Sami Jarboui,Pascal Forget,Younes Boujelbene

(1.斯法克斯大學(xué)經(jīng)濟(jì)與管理學(xué)院,突尼斯斯法克斯;2.魁北克特瓦河大學(xué)工程學(xué)院,加拿大三河市)

道路公共交通效率的隨機(jī)前沿分析方法

Sami Jarboui*1,Pascal Forget2,Younes Boujelbene1

(1.斯法克斯大學(xué)經(jīng)濟(jì)與管理學(xué)院,突尼斯斯法克斯;2.魁北克特瓦河大學(xué)工程學(xué)院,加拿大三河市)

本文旨在測算18個城市共64個道路公共交通運(yùn)營商的技術(shù)效率,并研究各因素對這些企業(yè)效率水平的影響程度.隨機(jī)前沿分析(SFA)方法采用從2000年至2011年共計(jì)12年的樣本數(shù)據(jù).結(jié)果表明,營業(yè)利潤、資本投入和企業(yè)規(guī)模都是影響技術(shù)效率水平的重要因素.計(jì)算得出的道路公共交通運(yùn)營商的技術(shù)效率水平在0.46至0.95之間.投資較多的大規(guī)模運(yùn)營商比小規(guī)模運(yùn)營商技術(shù)效率更高,發(fā)達(dá)國家的運(yùn)營商比發(fā)展中國家表現(xiàn)出更高的技術(shù)效率.

城市交通;效率;道路公共交通;隨機(jī)前沿分析

1 引 言

交通部門在國民經(jīng)濟(jì)的發(fā)展中起到了至關(guān)重要的作用.道路交通是運(yùn)輸?shù)幕痉绞?它將偏遠(yuǎn)地區(qū)與城市連接[1],然而由于交通系統(tǒng)未整合而僅依靠單一運(yùn)輸方式的發(fā)展容易導(dǎo)致資源浪費(fèi)[2].一般來說,道路公共交通運(yùn)營商提供的旅客運(yùn)輸是面向社會的公共服務(wù),多數(shù)情況下由政府控制.因此,在公共交通領(lǐng)域內(nèi),效率評估是首要問題.

效率早已成為公共交通運(yùn)營商制定策略和經(jīng)營決策的關(guān)鍵,公共交通效率問題近些年也愈加重要[3].道路客運(yùn)是服務(wù)行業(yè),而評估服務(wù)行業(yè)的效率較為復(fù)雜.由于難以確定產(chǎn)生各種服務(wù)輸出的資源投入量,運(yùn)輸效率比制造業(yè)效率更難測算.制造業(yè)的效率可以根據(jù)生產(chǎn)標(biāo)準(zhǔn)利用傳統(tǒng)的成本分析法得到.而在服務(wù)業(yè),例如道路旅客運(yùn)輸,確定某一特定服務(wù)輸出所需的資源投入是比較困難的[1].

一些方法已經(jīng)應(yīng)用于測算交通運(yùn)營商的效率,其中參數(shù)前沿法和非參數(shù)前沿法是測算技術(shù)效率的主要方法[4].參數(shù)前沿法[5]建立了包括費(fèi)用、收益(或者說輸入和輸出之間的生產(chǎn)關(guān)系),以及環(huán)境因素、隨機(jī)誤差項(xiàng)的函數(shù)關(guān)系.該方法在測算方程中假設(shè)低效、隨機(jī)誤差與輸入、輸出、環(huán)境變量是正交的[6].非參數(shù)前沿法主要是由Farrell[7]提出的數(shù)據(jù)包絡(luò)分析(DEA)方法.該方法利用最佳觀測值的分段線性組合,建立數(shù)據(jù)包絡(luò)分析邊界,構(gòu)造出凸生產(chǎn)曲線集合,而不需要直接表明確切的生產(chǎn)關(guān)系.然而,非參數(shù)前沿法中不能包含隨機(jī)誤差項(xiàng),否則,計(jì)算的效率值可能會被實(shí)際效率邊界的隨機(jī)偏差所影響,統(tǒng)計(jì)歸納和假設(shè)檢驗(yàn)也無法從估算的效率值中得到[6].

在效率的實(shí)例分析中,參數(shù)和非參數(shù)方法依然存在爭議,也有很多文獻(xiàn)比較了這兩種方法. Lovell[8]詳細(xì)描述了這兩種方法;Ferrier和Lovell[9]以銀行的成本效率為例進(jìn)行實(shí)例分析,比較了兩種方法的優(yōu)缺點(diǎn);Bjurek等[10]利用服務(wù)生產(chǎn)比較了這兩種方法;Cullinane等[11]分析了集裝箱港口的技術(shù)效率,比較了參數(shù)隨機(jī)前沿分析法和非參數(shù)的數(shù)據(jù)包絡(luò)分析方法的優(yōu)缺點(diǎn).

