上市港口企業投入產出效率研究

丁 濤 徐湘文

（武漢理工大學交通學院 武漢 430063）

0 引 言

港口業作為一個與國民經濟相關產業發展聯動性極強的產業，已成為了促進經濟發展的“加速器”與新的經濟增長點.在促進國家產業結構調整、轉變經濟發展方式和增強國民經濟競爭力等方面港口作為“經濟增長極”發揮著越來越重要的作用.隨著我國經濟發展方式轉變、經濟結構戰略性調整步伐的加快，在提高效益和效率的基礎上實現總量的平穩較快發展，已成為港口業健康發展的必然要求.因此，科學評價港口的投入產出效率無疑對港口企業調整發展戰略、提高運營績效有重要意義.

1 研究方法概述

目前，效率評價使用的方法主要有模糊綜合評價法、層次分析法、隨機前沿分析法等［1－3］.這些方法一方面主觀性較強，另一方面只能從投入或產出的單一角度進行評價，以隨即前沿分析（stochasticfrontieranalysis，SFA）法為例，對于多產出的情況，只能分別進行處理，然后進行匯總分析［4］.港口企業具有多種投入和產出的復雜性，數據包絡分析（data envelopment analysis，DEA）法在處理多輸入、多輸出問題上具有特別優勢且具有較強的客觀性［5］.在近期三階段DEA的研究中，吉生保使用三階段DEA模型，選用2008年分省數據，對我國高技術產業效率進行了實證研究［6］.王健和梁紅艷對我國9家主要港口企業2007～2010年的X－效率進行探索性研究中得出員工人均薪酬、企業規模、腹地經濟、企業所有權屬性及市場結構是對企業X－效率具有重要影響的外部環境因素的結論［7－11］.

縱觀已有的DEA文獻，較多使用的是傳統DEA模型，但傳統DEA模型的最大不足是無法剝離環境效應和隨機誤差對效率值的影響.為了更準確地測度港口企業的投入產出效率、了解我國港口產業的整體資源利用水平，同時為相關管理人員改進管理、提高效率提供更有力的依據，本文利用可以克服該缺陷的三階段DEA模型，對2012年我國在上海證券交易所上市的11家港口企業投入產出效率進行實證研究.

使用三階段DEA模型，第一階段，構建基于港口企業運營特點的DEA投入產出模型，選擇港口營業成本，在職員工數為投入指標，選擇港口貨物吞吐量和凈利潤作為產出指標，對決策單元進行投入產出效率分析.第二階段，采用SFA模型分解各投入指標的松弛變量，剔除環境因素影響和隨機擾動影響.第三階段，利用調整后的投入與原始產出重新運行DEA，研究投入產出效率.

2 效率評價指標設計

2.1 數據來源

選取上港集團、寧波港、大連港、天津港、蕪湖港、營口港、日照港、唐山港、錦州港、重慶港九、連云港共11家在上海證券交易所上市的港口企業2012年年報數據作為樣本，數據來源于上交所網頁公布的上市企業年報.選取的2012年的其他數據，主要來源于《中國統計年鑒2012》《中國港口統計年鑒2012》和中國港口網、交通運輸部官方網站以及相應城市與地區2012年國民經濟與社會發展統計公報.

2.2 投入產出指標設計

選取貨物吞吐量、凈利潤作為產出指標，營業成本、在職員工數作為投入指標.貨物吞吐量是衡量港口企業統計期內，經由水路進、出港區范圍并經過裝卸的貨物重量，是體現港口功能的產出指標；凈利潤是指在利潤總額中按規定交納了所得稅后公司的利潤留成，作為產出指標可以較準確地反映企業發展水平和內部管理水平.投入指標中營業成本是指港口企業完成業務或者提供服務的成本；在職員工數是指與企業簽訂勞動合同的員工人數的總和，營業成本和在職員工數均為企業管理者可以調節的項，當企業投入冗余時，為提高投入產出效率可根據情況進行相應調整.

