浅谈城市发展与铁路货运能耗的相关性实证

　  表2-1 因变量为货物发出量时的影响因素分析
　　图2-1 因变量为货物发出量时的标准残差图
　　通过表2-1与图2-1可见，各系数较低，且残差较大。特别是山西省的残差非常大。
　　试着分析其产生的原因：山西省是中国最重要的煤炭产地，其产煤量非常大，且每年向其他区域的发送量多。这个因素影响了多重回归分析的结果并造成较大的残差。因而，煤的生产量对铁路货物运输量带来非常大的影响。
　　运用同样方法可以发现河北省由于拥有庞大的冶金和化工基地，且电力耗煤较大导致原煤调入量非常大，对铁路货物的收到量产生较大影响。
　　综合以上分析，要解释铁路货物运输量，只考虑人口与经济发展的指标是不够的，煤的指标也是影响铁路货物运输量的重要指标。煤的供需在中国经济中不可缺少，传统经验认为煤的增产以及运输能力的保证是经济发展的钥匙。 铁路运输发出货物的影响因素方程
　　首先将前述的各因素作为自变量(总人口、城市化率、人口密度、人均GDP、第一产业从业者、第二产业从业者、第三产业从业者、平均工资、平均消费、第一产业GDP、第二产业GDP、第三产业GDP、煤炭生产量、煤炭调入量)，铁路运输发出货物为因变量进行多重回归分析，建立解释铁路货物发出量的模型。
　　通过对修正决定系数的比较，最终选定总人口、第一产业从业者、煤炭生产量三个变量作为自变量进行分析，结果如2-2表所示
　　DW值通过验证，说明不存在一阶自回归。提取其中的偏回归系数和常数项组成等式：
　　----------（2-4）
　　0：铁路运输发出货物量
　　X1: 总人口 X2：第一产业从业者 X3：煤炭生产量
　　根据式(2-4)，铁路运输发出货物量与总人口、煤炭生产量呈正比关系，与第一产业从业者数呈反比关系。 铁路运输收到货物的影响因素方程
　　同理经过比较偏回归系数，确定了解释铁路运输收到货物量的因素：总人口、第二产业从业者、第二产业GDP、煤炭调入量。结果如表2-3所示
　　DW值同样通过检验，证明不存在一阶自回归现象。提取其中的偏回归系数和常数项组成等式：
　　-----（2-5）
　　D：铁路运输收到货物量
　　X1: 总人口 X2：第二产业从业者 X3：第二产业GDP X4：煤炭调入量
　　根据式(2-5)，铁路运输收到货物量与总人口、第二产业GDP、煤炭调入量呈正比关系，与第二产业从业者数呈反比关系。
　　三、上海未来铁路货物运输能源消费量预测
　　（一）各省总人口的预测
　　根据铁路货物发出与收到量推算模型，总人口参数在各参数中的解释力相对较强，故首先对未来人口的变化趋势进行预测。
　　本研究的预测方法采用Logistic增长曲线模型，俗称“S曲线”。该模型是于1945年由比利时数学家Verhulst推导出来的，于20世纪20年代被重新发现并广泛应用。
　　以下为Logistic方程推导过程:
　　此为Logistic方程的微分形式①
　　y：人口数 A：待求参数 t：表示时间 r：增长率
　　根据牛顿-莱布尼茨公式可得 ②
　　 ③
　　设，则得到:
　　--------------（4-1）
　　通过SPSS统计分析软件对各个省级行政区人口数的历史指标进行非线性拟合可得到A、B、r的数值，并建立各个省级行政区不同的Logistic推算方程并预测2020年人口数。
　　（二）其它因素的推算
　　1.煤炭调入量根据各省级行政区2000-2008年的平均增长率，按比例推算。 煤炭生产量根据2000-2008年的平均增长率，并结合国土资源部《全国矿产资源规划》相关政策进行推算。 通过观察，第一产业从业者几年来基本保持不变、第二产业从业者人数则基本随着人口增长比例变动。 根据第二产业GDP的平均增长率，推算2020年上海第二产业GDP数。 根据预测2020年人口数、煤炭调入、生产量、一二产业从业人数、二产GDP数可以分别预测各省级行政区收到货物总量与发出的货物总量。
　　（三）引力模型的应用
