基于投入主导DEA模型的我国沿海主要港口物流效率研究

赵冰梅+高磊+任冬

[摘 要]采用数据包络分析方法中的CCR、BCC 与超效率模型，对 2012年我国15个沿海主要港口的物流效率进行了实证研究。结果表明，我国沿海主要港口的总体物流效率较低，主要原因是港口的规模效率没有达到最优。其中，华东地区港口由于发展较早，规模庞大，现有规模已经超过最佳规模，呈现出规模效益递减，其物流效率最为低下，应在合理扩大规模的基础上，努力提高产出，深度发掘港口吞吐能力，提升物流效率。

[关键词]投入主导DEA；数据包络分析法 （DEA）；物流效率

[中图分类号] F270 [文献标识码] A

一、 引言

物流业的发展对我国经济的发展非常重要。我国拥有1.8万公里海岸线，11万公里内河航道，承担着9%的国内贸易货物运输和85%以上的对外贸易货物运输，沿海、沿江有1460多个商港，可见港口物流作为联结国内外水陆运输的核心地位。港口物流是水运模式下的现代物流集成系统，实现了供应链物资流通整体系统中基础的物流支持和附加的增值服务功能。改革开放以来，我国港口的基础设施规模明显扩大，生产能力显著增强，港口数量和泊位数量居世界前列。我国港口吞吐量和集装箱吞吐量已经连续8年保持世界第一，拥有20个亿吨大港。但是在追求总量不断攀升的同时，随着港口规模日益扩大，其物流效率却难以保持较高水平。

物流效率对于企业来说指的是物流系统能否在一定的服务水平下满足客户的要求，也指物流系统的整体构建。港口物流效率是指在投入一定的基础上，产出最大化或者在产出一定的基础上，投入最小化。对于效率的研究，主要采取的方法有参数法和非参数法。徐超（2005）利用数据包络分析法（Data Envelopment Analysis，简称DEA）对我国第三方物流效率进行测度评价，得出我国物流行业普遍存在纯技术效率低、规模效率低的结论。孙瑛和赫勇指出效率评价对物流行业的重要意义，运用DEA对物流企业效率进行排名，并分析了影响企业效率的关键因素。王晓慧（2013）同时运用主成分分析法和DEA测度了我国沿海港口的效率，得出我国港口效率不均衡，应改变发展模式的结论。本文选用非参数法中比较有代表性的DEA 对我国沿海主要港口的物流效率进行测度分析。

二、DEA方法介绍

数据包络分析法（DEA ）是一种根据多项投入与产出指标，利用线性规划方法，对具有可比性的同种类型单位进行相对有效性评价的数量分析法。1978年，DEA方法及其模型由美国著名运筹学家A.Charnes和W.W.Cooper提出，之后被广泛应用于不同的行业与部门，在处理多指标投入与产出方面展现出得天独厚的优越性。自第一个DEA模型——C2R模型提出之后，DEA方法及其模型被广泛应用于有效性的评价，并不断得到完善，之后又相继产生了BCC-DEA、超效率DEA、DEA-Malmquist等诸多模型。

1.CCR模型

（1）

其中， 分别为松弛变量； 为非阿基米德无穷小量，在计算时取正无穷小（如 = ）； 为第 决策单元的第 项投入， 为第 决策单元的第 项产出。在DEA模型中，称被评价单位为决策单元（Decision Making Unit——DMU）。

对具有 的CCR对偶输入模型，可根据以下规则来判断DEA的有效性：

1.若 ，则 为DEA无效；

2.若 ， ，则 仅为弱DEA有效；

3.若 ， ， 则 为DEA有效。

2.BCC模型

对于无效的决策单元，很难分辨出是由纯技术无效还是规模无效导致的。1984年，Banker、Charnes和Cooper进一步提出了BCC模型，通过对 值进行上限约束，将技术效率分解为规模效率和纯技术效率，因而增加了决策的准确性。

