我国内河港口与沿海港口的效率对比
开篇：润墨网以专业的文秘视角，为您筛选了一篇我国内河港口与沿海港口的效率对比范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘 要：本文运用共同边界（meta-frontier）技术和序列SBM-DEA方法，对2006-2009年我国14个内河港口和17个沿海港口的效率进行对比分析，结果表明：我国港口总体效率偏低，近几年甚至出现下滑趋势，而货物吞吐量产出不足是我国港口效率低下的根本原因；沿海港口技术代表了共同边界技术，而内河港口技术则落后于沿海港口技术；尽管与共同边界的技术落差在逐渐缩小，但内河港口无论是规模还是效率都远远低于沿海港口，产出严重不足导致的规模不经济和资源浪费现象十分严重。因此，内河港口效率提升的重点在于参考沿海港口，提高技术水准。最后，本文提出了提升内河港口效率的对策建议。
关键词：内河港口；沿海港口；共同边界；序列SBM-DEA；组群效率
中图分类号： 文献标识码： 文章编号：
一、引言
改革开放以来特别是近10年来，我国内河水运建设与发展取得了显著成绩，形成了以长江、珠江、京杭运河、淮河、黑龙江和松辽水系为主体的内河水运格局，内河航道通航里程位居世界第一，长江干线已成为世界上运量最大、运输最繁忙的通航河流，对促进流域经济协调发展发挥了重要作用。但是我国内河水运发展水平远低于沿海港口，与综合运输体系发展的要求存在较大差距。2011年1月，国务院颁布《关于加快长江等内河水运发展的意见》，标志着加快内河水运发展上升为国家战略，内河水运成为综合运输体系的战略重点之一，内河水运发展迎来了新一轮重大发展机遇。
内河水运是国家综合运输体系和水资源综合利用的重要组成部分，具有运能大、占地少、能耗低、污染小、安全可靠等特点，是我国实现经济社会可持续发展的重要战略资源。但是，我国内河水运的优势和潜力尚未充分发挥，存在高等级航道里程少，规模化、专业化港区不足，船舶船型标准化程度低，港口集输运输方式落后等诸多问题。本文从效率的角度，运用共同边界和序列SBM-DEA技术，分析内河港口与沿海港口的差距及原因，提出改进方向和建议，以利内河水运的健康发展。
二、文献综述
数据包络分析方法（DEA）是一种基于多投入、多产出来评价对象相对有效性的效率评价方法，最初由美国运筹学家Charnes等人在相对有效性概念基础上发展出来的一种系统评价方法[1]。近些年，DEA被广泛应用于港口效率的评价。Tongzon应用DEA-CCR模型和DEA-Additive模型，对澳大利亚4个港口和其他12个国际集装箱港口效率进行分析排名[2]。Cullinane等将DEA窗口分析方法用于港口工业的效率评价，运用1992-1999年世界各地主要25个集装箱港口的面板数据，进行了效率分析[3]。匡海波等运用DEA港口生产效率评价模型和主成分分析法，对大连港等8个国内主要港口生产效率进行排序，分析了影响港口生产效率的主要因素[4]。庞瑞芝利用DEA对我国50家主要沿海港口1999-2002年的经营效率进行分析与评价，并运用Malmquist生产率指数分析了沿海港口的动态效率[5]。王玲等运用三阶段DEA方法，对我国30个主要内河港口效率进行了研究[6]。李兰冰等运用DEA和Malmquist全要素生产率指数，对16个沿海港口的动态效率及竞争地位和竞争态势进行评价[7]。
综上可以看出，第一，目前研究大都集中在沿海港口效率的分析上，对内河港口的研究十分缺乏。第二，所有研究均采用当期DEA进行测算，容易导致测算中出现技术退步现象。第三，研究大多建立在决策主体技术水平相同的假设条件下，忽略了现实中技术水平的差异性。第四，研究模型在一定程度上都具有径向性和角度性的缺陷 。后三个问题广泛存在于当前的效率评价研究中，一些学者为了克服这些缺陷，从其他角度做了努力。
围绕技术退化问题，Lynde 等建立了一个时间序列的DEA模型，分析了1966-1990年英国制造业生产率和效率的变化，序列DEA方法通过引入以前各期的技术，解决了跨期技术水平退步的问题[8]。王兵等运用时间序列DEA方法，对1952-2000年我国的生产率与效率进行了研究[9]，陈诚运用序列DEA方法对中国全要素生产率进行了再测算[10]。关于技术落差问题，Battese等提出了共同生产边界函数（meta-frontier production function），利用随机前沿分析（SFA）构建共同边界，在假设所有DMU可以取得相同技术水平的前提下，进行生产效率的比较分析[11]；O’Donnell等则进一步建立了以DEA为基础的共同边界框架以解决SFA只能处理单一产出的问题[12]。针对径向性和角度性问题，Fukuyama等以及Fare等对于基于松弛模型（SBM）的技术效率测度进行改进，形成了一般化的方向性距离函数[13-14]。
