杜利楠　張建寶

摘要：為剔除環(huán)境變量和隨機因素的影響，更加準確地評價港口效率，運用三階段數(shù)據(jù)包絡(luò)分析（data envelopment analysis，DEA）模型對2010年和2017年我國長江干線20個主要內(nèi)河港口效率進行測度評價。結(jié)果表明：長江干線各主要港口，特別是長江干線中上游港口的規(guī)模效率相對較低，港口岸線資源、土地資源、設(shè)施設(shè)備和建設(shè)投資等要素投入相對分散，尚未形成規(guī)模效應(yīng);部分港口存在投入擁擠和產(chǎn)出水平低的現(xiàn)象，資源浪費問題突出。需要根據(jù)各港口發(fā)展實際，優(yōu)化資源配置，提升港口效率。

關(guān)鍵詞：長江干線; 效率評價; 環(huán)境變量; 數(shù)據(jù)包絡(luò)分析（DEA）

中圖分類號：? F552.7

文獻標志碼：A

Efficiency evaluation of main ports along Yangtze River

trunk line with three-stage DEA model

DU Linan， ZHANG Jianbao

（China Waterborne Transport Research Institute， Beijing 10088， China）

Abstract：

To eliminate the impact of environmental variables and random factors to evaluate the port efficiency more accurately， the three-stage data envelopment analysis （DEA） model is adopted to measure the efficiency of 20 major inland river ports along the Yangtze River trunk line in China in 2010 and 2017. The results show that： the scale efficiency of the major ports along the Yangtze River trunk line， especially the upper and middle reaches， is relatively low， the input of port shoreline resource， land resource， facilities and construction investment is relatively scattered， and the scale effect has not been formed; some ports are of heavy investment and low output， and the port resources are wasted seriously. It is necessary to optimize resource allocation and improve port efficiency according to the actual development of each port.

Key words：

Yangtze River trunk line; efficiency evaluation; environmental variable; data envelopment analysis （DEA）

0 引 言

長江是貨運量位居全球內(nèi)河第一的黃金水道，是我國內(nèi)陸11個省市自治區(qū)的出海大通道，是連接西南、華中、華東三大經(jīng)濟區(qū)的交通運輸大動脈。長江航運是長江經(jīng)濟帶發(fā)展的重要依托，也是連接絲綢之路經(jīng)濟帶和21世紀海上絲綢之路的重要紐帶，在國家經(jīng)濟社會發(fā)展及綜合交通運輸體系中具有舉足輕重的地位。

港口效率評價一直是交通經(jīng)濟、航運經(jīng)濟領(lǐng)域研究的熱點問題。近年來，國內(nèi)外學術(shù)界對港口績效的研究方法不斷豐富，其中數(shù)據(jù)包絡(luò)分析（data envelopment analysis，DEA）是效率評價最重要的方法之一。國外文獻對集裝箱港口效率的研究較多，如：DE OLIVEIRA等[1]以200個集裝箱港口為樣本，利用DEA模型研究了在不同層面（地方、區(qū)域和全球?qū)用妫┑母偁幊潭热绾斡绊懠b箱港口的效率;KUTIN等[2]利用DEA模型測算了東盟50個集裝箱港口的相對效率;YUEN等[3]利用DEA估算樣本集裝箱碼頭的運行效率，重點分析了外國和地方所有權(quán)的參與和競爭如何影響集裝箱碼頭效率。隨著我國港口經(jīng)濟的快速發(fā)展，國內(nèi)學者也越來越關(guān)注港口效率問題，如：龐瑞芝[4]利用生產(chǎn)率指數(shù)測算了我國沿海50個港口的動態(tài)效率;匡海波等[5]利用DEA和因子分析法測度了8個沿海港口的生產(chǎn)效率;沈金生等[6]利用三階段DEA模型測算了環(huán)渤海地區(qū)主要港口效率，實證分析了港口綜合效率受環(huán)境變量和隨機因素的影響;王玲等[7]運用SBM（slack-based measurement）-DEA方法，對比分析了2006—2009年我國14個內(nèi)河港口和17個沿海港口效率;王玲等[8]運用三階段DEA方法對2008年我國主要內(nèi)河港口的效率進行了實證研究;賴成壽等[9]采用二階段DEA博弈交叉效率模型對17家上市港口企業(yè)進行了效率測度。

