周广澜，莫玲洁

随着国内外发展战略的推进，中国对外贸易地位的显著提升，物流行业面临更多发展机遇，道路货运行业作为物流业中的关键部分，是推动经济发展的“加速器”。《交通强国纲要》中明确提出，到2035年应基本形成“全国123出行交通圈”和“全球123快货物流圈”，道路货运行业也将扮演更多的角色和承担更多的责任〔1〕。同时，国家统计局数据显示，我国公路里程由新中国成立之初的8.9万公里增至2019年的501.25万公里，实现了历史性跨越，货运物流新业态的产生、产业结构的转型升级、组织模式变革的深入，推动着道路货运发展进程不断加速，其重要性可见一斑。

中国经济已从高速增长阶段逐渐转向高质量发展阶段，道路货运行业的竞争也越来越体现在高质量发展的竞争上。《关于推动物流高质量发展促进形成强大国内市场的意见》中指出，物流高质量发展是经济高质量发展的重要组成部分，也是实现自身转型升级的必由之路〔2〕。提升物流行业效率效益水平，能够有效实现高质量发展。道路运输发展对于物流行业具有重要的经济推动作用，虽然近年来取得了显著成就，但还面临着多方面的困难，包括提高网络化程度、提升行业集约化水平等问题，从而影响道路货运的效率提升。在此背景下，本文结合我国大陆31个省(市、区)2015—2019年的相关数据，重点研究各个城市之间的道路货运指标数据并构建评价体系，从横向与纵向两个维度对我国道路货运行业效率状况进行分析，为该行业效率提升提出相关建议措施。

根据交通运输部发布的《道路货物运输及站场管理规定》，道路货物运输包括道路普通货运、道路货物专用运输、道路大型物件运输和道路危险货物运输。其行业效率的提升表现为经济高效、持续提升、安全稳定这三个主要方面。

(一)三阶段DEA模型理论方法研究

目前对于物流相关行业效率评价方法的主流代表是随机前沿分析法和数据包络分析法。数据包络分析法最初由Chames提出，以此评价多投入、多产出的决策单元效率情况〔3〕。在这之后，许多学者不断对模型进行改进，如Simar等提出的Boot-Strap-DEA方法〔4〕。经历了一系列演变之后，2002年Fare在传统DEA方法的基础上修正得到三阶段DEA模型，模型的构建过程中大多结合随机前沿分析，考虑到外部环境、随机误差等对于效率值的影响，使得测算出的效率值仅受管理无效率的影响，测算数据更为准确直观〔5〕。此外，在三阶段DEA模型的基础上，也出现了三阶段DEA-Malmquist模型、三阶段DEA-Widows模型等拓展方法的运用。

(二)道路货运相关研究

当前，越来越多的文献提及道路货物运输，专家也从不同角度对货物运输进行研究分析，诸如刘瑞娟等人基于与中国道路货运行业经济运行相关的月度指标科学预测行业的周期波动趋势〔6〕，荣朝和等人从产业组织的理论角度来分析道路货运行业发展的现状〔7〕，宋金美结合公路运输发展现状探索中国新形势下道路运输经济发展〔8〕，祁存梅考虑到公路运输经济管理在制度、管理方式、防控能力等方面的不足，从而提出改进措施〔9〕。部分专家也将道路货运与某个领域或者某个维度之间的联系作为文章论述点，如黄广虎研究道理货运和企业经营发展战略之间存在的关系，从实施现代物流发展战略、实施组建大型道路货运集团战略、实施调整运力结构战略出发，提出道路运输行业前进的方向〔10〕，杨雪山探究公路运输与经济发展之间的联系，针对公路运输经济现状和应对措施进行探讨〔11〕。

(三)行业效率研究

现阶段，针对物流相关行业效率研究问题的探讨基本围绕两个方面：一是在省域层面的研究。基于DEA-Malmquist指数模型，龚雪对中部六省的物流效率进行分析，发现中部地区物流业发展不平衡，各省份的资源配置存在冗余现象〔12〕。连兆大、程德通运用DEA方法构建评价模型，通过研究区域物流效率的相关成果，揭示物流发展情况〔13〕。王珍珍采用超效率CCR-DEA模型，对制造业和物流业的联动发展效率进行评价〔14〕。张亮亮等人运用PP-SFA方法测算物流产业技术效率，将环境因素设定为能量和碳排放指标〔15〕。王博采取三阶段DEA方法对我国“一带一路”沿线区域物流效率进行研究，认为沿线地区物流业受外部因素影响较大〔16〕。