根據(jù)文獻(xiàn),公共交通效率一般和某一特定研究背景相關(guān).例如,Agarwal等[1]和Kumar[12]在印度的應(yīng)用,Von Hirschhausen和Cullmann[13]研究了德國的數(shù)據(jù).此外,不同國家運(yùn)營商對效率的評估是不一致的,也有省略數(shù)據(jù)及各國衡量效率指標(biāo)的變量有區(qū)別等問題存在.不同國家運(yùn)營商的效率缺乏可比性,這也是本研究主要解決的問題.本研究選擇了與運(yùn)營商經(jīng)營活動相關(guān)的經(jīng)濟(jì)變量.

本文旨在評估2000年至2011年不同國家64個公交運(yùn)營商的效率,評估方法采用由Battese和Coelli[14]針對面板數(shù)據(jù)提出的生產(chǎn)函數(shù)模型的隨機(jī)前沿分析法,同時,本文意在確定公共交通運(yùn)營商在客運(yùn)服務(wù)中引起低效的決定性因素.已有的研究中,大多數(shù)研究表明市場機(jī)構(gòu)、契約觀念、管理系統(tǒng)的等級和性質(zhì)、網(wǎng)絡(luò)屬性是低效的決定性因素[15].另外,本文認(rèn)為營業(yè)利潤、資本投入和企業(yè)規(guī)模也是公共交通低效的解釋變量.

2 隨機(jī)前沿模型

本文使用的參數(shù)化方法應(yīng)用由Battese和Coelli[14]提出的針對面板數(shù)據(jù)的隨機(jī)前沿生產(chǎn)函數(shù),目的是估算隨機(jī)生產(chǎn)邊界.根據(jù)Battese和Coelli[14],邊界函數(shù)為

式中 Yit是在第t(t=1,2,…,T)階段第i(i=1, 2,…,N)個公交運(yùn)營商的輸出;

xit是在第t(t=1,2,…,T)階段第i(i=1,2,…,N)個公交運(yùn)營商的輸入,是1×k的向量;

β是待估算的未知參數(shù),是k×1的向量; Vit是獨(dú)立的隨機(jī)變量,服從N(0,σ2V)分布,并且與Uit不相關(guān);

Uit是獨(dú)立的非負(fù)隨機(jī)變量,與生產(chǎn)的技術(shù)低效有關(guān),服從N(μ,σ2U)在0處的截尾分布,其中,μ=zitδ,方差為σ2U.zit是1×p的向量,是與公共交通行業(yè)隨時間產(chǎn)生的技術(shù)低效有關(guān)的解釋變量, δ是未知參數(shù),是p×1的向量.

式(1)表示隨機(jī)前沿生產(chǎn)函數(shù)的原始生產(chǎn)值.技術(shù)低效Uit是一組解釋變量zit和未知系數(shù)向量δ的函數(shù).

根據(jù)Battese和Coelli[14],隨機(jī)前沿模型式(1)中的技術(shù)低效Uit可表示為

式中 Wit是隨機(jī)變量,服從均值為0方差為σ2的截尾正態(tài)分布,截尾點(diǎn)是-zitδ,即Wit＞-zitδ.這些條件與Uit服從N(zitδ,σ2U)的非負(fù)截尾分布是一致的[14].正態(tài)分布在0處截尾以滿足Uit的分布要求,正態(tài)分布的平均值zitδ并不要求任何一個觀測值都是正值.

Battese和Coelli[16]提出了關(guān)于模型參數(shù)的似然函數(shù)和對于參數(shù)的偏微分方程.用最大似然法將隨機(jī)前沿模型式(1)和模型式(2)的參數(shù)聯(lián)合起來,似然函數(shù)的參數(shù)變量為和γ=

得到Uit的估算值之后,根據(jù)Battese和Coelli[14]提出的方法,在第t階段第i個公交運(yùn)營商的技術(shù)效率(TE)為

3 函數(shù)形式

隨機(jī)前沿估算要求特定的生產(chǎn)函數(shù)形式,在已有文獻(xiàn)中已經(jīng)研究了許多不同的生產(chǎn)函數(shù)形式.大量研究者用如下Cobb-Douglas方程估算隨機(jī)前沿生產(chǎn)函數(shù):

許多公共交通研究證明了潛在的函數(shù)形式是存在的(不僅限于Cobb-Douglas形式),并提出了其他更加靈活的函數(shù)形式,例如被廣泛應(yīng)用的超越對數(shù)函數(shù)[17].由于超越對數(shù)函數(shù)不要求對輸入的生產(chǎn)不變彈性和替代彈性做出假設(shè),因此,超越對數(shù)函數(shù)是相對靈活的函數(shù)形式.Baten等[18]證明了超越對數(shù)生產(chǎn)函數(shù)比Cobb-Douglas函數(shù)更可取,數(shù)據(jù)可以描述函數(shù)的真實(shí)曲線,而不是采用先驗(yàn)假設(shè),如式(5)所示.

