基于可計算一般均衡模型的內蒙古煤炭貨運量預測研究

文/侯劍 王彤

為了預測內蒙古地區的煤炭貨運量，文章基于可計算一般均衡理論構建了生產函數、貿易函數以及經濟主體行為函數，并在內生商品價格中加入了貨運成本從價率，使得該模型可以考慮到交通貨運成本的貨運量。研究表明：本模型預測的內蒙古煤炭貨運量與實際情形能夠很好吻合，二者最小誤差僅為1.5%。模型預測未來2025年、2030年、2035年、2040年的內蒙古煤炭貨運呈上升趨勢。研究結論可為內蒙古地區提前預測煤炭貨運量提供理論基礎。

1.引言

煤炭是我國經濟發展所依賴的主要能源之一。目前我國煤炭資源主要生產區和消費區分布極不平衡，華東和華南地區是煤炭資源的重點消費區，但煤炭的主要產區是在華北地區，不可避免將產生大量的貨運，因此，預測煤炭貨運量具有一定的研究意義。目前對煤炭貨運量預測的研究主要是依據運輸方式來預測，主要方法有Holt-W inter模型和ARIMA預測模型等方法。陳亞東等[1]利用Holt-W inter模型，對中國航空貨運量進行預測，結果表明在外部條件穩定的情況下可實現航空貨運量的月度預測。SaxenaAditya等[2]選用ARIMA模型，研究了在有無疫情的情況下，印度鐵路貨運量和收入的變化情況。可計算一般均衡方法可以對各種政策進行模擬和量化估計。如對環境稅、增值稅的政策進行模擬等。如張文靜等[3]設置了三種不同的情景，模擬用環境稅治理霧霾的減排成本和效果。萬瑩等[4]模擬了我國的增值稅稅率簡并方案對我國的收入分配效應和社會福利效應的影響。FarahnakFardin[5]模擬了沙特和伊朗石油的驅動政策對經濟的影響，結果表明應該進行經濟關系改革和石油收入的重新分配。由于內蒙古自治區是我國煤炭主要生產區，本文以內蒙古地區為研究對象進行煤炭貨運量的研究。建立了生產函數、貿易函數以及經濟主體行為函數等，對內蒙古煤炭貨運量進行預測。

2.模型構建與指標選取

2.1SAM 表的編制及數據來源

由于目前公布最新的投入產出表為2017年的投入產出表，描述42部門之間的投入產出情況。因此，文章以2017年內蒙古地區投入產出表為基礎，結合《內蒙古統計年鑒（2018）》，將各個部門合并為4個部門，即第一產業、煤炭產業、第二產業（除煤炭外）、第三產業，最終編制出2017年內蒙古宏觀SAM 表（社會核算矩陣表）。

2.2模型構建

文章在參照CGE模型[6，7]的基礎之上，構建了本文的CGE模型。模型包含生產模塊、區域貿易模塊、主體行為模塊、市場出清模塊以及貨運量預測模塊。開放區域CGE模型的商品流動過程如圖1所示。

圖1 開放區域CGE模型的商品流動過程

生產函數這一部分采用嵌套的恒替代彈性生產函數，一層是CES函數，包含附加價值和中間投入，最下面一層是將投入分為勞動和資本兩個要素，中間投入部分采用列昂惕夫函數。模型的主體包括居民、企業、政府和國外。宏觀閉合采用新古典主義閉合方式。在區域貿易模塊中加入貨運成本從價率，本區域內生產活動的產出商品分為本區域銷售和外區域銷售兩部分，用CET函數進行表示，進口商品的價格由國際市場價格和從價率決定，區域外銷售價格受物流貨貨運成本影響。公式如下：

QAa其中表示生產活動a的數量，表示QA的規模參數，表示QA內銷的份額參數，ρat表示QA的彈性參數，QDAa表示本區域生產本區域銷售商品a的數量，QEa表示本區域生產外區域銷售商品a的數量，PMc表示外區域生產本區域銷售商品c的價格，pwmc表示國際市場價格，ηa表示貨運成本從價率，PEa表示本區域生產外區域銷售商品a的價格，pw ea表示外區域市場價格。貨運量預測模塊主要參考戚銘堯[6]的建模思路，模型最后輸出的結果為QEc、QMc、QDc（QDc=QDA）三個變量，其中QEc用來表示貨運產生量，QMc用來表示貨運吸引量、QDc用來表示區域內貨運流動量。CGE模型計算出的結果是價值形式的SAM 表，得出的上述三個變量都是價值形式的，可以通過基年的單價等于特征年的單價來進行轉換，即基年價值形式/基年重量形式=特征年價值形式/特征年重量形式，即：

