EN中文

Economic geography >

2019 , Vol. 39 >Issue 2: 118 - 123

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.02.014

The Calculation Method and Spatial Pattern of International Container Production in Chinese Provinces

  • LU Mengqiu , 1 ,
  • LI Enkang , 1, ※ ,
  • LU Yuqi 1, 2, 3 ,
  • CHEN Yu 1
Expand
  • 1. College of Geography Science，Nanjing Normal University，Nanjing 210023，Jiangsu，China
  • 2. Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application，Nanjing 210023，Jiangsu，China
  • 3. Key Laboratory of Virtual Geographic Environment of Ministry of Education，Nanjing Normal University，Nanjing 210023，Jiangsu，China

Received date: 2018-01-09

  Revised date: 2018-10-12

  Online published: 2025-04-27

Fold

Abstract

This paper establishes an index system with different categories, and selects GDP and the total volume of import and export as the independent variables to establish the binary linear equation to fit the international container production of China according to the statistical nature and research needs. On that basis, data of 2015 GDP and total imports and exports of the provinces are plugged into the equation of bivariate linear regression to measure the international container production of different provinces. The following conclusions are mainly drawn. 1)The spatial distribution of the measured value of the international container production in the province shows a characteristics of serious polarization. The high-value areas are mainly located in Shandong, Jiangsu, Shanghai, Zhejiang and Guangdong, and the low-value areas are mainly located in Tibet, Xinjiang and Qinghai. 2)The actual capacity of containers in most part of ports cannot meet the international container production generated by its foreign trade, and goods still need to be packed off in ports of the eastern coast. 3)The distribution of container center station in planning and construction is generally in line with the spatial pattern of the measured value of international container production, but capacity is still limited, infrastructure construction should be strengthened to improve transport efficiency and reduce transport costs.

Key words： international container production; container throughput; container center station; the B&R Initiative; import and export value; coastal ports

Cite this article

LU Mengqiu , LI Enkang , LU Yuqi , CHEN Yu . The Calculation Method and Spatial Pattern of International Container Production in Chinese Provinces[J]. Economic geography, 2019 , 39(2) : 118 -123 . DOI: 10.15957/j.cnki.jjdl.2019.02.014

国际集装箱运输是一场技术革新[1]，它的诞生深刻影响与重塑了全球外贸活动。作为全球第二大经济体，我国已被公认为世界最大的国际集装箱货源地[2]。2000—2015年，我国港口集装箱吞吐量年均增长1 256.8万TEU，年均增长率达16.26%。高速增长的背后，折射出的是我国经济规模不断扩大、对外联系日益加深、基础设施逐步完善的发展态势。
高效益的国际集装箱运输对区域外贸产生了深远影响[3]，也激发了我国学者对相关领域的研究热情。其中，对于国际集装箱生成量进行预测成为一大研究热点。从早期在单一维度下的定量研究[4-6]，到运用多种方法、考虑不同因素的组合模型预测[7-21]，国际集装箱生成量预测的相关理论方法不断发展，取得了丰硕的成果。
然而关于国际集装箱生成量的预测基本都是从纵向的时间序列出发，研究视角大多局限于港口—腹地，关于我国集装箱生成量的全景分析相对不足。从当前的研究成果看，国内以行政区为单元讨论我国集装箱空间分布特征与格局的研究极少[22]。在“一带一路”倡议的实施和中欧班列开通的大背景下，无论是考虑国际集装箱现有线路的优化，还是国际集装箱配送中心的区位选择，都必须以省域国际集装箱甚至以城市国际集装箱生成量为基础。
所以，对不同区域的国际集装箱生成量进行估算具有较高的理论价值与应用前景。显然，只有对我国不同省域能够生成的国际集装箱数量有较为准确的了解，才能合理优化与布局包括集装箱中心站在内的集装箱运输体系，从而在宏观上把握互联互通的战略大局。因此，本文试图在借鉴现有港口国际集装箱生成量估算方法的基础上，提出并构建我国省域国际集装箱生成量的估算方法。并在此基础上，进行国际集装箱生成量空间分布格局的规律性分析。

