區域道路運輸企業安全評價研究

摘要：為分析我國西部7個省份2014—2023年道路運輸企業安全情況，基于數據包絡分析原理，構建了面向面板數據、只有非期望輸出的區域道路運輸企業安全評價Malmquist指數分解模型。研究發現，西部7個省份道路運輸企業全年度平均技術進步指數均大于1；除寧夏、新疆外，其余各省純技術效率變化指數均小于1，規模效率變化指數均為1。研究結果表明，行業監管是推動道路運輸企業安全提升的決定性因素，管理和技術因素對道路運輸企業安全有較大影響，生產經營規模不是影響道路運輸企業安全的主要因素。寧夏的全要素生產率處于各省最穩定狀態，貴州、重慶波動較大；受技術進步指數和規模效率雙重影響，四川和云南在行業安全監管方面具備較大的提升潛力；較于西北地區，如何提高道路運輸企業安全技術和管理水平是西南地區需要關注的問題。研究結論為區域道路運輸企業安全評價和安全提升提供了借鑒參考，有助于推動區域道路運輸企業本質安全發展。

關鍵詞：公路運輸；數據包絡分析；Malmquist指數

中圖分類號：X 951文獻標識碼：A文章編號：1672-7312（2025）02-0197-06

Research on Safety Evaluation of Regional Road Transport Enterprises

DANG Xiaoxu，WANG Guoyu，FENG Taozhu，WANG Shihui

（School of Management，Xi’an University of Science and Technology，Xi’an 710054，China）

Abstract：This study aims to analyze the safety situation of road transport enterprises in seven western provinces of China from 2014 to 2023.To achieve this objective，a Malmquist index decomposition model for the safety evaluation of regional road transport enterprises with panel data and only undesired output is constructed based on the principle of data envelopment analysis.The study revealed that the mean annual technological progress index for road transport enterprises in the seven western provinces is greater than 1.With the exception of Ningxia and Xinjiang，the pure technical efficiency change index for the remaining provinces is less than 1，while the scale efficiency change index is equal to 1.The research results indicate that industry regulation is the decisive factor in promoting the safety improvement of road transport enterprises.Management and technical factors have a significant impact on the safety of road transport enterprises.However，the scale of production and operation is not the main factor affecting the safety of road transport enterprises.The total factor productivity of Ningxia is in the most stable state among all provinces，while that of Guizhou and Chongqing exhibits considerable volatility.The technological progress index and scale efficiency have a significant impact on the regulation of industry safety in Sichuan and Yunnan，indicating substantial potential for improvement.In comparison to the northwest region，the southwest region is confronted with the challenge of enhancing the level of safety technology and management in road transport enterprises.The research conclusions can serve as a valuable reference point for the assessment and enhancement of safety in regional road transport enterprises，thereby facilitating the advancement of their intrinsic safety.

Key words：road transportation；DEA；Malmquist index

0引言

實踐表明建立科學的指標體系，采用合理的方法對區域道路運輸企業安全水平進行監測和評價，有助于把握道路運輸行業安全發展趨勢，制定符合實際的安全發展戰略和管理策略，提升本質安全水平。對于區域交通安全評價，ANIT等[1]使用DEA方法對黑山共和國的21個城市的道路安全績效進行了評估，表明應加大努力提高道路安全的表現最差的城市；BESHARATI等[2]將回歸模型用于2005—2015年伊朗各省道路安全狀況的對比分析；TEJADA等[3]將安全性能指標作為過程輸入，使用非參數DEA方法評估了2014至2018 年間西班牙各省的道路安全效率水平。

