中国铁路运营效率实证研究：基于双活动—双阶段效率评估模型，本文主要内容关键词为：效率论文,中国铁路论文,模型论文,阶段论文,实证研究论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中国铁路以6％的营业里程完成世界铁路1/4的运输量，实现了旅客周转量、货物发送量、换算周转量、铁路运输密度四个“世界第一”，成为世界上铁路运输效率最高的国家。中国铁路运输在世界范围内取得巨大成就的同时，却仍然面临着国内发展的困境，那就是铁路发展长期滞后于中国社会经济的发展。随着经济快速增长与消费结构不断升级，中国面临日益严重的资源与环保压力，铁路作为大运量、低能耗的运输方式应为国民经济发展提供更加有效的支撑与保障。在此背景下，铁路运力不足对国民经济和社会发展形成的严重瓶颈制约更加突出。中国铁路运力不足的成因十分复杂，可能与铁路投入不足带来的产出不足相关，也可能与铁路运营的资源配置及技术效率相关。基于此，铁路生产绩效评价十分重要，这既有利于全面掌握我国铁路运营效率状况，也有利于深入挖掘铁路生产无效率的成因，为相关部门进行有针对性的铁路管理与投资决策提供重要信息。
一、文献综述
铁路运输在国家或区域经济发展中发挥着重要作用，国际上有关铁路运营效率的研究逐渐兴起。依据是否设定边界和是否设定参数，铁路效率研究方法可划分为四类：第一类是Tobit、OLS等参数—非边界法(Oum & Yu，1994；Gathon & Pestieau，1995)，其适于效率影响因素的分析。第二类是全要素生产率指数和偏要素生产率指数等非参数—非边界法(Hariton & Roy，1979；Freeman等，1985；Jackson，1991；Thompson et.al，1991)，其对投入、产出价格指数具有严格要求。第三类是参数—边界法(Gathon & Perelman，1992；Couto & Graham，2008；Kumbhakar，S.1987)。其一是随机边界法，对随机变量的分布方式假设十分敏感；其二是固定边界参数法，不同生产函数的选择可能衍生不同的研究结果。第四类是以数据包络分析法(Data Envelopment Analysis，DEA)为代表的非参数—边界法。DEA模型完全摆脱了特定生产函数形式、特定随机变量分布方式以及投入、产出价格指数的束缚与扭曲，更加适用于具有“多投入—多产出”生产特性的铁路生产效率衡量。
Oum和Qu(1994)通过使用DEA模型分析了1978年至1989年期间19个OECD国家的铁路运行效率，并剖析了公共补贴和管理自由度对铁路效率的影响。Chapin和Schmidt(1999)应用DEA方法评价了1980年美国铁路放松管制后14年间美国1级铁路公司的生产效率状况，对企业兼并行为能否提升企业生产效率进行检验。Cowie(1999)以DEA模型作为理论工具，构建技术效率和管理效率边界，对西班牙私有铁路公司和国有铁路公司的技术效率、管理效率和组织效率予以研究。Lan和Lin(2005)建议将铁路运输服务的生产过程和服务过程分开考察，提出四阶段DEA模型，考察了1995-2001年间世界44个铁路运输企业的技术效率和服务有效性，并利用MPI生产率指数剖析了效率的动态变化状况。Yu(2008)以2002年全球40个铁路系统为研究对象，应用传统的DEA和NDEA模型，在充分考虑运输服务不可储存的特性、效率与有效性区别的基础上，逐一考察了铁路企业技术效率、服务有效性和技术有效性。
然而，上述文献仍存在以下可延展之处。首先，大多数文献将铁路客运和铁路货运视作无差异的同一生产过程。这并非事实，铁路客运和货运在装卸、车辆运行等方面均使用不同的技术。因此，Yu和Lin(2008)提出将货运效率、客运效率在统一框架内分别予以研究。其次，越来越多的学者(Lan & Lin，2005；Yu & Lin，2008；Yu，2008)开始重新解构铁路的运营过程，将运营过程分解为生产和消费过程。但是，消费并非铁路企业的终端过程，铁路企业提供运输服务被消费的结果是为铁路企业带来收入，而有关铁路创收过程的研究却十分鲜见。再次，现有文献对铁路绩效的评价大多关注某一时期的静态效率，跨时期动态效率研究较少。
