全国各省份公路运输AHP-DEA效率评价
尉蔚WEI Wei
（中国矿业大学（北京）管理学院，北京100083）
摘 要： 为探究我国各省份公路运输效率，本文利用AHP-DEA模型，按地理区域进行划分，对我国2017年各省份公路运输的效率进行了测算，并从投入冗余和产出不足两个方面分析评价了非DEA有效省份在公路运输上存在的问题。研究结果显示我国一些省份的评价结果未达到DEA有效，未达到有效的省份在投入和产出方面原因各不相同，有些省份还存在多种问题，一些省份公路运输规模效益仍处于递减趋势。并根据综合分析，尝试提出一些提高公路运输效率的建议。
关键词： 公路运输；效率评价；数据包络分析；层次分析法
0 引言
交通运输是国民经济中基础性、先导性、战略性产业，是重要的服务性行业。改革开放以来，我国经济快速发展，随之发展的还有我国的交通运输体系，应时代要求构建现代综合交通运输体系，是适应把握引领经济发展新常态，推进供给侧结构性改革，推动国家重大战略实施，支撑全面建成小康社会的客观要求。公路运输通常是短途运输，其应用范围十分广泛，尤其在地势崎岖、人烟稀少、铁路和水运不发达的边远和经济落后地区，公路为主要运输方式，起着运输干线作用，公路运输是我国交通运输体系的重要组成部分，研究其运输体系与经济发展关系成为时下的热点。
运输效率水平的评估是研究交通运输发展水平的重要内容，以目前的研究状况来看，我国学者对公共运输效率的评价大致分为两类，一类是主观性较强的综合评价法，他们从主观出发，根据主观因素来进行研究，如吴文化《中国交通运输效率评价体系研究分析》[1]对，苑艺《浅析公路运输经济现状分析及应对措施》[2]；另一类以数据包络分析方法（Data Envelopment Analysis，DEA）为主，如武昭融等[3]《基于DEA-CCR模型的交通运输效率评价分析》，李洁，左毅刚[4]《基于超效率DEA方法的公路运输效率评价与分析》；顾瑾等[5]《基于DEA模型的江苏省道路交通运输效率评价与分析》。笔者综合以上文献，认为上述文献在对数据的处理方面尚有需要改进之处，因为各个变量的对最终效率的影响程度不同，而之前的研究对此鲜有区分，因此本文选择使用的AHP-DEA模型方法，对我国公路运输效率进行评价，比较各个省份的效率，分析影响效率的影响因素，并试着提出提高公路运输效率的建议。
1 模型方法
1.1 层次分析法
层次分析法（Analytic Hierarchy Process，简称 AHP）是由美国运筹学家匹茨堡大学教授萨蒂提出的。它是将一个复杂的多目标决策问题作为一个系统，将目标分解为多个目标或准则，进而分解为多指标（或准则、约束）的若干层次，通过定性指标模糊量化方法算出层次单排序（权数）和总排序，以作为目标（多指标）、多方案优化决策的系统方法。
1.2 数据包络分析
在DEA模型中，常用的有CCR模型、BCC模型和超效率模型。
1.3 中药拉丁名与基源植物的拉丁学名在对中药整体认知中的作用 使用中药基源植物正确的拉丁学名，是在药典中准确检索到与之对应的中药材及其制剂信息的重要手段。同时使用上述4种检索方式，便于学生认识中药材中文名、拉丁名和基源植物的拉丁学名之间的对应关系。加上药典正文的描述，便于进一步从性状、鉴别等方面对基源植物、药用部位建立起整体认识。中药基源植物的拉丁学名和中药材的拉丁名是国际上通用的名称，准确掌握与使用有利于国际间的交流与合作研究。
比较上述三个模型，它们的差别在于对
的约束上，其中CCR模型和超效率模型对
无约束，BCC模型要求
无约束代表模型满足规模收益不变
代表规模收益可变，由于我们不能预先确定其规模效益如何变化，所以我们选择BCC模型进行DEA效率评价。
式中 n 是决策单元的个数，j=1，2，…，n，x0是第 j0个决策单元的投入向量、y0是第j0个决策单元的产出向量，s+是松弛变量，表示投入冗余，s-是剩余变量，表示产出不足，ε为非阿基米德无穷小量。使用CCR模型时，所得结果经常会出现多个效率值都为1的情况，也就是这些决策单元均有效，这就无法比较这些决策单元的技术效率水平，这是CCR模型的局限。
超效率模型如下[6]：
以相关学者研究为基础，结合公路运输的实际情况以及数据的可获得性，选择输入变量和输出变量[8]如表1所示。
由于使用AHP方法计算权重计算过程繁琐，我们借助Yaahp软件对我国公路运输效率评价的综合权重进行计算，所得结果如表2所示。
根据以上所选评价指标，本文所采用的输入变量和输出变量的原始数据来自于《中国统计年鉴 2017》。使用Yaahp、DEAP 2.1软件辅助计算。
其中 i=1，2，…，n；j=1，2，…，m；r=1，2，…，s。n 是决策单元数，m和s分别是输入变量和输入变量的个数。x（ijj=1，2，…，m）为投入要素，y（irr=1，2，…，s）为产出要素，ε为非阿基米德无穷小量，s+、s－为剩余变量和松弛变量，θ表示决策单元（DMU）的效率值，θ=1时，表示决策单元有效；θ＜1时，表示决策单元无效。