CHORFI等[4]基于車輛數量和道路交通量等數據，對摩洛哥12個地區的道路安全績效演變進行了評估。呂能超等[5]對交通事故統計分析、運行速度分析、交通沖突分析和駕駛行為分析等4種道路交通安全評價方法的特點、適用情形等進行了討論；黃曉麗等[6]使用模糊綜合評價法對我國31個省市2013年的道路交通風險水平進行了綜合評價；馬士賓等[7]將熵權理論與星形圖分析法結合應用到道路交通安全綜合評價中，分析了山東省5年以來的安全變化趨勢。綜上，國內外關于區域道路交通安全水平評價已有較多研究，主要采用了回歸分析方法、熵權法、模糊評價法和DEA等方法。本文的評價對象為區域道路運輸企業安全，表征區域道路運輸企業的安全服務能力，不同于廣義的道路交通安全水平評價，其評價使用的指標與道路交通安全評價有所差別。從評價方法的選擇上，回歸分析方法主要是基于歷史交通安全數據，對未來交通安全狀態進行預測而非對現狀的把握[8]；模糊評價方法中關于評價指標權重的確定及評價結果等級標準的劃分，主要采用層次分析法和專家評定法，主觀性較強[9]；熵權法確定指標權數時往往忽視決策者的主觀意圖，且權數依賴于樣本，在應用上受限[10]；實踐中對不同區域截面數據進行評價的同時，還需對一定時序的安全情況進行縱向比較，綜合把握區域道路運輸企業安全發展趨勢。DEA方法作為一種非參數方法，不受指標數據量綱影響，利用決策單元數據測算指標權重，避免了確定評價指標之間的具體表達關系[11]。但已有采用DEA方法的評價研究無法在面板數據、非期望產出方面兼顧，往往不能全面衡量時段內的變化趨勢；為此，本文運用DEA原理，建立具有非期望輸出、面向面板數據的指數分解模型，對目標區域道路運輸企業安全水平進行評價，以便客觀把握區域道路運輸企業安全發展趨勢[12]。

1指標選取

國內外普遍使用事故起數、死亡人數、受傷人數、直接財產損失反映區域或道路運輸企業的安全狀態[13]，而道路運輸事故發生的可能性與完成的運輸工作量密切相關[14]。本文以道路運輸事故起數，道路運輸事故造成的死亡人數、受傷人數、直接財產損失為因變量，公路客運周轉量、公路貨運周轉量為自變量，以目標比較區域重慶、四川、貴州、云南、陜西、寧夏、新疆7省2014—2023年的統計數據為樣本，采用SPSS軟件，對自變量和因變量進行相關性分析，見表1。表1顯示：重慶、四川、貴州、云南、陜西、寧夏、新疆的皮爾遜相關系數R1、R2、R3、R4、R5、R6均大于0.5，即死亡人數、受傷人數、事故起數分別與旅客周轉量和貨運周轉量呈現相關性；貴州、云南、寧夏的R7和R8大于0.5，其余四省均小于0.5，即財產損失相關性較弱。因此選用公路客運周轉量、公路貨運周轉量、死亡人數、受傷人數、事故起數作為區域道路運輸企業安全評價指標。

2評價模型構建

2.1面向面板數據具有非期望輸出的道路運輸企業安全評價模型

假定有n個決策單元和n個樣本單元，每個決策單元都有m種投入和s種產出，其中第j個樣本單元的輸入指標值為

〖AKx-〗j=（〖AKx-〗1j，〖AKx-〗2j，〖AKx-〗3j，

…，〖AKx-〗mj）T，非期望輸出指標值為

〖AKy-〗j=（〖AKy-〗1j，〖AKy-〗2j，〖AKy-〗3j，…，〖AKy-〗sj）T，第p

個決策單元的輸入指標值為xp=（x1p，x2p，x3p，…，xmp）T，非期望輸出指標值為yp=（y1p，y2p，y3p，…，ysp）T。

假設第k個時間段上共測得n（k）個決策單元的數據，其中第p個決策單元的輸入指標值為x（k）p=（x（k）1p，x（k）2p，…，x（k）mp）T，非期望輸出指標為y（k）p=（y（k）1p，y（k）2p，…，y（k）sp）T，并且x（k）pgt;0，y（k）pgt;0，p=1，2，…，n（k）；假設在基礎時間上測得n（0）個決策單元的數據，第j個決策單元的輸入指標為x（0）j=（x（0）1j，

x（0）2j，…，x（0）mj）T，非期望輸出指標為y

（0）j=（y（0）1j，y（0）2j，…，y（0）sj）T。

1）在規模報酬不變的情況下，綜合考慮各決策單元相對于基礎時間段上的安全可能集T為

T1〖WTBX〗={（x，y）|x≥∑n（0）j=1λjx（0）j，

y≥∑n（0）j=1λjy（0）j，（λ1，…，λn（0））T≥0}

（1）

對于第p個決策單元在第k個時間段上的指標值（x（k）p，y（k）p），如果不存在（x，y）∈T，使得x（k）p≥x，y（k）p≥y，并且至少有一個不等式嚴格成立，則稱第p個決策單元在第k個時間段上的安全水平相對于基礎時間段上的安全水平有效，簡稱DEApanel有效，其有效性度量模型為

