区域经济发展对综合交通运输效率的作用分析

时间:2020-08-07 作者:poter
后台-系统-系统设置-扩展变量-(内容页告位1-手机版)

摘要:基于30个省市的综合交通运输、区域经济相关指标数据,采用考虑非期望产出的超效率SBM模型测算了2000—2016年省域综合交通运输效率,并基于地理探测器模型分析区域经济对综合交通运输效率的影响。研究结果表明:①中国省域综合交通运输效率总体水平较低,区域差异较大。②区域经济指标对综合交通运输效率均有影响,影响力随时间和空间的演变而不同,影响最大的是城镇化率、人均可支配收入、GDP增长率。

关键词:区域经济;综合交通运输;超效率DEA;地理探测器;

1、引言

交通运输业作为国民经济的基础性和先导性产业,在供给侧结构性改革中发挥着先行作用。对交通运输效率进行评价,有助于推动改革步伐,分析区域经济对交通运输效率的影响有利于提升交通运输业发展水平,更好地支持区域经济发展。文章试图站在综合运输的角度研究中国的交通运输效率,引入二氧化碳排放等非期望产出,并分析区域经济对综合交通运输效率的影响,为提高综合交通运输效率、促进区域交通运输、区域经济协调发展提供保障。


2、研究方法、变量及数据处理

2.1、研究方法

(1)超效率DEA模型。

借鉴Tone[1]提出的基于松弛变量(SBM)测度的超效率DEA模型,构建了考虑非期望产出的超效率SBM模型。若假设每个DMU有投入m、期望产出q1、非期望产出q2,则含非期望产出的超效率SBM模型定义为:

(2)地理探测器模型。

地理探测器分析方法的核心假设是:若因子X对因变量Y有重要影响,则它们的空间分布应当是相似的。[2]文章将其应用于探测区域经济对综合交通运输效率的影响。模型设定如下:

式中h=1,…,L为因变量Y或因子X的分层(或分类),Nh,N分别为层(类)h和全区的样本数,σ2h,σ2分别为层(类)h和全区因变量Y的方差。q取值为[0,1],表示的是因子X对因变量Y的影响程度。

2.2、变量及数据处理

(1)效率评价指标。

通过收集整理国内外交通运输效率相关研究文献,并结合综合交通运输发展特性,指标体系构建原则、数据包络分析投入产出指标限制要求,最终确定综合交通运输效率评价指标有:交通运输业固定资产投资总额(亿元)、运输从业人员总数(人)、运输设备总数(万辆/艘)、运输网络总里程(万千米)、能源消耗(万吨标准煤)、货物周转量(亿吨千米)、旅客周转量(亿人千米)、交通运输业增加值(亿元)、二氧化碳排放(万吨)。

(2)区域经济指标(x)。

区域经济是一个复合系统,可以分解为反映经济规模、经济结构和经济发展效益三个方面的指标:反映经济规模的GDP增长率(%),反映经济结构的二产业增加值占比(%)、三产业增加值占比(%),反映经济效益的居民人均可支配收入(元)、城镇化率(%)。

2.3、数据预处理

交通运输业能源消耗数据依据《中国能源统计年鉴》公布的交通运输业各类能源消耗量采用通用的标准煤折算系数折合成以标准煤计的能源消耗总量,由于西藏、港澳台相关资料缺失,文章只考虑其余30个省市。二氧化碳排放量依据IPCC2006年公布的移动源排放测算方法,采取“自上而下”的碳排放测算方法。依据地理探测器模型要求采用分位数法将区域经济指标离散化。

3、综合交通运输效率评价

基于式(1)的效率评价模型测算出省域综合交通运输效率,结果表明:2000—2016年,中国30个省(市)的综合交通运输效率总体处于“M”型波动趋势,未见明显提升,无效率省(市)数量仍占据较大比重,最高达66.7%。西部各省市整体均处于无效率状态,东部无效率省市主要为辽宁、海南、北京,中部无效率省市主要为湖北、山西、黑龙江、吉林。综合交通运输效率东部>中部>西部,中部效率均值与全国平均水平较为接近。综合交通运输效率排名前十的省市依次为:天津、上海、河北、安徽、江西、湖南、福建、河南、浙江、山东。投入产出变量松弛调整结果显示,综合交通运输DEA非有效省市中,运输资源(如运输设备、运输网络投入等)利用率低下是导致综合交通运输效率低下最主要的原因,其次是能源消耗及碳排放,且能源消耗投入及碳排放产出冗余率西部>东部>中部。期望产出中货物周转量、交通运输业增加值也待进一步增加。

4、区域经济对综合交通运输效率的影响

采用四分位法将综合交通运输效率和各影响因素由低到高划分为四个类型(低-1、中等-2、中高-3、高-4),并以差值判断区域经济与综合交通运输效率的匹配类型,完全匹配时差值为0,相邻类型匹配时差值为-1和1,以上两种情形能较好反映区域经济与综合交通运输效率的匹配程度。匹配结果表明,样本期间内,区域经济与综合交通运输效率完全匹配和相邻类型匹配的程度不一,但整体匹配效果良好,匹配程度最高达83%,绝大部分匹配程度超过50%,说明区域经济与综合交通运输效率空间分布较为接近。

根据地理探测器模型计算2000—2016年间区域经济对综合交通运输效率的影响力,即q值,并得出区域经济各因素影响力的综合排名。从时间演变上看,q值随着时间的推移而不断变化。以东部地区为例,2001年对综合交通运输效率影响较大的是城镇化率(0.536)、GDP增长率(0.507),2005年为三产业增加值占比(0.324)、城镇化率(0.301),2011年为GDP增长率(0.649)、居民人均可支配收入(0.242),2016年为居民人均可支配收入(0.695)、二产业增加值占比(0.303)。从空间演变上看,地域不同,q值也有着明显不同。全域角度,对综合交通运输效率影响较大的是城镇化率、三产业增加值占比,东部是居民人均可支配收入、城镇化率,中部是居民人均可支配收入、二产业增加值占比,西部是二产业增加值占比、GDP增长率。此外,交互作用探测表明,相较单个因素,任意两个因素的共同作用都会增强区域经济对综合交通运输效率的影响。

5、结论及政策

当前我国综合交通运输效率总体水平较低,提升趋势不明显,无效率省市仍占比较大。无效率的主要原因是运输资源利用率低下,能源消耗及碳排放量过高。各区域综合交通运输效率差异明显,中西部综合交通运输效率有待提高。区域经济对综合交通运输效率的影响表明,区域经济各因素均对综合交通运输效率产生影响,影响力随时间和空间的演变而不同,影响最大的是城镇化率、人均可支配收入、GDP增长率。因此,为提升综合交通运输效率,各省各区域应充分挖掘运输资源(如运输网络、运输设备)潜能,提高有效供给,大力发展效率高、能耗少的铁、水运输,促进节能减排。为有力支撑综合交通运输发展,应提升区域经济发展水平,尤其要激发经济增长活力、推动城市化进程、提高人民生活水平。

参考文献

[1]TONEK.Aslacks-basedmeasureofsuper-efficiencyindataenvelopmentanalysis[J].Europeanjournalofoperationalresearch,2002,143(1):32-41.

    陈巧丽.区域经济对综合交通运输效率影响的实证研究[J].中国市场,2020(09):34+46.
    后台-系统-系统设置-扩展变量-(内容页告位2-手机版)
    声明:本文内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:123456789@qq.com 进行举报,并提供相关证据,工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。
    后台-系统-系统设置-扩展变量-(内容页告位3-手机版)