流域經(jīng)濟(jì)視域下的水路貨運(yùn)發(fā)展研究

李澤楷 韓海燕

摘 要：文章旨在探究流域經(jīng)濟(jì)背景下我國(guó)水路貨運(yùn)的發(fā)展態(tài)勢(shì)，基于我國(guó)2013—2022年的水運(yùn)貨運(yùn)量，使用灰色預(yù)測(cè)模型對(duì)我國(guó)的貨運(yùn)吞吐量進(jìn)行預(yù)測(cè)，揭示未來(lái)一段時(shí)間內(nèi)水路貨運(yùn)的發(fā)展趨勢(shì)，并采用回歸分析模型多角度分析影響我國(guó)水路貨運(yùn)量的關(guān)鍵因素。基于灰色預(yù)測(cè)模型和回歸分析結(jié)果，文章提出了促進(jìn)我國(guó)水路貨運(yùn)發(fā)展的策略建議，為政策制定者和業(yè)界提供決策建議支持，以優(yōu)化水路貨運(yùn)系統(tǒng)，促進(jìn)流域經(jīng)濟(jì)發(fā)展。

關(guān)鍵詞：流域經(jīng)濟(jì)；水路貨運(yùn)；灰色預(yù)測(cè)；回歸分析

中圖分類號(hào)：F259.27文獻(xiàn)標(biāo)志碼：ADOI：10.13714/j.cnki.1002-3100.2024.08.025

Abstract： The paper aims to explore the development trend of waterway freight transport in China under the background of basin economy. Based on the water freight volume of China from 2013 to 2022， this paper uses a grey prediction model to predict the freight throughput of China and reveal the development trend of water freight in the future. This paper also uses regression analysis models to analyze the key factors affecting China's waterway freight volume from multiple perspectives. Based on the grey prediction model and regression analysis results， this paper proposes strategic suggestions to promote the development of waterway freight transport in China. Its aims to provide decision recommendations and supports for policy makers and the industry to optimize waterway freight systems and promote basin economic development.

Key words： basin economy; waterway freight transport; grey forecast; regression analysis

0 ? ?引 ? ?言

隨著經(jīng)濟(jì)全球化和區(qū)域一體化的深入發(fā)展，水路貨運(yùn)在促進(jìn)區(qū)域經(jīng)濟(jì)發(fā)展、完善交通運(yùn)輸網(wǎng)絡(luò)、降低物流成本等方面發(fā)揮著日益重要的作用。作為擁有眾多河流和廣闊海域的國(guó)家，我國(guó)水路貨運(yùn)的發(fā)展直接影響著經(jīng)濟(jì)的穩(wěn)定和增長(zhǎng)。一方面，隨著流域經(jīng)濟(jì)的興起，沿線地區(qū)對(duì)水路貨運(yùn)的需求不斷增加，為水路貨運(yùn)提供了更大的市場(chǎng)發(fā)展空間；另一方面，環(huán)境保護(hù)、運(yùn)輸效率和服務(wù)質(zhì)量的要求也在不斷提高，推動(dòng)水路貨運(yùn)行業(yè)不斷進(jìn)行技術(shù)創(chuàng)新和服務(wù)優(yōu)化。

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，與經(jīng)濟(jì)發(fā)展和物流空間布局有著密切聯(lián)系。戢曉峰等（2022）從鐵路大宗貨物到達(dá)和發(fā)送的結(jié)果展開(kāi)研究，利用復(fù)雜的網(wǎng)絡(luò)理論針對(duì)云南省鐵路大宗貨物運(yùn)輸網(wǎng)絡(luò)模型進(jìn)行了構(gòu)建，得出了大宗貨物運(yùn)輸網(wǎng)絡(luò)結(jié)構(gòu)特征[1]。楊方方等（2021）指出，各種運(yùn)輸方式與經(jīng)濟(jì)發(fā)展之間都存在著“協(xié)調(diào)退化—弱協(xié)調(diào)—協(xié)調(diào)”的演化規(guī)律，二者之間協(xié)同發(fā)展的關(guān)聯(lián)較弱[2]。田君等（2019）從區(qū)域差異化的視角入手，分別考察總貨運(yùn)交通，以及細(xì)分為公路、鐵路、水路的三種貨運(yùn)交通運(yùn)輸方式對(duì)城市經(jīng)濟(jì)發(fā)展的影響[3]。