1 指标选取与模型构建

1.1 指标选取与数据来源

对国际集装箱生成量预测的前提是要甄别与选取其影响因子，作为构建模型的基本要素。梳理前人已有的成果后我们发现，影响国际集装箱生成量的主要因子有：①GDP与进出口贸易总额；②区域产业结构；③交通运输设施水平[16-17]。此外，也有部分研究认为国际集装箱生成量与社会消费品零售总额[18]、地方级财政收入[19]等因素有关。
对于经济发展而言，一个地区GDP的增长速度取决于国民经济各行业、各部门的发展速度，无论是对外贸易、交通运输还是国际集装箱运输，都会对GDP的增长有一定的弹性需求[23]。换言之，GDP对于国际集装箱生成量有促进作用。不仅如此，一个地区的经济发展水平越高，在规模经济的作用下，国际集装箱运输的广义成本就越小[24]。国际集装箱运输的主要货源是服装纺织、轻工产品、医药产品、烟酒食品、电子仪器、五金化工、小型机械设备及零配件、玻璃陶瓷建材、日用品等[17]。因此，我们选择二产占比作为反映产业结构的指标，不仅因为我国是制造业大国，第二产业在国民经济中所占份额较大，还因为利用国际集装箱进行贸易往来的货物中，二产产品占有较大比重。考虑到我国丰富的劳动力资源是推动改革开放以来社会经济发展的重要因素，故而将就业人数与GDP、二产占比一起作为影响国际集装箱生成量的指标。另一方面，国际集装箱生成量的多少也与进出口总额密不可分，它反映出一个区域对外联系交往的紧密程度。当然，实际利用外资额也可以体现出这一点。因此，我们选择进出口总额和实际利用外资这两个衡量对外联系程度的指标作为国际集装箱生成量的影响因素。此外，因为国际集装箱是建立在大规模生产方式的基础上，用多式联运的形式发展起来的，对于分散的小批量货流而言，其必须预先汇集在内陆的几个中转站，组成大批量货物后，再通过国际集装箱专列或汽车运到码头，最后利用大型集装箱船运出[18]。所以，国际集装箱装配运输对于包括公路和铁路在内的交通基础设施有着天然的依赖。基于以上原因，我们选择货运总量、公路里程、铁路里程3个衡量基础设施水平的重要指标作为国际集装箱生成量的影响因素。
综上，本文分三块共选取8个指标形成国际集装箱生成量的关联指标体系（图1）。另外，本文的数据主要来源于2001—2016年《中国统计年鉴》《中国港口年鉴》及各省的统计年鉴与国民经济与社会发展统计公报。
图1 国际集装箱生成量的关联指标体系

Fig.1 The index system of influencing factor of international container production

1.2 模型构建

纵观前人关于港口腹地未来国际集装箱生成量的预测，大多着眼于时间维度，采用的时间序列预测模型[10]、灰色预测模型[5]、人工神经网络[12]、混沌理论模型[13]等方法虽然均具有各自的优点，但往往无法给出国际集装箱生成量与其影响因素之间明确的函数表达，导致研究的范围局限于单个港口或者区域港口群未来国际集装箱生成量的纵向预判。本文研究目的在于通过解析全国层面国际集装箱生成量与其影响因素之间的关系，为省域国际集装箱生成量的估测提供一个合理的计算方法。基于此，研究采取多元线性回归模型，建立国际集装箱生成量与影响因素之间的函数关系，最后根据得到的表达式将省域层面的数据代入，从而测算出省域国际集装箱生成量。需要指出的是，这种根据上一级区域尺度的函数关系代入下一级子区域进行运算，显然是会存在一定程度失真的，但在无法进行子区域国际集装箱实际生成量统计的情况下，如此简化处理也不失为一种相对较好的办法[3]。
考虑到有相当年份的铁路集装箱发货量无法获取，而且铁路集装箱发货量占比非常小（2015年，铁路集装箱发货量只有港口集装箱吞吐量的2.5%[25]），所以历年全国的国际集装箱生成量Y采用的数据就是历年全国的港口集装箱吞吐量。将2000—2015年全国国际集装箱生成量和8个影响因素分别进行离差标准化，并对8个影响因素依次计算其与全国国际集装箱生成量的相关系数（图2）。
图2 2000—2015年全国国际集装箱生成量及其影响因素的离差标准化折线图与相关系数

