A Study on Spatial-temporal Variability and Impact Factors of Economic Distance for Freight Transport in the Yangtze River Economic Belt
-
摘要: 为弥补现有货运经济运距研究在时空差异性分析和影响因素探讨方面的不足，开展了对长江经济带货运经济运距时空差异性及其影响因素的研究。在已有货运大数据的基础上，结合多年度公、铁、水货运量数据，采用运量-分担率法构建货运经济运距测算模型，对长江经济带2011—2020年不同区域范围内的货运经济运距进行测算，并对其时空差异性进行分析。研究发现：①在长江经济范围内铁路货物运输不具优势；②随着时间的推移，上游原本具有铁路运输优势的省市其铁路经济运距范围逐渐缩小；③整个长江经济带范围内，随着时间的推移，公路货物经济运距有缩小趋势，水路货物经济运距有扩张趋势。为探究货运经济运距的影响因素及其影响情况，构建了路径分析模型。考虑到路径分析模型拟合效果不佳，因此在路径分析模型的框架下，采用时空地理加权回归模型分析各因素在不同时间和空间下对货运经济运距的影响效果，模型拟合效果较好。研究发现：长江经济带区域范围内，各因素对经济运距的影响呈现出较显著的空间差异性和时间非平稳性。本研究的结论对于构建经济合理的综合交通运输体系具有指导和借鉴意义。Abstract: To overcome the shortcomings of existing researches on freight economic distances(FED), particularly in the analysis of spatial-temporal variability and the exploration of influencing factors, this study adopted the Yangtze River Economic Belt(YREB) as the research context and studied the spatial-temporal variability and influencing factors of FED. With the existing big data of freight transport and yearly data of freight volumes of highway, railway, and waterway, the volume-share method is used to calculate FED in different regions of the YREB from 2011 to 2020. Meanwhile, the spatial-temporal variability of FED is analyzed. The study finds that: ①Freight transport of railway has no advantages in the YREB in general. ②In upstream provinces, the freight transport of railway does show FED while the range of FED gradually decreases as time goes on. ③In the YREB, the FED of freight transport of highway shows a shrinking trend, while the FED of freight transport of waterway shows an expanding trend with the time goes on. Next, to study the influencing factors of FED, a path analysis model is established. Given that the results show that the fitness of the path analysis model is poor, therefore, the geographically and temporally weighted regression(GTWR) modeling technique is used based on the framework of the path analysis model to analyze the influences of various factors on FED across different years and regions within the YREB. It turns out the model fitness is satisfactory and the final results show that the influences of various factors on FED within the YREB exhibit significant spatial variability and temporal instability. These conclusions can guide the development of reasonable and economic a comprehensive transportation system
-
图 1 长江经济带多年度运距-运量分担率图
Figure 1. Diagram of multi-year transport distance and volume rate in Yangtze River economic belt
图 2 2019年长江上、中、下游区域运距-运量分担率图
Figure 2. Transport distance and freight volume rate of the upper, middle and lower reaches of the Yangtze River in 2019
图 3 长江经济带各省市多年度经济运距图
