黃 宇，薛 鋒,2

（1. 西南交通大學，交通運輸與物流學院，成都 611756；2. 綜合交通運輸智能化國家地方聯(lián)合工程實驗室，成都 611756）

0 引 言

隨著國家經(jīng)濟的快速發(fā)展，全國各地區(qū)機動車的數(shù)量也在快速增長，人們交通出行越來越便利的同時，交通事故正嚴重地威脅著人們的人身安全。交通事故不僅造成人的身體、心理傷害，還造成物的破壞、經(jīng)濟的損失，更成為危害人類生命的主要原因之一。

國內學者對于交通安全的研究多側重于風險評估方面，如黃文成等[1]建立了一個新的道路危險品運輸系統(tǒng)風險評價方法；李強等[2]提出了基于質量功能配置法的危險品運輸風險影響因素的重要度分析方法；陳躍等[3]對前人所做的風險分級指數(shù)模型進行了改進，構建了新的危險貨物道路運輸風險評價指數(shù)模型；陶健[4]以陜西某危險貨物運輸企業(yè)和具體運輸路線為研究對象，運用所建模型計算特定運輸任務的事故風險，并對計算結果進行客觀評價。國外學者Ntzeremes等[5]將風險評估引入公路隧道消防安全，提出了一種基于風險降低和社會經(jīng)濟因素的安全措施最優(yōu)選擇的綜合框架，并討論了其在公路隧道風險分析中的適用性；Jurewicz 等[6]應用碰撞預測風險評估模型評估道路網(wǎng)絡未來發(fā)生嚴重車禍的風險，以減少嚴重的道路崩潰風險發(fā)生的概率。以上研究均從交通事故成因角度進行分析，以引起交通運輸從業(yè)人員的警覺，極少數(shù)學者[7-8]從交通事故所造成嚴重經(jīng)濟損失的角度來分析交通安全的必要性。

鑒于此，筆者從交通安全經(jīng)濟效應的視角，將經(jīng)濟元素引入交通安全進行研究，運用向量自回歸（Vectir Autoregression，VAR）模型和Granger因果關系檢驗等方法，定量分析交通事故發(fā)生數(shù)、傷亡人數(shù)、直接財產損失三者之間的動態(tài)關系，變量之間的格蘭杰因果關系以及脈沖響應關系，以期從交通安全經(jīng)濟效應方面為交通管理部門建設更加安全的交通環(huán)境提供參考。

1 數(shù)值模型計算方法

向量自回歸（VAR）模型作為一種非結構化的多方程模型，模型把每一個內生變量視為構建模型中的所有內生變量的滯后值函數(shù)來建構模型。將單變量自回歸模型擴展為具有時間序列性質的多變量自回歸模型，主要用來擬合各個變量之間的關系，模型初期用于測量股票交易的風險[9]，常應用于計量經(jīng)濟學領域，隨著模型的不斷推廣，可以運用在眾多的領域。基于本文主要研究的是交通事故發(fā)生數(shù)（Y）與傷亡人數(shù)（X1）、直接財產損失（X2）的動態(tài)關系，因此本文利用向量自回歸模型來對這三個變量之間的動態(tài)關系加以解釋，VAR 模型矩陣表達式如下：

式中：θ 表示系數(shù)矩陣； yt表示內生變量向量；k 表示滯后階數(shù)； xt表示外生變量向量；tε 表示隨機干擾項?；谏鲜鯲AR 模型，將所選取交通事故發(fā)生數(shù)、傷亡人數(shù)、直接財產損失，做對數(shù)運算以消除異方差[10]，再將三個內生變量帶入VAR 矩陣模型可生成具體模型：

格蘭杰因果關系（Granger Causality）常用于檢驗兩個變量間的相互作用關系，是一種動態(tài)關系的檢驗。如果影響顯著，說明該變量對另外一個變量或幾個變量存在格蘭杰因果關系；如果影響不顯著，說明該變量對另外一個變量或幾個變量不存在格蘭杰因果關系檢驗。格蘭杰因果關系檢驗的原假設是被檢驗變量不是因變量的因果關系，如果檢驗的概率P 值小于設定的置信水平（通常為5%），則認為被檢驗變量構成因變量的因果關系；反之，認為被檢驗變量不是因變量的因果關系[11]。在進行格蘭杰因果關系檢驗之前，會對整理的具有時間序列性的數(shù)據(jù)進行平穩(wěn)性檢驗，診斷其是否存在單位根。如果檢驗結果存在單位根，表明時間序列數(shù)據(jù)不平穩(wěn)，則需要對其進行協(xié)整檢驗，確定其是否存在長期均衡關系。如果時間序列數(shù)據(jù)存在長期均衡狀態(tài)，則可進行格蘭杰因果關系檢驗。

