2003 年 SARS 是中国公众健康的一场“灾难”，旅游业和交通旅客运输首当其冲，因此蒙受巨大的损失[1] 。有关 SARS 对我国入境旅游业的影响已有许多研究，如朱迎波等人利用 ARIMA 模型预测了 SARS 对我国入境旅游人数的影响[2] ，曾本祥等人分析了 SARS 给我国入境旅游造成的损失以及危机不同的恢复周期[3] ，张广瑞等人采用相邻年比较法分析了 SARS 对我国入境旅游业发展的影响[4] 。而 SARS 危机对交通旅客运输影响的研究相对不足。根据文献检索，吴文化等人有关 SARS 对我国交通客运影响的分析是最重要的文献[5] ，他采用相邻年同期比较方法分析了 SARS 对公路、铁路、水运、航空四大运输系统造成的损失，并对危机后我国旅客运输业的恢复形势进行了分析。我们认为，在 SARS 危机尚未彻底消除之前，任何基于模型的预测都需要经过后期统计数据的检验；采用相邻年比较方法评价 SARS 对旅客运输的影响，由于忽视了旅客运输业天然的发展趋势，不可能获得相对准确的结论。 199８年孙根年提出了旅游本底趋势线的概念，并率先用于“89 事件”对我国入境旅游业的影响分析[6 ,7] ，被认为是有关突发事件旅游危机评估更为科学的方法。笔者将其用于 SARS 冲击下我国交通旅客运输业的后评价研究，并在 3 个方面取得了新的进展： a. 揭示了 SARS 客运危机的生命周期，并发现危机后反弹的补偿期； b. 将这种危机评估扩展到 31 个省（市）自治区，揭示了客运量损失的省际差异； c. 建立了一个危机的空间分析模型，揭示了各省（市）自治区客运量损失与 SARS 确诊人数的关系。从而为这场交通客运危机的评估提供了新的信息。

《1   本底趋势线理论及危机评估方法》

1   本底趋势线理论及危机评估方法

所谓本底趋势线，是指在不受境内外突发性事件的冲击和影响下，某国家（或地区）旅游业发展所呈现的天然趋势，它反映了旅游业发展天然而稳定的趋势和时间规律，是客源市场与旅游目的地两个断面在人口增长、经济发展、社会进步及空间相互作用中多种因素的综合反映。本底趋势线概念的提出，借鉴了环境学中对本底值的定义并将其动态化；同时，还吸收了经济学对价格围绕价值波动，以价格对价值的偏离反映市场供求关系的精神内核。建立本底趋势线可以揭示某国（地区）旅游业发展的固有趋势，结合统计线可以作为指示旅游业兴衰的“晴雨表”，评价突发事件对旅游业的冲击和影响。最近，孙根年又将本底趋势线的“晴雨表”功能与旅游地生命周期理论结合起来，认为突发事件对旅游业发展的影响，不仅与事件的性质、强度有关，而且与其发展所处的生命周期（或成长阶段）有关，为突发事件旅游危机的后评价研究提供了一个新理论架构[8] 。

图 1 将某地区旅游业的长期发展划分为 5 个阶段，其中，光滑曲线为基于生命周期的本底趋势线，带点实线为危机期的客流统计线，“凹型谷”反映了突发事件对旅游业发展的冲击和影响。所谓突发事件旅游危机的后评价，就是分析统计线与本底趋势线的偏离，计算“凹型谷”所反映的旅游损失及其相关指标。相邻年比较法是以危机前一年为基准，将危机年与基准年进行比较，即使考虑到危机后的持续效应而进行多年的比较，也存在着无法克服的理论缺陷。具体而言有 3 种类型：当旅游业的发展处于增长期（A 和 B）时，相邻年比较法由于忽视了天然的成长趋势，损失的评价结论相对较小；当旅游业的发展处于衰减期（D 和 E）时，相邻年比较法由于忽视了天然的衰退趋势，损失的评价结论相对较大；只有在旅游业发展处于停滞期（C）时，相邻年比较法的评估结论才相对准确。

《图 1》

图 1 旅游生命周期不同阶段突发事件的冲击及所形成的“凹型谷”

Fig.1 Strike and concave vale of break唱out event in each stages of tourism lifecycle

