基于拉氏方法的道路貨物運輸價格指數模型及應用

劉志碩，趙 寬，馬京苗，王春芳

（北京交通大學 交通運輸學院，北京 100044）

基于拉氏方法的道路貨物運輸價格指數模型及應用

劉志碩，趙 寬，馬京苗，王春芳

（北京交通大學 交通運輸學院，北京 100044）

道路運輸價格指數的基本職能是反映道路運輸市場運輸價格波動變化的程度。首先基于阿里平臺的樣本數據構建了道路運輸價格指數模型，該模型中包含總指數、分類指數、個體指數三個層次的指數體系，然后采用拉氏指數的計算方法編制相應指數。最后選取浙江省道路運輸市場進行實證分析，并得出相應道路運輸價格指數，最后與浙江省港口貨運吞吐量指數和PMI指數進行對比分析，從而論證該指數模型的正確性和有效性。

道路貨物運輸；價格指數；拉氏指數

1 引言

由于道路貨物運輸市場運價、成本、供需信息不透明、不對稱，運輸企業對市場信息掌握不足，道路貨物運輸行業處于低水平運行狀態，常出現“市場失靈”的狀況。因此，迫切需要有一項定量指標來對道路貨物運輸的價格和景氣進行評定。本文在研究分析道路貨物運輸價格指數現狀的基礎上，構建了由總指數、分類指數、個體指數三個層次組成的道路貨物運輸價格指數體系，建立了基于拉氏方法的道路貨物運輸價格指數模型，并應用于浙江省道路貨物運輸市場，基于阿里物流平臺的數據建立浙江省道路貨物運輸價格指數，從而為各級政府管理部門全面準確地掌控市場發展態勢提供有效的參考依據。

2 道路貨物運輸價格指數研究現狀

在運輸價格指數的研究方法方面，學者們都對運價指數進行了深入研究。郭翰超[1]等人基于北京市貨運市場進行時點采價，利用加權平均和幾何平均公式編制指數；顧敬巖等人[2]采用Fisher指數模型，以義烏普通貨物運輸市場為例，進行了實證分析；劉彬等人[3]針對寧波市道路貨物運輸市場，構建了四層指數體系，采用等權的算術平均值來編制指數；閆廣聰等人[4]以某一試點城市為例進行分析，運用統計學理論，從樣本企業選擇、樣本線路選擇及數據采集等方面著手，采用加權平均法進行指數編制。

在運輸價格指數的應用現狀方面，國內外公開發布的運輸價格指數較多。2006年7月，中國物流與采購聯合會和匯通天下在北京聯合發布了全國普通貨物運價指數；2015年6月，中國物流與采購聯合會和廣東林安物流集團聯合發布了中國公路物流運價指數（HPI）；2012年，浙江省交通運輸廳與義烏市政府聯合發布的義烏道路貨物運輸景氣指數，綜合反映義烏地區及浙江全省的道路貨物運輸市場行情；2015年6月，交通運輸部發布了全國道路貨物運輸價格指數（CFI）。

從上述道路貨物運輸價格指數研究方法和應用現狀可以看出，國內外學者對道路貨物運輸價格指數的編制方法越來越成熟，但是在指數體系的構建、數據的代表性、數據來源的可靠性以及持續性等方面有所欠缺。本文構建了總指數、分類指數和個體指數三級指數體系，從多個維度對指數進行劃分，分類依據層次明確，切合實際情況，同時降低了數據采集工作的難度，從而更加有利于指數編制工作的開展。

3 基于拉氏方法的道路貨物運輸價格指數模型設計

3.1 道路貨物運輸價格指數編制方法選擇

拉氏指數與帕氏指數由于其簡單實用，在實踐中得到了廣泛應用。為了反映純粹的運輸價格變動及從指數的計算值的大小對比不同時期的運價變動情況的影響，所以本文采用拉氏指數計算方法來編制道路貨物運輸價格指數，其計算公式為：

其中：p0-基期運輸價格；pt-報告期運輸價格；q0-基期貨運量；I0-基期運輸價格指數；It-報告期運輸價格指數。

3.2 道路貨物運輸價格指數體系

本文按照科學性、可操作性、完整性、實用性等運輸價格指標確定的基本原則，編制成圖1所示的道路貨物運輸價格指數體系，其中包括總指數、分類指數、個體指數。

圖1 道路貨物運輸價格指數體系

總指數指的是道路貨運價格總指數，個體指數是指從一個省的各個城市出發到達省內、省外各個市的線路指數，分類指數從多種維度考慮，可以進行如下劃分：根據浙江省11個城市劃分，可以劃分為杭州市公路貨運價格指數、金華市公路貨運價格指數等11個城市公路貨運價格指數；根據里程進行劃分，將運價指數劃分為長途運價指數、中途運價指數、短途運價指數；根據運輸組織形式進行劃分，可以分為整車運價指數和零擔運價指數；根據貨物類型進行劃分，可以劃分為重貨運價指數和輕貨運價指數；根據貨物運達速度進行劃分，可以分為快速運價指數、中速運價指數和慢速運價指數；根據指數編制的時期不同，可以將總指數、前4項分類指數、個體指數分別按月度、季度、年度編制成公路貨運價格月度指數、季度指數、年度指數；根據基期的選擇不同，可以將總指數、前4項分類指數、個體指數編制成定基指數、環比指數、同比指數。

