基于随机DEA模型的港口物流绩效评价

刘忠 王波

摘  要：港口作为全球物流行业的重要节点，其在物流运输当中的作用不容小觑。因此科学、有效地评价港口物流绩效具有很大的研究意义。文章综合考虑港口数据具有随机性以及各项指标权重具有不确定性的客观事实，建立了适合港口的绩效评价体系，在对产出指标数据处理后采用随机DEA模型对浙江省四大沿海港口进行实证分析，为港口绩效评价与港口建设提供理论参考。

关键词：港口物流;随机DEA;绩效评价体系

中图分类号：U691    文献标识码：A

Abstract： As an important node in the global logistics industry， the port's role in logistics and transportation cannot be underestimated. Therefore， scientific and effective evaluation of port logistics performance has great research significance. Article considering randomness of port data and each index weight is uncertain objective facts， the establishment of a suitable port performance evaluation system， is used for the output indicators after the data processing in random DEA model an empirical analysis of four major coastal ports in Zhejiang province， provide theoretical reference for performance evaluation of port and port construction.

Key words： port logistics; stochastic DEA; performance evaluation system

0  引  言

随着经济的全球一体化，外贸行业对我国经济发展有着不可替代的地位。海运在外贸物流当中是一种重要的运输手段，在进出口供应链中有着举足轻重的地位。如何提升港口的服务质量以及基础设施建设是港口物流企业需要考虑的很重要的一个问题。由于港口物流的货物运输量逐渐加大，客户的要求也在逐渐提高。合理的配备港口资源是港口可持续发展的重要方式，通过对港口物流绩效进行科学的评价可以发现港口物流存在的一些隐藏问题，并且根据绩效研究结果可以为港口发展提供有参考价值的意见，从而使港口更科学合理的运营，最终使得港口物流运输更加有效。

近年来，越来越多的国内外学者对港口物流绩效评价运用各种方法展开了研究。由于数据包络分析（DEA）模型不必考虑每项投入产出所占比权重，可以很好地解决多投入多产出的问题，大多数学者采用该方法进行港口物流绩效的研究。陈军飞等[1]运用DEA模型对15家水运上市公司经营效率进行评价，并根据反映水运公司经营效率的评价结果提出改善措施。杨华龙等[2]利用DEA模型对我国主要集装箱港口绩效进行综合评价，探讨各大港口的瓶颈问题从而提出了大连港集装箱发展建议。在研究过程中，学者们发现当决策单元中的指标数量到一个程度时，评价结果的可靠性与精确度将会受影响。曹阳龙等[3]将主成分分析法（PCA）与DEA相结合，提出PCA-DEA复合评价模式，以解决直接采用DEA的限制问题。融入PCA的DEA应用领域广泛，逐渐受到广大学者的关注。但现有研究大多基于传统的DEA，并未考虑统计、观测引起的误差。而事实上，港口绩效的投入与产出指标往往会受到测量误差以及数据噪音等影响，加上投入后产出效益的规律，各项产出指标实际上具有一定的随机性。虞晓雯等[4]对2005～2011年中国商业银行效率进行了实证分析，提出一种新的随机DEA方法，并运用该方法与传统DEA得出的分析结果进行对比，结果发现这种随机DEA方法比传统DEA具有更高的区分度。

本文受随机DEA模型启发，考虑到传统的DEA模型未将统计、观测等引起的实际误差考虑在内，且实际上港口物流绩效的数据具有不确定性以及某年的投入所产生的效益会持续较长一段时间，所以决策单元的数据难以精确确定。而且为了使评价结果具有科学性、合理性，应该用几年的数据来综合分析港口的绩效，港口的投入和输出服从一定的随机分布。所以对于传统DEA模型，随机DEA模型更加具有实际意义[5]。

1  研究方法

1.1  随机数据包络分析

数据包络分析（Data Envelopment Analysis）是1978年美国运筹学家A. charnes和W. W. Cooper提出的一种交叉运筹学、管理科学与数理经济学的研究方法，它是根据多项投入产出，利用线性规划的方法，对同类单位进行有效性评价的一种数量分析方法。而随机DEA模型是在传统DEA模型的基础上考虑到指标的随机性提出的一种模型，该模型适用于多投入多产出且存在随机性指标的同类单位的效率评价[6]。

1.2  普通最小二乘法

普通最小二乘法（Ordinary Least Squares）是一种回归分析方法，通过使散点图上的所有观测值到回归直线距离平方和最小，從而得到拟合曲线[8]。

由于港口物流公司的产出指标（包括货物吞吐，集装箱吞吐、旅客吞吐）随时间有明显的增长趋势，因此本文运用普通最小二乘法线性回归模型，得到产出变量的估计值，用估计值的期望和方差作为产出变量随机分布的期望与方差。

2  评价指标的选取

港口物流绩效的评价指标的选取是以对物流服务进行判别和评价的前提，并且对研究结果有着重要的影响，因此对于评价指标的选取应该遵循相关的原则。本文对港口物流绩效评价所采用的基本原则如下[9]：

