亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        國別鐵路運輸效率測度及其影響因素研究

        2023-10-20 02:48:44牛衍亮鄧小鵬
        鐵道運輸與經(jīng)濟 2023年10期
        關(guān)鍵詞:生產(chǎn)率要素鐵路

        牛衍亮,劉 錦,李 鑫,鄧小鵬

        (1.石家莊鐵道大學 管理學院,河北 石家莊 050043;2.東南大學 土木工程學院,江蘇 南京 211189)

        0 引言

        根據(jù)國際鐵路聯(lián)盟(UIC)2020 年報告對全球鐵路運量規(guī)模的預測,全球鐵路跨境運輸增長量將由2018年的34.5萬TEU上升至2030年的87.2萬TEU,運輸需求持續(xù)上升。然而不同國家的鐵路發(fā)展不均衡,運輸效率差異大。因此,對國別鐵路運輸效率進行測度分析,找出影響鐵路運輸效率的關(guān)鍵因素,已經(jīng)成為當前鐵路運輸效率急需研究的重要課題。

        國內(nèi)外對鐵路運輸效率已有廣泛研究。Hilmola[1]研究發(fā)現(xiàn)歐洲各國鐵路貨運效率呈現(xiàn)巨大差異,但總體呈下降趨勢,研究還發(fā)現(xiàn)鐵路企業(yè)之間的自由競爭可以提高鐵路貨運效率,且引入內(nèi)部競爭會提升鐵路運輸效率及全要素生產(chǎn)率[2-3]。對全球50 多個國家的鐵路客運效率研究發(fā)現(xiàn),各國客運效率差異明顯,資源的有效投入和鐵路系統(tǒng)改革都會促進客運效率的提升[4]。Wanke 等[5]研究發(fā)現(xiàn)不同模型的選擇會對國別鐵路效率排名影響較大。此外,譚玉順等[6]將鐵路運輸過程拆分為鐵路客運服務(wù)、貨運服務(wù)以及運輸經(jīng)營3 個子過程并對中國鐵路運輸效率進行了測度分析。

        總體而言,多投入多產(chǎn)出的鐵路運輸效率評價已有廣泛的研究基礎(chǔ)[7]。但考慮研究數(shù)據(jù)的可得性,大多數(shù)國別鐵路運輸效率的測度分析僅是針對歐洲國家,且現(xiàn)有文獻大多采用DEA 模型分析鐵路運輸效率,較少結(jié)合Malmquist 模型進行研究并分析其影響因素,因此,為解決上述局限性,將DEA 和Malmquist 模型相結(jié)合,在保證數(shù)據(jù)完整性以及質(zhì)量的前提下將盡可能多的亞洲、北美洲和歐洲國家納入研究樣本范疇,對各國的鐵路運輸效率進行測度分析,進而在效率測度的基礎(chǔ)上,使用固定效應(yīng)Tobit 模型對影響國別鐵路運輸效率的因素進行探究。

        1 研究模型

        在效率分析階段,使用DEA-BCC 模型和Malmquist 模型分別對鐵路運輸效率進行分析。隨后將計算得到的效率作為因變量,經(jīng)濟發(fā)展程度、人口密度等5個影響因素作為自變量,使用Tobit模型進行影響因素分析。

        1.1 BCC模型

        DEA 模型最早是由Charnes 等[8]提出的,被稱為Charnes-Cooper-Rhodes(CCR) 模 型。 隨 后,Banker 等[9]在CCR 模型的基礎(chǔ)上發(fā)展了Banker-Charnes-Cooper(BCC)模型,即無須假設(shè)任何權(quán)重即可通過產(chǎn)出對投入的比率衡量特定單位效率。在CCR 模型中,假設(shè)生產(chǎn)過程是屬于固定規(guī)模收益的,而在BCC 模型中,假設(shè)生產(chǎn)過程的規(guī)模收益是可變的,且在計算技術(shù)效率的同時可以得到純技術(shù)效率和規(guī)模效率。因為鐵路具有“多投入-多產(chǎn)出”的生產(chǎn)特性,并且規(guī)模收益可變,所以一般采用BCC 模型來對鐵路運輸效率進行測度分析[10]。DEA模型又可以分為2種導向型:投入導向型和產(chǎn)出導向型。面向投入的DEA 模型可以實現(xiàn)在給定的產(chǎn)出水平上最小化投入,而面向產(chǎn)出的DEA 模型可以實現(xiàn)在不需要額外投入的情況下最大化產(chǎn)出。

