支線機場對區(qū)域經(jīng)濟高質(zhì)量發(fā)展影響研究

萬 旅,邵 荃,宋乘成

(南京航空航天大學(xué) 民航學(xué)院,南京 211106)

近年來,中國機場發(fā)展迅猛,2020年,我國境內(nèi)運輸機場數(shù)量高達241個,其中支線機場187個,干線機場54個.支線機場在數(shù)量上占全國比重超75%,但是在旅客吞吐量方面,相較于干線機場突破76 300萬人次,支線機場不及9 416萬人次,占全國比重尚不足11%[1].由此可見,支線機場和干線機場發(fā)展差距較大,不平衡特征明顯.近幾年來,在各行業(yè)積極貫徹新發(fā)展理念、推動經(jīng)濟高質(zhì)量發(fā)展的背景下[2-4],民航業(yè)如何把握機場發(fā)展的方向和力度,促進區(qū)域經(jīng)濟高質(zhì)量發(fā)展,受到廣泛關(guān)注[5].

關(guān)于機場與區(qū)域經(jīng)濟發(fā)展關(guān)系的研究不斷出現(xiàn),研究方法有描述分析法[6]、數(shù)據(jù)包絡(luò)分析法[7]、熵權(quán)法與耦合協(xié)調(diào)模型分析法[8]、指標(biāo)分析法[9]、向量自回歸模型分析法[10-11]、兩階段最小二乘法[12]等.研究結(jié)果上比較統(tǒng)一的觀點是機場與區(qū)域經(jīng)濟發(fā)展存在密切關(guān)系,機場對區(qū)域GDP[13]、區(qū)域就業(yè)水平及產(chǎn)業(yè)轉(zhuǎn)型升級[14]、區(qū)域人均收入[15]等具有較大影響.然而,隨著經(jīng)濟進入高質(zhì)量發(fā)展階段,區(qū)域GDP這類單一維度的宏觀經(jīng)濟衡量指標(biāo)已經(jīng)不再適用于經(jīng)濟發(fā)展的現(xiàn)實情況.

綜上,機場發(fā)展不平衡的現(xiàn)象亟需關(guān)注,但現(xiàn)有關(guān)于機場與區(qū)域經(jīng)濟發(fā)展關(guān)系的研究主要考慮區(qū)域整體機場或樞紐機場,對支線機場關(guān)注較少,并且在中國邁入經(jīng)濟高質(zhì)量發(fā)展階段的背景下,之前采用單一維度指標(biāo)衡量區(qū)域經(jīng)濟發(fā)展的方法具有局限性.因此,本文采用更為全面的區(qū)域經(jīng)濟高質(zhì)量發(fā)展評價指標(biāo)體系,構(gòu)建向量自回歸模型,通過協(xié)整檢驗、脈沖響應(yīng)函數(shù)和方差分解,比較研究支線機場和干線機場對區(qū)域經(jīng)濟高質(zhì)量發(fā)展的不同影響,以期為機場協(xié)調(diào)發(fā)展及區(qū)域經(jīng)濟高質(zhì)量發(fā)展提供參考.

1 區(qū)域經(jīng)濟高質(zhì)量發(fā)展評價

關(guān)于區(qū)域經(jīng)濟高質(zhì)量發(fā)展評價,學(xué)術(shù)界已經(jīng)有了一定的研究成果,本文沿用前人方法[16],結(jié)合數(shù)據(jù)可得性,從創(chuàng)新、協(xié)調(diào)、綠色、開放、共享5個方面建立區(qū)域經(jīng)濟高質(zhì)量發(fā)展評價指標(biāo)體系,采用熵值法計算各指標(biāo)權(quán)重,得出歷年各區(qū)域經(jīng)濟高質(zhì)量發(fā)展指數(shù).

1.1 指標(biāo)體系構(gòu)建

本文建立的區(qū)域經(jīng)濟高質(zhì)量發(fā)展評價指標(biāo)體系包括5個一級指標(biāo)和18個二級指標(biāo),如表1所示.

表1 區(qū)域經(jīng)濟高質(zhì)量發(fā)展評價指標(biāo)體系Table 1 Evaluation index system of high-quality development of regional economy

在創(chuàng)新發(fā)展方面,GDP增長率用于衡量創(chuàng)新驅(qū)動經(jīng)濟的效率,研發(fā)投入強度體現(xiàn)了區(qū)域?qū)ρ邪l(fā)的重視度,投資效率體現(xiàn)了創(chuàng)新技術(shù)的利用情況,技術(shù)交易活躍度反映了創(chuàng)新技術(shù)的成果產(chǎn)出情況.