《2   2003 年交通旅客运输损失及危机的生命周期》

2   2003 年交通旅客运输损失及危机的生命周期

《2.1 交通客运量本底趋势线方程的建立》

2.1 交通客运量本底趋势线方程的建立

选取 1996 — 2004 年我国交通客运量 5 个指标，包括公路、铁路、民航、水运及客运总量（单位：万人），数据取自《中国交通年鉴》 [9] ，并按建立本底趋势线的要求对其进行数值模拟，建立了如下 5 条客运量本底趋势线。其中 t 为时间变量，从 1996 年起取 t = 1，2，3，…；模型检验采用随机时间序列的 R - C - P 方法。

1）交通旅客运输总量本底趋势线 　 1996 年全国客运总量 125.05 亿人次， 2004 年旅客运输总量 176.64 亿人次， 9 年来客运总量净增长 41.2５5 % ，客运总量本底趋势线为

相关系数 R = 0.999 ，后验差比值 C = 0.935 ，小误差概率 P = 0.085 。

2）公路客运量本底趋势线公路客运在全国旅客运输中占 90.8 % ~ 91.2 % 。 1996 年公路客运总量 120.4 亿人次， 2004 年公路客运量为 162.4 亿人次， 9 年来公路客运量净增长 34.88 % 。公路客运量本底趋势线方程为

相关系数 R = 0.998 ，后验差比值 C = 0.963 ，小误差概率 P = 0.062 。

3）铁路客运量本底趋势线铁路客运在全国客运总量中占 6.1 % ~ 7.2 % 。 1996 年铁路客运总量 9.3 亿人次， 2004 年铁路客运量 11.17 亿人次， 9 年铁路旅客运输量增长 20.11 % ，其本底趋势线方程为

相关系数 R = 0.996，后验差比值 C = 0.913，小误差概率 P = 0.106 。

4）民航客运量本底趋势线民航在我国旅客运输中占 0.42 % ~ 0.69 % ，近年来增长十分迅速。 1996 年民航客运量5 630万人次， 2004 年客量增长到 1.21 亿人次， 9 年民航运输量净增长 114.92 % ，其客运量本底趋势线方程为

相关系数 R = 0.997 8 ，后验差比值 C = 0.951 ，小误差概率 P = 0.098 。

5）水运客运量本底趋势线水运客运量近年来有下降趋势。 1996 年水运客运量 2.25 亿人次， 2004 年客运量下降至 1.9 亿人次， 9 年来客运量净减少 15.56 % ，其客运量本底趋势线方程为

相关系数 R = 0.956 ，后验差比值 C = 0.931 ，小误差概率 P = 0.102 。

《2.2 基于本底趋势线的 SARS 客运量损失估算》

2.2 基于本底趋势线的 SARS 客运量损失估算

依据公路、铁路、民航、水运及客运总量统计值与本底趋势线的偏离， 2003 年 SARS 对我国交通旅客运输造成的损失如表 1 所示。可以看出， SARS 共造成各类客运量损失 10.07 亿人次，相对损失率 5.96 % 。其中，公路客运量损失 8.88 亿人次，损失率 5.72 % ；铁路客运量损失 1.05 亿人次，损失率 9.74 % ；民航客运量损失 1611.7 万人次，损失率 15.53 % ；水运客运量损失 1943 万人次，损失率为 10.19 % 。从客运量损失来看，公路损失最大，民航损失最小；从相对损失率来看，民航损失率最大，公路损失率最小。客运量损失与损失率的这种差异，与其客运量基数及增长趋势有关。

《表 1》

表 1 2003 年 SARS 对我国交通旅客运输的冲击和影响

Table 1 Shocks and impacts of SARS in 2003 to transportation passengers

《2.3 SARS 危机生命周期及客运量损失的逐月变化》

2.3 SARS 危机生命周期及客运量损失的逐月变化

SARS 交通危机是一个短周期事件，应有其特定的生（成）－消（退）过程。相邻年方法在危机生命周期分析时，以危机前一年为基准进行逐月比较，因而具有较大的随机性和不确定性；近年也有采用 ARIMA 模型分析危机的生命周期[10 ,11] ，但计算过程较为复杂。本文采用季节（月）指数方法，将基于本底趋势线的危机生命周期分析贯穿到年内尺度，并且计算方法相对简单。