目前對(duì)于水路運(yùn)輸?shù)难芯慷嘁载涍\(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(kāi)。靖學(xué)青（2017）指出，水上交通運(yùn)輸對(duì)長(zhǎng)江地區(qū)的經(jīng)濟(jì)發(fā)展起到了積極作用；然而，通過(guò)將長(zhǎng)江經(jīng)濟(jì)帶劃分為東部和中西部?jī)蓚€(gè)區(qū)域研究發(fā)現(xiàn)，僅有三個(gè)省份對(duì)我國(guó)的經(jīng)濟(jì)發(fā)展具有明顯的正向效應(yīng)，而中西部8個(gè)省份的水路交通對(duì)經(jīng)濟(jì)發(fā)展的促進(jìn)效果并不明顯[4]。陳麗寧等（2019）構(gòu)建了云浮港口2010—2017年水路貨物運(yùn)輸?shù)腉M（1，1），模型具有很大的平均相對(duì)偏差，表明云浮港口在2018—2021年仍有高速增長(zhǎng)的趨勢(shì)[5]。

綜上，本研究將預(yù)測(cè)和分析我國(guó)水路貨運(yùn)行業(yè)的發(fā)展，并通過(guò)提出具體建議，希望為行業(yè)的可持續(xù)發(fā)展和決策優(yōu)化提供支持。

1 ? ?研究方法介紹

1.1 ? ?灰色預(yù)測(cè)模型

GM（1，1）模型是根據(jù)原始的離散非負(fù)數(shù)據(jù)列，通過(guò)累加的方式削弱隨機(jī)性的，建立相應(yīng)的微分方程模型，得到離散點(diǎn)處的解，通過(guò)累減生成的原始數(shù)據(jù)的近似估計(jì)值，預(yù)測(cè)原始數(shù)據(jù)的后續(xù)發(fā)展。

設(shè)x（0）=（x（0）（1），x（0）（2），...x（0）（n））為最初非負(fù)數(shù)據(jù)列，對(duì)其進(jìn)行一次累加生成新的數(shù)據(jù)列x（1）（x（0）的1-AGO序列）。

其中：x（1）（m）=，m=1，2，...，n。

使z（1）為數(shù)列x（1）緊鄰均值生成數(shù)列，即z（1）=（z（1）（2），z（1）（3），...z（1）（n）），其中z（1）（m）=δx（1）（m）+

（1-δ）x（1）（m-1），m=2，3，...，n，n/δ=0.5。

可稱方程x（0）（k）+az（1）（k）=b為GM（1，1）（灰色預(yù)測(cè)模型）的基本形式（k=1，2，…，n）。其中：b為灰作用量，-a為發(fā)展系數(shù)。

引入矩陣形式如下。

因此，GM（1，1）模型x（0）（k）+az（1）（k）=b可表示如下。

利用最小二乘法得到a，b估計(jì)值如下。

K，b的求值可用最小二乘法OLS，其中k=-a，n取n-1，如下所示。

則預(yù)測(cè)式如下。

（m=1，2，…，n-1）

1.2 ? ?回歸分析模型

鑒于研究中所涉及的預(yù)測(cè)變量與水路貨運(yùn)量之間的關(guān)系可以被假設(shè)為線性的，因此本文采用多元線性回歸模型來(lái)揭示多個(gè)獨(dú)立變量和一個(gè)因變量（如水路貨運(yùn)量）之間的關(guān)系。

多元線性回歸用于解決一個(gè)樣本有多個(gè)特征的線性回歸問(wèn)題。對(duì)于一個(gè)有n個(gè)特征的樣本i而言，其回歸結(jié)果方程如下。

式中：ω被統(tǒng)稱為模型參數(shù)，其中ω0為截距項(xiàng)，其余則被統(tǒng)稱為模型系數(shù)；其中y是目標(biāo)變量；xi1～xin為樣本i的不同特征。

2 ? ?我國(guó)貨運(yùn)吞吐量灰色預(yù)測(cè)模型構(gòu)建及分析

2.1 ? ?貨運(yùn)吞吐量灰色預(yù)測(cè)

灰色預(yù)測(cè)是一種有效的預(yù)測(cè)方法，適用于信息不完全或數(shù)據(jù)量較少的情況。這種方法側(cè)重于揭示系統(tǒng)的發(fā)展趨勢(shì)和內(nèi)在規(guī)律，適用于我國(guó)水路貨運(yùn)吞吐量的預(yù)測(cè)分析。國(guó)家統(tǒng)計(jì)局公布的數(shù)據(jù)顯示，2013—2022年，我國(guó)水路貨運(yùn)量呈穩(wěn)步增長(zhǎng)趨勢(shì)。具體來(lái)看，2013年，我國(guó)的水路貨運(yùn)量為559 785萬(wàn)噸，到2022年，增長(zhǎng)至855 352萬(wàn)噸。這一上升趨勢(shì)反映了流域經(jīng)濟(jì)的發(fā)展及其對(duì)水路貨運(yùn)需求量的推動(dòng)作用，見(jiàn)表1。