式中 Yit是第t(t=1,2,…,T)個階段第i(i=1, 2,…,N)個公共交通運(yùn)營商的輸出;xit和xjt是第t個階段的行輸入向量;Vit是隨機(jī)誤差項(xiàng);Uit是第t個階段第i個運(yùn)營商的低效水平.

當(dāng)αijt=0時,超越對數(shù)函數(shù)就退化成Cobb-Douglas形式.

4 非效率模型

在得到技術(shù)效率之后,有必要確定低效的來源和決定性因素.本文的第二個研究對象就是識別公共交通運(yùn)營商低效的解釋變量.已有研究已經(jīng)確定了公共交通低效的一些影響因素,但這些因素都傾向于關(guān)注企業(yè)的控制范圍之外.De Borger[15]等證明市場機(jī)構(gòu)、契約觀念、管理系統(tǒng)的等級和性質(zhì)、網(wǎng)絡(luò)屬性是低效的決定性因素.然而,這些因素大部分在運(yùn)營商的控制范圍之外,絕大部分運(yùn)營商無法通過控制這些因素來提高效率.事實(shí)上,存在其他更健壯的決定性因素,比如資本投入、營業(yè)利潤以及企業(yè)規(guī)模,這些都會對公司績效產(chǎn)生重要影響,但通常在公共交通效率研究中被忽視.因此,本文用公司可控的變量來研究交通運(yùn)營商的低效水平.

Mohapatra和Dutta[19]確認(rèn)了投資決策是公共交通客運(yùn)服務(wù)績效的關(guān)鍵.Ahern和Anandarajah[20]研究了運(yùn)輸部門投資的優(yōu)先順序,結(jié)果表明,投資對于公共交通服務(wù)提高質(zhì)量、可靠性、運(yùn)輸系統(tǒng)安全性和乘客運(yùn)輸需求是必要的.因此,資本投入是公共交通運(yùn)營商效率的決定性因素.

投資決策依賴于可用資金,本文把營業(yè)利潤看做低效的影響因素之一.費(fèi)用和收益是公共交通運(yùn)營商收入的主要來源[21],它們是公共交通運(yùn)營商運(yùn)轉(zhuǎn)的基礎(chǔ).在利潤的推動下,運(yùn)營商就會逐漸提高服務(wù)質(zhì)量,甚至提高效率,同時,營業(yè)利潤是公司生產(chǎn)活動中內(nèi)部財(cái)務(wù)投資的來源.因此,本文認(rèn)為營業(yè)利潤也是交通運(yùn)營商效率的決定性因素.

企業(yè)規(guī)模在眾多策略管理的實(shí)際案例研究中起到重要作用[22],規(guī)模效應(yīng)普遍存在導(dǎo)致研究者的研究范圍較廣[23].Lun和Quaddus[24]研究了企業(yè)規(guī)模對公司效率和運(yùn)營表現(xiàn)的影響,認(rèn)為企業(yè)規(guī)模對效率的影響作用相對突出,并且是產(chǎn)出增長的決定性因素.Halkos和Tzeremes[25]認(rèn)為企業(yè)規(guī)模對企業(yè)生產(chǎn)力有間接的影響,因?yàn)槠髽I(yè)規(guī)模影響了內(nèi)部生產(chǎn)因素.他們同時證實(shí)企業(yè)規(guī)模對企業(yè)生產(chǎn)力具有直接的影響,并且公司規(guī)模也是提高企業(yè)效率的變量.因此,本文認(rèn)為企業(yè)規(guī)模也是企業(yè)低效的決定性因素.

綜上可知,技術(shù)低效模型可表達(dá)為

式中 (invest)it是在第t個階段第i個運(yùn)營商的投資;(Operprof)it是在第t個階段第i個運(yùn)營商的營業(yè)利潤;(Firmsize)it是在第t個階段第i個運(yùn)營商的企業(yè)規(guī)模;Wit是誤差項(xiàng).

5 定義輸入輸出

公共交通運(yùn)營商的目標(biāo)是確定效率變量的重要因素.De Borger等[15]和Jarboui等[4]綜合了運(yùn)輸效率的研究成果,并且提供了用于邊界研究的輸入和輸出變量.Jarboui等[4]證明了金融變量更加穩(wěn)定,因?yàn)樗鼫p少了由于采用需求或者供給導(dǎo)向變量而產(chǎn)生的問題.最初使用的解釋變量是相對相關(guān)的,大多用于計(jì)算企業(yè)投入的變量都與營業(yè)支出有關(guān).然而,傳統(tǒng)的投入變量的使用,例如勞動力、能源、車輛,會造成投入之間互相替代的問題.對于運(yùn)輸來說,這就意味著在一個輸出結(jié)構(gòu)中,公共汽車或者運(yùn)輸能夠用勞動力取代車輛,或者用車輛取代能源.這種常規(guī)意義下不可替代的輸入可能會將低效識別成效率.增加輸入輸出量會得到較高的效率值,由于變量普遍存在隨機(jī)誤差,越多的輸入輸出就會產(chǎn)生越大的效率值.

