王 肖 郝東明
(西安財經大學 陜西 西安 710100)
2013年9月7日,中國國家主席習近平出訪哈薩克斯坦時在納扎爾巴耶夫大學發表演講,首次鄭重提出了共同建設“絲綢之路經濟帶”的戰略構想[1]。提高各地區公共基礎設施水平對于經濟和社會發展具有重要意義。2008年以來,“絲綢之路”沿線省份固定資產投資總額逐年攀升,公共基礎實施投資效率會有何變化,值得研究。以往的公共基礎實施投資效率相關文獻大多在規模報酬不變或沒有剔除環境因素和隨機因素的影響的情況下進行研究,會對公共基礎實施投資效率結果產生一定程度的偏差。本文使用三階段數據包絡方法(DEA)剔除了環境變量和隨機因素的影響從綜合技術效率、純技術效率以及規模效率3個方面對“絲綢之路”沿線省份公共基礎實施投資進行評價研究,為優化公共基礎實施投資效率提出對策和建議。
為了盡量減少環境變量和隨機因素的影響,Fried等(2002)提出了三階段數據包絡方法(DEA)分析效率的評價模型[2],其認為環境因素、隨機因素以及管理因素等3方面因素會對傳統DEA方法結果產生影響,其最終計算的結果可能是由于擁有較好的運氣或者有利的外部環境而使得投入較小,這雖然在結果上帶來了較好的效率表現,但這并非管理的真實情況。為了更加準確的反應管理效率,應當盡量消除環境因素和隨機因素對效率的影響。三階段數據包絡方法(DEA)的計算過程分為三個階段:第一階段:利用DEAP2.1軟件計算出各決策單元的效率和投入松弛量;第二階段:為了減少效率受到的環境因素和隨機因素的干擾,將第一階段利用DEAP2.1軟件計算得到的投入松弛變量分解為含有環境因素、隨機因素以及管理無效率因素3個自變量的類似SFA回歸函數;第三階段:將調整后的投入指標代替原始投入指標,再次利用DEAP2.1軟件計算得到新的效率值。
基于數據的合理性、可得到性和實證研究的需要,本文以全國31省市作為決策單元選取了2016-2018年各個地區公共基礎設施的投入和產出數據來測算綜合技術效率。相關數據來自于《中國統計年鑒2017》、《中國統計年鑒2018》和《中國統計年鑒2019》。
基于評價指標的科學性原則、可獲取性原則、普遍性和典型性相結合原則以及數據包絡理論(DEA)的應用原理,從投入指標和產出指標兩個方面,來確定公共基礎設施投資效率評價指標體系的建立。其中,投入指標包括能源、物流、大型公共設施、社會保障四大類,投入指標衡量的公共基礎設施的投入要素情況,要盡可能的反映我國31省市歷年公共基礎設施投資的實際情況。為了消除時間變動對于人口數量的影響,對數據做人均化處理。分別用人均電力、熱力、燃氣及水生產和供應業固定資產投資額,人均交通運輸、倉儲和郵政業固定資產投資額,人均水利、環境和公共設施管理業固定資產投資額和人均公共管理、社會保障和社會組織固定資產投資額來衡量,產出指標選取了城市排水管道長度、城市污水日處理能力、年末實有道路長度、城市用水普及率、城市燃氣普及率、每萬人擁有公共交通車輛、人均公園綠地面積以及每萬人擁有公共廁所數來衡量公共基礎設施的投資效果。
環境變量應選擇那些對公共基礎設施投資效率產生影響但不在樣本主觀可控范圍內的因素。考慮到公共基礎實施投資的特點,本文的環境變量包括了經濟基礎、對外開放程度、受教育程度和科學發展水平四大類,分別用各地區財政收入總額與各省人口的比值、外商直接投資額與各省人口的比值、萬人中大專及以上學歷人口數和萬人中擁有的有效發明專利數來衡量。
本文利用DEAP2.1軟件對2016-2018年我國31個省市公共基礎實施投資的效率水平進行分析,測算出2016-2018年我國31個省市的公共基礎實施投資綜合效率、純技術效率以及規模效率如表1所示。

表1 我國31個省市公共基礎實施投資效率第一階段與第三階段對比
注:irs為規模報酬遞增,drs為規模報酬遞減。
從第一階段DEA的實證結果來看,不考慮環境因素和隨機因素的影響,我國公共基礎設施投資的平均綜合技術效率值為0.68,平均純技術效率值為0.98,平均規模效率值為0.69。從各個省市去看,北京市、天津市、遼寧省、上海市、江蘇省、河南省、廣東省以及貴州省都達到了技術效率前沿,其他省份則未到技術效率前沿,在不同的技術效率上擁有改進空間。其中內蒙古、吉林省、浙江省、福建省、湖北省、廣西、四川省、云南省、西藏、甘肅、青海省以及寧夏等12個省市的規模效率遠低于全國平均水平,也就是說規模效率低是導致上述內蒙古、吉林省等12個省市綜合技術效率不高的主要原因。政府應加快公共基礎設施建設步伐,擴大公共基礎設施投資規模,使規模效率得到提高。
將第一階段DEA的我國31省市各投入變量的松弛量作為被解釋變量,將經濟基礎、對外開放程度、受教育程度和科學發展水平作為解釋變量以及上述環境指標,在FRONTIER4.1軟件中進行SFA模型分析,結果如表2、表3所示。