本研究應(yīng)用GM（1，1）模型預(yù)測(cè)未來(lái)一定時(shí)期內(nèi)的貨運(yùn)吞吐量。灰色預(yù)測(cè)模型以數(shù)據(jù)的生成序列為基礎(chǔ)，通過(guò)對(duì)原始數(shù)據(jù)序列的累加生成減少數(shù)據(jù)的隨機(jī)性，提取出數(shù)據(jù)序列的內(nèi)在規(guī)律性。帶入式（1）—（6），可得表2和圖1。

表2針對(duì)水運(yùn)貨運(yùn)量進(jìn)行GM（1，1）模型級(jí)比值檢驗(yàn)，判斷以數(shù)據(jù)序列進(jìn)行模型構(gòu)建的適用性。結(jié)果顯示，級(jí)比檢驗(yàn)值均處于標(biāo)準(zhǔn)范圍區(qū)間[0.834，1.199]，意味著本數(shù)據(jù)適合進(jìn)行GM（1，1）模型構(gòu)建。具體預(yù)測(cè)結(jié)果見(jiàn)圖1。

預(yù)測(cè)結(jié)果表明，擬合值與真實(shí)值相比，較吻合，說(shuō)明灰色預(yù)測(cè)模型在樣本期內(nèi)能夠較好地?cái)M合歷史數(shù)據(jù)。預(yù)測(cè)顯示，2023—2034年，貨運(yùn)量將繼續(xù)增長(zhǎng)，預(yù)計(jì)在2034年達(dá)到約

1 495 932萬(wàn)噸。這一連續(xù)上升趨勢(shì)預(yù)示著我國(guó)水路貨運(yùn)行業(yè)的潛在發(fā)展空間仍然廣闊。

同時(shí)，預(yù)測(cè)結(jié)果也反映出了水路貨運(yùn)行業(yè)未來(lái)面臨的挑戰(zhàn)。隨著貨運(yùn)量的持續(xù)增長(zhǎng)，相關(guān)的基礎(chǔ)設(shè)施建設(shè)、環(huán)境保護(hù)、運(yùn)營(yíng)效率以及服務(wù)質(zhì)量等都需得到更多的關(guān)注。如何在確保貨運(yùn)增長(zhǎng)的同時(shí)維持生態(tài)平衡、提升運(yùn)輸效率和服務(wù)水平，將是行業(yè)發(fā)展需要重點(diǎn)考慮的問(wèn)題。

2.2 ? ?灰色模型后驗(yàn)差檢驗(yàn)

后驗(yàn)差檢驗(yàn)可用于評(píng)估模型的預(yù)測(cè)效果和準(zhǔn)確性，可以幫助人們了解模型是否能夠可靠地捕捉數(shù)據(jù)的內(nèi)在規(guī)律，以及模型對(duì)未來(lái)趨勢(shì)預(yù)測(cè)的可信度。后驗(yàn)差檢驗(yàn)通常涉及計(jì)算預(yù)測(cè)值與實(shí)際值之間的偏差，并通過(guò)一系列統(tǒng)計(jì)指標(biāo)來(lái)評(píng)估這些偏差的大小具體數(shù)據(jù)，如表3所示。

研究分析，模型相對(duì)誤差值最大值0.021＜0.1，意味著模型擬合效果達(dá)到較高要求。針對(duì)級(jí)比偏差值，該值小于0.2說(shuō)明達(dá)到要求，若小于0.1則說(shuō)明達(dá)到較高要求；模型相對(duì)誤差值最大值0.031＜0.1，意味著模型擬合效果達(dá)到較高要求。

模型構(gòu)建后得到發(fā)展系數(shù)a，灰色作用量b，以及后驗(yàn)比C值和小誤差概率p值；后驗(yàn)差比C值0.007≤0.35，意味著模型精度等級(jí)非常好。小誤差概率p值為1.000＜1.0，意味著模型精度較高，具體數(shù)據(jù)如表4所示。

