현대 중국에서 철도는 다른 교통수단보다 국민 생활의 편리성 및 사회 경제의 발전성에 대해 매우 중요한 역할을 담당하고 있다. 중국의 땅이 넓고 사람 수가 많은 국경에는 중국의 경제가 왕성하게 발전함에 따라 여객들과 화물들을 효율적으로 신속하게 운송하는 것이 중요하다. 중국 철도의 경쟁력을 지속적으로 향상시키기 위해서는 철도국에 대해 적절한 정책과 투자가 이루어 졌는지를 평가하고 향후 철도국의 정책과 투자가 어떻게 이루어져야 하는지 파악할 필요가 있고, 이를 위해 철도국의 효율성과 생산성을 측정하고 어떤 요인에 의하여 변화가 이루어지는지에 대한 분석이 필요하다. 본 연구의 목적을 크게 세 가지로 설정하였다. 첫째, 효율성과 DEA에 관한 개념이나 이론을 종합함으로서 연구의 중요성을 제시하고, 중국의 18개 철도국을 대상으로 2005년부터 2012년까지 자료를 이용하여 ...
현대 중국에서 철도는 다른 교통수단보다 국민 생활의 편리성 및 사회 경제의 발전성에 대해 매우 중요한 역할을 담당하고 있다. 중국의 땅이 넓고 사람 수가 많은 국경에는 중국의 경제가 왕성하게 발전함에 따라 여객들과 화물들을 효율적으로 신속하게 운송하는 것이 중요하다. 중국 철도의 경쟁력을 지속적으로 향상시키기 위해서는 철도국에 대해 적절한 정책과 투자가 이루어 졌는지를 평가하고 향후 철도국의 정책과 투자가 어떻게 이루어져야 하는지 파악할 필요가 있고, 이를 위해 철도국의 효율성과 생산성을 측정하고 어떤 요인에 의하여 변화가 이루어지는지에 대한 분석이 필요하다. 본 연구의 목적을 크게 세 가지로 설정하였다. 첫째, 효율성과 DEA에 관한 개념이나 이론을 종합함으로서 연구의 중요성을 제시하고, 중국의 18개 철도국을 대상으로 2005년부터 2012년까지 자료를 이용하여 DEA 기법을 통해 각 철도국의 투입과 산출에서 효율성 변화 추이를 살펴보고 비효율성을 발성시키는 요인과 그 크기에 대한 구체적인 분석을 시도하고자 한다. 둘째, Malmquist 생산성지수 모형을 이용하여 생산지수를 통해 철도국의 생산성 변화를 순수 기술효율성과 규모효율성 및 기술변화로 구분하여 측정하고 생산성 변화의 원인을 분석하고자 한다. 셋째, 철도국 경영효율성의 효과적인 제고를 위해 필요한 부문과 정도를 실증분석을 통하여 합리적인 개선방안을 도출하고자 한다. 따라서 본 연구는 DEA/CCR와 BCC모형, 초효율성 모형, DEA/Malmquist 생산성 지수 모형을 이용하여 2005년부터 2012년까지의 중국에 있는 18개 철도국의 효율성과 생산성 변화 추이를 측정하였다. 이를 위해 본 연구에서는 종업원 수, 기관차 수, 객차 수, 화차일평균 사용량, 운영거리, 연료사용량을 투입요수로 선정하였고 여객 운송수입과 화물 운송수입을 산출요소로 선정하였다. 또한 본 연구에서는 중국철도출판사에서 발행하는 『중국철도연감』의 자료를 기본으로 하여 연구결과의 신뢰성을 높이기 위해 중국내에서 다른 교통연감과의 비교를 통하여 동일한 수치를 나타내는 자료를 사용하였다. 본 논문의 결과를 요약하면 다음과 같다. 첫째, CCR모형과 BCC모형에서는 2005년부터 2012년까지 8년 동안 무두 효율적으로 평가된 철도국이 베이징, 태원, 상하이, 광저우, 우루무치 5개 철도국인 것으로 분석되었다. 연도별 효율성지수를 살펴보면, CCR모형에서 2005년은 0.874로 가장 높은 지수가 있고 2010년은 0.845로 가장 낮은 지수로 나타났다. BCC모형에서 2007년은 0.874로 가장 낮은 지수를 나타났고 2012년에 0.892로 가장 높은 효율성지수를 분석되었다. 둘째, 2012년을 기준으로 CCR모형에서 철도국의 효율성지수는 베이징, 태원, 후허하오터, 지난, 상하이, 광저우, 우루무치, 칭짱 8개 철도국이 1.00으로 측정되었고 하열빈, 선양, 정저우, 우한, 시안, 난창, 난닝, 성도, 곤명, 란저우 10개 철도국은 비효율적으로 측정되었다. 셋째, 2012년 기준으로 철도국분석에서 비효율적인 철도국은 10개이며 기술적인 요인은 하열빈, 선양, 정저우, 우한, 난창, 난닝, 성도, 란저우 8개 철도국, 규모의 요인은 시안, 곤명 2개 철도국에서 나타났다. 기술적인 요인인 비효율적인 철도국은 효율성이 1로 되기 위해 철도국의 내적 운영에 대해 종업원 수, 기관차 수, 운영 거리 등 투입요소의 여러 가지 조합을 통하여 최대의 산출량을 얻어야 하고, 규모에 따른 요인인 경우에는 비효율적인 철도국의 투입규모가 최적한 개선방법을 도모해야 한다. 넷째, CCR투입지향모형에 의해서 2012년을 기준으로 중국철도국의 효율성 향상의 목표설정을 위해 비효율 원인과 크기를 측정한 결과를 보면 종업원 수, 기관차 수, 운영거리와 연료 사용량은 주요 비효율의 원인으로 나타났고, 전반적으로 30%이상 정도를 절감해야 한다. 중국철도국의 효율성 향상을 위해서는 하열빈, 선양, 정저우, 우한, 시안, 난창, 난닝, 성도, 곤명, 란저우 철도국에 대해 비효율적 요인들에 대한 제거가 선행되어야 한다. 다섯째, 효율성이 좋게 도출된 DMU들의 순위를 서열화 하기 위해 초효율성을 분석한 결과 중국철도국의 최고점수는 CCR모형 1.910, BCC모형 2.370, 최하점수는 CCR모형 0.595, BCC모형 0.645로 분석되며 베이징 철도국은 초효율성 1순위인 DMU로 나타났다. 마지막으로, Malmquist 생산성지수 분석에서 8년간 전체 철도국의 평균 생산성지수는 1.137로 13.7%가 증가하였는데, 이는 기술변화가 가장 주요한 원인으로 분석되었다. 또한, 2008-2009년 세계 금융위기로 인하여 철도국의 생산성지수는 2007년에 비해 너무 낮게 나타났다. 이를 위해 생산기술 수준이 뒤처지는 철도국에 대해 시설 및 인프라의 현대화, 신기술 개발 등 적극적인 방안의 수립이 필요하다. 본 연구는 다음과 같은 한계를 가지고 있다. 첫째, 자료수집 상의 한계로 인해 여객차종별과 화물품목별로 보다 세분화된 분석을 시행할 수 없었다. 또한, 중국철도 운송은 여객부문과 화물부문으로 크게 구분할 수 있는데, 여객과 화물의 효율성을 측정하지 못하였다. 투입요소 중 종업원수, 기관차수, 운영거리, 종합연료 사용량 등
