公路交通科技  2023, Vol. 40 Issue (10): 216-222, 232

扩展功能

文章信息

蔡翠, 赵南希, 肖荣娜, 王馨梓.
CAI Cui, ZHAO Nan-xi, XIAO Rong-na, WANG Xin-zi
基于大数据的公路货运市场景气指数体系构建及预警监测
Prosperity Index System Construction, Prior-warming and Monitoring of Road Freight Market Based on Big Data
公路交通科技, 2023, 40(10): 216-222
Journal of Highway and Transportation Research and Denelopment, 2023, 40(10): 216-222
10.3969/j.issn.1002-0268.2023.10.025

文章历史

收稿日期: 2021-12-07
基于大数据的公路货运市场景气指数体系构建及预警监测
蔡翠 , 赵南希 , 肖荣娜 , 王馨梓     
交通运输部公路科学研究院, 北京 10088
摘要: 为了深入研究公路货运市场运行规律,定量刻画公路货运市场波动情况,科学判断发展趋势,采用了景气指数方法,基于道路货运行业统计数据和货运车辆动态运行数据,从市场规模、运输效率、运输价格、宏观环境等维度筛选与公路货运密切相关的指标,建立了公路货运市场景气指数体系,并运用时差相关分析法将指标分为先行、同步、滞后这3类,依据景气指数模型合成公路货运市场月度指数。通过对2018—2020年公路货运的月度数据进行了合成计算,并对数据进行统计分析,结合行业运行实际研究确定指数波动阈值,形成公路货运市场预警信号灯,直观描述公路货运市场波动情况。结果表明:我国公路货运市场与宏观经济运行相关性较强,物流业订单量是公路货运行业共行指标,先于行业1~2个月左右;重载货车销量以及社会物流总额指标滞后公路货运行业4~5个月;与公路货运市场相关的车辆规模、行驶里程、平均速度、运输价格、货运量等指标则为同步指标,基本反映市场波动状态,且呈现出明显的季节性变化特征;同时,疫情期间公路货运市场表现出较强的弹性和韧性,公路货运行业呈"V"字型快速恢复,并先于二、三产业恢复至正常水平,发挥了基础性、先导性的服务保障作用。
关键词: 物流工程    景气指数体系    景气指数法    公路货运市场    预警监测    
Prosperity Index System Construction, Prior-warming and Monitoring of Road Freight Market Based on Big Data
CAI Cui, ZHAO Nan-xi, XIAO Rong-na, WANG Xin-zi    
Research Institute of Highway, Ministry of Transportation, Beijing 100088, China
Abstract: In order to deeply study the operation rule of the road freight market, quantitatively characterize the fluctuation of the road freight market, and scientifically judge the development trend, the prosperity index method is adopted based on the statistical data of the road freight industry and the dynamic operation data of freight vehicles, and the indicators closely related to road freight are screened from the dimensions of market size, transportation efficiency, transportation price, macro environment and other dimensions, and the road freight market prosperity index system is established, and the time difference correlation analysis method is used to divide the indicators into 3 categories: leading, synchronous and lag. Monthly index of road freight market is synthesized based on the prosperity index model. Through the synthesis and calculation of the monthly data of road freight from 2018 to 2020, the statistical analysis of the data is carried out, the index fluctuation threshold is determined by combining the actual research of the industry operation, the early warning signal of the road freight market is formed, and the fluctuation of the road freight market is visually described. The result shows that (1) China's road freight market has a strong correlation with macroeconomic operation, and the order volume of logistics industry is the common indicator of road freight industry, which is about 1-2 months ahead of the industry; (2) the sales volume of heavy-duty trucks and the total social logistics indicators lag behind the road freight industry by 4-5 months; (3) indicators such as vehicle scale, mileage, average speed, transportation price, and freight volume related to the road freight market are synchronous indicators, which basically reflect the market fluctuation state and show obvious seasonal change characteristics; (4) at the same time, the road freight market shows strong resilience and resilience during the epidemic, the road freight industry recoveries rapidly in a V-shape trend and returns to normal levels before the secondary and tertiary industries, that playing a basic and leading role in service guarantee.
Key words: logistics engineering    prosperity index system    prosperity index method    road freight market    prior-warming and monitoring    
0 引言