3 ? ?我國(guó)水路貨運(yùn)量多元線性回歸分析

3.1 ? ?指標(biāo)選取

水路貨運(yùn)領(lǐng)域貨運(yùn)量的變化受多種因素的綜合影響。經(jīng)濟(jì)增長(zhǎng)、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、消費(fèi)水平提升以及基礎(chǔ)設(shè)施建設(shè)都對(duì)貨運(yùn)需求產(chǎn)生直接或間接影響。因此，研究可以從宏觀經(jīng)濟(jì)、區(qū)域發(fā)展、行業(yè)特性和運(yùn)輸成本等角度進(jìn)行分析，從而為多元線性回歸模型的構(gòu)建提供理論支持。在構(gòu)建回歸模型時(shí)，貨運(yùn)量作為反映物流行業(yè)總體表現(xiàn)的關(guān)鍵指標(biāo)，設(shè)為因變量；而經(jīng)濟(jì)增長(zhǎng)率、人均消費(fèi)水平、工業(yè)產(chǎn)值、物流成本等因素則作為自變量，代表著影響貨運(yùn)量的各個(gè)維度，具體如表5所示。

研究所得相關(guān)數(shù)據(jù)如表6所示。

3.2 ? ? 回歸結(jié)果分析

本研究利用回歸分析來(lái)探討影響我國(guó)水路貨運(yùn)量的各種因素，回歸結(jié)果如表7所示。

從表7可以看出，模型公式如下。

水路貨運(yùn)量=234 197.515-1 748.893*國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)+12.583*居民人均消費(fèi)支出+0.110*工業(yè)產(chǎn)值增加值+14 810.374*物流成本。

模型R方值為0.997，意味著國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)、居民人均消費(fèi)支出、工業(yè)產(chǎn)值增加值、物流成本可以解釋水路貨運(yùn)量的99.7%變化原因。

對(duì)模型進(jìn)行F檢驗(yàn)時(shí)發(fā)現(xiàn)，模型通過(guò)F檢驗(yàn)（F=487.897，p=0.000＜0.05），說(shuō)明國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)、居民人均消費(fèi)支出、工業(yè)產(chǎn)值增加值、物流成本中的至少一項(xiàng)會(huì)對(duì)水路貨運(yùn)量產(chǎn)生影響關(guān)系，

國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)的回歸系數(shù)值為-1 748.893（t=-1.205，p=0.282＞0.05），意味著國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)并不會(huì)對(duì)水路貨運(yùn)量產(chǎn)生影響。

居民人均消費(fèi)支出的回歸系數(shù)值為12.583（t=4.570，p=0.006＜0.01），意味著居民人均消費(fèi)支出會(huì)對(duì)水路貨運(yùn)量產(chǎn)生顯著的正向影響。

工業(yè)產(chǎn)值增加值的回歸系數(shù)值為0.110（t=0.348，p=0.742＞0.05），意味著工業(yè)產(chǎn)值增加值并不會(huì)對(duì)水運(yùn)貨運(yùn)量產(chǎn)生影響。

物流成本的回歸系數(shù)值為14 810.374（t=1.705，p=0.149＞0.05），意味著物流成本并不會(huì)對(duì)水路貨運(yùn)量產(chǎn)生影響。

總而言之，線性回歸模型分析揭示了居民人均消費(fèi)支出對(duì)我國(guó)水路貨運(yùn)量具有顯著的正向影響，而國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)、工業(yè)產(chǎn)值增加值和物流成本雖然被包括在模型中，但對(duì)水路貨運(yùn)量的影響并不顯著，具體回歸系數(shù)如圖2所示。

3.3 ? ?模型檢驗(yàn)

對(duì)模型進(jìn)行F檢驗(yàn)時(shí)發(fā)現(xiàn)，模型通過(guò)F檢驗(yàn)（F=487.897，p=0.000＜0.05），說(shuō)明模型構(gòu)建有意義，具體數(shù)據(jù)如表8所示。

4 ? ?建 ? ?議

水路貨運(yùn)作為國(guó)家交通物流系統(tǒng)的重要組成部分，對(duì)于促進(jìn)區(qū)域經(jīng)濟(jì)發(fā)展并保障流域經(jīng)濟(jì)可持續(xù)性至關(guān)重要。以下是基于研究結(jié)果對(duì)未來(lái)水路貨運(yùn)發(fā)展提出的幾點(diǎn)建議。

促進(jìn)消費(fèi)驅(qū)動(dòng)的貨運(yùn)增長(zhǎng)：回歸模型結(jié)果顯示，居民消費(fèi)水平是影響水路貨運(yùn)量的一個(gè)顯著因素。因此，政策制定者應(yīng)考慮通過(guò)提高居民可支配收入和改善消費(fèi)環(huán)境的方式來(lái)刺激消費(fèi)需求增長(zhǎng)。這可以通過(guò)減稅、提供消費(fèi)券、優(yōu)化消費(fèi)金融服務(wù)等措施來(lái)實(shí)現(xiàn)。同時(shí)，政府可以通過(guò)促進(jìn)電子商務(wù)和線上購(gòu)物等新型消費(fèi)模式的發(fā)展，進(jìn)一步拓寬水路貨運(yùn)的市場(chǎng)空間。