　　根据式（2-2）引力模型的对数形式进行多元回归分析，可分别相应参数α、β、γ以及常数项lnK。再代入前一节的预测结果，得到2020年上海作为铁路发出货物端点时和收到货物端点时的货物量。
　　（四）预测结果
　　如前所述可以得到：2020年上海共发出货物1984万吨，收到货物3062万吨，并分别代入公式2-1中。
　　EC使用《我国交通运输行业能源消费和排放与典型国家的比较》的研究成果：铁路货运能耗因子目前推测约为97.3千克标准煤/万吨公里。保守估计2020年货运能耗降低到85千克标准煤/万吨公里的情况下，各个地区与上海往来的铁路货运能耗如图3-3所示
　　图3-3 2020年各个地区与上海往来铁路货运能耗图 单位：吨标煤
　　2020年以上海为端点的铁路货运能耗共计约1096683吨标煤，2008年为468601吨标煤，增加了近134%。
　　四、总结
　　（一）我国80年代以来，从铁路能源消耗比例与货运能耗因子指标都可以看出，铁路机车的更新换代及产品升级成果显着，而且在接下来的时间里发展态势良好稳定。随着我国铁路逐渐加快电气化建设，铁路货运能耗指标也在逐年降低，2007年较1990年下降了63.2%，与世界发达国家相比已有了一定的优势。大力发展铁路，进一步加快铁路“以电代油”的能力建设，将对缓解我国能源紧张局面、减少石油消耗起到重要作用。
　　（二）通过多重回归分析得到：总人口数与货物运输总量呈正比关系，而随着各地第二产业GDP的不断增加也将同时伴随着货物运输总量的不断攀升。可见一个城市的发展导致了人口的增多和工业的发展，也势必影响到其铁路货物运输量的变化。
　　（三）煤炭生产量对货物发出量的影响最大；而煤炭调入量对货物收到量的影响最大。由此可见我国煤炭运输在货物运输中的重要性。而在今后相当长的时期内，我国能源生产和消费结构中煤炭比重仍将保持在70%以上，如果以现有的经济模式发展下去，煤炭运输将持续推动货物运输量的步步攀升，随之产生更大的铁路运输能耗。
　　（四）由于总人口的增加、煤炭调入量的激增，通过模型预测，2020年以上海为端点的铁路货运能耗较2008年增加了130%以上。以上海为收到端，山西、内蒙古等主要产煤省的铁路货物运输能耗最大；以上海为发出端，路途较远的新疆、四川等地运输能耗最大。随着上海与新疆喀什的对口支援进一步深入，两地间的货物往来将进一步增多，在政策制定上须作为成本因素予以考虑。
　　：
　　[1]《Climate Change 2007》 联合国政府间气候变化专门委员会(IPCC)出版，2007
　　《联合国气候变化框架公约》 (United Nations Framework Convention on Climate Change)，1992
　　铁道部计划司编 《全国铁路统计资料汇编1949-1991》，内部资料，1949-1991
　　中国国家统计局编《中国统计年鉴2000－2000》中国统计出版社，2001－2009
　　中国国家交通局编《中国交通年鉴2000－2009》中国交通出版社，2001－2010
　　中国国家统计局编《中国城市统计年鉴2000－2009》中国统计出版社，2001－2010
　　国家统计局工业交通统计司、国家发展和改革委员会能源局《中国能源统计年鉴2000－2009》中国 统计出版社，2001－2010
　　王庆一 可持续能源发展财政和经济政策研究参考资料，北京能源基金会《中国能源数据2009》
　　上海统计局 《上海工业能源交通统计年鉴2009》 中国统计出版社,2010
　　[10]上海市发展和改革委员会 《上海能源白皮书》 上海人民出版社，2006
　　[11]王雷《A Study on the Relation between the Distributed Population and Industry And Transportation Energy in China》，2006
　　[12]吴文化《我国交通运输行业能源消费和排放与典型国家的比较》中国能源，2007
　　[13]王维、罗守贵《上海都市圈城市间引力研究及基于人流量的实证分析》软科学，2006