基于DEA方法的港口效率評價研究—一個文獻綜述

孫勝元，張 鵬

（泰州學院，江蘇 泰州 225300）

1 引言

港口效率是制約貨物運輸的瓶頸之一，這一點在經濟快速增長，尤其是貿易增長速度較快的時期尤為突出。因此，在相當長的一段時期內，港口效率的評價方法是港口發展理論的研究熱點。作者在中國知網上以主題詞“港口效率”進行檢索，檢索到中文文獻510 條，其中期刊類論文273 篇，碩博畢業論文217 篇，報紙文章5 篇，國內會議論文5 篇，外文文獻101篇。傳統的對效率的測度方法大致分為兩類，分別是基于隨機前沿分析的參數法和基于非參數的DEA方法。由于隨機前沿分析建立在一系列苛刻的假設基礎上，其前沿函數的形式及其準確性、參數值及其確定方法等會影響效率評價結果，更多的學者傾向于用非參數方法對港口效率進行評價，而DEA方法成為近年來最常用的非參數方法。該領域最早的研究來自于 1993 年 Roll 和 Hayuth[1]對 DEA 方法運用于港口企業評價進行的理論探討，盡管作者并沒有進行實際定量測度。

DEA方法本身的相關研究工作包括方法與實踐正在以指數規律增長[2]。Bichoud[3]總結發現諸多港口效率的評價研究結論不同，這其中是否存在某些技術環節或者數據選取的問題。Odeck 和Brathen[4]認為事實上，諸多因素影響了港口效率的評價，例如方法、投入和產出的指標、港口所在的國家和地區因素等。本研究旨在梳理DEA方法及其各種拓展模型在港口效率測度上的應用和進展，以期為港口效率評價提供一定的借鑒。

2 相關概念

2.1 港口效率

經濟學角度講，港口效率是對其資源的有效配置,是投入產出能力、競爭能力和經營管理水平的總稱。龐瑞芝[5]、張小蒂，等[6]將港口效率內涵體系分解為港口內部運營效率、港口與港口之間的聯網效率及港口對腹地經濟的輻射效率三個層次。目前，對于港口效率的研究更多的是基于港口內部的運營效率這一層次展開。

2.2 DEA方法

DEA 方法是由美國運籌學家Charnes 和Cooper[7]等以相對有效性概念為基礎發展起來的一種效率評價方法。DEA方法是一種針對決策單元多投入多產出情況下，相對有效性和規模收益評價廣泛使用的方法[8]。

3 相關研究綜述

楊國梁，等[9]分析了DEA方法基于6個關鍵因素（角度）及其組合：（1）生產可能集：不變、可變；（2）測度：徑向測度、Russell測度等；（3）偏好：帕累托偏好、平均偏好等；（4）變量的類型：非任意變化變量、不可控變量、有界變量等；（5）問題的層次；（6）數據是否確定等。DEA 模型從這6 個關鍵因素及其組合可以拓展為多種變型以解決不同的問題。而有關運用DEA方法對港口效率的評價也是從最初簡單的模型（方法）引入到不斷的優化評價方法，以更加符合港口運營的實際，更加準確測度港口效率這條主線展開的。具體而言，基于DEA 方法的港口效率評價沿著從最初的靜態的、單層的、徑向測度的逐步向動態的、多層次的、非徑向測度的DEA模型應用轉變這一脈絡演進。本文將沿著這一脈絡對已有研究進行梳理。

3.1 港口效率評價的傳統DEA模型

DEA方法提出的最基本的模型便是假定規模收益不變的CCR 模型，之后在1984 年由Banker[10]等人拓展為規模收益可變的BBC 模型。鑒于CCR、BCC模型是比較成熟的傳統模型，本研究不做贅述。

早期，基于DEA 方法的港口效率評價多是將CCR、BCC兩種傳統模型直接引入。目前能檢索到的最早的運用DEA方法對港口效率進行測度的外文文獻是 Martinez 等人[11]利用 BCC 模型對 26 個港口效率進行評價。另外國外較早研究的是Tongzon[12]利用CCR模型，將澳大利亞的4個集裝箱港口和國際上其他12個集裝箱港口的效率進行比較分析。這兩篇文獻是目前引用率較高的早期文獻。國內的定量研究比國外要開始的早，劉大镕[13]1994 年發表的論文中，通過因子分析法分別對投入指標和產出指標壓縮為少數新指標，進而運用CCR 模型對交通運輸部所屬16 個港口的經濟效益進行了評價。然而在此之后，國內學者使用DEA模型測度港口效率的方法并沒有得到廣泛應用，直到陳軍飛，等[14]應用CCR 模型對2002 年15 家港口水運上市公司的經營效率進行評價。之后，國內使用DEA 模型評價港口經營效率的研究逐漸增多，也逐漸拓展了規模收益可變的假定，后續有較多的研究使用BCC 模型、CCR 模型與BCC模型結合。本研究不做過多羅列。