二是对国家层面的物流效率分析。基于随机前沿引力模型，晁冉冉等人以RCEP国家为研究目标，从物流绩效水平和国家农产品出口效率的角度出发，分析海关效率、基础设施物流服务质量与能力和货物可追溯性对贸易效率提升的作用〔17〕。黄森等人运用超效率DEA模型对中国、哈萨克斯坦、荷兰等“渝新欧”沿线国家的交通物流效率进行评价，从发展潜力视角揭示各国交通物流发展的优劣势和变化特征〔18〕。黄巧珍结合PCA-DEA方法，以世界银行发布的LPI指标为运行数据，对“丝绸之路经济带”沿线重要国家的物流效率进行测度评价，并依据测度结果对初始假设做验证分析〔19〕。

通过相关文献的梳理，发现物流效率的实证分析已取得较多的研究成果，但关于道路货物运输行业效率研究的权威性文献稍显空白，目前针对道路货运业效率的研究多停留在理论和影响因素的分析上。因此，本文运用三阶段DEA模型对我国道路货运业运行效率进行测算，分析影响行业发展的因素，以期为我国道路货物运输行业的效率提升提供决策参考。

(一)三阶段DEA研究方法

三阶段 DEA 模型在传统 DEA 模型的基础上剔除了环境因素、随机因素等要素的影响,通过随机前沿分析对数据进行调整,减少了函数形式设定带来的偏差,可更直观地反映决策单元的实际效率情况〔20〕，最终以综合技术效率、纯技术效率、规模技术效率评估投入产出绩效水平。

1.第一阶段：传统DEA的效率分析

在这一阶段，采用规模报酬可变的BCC模型来衡量和分析决策单元的效率值。基于CCR模型，将CCR模型中的技术效率(TE)分解为规模效率(SE)和纯技术效率(PTE)的乘积：

TE=SE×PTE

(1)

2.第二阶段：SFA数据调整

为了进一步使所选指标中的数据直观准确，在此阶段去除环境因素和随机因素对计算结果的影响。将第一阶段的决策单元作为因变量，环境因素和随机因素作为解释变量，运用随机前沿分析(SFA)模型进行数据的调整，构建松弛变量与环境解释变量的回归方程：

Sij=fi(zj;βi)+vij+wij,i=1,…,m;j=1,…,n

(2)

首先，将随机误差项与混合误差项进行分离。可用以下公式表示：

(3)

(4)

利用SFA回归将所有决策单元调整到相同的外部环境中。可用以下公式表示：

(5)

3.第三阶段：调整后的DEA效率分析

将修正后的输入值和原始输出值再次代入BCC模型中，用于计算各决策单元的效率。此时的计算结果剔除了外部环境因素的影响，将呈现更加客观的结论。

(二)评价指标体系构建

借鉴现有研究理论和实证方法，文章从投入、产出和环境变量三个维度出发构建道路货运效率评价模型。通过相关文献的研究，运用三阶段DEA模型评价物流行业效率时，投入指标参照道格拉斯生产函数，倾向于资本、物力、人力方面，以交通运输、仓储、邮政业固定资产投资反映资产情况，以载货车辆和公路运输总里程反映物力投入，以公路运输业就业人数反映人力投入〔21～28〕。而产出指标则倾向于经济效益和社会效益〔29〕。参考相关文献，结合指标数据的可得性与可操作性，产出指标用交通运输、仓储、邮政业增加值，公路运输货运量和公路运输货物周转量来表示〔30～35〕。考虑到对道路货运的效率有显著影响的因素，选取地区生产总值、固定资产投资占全社会投资的比例和R&D经费支出分别代表经济发展水平、行业投资力度和创新发展程度，将这三个指标作为环境变量〔36～38〕(详见表1)。

