0 引言

随着《国务院机构改革和职能转变方案》的审议通过,铁路政企分开,包含铁路、公路、水路、民航、邮政等多种 运输方式的综合运输体系正式建立,交通运输行业迎来了新的发展机遇. 而交通运输行业作为基础性、先导性、服务 性行业,与宏观经济发展有着密切的联系,在新的大部制背景下,亟需一个能够全面、及时、准确地反映交通运输经 济与宏观经济之间相互关系的综合性指标. 指数是综合反映由多种因素组成的经济现象在不同时间和空间条件下平 均变动的相对数^[1],行业指数能够综合反映行业各组成部分的变动和影响. 因此,构建交通运输行业综合性 指数,对分析交通领域现状、判断宏观经济发展趋势有着至关重要的作用.

国外对于统计指数构建的研究最早始于Vaughan^[2]编制的反映货币交换价值变化的物价指数, 随后,英国著名经济学家 Jevons^[3]等也相继编制了物价指数. 到20世纪初, 对经济周期波动进行测定和预测的景气指数逐渐引起学者们的关注, Mithchell^[4]和Moore^[5]等学者研究提出一系列景气监测的理论与方法, 并先后构建了扩散指数和合成指数,推动了统计指数的发展. 90年代中后期, 国内各研究机构和高校开始致力于开发指数相关的宏观经济计量模型、景气分析预测系统、政策分析模型、商情调查系统等, 其中应用较为广泛的有上海航运交易所编制发布的中国出口集装箱运价指数、国家统计局和国家信息中心分别 发布的宏观经济景气指数以及中国人民银行发布的各类经济调查指数等. 在交通运输领域, 国内外研究主要集中在三个方面，一是城市交通状况的指标体系构建^[6]; 二是交通运输价格指数^[7]及城市交通可持续发展指数构建, 比如国外某些城市的道路交通指数^[8]、交通行业服务满意度指数^[9]、 上海城市综合交通规划研究所编制的反映城市道路系统运行质量、服务水平状况的道路交通指数^[10], 山东省交通厅构建的表征交通发展状态的交通发展指数^[11] 等, 这些指数大多从交通领域的某几个方面,或从某些运输方式出发构建指数; 三是运输服务指数，这些研究有些是区域性的^[12], 且基础数据频度为年度，难以满足行业主管部门和社会公众的需要，即使是全国层面的^[13], 但在交通运输行业涵盖面、基础指标选择、季节调整方法选取以及权重设置等方面值得商榷。总的来看, 目前尚没有完全涵盖各种运输方式的、科学的、切实可用的全国性综合运输服务指数. 1 TSI指数构建基本思路

TSI (transportation services index) 指数由美国运输统计局(Bureau of Transportation Statistics)组织构建并于2004年1月在纽约证券交易所正式发布. 该指数方法是纽约州立大学和乔治华盛顿大学的学者通过研究交通运输和经济之间的关系而逐步构建的^[14]. 指数以交通运输行业月度营业性运输量数据及收益数据为主要指标, 涵盖铁路、公路、水路、航空、城市公交、管道等6个运输子行业, 并细分货运指数和客运指数.

TSI指数的构建原理是从行业内各个子行业中选取代表性指标, 对其进行数据处理、季节调整、无量纲化处理后将 其集成为代表行业整体的一个统一指标, 并通过研究该指标与宏观经济关键性指标之间的关系、指标的变动规律 以及周期性分析来揭示交通运输行业与经济周期之间的联系. TSI方法采用Fisher-ideal^[15]方法合成指数,指数的具体表达形式如下: $$\frac{I_m^A}{I_{m-1}^A}=\sqrt{\frac{\sum\limits_j I_{jm}P_{jy(m-6)}}{\sum\limits_j I_{jm-1}P_{jy(m-6)}}\times\frac{\sum\limits_j I_{jm}P_{jy(m+6)}}{\sum\limits_j I_{jm-1}P_{jy(m+6)}}} (1)$$ $$I_m^A=\frac{I_m^A}{I_{m-1}^A}\times\frac{I_{m-1}^A}{I_{m-2}^A}\times\cdots\times\frac{I_1^A}{I_0^A}\times 100 (2)$$ 其中,$I_{jm}$ 是第$j$ 个子行业在第$m$ 月的产出,$P_{jy(m)}$是第 $j$ 个子行业在第$y$ 年的增加值权重,下标$y(m)$ 表示第$m$ 月属于第 $y$ 年,$I_m^A$ 是第$m$ 月的运输服务指数($A$ 表示累计值), $I_0^A=100$ 为基期指数. 2 CTSI指数构建

基于TSI指数方法,并综合考虑我国交通运输行业的特殊性, 初步构建中国运输服务指数(China transportation services index, 简称CTSI). 主要步骤包括基础指标选取、基础数据处理、权重设置及指数合成, 技术线路图如图 1所示. 指数频度的选取上,由于 季度数据会平滑数据波动,掩盖数据变动背后的重要信息, 且无法满足时效性需求, 因此确定指标数据的频度为月度,以2000年1月-2013年5月为时间区间.