早期研究無疑對港口效率評價具有開創性的意義，但是這類研究也有其局限性，包括：所用數據為靜態橫截面數據；沒有涉及環境變量；將港口運營過程視為“黑箱”沒有深入運營內部；假定投入產出為徑向測度等。后續研究者正是通過不斷引入新的DEA模型來改進早期的研究。

3.2 港口效率評價的動態DEA模型

早期研究是基于橫截面數據，即不考慮時間上的變化，只比較同時期內的被評的港口與其他港口，輸出的結果事實上屬于靜態效率，無法反映被評價單元的效率變化和穩定性。后續研究中，學者們開始嘗試引入動態數據評價。

（1）DEA 方法與Malmquist 相結合。這類研究為DEA 方法與 CAVES[15]等人 1982 年提出的 Malmquist指數方法相結合。在實證評價中，學者們[5,16-23]利用Fare 等[24]所界定的Malquist 指數=綜合技術效率變化指數×技術水平變化指數；綜合技術效率=純技術效率變化指數×規模效率變化指數，選取面板數據，全面測度綜合技術效率變化、技術效率變化、規模效率變化、純技術效率變化。學者們發現了各類效率的變化趨勢，并分析被評價單元的效率高低以及形成原因。

（2）DEA 視窗模型。這類研究主要利用Charnes等人[25]提出的DEA 視窗模型（Window Analysis，WA）考察港口在不同時期的效率變化情況。基本原理是，選取面板數據，將同一個港口的不同時期看作一個獨立的決策單元，設定視窗寬度w，將一個港口在一段時期（t）的數據分割為t-w+1個有所重疊的時間窗，進而比較t-w+1 個時間窗數據，評價港口的效率變化情況。這類方法既比較了同一時間跨度內不同時間點同一港口效率的變化趨勢，也比較了不同窗口內同一時間點的同一港口的相關數據，體現了時間的連續性，在得出效率評價結果的同時，也有利于分析效率變化的原因。Al-Eraqi，等[26]在評價世界主要集裝箱港口的效率時比較了基于橫截面數據靜態DEA 模型和DEA 視窗模型，驗證了該方法的優越性在于發現了效率變動的細節和原因。國內學者張巧麗，等[27]運用DEA視窗分析模型，從空間和時間兩個維度出發，利用面板數據，對渤海灣地區三大主要港口的內部運營效率進行研究，并利用在DEA 相對有效面上的投影分析，明確港口效率低的原因。

3.3 港口效率評價的多層次DEA模型

3.3.1 三階段DEA模型。針對單層DEA模型沒有考慮被評價單元所處的客觀環境、隨機因素等對效率的影響。文獻[28]采用Fried[29]提出的三階段DEA 模型，對太平洋十大港口1998-2008年間的動態效率進行了評價，對比CCR、BCC 模型測度的結果，認為三階段DEA 模型的評價結果更為客觀。其他文獻[30-34]也進行了類似的測度。這類研究過程大同小異，第一階段運用傳統DEA（CCR、BBC）模型進行初步測度；第二階段運用有關方法對投入量、產出量進行調整，建立松弛變量與環境變量關系，并將隨機誤差分離，得到僅由管理無效率造成的決策單元投入/產出冗余；第三階段用調整后各決策單元的投入、產出數據，結合傳統DEA 模型進行評價。這種方法剔除了外部環境因素和隨機誤差對港口效率評估所造成的偏誤，相對傳統CCR、BBC模型，評價結果更為真實。

3.3.2 網絡DEA模型。傳統的DEA模型對港口效率的測度是將港口的運作視為“黑箱”，只關注兩端的投入和產出，沒有深入到港口內部的運作。為此，學者們試圖從打開“黑箱”這一視角，深入到港口運營內部對其效率進行評價。王燕，等[35]將港口企業的盈利過程分解為運營和資本兩個子過程，將BCC模型分別應用于兩個子過程，發現了效率提升的促進因素和阻礙因素。劉丹，等[36]認為這種研究中的中間變量具有投入和產出的雙重屬性，致使兩個子過程在效率改進的方向上存在矛盾，進而將港口運營分解為裝卸子過程與港區物流服務兩個串聯在一起的過程，利用Kao[37]提出的多時期網絡模型發現了具體港口在觀察期內總效率與不同時間點的效率之間的關系，以及總效率與兩個子過程效率之間的關系，最終找出了影響港口效率的原因，并提出了解決對策。Peter F W[38]進行了類似的研究，不同之處在于，其將港口效率分為基礎設施效率和裝運整合效率兩個串聯結構，通過多時期網絡模型進行評價，通過并利用截斷回歸發現了外部環境變量，包括所有制、港口腹地面積、附近高速公路數量等對港口效率的影響。