在協(xié)調(diào)發(fā)展方面,需求結(jié)構(gòu)體現(xiàn)了居民消費對區(qū)域經(jīng)濟的促進作用,城鄉(xiāng)結(jié)構(gòu)即城鎮(zhèn)化率反映了區(qū)域城市化進程,產(chǎn)業(yè)結(jié)構(gòu)即第三產(chǎn)業(yè)比重體現(xiàn)了區(qū)域產(chǎn)業(yè)轉(zhuǎn)型升級程度,政府債務(wù)負(fù)擔(dān)反映了區(qū)域經(jīng)濟面臨風(fēng)險程度.

在綠色發(fā)展方面,能源消費彈性系數(shù)反映了能源與區(qū)域經(jīng)濟發(fā)展關(guān)系,單位產(chǎn)出的廢水、廢氣反映了區(qū)域經(jīng)濟發(fā)展對生態(tài)的污染程度.

在開放發(fā)展方面,對外貿(mào)易依存度、外商投資比重從進出口、利用外資角度體現(xiàn)了對外的開放發(fā)展程度,市場化程度從產(chǎn)品市場、要素市場、金融市場等角度體現(xiàn)了國內(nèi)的開放發(fā)展程度.

在共享發(fā)展方面,勞動者報酬比重、居民收入增長彈性可以反映“兩個同步”目標(biāo)的實現(xiàn)情況,城鄉(xiāng)消費差距體現(xiàn)城鄉(xiāng)居民在經(jīng)濟發(fā)展下的成果共享程度,民生性財政支出比重體現(xiàn)了推動民生改善的力度.

該指標(biāo)體系數(shù)據(jù)源于相關(guān)年份《中國統(tǒng)計年鑒》、《中國能源統(tǒng)計年鑒》、國家統(tǒng)計局等,部分缺失數(shù)據(jù)使用插值法補充.

1.2 熵值法基本原理

熵值法是用于判斷某個指標(biāo)離散程度的數(shù)學(xué)方法,通過信息熵值判斷指標(biāo)的有效性和價值,從而客觀準(zhǔn)確地評價研究對象.設(shè)有m個待評區(qū)域,n項評價指標(biāo),xij為第i個區(qū)域第j項指標(biāo)的原始數(shù)據(jù),形成原始指標(biāo)數(shù)據(jù)矩陣Xmn,對于某項指標(biāo),信息熵越小,表明其離散程度越大,提供的信息量越大,則該指標(biāo)在綜合評價中所起的作用(權(quán)重)也就越大,如果某項指標(biāo)的指標(biāo)值全部相等,則該指標(biāo)在綜合評價中不起作用[17].

1.3 熵值法計算步驟

本文建立的評價體系包含18個指標(biāo),待評區(qū)域為中國31個省級行政區(qū)劃單位(不含港、澳、臺),利用熵值法,計算出某年度各區(qū)域經(jīng)濟高質(zhì)量發(fā)展指數(shù),可以客觀反映當(dāng)年度各區(qū)域經(jīng)濟高質(zhì)量發(fā)展在全國所處的相對位置.熵值法計算步驟如下:

1)原始數(shù)據(jù)標(biāo)準(zhǔn)化.由于各指標(biāo)量綱、數(shù)量級不同,需對原始數(shù)據(jù)作標(biāo)準(zhǔn)化處理:

正向指標(biāo)標(biāo)準(zhǔn)化:

(1)

負(fù)向指標(biāo)標(biāo)準(zhǔn)化:

(2)

2)計算經(jīng)標(biāo)準(zhǔn)化處理后第j項指標(biāo)下第i個區(qū)域的指標(biāo)比重:

(3)

3)計算第j項指標(biāo)的信息熵值:

(4)

4)計算第j項指標(biāo)的差異系數(shù):

gj=1-ej

(5)

5)計算第j項指標(biāo)的權(quán)重:

(6)

6)計算第i個區(qū)域綜合得分:

(7)

2 VAR模型實證分析

2.1 模型設(shè)定和數(shù)據(jù)說明

向量自回歸模型(vector autoregression model)簡稱VAR模型,是為解決變量滯后項對變量本身影響問題而提出的一種簡單回歸模型,常被用于分析相互聯(lián)系的時間序列數(shù)據(jù),并且觀察隨機誤差項對系統(tǒng)變量的動態(tài)性、時變性影響.最基本形式如式(8)所示.

yt=α0+α1yt-1+…+αpyt-p+βlxt+…+βqxt-q+ut

(8)

其中:yt、xt、α0、ut分別為內(nèi)生變量、外生變量、常數(shù)項和隨機誤差項.p為內(nèi)生變量的最優(yōu)滯后期,q為外生變量的最優(yōu)滯后期.