其中，HYLWb表示期年重量形式貨運總量；HYLvb表示期年價值形式貨運總量；HYLvb是QEc、QMc和QDc之和，表示特征年價值形式貨運總量，是CGE模型的直接輸出結果，即：

得到特征年貨運總量之后，按照QEc，QMc和QDc的比例關系即可得到區域內部貨運量NBHYLWt、貨運產生量YHCSLWt和HYXYLWt貨運吸引量。其余模塊參照張欣著作[7]。

3.實證分析

以勞動者報酬作為勞動投入，以生產稅凈額、固定資產折舊、GDP中營業盈余三部分之和為資本投入（其中2020年的資本投入和勞動投入用2017年-2019年的年均增長率計算得出），將二者作為外生變量，模擬內蒙古自治區2017年以后在貨運政策影響下（貨運成本從價率采用“社會物流總費用占GDP比例”）其煤炭貨運量的變化。輸入輸出處理利用GAMS程序，輸出結果如表1所示，可以看出，預測的煤炭貨運量與實際情形得到了很好的吻合，最小誤差僅為-1.5%。年和2040年的煤炭貨運總量、區域內煤炭貨運量、煤炭貨運產生吸引量。勞動和資本投入的未來量采用時間序列的方法來獲取。通過GAMS程序輸出結果，本模型得到的預測結果如表2所示。可以看出未來煤炭貨運量仍然持續增加，原因可能是：雖然陸續推出使用清潔能源，但是由于工業生產生活需求，以及對燃煤防污技術的大力推行，煤炭在未來的貨運量仍保持增長趨勢，在2040年內蒙古煤炭貨運量達到了220686萬噸。

表1 預測貨運總量和預測誤差

表2 內蒙古未來煤炭貨運量預測值

4.結論

本文對內蒙古煤炭貨運量進行預測，將2017年-2020年預測的貨運量與實際作對比，接著對2025年、2030年、2035年、2040年貨運量進行預測。實驗結果表明本模型預測的內蒙古煤炭貨運量與實際情形能夠很好吻合，二者最小誤差僅為1.5%，本模型具有較高的可靠性。在此基礎之上，本模型預測未來2025年、2030年、2035年、2040年的內蒙古煤炭貨運量，并得出內蒙古煤炭貨運量呈現上升趨勢，在2025年內蒙古煤炭貨運量達到134302萬噸、2030年內蒙古煤炭貨運量達159143萬噸、2035年內蒙古煤炭貨運量達到174177萬噸、2040年內蒙古煤炭貨運量達到220686萬噸。本文結論為內蒙古地區提前預測煤炭貨運量提供理論基礎，為該地區及時、精準的分析未來煤炭運輸相關行業所需要分擔的任務提供理論支持，同時，本文利用可計算一般均衡的方法研究煤炭貨運量的方法也為其它地區研究相關煤炭貨運量問題提供參考。

引用出處

[1]陳亞東,丁松濱,劉計民,宋曉敏,隋東.新型冠狀病毒肺炎疫情影響下中國航空貨運量分析與預測[J].交通信息與安全,2022,40(02):155-162.

[2]Saxena Aditya,Yadav Ankit Kumar.Exam ining the Effect of COVID-19onrail freight volume and revenueusing the ARIMA forecastingmodelan dassessing the resilience of Indianrailways during the pandem ic[J].Innovative Infrastructure Solutions,2022,7(6).

[3]張文靜,馬喜立.以環境稅治理霧霾的減排效果及減排成本——基于動態多區域CGE模型[J].北京理工大學學報(社會科學版),2020,22(03):36-47.

[4]萬瑩,熊惠君.我國增值稅稅率簡并方案設計與政策效應預測——基于可計算一般均衡模型[J].稅務研究,2020(10):41-48.

[5]Farahnak Fardin.Comparativeanaly sisofoil-drivene conom ic policies for SaudiArabiaand Iran;usingthe CGEmodel[J].ResourcesPolicy,2022,78.

[6]戚銘堯,楊坤河,繆立新.基于可計算一般均衡的貨運量預測模型[J].工業技術經濟,2013,32(03):3-10.

[7]張欣.可計算一般均衡模型的基本原理與編程[M].上海:格致出版社&上海人民出版社,2010.