基于DEA-Tobit 模型对长三角地区港口物流效率及其影响因素的实证研究

姚博鸿 谭春兰 朱徐凯 王 彬

1.上海海洋大学上海 201306 2.洋山港海事局上海 201306

长江三角洲是长江入海之前的冲积平原， 作为中国的第一大经济区、 亚太地区重要的国际门户， 其不论是经济还是港口物流等各方面的发展一直都备受外界的关注。 长三角地区共拥有27 个城市， 以上海市为首， 涉及苏浙皖 “三省一市” 全部地区， 广阔的经济腹地孕育了8 个沿海深水港和26 个内河港， 是中国众多港口群中分布最密集的港口群， 在港口货物吞吐量方面也是名列前茅， 这与该地区港口物流的发展是分不开的。 近些年， 国家为推动长三角地区港口物流的发展也制定了一系列的政策和制度。 2018 年， 国家主席习近平明确提出将“长三角区域一体化发展战略” 上升为国家战略。 同时， 为进一步推动长三角港航发展， 2019 年国务院印发了《长江三角洲区域一体化发展规划纲要》， 明确指出： “推动港口资源整合，优化港口布局， 健全一体化发展机制， 增强服务全国的能力。” 长三角一体化战略的提出是推动港口物流发展的重大机遇。 在这一背景下， 加快长三角地区港口物流建设， 提高港口物流运行效率对推进长三角一体化战略实施具有重要意义。

通过回顾国内外学者在该领域的研究成果可以发现， 当前学者对港口物流效率的研究主要集中在两个方面： 评价指标研究和评价方法研究。

国外对港口物流效率评价指标的研究较早。 1986年国外学者KIM 等就开始对港口效率值进行测度，应用单一指标对衡量港口效率进行衡量[1]。 此后， 学者陆续开始对相关领域展开研究。 MATINES-BURDIA等为研究港口物流业企业的经营效益， 从投入产出的角度构建了包括工资以及其他成本支出在内的评价指标[2]。 国内学者对港口物流效率评价指标的研究主要有： 李剑、 孟威、 陈继红等从港口服务水平的角度选取指标， 将航运和集疏运条件、 服务态度和投诉处理等指标作为研究基准[3-5]。 马冬梅、 计春阳等构建了一组包括港口物流信息化年收入增长率、 港口物流信息化带来的净利润增长率等指标体系[6-7]。这些指标体系的研究视角多元但仍不够全面， 而且强调港口自身的基础设施和硬件条件等影响因素，不利于对港口物流效率的综合性分析。

有关港口物流效率评价方法的研究。 国外学者ROLL 和HAYUTH 首创以DEA 模型为主要研究方法对港口物流效率进行评价， 提高了评价的综合性[8]。随着计量模型和数理分析在经济学研究中的广泛应用， 关于港口物流效率评价的定量研究也日益增多。其他相关效率评价方法还包括有： AHP 层次分析法、模糊综合评判、 熵权法、 云模型等。 国内学者在众多方法的选择上应用DEA 模型的较多， 但局限于对效率的测度方面的研究， 对效率变化及其影响因素的研究几乎空白。 杨华龙、 员丽芬通过利用测度-X 效率的模型， 发现我国大部分港口企业仍处于规模报酬递增状态， 还有很大的发展空间[9-10]。 俞海宏等指出当前长三角港口群效率尚未达到稳态， 港口群整体效率有待提高[11]。 综合来看， 当前大部分学者集中于对港口物流效率的测度及评价指标和方法的研究， 而针对港口效率影响因素的研究不多。 因此， 为进一步拓展相关研究， 本文以长三角主要港口为研究对象， 运用DEA 模型， 同时结合Malmquist 指数分析法对其效率值进行测算之后， 通过建立Tobit 回归模型对其效率影响因素再进行综合分析。

1 研究方法与评价指标构建

1.1 研究方法

1.1.1 DEA 模型

为研究长三角地区港口运行效率， 采用数据包络分析 （DEA） 方法， 通过建立DEA 模型， 对其效率进行测算。 下面对DEA 模型和基本原理进行简单的总结归纳。

