上海港口的效率測度研究
——基于營商環境的視角

徐夢婷，羅貴華，夏志杰 （上海工程技術大學，上海201620）

0 引言

航海運輸已經成為不可替代的國際貿易運輸方式之一，港口肩負著支撐外貿經濟發展的重任，而港口效率關系一個港口甚至國家的貿易競爭力，這在貿易全球化背景下的中國顯得更為重要。在突如其來的新冠疫情的影響下，全球的生產和需求都受到沖擊，上海港作為我國最大的綜合性港口，口岸的營商環境改革已經進入“深水區”，而港口的經濟和港口城市都對國家經濟發展有重要的帶動和推進作用（張麗，2020）[1]，如何提升港口的競爭力和通關效率是對標國際先進港口的重要問題。

良好的營商環境對各國吸引外商投資（李玉梅，2019）[2]，對創新力和競爭力有著極大的正向推動作用。營商環境的提升不僅僅是數字的變化，而是切實有效地有利于經濟運轉。中國在世行發布的2020年的營商環境報告中，跨境貿易單項指標得分為86.5，世界排名56名，上海作為中國數據中權重55%的樣本城市，單項得分87.19，較去年分數提升3.32分。上海在過去的一年中深入改革，出臺并實施了一系列政策，尤其是“單一窗口”的設立，企業可以提前申報，大大提高港口的運作效率。“跨境貿易”這一指標與港口的運行效率息息相關，營商報告中，分別對跨境貿易中進出口的物流運輸時間和成本進行統計，其中主要分為單證合規和邊界合規這兩個程序，即細分為8個二級指標，全面地衡量了港口的商業環境和法律環境。

對于港口效率的研究，在國內外一直都有很多，早期的研究更多的是關注單一指標，傳統上的港口效率是通過計算港口貨物裝卸的生產率來分析的（Wayne K，1988）[3]。但是港口的運行依靠的是極其復雜的系統，單一的指標不足以分析港口整體的效率。為了更全面的評估港口的效率，學者們開始了研究方法的新探索，比較普遍的前沿分析法中，又可以分為以下兩種方法：參數分析法中典型的線性回歸法和隨機前沿法（SFA），楊泊（2010）通過實證分析，進而利用得出的總技術效率建立多元回歸模型，分析港口上市公司的效率影響因素，對企業效率和所有制結構的關系提出見解，加強宏觀環境的建設[4]。艾亞釗（2015）等人使用隨機前沿法對我國珠三角的6個集裝箱碼頭進行效率分析，得出了樞紐型集裝箱碼頭效率高于非樞紐集裝箱碼頭的結論[5]。而非參數分析法不需要假設特定的函數表達式，盡量從數據本身獲得信息，主要包括DEA數據包絡分析法等，Dinga（2015）使用數據包絡分析和Malmquist生產率指數測算中國沿海21個中小港口的效率以及與航運公司之間的關系[6]。Tongzon（2001）使用DEA的CCR模型，對1996年澳大利亞的4個港口和其他國際港口，一共16個集裝箱港口的效率進行評估，發現港口效率最低的幾個港口在勞動力投入和碼頭泊位等投入方面存在較大的松弛[7]。Ablanedo-Rosas,JoséHumberto等人（2010）使用基于財務比率的DEA模型對中國11個主要港口的相對效率進行了檢驗[8]。

過去的港口效率研究中從港口的各個方面進行評價測量，但大多是定性分析，定量分析較少，并且幾乎沒有研究將營商環境這一指標納入分析范圍內。隨著研究方法的進步，學者們對于港口效率的研究也在不斷的理性和全面。生產投資、技術創新等方面的研究也廣泛使用數據包絡法，國內外的很多學者也將其運用到港口競爭力和效率的研究上。DEA模型克服了單輸入或者單輸出指標的局限性，免去了參數分析方法的一系列假設，很適合對復雜的港口系統運作體系進行測評。

國內對DEA方法在港口效率方面的使用也很成熟。楊華龍等學者（2005）利用數據包絡分析法，引入虛擬決策單元，定量分析了我國8大港口的相對效率[9]，孫才志等（2009）對中國港口城市的經濟運行相對效率進行評價[10]。匡海波（2007）使用超效率CCR模型，從投入成本的角度，對港口上市企業的經營效率進行量化測度[11]。劉名武等（2019）運用DEA-TOBIT兩階段法，對長江中上游的集裝箱港口運營效率進行測算，從內部和外部環境分析效率影響因素[12]，李順（2018）將環境代價納入評價體系，檢驗外部環境因素對港口環境效率的影響[13]。因此本文選取上海港口2006～2018年的數據，建立DEA模型。

