综合交通运输服务指数构建与应用研究

Research on Construction and Application of Comprehensive Transportation Service Index

摘要

交通运输作为国民经济和社会发展的“先行官”，是经济社会发展的重要标志。而综合交通运输体系发展是当代交通运输发展的新趋势、新方向。为健全和完善综合交通运输体系，提出构建综合交通运输服务指数方法，并以陕西省为例，选取铁路、公路、水运、航空、邮政五大运输领域运量数据，通过对缺失值补充、季节调整、无量纲化、熵权法确定权重，进而使用Fisher-ideal方法构建陕西省综合交通运输服务指数，并结合HP滤波处理的周期性分析、重大事件影响分析验证其合理性。结果表明：构建的综合交通运输服务指数能在一定程度上发挥宏观经济的先行指标功能，可展现不同阶段重大事件对交通运输业的影响，具有适用性。

Abstract

As the "forerunner" of national economic and social development, transportation is an important symbol of economic and social development. Comprehensive transportation system represents a new trend of contemporary transportation development. In order to improve the comprehensive transportation system, a method for constructing a comprehensive transportation service index was proposed. Taking Shaanxi Province as an example, the data on the transportation volume via railway, highway, waterway, aviation and postal service were selected. Through the missing value supplement, seasonal adjustment, nondimensionalization, entropy weight method to determine the weight, then the Fisher-ideal method was used to construct the comprehensive transportation service index suitable for Shaanxi Province, with its rationality verified based on the periodic analysis of HP filter processing and the impact analysis of major events. The results show that the constructed comprehensive transportation service index can serve as a leading index of macro economy to some extent, and can show the impact of major events at different stages on the transportation industry, with due applicability.

Graphical abstract

关键词

综合交通运输服务指数 / 熵权法 / Fisher-ideal方法 / 周期性分析 / 重大事件影响分析

Key words

Comprehensive Transportation Service Index / Entropy Weight Method / Fisher-ideal Method / Periodicity Analysis / Impact Analysis of Major Events

0　引言

中共中央、国务院印发《交通强国建设纲要》^[1]《国家综合立体交通网规划纲要》^[2]，进一步明确了交通新的历史使命，将行业基础性、引领性、战略性和服务性地位推向了一个全新高度。在此背景下，在铁路、公路、水路、航空等运输方式已得到较为充分发展的基础上，为推进不同交通方式间的整合，进一步健全和完善综合交通运输体系，亟需一个能综合反映交通运输行业发展的监测性指数。而综合交通运输服务指数的构建及相关成果应用则是准确把握交通运输行业运行态势、提升行业发展水平和服务能力的重要依据。它是从综合交通的角度出发，选取铁路、公路、水运、航空、邮政运量数据为基础指标，经过季节调整、无量纲化、权重设置、合成指数等处理环节，加权合成后用来反映交通运输行业总体运行状况的行业指数。该指数分为货运指数、客运指数及综合指数，不仅能够反映交通运输行业的总体发展态势及变化趋势，而且还能进一步结合宏观经济数据分析其对宏观经济的预警作用。

国内外学者对综合交通运输发展指数进行了大量研究。国外最早可追溯至2002年，美国学者Lahirit和Stekler在美国运输统计局支持下，构建了运输服务产出指数(TSOI)^[3]，随后该指数发展成为研究交通运输经济的运输服务指数(TSI)，并于2004年开始对外发布^[4]。我国关于反映综合交通运输发展的指数研究起步较晚。王建伟等^[5]选取道路、铁路、水运、航空4种运输方式的周转量数据编制了中国运输服务指数，并与同期宏观经济景气指数中的一致性指数进行比对，得出货运服务指数为宏观经济的先行指标，客运服务指数为一致性指标的重要结论。陶续林、李莹等^[6-7]分别编制了江苏省和天津市交通运输服务指数。周健等^[8]选取公路、铁路、港口、民航、快递5种货运方式，以及公路、铁路、水运、民航4种客运方式的运量数据，构建了中国运输服务指数(CTSI)，并结合相关性、周期性等对该指数的合理性进行了检验。罗立翔等^[9]结合地方统计部门对工业增加值的计算方法，构建了适用于地方省级交通运输部门的运输服务指数模型。从研究内容上看，现有研究对综合运输服务指数构建的必要性均有一致认识，但在此共识下对综合运输服务指数的应用问题研究还不够深入，且对综合运输服务指数与宏观经济的关系研究还缺乏论证。从研究方法上看，现有研究在综合运输服务指数构建中对指标选取、权重设置和指数合成还没有形成统一认识。

