【摘要】采用ＤＥＡ模型收集长三角城市群五年的指标数据测算分析长三角城市群的公路货运效率，选择Ｔｏｂｉｔ回归模型研究公路货运效率的影响因素。研究发现：长三角城市群公路货运效率总体较高，但仍存在着资源浪费现象，提升空间较大；地区生产总值、第二产业生产总值在ＧＤＰ中占比、政府财政支出在ＧＤＰ中占比、公路货运量在总货运量中占比均对公路货运效率产生了不同方向和程度的影响。最后，结合实证结果为提高公路货运效率提出建议。

　　【关键词】长三角城市群；公路货运效率；影响因素；ＤＥＡ模型；Ｔｏｂｉｔ模型

　　１引言

　　近年来，国家在公路运输方面出台《加快建设交通强国实施方案》和《公路“十四五”发展规划》等文件，大力推动交通运输业的发展。公路运输业是经济发展的基础，提高公路运输效率对合理有效利用资源、优化产业结构、提高经济发展水平具有积极意义［１］。

　　我国交通运输业快速发展，而效率水平的高低是衡量某个国家或地区交通运输发展水平的重要依据［２］。学术界对于公路运输效率的研究已相当成熟，ＤＥＡ模型在对运输效率的评价中已被大量使用，如汪威［３］对我国贵州高速公路运输效率进行评价分析；李秀邦，于成功［４］在ＤＥＡ模型的基础上，构建ＣＣＲ、ＳＢＭ和超ＤＥＡ模型，对青海省公路运输效率进行研究。既有较多与公路运输效率、货运效率相关的文献集中于物流领域，但是针对长三角城市群分析其公路货运效率研究存在一定学术界研究空缺。本文则通过构建ＤＥＡ模型，测算并分析长三角城市群的公路货运效率，结合Ｔｏｂｉｔ回归模型分析影响因素，并为提高公路货运效率提出建议。
　　２基于ＤＥＡ模型的公路货运效率研究

　　２．１方法介绍

　　数据包络分析（ＤＥＡ）是一种对具有相同类型的决策单元（ＤＭＵ）进行效率评估［５］，从单一的某方面的产出或投入延伸到产出与投入的比值的一种绩效评估方法。相同类型指决策单元的投入产出的性质相同，效率评价是指根据投入产出的比值的多少对决策单元进行评价排序。

　　ＤＥＡ－ＣＣＲ模型是通过一个线性规划模型，来比较评价具有多投入、多产出的决策单元的某方面效率。该模型可以解释为：

　　设有ｎ个ＤＭＵ（ｊ＝１，２，…，ｎ），每个ＤＭＵ具有相同的ｍ项收入（ｉ＝１，２，…，ｍ）和相同的ｓ项产出（ｒ＝１，２，…，ｓ）；令ｘｉｊ表示第ｊ个ＤＭＵ的第ｉ项投入，ｙｒｊ表示第ｊ个ＤＭＵ的第ｒ项产出；ｖｉ表示第ｉ项投入的权重值，ｕｒ表示第ｒ项产出的权重值，ｈｊ为第ｊ个ＤＭＵ的投入产出比值；我们做出一个变换。

　　我们设对偶变量分别为λ１，λ２，…，λｎ与θ，将以上线性规划问题转换成对偶变量规划问题，如以下形式：

　　２.１.２ＤＥＡ－ＢＣＣ模型

　　ＤＥＡ－ＢＣＣ模型与ＤＥＡ－ＣＣＲ模型的区别在于ＢＣＣ模型是在规模收益不变等于１的情况下，考察技术效率θＢＣＣ。在表示形式上，比ＣＣＲ模型多出一个ｊ的约束条件，因此，可以认为ＢＣＣ模型是在生产规模有效的前提下进行效率评价的。

　　本研究旨在采用传统的ＤＥＡ－ＢＣＣ模型，以我国长三角城市群２７个城市为决策单元，以２０１７－２０２１这五年为时间节点，确立评价指标，搜集五年指标数据，在借鉴学术界既有研究成果的基础上，兼顾数据现实意义与获取难度，建立长三角城市群公路货物运输效率评价的投入产出指标体系，并进行效率评价。

　　２．２指标与数据

　　ＤＥＡ模型要求决策单元的投入产出的性质相同，本部分旨在对长三角城市群公路货运效率进行分析评价，对投入、产出指标的选取应尽可能地涵盖公路运输的各个方面。本研究选取公路里程数作为投入指标来反映用地规模和运输业发展情况；运输、仓储和邮政业人员数可以衡量地区物流运输行业规模，故选此作为投入指标反映人员投入；选取营运载货车辆数作为投入指标来反映车辆的资本投入［６］。公路货运周转量可以衡量公路运输经济效益，被选取为产出指标；公路货运量可反映公路运输业发展状况，被选取为产出指标。效率评价指标体系如表１所示。