3.3 道路貨物運輸價格指數計算公式

根據道路貨物運輸價格指數體系的設計，各層次的指數計算過程如下：

（1）個體指數的計算。個體指數是按線路進行劃分的，主要考慮每條線路上的物流企業的運輸價格及貨運量，假設每條線路上有M個物流企業提供運輸服務，其計算公式如下：

（2）分類指數的計算。這里僅選取分城市分類指數進行闡述。根據城市進行劃分，以k-市道路貨物運輸價格指數為例，假設從k市出發的有N條線路，每條線路上有M個物流企業，其計算公式為：

（3）各種組合指數的計算。組合指數是根據分指數的分類依據來進行組合的，如某市整車運價指數、零擔重貨運價指數、長途慢速運價指數等。各種組合方式的計算公式同上面類似，這里不再贅述。

（4）總指數。總指數的計算公式可以有多種變化形式，但基礎公式仍然是拉氏公式，這里按城市-里程-運輸組織形式-貨物類型-運達速達來設計總指數的計算公式。假設共有K個城市，第k個城市下有R種運輸組織形式，第r種運輸組織形式下有S種貨物類型，第S種貨物類型下有U種速度類型，第u種速度下有N條線路，第n條線路下有M個物流企業，則總指數的計算公式為：

式（4）中：I1代表報告期總運價指數，I0代表基期總運價指數，基期的運價指數都設定為100。

4 實證分析

4.1 樣本選取

編制物流運價指數，首先進行樣本線路的選擇，要求選擇的樣本線路需遵循典型性原則、地區分布性原則、相關性原則、指數波動性原則、資料易取性原則、可比性原則和全面性原則。即樣本線路在整個物流運輸市場占據的份額大，其運價變動能夠較充分地反映總體運價變動情況。本文基于阿里物流平臺采集到的數據，以及樣本線路選取原則，最終選取從浙江省各市出發到達全國各省市的道路線路為樣本線路，包括浙江省市區到浙江省市區的線路、浙江省市到其他省市的線路。

4.2 數據來源及預處理

采用數據抓取技術從阿里物流平臺上采集到從浙江省11個市到全國各省市的樣本線路的運價數據及貨運量數據。原始數據包括出發地城市、目的地城市、物流企業名稱、重貨價格（元/t）、貨運量（t）、里程（km）、運輸時效（d），運達速度（km/h）由里程與運輸時效的比值獲得。

對從阿里物流平臺采集的數據進行預處理，主要包括缺失值和異常值的處理。首先，由于采用數據抓取技術從阿里物流平臺上采集數據，某條線路的數據可能缺失，需要根據其歷史數據及與這條線路相近的數據來模擬該線路缺失的數據；其次，阿里物流平臺上的運輸時效數據可能存在異常，例如同一物流企業的同一條線路的運輸時效在不同時期存在較大差異，因此采用平均值的方法替換異常值。

4.3 統計結果及分析

根據采集到的數據，導入的數據模型的Excel字段有日期、省份、出發地、目的地、物流企業、重貨價格（元/ t）、重量（t）、輕貨價格（元/m3）、體積（m3）、整車價格（元/車）、車輛數量（車）、里程（km）、運輸天數（d）、運輸方式、貨物類型。

4.3.1 浙江省道路運輸價格總指數。采用上述的道路運輸價格指數模型，以定基指數為例，取2013年1月為基期，計算得出相應的指數，繪制了2013年1月至2016年5月的指數曲線圖，主要包括浙江省道路運價總指數、道路貨運價格分類指數（在分城市、分里程、分運輸形式、分貨物類型和分速度，選取分城市分類指數展示）、道路貨運價格分線路指數。

為分析總指數的波動情況，首先使用Spearman系數雙變量相似度檢驗理論將總指數與浙江省各港貨物吞吐量進行相關性分析，分析結果見表1。

表1 浙江省各港貨物吞吐量與貨運價格總指數相關性分析

由表1可以看出置信度Sig=0＜0.05,按照統計學的理論可知,應拒絕原假設，即浙江省各港貨物吞吐量和總指數是顯著相關的，且相關系數為0.721。由相關性分析結論可以看出，浙江省各港貨物吞吐量會對浙江省貨運價格總指數有影響，這為接下來把總指數和吞吐量進行對比分析提供依據。另一方面，將預測宏觀經濟發展趨勢的綜合性經濟指數的PMI指數與總指數進行對比，進而分析總指數波動的原因。對比結果如圖2所示。

