肖祥鸿，宋炳良

（上海海事大学经济管理学院，上海 201306）

一、引言

近些年来装卸总量领先于全球的国内许多港口，令世界刮目相看。但是，港口的生产力综合效率是否有效、规模效益是否经济、技术是否先进、投入产出是否恰当、管理和经营水平是否一流等等，有待用真实数据对其效率进行研判。

相对于涉及领域广泛的港口，用一般的分析方法，不能很容易获得其有用的数据。而利用非参数法（DEA），能够比较有效地对港口效率进行评价：第一，采用多投入和多产出变量，可以相对有效地了解各个环节的效果；第二，不用量纲统一、自由搭配对象，可以比较容易地对所需要求进行分析；第三，排除了主观因素，一切可以通过数据来展示效率优劣。

二、文献综述

国内外学者在港口效率研究方面有了很大的发展，特别是利用非参数前沿方法分析港口的实例还是不少的。

Tongzon（2001）[1]运用DEA 模型分析了澳大利亚四个港口和及其他12 个国际港口的数据，选取投入5 项、产出2 项，尽管其结果得出效率值为1 的港口有不少，但还是指出了墨尔本、鹿特丹、横滨、大阪等四港口的非效率主要是码头泊位偏少、面积小、工作懈怠等原因造成。Tongzon 和Wu（2005）[2]利用随机前沿模型对全世界25 个集装箱港口进行了分析，而且将港口的经营行为作了4 种区分，得出了只有完全民营或地主型性质的港口，其效率相对就较高的结论。Wu 和Goh（2010）[3]对21 国主要港口进行了分析，其中包括发达国家和发展中国家。从结果分析得出：中国的上海港、孟加拉国的吉大港、巴西的桑托斯港比发达国家G7 的港口更具有优势，其理由是比起单纯的货物量的大小来，港口设施的运转率的平衡显得更为重要。倉本一薫·赤井伸郎（2013）[4]对日本国内的大小55 个集装箱港口进行了分析，从财政和港口管理体制等组织方面，谋求相关效率性因素。将港口管理者的经费开支作为劳动力投入，其结果港口管理者上年度资金转移现象较多，对国债依赖性较强，并没有很好地进行高效率港口运营。汤莎莎和寺田一薫（2013）[5]为了保持国际竞争力，分析了日本港口管理、规则、制度的系统及要素结构，对于港口而言，位置对效率的影响不容忽视，从技术效率值来看，濑户内海大部分港口比日本海侧来的高，往亚洲的国际航线频数和效率性有着非常强的正向关系。张建勇等（2019）[6]运用DEA 模型对天津港的效率进行了分析，得出结果是近几年港口的规模收益呈递减趋势，只有降低成本、优化资源配置、加强管理措施，才能提高港口的整体效率。

表1 相关研究的投入产出一览表

综上所述，各学者利用非参数法从各个角度对港口效率进行了分析和评价，取得了一定的成效。但是，也存在不足之处：第一，在投入和产出项变量的选取上大致相同但不到位，在投入项中很少列入关键的成本投入变量、劳动力变量，而在产出项中基本上没有资金收入变量，大都以货物吞吐量来表示，所以很难正确表示港口的运营能力；第二，从前述国内外港口的分析来看，对港口投入、产出的资金增益基本上没有什么评价，或许是因为缺少相应的数据、或许是忽视港口经济效益的作用，殊不知经济增长才是港口得以持续发展的基础。

因此，本文以2009—2018 年国内8 个主要港口的数据，设定输入变量为经营总成本、劳动力人数和万吨级码头，产出变量为经营总收入和货物总吞吐量，这样可以便于对港口的生产力效率、港口盈利情况及港口规模效益等进行系统性分析，也符合港口生产运营效率的实际情况。

三、研究方法简介

（一）DEA-CRS（CCR）模型

假设有n 个DMU1，DMU2，…，DMUn，每个DMU有m 种输入和s 种输出，DMUj的输入和输出向量分别为xj=（x1j，x2j，…，xmj）T，yj=（y1j，y2j，…，ymj）T，j=1，2，…，n。设DMUj0的输入、输出向量分别为（xj0，yj0）简记为（xj，yj），则评价第j0个决策单元相对有效性的CCR 模型为：

