Transport Research >

2023 , Vol. 9 >Issue 1: 1 - 8

DOI: https://doi.org/10.16503/j.cnki.2095-9931.2023.01.001

Total Factor Productivity of Expressway Network Scale

  • ZHOU Jian , 1 ,
  • CHAI He-yao 2 ,
  • RONG Yao-hua , 2 ,
  • SUN Miao-zhen 2 ,
  • GAO Ya-ling 2
Expand
  • 1. Information Center, China Academy of Transportation Sciences, Beijing 100029, China
  • 2. Faculty of Science, Beijing University of Technology, Beijing 100124, China

Received date: 2021-10-25

  Online published: 2023-03-08

Fold

Abstract

In order to improve the level of expressway service for socioeconomic development, the TFP(Total Factor Productivity) of expressway network scale in 30 provinces, municipalities directly under the central government and autonomous regions in China except Tibet, Hong Kong, Macao and Taiwan were dynamically calculated based on the DEA-Malmquist index model. Using the DEA-Malmquist index model, this paper described the dynamic change of TFP of expressway network scale, and subdivided it into three aspects: pure technical efficiency change, scale efficiency change and technological progress, so as to provide a reference for exploring the causes of TFP changes. The results showed that the TFP of expressway network scale in China maintained a good development trend in general, among which technological progress was the main reason for the growth of TFP. During the investigation period, TFP of almost all provinces, municipalities directly under the central government and autonomous regions increased to varying degrees, with the average TFP of 1.037 and the standard deviation of 0.025. There were certain differences in TFP between different regions. During the survey period, the average TFP in the western region was the highest, followed by the eastern region, and there was a large room for improvement in the central and northeast regions.

Key words： expressway network scale; socioeconomic adaptability; TFP (Total Factor Productivity); DEA-Malmquist index; technological progress

Cite this article

ZHOU Jian , CHAI He-yao , RONG Yao-hua , SUN Miao-zhen , GAO Ya-ling . Total Factor Productivity of Expressway Network Scale[J]. Transport Research, 2023 , 9(1) : 1 -8 . DOI: 10.16503/j.cnki.2095-9931.2023.01.001

0 引言

交通运输业是国民经济中基础性、战略性、先导性产业，也是重要的服务行业。高速公路作为交通运输行业服务经济社会发展的重要抓手，其重要性更加凸显。它不仅能拓宽地理范围，促进商品经济发展，增大经济自由度，更能带动沿线土地开发，为经济社会发展提供重要保障。高速公路在快速发展的同时也存在一些需要关注的问题，尤其是高速公路规模增长与经济社会产出增长的适应性问题。目前我国高速公路与经济社会尚未完全实现协同发展，高速公路存在超前建设的现象，这直接导致部分资源浪费，不利于可持续发展。
高速公路与经济社会的协同发展具体表现为两方面：一是高速公路的运输能力能够有力地促进经济增长和社会进步；二是高速公路网未来的规划建设与经济社会发展趋势相互协调。很多学者对高速公路、公路交通与经济社会间的相互作用关系进行了较为深入的研究。其中，刘奕等人[1]把高速公路在规划建设及可持续发展中与经济社会基础及未来发展趋势之间相互协调和制约的关系定义为高速公路经济社会适应性；王利利[2]将公路网规模与社会经济的相互影响概括为两方面，一方面是区域公路交通的发展水平与区域社会经济发展的特定阶段水平相适应，另一方面是区域公路网的发展规划与社会经济的发展规划相适应。但由于高速公路系统与经济社会系统之间关系的复杂性，合理选择高速公路网规模与经济社会适应性评价模型具有一定难度。数据包络分析（Data Envelopment Analysis, DEA）由于具有以下优点而被国内外学者广泛采用：一是无需确定生产函数的具体形式；二是不要求决策单元满足投入成本最小化或利益最大化的假定条件；三是可研究多维投入多维产出的评价问题。有学者以广东省[3]、陕西省[4]、湖南省[5]为例，基于数据包络分析模型测算公路运输效率，分析了区域公路建设与经济社会发展之间的相互影响。还有一些学者将DEA模型与层次分析法（Analytic Hierarchy Process, AHP）[6-7]、优劣解距离模型（DEA-Technique for Order Preference by Similarity to an Ideal Solution, DEA-TOPSIS）[8]相结合对公路交通与经济社会协调度进行了研究。上述研究丰富了高速公路或公路评价理论，但这些研究均是静态分析高速公路网规模与经济社会发展适应性问题，忽略了动态变化。还有一些研究利用DEA-Malmquist指数方法对一定时期内高速公路生产率水平的变化进行动态分析，如利用DEA-Malmquist指数度量贵州省[9]、长三角地区[10]以及全国[11-12]的公路或高速公路运输全要素生产率（Total Factor Productivity, TFP）的动态变化，进一步将TFP增长分解为纯技术效率变化、规模效率变化和技术进步，从而找出提高TFP的有效途径[13]。
综上所述，现有文献主要采用DEA-Malmquist指数动态分析公路运营绩效或高速公路经营效益的TFP，为研究我国高速公路网规模TFP相关问题提供了重要参考。但仍存在一些问题有待进一步研究：一是系统性研究尚待完善，大多数文献探讨的是公路交通运输效率的TFP，而随着我国经济发展进入新时代，高速公路在推动社会进步、保障国家安全的同时，对区域经济发展和空间格局演化具有重要作用，需要着重分析高速公路网规模与经济社会全要素生产率；二是大多数文献研究对象局限于某一地区公路运输，鲜有文献从宏观角度研究新时期省际高速公路网规模TFP变动情况。因此，本文从时间和空间两个维度，结合DEA-Malmquist指数对省际高速公路网规模TFP进行深入剖析，从技术进步、规模效率和纯技术效率三个方面找出制约高速公路网规模发展的主要因素，解决当前经济发展背景下投资拉动发展问题，以期为相关部门决策提供参考。