　　本文选取长三角城市群２７个城市２０１７－２０２１年这五年的指标数据为样本。首先，考虑到数据的完整性与可获得性，选择近五年数据。其次，搜集２７市数据较为繁琐，选取近五年数据操作性更强。最后，搜集近五年相关数据，能更有效地反映近几年该地区公路货运发展状况，特别是在疫情影响下公路运输业的发展。本文数据均来自于长三角城市群涵盖到的各省市统计年鉴。

　　２．３实证分析

　　利用长三角城市群２７个城市近５年的面板数据，建立基于投入导向型的ＤＥＡ－ＢＣＣ模型，采用ＤＥＡ－Ｓｏｌｖｅｒ软件计算得到各市２０１７－２０２１年的技术效率、纯技术效率、规模效率，具体数据与分析如表２所示。

　　①技术效率分析。

　　技术效率（ＴＥ）也叫综合效率，是一个决策单元在多项输入和输出变量下的总体效率表现，表明最优规模下以特定的产出进行生产最大程度上节约投入资源的能力。２０１７年到２０２１年，只有舟山、安庆这两个城市技术效率为１，所以这两个城市对于投入资源的利用均较为有效。而在剩下的城市中，技术效率低于０．８的有１５个，其中低于０．５的有绍兴市和泰州市。这表明这些技术效率较低的城市，对投入资源利用的有效情况相对较差。

　　②纯技术效率分析。

　　纯技术效率（ＰＴＥ）指的是在给定输入变量下，决策单元所能达到的最大产出水平。一个纯技术效率高的决策单元表示其在利用输入资源方面较为有效。长三角城市群达到DEA有效的城市有七个：铜陵、安庆、合肥、滁州、舟山、宁波和上海，并且在这五年纯技术效率的分析结果中，这七个城市的效率值均为1。DEA无效的城市中，台州市、湖州市、池州市达到了四年DEA有效，无锡市、宣城市和马鞍山市达到了三年DEA有效，说明这些城市在这五年中达到过投入产出最优化，但是并没有达到规模最优。在剩下的城市中，有11个城市纯技术效率低于0.8,说明这些城市存在一定的资源浪费情况，后续有待改进。

　　③规模效率分析。

　　规模效率(SE)是一种度量决策单元是否运行在其最优规模上的指标。规模效率通常通过公式SE=TE/PTE进行计算，若达到1为最优。研究发现，舟山市与安庆市连续五年达到最优，表明这两个城市公路货运系统处于最佳运行规模，此时城市尽可能地利用了所有的资源并创造了相应的产出。如果SE<1,说明DMU还未达到最优规模，存在效率上的改进空间。结合数据，南京、扬州、镇江、泰州、绍兴、金华、芜湖、铜陵和池州这9个城市的SE一直小于1,说明这些城市的公路货运效率没有达到最优，有待改进。

　　3基于Tobit回归模型的影响因素分析
　　3.1方法与指标选取

　　长三角城市群公路货运效率差异的形成受到了多方面因素的影响，基于文献研究与上述求解结果，本文将DEA模型测得的综合效率作为被解释变量，影响因素作为解释变量，使用Tobit回归模型进行研究分析，探究不同影响因素对货运效率的影响。

　　公路货运的发展与地区经济水平息息相关，因此选取地区生产总值GDP作为衡量地区经济发展的指标。考虑到公路货运会受到产业结构的影响，数据显示2022年我国社会物流总额为347.6万亿元，其中工业品达到309.2万亿元，占比89%,因此选取第二产业生产总值在GDP中占比来表示地区的产业结构特征。公路货运效率也与财政投入规模有关，基于此，选取政府财政支出在GDP中占比作为财政指标[7]。公路使用率的大小很大程度决定公路系统的运输效率[8],故选取公路货运在总货运量中的占比作为影响因素之一。影响因素评价体系表如表3所示。

　　3.2模型建立

　　Tobit回归模型最早由James Tobin提出，用于分析家庭耐用品的支出情况。由于本文选取的被解释变量为DEA模型计算得到的公路货运综合效率，取值范围为0-1,同时考虑到研究公路货运效率的影响因素时应尽量避免效率值的离散以及估计的误差[9],因此采用极大似然法的Tobit回归模型来探究影响因素对公路货运效率的影响：

　　式中，x i为自变量，yi为效率值，βi为回归参数，αi为误差项且αi~N(0,σ2)。结合本文研究，建立如下Tobit回归模型：

　　式中，y代表计算得到的公路货运综合效率，x代表影响因素，β为参数向量，β0为常数项，α为误差项。

　　3.3模型结果分析

　　借助Stata16.0软件，对上述建立的Tobit模型进行计算分析，结果如表4所示。

　　具体分析如下：

　　①地区生产总值GDP。

　　地区生产总值GDP对公路货运综合效率回归系数为负，在10%水平上显著。这说明地区生产总值的提高会对公路货运效率产生负影响，但回归系数的绝对值较小，负影响较小。这可能是由于长三角城市群在发展过程中存在一定资源浪费的现象，导致GDP的提高并不能提高公路货运效率。