현대 중국에서 철도는 다른 교통수단보다 국민 생활의 편리성 및 사회 경제의 발전성에 대해 매우 중요한 역할을 담당하고 있다. 중국의 땅이 넓고 사람 수가 많은 국경에는 중국의 경제가 왕성하게 발전함에 따라 여객들과 화물들을 효율적으로 신속하게 운송하는 것이 중요하다. 중국 철도의 경쟁력을 지속적으로 향상시키기 위해서는 철도국에 대해 적절한 정책과 투자가 이루어 졌는지를 평가하고 향후 철도국의 정책과 투자가 어떻게 이루어져야 하는지 파악할 필요가 있고, 이를 위해 철도국의 효율성과 생산성을 측정하고 어떤 요인에 의하여 변화가 이루어지는지에 대한 분석이 필요하다. 본 연구의 목적을 크게 세 가지로 설정하였다. 첫째, 효율성과 DEA에 관한 개념이나 이론을 종합함으로서 연구의 중요성을 제시하고, 중국의 18개 철도국을 대상으로 2005년부터 2012년까지 자료를 이용하여 DEA 기법을 통해 각 철도국의 투입과 산출에서 효율성 변화 추이를 살펴보고 비효율성을 발성시키는 요인과 그 크기에 대한 구체적인 분석을 시도하고자 한다. 둘째, Malmquist 생산성지수 모형을 이용하여 생산지수를 통해 철도국의 생산성 변화를 순수 기술효율성과 규모효율성 및 기술변화로 구분하여 측정하고 생산성 변화의 원인을 분석하고자 한다. 셋째, 철도국 경영효율성의 효과적인 제고를 위해 필요한 부문과 정도를 실증분석을 통하여 합리적인 개선방안을 도출하고자 한다. 따라서 본 연구는 DEA/CCR와 BCC모형, 초효율성 모형, DEA/Malmquist 생산성 지수 모형을 이용하여 2005년부터 2012년까지의 중국에 있는 18개 철도국의 효율성과 생산성 변화 추이를 측정하였다. 이를 위해 본 연구에서는 종업원 수, 기관차 수, 객차 수, 화차일평균 사용량, 운영거리, 연료사용량을 투입요수로 선정하였고 여객 운송수입과 화물 운송수입을 산출요소로 선정하였다. 또한 본 연구에서는 중국철도출판사에서 발행하는 『중국철도연감』의 자료를 기본으로 하여 연구결과의 신뢰성을 높이기 위해 중국내에서 다른 교통연감과의 비교를 통하여 동일한 수치를 나타내는 자료를 사용하였다. 본 논문의 결과를 요약하면 다음과 같다. 첫째, CCR모형과 BCC모형에서는 2005년부터 2012년까지 8년 동안 무두 효율적으로 평가된 철도국이 베이징, 태원, 상하이, 광저우, 우루무치 5개 철도국인 것으로 분석되었다. 연도별 효율성지수를 살펴보면, CCR모형에서 2005년은 0.874로 가장 높은 지수가 있고 2010년은 0.845로 가장 낮은 지수로 나타났다. BCC모형에서 2007년은 0.874로 가장 낮은 지수를 나타났고 2012년에 0.892로 가장 높은 효율성지수를 분석되었다. 둘째, 2012년을 기준으로 CCR모형에서 철도국의 효율성지수는 베이징, 태원, 후허하오터, 지난, 상하이, 광저우, 우루무치, 칭짱 8개 철도국이 1.00으로 측정되었고 하열빈, 선양, 정저우, 우한, 시안, 난창, 난닝, 성도, 곤명, 란저우 10개 철도국은 비효율적으로 측정되었다. 셋째, 2012년 기준으로 철도국분석에서 비효율적인 철도국은 10개이며 기술적인 요인은 하열빈, 선양, 정저우, 우한, 난창, 난닝, 성도, 란저우 8개 철도국, 규모의 요인은 시안, 곤명 2개 철도국에서 나타났다. 기술적인 요인인 비효율적인 철도국은 효율성이 1로 되기 위해 철도국의 내적 운영에 대해 종업원 수, 기관차 수, 운영 거리 등 투입요소의 여러 가지 조합을 통하여 최대의 산출량을 얻어야 하고, 규모에 따른 요인인 경우에는 비효율적인 철도국의 투입규모가 최적한 개선방법을 도모해야 한다. 넷째, CCR투입지향모형에 의해서 2012년을 기준으로 중국철도국의 효율성 향상의 목표설정을 위해 비효율 원인과 크기를 측정한 결과를 보면 종업원 수, 기관차 수, 운영거리와 연료 사용량은 주요 비효율의 원인으로 나타났고, 전반적으로 30%이상 정도를 절감해야 한다. 중국철도국의 효율성 향상을 위해서는 하열빈, 선양, 정저우, 우한, 시안, 난창, 난닝, 성도, 곤명, 란저우 철도국에 대해 비효율적 요인들에 대한 제거가 선행되어야 한다. 다섯째, 효율성이 좋게 도출된 DMU들의 순위를 서열화 하기 위해 초효율성을 분석한 결과 중국철도국의 최고점수는 CCR모형 1.910, BCC모형 2.370, 최하점수는 CCR모형 0.595, BCC모형 0.645로 분석되며 베이징 철도국은 초효율성 1순위인 DMU로 나타났다. 마지막으로, Malmquist 생산성지수 분석에서 8년간 전체 철도국의 평균 생산성지수는 1.137로 13.7%가 증가하였는데, 이는 기술변화가 가장 주요한 원인으로 분석되었다. 또한, 2008-2009년 세계 금융위기로 인하여 철도국의 생산성지수는 2007년에 비해 너무 낮게 나타났다. 이를 위해 생산기술 수준이 뒤처지는 철도국에 대해 시설 및 인프라의 현대화, 신기술 개발 등 적극적인 방안의 수립이 필요하다. 본 연구는 다음과 같은 한계를 가지고 있다. 첫째, 자료수집 상의 한계로 인해 여객차종별과 화물품목별로 보다 세분화된 분석을 시행할 수 없었다. 또한, 중국철도 운송은 여객부문과 화물부문으로 크게 구분할 수 있는데, 여객과 화물의 효율성을 측정하지 못하였다. 투입요소 중 종업원수, 기관차수, 운영거리, 종합연료 사용량 등
In today's China railway is more important to the convenience of people's life and the development of social economy than remainder traffic, In the chinese national conditions of much land and a large population with the flourishing development of China's economy efficient railway transportation of ...
