虎門港物流效率評價研究

葉善椿，韓 軍 YE Shan-chun, HAN Jun

（1. 東莞職業技術學院，廣東 東莞523808；2. 上海海事大學，上海201306；3. 上海國際航運研究中心，上海200082）

(1. Dongguan Polytechnic, Dongguan 523808, China； 2. Shanghai Maritime University, Shanghai 201306, China； 3. Shanghai International Shipping Institute, Shanghai 200082, China)

0 引 言

當前世界經濟快速發展，港口在區域經濟乃至世界經濟中的地位日益明顯。現代港口在國家經濟中的作用已不僅僅是通過運輸來提高國際貿易收入，港口對地方經濟的貢獻還在于對港口所在地區工業和服務業所起到的帶動作用。為此各地都極為重視港口建設和發展。東莞市虎門港位于廣東省東莞市的珠江沿岸，為東莞市經濟發展提供物流服務，對東莞市發展外向型經濟起到戰略作用。自從港口立項建設以來，東莞市一直對虎門港的建設和發展相當重視，為此，評價東莞市虎門港物流效率就顯得尤為重要。

近年來，國內外研究港口物流效率的文章也比較多。劉玲玲[1]（2010） 選取了泊位長度、橋吊數量、場橋數量、堆場面積和吃水深度作為輸入指標，集裝箱吞吐量、集裝箱吞吐量增長率作為輸出指標，利用神經網絡對我國主要的集裝箱碼頭進行效率評價，并運用主成分分析法對碼頭效率影響運輸進行分析。Estache A[2]（2002） 等以碼頭面積、碼頭長度和搬運機械數量為輸入指標，以集裝箱吞吐量作為輸出指標，利用SFA 法評價亞洲15 個集裝箱港口的效率。李志多[3]（2012） 利用數據包絡分析方法對沿海經濟隆起帶港口經營效率進行總體評價，并利用MPI 全要素指數對港口運作效率進行動態研究，提出了河北沿海經濟隆起帶港口發展的對策。Song 和Yeo[4]（2004） 用AHP 方法研究了中國的集裝箱港口，表明地理位置在評價港口競爭力方面起到了非常重要的作用。Lee 等[5]（2006） 運用多商品網絡模型分析亞太地區的集裝箱流動，結果表明韓國釜山港口是東北亞地區重要的轉運節點，提高服務質量可以促進中國東北地區的集裝箱活動。Koster[6]（2009） 用數據包絡分析方法評估了38 個集裝箱碼頭的物流效率，Wu and Liang[7]（2009） 運用數據包絡分析方法評估了全世界77 個重要集裝箱港口的運作績效。Hung等[8]（2010） 運用DEA 和bootstrapping 模型評估運作表現、設定規模效率的目標，并確定了亞洲集裝箱港口效率的排名，為港口管理者在資源分配、競爭優勢和運作方面提供了很好的建議。張潔[9]（2013） 選取碼頭公司各項生產數據作為投入指標，碼頭公司的年吞吐量作為產出指標，利用極效率DEA 模型對中國近40 個碼頭公司進行績效評價研究，研究結果對港口生產管理者提供了管理對策。

從現有的研究成果來看，現有的研究港口效率的有層次分析法（AHP）、非前沿參數法（SFA） 和數據包絡分析（DEA） 等方法，但是結合港口發展的影響因素和港口實際產出情況來分析，數據包絡分析是當前研究港口物流效率的重要方法。任何一個港口物流效率的評價既要看靜態的效率，也要看動態的效率變動情況，因此本文選用DEA 模型和Malmquist 指數來評價虎門港物流效率。

1 研究方法描述

1.1 DEA 模型。1978 年運籌學家A.Charnes，W.W.Cooper 和E.Rhodes 運用數學規劃模型將有效性度量方法推廣到多輸入、多輸出的情形，提出了評價決策單元相對有效性的方法——數據包絡分析（Data Envelopment Analysis，DEA）[10-12]。經典DEA 模型主要有CCR 模型和BCC 模型，CCR 模型是建立在規模報酬不變（Constant Return to Scale，CRS） 的假設前提下，BCC 模型是用來處理規模報酬可變（Variable Return to Scale，VRS） 假設下的決策單元的有效性。現對BCC 模型進行介紹。

