流域經濟視域下的水路貨運發展研究

李澤楷 韓海燕

摘 要：文章旨在探究流域經濟背景下我國水路貨運的發展態勢，基于我國2013—2022年的水運貨運量，使用灰色預測模型對我國的貨運吞吐量進行預測，揭示未來一段時間內水路貨運的發展趨勢，并采用回歸分析模型多角度分析影響我國水路貨運量的關鍵因素。基于灰色預測模型和回歸分析結果，文章提出了促進我國水路貨運發展的策略建議，為政策制定者和業界提供決策建議支持，以優化水路貨運系統，促進流域經濟發展。

關鍵詞：流域經濟；水路貨運；灰色預測；回歸分析

中圖分類號：F259.27文獻標志碼：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

隨著經濟全球化和區域一體化的深入發展，水路貨運在促進區域經濟發展、完善交通運輸網絡、降低物流成本等方面發揮著日益重要的作用。作為擁有眾多河流和廣闊海域的國家，我國水路貨運的發展直接影響著經濟的穩定和增長。一方面，隨著流域經濟的興起，沿線地區對水路貨運的需求不斷增加，為水路貨運提供了更大的市場發展空間；另一方面，環境保護、運輸效率和服務質量的要求也在不斷提高，推動水路貨運行業不斷進行技術創新和服務優化。

貨物運輸是實現交通運輸核心價值的基礎支撐，與經濟發展和物流空間布局有著密切聯系。戢曉峰等（2022）從鐵路大宗貨物到達和發送的結果展開研究，利用復雜的網絡理論針對云南省鐵路大宗貨物運輸網絡模型進行了構建，得出了大宗貨物運輸網絡結構特征[1]。楊方方等（2021）指出，各種運輸方式與經濟發展之間都存在著“協調退化—弱協調—協調”的演化規律，二者之間協同發展的關聯較弱[2]。田君等（2019）從區域差異化的視角入手，分別考察總貨運交通，以及細分為公路、鐵路、水路的三種貨運交通運輸方式對城市經濟發展的影響[3]。

目前對于水路運輸的研究多以貨運系統效率、貨運量預測及其影響因素等視角展開。靖學青（2017）指出，水上交通運輸對長江地區的經濟發展起到了積極作用；然而，通過將長江經濟帶劃分為東部和中西部兩個區域研究發現，僅有三個省份對我國的經濟發展具有明顯的正向效應，而中西部8個省份的水路交通對經濟發展的促進效果并不明顯[4]。陳麗寧等（2019）構建了云浮港口2010—2017年水路貨物運輸的GM（1，1），模型具有很大的平均相對偏差，表明云浮港口在2018—2021年仍有高速增長的趨勢[5]。

綜上，本研究將預測和分析我國水路貨運行業的發展，并通過提出具體建議，希望為行業的可持續發展和決策優化提供支持。

1 ? ?研究方法介紹

1.1 ? ?灰色預測模型

GM（1，1）模型是根據原始的離散非負數據列，通過累加的方式削弱隨機性的，建立相應的微分方程模型，得到離散點處的解，通過累減生成的原始數據的近似估計值，預測原始數據的后續發展。

設x（0）=（x（0）（1），x（0）（2），...x（0）（n））為最初非負數據列，對其進行一次累加生成新的數據列x（1）（x（0）的1-AGO序列）。

其中：x（1）（m）=，m=1，2，...，n。

使z（1）為數列x（1）緊鄰均值生成數列，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）（灰色預測模型）的基本形式（k=1，2，…，n）。其中：b為灰作用量，-a為發展系數。

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。

則預測式如下。

（m=1，2，…，n-1）

1.2 ? ?回歸分析模型

鑒于研究中所涉及的預測變量與水路貨運量之間的關系可以被假設為線性的，因此本文采用多元線性回歸模型來揭示多個獨立變量和一個因變量（如水路貨運量）之間的關系。

多元線性回歸用于解決一個樣本有多個特征的線性回歸問題。對于一個有n個特征的樣本i而言，其回歸結果方程如下。

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

2 ? ?我國貨運吞吐量灰色預測模型構建及分析

2.1 ? ?貨運吞吐量灰色預測

灰色預測是一種有效的預測方法，適用于信息不完全或數據量較少的情況。這種方法側重于揭示系統的發展趨勢和內在規律，適用于我國水路貨運吞吐量的預測分析。國家統計局公布的數據顯示，2013—2022年，我國水路貨運量呈穩步增長趨勢。具體來看，2013年，我國的水路貨運量為559 785萬噸，到2022年，增長至855 352萬噸。這一上升趨勢反映了流域經濟的發展及其對水路貨運需求量的推動作用，見表1。