鉴于此，本文以DEA模型和Malmquist全要素生产率指数为理论工具，将铁路客运与货运、产出阶段与创收阶段纳入统一研究框架，建立“双活动—双阶段”效率分析框架，系统地考察中国铁路运输系统的生产效率与生产力。(1)基于对客运与货运生产技术特性不同的深刻认识，独立评价货运与客运的运营效率；(2)基于价值链观点，将铁路运营过程由生产过程拓展至创收过程；(3)利用数据包络法，从静态视角考察客运和货运的产出效率与创收效率；(4)利用Malmquist全要素生产率指数，从动态视角考察客运和货运的产出能力与收入能力；(5)考量客运综合效率和货运综合效率，明确铁路局效率优化路径。
二、研究框架与理论方法
1.双活动—双阶段效率评估分析框架的创建
随着中国铁路体制改革的不断深入，铁路运输企业的“企业化、市场化”特征日益明显，铁路运输企业提供运输服务满足社会需求同时，更加关注这一过程所能带来的收益，创造合理的运输收入成为铁路企业追求的核心目标之一。铁路企业的运营全过程可以视作一条价值链：产出阶段，铁路的初始投入转换为实物产出(实际运输量)，静态地衡量产出效率，动态地衡量产出生产力；创收阶段，产出阶段的实物产出衍生为货币收入(运输收入)，静态地衡量创收效率，动态地衡量创收生产力。与此同时，铁路运输主要由货运和客运两种生产活动构成，两种活动所使用的生产技术与所面对的生产函数截然不同，将客运和货运两种生产活动分离、独立考察货运效率与客运效率是合理的、可行的。基于此，创建双活动—双阶段效率评估分析框架，对中国铁路运输生产效率和生产力进行综合评价，如图1和表1所示。
对于铁路客运过程，以铁路营业里程反映土地投入，以客运从业人员数量①反映劳动投入，以客车数量和客运车站数量反映资本投入，以旅客周转量和旅客发送量作为产出；创收阶段，以旅客周转量和旅客发送量作为投入，以客运收入作为产出。对于铁路货运过程，产出阶段选择以铁路营业里程衡量土地，以货运从业人员数量②反映劳动，以货运车站数量和货场面积反映资本③，以货物周转量和货物发送量作为产出；创收阶段，以货物周转量和货物发送量作为投入，以货运收入作为产出。为考察铁路客运全过程效率，将客运综合效率设定为产出效率和创收效率的乘积，将货运综合效率设定为产出效率和创收效率的乘积。
以中国18个铁路局为研究对象，投入—产出数据来自《中国铁道年鉴(2007，2008)》和《全国铁路统计年鉴(2006，2007)》，采用2006-2007年的面板数据作为样本，共计36个观察值。
图1 双活动—双阶段效率评估分析框架
2.基于双活动—双阶段效率评估分析框架的模型应用
(1)数据包络分析：产出效率与创收效率的静态评价。CCR-DEA模型由Charnes等(1978)提出，假设条件为规模报酬不变，用于衡量技术效率；BCC-DEA模型由Banker等(1984)提出，是对CCR模型的延伸，假设条件为规模报酬可变，用于衡量纯技术效率；技术效率与纯技术效率之商为规模效率。概要地讲，DEA方法无需指定生产函数形态，对投入—产出的价格信息不具备严格要求，投入—产出变量的权重由数学规划根据样本数据产生而不受人为因素影响，适用于评价具有多投入、多产出的决策单位的生产效率。为考察现有产出水平下投入缩减的最大比例，选择投入导向数据包络法衡量铁路客运生产和货运生产的第一阶段技术效率，即客运产出效率和货运产出效率；为考察现有产出水平下收入扩张的最大比例，选择产出导向数据包络法衡量铁路客运生产和货运生产的第二阶段技术效率，即客运创收效率和货运创收效率。DEA模型规划求解问题表示如下：
产出导向CCR—DEA模型：