2 交通事故發(fā)生數(shù)與傷亡人數(shù)、直接財產損失的關系分析

2.1 平穩(wěn)性檢驗

在建立向量自回歸（VAR）模型之前，首先要對所選取變量進行平穩(wěn)性檢驗，這樣可避免因原始時間序列數(shù)據(jù)的不穩(wěn)定而造成的錯誤回歸模型[12]。大多數(shù)學者采用 ADF（Augmented Dickey-Fuller）單位根檢驗方法來檢驗數(shù)據(jù)序列的平穩(wěn)性，進而對選取的變量進行協(xié)整性檢驗。本文從ESP（Exome Sequencing Project）數(shù)據(jù)平臺收集整理得到1990—2016 年三個變量的時間序列數(shù)據(jù)，為使檢驗結果更加準確，先使用ADF 單位根檢驗方法檢驗數(shù)據(jù)的平穩(wěn)性，結果如表1 所示。

表1 ADF 單位根檢驗結果

表1 檢驗結果顯示，交通事故發(fā)生數(shù)、傷亡人數(shù)、直接財產損失原序列數(shù)據(jù)均存在單位根，這說明數(shù)據(jù)時間序列不平穩(wěn)。直接財產損失在經(jīng)過一階差分后，其ADF 值在5%水平下顯著，說明數(shù)據(jù)達到平穩(wěn)。交通事故發(fā)生數(shù)和傷亡人數(shù)在經(jīng)過二階差分后，兩者的ADF 值也在5%水平下顯著，說明數(shù)據(jù)到達平穩(wěn)。現(xiàn)在繼續(xù)進行p-p 檢驗，結果如表2 所示。

表2 中p-p 檢驗結果顯示這三個變量也都在5%的顯著水平下拒絕有單位根的原假設，這說明這三個時間序列數(shù)據(jù)都是平穩(wěn)的，與ADF 單位根檢驗結果一致。

表2 數(shù)據(jù)的p-p 檢驗結果

2.2 VAR 模型的估計

（1）Johansen 協(xié)整檢驗

VAR 模型是依據(jù)數(shù)據(jù)的統(tǒng)計性質建立的，在建立模型之前，需要通過協(xié)整檢驗判斷變量關系是否平穩(wěn)，通過 AIC（Akaike Information Criterion）準則和SC（Schwarz Criterion）準則來確定最佳滯后階數(shù)k，這樣VAR 模型能反映出變量間相互影響的絕大部分。首先通過Johansen協(xié)整檢驗時間序列l(wèi)n（Y）、ln（X1）、ln（X2），檢驗結果如表3 所示。

表3 變量ln（Y）、ln（X1）、ln（X2）的Johansen檢驗結果

由表3 檢驗結果可得，在5%的檢驗水平下，變量ln（Y）、ln（X1）、ln（X2）存在長期穩(wěn)定的協(xié)整關系，也就是說交通事故發(fā)生數(shù)、傷亡人數(shù)、直接財產損失存在穩(wěn)定的均衡關系。

（2）最佳滯后階數(shù)的確定

根據(jù)最優(yōu)滯后階數(shù)應使AIC 和SC 同時取值最小的原則，當AIC 和SC 準則不一致時，應選擇滿足更多準則的滯后階數(shù)。根據(jù)表4 結果，當滯后階數(shù)為2 的時候，AIC 和SC 準則不一致，符合應選擇滿足更多準則滯后階數(shù)的規(guī)則，故本模型最佳滯后階數(shù)為2。

（3）VAR 模型的建立

在確定滯后階數(shù)為2 后，為防止VAR 模型出現(xiàn)偽回歸，保證VAR 模型的精確性和穩(wěn)定性，利用AR 單位根檢驗來驗證模型的穩(wěn)定性，結果如圖1 所示。所有的AR 特征根倒數(shù)的模都落在單位圓內，這說明VAR 模型是平穩(wěn)的[13]。

