基于DEA-Malmquist模型的我國道路貨運行業(yè)效率分析

周廣瀾, 莫玲潔

基于DEA-Malmquist模型的我國道路貨運行業(yè)效率分析

周廣瀾1,3, 莫玲潔2

（1.浙江工商大學 現(xiàn)代商貿研究中心, 浙江 杭州 310018; 2.浙江工商大學 管理工程與電子商務學院, 浙江 杭州 310018;3.浙江工商大學 稻盛和夫商道研究中心, 浙江 杭州 310018）

“十四五”期間國家提出要著重提升發(fā)展質量效益, 道路貨運行業(yè)應基本實現(xiàn)高質量發(fā)展. 基于我國31個省(市、自治區(qū))道路貨運行業(yè)2015—2019年的面板數(shù)據(jù), 利用傳統(tǒng)的DEA模型與Malmquist指數(shù)法對道路貨運業(yè)的投入產(chǎn)出效率進行分析. 通過建立評價模型進行橫縱向比較, 發(fā)現(xiàn)我國不同區(qū)域道路貨運發(fā)展較不平衡, 東部地區(qū)綜合效率與增速均較高, 中部地區(qū)綜合效率高但增速慢, 西部地區(qū)綜合效率與增速均較低; 從整體來看, 規(guī)模效率是影響中國道路貨運行業(yè)高質量發(fā)展的要因. 基于此, 提出道路貨運行業(yè)需合理擴建市場規(guī)模, 實施差異化政策與加強區(qū)域協(xié)作等建議.

道路貨運; 行業(yè)效率分析; DEA-Malmquist; 全要素生產(chǎn)率; 省域差異

隨著國內國際雙循環(huán)新發(fā)展格局的加快構建, “一帶一路”建設價值進一步提升, 帶動物流行業(yè)實現(xiàn)更加強勁可持續(xù)的發(fā)展. 道路貨運行業(yè)作為物流行業(yè)中的基礎產(chǎn)業(yè), 對經(jīng)濟發(fā)展具有重要的支撐作用. 促進道路貨運行業(yè)的高質量發(fā)展, 關鍵在于提高市場的運行效率. 目前, 物流效率的實證分析已取得較多的研究成果, 但關于道路貨物運輸行業(yè)效率研究的權威性文獻較少, 亟需進行相關研究.

在此背景下, 本文結合我國大陸31個省市區(qū)2015—2019年的相關數(shù)據(jù), 重點研究各個城市之間的道路貨運指標數(shù)據(jù)并構建評價體系, 從橫向與縱向兩個維度對我國道路貨運行業(yè)的發(fā)展情況進行分析, 為該行業(yè)提出相關措施建議.

1 研究方法和指標體系構建

1.1 研究方法

1.1.1數(shù)據(jù)包絡方法

數(shù)據(jù)包絡方法(Data Envelopment Analysis, DEA)是測算物流效率最常見的方法之一, 屬于非參數(shù)分析方法. 它是指通過對多個投入產(chǎn)出指標進行分析, 利用線性規(guī)劃的方法比較每個決策單元之間的相對效率, 最終進行相對有效性評價. 目前該方法已經(jīng)廣泛應用于不同的行業(yè)及部門, 目的在于使服務單位的效率最大化[9].

基于規(guī)模報酬是否可變, DEA模型可以被劃分為BCC和CCR兩種模型, 這是DEA模型中最基本且最具代表性的兩類模型, 其中前者以規(guī)模效益不變?yōu)榍疤? 衡量其綜合效率, 后者以規(guī)模效益可變?yōu)榍疤? 衡量其純技術效率. 本文選擇以投入為導向的CCR和BCC模型對全國道路貨運行業(yè)運行效率進行分析.

1.1.2 Malmquist指數(shù)

Malmquist指數(shù)最早由瑞典經(jīng)濟學家和統(tǒng)計學家Malmqusit于1953年提出[10]. 該方法起初應用于生產(chǎn)效率變化的測算, 但后期相關的實證研究幾乎銷聲匿跡, 直到RolfF?re等將這一非參數(shù)線性規(guī)劃模型與數(shù)據(jù)包絡分析法理論相結合, 才使得Malmquist指數(shù)在金融、工業(yè)、醫(yī)療等領域被廣泛應用.

