“一带一路”沿线区域交通基础设施效率评价及收敛性分析

王传安

摘 要：文章以“一带一路”国内沿线18个省域为研究对象，运用SBM模型与Malmquist指数分析各地区2013—2021年交通基础设施的静态与动态效率，同时对数据进行收敛性分析。研究结果表明：一是“一带一路”沿线地区交通基础设施效率差异表现为东部>西南>西北>东北；二是动态效率总体呈现增长趋势，技术进步是拉动各地区交通基础设施效率增长的重要因素；三是“一带一路”沿线区域σ收敛检验分析表明，东北地区持续发散，东部、西南与西北地区经历了一个收敛、发散再收敛的过程；四是绝对β收敛效果显著。

关键词：“一带一路”；交通基础设施效率；SBM模型；收敛性分析

中图分类号：F512.3文献标识码：A文章编号：1005-6432（2024）05-0028-04

DOI：10.13939/j.cnki.zgsc.2024.05.007

1 引言

基础设施互联互通一直是“一带一路”建设的优先领域，交通基础设施更是带动沿线地区发展的关键通道、关键节点和重点工程[1]。《推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景與行动》中明确了相关省域的功能定位，指出各地区均发挥着有机衔接重要门户或交通枢纽的作用。随着近年来我国不断加大对“一带一路”地区尤其是中西部地区交通基础设施建设的投入，研究相关地区交通基础设施效率差异以及分析这种差异的变化趋势，具有一定的理论意义与现实意义。

从既有研究来看，关于交通基础设施效率的研究成果并不丰富，且局限于效率的测度与评价[2-4]，未深入研究相关收敛趋势。鉴于此，文章采用SBM模型与Malmquist指数计算“一带一路”沿线区域交通基础设施的静态与动态效率，并借助收敛模型进行分析。

2 研究区域、数据处理与模型选择

2.1 研究区域概况

当前国内“一带一路”沿线地区涉及省区市共18个，包括丝绸之路经济带圈定区域与21世纪海上丝绸之路圈定区域，分别为上海、福建、广东、浙江、海南、辽宁、吉林、黑龙江、重庆、云南、西藏、广西、陕西、甘肃、青海、宁夏、新疆、内蒙古。根据各地区的地理位置特点可以划分为东部、东北、西南、西北四个区域。

2.2 交通基础设施效率评价指标体系

基于投入产出理论，投入指标的选择应当尽量全面，同时产出指标需要与投入指标有较为严格的因果关系。综合现有的研究基础，并依据数据的重要性与可获取性原则，建立交通基础设施效率评价指标体系，见表1。

2.3 模型选择

2.3.1 SBM模型

数据包络分析（DEA）是以相对概率概念为基础发展起来的，其可对同一类型的决策单元相对效率进行评价，传统的DEA模型主要分为CCR模型与BCC模型，国外学者在其基础上进行了改进，提出了SBM模型。SBM模型考虑了松弛变量从而降低其测量误差，并将非期望产出对效率值的影响纳入考量，能够更加精确地进行效率评价。

2.3.2 Malmquist指数

综合当前各领域对于效率研究方法的选择，Malmquist指数是应用频率较高的一种方法。通过将Malmquist指数的一种非参数线性规划法与数据包络分析法（DEA）相结合，能够测算效率处于时间序列的动态演化过程，并可以将其分解为技术效率、技术进步、纯技术效率与规模效率，以此来进一步观察影响效率变化的主要因素。Malmquist指数用于分析从t期到t+1期的效率变化情况，当指数大于1时，说明效率在增长，反之则降低。

2.3.3 收敛性检验

σ收敛、绝对β收敛是研究收敛性的重要方法。在文章的σ收敛检验中，σ表示各省Malmquist指数的标准差，如果该数值随时间推移逐渐变小，则表明存在σ收敛。构建公式如下：

