福建省沿海港口物流效率研究
——基于DEA-Tobit 模型

曹光求 （廈門大學嘉庚學院，福建 漳州 363105）

0 引 言

2015 年3 月28 日，國務(wù)院授權(quán)發(fā)布了《推動共建絲綢之路經(jīng)濟帶和21 世紀海上絲綢之路愿景與行動》規(guī)劃，21 世紀海上絲綢之路圈定了上海、福建、廣東、浙江和海南5 省市，其中福建省被定位為“21 世紀海上絲綢之路核心區(qū)”。福建省政府相關(guān)部門隨后發(fā)布了《福建省21 世紀海上絲綢之路核心區(qū)建設(shè)方案》，其中明確提出構(gòu)建以福建港口城市為海上合作戰(zhàn)略支點，加快集約化、專業(yè)化、規(guī)模化港口群建設(shè)。由此可見，“海上絲綢之路核心區(qū)”相關(guān)政策方案為福建沿海港口帶來重大發(fā)展契機。但同時也要清楚認識當前福建港口發(fā)展可能存在的問題：整體物流效率如何？受哪些因素的影響？如何提升沿海港口的物流效率？要分析和解決這些問題就需要對福建沿海港口的物流效率進行監(jiān)測評估，并對其影響因素進行分析，為港口物流發(fā)展決策提供理論依據(jù)，有利于政策引導，推進21 世紀海上絲綢之路核心區(qū)建設(shè)。

1 文獻綜述

港口物流效率評價方面，近年來已經(jīng)開展了大量相關(guān)研究。國內(nèi)外學者的研究普遍采用的是數(shù)據(jù)包絡(luò)分析模型（DEA），以傳統(tǒng)的CCR-DEA、BBC-DEA 模型為基礎(chǔ)，超效率DEA 模型、SBM-DEA 模型、DEA-Malmquist 模型、網(wǎng)絡(luò)DEA 等模型被越來越廣泛應(yīng)用于物流效率評價。目前主要的研究角度有兩種：一是基于港口運營企業(yè)角度，二是基于港口自身的投入產(chǎn)出角度。前者基于運營企業(yè)角度的研究主要是采用上市公司發(fā)布的數(shù)據(jù)，如匡海波采用國內(nèi)13 家上市港口公司2004 和2005 年數(shù)據(jù)，用超效率DEA 模型對公司的成本效率進行評價。孫柯洋等結(jié)合因子分析與超效率DEA，采用2008 年13 家上市公司的數(shù)據(jù)對其經(jīng)營效率進行分析。后者基于港口自身投入產(chǎn)出的角度直接對港口的物流效率進行評價，相關(guān)研究也更豐富。如吉阿兵等運用超效率DEA 模型對全球16 個主要集裝箱港口的績效進行了評價和排序。龐瑞芝應(yīng)用BCC-DEA 模型對50 個沿海港口1999～2002 年的經(jīng)營效率進行分析與評價，應(yīng)用Malmquist 指數(shù)分析港口的效率變動情況。王曉慧結(jié)合因子分析、BBC-DEA 和超效率DEA 對2011 年我國15 個沿海港口的效率進行了測評。Peter F Wanke 等基于兩階段DEA 模型分析了公共部門與私營部門的合作關(guān)系對巴西港口效率的影響。鄭琰等運用DEA 模型對連云港2008～2017 年物流效率進行了評價，發(fā)現(xiàn)資源配置不合理，服務(wù)經(jīng)營管理效率低等問題。

港口物流效率影響因素分析方面，考慮的因素主要分為兩個方面：即港口（或港口企業(yè)） 內(nèi)部因素和外部環(huán)境因素。分析模型主要用到Tobit 回歸模型和隨機前沿分析（SFA） 模型。如James Odeck 等采用SFA 模型來分析海港平均技術(shù)效率，比較了固定效應(yīng)和隨機效應(yīng)回歸模型，發(fā)現(xiàn)隨機效應(yīng)回歸模型更優(yōu)。倪志敏等應(yīng)用Tobit 模型對廣東省8 個港口物流效率的影響因素進行分析，發(fā)現(xiàn)港口物流信息化水平和陸運集疏運能力影響大于其他外部因素。

