姜照華， 馬 嬌

(大連理工大學 科學學與科技管理研究所，遼寧 大連 116024)

一、引言

在經濟新常態(tài)下，工業(yè)化、信息化、農業(yè)現代化和城市化等隨機沖擊逐漸成為區(qū)域交通運輸供給側結構改革的重要推動力，為了深入探索隨機沖擊帶來的影響，本文采用動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium，DSGE )模型體系框架方法，來構建河南省交通運輸供給側結構改革體系模型，進行方差分解和模擬仿真分析，分析河南省交通運輸供給側結構改革體系中狀態(tài)變量和控制變量對上述隨機變量的響應程度，并完成中長期預測。

DSGE模型的最早雛形是Kydland和Prescott在1980年提出的實際經濟周期(Real Business Cycle,即RBC)模型，并利用該模型得出了生產率沖擊波是經濟波動的主要根源的結論[1]。 Peter N.Irelend將DSGE模型與多變量自回歸時間序列模型(VAR)相結合，來解釋美國戰(zhàn)后的經濟總產出和就業(yè)波動情況[2]。Frank Smets 等建立DSGE模型，估計了1974—2002年間美國及歐洲經濟體的震蕩和摩擦形態(tài)[3]。DSGE模型是在不確定環(huán)境下研究經濟的一般均衡問題，已經成為近年來的研究熱點，其顯性建?？蚣?、理論一致性、微觀和宏觀的完美結合、長短期分析的有機整合等獨特性日益受到青睞，并漸漸運用到眾多領域。

劉斌將DSGE模型運用在宏觀經濟及貨幣政策分析方面，針對我國的實際國情，建立了一個帶有“金融加速器”的開放經濟DSGE模型，并基于全國數據，采用Bayes技術對模型進行估計，通過DSFE模型來分析政策[4]。黃志剛運用DSGE模型來分析加工貿易部門的匯率傳遞效應，結果發(fā)現進口中間投入品、出口最終消費品的加工貿易部門對于匯率傳遞和貿易平衡具有重要影響。在價格和工資粘性下,匯率變動對一國國內價格的傳遞表現出對進出口價格傳遞快、對生產者價格和消費者價格傳遞慢的特征[5]。劉建華等將動態(tài)隨機一般均衡(DSGE)模型方法引入國家創(chuàng)新體系，以中國為例建立了包括企業(yè)、高校(含科研院所)、政府、金融、中介和國外六部門的國家創(chuàng)新體系行為模型組，并通過貝葉斯和計量經濟學等方法進行參數估計，在模擬仿真和政策實驗的基礎上，預測中國2025年國家創(chuàng)新體系中主要狀態(tài)變量和控制變量的發(fā)展目標，進而為我國中長期創(chuàng)新政策體系等的制定提供依據[6-8]。

DSGE模型逐漸受到越來越多領域的關注，但是目前很少有學者將其運用到交通運輸領域。此外，現有研究多針對交通運輸領域的單一方面，如交通運輸投資決策模型等，對于多角度綜合分析的研究并不完善。本文從動態(tài)性出發(fā)，嚴格遵循一般均衡理論，將DSGE模型運用到河南省交通運輸供給側結構改革體系中，通過狀態(tài)變量、控制變量和隨機變量等建立了21個模型組，以期深入探索和分析河南省供給側結構改革體系。

二、數據來源與H-P濾波分析

(一)數據來源

數據主要來源于《中國統計年鑒》《中國科技統計年鑒》《河南統計年鑒》和《河南科技統計年鑒》。其中涉及固定資產存量1個狀態(tài)變量，公路水路就業(yè)、公路水路就業(yè)者受教育年限、公路水路科技經費、公路水路投資、民用汽車擁有量、公路通車里程、交通運輸能源消耗、交通運輸增加值、公路水路客運周轉量、公路水路貨運周轉量10個控制變量，工業(yè)化(第三產業(yè)所占比例)、城市化、信息化指數、農業(yè)現代化、金融機構中長期貸款、國內生產總值、常住人口、電子信息產業(yè)增加值占比例、商品房銷售面積、高耗能產業(yè)增加值所占比例10個隨機變量。這些變量的時間跨度均為2000—2015年。其中，固定資產存量、公路水路科技經費、金融機構中長期貸款、國內生產總值、公路水路投資都是以2010年價格為基準，電子信息產業(yè)增加值所占比例、高耗能產業(yè)增加值所占比例分別指電子信息產業(yè)增加值和高耗能產業(yè)增加值占GDP的比例。