（2）

3.超效率模型

传统的DEA模型在效率评价应用中，可能会出现多决策单元均有效的结果，因而无法对这些决策单元的有效性进行排序。因此，Andersen 和 Peterson提出了超效率模型，允许决策单元的效率值大于1，从而实现了对同样有效的决策单元进行排序。

（3）

三、我国主要港口物流效率评价

1.样本选取

本文选取2012年中国沿海较大的15家物流港口数据作为样本，一是这些港口的数据比较容易获得，二是这些港口具有很强的地区代表性。它们分别是华东地区：宁波-舟山港和上海港；华北地区：大连港、天津港、青岛港、营口港、秦皇岛港、烟台港、连云港港和日照港；东南地区：广州港、深圳港、厦门港、福州港和湛江港。

2.投入与产出指标的选取

徐超（2005）研究第三方物流选取的投入指标为固定资产净值、员工工资及福利、管理费用和主营业务成本，产出指标为净利润。张建钦（2010）研究了我国各省物流效率，选用的投入指标是从业人员数量、固定资产投资总额和耗能量，产出指标是总产出、货运总量以及货运周转量。艾小辉研究第三方物流产业效率，选取投入指标是固定资产、主营业务成本、员工人数和高管薪酬，产出指标是主营业务利润。

考虑到港口物流行业本身的产业特性以及数据的可获得性，本文采取的投入指标是港口泊位个数、装卸机械台数以及港作船舶的数量；采取的产出指标是货物的吞吐量。

表1 2012年我国沿海主要港口投入产出情况

产出指标 投入指标

港口 货物吞吐量（万吨） 泊位个数（个） 装卸机械（台） 港作船舶（艘）

宁波-舟山港 69393 625 1108 67

上海港 62432 606 3356 381

大连港 33691 198 1071 18

天津港 45338 143 2190 69endprint

广州港 43149 487 1335 12

深圳港 22325 172 1182 8

青岛港 37230 75 758 10

厦门港 15654 134 705 9

福州港 8218 122 341 86

营口港 26085 69 963 19

秦皇岛港 28770 66 432 15

烟台港 18029 82 753 37

连云港港 15627 43 605 25

日照港 25256 48 77 11

湛江港 15539 153 712 23

数据来源：各港口网站2012年报

3.效率评价

首先采用DEA基本效率模型——CCR模型进行投入型技术效率的测度，产生了各个港口物流的技术效率值，并进行排序。为进一步分析规模效率对技术效率的影响，本文继续运用第二个DEA模型——BCC模型，将纯技术效率与规模效率进行分离。由于多个港口物流的技术效率值为1，又继续运用超效率模型，将同样为DEA有效的港口物流效率值进行排序，结果见表2。