        使用投入導向的BCC 模型來測算國別鐵路運輸效率,計算公式如下。

        式中:θ為鐵路運輸效率(TE),0 ≤θ≤1;xlj和ymj分別為各決策單元投入變量和產(chǎn)出變量;slj和smj分別為各決策單元投入冗余和產(chǎn)出不足;λj為各決策單元權(quán)重。

        在DEA 模型中,得到的TE 是相對效率,代表了決策單元對投入資源的配置水平、資源利用率等多方面綜合能力的大小。此外,技術(shù)效率可以分解為純技術(shù)效率(PTE)和規(guī)模效率(SE)[9]。PTE代表各決策單元的資源利用率,即由于企業(yè)的管理及技術(shù)能力,各投入變量是否達到最優(yōu)配置;SE 代表在管理和技術(shù)水平一定的前提下,決策單元是否達到了最優(yōu)的生產(chǎn)規(guī)模[11]。

        1.2 Malmquist模型

        1.2.1 模型解釋

        全要素生產(chǎn)率指數(shù)(TFPC),最初是由Malmquist Sten 提出的[12]。隨后,Caves 等[13]將全要素生產(chǎn)率指數(shù)應(yīng)用于全要素生產(chǎn)率的動態(tài)變化測算?;诓煌瑫r期的技術(shù)參照全要素生產(chǎn)率指數(shù)有2 種表達形式。

        基于t期的技術(shù)參照如下。

        基于t+1期的技術(shù)參照如下。

        式中:M t,X t,Y t分別為t期的全要素生產(chǎn)率指數(shù)、輸入變量與輸出變量;M t+1,X t+1,Y t+1分別為t+1期的全要素生產(chǎn)率指數(shù)、輸入變量與輸出變量;dt0(X t,Y t)為基于t期的技術(shù)參照;dt+10(X t+1,Y t+1)為基于t+1期的技術(shù)參照。

        F?re 等[14]參考t期和t+1 期的全要素生產(chǎn)率指數(shù),提出了一種新的全要素生產(chǎn)率指數(shù)定義公式。采用t期和t+1 期全要素生產(chǎn)率指數(shù)的幾何平均值,避免了基于不同時期技術(shù)參照導致全要素生產(chǎn)率指數(shù)不同的問題,公式如下。

        全要素生產(chǎn)率指數(shù)的變化可以有效反映決策單元效率的動態(tài)變化情況,可以分解為技術(shù)進步指數(shù)(TEC)和技術(shù)效率指數(shù)(EFFC)。TEC 代表的是決策單元的技術(shù)變化。因此,全要素生產(chǎn)率指數(shù)公式如下。

        EFFC 可以進一步分解為純技術(shù)效率指數(shù)(PTEC)和規(guī)模效率指數(shù)(SEC)。綜上所述全要素生產(chǎn)率指數(shù)還可以表示為

        通過對全要素生產(chǎn)率指數(shù)的分解可以得到?jīng)Q策單元全要素生產(chǎn)率不同時期的動態(tài)變化。

        1.2.2 投入產(chǎn)出變量

        自2010 年以來,很多研究采用DEA 模型及Malmquist 模型來研究鐵路運輸效率,但不同學者對投入和產(chǎn)出變量的選擇有所不同,根據(jù)文獻研究,線路投入[1-2]、人力投入[3-4]和設(shè)備投入[5-6]3 個變量在鐵路運輸效率測度研究中經(jīng)常被用作投入變量。此外,能源投入作為鐵路運輸?shù)谋匾度?,在很多研究中被考慮在內(nèi)[7][15]。綜上所述,選擇鐵路線路長度、平均員工人數(shù)、機車數(shù)量、運輸能耗、非電氣化鐵路與電氣化鐵路之比作為投入變量。

