高质量发展背景下我国交通基础设施供给绩效评价

刘小军，张 坤

（天津商业大学经济学院，天津300134）

2017 年，十九大首次提出了高质量发展的概念，指出我国经济发展已经由高速增长阶段转向高质量发展阶段，新时代的经济发展不再是简单的唯GDP 论，而是实现以绿色作为普遍形态、以共享作为根本目的的新发展。其中绿色要求经济发展的同时要注重资源节约与环境保护，共享要求经济发展的同时解决公平公正问题、实现充分就业缩小收入差距。因此高质量发展不仅仅关注GDP 量的增长，更关注其质的提升。而交通基础设施作为一国经济社会发展的重要支撑力量，一直被视为国民经济发展的根基，在研究中国过去三十年所取得的举世瞩目的经济发展成就时，超前发展的交通基础设施一直是学者们的重点研究对象。内生增长理论曾指出的教育投资、基础设施建设的外部性是实现经济长期发展的根本源泉，其中交通基础设施的正外部性还可以改善运输条件，提高运输过程中的能源利用效率，实现充分就业，缩小城乡收入差距等[1-2]，促进GDP 质的提升。由此可见交通基础设施作为经济发展的重要载体，是经济实现高质量发展的基石。

我国“十四五”规划中也明确指出要继续统筹推动交通基础设施建设，提高农村、偏远地区交通通达率，加快建成交通强国。本文的研究目的就是要结合高质量发展的时代背景，测度我国各省市所提供的交通基础设施与服务人员是否得到有效利用，是否取得较好的经济效益、社会效益和环境效益，通过研究各省市交通基础设施投入与实际产出效果之间的比较关系，分析各省市交通基础设施供给的发展现状以及相关问题。评价供给绩效常用的方法有主成分分析法、随机前沿分析法与数据包络分析法等，其中主成分分析法只进行多产出的综合排名而忽略了投入成本的多少，随机前沿分析法需要确定参数与生产函数，考虑不同地区交通基础设施投入产出有较大差异，生产函数难以统一，因此本文选择非参数的数据包络分析法（DEA）来进行多投入、多产出情况下的供给绩效评价，以期实现一个高质量发展背景下更加全面完整的绩效研究，进而推动我国交通基础设施建设的高质量发展。

1 文献综述

现有的供给绩效研究大多集中于农业基础设施和城市基础设施领域，只有一小部分学者将交通基础设施这一重要公共产品单独列出做供给绩效研究。大多数学者对交通基础设施绩效的研究聚焦于其经济效益，从多角度研究交通基础设施对经济发展的影响。例如，杨喜瑞等从经济协调发展角度出发，将交通与经济系统看作一个投入与产出系统，交通设施投资额作为投入变量，GDP 与投资率等经济指标作为产出变量，通过DEA 模型动态评价交通运输与经济发展的协调性，进而实现对交通供给绩效的研究[3]。董洪超等从三次产业增长的角度出发，将交通基础设施密度作为投入变量，三次产业GDP 作为产出变量，运用DEA 模型进行江苏省交通基础设施效率研究，通过结合不同产业的特点，有针对性地提出政策建议：对于投入不足的城市，要对交通投入结构进行优化，与当地产业结构相适应；对于产出不足的城市，要注重改善产业结构，实现交通设施与当地产业的良性互动[4]。

随着经济发展由高速增长阶段转向高质量发展阶段，关于交通基础设施供给绩效的研究也越来越重视供给质量的提升。周业旺等在效率测度过程中加入了环境约束条件，通过构建以“非期望产出”为基础的方向性距离函数，运用ML 指数对湖北省交通基础设施绿色全要素生产率进行测度，汽车尾气排放量作为非期望产出，最终证明若不考虑非期望产出，将会高估交通基础设施的供给绩效[5]。刘秉镰等认为全要素生产率的提高可以助力经济实现长期持续发展，而交通基础设施中铁路与公路投资对全要素生产率有着显著的正向影响，是我国当前基础设施建设的重要投资领域[6]。徐海成等通过建立面板门槛模型来研究交通基础设施与绿色全要素生产率之间的关系，研究表明交通基础设施对绿色全要素生产率有显著的促进作用，但在越过门槛值后，就会产生过度投资现象，反而会抑制绿色全要素生产率的增长[7]。