表2 2012年我国沿海主要港口物流效率及排序

技术效率 排序 超效率 排序 纯技术效率 规模效率 规模收益

宁波-舟山港 0.415 12 0.415 12 1.000 0.415 递减

上海港 0.196 14 0.196 14 0.801 0.244 递减

大连港 0.553 9 0.553 9 0.565 0.979 递增

天津港 0.603 8 0.603 8 1.000 0.603 递减

广州港 0.966 3 0.966 3 1.000 0.966 递减

深圳港 0.750 5 0.750 5 1.000 0.750 递增

青岛港 1.000 1 2.519 2 1.000 1.000 不变

厦门港 0.467 10 0.467 10 1.000 0.467 递增

福州港 0.128 15 0.128 15 0.389 0.329 递增

营口港 0.718 6 0.718 6 0.723 0.994 递减

秦皇岛港 0.829 4 0.829 4 0.847 0.979 递减

烟台港 0.418 11 0.418 11 0.547 0.764 递增

连云港港 0.691 7 0.691 7 1.000 0.691 递增

日照港 1.000 1 5.408 1 1.000 1.000 不变

湛江港 0.242 13 0.242 13 0.454 0.533 递增

平均值 0.598 0.994 0.822 0.714

由表2可知，我国沿海主要港口物流效率的平均值只有0.598，说明总体来说我国沿海港口的物流是缺乏效率的。平均纯技术效率值为0.822，平均规模效率值为0.714，说明纯技术效率与规模效率都未实现DEA有效，但相比较而言，规模效率更加制约了港口物流效率的提升。观察个体数据发现，只有青岛港跟日照港的技术效率达到1，即为DEA有效，其他港口均为DEA无效。在DEA无效的港口中，宁波-舟山港、天津港、广州港、深圳港、厦门港与连云港港表现为纯技术有效，这意味着这些港口的技术无效主要是由它们的规模无效造成的。而且，宁波-舟山港、天津港和广州港是由规模递减造成的规模无效率，证明这三个港口的规模偏大；深圳港、厦门港和连云港港是由规模递增导致的规模无效率，证明这三家港口的规模偏小。除此之外，上海港、大连港、福州港、营口港、秦皇岛港、烟台港和湛江港同时存在纯技术效率无效和规模无效。将表2中样本按照地区划分可以得到表3和图1。

表3 2012年各地区港口物流效率

地区 样本 技术效率 排序 超效率 排序 纯技术效率 规模效率

华北地区 大连港 0.553 9 0.553 9 0.565 0.979

天津港 0.603 8 0.603 8 1.000 0.603

青岛港 1.000 1 2.519 2 1.000 1.000

日照港 1.000 1 5.408 1 1.000 1.000

营口港 0.718 6 0.718 6 0.723 0.994

秦皇岛港 0.829 4 0.829 4 0.847 0.979

烟台港 0.418 11 0.418 11 0.547 0.764

连云港港 0.691 7 0.691 7 1.000 0.691

平均值 0.727 1.467 0.835 0.876

华东地区 宁波-舟山港 0.415 12 0.415 12 1.000 0.415

上海港 0.196 14 0.196 14 0.801 0.244

平均值 0.306 0.306 0.901 0.330

东南地区 福州港 0.128 15 0.128 15 0.389 0.329

湛江港 0.242 13 0.242 13 0.454 0.533

广州港 0.966 3 0.966 3 1.000 0.966

深圳港 0.750 5 0.750 5 1.000 0.750

厦门港 0.467 10 0.467 10 1.000 0.467

平均值 0.511 0.511 0.769 0.609endprint

总平均值 0.559 1.035 0.790 0.695

图1 2012年我国各地区港口物流效率平均值

由表3和表4可知，华北地区的港口物流各项效率指标中，除了纯技术效率略低于华东地区之外，其余指标均远远高于其他地区，证明华北地区沿海港口物流效率很高。华东地区除了纯技术效率略高于其他地区之外，技术效率、超效率与规模效率都远远落后与其他地区，证明华东地区沿海港口物流效率非常低，亟须改善。东南地区的各项效率指标都处于居中位置，且低于所有样本的平均值，说明东南地区沿海港口物流效率一般，也需要有所调整。

4.港口物流投入产出投影分析

如表5所示，投入冗余列表中，非零项表示该决策单元为实现DEA有效需要进行的改进项目，目标列表中显示的是通过以上改进达到DEA有效之后该决策单元应该实现的值。可以看出，上海港、大连港、福州港、营口港、秦皇岛港、烟台港和湛江港都存在不同程度的投入与产出的不合理。其中上海港、大连港、营口港和秦皇岛港存在不同程度的投入不合理，尤其以上海港最为严重，应在产出不变的情况下减少投入；湛江港存在严重的产出不够，现达到的产出能力只有其可实现产出的3/5，还有2/5没有实现，证明湛江港应该重新合理配置资源，产出能力将会有很大提升。福州港和烟台港同时存在着产出不够与投入过多，并且福州港更为严重，福州港潜在的产出可达到现有产出的3倍左右，同时投入可以稍微减少，证明福州港的物流运作方式应该进行全面改革，实现物流效率的全面提升。综合分析港口物流投入产出冗余投影表，限制港口物流效率的主要原因是产出不足，即资源的非有效利用。

