我国城市出租车资源供求匹配程度研究

费　威，马　跃，李泊宁，李　昆

(1.东北财经大学 经济学院，辽宁 大连　116025；

2.东北财经大学 数学学院，辽宁 大连　116025；

3.东北财经大学 管理科学与工程学院，辽宁 大连　116025)



我国城市出租车资源供求匹配程度研究

费威1，马跃2，李泊宁2，李昆3

(1.东北财经大学 经济学院，辽宁 大连116025；

2.东北财经大学 数学学院，辽宁 大连116025；

3.东北财经大学 管理科学与工程学院，辽宁 大连116025)

摘要：通过选取出租车资源供给和需求水平指标，计算我国出租车资源“供求匹配”程度，分析了2013年我国主要城市的出租车资源“供求匹配”程度，并以大连市为例分析了2004～2013年不同时期的出租车资源“供求匹配”程度。结果表明：大连市出租车资源“供求匹配”程度最高，北京市最低；大连市除了2004年“供求匹配”程度最低且低于70%，其余年份“供求匹配”程度均高于80%。为地方政府出租车资源优化配置提供了政策启示。

关键词：出租车；供求匹配；优化配置

随着人民生活水平的日益提高与生活节奏普遍加快，选择乘坐出租车出行方式的人越来越多。出租车已经成为城市公共交通的重要组成部分。然而在我国多地，尤其是一二线城市，普遍存在打车难等供求不匹配现象。出租车供不应求，具体表现为供给不足和需求量大。供给不足不仅表现在出租车总体数量不足，更直接表现在出租车运力没有得到充分利用方面。对出租车需求量大使打车需求大幅增加，尤其在上下班高峰时段和部分“热门”地区的高需求。而城市出租车既不能无限制地供给，也不能供给过度短缺。为使我国出租车资源实行合理调配，实现出租车总量供给与市民出行需求的基本平衡，使之既能保证出租车经营企业的合理经济收益，又能满足市民方便出行的需求，明确我国主要城市出租车资源的供给与需求匹配程度现状至关重要。

有关我国出租车市场的主要研究有出租车供求影响因素、价格管制等经营管理模式以及打车软件的应用和问题等方面。张宪春以北京市为例、王宇以西安市为例，分别分析了出租车周转缓慢等实际供给率低的问题。城市发展带来出租车绝对需求不断上升，出租车价格上升、实际利用率低等导致出租车有效供给下降，这种供求的反向作用成为当前出租车市场供求失衡的根本原因。[1～2]孙辉泰、张文全分析了我国“打车难”的原因，借鉴国内外缓解“打车难”的先进做法，提出应放开数量管制增加绝对供给、提高出租车利用率、运用价格杠杆与发展可替代交通工具使乘客出行方式选择多样化。[3～4]周小梅和田定远认为市场竞争是实现资源最优配置、社会福利最大化的最佳途径，应通过出租车价格联动机制的确立完善引导出租车市场资源配置。[5]王智斌、张凤林和王利比较分析了国内外对出租车经营管理的模式。[6～7]邵燕斐和王小斌分析了我国出租车运价制定中相关利益主体的利益关系，认为合理的价格管制是经济效率和社会福利达到最大化的必要条件。[8]李艳梅和杨涛、宗刚分别对北京市出租车市场管制模式决定着消费者、司机、出租车公司、“黑车”从业者和政府等5个主体间的利益分配关系，利用出租车市场供求模型分析了北京市出租车市场“价格管制+社会管制”管制模式[9～10]。桂虹和杨剑分析了出租车打车软件发挥的作用及存在的问题，提出政府应在出租车管理中进行角色的重新定位。[11]曹祎等在打车软件背景下，定量分析了以出租车与乘客两类群体作为社会福利群体时的剩余价值及其影响因素。[12]

