永续盘存法在交通运输业资本存量核算中的应用与实操

1. 项目概述：为什么交通运输业的资本存量核算如此特殊？

在宏观经济分析和行业研究中，资本存量是一个核心指标，它衡量的是一个国家或一个行业在特定时点上所拥有的、可用于生产产品和服务的实物资本总量。对于交通运输业而言，这个指标的意义尤为重大。无论是公路、铁路、港口、机场等基础设施，还是飞机、船舶、火车、卡车等移动设备，都是典型的资本密集型资产。准确核算这些资产的存量，是评估行业生产能力、分析投资效率、预测未来发展趋势乃至制定国家交通战略的基础。

然而，交通运输业的资本存量核算，远不是把历年投资额简单相加那么简单。一台卡车跑上五年，其价值还剩多少？一条高速公路在使用了十年后，其经济价值如何衡量？这里就引入了“永续盘存法”这个核心工具。简单来说，永续盘存法不是去实地盘点每一件资产，而是通过一套严谨的数学模型，基于历史投资数据、资产使用寿命和折旧模式，来“推算”出当前时点的资本存量净值。这就像你通过记录每个月的家庭收支和物品购买、报废情况，来估算家里所有物品当前的总价值，而不是每天去清点一遍。

这个项目，就是深入探讨如何将永续盘存法精准地应用于中国交通运输业。这不仅仅是套用一个公式，更是一个涉及数据清洗、参数校准、模型选择和价值判断的系统工程。对于行业分析师、政策研究者、投资机构乃至企业战略部门来说，掌握这套方法，意味着你能穿透纷繁的投资数据，看到一个行业真实的“家底”和内在动力。

2. 核心思路拆解：永续盘存法的四步流程与交通业适配

永续盘存法的基本逻辑链条非常清晰：从过去的投资流量，推算出今天的资本存量。其核心公式可以简化为：当期资本存量 = 上期资本存量 × (1 - 折旧率) + 当期投资。但在实际操作中，每一个环节都需要根据交通运输业的特性进行精细化的处理。整个流程可以拆解为四个关键步骤。

2.1 第一步：基础投资流量数据的获取与处理

这是所有工作的基石。我们需要的是交通运输业各子行业（铁路、公路、水路、航空、管道、城市公共交通）的历年固定资产投资额。数据源通常来自《中国统计年鉴》、《中国固定资产投资统计年鉴》以及交通运输部等部委发布的行业统计公报。

这里第一个坑就出现了：统计口径的变迁。中国的固定资产投资统计制度经历过多次改革，比如从“物质产品体系”转向“国民经济核算体系”，以及投资统计起点金额的调整。直接使用原始数据会导致时间序列不可比。我的处理方法是，以最新统计口径为基准，利用统计年鉴中提供的口径调整系数或增长率，对历史数据进行回溯调整，构建一个尽可能一致的长时期序列。

另一个关键是价格平减。投资数据是名义值，包含了物价上涨因素。我们必须将其转换为以某一年为基期的不变价数据，才能真实反映实物资本的形成。对于交通业，我强烈建议不要简单使用全国的固定资产投资价格指数，而是尽可能构建或寻找更贴近行业实际的指数。例如，可以分别考虑建筑安装工程价格指数和设备工器具购置价格指数，并根据交通投资中土建和设备的大致比例进行加权。这一步做不好，后续计算的资本存量会严重失真。

2.2 第二步：确定基期资本存量

永续盘存法需要一个起点，即初始年份的资本存量。这是一个经典的“鸡生蛋蛋生鸡”问题。学术界常用的估算方法有两种，我根据实操经验更推荐第二种。

方法一：基准年份法。假设在某个足够早的年份，资本存量与投资流量之间存在一个稳定的比例关系（如资本-产出比），利用这个比例和该年的投资额倒推出资本存量。这种方法依赖很强的假设，在交通业快速发展的初期，假设往往不成立，误差较大。