總之，已有研究多集中在沿海集裝箱港口，對內(nèi)河港口（特別是長江干線港口）效率的評價相對較少且缺少動態(tài)效率的比較分析;在指標選取時多考慮港口運營的相關(guān)指標，對外部環(huán)境因素考慮稍顯不足?；诖?，本文以長江干線20個港口為研究對象，運用三階段DEA模型，剔除環(huán)境變量和隨機因素對港口效率的影響，對比評價2010年和2017年我國長江干線主要港口效率，揭示港口效率變化和空間結(jié)構(gòu)特征，研究結(jié)論對提升長江干線港口效率、更好地支撐長江經(jīng)濟帶建設(shè)具有一定的參考價值。

1 研究方法與模型

DEA是根據(jù)多項投入指標和多項產(chǎn)出指標，利用線性規(guī)劃的方法，對具有可比性的同類型單位進行相對有效性評價的一種數(shù)量分析方法。DEA方法最初由CHARNES等[10]于1978年提出，但該方法未考慮環(huán)境變量和隨機因素對評價結(jié)果的影響。為提升模型評價結(jié)果的精確性，F(xiàn)RIED等[11]將環(huán)境影響和統(tǒng)計噪聲引入模型，即三階段DEA。

1.1 第一階段：傳統(tǒng)BCC-DEA建模

利用原始投入產(chǎn)出數(shù)據(jù)構(gòu)建傳統(tǒng)的BCC-DEA模型，即投入導(dǎo)向的規(guī)模保持可變模型[12]，測算得出初始綜合效率。綜合效率可分解為規(guī)模效率和純技術(shù)效率，且綜合效率為規(guī)模效率與純技術(shù)效率的乘積。

1.2 第二階段：隨機前沿分析（SFA）

在傳統(tǒng)DEA基礎(chǔ)上，利用隨機前沿分析（stochastic frontier analysis，SFA）法驗證環(huán)境變量和隨機因素的影響。在本階段需要重點關(guān)注松弛變量，該變量由環(huán)境變量、管理無效率和統(tǒng)計噪聲構(gòu)成。構(gòu)建SFA模型對環(huán)境變量進行回歸分析，可判斷上述3個因素的影響。

（1）建立松弛變量Sni：

Sni=xni-λxni （i=1，2，…，I;n=1，2，…，N）

式中：xni為第i個決策單元（decision making unit，DMU）的第n個投入值;

λxni為第i個DMU的第n個投入值在效率前沿面的最優(yōu)映射。

（2）構(gòu)造SFA回歸模型：

式中：Zi 和βn分別表示環(huán)境變量及其系數(shù);νni+μni是混合誤差項，νni表示隨機干擾項，μni表示管理無效率。

（3）調(diào)整投入變量：

式中：Xni和XAni分別表示調(diào)整前、后的投入;max f（Zi;β^n）-f（Zi;β^n）是對外部環(huán)境因素進行調(diào)整;

max（νni）-νni是將所有DMU置于同質(zhì)條件下。

1.3 第三階段：調(diào)整投入要素后的BCC-DEA建模

在此階段，調(diào)整投入要素（剔除環(huán)境變量

和隨機因素），再次運用BCC-DEA模型，可得出同質(zhì)條件下的真實效率值[13]。本文采用的運算工具為DEAP 2.1和Frontier 4.1軟件。

2 評價指標選取

2.1 投入和產(chǎn)出指標

本文在選取投入指標時，重點考慮資源（包括岸線和土地資源）、設(shè)施設(shè)備和建設(shè)投資等3類要素，同時結(jié)合數(shù)據(jù)可得性、可比性及指標合理性。具體投入指標包括碼頭泊位長度、倉庫面積、堆場面積、裝卸機械數(shù)量和港航建設(shè)投資。產(chǎn)出指標包括貨物吞吐量和集裝箱吞吐量。

