中国沿海集装箱码头企业效率测度及分析

李 丹,栾维新,片 峰(大连海事大学交通运输管理学院,辽宁大连116026)

中国沿海集装箱码头企业效率测度及分析

李 丹,栾维新*,片 峰
(大连海事大学交通运输管理学院,辽宁大连116026)

随着“十二五”规划纲要的实施,进一步优化沿海集装箱码头企业发展模式、提高其生产效率,是实现沿海集装箱港口发展方式转变的需要.本文采集42个沿海主要集装箱码头企业的投入产出截面数据,采用三阶段DEA方法定量测度码头企业综合效率、技术效率和规模效率.结果显示,我国沿海集装箱码头企业总体效率偏低,规模无效率是其主要原因;各沿海港口群码头企业效率存在较大地域差异,长江三角洲和环渤海地区相对较高,而东南沿海和珠江三角洲地区相对较低;我国沿海集装箱码头企业存在较严重的投入拥挤及资源浪费.最后针对我国沿海集装箱港口发展中存在的主要问题提出相应的建议.

水路运输;综合效率;三阶段DEA模型;沿海集装箱码头企业;规模效率;技术效率

1 引 言

改革开放以来,我国沿海集装箱港口实现了跨越式发展,为集装箱货物运输及对外贸易提供了良好的基础,也为腹地城市的经济发展提供了保障.伴随集装箱港口的大力建设,我国沿海集装箱港口的运力已从严重不足转变为基本满足,而且部分港口已经出现过剩.随着“十二五”规划纲要的实施,经济发展方式由粗放型向集约型转变,必然要求进一步提高集装箱港口生产效率,优化其发展模式.

早期对港口效率的研究主要借助单一或多个指标来进行.由于难以全面刻画港口效率的特点,转向综合评价研究.港口的生产运作是一个较为复杂的过程,且属于多投入多产出模式,所以近年来国外利用数据包络分析方法(DEA)研究港口效率的文献较多.然而大部分研究基于一阶段DEA模型,忽略了环境因素及随机干扰因素对效率的影响,从一定程度上来说不够客观.为了克服这一问题,Liu[1]同时运用DEA-CCR、DEA-BCC和三阶段DEA模型估算了太平洋十大港口1998-2001年间的动态效率变化,并得到结论,三阶段DEA模型估算出的效率水平最为客观.目前国内针对港口效率的定量研究相对较少.庞瑞芝[2]对我国50个主要沿海港口1999-2002年的经营效率进行评价,并利用Malmquist生产率指数分析其动态效率,但仅限于一阶段DEA.王玲等[3]运用三阶段DEA方法对我国主要内河港口进行效率评价,认为我国内河港口存在严重的投入拥挤和产出不足现象,港口资源浪费现象十分严重.

总结国内的研究现状发现,关于港口效率的研究主要集中于综合性港口的效率评估,使用方法多为一阶段DEA模型,个别采用三阶段DEA模型的研究主要针对内河港口.本文以我国沿海主要集装箱港口的码头企业为研究单元,运用三阶段DEA模型对我国沿海集装箱港口码头企业的生产效率进行评估,并对各地区港口码头企业所存在的问题进行深入探讨,提出效率改进方向及对策建议,以利于我国沿海集装箱港口的健康发展.

2 研究方法

本文采用三阶段DEA方法定量测度我国沿海集装箱码头企业效率,该模型具体分为以下三个阶段:

第一阶段 传统DEA模型.

该阶段对原始投入产出数据进行传统DEA回归.本文采用投入导向型规模报酬可变的DEABCC模型,该模型是一种较为成熟的方法,其原理与数学模型不再赘述.

第二阶段 运用SFA模型分解松弛变量.

该阶段利用SFA方法对环境变量进行回归分析,加入随机误差因素,以克服第一阶段DEA模型的缺点.第一阶段DEA分析得出的投入松弛变量是指理想投入量与实际投入量之间的落差,而造成这种松弛变量的原因,可归因于环境影响、管理无效率和随机误差三个因素,通过SFA模型可分别观测出以上三个因素的影响.

(1)对每一种投入建立松弛变量.

式中 xni为第i个决策单元(DMU)的第n种投入值;xni×λ为第i个DMU的第n种投入值在效率前沿面的最优映射;Sni表示相应的投入松弛变量.

(2)以第一阶段DEA分析得到的投入松弛变量为被解释变量,以环境变量为解释变量构建SFA回归模型.

