長江經濟帶公路運輸效率的測度

周業旺

（黃岡師范學院 商學院，湖北 黃岡 438000）

0 引言

長江經濟帶橫跨中、東、西部三個區域共11個省市，截止2016年底該區域人口和生產總值超過全國的40%，最近二十年以來，長江經濟帶已成成為我國綜合實力最強的區域之一。2016年9月，《長江經濟帶發展規劃綱要》確立了長江經濟帶“一軸、兩翼、三極、多點”的發展新格局，其中，“兩翼”分別指滬瑞和滬蓉南北兩大運輸通道。《長江經濟帶綜合立體交通走廊規劃（2014—2020年）》制定的發展目標中指出要優化交通運輸結構，強化各種運輸方式的銜接，提升綜合運輸能力，對于綜合運輸系統中重要的組成部分公路運輸，規劃指出方向是形成以滬蓉、滬渝、滬昆、杭瑞高速公路為骨架的國家高速公路網和覆蓋所有縣城的普通國道網，同時推行地理條件稍好的鄉鎮、建制村通瀝青或水泥路。在長江經濟帶各省市十二五建設過程中，公路交通也一直都是重點建設領域，公路投資逐年增長，公路基礎設施逐漸完善。但公路交通運輸在建設的過程中效率如何，是否發揮應有的作用值得探討。

目前國內外關于交通基礎設施的方面的研究主要集中于基礎設施與區域經濟增長的關系，大多采用面板數據構建計量經濟等模型，最終得出的結論也不盡相同。以往研究在分析的過程中選擇范圍較大，多是以某一區域整體的交通基礎設施為研究對象，沒有考慮到綜合交通運輸中不同交通方式的區別。在長江經濟帶綜合交通運輸體系中，公路運輸有著不可替代的作用，發揮著重要的銜接功能。目前較少有文獻以特定地區的公路交通運輸為對象進行效率的測度。本文擬以長江經濟帶綜合運輸系統中公路運輸為研究對象，測度公路交通運輸內部的效率。

1 模型建立與變量的選擇

1.1 三階段DEA

DEA三階段法是Fried等人提出了用來測度效率的一種常見方法。相比較傳統的DEA方法，三階段DEA最大的優勢是能夠在評價的過程中消除外部環境因素和隨機誤差對測度結果的影響，從而使得評價結果更加客觀真實。隨著綜合運輸體系的建立和完善，特別是鐵路運輸的迅猛發展使得各種交通運輸方式在綜合運輸體系中的地位和作用逐漸改變，長江經濟帶公路運輸面臨的外部環境也在發生變化。因此有必要在評價的過程中考慮該因素變化對評價結果的影響。

（1）第一階段：傳統DEA模型效率測算

DEA模型有投入導向和產出導向型：CCR模型和BCC模型。BCC模型是Banker等（1984）在CCR模型基礎上將規模報酬不變的限制假設修改為規模報酬變動得來的。BCC模式可以將CCR模式中的綜合效率分解為配置效率和技術效率，綜合效率的分解能更加清晰地找出效率的影響因素。考慮到公路交通效率評價的特點，本文采用投入導向下BCC模型，對偶形式下的BCC模型為：

其中，X表示決策單元的投入變量，Y表示決策單元的產出向量，S-為投入松弛變量，S+為產出松弛變量。

（2）第二階段：SFA回歸分析

通過第一階段傳統DEA模型的計算可以得出，每個決策單元的初始效率值。但在該過程中沒有考慮到各個決策單元的外部環境隨機誤差對效率值測度的影響，因此效率測度值不能真實的反應各省市公路交通運輸的的實際效率。基于這一因素，Fried（2002）通過構建相似SFA回歸分析，消除出上述因素對傳統DEA初始測度結果的影響。根據Fried的研究，第二階段建立以投入導向的類似SFA回歸函數：

式中，Sni為第i個決策單元中第n項投入變量的松弛值；Zi是環境變量，βn是環境變量的系數；νni+μni是混合誤差項，νni表示隨機干擾，μni表示管理無效率。其中 ν~N(0，)是隨機誤差項，表示隨機干擾因素對投入松弛變量的影響；μ是管理無效率，表示管理因素對投入松弛變量的作用，假定管理無效率服從在零點截斷的正態分布，即 μ~N+(0，)。