已有研究为深入探讨我国出租车市场供求提供了参考，然而针对我国主要城市的出租车资源供求匹配程度的度量与评价较为缺乏。因此，本文首先从供给与需求两方面分别筛选出租车资源供求的主要影响因素，建立我国出租车资源供求的指标体系。其次，通过搜集到的我国主要城市上述指标数据，利用因子分析方法提取出租车资源供给与需求两方面的典型因子，并计算相应城市的因子得分及综合得分。借鉴隶属度概念定义匹配度的方法，基于不同城市出租车供求典型因子得分对应的数值，计算出不同城市出租车资源的“供求匹配”程度，并进行比较分析。最后，以大连市为例，分析了不同时期的出租车资源“供求匹配”程度。从城市的横向与时间的纵向的时空双重角度分析了我国出租车资源的供求匹配程度，据此总结归纳出租车资源优化配置的对策。

一、出租车资源供给与需求的指标选取

出租车资源的供给水平与需求水平都有各自的影响因素，两者之间还存在复杂的内部关系。本研究试图从供给与需求两方面分别筛选我国出租车资源供求的主要影响因素，建立出租车资源供求的指标体系。选取指标主要遵循以下原则。一是有效性原则。供给水平与需求水平都是一个综合性系统，相应指标的选取要具有足够的涵盖面，包含充分的信息量，能够客观反映供求的影响因素及其内在联系。二是可行性原则。由于相关数据来源的有限性，在选取指标时应考虑到指标数据的可得性；三是科学性原则。借鉴经典文献和专家学者已有研究成果，选取的指标需满足以下几点：概念明确并有一定科学内涵，能够度量和反映我国出租车资源供给水平与需求水平的现状和发展趋势；四是实用性原则。去掉关联性相对较弱的影响因素简化指标体系，为指标数据获取提供实际可操作的依据。基于上述原则，本文选取了我国出租车资源供求指标。

(一)出租车资源供给水平的指标选取

通过参考影响出租车资源供给因素的相关文献和研究成果[13～14]，选择以下6个指标度量我国出租车供给水平，各指标名称及选取理由见表1。

(二)出租车资源需求水平的指标选取

类似地，选择以下8个指标度量我国出租车需求水平，各指标名称及选取理由见表2。

表1　出租车资源供给水平的指标

表2　出租车资源需求水平的指标

(三)出租车资源供求匹配程度分析

因子分析法能够以最少的信息丢失为前提，将众多的原始变量综合成有代表性的指标，即因子，用它们来概括和解释具有错综复杂关系的大量观测事实，揭示出事物之间的本质联系。因此，本文通过因子分析法将出租车资源的供求指标进行处理，将具有相关关系的因素综合为公共因子，并利用主要城市出租车资源的供求数据进行比较分析。

本文利用模糊数学中的隶属度概念与借鉴向量夹角的几何意义，基于文献[15]对两系统状态协调度函数的定义，对出租车资源的供给与需求匹配程度进行计算。用S和D分别表示出租车资源的供给水平和需求水平，建立相应的匹配程度函数如下：

(1)

(2)

(3)

二、我国出租车资源“供求匹配”程度的实证分析

通过分析我国主要城市在相同年份的出租车资源“供求匹配”程度与以大连市为例分析同一城市在不同年份的出租车资源“供求匹配”程度，从地域和时间两个维度对我国出租车资源利用及优化配置情况进行实证分析与比较说明。

(一)我国主要城市的出租车资源“供求匹配”程度分析

根据选取的我国出租车资源供给水平和需求水平的指标，基于数据可得性与不同规模城市的代表性，根据中国国家统计局和中国天气网等收集整理了我国15个主要城市2013年的出租车资源供给水平与需求水平的指标数据，运用SPSS18.0软件进行因子分析。

首先对供给水平的指标数据进行标准化后，利用巴特利特球度检验(Bartlett Test of Spericity)和KMO检验进行适合度检验，得到巴特利特球度检验值为59.566，KMO统计量值为0.646，说明数据适合做因子分析。用方差最大旋转法进行正交旋转，将特征值大于1的主成分提取出来作为公共因子。结果表明：因子1和2的特征值均大于1，并且经方差极大值旋转以后，它们的方差贡献率分别为54.868%和27.719%，累积方差贡献率达到了82.587%。因此，选取这两个因子作为供给水平的公共因子。根据因子分析结果及因子载荷，将我国主要城市的出租车资源供给水平的公共因子S1定义为出租车资源供给收益因子，将S2定义为出租车资源供给要素因子。(见表3)

