基于非期望產出SBM-DEA的省級港口效率分析

郭宵 孫勝元

[摘要]針對傳統DEA方法中將所有投入和產出按照徑向測度擴張等比例擴張（壓縮），無法區分投入指標和產出指標調整的大小與幅度的不足，將負產出引入到港口效率評價，構建了更加符合港口運營實際的SBM-DEA模型。以江蘇省為例，對2009-2018年港口效率進行了評價，發現2009-2018年江蘇省港口效率整體呈上升趨勢;在一定時期內存在港口基礎設施投入冗余的現象，且投入冗余量呈現波動性，同時也出現了貨物吞吐量和集裝箱吞吐量產出交替不足的現象;作為非期望產出的二氧化碳排放的冗余隨著時間推移逐漸降低。基于分析結果，從投入、期望產出和非期望產出三個方面提出了相應建議。

[關鍵詞]非期望產出;SBM-DEA模型;投入與產出冗余;港口效率;江蘇

[中圖分類號]U691???? [文獻標識碼]A???? [文章編號]1005-152X（2022）03-0045-05

Analysis of Provincial Ports Efficiency Based on Unexpected Output SBM-DEA Model： A Case Study of Jiangsu

GUO Xiao， SUN Shengyuan

（Taizhou University， Taizhou 225300， China）

Abstract： The paper points out that the traditional DEA method would expand （or compress） all inputs and outputs isometrically， which cannot distinguish the size and amplitude of the adjustment of input and output indicators. Aiming at this problem， the paper introduces negative output into port efficiency evaluation， and constructs an SBM-DEA model more consistent with actual port operation. Then， taking Jiangsu Province as an example， the paper evaluates its port efficiency from 2009 to 2018. The result shows that from 2009 to 2018， the overall port efficiency of Jiangsu province shows an upward trend. In a certain period of time， the port infrastructure input shows fluctuant redundancy. At the same time， the output of cargo and container throughput is alternately insufficient. The redundancy of carbon emissions， as an unexpected output， decreases over time. Based on the analysis result， the paper puts forward corresponding suggestions from three aspects of input， expected output and unexpected output.

Keywords： unexpected output; SBM-DEA model; input and output redundancy; port efficiency; Jiangsu

0 引言

一省之內的港口是省內經濟社會發展的重要基礎性資源。我國有諸多省份港口資源豐富，如江蘇、浙江、湖北、安徽等。近年來，國內很多省份致力于整合省內港口資源，力圖完善港口綜合體系建設，實現規劃一體化、建設一體化、管理一體化、運營一體化。江蘇、浙江、江西、湖北紛紛出臺了相應的省內港口發展規劃。全國各省份中，江蘇是港口大省，全省沿江沿海地區共10個港口，其中連云港港、南京港、鎮江港、蘇州港、南通港為國家主要港口，揚州港、無錫（江陰）港、泰州港、常州港、鹽城港為地區性重要港口。近年來，當地有關部門高度重視省內港口的發展，力圖通過優化資源配置，提高港口運營效率，有效提高港口岸線利用率，提高基礎設施建設水平，提高現代化綠色水平，以更好地服務國家戰略。因此對于研究一省之內的港口發展而言，江蘇省具有較好的代表性，對江蘇省港口一定時期內的效率進行評價分析，對于其他省份的港口規劃和發展具有一定的借鑒意義。

1 相關研究綜述

一方面從研究方法上看，現有的基于 DEA模型下的港口效率評價研究多是基于徑向測度方法，例如早期 Martinez，et al[1]以及Tongzon，et al[2]用傳統的 BCC-DEA模型、CCR-DEA模型對有關港口進行測度。之后國內學者劉大镕[3]將DEA方法引入到國內港口的效率評價研究中，用CCR-DEA模型對國內16個港口的效率進行了評價。后續研究中，學者們在港口效率評價中引入了多種DEA模型的變型優化方法。例如，Al-Eraqi[4]，張巧麗，等[5]采用了視窗方法對港口內部運營情況進行動態效率的評價; Fried[6]， Liu[7]，Wang[8]，王健，等[9]，鐘祖昌[10]，李丹[11]，王愛虎[12] 使用多層次DEA、網絡DEA等模型解決了港口效率評價中DEA方法的“黑箱”問題。時至今日，DEA方法在港口效率評價中已經取得了豐碩的成果。但是，絕大多數研究使用了基于徑向測度的方法，即假設投入產出是按照等比例擴張或壓縮，這顯然與港口的運營實際有一定的差別。因此，本文使用SBM- DEA模型，改變了傳統測度方法中將所有的投入和產出模型按照徑向測度擴張等比例擴張（壓縮），無法區分投入指標和產出指標調整的大小與幅度的不足，同時將港口運營過程中所發生的污染等“負產出”納入指標體系，更體現了當前港口綠色發展的理念。