重點(diǎn)關(guān)注物流成本管理：盡管物流成本在模型中的影響未達(dá)到統(tǒng)計(jì)顯著水平，但作為貨運(yùn)行業(yè)的重要組成部分直接關(guān)系到貨運(yùn)企業(yè)的競(jìng)爭(zhēng)力。建議通過(guò)改進(jìn)物流網(wǎng)絡(luò)設(shè)計(jì)、引入智能化物流管理系統(tǒng)、推廣綠色物流操作和優(yōu)化關(guān)稅政策等措施來(lái)降低物流成本，提高整體物流效率。

加大基礎(chǔ)設(shè)施建設(shè)投資：基礎(chǔ)設(shè)施，特別是港口、航道和物流中心的建設(shè)與升級(jí)，是保障水路貨運(yùn)順暢的關(guān)鍵。建議政府增加對(duì)水路交通基礎(chǔ)設(shè)施的投資，提高貨運(yùn)效率和服務(wù)水平。

實(shí)施差異化的區(qū)域發(fā)展策略：對(duì)于經(jīng)濟(jì)較發(fā)達(dá)的地區(qū)，可以通過(guò)優(yōu)化行業(yè)結(jié)構(gòu)和提升產(chǎn)業(yè)鏈水平來(lái)促進(jìn)水路貨運(yùn)量提升；對(duì)于經(jīng)濟(jì)發(fā)展水平相對(duì)較低的地區(qū)，應(yīng)加大基礎(chǔ)設(shè)施建設(shè)，如改善港口設(shè)施、進(jìn)行航道疏浚等，以提升物流運(yùn)輸能力。

5 ? ?結(jié) ? ?論

本研究通過(guò)灰色預(yù)測(cè)模型和多元線性回歸分析對(duì)中國(guó)水路貨運(yùn)量進(jìn)行了深入的探討?；疑A(yù)測(cè)模型顯示，未來(lái)水路貨運(yùn)量有望繼續(xù)增長(zhǎng)。然而，研究發(fā)現(xiàn)，即使在經(jīng)濟(jì)快速發(fā)展的背景下，貨運(yùn)量的增長(zhǎng)也并不一定會(huì)伴隨著GDP的上升而提高。這就意味著水路貨運(yùn)市場(chǎng)中存在未被充分利用的潛力，或者其貨運(yùn)效率和服務(wù)質(zhì)量有待進(jìn)一步提升。在后續(xù)研究中，希望相關(guān)研究者采取措施來(lái)刺激內(nèi)需、優(yōu)化物流成本結(jié)構(gòu)，并在流域經(jīng)濟(jì)背景下，根據(jù)不同區(qū)域的特點(diǎn)制定差異化的發(fā)展策略。

參考文獻(xiàn)：

[1] 戢曉峰，孔令帥，陳方．鐵路大宗貨物運(yùn)輸網(wǎng)絡(luò)結(jié)構(gòu)及流動(dòng)空間格局——以云南省為例[J]．重慶交通大學(xué)學(xué)報(bào)（自然科學(xué)

版），2022，41（2）：21-29.

[2] 楊方方，楊曉艷．物流運(yùn)輸方式與經(jīng)濟(jì)發(fā)展的關(guān)聯(lián)協(xié)調(diào)性研究——基于海南自貿(mào)港建設(shè)視角[J]．商業(yè)經(jīng)濟(jì)研究，

2021（15）：108-112.

[3] 田珺，冉忠明．貨物運(yùn)輸對(duì)城市經(jīng)濟(jì)發(fā)展的空間計(jì)量研究——基于四大區(qū)域差異化的視角[J]．經(jīng)濟(jì)問(wèn)題探索，2019（11）：76-93.

[4] 靖學(xué)青．長(zhǎng)江水運(yùn)與長(zhǎng)江經(jīng)濟(jì)帶經(jīng)濟(jì)增長(zhǎng)——基于面板數(shù)據(jù)模型的實(shí)證研究[J]．貴州社會(huì)科學(xué)，2017（12）：133-139.

[5] 陳麗寧，謝世堅(jiān)．基于灰色模型的云浮港水運(yùn)貨運(yùn)量預(yù)測(cè)[J]．廣州航海學(xué)院學(xué)報(bào)，2019，27（4）：20-25.