扩展功能
文章信息
- 陈奇奇, 王观虎
- CHEN Qi-qi, WANG Guan-hu
- 对中小城市客运快递运价水平的影响因素分析——基于结构方程模型的实证研究
- Analysis on Factors Affecting Passenger Express Freight Rate of Small and Medium-sized Cities——An Empirical Study Based on Structural Equation Model
- 公路交通科技, 2020, 37(7): 152-158
- Journal of Highway and Transportation Research and Denelopment, 2020, 37(7): 152-158
- 10.3969/j.issn.1002-0268.2020.07.020
-
文章历史
- 收稿日期: 2019-05-15
客运快递是物流专业细分下的重要快运方式,利用客运班车的行李舱,以规模化、集约化、网络化的形式对货物进行“捎载”运输。它的经营无需专门购置车辆,可充分利用现有的客运场站,密集、直达的客运班次,覆盖广的客运网络以及独立完整的行李舱等客运资源优势,从而具备了其他快运方式不能比拟的快速、低成本与可达性广的优点。
运价作为物流运输最复杂与最具代表性的要素之一,是交通运输业主要的经济杠杆。运价策略的制定是否科学合理,关系到国家、社会和广大消费者的利益,同时直接决定运输业务能否顺利开展并盈利,与运输企业经济效益和发展前途息息相关[1-2]。在客运快递运价制定方面,孙熙安教授及其学生[3-6],以北京各大客运站为例,基于运输成本及运输需求等因素,采用LOGIT模型确定运输问题,通过“运价-收入”函数确定了最优定价;建立双边竞价模型,解决了包仓定价问题;利用拉姆齐定价与平均成本定价等多种定价模型对不同区域的不同线路给出了运价计算方法。
对于影响因素的分析,结构方程模型有着较为广泛的应用[7-10]。陈赟等[11]利用结构方程模型研究出了城市地铁票价的影响因素和各影响因素的路径关系。Hany[12]应用结构方程模型来识别和量化沙特年轻司机参与事故的重要因素。khaled[13]应用结构方程模型,对人们出行行为影响因素进行了定量分析,剖析了出行行为的本质,从而为交通政策的制定提供客观依据。Shunan Yu和Wei Zhang[14]对在同一地区运营的两家航空货运公司,对市场的定价策略进行了实证分析,通过优化差别化定价方法,得到两家运营商合作获得的收益大于单一定价所得收益的结果。Paolo Beria[15]针对铁路和长途汽车的一体化发展,从市场集中度、票价和专业化程度3个角度进行了分析,结果表明铁路和长途汽车在市场需求方面(顾客群体方面)是相互影响、联系的。
影响运输价格的因素众多,相互作用关系复杂。上述研究从不同角度分析了地铁、航空货运、铁路票价制定及人们出行行为的影响因素,对研究客运快递运价影响因素的分析有一定的参考和借鉴意义。目前对客运快递运价的理论研究仅笼统地从运输成本与需求角度考虑,在给出具体的定价方法前,缺乏对影响运价水平的因素分析及其对运价影响路径和强度的全面、系统考虑,导致理论实践性较差;同时在研究区域上缺乏对中小城市的研究,因此有必要对中小城市运价影响因素及其作用路径进行研究。
本研究以中原城市群5座中小城市为例,利用结构方程模型的验证性因素分析和路径分析等技术,定量分析影响中小城市客运快递运价水平的因素和各要素对运价水平的影响路径与强度。
1 数据来源与模型构建 1.1 样本选取问卷包括个人基本信息与客运快递使用情况,还包括运输成本、市场需求、市场竞争、市场结构、国家管制与政策、积载能力、运输对象与市场供给等8个潜变量及其对应的23个测量变量。调查区域为中原城市群的5座中小城市,分别是焦作、开封、新乡、漯河、驻马店,作为中小城市的评判标准。
本研究总共收回问卷665份,剔除其中43份“从未使用客运快递”的问卷以及19份异常值较多的问卷,共得到603份有效问卷。总问卷的Cronbach's a系数达到了0.89,在0.8以上,表示本研究的问卷总体上具有良好的信度。
1.2 结构方程模型原理与模型建构由于影响客运快递运价水平的因素众多,这些因素均无法直接测量且各要素对客运快递运价作用机理复杂,传统的多元回归分析技术难以处理,而结构方程模型的优点是可以通过测量可观察变量来分析未观察变量,在多元统计分析中可以通过建模测量误差来更好地检验变量之间的因果关系。因此,选择SEM作为分析方法。
SEM模型通常包括测量模型和结构模型。测量模型解释了观测变量与潜在变量之间的相互关系,结构模型解释了不同潜在变量之间的关系[16-18]。一般结构方程在理论上由3个方程组成。表达式是:
![]() |
(1) |
![]() |
(2) |
![]() |
(3) |
式(1)、(2)为测量方程,式(3)为结构方程。Λx为外生变量的因子载荷矩阵x的外生潜变量ξ;δ为外生变量误差向量;y为内生变量的向量;Λy为内生变量的因子载荷矩阵y的内生潜变量η;ε为内生变量的误差向量;η为内生潜变量的向量;B为内隐变系数矩阵;Γ为外生潜变量系数矩阵;ξ为残余向量结构方程。
在SPSS软件中建立了655个样本数据的数据库,经过分析处理导入AMOS软件,进行模型的计算求解。主要应用验证性因子分析和路径分析方法,通过路径图和效应值来分析影响中小城市客运小件运价水平的因素、各个影响因素间相互影响效应及其相互关系。而效应值共分为直接效应、间接效应和总效应。每种效应代表各变量之间的不同作用效果。
2 实证分析 2.1 变量选取与模型结果 2.1.1 变量选取正如上文所述,目前关于客运快递运价水平的研究仅考虑了需求和成本要素,而客运快递是公路货运的重要组成部分,基于已有的关于公路货运运价水平的理论研究成果[3-6,11,14,19],从成本、竞争、市场因素及国家政策等方面进行分析:成本包括运输成本、运输对象和积载能力;竞争主要指市场竞争;市场因素包括市场结构、市场供给和市场需求;国家政策主要指国家管制与政策。总结出影响中小城市客运快递运价水平的主要因素:
(1) 运输成本。因运输生产行为所产生的各种固定、变动成本和管理费用等直接成本,运输事前及事后改变价格续约等各种交易成本以及因运输造成的污染、拥堵事故等外部成本都会影响运价水平。
(2) 运输对象。运输对象的物理属性、运距等要素会通过影响运输成本间接影响运价,对运输时限有特殊需求的货物需要采用特殊的运输技术,导致了不同的运价水平。
(3) 积载能力。很少有研究注重积载能力对运价的影响,不同于有专门运输车辆的货运方式,客运快递利用客运班车行李舱进行“捎载”运输,行李舱往往只有7~12 m3,货运能力相对较弱,行李舱的体积以及客运班车核定载重限制可能会对运价产生直接影响,亦可能通过影响运输对象间接影响运价。
(4) 市场竞争。公路货运行业早已形成完全竞争的市场结构,客运快递的市场占有率受其竞争对手EMS、民营快递和专用物流的影响较大,运价制定时需要与竞争对手横向比较,确定合理运价。
(5) 国家管制与政策。最高、最低价的价格管制会直接影响运价的高低,管制政策通过影响市场结构间接地影响运输价格,税收、货币等经济政策可以监督企业制定合理运价,直接或间接影响运价。
(6) 市场结构。不同类型的市场结构,其运行模式会存在一定差异,而由此导致的对运价的控制程度也不尽相同,一般从运输企业的规模、市场集中度、运输结构等角度来衡量一个市场的结构状况。
(7) 市场需求。根据需求理论,假设总供给保持在一定水平,高运输需求会产生高运价,低运输需求会产生低运价,即需求变动的方向与运价变动方向是同向一致的。一般从消费水平、经济水平、人口数量等角度量化运输需求。
(8) 市场供给。市场供给对运价产生着直接影响,运价与运输供给呈反方向变化,不考虑运力结构问题,当运力增加时运价降低,运力不足时运价升高。影响运输供给的因素主要包括运输车数、基础设施建设和从业人员素养等。
2.1.2 模型结果根据前文总结的影响因素,本研究的观测变量和潜在变量如表 1所示。初始路径图及计算结果如图 1所示。
潜在变量 | 观测变量 |
市场供给(Sup) | 车辆数量(Sup1) 人员素质(Sup2) 基础设施(Sup3) |
市场竞争(Com) | 民营快递(Com1) 特快专递(Com2) 专业物流(Com3) |
运输成本(Cos) | 直接成本(Cos1) 外部成本(Cos2) 交易成本(Cos3) |
市场需求(Dem) | 经济水平(Dem1) 人员数量(Dem2) 消费水平(Dem3) |
运价(F) | 运价率(F1) |
市场结构(Str) | 市场关注(Str1) 运输结构(Str2) 企业规模(Str3) |
运输对象(Obj) | 物理性质(Obj1) 运输时限(Obj2) 运输距离(Obj3) |
国家政策(Pol) | 价格管控(Pol1) 管制政策(Pol2) 经济政策(Pol3) |
积载能力(Cap) | 容量限制(Cap1) 允许荷载(Cap2) |
![]() |
图 1 全路径图与初始模型计算结果 Fig. 1 Full path diagram and initial model calculation result |
|