        在鐵路運輸效率的研究中,產(chǎn)出變量可以分為2 類:收入產(chǎn)出變量和可用產(chǎn)出變量[15]。收入產(chǎn)出變量代表用戶消耗的產(chǎn)出水平以及用戶可以從中獲得的價值[16]??捎卯a(chǎn)出變量包括旅客列車公里數(shù)和貨物列車公里數(shù),代表可以提供的產(chǎn)能水平[16]。然而,將政府政策分析納入效率研究中時,收入產(chǎn)出變量比可用產(chǎn)出變量更合適[15]。為此,選擇旅客周轉(zhuǎn)量、貨物周轉(zhuǎn)量作為產(chǎn)出變量。

        1.3 Tobit回歸模型

        1.3.1 模型解釋

        Tobit 回歸模型最早由Tobin[17]提出,適用于數(shù)據(jù)被刪除或截斷的情況。選取的因變量是基于BCC模型得到的鐵路運輸效率,效率范圍為[0,1],為截斷數(shù)據(jù)。使用OLS法對截斷數(shù)據(jù)進行回歸分析的計算結(jié)果可能產(chǎn)生偏差和不一致性[18]。因此,采用Tobit 回歸模型來研究影響鐵路運輸效率的關(guān)鍵因素。Tobit回歸模型計算公式如下。

        式中:yit為鐵路運輸效率;為潛變量;xit為影響因素;α為常數(shù)項;β為參數(shù)向量;εit為隨機擾動項。

        1.3.2 影響因素識別

        考慮到運輸需求[19]、運輸距離[20]以及其他運輸方式競爭[21-22]帶來的影響,通過文獻研究選取了5個影響因素,分別為①經(jīng)濟發(fā)展程度即人均GDP;②人口密度;③土地面積即各國的陸地面積,不包括內(nèi)陸水域和海洋區(qū)域;④公路密度即每百平方公里土地面積擁有的公路里程;⑤航空運輸量即飛機起飛次數(shù)。

        2 實證研究

        2.1 基于BCC模型的鐵路運輸效率分析

        樣本國家各類變量的數(shù)據(jù)主要來自于世界銀行(WB)、經(jīng)濟合作與發(fā)展組織(OECD)、國際鐵路聯(lián)盟(UIC)、國際能源署(IEA)、歐盟(EU)等機構(gòu)。通過計算得到2010—2018 年期間16 個樣本國家的鐵路運輸效率(TE)、純技術(shù)效率(PTE)和規(guī)模效率(SE),各國鐵路運輸效率及其分解如表1所示。

        表1 各國鐵路運輸效率及其分解Tab.1 Railway transport efficiency in different countries and its decomposition

        整體而言,過去幾年大多數(shù)樣本國家的TE 不斷提高,平均TE 從2010 年的0.593 提高到2018 年的0.711。然而國別間的TE 差異較大。平均TE 排名前三的國家分別為瑞士、英國和美國,而排名最后的三個國家分別為捷克、土耳其、斯洛伐克。在2018年,僅有英國、中國、瑞典、韓國4個國家的TE 達到了DEA 有效。整體來說,大部分國家鐵路經(jīng)過2010—2018 年的發(fā)展,資源利用率得到了較大的提升,但SE 仍具有較大提升空間。SE 的遞增表明可以通過擴大鐵路規(guī)模來提升其規(guī)模效率[23],反之亦然。16個樣本國家中,大部分國家鐵路仍處于規(guī)模報酬遞增階段,擴大其鐵路規(guī)模可以在一定程度上提升鐵路運輸效率;只有德國和法國處于規(guī)模報酬遞減階段,這或許是因為其鐵路發(fā)展較早,已進入鐵路發(fā)展平穩(wěn)期,通過擴大鐵路規(guī)模對鐵路運輸效率的提升作用有限,此外,TE 高的國家,例如英國,其SE 和PTE 差異較小,SE 和PTE 對鐵路運輸效率的影響程度相對一致,說明英國鐵路運輸規(guī)模、資源配置能力可以同步發(fā)展。其次,TE處于中等水平的國家,如立陶宛、德國、斯洛文尼亞和白俄羅斯,這些國家的SE 和PTE 差異較為明顯,表明其鐵路運輸效率往往會受到資源配置能力或者鐵路規(guī)模的限制。立陶宛和斯洛文尼亞的SE成為影響TE 的主導因素,而德國和白俄羅斯的PTE 是限制TE 提升的主要原因。最后,TE 低的國家,如捷克、土耳其、斯洛伐克,這些國家的鐵路發(fā)展無論從資源配置還是從路網(wǎng)規(guī)模來看都有一定的提升空間,因此這些國家的SE 和PTE 的差異相對較小。

