“一带一路”省市城市基础设施利用效率分析
开篇：润墨网以专业的文秘视角，为您筛选了一篇“一带一路”省市城市基础设施利用效率分析范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：文章以一路一带17个省市2005～2014年的面板数据为基础，采用DEA及Malmquist指数模型，分析各省市的基础设施利用效率。通过地域分布将一路一带分为东南、东北、西南和西北四大板块，在具体分析之后，发现各个板块的情况大不相同，东南地区综合效率最高，但TFP增长一般，主要为纯技术效率增长较慢；东北地区综合效率偏低，主要由于纯技术效率偏低，并且纯技术效率增长率也偏低；西南地区综合效率偏低，主要原因为纯技术效率偏低，但其增长率保持较高水平，技术进步慢是导致TFP增长缓慢的原因；西北地区主要由于规模效率过低导致综合效率偏低，且规模效率增长速度不够，加上技术进步速度偏低，TFP进步较慢。
关键字：一路一带；城市基础设施；利用效率；DEA模型；Malmquist指数模型
中图分类号：F299.24 文献标识码： 文章编号：
Abstract：This paper uses DEA model and Malmquist index model to analysis the infrastructure efficiency of various provinces and cities on the Belt and Road based on the panel data from 2005 to 2014 .Through regional distribution，those provinces could be divided into the southeast，northeast，southwest and northwest four plate.This paper found there is much difference among those plate，that southeast plate’s efficiency is highest，but growth of TFP is slow mainly for the pure technical efficiency growth；Northeast plate’s efficiency is low mainly duo to the low pure technical efficiency and the growth rate is slow；Southwest plate’s efficiency is low mainly because of the low pure technical efficiency ，but its growth rate remain high level，and low speed of technology progress cause the slow growth of TFP；Northwest plate’s efficiency is low mainly caused by low scale efficiency，and its growth rate is not enough，TFP growth slowly with slow growth of technology progress.
Keywords：Belt and Road；Urban infrastructure；Use efficiency；DEA model；Malmquist index model
引言
一路一带战略是我国提出的丝绸之路经济带和21世纪海上丝绸之路的合称。一路一带战略涉及到南亚、中亚、东南亚和西亚众多国家和地区，将欧洲经济圈与亚太经济圈连接起来，是整个亚太地区发展的重要战略。在一路一带的战略规划中，涉及到中国18个省市。按地域划分为四大板块，分别为东北辽宁、吉林和黑龙江三省，西北新疆、陕西、甘肃、宁夏、青海、内蒙古六省，东南上海、福建、广东、浙江和海南五个省市，西南广西、云南、和重庆四个省市。
一路一带作为中国首倡、高层推动的国家级战略，对我国现代化建设具有深远的战略意义，作为中国为对外开放和合作新打开的一扇窗户，得到国内学者大量研究。王姣娥（2015）、刘慧（2015）、郑志来（2015）、姜安印（2015）、梁斐然（2015）、马逸灵（2016）、朱延B（2016）分别从航空运输、国土开发、省市发展、全要素生产以及经济效率角度对一路一带进行了研究[1～7]。
基础设施建设是城市发展的重要过程，是城市服务功能的物质载体，是城市发展的坚定基础。Boarnet（1998）提出基础设施资本存量增加会导致产出增加[8]。Arrken（1999）提出基础设施有助于人力资本聚集和FDI引进，进而推动经济发展[9]。L.ee（2005）发现基础设施改善会增加小企业数量，促进经济发展[10]。Chehade（2007）等人认为基础设施建设存在非期望产出，需要考虑对环境带来的破坏[11～14]。