假设有n个样本决策单元DMUi（i= 1， 2， 3，…，n）， 在本文中指各港口的效率， 即对这n个港口效率进行评价， 若选定的评价指标中有t种投入项s种产出项， 假设X1、X2、X3， …，Xt是每个港口效率的投入项，X1、X2、X3， …，Xs是每个港口效率的产出项， 即DMU 满足以下式子：

其中Xi、Yi分别是港口效率的多指标投入矩阵和多指标产出矩阵， 且分别满足：Xi={x1i，x2i， …，xtiT}，Yi={y1i，y2i， …，ysiT} （xti和ysi分别表示第i个港口效率的投入量和产出量）， 在规模报酬不变下， DEA的CCR 模型表示为对港口 （X0Y0） 求下列极值问题。

式 （2） 求出的ω 中值即为港口 （X0Y0） 的综合技术效率值（TE）， λi（i=1， 2， 3， …，n） 为对偶变量，s-、s+为松弛变量， 综合技术效率值 （TE） 可由纯技术效率 （PTE） 和规模效率 （SE） （3 个效率值均介于0～1 之间） 的乘积得到， 由此又可求得规模效率（SE）， 即SE=TE/PTE[12]。

1.1.2 Malmquist 全要素生产率指数

鉴于DEA 模型侧重对某一时点的效率值进行测算， 属于静态效率值， 因此为了更全面地分析长三角地区港口效率的动态变化， 又引入Malmquist 生产率指数模型。 该模型主要用于考察在一段时期内的效率变化趋势， 能够更为全面地反映效率运行状况。 模型数学表达式如下：

Mt指决策单元在t 时期的技术效率变化（effch）；Mt+1指决策单元在t+1 时期的技术水平变化 （tech）。则表示决策单位 （DMU） 从t 时期到t+1 时期的技术效率变化的动态趋势， 即全要素生产率指数[12]。

1.1.3 Tobit 回归模型

经济学家Tobit 在1958 年提出了Tobit 回归模型， 常被用于研究受限因变量的模型构建问题。 具体操作方法是将DEA 模型测算出的综合效率值作为被解释变量， 选取可能对效率值造成影响的因素作为解释变量。 具体模型如下：

式中，Y表示效率值向量，Y*表示截断因变量向量，X表示自变量向量， α 表示截距项向量， β 表示相关系数向量， 误差项ε～N （0， ∂2）。

1.2 投入产出评价指标的构建

当前国内外学者从不同角度对港口物流效率评价指标进行研究， 构建的港口物流竞争力、 信息化水平、 绩效水平等评价体系均为本文研究提供了一定参考。 因此本文基于科学系统的思想， 从港口综合效率研究角度出发， 初步构建了有关港口物流效率的评价体系， 涵盖港口、 城市、 腹地经济3 个维度。 鉴于数据资料的可获得性和可比性， 具体指标选取如表1所示。

表1 港口物流效率评价指标

有关投入指标主要涵盖港口物流的基础设施、 港口腹地的集疏运能力以及港口信息化水平3 个方面。港口物流的基础设施对港口物流的产出能力有直接促进作用， 对港口物流的建设至关重要。 有关港口物流的基础设施主要包括港口的万吨级泊位数、 港口码头长度、 堆场有效面积等。 港口腹地的集疏运通道是港口与腹地之间的重要交通基础设施， 是港口赖以存在和发展的外部条件， 同时也是众多供货商、 船舶公司选择港口的首要考虑因素。 良好的集疏运能力能有效缩短货物运输的时间， 减少运输成本， 是体现港口物流效率高低的关键。 港口信息化水平的高低能直接体现港口物流建设的技术水平和发展潜力， 考虑到数据的可收集性， 本文主要选取港口在信息化方面的资金投入作为信息化水平评价的标准。 有关产出指标主要从港口作业能力和发展潜力两个方面选取指标。 港口作业能力是衡量港口产出能力的重要标准之一， 港口的产出主要包括港口货物吞吐量和集装箱吞吐量， 这两项指标直接体现了港口物流产出规模的大小。 为了更为精准地量化港口的产出能力， 增加对其发展潜力的衡量， 主要从产能增长率方面来判定， 包括港口货物吞吐量和集装箱吞吐量的增长率。

