耦合与解耦视角下中国货物运输与经济增长的关系研究
耦合与解耦视角下中国货物运输与经济增长的关系研究*高敏雪 黎煜坤 李静萍
[提 要] 本文在耦合与解耦视角下，根据货运经济弹性对中国货物运输和经济增长关系进行了系统研究，发现1988—2016年间二者之间关系经历了非耦合(1988—1998年)——趋于耦合(1999—2003年)——耦合(2004—2013年)——解耦迹象(2014年以来)的演化过程。为探索二者关系演化的机理，本文从货物与经济的供求框架出发，归纳出影响二者关系的主要因素，并构建SVAR模型进行检验。实证结果表明，第二产业占比和交通基础设施水平对货运经济弹性存在显著的正向作用；在经历了持续大规模建设之后，交通基础设施因素对货运经济弹性的影响作用不断减弱，产业结构变化的影响不断凸显。本文认为：为支撑和引领经济高质量发展，中国交通运输系统已经到了从“规模速度型”向“质量效率型”转型发展的重要节点。
[关键词] 货物运输与经济增长；耦合；解耦；货运经济弹性；SVAR
一、引言
货物运输与经济增长的关系非常密切。一方面，各种产业活动所需的生产资料通过货物运输来运送，从这个意义上说，货物运输量的增长是经济增长的先导;另一方面，作为产出生产出来的货物需要通过货物运输才能提供给市场，从这个意义上说，货物运输量的增长是经济增长的反映。显然，从短期来看，货物运输量与经济增长具有一定的同步性。正因如此，2010年英国政经杂志《经济学人》将用电量、铁路货物运输量和贷款发放量三个指标加权组合成著名的“克强指数”，用以评估中国经济短期动态，研判宏观经济景气状况。
然而近年来，我国货物运输量与经济增长出现了明显背离：在经济增速放缓但仍旧保持中高速增长的情况下，货运量增速大幅下滑(2014年和2015年增速仅为1.67%和0.21%)。由此引出的问题是：如何认识货物运输量与经济增长之间关系的这种背离？这种背离是偶然发生的，还是在一定的基础因素作用下的必然结果？
欧洲学者较早提出货物运输与经济增长解耦的观点。2001年，欧盟委员会为了减少交通运输与经济增长耦合发展而带来的社会问题和资源环境问题，在白皮书中提出了促成交通运输与经济发展解耦的战略(European Commission, 2001)。该战略首要的就是促成货物运输与经济发展解耦。在此背景下，欧洲涌现出一批关于货物运输和经济增长解耦的研究文献。Tapio(2005)用多个交通运输指标(包括货物周转量、旅客周转量、公路车辆运输量和交通部门二氧化碳排放量)对GDP的弹性系数来测量交通运输与经济之间的耦合/解耦关系，使得解耦关系得以量化。在Tapio(2005)研究的基础上，McKinnon(2007)针对20世纪90年代以来英国公路货物周转量和经济增长的解耦现象，提出包括产业结构变动在内的12个可能的影响因素。Brunel(2005)使用欧洲跨国面板数据建模的结果显示，工业产出份额下降和工业产值减少会导致公路货物周转量与经济增长的解耦。Alises et al.(2014)研究了1999—2007年间英国和西班牙的情况，发现产业结构向第三产业转移、物流与供应链管理水平提升以及运输距离缩短导致了两国公路货物周转量与GDP解耦，进一步Alises & Vassallo(2015)将研究对象扩展到德国、西班牙、法国、英国、意大利、芬兰、瑞典、葡萄牙和爱尔兰9个欧洲国家，利用2000—2007年的投入产出数据进行结构分解分析，发现9个国家货物运输与经济增长之间关系出现了不同程度的解耦。事实上，货物运输与经济增长解耦现象不仅是欧洲国家，美国和日本的货物运输与经济增长之间也发生了解耦。
国内现有文献对货物运输与经济增长的研究主要集中于长期均衡关系的研究。刘建强和何景华(2002)利用新中国成立以来的货运和经济数据从协整关系、Granger因果检验入手，对交通运输业与国民经济的关系进行了实证研究，结果表明货运量与 GDP之间具有长期的均衡关系，货物运输能带动国民经济的发展。熊浩和孙有望(2010)对1978—2007年我国货运量进行协整分析，结果表明货运量与第一产业增加值、第二产业占比和第三产业占比之间存在长期均衡关系。薛盘芬(2012)进行中国和美国的比较分析，发现两国货物周转量和人均 GDP 之间都存在长期均衡关系，中国人均GDP每变化1个单位，货物周转量变化28.96个单位；美国的人均GDP每变化1个单位，货物周转量变化0.76个单位，远小于中国人均GDP对货物周转量的影响。由此可以推断，较美国而言，中国货物运输的增长更依赖于国民经济的增长。何满喜(2014)对浙江省交通运输与国民经济系统的主要指标建立典型相关分析模型，研究交通运输与经济发展关系的推拉效应，结果表明浙江省的交通运输与国民经济发展之间具有密切的推拉效应关系，而且推拉效应关系基本协调。这些研究验证了货物运输与经济增长之间存在联系，但是对于二者关系在长期中耦合或解耦的变化过程缺少研究。