Fig.2 The line chart of deviation standardization and correlation coefficient of international container production and its influencing factors in China from 2000 to 2015

从图2可以看出，8个影响因素中，只有二产占比与国际集装箱生成量的相关系数为负，并且其绝对值不到0.5，说明二产占比所表征的产业结构与国际集装箱生成量的负相关关系并不明显，因此将其剔除。剩下的7个因素中除就业人数的相关系数不到0.9以外，其余6个影响因素的相关系数都在0.94~0.99之间，而且就业人数历年的变化趋势同国际集装箱生成量的变化趋势差别较大，所以保留除就业人数外的其余6个影响因素。
将保留下来的X1、X4、X5、X6、X7、X8作为自变量，以Y作因变量进行多元线性回归分析，得到回归方程：
Y = 0.0456 X 1 + 0.0331 X 4 - 0.8713 X 5 - 0.0051 X 6 + 0.0010 X 7 - 0.0609 X 8 + 6947.63
虽然方程（1）的R2较高（表1），表明其拟合性较好，但是自变量X5、X7、X8的p值分别为0.77552、0.05127和0.53835，大于0.05，故将其排除。此时，自变量只剩下X1、X4、X6，再次对其进行回归分析，得到回归方程：
表1 三个方程各自变量的回归系数与p值

Tab.1 The regression coefficient and p value of each variable in three equations

变量 方程1的回归系数（p值） 方程2的回归系数（p值） 方程3的回归系数（p值）
GDP（X1） 0.0456（0.02281） 0.0360（0.00003） 0.0162（0.00115）
进出口总额（X4） 0.0331（0.02147） 0.0534（0.00002） 0.0363（0.00271）
实际利用外资（X5） -0.8713（0.77552） - -
货运总量（X6） -0.0051（0.01135） -0.0049（0.00166） -
公路里程（X7） 0.0010（0.05127） - -
铁路里程（X8） -0.0609（0.53835） - -
R2 0.9951 0.9921 0.9815
Y = 0.0360 X 1 + 0.0534 X 4 - 0.0049 X 6 + 3781.81
方程（2）的R2与方程（1）一样较高，同时三个自变量的p值分别只有0.00003、0.00002和0.00166，其对国际集装箱生成量的拟合度优于方程（1）。但考虑到X6和X1的共线性高达0.99，所以去掉X6，只保留X1和X4再次进行回归分析，得到回归方程：
Y = 0.0162 X 1 + 0.0363 X 4 + 24.63
方程（3）的R2尽管略低于前两个方程，但是依旧很高，同时两个自变量的p值也分别只有0.00115和0.00271。因此，本文最终选择方程（3）作为估算省域国际集装箱生成量的解析式。

2 结果分析

2.1 省域国际集装箱生成量的空间分布差异

将2015年各省（自治区、直辖市，未含港澳台）的GDP与进出口总额代入回归方程（3）中，得到2015年各省国际集装箱生成量测算值的空间分布情况（图3a）。
图3 省域国际集装箱生成量测算值空间分布（a）与位序拟合曲线（b）

Fig.3 The spatial distribution （a） and the sequence fitting curve （b） of the measured value of the international container production in provinces

