考慮非期望產出的我國沿海主要港口效率分析

武永貴,田 芳

（蘭州交通大學交通運輸學院,甘肅 蘭州 730070）

近年來，我國經濟發(fā)展進入新常態(tài)，21世紀海上絲綢之路是中國國家戰(zhàn)略的重要組成部分，該戰(zhàn)略有利于加強與周邊及世界各國貿易往來，優(yōu)化資源配置。港口是海上絲綢之路的橋頭堡，也是進行國際貿易的樞紐。在此背景下，測度我國海上絲綢之路沿線主要港口效率，探究其改進和提高的途徑，對我國推進海上發(fā)展戰(zhàn)略，應對經濟發(fā)展新常態(tài)具有重要意義。

國內外學者們關于港口效率的測度主要有參數(shù)法和非參數(shù)法兩大類。參數(shù)法以隨機前沿函數(shù)（SFA）為代表，崔俊浩等[1]利用SFA方法對 2001-2009年我國9家港口上市公司的運營效率進行測度，結果表明9家港口上市企業(yè)的運營效率呈下降趨勢。艾亞釗等[2]運用SFA模型測度了珠三角6個集裝箱港口效率，并分析了港口類型和港口經營人性質對效率的影響。Tongzon[3]應用SFA方法測算全球25個集裝箱港口的所有制與港口效率之間的關系，結果顯示私有制港口的效率較高。SFA方法的特點是其假設的生產函數(shù)受主觀因素影響較大，可能會導致評價結果的不準確。

數(shù)據(jù)包絡分析法（DEA）是主要的非參數(shù)方法，DEA方法無需假設生產函數(shù)的具體形式，也不需要主觀賦予指標權重，具有較強的客觀性，因此得到了廣泛應用。李蘭冰等[4]以DEA模型和Malmquist指數(shù)為工具，從靜態(tài)和動態(tài)分別測算兩岸三地主要沿海港口效率，并分析了港口全要素生產率變動原因，最后對港口競爭力進行科學評價。沈金生[5]和王愛虎等[6]運用三階段DEA模型分別測算分析了環(huán)渤海地區(qū)和珠三角地區(qū)港口效率，并給出了提升港口效率的對策。魯渤等[7]分別采用DEA-CCR、DEA-BCC和DEA超效率三種模型，對中韓兩國31個集裝箱碼頭的運營效率進行測度，研究表現(xiàn)中韓兩國港口效率存在明顯差異。寧凌等[8]首先用DEA模型測算了我國海上絲綢之路主要港口效率，然后利用Malmquist指數(shù)分析了引起港口效率變動的因素，最后采用聚類分析對港口分類。

文獻[1-8]只考慮了港口運營過程中的“好”產出，未將非期望產出納入考慮。近年來，生態(tài)和環(huán)保問題日益受到重視，不考慮非期望產出的港口效率測度逐漸不能適應現(xiàn)實需要，因此，一些學者開始將非期望產出納入效率測度框架。劉勇等[9]利用考慮非期望產出的網絡DEA模型，對我國集裝箱前十大港口效率進行測算，并分析了三大區(qū)域的效率差異。李順[10]考慮環(huán)境代價，運用考慮非期望產出的SBM模型對我國十大集裝箱港口效率測度，并利用Tobit模型分析了外部因素對港口效率的影響。

以上的研究為港口效率測度奠定了理論基礎，也取得了許多研究成果。筆者認為，仍存在以下幾個方面可以進一步完善：（1）我國海上絲綢之路沿線港口運營效率和發(fā)展特征的文獻較少；（2）多數(shù)文獻采用單一的方法對港口效率進行測度，靜態(tài)測算和動態(tài)測算相結合，且從港口效率和規(guī)模綜合評價港口競爭力的文獻較少；（3）多數(shù)文獻只考慮“好”產出，考慮非期望產出的文獻較少?；谏鲜龇治?，本文的研究思路是，以DEA模型為工具分別測算不同情形下海上絲綢之路我國沿海主要港口運營效率，進一步利用Malmquist指數(shù)分析港口動態(tài)效率，最后分析港口運營效率變化的原因。