其中S-和S+是松弛变量，表示投入的冗余量及产出的不足量；λ 是相对于DMU0重新构造一个有效DMU 组合中第j 个决策单元的组合比例；θ 为决策单元的有效值，当θ=1 且S-和S+=0 时，称DMU0为DEA 有效；当θ=1 且S-和S+≠0 时，称DMU0为DEA 弱有效，而当θ<1 时，称DMU0为DEA 非有效[7]。

（二）DEA-VRS（BCC）模型

DEA-VRS（BCC）模型是以规模报酬可变来计算生产部门的技术效率和纯技术效率，它的经济意义在于用技术效率来评价企业在一定的投入条件下，产出是否得到最优状态；用纯技术效率在投入不变的情况下，产出结构和投入条件是否优化或合理。MDU 的效率值由下面的模型计算取得：

技术效率（TE）=纯技术效率（PTE）×规模效率（SE），当TE=1 的话，则可以说明生产部门的投入和产出达到最优；当TE<1 时，可以说明生产部门的投入并没有达到预期的产出目标。BCC 模型主要对技术效率进行评价。

假设有n 个决策单元DMU，而每个决策单元有m 个输入和S 个输出，其中：为DMU0的投入、产出的变量，θ 是DMU0的效率值，λ 是对于DMU0有效单元中的n 个DMU 的比例，S 是松弛变量。当θ=1，S-=S+=0 时，就表示DMU0相对有效，即在投入X0的基础上产出Y0达到了最优。又当θ<1，S-≠0，S+≠0，表示DMU0技术或规模无效；如果S-=S+=0，表示技术有效，令，当K=1 时，即DMU0规模有效，K<1 即规模报酬递增，当K>l 即规模报酬递减[8]。

四、国内主要港口的实证分析

以国内主要且连年货物吞吐量排位靠前的沿海8 个港口为研究对象，结合2009—2018 年10 年来各港口的数据，通过DEA-CRS、DEA-VRS 探究其港口效率的真实状况。所有数据来源于中国统计年鉴、中国港口年鉴及沪、深、港三地上市公司年报及融资评价报告。投入产出变量如表2 所示。

表2 DEA 模型的投入产出变量

（一）CCR 模型分析

根据国内8 个主要沿海港口2009—2018 年10年的数据，运用DEA 软件，对DEA-CCR 进行求解。在不考虑规模报酬的假设下，对8 个港口10 年来的数据进行测算，通过对数据的整理，得出其平均值如表3 所示。

表3 2009—2018 年8 个港口的综合技术效率值

从表3 中可以看出，8 个港口的综合效率平均值不尽如人意，并没有达到DEA 有效（1 为DEA 有效），其中有4 年的平均值都还未达到0.9。但是从8个港口历年的综合效率的平均值来看还是呈逐年增长的趋势。其中长三角地区的上海港2017 年、2018 年连续两年达到EDA 有效，宁波港2009 年和2011 年分别达到DEA 有效；珠三角地区的广州港2009 年、2013 年、2017 年和2018 年分别达到DEA有效；环渤海地区的天津港2014 年达到DEA 有效，青岛港2009 年、2010 年和2018 年达到EDA 有效。但总体来看，显示出状态并不稳定，8 个港口10 年达到DEA 有效只占总数的15%，不少港口处于DEA 欠佳状态，其中连云港、厦门港和大连港三个港口十年的平均值分别是0.749、0.808、0.827，虽然其效率值每年有上升趋势、但仍处于弱势地位。

在CCR 模型投入导向的状态下，由于篇幅关系这里仅以2018 年1 年8 个港口的效率目标值和实际值进行比较。效率目标值是根据效率分数为1 港口设定的效率前沿计算出来的，是指港口若要达到效率有效的话，应该达到的目标值。

根据模型计算所得的结果为：除了上海港、广州港和青岛港的效率呈现DEA 有效以外，宁波港、天津港、大连港、连云港和厦门港在总投入、劳动力和泊位数的径向值分别应按比例下降5.6%、11.4%、18.1%、18.6%、8.8%。即达到目标值总产出和吞吐量，除了上海港、广州港和青岛港以外，其它各港口均应适当减少它的资金成本投入、劳动力人数和万吨泊位数。其中天津港、连云港、厦门港万吨级码头的松弛值分别冗余4.2%、6.8%和18.8%；产出不足的连云港产出值应该增加21.5%、厦门港的吞吐量还需增加20.4%。