从图3a中我们不难看出，各省域国际集装箱生成量的测算值在空间分布上大体呈现出如下特点：①国际集装箱生成量相对较高的基本位于山东、江苏、浙江、广东等沿海省份，相对较低的则基本分布在西藏、青海、新疆、内蒙古等西部和北部地区。显然，沿海地区经济发达，对外联系紧密，由此产生的国际集装箱生成量也相对较高。2015年，我国沿海省区 ① （不含港澳台）的GDP总额和进出口总额分别占全国的54.26%和78.08%，其国际集装箱生成量测算值亦占到了全国的63.41%，接近2/3。其中，广东、江苏、山东、浙江、上海和北京的测算值均在1 000万 TEU以上，总和占到了全国的53.99%，超过一半。广东更是超过3 500万 TEU，超过第二名的江苏1 000万 TEU以上，成为全国国际集装箱生成量测算值最高的省区。②反观西部，因为地理区位的相对闭塞，经济发展水平较低，对外贸易也较为落后，故而其测算值也远低于东部沿海省份。以最低的宁夏、青海、西藏为例，三者的GDP和进出口总额只有全国的0.88%和0.17%，其国际集装箱生成量的测算值之和亦只占全国的0.89%。
将各省域国际集装箱生成量的测算值按照从小到大的顺序编号，可以生成二维散点图，利用Matlab进行曲线拟合后发现，其总体分布呈现出幂律形态（图3b），其标度因子高达4.293，反映出不同地区之间的国际集装箱生成量的测算值呈较为明显的两极分化趋势，说明各省区因为经济发展水平与对外联系层次不同，测算出的国际集装箱生成量确实存在着很大差异。

2.2 省域港口国际集装箱实际吞吐量与国际集装箱生成量测算值比较

对比图4a和图4b不难发现，国际集装箱生成量测算值的空间分布特征和当前我国各省港口国际集装箱实际吞吐量的空间格局存在很大区别。沿海地区因为港口数量众多、集装箱装配技术先进，所以提供了集装箱运输巨大的发展空间。具体而言，2015年沿海地区有8个省区的港口国际集装箱实际吞吐总量超过1 000万 TEU，其总和占全国港口总吞吐量的94.72%。仅广东一个省的港口国际集装箱实际吞吐量就占到了全国总量的26%，超过1/4。但毫无疑问的是，沿海地区巨大的国际集装箱吞吐量中，有相当比例的货物是来源于中部及西部的广大地区。后者因为缺乏便捷的出海口，所以需要通过东部以集装箱的形式进行对外贸易与经济往来。然而，大部分长江经济带省区的港口国际集装箱实际吞吐量均远远小于根据模型计算得到的测算值。
图4 省域国际集装箱生成量测算值（a）、省域港口国际集装箱实际吞吐量（b）、省域港口国际集装箱实际吞吐量与生成量测算值的差值（c）

Fig.4 The measured value of international container production in provinces （A），actual throughput of international container of provincial ports （B） and difference value between them （C）

从图4c可以看出，江苏、四川等省区的港口国际集装箱实际吞吐量远小于国际集装箱生成量的测算值，说明其社会经济发展及对外贸易交往进出的货物有相当比例是以散货形式运往外省的其他码头出港，而非在本省域成集装箱化运输。相比之下，上海、广东等有着优良国际大港的省区，却恰恰相反。以上海为例，2015年上海港国际集装箱实际吞吐量为3 653.7万 TEU，根据本文的计算公式可得上海国际集装箱生成量的测算值为1 448万 TEU，占港口实际吞吐量的40%（这也与相关研究中上海港口集装箱货源中有大约40~50%来源于沪外浙、苏、鲁三大省域的调研结果相近[10]）。这之间的差距，反映出内陆地区货物集装箱化运输的巨大空间。
对于货物运输而言，集装箱运输和散货运输相比，具有运输量大、物品的破损小、包装材料节约、件货装卸效率高、便于“门到门”运输等许多优越性[26]。早在2004年，国家铁道部在《中长期铁路网规划》中便已提出在北京、上海等18个城市兴建铁路集装箱中心站。铁路中心站的建设，目的在于加强港口与腹地的经济联系，节省包括时间在内的货运成本。以2010年正式开通运营的成都中心站为例，其远期吞吐量预计达250万 TEU/年，但从上文的计算和比较结果来看，2015年四川港口集装箱吞吐总量与其生成量测算值相差565万 TEU。显然，当前的成都中心站成箱及运输能力，还远远达不到四川作为经济大省所产生的国际集装箱生成量，一半以上的货物均无法在四川本地成箱运抵沿海出港。因此，在经济大省建立集装箱中心站是十分必要的。事实上，结合图3a进一步分析后就会发现，18个中心站基本分布在国际集装箱生成量测算值比较高的省区。如青岛、上海、宁波三大集装箱中心站就覆盖了山东、江苏、上海、浙江这几个国际集装箱生成量的测算值比较高的省区。另外，广州、深圳、北京、天津、成都、武汉、郑州也基本位于国际集装箱生成量测算值较高的区域。相比之下，兰州、乌鲁木齐等中心站所在省区其生成量的测算值并不高。但考虑到内陆地区内河航运不发达且远离出海口，在此设立中心站也是合理的。同时，对于西安、兰州、乌鲁木齐这些西北重镇而言，不断提高和完善铁路集装箱中心站的运输能力也是拓展我国向西连通欧亚的重要举措。

