تعیین و اندازه گیری کشش متغیرهای تاثیر گذار بر توابع تقاضای حمل و نقل جاده ای و ریلی در شبکه حمل و نقل پسکرانه ای بندر امام خمینی (ره)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناس ارشد حمل و نقل دریایی از دانشگاه علوم و فنون دریایی خرمشهر

2 دکتری برنامه ریزی وتحلیل سیستم های اقتصادی ، استادیاروعضو هیات علمی دانشگاه علوم وفنون دریایی خرمشهر

3 ..

چکیده

هدف از این پژوهش شناسایی، اندازه گیری و تجزیه و تحلیل متغیرهای تأثیرگذار بر توابع تقاضای حمل و نقل جاده ای و ریلی در شبکه حمل و نقل پسکرانه ای بندر امام خمینی (ره) با استفاده از روش ها و الگوهای اقتصادسنجی می باشد. لذا در این پژوهش ما به دنبال معرفی پارامترهای مناسب و موثر که منجر به افزایش تقاضای بار در بخش‌های حمل و نقل جاده ای و ریلی بندر مذکور می گردند و هم چنین سهم هر یک از آن ها در مدل اقتصاد سنجی ارایه شده و برآورد کشش تقاضا نسبت به هریک از متغیرهای آورده شده در توابع تقاضای استخراج شده می باشد. تجزیه و تحلیل این پژوهش با استفاده از روش 2sls و آمارهای سری زمانی ماهانه  در بازه سال‌های 1390- 1385 صورت پذیرفته است. نتایج حاصل از این پژوهش نیز نشان می دهد که متغیرهای تناژ بار دریایی نفتی و غیر نفتی، تعداد کامیون ها، تناژ بار ناوگان ریلی، نرخ برابری ارز و جمعیت دارای تاثیر مثبت و متغیرهای تعداد واگن و  نرخ تورم دارای تاثیر منفی بر تابع تقاضای حمل و نقل جاده ای می باشند. هم چنین در خصوص تابع تقاضای حمل و نقل ریلی نیز به ترتیب متغیرهای تناژ بار دریایی نفتی و غیر نفتی، تعداد واگن ها، تناژ بار ناوگان جاده ای، نرخ برابری ارز و جمعیت دارای تاثیر مثبت و متغیرهای تعداد کامیون و نرخ تورم دارای تاثیر منفی بر روی آن می باشند.

کلیدواژه‌ها

1- مقدمه

حمل و نقل پسکرانه ای در خصوص بنادر نقش بسزایی را در ترخیص به موقع کالاها از بنادر و ایجاد محورهای اصلی ارتباطی جهت تسریع دسترسی به بنادر و تکمیل کردن زنجیره لجستیکیدر چرخه حمل و نقل ایفا می نماید (حسن زاده، 1391)، لذا در این میان شناخت و بررسی عوامل تاثیرگذار بر توابع تقاضای بار در هر یک از بخش‌های حمل و نقل جاده ای و ریلی در شبکه حمل و نقل پسکرانه ای بندر امام خمینی (ره) که در واقع به عنوان تنها مدهای موجود حمل و نقل در امر ورود و خروج بارهای صادراتی و وارداتی از طریق بندر امام خمینی «ره» فعالیت می کنند بسیار حائز اهمیت می باشد. لذا می توان با اندازه گیری دقیق تاثیر هر یک از این متغیرها بر توابع تقاضای بار بخش های جاده ای و ریلی و داشتن داده هایی صحیح از روند آتی این متغیرها برنامه ریزی را جهت تخمین تقاضای بار آن ها در آینده و هم چنین اعمال سیاست‌های مناسب در جهت رشد، تقویت و یا کنترل هر یک از متغیرهای تاثیرگذار جهت بهبود در شرایط زیر ساخت ها و رو ساخت های هر یک از متغیرها و هم چنین شبکه حمل و نقل جاده ای و ریلی متصل به بندر امام خمینی (ره) گام های اساسی برداشت (شمالی پور، 1391).