为检验已有理论提出的影响中小城市客运快递运价水平要素是否与实际数据拟合,本部分利用结构方程模型中的验证性因子分析方法,逐步筛选出影响运价水平的因素全集。
从图 1所示的初始模型潜在变量与测量变量的关联强度可以看出,外部成本对运输成本的度量能力最弱;通过表 1所示,初始模型各要素对运价水平的影响不同于先前的假设,对于中小城市的客运快递而言,市场竞争对运价水平的影响效应仅为0.052,是所有要素中影响效应最弱的。与我们提出的假设相反,不论是积载能力对运价的直接影响(0.018)还是通过运输对象间接影响(-0.088),运价都非常微弱,几乎可以忽略不计,故删除外部成本这一显变量以及积载能力、市场竞争两潜在变量。筛选出中小城市影响客运快递运价水平的主要因素为运输成本、运输对象、市场结构、政府管制与政策、市场供给、市场需求等6大要素。
2.2 模型修正及评价指标根据再次筛选出的影响中小城市客运快递运价水平的主要因素,重新计算,结果如图 2所示,拟合指数如表 2所示。
![]() |
图 2 修正路径图与修正模型计算结果 Fig. 2 Modified path diagram and modification model calculation result |
|
模型 | (χ2/df) | PGFI | RMSEA | CFI | GFI | AGFI |
初始模型 | 2.159 | 0.690 | 0.062 | 0.935 | 0.881 | 0.848 |
修正模型 | 2.074 | 0.655 | 0.059 | 0.956 | 0.918 | 0.885 |
判别标准 | < 5 | >0.50 | < 0.08 | >0.90 | >0.90 | >0.90 |
通过图 2可以看出测量变量的度量能力均有效,各要素对运价水平均具有较强的影响效应。同时运用协方差模型进行数据分析,采用卡方自由度比(χ2/df)、简效拟合优度指数(PGFI)、近似误差均方根(RMSEA)、比较拟合指数(CFI)、拟合优度指数(GFI)和调整后的拟合优度指数(AGFI)等6个指标来检验模型与原始数据的拟合程度,分别对初始模型和修正模型的拟合精度进行评价,结果见表 2。当卡方自由度比小于5时,说明模型适配度良好,且越小表示模型拟合越好,其余指标同理。由表 2可以得出初始模型的GFI和AGFI不满足要求,CFI勉强符合要求;修正后的模型仅有AGFI未满足要求,其余指标相比初始模型均更好地符合统计意义上的拟合优度要求,模型适配度更好,进一步说明了修正后的测量指标更加合理。
2.3 各要素对运价水平影响分析图 2为各筛选因子对客运快递运价水平的影响路径。它们对运价水平的直接、间接和总影响如表 3所示,即修正后的模型栏。该表中路径系数已经过标准化,便于直接比较其影响路径的大小。
运价 | 效应 | Obj | Pol | Dem | Sup | Cos | Str | Cap | Com |
初始模型 | 总效应 | -0.118 | 0.419 | -0.083 | 0.455 | 0.169 | 0.226 | -0.070 | 0.052 |
直接效应 | 0.011 | 0.639 | -0.083 | 0.455 | 0.169 | 0.262 | 0.018 | 0.052 | |
间接效应 | -0.129 | 0.220 | 0.000 | 0.000 | 0.000 | 0.035 | 0.088 | 0.000 | |
修正模型 | 总效应 | -0.099 | 0.389 | -0.092 | 0.430 | 0.281 | 0.091 | — | — |
直接效应 | 0.132 | 0.474 | -0.092 | 0.430 | 0.281 | 0.091 | — | — | |
间接效应 | -0.230 | -0.086 | 0.000 | 0.000 | 0.000 | 0.000 | — | — |
由表 3可知中小城市客运快递的积载能力与市场竞争不是其运价水平的主要影响因素,外部成本也无法更好地衡量运输成本,各因素对货运水平的影响路径和强度的分析如下。
国家政策:表 2说明政府管制与政策对客运快递运价的直接影响效应为0.474,通过市场结构的间接影响效应为-0.086,总效应为0.389。较高的路径系数说明政府管制与政策是影响客运快递运价水平的主要因素之一。目前各部门对客运快递运价制定的政策不一致、不明朗。由于客运站的“站运分离”模式,中小城市客运站普遍未对客运快递签订相关协议,对承运人的约束较弱,承运人常以处罚风险为由提高运价。因此,国家管制与政策对运价的影响性较大。