In today's China railway is more important to the convenience of people's life and the development of social economy than remainder traffic, In the chinese national conditions of much land and a large population with the flourishing development of China's economy efficient railway transportation of passengers and cargoes is more and more important. In order to improve the competitiveness of chinese railway the first is through the evaluation of relevant railway policies and investment to make the right decision and then by the means of DEA and Malmquist to analyse China railway's efficiency and productivity. This study include three research objectives. First, through the DEA model to analyse the importance of this study and by the means of analysing the input and output elements to find out the reasons why and how to make a poor efficiency about China 18 rail bureaus from 2005 to 2012. Second, by the ways of using Malmquist model to analyse the Malmquist Productivity Index(MPI) including Pure Technical Efficiency Change Index(PECI), Scale Efficiency Change Index(SECI), Technical Change Index(TCI), and find out the change reasons of Productivity. Third, in order to improve the efficiency of China's railway to make the empirical analysis about relevant departments and find the improvement scheme. so in this study by the ways of using DEA/CCR and BCC model, Super Efficienc model, DEA/Malmquist model to analyse the efficiency change and productivity trend of China 18 rail bureaus from 2005 to 2012. Input elements selected for this study were the number of employees, the number of locomotives, the number of passenger trains, one day the number of freight trains, Operating mileage and the fuel usage, and passenger revenues and freight revenues were selected as the output variables. The data used for this study come from the "CHINA RAILWAY YEARBOOK", which published from China Railway Publishing House, and in order to improving the reliability of the study results the use of consistent data from other traffic statistical yearbooks is necessary. The findings of this study to compare and evaluate the efficiency of the rail bureaus are summarized as follows: First, by the methods of CCR and BCC model the analysis of the efficiency of each rail bureaus shows that Bei jing, Tai yuan, Shang hai, Guang zhou and Wu lu mu qi bureaus are efficient in the past 8 years from 2005 to 2012. In CCR model the efficiency index of 2005 was the highest index as 0.874, and the year 2010 the index with 0.845 was the lowest level. In BCC model the lowest index was 0.874 of year 2007, but the highest one was the year 2012 with the index 0.892. Second, in CCR model the analysis of the efficiency of each rail bureau in 2012 shows that Bei jing, Tai yuan, Hu he hao te, Ji nan, Shang hai, Guang zhou, Wu lu mu qi and Qing zang bureaus are efficent. But Ha er bin, Shen yang, Zheng zhou, Wu han, xi an, Nan chang, Nan ning, Cheng du, Kun ming and Lan zhou are analyzed as inefficient bureaus. Third, based on the year 2012 