 

2- روش تحقیق

در این پژوهش سعی بر ارائه مدلی جهت تعیین و ارزیابی متغیرهای موثر بر تقاضا و استخراج تابع تقاضای بار در سیستم حمل و نقل جاده ای و ریلی متاثر از حمل و نقل دریایی کشور با رویکرد موردی در خصوص بندر امام خمینی (ره) می باشد که  توابع تقاضای هر یک از این دو بخش پس از حذف و اضافه نمودن متغیرهای متعدد و انجام آزمون‌های مربوطه  با استفاده از نرم افزار Eviews استخراج گردیده اند. هم چنین در ادامه به منظور اندازه گیری دقیق تر مقدار کشش هر یک از متغیرهای تعیین شده بر متغیرهای حمل و نقل جاده ای و ریلی توابع تقاضا به صورت لگاریتمی تخمین زده شده‌اند، که اندازه گیری کشش هر یک از متغیرهای توضیحی توابع با استفاده از آمارهای موجود از فروردین 1385 تا مرداد 1390 صورت پذیرفته است (سازمان بنادر و دریانوردی، 1390)، تا در نهایت بتوان با شناخت مناسب از پارامترهای تاثیرگذار و پیش‌بینی روند آتی آن‌ها برنامه‌ریزی مناسبی را در جهت رشد و توسعه شبکه حمل و نقل ترکیبی بندر امام خمینی (ره) ارایه نمود. بعد از مروری بر ادبیات اقتصادی مربوط به تقاضای بار در بخش های حمل و نقل جاده‌ای و ریلی و اضافه و حذف کردن متغیرهای بسیار، فرم عمومی معادلات رگرسیونی پایه‌ای برای مطالعه به صورت زیر استخراج شده است:

 

                       

 

 

متغیرهای مدل به ترتیب عبارتند از:

KTBG= میزان کل تناژ بار ورودی و خروجی به بندر امام خمینی (ره) توسط بخش جاده ای،

TBDGHN= میزان کل تناژ بار صادراتی و وارداتی دریایی غیر نفتی از طریق بندر امام خمینی (ره)،

TBDN= میزان کل تناژ بار صادراتی و وارداتی دریایی نفتی از طریق بندر امام خمینی (ره)،

KTBR= میزان کل تناژ بار ورودی و خروجی به بندر امام خمینی (ره) توسط بخش ریلی،

TK= تعداد کل کامیون های به کار برده شده در میزان کل تناژ بار ورودی و خروجی به بندر امام خمینی (ره) توسط بخش جاده ای،

TW= تعداد کل واگن های به کار برده شده در میزان کل تناژ بار ورودی و خروجی به بندر امام خمینی (ره) توسط بخش ریلی،

EXCH= این متغیر بیانگر نرخ ارز می باشد که نسبت ارزش پول ملی به پول خارجی (PPP) را نشان می دهد که به عنوان عامل اصلی تاثیر گذار بر صادرات و واردات در مدل قرار داده شده است،

INF= این متغیر بیانگر نرخ تورم داخلی کشور می باشد که به درصد تبیین شده است و

POP= این متغیر بیانگر جمعیت کشور بر حسب نفر می باشد.

 که به منظور اندازه گیری دقیق تر کشش هر یک از متغیرها، معادلات به صورت لگاریتمی زیر تخمین زده می شوند.

 

 

 

3- تجزیه و تحلیل داده ها و بیان نتایج

قبل از برآورد مدل فوق لازم است ماهیت سری های زمانی مورد استفاده از لحاظ ایستایی بررسی شوند، با توجه به ناایستا بودن اغلب سری های زمانی در اقتصاد کلان  لزوم بررسی این خصلت از سری های مورد استفاده در ابتدا مطرح می شود (سوری، 1390). در زیر نتایج ایستایی سری های مورد استفاده در این پژوهش آورده شده است. یک متغیر سری زمانی، زمانی ایستا است که میانگین واریانس و ضرایب خود همبستگی آن در طول زمان ثابت باقی بمانند (گجراتی، 1389). از این رو قبل از استفاده از متغیرها لازم است نسبت به ایستایی و یا ناایستایی آن ها اطمینان حاصل کرد. تجزیه و تحلیل‌های رابطه بلند مدت بین متغیرها موکول به تعیین خواص سری زمانی متغیرهای الگو می باشد. با توجه به نامانایی اکثر سری های زمانی در اقتصاد کلان، به کارگیری اقتصادسنجی متداول برای تحلیل کمی روابط اقتصادی تردید آمیز جلوه می‌کند. در واقع نامانایی سری های زمانی (داشتن ریشه واحد) ممکن است منجر به رگرسیون جعلی ‌شده و آزمون های آمارة T، F و R2 اعتبار خود را از دست دهند. لذا قبل از تحلیل‌های اقتصادی، ابتدا مانا یا نامانا بودن کلیه متغیرهای مدل به وسیله روش آزمون دیکی فولر بررسی می شود (سوری، 1390). با توجه به آزمون ریشه واحد در سطح، تنها متغیرهای تعداد کامیون و جمعیت ایستا (مانا) و مابقی ناایستا هستند. نتایج این آزمون در جدول (1) خلاصه شده است.

