基于DEA模型的陕西省道路交通运输效率评价与分析

    王李轩

    

    

    

    摘 要：“一带一路”建设的推进对陕西省道路交通运输提出新的时代要求，为抓住发展机遇，进一步提高公路运输效率更加必要。就此，应用数据包络分析方法从投入冗余和产出不足两方面分析了陕西省2017年与2018年各市公路交通运输效率现状及存在的问题，结果显示，2017年陕西省有9个城市均为DEA有效或接近城市接近有效单元，杨凌示范区和延安市两个地方比较特殊，但都处于规模效益递增阶段。可见，陕西省道路交通运输效率满足了发展需求，但仍存在一定地域差异。

    关键词：公路交通运输;数据包络分析;运输效率

    中图分类号：F542? ? ? 文献标志码：A? ? ? 文章编号：1673-291X（2019）35-0065-03

    引言

    陕西省作為西北五省中的公路交通大省，公路货运周转量和旅客周转量常年位居第一，公路交通运输在陕西省具有重要的地位和突出的成绩。道路运输的持续发展，对陕西省进一步提高公路的利用率，抓住“一带一路”西部建设机遇促进陕西省公路强省的建设有重要意义。因此，本文将2017年与2018年陕西省11个市各市投入产出放入DEA模型中，分析效率的差异及其原因。

    MatthewG.Karlaftis[1]采用DEA分析了运输效率与效果关系，利用美国运输系统近5年的相关数据对其研究成果进行了验证。李雪[2]等建立了城市交通运输效率评价指标体系，并借助层次分析法及广义函数法对兰州市交通运输效率进行了综合评价。高永鑫[3]利用DEA技术研究了中国铁路的技术效率、纯技术效率和规模效率，证明利用DEA模型对产业的效率进行分析时得出的结果更为客观。杨良杰[4]等基于时空变异引入非期望产出评价模型，对中国公路运输效率进行了分析。综合来看，当可以忽略考虑投入产出之间复杂关系时，DEA模型用于分析产业效率的优势就被展现出来。

    一、研究方法

    （一）数据包络分析简介

    数据包络分析通过投入与产出指标的输入及线性规划方法确定相对无效率单位，并通过比较发现降低无效率途径。

    （二）模型建立

    对n个因素，每个因素有m项投入和s种产出，即：

    Xj=（x1j，x2j，…，xmj）T

    Yj=（y1j，y2j，…，ysj）T

    V=（v1，v2，…，vm）T

    U=（u1，u2，…，us）T

    则因素j的效率评价指数为：

    hj=r=1suryrji=1mvixij

    j=1，2，…，n;i=1，2，…，m;r=1，2，…，s

    式中：xij是第j个因素对第i种投入的总量，xij>0;yrj是第j个因素对第r种产出的总量，yrj>0;vi是第i种投入的权;ur是第r种产出的权。当hj≤1时，评价第k（1≤k≤n）个因素的效率，把效率指数视为目标，CCR模型表示如下：

    PCCRmaxUTYkVTXks.t.UTYjVTXj≤1 V≥0U≥0j=1，2，…，n

    然后用Charness-Cooper转换后可以得到等价的线性规划：

    H1 min ξ s.t.j=1nXjλj≤ξXk

    j=1nYjλj≥Yk λj≥0 j=1，2，…，n

    再将（PCCR）对偶变换后得到：

    PCCR maxVTXk s.t.ωTXj-vTYj≤1 j=1，2，…，n ωTXk=1 ω≥0 v≥0

    当加入松弛变量s-与剩余变量s+，最后把H1转换成标准型：

    H1min ξ s.t.j=1nXjλj+s-≤ξXk j=1nYjλj-s+≥Yk λj≥0 j=1，2，…，ns-≥0 s+≥0

    对第k个被评价对象有：

    min ξ

    s.t.j=1nX1jλj+s-=ξX1k…j=1nXmjλj+s-=ξXmkj=1nY1jλj-s+≥Y1k…j=1nYsjλj-s+≥Yskλj≥0 j=1，2，…，n

    s-≥0，s+≥0

    当j=1nλj<1，规模收益递增，当j=1nλj=1规模收益不变，当j=1nλj>1规模收益递减，根据经济学中的界定，当规模收益不变时，生产为规模有效。

    二、陕西省道路运输业DEA模型的建立与分析

    （一）指标的选取与数据收集

    模型指标的选取应该从充分反映道路运输的实际情况角度出发。产出指标应包括公路运输的运输服务产品、事故损失、运输时间等，投入指标应包括车辆、司机、能耗、管理成本、技术成本、建设成本等要素。但是从可行性角度分析，模型的构建必须选取相互匹配的投入、产出指标，且考虑数据可得性。本文选取指标见表1。

