EN中文

地理科学 >

2015 , Vol. 35 >Issue 2: 168 - 175

DOI: https://doi.org/10.13249/j.cnki.sgs.2015.02.168

中国区域综合运输效率的测度及其时空演化

  • 李涛 1 ,
  • 曹小曙 , 2, 3, 4 ,
  • 杨文越 2 ,
  • 黄晓燕 4
展开
  • 1.广东财经大学地理与旅游学院,广东 广州 510320
  • 2.中山大学城市与区域研究中心,广东 广州 510275
  • 3.陕西师范大学交通地理与空间规划研究所,陕西 西安 710062
  • 4.陕西师范大学西北国土资源研究中心,陕西 西安 710062
曹小曙,教授。E-mail：

作者简介：李涛（1985-）,男,山西长治人,博士,讲师,主要从事交通地理与城市发展研究。E-mail：

收稿日期: 2014-01-11

  要求修回日期: 2014-05-12

  网络出版日期: 2015-02-15

基金资助

国家自然科学基金项目（41171139、41130747）资助

收起

Comprehensive Measurement and Evolution of Regional Integrated Transport Efficiency in China

  • LI Tao 1 ,
  • CAO Xiao-shu , 2, 3, 4 ,
  • YANG Wen-yue 2 ,
  • HUANG Xiao-yan 4
Expand
  • 1.School of Geography and Tourism ,Guangdong University of Finance&Economics, Guangzhou, Guangdong 510320, China
  • 2.Center for Urban & Regional Studies, SunYat-sen University, Guangzhou, Guangdong 510275, China
  • 3.Institute of Transport Geography and Spatial Planning Xi′an, Shaanxi 710062, China
  • 4.Northwest Land and Resources Research Center, Shaanxi Normal University, Xi′an, Shaanxi 710062, China

Received date: 2014-01-11

  Request revised date: 2014-05-12

  Online published: 2015-02-15

Copyright

本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
Fold

摘要

以中国31个省（市、自治区）为研究单元,采用DEA模型对1988-2011年中国省域综合运输效率时空演化特征进行了分析,结果发现：中国省域综合运输效率总体水平较低,呈现出东部高而中西部低的空间格局;从分解效率来看,中国省域综合运输技术效率水平较低,规模效率普遍较高,技术效率是影响综合运输效率时空格局变化的主要因素。3/4省份完成了由规模收益递增阶段向规模收益递减阶段的过渡,运输资源要素的投入冗余阻碍了综合运输效率水平提高,调控和优化现有运输资源结构,提高技术效率成为提高综合运输效率的主要途径。

关键词： 综合运输效率; 技术效率; 规模效率; 数据包络分析法; 中国

本文引用格式

李涛 , 曹小曙 , 杨文越 , 黄晓燕 . 中国区域综合运输效率的测度及其时空演化[J]. 地理科学, 2015 , 35(2) : 168 -175 . DOI: 10.13249/j.cnki.sgs.2015.02.168

Abstract

This article selects 31 provinces (municipalities and autonomous regions) in China as the study units, and uses the DEA model to analyze the comprehensive transportation efficiency and its temporal evolution characteristics in China over the period of 1988-2011. The results indicate that the integrated transport efficiency is relatively low, and diminishing from the east and west to the central. From the point of view of decomposition efficiency, the integrated transport technical efficiency is relatively low, but the scale efficiency is very high. The spatio-temporal evolution of integrated transport efficiency was determined by scale efficiency. Most provinces have transferred from the stage of increasing return to scale to the stage of decreased return to scale, which means further improvement of integrated transport efficiency will be hampered by too much input of resources. Our findings imply that the development of transport efficiency in the future should be improved by restructuring and optimizing the existing transport resources, especially to the necessity of improving technical efficiency for the improvement of integrated transport efficiency.

