省域公路貨物運價抽樣監測方法

趙轉轉，馬廷博，馬振祥，王釗龍，閆晟煜

（1.陜西交通職業技術學院 汽車工程學院，陜西 西安 710018；2.中廣核鈾業發展有限公司核燃料二部，北京 100081；3.長安大學 汽車學院，陜西 西安 710064）

0 引言

2013—2014年交通運輸部、國家發展和改革委員會相繼印發《關于開展道路貨運價格與成本監測試點工作的通知》《關于做好貨物運輸價格監測工作的通知》等文件，要求組織開展貨物運價監測工作，公路貨物運價動態監測成為省域道路運輸市場常態化監測任務。一直以來，限于貨物運價持續變動、企業數量眾多、運價結構復雜等因素，省域貨物運價監測體系尚不完善，影響到管理主體對運價行情的及時掌握和宏觀運力調控。公路貨物運價為市場調節價，道路貨物運輸每周運價持續波動，省域內各貨運企業報價互有差別[1]，一般通過建立運價指數按月監測。中國物流與采購聯合會在2012年公布了全國貨物運價指數[2]，考慮了經濟環境、政策導向、柴油價格、人工成本、貨物行情等因素，為研判貨物運價態勢提供了有力的分析工具。由于各省經濟區位、資源分布存在顯著差異性，省域貨物運價規律與全國總體規律不盡一致，也需及時掌握運價變化動向。與此同時，鐵路歷經2013 年之后的2 次貨運改革，在長運距“白貨”的運能方面持續發力[3]，建立中國鐵路95306 貨運平臺，借助運價低的優勢，公路長運距貨運受到一定沖擊。近年來柴油油價持續走高，增加了運輸成本，拉大了公路與鐵路運價的差距，一些時效性不強的普通貨物紛紛由公路運輸轉向鐵路運輸，影響到公路運力的總體調控。多種因素影響下，有必要建立一套省域公路運價抽樣監測體系，用于調控貨運市場、精準施行政策和運價及時反饋等工作的有序開展。

有關貨物運價的既有研究多從運價指數、定價模型、運價預測、運價調整機制和公鐵運價對比等方面展開。運價指數及運價模型多建立在自回歸移動平均(ARIMA)模型、評定(Logit)模型、斯塔克伯格(Stackelberg)模型、自回歸條件異方差(ARCH)類模型和拉式方法等基礎上。2015年以來，一些省份也在逐步建立省域公路貨物運價監測體系，監測領域集中在生鮮冷藏運輸、煤炭運輸、原油與成品油運輸和集裝箱運輸等。貨物運價研究方面，原云霄等[4]采用ARIMA 模型預測我國公路運價指數，運用數學軟件和月度數據驗證模型合理性；周茵等[5]基于總體、分類和個體指數提出鐵路貨運價格指數體系；肖本佳等[6]運用指數編制理論建立運價指數算法；來浩楠[7]運用煤炭市場大數據編制煤炭公路運輸價格指數；Shackman等[8]運用向量誤差校正模型，檢驗海運、鐵路、公路和航空貨運費率的協整關系；Kyriakou 等[9]基于運價指數回歸模型為貨運期權開發精準估值方法；Duru 等[10]提出用于干散貨運輸的長期航運運價指數；張雙霞等[11]構建基于ARIMA模型和支持向量機(SVM)模型的公路運價預測模型；趙福杰等[12]建立鐵礦石運價的自回歸移動平均(ARMA)與霍爾特-溫特斯方法(Holt-Winters)非季節組合模型；張若夢等[13]依托運價數據計算全局和局部莫蘭(Moran)統計量，建立帶有空間滯后項的空間自相關模型，分析貨物運價的影響因素和空間效應；Chen 等[14]采用多重分形技術，分析了波羅的海地區干散貨的運價指數；Parumog 等[15]基于汽車燃料價格變動因子提出公路運輸定價的總體結構；Gohari等[16]解析運輸燃料價格上漲對集裝箱運輸成本的影響；Macharis等[17]基于比利時多式聯運碼頭區位分析(LAMBIT)模型研究燃料價格上漲10%時對貨運增長的促進作用。

目前各省對公路貨物運價的分析角度互有不同，采取手段較為靈活，如按整車、零擔輕貨、零擔重貨和集裝箱運輸來分類。一些省域公路運價監測以典型企業報送的運價作為基數發布，然而少量的監測樣本對運價精度和分析質量有一定影響，也鮮見在抽取樣本時考慮省域地市分布情況。鑒于此，研究提出一種公路貨物運價抽樣檢測方法，滿足運價推算精度，并通過省域數據驗證方法的可行性，以期服務于公路貨物運輸行業的動態監測任務，實現高效率、低成本的貨物運價動態信息實時掌握。

