基于GRA和對(duì)數(shù)回歸的廣西水路貨運(yùn)發(fā)展研究

戎陸慶，郭 儀

（廣西科技大學(xué) 經(jīng)濟(jì)與管理學(xué)院，廣西 柳州 545006）

0 引言

隨著全球綠色浪潮的襲來(lái)，具有良好經(jīng)濟(jì)、環(huán)保特征的水路運(yùn)輸成為物流通道建設(shè)的熱點(diǎn)[1-4].中國(guó)臨江靠海，擁有龐大的貿(mào)易市場(chǎng)和潛在水路貨運(yùn)需求，但水路運(yùn)輸在貨運(yùn)市場(chǎng)結(jié)構(gòu)中所占比重依然很低，截至2017年才達(dá)到14%[5-7].廣西素來(lái)具有水運(yùn)優(yōu)勢(shì)，有“西南出海通道”之稱，2019年中國(guó)政府發(fā)布的《西部陸海新通道總體規(guī)劃》明確將北部灣港群作為主通道南端樞紐，同時(shí)西江航運(yùn)干線也是廣西融入粵港澳大灣區(qū)的重要路徑，但廣西水路運(yùn)輸在貨運(yùn)市場(chǎng)中的比重只是略高于全國(guó)平均水平，僅為16.3%.如何擴(kuò)大水路貨運(yùn)量和發(fā)展水路運(yùn)輸成為物流通道建設(shè)亟待解決的重要問(wèn)題.

貨物運(yùn)輸是實(shí)現(xiàn)交通運(yùn)輸核心價(jià)值的基礎(chǔ)支撐[8]，與經(jīng)濟(jì)發(fā)展和物流空間布局存在著密切聯(lián)系.劉瑞娟等[9]基于合成指數(shù)模型分析了公路貨運(yùn)周期性變化規(guī)律，證實(shí)道路貨運(yùn)是宏觀經(jīng)濟(jì)發(fā)展的先行因素.姚常成、吳璇等[10-11]采用不同的定量分析模型驗(yàn)證了鐵路貨運(yùn)對(duì)經(jīng)濟(jì)增長(zhǎng)直接和間接的影響.李躍旗等[12]利用Logistic曲線和協(xié)整理論構(gòu)建了航運(yùn)與區(qū)域經(jīng)濟(jì)發(fā)展的伴生關(guān)系分析模型，證實(shí)前者對(duì)后者的貢獻(xiàn)在2%～4%.宓澤鋒等[13]研究了如何在長(zhǎng)江經(jīng)濟(jì)帶內(nèi)將水路與公路、鐵路等3種貨運(yùn)方式構(gòu)建為“陸運(yùn)—水運(yùn)—陸運(yùn)”網(wǎng)絡(luò).計(jì)艷[14]通過(guò)分析浙江省城市鐵路、公路、水運(yùn)的區(qū)位商，認(rèn)為應(yīng)加強(qiáng)水路網(wǎng)絡(luò)建設(shè).

目前貨運(yùn)發(fā)展的研究主要從貨運(yùn)系統(tǒng)效率、貨運(yùn)量預(yù)測(cè)及其影響因素等視角展開，Wiegmans等[15]利用SFA模型研究了美國(guó)、加拿大及歐盟國(guó)家的鐵路及公路貨運(yùn)系統(tǒng)的效率.Ottem?ller等[16]利用回歸分析和離散選擇模型研究了瑞典哥德堡市商業(yè)機(jī)構(gòu)的貨運(yùn)量并分析了不同行業(yè)的貨運(yùn)需求量特點(diǎn).Yang等[17]以消費(fèi)品零售總額、GDP、第一、第二產(chǎn)業(yè)產(chǎn)值等指標(biāo)為基礎(chǔ)建立鐵路貨運(yùn)量的影響因素指標(biāo)體系，并建立4種多元回歸模型預(yù)測(cè)江西鐵路貨運(yùn)量.游慶山等[18]以2002—2009年航空貨運(yùn)量的月份數(shù)據(jù)為基礎(chǔ)構(gòu)建壓縮感知的GM（1,1）預(yù)測(cè)模型，并對(duì)中國(guó)2010年各月份的航空貨運(yùn)量進(jìn)行了預(yù)測(cè).

