我国沿海港口物流效率测度与分析

王晓慧

（浙江海洋学院 管理学院，浙江 舟山 316000）

近年来，随着我国与国际经济联系与合作的不断加深，进、出口贸易业得到了迅猛发展。一方面直接拉动了港口业务量的连年攀升，另一方面也推动了港口行业规模的不断扩张。在我国漫长的海岸线上，滨海城市纷纷实施“港航强市”、“以港兴市”战略，积极投资建港，出现了建港热潮。特别是2003年以来，从东部沿海到长江沿线，港口建设投资逐年增加，沿海岸线资源的开发利用呈跨越式增长态势。2011年底，全国港口拥有生产用码头泊位31968个，其中万吨级及以上泊位1762个。全国沿海规模以上港口生产用码头泊位数5532个，其中万吨级及以上泊位1422个；内河规模以上港口生产用码头泊位数26436个，其中万吨级及以上泊位340个。应该说，港口作为国民经济和社会发展的重要基础设施，得到了国家的重点投资，处于加速扩容阶段，有力地支撑了经济、社会和贸易发展。

然而，通过对近10年来港口规模与港口吞吐量的匹配关系研究，不难发现二者之间的增长速度并不完全同步。我国沿海规模以上港口2000-2011年港口规模、吞吐量及其增长幅度见下表1、图1。

表1 2000-2011年沿海规模以上港口生产用泊位、吞吐量

图1 沿海规模以上港口泊位、吞吐量增幅趋势

上述图表表明，我国沿海港口吞吐量的增长幅度已经在2004年出现向下的拐点，2008-2009年低于泊位长度和泊位数量的增长幅度，2010-2011年吞吐量增幅逐渐恢复到泊位增幅之上，说明港口的产能已得到一定释放，但仍处于下降趋势。这种情况表明，我国港口整体运行过程中可能存在效率不是最优状态。这里港口效率的经济学涵义是投入产出能力、竞争能力和经营管理水平的总称。有效率的港口应该是对其资源有效配置,即在投入不变的条件下，通过港口资源的优化组合和有效配置提高效率、增加产出。

由于港口行业建设周期长，并具有较大的进入壁垒和退出壁垒，有关方面必须高度重视港口的运营效率问题。

港口物流效率的研究有多种方法，当前比较主流的方法主要有两大类：一类是非参数化方法，另一类是参数化方法。本文拟采用非参数化方法中的数据包络分析法(DEA)对我国沿海港口物流效率做出测度与分析。

一、我国沿海港口效率测度样本选择与数据处理

（一）港口样本及其投入产出变量的选择

1．样本的选择

本文拟对我国沿海港口效率进行评价，但有些小型港口资料不可获得，故选择沿海港口中规模较大的港口作为研究样本，共选取上海港、宁波—舟山港等15个港口，具体见表2。

2．港口的投入变量选择

在现有的研究中，投入指标的选取分两类：一是以货币计量的投入要素，包括港口建设投资额及其他财务指标，如固定资产净额、流动资产、实收资本、营业成本、管理费用等[1]；二是以实物量计量的投入要素，主要有港口码头泊位数量、泊位长度、吃水深度、起重机数量、堆场面积、铁路专用线长度、员工数量等[2-3]。

显然，上述两类指标中的第一类货币计量指标比较难以取得，其中的财务指标，只有上市的港口才能从公开披露的会计年报中获得有关数据，但如果仅以上市港口作为研究样本，将导致样本数量受到限制；港口投资额是比较理想的投入指标，但目前我国对该指标的统计数据不具备连续性，无法查到近期数据，因此第二类实物量指标受到广泛关注。理论上讲，泊位数量、泊位长度、起重机数量、堆场面积等港口基础设施是港口投资转化的资产，完全可以替代港口投资额成为投入变量。

因此，结合港口实际情况以及数据来源的局限性，本文选取港口码头生产性的万吨以下泊位数量、万吨以上泊位数量、泊位长度、泊位水深、装卸机械及能力、仓库及堆场面积、港作船舶等7项指标作为港口投入变量。但到目前为止各类统计年鉴仅对泊位数量、万吨泊位数量、泊位长度有准确的、连续的统计数据，且因年鉴出版的滞后性，最近一期的数据只能查到2008年。而其他指标只能通过各港口网站上获得，及时性和可靠性略低。

