基于LMDI模型的我国铁路货运量因素分解

作者:张戎;张卓玮 刊名:综合运输 上传者:夏晖

【摘要】本文运用对数平均迪氏分解法(LMDI);综合分析历年经济规模、运输强度、运输结构三个因素对我国铁路货运量变化的影响;LMDI模型结果表明;经济规模因素是我国铁路货运量变化的最主要影响因素;2000年~2011年;经济规模因素促进铁路货运量快速增长;2012年~2015年;运输结构因素、运输强度因素对铁路货运量增长的反向作用强于经济规模因素的正向作用;铁路货运量下滑;2016年~2018年;运输结构调整政策推动铁路货运量回升;

全文阅读

0引言2000年以来我国铁路货运量先升后跌再回升,综合分析我国铁路货运量的影响因素,探究其波动原因,有助于把握我国铁路货运量的演变规律,为制定交通运输政策和铁路运输计划提供依据。一直以来国内外学者们尝试各类方法探究铁路货运量的影响因素,对于铁路货运量的影响因素,国内外学者众说纷纭,国外一些学者认为铁路货运与国民经济相关,GDP促进铁路货运量增长[1-2],也有一些学者认为工业生产总值和进出口总额与铁路货运量的变化更为相关[3-4];中国国情与其他国家不同,铁路货运发展也具有一定特点,国内一些学者通过定性分析将我国铁路货运量的影响因素分为总量型与结构型,总量型因素如国民经济发展规模等,结构型因素如产业结构、运输结构等[5-6]。国内外既有研究在分析铁路货运量时,有些仅结合定性分析做出判断[5-6],也有采用一些计量经济模型进行分析[3-4]。对数平均迪氏分解法(Logarithmic Mean Divisia Index,LMDI)由Ang [7]提出并在能源环境领域应用,此法已在能源消耗[8]、农业产量[9]、就业变化[10]影响因素等领域得以成熟运用,但目前还未发现用该方法分析铁路货运量影响因素的文献。本文引入LMDI分解法,对我国铁路货运量影响因素进行因果链分解,探究2000年以来各影响因素的作用情况,分析演变规律。1对数平均迪氏分解法(LMDI)指数分解(index decomposition)的基本思想就是把一个目标变量(如铁路货运量)的变化分解成若干个影响因素的组合,辨别各个因素影响程度的大小,即贡献率,从而客观确定出影响比较大的因素[11]。本文将我国铁路货运量分解为经济规模、运输强度、运输结构三个因素,分解形式如下:Q=GDP×TGotDFPV×TotQFV=x1 x2 x3 (1)TotFVQGDPTotFV×QTotFV=x1 x2 x3 (1)其中,Q表示铁路货运量,TotFV表示全社会货运总量;GDP为国内生产总值,即经济规模x1;x2=TGotDFPV表示全社会货运量占GDP的比重,即运输强GDP表示全社会货运量占GDP的比重,即运输强运输强度;x3=TotFV表示铁路货运量占全社会货运运输强度;x3=TotQFV表示铁路货运量占全社会货运TotFV表示铁路货运量占全社会货运量的比重,即运输结构。指数分解分析中,拉氏指数法(Laspeyres Index Decomposition,Laspeyres)和迪氏指数法(Divisia Index Decomposition,Divisia)应用最为普遍。Divisia分解法由法国数学家Divisia提出,这种方法假设分解出的各个因素都是时间t的连续可微函数,对时间进行微分,然后分解出各个因素的变化对被分解变量的影响[8]。根据Divisia分解法定义,目标量Q对时间进行微分:dQ/dt=dQ/dt=3 x1t x2t…xtk-1 xtk+1…xnt dxk/dt=3 Qd (ln xk)/dt (2)(2)在时间周期[t,t+1]内,式(2)等式两边同时对时间进行积分:∫tt+1 dQ/dt=Qt+1-Qt=3 Qd (ln xk)/dt (3)(3)在时间周期[t,t+1]内,铁路货运量从Qt=x1t x2t x3t变化到Qt+1=x1t+1 x2t+1 x3t+1,变化量为ΔQtot,将其分解的加法形式如下:ΔQtot=Qt+1-Qt=ΔQx1+ΔQx2+ΔQx3 (4)1+ΔQx2+ΔQx3 (4)其中,ΔQx1表示经济规模因素引起的铁路货运量变化;ΔQx2表示运输强度

参考文献

引证文献

问答

我要提问