龚庆，林耿堃
（江西财经大学统计学院，江西南昌 330013）
自改革开放以来，我国铁路交通运输行业迅速崛起。国务院新闻办公室发布的《中国交通的可持续发展》白皮书中统计显示，截至2019 年底，我国铁路营业里程达到13.9 万千米，其中高速铁路营业里程超过3.5 万千米，占比超过25%。国家铁路局统计显示，2020 年全国铁路固定资产投资完成7819 亿元，投产新线4933 千米，其中高速铁路2521 千米，我国路网密度达到每万平方千米土地1523 千米。更加密集的铁路运营网络增加了城市间的可通达性，大大节约了人们的出行时间并且使出行更加方便快捷，铁路的建设加快了不同地区间的资本和文化的流动和交流，并且极大程度地影响了我国社会和经济的发展。随着铁路技术的不断提高，原本普通的铁路运输逐渐演变和升级。如今按照时速等级的三分法划分，我国铁路可以分为普通铁路、快速铁路和高速铁路。
铁路的快速发展带来的社会经济效应也开始受到学界的关注。国内外学者对于铁路发展带来的社会效应有一定的研究，早在1997 年，Roger Vickerman研究发现高速铁路的开通有效地降低了两地的往来时间，并使得新兴的主要城市中心越来越集中。［1］刘继广等研究认为高速铁路的发展有效地增强城市的极化和扩散效应，方便了人们的出行活动，并且进一步促进了产业的转移和城市的转型。［2］朱永霞等研究认为铁路运输不仅能够带来良好的经济效应，还能带来巨大的社会效益，从社会效益的分类上看，分为包括安全效益等在内的内部效益和包括促进就业等在内的外部效益。［3］
铁路的高速和高质发展也衍生出了“高铁经济”等概念，高铁经济泛指高铁的快速发展在沿线相关城镇实现资源的优化配置和产业的集群化发展，并带来区域性经济发展和社会变革。现阶段，学者对于高铁发展的研究主要集中在其带来的经济效应，而忽视其对于沿线城市的社会环境所带来的变革。然而，铁路对于城市经济的影响并非简单的线性关系。［4］目前，就铁路的建设对于区域的经济发展影响研究，主流学界存在两种不同的观点。不少学者认为铁路特别是高铁的建设对于区域经济的发展具有正向的作用，即加强对高速铁路的建设有利于地方经济的发展。刘勇政等通过研究我国的大部分地市的经济面板数据，认为高铁开通对于城市的经济发展起到积极的促进作用，并且推动地区的多产业发展和城镇化进程。［5］而王垚等在实证研究的基础上提出相反的意见，认为新时期我国整体经济增长放缓的大背景下高速铁路的发展并不能引领区域的经济发展。［6］然而，目前我国对于铁路发展带来的经济社会变化的研究主要集中于高速铁路有关方面，长期忽视了普通铁路和快速铁路在社会和经济变革中发挥的作用，而铁路交通运输与经济发展二者间又存在着高度的相关性。［7］因此，考虑包含普通铁路、快速铁路和高速铁路在内的广义铁路发展对于城市的社会和经济发展变革的影响是十分重要的。本文的边际贡献在于利用浙江省相关数据进行实证研究，旨在探究铁路的建设对于城市社会和经济发展的影响，并基于此提出相应的对策，对我国其他城市提出参考性建议。
2.1 熵值法
熵的概念最早源于热力学，是解释系统状态不确定性的一种度量。熵值法作为一种广泛应用的客观赋值方法，能够避免主观赋权的偏失，主要根据各指标传输给决策者信息量的大小来确定指标权数。［8］某项评价指标的差异越大，在熵值法中其熵值越小，该指标包含和传输的信息越多，相应权重越大。具体计算步骤如下：
（1）变量的归一化处理。由于选取的变量量纲的不同，在进行后续分析前应当先进行归一化处理，具体公式如下所示：
（2）计算评价指标的熵值。用ej表示所有方案对于评价指标xj的贡献总量，即熵值。
（3）计算评价指标的权数。将熵值转换为反映差异大小的权数。
2.2 主成分分析（PCA）
主成分分析（principal component analysis，PCA）是一种使用最广泛的数据降维算法。主要思想是将n维特征映射到k维上，k维全新的正交特征也被称为主成分，其是在原有n维特征的基础上重新构造出来的k维特征。计算步骤如下：
（1）计算协方差矩。计算数据的协方差矩阵∑=（sij）p×p，其中
