基于SFA模型和超越對(duì)數(shù)生產(chǎn)函數(shù)的汽車(chē)租賃企業(yè)運(yùn)營(yíng)效率分析

胡仕星月，胡恬恬，楊亞璪

（重慶交通大學(xué)交通運(yùn)輸學(xué)院，重慶 400074）

0 引言

汽車(chē)租賃作為一種滿(mǎn)足公眾個(gè)性化出行需求的交通服務(wù)方式，具有很強(qiáng)的市場(chǎng)融合力和經(jīng)營(yíng)靈活性。汽車(chē)租賃是一個(gè)復(fù)雜的交易過(guò)程。傳統(tǒng)汽車(chē)租賃一般會(huì)提供駕駛服務(wù)，將駕駛員和車(chē)輛綁定出租，并在合同規(guī)定時(shí)間內(nèi)還取車(chē)輛。相比傳統(tǒng)汽車(chē)租賃，分時(shí)租賃租還時(shí)間更靈活，以小時(shí)或天為單位，消費(fèi)者可按個(gè)人用車(chē)需求和用車(chē)時(shí)間即租即取，一般不存在駕駛服務(wù)。據(jù)公安部統(tǒng)計(jì)，2019 年全國(guó)汽車(chē)駕駛?cè)吮Ｓ辛繛?.97 億，與私家車(chē)保有量2.07 億差距較大[1]，有本無(wú)車(chē)人群逐漸擴(kuò)大，再加上部分地區(qū)實(shí)施限購(gòu)限行政策，為汽車(chē)租賃市場(chǎng)提供了龐大的用戶(hù)基礎(chǔ)。與發(fā)達(dá)國(guó)家相比，我國(guó)汽車(chē)租賃滲透率有較大的增長(zhǎng)空間，同時(shí)行業(yè)還存在盈利難、服務(wù)能力不足等突出問(wèn)題。開(kāi)展汽車(chē)租賃企業(yè)的運(yùn)營(yíng)效率評(píng)價(jià)，有利于尋找其發(fā)展的薄弱環(huán)節(jié)，提高服務(wù)質(zhì)量，更好地滿(mǎn)足市場(chǎng)需求。

效率的評(píng)價(jià)方法主要包括兩種：數(shù)據(jù)包絡(luò)分析法（Data Envelopment Analysis,DEA）和隨機(jī)前沿分析法（Stochastic Frontier Analysis,SFA）。其中，DEA 是基于線(xiàn)性規(guī)劃的非參數(shù)分析法，主要用于多投入、多產(chǎn)出的效率測(cè)算；而SFA 是基于計(jì)量經(jīng)濟(jì)的參數(shù)分析法。Pitt 等[2]首次將SFA 應(yīng)用到面板數(shù)據(jù)，求得技術(shù)效率值。與DEA 相比，SFA 的主要優(yōu)點(diǎn)在于可以定量分析低效因素對(duì)技術(shù)效率的影響；考慮了由測(cè)量誤差等因素造成的隨機(jī)誤差[3]。因此，SFA 的計(jì)算結(jié)果更穩(wěn)定、受特殊點(diǎn)影響更小，具有可比性強(qiáng)、可靠性高的特點(diǎn)。