式中 Sni是投入的松弛变量;zi是外生环境变量,是DMU管理无效率环境解释变量的观察值;βn是需要估算的环境解释变量的未知参数;fn(zi;βn)表示环境变量对投入松弛变量的影响方式,一般取fn(zi;βn)=ziβn;vni表示随机误差;uni表示管理无效率;vni与uni独立不相关,并假设vni服从正态分布,uni服从半正态分布

(3)分两步调整投入松弛变量.

①利用管理无效率的条件估计值得到随机误差的估计值,从综合误差中分离出随机误差.罗登跃[4]指出国内部分学者直接套用了Jondrow给出的公式,但Jondrow的公式是针对“生产函数”随机前沿分析的,即综合误差为vni-uni,而Fried提出的三阶段DEA模型中使用的是“成本函数”随机前沿分析模型,相应的综合误差项为vni+uni,所以此时分离随机误差的公式与Jondrow所给出的公式是不同的,在形式上有细微的差别.

②将处于较好环境和运气的DMU单元进行向上调整

式中 Xni和xni分别表示经过调整的投入值和原始的投入值;zi表示环境变量的观察值.式(3)右边第一个中括号代表把全部样本调整至相同环境下;第二个中括号代表将全部样本的随机误差调整为相同情形,最终使得每个样本面对相同的环境和运气.

第三阶段 调整的DEA模型.

该阶段构建调整后的DEA模型,即将第二阶段所调整的投入变量值及原始产出值重新代入一阶段DEA-BCC模型中,计算出剔除环境变量和随机误差项后的DMU效率.通过这种方法得到的效率值,排除了运营环境和随机误差的干扰,能够更客观、真实地反映实际效率.

3 实证分析

3.1 指标选取与数据来源

3.1.1 投入与产出指标的选取

目前,用DEA方法分析港口效率的文献中,投入指标主要从资本、劳动和土地三个方面衡量.对于产出指标,几乎所有研究都将货物吞吐量列为产出指标,一些研究还将用户满意度或港口利润等列为产出指标.鉴于数据的可获得性,本文选取三个投入指标,码头岸线长度、装卸设备数量和企业员工数量.其中装卸设备数量的统计为桥吊、轮胎吊及行吊数量.产出指标为码头企业的集装箱吞吐量.

3.1.2 环境变量的选取

环境变量是指影响沿海集装箱码头效率但不在样本主观可控范围之内的因素,包括自然环境和社会经济环境.从经济环境角度看,经济发展水平和对外贸易的发展都会对港口建设和经营效率产生重大影响.因此,本文将地区生产总值、进出口贸易额和地区人口总数三个因素作为环境变量,数据的收集以港口所依托城市为单元.

3.1.3 样本及数据来源

鉴于数据的可获得性和完整性,本文选取19个沿海主要集装箱港口的42家码头企业为样本,共168项投入、产出观测值.选取2010年数据,其主要来源于《中国港口统计年鉴2011》、交通部官方网站、各码头运营企业的官方网站,以及相应城市2010年国民经济与社会发展统计公报.

3.2 第一阶段DEA模型实证结果

第一阶段运用DEAP 2.1对我国42个主要沿海集装箱码头企业的效率水平进行分析.在不考虑环境变量和随机因素时,我国主要沿海集装箱码头企业的平均综合效率为0.577,平均纯技术效率为0.689,平均规模效率为0.820.Cullinane[5]曾对世界主要集装箱港口效率进行了评价,平均综合效率为0.783 1.由此可见,世界主要集装箱港口的平均运营效率高于我国,说明我国沿海集装箱码头企业的整体效率较低,亟待改进.

由图1可见,除部分地区的码头企业外,多数码头企业的综合效率折线与规模效率折线比较一致,且位于纯技术效率折线下方,由此可初步判断,我国沿海集装箱码头企业的无效率主要来源于规模无效率,但也不排除环境变量和随机误差影响的可能.

图1 2010年我国主要沿海集装箱码头效率折线图Fig.1 The efficiency line graph of China's main coastal container terminal of 2010

在第一阶段DEA计算中BBC模型根据有效率港口设定的效率前沿计算出了各投入的目标值.由表1可以看出,三种投入的实际值均大幅高于目标值,说明在既定的产出水平下存在明显的投入拥挤,但一阶段DEA结果并不能显示出这种浪费的准确来源,因为一阶段的结果受到环境变量和随机误差的干扰.