1 高速公路网对经济社会的作用机理

交通运输作为服务于经济社会发展的基础性、先导性产业，从质量、结构等多方面与经济、社会、资源环境之间存在动态协调、制约关系。因此，高速公路网规模的经济社会效益可进一步阐述如下。
一是高速公路与经济发展之间的关系。高速公路建设对国民生产总值的增加以及经济增长具有积极的促进作用。一方面，高速公路投入使用后，因交通条件改善，使得运输成本降低，带来直接经济效益；另一方面，随着高速公路网规模增大，区域经济的影响力得到提升，区位条件得到改善，区域产业结构得到优化，产生了一系列的间接经济效益。
二是高速公路与社会发展之间的关系。高速公路对社会发展整体所产生的影响，是通过它与社会再生产环节之间的技术经济联系和交互作用来实现的。高速公路建设能够扩大中心城市对周边城镇的影响辐射范围，使不同空间的闲置生产要素得到高效利用，促进了区域之间的专业化协作和劳动分工，满足了社会进步的需要。
三是高速公路与资源环境之间的关系。高速公路网规划过程中要因地制宜，根据环境保护政策和该地区的地理资源分布状况，达到环境污染最小化和资源利用最大化目标，同时要与该区域产业聚集、产业结构、生产力布局相协调[6]。应保证高速公路网规划能支持该地区经济社会可持续发展，充分贯彻绿色发展理念，使得交通运输设施物尽其用，最大程度地节约集约利用土地，优化资源配置。
四是高速公路与交通运输之间的关系。作为综合交通运输体系的重要组成部分，区域高速公路网的规划建设要结合自身运输需求进行。这是由于地区经济发展会带来旺盛的客运、货运需求，而运输需求的增加对高速公路网规模提出了更高的要求。在确定高速公路网投资建设规模时，应“量需而行”，从交通供给与需求平衡的角度，合理确定高速公路建设规模[1]。