上述研究較少關(guān)注區(qū)域性水路貨運(yùn)發(fā)展及其影響因素，在構(gòu)建指標(biāo)體系時(shí)很少考慮外部環(huán)境以外的政策因素對(duì)水路貨運(yùn)的顯著影響，同時(shí)也較少量化考慮外部環(huán)境因素與貨運(yùn)量發(fā)展之間的互動(dòng)機(jī)制[19].因此，文章首先在建立水路貨運(yùn)量影響因素體系的基礎(chǔ)上，利用灰色關(guān)聯(lián)分析獲取影響水路貨運(yùn)量發(fā)展變化的主要外部環(huán)境因素；然后，基于主要影響因素建立預(yù)測(cè)廣西水路貨運(yùn)量發(fā)展規(guī)律的對(duì)數(shù)回歸模型及有無(wú)政策影響的虛變量回歸模型；最后，定量研究外部環(huán)境因素與區(qū)域貨運(yùn)量增長(zhǎng)之間的互動(dòng)關(guān)系.

1 研究方法介紹

1.1 灰色關(guān)聯(lián)分析

灰色關(guān)聯(lián)分析是灰色系統(tǒng)理論的一個(gè)重要組成部分，特別適宜在“小樣本、貧信息”的環(huán)境中分析系統(tǒng)主因子與子因子之間的關(guān)聯(lián)程度，使用該方法包含無(wú)量綱處理序列、測(cè)算序列間系數(shù)指標(biāo)、生成灰色關(guān)聯(lián)系數(shù)和導(dǎo)出關(guān)聯(lián)度系數(shù)等4個(gè)步驟[19].每個(gè)步驟實(shí)現(xiàn)的過(guò)程如下：

Step 1無(wú)量綱處理序列，令母因素序列為X0，子因素序列為Xi(i=1,2,…,m)，若Xi=(xi1,xi2,…,xin)，有：

Step 2計(jì)算序列間的絕對(duì)差Δ0i(k)、絕對(duì)差最大值Δmax和最小值Δmin，則：

Step 3生成灰色關(guān)聯(lián)系數(shù)，基于Δ0i(k)、Δmax和Δmin的取值計(jì)算灰色關(guān)聯(lián)系數(shù)R0i(k)，有：

值得注意的是，ρ∈(0,1)是系統(tǒng)的分辨系數(shù)，用于度量決策者對(duì)Δmax的重視程度.當(dāng)Δmax越小時(shí)，增大ρ值能減小序列間的離亂性，提高了系統(tǒng)內(nèi)序列關(guān)聯(lián)度水平；為了比較序列數(shù)據(jù)的相交，取Δmin=0.

Step 4導(dǎo)出關(guān)聯(lián)度系數(shù)，利用灰關(guān)聯(lián)數(shù)計(jì)算子因素序列與母因素序列的關(guān)聯(lián)度系數(shù)，可得：

其中：r0i表示第i個(gè)子因素序列與母因素序列0的關(guān)聯(lián)水平，wi是第i個(gè)子因素序列重要性程度的賦權(quán)值，若具有同樣的重要性程度，則有wi=n-1.在實(shí)踐中，如果要反映子因素序列與母因素序列緊密的灰色關(guān)聯(lián)程度[19-20]，r0i的取值至少應(yīng)當(dāng)大于等于0.8.

