基于DEA的XX铁路局运营效率评价

代方会

（中铁特货物流股份有限公司）

一、XX铁路局面临的困境

我国西部区域地域宽广、自然资源丰富，但地形错综复杂，公路和航空运输难以满足西部区域的运输需求，铁路在西部区域的发展中起到了举足轻重的作用，无论在促进人口流动、提供货运服务还是拉动区域经济发展等均有突出贡献。

一直以来，货运收入为铁路运输的主要收入来源，比例高达70%。近年来，全球以及国内整体宏观经济下行，铁路运输受到极大影响，尤其在货运方面，货运量呈持续下降趋势。然而，纵观我国全社会物流发运量，近些年仍呈现增长趋势，这表明，铁路运输市场受到其他运输方式的冲击，铁路货运的增长较其他运输方式而言相对缓慢[1]。

目前，西南XX铁路局还存在以下问题：

（一）各环节衔接不完善

物流企业想要达到较高的运输效率，要规划适宜的运输网络、配置合适的运载车辆，制订运输计划并对环节进行有效衔接。目前，XX铁路局各物流功能模块间的衔接仍不够顺畅，要素之间难以做到高度协调发展，与现代化物流间存在一定差距。

（二）管理机制无法快速响应市场需求

不同客户的需求有很大差异，很多货物运输都是跨区域运输的，这就涉及到不同铁路局之间的调度问题。然而，同其他铁路局一样，XX铁路局并不拥有车辆的调度权和收入清算权，对客户特殊需求无法快速响应，较难适应多变的市场需求。

（三）运输产品种类不全

近年来，XX铁路局覆盖的西南各省市积极调整产业结构，大宗货物运输需求放缓，而高附加值的小批量产品运输需求却大幅增长。铁路行业属于资本投入较大的产业，很难快速调整自身的设备结构，XX铁路局目前仍然以大宗货运运输为主，小批量高附加值运输产品种类不全，对于快速办理、发运和准时到达方面的要求并不能很好地满足，无法适应快速变化的货运市场需求。对于客运，XX铁路局管理的西部区域，路网稀少，很多城市仍未普及高铁，客运仍有较大的需求。

（四）经营管理考核机制不健全

随着铁路改革的深入，铁路企业要逐步切换到算账经营模式，要从“干了再算”，转变为“算了再干”，要通过合理的考核机制，逐层传递经营管理压力。目前，跌路局距离现代化的企业仍有一定差距，考核的科学性尚在摸索之中，评审考核结果应用反馈力度不足，考核结果运用不充分，考核结果的应用机制尚不健全。

（五）调度运输组织还有待优化

2019 年，全国铁路日均装车量15.40万车/d，日均卸空车16.03万车/d ；分界口交接货物列车4419列/d，货车23.2万辆/d。随着货运量持续增长，全国铁路运输组织水平不断提高，但重点地区、重点线路运输能力与运输需求的阶段性矛盾仍然存在。

（六）物流业制造业融合度不够

现代物流业和制造业相互依靠，互惠共利，加强物流业与制造业的沟通和衔接，促进相互融合渗透、协同发展，是调整产业结构、转变经济增长方式的重要途径之一。2007年，我国实施物流外包的工业企业所占比例约为50%，与美国约70%的外包比例相比，国内外包比例相对较低，有待提高。同时，制造企业对物流外包的开放程度偏低，一般只开放运输业务等供应链的末端环节。

二、研究意义

理论意义：目前，国内学者对铁路局运营效率的评价研究较少，相对国外学者起步较晚，且定性描述偏多，定量评价研究非常有限。且目前研究主要研究对象为区域铁路运输，而区域铁路经常涉及多个铁路局，发现问题并改进的难度相对较大。本文将研究对象限定在某一具体铁路局，更具可操作性和可行性。同时，本文引用三阶段超效率DEA模型对特定铁路局效率进行定量评价，为其他铁路局进行效率评价提供了思路与方法。

现实意义：目前，管理水平低下和先进技术普及率不高仍然是我国大部分铁路局存在的共性痛点。相对于其他发达国家，我国铁路运输在整个运输行业的竞争实力较弱。采取一定措施提高铁路部门的运输效率对于提升铁路运输市场占有率具有重要作用。本文以快速发展的铁路局—XX铁路局为研究对象，通过定性和定量分析相结合，分析铁路部门提供运输服务时存在的不足，具有一定的现实意义。