當(dāng)變量數(shù)量增多,式(8)則變換成一個矩陣模型,如式(9)所示

(9)

當(dāng)前,新疆是我國擁有機場數(shù)量最多的一級行政區(qū)[18],因此,本文以新疆為例,采用2001～2019年新疆區(qū)域經(jīng)濟高質(zhì)量發(fā)展、支線機場和干線機場相關(guān)數(shù)據(jù),建立VAR模型,通過協(xié)整檢驗、脈沖響應(yīng)函數(shù)和方差分解分析支線機場和干線機場對區(qū)域經(jīng)濟高質(zhì)量發(fā)展的不同影響.

基于前文構(gòu)建的區(qū)域經(jīng)濟高質(zhì)量發(fā)展評價指標(biāo)體系,用熵值法計算出2001～2019年每年度各指標(biāo)權(quán)重,2019年各指標(biāo)權(quán)重如表1所示,接著用線性加權(quán)法計算出每年度各區(qū)域經(jīng)濟高質(zhì)量發(fā)展指數(shù),進而算出其增長率.

關(guān)于新疆區(qū)域經(jīng)濟高質(zhì)量發(fā)展的度量,采用區(qū)域經(jīng)濟高質(zhì)量發(fā)展指數(shù)增長率(QYZZL)指標(biāo);關(guān)于新疆支線機場和干線機場發(fā)展的度量,分別采用支線機場吞吐量增長率(ZXZZL)和干線機場吞吐量增長率(GXZZL)指標(biāo),吞吐量數(shù)據(jù)來自各年度我國民航機場生產(chǎn)統(tǒng)計公報.

2.2 單位根檢驗和協(xié)整檢驗

為防止虛假回歸,構(gòu)建VAR模型前需對變量進行單位根檢驗.根據(jù)ADF檢驗原理,利用Eviews軟件分別對區(qū)域經(jīng)濟高質(zhì)量發(fā)展指數(shù)增長率、支線機場吞吐量增長率、干線機場吞吐量增長率這三個變量進行單位根檢驗,結(jié)果如表2所示,變量在5%的顯著性水平下均平穩(wěn),符合協(xié)整檢驗的條件.

表2 單位根檢驗結(jié)果Table 2 Unit root test results

接著為模型選擇合適的滯后期,根據(jù)AIC準(zhǔn)則和SC準(zhǔn)則,選取當(dāng)二者同時為最小值時的滯后期數(shù)1為最優(yōu)滯后期,建立VAR(1)模型.然后用Johansen方法對指標(biāo)間的協(xié)整關(guān)系進行檢驗,具體協(xié)整檢驗結(jié)果如表3所示,統(tǒng)計量下面括號內(nèi)數(shù)字為各自的P值.

表3 協(xié)整檢驗結(jié)果Table 3 Cointegration test results

跡統(tǒng)計檢驗和最大特征值統(tǒng)計檢驗在5%的顯著水平下均拒絕了“不存在”協(xié)整關(guān)系的原假設(shè),接受了“最多一個”協(xié)整關(guān)系的原假設(shè),這表明變量間存在一個協(xié)整方程,且存在長期均衡關(guān)系.因此,可以建立VAR模型.

區(qū)域經(jīng)濟高質(zhì)量發(fā)展指數(shù)增長率與支線機場吞吐量增長率、干線機場吞吐量增長率的VAR(1)模型向量形式如式(10)所示:

(10)

支線機場吞吐量增長率如果在(t-1)年度變動1個單位,則區(qū)域經(jīng)濟高質(zhì)量發(fā)展指數(shù)增長率在t年度將正向變動0.087 988個單位,支線機場吞吐量增長率的提升對區(qū)域經(jīng)濟高質(zhì)量發(fā)展指數(shù)增長率是正向影響.

干線機場吞吐量增長率如果在(t-1)年度變動1個單位,則區(qū)域經(jīng)濟高質(zhì)量發(fā)展指數(shù)增長率在t年度將反向變動0.134 200個單位,干線機場吞吐量增長率的提升對區(qū)域經(jīng)濟高質(zhì)量發(fā)展指數(shù)增長率是負(fù)向影響.

因此,若干線機場吞吐量增長率增加1個單位,支線機場吞吐量增長率應(yīng)該增加1.53個單位,才能維持區(qū)域經(jīng)濟高質(zhì)量發(fā)展指數(shù)增長率的穩(wěn)定.

2.3 模型穩(wěn)定性檢驗

VAR模型穩(wěn)定是實證分析的前提,為檢驗該模型是否有效,本文使用AR單位根檢驗法檢驗其平穩(wěn)性,檢驗結(jié)果如圖1所示.

圖1 AR特征多項式的逆根Figure 1 Inverse roots of AR characteristic polynomial

可以看出,AR特征多項式的逆根皆在單位圓內(nèi),故可判定VAR模型有效.