1.2 回歸分析模型

回歸分析是一種描述和分析兩個(gè)及兩個(gè)以上經(jīng)濟(jì)變量間依賴關(guān)系的統(tǒng)計(jì)方法[16-17,21].在應(yīng)用回歸分析方法解決實(shí)際問(wèn)題時(shí)，需要從兩方面考慮模型的選擇：1）如何在模型形式確定時(shí)選擇最優(yōu)解釋變量組合形式；2）如何確定回歸模型的形式.不同形式的模型及不同的解釋變量的組合對(duì)于經(jīng)濟(jì)現(xiàn)象的解釋會(huì)有較大的差別，造成的誤差也不同.在回歸分析中，最常用到的線性回歸模型是：ε；但是實(shí)際問(wèn)題中解釋變量與被解釋變量之間往往不是直接線性關(guān)系，研究問(wèn)題時(shí)更多采用非線性回歸模型（如指數(shù)模型、冪函數(shù)模型），通過(guò)對(duì)模型進(jìn)行對(duì)數(shù)化處理，得到非線性回歸模型的線性表達(dá)，有：

同時(shí)，經(jīng)濟(jì)活動(dòng)中經(jīng)常存在一些無(wú)法量化的變量因素（如季節(jié)、災(zāi)難及政府制定的政策等）影響被解釋變量，研究中會(huì)采取將定性變量虛擬化引入回歸模型，稱為具有虛擬變量的回歸模型，這類模型有很多表達(dá)形式，若結(jié)合式（7），可以構(gòu)建形成一類加法形式的對(duì)數(shù)線性模型，有：

其中：βi表示對(duì)數(shù)線性模型第i個(gè)決策變量的回歸系數(shù)，αj表示模型中第j個(gè)虛擬變量的回歸系數(shù)表示第j個(gè)定性因素為真（或存在）時(shí)，則對(duì)應(yīng)虛變量取1，其余情況則取0.特別地，為了保證回歸模型的適用性及可信性，需要檢驗(yàn)?zāi)Ｐ瓦M(jìn)行異方差檢驗(yàn)、自相關(guān)檢驗(yàn)及多重共線性.

1.3 Granger因果檢驗(yàn)

在回歸分析模型中，被解釋變量的發(fā)展變化除了會(huì)受解釋變量的行為影響，還會(huì)被自身及解釋變量的過(guò)去行為所影響，并且還存在變量間的相互影響，即變量間存在時(shí)間上的先后關(guān)系時(shí)，一個(gè)變量過(guò)去的狀態(tài)可能會(huì)影響另一個(gè)變量當(dāng)前的狀態(tài)或者雙方過(guò)去的狀態(tài)會(huì)相互地影響著對(duì)方當(dāng)前狀態(tài).為了確定變量間互動(dòng)影響的過(guò)程，統(tǒng)計(jì)學(xué)上通過(guò)采用Granger因果關(guān)系檢驗(yàn)[22-23].

2 廣西水路貨運(yùn)量的灰色關(guān)聯(lián)分析

區(qū)域水路貨運(yùn)量的現(xiàn)狀及發(fā)展趨勢(shì)除了受到自身系統(tǒng)因素影響外，還顯著地受到外部環(huán)境及政府政策因素的推動(dòng).從系統(tǒng)論角度來(lái)說(shuō)，水路貨運(yùn)量是物流通道的產(chǎn)出，是適應(yīng)區(qū)域地理、經(jīng)濟(jì)、政治等環(huán)境及要素投入的終極結(jié)果.因此，確定外部環(huán)境及規(guī)制中影響水路貨運(yùn)量變化的相關(guān)因素，有利于把握水路貨運(yùn)的發(fā)展趨勢(shì)及制定有效措施引導(dǎo)其發(fā)展.