本研究應用GM（1，1）模型預測未來一定時期內的貨運吞吐量。灰色預測模型以數據的生成序列為基礎，通過對原始數據序列的累加生成減少數據的隨機性，提取出數據序列的內在規律性。帶入式（1）—（6），可得表2和圖1。

表2針對水運貨運量進行GM（1，1）模型級比值檢驗，判斷以數據序列進行模型構建的適用性。結果顯示，級比檢驗值均處于標準范圍區間[0.834，1.199]，意味著本數據適合進行GM（1，1）模型構建。具體預測結果見圖1。

預測結果表明，擬合值與真實值相比，較吻合，說明灰色預測模型在樣本期內能夠較好地擬合歷史數據。預測顯示，2023—2034年，貨運量將繼續增長，預計在2034年達到約

1 495 932萬噸。這一連續上升趨勢預示著我國水路貨運行業的潛在發展空間仍然廣闊。

同時，預測結果也反映出了水路貨運行業未來面臨的挑戰。隨著貨運量的持續增長，相關的基礎設施建設、環境保護、運營效率以及服務質量等都需得到更多的關注。如何在確保貨運增長的同時維持生態平衡、提升運輸效率和服務水平，將是行業發展需要重點考慮的問題。

2.2 ? ?灰色模型后驗差檢驗

后驗差檢驗可用于評估模型的預測效果和準確性，可以幫助人們了解模型是否能夠可靠地捕捉數據的內在規律，以及模型對未來趨勢預測的可信度。后驗差檢驗通常涉及計算預測值與實際值之間的偏差，并通過一系列統計指標來評估這些偏差的大小具體數據，如表3所示。

研究分析，模型相對誤差值最大值0.021＜0.1，意味著模型擬合效果達到較高要求。針對級比偏差值，該值小于0.2說明達到要求，若小于0.1則說明達到較高要求；模型相對誤差值最大值0.031＜0.1，意味著模型擬合效果達到較高要求。

模型構建后得到發展系數a，灰色作用量b，以及后驗比C值和小誤差概率p值；后驗差比C值0.007≤0.35，意味著模型精度等級非常好。小誤差概率p值為1.000＜1.0，意味著模型精度較高，具體數據如表4所示。

3 ? ?我國水路貨運量多元線性回歸分析

3.1 ? ?指標選取

水路貨運領域貨運量的變化受多種因素的綜合影響。經濟增長、產業結構調整、消費水平提升以及基礎設施建設都對貨運需求產生直接或間接影響。因此，研究可以從宏觀經濟、區域發展、行業特性和運輸成本等角度進行分析，從而為多元線性回歸模型的構建提供理論支持。在構建回歸模型時，貨運量作為反映物流行業總體表現的關鍵指標，設為因變量；而經濟增長率、人均消費水平、工業產值、物流成本等因素則作為自變量，代表著影響貨運量的各個維度，具體如表5所示。

研究所得相關數據如表6所示。

3.2 ? ? 回歸結果分析

本研究利用回歸分析來探討影響我國水路貨運量的各種因素，回歸結果如表7所示。

從表7可以看出，模型公式如下。

水路貨運量=234 197.515-1 748.893*國內生產總值增長+12.583*居民人均消費支出+0.110*工業產值增加值+14 810.374*物流成本。

模型R方值為0.997，意味著國內生產總值增長、居民人均消費支出、工業產值增加值、物流成本可以解釋水路貨運量的99.7%變化原因。

對模型進行F檢驗時發現，模型通過F檢驗（F=487.897，p=0.000＜0.05），說明國內生產總值增長、居民人均消費支出、工業產值增加值、物流成本中的至少一項會對水路貨運量產生影響關系，

