考慮碳排放與氮排放的中國沿海主要港口效率測度研究

摘 要：港口作為國際運輸的樞紐和對外經貿的支撐點，參與經濟腹地資源要素分配。港口物流通過其輻射作用對相關產業產生強大的凝聚效應和拉動效應。然而，“雙碳”背景下，要求傳統港口運作模式向低污染、低能耗、可持續發展模式轉變。文章采用基于非期望產出的Super-SBM模型與Global-Malmquist-Luenberger指數模型對2012—2021年中國沿海24個港口效率進行測度研究。研究結果表明：中國沿海主要港口的靜態效率存在明顯差異，港口效率都有不同程度的提高，但大多數效率低于1，仍有改善空間；沿海港口動態效率呈現“W”型的波動增長趨勢；港口技術效率變動指數受資源配置及技術進步影響實現正增長。港口技術進步變動指數有明顯改善，對提升整體效率作用顯著。

關鍵詞：沿海港口；GML指數；非期望Super-SBM模型；效率

中圖分類號：F552.3；U691 文獻標志碼：A DOI：10.13714/j.cnki.1002-3100.2024.14.013

文章編號：1002-3100（2024）14-0064-05

Efficiency Measurement of Major Coastal Ports in China Considering Carbon and Nitrogen Emissionns

XUE Qi，ZHAO Na （School of Logistics and E-Commerce， Zhejiang Wanli University， Ningbo 315100， China）

Abstract： As the hub of international transportation and the support point of foreign trade and economy， ports participate in the allocation of economic hinterland resources. Port logistics has strong cohesion effect and pull effect on related industries through its radiation effect. However， under the background of \"double carbon\"， the traditional port operation mode is required to change to the mode of low pollution， low energy consumption and sustainable development. This paper use the Super-SBM model based on non-expected output and the Global-Malmquist-Luenberger index model to measure the efficiency of 24 coastal ports in China from 2012 to 2021. The results show that there are obvious differences in the static efficiency of major coastal ports in China， and the port efficiency has been improved to different degrees， but most of the efficiency is lower than 1， and there is still room for improvement， that the dynamic efficiency of coastal ports presents a \"W\" -shaped fluctuating growth trend， and that the change index of port technical efficiency is affected by resource allocation and technological progress to achieve positive growth. The change index of port technological progress has been significantly improved， which has a significant effect on the overall efficiency.

Key words： coastal ports; GML index; undesirable Super-SBM model; efficiency

0 引 言

在2030年前實現“碳達峰”、2060年前實現“碳中和”是我國經過深思熟慮提出的重大戰略決策，而交通運輸業是社會主要碳源之一[1]，應當為國家實現“雙碳”目標做出應有貢獻。港口是其中與碳議題高度相關的行業，具有全球連通和聯動性的特點，并且船舶氮氧化合物排放量高。因此，對碳議題及氮氧化物排放的及時思考與策略制定尤為重要。根據相關統計數據，2022年中國港口貨物吞吐量高達156.8億噸，集裝箱吞吐量達到2.96億TEU，且呈現穩定增長的趨勢，港口貨運的能源消耗在整個交通運輸業中占有較大比重[2]。因此，統籌協調港口業的減碳和經濟發展工作，對實現港口行業高質量發展具有重要意義。于是，基于國家政策的引導和現實的需要，本文參考其他學者研究成果，使用Super-SBM模型和Global-Malmquist-Luenberger指數模型，在考慮二氧化碳排放量和氮氧化物排放量基礎上對沿海主要港口進行靜態效率和動態效率測度，分析沿海港口效率變化趨勢，客觀展現近年來中國港口效率的發展現狀，對今后的港口規劃和低碳化發展提供一定的借鑒價值。

1 文獻綜述

港口效率測度研究方面，現有的研究成果主要是基于不同的方法模型對港口群或港口企業進行效率測度。主要包括代數指數法、隨機前沿分析法和數據包絡分析。為考察全要素生產率的變化，學者一般使用數據包絡及其衍生模型對全要素生產率進行測度與分解。

