基于偏比例優(yōu)勢模型的農(nóng)路評價影響因素分析
——以河南省為例

單 飛， 聶世剛

（河南交通發(fā)展研究院有限公司，鄭州 450053）

為剖析農(nóng)村公路（農(nóng)路）發(fā)展過程中存在的“建管養(yǎng)運”不匹配、區(qū)域發(fā)展不平衡等問題［1］，厘清癥結(jié)所在，本文對影響農(nóng)路綜合評價的諸多因素進行分析，為相關(guān)管理營運單位因地制宜地制定多樣化、精細化措施提供有效支持，助力農(nóng)路更好、更快發(fā)展.

由于在評價農(nóng)路發(fā)展水平方面需考慮多維度多指標(biāo)評價體系的構(gòu)建，但當(dāng)前常用的主成分分析法、層次分析法和模糊評價模型［2-7］等方法在評價過程中存在人為主觀性過大、指標(biāo)兼容性較差等問題.而在綜合評價中影響因素分析方面，目前常用方法有分類預(yù)測模型（決策樹［8］、支持向量機［9］等模型）與計量統(tǒng)計模型（二項logit［10］/probit［11］、多項式logit［12］/probit［13］、巢式［14］或混合logit［15］、有序logit［16］/probit［17］、廣義有序logit［18］等模型）.后者為參數(shù)模型，對影響因素的可解釋性比前者好.

考慮到農(nóng)路發(fā)展水平及各評價指標(biāo)有序分類的本質(zhì)特性，在諸多計量統(tǒng)計模型中，有序logit/probit、廣義有序logit等有序模型具有更加明顯的優(yōu)勢［18］.但有序logit/probit模型需要嚴格遵守比例優(yōu)勢假設(shè)（Proportional Odds Assumption）［16-17］，即自變量回歸系數(shù)與分割點無關(guān)，該系數(shù)不會隨農(nóng)路發(fā)展水平等級的變化而不同，亦稱作平行線假設(shè)（Parallel Line Assumption）.廣義有序logit 模型中所有自變量完全擺脫比例優(yōu)勢假設(shè)的限制，但這同樣不符合影響因素的實際狀態(tài)［18］.通常農(nóng)路發(fā)展水平具有強隨機性和地域差異性，通常部分影響因素遵守比例優(yōu)勢假設(shè)，而其他因素相反.

目前，很少有學(xué)者利用偏比例優(yōu)勢模型（Partial Proportional Odds Model，PPOM）來對道路交通發(fā)展水平進行影響因素分析.偏比例優(yōu)勢模型是有序logit模型與廣義有序logit模型的改進模型［19］.其既可以考慮各變量的有序特性，又能夠允許部分變量不遵守比例優(yōu)勢假設(shè)［20］，該模型具有極強的靈活性，更加符合不同影響因素的現(xiàn)實影響狀態(tài).

本文以河南省各縣區(qū)的農(nóng)路發(fā)展水平為例，利用偏比例優(yōu)勢模型對農(nóng)路綜合評價的影響因素展開分析.同時，利用邊際效應(yīng)分析的量化特性，深入分析各影響因素的影響差異性，為不同區(qū)域的農(nóng)路未來發(fā)展進程中因地制宜進行管理決策提供依據(jù).

1 數(shù)據(jù)來源

研究數(shù)據(jù)源于“河南省情網(wǎng)”（http：//dfz.henan.gov.cn/hnsq/）縣市志年鑒中公路路網(wǎng)統(tǒng)計數(shù)據(jù)，各縣農(nóng)路發(fā)展等級依據(jù)2020年河南省105個縣的交通綜合排名次序而定，即第1～21名為“優(yōu)”，第22～42名為“良”，第43～63名為“中”，第64～84名為“次”，第85～105名為“差”.

農(nóng)路“建管養(yǎng)運”交通發(fā)展評價具有多維度復(fù)雜性，道路交通安全（交通發(fā)展的首要目標(biāo)）、資源利用情況（代表著農(nóng)路的基本建設(shè)狀態(tài)）、交通運輸效率（可以體現(xiàn)具體路網(wǎng)的運營管理及養(yǎng)護維修水平）和環(huán)境保護（能夠推動路網(wǎng)的可持續(xù)發(fā)展），這4個維度都對農(nóng)路發(fā)展影響巨大.本文就從這4個方面，選取15個因素進行分析（表1）.

表1 變量分類、等級及頻數(shù)Tab.1 Classification，grade and frequency of variable

1）運輸效率方面：路網(wǎng)密度中當(dāng)量公路里程按通行能力等同原則把各等級公路里程折算成二級公路里程，具體折算系數(shù)如表2.

