游俊雄

（廈門大學(xué)嘉庚學(xué)院 管理學(xué)院，福建 漳州 363105)

地鐵是城市交通系統(tǒng)的現(xiàn)代化表征，通常地鐵的旅行速度不低于35 km/h，高峰小時(shí)行車間隔不大于2 min，客運(yùn)量一般可以達(dá)到單向4.5萬(wàn)人次/h，最大運(yùn)量甚至可以通過(guò)列車編組與發(fā)車頻率調(diào)整達(dá)到7.5萬(wàn)人次/h，運(yùn)輸能力比地面公共汽車大7 ~ 10倍[1-2]。地鐵的優(yōu)勢(shì)在于創(chuàng)造外部經(jīng)濟(jì)性，如節(jié)省土地、減少交通噪音、減少交通干擾、節(jié)約能源、減少污染、創(chuàng)造空間價(jià)值、快速運(yùn)送、準(zhǔn)時(shí)運(yùn)送等；地鐵的最大劣勢(shì)則是建設(shè)成本高、運(yùn)營(yíng)費(fèi)用高[3-4]，估算國(guó)內(nèi)地鐵每公里造價(jià)約為7億 ~ 10億元，部分大城市地鐵建設(shè)成本甚至更高[5-6]。根據(jù)中國(guó)城市軌道交通協(xié)會(huì)的不完全統(tǒng)計(jì)，2019年全國(guó)城市軌道交通平均單位車公里運(yùn)營(yíng)成本約23.4元，而平均單位車公里收入為16.7元，運(yùn)營(yíng)收支比為72.7%，運(yùn)營(yíng)收支比超過(guò)100%的城市有杭州、深圳、北京、青島，均為資源經(jīng)營(yíng)收入較高的城市。2020年受新冠肺炎疫情影響，城市軌道交通運(yùn)營(yíng)收支比降到65%[7]，顯示地鐵營(yíng)收不足的城市大比例存在，而且將持續(xù)背負(fù)著未來(lái)運(yùn)營(yíng)的財(cái)務(wù)補(bǔ)貼壓力，這與過(guò)往認(rèn)為地鐵建設(shè)可以帶動(dòng)城市經(jīng)濟(jì)正向發(fā)展的認(rèn)知[8]似乎背道而馳。2018年國(guó)務(wù)院辦公廳印發(fā)《關(guān)于進(jìn)一步加強(qiáng)城市軌道交通規(guī)劃建設(shè)管理的意見(jiàn)》，提高了城市軌道交通規(guī)劃建設(shè)的門檻，其中GDP的指標(biāo)要求從原有的1 000億元提高到3 000億元[9-10]，顯示國(guó)家發(fā)展和改革委員會(huì)對(duì)于地鐵基建項(xiàng)目采取了愈加審慎的態(tài)度，以避免地鐵的過(guò)度投資拖累經(jīng)濟(jì)發(fā)展，引發(fā)債務(wù)風(fēng)險(xiǎn)。地鐵建設(shè)規(guī)模龐大，與城市經(jīng)濟(jì)發(fā)展關(guān)聯(lián)密切，在此對(duì)宏觀視角下地鐵建設(shè)與城市經(jīng)濟(jì)的關(guān)聯(lián)關(guān)系進(jìn)行分析研究。

1 地鐵建設(shè)與城市經(jīng)濟(jì)概況

截至2020年底，我國(guó)共有38個(gè)城市開(kāi)通地鐵運(yùn)營(yíng)，2016—2020年期間新增地鐵線路長(zhǎng)度3 629.2 km，在建地鐵線路長(zhǎng)度5 662.2 km。2020年地鐵運(yùn)營(yíng)規(guī)模與城市經(jīng)濟(jì)人口數(shù)據(jù)如表1所示[7]。根據(jù)地鐵線路長(zhǎng)度與GDP可以畫出散點(diǎn)圖，按GDP分類的地鐵城市分布如圖1所示。圖1顯示地鐵線路長(zhǎng)度與GDP具有一定的相關(guān)性，從大趨勢(shì)上可以發(fā)現(xiàn)城市GDP越高，地鐵線路長(zhǎng)度就越長(zhǎng)。圖1中根據(jù)GDP將地鐵城市劃分為4類：I類城市GDP ＞ 15 000億元，共有9個(gè)城市，地鐵線路4 ~ 20條，線路長(zhǎng)度165 ~ 694 km；II類城市10 000億元 ＜ GDP ＜ 15 000億元，共有12個(gè)城市，地鐵線路1~8條，線路長(zhǎng)度22 ~ 239 km；III類城市5 000億元 ＜ GDP ＜ 10 000億元，共有11個(gè)城市，地鐵線路1 ~ 8條，線路長(zhǎng)度30 ~ 140 km；IV類城市GDP ＜ 5 000億元，共有6個(gè)城市，地鐵線路1 ~ 4條，線路長(zhǎng)度24 ~ 108 km。

