機(jī)場(chǎng)航空業(yè)務(wù)發(fā)展對(duì)區(qū)域?qū)ν忾_放的影響研究
——以廣州白云機(jī)場(chǎng)為例

顧靈君，彭 怡，李晨穎

(南京航空航天大學(xué) 民航學(xué)院，江蘇 南京 211106)

對(duì)外開放是我國(guó)的長(zhǎng)期基本國(guó)策，也是40多年來(lái)中國(guó)經(jīng)濟(jì)快速發(fā)展的最主要?jiǎng)恿?。民航業(yè)在近20年的中國(guó)經(jīng)濟(jì)中發(fā)展迅猛，航空運(yùn)輸在改革開放的進(jìn)程中也發(fā)揮著至關(guān)重要的作用。在經(jīng)濟(jì)全球化的趨勢(shì)下，航空運(yùn)輸以其高速性、機(jī)動(dòng)性、國(guó)際性等優(yōu)勢(shì)，成為區(qū)域經(jīng)濟(jì)融入世界經(jīng)濟(jì)的最佳渠道，而機(jī)場(chǎng)作為航空運(yùn)輸和城市的重要基礎(chǔ)設(shè)施，在加強(qiáng)對(duì)外經(jīng)濟(jì)文化交流、提高區(qū)域?qū)ν忾_放程度、增強(qiáng)城市國(guó)際競(jìng)爭(zhēng)力等方面的作用也日益凸顯。

機(jī)場(chǎng)作為連接國(guó)際的交通樞紐，是區(qū)域?qū)ν忾_放的重要一環(huán)，因此，機(jī)場(chǎng)的發(fā)展與區(qū)域?qū)ν忾_放的發(fā)展息息相關(guān)，兩者之間存在著相互影響、相互作用的雙向關(guān)系。通過對(duì)對(duì)外開放影響因素的研究發(fā)現(xiàn)，對(duì)外開放度主要受區(qū)域經(jīng)濟(jì)發(fā)展、交通基礎(chǔ)設(shè)施及人口密度等因素影響。劉生龍等[1]研究發(fā)現(xiàn)交通基礎(chǔ)設(shè)施對(duì)中國(guó)區(qū)域經(jīng)濟(jì)一體化具有一定影響。陳升、潘虹[2]通過構(gòu)建時(shí)間序列的雙對(duì)數(shù)回歸模型計(jì)算，發(fā)現(xiàn)中國(guó)省域開放度受經(jīng)濟(jì)水平和交通基礎(chǔ)設(shè)施因素的正向影響。劉慶超等[3]研究發(fā)現(xiàn)基礎(chǔ)設(shè)施水平對(duì)對(duì)外開放度產(chǎn)生影響，呈現(xiàn)先上升后逐漸減弱趨勢(shì)。目前，學(xué)者大多針對(duì)對(duì)外開放的影響因素及對(duì)外開放對(duì)其他產(chǎn)業(yè)的影響進(jìn)行研究，但在交通基礎(chǔ)設(shè)施對(duì)區(qū)域?qū)ν忾_放影響方面的研究較少，具體影響的量化研究幾乎沒有。而機(jī)場(chǎng)作為大型交通基礎(chǔ)設(shè)施是國(guó)際交流、對(duì)外貿(mào)易的橋梁，是區(qū)域發(fā)展對(duì)外開放政策最重要的交通基礎(chǔ)設(shè)施，機(jī)場(chǎng)的發(fā)展對(duì)區(qū)域?qū)ν忾_放具有重要的促進(jìn)作用。因此，本文從機(jī)場(chǎng)角度出發(fā)，對(duì)機(jī)場(chǎng)航空業(yè)務(wù)發(fā)展對(duì)對(duì)外開放帶來(lái)的影響進(jìn)行量化研究，對(duì)機(jī)場(chǎng)制定未來(lái)發(fā)展規(guī)劃及區(qū)域制定對(duì)外開放綜合性戰(zhàn)略具有重要意義，同時(shí)，也補(bǔ)足了這方面研究的欠缺，具有一定的創(chuàng)新意義和研究?jī)r(jià)值。