2.2 環(huán)境變量

從世界港口發(fā)展歷程看，除港口投入和產(chǎn)出指標直接影響港口效率外，地區(qū)對外貿(mào)易、經(jīng)濟發(fā)展水平、宏觀政策等外部環(huán)境也在一定程度上影響港口效率?；诖耍疚闹饕紤]以下兩個因素作為環(huán)境變量：（1）人均地區(qū)生產(chǎn)總值（人均GDP），綜合反映某地區(qū)經(jīng)濟發(fā)展水平，既衍生了港口生產(chǎn)需求，又影響港口建設(shè)、投資規(guī)模等;（2）對外貿(mào)易額，主要反映貿(mào)易活動對港口的需求，在相同的投入水平下航運需求會隨對外貿(mào)易額的增加而增加。

綜上，港口效率評價指標見表1。

3 實證分析

以長江干線20個主要港口為研究樣本，包括上游港口（宜昌港、重慶港、瀘州港和宜賓港）、中游港口（武漢港、黃石港、荊州港、九江港）和下游港口（南京港、鎮(zhèn)江港、蘇州港、南通港、江陰港、揚州港、泰州港、馬鞍山港、蕪湖港、銅陵港、池州港、安慶港）。文中港口投入和產(chǎn)出指標主要來源于2010年和2017年《全國交通運輸統(tǒng)計資料匯編》，其中港航建設(shè)投資數(shù)據(jù)來源于《中國港口年鑒》，環(huán)境變量指標來源于《中國城市統(tǒng)計年鑒》和各港口城市的《國民經(jīng)濟和社會發(fā)展統(tǒng)計公報》。投入和產(chǎn)出原始指標值見表2和3。

3.1 傳統(tǒng)DEA效率評價結(jié)果

運用DEAP 2.1對比分析2010年、2017年長江干線20個主要港口的效率水平與規(guī)模報酬，見表4。結(jié)果表明：在不考慮環(huán)境變量和隨機因素的情況下2010年長江干線港口的平均綜合效率為0.685，平均純技術(shù)效率和規(guī)模效率分別為0.877和 0.772;2017年平均綜合效率0.887，平均純技術(shù)效率和規(guī)模效率均為0.941;總體上長江干線港口的整體效率較高，且2017年港口效率水平比2010年的有顯著提升。

（1）長江干線各港口效率差距明顯。2010年，鎮(zhèn)江港、馬鞍山港、九江港、黃石港、宜昌港和宜賓港的綜合效率均不足0.5，明顯低于港口綜合效率均值。到2017年，上述幾個港口綜合效率明顯提升，其中鎮(zhèn)江港、黃石港、宜昌港和宜賓港綜合效率為1，達到效率前沿面，馬鞍山港和九江港的綜合效率也超過0.8。然而，南通港、揚州港、荊州港和重慶港2017年的綜合效率相較于2010年的明顯降低，除重慶港外的其他3個港口的純技術(shù)效率均為1，說明規(guī)模效率低下是導(dǎo)致綜合效率水平降低的主要原因，也說明這3個港口本身并不存在投入冗余和產(chǎn)出不足的問題，其效率低是因為規(guī)模與投入產(chǎn)出不匹配。因此，在港口發(fā)展過程中需要進一步優(yōu)化港口規(guī)模，以達到較高的經(jīng)濟效益。相較于2010年，2017年重慶港除了規(guī)模效率下降外，純技術(shù)效率也有所降低，其綜合效率未能達到有效前沿，主要原因是重慶港規(guī)模效率低下，投入冗余，產(chǎn)出不足，此時應(yīng)根據(jù)各港口發(fā)展實際情況，進一步優(yōu)化資源配置，從改善碼頭基礎(chǔ)設(shè)施、完善集疏運體系等方面提高港口運營效率。