傳統DEA徑向模型不能對決策單元的松弛變量進行非徑向調整。因此，Tone[3]提出了將松弛變量納入目標函數的非徑向SBM（Slacks-Based Measure）模型，以減小測算結果的誤差。考慮到港口生產運營過程中必然會產生非期望產出。于是，Tone等[4]在模型中納入非期望產出，減小計算結果與真實效率值的偏差。李建豹等[5]采用SBM模型與窗口分析相結合的方法，研究發現長三角地區碳排放效率存在地區差異性。邵言波等[6]使用GML模型測算港口綠色低碳效率，研究認為大多數港口需要關注碳排放管理，改善港口綠色低碳效率。劉翠蓮等[7]利用SBM模型評估發現沿海港口2014—2019年的綠色發展效率呈上升趨勢。因此，本文選用基于非期望產出的超效率SBM模型進行測度。

目前，諸多學者使用Malmquist指數研究不同領域內動態效率問題，但該模型無法考慮涉及非期望產出的情況，在港口動態效率測度上顯然已經脫離港口運營的現實情況。因此，考慮到本文納入碳排放與氮氧化物等非期望產出指標，故采用全局參比的Global-Malmquist-Luenberger指數模型。目前，國內學者在港口領域較少使用該模型，其一般應用于農業、建筑業的研究中。馬越越等[8]基于2017—2021年全國各省份建筑業數據，運用超效率SBM-GML指數模型分析了我國建筑行業安全水平的地區差異性。杜建軍等[9] 使用GML指數考察鄉村數字化建設與農業綠色全要素生產率的關系。

2 模型構建

2.1 港口效率測度模型

2.1.1 Super-SBM模型

在港口效率測度中，考慮到指標體系中的非期望產出以及使用徑向DEA模型可能產生變量松弛問題，構建Super-SBM模型可以有效解決松弛變量對效率的影響。同時，該模型可以解決多個決策單元效率同時為1的情況，有利于對效率前沿DMU進行評價。本文使用的基于非期望產出的Super-SBM模型具體公式如下。

其中：α為效率值，j為各港口，n為港口數量，m、k1、k2為投入變量、期望產出和非期望產出的指標數量，作為投入、期望產出和非期望產出的松弛變量，是權重系數，是投入產出指標量，α≥1，表明決策單元有效；α≤1，則表明決策單元存在效率改善空間。

2.1.2 GML指數模型

GML指數是引入方向距離函數、非期望產出和全局參比的ML指數，通過全局效率前沿比較得到效率值，具有跨期傳遞的優勢。考慮到研究時間的跨度以及港口效率的跨期變化引入GML指數。同時，該指數模型還可以分解為技術進步指數（GTC）和技術效率指數（GEC）以探究效率變化的原因。GML指數可表示如下。

其中表示t期到t+1期的港口效率。當GML＞1，說明較上期生產率得到提高，反之則下降；GEC＞1，說明技術效率較上期改善，反之則表示技術效率退步。GTC＞1說明效率前沿面向前移動，發生技術進步，反之說明技術退步。

2.2 指標體系與數據來源

2.2.1 指標體系構建

在遵循指標選取的原則下，考慮到港口自身特性以及數據的可獲得性，本文選取青島港、大連港、天津港、海口港、上海港、寧波舟山港等24個沿海港口為研究對象，以2012—2021年各港口生產數據為決策單元，結合港口減排理念選取港口碳排放量、港口船舶氮排放量作為非期望產出。本文港口碳排放量估算方法采用GHG協議的核算方法，參考戈艷艷等的研究[10]，港口氮氧化物排放量估算方法參考孫柯洋[11]的樣本船估算方法。指標體系與描述性統計如表1所示。