因此,本文提出了采用單個變量評估輸出和兩個變量評估輸入的方法.營業(yè)費(fèi)用總額是指和運(yùn)營相關(guān)費(fèi)用的總金額,近似用作輸入變量和物量投入的代表.大多公共交通效率的研究把員工人數(shù)作為輸入變量,Agarwal等[1],Kumar[12],Saxena和Saxena[2]將員工人數(shù)作為輸入量之一.因此,員工數(shù)量在道路公共交通效率研究中是最常用的輸入變量.正如其它效率研究的成果一樣,本文將營業(yè)費(fèi)用總額和員工數(shù)量作為道路公共交通運(yùn)營商效率研究的輸入變量.

大量研究表明,和需求相關(guān)的輸出與企業(yè)效率的評估較為相關(guān).Agarwal等[1]、Barros和Peypoch[26]、Saxena[2]用旅客周轉(zhuǎn)量作為評價交通運(yùn)營商效率的輸出變量,也有其他和需求相關(guān)的指標(biāo)(例如收益、企業(yè)銷售額)作為輸出變量[2,6,12,26].因此,本文用收益作為評估道路公共交通運(yùn)營商效率的輸出變量.

6 數(shù)據(jù)

數(shù)據(jù)共包含768個年度觀測值,即來自于18個國家(香港、加拿大、德國、日本、韓國、挪威、新加坡、美國、英國、巴西、中國、印度尼西亞、約旦、拉脫維亞、馬來西亞、波蘭、沙特阿拉伯、越南)的64個道路公共交通公司公開的2000年至2011年間的非平衡面板數(shù)據(jù).利用Thomson金融數(shù)據(jù)庫計(jì)算輸入、輸出和低效解釋變量,從不同數(shù)據(jù)庫(如Worldscope和Datastream數(shù)據(jù)庫)中提取了不同國家運(yùn)營公司的金融信息.其他數(shù)據(jù)可直接在Worldscope數(shù)據(jù)庫中獲得(如營業(yè)費(fèi)用總額、收益、營業(yè)利潤、資本投入).員工數(shù)量從數(shù)據(jù)庫中用年銷售額除以每名員工的平均銷售額計(jì)算得到.為了測算公司規(guī)模,需要計(jì)算每家公司的總資產(chǎn).

7 結(jié)果

7.1 技術(shù)低效影響、模型估算和假設(shè)檢驗(yàn)

通常,為了計(jì)算解釋變量和其他隨機(jī)效應(yīng)之間的影響,隨機(jī)前沿分析模型首先會定義一些基本假設(shè).技術(shù)低效影響的零假設(shè)檢驗(yàn)結(jié)果如表1所示.為了從現(xiàn)有數(shù)據(jù)集合中獲得生產(chǎn)函數(shù)(Cobb-Douglas或者超越對數(shù)函數(shù))的最佳參數(shù),用廣義似然比(LR)統(tǒng)計(jì)方法對隨機(jī)生產(chǎn)邊界模型的參數(shù)進(jìn)行假設(shè)檢驗(yàn).假設(shè)檢驗(yàn)結(jié)果表明,超越對數(shù)函數(shù)模型比Cobb-Douglas模型更適合現(xiàn)有數(shù)據(jù).技術(shù)低效效應(yīng)是隨機(jī)的,并且和解釋變量——資本投入、營業(yè)利潤、企業(yè)規(guī)模有關(guān),技術(shù)低效效應(yīng)服從廣義的截尾正態(tài)分布.也就是說,標(biāo)準(zhǔn)隨機(jī)前沿模型未能解釋技術(shù)低效效應(yīng)中變量,而Battese和Coelli[14]對其進(jìn)行了顯著改進(jìn).因此,在下面的研究中采用基于超越對數(shù)函數(shù)的隨機(jī)前沿分析法討論生產(chǎn)邊界問題.