3 结论与讨论

3.1 结论

本文通过建立宏观经济发展规模、对外联系程度、基础设施水平3类指标8个影响因素，分别建立了3个回归方程模型，最终根据统计性质以及本文的研究需要选定GDP和进出口总额作为影响因子代入模型进行回归分析，得到以国际集装箱生成量为因变量的二元一次回归方程。并通过代入省域层面的GDP与进出口总额的数据，求得省域国际集装箱生成量的测算值。结果表明，可用GDP和进出口总额2个指标构建模型来较好地定量测算省级单元的国际集装箱生成量，从而为区域集装箱生成量的测算提供了一个新的分析思路和分析模型。
从分布格局来看，集装箱生成量的测算高值区多位于东部沿海等经济较为发达的地区，低值区基本分布在西部等经济较为落后的地区。同时，这种差异十分巨大，即少部分地区占有大部分国际集装箱生成量测算值的份额，这在另一个层面也反映了我国现阶段东西部地区在发展上的巨大失衡。但事实上，中部乃至西部地区并非不存在对外交往的需求，它们亦需要通过运输货物与国外开展贸易往来，只是这种需求往往因为地理位置的劣势而被抑制。内陆铁路集装箱中心站的建立在很大程度上就是为了缓解这种局面而设置的。毕竟，集装箱化运输才能高效拉动对外交往的强度和频率。然而，规划蓝图与实际情况之间仍旧存有巨大鸿沟。对于中西部内陆的省份尤其是像四川等经济大省，其在国民经济运行过程中生产的大量产品必然会对集装箱运输产生天然的需求，但从分析结果看，成都集装箱中心站的建立仍然不能很好地解决四川等地货物成箱外运的需要。因此，集装箱中心站的规划与建设水平需要跟上对外经贸发展的步伐。高效的经济运行需要高效的运输通道，如何解决适箱货物成箱率偏低从而降低在港口拆装箱的成本，是当前和未来需要着重思考的一个关键问题。

3.2 讨论

当前，我国宏观经济发展规模日益扩大，对外联系程度不断加深，亟待建立完整、高效、稳定的国际集装箱运输体系。而从“一带一路”倡议的需求看，也需要分省乃至分市的集装箱生成量数据，这类数据虽然海关拥有，但由于保密性很难为一般学者所获取。本文通过建立数学模型，尝试性地分析了各省层面的集装箱生成量测算值，并与现状进行了比较，试图提供一个相对可信与可行的分析模型，从而为“一带一路”倡议下陆运与海运的运量分配、线路选择与优化提供数据分析基础。
当然，本文的研究也存在一定不足。一是在影响因子的选取上，因为统计性质择优筛选并最终保留了GDP和进出口总额这2项指标。模型拟合度较好，预测结果也较为合理，但指标较少也使得模型在全面性与精准度上有所欠缺。换言之，其对集装箱生成量的表征稍显简单。二是采用二元线性回归模型，也使得方程的构建难以凸显GDP和进出口总额与集装箱生成量内在的复杂关系及深层机理。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
王成金, César Ducruet. 现代集装箱港口体系演进理论与实证[J]. 地理研究, 2011, 30(3):397-410.