（2）求出∑的特征值人λi及相应的正交化单位特征向量ai。∑的前m个特征值就是前m个主成分对应的方差，λi对应的单位特征向量ai就是主成分Fi的关于原变量的系数，则原变量的第i个主成分Fi为：
主成分的方差贡献率用来反映信息量的大小，ai为：
（3）选择主成分。最终选择累计方差贡献率大于85%的主成分。
（4）计算主成分载荷一。主成分载荷反映主成分Fi与原变量Xj的相互关联程度：
（5）计算主成分得分。计算样本在m个主成分上的得分：
2.3 典型相关分析（CCA）
典型相关分析（canonical correlation analysis，CCA）是利用综合变量来反映两组指标之间的整体相关性的多元统计分析方法。其基本原理是为了从总体上把握两组指标之间的相关关系，分别在两组变量中提取有代表性的两个综合变量，利用这两个综合变量之间的相关关系来反映两组指标之间的整体相关性。计算步骤如下：
（1）找到非零向量小a=（a1，a2，…，an）和b=（b1，b2，…，bn）将两组变量线性组合，如下：
（2）找到两组变量间的关系：
3.1 数据来源
本文采用浙江省统计年鉴、浙江省各主要城市统计年鉴和全国列车时刻表里的列车日经过频次作为分析数据。其中，选择浙江省杭州市、宁波市、温州市、嘉兴市、金华市、衢州市、台州市、丽水市作为研究的主要城市，由于湖州市、绍兴市、舟山市查询不到相应的铁路客运量和货运量，故没有纳入研究当中，各组变量均为来自8 个主要城市统计年鉴的截面数据。
3.2 变量选取
变量分为两个部分。一是浙江各主要城市的发展状况，指标包括：常住人口密度（人/平方千米）、全社会就业人数、第一产业、第二产业、第三产业、财政总收入、国内旅游总收入、社会消费品零售总额、住户存款年末余额、实际使用外资金额等。二是各城市铁路交通运输情况，指标包括：铁路客运量、铁路货运量、铁路运用线日经过频次等。
4.1 描述性统计
通过表1，可以初步分析常住人口密度城市间差距比较大，最小值约为128 人每平方千米，而密度最大的约为1136 人每平方千米；
其他变量均表现出城市间巨大的差异性，且铁路交通运输情况与前面的各项城市发展指标之间似乎存在一定的联系，故就两方面的关系展开研究。
表1 描述性统计结果
4.2 结果与分析
4.2.1 熵值法实证分析
本文利用Excel 将铁路运输三个主要指标进行归一化处理后进行熵值法计算，各指标的熵值和权重如表2 所示。
表2 铁路运输熵值和权重结果
将表2 的权重结果与浙江省8 个地市的数据进行拟合，结果如表3 所示。通过熵值法进行拟合后可以发现，宁波和杭州两个城市的铁路运输建设水平在浙江省遥遥领先，得分比较高，并且与其他城市明显拉开差距，其次是温州市。最后是衢州市，衢州市与第一名宁波市的铁路建设水平差距较大，这表明浙江省内的铁路建设存在显著性差异。
表3 铁路运输综合评价
4.2.2 PCA模型实证分析及结果
将数据导入SPSS，将城市发展指标标准化处理以后，输出特征值和方差贡献度（见表4），提取前两个主成分的累计方差贡献度已经达到90%，可见其能够较好地反应原始各项指标数据，故较为适宜。
表4 特征值和方差贡献度
提取方法：主成分分析。通过Fi与F2两个主成分的成分得分系数矩阵，将Fi与F2的得分算出，再利用两者的方差贡献率作权数算出综合打分F，结果如表5 所示。
表5 城市发展综合得分
通过主成分分析的结果可以发现，杭州和宁波两个城市占据浙江省经济大头，得分比较高并且与其他城市明显拉开差距，而最低的丽水市则与杭州市形成了两个极端，分数相差较远。直观比较表3 和表5，各地市在城市发展和铁路建设两个方面的排位较为接近。为了更加清晰地分析铁路建设对城市发展的影响作用，还需要再做一个两组变量之间的典型相关分析，分析各城市两组变量间具体的相关性。
4.2.3 CCA模型实证分析及结果
通过两组变量的典型相关分析，得出一对在90%的置信水平下显著的典型相关变量，得到一个综合得分，见表6。其中，宁波市两组变量间的关系最为明显，得分最高，其次是衢州市，而杭州的发展与铁路交通运输的关系不太明显，得分最低。
表6 典型相关分析得分情况