具体方法如下：令第 i 年第 j 月客运量指数为 kij ，则 kij ＝ Qij / Yi 。其中 Qij  为第 i 年第 j 月客运量，Yi 为第 i 年客运量。客运量月指数可由多年统计平均值代替，则危机年第 j 月客运量本底值为 ＝ 。其中 为第 i 年客运量本底值。以 2000 — 2005 年为参照系（不包括 2003 年），计算我国交通客运量月指数，并以方程式（1）恢复 2003 年各月客运量本底值，将 2003 年各月客运量本底值与统计值绘制统计图（图 2）。其中，带点虚线为 2003 年逐月变化的本底值，带点实线逐月变化的统计值，箭头所指为 SARS 冲击形成的“凹型谷”。

《图 2》

图 2 SARS 对交通客运影响的生命周期

Fig.2 Lifecycle of SARS impact transportation

从图 2 可看出， SARS 交通客运危机的生命周期经历了孕育生成期、全面爆发期、消减恢复期和反弹补偿期，其中，危机后的“反弹－补偿期”在旅游危机生命周期分析中没有出现。本文以月偏离指数± 2.0 % 为界， 2003 年 4 月危机生成显现，交通客运量损失 1.41 亿人次，相对损失率 10.36 % ； 5 ~ 6 月危机全面爆发，客运量损失（6.34 ~ 3.41）亿人次，损失率 43.95 % ~ 25.21 % ； 7 ~ 9 月危机消减衰退，客运量损失 1.39 ~ 0.34 亿人次，损失率 10.1 % ~ 2.16 % ； 11 ~ 12 月客运量反弹补偿，客运量增加 0.68 ~ 2.10 亿人次，增加百分数为 4.88 % ~ 14.56 % ； 2004 年 1 ~ 2 月回归本底趋势线。

《3   中国 28 个省（市）自治区本底趋势线及 SARS 危机客运量损失估算》

3   中国 28 个省（市）自治区本底趋势线及 SARS 危机客运量损失估算

《3.1 28 个省（市）自治区本底趋势线的建立》

3.1 28 个省（市）自治区本底趋势线的建立

中国大陆 31 个省（市）自治区，由于交通区位和 SARS 疫情的差异， SARS 交通危机客运量损失有所不同。剔除青海、海南、江苏 3 个省，收集了 28 个省（市）自治区 1998 — 2005 年交通客运量数据，并对 SARS 危机期进行内插订正，建立了各省（市）自治区客运量本底趋势线，计算出 SARS 冲击下交通旅客损失量和损失率如表 2 。

《表 2》

表 2 我国 28 个省（市）自治区客运量本底趋势线及 SARS 危机客运量损失

Table 2 Background trend line equation and transportation passenger loss of 28 provinces in China

注：福建、广东数据取值时段为 2000 — 2004 年； t 为时间变量，从起始年取 t ＝1，2，3 ，…；损失量＝本底值－统计值，损失率＝（损失量/本底值）× 100 %

《3.2 SARS 危机各省（市）自治区客运量损失估算》

3.2 SARS 危机各省（市）自治区客运量损失估算

提取表 2 损失量和损失率数据进行分类排序，以揭示 SARS 危机交通客运量损失的地域差异。以客运绝对损失量为依据，可将 28 个省（市）自治区划分为 4 个等级。其中广东、四川、河北、河南 4 个省客运量损失最大， 2003 年为 0.89 ~ 1.72 亿人次，是 SARS 交通客运危机的“重灾区”；北京、山东、湖南、辽宁、安徽、重庆 6 个省市损失量较大，为 4 000 ~ 7 000万人次；广西、内蒙、福建、云南、黑龙江、浙江、陕西、贵州 8 个省、自治区损失量较小，为 2 000 ~ 4 000万人次；湖北、江西、新疆、吉林、山西、上海、甘肃、宁夏、天津、西藏 10 个省（市）自治区损失量最小，均小于 2 000 万人次。以客运量相对损失率为依据，可将 28 个省（市）自治区划分为 3 个等级。其中北京、河北、内蒙、上海、西藏 5 个省（市）自治区客运量损失率最大，均大于 12 % ；湖南、黑龙江、吉林、安徽、福建、重庆、陕西、天津、山东、广西、宁夏、广东、四川、云南、新疆、辽宁、河南 17 个省（市）自治区客运量损失率居中，为 5 % ~ 10 % ；浙江、湖北、山西、甘肃、贵州、江西 6 省客运量损失率较小，为 2 % ~ 5 % 。