2.1 影響指標(biāo)體系的構(gòu)建

研究貨運(yùn)量影響因素可以借助產(chǎn)業(yè)經(jīng)濟(jì)分析和系統(tǒng)化分析兩種思維模式，前者選擇指標(biāo)重視產(chǎn)業(yè)關(guān)聯(lián)的特點(diǎn)，從社會(huì)生產(chǎn)力、產(chǎn)業(yè)結(jié)構(gòu)、產(chǎn)業(yè)布局、社會(huì)消費(fèi)水平角度選取指標(biāo)；后者則更多地關(guān)注系統(tǒng)及環(huán)境的相互關(guān)系，指標(biāo)選擇充分考慮了交通物流系統(tǒng)與所處環(huán)境的經(jīng)濟(jì)結(jié)構(gòu)、服務(wù)對(duì)象的類型、運(yùn)輸方式的可獲得性及規(guī)模等特征的協(xié)調(diào)與統(tǒng)一.參考指標(biāo)選取的思維模式并借鑒相關(guān)文獻(xiàn)[20，23-25]，廣西水路貨運(yùn)量影響因素指標(biāo)體系包括區(qū)域經(jīng)濟(jì)因子、區(qū)域物流環(huán)境因子、產(chǎn)業(yè)因子、區(qū)域政策因子等四大方面，進(jìn)一步可以擴(kuò)展為12個(gè)二級(jí)影響因子（見表1）.指標(biāo)體系所涉及的數(shù)據(jù)來(lái)源于2000—2017年的《中國(guó)統(tǒng)計(jì)年鑒》《廣西統(tǒng)計(jì)年鑒》及《廣西國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》.

表1 廣西水路貨運(yùn)量影響因素指標(biāo)體系Tab.1 Index system of influencing factors of waterway freight volume in Guangxi

2.2 影響指標(biāo)分析

區(qū)域經(jīng)濟(jì)發(fā)展因子是發(fā)展水路運(yùn)輸?shù)膬?nèi)在基礎(chǔ).作為影響水路貨運(yùn)量的一級(jí)指標(biāo)，它體現(xiàn)了區(qū)域經(jīng)濟(jì)發(fā)展水平對(duì)水路貨運(yùn)供應(yīng)鏈的支撐作用.經(jīng)濟(jì)發(fā)展水平的程度可以從兩個(gè)角度度量：在宏觀層面，主要表現(xiàn)為政府獲取收益的能力；在微觀層面，則通過(guò)區(qū)域內(nèi)公眾可支配收入的高低來(lái)反映.區(qū)域經(jīng)濟(jì)發(fā)展到一定階段和程度必然會(huì)形成更大的供需規(guī)模，從而帶動(dòng)區(qū)域潛在水路貨運(yùn)需求提升.

區(qū)域水路貨運(yùn)環(huán)境因子是發(fā)展水路運(yùn)輸?shù)耐庠诨A(chǔ)，作為一級(jí)因子指標(biāo)，它直接反映了區(qū)域內(nèi)水路貨運(yùn)供應(yīng)鏈系統(tǒng)的規(guī)模和配置水平，在總體上體現(xiàn)為物流基礎(chǔ)設(shè)施的投資力度，在細(xì)節(jié)上則表現(xiàn)為與水路貨運(yùn)相關(guān)聯(lián)的物流基礎(chǔ)設(shè)施、物流裝備的構(gòu)建和配置規(guī)模.水運(yùn)港口條件與物流設(shè)備越優(yōu)越，相應(yīng)物流基礎(chǔ)設(shè)施配套銜接越完好，則越有利于促進(jìn)水路貨運(yùn)量的增長(zhǎng).

區(qū)域產(chǎn)業(yè)因子是煥發(fā)水路貨運(yùn)活力和生機(jī)的外在驅(qū)動(dòng).作為影響水路貨運(yùn)發(fā)展的一級(jí)因子指標(biāo)，它主要體現(xiàn)為三大產(chǎn)業(yè)的發(fā)展規(guī)模、速度及程度.從供需關(guān)系來(lái)看，國(guó)民經(jīng)濟(jì)相關(guān)產(chǎn)業(yè)的發(fā)展能夠在客觀上顯著地推動(dòng)水路貨運(yùn)供應(yīng)鏈物流需求的增長(zhǎng)，促進(jìn)水路貨運(yùn)的發(fā)展.