综上，现有的文献从经济发展、产业结构和绿色全要素生产率等不同角度探讨了交通基础设施的经济效益，仅有少量文章在研究时加入了环境约束，而在全面考虑社会效益与环境效益的供给绩效方面，并未见到直接针对交通基础设施的研究。针对交通基础设施高质量供给的单独讨论，对于地方政府下一步的运营管理、投资发展等具有重要的指导意义，因此本文从高质量供给的角度入手，利用我国30 个省市自治区的面板数据，通过BCC 模型与Malmquist 指数对各省市交通基础设施的年度静态供给绩效以及跨时期的动态效率变化作出评价，并根据评价结果，给出相应的政策建议。

2 供给绩效评价指标体系构建

2.1 投入产出指标

现有的交通基础设施投入的衡量指标主要分为三种，一是利用交通基础设施上的公共投入来衡量，二是利用《中国统计年鉴》中“交通运输、仓储及邮电通信业”的固定资产投资进行衡量，三是通过交通基础设施存量来衡量已有的投入[8]。方法一的缺点在于只能衡量当期政府在交通领域的公共投入，忽略了私人部门的投资；方法二虽然采用了固定资产投资来衡量，但指标中包含仓储及邮电通信业，数据难以实现精准度量；再者，前两种方法均是流量指标，只能衡量某一时期的交通基础设施投入，而现实中交通基础设施发挥作用往往是持续性的。我们在研究交通基础设施的影响时，不能只聚焦于当期投入，也应该关注过往投资，因此文章选取交通基础设施存量指标来衡量现有的交通基础设施投入。交通基础设施的投入除了物质资本投入外，人力资本投入也是不可忽视的重要组成部分，文章选取铁路、公路年末从业人数作为每年度的人力资本投入。

交通基础设施的改善不仅会促进经济总量增长、实现产业结构优化，同时还会带来促进充分就业、缩小贫富差距、改善营商环境、提高吸引外资能力、降低能源消耗、提高能源利用率等一系列非经济影响。社会效应方面，陈建军等认为交通设施建设对城市就业有规模效应，因此需要加大西部交通基础设施投入，来带动西部城市就业增长[9]。周文通等证明了轨道交通的建设对北京教育行业的就业有着显著影响，实现了教育就业人口快速增长[10]。李平等在讨论基础设施的福利效应时指出优良的交通体系可以加强农村与城市地区的联系，便于教师招聘和教育质量的改善[11]。环境效益方面，金巍等的研究表明交通投资额与能源消耗之间存在倒U 型关系，2014 年后我国正处于倒 U 曲线的右侧，且铁路、公路投资存在规模效应，提高对其投资规模可以降低能源消耗，提高能源利用效率[12]。本文依据上述研究，将教育就业和能源消耗纳入到交通基础设施产出体系，实现高质量发展约束下的供给绩效评价。

2.2 指标体系

综合上述分析，本文构建了以下交通基础设施供给绩效评价指标体系，如表1 所示。参考宋丽锋等的指标体系，综合考虑经济效益、社会效益、环境效益[13]，选取了 4 个投入指标、3 个产出指标。4 个投入指标中，X1、X2分别为各地区年末铁路运营里程数和年末公路里程数，代表交通基础设施投入中的资本投入存量指标；X3、X4分别为各地区年末铁路从业人员数和年末公路从业人员数，代表交通基础设施投入中的人力投入存量指标。3 个产出指标中，Y1为地区生产总值，是反映交通基础设施对地区经济发展水平影响的经济效益指标；Y2为地区普通高中教职工数，正如前文所提及的，交通建设的优化可以促进当地教育发展，有利于教师招聘与就业，是反映交通基础设施对教育行业影响的社会效益指标；Y3为地区每吨标准煤的生产总值，是反映当地能源利用效率的环境效益指标。

