考虑多种非期望产出的公路运输业效率提升研究
许 皓 戚 波 刘宏伟 杨荣璐
安徽大学，安徽 合肥 230000
摘 要： 公路运输效率代表公路运输业的发展水平，公路运输发展水平直接影响我国社会经济发展。针对公路运输业效率，考虑多种非期望产出指标，采用基于松弛变量的SBM模型，评价分析中国30个省区2012—2016年间公路运输业有效性。同时，从节约能源消耗和减少污染排放角度，针对优化资源配置、提高资源利用率和减少公路非期望产出等方面，提出提高公路运输效率的相关建议。
关键词： 公路运输；非期望产出；SBM；效率
在国民经济持续发展和产业转型升级背景下，现代交通运输体系得到持续优化和完善。在我国政府一系列政策引导和支持下，中国公路交通发展建设成果显著。2013—2017年期间，中国公路里程以每年2.31%的速度持续增长。截至2017年末，中国公路总里程已经达到477.35万公里。在基础设施不断完善的同时，公路运输业服务社会经济发展的作用愈发显著。2014—2018年期间，我国公路运输业旅客运输量和货物运输量占运输行业总量平均比值分别为81.12%和76.06%① 数据来源：国家统计局官网。 ，可见公路运输在我国交通运输乃至国民经济发展中的重要程度。可见，研究公路运输业效率提升对现代综合交通运输体系发展甚至整个社会经济发展有深远影响。
公路运输业在为区域经济发展提供服务的同时，也会受到经济政策影响。为全面有效提高交通运输行业服务水平，加快供给侧结构性改革，促进我国经济持续发展，有必要对我国公路运输效率及其在区域之间的差异加以科学评价及研究，并对不同区域效率提升给出针对性建议。
为全面评价公路运输效率，除考虑传统效率评价指标外，本文还考虑将与公路运输相关的碳排放、安全事故和噪音污染等指标作为非期望产出纳入考量框架，以全国30个省区（未含西藏、香港、澳门和台湾）为研究对象，并划分为东、西、中部三个区域，评价我国2012—2016年间公路运输业运行效率，并提出不同区域公路运输效率提升建议。
一、国内外研究现状
已有文献对公路运输效率的研究，多使用数据包络分析方法（DEA）开展。在此基础上，不少文献相应拓展，即考虑空间相关因素、松弛变量、时空动态演化、共享投入系统等方面影响。
就公路运输效率而言，国外学者研究方向主要集中在政府对运输管制的影响、公路运输系统经济评价、运输最优路径选择和货运市场等方面。Jain等采用DEA方法研究城市交通轨道运输系统效率，指出私有化有利于运输效率提升[1]；Karlafti和Tsamboulas构建不同效率评价模型分析欧洲交通系统效率[2]，并比较分析不同模型结果；Levinson从不同角度构建相应指标模型分析运输效率[3]。相较于国外研究，我国在公路运输效率方面的研究较多，可分为区域运输效率和整体运输效率两方面。区域效率研究方面，李洁等结合超效率DEA模型，分析江苏省13个地市的公路运输业效率，发现中北部地区的效率低于南部地区[4]；侯向辉在构建有效性CCR-DEA模型基础上，从投入冗余和产出不足两个角度分析2000—2011年间安徽省公路运输效率，并指出资本投入和资源的扭曲消耗对公路运输效率有较大影响[5]；张璐璐等基于超效率DEA模型，评价2014年长三角地区16个城市公路交通运输业效率，结果表明南部地区明显高于北部地区[6]。在整体效率研究方面，吕坤利用DEA模型，分析我国各省市2003—2007年间公路运输业发展变化[7]。Liu等以我国31个省市为研究对象，通过构建平行DEA模型、SFA模型、CAR-DEA模型和Hicks-Moosteen TFP指数法等研究公路运输效率[8]。
（2）运输期望产出指标。公路运输业一般产出指标主要包括客货运量和周转量等，考虑到数据的代表性和整体性，本文最终选取各行政区域的公路旅客周转量（亿人公里）和公路货物周转量（亿吨公里）作为期望产出。