目前，關(guān)于交通運(yùn)輸企業(yè)運(yùn)營(yíng)效率的研究，主要包括效率評(píng)價(jià)指標(biāo)的選取和不同政策對(duì)效率的影響兩方面。例如，Jarboui 等[4]采用SFA 測(cè)算了18 個(gè)城市中64 個(gè)公交企業(yè)的運(yùn)營(yíng)技術(shù)效率，認(rèn)為企業(yè)規(guī)模、資本投入是重要影響因素；Liu等[5]采用隨機(jī)前沿方法，測(cè)度了我國(guó)道路交通運(yùn)輸業(yè)全要素能源效率的變化；章玉等[6]基于各城市公交統(tǒng)計(jì)數(shù)據(jù)，運(yùn)用SFA 測(cè)算出公交運(yùn)營(yíng)效率；張春勤等[7]基于SE-DEA 模型與Malmquist 指數(shù)的組合評(píng)價(jià)法，從生產(chǎn)、服務(wù)等方面對(duì)公交企業(yè)運(yùn)營(yíng)績(jī)效進(jìn)行綜合評(píng)價(jià)；丁勇等[8]運(yùn)用DEA 模型和Malmquist 指數(shù)法，對(duì)16 家中外航空公司的運(yùn)營(yíng)效率展開(kāi)了研究；徐領(lǐng)航等[9]基于SFA 模型，結(jié)合2013—2017 年31 個(gè)省市的面板數(shù)據(jù)對(duì)我國(guó)的公路客運(yùn)效率進(jìn)行了研究。在汽車(chē)租賃企業(yè)運(yùn)營(yíng)領(lǐng)域，Li 等[10]研究了汽車(chē)租賃業(yè)收益管理、運(yùn)營(yíng)績(jī)效管理中存在的問(wèn)題；Lazov[11]通過(guò)構(gòu)建以車(chē)輛利用率和車(chē)隊(duì)規(guī)模為指標(biāo)的評(píng)價(jià)模型，對(duì)汽車(chē)租賃企業(yè)的利潤(rùn)管理進(jìn)行了分析評(píng)價(jià)；孫澤生等[12]采用10 個(gè)城市的神州租車(chē)面板數(shù)據(jù)，探討了私家車(chē)保有量、車(chē)牌限行政策等外界因素對(duì)租車(chē)產(chǎn)業(yè)發(fā)展的影響。此外，為識(shí)別企業(yè)運(yùn)營(yíng)低效的解釋變量，已有研究提出一些影響因素，如政策因素包括國(guó)家對(duì)汽車(chē)租賃行業(yè)的投資政策、優(yōu)惠政策與補(bǔ)貼政策，以及對(duì)私家車(chē)的限行、搖號(hào)購(gòu)車(chē)等治理?yè)矶碌恼遊12]；城市特性相關(guān)因素包括人口密度、人均GDP、發(fā)展規(guī)模等；其他因素包括私家車(chē)擁有量等[13]。上述因素均在運(yùn)營(yíng)商的可控范圍之外[4]，是獨(dú)立于企業(yè)運(yùn)營(yíng)的外生性變量。因此，研究低效水平需要考慮企業(yè)可控的變量，如車(chē)輛利用率[11]、車(chē)隊(duì)規(guī)模水平[14]。

綜上，國(guó)內(nèi)外運(yùn)用SFA，在公路、鐵路、航空等領(lǐng)域都進(jìn)行了相關(guān)研究。其中，對(duì)公交企業(yè)運(yùn)營(yíng)效率的單因素及多因素影響研究較為成熟，而對(duì)汽車(chē)租賃企業(yè)運(yùn)營(yíng)效率的研究還存在不足，評(píng)估模型中缺少統(tǒng)一的量化標(biāo)準(zhǔn)。因此，本文以國(guó)內(nèi)9 家汽車(chē)租賃企業(yè)為研究對(duì)象，通過(guò)選取多元化測(cè)評(píng)指標(biāo)和技術(shù)低效指標(biāo)，綜合運(yùn)用SFA 和超越對(duì)數(shù)生產(chǎn)函數(shù)，建立效率測(cè)評(píng)模型，分析其效率波動(dòng)情況和影響因素，為改善汽車(chē)租賃企業(yè)運(yùn)營(yíng)管理提供理論支撐。

1 運(yùn)營(yíng)效率測(cè)評(píng)指標(biāo)選取

1.1 投入與產(chǎn)出指標(biāo)