在測(cè)算對(duì)外開放程度的研究中，以往學(xué)者是從測(cè)度貿(mào)易的依存度開始，長(zhǎng)期以來(lái)，多數(shù)學(xué)者都是針對(duì)貿(mào)易和投資開放度選取相應(yīng)指標(biāo)進(jìn)行對(duì)外開放度的測(cè)算。最早，Whitman[4]提出以進(jìn)出口貿(mào)易額和國(guó)際投資額兩個(gè)指標(biāo)來(lái)衡量對(duì)外開放度。李翀[5]從對(duì)外貿(mào)易、對(duì)外金融和對(duì)外投資三個(gè)方面入手，采用主觀賦值法測(cè)算對(duì)外開放度。黃繁華[6]通過細(xì)化二級(jí)指標(biāo)對(duì)中國(guó)經(jīng)濟(jì)開放度進(jìn)行了測(cè)算及分析。曾海鷹[7]提出包括對(duì)內(nèi)、對(duì)外和旅游開放度的開放度指標(biāo)體系。趙三英[8]和何智恒[9]從貿(mào)易、金融和投資3個(gè)方面選取多項(xiàng)指標(biāo)。Pickering 和Valle[10]、AI-shayeb和Hatemi[11]采用了外貿(mào)依存度、全球化程度、貿(mào)易開放度、地區(qū)出口額與 GDP 占比來(lái)測(cè)算對(duì)外開放度。國(guó)家發(fā)展改革委國(guó)際合作中心[12]從經(jīng)濟(jì)、技術(shù)、社會(huì)三個(gè)方面設(shè)計(jì)了一套更加全面、系統(tǒng)、科學(xué)的指標(biāo)體系來(lái)評(píng)估區(qū)域?qū)ν忾_放水平。楊朝均等[13]利用熵權(quán)-G1法測(cè)算以貿(mào)易、投資、生產(chǎn)、勞務(wù)、技術(shù)和旅游開放度六大方面構(gòu)建的區(qū)域?qū)ν忾_放度評(píng)價(jià)指標(biāo)體系。對(duì)外開放指標(biāo)體系從兩個(gè)指標(biāo)的簡(jiǎn)單測(cè)算到多方面、多層次指標(biāo)體系的構(gòu)建已趨于成熟，能夠全面綜合地衡量區(qū)域?qū)ν忾_放水平。

本文參考國(guó)家發(fā)展改革委國(guó)際合作中心創(chuàng)新研發(fā)的中國(guó)區(qū)域?qū)ν忾_放指標(biāo)，選取構(gòu)建科學(xué)全面且可操作的指標(biāo)體系，采用熵值法計(jì)算各指標(biāo)權(quán)重，對(duì)各指標(biāo)加權(quán)求和得到區(qū)域?qū)ν忾_放的綜合指數(shù)?；谙到y(tǒng)理論綜合考慮對(duì)外開放的各個(gè)影響因素，為消除變量間的多重共線性采用主成分分析法降維得到新變量，將新變量與對(duì)外開放指數(shù)建立回歸模型，比較選取精度最高的模型來(lái)預(yù)測(cè)機(jī)場(chǎng)業(yè)務(wù)指標(biāo)的增長(zhǎng)給區(qū)域?qū)ν忾_放帶來(lái)的影響，為機(jī)場(chǎng)擴(kuò)建和發(fā)展提供理論依據(jù)。

1 對(duì)外開放指標(biāo)體系的構(gòu)建

為全面評(píng)估區(qū)域?qū)ν忾_放水平，本文參考國(guó)家發(fā)展改革委國(guó)際合作中心創(chuàng)新研發(fā)的中國(guó)區(qū)域?qū)ν忾_放指標(biāo)體系，從經(jīng)濟(jì)、技術(shù)、社會(huì)和文化等多方面進(jìn)行度量。同時(shí)，也考慮了民航業(yè)與對(duì)外開放的聯(lián)系，并結(jié)合當(dāng)?shù)貐^(qū)域特點(diǎn)進(jìn)行了改進(jìn)，綜合指標(biāo)體系如表1所示。