2.3 環境變量的選取

在第二階段以營業成本、在職員工數為被解釋變量，考慮如下4個環境變量作為解釋變量對投入的松弛值進行分解：（1）宏觀經濟環境的影響，選取港口所在地區當年GDP總量反映企業所處的經濟環境；（2）企業規模的影響，選取該企業當年總資產反映企業規模；（3）市場結構的影響，選取市場占有率對投入產出的影響，即該企業的市場占有率＝貨物吞吐量／總的貨物吞吐量；（4）是否為海港，代表港口生產的自然限制條件，用0—1虛擬變量描述，一般來說，海港條件更好，在相同投入水平下，產出會更高.上港集團、寧波港、大連港等共11家港口企業數據的統計學特征描述見表1.

表1 樣本數據的統計學特征

3 三階段DEA模型的構建

3.1 第一階段DEA

該階段使用投入產出數據進行一般DEA分析，由于使用DEA中的BCC模型既可以反映規模收益的變化情況，又可以分析總體有效性、技術有效性和規模有效，因此本文采用投入導向的規模報酬可變BCC模型.由于BCC模型是非常成熟的DEA模型，其數學原理已經非常清晰，本文不再贅述.

3.2 第二階段SFA

假設環境變量數為m，港口數為n，第k家港口的環境變量觀測值為zk，則對于第k家港口的第i種投入的松弛變量值sik

式中：fi（zk，βi）為環境變量對投入差額值的影響方式；νik為反映統計噪聲，即隨機誤差；μik反映管理無效率；νik與μik獨立不相關.νik＋μik為組合誤差項，本文通過最大似然估計法來估計待估參數βi.

對于管理無效率μik的估計值

式中：λ＝σμ＋σν；σ2＝；φ和Φ 分別為標準正態分布的密度與分布函數.

式中：xik為調整前的投入值；zk為環境變量的觀察值.這種調整的目的是使各港口企業面臨相同的經營環境和運氣.

3.3 第三階段DEA

第二階段將得到調整后的投入值，將原始產出變量和調整后的投入變量代入第一階段的DEA模型中，運行得到各決策單元的相對效率值.

4 實證結果分析

4.1 第一階段DEA模型的實證結果

第一階段運用DEAP 2.1對我國11個上市港口企業的效率水平與規模報酬進行分析，DEAP 2.1的參數設置為：11個決策單元數（FIRMS），2個投入指標（OUTPUTS），2個產出指標（INPUTS），投入為導向（INPUT ORIENT ATED），可變規模報酬（VRS），多階段DEA（MULTI－STAGE）.第一階段 DEAP 2.1的運行結果如表2所列.

表2 第一階段11家上市港口企業投入產出效率

不考慮環境變量和隨機因素的影響，2012年我國上市港口企業綜合效率均值為0.740，純技術效率均值為0.840，規模效率均值為0.856.其中4個港口（大連港、營口港、唐山港、寧波港）3項效率值均為1，處于技術效率前沿，DEA無效的港口的綜合的無效率主要來源于純技術無效率，規模無效率情況相對較輕.

4.2 第二階段SFA回歸分析結果

將第一階段得出的DMU各投入變量的松弛量作為被解釋變量，將地區GDP總量、市場占有率、總資產、是否為海港作為環境變量，構建SFA回歸模型，利用軟件FRONTIER 4.1進行SFA回歸分析.FRONTIER 4.1參數設置為：誤差組合模型（ERROR COMPONENTS MODEL），生產函數（PRODUCTION FUNCTION），11個截面數據（NUMBER OF CROSS－SECTIONS），4個解釋變量（REGRESSOR VARIABLES）.第二階段FRONTIER 4.1的運行結果如表3所列.

表3 投入值的松弛變量的SFA回歸結果

表3的數據表明，對于在職員工數的松弛變量，環境變量中地區GDP總量影響為負，市場占有率影響為正，總資產影響為負，是否為海港影響為正.對于對于經營成本的松弛變量，環境變量中地區GDP總量影響為正，市場占有率影響為正，總資產影響為正，是否為海港影響為正.