2.2.2 數據來源

港口數據主要通過《中國港口統計年鑒》《中國統計年鑒》《中國城市統計年鑒》和各地國民經濟和社會發展統計公報、各地方統計局網站等整理或計算間接獲取。

3 結果分析

3.1 港口靜態全要素生產率分析

本文使用Maxdea-Ultra9軟件，基于非期望產出Super-SBM模型測度2012—2021年中國沿海24個港口的靜態效率指數，測算結果如表2所示。

從總體上看，2012—2021年中國沿海港口綜合技術效率均值在0.715～0.763之間起伏，說明我國沿海港口效率在近十年中相對穩定，港口資源大多得到有效利用，存在一定的改善空間。其中2013—2017年受益于我國經濟快速增長，港口行業綜合技術效率值穩步提高。2018—2021年期間，受國內外經濟和社會形勢影響，港口行業產出受到一定程度的沖擊，導致綜合技術效率明顯下降；從局部上看，根據港口綜合技術效率平均值以及排名情況，有6個港口綜合技術效率值大于1，即該DMU實現SBM有效。表明這些港口都處于效率前沿，港口投入與產出達到比較理想的狀態。其中靜態效率較高的港口分別為青島港、深圳港、廣州港、日照港，年平均效率值分別達到1.1732、1.151、1.034、1.031，主要原因是投入產出比例適合、港口裝卸效率較高、單位產出的吞吐量較高以及對環境污染的控制較好。例如，青島港近年來持續推動港口建設，由勞動密集型港口向技術密集型轉變，多次刷新自動化碼頭裝卸效率紀錄，已經建設成為低成本、低排放、高效率的智慧港口。目前，深圳港已經建成38個大型深水泊位以提供岸電服務，推廣清潔能源使用規模，著力做好港口數字化、港口平臺化，優化海關業務流程，已經成為國內一流的綠色港口、智慧港口。這些港口在日常生產運營方面已經相對成熟，而且在節能減排建設上實現了港口可持續高質量發展。此外，有18個港口有部分或者全部年份未達到SBM有效。例如上海港和寧波舟山港分別作為集裝箱吞吐量第一大港和中國貨物吞吐量第一大港，港口效率僅排在第十位和第十三位，說明吞吐量高的港口不一定能促進港口效率的提升，港口資源大規模投入的同時也可能產生冗余。其中福州港、欽州港、溫州港、汕頭港的港口綜合技術效率排名最低。該部分港口可能存在吞吐量規模較低、資源配置冗余、控制污染物排放水平較差等問題，導致綜合技術效率值較低，存在較大的改進空間。

3.2 港口動態全要素生產率分析

通過Global-Malmquist-Luenberger指數模型，基于面板數據計算并獲得了2012—2021年中國沿海主要港口GML指數及其分解指數的年平均值，結果如表3和表4所示。

從動態效率指數上看，研究期間中國沿海主要港口GML指數年平均值為1.039，說明這一時期內港口行業整體效率在穩步提高。同時，該周期內的港口動態效率平均增長3.9％，GML指數曲線呈現出下降—上升—下降—上升的“W”型變化趨勢，實現波動增長。其中2012—2016年GML指數呈現正增長，但增長速度有所下降。2017—2018年港口動態效率增長幅度達到6.6%，2017—2021年GML指數呈現加速增長的趨勢。其次，24個港口之間的動態效率平均值差異非常小，除了營口港之外的各港口動態效率的年平均值都大于1，尤其是廣州港、欽州港和汕頭港，GML指數均值分別達到1.089、1.083、1.071，效率提升效果顯著。這些港口在基礎設施建設方面有了更好的技術支持，得到快速發展。欽州港和汕頭港的動態效率均值排名第二、第三位，而靜態效率僅為0.484和0.449，這說明部分港口雖然整體效率不高，但是在港口物流技術應用、管理水平以相關投入規模的合理程度上持續快速改善，能夠在低效率水平下快速增長。