表1 投入导向BCC模型后投入目标值与实际投入值的比较Table 1 The contrast of target value and original value of input-oriented BBC model

3.3 第二阶段SFA回归结果

第二阶段运用FRONTIER4.1计算SFA回归模型.将第一阶段得到的各投入变量的松弛变量作为被解释变量,将地区生产总值、进出口总额,以及地区人口总数三个环境变量作为解释变量,构建SFA回归模型.计算结果如表2所示.

由于环境变量是对各投入松弛变量的回归,所以当回归系数为负时,表示增加环境变量值有利于减少投入松弛量,即有利于减少各投入变量的浪费.由表2可见,地区生产总值对三种投入的松弛变量均为不利因素,这可能是由于随着GDP的增长,码头企业的投入大幅增加,但并未因此带来吞吐量的按比例增长,从而造成了投入的浪费;进出口贸易额对码头岸线长度的松弛变量为不利因素,而对其他两项投入的松弛变量为有利因素,这可能是由于进出口贸易额的增加会带来吞吐量的增加,从而提高了港口投入的利用率,然而这一环境变量对码头岸线长度不利,可能是由于普遍存在码头岸线建设过量的原因;地区人口总数对三种投入的松弛变量均为有利因素,这可能是由于随着人口的增长,货运需求会相应增长,从而提高了港口的吞吐量,提升单位投入的产出能力.

表2 投入松弛变量的回归分析结果Table 2 The result of input slack variable regression analysis

3.4 第三阶段投入调整后的实证结果

由图2可知,第一、三阶段各码头企业的综合效率存在明显差异,表明本文所选环境变量因素及相应随机误差因素对决策单元的效率产了较大影响.由于第三阶段所得效率值能够更加客观真实地反映各码头企业的各项效率状况,因此效率分析及改进建议应以此为基础.

3.4.1 调整前后的综合效率、纯技术效率和规模效率对比

我国主要沿海集装箱码头企业的平均综合效率调整前后变化不大,由第一阶段的0.577下降到第三阶段的0.564;但平均纯技术效率和平均规模效率变化较大,分别由0.689上升到0.82,0.82下降到0.677.由图2可见,除部分码头企业之外,多数码头企业的综合效率出现明显下降,其原因在于规模效率的大幅下降,说明规模不经济是我国沿海集装箱码头企业效率低下的主要原因.

3.4.2 沿海港口群码头企业效率差异

以第三阶段各码头企业纯技术效率和规模效率均值为关键点,构建出纯技术效率与规模效率的矩阵图,如图3所示.

由图3可知,环渤海地区码头企业效率呈现参差不齐现象,主要分布于第一、第二象限,说明该地区码头企业规模效率普遍高于平均水平,纯技术效率普遍低于平均水平.该地区个别企业同时呈现较高的规模效率和纯技术效率,然而个别企业同时呈现较低的规模效率和纯技术效率,说明该地区码头企业发展水平较不平均,需要根据不同码头企业的情况进行针对性的调整.

图2 第一、三阶段各码头综合效率对比图Fig.2 The comprehensive efficiency line graph of terminal of the first and third stages

长江三角洲地区大部分码头企业的规模效率较接近效率值1且明显高于其他地区,同时该地区的纯技术效率也普遍高于其他地区,综合来看,长江三角洲地区码头企业的规模效率和纯技术效率都处于较高水平.

东南沿海地区码头企业主要集中在第二象限,说明纯技术效率低于平均值.仔细观察可发现,该地区的规模效率也普遍低于处于同一象限的其他港口群的规模效率,说明东南沿海地区码头企业的管理水平有待提升,同时企业规模也有待调整.

珠江三角洲地区码头企业也主要分布于第二象限,但是与东南沿海地区不同的是,该地区的码头企业规模效率普遍较高,纯技术效率普遍偏低,说明珠江三角洲码头企业的管理水平有待调整.

3.4.3 调整后投入目标平均值与投入平均值

这一阶段的对比选取了调整后的投入平均值和调整后的投入目标平均值,以保证所有码头企业均处于同样的环境及运气条件下,剔除了环境因素和随机误差的干扰.由表3可知,投入目标平均值与投入平均值的对比中,码头岸线长度有32.92%的投入过量,装卸设备及企业员工数量也均有34.35%和35.45%的投入过量.与调整前的两平均值对比可以观察到,调整后的投入目标平均值与投入平均值间的差距明显缩小,由60%左右下降到了30%左右,说明环境变量和随机误差对目标值的估算形成了干扰.同时,也说明剔除了干扰因素后我国沿海主要集装箱码头企业仍存在严重的投入拥挤,造成了资源浪费.该分析结果进一步验证了栾维新等[6]在前期研究中所得结论.

