李电生，聂福海 （中国海洋大学 经济学院，山东 青岛 266100）

0 引 言

随着国际分工的不断深化与经济全球化进程的加快，港口日益成为贸易、航运等产业发展的重要驱动力（杨留星等，2016），其效率的高低不仅直接决定企业效益，还影响着区域经济社会发展。受重复建设和管理体制僵化等问题影响，近年来，我国沿海港口产能过剩矛盾凸显（赵广田等，2015），不利于增进我国动态比较优势。如何提高港口效率引起了学界的广泛关注，学者们对港口效率测度问题展开了研究。然而，既有研究大多把港口经营过程视作单一阶段，将泊位、营业成本等指标作为投入，货物吞吐量、集装箱吞吐量和净利润等指标作为产出对港口效率进行评价（庞瑞芝，2006；毕功兵等，2010；李兰冰等，2011），并未具体考虑港口经营中生产作业和收益转化等不同阶段，不能准确反映港口生产经营实践。针对这一问题，本文利用Additive-DEA和Malmquist指数方法对我国沿海港口生产作业和收益转化两个阶段的静态效率及其动态变化进行实证分析，以期为科学合理地评价港口效率提供有益借鉴，对我国沿海港口的提质升级起到一定促进作用。

1 测度模型构建

1.1 Additive-DEA模型

数据包络分析（Data Envelopment Analysis，DEA）是由Charnes所提出的一种评价决策单元（DMU）相对有效性的方法，其无须设定具体生产函数，而是根据投入—产出的实际观测值来估计有效生产前沿面，再通过比较各决策单元与生产前沿面的距离远近来衡量它们的相对效率。DEA基本模型主要为规模报酬不变的CCR模型与规模报酬可变的BCC模型，这两种方法都是单纯以投入或产出为导向来评价决策单元的相对有效性。而Additive-DEA则是将投入和产出松弛变量值之和作为目标函数，同时从投入和产出两方面出发，来测算决策单元的相对效率，从而在不破坏模型本身分类一致性的前提下，使评价结果更加合理准确,Additive-DEA模型基本形式具体如下（Charnes et al，1985）：

其中，xij代表第j个DMU的第i个投入变量，yhj代表第j个DMU的第h个产出变量与为松弛变量，分别代表投入冗余与产出不足。

为保持单位不变，本文选择应用如下改进Additive-DEA模型（Du et al，2010）：

第k个决策单元的效率值δk可通过如下公式求得：

1.2 Malmquist指数模型

DEA模型是对各决策单元的静态效率值进行比较评价，为有效衡量决策单元相对效率的动态变化，本文引入Malmquist指数模型。该模型最初由Malmquist提出，Fare等提出可以将Malmquist指数分解为技术效率变化指数（effch ）和技术进步变化指数（techch）。其中，技术效率变化指数又能分解为纯技术效率变化指数（pech ）和规模效率变化指数（sech ），Malmquist指数具体分解模型如下：

其中，Dt和Dt+1分别表示t期和t+1期的距离函数， （xt+1,yt+1）和（xt, yt）分别表示t期和t+1期的投入和产出向量，b表示规模报酬可变条件，e表示规模报酬不变条件。技术效率变化指数大于1时，表明决策单元距生产前沿面相对更近，技术效率得到提高，反之，则降低；技术进步变化指数大于1时，表明整体技术有所进步，效率前沿面向外侧移动，反之，则向内侧移动。

2 实证分析

2.1 指标选取及数据来源

港口的经营运作可大致分为两个阶段：生产作业阶段和收益转化阶段，前者反映了港口对现有技术、基础设施等资源的利用能力，后者反映了港口的盈利能力，基于现有研究文献，考虑数据可得性因素，本文选择如表1中的指标对港口效率进行测度：

表1 港口二阶段效率测度指标

本文根据2010～2015年我国港口货物吞吐量排名，综合港口腹地城市经济社会发展水平、港口软硬件设施水平等因素，选取上海港、天津港、大连港等竞争力较强的10个沿海港口进行实证分析。效率测度所需数据来源为2011～2016年《中国港口统计年鉴》、各港口腹地省份或城市统计年鉴、各港口上市公司年报以及相关网站。