綜上所述，對于港口物流效率評價主要是基于DEA 模型及其拓展模型對港口或港口企業(yè)進行測評，然后根據(jù)測評結(jié)果分析其影響因素。現(xiàn)有研究對于港口物流評價指標體系沒有一致的標準，往往取決于數(shù)據(jù)的可得性和研究視角的不同。

2 港口物流效率評價分析模型

2.1 DEA 效率模型。采用傳統(tǒng)DEA 模型對港口物流效率評價，一般選擇投入導向的BBC 模型，任一決策單元（DMU），投入導向下對偶形式的BCC 模型可表示為：

其中：j=1,2,…,n 為決策單元個數(shù)，X,Y 分別為投入和產(chǎn)出向量，θ 是決策單元的有效值，S和S分別表示投入剩余量和產(chǎn)出的不足量。若θ=1, S=S=0，則決策單元為DEA 有效；若θ=1, S≠0 或S≠0，則決策單元為弱DEA 有效；若θ＜1，則決策單元為非DEA 有效。該模型計算的效率值為綜合技術(shù)效率（crste ）、純技術(shù)效率（vrste ）和規(guī)模效率（scale ），其中scale=crste/vrste。

2.2 Tobit 回歸模型。托賓（Tobin） 于1985 年首次提出Tobit 模型，屬于受限因變量模型，適合因變量不連續(xù)難以計算的情形。CCR 和BCC 模型測量出來的效率值是0～1 之間的離散值，作為因變量，而解釋變量取實際值，因此適合Tobit 模型用最大似然法進行回歸分析。Tobit 模型如下：

3 實證與結(jié)果分析

3.1 評價指標選取。基于港口運營企業(yè)角度，現(xiàn)有相關(guān)研究主要選擇企業(yè)固定資產(chǎn)、員工人數(shù)、主營業(yè)務(wù)收入、營業(yè)利潤、每股收益等指標。但實際上港口參與運營的企業(yè)很難一一對應(yīng)，存在多家企業(yè)參與運營一個港口和一家企業(yè)參與運營多個港口的情況，并且港口運營企業(yè)的數(shù)據(jù)比較難以獲得。所以本文選擇基于港口自身投入產(chǎn)出角度進行指標選取。總結(jié)眾多學者選擇的指標體系，多數(shù)研究的產(chǎn)出指標選擇貨物吞吐量和集裝箱吞吐量。投入指標主要涉及到港口基礎(chǔ)設(shè)施設(shè)備、集疏運能力等方面。碼頭長度、泊位數(shù)、萬噸級泊位數(shù)、堆場面積、起重機數(shù)量等是港口基礎(chǔ)設(shè)施設(shè)備方面具體指標。集疏運能力方面的指標也沒有統(tǒng)一標準，港口內(nèi)鐵路總長、腹地公路和鐵路總里程數(shù)、公路和鐵路貨運量等直接和間接指標都有，指標之間有較大的相關(guān)性。

綜上分析，結(jié)合福建省沿海港口發(fā)展的實際情況和數(shù)據(jù)可獲得性，本文選擇貨物吞吐量和集裝箱吞吐量作為產(chǎn)出指標。選取生產(chǎn)用碼頭泊位長度、生產(chǎn)用碼頭泊位數(shù)、萬噸以上碼頭泊位數(shù)、港口城市貨運量、港口城市貨物周轉(zhuǎn)量作為投入指標，反映港口基礎(chǔ)設(shè)施和腹地集疏運能力兩個方面，具體如表1 所示。

