周业旺

（黄冈师范学院 商学院，湖北 黄冈 438000）

0 引言

长江经济带横跨中、东、西部三个区域共11个省市，截止2016年底该区域人口和生产总值超过全国的40%，最近二十年以来，长江经济带已成成为我国综合实力最强的区域之一。2016年9月，《长江经济带发展规划纲要》确立了长江经济带“一轴、两翼、三极、多点”的发展新格局，其中，“两翼”分别指沪瑞和沪蓉南北两大运输通道。《长江经济带综合立体交通走廊规划（2014—2020年）》制定的发展目标中指出要优化交通运输结构，强化各种运输方式的衔接，提升综合运输能力，对于综合运输系统中重要的组成部分公路运输，规划指出方向是形成以沪蓉、沪渝、沪昆、杭瑞高速公路为骨架的国家高速公路网和覆盖所有县城的普通国道网，同时推行地理条件稍好的乡镇、建制村通沥青或水泥路。在长江经济带各省市十二五建设过程中，公路交通也一直都是重点建设领域，公路投资逐年增长，公路基础设施逐渐完善。但公路交通运输在建设的过程中效率如何，是否发挥应有的作用值得探讨。

目前国内外关于交通基础设施的方面的研究主要集中于基础设施与区域经济增长的关系，大多采用面板数据构建计量经济等模型，最终得出的结论也不尽相同。以往研究在分析的过程中选择范围较大，多是以某一区域整体的交通基础设施为研究对象，没有考虑到综合交通运输中不同交通方式的区别。在长江经济带综合交通运输体系中，公路运输有着不可替代的作用，发挥着重要的衔接功能。目前较少有文献以特定地区的公路交通运输为对象进行效率的测度。本文拟以长江经济带综合运输系统中公路运输为研究对象，测度公路交通运输内部的效率。

1 模型建立与变量的选择

1.1 三阶段DEA

DEA三阶段法是Fried等人提出了用来测度效率的一种常见方法。相比较传统的DEA方法，三阶段DEA最大的优势是能够在评价的过程中消除外部环境因素和随机误差对测度结果的影响，从而使得评价结果更加客观真实。随着综合运输体系的建立和完善，特别是铁路运输的迅猛发展使得各种交通运输方式在综合运输体系中的地位和作用逐渐改变，长江经济带公路运输面临的外部环境也在发生变化。因此有必要在评价的过程中考虑该因素变化对评价结果的影响。

（1）第一阶段：传统DEA模型效率测算

DEA模型有投入导向和产出导向型：CCR模型和BCC模型。BCC模型是Banker等（1984）在CCR模型基础上将规模报酬不变的限制假设修改为规模报酬变动得来的。BCC模式可以将CCR模式中的综合效率分解为配置效率和技术效率，综合效率的分解能更加清晰地找出效率的影响因素。考虑到公路交通效率评价的特点，本文采用投入导向下BCC模型，对偶形式下的BCC模型为：

其中，X表示决策单元的投入变量，Y表示决策单元的产出向量，S-为投入松弛变量，S+为产出松弛变量。

（2）第二阶段：SFA回归分析

通过第一阶段传统DEA模型的计算可以得出，每个决策单元的初始效率值。但在该过程中没有考虑到各个决策单元的外部环境随机误差对效率值测度的影响，因此效率测度值不能真实的反应各省市公路交通运输的的实际效率。基于这一因素，Fried（2002）通过构建相似SFA回归分析，消除出上述因素对传统DEA初始测度结果的影响。根据Fried的研究，第二阶段建立以投入导向的类似SFA回归函数：

式中，Sni为第i个决策单元中第n项投入变量的松弛值；Zi是环境变量，βn是环境变量的系数；νni+μni是混合误差项，νni表示随机干扰，μni表示管理无效率。其中 ν~N(0，)是随机误差项，表示随机干扰因素对投入松弛变量的影响；μ是管理无效率，表示管理因素对投入松弛变量的作用，假定管理无效率服从在零点截断的正态分布，即 μ~N+(0，)。