運(yùn)營(yíng)效率評(píng)價(jià)旨在考慮車(chē)隊(duì)運(yùn)營(yíng)、服務(wù)特性的前提下，確定評(píng)價(jià)模型中的重要因素，分析汽車(chē)租賃服務(wù)的投入要素與運(yùn)輸產(chǎn)出的關(guān)系。關(guān)于投入指標(biāo)的選取，在傳統(tǒng)運(yùn)輸?shù)纳a(chǎn)函數(shù)中其一般為勞動(dòng)力、車(chē)輛、能耗、資本等[4]，而忽略了變量之間的共線(xiàn)性，例如勞動(dòng)力與車(chē)輛、車(chē)輛與能源等之間的替代關(guān)系。因此，盲目增加評(píng)價(jià)指標(biāo)會(huì)使SFA 模型判別能力下降，導(dǎo)致將低效識(shí)別成效率的隨機(jī)誤差。根據(jù)已有研究[14-15]，一般選取成本型指標(biāo)作為投入指標(biāo)。企業(yè)運(yùn)營(yíng)成本主要包括折舊費(fèi)用、工資成本、門(mén)店開(kāi)支、車(chē)輛保險(xiǎn)及保修保養(yǎng)費(fèi)用。與傳統(tǒng)汽車(chē)租賃相比，分時(shí)租賃的計(jì)費(fèi)時(shí)間不同，即以小時(shí)或分鐘為單位，且租賃時(shí)間沒(méi)有限制，可以實(shí)現(xiàn)即租即取、異地還車(chē)，一定程度上提高了車(chē)輛的使用效率。因此，除了傳統(tǒng)汽車(chē)租賃的折舊費(fèi)用、工資成本、車(chē)輛保險(xiǎn)維修等投入指標(biāo)外，分時(shí)汽車(chē)租賃的門(mén)店開(kāi)支還包括停車(chē)場(chǎng)地租賃費(fèi)用、車(chē)輛投放、充電樁或換電設(shè)施的投入。

對(duì)于產(chǎn)出指標(biāo)，根據(jù)主體的不同，可將其分為生產(chǎn)導(dǎo)向型和需求導(dǎo)向型兩類(lèi)。其中，生產(chǎn)導(dǎo)向型是以生產(chǎn)產(chǎn)品為中心，產(chǎn)品的數(shù)量、種類(lèi)由企業(yè)提前規(guī)劃制定；需求導(dǎo)向型則是以顧客為中心，根據(jù)顧客需求生產(chǎn)某種產(chǎn)品和調(diào)整產(chǎn)品數(shù)量[15]。對(duì)于汽車(chē)租賃企業(yè)，其服務(wù)產(chǎn)品為車(chē)輛，單個(gè)產(chǎn)品的服務(wù)人數(shù)固定，不會(huì)隨顧客需求的增加而隨意增減車(chē)輛的座位數(shù)。通過(guò)文獻(xiàn)調(diào)研發(fā)現(xiàn)，車(chē)輛運(yùn)營(yíng)里程[16]、客運(yùn)周轉(zhuǎn)量[15]和運(yùn)營(yíng)收入[16]等產(chǎn)出指標(biāo)都曾出現(xiàn)在相關(guān)研究中。其中，運(yùn)營(yíng)里程和運(yùn)營(yíng)收入為生產(chǎn)導(dǎo)向型指標(biāo)，周轉(zhuǎn)量為需求導(dǎo)向型指標(biāo)[15]。需求導(dǎo)向型指標(biāo)更多體現(xiàn)的是出行者的選擇偏好，一般不受企業(yè)的主觀控制，是獨(dú)立于企業(yè)運(yùn)營(yíng)的外生性變量。因此，在本研究中選擇生產(chǎn)導(dǎo)向型指標(biāo)作為產(chǎn)出指標(biāo)更為適合。產(chǎn)出指標(biāo)實(shí)質(zhì)為生產(chǎn)總值，需要考慮的因素較多。相比運(yùn)營(yíng)里程，運(yùn)營(yíng)收入涉及的因素更多，除車(chē)輛的行駛里程外，還需要考慮顧客的租賃時(shí)間、租賃價(jià)格（如按時(shí)/天/月計(jì)費(fèi)）等因素。因此，選取運(yùn)營(yíng)收入、運(yùn)營(yíng)滲透率分別作為傳統(tǒng)租賃和分時(shí)租賃企業(yè)的產(chǎn)出指標(biāo)，能直觀反映企業(yè)的生產(chǎn)總值和運(yùn)營(yíng)狀況。

