基于投入主導DEA模型的我國沿海主要港口物流效率研究

趙冰梅+高磊+任冬

[摘 要]采用數據包絡分析方法中的CCR、BCC 與超效率模型，對 2012年我國15個沿海主要港口的物流效率進行了實證研究。結果表明，我國沿海主要港口的總體物流效率較低，主要原因是港口的規模效率沒有達到最優。其中，華東地區港口由于發展較早，規模龐大，現有規模已經超過最佳規模，呈現出規模效益遞減，其物流效率最為低下，應在合理擴大規模的基礎上，努力提高產出，深度發掘港口吞吐能力，提升物流效率。

[關鍵詞]投入主導DEA；數據包絡分析法 （DEA）；物流效率

[中圖分類號] F270 [文獻標識碼] A

一、 引言

物流業的發展對我國經濟的發展非常重要。我國擁有1.8萬公里海岸線，11萬公里內河航道，承擔著9%的國內貿易貨物運輸和85%以上的對外貿易貨物運輸，沿海、沿江有1460多個商港，可見港口物流作為聯結國內外水陸運輸的核心地位。港口物流是水運模式下的現代物流集成系統，實現了供應鏈物資流通整體系統中基礎的物流支持和附加的增值服務功能。改革開放以來，我國港口的基礎設施規模明顯擴大，生產能力顯著增強，港口數量和泊位數量居世界前列。我國港口吞吐量和集裝箱吞吐量已經連續8年保持世界第一，擁有20個億噸大港。但是在追求總量不斷攀升的同時，隨著港口規模日益擴大，其物流效率卻難以保持較高水平。

物流效率對于企業來說指的是物流系統能否在一定的服務水平下滿足客戶的要求，也指物流系統的整體構建。港口物流效率是指在投入一定的基礎上，產出最大化或者在產出一定的基礎上，投入最小化。對于效率的研究，主要采取的方法有參數法和非參數法。徐超（2005）利用數據包絡分析法（Data Envelopment Analysis，簡稱DEA）對我國第三方物流效率進行測度評價，得出我國物流行業普遍存在純技術效率低、規模效率低的結論。孫瑛和赫勇指出效率評價對物流行業的重要意義，運用DEA對物流企業效率進行排名，并分析了影響企業效率的關鍵因素。王曉慧（2013）同時運用主成分分析法和DEA測度了我國沿海港口的效率，得出我國港口效率不均衡，應改變發展模式的結論。本文選用非參數法中比較有代表性的DEA 對我國沿海主要港口的物流效率進行測度分析。

二、DEA方法介紹

數據包絡分析法（DEA ）是一種根據多項投入與產出指標，利用線性規劃方法，對具有可比性的同種類型單位進行相對有效性評價的數量分析法。1978年，DEA方法及其模型由美國著名運籌學家A.Charnes和W.W.Cooper提出，之后被廣泛應用于不同的行業與部門，在處理多指標投入與產出方面展現出得天獨厚的優越性。自第一個DEA模型——C2R模型提出之后，DEA方法及其模型被廣泛應用于有效性的評價，并不斷得到完善，之后又相繼產生了BCC-DEA、超效率DEA、DEA-Malmquist等諸多模型。

1.CCR模型

（1）

其中， 分別為松弛變量； 為非阿基米德無窮小量，在計算時取正無窮小（如 = ）； 為第 決策單元的第 項投入， 為第 決策單元的第 項產出。在DEA模型中，稱被評價單位為決策單元（Decision Making Unit——DMU）。

對具有 的CCR對偶輸入模型，可根據以下規則來判斷DEA的有效性：

1.若 ，則 為DEA無效；

2.若 ， ，則 僅為弱DEA有效；

3.若 ， ， 則 為DEA有效。

2.BCC模型

對于無效的決策單元，很難分辨出是由純技術無效還是規模無效導致的。1984年，Banker、Charnes和Cooper進一步提出了BCC模型，通過對 值進行上限約束，將技術效率分解為規模效率和純技術效率，因而增加了決策的準確性。