表1 2020年地鐵運(yùn)營(yíng)規(guī)模與城市經(jīng)濟(jì)人口數(shù)據(jù)Tab.1 Subway operation scale and urban economic and population in 2020

圖1 按GDP分類的地鐵城市分布Fig.1 Subway city distribution according to GDP

2 地鐵建設(shè)規(guī)模與經(jīng)濟(jì)關(guān)聯(lián)分析

2.1 建設(shè)規(guī)模相關(guān)因素分析

從表1可以發(fā)現(xiàn)，地鐵線路數(shù)量與線路長(zhǎng)度與GDP、人口都具有關(guān)聯(lián)性。研究將直轄市、省會(huì)級(jí)城市與一般城市給予不同的分類值，直轄市以1代表、省會(huì)級(jí)城市以2代表、一般城市以3代表。為了厘清地鐵建設(shè)與城市經(jīng)濟(jì)的關(guān)聯(lián)性，研究設(shè)定了H1—H5統(tǒng)計(jì)假設(shè)，其中H1—H3地鐵線路規(guī)模包括了地鐵線路數(shù)量與線路長(zhǎng)度2個(gè)變量。

H1：地鐵線路規(guī)模與GDP線性相關(guān)。

H2：地鐵線路規(guī)模與城市人口數(shù)量線性相關(guān)。

H3：地鐵線路規(guī)模與城市行政中心特性線性相關(guān)。

H4：地鐵線路長(zhǎng)度排名與城市GDP在全國(guó)排名線性相關(guān)。

H5：不同分區(qū)城市地鐵線路長(zhǎng)度與GDP相關(guān)性不同。

通過(guò)統(tǒng)計(jì)軟件進(jìn)行了相關(guān)檢驗(yàn)工作，得到地鐵規(guī)模與關(guān)鍵因素皮爾遜相關(guān)系數(shù)如表2所示，不同宏觀范圍下地鐵線路長(zhǎng)度與GDP皮爾遜相關(guān)系數(shù)如表3所示，城市地鐵規(guī)模排名與GDP排名相關(guān)性如表4所示。

表4 城市地鐵規(guī)模排名與GDP排名相關(guān)性Tab.4 Correlation between subway scale ranking and GDP ranking among cities

從表2的皮爾遜相關(guān)系數(shù)可以發(fā)現(xiàn)，在宏觀視角下38個(gè)城市的地鐵線路數(shù)量與線路長(zhǎng)度2個(gè)變量有明顯線性相關(guān)，而線路數(shù)量或線路長(zhǎng)度與GDP、人口數(shù)、行政中心等因素同樣具有顯著相關(guān)，其中又以GDP與地鐵線路長(zhǎng)度呈高度相關(guān)，而GDP又與其他因素高度相關(guān)。因此，為了避免共線性問(wèn)題，分析地鐵規(guī)模與經(jīng)濟(jì)體量聯(lián)動(dòng)時(shí)，選擇地鐵線路長(zhǎng)度與GDP 2個(gè)變量進(jìn)行回歸分析。

表2 地鐵規(guī)模與關(guān)鍵因素皮爾遜相關(guān)系數(shù)Tab.2 Pearson correlation coefficient between subway scale and key factors