基础设施效率分为投融资效率和经济利用效率，很多学者并不区分，统称为基础设施投资效率。伍文中（2011）、胡宗义（2013）、李晓园（2015）、陈伦盛（2015）分别从政府行政、固定投资及财政资金，城镇化水平、科技管理水平等角度分析了我国及部分地区基础设施投融资效率[15～19]。李湛（2009）、曾国安（2012）、孙钰（2015）、李祺（2016）分别研究了陕西关中地区、中国省市、京津冀地区的基础设施经济利用效率[20～23]。
2013年国务院首次提出城市基础设施建设发文《关于加强城市基础建设的意见》，近年来，政府对城市基础设施建设十分关注。一路一带作为中国国家层面走出去战略，是对外开放的一扇重要窗口，应夯实基础设施水平，面对外来经济调整，抓紧发展机遇，为区域的进一步发展做足准备。
1 研究方法与数据来源
1.1 主成分分析法
主成分分析也称为主分量分析，由Hotelling于1933年首次提出，主要用于处理多变量课题时，将数量较多的变量综合成少数几个综合变量，进而简化分析，降维分析后得到的主成分两两不相关且能够保持大部分原有信息。
1.2 DEA模型与Malmquist指数
DEA模型，即数据包络分析法，由Charnes，Cooper于1978年提出，是一种用于对多投入多产出的决策单元（DMU）相对效率分析的非参数分析方法。该方法构建一条非参数包络线，决策单元位于包络线上则为DEA有效，位于包络线下方的则表示该决策单元效率未达到最大化，是DEA无效。DEA模型中假设规模报酬不变则生成CRS模型（规模报酬不变模型），得到综合效率（pe），放宽规模报酬限制后生成VRS模型（规模报酬可变模型）得到纯技术效率（pte）以及规模报酬效率（se）。三者之间的关系为：
Malmquist指数由Malmquist Sten1953年提出，被广泛用于测算生产率变化。Malmquist指数分析的是在一定时间段内，由于生产前沿面无法保持在同一前沿上而导致效率变化情况。在CRS模型中，全要素生产率变动（tfpch）可分解为技术进步（techch）和综合技术效率变化（effch），在VRS模型中，进一步将综合技术效率分解为纯技术效率变化（pech）和规模效率变化（sech）。
1.3 数据来源与处理
1.3.1指标选取
本着科学性和可取性原则，对投入指标，从5个系统出发选取选取8项投入指标评价城市基础设施建设水平。对于产出指标，从3个系统出发共选取5项指标对产出水平进行考核，具体如表1所示。
1.3.2 数据来源与处理
本文数据主要来源于2006～2015年 《中国统计年鉴》、《中国城市统计年鉴》，有关货币计量的评价指标，转化为2000年为基期的数据，以消除价格带来的影响。由于数据缺失严重，故，本文中剔除，仅分析其余17个省市状况。
2 实证分析
2.1 主成分分析
DEA模型进行相对效率分析时，要求DMU个数为评价指标数量的2-3倍以上。本文中DMU为17个省市，指标数为13个，不符合数量要求，需要进行降维分析。在利用主成分分析法降维之前，先采用标准化Z分数对数据进行标准无量纲化处理，以消除单位属性不同造成的结论误差。公式为 ， 分别为平均数及标准差。
采用SPSS 20软件对无量纲化处理后的投入产出指标进行KMO和Bartlett球检验，投入指标KMO=0.905，产出指标KMO=0.687，均符合统计学家Kaiser给出的KMO>0.6标准；Bartlett球检验的显著性水平均为0.000，小于显著性水平0.05，拒绝零假设。即，投入产出指标均通过KMO检验和Bartlett球检验，适合进行主成分分析。
根据分析结果以及图2，投入指标提取一个主成分 ，包含原指标的86%信息，产出指标提取两个主成分， ， 累计包含原指标的83%信息。提取公式如下：
至此，将投入产出指标降维为1项投入和2项产出指标，符合指标数量要求。通过标准化和降维处理之后，主成分出现负值，无法利用DEA模型进行处理，因此，本文采用典型的T分数对降维分析之后的数据加以线性转化，平移成正值，平移公式为 。
2.2 DEA模型分析
通过CRS和VRS模型对基础设施利用效率进行评价，利用DEAP 2.1 软件处理得2005～2014年各省市DEA效率的几何平均数，结果如表2和图2。
在2005～2014年间，各省市城市基础设施利用效率差异较大，总体平均综合效率为0.862，属于较低范畴，其中，上海、浙江、海南三省市呈DEA有效，各项效率均为1，其余14省市均为DEA无效，其中辽宁、福建、广东综合效率处于0.9～1之间，属于弱无效；内蒙古、黑龙江、重庆、陕西、新疆综合效率处于0.8～0.9之间，属于一般无效，吉林、广西、云南、甘肃、青海、宁夏综合效率小于0.7，属于强无效。
在地域分布上存在明显规律，东南沿海地区DEA效率最高，综合效率平均值为0.995，整体近似DEA有效；东北地区次之，综合效率平均值为0.86，其中，规模效率为0.966，而纯技术效率仅为0.891，是造成DEA无效的主要原因。西北和西南地区综合效率最低，分别为0.789和0.814，但两者造成DEA无效的原因不同，西北地区纯技术效率为0.907，规模效率为0.87，两者均较低，对综合效率造成较大影响；西南地区纯技术效率为0.847，规模效率为0.96，其DEA无效主要原因为纯技术效率低。
