基于拉氏方法的道路货物运输价格指数模型及应用

刘志硕，赵 宽，马京苗，王春芳

（北京交通大学 交通运输学院，北京 100044）

基于拉氏方法的道路货物运输价格指数模型及应用

刘志硕，赵 宽，马京苗，王春芳

（北京交通大学 交通运输学院，北京 100044）

道路运输价格指数的基本职能是反映道路运输市场运输价格波动变化的程度。首先基于阿里平台的样本数据构建了道路运输价格指数模型，该模型中包含总指数、分类指数、个体指数三个层次的指数体系，然后采用拉氏指数的计算方法编制相应指数。最后选取浙江省道路运输市场进行实证分析，并得出相应道路运输价格指数，最后与浙江省港口货运吞吐量指数和PMI指数进行对比分析，从而论证该指数模型的正确性和有效性。

道路货物运输；价格指数；拉氏指数

1 引言

由于道路货物运输市场运价、成本、供需信息不透明、不对称，运输企业对市场信息掌握不足，道路货物运输行业处于低水平运行状态，常出现“市场失灵”的状况。因此，迫切需要有一项定量指标来对道路货物运输的价格和景气进行评定。本文在研究分析道路货物运输价格指数现状的基础上，构建了由总指数、分类指数、个体指数三个层次组成的道路货物运输价格指数体系，建立了基于拉氏方法的道路货物运输价格指数模型，并应用于浙江省道路货物运输市场，基于阿里物流平台的数据建立浙江省道路货物运输价格指数，从而为各级政府管理部门全面准确地掌控市场发展态势提供有效的参考依据。

2 道路货物运输价格指数研究现状

在运输价格指数的研究方法方面，学者们都对运价指数进行了深入研究。郭翰超[1]等人基于北京市货运市场进行时点采价，利用加权平均和几何平均公式编制指数；顾敬岩等人[2]采用Fisher指数模型，以义乌普通货物运输市场为例，进行了实证分析；刘彬等人[3]针对宁波市道路货物运输市场，构建了四层指数体系，采用等权的算术平均值来编制指数；闫广聪等人[4]以某一试点城市为例进行分析，运用统计学理论，从样本企业选择、样本线路选择及数据采集等方面着手，采用加权平均法进行指数编制。

在运输价格指数的应用现状方面，国内外公开发布的运输价格指数较多。2006年7月，中国物流与采购联合会和汇通天下在北京联合发布了全国普通货物运价指数；2015年6月，中国物流与采购联合会和广东林安物流集团联合发布了中国公路物流运价指数（HPI）；2012年，浙江省交通运输厅与义乌市政府联合发布的义乌道路货物运输景气指数，综合反映义乌地区及浙江全省的道路货物运输市场行情；2015年6月，交通运输部发布了全国道路货物运输价格指数（CFI）。

从上述道路货物运输价格指数研究方法和应用现状可以看出，国内外学者对道路货物运输价格指数的编制方法越来越成熟，但是在指数体系的构建、数据的代表性、数据来源的可靠性以及持续性等方面有所欠缺。本文构建了总指数、分类指数和个体指数三级指数体系，从多个维度对指数进行划分，分类依据层次明确，切合实际情况，同时降低了数据采集工作的难度，从而更加有利于指数编制工作的开展。

3 基于拉氏方法的道路货物运输价格指数模型设计

3.1 道路货物运输价格指数编制方法选择

拉氏指数与帕氏指数由于其简单实用，在实践中得到了广泛应用。为了反映纯粹的运输价格变动及从指数的计算值的大小对比不同时期的运价变动情况的影响，所以本文采用拉氏指数计算方法来编制道路货物运输价格指数，其计算公式为：

其中：p0-基期运输价格；pt-报告期运输价格；q0-基期货运量；I0-基期运输价格指数；It-报告期运输价格指数。

3.2 道路货物运输价格指数体系

本文按照科学性、可操作性、完整性、实用性等运输价格指标确定的基本原则，编制成图1所示的道路货物运输价格指数体系，其中包括总指数、分类指数、个体指数。

图1 道路货物运输价格指数体系

总指数指的是道路货运价格总指数，个体指数是指从一个省的各个城市出发到达省内、省外各个市的线路指数，分类指数从多种维度考虑，可以进行如下划分：根据浙江省11个城市划分，可以划分为杭州市公路货运价格指数、金华市公路货运价格指数等11个城市公路货运价格指数；根据里程进行划分，将运价指数划分为长途运价指数、中途运价指数、短途运价指数；根据运输组织形式进行划分，可以分为整车运价指数和零担运价指数；根据货物类型进行划分，可以划分为重货运价指数和轻货运价指数；根据货物运达速度进行划分，可以分为快速运价指数、中速运价指数和慢速运价指数；根据指数编制的时期不同，可以将总指数、前4项分类指数、个体指数分别按月度、季度、年度编制成公路货运价格月度指数、季度指数、年度指数；根据基期的选择不同，可以将总指数、前4项分类指数、个体指数编制成定基指数、环比指数、同比指数。

