基于DEA的北京市道路危险货物运输效率评价

黄爽，钱大琳，李康

(北京交通大学 交通运输学院，北京 100044)*



基于DEA的北京市道路危险货物运输效率评价

黄爽，钱大琳，李康

(北京交通大学 交通运输学院，北京 100044)*

基于DEA理论构建北京市道路危险货物运输效率的BCC模型，从投入和产出角度选择指标构建评价指标体系，以北京市15个区县作为研究对象，对其综合效率、纯技术效率和规模效率进行计算和评价，对非DEA有效的决策单元进行了投入冗余和产出不足分析，同时，利用岭回归分析构建综合效率与评价指标的回归方程，通过衡量自变量对因变量的贡献度大小，找出影响综合效率的关键因素，为企业提高运输生产效率提供发展建议.

DEA方法;运输效率;指标体系;回归分析

0 引言

当前北京市道路危险货物运输行业正处于危险货物运输发展的积累阶段.在“十二五”期间，北京市强调“平安交通”理念，大力推进道路运输科学、安全发展，道路危险货物运输也得到长足发展，为北京市的化工生产需要提供了有力保障，但与此同时也暴露出了诸如发展过速等一系列问题，因此，有效评价当前道路危险货物运输效率，找出制约行业发展的关键因素，针对具体问题提供相应改进的建议具有重要意义.

道路危险货物运输效率评价问题是一个涉及到多投入和多产出的复杂系统工程，一方面需要人力、车辆和安全技术的投入，另一方面又能产生满足社会需要的运量和周转量等服务型产出，因此，选择一种能够针对多投入、多产出进行效率评价的方法尤其重要，而DEA方法在这方面具有特殊的优势.目前，应用DEA方法进行效率评价的文献越来越多，文献[1-2]运用CCR模型分别对我国31个省份公路运输效率和河南省交通运输效率进行了评价；文献[3]应用BCC模型评价了陕西省的交通运输效率；文献[4]将CCR模型与交叉效率评价结合使用，对五大交通系统效率进行了评价分析；文献[5]使用超效率DEA模型评价了钢铁行业的运行效率.纵观文献可以发现，目前将DEA方法运用到道路危险货物运输领域进行效率评价的研究很少，本文通过构建北京市15个区县的数据包络分析BCC模型，对北京市各区县道路危险货物运输情况进行评价，同时通过构建效率值与投入产出指标的回归方程，通过分析自变量指标对因变量变异的贡献大小，找出影响效率值的关键因素，提出改进道路危险货物效率的有效途径.

1 模型与方法

1.1 DEA方法

数据包络分析法(DEA)是由美国运筹学家Charnes A.ERhodes和Cooper W W等学者于1978年创建的，是用于评价多输入多输出的决策单元相对有效性的一种非参数方法，在评价多输入多输出问题上十分有效.在运用DEA进行效率评价时，不需要明确各个投入与产出之间确定的函数关系式，同样对评价指标量纲的选取也不必统一，具有一种黑箱子方法的特点.DEA方法能够有效避免主观因素的影响，在效率评价方面具有绝对的优势.运用DEA方法进行效率评估时可以采取两个方向，一个是以投入为导向，一个是以产出为导向.投入导向是在产出不变的情况下，衡量要素投入减少的比例；产出导向是在投入不变的情况下，衡量产出增加的比例.本文选择以投入为导向的BCC模型，对北京市道路危险货物运输进行分析评价.

设有n个决策单元(DMU)，每个DMU有m种输入和s种输出，第j个决策单元的输入输出向量分别为：

Xj=(X1j,X2j,…,Xmj)T, j=1,2,…,n;

Yj=(Y1j,Y2j,…,Ysj)T, j=1,2,…,n

其效率评价的BCC模型如下：

①当θ=1且S+=S-=0时，称DMU0为DEA有效，n个决策单元组成的系统在原投入X0的基础上所获得产出Y0已达到最优;

②当θ=1且S+≠0或S-≠0时，称DMU0为DEA弱有效，即投入X0可以减少S-使得产出Y0不变或在投入X0不变的情况下，产出Y0可以增加S+;

③当θ<0时，称DMU0为DEA无效，即可以将原投入X0按照比例θ缩减而保持产出Y0不减.