图 1 CTSI指数构建技术线路图

图选项

在新一轮大部制改革后,交通运输部职责涵盖铁路、公路、水路、航空、邮政、城市公交等领域. 因此,在构建CTSI指标体系 过程中也主要从这些运输方式出发(城市公交目前没有月度统计数据,暂不包括),选取最能够表征我国交通运输行业发展特点 的关键性指标.

在运输量指标选择过程中,主要有运量指标和周转量指标两大类. 但在国家统计局于2009年9月下发《地区季度GDP数据审核 评估办法(试行)》中, 要求将周转量增速作为主要指标之一来核算交通运输、仓储和邮政业增加值增速. 随着近几年经济形势 日趋复杂,下行压力逐渐加大, 地方政府为实现GDP增长目标,给地方交通运输部门带来了较大压力, 使得周转量指标存在一 定幅度虚增,相对而言运量指标更加符合实际.

因此,本文在构建CTSI指数时均使用运量指标. 经过反复筛选检验,按照货运、客运划分, 最后选取5个货运基础指标和4个客运基础指标(见表 1). 其中, 货运基础指标主要包括铁路货物发送量、公路货运量、港口货物吞吐量、民航货邮运输量、快递业务量, 铁路货物发送量与工业生产存在较高的相关性, 能及时准确反映宏观经济的活跃程度, 是反映我国铁路运输最重要的指标之一; 公路货运量是公路货物运输行业的主要表征指标; 水路运输中, 由于水路货运量相对较小,且波动较大, 故用数据质量相对较好的港口货物吞吐量替代; 快递业务量是邮政业最具代表性的实物量指标. 客运基础指标主要包括铁路旅客发送量、公路客运量、水路客运量、民航旅客运输量.

表 1 CTSI指数构建基础指标集

表选项

根据国家统计局最新的行业分类标准,所包含指标的覆盖面达到$78\%$ (40个二级代码中的31个).此外,基础指标所属领域对GDP具有重要贡献, 根据2002年和2007年的投入产出表测算, 选取的交通运输五大子行业对GDP的贡献在$5\%$左右(2002年为$5.2\%$, 2007年为$5.7\%$). 2.2 基础数据处理

运输量指标往往存在明显的季节性,为剔除季节因素影响, 需要对这些指标进行季节调整处理,对于交通运输行业来说, 除了固定节假日(如清明小长假、"五一"、"十一"等)的影响之外, 还需要考虑移动假日(即定期出现, 但不一定出现在每年的同一时间的节假日)的影响,尤其是春节因素的影响. 传统的X-ARIMA-12方法并不能剔除中国假日因素对于指标序列的影响, 因此需要在程序加入自定义春节因素回归变量进行季节调整处理, 以公路货运量为例,季节调整结果见图 2.

图 2 公路货运量原始值及其季节调整值

图选项

对各分项指标进行季节调整消除季节性后, 还需要对不同量纲的各个指标进行无量纲化处理,常见的无量纲化处理主要有阈值法、标准化法及指数化法, 相比指数化方法, 前两种方法在加入新的数据后可能需要对历史数据重新调整, 导致延续性较差,故选用指数化方法,以2010年各月的均值为基期, 对各项指标分别进行无量纲化处理. $$Q_{i,t}'=\frac{Q_{i,t}}{Q_{i,0}},\ i=1,2,\cdots,9(3)$$ 其中,$Q_{i,t}$ 表示指标$i$ 在$t$ 时期的运输量,$Q_{i,0}$ 表示指标$i$ 在基期(2010年)的运输量.

这里将2010年作为基期主要出于四点考虑:一是公路水路运输量数据口径在2009年4月份做过调整, 初步考虑选取口径调整之后的年份作为基期;二是宏观经济从2009年5月份左右开始恢复, 到当年底已基本恢复至金融危机前增长水平, 2010年开始进入相对平稳的发展区间; 三是与国民经济和社会发展五年规划期保持一致; 四是参照国家统计局的经验做法，其在编制CPI、PPI及住宅销售价格时采用固定对比基期为2010年. 2.3 权重设置

权重衡量的是各种运输方式的相对重要性, 也可以理解为不同运输方式的"价格", 而行业增加值体现了行业对于经济的贡献,恰恰是价值量的表现. 同时, 相对于总产出,增加值作为权重更合适,因为运输作为中间行业, 其对经济的贡献通过计算货物运送前后价值之差得到. 因此, 以各运输方式的工业增加值占比作为对应的权重.

