我国收费公路行业资源配置效率及其影响因素

白 鹏 锐，徐 海 成

（1.山西财经大学管理科学与工程学院，山西太原030006；2.长安大学经济与管理学院，陕西西安710064）

一、引言

与交通资源及资源配置的定义一致，收费公路资源配置指一定时间和空间内，由收费公路及其配套设施设备等基础设施硬资源，收费公路系统中制度、人力、信息等软资源两类资源所组成的资源束，在收费公路建设、运营、养护等环节之间的配置和配置倾斜[1]。收费公路行业资源配置效率即为资源束配置的效率。由《2011年收费公路专项治理》《2013—2016年收费公路统计公报》可知，我国收费公路行业存在严重的资源配置不当问题。《2016年收费公路统计公报》显示，截至2016年底，全国收费公路17.11万千米，主线收费站1 575个，累计建设投资总额和债务性资金投入分别为75 857.5亿元和52 339.3亿元，收费公路支出8 691.7亿元，通行费收入4 548.5亿元[2-5]。结合2013—2016年收费公路建设、运营、养护等方面的资金、劳动力、设施设备数据不难看出，我国收费公路行业正处于高投入低产出的低效运营状态。尽管我国经济转轨成效显著，国家财政收入日益增加，但相对于全社会各个行业的巨大需求而言，资源储备仍显匮乏。此外，由《“十三五”现代综合交通运输体系发展规划》《国家公路网规划（2013—2030）》可知，未来几年高等级公路建设任务仍然非常繁重，仅国家收费高速公路就有3.84万千米亟待建设。收费公路资源配置是一个复杂系统，面对巨大的还债压力、艰巨的建设任务、有限的资源储备和入不敷出的收支状态等四重压力，如果仅仅考虑延长收费期限而不考虑资源有效配置，极有可能使经营企业和地方政府背负更多的债务。因此，重新审视我国收费公路行业资源配置状况并探析其影响因素极其必要。

本文针对我国收费公路行业收入失衡下的资源配置问题，选择行业资源配置效率测度模型，构建资源配置效率测度指标体系，测算收费公路行业资源配置效率，分析资源配置影响因素，以期揭示收费公路行业资源配置现状，寻求资源配置影响因素，为行业有效配置资源提供参考。

二、收费公路行业资源配置效率测算模型及指标体系

（一）收费公路行业资源配置效率测度模型

目前测度资源配置效率的主要方法有数据包络分析法、随机前沿分析法、层次分析法、神经网络分析法、因子分析法、模糊综合评价法等，但这些方法存在无法剔除外部干扰、缺乏客观性等缺陷。三阶段数据包络分析（DEA）方法是一种基于DEA方法的测算方法，由三个递进的部分组成[6]。三阶段DEA方法保留了DEA非参数性的优点，同时利用随机前沿分析模型（SFA），能够有效消除外部环境、随机误差等对效率的影响。该方法将SFA模型融入传统DEA方法从而形成了一种新的方法，不仅在微观企业效率测量方面具有较高的准确性，而且可用以分析效率的外界影响因素。此外，三阶段DEA方法已经被学者们用来测算港口等基础设施行业的资源配置效率，均得到了满意的结果，具有一定的应用基础[7]。综合考虑上述原因和三阶段DEA方法的优点，本文应用三阶段DEA方法对收费公路行业资源配置效率进行测度。

（二）收费公路行业资源配置效率测度指标体系

针对收费公路行业资源流转过程，根据资源配置效率测度模型与指标选择原则[8]，参考已有基础设施行业指标选择[9]，本文确定了资源配置效率的测度指标。

1.投入产出指标

（1）收费公路里程（TM）。收费公路作为固定的基础资源，收费公路企业会因为经营里程（千米）的不同而产生不同的通行费收入和公路运营成本。

（2）企业员工人数（NS）。人力资源作为收费公路企业资源的主要组成部分，其配置的合理性直接关系着企业的赢利能力和生产力，而且人力资源配置还会影响企业运营环节资金配置状态，有效的人力资源配置是在合理的人数控制和有效的人员配置下实现的。

（3）固定资产（FA）。收费公路企业的固定资产一般包括公路资产、房屋建筑物、机器设备等。固定资产的多少可在某些方面反映企业可用物质资源的多少，可用来衡量资源配置的效率。

（4）营业成本（OC）。收费公路企业的营业成本可分为主营业务成本和其他业务成本。收费公路企业的主营业务是路桥收费，因此其主营业务成本主要就是路桥的养护成本、运营管理成本等。除此之外，还包括企业正常经营会产生的财务、税费等其他成本。

（5）主营业务收入（POR）和其他业务收入（OOR）。收费公路企业的主营业务收入是车辆通行费，其他业务收入主要是依附于公路资产而形成的服务区经营收入等。因此，选择收费公路企业的主营业务收入和其他业务收入作为产出指标来衡量资源配置的效果。