（1）科学有效性：选取的指标有一定的科学依据作为支撑，选出的指标是港口物流绩效评价结果的重要因素。

（2）可比性：选取的各项指标应该是普遍的而不应该是特殊的，各项指标应该是每个港口所共有的，而不是单独某个港口所特有的。

（3）可得性：选取的指标数据应该是可以获取的，如果选取的指标数据无法通过合理合法的方式获得，那么这项指标便失去了它的价值。

（4）时代性：评价指标需反映出当前的时代特征和服务方式，不得过于先进或者过于落后当前时代的物流水平。

根据上述的指标选取原则，本文所选取的指标评价体系如表1所示。

根据上述指标体系以及各项指标的性质，可以确定模型中的输出指标与输入指标。因此输入指标有港口建设规模的两项指标，以及港口物流规模下的码头总长度、港口泊位数。输出指标包含基础设施指标三项指标、经济发展水平三项指标[10]。

3  浙江省港口物流绩效评价过程

3.1  对输出指标处理

由于港口的物流业绩指标（集装箱吞吐、货物吞吐）随着时间呈现一定的增长趋势，所以本文用时间作为自变量，运用普通最小二乘法（OLS）线性回归模型，得到了产出变量的估计值，并用该估计值的均值与方差作为产出变量服从随机变量的均值与方差[11]。

文章选取浙江省港口2014～2018年的数据，对宁波港、舟山港、温州港、台州港这四个沿海港口进行物流绩效研究。数据来源中国港口统计年鉴以及浙江省统计年鉴。将货物吞吐、集装箱吞吐、旅客吞吐三项数据作为因变量，进行OLS线性回归。回归结果显示年份的估计系数大部分在0.08%的水平上显著，说明时间对三个输出变量有显著作用。

根据回归方程，得到了上述六项指标的估计值及其方差，并将其作为每个港口的输出指标在各个年份的均值与方差，对港口进出口总值、港口城市GDP、港口城市人均GDP这三项指标本文将其每年的观测值的均值与方差作为随机变量的均值与方差。这里对输出指标分不同方法处理是因为社会经济发展的三项指标受影响的因素太多，尽管运用OLS线性回归得到的结果各项估计系数在1%以内，但与每年观测值的均值与方差结果相差并不明显。以宁波港为例，数据处理结果如表2所示：

3.2  港口物流绩效的评价结果

在对数据进行预处理后，采用随机DEA模型对2014～2018宁波港、舟山港、温州港、台州港的港口物流进行绩效评价，对随机DEA模型的置信水平a分别设为0.05、0.1、0.15，运用Matlab8.0求解模型，并对不同置信水平下得到的效率值进行算术平均，结果如表3所示：

通过表3中可以看出浙江省沿海四大港口效率值大方向呈现逐年上升的趋势，这说明近年来海运港口物流发展规模有递增趋势。计算2014～2018年各港口的平均效率值，可以得出效率值顺序排名为宁波港>舟山港>台州港>温州港。可以说明2014

～2018年宁波港口投入后得到的回报收益效率最大，其次是舟山港、台州港，最后是温州港。其中舟山港与台州港的效率值相差极小，这两个港口尽管在吞吐规模上相差很大，但投入成本后的产出效益率大致相同。

4  总  结

考虑到港口产出指标受数据噪音、统计误差的影响以及投入成本后的产出收益受时间制约，故可认为产出变量服从某种随机分布。因此本文采用不同于传统DEA的随机DEA模型对港口物流进行绩效研究，通过对浙江省四大沿海港口进行实例分析，验证了该方法的可行性与有效性。

参考文献：

[1] 陈军飞，许长新，严以新. 用数据包络分析法对港口水运上市公司经营效率的评价[J]. 上海海运学院学报，2004（1）：51-55.

[2] 杨华龙，任超，王清斌，等. 基于数据包络分析的集装箱港口绩效评价[J]. 大连海事大学学报，2005（1）：51-54.

[3] 曹阳龙，史本山. 基于主成分分析的DEA复合评价模式及其应用研究[J]. 现代管理科学，2006（9）：26-28.

[4] 虞晓雯，雷明，王其文，等. 中国商业银行效率的实证分析（2005-2011）——基于时间序列回归和随机DEA的机会约束模型[J]. 中国管理科学，2012，20（S1）：356-362.

[5]  Juan Aparicio， Jose M Cordero， Lidia Ortiz. Measuring efficiency in education： The influence of imprecision and variability in data on DEA estimates[J]. Socio-Economic Planning Sciences， 2019，68：1-12.

[6] 胡冬强. 基于随机DEA的多阶段投资组合效率评价研究[D]. 长沙：湖南大学（硕士学位论文），2019.

[7] 苑希港，张晓青，肖志玲. 我国省域能源效率及工业“三废”排放研究——基于随机约束型DEA模型的测度[J]. 中国物流与采购，2019（17）：37-38.

[8] 伍兴国，雷钦礼. 再议普通最小二乘法下回归系数的性质[J]. 统计与决策，2020，36（1）：12-16.

[9] 王蕾，于成成，王敏. 我国农业生产效率的政策效应及时空差异研究——基于三阶段DEA模型的实证分析[J]. 软科学，2019（9）：33-39.

[10] 梅国平，龚雅玲，万建香. 基于三阶段DEA模型的华东地区物流产业效率测度研究[J]. 管理评论，2019，31（10）：234-241.

[11] 李杨. 基于改进的PCA-PROMETHEE港口物流绩效评价[D]. 保定：河北大学（硕士学位论文），2018.

收稿日期：2020-10-21

作者簡介：刘  忠（1995-），男，江西上饶人，上海理工大学管理学院硕士研究生，研究方向：决策分析;王  波（1960-），男，上海人，上海理工大学管理学院，教授，研究方向：决策分析。