表1 假設(shè)檢驗(yàn)結(jié)果Table 1 Results of hypotheses testing

7.2 隨機(jī)前沿分析結(jié)果

本文在道路公共交通運(yùn)營商的效率評估中采用了四種形式的基于超越對數(shù)函數(shù)的隨機(jī)前沿生產(chǎn)模型,如表2所示.用計(jì)算機(jī)程序FRONTIER(v. 4.1c)[14]估計(jì)前沿模型中的參數(shù)[14],得到最大似然(MLE)的估計(jì)結(jié)果,如表2所示.隨機(jī)前沿分析模型的系數(shù)符號與預(yù)期一致,第一代輸入的系數(shù)為正,表明在輸入和公共交通運(yùn)營商生產(chǎn)之間存在正相關(guān)關(guān)系.在第4個模型中,估計(jì)得出的營業(yè)費(fèi)用總額和員工人數(shù)變量的系數(shù)分別是0.763和0.035,只有營業(yè)費(fèi)用總額的顯著水平接近1%.

另一方面,員工人數(shù)的估計(jì)系數(shù)相對較小,并且在5%的水平下并不顯著,表明營業(yè)費(fèi)用總額是影響公共交通行業(yè)生產(chǎn)的主要因素.因此,此輸入項(xiàng)的增加將會獲得正收益.在4個模型中,營業(yè)費(fèi)用總額的參數(shù)估計(jì)在1%的水平下都是顯著的.

表2 超越對數(shù)隨機(jī)前沿分析生產(chǎn)函數(shù)的參數(shù)估算Table 2 Estimated parameters of the Translog SFA production function

低效的決定因素的系數(shù)(δ1,δ2和δ3)在7個模型里都為負(fù)值且都是顯著的,表明在7個模型中,變量(資本投入、營業(yè)利潤、企業(yè)規(guī)模)和技術(shù)效率之間存在正相關(guān)關(guān)系,表示這些變量對公共交通運(yùn)營商的技術(shù)低效有負(fù)作用,能夠通過控制這些變量幫助運(yùn)營商提高效率.

在這個實(shí)際案例的所有模型中,γ大于0,并且在1%的水平下是統(tǒng)計(jì)顯著的.這表明技術(shù)低效存在隨機(jī)分量,其存在能夠更好地估算公共交通運(yùn)營商的技術(shù)效率.可見,技術(shù)低效效應(yīng)的隨機(jī)誤差項(xiàng)相當(dāng)重要.根據(jù)表1,檢驗(yàn)結(jié)果拒絕了不存在低效(H0:γ=0)的零假設(shè).因此,回歸不能忽略μit,并且最小二乘法的參數(shù)估計(jì)方法不適合于本案例,證實(shí)了誤差項(xiàng)分解的可能以及低效隨機(jī)項(xiàng)的存在.

此外,利用誤差項(xiàng)計(jì)算生產(chǎn)函數(shù)中的低效.隨機(jī)前沿模型中誤差項(xiàng)的組合,即γ=σ2U/(σ2V+ σ2U),表示方差參數(shù)中低效估計(jì)的準(zhǔn)確度,介于0和1之間.在這7個模型中采用最大似然法估算的γ值在0.9的數(shù)量級上(在0.928和0.992之間).道路公共交通運(yùn)營商的生產(chǎn)波動可以用隨機(jī)沖量來解釋,但是γ與此明顯不同.因此,假設(shè)不確定性是公共交通生產(chǎn)波動的主要來源,γ是預(yù)期存在的.這表明隨機(jī)生產(chǎn)邊界模型與不存在隨機(jī)誤差的確定性邊界模型有很大區(qū)別.在最大似然估計(jì)中, γ為正,并且在1%的水平下是顯著的,表示公共交通產(chǎn)業(yè)特殊技術(shù)效率對解釋生產(chǎn)波動是重要的.然而,應(yīng)該注意到,生產(chǎn)中99%的波動是由于技術(shù)低效導(dǎo)致的,而僅有1%是因?yàn)殡S機(jī)誤差.

7.3 技術(shù)低效效應(yīng)模型

本文的研究目的之一是識別公共交通運(yùn)營商技術(shù)效率的決定性因素.技術(shù)低效效應(yīng)模型中各個解釋變量的參數(shù)估計(jì)結(jié)果如表2所示.所有系數(shù)的符號和預(yù)期一致,為負(fù).在表2所估計(jì)的4個模型中,投資水平顯著地解釋了公共交通運(yùn)營商技術(shù)低效.第1個零假設(shè)在5%的顯著水平被拒絕,表示技術(shù)效率和投資水平相關(guān).投資水平系數(shù)估計(jì)的負(fù)號表明低投資水平導(dǎo)致交通運(yùn)營商的技術(shù)低效.因此,以采用新技術(shù)和新設(shè)備為表現(xiàn)的資本投入影響了交通運(yùn)營商的技術(shù)效率.因此,在運(yùn)營周期內(nèi),投入資本越高,企業(yè)的技術(shù)效率越高,這個結(jié)果同其他研究的成果一致:例如,Ahern和Anandarajah[20]研究了交通部門投資的優(yōu)先度,結(jié)果表明,對于公共交通服務(wù)業(yè)來說,資本投入是提高運(yùn)輸質(zhì)量、可靠性、運(yùn)輸系統(tǒng)安全性,以及旅客運(yùn)輸需求的必要條件.

