基于DEA-Malmquist的沿海港口轉型升級測度及趨勢研究

馬 賽，封學軍，蔣柳鵬，王凱文

(河海大學港口海岸與近海工程學院，江蘇 南京 210098)

我國經濟的快速發展對港口行業的發展提出了更高的要求。針對港口的發展現狀，我國政府提出了港口轉型升級這一理念，這是我國沿海港口發展的必然趨勢。但由于其具有鮮明的時代特征，相關的研究成果比較匱乏[1]。為了推進我國港口的轉型升級，實現港口的可持續健康發展，交通運輸部于2014年發布了《交通運輸部關于推進港口轉型升級的指導意見》，而現階段全國沿海港口正處于轉型升級的重要時期，因此，如何明確界定港口轉型升級所處階段和水平成為當前的重要問題。以定量評估的方式研究我國沿海港口轉型升級的效率測度，對中國沿海港口總結經驗、鞏固成果以及探索未來發展方向具有重要的意義。

港口轉型升級的效率可以反映港口資源配置是否有效，同港口效率一樣，是港口競爭力[2]、經營管理水平[3]和港口績效[4-6]的總體反應。近年來國內外學者普遍從港口生產效率視角采用數據包絡分析(DEA)方法對港口效率進行評價。早期，基于DEA方法的港口效率評價多是將CCR、BCC兩種傳統模型直接引入。目前能檢索到的最早運用DEA方法對港口效率進行測度的是Martinez等[7]利用BCC模型對26個港口效率進行評價。國內的定量研究比國外早，劉大镕[8]在1994年發表的論文中，運用CCR模型對交通運輸部所屬16個港口的經濟效益進行了評價。之后，國內外使用DEA模型評價港口效率的研究逐漸增多，也逐漸拓展了規模收益可變的假定，后續有較多的研究使用BCC模型、CCR模型與BCC模型結合。Hung等[9]將CCR-DEA和BBC-DEA方法用于研究亞洲集裝箱港口的運作效率和規模效率，指出運用DEA方法評價港口效率有潛在優勢，值得廣泛關注。Chen等[10]運用兩階段數據包絡分析(DEA)方法，選取20個集裝箱港口城市數據，提出了一種新的方法來衡量不同港口城市系統的可持續發展能力。楊華龍等[11]對DEA模型加以改進，選取集裝箱港口的泊位長度、橋吊數量作為輸入指標，測算我國集裝箱港口的相對效率。

早期研究大都是基于橫截面數據，即不考慮時間的變化，只比較同時期內的港口與其他港口的效率，輸出的結果事實上屬于靜態效率，無法反映被評價單元的效率變化和穩定性。近年來，學者們開始引入動態數據評價。Al-Eraqi等[12]在評價世界主要集裝箱港口的效率時比較了基于橫截面數據靜態DEA模型和DEA視窗模型，驗證了該方法的優越性在于發現了效率變動的細節和原因。羅俊浩等[13]采用SBM-DEA模型來評價2005—2011年中國8個集裝箱港口的環境效率。劉名武等[14]采用DEA-Tobit兩階段法研究長江中上游集裝箱港口運營效率，并分析了影響集裝箱港口運營效率的因素。

目前，還未有學者在轉型升級視角下對港口效率進行測度分析。本文通過構建基于BCC(規模報酬可變)的DEA-Malmquist投入指向模型，對我國沿海港口轉型升級效率進行實證測度分析，為我國港口轉型升級效率的提升進行有針對性的探索。

1 研究方法

生產效率的評價主要有非參數化方法DEA和參數化方法SFA兩種，其區別主要在對于生產前沿面的估計。DEA方法的主要思想是：根據決策單元的投入產出數據，借助數學規劃方法來確定生產的前沿面。而各決策單元偏離DEA生產前沿面的程度則用來說明該方法的相對有效性。此方法由Charnes等[15]于1978年首次提出，之后被廣泛運用于多投入、多產出的分析中。

1.1 BCC-DEA測度模型

規模報酬可變的BCC-DEA測度模型在解決多投入、多產出指標問題等方面具有優勢，廣泛應用于經濟體效率評價、技術進步等方面。假設有n個決策單元DMU，每個決策單元有m個輸入以及s個輸出，建立BCC-DEA模型如下：

(1)

1.2 基于DEA模型的Malmquist法

1994年，Fare等[16]將Malmquist全要素生產率指數分解為技術效率變化指數和技術水平變化指數兩部分。技術效率變化指數度量了t+1期相對t期的技術效率變化程度。其后，Fare等把技術效率變化指數進一步分解為規模效率(SE)與純技術效率(PE)，即：

TEP=EFFTE=PESETE

(2)

式中：TEP為生產率變化指數，若TEP>1，表示生產能力提高，若TEP<1，則表示生產能力惡化；EFF為技術效率變化指數；TE為技術水平變化指數。

1.3 DEA視窗分析

Charnes等[17]于1985年提出了可以處理DEA面板數據的時間窗口分析方法(window analysis approach)。本文主要研究轉型升級視角下港口效率測度，不僅要對全國各大港口以及山東省內各大港口進行內部橫向靜態比較，還要對同一港口不同年份間進行縱向動態比較，因此采用DEA視窗分析。

