謝菲 夏洪山 鄭燕琴

（南京航空航天大學(xué)民航學(xué)院 南京 210016）

0 引 言

區(qū)域經(jīng)濟是影響機場發(fā)展的重要制約因素，機場與區(qū)域經(jīng)濟相互影響，機場不僅承擔(dān)輻射區(qū)域內(nèi)的航空客貨運輸需求，并且?guī)涌崭鬯诘丶爸苓吅娇罩赶蛐彤a(chǎn)業(yè)的發(fā)展；而區(qū)域經(jīng)濟的發(fā)展也會引至航空客貨運輸需求的提升，從而助推機場的進一步發(fā)展.

文獻［1］指出，歐洲地區(qū)的機場對周邊區(qū)域經(jīng)濟產(chǎn)生影響，并將機場的區(qū)域經(jīng)濟影響力從直接、間接、誘導(dǎo)及催化影響四方面進行總結(jié)分析；Stephen J.Appold［2］針對美國25個機場，從就業(yè)與GDP兩方面著手進行研究，證實機場在區(qū)域經(jīng)濟發(fā)展中發(fā)揮著重要的作用；類似的研究還有Jacco Hakfoort 等［3］對阿姆 斯特丹 基浦機 場、Beyers等對美國King County國際機場的研究.我國該領(lǐng)域研究起步較晚，宋偉等［4］從原生效益、次生效益和永久性效益4個層次分析接近航空樞紐的人口與產(chǎn)業(yè)所獲得的經(jīng)濟利益與區(qū)位優(yōu)勢，驗證了機場對城市和區(qū)域經(jīng)濟發(fā)展的推動作用；劉海波等［5］通過分析機場與腹地經(jīng)濟發(fā)展協(xié)調(diào)演進的三個階段，驗證了機場與腹地經(jīng)濟發(fā)展間的協(xié)同關(guān)系；彭語冰等［6］用理論演繹和實證歸納方法分析機場與區(qū)域經(jīng)濟間的相互關(guān)系，論述了區(qū)域經(jīng)濟和諧發(fā)展的現(xiàn)狀和存在的主要問題；曹允春等［7-9］歸納總結(jié)了機場對推動區(qū)域經(jīng)濟發(fā)展的幾種具體表現(xiàn).可以看出，在以往研究中，主要關(guān)注于機場如何促進區(qū)域經(jīng)濟發(fā)展，由于對區(qū)域經(jīng)濟與機場發(fā)展的關(guān)聯(lián)程度研究的不足，鮮有具有說服力的數(shù)據(jù)支撐，因此缺乏對機場與區(qū)域經(jīng)濟發(fā)展耦合作用機理的深入研究.譬如，王劍雨［10］以深圳機場為例，利用投入產(chǎn)出法對民航機場社會經(jīng)濟效益進行分析，但是數(shù)據(jù)上存在滯后性；陳林［11］僅從產(chǎn)業(yè)關(guān)聯(lián)的角度測算航空運輸業(yè)對經(jīng)濟社會的貢獻.因此本文擬采用面板數(shù)據(jù)對機場規(guī)模與區(qū)域經(jīng)濟關(guān)聯(lián)性進行定量分析，數(shù)據(jù)來源于近年來全國范圍內(nèi)多個機場，代表性強，以避免單獨使用時間序列數(shù)據(jù)或是截面數(shù)據(jù)對二者關(guān)聯(lián)程度進行檢驗存在偏差.

1 面板數(shù)據(jù)模型

面板數(shù)據(jù)又稱縱列數(shù)據(jù)，包括時間序列數(shù)據(jù)以及橫截面數(shù)據(jù)，屬于二維數(shù)據(jù).相比于一般的混合橫截面數(shù)據(jù)，面板數(shù)據(jù)在各個時期每個截面的個體是沒有變化的.因此，在進行經(jīng)濟分析模型假設(shè)時，面板數(shù)據(jù)更加實用，包含的數(shù)據(jù)信息量更大.本文擬采用的面板數(shù)據(jù)對機場與區(qū)域經(jīng)濟的關(guān)聯(lián)性進行分析，既可以描述樣本的動態(tài)變化，也可以反映個體之間的差異.這種數(shù)據(jù)方法能夠處理更多的信息，并且減少共線性.