表2中第2個零假設(shè)是技術(shù)效率和營業(yè)利潤無關(guān),在5%的顯著水平下被拒絕了,結(jié)果證實(shí)了Paulley等[21]的觀點(diǎn),即利潤在公共交通運(yùn)營商運(yùn)營過程中發(fā)揮著基礎(chǔ)性的作用.財(cái)務(wù)資源的可持續(xù)性影響著企業(yè)的技術(shù)效率,如果企業(yè)無法取得外部財(cái)政資源的支持,企業(yè)就會逐漸提高技術(shù)效率來保證收入和提高所得.根據(jù)這個變量,樣本中的交通運(yùn)營商被分為三類:收益、虧損、收益/虧損.首先,在整個研究時間范圍內(nèi),營業(yè)利潤為正的企業(yè)都具有較高的技術(shù)效率水平,平均效率值分別等于0.955,0.960,0.966和0.965;第二類企業(yè)營業(yè)利潤為負(fù),表示企業(yè)在經(jīng)營周期中虧損,這類企業(yè)的技術(shù)效率通常很低;第三類企業(yè)在運(yùn)營周期內(nèi)營業(yè)利潤既有正值也有負(fù)值,這類企業(yè)的技術(shù)效率比第一類企業(yè)低但是比第二類企業(yè)高.根據(jù)表2,營業(yè)利潤的參數(shù)估計(jì)結(jié)果的系數(shù)為負(fù),這表明由于技術(shù)低效可由營業(yè)利潤的波動來解釋.因此,營業(yè)利潤為正的企業(yè)比營業(yè)利潤為負(fù)的企業(yè)的技術(shù)效率更高.

第3個零假設(shè)是技術(shù)效率和企業(yè)規(guī)模無關(guān),在3個模型中這個假設(shè)在1%的顯著水平下沒有被拒絕.企業(yè)規(guī)模的參數(shù)估計(jì)結(jié)果的系數(shù)為負(fù),表示大規(guī)模的公共交通運(yùn)營商比小規(guī)模的具有更高的技術(shù)效率,相對于小企業(yè),大企業(yè)能夠通過整合新技術(shù)和增加資產(chǎn)獲得更多的投資.這一發(fā)現(xiàn)與Lun和Quaddus[24]的研究結(jié)果一致,他們研究了企業(yè)規(guī)模對公司效率和績效表現(xiàn)的影響,發(fā)現(xiàn)企業(yè)規(guī)模對效率起到相對積極的作用,并且是產(chǎn)出增長的決定性因素.另外,Hawawinin[27]等發(fā)現(xiàn)企業(yè)規(guī)模是一種競爭優(yōu)勢,相對于小企業(yè),大企業(yè)通常被認(rèn)為更具競爭力.

本文證明了資本投入、營業(yè)利潤和企業(yè)規(guī)模能夠解釋交通運(yùn)營商的技術(shù)低效,而這些變量也可以反映管理效率,說明交通運(yùn)營的技術(shù)效率與管理效率直接相關(guān),另一方面,運(yùn)營商可以通過提高管理效率來提高企業(yè)的技術(shù)效率,該結(jié)論與其他的研究成果也是一致的:Cowie[28]發(fā)現(xiàn)技術(shù)效率和管理效率具有同向發(fā)展的趨勢.因此,技術(shù)和管理效率的協(xié)同研究可能成為交通運(yùn)營商效率研究的新領(lǐng)域.

7.4 發(fā)達(dá)和發(fā)展中國家的公交運(yùn)營效率

根據(jù)世界銀行對國家的分類,本文將研究的國家分成兩類:發(fā)達(dá)國家和發(fā)展中國家,如圖1所示.除2003、2004和2005年之外,發(fā)達(dá)國家交通運(yùn)營商的平均技術(shù)效率比發(fā)展中國家高.一般情況下,發(fā)達(dá)國家公共交通運(yùn)營商的技術(shù)效率要高于發(fā)展中國家.

圖1 發(fā)達(dá)國家和發(fā)展中國家平均技術(shù)效率Fig.1 Average technical efficiency of developed and developing countries

從圖1可以看出,在研究時間范圍內(nèi),發(fā)達(dá)國家和發(fā)展中國家道路公共交通運(yùn)營商的平均技術(shù)效率呈增長趨勢.發(fā)達(dá)國家的平均技術(shù)效率在2000至2002年是增長的,但在2002至2004年是下降的,可以解釋為該行業(yè)由于設(shè)備減少并伴隨著投資下降,營業(yè)利潤下降甚至為負(fù);2004年之后,平均技術(shù)效率逐漸增長,并于2011年達(dá)到0.95.發(fā)展中國家公共交通運(yùn)營商的技術(shù)效率從2000年的0.80快速增長至2003年的0.95,但從2004年之后開始下降,2006年平均技術(shù)效率下降至0.85,這可能和技術(shù)水平及這些運(yùn)營商的資本投入有關(guān); 2007年以后,發(fā)展中國家的技術(shù)效率值有一個較小的增長值,為0.05.值得注意的是,研究發(fā)現(xiàn)同類國家不同營業(yè)商之間的技術(shù)效率水平也有所不同.