BCC 模型為：

決策單元DMU 的DEA 有效性或弱有效性是通過對模型的最優解來判定的，每個最優解的經濟含義如下：

（1） DEA 有效性。當θ*=1，且s*+=0、s*-=0 時，決策單元DMUj0為DEA 有效。此時，決策單元DMUj0的生產活動同時到達技術有效和規模有效。其中，s-表示產出的“不足的量”，s+表示投入的“剩余量”。此時，各種資源得到充分利用，不存在“剩余量”投入和投入不足。當θ*=1，但至少有s*+＞0 或s*-＞0 時，決策單元DMUj0為弱DEA 有效。當θ*＜0 時，決策單元DMUj0不是DEA 有效。

（2） 技術有效性。假如s-=s+=0，我們可以判斷出，此決策單元DMUj0，從技術角度來看，資源得到充分利用，各投入要素達到最佳組合并且取得了最大產出成果，此時，該決策單元DMUj0為技術有效；否則為技術無效。（3） 規模有效性。令：

則稱K為DMU 的規模報酬收益值。

當K=1 時，DMU 為規模收益不變；此時，DMU 達到最大產出規模點，在此規模下進行生產是規模有效的。當K＜1 時，DMU 為規模收益遞增；規模遞增的趨勢隨著K值的減小而增大，即DMU 在保持原投入的基礎上，適當增加投入量，產出量將會有更高比例的增加。當K＞1 時，DMU 為規模收益遞減；規模遞減的趨勢隨著K值的增大而增大，即DMU 在原投入的基礎上，增加投入量并不會帶來產出量同等程度的增加，因此，從規模效率的角度來看，就沒有必要增加投入量了。

于是，我們得到如下結論：第一、規模不變且技術有效時，表示在此投入下，產出已經達到最大規模點；第二、規模效益遞減且技術無效時，表示增加投入，其產出的增加將小于投入的增加，因此增加投入是不經濟的，應當加強投入資源的管理，充分發揮對現有資源的利用，以求產出最大，只有這樣，才能得到DEA 有效；第三、規模效益遞增且技術無效時，表示在加大投入的同時，還要加強現有投入資源的管理，以增加產出的效率；第四、規模效益遞增且技術有效時，表示投入不夠才是其非DEA 有效的真正原因，加大其投入力度，便能有所改善。

1.2 Malmquist 指數。Malmquist 指數最早由Malmquist 提出，而后根據距離函數利用線性優化方法給出每個DMU 的邊界生產函數的估算發展變為對每個DMU 的效率演化和技術進步測度的一種研究效率動態變化的方法[13-14]。設t和t+1 時期的投入產出量分別為和t+1 時期的投入產出向量的產出函數分別為那么t時期技術條件下的Malmquist 指數為：

t+1 時期技術條件下Malmquist 指數為：

根據Fisher 對理想指數的構造，從t時期到t+1 時期生產率變化的Malmquist 指數為：和資源配置效率（EFFCH），資源配置效率又可進一步分解為純技術變化率（PECH）和規模變化率（SECH），即：

上式即為全要素綜合生產率Malmquist 指數（TFPC）H，在規模報酬不變的情況下，此指數可以分解為技術變化率

資源配置效率表示從時期t到t+1 組織管理水平變化的追趕程度，表現為資源配置效率的改善與提高及管理方式的優劣和管理層決策正確與否，TECHCH＞1，表示效率改善，管理方式與決策正確、得當；TECHCH＜1，表示效率惡化，管理方式不當或決策失誤。技術效率EFFCH表示從時期t到t+1 生產效率前沿面的移動情況，表示技術進步與創新，當EFFCH＞1 時表示技術進步，當EFFCH＜1 表示技術退步。

