城市GDP與交通運(yùn)輸量特征的統(tǒng)計(jì)分析

董 慧，陳 松

宿州學(xué)院 1.數(shù)學(xué)與統(tǒng)計(jì)學(xué)院；2.資源與土木工程學(xué)院，安徽宿州,234000

交通運(yùn)輸作為國(guó)民經(jīng)濟(jì)發(fā)展的基礎(chǔ)性產(chǎn)業(yè)，對(duì)國(guó)家經(jīng)濟(jì)、人口和社會(huì)發(fā)展起到重要的推動(dòng)作用[1]。進(jìn)入新時(shí)代，隨著我國(guó)國(guó)民經(jīng)濟(jì)的穩(wěn)步發(fā)展及經(jīng)濟(jì)結(jié)構(gòu)的調(diào)整，人民日益增長(zhǎng)的幸福生活的需求對(duì)于交通運(yùn)輸?shù)男枨笠踩找嬖龃蟆?/p>

研究表明[2-4]，區(qū)域經(jīng)濟(jì)發(fā)展和交通運(yùn)輸量之間存在一定的聯(lián)系，不同地區(qū)不同時(shí)期經(jīng)濟(jì)發(fā)展對(duì)交通的影響程度是不同的。影響城市交通量增長(zhǎng)的因素有很多，其中國(guó)民經(jīng)濟(jì)總量與經(jīng)濟(jì)結(jié)構(gòu)影響較為明顯，前者是主導(dǎo)因素，后者為具體因素[5]。一般情況下，城市交通量和城市經(jīng)濟(jì)總量呈正相關(guān)，但不同的經(jīng)濟(jì)結(jié)構(gòu)及不同的發(fā)展階段，對(duì)城市交通量的影響也是客觀存在。城市交通運(yùn)輸類型多樣，有高鐵、鐵路和高速公路等，公共運(yùn)輸也有地鐵、輕軌、公共汽車和出租車等類型。隨著城市化進(jìn)程城市人口增長(zhǎng)速度快，不同類型的城市其交通基礎(chǔ)設(shè)施也有較大差異，交通運(yùn)輸類型也不相同。

當(dāng)前，不少學(xué)者針對(duì)交通運(yùn)輸量和經(jīng)濟(jì)發(fā)展規(guī)律開(kāi)展過(guò)系列研究，主要是依據(jù)統(tǒng)計(jì)學(xué)、彈性系數(shù)等方法建立交通運(yùn)輸量和經(jīng)濟(jì)總量模型，并基于經(jīng)濟(jì)增長(zhǎng)的規(guī)律對(duì)交通運(yùn)輸量進(jìn)行預(yù)測(cè)[2]。但針對(duì)同一時(shí)期，不同區(qū)域經(jīng)濟(jì)發(fā)展總量和交通運(yùn)輸?shù)难芯肯鄬?duì)較少，而交通運(yùn)輸明顯受到經(jīng)濟(jì)發(fā)展和時(shí)代屬性的因素影響。本文以2019年國(guó)內(nèi)代表性城市交通運(yùn)輸量數(shù)據(jù)和GDP資料為基礎(chǔ)，在分析經(jīng)濟(jì)結(jié)構(gòu)特征的基礎(chǔ)上，基于統(tǒng)計(jì)學(xué)方法對(duì)不同類型交通運(yùn)輸和不同產(chǎn)業(yè)結(jié)構(gòu)GDP進(jìn)行分析，以揭示城市經(jīng)濟(jì)產(chǎn)業(yè)結(jié)構(gòu)對(duì)城市交通運(yùn)輸?shù)挠绊懸?guī)律，運(yùn)用城市GDP結(jié)構(gòu)及經(jīng)濟(jì)總量發(fā)展來(lái)對(duì)城市交通運(yùn)輸進(jìn)行回歸分析，建立回歸方程，以預(yù)測(cè)新時(shí)期城市交通運(yùn)輸量，為城市交通設(shè)計(jì)和規(guī)劃提供依據(jù)。