(二)變量的H-P濾波分析

利用H-P濾波方法對各變量進行濾波(分解成趨勢值和波動值)分析，公路水路貨運周轉量、公路水路客運周轉量、金融機構中長期貸款、公路水路就業(yè)者受教育年限、工業(yè)化等變量的波動值曲線十分相似，大都呈U形分布；當波動處于U型曲線底部時，除城市化和GDP兩個變量的趨勢值與實際值基本吻合、變化并不明顯外，其它變量的實際值大多低于趨勢值(2007—2012年間)，且大都在2013年后開始上升。

(三)各變量的標準差

從表1中我們可以看出各變量的波動性大小，其中第一列是變量名稱及其符號，包括狀態(tài)變量和控制變量，共計11個變量；第二列是對應變量波動成分的標準差結果，1%的標準差代表變量的波動成分對其趨勢值的偏離度為1%。除公路水路投資、公路水路客運周轉量和貨運周轉量、交通運輸能源消耗的實際標準差值較大外，其它變量的標準差不超過14%；第三列和第四列分別是隨機變量名稱及其標準差值。本研究對狀態(tài)變量和控制變量的模擬的標準差與實際標準差的比例平均接近60%，比較準確。一些變量由于條件限制，沒有完整的時間序列數據，是根據相關材料估計的結果，影響了模擬的準確程度。

三、河南省交通運輸供給側結構改革模型體系

關于交通運輸供給側結構改革模型的研究，周虹通過剖析交通宏觀經濟系統運行機制，構造了一個中國交通投資決策系統動力學模型，運用模型分析了交通投資規(guī)?？刂普吆屯顿Y結構控制政策，并對交通需求結構作了評價[9]；楊軍強采用灰色理論分析了交通運輸中出現的問題，建立相應的數學模型來分析[10]；方貴金根據系統工程和系統動力學原理，建立了由12個聯立方程式組成的四川省綜合運輸計量經濟模型，并從經濟意義、統計檢驗、計量經濟學和模型穩(wěn)定性4個方面對模型進行檢驗[11]；陳建華在CGE(一般均衡)模型的基礎上，結合交通運輸行業(yè)的行業(yè)分析需要，進一步拆分現有的投入產出部門，構建了符合行業(yè)分析需求的交通運輸行業(yè)CGE模型[12]。已有研究多采用系統動力模型或CGE模型，多針對交通運輸領域的單一方面，對于多角度的綜合分析還欠完善。

表1 各變量的標準差及DSGE模擬結果

本文結合河南省交通運輸的實際情況，從DSGE模型的視角出發(fā)，建立河南省交通運輸供給側結構改革體系的模型組。其中供給側模型包括交通運輸增加值增長模型、交通運輸就業(yè)模型、交通運輸科技經費模型、交通運輸投資模型、交通運輸人力資本模型、能源消耗模型；需求側模型包括貨物周轉量模型、客運周轉量模型、民用汽車擁有量模型、公路通車里程模型；隨機變量包括工業(yè)化、城市化、信息化、農業(yè)現代化、金融機構中長期貸款、GDP、常住人口、電子信息產業(yè)增加值占GDP比例、商品房銷售面積、高耗能產業(yè)增加值占GDP比例。

(一)公路水路就業(yè)模型

城市化水平的提高增加了對物流和客流的需求量，固定資產存量提供了滿足這些需求的可能，可以選用城市化(URBt)和固定資產存量(Kt)建立公路水路就業(yè)(Lt)模型，為

Lt=a1+a2·URBt+a3·Kt。

(1)

