地理科学  2017 , 37 (11): 1640-1648 https://doi.org/10.13249/j.cnki.sgs.2017.11.005

Orginal Article

中国公路运输全要素生产率时空演化及区域竞争——基于Hicks-Moorsteen指数框架

刘宏伟12, 吴杰1, 梁雯2, 方叶林2

1. 中国科学技术大学管理学院, 安徽 合肥230026
2. 安徽大学商学院, 安徽 合肥 230601

Spatio-temporal Evolution and Competition Analysis of Road Transportation Productivity in China: Based on Hicks-Moorsteen Index

Liu Hongwei12, Wu Jie1, Liang Wen2, Fang Yelin2

1. The School of Management, University of Science and Technology of China, Hefei 230026, Anhui, China
2. School of Business, Anhui University, Hefei 2300601, Anhui, China

中图分类号:  F542

文献标识码:  A

文章编号:  1000-0690(2017)11-1640-09

收稿日期: 2016-12-30

修回日期:  2017-03-20

网络出版日期:  2017-11-20

版权声明:  2017 《地理科学》编辑部 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.

基金资助:  国家社会科学基金项目(15BJY117)、国家自然科学基金(41601142)、安徽省哲学社会科学规划项目(AHSKQ2017D12)资助

作者简介:

作者简介:刘宏伟(1983-),男,河北保定人,博士研究生,讲师,主要研究方向为管理决策与物流规划。E-mail:lhw@ahu.edu.cn

展开

摘要

运用Hicks-Moorsteen TFP指数法对中国公路运输业全要素生产率进行测度和演化分析。结果发现:2009~2012年中国公路全要素生产率实现了增长,2013~2015年出现下降。2009年来技术进步推动了东部地区公路运输全要素生产率的增长,而运营效率提升则在推动中西部地区公路运输全要素生产率增长时起到了关键作用。中西部地区公路运输效率增长优于东部地区。东部地区在引领技术进步的同时,应注重公路运输效率的提升;中西部地区应注意加大先进技术的引进。政府和主管部门对中西部公路运输应推出持续性支持政策。

关键词: 全要素生产率 ; 技术水平 ; 效率 ; Hicks-Moorsteen指数 ; 公路运输

Abstract

While road constructionhas made great progress with the economic development in China, the performances of road transportation productivity in various regions are different. Enhancing the road transportation productivity could not only mask uneven conditioning of different regions, but also be in line with the requirements of economic supply-side structural reform. Therefore, under the economic new normal, it is very important to evaluate and analysis the road transportation productivity scientifically, which could be references for decision making. In order to achieve that goal, on the basis of the non-parametric Hicks-Moorsteen total factor productivity (TFP) index model, the road transportation industry TFP in mainland China from 2008 to 2015 is measured and analyzed. Then the road transportation industry TFP is decomposed into in technology progress and change in efficiency, and the latter could be further decomposed into pure technology efficiency, scale efficiency and mixed efficiency. The findings demonstrate that: the annual average TFP of road transportation industry in China shows a 0.77% decrease along with the technology level regression and operation efficiency increase during the period. In detail, while the TFP of road transportation industry in China from 2009 to 2012 increased, which was influenced by police made by government such as “Four Trillion Yuan RMB investment”, the TFP of road transportation industry in China decreased from 2013 to 2015, which was influenced by the economic environment. As to administrative regions, in eastern region, the technical efficiency progression and the TFP index number of road transportation are the best, and the technical efficiency progression is the main factor to drive TFP growth; In central region, while the TFP of road transportation decreased and its technology level regressed also, the operation efficiency of road transportation industry had an average annual increase of 6.89%, which is higher than other regions; In western region, while the TFP of road transportation and the technology level regressed obviously, the operation efficiency had an average annual increase of 6.31%. Compared to eastern region, the outputs mixed efficiency in central and western regions grow faster, which means that the transportation harmony of road passengers and cargos is better than that in eastern region. It demonstrates that the polices of “rise of the central region strategy” and “large-scale development in west China” played an important role on road transportation industry TFP growth. The technology level in central and western regions regressed in recent years, which are still lagging behind. It is worth noting that no matter in eastern region, in central region, or in western region, the scale efficiency underperformed. Finally, suggestions to improve the efficiencies and index numbers are given, which will be different in various regions. As to the road transportation industry in eastern region, the government or the department in charge should improve the utilization of advanced technique. As to the road transportation industry in central and western regions, the most important is improve the technique. At the same time, the government should make police to encourage the eastern region to help central and western region develop.

Keywords: total factor productivity ; technology ; efficiency ; Hicks-Moorsteen Index ; road transportation

0

PDF (1520KB) 元数据 多维度评价 相关文章 收藏文章

本文引用格式 导出 EndNote Ris Bibtex

刘宏伟, 吴杰, 梁雯, 方叶林. 中国公路运输全要素生产率时空演化及区域竞争——基于Hicks-Moorsteen指数框架[J]. 地理科学, 2017, 37(11): 1640-1648 https://doi.org/10.13249/j.cnki.sgs.2017.11.005

Liu Hongwei, Wu Jie, Liang Wen, Fang Yelin. Spatio-temporal Evolution and Competition Analysis of Road Transportation Productivity in China: Based on Hicks-Moorsteen Index[J]. Scientia Geographica Sinica, 2017, 37(11): 1640-1648 https://doi.org/10.13249/j.cnki.sgs.2017.11.005

在中国经济快速发展的推动下,中国公路运输建设成果显著。2006~2015年10 a间,中国公路里程以3.26%/a的速度在增长,至2015年末中国公路总里程达457.73万km。公路里程的不断增加促进了公路运输行业的快速发展,公路客运量和货运量占行业总量比例近10 a平均为91.65%和74.61%,可见其在中国交通运输中的重要性[1]。公路运输的生产能力直接影响着中国经济的发展[2,3],公路运输生产能力一般指其在优化配置各种资源、行业进步以及满足社会需求等方面的能力,通常可以用全要素生产率(Total Factor Productivity, TFP)表示[4]。强化公路运输全要素生产率,可以提升行业服务社会的能力,符合当下中国经济供给侧改革的迫切要求[5]。中国各地区发展水平与外界环境存在一定差异,尤其是中国三大经济区域即东部、中部和西部间存在一定的不平衡[6]。深入研究中国公路运输全要素生产率及其在区域之间的差异,针对不同区域找准提升公路运输服务能力的方向至关重要。

早期对运输行业生产率较为关注其影响机理,如运输全要素生产率和单一要素生产率的联系[7]、不同地区的公路货运生产率差异[8]、高速公路对生产率的影响[9]。随着基于DEA的Malmquist指数方法的提出,运输全要素生产率越来越被关注[10~13]。中国对此领域的研究起步较晚,仅有部分学者采用基于DEA的Malmquist指数方法对中国交通运输业全要素生产率进行了研究[14~17]