表1 對(duì)外開放指標(biāo)體系

本文的對(duì)外開放指標(biāo)體系設(shè)置經(jīng)濟(jì)開放度、技術(shù)開放度和社會(huì)開放度三個(gè)一級(jí)指標(biāo)，三大一級(jí)指標(biāo)內(nèi)分別包含三個(gè)更為具體的方向，并在二級(jí)指標(biāo)中設(shè)置了20個(gè)更為細(xì)化、具有代表性的指標(biāo)，以豐富指標(biāo)體系的完整性，使其能夠科學(xué)、深入、全面地反映區(qū)域?qū)ν忾_放的基本情況。

2 研究方法

2.1 熵值法

本文采用綜合指標(biāo)法衡量區(qū)域?qū)ν忾_放水平，進(jìn)行無(wú)量綱處理后通過加權(quán)求和測(cè)算區(qū)域?qū)ν忾_放綜合指數(shù)[14-15]。采用熵值法計(jì)算各指標(biāo)的加權(quán)系數(shù)權(quán)重，指標(biāo)的信息熵越小，指標(biāo)所含有的信息量就越大，指標(biāo)的權(quán)重就越高[16]，熵值法直接利用實(shí)際數(shù)據(jù)信息，所得權(quán)重更客觀，其計(jì)算式為

(1)

(2)

dj=1-Ej,

(3)

(4)

式中：Pij為第j項(xiàng)指標(biāo)下第i個(gè)樣本的貢獻(xiàn)度；Ej為第j項(xiàng)指標(biāo)的貢獻(xiàn)總量，即為熵值；dj為第j項(xiàng)指標(biāo)的差異系數(shù)，wj為各指標(biāo)貢獻(xiàn)度的一致性程度；wj為第j項(xiàng)指標(biāo)的權(quán)重系數(shù)。

2.2 主成分分析原理

主成分分析法(Principal Component Analysis)是利用降維思想，將多個(gè)變量轉(zhuǎn)化為少數(shù)幾個(gè)綜合變量(即主成分)，其中每個(gè)主成分都是原始變量的線性組合，各主成分之間互不相關(guān)，從而使這些主成分能夠反映原始變量的絕大部分信息，且所含信息互不重疊[17]。用主成分分析篩選回歸變量，可用較少的計(jì)算量來(lái)選擇變量，獲得選擇最佳變量子集合的效果[18]。

2.2.1 主成分分析法代數(shù)模型

假設(shè)用X1，X2，…，Xp來(lái)表示p個(gè)變量，這p個(gè)變量構(gòu)成的p維隨機(jī)向量為X=(X1,X2,…,Xp)T。設(shè)隨機(jī)向量X的均值為μ，協(xié)方差矩陣為Σ，則有p個(gè)主成分F1，F(xiàn)2,…,Fp，主成分模型[19]為

(5)

2.2.2 主成分分析法基本步驟

1)計(jì)算標(biāo)準(zhǔn)化矩陣Z。對(duì)樣本陣元進(jìn)行標(biāo)準(zhǔn)化

(6)

2)根據(jù)標(biāo)準(zhǔn)化矩陣Z建立協(xié)方差矩陣R。R為反映標(biāo)準(zhǔn)化后數(shù)據(jù)之間相關(guān)關(guān)系密切程度的統(tǒng)計(jì)指標(biāo)，即相關(guān)系數(shù)，計(jì)算公式為

(7)

3)根據(jù)協(xié)方差矩陣R求出特征值、主成分貢獻(xiàn)率和累計(jì)方差貢獻(xiàn)率，計(jì)算式為

(8)

4)建立初始因子載荷矩陣解釋主成分。

5)對(duì)m個(gè)主成分進(jìn)行綜合評(píng)價(jià)。對(duì)m個(gè)主成分進(jìn)行加權(quán)求和，即得最終評(píng)價(jià)值，權(quán)數(shù)為每個(gè)主成分的方差貢獻(xiàn)率。

鑒于本文研究的諸多影響因素之間并不獨(dú)立，相關(guān)系數(shù)均接近1，為避免后續(xù)定量回歸模型的多重共線性問題[20]，本文先對(duì)對(duì)外開放的眾多影響因素進(jìn)行主成分分析，采用通過降維得到的新變量構(gòu)建回歸模型。

2.3 回歸模型

回歸模型(regression model)是對(duì)統(tǒng)計(jì)關(guān)系進(jìn)行定量描述的一種數(shù)學(xué)模型，用以研究變量間的數(shù)據(jù)關(guān)系。常用的回歸模型有以下3種類型。

1)一元線性回歸

y=β0+β1+ε.