另一方面，從評價對象上看，針對國內港口的效率評價研究中，現有研究多以“全國上市港口企業”“流域內港口企業”為研究對象。例如，陳軍飛，等[13]?? 應用 CCR模型對2002年15家港口水運上市公司的經營效率進行了評價。馮烽，等[14]對17家港口上市公司2010-2015年的運營效率進行了評價。杜利楠，張建寶[15]利用三階段DEA模型對長江干線主要港口效率進行了評價研究。葉士琳，等[16]對2008-2017年長三角地區15家集裝箱碼頭效率進行評價分析并研究了其時空演化特征及關鍵影響因素。現有研究鮮有以一個省份內的港口為研究對象，研究對象不同，所得研究結論的參考群體即不同。在全國很多省份更加重視省內港口發展，加強省內港口資源整合的背景下，本文以江蘇省港口為評價對象，對其一定時期內的效率進行評價分析。

2 數據與方法

2.1 研究方法

傳統DEA模型基于徑向測度，即假設投入與產出等比例變化。Tone[17]在傳統DEA模型的基礎上提出了基于非徑向測度的SBM-DEA模型，同時又將非期望產出引入評價指標，更加符合實際。假設決策單元（DMU）個數為n，每個決策單元都有M種投入和 R種期望產出，L種非期望產出，則第h個決策單元的效率值為：

其中，xhm，yhr ， bhl分別為第h個決策單元的第m 種投入、第r種期望產出、第l種非期望產出; s-m、s? ，sl（b）分別為第m種投入、第r種期望產出、第l種非期望產出的松弛變量;λj為權重。上述規劃為分式規劃，可通過變換為線性規劃求解。當ρ= 1，相應的決策單元有效，即 s-m =0、s =0，sl（b） =0;當0 <ρ <1 時，決策單元非有效，可通過消除投入、產出松弛變量的方法進行改進。

2.2 指標選取與數據來源

有關港口效率評價研究中，諸多研究將港口泊位長度和泊位數量作為投入指標，將貨物吞吐量和集裝箱吞吐量這兩個能夠反映港口生產成效的指標確定為產出指標，見表1。

基于此，本文將泊位長度、泊位數作為投入指標，可體現港口的停泊能力和流通速率;將貨物吞吐量和集裝箱吞吐量作為產出指標，可體現港口的綜合產出能力。而二氧化碳排放量則可作為港口的負產出。泊位長度、泊位數、貨物吞吐量、集裝箱吞吐量的相關數據均來自于《中國港口年鑒》《江蘇省統計年鑒》。非期望產出變量CO2排放量由于數據的可得性，無法直接查詢，本文借鑒文獻[29]的港口吞吐量與 CO2排放量的換算方法進行估算。本文所獲取的指標數據統計描述見表2。

3 評價結果分析

本文采用SBM-DEA模型并通過Matlab R2018b 軟件編寫代碼，利用搜集數據，得出2009-2018年江蘇省港口整體的效率值及其投入、產出冗余以及不足，數據見表3。

3.1 效率分析

從表3可以看出2009-2018年的10年間，江蘇省港口效率基本呈現逐年提高的趨勢，其中2018年效率有效而且其他多數年份效率值維持在0.6以上，說明在一定時期內，江蘇省港口在“提效”方面取得了較好的成績，要素投入與產出比例逐年優化。

通過本文搜集的數據對比也印證了2009-2018年江蘇省港口產出指標中不論是貨物的吞吐量還是集裝箱吞吐量都逐年穩步增加，“負產出”中，二氧化碳排放量逐年降低。由表3可知，2009-2011年效率值較低，說明這段時間內，江蘇省港口在投入資源配置等方面效果還不夠理想，還存在設施投入量過大、污染物排放過高的問題。