而在NBA，人们熟悉的林书豪是个“疯子”。2012年，在尼克斯队与湖人队的对决中，这个坐冷板凳的“临时工”火力全开，面对科比的强势进攻砍下了38分。此役之后，美国媒体为他创造了一个新词“Linsanity”——林疯狂。
使用SAT 499 F3，测量确定蓄热材料热稳定性。实验气氛为氮气，吹气速率10 mL/min，从100 ℃升温到1000 ℃，升温速率为10 ℃/min，得到样品钢渣的热重-示差扫描量热(thermogravimetric analysis and differential scanning calorimeter, TG-DSC) 曲线，探究样品在高温下的稳定性。
C CR模型如下[6]：
2 指标体系和变量
五是预先谋划，完善防御预案体系。按照“横向到边、纵向到底，不留死角、无缝覆盖”的要求，编制县、乡、村山洪灾害防御预案，划定危险区域，确定预警指标，明确预警形式和发布程序，落实人员转移方案。
3 实证结果及分析
BCC模型如下[7]：
3.1 AHP权重确定
其中 I是决策单元的个数，j=1，2，…，I，xi表示第 i个决策单元的输入变量，yi表示第i个决策单元的输出变量，θ为效率值。
BCC模型的实质是将CCR模型中的技术效率 TECCR分成了两部分：一部分是规模效率SE，另一部分是纯技术效率TEBCC。它们的关系是TECCR=TEBCCSE。由此式可知，只有TEBCC纯技术效率值和SE规模效率的结果都是1的时候，TECCR技术效率的结果才是1，即此时技术效率才达到有效。
表2 各输入输出变量权重
3.2 DEA效率评价
将《中国统计年鉴2017》中的原始数据与运用AHP方法后得到的权重结合后得到新的公路运输效率评价所需数据，借助deap2.1软件得到公路运输效率水平计算结果如表3所示。
在研究叙事修辞时所做的文本解读，则反映了著者敏锐的语言感受能力、细腻的语言品味能力和活跃的发散思维能力。如他对《曾友于》中反讽修辞的分析：
由表3可知，就公路运输的综合技术效率而言，只有当决策单元的纯技术有效和规模都有效时才为综合有效。从全国范围来看，全国整体的综合效率为0.847未达到有效，说明我国公路运输行业整体的综合效率并不高，尚有很多不足需要提高；从各个省份来看，山西、黑龙江、吉林、云南、西藏、青海、新疆的综合效率不仅未达到有效而且均与全国平均效率有很大差距。从经济角度考虑，其中经济发达的一些省份如上海、北京、浙江均达到了有效，而经济较为落后的地区如青海、西藏效率较低。从地理因素看，其中地形条件好的平原地区如江苏、安徽效率高，而一些道路条件较差，环境复杂的地区如四川、山西效率相对较低，然而高原地区如内蒙古、贵州却达到了DEA有效；从发展趋势来看，未达到有效的省份大部分都呈现规模效益递增的趋势，只有山东、河南、四川、云南、甘肃这五个省份的规模效益是递减的。
表1 公路运输效率评价指标
投入冗余和产出不足能客观反映出公路运输技术效率无效的影响因素。由表4可以看出吉林、黑龙江、云南、甘肃在公路营运汽车上的投入有冗余，而福建、湖北、重庆、四川、青海的公路运输工作人员过多，湖北、四川、云南、青海的建设公路存在无用里程。从产出方面看山西、福建、湖北、四川、云南、陕西、甘肃、青海、新疆在客运方面有所不足，其中山西、云南、新疆客运量有很大空缺；而除了青海省之外，公路运输效率未到达有效的省份在货物运输的产出方面均有不足。
表4 各省公路运输投入冗余产出不足评价结果
表3 各省市运输效率评价结果
4 结论与启示
本文通过AHP-DEA模型对我国公路运输效率进行评价，得到各个省份的公路运输效率结果，针对以上结果提出一些个人看法和建议：①我国整体公路运输效率未达到最优，仍有需要提高的地方，可针对那些综合效率水平不足但规模效益呈现递增趋势的省份进行改进，各个省份根据自身情况进行针对性调整，在投入冗余的地区可以减少工作人员或减少营业性公路运输车辆的投入，在产出不足的地区如客运量不足可以提高旅游业等第三产业的发展来带动公路运输的发展以增加客运量；②从地区划分来看我国公路运输效率大致呈现东高西低的态势，东部中部地区效率较高，西南、西北地区公路运输效率明显偏低，另外东北地区也需要进行针对性的改进。针对区域差异的情况，政府可进行相应调控，在各个区域的公路运输管理上下功夫，如进行协同管理，经验交流等，制度相应发展战略，以京津冀地区、长江三角洲地区、珠江三角洲地区等为示范，带动其他地区发展，在不同地区之间达到优势互补，互利共赢；③从各个省份自身情况来看，每个省份所处地理环境不同，经济发展状况不同，所面临的主要问题也不同，各个省份应根据自身状况做出相应对策，如四川省就应考虑所处的地理环境为山川高原地区，公里运输成本较高，运输量小的地区就应该减少投入，由于公里里程有冗余，四川省政府可以减少对使用较少路段的维修费用，增加对旅游区路段的投入，以此来增加旅客周转量的产出；再如位于东北地区的黑龙江，由于气候原因，在冬天公路经常会出现积雪成冰的情况，这种条件下进行公路运输是十分困难的，而投入大量营业性公路运输车辆就显得很不明智，政府可以选择将一部分公路运输企业外迁，让冗余的运输车辆可以充分发挥作用。