    （二）陕西省公路交通运输相对有效性评价

    将各市指标数据代入DEA模型中，运用MATLAB软件求解可得陕西省各市公路运输综合效率、技术效率、规模效率，见表2。

    由此分析得出以下主要结论。

    1.综合效率分析

    总体来看，2017年陕西省11个城市中，西安、宝鸡、咸阳、渭南、榆林、安康和商洛等7个市公路运输效率DEA有效;2018年陕西省11个城市中，西安、铜川、宝鸡、咸阳、渭南、榆林、安康和商洛等8个市公路运输效率DEA有效。分区域来看，关中地区2018年除杨凌示范区以外均达到运输效率DEA有效。陕南三个市中，安康市和商洛市在2017年和2018年分别为DEA有效，汉中市的综合效率值两年均在0.95左右，是边缘有效单元。陕北两个市中，榆林市在2017年和2018年达到运输效率DEA有效，延安市两年综合运输效率较低，处于0.75左右。

    2.规模效率分析

    2017年DEA效率有效的8个市的规模效率均达为1，也是有效的。在规模无效的3个省份中，陕北的延安市和陕南的汉中市处于规模效益递增阶段，即增加要素投入可带动效率提高，其中杨凌示范区规模效率偏低。

    3.技术效率分析

    从2017年结果来看，在DEA无效的城市中，延安技术效率偏低，表明其存在投产失衡现象。而杨凌示范区的技术效率虽为1，但规模效率较低，说明杨凌区并未实现规模的最优化，但投入产出已达到最佳。

    4.投入產出冗余分析

    利用Deap2.1软件计算结果无效的7个市其各产出要素、投入要素，分析投入产出冗余情况，2017年投入产出冗余最大的是延安市，延安市从业人数冗余为358.2人，货运周转量产出冗余为54.34亿吨公里，说明延安市道路运输生产潜力尚未得到完全挖掘，没有达到理想水平[10]。以2017年铜川市为例，原有的能耗由20.5万吨标准煤降低到16.91万吨标准煤，基础设施投入由24.81亿元降低到22.69亿元，其他投入指标不变，货运周转量由原来的83.9亿吨公里增加到86.3亿吨公里，客运周转量由原来的6.37亿人公里增加到6.51亿人公里，其他产出指标不变，即可使投入产出达到最佳组合，实现DEA有效，同理可对其他非有效因素情况进行分析。

    三、结论和建议

    本文通过筛选指标，利用2017—2018年陕西省各市交通运输投产数据，建立数据包络分析模型，综合分析陕西省各市道路运输的综合、技术与规模效率，并进行了投入产出冗余分析并指出优化方法。根据计算结果结合现状，陕西省道路运输系统整体上运输效率满足经济发展要求，但在一定程度上存在地域差异，其中关中地区道路运输效率最优，陕南地区次之。2017年11个市中已有8个城市达到最优化结果，在其余3个城市中，汉中市属于边缘有效单元，杨凌示范区的技术效率为1已达到了投入产出的最优，延安市综合效率和技术效率均偏低，这3个城市均处于规模递增阶段，应加大投入可以提高其道路运输效率。随着经济逐步发展，在一带一路的大背景下，对公路运输效率要求会不断增高。因此，结合本文分析研究结论，为使交通系统投入产出要素的匹配程度达到最佳，未来陕西省应强调对交通系统各市场要素统一规划建设，推进城市道路交通一体化，建立高效率的道路运输交通网络，为高要求的运输需求提供保障。

    参考文献：

    [1]? MatthewG.Karlaftis，Statistical and Econometric Methods for Transportation Data Analysis[J].Journal of Transportation Engine-ering，2003，130（5）.

    [2]? 李雪，吴芳，左健伟.兰州市交通运输效率的评价分析[J].交通科技与经济，2007，（3）：92-94.

    [3]? 高永鑫.基于DEA的中国铁路运营效率分析及评价[J].科技创新与应用，2012，（18）：52-52.

    [4]? 袁博.基于SFA模型的福建创新型企业创新效率分析[J].发展研究，2016，（3）：68-71.

    [5]? 杨良杰，吴威，苏勤，等.基于SBM-Undesirable模型的1997—2010年中国公路运输效率评价[J].地理科学进展，2013，32（11）：1602-1611.

    [6]? 杨国梁，刘文斌，郑海军.数据包络分析方法（DEA）综述[J].系统工程学报，2013，32（11）：1602-1611.