1 研究方法選擇

1.1 非期望產出的SBM模型

數(shù)據(jù)包絡分析（DEA）是一種靜態(tài)效率評價工具，適用于多投入-多產出系統(tǒng)的效率分析，在既有研究中被廣泛應用的DEA模型主要有CCR模型和BCC模型。這兩類模型一般都從徑向和角度出發(fā)進行效率測度，忽視了投入變量松弛問題和非期望產出問題。為了解決效率測度中的非期望產出問題，國內外學者提出的方法主要有距離函數(shù)法、投入產出置換法、正向轉換法，但是這些方法都沒能很好解決變量松弛和評價結果準確性問題。Tone等[11]提出了一種DEA改進模型：SBM模型，SBM是一種考慮松弛變量的非徑向、非角度的效率測度方法，此外還能考慮非期望產出問題，提高了效率測度的準確性。

SBM模型中，假設有個決策單元（DMU），每一個DMU對應的投入變量有m種，記作X；期望產出變量有s1種，記作Y8；非期望產出變量有s2種，記作Yb;則，和。根據(jù)定義矩陣X、Y8和Yb分別表示為：

考慮非期望產出的SBM模型數(shù)學表示如下：

式中：P*表示決策單元的效率值，且；分別表示投入、期望產出和非期望產出的松弛變量；w為權重向量；當P*=1時，的值均為0，決策單元達到效率最優(yōu)，P*<1時，未達到有效前沿，決策單元無效。如果在（1）和（2）組成模型中加入約束條件 Ew=1，則可以轉化為規(guī)?？勺儣l件下的SBM模型?？紤]到（1）和（2）組成的模型為非線性規(guī)劃模型，可以利用Charnes-Cooper轉換方法將其轉化為如下形式的線性規(guī)劃模型求解：

1.2 Malmquist指數(shù)

Malmquist指數(shù)是在DEA效率分析法的基礎上發(fā)展而來的一種測算全要素生產率（Total factor productivity,Tfp）的方法，可測度決策單元不同時期全要素生產率變動情況。本文運用Malmquist指數(shù)對港口效率進行動態(tài)分析，該指數(shù)是以投入距離函數(shù)來計算產出效率，基于投入的t期和t+1期的Malmquist指數(shù)分別可以表示為：

根據(jù)公式（5），Malmquist 指數(shù)可以分解為技術效率變化(Effch)和技術進步變化(Techch)。對公式（5）進一步變形，技術效率變化又可以進一步分解為純技術效率變化(Pech)和規(guī)模效率變化(Sech)，因此，Malmquist指數(shù)可以表示如下：

通過分析，可以找到技術效率變化和技術進步變化對全要素生產率的影響，從而找出生產率增長或下降的根源，為生產實踐提供指導。

2 指標確定及數(shù)據(jù)來源

“一帶一路”建設愿景與行動中明確提出要重點建設海上絲綢之路沿線城市港口，包含上海、寧波-舟山、廈門等15個港口。從歷年的統(tǒng)計數(shù)據(jù)來看，該15個港口貨物吞吐量占全國主要港口貨物吞吐量的80%以上，能夠較完整的反映我國港口行業(yè)情況。考慮到數(shù)據(jù)的可得性，最終選擇如表1的14個港口（泉州港數(shù)據(jù)不可得）作為海上絲綢之路范圍我國沿海主要港口的代表（以下簡稱沿海主要港口）。

表1 海上絲路我國沿海主要代表港口

基于上述分析，本文選取2008年至2017年表1中14個港口的統(tǒng)計數(shù)據(jù)為研究樣本，選取決策單元數(shù)為14，時期數(shù)為10。指標數(shù)據(jù)均為客觀數(shù)據(jù)，整理于《中國統(tǒng)計年鑒》和《中國港口年鑒》。參考既有文獻[12]，并考慮指標的科學性及要能相對準確的反映港口運行情況，選取生產用碼頭長度、生產用泊位數(shù)、泊位長度和萬噸以上泊位數(shù)為投入變量；港口貨物吞吐量和集裝箱吞吐量作為期望產出變量；既有研究中，很少有文獻考慮非期望產出，為了更符合現(xiàn)實情況本文非期望產出變量選取港口碳排放量，具體計算方法參考文獻[13]，研究樣本數(shù)據(jù)描述性數(shù)據(jù)見表2。

