基于DEA-Malmquist的長江中下游主要港口效率評價

賴秀艷 洪家祥

摘 要：為評價長江中下游港口效率，運用傳統DEA模型對2019年我國長江中下游主要港口進行靜態效率分析，運用Malmquist生產率指數對其2015-2019年間動態效率進行分析作為補充。實證結果表明：我國長江中下游主要港口總體效率偏低，純技術效率偏低和技術落后是主要原因，但整體生產率2015-2019年間顯示上升狀態;長江中游港口效率明顯低于下游港口效率;港口間效率差距較大。

關鍵詞：長江中下游;港口效率;DEA模型;Malmquist指數

中圖分類號：[U6-9] ? ? ? ? ? 文獻標識碼：A ? ? ? ? ? ?文章編號：1006—7973（2021）07-0024-03

長江航運是長江經濟帶發展的依托，是連接長江三角洲城市群、長江中游城市群、成渝城市群的交通運輸大動脈，港口作為長江航運的首要戰略節點，其效率的高低決定著沿江經貿往來的通暢與否。圍繞港口效率評價，國內外學者已經做了不少研究。龐瑞芝[1]運用DEA模型，將我國沿海50個港口作為為研究對象，選取了1999-2002年的相關數據，對港口的經營效率進行總體分析與評價。王玲[2]等運用三階段DEA模型，對2008年我國30個主要內河港口的效率進行了實證研究。劉名武[3]采用DEA-Tobit兩階段法研究長江中上游集裝箱港口效率，并分析了影響集裝箱港口運營效率的有關因素。總體來說，學者們對于長江中下游港口物流效率研究較少，且缺少動態效率的評價分析。因此，本文以長江中下游17個主要港口為研究對象，通過傳統DEA模型評價其靜態效率，運用Malmquist生產率指數模型評價其動態效率，以期對長江中下游港口效率進行更準確的評估。

1 研究方法與評價指標

1.1 DEA-Malmquist模型構建

數據包絡分析（Data Envelopment Analysis，DEA）是一種基于被評價對象間相對比較的非參數技術效率分析方法，其基本思想是根據多投入和多產出的一組決策單元，使用線性規劃模型得到有效前沿面，然后根據每個DMU與有效前沿面的距離來判斷是否有效。本文擬選擇規模報酬可變的投入導向BCC模型對港口效率進行靜態分析，經典BCC模型如下：

式中值越接近1，港口綜合效率越接近有效。港口綜合效率反映港口整體的投入產出效率，等于純技術效率與規模效率的乘積，其中，純技術效率反映的是港口對現有技術的利用程度以及管理水平，規模效率則表示港口的經營規模是否達到最優狀態。

Malmquist 指數方法是基于DEA 模型的動態分析方法，被廣泛用于測算生產率變化。Fare等將全要素生產率指數分解為技術效率變化指數和技術水平變化指數兩部分[4]。技術效率變化指數度量了 t + 1 期相對 t 期的技術效率變化程度。技術效率變化指數又可以進一步分解為規模效率（SE） 與純技術效率（PE） ，即：TEP= EFFTE= PESETE

式中： TEP為生產率變化指數，若 TEP> 1，表示生產能力提高，若 TEP< 1，則表示生產能力惡化;EFF為技術效率變化指數;TE為技術水平變化指數。

1.2 指標選取

本文在選擇指標時遵循通用可比性原則和客觀實用性原則，參考國內外相關文獻，結合數據的可得性，選取港口生產用泊位數量和碼頭長度兩個具有代表性的指標作為模型的投入指標，選取港口貨物吞吐量和集裝箱吞吐量作為產出指標。其中，港口泊位的數量影響船舶的流通速率和港口的運營效率，碼頭岸線長度不僅決定著泊位的數量和長度，還體現了資源利用效率和港口生產力水平;而港口吞吐量既是評估港口運營效果的主要依據，也是測度沿海區域綜合發展水平的重要計算指標[5]。在DEA 模型中，DMU的數量一般應不少于投入和產出指標數量的乘積，同時不少于投入和產出指標數量之和的三倍，此時模型的區分能力能夠達到比較高的水平。本文以17個長江中下游主要港口為研究對象，DMU數量為17，投入產出指標均為2個，滿足DEA模型對于指標數量的要求。本文所使用的數據來源于2015-2020年《中國統計年鑒》《中國港口年鑒》和相關部門公布的數據。

2 實證分析

2.1基于傳統DEA模型的港口效率靜態分析

本文利用DEAP2.1軟件中的BBC模型，對2019年我國長江中下游17個主要港口進行靜態效率研究，對各港口的物流效率進行測算，結果整理如表 1所示：

（1）長江中下游港口總體效率偏低。從綜合效率指數來看，平均值為0.739，表明長江中下游港口效率總體上僅達到相對有效水平。其中，純技術效率平均值為0.827，與前沿面相差0.173，低于規模效率平均值0.890，表明純技術效率是制約港口綜合效率的主要因素，因此，港口管理水平和技術利用程度的提升成為目前提高港口效率的關鍵。從規模收益來看，所有港口均處于遞增或不變狀態，發展較好。