4.3 第三階段投入調整后的實證結果

將經過第二階段調整后的各投入變量值和原始產出變量，代入第一階段DEA模型中，運用DEAP 2.1在原參數設置情況下重新計算各港口企業的效率值，獲得的第三階段各決策單位的投入產出效率值以及規模報酬的狀態，第三階段DEAP 2.1結果見表4.

表4 第三階段11家上市港口企業投入產出效率

第三階段計算得到的效率值，由于已經剔除了環境和隨機因素的影響，更能相對真實反映出港口企業投入產出效率.考慮外在環境變量和隨機因素影響，2012年我國上市港口企業綜合效率均值為0.722，純技術效率均值為0.876，規模效率均值為0.809.其中4個港口（大連港、營口港、唐山港、寧波港）3項效率值均為1，處于技術效率前沿.連云港綜合效率為0.310相較與DEA有效值1差距較大，連云港純技術效率0.558相較與DEA有效值1差距較大，重慶港九規模效率0.483相較與DEA有效值1差距較大.

調整前后的投入產出效率均值對比可以看出，剔除環境變量和隨機因素的影響后，上市港口企業的綜合效率、規模效率有所下降，純技術效率有所提高，其中綜合效率由0.740下降到0.722，規模效率由0.856下降到0.809，純技術效率由0.840上升到0.876.并且規模效率的降低幅度5.8%要高于純技術效率的提高幅度4.1%，而綜合效率的降低主要源于規模效率的下降.

5 結論與建議

2012年我國上市港口企業綜合效率均值、純技術效率均值、規模效率均值較高，港口業整體處在一個健康發展的狀態上.

對于港口投資者，上港集團規模報酬遞減，應該減少投資；日照港、天津港、重慶港九、錦州港、蕪湖港、連云港共6個港口屬于規模報酬遞增，具有一定的規模經濟效益，可適當考慮增加投資，擴大港口規模.寧波港、大連港、營口港、唐山港4個港口規模報酬不變，應該控制投資.港口規模不是越大越好，需要控制在一定范圍，這符合經濟學的適度規模理論.

對于港口經營者，處在隨機前沿面上的港口企業，其在港口的經營管理上，具有一定的借鑒作用.港口運營者可對本企業進行具體的投入產出分析，對企業內部的運營、管理等多個方面尋找突破點，減少投入；也可在現有的投入水平下，積極尋找擴大產出的途徑和方法，提高投入產出效率.

［1］張 哲，張 闖，朱 宏.鋼鐵企業電子商務營銷的模糊評價［J］.工業工程與管理，2006（3）：58－63.

［2］徐廣業，但 斌.肖 劍.交互式DEA－AHP模型及其應用［J］.系統工程學報，2011，26（2）：262－268.

［3］李志紅，和金生.基于AHP－SFA的人力資源外包供應商績效評價模型研究［J］.經濟問題，2010（4）：74－77.

［4］韓 晶.中國高技術產業創新效率研究：基于SFA方法的實證分析［J］.科學學研究，2010（3）：467－472.

［5］鐘 華，汪凌勇.DEA方法在R＆D績效評估中的應用研究［J］.科技管理研究，2008（3）：86－93.

［6］吉生保，周小柯.基于三階段DEA模型的中國高技術產業效率研究［J］.中央財經大學學報2010（12）：62－66.

［7］王 健，梁 紅.基于三階段DEA模型的我國主要上市港口企業X－效率研究［J］.福州大學學報：哲學社會學版，2012（3）：19－26.

［8］晏華輝，崔晉川.基于AHP與DEA的多因素排序法［J］.系統工程學報，2004（5）：543－547.

［9］WANG Y M，LIU J，ELHAG T M S.An integrated AHP／DEA methodology for bridge risk assessment［J］.Computers and Indnstrlal Engineering，2008（3）：513－525.

［10］遲國泰，楊 德，吳珊珊.基于DEA方法的中國商業銀行綜合效率的研究［J］.中國管理科學，2006（5）：52－61.

［11］KAO C，LIU S T.Stochastic data envelopment analysis in measuring the efficiency of Taiwan commercial banks［J］.European Journal of Operational Research，2009（1）：312－322.