Key words： integrated transport efficiency; technical efficiency; scale efficiency; DEA; China

改革开放以来,伴随着经济的高速发展,中国交通基础设施建设取得了举世瞩目的成就,基本完成了网络骨架构建和规模扩张阶段,初步形成了较为完善的综合交通运输网[1]。运输基础设施的发展具有资本投入密集、能源消耗密集和污染排放密集3大特征。长期以来,对于交通运输问题的关注集中于运输规模及其社会经济效应方面,运输生产活动过程中的投入要素利用效率问题并未引起足够的关注。特别是2008年以来,持续不断的大规模交通建设投入所带来的规模过大、重复建设、不合理竞争以及各种运输方式间的不协调等“产能过剩”问题[2]。在资源能源约束不断加剧的背景下,更使得运输效率问题的探讨显得尤为重要。
沿革于效率评价范畴,运输效率衡量的是运输生产活动中实际产出与资源投入之间的比率[3]。自20世纪70年代开始,随着运输部门私有化改革和运输管制放松政策的逐步实行,国外就开始了对运输效率问题的探讨。部分学者采用单一指标来度量运输效率,如Fielding运用单位员工行车时间、单位车辆行车公里、单位成本客货运量等指标对美国加利福尼亚公交公司的运输效率进行了分析[4, 5]。基于运输活动的多投入、多产出的特征,数据包络分析（DEA）、随机前沿分析（SFA）等计量经济模型在运输效率研究中得到了广泛使用。其中,DEA模型以其适用条件较为宽松以及结果较易解释等特点,在公共交通、铁路、航空及港口等部门运输效率的研究中大量运用[6-10]。国内虽然很早就提出了通过运力合理化组织来提高运输效率的观点。但到目前为止,对运输效率的研究还处于起步阶段。对运输效率的研究多是在构建运输效率评价指标体系的基础上,采用多因素综合法进行测算[11,12]。2000年以后,相关学者逐渐将国外运输效率测度模型应用于国内的实证研究中[13-16]。此外,以空间地域为单元,国内学者对运输效率开展了较多的实证研究[17-20]。现有运输效率研究多以各类运输企业、部门为单元进行分析研究,从地理学角度出发,以地域为单元开展运输效率的研究成果并不多见。现有关于空间运输效率的研究多针对单一公路,从长时间尺度对由公路、铁路等方式组成的综合运输系统效率研究还没有。此外,多数研究对运输效率的测度忽略了CO2排放等非期望性产出。基于此,本文以中国31个省（市、自治区）为分析单元,选取1988年、1998年、2009年、2011年4个时间段,综合考虑公路、铁路和水运3种运输方式,对中国省域综合运输投入产出效率的时空动态变化特征进行了分析。

1 研究设计

1.1 指标选取与数据来源

本研究以1988-2011年中国31个省（市、自治区）为研究单元,由于香港、澳门以及台湾的数据缺失,故不作考虑。原始数据主要来自于历年相关统计年鉴[21,22]。考虑到管道运输的特殊性,航空和港口运输活动主要基于空港和港口开展的,其运输效率的评价应以空港和港口地区为单元进行,本文的综合运输体系由公路、铁路和内河水运3种方式组成。以省域作为研究单元,其综合运输效率是地域运输资源投入要素有效配置、合理利用和经营管理水平的体现。从数据资料的可获得性出发,决策单元的产出要素由效率产出-客货运周转量和污染产出CO2排放量组成;投入要素选取反映地域运输活动的网络要素资本、设备要素资本和人力要素资本组成的投入指标体系(表1)。
Table 1 The efficiency measurement indexes of provinces in China

