基于DEA-BCC模型的全國公路運輸貨物效率評價

交通運輸產業在國民經濟產業中占有舉足輕重的地位，具有基礎性和先導性的特點。公路運輸作為常規五大運輸方式之一，在崎嶇山路、短窄小路及其他運輸方式不能到達的地方等可以發揮極大的作用，有助于促進區域經濟發展。公路運輸貨物效率水平體現了各區域的經濟水平、資源配置情況及運輸規模高低，直接影響政府對公路運輸發展制定的相應政策，因此，探究公路貨物運輸效率是國家宏觀經濟發展和區域局部發展的必要過程。

一、研究背景

目前，國內外對公路運輸貨物的效率評價已經有了一些成果，側重點及方法各有不同。Debdatta Pal,Subrata K.Mitra利用數據包絡分析（DEA）中的方向距離函數，對2012-2013年印度37家國有公路運輸企業的技術效率進行了測算。孫啟鵬、郭小壯、將文靜等以“一帶一路”為背景，利用DEA-BCC模型對四年的全國省域貨物運輸效率進行了綜合評價，并借助空間數據分析探索貨物運輸效率時空演化及關聯特征。尉蔚利用AHP-DEA模型對我國2017年各省份公路運輸效率進行了測度。張璐璐、吳威、劉斌全利用DEA-BCC模型和超效率模型對長江三角洲地區公路交通運輸效率進行評價，再借助DEA-Malmquist指數方法全面分析了長三角地區公路運輸全要素生產率的時空演變規律。

盡管上述學者已經對全國各省、市、自治區的公路貨物運輸進行了分析，但評價方法和指標數據收集方法各有不同。目前少有人對2017年的公路運輸貨物效率進行評價，因此本文收集了2017年全國31個省、市、自治區的公路運輸貨物數據，利用DEA-BCC模型對其進行靜態效率評價。

二、模型方法及數據

數據包絡分析是一種非參數技術效率評價分析方法，旨在對決策單元進行相對有效性分析。DEA是通過多個決策單元（DMU）計算出當期的效率邊界，再去計算每個DMU與效率邊界的距離。DEA方法適用于多投入多產出的問題，并且不需要對數據進行無量綱化處理。DEA有四個基礎模型，分別是投入導向的CCR模型、產出導向的CCR模型、投入導向的BCC模型和產出導向的BCC模型。投入導向是在產出既定的情況下，衡量要素投入減少的比例；產出導向是指在投入既定的情況下，衡量產出增加的比例。本文采用投入導向的BCC模型。

1.BCC模型介紹

CCR模型是基于規模報酬不變的模型，測算出的結果為綜合效率。BCC模型是對CCR模型的改進，基于規模報酬可變的模型，其測算出的效率為純技術效率，規模效率為綜合效率與純技術效率的比值。

表1： 投入產出指標

表2： 31個省域的效率值及松弛變量

2.指標的選取與原則

選取的指標不同，采集的數據方式不同，都會出現相同的決策單元效率不一致的結果，因此，對于指標的選取要仔細慎重，指標的數據要有明確的說明，避免不同的學者在計算相同的DMU時出現差異的情況。為了避免出現絕大多數甚至全部DMU均有效的情況，按照經驗法則，DMU的數量應不少于投入指標和產出指標數量和的3倍，同時不少于投入指標與產出指標數量乘積的2倍。

本文通過分析公路運輸貨物效率的影響因素，選取2017年全國31個省域的公路貨運量、公路貨運周轉量為產出指標，固定資產投資總額、公路營運里程、公路從業人員數、公路營運載貨汽車為投入指標，如表1。

3.數據的獲取

本文所有投入產出指標變量數據均來自于國家統計局。基于數據的可獲得性、代表性和真實性的原則，考慮到個別指標數據獲取的難度大問題，在此具體介紹各項數據的來源。固定資產投資總額收集的是按行業分固定資產投資（不含農戶）中的交通運輸、倉儲和郵政業數據作為表征數據；公路從業人員數是2017年底分地區交通運輸、倉儲和郵政業就業人員數中的道路交通業、裝卸搬運和運輸代理業的從業人員數據；公路營運里程是2017年底分地區運輸線路長度中的公路里程數據；其它數據可從統計年鑒中直接獲得。