Figure 3. Multi-year economic distance of provinces and cities in the Yangtze River Economic Belt
表 1 经济运距影响因素
Table 1. Influencing factors of economic transportation distance
序号 统计数据名称 单位 1 公路货运量 ×104t 2 铁路货运量 ×104t 3 水运货运量 ×104t 4 公路里程 ×104km 5 铁路营业里程 ×104km 6 内河航道里程 ×104km 7 公路运输业就业人员数 8 铁路运输业就业人员数 9 水上运输业就业人员数 10 地区生产总值 亿元 11 第一产业产值占比 12 第二产业产值占比 13 公路营运载货汽车拥有量 14 公路营运载货汽车吨位数 ×104t 15 民用运输船舶拥有量 16 粮食产量 ×104t 17 原盐产量 ×104t 18 水泥产量 ×104t 19 化学农药原药产量 ×104t 20 农用氮、磷、钾化肥产量 ×104t 21 木材产量 ×104m3 22 钢铁产量 ×104t 23 农林牧渔业总产值 亿元 
下载: 导出CSV
表 2 公路和水路经济运距影响因素共线性诊断
Table 2. Diagnosis of collinearity of factors influencing economic transport distance on highway and waterway
影响因素 VIF 公路货运量/×104t 5.412 铁路货运量/×104t 2.843 水路货运量/×104t 5.546 公路里程/×104km 5.912 铁路营业里程/×104km 6.435 内河航道里程/×104km 4.535 地区生产总值/亿元 6.805
下载: 导出CSV
表 3 公路货运量影响因素共线性诊断
Table 3. Diagnosis of collinearity of factors influencing highway freight volume
影响因素 VIF 第一产业产值占比 3.313 原盐产量/×104t 3.334 水泥产量/×104t 4.045 粮食产量/×104t 4.923 水上运输业就业人员数 6.030 公路营运载货汽车拥有量 3.396 民用运输船舶拥有量 5.638
下载: 导出CSV
表 4 水路货运量影响因素共线性诊断
Table 4. Diagnosis of collinearity of factors influencing waterway freight volume
影响因素 VIF 第一产业产值占比 3.092 第二产业产值占比 1.682 钢材产量/×104t 3.568 木材产量/×104km3 2.349 粮食产量/×104t 5.695 铁路运输业就业人员数 3.247 民用运输船舶拥有量 8.310
下载: 导出CSV
表 5 公路经济运距路径分析结果
Table 5. Path analysis results of highway transport economic distance
拟合指标 拟合标准 拟合优度 卡方自由度比 < 5.0 24.4 GFI >0.9 0.27 AGFI >0.9 0.03 TLI >0.9 0.03 RMSEA < 0.05 0.46
下载: 导出CSV
表 6 水路经济运距路径分析结果
Table 6. Path analysis results of waterway transport economic distance
拟合指标 拟合标准 拟合优度 卡方自由度比 < 5.0 23.5 GFI >0.9 0.31 AGFI >0.9 0.09 TLI >0.9 -0.03 RMSEA < 0.05 0.45
下载: 导出CSV
表 7 经济运距-GTWR模型拟合优度
Table 7. Goodness of fit of economic transport distance-GTWR model
运输方式 Bandwidth AICc R2 Adjusted R2 公路 0.133 1 245.59 0.991 0.990 水路 0.126 1 503.07 0.980 0.978
下载: 导出CSV
表 8 货运量-GTWR模型拟合优度
Table 8. Goodness of fit of transport freight volume-GTWR model
运输方式 Bandwidth AICc R2 Adjusted R2 公路 0.115 2 512.08 0.971 0.969 水路 0.115 2 423.95 0.988 0.987
下载: 导出CSV
表 9 各影响因素对公路经济运距的影响情况
Table 9. The impact of factors on the Economic Transport Distance of highway
影响因素分类 影响因素 影响情况 地区生产总值 云、贵、川、重庆、江西、湖南、湖北表现为正效应；安徽、江苏、上海、浙江表现为负效应 铁路货运量 上游及中游地区在2011—2013年期间为负效应，2014—2020年转为为正效应；下游地区绝大数表现为负效应 公路货运量 在长江经济带全部省市为正应，上游的影响效果要大于下游地区 直接影响因素 水路货运量 在长江经济带全部省市为负效应 铁路营运里程 上下游及江西为正效应，中游湖南、湖北地区为负效应 公路营运里程 在2014—2016年期间表现为正效应，且主要表现在上游地区，随着时间变化，公路营运里程的影响由正效应转为负效应 内河航运里程 在上、中游地区绝大数省市为负效应，下游地区部分省市表现为正效应 第一产业产值占比 在长江经济带全部省市为负效应 原盐产量 在长江经济带全部省市为负效应 水泥产量 2010—2014年在长江经济带全部省市为负效应，2014年后转为正效应 间接影响因素 粮食产量 在长江经济带全部省市为正效应 水上运输就业人员数 在长江经济带全部省市为负效应 公路营运载货汽车拥有量 在长江经济带全部省市为正效应 民用运输船舶拥有量 在长江经济带绝大数省市为正效应
下载: 导出CSV
表 10 各影响因素对水路经济运距的影响情况
Table 10. The impact of factors on the Economic Transport Distance of waterway