(2)Malmquist全要素生产率指数：产出力与创收力的动态评价。Malmquist生产率指数(Malmquist Productivity Index，MPI)最早由Malmquist(1953)提出，Caves等(1982)将其应用到非随机框架中，F
re等(1994)将其拓展为产出导向Malmquist全要素生产率指数。Fre等(1994)提出的Malmquist全要素生产率指数可以度量全要素生产率的逐期变化，也可以将全要素生产率变化
分解为综合技术效率变动(EC)和技术变动(TC)。从基期s到时期t的全要素生产率变化表示为：
三、客运生产效率和生产力的综合考察
1.客运生产效率的总体特征：产出效率与创收效率
中国铁路客运的产出效率(均值0.854)明显高于创收效率(均值0.595)。究其原因，产出阶段的纯技术效率(均值0.942)和规模效率(均值0.910)均高于创收阶段的纯技术效率(均值0.800)和规模效率(均值0.738)，且Mann-Whitney检验显示客运产出阶段与创收阶段的各项效率差异具有统计显著性(p=0.000)，如表2和表3所示。这说明创收阶段是铁路客运发展的瓶颈，这可能与客运的准公共物品特性相关，但铁路管理制度、管理水平和管理理念才是制约客运创收能力提升的关键。
客运的产出阶段和创收阶段均不同程度地存在纯技术无效率和规模无效率。客运产出阶段和创收阶段的纯技术效率均高于规模效率，规模无效率成为产出阶段和创收阶段无效率的主要根源。这说明我国铁路客运的现有生产规模结构与最优生产规模结构之间仍具有较大的差距，铁路网运输规模总量不足、运输网布局和结构矛盾等资源配置不合理是主要成因。
2.客运生产效率的区域分布特征
受区域经济发达程度、区位环境以及管理体制等诸多因素的影响，我国铁路客运呈现出明显的区域④发展不平衡特征，如图2所示。
图2 客运产出效率与创收效率的区域差异分析
东部地区产出效率(均值0.985)雄居榜首，中部(均值0.974)仅次之，东北(均值0.773)和西部(均值0.748)则明显落后，各区域之间的效率差异具备统计显著性(p=0.000)，如表4所示。这表明东部地区是我国客运最为发达的地区，这不仅与该地区较为发达的区域经济和高度密集的人员交流紧密相关，而且也得益于较为完善的铁路运输网络。然而，从创收能力来看，东部地区的创收效率(均值0.581)则稍稍逊色于西部地区(均值0.705)，东北(均值0.501)和中部(均值0.437)分列其后，这种差异也具备统计显著性(p=0.005)。从总体来看，东部、中部、西部和东北地区四大区域的铁路产出效率均明显高于创收效率，这表明提升创收能力是各区域共同面临的问题。
表4 客运生产效率的区域差异显著性分析：Kruskal-Wallis检验
指标 产出效率 创收效率
卡方 26.483
12.856
P值0.0000.005
3.铁路局竞争地位识别：基于客运“产出效率—创收效率”矩阵分析
一般情况下，大都选择客运量、客运周转量或者客运收入来衡量一个铁路局竞争力的强弱。从效率视角，这种只考虑产出、未考虑投入的方法，无法准确衡量铁路局竞争力状况；从系统视角，这种结果导向型分析方法，无法将铁路产出阶段拓展到创收阶段，难以准确评价铁路局竞争力状况的成因。基于此，本文构建产出效率与创收效率两维矩阵分析，以效率平均值作为评价绩效优劣的标准，通过综合考量一个铁路局在产出阶段和创收阶段的绩效表现判定其竞争地位(如图3所示)，分析铁路局之间的竞争态势，并针对不同类型的铁路局分别提出提升经营效率与竞争力的对策建议。
图3 客运产出效率—创收效率矩阵