综上,就对象而言,仅有文献[17]对中国道路运输细分领域进行讨论。随着中国经济增长速度开始放缓[18],运输行业生产和服务能力需要进一步提升,这就需要从全要素角度对交通运输业进行考量。此外,不同运输方式的全要素生产率增长率有较大差异,因此很有必要对细分运输方式进行针对性测量。就方法而言,基于DEA的Malmquist指数方法虽然应用领域较多[19],但该方法无法同时分解出范围效率增长率和规模效率增长率[20]。而O’Donnell[21]提出的Hicks-Moorsteen全要素生产率指数法( TFPHM),不仅完全符合全要素生产率的定义,还可以在任何规模报酬下对全要素生产率增长率进行精确测算和完全分解,优于Malmquist指数方法。但该方法提出时间不长,国内仅有刘秉镰等[22]TFPHM指数法应用于中国铁路运输行业的实证研究。综上,鉴于对方法应用性的拓展以及公路运输生产和服务能力提升的需求,本文以中国公路运输行业为研究对象,基于DEA利用 TFPHM指数法对其全要素生产率及其增长率进行动态测算及分解,并就区域差异进行比较分析。

1 理论框架与方法选择

1.1 公路运输生产服务水平

生产服务水平是指生产率,在单投入单产出情况下可以简单定义为产出与投入比值。在多投入、多产出情况下,其投入和产出均为向量,生产服务水平则定义为产出总量函数与投入总量函数的比值[23]。以 T个生产期内的 n个公路运输服务决策单元(Decision Making Units,DMU)为例,第 j个决策单元 DMUj在第 t个生产期的 i个投入可以表示为 xijt=(x1jt,x2jt,,xmjt,其 r个产出可以表示为 yrjt=(x1jt,x2jt,,xsjt。那么 DMUj的投入总量函数与产出总量函数分别为 Xj=(xj)Yj=(yj),忽略参数 tis意味着不同生产期间同一个决策单元的生产函数形式相同,投入向量、产出向量是分别相同[24]。根据定义和函数关系,公路运输服务生产服务水平TL可表示为:

TLjt=Yjt/Xjt(1)

TLt*=Yt*/Xt*(2)

其中, t=1,2,…, T; j=1,2,…, N; i=1,2,…, m; r=1,2,…, s。式(1)表示 DMUj在第 t期的实际生产服务水平,式(2)表示当期最优生产服务水平,*表示最优值。

1.2 公路运输全要素生产率增长率

根据上述分析,全要素生产率增长率表示不同期间的生产服务水平变化程度。那么根据公式(1)可得第 t'DMUj'的生产服务水平与第 t期的 DMUj的生产服务水平的比值,即全要素生产率增长率可表示为:

TFPj,j't,t'=TLj't'TLjt=Yj't'/Xj't'Yjt/Xjt=Yj,j't,t'Xj,j't,t'(3)

其中, t'=1,2,…, T'; j'=1,2,…, N'; Yj,j't,t'=Yj't'/Yjt表示总产出量的增长率, Xj,j't,t'=Xj't'/Xjt表示总投入量的增长率。因为是跨不同生产期进行生产技术的比较,并未限定 TFPj,j't,t'的值一定不能大于1。在经济计量法框架下,文中产出总量函数和投入总量函数均采用一种无参数生产前沿面的方式表示,通过Shephard距离函数实现,即:

Yjt=dOtxjt,yjt=minδ>0:xjt,yjtδP(4)

Xjt=dItxjt,yjt=minδ>0:xjtρ,yjtP(5)

其中, dOtxjt,yjtdItxjt,yjt分别表示产出距离函数和投入距离函数,可通过DEA进行测算; δ为投入导向效率指标; ρ为产出导向效率指标; P表示时期 t的生产可能集。那么公式(3)可表示为TFPHM指数:

TFPHMjt,j't'=dOt'Xj't',yj't'dOt(xjt,yj't')dOt'Xj't',yjtdOt(xjt,yjt)/dIt'Xj't',yj't'dIt(Xj't',yjt)dIt'xjt,yj't'dIt(xjt,yjt)12(6)

1.3 公路运输TFPHM的分解

根据Farrell[25]对效率函数关系表达式的定义,以及公式(1)和(2),则第 t期、第 j个公路运输决策单元运行效率可以定义为:

Ejt=TLjt/TLt*1(7)

同期实际生产服务水平 TLjt不会大于最优生产服务水平 TLt*,故 Ejt不会大于1。在产出(投入)导向下, Ejt可以被分解为技术效率( TE)、规模效率( SE)以及范围效率( ME(在O’Donnell在2008年分析框架中,该效率全称为剩余组合效率(Residual Mix Efficiency),本文称为范围效率( ME),代表不同产出组合变化产生的效率。):

TEjt=(Yjt/Xjt)(Yjt/Xjt¯)1(8)

SEjt=(Yjt/Xjt¯)(Yjt˜/Xjt˜)1(9)

MEjt=(Yjt̃Yjt˜/Xjt̃˜)(Yt*/Xt*)1(10)

其中, Xjt¯=θxijt=τ(x1jtx2jtxmjt, τ为标量,表示产出向量不变情况下投入向量缩放倍数,即投入向量最大可以缩小 τ倍同时还可以产出向量 yrjt

Xjt̃Yjt̃则表示在 xijtyrjt分别以倍数缩放时,使对应生产技术水平达最大值时的总投入量和总产出量。

此外,公式(3)可以表示为乘积关系 TLjt=Ejt×TLt*,从而公式(3)可分解为:

TFPj,j't,t'=TLt'*×Ej't'TLt*×Ejt=TLt'*TLt*×Ej't'Ejt(11)

结合公式(8~10),则公式(3)可最终分解为:

TFPj,j't,t'=TLt'*TLt*×TEj't'TEjt×SEj't'SEjt×MEj't'MEjt(12)

公式11或12中右侧第一项称之为技术水平增长率(∆ TL*,表示从第 t期到第 t'期可最大程度实现的技术水平的增长;公式(11)中右侧第二项称之为运营效率增长率(∆ E),可被分解为公式(12)右侧的二、三、四项。公式(12)右侧第二项称之为技术效率增长率(∆ TE,表示的是 DMU接近最优生产服务水平程度的增长即 DMU与前沿面距离的变化;右侧第三项称之为规模效率增长率(∆ SE),表示的是规模经济实现程度的增长即 DMU在前沿面上移动的变化;右侧第四项称之为范围效率增长率(∆ ME)表示的是范围经济实现程度的增长,即投入分量(投入导向)或产出分量(产出导向)的变化。当指标增长率的值大于1时,表示该指标从第 t期到第 t'期是上升的,反之则是下降的。本文主要通过相邻两个生产期的全要素生产率增长率及其分解值来研究中国公路运输生产服务水平,故取值 t'=t+1