 

جدول (1): نتایج آزمون ریشه واحد متغیرهای مدل

نتیجه

سطح معنی‌داری

مقدار بحرانی

آماره آزمون

تعداد وقفه

روند

عرض از مبدأ

متغیر

I(1)

5%

47/3-

59/5-

0

دارد

دارد

TBDGHN

I(1)

5%

47/3-

93/4-

0

دارد

دارد

TBDN

I(1)

5%

47/3-

37/5-

0

دارد

دارد

KTBG

I(1)

5%

47/3-

94/6-

0

دارد

دارد

KTBR

I(0)

5%

47/3-

9/2-

0

دارد

دارد

TK

I(1)

5%

47/3-

83/6-

0

دارد

دارد

TW

I(1)

5%

47/3-

59/5-

0

دارد

دارد

INF

I(1)

5%

89/3-

73/2-

0

دارد

دارد

EXCH

I(0)

5%

47/3-

99/1-

0

دارد

دارد

POP

 

به کارگیری سری های زمانی ناایستا برای مدل های اقتصاد سنجی منجر به تفسیر نادرست نتایج خواهد شد. راه نجات از رگرسیون کاذب این است که برای دست یافتن به متغیر های ایستا، باید تفاضل هر متغیر را در رگرسیون، مورد استفاده قرار داد. به همین منظور برای تعیین مرتبه ایستایی متغیرها، از متغیرهایی که در سطح ایستا نیستند، تفاضل گرفته شده است (گجراتی، 1389). بر این اساس مشاهده شد که کلیه متغیرهای ناایستا پس از یک بار تفاضل گیری ایستا شده اند. از این رو متغیرهای تعداد کامیون ها و جمعیت I(0) و بقیه متغیرها I(1) می باشند، نتایج آزمون در جدول شماره 2 بیان شده است.

 

جدول (2): نتایج آزمون ریشه واحد با یک تفاضل

نتیجه

سطح  معنی‌داری

مقدار بحرانی

آماره آزمون

تعداد وقفه

روند

عرض از مبدأ

متغیر

I(1)

5%

71/3-

89/3-

0

دارد

دارد

TBDGHN

I(1)

5%

71/3-

28/4-

0

دارد

دارد

TBDN

I(1)

5%

71/3-

12/4-

0

دارد

دارد

KTBG

I(1)

5%

71/3-

86/3-

0

دارد

دارد

KTBR

I(1)

5%

71/3-

91/3-

0

دارد

دارد

TW

I(1)

5%

71/3-

8/4-

0

دارد

دارد

INF

I(1)

5%

71/3-

54/4-

0

دارد

دارد

EXCH

 

در مدل های ارائه شده برای دو بخش حمل و نقل جاده ای و ریلی، از آنجایی که هر دو متغیر کل تناژ بار حمل و نقل جاده ای و کل تناژ بار حمل و نقل ریلی در دو معادله در سمت راست معادله یکدیگر ظاهر می شوند، لذا احتمال ارتباط جملات خطا در این مدل وجود دارد، بر این اساس می توان توابع تقاضای طراحی شده را با استفاد از روش حداقل مربعات دو مرحله ای حل نمود و با تعریف کردن ابزارهای مناسب می توان به برازش بهتر ضرایب پرداخت در حالی که دیگر مشکل تورش هم زمانی در ضرایب مدل نیز وجود ندارد. برای این منظور ابتدا هر دو متغیر را برای کلیه متغیرهای موجود در مدل‌های برازش می کنیم:     

 

 

 

سپس از معادلات برازش شده به روش حداقل مربعات که در جدول های (3) و (4) نمایش داده شده اند، جملات اخلال آور آن ها را استخراج کرده و میزان خود متغیرهای LKTBG و LKTBR را از میزان جملات اخلال آن ها کم کرده و مقادیر برآوردی خالص برای هر یک از این دو متغیر را به دست می آوریم که در مرحله دوم مقادیر برآوردی این دو متغیر را در معادله های اصلی شماره 3 و 4 جایگذاری شده و برازش می‌شوند که نتیجه اصلی در جدول های شماره 5 و 6 آمده است (شمالی پور، 1391).