(9)

2)多元線性回歸

y=β0+β1x1+β2x2+，…，+βkxk+ε.

(10)

在式(9)、式(10)中，β0，β1，β2，…，βk為參數(shù)，ε為隨機(jī)干擾項(xiàng)。

3)多元對(duì)數(shù)回歸模型。對(duì)數(shù)回歸模型具有平滑數(shù)據(jù)、去掉數(shù)據(jù)集量綱的作用，是經(jīng)濟(jì)學(xué)中最常用的非線性模型。其參數(shù)必須要有恰當(dāng)?shù)慕?jīng)濟(jì)意義，一般使用對(duì)數(shù)模型做彈性分析?？煞譃槿珜?duì)數(shù)模型和半對(duì)數(shù)模型。

全對(duì)數(shù)模型

lny=β0+β1lnx1+β2lnx2+，…，+βklnxk+ε.

(11)

半對(duì)數(shù)模型

lny=β0+β1x1+β2x2+，…，+βkxk+ε.

(12)

或

y=β0+β1lnx1+β2lnx2+，…，+βklnxk+ε.

(13)

在式(11)、式(12)、式(13)中，β0，β1，β2，…，βk為k+1個(gè)參數(shù)，為隨機(jī)干擾項(xiàng)。

3 機(jī)場(chǎng)航空業(yè)務(wù)發(fā)展對(duì)區(qū)域?qū)ν忾_放的影響分析

本文以廣州市為例，探討廣州白云機(jī)場(chǎng)航空業(yè)務(wù)發(fā)展對(duì)廣州市對(duì)外開放程度的影響。

3.1 廣州市對(duì)外開放綜合指數(shù)測(cè)算

查閱廣州市2009—2018年統(tǒng)計(jì)年鑒和瀏覽各級(jí)政府的網(wǎng)站資料，搜集表1中需要的數(shù)據(jù)。利用MATLAB軟件基于熵值法進(jìn)行加權(quán)求和測(cè)算廣州市對(duì)外開放綜合指數(shù)，計(jì)算結(jié)果如圖1所示。

圖1 廣州市對(duì)外開放綜合指數(shù)

從圖1可以看出，近10年來(lái)廣州市對(duì)外開放度整體呈現(xiàn)穩(wěn)步增長(zhǎng)趨勢(shì)，且增長(zhǎng)速度越來(lái)越快，近四年年均增長(zhǎng)速度達(dá)到24個(gè)百分點(diǎn)。

3.2 主成分回歸模型構(gòu)建

依據(jù)系統(tǒng)理論，從廣州白云機(jī)場(chǎng)業(yè)務(wù)量發(fā)展對(duì)廣州市對(duì)外開放的貢獻(xiàn)出發(fā)，同時(shí)，充分考慮廣州市對(duì)外開放其他主要影響因素的貢獻(xiàn)，本文同時(shí)考慮10種因素對(duì)廣州市對(duì)外開放的影響。其中白云機(jī)場(chǎng)旅客吞吐量、貨郵吞吐量、國(guó)內(nèi)航班量和國(guó)際航班量為與白云機(jī)場(chǎng)業(yè)務(wù)相關(guān)的變量，廣州市生產(chǎn)總值、常住人口、城鎮(zhèn)居民人均支出、外商直接投資實(shí)際使用金額、客運(yùn)量和貨運(yùn)量六個(gè)變量為對(duì)外開放度的其他影響因子，數(shù)據(jù)來(lái)源為2009—2018年《廣州市統(tǒng)計(jì)年鑒》，由白云機(jī)場(chǎng)提供。

運(yùn)用MATLAB軟件進(jìn)行主成分分析，得到了第一主成分和第二主成分矩陣，如表2所示。

表2 主成分矩陣

通過計(jì)算發(fā)現(xiàn)第一主成分的累計(jì)貢獻(xiàn)率為98%，已超過85%，包含影響因子的絕大部分信息，可選擇第一主成分做回歸分析，但為確保模型更精確，第二主成分累計(jì)貢獻(xiàn)率為99.34%，能包含更多信息，因此，本文將再取第一和第二主成分作為自變量和對(duì)外開放總指數(shù)進(jìn)行多元回歸分析，最后對(duì)模型進(jìn)行檢驗(yàn)，選取精度最高的模型。

得到的回歸預(yù)測(cè)模型有：

1)主成分一元回歸模型

Y=10.21+1.718 9F1.