现场还有一块示范田，将南京农业大学的多项技术进行了集成应用，包括智能化育秧、秸秆绿色综合利用、机插—施肥—除草一体化、大田精确定量绿色智慧管理等技术，基本实现了全程机械化、绿色化、智能化生产，一个“智慧农场”的雏形已清晰可见。
在运输评价指标的选取上，既有文献未能同时考虑公路运输服务过程中出现的多种非期望产出，如道路安全事故、温室气体排放、道路噪音污染等，尤其是道路噪音监测，上述文献均未作为评价指标，未能结合环境技术效率综合科学地评价中国公路运输效率。有鉴于此，本文同时考虑多种非期望产出，以行政区域为研究对象，通过R语言和R-Studio软件测算不同区域的公路运输效率，并比较分析区域间效率差异。
二、研究方法与指标选取
（一）研究方法
在公式（4）中：Eco 2为能源消耗的CO 2排放量（万吨）；Ai 为第i 种类型的能源消耗量（万吨）；Ki 为第i 种能源的CO 2排放因子；HEi 为第i 种燃料的平均低位发热量；CCFi 为第i 种能源燃料的单位热值含碳量；COFi 为第i 种能源燃烧的碳氧化率；44/12为碳转换为CO 2的系数。
本文将我国30个行政区划分为东部、中部和西部三个区域② 东部：北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南；中部：吉林、黑龙江、山西、安徽、江西、河南、湖北、湖南、内蒙；西部：广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆。 ，以R-Studio软件实证分析2012—2016年公路运输投入产出相关数据，结果如表3、图2和图3所示。
随着人性化研究在产品领域的深入，越来越多的产品考虑到了用户的情感需求，但是对于智能婴儿产品今后的发展，要考虑到80、90后父母们的育儿新观念。他们追求独立、个性，更加注重自我实现。在带孩子的同时也不希望自己的身心受到太多束缚。婴儿产品的未来还有很大的发展空间，如何将技术与设计完美结合，给用户带来更好的体验，是我们今后要努力的方向。
由此，Input-Oriented SBM模型可表示为：
二是水安全的动态性或可变性。水安全是一个动态问题，任何国家和地区都会不断出现新的问题，而且水本身的流动性、循环性和水量的利害两重性，也使得水安全问题更为复杂多变。
式（3）中，
为效率值，
为与投入要素对应的松弛变量，
为与产出要素对应的松弛变量，
λj 为强度变量；xio ，yro 分别为决策单元DMUo 的投入变量、产出变量。当
，且
时，代表决策单元有效；当
，且
时，表示决策单元无效，需要改进。
（二）指标选取及核算
1.指标选取。DEA根据决策单元的投入和产出指标数据构建生产前沿面，并按照决策单元与前沿面关系判定其效率值。因此，科学合理地选择投入产出指标对有效评价决策单元效率至关重要。根据公路运输业实际情况，考虑公路运输社会环境影响，同时遵循指标数据选取的可获得性、相关性和一致性等原则，构建公路运输评价指标体系。如图1所示。
图1 公路运输体系评价指标框图
考虑公路运输行业整体特征，结合已有相关公路效率研究[15-18]，同时避免指标内部线性相关性，指标选取结果见表1。在考虑非期望产出的公路运输效率评价体系中，暂无选取道路噪音监测为非期望产出指标的研究。由于部分省份道路交通等效声级数据缺失，考虑到数据代表性、可获得性和实时性，本文主要选取省会城市作为噪音数据指标。
（1）运输投入指标。基于既有研究，从基础设施、资本资源、人力资源和能源资源四个方向出发，选取公路运输投入指标包括公路里程（万公里)、公路营运汽车客位数（万客位）、公路营运载货汽车吨位数（吨）、公路运输业就业人数（人）、汽油和柴油消耗（万吨）。