表1 中国省域综合运输效率测度指标体系

指标类型 一级指标 二级指标
投入指标 网络要素投入 铁路营业里程、公路营业里程、内河通航里程
设备要素投入 铁路客货车量数、营运汽车拥有量、营业性船舶拥有量
人力要素投入 铁路运输从业人员、道路运输从业人员、水上运输从业人员
产出指标 效率产出 客运周转量、货运周转量
污染产出 CO2排放量
在利用DEA模型进行评价时,为保证计算结果的精确性,决策单元数目必须大于投入产出指标总数的3倍。本文以中国31个省（市、自治区）为分析单元,即要求投入产出指标数目最多为10个。为此,对表1中投入指标下的二级指标加权求和取综合分值,结合各运输方式的客货承载作用确定权重,即将各类运输设施年度客货周转总量占总客货周转总量的比重作为权重。由于客货运周转量的单位不同,在具体处理时将旅客周转量和货物周转量折算为综合周转量指标。综合周转量及权重的计算公式为：
P F ki = F ki + ( P ki × A i ) （1）
W ki = P F ki ∑ P F ki （2）
式中,PFki为第k个省份第i种运输方式的综合周转量（i取值为1-3,分别代表铁路、公路和水运）,Fki为第k个省份第i中运输方式的货运周转量,Pki为第k个省份第i中运输方式的旅客周转量,Ai为客货换算系数。参考客货换算系数标准①(① 按铺位折算,铁路、远洋、沿海、内河运输的系数为1;按坐位折算,内河为0.33,公路为0.1,航空国内为0.072、国际为0.075。),由于难以获得水路旅客运输中按铺位或坐位划分的详细的客运周转量,本研究将水路的旅客周转量的换算系数取为1。由此,铁路、公路和水路的旅客周转量的换算系数分别为1、0.1和1。
本文中1988年、1998年和2009年各省交通碳排放数据来源于参考文献[23],2011年交通碳排放数据按照IPCC提出的方法计算获得。为了在DEA模型中同时考虑效率产出和污染产出,将CO2排放量进行规范化处理以使其与效率产出同时参与到评价中去。各投入产出数据统计特征见表2。
Table 2 Descriptive statistics of the variables

表2 指标数据统计特征

指 标 年份 最大值 最小值 平均值 标准差
旅客周转量（万人·km） 1988 9209769 23427 2122835 1938695
1998 8773184 30235 3135647 2268444
2009 18869000 300000 6922581 5026239
2011 26002350 328849 8531312 6345560
货物周转量（亿t·km） 1988 1283 5 372 306
1998 1952 8 669 435
2009 14373 35 3583 3427
2011 20310 40 4793 4539
CO2（t） 1988 1733276 19775 718123 454174
1998 7027691 97234 1994871 1445242
2009 29418668 386520 8991414 7048748
2011 18133966 413462 5424808 4175371
网络要素* 1988 21695 544 5014 4099
1998 49025 1003 13718 9959
2009 141757 449 53293 37568
2011 164012 533 60887 44756
设备要素* 1988 54082 69 4319 10591
1998 34406 302 5055 7921
2009 463264 2036 136818 117400
2011 626882 3385 180999 164287
人力要素* 1988 27 2 14 7
1998 25 1 12 6
2009 29 0 13 7
2011 16 0 6 3

注：1988年数据中不包含重庆;*为加权统计结果。

1.2 数据包络分析（DEA）模型

数据包络分析是利用线性规划模型来评价具有相同类型的多投入和多产出的决策单元（DMU）效率的一种非参数统计方法[24]。
考虑到评价单元运输规模的差异,选取规模收益可变DEA模型进行评价,简称VRS模型。假设要评价K个省份的运输效率问题,θ（0<θ≤1）代表综合运输效率指数,利用VRS模型可将综合效率分解为纯技术效率与规模效率的乘积,即θk=θTE×θSE。VRS模型所得的效率指数θk为评价省份的综合运输效率指数;θTE为对应省份的综合运输纯技术效率指数（Technical Efficiency）,有0<θTE≤1,θTE≥θk;θSE为规模效率指数（Scale Efficiency）,有0<θSE≤1,θSE≥θk。θTE和θSE的值越接近于1,表示纯技术效率、规模效率越高。当θTE=1或θSE=1时,该省份分别达到纯技术效率最优或规模效率最优。考虑到运输需求的派生性,选取VRS投入导向模型进行分析,即在不改变产出数量的情况下,可以节约多少投入要素以达到有效。