1.4 研究方法選取

由于沿海港口的公開數據只有總吞吐量、集裝箱吞吐量、碼頭數量和岸線長度等數據，在數據相對匱乏的情況下基于BCC-DEA模型進行評價具有較高的準確性。因此選取BCC-DEA和Malmquist法相結合的投入指向模型對港口轉型升級測度進行研究，同時在處理面板數據時采用視窗分析法，對港口轉型升級的測度進行橫向及縱向比較。

2 實證與結果分析

2.1 決策單元選擇

為對山東省沿海港口的轉型升級水平有一個客觀的評價，從以下兩個角度對山東省沿海港口轉型升級的效率進行測度研究：

a. 將山東省與全國沿海省(市)港口情況進行對比，選取遼寧、河北、天津、山東、江蘇、上海、浙江、福建、廣東、廣西等10個沿海省(市)作為決策單元，采用2017年、2018年港口相關數據進行測度。

b. 對山東省七大港口進行對比，以青島港、日照港、煙臺港、威海港、濰坊港、濱州港、東營港七大港口為對象進行研究。

2.2 評價指標的選擇

港口轉型升級的目標可以大體概括為有效提升碼頭布局專業化、集約化程度，加強港口岸線資源保護與利用以及提升港口專業化、自動化程度等，評價港口轉型升級的效率即評估港口專業化、集約化程度以及岸線利用與保護的程度等。一般而言，可以從資本、勞動、土地、員工數等角度反映某一港口的投入。其中，資本投入指標主要包括泊位數量、碼頭長度、起重機數量等。相比之下，單一港口的產出指標則以貨物或集裝箱吞吐量、港口利潤等指標表征[18]。考慮到泊位的數量與長度是衡量一個港口或碼頭規模的重要標志，直接決定了港口的生產能力，又鑒于樣本數據的可得性，因此選擇泊位數量和長度反應港口的投入，以集裝箱吞吐量和貨物吞吐量表征港口的產出。

2.3 數據樣本

根據所選定的指標，查閱中國港口年鑒、山東省各港口相關統計數據，得到全國沿海省(市)港口泊位數量、泊位長度、貨物吞吐量以及集裝箱吞吐量等數據。

采用Coelli小組開發的Deap2.1軟件首先對全國沿海10個省(市)港口和山東省內港口從投入角度進行規模效率、技術效率分析，然后通過Malmquist指數分析法進一步分解全國沿海省份港口和山東省內港口的全要素生產率指數，找到引起效率變化的原因。

2.4 效率分析

2.4.1全國沿海10省(市)港口整體來看，2018年全國沿海10省(市)綜合效率較2017年小幅度上升，平均純技術效率和平均規模效率均有所提高，使得港口與前沿界面港口之間的平均差距有所減小。我國沿海港口兩個年度中，規模效率的平均值都略低于純技術效率的平均值，即整體而言，規模效率低才是致使綜合效率遠離前沿界面的更主要因素。

采用deap2.1軟件對全國沿海10個省(市)港口進行以投入為指向的BCC-DEA測算，得到各效率值如表1所示。

表1 2017—2018年全國沿海10省(市)港口效率

根據各省市沿海綜合效率情況，將其劃分為3個級別。上海市、浙江省和廣東省因綜合效率值達到1，屬于高效率生產港口，定為一類港口；遼寧省、天津市和山東省3省(市)的沿海綜合效率未達到前沿港口界面，屬于中等效率生產港口，定為二類港口；而其余4個省份沿海綜合效率相對較低，定為三類港口。

就山東省而言，屬于所分的三類港口中，港口綜合效率未達到前沿港口界面。山東省港口純技術效率為1，而規模效率小于1，說明山東省港口本身的技術效率沒有投入需要減少、沒有產出需要增加。而山東省港口的綜合效率沒有達到有效(1)，是因為其規模效率和投入、產出不相匹配，需要增加規模或減少規模。究其原因，可能是山東省港口基礎設施建設不足，產業集群規模較小。

2.4.2山東省內沿海港口

對山東省內沿海港口采用投入指向的BCC-DEA視窗分析，數據選用2014—2018年青島港、日照港、煙臺港、威海港、濰坊港、濱州港、東營港7個港區的相關數據。根據相關文獻，確定視窗寬度的方法為：當t(樣本期間)為偶數時，視窗寬度W=(t+1)/2±1/2；當t為奇數時，W=(t+1)/2。因此，選取3年作為視窗寬度，則共有3個視窗，每個視窗包含12個決策單元。第1視窗為W1(2014—2016年)，第2視窗為W2(2015—2017年)，第3視窗為W3(2016—2018年)。分別對這3個視窗進行DEA效率測算，計算結果見表2。

