基于三階段DEA模型評價廣東省內(nèi)河航運效率

凌 怡

(華南師范大學(xué)，數(shù)學(xué)科學(xué)學(xué)院，廣東 廣州 510665)

內(nèi)河航運由于其運力大、消耗少、投資省、社會效益大等優(yōu)勢，對沿江各省外向型經(jīng)濟和區(qū)域經(jīng)濟的協(xié)調(diào)發(fā)展，尤其是長江和珠江為當(dāng)?shù)氐膰鴥?nèi)生產(chǎn)總值貢獻了巨大力量[1]。而廣東省是我國水運資源最豐富和內(nèi)河航運最發(fā)達的地區(qū)之一，是我國內(nèi)河水運資源最豐富和內(nèi)河航運最發(fā)達的地帶，隨著廣東省經(jīng)濟的高速發(fā)展，加快廣東省內(nèi)河運輸發(fā)展意義重大。為了提高廣東省內(nèi)河航運效率的競爭力[2]，首要問題是要對廣東省內(nèi)河航運效率進行分析，提出提升效率的合理建議。

1978年，美國著名運籌學(xué)家Charnes、Cooper和Rhodes在Farrell的前沿生產(chǎn)函數(shù)理論基礎(chǔ)上建立數(shù)據(jù)包絡(luò)法(DEA)[3]。張矢宇[4]對我國內(nèi)河航運配置系統(tǒng)進行生產(chǎn)率分析時，采用航道里程、等級航道比例、航道暢通率、單船平均噸位、碼頭泊位長度和碼頭泊位數(shù)量作為輸入變量，而將港口貨物吞吐量作為唯一輸出變量，建立DEA模型進行求解。

在此基礎(chǔ)上，由于傳統(tǒng)的DEA方法忽略了環(huán)境因素和不確定因素對效率的影響，因此利用SFA隨機前沿模型回歸結(jié)合傳統(tǒng)DEA的三階段DEA方法對廣東省內(nèi)河航運效率進行分析。

1 模型介紹及數(shù)據(jù)說明

1.1 三階段DEA模型的建立

在張矢宇建立的DEA模型基礎(chǔ)上，基于數(shù)據(jù)選取的難度問題，本文將刪除航道暢通率指標(biāo)，單船平均噸位指標(biāo)改為噸級泊位占比，增加航道里程總計指標(biāo)，在此基礎(chǔ)進行相關(guān)性分析并建立DEA模型。對于SFA模型的建立，由于地區(qū)發(fā)展的水平越高，擁有內(nèi)河運輸?shù)貐^(qū)的內(nèi)河航運發(fā)展會更發(fā)達，所以選擇會影響運輸效率的環(huán)境變量地區(qū)生產(chǎn)總值。對于數(shù)據(jù)的選擇及符號見表1。

1.2 數(shù)據(jù)來源與選取

本文數(shù)據(jù)完整選取全國擁有內(nèi)河航運運輸?shù)牡貐^(qū)，來源于國家統(tǒng)計局官網(wǎng)和交通專業(yè)知識服務(wù)系統(tǒng)。噸級泊位占比利用噸級泊位個數(shù)/泊位個數(shù)。

表1 符號說明

2 投入產(chǎn)出指標(biāo)相關(guān)性分析

首先對指標(biāo)的選取合理性進行檢驗，由于DEA模型要求投入與產(chǎn)出符合“同向性”假定，利用SPSS對所取指標(biāo)進行Pearson相關(guān)性檢驗，結(jié)果如表2所示：投入與產(chǎn)出中，碼頭泊位長度、碼頭泊位數(shù)量和噸級泊位占比在1%的水平下通過檢驗，其他未通過檢驗。所以在進行三階段DEA模型建立時，只選擇這三個指標(biāo)進行求解。

表2 Pearson相關(guān)檢驗結(jié)果

3 靜態(tài)效率分析

3.1 第一階段DEA模型

首先對檢驗后的數(shù)據(jù)進行傳統(tǒng)的DEA模型，利用DEAP2.1，得到如表3所示效率數(shù)據(jù)：廣東省與浙江省、山東省和湖北省的內(nèi)河航運綜合效率、純技術(shù)效率和規(guī)模效率都非常高，共同處在內(nèi)河航運效率的前沿面，遠遠高于全國平均值，說明內(nèi)河航運效率較高；而均值水平的有遼寧、上海等省市，說明內(nèi)河航運效率較低。但由于傳統(tǒng)模型沒有考慮環(huán)境變量和隨機變量的影響，所以進行下一步回歸。