表1 我国交通基础设施供给绩效评价指标体系

3 研究方法

3.1 BCC 模型

本文选择使用以规模收益可变为前提假设的BCC 模型。假设共有 m 个决策单元（DMUs），每个决策单元都有u 种投入要素、v 种产出要素，因此每个DMU 都可以用投入向量x 和产出向量y来表示。第 i 个 DMU 的投入向量为 xi=（x1i，x2i，…，xui）T，产出向量为yi=（y1i，y2i，…，yvi）T。然后参照下列线性规划模型的求解过程，求解BCC 模型中每个决策单元（DMUs）的效率值：

其中，x0、y0分别为决策单元DMU0的投入向量和产出向量，λ 是相对于决策单元DMU0重新构造一个有效的DMU 组合中m 个决策单元的组合比例，就是DMU0的效率值。

3.2 Malmquist 指数

Malmquist 指数由瑞典经济学家Sten Malmquist于1953 年首次提出，并被用于构建消费数量指数，在DEA 方法（数据包络分析）被提出后，其才作为生产率指数被广泛应用。Malmquist 指数常被用来测算决策单元（DMUs）跨时期的效率变化[14]，能够动态地反映各地区交通基础设施供给绩效的变化。计算Malmquist 指数需要先测算DMUs 在t 和t +1 时期分别与前沿面技术相比较的距离函数（用方程D 来表示），具体计算公式[15]如下：

t 时期的距离函数（生产率指数）

t+1 时期的距离函数（生产率指数）

Ray 和Desli 为了更好分析M 指数的变动原因，对M 指数做了如下分解：

M（xt，yt，xt+1，yt+1）= EFFCH × TECHCH，其中EFFCH 是技术效率变动，TECHCH 是技术进步变动。技术效率进步是指在既有技术条件下，通过改进投入要素之间的协调度，优化管理、制度、环境等外界因素，实现既有技术条件的潜能最大化，而技术进步变动是指生产前沿面的优化提升，改变的是既有投入要素下的生产函数，用同样的投入获得更多的产出。值得注意的是，EFFCH 仍可以分解（EFCH=PECH × SECH），其中，PECH 指纯技术效率，SECH 指规模效率。

4 交通供给绩效测度与分析

4.1 数据来源

本文所用指标来源于《中国统计年鉴》《中国交通统计年鉴》《中国能源统计年鉴》，由于西藏、香港、澳门、台湾部分数据缺失，故将其剔除，最终采用其余30 个省市的面板数据。除Y3外，其余均直接取自统计年鉴。Y3=地区生产总值/地区消耗能源量，表示每单位吨数标准煤所生产的地区生产总值，该数值越大表明该地区能源利用效率越高，环境效益越好。其中地区消耗能源量均通过中国能源统计年鉴附录中相关比例换算成标准煤吨数。

4.2 交通基础设施静态供给绩效分析

本文利用DEAP 2.1 软件对2013 年与2018 年的交通基础设施供给绩效进行测算，给出决策单元的规模报酬情况，并将得到的综合效率值分解成技术效率值和规模效率值（综合效率=技术效率×规模效率），其中综合效率值即反映交通基础设施供给绩效的综合指标。

（1）从综合效率值来看，我国的交通基础设施供给绩效在2013 年与2018 年均未达到DEA 有效，其中全国平均值指标显示2018 年综合效率相较于2013 年略有上升，涨幅为0.79%，2018 年全国综合效率平均值达到了0.885，距离DEA 有效仍有一段距离。全国30 个省市中只有内蒙古、辽宁、黑龙江等11 个省份的综合效率略有下降，占比36.7%，其余19 省均实现了综合效率的稳定或增长。2013 年，北京、天津、上海、江苏、福建、湖南、广东、海南、贵州9 个省市位于生产前沿面，2018 年，这一数据上升至12 个，占比40%，除却原来的9 个省市保持稳定外，河北、广西、四川也都实现交通基础设施的有效供给，实现一定交通基础设施投入下的最优产出。2018 年，辽宁、湖北、陕西、新疆4 个省份的综合效率仍低于0.7，其中辽宁以0.566 的综合效率居于最低位，观察上述4 个省份综合效率的分解值（技术效率，规模效率）可知，技术效率是实现4 个省份交通供给绩效提升的最大阻碍。