區(qū)域重大政策因子也是影響水路貨運(yùn)量發(fā)展的一級(jí)因子指標(biāo)，是發(fā)展水路運(yùn)輸?shù)慕^對(duì)優(yōu)勢(shì)指標(biāo).主要體現(xiàn)為國(guó)家或者地方政府通過(guò)實(shí)施特定法規(guī)政策，使得某一區(qū)域獲得經(jīng)濟(jì)發(fā)展或產(chǎn)業(yè)進(jìn)步的政策保障，同時(shí)也得到了同等條件優(yōu)先發(fā)展的機(jī)遇，有助于進(jìn)一步激活水路貨運(yùn)供應(yīng)鏈物流需求的上升空間.

綜上可知，區(qū)域經(jīng)濟(jì)因子、區(qū)域物流環(huán)境因子、產(chǎn)業(yè)因子從不同視角展現(xiàn)了影響水路貨運(yùn)量的外部環(huán)境因素，區(qū)域政策因子則展示了政府規(guī)制對(duì)發(fā)展水路貨運(yùn)的影響力.

2.3 影響因素的灰色關(guān)聯(lián)分析

水路貨運(yùn)量會(huì)受到指標(biāo)體系中各因素的影響，但這些因素的作用效果存在較大差異.盡管利用多元回歸模型能夠辨別關(guān)鍵的影響因素，但是指標(biāo)一旦過(guò)多并且現(xiàn)有的年份數(shù)據(jù)集有限時(shí)，模型會(huì)存在有效性不足的問(wèn)題.因此，首先利用灰色關(guān)聯(lián)得出主要的外部環(huán)境影響因子，然后再建立水路貨運(yùn)的多元回歸分析預(yù)測(cè)模型.以2000—2017年廣西水路貨運(yùn)量（Y0）為系統(tǒng)主因子序列，其他指標(biāo)數(shù)據(jù)作為子因子序列，根據(jù)多次測(cè)算確定分辨系數(shù)為0.6，利用式（1）—式（6）可得灰色關(guān)聯(lián)分析結(jié)果，見表2.

表2 廣西水路貨運(yùn)量的灰色關(guān)聯(lián)結(jié)果Tab.2 Grey relational analysis results of waterway freight volume in Guangxi

由表2可知：1）廣西水路貨運(yùn)量影響因素指標(biāo)體系有效，所有子因子的灰色關(guān)聯(lián)度大于0.6并且平均值是0.76，反映了影響因素都與水路貨運(yùn)量的變化存在較為密切的關(guān)系；2）關(guān)聯(lián)度越大則對(duì)應(yīng)的指標(biāo)就越有可能是廣西水路貨運(yùn)發(fā)展的主要影響因子，灰關(guān)聯(lián)度值較大說(shuō)明子因子序列與母因子序列存在顯著的灰關(guān)聯(lián)關(guān)系，因此第二產(chǎn)業(yè)產(chǎn)值、地區(qū)財(cái)政收入、社會(huì)消費(fèi)品零售總額和港口吞吐量可以作為主要解釋變量構(gòu)建廣西水路貨運(yùn)量發(fā)展的回歸分析模型；3）由二級(jí)因子組成的一級(jí)外部環(huán)境因素對(duì)水路貨運(yùn)量的影響有差異但不明顯，影響力從高到低分別是區(qū)域產(chǎn)業(yè)因子、區(qū)域水路貨運(yùn)環(huán)境因子、區(qū)域經(jīng)濟(jì)發(fā)展因子.