        2.2 基于Malmquist模型的鐵路運輸效率分析

        Malmquist 模型被廣泛應(yīng)用于跨時期的全要素生產(chǎn)率動態(tài)評價,它不僅可以研究決策單元的全要素生產(chǎn)率變化,還可以將“全要素生產(chǎn)率指數(shù)”(TFPC)分解為“技術(shù)效率指數(shù)”(EFFC)和“技術(shù)進步指數(shù)”(TEC),來確定全要素生產(chǎn)率變化的主導因素。技術(shù)效率指數(shù)表示生產(chǎn)過程中使用資源的效率變化;技術(shù)進步指數(shù)表示新技術(shù)或者生產(chǎn)方式的采用程度。其中,“技術(shù)效率指數(shù)”還可以分解為“純技術(shù)效率指數(shù)”(PEC)和“規(guī)模效率指數(shù)”(SEC),來進一步確定技術(shù)效率變化的主導因素。各國鐵路運輸全要素生產(chǎn)率指數(shù)及其分解如表2所示。

        表2 各國鐵路運輸全要素生產(chǎn)率指數(shù)及其分解Tab.2 Total factor productivity of railway transport in different countries and its decomposition

        表2 展示了各國TFPC、排名及其分解的均值。結(jié)果表明,2010—2018 年期間,各國平均TFPC 為1.042,證明各國的鐵路運輸效率基本處于增長趨勢,其中增長部分有3.8%來自于TEC,0.3%來自于EFFC的提升。在16個樣本國家中,僅有美國的TFPC 出現(xiàn)了下降,TEC 的降低成為美國TFPC 下降的主導因素。對于不同國家來說,各國鐵路運輸綜合效率的增長趨勢差異較大,其中漲幅最大的國家為韓國,年均增長率達到了9.9%;德國、中國、斯洛文尼亞、瑞典、土耳其、立陶宛的漲幅也較為明顯,均達到了5%以上;而捷克共和國、法國、白俄羅斯、斯洛伐克、英國、拉脫維亞和挪威的漲幅相對較小,均低于5%,漲幅最低的國家為瑞典,年均增長率僅為0.8%。韓國、德國、中國、斯洛文尼亞、瑞典、土耳其、捷克共和國、法國、斯洛伐克、英國和挪威的TEC均存在明顯漲幅,表明這些國家主要通過技術(shù)進步實現(xiàn)鐵路運輸效率增長;而立陶宛、白俄羅斯和拉脫維亞的TEC 漲幅并不明顯,白俄羅斯甚至出現(xiàn)了TEC 的下降,相反這些國家的EFFC 均存在較為明顯的漲幅,表明這些國家主要通過提升技術(shù)效率來實現(xiàn)鐵路運輸效率的增長。此外,16個國家中,有4 個國家出現(xiàn)了EFFC 的下降,分別是捷克共和國、法國、挪威、斯洛伐克。其中捷克共和國、法國、斯洛伐克是SEC 和PEC 共同降低導致的,而挪威EFFC 的下降僅與SEC 有關(guān)。樣本國家EFFC的變動主要受SEC變動的影響。

        2010—2018 年鐵路運輸全要素生產(chǎn)率指數(shù)的動態(tài)變化如圖1所示。

        圖1 2010—2018年鐵路運輸全要素生產(chǎn)率指數(shù)的動態(tài)變化Fig.1 Dynamic changes in total factor productivity of railway transport in 2010—2018