2 高速公路网规模TFP指标体系构建

2.1 DEA-Malmquist指数模型

DEA的基本思想为构建有效生产前沿面，度量各决策单元与生产前沿面的距离，从而得到各决策单元相对效率值。一般DEA模型是测算同一时期不同决策单元的静态效率，而DEA-Malmquist指数模型是对各个决策单元不同时期数据的动态效率分析。处理面板数据时，如果使用一般模型，可能忽略技术进步对TFP的贡献。而DEA-Malmquist指数方法不但能够刻画TFP的动态变化，而且能够将其细分为纯技术效率变化、规模效率变化和技术进步变化三方面，从而为找到TFP变化成因提供参考。
DEA-Malmquist指数是基于距离函数构造的，距离函数的计算使用DEA方法。结合面板数据计算TFP的变化程度，可分解为技术效率变化率（Change of Technical Efficiency, TEC）和技术进步率（Technological Progress, TP），即TFP=TEC×TP。TEC是指不同时期决策单元的实际产出水平与各时期生产前沿面的距离之比，而TP表示不同时期生产前沿面的移动，即相同投入与不同时期的最优产出水平之比。本文中，TP表示高速公路发展技术水平变化情况，而TEC反映现有生产能力的利用水平。常用的TFP指数描述方式如下：
M ( x t ,   y t ,   x t + 1 ,   y t + 1 ) = D t ( x t + 1 ,   y t + 1 ) D t ( x t ,   y t ) · D t + 1 ( x t + 1 ,   y t + 1 ) D t + 1 ( x t ,   y t ) 1 2
式（1）中： D t ( x t ,   y t ), D t ( x t + 1 ,   y t + 1 )分别表示以t期的技术为参考时，t期和t+1期的决策单元的距离函数； D t + 1 ( x t ,   y t ), D t + 1 ( x t + 1 ,   y t + 1 )分别表示以t+1期的技术为参考时，t期和t+1期决策单元的距离函数；M为全要素生产率指数，M>1说明生产率水平提高，M=1说明生产率水平不变，M<1说明生产率水平下降。
DEA模型包括两种常见假设：分别为规模报酬不变 （Constant Returns to Scale, CRS）和规模报酬可变 （Variable Returns to Scale, VRS）。CRS允许收益随规模增加而无限增加，而VRS假设边际收益可变，即收益不会随着规模增加而无限增加，往往更符合实际。VRS假设下的DEA模型被称为BCC模型。鉴于30个省 （直辖市、自治区） 高速公路网规模差异较大，且产出指标并不会随规模增大而无限增加，故BCC模型更适合本研究。
综上所述，本文选用BCC-Malmquist模型进行后续分析。在BCC-Malmquist模型下，由于规模报酬可变，TEC可以分解为纯技术效率变化（Pure Technical Efficiency Change, PTEC）和规模效率变化（Scale Efficiency Change, SEC）。即在规模报酬可变的情况下，TFP=PTEC×SEC×TP。因此，全要素生产率可分解为规模效率变化、纯技术效率变化以及技术进步。

2.2 数据来源和指标体系构建

本文数据主要来源于2011—2019年《中国统计年鉴》以及中国碳核算数据库（CEADs）。由于未获得西藏自治区、港澳台的碳排放量数据，本文将研究全国除西藏、港澳台以外的30个省（自治区、直辖市）高速公路网规模的TFP。
根据高速公路网对经济社会发展的作用机理，借鉴文献[14]建立的指标体系，本文遵循目的性、科学性、系统性、可操作性等原则，构建适应性评价指标体系。高速公路和经济社会是两个互为输入输出的复杂系统，因此需要从多个维度来分析二者关系的影响因素。
高速公路网规划建设应满足经济社会发展需要，与经济社会发展相适应。本文从高速公路系统出发，选择高速公路网的综合密度[6]和公路客货运周转量等与规模相关的指标作为投入指标，用来衡量各个地区高速公路发展水平。其中，公路客货运周转量指标是将公路旅客周转量和公路货物周转量换算成同一单位后求和，换算方式为“10人公里=1吨公里”。
本文从经济发展、社会进步、资源环境和交通基础四方面来构建产出指标体系，包含各省（自治区、直辖市）的人均GDP[15]、投资消费出口综合指标（Invest, Consume and Output, ICO）、城镇化水平[5,15]、人口密度[14]、碳排放量[16]、公路客货运量和民用汽车拥有量等指标。其中，ICO的计算是以支出法核算的GDP中我国近十年投资、消费、出口占GDP的平均比重作为权重，依次为43%, 53%和21%。各省（自治区、直辖市）的人均GDP和ICO作为经济发展方面的指标，用以度量高速公路投入使用后带来的经济效益提升[14]；城镇化水平和人口密度作为社会进步方面的指标，体现了高速公路建设对区位发展的影响，碳排放量这一非期望产出[16]作为资源环境方面的指标，反映了交通运输对环境的负外部性影响，因此借鉴Seiford等人[17]对非期望产出的处理方法，利用单调递减转换，保持原有规划模型的线性和凸性；公路客货运量和民用汽车拥有量作为交通基础方面的指标，体现了从交通供给与需求平衡的角度合理确定高速公路建设规模，满足旅客出行需求和货物运输需求。