從圖1可以發(fā)現(xiàn)，以GDP進(jìn)行的城市分區(qū)中，地鐵線路長(zhǎng)度與GDP的相關(guān)性有所不同，因此分析了不同宏觀范圍下地鐵線路長(zhǎng)度與GDP的皮爾遜相關(guān)系數(shù)，得到表3的結(jié)果。可以發(fā)現(xiàn)，當(dāng)城市GDP較小時(shí)(III類與IV類城市)，GDP與地鐵線路長(zhǎng)度相關(guān)性并不明顯；但是當(dāng)城市GDP越大時(shí)，線路長(zhǎng)度與GDP的線性相關(guān)就會(huì)更明顯。表3顯示，當(dāng)城市GDP體量達(dá)到II類城市時(shí)，地鐵線路長(zhǎng)度與GDP的線性相關(guān)就會(huì)趨于顯著；當(dāng)城市GDP體量達(dá)到I類城市時(shí)，地鐵線路長(zhǎng)度與GDP的線性相關(guān)會(huì)更加明顯。

表3 不同宏觀范圍下地鐵線路長(zhǎng)度與GDP皮爾遜相關(guān)系數(shù)Tab.3 Pearson correlation coefficient between subway line length and GDP in different macro ranges

為了檢驗(yàn)地鐵規(guī)模排名與各城市在全國(guó)GDP排名的相關(guān)性，研究采用無(wú)參數(shù)檢驗(yàn)法，計(jì)算了肯德?tīng)杢aub相關(guān)系數(shù)與斯皮爾曼Rho相關(guān)系數(shù)，結(jié)果如表4所示。表4顯示地鐵線路長(zhǎng)度排名與城市GDP排名具有相關(guān)性，但是其相關(guān)強(qiáng)度不如地鐵線路長(zhǎng)度與城市GDP總量相關(guān)緊密，即城市GDP排名對(duì)地鐵規(guī)模的影響不及GDP。通過(guò)表2、表3與表4的相關(guān)分析檢驗(yàn)，說(shuō)明統(tǒng)計(jì)假設(shè)H1—H5全部接受。

2.2 回歸模型分析

宏觀視野下地鐵線路長(zhǎng)度與城市GDP具有高度相關(guān)性，因此根據(jù)2020年的數(shù)據(jù)散點(diǎn)圖形態(tài)構(gòu)建了以線路長(zhǎng)度為因變量，以GDP為自變量的線性回歸模型與指數(shù)回歸模型，并計(jì)算得出2個(gè)模型的判定系數(shù)(R2)，以分析地鐵線路長(zhǎng)度受GDP影響的情形。直線回歸模型與指數(shù)回歸模型如圖2所示，地鐵線路長(zhǎng)度回歸模型如表5所示。2個(gè)回歸模型自變量系數(shù)都是顯著有效，由于線性回歸模型擬合優(yōu)度R2為0.798較佳，因此以線性回歸模型進(jìn)行后續(xù)分析，此回歸模型基本上符合國(guó)家發(fā)展和改革委員會(huì)對(duì)規(guī)劃建設(shè)地鐵城市GDP達(dá)到3 000億元以上體量的新要求。模型顯示在宏觀視野下，地鐵線路長(zhǎng)度隨著城市GDP總量每增加1 000億元增加18 km，即城市每增加55.6億元的GDP，地鐵增量為1 km。在現(xiàn)有的地鐵城市分類中，IV類城市中6個(gè)城市GDP體量顯然不足，11個(gè)III類城市有5個(gè)不足，12個(gè)II類城市有2個(gè)不足，9個(gè)I類城市有6個(gè)不足，GDP不足城市比例為50%。

表5 地鐵線路長(zhǎng)度回歸模型Tab.5 Regression model of subway line length

圖2 直線回歸模型與指數(shù)回歸模型Fig.2 Linear regression model and exponential regression model