从表4 中可以看出，有的港口投入过剩造成资源浪费，有的则是产出值或产能不足，即港口的经济效益和营运效率低下，港口效率随着国内外贸易形势和竞争激烈程度的变化而上下起伏不定，即使装卸量世界领先的港口也不例外。这说明国内有些港口在一定程度上还存在应对内外部环境变化的能力不足、产能效率稳定性差、技术创新不够和人浮于事的现象存在。因此，要下功夫去克服困难、摆脱窘境，特别在港口生产能力、规模效益、资源整合、劳动成本、技术创新和管理决策方面解决问题。

表4 2018 年目标值和实际值的比较

（二）BCC 模型分析

进一步运用BCC 模型，通过纯技术效率、规模效率对综合技术效率的影响进行效率分析，观测综合技术效率值、纯技术效率值和规模效率值。为了对数据有一定直观效果，特将2009—2018 年的效率平均值整理如表5、图1 所示：在BCC 模型下，可以进一步看出综合技术效率是由纯技术效率和规模效率的乘积而成。以表5 和图1 来看，虽然综合技术效率在逐年增大，但规模效率都低于纯技术效率。从这些港口的总体来看，无论是资本投入、场地设施、劳动力人数还是港口吞吐量，都是在国内属于较大规模的企业，其中还有特大规模的企业。但是其规模效率并没有完全体现出来，相反还拖了后腿。这说明有些港口的规模虽然很大，但由于产业结构没能得到很好的优化配置、合理安排和有效使用，致使投入的生产要素未能在产出单元获得更合理的回报。

表5 2009—2018 年港口效率平均值

图1 2009—2018 年港口效率平均值图

仅以表6 中2016—2018 年3 年为例，从总体的平均值来看，基本上规模效率值都低于纯技术效率值，导致综合效率下降。港口整体在一定程度上存在规模效率低下，这说明生产要素按比例增加时，产出的增加价值并没有达到期望值。这与吞吐量的多少并没有正比关系，虽然有的港口吞吐量很大，但港口效率并不是最有效的，人浮于事、机构庞杂、资源整合欠佳，是它最大的软肋。

表6 各港口2016—2018 年3 年效率值一览表

从表6 各港口3 年来的规模报酬数据中可以看出，出现规模报酬递减的是：2016 年上海港、宁波港、青岛港规模报酬递减，2017 年宁波港、青岛港规模报酬递减，2018 年仍有宁波港规模报酬递减。这说明宁波港在扩大生产规模和市场占有率的同时，已经好几年呈现规模不经济状态了，总产出增加幅度小于总成本的增加幅度，即长期平均总成本上升。

1.综合技术效率分析。综合技术效率作为投入与产出的整体效率重要指标，表5 中呈现出港口10年的综合技术效率平均值为0.899，并没有处于有效状态。从图2 可以看出，2009—2012 年4 年的效率值都低于平均值，其中最低为2012 年，只达到0.875。一方面原因是金融危机的余波还存在，港口贸易受到了不小的冲击，另一方面港口的管理制度、方法与决策正确与否也是一个重要因素。2013年后世界经济虽没有明显改观，但国内经济发展进入新常态，从高速增长转向中高速增长。各港口以提高发展质量和效益为中心，进一步转变经济发展模式，使得港口的经营效率逐渐增长，2013 年后综合技术效率值均高于平均值，并逐渐趋向于平滑，且略有向上的趋势。可通过管理和技术手段，加上资源的有效配置，改善纯技术效率和规模效率两大指标，来实现综合和技术效率的提升。

2.纯技术效率分析。纯技术效率是指通过技术的利用程度和创新意识，即每一个生产决策单位，利用投入生产资料使得产出效能达到最大的能力。从图3 中可以看出，2009 年、2011 年、2012 年、2015年和2017 年的纯技术效率都低于平均值0.961（见表5），其中2009 年和2012 年更为明显。说明那几年在技术的利用程度和创新意识上存在一定的问题，资金投入和产出没有达到充分匹配，投入的生产资料并没有达到预期的效果，结构性矛盾还未彻底得到解决。因此，加强港口的自动化程度和港口的智慧化建设，全面实施信息化和物联网的联动，加速港口智能物流的研发和运用，为成为名符其实的世界枢纽港打下基础。