1 運價監測體系架構

1.1 抽樣監測流程

省域內各地市貨物運價以企業為依托采集數據，企業是關鍵的調查對象。貨運企業按照擁有車輛數不同，分為規上企業、規下企業。規上企業分為擁有車輛數100輛以上企業、50～99輛企業，共2個層級；規下企業分為擁有車輛數10～49輛企業、5～9輛企業和4輛及以下企業，共3個層級。規下企業不如規上企業經營穩定，對貨物運價的報價存在變動幅度偏大的特點，因而規上企業更適合作為調查對象。

道路貨物運輸企業經營范圍分為普通貨物運輸、貨物專用運輸、大型物件運輸和危險品貨物運輸，其中各省域普通貨物運輸計價方式有一定通用性且運輸量比例最大，根據2019 年道路貨物運輸量專項調查結果，一些省份甚至達到92%以上，是公路貨物運價動態監測的關鍵，而普通貨物運輸又分為整車運輸、零擔輕貨運輸、零擔重貨運輸和集裝箱運輸4 種報價類別。普通貨物運價因報價類別、運輸線路、承運貨物品類等不同而不同，貨物運價抽樣監測體系流程如圖1所示。

圖1 貨物運價抽樣監測體系流程Fig.1 Process of freight rate sampling monitoring system

貨物運價抽樣過程根據全國經濟普查每5 年執行1 次，當樣本不適應監測要求時可通過樣本輪換解決。貨物運價與貨物品類關聯密切，不同貨物品類報價類別不同，運價算法也不同；運輸距離也對運價有影響，公路運價算法在400 km以內與800 km以上存在顯著的差異性。因此，樣本分配階段應充分考慮省域內運輸的貨物品類比例構成、運輸線路分配問題。

1.2 分層抽樣理論

獲取省域各地市內規上企業的總體數，采用分層抽樣法計算樣本數。通過分層可增大各屬性中的共性，易于抽出具有代表性的調查樣本。因此，將總體按其屬性分成若干層，在各層中隨機抽取樣本單位調查。對于給定的置信水平，總體方差越大，需要的樣本量就越大。若總體是由幾個差異明顯的獨立部分組成，且總體與樣本之間存在一定的一致性時，分層抽樣法中每層的方差要小于總體方差，樣本容量較不分層抽樣的方法大幅減少，可提升工作效率。根據分層抽樣最優分配原理[18]，估計最低樣本容量為

式中：n為最低樣本量；Wh為第h層總體層權；為總體第h層方差；V為估計量方差；N為總體量。

式中：Nh為第h層總體量。

式中：d為抽樣絕對誤差；t為標準正態分布的雙側分位數；r為抽樣相對誤差，控制在5%～10%；Yˉ為總體均值。

奈曼分配為

式中：wh為第h層樣本層權；nh為第h層樣本量。

標準正態分布的雙側分位數可由常用分位數表查詢得到，95%置信區間為1.96，90%置信區間為1.65。運用公式時先計算地市平均值，再計算該地市層內方差，結合該層層權和估計量誤差，計算最低樣本量，抽樣分為2 層，第1 層為省域地市層，第2 層為規上企業層。根據規上企業層內標準差，可控制置信區間為90%～95%。

2 樣本分配與數據報送

交通運輸行業標準《運輸貨物分類和代碼》(JT/T 19—2001)將貨物分為17種品類，根據省域每5 年1 次的貨運專項調查獲得各地市普通貨物品類的運量比例βi(i=1，2，…，17)[19]。按照各地市的βi拆分企業樣本n0，可表示為

結果按照四舍五入計，每個企業重點監控3～6種貨物品類。當規上企業缺少某貨物品類的企業時，可在下一層的規下企業中尋求樣本調換。

零擔輕貨按照貨物包裝最大外廓尺寸計算體積，按333 kg/m3計算其計費質量；零擔重貨對貨物的劃分界限為運載因數小于1.132 8 m3/t或40 ft3/t的運輸。不同貨物品類的報價類別如圖2所示。

圖2 不同貨物品類的報價類別Fig.2 Quotation category corresponding to goods category

石油、天然氣及制品和化工原料及制品多屬于危險品運輸，不在普通貨物范疇內[20]。樣本分配過程不區分企業層級，按照所屬的重點監控貨物品類報送運價，典型運輸線路一般含市內線路、省內線路、省際線路，企業根據運輸距離自行確定典型運輸線路。每種重點監控貨物品類的運價報送內容如表1所示。

表1 每種重點監控貨物品類的運價報送內容Tab.1 The freight rate submission content of each priority goods category for monitoring

一些貨物雖然以整車形式運輸，如煤炭、金屬礦石等，但可采用零擔重貨形式報價，報價類別靈活多變，運價數據采集時可確定唯一報價類別執行。報價數據接收后，對分析異常數據予以核實驗證，可運用Z-分數篩選月度報價異常數據。