        TFPC 在2010—2018 年期間都處于大于1 的水平,但不同年份的增長率差異較大。例如在2012—2013 年期間的增長率為0.6%,而在2016—2017 年期間的增長率為8.6%,證明各國鐵路運輸全要素生產(chǎn)率并不是平穩(wěn)改進的。TEC 在2010—2018 年期間,變化趨勢與TFPC 相對一致,且整體處于大于1 的水平。而EFFC 變化趨勢與其他兩類指數(shù)變化趨勢差異較為明顯,在2014—2015 年期間與2016—2017年期間,兩個時期的變化趨勢與其他兩個指數(shù)的變化趨勢呈現(xiàn)相反態(tài)勢??傮w來看,技術(shù)進步和技術(shù)效率的變化都會影響鐵路運輸全要素生產(chǎn)率的變化,但TEC對全要素生產(chǎn)率的影響更為顯著,在效率變化中起主導作用。

        2.3 國別鐵路效率影響因素分析

        2.3.1 模型構(gòu)建

        面板數(shù)據(jù)的估計方法基于不同效應(yīng)模型分為多種類型,在數(shù)據(jù)分析之前,要確定合適的分析模型。通過F檢驗、LM檢驗和Hausman檢驗來確定面板數(shù)據(jù)所適用的回歸模型,模型檢驗結(jié)果如表3所示。

        表3 模型檢驗結(jié)果Tab.3 Model test results

        F檢驗顯示,P值為0.000 7,說明在1%的水平下拒絕了混合效應(yīng)優(yōu)于固定效應(yīng)的原假設(shè)。LM 檢驗顯示,P 值為0.000 0,說明在1%的水平下拒絕了混合效應(yīng)優(yōu)于隨機效應(yīng)的原假設(shè)。Hausman檢驗顯示,P 值為0.000 5,說明在1%的水平下拒絕了隨機效應(yīng)優(yōu)于固定效應(yīng)的原假設(shè)。因此,選取固定效應(yīng)Tobit模型進行后續(xù)的實證研究。

        考慮所研究的影響因素,固定效應(yīng)Tobit 模型構(gòu)建如下。

        式中:TE為鐵路運輸效率;α為常數(shù)項;β為參數(shù)向量;εit為隨機擾動項;X1為公路密度;X2為航空運輸量;X3為土地面積;X4為人均GDP;X5為人口密度。

        2.3.2 Tobit模型結(jié)果分析

        對樣本數(shù)據(jù)進行固定效應(yīng)Tobit 模型回歸,得到固定效應(yīng)Tobit模型回歸結(jié)果如表4所示。

        表4 固定效應(yīng)Tobit模型回歸結(jié)果Tab.4 Regression results of fixed effect Tobit model

        表4列出了固定效應(yīng)Tobit模型的回歸結(jié)果,剔除不顯著變量公路密度,其他影響因素的具體描述如下。

        (1)航空運輸量:航空運輸量對鐵路運輸效率的影響在1%的統(tǒng)計水平上顯著,航空運輸與鐵路運輸效率存在負相關(guān)關(guān)系。來自于航空運輸?shù)膹姼偁帟﹁F路運輸造成影響。

        (2)土地面積:土地面積對鐵路運輸效率的影響在1%的統(tǒng)計水平上顯著,土地面積與鐵路運輸效率存在正相關(guān)關(guān)系。一般來說,隨著土地面積的增加,有利于發(fā)揮鐵路規(guī)模效應(yīng),從而提升鐵路運輸效率。

        (3)人均GDP:人均GDP 對鐵路運輸效率的影響在1%的統(tǒng)計水平上顯著,經(jīng)濟的發(fā)展與鐵路運輸效率的提升呈正相關(guān)。隨著經(jīng)濟的發(fā)展,鐵路需求將不斷提升,基礎(chǔ)設(shè)施將得到更新升級,各種新興技術(shù)將會逐步應(yīng)用,從而提升鐵路的運輸效率。

        (4)人口密度:人口密度對鐵路運輸效率的回歸系數(shù)為0.000 6,并且在1%的統(tǒng)計水平上顯著,證明人口密度與鐵路運輸效率的提升呈正相關(guān)。

        3 結(jié)論

        利用BCC模型和Malmquist模型,結(jié)合2010—2018 年的數(shù)據(jù)對全球16 個國家的鐵路運輸效率進行了實證研究,并采用固定效應(yīng)Tobit 模型研究影響鐵路運輸效率的各類因素及其影響程度。主要結(jié)論如下。

