公路货运价格与自身成本及 铁路竞争的联动关系研究

张梦迪，罗 莹，王怀相，陈娅娜

（1.中国铁道科学研究院 研究生部，北京 100081；2.中国铁道科学研究院集团有限公司 运输及经济研究所，北京 100081)

0 引言

随着生产力水平的发展，人们对生活环境质量的要求越来越高。因此，调整运输结构、实施“公转铁”成为国家交通运输政策的重要导向。2017年中央经济工作会议，以及2018年国务院发布的《打赢蓝天保卫战三年行动计划》，多次提出要优化货物运输结构，减少公路货运量、增加铁路货运量，并提出矿石、焦炭等大宗货物运输及主要港口煤炭集港原则上由铁路或水路运输[1]。鉴于交通运输服务领域很高的市场化程度，运价是推进“公转铁”过程中需要重点考虑的因素。当前，我国公路货运市场化比较充分，定价机制完备，但铁路与公路货运价格间的市场关系并不明确，因此有必要对铁路与公路货运价格间的联动关系进行研究。

目前，已有学者针对公路货运价格影响因素展开研究。马银波[2]认为油价上涨、实施计重收费等因素导致公路运输成本不断上升，并由此出现成本推动型的公路货物运价上升。章宙等[3]认为运输成本、装载量、产品特性、市场情况是影响我国公路运价水平的主要因素。李巧巧[4]从宏观、微观2个方面解释公路货运价格影响因素，认为宏观方面影响因素应包括区位因素和国家经济政策，微观方面影响因素涉及运输对象、成本、运距、积载能力、供求关系等。黄静兰、方启稳[5-6]考察影响公路货运价格形成的主要因素，认为各种运输方式间竞争、公路货运市场结构、燃油价格、国家经济政策和法规制度等因素均会影响公路货运价格的形成。

以往的研究提出并认可了运输成本因素对公路货运价格的影响。直观来看，运输成本的冲击会导致公路货运价格随之变动。而在运输成本构成中，在排除政策影响的情况下，固定线路区间上的通行费、折旧费、保险费、税金等支出在一定时间周期内是稳定的[7]，具有可预判性，可以认为其不是造成价格波动的主要原因。相反，燃油费在公路运输成本中的占比接近3成，燃油价格随国际市场交易情况和国内市场政策频繁波动，其浮动变化会直接对道路运输的单位成本产出冲击，进而在一定程度上导致公路货运价格的波动[8]。同时，以往研究也认可了市场化条件下，行业竞争是引起价格波动的重要原因。我国货物运输涉及多种运输方式，各运输方式间存在相互配合、相互竞争的关系。铁路与公路同属陆路运输，在运输服务功能上具有相似性，2种运输方式之间也存在一定的替代作用。在“公转铁”背景下，铁路货运量的变动可以反映铁路货物运输需求的变化，运输量在不同运输方式之间的转移引起对公路货物运输需求的变动，进而对公路货运价格产生冲击。

现有研究在方法上多为定性分析，缺少对来自铁路运输相关因素与公路货运价格之间的动态关联研究。为此，利用公路货运市场的价格监测数据，从成本、竞争角度出发，通过建立向量自回归(Vector Auto-regression，VAR)模型量化分析“公转铁”背景下多因素与公路货运价格的联动关系。研究验证各因素与公路货运价格间的联动关系并掌握波动规律，可以促进商品在分配、消费、流通各环节的循环畅通，优化当前货物运输市场结构，维护良好的市场秩序，提升铁路货运的市场竞争力，充分发挥铁路运输的环保优势，促进国家经济健康发展和构建以国内大循环为主体的“双循环”格局。

1 向量自回归理论

1.1 VAR模型

由于是对一个系统内多个相互关联的经济变量间的动态关系进行研究，因此在分析方法上选取向量自回归方法。向量自回归是基于数据的统计性质来建模的，其建模思想是把系统中每个内生变量作为系统中所有内生变量滞后值的函数来构造模型，即在单变量自回归模型的基础上，引入由多元时间序列变量组成的向量自回归模型。VAR模型的实质是考察多个变量之间的动态互动关系，常用于预测相互关联经济变量的时间序列系统，也用于分析随机扰动对变量系统的动态冲击，并解释冲击对变量形成的影响[9]。

若系统内存在2维时间序列变量{y1t，y2t}，分别作为2个回归方程的被解释变量，解释变量为这2个变量的各阶滞后项，则构成的一个二元VAR (p)系统可记为

式中：y1,t-p，y2,t-p分别为y1t，y2t的p阶滞后项；p为滞后阶数；β，γ为被解释变量系数；t= 1，2，…，T，T为样本个数；ε1t与ε2t均为不存在自相关的白噪声过程，但两方程的扰动项间允许存在同期相关性。