根据BCC模型计算得到θ值被称为纯技术效率，本文之后将其记作PTE，在运用DEAP2.1软件进行BCC模型求解时，同时会得到纯技术效率(PTE)以及综合效率(TE)和规模效率(SE).所谓综合效率即是反映资源的配置、利用水平和企业规模水平的综合指标，而纯技术效率是对资源的配置、利用水平，是企业自身的运营服务能力的体现；规模效率则反映的是企业的规模水平对企业是否达到最优生产的影响.一般认为，综合效率=纯技术效率规模效率，即TE=PTESE.

1.2 指标体系的构建

运用DEA方法进行效率评价时，需要合理确定模型的输入输出指标，所选择的指标应能反应北京市道路危险货物运输的基本情况.为了全面衡量北京市道路危险货物运输企业的情况，将危险货物运输企业按照区县分布，以当前北京市15个区县作为决策单元，从人员、车辆和安全技术三个角度出发，构建评价指标体系.指标体系的构建要保证全面性、可靠性、代表性以及数据可操作性的原则，因此，在投入过程中以从业人员数(X1)、安全管理人员与从业人员的比例(X2)和核定载重量(X3)作为模型的输入指标，在产出过程中以运量(Y1)和周转量(Y2)产出作为输出指标，所选择指标的具体含义为：

①从业人员数(X1)：从业人员数量是企业在人力上投入，从业人员数量的多少从某个侧面反映出企业的规模大小;

②安全管理人员与从业人员比例(X2)：危险货物运输较普通货物运输有许多特殊之处，最重要为一方面在于增设安全管理人员，增加安全技术的投入，安全管理人员与从业人员比例反应了企业通过安全教育培训在安全方面的投入，同等规模的企业其从业人员数量大体相当，但是安全管理人员的比例越大则反应企业越重视安全生产，注重运输的安全工作;

③核定载重量(X3)：核定载重量是企业在车辆上的投入，反应了投入运营车辆的总吨位，比车辆数更能反映企业在车辆方面的投入力度;

④运量(Y1)与周转量(Y2)：运量与周转量是运输企业其提供的服务产品的量化指标，代表其实际完成的工作量.

2 模型求解与结果分析

2.1 原始数据获取

依据前文所确定的评价指标，选取的数据为笔者参与北京市运管局开展的道路危险货物运输企业调研所获得的数据，基础数据包括北京市15个区县的危险货物运输企业的从业人员数、车辆核定载重量、企业安全管理人员与从业人员的比例以及企业危险货物年运量和周转量，其中平谷区的数据缺失，将所得的企业数据按北京市15个区县进行整合和处理，作为本次研究的基础数据.

2.2 BBC模型求解计算

利用15个区县的输入输出数据，以建立的投入导向的BCC模型为基础，采用DEAP2.1软件计算得到各区县的综合效率(TE)、纯技术效率(PTE)、规模效率(SE)、松弛变量S值和投入冗余及产出不足值，结果如下表1和表2所示.

表1 各区县效率值及松弛变量S值

表2 各区县投入冗余及产出不足

2.3 结果分析

将模型计算得到的结果按照综合效率的大小进行排序如表1所示，依据计算所得到的结果，可以将15个决策单元按照综合效率、纯技术效率和规模效率是否达到有效分为三个部分，第一部分是综合效率有效，即DEA有效.综合效率是反应资源的配置、利用水平和企业规模水平的综合指标，只有当决策单元同时达到技术有效和规模有效时，该决策单元才达到综合有效.从表1的结果数据可以看出，北京市的十五个区县中，只有顺义区、海淀区、燕山区和大兴区这个四个区县达到了DEA有效，说明这四个区县在人员、车辆和安全技术方面的投入以及运量和周转量的产出上达到了最优，同时这四个区县内的企业规模也同时达到了最优.

第二部分是纯技术效率有效，除去综合效率有效的四个决策单元外，密云县、延庆县和石景山这三个决策单元是纯技术有效的.纯技术效率反映的是资源的配置、利用水平，是企业自身的运营服务能力的体现.结合表2投入冗余与产出不足数据可以看出，上述三个区县的人员、车辆和安全技术投入不存在冗余现象，同时运量和周转量的产出也不存在不足现象，但是上述三个区县的规模效率是无效的，其规模效益是递增的，即该三个区县危险货物运输企业的运输规模小，其企业规模是造成综合效率无效的主要原因，扩大企业规模，加大投入能够为其带来更大的产出.