表1 道路货运业运行效率指标

1.地区生产总值

地区的经济状况与行业发展息息相关，道路货运业的发展离不开技术、人才的支持，并且与整个宏观经济形势关系密切。从世界发达国家发展经验来看，经济发展状况越好，各行业效率会越高。地区生产总值作为中国经济评价的核心指标，是衡量一个地区经济状况和发展水平的重要指标。基于此，本文选取地区生产总值反映各省份的经济繁荣程度。

2.固定资产投资占全社会投资的比例

道路货运的繁荣发展需依托基础建设的完善，而基础建设离不开政府的财政支出。从短期来看，政府的支持对道路货运行业的发展具有促进作用，由于各个地区在货运行业的发展上所采取的政策具有较大差异性，且政府在交通运输方面的投资大多着重于公路运输建设，因此通过交通运输、仓储、邮政业固定资产投资在全省固定资产投资中的比例反映政府支持力度。

3.R&D经费支出

相关文献表明，道路货物运输的技术经济特点是技术进步与实现经济特性相辅相成，科学技术对于行业效率进步具有重要的支撑作用，而各政府对于道路货运行业的技术支持主要通过研究与试验发展经费来体现〔39～40〕。科技的投资对技术的研发非常关键，采用R&D经费代表各地的科技投资情况，以此来反映各省份的技术支持力度和研发力度。

(三)数据来源

本文以31个省(市、区)作为研究对象，选取了2015—2019年的面板数据研究该时期各省市道路货运行业全要素生产率的变化特点。数据主要来源于《中国统计年鉴》、《中国科技统计年鉴》以及国家统计局网站，鉴于数据不易获取，未包括港澳台地区相关数据。本研究选用2015—2019年31个省(市、区)的面板数据为观测样本，并借助Frontier 4.1和DEAP 2.1软件进行测算。

由表2可知，所有的道路货运行业投入和产出指标数据均成显著正相关(p<0.01)，且相关系数总体较大。通过表3了解到各个指标中的数据极差较大。因此，利用该样本数据进行效率测度分析有效。

表2 Pearson 相关性分析结果

表3 描述性分析

(一)第一阶段传统DEA实证结果

1.总体效率分析

利用DEAP 2.1对31个省(市、区)2015—2019年的道路货运行业数据进行分析，结果显示，从全国层面来看，在不考虑环境因素和随机因素的前提下，该时间段内道路货运市场运行效率整体较好，并且呈逐步上升的趋势。通过表 4可看出，2015年我国道路货运行业综合技术效率、纯技术效率以及规模效率分别为0.813、0.866、0.937，而2019年则分别为0.864、0.916、0.943，各方面均有了明显提升。

表4 2015—2019年全国道路货运业第一阶段效率值

2.区域效率分析

从各个省份的测算结果来看，全国各省的综合技术效率空间分布存在明显的区域差异(见图1)，结合中国四大经济区域，2015年道路货运的综合技术效率排列如下：东部>中部>东北部>西部，2019年道路货运的综合技术效率则变化为东部=中部>西部>东北部，各区域综合技术效率均有明显提升，且西部地区受到“西部大开发”等战略的影响，道路货运效率发展速度最快。另外，图1显示，辽宁、天津、河北、上海、福建、广东、安徽、江西、湖北、湖南、内蒙古、广西、宁夏等省份位于我国道路货运行业的技术前沿，江苏、山东、重庆、西藏、青海等省份道路货运发展反而受到阻碍，综合效率有所下降。

从纯技术效率和规模效率角度来观察各省份道路货运发展情况，结果显示，东部地区和中部地区的纯技术效率比规模效率更高，在技术方面的发展推动综合技术效率得到更高的提升，相反，东北部地区和西部地区的规模效率要优于纯技术效率，在建设规模方面发展较好，但仍需注重对技术的提升。

(二)第二阶段SFA结果分析

将第一阶段计算得出的三个投入变量的松弛变量作为被解释变量，将环境指标中的地区生产总值、交通运输、仓储、邮政业固定资产投资占全社会固定资产投资的比例、R&D经费作为解释变量，采用随机前沿分析(SFA)，借助Frontier 4.1软件对2015—2019年的数据建立回归方程，进行相关计算。

