趙轉轉，馬廷博，馬振祥，王釗龍，閆晟煜

（1.陜西交通職業(yè)技術學院 汽車工程學院，陜西 西安 710018；2.中廣核鈾業(yè)發(fā)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(fā)展和改革委員會相繼印發(fā)《關于開展道路貨運價格與成本監(jiān)測試點工作的通知》《關于做好貨物運輸價格監(jiān)測工作的通知》等文件，要求組織開展貨物運價監(jiān)測工作，公路貨物運價動態(tài)監(jiān)測成為省域道路運輸市場常態(tài)化監(jiān)測任務。一直以來，限于貨物運價持續(xù)變動、企業(yè)數(shù)量眾多、運價結構復雜等因素，省域貨物運價監(jiān)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(jié)價，道路貨物運輸每周運價持續(xù)波動，省域內各貨運企業(yè)報價互有差別[1]，一般通過建立運價指數(shù)按月監(jiān)測。中國物流與采購聯(lián)合會在2012年公布了全國貨物運價指數(shù)[2]，考慮了經(jīng)濟環(huán)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(tài)勢提供了有力的分析工具。由于各省經(jīng)濟區(qū)位、資源分布存在顯著差異性，省域貨物運價規(guī)律與全國總體規(guī)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(jīng)2013 年之后的2 次貨運改革，在長運距“白貨”的運能方面持續(xù)發(fā)力[3]，建立中國鐵路95306 貨運平臺，借助運價低的優(yōu)勢，公路長運距貨運受到一定沖擊。近年來柴油油價持續(xù)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(jiān)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(shù)、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(shù)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(jiān)測體系，監(jiān)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?shù)?。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(shù)，運用數(shù)學軟件和月度數(shù)據(jù)驗證模型合理性；周茵等[5]基于總體、分類和個體指數(shù)提出鐵路貨運價格指數(shù)體系；肖本佳等[6]運用指數(shù)編制理論建立運價指數(shù)算法；來浩楠[7]運用煤炭市場大數(shù)據(jù)編制煤炭公路運輸價格指數(shù)；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(xié)整關系；Kyriakou 等[9]基于運價指數(shù)回歸模型為貨運期權開發(fā)精準估值方法；Duru 等[10]提出用于干散貨運輸?shù)拈L期航運運價指數(shù)；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(jié)組合模型；張若夢等[13]依托運價數(shù)據(jù)計算全局和局部莫蘭(Moran)統(tǒng)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(qū)干散貨的運價指數(shù)；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(lián)運碼頭區(qū)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(jiān)測以典型企業(yè)報送的運價作為基數(shù)發(fā)布，然而少量的監(jiān)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(shù)據(jù)驗證方法的可行性，以期服務于公路貨物運輸行業(yè)的動態(tài)監(jiān)測任務，實現(xiàn)高效率、低成本的貨物運價動態(tài)信息實時掌握。

1 運價監(jiān)測體系架構

1.1 抽樣監(jiān)測流程

省域內各地市貨物運價以企業(yè)為依托采集數(shù)據(jù)，企業(yè)是關鍵的調查對象。貨運企業(yè)按照擁有車輛數(shù)不同，分為規(guī)上企業(yè)、規(guī)下企業(yè)。規(guī)上企業(yè)分為擁有車輛數(shù)100輛以上企業(yè)、50～99輛企業(yè)，共2個層級；規(guī)下企業(yè)分為擁有車輛數(shù)10～49輛企業(yè)、5～9輛企業(yè)和4輛及以下企業(yè)，共3個層級。規(guī)下企業(yè)不如規(guī)上企業(yè)經(jīng)營穩(wěn)定，對貨物運價的報價存在變動幅度偏大的特點，因而規(guī)上企業(yè)更適合作為調查對象。

道路貨物運輸企業(yè)經(jīng)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(jù)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(tài)監(jiān)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(jiān)測體系流程如圖1所示。

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

貨物運價抽樣過程根據(jù)全國經(jīng)濟普查每5 年執(zhí)行1 次，當樣本不適應監(jiān)測要求時可通過樣本輪換解決。貨物運價與貨物品類關聯(lián)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?shù)呢浳锲奉惐壤龢嫵?、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(guī)上企業(yè)的總體數(shù)，采用分層抽樣法計算樣本數(shù)。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(jù)分層抽樣最優(yōu)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(tài)分布的雙側分位數(shù)；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(tài)分布的雙側分位數(shù)可由常用分位數(shù)表查詢得到，95%置信區(qū)間為1.96，90%置信區(qū)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(guī)上企業(yè)層。根據(jù)規(guī)上企業(yè)層內標準差，可控制置信區(qū)間為90%～95%。

2 樣本分配與數(shù)據(jù)報送

交通運輸行業(yè)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(jù)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(yè)樣本n0，可表示為