本文在Meta-frontier的基础上，采用序列SBM-DEA模型，对2006-2009年间我国内河港口和沿海港口的效率进行实证研究，分析内河港口和沿海港口的效率差距及内在原因。
三、研究方法
（一）序列DEA和SBM方向性距离函数
根据Fare等人在1996年阐述的当期DEA方法，考虑每期规模报酬可变，投入要素强可处置的条件下，参考技术被定义为[14-15]：
（1）
其中，t为时期（t=1，……，T）；xt、yt为特定DMU在t时期的投入、产出向量；Xt、Yt为所有DMU的投入、产出向量；zt为t时期各观察值的权重。
而在序列DEA中，可变规模报酬（VRS）下参考技术被定义为：
（2）
根据Tone[16]和Fukuyama等[13]，本文定义融合序列DEA思想的序列SBM方向性距离函数，如下：
（3）
约束条件为：
上式为VRS下的序列SBM方向性距离函数。式中，（xt，k，yt，k）是港口k的投入、产出变量，（fx，fy）表示投入压缩、产出扩张值为正的方向向量， 表示投入、产出的松弛向量，即投入拥挤、产出不足的量。目标函数代表投入无效率与产出无效率平均值总和的最大值。根据Cooper（2007）等人的理论[17]，无效率可分解为投入无效率和产出无效率。
投入无效率：
（4）
产出无效率：
（5）
根据上述序列SBM方向性距离函数，可得各DMU无效率水平，数值越大表明无效率水平越高，即技术效率水平越低。当数值为零时，表明该DMU处于生产边界上，且不存在投入拥挤或产出不足的问题，该DMU的技术效率水平为1。技术效率计算公式为[18]：
（6）
（二）共同边界技术效率、组群边界技术效率与技术落差率
与传统技术评价模型相比，共同边界可以评价不同技术水平下的DMU。基于Meta-frontier方法和DEA共同边界构架思路，融合序列DEA思想，构建本文基于序列SBM的共同边界模型。由pt（xt）为t期投入xt下可能产出yt的集合可知，当产出共同边界集合L且其产出集合为pmeta（x）时，包含了全部样本投入的SBM方向性距离函数可以表示为 ；将全部样本划分为组群，如分成K个组群，其投入对应的产出技术组合为Ls，组群产出集合为ps（x）时，则序列SBM方向性距离函数为 。共同生产边界由 中最优DMU构成，而组群的生产边界由 中最优DMU形成。Meta-frontier框架如图1所示，三个组群边界A、B、C是由组群中具有最优效率的DMU构成，而共同边界Meta-frontier由全部样本即三个组群中最优效率DMU共同构成。
根据技术效率公式，可以分别得出 （共同边界技术效率）和 （K组群技术效率），且同一DMU的 。两者的差异在于技术落差率，即：
（7）
TRG值越大，表示该决策单位所用生产技术越接近潜在技术水平，其技术水平越高。共同边界技术效率、组群边界技术效率和技术效率落差率三者之间的关系如下：
（8）
该公式将共同技术效率拆分为剥离制度环境因素后形成的技术效率（ ）和特定组群制度环境因素影响下的技术效率与共同技术形成的技术落差（TRG）两个部分，这也为解决实际问题提供了导向，即：如果无效率是由组群效率导致的，则应着重在管理效率和策略方面进行改进；而如果无效率是由技术效率落差导致的，则首要应该提高技术水准。
四、数据处理
运用DEA方法分析港口效率的文献中，港口产出和投入指标大多集中在以下方面。从产出指标来看，货物吞吐量为首选产出指标，也有研究将集装箱吞吐量、港口利润、服务水平和客户满意度作为产出指标。从投入指标来看，主要集中在资本、劳动和土地三个方面，泊位数量、泊位长度和港口机械设备是主要的投入指标，同时堆、货场面积，员工工资和数量也是常用投入指标。鉴于数据的可得性，本文选取泊位数量和泊位长度作为投入指标，货物吞吐量作为产出指标。