从表5可看出2015年和2019年γ值大多为1.00，说明技术无效率方差占总方差的比重较大，地区生产总值，交通运输、仓储、邮政业固定资产投资占全社会固定资产投资的比例和R&D经费支出作为环境因素，对于投入冗余的影响较为显著。因此，有必要利用SFA模型对环境与随机因素进行剥离。

表 5 2015年及2019年各省道路货运业外部环境变量SFA参数估计

在三个外部环境因素中，可以看到2015年交通运输、仓储、邮政业固定资产投资占全社会固定资产投资的比例对于就业人数的投入松弛变量起反向作用，也代表了该环境变量的提高能促进道路货运行业投入产出效率的提升，在2019年则对道路货运行业投入产出效率的提升无显著影响。地区生产总值以及R&D经费支出在五个模型中的系数为0或为正，反映了该变量对于道路货运行业投入产出效率的提升并无太大作用。

(三)第三阶段调整后的DEA效率分析

利用原始产出数据和经过调整后的投入数据再次进行DEA效率评价，得到新的效率值及规模报酬状态。

1.总体效率分析

从全国层面来看，表6结果显示，在考虑环境因素和随机因素的前提下，各省(市、区)的道路货运行业运作效率发生了明显变化。总体表现为，该时间段内道路货运市场运行效率虽然仍然呈现波动上升的趋势，但运行情况由良好转向一般。2015年我国道路货运行业综合技术效率、纯技术效率以及规模效率分别为0.545、1.000、0.545，而2019年综合技术效率、纯技术效率以及规模效率则分别为0.610、0.994、0.613，与第一阶段的数值相差甚远。探究具体的效率情况，纯技术效率历年来发展状况较好，维持在高水平，但规模效率在0.6左右浮动，这也是促使综合技术效率较低的关键所在。

表6 2015—2019年全国道路货运业第三阶段效率值

2.区域效率分析

借助ArcMap 10.2软件绘制2015年和2019年道路货运综合技术效率空间分布图(见图2)，由各省份的测算结果可看出，2015年道路货运的综合运行效率排列如下：中部>东部>东北部>西部，2019年道路货运的综合运行效率则变化为东部>中部>西部>东北部，其中中西部地区发展速度较快，主要在于纯技术效率的提升，而东北部地区综合技术效率未有较大变化。从图中可以看出，道路货运市场的效率分布存在明显的空间梯度，并随时间的推移而持续存在。同时，沿海地区公路货运发展总体良好，而内陆地区受经济、基础设施建设等条件影响，产业效率不高。剔除外部环境因素对计算结果的影响后，大部分省份的道路货运业经营效率都有所下降，效率前沿的省份数量从13个减少到3个，即河北、山东和广东。天津、海南、宁夏经过调整后效率大幅降低，说明这三省公路货运效率的提升在很大程度上是受环境因素和随机因素的影响(图3详细显示了各省份的效率值)。

在综合技术效率方面，剔除了环境因素和随机因素之后，得到的数据普遍低于调整前的值，东北地区和西部地区变化明显，受到环境因素的影响较大，是因为其拥有相对较好的外部环境，而其实际道路货运行业发展水平会更低。同时，观察图像，可看到我国各区域的综合技术效率发展趋势为平稳上升的状态，调整前后曲线波动方向一致，东部和中部地区效率较高，东北部地区和西部地区道路货运水平较低，但近年来振兴东北老工业基地战略以及“西部大开发”的战略为这两个区域的物流相关行业带来巨大的发展空间。此外，随着国内外的物流企业、物流项目的不断增加，促使区域发展速度处于较高水平。

在纯技术效率方面，无论调整前后，我国各区域纯技术效率均处于高水平状态，调整后的各区域数值均高于0.9。在数据调整前，2019年东部和中部地区的纯技术效率为1.000，经过调整后则有所降低，说明外部环境或随机影响因素使得道路货运行业发展水平比实际情况要高。而东北部和西部地区调整后各年份的效率值增加，则反映了环境因素和随机因素对该地区纯技术效率值的估计误差一定程度上影响了实际纯技术效率水平。