2 样本与指标确定

2.1 样本选择

根据研究目的,本文选取中国大陆31个行政区域(省、自治区、直辖市,不含港澳台,全文同)作为研究对象。依据不同行政区域经济发展水平与地理位置区域将31个区域划分为东部(北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南)、中部(山西、内蒙、吉林、黑龙江、安徽、江西、河南、湖北、湖南)和西部(广西、重庆、四川、贵州、云南、西藏、陕西、甘肃省、青海、宁夏、新疆)三个大经济区域[26]

2.2 指标及数据选取

就产出而言,目前国际范围内通常用客运量、货运量、旅客周转量和货物周转量4个主要指标来衡量公路运输服务的产出。后两个指标分别是前两个指标与对应完成距离的乘积,具有较好的复合性,能够更全面反映公路运输运行效果。因此,本文选取旅客周转量和货物周转量作为两个产出指标,它们在文献[22,27,28]中被选为产出指标。就投入而言,公路运输主要消耗物化劳动和活劳动。考虑到全要素的涵盖范围以及数据可得性等因素,本文最终选取代表行业投资的公路里程、代表载体的汽车数量以及代表劳动力投入的从业人数作为公路运输行业的3个投入指标,它们在王亚华等[16]、刘玉海等[17]等研究中也被选为投入指标。本文以2008~2015年为样本期间,将样本期间研究对象的投入产出数据构成面板数据,以此来测度中国公路运输全要素生产率的变化。本研究所使用的指标数据可以直接从《中国统计年鉴》[1]中获取,即旅客周转量(亿人·km)、货物周转量(亿t·km)、公路里程(100 km)、民用汽车拥有量(万辆)、公路运输业就业人数(1 000人)。由于2013年后公路运输统计口径发生变化,故本研究分别以2008和2013年为基准年,对2008~2012、2013~2015年间公路运输全要素生产率增长率进行测算。

3 实证结果分析

3.1 公路运输全要素生产率时间序列演化分析

将中国公路运输全要素生产率增长率及其分解值进行时间序列整理(表1)。

表1   中国公路运输全要素生产率增长率演化趋势

Table 1   Evolutionary trend of road transportation total factor productivity(TFP) in China

比较年份TFPHMΔTL*ΔEΔTEΔSEΔME
2009/20080.96130.99380.97070.97220.99411.0061
2010/20091.02801.01091.02101.00420.99241.0263
2011/20101.02571.04280.99231.02030.94931.0239
2012/20111.04961.10260.95780.98151.00000.9796
2014/20130.99171.07240.93780.96310.99290.9802
2015/20140.89760.66241.37681.17891.04901.1400
均值0.99230.98081.04271.02000.99631.0260

新窗口打开

样本期间中国公路运输全要素生产率增长率(TFPHM)历年均值为0.992 3,表明中国公路运输行业全要素生产率在样本期间出现了年均0.77%的下降,其主要原因在于行业技术水平(ΔTL* )年均1.92%的退步。相比而言,公路运营效率(ΔE)年均增长4.27%,这在很大程度上抵消了技术退步导致的生产率降低。进一步分析,运营效率的提高主要得益于技术效率和范围效率的上升,而规模效率则出现下降,这表明虽然公路运输的规模不经济性较为显著,在现有运营能力下需要较多资源投入[17],但其管理水平在提升、客货协调运输效果越发良好。

具体而言,中国公路运输全要素生产率在样本期间呈现出先升后降的态势,即2008~2009年度,公路运输全要素生产率出现幅度为3.87%的下降,同时其技术水平和运行效率都是下降的。2009~2012年中国公路全要素生产率增长较快、技术水平进步显著。2013~2015年中国公路全要素生产率连续下降,且技术水平在2014~2015年出现33.76%的明显退步。这种波动态势说明公路运输的生产服务能力以及对各种生产条件的利用是不稳定的,但绝大部分年份中国公路运输生产力呈现出改善趋势。随着时间推移,公路运输物质技术水平在人力资源素质、运输手段和科学技术等作用下会不断提升,实证结果表明,中国公路运输全要素生产率增长及技术进步不仅仅会受到物质性技术的支持,其稳定性也会受到外部环境的影响。如2009年金融危机,中国公路运输全要素增长率出现下降;但2009~2012年中国公路全要素生产率的良好表现与中国政府40 000亿投资发挥作用有直接关系[2];2014~2015年公路运输全要素生产率下降较多,尤其是技术水平退步明显,这与中国经济持续放缓、工业产能过剩以及国际贸易外部冲击导致的公路运输发展放缓不无关系[5]

3.2 三大区域全要素生产率时间序列演化分析

不同区域经济发展水平和公路运输生产组织方式不同,会对公路运输全要素生产率产生一定的影响(表2)。

表2   三大区域运输全要素生产率增长率及其分解值

Table 2   Evolutionary trend of road transportation TFP and its decomposition values in three regions

分区比较指标TFPHMΔTL*ΔEΔTEΔSEΔME
东部2009/20081.02731.06680.96651.00421.01140.9519
2010/20091.05641.10010.96360.99750.98330.9848
2011/20101.04211.13500.92430.99150.93410.9986
2012/20111.05261.14040.93070.95481.02100.9645
2014/20131.00801.18220.86650.92250.97040.9675
2015/20140.88110.65951.35361.17131.02701.1561
均值1.01131.04731.00091.00690.99121.0039
中部2009/20080.95270.98150.97370.96110.98251.0314
2010/20091.04310.98951.05601.01710.98831.0513
2011/20101.02541.01531.01191.02200.96741.0252
2012/20111.07711.12190.96270.98951.00450.9684
2014/20131.01691.00331.01461.01560.99641.0024
2015/20140.87650.63631.39481.23931.04921.0802
均值0.99860.95801.06891.04070.99811.0265
西部2009/20080.90220.93090.97240.94950.98621.0396
2010/20090.98720.93921.04981.00041.00471.0474
2011/20101.00970.97311.04411.04780.94971.0481
2012/20111.02411.04910.98091.00170.97531.0039
2014/20130.95481.01920.94630.96091.01250.9748
2015/20140.93130.68671.38531.13701.07101.1728
均值0.96820.93301.06311.01620.99991.0478

新窗口打开

样本期间东部公路运输全要素生产率实现上升(TFPHM=1.011 3),而中部和西部地区公路全要素生产率增长则下降(TFPHM=0.998 6, TFPHM=0.968 2)。结合全国分析,中国公路运输全要素生产率增长下降主要是由于中西部地区所致。具体而言,东部和中部地区2010~2014年间公路运输全要素生产率均实现增长,而西部地区在绝大部分年份则是出现公路运输全要素生产率下降。这表明东部地区公路运输生产力和技术水平提升具有明显优势。