圖1 AR 特征根倒數(shù)的模的單位圓結果

表4 最佳滯后階數(shù)選擇

選取VAR 估計模型中的系數(shù)，構建模型估計方程如下：

2.3 Granger 因果關系檢驗

Ganger 因果關系檢驗能反映所檢驗變量之間的因果動態(tài)關系，根據(jù)檢驗結果中的P 值來判斷一個變量對一個或多個變量的影響結果是否顯著，也就是拒絕或者接受原假設[14]。從表5 可以看出，在5%的顯著性水平下，ln（Y）與ln（X1）不存在格蘭杰原因，這說明交通事故發(fā)生并不一定會出現(xiàn)人死亡，也不能排除交通事故不會造成人的傷亡，往往在出現(xiàn)嚴重交通事故的時候，會造成人受傷甚至出現(xiàn)死亡的可能；ln（Y）是ln（X2）的單向格蘭杰原因，說明交通事故的發(fā)生導致人的直接財產損失進而給國家經(jīng)濟造成損失。一是交通事故發(fā)生后，交通工具出現(xiàn)損傷需要修復，特別是汽車等大型交通工具需要大量的材料修復；二是事故的清除需要大量的人力、物力，也會造成經(jīng)濟的損失；三是交通事故發(fā)生數(shù)越多，對財產的損失越嚴重。ln（X1）與ln（X2）互為格蘭杰原因，交通事故造成的人員傷亡直接造成了財產的損失，包括醫(yī)藥費等，另外還間接地造成了人的誤工費、時間成本損失等不可定量的財產損失。

表5 格蘭杰因果關系檢驗結果

2.4 脈沖響應分析

脈沖響應函數(shù)可用于衡量來自隨機擾動項的一個標準差沖擊對內生變量當前和未來取值的影響，其變動軌跡能比較直觀地刻畫出變量之間的動態(tài)交互作用及其效應[15]。因此，本文利用上述建立的VAR 模型，借助脈沖響應函數(shù)分析得到三個變量之間的脈沖響應圖和脈沖響應值，進一步分析變量間的動態(tài)關系。對數(shù)據(jù)進行分析后，得到三個變量的脈沖響應曲線（見圖2）以及脈沖響應分析結果（見表6）。

據(jù)圖2 和表6 結果可以，交通事故發(fā)生數(shù)在當期對傷亡人數(shù)、直接財產損失分別為0.061 981、0.054 065，說明交通事故一發(fā)生就對傷亡人數(shù)、直接財產損失有很大的沖擊；在隨后的幾期響應值中，數(shù)值表現(xiàn)為忽高忽低，但10 期總累計值為正，這說明交通事故的多次發(fā)生，會造成嚴重的直接財產損失和人員的傷亡。

圖2 脈沖響應曲線

表6 脈沖響應分析結果

3 結 論

上述定量分析結果表明，交通事故發(fā)生數(shù)對傷亡人數(shù)、直接財產損失的沖擊效果正逐漸降低，這說明在現(xiàn)有的交通管理政策下的交通事故發(fā)生數(shù)已得到有效的控制，且交通事故發(fā)生數(shù)直接影響經(jīng)濟損失的嚴重程度。根據(jù)VAR 模型結果可得到以下3 點結論，交通管理部門可參考以下結論，從經(jīng)濟角度制定相應的交通管理政策：

（1）從三個變量之間的格蘭杰原因分析，交通事故發(fā)生數(shù)是直接財產損失的格蘭杰原因，事故傷亡人數(shù)與直接財產損失互為格蘭杰原因；交通事故次數(shù)的多發(fā)在一定程度上造成人身傷害，更是造成直接財產損失的主推手。

（2）從三個變量之間的脈沖函數(shù)沖擊響應分析可知，交通事故發(fā)生數(shù)對傷亡人數(shù)、直接財產損失都長期存在正向的沖擊，且交通事故發(fā)生數(shù)對于直接財產損失影響更為顯著，這說明交通事故是造成人員傷亡和直接財產損失的主要原因，交通事故對人及物的危害極大。

（3）從經(jīng)濟視角對交通安全進行分析，經(jīng)濟增長帶動了國家機動車保有量的大幅度增加，創(chuàng)造一個安全的交通環(huán)境，能減少交通事故、減少人員傷亡和直接財產損失，間接促進經(jīng)濟的增長。

交通事故發(fā)生最為直接的影響就是造成人員傷亡和財產損失，本文基于ESP 數(shù)據(jù)平臺對因交通事故發(fā)生數(shù)而造成的經(jīng)濟損失進行VAR 模型分析，一定程度上可以證明交通事故對經(jīng)濟損失的沖擊力度，但未能區(qū)分不同類型的交通事故造成經(jīng)濟損失的大小，需進一步深化研究。