1 資料來(lái)源

城市國(guó)民經(jīng)濟(jì)的體量對(duì)交通運(yùn)輸?shù)男问胶徒煌坑绊懗潭让黠@[3]。比如，城市規(guī)劃中對(duì)于申建地鐵的城市，一般公共財(cái)政預(yù)算收入應(yīng)在300億元以上，地區(qū)生產(chǎn)總值在3 000億元以上，市區(qū)常住人口在300萬(wàn)人以上。因此，城市的經(jīng)濟(jì)總量和發(fā)展程度決定了城市的交通運(yùn)輸特征及交通運(yùn)輸類型。

在交通經(jīng)濟(jì)學(xué)中，交通行業(yè)屬于第三產(chǎn)業(yè)。因此，城市經(jīng)濟(jì)結(jié)構(gòu)對(duì)城市交通量也有巨大的影響。一般來(lái)說(shuō)，城市總體交通量由客運(yùn)交通、軌道交通、公共交通和巡游出租車組成。對(duì)于經(jīng)濟(jì)總量相似的城市，如果經(jīng)濟(jì)結(jié)構(gòu)不同，其交通量的構(gòu)成比例上也有較大的區(qū)別。以旅游型城市青島為例，其經(jīng)濟(jì)結(jié)構(gòu)中第三產(chǎn)業(yè)整體比例較高，游客人流量大，對(duì)公共交通和出租車需求量較大。

因此，城市不同類型的交通特征與經(jīng)濟(jì)總量、經(jīng)濟(jì)結(jié)構(gòu)都有明顯的關(guān)系。為系統(tǒng)了解當(dāng)前中國(guó)主要城市經(jīng)濟(jì)總量、經(jīng)濟(jì)結(jié)構(gòu)和交通運(yùn)輸量之間的關(guān)系，特搜集了26個(gè)城市的2019年交通運(yùn)輸資料(包括客運(yùn)總量、公共汽電車、軌道交通、出租車)和國(guó)民經(jīng)濟(jì)資料(GDP、第一產(chǎn)業(yè)、第二產(chǎn)業(yè)和第三產(chǎn)業(yè))，具體見(jiàn)表1。表1中城市國(guó)民經(jīng)濟(jì)GDP、三大產(chǎn)業(yè)結(jié)構(gòu)比重來(lái)源于各省市統(tǒng)計(jì)局，城市交通運(yùn)輸數(shù)據(jù)來(lái)源于中華人民共和國(guó)交通運(yùn)輸部。

表1 26個(gè)代表性城市2019年度客運(yùn)交通量和GDP數(shù)據(jù)一覽表

2 數(shù)據(jù)特征

2.1 經(jīng)濟(jì)特征

為更直觀地展示26個(gè)代表性城市2019年經(jīng)濟(jì)結(jié)構(gòu)特征，利用2019年主要城市GDP及三大產(chǎn)業(yè)經(jīng)濟(jì)總量(表1)，繪制經(jīng)濟(jì)結(jié)構(gòu)柱形示意圖，具體見(jiàn)圖1。在2019年GDP總量中，上海、北京、深圳、廣州和重慶位列前五位，其GDP總量均超過(guò)了2.3萬(wàn)億元。海口、蘭州、太原和南寧為最后幾位，其GDP總量均低于0.5萬(wàn)億元。

圖1 26個(gè)代表性城市2019年GDP結(jié)構(gòu)示意圖

三產(chǎn)業(yè)的劃分是較為常用的產(chǎn)業(yè)結(jié)構(gòu)分類，但劃分標(biāo)準(zhǔn)不盡一致，本文根據(jù)《國(guó)民經(jīng)濟(jì)行業(yè)分類》(GB/T 4754-2011)來(lái)進(jìn)行劃分。研究表明，在三大產(chǎn)業(yè)中，第二產(chǎn)業(yè)結(jié)構(gòu)服務(wù)化指數(shù)對(duì)國(guó)內(nèi)生產(chǎn)總值指數(shù)具有正向作用[6]。但是第二產(chǎn)業(yè)增加值對(duì)經(jīng)濟(jì)增長(zhǎng)起的促進(jìn)作用已經(jīng)低于第三產(chǎn)業(yè)。進(jìn)入新時(shí)代，中國(guó)核心城市第三產(chǎn)業(yè)的投入正在呈現(xiàn)指數(shù)型增長(zhǎng)，尤其東部沿海城市和一線城市。如圖1所示，26個(gè)代表性城市中第三產(chǎn)業(yè)均明顯高于其他兩個(gè)產(chǎn)業(yè)。

