中国各省铁路运输效率的测度及时空特征分析

中国各省铁路运输效率的测度及时空特征分析

近些年来，随着经济的快速发展，国家逐渐加大了对交通运输业的投资力度。铁路作为我国主要的运输方式之一，具有运量大、污染小、安全性高、能耗低等特点，在未来的运输市场中占有重要地位。面临运输需求的飞速增长，其他运输方式的竞争，铁路运输压力逐渐加大，在经济可持续发展的前提下，考虑运输效率问题是人们获得可持续运输的保证。除此之外，交通运输作为缩短距离的重要手段，在推动区域经济一体化、重塑经济地理格局中起到重要的作用。国外学者对运输效率的研究较早，在内容、方法上均有一定的研究成果，1980年，Caves and Christensen从所有制方面研究了加拿大铁路运输企业的相对效率；1994年，Oum和Qu运用数据包络模型，根据1978—1989年的数据，对19个OECD国家的铁路业生产效率进行了测度；2021年，Richard Bozec and Mohamed Dia采用DEA模型研究了加拿大国有铁路的产业组织结构和生产技术效率间的关系。相比而言，国内对运输效率的研究较为滞后，近几年通过引进国外研究成果，在测度方法及运输效率等实证分析方面取得了一定的进展。俞礼军，靳文舟（2006）从交通运输系统的4类特性角度提出了衡量交通效率的4种方法，即可达性、机动性、生产率以及效用方法，分别针对不同类型的分析者；李涛，曹小曙（2015）以中国31个省份为研究对象，考察中国铁路、公路、水路三大运输方式，运用DEA模型测算了综合运输效率；吴群琪，宋京妮（2015），在采用主成分分析提取投入产出主成分的基础上，利用超效率三阶段DEA模型测度了2021年我国31个省域的综合运输效率，并运用空间自相关和空间散点图分布深入探究了综合运输效率的省域差异和集群状况。

以上研究表明，已有文献从不同角度提出了运输效率的测度方法，研究了中国各区域运输效率的典型特征和影响因素，获得了丰富并有一定价值的结论，但也有待深入和完善。一方面，现有文献大多使用

标准的数据包络模型（DEA），有效率决策单元均為1，相互之间无法区分，无法准确计算有效率DMU的跨期增长，故以超效率模型进行测度可以避免这一问题；另一方面，现有关于空间运输效率的研究多针对单一公路及公路、铁路等方式组成的综合运输，从时间角度，对铁路的运输效率空间变化研究很少，故本文以中国30个省（市、自治区）为分析单元，选取1997年、2021年、2021年、2021年4个时间段，分析铁路运输效率的时空变化特征。

2模型设定与指标选取

2.1超效率DEA模型

当1φ*1，且s-=0，s+=0，则决策单元为DEA强有效，决策单元的经济活动同时为技术有效和规模有效；当1φ*=1，但至少某个输入或输出大于0，则决策单元为弱有效，决策单元的经济活动不是同时为技术效率最佳和规模效率最佳；当1φ*1，决策单元不是DEA有效，经济活动既不是技术效率最佳，也不是规模效率最佳。

根据模型中的λj判断DMU的规模收益情况：

（1）若∑λj*=1，则DMU为规模收益不变；

（2）若∑λj*1，则DMU为规模收益递增；

（3）若∑λj*1，则DMU为规模收益递减。

2.2指标选取

本文主要以1997—2021年中国30个省（市、自治区）为铁路运输效率测度的对象，由于香港、澳门、台湾以及西藏的数据缺失，故不做考虑。基于数据的可获得性、全面性、简洁性、规范性、客观性这五大原则，文章选取以下指标进行效率测度，如表1所示。数据