本文以14家内河港口和17家沿海港口为样本进行效率对比分析，选取2006-2009年共372个投入、产出观测值，数据来源于《中国港口年鉴》（2007-2010）、《中国海洋统计年鉴》（2007-2010）、《第三产业统计年鉴》（2007-2010）和中经网数据库以及相关港口所在省市统计局网站。
本文运用Lingo10.0软件实现模型优化与测算。
五、实证分析
（一）平均技术效率与无效率分解
在可变规模报酬条件下，从共同边界角度来看，我国内河及沿海港口的平均技术效率、无效率及其来源的分解如表1所示。表1显示，2006-2009年，我国内河和沿海港口共同边界下平均技术效率为0.565，其中，沿海港口效率为0.689，而内河港口仅为0.434。可见，我国港口效率总体偏低，而内河港口效率又远低于沿海港口效率。在VRS下，全国内河和沿海港口的无效率值高达1.496，其中，货物吞吐量的无效率高达1.403，占总体无效率的93.78%，成为无效率的主要根源，即产出无效率是我国港口无效率的主要原因。共同组群的无效率分解显示，泊位数量和泊位长度分别减少7.1%和2.2%，而货物吞吐量则需大幅度提高，才能达到完全技术效率。
数据来源：作者整理。
从变动趋势来看，2006至2009年，沿海港口效率远远高于内河港口效率，但无论是内河港口还是沿海港口，效率值变动幅度不大，却均呈逐年下降态势，导致港口总体效率逐年下降（如图2所示）。可见，近几年，尽管我国加大对港口，尤其是对沿海港口的建设力度，港口吞吐量也保持了较快增长，但港口效率却未得到明显改善，甚至出现下滑趋势。
下面进一步分析效率下降的原因。图3是可变规模下，2006和2009年共同组群及内河和沿海组群无效率及其来源分解。2006年，全部港口无效率的平均值为1.323，2009年达到1.497，上升了0.174。投入和产出指标均存在无效率现象，但最主要的还是产出无效率。在无效率分解中，内河港口货物吞吐量无效率从2006年的1.995上升到2009年的2.37，分别占内河港口无效率值的95.24%和95.4%；尽管沿海港口货物吞吐量无效率从2006年的0.615下降到2009年的0.597，但也分别占沿海港口无效率值的89.52%和87.28%。随着港口投入的增加，沿海港口泊位数量和泊位长度投入出现不同程度的拥挤，其无效率值也在不断上升，但产出水平低却是我国港口效率低下的根本原因，尤其是内河港口，产出无效率更是成为发展中的瓶颈。
（二）组群效率、共同效率与技术落差
表2显示，2006-2009年，内河港口和沿海港口的组群效率（G-E）平均值分别为0.682和0.692，说明在各自的技术水平下，内河港口与沿海港口的效率基本相同。但是，内河港口和沿海港口的共同效率（M-E）却相差较大，平均值分别为0.421和0.683，可见在共同边界技术下，内河港口的效率远远低于沿海港口的效率。从技术落差率（TGR）来看，2006-2009年内河港口和沿海港口TGR平均值分别为0.591和0.986，说明沿海港口的技术水平达到共同边界水平的98.6%，而内河港口只达到共同边界水平的59.1%。运用组群边界技术分析，内河港口的效率改进空间仅为31.8%，而事实上，在共同边界技术下，其效率改进空间则高达57.9%。可见，内河港口技术水平明显落后于沿海港口。
数据来源：作者整理。
将内河港口和沿海港口的组群效率和共同效率制成二维矩阵图（图4），可以看出，沿海港口基本处于对角线上，而内河港口基本处于对角线以下，说明沿海港口技术基本代表了共同边界技术，而内河港口技术则落后于沿海港口技术。以共同效率的平均值作为矩阵的分界线，分界线右边的沿海港口已处于较高效率水平，而内河港口效率提升的重点在于参考沿海港口，提高技术水准；分界线左边的沿海港口基本达到共同技术水准，效率提升的重点在于提高管理水平，而内河港口则既要提升技术水准，又要提升管理水平。
技术落差率的变动率（TGR-r）反映了港口追赶最佳生产技术的情况。从表2看出，内河港口TGR-r的平均值为正，表明内河港口在不断追赶共同边界，与共同边界的技术落差在逐渐减小，但标准差较高，说明在追赶技术前沿的过程中，内部存在较大差异。而沿海港口TGR-r的平均值为负，说明沿海港口与共同边界的距离有所扩大，这是由于大部分沿海港口处于共同边界上，个别港口出现技术衰退，从而造成技术落差变动率为负。从各港口来看，内河港口表现较好的是武汉港、苏州港、重庆港、扬州港和杭州港，2006-2009年，五个港口的TGR-r年均上升了11.2%、9.3%、7.6%、7.1%和6.6%，而马鞍山港则衰退严重，年均衰退了10.9%，说明其与共同边界的差距快速拉大。在沿海组群中，厦门港、湛江港和防城港表现较好，而海口港则衰退严重。