（2）從規(guī)模報酬看，2010年多數(shù)港口規(guī)模報酬遞增，即增加其投入能帶來更高效的產(chǎn)出，而規(guī)模報酬不變的港口則達到了效率前沿面，意味著同比例增加各類投入能帶來相同比例的產(chǎn)出增加。到2017年，南通港、九江港和重慶港規(guī)模報酬遞減，而達到效率前沿面的港口增加了鎮(zhèn)江港、泰州港、蕪湖港、黃石港、宜昌港、瀘州港和宜賓港。2017年未達到效率前沿面的港口中，除池州港外，其他港口的技術(shù)效率均低于其綜合效率，即效率水平低下的主要原因是技術(shù)低效，但不能排除客觀環(huán)境和隨機因素的影響。

（3）從效率動因看，多數(shù)港口普遍存在規(guī)模效率低于純技術(shù)效率的現(xiàn)象，主要原因是：港口是規(guī)模效應(yīng)顯著的重點領(lǐng)域，在港口建設(shè)初期基礎(chǔ)設(shè)施投資相對分散，且港口與上下游企業(yè)還未實現(xiàn)有效融合發(fā)展，難以形成規(guī)模效應(yīng);純技術(shù)效率受區(qū)域經(jīng)濟及對外貿(mào)易迅速發(fā)展的影響，港口貨物吞吐量不斷增長，在既定的港口資源投入上可獲得高效回報。

3.2 環(huán)境變量對港口效率的影響

運用Frontier 4.1將第一階段DEA模型結(jié)果中5個投入變量的松弛值作為被解釋變量，將人均GDP、對外貿(mào)易額兩個環(huán)境變量作為解釋變量，構(gòu)建SFA回歸模型[13]，結(jié)果見表5。

由表5可以看出，港口城市的人均GDP和對外貿(mào)易額均在至少10%的顯著水平下通過了檢驗，說明上述兩個環(huán)境變量能夠顯著影響港口效率，即隨著港口城市經(jīng)濟發(fā)展和對外貿(mào)易水平的提升，港口經(jīng)濟實現(xiàn)快速發(fā)展，有利于提高港口的投入產(chǎn)出比。

（1）人均GDP。人均GDP與碼頭泊位長度、倉庫面積和裝卸機械數(shù)量為負相關(guān)關(guān)系，主要原因在

于：隨著人均GDP的增長，港口投入大幅增加，但港口貨物吞吐量未能實現(xiàn)同比例增長，導(dǎo)致港口投入產(chǎn)出比降低。人均GDP與堆場面積松弛變量正相關(guān)，可能是因為人均GDP增加會帶來貨物吞吐量的增長，從而提高港口資源利用率。此外，人均GDP對港航建設(shè)投資的影響不明顯。

（2）對外貿(mào)易額。對外貿(mào)易額與碼頭泊位長度、港航建設(shè)投資為正相關(guān)關(guān)系。對外貿(mào)易額的增長可能帶來港口吞吐量的增加，從而推動碼頭、航道等基礎(chǔ)設(shè)施建設(shè)，進一步提升港口的投入產(chǎn)出比。該指標與倉庫面積、堆場面積和裝卸機械數(shù)量為互相關(guān)關(guān)系，可能是由于對外貿(mào)易額

的增長帶來港口建設(shè)投資的增加，但產(chǎn)出并未相應(yīng)

增長，導(dǎo)致港口資源利用率較低。

上述分析結(jié)果表明環(huán)境變量和隨機因素在很大程度上影響了長江干線主要港口效率，進行港口效率評價時必須剔除環(huán)境變量和隨機因素的影響。因此，根據(jù)此階段的回歸結(jié)果，重新調(diào)整港口投入變量，同時保持原有的產(chǎn)出變量不變，再次構(gòu)建傳統(tǒng)DEA-BBC模型，求得各港口的真實效率值。

3.3 同質(zhì)環(huán)境下的港口效率分析

利用剔除環(huán)境變量和隨機因素的影響后的投入變量，運用BCC-

DEA模型分析2010年、2017年長江干線主要港口效率，得出各港口的最終效率值，見表6。由表6可以看出：

（1）鎮(zhèn)江港。2010年，鎮(zhèn)江港規(guī)模報酬遞減，其規(guī)模效率和純技術(shù)效率均未達到最優(yōu)。到2017年，鎮(zhèn)江港規(guī)模報酬不變，綜合效率達到最優(yōu)前沿面。這表明經(jīng)過幾年的建設(shè)發(fā)展，鎮(zhèn)江港的碼頭岸線、裝卸機械和建設(shè)投資等要素的投入結(jié)構(gòu)進一步優(yōu)化，港口產(chǎn)出效率提升，綜合效率達到最優(yōu)值。