3 高速公路网规模TFP评价模型

3.1 不同省份高速公路网规模TFP分析

本文基于BCC-Malmquist指数模型，利用DEAP2.1软件测算2010—2018年我国除西藏、港澳台以外的30个省（自治区、直辖市）高速公路网规模的TFP指数及其分解指标。
2010—2018年我国总体的高速公路网规模TFP指数及其分解指数如表1所示。
表1 我国高速公路网规模TFP指数及其分解指数
年份 TP PTEC SEC TFP
2010—2011 1.050 0.998 0.991 1.038
2011—2012 1.036 1.005 1.002 1.043
2012—2013 1.138 0.983 1.009 1.129
2013—2014 1.031 0.990 1.062 1.083
2014—2015 0.969 0.999 1.002 0.969
2015—2016 0.998 1.002 0.993 0.993
2016—2017 1.039 0.996 1.000 1.035
2017—2018 1.013 1.001 1.001 1.014
均值 1.034 0.997 1.007 1.038
由表1可知，2010—2018年我国高速公路网规模TFP指数总体保持正向发展态势，年均增长率为3.8%，其中TP和SEC年均增长率分别为3.4%和0.7%，而PTEC则下降了0.3%，表明我国高速公路网规模的TFP增长主要是技术进步和规模效率共同作用的结果。另外，TP的年均增长率明显高于TEC和SEC的增长率，这说明技术进步是促进我国高速公路网规模与经济社会适应性水平提升的主要原因。表1显示，2014—2015年和2015—2016年TP均小于1，表明我国当年技术水平略低于前一时期，间接导致TFP水平下降。PTEC和SEC在2015—2018年没有明显变化，而TP逐年增长。这主要是由于近年来各省（自治区、直辖市）制定了科学的高速公路发展规划并不断创新管理制度，以满足高速公路发展需求，但短时间内人力资源和自然资源无法很好地满足高速公路发展的需要，一定程度上制约了高速公路网规模效率的提升。
表2展示了2010—2018年各省（自治区、直辖市）高速公路网规模TFP指数及其分解指数的均值。
表2 2010—2018年各省（自治区、直辖市）高速公路网规模TFP指数及其分解指数均值
行政区 TP PTEC SEC TFP
北京 1.001 1.000 1.000 1.001
天津 1.018 0.997 1.019 1.034
河北 1.068 1.000 1.004 1.072
山西 1.010 0.987 1.031 1.027
内蒙古 1.023 1.000 1.015 1.037
辽宁 1.024 1.008 1.005 1.038
吉林 1.041 0.986 0.981 1.007
黑龙江 1.034 0.982 1.022 1.037
上海 1.000 1.000 1.000 1.000
江苏 1.038 1.001 0.999 1.038
浙江 1.048 0.997 1.029 1.075
安徽 1.013 1.000 1.007 1.020
福建 1.038 0.993 1.003 1.034
江西 1.031 1.000 0.995 1.026
山东 1.033 1.000 1.026 1.060
河南 1.048 1.025 0.998 1.072
湖北 1.038 0.985 1.002 1.025
湖南 1.038 0.995 0.969 1.001
广东 1.010 1.000 0.980 0.991
广西 1.035 0.997 1.000 1.032
重庆 1.031 0.995 1.013 1.039
海南 1.030 1.000 1.000 1.030
四川 1.039 1.003 0.997 1.039
贵州 1.050 0.990 0.991 1.031
云南 1.044 0.991 1.003 1.038
陕西 1.046 0.997 1.018 1.061
甘肃 1.043 0.994 1.032 1.070
青海 1.032 0.999 1.001 1.032
宁夏 1.043 0.993 1.067 1.105
新疆 1.050 0.988 1.012 1.050
均值 1.033 0.997 1.007 1.037
标准差 0.015 0.008 0.018 0.025
变异系数 0.015 0.008 0.018 0.024
由表2可知，在考察期内，大多数省（自治区、直辖市）的高速公路网规模TFP指数均值均大于1，即TFP年均增长率均大于0，表现出明显的增长态势，其标准差为0.025，这表明不同省份的TFP变化差异不大，其中TFP增幅最大的是宁夏回族自治区，年均增长率为10.5%，表现为由TP, PTEC和SEC共同推动。宁夏作为西部少数民族地区之一，1997年之前受经济发展水平限制，高速公路发展相对缓慢。随着《国家公路网规划（2013年—2030年）》的提出，为完善国家高速公路网布局，宁夏境内规划了5条主线和3条联络线。高速公路的适度建设有力地促进了宁夏经济社会发展，为TFP的大幅提升创造了良好的交通运输条件。广东省的TFP表现出微弱的下降趋势，这是由于广东省高速公路规模大且高速公路的经济社会辐射效应具有一定的滞后性。截至2020年底，广东省高速公路总里程为10 690km，居全国首位。
