上海集装箱码头生产效率评价

段朝辉, 宋炳良

(上海海事大学 经济管理学院， 上海 201306)

上海集装箱码头生产效率评价

段朝辉, 宋炳良

(上海海事大学 经济管理学院， 上海 201306)

为提高集装箱码头生产效率评价的准确性，提出信息熵与数据包络分析(Data Envelopment Analysis, DEA)组合评价方法，并将其运用于上海集装箱码头的生产效率评价中。根据评价结果，上海港的整体生产效率处于较高水平，通过内涵式挖潜可有效提高港口的生产效率；过去几年船舶的大型化发展对洋山枢纽港建设具有正面效应；在资本投入能得到保障的前提下，港口企业若有充足的货源控制力和运营能力，应首先考虑通过自有资金投资运营码头。

交通运输经济学； 信息熵； DEA； 上海； 集装箱码头； 效率评价

Abstract: The combination of information entropy and DEA is introduced into the production efficiency evaluation of Shanghai container terminal. According to the evaluation results, the overall production efficiency of the port of Shanghai is at relatively high level thanks to the operating synergy. The research indicates that the use of large-scale carriers in recent years has been a positive factor to the development of Yangshan hub port. Besides, it suggests that, if possible, the port invest with its own funds as long as it possesses control ability of goods source and adequate operation ability.

Keywords: traffic transport economics; information entropy; DEA; Shanghai; container terminal; efficiency evaluation

海运供应链发展和集装箱船舶大型化趋势的加快对集装箱码头的生产效率提出了更高要求。对码头生产效率进行合理评价，可为港口企业优化资源配置提供基础，进一步提升船公司的服务水平，增强其竞争力。

国内外学者曾采用全要素生产率和多元回归分析等多种方法对码头生产效率进行评价。近几年，有学者[1-4]针对数据包络分析(Data Envelopment Analysis，DEA)在处理多种投入和多种产出的复杂生产关系方面具有一定优势，采用不同形式或视角的DEA模型进行评价。但是，每种DEA模型都具有其自身的特点，利用不同形式或视角的DEA模型评估决策单元的相对效率时得到的结果不同，因此会对后续的决策有一定影响。

为解决该问题，尝试组合不同形式和视角的DEA模型的评价结果，基于信息熵原理分配给这些评价结果不同的权重，建立组合评价方法(Combined Evaluation Method, CEM)，以得到更加客观、准确的绩效评价值。将该CEM方法运用于上海6家集装箱码头，得到评价结果；通过分析得出相关结论，为港口决策提供参考。

1 DEA评价模型

DEA是一种非参数的客观评价方法，由美国著名运筹学家A.CHARNES和W.W.COOPER于1978年提出，可用于多投入与多产出决策单元的评估排序。其通过对一个特定单位的效率和一组提供相同服务的类似单位的绩效进行比较，使服务单位的效率最大化。DEA方法将决策单元反映到分段的线性超平面上，摆脱了多元统计回归分析的线性和非线性关系假设，易于揭示存在于系统内部且运用其他评价方法归纳不出来的隐藏关系。

1998年CHARNES，COOPER 和 RHODES提出被称为经典 DEA 模型的CCR模型，标志着DEA 理论体系正式建立。此后有较多学者对DEA模型进行改进，得到不同变形的DEA模型，如BCC，FDH (FDH-CRS, FDH-VRS, FDH-NDRS和FDH-NIRS)，RAM，FG及ST等。此外，还有不少学者利用DEA模型从不同视角对决策单元的相对效率进行评估，如投入导向与产出导向及乐观视角与悲观视角等。

2 信息熵-DEA组合评价方法

信息熵是指单位符号所包含的信息量，主要运用概率统计的方法对信息的不确定性进行分析研究，其定义为

(1)

式(1)中：n为信号源的信号数；pi(x)为第i种信号出现的概率；lnpi(x)为第i种信号带来的信息量；K为比例系数。信息熵H反映信号源每个信号带来的信息，是对信息量大小的量度。任何信息都存在冗余，冗余的大小与信息中每个符号(数字、字母或单词)出现的概率或不确定性有关。