第三部分是除去综合效率有效和纯技术效率有效所剩下的区县，剩余区县其规模效率也没有达到有效.规模效率反映的是企业的规模水平对企业是否达到最优生产的影响，也就是投入的增长对生产率变化的影响，根据规模效率可以判断各区县是处于递增还是递减的规模报酬区间，进而调整各区县的生产规模，使其达到生产规模的

最佳状态.结合表2，从投入的角度来看，丰台区、朝阳区和怀柔县在人、车辆和安全技术的投入上面均存在着冗余，其投入的冗余是造成其无效的主要原因.通州区、西城区、门头沟、房山区和昌平区则既存在着投入的冗余现象同时还存在着产出的不足，这是造成其无效的主要原因.结合表1上述区县的规模效益都是递增的可以判断，首先由于在资源的投入和产出方面存在着大量冗余，造成其生产潜能没有能够充分的发挥，其次，其规模效益处于递增阶段而投入却存在着冗余，说明企业在资源的配置和利用方面存在着问题，调整企业的运输模式，加强企业管理和技术等工作将能够提高其效率.

2.4 关键要素分析

通过对综合效率、纯技术效率和规模效率的计算，进而对影响各个决策单元效率的原因进行了分析，但是输入输出评价指标中究竟哪一个才是影响决策单元效率的主要因素，从DEA计算的结果中还不能直观的看出，为此，需要对各输入输出指标对综合效率的贡献度进行评价.

多元回归分析通过数学手段可以确定自变量对因变量贡献度的大小及方向，通过构造因变量为综合效率，自变量为各个输入输出指标的多元回归模型进而评价各个评价指标对综合效率的贡献度.

构建多元回归模型为：

Y=β0+β1X1+β2X2+β3X3+β4X4+β5X5+ε

其中:Y为综合效率;X1为人员投入;X2安全技术投入;X3为车辆投入;X4位运量产出;X5为周转量产出;β0为常数;ε为误差.

表3 各自变量相关性取值

多元线性回归模型要求自变量之间不能存在多重共线性.运用spss提供的相关性检验功能，判断各个自变量之间的相关性，计算结果如表3.从表3可以看出，X1和X2、X3和X5、X4和X5之间线性关系显著，建立普通的多元线性回归模型，各个自变量由于多重共线性的影响会造成较大的误差.

岭回归分析是处理多自变量间存在多重共线性影响时的一种有效的有偏估计方法，关于介绍岭回归分析的文献比较多，本文在此不再赘述.应用spss提供的岭回归分析模块，将数据输入spss中进行计算，得到有如图1所示的岭迹图.

图1 各自变量岭迹

依据Hoerl-Kennard-Baldwin(HKB)Estimator(HKB估计)，取岭回归分析模型中的K=0.04，自变量的岭迹图的岭迹趋于稳定.将K=0.04反代得到岭回归模型的关键参数见表4以及回归模型的F检验值见表5.

表4 岭回归模型参数

表5 岭回归模型F检验值

从回归模型的F检验值来看，在0.05的显著水平下，总体上自变量与因变量存在着线性关系，回归模型的构造是具有统计学意义的，因此建立回归方程为：

Y=0.57X1+0.088X2-0.84X3+0.264X4+0.77X5

回归方程中标准化偏回归系数绝对值的大小可以衡量自变量对因变量贡献的大小，其符号则表示对因变量贡献度的方向.通过回归方程可以看出，核定载重量对综合效率的影响最大，且其对综合效率的影响是反向的，即继续扩大车辆的投入反而会对综合效率的增长产生反向的影响.贡献度其次的是周转量的产出，其对综合效率的影响是正向的，即周转量的产出增加仍是今后企业工作的重点.安全技术的投入对综合效率的投入是不显著的，说明目前国家对于危险货物运输安全工作较为重视，尤其是在晋济高速公路岩后隧道事故发生以后，国务院、安监总局加强对安全监管的力度，使得企业在安全方面不敢忽视，当前对安全工作的重视在一定程度上使得安全技术投入并不是影响企业效率的主要因素.