本文认为，从长期来看，货物运输与经济增长的关系是复杂的。一方面，不同行业对生产资料的使用强度不同，不同行业的货物产出需要运输的程度也不同，因此产业结构的演变会导致经济增长对货物运输的依赖程度发生变化；另一方面，货物运输不仅仅是被动响应经济增长的变化，受交通基础设施和运输设备与技术的影响，货物运输会有相对独立于经济增长的自身发展规律。因此，从长期来看，货物运输量与经济增长未必保持同步。本文将立足长期视角，借鉴国外学者提出的耦合/解耦测量方法，对我国货物运输量与经济增长的动态关系进行观察，解析其关系变动背后的影响因素。
本文的主要贡献在于:(1)用弹性系数来刻画货物运输与经济增长之间的耦合或解耦关系，系统描述中国30余年间二者间关系的变化轨迹；(2)通过货运与经济的供求框架，探讨影响货运与经济增长关系的关键因素；(3)基于计量经济分析结果，结合中国实际，深度解读中国货物运输与经济增长关系的历史变迁过程。
本文其余部分的结构是：第二部分介绍耦合/解耦的定义和测量方法，对我国货物运输与经济增长关系的动态轨迹进行刻画；第三部分基于货运与经济的供求框架，提出影响货运与经济增长关系的影响因素，建立结构向量自回归模型，实证检验这些因素对我国货物运输与经济增长关系的影响；第四部分结合我国经济发展的现实路径，对我国货运量与经济增长关系的动态变化进行了系统解析，最后一部分总结全文。
二、我国货物运输与经济增长间关系的历史动态
(一)耦合/解耦的含义及其测量
耦合与解耦是表征具有相互联系的两个现象之间动态关系的概念。耦合代表二者之间的密切契合，解耦则相反，代表二者之间的疏离。进一步也可以将其作为衡量两现象之间关系演化的两个过程：耦合代表二者逐渐趋于一致，解耦则代表正在逐渐解除原来的耦合关系。
对耦合/解耦进行测量的基本方法是计算弹性系数。所谓弹性，是两个现象增长率的比较。Tapio(2005)使用货物运输量(VOL)对国内生产总值GDP的弹性系数(以下称为货运经济弹性)定义货物运输与经济之间的耦合/解耦关系。货运经济弹性的计算公式为：
货运经济弹性
(1)
弹性系数是一个连续变量，所谓耦合或解耦不是对应一个确定的数值而是一个取值区间。而且，还会因为两个变动率方向一致还是相反而出现正负取值问题。为此，Tapio(2005)就货运经济弹性对耦合/解耦做出了以下系统定义。
(1)弹性系数在0.8到1.2之间时，可认为两者关系是耦合的。耦合情况下，二者变化率都为正时称扩张性耦合，二者变化率都为负时称衰退性耦合。
(2)弹性系数在(0.8,1.2)区间以外时可以认为两者关系是解耦的。具体而言，可以细化为解耦或负解耦两种情景，GDP增长率更高时即为解耦，货运量增长更高时则称负解耦。每一种情景下分别有三种状态：同方向变化、取值小于0.8时为“弱”解耦或负解耦，相反方向变化时为“强”解耦或负解耦，同方向变化、取值大于1.2时则视为衰退性解耦或扩张性负解耦。具体关系见图1所示。
图1 Tapio耦合—解耦定义的坐标图示
资料来源:改自Tapio(2005)的论文。
中国改革开放40年，经济一直处于高速增长状态，货物运输量整体而言(除少数年份外)也一直处于增长状态。因此，针对中国货运经济弹性的分析只考虑耦合和解耦(弱解耦)两种情况：(1)弹性系数在0.8到1.2之间时，两者关系是耦合的；弹性系数在(0.8,1.2)区间以外时可以认为两者关系是解耦的。(2)当弹性系数向耦合区间(0.8，1.2)靠拢时，称货物运输与经济增长关系(趋于)耦合；当弹性系数疏离耦合区间(0.8，1.2)时，称货物运输与经济增长关系(趋于)解耦。
(二)中国货物运输与经济增长的动态关系
本文对1988—2016年间中国货运与经济增长动态关系进行考察。[注]我国自1985年开始逐步建立起运输邮电综合统计制度，使用多种调查方法使得部门统计向全行业统计过渡(国家统计局工业交通司，1989)。1985改革当年统计到的货运量为745 763万吨，超过1984年339 995万吨一倍有余。为尽量避免统计制度改革对随后几年数据统计的影响，本文研究时间从1988年开始。本文货运量数据由交通运输部科学研究院提供，具有可比口径。货物运输指标选择货运量，涵盖公路、铁路、水路、航空、管道各种运输方式(不包括城市运输)，以重量为单位；经济指标选择GDP，各年GDP均调整为2010年价格的不变价GDP。
依据式(1)，计算各年货运增长率与GDP增长率的比值，得到的货运经济弹性E(如图2所示)。图2中，左轴标识货运增长率与GDP增长率，右轴标识货运经济弹性。
图2 1988—2016年我国货物运输与经济增长关系的动态变化
资料来源：货运量数据由交通运输部科学研究院提供，GDP数据源于历年的《中国统计年鉴》。