جدول (3): نتایج حاصل از برآورد معادله (5) جهت استخراج جزء اخلال و به دست آوردن KTBGHAT

Dependent Variable: LKTBG

Method: Least Squares

Date: 08/15/12   Time: 23:29

Sample (adjusted): 1385M01   1390M08

Included observations: 68 after   adjustments

Variable

Coefficient

t-Statistic

Prob.  

C

-345.3538

-4.676536

0.0650

LTBDGHN

4.260342

8.024435

0.0000

LTBDN

6.002313

5.032380

0.0000

LTK

6.428920

-7.226759

0.0301

LTW

-8.533411

-3.903257

0.0000

LINF

-10.30004

11.051293

0.0032

LEXCH

14.24350

5.090990

0.0232

LPOP

6.243421

5.320301

0.0043

R-squared

0.984308

Mean dependent var

2484186.

Adjusted R-squared

0.983679

S.D. dependent var

479094.1

S.E. of regression

8581.004

Akaike info criterion

21.04974

Sum squared resid

4.49E+09

Schwarz criterion

21.27822

Log likelihood

-708.6911

F-statistic

34798.63

Durbin-Watson stat

1.729100

Prob(F-statistic)

0.000000

 

 

 

جدول (4): نتایج حاصل از برآورد معادله (6) جهت استخراج جزء اخلال و به دست آوردن KTBGHAT

Dependent Variable: LKTBR

 

Method: Least Squares

 

Date: 08/15/12   Time: 23:00

 

Sample (adjusted): 1385M01 1390M08

Included observations: 68 after   adjustments

Variable

Coefficient

t-Statistic

Prob.  

C

140.4595

1.676569

0.0021

LTBDGHN

7.261214

-6.324169

0.0491

LTBDN

5.241341

5.343269

0.0212

LTK

- 4.532533

6.200214

0.0320

LTW

12.01215

4.435020

0.0000

LINF

-13.23141

-3.067593

0.0000

LEXCH

14.24210

-2.000099

0.0051

LPOP

6.324131

5.536231

0.0000

R-squared

0.973453

    Mean   dependent var

212365.4

Adjusted R-squared

0.973166

    S.D.   dependent var

77901.17

S.E. of regression

8581.071

    Akaike   info criterion

21.04975

Sum squared reside

4.49E+09

    Schwarz   criterion

21.27823

Log likelihood

-708.6916

    F-statistic

910.1314

Durbin-Watson stat

1.808319

    Prob(F-statistic)

0.000000

 

 

 

 

 

 

 

 

 

 

 

 

 

جدول(5): نتایج حاصل از برآورد معادله اصلی تقاضای حمل و نقل جاده ای در دومین حداقل مربعات

Dependent Variable: LKTBG

 

Method: Least Squares

 

Date: 08/15/12   Time: 00:19

 

Sample (adjusted):   1385M01 1390M08

Included observations: 68   after adjustments

Variable

Coefficient

t-Statistic

Prob.  

C

-16.23405

-3.290638

0.0012

LTBDGHN

6.008241

4.354490

0.0000

LTBDN

5.996123

8.380756

0.0000

LKTBRHAT

3.809520

5.165351

0.0271

LTK

6.171757

3.859842

0.0142

LTW

-2.874240

-2.371165

0.0043

LINF

- 6.890064

-6.345730

0.0052

LEXCH

9.254640

4.308994

0.0000

LPOP

6.121011

4.801231

0.0000

R-squared

0.968111

    Mean dependent var

2484186.

Adjusted R-squared

0.967278

    S.D. dependent var

479094.1

S.E. of regression

8599.398

    Akaike info criterion

21.06690

Sum squared resid

4.44E+09

    Schwarz criterion

21.32802

Log likelihood

-708.2747

    F-statistic

29700.04

Durbin-Watson stat

1.801726

    Prob(F-statistic)

0.000000

 

 

 

 

 

 

 

 

 

 

 

 

جدول (6):  نتایج حاصل از برآورد معادله اصلی تقاضای حمل و نقل ریلی در دومین حداقل مربعات

Dependent Variable:   LKTBR

 

Method: Least Squares

 

Date: 08/15/12   Time: 01:19

 

Sample (adjusted):   1385M01 1390M08

Included   observations: 68 after adjustments

Variable

Coefficient

t-Statistic

Prob.  