第一类是明星企业，具有产出效率和创收效率双高的特征，如，北京、上海、乌鲁木齐、兰州四个铁路局。这类企业得益于合理的基础设施投资和相对高效的产出，具有很好的发展前景。第二类是高产出企业，具有“高产出效率—低创收效率”的特征，如郑州、太原、广铁集团、武汉、济南、南昌六个铁路局。这类企业应在巩固产出阶段高效运营的基础上，通过服务营销提升长途旅客比例、提升客运产品等级、提升每乘客公里收益等途径来重点提高创收能力。第三类是高创收企业，具有“低产出效率—高创收效率”特征，如青藏铁路公司和成都、哈尔滨、昆明铁路局。这类企业创收阶段的效率表现良好，提升效率的重点在于通过削减现有产出水平下的冗余投入或通过市场营销、改进服务质量、推出创新型服务产品等途径来提升产出效率。第四类是问题企业，表现出“低产出效率—低创收效率”的特征，如西安、柳州、沈阳、呼和浩特四个铁路局。这类企业在产出阶段和创收阶段均不具备竞争优势，需要双管齐下共同提升效率。
4.客运全要素生产率的动态趋势：产出力与创收力
中国铁路客运发展态势良好，2006-2007年中国铁路客运的全要素生产率有所提升，如表5所示。客运产出力的全要素生产率提升(+0.135)来源于技术效率改善(+0.017)和技术进步(+0.116)的双重贡献；创收力的全要素生产率提升(+0.046)则主要得益于技术进步(+0.119)。同期，创收阶段的技术效率表现为衰退趋势(-0.066)。很显然，创收阶段作为铁路客运的薄弱环节，效率低下的状况日趋严重，如若不能及时改进，必将影响铁路客运市场的健康发展。
从产出阶段来看，东部和西部地区的全要素生产率提升是技术效率改善和技术进步综合作用的结果；技术进步是中部和东北地区全要素生产率改善的主要成因。从创收阶段看，效率改善和技术进步是东部地区全要素生产率改善的双重因素；中部和西部地区主要是得益于技术进步；东北地区主要得益于效率改善。
表5 客运产出阶段—创收阶段全要素生产率变动状况(2006-2007年)
地区 产出力变化 创收力变化
MPI
EC TCMPI ECTC
东部1.149 1.007 1.142 1.068 1.011 1.059
中部1.129 0.994 1.135 1.020 0.846 1.220
西部1.165 1.053 1.107 1.057 0.930 1.150
东北1.037 0.967 1.072 1.023 1.029 0.994
全国平均 1.135 1.017 1.116 1.046 0.934 1.119
注：MPI为Malmquist全要素生产率指数；EC为技术效率变动；TC为技术变动。
四、货运生产效率和生产力的综合考察
1.货运生产效率的总体评价：产出效率与创收效率
中国铁路货运产出阶段的绩效明显优于创收阶段。具体来看，货运产出阶段的产出效率(均值0.649)、纯技术效率(均值0.800)、规模效率(均值0.833)明显高于创收阶段的创收效率(均值0.519)、纯技术效率(均值0.652)和规模效率(均值0.782)。Mann-Whitney检验显示这种差异具有统计显著性，如表6和表7所示。与客运不同的是，货运产出阶段和创收阶段的规模效率均高于纯技术效率，纯技术无效率成为货运产出阶段和创收阶段无效率的最主要成因。我国铁路货运的纯技术效率低可能是因为现有产出不足及管理经营水平低下所造成。
表6 货运生产效率的总体状况
年份
货运产出阶段 货运创收阶段
产出效率 纯技术效率 规模效率创收效率
纯技术效率
规模效率
2006年 0.689 0.824 0.8530.533 0.645
0.811
2007年 0.609 0.776 0.8120.504 0.659
0.753
均值
0.649 0.800 0.8330.519 0.652
0.782
表7 货运产出阶段与创收阶段效率值差异的Mann-Whitney检验
指标
技术效率纯技术效率
规模效率
Mann-Whitney U值 391.500 393.500 453.000
P值
0.0040.004
0.028
2.货运生产效率的区域差异分析
中国铁路货运系统的不均衡特征十分突出。从产出阶段看，中部地区(均值0.802)雄居榜首，东部(均值0.675)、西部(均值0.618)和东北(均值0.412)依次位列其后；从创收阶段来看，西部地区创收效率(均值0.649)最高，东北(均值0.541)次之，中部(均值0.410)和东部(均值0.356)最低。上述两阶段的区域间效率差异均具备统计显著性，如表8和表9所示。