表3　　　　我国主要城市出租车资源

类似地，对需求水平的指标数据进行标准化后，利用巴特利特球度检验和KMO检验进行适合度检验，得到巴特利特球度检验值为79.470，KMO值为0.645，说明数据适合做因子分析。用方差最大旋转法进行正交旋转，将特征值大于1的主成分提取出来作为公共因子。结果表明：因子1和2的特征值均大于1，并且经方差极大值旋转以后，它们的方差贡献率分别为55.544%和19.444%，累积方差贡献率达到了71.960%。因此，选取这两个因子作为需求水平的公共因子。根据因子分析结果及因子载荷，将我国主要城市的出租车资源需求水平的公共因子D1定义为出租车资源需求收益因子，将D2定义为出租车资源需求要素因子，以及综合得分D。(见表4)

表4　　　　我国主要城市出租车资源

根据主要城市的出租车资源供给与需求水平的因子得分，按照公式(1)～(3)计算可得我国主要城市出租车资源“供求匹配”程度，并且按照该匹配程度进行排名。(见表5)

表5　　　我国主要城市出租车资源“供求匹配”

结果表明：在调查的2013年我国主要城市中，除北京市出租车资源“供求匹配”程度最低约为0.215 9，远不足50%，其它城市出租车资源“供求匹配”程度相对较高，高于50%。并且大连市出租车资源“供求匹配”程度最高为0.972 8，长沙、杭州仅次于大连的出租车资源“供求匹配”程度，排名第2和第3，且都高于90%；厦门、沈阳、长春、太原和广州、上海、哈尔滨的出租车资源“供求匹配”程度低于 90%，但高于80%；汕头、深圳、天津、石家庄的出租车资源“供求匹配”程度介于70%和80%。这说明基于本文的我国出租车资源“供求匹配”程度指标分析的我国北上广深一线城市出租车资源的“供求匹配”程度，除了北京与其现状体现的一致，而广州和上海出租车资源“供求匹配”程度相近但比实际中体现的要好些，深圳稍差。

(二)不同时期的出租车资源“供求匹配”程度分析——以大连市为例

根据大连市统计年鉴和统计公报收集整理了2004～2013年大连市出租车资源供给与需求水平的指标数据。并且由于本文调查期间大连市出租车起步价没有变化，所以对于时间纵向维度大连市出租车资源“供求匹配”程度比较没有较大影响，而不同年份的价格指数对出租车资源供求具有显著影响，所以此处将起步价从供求匹配程度指标中剔除，用城市居民消费价格指数(1978年为基础年份)代替。该指标能够代表随着时间变化，人们生活收入水平以及对商品价格的可接受度，对于时间纵向维度的分析更具合理性。本文运用SPSS18.0软件进行因子分析。

首先对供给水平的指标数据进行标准化后，利用巴特利特球度检验(Bartlett Test of Sphericity)和KMO检验进行适合度检验，得到巴特利特球度检验值为58.627，KMO统计量值为0.769，说明数据适合做因子分析。用方差最大旋转法进行正交旋转，将特征值大于1的主成分提取出来作为公共因子。结果表明：因子1和2的特征值均大于1，并且经方差极大值旋转以后，它们的方差贡献率分别为71.016%和4.508%，累积方差贡献率达到了75.524%。因此，选取这两个因子作为供给水平的公共因子。根据因子分析结果及因子载荷，将2004～2013年大连市的出租车资源供给水平的公共因子S1定义为出租车资源供给收益因子，将S2定义为出租车资源供给要素因子，以及综合得分S。(见表6)

表6　　　　2004～2013年大连市出租车资源供给

类似地，对需求水平的指标数据进行标准化后，利用巴特利特球度检验和KMO检验进行适合度检验，得到巴特利特球度检验值为142.085，KMO值为0.660，说明数据适合做因子分析。用方差最大旋转法进行正交旋转，将特征值大于1的主成分提取出来作为公共因子。结果表明：因子1的特征值均大于1，并且经方差极大值旋转以后，它的方差贡献率分别为76.948%。因此，选取这一个因子作为需求水平的公共因子。根据因子分析结果及因子载荷，将2004～2013年大连市的出租车资源需求因子得分D。(见表7)