the inefficient bureaus caused by technical factor are Ha er bin, Shen yang, Zhengzhou, Wu han, Nan chang, Nan ning, Cheng du and Lan zhou, and caused by scale factor are Xi an and Kun ming. In order to improve the inefficient bureaus with technical factor the internal control of operation and input elements, the maximization of outputs are necessary, and to improve the inefficient bureaus with scale factor the improvement scheme about input scale is necessary. Fourth, based on the data of 2012 and CCR input model, the analysis of the efficiency of rail bureaus shows that the number of employees, the number of locomotives, the Operating mileage and the fuel usage are the main inefficient factors, each one needs above 30%'s decrease. Fifth, the analysis of super efficiency of efficient rail bureaus shows that the highest index in the CCR model is 1.190, and in the BCC model is 2.370, the lowest index in the CCR model is 0.595, in the BCC model is 0.645, and Bei jing bureau ranks first. The last, with the model of Malmquist the mean productivity is 1.137 in the past 8 years, and the technical change is the main factor to the bureau productivity. Compared with year 2007 the productivity index reached a low level in the year 2009-2009, which was due to the world financial crisis. And to improve the productivity it is requested to make efforts to modernize infrastructures and facilities, to develop new technology and to reform other policies. The limits of this study to compare and evaluate the efficiency of the rail bureaus are summarized as follows: First, the limitation on data collection make it difficult to make a distinction between the grade of passenger trains and the goods items. And the Passenger department and freight department didn't separate from each other, and the number of employees, the number of locomotives, Operating mileage and the fuel usage as the input element to be separated was difficult. Second, because of the limitations of DEA model relative evaluation is only to be texted but the absolute evaluation can not. And the VRS model, one of DEA models, has a limitation if the more subjects of analysis it have the low discrimination it will. Third, in DEA model according to the different elements the analysis results are different. And the outside elements about economic and politics did not considered. Fourth, the analysis of the productivity with Maumquist model shows that after year 2010 the TCI and MPI have been falling, but the index of 2013 can not be shown though the year 2013 has been gone, so the change of the reforms on rail bureaus can not be known after 2012. Future research on rail bureau about the relationship between the politics and the change of productivity is necessary. Fifth, in order to make a better analysis of China railway industry the multilateral and general analysis should to be considered in the future research. By means