2 機場分類

在民航運輸系統(tǒng)中，機場是一個非常重要的組成部分.鑒于不同級別的機場對經(jīng)濟的影響程度以及方式有所不同，因此，在分析機場規(guī)模與區(qū)域經(jīng)濟之間的關(guān)聯(lián)性之前，需要對機場進行合理分類.根據(jù)不同的分類標(biāo)準(zhǔn)，可以對機場進行不同的劃分［12］.民航局頒布的《民用機場服務(wù)質(zhì)量標(biāo)準(zhǔn)》［13］，按照機場客流量的不同，將機場分為I到VI類，見表1.

綜合考慮區(qū)域經(jīng)濟與機場規(guī)模影響機制，結(jié)合國家《民用機場服務(wù)質(zhì)量標(biāo)準(zhǔn)》，根據(jù)機場地理位置以及航線網(wǎng)絡(luò)布局形式的差異，以旅客吞吐量為劃分指標(biāo)，將國內(nèi)機場分為三個級別：第一級為1000萬人次以上，主要包括區(qū)域樞紐機場；第二級別為100～1000萬人次之間，主要包括一些省會機場；第三級別為100萬人次以下的機場，主要為一些支線機場.第一級別主要以樞紐機場為主，一般位于區(qū)域中心城市，多采用樞紐式航線網(wǎng)絡(luò)布局形式，由于其樞紐式的網(wǎng)絡(luò)結(jié)構(gòu)能夠吸引更多的航班，促進通航城市數(shù)量和航班密度增加，更加容易帶動機場非航業(yè)務(wù)以及周邊區(qū)域經(jīng)濟發(fā)展.第二級別主要涵蓋位于省會城市的干線機場以及東部經(jīng)濟發(fā)達地區(qū)的機場，多采用城市對航線網(wǎng)絡(luò)布局形式，與樞紐中轉(zhuǎn)運輸方式比起來旅客數(shù)更少，因此也限制了航班的頻數(shù)，旅客對航班的選擇性降低.第三級別主要是位于中小城市的支線機場，多采用城市對航線網(wǎng)絡(luò)布局形式，這類機場吞吐量很小.不同級別機場的航線網(wǎng)絡(luò)布局差異很大，旅客類型也有較大差異.

表1 民航總局機場標(biāo)準(zhǔn)分類原則

3 變量選取與數(shù)據(jù)來源

由于機場投資建設(shè)項目具有投資規(guī)模大、占用土地多、建設(shè)周期長、風(fēng)險性高的特點.作為投資者，必須清楚項目投資的風(fēng)險所在［14］.因此，選取合理的機場作為指標(biāo)進行分析是至關(guān)重要的.由于我國幅員遼闊，東西部經(jīng)濟發(fā)展不均衡，機場分布也不均衡.中西部地區(qū)經(jīng)濟相對落后，這使得一些機場處于閑置狀態(tài)，造成資源的浪費，同時，由于機場并沒有完全發(fā)揮運輸客貨的功能，其對當(dāng)?shù)亟?jīng)濟的帶動作用也并不明顯.東部沿海地區(qū)機場的分布密度遠大于中西部地區(qū)，一些區(qū)域機場分布密度過大，反而造成惡性競爭，使得機場的運營效率低下，與當(dāng)?shù)亟?jīng)濟的良性循環(huán)也沒有形成.除此之外，在機場密度較大的地區(qū)，由于航班密度以及機場設(shè)施的不同，旅客多集中于樞紐機場，造成樞紐機場航班密度過大且負荷過重，而其周邊地區(qū)的機場旅客量太少，出現(xiàn)資源閑置的現(xiàn)象.為了提高模型計算效率和精度，本文將篩選出典型且能夠明確反映當(dāng)?shù)貐^(qū)域經(jīng)濟狀況的機場作為數(shù)據(jù)樣本.

文中以2012年我國機場旅客吞吐量為依據(jù)，將機場分為3個級別進行分析研究，觀察機場規(guī)模與區(qū)域經(jīng)濟之間的關(guān)聯(lián)性.第一級別為年吞吐量大于1000萬人次的機場，選取北京首都國際機場、廣州白云機場、深圳寶安機場、成都雙流機場、杭州蕭山機場，第二級別為100萬～1000萬人次之間的省會機場，選取哈爾濱太平機場、福州長樂機場、石家莊正定機場、天津濱海機場、無錫碩放機場；第三級別為100萬人次以下的支線機場，選取常州奔牛機場、威海國際機場、南通興東機場、海拉爾東山國際機場、騰沖駝峰機場，主要為旅游資源型機場以及經(jīng)濟發(fā)展較好的城市機場.