综上，参考以往经验做法，以陕西省为例，构建综合交通运输服务指数，包括对遴选指标数据进行预处理、设置指标权重、进行指数合成，并分析其变化趋势及相关成果应用等。

1　综合交通运输服务指数构建思路与方法

以陕西省统计数据为基础，通过选取基础指标，对基础数据进行缺失值补充、季节调整及无量纲化处理，采用熵权法对各运输方式进行权重设置，进而通过Fisher-ideal方法合成指数，最终形成陕西省月度综合交通运输客运、货运和综合服务指数。综合交通运输服务指数技术路线图如图1所示。

1.1　基础指标选取

综合交通运输服务指数基础指标的选取，是以综合性强、时效性好、关联性大，能充分满足行业发展分析与决策需要为原则，选取铁路、公路、水运、航空、邮政5种货运方式，以及铁路、公路、水运、航空4种客运方式的运输量作为构建综合交通运输服务指数的基础指标。综合交通运输服务指数构建指标集如表1所示。其中，货邮吞吐量和旅客吞吐量是机场完成指标。原始数据来源于陕西省统计局官网^[10]，时间范围为2015年1月至2021年6月，考虑到基础数据量较大及篇幅限制，故不再给出。

1.2　基础数据处理

以公路货运为例，由于交通运输业受节假日影响显著，易呈现明显的季节性波动，为更好地揭示其客观变化的趋势与规律，采用X-12-ARIMA时间序列季节调整方法^[11-14]，对存在季节效应的指标去除季节性，形成新的序列。陕西省公路货运量季节调整前后值对比如图2所示。

为使不同量纲下的指标具有可比性，还需对进行季节调整后的数据做无量纲化处理。常用的无量纲化处理方法有标准化法、阈值法和指数处理法等^[15]。其中标准化法和阈值法对加入的新数据较敏感，往往需重新计算，缺乏延续性，而指数化法能弥补前2种方法的不足。因此，以基期指标量为基础，选取指数化法对各指标数据进行无量纲化处理，方法如下。

I_{ti}=\frac{q_{ti}}{q_{\mathrm{0}i}}　　 i=\mathrm{1,2},\dots ,\mathrm{9}⑴

式中：I_{ti}为报告期t，第i种指标的运量指数；q_{ti}为报告期t，第i种指标的运量；q_{\mathrm{0}i}为基期，第i种指标的运量。

研究以2015年为基期，将2015年全年各指标的运量分别取均值作为各自的基期运量。

1.3　权重设置

权重设置是综合交通运输服务指数构建的关键，它用于衡量各种运输方式对整个行业的相对重要度，权重设置的合理与否对评价结果的科学合理性起着至关重要作用。在此之前许多学者采用增加值法^[5]、运价法^[6]等作为权重设置的方法，在此未必妥当。一是交通运输业增加值受统计制度的影响，是以年为单位进行统计，而交通运输服务指数为月度频度数据，频度不一致；另外其投入产出表以5年为一个时间节点进行公布，具体采用哪个时期的增加值值得进一步探讨。二是由于价值因素复杂，指数本身即为产出指标，加入价格因素导致误差增大，所以采用运价法也较不准确。

主观赋权法主要有德尔菲法、层次分析法等，该类方法的优点是决策者可以根据具体问题和专家已有的认知对各指标的权重进行排序，但有时会存在主观随意性较强，不足以客观反映实际的情况。客观赋权法主要有主成分分析法、变异系数法等，该类方法在操作中是根据客观数据之间的关系来计算确定权重，方法科学。熵权法是一种客观赋权法，可用于多指标多对象的综合评价，其评价结果主要依据客观资料，几乎不受主观因素影响，可以在很大程度上避免人为因素干扰。结合交通运输行业数据特征，提出采用熵权法^[16]确定指数权重。计算方法如下。

（1）数据标准化处理。设有n个被评价对象，并给定k个评价指标x_{\mathrm{1}},x_{\mathrm{2}},\dots ,x_k，假设对各指标数据标准化后的值为y_{\mathrm{1}},y_{\mathrm{2}},\dots ,y_k，则

y_{ij}=\frac{x_{ij}}{{\displaystyle \sum _{i=\mathrm{1}}^n}{x}_{ij}}　 i=\mathrm{1,2},\dots ,n　 j=\mathrm{1,2},\dots ,k⑵