由于交通运输行业没有细分子领域的工业增加值, 故采用投入产出表中所属子行业的增加值进行计算.而投入产出表每五年编制一次, 2007年未细分客货运,2012年的尚未发布, 故采用调查问卷的形式获取行业内专家的经验权重以反映新形势下的实际情况. 笔者共调查了交通运输部、国家铁路局、国家邮政局、国家发展改革委、国家统计局和31个省交通运输厅等行业主管部门, 交通运输部科学研究院、规划研究院、水运科学研究院和铁道部经济规划研究院、国家发改委综合运输研究所、 中国物流与采购联合会等行业科研单位, 总计发放问卷102份,回收有效问卷95份. 调查结果分析显示, 经验权重得到的各种运输方式的贡献度较符合客观实际. 比如, 水路客运量在综合运输体系中的量很小,且总体上呈萎缩趋势, 其权重也应相对较小,从调查问卷反馈的情况看, 各个专家也都把水路客运的贡献度排在最后一位, 但基于2007年增加值计算的结果则为水路客运权重高于民航且接近于铁路, 与当前的实际情况明显不符. 最后, 基期权重为2002年各运输方式的增加值占比, 当期权重为各运输方式的经验增加值占比. 2.4 指数合成

较常用的指数编制方法主要有拉氏指数(权重定在基期)和帕氏指数(权重定在报告期), 这两类方法都存在一定 的缺陷:拉氏指数无法反映数量结构的变动;帕氏指数不能消除权数变动对指数的影响, 不同时期的指数缺乏可比性.而Fisher-ideal方法集成了拉氏指数和帕氏指数的优点, 能同时反映价格和数量及其结构的变化, 并能通过时间颠倒测验、因子颠倒测验和循环测验, 是目前最为合适的指数编制方法. 因此,本研究采用Fisher-ideal 方法为中国运输服务指数的合成方法. 根据Fisher-ideal方法的基本表达形式, 最后确定中国运输服务指数的表达形式如下: $$CTSI_{F_t}=\sqrt{\frac{\sum_{i=1}^{5}Q_{i,t}\times P_{i,2002}}{\sum_{i=1}^{5}Q_{i,2002}\times P_{i,2002}}\times\frac{\sum_{i=1}^{5}Q_{i,t}\times P_{i,2013}}{\sum_{i=1}^{5}Q_{i,2002}\times P_{i,2013}}} (4)$$ $$CTSI_{P_t}=\sqrt{\frac{\sum_{i=1}^{4}Q_{i,t}\times P_{i,2002}}{\sum_{i=1}^{4}Q_{i,2002}\times P_{i,2002}}\times\frac{\sum_{i=1}^{4}Q_{i,t}\times P_{i,2013}}{\sum_{i=1}^{4}Q_{i,2002}\times P_{i,2013}}} (5)$$ $$CTSI_{t}=\sqrt{\frac{\sum_{i=1}^{9}Q_{i,t}\times P_{i,2002}}{\sum_{i=1}^{9}Q_{i,2002}\times P_{i,2002}}\times\frac{\sum_{i=1}^{9}Q_{i,t}\times P_{i,2013}}{\sum_{i=1}^{9}Q_{i,2002}\times P_{i,2013}}} (6)$$ 其中,$P_{i,2002}$ 和$P_{i,2013}$ 为各指标对应运输方式的增加值占比, $CTSI_{F_t}$、$CTSI_{P_t}$、$CTSI_{t}$ 分别代表货运指数、客运指数和综合指数. 3 结果分析

根据以上研究步骤,计算得到中国运输服务指数如图 3所示.从图 4可见, CTSI指数变动趋势与工业增加值的变动趋势存在一定的同步性, 需要进行相关关系分析以及周期性分析, 并结合突发事件影响来验证指数的合理性、正确性和及时性.