綜上對機場規(guī)模與區(qū)域經(jīng)濟的分析，本文選取上述3個級別機場15 個城市的GDP、旅游旅客人數(shù)、進出口額、居民可支配收入、機場旅客年吞吐量等指標(biāo)作為在實證分析研究的變量，以2000～2011年的年度數(shù)據(jù)作為樣本，數(shù)據(jù)來源于各市的統(tǒng)計年鑒以及各年度《從統(tǒng)計看民航》.

4 模型估計

4.1 面板數(shù)據(jù)單位根檢驗

在進行建模前，首先要對數(shù)據(jù)進行平穩(wěn)性檢驗.根據(jù)數(shù)據(jù)是否同質(zhì)，需要進行單位根檢驗.由于本文選取的15個樣本情況差異大，為不同質(zhì)面板數(shù)據(jù)，因此，進行單位根檢驗時，選用IPS，ADF-Fisher，PP-Fisher5 方法.在做單位根檢驗前，需要畫出數(shù)據(jù)的時序圖，用以判斷數(shù)據(jù)是否含有趨勢和截距.圖2為北京地區(qū)與廣州地區(qū)數(shù)據(jù)的部分時序圖.

圖1 北京、廣州地區(qū)數(shù)據(jù)時序圖

表2為2000年到2011年15個地區(qū)機場旅客吞吐量（LK）、國內(nèi)生產(chǎn)總值（GDP）、旅游旅客人數(shù)（LY）、進出口額（EX）、人均可支配收入（SR）及其各自對應(yīng)差分指標(biāo)面板數(shù)據(jù)的單位根檢驗結(jié)果.可以看出，該面板數(shù)據(jù)在5%顯著性水平下，都接受了單位根的原假設(shè)，即沒有通過檢驗，說明面板數(shù)據(jù)變量序列不平穩(wěn).繼續(xù)進行一階差分，在得出其一階差分后，序列在5%顯著性水平下拒絕原假設(shè)，說明序列平穩(wěn).由此可知，該面板數(shù)據(jù)為一階單整數(shù)據(jù).

表2 2000～2011年15個地區(qū)面板數(shù)據(jù)單位根檢驗

4.2 協(xié)整檢驗

本文采取的數(shù)據(jù)屬于非同質(zhì)面板，在進行協(xié)整檢驗時，采用Pedroni檢驗.其基本檢驗?zāi)Ｐ蜑?/p>

根據(jù)式（1），利用eviews6.0軟件對面板數(shù)據(jù)進行協(xié)整檢驗，得出的結(jié)果見表3.

表3 基于Pedroni檢驗的協(xié)整檢驗情況

據(jù)相關(guān)文獻指出，Group統(tǒng)計量相比于Panel統(tǒng)計量更具有檢驗效力.根據(jù)表中檢驗結(jié)果，Group統(tǒng)計量的值在顯著性水平5%的情況下，都是拒絕不存在協(xié)整關(guān)系的原假設(shè)，表明旅客吞吐量（LK）與國內(nèi)生產(chǎn)總值（GDP）、旅游旅客人數(shù)（LY）、進出口額（EX）、人均可支配收入（SR）等變量之間存在協(xié)整關(guān)系；Panel統(tǒng)計量中，除了Panel PP-Statistic以外，其他統(tǒng)計量在顯著性水平5%的情況下，也拒絕了原假設(shè)，雖然Panel PPStatistic接受了原假設(shè)，但從整體來看，還是可以拒絕原假設(shè)，認(rèn)為機場規(guī)模指標(biāo)變量與區(qū)域經(jīng)濟指標(biāo)變量之間是存在協(xié)整關(guān)系的，說明機場規(guī)模與區(qū)域經(jīng)濟之間存在長期的均衡關(guān)系.

4.3 模型估計

面板數(shù)據(jù)的模型有3類，一般通過F檢驗確認(rèn)不是混合模型之后，就要檢驗是固定效應(yīng)還是隨機效應(yīng)，一般可采用Hausman檢驗，在確定模型之后開始回歸分析.本文需要研究不同吞吐級別下，機場規(guī)模與區(qū)域經(jīng)濟之間的不同關(guān)系，所以在上述機場分類基礎(chǔ)上，按機場旅客吞吐量分類，將15個機場分為3 組進行模型估計，為方便描述，這里分別叫第一級別機場、第二級別機場以及第三級別機場.