三、模型實證結果及分析

采用Deap2.1軟件計算2017年全國31個省域的公路貨物運輸情況，基于投入導向的運行結果整理，如表2所示。

1．綜合效率分析

效率值為1的是DEA（弱）有效，如果單一DMU的所有投入與產出松弛變量全為0，則為強DEA有效。從表2看出，一共有10個DMU的綜合效率值為1，且松弛變量全為0，即我國32.3%地區的公路運輸貨物達到了資源配置最高，資源使用效率最優的狀態。天津、河北、山西、內蒙古、遼寧、上海、安徽、江西、湖南、寧夏均為強有效，其技術與規模都達到最優，公路運輸貨物效率最高。通過表2可以發現，一線經濟發達的城市不一定公路運輸貨物效率高，如北京，而三四線經濟發展不突出的省域，只要其投入資源合理，同樣可以達到較高的運輸貨物效率。另外，綜合效率均值為0.743，表明我國整體公路運輸貨物效率相對偏低，依然有很大的進步空間。

2．純技術效率分析

純技術效率為1，說明DMU在當前的技術水平下，其投入資源的使用是有效的。從表2分析，除了綜合技術效率有效的10個DMU之外，浙江、山東、廣東、海南和西藏的純技術效率為1，規模效率不為1，說明這5個省域的管理水平和技術水平已達到最優，其投入的資源被合理利用，不存在浪費現象。綜合效率不為1的主要原因是由于規模無效導致的，表明在該技術水平下，這5個省域的實際規模與最優規模間存在差距，所以應重點發揮其規模效益。另外，從表2還可以觀察到，純技術效率為1時，其松弛變量全部為0，說明投入的資源是完全有效的，不存在任何的冗余。

3．規模效率與北京市改進值分析

規模效率為1，說明投入量既不偏大也不偏小，處于規模收益不變的狀況，即達到了規模效益最佳。除了綜合效率為1的省域外，其它地區的規模效率都小于1，說明我國大多數地方的運輸規模不達標。

北京作為一線城市，純技術效率0.864，意味著投入資源存在浪費的現象，規模效率僅為0.496，規模報酬處于遞增狀態，表明公路運輸的投入與產出比例相對于運輸規模總體偏低，應該引起重點關注。北京的具體投入產出情況如表3所示，表中詳細列出了北京所有的投入冗余和產出不足。無效DMU在前沿上的投影點表示其目標值，投入改進值用負數表示，產出改進值用正數表示，則任一DMU的目標值=原始值+徑向改進值+松弛改進值。在徑向模型中，徑向改進值（Radial Movement）是指各項投入（或產出）等比例改進的數量。松弛改進值（Slack Movement）是針對強有效前沿的，在等比例改進之后，如果還是弱有效，則需要進行松弛改進，只有同時完成比例改進和松弛改進，被評價DMU為強有效。從表3可以看出，北京市的公路運輸貨物在投入方面需要進行等比例改進，完成等比例改進后還需要完成松弛改進。固定資產投資總額需要減少451.34億元，公路從業人員應減少215286人才能達到目標值。

表3： 北京市公路運輸貨物投入產出改進值

北京作為我國超一線城市，其經濟、文化、科技創新等都處于領先地位，然而由于北京的特色，決定了北京的各項固定資產投資總額出現了冗余，不管是政府還是企業都加大了對固定資產的投資，使其出現了投入資源過多、產出不足的問題。另外，北京務工人口眾多，匯集了來自各個省、市、自治區的大量人才，因此出現了公路從業人員供過于求的局面，從而導致北京的公路運輸貨物投入出現冗余，即相應的投入沒有帶來預期的產出。

本文主要研究的是公路營運運輸貨物效率評價，從這個角度出發，分析北京的人力、物力和投資問題。眾所周知，北京的交通極其擁擠，人口密度極大，而營運公路貨物運輸的大卡車數量也較多，北京市交通局對大卡車的出行有很大的限制，綜合以上各種因素，可以得出北京市公路貨物運輸綜合效率低下的原因及改進措施。

四、結論

1.2017年全國公路運輸貨物綜合效率整體相對較高，達到強DEA有效的省域占被評價單元的32.3%，無效DEA單元占67.7%，從整體上看，我國公路運輸效率還有很大的上升空間，其中規模效率均值略高于純技術效率均值，因此純技術效率無效是導致綜合技術效率無效的主要因素。

2.從北京、江蘇等個別省域進行分析，我們可以發現，大多數經濟發達的城市綜合效率偏低的主要原因是由于規模無效導致的。為了平衡區域經濟發展，應針對省域的具體情況展開有效的措施。