(二)公路水路就業(yè)者受教育年限模型

城市化水平的提高是提高就業(yè)者受教育年限的最重要因素，這一模型建立了公路水路就業(yè)者受教育年限(Ht)和城市化(URBt)的關系，為

Ht=a4+a5·URBt。

(2)

(三)公路水路科技經費模型

公路水路科技經費的提高，一方面來自于吸收和創(chuàng)新公路水路投資中的新技術的要求，另一方面是城市化、信息化等推動的結果。這一模型建立了公路水路科技經費(St)和工業(yè)化(第三產業(yè)比例)(INDt)、信息化指數(INFt)、城市化(URBt)、農業(yè)現代化(AGRt)、公路水路投資(Dt)的關系，為

St=a6+a7·INDt·INFt·URBt·AGRt+a8·Dt+a9·AR。

(3)

(四)公路水路投資模型

公路水路投資的多少，一方面是滿足城市化水平等提高導致的對公路通車里程增加的需求，另一方面是以貸款增加為保證。這一模型建立了公路水路投資(Dt)和工業(yè)化(第三產業(yè)比例)(INDt)、信息化指數(INFt)、城市化(URBt)、金融機構中長期貸款(LOAt)、公路通車里程(MILt)的關系，為

Dt=a10+a11·INDt·(1+INFt)·URBt·LOAt+a12·MILt+a13·MILt2。

(4)

(五)民用汽車擁有量模型

這一模型建立了民用汽車擁有量(CIVt)和公路水路客運周轉量(PTt)、公路水路貨運周轉量(TGt)、城市化(URBt)、國內生產總值(GDPt)的關系，為

log CIVt=a14+a15·log(PTt·TGt)+a16·log(URBt·GDPt·URBt)+a17·AR(1)。

(5)

(六)公路通車里程模型

這一模型建立了公路通車里程(MILt)和民用汽車擁有量(CIVt)、城市化(URBt)、常住人口(POPt)的關系，為

MILt=a18+a19·GIVt/POPt+a20·CIVt·URBt。

(6)

(七)交通運輸能源消耗模型

這一模型建立了交通運輸能源消耗(包括鐵路航空)(ENEt)和信息化指數(INFt)、國內生產總值(GDPt)、公路水路科技經費(St)、常住人口(POPt)、固定資產存量(Kt)的關系，為

ENEt=a21+a22·GDPt/POPt+a23·INFt·St/Kt。

(7)

(八)交通運輸增加值模型

按照經濟增長的共協理論，這一模型建立了交通運輸增加值(Yt)和公路水路投資(Dt)、公路水路就業(yè)者受教育年限年(Ht)、固定資產存量(Kt)、公路水路就業(yè)(Lt)、公路水路科技經費(St)的關系，為

Yt=a24(Lt·Ht)α·(St·Dt)β+a25·Kt-1+a26·Ht·Dt/Kt-1+a27·Ht·Dt/Lt+a28·St。

(8)

(九)公路水路客運周轉量模型

這一模型建立了公路水路客運周轉量(PTt)和常住人口(POPt)、城市化(URBt)、國內生產總值(GDPt)、電子信息產業(yè)增加值占GDP的比例(ELEt)、固定資產存量(Kt)的關系，為

PTt=a29+a30·ELEt·GDPt/POPt+a31·URBt·Kt。

(9)

(十)公路水路貨運周轉量模型

這一模型建立了公路水路貨運周轉量(TGt)和商品房銷售面積(AREt)、城市化(URBt)、交通運輸能源消耗(ENEt)、國內生產總值(GDPt)、電子信息產業(yè)增加值所占比例(ELEt)、高耗能產業(yè)增加值所占比例(HECt)、固定資產存量(Kt)的關系，為

TGt=a32+a33·AREt·ENEt+a34·GDPt·HECt/(URBt·ELEt)+a35·GDPt·Kt/Kt-1。

(10)

四、DSGE模型框架

在上述模型的基礎上，建立河南省交通運輸供給側結構改革DSGE模型的總體框架

(11)

(12)

(13)

(14)

(15)

(16)

(17)

(18)

(19)

(20)

(21)