（2）我国交通基础设施的技术效率平均值从2013 年的 0.919 下降到了 2018 年的 0.913，降幅0.65%。尽管技术效率整体呈下降趋势，但两年中均有15 个地区实现了技术效率最优，其中13 个地区在2013、2018 年均实现技术效率最优，占比43.3%，说明这些地区的投入利用效率实现稳定有效，有着丰富的运营管理经验，对现有供给实现了有效利用。山西、山东、宁夏虽然两年均实现技术效率最优，但仍未达到DEA 有效，原因在于规模效率均低于前沿面水平，因此应当增加交通设施投入，进一步提高投资规模，扩大规模效应以实现DEA有效。2018 年综合效率仍低于0.7 的辽宁、湖北、陕西、新疆4 个省份，其技术效率均低于规模效率，说明制约4 个省份供给绩效的并不是投入规模，而是缺乏对现有投入的有效管理，所以不应继续盲目扩大投入，而是应向技术效率保持稳定的13 个省份学习，尽快提升其技术效率，进而实现供给绩效的优化。与上述4 省份类似，分析2018 年总体情况发现，有12 个省份技术效率低于规模效率，只有山西、安徽、山东、河南、重庆、宁夏6 个省市规模效率低于技术效率，需要扩大规模。从全国看来，技术效率仍是限制各地区交通供给绩效的主要原因。

表2 2013 年与2018 年交通基础设施供给绩效对比

（3）规模效率总体上呈上升趋势，规模效率全国平均值由2013 年的 0.953 上升至 2018 年的0.967，涨幅1.47%。规模效率达到最优的地区数由2013 年的 9 个上升至 2018 年的 12 个，超过 1/3 的地区都实现了规模效率最优，其中两年均达到最优规模效率的有9 个地区，占比30%。全国仅有湖北、重庆、陕西3 个省市的规模效率值低于0.9。2013年全国仅有黑龙江、青海、宁夏3 个省份处于规模收益递增状态，占比10%，其他地区均处于规模收益不变或规模收益递减状态，规模收益递减的地区有18 个，占比60%，可见2013 年的交通基础设施供给存在结构不合理等问题，应当注意调整资本投入结构，改善人力投入效率，以降低效率损失。2018年规模收益递增的地区增长到7 个，占比23.3%，比2013 年增加13.3%，规模收益递减的地区也下降至10 个，占比33.3%，实现了较大比例下降，由此可见2013—2018 年间，我国交通基础设施供给的规模效应有所改善。

4.3 交通基础设施动态供给绩效分析

Malmquist 指数能够动态地考察各地区交通基础设施供给绩效的变化趋势，因此文章使用DEAP 2.1 软件对2013 年至2018 年交通基础设施的投入产出数据进行测算，并将得到的Malmquist指数分解成技术效率指数与技术进步指数，进行进一步分析。

（1）表3 展示了我国交通基础设施供给绩效的动态变化，2013—2018 年间，全要素生产率始终大于1，说明我国交通基础设施的供给绩效实现长期稳定增长，平均提升3.5%。其中，技术效率指数平均提升0.1%，技术进步指数平均提高3.4%，可见技术进步是实现绩效提升的主要影响因素，这与我国近些年交通基础设施升级、大力发展高铁与高等级公路密不可分，高科技技术在交通领域的引进使得生产前沿面前移，技术进步最终带动了全要素生产率的增长。技术进步指数的变化代表了生产前沿面的移动，当其大于1 时实现技术进步，生产前沿面向外扩张；反之则退步，生产前沿面后移：2013—2018 年我国交通基础设施生产前沿面实现稳定扩张。技术效率代表交通设施运营管理水平的高低，它在2015—2017 年间略有波动，在剔除规模效率的作用后发现，2015—2017 年技术效率下降均是由纯技术效率下降所引起，而2017—2018 年纯技术效率的提升使得技术效率又回到大于1 的增长状态。