In today's China railway is more important to the convenience of people's life and the development of social economy than remainder traffic, In the chinese national conditions of much land and a large population with the flourishing development of China's economy efficient railway transportation of passengers and cargoes is more and more important. In order to improve the competitiveness of chinese railway the first is through the evaluation of relevant railway policies and investment to make the right decision and then by the means of DEA and Malmquist to analyse China railway's efficiency and productivity. This study include three research objectives. First, through the DEA model to analyse the importance of this study and by the means of analysing the input and output elements to find out the reasons why and how to make a poor efficiency about China 18 rail bureaus from 2005 to 2012. Second, by the ways of using Malmquist model to analyse the Malmquist Productivity Index(MPI) including Pure Technical Efficiency Change Index(PECI), Scale Efficiency Change Index(SECI), Technical Change Index(TCI), and find out the change reasons of Productivity. Third, in order to improve the efficiency of China's railway to make the empirical analysis about relevant departments and find the improvement scheme. so in this study by the ways of using DEA/CCR and BCC model, Super Efficienc model, DEA/Malmquist model to analyse the efficiency change and productivity trend of China 18 rail bureaus from 2005 to 2012. Input elements selected for this study were the number of employees, the number of locomotives, the number of passenger trains, one day the number of freight trains, Operating mileage and the fuel usage, and passenger revenues and freight revenues were selected as the output variables. The data used for this study come from the "CHINA RAILWAY YEARBOOK", which published from China Railway Publishing House, and in order to improving the reliability of the study results the use of consistent data from other traffic statistical yearbooks is necessary. The findings of this study to compare and evaluate the efficiency of the rail bureaus are summarized as follows: First, by the methods of CCR and BCC model the analysis of the efficiency of each rail bureaus shows that Bei jing, Tai yuan, Shang hai, Guang zhou and Wu lu mu qi bureaus are efficient in the past 8 years from 2005 to 2012. In CCR model the efficiency index of 2005 was the highest index as 0.874, and the year 2010 the index with 0.845 was the lowest level. In BCC model the lowest index was 0.874 of year 2007, but the highest one was the year 2012 with the index 0.892. Second, in CCR model the analysis of the efficiency of each rail bureau in 2012 shows that Bei jing, Tai yuan, Hu he hao te, Ji nan, Shang hai, Guang zhou, Wu lu mu qi and Qing zang bureaus are efficent. But Ha er bin, Shen yang, Zheng zhou, Wu han, xi an, Nan chang, Nan ning, Cheng du, Kun ming and Lan zhou are analyzed as inefficient bureaus. Third, based on the year 