其中，式(11)代表三個主要優(yōu)化目標：第一個目標是公路水路貨運周轉量TGt最大化；第二個目標是公路水路客運周轉量PTt最大化，這是交通運輸需求的主要目標；第三個目標是交通運輸能源消耗ENEt的數量最小化。在式(11)中，E表示預期，βt是貼現因子，TGt代表公路水路貨運周轉量，PTt是公路水路客運周轉量，ENEt是交通運輸能源消耗，η和ε都表示企業(yè)的相對風險規(guī)避系數，η>0，1/η表示所使用的創(chuàng)新費用的跨期替代彈性；θ代表能源消耗的相對權重系數。

根據式(11)和式(10)，可以構建拉格朗日函數表達式，如下

優(yōu)化求解，得

(23)

(24)

進而得到求解結果為

λt=TG-ε，

(25)

θ=a33λt·AREt·ENEt。

(26)

根據式(12)和式(21)，以及各個狀態(tài)變量和隨機變量，推導出各個控制變量的預測模型。最終，式(1)至式(21)共同構成了河南省交通運輸供給側結構改革體系完整的DSGE模型框架。

五、模型求解與參數估計

(一)模型線性化

式(12)是河南省交通運輸供給側結構改革的DSGE模型框架，但是因為是非線性模型組，不方便直接求解，將非線性模型轉化為線性模型。采用Harald Uhlig提出的對數線性化方法[13]，對于一個變量Xt，定義Xt=X(1+xt)。其中X表示Xt的趨勢值，xt表示變量的波動值。由于波動值xt接近0，可以近似替換為ext=1+xt。這種方法避免了復雜繁瑣的求導過程，直接用變量替換的形式，易于操作和機械化。

(二)參數估計

首先，根據式(10)(16)(17)，得到ε=0.5342，θ=0.000 034 7。由于控制變量模型的參數比較穩(wěn)定，采用計量經濟學的方法來測算，得到若干參數值的估計結果，見表2。

對于隨機變量模型的參數確定，本文采用貝葉斯方法來估計。貝葉斯方法可以將參數的先驗信息和樣本信息結合起來。先驗分布設定了參數的可能取值，來自于模型自身的穩(wěn)態(tài)條件或者過去的經驗[14-17]。先驗分布和似然函數結合，得到參數的后驗分布函數，模型的檢驗和評估通過后驗概率進行。根據貝葉斯方法，通過OpenBUGS軟件編程，得到隨機變量模型參數的估計結果，見表3。

(三)方差分解

在參數估計的基礎上，對式(13)構成的模型體系，利用MATLAB的DYNARE軟件來求解。并且在此基礎上，通過DYNARE軟件的方差分解方法，分析各隨機沖擊對狀態(tài)變量和控制變量的波動值對趨勢值偏離的影響程度，結果見表4。

表2 若干參數值的計量經濟學測算

表3 隨機變量模型的若干參數的貝葉斯估計結果

表4 各隨機沖擊對狀態(tài)變量和控制變量的波動值對趨勢值偏離的影響程度的方差分解 %

從表4可以看出，在河南省交通運輸供給側結構改革DSGE模型中，商品房銷售面積變量十分重要，固定資產存量的92.4%、公路水路就業(yè)的92.20%、公路水路貨運周轉量的99.87%都是由此引起。商品房銷售面積可以看作房地產業(yè)發(fā)展的指標，很大程度上影響著一個地區(qū)交通運輸的固定資產投資情況和就業(yè)情況；公路水路就業(yè)者受教育年限取決于本地區(qū)的城市化水平；就公路水路科技經費而言，工業(yè)化水平、信息化水平和農業(yè)現代化水平是其主要影響因素；公路水路投資主要受工業(yè)化水平及金融機構中長期貸款的影響；GDP和商品房銷售面積是公路通車里程、交通運輸能源消耗和民用汽車擁有量的主要拉動力；交通運輸增加值主要受金融機構中長期貸款和商品房銷售面積的影響；對于公路水路客運周轉量而言，GDP和電子信息產業(yè)增加值所占比例是主要的影響要素。