对分解值测量发现,东部地区除2015年外,其余年份公路运输技术水平均实现进步(Δ TL*=1.047 3)而运输效率则只有2015年实现了增长;中部地区公路运输技术水平出现了退步(Δ TL*=0.958 0)而运输效率都实现了上升(Δ E=1.068 9);西部地区公路运输效率则实现了一定程度的提升(Δ E=1.063 1),但这无法阻止其技术水平退步带来的生产服务水平下降。从全国范围和3个区域分析不难发现,在绝大部分年份公路运输全要素生产率增长和技术水平进步呈现出较为一致的趋势,这说明二者之间存在较为显著的正相关关系。此外,在大部分年份,3个区域效率增长率和技术进步水平出现了一定的负相关性,这说明公路运输技术水平提升与技术水平推广应用间缺乏有机联动。而刘玉海等[17]对2000~2004样本期间研究发现:东、中、西3个区域全要素生产率增长值均小于1、技术变动呈现退步趋势,东部和西部公路运输效率上升,而中部公路运输效率降低。这与本文研究有较大差异。将两个样本期间研究发现对比分析,显示东部地区公路运输全要素生产率、技术水平及效率均转为上升趋势,中部公路运输效率也实现了上升转变。但西部在两个样本期间表现基本一致。需要引起注意的是,东、中、西3个区域的规模效率增长都呈现出下降趋势,这表明各个区域乃至全国范围内,公路运输行业没有实现有效扩张或者重组,没有实现规模经济性的优化。此外,中西部地区无论是运营效率增长率还是分解效率增长率均好于东部地区,尤其是西部地区的范围效率增长率在3个区域中是最高的。这表明中西部地区,尤其是中部地区虽然技术水平落后,但可通过充分利用自有技术条件、更好的协调客货运输来促进生产力的提升。

3.3 中国公路运输全要素生产率时空演化分析

根据中国公路运输全要素生产率增长率测算结果,对每个行政区域2008~2009、2009~2010、2010~2011、2011~2012、2013~2014、2014~2015年度值进行时空演化分析。根据 TFPHM值距离1的远近程度,将全国公路运输全要素生产率分为上升和下降两类。同时,大于1的程度越高,说明其上升越快,小于1的程度越高说明其下降越快。在上升和下降两组中,分别以均值为界分为变化轻微与显著两种程度。按此分类得出各样本年度空间格局,从而更直观反映样本期间公路运输全要素生产率空间演化格局(图1)。

图1   2008~2015年中国公路运输全要素生产率空间格局演化

Fig.1   Evolution of spatial pattern of road transport total factor productivity(TFP) in China during 2008-2015

2008~2009年度来看,全国公路运输全要素生产率增长表现出显著的不均性,且实现增长的区域和下降的区域在分布上呈现出一定的连续性,且区域性差异较为显著。中、东部大部分地区实现了增长,而西部地区大部分则出现下降。但公路运输全要素生产率在2009~2010年度实现较大幅度提升,显著下降区域(红色)明显减少,上升区域明显增多。这与2009年后中国政府大规模投资促进公路建设不无关系。到2010~2011年度,中部地区公路运输全要素生产率由轻微下降和显著下降转变为轻度上升,而西藏和新疆则由轻度下降和上升转变为显著下降,其下降幅度明显快于其他地区。到2011~2012年度,全国范围内公路运输全要素生产率增长明显转好,显著上升区域也明显增多,但多居于中部地区。2013~2014年度,全国范围公路运输全要素生产率下降明显,但青海和黑龙江则出现了前所未有的生产率显著上升。2014~2015年度,全国范围内绝大部分区域公路运输全要素生产率增长率持续下降,仅有云南、四川和内蒙古实现增长。综合来看,2008~2012年间,中东部地区公路运输生产力表现良好,内蒙古、河北、辽宁一直处于显著上升趋势。2013~2015年间,仅有中部内蒙古地区保持了上升趋势,而仅有四川和云南地区在2015年普遍表现不好的情况下实现了公路运输全要素生产率增长率逆势上升。综合演化趋势可见,随着年份推移中部地区公路运输生产力的增长在所有区域中最为明显,西部地区公路运输生产力增长不稳定且后续乏力,而东部区域近两年受到经济环境冲击最大,公路运输生产力显著下降。

3.4 各区域公路运输生产服务竞争力分析

全要素生产率演变的驱动因素包括服务技术水平变动以及效率变动,二者分别指的是公路运输投入要素的最大产出的变化和投入要素的利用程度的变化。基于此,本文以公路运输的技术水平增长率(Δ TL*)和效率增长率(Δ E)的值1为界限,将所有行政区域分组到4个象限(图2)。

Fig.2   Competitive position analysis of road transportation in administrative regions

   

象限I内的区域,技术水平增长率和效率增长率都大于1,说明其可能达到的最优服务水平与投入要素利用程度均在提升,有强大的发展潜力,竞争力越来越强。该象限区域较少,内蒙古、河北、辽宁和吉林均为中东部省份,仅有云南为西部省份,可见公路运输生产力最强省份仍出现在中东部地区。象限III内的区域,代表着技术水平增长率和效率增长率都小于1,说明其可能达到的最优服务水平与投入要素利用程度均在下降,其竞争力越来越弱。该象限内仅有西藏地区。象限II内的区域,其可能达到的最优服务水平在下降但其要素利用程度在上升,说明其能够充分利用现有生产条件提供公路运输服务,一旦其技术水平上升则竞争力会提升很快。该象限内多为中部和西部地区行政区域,说明中西部地区发展潜力巨大。象限IV内的区域,其技术水平提升很快但投入要素越来越得不到充分的利用。该区域内以东部行政区域居多,在一定程度上说明经济发达地区公路运输技术水平提升快,但是这些区域应更注重提升各种投入要素的利用程度,否则很容易被象限II内的区域赶超。

4 结论

1) 中国公路运输业全要素生产率、技术水平在大部分年份呈现出上升趋势,效率则呈现出波动增长。但因2014~2015年的公路运输生产率下降导致了样本期间年均0.77%的轻微下降,主要原因为技术水平退步,而公路运输运营效率则以年均4.27%的速度在提升。结论表明,中国政府2009年的“4万亿”投资在公路运输生产率提升方面,有着积极的作用。而2016年中国经济环境对公路运输的影响也是存在的,即政府推动作用具有一定的阶段性。但同时应该注意到,公路运输全要素生产率提升及技术水平进步的同时,大部分年份各区域对技术的利用程度、公路运输的规模经济性却在下降。针对此情况,在提升中国公路运输全要素生产率时,管理部门和行业企业应该注重在推动技术进步的同时,侧重于先进技术、生产方式在更大范围内利用程度的提升,使得各种投入要素发挥其作用,带动行业的整体发展。管理部门应以提升公路运输的规模效率为切入点,从更为宏观的角度促进公路运输服务单位的优化组合或行业扩张,使得公路运输在充分发挥各种投入要素效率的同时,更可以调整运输行业规模来提升经济性。此外,鉴于中国公路运输推动性政策效果良好,建议阶段性政策和可持续性长期发展政策相结合。