2.外部环境指标

（1）地理条件（GC）。我国幅员辽阔，各地区地理位置存在诸多差异，地理位置不同，其对收费公路资源的作用也不同。根据我国行政单位的划分标准，将存在收费公路企业的27个省级单位分为东部和中西部两类，并规定发展较快的东部地区为1，中西部地区为0。

（2）地区GDP。地区GDP能够全面反映一个地区经济发展的总体水平。收费公路只有处在良好的宏观经济环境下，才能实现自身的健康发展。经济较发达地区人力资源较为丰富，资金较为充足，更有利于资源配置。

（3）地区就业人数（LE）。作为衡量外部环境的人力资源指标，一个地区具有劳动能力的劳动力总数对收费公路投入和产出具有重要影响。地区人力资源总数越多，潜在需要服务的消费者也就越多，管理和养护等压力也就越大，从而会对配置效率产生一定的影响。

（4）企业经营年限（OPE）。作为收费公路企业层面的外部环境因素，必须考虑的是企业经营年限。经营年限越长，企业经营等方面的经验就越多，技术水平就越高，进而可能带来更低的成本和更高的配置效率。

（5）政府支持（GS）。由于收费公路行业属于基础设施行业，中央和地方政府出于公益性的考虑，会向收费公路经营企业提供一定的经济支持，这种支持主要表现在政府对企业的补贴上，这种补贴会在某种程度上影响资源的配置。

（6）分支机构数量（BN）。企业的正常运作离不开企业内部组织机构的通力配合，合理的组织机构配置是提高企业生产效率的关键。一个高效的企业组织机构离不开精细的部门和人员分工，但精细化并不代表精准化，组织机构并非越多越好。事实证明，组织机构的重复建设不仅会给企业带来额外负担，而且会制约其他部门功能的正常发挥。

（7）市场竞争压力（MCP）。作为交通基础设施，尽管公路、铁路、水运、航空各有各的运输领域，但也存在着市场竞争。人和物运输方式与途径的选择是一种非此即彼的选择，一种运输方式市场份额的增加必然会导致其他运输方式市场份额的减少，本文选择某种运输方式所发生的客运量和货运量与总客运量和货运量的比值来说明所承受的竞争压力。

三、收费公路行业资源配置效率及结果分析

（一）企业资源配置效率测度指标数据采集

企业资源配置效率的研究数据主要来自2009—2016年全国48家收费公路运营单位（包括29家地方公路融资平台公司和19家公路上市公司）的公司募集债券说明书、债券跟踪评级报告和年报以及上市公司的年度报告。在48家样本企业中，尽管部分企业涵盖运营或养护收费公路业务，但实际上其主营业务并非以此为主，于是对48家企业的主营业务成本和收入进行分析，最终剔除了四川成渝高速公路股份有限公司和海南省交通投资控股有限公司两家企业。这里需要说明的是，并非所有企业都会每年公布运营数据，即使公布也并非最新数据。考虑到所选样本企业的覆盖范围和数据的时效性，本文从样本中筛选出了数据完整且年份最近的样本数据。综合考虑上述因素，确定指标统一、覆盖全国且以运营和养护收费公路为主营业务的46家企业的数据进行资源配置效率分析。具体参见表1。

（二）基于三阶段DEA方法的资源配置效率测度

1.第一阶段：利用DEA-BCC模型测算资源配置效率

利用DEAP2.1软件对我国46家收费公路经营企业的效率水平和规模报酬所处状态进行分析。分析结果参见表2。我国收费公路经营企业综合效率的平均值为0.776，纯技术效率的平均值为0.881，规模效率的平均值为0.877。在六大区域中，综合效率最高的是西南地区（0.846），最低的是东北地区（0.559）；纯技术效率最高的是华东地区（0.938），最低的是东北地区（0.650）；规模效率最高的是西南地区（0.907），最低的是华北地区（0.833）。可见，三者整体上呈现出从南向北降低的走势。在各企业中，综合效率最低的是深圳高速公路股份有限公司（0.358），纯技术效率最低的也是深圳高速公路股份有限公司（0.369），规模效率最低的是内蒙古高等级公路建设开发有限责任公司（0.625）。在全国收费公路经营企业中，达到综合效率、纯技术效率、规模效率前沿面的企业主要集中在中南地区和华东地区。综合效率、纯技术效率、规模效率均达到前沿面的企业有12家；纯技术效率、规模效率单独达到前沿面的企业分别有9家和2家；规模效率未达到前沿面的企业有31家，其中5家位于规模收益可变模型（VRS）的规模收益递增区域，26家位于VRS的规模收益递减区域；三项效率值均未达到前沿面的企业有22家。对存在前沿面的三个效率值进行分析可知，纯技术效率是影响企业资源配置效率的主要原因，提高纯技术效率对实现效率前沿面具有举足轻重的作用。