1.2 評價指標體系構建

1.2.1評價指標體系的初步構建

本文基于中國公路貨運效率指數(shù)構建評價指標體系, 鑒于其概念較為寬泛, 因此結合行業(yè)效率相關文獻, 在該指數(shù)的基礎上對指標體系進行改進. 商傳磊等[11]以固定資產(chǎn)投資作為資本投入, 以行業(yè)就業(yè)人數(shù)作為勞動投入, 以能源消耗總量作為能源投入, 對中國物流業(yè)全要素能源的效率進行評價. 田剛等[12]以資本存量和就業(yè)人數(shù)作為投入指標, 以貨運周轉量作為產(chǎn)出指標. 張璐璐等[13]在計算公路交通運輸效率時, 選取了公路里程、運輸車輛數(shù)、從業(yè)人員數(shù)、客運量、貨運量、客運周轉量和貨運周轉量等指標建立評價指標體系. 而吳群琪等[14]也將從業(yè)人員數(shù)、營業(yè)里程、車輛數(shù)、投資額、運量、周轉量、行業(yè)增加值和R&D經(jīng)費作為評價行業(yè)效率的基本指標. Yan等[15]將行業(yè)增加值、就業(yè)人數(shù)和固定資產(chǎn)投資作為投入指標. 本文參考大多數(shù)文獻的方法, 用“交通運輸、倉儲、郵政業(yè)固定資產(chǎn)投資”指標與“交通運輸、倉儲、郵政業(yè)增加值”指標反映我國道路貨運行業(yè)的相關情況. 如圖1和圖2所示, 2015—2019年中國公路貨運量占總貨運量的比例一直保持在72%以上, 兩者增長趨勢一致, 道路運輸行業(yè)的固定資產(chǎn)投資在交通運輸、郵政、倉儲業(yè)固定資產(chǎn)投資中占據(jù)的份額最大, 且比例正不斷提升. 由此可見, 公路運輸是交通運輸業(yè)的重要支柱, 總體數(shù)據(jù)的增長趨勢與道路貨運業(yè)數(shù)據(jù)的增長趨勢有強相關性, 用這些總體指標代表道路貨運業(yè)有一定合理性.

本文將道路貨運行業(yè)運行效率主要評價指標分為3大類: 行業(yè)規(guī)模產(chǎn)出指標、行業(yè)經(jīng)濟指標和道路貨運環(huán)境指標, 見表1.

圖1 2015—2019年中國貨運量分配

圖2 2015—2019年中國交通運輸、郵政、倉儲業(yè)固定資產(chǎn)投資分配

表1 道路貨運行業(yè)運行效率評價指標體系的初步構建

1.2.2評價指標體系的敏感性分析

在不影響道路貨運運行效率評價指標體系基本結構的情況下, 本文運用德爾菲法(Delphi Method)對指標進行敏感性分析, 將不同專家意見匯總成專家基本一致的看法, 作為預測的結果, 以期獲得較為可靠、具有廣泛代表性的評價指標[16].

設道路貨運行業(yè)評價指標體系中某層次有個(=9)評價指標, 聘請位(=9)專家進行評議, 專家組所在領域涵蓋運輸統(tǒng)計與分析、運輸經(jīng)濟與管理、交通運輸規(guī)劃與管理等專業(yè)領域.

通過上述計算, 對道路貨運效率的評價指標進行敏感性分析, 找出評價指標中對目標函數(shù)影響程度較大的指標, 評價指標對道路貨運行業(yè)效率的敏感性分布如圖3所示.

圖3 評價指標的敏感性分析

1.2.3評價指標的篩選

利用評價指標的敏感性分析圖, 選取M大于4.0的指標作為本文的評價指標, 并最終構建道路貨運行業(yè)運行效率的評價指標體系, 具體見表2.