C

14.85443

2.290714

0.0123

LTBDGHN

7.003412

6.166380

0.0384

LTBDN

6.491210

3.164973

0.0095

LKTBGHAT

1.903840

7.165395

0.0092

LTK

-3.039023

-6.859851

0.0033

LTW

7.049241

2.371247

0.0018

LINF

-6.059234

-8.345717

0.0308

LEXCH

11.33952

-7.309066

0.0583

LPOP

4.746224

6.653231

0.0030

R-squared

0.952087

Mean dependent var

212365.4

Adjusted R-squared

0.949814

S.D. dependent var

77901.17

S.E. of regression

8599.464

Akaike info criterion

21.06692

Sum squared resid

4.44E+09

Schwarz criterion

21.32804

Log likelihood

-708.2752

F-statistic

776.8848

Durbin-Watson stat

1.818745

Prob(F-statistic)

0.000000

 

از آنجا که توابع معادلات مذکور شکل لگاریتمی دارند، لذا ضرایب متغیرهای مستقل که به صورت لگاریتمی هستند حساسیت و کشش متغیر وابسته به آن را بیان می‌دارند (درخشان، 1385). طبق نتایج تابع تقاضای لگاریتمی طراحی شده برای بخش حمل و نقل جاده ای بر اساس معادله شماره 3 و تخمین های صورت گرفته در جدول شماره 5، متغیر حمل و نقل دریایی غیرنفتی معنی دار بوده و دارای ضریب مثبت می‌باشد.

به عبارت دیگر کشش تقاضای بار در شبکه حمل و نقل جاده ای پسکرانه بندر امام خمینی (ره) نسبت به این شاخص برابر با 6.008 درصد است (یعنی با 1 درصد افزایش در صادرات و واردات غیر نفتی از طریق بندر امام خمینی، تقاضای تناژ بار در سیستم حمل و نقل جاده ای متصل به آن 6.008  درصد افزایش می یابد).

متغیر حمل و نقل دریایی نفتی، معنی دار بوده و ضریب آن نشان دهنده تاثیر مثبت این متغیر بر تقاضای تناژ بار درسیستم حمل ونقل جاده ای پسکرانه بندر امام خمینی می‌باشد و این ضریب دارای مقدار عددی 5.996 می باشد، یعنی 1 درصد افزایش در صادرات و واردات نفتی از طریق بندر امام خمینی، تقاضای تناژ بار در سیستم حمل و نقل جاده ای متصل به آن 5.996 درصد افزایش می یابد. متغیر خالص کل تناژ بار ریلی، معنی دار و ضریب مربوطه نشان از تاثیر مثبت آن بر تقاضای تناژ بار در سیستم حمل ونقل جاده ای پسکرانه بندر امام خمینی «ره» دارد. این متغیر با ضریب 3.809  بیان می کند که 1 درصد افزایش در تناژ بار حمل و نقل ریلی، 3.809 درصد افزایش در متغیر تقاضای تناژ بار حمل و نقل جاده ای در شبکه پسکرانه‌ای بندر امام خمینی (ره) را به دنبال خواهد داشت.

متغیر تعداد کامیون‌ها نیز معنی دار بوده و بیان کننده تاثیر مثبت این متغیر بر تقاضای تناژ بار در شبکه حمل و نقل جاده ای بندر است. ضریب 6.171 درصدی این متغیر در بلند مدت نشان دهنده آن است که 1 درصد افزایش در این متغیر، تقاضای تناژ بار حمل و نقل جاده ای بندر را به میزان 6.171 درصد افزایش می دهد.