从TFP分解指数来看，相对于PTEC和SEC，几乎所有省份的TP均值都大于1，这表明技术进步是TFP增长的一个重要原因。具体来看，考察期内不同省份高速公路网规模TFP增长的原因不尽相同：北京、河北、内蒙古、辽宁、上海、安徽、山东、海南表现为TP, PTEC和SEC共同驱动；吉林、湖南、贵州表现为TP的促进作用；其余省份表现为TP, PTEC或SEC的双因素驱动。
为了从投入产出视角分析各省（自治区、直辖市）TFP变动成因，本文计算了2010—2018年各省（自治区、直辖市）投入产出指标的平均松弛量（见表3）。
表3 2010—2018年各省（自治区、直辖市）投入及产出指标平均松弛量
地区 投入松弛量 产出松弛量
公路客货运周转量/万t 高速公路网综合密度
/（km·km-2）		 人均GDP
/元		 公路客货运量/万t 城镇化
水平		 碳排放量
/万t		 ICO 民用汽车拥有量/万辆
北京 0.000 0.000 0 0.000 0.000 0.000 0.000 0.000
天津 0.004 0.085 265 0.005 0.000 4.854 0.040 35.289
河北 0.114 0.001 389 0.039 0.041 1.366 0.130 6.980
山西 0.001 0.000 446 0.000 0.008 38.574 0.080 52.269
内蒙古 0.001 0.000 81 0.000 0.000 0.663 0.000 0.000
辽宁 0.000 0.000 238 0.000 0.001 6.105 0.004 29.768
吉林 0.013 0.000 371 0.019 0.006 0.000 0.001 62.351
黑龙江 0.003 0.000 333 0.008 0.000 5.224 0.000 16.684
上海 0.000 0.016 83 0.000 0.000 0.000 0.009 13.356
江苏 0.000 0.035 374 0.005 0.008 4.964 0.000 42.581
浙江 0.000 0.011 243 0.001 0.016 0.834 0.013 19.068
安徽 0.039 0.061 264 0.000 0.016 0.000 0.069 39.940
福建 0.003 0.000 397 0.015 0.011 0.000 0.000 65.145
江西 0.013 0.000 327 0.000 0.028 0.000 0.010 33.163
山东 0.016 0.263 272 0.010 0.035 48.534 0.009 15.124
河南 0.091 0.449 228 0.000 0.050 0.000 0.028 3.353
湖北 0.050 0.195 375 0.008 0.114 0.000 0.000 27.058
湖南 0.005 0.048 201 0.000 0.011 0.000 0.016 24.920
广东 0.000 0.001 300 0.000 0.000 2.915 0.025 40.785
广西 0.019 0.000 182 0.000 0.011 0.000 0.021 28.709
海南 0.000 0.059 119 0.000 0.001 0.000 0.003 4.960
重庆 0.000 0.005 133 0.000 0.010 0.000 0.005 5.665
四川 0.001 0.000 47 0.000 0.003 0.000 0.006 13.170
贵州 0.003 0.005 411 0.000 0.166 10.356 0.106 51.041
云南 0.011 0.000 346 0.004 0.115 1.084 0.054 21.623
陕西 0.011 0.000 490 0.000 0.000 16.426 0.068 48.370
甘肃 0.006 0.000 243 0.000 0.069 0.000 0.021 15.209
青海 0.001 0.001 32 0.000 0.000 0.000 0.000 0.000
宁夏 0.003 0.000 68 0.000 0.008 0.000 0.064 7.996
新疆 0.001 0.001 42 0.000 0.000 0.000 0.000 3.205
表2显示考察期内广东省的TFP表现出微弱下降趋势，由表3可以分析得出，这是由于部分产出指标仍存在一定的提升空间，特别是人均GDP和民用汽车拥有量松弛量较大，这也表明高速公路的经济社会辐射效应具有一定的时滞性。宁夏回族自治区在考察期内TFP增幅最大，既无投入冗余，又不存在产出不足。