1.整体效率。由表3可以看出，公路运输效率在2012—2016年间整体呈上升趋势。2013年有15个省市公路运输效率达到最优，与2012年相比重庆、浙江效率达到最优，但内蒙古、广西和甘肃效率值从有效变为非有效。在2013—2014年间，辽宁、浙江、福建、山东、吉林、山西、广西、云南、陕西、新疆的效率值有小幅度下降。
就非期望产出方面的研究，刘心等使用非期望产出SBM模型，评价2012年我国28个省份的能源效率，并研究其节能减排的潜力[9]；刘云浪等以冶炼等10个行业2003—2012年间数据为样本，应用非期望产出DEA模型评价废水治理效率[10]；赵健采用DEA模型分析哈尔滨市水稻生产效率[11]；冯晨鹏等考虑多维度非期望产出，提出并改进非经向ZSD-DEA模型，研究我国30个行政区域的环境效率[12]；王腾等基于超效率SBM模型，研究2008—2016年间上海港的能源效率，结果表明能源效率值在2013年以前处于稳步上升状态，2014年起出现波动，并给出向电能节约转变等效率提升建议[13]。
（3）运输非期望产出指标。本文拟采用安全事故发生数（起）、直接财产损失（万元）、公路运输产生的二氧化碳排放量（万吨）以及道路交通等效声级dB（A）作为公路运输业的非期望产出指标，其中，由于公路运输碳排放量无直接统计数据，而公路运输业能源消耗以汽油和柴油为主，故本文采用交通运输业汽油和柴油消耗量测算公路运输碳排放量[19]。
称取60 mg标准品于2 mL离心管中，按照试剂盒说明书操作提取基因组DNA。利用QIAxpert测定所提DNA溶液浓度，并以A260/A280比值判断DNA的质量。DNA稀释至50 ng/μL备用。
2.指标核算转化。参考《省级温室气体清单编制指南》中以能源消耗量乘以其碳排放系数计算方法，针对公路运输中的碳排放问题，并结合相关碳排放量核算的研究文献[20-21]，根据《2006年IPCC国家温室气体清单指南》推荐方法，公式（4）为测算中国30个行政区域交通运输业的能源消耗碳排放量：
基于松弛变量的模型（Slacks-Based Measure，SBM）是由Tone提出，将松弛变量纳入目标函数中，解决径向和角度影响，具有单位不变性[14]。该模型有面向投入、面向输出和非径向三种导向不同的表达形式。结合研究内容及评价指标体系，本文选用以投入为导向的SBM模型。模型原理如下：假设道路交通运输系统中有n 个决策单元（DMU），每个DMU有m 种投入要素和s 种产出要素，分别用xj =（x 1j ，x 2j ，…，xmj ）T 和yj =（y 1j ，y 2j ，…，ysj ）T 表示DMUj 的投入和产出。可定义矩阵为：
表2中，HEi 参见《综合能耗计算通则 GB/T2589-2008》中附录A 数据，CCFi 和COFi 参照《省级温室气体清单编制指南》数据。上述参数具体取值见表2。
依据公式（4）及表2中的参数，即可计算出公路运输业能源消费的二氧化碳排放量。以上指标数据均来自于2013—2017年《中国统计年鉴》《中国能源统计年鉴》和《中国交通年鉴》。
表1 公路运输体系评价参数指标及相关研究
表2 碳排放计算参数
三、公路运输效率实证分析
（一）公路运输效率值分析
式（1）中：X ＞0，Y ＞0。在规模报酬不变情况下，生产可能集P 可定义为：
GB/T 13923―2006《基础地理信息要素分类与代码》标准（以下简称“民用分类代码”）规定了基础地理信息要素分类与代码，用以标识数字形式的基础地理信息要素类型，适用于基础地理信息数据采集、更新、管理、分发服务和产品开发，包括1∶500～1∶1 000 000比例尺的基础地理信息数据库建设与应用，各种专业信息系统的基础地理信息公共平台建设，不同系统间的基础地理信息交换与共享，以及数字化测图、编图和地图更新等。