对初始各个决策单元的效率值进行SFA回归的目的是为了剔除由于环境和随机因素对实际效率测度的干扰，使得各个决策单元置于相同的外部环境中。调整公式如下：

随机误差项分离公式为：

（3）第三阶段：调整后DEA效率分析

通过第二阶段的相似SFA回归分析，将调整后的投入变量值替换原来的投入变量值，再次利用BCC模型进行公路交通效率的测度，可得出在相同环境因素和随机因素下的效率值，是各个决策单元相对真实的效率值，调整后得到的效率值只受技术管理的影响。

1.2 Malmquist指数

采用三阶段DEA模型对长江经济带公路交通运输效率的测度属于静态分析。在此基础上，本文构建Malmquist指数动态地对公路运输效率进行全要素生产率评价。该指数模型自1954年提出后并于DEA理论结合后得到了广泛的应用。该指数明确了从t到t+1期的生产率指数：

如果指数 M(xt+1，yt+1，xt，yt)＞1 ，则表明全要素生产效率在提高，如该指数小于1，表明生产率在下降。其中可以将Malmquist指数分解成：

1.3 变量和指标的选择

基于公路交通效率评价的特性和数据的可得性，本文选取长江经济带共11个省市在2011—2015年间共5年的公路里程（X1，万公里），公路营运汽车拥有量（X2，万辆）两个指标作为投入指标，公路货物周转量（Y1，亿吨公里）和公路旅客周转量（Y2，亿人公里）作为产出指标。

在三阶段DEA测度模型中要加入环境变量，由于目前对于环境变量的选取没有统一标准，环境变量的选取对调整后的效率值会产生影响。根据长江经济带各省市对公路运输需求的特点，选取地区生产总值（β1）和城镇化率（β2）作为环境变量。采用非农业人口占总人口比例来衡量城镇化率。

2 实证分析

2.1 三阶段DEA模型测算的综合效率

（1）传统DEA模型公路运输效率测度

根据上文建立的传统DEA模型，运用DEAP2.1软件对长江经济带11个省市2011—2015年的公路交通运输效率进行测算，最终取五年的平均效率，初始效率值如表1所示。

表1 第一阶段：2011—2015年11省市初始效率均值

传统DEA模型计算结果显示，在不考虑外部环境和随机因素的干扰下，长江经济带11个省市2011—2015年公路交通效率均值中，上海、江苏和安徽的综合效率、纯技术效率以及规模效率都为1，处在效率的前沿面。其余8省的效率值均有提升的空间。根据地理位置划分，东部省市的三种效率都最高，西部省市的三种效率都处在最低位置。传统DEA效率测算是在没有考虑环境和随机因素的情况下测得的，该模型将所有影响效率值的因素都归结为管理无效，而对效率值测度结果有影响的三大因素中，环境与随进因素属于外生变量不易控制。长江经济带11个省市的外部环境各异，起点和基础不同，因此有必要在此基础上，通过SFA模型消除环境和随机因素对测算结果的影响。

（2）SFA回归分析

根据第一阶段的计算结果再分别以公路里程X1的松弛变量、公路营运车辆X2的松弛变量为因变量，11省市年度GDPβ1、城镇化率β2为自变量建立似SFA回归模型，运用Frontier4.1软件进行分析，为了使计算更加准确，本文采用逐年截面分析的方式，一共可以建立15个回归方程，由于篇幅受限，仅列出了最近2015年的回归结果，估计结果如表2所示。

表2 第二阶段：2015年SFA回归结果

由模型检验参数可以看出，LR单边检验值都比较大，通过了1%水平上的显著性检验，说明模型设置合理。Gamma值都接近于1，说明管理无效率的影响比较大，随机因素比较小，适合进行SFA回归。针对具体的模型来看，在X1松弛变量的回归中，β1、β2都对X1的松弛变量呈现显著的负向影响，说明S1、S2的增加有利于减少X1的松弛变量，即减少X1的资源浪费，有利于提高效率；在X2松弛变量的回归中，β1对X2的松弛变量呈现显著的正向影响，说明β1的增加会增大X2的松弛变量，即增大X2的资源浪费，不利于提高效率，β2对X2的松弛变量呈现显著的负向影响，说明β2的增加有利于减少X2的松弛变量，即减少X2的资源浪费，有利于提高效率。