1.2 無(wú)效率影響因素

如前文所述，企業(yè)運(yùn)營(yíng)低效的解釋變量主要考慮企業(yè)可控的因素，如吳小員等[17]認(rèn)為市場(chǎng)規(guī)模的擴(kuò)大有利于汽車(chē)租賃業(yè)的發(fā)展，同時(shí)使市場(chǎng)競(jìng)爭(zhēng)更加激烈，這在一定程度上決定了企業(yè)的規(guī)模和結(jié)構(gòu)；Oliveira 等[14]認(rèn)為車(chē)隊(duì)管理是影響技術(shù)效率的重要因素。為量化車(chē)隊(duì)規(guī)模水平這一指標(biāo)，本文將企業(yè)的車(chē)隊(duì)規(guī)模在市場(chǎng)規(guī)模中所占的比例作為該企業(yè)的車(chē)隊(duì)規(guī)模水平。另外，Lazov[11]研究證明了車(chē)輛利用率影響企業(yè)經(jīng)營(yíng)效益，且能反映供需關(guān)系，與汽車(chē)租賃業(yè)發(fā)展存在直接正向關(guān)系，故將其作為另一低效指標(biāo)。

綜上，汽車(chē)租賃企業(yè)運(yùn)營(yíng)效率評(píng)價(jià)的全部指標(biāo)如表1所示。

表1 汽車(chē)租賃企業(yè)運(yùn)營(yíng)效率評(píng)價(jià)指標(biāo)

2 運(yùn)營(yíng)效率測(cè)評(píng)模型

2.1 SFA模型構(gòu)建

SFA是由Aigner等人[18]和Meeusen等人[19]在1997 年分別提出的，它能對(duì)多投入、單一產(chǎn)出的技術(shù)效率和非技術(shù)效率的有效性進(jìn)行測(cè)算。為考慮無(wú)效率因素對(duì)運(yùn)營(yíng)低效的影響，選擇SFA 進(jìn)行測(cè)算會(huì)更加準(zhǔn)確[4]。首先，SFA 在確定性生產(chǎn)函數(shù)的基礎(chǔ)上，提出具有復(fù)合擾動(dòng)項(xiàng)的隨機(jī)邊界模型[18]，即：

式（1）中：xi和yi分別為運(yùn)營(yíng)企業(yè)i的投入和產(chǎn)出觀測(cè)值；f(xi)代表生產(chǎn)前沿，表示在給定投入下產(chǎn)出的最大值；vi為隨機(jī)誤差項(xiàng)，表示不可控的影響因素，作為具有隨機(jī)性的系統(tǒng)非效率計(jì)算；ui為技術(shù)損失誤差項(xiàng)，是企業(yè)可以控制的影響因素，與技術(shù)非效率有關(guān)。

考慮到無(wú)效率因素作為協(xié)變量對(duì)效率分布的影響，本研究對(duì)基礎(chǔ)模型進(jìn)行改進(jìn)，改進(jìn)后的效率模型適用于面板數(shù)據(jù)，即：

式（2）中：yit為運(yùn)營(yíng)企業(yè)i在第t年的運(yùn)營(yíng)收入；xit為運(yùn)營(yíng)企業(yè)i在第t年的投入；ln(xit β)為函數(shù)模型的確定性部分；β為未知參數(shù)向量，vit為隨機(jī)誤差，服從獨(dú)立同分布，，與uit相 獨(dú)立；uit為技術(shù)無(wú)效率項(xiàng)，服從截?cái)嗾龖B(tài)分布，。

SFA 與生產(chǎn)函數(shù)的形式緊密相關(guān)，由于超越對(duì)數(shù)生產(chǎn)函數(shù)在傳統(tǒng)的道格拉斯生產(chǎn)函數(shù)上增加了交互項(xiàng)，既可以表示技術(shù)進(jìn)步，又可以呈現(xiàn)線(xiàn)性狀態(tài)以方便參數(shù)估計(jì)，數(shù)據(jù)擬合更好、結(jié)果預(yù)測(cè)更精確，因此利用超越對(duì)數(shù)形式將ln(xit β)展開(kāi)為：