表2 樣本數(shù)據(jù)描述性統(tǒng)計

3 實證結果及分析

選擇沿海14個主要港口為研究樣本，運用以上方法，從不同角度來對上述港口運營效率進行研究。本文利用DEAP2.1和DEA-SolverPro5.0處理數(shù)據(jù)。

3.1 港口效率評價及分析

1）不同情形下沿海港口運營效率測度分析。根據(jù)整理的統(tǒng)計數(shù)據(jù)，利用DEA-Solver Pro5.0對沿海主要港口2010-2017年運營效率進行測算，分別計算得到考慮碳排放的和不考慮碳排放兩種情形下沿海主要港口運營效率，結果如圖1所示，數(shù)據(jù)見表3。情形一利用傳統(tǒng)的CCR模型計算不考慮碳排放的港口運營效率；情形二計算的是將碳排放納入考慮的港口運營效率。

表3 不同情形下港口運營效率比較

表3表明，在未考慮碳排放約束時，2008-2017年海上絲綢之路我國沿海主要港口運營效率均值為0.731，而在考慮非期望產出的情形二下，港口運營效率均值為0.689，這表明，在不考慮非期望產出時，港口運營效率被高估。二氧化碳等污染物排放是有環(huán)境成本的，它的排放抑制了港口效率的提高，因此考慮碳排放更加符合現(xiàn)實情況。從圖1中可以看出，沿海主要港口運營效率2008-2017年間在波動中穩(wěn)步提升，考慮碳排放約束下，港口運營效率從2008年的0.643提升到2017年的0.758，兩種情形下港口運營效率變化趨勢基本一致。

圖1 不同情形下港口運營效率

表4 兩種情形下各港口運營效率比較

表4是兩種情形下，沿海主要港口運營效率及排名對比分析情況。從表4中可以看出，2008-2017年沿海各港口效率差異顯著。從排名變化情況可以發(fā)現(xiàn)，在考慮非期望產出時，上海、寧波-舟山、廈門、汕頭等經濟較發(fā)達地區(qū)港口排名有所提升，相反湛江、福州、?？诘冉洕l(fā)展相對較弱地區(qū)的港口排名有所降低，表現(xiàn)出一種“強者恒強”的趨勢，即經濟越發(fā)達地區(qū)的港口，運營效率越高。呼應圖1的情況，多數(shù)港口的運營效率在考慮非期望產出時會有所下降，這也說明只考慮“好”產出而忽視“壞”產出的港口運營效率測度是有待改進的。

2）分區(qū)域港口運營效率。按照港口所在的地理位置劃分，本文研究的港口可劃分為四大區(qū)域，見表1。分區(qū)域考慮碳排放約束下海上絲綢之路我國沿海主要港口2008-2017年運營效率見表5。

表5 分區(qū)域港口效率值

從表5可以看出，2008-2017年間沿海主要港口運營效率呈現(xiàn)出顯著的區(qū)域不平衡特征。首先，長三角地區(qū)港口運營效率最高，均值為0.843，這與長三角地區(qū)經濟總量與發(fā)展活力相關，該地區(qū)是我國經濟最發(fā)達的地區(qū)，經濟總量占全國的五分之一以上。珠三角地區(qū)港口運營效率次之，其值為0.794，該地區(qū)近年來發(fā)展迅猛，擁有廣州、深圳兩個一線城市，且毗鄰香港，這些使得港口運營效率保持在較高水平。環(huán)渤海地區(qū)港口運營效率位居第三，與長三角和珠三角地區(qū)有明顯差距。運營效率最低的是東南沿海港口，2008年受金融危機影響，該地區(qū)港口運營效率僅為0.343，而后止跌回升，但該地區(qū)以外向型經濟為主，受累于世界經濟狀況進步比較緩慢。