3.2 不同地区高速公路网规模TFP分析

为考察区域间TFP的差异和变化特点，以及TFP增长的成因，本文参考《中国统计年鉴》，将研究对象分为东、中、西、东北四个地区①(①依据《中国统计年鉴》对我国地区的划分，东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南等10个省市；中部地区包括山西、安徽、江西、河南、湖北、湖南等6个省；西部地区包括四川、新疆、内蒙古、青海、云南、重庆、贵州、陕西、甘肃、广西、宁夏等11个省、自治区；东北地区包括东三省，即辽宁、吉林和黑龙江。)，测算了各地区的高速公路网规模TFP指数及其分解指数，结果如表4所示。
表4 2010—2018年不同地区的高速公路网规模TFP指数及其分解指数
地区 指标 TP PTEC SEC TFP
东部 均值 1.028 0.999 1.006 1.033
标准差 0.020 0.002 0.014 0.028
变异系数 0.020 0.002 0.014 0.027
中部 均值 1.030 0.999 1.000 1.028
标准差 0.014 0.013 0.018 0.022
变异系数 0.013 0.013 0.018 0.021
西部 均值 1.040 0.995 1.014 1.048
标准差 0.008 0.004 0.020 0.022
变异系数 0.008 0.004 0.020 0.021
东北 均值 1.033 0.992 1.003 1.027
标准差 0.007 0.012 0.017 0.014
变异系数 0.007 0.012 0.017 0.014
由表4可以看出，东、中、西、东北地区TFP的变化具有以下相似特点：①全要素生产率均表现出正的增长态势，四地区年均增长率分别为3.3%, 2.8%, 4.8%和2.7%；②变异系数相对较小，四地区的变异系数均小于0.03，说明各地区内部的TFP, TP, PTEC和SEC之间差异不明显；③TFP增长均表现为技术进步和规模效率共同驱动，四地区TP年均增长率分别为2.8%, 3%, 4%和3.3%；④PTEC呈小幅下降态势，四地区年均下降幅度均不超过1%。
同时，四地区的TFP也表现出明显差异。其中，西部地区TFP增长最快，主要得益于国家相关政策支持。近年来西部地区公路建设突飞猛进，在新增里程方面，由《2017年交通运输行业发展统计公报》[18]可知，2017年西部地区高速公路新增里程数达4 673km，占全国新增总里程的69.5%，而东部、中部地区新增里程仅分别为1 196km和852km；在投资方面，交通运输部统计数据显示，2020年西部地区公路交通固定资产投资完成额为10 460亿元，占全国公路总投资额的46.3%，西部地区交通运输行业发展所带来的经济增长和创新资源是其TFP高于其他地区的一个重要原因。东部地区无论是科学文化水平还是科技创新能力都明显高于其他三个地区，加之高速公路规划建设与经济社会发展水平适应度更好，提高了东部地区的TFP水平。在中部崛起等重大战略背景下，中部地区生产力发展和技术水平进步明显，使得TFP保持增长态势，但速度仍明显低于西部地区。东北地区的TFP指数增长最慢，主要原因是PTEC偏低。

3.3 政策建议

为促进高速公路更好地为我国经济社会发展赋能，结合前文对高速公路网规模TFP指数及其分解指数的分析结果，提出以下政策建议。
一是进一步强化科技创新在推动高速公路发展中的关键作用。研究结果显示，技术进步是高速公路网规模TFP增长的主要原因。因此，科技创新是推动高速公路发展的主导力量，通过科技创新，能够推动高速公路发展由依靠传统要素驱动向创新驱动转变。因此，建议在推动高速公路发展过程中，更加注重科技创新投入，把科技创新放在更加突出的位置，特别是加强高速公路新基建发展，强化5G、大数据、人工智能、车路协同等新技术在高速公路建设、管理、养护、运营、服务中的深度应用，让高速公路成为交通新基建的主力军和主战场。
二是加大对中部地区、东北地区高速公路发展的政策支持力度。为更好地服务乡村振兴、助力共同富裕、推动区域协调发展，建议在继续大力支持西部地区高速公路发展的同时，统筹平衡区域之间的政策，适当加大对中部地区、东北地区的政策倾斜，着力提高要素投入，注重高速公路沿线资源开发利用，发展路衍经济，更好助力西部大开发、中部崛起、东北振兴等重大战略实施。
三是适度超前开展高速公路建设。交通基础设施尤其是高速公路是经济社会发展的重要支撑，对沿线经济发展具有重要带动作用，对保障国家安全、服务构建新发展格局、扩大内需等都具有重大意义。建议各地区结合实际需求，综合考虑未来潜力和冗余度，在把握好超前建设尺度的前提下，重点布局建设有利于引领产业发展和维护国家安全的高速公路，加大高速公路及充电桩等配套基础设施建设，更好地发挥投资对经济增长的拉动作用。