從企業(yè)的角度考慮運(yùn)營(yíng)效率，建立運(yùn)營(yíng)成本和運(yùn)營(yíng)收入的投入與產(chǎn)出關(guān)系框架。在此框架下，隨機(jī)前沿生產(chǎn)函數(shù)和效率評(píng)價(jià)模型分別為：

式（4）～式（5）中：xnit為運(yùn)營(yíng)企業(yè)i在第t年的第n個(gè)投入指標(biāo)，t反映技術(shù)變化；β0,βn,βnj均為待估計(jì)的彈性系數(shù)；N為投入指標(biāo)個(gè)數(shù)；CEit為效率值，表示在相同投入下實(shí)際產(chǎn)出與完全有效產(chǎn)出的比值。

2.2 技術(shù)無(wú)效率模型

為確定汽車(chē)租賃企業(yè)技術(shù)無(wú)效率的解釋變量，考慮車(chē)隊(duì)規(guī)模水平Zit和車(chē)輛利用率Sit這兩個(gè)可控指標(biāo)進(jìn)行分析。其中，Zit反映了企業(yè)在租車(chē)市場(chǎng)中的發(fā)展水平，Sit表示租賃車(chē)輛的利用程度。同時(shí)考慮通過(guò)時(shí)間反映技術(shù)的變化，則技術(shù)無(wú)效率uit可表達(dá)為：

式（6）中：uit為技術(shù)無(wú)效率；Zit為企業(yè)i在第t年的車(chē)隊(duì)規(guī)模水平；Zi為企業(yè)i的平均車(chē)隊(duì)規(guī)模水平；Sit為企業(yè)i在第t年的車(chē)輛利用率；Si為企業(yè)i的平均車(chē)輛利用率；δi為指標(biāo)系數(shù)；t為年份；wit為誤差項(xiàng)。

運(yùn)營(yíng)效率中的指標(biāo)參數(shù)通常采用“兩步法”進(jìn)行估計(jì)，但該方法沒(méi)有考慮指標(biāo)體系和外生因素之間的相關(guān)性，可能導(dǎo)致參數(shù)估計(jì)結(jié)果存在偏誤[20]。對(duì)此，有學(xué)者提出了“一步法”，即在估計(jì)參數(shù)β0,βn,βnj的同時(shí)，測(cè)算出效率的估計(jì)值。假設(shè)uit服從截?cái)嗾龖B(tài)分布，i和t之間相互獨(dú)立，εit=vit-uit。運(yùn)用似然函數(shù)估計(jì)參數(shù)值δ，其中εit的概率密度函數(shù)為：

3 實(shí)例分析

3.1 數(shù)據(jù)來(lái)源及模型估計(jì)

為了更客觀地反映我國(guó)汽車(chē)租賃企業(yè)的運(yùn)營(yíng)狀況，使選取的數(shù)據(jù)更具代表性，研究國(guó)內(nèi)4 家具有代表性的傳統(tǒng)汽車(chē)租賃企業(yè)，即神州、一嗨、首汽和至尊，5 家分時(shí)租賃企業(yè)，即杭州微公交、TOGO、Car2go、盼達(dá)、一度用車(chē)。分別選取傳統(tǒng)汽車(chē)租賃企業(yè)2012—2019 年的年度運(yùn)營(yíng)數(shù)據(jù)和分時(shí)租賃企業(yè)2015—2019 年的年度運(yùn)營(yíng)數(shù)據(jù)共57 個(gè)觀測(cè)樣本作為面板數(shù)據(jù)（數(shù)據(jù)來(lái)源為《中國(guó)交通運(yùn)輸統(tǒng)計(jì)年鑒》[21]和企業(yè)財(cái)務(wù)分析報(bào)告）。采用SPSS軟件對(duì)樣本數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，得到研究樣本的描述性統(tǒng)計(jì)量，如表2 所示。其中，Sit表現(xiàn)為負(fù)偏離，說(shuō)明整個(gè)樣本中汽車(chē)租賃企業(yè)的車(chē)輛利用率偏低。