《4   SARS 危机客运量损失的空间统计模型》

4   SARS 危机客运量损失的空间统计模型 　 　

2003 年 SARS 危机各省（市）自治区客运量损失是否具有某种确定的规律性，这在以往的研究中未见报道。笔者从宏观地域规律出发，认为各省（市）自治区客运量损失应与客运量基数、 SARS 确诊人数及交通区位具有某种统计关系，并用如下函数反映 SARS 交通危机的空间分布：

其中 Ti 为第 i 省（市）自治区客运量损失， Yi 为第 i 省（市）自治区客运量基数（以本底值替代）， Si 为第 i 省（市）自治区 SARS 确诊人数（反映 SARS 疫情）， Li 为第 i 省（市）自治区距疫源中心距离及客运量确定的交通区位指数，以 9 ~ 1 级数来表示。

此次 SARS 危机具有全国规模，其疫源地早期以广东为中心，后来以北京及周边的天津、山西、河北、内蒙等省（市）自治区为中心，忽略交通区位因素的影响，将式（6）改写成

其中 A ，α，β 为待求参数。为采用最小二乘法进行参数估计，对式（7）两边取对数得

为了避免部分省（市）自治区 SARS 确诊人数为 0 和 1 ，在参数估计中不能取对数和过分削弱 SARS 对旅客心理所造成恐惧，本文将 ln （1）和 ln （0）取值分别设定为 0.75 和 0.25 ，则 SARS 危机各省（市）自治区客运量损失的空间预测方程为

相关系数 R = 0.926 9 ，方差检验值 F = 76.24 ，方程相关性显著。

由客流量损失率的定义，可知 SARS 危机各省（市）自治区损失率空间预测方程为

方程式（9），式（10）揭示了 2003 年 SARS 对我国 28 个省（市）自治区客运量的影响及其危机的空间差异。

为了直观地展示上述空间模型的预测效果，将两种方法计算结果绘制成相关图（见图 3）。从图中可看出，基于本底趋势线估算的各省（市）自治区客运量损失，与基于空间统计模型估算的客运量损失具有很好的相关性。由方程式（9）可以看出， 2003 年 SARS 对我国各省（市）自治区所造成的客运损失量中，客运量基数的边际系数为0.788 46 ，而 SARS 确诊人数的边际系数为0.075 868 。

《图 3》

图 3 基于本底线计算和危机乘数模型计算的客运损失量比较

Fig.3 Comparison of transportation loss based on background trend line with crisis multiplier model

《5   结论》

5   结论

2003 年 SARS 是中国公众健康的“灾难”，也是前所未有的交通旅客运输危机。基于本底趋势线的 SARS 危机后评价研究，为准确认识此次危机客运量损失提供了新结论：

1） 2003 年 SARS 共造成交通旅客损失 10.07 亿人次，相对损失率 5.96 % 。其中，公路旅客损失 8.88 亿人次、损失率 5.72 % ，铁路旅客损失 1.05 亿人次、损失率 9.74 % ，民航旅客损失1 611.7万人次、损失率 15.53 % ，水运旅客损失1 943万人次、损失率 10.19 % 。

2）此次交通危机的生命周期可划分为 4 个阶段， 2003 年 3 ~ 4 月开始生成显现， 5 ~ 6 月全面爆发， 7 ~ 9 月消减衰退， 11 ~ 12 月有一定的反弹补偿，使客运量的年内分布与常态格局迥异。

3）依据对全国 28 个省（市）自治区的测评，客运损失量可以划分为 4 个等级，其中，广东、四川、河北 3 省客运损失量都在 1 亿人次以上。

4）将 28 个省（市）自治区客运损失量与 2003 年本底值及 SARS 确诊人数作回归分析，建立了一个反映 SARS 危机的空间预测模型，其中，客运量基数的边际系数为0.788 46 ，而 SARS 确诊人数的边际系数为0.075 868 。

SARS 危机交通客运损失受多种因素的影响，如青海和海南地理区位相对封闭， SARS 确诊人数为零，交通旅客运输受 SARS 影响很小；而浙江、湖北、山西、上海、河北、北京等省（市）自治区空间模型的预测结果明显低于本底趋势线的估计，如何定量测算交通区位指数及其影响尚待研究；交通运输业经济损失的估计，由于受运输方式、运送距离、车辆档次和票价的影响，本项研究基本未涉及，要准确估算 SARS 交通危机的经济损失还有许多困难，这将是今后继续深入研究的课题。