公路货运具有机动灵活、周转快捷、可达性好等特点,在综合运输体系中占据主导地位,在支撑现代流通体系建设、服务国民经济社会发展和保障改善民生方面发挥重要作用。2020年我国公路货运量达342.64亿t,占全社会货运总量的71.3%,全行业共有经营业户323.87万户,从业人员1 728.73万人,营运货车1 171.5万辆[1]。公路货运生产经营活动与国民经济密切相关[2],是“宏观经济的晴雨表”。但现有能够反映公路货运市场变化的指标主要以基础设施、运输业户、运输工具及从业人员等静态数据为主,缺少客观反映行业周期性波动及发展趋势的指标。为精准刻画行业运行动态,科学判断行业发展趋势,本研究引入能够反映市场变化规律和周期性波动特点的景气指数,利用行业大数据资源,建立能够反映公路货运市场规模变化,效率波动的动态指标体系,综合反映市场运行情况和变化趋势,为企业生产经营和投资决策提供指导,为行业管理部门制订政策措施提供依据,为辅助宏观经济分析提供参考。

景气指数早期用于经济运行监测,主要包括扩散指数法(DI)、合成指数(CI)法等[3]。20世纪60年代中期,各国政府对经济波动的不同状态给出相应评价,形成景气指数信号灯评价方法[4]。近年来,众多学者也将景气指数应用到交通运输行业。在公路领域,王莉萍[5]从市场发展角度出发,提出了以价格、市场供求、结构、市场竞争和运行风险5个方面的道路货运市场运行动态监测体系。曹锦文[6]以公路货运量和周转量为基准指标,从运量、运价、成本、收入及相关市场等方面选取了12个指标,运用扩散指数和合成指数编制了公路货运景气指数。陈立佳[7]从公路货运市场内部、密切关联行业、竞争行业及宏观经济这4方面选取13个指标,构建了湖北省公路货运市场景气指标体系。詹斌等[8]运用合成指数方法建立了湖北省高速公路运输景气指数体系。在铁路领域,曾祥龙、权诗琦、赵陈诗卉等[9-11]分别从铁路市场化角度,运用合成指数、扩散指数、格兰杰因果关系检验等方法建立铁路货运市场的景气指数模型。在水运领域,周德全等[12]运用Delphi法、时差相关分析法、K-L信息量法建立了干散货航运市场景气监测体系,李晶等[13]运用扩散指数分析航运发展周期。在民航领域,赖汪湾、芦畅等[14-15]基于民航生产指标、运力供给、经济效益等方面,运用扩散指数和合成指数编制了航空货运业景气指数。从应用情况来看,较为成熟的景气指数包括中国运输服务指数(CTSI)、中国物流业景气指数(LPI)、中国航运景气指数(CSPI)以及长江航运景气指数[16]

1 道路货运行业景气指标体系构建 1.1 公路货运景气指数指标选取

随着新一代信息技术与公路货运深度融合,行业信息化水平不断提高,用于反映行业生产运营情况的数据越来越丰富。本研究依托道路货运车辆公共监管与服务平台、道路货运市场运行监测系统中货运车辆动态运行数据,以行业重要性、指标稳定性、全面性、及时性及可操作性5个方面为选取原则,从市场规模、运输效率、运输价格、宏观环境等维度,依据Pearson相关系数方法初步筛选指标见表 1,作为道路货运景气指标池。

表 1 基于公路货运大数据初步筛选指标 Tab. 1 Preliminary screened indicators based on road freight big data
项目 指标名称 数据来源
市场规模 公路货物运输量(x1) 行业统计
公路货物周转量(x2) 行业统计
活跃车辆数(x3) 道路货运车辆公共监管与服务平台、道路货运市场运行监测系统
总行驶里程(x4) 道路货运车辆公共监管与服务平台、道路货运市场运行监测系统
总额定载重吨(x5) 道路货运车辆公共监管与服务平台、道路货运市场运行监测系统
运输效率 单车日均行驶里程(x6) 道路货运车辆公共监管与服务平台、道路货运市场运行监测系统
单车日均行驶时长(x7) 道路货运车辆公共监管与服务平台、道路货运市场运行监测系统
单车平均速度(x8) 道路货运车辆公共监管与服务平台、道路货运市场运行监测系统
单车额定载重(x9) 道路货运车辆公共监管与服务平台、道路货运市场运行监测系统
运输价格 道路货运价格指数(x10) 运输统计
宏观环境 制造业PMI(x11) 统计数据
非制造业PMI(x12) 统计数据
中国物流业景气指数:业务总量(x13) 统计数据
中国物流业景气指数:新订单(x14) 统计数据
社会物流总额(x15) 统计数据
重型载货车销量(x16) 中国汽车工业协会