國內生產總值增長的回歸系數值為-1 748.893（t=-1.205，p=0.282＞0.05），意味著國內生產總值增長并不會對水路貨運量產生影響。

居民人均消費支出的回歸系數值為12.583（t=4.570，p=0.006＜0.01），意味著居民人均消費支出會對水路貨運量產生顯著的正向影響。

工業產值增加值的回歸系數值為0.110（t=0.348，p=0.742＞0.05），意味著工業產值增加值并不會對水運貨運量產生影響。

物流成本的回歸系數值為14 810.374（t=1.705，p=0.149＞0.05），意味著物流成本并不會對水路貨運量產生影響。

總而言之，線性回歸模型分析揭示了居民人均消費支出對我國水路貨運量具有顯著的正向影響，而國內生產總值增長、工業產值增加值和物流成本雖然被包括在模型中，但對水路貨運量的影響并不顯著，具體回歸系數如圖2所示。

3.3 ? ?模型檢驗

對模型進行F檢驗時發現，模型通過F檢驗（F=487.897，p=0.000＜0.05），說明模型構建有意義，具體數據如表8所示。

4 ? ?建 ? ?議

水路貨運作為國家交通物流系統的重要組成部分，對于促進區域經濟發展并保障流域經濟可持續性至關重要。以下是基于研究結果對未來水路貨運發展提出的幾點建議。

促進消費驅動的貨運增長：回歸模型結果顯示，居民消費水平是影響水路貨運量的一個顯著因素。因此，政策制定者應考慮通過提高居民可支配收入和改善消費環境的方式來刺激消費需求增長。這可以通過減稅、提供消費券、優化消費金融服務等措施來實現。同時，政府可以通過促進電子商務和線上購物等新型消費模式的發展，進一步拓寬水路貨運的市場空間。

重點關注物流成本管理：盡管物流成本在模型中的影響未達到統計顯著水平，但作為貨運行業的重要組成部分直接關系到貨運企業的競爭力。建議通過改進物流網絡設計、引入智能化物流管理系統、推廣綠色物流操作和優化關稅政策等措施來降低物流成本，提高整體物流效率。

加大基礎設施建設投資：基礎設施，特別是港口、航道和物流中心的建設與升級，是保障水路貨運順暢的關鍵。建議政府增加對水路交通基礎設施的投資，提高貨運效率和服務水平。

實施差異化的區域發展策略：對于經濟較發達的地區，可以通過優化行業結構和提升產業鏈水平來促進水路貨運量提升；對于經濟發展水平相對較低的地區，應加大基礎設施建設，如改善港口設施、進行航道疏浚等，以提升物流運輸能力。

5 ? ?結 ? ?論

本研究通過灰色預測模型和多元線性回歸分析對中國水路貨運量進行了深入的探討。灰色預測模型顯示，未來水路貨運量有望繼續增長。然而，研究發現，即使在經濟快速發展的背景下，貨運量的增長也并不一定會伴隨著GDP的上升而提高。這就意味著水路貨運市場中存在未被充分利用的潛力，或者其貨運效率和服務質量有待進一步提升。在后續研究中，希望相關研究者采取措施來刺激內需、優化物流成本結構，并在流域經濟背景下，根據不同區域的特點制定差異化的發展策略。

參考文獻：

[1] 戢曉峰，孔令帥，陳方．鐵路大宗貨物運輸網絡結構及流動空間格局——以云南省為例[J]．重慶交通大學學報（自然科學

版），2022，41（2）：21-29.

[2] 楊方方，楊曉艷．物流運輸方式與經濟發展的關聯協調性研究——基于海南自貿港建設視角[J]．商業經濟研究，

2021（15）：108-112.

[3] 田珺，冉忠明．貨物運輸對城市經濟發展的空間計量研究——基于四大區域差異化的視角[J]．經濟問題探索，2019（11）：76-93.

[4] 靖學青．長江水運與長江經濟帶經濟增長——基于面板數據模型的實證研究[J]．貴州社會科學，2017（12）：133-139.

[5] 陳麗寧，謝世堅．基于灰色模型的云浮港水運貨運量預測[J]．廣州航海學院學報，2019，27（4）：20-25.