3.2 投入與產出冗余分析

投入冗余方面，從表3可以看出，2009-2017年在泊位長度上存在較高的投入冗余，從2014年開始泊位長度投入冗余呈現降低趨勢;泊位數量也存在一定的投入冗余，同樣從2014年泊位數量投入冗余也開始逐漸降低，說明在一定時期內泊位并沒有得到有效利用。相比于2018年，在很長一段時間內港口發展存在規模過度擴張的問題，投入過分增大，導致港口效率不高。

期望產出不足方面，從表3可以看出，2010-2013年的產出不足體現在貨物吞吐量不足，2009年以及2014-2017年存在一定的集裝箱吞吐量產出不足。二者的不足表現出一定的交替性。2010-2013年，時值2008年國際金融危機余波未平，國內外貿易出現下滑趨勢，不可避免的帶來港口整體貨物吞吐量不足。隨著國內外貿易的不斷復蘇，貨物吞吐量有所回升，但是集裝箱吞吐量仍有少量不足。

非期望產出冗余方面，2009-2018年二氧化碳排放量冗余逐年降低，這與政府的港口綠色管理理念有著直接關系。隨著江蘇推動“星級綠色港口”建設等系列舉措的實施，港口自身不斷提升減排能力，節能減排技術不斷發展，節能減排長效機制正在形成。

4 結語

港口作為物流網絡的關鍵節點，其運營效率制約著國家和地區物流鏈條的運轉效率，在國民經濟發展中發揮著重要作用。本文分析結論對江蘇省的港口管理有以下啟示：

第一，在注重港口發展速度與規模的同時不可忽視要素利用效率的提升。很長一段時間內，一些港口主要通過增大固定資產推動規模的提升，然而，固定資產的過度投入既造成了資金使用效率低下、港口產能過剩，也增加了管理上的投入，進一步加劇了港口要素資源的錯配，從而造成效率降低。因此，港口應優化資產要素和管理要素的投入比例，提高港口資產利用率。可以考慮在基礎設施達到一定規模后，把發展戰略從追求港口規模轉向港口效率提升，把更多的資金用于創新、研發和打造智慧型港口。同時應加快高素質港口管理人才的培養，著力提升員工的信息化水平，推動港口的人員結構從勞動密集型向技術密集型轉變，從而提高港口的生產與管理效率。

第二，港口的產出依靠貨物吞吐量和集裝箱吞吐量，所以港口的運營受國內外貿易的影響較大，經濟形勢波動對于港口產出有直接影響。當前，逆全球化趨勢抬頭，國際貿易的不確定性因素增大。對于港口來說，要不斷的優化貨種結構、航線結構，同時精準把握國內、國際兩個市場的變動趨勢。在以國內大循環為主體、國內國際雙循環相互促進的新發展格局下，廣大港口迎來了良好的發展機遇，一方面要拓展國內市場與腹地經濟展開全方位的合作，推動區港聯動;另一方面，也要錨定國際市場，加快港口現代化轉型，打造其在國際經營上的核心競爭力。

第三，港口主管部門要強化組織領導，積極貫徹國家和有關部門節能減排工作的方針、政策及相關要求，因地制宜，切實做好港口節能減排工作。港口企業應逐步更新改造耗能高、效率低的老舊設備，提高裝備的整體技術水平，減少能耗及廢氣排放，提高作業效率。

[參考文獻]

[1] MARTINEZ B E，DIAZ A R，NAVARRO I M，etal.A study of the efficiency of spanish port authorities using data en- velopmentanalisys[J].International Journal of Transport Economics，1999，26（2）：237-253.

[2] TONGZON J，CHANG Y T，TALLEY W K，etal.Efficiencymeasurement of selected Australian and other internationalports using data envelopment analysis（Article）[J].Transpor- tation Research Part A：Policy and Practice，2001，35（2）：107-122.

[3] 劉大镕.多指標體系的港口效率評價模型[J].上海海運學院學報，1994，15（2）：1-8.

[4] AL-ERAQI A S，MUSTAFA A，KHADER A T.Efficiencyof Middle Eastern and East African seaports：applicationof DEA using window analysis[J].European Journal of Scien- tific Research，2008，23（4）：598-613.