3.3 道路货物运输价格指数计算公式

根据道路货物运输价格指数体系的设计，各层次的指数计算过程如下：

（1）个体指数的计算。个体指数是按线路进行划分的，主要考虑每条线路上的物流企业的运输价格及货运量，假设每条线路上有M个物流企业提供运输服务，其计算公式如下：

（2）分类指数的计算。这里仅选取分城市分类指数进行阐述。根据城市进行划分，以k-市道路货物运输价格指数为例，假设从k市出发的有N条线路，每条线路上有M个物流企业，其计算公式为：

（3）各种组合指数的计算。组合指数是根据分指数的分类依据来进行组合的，如某市整车运价指数、零担重货运价指数、长途慢速运价指数等。各种组合方式的计算公式同上面类似，这里不再赘述。

（4）总指数。总指数的计算公式可以有多种变化形式，但基础公式仍然是拉氏公式，这里按城市-里程-运输组织形式-货物类型-运达速达来设计总指数的计算公式。假设共有K个城市，第k个城市下有R种运输组织形式，第r种运输组织形式下有S种货物类型，第S种货物类型下有U种速度类型，第u种速度下有N条线路，第n条线路下有M个物流企业，则总指数的计算公式为：

式（4）中：I1代表报告期总运价指数，I0代表基期总运价指数，基期的运价指数都设定为100。

4 实证分析

4.1 样本选取

编制物流运价指数，首先进行样本线路的选择，要求选择的样本线路需遵循典型性原则、地区分布性原则、相关性原则、指数波动性原则、资料易取性原则、可比性原则和全面性原则。即样本线路在整个物流运输市场占据的份额大，其运价变动能够较充分地反映总体运价变动情况。本文基于阿里物流平台采集到的数据，以及样本线路选取原则，最终选取从浙江省各市出发到达全国各省市的道路线路为样本线路，包括浙江省市区到浙江省市区的线路、浙江省市到其他省市的线路。

4.2 数据来源及预处理

采用数据抓取技术从阿里物流平台上采集到从浙江省11个市到全国各省市的样本线路的运价数据及货运量数据。原始数据包括出发地城市、目的地城市、物流企业名称、重货价格（元/t）、货运量（t）、里程（km）、运输时效（d），运达速度（km/h）由里程与运输时效的比值获得。

对从阿里物流平台采集的数据进行预处理，主要包括缺失值和异常值的处理。首先，由于采用数据抓取技术从阿里物流平台上采集数据，某条线路的数据可能缺失，需要根据其历史数据及与这条线路相近的数据来模拟该线路缺失的数据；其次，阿里物流平台上的运输时效数据可能存在异常，例如同一物流企业的同一条线路的运输时效在不同时期存在较大差异，因此采用平均值的方法替换异常值。

4.3 统计结果及分析

根据采集到的数据，导入的数据模型的Excel字段有日期、省份、出发地、目的地、物流企业、重货价格（元/ t）、重量（t）、轻货价格（元/m3）、体积（m3）、整车价格（元/车）、车辆数量（车）、里程（km）、运输天数（d）、运输方式、货物类型。

4.3.1 浙江省道路运输价格总指数。采用上述的道路运输价格指数模型，以定基指数为例，取2013年1月为基期，计算得出相应的指数，绘制了2013年1月至2016年5月的指数曲线图，主要包括浙江省道路运价总指数、道路货运价格分类指数（在分城市、分里程、分运输形式、分货物类型和分速度，选取分城市分类指数展示）、道路货运价格分线路指数。

为分析总指数的波动情况，首先使用Spearman系数双变量相似度检验理论将总指数与浙江省各港货物吞吐量进行相关性分析，分析结果见表1。

表1 浙江省各港货物吞吐量与货运价格总指数相关性分析

由表1可以看出置信度Sig=0＜0.05,按照统计学的理论可知,应拒绝原假设，即浙江省各港货物吞吐量和总指数是显著相关的，且相关系数为0.721。由相关性分析结论可以看出，浙江省各港货物吞吐量会对浙江省货运价格总指数有影响，这为接下来把总指数和吞吐量进行对比分析提供依据。另一方面，将预测宏观经济发展趋势的综合性经济指数的PMI指数与总指数进行对比，进而分析总指数波动的原因。对比结果如图2所示。