2) 经过多年发展,中国公路运输全要素生产率增长虽然还存在较为显著的区域性差异,但格局已经逐渐改变。对东、中、西三大经济区域的实证研究结果显示,样本期间中、西部地区公路运输全要素生产率显著提升。在全要素生产率提升驱动因素方面,东部地区绝大部分年份依靠技术水平进步,较为单一,而中部和西部地区则是间或依靠技术水平进步和效率提升,这与以往研究变化较大。根据各区域的不足,东部区域在提升公路运输服务水平即全要素生产率的时候,应侧重于全方位效率的提升,也就是要利用自身技术领先优势,使得各种投入要素在合理的生产方式、组织模式下得到合理充分利用;就中部地区而言,显然2008年以来政府的“中部崛起”战略已经作用凸显,在3个区域中部的各个年份效率增长都是最快的。在此政策推动下,中部地区应该促进公路运输服务机构的深度合作,侧重于先进技术水平的引进,以稳定提升其技术水平;而“西部大开发”的政策红利也逐渐显现,即西部地区的公路运输效率出现上升趋势,优于东部地区,同时,“西部大开发”政策对高速公路建设的促进作用已经非常突出。两者结合建议西部地区接下来的公路运输发展过程中,可适当对普通公路有较多的倾斜政策。

3) 中国公路运输全要素生产率在时空演化过程中,不同省份表现出的竞争力差异性较为显著。实证结果显示,大部分东部省份公路运输服务水平具有优势,但同时具有一定的内部劣势和潜在威胁,如效率持续走低。这应该引起东部省份重视,这些省份应注重对自身现有条件的利用,通过重新组织生产来提升自身效率消除外部威胁。而中西部地区公路运输有进步趋势,且中部地区效果明显。但西部也要正视自身缺陷,即其技术水平较中东部地区仍然落后,需借助政策优势发展经济以促进公路运输技术水平的提升。

从全局角度而言,中部地区的逐渐崛起除了政策支持外,与东部地区对中部地区公路运输全要素生产率的带动作用不无关系。从这个角度而言,中部对西部地区的带动作用则略显不足,致使西部地区与中东部差距逐渐加大。鉴于此,政策措施不仅仅要侧重于中东部融合,更应该倾向于不同区域的贯通,如一带一路战略的实施就将很好的融通东中西3个区域,对西部地区的公路运输将会产生明显的带动作用。

The authors have declared that no competing interests exist.


参考文献

[1] 中国国家统计局.

中国统计年鉴

[EB/OL].(2016-09-08). .

URL      [本文引用: 2]     

[National Bureau of Statistics of China.

China Statistical Yearbook

.[EB/OL]. (2016-09-08). .]

URL      [本文引用: 2]     

[2] 刘秉镰, 武鹏, 刘玉海.

交通基础设施与中国全要素生产率增长

[J]. 中国工业经济, 2010, 3: 54-64.

[本文引用: 2]     

[Liu Binglian, Wu Peng, Liu Yuhai.

Transportation infrastructure and the increase in TFP in China-Spatial econometric analysis on provincial panel data.

China industrial economics, 2010, 3: 54-64.]

[本文引用: 2]     

[3] 王成金,程佳佳.

中国高速公路网的可达性格局及演化

[J]. 地理科学, 2016, 36(6):803-812.

https://doi.org/10.13249/j.cnki.sgs.2016.06.001      URL      Magsci      [本文引用: 1]      摘要

<p>在全国尺度上评价1988~2030年中国高速公路可达性的空间格局及演化。基于交通旅行时间和最短时间路径的可达性模型设计,刻画了中国高速公路网的扩张过程,评价各时段中国高速公路网的通达性及演变,包括连通城镇、交通时间和时间区位系数等,分析各地区可达性的空间差异及变化特征,以及各时段内可达性的变化差异,重点识别可达性与区位受损和收益的突出区域;结合人口和经济等属性指标,评价各城市的综合发展潜能及变化。研究发现,高速公路建设拉近了边缘地区与核心地区的时间距离,西部地区的交通条件得到了很大改善,但并没有改变各城市的区位优劣水平,而且导致城市间发展潜力的差距更加不平衡。</p>

[Wang Chengjin, Cheng Jiajia.

Spatial Pattern of Expressway Network Accessibility and Evolution in China.

Scientia Geographica Sinica, 2016, 36(6): 803-812.]

https://doi.org/10.13249/j.cnki.sgs.2016.06.001      URL      Magsci      [本文引用: 1]      摘要

<p>在全国尺度上评价1988~2030年中国高速公路可达性的空间格局及演化。基于交通旅行时间和最短时间路径的可达性模型设计,刻画了中国高速公路网的扩张过程,评价各时段中国高速公路网的通达性及演变,包括连通城镇、交通时间和时间区位系数等,分析各地区可达性的空间差异及变化特征,以及各时段内可达性的变化差异,重点识别可达性与区位受损和收益的突出区域;结合人口和经济等属性指标,评价各城市的综合发展潜能及变化。研究发现,高速公路建设拉近了边缘地区与核心地区的时间距离,西部地区的交通条件得到了很大改善,但并没有改变各城市的区位优劣水平,而且导致城市间发展潜力的差距更加不平衡。</p>
[4] Cantos P, Pastor J M, Serrano L.

Productivity, efficiency and technical change in the European railways: Anon-parametric approach

[J]. Transportation, 1999, 26(4): 337-357.

https://doi.org/10.1023/A:1005127513206      URL      [本文引用: 1]     

[5] 刘霞辉.

供给侧结构性改革助推中国经济增长——2015 年宏观经济分析及思考

[J]. 学术月刊, 2016, 48(4): 54-62.

[本文引用: 2]     

[Liu Xiahui.

The Supply-side Structural Reforms will Promote China’s Economic Growth— Macroeconomic Analysis and Reflections of 2015.

Academic Monthly, 2016, 48(4):54-62.]

[本文引用: 2]     

[6] 李博, 张文忠, 余建辉.

碳排放约束下的中国农业生产效率地区差异分解与影响因素

[J]. 经济地理, 2016, 36(9):150-157.

https://doi.org/10.15957/j.cnki.jjdl.2016.09.020      URL      [本文引用: 1]      摘要

基于中国1998—2012年各省市区的面板数据,采用考虑非期望产出的SBM模型,测算了碳排放约束下的中国各省市区的地区农业生产效率,进而利用泰尔指数分解方法与灰色关联分析方法对地区农业生产效率差异的结构性原因与外部影响因素进行了研究。结果表明:1大部分省市区处于农业生产非效率的状态,多数省市区均出现了不同程度的效率下降。2农业生产效率存在较为明显的差异性,多数年份中,差异主要由东中西与东北部区域间的差异所造成。3多数年份中,区域内部的差异是造成整体差异的次要原因,其中,西部区域内各省份的差异在各区域内差异中占比最大。4各影响因素与农业生产效率地区差异的关联度排序由高到低依次为产业结构的地区差异、农业结构的地区差异、灾害影响的地区差异、农村劳动者教育素质的地区差异、城市化水平的地区差异、城乡收入比的地区差异,以及研发创新投入力度的地区差异。

[Li Bo, Zhang Wenzhong, Yu Jianhui.