[5] 張巧麗，范元偉.基于DEA視窗分析的渤海灣地區港口內部運營效率[J].工業工程，2015，18（5）：100-106.

[6] FRIED H.Accounting for environmental effects and statisti- cal noise in data envelopment analysis[J].Journal of Pro- ductivity Analysis，2002，17（1/2）：157-174.

[7] LIU Chun-chu.Evaluating the operational efficiency of ma-jor ports in the Asia-Pacific region using data envelopment analysis[J].Applied Economics，2008，40（13）：1737-1743.

[8] WANG Ling，BIZhiwen.Evaluating the operational efficiency of major Inland ports in China using the 3-Stage DEA model[J]. Industrial Economics Research Journal，2010（4）：40-48.

[9] 王健，梁紅艷.基于三階段DEA模型的我國主要上市港口企業X-效率研究[J].福建師范大學學報（哲學社會科學版），2012（3）：19-26.

[10]鐘祖昌.考慮環境效應和隨機誤差的中國港口技術效率分析：基于三階段DEA模型的測度[J].福建師范大學學報（哲學社會科學版），2013（2）：93-98.

[11]李丹，欒維新，片峰.中國沿海集裝箱碼頭企業效率測度及分析[J].交通運輸系統工程與信息，2013，20（3）：82-88.

[12]王愛虎，吳文玲.基于三階段DEA模型的珠三角港口效率研究[J].工業工程，2017，20（3）：82-88.

[13]陳軍飛，許長新，嚴以新.用數據包絡分析法對港口水運上市公司經營效率的評價[J].上海海運學院學報，2004，15（1）：51-55.

[14]馮烽，陳磊，黃晗.中國港口上市公司運營效率的測度與提升路徑：基于 SBM-DEA 模型[J].中國流通經濟，2017，31（6）：106-112.

[15]杜利楠，張建寶.基于三階段DEA模型的長江干線主要港口效率評價[J].上海海事大學學報，2020，41（3）：89-96.

[16]葉士琳，蔣自然，祁新華.三角集裝箱碼頭效率時空演化及其影響因素[J].地理研究，2020，39（8）：1782-1793.

[17] TONE K.A slacks-based measure of efficiency in dataen-velopment analysis[J].European Journal of Operational Re- search，2001（3）：498-509.

[18]羅俊浩，崔娥英，季建華.考慮CO2排放的中國八大集裝箱港口環境效率評價研究：基于 SBM-DEA模型[J].科技管理研究，2014（12）：66-69.

[19]張巧麗，范元偉.基于DEA視窗分析的渤海灣地區港口內部運營效率[J].工業工程，2015，18（5）：100-106.

[20]龐瑞芝.我國主要沿海港口的動態效率評價[J].經濟研究，2006（6）：92-100.

[21]李蘭冰，劉軍，李春輝.兩岸三地主要沿海港口動態效率評價：基于 DEA-Malmquist 全要素生產率指數[J].軟科學， 2011（5）：80-84.

[22]吉阿兵，朱道立.基于極效率DEA模型的港口績效評價[J].系統工程，2005，23（4）：119-122.

[23]曹瑋，于清波.基于 DEA 和 Malmquist 指數的福建沿海港口效率分析[J].華東交通大學學報，2013，30（4）：89-96.

[24]隋曉艷，姜桂艷.基于DEA-CA-MI 的全國沿海主要港口運營效率評價[J].寧波大學學報（理工版）， 2018，31（1）：82-88

[25]劉濤，張廣興，霍靜娟.我國環渤海地區主要港口技術效率的時空差異分析[J].技術經濟，2013（8）：75-81.

[26]寧凌，歐春堯.經濟新常態下我國海上絲綢之路主要港口動態效率研究[J].廣西財經學院學報，2016，29（6）：19-27.

[27]賴成壽， 呂靖，李祥全.基于二階段 DEA博弈交叉效率模型的港口生產效率研究[J].上海海事大學學報，2018，39（1）：53-59.

[28] BARROS C P.Productivity assessment of African sea- ports[J].African Development Review，2012，24（1）：67-78.

[29]門聯歡，甘愛平，陳可楨.綠色港口趨勢下我國主要港口碳排放量的預測及減排措施[J].水運管理，2014，36（8）：6-9.