對初始各個決策單元的效率值進行SFA回歸的目的是為了剔除由于環境和隨機因素對實際效率測度的干擾，使得各個決策單元置于相同的外部環境中。調整公式如下：

隨機誤差項分離公式為：

（3）第三階段：調整后DEA效率分析

通過第二階段的相似SFA回歸分析，將調整后的投入變量值替換原來的投入變量值，再次利用BCC模型進行公路交通效率的測度，可得出在相同環境因素和隨機因素下的效率值，是各個決策單元相對真實的效率值，調整后得到的效率值只受技術管理的影響。

1.2 Malmquist指數

采用三階段DEA模型對長江經濟帶公路交通運輸效率的測度屬于靜態分析。在此基礎上，本文構建Malmquist指數動態地對公路運輸效率進行全要素生產率評價。該指數模型自1954年提出后并于DEA理論結合后得到了廣泛的應用。該指數明確了從t到t+1期的生產率指數：

如果指數 M(xt+1，yt+1，xt，yt)＞1 ，則表明全要素生產效率在提高，如該指數小于1，表明生產率在下降。其中可以將Malmquist指數分解成：

1.3 變量和指標的選擇

基于公路交通效率評價的特性和數據的可得性，本文選取長江經濟帶共11個省市在2011—2015年間共5年的公路里程（X1，萬公里），公路營運汽車擁有量（X2，萬輛）兩個指標作為投入指標，公路貨物周轉量（Y1，億噸公里）和公路旅客周轉量（Y2，億人公里）作為產出指標。

在三階段DEA測度模型中要加入環境變量，由于目前對于環境變量的選取沒有統一標準，環境變量的選取對調整后的效率值會產生影響。根據長江經濟帶各省市對公路運輸需求的特點，選取地區生產總值（β1）和城鎮化率（β2）作為環境變量。采用非農業人口占總人口比例來衡量城鎮化率。

2 實證分析

2.1 三階段DEA模型測算的綜合效率

（1）傳統DEA模型公路運輸效率測度

根據上文建立的傳統DEA模型，運用DEAP2.1軟件對長江經濟帶11個省市2011—2015年的公路交通運輸效率進行測算，最終取五年的平均效率，初始效率值如表1所示。

表1 第一階段：2011—2015年11省市初始效率均值

傳統DEA模型計算結果顯示，在不考慮外部環境和隨機因素的干擾下，長江經濟帶11個省市2011—2015年公路交通效率均值中，上海、江蘇和安徽的綜合效率、純技術效率以及規模效率都為1，處在效率的前沿面。其余8省的效率值均有提升的空間。根據地理位置劃分，東部省市的三種效率都最高，西部省市的三種效率都處在最低位置。傳統DEA效率測算是在沒有考慮環境和隨機因素的情況下測得的，該模型將所有影響效率值的因素都歸結為管理無效，而對效率值測度結果有影響的三大因素中，環境與隨進因素屬于外生變量不易控制。長江經濟帶11個省市的外部環境各異，起點和基礎不同，因此有必要在此基礎上，通過SFA模型消除環境和隨機因素對測算結果的影響。

（2）SFA回歸分析

根據第一階段的計算結果再分別以公路里程X1的松弛變量、公路營運車輛X2的松弛變量為因變量，11省市年度GDPβ1、城鎮化率β2為自變量建立似SFA回歸模型，運用Frontier4.1軟件進行分析，為了使計算更加準確，本文采用逐年截面分析的方式，一共可以建立15個回歸方程，由于篇幅受限，僅列出了最近2015年的回歸結果，估計結果如表2所示。

表2 第二階段：2015年SFA回歸結果

由模型檢驗參數可以看出，LR單邊檢驗值都比較大，通過了1%水平上的顯著性檢驗，說明模型設置合理。Gamma值都接近于1，說明管理無效率的影響比較大，隨機因素比較小，適合進行SFA回歸。針對具體的模型來看，在X1松弛變量的回歸中，β1、β2都對X1的松弛變量呈現顯著的負向影響，說明S1、S2的增加有利于減少X1的松弛變量，即減少X1的資源浪費，有利于提高效率；在X2松弛變量的回歸中，β1對X2的松弛變量呈現顯著的正向影響，說明β1的增加會增大X2的松弛變量，即增大X2的資源浪費，不利于提高效率，β2對X2的松弛變量呈現顯著的負向影響，說明β2的增加有利于減少X2的松弛變量，即減少X2的資源浪費，有利于提高效率。