（2）重慶港、揚州港。這兩個港口均從2010年的規(guī)模報酬不變轉(zhuǎn)為2017年的規(guī)模報酬遞增，其中：揚州港主要是規(guī)模效率降低，即港口要素投入增加后并未帶來相應(yīng)的產(chǎn)出增加，因此需要加快調(diào)整要素投入結(jié)構(gòu)和規(guī)模，改善港口經(jīng)營效率;重慶港則是純技術(shù)效率明顯降低，可能是由于隨著港口要素投入和作業(yè)能力的不斷提升，港口在信息處理、運營管理等方面未能實現(xiàn)同步提升，導(dǎo)致綜合效率降低。

（3）池州港、安慶港、荊州港。這3個港口均表現(xiàn)為規(guī)模報酬遞增，但規(guī)模效率明顯降低導(dǎo)致2017年港口綜合效率下降，說明這3個港口在碼頭岸線、土地資源、裝卸機械、建設(shè)投資等要素方面存在投入不足且結(jié)構(gòu)不合理的情況。因此，這3個港口應(yīng)根據(jù)實際情況，一方面調(diào)整各類生產(chǎn)要素的結(jié)構(gòu)，使各項要素比例更加協(xié)調(diào)，另一方面應(yīng)加大投入規(guī)模，進

一步提升港口經(jīng)營效率。

3.4 兩種環(huán)境條件下的效率對比分析

對比分析第三階段和第一階段的DEA結(jié)果，即對比表4和6，可以看出剔除環(huán)境變量和隨機因素的影響后，DMU效率表現(xiàn)出顯著差異。

（1）平均效率比較分析。環(huán)境變量和隨機因素在很大程度上影響了港口效率水平，在剔除環(huán)境變量和隨機因素的影響后2010年長江干線20個主要港口的綜合效率、純技術(shù)效率總體上呈現(xiàn)上升趨勢，但規(guī)模效率呈下降趨勢;而2017年各港口綜合效率、規(guī)模效率均呈現(xiàn)下降趨勢，純技術(shù)效率呈現(xiàn)上升趨勢。這說明港口投入結(jié)構(gòu)與規(guī)模不匹配，需根據(jù)不同港口規(guī)模報酬的增減情況優(yōu)化港口規(guī)模，進一步提升港口效率。在剔除環(huán)境變量和隨機因素的影響后，2017年各港口的平均效率比2010年的反而降低，更說明需要重視投入結(jié)構(gòu)和規(guī)模經(jīng)濟效應(yīng)。

（2）純技術(shù)效率比較分析。2010年和2017年，除達到效率前沿面的港口外，在剔除環(huán)境變量和隨機因素的影響后所有港口純技術(shù)效率均明顯提升，表明近幾年港口投入與產(chǎn)出水平的匹配度明顯提升，所有港口的投入結(jié)構(gòu)優(yōu)化產(chǎn)生了更大的產(chǎn)出效益。

（3）規(guī)模效率比較分析。在剔除環(huán)境變量和隨機因素的影響后2010年20個港口中位于長江中上游的大部分港口（包括安慶港、九江港、武漢港、荊州港、宜昌港和瀘州港）規(guī)模效率降低;而2017年，除南通港的規(guī)模效率提升外，其他港口的規(guī)模效率下降，說明在同質(zhì)環(huán)境下，規(guī)模與產(chǎn)出不相匹，需要優(yōu)化港口規(guī)模，使之符合各港口發(fā)展實際。