2.3 Malmquist指数分析
运用deap 2.1软件得2006～2014年全要素生产率（TFP）变动及其分解，根据决策单元以及年份分类，得到年平均值及各决策单元平均值，制成表3，图3，图4。
从图3得，2006～2014年间，技术进步与综合技术效率交叉波动变化，两者变化趋势呈现相反规律。技术进步上升时，一般伴随综合技术效率下降，两者交叉运行导致全要素生产率波动上升，近两年由于两者水平均较低，出现大幅下跌现象。至2012年，全要素生产率增加7.8%，而在后两年下降之后，全要素生产率反而降低4%，近两年来下降较快。
从图中可知技术进步与综合技术效率之间存在反向关系，如2007年技术进步降低1.3%，综合技术效率增长7.6%，2012年技术进步了7.1%，综合技术效率却下降了3.7%。对此，笔者认为，技术水平进一步发展后，新技术与当前投入产出系统磨合不足，导致综合技术效率下降，技术进步不能完全带动全要素生产率上升。在技术进步后，技术与投入产出系统为增加磨合度以取得全要素生产力进一步提高，两者会彼此改进适应，在这一阶段，部分技术无法适应当前系统被取消，技术进步会受到一定影响。生产系统为利用更高技术也会进行调整以适应高新技术，一方面提高新技术的实用价值，使纯技术效率提高，另一方面，调整生产规模，提高了规模效率，最终使综合技术效率上升。
从表3得各省市全要素生产率变动不一，整体水平变幅不大，部分城市呈现微量增长，而其余城市则显示出下降趋势。其中，内蒙古、辽宁、吉林、浙江、福建、广西、重庆、陕西、宁夏9个省市全要素生产率低幅增长，黑龙江、上海、广东、海南、云南、甘肃、青海、新疆8个省市出现下跌情况，总体平均呈现下降。
从图4可知四大板块的各项效率变化差异明显。笔者横向比较各板块，分析各自相对优劣势。从全要素生产率分析，东北地区位于第一，西北、西南、东南地区均处于较低水平，差距不明显。从技术进步和综合技术效率角度分析，四大板块分布明显不同，呈现阶梯差异。技术进步方面，东北地区变化率最高，东南次之，西北第三，西南地区最低。综合技术效率方面，西南地区排名第一，西北排名第二，东北和东南分别为第三和第四。规模效率方面，四个板块表现同质性，基本均为1，即规模效率保持大体不变状态。通过对全要素生产率的分解，可以看出，每个板块效率变化存在很大区别，需分开进行分析。
3 研究结论与政策建议
东南地区：东南地区各项效率均处于最优位置，均接近1，可近似为DEA有效。其基础设施利用效率处于最高水平，对地区社会发展的贡献率较高。但TFP变化并不突出，同西北和西南地区均处于较低水平，这说明，东南地区保持着较高水平的综合效率，但是其增长力度不足。从分解结果可得，造成TFP增长较低的原因为纯技术效率变化存在不足。
东北地区：东北地区综合效率稍低，造成其主要来源为纯技术效率不足。TFP变化最高，是四大板块中唯一体现增长的地区，主要得益于高效的技术进步，技术进步位于领先地位导致TFP变化也遥遥领先。另外东北地区同东南地区相似，纯技术效率变化也存在增长乏力的现象。
西南地区：西南地区综合效率位于第三位，处于平均水平以下，其纯技术效率和规模效率均偏低，对综合效率较低都存在较大影响，相比而言，纯技术效率是最大短板，是四大板块中最低者。TFP变化同东南和西北地区一致处于偏低水平，原因几乎全部来源于技术进步乏力。西南地区的纯技术效率变化是四大板块中最优者，也导致综合技术效率变化最优，可弥补纯技术效率较低的缺陷，但技术进步落后于其他地区，造成TFP变化速度无法提高。
西北地区：西北地区综合效率最低，虽然纯技术效率处于第二位，但绝对值仍然较低，离DEA有效有较大差距，规模效率过低是造成综合效率过低的主要原因。西北地区各项效率变化均处于平均水平，无突出的优势也无特别的短板，在后续发展中需要全面加强。
基础设施建设是导致区域经济差异的原因之一，同时也是区域经济差异的结果之一。东部地区无论从现有的基础设施水平还是经济状况都领先于西部地区，容易导致恶性循环。政府在进行资源配置时需考虑这一实情，减缓和杜绝恶性循环。在制定发展策略建议时应切实根据各地区所面临的主要问题。
东南地区基础设施最为完善，利用效率水平最高，但其增长速度不足，主要需要加强政府管理能力，进一步促进纯技术效率的增长，在当前的设施规模和技术水平下，减少资源浪费，进一步提高基础设施使用效率。
东北地区纯技术效率过低并且纯技术效率增长速度也偏低。这说明政府在基础设施管理方面存在很大缺陷，资源存在大量浪费，并且这一情况也没有得到足够的重视和良好的解决，当务之急是提高管理意识，杜绝基础设施浪费情况，加大对基础设施的管理力度。西南地区纯技术效率偏低、技术进步缓慢，一方面西南地区纯技术效率进步十分迅速，管理水平处于高度发展状态，纯技术效率问题正处于解决状态，另一方面，需加大技术研发力度，提高技术进步水平，迅速提高TFP增长率。西北地区规模效率过低，政府应进一步加强基础设施建设步伐，拓宽投融资渠道，扩大基础设施规模，使得规模效率得到进一步提升，更加充分使用基础设施，同时，加大技术研发，同西南地区相同。
参考文献