3．港口的产出变量选择

产出的指标选择主要有营业收入、营业利润和吞吐量。如前所述，营业收入和营业利润仅适用于上市港口样本，因而大多数分析研究均以吞吐量为产出变量。本文亦考虑选择货物吞吐量作为产出变量。我国规模以上港口投入变量、港口产出变量具体见表2、表3。

表2 2011年沿海港口投入变量表

表3 2011年沿海港口产出变量表

（二）港口投入产出变量的数据处理

1.投入变量因子分析

由于投入变量选择偏多，不利于DEA模型分析，因此有必要对投入变量进行主成分分析。将样本的投入变量数据标准化处理后，利用SPSS软件的因子分析功能进行因子分析，相关系数临界值,a=0.05时,r=0.5340＞0.3；a=0.01时,r=0.6522＞0.3，说明各投入变量的相关性很好；KMO=0.671，Bartlett的球形度检验P=0.0001<0.05，结果表明相关因数矩阵与单位矩阵有显著差异，说明上述7个备选投入变量适合作因子分析。

SPSS软件运行后得到标准化的港口投入数据的特征根、方差贡献率和主成分负载，可得到结果如表4、表5。

表4 投入指标的主成分分析表——特征值及贡献率

表5 投入指标的主成分负载系数矩阵

从“表5投入指标的主成分负载系数矩阵”可以得出以下结论：一是7个备选变量可以归纳为两类因子，其中x1、x2、x3、x4、x6、x7为第一类主成分，x5为第二类主成分；二是相关投入变量负载按由大到小的顺序为x3＞x2＞x5＞x4＞x1＞x6＞x7,即港口各投入因素按重要程度由大到小的排列顺序为：泊位长度＞万吨以上泊位数＞泊位水深＞库场面积＞万吨以下泊位数＞装卸机械＞港作船舶。

2.投入产出数据处理

由于港口投入主成分得分数据以及产出标准化数据含有负数值，为满足DEA模型条件，输入输出数据必须不小于0，因此本文采用一种有利于DEA评价的转换数据方法，即以数e(约为2.7183)为底，以港口投入产出主成分数据及产出标准化数据为幂进行转换,通过SPSS软件运行得出结果，见表6。

表6 港口投入产出数据处理表

二、基于DEA的沿海港口基本效率评价

（一）港口基本效率分析

由于DEA中VRS模型将技术效率的无效原因分解成为两部分，一部分是规模无效率，一部分是纯技术无效，这可以在相同的数据上通过实施CRS和VRS两个DEA模型来做到。因此，利用DEA软件分析系统，选择投入主导的VRS模型，可以得到各港口规模报酬变化下的纯技术效率和规模效率。分析结果见表7。

表7 港口基本效率测度表

表7说明样本港口中，只有上海港、广州港、青岛港、秦皇岛港DEA有效率，其他港口为DEA无效率。在无效率港口中宁波-舟山港、福州港、连云港港、日照港显示纯技术效率有效，而规模效率无效；大连港、天津港、深圳港、厦门港、营口港、烟台港、湛江港显示纯技术效率无效，且规模效率无效。样本平均综合效率0．653，相对偏低，是由于纯技术效率无效和规模无效共同作用的结果。

（二）港口投入产出投影分析

DEA的CRS模型还提供了投入或产出指标松驰变量，这些不为0的变量所对应的指标正是制约港口效率的因素。投入指标的松驰量代表既定产出水平下某一投入指标相对于其在有效前沿面上投影的冗余量；产出指标的松驰量则代表某一产出指标相对其在有效前沿面上投影的不足量。松驰变量可以提供DEA无效港口向有效前沿面调整的方向。具体的计算结果见表8。

表8 港口投入产出投影分析表

表8说明在投入主导模型下，样本港口明显存在投入松弛，保持产出不变而使效率提高的方法是减少投入。表中除上海港、广州港、青岛港、秦皇岛港等4个有效率港口的投入产出目标值与原投入产出值相等外，其他无效率港口投入目标值均低于原投入值，通过降低投入保持产出的方法提高现有效率。以宁波-舟山港为例，应在投入1要素上降低1．055个单元投入变量，在投入2要素上降低1．249个单元投入变量，以便实现投入目标4．665和5．521，达到8．67产出，即可提高规模效率。全部样本的投入松弛均值为0．839，总体投入松弛比达41．09%。

