基于DEA模型的港口物流生产效率评价研究

杨 健 徐佳胤

(1. 河海大学 港口海岸与近海工程学院， 南京 210098； 2. 上海市水利工程集团有限公司， 上海 201612)

基于DEA模型的港口物流生产效率评价研究

杨 健1徐佳胤2

(1. 河海大学 港口海岸与近海工程学院， 南京 210098； 2. 上海市水利工程集团有限公司， 上海 201612)

提升港口物流效率，对于促进港口的有效发展，推动腹地和区域经济的快速增长具有重要意义．基于数据包络分析的C2R模型，建立评价港口物流生产效率的定量模型，通过决策单元的DEA有效性和规模效益分析，对我国沿海10个重要的港口2009年和2014年的物流生产状况进行了实证分析．研究结果表明：过去5年间，上海港、深圳港和宁波舟山港物流效率较好；青岛港和天津港停滞在一个较低的水平；大连港和营口港在期间得到了较大提升；而广州港、厦门港和连云港的物流效率则下降了．最后提出港口物流生产达到相对有效性的限制原因以及政策建议，为港口物流的管理和生产提供决策指导．

港口物流； 生产效率； 数据包络分析

港口物流效率不仅反映了港口物流资源配置的状况，也是港口投入产出能力、运营管理水平和综合竞争力的体现．如何提升港口物流效率，对于促进港口的有效发展，推动腹地和区域经济的快速增长具有重要意义[1]．港口物流生产运营系统是个输入输出指标众多的复杂系统．其相互作用的内在复杂关系难以通过确定的函数解析式予以精确表述，港口物流生产投入产出各个指标的相对重要程度也不尽相同．对于这种综合系统，评价方法有层次分析法、平衡计分法、主成分分析法、模糊聚类分析法、灰色关联分析法以及数据包络分析法(data envelopment analysis，简称DEA)等[2]．由于数据包络分析法通过把多个决策单元纳入到一个大系统中进行有效性比较，如实地反映生产中具有不同量纲的投入、产出的客观情况，且评价结果不受其相互联系的影响，具有全面、客观公正等优点，特别适用于多投入、多产出情形下的投入产出效率分析．

数据包络分析(DEA)最早于1978年由美国运筹学家A.Charnes与W.Cooper等学者发展起来，用于对具有相同类型的多投入、多产出的决策单元进行相对有效性评估[3]．Roll和Hayuth以20个港口的假设数据为指标进行实证分析，证明DEA模型可用于对港口物流效率进行评价[4]．Carlos Pestana Barros和Manolis Athanassioul根据1998～2000年期间的总生产能力，采用数据包络分析法(DEA)比较希腊和葡萄牙的港口物流效率，并根据模型评价结果提出了提高港口物流效率的方法[5]．

杨承新在对深圳港口物流进行现状与发展前景的分析基础上，建立以深圳港总体排名、港口水域面积、集装箱专用泊位、集装箱吞吐量及港口相关产业年产值为指标的港口物流评价体系，得出港口物流将是深圳物流中心城市的支柱产业[6]．杨华龙等通过引用数据包络分析(DEA)模型并加以改进，选取集装箱港口的泊位长度、桥吊数量、集装箱吞吐量等作为投入产出指标，以我国大型集装箱港口为例进行实证分析，测算出8大集装箱港口的相对效率．在此基础上，提出了对大连港集装箱发展的建议[7]．陈思云和彭俊选取国内几个具有代表性的港口数据样本，结合主成分分析法和数据包络分析法，对港口物流绩效进行量化分析，得到了港口提高物流绩效的重要指标改进量，为我国各港口的横向比较提供了一种有效的方法[8]．

本文在前人工作的基础上，根据我国港口物流发展的现状，在理论分析的基础上对统计数据进行分析处理，构建港口物流生产效率的评价体系．采用数据包络分析法建立C2R模型，对我国沿海10大港口的物流发展数据进行实证分析，对其物流生产效率做出评价和比较．

1 DEA计量模型

1.1 模型的建立

数据包络分析法(DEA)是利用线性规划技术，对多指标投入和多指标产出的决策单元(DMU)的相对效率进行有效评价的分析方法[9]．

有n个部门或单位(称为决策单元，即DMU)，每个DMU有m种投入和s种产出．Xij表示第i个DMU的第j项投入，vj表示第j项投入的权重；Yik表示第i项DMU的第k项产出，uk表示第k项产出的权重．所有第i项DMU的投入可以表示为：