2.3 殘差分析

殘差分析為觀察值與回歸預(yù)測(cè)值的差異，可以用來(lái)判斷樣本點(diǎn)與宏觀趨勢(shì)的差異狀況，殘差標(biāo)準(zhǔn)化過(guò)程是將各殘差值減去其平均值后再除以標(biāo)準(zhǔn)差的做法，檢視線性回歸模型的殘差標(biāo)準(zhǔn)化散布圖。地鐵線路長(zhǎng)度受GDP影響回歸殘差散布圖如圖3所示。由圖3可知，截至2020年底，38個(gè)城市地鐵線路長(zhǎng)度受GDP影響下，I類城市回歸標(biāo)準(zhǔn)化殘差值平均為0.431 73，顯示實(shí)際線路長(zhǎng)度有明顯高于回歸模型預(yù)測(cè)趨勢(shì)的現(xiàn)象，其中成都、廣州、武漢地鐵線路長(zhǎng)度數(shù)值偏高(回歸標(biāo)準(zhǔn)化殘差值＞1)，偏離整體趨勢(shì)，尤其又以成都最高，回歸標(biāo)準(zhǔn)化殘差值為3.172 55，重慶、蘇州地鐵線路長(zhǎng)度數(shù)值偏低(回歸標(biāo)準(zhǔn)化殘差值＜-1)；II類城市回歸標(biāo)準(zhǔn)化殘差值平均為-0.463 18，顯示實(shí)際線路長(zhǎng)度明顯低于回歸模型預(yù)測(cè)趨勢(shì)現(xiàn)象，只有西安地鐵線路長(zhǎng)度數(shù)值偏高，回歸標(biāo)準(zhǔn)化殘差值為1.400 98，明顯偏離回歸模型預(yù)測(cè)下GDP對(duì)應(yīng)的線路長(zhǎng)度數(shù)值，無(wú)錫、佛山、青島、濟(jì)南地鐵線路長(zhǎng)度明顯偏低(回歸標(biāo)準(zhǔn)化殘差值＜-1)；III類城市回歸標(biāo)準(zhǔn)化殘差值平均為-0.062 21，整體地鐵線路長(zhǎng)度略低于依據(jù)GDP所預(yù)測(cè)的長(zhǎng)度，東莞回歸標(biāo)準(zhǔn)化殘差值為-1.044 07，明顯偏低；IV類城市中的回歸標(biāo)準(zhǔn)化殘差值平均為0.392 82，顯示實(shí)際線路長(zhǎng)度明顯高于回歸模型的趨勢(shì)預(yù)測(cè)值，6個(gè)城市的線路長(zhǎng)度數(shù)值雖然都偏高，但回歸標(biāo)準(zhǔn)化殘差值都小于1，只有南寧略高，回歸標(biāo)準(zhǔn)化殘差值為0.952 19。

圖3 地鐵線路長(zhǎng)度受GDP影響回歸殘差散布圖Fig.3 Scatter diagram of regression residuals of subway line length affected by GDP

殘差分析結(jié)果顯示，I類城市GDP越大在地鐵建設(shè)上越是超越回歸模型預(yù)測(cè)趨勢(shì)，加大地鐵建設(shè)規(guī)模，顯示了其樂(lè)觀態(tài)度。IV類城市由于GDP體量小，為了維持地鐵路網(wǎng)的基本功能，地鐵建設(shè)必須在可控范圍內(nèi)超越回歸模型的預(yù)測(cè)趨勢(shì)。II類、III類城市相對(duì)保守，嚴(yán)守地鐵線路長(zhǎng)度配合GDP增量限制，甚至不因GDP增量而加快地鐵建設(shè)速度。地鐵運(yùn)營(yíng)成本具規(guī)模特性，GDP小的IV類城市雖然地鐵線路規(guī)模較小，但財(cái)政承壓顯然大于GDP大的城市。

2.4 地鐵線路長(zhǎng)度增量與GDP增量邊際關(guān)系

雖然宏觀趨勢(shì)下地鐵規(guī)模與GDP呈現(xiàn)正相關(guān)性，但是檢視2016—2020年38個(gè)城市的GDP，可以發(fā)現(xiàn)即使每個(gè)城市的地鐵規(guī)模都擴(kuò)大了，但并非每個(gè)城市的GDP都是增加的。在此期間，天津、沈陽(yáng)、大連、呼和浩特、哈爾濱的地鐵建設(shè)規(guī)模持續(xù)擴(kuò)大，但GDP卻是減少的；而上海、北京、南京、無(wú)錫的每公里地鐵線路長(zhǎng)度增量都配合著百億元以上的GDP增量。2016—2020年各城市地鐵線路長(zhǎng)度增量與GDP增量關(guān)系如表6所示。整體而言，38個(gè)城市平均每公里地鐵線路長(zhǎng)度增量配合著38.08億元的GDP增量，I類城市平均為40.94億元，II類城市平均為40.93億元，III類城市平均為31.04億元，IV類城市平均為21.22億元。以上數(shù)據(jù)表明，不同城市的地鐵發(fā)展特性不同，部分城市地鐵建設(shè)速度過(guò)快，忽略了經(jīng)濟(jì)的增加速度。經(jīng)濟(jì)是財(cái)政來(lái)源的基礎(chǔ)，太過(guò)忽略經(jīng)濟(jì)成長(zhǎng)的地鐵建設(shè)，可能為城市帶來(lái)過(guò)重的財(cái)政負(fù)擔(dān)，減弱政府財(cái)政經(jīng)濟(jì)效果。

