公路交通运输效率评价研究

张百里

[提要] 为研究我国公路交通运输效率，本文以大陆地区31个省市为研究对象，采用三阶段DEA模型对2008～2017年31个省市公路交通效率进行研究。结果显示：在去除外部环境和随机扰动项等因素后，我国公路交通运输综合效率下降明显，地区性差异严重。并根据综合分析，提出对策建议。

关键词：公路交通运输;三阶段DEA;效率评价

中图分类号：F224.5 文献标识码：A

收录日期：2019年4月19日

交通运输行业是我国国民经济的基础性产业，与我们的日常出行息息相关。目前，我国高速铁路、高速公路以及港口万吨级泊位数量均位居世界第一，机场数量和管道里程位居世界前列，“五纵五横”综合运输大通道基本贯通，中国路、中国桥、中国港、中国高铁成为亮丽的中国名片。运输服务保障能力显著增强，目前，我国的运输量位居世界前列。与其他运输方式相比，公路交通更具有普适性，高速公路里程13.6万公里，创造了世界高速公路的奇迹，全国公路网密度达49.72公里/百平方公里，乡镇通公路率已达99.99%。因此，研究公路交通运输效率很有必要。

国内外专家学者对交通运输效率做了大量的研究，David Levinson等基于运输的流动性、可达性等四个方面构建了评价指标体系对本国运输效率进行评价;李明伟等构建ITS优化城市交通运行效率的多目标规划模型（MOP模型），并以北京市为例进行实证分析;刘明林等基于数据包络分析对北京、上海、广州、天津的公共交通的运输效率评价进行研究;董礼等采用数据包括分析研究了西北5省综合交通发展趋势;张璐璐等采用DEA-Malmquist指数对长三角地区2014年16个城市公路交通运输有效性进行评价;岳瑶选用BBC模型对江苏省公路运行效率进行测度;尉蔚利用AHP-DEA模型，按地理区域进行划分，对我国2017年各省份公路运输的效率进行了测算。

综上，学者对运输效率的研究已取得了许多成果，对交通运输的发展规划和长远布局有一定的指导意义，但在效率测算方法和研究内容上仍存在一些不足，对公路交通运输效率研究偏少，在测算效率时未能摒弃传统DEA的缺点，从而使得效率有所偏差。

鉴于此，本文采用三阶段DEA模型对我国2008～2017年的31个省市自治区的公路运输效率进行对比研究，以期为提升公路交通运输的可持续发展提供数据支撑。

一、研究方法

（一）三阶段DEA模型。这是FRied等人提出的测度效率的方法，与传统DEA相比，能够消除外部环境因素和随机误差等对效率测量的影响。因此，有必要采用三阶段DEA方法研究公路交通运输效率。

第一阶段：传统DEA模型测算。该阶段运用传统DEA进行分析，DEA方法由美国著名的运筹学家Charnes等提出的一种测算效率方法——CCR模型，根据多组投入和多组产出的数据计算效率，在此基础上，Charnes和Cooper提出的BCC模型更为严谨，采用以投入为导向的BCC模型，把综合效率分解为规模报酬与纯技术效率，把未处于生产技术上的最低效率和未处于最佳规模分离开来，以此来反映企业的创新水平。在这个阶段，我们可以得到历年公路交通运输的综合效率、纯技术效率和规模效率。

第二阶段：松弛变量SFA分析。第一阶段传统DEA模型可以计算出各决策单元的投入松弛值，结果会受到环境因素、管理无效率和随机误差的影响。该阶段利用SFA模型测算上述三个因素对创新效率的影响，分离出外部环境因素、管理无效率和随机误差对技术创新效率值的影响，重新调整投入量和产出量，将每一种松弛变量进行SFA分析，判断投入松弛变量是否受环境变量影响，以弥补第一阶段DEA模型的缺点。

第三阶段，调整后的DEA模型。该阶段利用上一阶段调整后的投入数据代替原投入数据，再次运用DEA模型进行计算，得到剔除环境因素和随机误差之后的效率值，更加客观地反映公路交通运输效率。