σt= 1m∑mi=1（tpfchit－tpfchit————）

式中，i为区域内的省份；m为区域内省份的个数；t为时间趋势项；tpfchit代表i地区第t期Malmquist指数值。

绝对β收敛可以用来分析效率是否会随着时间的推移收敛于相同稳定的水平。绝对β收敛模型为：

1Tln（tpfchit/tpfchi0）=α+βln（tpfchi0）+εit

式中，T为时间跨度；α为常数项；β为绝对β收敛系数；εit为随机误差项，若系数β小于0且通过显著性检验，说明存在绝对β收敛。

3实证分析

3.1“一带一路”沿线地区交通基础设施效率静态分析

基于SBM模型，使用DEA-Solver Pro 5.0软件测算各省区市2013—2021年交通基础设施效率均值，得到表2。效率最高的五个地区为上海、浙江、海南、广东、西藏，达到1.0。青海、新疆与黑龙江地区效率低于0.2，整体差异较大。从区位视角来看，效率的高低表现为东部>西南>西北>东北，其中，东部地区交通基础设施效率遥遥领先，这得益于其良好的地理位置与较高的经济发展水平。

3.2 “一带一路”沿线地区交通基础设施效率动态分析

Malmquist指数的分析结果与上一年指标效率的变化程度有关。当指数大于1时，表明当前年份效率较上年实现了增长。在静态分析的基础上，通过DEAP 2.1软件测算2013—2021年Malmquist指数及分解值，见表3和图1。

从表3来看，18个省区市的Malmquist指数平均值为1.014，交通基础设施动态效率总体呈增长趋势。其中，上海、福建、广东、海南、重庆、云南、西藏、广西、青海呈现正增长，其余地区则呈现负增长。由Malmquist指数分解得出，技术进步均值为1.087，增长率为8.7%，技术效率、纯技术效率为负增长，规模效率不变，为1.0。这表明技术进步是拉动交通基础设施效率增长的重要因素。

由图1可知，西南地区动态效率在2018年之前缓慢上升，随后迎来一次骤降，原因在于2019年西藏自治区投入指标交通运输业就业人员数较上一年增幅较大，但各产出指标值没有较大变动，造成了区域动态效率的下降。东部地区在2018—2019年有一次波动，原因在于2019年海南省产出指标货物周转量较上一年有较高的增长，拉动了区域动态效率的上升。其余时间各区域Malmquist指数变化较为平缓，在2019—2020年出现一次下降，是由于新冠肺炎疫情的暴发对我国交通运输业发展造成了冲击。

3.3 收敛性分析

3.3.1 σ收敛分析

“一带一路”沿线区域σ收敛检验见表4。东北地区内部差异最小，西南地区内部差异最大。笔者分析σ值变化趋势可知，除东北地区外，研究期内“一带一路”沿线区域交通基础设施效率σ值均存在相似的收敛趋势，表现为时期1至时期2下降，时期2至时期6上升，时期6至时期8下降。东北地区σ值在时期1至时期7上升。分析可得：2019年后，整体以及各区域间具有σ收敛趋势。

3.3.2 绝对β收敛分析

由表5可得，无论是对整体还是分区域进行绝对β收敛检验，得到的系数值都小于0，且通过了1%的显著性检验。这说明“一带一路”沿线地区交通基础设施效率存在绝对β收敛，即各地区交通基础设施效率都趋于同一稳态水平。在环境资源利用条件相同时，交通基础设施效率较低的地区对效率较高的地区具有“追赶效应”，各地区间的差異会随着时间的推移减少或消失。

4 结论

文章研究对象为“一带一路”沿线18个省域，并进一步将其划分为东部、东北、西南与西北地区，基于SBM模型与Malmquist指数，计算并分析了各地区交通基础设施效率的静态值与动态值，最后进行收敛性检验，得出以下结论。

第一，“一带一路”沿线地区交通基础设施效率的高低表现为东部>西南>西北>东北，各省之间的差异性明显，东北地区有较大的提升空间。

第二，研究期间内各省的交通基础设施动态效率整体呈现增长趋势，其增长的主要动力源于技术进步。

第三，“一带一路”沿线地区交通基础设施效率具有σ收敛趋势，同时呈现出绝对β收敛。

参考文献：

[1]刘卫东.“一带一路”战略的科学内涵与科学问题[J].地理科学进展，2015，34（5）：538-544.

[2]李忠民，夏德水，姚宇.长江经济带交通基础设施效率分析——基于DEA模型的Malmqusit指数方法[J].技术经济，2014，33（7）：62-68.

[3]董洪超，蒋伏心，路璐.基于DEA模型的江苏经济发展中交通基础设施的效率研究[J].经济问题探索，2017（10）：80-87.

[4]周业旺，罗芳.环境约束下的湖北省交通基础设施效率测度[J].统计与决策，2019，35（9）：95-97.