表3 2013—2018 年我国交通基础设施供给Malmquist 指数及其分解

对比各地区的效率变化。由表4 可知，除安徽、广东、海南、重庆4 个省市外，其余26 个省市均实现了交通基础设施供给生产率的提升，占比86.7%，说明我国大多数地区的交通设施供给绩效实现跨时期持续改善。在4 个生产率下降的地区中，安徽省生产率的下降源于技术效率的下降，而技术效率的下降表明当地交通基础设施和人员投入的运营管理效率较低，与生产前沿面有一定差距，现有投入的产出潜力仍未得到充分释放。广东、海南、重庆则是受技术进步下降的影响，未能实现生产率增长。其中，广东省技术进步下降是因为交通供给结构不合理，高技术密度的铁路发展十分落后，人均铁路排名全国倒数第二名，且对外高速客运通道标准偏低，主要线路运能紧张；尽管其公路网络较为齐全，但这种供给结构上的失衡，使其未能实现生产率的增长。海南、重庆两地则是受制于地理位置与地形地势等因素，铁路建设落后于其他省份，这也限制了两地供给绩效的提升。

表4 各地区Malmquist 指数及分解

5 结论与政策建议

5.1 结 论

第一，供给绩效的静态分析表明，2013—2018年我国交通基础设施供给绩效的发展整体呈上升趋势，但仍未达到DEA 有效，将其分解成技术效率与规模效率后发现：规模效率有所提高，2013—2018 年规模效率递增地区已经从3 个增长到7个，占比23.3%。技术效率略有下降，技术效率的下降阻碍了供给绩效的进一步上升，可见技术效率下降是限制我国交通基础设施供给绩效高质量发展的主要原因。尽管供给绩效的发展整体呈上升趋势，但不同省份之间仍存在较大差异。北京、天津、上海、江苏、福建、湖南、广东、海南、贵州9 个省市作为交通供给较为稳定的省市，一直处于有效供给状态；内蒙古、辽宁、黑龙江、江西、湖北、重庆、陕西、青海、新疆的交通供给则增长缓慢，2018 年仍处于平均水平以下状态。

第二，在供给绩效的动态分析中我们发现，交通基础设施生产率实现连续增长，将其分解成技术效率指数与技术进步指数后发现：技术进步指数增长显著，除广东、海南、重庆之外，其余省市均实现技术进步指数增长。技术效率指数虽然也实现增长，但增长缓慢，是驱动我国交通基础设施供给绩效高质量发展的次要因素，其中，反映交通基础设施运营能力的纯技术效率下降是导致技术效率增长缓慢的主要原因，这与静态分析的结论相吻合，说明我国交通基础设施的运营能力未能跟上其建设速度。

5.2 政策建议

5.2.1 提升技术效率

辽宁、湖北、陕西、新疆要重点提升技术效率。第一，要培养高素质的经营管理人才。优化人力资本投入是实现个体劳动生产率提升的重要举措，上述省份应定期对现有在职人员进行培训教育，提升员工工作质量。第二，深化制度改革。现有的“一路两制”制度很容易导致交管部门和公安部门出现职能不清等问题，最终造成管理成本上升，因此上述省份需要明确各部门职责权限，减少因职责权限不明而造成的效率损失。第三，建立综合性交通枢纽。建立综合性的交通枢纽符合资源集约、绿色环保的新发展理念。通过综合交通枢纽将现有交通设施有效联结，扩大单条运输线路的辐射范围。

5.2.2 实现规模效应

山西、安徽、山东、河南、重庆、宁夏规模效率均低于技术效率，其中山西、宁夏处于规模收益递增状态，因此两地应合理加大投资力度，超前规划、统一安排，充分发挥规模效应对供给绩效高质量增长的促进作用。安徽、山东、河南、重庆并未处于规模收益递增状态，因此需要提高自身的运营管理效率，逐步向规模效应递增转变，然后再进一步加大投资建设，实现技术效率和规模效率的同步提升。

5.2.3 追求技术进步

动态分析的结果表明，全国仅广东、海南、重庆因没有实现技术进步而导致供给绩效下降，应重点提高交通领域技术密度，有针对性地升级交通基础设施供给结构，以技术进步推动供给绩效高质量发展。其中，广东省应重视铁路建设，提高铁路运输在全省交通运输中所占的比重。海南、重庆应积极研发与本地地理特征相配套的新技术，更大程度发挥技术进步对交通领域高质量发展的积极作用。此外，所有省市均应积极推动新一代信息技术与交通领域融合，让信息技术成为推动我国交通供给高质量发展的核心力量。