根据信息熵的含义，信息熵最小的指标权重应该最大，信息熵最大的指标权重应该最小。若决策中某项指标的指标值变异程度越大，其信息熵就越小，则该指标提供的信息量就越大，对应的权重也应越大。信息熵在决策单元效率评价中的应用原理为：运用信息熵对不同形式和视角的DEA模型进行权重计算，若DEA模型对所有决策单元的评价结果均无差异，则该DEA模型将不对决策单元的排序起作用，可令该DEA模型的权重为0。一般情况下，某DEA模型的评价结果变异程度越小，信息熵就越大，提供的信息量就越小，在决策单元效率评价中所起的作用就越小，该DEA模型的权重也应越小；反之，指标值变异程度越大，信息熵就越小，提供的信息量就越大，在决策单元效率评价中所起的作用也就越大，该模型的权重也应越大。

这里采用的CEM由信息熵理论和DEA模型构成，主要用来提高DEA模型的判别能力，进而得到更加合理、准确的港口效率评价值。CEM方法的基本思路如下。

1) 确定采用评价港口效率的DEA模型的集合Ω={M1,M2,…,Mk,…,MK}，k=1,2,…,K,其中K为DEA模型的总数量。这里采用CCR，BCC-I，BCC-O，FDH-VRS-I和FDH-VRS-O等5个模型，因此K=5，Ω={CCR,BCC-I,BCC-O,FDH-VRS-I,FDH-VRS-O}。

2) 在指标子集Mk下获得港口的效率评价值。

3) 基于信息熵理论对指标子集Mk赋予权重，得到一组更为客观的港口效率评价结果。

具体计算步骤如下。

1) 基于不同的DEA模型指标集获得各指标子集的效率评价值，表达形式为

(2)

式(2)中：DMUj为第j个评价对象，j=1,2,…,n；n为待评价对象的数目；Ejk(j=1,2,…,n;k=1,2,…,K)为第k个指标子集Mk下获得的第j个评价对象的效率值。

2) 基于信息熵理论，根据各组效率值所含的信息量大小计算得到其所占的权重，具体模型为

(3)

3 实例研究

3.1指标选取与数据来源

根据DEA选取指标的要求，选取的投入指标包括岸线长度、堆场面积、桥吊数量、轮胎吊数量、从业人数和能源消耗量。

1) 岸线长度和堆场面积是码头资源设施投入量的反映。

2) 码头的作业设备主要包括岸边作业的桥吊、水平作业的集卡和堆场作业的轮胎吊，受指标数量的限制，这里选取投资成本较高且最能反映作业效率的桥吊数量和轮胎吊数量。

3) 从业人数是反映劳动力生产要素投入量的指标。

4) 能源消耗量是码头日常作业过程中能源的消耗量。能源消耗量越大，说明码头投入的资源相对越多，提供的服务效率就会越高。

5) 集装箱吞吐量是反映码头资源投入后产出能力和效率的最综合性指标，这里选取该指标作为产出指标。

选用上海6个集装箱码头2012—2014年的数据，以半年为一个评价周期，共36个评价数据。表1为投入产出指标描述性统计值。

表1 投入产出指标描述性统计值

3.2评价结果

以DEAP2.1和EMS1.3软件为数据分析工具，将各集装箱码头的投入产出指标数据分别代入CCR,BCC-I,BCC-O,FDH-VRS-I和FDH-VRS-O等5

个传统的DEA模型中，计算得到2012—2014年6家集装箱码头的生产效率评价结果。根据式(3)计算得到5个DEA模型效率值所占的权重分别为0.224 6，0.163 9，0.217 6，0.163 4和0.230 5，得到的基于CEM方法的评价结果见表2。2012—2014年上海集装箱码头CEM值见表3。

表2 基于CEM方法的评价结果

表3 2012—2014年上海集装箱码头CEM值

3.3评价结果分析

1) 一般情况下，决策单元的综合效率值≥1意味着该决策单元是高效率系统(Efficient System)；综合效率值位于1～0.6意味着该决策单元是相对有效系统(Fairly Efficient System)；综合效率值<0.6意味着该决策单元是低效率系统(Inefficient System)。根据评价结果，所选取的36个指标中有8个指标达到高效率水平,另外的28个指标全部为相对有效的系统,上海港的生产效率整体处于较高水平。从时间上看，上海港的生产效率自2013年下半年以来迅速提高，这主要靠内部挖潜，通过码头操作系统改进、流程优化和作业成本分析等精益化方式提高服务效率，满足新增的集装箱吞吐需求。在外延式扩张码头资源越来越困难的背景下，通过内涵式挖潜可有效提高港口的生产效率，上海港在该方面为其他港口提供了经验。此外， 2013-1f数据出现波动的主要原因是样本中某码头从2013年开始将下属内集卡服务公司的能耗统计在内，导致效率值出现下降。因此，当产出的增长态势与投入的增长态势不完全适配时，就会出现波动。