2 省域综合运输效率现状特征

2.1 综合效率及其分解特征

2.1.1 综合运输效率总体上处于较低水平
对2011年中国31个省（市、自治区）的综合效率进行测算,结果显示综合效率处于较低水平（图1）。效率平均值为0.587,达到最优水平的59%,表明中国省域综合运输活动对运输资源利用的水平较低,资源存在较大浪费和不经济性。在保证现有产出不变的前提下,要达到综合运输效率DEA有效,必需至少要降低40%的运输网络里程、运输设备以及劳动力等资源投入要素。综合效率达到最优的省份仅有4个,分别为天津、上海、海南和西藏,从指标数据来看,西藏综合效率高水平主要是由于其投入要素规模很低造成的。本文以四分位数为划分依据,将27个综合效率非有效省份划分为高度无效、中度无效、低度无效和接近有效4类,其中,高度无效类包括北京、河北、山西、内蒙古、黑龙江、云南、陕西、青海、宁夏和新疆10个省份,这些省份综合效率都小于0.475。除北京外,剩余9个省份效率无效主要是由技术效率无效引起的,北京的综合效率较低主要是由规模效率无效造成的,说明增加运输资源要素投入并不能提高综合效率;接近有效类型包括吉林、江苏、浙江、安徽、湖南和广东6个省份,这些省份的综合运输效率值都大于0.669,表明这些省份在对运输资源利用水平稍加改进后即可达到综合效率有效状态。其余11个省份处于分别属于中度无效和低度无效2大类型。
Fig. 1 The spatial distribution of integrated efficiency of province in China in 1988,1998,2009 and 2011

图1 1988年、1998年、2009年和2011年中国省域综合运输效率空间分布

2.1.2 运输技术效率总体水平较低且低于规模效率

通过测算发现,运输技术效率总体水平较低,但达到技术效率最优的省份数目明显多于综合效率最优和规模效率最优的省份数目。2011年技术效率平均值为0.676,表明运输要素资源的配置、利用能力不高。技术效率达到最优的有10个省份,分别为天津、吉林、上海、江苏、浙江、安徽和山东等省份,所占比重为32.26%,其中,仅有天津、上海、海南和西藏综合运输效率为DEA有效,其余6个省份都处于综合效率无效状态,且都处于规模收益递减阶段,说明在现有产出水平下,运输资源投入过多,进一步增加运输资源要素投入并不能提高综合效率。
2.1.3 运输规模效率总体水平较高
全部样本的平均规模效率较高,规模效率平均值为0.891,达到有效性的89%,运输活动基本上处于最佳规模状态。包括天津、上海、海南和西藏在内的4个省份达到了规模效率最优,规模效率最优的省份也是综合效率最优省份,换句话说,规模效率是决定综合效率是否达到有效的主要因素。
2.1.4 多数省份运输活动处于规模收益递减阶段
2011年,参与评价的全部31个省份中,26个省份处于规模收益递减阶段,占省份总数的84%,说明这26个省份的运输生产活动已经超过了其本身对要素的消化能力,资源要素投入冗余阻碍了综合运输效率水平的提高。仅有青海处于规模收益增长阶段,也就是说增加运输资源要素投入可以带动综合效率的提高。

2.2 综合效率分布特征的影响因素

分别建立基于各省份的综合运输效率与技术效率、规模效率的二维有序坐标散点图,对散点图内散点的位置判断各分解效率与综合效率之间的关系,散点图越集中于45°线,则分解效率对综合效率的解释能力就越强,反之,则越弱（图2）。
Fig. 2 Correlations between decomposition of efficiencies and integrated transport efficiency in 2011

图2 2011年各分解效率与综合运输效率关系

2011年,技术效率与综合运输效率拟合程度较高,相关系数达到了0.737,结合图1可以发现,综合效率与纯技术效率呈现出较为一致的空间分布特征,充分表明技术效率决定了综合效率的总体分布模式。规模效率与综合效率的拟合程度较差,大部分点都集中在45°线上方,二者相关系数为0.033,说明规模效率并不是影响综合效率空间分布特征的主要因素。

3 综合运输效率时空变化特征

DEA计算结果仅是对运输效率相对水平的刻画,基于不同年份计算所得的运输效率值并不能直接进行比较,为了能准确反映1988-2011年省域运输效率相对变化特征,将1988年、1998年、2009年和2011年共120个样本一起计算进行比较①(① 1988年,重庆没有参与评价,为了保证样本数目的一致,文章在对4个年份的运输效率合并计算时,统一将重庆舍去。)。