結果按照四舍五入計，每個企業(yè)重點監(jiān)控3～6種貨物品類。當規(guī)上企業(yè)缺少某貨物品類的企業(yè)時，可在下一層的規(guī)下企業(yè)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(shù)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(qū)分企業(yè)層級，按照所屬的重點監(jiān)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(yè)根據(jù)運輸距離自行確定典型運輸線路。每種重點監(jiān)控貨物品類的運價報送內容如表1所示。

表1 每種重點監(jiān)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(shù)據(jù)采集時可確定唯一報價類別執(zhí)行。報價數(shù)據(jù)接收后，對分析異常數(shù)據(jù)予以核實驗證，可運用Z-分數(shù)篩選月度報價異常數(shù)據(jù)。

式中：Z為報價X的分數(shù)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(tài)分布特征，引入拉依達準則(3σ準則)判斷異常運價數(shù)據(jù)，即當Z∈(-3，3)時認為X為正常數(shù)據(jù)，當Z超過閾值邊界則認為X為異常數(shù)據(jù)。

省域規(guī)上企業(yè)常與上游生產企業(yè)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(guī)下企業(yè)和個體戶運輸完成。無車承運人平臺近年興起，其運單數(shù)據(jù)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?shù)榷喾N道路貨運報價類別，是理想的貨物運價數(shù)據(jù)源，也是貨物運價動態(tài)監(jiān)測的有效補充[21]。然而，無車承運人運價數(shù)據(jù)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(jiān)測工作，提取9 月道路運政管理信息系統(tǒng)中各地市的規(guī)上企業(yè)數(shù)，按照分層抽樣理論計算抽樣樣本數(shù)，取抽樣置信度為90%，r=0.1，t=1.65，車輛數(shù)分別為100輛以上企業(yè)、50～99 輛企業(yè)的抽樣結果。規(guī)上企業(yè)抽樣數(shù)計算結果如表2所示。

表2 規(guī)上企業(yè)抽樣數(shù)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(yè)數(shù)為42 個，總體抽樣比例為14.49%。計算過程中發(fā)現(xiàn)，每個地市內車輛數(shù)為100 輛以上與車輛數(shù)為50～99 輛的企業(yè)數(shù)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(shù)不足以覆蓋行業(yè)標準中的17 種貨物品類，需要在地市F 車輛數(shù)為10～49 輛的規(guī)下企業(yè)中降檔選取2 個企業(yè)補充，因而總抽樣企業(yè)數(shù)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(guī)上企業(yè)樣本總數(shù)。以地市A、地市B 為例，抽取企業(yè)樣本對貨物品類覆蓋情況。地市A 和地市B的規(guī)上企業(yè)覆蓋貨物品類拆分如表3所示。

表3 地市A和地市B的規(guī)上企業(yè)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?shù)氖图疤烊粴庵破贰⒒ぴ霞爸破返? 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(tǒng)計中忽略這2 種貨物品類的影響。表3 中企業(yè)樣本數(shù)的拆分比例與覆蓋貨物品類基本一致，符合企業(yè)樣本總數(shù)拆分規(guī)律。

被抽樣的企業(yè)按照表1 填報指定監(jiān)測貨物品類的運價，定期報送，通過在線共享文檔匯總數(shù)據(jù)，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(xiàn)一季度偏低、二季度趨穩(wěn)和三、四季度逐步提升的態(tài)勢；春節(jié)過后，3～4 月不同運輸距離的運價指數(shù)基本達成一致，而到7 月后又出現(xiàn)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(jié)期間差異性顯著。圖3 中貨物運價體現(xiàn)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(yè)樣本和異常報價數(shù)據(jù)篩選等處理環(huán)節(jié)具有良好的可行性和穩(wěn)定性。

4 結束語

（1）通過剖析貨運企業(yè)分類和經(jīng)營范圍，運用分層抽樣理論，提出普通貨物運價抽樣監(jiān)測體系，引入企業(yè)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(shù)據(jù)，利用Z-分數(shù)和拉依達準則建立審核標準來篩選異常報價數(shù)據(jù)，當規(guī)上企業(yè)不足以覆蓋所有貨物品類時，提出采用擁有車輛數(shù)為10～49 輛的規(guī)下企業(yè)補充監(jiān)測樣本缺失的方法。

（2）運用實例省份數(shù)據(jù)驗證貨物運價抽樣監(jiān)測方法的可行性和穩(wěn)定性，抽樣監(jiān)測方法的置信度可達90%以上，研究發(fā)現(xiàn)每個地市內車輛數(shù)為100輛以上與車輛數(shù)為50～99 輛的企業(yè)數(shù)標準差越小則總體抽樣比例越小的規(guī)律。

（3）貨物運價構成復雜，貨物專用運輸和危險品運輸?shù)倪\價劃分由于定價規(guī)則具有高度市場化的特點，研究僅探討普通貨物運價監(jiān)測，而未詳細闡述其他經(jīng)營范圍的貨物運價監(jiān)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?shù)倪\價監(jiān)測問題和省域內通用運價指數(shù)模型構建問題。