（2）港口間效率差距較大。綜合效率達到DEA有效的港口僅有南京港和南通港，說明與其他港口相比，在規模、技術不變的情況下它們的投入和產出是相對合理的。綜合效率低于0.6的有宜昌港、黃石港、九江港和安慶港，處于無效狀態。其他港口綜合效率在0.6到0.9之間，處于相對有效水平，均有較大提升空間。從純技術效率來看，港口間差距明顯。武漢、岳陽、南京、揚州、常州、南通六港純技術效率達到DEA有效，而宜昌港和九江港則低于0.6，處于無效狀態，表明快速提高港口管理水平和技術水平是當務之急，其他港口純技術效率多在0.8左右，均有較大提升空間。從規模效率來看，港口間差距相對較小，絕大多數港口達到或接近DEA有效，表明各港口資源配置較為合理。但安慶港和黃石港規模效率分別為0.408、0.603，遠低于平均水平，應增加基礎設施的投入，以達到最佳規模。

（3）中游港口效率明顯低于下游港口。長江中游港口綜合效率、純技術效率、規模效率均值分別為0.625、0.726、0.863，低于長江下游港口的0.786、0.869、0.901，差距明顯。效率無效港口中有3/4位于中游，40%的中游港口效率屬于相對有效狀態，而91.6%的下游港口為相對有效狀態。以上數據均表明，長江中游港口和下游港口之間效率存在明顯差距，其中純技術效率差距較大，規模效率差距較小。原因可能有腹地經濟發展水平的影響，也有中游港口物流運作中自身還存在技術水平低下、港口規模與發展不匹配等問題。

2.2基于Malmquist指數的港口動態效率分析

以上基于傳統DEA模型進行的長江中下游主要港口效率的分析，只能體現2019年各港口的綜合效率，無法反映港口在一定時期內的動態效率變化。接下來利用Malmquist指數計算各港口的動態效率，如表2、表3所示：

（1）總體港口生產率變化分析。由表2可知，2015-2019年長江中下游主要港口全要素生產率指數均值為1.086，總體呈上升態勢，且研究期間每年的全要素生產率指數均大于1，表明長江中下游港口發展處于持續上升階段。分解來看，2015-2019年間技術效率均值為1.131，上升了13.1%，技術進步均值為0.978，下降了2.2%，說明港口管理水平和資源利用效率促進了港口全要素生產率的提高，而技術進步則抑制了全要素生產率的增長，可見，現階段長江中下游主要港口全要素生產率的提高重點應是技術的進步。

（2）港口間生產率變化分析。如表3所示，各港口生產率總體趨于上升趨勢。2015-2019年間，全要素生產率下降的有3個港口，宜昌港降幅達到了32.2%，其中純技術效率指數下降了25.6%，是其全要素生產率下降的主要原因。常州港和銅陵港的全要素生產率指數也有小幅下降，主要來自于技術進步指數的影響;其余14個港口全要素生產率指數均高于1，其中生產率增長較快的池州港、黃石港和武漢港，分別增長了32.3%、27.7%和25.2%，主要得益于純技術效率的快速上升，但其技術進步指數并未同步增長。同時，全部17個港口中有11個港口的技術進步變化處于倒退狀態，占比64.7%，這也進一步印證了技術進步對于當下長江中下游主要港口發展的重要性。

（3）流域間港口生產率變化分析。分流域來看，2015-2019年間長江中游港口和下游港口全要素生產率均值分別為1.092和1.097，全要素生產率變化差距較小，結合DEA模型靜態分析的結果，可以認為，長江中游港口效率明顯低于下游港口，但在2015-2019年間，中游港口的發展水平正逐漸向下游港口靠攏。

3 總結

基于DEA模型結果可以看出，2019年長江中下游港口綜合效率總體上處于相對有效水平，各港口間效率差距較大，中游港口效率明顯低于下游港口效率。其中純技術效率顯著低于規模效率，表明純技術效率低是港口效率不高的主要原因，應提高管理水平，加強員工技術培訓，充分利用投入資源以提高產出。基于Malmquist指數測算結果表明，在2015-2019年間，長江中下游主要港口整體生產率顯示上升狀態，但技術進步水平呈現出落后狀態。因此，需要重視設備的更新和先進物流技術的應用，增強港口物流活動的技術含量。同時，各港口應加快建設專業碼頭和集疏運網絡，提升港口競爭力，推動實現城港一體。

參考文獻：

[1]龐瑞芝. 我國主要沿海港口的動態效率評價[J]. 經濟研究，2006（06）：92-100.

[2]王玲，畢志雯. 基于三階段DEA模型的我國主要內河港口效率研究[J]. 產業經濟研究，2010（04）：40-48.

[3]劉名武，王玄霜. 基于DEA-Tobit的長江中上游集裝箱港口運營效率研究[J]. 數學的實踐與認識，2019，49（14）：36-46.

[4]FARER，GROSSKOPF S，NORRIS M，et al. Productivity growth，technical progress，and efficiency change in industrialized countries[J].American Economic Review，1994，84（ 1） ： 66-83.

[5]張建勇，王夢雅，王欣然，田思雨. 基于DEA模型的天津港港口效率分析[J]. 水運管理，2019 ，（11）：11-25.