方法二：投资增速倒推法（我常用的方法）。选择一个相对较早、数据质量较好的年份作为基期（比如1990年或2000年）。假设在基期之前，投资以一个稳定的平均增长率g增长。那么，基期资本存量K0可以通过以下公式估算：K0 = I0 / (g + δ)其中，I0是基期的不变价投资额，δ是折旧率。这里的g可以通过基期前若干年的投资数据回归得到。这个方法的经济含义是，在稳态下，资本存量与投资额、增长率和折旧率之间存在确定关系。虽然也有假设，但比方法一更贴近经济增长理论，在实践中表现更稳健。

2.3 第三步：估算资产折旧率与寿命

这是永续盘存法中最具技术性，也是对结果影响最大的环节。折旧率不是会计上的直线折旧，而是经济折旧，反映了资产效率随年龄下降和市场价值减少的综合过程。

1. 寿命的确定：交通运输资产种类繁杂，寿命差异极大。

• 基础设施类：公路、桥梁、隧道、港口码头、机场跑道等，使用寿命很长，通常在20-50年之间。需要参考工程设计规范、大修周期以及实际退役案例。例如，高速公路主体结构设计寿命往往超过30年。
• 移动设备类：汽车、飞机、船舶、火车等，寿命较短且受技术更新影响大。商用卡车经济寿命可能在8-12年，民用客机在20-25年，船舶在25-30年。这里需要查阅行业报告、企业折旧政策以及二手设备市场数据。

2. 折旧函数的选择：假设资产寿命为L年，常用的折旧模式有：

• 直线折旧：每年折旧1/L。计算简单，但不符合多数资产效率加速下降的现实。
• 余额递减折旧：每年按固定比例折旧剩余价值。更贴近市场价值损失模式。
• 几何折旧：这是目前学术研究的主流，即假设资产效率的下降是几何速率，折旧率δ恒定。它与余额递减类似，但更便于在永续盘存模型中处理。其与寿命的关系可近似表示为δ = 2 / L（基于“双倍余额递减”思想的一种经验关系）。

在交通运输业，我建议对移动设备采用几何折旧，对基础设施采用慢速的几何折旧或修正的直线折旧。例如，可以设定卡车折旧率δ=0.12（对应寿命约17年），而高速公路折旧率δ=0.04（对应寿命50年）。如果数据允许，应对不同子行业甚至资产类型设定不同的折旧参数。

2.4 第四步：模型迭代与存量计算

当基础投资序列{It}（不变价）、基期资本存量K0、折旧率δ都确定后，就可以进行迭代计算了：

Kt = Kt-1 * (1 - δ) + It

从基期t=0开始，逐年迭代，直到得到最新年份的资本存量Kt。这个过程在Excel、R或Python中都可以轻松实现自动化。但这里有一个高级技巧：考虑投资时滞。当年的投资往往不会在当年就形成完全有效的生产能力。对于大型交通基础设施（如地铁、跨海大桥），建设周期可能长达3-5年。更精细的做法是引入“交付曲线”，将每年的投资额分摊到未来几年形成资本，但这需要更详细的工程项目数据。在宏观层面，通常采用“平均时滞一年”的简化处理，即Kt = Kt-1 * (1 - δ) + It-1。

3. 实操过程：以中国公路运输业资本存量估算为例

下面，我以一个简化的案例，演示如何估算2000-2022年中国公路运输业的资本存量。这里会涉及具体的参数选择和计算过程。

3.1 数据准备与预处理

首先，我从《中国统计年鉴》和《中国固定资产投资统计年鉴》中，收集了“交通运输、仓储和邮政业”中“道路运输业”的历年固定资产投资额（1990-2022年）。注意，从2017年起，统计口径调整为“交通运输、仓储和邮政业”下的“道路运输业”，与此前基本可比。

价格平减：我构建了一个混合价格指数。将固定资产投资价格指数中的“建筑安装工程”和“设备工器具购置”指数，按照公路投资中约70%为工程、30%为设备的经验比例进行加权，得到“公路投资价格指数”。然后以2000年为基期（=100），将所有年份的名义投资额转换为2000年不变价。

