中国省域综合交通运输效率及空间关联性研究
发布时间：2020-12-06 20:55
以中国30个省份(区域)为研究对象,采用投入导向的CRS径向DEA模型,基于公铁水空多维投入要素,从客货两方面测度区域综合交通运输效率,并结合探索性空间数据分析方法揭示综合交通运输效率的客货差异及时空关联特征。研究发现:分析期内区域效率呈稳步上升趋势但客货差异显著,东南沿海及中部经济发达区域客货运输效率较高,经济较为滞后区域运输效率偏低但呈现逐年提升态势;客货效率呈现时序波动且总体上具有全局空间正相关特征,货运相比客运具有较强的局部空间关联性,北部地区具有显著的省域帮带关系,西南及中部地区表现相对随机,东南沿海地区呈现竞争特征。
【文章来源】：科研管理. 2020年09期 第219-229页 北大核心CSSCI
【文章页数】：11 页
【部分图文】：
2011—2017年综合交通货物运输效率Moran散点图
表6 2011—2017年综合交通旅客运输效率Moran′s I指数Table 6 Moran Index for comprehensive passenger transportation efficiency from 2011 to 2017 年份 Moran′s I指数 P值检验 2017 0.1322180 0.0371 2016 0.1936020 0.0268 2015 0.0384199 0.2366 2014 0.1101690 0.087 2013 -0.0978892 0.2917 2012 0.0132156 0.1969 2011 0.0101909 0.3175我国2011—2017年综合交通旅客运输效率Moran分布如图2所示,由图可知2013年空间呈现负相关性,由于2013年我国整体公路旅客运输量急剧下降,其他运输方式旅客运输量维持不变,导致旅客运输大省效率急剧下降,Moran散点图呈现负相关性,但是由于Moran指数小于0.1,整体上仍为相对随机发展。2016年及2017年我国综合交通旅客运输效率具有空间正相关性。结合表7可知,四川、重庆、浙江、上海、安徽省份的客运效率呈现高高集聚,在自身效率较高的同时能够带动周边省份客运效率的提升,起到了良好的促进作用。内蒙古、吉林、河北、新疆这几个省份以货物运输为主,旅客运输相对薄弱,从而导致这几个省份呈现低低集聚。北京始终呈现高低集聚状态,北京在发展综合交通运输的时候,相对重视旅客运输的效率,并且与周边以货物运输为主的省份形成了客运效率差异。云南、福建等省份作为我国传统的旅游省份,在多种旅客运输方式发展的冲击下,旅游业整体下滑,从而导致旅客运输效率相对下降,但是新的旅客出行模式为周边省份带来了客运发展契机,从而呈现了低高集聚的状态。
【参考文献】：
期刊论文
[1]物流业集聚影响因素的空间计量分析[J]. 赵粲,王点. 重庆科技学院学报(社会科学版). 2017(03)
[2]中国省域绿色创新空间格局演化研究[J]. 付帼,卢小丽,武春友. 中国软科学. 2016(07)
[3]中国省域综合运输效率及其空间分布研究[J]. 吴群琪,宋京妮,巨佩伦,包旭,杜凯. 经济地理. 2015(12)
[4]中国煤炭流动格局与利用效率的空间关联分析[J]. 车亮亮,韩雪,武春友. 经济地理. 2015(02)
[5]基于超效率DEA方法的公路运输效率评价与分析[J]. 李洁,左毅刚. 交通信息与安全. 2015(01)
[6]基于DEA的陕西省交通运输效率评价与分析[J]. 王冬冬,李丽琴,肖亮. 数学的实践与认识. 2014(20)
[7]基于探索性空间数据分析的我国港口空间格局[J]. 庄佳芳,余思勤. 上海海事大学学报. 2013(03)
[8]基于DEA的区域公路运输效率评价方法研究[J]. 侯向辉. 公路交通技术. 2013(02)
[9]中国空港可持续发展能力评价研究[J]. 崔强,武春友,匡海波. 科研管理. 2012(04)
[10]我国沿海集装箱港口的供需缺口研究[J]. 匡海波,李伟,张欣. 系统工程理论与实践. 2012(01)
博士论文
[1]基于DEA的公路运输业效率及其动态演化研究[D]. 刘宏伟.中国科学技术大学 2017
硕士论文
[1]基于DEA模型的郑州航空港经济效率评价研究[D]. 马君彦.郑州大学 2017
[2]中国各省铁路运输效率的时空演化及影响因素研究[D]. 丁俊雅.安徽师范大学 2017