（2）

3.超效率模型

傳統的DEA模型在效率評價應用中，可能會出現多決策單元均有效的結果，因而無法對這些決策單元的有效性進行排序。因此，Andersen 和 Peterson提出了超效率模型，允許決策單元的效率值大于1，從而實現了對同樣有效的決策單元進行排序。

（3）

三、我國主要港口物流效率評價

1.樣本選取

本文選取2012年中國沿海較大的15家物流港口數據作為樣本，一是這些港口的數據比較容易獲得，二是這些港口具有很強的地區代表性。它們分別是華東地區：寧波-舟山港和上海港；華北地區：大連港、天津港、青島港、營口港、秦皇島港、煙臺港、連云港港和日照港；東南地區：廣州港、深圳港、廈門港、福州港和湛江港。

2.投入與產出指標的選取

徐超（2005）研究第三方物流選取的投入指標為固定資產凈值、員工工資及福利、管理費用和主營業務成本，產出指標為凈利潤。張建欽（2010）研究了我國各省物流效率，選用的投入指標是從業人員數量、固定資產投資總額和耗能量，產出指標是總產出、貨運總量以及貨運周轉量。艾小輝研究第三方物流產業效率，選取投入指標是固定資產、主營業務成本、員工人數和高管薪酬，產出指標是主營業務利潤。

考慮到港口物流行業本身的產業特性以及數據的可獲得性，本文采取的投入指標是港口泊位個數、裝卸機械臺數以及港作船舶的數量；采取的產出指標是貨物的吞吐量。

表1 2012年我國沿海主要港口投入產出情況

產出指標 投入指標

港口 貨物吞吐量（萬噸） 泊位個數（個） 裝卸機械（臺） 港作船舶（艘）

寧波-舟山港 69393 625 1108 67

上海港 62432 606 3356 381

大連港 33691 198 1071 18

天津港 45338 143 2190 69endprint

廣州港 43149 487 1335 12

深圳港 22325 172 1182 8

青島港 37230 75 758 10

廈門港 15654 134 705 9

福州港 8218 122 341 86

營口港 26085 69 963 19

秦皇島港 28770 66 432 15

煙臺港 18029 82 753 37

連云港港 15627 43 605 25

日照港 25256 48 77 11

湛江港 15539 153 712 23

數據來源：各港口網站2012年報

3.效率評價

首先采用DEA基本效率模型——CCR模型進行投入型技術效率的測度，產生了各個港口物流的技術效率值，并進行排序。為進一步分析規模效率對技術效率的影響，本文繼續運用第二個DEA模型——BCC模型，將純技術效率與規模效率進行分離。由于多個港口物流的技術效率值為1，又繼續運用超效率模型，將同樣為DEA有效的港口物流效率值進行排序，結果見表2。

