濟(jì)區(qū)航空物流發(fā)展的影響因素分析

通過模型檢驗(yàn)，已經(jīng)證明滿足了運(yùn)用VAR模型進(jìn)行分析的前提條件，有的學(xué)者認(rèn)為對于一階單整序列進(jìn)行VAR模型需要用一階差分后數(shù)據(jù)進(jìn)行分析，但是更多學(xué)者認(rèn)為采用差分法消除序列中的非平穩(wěn)趨勢會導(dǎo)致變換后的序列不具有直接的經(jīng)濟(jì)意義，不便于經(jīng)濟(jì)研究，并且隨著協(xié)整理論的發(fā)展，對于非平穩(wěn)時(shí)間序列，只要各變量之間存在協(xié)整關(guān)系也可以直接建立VAR模型，所以這些學(xué)者在進(jìn)行分析的時(shí)候，在確保運(yùn)行VAR模型穩(wěn)定運(yùn)行的各項(xiàng)前提條件滿足后，運(yùn)用原始序列進(jìn)行分析[4，6]。本文同樣認(rèn)為差分后的數(shù)據(jù)會相對失真，因此在第二節(jié)做完所有前期檢驗(yàn)后，通過原始的對數(shù)化序列進(jìn)行VAR模型實(shí)證分析，運(yùn)用脈沖響應(yīng)和方差分解分析所選變量對航空物流發(fā)展的動態(tài)影響及持續(xù)的時(shí)間，來驗(yàn)證其是否具有一定的現(xiàn)實(shí)意義。

3.1 脈沖響應(yīng)

脈沖響應(yīng)是VAR模型系統(tǒng)動態(tài)特征的一個重要方面，它刻畫每個變量的變動或沖擊對它自己及所有其他變量產(chǎn)生影響的軌跡，并通過脈沖響應(yīng)圖來展現(xiàn)每個影響因素的影響過程及影響的正負(fù)。

通過給選定的航空物流發(fā)展的影響因素分別施加一個沖擊，得到航空物流發(fā)展對各影響因素沖擊的響應(yīng)結(jié)果（表5）。根據(jù)樣本數(shù)據(jù)容量，本文將沖擊響應(yīng)期設(shè)定為15期，繪制出航空物流發(fā)展的脈沖響應(yīng)曲線（圖2），用滯后的解釋變量對被解釋變量的當(dāng)期值進(jìn)行回歸，確定不同影響因素對航空物流發(fā)展的影響。其中，橫軸刻度為沖擊作用的滯后期間數(shù)，不同顏色曲線代表航空物流發(fā)展受到不同因素所影響的軌跡，橫軸上半部分的曲線為正向影響，下半部分為負(fù)向影響。

曲線LnAM為航空物流發(fā)展受飛機(jī)起降架次沖擊的脈沖響應(yīng)軌跡，當(dāng)給飛機(jī)起降架次一個正的標(biāo)準(zhǔn)差新息的沖擊后，航空物流發(fā)展情況在當(dāng)期沒有發(fā)生反應(yīng)，但第2期起開始有了較為明顯的正向反應(yīng)并且達(dá)到正向最大并開始逐漸減弱，第4期減弱至0軸附近，但是在第5期又迅速出現(xiàn)正向反應(yīng)，整個脈沖響應(yīng)期基本都保持在0軸上方波動，且正向影響非常明顯，可見飛機(jī)起降架次對于航空物流的發(fā)展至關(guān)重要，尤其是體現(xiàn)在飛機(jī)班次、飛機(jī)型號以及機(jī)場對航空公司的吸引力方面。

曲線LnIE為航空物流發(fā)展受進(jìn)出口總額沖擊的脈沖響應(yīng)軌跡，當(dāng)給進(jìn)出口總額一個正的標(biāo)準(zhǔn)差新息的沖擊后，航空物流發(fā)展情況在當(dāng)期沒有發(fā)生反應(yīng)，但第2期起開始有了較為明顯的正向反應(yīng)并且在第3期達(dá)到正向最大并開始逐漸減弱，第7期減弱至0軸附近，并且從第9期又開始產(chǎn)生正向反應(yīng)，整個脈沖響應(yīng)期基本都保持在0軸上方波動，可見進(jìn)出口總額對于航空物流的發(fā)展同樣具有促進(jìn)作用，但正向影響相比飛機(jī)起降架次的沖擊相比較弱。進(jìn)出口總額的沖擊尤其體現(xiàn)在適合航空物流運(yùn)輸?shù)摹案呔狻碑a(chǎn)品以及附加值較高的精密儀器上。