表2 道路貨運業(yè)運行效率指標

1.3 數(shù)據(jù)來源

本文數(shù)據(jù)主要來源于《中國統(tǒng)計年鑒》以及國家統(tǒng)計局網(wǎng)站. 鑒于數(shù)據(jù)不易獲取, 研究對象未包括港澳臺地區(qū). 將2015—2019年全國31個省市區(qū)的面板數(shù)據(jù)作為觀測樣本, 并借助DEA-SOLVER和DEAP2.1軟件進行測算, 研究該時期各區(qū)域道路貨運行業(yè)全要素生產(chǎn)率的變化特點.

由表3可知, 所有的道路貨運行業(yè)投入和產(chǎn)出指標數(shù)據(jù)均呈顯著正相關(<0.01)且相關系數(shù)總體較大. 各省單個指標的標準差和極差都很大, 差異性較大, 見表4. 2015—2019年, 道路貨運行業(yè)固定資產(chǎn)投資額最高的四川為5605.4億元, 最低的寧夏僅為168.3億元, 二者相差約33倍; 公路載貨車輛最多的河北為144萬輛, 最少的海南為2.7萬輛; 四川的公路運輸總里程是上海的26倍; 廣東的行業(yè)就業(yè)人數(shù)是西藏的76倍; 公路運輸貨運量最多的山東為312807萬t, 最少的西藏為1906萬t, 相差163倍之多; 河北的公路運輸貨物周轉量是海南的209倍之多. 由此可見, 各省份道路貨運業(yè)的投入和產(chǎn)出情況存在巨大差異. 因此, 利用該樣本數(shù)據(jù)進行效率測度分析有效.

表3 Pearson相關性分析結果

注:**表示<0.01.

表4 描述性分析

2 實證分析

2.1 DEA模型的靜態(tài)分析

2.1.1總體效率分析

由表5可知, 從全國層面來看, 該時間段內道路貨運市場運行效率整體一般, 呈逐步上升的趨勢. 計算可得, 5年間道路貨運行業(yè)相關數(shù)據(jù)的平均綜合效率為0.686, 未實現(xiàn)DEA有效, 全過程中綜合效率、純技術效率以及規(guī)模效率值變化趨勢一致, 數(shù)值未出現(xiàn)大規(guī)模變動, 至2019年, 綜合效率上升至0.738, 純技術效率上升至0.827, 規(guī)模效率上升至0.889.

表5 2015—2019年全國道路貨運市場相關效率

2.1.2區(qū)域效率分析

從傳統(tǒng)DEA模型的測算結果來看, 全國各地的綜合技術效率空間分布存在明顯的區(qū)域分布差異, 結合中國四大經(jīng)濟區(qū)域, 道路貨運市場的綜合運行效率排列為: 中部>東部>西部>東北部, 見表6. 數(shù)據(jù)顯示, 各區(qū)域的規(guī)模效率普遍較高, 而在純技術效率上相對欠缺. 西部和東北部地區(qū)的綜合效率、純技術效率、規(guī)模效率總體偏低, 其中較低的純技術效率導致東北部地區(qū)綜合效率在四個區(qū)域中處于落后地位. 近年來振興東北老工業(yè)基地的戰(zhàn)略為東北地區(qū)的物流行業(yè)帶來巨大的發(fā)展空間, 同時國內外的物流企業(yè)、物流項目的不斷增加, 為東北地區(qū)的道路貨運行業(yè)帶來發(fā)展契機, 東北地區(qū)的規(guī)模效率接近有效, 道路貨運配置能力較高, 而純技術效率僅為0.600, 需著重技術的發(fā)展.

從純技術效率與規(guī)模效率角度來觀察全國各個區(qū)域的道路貨運行業(yè)發(fā)展情況: 純技術效率與規(guī)模效率兩者均高于0.9的省市區(qū)有天津、河北、廣東、安徽、江西、湖南、寧夏、遼寧; 純技術效率大于0.9而規(guī)模效率未達標的省市區(qū)有上海、山東、海南、西藏, 規(guī)模效率大于0.9而純技術效率未達標的省市區(qū)有江蘇、浙江、福建、山西、河南、湖北、內蒙古、廣西、重慶、四川、貴州、陜西、甘肅、新疆、黑龍江, 純技術效率與規(guī)模效率均未達到0.9的省市為北京、云南、青海和吉林. 青海省在純技術效率與規(guī)模效率上均處于落后水平, 其在提升物流技術水平的同時, 也應當注重優(yōu)化市場規(guī)模.