从资产保护的角度看，要依照相关的法律法规保护农村集体经济组织成员的合法权利。就目前的发展现状来看，集体经济组织成员各项权益所受到的侵害主要出现在公共权利方面。各个成员之间的财产纠纷能够通过内部协调、行政机构仲裁以及民事诉讼来进行解决，一旦出现组织成员权利与政府公共权力不一致的情况，组织成员的利益极易受到侵害。故此，必须出台相应的法律法规，切实保护组织成员的财产安全。
由图2可知，2012—2016年期间，北京、天津、河北、上海、江苏、广东、海南、安徽、湖南、西川、贵州、青海、宁夏等13个省市平均公路运输效率达到最优。这些最优决策单元不仅有经济发达地区，也有经济发展相对滞后地区，如贵州、青海和宁夏等，说明我国政府采取的系列宏观经济调控取得相应成果。但辽宁、黑龙江、山西、云南、新疆平均效率值仍然偏低。其中，山西平均公路运输效率值最低为0.3118。此外，在2012—2016年各省市所有观测数据中，2012年山西省的公路运输效率值最低，仅为0.3118。
2.分区域效率。不同区域公路运输业效率表现存在较大差异，如图3所示。
2012—2016年间三大区域公路运输效率平均值变化整体呈上升趋势。其中，经济发展水平较好的东部地区平均效率最高，西部地区次之，中部地区最低。说明我国促进中西部地区经济发展和保护生态环境战略上取得一定成果，但仍需进一步完善。
此外，东西部地区公路运输平均效率处于全国平均水平之上，中部地区未达全国平均水平。东西部地区2014年运输效率有小幅度下降，中部地区2013年大幅度下降。各地区公路运输效率波动幅度不同，公路运输效率存在明显区域性差异，其中2013年差距最为明显。随着全国交通运输业的综合发展，区域间差异呈缩小趋势，尤其是2014年之后三大区域间效率值差大幅度缩小。
其中，λ =（λ 1，λ 2，…，λn ）T 为强度变量。
表3 2012—2016年全国30个省份公路运输业效率
（二）运输效率现状分析
1.整体分析。2012—2016年样本期间，我国公路运输效率整体呈上升趋势，多数地区于2014年有小幅度下降，可能与交通部在2014年初开始改革不无关系，在一定程度上影响公路运输业效率表现。公路运输服务受环境影响较大，此外，随着科技发展，现代交通运输网络系统得到不断优化和完善，在国家发布的一系列相关政策引导和支持下，公路运输业具有较好发展前景。
2.分区域分析。由于区域经济发展水平及环境的异质性，我国公路运输效率存在区域性差异。东部地区地处沿海，商贸体系发达、利用外资能力强，基础设施完善，公路运输需求较大，且限制非期望产出的环境规制较多，因此东部地区的公路运输效率值较高。中部地区属于内陆，资源技术水平较为落后，大量资金和人才涌向东部地区，环境规制较少。西部地区由于地势较高地貌多样，人口基数较小，资源矿产丰富，道路交通体系较为简单，且与中部地区相比公路运输系统中碳排放、安全事故、噪音污染等不良产出较少，因此公路运输效率值居中。西部地区应加强与中东部地区的联系，进一步开发资源，提升公路运输效率。中部地区人口众多，道路环境较为复杂，公路运输非期望产出难以得到及时治理，导致公路运输效率最低。但随着一带一路战略的推进和中部大开发战略实施，中部地区交通运输业近年来发展较快，应提高交通道路环境质量，优化交通运输网络，加强道路交通非期望产出治理，进而提升公路运输效率。
将硝酸镉和4,4′-二(1-咪唑基)苯硫醚混合,水热法合成了一个新的六核配合Cd(BIDPT)2(NO3)2·(H2O)2,并对其进行了结构分析和表征.镉离子通过4,4′-二(1-咪唑基)苯硫醚配体桥联成8字型一维链结构.硝基苯化合物对配合物的荧光性质有不同程度的淬灭作用对2,4,6-三硝基苯酚的检测具有很好的灵敏性.