2 物流效率評價實證研究

2.1 數據來源及統計分析。港口生產作為服務業，投入的主要是人員、港口建設資本、港口運作設施設備、土地等，衡量港口產出的主要是貨物吞吐量、進出口總額、營業收入及營業利潤等指標。參考國內外關于港口效率評價研究的文獻[15-16]，同時結合東莞市虎門港數據的可獲取性，選取從2004～2013 年10 年的固定資產投資額X1（ ）、固定資產投資增速X2（ ）、通航里程數X3（ ）作為投入指標，貨物吞吐量Y1（ ）、港口發展速度Y2（ ）作為輸出指標，數據來源于歷年《東莞市統計年鑒》及廣東省港口協會和虎門港網站。

由于DEA 模型要求排除相關指標，因此先對輸入、輸出指標進行相關性分析，以剔除線性關系較強的指標。利用SPSS17.0 對這些數據序列進行相關性分析，結果如表1。

表1 數據相關性分析表

從相關性分析結果來看，3 個輸入指標之間相關性不是很強，相互之間的替代不是很強；而輸出指標Y1與Y2之間相關性較高，這主要是由于港口發展速度與港口貨物吞吐量關系較為緊密，港口發展速度作為一個衡量港口發展的宏觀指標，而港口貨物吞吐量是港口發展的一個微觀指標。本文選取的輸入指標和輸出指標較為合理。

2.2 基本效率評價研究。數據包絡分析（DEA） 模型里的BCC 模型假設規模報酬可變，更符合本文的要求。因此選用BCC 模型對虎門港的效率進行評價，利用deap2.1 軟件求解得到如表2 的分析結果：

表2 數據包絡分析結果

從DEA 分析結果來看，東莞市虎門港的物流運作在2011～2013 年間為DEA 有效，而且保持著規模報酬不變的態勢，這表明虎門港這3 年來的投入產出效率都很高。從2004～2010 年7 年間，虎門港的物流效率一直呈遞增態勢，而且綜合效率一直小于1，現實的DEA 弱有效。具體年份上來看，2009 年虎門港的物流效率是近10 年來最低的，這是由于受規模效率的影響，2009 年東莞市加大對港口業的投資，東莞市虎門港集裝箱港務有限公司正式成立，導致規模上產生低效率，投入擁擠和產出冗余嚴重。這在2010 年之后開始變得和緩，前期的大規模投入開始慢慢得以消化，港口建設開始陸續進行并交付使用，提升了港口物流運作效率。2010 年規模效率較低造成綜合效率低，而這是由于受到2010 年東莞市港口業固定資產增速放緩的影響，規模過小，導致投入不足，進而影響產出乏力。

由于綜合效率是技術效率與規模效率的乘積，從2004～2013 年這10 年DEA 3 個效率的比較來看，虎門港的綜合效率的變動主要受規模效率的影響，港口規模的大小以及能否發揮規模效應在很大程度上影響著虎門港的物流效率。

在從每年的投入冗余和產出不足情況來看，2009 年投入冗余、產出不足情況最嚴重，投入冗余587 782.485 個單位，由此也可以看出如果港口企業在短時間內迅速大量投入，則在短時間內是無法快速見效的，這也與港口企業的固定資產占比大、建設周期長有關。2007 年和2004 年也出現不同程度的投入冗余和產出不足，這與虎門港前期建設主要集中在港口基礎設施設備建設方面、而對其他招商引資和貨物流量等重視不足有關。

2.3 虎門港動態效率評價研究。前面利用DEA 對虎門港的效率進行了靜態分析，得出了規模效率是影響虎門港物流運作效率的重要因素。現在用Malmquist 指數來動態的評價虎門港物流效率。利用DEAP2.1 軟件求解的虎門港Malmquist 指數生產率和各項效率變動情況結果見表3。