对两个增速序列进行比较，可以看到：(1)在此期间，货物运输与经济增长整体均以增长为基调(只有少数年份货运量出现负增长)，二者大体呈同方向变化。由此可以显示出货物运输服务于经济发展需求的基本特征。(2)早期货运增速显著慢于经济增速，此后一路“追赶”，到2004—2013年间实现了大体同步。这样一种轨迹大体折射出这些年交通运输发展所经历的过程：经济起步阶段交通运输发展长期滞后不能满足需要从而成为经济发展的“瓶颈”，此后通过持续多年的交通运输基础设施建设，瓶颈缓解，最终实现与经济增长同步。(3)货运增长序列的波动幅度要大于经济增长序列，由此显示出货物运输自身对于经济景气状况具有较高敏感性。
上述变化体现在货运经济弹性E上，表现出如下特点：(1)绝大多数年份弹性取值为正值，说明基本不存在衰退性耦合/解耦以及强/弱负解耦现象(即图1纵轴左边的几种情形)。(2)早期弹性取值水平较低，处于非耦合状态；然后逐步提高，呈现出趋于耦合的过程；到2004年超过0.8，达于扩张性耦合状态；2013年一度突破1.2，但此后又出现显著下降，显示出进入解耦过程的迹象。大体来看，在考察期内我国货运与经济增长之间呈现非耦合—耦合—解耦的变化轨迹。(3)货运经济弹性呈现出一定反复性，尤其是最近几年，先有2014—2015年的大幅下降，然后在2016年又出现回升。
为了避免短期波动的干扰，更好地把握中长期变化趋势，笔者利用非参数局部线性方法[注]构建非参数模型lnFVi=m(lngdpi)+σ(Xi)εi，i=1,2,…,29，运用局部线性估计方法，通过最小化积分均方误取最优窗宽为0.497。由此估计出的导函数就是我们关心的货运经济弹性，最后将其刻画在时间轴上，得到图3的结果。该方法计算的弹性考虑了序列的所有观测值，而不像式(1)只取决于两年的观测值，可以帮助我们整体把握弹性变化的中长期趋势。计算货运经济弹性E1，结果见图3。可以看到，在此期间的弹性呈现如下变化特点：(1)1998年之前，弹性系数一直在低位徘徊，货运变化与经济增长之间处于非耦合状态。(2)1999开始，弹性系数开始回升，货运变化与经济增长趋于耦合，于2004年滞后进入耦合状态，之后直到2011年，弹性系数一直在耦合区间中保持上升态势。(3)2012年以来弹性系数转而呈现下滑趋势，尽管尚处于耦合区间，但一个问题无疑已经提上案头：这些迹象是否意味着货运变化与经济增长之间即将步入解耦过程？应该说，这是一个有待进一步观察的重要问题。
图3 货运经济弹性的趋势变化图
三、中国货物运输与经济增长动态关系的影响因素分析
如何看待最近30年中国货物运输与经济增长之间的长期演化过程？其背后的影响因素是哪些？它们又是如何作用的？这些是本部分要解答的问题。
(一)货物运输与经济增长关系的影响因素
揭示货运与经济间关系的影响因素可以在二者的供求框架中展开。
从经济对货运的需求来看，首先，国民经济产业结构是影响货运与经济间关系的重要因素。因为不同产业具有不同的货物运输需求，一般而言第二产业占比较大的地区，原材料和燃料以及工业制品的运输需求都比较大。而随着经济结构中附加值较高的高新技术产业和服务业比重增大，运输的货物中体积小、重量轻、价值高的高端产品逐渐增多，新增产值所引起的货物运输需求会趋于减少。因此产业结构中第二产业所占比重对货运经济弹性有重要影响。其次，尽管不同行业的货运经济弹性不同，但是总体来说，如果生产过程的效率提高，对生产资料的利用更为充分，则相同的经济产出需要更少的生产资料，从而降低对货运的需求。从这个意义上说，生产效率是影响货运与经济增长关系的重要因素。再次，对于开放经济体，进口货物也会增加对货运的需求。进一步看，产生影响的可能还不只是进口，相比于国内市场，出口国外市场的货物对货运可能会有更高需求(更远的距离，多种运输方式)。因此，本文将进口和出口合起来考虑引入经济开放度因素。最后，有一些较难量化的影响因素也对货运与经济间关系产生重要影响，比如产业区域布局特点、区域间市场开放程度、大宗商品周期、产品市场化程度、产品轻型化等，在实际分析中不容忽视。
从交通系统对经济的货运服务供给来看，首先我们要考虑的是运输能力因素。在我国改革开放早期，交通基础设施发展滞后、运输设备不足的矛盾突出，交通运输业一度是经济发展的薄弱环节。货物运输供应能力紧张会制约货运与经济间关系的良性互动，从而影响货运经济弹性。其次是运输价格因素，运价对工农业产品的生产和流通，对从产地到销地的货运链条的形成都有着重大影响。运价上涨可能会抑制货运需求，从而影响货运经济弹性。
综上，货运与经济增长的关系受来自两类因素的影响，一类因素是经济对货运的需求因素，主要包括产业结构、生产效率和对外开放程度等因素，另一类因素是货运供给因素。
(二)指标和数据来源
基于上文对影响因素的讨论，结合数据的可获性，本文使用如下四个具体指标作为货运经济弹性的解释变量：
1.第二产业增加值占GDP的比重(SEC)，本文用该指标反映产业结构因素。
2.外贸依存度(OPEN)，即货物进出口总额与GDP的比值，本文用该指标反映对外开放程度因素。