具體來(lái)看，北京和上海第三產(chǎn)業(yè)經(jīng)濟(jì)總量位于前兩位，都超過(guò)了2.5萬(wàn)億元，其次為廣州和深圳，這兩個(gè)城市第三產(chǎn)業(yè)經(jīng)濟(jì)總量在1.6萬(wàn)億元以上。而在2019年GDP總量中，上海、北京、廣州和深圳是排名前四的城市。而GDP總量較低的海口、蘭州、太原和南寧幾個(gè)城市，其第三產(chǎn)業(yè)經(jīng)濟(jì)體也較低，這在一定程度上說(shuō)明了，第三產(chǎn)業(yè)經(jīng)濟(jì)總量對(duì)于城市GDP總量具有指示意義。

2.2 交通量特征

城市交通運(yùn)輸量主要受城市經(jīng)濟(jì)、人口和地理位置等因素的影響。具體看，2019年26個(gè)代表性城市的客運(yùn)總量中，北京和上海位于前兩位，74億人次和65億人次。其次為廣州和重慶，分別為61億人次和44億人次。具體來(lái)看，北京的交通運(yùn)輸總量中，以公共汽電車、軌道交通為主，分別約為31億人次和39億人次，出租車客運(yùn)量分別為3.3億人次。而上海的軌道交通和公共汽電車分別為38億人次和20億人次，出租車客運(yùn)量為5.6億人次。北京和上海表現(xiàn)出相似的運(yùn)輸特征，城市交通以公共汽電車和軌道交通為主，出租車占有的比例均較低。

城市交通量較低的城市分別為?？?、太原、寧波和石家莊，交通運(yùn)輸總量均在7億人次以下，尤其?？谑校煌ㄟ\(yùn)輸總量為2.7億人次。具體來(lái)看，?？诤吞瓫](méi)有軌道交通，海口市主要以公共汽電車為主，太原市公共汽電車和出租車運(yùn)輸比例約為60%和40%。寧波市和石家莊市主要以公共汽電車為主，分別占到了62.3%和58.6%，對(duì)比來(lái)看，石家莊的出租車比例較高，而寧波市軌道交通運(yùn)輸比例更大。需要注意的是，雖然蘭州的整體GDP偏低，但由于其西部交通樞紐的特征，其交通運(yùn)輸量略高于其GDP大致相當(dāng)?shù)某鞘?。因此，城市的交通運(yùn)輸量對(duì)于城市GDP有著較好的指示，尤其城市中軌道交通運(yùn)輸明顯受到城市GDP的影響。

3 統(tǒng)計(jì)分析

3.1 相關(guān)分析

相關(guān)性分析有助于理解復(fù)雜的數(shù)據(jù)中隱藏的相同或相似的參數(shù)變化規(guī)律，而針對(duì)城市交通運(yùn)輸資料和城市GDP資料，往往可以揭示城市交通運(yùn)輸數(shù)據(jù)和經(jīng)濟(jì)總量之間的關(guān)系[7]。本文利用SPSS 19軟件對(duì)26個(gè)代表性城市2019年交通運(yùn)輸數(shù)據(jù)和經(jīng)濟(jì)總量數(shù)據(jù)進(jìn)行相關(guān)性分析，結(jié)果見(jiàn)表2。

由表2可見(jiàn)，客運(yùn)總量和軌道交通、公共汽電車有著較高的相關(guān)性，在0.01水平上，相關(guān)系數(shù)分別為0.96和0.95，這樣說(shuō)明城市交通運(yùn)輸量以軌道交通和公共汽電車為主，出租車運(yùn)輸所占比例相對(duì)較低。其次，客運(yùn)總量和城市GDP和第三產(chǎn)業(yè)相關(guān)系數(shù)分別為0.92和0.94，城市客運(yùn)總量明顯受到城市GDP和第三產(chǎn)業(yè)的影響。相比而言，第三產(chǎn)業(yè)對(duì)于城市客運(yùn)總量的影響更大。