表2 研究樣本描述性統(tǒng)計(jì)量

采用Frontier4.1 軟件對(duì)超越對(duì)數(shù)生產(chǎn)函數(shù)和技術(shù)低效函數(shù)進(jìn)行參數(shù)估計(jì)，結(jié)果如表3 所示。可見(jiàn)，大部分參數(shù)估計(jì)在5%的水平下都顯著，且模型中γ值均為0.99，接近1，表示生產(chǎn)中99%的波動(dòng)是因?yàn)榧夹g(shù)低效，僅有1%是由隨機(jī)誤差產(chǎn)生。由此可知，對(duì)于本樣本而言，帶技術(shù)效率項(xiàng)的隨機(jī)前沿生產(chǎn)函數(shù)是適用的。

表3 隨機(jī)前沿函數(shù)參數(shù)估計(jì)結(jié)果

為評(píng)估解釋變量與其他隨機(jī)效應(yīng)之間的關(guān)系，需定義一些技術(shù)低效影響的零假設(shè)，檢驗(yàn)結(jié)果如表4 所示。檢驗(yàn)1 表明，生產(chǎn)函數(shù)中要素的二次項(xiàng)是顯著的，傳統(tǒng)的道格拉斯生產(chǎn)函數(shù)被拒絕；檢驗(yàn)2,3 表明，車(chē)隊(duì)規(guī)模水平和車(chē)輛利用率對(duì)企業(yè)技術(shù)低效具有決定作用；檢驗(yàn)4 證實(shí)了生產(chǎn)技術(shù)效率具有時(shí)間效應(yīng)，表明技術(shù)效率存在動(dòng)態(tài)性。可見(jiàn)，本模型在5%水平上都不能被拒絕，具有一定的解釋力。

表4 假設(shè)檢驗(yàn)結(jié)果

3.2 影響因素分析

低效的解釋變量中，除交互項(xiàng)外的其他變量都對(duì)技術(shù)低效有顯著的影響，其中δ1,δ2在模型里均為負(fù)值且顯著，表明變量與技術(shù)效率之間存在正相關(guān)關(guān)系，即該類(lèi)變量對(duì)技術(shù)低效有負(fù)作用，企業(yè)可通過(guò)調(diào)整這些變量提高運(yùn)營(yíng)效率。另外，時(shí)間與其他變量的交互項(xiàng)系數(shù)是非零且顯著的，說(shuō)明技術(shù)變化是非中性的。其中，δ4,δ5均為正值，表明時(shí)間趨勢(shì)下，車(chē)隊(duì)規(guī)模水平、車(chē)輛利用率對(duì)運(yùn)營(yíng)效率的邊際效應(yīng)將下降。圖1 展示了企業(yè)車(chē)隊(duì)規(guī)模水平和車(chē)輛利用率對(duì)兩類(lèi)企業(yè)運(yùn)營(yíng)效率的具體影響。

圖1 無(wú)效率因素對(duì)兩類(lèi)企業(yè)運(yùn)營(yíng)效率的影響

從圖1可以看出，隨著車(chē)隊(duì)規(guī)模水平的提高，傳統(tǒng)租賃企業(yè)運(yùn)營(yíng)效率先上升后下降，表明租賃車(chē)隊(duì)規(guī)模的發(fā)展有利于產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)變，促進(jìn)市場(chǎng)適度競(jìng)爭(zhēng)，但同時(shí)會(huì)吸引更多投資，導(dǎo)致供需失衡，企業(yè)運(yùn)營(yíng)效率下降?？傮w來(lái)看，車(chē)隊(duì)規(guī)模水平對(duì)分時(shí)租賃企業(yè)的運(yùn)營(yíng)效率有促進(jìn)作用，車(chē)隊(duì)規(guī)模的擴(kuò)大有利于提高企業(yè)運(yùn)營(yíng)滲透率和吸引力。顯然，車(chē)輛利用率與運(yùn)營(yíng)效率成正相關(guān)，提高車(chē)輛利用率可以降低投入冗余。