就东部和中部地区而言，产出阶段的绩效明显优于创收阶段。其一，基于区域间效率比较的视角，该区域的产出效率领先于西部和东北地区；其二，基于区域内部视角，产出效率高于创收效率。因此，该地区铁路货运系统绩效的提升应以创收阶段为切入点，如何将运输服务量有效转化为可观的运输收入是该地区提升货运效率的关键。就西部和东北地区而言，创收阶段的竞争优势较为明显。其一，该区域的创收效率领先于东部和中部地区；其二，区域内部的创收效率高于产出效率。因此，产出阶段是该地区铁路货运的薄弱环节，如何将原始投入最大限度地转化为产出是亟待解决的问题。从总体看，东部、中部和西部及东北地区在铁路货运系统中各有所长，区域间应加强学习、互相借鉴，促进整体系统优化。
表8 货运产出效率与创收效率的区域差异分析
指标 产出效率 创收效率
东部 0.6750.356
中部 0.8020.410
西部 0.6180.649
东北 0.4120.541
表9 货运生产效率的区域差异显著性分析：Kruskal-Wallis检验
指标 产出效率 创收效率
卡方
12.887
16.400
P值 0.0050.001
3.铁路局竞争地位识别：基于货运“产出效率—创收效率”矩阵分析
为考量各铁路局在铁路货运系统中的竞争地位，以货运产出效率—创收效率矩阵为依据，将铁路局划分为明星企业、高产出企业、高创收企业和问题企业。具体来看，太原、呼和浩特、乌鲁木齐三个铁路局位于右上角，表现出“高产出效率—高创收效率”的典型特征，属于明星企业。郑州、西安、武汉、南昌、济南、上海、北京、柳州、兰州九个铁路局位于左上角，表现出“高产出效率—低创收效率”的特征，属于高产出企业，这类企业应在巩固铁路货运产出阶段高效运营的基础上，通过调整货类结构、吸引高费率货源、加强货物运输管理等手段提升将实物产出量转化为可观货运收入的能力。高创收企业包括青藏公司、哈尔滨和昆明铁路局，位于右下角，这类企业创收阶段绩效表现良好，产出阶段则亟待通过扩大产出、降低投入等途径来提升效率。广铁集团、成都和沈阳铁路局位于左下角，表现出“低产出效率—低创收效率”特征，属于典型的问题企业，产出阶段和创收阶段的绩效均亟待提升，如图4所示。
图4 货运产出效率—创收效率矩阵
4.货运全要素生产率的动态趋势：产出力与创收力
中国铁路货运发展态势良好，产出阶段和创收阶段的全要素生产率均有不同程度的增长，如表10所示。然而，不容乐观的是，这种生产率增长主要来自于技术进步的作用，同期的产出效率和创收效率均表现出衰退的迹象。在产出阶段，东部、中部、西部和东北地区的全要素生产率均有所改善，且均是技术进步和技术效率下降的综合作用结果。在创收阶段，东部、西部和东北地区的全要素效率改善主要得益于技术进步；而中部地区的全要素生产率则有所下降，这主要是由于技术效率衰退造成的。
表10 货运产出阶段—创收阶段全要素生产率变动状况(2006-2007年)
地区 产出力全要素生产率变化
创收力全要素生产率变化
MPI EC TCMPIEC TC
东部1.047 0.859 1.220 1.047 0.998 1.049
中部1.131 0.937 1.207 0.984 0.929 1.064
西部1.020 0.896 1.117 1.048 0.965 1.089
东北1.061 0.869 1.220 1.011 0.896 1.130
全国平均 1.031 0.889 1.160 1.028 0.954 1.077
注：MPI为Malmquist全要素生产率指数；EC为技术效率变动；TC为技术变动。
五、铁路客运综合效率与货运综合效率评价
1.客运综合效率与货运综合效率的总体特征