表6 2015—2019年區(qū)域道路貨運市場相關效率

2.2 Malmquist指數(shù)的動態(tài)分析

2.2.1總體效率分析

從全國道路貨運行業(yè)水平來看, 2015—2019年道路貨運行業(yè)的Malmquist指數(shù)均值達到1.045, 年均增長4.5%, 見表7. 考察期間, 國內道路貨運行業(yè)技術效率的年均增長率為0.6%, 純技術效率的年均增長率為0.7%, 規(guī)模效率的年均增長率為負值, 數(shù)值為-0.2%, 技術進步的年均增長率為4.0%. 由此可見, 技術進步指標對道路貨運市場的全要素生產(chǎn)率增長貢獻較大, 是其增加4.5%的關鍵因素所在, 而技術效率的驅動效用次之. 同時, 技術效率增長緩慢主要由規(guī)模效率引起, 應側重于擴大道路貨物運輸市場的建設, 增加更多專業(yè)化的貨運物流企業(yè).

表7 2015—2019年全國道路貨運市場Malmquist指數(shù)及分解狀況

圖4所示為5年間道路貨運行業(yè)Malmquist指數(shù)分解指標變化情況. 從時間趨勢上來看, 2015— 2019年全要素生產(chǎn)率指標先增后降, 與技術進步指標的曲線變化趨勢及波動方向基本一致, 這也印證了技術進步對中國道路貨運行業(yè)的高質量發(fā)展起到了重要的推動作用. 從各時間段的變化來看, 雖然全要素生產(chǎn)率在不同年份呈現(xiàn)上下波動狀態(tài), 但數(shù)值保持在1.00以上, 僅在2018—2019年增速放緩, 可能是業(yè)務量增速放緩、價格走低擠壓的原因導致企業(yè)生存壓力持續(xù)放大, 從而使一批競爭力不足的企業(yè)退出市場.

圖4 2015—2019年道路貨運市場Malmquist指數(shù)分解指標變化趨勢

2.2.2區(qū)域效率差異對比

2015—2019年中國道路貨運行業(yè)四大區(qū)域的年均Malmquist指數(shù)均大于1, 四大區(qū)域綜合排名為東部>東北部>中部>西部, 見表8.

表8 2015—2019年區(qū)域道路貨運市場Malmquist指數(shù)及分解狀況

排在首位的東部地區(qū)經(jīng)濟發(fā)達, 綜合物流能力強, 依托港口經(jīng)濟, 道路貨運蓬勃發(fā)展, 加上東部地區(qū)建設成本低, 基礎設施建設較為強勁, 因此全要素生產(chǎn)率年均增長最高. 技術進步指標拉動東北區(qū)域全要素生產(chǎn)率的增加, 加之創(chuàng)新能力的優(yōu)化以及哈大高速鐵路的運營, 也給東北地區(qū)的道路貨運行業(yè)帶來更多的發(fā)展契機, 使得東北地區(qū)的道路貨運市場運行效率位于各區(qū)域第二. 但同時, 技術效率變化指數(shù)下的規(guī)模效率變化指數(shù)小于1, 說明可以向擴大行業(yè)規(guī)模、加強基礎建設方向進步. 中部地區(qū)與西部地區(qū)的技術效率變化指標、技術進步指標以及純技術效率變化指標都大于1, 主要由技術進步指標牽引全要素生產(chǎn)率的提升, 但是同樣在規(guī)模效率變化指標方面較弱, 伴隨著“中部崛起”和“西部大開發(fā)”戰(zhàn)略的推動, 中部地區(qū)和西部地區(qū)的貨運發(fā)展還存在很大的提升空間.