4 結(jié) 論

本文運用三階段DEA模型對比分析了2010年、2017年長江干線20個主要港口的經(jīng)濟效率，結(jié)果表明：（1）長江干線各主要港口，特別是長江中上游港口的規(guī)模效率相對較低，尚未形成規(guī)模效應(yīng);（2）長江干線大部分港口純技術(shù)效率達到最優(yōu)，仍有部分港口存在投入擁擠和產(chǎn)出水平低的現(xiàn)實情況，港口資源浪費比較嚴重;（3）在不考慮環(huán)境因素影響的情況下，與2010年相比，2017年長江干線主要港口的平均效率明顯提升，但在同質(zhì)條件下2017年港口效率反而下降，說明環(huán)境變量和隨機因素對港口效率有重大影響，需要科學把握和調(diào)整外部環(huán)境變量從而提升港口經(jīng)濟效率。

參考文獻：

[1]DE OLIVEIRA G F， CARIOU P. The impact of competition on container port （in）efficiency[J]. Transportation Research Part A， 2015， 78： 124-133.

[2]KUTIN N， NGUYEN T T， VALLE T. Relative efficiencies of ASEAN container ports based on data envelopment analysis[J]. The Asian Journal of Shipping and Logistics， 2017， 32（2）： 66-67.

[3]YUEN A C， ZHANG Anming， CHEUNG Waiman. Foreign participation and competition： a way to improve the container port efficiency in China？[J]. Transportation Research Part A， 2013， 49： 220-231.

[4]龐瑞芝. 我國主要沿海港口的動態(tài)效率評價[J]. 經(jīng)濟研究， 2006（6）： 92-100.

[5]匡海波， 陳樹文. 中國港口生產(chǎn)效率研究與實證[J]. 科研管理， 2007（5）： 170-176.

[6]沈金生， 郁威. 環(huán)渤海地區(qū)主要港口經(jīng)濟效率研究[J]. 華東經(jīng)濟管理， 2014， 28（10）： 72-76. DOI： 10.3969/j.issn.1007-5097.2014.10.014.

[7]王玲， 孟輝. 我國內(nèi)河港口與沿海港口的效率對比： 基于共同邊界和序列SBM-DEA的研究[J]. 軟科學， 2013， 27（3）： 90-95.

[8]王玲， 畢志雯. 基于三階段DEA模型的我國主要內(nèi)河港口效率研究[J]. 產(chǎn)業(yè)經(jīng)濟研究， 2010（4）： 40-48. DOI： 10.13269/j.cnki.ier.2010.04.006.

[9]賴成壽， 呂靖， 李祥全. 基于二階段DEA博弈交叉效率模型的港口生產(chǎn)效率研究[J]. 上海海事大學學報， 2018， 39（1）： 52-59. DOI： 10.13340/j.jsmu.2018 01.010.

[10]CHARNES A， COOPER W W， RHODES E. Measuring the efficiency of decision making units[J]. European Journal of Operational Research， 1978， 2： 429-444. DOI： 10.1016/0377-2217（78）90138-8.

[11]FRIED H O， LOVELL C A K， SCHMIDT S S， et al. Accounting for environmental effects and statistical noise in data envelopment analysis[J]. Journal of Productivity Analysis， 2002， 17： 157-174. DOI： 10.1023/a：1013548723393.

[12]楊健， 徐佳胤. 基于DEA模型的港口物流生產(chǎn)效率評價研究[J]. 三峽大學學報（自然科學版）， 2017， 39（2）： 19-23. DOI： 10. 13393/j.cnki， issn.1672-948X.2017.02.005.

[13]李璐， 朱洪興， 單奎. 基于SFA模型和Mulmquist指數(shù)的河南省區(qū)域技術(shù)創(chuàng)新效率分析[J]. 科技管理研究， 2014（9）： 49-54. DOI： 10. 3969/ j. issn.1000-7695.2014.09.011.

（編輯 賈裙平）

收稿日期： 2019-09-03

修回日期： 2019-11-27

基金項目： 國家社會科學基金（14ZDB131）

作者簡介：

杜利楠（1986—），女，河北廊坊人，副研究員，研究方向為交通運輸規(guī)劃與管理、港口經(jīng)濟，（E-mail）dulinan@wti.ac.cn