其权重量表示为：

所有第i项DMU的产出可以表示为：

其权重量表示为：

则第i项DMU的效率评价指数可以表示为：

由上式可知，通过调整各项指标的权重，一定能得到最大的投入与产出效益．但是一味的追求投入产出，可能会忽略对其他因素的考虑，导致最终的结果仍然不理想．因此，A.Charnes与W.Cooper提出了C2R模型，同时将生产效率和边际生产效益考虑在内，使规划结果达到“技术有效”与“规模有效”的最佳目标．利用Charnes-Cooper变换和对偶规划理论并引入松弛变量e+、e-和非阿基米德无穷小量ε，将模型的分式规划问题等价变换为线性规划模型[10]：

1.2 投入与产出评价指标的确定

在对港口物流生产效率的评价过程中，评价指标的确定对于评价结果的有效性、准确性具有重大的影响．选择指标应该基于完整全面、真实可靠以及具有较好的可比性等原则．根据上述原则，本文把码头设施、交通设施、腹地区域经济3个方面的要素作为投入指标，结合我国港口产业国情，把港口物流产值中比重较大的货物吞吐量作为产出指标．在C2R模型中考虑到边际生产效益，在产出指标中包含了吞吐量的增长情况．港口物流投入、产出指标见表1．

表1 港口生产效率评价指标

2 实证研究

2.1 选择DMU

本文在选取决策单元时，即选取需要被评价的港口时，为了兼顾到港口物流生产效率的纵向和横向比较分析，选取了我国沿海地区综合实力最强的10个港口2009年和2014年的数据，进行生产效率相对有效性分析．样本中的10个沿海港口，对于我国港口物流的发展水平具有较强的代表性．我国对港口规划的周期一般为5年，投资回收的期限也为5年，所以选择具有5年间隔的数据进行评价比较可以较为真实地反映港口自身的纵向发展情况．数据主要来源于行业年鉴以及各大报纸媒体、互联网门户等．经过整理，分析出的港口输入输出指标数据见表2～5．

表2 2009年港口物流投入数据

表3 2009年港口物流产出数据

表4 2014年港口物流投入数据

表5 2014年港口物流产出数据

2.2 DEA评价结果

根据建立的DEA方法C2R港口物流生产效率计量模型，利用DEAP软件对样本数据进行计算，得到了2009年和2014年我国沿海10大港口物流投入产出生产效率的评价结果，见表6．

表6 港口物流生产效率评价结果

注：vrste表示纯技术效率值，scale表示规模效率值，crste表示技术效率值．

Vrste(technical efficiency from VRS DEA)指港口物流生产的投入产出能力，其值越接近1，表明港口物流的生产效率越高．Scale指港口物流生产的边际效益，其值等于1时，每增加1单位的投入，将增加1单位的产出；其值小于1时，每增加1单位的投入，将增加少于1单位的产出．Crste(technical efficiency from CRS DEA)是综合考虑了生产效率和边际生产效益的技术效率指标，其值为vrste值与scale值的乘积．根据表6评价结果，2009年物流生产crste效率指标对沿海10大港口排名为厦门、连云港、上海、深圳、宁波舟山、青岛、广州、天津、营口、大连，2014年的排名为大连、营口、宁波舟山、上海、深圳、连云港、厦门、青岛、天津、广州．分析认为，2009年上海、深圳和厦门达到相对有效水平，而2014年宁波舟山、大连和营口达到相对有效水平．从港口物流生产效率角度来看，2009～2014年间沿海各大港口的发展差异较大，有些港口的物流效率得到了大幅的提升，而有些港口的物流效率出现了停滞甚至是下滑，说明随着整个行业5年来的发展进步，我国港口的物流效益并没有得到同步的提高．

不同年份各大港口的crste效率值数据对照如图1所示.由图可知，上海、深圳和宁波舟山物流效率保持在一个较好的水平；青岛和天津物流效率停滞在一个较低的水平；大连和营口物流效率在5年间得到了较大提升；而广州、厦门和连云港物流效率在此期间降低了．分析vrste效率指标，几个具有先发优势的港口的物流生产效率并没有得到进一步提高，主要原因有以下几点：1)港口以及区域腹地的基础设施建设较为完善，甚至过剩；2)几个港口都处于经济发达地区，港口腹地经济体量较大；3)港口吞吐量与社会经济发展、贸易繁荣呈正相关，需求没有出现超越港口产业发展的爆发现象．对于在5年间物流效率取得进步的大连和营口，主要得益于当地港口物流产业的兴起，港口交通设施、物流运输业得到了大发展，产业结构得到了提升．分析scale效率指标，到2014年为止，深圳、青岛、厦门和连云港物流生产边际效益保持为1，表明物流产业具有活力，还有较大的扩大生产的潜力．而其他几个港口的scale效率值在2009年已经下降到1以下，在接下来的5年里进一步下降，说明该几个地区的港口物流产业已经基本满足了当地的发展需求，若再盲目投入扩大产业规模，将会造成资源的浪费．