3）吞吐量-效率矩陣構建與分析。衡量港口競爭力，一般是選取港口吞吐量對港口進行排名比較。然而，從港口運營效率的角度分析，該種方法只考慮了產出，而忽視了投入，不能科學的對港口競爭力進行評價。港口吞吐量大，不代表港口的運營效率高和競爭力強，例如，2017年寧波-舟山港吞吐量排名第一，而運營效率卻位于第六位。因此，為了更加科學的評估一個港口的競爭力，選取2015數(shù)據(jù)，以港口吞吐量、運營效率值為橫縱坐標，取港口吞吐量均值（35996.14）和運營效率均值（0.685）為分界，構建港口貨物吞吐量-運營效率矩陣，結果如圖2所示。根據(jù)圖2，可以將港口劃分為4種類型。

圖2 港口貨物吞吐量-運營效率矩陣

第一類是精干型港口，主要包括?？诟?、深圳港、連云港和汕頭港，該類港口的特征是貨物吞吐量不大，但運營效率較高，該類港口投入要素比較合理，有較大的發(fā)展?jié)摿Α?/p>

第二類是強壯型港口，包括上海港、寧波-舟山港、廣州港和青島港，此類港口不僅吞吐量大，而且運營效率高，這些港口腹地經濟發(fā)達、集疏運系統(tǒng)完善，實力位居世界前列，具有較強競爭力。

第三類是瘦弱型港口，該類港口特征是吞吐量小，且運營效率較低，如煙臺港、福州港、湛江港和廈門港。這類港口通常投入冗余、腹地經濟不夠發(fā)達，需要從投入和產出兩方面調整，以提高運營效率。

第四類是肥胖型港口，指那些吞吐量很大，但運營效率卻不高的港口，如大連港和天津港。該類港口通常有發(fā)達的經濟腹地，但是對港口基礎設施和先進技術等利用不充分，走向強壯型港口的關鍵是提高港口管理能力和效率。

3.2 Malmquist指數(shù)測算及分析

傳統(tǒng)的CCR模型和考慮非期望的SBM模型效率測度屬于靜態(tài)效率評價，它只反映研究對象在研究期間的投入產出轉化效率高低。為了進一步探究港口運營效率隨時間變動情況和其影響因素，本文以Malmquist指數(shù)為工具對沿海主要港口全要素生產率作更深入的分析。

1）沿海主要港口Malmquist指數(shù)演化分析。根據(jù)Malmquist指數(shù)模型和近10年的統(tǒng)計數(shù)據(jù)，利用DEAP2.1計算得到2008-2017年沿海主要港口年均Malmquist指數(shù)及其分解，見表6，其變動趨勢如圖3所示。

表6 港口運營效率分年度Malmquist指數(shù)及其分解

圖3 沿海主要港口分年度Malmquist指數(shù)及其分解

表6表明，2008-2017年，沿海主要港口全要素生產率在波動中有所增長，其均值為1.017,說明港口生產率平均增長了1.7%。分年度分析，2008-2009年和2014-2017年港口全要素生產率出現(xiàn)了下降，而該時期恰好對應著國際金融危機和我國經濟發(fā)展進入新常態(tài)及經濟結構轉型時期，比較符合實際情況的；2009-2014年間港口全要素生產率呈增長態(tài)勢。

從表6和圖3全要素生產率分解來看，2008-2017年港口全要素生產率的增長是技術效率和技術進步共同推動的結果，進一步分析發(fā)現(xiàn)技術效率對全要素生產率增長的貢獻更大。然而，需要關注的是，在研究期間規(guī)模效率出現(xiàn)了下降，平均下降幅度為0.7%。

2）分港口全要素生產率演化分析。根據(jù)Malmquist指數(shù)模型，計算得到2008-2017年沿海各港口年均Malmquist指數(shù)及其分解，結果見表7。

從表7可以看出，2008-2017年沿海各港口全要素生產率差異顯著，多數(shù)港口出現(xiàn)增長，其余港口出現(xiàn)小幅下降。除了?？诟?、連云港和青島港外，其余各港口全要素生產率均出現(xiàn)了增長，其中湛江港增幅最大達到了8.6%，天津港增幅最小為0.3%。在全要素生產率下降的港口中，導致下降的原因有所不同，青島港和連云港歸咎于技術進步，然而海口港是技術效率和技術進步共同導致了下降。