表2 第二階段SFA估計結果1
注:***,**,*分布表示1%、5%、10%水平下顯著,括號內為標準差。

表3 第二階段SFA估計結果2
注:***,**,*分布表示1%、5%、10%水平下顯著,括號內為標準差。
由表2和表3可以看出γ值在0.9以上,說明技術無效率方差占總方差的比重較大,因此利用SFA模型剝離環境與隨機因素的影響是有效和必要的。
由上節對2016-2018年我國31個省市公共基礎設施投資投入進行調整,得到新的投入變量,利用Deap2.1軟件可以得到第三階段的綜合技術效率值、純技術效率值和規模效率值,整理結果如表1所示。
對比表1可以看出,剔除環境變量和隨機因素的影響后,各地區公共基礎設施投資效率變動較大,特別是綜合技術效率和規模效率。從各省市公共基礎實施投資效率的平均值來看,第三階段綜合技術效率均值和規模效率均值都有了明顯提升,分別由0.68上升到0.97,0.69上升到0.99,純技術效率基本保持不變。
對各省市公共基礎實施投資效率值進一步研究,福建省、湖北省、廣西、四川省、甘肅省、青海省以及寧夏的綜合技術效率有明顯提升,說明這7個地區的公共基礎設施投資效率比看上去要好。內蒙古、吉林省、浙江省、福建省、湖北省、廣西、四川省、云南省、西藏、甘肅省、青海省以及寧夏的純技術效率值基本沒有變化,而綜合技術效率和規模效率都有明顯的提升,說明這12個地區之前較低的規模效率確實有部分原因是由于隨機因素或較差的環境因素導致的,而非它們的公共基礎實施投資規模不足。
將“絲綢之路”沿線省份按地區劃分為西南、西北以及東北,并統計各區域剔除環境變量和隨機因素影響前后公共基礎設施投資效率變化如表4所示。

表4 “絲綢之路”沿線省份公共基礎設施投資效率對比
從表4可以看出,剔除環境變量和隨機因素影響前“絲綢之路”沿線省份各區域平均綜合技術效率差異顯著,其主要原因在于各區域之間平均規模效率差距較大。東北地區平均規模效率最高,遠高于西北、西南地區。同時西北、西南地區平均綜合技術效率遠低于東北地區的平均水平。剔除環境變量和隨機因素影響后“絲綢之路”沿線省份各區域平均綜合技術效率差異較小,其主要原因在于各區域之間平均純技術效率和規模效率差距均較小。
剔除環境變量和隨機因素影響后“絲綢之路”沿線省份公共基礎設施投資綜合技術效率值基本均有顯著提高,各地區之間的差距也有顯著縮小。這說明廣西、四川省、甘肅省、青海省、寧夏以及吉林省等6省之前的綜合技術效率較低的部分原因確實是受環境因素和隨機因素的影響,且在剔除環境變量和隨機因素影響后廣西、四川省等以上6省的綜合技術效率與其他地區并未有較為明顯的差距。青海省、云南省、吉林省以及四川省在剔除環境變量和隨機因素影響后的綜合技術效率與其他省市相比依然有小部分差距,說明青海省、云南省、吉林省以及四川省的綜合技術效率確實有部分進步空間。
剔除環境變量和隨機因素影響前后“絲綢之路”沿線省份公共基礎設施投資純技術效率值總體變化不明顯,并且“絲綢之路”沿線省份公共基礎設施投資純技術效率值總體都大于0.93,處于一個較高的效率區間。四川省、云南省和吉林省純技術效率值相對較為一般,特別是吉林省在剔除環境變量和隨機因素影響后的純技術效率值依然沒有較大提升,說明技術管理水平依然有部分進步空間。
剔除環境變量和隨機因素影響前后“絲綢之路”沿線省份公共基礎設施投資規模效率值基本均有顯著提高,各地區之間的差距也有顯著縮小。在剔除環境變量和隨機因素影響后各地區規模效率的提高是總體綜合技術效率提高的主要原因。剔除環境變量和隨機因素影響后四川省、云南省以及新疆的規模效率與其它省市有較小的差距,而青海省的規模效率與其它省市則依然有一定的差距,說明上述四省,特別是青海省要加快公共基礎設施建設步伐,擴大公共基礎設施投資規模,使規模效率得到進一步提高。
本文通過三階段數據包絡方法(DEA)去除了隨機誤差因素和環境因素對公共基礎設施投資效率的影響,對2016-2018年我國31省市特別是12個“絲綢之路”沿線省份公共基礎設施投資的綜合技術效率、純技術效率以及規模效率進行系統分析,得到以下結論:
(1)“絲綢之路”沿線省份公共基礎設施投資的綜合技術效率和規模效率在剔除環境因素和隨機因素的影響后有較為顯著的變化,而純技術效率的變化較小,綜合技術效率的提高主要受規模效率的影響。這說明外部環境等因素確實會對公共基礎實施投資效率產生影響,不考慮環境因素和隨機誤差會對公共基礎實施投資效率評價研究產生較為明顯的偏差。
(2)在剔除環境因素和隨機因素的影響后,“絲綢之路”沿線省份公共基礎設施投資的綜合技術效率、純技術效率以及規模效率都處于相對較好的狀態,這表明政府對公共基礎實施的投資獲得了顯著的收益和匯報,良好的公共基礎實施對經濟發展和改善人民生活條件具有巨大的促進作用,政府應該堅持和加強對公共基礎設施領域的投資。