1.2 公路货运景气指标分类

在对景气指标分类之前,首先需要确定基准指标。一般基准指标的确定方法有3种:(1)以某一代表性指标作为基准指标,比如公路货运量、公路货运周转量;(2)将几个重要指标合成为基准指标;(3)根据专家打分等方法确定。公路货运量与公路货运周转量能够反映公路市场的波动状态,且为全口径按月度公布的指标,因此,可作为基准指标,判断指标先行、同步、滞后的分类。景气指数分类方法可选用时差相关系数、K-L信息量等多种方法,本研究采用时差相关系数方法,将各指标运用X-11方法进行季节调整后,形成平稳序列,计算每个变量与基准指标的相关系数,具体如式(1)所示。

设时间序列y为基准指标,时间序列x为备选指标,r为时差相关系数,如式(1)所示:

(1)

式中, l为先行、滞后期,l取负数时为超前,取正数时为滞后;L是最大延迟数;nl为样本个数。一般来说,时差数在±2以内均为一致指标。

本研究利用SPSS软件进行时差相关分析,选择计算基准循环前后7个月的时差相关系数,共16个相关系数,根据16个指标中心绝对值最大的所对应的时滞时间进行分类,计算结果如表 2所示。

表 2 时差相关分析结果 Tab. 2 Result of time-difference correlation analysis
分类 指标 公路货运量时差相关 公路货运周转量时差相关
滞期 相关系数 滞期 相关系数
先行指标 x14 -2 0.279 -2 0.281
同步指标 x1 0 0.991
x2 0 0.991
x3 1 0.264 1 0.262
x4 0 0.604 0 0.592
x5 1 0.356 1 0.334
x6 0 0.772 0 0.773
x7 0 0.299 0 0.328
x8 2 0.414 2 0.410
x9 1 0.372 1 0.338
x10 0 0.561 0 0.562
x11 0 0.449 0 0.416
x12 0 0.230 0 0.209
x13 0 0.563 0 0.560
滞后指标 x15 4 0.337 4 0.338
x16 3 0.433 5 0.444

通过与公路货运量和公路货运周转量两者比较,最终确定指标分类。先行指标:中国物流业景气指数:新订单;同步指标:制造业PMI、非制造业PMI、中国物流业景气指数:业务总量、活跃车辆数、总行驶里程、总额定载重吨、单车日均行驶里程、单车日均行驶时长、单车平均速度、单车额定载重、道路货运价格指数、公路货物运输量、公路货物周转量;滞后指标:社会物流总额、重型载货车销量。

1.3 公路货运景气指标权重计算

指标权重能够体现某一因素或指标的重要度,赋权的方法较多,包括专家评价法、层次分析法、主成分分析法、因子分析法、熵权法等定性、定量方法。在景气指标分类的基础上,本研究利用层次分析法分别计算先行、同步、滞后指数的权重以及各类型的指标权重,层次关系如图 1所示。

图 1 公路货运市场景气指数层级关系图 Fig. 1 Hierarchy of prosperity index of road freight market

通过分别对准则层、方案层各层级指标权重进行计算,得到各指标权重结果见表 3

表 3 各指标权重结果 Tab. 3 Result of each indicator weight
准则层 准则层权重/% 方案层 方案层权重/% 合成权重/%
先行指标 14.884 中国物流业景气指数:新订单(x1) 100 14.9
同步指标 69.083 公路货物运输量(x1) 1.5 1
公路货物周转量(x2) 1.7 1.2
活跃车辆数(x3) 20.7 14.3
总行驶里程(x4) 14.1 9.7
总额定载重吨(x5) 10.5 7.3
单车日均行驶里程(x6) 9.2 6.4
单车日均行驶时长(x7) 10.3 7.1
单车平均速度(x8) 9.3 6.4
单车额定载重(x9) 9.7 6.7
道路货运价格指数(x10) 7 4.8
制造业PMI(x11) 2 1.4
非制造业PMI(x12) 2 1.4
中国物流业景气指数:业务总量(x13) 2 1.4
滞后指标 16.033 社会物流总额(x15) 50 8
重型载货车销量(x16) 50 8

2 景气指数计算及分析 2.1 合成指数方法

合成指数(Composite Index, CI)是将各指标的变化率进行加权综合平均,CI指数方法弥补了扩散指数不足,既能反映趋势,又能反映波动幅度[17]。其计算步骤如下:

(1) 计算单个指标的对称变化率

设原指标经过预处理调整后的序列为di(t),di(t)为第i指标在第t时期的值,对称变化率Ci(t)如式(2)所示:

(2)

式中,Ci(t)为第i指标在第t时期的对称变化率;当di(t), di(t-1)本身为0或负值时,则有:

(3)

(2) 计算标准化平均变化率

Ai为第i指标对称变化率时间序列的平均数,n为期数,则有:

(4)

Si(t)为第i指标在第t时期对称变化率的标准化数值,则有

(5)

(3) 计算指标的综合变化率

多指标对称变化率标准化后的加权平均数,即指标的综合变化率R(t),如式(6)所示:

(6)

式中,k为组内指标个数;Wi为指标i的权重。

(4) 计算初始合成指数

I(t)为初始合成指数,令I(t)=100,则有

(7)

(5) 计算最终合成指数

(8)

式中,I0为所选基期值;CI(t)为最终合成指数。

2.2 合成指数结果分析

通过合成指数方法,运用公路货运动态运行数据以及行业统计数据,得到先行、同步、滞后、综合这4组合成指数,计算结果如图 2~4所示。从综合指数可以看出,公路货运市场2018,2019年指数运行相对平稳,呈现出明显的淡、旺季特征,2月春节期间以及7—8月高温雨季,综合指数出现小幅下降,货运需求减少,货运市场相对冷淡。在每年4—5月以及9—11月则处于较高的景气区间,市场供需两端较为活跃。2020年受新冠肺炎疫情影响,1—2月出现明显降幅,2月为近3 a的低点,3月随着高速公路免收通行费以及复工复产相关政策的推进,公路货运市场快速回升,呈现“V”字型反弹并逐月回暖,在9月冲至最高点后,受局部地区疫情复发等因素影响,逐步回落。

图 2 先行指数与综合指数变化趋势 Fig. 2 Trends of leading index and composite index

图 3 同步指数与综合指数变化趋势 Fig. 3 Trends of synchronous index and composite index

图 4 滞后指数与综合指数变化趋势 Fig. 4 Variation trends of lagging index and composite index

从先行、同步及滞后指数趋势上来看,先行指数基本快于综合指数1~2个月左右,同步指数与综合指数一致,滞后指数晚于综合指数2个月左右,与各指标时差相关分析结果基本一致。

3 公路货运市场预警信号编制 3.1 预警信号编制原理

公路货运市场预警信号可以与市场景气指数相结合为行业管理部门、货运企业、从业人员等提供市场波动情况信息,通常用红、黄、绿、浅蓝、蓝5种颜色信号灯表示,红灯表示货运市场“过热”,形势利好;黄灯表示市场处于稳定期,保持稳定增长态势;绿灯表示市场正常,基本稳定;浅蓝灯表示市场“趋冷”,短期会呈现下滑态势;蓝灯则表示市场“过冷”,情况不容乐观,需要利用政策刺激或市场调节等手段刺激市场。

在对单一指标进行评分之前,需要明确预警边界,常用方法主要为数理统计以及经验分析。为客观描述公路货运市场情况,本研究主要运用误差理论[18],即3σ方法来对各指标的预警边界进行划分。从指标数据与市场实际波动情况采用2倍标准差作为异常依据较符合市场实际变化情况,将偏离1~2倍标准差的范围作为基本正常区间,划分区间如表 4所示。

表 4 3σ误差理论方法区间划分 Tab. 4 Interval division of 3σ error theory method
预警状态 过冷
(蓝)
趋冷
(浅蓝)
正常
(绿)
稳定
(黄)
过热
(红)
区间 (-∞, x-2σ] (x-2σ, x-σ] (x-σ, x+σ] (x+σ, x+2σ] [x+2σ, +∞)
信号灯

3.2 预警信号编制及分析

通常情况,相关系数在0.6~0.8表示两者具有强相关,0.4~0.6则表示两者具有中等程度相关。本研究从反映公路货运市场运行情况的13个同步指标中选取与公路货运量、公路货运量相关性均大于0.4的8个指标作为预警指标,先确定每个指标的预警临界点,根据3σ方法划分不同预警区间,并标注对应的信号灯状态见表 5