（2）求各指标的信息熵。第j个评价指标的信息熵H_j 为

H_j=-\mathrm{l}\mathrm{n}{(n)}^{-\mathrm{1}}{\displaystyle \sum _{i=\mathrm{1}}^n}{f}_{ij}\mathrm{l}\mathrm{n}{f}_{ij}⑶

其中，f_{ij}=\frac{y_{ij}}{{\displaystyle \sum _{i=\mathrm{1}}^n}{y}_{ij}}；并假定，当f_{ij}=\mathrm{0}时，f_{ij}\mathrm{l}\mathrm{n}{f}_{ij}=\mathrm{0}。

（3）各指标权重确定。由信息熵的计算方法，得到各指标的信息熵为H_{\mathrm{1}},H_{\mathrm{2}},\dots ,H_k，从而计算得各指标的权重w_j为

w_j=\frac{\mathrm{1}-H_j}{k-{\displaystyle \sum _{j=\mathrm{1}}^k}{H}_j}⑷

根据以上计算方法，确定客运权重如表2所示，货运权重如表3所示，综合权重如表4所示。

1.4　指数合成

参照周建构建的中国运输服务指数(CTSI)^[8]中的Fisher-ideal方法^[17]构建陕西省综合交通运输服务指数，计算公式如下。

（1）客运服务指数。以2015年1月作为基期，设其指数为100，客运服务指数计算公式如下。

\mathrm{客运}\mathrm{服务}\mathrm{指数}=\frac{{\displaystyle \sum _{i=\mathrm{1}}^{\mathrm{4}}}{q}_{ti}\times w_{\mathrm{1}i}}{{\displaystyle \sum _{i=\mathrm{1}}^{\mathrm{4}}}{q}_{\mathrm{0}i}\times w_{\mathrm{1}i}}\times \mathrm{100}\mathrm{ }\mathrm{ }i=\mathrm{1,2},\dots ,\mathrm{4}⑸

式中：q_{ti}表示在t时期，第i种旅客运输方式的运量；q_{\mathrm{0}i}表示在基期第i种旅客运输方式的运量；w_{\mathrm{1}i}表示第i种旅客运输方式的权重。

（2）货运服务指数。以2015年1月作为基期，设其指数为100，货运服务指数计算公式如下。

\mathrm{货运}\mathrm{服务}\mathrm{指数}=\frac{{\displaystyle \sum _{i=\mathrm{1}}^{\mathrm{5}}}{q}_{ti}\times w_{\mathrm{2}i}}{{\displaystyle \sum _{i=\mathrm{1}}^{\mathrm{5}}}{q}_{\mathrm{0}i}\times w_{\mathrm{2}i}}\times \mathrm{100}\mathrm{ }\mathrm{ }i=\mathrm{1,2},\dots ,\mathrm{5}⑹

式中：q_{ti}表示在t时期，第i种货物运输方式的运量；q_{\mathrm{0}i}表示在基期第i种货物运输方式的运量；w_{\mathrm{2}i}表示第i种货物运输方式的权重。

（3）综合服务指数。以2015年1月作为基期，设其指数为100，综合服务指数计算公式如下。

\mathrm{综合}\mathrm{服务}\mathrm{指数}=\frac{{\displaystyle \sum _{i=\mathrm{1}}^{\mathrm{9}}}{q}_{ti}\times w_i}{{\displaystyle \sum _{i=\mathrm{1}}^{\mathrm{9}}}{q}_{\mathrm{0}i}\times w_i}\times \mathrm{100}\mathrm{ }\mathrm{ }i=\mathrm{1,2},\dots ,\mathrm{9}⑺