图2 2012—2016年全国30个省市公路运输平均效率值
图3 分地区2012-2016年公路运输效率值变化趋势
（三）运输效率影响因素分析
结合既有文献[29]和本文实证结果，本文既考虑从正向角度，即从区域及替代竞争两个方面分析公路运输效率的影响因素，又考虑从非期望产出角度，即公路运输环境规制方面分析影响运输效率的因素。
1.区域因素。公路运输效率与地区发展水平存在相互促进关系。区域经济发展可以为公路基础设施建设提供技术、资金支持，公路运输效率提升可以有效促进经济发展。由于区域间经济发展水平存在差异，不同区域可以为公路运输提供的支持不同。这些差异会同时从规模与质量两个维度影响公路运输供给与需求，进而影响运输效率。
2.替代竞争因素。陆运主要分为公路与铁路运输。公路运输具有便捷、个性化服务等优势，是旅客出行的主要方式，占据客流运输量的90%。随着铁路运输，尤其是高速铁路的发展，公路远途客运量大大减少，在一定程度上影响公路运输效率。从竞争角度而言，铁路运输快速发展在一定程度上促使主管部门提升公路运输关注程度，采取相关措施以提高公路基础设施质量和服务技术水平，在一定程度上提升公路运输效率。
播前晒种2天，使种子含水量一致，发芽整齐。然后将种子放在55℃温水中浸泡15分钟，再放入1000倍的高锰酸钾溶液中30分钟，找出后冲洗干净，使水没有高锰酸钾颜色为止。
3.环境规制因素。近年来，随着公路运输发展，我国公路交通事故率随之增加，不仅干扰公路交通的正常通行，也对社会造成巨大经济损失。同时，公路基础设施及环境因素也是造成公路运输效率低的原因。我国政府完善交通法，加大对违法者的惩罚力度，如：对酒后或醉酒驾驶导致重大交通事故的，依法追究其刑事责任，并终生不得重新获取驾驶证。新交通法在一定程度上降低交通事故发生率，从而提高公路运输效率。此外，新交通法还增加对非法鸣笛、超速等违法行为的处罚，降低公路噪音污染。交通法规加大了公路运输管理力度，降低交通事故率、财产损失及噪音污染程度，降低各种非期望产出，进而对公路运输效率产生一定的影响。
（四）提升运输效率建议
提升道路运输业的整体效率，首先要大力提升各种公路运输投入资源的利用率，优化资源配置能力。通过道路交通管理与公安等部门合作，完善道路交通基础设施，整合现有交通运输资源，优化道路交通网络，加强道路交通安全执法等，从而有效降低道路交通事故数量和经济损失。
本文结合投入产出的松弛值，分别测算2012—2016年间各省市的年平均投入冗余和产出不足，如表4和表5所示，并从节约能源和减少排放两方面对提高公路运输效率提出如下建议：
本次研究以儿科护理新生儿窒息复苏操作为教学内容，教学过程中护生活动目标及任务明确，通过小组合作方式完成操作考试，护生学习效果较好，教学质量较高。但理论教学如何实施、任务如何分配，如何保证每名护生有明确角色和任务，避免小组内学霸成为霸主，其余同学游手好闲的现象出现，怎样及时考核课堂效果等，仍需教师不断探索。
4.应用效果评估。我们从已完成的科研成果中随机抽取了40份报告，对转化单位应用这些科研成果后取得的实际效果进行了后续跟踪调研，应用单位对总体效果的评价还比较满意，但也感到其实际效果与报告、鉴定和自述中描述的应用效果及效益预测不相一致，自我评估偏高。
表4 2012—2016年平均投入指标冗余值
续表
表5 2012—2016年平均产出指标冗余值
1.节能方面。由表4可知，中部地区的年平均投入冗余较多，西部地区次之，东部地区最少。在人力资本方面，辽宁、福建、山东、山西、河南和湖北等省年平均投入过多，其中山东最高为87 794人。公路运输有关部门应在保证公路运输服务前提下适当减少人员数量，提高从业人员综合素质，科学高效管理人才资源。在能源资源方面，辽宁、山东、山西和湖北等省消耗过多。公路运输有关部门应提高运输车辆的能源利用率，减少不必要能源投入，开发使用清洁能源，减少不可再生资源消耗，提高公路运输效率。在基础设施和资本投入方面，如公路里程投入冗余属于基本产业建设，不能减少相关投入；而运输车辆投入方面，各省市可参照表4相关指标，合理规划运输路径，提高运输车辆的利用率，减少冗余投入。
