區域交通資源配置效率綜合評估

鄭凌垚， 王海燕

(武漢理工大學交通與物流學院， 武漢 430063)

交通運輸是中國重點戰略產業，是國民經濟與社會發展的重要因素。交通資源是指從事交通運輸活動的條件和手段，包括固定交通資源和可移動交通資源這兩類硬資源，以及由運輸系統中的人力、信息、組織與管理制度等構成的軟資源[1]。交通資源配置所研究的問題是人、財和物這3種資源及其總和在不同運輸方式之間，以及在不同地區運輸系統間的配置情況與傾斜配置[2]。其最終目的就是以最少的投入得到最優的結果，達到各個地區之間協調高效發展。若交通資源投入過多，會造成資源浪費；投入過少則不利于行業發展。因此，研究影響區域交通資源配置效率的因素，評估和提升區域交通資源配置效率，充分發揮交通資源配置對區域經濟的促進作用具有重要意義。

近年來，學者在科技、衛生、經濟等多鄰域探討了配置效率問題。文軍等[3]運用數據包絡法中以規模不變為前提的模型DEA-CCR(data envelopment analysis-Charnes & Cooper & Rhodes)研究了江蘇機場應急資源配置效率；舒天楚等[4]建立DEA-Malmquist指數模型，從時空序列角度出發評估科技資源配置效率。Zhang 等[5]認為單階DEA模型忽略了不同過程之間的關系，并建立二階DEA模型，對工業污染治理資源配置效率進行評估。然而，二階DEA模型仍存在不能使外部環境和隨機誤差同質化等問題。劉俊華等[6]利用隨機前沿分析法(stochastic frontier approach,SFA)通過成本效率和技術效率測度乳品上市公司的配置效率，彌補了傳統DEA不能測算隨機誤差的不足；Lu等[7]融合了以SFA模型剝離出影響投入變量的環境因素，建立了三階DEA-Malmquist指數模型，對中國省級水資源全要素生產率及其分解指數進行測度和分析。程國慶等[8]認為傳統三階DEA無法對有效單元進行排序，提出三階DEA交叉效率模型對企業效率進行評估； Chen等[9]引入超效率思想，建立了基于合作博弈的三階超效率DEA模型對綠色創新效率進行評估，實現效率完全排序。但上述模型所得出的效率值為相對效率值并不代表絕對效率[10]，具有一定的內在依賴性，無法確定所得的效率值是否可用于統計效率的有效性與一致性。

綜上，研究考慮交通資源配置復雜性、多投入多產出、易受外部環境影響等特點，利用三階DEA模型剔除評估過程中環境誤差，引入Bootstrap法克服DEA模型有效性值內在依賴性，以此構建基于三階DEA-Bootstrap的區域交通資源配置效率評估模型，并以長江經濟帶各區域為例進行實證研究。為提高區域交通資源配置效率，促進區域經濟發展提供理論基礎。

1 區域交通資源配置效率模型構建

1.1 第一階段：交通資源配置效率初步測算

DEA基礎模型為 CCR 和BCC (Banker & Charnes & Cooper ) 模型。其中，CCR模型以規模不變為前提，BCC模型以規模可變為前提。考慮區域交通資源投入存在一定可控性，且難處于最優生產規模狀態。故選用以投入導向的規模收益可變模型，即BBC-I模型對區域交通資源配置效率進行初步評估。BCC-I線性規劃模型為

(1)

式(1)中：n表示決策單元個數；xij表示第i個決策單元投入了j種要素，產出了yrj個要素。λ和θ代表決策變量，θ為決策單元綜合效率值，若θ=1，則表明各決策單元處于效率前沿面；若θ<1，則處于無效狀態。

1.2 第二階段：SFA回歸模型分析

第二階段旨在利用SFA回歸模型剔除第一階段在對區域交通資源配置效率評價時受到的外部干擾、隨機因素等影響，以獲得更準確的效率評價值。SFA回歸步驟如下。

通過將第一階段測算得到的各投入指標松弛變量作為被解釋變量，將各個環境變量作為解釋變量，構造 SFA 模型，即

(2)

將vij從vij+uij中剝離得出vij的估計值，即

(3)

式(3)中：λn=σu/σv；f(uij+vij)和F(uij+vij)是符合標準正態分布的密度函數和分布函數。由 SFA回歸模型得出σ2、γ，通過

可得σ2與γ，當γ→1時則管理無效占主導，當γ→0時則管理無效可忽略。

依據SFA回歸結果，基于DEA有效年份的區域交通資源配置效率，對各年份的原始投入進行誤差糾正，計量方程為

(4)