3.全要素生产率(TFP)。TFP用索洛余值法测算，在规模收益不变和希克斯中性技术假设下，全要素生产率增长反映除劳动投入和资本投入以外的生产效率变动，本文用该指标反映生产效率因素。
4.交通基础设施水平(FAC)。“铁公水”是我国货运的核心力量，2016年三种运输方式共完成货运总量的98%。为反映交通运输能力，本文使用铁路里程、公路里程和内河港口泊位数作为“铁公水”的基础设施指标构造交通基础设施水平(FAC)指标，计算公式为：
(2)
式中，M为“铁公水”基础设施指标；W为各自货运量占“铁公水”总货运量之比；下标i表示三种运输方式；t表示1988—2016年，1988年基期的FAC=1。
考虑到货运经济弹性本身反映的是动态变化，因此纳入模型的变量应当反映各个因素的变化。本文建模时除TFP本身代表变化率可以直接进入模型以外，其他三个变量则是以变化率形式进入模型，具体方法是取各变量的对数差分，包括第二产业占比的对数差分dlSEC、外贸依存度的对数差分dlOPEN、交通基础设施水平的对数差分dlFAC。
上述变量中，TFP的数据来自美国大型企业研究会的整体经济数据库(TED)，其他指标的数据均来源于历年的《中国统计年鉴》和《中国交通年鉴》。
(三)SVAR模型及其估计结果
本文建立SVAR模型研究中国货物运输与经济增长的动态关系，基本要点如下：
(1)单位根检验的ADF检验和PP检验表明，模型中各个序列都是平稳的。
(2)对于平稳的数据序列，简化VAR模型的FPE准则确定滞后期为3，因此最终建立五元三阶SVAR的AB模型：
A(L)Yt=Bεt
(3)
式中，Yt=(dlSECt,dlOPENt,dlFACt,TFPt,Et)′是变量向量；A(L)是滞后算子L的5×5阶参数矩阵，A(L)=A(I-Γ1L-Γ2L2-Γ3L3)。矩阵A和矩阵B为乔利斯基约束(Cholesky restrictions)。
(3)使用乔利斯基约束识别SVAR模型，模型结果可能受变量次序影响。本文基于如下四点考虑，将次序安排为(dlSECt,dlOPENt,dlFACt,TFPt,Et)。(1)货运经济弹性E处在被解释的位置，放在最后；(2)已有文献研究表明产业结构、外贸和基础设施都对全要素生产率有重要影响(刘伟和张辉，2008；李小平和朱钟棣，2006；刘秉镰等人，2010)，故全要素生产率放在倒数第二位；(3)其余变量的排序借助两变量交叉相关图以及格兰杰因果检验来确定；(4)为结果稳健起见，对比不同的变量排序所带来的模型结果，发现不同变量排序的估计系数差别不大。[注]因篇幅所限，第(3)和第(4)中各变量的交叉尝试在文中不一一列出。
以下分步骤说明这些因素对货运弹性的影响。
(1)同期效应分析。鉴于时间序列较短，本文采取小样本条件下稳健性回归进行校正，得到矩阵A的同期效应参数估计结果如表1所示。我们关心的各变量对货运经济弹性的当期影响即该表的最后一行。可以看到，第二产业占比变化率dlSEC、外贸依存度变化率dlOPEN和交通基础设施水平变化率dlFAC对货运经济弹性E的当期影响效应显著为正，分别为15.30，1.94，6.97(系数需移项后进行解释)。全要素生产率TFP对货运经济弹性E的当期影响为-0.01，即生产效率提升会使得货运经济弹性下降(解耦)，但该系数在统计上不显著。这些结果都是符合一般预期的。
(2)结构脉冲响应分析。为考察各影响变量的长期动态效应，笔者根据估计的SVAR模型，选取为期10年的响应期，计算各影响变量冲击后货运经济弹性E的结构性脉冲响应函数(SIRF)，描述其冲击的长期响应态势，结果如图4所示。
表1SVAR模型同期效应估计
说明: 括号中为t统计量，*表示在0.1的显著性水平下显著，**表示在0.05的显著性水平下显著，***表示在0.01的显著性水平下显著。
图4 货运经济弹性对各影响变量的脉冲响应曲线
观察图4可知，各脉冲响应函数分别在不同期数上趋于0，说明本文所构建的SVAR模型是稳定模型。
第一，货运经济弹性E对第二产业占比变化率dlSEC非常敏感。给dlSEC一个正向冲击，会在当期给E带来同向的冲击，使货运经济弹性显著增强0.10。之后E对dlSEC的响应递减，到滞后3期以后趋于稳定。表明第二产业占比是货运经济弹性的正向影响因素。
第二，对外贸依存度变化率dlOPEN给予正向冲击，经传递会使货运经济弹性E从当期到滞后2期呈现较大的增长，取值分别为0.06，0.07和0.07，但这些响应值在统计上不够显著。
第三，对交通基础设施水平变化率dlFAC给予一个正向冲击后，货运经济弹性E在当期显著增加0.09，而后快速回落到0附近并逐渐趋于平稳。说明交通基础设施水平是影响货运经济弹性的重要因素。