3.1 综合运输效率时空变化总体特征

3.1.1 综合效率呈现出波动上升趋势
研究时段内,综合效率呈现出波动上升趋势,综合效率处于较低水平。其中,1988-1998年,综合效率呈现微弱增加态势,效率值从1988年的0.446增加到1998年的0.497,增加了11.43%。1998-2009年,综合效率呈现出快速下降趋势,效率平均值降低到2009年的0.288,与1998年相比,降低了42%。2009-2011年,综合效率快速上升,效率平均值达到了0.590。相比于1988年,综合运输效率提升了32.29%。在参与评价的30个省份中,21个省份的综合效率水平得到了提升,尤以上海、浙江、江苏和广东等东部地区最为显著。剩余的9个省份综合效率表现为下降态势,除北京外,集中在中西部地区。从空间分布来看（图1）,1988年,综合运输效率达到DEA有效的省份为5个,分别为天津、河北、黑龙江、西藏和宁夏,占30个省份的16.66%;1998年,综合运输效率达到DEA有效的有天津、河北、辽宁、黑龙江、浙江、河南等10个省份,所占比重为32.26%;2009年,综合运输效率达到最优的省份下降到5个,分别为天津、浙江、安徽、海南和西藏,所占比重为16.13%。到2011年,综合运输效率达到最优的省份为4个,分别为天津、上海、海南和西藏,所占比重为12.9%。
3.1.2 技术效率水平显著提高
总体来看,4个年份的技术效率平均值分别为0.537、0.554、0.386和0.669,分别达到最优水平的54%、55%、39%和67%,20 a间,纯技术效率增加了24.58%,与综合效率相一致,变化趋势也表现为波动上升态势。1988年,技术效率达到DEA有效的有天津、河北、黑龙江和海南等6省份,占30个省份的20%,除海南外,其余5个省份同时也达到了综合效率有效,表明这些省份运输活动在实现投入产出最优化的同时,其运输活动规模也处于最优状态。海南则处于综合效率无效状态,说明虽然海南省运输生产活动实现了投入最优化,但并未实现运输活动规模的最优化,进一步扩大其运输活动规模,综合效率会得到进一步提高;1998年,技术效率达到DEA最优的有天津、河北、辽宁、黑龙江、浙江、河南、广东和海南等11个省份,所占比重为31.43%,除广东外,其余10个省份同时也达到了综合效率有效状态。广东处于规模递减阶段,表明在现有产出水平下,如果继续增加运输资源投入,扩大规模,综合运输效率会进一步降低。由于运输基础设施的发展,海南综合运输活动达到了规模收益不变阶段,即实现了最合理规模下的投入产出最优化水平,这正好与1988年海南省综合运输活动规模处于规模收益递增阶段的结论相对应。2009年,技术效率达到最优的有14个省份,分别为北京、天津、辽宁、上海、江苏和浙江、安徽、江西和山东等省份,所占比重为45.16%,14个省份中,仅有天津、浙江、安徽、海南和西藏综合运输效率为DEA有效,其余9个省份都处于综合运输效率无效状态,且都处于规模收益递减阶段,与2011年的情况相类似。
3.1.3 规模效率处于高水平稳定阶段
研究时段内,运输规模效率处于较高水平,运输资源规模集聚效应得到了较好发挥。1988年,运输规模效率平均值为0.816,为最优水平的82%,规模效率有效省份仅有5个;到1998年,运输规模效率平均值达到了0.886,为最优水平的89%,规模有效城市上升为10个,到2009年,运输规模效率平均值降低到0.745,为最优水平的76%,规模有效城市为5个。到2011年,规模效率平均值增加到0.895,规模有效城市为4个,相比于1988年,规模效率呈现微弱改善趋势,仅增加了9.68%。
3.1.4 多数省份运输规模收益进入递减阶段
1988年,在参与评价的全部30个省份中,有24个省份处于规模收益递增阶段,占省份总数的80%,1980年代以来,中国交通基础设施发展速度加快,但由于长期以来运输设施投入欠账过多,仍属于滞后型,在综合运输效率方面的表现即是处于规模收益递增阶段。表明运输规模尚不足以实现收益最大化,仍然可以通过继续增加运输资源投入规模,以促进运输效率的进一步提高。2011年,参与评价的全部31个省份中,26个省份处于规模收益递减阶段,说明这26个省份的运输生产活动已经超过了地域本身对要素的消化能力,资源和要素的投入冗余成为阻碍综合运输效率水平提高的限制因素。经过30多年的发展,中国交通基础设施发展相对于国民经济的发展逐渐从滞后型转向适应型甚至超前型发展,相应地,大部分地区综合运输效率进入了规模收益递减阶段。
3.1.5 综合运输效率由东部向中西部降低
按照东、中、西3大地带分别对综合效率、技术效率和规模效率进行统计（图3）。与中国东、中、西区域经济格局一致,1988年,综合效率、技术效率和规模效率均呈现出东部地区>中部地区>西部地区的空间格局。1998和2009年,运输效率空间分异格局逐渐转变为东部地区>西部地区>中部地区,到2011年,综合效率和技术效率呈现为东部地区>中部地区>西部地区的空间格局,而规模效率则表现为东西高而中部低的分布态势。
Fig. 3 Integrated transportation efficiency of province in the three areasin 1988,1998, 2009 and 2011