〖JB（{〗

minθ-ε（〖AKe^〗Ts-+eTt-）

s.t.∑〖DD（〗n（0）j=1〖DD）〗x（0）jλj

+s-=θx（k）p

∑〖DD（〗nj=1〖DD）〗y（0）jλj+t-=y（k）p

λj≥0，j=1，2，…，n（0），s-≥0，t-≥0

〖JB）〗

（2）

式中，λj為決策單元的線性組合系數；s－，t－為松弛變量；ε為非阿基米德無窮小量，設λ0、s－0、t－0、θ0是規劃（8）最優解，若滿足θ0gt;1或當θ0=1且s－0=0，t－0=0時，則第p個決策單元在第k個時間段上的安全水平為DEA有效；令

〖AKx^〗（k）p=θ0x（k）p－s-0，

〖AKy^〗（k）p=y（k）p－t－0，稱（

〖AKx^〗（k）p，〖AKy^〗（k）p）為決策單元p在基礎時間段的有效前沿面上的投影。

2）在規模報酬可變的情況下，綜合考慮各決策單元相對于基礎時間段上的安全可能集

T為

T4={（x，y）|x≥∑n（0）j=1λjx（0）j，y≥∑n（0）j=1λjy（0）j，∑n（0）j=1λj=1，（λ1，…，λn（0））T≥0}

（3）

其有效性度量模型為

〖JB（{〗

minθ-ε（〖AKe^〗Ts-+eTt-）

s.t.∑〖DD（〗n（0）j=1〖DD）〗x（0）jλj

+s-=θx（k）p

∑〖DD（〗nj=1〖DD）〗y（0）jλj+t-=y（k）p

∑〖DD（〗n（0）j=1〖DD）〗λj=1

λj≥0，j=1，2，…，n（0），s-≥0，t-≥0

〖JB）〗

（4）

式中，所有變量同（2）式。

2.2Malmquist指數法模型的建立

為了較好地刻畫相對效率的動態變化，將

DEA理論與Malmquist

指數法結合，根據DEA方法的基本原理，由觀察到的決策單元所構成的k期規模報酬不變的安全狀態可能集為

T〖WTBX〗={（xk，yk）|xk≥∑nj=1λjxkj，y≥∑nj=1λjykj，λj≥0}

（5）

決策單元所構成的k期規模報酬可變的安全狀態可能集為

T〖WTBX〗={（xk，yk）|xk≥∑nj=1λjxkj，y≥∑nj=1λjykj，

∑〖DD（〗nj=1〖DD）〗λj=1，

λj≥0}

（6）

xk，xk+1為k時期和k+1時期的投入；yk，yk+1為k時期和k+1

時期的非期望產出。

1）在規模報酬不變的情形下，

令（xk，yk）在k期的距離函數為DkC（xk，yk），在k+1期的距離函數為Dk+1C（xk，yk）；（xk+1，yk+1）在k期的距離函數為DkC（xk+1，yk+1），在k+1期的距離函數為Dk+1C（xk+1，yk+1），其有效度量模型分別見式（7）、（8）、（9）、（10）。

maxz=（DkC（xk，yk））－1－ε（〖AKe^〗Ts－+eTt－）s.t.∑nj=1xkjλj+s－=xk∑nj=1ykjλj+t－=zykλj≥0，j=1，2，…，n，s－≥0，t－≥0〖JB）〗

（7）

〖JB（{〗maxz=（Dk+1C（xk+1，yk+1））－1－ε（〖AKe^〗Ts－+eTt－）s.t.∑nj=1xk+1jλj+s－=xk+1∑nj=1yk+1jλj+t－=zyk+1λj≥0，j=1，2，…，n，s－≥0，t－≥0〖JB）〗

（8）

〖JB（{〗maxz=（DkC（xk+1，yk+1））－1－ε（〖AKe^〗Ts－+eTt－）s.t.∑nj=1xkjλj+s－=xk+1

∑nj=1ykjλj+t－=zyk+1

λj≥0，j=1，2，…，n，s－≥0，t－≥0〖JB）〗

（9）

〖JB（{〗maxz=（Dk+1C（xk，yk））－1－ε（〖AKe^〗Ts－+eTt－）s.t.∑nj=1xk+1jλj+s－=xk∑nj=1yk+1jλj+t－=zykλj≥0，j=1，2，…，n，s－≥0，t－≥0〖JB）〗

（10）

2）

在規模報酬可變的情形下，令（xk，yk）在k期的距離函數為DkV（xk，yk），在k+1期的距離函數為Dk+1V（xk，yk）；（xk+1，yk+1）在k期的距離函數為DkV（xk+1，yk+1），在k+1期的距離函數為Dk+1V（xk+1，yk+1），其有效度量模型分別見式（11）、（12）、（13）、（14）。

