📚 课程目录第3章运输需求分析

运输需求分析：来源、弹性与预测方法

运输需求分析是运输经济学的核心起点，也是中级经济师考试中“运输经济专业”模块的基石内容。理解运输需求的本质来源、掌握弹性计算工具、并能运用定性与定量方法进行需求预测，是运输企业制定运价策略、优化运力配置、评估投资项目以及政府制定交通规划政策的共同前提。本章将围绕“需求来源—弹性计算—预测方法”三条主线展开，帮助考生建立从理论到实操的完整分析框架。

3.1 运输需求的来源与影响因素

3.1.1 核心原理：派生性需求

运输需求本质上是一种派生需求，即人们并非为了运输而运输，而是为了实现生产、消费、交换等社会经济活动才产生空间位移的需要。例如，旅客运输需求源于人们通勤、商务、旅游等目的；货物运输需求则源于原材料采购、产品分销、国际贸易等生产流通环节。这一特性决定了运输需求受制于宏观经济运行状态和产业结构布局。

运输需求具有三个显著特征：时空特定性（需求发生在特定时间和线路方向）、部分可替代性（不同运输方式之间可转换）、广泛性与多样性（涉及各类旅客与货物）。理解这些特征有助于分析需求波动的规律。

3.1.2 影响因素分类与判断方法

影响运输需求的因素可归纳为以下五类，考试中常要求考生区分“直接影响因素”与“间接影响因素”：

因素类别	具体变量	影响方向	典型示例
经济发展水平	GDP、人均收入、工业产值	正向	GDP每增长1%，货运需求约增长0.8%-1.2%
产业结构与布局	重工业占比、资源分布	结构影响	煤炭产区→电力消费区的运煤通道需求
运输服务价格	运价水平、燃油附加费	反向	高铁票价下调10%，客运量可能增加5%-8%
替代运输方式	高铁vs民航、公路vs铁路	交叉影响	高铁开通后，同线路民航客流下降约20%-30%
政策与制度	环保限行、超载治理、补贴	双向	新能源货车进城不限行，促进城市配送需求

判断技巧：考试中遇到“某因素变化导致运输需求变化”的题目，先判断该因素属于“价格类”“收入类”还是“其他类”，再对应到相应的弹性公式或影响逻辑。例如“居民可支配收入增加”属于收入类，应使用收入弹性分析。

3.1.3 实战场景：产业结构升级对货运需求的影响

某省以煤炭、钢铁为主导产业，年货运量约4亿吨。近年来该省推动产业升级，逐步发展电子信息、生物医药等高新技术产业。预计未来五年，传统大宗货物（煤炭、矿石）运输需求年均下降3%，而高附加值产品（电子元件、药品）运输需求年均增长8%。

分析过程：首先，产业结构变化导致运输需求的“品类结构”发生变化——从“大宗低值”向“小批量高值”转变。其次，运输方式选择也随之改变：煤炭依赖铁路和水运，而电子元件更倾向于航空和公路快运。最后，运输企业需要调整运力结构，增加高时效性运输服务供给。

结论：运输需求分析不能只看总量，更要关注结构性变化。该省运输规划应适当压缩大宗散货运输能力投资，转向发展多式联运和快递快运网络。

3.1.4 常见误区与复盘

误区一：将运输需求等同于运输流量。实际中，运输需求是“有支付能力的需要”，而流量是已经实现的需求，两者之间存在“潜在需求”的差额。
误区二：忽视运输需求的“方向不均衡性”。例如，煤炭运输“重去空回”现象普遍，分析时需区分重载方向与回空方向的需求差异。
误区三：混淆“需求变动”与“需求量变动”。价格变化引起的是沿需求曲线的“需求量变动”，而收入、产业结构等非价格因素变化引起的是需求曲线整体的“需求变动”。