图3 1988年、1998年、2009年和2011年3大地带综合运输效率

3.2 综合效率变化影响因素分析

1988年、1998年和2009年3个年份的综合效率与技术效率、综合效率与规模效率的二维有序坐标对散点图如图4所示。研究时段内均表现为综合运输技术效率与综合效率的拟合程度较高,二者相关系数分别达到了0.903、0.977和0.772,规模效率与综合运输效率的拟合程度较差,3个年份二者相关系数分别为0.530、0.498和0.028,表明综合运输技术效率决定了综合运输效率的总体分布模式,这与2011年的纯技术效率与综合运输效率拟合程度较高的结论相吻合,进一步说明了纯技术效率决定全国综合运输效率分布模式结论的稳健性。
Fig. 4 Correlations between decomposition of efficiency and the changes of integrated efficiency

图4 各分解效率与综合运输效率变化关系

中国省域综合运输效率空间分布主要取决于技术效率的高低及分布特征。这与国内相关学者对中国城市效率研究所得出的规模效率是影响城市效率总体分布的主要因素的结论相反[25, 26]。究其原因,对城市效率的研究主要是从整体角度对城市社会经济生产活动运行效率所进行的宏观测度,而本文则是对支撑社会经济运行的关键要素——运输生产活动运行效率进行测度。1978年以来,伴随着经济社会的高速发展,在运输基础设施“适度先行”原则的作用下,从国家到各级政府均大规模的投资建设运输基础设施,运输规模快速扩张,集聚效应得到了较为充分的发挥,使得规模效率处于高水平。由于对运输资源的配置、利用水平较低,造成了综合运输技术效率普遍较低的特点,同时也说明在现有的投入水平下,如果能够提高技术效率,综合运输效率将会得到很大提高。

4 结论与讨论

文章采用DEA模型对1988-2011年中国31个省（市、自治区）综合运输效率时空分异特征进行了探讨,主要得到了以下结论：① 总体来看,中国省域综合运输总体效率、技术效率水平较低,规模效率水平较高,呈现出由东部高而中西部低的空间格局;② 1988-2011年,省域综合运输效率、技术效率和规模效率呈现出波动上升趋势,相比于1988年,综合运输效率提升了32.29%,纯技术效率增加了24.58%,规模效率仅增加了9.68%;③ 从发展阶段看,大部分省份完成了由规模收益递增向规模收益递减阶段的过渡,运输资源要素的投入冗余已经阻碍了综合运输效率水平的进一步提高,调控和优化现有运输资源结构成为提高综合运输效率的主要途径;④ 技术效率是影响综合运输效率时空格局变化的主要因素。
由于数据获取难度较大,本文在变量的选取方面和分析尺度方面受到了较大限制,在变量选取方面,没有考虑运输能源消耗、运输资本投入等指标的影响,如能将这些指标纳入模型,将会更加客观、准确的分析出中国省域综合运输效率的时空演化特征。

The authors have declared that no competing interests exist.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
金凤君,王成金,王姣娥,等.新中国交通运输地理学的发展与贡献[J].经济地理,2009,29(10):1588-1593.