2) 过去几年船舶大型化对洋山枢纽港的发展具有正面效应。洋山港区是上海国际航运中心的核心枢纽港，E码头和F码头是该港区的2个码头，水深均达到-16 m，可满足当今最大的集装箱船舶靠泊的需求。上海港也本着“深水深用”的原则，将船型较大的航线配置于洋山港。研究发现，这2个码头的生产效率处于高位，在8个高效率系统中占据了1/2。针对船舶大型化对港口生产效率带来的影响到底如何，研究结果表明在码头努力提高生产效率的作用下，过去几年船舶大型化对提高洋山枢纽港生产效率具有正面效应。但是,随着船舶进一步大型化，目前高位的生产效率能否进一步提升及其带来的正面效应能否维持有待进一步关注和研究。

3) 我国的港口集团通常寻求与船公司合资运营码头来确保稳定的集装箱货源；或与全球码头运营商合资，以提高集装箱码头的运营管理能力。研究发现，上海港全资码头的生产效率要相对好于合资码头。B码头、E码头和F码头等3个全资码头的生产效率位居前三位，主要原因应在于合资企业过于重视其内部客户的服务而在一定程度上影响到对其他客户的服务水平。此外，上海港全资码头的效率水平也说明港口的发展主要得益于其自身的地理位置、竞争能力优势和与合作方议价的能力，公共码头的特性会为其提高效率提供较好的基础。在资本投入能得到保障的前提下，港口若有充足的货源控制力和运营能力，应首先考虑通过自有资金投资运营码头。

4 结束语

利用信息熵组合CCR，BCC-I，BCC-O，FDH-VRS-I和FDH-VRS-O等5个模型建立CEM评价模型，并将其引入到港口评价领域，对上海集装箱码头的生产效率进行评价。根据评价结果分析上海集装箱码头生产效率的变化趋势和水平，得出相关结论，为港口决策提供参考。

提出信息熵与DEA组合的评价方法，根据信息熵赋予不同模型相应权重的计算方法可综合各模型的优点，并在一定程度上平衡各模型的不足，使最终求得的效率值和排名更客观与科学。所采用的方法为港口生产效率评价提供了一个新的思路和方法，下一步将重点对模型的有效性和优越性进行深入研究。

[1] 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.

[2] HAYUTH Y. Port Performance Comparison Applying Data Envelopment Analysis ( DEA ) [J]. Maritime Policy and Man Agement，1993，20(2)：161-163.

[3] TONGZON J L. Efficiency Measurement of Selected Australian and Other International Ports Using Data Envelopment Analysis[J]. Transport Research A , 2001, 35(2): 113-128.

[4] 吉阿兵，朱道立.基于极效率DEA模型的港口绩效评价[J].系统工程，2005, 23(4) ：119-122.

[5] 盛昭瀚，朱乔，吴广谋. DEA理论、方法与应用[M].北京:科学出版社,1996.

[6] 魏权龄.评价相对有效性的数据包络分析模型[M].北京:中国人民大学出版社，2012.

[7] CHARNES A, COOPER W W, RHODES E. Measuring the Efficiency of Decision Making Units [J]. European Journal of Operational Research,1978 (2):429-444.

[8] 陈春芳, 宗蓓华. 基于SFA的上海港集装箱码头效率评价[J]. 上海海事大学学报, 2008,29(3):87-92.

[9] 庄茜, 李绍武. 改进 DEA 在港口效率评价中的应用[J].天津城市建设学院学报, 2008, 14(2): 102- 105.

[10] COTO-MILLAN P, BANOS-PINO J, RODR IGUEZ-ALVAREZ A.Economic Efficiency in Spanish Ports: Some Empirical Evidence [J]. Maritime Policy & Manage, 2000, 27(2):169-174.

ProductionEfficiencyEvaluationofShanghaiContainerTerminal

DUANZhaohui,SONGBingliang

(School of Economics & Management, Shanghai Maritime University, Shanghai 201306, China)

2016-01-11

段朝辉(1984—)，男，山西运城人，博士生，主要从事国际航运中心发展研究。E-mail:duan_zhaohui@163.com

1000-4653(2016)01-0125-04

U656.1+35

A