對(duì)于不同類型的交通運(yùn)輸量來(lái)看，公共汽電車和GDP和第三產(chǎn)業(yè)也有較好的相關(guān)性，其相關(guān)系數(shù)分別為0.85和0.86。軌道交通運(yùn)輸表現(xiàn)出類似的特征，但其相關(guān)性更強(qiáng)，相關(guān)系數(shù)分別為0.92和0.96。出租車運(yùn)輸量受城市產(chǎn)業(yè)結(jié)構(gòu)的影響不大，具體看來(lái)，主要受到第二產(chǎn)業(yè)的影響，相關(guān)性系數(shù)為0.54?？傊?，第一產(chǎn)業(yè)和公共汽電車、軌道交通、出租車運(yùn)輸量的相關(guān)性較弱，因此城市交通運(yùn)輸和第一產(chǎn)業(yè)關(guān)系不大，主要受GDP總量和第三產(chǎn)業(yè)的影響，城市出租車運(yùn)輸量與第二產(chǎn)業(yè)有一定的相關(guān)性。

表2 26個(gè)代表性城市2019年度客運(yùn)交通量和GDP相關(guān)性分析

3.2 主成分分析

主成分分析是指研究從變量群中提取共性因子的統(tǒng)計(jì)技術(shù)，其目的是揭示一組變量數(shù)據(jù)中更基本的、但無(wú)法直接測(cè)量的隱形變量，也是統(tǒng)計(jì)學(xué)中常用的一種方法[8]。對(duì)表1中數(shù)據(jù)利用SPSS軟件進(jìn)行主成分分析，按照特征值大于1，共提取2個(gè)主成分(表3)，其特征值分別為5.73、1.40，方差貢獻(xiàn)率分別為71.66%和17.52%，共解釋累計(jì)方差89.18%。

表3 26個(gè)代表性城市運(yùn)輸量和>經(jīng)濟(jì)總量主成分分析

可見(jiàn)，城市客運(yùn)總量、公共汽電車、軌道交通、城市GDP、第二產(chǎn)業(yè)和第三產(chǎn)業(yè)在主成分1上有較高的值，主要受控于這一因素。第一產(chǎn)業(yè)主要受主成分2影響，具有較高的值(0.94)，結(jié)合第一產(chǎn)業(yè)比例較高的重慶、大連和石家莊，PC2主要由城市經(jīng)濟(jì)結(jié)構(gòu)決定。出租車在兩個(gè)主成分上荷載值比較均衡，分別為0.67和0.58，這表明出租車運(yùn)輸量受到城市GDP和城市發(fā)展類型、經(jīng)濟(jì)結(jié)構(gòu)多種因素的影響。這種現(xiàn)象在主成分分析圖上，更為明顯，具體見(jiàn)圖2。

圖2 26個(gè)代表性城市運(yùn)輸量和經(jīng)濟(jì)總量主成分分析圖

3.3 回歸分析

隨著城市道路交通的迅速發(fā)展，需要掌握城市現(xiàn)有交通量和預(yù)測(cè)遠(yuǎn)景交通量，為制定交通規(guī)劃和增添交通設(shè)施規(guī)模提供依據(jù)。如前所述，城市GDP、產(chǎn)業(yè)結(jié)構(gòu)和城市交通運(yùn)輸量之間的很好的相關(guān)性，為利用城市GDP及產(chǎn)業(yè)結(jié)構(gòu)特征，進(jìn)行城市交通運(yùn)輸量遠(yuǎn)景預(yù)測(cè)提供了理論支撐。因此選擇和構(gòu)建一個(gè)科學(xué)、合理的、具有預(yù)測(cè)性的城市交通量模型，尤為重要。為此引入回歸分析[9]，并利用殘差圖，檢查回歸分析中回歸模型的擬合優(yōu)度[10]，如果滿足假設(shè)，則普通最小二乘回歸將產(chǎn)生方差最小的無(wú)偏系數(shù)估計(jì)。 回歸模型的殘差正態(tài)概率圖，如圖3所示，客運(yùn)總量、公共汽車量、軌道交通分別和第三產(chǎn)業(yè)回歸分析的正態(tài)概率圖中基本呈一條直線，因此，正態(tài)性假設(shè)是成立的，回歸分析可以進(jìn)行。