表2 2014—2018年山東沿海港口效率

由表2可以看出，2014—2018年間青島港和日照港的綜合效率在全省港口中最高，且純技術效率和規模有效，說明青島港與日照港規模化、集約化程度比較高。煙臺港次之，3個視窗內的效率值分別是0.886、0.957、0.995，呈上升趨勢，逐漸趨近于1，說明煙臺港在2014—2018年的內部運營一直不斷提升，內部運營效率穩定。其他4個港口在3個視窗下的效率值均不高，均值均低于0.5，呈下降趨勢，表明這4個港口的效率與轉型升級水平亟待提高。

若以港口綜合效率值表征山東省港口轉型升級水平，從以上分析可知，青島港、日照港處于山東省內港口轉型升級的領先地位，存在問題最少，其他港口可能存在一些問題。

2.4.3全要素生產率分析

運用Malmquist全要素生產率指數對效率進行分解，對山東省7個沿海港口在2014—2018年效率變動情況進行考察，研究其效率變動的源泉。計算結果見表3和表4。

表3 2014—2018年山東沿海港口效率分年 Malmquist指數及分解

表4 2014—2018年山東沿海港口效率分港口 Malmquist指數及分解

縱向分時期比較來看，2014—2018年全省全要素生產率變化指數為1.034，全省港口的生產保障能力呈上升趨勢，總體增長率為3.4%。分階段來看，2015—2016年全要素生產率變化指數小于1，其主要原因為技術水平的下降，說明該時期山東省港口業的技術水平沒有進步，甚至有些許退步。其中，純技術效率的下降導致了技術效率的下降，從而制約了全要素生產率的提高。2014—2018年純技術效率變化指數小于1，均值為0.968，主要影響時期為2015—2016年，可以體現出這期間政府對山東省港口進行了大規模的投資，但是吞吐量并沒有相應的上升。

橫向分港口比較來看，全省沿海各港口中青島港、日照港、煙臺港以及濱州港在5年間全要素生產率均有上升趨勢。青島港的全要素生產率較其他港口增長較快，達到了8%，其中增長最快的為純技術效率，因此青島港的發展主要是得益于的技術進步。

從技術效率變化指數來看，山東省沿海港口技術效率小幅后退，其主要影響因素為規模效率。純技術效率有效(大于1)而規模效率無效(小于1)是影響山東省沿海港口生產效率變化的重要原因。分港口來看，青島港、日照港以及東營港受此影響不大；而其他幾個港口的規模效率變化指數均小于1，說明就這幾個港口而言，5年的投入、產出不相匹配，需要增加規模或減少規模。

從技術水平變化指數來看，全省沿海港口技術水平變化呈進步趨勢，青島港、日照港、煙臺港的技術水平變化指數均大于1，說明5年山東省港口技術水平的升高將一些制度規則的影響抵消。

整體來看，山東省沿海港口在2014—2018年全要素生產率是上升的，變化指數均值為1.002，大于1，說明山東省港口的生產效率總體呈現變好趨勢，但變好程度不大。

3 結論和建議

3.1 結論

本文通過構建基于規模報酬可變的DEA-Malmquist的港口轉型升級模型，對山東省沿海港口轉型升級效率進行實證測度分析，結果顯示，山東省的沿海港口綜合效率在全國視角下來看，還未達到前沿港口界面，屬于中等效率生產港口。山東省內各大港口發展不平衡，其中青島港與日照港發展最好，在3個視窗內效率值均達到1，而其他幾個港口效率均低于0.5。通過對Malmquist全要素生產率指數的分析得出，山東省港口2014—2018年間全要素生產率指數不斷增長，可能受到各個方面的制約，即受到國家的政策以及相關年份的經濟環境等的影響。而山東省內各港口中，青島港、日照港、煙臺港以及濱州港全要素生產率均處于上升狀態，其他港口全要素生產率下降主要是由于規模效率的降低導致技術效率的降低，說明這些港口的投入與產出不相匹配。

3.2 建議

首先，從全國視角來看，山東省應根據自身沿海港口的發展狀況和區域經濟社會條件來決定資源配置方式。未來幾年內，每年港口投資的重點不應是新增港口產能，而是優化目前港口不平衡的結構。從長遠來看，山東省需合理控制全省的港口岸線開發規模，確保規模效率的提升，在國家供給側結構性改革和山東省港口轉型升級關鍵期的大背景下，應轉變資源配置方式，以達到港口轉型升級的要求。

其次，從全省視角來看，應盡快開展省內港口資源整合。青島港、日照港、煙臺港發展情況較好，應明確各大港口各自的定位，形成錯位競爭。青島港擁有世界最先進的自動化集裝箱碼頭，是大型集裝箱核心港區；日照港是以煤炭、礦石等大宗干散貨運輸為主的干散核心港區。應先完成三大港的國有資產整合，后繼逐步完成全省港口整合。

第三，加強綠色港航、智慧港口建設。以青島、日照、煙臺港3個綠色港口為標桿，大力推進港口岸電項目建設。落實《山東省港口碼頭污染防治方案》，加強船舶污染防治工作，提高港口污染防治能力，加強危險化學品港口作業和運輸管理。與此同時，搭建智慧港口人工智能平臺，提升服務水平。