一般地,發(fā)達(dá)國家的公共交通運(yùn)營商比發(fā)展中國家的要高效.與發(fā)達(dá)國家相比,發(fā)展中國家的經(jīng)濟(jì)發(fā)展面臨巨大挑戰(zhàn),如社會經(jīng)濟(jì)變革,教育、醫(yī)療及環(huán)境等,以致于公共交通在很大程度上被忽略.由于人口增長和日漸快速的機(jī)動車進(jìn)程,公共交通系統(tǒng)的壓力驟增,但相對于小汽車(私人交通),公共交通都有不同程度的忽視.另一方面,政府在運(yùn)輸部門的投資重點(diǎn)常常放在機(jī)動車基礎(chǔ)設(shè)施建設(shè)上(道路和停車場),這些設(shè)施對未擁有小汽車的大部分人的吸引力并不大[2].普遍意義上看,發(fā)展中國家的低投資是造成公共交通低效率的首要原因.

通常,公共交通運(yùn)營商的收入并不能完全覆蓋建設(shè)投資,外來財(cái)政補(bǔ)貼對于彌補(bǔ)收入和支出之間的差額是必要的.

8 研究結(jié)論

本文旨在估算公共交通運(yùn)營商的效率.為了估算公共交通運(yùn)營商的效率和識別低效的決定性因素,文中采用了Worldscope和Thomson數(shù)據(jù)庫中18個國家共64個交通運(yùn)營商在12年(2000至2011年)間的數(shù)據(jù),借助隨機(jī)前沿分析方法,利用超越對數(shù)生產(chǎn)邊界進(jìn)行效率估算.

本文的主要貢獻(xiàn)在于對低效的影響因素進(jìn)行辨識.與其他研究公共交通運(yùn)營商的技術(shù)效率不同的是,本文嘗試對在運(yùn)營商控制范圍內(nèi)的影響因素進(jìn)行辨識,突出了資本投入,營業(yè)利潤和企業(yè)規(guī)模的重要性.此外,以新技術(shù)、新設(shè)備,以及設(shè)備技術(shù)中必要組成為體現(xiàn)的資本投入會影響交通運(yùn)營商的技術(shù)效率.這個發(fā)現(xiàn)與Ahern和Anandarajah[20]的研究結(jié)論一致,他們研究了運(yùn)輸部門投資的優(yōu)先度,發(fā)現(xiàn)投資可以提高公共交通的服務(wù)質(zhì)量、可靠性、運(yùn)輸系統(tǒng)安全性和旅客運(yùn)輸需求.

本文可以為決策者和交通運(yùn)輸企業(yè)經(jīng)理提供參考,幫助他們更好地控制低效環(huán)節(jié),對于效率的決定性因素給予更多關(guān)注.本文引進(jìn)了行為方法來研究技術(shù)效率的決定性因素,是探索運(yùn)輸研究的新方法.

[1] Agarwal S,Yadav S P,Singh S P.DEA based estimation ofthetechnicalefficiencyofstatetransport undertakings inIndia[J].Operational Research Society of India,2011,47(3):216-230.

[2] Saxena P,Saxena R R.Measuring efficiencies in Indian public road transit:a data envelopment analysis approach[J].Operational Research Society of India, 2011,47(3):195-204.

[3] Barnum D T,Karlaftis MG,Tandon S.Improving the efficiency of metropolitan area transit by joint analysis of its multiple providers[J].Transportation Research Part E,2011,47:1160-1176.

[4] Jarboui S,Forget P,Boujelbene Y.Public road transport efficiency:a literature review via the classification scheme[R].Public Transport,2012.

[5] Aigner DC,Lovell AK,Schmidt P.Formulation and estimation of stochastic frontier production function models[J].Journal of Econometrics,1977,6:21-37.

[6] Boame AK.The technical efficiency of Canadian urban transit systems[J].Transportation Research Part E, 2004,40(5):401-16.

[7] Farrell MJ.The measurement of productive efficiency [J].Journal of the Royal Statistical Society Series A, 1957,120(3):253-81.

[8] Lovell CAK.Production Frontier and Productive Efficiency[M]//Themeasurementofproductive efficiency-techniques and applications,Fried,H.O., C.A.K.Lovell and S.S.Schmidt(Eds.).Oxford University Press,Oxford,1993,3-67.