参考文献：
[1]吴文化.中国交通运输效率评价体系研究分析[J]．综合运输，2001（2）：37-39．
[2]苑艺.浅析公路运输经济现状分析及应对措施[J].绿色环保建材，2018：140-143．
[3]武昭融，张惠萍，钱宪明.基于DEA-CCR模型的交通运输效率评价分析──以浙江省嘉兴市为例[J].信息通信，2017（3）：48-50．
[4]李洁，左毅刚.基于超效率DEA方法的公路运输效率评价与分析[J].交通信息与安全，2015，33（1）：127-132．
[5]顾瑾，陶绪林，周体光.基于DEA模型的江苏省道路交通运输效率评价与分析[J].现代交通技术，2008，5（1）：69-80．
[6]马占新.数据包络分析模型与方法[M].北京：科学出版社，2010：21.
[7]Wade D.Cooka,Kaoru Toneb,Joe Zhu.Data envelopment analysis：Prior to choosing a model[J].Omega,2014(44)：1-4.
[8]张璐璐，吴威，刘斌全.基于DEA-Malmquist指数的长江三角洲地区公路交通运输效率评价与分析 [J].中国科学院大学学报，2017，34（6）：713-718.
Evaluation of AHP-DEA Efficiency of Highway Transportation in Provinces of China
（School of Management，China University of Mining and Technology（Beijing），Beijing 100083，China）
Abstract: In order to explore the efficiency of highway transportation in China's provinces,this paper uses AHP-DEA model and divides the provinces according to geographical regions,calculates the efficiency of highway transportation in China's provinces in 2017,and evaluates the problems of highway transportation in non-DEA effective provinces from two aspects of input redundancy and insufficient output.The results show that the evaluation results of some provinces in China are not as effective as DEA.There are different reasons for the ineffective provinces in terms of input and output.There are still many problems in some provinces,and the scale benefit of highway transportation in some provinces is still in a declining trend.Based on the comprehensive analysis,some suggestions are put forward to improve the efficiency of highway transportation.
Key words: highway transportation；efficiency evaluation；data envelopment analysis；analytic hierarchy process
作者简介： 尉蔚（1991－），女，山东莱阳人，学生，硕士，研究方向为工业工程。
中图分类号： F224.5
文献标识码： A
文章编号： 1006-4311（2019）06-0065-03
标签：公路运输论文; 效率评价论文; 数据包络分析论文; 层次分析法论文; 中国矿业大学(北京)管理学院论文;