从总体上看，我国铁路系统内部的客运综合效率和货运综合效率仍处于较低水平，如表11所示。这与中国铁路运输效率“世界第一”的事实并不矛盾，说明中国铁路效率仍有上升空间，通过提升中国铁路系统内部的运行效率，可以更好地巩固其在世界范围内的优势地位。究其原因，中国铁路在世界范围内的竞争优势是基于中国铁路系统作为整体与其他国家的比较；中国铁路效率较低的结论是基于对我国铁路系统内部各决策主体的效率分析，各铁路局效率差异较大引致平均效率偏低，这完全是从中国铁路系统内部的效率差异来考察，并不涉及与其他国家铁路效率的比较。对铁路客运与货运系统进行差异分析，可以发现铁路客运综合效率(0.522)明显高于货运综合效率(0.367)，客运产出效率高于货运产出效率是其主要原因。这表明铁路货运领域的投入拥挤程度和资源浪费状况比客运领域更为严重。这在一定程度上归因于货运属于更加资源密集型的生产活动，例如货物装卸需要更多的人力资源和装卸设施设备；此外，货车行驶速度一般低于客车行驶速度，货车比客车对机车的平均占用时间更长(Yu & Lin，2008)。
表11 客运综合效率与货运综合效率状况
客运活动货运活动
铁路局 客运综合效率排名货运综合效率 排名
乌鲁木齐0.7351 0.7291
北京 0.7142 0.202
16
上海 0.7043 0.253
12
昆明 0.6384 0.2989
武汉 0.5845 0.218
14
兰州 0.5356 0.3475
成都 0.4917 0.249
13
哈尔滨 0.4798 0.256
11
青藏公司0.4589 0.3694
济南 0.447
10 0.3048
柳州 0.439
11 0.3306
广铁集团0.431
12 0.208
15
呼和浩特0.389
13 0.4203
西安 0.388
14 0.3187
郑州 0.387
15 0.274
10
太原 0.371
16 0.7102
南昌 0.363
17 0.197
17
沈阳 0.296
18 0.171
18
全国平均0.522
— 0.367
—
2.铁路局效率优化路径分析：基于客运综合效率与货运综合效率的对比
铁路局同时承担客运和货运两种活动，通过客运综合效率与货运综合效率的对比分析、明确各铁路局的优势业务领域、阐明各铁路局的效率优化路径，对于提升铁路局运营效率十分有益。乌鲁木齐、北京、上海、昆明、武汉、兰州共6个铁路局的客运综合效率高于全国平均水平，属于客运绩效优良的企业。乌鲁木齐铁路局、太原铁路局、呼和浩特铁路局、青藏公司的货运综合效率高于全国平均水平，属于货运绩效优良的企业。综合考察客运综合效率和货运综合效率两个维度，18个铁路局可明确划分为明星类、客运导向型、货运导向型和问题类四种决策主体。
乌鲁木齐是唯一的明星企业。乌鲁木齐的货运与客运规模并非最大，甚至处于全国18个铁路局的中下游位置，但是从投入与产出的视角来看，客运综合效率和货运综合效率均名列第一，是唯一客货两大效率均高于全国平均水平的铁路局，效率竞争力首屈一指，这主要得益于设施投入的高效利用和高效产出。
客运导向型企业包括北京、上海、昆明、武汉、兰州铁路局。这类企业的客运综合效率高于全国平均水平，可能与城市的性质相关，如上海、北京都是国际大都会，人流密集，昆明则是典型的旅游城市等。与此同时，该类企业的货运效率却低于全国平均水平，提升铁路货运效率是这类企业面临的关键课题。
货运导向型企业包括太原铁路局、呼和浩特铁路局和青藏公司。这类企业货运综合效率高于全国平均水平，基本位于中西部地区的资源型城市，如太原是典型的煤炭资源型城市，大量资源外运可能是该区域货运综合效率较高的基础成因之一。然而，这些企业的客运综合效率却明显低于货运综合效率，是该区域铁路系统未来亟待改进的方向。
广铁集团、成都、哈尔滨、济南、柳州、西安、郑州、南昌、沈阳各铁路局归属问题企业，客运综合效率和货运综合效率均低于全国平均水平。这类企业可以选择优先发展客运、优先发展货运或同时发展客货运输等不同路径提升铁路运营效率，效率优化路径应结合不同决策单位的实际区域产业结构、资金、资源等方面的条件来决定。
六、研究结论及政策启示
