بررسی ترانزیت در بخش حمل‌ونقل ریلی کشور با استفاده از مدل جاذبه

نوع مقاله: مقاله پژوهشی

نویسنده

مرکز تحقیقات راه، مسکن و شهرسازی

چکیده

بخش حمل‌ونقل ریلی به‌عنوان یکی از شیوه‌های حمل‌ونقل انبوه در کنار امتیازات ارزنده‌ای مانند صرفه‌جویی‌های اقتصادی اهمیت این بخش از حمل‌ونقل را فزونی داده و بهره‌برداری درست و به‌موقع از این بخش و همچنین انجام سرمایه‌گذاری ‏لازم می‌تواند در موقعیت ترانزیتی بخش حمل‌ونقل ریلی کشور مؤثر باشد.‏
هدف اصلی این مقاله به‌کارگیری تکنیک‌های اقتصادسنجی پنل دیتا در بررسی تقاضای ترانزیت در بخش حمل‌ونقل ریلی ایران و تخمین ‏تابع تقاضا با استفاده از مدل جاذبه می‌باشد. در مدل برآورد شده، پنج متغیر: 1- میزان کالای ترانزیت حمل شده در بخش حمل‌ونقل ‏ریلی کشور، 2- نرخ تعرفه ترانزیت در بخش حمل‌ونقل ریلی،3-زمان حمل کالای ترانزیتی در بخش حمل‌ونقل ریلی، 4- تولید ناخالص ‏داخلی کشورهای روسیه، هند، ترکیه، قزاقستان و ترکمنستان و ازبکستان، 5- فاصله‌ی جغرافیایی بین کشورهای روسیه، هند، ترکیه، ‏قزاقستان و ترکمنستان و ازبکستان و ایران در نظر گرفته‌شده است. علاوه بر این در این مقاله چگونگی آثار شوکهای متغیرهای میزان ‏کالای ترانزیت حمل‌شده در بخش حمل‌ونقل ریلی، نرخ تعرفه، زمان حمل، ‏GDP‏ کشورهای مورد بررسی و فاصله جغرافیایی میان این ‏کشورها در طول زمان بررسی شده است.‏
نتایج حاصل از تخمین نشان می‌دهد که متغیر نرخ تعرفه‎ ‎ازلحاظ‎ ‎آماری‎ ‎معنادار‎ ‎و‎ ‎ضریب‎ ‎آن 27/0می‌باشد. همچنین‎ ‎متغیر زمان‎ ‎نیز‎ ‎با‎ ‎ضریب‎ ‎‏27/1 معنادار شده است. هردوی این متغیرها نتایج طبق انتظار داشته و‎ ‎بیان‎ ‎می‌کنند‎ ‎با‎ ‎افزایش‎ ‎یک‎ ‎درصد در نرخ تعرفه و ‏زمان حمل میزان تقاضای ترانزیت در بخش حمل‌ونقل ریلی کشور 27/0 و 27/1 درصد کاهش می‌یابد. رابطه‌ی مستقیم و معناداری با ‏ضریب 24/0‏‎ ‎بین تولید ناخالص داخلی کشورهای روسیه، هند، ترکیه، قزاقستان و ترکمنستان و ازبکستان و‎ ‎تقاضای ترانزیت در بخش ‏حمل‌ونقل ریلی کشور‎ ‎وجود‎ ‎دارد.‏‎ ‎همچنین نتایج‎ ‎متغیر فاصله جغرافیایی‎ ‎بیان‎ ‎می‌کند‎ ‎که‎ ‎رابطه‎ ‎منفی‎ ‎و معناداری‎ ‎با‎ ‎ضریب 73/15-‏‎ ‎بین‎ ‎فاصله‎ ‎جغرافیایی‎ ‎کشورهای موردبررسی و تقاضای‎ ‎ترانزیت در بخش حمل‌ونقل ریلی کشور‎ ‎وجود‎ ‎دارد.‏

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

review transit in the transportation sector of the country using the gravity model

نویسنده [English]

  • parisa bazdar
هیئت علمی
چکیده [English]

Rail transportation as one of the major transportation modes along with significant advantages such as economic savings in fuel consumption, reduced air pollution and close to environmental standards have increased the importance of this segment of transportation and has led to the continuation and development of the rail transport sector in the country. The proper utilization of this sector as well as the necessary investment can be effective in efficient utilization of the transit situation in the rail transportation sector of the country.
The main objective of this paper is to use the panel's data econometric techniques in assessing demand for transit in the Iranian transportation sector and to estimate the demand function using the gravity model. In the estimated model, five variables: 1. The amount of transit goods carried in the rail transport sector of the country, 2. The tariff rate for transit in the rail transportation sector, 3. The transit time for transportation in the railways, Gross domestic product of Russia, India, Turkey, Kazakhstan, Turkmenistan and Uzbekistan, 5. Geographic distance between countries of Russia, India, Turkey, Kazakhstan and Turkmenistan and Uzbekistan and Iran is considered.
The results of the estimation show that the tariff variable is statistically significant and its coefficient is 0.27. Also, the time variable is also significant with a coefficient of 1.27. Both of these variables yield expectations and say that with a one percent increase in tariff rates and transit times, the transit demand in the rail transportation sector will decrease by 0.27% and 1.27%. There is a direct and significant relationship with the coefficient of 0.24 between GDP in the countries of Russia, India, Turkey, Kazakhstan, Turkmenistan and Uzbekistan and the demand for transit in the transportation sector of the country.

کلیدواژه‌ها [English]

  • transit
  • rail transportation
  • gravity model
  • panel data