表1 2009—2016年全国46家经营企业调整前投入产出数据

表2 第一阶段和第三阶段DEA结果

2.第二阶段：利用SFA模型调整投入指标

为排除外部环境因素和随机干扰对企业资源配置效率的影响，探索造成资源配置现状的原因，利用SFA模型对第一阶段分析结果进行误差分解和投入指标调整处理。首先，为避免数据单位不同造成回归不精确，对除地理位置外的其他外部环境因素进行标准化处理。其次，利用Frontier4.1软件，以第一阶段得出的投入指标松弛变量为因变量，以地理条件等七个外部环境因素为自变量，对该因变量和自变量进行SFA模型回归分析。结果参见表3。最后，根据松弛变量差额值公式、相似SFA模型、管理无效率和随机误差期望值计算公式[10]，求取相应的调整后的投入指标值。

由表3可知，四个投入松弛变量SFA模型回归分析的单边似然比检验统计量LR均大于检验标准值，由此可以判定，该模型估计结果总体上可以接受。通过投入松弛变量与各外部环境变量之间的回归系数判断两者间的相关关系。如果正相关，表明两者间为不利关系；如果负相关，表明两者间为有利关系。

3.第三阶段：利用DEA-BCC模型再次测算资源配置效率

根据第二阶段的计算结果，利用投入指标调整公式[10]进行投入变量调整，并与产出原始数据组成新的投入产出数据分析表。根据DEA-BCC模型，利用DEAP2.1软件可以得到剔除环境变量之后的企业资源配置的综合效率、纯技术效率和规模效率，这三个新的效率值都是企业真实的效率值。具体可参见表2。剔除外部变量之后，我国收费公路经营企业综合效率的平均值为0.831，纯技术效率的平均值为0.908，规模效率的平均值为0.914。在六大区域中，综合效率最高的是西南地区（0.920），最低的是东北地区（0.572）；纯技术效率最高的是中南地区（0.943），最低的是东北地区（0.769）；规模效率最高的是西南地区（0.990），最低的是东北地区（0.778）。可见，三者呈现出从南向北、从外围向内部逐渐降低的走势。在各企业中，综合效率最低的是吉林省高速公路集团有限公司（0.336），纯技术效率最低的也是吉林省高速公路集团有限公司（0.369），规模效率最低的是海南高速公路股份有限公司（0.438）。与第一阶段相同，在全国收费公路经营企业中，达到综合效率、纯技术效率、规模效率前沿面的企业仍然主要集中在中南地区和华东地区。其中，综合效率、纯技术效率、规模效率均达到前沿面的企业有16家，纯技术效率、规模效率单独达到前沿面的企业分别有6家和2家；规模效率未达到前沿面的企业有28家，其中19家位于VRS的规模收益递增区域，7家位于VRS的规模收益递减区域；三项效率值均未达到前沿面的企业有22家。

表3 SFA模型回归结果

（三）测算结果分析

与第一阶段不同的是，安徽皖通高速公路股份有限公司、湖北楚天高速公路股份有限公司两家企业变为未达到前沿面，福建发展高速公路股份有限公司、福建省高速公路有限责任公司、河南交通投资集团有限公司、河南中原高速公路股份有限公司、陕西省交通建设集团公司五家企业变为达到前沿面。与第一阶段相比，第三阶段（剔除外部变量后）尽管收费公路经营企业综合效率、纯技术效率、规模效率以及全国平均值大多有所增加，但变化不大，江苏、山东等9个省份11家企业的效率值一直保持较高水平。由于剔除外部变量之后的效率值更能反映企业真实情况，因此企业资源配置效率的综合效率值为0.831。不过，值得注意的是，山西、吉林、安徽、湖北、湖南、广东、海南的八家企业剔除外部影响因素后的三个效率值是下降的，可见外部环境对这些企业具有促进作用。

由图1可知，外部环境因素和随机干扰对资源配置效率的影响不是很大，上下浮动仅为0.05。但是，包含公路融资平台公司和上市公司两者在内的综合效率、纯技术效率和规模效率无论是调整前还是调整后均低于以上市公司为样本的相应效率值（综合效率为0.890，纯技术效率为0.928，规模效率为0.956）[11]。