[1] 王姣娥，王涵，焦敬娟.“一路一带”与中国对外航空运输联系[J].地理科学进展，2015（05）：554-562
[2] 刘慧，叶尔肯.吾扎提，王成龙.“一路一带”战略对中国过去开发格局的影响[J].地理科学进展，2015（05）：545-553
[3] 郑志来.东西部省份“一路一带”发展战略与协调路径研究[J].当代经济管理，2015（07）：44-48
[4] 姜安印.“一路一带”建设中中国发展经验的互鉴性--以基础设施建设为例[J].中国流通经济，2015（12）：84-90
[5] 梁斐然，童纪新.金融视角下我国新丝绸之路经济带全要素生产率的测度[J].工业技术经济2015（10）：59-68
[6] 马逸灵，张燕芳，刘怡.“一路一带”战略下中国西北发展机遇[J].现代商贸工业2016（08）：19-21
[7] 朱延B，孙睿.“一路一带”沿线西部省份开放性经济运行效率研究[J].经济纬度，2016（02）：7-12
[8] Boarnet，Marlon.G.Spillovers and Locational Effects of Public Infrastructure[J].Journal of Regional Science，1998，（36）：29-43
[9] Arrken.B.J，Harrison，A.E.Do Domestic Firms Benefit from Foreign Direct Investment？Evidence from Venezuela[J].American Economics Review，1999，89（3）：605-618
[10] J.Lee，Tinney.Building Infrastructure in a Region Known for Hurricanes Transmission&Distribution World [J].Overland Park.2005（2）：48-51
[11] Chehade .F.H，Shahrour I.Numerical Analysis of the Interaction between Twin-tunnels：Influence of Relative Position and Construction Procedure[J].Tunneling and Underground Space Technology，2008.（23）：210-214
[12] Chiang.H.L.Hu.C.S，Chen.S.Y.Emission Factors and Characteristics of Criteria Pollutants and Volatile Organic Compounds in a Freeway Tunnel Study[J].Science of the Total Environment，2007，（381）：200-211.
[13] Peter.N，Rainer.S，Manfred Wiebel.Distributional Effects of FDI：How the Interaction of FDI and Economic Policy Effects Poor Households in Bolivia[J].Development Policy Review，2007，（25）：429-450
[14] Mani.M，Wheeler.D.In Search of Pollution Havens，Dirty Industry in the World Economy，1960-1995[J].Journal of Environment and Development，1998，7（3）：457-478.
[15] 伍文中.基础设施投资效率极其经济效应分析--基于DEA分析[J].经济问题，2011（01）：41-45
[16] 胡宗义，，刘亦文.基于CCA-DEA的我国区域城市基础设施建设投融资效率及差异评价[J].软科学，2013（04）：7-11
[17] 胡宗义，鲁耀纯，刘春霞.我国城市基础设施建设投融资绩效评价--基于三阶段DEA模型的实证分析[J].华东经济管理，2014（01）：85-91
[18] 李晓园.新型城镇化进程中城市基础设施投资效率分析与政策建议[J].宏观经济研究，2015（10）：35-43
[19] 陈伦盛.省际城市基础设施建设投融资效率评价--基于DEA模型的实证分析[J].区域金融研究，2015（06）：69-75
[20] 李湛，杨静书.小城市基础设施经济效率的变化[J].城市发展研究，2009（03）：99-103
[21] 曾国安，尹燕飞.中国城镇基础设施建设和利用效率的测度与评价[J].中南财经政法大学学报，2012（05）：3-8
[22] 孙钰，王|岩，姚晓东.基于DEA交叉效率模型的城市公共基础设施经济效益评价[J].中国软科学，2015（01）：172-183
[23] 李祺，孙钰，崔寅.基于DEA方法的京津冀城市基础设施投资效率评价[J].干旱区资源与环境，2016（02）：26-30