（三）货物吞吐量-效率矩阵
下面运用货物吞吐量-效率矩阵，对比分析2006-2009年我国内河港口和沿海港口基于效率视角的港口实力。图5和图6分别是内河港口和沿海港口货物吞吐量-组群效率矩阵，图7是全部港口的货物吞吐量-共同效率矩阵，矩阵的分界线分别为港口货物吞吐量的平均值和效率的平均值。矩阵中，右上角代表货物吞吐量和效率都高于平均值，说明港口实力相对强大，竞争力较强，是大型港口的发展方向；右下角代表货物吞吐量不高但效率较高，说明港口充分利用了设施设备等投入，具有发展潜力；左上角代表货物吞吐量较高但效率较低，说明港口投入存在严重冗余，资源浪费严重；左下角代表货物吞吐量和效率都低于平均值，说明港口产出严重不足，这也造成了投入资源的浪费。
从图5和图6可以看出，我国低于效率平均值的港口主要集中在左下角，尤其是内河港口，产出严重不足的港口占全部内河港口的42.9%，远高于沿海港口的29.4%，即产出不足严重影响了内河港口的效率。但沿海港口位于左上角的比例为17.6%，高于内河港口的7.1%，说明沿海港口投入冗余造成资源浪费的现象比内河港口严重。如果将内河港口与沿海港口置于共同边界下进行比较（见图7），可以看出，绝大部分内河港口落在了左下角，而右上角则全部为沿海港口，说明我国内河港口无论是规模还是效率，都远低于沿海港口，产出严重不足导致的规模不经济以及资源浪费，是内河港口面临的严重问题。
六、对策建议
1. 加快高等级航道建设，改善内河通航条件。2010年底，全国内河航道通航里程12.42万公里，但四级以上高等级航道仅占13.75%。航道等级低、高等级航道短，导致船舶平均吨位低、通行能力低，成为内河港口面临的共同问题，也是影响内河港口产出效率的重要因素。因此，我国应加大力度进行航道疏浚与整治，加快建设高等级航道，尽快改善通航条件，全面提升航道通过能力。
2. 加快深水码头和万吨码头建设，提高码头泊位能力。2010年底，全国港口拥有生产用码头泊位31634个，其中，内河港口占82.76%，然而，全国港口拥有万吨级及以上泊位1661个，而内河港口仅占23.68%，可见，我国内河港口码头数量众多，但单个码头规模小、泊位能力低，大型船舶难以靠港、入港，这也是导致内河港口效率低下的重要原因。因此，我国应加快深水码头和万吨级码头的建设，提高码头泊位能力，解决内河港口大船难入问题，提升港口作业能力。
3. 大力发展内河集装箱运输，推进江海直达的运输。集装箱运输是世界公认的一种高效率运输方式。2010年，全国港口集装箱吞吐量达1.46亿TEU，其中内河港口仅完成10.05%，平均每个生产性泊位完成560.7TEU，远远低于沿海港口2.4万TEU的水平。欧盟自1992年起推出若干个推动江海联运发展的项目，已建成超过200个内河集装箱港口[19]。因此，我国应在建设并完善码头和航道等基础设施的基础上，引进先进的集装箱运输和吊桥设备，改善内河港口设施设备，建设内河集装箱港口，大力发展内河集装箱运输，推进江海直达的运输。
4. 建设专业化码头，发展规模化港区。我国内河港口通用杂货泊位多，集装箱、液体散货等专业化码头缺乏，也是内河港口效率低下的一个重要原因。因此， 我国应以主要港口为重点，加快内河港口规模化、专业化港区建设，建成一批集装箱、汽车滚装、大宗散货等专业化泊位，提高港口运作效率。
5. 构建临港产业，创造内河港口物流需求。内河港口应紧紧抓住东部产业向西部转移的有利契机，充分利用港口优势，发展临港工业，积极吸引产品适合水路运输的企业、出口加工企业等落户临港工业区，同时，建设区域物流中心，构建以港口为重要节点的物流服务网络，拓展仓储、货物贸易服务等功能，为港口创造持续增长的物流需求。
参考文献：
[1] Charnes A.， Cooper W. W.， Rhodes E. Measuring the efficiency of decision marking units[J]. European Journal of Operational Research， 1978， 2（6）：429-444.