图2 国内主要沿海港口综合技术效率趋势

图3 国内主要沿海港口纯技术效率趋势

3.规模效率分析。规模效率是指生产要素按在一定比例增加时，产出价值大于投入价值的情况，即产出规模的有效程度。从表3 中可以看出，规模效率远远低于纯技术效率，导致综合技术效率的下降。从图4 中可以看出，2009—2012 年规模效率没有达到平均值，说明各港口基础设施的投入、泊位数的增加、劳动力的增减基本上没有达到有效。2013 年后，国际运输行业开始出现复苏迹象，港口规模效率也逐渐开始增长，基本上保持了一定的平衡。但总体来看规模效率还是不尽如人意，并没有达到预期的目标。因此，管理层有必要通过合理的结构调整和资源配置，特别是杜绝浪费现象，使生产要素按比例增加时，能够达到既定的增加值。

为了能够更好地显示出港口的经营效率，表7中可以看到各港口的实际资金产出/投入的增减比例，从2009—2018 年10 年中，最大为1.518 倍，最小为0.950 倍，即产出小于投入属于负增长。除了连云港连续5 年和厦门港1 年处于亏损现象外，其他港口基本上还是盈利的，但并不是很多，而且总的趋势还是在逐年下降的。这说明各港口的总体效益水平不是很好，资金的投入和产出并不匹配，除了国际贸易和海运业不景气等外在因素以外，还存在不少内在的因素，即无论在劳动力成本、还是运营效率、规模效益等各方面还是存在很多的弊端和问题。特别是营业收入不能与成本和费用匹配增长，使得各港口负重前行，亟需进行资源要素和经营运行机制的深化改革。

图4 国内沿海港口规模效率趋势

表7 2009—2018 年各港口实际资金运营产出/投入比例一览表（倍数）

目前港口竞争力排名的强弱，大都以货物或集装箱吞吐量多少为前提。但是，如果从经营效率的视角去观察港口的实际情况，并不一定如此。仅以表7 中2016—2018 年3 年的资金投入产出为例，货运或集装箱吞吐量排名交替第一第二的上海港和宁波港，其资金的运营效率并不如连续三年货运或集装箱吞吐量排名第五的青岛港。因为不计成本的投入，反而会造成资源浪费现象的存在，港口有很大的吞吐量，这是作业能力的一种体现，并不表示运营效率就是很高，也不一定代表港口具有很强的竞争力。如果港口既能体现较高的吞吐量，又能获得较高的营业收入的话，即投入产出比在既定范围内，那么就能体现该港口真实的运营效率和竞争力。

五、结论与建议

从DEA-CCR 和DEA-BCC 模型的分析来看，国内港口普遍存在效率不高的现象。究其原因，主要包括四个方面。一是表现在投入过剩而产出不足，主要是规模效益没有达到最佳，生产资源没有达到有效配置，生产要素等比例增加时，产出增加价值并没有有效回报。二是技术创新不够导致产能不足，生产力效率没能达到最佳状态。主要是港口的智能化建设和作业自动化程度、包括智能物流配送还存在较大的发展空间。三是管理政策和管理制度有待改善，需要采取相应的措施进行防御和整合港口资源，既避免恶性竞争，也避免资源浪费。四是在国际贸易形势变化和竞争激烈的情况下，由于货运需求受到影响，加之而来的是与周边各港口竞争进一步加剧，导致运量减少、营业收入欠佳、经营效率降低。

虽然国内港口还存在着各种问题，但是从模型提供的结果来看，除个别港口以外，大多数港口生产力效率还是呈逐渐向好的趋势。当前国内各主要港口已经在智能化建设、物联网、港口自动化作业、智能物流方面迈出了一大步，从而使降低运营成本、提高经营效率成为可能，如果能在取得港口装卸量世界领先的同时，经济效益也能达到最优状态的话，那么国内港口将可以真真实实地屹立在世界港口之巅。