基期选择：我选择2000年作为永续盘存计算的基期。需要估算2000年初的资本存量。

3.2 参数校准：折旧率与基期存量

折旧率 δ：公路运输业资本主要包括公路基础设施和营运车辆。这是一个混合体。参考国内外研究（如Holz, 2006; 张军等，2004），并结合中国公路质量提升和车辆更新加快的实际情况，我设定综合折旧率δ = 9.6%。这个值对应几何折旧下的平均资产寿命约为20年，是一个较为折中且常用的参数。

基期存量 K~2000~：采用投资增速倒推法。我计算了1990-1999年不变价投资额的平均增长率g，约为12.5%。2000年的不变价投资额I~2000~为 2,150 亿元（2000年价）。代入公式：K~2000~ = I~2000~ / (g + δ) = 2150 / (0.125 + 0.096) = 2150 / 0.221 ≈ 9728 亿元（2000年价）这就得到了我们迭代计算的起点。

3.3 迭代计算与结果分析

在Excel中，设置两列：不变价投资额It和资本存量Kt。

1. 在2000年行，K~2000~输入我们计算得到的9728。
2. 在2001年行，应用公式：K~2001~ = K~2000~ * (1 - 0.096) + I~2001~。假设I~2001~是2350亿元，则K~2001~ = 9728 * 0.904 + 2350 ≈ 11145。
3. 将此公式向下填充至2022年，即可得到完整的资本存量序列。

为了更直观，我们可以将结果图表化，并与原始投资流量进行对比。通常会发现，资本存量的增长曲线比投资流量曲线平滑得多，且存在明显的“累积效应”。即使某年投资增速放缓，由于庞大的存量基础，资本存量总额依然保持增长。

注意：这里的参数（δ=9.6%， g=12.5%）仅为示例。在实际研究中，必须进行参数敏感性分析。例如，尝试δ=8%或δ=11%，观察最终存量结果的差异幅度。这能帮助评估结论的稳健性，也是高水平研究的必备环节。

4. 进阶议题与模型优化

掌握了基础方法后，要得到更精确、更有洞察力的结果，还需要考虑以下几个进阶问题。

4.1 资产分类与异质性处理

将整个交通运输业视为一个同质整体会掩盖重要信息。最优做法是进行分资产类型核算。例如：

• 将资本存量拆分为“基础设施”和“移动设备”。前者折旧率低（如4%-5%），后者折旧率高（如12%-20%）。分别核算后再加总，能更准确反映技术结构变化。
• 进一步细分：移动设备中，民航飞机、铁路机车、货运卡车的寿命和折旧模式截然不同。如果能获取子行业投资数据，分别核算会极大提升精度。

这需要更细粒度的数据支持，通常来自行业协会或专项统计调查。虽然工作量巨大，但能揭示诸如“中国交通投资是更偏重于基建还是装备更新”这样的关键结构性问题。

4.2 效率衰减与年龄-价格曲线

几何折旧假设资产效率按固定比例下降。但现实中，许多资产（特别是基础设施）在寿命初期效率衰减慢，后期加速。另一种方法是使用年龄-价格曲线。这条曲线描述了资产随年龄增长，其市场价格相对于新资产价格的比值。通过估算这条曲线，可以推导出每一年的经济折旧率，而不是一个固定值。

例如，一台卡车第一年可能贬值25%，第二年贬值20%，...，第十年贬值5%。这比固定的9.6%折旧率更贴近现实。年龄-价格曲线可以从二手设备交易数据、资产评估报告或保险数据中拟合得到，是当前资本核算研究的前沿方向。

4.3 资本存量的质量调整

传统的永续盘存法只计算资本的数量，假设不同年份投资的资产质量相同。这显然不符合事实。今天的投资可能用于修建更高等级的高速铁路或更智能的港口，其效率远高于过去的投资。因此，需要进行质量调整。