图2 浙江省道路运输价格总指数

由图2可以看出，三条折线图的变化趋势基本一致。首先把总指数与浙江省各港吞吐量对比，比如2013年4月到2014年1月，总指数呈下降的趋势，而浙江省进出口货运量也减少，说明海运货运量减少在一定程度上会影响到公路货运市场，会使得一定时期内公路货运市场景气程度降低；再如2014年7月到2015年1月，海运吞吐量与总指数均呈上升趋势，说明海运货运量越高，公路运输应该越景气，需求越繁荣，价格越高。另一方面，对比PMI指数与总指数，2013年4月到2014年1月，PMI一直是呈下降趋势，总指数也略呈下降趋势，但不明显，直到2014年4月才显著下降，这是由于联动反应滞后所致。2014年7月到2015年1月，PMI指数和总指数均上升，是由于该时期宏观经济发展较好，而浙江省是外向型经济，出口旺盛，则运输需求高，市场更活跃。

4.3.2 浙江省道路运输价格分类指数。选取具有代表性的宁波舟山港为例，分析舟山港吞吐量与运价指数的关系，如图3所示。

图3 浙江省道路运输价格分城市(宁波舟山港)分类指数

由图3知，2013年1月到2016年5月，两条曲线均呈现总体上升的趋势，二者保持基本一致的波动趋势。例如2015年1月至2015年7月，舟山港货物吞吐量增加，说明海运货运量需求较大，进出口进行公水联运时，公路货运量自然上升，这样公路货运市场更活跃，交易量更大，所以该运价指数与海运吞吐量保持一致。

4.3.3 浙江省道路运输价格分线路指数。针对宁波—北京的公路货运线路，以2013年10月为基期，选取2013年10月至2016年5月的全国道路货运价格指数（CFI）与本指数作对比，如图4所示。

图4 浙江省道路运输价格分线路指数

由图4知，分线路指数与CFI指数的总体变化趋势基本一致，二者均呈现前期下降、中期上升、后期下降的趋势，这说明两类指数均能够反映宁波-北京线路的公路货运市场景气程度。

5 结论

本文首先阐述了我国道路货物运输的背景、存在问题和研究意义，然后对国内外具有代表性的运价指数进行综述，接下来给出了基于阿里物流平台的道路运价指数模型，最后选取浙江省道路货物运输市场进行实证分析，在明确样本及数据采集方式后，采用拉氏指数理论编制指数，最后得出对应的指数曲线，并与浙江省港口吞吐量和PMI指数进行对比分析，结果表明该指数能够较好地反映运输市场的需求状况和成交现状。

本文将运价指数从理论研究引向实际实践，完善了我国道路货物运输价格指数研究体系，有助于促进货运市场经营主体的投资、经营决策；有助于引导市场资源配置，完善货运市场培育机制；有助于行业管理部门监测市场运行，提升执政服务能力。

[1]郭翰超,孙丽梅.北京市运输价格指数编制方法研究[A].北京市第十五次统计科学讨论会获奖论文集[C].2009.

[2]顾敬岩,范文姬.普通道路货物运输价格指数编制方法[J].道路交通科技,2013,30(9):154-158.

[3]刘彬,姜桂艳,陈炯迪,等.宁波市道路货物运输价格指数研究[J].宁波大学学报(理工版),2015,(3):127-132.

[4]闫广聪,聂化东,史国强.道路货物运输价格指数编制[J].道路与汽运,2015,(5):62-64.

[5]胡永举,郭艳,张艳,等.道路运价指数的作用及其编制方法的探讨[J].交通科技与经济,1999,(1):48-49.

[6]赵文阁,钟懿,王珲,等.义乌道路货物运输价格指数体系研究[J].道路交通科技:应用技术版,2012,(2).

[7]Palmer N,Jones K.Price Index for Freight Transport by Road[R]. Nantes:Voorburg Group,2002.

Application of Roadway Freight Transportation Price Index Model Based on Laspeyres Method

Liu Zhishuo,Zhao Kuan,Ma Jingmiao,Wang Chunfang
(School of Traffic&Transportation,Beijing Jiaotong University,Beijing 100044,China)

In this paper,we first established the roadway transportation price index model based on the sample data of the Ali platform, which included the three layers of total index,categorical index and individual index and then prepared the relevant index using the Laspeyres-based calculation process.At the end,through an empirical analysis of the roadway transportation market of Zhejiang,we demonstrated the correctness and validity of the model.

roadway freight transportation;price index;Laspeyres index

F224.0;F252

A

1005-152X(2016)12-0050-05

10.3969/j.issn.1005-152X.2016.12.013

2016-11-06

国家科技支撑计划项目（2014BAH24F02）

刘志硕（1977-），男，湖南安仁人，北京交通大学交通运输学院副教授，博士，研究方向：智能物流系统、电子商务技术与应用、控制科学与工程等。