在规模效率方面，剥除环境因素和随机因素之后，各区域规模效率值呈现平稳上升状态，但效率值均有一定幅度的下降，受到外部环境因素的影响较大。其中，东北部地区规模效率下降幅度最明显，表明外部环境因素或随机因素使得道路货运行业效率值发生了明显变化。同时，结果显示中部地区和东部地区道路货运行业的规模效率高于西部地区和东北部地区，但整体效率不高。

(四)Malmquist指数分析结果

本文利用 Malmquist 指数法对 2015-2019 年中国 31个省(市、区)道路货运行业效率的动态变化进行分析(详见表7、图4和图5)。与三阶段DEA模型对道路货运效率进行静态分析不同的是，Malmquist 指数法能够实现对效率动态变化的描述，分解得到的指数和三阶段DEA模型的分析指数并不一致。根据模型的测算,最终得到全要素生产率指数(TFP)、技术效率变化指数(TEC)、技术进步指数(TC)、纯技术效率变化指数(PEC)以及规模效率变化指数(SEC)等数据,其中全要素生产率由技术效率变化指数与技术进步指数构成,技术效率变化指数又可以分为纯技术效率变化指数和规模效率变化指数。依据表7、图4和图5，可以得到如下结论：

表7 2015—2019年Malmquist指数法测度

(1)技术效率变化情况。技术效率变化指数小于1的省份仅有江苏、山东、重庆、青海，这四个省份的道路货运技术效率年增长率在2015—2019年期间为负值。吉林、黑龙江、北京、浙江、山西、河南、广西、四川、贵州、云南、陕西、甘肃等省份技术效率指数大于1，其中北京增加速度最为明显，变化指数为1.077。

(2)技术进步变化情况。东北地区与东部地区所有省份数值均高于1，中部地区与西部地区中安徽、广西、西藏、甘肃、宁夏数值均小于1，处于退步状态，其中西部地区多个省份效率值均小于1，总体增幅较小。技术进步变化效率值最高的同样为北京市，增速16.5%。

(3)纯技术效率变化情况。各省份纯技术效率发展变动不明显，东部地区仅有北京增速为4.7%，其余省份纯技术效率皆为1，西部地区重庆、云南等地效率值小于1。总体来看，纯技术效率为缓慢上升的趋势，平均增幅为0.7%。

(4)规模效率变化情况。2015—2019年全国规模效率值为99.8%，增值为负，也使得技术效率变化指数较低。各个省份中，黑龙江、北京、浙江、山西、河南、广西、贵州、云南、陕西等地效率高于1。

(5)全要素生产率变化情况。2015—2019年我国的全要素生产率变化指数为1.045，四大区域的年均Malmquist指数均大于1，综合排名为东部地区>东北地区>中部地区>西部地区。排在首位的东部地区经济优势显著，交通发达，依托港口经济，道路货运行业蓬勃发展，加上东部地区基础设施建设较为强劲，因此全要素生产率年均增长最高。技术进步指标拉动东北区域全要素生产率的增长，全面振兴东北地区等老工业基地的战略部署正有序进行中，加之创新能力的优化，给东北区域的货运行业带来更多发展契机，使得东北地区的道路货运产业增长效率位于各区域第二。中部地区与西部地区的技术效率变化指标、技术进步指标以及纯技术效率变化指标均大于1，关键在于技术进步指标牵引着全要素生产率的提升，但在道路货运产业的产值和规模方面还存在一定的差异，伴随着“中部崛起”和“西部大开发”战略的推动，中西部地区的道路货运建设将进一步推进。

(一)结论

本研究综合运用三阶段DEA模型对2015—2019年31个省(市、区)的道路货运市场发展情况开展了实证研究，得出如下结论：

(1)地区生产总值、固定资产投资占全社会投资的比例、R&D经费支出等环境因素以及随机因素对道路货运行业运行效率具有显著的影响。剔除外部因素之后，总体纯技术效率有所上升，各区域规模效率明显降低，导致综合技术效率明显降低，说明目前的经济市场环境对于提高道路货运行业运行效率具有很大帮助，受到外部环境变化影响最显著的西部地区和东北部地区未来道路货运发展的重心应以大力优化外部环境为主。