[2]
陆大道. 关于避免中国交通建设过度超前的建议[J].地理科学,2012,32(1):2-10.

[3]
吴威,曹有挥,梁双波.运输效率研究述评及基于交通运输地理学视角的研究展望[J].地理科学进展,2013,32(2):243-250.

[4]
Fielding G J, Babitsky T T, Brenner M E.Performance evaluation for bus transit[J]. Transportation Research Part A: General, 1985, 19(1):73-82.

[5]
Fielding G J,Glauthier R E,Lave C A.Performance indicators for transit management[J]. Transportation, 1978, 7(4):365-379.

[6]
Pina V,Torres L.Analysis of the efficiency of local government services delivery. An application to urban public transport[J]. Transportation Research Part A: Policy and Practice, 2001, 35(10):929-944.

[7]
Oum T H,Yu C.Economic efficiency of railways and implications for public policy: a comparative study of the OECD countries' railways[J]. Journal of Transport Economics and Policy, 1994,28:121-138.

[8]
Pestana Barros C,DiekePU.Performance evaluation of Italian airports: A data envelopment analysis[J]. Journal of Air Transport Management, 2007, 13(4):184-191.

[9]
RuzzenentiF,BasosiR.Evaluation of the energy efficiency evolution in the European road freight transport sector[J]. Energy Policy, 2009, 37(10):4079-4085.

[10]
Zhou P,AngB,HanJ.Total factor carbon emission performance: a Malmquist index analysis[J]. Energy Economics, 2010, 32(1):194-201.

[11]
Wu Wenhua.Study on the evaluation system of China transport efficiency[J]. Comprehensive Transportation, 2001, 2(4):37-39.

[12]
朱晓立,叶峻青.1990- 2001年我国铁路运输效率的综合评价[J].技术经济,2005,(3):51-54.

[13]
Wang Y, Wu F, WANG Z.Productivity in China's Transportation Sector: A Malmquist Index and Bootstrap Approach (1980-2005)[J]. China Economic Quarterly, 2008, 7(32):891-912.

[14]
高莹,李卫东,尤笑宇.基于网络DEA 我国铁路运输企业效率评价研究[J].中国软科学,2011,(5):176-182.

[15]
王亚华,吴凡,王争.交通行业生产率变动的Bootstrap-Malmquist指数分析(1980-2005)[J]. 经济学(季刊),2008,(2):891-912.

[16]
邢小勤. 我国铁路运输效率的研究[D]:北京:北京交通大学, 2007.

[17]
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.

[18]
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):69-72.

[19]
杨喜瑞,郑平,彭磊.基于DEA模型的珠海交通运输系统配置效率评价[J]. 北京师范大学学报(自然科学版),2012,48(2):201-204.

[20]
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.

[21]
中华人民共和国国家统计局. 中国统计年鉴[M]. 北京:中国统计出版社,1989,1999,2010,2012.

[22]
中华人民共和国国家统计局. 中国能源统计年鉴[M]. 北京:中国统计出版社,2012.

[23]
Loo B P,Li L.Carbon dioxide emissions from passenger transport in China since 1949: Implications for developing sustainable transport[J]. Energy Policy, 2012,50:464-476.

[24]
Charnes A,Cooper W W,Rhodes E.Measuring the efficiency of decision making units[J]. European Journal Operational Research, 1978, 2(6):429-444.

[25]
方创琳,关兴良.中国城市群投入产出效率的综合测度与空间分异[J].地理学报,2011,66(8):1011-1022.

[26]
李郇,徐现祥,陈浩辉.20世纪90年代中国城市效率的时空变化[J].地理学报,2005,60(4):615-625.

Options
文章导航

/

〈 〉