圖3 回歸分析殘差圖

因此，選用表1中相關(guān)性系數(shù)較高的GDP及產(chǎn)業(yè)結(jié)構(gòu)對(duì)城市客運(yùn)總量、公共汽車量、軌道交通量和出租車進(jìn)行一元線性回歸，具體見(jiàn)圖4。由圖4可見(jiàn)，客運(yùn)總量和GDP、第三產(chǎn)業(yè)線性擬合回歸系數(shù)分別為0.85和0.89，選用系數(shù)較高的第三產(chǎn)業(yè)擬合回歸方程為y=25.35x+14 348。回歸模型誤差的標(biāo)準(zhǔn)方差S為68 041.2，回歸模型誤差占總誤差的百分比，擬合優(yōu)度為88.5%，說(shuō)明回歸模型較好，調(diào)整的擬合優(yōu)度為88.0%，回歸模型可靠。

公共汽車量和GDP、第三產(chǎn)業(yè)擬合回歸系數(shù)分別為0.73和0.74，差別不大，其回歸方程為y=8.597 7x+36 439?；貧w模型誤差的標(biāo)準(zhǔn)方差S為 38 185.0，回歸模型誤差占總誤差的百分比，擬合優(yōu)度為73.8%，說(shuō)明回歸模型較好，調(diào)整的擬合優(yōu)度為72.7%，回歸模型可靠。軌道交通量、GDP和第三產(chǎn)業(yè)擬合回歸系數(shù)分別為0.85和0.91，明顯受第三產(chǎn)業(yè)影響，擬合方程為y=15.456x-42 501?；貧w模型誤差的標(biāo)準(zhǔn)方差S為36 667.7，回歸模型誤差占總誤差的百分比，擬合優(yōu)度為91.1%，說(shuō)明回歸模型很好，調(diào)整的擬合優(yōu)度為90.7%，回歸模型非常可靠。出租車運(yùn)輸量和GDP、第二產(chǎn)業(yè)擬合效果均不好，其系數(shù)分別為0.26和0.31。

圖4 26個(gè)代表性城市2019年交通運(yùn)輸量和經(jīng)濟(jì)總量線性擬合

4 結(jié) 論

利用統(tǒng)計(jì)分析對(duì)國(guó)內(nèi)26個(gè)主要城市2019年交通運(yùn)輸量和經(jīng)濟(jì)總量進(jìn)行分析，結(jié)果表明：北京、上海、廣州和重慶交通運(yùn)輸量位居前四，城市交通運(yùn)輸以公共汽電車和軌道交通為主，出租車占有的比例均較低。城市交通運(yùn)輸量和城市GDP有著較好的對(duì)應(yīng)關(guān)系，尤其城市軌道運(yùn)輸明顯受到城市GDP的影響。

城市客運(yùn)總量和城市GDP、第三產(chǎn)業(yè)相關(guān)系數(shù)分別為0.92和0.94，城市客運(yùn)總量明顯受到城市GDP和第三產(chǎn)業(yè)的影響。此外，公共汽電車運(yùn)輸量和GDP、第三產(chǎn)業(yè)也有較好的相關(guān)性，其相關(guān)系數(shù)分別為0.85和0.86。軌道交通運(yùn)輸也表現(xiàn)出類似的特征，其相關(guān)性更強(qiáng)，相關(guān)系數(shù)分別為0.92和0.96。出租車運(yùn)輸量受城市產(chǎn)業(yè)結(jié)構(gòu)的影響不大，沒(méi)有明顯的規(guī)律。

共提取2個(gè)主成分，其特征值分別為5.73、1.40，方差貢獻(xiàn)率分別為71.66%和17.52%，共解釋累計(jì)方差89.18%。其中，城市客運(yùn)總量、公共汽電車、軌道交通、城市GDP、第二產(chǎn)業(yè)和第三產(chǎn)業(yè)在主成分1上有較高的值，主要受控于這一因素。第一產(chǎn)業(yè)主要受主成分2影響，具有較高的荷載值(0.94)。出租車在兩個(gè)主成分上荷載值比較均衡，分別為0.67和0.58。

利用一元線性回歸分析，建立城市交通運(yùn)輸和城市GDP之間的擬合方程， 客運(yùn)總量和第三產(chǎn)業(yè)線性擬合回歸系數(shù)分別為0.89，公共汽車量和第三產(chǎn)業(yè)擬合回歸系數(shù)為0.74，軌道交通量和第三產(chǎn)業(yè)擬合回歸系數(shù)為0.91。表明城市第三產(chǎn)業(yè)的發(fā)展提升了人們市內(nèi)交通運(yùn)輸?shù)男枨?，尤其是?duì)城市軌道交通的需求最為明顯。