1）F檢驗 采用F檢驗法判斷3組面板數(shù)據(jù)是否采用混合模型.結(jié)果見表4.

表4 F 檢驗法檢驗結(jié)果

根據(jù)上述F檢驗法的定義，原假設(shè)為：采用混合估計模型進行建模，在顯著性水平5%時，F(xiàn)值大于臨界值Fa（N，NT-N-k），則拒絕原假設(shè)，不采用混合估計模型；反之，則采用混合估計模型.由表4結(jié)果可以看出，三類機場的面板數(shù)據(jù)組在F檢驗中，F(xiàn)值均大于臨界值Fa（N，NT-Nk），表明三類機場分組數(shù)據(jù)均拒絕使用混合模型.

2）Hausman檢驗 對3組面板數(shù)據(jù)進行完F檢驗，確定不選用混合估計模型后，就需要進行判別選擇固定效應(yīng)模型還是隨機效應(yīng)模型.采用Hausman檢驗進行判別.結(jié)果見表5.

表5 Hausman檢驗法檢驗結(jié)果

根據(jù)Hausman檢驗法［15］定義，原假設(shè)為建立隨機效應(yīng)模型，即自變量與個體影響是不相關(guān)的.當(dāng)P值大于0.05時，則認(rèn)為自變量與個體影響不相關(guān)，反之，則相關(guān).由表5結(jié)果可以看出，第一級別機場與第三級別機場的P值分別為0.0013和0.0008，小于0.05，認(rèn)為自變量與個體差異有關(guān)，選用固定效應(yīng)模型.第二級別機場的P值大于0.05，接受原假設(shè)，認(rèn)為自變量與個體差異無關(guān)，選用隨機效應(yīng)模型.三組面板數(shù)據(jù)是按照機場不同旅客吞吐量進行分類，并根據(jù)上述的模型估計構(gòu)建相應(yīng)的模型.

第一級別機場（固定效應(yīng)模型）

第二級別機場（隨機效應(yīng)模型）

第三級別機場（固定效應(yīng)模型）

5 結(jié) 論

1）根據(jù)以上模型結(jié)果可以看出，3組面板數(shù)據(jù)中，區(qū)域經(jīng)濟與旅客吞吐量的關(guān)系各不一樣.其中，從GDP對旅客吞吐量的關(guān)聯(lián)情況來看，第三級別機場的GDP對旅客吞吐量的彈性最大，其次是第一級別機場，最后為第二級別機場，分別為2.2122，1.9254，1.5154，這表示每增加1%GDP，機場航空旅客的吞吐量就會分別增加2.2122%，1.9254%，1.5154%.可以看出，GDP對航空旅客吞吐量的影響都還比較顯著，100萬人次以下的機場GDP的增幅作用最大，其次為1000萬人次以上機場，最后為100 萬～1000萬人次之間的機場.說明當(dāng)機場規(guī)模很小時，仍處于起步階段，區(qū)域經(jīng)濟對機場的影響比較大，要高于機場對當(dāng)?shù)亟?jīng)濟的影響，即第三級別機場的狀況；而機場發(fā)展到樞紐機場后，形成較大規(guī)模的臨空經(jīng)濟圈，當(dāng)?shù)亟?jīng)濟的發(fā)展會給機場帶來更多的航空需求，對機場發(fā)展的促進作用比較大，即第一級別機場的情況.

2）當(dāng)?shù)芈糜温每腿藬?shù)對機場航空旅客吞吐量的彈性大小排序為第三級別機場、第一級別機場，最后為第二級別機場，值分別為0.3512，0.2751，0.2192，即表示每增加1%的當(dāng)?shù)芈糜握呷藬?shù)，機場航空旅客的吞吐量分別增加0.3512%，0.2751%，0.2192%.由此可以看出，旅游者對吞吐量為100萬人次以下的機場的影響比較大.根據(jù)機場分類可以知道，支線機場包括礦產(chǎn)資源性城市、旅游資源型城市、經(jīng)濟發(fā)展較好城市以及地面交通不便利的城市.在選取第三級別機場的時候，本文選取了典型的旅游資源型城市以及經(jīng)濟發(fā)展較好的城市，如海拉爾和騰沖，因此，第三級別的機場中，旅游旅客人數(shù)對機場航空旅客吞吐量的彈性最大.