表2 2012年我國沿海主要港口物流效率及排序

技術效率 排序 超效率 排序 純技術效率 規模效率 規模收益

寧波-舟山港 0.415 12 0.415 12 1.000 0.415 遞減

上海港 0.196 14 0.196 14 0.801 0.244 遞減

大連港 0.553 9 0.553 9 0.565 0.979 遞增

天津港 0.603 8 0.603 8 1.000 0.603 遞減

廣州港 0.966 3 0.966 3 1.000 0.966 遞減

深圳港 0.750 5 0.750 5 1.000 0.750 遞增

青島港 1.000 1 2.519 2 1.000 1.000 不變

廈門港 0.467 10 0.467 10 1.000 0.467 遞增

福州港 0.128 15 0.128 15 0.389 0.329 遞增

營口港 0.718 6 0.718 6 0.723 0.994 遞減

秦皇島港 0.829 4 0.829 4 0.847 0.979 遞減

煙臺港 0.418 11 0.418 11 0.547 0.764 遞增

連云港港 0.691 7 0.691 7 1.000 0.691 遞增

日照港 1.000 1 5.408 1 1.000 1.000 不變

湛江港 0.242 13 0.242 13 0.454 0.533 遞增

平均值 0.598 0.994 0.822 0.714

由表2可知，我國沿海主要港口物流效率的平均值只有0.598，說明總體來說我國沿海港口的物流是缺乏效率的。平均純技術效率值為0.822，平均規模效率值為0.714，說明純技術效率與規模效率都未實現DEA有效，但相比較而言，規模效率更加制約了港口物流效率的提升。觀察個體數據發現，只有青島港跟日照港的技術效率達到1，即為DEA有效，其他港口均為DEA無效。在DEA無效的港口中，寧波-舟山港、天津港、廣州港、深圳港、廈門港與連云港港表現為純技術有效，這意味著這些港口的技術無效主要是由它們的規模無效造成的。而且，寧波-舟山港、天津港和廣州港是由規模遞減造成的規模無效率，證明這三個港口的規模偏大；深圳港、廈門港和連云港港是由規模遞增導致的規模無效率，證明這三家港口的規模偏小。除此之外，上海港、大連港、福州港、營口港、秦皇島港、煙臺港和湛江港同時存在純技術效率無效和規模無效。將表2中樣本按照地區劃分可以得到表3和圖1。

表3 2012年各地區港口物流效率

地區 樣本 技術效率 排序 超效率 排序 純技術效率 規模效率

華北地區 大連港 0.553 9 0.553 9 0.565 0.979

天津港 0.603 8 0.603 8 1.000 0.603

青島港 1.000 1 2.519 2 1.000 1.000

日照港 1.000 1 5.408 1 1.000 1.000

營口港 0.718 6 0.718 6 0.723 0.994

秦皇島港 0.829 4 0.829 4 0.847 0.979

煙臺港 0.418 11 0.418 11 0.547 0.764

連云港港 0.691 7 0.691 7 1.000 0.691

平均值 0.727 1.467 0.835 0.876

華東地區 寧波-舟山港 0.415 12 0.415 12 1.000 0.415

上海港 0.196 14 0.196 14 0.801 0.244

平均值 0.306 0.306 0.901 0.330

東南地區 福州港 0.128 15 0.128 15 0.389 0.329

湛江港 0.242 13 0.242 13 0.454 0.533

廣州港 0.966 3 0.966 3 1.000 0.966

深圳港 0.750 5 0.750 5 1.000 0.750

廈門港 0.467 10 0.467 10 1.000 0.467

平均值 0.511 0.511 0.769 0.609endprint

總平均值 0.559 1.035 0.790 0.695

圖1 2012年我國各地區港口物流效率平均值

由表3和表4可知，華北地區的港口物流各項效率指標中，除了純技術效率略低于華東地區之外，其余指標均遠遠高于其他地區，證明華北地區沿海港口物流效率很高。華東地區除了純技術效率略高于其他地區之外，技術效率、超效率與規模效率都遠遠落后與其他地區，證明華東地區沿海港口物流效率非常低，亟須改善。東南地區的各項效率指標都處于居中位置，且低于所有樣本的平均值，說明東南地區沿海港口物流效率一般，也需要有所調整。

4.港口物流投入產出投影分析

如表5所示，投入冗余列表中，非零項表示該決策單元為實現DEA有效需要進行的改進項目，目標列表中顯示的是通過以上改進達到DEA有效之后該決策單元應該實現的值。可以看出，上海港、大連港、福州港、營口港、秦皇島港、煙臺港和湛江港都存在不同程度的投入與產出的不合理。其中上海港、大連港、營口港和秦皇島港存在不同程度的投入不合理，尤其以上海港最為嚴重，應在產出不變的情況下減少投入；湛江港存在嚴重的產出不夠，現達到的產出能力只有其可實現產出的3/5，還有2/5沒有實現，證明湛江港應該重新合理配置資源，產出能力將會有很大提升。福州港和煙臺港同時存在著產出不夠與投入過多，并且福州港更為嚴重，福州港潛在的產出可達到現有產出的3倍左右，同時投入可以稍微減少，證明福州港的物流運作方式應該進行全面改革，實現物流效率的全面提升。綜合分析港口物流投入產出冗余投影表，限制港口物流效率的主要原因是產出不足，即資源的非有效利用。

