我國沿海港口二階段效率測度研究

李電生，聶福海 （中國海洋大學 經濟學院，山東 青島 266100）

0 引 言

隨著國際分工的不斷深化與經濟全球化進程的加快，港口日益成為貿易、航運等產業發展的重要驅動力（楊留星等，2016），其效率的高低不僅直接決定企業效益，還影響著區域經濟社會發展。受重復建設和管理體制僵化等問題影響，近年來，我國沿海港口產能過剩矛盾凸顯（趙廣田等，2015），不利于增進我國動態比較優勢。如何提高港口效率引起了學界的廣泛關注，學者們對港口效率測度問題展開了研究。然而，既有研究大多把港口經營過程視作單一階段，將泊位、營業成本等指標作為投入，貨物吞吐量、集裝箱吞吐量和凈利潤等指標作為產出對港口效率進行評價（龐瑞芝，2006；畢功兵等，2010；李蘭冰等，2011），并未具體考慮港口經營中生產作業和收益轉化等不同階段，不能準確反映港口生產經營實踐。針對這一問題，本文利用Additive-DEA和Malmquist指數方法對我國沿海港口生產作業和收益轉化兩個階段的靜態效率及其動態變化進行實證分析，以期為科學合理地評價港口效率提供有益借鑒，對我國沿海港口的提質升級起到一定促進作用。

1 測度模型構建

1.1 Additive-DEA模型

數據包絡分析（Data Envelopment Analysis，DEA）是由Charnes所提出的一種評價決策單元（DMU）相對有效性的方法，其無須設定具體生產函數，而是根據投入—產出的實際觀測值來估計有效生產前沿面，再通過比較各決策單元與生產前沿面的距離遠近來衡量它們的相對效率。DEA基本模型主要為規模報酬不變的CCR模型與規模報酬可變的BCC模型，這兩種方法都是單純以投入或產出為導向來評價決策單元的相對有效性。而Additive-DEA則是將投入和產出松弛變量值之和作為目標函數，同時從投入和產出兩方面出發，來測算決策單元的相對效率，從而在不破壞模型本身分類一致性的前提下，使評價結果更加合理準確,Additive-DEA模型基本形式具體如下（Charnes et al，1985）：

其中，xij代表第j個DMU的第i個投入變量，yhj代表第j個DMU的第h個產出變量與為松弛變量，分別代表投入冗余與產出不足。

為保持單位不變，本文選擇應用如下改進Additive-DEA模型（Du et al，2010）：

第k個決策單元的效率值δk可通過如下公式求得：

1.2 Malmquist指數模型

DEA模型是對各決策單元的靜態效率值進行比較評價，為有效衡量決策單元相對效率的動態變化，本文引入Malmquist指數模型。該模型最初由Malmquist提出，Fare等提出可以將Malmquist指數分解為技術效率變化指數（effch ）和技術進步變化指數（techch）。其中，技術效率變化指數又能分解為純技術效率變化指數（pech ）和規模效率變化指數（sech ），Malmquist指數具體分解模型如下：

其中，Dt和Dt+1分別表示t期和t+1期的距離函數， （xt+1,yt+1）和（xt, yt）分別表示t期和t+1期的投入和產出向量，b表示規模報酬可變條件，e表示規模報酬不變條件。技術效率變化指數大于1時，表明決策單元距生產前沿面相對更近，技術效率得到提高，反之，則降低；技術進步變化指數大于1時，表明整體技術有所進步，效率前沿面向外側移動，反之，則向內側移動。

2 實證分析

2.1 指標選取及數據來源

港口的經營運作可大致分為兩個階段：生產作業階段和收益轉化階段，前者反映了港口對現有技術、基礎設施等資源的利用能力，后者反映了港口的盈利能力，基于現有研究文獻，考慮數據可得性因素，本文選擇如表1中的指標對港口效率進行測度：

表1 港口二階段效率測度指標

本文根據2010～2015年我國港口貨物吞吐量排名，綜合港口腹地城市經濟社會發展水平、港口軟硬件設施水平等因素，選取上海港、天津港、大連港等競爭力較強的10個沿海港口進行實證分析。效率測度所需數據來源為2011～2016年《中國港口統計年鑒》、各港口腹地省份或城市統計年鑒、各港口上市公司年報以及相關網站。