圖2 浙江省道路運輸價格總指數

由圖2可以看出，三條折線圖的變化趨勢基本一致。首先把總指數與浙江省各港吞吐量對比，比如2013年4月到2014年1月，總指數呈下降的趨勢，而浙江省進出口貨運量也減少，說明海運貨運量減少在一定程度上會影響到公路貨運市場，會使得一定時期內公路貨運市場景氣程度降低；再如2014年7月到2015年1月，海運吞吐量與總指數均呈上升趨勢，說明海運貨運量越高，公路運輸應該越景氣，需求越繁榮，價格越高。另一方面，對比PMI指數與總指數，2013年4月到2014年1月，PMI一直是呈下降趨勢，總指數也略呈下降趨勢，但不明顯，直到2014年4月才顯著下降，這是由于聯動反應滯后所致。2014年7月到2015年1月，PMI指數和總指數均上升，是由于該時期宏觀經濟發展較好，而浙江省是外向型經濟，出口旺盛，則運輸需求高，市場更活躍。

4.3.2 浙江省道路運輸價格分類指數。選取具有代表性的寧波舟山港為例，分析舟山港吞吐量與運價指數的關系，如圖3所示。

圖3 浙江省道路運輸價格分城市(寧波舟山港)分類指數

由圖3知，2013年1月到2016年5月，兩條曲線均呈現總體上升的趨勢，二者保持基本一致的波動趨勢。例如2015年1月至2015年7月，舟山港貨物吞吐量增加，說明海運貨運量需求較大，進出口進行公水聯運時，公路貨運量自然上升，這樣公路貨運市場更活躍，交易量更大，所以該運價指數與海運吞吐量保持一致。

4.3.3 浙江省道路運輸價格分線路指數。針對寧波—北京的公路貨運線路，以2013年10月為基期，選取2013年10月至2016年5月的全國道路貨運價格指數（CFI）與本指數作對比，如圖4所示。

圖4 浙江省道路運輸價格分線路指數

由圖4知，分線路指數與CFI指數的總體變化趨勢基本一致，二者均呈現前期下降、中期上升、后期下降的趨勢，這說明兩類指數均能夠反映寧波-北京線路的公路貨運市場景氣程度。

5 結論

本文首先闡述了我國道路貨物運輸的背景、存在問題和研究意義，然后對國內外具有代表性的運價指數進行綜述，接下來給出了基于阿里物流平臺的道路運價指數模型，最后選取浙江省道路貨物運輸市場進行實證分析，在明確樣本及數據采集方式后，采用拉氏指數理論編制指數，最后得出對應的指數曲線，并與浙江省港口吞吐量和PMI指數進行對比分析，結果表明該指數能夠較好地反映運輸市場的需求狀況和成交現狀。

本文將運價指數從理論研究引向實際實踐，完善了我國道路貨物運輸價格指數研究體系，有助于促進貨運市場經營主體的投資、經營決策；有助于引導市場資源配置，完善貨運市場培育機制；有助于行業管理部門監測市場運行，提升執政服務能力。

[1]郭翰超,孫麗梅.北京市運輸價格指數編制方法研究[A].北京市第十五次統計科學討論會獲獎論文集[C].2009.

[2]顧敬巖,范文姬.普通道路貨物運輸價格指數編制方法[J].道路交通科技,2013,30(9):154-158.

[3]劉彬,姜桂艷,陳炯迪,等.寧波市道路貨物運輸價格指數研究[J].寧波大學學報(理工版),2015,(3):127-132.

[4]閆廣聰,聶化東,史國強.道路貨物運輸價格指數編制[J].道路與汽運,2015,(5):62-64.

[5]胡永舉,郭艷,張艷,等.道路運價指數的作用及其編制方法的探討[J].交通科技與經濟,1999,(1):48-49.

[6]趙文閣,鐘懿,王琿,等.義烏道路貨物運輸價格指數體系研究[J].道路交通科技:應用技術版,2012,(2).

[7]Palmer N,Jones K.Price Index for Freight Transport by Road[R]. Nantes:Voorburg Group,2002.

Application of Roadway Freight Transportation Price Index Model Based on Laspeyres Method

Liu Zhishuo,Zhao Kuan,Ma Jingmiao,Wang Chunfang
(School of Traffic&Transportation,Beijing Jiaotong University,Beijing 100044,China)

In this paper,we first established the roadway transportation price index model based on the sample data of the Ali platform, which included the three layers of total index,categorical index and individual index and then prepared the relevant index using the Laspeyres-based calculation process.At the end,through an empirical analysis of the roadway transportation market of Zhejiang,we demonstrated the correctness and validity of the model.

roadway freight transportation;price index;Laspeyres index

F224.0;F252

A

1005-152X(2016)12-0050-05

10.3969/j.issn.1005-152X.2016.12.013

2016-11-06

國家科技支撐計劃項目（2014BAH24F02）

劉志碩（1977-），男，湖南安仁人，北京交通大學交通運輸學院副教授，博士，研究方向：智能物流系統、電子商務技術與應用、控制科學與工程等。