六、模擬仿真分析

(一)全部隨機變量的組合沖擊對狀態(tài)變量和控制變量的影響

分析在工業(yè)化、國內生產總值、城市化和商品房銷售面積1%的沖擊，信息化指數、金融機構中長期貸款、電子信息產業(yè)增加值所占比例1.5%的沖擊，以及常住人口、高耗能產業(yè)增加值所占比例和農業(yè)現代化0.5%的沖擊下，各個狀態(tài)變量和控制變量的響應情況?？梢园l(fā)現控制變量和狀態(tài)變量都對隨機變量組合沖擊產生了波動響應，尤其是在2～3年內響應迅速，隨后逐步趨于平穩(wěn)。除交通運輸能源消耗對組合沖擊產生了負向的響應外，其它變量都產生了正向的響應。其中，交通運輸增加值波動響應的最大值接近4%，公路水路就業(yè)波動響應的最大值為0.7%左右，剩余變量波動響應的最大值為2%左右。

(二)“四化”波動對狀態(tài)變量和控制變量的影響

分析在工業(yè)化、城市化1%的沖擊，信息化指數1.5%和農業(yè)現代化0.5%的組合沖擊下，交通運輸能源消耗、公路水路投資、公路通車里程和公路水路貨運周轉量產生了負向的響應，其中公路水路投資波動響應的最大值為3%以上，公路通車里程和公路水路貨運周轉量波動響應的最大值為2%左右。除交通運輸能源消耗、公路水路投資、公路通車里程和公路水路貨運周轉量產生負向的響應外，其它變量都產生了正向的響應，其中固定資產存量、公路水路科技經費波動響應的最大值為2%，交通運輸增加值波動響應的最大值為4%，而公路水路就業(yè)、民用汽車總量、公路水路就業(yè)者受教育年限和公路水路客運周轉量波動響應的最大值不超過1%。以上所有控制變量和狀態(tài)變量對隨機變量組合沖擊產生的波動響應都是在2～3年內響應迅速，隨后逐步趨于平穩(wěn)。

(三)商品房銷售面積對狀態(tài)變量和控制變量的影響

分析在商品房銷售面積1%的沖擊下，狀態(tài)變量和控制變量產生的響應，可以發(fā)現，除公路水路就業(yè)者受教育年限沒有響應，公路水路投資和公路水路科技經費產生了遠不足1%的負向響應外，其余變量都產生了正向響應。其中除公路水路投資波動響應的最大值為7%左右外，其余變量波動響應的最大值都不超過3%。

七、河南省交通運輸供給側結構改革體系的前景預測

在模擬仿真基礎上，利用DSGE模型組式(12)至式(17)，可以預測隨機變量、狀態(tài)變量和控制變量，結果見表5和表6。首先,根據各個隨機變量的趨勢模型可以得到隨機變量到2025年的預測值，同樣可以得出狀態(tài)變量的預測模型。然后可以測算出各個控制變量的預測模型：根據模型(1)，通過URBt和Kt預測Lt；根據模型(2)，通過URBt預測Ht；根據模型(9)，通過URBt、Kt、POPt、GDPt和ELEt預測PTt；根據模型(10)，通過Kt、GDPt、ELEt、URBt、HECt、AREt、ENEt和參數ε、θ來預測TGt；根據模型(5)，通過GDPt、URBt、TGt、PTt預測CIV；根據模型(6)，通過URBt、CIVt、POPt、CIVt預測MILt；根據模型(4)，通過URBt、LOAt、INFt、INDt、MILt預測Dt；根據模型(3)，通過AGRt、URBt、INFt、INDt、Dt預測St；根據模型(7)，通過Kt、INFt、POPt、GDPt、St預測ENEt；根據模型(8)，通過以上所有變量預測Yt。

公路水路就業(yè)、公路水路客運周轉量和公路水路就業(yè)者受教育年限的預測模型也可以通過隨機變量完全解出；然后通過參數估計結果可以解出貨物周轉量的預測模型；接著根據貨物周轉量、公路水路客運周轉量以及各隨機變量可以求出民用汽車擁有量的預測模型，根據民用汽車擁有量和各隨機變量可以求出公路通車里程的預測模型，根據公路通車里程和各隨機變量可以求出公路水路投資的預測模型，根據公路水路投資和各隨機變量可以求出公路水路科技經費的預測模型，根據公路水路科技經費和各隨機變量可以求出交通運輸能源消耗的預測模型；最后可以求出交通運輸增加值的預測模型。