市场供给:对客运快递运价水平的影响效用为-0.430(表 3),表示市场供给每增加一个单位,运价水平便降低0.43个单位。路径系数为负表明市场供给越大相应的运价水平越低。其路径系数的绝对值最大,表明其是影响运价水平的最主要因素。客运快递运价水平对市场供给变化最为敏感,目前中小城市客运快递行李舱大量富余,处于供给过剩状态,其运价水平理应较低,然而中小城市的客运快递运价水平普遍高于其他货运方式,价格要素无法满足用户需求,市场占有率低。
其他因素:运输对象对运价的直接影响效应为0.132,通过运输成本的间接影响为-0.231,总影响效应为-0.099(表 3)。运输对象的质量、体积等物理性质以及运距都会对运价水平产生较为显著的正效应;对运输时限有特殊要求的快件需要采用特殊的运输技术,通过影响其成本而间接影响运价水平,而间接影响为负则与假设不一致,主要因为运输成本对运价显负效应。市场需求虽对运价水平有影响,但影响效应较弱(0.09),是由于中小城市客运快递运输需求较小且用户在仅考虑及时性要素才会选择客运快递,而在该要素上其他货运方式相比于客运快递竞争性较低。
3 中小城市客运快递运价制定策略与建议基于上述筛分出的影响中小城市客运快递运价水平的各要素,以及对各要素之间作用路径和强度的分析,本研究从国家部门和客运快递经营者两个层面给出中小城市客运快递运价制定的策略性建议。
国家各管理部门应考虑到客运快递可提高客运站收益,为社会提供多元化运输服务,并能提高物流速度,降低物流成本,通过对客运快递的政策统一化、明确化,能够消除政策不统一对运价水平造成的不良影响,促进客运快递良好发展;同时考虑到国家管制与政策会通过影响市场结构间接影响运价水平,国家相关部门可通过出台政策优先发展中小城市客运快递的经营规模,以提高客运快递的市场集中度,使客运快递的运价水平更合理、更平稳。
“一带一路”倡议构建下,大城市与中小城市间的区域合作、物质交流、基础建设等活动将愈加频繁,这为中小城市带来剧增的物流需求。在此背景下,中小城市目前营销策略将无法适应未来的发展。考虑到运输对象对运价水平较为显著的影响以及客运快递及时性优势,本研究认为经营者可按照货物的运输时限对货物分类,制定面向不同货物种类的运价标准,同时经营者应采取积极的营销策略,以提高运输需求。
[1] |
张玲, 郝京京, 戢晓峰. 城际货物运输联系的网络特性及空间组织优化研究[J]. 公路交通科技, 2019, 36(1): 150-158. ZHANG Ling, HAO Jing-jing, JI Xiao-feng. Study on Network Characteristics and Spatial Organization Optimization of Inter-city Freight Transport Connection[J]. Journal of Highway and Transportation Research and Development, 2019, 36(1): 150-158. |
[2] |
戢晓峰, 郝京京. 基于多源数据的货物空间运输联系特征及形成机制[J]. 公路交通科技, 2016, 33(7): 153-158. JI Xiao-feng, HAO Jing-jing. Study on Freight Spatial Transport Connection Characteristics and Its Formation Mechanism Based on Multi-source Data[J]. Journal of Highway and Transportation Research and Development, 2016, 33(7): 153-158. |
[3] |
孙熙安, 成瑞利. 公路客运小件货物快运包仓定价研究[J]. 交通运输系统工程与信息, 2017, 17(4): 13-18. SUN Xi-an, CHENG Rui-li. Chartered Pricing for Small-size Cargo Express Service in Long Distance Highway Passenger Transportation Station[J]. Journal of Transportation Systems Engineering and Information Technology, 2017, 17(4): 13-18. |
[4] |