〖JB（{〗maxz=（DkV（xk，yk））－1－ε（〖AKe^〗Ts－+eTt－）s.t.∑nj=1xkjλj+s－=xk

∑nj=1ykjλj+t－=zyk

∑nj=1λj=1λj≥0，j=1，2，…，n，s－≥0，t－≥0〖JB）〗

（11）

〖JB（{〗maxz=（Dk+1V（xk+1，yk+1））－1－ε（〖AKe^〗Ts－+eTt－）s.t.∑nj=1xk+1jλj+s－=xk+1∑nj=1yk+1jλj+t－=zyk+1∑nj=1λj=1λj≥0，j=1，2，…，n，s－≥0，t－≥0〖JB）〗

（12）

〖JB（{〗maxz=（DkV（xk+1，yk+1））－1－ε（〖AKe^〗Ts－+eTt－）s.t.∑nj=1xkjλj+s－=xk+1∑nj=1ykjλj+t－=zyk+1∑nj=1λj=1λj≥0，j=1，2，…，n，s－≥0，t－≥0〖JB）〗

（13）

〖JB（{〗maxz=（Dk+1V（xk，yk））－1－ε（〖AKe^〗Ts－+eTt－）s.t.∑nj=1xk+1jλj+s－=xk∑nj=1yk+1jλj+t－=zyk∑nj=1λj=1λj≥0，j=1，2，…，n，s－≥0，t－≥0〖JB）〗

（14）

假設在k期的技術條件下，從k期到k+1期的技術效率變化為Mk，可以表示為[15]

Mk=〖SX（〗DkC（xk+1，yk+1）

DkC（xk，yk）

〖SX）〗

（15）

在k+1期的技術條件下，從k期到k+1期的技術效率變化為Mk+1，可以表示為[16]

Mk+1=〖SX（〗Dk+1C（xk+1，yk+1）

Dk+1C（xk，yk）

〖SX）〗

（16）

從k到k+1時期的非期望產出的Malmquist指數為MRD，可以表示為[17]

MRD（xk，yk，xk+1，yk+1）

=（Mk×Mk+1）1/2

=〖JB（［〗

〖SX（〗DkC（xk+1，yk+1）

DkC（xk，yk）

〖SX）〗×

〖SX（〗Dk+1C（xk+1，yk+1）

Dk+1C（xk，yk）

〖SX）〗

〖JB）］〗1/2

=〖SX（〗Dk+1V（xk+1，yk+1）

DkV（xk，yk）

〖SX）〗×

〖JB（［〗

〖SX（〗DkV（xk，yk）

Dk+1V（xk，yk）

〖SX）〗×

〖SX（〗DkV（xk+1，yk+1）

Dk+1V（xk+1，yk+1）

〖SX）〗

〖JB）］〗1/2

（17）

其中令

E（RD）

=

〖SX（〗Dk+1V（xk+1，yk+1）

DkV（xk，yk）

〖SX）〗

（18）

C（RD）

=〖JB（［〗

〖SX（〗DkV（xk，yk）

Dk+1V（xk，yk）

〖SX）〗×

〖SX（〗DkV（xk+1，yk+1）

Dk+1V（xk+1，yk+1）

〖SX）〗

〖JB）］〗1/2

（19）

S（RD）=

〖JB（［〗

〖SX（〗

〖SX（〗DkC（xk+1，yk+1）

Dk+1V（xk+1，yk+1）

〖SX）〗

〖SX（〗DkC（xk，yk）

DkV（xk，yk）

〖SX）〗

〖SX）〗×

〖SX（〗

〖SX（〗Dk+1C（xk+1，yk+1）

Dk+1V（xk+1，yk+1）

〖SX）〗

〖SX（〗Dk+1C（xk，yk）

Dk+1V（xk，yk）

〖SX）〗

〖SX）〗

〖JB）］〗1/2

（20）

式中，E（RD）為純技術效率變化指數，表示通過比較不同時期決策單元相對于生產前沿面的距離反映技術效率的變動、反映了企業管理和技術因素對安全水平的影響

[18]；S（RD）為規模效率變化指數，表示沿著同一生產前沿的規模效率變化，反映了企業生產規模對安全水平的影響[19]；C（RD）為技術進步指數，表示k時期到k+1時期生產前沿面的移動，反映了行業安全監管提升對安全水平的影響[20]。