表6 2016—2020年各城市地鐵線路長(zhǎng)度增量與GDP增量關(guān)系Tab.6 Relationship between the increment of subway line length and growth of GDP in each city from 2016 to 2020

3 地鐵運(yùn)營(yíng)補(bǔ)貼承載力分析

地鐵運(yùn)營(yíng)成本通常較高，國(guó)內(nèi)地鐵整體運(yùn)營(yíng)收支比平均為60% ~ 70%，各城市普遍會(huì)對(duì)地鐵進(jìn)行財(cái)務(wù)補(bǔ)貼[5]，不同城市對(duì)地鐵運(yùn)營(yíng)的財(cái)政補(bǔ)貼能力因財(cái)政來(lái)源不同而有所差別，通常城市GDP與財(cái)政具有高度正相關(guān)性，GDP越高城市所能承受的地鐵運(yùn)營(yíng)補(bǔ)貼壓力也越大。而地鐵由于具備規(guī)模經(jīng)濟(jì)特性，路網(wǎng)規(guī)模越大，平均運(yùn)營(yíng)成本會(huì)逐漸下降，營(yíng)收增加。

計(jì)算2016—2020年各城市GDP年平均值，各城市每公里地鐵線路長(zhǎng)度對(duì)應(yīng)的GDP如圖4所示。從圖4可以發(fā)現(xiàn)，大城市每公里地鐵線路長(zhǎng)度對(duì)應(yīng)的GDP數(shù)值普遍較低，顯示對(duì)地鐵運(yùn)營(yíng)財(cái)務(wù)承載力較為樂(lè)觀，中小城市則相對(duì)保守。I類城市平均值為0.568 9，其中重慶(0.86)、蘇州(1.09)較高；II類城市平均值為1.295 8，西安最低(0.35)，佛山(4.67)、濟(jì)南(1.78)較高；III類城市平均值為1.276 4，昆明(0.4)、沈陽(yáng)(0.58)、南昌(0.58)較低，東莞(2.21)、常州(2.02)、哈爾濱(2.0)較高；IV類城市平均值為0.968 3，南寧(0.4)、呼和浩特(0.6)較低，太原(1.55)較高。2016—2020年GDP減少的城市中沈陽(yáng)、呼和浩特在各分區(qū)城市中有補(bǔ)貼承載力偏低現(xiàn)象。此數(shù)據(jù)基本反應(yīng)了地鐵規(guī)模經(jīng)濟(jì)特性，以及I類城市地鐵運(yùn)營(yíng)財(cái)務(wù)承載力較為樂(lè)觀，II類、III類城市相對(duì)保守的情況。補(bǔ)貼承載數(shù)值過(guò)低顯示地鐵建設(shè)增量可能超過(guò)經(jīng)濟(jì)發(fā)展速度，使城市公共財(cái)政壓力過(guò)重；補(bǔ)貼承載數(shù)值過(guò)高則可能致使地鐵建設(shè)落后，影響城市持續(xù)發(fā)展。

圖4 各城市每公里地鐵線路長(zhǎng)度對(duì)應(yīng)的GDPFig.4 GDP corresponding to the length of subway line per kilometer in each city

4 環(huán)比分析

根據(jù)中國(guó)城市軌道交通協(xié)會(huì)與各省市統(tǒng)計(jì)局的經(jīng)濟(jì)數(shù)據(jù)，2021年地鐵運(yùn)營(yíng)規(guī)模與城市經(jīng)濟(jì)變化數(shù)據(jù)如表7所示。相對(duì)2020年，地鐵運(yùn)營(yíng)城市增加紹興和洛陽(yáng)2個(gè)，達(dá)到40個(gè)。