表1 福建省港口物流投入產(chǎn)出指標

3.2 數(shù)據(jù)來源與數(shù)據(jù)處理。投入和產(chǎn)出指標數(shù)據(jù)來源為《中國港口年鑒》、各港口城市的統(tǒng)計年鑒和福建省統(tǒng)計年鑒。跟蹤了福建省福州港、廈門港、泉州港和莆田港4 個沿海港口，2014～2019 連續(xù)6 年的數(shù)據(jù)。決策單元數(shù)量下限一般是輸入輸出指標總數(shù)的2 倍以上，而指標變量過多不利于DEA 模型分析。此外考慮到投入指標中存在結(jié)構(gòu)維度，所以有必要對投入變量進行主成分因子分析來實現(xiàn)降維。利用SPSS 軟件進行主成分因子分析，KMO=0.680，Bartlett 球形度檢驗P＜0.0001，結(jié)果說明上述5 個投入變量適合作因子分析。投入指標數(shù)據(jù)的特征根、方差貢獻率如表2 所示，主成分負載矩陣如表3 所示。從表3 中可以得出，5 個輸入指標變量可以提取兩類因子。其中X、X、X為一類主成分，對應(yīng)港口的基礎(chǔ)設(shè)施。X、X為第二類主成分，對應(yīng)港口腹地集疏運能力。因為SPSS 運算得到的主成分得分數(shù)據(jù)含有負數(shù)值，為滿足DEA 模型的非負約束條件，以數(shù)e （≈2.7183 ）為底，以主成分得分數(shù)據(jù)為冪進行轉(zhuǎn)換運算（即EXP 函數(shù)），得到2 組符合條件的輸入變量。同時考慮指標數(shù)據(jù)量綱的差異，對輸出指標進行標準化，標準化數(shù)據(jù)含有負數(shù)值，因此同樣采用EXP 函數(shù)進行轉(zhuǎn)換。

表2 投入指標的方差解釋

表3 投入指標變量的主成分負載系數(shù)矩陣

3.3 DEA 模型效率分析。使用Deap2.1 軟件對處理好的樣本數(shù)據(jù)進行DEA 效率分析，結(jié)果如表4 所示。

表4 福建省2014～2019 年沿海港口效率評價結(jié)果

從表4 的數(shù)據(jù)來看，福建省4 個主要沿海港口的物流綜合效率是廈門港最高，均值為0.996，其次是泉州港，均值為0.965。其中廈門港除了2016 年之外，其他5 年均達到了DEA 有效。泉州港除了2014 年、2015 年之外，其他4 年均達到了DEA 有效。福州港物流綜合效率較低，均值為0.606，其純技術(shù)效率相比最低，均值為0.664，主要依靠規(guī)模效率，均值為0.902。莆田港的物流綜合效率最低，均值只有0.432，但其純技術(shù)效率比較高，均值為0.958，主要是規(guī)模效率低下所致，其均值為0.450。從規(guī)模報酬來看，基本處于規(guī)模報酬遞增狀態(tài)。從年份上看，福州港自2018 年以來綜合效率增長明顯，2019年達到了DEA 有效。

3.4 Tobit 回歸分析。影響港口物流效率的因素是復雜多樣的，借鑒相關(guān)研究重點考慮港口自身因素、腹地集疏運能力因素以及外部社會經(jīng)濟因素。具體包括了DEA 評價體系中的投入和產(chǎn)出指標，還考慮外部社會經(jīng)濟環(huán)境的影響，因此選取了港口城市的GDP（億元）、常住人口（萬人）、第三產(chǎn)業(yè)占比（%）、進出口總額（萬美元），依次以X～X代表，數(shù)據(jù)來源為福建省和各市統(tǒng)計年鑒，其描述統(tǒng)計結(jié)果如表5 所示。

表5 2014～2019 年福建港口經(jīng)濟環(huán)境變量的描述統(tǒng)計

將DEA 模型測算的綜合技術(shù)效率（crste ）、純技術(shù)效率（vrste ）和規(guī)模效率（scale ）分別作為因變量，將影響港口物流效率的內(nèi)外部因素作為自變量，構(gòu)建Tobit 回歸模型如下：