式中：q_{ti}表示在t时期，第i种运输方式的运量；q_{\mathrm{0}i}表示在基期第i种运输方式的运量；w_i表示第i种运输方式的权重。

2　结果分析与相关应用

2.1　测算结果与分析

根据上述对陕西省综合交通运输服务指数基础数据的处理、权重设置及指数合成方法，计算得到陕西省综合交通运输客运、货运、综合服务指数如图3所示。

从图3可以看出，2020年年初疫情爆发后，在全国运输生产的波动下，陕西省综合服务指数在1月、2月相比于2019年12月分别出现了28.45%和37.01%的降幅。从2020年3月初开始，随着全国疫情基本得到有效控制，以及复工复产的快速推进，运输生产进入修复期，陕西省综合服务指数逐步上升。通过客运服务指数和货运服务指数对比发现，受疫情影响，客货运输疫情后恢复时间等特征具有差异性。陕西省货运面对疫情冲击，表现出了强大韧性，尽管2020年1月、2月货运服务指数相比于2019年12月分别出现了18.37%和25.86%的降幅，但之后迅速进入修复通道，3月实现年内首次正增长。相对来说，陕西省客运对疫情变化的反应更加敏感。尽管2020年3月起各地复工复产加速推进，但客运服务指数仍处于下降趋势，2020年3月相比于2019年12月下降了66.82%，4月起慢慢上升。之后，由于各地出现零星散发疫情，陕西省客运服务指数进入了较长时间的波动修复过程。此外，结合2021年年初疫情反弹状况来看，陕西省客运、货运、综合服务指数均又产生了一次降幅。

2.2　相关应用分析

基于上述对陕西省综合交通运输服务指数的测算结果与分析，为验证其能够实时、动态地跟踪和预测地区宏观经济的波动情况，将其与GDP指数进行对比。这里，2015年至2021年二季度的陕西省GDP季度数据通过Eviews软件处理为月度数据，并同样以2015年1月为基期，设其指数为100，根据下列公式计算2015年1月至2021年6月各月GDP指数。

\mathrm{G}\mathrm{D}\mathrm{P}\mathrm{指数}=\frac{G_t}{G_{\mathrm{0}}}\times \mathrm{100}⑻

式中：G_t为t时期陕西省GDP；G_{\mathrm{0}}为基期陕西省GDP。

陕西省综合交通运输服务指数与GDP指数对比如图4所示。从图4可以看出，陕西省客运、货运及综合服务指数的变动趋势，自2019年底开始出现变动趋势的同步性，且货运服务指数、综合服务指数的变动趋势与GDP指数的变动趋势相似性更高，表明该指数能够较好地反映宏观经济发展态势，是研判宏观经济发展态势的重要量化指标。进而利用周期性分析，以及通过与重大事件影响分析来证实该指数构建的合理性和有效性。

2.2.1　周期性分析

为进一步探索陕西省客运、货运、综合服务指数与GDP之间的关系，采用HP滤波(Hodrick-Prescott filter)^[18]来剔除时间序列数值趋势，得到各个指数的周期性序列。陕西省客运服务指数与GDP指数周期性序列对比如图5所示，陕西省货运服务指数与GDP指数周期性序列对比如图6所示，陕西省综合服务指数与GDP指数周期性序列对比如图7所示。

从图5至图7可以看出，陕西省客运、货运、综合服务指数与GDP指数之间的周期性变化趋势基本一致。另外，发现指数的周期性序列呈现不同程度的震荡，有较为明显的波峰和波谷。故通过时差相关分析法得出各指数与GDP指数先行滞后分析表如表5所示，具体研判综合交通运输服务指数对宏观经济的预判情况。

时差相关分析是利用相关系数验证经济时间序列先行、一致或者滞后关系的一种常用方法。通过计算陕西省客运、货运、综合服务指数的增长率序列同地区生产总值增长率序列之间的时差相关系数，记录每一组时差相关系数中系数所对应的先行或者滞后期数，根据这个期数来判定该指标相对于地区生产总值增速是先行指标还是滞后指标。具体计算方法如下。

设y=\{y_{\mathrm{1}},y_{\mathrm{2}},\dots ,y_n\}为陕西省地区生产总值指标，x=\{x_{\mathrm{1}},x_{\mathrm{2}},\dots ,x_n\}为陕西省客运、货运、综合服务指数，r为时差相关系数，则

⑼

式中：r为时差相关系数；l为时差数，取正值表示领先，取负值表示滞后；n_l为样本个数。

由表5可以看出，陕西省综合交通运输服务指数均领先于GDP指数。其中，客运服务指数波峰波谷出现的时间分别领先于GDP指数6个月和3~4个月；货运服务指数波峰波谷出现的时间均领先于GDP指数4~5个月；综合服务指数波峰波谷出现的时间分别领先于GDP指数5~6个月和4个月。说明陕西省综合交通运输服务指数对地区宏观经济具有一定的先行指标特点和预判作用，能够在一定程度上发挥宏观经济的先行指标功能。