[3]基于广义DEA方法的铁路运输效率分析[D]. 徐璐妮.北京交通大学 2016
[4]两种运营模式的支线航空运输效率研究[D]. 杜国平.南京航空航天大学 2016
[5]基于DEA的综合交通运输系统协调发展评价研究[D]. 吴丹.北京交通大学 2009
本文编号：2902016
【文章来源】：科研管理. 2020年09期 第219-229页 北大核心CSSCI
【文章页数】：11 页
【部分图文】：
2011—2017年综合交通货物运输效率Moran散点图
表6 2011—2017年综合交通旅客运输效率Moran′s I指数Table 6 Moran Index for comprehensive passenger transportation efficiency from 2011 to 2017 年份 Moran′s I指数 P值检验 2017 0.1322180 0.0371 2016 0.1936020 0.0268 2015 0.0384199 0.2366 2014 0.1101690 0.087 2013 -0.0978892 0.2917 2012 0.0132156 0.1969 2011 0.0101909 0.3175我国2011—2017年综合交通旅客运输效率Moran分布如图2所示,由图可知2013年空间呈现负相关性,由于2013年我国整体公路旅客运输量急剧下降,其他运输方式旅客运输量维持不变,导致旅客运输大省效率急剧下降,Moran散点图呈现负相关性,但是由于Moran指数小于0.1,整体上仍为相对随机发展。2016年及2017年我国综合交通旅客运输效率具有空间正相关性。结合表7可知,四川、重庆、浙江、上海、安徽省份的客运效率呈现高高集聚,在自身效率较高的同时能够带动周边省份客运效率的提升,起到了良好的促进作用。内蒙古、吉林、河北、新疆这几个省份以货物运输为主,旅客运输相对薄弱,从而导致这几个省份呈现低低集聚。北京始终呈现高低集聚状态,北京在发展综合交通运输的时候,相对重视旅客运输的效率,并且与周边以货物运输为主的省份形成了客运效率差异。云南、福建等省份作为我国传统的旅游省份,在多种旅客运输方式发展的冲击下,旅游业整体下滑,从而导致旅客运输效率相对下降,但是新的旅客出行模式为周边省份带来了客运发展契机,从而呈现了低高集聚的状态。
【参考文献】：
期刊论文
[1]物流业集聚影响因素的空间计量分析[J]. 赵粲,王点. 重庆科技学院学报(社会科学版). 2017(03)
[2]中国省域绿色创新空间格局演化研究[J]. 付帼,卢小丽,武春友. 中国软科学. 2016(07)
[3]中国省域综合运输效率及其空间分布研究[J]. 吴群琪,宋京妮,巨佩伦,包旭,杜凯. 经济地理. 2015(12)
[4]中国煤炭流动格局与利用效率的空间关联分析[J]. 车亮亮,韩雪,武春友. 经济地理. 2015(02)
[5]基于超效率DEA方法的公路运输效率评价与分析[J]. 李洁,左毅刚. 交通信息与安全. 2015(01)
[6]基于DEA的陕西省交通运输效率评价与分析[J]. 王冬冬,李丽琴,肖亮. 数学的实践与认识. 2014(20)
[7]基于探索性空间数据分析的我国港口空间格局[J]. 庄佳芳,余思勤. 上海海事大学学报. 2013(03)
[8]基于DEA的区域公路运输效率评价方法研究[J]. 侯向辉. 公路交通技术. 2013(02)
[9]中国空港可持续发展能力评价研究[J]. 崔强,武春友,匡海波. 科研管理. 2012(04)
[10]我国沿海集装箱港口的供需缺口研究[J]. 匡海波,李伟,张欣. 系统工程理论与实践. 2012(01)
博士论文
[1]基于DEA的公路运输业效率及其动态演化研究[D]. 刘宏伟.中国科学技术大学 2017
硕士论文
[1]基于DEA模型的郑州航空港经济效率评价研究[D]. 马君彦.郑州大学 2017
[2]中国各省铁路运输效率的时空演化及影响因素研究[D]. 丁俊雅.安徽师范大学 2017
[3]基于广义DEA方法的铁路运输效率分析[D]. 徐璐妮.北京交通大学 2016
[4]两种运营模式的支线航空运输效率研究[D]. 杜国平.南京航空航天大学 2016
[5]基于DEA的综合交通运输系统协调发展评价研究[D]. 吴丹.北京交通大学 2009
本文编号：2902016
本文链接：https://www.wllwen.com/jingjifazhanlunwen/2902016.html