（3）第三阶段DEA分析

将调整后的投入变量取代最初的投入变量进行再次进行DEA分析，得到调整后的效率值如表3所示。

表3 第三阶段：2011—2015年11省市公路交通运输综合效率均值、纯技术效率均值及规模效率均值

在此阶段中，由于消除了环境和随机因素的影响，通过对比表1和表3的结果可以发现，最终的效率值出现的较大的变化。只有浙江和安徽省的各项效率值均为1，处在最前沿面。整个长江经济带的综合效率均值由0.8430下降到0.7363。由于上海市的效率值急剧下降导致东部省市的平均效率值由0.9573下降到0.6905，中部均值由0.8847下降到0.8131，相反西部省市的综合均值略微上升。从各省市的具体情况来看，五年综合效率值上海下降最明显，表明在过去的五年内，上海市的公路交通的实际效率较低，第一阶段中上海市公路交通的高效率是由于环境因素和随机因素带来的。浙江、江西、湖北、重庆和贵州省的效率值均呈现下降趋势，而四川和云南两省的综合效率上升。而综合效率下降的省市主要是由于规模效率下降引起的，表明规模效率不高严重影响到公路交通资源的利用。

2.2 Malmquist指数测度

基于三阶段DEA模型对长江经济带公路运输效率的测度是从静态角度进行分析的，得出的是五年效率的均值。在研究的过程中，不仅要了解五年的实际情况，更需要了解五年间各效率的变化趋势，为此构建Malmquist指数模型，分析全要素生产率的变动主要是由技术进步还是由技术效率的变动引起的。利用DEAP2.1软件将剔除了外部环境和随机因素的各投入变量和初始产出变量代入Malmquist指数模型进行计算。具体测算结果如表4所示。

表4 2011—2015年11省份公路交通运输TFP指数及分解

从测算结果可以看出，在2011—2015年间，只有上海和江西两省市全要素生产率变化指数大于1，贵州省保持不变，其余所有省市的全要素生产率变化指数都小于1，表面这些省份的公路交通资源的利用效率呈现下降的趋势。即使是上海和江西也仅仅分别保持2.5%和4%的增长，全部11个省市的技术进步效率均值只有0.884，全要素生产率以6.3%的速度下降。说明过去五年中整个长江经济带区域的公路交通效率不高，严重制约了公路交通资源的利用。

3 结论与建议

本文在构建DEA—Malmquist指数模型基础上，采用2011—2015年的数据对长江经济带11个省市的公路交通运输效率进行了静态和动态的测度。DEA三阶段模型分析结果显示，在剔除环境和随机因素的干扰下，长江经济带公路交通运输综合效率下降明显。从Malmquist指数模型所反映的全要素生产率指数对技术进步指数依赖较大。根据测度结果，本文提出以下建议：

第一，长江经济带省市公路建设的重点要从过去的加大投入转移到如何有效地利用现有公路交通设施。在过去五年中，长江经济带省市都加大了在公路交通基础设施上的投资，公路总里程增长显著，但通过效率测度分析可以看出长江经济带公路交通运输效率却呈下降趋势。出现这一现象固然有公路基础设施建设效果滞后的原因，但也要看到目前处于激烈竞争的运输市场中，公路交通运输必须明确定位，在综合运输体系中发挥公路运输中短途效率高方便灵活等优势。特别是面对长江经济带铁路运输的迅猛发展和长江航运在大宗工业物资中的天然优势，公路交通运输企业必须推出服务内容的创新，高效地为客户提供定制化运输服务，提高客户的满意度。公路运输管理部门要结合当前运输市场的格局，加大对公路运输企业的支持和扶持力度，进一步优化公路运输管理流程，创新管理方式，提高公路基础设施的利用效率。

第二，长江经济带公路交通要改变目前发展不平衡的态势，实现区域公路交通的高效协调发展，就应该创新公路交通协调发展思路，在现有完备的公路交通基础设施前提下，构建长江经济带省域公路交通高效协调发展的空间格局，长江经济带各省市应进一步简政放权，消除条块行政分割和地区封锁，清理阻碍公路运输要素合理流动的地方性政策法规；进一步优化公路运输环境，构建统一开放、竞争有序的长江经济带区域公路运输服务市场。同时，要做好长江经济带各种交通运输方式合理布局和衔接，真正发挥各种运输方式的优势，促成长江经济带高效的综合运输体系的形成。