通过上述典型相关分析，对这8 个城市做一个聚类，分别分析各自类别城市的特点，聚类效果见表7。
表7 聚类结果
第一类：杭州市、嘉兴市；
第二类：宁波市；
第三类：温州市、金华市、衢州市、台州市、丽水市。
通过上文可知，第一类城市经济和社会的发展状况均较好，且其铁路建设也较为发达，但其城市的发展与铁路交通运输相关性并不大，也就是说这两个城市的铁路交通运输的发达与城市的发达并无直接关系，城市的发展程度只有较小部分来自铁路交通运输建设的贡献；
第二类城市为宁波市，其经济发达，城市发展优良且铁路运输繁荣，两组变量间相关性高，是铁路建设促进城市发展的最佳典范；
第三类城市则为经济与社会发展水平一般，且与铁路交通运输之前关系也一般的城市。值得注意的是衢州市和丽水市，衢州市和丽水市的铁路建设和城市发展水平都是8 个地市中较为落后的，但其两者的关联性排位靠前，衢州市甚至超过了两项指标均靠前的温州市，这表明两市能够有效地利用地区内的铁道交通线路，增强了城市发展的后劲，并成功激发了城市发展潜力。
本次研究分析浙江省主要城市发展状况与铁路运输建设间的关系，大概分为三种情况：经济发达但与铁路运输关系不大、经济发达与铁路关系密切、经济发展一般与铁路运输关系一般。第一类城市中，杭州和嘉兴作为长三角经济带主要成员，其经济的发展可能有较大一部分并不来自于铁路运输的建设，而可能与内陆航运或海运等其他交通运输的发展相关，这也为部分港口城市提供了一定的建设性思路，即发展城市经济、促进城市社会转型并不一定需要完全依靠铁路交通网络的建设，可以立足于本地的地域特点，扬长避短，有效发挥出自身的特色优势，才能实现城市的腾飞发展。第二类城市则为重点关注对象，宁波市的经济发展排名第二，其铁路运输业也非常繁荣，而且两组变量间关系密切，说明铁路运输业对宁波的发展起了很大的作用，并极大地促进了城市的发展。宁波作为长三角中心城市中较早开通高铁的城市之一，其铁路建设是浙江省中最为发达的，外连浙赣线、沪杭线，内通宁波港区，接通全国的铁路网，极大促进了宁波市与沪宁杭、内陆省份的经济文化交流与沟通，这也为宁波经济焕发活力注入了新动能。同时，宁波也是全国最为繁忙的铁路交通枢纽之一，根据《全国列车时刻表》，宁波日均列车过站达到353 车次，居省内前列，其中城际铁路还创下单日最高发送旅客7211 人次纪录。第三类城市经济发展一般，与铁路运输建设的关系也较为一般，但值得注意的是丽水和衢州两市，两市均位于浙江省的中西部境内，并无海港，经济活动较大程度依靠铁路运输。虽然两市的铁路建设和城市发展在省内较为落后，但两市的城市发展过程中铁路建设作出了不少贡献，这对部分中西部城市有着一定的借鉴意义。中西部城市在发展过程中起步和速度都比东部城市落后，应当充分利用铁路建设带来的溢出效应，把握发展时机，进而提高城市综合实力。
本次研究选取了交通运输和经济较为发达的浙江省作为研究对象，能够更好地得到城市发展与交通运输建设之间的关系，但受相关研究数据的限制，本文的两个评价指标体系还有进一步完善的空间，在后续研究中应当进一步优化。由于每个地区都有自身的独特性与唯一性，加之选取的样本有限，不足以支持全国各地区的具体情况。因此，本文研究结论仍然存在一定的局限性，仅能为其他地区提供参考性意见。
猜你喜欢 铁路变量指标 一类带临界指标的非自治Kirchhoff型方程非平凡解的存在性数学物理学报(2022年5期)2022-10-09抓住不变量解题小学生学习指导(高年级)(2021年4期)2021-04-29沿着中老铁路一路向南云南画报(2021年12期)2021-03-08也谈分离变量河北理科教学研究(2020年2期)2020-09-11最新引用指标计算机应用(2018年12期)2019-01-08莫让指标改变初衷商周刊(2018年26期)2018-12-29铁路通信线路维护体制改革探索与实践铁道通信信号(2018年7期)2018-08-29无人机在铁路工程建设中的应用与思考通信电源技术(2016年4期)2016-04-04梦想在铁路人心中流淌中国火炬(2015年7期)2015-07-31制造强国的主要指标中国工程科学(2015年7期)2015-02-27