影响因素分类 影响因素 影响情况 地区生产总值 在江西、安徽、上海、重庆地区主要表现为正效应，其他省市为负效应 铁路货运量 在下游的安徽、四川、浙江为正效应，在其他地区为负效应 公路货运量 在上游的重庆、贵州、四川、云南地区为正效应，在中、下游省市为负效应 直接影响因素 水路货运量 在整个长江经济带范围内表现为正效应 铁路营运里程 在上游的贵州、四川、云南地区表现为正效应，在中、下游省市表现为负效应 公路营运里程 在整个长江经济带范围内表现为负效应 内河航运里程 在绝大数省市都为正效应 第一产业产值占比 在长江经济带全部省市为负效应 第二产业产值占比 在安徽、江苏、贵州主要表现为正效应，其余地区主要表现为负效应 木材产量 在安徽、江苏、上海、浙江下游地区表现为正效应，上游及中游地区主要表现为负效应 间接影响因素 钢材产量 在整个长江经济带范围内绝大数省市为正效应，江西湖北除外 粮食产量 在长江经济带全部省市为负效应 铁路运输就业人员数 上海、浙江、江苏地区主要表现为负效应，在上、中游省市主要为正效应 民用运输船舶拥有量 在安徽、江苏、上海、浙江地区表现为早期为负效应，然后逐渐转为正效应，其他省市主要表现为正效应
下载: 导出CSV
-
[1] 向爱兵. 推动中国基础设施高质量发展[J]. 宏观经济管理, 2020 (8): 13-20.XIANG A B. Promote the high-quality development of China's infrastructure[J]. Macroeconomic Management, 2020 (8): 13-20. (in Chinese) [2] 杨涛. 新时代跨区域综合交通运输规划的思考[J]. 城市规划, 2021, 45 (3): 21-23, 45.YANG T. Thoughts on cross-regional comprehensive transportation planning in the new era[J]. China City Planning Review, 2021, 45 (3): 21-23, 45. (in Chinese) [3] 卢春房, 卢炜. 综合立体交通运输体系发展策略[J]. 铁道学报, 2022, 44 (1): 1-7. doi: 10.3969/j.issn.1001-8360.2022.01.001LU C F, LU W. The development strategy of a comprehensive Stereoscopic transportation system[J]. Journal of the China Railway Society, 2022, 44 (1): 1-7. (in Chinese) doi: 10.3969/j.issn.1001-8360.2022.01.001 [4] 刘芳, 杨雪英, 周紫君, 等. 交通运输现代化的内涵、特征及发展路径[J]. 交通运输部管理干部学院学报, 2021, 31 (4): 16-20.LIU F, YANG X Y, ZHOU Z Y, et al. The connotation, characteristics, and development path of transportation modernization[J]. Journal of Transport Management Institute Ministry of Transport, 2021, 31 (04): 16-20. (in Chinese) [5] 杨铭, 秦华容. 公路货运平均运距分析与实证研究[J]. 物流技术, 2009, 28 (6): 22-24, 49. doi: 10.3969/j.issn.1005-152X.2009.06.007YANG M, QIN H R. Field survey and analysis on average transport distance of road freight[J]. Logistics Technology, 2009, 28 (6): 22-24, 49. (in Chinese) doi: 10.3969/j.issn.1005-152X.2009.06.007 [6] 史佩红, 郝芬芬, 张晓峰. 中国公路客运平均运距发展分析[J]. 电子测试, 2013 (11): 203-205. doi: 10.3969/j.issn.1000-8519.2013.11.095SHI P H, HAO F F, ZHANG X F. Analysis on the development of the length of haul about highway carriage of passenger[J]. Electronic Test, 2013 (11): 203-205. (in Chinese) doi: 10.3969/j.issn.1000-8519.2013.11.095 [7] 袁雪丽, 杨菊花, 任金荟. 随机运输时间下集装箱海铁联运箱流径路优化方法[J]. 交通信息与安全, 2022, 40 (6): 106-117. doi: 10.3963/j.jssn.1674-4861.2022.06.011YUAN X L, YANG J H, REN J H. A path optimization method for sea-rail intermodal container transport under random transit time[J]. Journal of Transport Information and Safety, 2022, 40 (6): 106-117. (in Chinese) doi: 10.3963/j.jssn.1674-4861.2022.06.011 [8] LEVINSON D M, GILLEN D. The full cost of intercity highway transportation[J]. Transportation Research Part D: Transport and Environment, 1998, 3 (4): 207-223. doi: 10.1016/S1361-9209(97)00037-0 [9] BEUTHE M, JOURQUIN B, GEETS J F, et al. Freight transportation demand elasticities: a geographic multimodal transportation network analysis[J]. Transportation Research Part E: Logistics and Transportation Review, 2001, 37 (4): 253-266. doi: 10.1016/S1366-5545(00)00022-3 [10] 徐广岩. 