1.3 第三階段：調整后的交通資源配置效率

該階段的輸出消除了操作環境和統計噪聲影響，相比初始效率值更具說服力[11]。

1.4 第四階段：Bootstrapped-DEA

Bootstrapped-DEA法步驟如下。

②隨機生成獨立的標準正態集合εi={ε1，ε2，…,εk}。

(5)

(6)

式(6)中：

(7)

(8)

2 區域交通資源配置效率評價指標體系

本文中的交通資源范圍為資金、人才、設施設備資源，參考文獻[13-15]，建立區域交通資源配置效率指標見表1。

表1 區域交通資源配置效率評價指標

多數研究采用線網長度、線網密度指標來衡量線網規模，然而這些指標僅是對線網形態結構形態幾何特征的某一個側面進行描述，為使線網描述更加全面，研究引入分形理論計算區域交通線網規模，具體算步驟如下。

(1)運用ArcGIS對區域交通線網裁剪并矢量化，得到區域交通線網圖形數據。

(2)以特征尺寸ri將區域交通線網矢量化圖層柵格轉換，得到柵格數目N(ri)。

(3)計算分形維數，公式為

D=lnN(r)/ln(1/r)

(9)

(4)得到交通線網規模為TD，T表示綜合里程。

3 實證研究

研究基于三階DEA-Bootstrap模型，采用DEAP2.0軟件以2018年長江經濟帶區域為實例進行交通資源配置效率研究。

3.1 長江經濟帶交通資源配置效率指標數據

除線網規模外，研究所涉及的樣本數據均可在各省市統計年鑒及統計局官網獲得。

此處以湖北省為例闡述區域交通線網規模數據的獲取步驟，利用ARCGIS將湖北省交通線網矢量圖層柵格化，特征尺寸ri分別選擇2、10、18、26、34、42 km，按各長度柵格化如圖1所示。相應的柵格數目N(ri)分別為2 761、476、238、164、116、84。依據式(9)，得到湖北省交通線網分形維數D=1.132 1，湖北省交通線網規模TD=1 001 836.09。同理可得長江經濟帶其他省市交通線網規模。

圖1 湖北省交通線網矢量化圖層柵格轉換結果

3.2 基于三階DEA的長江經濟帶交通資源配置效率評價

3.2.1 第一階段交通資源配置效率評價分析

研究以Deap2.1軟件計算2018年長江經濟帶9省2市交通資源配置效率，結果如表2所示。從技術效率看，上海、江蘇、江西、湖北、湖南處于技術效率前沿面；從純技術效率看，僅重慶、四川、貴州、云南4個省市處于非有效狀態，且除這幾個省市外，其他地區純技術效率均高于平均值；規模效率中有浙江、安徽、重慶、四川、貴州、云南6個省市未達到最佳生產規模的前沿面。

表2 第一階段長江經濟帶交通資源配置效率

3.2.2 第二階段交通資源配置效率分析

利用Frontier 4.1軟件進行SFA回歸計算，結果見表3。研究選取的4個環境變量對投入變量的影響均通過顯著性檢驗，表明外部環境因素對4類投入變量有顯著影響。4個模型的Gamma值均趨近1，且均達到1%的顯著水平，表明管理因素對投入冗余占主導，進行SFA回歸尤為必要。

表3 投入松弛變量的SFA回歸結果

(1)區域國內生產總值(gross domestic product, GDP)。該變量與交通運輸從業人員、固定資產投入變量呈負相關，均通過1%顯著性檢驗，即區域GDP值增加時，對應投入冗余將減少，有利于區域交通資源配置效率提升。與線網規模投入、移動設備變量呈顯著正相關，可知區域GDP值越高，對應線網投入與移動設備投入冗余越多。

(2)常住人口數。該指標對交通運輸從業人員、交通運輸固定資產、線網規模、移動設備投入變量均呈正相關，且分別在1%、10%、5%、1%的顯著水平下顯著。表明雖常住人口數不斷增加，但區域交通資源的4種投入冗余反而加大，造成了不同程度資源浪費，降低了區域交通資源配置效率。

(3)人均消費水平。該指標與交通運輸從業人員投入變量呈負相關，且在5%的顯著水平下顯著，即人均消費水平增加時，對應投入冗余將減少，有利于區域交通資源配置效率提升。與交通運輸固定資產、線網規模、移動設備投入指標呈正相關且與移動設備投入指標影響最顯著。