表7　　　　2004～2013年大连市出租车资源

根据大连市出租车资源供给与需求水平的因子得分，按照公式(1)～(3)计算可得大连市出租车资源“供求匹配”程度，并且按照该匹配程度进行排序。(见表8)

表8　　　2004～2013年大连市出租车资源

结果表明：根据本文分析的2004～2013年大连市出租车资源“供求匹配”程度及其排序可见，随着时间变迁，大连市出租车资源“供求匹配”程度呈现相对较为平稳的波动性变化。除了2004年“供求匹配”程度最低且低于70%，其余年份的“供求匹配”程度均高于80%。2012年出租车“供求匹配”程度最高，高于99%。2004年至2006年、2009年至2013年两个期间“供求匹配”程度持续提高，2007年和2013年均呈现显著下降。出现这些变化特征的主要原因是随着我国经济的飞速发展，人们的收入水平与消费观念都在发生变化，同时城市交通状况也随之改变。在较早年份，乘坐公交车是人们的主要出行方式，该方式经济便利符合人们的收入水平与消费习惯，对出租车资源的需求相对较低，体现的是供过于求；随着人们生活水平的提高，乘坐出租车出行已经不再是个别行为，尤其在早晚高峰期乘坐公交车拥挤时段或者周末购物休闲时段，人们更倾向于选择乘坐出租车，对出租车资源需求的急剧增加，体现的是供不应求；2013年大连市出租车资源“供求匹配”程度的下降，主要是由于近年来在收入提高、对生活品质要求提升以及汽车市场商品多样化、价格日益低端化的大趋势下，大连市私家车数量增加显著，从而导致出租车需求不足，供给过剩。

三、政策启示

本文通过选取出租车资源供给与需求水平的主要指标，研究了我国主要城市出租车资源“供求匹配”程度，并以大连市为例对不同时期出租车资源的“供求匹配”程度进行了比较分析，依据分析所得的主要结论给出如下政策启示：

首先，根据我国主要城市的出租车资源“供求匹配”程度的差异，不同城市应结合自身出租车市场的特征以及出租车市场运作规律制定不同的地方政府管控措施，以协调该地的出租车资源“供求匹配”程度。我国一、二线主要城市由于发展水平、产业结构、人口构成、城市规模、交通设施等差异较大，部分城市出租车资源“供求匹配”程度差异较大。对此，地方政府对出租车市场的管控措施应结合城市自身的客观条件、发展趋势和市场供需匹配等方面进行制定与实施。而不能一味地参照其它城市，尤其是大城市出租车市场采取数量和价格为主的管控措施。

其次，充分利用新兴的信息化手段，加强出租车资源供求信息的对称性。例如，随着“互联网+”战略与交通产业的日益融合，打车软件已经逐渐被出租车供求双方主体所接受和应用。借助于打车软件发布与接收出租车出行信息，减小了信息不对称，优化了出租车资源的供求匹配。但与此同时，出租车资源供给资质的合法化、正规化与认证程序的合理化等诸多争议性问题随之而来。因此，针对滴滴、Uber等打车软件应用过程中的一些问题，制定具体对策，使软件应用实现双赢目标也是有关政府部门亟需解决的问题。

最后，根据2004～2013年大连市出租车资源“供求匹配”程度的分析结果可见，不同时期的出租车资源供求变化并不一定遵循时间呈现固定规律。各级地方政府针对当地的出租车市场实施的管控协调措施也要定期依据出租车资源“供求匹配”程度更新调整，更新或者调整周期应为每年一次。这样才能够适应出租车市场实时变化的特征，出台真正适合当期实情的有力措施。对此，建立科学和适当的出租车资源“供求匹配”程度指标体系，有效度量当地的出租车资源配置现状是前提。

参考文献：

[1]张宪春.出租车供求失衡不能靠涨价解决[N].中华工商时报，2013-04-03(01).