内陆集装箱多式联运经济运距研究[J]. 铁道运输与经济, 2019, 41 (12): 39-44, 76.XU G Y. A study on economic distance of inland container multimodal transport[J]. Railway transport and Economy, 2019, 41 (12): 39-44, 76. (in Chinese) [11] 王芳, 方曾利, 冀功贤, 等. 基于广义成本的河南省大宗货物优势运距研究[J]. 物流科技, 2021, 44 (9): 107-110.WANG F, FANG Z L, JI G X, et al. Research on advantageous transport distance of bulk cargo in Henan province based on generalized cost[J]. Logistics Sci-Tech, 2021, 44 (9): 107-110. (in Chinese) [12] 戴欣. 常州铁路货运经济运距及市场发展策略探讨[J]. 上海铁道科技, 2012, (4): 15-16, 86.DAI X. Discussion on Changzhou railway freight economic distance and market development Strategy[J]. Shanghai Rail Science & Technology, 2012, (4): 15-16, 86. (in Chinese) [13] 王涵晴, 张艳, 周凌云, 等. 铁路货运与公路货运优势运距比较研究[J]. 铁道货运, 2018, 36 (12): 47-53.WANG H Q, ZHANG Y, ZHOU L Y, et al. Comparative study of advantageous transportation distances between railway freight and road freight transportation[J]. Railway Freight Transport, 2018, 36 (12): 47-53. (in Chinese) [14] 李春堂. 河南省大宗货物优势运距研究[D]. 郑州: 河南农业大学, 2023.LI C T. Study on the advantageous transportation distance of bulk cargo in Henan province[D]. Zhengzhou: Henan Agricultural University, 2023. (in Chinese) [15] 柯小梁, 任冲, 简星. 高速磁浮系统优势运输距离研究[J]. 铁道运输与经济, 2021, 43 (9): 19-24.KE X L, REN C, JIAN X. Research on superior transportation distance of high speed maglev system[J]. Railway Transport and Economy, 2021, 43 (9): 19-24. [16] CHANG L. A network-based model for market share estimation among competing transportation modes in a regional channel[D]. Maryland: University of Maryland, 2001. [17] GOEVERDEN C D. Explaining factors for train use in European long-distance travel[J]. Tourism and Hospitality Planning & Development, 2009, 6 (1): 21-37. [18] 何静, 孙有望, 刘小卉, 等. 我国港口海铁联运经济运距及合理分担率研究—上海洋山港海铁联运实例研究的启示[J]. 价格理论与实践, 2009 (6): 67-68. (in Chinese)HE J, SUN Y W, LIU X Y, et al. A Study on the economic distance and reasonable sharing rate of sea-rail intermodal transport in China' s ports: enlightenment of a case study of sea-rail intermodal transport in Yangshan port, Shanghai[J]. Price: Theory & Practice, 2009 (6): 67-68. [19] 李正浩. 与民航竞争下的高速铁路优势运距问题研究[D]. 成都: 西南交通大学, 2012.LI Z H. Research about the dominate transport distance of high-speed railway under civil aviation competition[D]. Chengdu: Southwest Jiaotong University, 2012. (in Chinese) [20] 项昀, 王炜, 郑敦勇, 等. 区域综合网络货运交通方式的优势运距研究[J]. 