表 5 2020年各项指标预警信号灯 Tab. 5 Prior-warning signal lights for various indicators in 2020
指标 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月
公路货运量
公路货运周转量
总行驶里程
单车日均行驶里程
平均速度
运价
制造业PMI
业务总量

表 5可以看出,2020年1—2月由于新冠疫情叠加春节假期影响,公路货运量、货运周转量、活跃车辆、总行驶里程等指标均处于“过冷”区间,2月货运量及周转量出现衰退趋势,但由于公路运输机动灵活、通达性好等特点,市场在3月份加速恢复,4月已恢复至正常区间,为复工复产以及生产生活物资提供有力保障。3—4月,受高速公路免收通行费政策的影响,司机选择高速公路的占比不断增多,货车的平均速度明显提高,5月恢复收费后,货车车速出现明显降幅,仍处于正常区间范围内。

4 结论

通过时差相关分析及合成指数方法,构建了公路货运市场景气指数,分析了先行、同步、滞后等指标的波动规律,并运用相关指标编制了公路货运市场的预警信号。具体结论包括以下几点:

(1) 公路货运与生产制造活动关系较为紧密,从各项指标来看,物流业订单量是公路货运行业先行指标,先于货运行业1~2个月左右;重载货车销量以及社会物流总额为公路货运行业滞后指标,滞后4~5个月左右。与公路生产相关的车辆规模、行驶里程、平均速度、运输价格、货运量等指标则为同步指标,基本反映了公路货运市场的波动状态。

(2) 公路货运景气指数客观记录了行业的发展趋势以及波动情况,从趋势上来看,道路货运呈现出明显的淡旺季特征,2月及7—8月受假期及高温雨季等因素影响,货运市场相对冷淡,4—5月及9—11月则处于较高的景气区间,市场供需两端较为活跃。

(3) 2020年受新冠肺炎疫情影响,公路货运行业受到较大冲击,行业需求萎缩、有效供给减少、经营成本提高,最为严重的时期,公路货运市场仅为去年同期1/4,整车运输货运流量仅为去年同期10%左右,零担运输市场不足1%几乎停摆。从预警信号指标来看,公路货运量、货运周转量在1—2月呈“过冷”态势,但随着疫情短期内得到有效控制,公路货运市场呈“V”字形快速恢复,4月已基本恢复至去年同期水平,各项预警信号进入正常区间,率先于二、三产业恢复,有力保障了生产生活物资的运输,发挥了基础性、先导性的服务保障作用。