[9] Ferrier G,CAK,Lovell.Measuring Cost Efficiency in Banking:Econometric and Linear Programming Evidenc [J].Journal of Econometrics,1990,46:229-45.

[10] Bjurek H,Hjalmarsson L,Forsund FR.Deterministic parametric and nonparametric estimation in service production[J].Journal of Econometrics,1990,46: 213-227.

[11] Cullinane K,Wang T-F-F,Song D-W,et al.The technical efficiency of container ports:comparing data envelopment analysis and stochastic frontier analysis [J].Transportation Research Part A,2006,40: 354-374.

[12] Kumar S.State road transport undertakings inIndia: technicalefficiencyanditsdeterminants[J]. Benchmarking:An International Journal,2011,18 (5):616-643.

[13] Von Hirschhausen,C Cullmann A.A nonparametric efficiencyanalysisofGermanpublictransport companies[J].TransportationResearchPartE: Logistics and Transportation Review,2010,46(3): 436-445.

[14] Battese GE,Coelli TJ.A model for technical efficiency effects in a stochastic frontier production function with panel data[J].Empirical Economics,1995,20: 325-332.

[15] De Borger B,Kerstens K,Costa A.Public transit performance:what does one learn from frontier studies [J].Transport Reviews,2002,22(1):1-38.

[16] Battese GE,Coelli TJ.A stochastic frontier production function incorporating a model for technical inefficiency effects[R]//Working Papers in Econometrics and Applied Statistics No 69,Department of Econometrics. University of New England.Armidale,1993.

[17] Karlaftis MG.Ownership and competition in European transit:assessing efficiency[J].Transportmetrica, 2009:1-18.

[18] Baten MA,Kamil AA,Haque MA.Modeling technical inefficiencies effects in a stochastic frontier production function forpaneldata[J].AfricanJournalof Agricultural Research,2009,4(12):1374-1382.

[19] Mohapatra P,Dutta R.An intermodal investment decision model in the transport sector[J].OMEGA International Journal of Management Science,1990,18 (2):203-212.

[20] Ahern A,Anandarajah G.Railway projects prioritisation for investment:Application of goal programming[J]. Transport Policy,2007,14:70-80.

[21] Paulley N,Balcombe R,Mackett R,et al.The demand for public transport:The effects of fares, quality of service,income and car ownership[J]. Transport Policy,2006,13:295-306.

[22] Wang LM,Liu LW,Yong JW.Capacity decisions and supply pricegamesunderflexibilityofbackward integration[J].International Journal of Production Economics,2007,110:85-96.

[23] Macher JT,Boerner CS.Experience and scale and scopeeconomies:Trade-offsandperformancein development[J].StrategicManagementJournal, 2006,27:845-865.

[24] Lun YHV,Quaddus MA.Firm size and performance: A study on the use of electronic commerce by container transport operators inHong Kong[J].Expert Systems with Applications,2011,38:7227-7234.

[25] Halkos GE,Tzeremes NG.Productivity efficiency and firm size:An empirical analysis of foreign owned companies[J].International Business Review,2007, 16:713-731.

[26] Barros CP,Peypoch N.Productivity changes in Portuguese bus companies[J].Transport Policy,2010,17(5): 295-302.

[27] Hawawinin G,Subramanian V,Verdin P.Is performance driven by industry or firm-specific factors A new look at the evidence[J].Strategic Management Journal, 2003,24:1-16.

[28] Cowie J.Acquisition,efficiency and scale economiesananalysisoftheBritishbusindustry[J]. Transportation,2002,26:147-157.

Public Road Transport Efficiency:A Stochastic Frontier Analysis

Sami Jarboui1,Pascal Forget2,Younes Boujelbene1
(1.Faculty of Economics and Management of Sfax,University of Sfax,Tunisia; 2.School of Engineering,University of Quebec,Trois-Rivieres,Canada)

The objectives of this paper are to measure the technical efficiency of 64 public road transport operators in 18 countries and to investigate the degree to which various factors influence efficiency levels in these firms.Stochastic frontier analysis(SFA)methods are applied to the sample over a twelve year period from 2000 to 2011.The empirical results indicate that operating profit,investment and firm size have a significant influence on technical efficiency levels.Conclusions indicate that technical efficiency level of public road transport operators varies between 0.46 and 0.95.Observations can be made that large-size operators with more investment capacity tend to be more technically efficient than small-size operators. Finally,the results concluded that operators from developed countries are technically more efficient than those of developing countries.

urban traffic;efficiency;public road transport;stochastic frontier analysis

U492.4

: A

U492.4

A

1009-6744(2013)05-0064-08

2012-09-29

2013-4-22錄用日期:2013-05-20

Sami Jarboui(1984-),男,博士生,研究員.

*通訊作者:sami.rec.fseg@gmail.com