圖1展示了樣本期內研究港口的GML指數及其分解指數的趨勢變化，反映各項指標在研究期間的變化情況。整體上看，港口技術效率變動指數（GEC）年平均值為1.003，在2014—2017年呈現上漲趨勢，其余年份該指標均值小于1。其中2015年上漲幅度最高，達到4.7%，2012—2013年下降幅度較大，為2.7%。表明技術效率變動指數對GML指數推動作用較小，主要原因是純技術效率變動指數和規模效率變動指數增長緩慢。港口技術進步變動指數（GTC）年平均值為1.037。與GML指數變化形勢接近，呈現出“W”型增長趨勢，對指數存在顯著的推動作用。其中2015—2016年技術進步變動指數為0.966，技術進步變動指數下降幅度為3.4%，2017—2018年技術進步變動指數增幅最大，達到8.9%。表明港口動態效率的提升主要得益于各港口注重物流技術的創新，支持智慧化港口建設，顯著提高了港口生產運營水平。

4 結論與建議

本文對2012—2021年中國沿海港口靜動態效率進行測度，通過對數據進行分析，得出以下結論。第一，基于對沿海港口靜態效率的研究，發現使用Super-SBM模型可以有效區分港口效率差異，部分港口如青島港、深圳港等積極引進先進的管理模式及物流技術，處在港口效率的第一梯隊。但大多數港口仍存在一定的改善空間。第二，基于對沿海港口動態效率的研究，發現GML指數呈現 “W”型跨期變化，總體呈波動上升趨勢。技術效率變動指數較低，技術進步變動指數有明顯改善。大部分港口擴大期望產出的同時，也在關注二氧化碳及氮氧化物等非期望產出的排放控制。第三，為提升中國沿海主要港口靜態及動態效率，港口應該加強對內部物流資源的協調與控制，借鑒和改善內部管理模式。此外，將進一步減少非期望產出作為港口行業可持續發展的新目標，促進國家“雙碳”目標的實現。

參考文獻：

[1] 李慶祥．我國水路運輸碳排放現狀及減碳路徑分析[J]．交通節能與環保，2021，17（2）：1-4．

[2] 張宜民．港口行業實現碳達峰與碳中和目標的挑戰及對策[J]．中國港口，2021（10）：16-19．

[3] TONE K．A slacks-based measure of efficiency in data envelopment analysis[J]．European Journal of Operational Research，

2001，130（3）：498-509．

[4] TONE K．Dealing with undesirable outputs in DEA： A slacks-based measure （SBM） approach[J]．Presentation at NAPW III，

Toronto，2004，4（5）：44-45．

[5] 李建豹，黃賢金，揣小偉，等．長三角地區碳排放效率時空特征及影響因素分析[J]．長江流域資源與環境，2020，29（7）：1486-1496.

[6] 邵言波，邵羽冰．“一帶一路”中國沿線主要港口碳排放效率評價研究[J]．經濟問題， 2023，3（5）：22-30．

[7] 劉翠蓮，衡麗娜，戰思綺．我國沿海港口綠色發展效率時空演化[J]．上海海事大學學報， 2022，43（3）：75-82．

[8] 馬越越，閆小麗，王維國．中國物流業綠色全要素生產率時空格局和收斂趨勢研究[J]．系統科學與數學，2023，43（9）：2211-2231.

[9] 杜建軍，章友德，劉博敏，等．數字鄉村對農業綠色全要素生產率的影響及其作用機制[J]．中國人口·資源與環境，

2023，33（2）：165-175．

[10] 戈艷艷，王姍姍．考慮碳排放的港口全要素生產率及影響因素分析[J]．交通運輸系統工程與信息， 2021，21（2）：22-29．

[11] 孫柯洋．基于超效率DEA模型的港口綠色度研究[D]．上海：上海交通大學，2010．

收稿日期：2023-12-15

作者簡介：薛 奇（1999—），男，江蘇蘇州人，浙江萬里學院物流與電子商務學院碩士研究生，研究方向：港口物流與供應鏈管理；趙 娜（1979—），女，遼寧鞍山人，浙江萬里學院物流與電子商務學院，教授，博士，碩士生導師，研究方向：港口物流與供應鏈管理。

引文格式：薛奇，趙娜．考慮碳排放與氮排放的中國沿海主要港口效率測度研究[J]．物流科技，2024，47（14）：64-68.