表2 各等級公路折算系數(shù)Tab.2 Conversion coefficients of various grade roads

2）資源利用方面：路網(wǎng)鋪裝率指鋪設(shè)水泥、瀝青的硬化水泥路面占總里程路面的比例；高峰負荷度是公路高峰時段當(dāng)量小客車平均交通量同當(dāng)量小客車交通適應(yīng)量的比值，表示整個路網(wǎng)擁擠或利用的程度；路網(wǎng)等級水平指區(qū)域內(nèi)各路段修正技術(shù)等級的加權(quán)平均值，高速公路、一級公路、二級公路、三級公路、四級公路及等外公路的技術(shù)等級水平取值分別為0、1、2、3、4、5；路網(wǎng)連通度是構(gòu)成公路網(wǎng)的邊數(shù)與節(jié)點數(shù)的比值；路面性能（Pavement Quality Index，PQI）是路面技術(shù)狀況評定的綜合性指標(biāo)，由路面損壞、平整度、車轍、抗滑性能指標(biāo)按所占不同權(quán)重計算所得.

3）環(huán)境保護方面：綠化率為道路紅線范圍內(nèi)各種綠帶寬度之和占總寬度的百分比.

4）交通安全方面：突發(fā)事故率指路網(wǎng)內(nèi)全年突發(fā)事件數(shù)量與干線公路汽車行駛量的比值；路網(wǎng)事故率是車輛在公路網(wǎng)中行駛每億車次公里所發(fā)生的事故次數(shù)；隱患整改率是該整改期限的隱患被整改數(shù)量與該整改期限隱患數(shù)量的比值.

2 分析方法

偏比例優(yōu)勢模型（PPOM）既反映各變量的有序本質(zhì)，又允許部分變量違反比例優(yōu)勢假設(shè)，即允許部分自變量的系數(shù)隨不同水平等級的不同而存在差異性，其靈活性與適應(yīng)性比較強，更加符合各變量的差異性影響.PPOM是有序logit模型（Ordered Logit Model，OLM）與廣義有序logit模型（Generalized Ordered Logit Model，GOLM）的改進模型.

1）有序logit模型：有序logit模型嚴格遵守比例優(yōu)勢假設(shè)［21］，表達式為：

式中：Yi為研究對象i的水平等級；j為水平等級；Xi是研究對象i的向量；β是自變量回歸系數(shù)向量；tj是第j水平等級的常數(shù)項.β和tj均由極大似然法計算.

2）廣義有序logit模型：廣義有序logit模型完全違反比例優(yōu)勢假設(shè)［22］，表達式為：

式中：βj是第j水平等級的自變量回歸系數(shù)向量；其余變量含義同上.

3）偏比例優(yōu)勢模型：偏比例優(yōu)勢模型部分滿足比例優(yōu)勢假設(shè)［23］，表達式為：

式中：X1i是遵守比例優(yōu)勢假設(shè)的自變量向量，其回歸系數(shù)向量為βj；X2i是違反比例優(yōu)勢假設(shè)的自變量向量，回歸系數(shù)向量為γj；其余變量含義同上.

4）邊際效應(yīng)：邊際效應(yīng)可用于定量分析各顯著因素對因變量的影響大小與趨勢［24］，表達式為：

式中：E是目標(biāo)對象i的第k個變量在第j個等級的相關(guān)自變量xijk的邊際效應(yīng)，其余變量含義同上.

5）模型對比：采用AIC信息準(zhǔn)則和偽R2檢驗來對比OLM、GOLM、PPOM三者的擬合有效性，AIC值越小，偽R2越大，擬合效果越好［25］.

3 模型分析

3.1 模型檢驗

采用方差膨脹系數(shù)（variance inflation factor，VIF）對各影響因素多重共線性進行相關(guān)性分析，結(jié)果表明，各自變量的VIF 值均不超過5，即變量間不存在明顯的共線性.利用STATA15.0 統(tǒng)計軟件，構(gòu)建農(nóng)路發(fā)展水平的OLM、GOLM、PPOM分析模型，顯著性水平為<0.05.3個模型的擬合度檢驗結(jié)果如表3，PPOM的AIC最小，偽R2值最大，其擬合效果總體更優(yōu).故選擇PPOM的參數(shù)估計結(jié)果進行深入分析.

表3 擬合優(yōu)度檢驗Tab.3 Test of goodness-of-fit

3.2 偏比例優(yōu)勢模型分析

PPOM的參數(shù)估計結(jié)果如表4.

表4 偏比例優(yōu)勢模型參數(shù)估計匯總表Tab.4 Summary table of parameter estimation for PPOM

由表4可知，每公里養(yǎng)護費、突發(fā)事故率與交通噪聲3個因素對農(nóng)路發(fā)展水平評價的影響不顯著.路網(wǎng)鋪裝率、高峰負荷度、路網(wǎng)連通度與路網(wǎng)事故率4個因素不遵守比例優(yōu)勢假設(shè)，其余8個顯著影響因素則均遵守此假設(shè).

各顯著影響因素的具體邊際效應(yīng)匯總見表5.