李雪菲, 孙熙安. 北京公路长途客运站小件货物快运研究[J]. 物流技术, 2017, 36(3): 92-96. LI Xue-fei, SUN Xi-an. Operational Cost Analysis of Small-parcel Expedited Delivery by Long-distance Passenger Transport Stations[J]. Logistics Technology, 2017, 36(3): 92-96. |
[5] |
郭玲莉.公路长途客运小件货物快运定价问题研究[D].北京: 北京交通大学, 2015. GUO Ling-li. Research on Express Freight Pricing of Small Cargo for Long-distance Passenger Transport[D]. Beijing: Beijing Jiaotong University, 2015. http://cdmd.cnki.com.cn/Article/CDMD-10004-1015545672.htm |
[6] |
赵静茹.公路长途客运站小件快运差别定价研究[D].北京: 北京交通大学, 2016 ZHAO Jing-ru. Study on Differential Pricing of Small Parts Express Transportation in Highway Long-distance Passenger Station[D]. Beijing: Beijing Jiaotong University, 2016. http://cdmd.cnki.com.cn/Article/CDMD-10004-1016120727.htm |
[7] |
程谦, 邓卫. 基于SEM的城市轨道交通服务质量影响因素研究[J]. 交通运输工程与信息学报, 2019, 17(2): 58-64. CHENG Qian, DENG Wei. Factors of Service Quality for Urban Rail Transit Based on Structural Equation Modeling[J]. Journal of Transportation Engineering and Information, 2019, 17(2): 58-64. |
[8] |
刘宇峰, 钱一之, 胡大伟, 等. 基于结构方程模型的不同规模城市居民出行方式选择影响因素的关联性分析[J]. 长安大学学报:自然科学版, 2018, 38(5): 87-95. LIU Yu-feng, QIAN Yi-zhi, HU Da-wei, et al. Correlation Analysis of Travel Mode Choice for Urban Residents in Different Urban Size Based on Structural Equation Model[J]. Journal of Chang'an University:Natural Science Edition, 2018, 38(5): 87-95. |
[9] |
WANG C H, WEN Y L, DUAN W, et al. Coupling Relationship Analysis on Households' Production Behaviors and Their Influencing Factors in Nature Reserves:A Structural Equation Model[J]. Chinese Geographical Science, 2013, 23(4): 506-518. |
[10] |
QURESHI S M, KANG C. Analysing the Organizational Factors of Project Complexity Using Structural Equation Modelling[J]. International Journal of Project Management, 2015, 33(1): 165-176. |
[11] |
陈赟, 陈嘉, 谭秀娟. 地铁票价制定影响因素分析[J]. 武汉理工大学学报, 2014, 36(12): 62-77. CHEN Yun, CHEN Jia, TAN Xiu-juan. Analysis Influencing Factors of Making Urban Metro Ticket Price[J]. Journal of Wuhan University of Technology, 2014, 36(12): 62-77. |
[12] |