4 结语

为进一步发挥高速公路在加快建设交通强国中的支撑作用，本文从全要素生产率视角，建立了多维度投入产出指标体系，利用BCC-Malmquist指数模型对我国除西藏、港澳台以外的30个省（自治区、直辖市）高速公路网规模TFP进行了系统分析。结果表明：我国高速公路网规模TFP总体保持较好发展态势，其中技术进步是TFP增长的主要原因，规模效率也起到了一定的正向拉动作用；分区域看，东部、中部、西部、东北地区TFP的变动既有相似之处，也表现出明显的差异，其中西部地区TFP增长最快，东部地区次之，中部和东北地区TFP增长相对较慢，有较大提升空间。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
刘奕, 石良清, 贾元华. 基于经济适应性的高速公路合理规模预测研究[J]. 交通运输系统工程与信息, 2010, 10(3):1-6.

[2]
王利利. 基于数据包络法的公路网规模与社会经济发展适应性研究[J]. 新疆交通运输科技, 2017(6):73-75.

[3]
张丽娟, 杨瑞环, 许薛军, 等. 基于DEA公路网体系的经济发展适应性研究[J]. 公路工程, 2019, 44(2):185-189,193.

[4]
旷思琪. 陕西省公路基础设施建设与区域经济发展关系研究[D]. 西安: 长安大学, 2019.

[5]
莫振涛. 湖南省区域规划视角下公路交通基础设施与区域经济发展时空关系研究[D]. 长沙: 长沙理工大学, 2018.

[6]
孙淑勤. 基于DEA的公路交通与经济社会适应性研究[J]. 公路交通科技(应用技术版), 2011, 7(8):363-365.

[7]
陈亚, 安庆贤, 刘晶. 基于DEAHP模型的湖北高速公路社会经济适应性评价[J]. 公路, 2010(1):88-93.

[8]
朱克毓, 赵爽耀, 杨善林. 基于DEA-TOPSIS方法的高速公路运营与区域经济发展评价研究[C]// 第十届(2015)中国管理学年会论文集. 合肥: 中国管理现代化研究会,复旦管理学奖励基金会, 2015:1-10.

[9]
汪威. 基于DEA-Malmquist指数的贵州高速公路运输效率评价与时空演变特征分析[J]. 荆楚理工学院学报, 2020, 35(6):5-10.

[10]
张璐璐, 吴威, 刘斌全. 基于DEA-Malmquist指数的长江三角洲地区公路交通运输效率评价与分析[J]. 中国科学院大学学报, 2017, 34(6):712-718.

[11]
梁永平, 李涛. 高速公路上市公司经营绩效的评价及实证研究——基于VRS-BCC和Malmquist指数分析法的DEA-Tobit模型[J]. 数学的实践与认识, 2020, 50(22):263-272.

[12]
桑美英, 高洪伟. 我国交通运输业全要素生产率测算方法[J]. 交通运输研究, 2019, 5(6):61-68.

[13]
熊冰洁. 公路客运业的绩效评价研究[D]. 西安: 长安大学, 2017.

[14]
荣耀华, 高亚玲, 周健, 等. 基于视窗分析的高速公路网规模与经济社会适应性实证研究[J]. 交通运输研究, 2021, 7(6):11-22.

[15]
叶堃晖, 文静. 公路基础设施与经济社会发展水平适应性研究[J]. 项目管理技术, 2020, 18(6):13-18.

[16]
朱文娟. 基于DEA模型的高速公路合理规模研究[D]. 兰州: 兰州交通大学, 2018.

[17]
SEIFORD L M, ZHU J. Modeling undesirable factors in efficiency evaluation[J]. European Journal of Operational Research, 2002, 142: 16-20.

[18]
交通运输部. 2017年交通运输行业发展统计公报[R]. 北京: 交通运输部, 2018.

Options
Outlines

/

〈 〉