　　②第二产业生产总值在GDP中占比。

　　第二产业生产总值在GDP中占比对公路货运综合效率回归系数为正，在10%水平上显著。这说明第二产业生产总值在GDP中占比的提高会显著提高公路货运效率，也说明今后长三角城市群在提高公路货运效率方面，要注重产业结构的优化，及时进行合理调整。

　　③政府财政支出在GDP中占比。

　　政府财政支出在GDP中占比对公路货运的综合效率回归系数为正，在1%的水平上显著。这说明政府财政支出在GDP中占比的提高会对公路货运效率产生正影响，因此政府应适当增加财政支出与投入来提高公路货运效率。

　　④公路货运量在总货运量中占比。

　　公路货运量在总货运量中占比对公路货运的综合效率回归系数为正，在5%的水平上显著，这说明公路货运量在总货运量中占比的提高会对公路货运效率产生正影响。公路货运量在总货运量中的占比反映了运输规模，因此优化运输网络、扩大运输规模可以在一定程度上提高公路货运效率。

　　4结论与建议

　　选取长三角城市群27个城市作为研究对象，确定指标并搜集各城市2017-2021年相关数据，选择DEA模型从技术效率、纯技术效率、规模效率三个方面测算分析27个城市的五年间的公路货运效率，发现总体货运效率较高，但存在着资源浪费现象，提升空间较大。选择Tobit模型研究分析公路货运效率的影响因素，发现地区生产总值、第二产业生产总值在GDP中占比、政府财政支出在GDP中占比、公路货运量在总货运量中占比均对公路货运效率有着不同方向与程度的影响。

　　研究表明，目前提高长三角城市群公路货运效率具有必要性和紧迫性，本文结合实证结果，提出以下建议。

　　①进行资源合理配置，提高资源利用率。实证结果表明，GDP会对公路货运效率产生负影响，说明长三角城市群存在着资源利用不合理的情况。要充分发挥长三角城市群的地理与资源优势[10]并进行合理分配，使地区资源与地区生产力发展以及市场需求相适应，减少资源浪费，进而提高公路货运效率。

　　②优化公路货运网，提高货车装载率。研究发现，部分城市公路里程数与公路货运效率并不协调，要合理建设公路运输网络，适当建立物流枢纽以及配送中心。同时，要注重提高货车装载率，避免不合理运输形式产生，提高公路货运效率。

　　③鼓励技术创新，积极引入人才。研究发现，第二产业生产总值在GDP中占比的提高会显著提高公路货运效率，这说明产业结构是影响公路货运效率的重要因素。在优化产业结构方面，技术的进步以及创新型人才的引进作用巨大。因此，政府要注重技术创新以及人才培养，发展新技术，推动行业发展，提高货运效率。

　　［参考文献］

　　[1]钱婧，陈浩．基于DEA分析法的全国公路运输效率分析[J].建材发展导向，2022,20(04):97-100.

　　[2]段新，岑晏青，路敖青．基于DEA模型的31省份公路运输效率分析[J].交通运输系统工程与信息，2011,11(6):25-29.

　　[3]汪威．基于DEA的贵州高速公路运输效率评价与分析[J].甘肃科技，2021,37(13):89-91.

　　[4]李秀邦，于成功．基于DEA多模型的青海省公路运输效率研究[J].青海交通科技，2020,32(03):31-35.

　　[5]刘翠萍，李武．中国物流产业效率评价文献综述—基于数据包络分析法[J].中国流通经济，2016,30(11):12-21.

　　[6]孙启鹏，郭小壮，蒋文静，等．中国省域货物运输效率评价及时空演化研究—以“一带一路”为背景[J].工业技术经济，2018,37(04):53-61.

　　[7]刘宏伟，吴杰，梁雯．公路货运效率及影响因素研究—皖江城市带比较研究[J].交通运输系统工程与信息，2018,18(02):27-32.

　　[8]李鑫．国别铁路运输效率测度及其影响因素研究[D].石家庄：石家庄铁道大学，2022.

　　[9]刘洁，雷思友．安徽省物流效率及其影响因素实证研究—基于DEA模型和Tobit回归模型的分析[J].武汉商学院学报，2021,35(03):51-55.

　　[10]李正标．基于DEA模型的物流产业与区域经济协同发展策略—以湖南省岳阳市为例[J].岳阳职业技术学院学报，2023,38(01):44-48.