2.2.2　重大事件影响分析

2020年1月新冠疫情对全国旅客运输、货物运输造成了不同程度影响，旅客运输量、货物运输量大幅减少；2020年4月全面推进复工复产，各省企业逐步恢复正常；2021年1月新冠疫情再次反弹，各省交通运输又受到影响。从图3可以看出，2020年1月至4月，陕西省综合服务指数同比经历了跌向波谷到逐步上升的剧烈震荡，2021年1月至2月陕西省综合服务指数再次出现较大降幅，与宏观经济GDP指数变动趋势一致。由此可见，陕西省综合交通运输服务指数能较好地拟合重大事件对宏观经济的影响。

3　结束语

研究提出构建综合交通运输服务指数，并以陕西省为例，定量分析了其发展趋势。结果表明，陕西省综合交通运输服务指数对宏观经济GDP指数变动趋势具有较好的先行预判作用，且能在一定程度上展现不同阶段重大事件对交通运输行业产生的影响。综合交通运输服务指数不仅对交通运输行业服务国民经济发展能力具有重要作用，同时也可以对交通强国建设、加强和完善综合交通运输体系提供有力支撑。在后续研究中，将通过参考全国城市客、货运量分省指标，进一步发挥城市客、货运指标的研判作用。

参考文献

[1] 中共中央国务院印发交通强国建设纲要[N].人民日报，2019-09-20(04).

[2] 中共中央国务院印发国家综合立体交通网规划纲要[N].人民日报，2021-02-25(01).

[3] LAHIRI K， STEKLER H， YAO W， et al. Monthly Output Index for the U.S. Transportation Sector[J]. Social Science Electronic Publishing，2003.

[4] 宋晓丽，梁仁鸿，宋肖红，等.美国运输服务指数综述[J].交通世界(运输·车辆)，2012(5)：47-49.

[5] 王建伟，薛盘芬.中国运输服务指数的编制及应用研究[J].统计与信息论坛，2012，27(4)：72-76.

[6] 陶绪林，鲁 涛，周 晶.交通运输服务指数的构建[J].统计与决策，2013(6)：8-11.

[7] 李 莹.天津市交通运输服务指数编制方法及应用研究[D].天津：天津财经大学，2020.

[8] LI Ying. Research on Method and Application of Tianjin Transportation Service Index[D].Tianjin：Tianjin University of Finance and Economics，2020.

[9] 周 健，傅昭南，田茂再.基于TSI指数的中国运输服务指数构建[J].系统工程理论与实践，2015，35(4)：965-972.

[10] ZHOU Jian， FU Zhaonan， TIAN Maozai. China Transportation Services Index Construction Based on TSI Index[J].Systems Engineering-Theory & Practice，2015，35(4)：965-972.

[11] 罗立翔，章 玉.省级交通运输生产指数构建：以重庆为例[J].综合运输，2020，42(2)：114-119.

[12] LUO Lixiang， ZHANG Yu. Construction of Provincial Transportation Service Index：A Case Study of Chongqing[J]. China Transportation Review，2020，42(2)：114-119.

[13] 陕西省统计局.统计数据[EB/OL].[2023-09-05].

[14] 范 维，张 磊，石 刚.季节调整方法综述及比较[J].统计研究，2006，23(2)：70-73.

[15] FAN Wei， ZHANG Lei， SHI Gang. Summary and Comparison of Seasonal Adjustment Methods[J]. Statistic Research， 2006，23(2)：70-73.

[16] 高铁梅 ．计量经济分析方法与建模：EViews应用及实例[Ｍ].2版.北京：清华大学出版社，2009．

[17] 中国人民银行调查司.时间序列X-12-ARIMA季节调整：原理与方法[M].北京：中国金融出版社，2006.

[18] 刘建平，王雨琴. 季节调整方法的历史演变及发展新趋势[J].统计研究，2015，32(8)：90-98.

[19] LIU Jianping， WANG Yuqin. The Historical Evolution and New Development Trend of Seasonal Adjustment Method[J]. Statistic Research，2015，32(8)：90-98.

[20] 孙 冰.综合货物运输量与国民经济关联关系研究[D].西安：长安大学，2017.

[21] SUN Bing. Study on the Relationship between the Comprehensive Freight Volume and the National Economy[D]. Xi'an：Chang'an University，2017.

[22] 杨 宇.多指标综合评价中赋权方法评析[J].统计与决策，2006(13)：17-19.

[23] 游玲杰.论费雪“理想”指数的现实价值[J].江苏统计，2000(9)：13-15.

[24] 李国祥，李永清，马天骄.基于HP滤波法的我国CPI波动规律研究[J].经济问题，2017(10)：60-65，125.

基金资助

陕西省交通运输厅科研项目(19-23R)

陕西省交通运输厅科研项目(20-09R)