第四，货运经济弹性E对生产率TFP冲击的响应始终在0附近。响应值从当期到滞后3期分别为-0.01，0.03，-0.02和0.00，取值较小且都不显著，说明在考察期内我国经济整体的生产效率变动对货运与经济间关系的作用并不明显。
3.结构方差分解分析。方差分解考察各变量一个单位的结构冲击对所分解变量变动的贡献率，由此提供了一种把握变量间的影响关系大小的方法。对货运经济弹性E进行方差分解后得到表2。前面的脉冲响应分析中，货运经济弹性对各变量冲击的响应主要表现在当期和滞后1期，所有响应值在滞后3期之后都逐渐回落到0。鉴于此，笔者在方差分解分析中着重考察前几期的方差分解情况。
表2对货运经济弹性E的方差分解(%)
从表2可见,如果对货运经济弹性E进行下一年的预测，其预测方差有63.12%来自货运经济弹性E本身，16.92%来自第二产业占比的变化率(dlSEC),13.83%来自交通基础设施水平的变化率(dlFAC),来自外贸依存度变化率(dlOPEN)和全要素生产率(TFP)的贡献很小。
综上可知，货运经济弹性的变化存在较强的惯性，就外部因素而言，产业结构变化对货运经济弹性的影响最大，其次是交通基础设施与外贸因素，生产效率的影响几乎可以忽略不计。
(四)稳健性与结构变化问题
2014—2016年间，货运量增速陡然下降而后回升，出现较大波动，为了验证上述模型的稳健性，下面笔者把研究的时间段逐年前移，按相同的方法步骤重新估计模型，记为SVAR15(考察1988—2015年)和SVAR14(考察1988—2014年)。类似地，前文已估计的模型记为SVAR16。
图5和图6是根据SVAR14和SVAR15各自估计结果绘制的货运经济弹性对各影响变量的脉冲响应图。综合比较SVAR14，SVAR15和SVAR16对应的图5、图6和图4发现，在不同时间段的模型中，货运经济弹性对各影响变量的脉冲响应曲线的变化形态基本是相同的，没有出现正负方向的变化，且一般滞后3期开始快速衰减到0附近。这再次说明模型是稳定的，结果较为稳健。
需要注意的是，随着建模时间段前移，货运经济弹性对第二产业占比变化率的脉冲响应呈现变小的趋势，在SVAR16，SVAR15和SVAR14中的当期响应分别为0.10，0.07和0.06，其中0.10具有统计显著性，而0.07和0.06则不显著。与此相反，货运经济弹性对基础设施水平变化率的脉冲响应在SVAR16，SVAR15和SVAR14中分别为0.09，0.12和0.12，呈现变大的趋势且都具有显著性。由此表明，在样本期内，各影响因素对货运经济弹性的作用发生了结构性改变：交通基础设施水平对货运经济弹性影响在减弱，而产业结构的影响在加强。
这种结构变化折射出了我国交通运输供给与经济社会发展需求之间从“瓶颈制约”到“初步缓解”，再到“基本适应”的发展历程。[注]中国交通运输总体上经历了从“瓶颈制约”到“初步缓解”，再到“基本适应”经济社会发展需求的奋斗历程。这一提法源于《中国交通运输发展》白皮书(2016)。http://www.gov.cn/zhengce/2016-12/29/content_5154095.htm#1。经济发展早期，交通作为“瓶颈制约”因素不能满足经济增长相应的货运需求。此时加快交通运输基础设施建设能够带来很大的货运增长，从而促进货物运输与经济增长耦合。随着交通运输能力整体逐步提高到“初步缓解”进而再到“基本适应”的阶段，改善交通基础设施的效应会逐渐降低。因此，在过去较长一段时间内，虽然交通基础设施对货运经济弹性的贡献一度十分显著，但是随着我国交通运输事业不断发展，交通基础设施因素对货运经济弹性的影响作用在逐步减弱。
图5 SVAR14模型货运经济弹性对各影响变量的脉冲响应曲线
四、基于模型结果的历史分析
经过以上分析，显示出1988年以来我国货运与经济的关系大体经历了从解耦到耦合的动态过程，且在近几年出现了解耦的迹象，不同影响因素在此变化过程中发挥了作用。以下结合这些研究成果回溯整个历史过程，依照弹性系数数值变化分出四个阶段，逐一解析各个阶段的特点(见图7)。
(一)1988—1998年：受货运供给能力制约的非耦合阶段
1988—1998年间，货运经济弹性较低，平均仅为0.21，货运量增长对经济增长的变动缺乏弹性，二者的关系处于非耦合状态。主要原因在于这一时期交通运输基础设施发展滞后，“瓶颈制约”矛盾突出，交通运输业难以充分满足经济增长对货物运输的需求。尤其是在经济高速增长的1992—1994年间，交通运输系统在超负荷运行、极度紧张的情况下，所完成的货运量也只达到年均6.4%的增速，不及经济增速的一半。
图6 SVAR15模型货运经济弹性对各影响变量的脉冲响应曲线
图7 图解中国货物运输与经济增长的历史变迁过程
该阶段货运经济弹性在1990年、1997年和1998年表现为负值，这几次异常波动与国内外特殊经济形势有关：1988—1990年，我国针对经济过热现象加强了宏观调控，改革建设的重点突出地放在治理经济环境和整顿经济秩序上，工业生产骤冷，第二产业占国民经济比重明显下降，导致1990年货运量出现负增长；1997年和1998年，受亚洲金融危机影响，进出口额下降，对货运量需求下降，此外，1998年特大洪涝灾害也是导致货运量出现负增长的直接原因。