متغیر تعداد واگن ها نیز معنی دار بوده و بیان کننده تاثیر منفی این متغیر بر تقاضای تناژ بار در شبکه حمل و نقل جاده ای بندر است. ضریب 2.874- درصدی این متغیر در بلند مدت نشان دهنده آن است که 1 درصد افزایش در این متغیر، تقاضای تناژ بار حمل و نقل جاده ای بندر را به میزان   2.874-  درصد کاهش می دهد.  متغیر نرخ تورم داخلی کشور نیز معنی دار بوده و بیان کننده تاثیر منفی این متغیر بر تقاضای تناژ بار در شبکه حمل و نقل جاده ای بندر است. ضریب 6.89- درصدی این متغیر در بلند مدت نشان دهنده آن است که 1 درصد افزایش در این متغیر، تقاضای تناژ بار حمل و نقل جاده ای بندر را به میزان  6.89- درصد کاهش می دهد. متغیر تغییرات نرخ ارز نیز که در این جا نسبت ارزش پول ملی به دلار را نشان می‌دهد نیز معنی دار بوده و بیان کننده تأثیر مثبت این متغیر بر تقاضای تناژ بار در شبکه حمل و نقل جاده ای بندر است. ضریب 9.254 درصدی این متغیر در بلند مدت نشان‌دهنده آن است که 1 درصد افزایش در این متغیر یا به عبارتی یک درصد افزایش در ارزش پول کشور نسبت به ارزش دلار، تقاضای تناژ بار حمل و نقل جاده ای بندر را به میزان 9.254 درصد افزایش می دهد.

متغیر تعداد جمعیت کشور نیز معنی دار بوده و بیان کننده تأثیر مثبت این متغیر بر تقاضای تناژ بار در شبکه حمل و نقل جاده ای بندر است. ضریب 6.121 درصدی این متغیر در بلند مدت نشان دهنده آن است که 1 درصد افزایش در این متغیر، تقاضای تناژ بار حمل و نقل جاده ای بندر را به میزان 6.121 درصد افزایش می دهد. طبق نتایج تابع تقاضای لگاریتمی طراحی شده برای بخش حمل و نقل ریلی بر اساس معادله شماره 4 و تخمین های صورت گرفته در جدول شماره 6، متغیر حمل و نقل دریایی غیر نفتی معنی دار بوده و دارای ضریب مثبت می باشد، به عبارت دیگر کشش تقاضای بار در شبکه حمل و نقل ریلی بندر امام خمینی (ره) نسبت به این شاخص برابر با 7.003 درصد است (یعنی با 1 درصد افزایش در صادرات و واردات غیرنفتی از طریق بندر امام خمینی، تقاضای تناژ بار در سیستم حمل و نقل ریلی متصل به آن 7.003 درصد افزایش می یابد).

متغیر حمل و نقل دریایی نفتی، نیز جزو متغیرهای معنی دار بوده و ضریب آن نشان‌دهنده تاثیر مثبت این متغیر بر تقاضای تناژ بار درسیستم حمل ونقل ریلی پسکرانه بندر امام خمینی «ره» می باشد و این ضریب دارای مقدار عددی 6.491 می‌باشد، یعنی 1 درصد افزایش در صادرات و واردات نفتی از طریق بندر امام خمینی، تقاضای تناژ بار در سیستم حمل و نقل ریلی متصل به آن 6.491 درصد افزایش می‌یابد. متغیر خالص کل تناژ بار جاده ای نیز معنی دار و ضریب مربوطه نشان از تاثیر مثبت آن بر تقاضای تناژ بار در سیستم حمل و نقل ریلی پسکرانه بندر امام خمینی دارد. این متغیر با ضریب 1.903  بیان می کند که 1 درصد افزایش در تناژ بار حمل و نقل جاده‌ای، 1.903 درصد افزایش در متغیر تقاضای تناژ بار حمل و نقل ریلی در شبکه پسکرانه‌ای بندر امام خمینی (ره) را به دنبال خواهد داشت.

متغیر تعداد کامیون ها نیز معنی دار بوده و بیان کننده تأثیر منفی این متغیر بر تقاضای تناژ بار در شبکه حمل و نقل ریلی بندر است. ضریب 3.039- درصدی این متغیر در بلند مدت نشان دهنده آن است که 1 درصد افزایش در این متغیر، تقاضای تناژ بار حمل و نقل ریلی بندر را به میزان 3.039- درصد کاهش می دهد. متغیر تعداد واگن ها نیز معنی دار بوده و بیان کننده تأثیر مثبت این متغیر بر تقاضای تناژ بار در شبکه حمل و نقل ریلی بندر است. ضریب 7.049 درصدی این متغیر در بلند مدت نشان دهنده آن است که 1 درصد افزایش در این متغیر، تقاضای تناژ بار حمل و نقل ریلی بندر را به میزان  درصد 7.049 افزایش می دهد. متغیر نرخ تورم داخلی کشور نیز معنی دار بوده و بیان کننده تأثیر منفی این متغیر بر تقاضای تناژ بار در شبکه حمل و نقل ریلی بندر است. ضریب 6.059- درصدی این متغیر در بلند مدت نشان دهنده آن است که 1 درصد افزایش در این متغیر، تقاضای تناژ بار حمل و نقل ریلی بندر را به میزان  6.059 درصد کاهش می دهد.