2 长三角地区港口物流效率分析

2.1 长三角地区港口物流静态效率分析

根据前文构建的港口物流的综合效率评价指标体系， 利用DEAP2.1 软件对该地区港口在2012 年和2018 年间港口静态综合效率平均值及其增速进行测算， 同时按照沿海和内陆以及港口所处地理位置划分为长三角南部 （上海市、 浙江省）、 中部 （江苏省）和北部地区（安徽省） 进行统计分析[13]， 具体如表2、表3 所示。

表2 长三角地区港口2012 年和2018 年效率值

表3 长三角地区沿海港口和内陆港口2012 年和2018 年效率均值

2.1.1 长三角地区港口物流效率水平的整体特征

（1） 长三角地区的港口综合效率水平提升较快。通过表2 可以看出长三角地区2012 年和2018 年综合效率均值分别为0.846， 0.989， 从效率最优水平的80%提升到90%以上。 2012 年和2018 年分别有3 个港口（上海港， 扬州港， 镇江港） 和7 个港口 （上海港， 宁波舟山港， 泰州港， 南京港， 扬州港， 江阴港， 常州港） 综合效率达到DEA 有效状态， 分别占12 个研究对象的25%和58%。

（2） 长三角地区沿海港口物流效率值明显高于内陆港口物流效率值， 但综合效率值年均增速低于内陆港口。 通过表3 可以看出长三角港口地区主要沿海港口分别为上海港， 宁波舟山港， 连云港， 南京港， 镇江港5 大港口。 2012 年到2018 年， 沿海港口综合效率均值从0.944 增加到0.984， 年均增速达到0.4%；内陆港口综合效率值从0.923 增加到0.978， 年均增速为0.9%。

（3） 长三角区域的港口物流效率值地区性差异明显， 由南向北有所递减。 从整体上来看， 2012—2018年长三角地区港口的DEA 效率值呈递增状态， 但是处于DEA 有效状态并不多， 仅占研究区间的35%，主要集中在长三角南部地区， 其次是中部和北部地区港口， 即港口物流效率在区域之间呈现南部地区> 中部地区>北部地区（表2）。

（4） 效率增速由南向北有所递增。 对长三角区域各港口物流效率分析发现， 研究时段内长三角地区港口物流效率整体发展速度较好， 综合效率平均增速为2.3%， 并且效率增速在区域之间呈现由北向南依次递增， 即长三角北部地区>中部地区>南部地区。

2.1.2 长三角地区港口物流效率分解指数的特征

通过利用DEAP2.1 软件对该地区港口在2012—2018 年间港口各效率平均值进行了测算， 汇总情况如表4 所示。

（1） 综合效率值分析

通过表4 可见， 近些年各港口的综合效率均值均没有达到DEA 有效状态， 除了马鞍山港和铜陵港在0.9 以下， 其余港口的综合效率值都处在0.9～1 之间。从中可见， 综合效率值较高的港口基本都位于长江三角洲的前端和中部， 处于核心区域的有宁波舟山港、上海港， 中部区域主要是扬州港、 江阴港、 镇江港、南京港、 泰州港、 常州港等， 地理位置优越， 水路交通便利， 经济实力雄厚， 为港口物流发展提供了良好的条件。 其中， 扬州港是长三角中部区域效率值最高的， 这得益于它地处江河交汇处。 近年来， 通过合理定位泊位功能， 与腹地产业建立了紧密的合作关系，效率值相对较高。 位于长江中下游南岸的芜湖港， 地理位置优越， 近些年紧抓长三角一体化战略机遇， 为芜湖港迈向亿吨级增加强劲动力， 因而效率值也较高。 再看效率值比较靠后的几个港口， 连云港位于长江三角洲最北端， 相对于经济发达的中部核心区域较远， 经济发展缓慢， 因而不能为港口物流发展提供有力支撑， 所以效率值不是很高。 铜陵港、 马鞍山港综合效率排名最靠后， 整体实力不足， 存在较大的提升空间。