3）進出口貿(mào)易對機場航空旅客吞吐量的彈性相對于其他因素來說比較小，三類機場的值分別為0.1051，0.0862，0.0983，可以看出，吞吐量為1000萬人次以上的機場進出口貿(mào)易對機場航空旅客吞吐量的影響較大，但從整體上看，該因素對機場的影響并不顯著.

4）三組面板數(shù)據(jù)中，按地區(qū)人均可支配收入對機場航空旅客吞吐量的彈性大小排序為第二級別機場、第一級別機場、第三級別機場，分別為0.1920，0.1025，0.0975，這表示地區(qū)居民人均可支配收入每增加1%，機場航空旅客的吞吐量就會分別增加0.1920%，0.1025%，0.0975%.這說明了干線機場所在地區(qū)，如石家莊、天津等，其地區(qū)居民人均可支配收入對機場吞吐量的影響較大.

5）根據(jù)模型估計結(jié)果，可以看出區(qū)域經(jīng)濟發(fā)展對機場規(guī)模具有帶動作用.將機場分為三組級別進行分析，可以看出在不同機場規(guī)模下，區(qū)域經(jīng)濟與機場規(guī)模之間不同程度的關(guān)聯(lián).如吞吐量在100萬人次以下機場中，GDP 與旅游資源對機場規(guī)模的影響最大，地方政府可以重點開發(fā)旅游資源，不僅可以促進區(qū)域經(jīng)濟的發(fā)展，也會帶動機場的進一步發(fā)展.同時，根據(jù)區(qū)域經(jīng)濟各指標(biāo)對機場旅客吞吐量的不同彈性作用，也能根據(jù)當(dāng)?shù)氐慕?jīng)濟情況，對機場旅客吞吐量預(yù)測提供依據(jù)，為機場投資建設(shè)提供合理參考意見.

［1］AVIATION Y.The social and economic impacts of airports in europe［R］.Europe：Airports Council International，2004.

［2］APPOLD S J，KASARDA J D.The appropriate scale of US airport retail activities［J］.Journal of Air Transport Management，2006，12（6）：277-287.

［3］HAKFOORT J，POOT T，RIETVELD P.The regional economic impact of an airport：the case of amsterdam schiphol airport［J］.Regional Studies，2001，35（7）：595-604.

［4］宋 偉，楊 卡.民用航空機場對城市和區(qū)域經(jīng)濟發(fā)展的影響［J］.地理科學(xué)，2006，26（6）：650-657.

［5］劉海波，劉明君.機場與腹地經(jīng)濟互動發(fā)展分析［J］.蘭州商學(xué)院學(xué)報，2009，25（4）：59-63.

［6］彭語冰，董振強，彭 崢.機場與區(qū)域經(jīng)濟和諧發(fā)展分析［J］.商場現(xiàn)代化，2007（15）：138-141.

［7］曹允春.中樞機場在區(qū)域經(jīng)濟發(fā)展中的作用［J］.經(jīng)濟地理，2001（2）：240-243.

［8］陳共榮，劉志仁.論民航機場對地方經(jīng)濟發(fā)展的梯層貢獻［J］.求索，2008（8）：11-13.

［9］謝 敏，張建森.論民航機場與區(qū)域經(jīng)濟社會發(fā)展［J］.現(xiàn)代商業(yè)，2008（26）：144-146.

［10］王劍雨.民航機場社會經(jīng)濟效益分析及其評價方法研究［D］.廣州：暨南大學(xué)，2007.

［11］陳 林.航空運輸業(yè)對我國經(jīng)濟社會的貢獻研究［J］.鐵道運輸與經(jīng)濟，2010，32（9）：16-20.

［12］楊太東，張積洪.機場運行指揮［M］.北京：中國民航出版社，2008.

［13］中國民用航空局.民用機場服務(wù)質(zhì)量MH／T5104-2006［EB／OL］.http：∥www.bzxz.net／bzxz／122634.html.2006-10-16.

［14］曾婷婷，夏洪山.基于灰色多層次的機場投資風(fēng)險評價研究［J］.武漢理工大學(xué)學(xué)報：交通科學(xué)與工程版，2013，37（4）：882-886.

［15］KAO C，CHIANG M H.On the estimation and inference of a cointegrated regression in panel data［J］.Advances in Econometrics，2000，15：179-222.