交通运输系统工程与信息, 2016, 16 (6): 33-39.XIANG Y, WANG W, ZHENG D Y, et al. Dominant trans-portation distance for multi transportation modes in regional integrated freight network[J]. Journal of Transportation Systems Engineering and Information Technology, 2016, 16 (6): 33-39. (in Chinese) [21] 史佩红. 基于广义费用的道路客运经济运距测量模型研究[D]. 西安: 长安大学, 2014.SHI P H. Study on carriage passenger economic haul measurement model based on the generalized cost[D]. Xi'an: Chang'an University, 2014. (in Chinese) [22] 王仁鹏, 胡宗武, 金国强. 质量管理结构模型研究中的路径分析[J]. 工业工程与管理, 2002 (4): 41-45.WANG R P, HU Z W, JING G Q. Path analysis in the study of quality management structural model[J]. Industrial Engineering and Management, 2002 (4): 41-45. (in Chinese) [23] 刘美玲, 王博, 张雪敏. 时空地理加权回归模型的统计诊断[J]. 西安文理学院学报(自然科学版), 2013, 16 (2): 35-39.LIU M L, WANG B, ZHANG X M. Statistical diagnostics for spatial-temporal geographical weighted regression model[J]. Journal of Xi'an University of Arts and Sciences (Natural Science Edition), 2013, 16 (2): 35-39. (in Chinese) [24] FOTHERINGHAM A S, CHARLON M, BRUNSDON C. The geography of parameter space: an investigation into spatial non-stationarity[J]. International Journal of Geographical Information Systems, 1996, 10 (2): 605-627. [25] FOTHERINGHAM A S. Trends in quantitative methods: stressing the local[J]. Progress in Human Geography, 1997, 21 (10): 88-96. [26] HUANG B, WU B, BARRY M. Geographically and temporally weighted regression for modeling spatial-temporal variation in house prices[J]. International Journal of Geographical Information Science, 2010, 24 (3): 383-401. [27] 周晓艳, 王诗琪. 基于GTWR模型的长江经济带生态系统服务价值对城镇扩张的时空响应[J]. 水土保持研究, 2021, 28 (4): 300-307.ZHOU X Y, WANG S Q. Spatiotemporal response of ecosystem service value to urban expansion in the Yangtze River Economic Belt based on GTWR model[J]. Research of Soil and Water Conservation, 2021, 28 (4): 300-307. (in Chinese) [28] FOTHERINGHAM A S, CRESPO R, YAO J. Geographical and temporal weighted regression(GTWR)[J]. Geographical Analysis, 2015, 47 (4): 431-452. [29] FOTHERINGHAM A S, CHARLTON M E. Geographically weighted regression: a natural evolution of the expansion method for spatial data analysis[J]. Environment and Planning A, 1998, 30 (11): 1905-1927. [30] MA Z H, XUE Y S, HU G Y. Geographically weighted regression analysis for spatial economics data: a Bayesian recourse[J]. International Regional Science Review, 2021, 44 (5): 582-604. [31] HURVICH C M, SIMONOFF J S, TSAI C L. Smoothing parameter selection in nonparametric regression using an improved Akaike information criterion[J]. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 1998, 60 (2): 271-293. -
点击查看大图
计量
- 文章访问数: 36
- HTML全文浏览量: 10
- PDF下载量: 15
- 被引次数: 0