متغیر تغییرات نرخ ارز نیز که در این جا نسبت ارزش پول ملی به دلار را نشان می‌دهد نیز معنی دار بوده و بیان کننده تاثیر مثبت این متغیر بر تقاضای تناژ بار در شبکه حمل و نقل ریلی بندر است. ضریب 11.339 درصدی  این متغیر  در بلند مدت نشان‌دهنده آن است که 1 درصد افزایش در این متغیر یا به عبارتی یک درصد افزایش در ارزش پول کشور نسبت به ارزش دلار، تقاضای تناژ بار حمل و نقل ریلی بندر را به میزان 11.339 درصد افزایش می دهد. متغیر تعداد جمعیت کشور نیز معنی دار بوده و بیان کننده تأثیر مثبت این متغیر بر تقاضای تناژ بار در شبکه حمل و نقل ریلی بندر است. ضریب  4.746 درصدی این متغیر در بلند مدت نشان دهنده آن است که 1 درصد افزایش در این متغیر، تقاضای تناژ بار حمل و نقل ریلی بندر را به میزان 4.746 درصد افزایش می دهد (شمالی پور، 1391).

 

4- نتیجه گیری

بر اساس توابع تقاضای طراحی شده در قسمت فوق و برازش آن ها برحسب متغیرهای توضیحی جای گذاری شده بر اساس جدول شماره 5 مشخص شد که پارامترهای تناژ بار دریایی نفتی و غیر نفتی صادراتی و وارداتی از طریق بندر امام خمینی، تناژ بار جا به جا شده توسط ناوگان ریلی بندر، تعداد کامیون ها، نرخ برابری ارز و متغیر جمعیت دارای تاثیر مثبت و پارامترهای تعداد واگن های ناوگان ریلی و نرخ تورم داخلی دارای تاثیر منفی بر تابع تقاضای بخش حمل و نقل جاده ای مربوط به بندر امام خمینی (ره) می باشند.

در خصوص تابع تقاضای برازش شده برای ناوگان ریلی بندر نیز بر اساس جدول شماره 6 مشخص شد که پارامترهای تناژ بار دریایی نفتی و غیر نفتی صادراتی و وارداتی از طریق بندر امام خمینی «ره»، تناژ بار جا به جا شده توسط بخش جاده‌ای، تعداد واگن ها، نرخ برابری ارز و متغیر جمعیت دارای تاثیر مثبت و پارامترهای تعداد  کامیون‌ها و نرخ تورم داخلی دارای تاثیر منفی بر تابع تقاضای بخش ناوگان ریلی مربوط به بندر امام خمینی (ره) می باشند.

ایجاد یک زنجیره حمل و نقل ترکیبی مناسب در پسکرانه های بنادر می تواند نقش بسیار به سزایی را در تسهیل و تسریع ورود و خروج به موقع کالاها از بندر داشته باشد، که لازمه ایجاد و حفظ یک زنجیره حمل و نقل ترکیبی کارا در پسکرانه های بنادر نیازمند داشتن اطلاعات صحیح از عوامل موثر بر تقاضای بار و هم چنین میزان تناژ بارهای ورودی و خروجی به بنادر و در نتیجه تلاش در جهت هماهنگ ساختن ظرفیت جا به جایی بار در شبکه زیر ساخت و روساخت های حمل و نقل جاده‌ای و ریلی متصل به بنادر متناسب با سهم هر یک از آن ها از میزان جا به جایی بارها در آینده می باشد (خدائی، 1385). هم چنین پیش بینی صحیح از میزان حجم عملیات یک بندر در طول سال های آتی می تواند زمینه یک برنامه ریزی دقیق توسط مدیران آن بندر در خصوص تهیه تجهیزات بندری در بخش های روبنایی و زیر بنایی مورد نیاز جهت پاسخ گویی مناسب به میزان حجم بار پیش بینی شده و جلوگیری از اخلال درون سیستم شبکه حمل و نقل ترکیبی بندر و ناکارآمدی زنجیره لجستیکی را فراهم نماید.

  • تاریخ دریافت: 14 آبان 1394
  • تاریخ پذیرش: 02 آذر 1394