表4 长三角地区港口2012—2018 年DEA 效率均值

（2） 纯技术效率值分析

从纯技术效率值来看， 排在前面的港口主要是上海港、 宁波舟山港、 泰州港和马鞍山港口， 纯技术效率值均为1， 是DEA 有效状态， 紧随其后的依次为铜陵港、 芜湖港、 江阴港、 扬州港、 南京港。 其中铜陵港的纯技术效率值最高为0.998， 而其余港口的纯技术效率值分别为0.995、 0.993、 0.991、 0.990， 也都在0.990 以上， 技术效率值也比较高。 排名靠后的3个港口为常州港、 连云港、 镇江港， 除常州港的纯技术效率值在0.980 以上， 其余两个港口的纯技术效率值均在0.980 以下， 分别为0.975、 0.970， 相对于其综合效率值排名来看， 纯技术效率值的排名比较靠后，说明连云港和镇江港在技术效率方面有待提高。

（3） 规模效率值分析

在规模效率值方面， 可以发现， 马鞍山港的规模效率值最低， 仅为0.825， 其余港口的规模效率值基本维持相对较高的水平。 上海港的规模效率依然是排名最靠前的， 其次是宁波舟山港、 扬州港、 镇江港、芜湖港、 江阴港、 南京港、 泰州港、 常州港、 连云港、 铜陵港。 扬州港的规模效率排名和宁波舟山港并列， 说明近几年扬州港在基础设施方面加大了投入，从而提高了规模效益。 其余各港口的规模效率排名与其综合效率排名几乎并无差异， 说明港口的规模效率是影响综合效率的关键因素。

2.2 基于Malmquist 指数法对长三角地区港口动态效率分析

为了进一步研究近些年长三角地区港口物流效率的运行状况， 将长三角各港口看成一个整体， 通过DEAP2.1 软件对长三角地区港口在2012—2018 年的序列数据进行Malmquist 指数分析， 测算出相关效率值， 具体数值如表5 和表6 所示。

表5 长三角港口Malmqusit 指数

表6 长三角三大区域港口2012—2018 年效率变化均值

2.2.1 港口物流效率整体变化特征

由于各地区港口规模效率 （sech） 值不高， 通过观察上表可以看出技术效率变化 （effch） 和技术进步（techch） 这两组数据与1 的大小关系， 同全要素生产率（tfpch） 与1 的大小关系具有一致性， 即当前者大于1 时， 后者也大于1， 反之也是。 这说明长三角地区港口的全要素生产率 （tfpch） 受技术效率变化（effch） 和技术进步（techch） 的影响。 其中全要素生产率 （tfpch） 大于1 的港口占12 个研究目标的70%以上， 但是全部全要素生产率 （tfpch） 均值仅1.04。对技术效率变化（effch） 进一步分解可知技术效率的增长主要来自纯技术效率变化 （pech）， 但是由于各港口规模效率不高使得纯技术效率变化 （pech） 对其技术效率的增长贡献率降低。 由此可见， 长三角地区港口综合效率的提升多来自技术进步和技术利用效率增长的贡献， 而由于该地区港口的规模效率不高， 反而在一定程度拉低了前者对整体的贡献率。 因此， 为保证该地区港口综合效率的稳步提升， 应进一步加强管理力度， 提升规模效率。

2.2.2 港口物流效率变化的区域特征

从分区域来看（表6、 图3） 全要素生产率（tfpch）指数的计算结果可知， 尽管2012—2018 年期间长三角三大区域港口的效率值基本都在1 以上， 但是TFP值波动明显甚至有下降趋势[12]。 值得注意的是各区域港口在2012—2018 年间TFP 峰值均介于2013—2015年， 此后均有所下降， 其中波动最为明显的是北部地区， 中部地区和南部地区相较于北部较为稳定，但效率增长动力不足。 由此可以看出， 长三角北部地区港口效率应作为重点发展地区， 存在较大效率增长空间。

图3 2012—2018 年长三角三大区域港口TFP 变化情况

3 效率影响因素分析

为分析影响港口物流效率的因素， 将港口物流效率值当作因变量， 可能影响港口物流效率的内外部因素 （表7） 当作自变量构建Tobit 回归模型。

表7 影响因素变量

其中，Ye表示港口物流效率值， β1～β6均为回归系数，X1为港口地区GDP 总额，X2为港口地区对外贸易总额，X3表示单位港口泊位产出（港口货物吞吐量/ 港口泊位总数），X4表示每公里公路和铁路货运量（货运总量/ 里程数），X5表示管理者素质、 消费者满意程度，X6表示信息化资金投入， μ 为误差项[14]。