        (1)從DEA 模型結(jié)果來看,樣本國家的TE 差異較大,且大部分國家未達到DEA 有效。2010—2018年期間,大部分國家的PTE得到了提升,但仍存在資源配置的問題,大部分國家SE 仍有較大提升潛力。

        (2)TE 排名處于中間的國家,SE 與PTE 的差異較大,鐵路發(fā)展會受到規(guī)模或者資源配置能力的限制。TE 處于頂部或者底部的國家,SE 和PTE 差值相對較小,規(guī)模和資源利用率對鐵路運輸效率的影響相對一致。

        (3)從Malmquist 模型結(jié)果的角度來看,除美國外,其他國家的鐵路運輸全要素生產(chǎn)率在2010—2018 年期間呈現(xiàn)上升趨勢,但增長趨勢差異較大,各國鐵路運輸發(fā)展持續(xù)向好。此外,部分國家出現(xiàn)了TE的下降,全部與SE的下降有關(guān),鐵路規(guī)模成為影響TE變化的主要因素。

        (4)TE 的變化會在一定程度上引起鐵路運輸全要素生產(chǎn)率的變化,但是影響全要素生產(chǎn)率變化的主導因素是技術(shù)進步,新興技術(shù)的研發(fā)與引入成為確保鐵路運輸效率持續(xù)增長的關(guān)鍵。

        (5)航空運輸?shù)母偁帯⑦\輸需求和運輸距離的差異都對鐵路運輸效率產(chǎn)生顯著影響。來自航空運輸?shù)母偁帟档蛧鴦e鐵路運輸效率,而隨著土地面積、人均GDP 和人口密度的增加,國別鐵路運輸效率會相應(yīng)提高。

        猜你喜歡
        生產(chǎn)率要素鐵路
        中國城市土地生產(chǎn)率TOP30
        決策(2022年7期)2022-08-04 09:24:20
        沿著中老鐵路一路向南
        云南畫報(2021年12期)2021-03-08 00:50:54
        掌握這6點要素,讓肥水更高效
        國外技術(shù)授權(quán)、研發(fā)創(chuàng)新與企業(yè)生產(chǎn)率
        鐵路通信線路維護體制改革探索與實踐
        觀賞植物的色彩要素在家居設(shè)計中的應(yīng)用
        論美術(shù)中“七大要素”的辯證關(guān)系
        關(guān)于機床生產(chǎn)率設(shè)計的探討
        中國市場(2016年45期)2016-05-17 05:15:26
        無人機在鐵路工程建設(shè)中的應(yīng)用與思考
        也談做人的要素
        山東青年(2016年2期)2016-02-28 14:25:36
        国产一级毛片卡| 美女精品国产一区二区三区| 亚洲无码图| 伊人狼人大香线蕉手机视频| 亚洲国产综合在线亚洲区亚洲av| 国产一区二区三区三区四区精品| 老太脱裤子让老头玩xxxxx| 1000部夫妻午夜免费| 有码精品一二区在线| 亚洲AV无码成人精品区天堂| 日韩av一区二区在线观看| 蜜桃精品人妻一区二区三区| 国产绳艺sm调教室论坛| 亚洲熟妇色xxxxx欧美老妇y| 亚洲自拍另类欧美综合| 久久洲Av无码西西人体| 中文字幕色一区二区三区页不卡| 日本一本一道久久香蕉男人的天堂 | 亚洲欧美成人一区二区在线电影| 免费看一级a女人自慰免费| 亚洲AV秘 无码一区二区久久| 日韩中文字幕不卡在线| 国产在线无码精品无码| 99国产精品久久久蜜芽| 精品人妻潮喷久久久又裸又黄| 综合精品欧美日韩国产在线| 在线你懂| 97人妻精品一区二区三区免费| 国产一区二区视频免费在线观看| 另类老妇奶性生bbwbbw| 亚洲午夜精品久久久久久抢| 亚洲天堂av在线观看免费| 亚洲视频网站大全免费看| 天天躁日日躁狠狠躁| 欧美中文在线观看| 91桃色在线播放国产| 伊人久久大香线蕉av色婷婷色 | 日韩好片一区二区在线看| 久久精品亚洲中文无东京热| 国语对白自拍视频在线播放| 国产太嫩了在线观看|