式中：Z為報價X的分數值；E為報價X的平均值；σ為報價X的標準差。

貨物運價變量X具有正態分布特征，引入拉依達準則(3σ準則)判斷異常運價數據，即當Z∈(-3，3)時認為X為正常數據，當Z超過閾值邊界則認為X為異常數據。

省域規上企業常與上游生產企業簽訂年度貨運承包合同來鎖定整批貨源，而零散的貨物主要通過規下企業和個體戶運輸完成。無車承運人平臺近年興起，其運單數據中含有大量的實時運價信息，涉及整車、零擔輕貨、零擔重貨、集裝箱、冷鏈運輸和大件運輸等多種道路貨運報價類別，是理想的貨物運價數據源，也是貨物運價動態監測的有效補充[21]。然而，無車承運人運價數據并不能完全代表省域運價，缺少全局運價特征，如合同制貨物運價等。

3 案例分析

2019 年某省開展普通貨物運價抽樣監測工作，提取9 月道路運政管理信息系統中各地市的規上企業數，按照分層抽樣理論計算抽樣樣本數，取抽樣置信度為90%，r=0.1，t=1.65，車輛數分別為100輛以上企業、50～99 輛企業的抽樣結果。規上企業抽樣數計算結果如表2所示。

表2 規上企業抽樣數計算結果 個Tab.2 Results of samples of enterprises above the designated size

初步計算得到總抽樣企業數為42 個，總體抽樣比例為14.49%。計算過程中發現，每個地市內車輛數為100 輛以上與車輛數為50～99 輛的企業數量差距(即二者標準差)越小，總體抽樣比例則越小。此外，地市F的樣本總數不足以覆蓋行業標準中的17 種貨物品類，需要在地市F 車輛數為10～49 輛的規下企業中降檔選取2 個企業補充，因而總抽樣企業數為44個。

提取2019年9月各地市貨物運輸量專項調查中普通貨物品類的運量比例βi，按照公式⑸，拆分表2中規上企業樣本總數。以地市A、地市B 為例，抽取企業樣本對貨物品類覆蓋情況。地市A 和地市B的規上企業覆蓋貨物品類拆分如表3所示。

表3 地市A和地市B的規上企業覆蓋貨物品類拆分Tab.3 Splitting of goods categories covered by enterprises above the designated size in city A and city B

表3 中地市A、地市B 覆蓋的貨物品類未達到100%覆蓋，這是由于非危險品運輸的石油及天然氣制品、化工原料及制品等2 種貨物品類很低，地市A、地市B分別為5.88%，7.69%，而且總體貨物品類覆蓋的置信度已超過90%，因而統計中忽略這2 種貨物品類的影響。表3 中企業樣本數的拆分比例與覆蓋貨物品類基本一致，符合企業樣本總數拆分規律。

被抽樣的企業按照表1 填報指定監測貨物品類的運價，定期報送，通過在線共享文檔匯總數據，采取按照樣本量對不同貨物品類運價加權的方式，可得到不同運輸距離下的整車、零擔輕貨、零擔重貨和集裝箱運價。例如，以2019 年各報價類別為基價，按照400 km 以內、400～800 km、800～2 000 km的3種運輸距離，整理部分2021年貨物運價波動情況。不同報價類別下的運價月度波動情況如圖3所示。

圖3 不同報價類別下的運價月度波動情況Fig.3 Monthly fluctuation of freight rates under different quotation categories

由圖3 可知，整車、零擔輕貨和零擔重貨運價在2021 年內基本呈現一季度偏低、二季度趨穩和三、四季度逐步提升的態勢；春節過后，3～4 月不同運輸距離的運價指數基本達成一致，而到7 月后又出現不同運輸距離運價分化的狀況；該省份3 種報價類別在1～2 月春節期間差異性顯著。圖3 中貨物運價體現了該省貨物運價的整體走勢，也同時驗證了貨物運價抽樣方法、按照貨物品類分配企業樣本和異常報價數據篩選等處理環節具有良好的可行性和穩定性。

4 結束語

（1）通過剖析貨運企業分類和經營范圍，運用分層抽樣理論，提出普通貨物運價抽樣監測體系，引入企業承運的貨物品類比例拆分抽樣樣本，按照運輸距離和報價類別采集貨物運價數據，利用Z-分數和拉依達準則建立審核標準來篩選異常報價數據，當規上企業不足以覆蓋所有貨物品類時，提出采用擁有車輛數為10～49 輛的規下企業補充監測樣本缺失的方法。

（2）運用實例省份數據驗證貨物運價抽樣監測方法的可行性和穩定性，抽樣監測方法的置信度可達90%以上，研究發現每個地市內車輛數為100輛以上與車輛數為50～99 輛的企業數標準差越小則總體抽樣比例越小的規律。

（3）貨物運價構成復雜，貨物專用運輸和危險品運輸的運價劃分由于定價規則具有高度市場化的特點，研究僅探討普通貨物運價監測，而未詳細闡述其他經營范圍的貨物運價監測方法；在下一步研究中，將重點探索危險品運輸、冷鏈運輸和特種貨物運輸的運價監測問題和省域內通用運價指數模型構建問題。