3.4 港口效率評價的非徑向測度DEA模型

傳統研究是基于DEA 徑向測度模型，即所有的投入和產出按照徑向測度擴張等比例擴張（壓縮），這并不符合港口運營的實際，評價結果無法區分投入指標和產出指標調整的大小與幅度，同時也沒有考慮港口運營過程中所發生的環境污染等問題會對港口效率產生影響。學者們嘗試將非徑向測度DEA模型運用到港口效率評價中。馮烽，等[39]引入了Tone[40]所提出的基于松弛變量的非徑向測度DEA 模型—SBM（salacks based measure,SBM）模型，對17家港口上市公司2010—2015年的運營效率進行評價，并給出了非有效的DMU 改進效率的指標調整路徑與大小。國外有文獻[41]用相同的模型測度了Safaga 港與DP World Sokhna的效率，并進行了比較，提出了Safaga港效率提升的路徑。國內學者羅俊浩[42]進行了類似的研究，不同之處在于作者將“二氧化碳排放”做為產出指標之一，印證了二氧化碳排放這一“非期望產出”對于港口效率具有明顯的影響，同樣作者也提出了港口效率提升的指標調整幅度和路徑。

3.5 港口效率評價的其他類型DEA模型

針對經典DEA模型無法對港口效率進行排序的問題，吉阿兵，等[43]早在2005年引入極效率DEA模型對16 個知名集裝箱港口的效率進行了測度，并進行了排序。而后，張潔，等[44]進行了相似的研究。賴成壽，等[45]基于博弈論思想，引入二階段博弈交叉效率模型對我國港口生產效率進行測度，解決了傳統DEA模型不能實現全排序的問題。

3.6 不同指標類型

產出指標上，多數研究都將“吞吐量”包括貨物吞吐量和集裝箱吞吐量作為產出指標。一些研究還將其他項目列為產出指標，如用戶滿意度、收入性指標如利潤、主營業務收入等。早期研究所選定的產出指標多為“正向”指標，近年來少數文獻將港口運營中所產出的“負向”（例如環境污染）考慮在內。

投入指標上，多數研究將港口運營實際投入的設施（泊位、碼頭、堆場）和設備（各類型吊車、起重機、集卡等）、勞動力作為投入指標。也有研究使用了會計統計指標，例如固定資產、主營業務成本、資產、股本/營業收入、流動資金等。需要指出的是，在多階段DEA 模型的運用中，少數文獻考慮了外部環境指標對港口效率的影響。

4 簡評與展望

現有研究從早期研究生產可能集不變假定、靜態、單層、徑向測度、非帕累托最優的DEA模型應用，到生產可能集假定可變、動態、多層（網絡）、非徑向測度、帕累托最優的DEA 模型轉變。前人研究極大的豐富了DEA 方法在港口效率評價上的應用，也得出一些有意義的結果，也為后續研究留下了進一步拓展的空間。限于DEA 模型的種類繁多，本研究做以下研究展望。

第一，港口效率評價的DEA模型應用處于向“動態”演進過程中。一方面，DEA 方法與Malmquist 相結合的研究中，技術規模報酬如何處理學術界仍存在著分歧[15，46]，例如，Grifell-Tatje，等[47]指出非固定規模報酬的存在，導致Malmquist 指數難以精確測度生產率變化，且這種偏差具有系統性，主要取測算中所使用的距離函數；另一方面，DEA視窗模型在使用過程中首期和末期的數據只使用了一次，相對其他時期的數據明顯偏少，因而首尾數據使用是不充分的[48]。所以，未來基于DEA 方法的港口效率動態評價還需解決“動態數據”的使用和處理這一難題。

第二，港口效率評價的DEA模型應用處于向“多層”演進過程中。盡管已有研究已經從打開“黑箱”的視角，從港口運營內部過程來對其效率進行評價，但是未來針對港口內部運營環節間的作用機理的研究仍需進一步細化。

第三，港口效率評價的DEA 模型處于不同測度的演進中。當前多數研究是基于徑向測度的DEA模型，盡管有少數文獻嘗試引入了SBM-DEA非徑向測度模型，但是，對于為提高港口效率的各類投入的擴張（收縮）幅度并沒有給出精確的測度。后續可以借鑒多種非徑向測度模型進行研究。

第四，在指標選取上，早期絕大多數文獻只考慮了正向變量，后期研究中考慮了非期望產出等負向指標。后續研究中，應該重點關注各種變量，包括投入變量、產出變量、環境變量之間相互作用的機理。