1 上海港口效率評價模型

1.1 BCC-DEA模型。DEA是由美國的A.Charnes和W.W.Cooper等人一同提出的，綜合了數理經濟學和管理學，運籌學等多個學科的知識，利用線性規劃，以相對有效性為基礎的一種非參數分析方法，非常適合多投入多產出的單元。該方法不用主觀假設成本和績效之間的關系，更具有客觀性。針對單個研究對象的集規模收益可變的BCC-DEA模型如下，效率評估標準是在投入不變的情況下是否達到產出最大化。

其中：假設有n個DMU單元，單元DMUj（ j=1,2,…,n），且有投入變量xij（ j=1,2,3,…,m）和產出變量yrj（ r=1,2,3,…,s），分別為s個和m個，θ為決策單元的效率值，ε≥0為非阿基米德無窮小量，λ1,λ,…,λn為對偶變量最優解，s+、s-分別為投入和產出的松弛變量，當θ=1，s0+=s0-=0時，DMU有效。綜合效率反映港口整體的投入產出效率，純技術效率值表示港口對現有技術的利用程度以及管理水平高低的影響，規模效率則表示港口的經營規模是否達到最優狀態，在實際生產規模和最優生產規模之間作比較，根據綜合效率=純技術效率×規模效率，可以得到規模效率值。

1.2 SBM-DEA模型。BCC-DEA模型假設投入和產出是同比例的增減，SBM-DEA模型考慮了松弛變量，非徑向克服了徑向沒有考慮松弛變量的缺陷，因為不可能所有的投入和產出都是以相同的比例增減來使得DMU得到改進的。通過對松弛變量的優化，實現對投入和產出更加科學合理的反映。SBM-DEA模型的公式如下：

其中：xi0表示DMUj的i維投入變量，yr0表示DMUj的r維產出變量，其他變量含義同上。

1.3 Super-SBM-DEA模型。在BCC模型和SBM-DEA模型下，會出現多個效率值為1的有效DMU，這就意味無法對有效DMU的效率值再進行比較，它們的效率值也許不是相同的。Tone（2002）提出了Super-SBM-DEA模型[14]，將評價DMU從總體DMU中排除，將其他DMU作為參考集，因此會出現效率值大于1的情況，效率值越大則有效性越強。在規模收益設定為可變的情況下，超效率SBM-DEA的模型如下：

其中：變量含義同上。

2 評價體系構建

間接法和生產法作為已有文獻中對評價指標的分類結果被較多地使用（匡海波，2007）[15]。間接法將港口企業的生產經營數據作為評價指標，從港口公司的角度評價港口內部運營，后者則是將港口所處的大環境，基礎設施等作為指標，直接將港口作為研究主體。本文通過對已有文獻的閱讀和參考，選擇生產法的思想來進行指標的選擇。目前國內外關于港口效率的文獻中，絕大部分都是將集裝箱吞吐量作為輸出指標，這是體現港口競爭力的最直觀因素，在本文中輸出指標也定位集裝箱吞吐量（萬箱）和貨物運輸量（萬噸）作為產出指標。

在投入指標中，港口所處的宏觀環境包括很多因素，有經濟環境、法制體系、市場競爭、國家的政策環境等，但是DEA模型對指標數量有要求，DMU的數量要多于指標數目的3倍，如果將這些因素全部考慮進去，可能會因為指標之間有相關性而降低DEA方法的評價效果，如果片面地選取幾個指標，也會致使結果不具有參考意義。那么對這些因素的整合和提取就顯得尤為重要，鄧春等人（2017）利用因子分析法提取到綜合指標，對西南沿海港口群的港口競爭力進行得分的排名，找出海南港口發展的優勢和劣勢[16]。賴成壽等人（2018）在評價我國港口生產效率時，為確保指標不重復，對投入和產出變量進行因子分析，使分析更具有客觀性[17]。而營商環境是指市場主體從進入市場到退出過程中，涉及到的所有內外部環境的總和，上文中提到的港口城市所處的經濟環境、法制體系、政策支持與否，這都在世行評價“跨境貿易”這一項指標體系的考慮當中，如果以“跨境貿易”這一指標的分數來代替宏觀環境的多個因素，既省去了對多個影響因子的提取，又全面，而且上海跨境貿易這一指標的改善對港口發展有很大的促進作用。

除了“軟環境”，港口的硬件設施也是至關重要的，碼頭的泊位和碼頭長度都是港口規模的體現，也是船代和貨運公司考慮的重要因素，但由于Super-SBM-DEA以及對DMU的數量要求是不少于指標數的3倍，因此這里選取碼頭長度（萬米）作為港口設施中的投入變量。

綜上，本文將營商環境報告中上海“跨境貿易”指標的分數（x1），沿海碼頭長度（x2）作為投入變量，產出變量分別為集裝箱吞吐量（y1）和貨物吞吐量（y2），選取2006～2018年上海港口的相關數據，數據來源為《上海統計年鑒》和歷年官方發布的營商環境報告。