图1 调整前后各效率值对比

四、收费公路行业资源配置效率的影响因素

对我国不同地区收费公路经营企业的资源配置效率进行分析可以得出，公路融资平台公司的资源配置效率明显低于上市公司。而在收费公路行业，公路融资平台公司以经营政府还贷公路为主，上市公司以经营经营性公路为主。就企业性质而言，公路融资平台公司多为地方性国营企业，这些企业一般直属于地方国有资产监督管理委员会或交通运输厅，与政府行政单位有着很深的渊源，受国家体制和地方政策的影响较大。与上述企业不同，上市公司的股份由不同类型的股东组成，尽管有些企业的股东也包括政府部门或国有企业，但并非所有股份都是如此，因此其企业行为受政府部门的干扰相对较小。截至2016年，我国政府还贷公路里程10.05万千米、经营性公路里程7.06万千米，正是由于样本中公路融资平台公司的加入才拉低了上市公司的效率值。这与白鹏锐等[12]对我国地区资源配置状态的分析结果相符，即在政府还贷公路占比较高的省份，其资源配置效率相对较低；在经营性公路占比较高的省份，其资源配置效率相对较高。

根据企业资源配置效率测度的第二阶段SFA模型回归分析（参见表3）可以知道，其在1%的水平下显著，地理位置与收费里程之间，当地GDP与企业员工人数之间，当地就业人数与收费公路里程之间，企业经营年限与收费公路里程、固定资产、营业成本之间，政府支持与企业员工人数、固定资产之间，分支机构数量与收费公路里程、企业员工人数、营业成本之间，市场竞争压力与企业员工人数、固定资产之间的回归系数均为负。因此，上述因素均为收费公路行业资源配置的影响因素。地理位置、地区就业人数、企业经营年限、分支机构数量能够影响收费公路里程，当地GDP、政府支持、分支机构数量、市场竞争压力能够影响企业员工人数，政府支持、企业经营年限、市场竞争压力能够影响固定资产，企业经营年限和分支机构数量能够影响营业成本，从而逐渐影响企业资源配置效率。行政垄断是政府行政权力与国有企业垄断的结合[13]。无论是企业分支机构数还是政府支持，均受制于政府行政权力。因此，影响收费公路经营企业资源配置的根本原因是行政垄断。樊建强等[14]探究政府还贷公路经营绩效和徐海成等[15]衡量收费公路行政垄断程度的结论也证明了这一论断。

五、结论与建议

（一）结论

收费公路行业建设、运营、养护等诸多环节涉及大量的资金和劳动力资源，有效配置行业资源对收费公路行业发展至关重要。本文采用三阶段DEA方法分析2009—2016年我国收费公路企业面板数据，通过测算行业资源配置效率并对其影响因素进行分析得出以下结论：

第一，行业资源配置效率并不理想，且因收费公路所在区域以及公路类型的不同，资源配置效率存在明显差异。从地理分布角度看，我国收费公路行业资源配置效率呈现出由东南向西北、东北方向梯田式下降的状态，这与各地区经济发展状况的分布高度吻合；从公路类型角度看，经营性公路的资源配置效率普遍高于政府还贷公路。

第二，收费公路行业资源配置的影响因素涉及制度与体制、行业结构、企业行为等不同层面，其根源在于行业内存在过度的行政垄断。我国收费公路的经营单位主要是高速公路上市公司和地方融资平台公司（占60%），而占比较大的地方融资平台公司是由省级政府或交通运输厅出资组建的国有企业，在地方上处于行业垄断地位，且在资金、制度、高管受聘等方面受到政府过度干预，使得此类企业的行政垄断处于过度状态。

（二）建议

在收费公路行业，单纯依靠市场机制很难在短期内实现既定目标，而适当的行政垄断有助于短期内资源的大规模调配，有助于实现行业规模经济。不过，行政垄断的弊端也是显而易见的，过度行政垄断会导致管理体制僵化和资源配置不当。因此，优化我国收费公路行业资源配置应采取以下措施：

第一，明确政府与市场边界。随着市场机制的不断成熟，收费公路行业的行政垄断逐渐呈现过度状态，主要表现为政府越界干预市场。如果不能治理过度的行政垄断，不能通过划清政府与市场边界来调整政府干预程度，收费公路行业的资源配置效率就很难得到大幅度提升。因此，需要根据政府职责和市场机制功能明确政府与市场的边界。

第二，建立规范的规制体制。在收费公路行业，由于规制体制不规范，行业内规制制度和规制机构很难发挥作用，从而制约了行业内企业资源的有效配置。要改变历史上沿袭下来的行政性规制方式，建立与市场化改革相符、有利于实现收费公路行业高效运营的新型政府规制体制，提高行业资源配置效率[14]。

第三，改革产权结构和管理体制。在收费公路行业，国有产权占据主导地位，公路融资平台公司是完全的国有产权，而经营性公司产权的绝大部分也来自行政事业单位以及国有企业。正是这种行业内特有的产权结构，使得行业资源难以得到有效配置。因此，应在收费公路行业建立国有经济退出及其他资本进入机制，并不断完善行业管理体制和企业运营模式，最大限度地降低国有产权比重[16-17]。