(14)

2)主成分多元回歸模型

Y=10.21+1.718 9F1-4.478 8F2.

(15)

3)主成分多元對(duì)數(shù)回歸模型

lnY=2.194 1+0.169 6F1-0.083 338F2.

(16)

3.3 模型檢驗(yàn)

將表2的數(shù)據(jù)代入到回歸模型式(14)、式(15)和式(16)中，比較各個(gè)模型預(yù)測(cè)值與實(shí)際值之間的誤差，如表3所示，結(jié)果對(duì)比如圖2所示。

表3 主成分回歸模型結(jié)果誤差分析

圖2 主成分回歸模型預(yù)測(cè)結(jié)果對(duì)比

由表3可知，式(14)、式(15)、式(16)的平均相對(duì)誤差分別為0.14、0.05和0.02，可見主成分多元對(duì)數(shù)回歸模型的精度更高。從圖2也可看出，其預(yù)測(cè)曲線與實(shí)際值曲線重合度更高，因此，主成分多元對(duì)數(shù)回歸模型是預(yù)測(cè)對(duì)外開放綜合指數(shù)的最優(yōu)選擇。

3.4 機(jī)場(chǎng)業(yè)務(wù)量增長(zhǎng)對(duì)對(duì)外開放的影響

以2018年為基準(zhǔn)，保持其他影響因子不變，同時(shí)不改變整體數(shù)據(jù)的均值和標(biāo)準(zhǔn)差(即不改變系統(tǒng)內(nèi)部的關(guān)系)，當(dāng)白云機(jī)場(chǎng)旅客吞吐量增加1%時(shí)，通過主成分多元對(duì)數(shù)回歸模型計(jì)算得到廣州市對(duì)外開放總指數(shù)將會(huì)增加0.34%。

當(dāng)白云機(jī)場(chǎng)貨郵吞吐量增加1%時(shí)，通過主成分多元對(duì)數(shù)回歸模型計(jì)算得到廣州市對(duì)外開放總指數(shù)將會(huì)增加0.42%。

結(jié)果表明，廣州白云機(jī)場(chǎng)旅客吞吐量和貨郵吞吐量的增長(zhǎng)都促進(jìn)了廣州市對(duì)外開放指數(shù)的增加，提升了廣州市對(duì)外開放的程度，其中，白云機(jī)場(chǎng)貨運(yùn)吞吐量增長(zhǎng)的貢獻(xiàn)比旅客吞吐量大。

4 結(jié) 語(yǔ)

本文通過構(gòu)建科學(xué)、全面、系統(tǒng)的對(duì)外開放指標(biāo)體系，基于熵值法的加權(quán)求和計(jì)算出對(duì)外開放綜合指數(shù)，用以衡量區(qū)域?qū)ν忾_放水平。基于系統(tǒng)的概念考慮多方影響因子來(lái)探討機(jī)場(chǎng)發(fā)展對(duì)對(duì)外開放程度變化的影響，采用主成分-回歸分析方法構(gòu)建模型，消除變量間的多重共線性，并通過模型檢驗(yàn)，選出預(yù)測(cè)精度最高的模型，即以主成分多元對(duì)數(shù)回歸模型對(duì)機(jī)場(chǎng)業(yè)務(wù)量變化情況下的對(duì)外開放指數(shù)變化進(jìn)行量化預(yù)測(cè)，結(jié)果表明機(jī)場(chǎng)業(yè)務(wù)量的增長(zhǎng)對(duì)對(duì)外開放水平有一定的正向影響，為機(jī)場(chǎng)規(guī)劃擴(kuò)建和區(qū)域發(fā)展對(duì)外開放經(jīng)濟(jì)提供參考依據(jù)。