3 廣西水路貨運(yùn)量的預(yù)測(cè)模型

3.1 對(duì)數(shù)線性回歸預(yù)測(cè)模型

隨著西南物流通道建設(shè)的熱潮，水路貨運(yùn)受到了國(guó)家和地方政府決策者越來(lái)越多的重視，廣西水路貨運(yùn)量也呈現(xiàn)逐年攀升的態(tài)勢(shì)，見圖1.考慮到水路貨運(yùn)量并不是線性增長(zhǎng)的趨勢(shì)，因此，建立對(duì)數(shù)線性回歸模型.在避免出現(xiàn)解釋變量多重共線性的基礎(chǔ)上，利用Eviews9.0得到最終回歸分析結(jié)果（見圖2），若取顯著性水平α=0.05，此時(shí)解釋變量、回歸模型均通過(guò)了顯著性檢驗(yàn)（它們對(duì)應(yīng)的P值均小于α），這說(shuō)明了預(yù)測(cè)模型有效，則有：

進(jìn)一步借助Eviews9.0對(duì)預(yù)測(cè)模型進(jìn)行異方差檢驗(yàn)、自相關(guān)檢驗(yàn)[26]（見圖3—圖4），在α=0.05時(shí)均能通過(guò)顯著性檢驗(yàn)，即模型（9）不存在多重共線性、異方差及序列自相關(guān)且擬合效果良好，說(shuō)明社會(huì)消費(fèi)品零售總額和港口吞吐量對(duì)水路貨運(yùn)量具有正向作用.

圖1 廣西歷年水路貨運(yùn)量（2008—2017）Fig.1 Waterway freight volume of Guangxi（2008—2017）

圖2 對(duì)數(shù)回歸分析Fig.2 Log regression analysis

圖3 異方差檢驗(yàn)Fig.3 Heteroscedasticity test

圖4 序列自相關(guān)檢驗(yàn)Fig.4 Serial correlation test

3.2 具有虛變量的對(duì)數(shù)線性回歸模型

廣西水路貨運(yùn)量發(fā)展規(guī)律除了受到外部環(huán)境因素的作用，在很大程度可能會(huì)受到一些無(wú)法量化的定型因素的影響，比如政府的規(guī)制.在2008年1月，為了加強(qiáng)與東盟各國(guó)的合作及推動(dòng)廣西經(jīng)濟(jì)社會(huì)的全面發(fā)展，中國(guó)政府批準(zhǔn)實(shí)施了《廣西北部灣經(jīng)濟(jì)區(qū)發(fā)展規(guī)劃》，其中北部灣經(jīng)濟(jì)區(qū)以廣西南寧、北海、欽州等六地所轄行政區(qū)域組成，規(guī)劃目標(biāo)是將北部灣經(jīng)濟(jì)區(qū)建成中國(guó)-東盟開放合作的物流基地、商貿(mào)基地、加工制造基地和信息交流中心.將中國(guó)政府是否批準(zhǔn)實(shí)施《廣西北部灣經(jīng)濟(jì)區(qū)發(fā)展規(guī)劃》作為虛擬變量，以式（8）為基礎(chǔ)建立有虛擬變量的回歸模型，進(jìn)一步分析政策的引入是否會(huì)影響廣西水路貨運(yùn)的發(fā)展.

利用Eviews9.0可得模型分析結(jié)果（如圖5所示），此時(shí)帶有虛變量的多元回歸模型的矯正擬合優(yōu)度為0.996 6，高于模型（9）的矯正擬合優(yōu)度0.996 0，說(shuō)明模型擬合效果非常好.《廣西北部灣經(jīng)濟(jì)區(qū)發(fā)展規(guī)劃》的規(guī)劃期為2006—2020年，鑒于目前還無(wú)法采集到所有的數(shù)據(jù)，為避免出現(xiàn)假設(shè)檢驗(yàn)的I類棄真錯(cuò)誤，所以取顯著性水平α=0.1，此時(shí)原有解釋變量、虛擬變量及回歸模型均可以通過(guò)顯著性檢驗(yàn)（它們對(duì)應(yīng)的P值均小于α），這說(shuō)明帶虛變量的回歸預(yù)測(cè)模型有效，則有：