第一，从我国铁路系统内部来看，客运综合效率和货运综合效率仍有较大的提升空间；客运总效率明显高于货运总效率，客运过程的产出效率和创收效率均分别高于货运过程是其成因。从总体上看，我国铁路客运和货运过程中均不同程度地存在纯技术无效率和规模无效率。因此，通过大力投资改善路网总体规模和路网空间结构，提升规模效率水平固然重要；但通过建立现代企业管理制度、提高企业管理水平，优化企业对现有铁路投入资源的管理能力与配置效率，也是中国铁路摆脱运能不足困境的有效途径。
第二，铁路客运和货运过程的产出阶段效率均明显高于创收阶段，创收效率低下已经成为铁路运输发展的短板，这与我国铁路运输企业盈利能力较弱的现状相吻合。这可能与国家对铁路运价实行严格控制、部分业务形成政策性亏损相关，也可能与铁路运输企业缺乏现代化管理体制、缺乏足够的竞争压力以及先进的市场营销观念直接相关。因此，运价机制、收入分配和经营管理体制改革的稳步推进可能是改变这种状况的有效途径。
第三，中国铁路运输发展在区域分布上呈现出不平衡发展的明显特点：从客运来看，东部地区产出效率雄居榜首，中部仅次之，东北和西部则明显落后；西部地区创收效率最高，东部、东北和中部分列其后；从货运来看，中部地区产出效率雄居榜首，东部、西部和东北依次位列其后；西部地区创收效率最高，东北次之，中部和东部最低。中国铁路运输不平衡现状的成因很复杂，涉及自然地理条件、区域产业结构、历史遗留因素等多个层面。但是，鉴于铁路运输的网络化特征，未来铁路运输应以区域相对平衡发展为目标，避免跨区域干线运输通道运能不足或某区域运能不足形成的整体路网运能瓶颈。因此，因地制宜地为各区域制定不同发展策略是提高中国铁路总体效率的关键：如，东部地区客运发展重点在于提升创收能力；西部地区客运发展重点在于提升产出效率。
第四，中国铁路客运全要素生产率呈现上升趋势，产出阶段全要素生产率的提升来源于技术效率改善和技术进步的双重贡献；创收阶段则主要得益于技术进步，同期创收效率表现为衰退趋势。与此同时，铁路货运发展态势良好，产出阶段和创收阶段的全要素生产率均有不同程度的增长；这种生产率增长主要来自于技术进步的作用，同期的产出效率和创收效率均表现出衰退的迹象。这说明中国铁路已经具备一定的技术创新能力，并且成为中国铁路发展的重要推动力，未来“客运高速化、货车重载化”将成为铁路技术创新的方向。但是，在我国经济增长引发铁路运输需求快速增长的背景下，产出效率和创收效率的下降的确是一种值得关注的“奇怪现象”，必须审慎地分析其形成原因。
第五，根据客运和货运的综合效率表现，18个铁路局可划分为以下四类：乌鲁木齐是最具竞争力的明星企业；北京、上海、昆明、武汉、兰州铁路局五大铁路局属于客运导向型企业；太原铁路局、呼和浩特铁路局和青藏公司属于货运导向型；广铁集团、成都、哈尔滨、济南、柳州、西安、郑州、南昌、沈阳各铁路局属于问题企业。
中国经济正处于平稳增长阶段，铁路作为重要的运输方式，必须更好地服务于经济发展。中国铁路要从根本上提高整体生产效率，不仅应该依赖于铁路提速、客运分离等技术进步，更重要的是必须用科学的发展观来指导铁路的管理与经营。从2008年底开始启动的2万亿铁路投资将极大地改善铁路设施硬件水平，铁路设施及铁路运能瓶颈将逐步解除。因此，积极推进铁路管理体制改革和提升铁路管理水平将成为未来铁路运行效率提升的关键。
注释：
①客运从业人员数量：利用《中国铁道年鉴》可得到各铁路局的货运周转量和总换算周转量，两者相减得到客运换算周转量，客运换算周转量与从业人员劳动生产率相除计算出客运从业人员数量。
②货运从业人员数量的计算：《中国铁道年鉴》中各铁路局的货运周转量与从业人员劳动生产率相除。
③铁路货车基本为铁道部集中掌握(除昆明局窄轨车为配属外)，无法就各决策主体的使用量进行准确分解，所以未将其作为投入指标。
④以铁路局主要辖区作为划分依据，北京、济南、上海和广铁集团属东部；南昌、太原、郑州、武汉属中部；西安、呼和浩特、柳州、成都、昆明、兰州、乌鲁木齐和青藏公司属西部；沈阳和哈尔滨属东北。