參照表8, 全國絕大部分省份的Malmquist指數(shù)均值都大于1, 隨著時間的推移, 絕大部分地區(qū)的道路貨運發(fā)展效率都得到了有效的改善和提高, 全要素生產(chǎn)率呈上升趨勢. 其中, 北京、上海、遼寧、浙江的增長率較高, 帶動了東部和東北部地區(qū)其他省份的道路貨物運輸發(fā)展. 北京全要素生產(chǎn)率的年增長率為25.6%, 在所有省市區(qū)中增長最為明顯, 技術進步指標在其中起到了極為重要的作用. 安徽、廣西、重慶、西藏、甘肅、青海、寧夏7省市區(qū)的TFP值小于1, 以上區(qū)域皆位于中西部地區(qū), 且大部分區(qū)域全要素生產(chǎn)率較低的原因在于較低的技術進步指標. 引起青海道路貨運市場發(fā)展效率下降的因素是技術效率變化指數(shù), 進一步分解后發(fā)現(xiàn), 主要原因在于87.4%的規(guī)模效率變化指數(shù), 放眼其他各省, 不難發(fā)現(xiàn)這也與東部和東北部地區(qū)的情況一致. 因此, 針對中國東部和東北部地區(qū), 今后要擴大市場的建設, 加強基礎建設促進高質量發(fā)展, 從而改善自身不足; 針對中西部地區(qū), 則要致力于提升技術水平, 加強技術創(chuàng)新. 觀察各省市區(qū)技術效率變化指數(shù)和技術進步指數(shù)的空間分布(圖5), 不難發(fā)現(xiàn), 技術進步效率低于1的省市區(qū)皆為中西部地區(qū), 其應加快技術創(chuàng)新, 借鑒北京、上海、遼寧等省市的道路貨運行業(yè)發(fā)展的相關經(jīng)驗, 提高管理水平; 而技術效率變化指數(shù)低于1的則分布在東部地區(qū)和西部地區(qū), 應當借鑒北京、陜西、吉林等地的發(fā)展經(jīng)驗, 合理擴建基礎設施.

圖5 各區(qū)域技術效率變化指數(shù)和技術進步指數(shù)空間分布

2.3 對策建議

為進一步優(yōu)化道路貨運資源配置, 提高行業(yè)運行效率, 基于模型構建結果, 本研究提出以下對策建議:

(1)合理擴建市場規(guī)模. 一方面, 合理增加固定資產(chǎn)的投資建設. 固定資產(chǎn)的投資工作作為促進經(jīng)濟繁榮的有力工具, 對國家成功實現(xiàn)年度增長目標、增強城市輻射力與競爭力至關重要. 對于各區(qū)域的道路貨運市場, 特別是規(guī)模效率較低的西部和東北部地區(qū)應適當擴大道路貨運規(guī)模.另一方面, 加強網(wǎng)上貨運市場的建設. 通過加大對現(xiàn)代技術應用的扶持力度, 促進網(wǎng)絡貨運發(fā)展, 加快推進現(xiàn)代先進貨運技術或者貨運方式應用, 提高投入產(chǎn)出效率.

(2)各區(qū)域道路貨運行業(yè)實施差異化政策. 東北地區(qū)應著重提高純技術效率, 加快行業(yè)轉型升級, 有效提高企業(yè)的運輸能力、產(chǎn)業(yè)能力和管理能力, 提高資產(chǎn)的利用率和周轉速度, 使企業(yè)高速運轉. 針對中國東部和東北部地區(qū), 應進一步擴大人才引進規(guī)模, 吸引更多高水平企業(yè)和優(yōu)秀人才加盟, 同時擴大基礎設施設備的建設, 為行業(yè)的有效運行提供更好的支撐作用; 針對技術進步指數(shù)較低的中西部地區(qū), 特別是青海、重慶等地, 則要致力于提升技術水平, 加強技術創(chuàng)新.