[2]王宇.对城市打的难现象的剖析——基于西安市出租车市场供求失衡问题的分析[J].价格理论与实践，2011，(11)：15～16.

[3]孙辉泰，贺亦军，邹普尚，等.基于供求关系的缓解“打车难”策略研究[J].交通企业管理，2014，(10)：1～3.

[4]张文全.影响城市出租车供求关系的因素分析[J].河北交通职业技术学院学报，2011，(1)：51～52，72.

[5]周小梅，田定远.对我国城市出租车行业管制问题的思考——从出租车司机和乘客利益变化角度的分析[J].价格理论与实践，2011，(8)：29～30.

[6]王智斌.国内外出租车经营管理模式比较研究——以数量管制和经营者准入资格为核心[J].金融法律评论，2014，(1)：217～229.

[7]张凤林，王利.我国城市出租汽车行业管理研究[J].现代城市研究，2012，(10)：99～104.

[8] 邵燕斐，王小斌.基于博弈论视角的出租车价格管制困境破解[J].开发研究，2014，(2)：139～143.

[9]李艳梅，杨涛.北京市出租车市场管制模式的福利分析[J].北京交通大学学报(社会科学版)，2008，(3)：36～42.

[10]宗刚.出租车市场的利益分配格局及对策[J].综合运输，2009，(4)：28～30，48.

[11]桂虹，杨剑.出租车行业管理中的政府角色义务——基于打车软件的分析[J].企业导报，2014，(14)：61～62.

[12]曹祎，陶竑宇，罗霞.打车软件使用率对出租车社会福利的影响[J].交通运输系统工程与信息，2015，(6)：1～6，24.

[13]王一帆.基于打车软件的出租车服务模式优化研究[D].上海：上海交通大学，2014.27～29.

[14]张新锐，贾英，周磊，等.石家庄市城郊公共交通客流特征分析及运营对策研究[J].河北科技大学学报(社会科学版)，2008，(3)：35～38.

[15]秦钟，章家恩，骆世明，等.1996～2008年广东省城市化进程与生态环境的协调性分析[J].生态科学，2012，(1)：42～47.

[16]刘耀彬.江西省城市化与生态环境关系的动态计量分析[J].资源科学，2008，(6)：829～836.

Research on Matching Degree of City Taxi Resource Supply and Demand in China

FEI Wei1， MA Yue2， LI Bo-ning2， LI Kun3

(1.School of Economics, Dongbei University of Finance & Economics, Dalian 116025, China;2.School of Mathematics, Dongbei University of Finance & Economics, Dalian 116025, China;3.School of Management Science and Engineering, Dongbei University of Finance & Economics, Dalian 116025, China)

Abstract:The supply and demand indices were chosen, and the matching degree of taxi resource supply and demand was computed. The matching degree of taxi resource supply and demand for main cities in 2013 was analyzed, and the matching degree of taxi resource supply and demand for Dalian from 2004 to 2013 was analyzed. The main results showed that the matching degree of taxi resource supply and demand for Dalian was the highest and that of Beijing was the lowest, and the matching degree of supply and demand in 2004 for Dalian was the lowest and lower than 70%, and the matching degree of supply and demand was all higher than 80% in other years. The policy implications of the optimal allocation of taxi resource were proposed for the local governments.

Key words:taxi; matching of supply and demand; optimal allocation

中图分类号：F203

文献标识码：ADOI 10.3969/j.issn.1671-1653.2016.01.001

作者简介：费威(1982-)，女，辽宁鞍山人，东北财经大学经济学院副教授，博士，硕士生导师，主要从事经济优化、食品安全管理研究。

基金项目：国家社会科学基金项目(14CGL040)；辽宁省社科联2016年度辽宁经济社会发展立项课题(2016lslktjjx-08)；大连市社科联2015～2016年度重点课题(2015dlskzd054)；东北财经大学优秀科研创新人才项目(DUFE2015R01)

收稿日期：2015-12-20

文章编号：1671-1653(2016)01-0001-07