通过建立tobit 模型， 同时利用eviews8.0 软件， 对港口物流效率影响因素进行分析， 具体结果如表8所示。

表8 Tobit 模型回归结果

由表中结果可看出， 港口城市GDP 总值X1系数较小， 仅为1.54E-3， 并且显著性水平大于1， 说明港口城市GDP 总值对港口效率影响很小。 港口城市对外贸易总额X2系数为0.001 544， 而且显著性水平小于0.05， 因此港口城市对外贸易总额对港口物流效率有正向作用， 即对外贸易总额每增加1， 港口物流效率提高0.001 544。 港口腹地固定资产投资额X3统计结果不显著， 而且系数很小， 因此港口腹地固定资产投资额对港口物流效率没有什么影响。 单位泊位产出X4显著性水平大于0.05， 系数为0.005 82， 说明单位泊位产出越高， 港口效率水平越高， 但影响不显著。单位公路、 铁路货运量X5显著性水平小于0.05， 且系数为正0.043 8， 说明港口物流的集疏运能力对港口物流效率有正向作用， 即单位公路、 铁路货运量每增加1， 港口物流效率提高0.043 8。 管理者素质、 消费者满意度X6显著性水平大于1， 并且系数很小， 因此管理者素质、 消费者满意度对港口物流效率的影响不大。 信息化资金投入X7显著性水平小于0.05， 系数为正0.034 4， 说明港口物流的信息化投入对港口物流效率有正向积极作用。 这意味着当前港口的发展已然进入了信息化发展的阶段， 港口的信息化、 自动化程度越高， 港口物流效率也就越高[15]。

4 结论及建议

本文利用DEA-Tobit 模型对长三角地区12 个港口的2012—2018 年港口物流效率及其影响因素进行定量分析， 研究结果显示： （1） 从静态效率值来看，长三角地区港口物流综合效率在研究期间内提升较快， 其中沿海港口效率值明显高于内陆港口， 而效率增速低于内陆港口。 从地理区域来看， 长三角地区港口效率值也存在明显的地区性差异， 而且效率值从北向南依次递增， 效率增速从北向南依次递减。 （2） 基于Malmquist 指数动态效率值来看， 长三角地区港口综合效率的提升多来自技术进步和技术利用效率增长的贡献， 而在港口的管理力度上各地仍有一定的改进的空间， 并且长三角三大区域港口TFP 值波动明显甚至有下降趋势， 其中波动最为明显的地区是北部地区， 中部和南部地区相较于北部较为稳定， 但效率增长动力明显不足。 （3） 从效率影响因素研究结果来看， 港口物流效率水平受港口基础设施 （单位泊位产出）、 港口信息化资金投入、 腹地对外贸易总额、 腹地集疏运能力等因素影响较大， 而港口城市GDP 总值、 腹地固定资产投资额、 管理者素质、 消费者满意度等因素对港口物流效率影响较小。

基于以上研究结果， 提出以下建议。

（1） 牢牢抓住长三角一体化战略发展机遇， 强化综合交通枢纽衔接， 提高港口集疏运能力。 港口集疏运通道通常涉及公路、 铁路、 管道、 水运4 种运输方式， 是港口与腹地之间的重要交通基础设施， 是港口赖以存在和发展的外部条件， 因此长三角地区应进一步加大对港口集疏运设施的倾斜力度和港口基础设施建设的投入。 明确公路网络建设在交通网络布局中的核心作用， 以城市轨道交通为骨架， 以水运、 港航作为支撑[13]。 依托国家综合运输通道沿海、 京沪、 京港台、 陆桥等， 有序推进上海、 宁波、 杭州、 南京、 苏锡、 合肥等主要交通节点建设工程。 围绕公路、 铁路等规划建设， 打通沿海、 沿江和省际通道， 提升区域公路通达能力， 依托上海国际线综合交通枢纽， 联动南通、 苏州、 嘉兴等地发挥辐射功能， 加快推进国际门户枢纽集群建设。 统筹优化航道网络布局， 提升港航集疏运能力， 加快引领长三角地区迈向世界级现代化多层次综合交通运输体系。