[2]
曹有挥, 曹卫东, 金世胜, 等. 中国沿海集装箱港口体系的形成演化机理[J]. 地理学报, 2003(3):424-432.

[3]
刘志敏. 港口群腹地出口集装箱生成量影响因素及模型研究[D]. 广州: 华南理工大学, 2012.

[4]
路成章, 李亚茹. 天津港1990—2000年国际集装箱吞吐量预测[J]. 公路交通科技, 1985(2):57-62.

[5]
王普勇, 李德芳. 基于灰色系统的新亚欧大陆桥国际集装箱运量预测[J]. 上海铁道大学学报, 1997(1):75-82.

[6]
许继琴, 楼朝明. 长江经济带国际集装箱生成量预测[J]. 宁波大学学报:人文科学版, 1997(2):58-62.

[7]
张华勤. 我国港口集装箱运输发展预测研究[D]. 武汉: 武汉理工大学, 2002.

[8]
杜桂玲. 长江沿线外贸集装箱生成量影响因素分析及生成量预测[D]. 上海: 上海海事大学, 2005.

[9]
叶剑. 基于聚类分析的港口集装箱吞吐量预测方法的研究[D]. 大连: 大连理工大学, 2005.

[10]
万征. 深圳港集装箱货源及运输系统状况分析和趋势预测[J]. 交通运输系统工程与信息, 2006(4):130-135.

[11]
刘慧琴. 对全国港口和上海港集装箱吞吐量的预测[J]. 集装箱化, 1995(11):24-28.

[12]
王超. 组合预测模型在集装箱生成量预测中的应用研究[D]. 合肥: 合肥工业大学, 2009.

[13]
李明伟. 混沌云粒子群混合优化算法及其在港口管理中的应用研究[D]. 大连: 大连理工大学, 2013.

[14]
马锡超, 王璇, 李海锋. 基于组合模型的港口集装箱吞吐量预测[J]. 交通标准化, 2009(Z1):74-77.

[15]
朱昌锋. 铁路集装箱运量组合预测方法研究[J]. 兰州交通大学学报, 2010, 29(6):141-144.

[16]
曾小彬. 广东省港口集装箱吞吐量及增长速度预测[J]. 广东商学院学报, 2005(1):59-62.

[17]
安筱鹏, 韩增林. 东北集装箱运输内陆中转站的发展设想[J]. 经济地理, 2001, 21(4):442-446.

[18]
陈涛焘, 高琴. 港口集装箱吞吐量影响因素研究[J]. 武汉理工大学学报:信息与管理工程版, 2008, 30(6):991-994,1 003.

[19]
郑文儒, 周田瑞, 王鸿鹏. 厦门集装箱吞吐量与经济影响因素的计量经济分析[J]. 商业经济, 2016(9):50-52.

[20]
韩增林, 安筱鹏, 王利, 等. 中国国际集装箱运输网络的布局与优化[J]. 地理学报, 2002, 57(4):479-488.

[21]
Chen S H, Chen J N. Forecasting container throughputs at ports using genetic programming[J]. Expert Systems with Applications, 2010, 37(3):2 054-2 058.

[22]
马瑜, 栾维新, 片峰, 等. 中国外贸集装箱生成量的空间分布特征[J]. 经济地理, 2018, 38(1):120-126.

DOI

[23]
翟希东. 港口集装箱吞吐量预测模型研究[D]. 大连: 大连理工大学, 2006.

[24]
Chang Y T, Lee S Y, Tongzon J L. Port selection factors byshipping lines:different perspectives between trunk liners and feeder service providers[J]. Marine Policy, 2008, 32(6):877-885.

[25]
谢刚. “一带一路”促进我国集装箱吞吐量提升[N]. 经济参考报,2015-06-19(008).

[26]
江少文. 集装箱运输管理与实务[M]. 北京: 中国铁道出版社, 2007.

Options
Outlines

/

〈 〉