表5 2012年我國沿海主要港口物流投入產出投影

原始值 投入冗余

樣本 產出 投入1 投入2 投入3 產出 投入1 投入2 投入3

寧波-舟山港 69393 625 1108 67 0 0 0 0

上海港 62432 606 3356 381 0 0 1267.68 237.67

大連港 33691 198 1071 18 0 39.89 0 0

天津港 45338 143 2190 69 0 0 0 0

廣州港 43149 487 1335 12 0 0 0 0

深圳港 22325 172 1182 8 0 0 0 0

青島港 37230 75 758 10 0 0 0 0

廈門港 15654 134 705 9 0 0 0 0

福州港 8218 122 341 86 16022.40 0 0 20.99

營口港 26085 69 963 19 0 0 571.85 2.80

秦皇島港 28770 66 432 15 0 0 89.19 2.00

煙臺港 18029 82 753 37 1123.58 0 0 0.35

連云港港 15627 43 605 25 0 0 0 0

日照港 25256 48 77 11 0 0 0 0

湛江港 15539 153 712 23 10105.37 0 0 0

平均值 31115.73 201.53 1039.20 52.67 1816.76 2.66 128.58 17.59

四、結論與建議

我國沿海主要港口的總體物流效率較低，主要原因是港口的規模效率沒有達到最優。其中華東地區的效率最低，主要原因是華東地區港口發展較早，規模龐大，對規模的擴張沒有進行科學的論證，規模經濟呈現出規模遞減的趨勢，阻礙了物流效率的進一步提升。因此，作為華東地區的重要港口，上海港與寧波-舟山港應適當合理縮小經營規模，提升物流效率。華北地區的港口規模相對較小，資源的利用率相對較高，規模經濟效應明顯，因此在純技術效率相差無幾的情況下其平均效率最高。除了廣州港之外，東南地區的港口物流效率普遍不高，其平均值略低于所有港口均值，證明東南地區港口的物流效率仍有提升空間，尤其是湛江港與福州港，應在合理擴大規模的基礎上努力提高物流效率，深度發掘港口吞吐能力。

[參考文獻]

[1]Andersen .P.，Petersen，N.C.A Procedure for Ranking Efficient Units in Data Envelopment Analysis [J].Management Science，1993（39）：1261-1264.

[2] Charnes .h.，Cooper .W.，Rhodes. E..Measuring the Efficiency of Decision Making Units.European Journa1 of Opertationa1 Research，1978：429-444.

[3]李美娟，陳國宏.數據包絡分析法（DEA）的研究與應用[J].中國工程科學，2003（6）88-94.

[4]吳文江.數據包絡分析及其應用[M].北京：中國統計出版社，2002：3-63.

[5]徐超.基于DEA法的我國第三方物流企業效率評價研究[D].杭州：浙江工業大學，2006.

[6]楊德權，裴金英.基于DEA-AHP物流系統績效評價研究[J] .運籌與管理，2009， 18（5）： 81-86.

[7]張寶友，黃祖慶.基于AHP/DEA模型的七市物流公司績效評價[J].工業工程與管理，2008 （5）： 67-71.

Abstract：This article has used data envelopment analysis CCR， BCC and super-efficient models to research the logistics efficiency of Chinese 15 major coastal ports with the data of 2012. The results showed that the overall logistics of major coastal ports is low， mainly because the scale efficiency did not reach optimal. The lowest efficiency occur in eastern China， mainly because ports in East China had developed earlier， their scale is becoming larger and larger . Existing scale has exceeded its optimal size， showed a diminishing scale. Among them， there is a big investment redundancy in Shanghai Port. The ports in southeast region have showed the increasing scale effect because they did not reach to the optimal scale. Especially Zhanjiang Port and Fuzhou Port did not uncover the large number of potential throughput due to the unreasonable size. Ports in North China have developed more balanced， and they are competitive. Therefore， most ports in China should improve the throughout capacity deeply， improve their logistics efficiency based on a reasonable scale.

Key words ： DEA of investment leading；data envelopment analysis；logistics efficiency；

（責任編輯：喬虹）endprint