1）C（RD）gt;1為生產邊界外移，整體技術進步，反之亦然；

2）C（RD）lt;1為生產邊界向原點移動，即整體產業有技術衰退的趨勢[21]。

Malmquist指數是衡量全要素生產率從k時期到k+1時期的動態變化指數[22]。

1）當該指數大于1時，表明從k時期到k+1時期全要素生產率呈上升趨勢，效率有所提高；

2）當該指數等于1時，表明從k時期到k+1時期全要素生產率不變，效率未發生變化；

3）當該指數小于1時，表明從k時期到k+1時期全要素生產率呈下降趨勢，效率有所下降。

3實證案例分析

3.1西部各省道路運輸企業安全綜合分析

根據上述模型獲取2014—2023年重慶、四川等7個省份的面板數據進行實證研究，數據來源于《中國統計年鑒》（2014—2023）。應用式（4），通過Matlab求解各省2014—2023年間道路運輸企業安全水平較于2019年的可比有效值，并對各省各年道路運輸企業安全進行排序，見表2。

表2顯示，道路運輸企業2017年、2019年、2023年安全水平相對較好，企業安全管理成效明顯。各省道路運輸企業安全水平相對穩定，不同省份存在差異。寧夏、貴州處于高效狀態，道路運輸企業事故低發；重慶、云南、新疆處于相對低效狀態，但近年道路運輸企業安全管理不斷提升；陜西、四川安全可比有效值多低于0.2，說明道路運輸企業安全提升幅度相對較小，這與其安全基礎相對較好有關。

3.2西部各省道路運輸企業安全Malmquist指數動態效率分析

根據式（17）對2014—2023 年樣本數據進行Malmquist指數動態分析，獲得2014—2023年西部7省份全要素生產率變化指數見表3，技術進步指數見表4，純技術效率變化指數見表5、規模效率變化指數見表6。

從表3可以看出，寧夏全要素生產率變化指數在各省份中波動最小，表明寧夏各年度道路運輸企業安全水平處于穩定狀態。與其它年份相比，各省份2022—2023年全要素生產率變化指數均大于1，表明該年道路運輸企業安全水平得到較大提升。

從表4可以看出，各省平均技術進步指數均大于1，表明行業安全監管提升成為推動道路運輸企業安全提升的決定性因素。貴州技術進步指數平均值最高，為1.345，說明貴州著力通過加強行業安全監管水平提升道路運輸企業安全。另外，年度技術進步指數平均值整體呈現逐年上升趨勢，表明行業管理部門持續通過加強安全監管倒逼道路運輸企業提升安全水平。

從表5可以看出，除寧夏、新疆外，其余各省純技術效率變化指數均小于1，表明企業安全技術與管理對道路運輸企業安全有顯著影響，但不是決定性因素。當前，道路運輸企業安全技術與管理提升的主觀能動性還不強，還需要通過行業監管督促企業落實安全生產主體責任。寧夏純技術效率變化指數平均值最高，為1.78，說明寧夏道路運輸企業重視安全生產，主動通過改進管理和技術水平保障企業生產安全。另外，年度純技術效率平均變化指數自2019年以來持續上升，表明道路運輸企業安全生產的自覺性、主動性不斷增強，越來越重視通過加強技術與管理來提升企業安全水平。

表6顯示，除寧夏、貴州外，其余各省規模效率變化指數均為1，說明生產經營規模不是影響道路運輸企業安全的主要因素，其波動趨勢與純技術效率變化指數呈現互補態勢，這點寧夏表現尤為明顯，表明道路運輸企業生產經營規模越大，行業安全監管力度對企業安全提升的作用越顯著。

4結論

1）近年來，道路運輸企業安全水平顯著提升。其中，生產經營規模不是主要影響因素，技術與管理對提升道路運輸企業安全有影響，但行業安全監管是決定性因素。現階段，仍然需要通過加強行業監管，倒逼道路運輸企業落實安全生產主體責任。

2）從分解效率看，規模效率變化指數與純技術效率變化指數互補，道路運輸企業生產經營規模越大，行業監管對企業安全提升的作用越明顯。

3）不同區域道路運輸企業安全管理與技術效率存在差異，西南地區純技術效率變化指數較低，如何增強道路運輸企業安全管理的主觀能動性，通過提升企業技術和安全管理水平，夯實安全生產基礎，是西南地區普遍需要關注的問題。

參考文獻：

[1]ANTI B，GRDINI M，PEI D，et al.Benchmarking of the road safety performance among the regions by using DEA[J].Transportation Research Procedia，2020，45：78-86.