（2） 依托政策扶持， 深入开展商贸合作， 提高对外贸易水平。 尽管当前长三角地区国际贸易规模相对于国内其他经济圈而言贸易规模很大， 具有较强的竞争力， 但是仍存在区域物流基础设施不完善的问题，这在一定程度上也对外贸的提升造成阻碍。 同时， 由于目前长三角外贸方式主要以加工贸易为主， 产品附加值低， 在国际市场处于劣势， 因此就目前长三角地区外贸状况来看， 应从优化出口产品结构出发， 努力探索新型贸易方式。 为保证长三角外贸稳步提升， 深化海外贸易组织合作， 精准对接“一带一路” 、 京津冀地区、 长江经济带和粤港澳大湾区， 促进海外贸易组织机构落户， 助力跨境电子商务综合试验区建设，打造长三角贸易新高地。 上海市应充分发挥长三角龙头带动作用， 提升产业辐射能力， 推动苏浙皖产业的联动发展， 促进区域产业优化升级、 产业资源流动和产业化项目落地， 形成一批跨境产业联动发展的园区中心， 加强与国际贸易港的互联互通， 助力长三角区域商贸转型升级[12]。 重视实施区域差异化发展战略，提高产品和服务的差异化， 加大高新技术生产投入，提高自主创新能力， 积极把握世界市场方向， 努力拓展新市场。

（3） 通过港航资源整合， 推动港口错位发展， 促进物流资源集约化。 长三角地区港口众多， 尽管整体效益较高， 但是由于港口分布分散， 恶性竞争不可避免， 同时存在重复开发和布局， 港口定位不明确等问题， 导致地区之间的港口效率差异明显， 规模效率不显著。 因此要促进区域港口良性竞争， 明确港口定位， 推动港口错位发展。 近些年， 上海港集装箱货物吞吐量一直名列世界首位， 毫无疑问上海港在集装箱货物运输方面具有绝对优势， 因此上海港应将集装箱运输作为发展重点， 加快推进干线运输、 江海联运与邮轮运输相结合， 通过不断提升高端航运服务， 推动上海港向智能化、 高效化的集装箱枢纽港迈进。 宁波舟山港， 由于地理位置优势， 一直在集装箱、 大宗能源、 原材料等运输方面存在绝对优势， 因此宁波舟山港仍应将其作为发展重点， 进一步强化集装箱枢纽功能， 推动相关临港产业发展， 打造以服务海洋产业为主兼顾综合业务的国际型枢纽港。

连云港在集装箱运输量方面占据江苏省首位， 应以集装箱运输优先发展为宗旨， 全力服务于地方及中西部区域发展， 努力建成带动区域经济发展的组合大港。 将安徽地区港口作为重点发展区域， 保障疏港铁路规划建设工程有序推进， 不断完善港口集疏运网络， 推动产业、 技术、 人才的快速流动和高效配置，深入推进安徽港口、 江苏港口资源整合。 加强江、海、 河联运发展， 不断推进江苏、 安徽沿江港口江海直达、 联运的相关码头、 锚地等港口基础设施改造工程建设， 有序开展芜湖、 马鞍山港口资源整合， 强化江海联运中转服务功能。 通过鼓励采取交叉持股等方式不断强化各港口集团合作， 促进长三角地区港口协同联动发展[14]。

（4） 强化航运服务功能， 加大港口信息化建设投入， 提升港口软实力。 坚持务实合作， 依托现有航运服务基础， 积极发展航运金融、 航运信息、 航运科技服务等， 整合提升港口航运服务质量， 打造现代化高端航运服务业， 不断提升全球航运资源组织配置能力[16]。 进一步增加信息化资金投入， 将 “互联网+”、物联网、 大数据、 移动互联网应用于港口物流业， 以信息为纽带加快构建港口物流大数据服务平台， 强化信息集聚和处理的能力。 凭借信息技术， 努力建设出一个集聚港口物流信息的网络中心， 对港口内部信息进行高效整合和处理， 逐步实现港口内部运营的信息化和智能化。 对于港口的外部联通方面， 可以从优化港口物流信息系统的性能着手， 如可以将外部的相关流程转变为港口内部信息系统的服务环节， 如支付结算、 信息查询等， 加快建成智慧港口。