表5 2012年我国沿海主要港口物流投入产出投影

原始值 投入冗余

样本 产出 投入1 投入2 投入3 产出 投入1 投入2 投入3

宁波-舟山港 69393 625 1108 67 0 0 0 0

上海港 62432 606 3356 381 0 0 1267.68 237.67

大连港 33691 198 1071 18 0 39.89 0 0

天津港 45338 143 2190 69 0 0 0 0

广州港 43149 487 1335 12 0 0 0 0

深圳港 22325 172 1182 8 0 0 0 0

青岛港 37230 75 758 10 0 0 0 0

厦门港 15654 134 705 9 0 0 0 0

福州港 8218 122 341 86 16022.40 0 0 20.99

营口港 26085 69 963 19 0 0 571.85 2.80

秦皇岛港 28770 66 432 15 0 0 89.19 2.00

烟台港 18029 82 753 37 1123.58 0 0 0.35

连云港港 15627 43 605 25 0 0 0 0

日照港 25256 48 77 11 0 0 0 0

湛江港 15539 153 712 23 10105.37 0 0 0

平均值 31115.73 201.53 1039.20 52.67 1816.76 2.66 128.58 17.59

四、结论与建议

我国沿海主要港口的总体物流效率较低，主要原因是港口的规模效率没有达到最优。其中华东地区的效率最低，主要原因是华东地区港口发展较早，规模庞大，对规模的扩张没有进行科学的论证，规模经济呈现出规模递减的趋势，阻碍了物流效率的进一步提升。因此，作为华东地区的重要港口，上海港与宁波-舟山港应适当合理缩小经营规模，提升物流效率。华北地区的港口规模相对较小，资源的利用率相对较高，规模经济效应明显，因此在纯技术效率相差无几的情况下其平均效率最高。除了广州港之外，东南地区的港口物流效率普遍不高，其平均值略低于所有港口均值，证明东南地区港口的物流效率仍有提升空间，尤其是湛江港与福州港，应在合理扩大规模的基础上努力提高物流效率，深度发掘港口吞吐能力。

[参考文献]

[1]Andersen .P.，Petersen，N.C.A Procedure for Ranking Efficient Units in Data Envelopment Analysis [J].Management Science，1993（39）：1261-1264.

[2] Charnes .h.，Cooper .W.，Rhodes. E..Measuring the Efficiency of Decision Making Units.European Journa1 of Opertationa1 Research，1978：429-444.

[3]李美娟，陈国宏.数据包络分析法（DEA）的研究与应用[J].中国工程科学，2003（6）88-94.

[4]吴文江.数据包络分析及其应用[M].北京：中国统计出版社，2002：3-63.

[5]徐超.基于DEA法的我国第三方物流企业效率评价研究[D].杭州：浙江工业大学，2006.

[6]杨德权，裴金英.基于DEA-AHP物流系统绩效评价研究[J] .运筹与管理，2009， 18（5）： 81-86.

[7]张宝友，黄祖庆.基于AHP/DEA模型的七市物流公司绩效评价[J].工业工程与管理，2008 （5）： 67-71.

Abstract：This article has used data envelopment analysis CCR， BCC and super-efficient models to research the logistics efficiency of Chinese 15 major coastal ports with the data of 2012. The results showed that the overall logistics of major coastal ports is low， mainly because the scale efficiency did not reach optimal. The lowest efficiency occur in eastern China， mainly because ports in East China had developed earlier， their scale is becoming larger and larger . Existing scale has exceeded its optimal size， showed a diminishing scale. Among them， there is a big investment redundancy in Shanghai Port. The ports in southeast region have showed the increasing scale effect because they did not reach to the optimal scale. Especially Zhanjiang Port and Fuzhou Port did not uncover the large number of potential throughput due to the unreasonable size. Ports in North China have developed more balanced， and they are competitive. Therefore， most ports in China should improve the throughout capacity deeply， improve their logistics efficiency based on a reasonable scale.

Key words ： DEA of investment leading；data envelopment analysis；logistics efficiency；

（责任编辑：乔虹）endprint