表7 分港口年均Malmquist指數(shù)及其分解

3）分區(qū)域Malmquist指數(shù)演化分析。每個區(qū)域經濟結構和管理體制等都會有所差異，因此有必要計算分區(qū)域的港口全要素生產率變動情況，其結果見表 8。

從表8來看，各地區(qū)各項效率變化有所差異。從全要素生產率分析：四大地區(qū)均實現(xiàn)了不同程度增長，其中東南沿海地區(qū)港口增幅最大，珠三角地區(qū)港口次之，環(huán)渤海地區(qū)港口最低。技術效率變化方面，四大地區(qū)港口也均實現(xiàn)了增長，但差距不明顯。從技術進步變化分析，珠三角地區(qū)港口和東南沿海港口實現(xiàn)了增長，增幅分別為0.8%和0.6%，長三角地區(qū)港口保持不變，環(huán)渤海地區(qū)港口出現(xiàn)了小幅下降?？疾烊厣a率變化的原因，除環(huán)渤海地區(qū)港口外，其余三大區(qū)域港口運營全要素生產率的增長是技術效率和技術進步共同推動的結果，然而環(huán)渤海地區(qū)港口全要素生產率增長則是由技術效率推動的。

表8 分區(qū)域港口Malmquist指數(shù)及其分解

3.3 港口效率的收斂性分析

收斂性分析是研究不同港口效率差異隨時間變化的趨勢，常用的有收斂分析。收斂是分析不同港口運營效率的離差隨時間推移的變化情況，通常用變異系數(shù)來衡量[14]，其計算公式如下：

公式（6）中：cv是港口運營效率差異系數(shù)值；為沿海主要各港口運營效率；表示港口效率的算術平均值。cv值越大,表明各港口運營效率差距越大；如果cv隨著時間推移，值逐步下降，則說明沿海主要港口運營效率存在收斂，計算結果如圖4所示。

圖4 沿海主要港口運營效率差異系數(shù)

圖4分別顯示了考慮碳排放和不考慮碳排放兩種情形下計算的差異系數(shù)值。由圖3可以看出，考慮碳排放情形下各年度差異系數(shù)均大于不考慮碳排放情形，這說明在考慮環(huán)境因素時，各港口運營效率差距在變大，有些港口已經向綠色港口發(fā)展轉型，然而部分港口仍然以粗放式發(fā)展為主。從變化趨勢來看，2008-2017年兩種情形下差異系數(shù)值逐年變小，因此沿海主要港口運營效率存在收斂。

4 結論

以沿海主要港口為研究對象，選取2008-2017年統(tǒng)計數(shù)據(jù)，引入SBM模型分別從不考慮碳排放和考慮碳排放兩種情形下，測算沿海港口運營效率，進一步利用Malmquist指數(shù)工具分析其動態(tài)演化特征并初步探究了港口運營全要素生產率變化的影響因素，得到如下結論和啟示。

1）2008-2017年，沿海主要港口運營效率呈逐年增長趨勢，且考慮碳排放和不考慮碳排放兩種情形下港口運營效率差異顯著。非期望產出會影響港口運營效率，考慮非期望產出的效率測度更符合實際情況。

2）港口運營效率存在區(qū)域差異，長三角地區(qū)港口運營效率最高，珠三角地區(qū)港口次之，環(huán)渤海地區(qū)港口位居第三，東南沿海地區(qū)港口運營效率最低。

3）港口的競爭力由吞吐量和運營效率共同決定，依據(jù)吞吐量-運營效率分析矩陣將港口分為4種類型。海口港、深圳港、連云港和汕頭港屬于精干型；強壯型有上海港、寧波-舟山港、廣州港和青島港；煙臺港、福州港、湛江港和廈門港是瘦弱型；肥胖型包括大連港和天津港。

4）2008-2017年，沿海主要港口全要素生產率在波動中穩(wěn)步增長，且是由技術效率和技術進步共同推動的結果。