由于公式(1)中两方程的解释变量相同，将其合并可得

推广到k维内生变量时，VAR (p)模型的数学表达式为

式中：yt为k维内生变量列向量；A0为(k×1)阶系数列向量；Ai为(k×k)阶系数矩阵(i= 1，2，…，p)；εt为向量白噪声过程。

1.2 模型建立与检验

VAR模型建立前，需要完成以下工作步骤：①检验序列变量平稳性，若时间序列变量均为平稳，则可以进一步用于构建VAR模型；②确定模型滞后阶数，主要依据似然比(Likelihood Ratio，LR)检验法，以及AIC，SC等信息准则最小原则来选择滞后阶数。

VAR模型建立后，需要根据整个系统的平稳性条件，对模型有效性进行检验。通常采用AR特征根检验法，即如果模型所有特征根倒数的模都小于1 (位于单位圆内)，则表示所建立的VAR模型是稳定可用的；否则需要对模型进行优化。

1.3 模型分析

由于VAR模型中各个等式的系数通常较多，且每个系数只反映了一个局部动态关系，并不能全面反映变量间复杂的动态关系，因此不能通过分析模型系数估计值来分析VAR模型。VAR模型结果的分析需进一步借助脉冲响应函数(Impulse Response Function，IRF)、方差分解等工具。

2 公路货运价格联动关系的实证分析

2.1 变量选择及数据来源

2018年6 月，国务院常务会议原则通过推进运输结构调整三年行动计划，提出以推进大宗货物运输“公转铁”作为主攻方向。在此背景下，为充分验证公路货运价格的联动关系性，分别从公路内部成本以及货运市场竞争角度选取了2个具有代表性的指标进行研究分析，即0号柴油市场价格(OILP)和铁路货物总发送量(RAILVOL)，进而分析所选取的2个指标与中国公路物流整车运价指数(CARINDEX)之间的相互影响作用机理。

选取的样本期间为2017年1月—2020年10月，合计138个样本。数据主要来源于交通运输部网站、公路物流运价指数网及Wind数据库。为减少可能存在的异方差性，对所有时间序列变量进行对数化处理，对数处理后变量指标含义及描述性统计如表1所示。

表1 对数处理后变量指标含义及描述性统计Tab.1 Indicator meaning and descriptive statistics after log processing

2.2 VAR模型的建立

2.2.1 构建VAR模型

VAR模型的假设条件是时间序列变量平稳，因此需要对各变量进行平稳性检验。时间序列变量ADF单位根检验结果如表2所示。由表2可知，CARINDEX在5%的显著水平下拒绝原假设，其余变量在1%的显著水平下拒绝原假设，即参与建模的变量均为平稳序列。

选取LR检验法和信息准则最小原则确定模型的滞后阶数，VAR模型滞后阶数检验结果如表3所示。经检验，模型的最优滞后阶数确定为2阶，即待估计模型为VAR (2)。

2.2.2 VAR(2)模型的稳定性检验

图1 VAR(2)模型特征根Fig.1 Characteristic roots of VAR (2)

采用AR特征根检验法对模型有效性进行检验。经检验，VAR(2)模型稳定性良好，VAR(2)模型特征根如图1所示。图1中单位圆中的散点表示VAR(2)模型的6个特征根倒数的模，全部点都落在单位圆内且大部分远离单位圆，表明模型稳定，能保证进一步分析的有效。建立得到的VAR(2)模型参数估计结果表达式为

其 中，Yt= (CARINDEX，OILP，RAILVOL)T。 经检验，上述模型平稳，3个方程的拟合优度分别为0.595 607。

表2 时间序列变量ADF单位根检验结果Tab.2 ADF unit root test results of time series variables

表3 VAR模型滞后阶数检验结果Tab.3 Lag order test results of VAR models

2.3 实证结果分析

借助IRF脉冲响应函数、方差分解等工具对VAR (2)模型进行进一步分析。

2.3.1 脉冲响应分析

脉冲响应函数可以较全面地反映一个变量变化与另一变量之间的联动过程，用来描述对系统内某一变量施加一个标准差冲击时，该变量对所有内生变量产生的动态关联过程和效应。公路货运价格受到冲击的脉冲响应函数图如图2所示。图2中横轴代表冲击发生的滞后期数，纵轴代表公路货运价格受到冲击的响应程度；实线代表公路货运价格受到冲击后的走势，虚线代表公路货运价格走势的2倍标准误差。