3 實證與結果分析

3.1 實證數據如表1所示。

3.2 測算結果。通過使用DEAP2.1軟件和DEA-Solver-Pro 5.0軟件，對上海港口的數據先后進行兩次分析，首先利用基于市場可能集規模收益可變的產出導向的BCC模型，發現結果中不只有一個有效單元，進而使用DEA-SOLVER軟件進一步測算，利用超效率Super-SBM-DEA中的非徑向角度可變規模收益模型，表2顯示了上海港口每年的投入產出效率情況。

3.3 結果分析。通過三種DEA模型的測算，各年的DMU結果如圖1所示。

在DEA的BCC模型分析下，2013年，2017年和2018年各效率指標均為1，為DMU有效，說明這些年份的投入和產出比例合適，港口管理者和碼頭公司等經營主體都充分利用了港口的宏觀環境和設施投入。其余年份規模效率均小于1，是無效的DMU。2006～2018年，上海港口的綜合效率有波動，2006～2008年呈下降趨勢，2008年成為近十幾年來最低，當時爆發的金融危機使得各國的經濟都受到了影響。純技術效率和投入規模均有不同程度的下降，且一直處于規模遞增階段，說明加大資源的投入將能提高港口的運營效率。然后從2010年綜合效率開始上升，在2013年達到了最優，隨后又下降，從2016年開始上升，2017和2018年連續兩年有效。純技術效率處于波動狀態，效率值從2006年的1經過三次起伏，最終在2017年回到1。規模報酬效率總體趨勢呈現“金字塔”型，先升再降，最后升至平穩有效狀態保持不變，除了2006年和2009年，其余年份均處于0.95～1之間，整體水平較高。從歷年的純技術效率和規模效率的變化情況可以發現，總體上純技術效率的平均值大于規模效率，表明上海港口總體資源配置率較高，投入的規模效率有待提高。2006～2018年的綜合效率平均值為0.905，純技術效率值0.932，小于規模效率平均值0.971，三者都沒有達到單元有效。

在SBM-DEA模型下，波動較BCC模型更大，整體趨勢和超效率SBM模型相近，但是效率最優值為1，因此出現不同年份效率值相同而無法比較的情況。在超效率Super-SBM-DEA模型下，進一步對有效單元效率進行統計，對2013，2017和2018年效率值更精確地計算，進一步排序得到，2017年效率值最高，其次是2006年、2013年，2018年效率值排名第四。

4 結論與建議

4.1 結論。通過DEA的BCC模型和Super-SBM-DEA模型對上海港口從2006～2018年的運行效率進行測算，并且將上海營商環境之一的指標—“跨境貿易”的分數作為港口宏觀環境的評價指標，構建上海港口效率評價體系。結果表明：（1）上海港口的綜合效率只有3個年份達到了單元有效，平均值為0.905，可以看到主要是純技術效率不足導致的，平均值僅為0.932，具體可以分為3個階段。（2）第一階段，2006～2009年，規模效率不斷上升，純技術效率的下降引起綜合效率也處于下降階段，這段時期港口的信息化建設處于起步階段，營商環境的改善沒有產生實質性的便利，通關效率未得到充分提高。第二階段，2010～2014年，規模效率處于整體下降趨勢，綜合效率不斷提高，這是純技術效率做出的貢獻，說明投入產出比例未得到平衡，港口沒有對規模予以適當控制。第三階段，2014～2018年，純技術和規模效率都在穩步上升，綜合效率在2017年實現有效，并持續保持，說明港口充分利用了大環境帶來的機遇和基礎設施的便利，在對標國際先進標準的目標下，建立“單一窗口”，降低收費標準，切切實實地提高了港口的運行效率，同時對資源進行重新分配，在資源配置上提高效率。

表1 上海2006～2018年港口數據

表2 各評測單元效率得分

圖1 各單元效率情況

4.2 建議。盡管上海港口在2017和2018年兩年都實現了綜合效率有效，但是從前面幾年來看，依然存在波動的情況，為更好提高港口的運行效率，提出以下建議：（1）提高投入資源的回報率，港口管理部門的信息化水平有待進一步提高，普及中小企業“單一窗口”的使用。從企業獲得感的角度出發，充分發揮營商環境的效用，減少中間環節，在降低收費的同時對各項費用明細公開。推進“智慧港口”的建設，深化“放管服”改革，優化港口的商業環境。同時加快基礎設施建設，港口泊位和碼頭的長度等設施規模適當擴大，硬件環境必須和“軟環境”同步配比，實現1+1大于2的效果。（2）整合港口資源，合理規劃港口作業、企業需求和物流模塊的協作，充分利用B2C以及區塊鏈技術，協調政府的宏觀調控，避免資源浪費和投入冗余，以科學發展的視角推進港口發展，與內陸城市經濟和外貿經濟實現內外聯動，加強與周邊港口的融合發展，這是迎接全球港口以及航運市場所必要的一步（王生，2019）[18]，發揮中國作為世界第一大貿易國的優勢，體現上海港作為中國先進港口的優越性。