表5 偏比例優(yōu)勢模型的自變量邊際效應(yīng)值Tab.5 Marginal effect values of independent variables in PPOM

由表5可知，在農(nóng)路評價中，高峰負荷度的影響最大，其邊際效應(yīng)絕對值均超過10%，尤其是在農(nóng)路發(fā)展水平為“優(yōu)”的區(qū)域，邊際效應(yīng)達到-22.86%.其次，影響較大的因素為路網(wǎng)事故率，邊際效應(yīng)絕對值均超過9%.此外，路網(wǎng)密度、平均車速、出行強度、百公里油耗與綠化率的影響比較接近，邊際效應(yīng)絕對值均處于（2%，10%）區(qū)間.而路網(wǎng)鋪裝率、路網(wǎng)等級水平、路網(wǎng)連通度、路面性能、隱患整改率的影響最小，邊際效應(yīng)絕對值均處于（0，4%）區(qū)間.

運輸效率與環(huán)境保護方面，各因素的影響總體比較接近.而在資源利用與交通安全方面，各因素的影響差異性比較明顯.影響最大的兩個因素，即高峰負荷度與路網(wǎng)事故率，分別屬于這兩方面，但影響最小的一些因素也均處于這兩方面.

各縣農(nóng)路發(fā)展水平差異性與其所在區(qū)位、所屬地形、資源類型、經(jīng)濟狀態(tài)、人口規(guī)模、管理水平等諸多差距緊密相關(guān).因此，在為不同區(qū)域制定農(nóng)路發(fā)展相關(guān)策略時，首先要堅持“以人為本，安全第一”原則，在持續(xù)優(yōu)化路網(wǎng)服務(wù)水平、大力降低路網(wǎng)事故率的同時，要提升路網(wǎng)密度與連通度，改善路面性能，及時整改隱患，增大養(yǎng)護投入，提升道路綠化率.尤其是提升道路綠化率，既可美化環(huán)境，又可對行車視線起到誘導(dǎo)作用.此外，還應(yīng)當(dāng)推動新能源汽車快速發(fā)展，以降低汽車尾氣排放.

針對目前我國農(nóng)路發(fā)展存在的路網(wǎng)結(jié)構(gòu)不合理、通達度不足、“建管養(yǎng)運”不匹配、區(qū)域發(fā)展不平衡、環(huán)保性差等問題，可依據(jù)各因素的貢獻率大小，因地制宜進行政策制定與管控優(yōu)化.例如，農(nóng)路發(fā)展較好的區(qū)域，應(yīng)當(dāng)起到帶頭示范作用，同時應(yīng)進一步優(yōu)化路網(wǎng)結(jié)構(gòu)，加大養(yǎng)護投入，推廣先進技術(shù)，倡導(dǎo)環(huán)保材料，建設(shè)環(huán)?？己梭w系等.對于中等農(nóng)路發(fā)展水平的區(qū)域，可并重推進基礎(chǔ)建設(shè)、管理控制及規(guī)劃設(shè)計，在突出自身優(yōu)勢的同時，努力完善“建管養(yǎng)運”全周期制度.而對于農(nóng)路發(fā)展比較緩慢的區(qū)域，應(yīng)當(dāng)出臺鼓勵投資建設(shè)的政策，同時要有前瞻性和戰(zhàn)略性眼光，樹立長遠發(fā)展目標(biāo)，進行規(guī)劃線路設(shè)計，向先進示范縣學(xué)習(xí)交通建設(shè)經(jīng)驗，制定環(huán)保考核制度，助力農(nóng)路又好又快地發(fā)展.

4 結(jié)語

從運輸效率、資源利用、環(huán)境保護、交通安全4個方面，選取了15個農(nóng)路發(fā)展評價影響因素；采用OLM、GOLM、PPOM 3個分析模型進行擬合效果對比分析，最后以擬合效果最優(yōu)的PPOM對河南省的農(nóng)路評價影響因素展開分析，得到影響我國農(nóng)路發(fā)展綜合評價指標(biāo)的影響差異程度，并據(jù)此為不同農(nóng)路發(fā)展水平的區(qū)域提出一些針對性建議.

為滿足更高要求的農(nóng)路建設(shè)，可依據(jù)各指標(biāo)的貢獻率大小，結(jié)合各縣農(nóng)路“建管養(yǎng)運”全周期發(fā)展?fàn)顟B(tài)，應(yīng)因地制宜制定針對性引導(dǎo)政策與改善措施，為有效推進我國農(nóng)路建設(shè)更好、更快發(fā)展進程提供決策依據(jù).

農(nóng)路發(fā)展任重而道遠，未來研究將聚焦于進一步豐富多模式多尺度的農(nóng)路路網(wǎng)評價影響因素分析，利用數(shù)據(jù)驅(qū)動與模型驅(qū)動，深度挖掘農(nóng)路發(fā)展進程中不同影響因素的潛在價值.