3.3 運(yùn)營(yíng)效率評(píng)價(jià)

根據(jù)公式（5），計(jì)算得到不同時(shí)期各企業(yè)的運(yùn)營(yíng)效率，變化情況如圖2所示。圖2（a）顯示，2012—2019 年，4 家傳統(tǒng)企業(yè)的運(yùn)營(yíng)效率都呈現(xiàn)先增后減的變化特征，平均效率由2012 年的0.81上升至2014 年的0.89，再降低至2018 年的0.78。下降的原因可能是企業(yè)的生產(chǎn)擴(kuò)張程度超過(guò)了規(guī)模承受能力。例如神州租車(chē)，其車(chē)隊(duì)規(guī)模從2014的6.3 萬(wàn)輛增加到2018 年的13.5 萬(wàn)輛，而市場(chǎng)需求增長(zhǎng)緩慢，導(dǎo)致邊際成本增加。從縱向分析，神州租車(chē)和一嗨租車(chē)的運(yùn)營(yíng)效率相對(duì)較高，其平均運(yùn)營(yíng)效率保持在0.85～0.95 之間。圖2（b）顯示，各分時(shí)租賃企業(yè)的運(yùn)營(yíng)效率差距較小，且均呈上升趨勢(shì)。其中，杭州微公交、TOGO、盼達(dá)的運(yùn)營(yíng)效率相對(duì)較高，平均運(yùn)營(yíng)效率高于0.4，另外兩個(gè)企業(yè)平均運(yùn)營(yíng)效率偏低，均在0.3以下。

圖2 不同類(lèi)型汽車(chē)租賃企業(yè)的運(yùn)營(yíng)效率

總體而言，傳統(tǒng)租賃企業(yè)的運(yùn)營(yíng)效率主要分布在0.6～1.0之間，而分時(shí)租賃企業(yè)的運(yùn)營(yíng)效率主要分布在0.05～0.65之間，明顯低于傳統(tǒng)租賃企業(yè)的運(yùn)營(yíng)效率。這是因?yàn)榉謺r(shí)租賃企業(yè)起步晚，企業(yè)、車(chē)隊(duì)規(guī)模以及運(yùn)營(yíng)網(wǎng)點(diǎn)覆蓋率都遠(yuǎn)小于發(fā)展較成熟的傳統(tǒng)租賃企業(yè)。可見(jiàn)，需求空間大的市場(chǎng)環(huán)境下，企業(yè)規(guī)模越大，則投入產(chǎn)出越高。說(shuō)明探索汽車(chē)租賃企業(yè)的運(yùn)營(yíng)模式和投入成本，是提高運(yùn)營(yíng)效率的關(guān)鍵。

通過(guò)分離生產(chǎn)技術(shù)變化的作用，考慮企業(yè)所在城市的發(fā)展水平，分析不同企業(yè)規(guī)模水平、城市發(fā)展?fàn)顩r下的效率水平。根據(jù)汽車(chē)租賃企業(yè)在各城市的分布滲透率，選取北京、深圳、上海、杭州、重慶、寧波、武漢、天津、南京、?？诠?0 個(gè)城市進(jìn)行對(duì)比分析，按照城市人口數(shù)分類(lèi)為大城市（100～500萬(wàn)）和特大城市（＞500萬(wàn)）。此外，選擇企業(yè)的車(chē)隊(duì)規(guī)模市場(chǎng)占比來(lái)衡量企業(yè)規(guī)模水平，運(yùn)用聚類(lèi)分析將傳統(tǒng)汽車(chē)租賃企業(yè)規(guī)模水平分為大、中、小3 種類(lèi)型。不同分類(lèi)下的平均運(yùn)營(yíng)效率如表5所示。