2.减排方面。从表5可以看出，中部地区产出出现松弛值数量最多，其次是西部地区，东部地区最少。这一结果与上述投入松弛相符，说明中部地区的资源配置结构有待优化。在非期望产出指标（碳排放）方面，中部地区产出松弛值较高的省份有山西、河南和湖北。其中，山西作为能源大省以煤炭和电力作为支柱性经济产业，产生排放污染较多；东部地区产出出现松弛值地域虽然只有辽宁、浙江、福建和山东4个省，但辽宁省和山东省的碳排放量松弛值较高；西部地区的云南和新疆碳排放量松弛值也较高。这些省份应提高能源利用率，减少道路交通排放污染。有关部门应规范排放标准，提倡使用清洁能源，减少车辆尾气污染和资源消耗。在交通噪音方面，河南的松弛值最高为10.354dB（A），公路运输相关部门应规范道路噪音监测系统，优化道路网络结构，减少交通拥堵时间。在交通事故方面，浙江、福建、山东的产出松弛值较高，而吉林、黑龙江、山西、湖北和陕西等地的直接财产损失较为严重。交通运输管理部门应建立完善道路安全体系，加强有关法规政策宣传，提高国民道路安全意识，降低安全事故率，从而提高公路运输效率。
我国远程教育发展经历了函授教育、广播电视教育以及第三代现代远程教育。从时间逻辑上看，1998年后兴起的E-Learning，即在线教育或在线学习，在我国可定义为第三代远程教育。2013年被称为“中国在线教育元年”，在线教育领域内各种新产品层出不穷[1]。
四、结论
本文在考虑多种非期望产出条件下构建SBM模型，分析和评价我国2012—2016年公路运输效率。在样本期间，中国公路运输业效率总体呈上升趋势但区域之间存在明显差异，东部地区公路运输业效率较高，西部次之，中部最低。为缩小不同区域经济发展的不平衡，我国政府提出西部大开发战略。随着经济发展，公路运输效率提升。碳排放量、事故发起数、噪音污染等非期望产出对公路运输效率产生一定影响，因此应提升科学管理技术，减少公路运输的非期望产出。
改进传统DEA模型径向角度选择不足，解决投入和产出变量松弛型的问题，并在考虑非期望产出情况下提高效率评价准确性，研究方法应用得到进一步拓展；本文在以碳排放量作为非期望产出的基础上，增加交通事故发生数、直接财产损失及道路交通等效声级作为非期望产出指标，研究内容较为新颖，为公路运输效率研究提供新路径。
公路运输业效率高低还受经济环境、自然环境、科学技术和社会文化等外部环境影响，后续研究可以考虑影响因素的定量测量。
参考文献：
[1]Priyanka Jain,Sharon Cullinane,Kevin Cullinane.The Impact of Governance Development Models on Urban Rail Efficiency[J].Transportation Research Part A,2008(9).
[2]Matthew G.Karlaftis,Dimitrios Tsamboulas.Efficiency Measurement in Public Transport：Are Findings Specification Sensitive?[J].Transportation Research Part A,2011(2).
[3]David Levinson.Perspectives on Efficiency in Transportation[J].International Journal of Transport Management,2003(3).
[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).
[5]侯向辉.基于DEA的区域公路运输效率评价方法研究[J].公路交通技术,2013(2).
[6]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(6).
[7]杜传忠,吕坤.中国酿酒业上市公司生产效率的实证研究——基于DEA模型的两阶段分析[J].经济问题探索,2009(11).
[8]Liu H,Zhang Y,Zhu Q,et al.Environmental Efficiency of Land Transportation in China：A Parallel Slack-based Measure for Regional and Temporal Analysis[J].Journal of Cleaner Produc-tion,2017(142).