同样，如果采用产出主导模型，则样本港口存在明显的产出不足，在原有投入不变的前提下若提高效率则必须扩大产出。经测算，全部样本的产出不足均值为2．61，不足比例达61．35%。

三、基于超效率DEA模型的沿海港口效率评价

上述分析显示15个样本港口中有4个港口的效率值为1，表明有效率，11个港口效率值小于1，表明无效率，但对效率值为1的港口无法比较优劣。事实上效率值均为1的港口的真实效率也是不同的。DEA模型虽然可以对无效单元提出改进的意见，但它却不能对相对有效单元进行后续评价。而Per．Anersen等学者于1993年提出的超效率DEA评价模型（SE-DEA）克服了传统DEA的弱点，可以应用于有效单元的排序。

假设对第k个决策单元DMU进行效率评价，使用下面规划模型[4]：

公式中n代表决策单元DMU数目；Xj表示第j个DMU的m维投入量；Yj则代表第j个DMU的s维产出量；θ为第k个决策单元的总效率值,λj为因数。Xk、Yk是被评价的某决策单元投入、产出向量[5]。

与传统DEA模型相比，SE-DEA模型在评价某单元时,将其与样本中其他所有DMU的线性组合做比较,而不包括该评价单元本身，结果有效的DMU有可能按比例增加其投入,而效率值保持不变。其投入增加比例即超效率评价值。在超效率DEA模型中,将某个DMU能增加其投入而仍保持相对有效性的最大比例值，称为该DMU的“超效率”,该效率值可能大于1[6]。

超效率模型主要是针对传统CCR模型评价出效率值为1的DMU进行优化评价，对效率值小于1的决策单元没有任何影响，因为这些DMU不在生产前沿面上。因此，超效率的分析将仅对CCR模型中效率为1的决策单元进行分析。

根据样本决策单元的DEA分析结果绘制出的沿海港口生产前沿面如图2，图中2、5、7、11分别代表样本2上海港、样本5广州港、样本7青岛港、样本11秦皇岛港，由此可知，4个港口均在生产前沿面上，效率值均为1。

图2 沿海港口生产前沿面

为比较4个港口的超效率，采用SE-DEA方法常用的MyDEA2．0软件，设置投入主导型超效率模型，对相关样本数据进行运算，计算结果如表9（为便于分析，将15个港口基本效率、超效率及其排名列示于同一个表中）。

表9 港口基本效率、超效率及其排名

通过以上分析可以看出我国沿海规模以上港口的运行效率处于不平衡状态，原因在于近年来各地港口投资增加幅度与港口吞吐总量增长幅度的不对称。整体上看，长三角地区港口的运行效率较高，福建地区港口的经营效率相对较低。由于我国经济处于快速发展时期，进出口贸易量巨大，且港口项目建设周期长，为缓解港口长期超设计能力运转以及加强港口的未来经营能力，港口投资规模出现了阶段性适度超前的状况。事实上，2010年、2011年沿海港口吞吐量增长幅度逐渐超过港口投资增加幅度，已经说明前期储备的港口吞吐能力正处于释放趋势。

综上所述，本文认为虽然我国15个沿海港口的综合效率值仅为0．653，效率值偏低，但各个港口的空间区位、陆向腹地以及海向腹地不同，因而各个港口提升运行效率的途径也不同。总体而言，我国沿海港口应改变发展方式，不仅应注重泊位等量的扩张，更应该重视信息平台以及海陆联动集疏运体系建设，切实提高港口的品质，尽快实现沿海港口物流业的转型升级。

[1]孙柯洋,赵一飞．基于因子分析和SE-DEA的港口上市公司经营效率评价[J]．上海海事大学学报，2010(1)：67-72．

[2]庞瑞芝．我国主要沿海港口的动态效率评价[J]．经济研究，2006(6)：92-100．

[3]王春芝，王凯，马庆国．基于因子分析与DEA的港口行业上市公司经营效率评价[J]．西安电子科技大学学报:社会科学版，2008(1):110-116．

[4]Per．Anersen and Niels Christian Petersen．A Procedure for Ranking Efficient unit in Data Envelopment Analysis[J]．Management Science,1993,39(10):1261-1264．

[5]顾鹏飞．基于超效率DEA模型的长三角地区城市经济有效性评价[J]．现代商业，2009（2）:76-77．

[6]邓庆彪．基于超效率DEA评价模型的寿险公司绩效分析[J]．求索，2006（2）:18-21．