3 结论

本文应用投入导向的DEA方法对北京市15个区县的危险货物运输企业进行了实例研究，同时应用岭回归的方法，通过对标准化偏回归系数的计算，分析了影响企业综合效率的关键要素，有如下结论：

(1)北京市大部分区县的综合效率是DEA无效的，综合效率存在地区性的差异.在DEA无效的区县中，规模无效是造成综合效率的主要原因，并且无效的区县都是规模效益递增的，优化资源配置，发挥企业规模优势势在必行;

(2)无效率的区县在人员和车辆上存在着冗余，资源投入过度，同时部分区县也存在运量和周转量产出不足情况;

(3)影响综合效率的关键因素是车辆的投入和周转量的产出，并且车辆的过度投入对综合效率有着负向的作用.

针对当前北京市道路危险货物运输现状，结合本文的研究结果，对未来行业发展有如下建议：

(1)控制人员和车辆的投入，尤其是车辆的吨位投入上，当前车辆吨位的浪费比较高，提高车辆的利用效率，合理配置运力资源，既可以提升企业的运输效率，也可以降低运输的成本，同时也应当注意控制企业人员的投入，提高员工的整体素质，量才使用，避免人力资源的浪费;

(2)从DEA计算结果上看，多个区县存在着周转量产出不足的问题，而相应的运量产出不足则较少，结合关键因素分析，周转量是影响综合效率的第二大关键因素，因此，需要企业拓展长距离运输业务，扩展企业的经营范围，不能局限于短距离的市内运输，充分发挥企业的规模优势和运力资源.

[1]崔岩,吴丽美,曲建华.基于DEA的河南省交通运输效率评价[J].河南科学,2013(2):201- 204.

[2]王冬冬,李丽琴,肖亮.基于DEA的陕西省交通运输效率评价与分析[J].数学的实践与认识,2014,20:33- 38.

[3]鲍星星,陈森发.基于DEA的交叉效率模型在交通运输评价中的应用[J].东南大学学报(哲学社会科学版),2009(增刊2):23- 25.

[4]李洁,左毅刚.基于超效率DEA方法的公路运输效率评价与分析[J].交通信息与安全,2015(1):127- 132.

[5]韩一杰,刘秀丽.基于超效率DEA模型的中国各地区钢铁行业能源效率及节能减排潜力分析[J].系统科学与数学,2011(3):287- 298.

[6]丁小东,徐菱,姚志刚.基于DEA方法中国交通运输行业绩效评价[J].武汉理工大学学报,2011(3):77- 81.

[7]马雄威.线性回归方程中多重共线性诊断方法及其实证分析[J].华中农业大学学报(社会科学版),2008(2):78- 81，85.

[8]高辉.多重共线性的诊断方法[J].统计与信息论坛,2003(1):73- 76.

[9]孙红卫,王玖,罗文海.线性回归模型中自变量相对重要性的衡量[J].中国卫生统计,2012(6):900- 902.

Efficiency Evaluation of Beijing Road Dangerous Goods Transportation based on DEA Method

HUANG Shuang，QIAN Dalin，LI Kang

(School of Traffic and Transportation,Beijing Jiaotong University,Beijing 100044,China)

A BCC model is established based on Data Envelope Analysis method (DEA) for the Beijing road dangerous goods transportation efficiency. From the angle of transport system input and output characters, the appraisal index system is established by some selected metrics. On the basis of data of the 15 districts of Beijing, the DEA is used to calculate the technical efficiency (TE), scale efficiency (SE) and the pure technical efficiency (PTE) to evaluate their achievements as to the regional difference. Then the input redundancy and output inefficiency of non-DEA effective decision-making units are analyzed. A regression equation is established by using ridge regression theory to find out the key factors affecting the technical efficiency, and some development suggestions are proposed for enterprises to improve the efficiency of their transportation.

DEA method; transportation efficiency; index system; regression analysis

1673- 9590(2017)01- 0001- 06

2016- 01- 18

黄爽(1992-)，男，硕士研究生；钱大琳(1963-)，女，教授，博士，主要从事城市轨道交通的研究

E-mail:14120776@bjtu.edu.cn.

A