[9]刘心,李淑敏.基于非期望产出SBM模型的中国各省份能源效率的实证分析[J].数学的实践与认识,2015(2).
[10]刘云浪,龚斌,刘先国.基于DEA非期望产出的中国矿业废水治理效率评价[J].环境工程学报,2017(4).
[11]赵健.基于DEA模型的哈尔滨市水稻生产效率分析[J].东北农业大学学报（社会科学版）,2012(4).
[12]冯晨鹏,王慧玲,毕功兵.存在多种非期望产出的非径向零和收益DEA模型我国区域环境效率实证研究[J].中国管理科学,2017(10).
[13]王腾,梁晶.基于非期望产出超效率SBM模型的港口能源效率评价[J].武汉理工大学学报（交通科学与工程版）,2018(4).
[14]Tone K.A Slacks-based Measure of Efficiency in Data Envelopment Analysis[J].European Journal of Operational Research,2001(2).
[15]Lawrence M.Seiford,Joe Zhu.Modeling Undesirable Factors in Efficiency Evaluation[J].European Journal of Operational Research,2002(1).
[16]屠滨.四川公路运输效率及影响因素研究[D].雅安：四川农业大学,2016.
[17]杨良杰,吴威,苏勤,等.基于SBM-Undesirable模型的1997—2010年中国公路运输效率评价[J].地理科学进展,2013(11).
[18]李涛,曹小曙,杨文越,等.中国区域综合运输效率的测度及其时空演化[J].地理科学,2015(2).
[19]鲁涛,王悦,马明.基于网络DEA的共享投入与（非）期望产出的两部门并行系统效率评价——以中国道路运输业为例[J].系统科学与数学,2017(9).
[20]国家统计局.中国统计年鉴2017[M].北京：中国统计出版社,2017.
[21]杨加猛,万文娟.省域交通运输业碳排放核算及其减排情景分析[J].公路,2017(11).
[22]程豪.碳排放怎么算——《2006年IPCC国家温室气体清单指南》[J].中国统计,2014(11).
[23]郭炳南,林基.基于非期望产出SBM模型的长三角地区碳排放效率评价研究[J].工业技术经济,2017(1).
[24]范建平,肖慧,樊晓宏.考虑非期望产出的改进EBM-DEA三阶段模型——基于中国省际物流业效率的实证分析[J].中国管理科学,2017(8).
[25]Gongbing Bi,Yan Luo,Liang Liang.Efficiency Evaluation of Tourism with Data Envelopment Analysis(DEA)：A case Study in China[J].Journal of China Tourism,2011(1).
[26]史洁.中国航空运输行业碳排放效率研究——基于非期望产出SBM-DEA模型[J].企业经济,2015(6).
[27]卞亦文.考虑不可控性要素的DEA方法研究综述[J].商情（财经研究）,2008(2).
[28]郭炳南,林基.基于非期望产出SBM模型的长三角地区碳排放效率评价研究[J].工业技术经济,2017(1).
[29]段新,岑晏青,路敖青.基于DEA模型的31省份公路运输效率分析[J].交通运输系统工程与信息,2011(6).
[30]WEI Guangxing,LU Xiaoxia.Evaluating Operation Efficiency of Chinese Rroad Ttransport System in Approach of DEA[J]//Advances in Artificial Intelligence——2011 International Conference on Management Science and Engineering(MSE 2011).Hamburg：Information Engineering Research Institute(IERI),2011.
[31]蒂莫西·J·科埃利.效率与生产率分析引论·第2版[M].北京：中国人民大学出版社,2008.
中图分类号： F542
文献标识码： A
文章编号： 1672-3805(2019)05-0008-10
收稿日期： 2019-06-19
基金项目： 国家自然科学基金资助项目“考虑非期望产出复杂特性的DEA效率评价理论、方法及应用研究”（71801001）
作者简介： 许皓（1964-），男，安徽大学商学院教授，研究方向为管理决策。