一种常见方法是利用特征价格指数。例如，在计算铁路投资时，不仅考虑每公里铁路的造价，还考虑其设计时速、电气化率、自动化程度等特征，构建一个“质量调整后的价格指数”。用这个指数平减投资，得到的“有效投资”流量更能代表真实的资本服务能力。然后基于“有效投资”进行永续盘存计算，得到的就是质量调整后的资本存量。这一步是提升研究国际可比性和纵向可比性的关键。

5. 常见问题、挑战与应对策略

在实际操作中，你一定会遇到下面这些问题。以下是我踩过坑后总结的经验。

5.1 数据可得性与一致性问题

• 问题：早期年份数据缺失；统计口径频繁调整；子行业数据难以剥离。
• 策略：
  1. 早期数据：利用增长率插值、参考相关文献的估算值、或利用国民收入账户中的总资本形成数据进行比例拆分。务必在文中明确说明数据修补方法及其潜在影响。
  2. 口径调整：仔细阅读每本统计年鉴的编制说明，找到指标解释和口径变化注释。利用重叠年份的数据（新旧口径同时存在的年份）计算调整系数。
  3. 子行业数据：对于公开数据不细的，可以尝试利用投入产出表、行业上市公司资本支出数据作为补充或验证参考。

5.2 参数选择的争议性与敏感性

• 问题：折旧率、资产寿命、基期存量估算方法都没有唯一“正确”答案，不同选择会导致结果差异显著。
• 策略：
  1. 透明化与罗列：在报告中明确列出所有参数的选择依据（引用权威文献、行业标准、实际调研）。
  2. 进行敏感性分析：这是必须做的一步。制作一个表格，展示关键参数（如折旧率、基期增长率）在合理范围内变动时，最终资本存量结果的波动范围。这能让读者了解你结论的稳健程度。
  3. 与国际研究接轨：参考OECD、世界银行或发达国家统计机构对类似资产的参数设定，增强你参数选择的合理性。

5.3 结果解读与误用

• 问题：将资本存量直接等同于生产能力或服务能力；忽视资本利用率的变化。
• 策略：
  1. 明确概念：资本存量是“潜在”生产能力的指标，实际产出还受技术效率、劳动力、管理水平和产能利用率影响。一个拥有庞大铁路网但运量不足的国家，其资本存量的“有效部分”可能并不高。
  2. 结合其他指标：在分析时，应将资本存量与货运量、客运量、周转量等产出指标结合，计算“资本-产出比”、“单位资本产出”等效率指标，才能得出有意义的结论。
  3. 动态视角：关注资本存量的增长率、结构变化（如基础设施 vs. 设备），而不仅仅是绝对水平。增长的放缓或结构的优化可能比存量本身更有政策含义。

5.4 实操心得与工具推荐

• 工具选择：对于常规计算，Excel足够胜任，且便于展示和调整参数。对于需要处理大量数据、进行复杂敏感性分析或分省分行业核算的研究，建议使用R或Python。R的tidyverse套件和Python的pandas库在数据清洗和迭代计算上非常高效。
• 版本控制：你的参数可能会调整多次。务必做好版本管理！为每一组参数设定（如“基准情景_δ9.6”、“高折旧情景_δ12”）建立单独的数据文件或代码脚本，并记录修改日志。这能避免后期混乱。
• 可视化：一张好的图表胜过千言万语。除了绘制资本存量时间序列图，建议将投资流量、存量净增长（新增投资减折旧）、存量净值放在一张图中。这能清晰展示“总投资中多少用于弥补折旧，多少用于净增资本”的动态过程，直观反映行业扩张是外延式还是补偿式。

最后，我想强调的是，永续盘存法估算资本存量是一门“科学”与“艺术”的结合。科学在于其严谨的理论框架和数学公式，艺术在于对参数的选择和数据的处理需要基于对行业的深刻理解与合理判断。没有任何一个模型能产出绝对“真实”的数字，但一个逻辑清晰、过程透明、经过稳健性检验的估算结果，足以为我们理解交通运输业的资本积累历程、评估其发展质量提供极其宝贵的定量依据。当你亲手完成一次从数据清洗到结果输出的全流程，你会对“中国基建狂魔”背后的资本动态有一个截然不同、更加量化和深刻的认识。