（3）第三階段DEA分析

將調整后的投入變量取代最初的投入變量進行再次進行DEA分析，得到調整后的效率值如表3所示。

表3 第三階段：2011—2015年11省市公路交通運輸綜合效率均值、純技術效率均值及規模效率均值

在此階段中，由于消除了環境和隨機因素的影響，通過對比表1和表3的結果可以發現，最終的效率值出現的較大的變化。只有浙江和安徽省的各項效率值均為1，處在最前沿面。整個長江經濟帶的綜合效率均值由0.8430下降到0.7363。由于上海市的效率值急劇下降導致東部省市的平均效率值由0.9573下降到0.6905，中部均值由0.8847下降到0.8131，相反西部省市的綜合均值略微上升。從各省市的具體情況來看，五年綜合效率值上海下降最明顯，表明在過去的五年內，上海市的公路交通的實際效率較低，第一階段中上海市公路交通的高效率是由于環境因素和隨機因素帶來的。浙江、江西、湖北、重慶和貴州省的效率值均呈現下降趨勢，而四川和云南兩省的綜合效率上升。而綜合效率下降的省市主要是由于規模效率下降引起的，表明規模效率不高嚴重影響到公路交通資源的利用。

2.2 Malmquist指數測度

基于三階段DEA模型對長江經濟帶公路運輸效率的測度是從靜態角度進行分析的，得出的是五年效率的均值。在研究的過程中，不僅要了解五年的實際情況，更需要了解五年間各效率的變化趨勢，為此構建Malmquist指數模型，分析全要素生產率的變動主要是由技術進步還是由技術效率的變動引起的。利用DEAP2.1軟件將剔除了外部環境和隨機因素的各投入變量和初始產出變量代入Malmquist指數模型進行計算。具體測算結果如表4所示。

表4 2011—2015年11省份公路交通運輸TFP指數及分解

從測算結果可以看出，在2011—2015年間，只有上海和江西兩省市全要素生產率變化指數大于1，貴州省保持不變，其余所有省市的全要素生產率變化指數都小于1，表面這些省份的公路交通資源的利用效率呈現下降的趨勢。即使是上海和江西也僅僅分別保持2.5%和4%的增長，全部11個省市的技術進步效率均值只有0.884，全要素生產率以6.3%的速度下降。說明過去五年中整個長江經濟帶區域的公路交通效率不高，嚴重制約了公路交通資源的利用。

3 結論與建議

本文在構建DEA—Malmquist指數模型基礎上，采用2011—2015年的數據對長江經濟帶11個省市的公路交通運輸效率進行了靜態和動態的測度。DEA三階段模型分析結果顯示，在剔除環境和隨機因素的干擾下，長江經濟帶公路交通運輸綜合效率下降明顯。從Malmquist指數模型所反映的全要素生產率指數對技術進步指數依賴較大。根據測度結果，本文提出以下建議：

第一，長江經濟帶省市公路建設的重點要從過去的加大投入轉移到如何有效地利用現有公路交通設施。在過去五年中，長江經濟帶省市都加大了在公路交通基礎設施上的投資，公路總里程增長顯著，但通過效率測度分析可以看出長江經濟帶公路交通運輸效率卻呈下降趨勢。出現這一現象固然有公路基礎設施建設效果滯后的原因，但也要看到目前處于激烈競爭的運輸市場中，公路交通運輸必須明確定位，在綜合運輸體系中發揮公路運輸中短途效率高方便靈活等優勢。特別是面對長江經濟帶鐵路運輸的迅猛發展和長江航運在大宗工業物資中的天然優勢，公路交通運輸企業必須推出服務內容的創新，高效地為客戶提供定制化運輸服務，提高客戶的滿意度。公路運輸管理部門要結合當前運輸市場的格局，加大對公路運輸企業的支持和扶持力度，進一步優化公路運輸管理流程，創新管理方式，提高公路基礎設施的利用效率。

第二，長江經濟帶公路交通要改變目前發展不平衡的態勢，實現區域公路交通的高效協調發展，就應該創新公路交通協調發展思路，在現有完備的公路交通基礎設施前提下，構建長江經濟帶省域公路交通高效協調發展的空間格局，長江經濟帶各省市應進一步簡政放權，消除條塊行政分割和地區封鎖，清理阻礙公路運輸要素合理流動的地方性政策法規；進一步優化公路運輸環境，構建統一開放、競爭有序的長江經濟帶區域公路運輸服務市場。同時，要做好長江經濟帶各種交通運輸方式合理布局和銜接，真正發揮各種運輸方式的優勢，促成長江經濟帶高效的綜合運輸體系的形成。