(二)1999—2003年：供求因素齐发力下的趋于耦合阶段
1999—2003年间，货运经济弹性值逐步提升，货运量增长与经济增长同步性加强，是一个逐步趋于耦合的过程。
这一过程受到来自货运供求双方因素的共同驱动。从运输供给方面来看，我国大力增加交通基础设施建设投资，交通基础设施瓶颈逐步消除，货运能力得到释放。从货运需求方面来看，一方面，亚洲金融危机后我国工业尤其是重工业快速增长，大幅增加的基础设施建设投资和固定资产投资推动建筑业的迅猛发展，第二产业比重持续保持在高位；另一方面，2001年加入WTO之后，我国外贸规模快速增长，对外开放程度日益加深。
(三)2004—2013年：产业结构和交通基础设施共同主导下的耦合阶段
2004年，我国货运经济弹性首次进入耦合区间，并且耦合状态一直持续到2013年。
该阶段又可以分为两个子阶段。2004—2007年是第一个子阶段，该阶段是上一阶段趋势的自然延续，货运经济弹性基本保持在0.8～1.0之间。2008—2013年是第二个子阶段，货运经济弹性保持在1以上的高水平。在第二个子阶段，为应对国际金融危机，我国实施了以投资推动为主的经济刺激计划，其中包含的大规模民生工程和基础设施建设投资，使得经济结构中对货运需求较大的工业、建筑业快速增长，同时铁路、公路、机场、水利等方面的重大基础设施建设大幅提升了交通运输业的整体水平，使其能够基本适应经济发展的需要，在货运供求因素的双重作用下，即使在全球金融危机的特殊时期，我国货运与经济仍然保持了高度耦合的状态。
可以看到，虽然两个子阶段货运经济弹性的水平不同，国内外经济发展形势不同，但是都受益于产业结构和交通基础设施两个最紧要的影响因素共同发力。
(四)2014年以来：产业结构持续优化引致出现解耦迹象
2014年以来，我国逐步适应经济发展新常态，经济增长速度回归到中高速的同时，货运量增速出现较大幅度的下滑，2014年和2015年增速仅为1.67%和0.21%，货运和经济增长的耦合关系发生松动，出现解耦的迹象。
该阶段我国第三产业比重已经超过第二产业，上升为国民经济第一大产业。与此同时，工业内部结构也在持续优化，产能过剩的传统行业进入调整周期，高技术产业增速明显快于工业整体增速，战略性新兴产业规模不断扩大，产业高端化步伐显著加快。如本文第三部分实证研究所表明，随着我国交通运输基础设施的逐步完善，交通基础设施因素对货运经济弹性的贡献正逐步让位于产业结构演变因素，而新时期产业结构服务化、高端化的演变趋势决定了这一变化更多地携带的是“解耦”的力量。
当然，解耦的发生是一个渐进的过程，目前仅是初露端倪。事实上，2016年货运增速有所反弹，达到5.05%，2017年继续回升达到9.52%，我们认为工业生产回暖、大宗商品进入景气周期是这一反弹的主要原因。2016年下半年开始，工业生产趋于平稳，工业生产者出厂价格指数PPI在第4季度止跌回升实现了同比正增长，扭转了2012年以来的单边下跌。同时，经历了近5年的低迷后，大宗商品在2016重新进入景气周期，商品的价格重新洗牌、定位。2017年工业生产持续回暖，全年PPI上涨6.3%，结束连续5年的下降态势。全年第二产业增加值占GDP比重达到40.5%，是2011年以来首次出现回升。
货运增速的反弹为判断我国货物运输与经济增长之间是否像发达国家那样已经解耦增加了不确定性，但是我们认为，如果产业结构保持向轻型化、高级化演化的总体趋势，那么从长期来看，货运与经济增长解耦应当是大概率事件。
五、结论
本文研究了我国货物运输与经济增长的动态关系及其影响因素。本文发现：第一，我国货物运输与经济增长之间关系经历了非耦合到耦合的动态过程，且在近几年出现了再解耦的迹象。第二，基于货运与经济的供求框架，明确了影响货运与经济增长的关系的关键因素，即产业结构、生产效率、开放度和货运能力。第三，构建了SVAR模型，估计结果表明第二产业占比和交通基础设施水平是对货运经济弹性有正向影响的重要变量，并发现近年来交通基础设施因素的力量逐步让位于产业结构方面的力量。第四，通过对各阶段的分析，发现受产业结构升级的影响，我国近年来货运与经济增长已经出现解耦的迹象。
上述发现对于交通运输部门有较为重要的政策含义。货物运输与经济增长之间的耦合与解耦是有阶段性特征的，伴随中国经济发展进入新常态，我国货物运输与经济增长之间由比较明确的耦合转而出现了解耦的迹象，如果下一步能够进一步确认我国像一些发达国家那样进入货运量增长与经济增长逐步解耦的过程，说明在某种程度上货物运输(一定程度代表交通运输)发展的拐点逐渐出现。一定意义上表明，我国交通运输大规模建设、总量快速发展的时代几近结束。当下货物运输行业发展需要更多从过去的“规模速度型”转变到“质量效率型”，优化存量资源配置，扩大优质增量供给，提高运输效率，实现货物供需动态平衡，主动迎合经济转向高质量发展对货物运输提出的新要求，全面推动货物运输系统高质量发展。