3.2 运输需求弹性：计算与应用

3.2.1 核心原理：三类弹性的定义与公式

弹性用于衡量一个变量对另一个变量变化的敏感程度。运输需求弹性主要包括三类：

价格弹性（Ed）：运输需求量变动率与运价变动率之比。公式：Ed = (ΔQ/Q) ÷ (ΔP/P)。由于价格与需求反向变动，Ed通常为负值，但比较时取值。
收入弹性（Ei）：运输需求量变动率与消费者收入变动率之比。公式：Ei = (ΔQ/Q) ÷ (ΔI/I)。正常商品Ei>0，奢侈品Ei>1，必需品0<Ei<1。
交叉弹性（Exy）：X运输方式需求量变动率与Y运输方式价格变动率之比。公式：Exy = (ΔQx/Qx) ÷ (ΔPy/Py)。Exy>0表示两种方式为替代关系，Exy<0为互补关系。

3.2.2 计算与判断方法

计算弹性时需注意弧弹性与点弹性的区别。弧弹性适用于价格变动较大的情况，采用变动前后平均值作为分母；点弹性适用于微小变动，采用微分形式。考试中通常要求计算弧弹性。

弧弹性公式：Ed = [(Q2-Q1)/((Q1+Q2)/2)] ÷ [(P2-P1)/((P1+P2)/2)]
示例：某线路票价从200元提高到240元，日均客运量从5000人降至4200人。
Ed = [(4200-5000)/((5000+4200)/2)] ÷ [(240-200)/((200+240)/2)]
   = [-800/4600] ÷ [40/220] = -0.174 ÷ 0.182 ≈ -0.96
结论：|Ed|=0.96 < 1，需求缺乏价格弹性，提价可增加总收入。

  应用要点：当|Ed|>1时，降价能增加总收入（薄利多销）；当|Ed|<1时，提价能增加总收入；当|Ed|=1时，价格变动不影响总收入。这是运输企业定价决策的核心依据。

3.2.3 案例拆解：高铁与民航的交叉弹性分析

背景：京沪高铁开通后，沿线民航票价被迫下调。假设高铁票价不变，民航票价从1000元降至800元，民航客运量从日均2.5万人增至2.8万人；同时高铁客运量从日均4.5万人降至4.3万人。

计算：

民航自身价格弹性：Ed = [(2.8-2.5)/2.65] ÷ [(800-1000)/900] = 0.113 ÷ (-0.222) ≈ -0.51（缺乏弹性）
高铁对民航的交叉弹性：Exy = [(4.3-4.5)/4.4] ÷ [(800-1000)/900] = (-0.045) ÷ (-0.222) ≈ +0.20

解读：交叉弹性为正（+0.20），说明高铁与民航互为替代品。但数值较小，表明替代程度有限——因为高铁与民航在时间成本、舒适度上存在差异，部分旅客不会因民航降价而放弃高铁。

决策启示：民航若想通过降价吸引客流，效果有限（价格弹性仅-0.51）；更应通过提升准点率、增加航班频次等非价格竞争手段来争夺客源。

3.2.4 常见误区与复盘

误区一：忽略弹性值的正负号含义。价格弹性为负是常态，但比较大小需取值；交叉弹性正负号直接决定替代/互补关系，不可混淆。
误区二：将短期弹性与长期弹性混用。运输需求长期弹性通常大于短期弹性，因为长期内人们可以调整出行方式、搬迁或改变生产布局。
误区三：忽视弹性在不同价格区间、不同时间段的差异。同一线路的弹性在高峰期与平峰期可能差异显著。

3.3 运输需求预测：定性与定量方法

3.3.1 核心原理：预测方法体系

运输需求预测是运输规划与管理的基础工作。按性质可分为定性预测（基于经验判断）和定量预测（基于历史数据建模）。实际应用中常采用“定性+定量”组合方式，以提高预测可靠性。

3.3.2 定性预测方法

方法	原理	适用场景	优缺点
德尔菲法	匿名征询专家意见，多轮反馈收敛	中长期预测、数据缺乏时	避免权威影响，但耗时较长
市场调查法	通过问卷、访谈了解出行意向	新线路开通、新服务推出	直接获取需求信息，但成本高
类推法	参考相似地区/历史时期的需求模式	新开发区、新城市群	简单易行，但类比对象选择需谨慎