表3 调整后投入目标值与实际投入值对比Table 3 The contrast of adjusted target value and original value

4 研究结论

通过三阶段DEA方法对我国沿海主要集装箱码头企业的效率评估可以发现以下几个特征,我国沿海集装箱码头企业总体效率偏低,规模无效率是其主要原因;各沿海港口群码头企业效率存在较大地域差异,长江三角洲地区相对较高,而东南沿海地区相对较低;我国沿海主要集装箱码头企业存在较严重的投入拥挤,最高拥挤程度达到35%,说明码头企业存在较为严重的资源浪费;在码头企业的效率评估中,环境因素和随机误差都对效率产生了一定的影响.基于以上几点,本文提出如下建议:

(1)控制沿海集装箱码头建设投入.

由实证结果可见,我国沿海主要集装箱码头企业存在严重的投入过量,本文中选取的三种投入指标均有超过30%的拥挤现象,造成了大量的资源浪费.控制码头投入是提高码头企业效率的关键因素,同时也可大量节约资源.

(2)根据地区环境规划投入规模.

我国沿海可划分为五个主要港口群,本文中研究了其中四个港口群码头企业的效率,发现各港口群码头企业效率存在较大地域差异,长江三角洲和环渤海地区码头企业效率明显高于东南沿海及珠江三角洲.由此可推断,根据码头企业所处地理环境不同,规划不同的投入规模是十分必要的.

(3)港口群内部资源整合.

港口存在严重的投入拥挤,各港口群内部竞争较为激烈,大型港口逐渐增加,仍未形成明确的港口层次布局.加强港口群内部的资源整合有助于节约资源,缓解各港口竞争压力,提高码头的综合效率.

[1] Liu C C.Evaluating the operational efficiency of major ports in the Asia-Pacific region using data envelopment analysis[J].Applied Economics,2008,40(13-15): 1737-1743.

[2] 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.[PANG R Z.Dynamic efficiency evaluation of China's main coastal port[J]. Economic Research Journal,2006(6):92-100.]

[3] 王玲,毕志雯.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.[WANG L,BI Z W.Evaluating the operational efficiency of major inland ports in China using the 3-Stage DEA model[J].Industrial Economics Research, 2010(4):40-48.]

[4] 罗登跃.三阶段DEA模型管理无效率估计注记[J].统计研究,2012(4):104-107.[LUO D Y.A note on estimating managerial inefficiency of Three-Stage DEA model[J].Statistical Research,2010(4): 104-107.]

[5] Cullinane K P B,Wang T F,Song D W,et al.The technical efficiency of container ports:Comparing data envelopment analysis and stochastic frontier analysis [J].Transportation Research Part A,2006(40): 354-374.

[6] 栾维新,马新华.我国集装箱港口吞吐能力供需平衡研究[J].经济地理,2011(31):1774-1792. [LUAN W X,MA X H.The study on supply-demand balance for throughput capacity of the container ports in China[J].EconomicGeography,2011(31): 1774-1792.]

The Efficiency Measurement of Coastal Container Terminals in China

LI Dan,LUAN Wei-xin,PIAN Feng
(Transportation Management College,Dalian Maritime University,Dalian 116026,Liaoning,China)

Following the implementation of the twelfth consecutive Five-Year Plan,the development pattern of coastal container ports in China has been shifted,which requires higher port efficiency and an improved development mode.The three-stage DEA(Data Envelopment Analysis)model is applied on the basis of inputoutput cross-sectional data of 42 coastal container terminals in China.The model statistically evaluates the comprehensive efficiency,the pure technical efficiency and the scale efficiency of coastal container terminals. The outcome shows that the efficiency of coastal container terminals is rather low in China,and scale inefficiency is the primary reason.There is a big difference in terminal efficiency of different port groups.The terminal efficiency of Yangtze River Delta and Bohai Rim is relatively high,but Southeast Coast and Pearl River Delta's is comparatively low.Furthermore,there is an excessive waste in the input of container terminal development in China.In the final section,suggestions are proposed for the existing problems in port developments.

waterway transportation;comprehensive efficiency;three-stage DEA model;coastal container terminal;scale efficiency;technical efficiency

U6-9

: A

U6-9

A

1009-6744(2013)05-0010-06

2013-01-07

2013-03-01录用日期:2013-03-11

国家自然科学基金项目(408710635).

李丹(1985-),女,辽宁大连人,博士生.

*通讯作者:weixinl@vip.163.com