2012 the inefficient bureaus caused by technical factor are Ha er bin, Shen yang, Zhengzhou, Wu han, Nan chang, Nan ning, Cheng du and Lan zhou, and caused by scale factor are Xi an and Kun ming. In order to improve the inefficient bureaus with technical factor the internal control of operation and input elements, the maximization of outputs are necessary, and to improve the inefficient bureaus with scale factor the improvement scheme about input scale is necessary. Fourth, based on the data of 2012 and CCR input model, the analysis of the efficiency of rail bureaus shows that the number of employees, the number of locomotives, the Operating mileage and the fuel usage are the main inefficient factors, each one needs above 30%'s decrease. Fifth, the analysis of super efficiency of efficient rail bureaus shows that the highest index in the CCR model is 1.190, and in the BCC model is 2.370, the lowest index in the CCR model is 0.595, in the BCC model is 0.645, and Bei jing bureau ranks first. The last, with the model of Malmquist the mean productivity is 1.137 in the past 8 years, and the technical change is the main factor to the bureau productivity. Compared with year 2007 the productivity index reached a low level in the year 2009-2009, which was due to the world financial crisis. And to improve the productivity it is requested to make efforts to modernize infrastructures and facilities, to develop new technology and to reform other policies. The limits of this study to compare and evaluate the efficiency of the rail bureaus are summarized as follows: First, the limitation on data collection make it difficult to make a distinction between the grade of passenger trains and the goods items. And the Passenger department and freight department didn't separate from each other, and the number of employees, the number of locomotives, Operating mileage and the fuel usage as the input element to be separated was difficult. Second, because of the limitations of DEA model relative evaluation is only to be texted but the absolute evaluation can not. And the VRS model, one of DEA models, has a limitation if the more subjects of analysis it have the low discrimination it will. Third, in DEA model according to the different elements the analysis results are different. And the outside elements about economic and politics did not considered. Fourth, the analysis of the productivity with Maumquist model shows that after year 2010 the TCI and MPI have been falling, but the index of 2013 can not be shown though the year 2013 has been gone, so the change of the reforms on rail bureaus can not be known after 2012. Future research on rail bureau about the relationship between the politics and the change of productivity is necessary. Fifth, in order to make a better analysis of China railway industry the multilateral and general analysis should to be considered in the future research. By means
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.