参考文献
[1]
交通运输部. 2020年交通运输行业发展统计公报[R]. 北京: 交通运输部, 2020.
Ministry of Transport. Statistical Bulletin of Transport Industry Development in 2020[R]. Beijing: Ministry of Transport, 2020.
[2]
肖荣娜, 赵南希, 宿硕, 等. 公路货运活动与国民经济相关性分析[J]. 公路交通科技, 2020, 37(增1): 70-74, 109.
XIAO Rong-na, ZHAO Nan-xi, SU Shuo, et al. Study on Correlation between Road Freight Activities and National Economy[J]. Journal of Highway and Transportation Research and Development, 2020, 37(S1): 70-74, 109.
[3]
冷媛, 孙俊歌, 傅蔷, 等. 经济景气指数研究的比较与思考[J]. 统计与决策, 2017(2): 5-8.
LENG Yuan, SUN Jun-ge, FU Qiang, et al. Comparison and Reflection on the Research of Economic Prosperity Index[J]. Statistics & Decision, 2017(2): 5-8. DOI:10.13546/j.cnki.tjyjc.2017.02.001
[4]
冯士超, 周文涛, 李成志, 等. 基于信号灯法的宏观经济预警分析[J]. 冶金经济与管理, 2019(2): 48-51.
FENG Shi-chao, ZHOU Wen-tao, LI Cheng-zhi, et al. Macroeconomic Early Warning Analysis Based on Signal Lamp Method[J]. Yejin Jingji Yu Guanli, 2019(2): 48-51.
[5]
王莉萍. 道路货运市场运行动态监测体系构建[D]. 西安: 长安大学, 2010.
WANG li-ping. Establish the Dynamic Operation Monitoring System for Road Freight Market[D]. Xi'an: Chang'an University, 2010.
[6]
曹锦文. 公路货运景气指数系统研究[D]. 西安: 长安大学, 2011.
CAO Jin-wen. Research on the Climate Index System of Road Freight Transportation[D]. Xi'an: Chang'an University, 2011.
[7]
陈立佳. 湖北省公路货运市场景气指数研究[D]. 武汉: 武汉理工大学, 2020.
CHEN Li-jia. Research on the Prosperity Index of Road Freight Market in Hubei Province[D]. Wuhan: Wuhan University of Technology, 2020.
[8]
詹斌, 陈立佳, 蔡航鹏, 等. 湖北省高速公路运输景气指数建立与研究[J]. 公路与汽运, 2020(2): 25-29, 81.
ZHAN bin, CHEN Li-jia, CAI Hang-peng, et al. Establishment and Research on Prosperity Index of Expressway Transportation in Hubei Province[J]. Highways and Automotive Applications, 2020(2): 25-29, 81.
[9]
曾祥龙. 基于景气指数的铁路运输市场评价与相关问题研究[D]. 北京: 北京交通大学, 2017.
ZENG Xiang-long. Studies on Assessment of Railway Transportation Market Based on Prosperity Index[D]. Beijing: Beijing Jiaotong University, 2017.
[10]
权诗琦. 市场化条件下铁路货运景气指数体系研究[D]. 北京: 中国铁道科学研究院, 2018.
QUAN Shi-qi. Study on the Prosperity Index System of Railway Freight Transport under the Condition of Marketization[D]. Beijing: China Academy of Railway Sciences, 2018.
[11]
赵陈诗卉, 祝继常. 铁路货运市场景气指数构建与应用[J]. 中国铁路, 2016(2): 36-41.
ZHAO Chen-shi-hui, ZHU Ji-chang. Construction and Application of Prosperity Index of Railway Freight Market[J]. Journal of China Railway, 2016(2): 36-41. DOI:10.3969/j.issn.1001-683X.2016.02.008
[12]
周德全, 真虹. 中国干散货海运景气监测及预警指标与模型研究[J]. 交通运输系统工程与信息, 2017, 17(5): 186-192.
ZHOU De-quan, ZHEN Hong. Model and Index of Chinese Dry Bulk Shipping Prosperity Monitoring and Alerting[J]. Journal of Transportation Systems Engineering and Information Technology, 2017, 17(5): 186-192. DOI:10.16097/j.cnki.1009-6744.2017.05.026
[13]
李晶, 郭杉, 张延. 基于扩散指数的中国航运市场分析[J]. 水运管理, 2021, 43(11): 33-35, 39.
LI Jing, GUO Shan, ZHANG Yan. Analysis of China Shipping Market Based on Diffusion Index[J]. Shipping Management, 2021, 43(11): 33-35, 39. DOI:10.3969/j.issn.1000-8799.2021.11.011
[14]
赖汪湾. 民航业经济运行预警及管理机制研究[D]. 天津: 中国民航大学, 2018.
LAI Wang-wan. Research on Economic Operation Early Warning and Management Mechanism of Civil Aviation Industry[D]. Tianjin: Civil Aviation University of China, 2018.
[15]
芦畅, 陈圣韬, 汪睿, 等. 中国航空货运景气指数研究与实践[J]. 中国市场, 2018(29): 10-13.
LU Chang, CHEN Sheng-tao, WANG Rui, et al. Research and Practice of China's Air Cargo Prosperity Index[J]. Journal of China Market, 2018(29): 10-13. DOI:10.13939/j.cnki.zgsc.2018.29.010
[16]
曹键. 交通运输景气指数对铁路运输生产指数编制的启示[J]. 铁道经济研究, 2020(3): 29-33.
CAO Jian. The Enlightenment on the Prosperity Index of Transportation to the Compilation of the Production Index of Railway Transportation[J]. Journal of Railway Economics Research, 2020(3): 29-33.
[17]
刘瑞娟, 王建伟, 刘宇腾, 等. 中国道路货运发展与宏观经济增长——基于合成指数的周期性波动研究[J]. 工业技术经济, 2018, 37(11): 145-152.
LIU Rui-juan, WANG Jian-wei, LIU Yu-teng, et al. China's Road Freight Development and Macroeconomic Growth: A Study on Periodic Fluctuation Based on Composite Index[J]. Journal of Industrial Technological Economics, 2018, 37(11): 145-152.
[18]
王自强. 海洋经济监测预警模型研究[D]. 青岛: 中国海洋大学, 2010.
WANG Zi-qiang. Research on Marine Economic Monitoring and Early Warning Model[D]. Qingdao: Ocean University of China, 2010