图 3 CTSI指数(客运、货运、综合)走势图

图选项

图 4 CTSI指数同比值与工业增加值增速对比图

图选项

通过相关关系分析,CTSI (客运、货运、综合)指数与工业增加值之间都存在较高的正相关性, 相关系数均在0.96以上. 相对于客运,CTSI 货运、综合指数与工业增加值之间的相关系数更高,达到0.98. 进一步利用时差相关分析法测算指数与工业增加值之间的同步性, 测算结果显示: CTSI客运、货运及综合指数可以认为是工业增加值的同步指标. 3.2 周期性分析

为进一步观察CTSI(客运、货运、综合)指数与工业增加值之间的同步性, 将其进行HP滤波(Hodrick-Prescott filter)处理, 得到各个序列的周期性序列,见图 5、图 6和图 7. 从CTSI (客运、货运、综合)指数周期性序列与工业增加值周期性序列对比图可见: CTSI(客运、货运、综合)指数 与工业增加值之间的周期性变化趋势基本一致. TSI指数的最新研究也表明, 交通运输服务指数应该被纳入宏观经济同步体系^[16].

图 5 CTSI综合指数与工业增加值周期性序列对比图

图选项

图 6 CTSI货运指数与工业增加值周期性序列对比图

图选项

图 7 CTSI客运指数与工业增加值周期性序列对比图

图选项

除一些偶然发生的不规则的峰值以外, 指数的周期性波动还会产生一些较为明显的波峰(波谷),对应于一段时间内的指数值高点(低点). 根据NBER (National Bureau of Economic Research)的算法^[17],一个完整的周期至少持续15个月且波峰与波谷之间的时差不少于6个月, 以此确定CTSI指数真实的波峰与波谷,如表 2所示.

表 2 CTSI指数与工业增加值先行滞后分析表

表选项

从表 2可见, CTSI指数出现波峰波谷的时刻领先于工业增加值2个月左右,且与CTSI货运指数出现波峰波谷的时刻更为一致. CTSI货运指数出现波峰波谷的时刻平均领先CTSI客运指数也符合经济生产的一般情况: 对于市场需求或供给所带来的冲击,尤其是在经济下行时期, 货物运输生产一般先于宏观经济进行调整, 而旅客运输生产活动则随着宏观经济整体受到的影响进行调整. 3.3 重大事件影响分析

2000年以来,中国经历了几次较大的事件, 给交通运输行业带来了不同程度的冲击. 2003年3月"非典"爆发, 高传染性使得旅客出行大幅减少、部分运输线路停运, 直至当年9、10月份才逐步恢复,从图 4中可见2003年3月-2004年9月, CTSI指数同比经历了由波谷到波峰的剧烈震荡; 2008 年下半年, 受国际金融危机影响,交通运输行业尤其是国际航运业受到较大影响, 在走势图中也可以看到，2008年7月-2009年8月CTSI指数出现波谷, 与工业增加值增速变动趋势一致. 由此可见, CTSI指数能够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. 4 结论

本文在研究美国TSI指数编制方法的基础上, 构建了中国运输服务指数(CTSI),该指数涵盖铁路、公路、水路、航空、邮政等交通运输主要领域, 基础指标体系的覆盖面达到$78\%$,所包含领域对GDP的贡献在$5\%$ 左右, 体现了新一轮大部制改革后交通运输行业的主体职能范畴. 对基础指标进行口径调整、无量纲化处理和季节调整, 主要剔除了移动假日(春节等)因素的影响, 使指标序列更能反映行业生产的客观情况. 在权重处理上, 将增加值权重与经验权重相结合,以弥补数据获取的时效性. 最后, 采用Fisher-ideal方法集成基础指标来合成指数, 并结合相关性分析、周期性分析、重大事件影响分析等对指数结果进行合理性检验.

时差性分析结果显示, CTSI(客运、货运、综合)指数与工业增加值之间都存在较高的正相关性,其中CTSI货运及综合指数与工业增加 值之间的相关系数更高,与工业增加值存在较好的同步性. 经HP滤波处理的周期性序列对比显示, 指数与工业增加值之间的周期性变化趋势基本一致, 而指数出现波峰波谷的时刻平均领先于工业增加值2个月,且与CTSI 货运指数出现波峰波谷的时刻更为一致. 重大事件影响分析表明, 指数能较好地拟合"非典"、国际金融危机等重大事件对宏观经济的影响. 总的来看,CTSI指数与宏观经济走势较为一致, 能够对宏观经济发展起到印证或者预警作用.

在编制中国运输服务指数的基础上,下一步可开展更多有价值的研究. 1)交通运输行业与宏观经济的联系并 不局限于经济贡献方面, 还表现在进出口、投融资、就业、上下游产业拉动等方面, 可进一步研究CTSI指数与经 济社会各方面的联系; 2)政策性、结构性冲击对于行业有深远影响, CTSI指数在反映政策性、结构性冲击方 面的作用需要进一步论证; 3)指数的编制方法也可借鉴到行业的子领域中, 研究编制分领域的运输综合指数.