HASSAN H M. Examining the Factors Associated with the Involvement of the Saudi Young Drivers in At-fault Crashes: Survey-based Study[C]//the 93th Annual Meeting of the Transportation Research Board. Washington, D. C.: TRB, 2014: 83-97.
|
[13] |
SHAABAN K, HASSAN H M. Modeling Significant Factors Affecting Commuters' Perspectives and Propensity to Use the New Proposed Metro Service in Doha[J]. Canadian Journal of Civil Engineering, 2014, 41(12): 1054-1064. |
[14] |
YU S N, YANG Z Z, ZHANG W. Differential Pricing Strategies of Air Freight Transport Carriers in the Spot Market[J]. Journal of Air Transport Management, 2019, 75: 9-15. |
[15] |
BERIA P, BERTOLIN A. Evolving Long-distance Passenger Services:Market Concentration, Fares and Specialisation Patterns in Italy[J]. Research in Transportation Economics, 2019, 74: 77-92. |
[16] |
吕笑媛, 倪少权, 杜梦锦, 等. 基于结构方程的高速铁路客运服务质量评价指标体系构建[J]. 交通运输工程与信息学报, 2019, 17(3): 100-108. LÜ Xiao-yuan, NI Shao-quan, DU Meng-jin, et al. Study of a Quality Evaluation Indictor System of High-speed Railway Passenger Service Based on SEM[J]. Journal of Transportation Engineering and Information, 2019, 17(3): 100-108. |
[17] |
陈坚, 唐炜, 蔡晓禹, 等. 城市轨道交通乘客满意度多群组结构方程模型[J]. 交通运输系统工程与信息, 2018, 18(1): 173-178. CHEN Jian, TANG Wei, CAI Xiao-yu, et al. Multiple-group Structural Equation Model of Passenger Satisfaction in Urban Rail Transit[J]. Journal of Transportation Systems Engineering and Information Technology, 2018, 18(1): 173-178. |
[18] |
张萍, 邓能静, 蒋瑶瑶. 居民非工作活动和出行的结构方程建模[J]. 同济大学学:自然科学版, 2017, 45(9): 1311-1318. ZHANG Ping, DENG Neng-jing, JIANG Yao-yao. Structural Equations Analysis on Non-work Trip of Residents' Activity and Travel Behavior[J]. Journal of Tongji University:Natural Science Edition, 2017, 45(9): 1311-1318. |
[19] |
方启稳.基于GA-BP算法的公路货运定价模型研究[D].杭州: 浙江工商大学, 2017. FANG Qi-wen. Research on Highway Freight Pricing Model Based on GA-BP Algorithm[J]. Hangzhou: Zhejiang Gongshang University, 2017. http://cdmd.cnki.com.cn/Article/CDMD-10353-1017047328.htm |