八、結語

通過H-P濾波分析，發(fā)現公路水路貨運周轉量、公路水路客運周轉量、金融機構中長期貸款、信息化指數、公路水路就業(yè)者受教育年限、工業(yè)化等變量的波動值曲線十分相似，大都呈U形分布；當波動成分處于U型曲線的底部時，2004—2012年間變量實際值大多低于趨勢值，且真實值大都在2013年后開始超過趨勢值。這說明2004年以前是河南省公路水路發(fā)展的高潮時期，2004—2012年是相對的低潮時期，2013年以后則進入了一個新的相對高潮時期——相對于其他基礎產業(yè)和整個經濟，重新拾起先行發(fā)展之勢。但與上一次高潮時期不同的是，當前交通運輸的先行發(fā)展是建立在投資和創(chuàng)新雙驅動轉型發(fā)展的基礎上，而不是單純的創(chuàng)新驅動。

表5 各隨機變量2016—2025年的預測值

表6 狀態(tài)變量和控制變量2016—2025年的預測值

適應河南省交通運輸供給側結構改革的需要，本文構建了公路水路就業(yè)模型、公路水路就業(yè)者受教育年限模型、公路水路科技經費模型、公路水路投資模型、民用汽車擁有量模型、公路通車里程模型、交通運輸能源消耗模型、交通運輸增加值模型、公路水路客運周轉量模型、公路水路貨運周轉量模型共11個模型，將其與隨機變量的波動模型、預期效用函數結合，共同構建了河南省交通運輸DSGE模型體系的基礎。并進行模型求解，通過計量經濟學方法和貝葉斯方法進行參數估計，進一步豐富和發(fā)展交通運輸經濟學和相關理論方法。

通過方差分解來研究隨機變量沖擊對狀態(tài)變量和控制變量的影響程度，發(fā)現商品房銷售面積是固定資產存量、公路水路就業(yè)、公路水路貨運周轉量的主要拉動力；公路水路就業(yè)者受教育年限完全取決于本地區(qū)的城市化水平；工業(yè)化水平、信息化水平和農業(yè)現代化水平是公路水路科技經費的主要影響因素；公路水路投資主要受工業(yè)化水平及金融機構中長期貸款的影響；GDP和商品房銷售面積是公路通車里程、交通運輸能源消耗和民用汽車擁有量的主要拉動力；交通運輸增加值主要受金融機構中長期貸款和商品房銷售面積的影響；對于公路水路客運周轉量而言，GDP和電子信息產業(yè)增加值所占比例是主要的影響要素。

在隨機變量組合沖擊下，控制變量和狀態(tài)變量都產生了波動響應，尤其是在2～3年內響應迅速，隨后逐步趨于平穩(wěn)。除交通運輸能源消耗對組合沖擊產生了負向的響應外，其它變量都產生了正向的響應。這說明交通運輸通過供給側結構改革、創(chuàng)新驅動和轉型發(fā)展，可以適應和促進整個國民經濟的持續(xù)中高速發(fā)展。

基于DSGE模型組，預測2025年河南省公路水路交通運輸供給側結構改革和轉型發(fā)展的主要目標，表明當各個隨機變量保持適當的增長趨勢時，河南省交通運輸的控制變量和狀態(tài)變量都保持較穩(wěn)定的增長趨勢。其中，公路水路就業(yè)、公路通車里程等2016—2025年平均增長率在3%左右，交通運輸能源消耗、公路水路貨運周轉量的平均增長率在5%以上，民用汽車擁有量、公路水路投資和公路水路科技經費的平均增長率超過7%。交通運輸增加值年均增長率達到9%左右，與河南省GDP的比例超過4.5%，公路水路交通運輸每億元增加值的能源消耗從2016年1.4噸下降到2025年1噸左右，能源利用效率大大提高；每萬居民民用汽車擁有量接近3000輛。