圖5 有虛變量的對(duì)數(shù)回歸分析Fig.5 Logarithmic regression analysis of variables

進(jìn)一步可將模型分解，得到政府實(shí)施《廣西北部灣經(jīng)濟(jì)區(qū)發(fā)展規(guī)劃》前后的回歸預(yù)測(cè)模型，分別為：

參照模型（9）的做法，可檢驗(yàn)得到模型（10）不存在多重共線性、異方差及序列自相關(guān)（此處省略具體處理結(jié)果）.進(jìn)一步，為了更直觀比較模型（9）和模型（10）預(yù)測(cè)效果，可計(jì)算它們的平均絕對(duì)百分誤差（MAPE），得到的MAPE分別為3.98%和3.58%，并且后者越接近最新年份，MAPE就越小且都不超過(guò)5%.

因此，帶虛變量的回歸預(yù)測(cè)模型更能反映廣西水路貨運(yùn)量的變化.模型（11）與模型（9）相比，常數(shù)項(xiàng)負(fù)數(shù)變大，更好說(shuō)明水運(yùn)發(fā)展初期設(shè)施投資帶來(lái)的成本阻力，但x2系數(shù)變大，說(shuō)明社會(huì)消費(fèi)品零售總額的正向增長(zhǎng)作用更為顯著；模型（12）與模型（11）相比，政府重大政策實(shí)施后都會(huì)有固定資產(chǎn)投入，所以常數(shù)項(xiàng)負(fù)數(shù)高于實(shí)施前模型（11），從實(shí)踐來(lái)看，政府持續(xù)進(jìn)行物流基礎(chǔ)設(shè)施投資有利于消費(fèi)品零售總額和港口吞吐能力的增長(zhǎng)，從而加大對(duì)貨運(yùn)量的正向影響.

4 Ganger因果檢驗(yàn)

在明確環(huán)境因素、政策規(guī)制對(duì)廣西水路貨運(yùn)量作用方式及效果的基礎(chǔ)上，有必要研究廣西區(qū)域水路貨運(yùn)量與外部環(huán)境的互動(dòng)關(guān)系以厘清變量間的作用機(jī)制，因此引入Ganger因果檢驗(yàn).開展Ganger因果關(guān)系分析的步驟是：1）建立VAR模型并確定其穩(wěn)健性；2）在VAR模型穩(wěn)健的基礎(chǔ)上確定VAR模型的滯后期（一般需要多次嘗試確定最佳滯后期）；3）在確定滯后期的基礎(chǔ)上討論解釋變量與被解釋變量格蘭杰因果關(guān)系.因此，利用Eviews9.0實(shí)施上述步驟可相應(yīng)得到圖6—圖8的分析結(jié)果.

由圖6可知，在以lny、lnx2、lnx6為基礎(chǔ)建立的VAR模型中，模型特征根的倒數(shù)都小于1，位于單位圓內(nèi)部，這說(shuō)明VAR模型穩(wěn)定并且可以對(duì)其進(jìn)行Ganger因果檢驗(yàn)；同時(shí)，基于圖7可知，用于確定滯后期的6個(gè)常用信息檢驗(yàn)標(biāo)準(zhǔn)有4個(gè)落在3階，因此最佳滯后期是3.

結(jié)合圖7及圖8可知，在最優(yōu)滯后期階數(shù)下進(jìn)行Ganger因果分析，若顯著性水平為α=0.05，則有：拒絕“l(fā)nx6不是lnx2的格蘭杰原因”的原假設(shè)，接受“l(fā)nx2不是lnx6的格蘭杰原因”；拒絕“l(fā)ny不是lnx2的格蘭杰原因”的原假設(shè)，接受“l(fā)nx2不是lny的格蘭杰原因”；接受“l(fā)ny不是lnx6的格蘭杰原因”的原假設(shè)，拒絕“l(fā)nx6不是lny的格蘭杰原因”.即通過(guò)Ganger因果檢驗(yàn)可以反映以下的互動(dòng)規(guī)律（見圖9）：1）港口吞吐量的增加有助于提高社會(huì)消費(fèi)品零售總額，相反則不成立；2）水路貨運(yùn)量的增加促進(jìn)了社會(huì)消費(fèi)品零售總額的提升，相反則不成立；3）港口吞吐量的增加有利于水路貨運(yùn)量的增加，相反則不成立.