Study on decomposition and influence factors of district difference of China agricultural production efficiency under the constraint of carbon emission.

Economic Geography, 2016, 36(9):150-157.]

https://doi.org/10.15957/j.cnki.jjdl.2016.09.020      URL      [本文引用: 1]      摘要

基于中国1998—2012年各省市区的面板数据,采用考虑非期望产出的SBM模型,测算了碳排放约束下的中国各省市区的地区农业生产效率,进而利用泰尔指数分解方法与灰色关联分析方法对地区农业生产效率差异的结构性原因与外部影响因素进行了研究。结果表明:1大部分省市区处于农业生产非效率的状态,多数省市区均出现了不同程度的效率下降。2农业生产效率存在较为明显的差异性,多数年份中,差异主要由东中西与东北部区域间的差异所造成。3多数年份中,区域内部的差异是造成整体差异的次要原因,其中,西部区域内各省份的差异在各区域内差异中占比最大。4各影响因素与农业生产效率地区差异的关联度排序由高到低依次为产业结构的地区差异、农业结构的地区差异、灾害影响的地区差异、农村劳动者教育素质的地区差异、城市化水平的地区差异、城乡收入比的地区差异,以及研发创新投入力度的地区差异。
[7] Benjamin J, Obeng K.

The effect of policy and background variables on total factor productivity for public transit

[J]. Transportation Research Part B: Methodological, 1990, 24(1): 1-14.

https://doi.org/10.1016/0191-2615(90)90028-W      URL      [本文引用: 1]      摘要

This paper investigates total factor productivity as a unified measure of transit performance. The approach uses the shift in the cost function of inputs and outputs as the measure of change in productivity. A three step regression procedure was used to estimate model parameters. The approach was applied to a sample of transit agencies. Predictor variables were tested for a two-year period representing different financial and background situations. Hypotheses were tested for static and dynamic measures of environment and policy with capacity and efficiency and for measures of capacity and efficiency with productivity. It was found that when vehicle-miles was the output measure, only vehicle efficiency was related to labor productivity. Further, it was found that when passenger-miles was the output variable, only population and fleet size were good predictors of total factor productivity. Productivity is, in general, stable and approximately constant for these agencies. The implication for transit agencies is to concentrate efforts to improve productivity on highly congested corridors and, overall, through the use of vehicle and manpower scheduling.
[8] Rizet C, Hine J L.

A comparison of the costs and productivity of road freight transport in Africa and Pakistan

[J]. Transport Reviews, 1993, 13(2): 151-165.

https://doi.org/10.1080/01441649308716841      URL      [本文引用: 1]      摘要

Freight tariffs in a number of African countries have been found to be between four and six times the levels found in Pakistan. This paper examines how the differences in input costs, taxation, profitability and vehicle productivity contribute to the differences in tariffs. Some suggestions are made to indicate how these differences may have arisen.
[9] Gerhold D.

Productivity change in road transport before and after turnpiking, 1690-1840

[J]. The Economic History Review, 1996, 49(3): 491-515.

https://doi.org/10.1111/j.1468-0289.1996.tb00579.x      URL      [本文引用: 1]      摘要

This article seeks to identify and quantify the effects of turnpikes on road services. It first identifies a two and a half- to three-fold overall increase in productivity in the long-distance carriage of goods, even without taking account of reduced journey times. Productivity growth is then apportioned as far as possible between turnpikes and other causes (better horses, economies of scale, and flying waggons). Productivity growth in short-distance carrying and stage coaching is compared, and found to have been more significant than in long-distance carrying, which has implications for assessments of the indirect effects of turnpikes.
[10] Färe R, Grosskopf S, Norris M et al.

Productivity growth, technical progress, and efficiency change in industrialized countries

[J]. The American economic review, 1994,84(1): 66-83.

https://doi.org/10.2753/PET1061-1991361256      URL      [本文引用: 1]      摘要

This paper analyzes productivity growth in seventeen OECD countries over the period 1979-88. A nonparametric programming method (activity analysis) is used to compute Malmquist productivity indexes. These are decomposed into two component measures, namely, technical change and efficiency change. The authors find that U.S. productivity growth is slightly higher than average, all of which is due to technical change. Japan's productivity growth is the highest in the sample with almost half due to efficiency change. Copyright 1994 by American Economic Association.
[11] Boame K A, Obeng K.

Sources of productivity change: A Malmquist total factor productivity approach

[J]. Transport Reviews, 2005, 25(1): 103-116.

https://doi.org/10.1080/0144164042000244572      URL      摘要

Urban transit systems are faced with declining ridership and increasing deficits in recent years. Improving the productivity of transit systems in such unfavourable operating conditions is unquestionable. The sources of productivity change in bus transit systems in the USA between 1985 and 1997 are investigated by using the non 恜arametric Malmquist total factor productivity index. Technical change and efficiency change improved transit productivity. In addition, government subsidy has negative and statistically significant correlations with the efficiency of transit systems, and positive and significant relationships with technical change. No statistically significant correlation was found between subsidies and the Malmquist total factor productivity.
[12] De Nicola A, Gitto S, Mancuso P.

Airport quality and productivity changes:A Malmquist index decomposition assessment

[J]. Transportation Research Part E: Logistics and Transportation Review, 2013, 58: 67-75.

https://doi.org/10.1016/j.tre.2013.07.001      URL      摘要

This paper analyses the productivity of 20 Italian airports management companies during the period 2006 2008 using a DEA Malmquist index that includes a quality component. The proposed methodology is applied for the first time to the airport industry. In doing so, we directly assess the impact of the quality of services delivered by an airport on its productive performance. The study shows that, while Italian airports possess an acceptable level of quality in terms of their infrastructure, their managerial/administrative procedures must be strengthened in order to better deal with both technological modernization and passenger waiting time at the airports.
[13] Zhang N, Zhou P, Kung C C.

Total-factor carbon emission performance of the Chinese transportation industry: A bootstrapped non-radial Malmquist index analysis

[J]. Renewable and Sustainable Energy Reviews, 2015, 41: 584-593.

https://doi.org/10.1016/j.rser.2014.08.076      URL      [本文引用: 1]      摘要

This paper proposes a non-radial Malmquist CO 2 emission performance index (NMCPI) for measuring dynamic changes in total-factor CO 2 emission performance over time. This index enables the consideration of non-radial slacks in the conventional Malmquist CO 2 emission index (MCPI). The NMCPI is calculated based on a non-radial directional distance function derived by several data envelopment analysis (DEA) models. Furthermore, NMCPI could be decomposed into an efficiency change (EC) index and technological change (TC) index. A bootstrapping approach is conducted to introduce statistical inferences into the NMCPI and its decompositions. Based on the proposed indices, the dynamic CO 2 emission performance change and its decompositions of the Chinese regional transportation industry from 2002 to 2010 are investigated. The empirical results demonstrate that the total-factor carbon emission performance of the transportation industry as a whole decreased by 32.8% over the period, and this reduction was primarily caused by technological decline.
[14] 蒋迪娜.