[2]BESHARATI M M，TAVAKOLI KASHANI A，WASHINGTON S.A comparative analysis of road safety across the provinces of Iran from 2005 to 2015[J].International journal of sustainable transportation，2021，15（02）：131-139.

[3]TEJADA ，SNCHEZ M P，ESCRIBANO F.Road safety efficiency on interurban roads in Spain[J].Evaluation review，2024，48（5）：771-796.

[4]CHORFI Z，EL KHALAI I.Assessing road safety in morocco’s regions from 2014 to 2022：A DEAMPI benchmarking analysis[J].Future Transportation，2024，4（03）：1046-1058.

[5]呂能超，王玉剛，周穎，等.道路交通安全分析與評價方法綜述[J].中國公路學報，2023，36（04）：183-201.

[6]黃曉麗，劉耀龍，段錦，等.基于灰色關聯及模糊綜合評價法的道路交通安全風險評價[J].數學的實踐與認識，2017，47（07）：208-215.

[7]馬士賓，孫敬福，陳奕，等.基于熵權星形圖分析法的區域道路交通安全綜合評價[J].公路工程，2016，41（04）：228-231+289.

[8]YUAN Z，HE K，YANG Y.A Roadway safety sustainable approach：Modeling for realtime traffic crash with limited data and its reliability verification[J].Journal of Advanced Transportation，2022（01）：1-14.

[9]ZHANG S，YU X，MAO H，et al.Evaluating expressway safety based on fuzzy comprehensive evaluation with AHPentropy method：A case study of Jinliwen expressway in Zhejiang Province，China[J].Systems，2023，11（10）：496.

[10]JUNJIE J，WENHAO S，YUAN W.A risk assessment approach for road collapse along tunnels based on an improved entropy weight method and Kmeans cluster algorithm[J].Ain Shams Engineering Journal，2024，15（07）：102805.

[11]戢曉峰，曹瑞，陳方，等.連片特困地區縣域交通扶貧效率測度及影響因素——以滇西邊境山區為例[J].北京交通大學學報（社會科學版），2024，23（02）：

124-136.

[12]MANSOURI KALEIBAR M，KRMAC E.A novel data envelopment analysis framework for performance evaluation of European road transport systems[J].PrometTraffic amp; Transportation，2024，36（01）：24-41.

[13]葛慧敏，周禮軍，薄云鈺，等.基于交通沖突理論的道路安全評價技術研究綜述[J].交通信息與安全，2022，40（06）：12-21.

[14]陳秀珍.基于不安全行為模型的幾起特大道路交通運輸事故不安全動作研究[J].技術與創新管理，2016，37（05）：519-523+561.

[15]張萌物，漆棪.基于DEAMalmquist模型的陜西省物流產業效率綜合評價[J].技術與創新管理，2019，40（02）：237-243.

[16]龔怡丹，宋良榮.智能制造企業公司治理效率研究[J].技術與創新管理，2023，44（05）：601-606.

[17]XIAO J，CHEN S，HAN J，et al.The carbon emission reduction effect of renewable resource utilization：From the perspective of green innovation[J].Atmospheric Pollution Research，2024，15（06）：102121.

[18]陳云橋，李杰，郝晗.員工股權激勵對中小企業創新會產生補充的促進效應嗎？[J].技術經濟，2022，41（09）：72-82.

[19]劉中文，王述坤，遲冬梅.女性高管比例與公司治理效率關系的實證[J].統計與決策，2022，38（15）：185-188.

[20]張敏，咸本松，王金海，等.基于DEAMalmquist結合RSR法的內蒙古自治區衛生資源配置的動態效率評價[J].中國衛生統計，2022，39（06）：905-907.

[21]ZHU T T，LU Y H，ZHANG Y J.Evaluating the scientific and technological innovation efficiency of universities in China：evidence from the global Malmquist–Luenberger index model[J].Applied Economics，2023，55（12）：1341-1355.

[22]LI M，GUO J，DONG S.The regional total factor productivity changes of healthcare delivery in China：A bootstrap malmquist data envelopment analysis[J].INQUIRY：The Journal of Health Care Organization，Provision，and Financing，2024，61：1-10.

（責任編輯：嚴焱）

收稿日期：2024-09-21

基金項目：陜西省交通科技項目（19-05R，16-47R）

作者簡介：黨曉旭，男，陜西西安人，博士，副教授，主要從事交通安全方面的研究。