采用Stata15.0 完成上述回歸模型的計算過程，結(jié)果如表6 所示。

表6 Tobit 回歸結(jié)果

4 結(jié)論與建議

通過DEA-Tobit 模型對2014～2019 年福建4 個沿海港口物流效率進行評價分析發(fā)現(xiàn)：

（1） DEA 評估結(jié)果顯示廈門港和泉州港的綜合技術(shù)效率處于較高水平，近年都達到了DEA 有效。福州港物流綜合效率較低，主要原因在于純技術(shù)效率較低，但進步顯著，2019 年達到DEA 有效。莆田港物流綜合效率最低，主要由規(guī)模效率低下所致。

（2） Tobit 回歸結(jié)果表明貨物吞吐量與綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率均在1%水平上顯著，系數(shù)為正。集裝箱吞吐量對綜合技術(shù)效率和純技術(shù)效率不顯著，而對規(guī)模效率在1%水平上顯著，且系數(shù)為負，反映了除廈門港是屬于集裝箱干線港地位之外，其他港口的集裝箱吞吐量規(guī)模較小。生產(chǎn)用碼頭泊位長度、生產(chǎn)用碼頭泊位數(shù)量和萬噸級以上碼頭泊位數(shù)，這些基礎(chǔ)設(shè)施因素的回歸系數(shù)多數(shù)為負，存在顯著的負影響。

（3） 港口城市貨運量和貨物周轉(zhuǎn)量對三種效率的回歸系數(shù)均為正，并且在1%水平上顯著，說明腹地城市集疏運能力的提高能顯著提高港口物流效率。腹地港口城市GDP 對規(guī)模效率是顯著負影響，對綜合技術(shù)效率和純技術(shù)效率回歸系數(shù)為負，但不顯著。城市常住人口對綜合技術(shù)效率和純技術(shù)效率是顯著的負影響，但對規(guī)模效率是顯著正向影響。第三產(chǎn)業(yè)占比和進出口總額對綜合技術(shù)效率的回歸系數(shù)均為正，對純技術(shù)效率的回歸系數(shù)均為負，但都不顯著，而對規(guī)模效率均為顯著正向影響。

針對福建省4 個沿海港口的物流效率評估分析結(jié)果，結(jié)合港口發(fā)展現(xiàn)狀，建議福建省提升港口物流效率從以下幾個方面加強：一是積極融入國家“一帶一路”布局，積極開展與東盟等海外港口合作和行業(yè)交流，加快“絲路海運”航線的拓展，增加外貿(mào)規(guī)模對港口物流效率的提升作用。二是提升廈門、福州、湄洲灣3 個區(qū)域港口的發(fā)展協(xié)調(diào)能力，強化港口資源優(yōu)化配置，實現(xiàn)全省港口運營企業(yè)的管理一體化。三是適度擴建港口，避免基礎(chǔ)設(shè)施的盲目投資。港口基礎(chǔ)設(shè)施的指標變量回歸系數(shù)為負值，說明存在盲目擴大規(guī)模情況。合理規(guī)劃，適時對基礎(chǔ)設(shè)施改造升級，優(yōu)先考慮提升現(xiàn)有港口資源的配置效率。四是加快發(fā)展“海鐵聯(lián)運”、“水水中轉(zhuǎn)”等業(yè)務(wù)服務(wù)，構(gòu)建以港口為樞紐，鐵路、公路、海運和空運相互銜接的集疏運網(wǎng)絡(luò)，建設(shè)港口集疏運協(xié)同平臺，不斷提升集疏運能力。五是加快智慧物流港口建設(shè)。應(yīng)用5G 商用網(wǎng)絡(luò)、區(qū)塊鏈、人工智能、自動駕駛等技術(shù)，進一步推進“智慧港口”示范工程，全面落地遠程操控、智能理貨、電子提單等無紙化作業(yè)，提升港口服務(wù)作業(yè)效率。