表3 虎門港Malmquist 指數生產率和各項效率變動情況

從表3 的結果來看，2007～2008 年、2009～2011 年這兩個期間的Malmquist 指數效率較低，其他年份期間段都大于1，這表明虎門港的物流效率在近10 年內出現過退步。資源配置效率一直都是1.000，而且虎門港的純技術變化率和規模變化率兩個構成部分也一直保持為1.000，效率并未出現明顯的改善或惡化，這說明產業管理方法和管理層決策都表現的較好。影響著全要素生產指數變動的是技術變化率，技術變化率一直處于波動之中，在2007～2008 年和2009～2011 年期間遠小于1，技術效率不容樂觀，表明這兩個期間技術并未得到進步，影響港口物流效率的技術并未得到改善。

3 結束語

通過利用數據包絡分析和Malmquist 指數從靜態和動態兩個不同的角度來研究虎門港物流效率，結果表明虎門港物流效率不是很高，仍然需要大幅提升。具體分解為：第一，靜態來看，虎門港物流效率整體較高，影響綜合效率高低主要是規模效率。第二，虎門港前期規模報酬遞增，近期呈現規模報酬不變，近期投入和產出出現平衡。第三，從動態效率來看，技術效率是影響全要素生產率劇烈變動的主要因素。提高技術效率是虎門港未來需要做的重要事情。由于虎門港是新建設的港口，而且受附近深圳港和廣州港等大型港口的影響，如何做好提高物流效率仍然是一個持久性的話題。

虎門港不是上市港口企業，很多企業內部資料未能公開，受數據獲取的正確性及全面性的影響，本文的研究與企業的實際運作情況可能會出現某些偏差。后期希望能獲取虎門港更為全面的數據進行全面分析，同時與國內外同類型港口相比較，不斷提高虎門港的物流效率。

[1] 劉玲玲. 基于神經網絡的港口效率評價研究[D]. 大連：大連海事大學（碩士學位論文），2010.

[2] Estache A, Gonzsalez M, Trujillo L. Efficiency gains from port reform and the potential for yardstick competition: lessons from Mexico[J]. World Development, 2002,30(4):545-560.

[3] 李志多. 河北沿海經濟隆起帶港口效率評價及發展對策研究[D]. 西安：長安大學（碩士學位論文），2012.

[4] Song D-W, Yeo K-T. A competitive analysis of Chinese container ports using the Analytic Hierarchy Process[J]. Maritime Economics & Logistics, 2004,26(1):34-52.

[5] Lee L. H, Chew E P, Lee L S. Multicommodity network flow model for Asia's container ports[J]. Maritime Policy and Management, 2006,33(4):387-402.

[6] Koster, M. B. M, Balk B M and van Nus W T I. On using DEA for benchmarking container terminals[J]. International Journal of Operations & Production Management, 2009,29(11):1140-1155.

[7] Wu J, Liang L. Performances and benchmarks of container ports using data envelopment analysis[J]. Shipping and Transport Logistics, 2009,24(3):295-310.

[8] Hung S-W, Lu W-M, Wang T-P. Benchmarking the operating efficiency of Asia container ports[J]. European Journal of Operation Research, 2010,203(3):706-713.

[9] 張潔. 交叉效率和極效率DEA 在港口評價中的應用研究[D]. 杭州：浙江工商大學（碩士學位論文），2013.

[10] 馬占新. 數據包絡分析模型與方法[M]. 北京：科學出版社，2010.

[11] 魏權齡. 數據包絡分析[M]. 北京：科學出版社，2004.

[12] 段永瑞. 數據包絡分析——理論與應用[M]. 上海：上海科學普及出版社，2006.

[13] 趙海濤，高力. 中國旅行社業經營效率的動態變化[J]. 企業經濟，2012,390(2):114-118.

[14] 王俊嶺，戴淑芬. 基于DEA-Malquist 指數的我國鋼鐵行業循環經濟效率評價[J]. 河北經貿大學學報，2014,35(2):78-82.

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

[16] 王曉慧. 我國沿海港口物流效率測度與分析[J]. 浙江海洋學院學報（人文社科版），2013,30(1):26-33.