然而，本文研究还存在一些不足。首先是货运指标的选择。货运量和货物周转量都是反映货运系统为经济发展提供服务的数量指标，其中后者综合考虑了货运量与其相应运输距离，反映了货运服务生产的总成果，是研究货物运输与经济增长关系的更为理想的指标。然而，受运输距离统计不足的限制，我国货物周转量统计数据的误差较大，故本文仅使用货运量作为基本研究指标，如果今后周转量统计得以完善，应考虑使用周转量指标进行分析。其次是测量误差问题。经济增长率与货运量的统计数据不可避免地存在测量误差，测量误差可能导致货运经济弹性的计算结果有一定的偏差，从而干扰对货运与经济增长之间耦合或解耦关系短期变动的判断。由于缺乏测量误差的信息，本文没有对测量误差进行处理。不过在经济结构演变的作用下，即便存在测量误差问题，本文关于货运与经济增长之间关系的长期演变趋势的结论应该不会发生实质性变化。最后是影响因素的选择。本文的实证分析部分仅考虑了四个影响因素，供求框架分析中所提出的若干因素，如产品轻型化和运输价格等，由于难以量化或数据缺失，尚无法加入实证模型当中，如果数据可获得性改善，应将这些因素纳入实证分析。总体来看，这些不足不会影响本文就中国货物运输与经济增长之间关系所得到的基本结论，但仍然值得后续做进一步探索，以便形成更加全面、更加有说服力的分析结论。
参考文献
国家统计局工业交通司，1989：《加强运输邮电统计适应改革形势需要》，《中国统计》第1期。
何满喜，2014：《基于典型相关分析的交通运输与经济发展关系的研究》，《生态经济》第1期。
刘建强、何景华，2002：《交通运输业与国民经济发展的实证研究》，《交通运输系统工程与信息》第1期。
刘秉镰、武鹏、刘玉海，2010：《交通基础设施与中国全要素生产率增长——基于省域数据的空间面板计量分析》，《中国工业经济》第3期。
刘伟、张辉，2008：《中国经济增长中的产业结构变迁和技术进步》，《经济研究》第11期。
李小平、朱钟棣，2006：《国际贸易、R&D溢出和生产率增长》，《经济研究》第2期。
熊浩、孙有望，2010：《我国货运量与经济增长关系的协整分析》，《系统工程》第9期。
薛盘芬，2012：《货物运输增长与国民经济增长的关系研究》，西安：长安大学。
Alises, A., J.M.Vassallo, and A.F.Guzmán, 2014,“Road Freight Transport Decoupling: A Comparative Analysis between the United Kingdom and Spain”,Transport Policy, 32: 186-193.
Alises, A.and J.M.Vassallo, 2015,“Comparison of Road Freight Transport Trends in Europe.Coupling and Decoupling Factors from an Input-output Structural Decomposition Analysis”,Transportation Research Part A: Policy and Practice, 82: 141-157.
Brunel, J., 2005,“Freight Transport and Economic Growth: An Empirical Explanation of the Coupling in the EU Using Panel Data”, HAL Working Paper No.4826.
European Commission, 2001,White Paper: European Transport Policy for 2010: Time to Decide, Luxembourg: Office for Official Publications of the European Communities.
McKinnon, A.C., 2007,“Decoupling of Road Freight Transport and Economic Growth Trends in the UK: An Exploratory Analysis”,Transport Reviews, 27(1): 37-64.
Tapio, P., 2005,“Towards a Theory of Decoupling: Degrees of Decoupling in the EU and the Case of Road Traffic in Finland between 1970 and 2001”,Transport policy, 12(2): 137-151.