我国交通运输业全要素生产率变动及其影响因素分析[D]

. 上海:上海海事大学, 2002.

[本文引用: 1]     

[Jiang Dina.

Productivity Growth and its Influence Factors Analysis of Transportation in China.

Shanghai: Shanghai Maritime University, 2002.]

[本文引用: 1]     

[15] 余思勤, 蒋迪娜, 卢剑超.

我国交通运输业全要素生产率变动分析

[J]. 同济大学学报: 自然科学版, 2004, 32(6): 827-831.

https://doi.org/10.3321/j.issn:0253-374X.2004.06.028      URL      摘要

目前,国内在测算运输业的全要素生产率状况方面所采用的研究方法,往往存在需要假定生产成本 最小化以及生产率变化因素不能分解的问题.为此,运用交通运输业1990~2000年的数据,把扩展的Malmquist-DEA(曼奎斯特-数据包络分 析)方法引入交通运输业,来测量交通运输业生产率变化总量以及影响因素,解决了常用研究方法的弊端.研究表明,对于不同的运输方式,其生产率的变化量不尽 相同,各种影响因素的作用也存在较大差异.

[Yu Siqin, Jiang Dina, Lu Jianchao.

Productivity Analysis of Transportation in China.

Journal of Tongji University (Natural Science), 2004, 32(6): 827-831.]

https://doi.org/10.3321/j.issn:0253-374X.2004.06.028      URL      摘要

目前,国内在测算运输业的全要素生产率状况方面所采用的研究方法,往往存在需要假定生产成本 最小化以及生产率变化因素不能分解的问题.为此,运用交通运输业1990~2000年的数据,把扩展的Malmquist-DEA(曼奎斯特-数据包络分 析)方法引入交通运输业,来测量交通运输业生产率变化总量以及影响因素,解决了常用研究方法的弊端.研究表明,对于不同的运输方式,其生产率的变化量不尽 相同,各种影响因素的作用也存在较大差异.
[16] 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, 7(3): 891-912.

URL      [本文引用: 1]      摘要

交通行业是一个资本高投入、能源高消耗和污染高排放的行业,尽管中国改革以来的交通运输业取得了巨大成就,还鲜有从生产率视角对该行业的研究。本文应用Malmquist-DEA方法测算了中国交通全行业及四个主要部门1980—2005年间的生产率变动,并引入Bootstrap-DEA方法估计了技术效率变化及其置信区间,通过Bootstrap纠偏提高了效率测度的准确性。测评结果表明,20世纪90年代初期以来交通行业TFP增速有所下降,技术效率显著下降;2000年之后,交通各部门的技术进步率大幅度上升,技术效率继续下降。中国交通行业的发展模式面临转型,这也是中国经济增长方式转变的重要组成部分。

[Wang Yahua, Wu Fan, Wang Zheng.

Productivity in China’s Transportation Sector: A Malmquist Index and Bootstrap Approach (1980-2005).

China Economic Quarterly, 2008, 7(3): 891-912.]

URL      [本文引用: 1]      摘要

交通行业是一个资本高投入、能源高消耗和污染高排放的行业,尽管中国改革以来的交通运输业取得了巨大成就,还鲜有从生产率视角对该行业的研究。本文应用Malmquist-DEA方法测算了中国交通全行业及四个主要部门1980—2005年间的生产率变动,并引入Bootstrap-DEA方法估计了技术效率变化及其置信区间,通过Bootstrap纠偏提高了效率测度的准确性。测评结果表明,20世纪90年代初期以来交通行业TFP增速有所下降,技术效率显著下降;2000年之后,交通各部门的技术进步率大幅度上升,技术效率继续下降。中国交通行业的发展模式面临转型,这也是中国经济增长方式转变的重要组成部分。
[17] 刘玉海, 林建兵, 翁嘉辉.

中国道路运输业营运效率动态分析-基于 Malmquist 生产力指数

[J]. 产业经济研究, 2008, (1): 56-63.

https://doi.org/10.3969/j.issn.1671-9301.2008.01.008      URL      [本文引用: 5]      摘要

本文运用基于非参数DEA的Malmquist生产力指数,对中国道路运输业在2000年至2004年期间的营运效率进行了分析和评价。研究结果显示,除了在2003年因受"非典"疫情的影响导致其营运效率明显下降之外,中国道路运输业在其他年份营运效率均表现为不同程度的提高,这表明中国道路运输业的生产力总体上呈现出改善的态势;然而,此期间中国道路运输业年均营运效率在降低,且几乎完全是由技术进步水平的降低所导致的,分析结论表明道路运输业的技术进步和营运效率的增长机制存在一定程度的不稳定性。

[Liu Yuhai, Lin Jianbing, Weng Jiahui.

An Analysis on Dynamic Operational Efficiency of China Road Transportation Industry-Based on Malmquist Productivity Index.

Industry Economics Research, 2008, (1): 56-63.]

https://doi.org/10.3969/j.issn.1671-9301.2008.01.008      URL      [本文引用: 5]      摘要

本文运用基于非参数DEA的Malmquist生产力指数,对中国道路运输业在2000年至2004年期间的营运效率进行了分析和评价。研究结果显示,除了在2003年因受"非典"疫情的影响导致其营运效率明显下降之外,中国道路运输业在其他年份营运效率均表现为不同程度的提高,这表明中国道路运输业的生产力总体上呈现出改善的态势;然而,此期间中国道路运输业年均营运效率在降低,且几乎完全是由技术进步水平的降低所导致的,分析结论表明道路运输业的技术进步和营运效率的增长机制存在一定程度的不稳定性。
[18] 金碚.

中国经济发展新常态研究

[J]. 中国工业经济, 2015, (1): 5-18.

[本文引用: 1]     

[Jin Bei.

Study on the New Normal of Chinese Economic Development.

China Industrial Economics, 2015, (1): 5-18.]

[本文引用: 1]     

[19] 韩瑞玲,张秋娈,朱绍华,.

基于DEA-Malmquist 模型的唐山市工业经济与能源全要素生产率分析

[J]. 地理科学,2016,36(12):1793-1801.

[本文引用: 1]     

[Han Ruiling, Zhang Qiuluan, Zhu Shaohua et al.

Industrial Economy and Energy TFP of Tangshan City Based on DEA and Malmquist Model.

Scientia Geographica Sinica, 2016, 36(12):1793-1801.]

[本文引用: 1]     

[20] 姜永宏, 蒋伟杰.

中国上市商业银行效率和全要素生产率研究——基于 Hicks-MoorsteenTFP指数的一个分析框架

[J]. 中国工业经济, 2014, (9): 109-121.