3.3.3 定量预测方法

（1）时间序列法：利用历史数据的时间趋势进行外推。常用工具包括：

移动平均法：取最近n期数据的平均值作为下一期预测值。适用于平稳序列，n越大平滑效果越好，但对趋势变化反应越迟钝。
指数平滑法：对历史数据赋予递减权重，近期权重高。公式：Ft+1 = α·Yt + (1-α)·Ft。α取值0.1-0.3时平滑作用强，0.6-0.8时对近期变化更敏感。
趋势外推法：利用最小二乘法拟合线性或曲线趋势方程，如Y = a + bt。适用于有明显长期趋势的序列。

（2）回归分析法：建立运输需求与影响因素之间的函数关系。一元线性回归模型：Q = a + bX + ε，其中X为GDP、人口等解释变量。多元回归可纳入多个变量，如Q = a + b1·GDP + b2·运价 + b3·人口。

回归分析注意事项：① 样本量一般不少于30个；② 需检验多重共线性（自变量之间高度相关）；③ 需进行显著性检验（t检验、F检验）和拟合优度检验（R²）；④ 外推预测时，解释变量的取值不能超出样本范围太多，否则预测误差会急剧放大。

3.3.4 案例拆解：某城市轨道交通客流预测

背景：某城市拟新建一条地铁线路，需预测开通后第三年的日均客流量。已知该市近10年GDP年均增长7%，人口年均增长2%，现有公交日均客流量120万人次。

操作步骤：

定性分析：采用德尔菲法征询10位交通专家，综合判断地铁开通后分担公交客流的比例为15%-25%，并可能诱发5%-10%的新增出行需求。
定量建模：利用该市历史数据建立回归模型：Q_bus = 80 + 0.5×GDP(亿元) + 0.3×人口(万人)，R²=0.92，模型显著。
预测未来值：预计第三年GDP为5000亿元，人口为800万人，代入模型得Q_bus = 80 + 0.5×5000 + 0.3×800 = 80 + 2500 + 240 = 2820万人次/日（此为公交+地铁总需求）。
分配与调整：按专家判断的地铁分担率20%计算，地铁客流量 = 2820×20% = 564万人次/日。考虑5%的诱发需求，最终预测值 = 564×1.05 ≈ 592万人次/日。

结果与复盘：实际开通后第三年日均客流为550万人次，与预测值偏差约7%。偏差原因在于：① 部分公交线路与地铁重合度不高，分担率低于预期；② 城市新区开发进度慢于规划，诱发需求未完全释放。复盘启示：预测时应设置情景分析（乐观/中性/悲观），并定期修正模型参数。

3.3.5 常见误区与总结

误区一：过度依赖定量模型，忽视定性判断。历史数据无法完全反映未来政策变化、技术突破等“黑天鹅”事件。
误区二：时间序列外推时未识别“拐点”。例如，某城市机动车保有量在达到每千人300辆后增速明显放缓，若仍按线性外推会严重高估。
误区三：回归模型中自变量选择不当。如将高度相关的“GDP”和“工业产值”同时纳入模型，导致多重共线性，系数估计失真。

  本章核心公式速记：

  ① 价格弹性 Ed = (ΔQ/Q) ÷ (ΔP/P)，取值判断

  ② 收入弹性 Ei = (ΔQ/Q) ÷ (ΔI/I)，Ei>1为奢侈品

  ③ 交叉弹性 Exy = (ΔQx/Qx) ÷ (ΔPy/Py)，正为替代、负为互补

  ④ 指数平滑 Ft+1 = α·Yt + (1-α)·Ft

  ⑤ 一元回归 Q = a + bX，b = Σ[(Xi-X̄)(Yi-Ȳ)] / Σ(Xi-X̄)²

运输需求分析是一个从“现象描述”到“量化计算”再到“决策支持”的完整链条。考生在复习时，应重点掌握弹性计算的应用场景（定价决策、竞争分析）和预测方法的适用条件（数据可得性、预测期限、精度要求）。在实际工作中，没有一种方法放之四海而皆准，灵活组合定性与定量工具，并对预测结果保持审慎态度，才是运输经济分析的正确打开方式。