表3 第一階段各地區(qū)內(nèi)河航運效率值

3.2 SFA模型回歸

利用SFA模型剔除環(huán)境變量地區(qū)生產(chǎn)總值的影響，求取調(diào)整后的三個投入值，并對投入變量進行調(diào)整[5]，利用如下回歸模型

Sij=f(Zi，|βj)+vij+uij，i=1，2，…，N，j=1，2，…，P。

(1)

(2)

得到如下結(jié)果

表4 SFA模型回歸結(jié)果

根據(jù)結(jié)果可以得到，地區(qū)生產(chǎn)總值關(guān)于三個變量的系數(shù)均大于零，說明地區(qū)生產(chǎn)總值的增加會造成三個變量投入冗余的增加，從而降低內(nèi)河航運的運營效率。三個變量中，地區(qū)生產(chǎn)總值關(guān)于碼頭泊位數(shù)量松弛變量的系數(shù)最高，說明生產(chǎn)總值對碼頭泊位數(shù)量的投入冗余的影響最大，而地區(qū)生產(chǎn)總值對噸級泊位比例的松弛系數(shù)最小，說明生產(chǎn)總值對噸級泊位數(shù)量的投入冗余影響最小。由此可以看出，地區(qū)生產(chǎn)總值的增加帶來了泊位數(shù)量投入增加，但投入大多噸級較小。同時，三個回歸的方差結(jié)果都較大，γ值中，碼頭泊位數(shù)量松弛和噸級泊位松弛都較高，說明各個地區(qū)的內(nèi)河航運效率差距較大。

SFA回歸模型求解出的環(huán)境值中，環(huán)境值最高的均為廣東省，分別為16 581.234 28，186 550.7和1 475.391，說明在全國范圍內(nèi)，受生產(chǎn)總值的變動帶來各因變量的影響最大的是廣東省，如表5所示。

3.3 調(diào)整后DEA模型結(jié)果分析

對比表5和表3，可以發(fā)現(xiàn)在調(diào)整后，大多數(shù)省市的各種效率都得到了提升，說明調(diào)整前的模型對這些省市的綜合效率有所低估；浙江省的技術(shù)效率有小幅下降，湖北省的三個效率小幅下降，說明調(diào)整前的模型對兩省的技術(shù)效率有所高估。而廣東省在前后三個效率值都為1，說明廣東省的內(nèi)河航運效率沒有被錯誤估計，整體仍舊排行前列。

表5 調(diào)整后的DEA模型結(jié)果

4 結(jié)論與建議

在對環(huán)境變量進行剔除后，得到廣東省在內(nèi)河航運方面具有較高效率的結(jié)果，說明廣東省在建設(shè)內(nèi)河航運道路上走在前沿，但仍有改進空間。

(1)提升水系泊位噸級，增加噸級泊位數(shù)量。根據(jù)模型結(jié)果，可以發(fā)現(xiàn)目前大多數(shù)增加的噸級泊位噸位小，而目前珠江水系上游地區(qū)仍以個體運輸為主，船舶噸位小、技術(shù)落后。所以，對于廣東省而言，推進船舶噸位和船舶大型化，提高有效供給，降低運輸成本，能夠充分發(fā)揮珠江水運的比較優(yōu)勢。

同時，珠江流域的其他省市也有較高的航運效率，如廣東省相鄰的廣西省，也呈現(xiàn)規(guī)模報酬遞增的趨勢，說明得益于高數(shù)量的碼頭長度與數(shù)量，高噸位的泊位比例投入，珠江流域有較高的運輸效率。

(2)提升企業(yè)的規(guī)模與集約發(fā)展。要適應(yīng)高噸級的泊位，個體運輸過多的問題將限制航運，而目前珠江港口發(fā)展還處于較低水平，應(yīng)當(dāng)加快轉(zhuǎn)型升級，提升港口的質(zhì)量，拓寬服務(wù)功能與方向。