URL      [本文引用: 1]      摘要

本文借助Hicks—M00rsteenTFP指数建立商业银行效率一全要素生产率矩阵分析框架.以2004-2011年全部16家上市商业银行为对象进行实证研究。结果发现:不同产权属性的上市商业银行具有不同的效率优势,城市商业银行的优势在于技术水平和技术效率.国有商业银行在于规模效率,股份制商业银行在于范围效率;中国上市商业银行全要素生产率在样本期间发生了年均3.26%的下降.其主要原因是整体技术水平出现了退步.而细分生产率(技术、规模和范围)的改进成为全要素生产率提升的动力来源,阻止了其进一步下挫。综合分析发现.上市商业银行的两极分化趋势明显,其发展可能陷入“强者恒强、弱者恒弱”的格局。本文研究对评价中国上市商业银行改革成效,启动新一轮商业银行改革.具有重要的理论价值与现实意义。

[Jiang Yonghong, Jiang Weijie.

Study on Efficiency and Productivity of Listed Commercial Banks in China-Based on Hicks-Moorsteen TFP Index.

China Industrial Economics, 2014, (9): 109-121.]

URL      [本文引用: 1]      摘要

本文借助Hicks—M00rsteenTFP指数建立商业银行效率一全要素生产率矩阵分析框架.以2004-2011年全部16家上市商业银行为对象进行实证研究。结果发现:不同产权属性的上市商业银行具有不同的效率优势,城市商业银行的优势在于技术水平和技术效率.国有商业银行在于规模效率,股份制商业银行在于范围效率;中国上市商业银行全要素生产率在样本期间发生了年均3.26%的下降.其主要原因是整体技术水平出现了退步.而细分生产率(技术、规模和范围)的改进成为全要素生产率提升的动力来源,阻止了其进一步下挫。综合分析发现.上市商业银行的两极分化趋势明显,其发展可能陷入“强者恒强、弱者恒弱”的格局。本文研究对评价中国上市商业银行改革成效,启动新一轮商业银行改革.具有重要的理论价值与现实意义。
[21] O’Donnell C J.

An aggregate quantity-price framework for measuring and decomposing productivity and profitability change[R].

Centre for Efficiency and Productivity analysis working paper, 2008:1-33.

[本文引用: 1]     

[22] 刘秉镰, 刘玉海, 张建波.

技术进步, 结构变迁与中国铁路运输业生产率增长——基于 H1cks-Hoorsteen 生产率指数的实证分析

[J]. 当代财经, 2012, (3): 80-92.

[本文引用: 2]     

[Liu Binglian, Liu Yuhai, Zhang Jianbo.

Technical Progress, Structural Change and Productivity Growth of China’s Railway Transportation Industry:An Empirical Analysis Based on Hicks-MoorsteenIndex.

Contemporary Finance & Economics, 2012, (3): 80-92.]

[本文引用: 2]     

[23] Harold O Fried, Shelton S, Schmidt C A.Knox Lovell, the Measurement of Productive Efficiency: Techniques and Applications: Techniques and Applications[M].NY: Oxford University Press, 1993.

[本文引用: 1]     

[24] Caves D W, Christensen L R, Diewert W E.

The economic theory of index numbers and the measurement of input, output, and productivity

[J]. Econometrica: Journal of the Econometric Society, 1982, 50(6): 1393-1414.

https://doi.org/10.2307/1913388      URL      [本文引用: 1]      摘要

This paper develops index number procedures for making comparisons under very general circumstances. Malmquist input, output, and productivity comparisons are defined for structures of production with arbitrary returns to scale, substitution possibilities and biases in productivity change. For translog production structures, T rnqvist output and input indexes are shown to equal the mean of two Malmquist indexes. The T枚rnqvist productivity index, corrected by a scale factor, is shown to equal the mean of two Malmquist productivity indexes. Similar results are given for making cost of living comparisons under general structures of consumer preferences.
[25] Farrell M J.

The measurement of productive efficiency

[J]. Journal of the Royal Statistical Society, Series A (General), 1957, 120(3): 253-290.

https://doi.org/10.2307/2343100      URL      [本文引用: 1]     

[26] 游小珺,赵光龙,杜德斌,.

中国高等教育经费投入空间格局及形成机理研究

[J]. 地理科学,2016 , 36(2):180-187.

https://doi.org/10.13249/j.cnki.sgs.2016.02.003      URL      Magsci      [本文引用: 1]      摘要

<p>利用Cartogram 专题地图分析1995~2011 年中国省际高等教育经费支出空间分布差异的基础上,采用Wolfson 极化指数与循环累积因果原理分析高等教育经费投入空间差异化的形成机理,得出结论:① 中国高等教育经费投入总体呈&quot;东、中、西&quot;阶梯状递减的非均衡空间格局,空间极化日益显著;生均教育经费虽然比较均衡,但仍呈&quot;东西两大地带隆起而中部塌陷&quot;的特征;部属院校教育经费非均衡性与地方院校相比更为突出.②中国高等教育经费投入区域差异是受国家政策主导,在人口分布、地理环境、经济发展水平及资金收益率等多因素的影响下形成的复杂循环累积效应所致.</p>

[You Xiaojun, Zhao Guanglong, Du Debin et al.

Spatial Pattern and Formation Mechanism of Higher Education Investment of China.

Scientia Geographica Sinica, 2016,36(2):180-187.]

https://doi.org/10.13249/j.cnki.sgs.2016.02.003      URL      Magsci      [本文引用: 1]      摘要

<p>利用Cartogram 专题地图分析1995~2011 年中国省际高等教育经费支出空间分布差异的基础上,采用Wolfson 极化指数与循环累积因果原理分析高等教育经费投入空间差异化的形成机理,得出结论:① 中国高等教育经费投入总体呈&quot;东、中、西&quot;阶梯状递减的非均衡空间格局,空间极化日益显著;生均教育经费虽然比较均衡,但仍呈&quot;东西两大地带隆起而中部塌陷&quot;的特征;部属院校教育经费非均衡性与地方院校相比更为突出.②中国高等教育经费投入区域差异是受国家政策主导,在人口分布、地理环境、经济发展水平及资金收益率等多因素的影响下形成的复杂循环累积效应所致.</p>
[27] 李涛, 曹小曙, 杨文越,.

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.

Magsci      [本文引用: 1]      摘要

<p>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.</p>

[Li Tao, Cao Xiaoshu,

Yang Wenyue et al.Comprehensive Measurement and Evolution of Regional Integrated Transport Efficiency in China.

Scientia Geographica Sinica, 2015, 35(2):168-175.]

Magsci      [本文引用: 1]      摘要

<p>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.</p>
[28] Liu H, Zhang Y, Zhu Q et al.

Environmental efficiency of land transportation in China:A parallel slack-based measure for regional and temporal analysis

[J]. Journal of Cleaner Production,2016..

URL      [本文引用: 1]     

/