曲線LnPI為航空物流發(fā)展受居民可支配收入沖擊的脈沖響應(yīng)軌跡，當(dāng)給居民可支配收入一個正的標(biāo)準(zhǔn)差新息的沖擊后，航空物流發(fā)展情況在當(dāng)期沒有發(fā)生反應(yīng)，但第2期起開始有了稍弱的正向反應(yīng)，但是在第3期又迅速產(chǎn)生負(fù)向反應(yīng)且達(dá)到負(fù)向最大，第4期又迅速變?yōu)檎驔_擊并且開始圍繞0軸線上下窄幅波動，可見隨著居民可支配收入的增加，人們對于航空物流所提供的高端物流服務(wù)需求有所增加，但是由于南昌臨空經(jīng)濟(jì)區(qū)的航空物流業(yè)還處于初級階段，并不能發(fā)揮物流樞紐集散功能，考慮到航空物流高費(fèi)用、高質(zhì)量服務(wù)的特性以及南昌城鎮(zhèn)居民人均可支配收入在全國排名較后的現(xiàn)狀，本地居民更愿意接受周邊大型樞紐機(jī)場所提供的“物美價(jià)廉”的航空物流服務(wù)，加之高鐵、卡車航班服務(wù)的不斷普及和完善所帶來的物流服務(wù)分流，更進(jìn)一步減少本地居民使用本地航空物流的頻次，所以沖擊響應(yīng)期內(nèi)LnPI的沖擊給航空物流帶來的波動幅度較小，影響有限。

3.2 方差分解

方差分解通過分析每一個結(jié)構(gòu)沖擊對內(nèi)生變量變化的貢獻(xiàn)度，進(jìn)一步評價(jià)不同結(jié)構(gòu)沖擊的重要性，因此，通過方差分解可以定量分析出在VAR模型中航空物流發(fā)展過程各個影響因素的相對重要性。

通過表6可以發(fā)現(xiàn)，航空物流發(fā)展受自身沖擊的影響隨時(shí)間增長呈逐步遞減的趨勢，從初始的100%到了45.52%，而其他因素對航空物流的影響從初始到第15期期間雖然有小幅的波動，但整體上都呈增長的趨勢，從長期看，航空物流所受到的影響程度從高到低分別為：47.03%受飛起起降架次的影響，0.84%受到南昌城鎮(zhèn)居民人均可支配收入影響，6.61%受到進(jìn)出口額的影響。其中，飛機(jī)起降架次的貢獻(xiàn)率從12期開始超過了航空物流自身的影響貢獻(xiàn)比率，其重要性可見一斑。

4 結(jié) 論

本文通過建立VAR模型，并進(jìn)行了相應(yīng)的穩(wěn)定性檢驗(yàn)，運(yùn)用脈沖響應(yīng)和方差分解分析了南昌臨空經(jīng)濟(jì)區(qū)航空物流發(fā)展與主要影響因素之間的動態(tài)響應(yīng)關(guān)系及貢獻(xiàn)程度，分析結(jié)果具有一定的實(shí)踐意義。在今后的發(fā)展過程中，要加強(qiáng)對航空公司、擁有全貨機(jī)的物流企業(yè)以及其他相關(guān)航空物流產(chǎn)業(yè)鏈上企業(yè)的吸引，從而增加飛機(jī)起降架次，使南昌臨空經(jīng)濟(jì)區(qū)逐漸成為航空物流樞紐。同時(shí)也要注意對于居民消費(fèi)方式及消費(fèi)結(jié)構(gòu)的引導(dǎo)，鼓勵提升進(jìn)出口貨物量并加大“高精尖”等適合航空運(yùn)輸?shù)母吒郊又诞a(chǎn)品的研發(fā)生產(chǎn)，最終達(dá)到促進(jìn)航空物流發(fā)展的作用。

參考文獻(xiàn)：

[1] 賀紅梅. 城市物流關(guān)鍵影響因素研究[D]. 武漢：華中科技大學(xué)（碩士學(xué)位論文），2012.

[2] 張欣. 基于Matlab的應(yīng)急物流影響因素分析[J]. 商，2014（15）：149-150.

[3] 石學(xué)剛，苗田豐. 臨空經(jīng)濟(jì)區(qū)航空物流業(yè)發(fā)展影響因素分析[J]. 物流技術(shù)，2014（21）：221-223，291.

[4] 高鐵梅. 計(jì)量經(jīng)濟(jì)分析方法與建模：Eviews應(yīng)用及實(shí)例[M]. 北京：清華大學(xué)出版社，2009：177-301.

[5] 成艷. 開放經(jīng)濟(jì)下中國物價(jià)波動影響因素研究[D]. 廈門：廈門大學(xué)（碩士學(xué)位論文），2009.

[6] 鄧朝暉，劉洋，薛惠鋒. 基于VAR模型的水資源利用與經(jīng)濟(jì)增長動態(tài)關(guān)系研究[J]. 中國人口·資源與環(huán)境，2012（6）：128-135.