[2] Tongzon J. Efficiency measurement of selected Australian and other international ports using data envelopment analysis[J]. Transportation Research Part A： Policy and Practice， 2001， 35（2）：107-122.
[3] Cullinane K.， Song D. W.， Ji P.， Wang T.F. An application of DEA windows analysis to container port production efficiency[J]. Review of Network Economics， 2004， 3（2）：184-206.
[4] 匡海波，陈树文.中国港口生产效率研究与实证[J].科研管理，2007，28（5）：170-176.
[5] 庞瑞芝. 我国主要沿海港口的动态效率评价[J].经济研究，2006（6）：92-100.
[6] 王玲，毕志文.基于三阶段DEA模型的我国主要内河港口效率研究[J].产业经济研究，2010（4）：40-48.
[7] 李兰冰，刘军，李春辉. 主要沿海港口动态效率评价——基于DEA-Malmquist全要素生产率指数[J]. 软科学，2011，25（5）：80-84.
[8] Lynde C.， Richmond J， Productivity and efficiency in the UK： a time series application of DEA[J]. Economic Modeling， 1999， 16（1）：105-122.
[9] 王兵，颜鹏飞.中国的生产率与效率：1952～2000——基于时间序列的DEA分析[J].数量经济技术经济研究，2006（8）：22-30.
[10] 陈诚.基于序列DEA方法：中国全要素生产率的再测算[J].武汉金融，2010（8）：31-34.
[11] Battese G. E.， Prasada Rao D. S. Technology gap of efficiency and a stochastic meta-frontier function[J]. International Journal of Business and Economic， 2002， 1（2）：87-93.
[12] O’Donnell C. J.， Prasada Rao D. S.， Battese G. E. Metafrontier frameworks for the study of ?rm-level ef?ciencies and technology ratios[J]. Empirical Economics， 2008， 34（2）：231-255.
[13] Fukuyama H.， Weber W. A directional slacks-based measure of technical inefficiency[J]. Socio-Economic Planning Sciences， 2009， 43（4）：274-287.
[14] Fare R.， Grosskopf S. Intertemporal production frontiers： With dynamic DEA[M]. 1996， Boston： Kluwer Academic Publishers.
[15] Fare R.， Grosskopf S.. Directional distance functions and slacks-based measures of efficiency[J]. European Journal of Operational Research， 2010， 200（1）：320-322.
[16] Tone K. Dealing with undesirable outputs in DEA： A slacks based measure （SBM） approach[J]. Nippon Opereshonzu， Risachi Gakkai Shunki Kenkyu Happyokai Abusutorakutoshu， 2004：44-45.
[17] Cooper W.W.， Seiford L. M.， Tone K. A Comprehensive Text with Models， Applications， References and DEA-Solver Software[M]. 2nd ed.， 2007， New York： Springer.
[18] Cooper W.W.， Seiford L. M.， Tone K. Data envelopment analysis： a comprehensive text with models， applications[M]. 2007， New York： Springer.
[19]李跃旗.欧洲集装箱内河运输经验借鉴[J].中国航海，2007（1）：89-92.