(3)加強區(qū)域協(xié)作. 當前區(qū)域經(jīng)濟一體化已成為經(jīng)濟發(fā)展的主流趨勢, 區(qū)域物流作為區(qū)域經(jīng)濟的重要組成部分, 對其發(fā)展具有重要的推動作用. 加強區(qū)域合作, 有利于整合有限資源, 提高資源利用效率. 健全區(qū)域合作與協(xié)調機制, 大力推進“一帶一路”建設, 推動京津冀協(xié)同發(fā)展、長江經(jīng)濟帶發(fā)展、粵港澳大灣區(qū)建設等重大戰(zhàn)略的實施, 鼓勵貨運企業(yè)跨地區(qū)、跨部門資源整合, 鼓勵對東北部、西部地區(qū)等發(fā)展較差的區(qū)域加強資源補給.

3 結論

本文綜合運用DEA模型與Malmquist指數(shù)對2015—2019年全國31個省市區(qū)的道路貨運市場發(fā)展情況開展了實證研究, 提出了相應的對策, 最終得出如下結論:

(1)靜態(tài)角度, 中國道路貨運市場運行效率目前呈現(xiàn)穩(wěn)定上升的趨勢, 平均綜合技術效率為0.686. 從時間趨勢上來看, 2015—2019年行業(yè)效率總體運行平穩(wěn), 2016—2018年效率增速加快; 從空間角度來看, 各省的綜合效率均值空間分布存在明顯的區(qū)域差異, 發(fā)展效率為中部>東部>西部>東北部. 對綜合技術效率進行分解, 發(fā)現(xiàn)純技術效率是導致綜合效率較低的關鍵因素.

(2)動態(tài)角度, 從全國整體來看, 2015—2019年中國道路貨物運輸行業(yè)的Malmquist指數(shù)均值為1.045, 全要素生產(chǎn)率總體呈上升趨勢, 推動全要素生產(chǎn)率增長的首要因素是技術進步; 從區(qū)域角度看, 全要素生產(chǎn)率增長速度表現(xiàn)出東快、中次、西慢的格局, 即東部地區(qū)綜合效率與增速都處于較高水平, 中部地區(qū)綜合效率高但增速慢, 西部地區(qū)綜合效率與增速處于較低水平. 綜上, TFP排名為東部>東北部>中部>西部.

(3)北京、山西、河南、四川、貴州、云南、陜西、吉林、黑龍江等9省市的道路貨運效率增速屬于“雙高型”, 行業(yè)發(fā)展較快; 江蘇、山東、重慶、西藏、青海等5省市區(qū)技術效率增速為負, 需要適度調整物流規(guī)模, 合理配置物流投入資源; 安徽、廣西、西藏、甘肅、寧夏這5省區(qū)的技術進步指數(shù)增速為負, 需要著重提高技術水平. 同時可以看出, 中國東部和東北部地區(qū)應提升規(guī)模效率, 中西部地區(qū)要著力提升技術水平.

(4)技術進步是推動我國道路貨運行業(yè)快速發(fā)展的關鍵因素, 規(guī)模效率較低是制約我國道路貨運行業(yè)高質量發(fā)展的一個要因, 說明我國道路貨物運輸行業(yè)的主要前進方向是加大規(guī)模擴建的力度, 奮力實現(xiàn)最優(yōu)規(guī)模報酬. 針對不同區(qū)域道路貨運發(fā)展特征, 應實施差異化政策, 東部和東北部地區(qū)擴大規(guī)模建設, 中西部地區(qū)則致力于提升技術水平. 同時, 通過加強區(qū)域協(xié)作推動道路貨運行業(yè)的發(fā)展.

[1] 賀登才. 公路貨運: 行業(yè)發(fā)展特點、面臨問題及未來機遇[J]. 中國物流與采購, 2020(1):25-26.

[2] 汪鳴. 貨運企業(yè)戰(zhàn)略的路徑與選擇[J]. 物流技術與應用(貨運車輛), 2011(6):26-28.

[4] 龔雪. 中部六省物流效率評價[J]. 統(tǒng)計與決策, 2019, 35(18):59-63.

[5] 連兆大, 程德通. 基于DEA模型的“一帶一路”重點省份物流效率分析[J]. 商業(yè)經(jīng)濟研究, 2017(4):80-82.

[7] 李晉紅, 李晶晶, 呂微. 基于DEA-Malmquist模型的中國農產(chǎn)品物流效率評價研究[J]. 湖北農業(yè)科學, 2021, 60(2):167-172.