(2)我国各区域道路货运行业发展效率差异较大，东部地区与中部地区发展效率较高，各年份数据高于0.65，而东北地区和西部地区发展效率较低，各年份数据低于0.55。一阶段DEA分析结果表明，我国的道路货运行业运作效率呈现出由东部沿海地区向西部内陆递减的趋势，修正环境因素以及随机因素之后，各个区域之间的运作效率差异并无显著变化。虽然近年来在各经济区域发展战略的支持下，全国行业发展水平均有了明显的提升，但是区域之间的运作效率仍有较大差异，区域协作体系有待进一步完善。

(3)我国各区域2015—2019年道路货运行业纯技术效率均高于0.9，而规模效率水平较低，同时在去除外部环境因素的影响之后，各区域综合技术效率存在明显下降，其根本原因也在于规模效率的制约，规模因素仍是制约我国各经济区域道路货运行业运作效率提升的主要因素。在促进行业技术效率发展的同时，需要积极促进规模化发展，整合各方资源，实现更加科学合理的布局。

(4)通过Malmquist指数法对2015—2019各省份的效率值动态变化情况进行研究，结果显示，从整体来看，全要素生产率呈现上升趋势，技术进步指标是推动其增长的主要驱动因素；
从区域角度看，全要素生产率增长速度表现出东快、中次、西慢的格局，即东部地区综合效率与增速均处于较高水平，中部地区综合效率高但增速慢，而西部地区综合效率与增速都处于较低水平。

(二)对策建议

(1)合理扩建市场规模。一方面，合理性增加固定资产的投资建设。固定资产的投资工作作为促进经济繁荣的有力工具，对国家成功实现年度增长目标、增强城市辐射力与竞争力至关重要。规模效率较低的西部和东北部地区应适当扩大道路货运规模，基础设施建设相对薄弱的西部地区仍是我国公路建设投资重点发展地区。另一方面，加强网上货运市场的建设。通过加大对现代技术应用的扶持力度，促进网络货运发展，加快推进现代先进货运技术或者货运方式的应用，提高投入产出效率。

(2)重视外部环境的作用。外部环境的存在能够提升道路货运行业发展水平，促进行业整体效率的提高。因此，各省应积极加强信息化水平建设，大力发展经济、资产投资、科研经费投入等方面，针对本省的定位和特色，做好产业规划，为各省的道路货运行业，特别是受到外部环境变化影响最显著的西部地区和东北部地区提供良好的外部环境。

(3)加强区域协作。当前区域经济一体化已成为经济发展的主流趋势，区域物流作为区域经济的重要组成部分，对其发展具有重要的推动作用。加强区域合作，有利于整合有限的资源，提高资源利用效率。践行“十四五”规划新要求，深入实施区域协调发展战略，大力推进“一带一路”建设，推动京津冀协同发展、长江经济带发展、粤港澳大湾区建设等重大战略实现新突破，鼓励货运企业跨地区、跨部门资源整合，鼓励对东北部、西部地区等发展较差的区域加强资源的补给。

猜你喜欢 货运道路效率 坚持中国道路——方向决定道路，道路决定命运当代陕西(2022年4期)2022-04-19道听途说小猕猴学习画刊(2022年3期)2022-03-28货运不再“一路失控”——数字化让货运行业更规范更健康当代陕西(2021年13期)2021-08-06我们的道路更宽广青年歌声(2020年12期)2020-12-23提升朗读教学效率的几点思考甘肃教育(2020年14期)2020-09-11注意实验拓展,提高复习效率中学生数理化(高中版.高考数学)(2020年5期)2020-06-02波音公司试飞电动垂直起降货运无人机无人机(2018年1期)2018-07-05AT200大型货运无人机实现首飞无人机(2017年10期)2017-07-06货运之“云”专用汽车(2016年5期)2016-03-01一次骑行带来的感悟读写算·高年级(2015年1期)2015-07-25