2.2 静态效率测度结果分析

本文首先利用Additive-DEA方法对2010～2015年上海港等10个沿海港口的二阶段静态效率进行测度分析，通过MATLAB软件计算得出的结果如表2所示：

表2 2010～2015年我国沿海港口静态生产作业效率

由表2可知，2012～2015年的沿海港口静态效率均值较2010年有所下降，这表明我国沿海港口生产作业效率并未随港口规模的扩张而提高，未来还有很大提升空间。营口港、日照港、上海港、天津港、连云港生产作业效率相对较高，表明这些港口生产作业技术水平较高，能够合理安排作业流程，科学配置各类资源。大连港、锦州港、厦门港、珠海港生产作业效率相对较低，处在无效率状态，究其原因是，近年来，港口数量的增多以及规模的盲目扩大，导致部分港口基础设施闲置、资源浪费等问题日益加剧。2012～2015年唐山港生产作业效率值较2010年、2011年下滑明显，说明其产能扩张速度已远超过实际需求增长速度，未来应制定并实施科学合理的发展规划，优化管理模式，提高资源利用水平。

表3 2010～2015年我国沿海港口静态收益转化效率

由表3可知，2010～2015年我国沿海港口收益转化效率不高，且呈下降趋势，盈利能力有待提高。上海港、唐山港各年份均处于效率前沿面，为DEA有效。天津港、日照港、锦州港部分年份收益转化效率为1，收益转化效率相对较高。连云港、珠海港等港口收益转化效率相对较低，不利于港口效益的提高，其应当延伸职能，积极发展以传统装卸业务为基础的新兴增值业务，从而获得新利润源泉，增强盈利能力。

2010～2015年营口港、连云港生产作业效率相对较高，但收益转化效率相对较低；2012～2015年唐山港、2013～2015年锦州港收益转化效率相对较高，但生产作业效率相对较低，表明我国部分沿海港口内部不同经营运作阶段间存在发展不均衡现象，这制约着港口整体效率的提升，不利于资源的合理配置。

2.3 效率动态变化测度分析

为进一步研究港口效率的动态变化情况，本文利用Malmquist指数方法对2010～2015年我国10个沿海港口的二阶段动态效率进行测度分析，通过DEAP软件计算得出的结果如表4所示：

表4 2010～2015年我国沿海港口动态生产作业效率及其分解

由表4可知，2010～2014年我国沿海港口生产作业Malmquist指数均大于1，表明近年来我国沿海港口生产作业效率总体呈现上升趋势，而2014～2015年综合技术效率变动指数与技术进步指数均小于1，导致港口生产作业效率有所下降。2010～2015年规模效率处在不稳定变化状态，导致综合技术效率也处于上下波动状态，表明港口还未达到最优生产规模，需要优化配置投入要素。虽然2010～2015年技术进步指数平均值大于1，但2013年以来呈现下降趋势，说明我国沿海港口目前对科技创新与新技术推广利用缺乏重视。

表5 2010～2015年我国沿海港口动态收益转化效率及其分解

由表5可知，2010～2015年我国沿海港口收益转化效率平均提升了0.9%，综合技术效率平均变动指数和技术进步平均变动指数都大于1。2010～2015年沿海港口收益转化阶段的综合技术效率和技术进步指数都处于上下波动的不稳定增长状态，说明管理策略和经营方式都面临调整，需要调整业务结构，提高资源配置效率。

3 结论

本文利用Additive-DEA和Malmquist指数方法对我国沿海港口生产作业和收益转化两阶段的静态效率及其动态变化进行了测度分析，得出如下结论。

（1）我国沿海港口生产作业效率与收益转化效率并未随港口规模的扩大而得到明显提高，某些年份甚至有所下降，整体效率水平还有很大提升空间。

（2）不同沿海港口之间效率水平差距明显，同一年份部分港口生产作业或收益转化相对效率值可以达到1，而有些港口为0.2左右。

（3）我国沿海港口生产作业阶段和收益转化阶段的Malmquist指数均大于1，其效率总体呈现上升趋势，但综合技术效率变动指数和技术进步指数都处于上下波动的不稳定增长状态，说明港口可以通过完善管理策略和推广利用新技术等方式来进一步提高资源利用能力与盈利能力。