(4)第三產業占比。該指標對交通運輸從業人員、交通運輸固定資產、線網規模、移動設備投入變量均呈正相關，且均在1%的顯著水平下顯著。可見第三產業占比的增加，使得區域交通資源的投入冗余加大。

3.3 第三階段交通資源配置效率分析

經SFA 調整后，基于 Deap 2.1重新計算各省市交通資源配置效率，結果見表4。

表4 SFA修正后長江經濟帶交通資源配置效率

(1)總體分析。長江經濟帶各省市對環境因素調整后，技術效率平均值由0.801下降到0.772，純技術效率均值由0.944上升到0.971，規模效率的平均值由0.839下降到0.790。在剔除環境因素影響后，配置效率測算結果在總體上有所下降。

(2)各省市分析。在區域交通資源配置效率前沿面上的省市數量去除環境因素干擾后，保持有4個，包括上海、江蘇、湖北、湖南，說明以上地區交通資源配置策略較合理。江西省在去除環境影響外退出了綜合技術效率前沿面，說明該區域受環境因素影響較大且主要源于規模效率的下降，體現在前期依靠經濟發展帶動了綜合交通資源配置水平，但具體交通資源配置效率策略仍有待提升。貴州、云南省雖未在調整后進效率前沿面，但綜合效率結果有所提升。

3.4 Bootstrapped修正的交通資源配置效率

Bootstrapped修正是對SFA回歸模型的二次優化，主要剔除隨機誤差的影響。為了使結果更準確， 迭代此時設置B= 200，置信區間選為 95% 。

由表5可知，對三階DEA 效率值進行偏誤修正后，長江經濟帶各省市交通資源配置效率均有所降低。整體上Bootstrapped修正所得結果均在置信區間邊界內，說明傳統三階DEA 效率估計存在偏差。因此，在排除隨機干擾和環境變量影響后，運用Bootstrap法修正得到的效率值可信度更高。

表5 Bootstrapped修正后長江經濟帶區域交通資源配置效率值估算情況

由圖2可知，長江經濟帶11省市依據交通資源配置情況大體可分為四類地區，其中重慶、云南交

圖2 長江經濟帶區域交通資源配置效率分布圖

通資源配置低效區域； 上海、江蘇、湖北、湖南為交通資源配置高效地區； 浙江、安徽、江西為交通資源配置較高效區域；四川、貴州為交通資源配置較低效區域。

3.5 政策建議

(1)合理利用外部環境對交通資源配置效率的影響。研究表明外部環境對長江經濟帶交通資源配置效率所發揮的作用不容忽視。提高長江經濟帶交通資源配置效率不應只關注投入、輸出本身，還應重視區域GDP、常住人口數、人均消費水平、第三產業占比等外部影響因素，盡可能地發揮外部影響因素的積極作用。

(2)增加交通運輸業產業優勢，促進提升區域交通資源配置規模效率。研究可知長江經濟帶部分區域交通資源配置效率不高主要源于規模效率較低，去除環境因素影響，應更關注交通運輸產業結構本身，優化產業結構、提升交通運輸業產業優勢。

(3)分區域、有重點地進行交通資源配置效率管理。經研究長江經濟帶各省市交通資源配置效率存在差異明顯，分為交通資源配置低效區域 (<0.3)、較低效區域(0.3～0.5)、較高效區域(0.3～0.8)、高效區域(>0.8)。因此，有必要調整交通資源投入的區域結構，不搞平均主義和廣撒網，而是有重點地在對處于不同交通資源配置效率狀態的區域采取不同的政策措施。以“一帶一路”“長江經濟帶”為支撐，加強長江經濟帶各省市交通運輸資金、勞動力、設備等要素跨區域流動，形成多中心、網絡化的區域協同發展格局。

4 結論

根據區域交通資源配置特點，建立了三階DEA-Bootstrap模型對區域交通資源配置效率進行評估，得出以下結論。

(1)研究的特色主要體現在三點：一利用SFA模型剔除評估過程中的環境誤差；二是采用Bootstrap方法克服DEA模型有效性值的內在依賴性；三是引入分形理論計算區域交通線網規模，使線網描述更加全面。

(2)長江經濟帶交通資源配置效率可通過提高管理效率提升交通資源配置效率0.16； 隔絕外部環境干擾可提升技術效率0.079，規模效率 0.049。基于目前的長江經濟帶交通資源配置水平，大部分省市區處于規模遞增狀態，即由于投入比例不當、冗余資源較多形成交通資源配置效率低效或無效。

(3)研究在進行區域交通資源配置效率分析時對不同類型交通線網差異性影響未做考慮，有待進一步完善。