表5 不同分類(lèi)下的平均運(yùn)營(yíng)效率

由表5 可得，按企業(yè)規(guī)模水平分類(lèi)時(shí)，傳統(tǒng)租賃中大型、中型、小型企業(yè)的平均運(yùn)營(yíng)效率分別為0.87、0.77 和0.72，大型企業(yè)明顯比中小型企業(yè)運(yùn)營(yíng)要高效。主要由于大型企業(yè)擁有較強(qiáng)的資源整合能力和較高的運(yùn)營(yíng)網(wǎng)點(diǎn)覆蓋率，規(guī)模經(jīng)濟(jì)效益顯著。但在時(shí)間趨勢(shì)下，三類(lèi)企業(yè)的運(yùn)營(yíng)效率差距在逐漸縮小，說(shuō)明企業(yè)規(guī)模對(duì)運(yùn)營(yíng)效率的邊際效益在下降。大部分分時(shí)租賃企業(yè)還處于探索階段，發(fā)展規(guī)模較小，運(yùn)營(yíng)模式大同小異，因此企業(yè)間運(yùn)營(yíng)效率差距不大。另外，分時(shí)租賃、車(chē)輛共享等新商業(yè)模式的出現(xiàn)，對(duì)傳統(tǒng)汽車(chē)租賃有一定的分流作用，使傳統(tǒng)企業(yè)受到影響。從城市發(fā)展的角度看，特大城市和大城市的汽車(chē)租賃平均運(yùn)營(yíng)效率分別為0.754 和0.584，兩者差距較大，這是由于特大城市的汽車(chē)租賃業(yè)發(fā)展較早，基礎(chǔ)設(shè)施投放較完善且租車(chē)需求量大。

4 結(jié)論及建議

本文綜合運(yùn)用隨機(jī)前沿分析和超越對(duì)數(shù)生產(chǎn)函數(shù)，研究了國(guó)內(nèi)9 家汽車(chē)租賃企業(yè)2012—2019年的運(yùn)營(yíng)效率，并對(duì)其波動(dòng)情況和影響因素進(jìn)行了分析評(píng)價(jià)。主要結(jié)論如下：

（1）車(chē)隊(duì)規(guī)模水平對(duì)提高汽車(chē)租賃企業(yè)的運(yùn)營(yíng)效率有正向激勵(lì)作用，但當(dāng)其超過(guò)某個(gè)臨界值后，邊際效益將遞減；

（2）租賃市場(chǎng)整體規(guī)模的發(fā)展會(huì)帶來(lái)產(chǎn)業(yè)結(jié)構(gòu)的轉(zhuǎn)變，促進(jìn)企業(yè)的發(fā)展，同時(shí)也會(huì)吸引更多投資，進(jìn)而造成過(guò)度投入、運(yùn)營(yíng)效率下降；

（3）汽車(chē)租賃業(yè)存在規(guī)模經(jīng)濟(jì)特性，大型汽車(chē)租賃企業(yè)的平均運(yùn)營(yíng)效率明顯高于中小型企業(yè)，城市人口越多越有利于企業(yè)的規(guī)模發(fā)展。因此，在動(dòng)態(tài)市場(chǎng)環(huán)境下，探索企業(yè)運(yùn)營(yíng)模式和發(fā)展規(guī)模，引入適度市場(chǎng)競(jìng)爭(zhēng)，是提高其運(yùn)營(yíng)效率的關(guān)鍵。

根據(jù)評(píng)價(jià)結(jié)果，對(duì)汽車(chē)租賃企業(yè)未來(lái)發(fā)展提出以下幾點(diǎn)建議：

（1）調(diào)整商業(yè)模式，與各方協(xié)同創(chuàng)新，由粗放型管理模式向信息化、智能化、集約化、精細(xì)化的運(yùn)營(yíng)模式轉(zhuǎn)變；

（2）加強(qiáng)屬地融合，重視開(kāi)放性強(qiáng)、城鎮(zhèn)化發(fā)展快的區(qū)域（如京津冀城市群、成渝雙城經(jīng)濟(jì)圈等），積極拓展中小城市，提高自身吸引力；

（3）加強(qiáng)行業(yè)合作，拓展除車(chē)輛租賃外的網(wǎng)點(diǎn)或平臺(tái)共享，通過(guò)企業(yè)兼并重組，增大市場(chǎng)集中度，實(shí)現(xiàn)規(guī)?；?jīng)營(yíng)。