圖6 VAR模型穩(wěn)定性檢驗(yàn)Fig.6 Stability test of VAR

圖7 滯后期的確定Fig.7 Order selection

圖8 Ganger分析結(jié)果Fig.8 Ganger causality tests

圖9 Ganger因果關(guān)系圖Fig.9 Ganger causality diagram

5 結(jié)論及管理啟示

本文以廣西的水路貨運(yùn)為研究對(duì)象，從局部視角探索了中國(guó)水路貨運(yùn)發(fā)展的分析范式.首先，利用灰關(guān)聯(lián)分析方法獲取了與廣西水路貨運(yùn)量發(fā)展密切相關(guān)的影響因子，有效解決了在樣本不足時(shí)應(yīng)用回歸分析模型的有效性問(wèn)題；然后，基于有無(wú)重大政策影響的背景分別構(gòu)建了預(yù)測(cè)廣西水路貨運(yùn)量的對(duì)數(shù)回歸模型和虛變量回歸模型，使得貨運(yùn)預(yù)測(cè)模型的精度達(dá)到了3.58%，這既反映了模型的準(zhǔn)確性也說(shuō)明了水路貨運(yùn)預(yù)測(cè)中考慮政策因素的必要性；最后，通過(guò)討論外部主要影響因素與區(qū)域貨運(yùn)量之間的互動(dòng)關(guān)系，明確了發(fā)展區(qū)域水路貨運(yùn)的機(jī)制原理，也為制定發(fā)展區(qū)域水路貨運(yùn)的政策提供了理論依據(jù).

綜合上述研究，可以獲得如下的管理啟示：第一，區(qū)域經(jīng)濟(jì)發(fā)展、區(qū)域水路貨運(yùn)環(huán)境、區(qū)域產(chǎn)業(yè)經(jīng)濟(jì)及區(qū)域重大政策都會(huì)影響水路貨運(yùn)的發(fā)展，其中以第二產(chǎn)業(yè)為代表的產(chǎn)業(yè)經(jīng)濟(jì)對(duì)于水路貨運(yùn)的發(fā)展具有不可低估的作用；第二，以社會(huì)消費(fèi)品零售總額為代表的區(qū)域經(jīng)濟(jì)因素和以港口吞吐量為代表的區(qū)域水路貨運(yùn)環(huán)境因素，均對(duì)水路貨運(yùn)發(fā)展具有直接影響；第三，區(qū)域重大政策通過(guò)影響外在環(huán)境來(lái)改變貨運(yùn)量發(fā)展趨勢(shì)，特別是考慮政策影響后，社會(huì)消費(fèi)品零售總額為代表的區(qū)域經(jīng)濟(jì)能夠顯著地推動(dòng)水路貨運(yùn)的發(fā)展；第四，從內(nèi)在機(jī)制來(lái)看，港口吞吐量的增長(zhǎng)促進(jìn)了貨運(yùn)量的增長(zhǎng)，貨運(yùn)量的增長(zhǎng)又會(huì)反作用于區(qū)域經(jīng)濟(jì)發(fā)展，這與現(xiàn)實(shí)中是相符的，政府實(shí)施重大政策，重視物流空間中水運(yùn)通道的建設(shè)，促使了更多的貨物運(yùn)輸選擇水路，從而港口吞吐量和貨運(yùn)量增長(zhǎng)，而水路素有成本低的優(yōu)勢(shì)可導(dǎo)致消費(fèi)品價(jià)格降低，從而拉動(dòng)社會(huì)消費(fèi)需求，使社會(huì)消費(fèi)品零售總額增加，促進(jìn)了經(jīng)濟(jì)可持續(xù)發(fā)展.