（二）变量和指标的选取。基于公共交通运输效率的特殊性以及数据的可得性，投入指标选取公路里程、公路營运车辆以及道路运输人员，产出指标选取公路客运量、公路旅客周转量、公路货运量和公路货物周转量来表示，环境变量选取区域经济发展、城镇化率以及人口规模来表示。区域经济发展采用地区生产总值来表示，城镇化率选择城镇人口占总人口之比来表示，人口规模选用常住人口来表示。

二、实证分析

（一）传统DEA模型下公路交通运输效率测量。运用DEAP2.1对我国港澳台除外的31个省市自治区2008～2017年十年间的运输效率进行计算，因篇幅原因，本文仅展示平均效率，如表1所示。可以发现，传统DEA测算下，北京、上海、安徽公路交通运输效率的综合效率、纯技术效率和规模效率都为1，均达到DEA有效，比较无效的省份中，黑龙江、青海、山西效率较低，尤其是青海省，浪费效率高达59.5%。由此可见，各省份之间差异性较大，青海、西藏的规模效率提升空间较大。（表1）

表1 第一阶段公路交通运输效率测算均值一览表

（二）第三阶段公路交通运输效率测量。由于各地之间存在不同的基础差异较大，外部环境不易受到控制，因此必须剔除外部环境和随机扰动项的影响，经过第三次测算，最终公路交通运输效率结果如表2所示。（表2）

表2 第三阶段公路交通运输效率测算均值一览表

比较表1和表2可以发现，剔除环境和随机扰动项的影响后，最终效率值较之前的效率有着较的变动，安徽省的綜合效率、纯技术效率和规模效率始终为1，处于前沿面。全国的综合效率值由0.798降为0.747，规模效率值由0.936降为0.809。从省域角度来看，天津、青海、宁夏、西藏、上海等地综合效率下降幅度较大，实际效率偏低，表明这些省份第一阶段中的交通运输综合效率跟外部环境因素和随机扰动性有关，四川、湖南、河南等地的综合效率有所提升。规模效率偏低则表明公路交通运输投入资源存在冗余、利用不充分的现象。

三、结论及建议

本文在构建三阶段DEA效率模型的基础上，采用2008～2017年的数据对我国除港澳台外的31个省市公路交通运输效率进行测度。结果表明：在去除外部环境干扰下，我国公路交通运输综合效率和规模明显有所下降，安徽省综合效率为1，保持不变。

根据测量结果，结合各省市的实际情况，笔者认为在今后的发展过程中，我国公路运输的重点应为如何高效率地利用公路运输资源，在现有资源下提升效率，过去十年间，我国公路交通基础设施建设增长迅速，但效率却未得到明显提升，投资冗余较多的地区应转变观念，减少公路交通运输人员或者公路建设，增强公路在载客或者运货方面的利用率。由于各省情况不同，面临的问题较为复杂，应做到因地制宜，根据各地不同情况做出不同改变措施，如西藏地区由于海拔等地理气候原因，公路建设水平较低，规模效率不显现，因此应加大投资建设，增加公路里程，青海也同样如此，新疆则是公路利用效率差，应利用景区的特殊优势，提升服务质量，增加顾客满意度，同时对管理方式进行创新。

主要参考文献：

[1]Levinson D.Perspectives on efficiency in transportation[J].International Journal of Transport Management，2003.1（3）.

[2]李明伟，杨鑫.基于MOP模型的ITS对城市交通运输效率的优化研究[J].信阳师范学院学报（自然科学版），2018.31（4）.

[3]刘明林，段俊锴.基于数据包络模型的公共交通运输效率评价[J].内蒙古公路与运输，2018（3）.

[4]董礼，曾俊伟，钱勇生，广晓平.基于DEA模型的综合交通运输效率评价研究[J].公路交通技术，2018.34（1）.

[5]张璐璐，吴威，刘斌全.基于DEA-Malmquist指数的长江三角洲地区公路交通运输效率评价与分析[J].中国科学院大学学报，2017.34（6）.

[6]岳瑶.基于交通运输统计数据的江苏省公路运行效率探讨[J].电子测试，2013（11）.

[7]尉蔚.全国各省份公路运输AHP-DEA效率评价[J].价值工程，2019.38（6）.