2.4 脈沖響應(yīng)函數(shù)

脈沖響應(yīng)函數(shù)描述了VAR模型中一個內(nèi)生變量的沖擊給其他變量的影響,如圖2所示.

圖2 脈沖響應(yīng)Figure 2 Impulse Response

給支線機場吞吐量增長率一個標(biāo)準(zhǔn)單位的正沖擊后,區(qū)域經(jīng)濟高質(zhì)量發(fā)展指數(shù)增長率從第1期開始上升,第2期開始下降,第3期逐漸回升,第4期起趨于平穩(wěn),這表明支線機場吞吐量增長率的迅速增加,短期內(nèi)會給區(qū)域經(jīng)濟高質(zhì)量發(fā)展帶來正向影響,這也符合既定的事實,支線機場吞吐量迅速增加會縮小與干線機場吞吐量的差距,吞吐量向更均衡的趨勢發(fā)展,有利于提高區(qū)域經(jīng)濟高質(zhì)量發(fā)展水平.

給干線機場吞吐量增長率一個標(biāo)準(zhǔn)單位的正沖擊后,區(qū)域經(jīng)濟高質(zhì)量發(fā)展指數(shù)增長率從第1期開始下降,第2期開始回升,第3期開始平穩(wěn),這表明干線機場吞吐量增長率受到某一沖擊后,短期內(nèi)通過相關(guān)渠道和作用機制,使區(qū)域經(jīng)濟高質(zhì)量發(fā)展增長率減小,這也符合既定的事實,一般而言,干線機場吞吐量增長率最好處于較平穩(wěn)狀態(tài),當(dāng)干線機場吞吐量增長率迅速提高,一定程度上破壞了原有平衡,支線機場吞吐量與其差距進一步拉大,不利于區(qū)域經(jīng)濟高質(zhì)量發(fā)展.

2.5 方差分解

為進一步分析支線機場吞吐量增長率、干線機場吞吐量增長率變動對區(qū)域經(jīng)濟高質(zhì)量發(fā)展指數(shù)增長率結(jié)構(gòu)沖擊的貢獻程度,本文對區(qū)域經(jīng)濟高質(zhì)量發(fā)展指數(shù)增長率進行方差分解,結(jié)果如表4所示.

表4 方差分解結(jié)果Table 4 Variance decomposition results

相對于區(qū)域經(jīng)濟高質(zhì)量發(fā)展指數(shù)增長率自身的貢獻度,支線機場和干線機場的吞吐量增長率變化對區(qū)域經(jīng)濟高質(zhì)量發(fā)展指數(shù)增長率變化的貢獻度較低,支線機場吞吐量增長率變化的貢獻度從當(dāng)期到第3期有一個上揚的趨勢,稍稍波動后從第5期開始趨于平穩(wěn),保持在0.34%左右;干線機場吞吐量增長率變化的貢獻度從當(dāng)期到第2期增長較快,稍稍波動后從第5期開始趨于平穩(wěn),保持在0.47%左右.新疆支線機場吞吐量增長率變化對區(qū)域經(jīng)濟高質(zhì)量發(fā)展指數(shù)增長率變化的貢獻度略低于干線機場吞吐量增長率變化的貢獻度.

3 結(jié) 論

本文分析了支線機場對區(qū)域經(jīng)濟高質(zhì)量發(fā)展的影響,并與干線機場的影響進行比較分析,結(jié)論如下:

1)構(gòu)建指標(biāo)體系對區(qū)域經(jīng)濟高質(zhì)量發(fā)展進行量化計算.基于新發(fā)展理念,采用更為全面的區(qū)域經(jīng)濟高質(zhì)量發(fā)展指標(biāo)體系,用熵值法算出各區(qū)域經(jīng)濟高質(zhì)量發(fā)展指數(shù)及其增長率;

2)構(gòu)建VAR模型進行實證分析.研究2001～2019年新疆支線機場和干線機場的吞吐量增長率與區(qū)域經(jīng)濟高質(zhì)量發(fā)展指數(shù)增長率的關(guān)系.結(jié)果表明三者間存在長期均衡關(guān)系;支線機場吞吐量增長率的迅速提高會促進區(qū)域經(jīng)濟高質(zhì)量發(fā)展增長,干線機場吞吐量增長率的迅速提高會遏制區(qū)域經(jīng)濟高質(zhì)量發(fā)展增長;影響程度上,干線機場吞吐量增長率變化的貢獻度高于支線機場吞吐量增長率變化的貢獻度;

3)對支線機場和干線機場的不同影響進行比較分析,能夠?qū)χЬ€機場和干線機場的協(xié)調(diào)發(fā)展提出更明確的建議,從而促進區(qū)域經(jīng)濟高質(zhì)量發(fā)展.