2.2 靜態效率測度結果分析

本文首先利用Additive-DEA方法對2010～2015年上海港等10個沿海港口的二階段靜態效率進行測度分析，通過MATLAB軟件計算得出的結果如表2所示：

表2 2010～2015年我國沿海港口靜態生產作業效率

由表2可知，2012～2015年的沿海港口靜態效率均值較2010年有所下降，這表明我國沿海港口生產作業效率并未隨港口規模的擴張而提高，未來還有很大提升空間。營口港、日照港、上海港、天津港、連云港生產作業效率相對較高，表明這些港口生產作業技術水平較高，能夠合理安排作業流程，科學配置各類資源。大連港、錦州港、廈門港、珠海港生產作業效率相對較低，處在無效率狀態，究其原因是，近年來，港口數量的增多以及規模的盲目擴大，導致部分港口基礎設施閑置、資源浪費等問題日益加劇。2012～2015年唐山港生產作業效率值較2010年、2011年下滑明顯，說明其產能擴張速度已遠超過實際需求增長速度，未來應制定并實施科學合理的發展規劃，優化管理模式，提高資源利用水平。

表3 2010～2015年我國沿海港口靜態收益轉化效率

由表3可知，2010～2015年我國沿海港口收益轉化效率不高，且呈下降趨勢，盈利能力有待提高。上海港、唐山港各年份均處于效率前沿面，為DEA有效。天津港、日照港、錦州港部分年份收益轉化效率為1，收益轉化效率相對較高。連云港、珠海港等港口收益轉化效率相對較低，不利于港口效益的提高，其應當延伸職能，積極發展以傳統裝卸業務為基礎的新興增值業務，從而獲得新利潤源泉，增強盈利能力。

2010～2015年營口港、連云港生產作業效率相對較高，但收益轉化效率相對較低；2012～2015年唐山港、2013～2015年錦州港收益轉化效率相對較高，但生產作業效率相對較低，表明我國部分沿海港口內部不同經營運作階段間存在發展不均衡現象，這制約著港口整體效率的提升，不利于資源的合理配置。

2.3 效率動態變化測度分析

為進一步研究港口效率的動態變化情況，本文利用Malmquist指數方法對2010～2015年我國10個沿海港口的二階段動態效率進行測度分析，通過DEAP軟件計算得出的結果如表4所示：

表4 2010～2015年我國沿海港口動態生產作業效率及其分解

由表4可知，2010～2014年我國沿海港口生產作業Malmquist指數均大于1，表明近年來我國沿海港口生產作業效率總體呈現上升趨勢，而2014～2015年綜合技術效率變動指數與技術進步指數均小于1，導致港口生產作業效率有所下降。2010～2015年規模效率處在不穩定變化狀態，導致綜合技術效率也處于上下波動狀態，表明港口還未達到最優生產規模，需要優化配置投入要素。雖然2010～2015年技術進步指數平均值大于1，但2013年以來呈現下降趨勢，說明我國沿海港口目前對科技創新與新技術推廣利用缺乏重視。

表5 2010～2015年我國沿海港口動態收益轉化效率及其分解

由表5可知，2010～2015年我國沿海港口收益轉化效率平均提升了0.9%，綜合技術效率平均變動指數和技術進步平均變動指數都大于1。2010～2015年沿海港口收益轉化階段的綜合技術效率和技術進步指數都處于上下波動的不穩定增長狀態，說明管理策略和經營方式都面臨調整，需要調整業務結構，提高資源配置效率。

3 結論

本文利用Additive-DEA和Malmquist指數方法對我國沿海港口生產作業和收益轉化兩階段的靜態效率及其動態變化進行了測度分析，得出如下結論。

（1）我國沿海港口生產作業效率與收益轉化效率并未隨港口規模的擴大而得到明顯提高，某些年份甚至有所下降，整體效率水平還有很大提升空間。

（2）不同沿海港口之間效率水平差距明顯，同一年份部分港口生產作業或收益轉化相對效率值可以達到1，而有些港口為0.2左右。

（3）我國沿海港口生產作業階段和收益轉化階段的Malmquist指數均大于1，其效率總體呈現上升趨勢，但綜合技術效率變動指數和技術進步指數都處于上下波動的不穩定增長狀態，說明港口可以通過完善管理策略和推廣利用新技術等方式來進一步提高資源利用能力與盈利能力。