THE LINK BETWEEN CHINA’S FREIGHT VOLUME AND ECONOMIC GROWTH IN THE PERSPECTIVE OF COUPLING AND DECOUPLING
GAO Min-xue LI Yu-kun LI Jing-ping
(School of Statistics, Renmin University of China)
Abstract:In the perspective of coupling and decoupling, this paper uses the GDP elasticity of freight volume to assess the link between China’s freight transport and economic growth and finds that their link in 1988-2016 has undergone an evolution from Decoupling (1988-1998), to Tending to Coupling (1999-2003), to Coupling (2004-2013), then to Decoupling Sign (2014-2016).In order to explore the mechanism of the link, this paper summarizes the influencing factors from the supply and demand framework of freight transport and economy and then constructs the SVAR model to test the theory.The empirical analysis indicates that the increasing share of the industry in the economic production and the improvement of transportation infrastructure have a significant positive effect on the GDP elasticity of freight volume.With the continuous large-scale construction of China’s transportation industry, the impact of transportation infrastructure factors on the GDP elasticity of freight volume has been weakened, but the impact of evolution of industrial structure on the GDP elasticity of freight volume has become increasingly prominent.This paper argues that China’s transportation system should support and lead the high-quality development of the economy and its development model has reached an important node from focusing on scale and speed to focusing on quality and efficiency.
Key words:freight volume and economic growth; coupling; decoupling; GDP elasticity of freight volume; SVAR
* 高敏雪、黎煜坤、李静萍(通讯作者)，中国人民大学统计学院，中国人民大学应用统计科学研究中心，邮政编码：100872，电子信箱：gaominxue@126.com。本文受国家科技支撑项目“资源产出率核算方法及指标区域分解体系研究与示范”(2012BAC03B01)、国家社会科学基金项目“分享经济的统计测度研究”(18BTJ009)的资助。本文的一些观点形成于交通运输部战略规划政策研究项目“综合运输货运量与国民经济发展关联关系研究”的成果，在此特向交通运输部规划司统计处和交通运输科学研究院信息中心的各位专家致谢。感谢匿名审稿人提出的修改建议，笔者已做了相应修改，本文文责自负。
(责任编辑：付 敏)
页:
[1]