[8] 王博, 祝宏輝, 劉林. 我國“一帶一路”沿線區(qū)域物流效率綜合評價—–基于三階段DEA模型[J]. 華東經(jīng)濟管理, 2019, 33(5):76-82.

[9] 沈曉梅, 李芝辰, 王磊. 江蘇高新技術產(chǎn)業(yè)效率評價與驅動因素分析—–基于Malmquist-CLAD的實證檢驗[J]. 華東經(jīng)濟管理, 2020, 34(7):36-43.

[10] 吳延兵. 用DEA方法評測知識生產(chǎn)中的技術效率與技術進步[J]. 數(shù)量經(jīng)濟技術經(jīng)濟研究, 2008, 25(7):67-79.

[11] 商傳磊, 張悟移, 陳俊營. 基于DEA和Malmquist指數(shù)的中國物流業(yè)全要素能源效率評價[J]. 生態(tài)經(jīng)濟, 2019, 35(3):51-56.

[12] 田剛, 李南. 中國物流業(yè)技術效率差異及其影響因素研究—–基于省級面板數(shù)據(jù)的實證分析[J]. 科研管理, 2011, 32(7):34-44.

[13] 張璐璐, 吳威, 劉斌全. 基于DEA-Malmquist指數(shù)的長江三角洲地區(qū)公路交通運輸效率評價與分析[J]. 中國科學院大學學報, 2017, 34(6):712-718.

[14] 吳群琪, 宋京妮, 巨佩倫, 等. 中國省域綜合運輸效率及其空間分布研究[J]. 經(jīng)濟地理, 2015, 35(12):43-49.

[15] Yan B, Zhang J. Study on the efficiency of logistics industry in China based on three-stage DEA model[C]// 2nd International Conference on Artificial Intelligence, Management Science and Electronic Commerce, 2011: 3391-3394.

[16] 劉偉濤, 顧鴻, 李春洪. 基于德爾菲法的專家評估方法[J]. 計算機工程, 2011, 37(S1):189-191; 204.

[17] 陳紅, 周繼彪, 王建軍, 等. 公路隧道運行環(huán)境安全評價指標與方法[J]. 長安大學學報(自然科學版), 2013, 33(4):54-61; 74.

Efficiency analysis of road freight industry based on DEA-Malmquist model

Zhou Guanglan1,3, Mo Lingjie2

( 1.Modern Business Research Center, Zhejiang Gongshang University, Hangzhou 310018, China; 2.School of Management Engineering and E-Commerce, Zhejiang Gongshang University, Hangzhou 310018, China;3.Kazuo Inamori Business Research Center, Zhejiang Gongshang University, Hangzhou 310018, China)

During the 14th Five-Year Plan period, China’s government proposed to focus on improving the quality and efficiency of development, and the road freight industry should basically achieve high-quality performance. Based on the panel data of China’s road freight transport industry from 2015 to 2019, this paper analyzes the input-output efficiency of the road freight transport industry using traditional DEA model and Malmquist index method. By establishing the evaluation model for horizontal and vertical comparison, it is found that thedevelopment of road freight transport in different regions of China is unbalanced. The eastern region runs at bothhigh comprehensive efficiency and growth rate, while the central region moves also with high comprehensiveefficiency but at slow growth rate. In comparison, the western region is noted for low comprehensive efficiency and growth rate. On the whole, scale efficiency is the key factor affecting the high quality development of China’s road freight industry. Based on this observation, some suggestions are put forward, such as expanding the market scale reasonably, implementing differentiated policies and strengthening regional cooperation.

road freight; industry efficiency; DEA-Malmquist; total factor productivity; provincial difference

U4-9

A

1001-5132（2022）02-0035-08

2021?06?13.

寧波大學學報（理工版）網(wǎng)址: http://journallg.nbu.edu.cn/

國家社會科學基金（21ZD154）.

周廣瀾（1983－）, 男, 浙江杭州人, 博士/副教授, 主要研究方向: 數(shù)字經(jīng)濟. Email: guanglanzhou@zjgsu.edu.cn

（責任編輯 韓 超）