由表7可知，2021年I類城市共9個(gè)，II類城市共13個(gè)，III類城市共14個(gè)，IV類城市共4個(gè)。與2020年進(jìn)行環(huán)比分析，計(jì)算得到2021年地鐵線路長(zhǎng)度回歸模型如表8所示。比較表5與表8，可以發(fā)現(xiàn)2個(gè)年度的橫斷面數(shù)據(jù)都顯示宏觀視角下，城市GDP每增加1 000億元地鐵線路運(yùn)營(yíng)長(zhǎng)度增加18 km的趨勢(shì)，即每公里地鐵線路增加長(zhǎng)度對(duì)應(yīng)著55.6億元GDP的增加值。

表7 2021年地鐵運(yùn)營(yíng)規(guī)模與城市經(jīng)濟(jì)變化數(shù)據(jù)Tab.7 Subway operation scale and urban economic changes in 2021

表8 2021年地鐵線路長(zhǎng)度回歸模型Tab.8 Regression model of subway line length in 2021

以2020年38個(gè)城市為基礎(chǔ)，環(huán)比2021年38個(gè)城市GDP增量與地鐵線路長(zhǎng)度增量關(guān)系平均為58.8億元/km，相較2016—2020期間的平均值38.08億元/km，顯示地鐵發(fā)展與經(jīng)濟(jì)產(chǎn)出在既定宏觀趨勢(shì)下穩(wěn)定成長(zhǎng)。2021年GDP增量與地鐵線路長(zhǎng)度增量關(guān)系，I類城市平均為63.2億元/km，II類城市平均為68.7億元/km，III類城市平均為38.1億元/km，IV類城市平均為43.8億元/km。III類城市GDP增量較小，擴(kuò)大地鐵運(yùn)營(yíng)規(guī)模較吃力；IV類城市僅有貴陽(yáng)增加了地鐵運(yùn)營(yíng)長(zhǎng)度。以上顯示經(jīng)濟(jì)發(fā)展體量較小的城市，地鐵擴(kuò)展速度明顯保守。

5 結(jié)論與建議

研究分析發(fā)現(xiàn)，地鐵線路長(zhǎng)度與城市GDP是高度相關(guān)的(相關(guān)系數(shù)為0.894)，但也不是絕對(duì)相關(guān)，有些城市雖然GDP較高，但不一定大力興建地鐵，因此地鐵線路長(zhǎng)度的排名與城市GDP的排名相關(guān)性不如其與城市GDP總量的相關(guān)性緊密。在宏觀視角下計(jì)算得出城市GDP每增加1 000億元地鐵線路長(zhǎng)度增加18 km，表明要建設(shè)地鐵，城市經(jīng)濟(jì)的增量是必要的。同時(shí)，還應(yīng)考慮地鐵建設(shè)完工后的運(yùn)營(yíng)成本負(fù)擔(dān)問(wèn)題。研究結(jié)果顯示GDP較高的城市，對(duì)應(yīng)每公里地鐵線路長(zhǎng)度的GDP數(shù)值相對(duì)較低，顯示大城市對(duì)發(fā)展地鐵的樂(lè)觀態(tài)度，中小城市在這項(xiàng)數(shù)值上明顯偏高，顯示出較為保守的態(tài)度。值得注意的是，西安、昆明、沈陽(yáng)、南昌、南寧、呼和浩特等城市每公里地鐵線路長(zhǎng)度GDP對(duì)應(yīng)值與同類型城市比較明顯偏低，未來(lái)在運(yùn)營(yíng)財(cái)政補(bǔ)貼上可能帶來(lái)壓力。此外，為了維持地鐵正常運(yùn)作的財(cái)務(wù)支持，建議除票價(jià)應(yīng)隨物價(jià)水平適度調(diào)整外，地鐵系統(tǒng)所創(chuàng)造的外部經(jīng)濟(jì)利益也應(yīng)考慮部分納入營(yíng)收中，以達(dá)到為城市持續(xù)提供服務(wù)的目的。