三、各种研究方法的优缺点对比

每种绩效评价方法都有各自的优势和不足之处，对各种绩效评价方法的优缺点进行汇总如表1。

表1 各种效率评价方法的优缺点

数据包络分析方法（Data Envelopment Analysis，简称DEA）用于研究多投入多产出问题，它根据多个投入指标和多个产出指标数据，利用线性规划方法，对具有可比性的同类型单位进行相对有效性评价。

数据包络分析方法是1978年美国著名运筹学家 A Charnes和 WW.Cooper率先提出的一种数量分析方法。最开始用于非营利组织以及公共部门的绩效评价，后来DEA模型由于数据处理的优越性在各领域被广泛使用，包括银行业、物流业、绩效评价、资源配置等等。

DEA基础模型包括CCR模型和BCC模型两种，前者规模收益不变，后者规模收益可变。在此基础上，学者们提出了更多种的DEA模型，可以弥补传统DEA模型的缺陷。

基于上述分析，DEA方法适用于多投入、多产出的复杂铁路部门运营效率评价，具有可行性，DEA方法的评价结果客观，可以提供管理信息供企业改善经营管理，具有实践指导意义，因此本文选用DEA作为XX铁路局的运营效率评价方法[2]。

四、XX铁路局三阶段DEA模型运营效率评价

（一）数据收集

本文计量数据源主要来自《中国铁道年鉴》。同时也参考了相关省市统计年鉴和国家统计局公布的数据。

（二）指标选取

1.投入指标

从业人员数。铁路运输是劳动密集型行业，从业人员数量是重要指标。

机车（客车）配属。铁路基础设施的建设与完善是铁路发展的基础性保障。因此机车（包括货运机车和客车）的投入数量也是一项重要的输入项。

营业里程（国铁/合资/地方）。铁路营业里程亦称“营业长度”，是在一定时期内办理客货运输业务的铁路正线总长度[3]。

2.产出指标

旅客（货物）周转量。周转量是指反映一定时期内客货运运输工作总量的指标。

铁路运输收入。是指铁路运输企业办理旅客和货物运输业务按照规定的运价取得的收入。

3.环境变量

在三阶段DEA模型中的第二阶段SFA模型研究中，需要选取几项对第一阶段中投入指标有影响的因素作为第二阶段的环境指标进行回归分析，用以剔除外部因素与松弛变量对结果的影响。本文选取地区各运输方式的客运周转量、货运周转量以及人均GDP三项为环境指标。

（三）数据运算

根据DEA模型，本文利用DEAP2.1软件，基于CCR模型，对2018年13个铁路局的效率分别进行分析，得到综合效率、纯技术效率、规模效率。然后评估DMU规模和技术有效性，评价结果如表2所示[4]。

表2 DEA模型评价结果

XX局营业里程较长，从业人员相对较多，机车配属正常水平，但是旅客周转量和货运周转量没有较多贡献。地处西南，山区铁路，客货运不够发达。DEA运营效率评价的计算结果是相对的，并没有准确界定计算结果在某一区间效率就是绝对有效，在其他区间效率就绝对无效。DEA结果可以显示不同年份的效率发展趋势，可以衡量不同观测点距离有效前沿面的距离。正因为如此，可以结合铁路运营的实际现状和DEA结果进行对比分析，合理调节铁路运营过程中各项投入，是输出结果靠近有效前沿面，也就是提高运营效率。

五、研究结论

实证分析，评价XX铁路局的运行效率。从综合效率来看，北京、太原、郑州、上海这四个铁路局综合效率有效，广州、武汉、西安、南宁、XX、兰州、昆明、沈阳、哈尔滨这9个铁路局综合效率依次递减，究其原因，与营业里程、机车配属、从业人员数配比有较大关系。从纯技术效率来看，北京、太原、郑州、上海、广州、昆明这5个铁路局显示有效，武汉、南宁、西安、兰州、XX、哈尔滨、沈阳这7个铁路局显示无效。从规模效益来看，北京、太原、郑州、上海这4个铁路局有效，广州、沈阳、XX、西安、武汉、兰州、南宁、哈尔滨、昆明这9个铁路局规模效率依次递减。通过综合效率和规模效率呈现的规则，说明，在2018年，XX铁路局经营无效主要原因是管理和技术无效率，不是规模效率。