其中，成本冲击在短期与公路货运价格产生同向联动。具体表现为：本期来自成本方面的冲击正向变动一个标准差，在第1 ～ 3期(研究使用月度数据，1期即1个月，下同)与公路货运价格正向联动，并在第2期达到最大；从第4期开始来自成本方面的冲击开始与公路货运价格发生负向联动，且影响强度是非收敛的。这表明以柴油价格为代表的运输成本的上升(下降)，会在短期导致公路货运价格上升(下降)，这一结果符合现实情况。

图2 公路货运价格受到冲击的脉冲响应函数图Fig.2 Impulse response function of road freight price under impact

来自竞争方面的冲击在10期内与公路货运价格产生反向联动。具体表现为：本期来自竞争方面的冲击正向变动一个标准差，在10期都与公路货运价格反向联动，且在第4期影响程度最大；从第5期开始，来自竞争方面的冲击与公路货运价格的反向联动关系开始减弱，最后逐渐趋于收敛。说明在运输需求一定的情况下，由于货流分配的改变，铁路货运量的增加(减少)会影响公路货运量，进而公路运输服务提供者可能会通过降低(提高)公路货运价格的方式争取更多市场份额。

2.3.2 方差分解情况

方差分解方法能够量化表现各变量间联动关系的强弱[10]，通过将VAR系统内一个变量的方差分解到各个扰动项上，分析每个结构冲击对内生变量变化的贡献度，并使用方差来度量、评价不同结构冲击的重要性。各变量对CARINDEX的方差贡献率如表4所示。总体来讲，公路货运价格变动与自身变动关联较大。具体而言，稳定时的公路货运价格自身贡献率约为85%；成本方面冲击对公路货运价格的贡献率在10期内逐渐上升，且大约12.6%的公路货运价格变动方差可由成本方面的冲击变动来解释；竞争方面冲击的贡献率于第6期达到最大值3.02%左右，稳定时贡献率约为2.44%。

表4 各变量对CARINDEX的方差贡献率 %Tab.4 Variance decomposition of CARINDEX

3 结论与建议

3.1 结论

研究基于2017年1月—2020年10月的月度数据，以市场化条件下公路货运价格为研究对象，从成本和竞争角度出发，量化研究“公转铁”背景下成本因素、竞争因素与公路货运价格之间的联动关系，分析公路货运价格受到外界变量冲击时的动态反映过程，并考察成本因素、竞争因素与公路货运价格间联动关系的强度。研究结果表明： ①从对公路运价影响的时间跨度看，公路往期价格因素及成本上涨会快速与公路货运价格产生同向联动，但短期内价格会回落并趋于平稳，反映了当前公路货运行业内部竞争的剧烈程度和供求不均衡性；而来自铁路的竞争因素在长期内对公路货运价格产生反向作用。②从对公路货运价格的影响程度看，公路运价调整反应迅速，且对自身成本的波动较为敏感，对来自竞争方面的冲击响应不强，反映出我国公路货运盈利空间较小、难以承受成本波动的现状。其原因在于，不同于铁路货运集中、统一的管理模式，公路货运服务的市场主体多为中小货运企业和个体户，不同市场主体间的竞争方式主要为价格竞争，竞争范围主要集中在公路货运行业内部，这使得公路货运市场主体对自身成本变化产生了很强的自我消化能力，体现在运价调整过程中——既要尽快反映成本波动，以避免盈利消失；又要尽快消化成本波动带来的利润损失，以保证个体的价格竞争实力。

3.2 建议

通过检验竞争因素即铁路货运与公路货运价格间的联动关系，可以认为铁路货物运输业与公路货物运输业间确实存在一定程度的竞争关系，这种竞争关系虽整体上表现不强，但会在个别竞争领域或通道被放大。为保证“公转铁”的顺利开展，维护运输市场的正常秩序，作为铁路运输企业，在充分参与当前货运市场竞争时，应适度调整竞争策略，避免将价格竞争作为主要突破手段，也不能将价格策略作为增加市场份额的唯一方案。一方面，应加强对公路物流成本的监测与信息共享，及时掌握公路运输成本与公路货运价格监测的比对情况，为铁路制定合理运价打好基础。另一方面，应注重铁路货运服务创新，在确保铁路充分参与运输市场竞争的同时，通过优化运输产品服务质量来减少因竞相削价带来的铁路企业利益损失。同时，还应积极配合政府主管部门加强对不合法运输行为的监督管控。通过提升铁路运输企业市场参与实力，充分发挥铁路运输技术经济优势和正外部性，营造公平、健康、持续发展的运输市场环境。