图1 我国沿海十大港口2009年和2014年crste效率值

根据分析，2009～2014年5年间，我国港口行业得到了很大的发展，而港口物流生产效率并没有取得相应的进步．现代港口物流的理念是根据西方管理学理论，在追求高投入产出比的目标下进行精细化作业．对于港口物流产业的投资应该尊重客观事实，合理配置资源，避免为了追求发展成果盲目扩大生产规模．我国港口行业今后必然要进行产业升级，走可持续发展的现代港口之路，港口物流产业的效率低下的问题值得重视，我国港口必须采取有效的措施来提高物流生产效率．

3 政策建议与结论

3.1 政策建议

针对上述模型评价结果和分析，为提高我国港口物流生产效率，本文提出以下几点建议．

1)对于港口物流的产出端，港口货物的吞吐量与腹地经济发展状况紧密相关，需求具有相对客观性，港口物流业的发展应该适应需求，合理控制发展规模．

2)与具有相似条件港口的货运竞争中，不断提高自身服务质量，满足客户多样的需求，吸引潜在的货运业务．

3)对于港口物流的投入端，我国港口在过去进行了大规模的设施建设，积累了较为丰富的港口物流资源．对于现有的资源需要进行科学的统筹规划，减少过剩的投入，提高港口物流设施的利用率．

4)学习先进的管理理念，运用电子信息技术，提高港口的现代化程度，增强港口物流生产软实力．

3.2 结论

本文基于数据包络分析方法，建立了港口物流生产效率评价模型，对我国沿海十个重要的港口2009年和2014年的物流生产状况进行了实证分析．模型分析得到了各决策单元的DEA有效性和规模效益等情况．

结果表明，2009年上海、深圳和厦门达到相对有效水平，2014年宁波舟山、大连和营口达到相对有效水平．2014年数据与2009年相比，上海、深圳和宁波舟山物流效率保持在一个较好的水平；青岛和天津停滞在一个较低的水平；大连和营口在期间得到了较大提升；而广州、厦门和连云港的物流效率则下降了．根据模型得到的有效性现状，为了提高港口物流效率，一方面我国港口物流业需要调节投入要素，合理配置资源，发展先进工艺来提高生产效率，另一方面应该在尊重客观形势的前提下，积极争取货源，扩大港口的运输业务需求．

本文所用的DEA模型可以做到对决策单元的充分评价，定量地指出港口物流生产处于非有效状态的程度，为港口资源优化配置和提高生产效率提供了决策依据．

[1] 毕文慧．基于DEA方法的我国港口物流生产效率评估[D]．北京：对外经济贸易大学，2014．

[2] 丁晶晶，毕功兵，梁 樑．并联系统资源和目标配置双准则DEA模型[J]．管理科学学报，2013，16(1)：10-21．

[3] Charnes A， Cooper W W， Schinnar A． Transforms and Approximations in Cost and Production Function Relations[J]． Human Relations， 1979， 26(2)：215-226．

[4] Hayuth Y R Y． Port Performance Comparison Applying Data Envelopment Analysis (DEA)[J]． Maritime Policy & Management， 1993， 20(2)：153-161．

[5] Barros C P，Athanassiou M．Efficiency in European Seaports with DEA： Evidence from Greece and Portugal[J]． Maritime Economics & Logistics， 2004， 6(6)：122-140．

[6] 杨承新．深圳港口物流业现状及发展前景分析[J]．物流技术，2000(3)：37-38．

[7] 杨华龙，任 超，王清斌，等．基于数据包络分析的集装箱港口绩效评价[J]．大连海事大学学报：自然科学版，2005，31(1)：51-54．

[8] 陈思云，彭 俊．基于PCA和DEA分析法的港口物流绩效评价[J]．物流工程与管理，2012(2)：40-42．

[9] 杨青山，张 郁，李雅军．基于DEA的东北地区城市群环境效率评价[J]．经济地理，2012，32(9)：51-55．

[10] 李电生，张圣泽，员丽芬．港口物流综合效率测度研究[J]．交通运输系统工程与信息，2013，13(5)：107-113．

[责任编辑 王康平]

Evaluation and Research on Productivity of Port Logistics Based on DEA

Yang Jian1Xu Jiayin2

(1. College of Harbor, Coastal & Offshore Engineering, Hohai Univ., Nanjing 210098, China; 2. Shanghai Hydraulic Engineering Group Co., Ltd., Shanghai 201612, China)

To improve the efficiency of port logistics is of great significance to promote the effective development of the port, and to promote the rapid growth of the hinterland and the regional economy. Based on C2R model of the data envelopment analysis(DEA) method, via analyzing the DEA effectiveness and the scale benefit of each decision making unit(DMU) and evaluating the production conditions, a quantitative model is established to evaluate the productivity of port logistics. And an empirical analysis of the logistics production conditions of ten important coastal ports in China in 2009 and 2014 is conducted. The study results show that over the past five years, Shanghai port, Shenzhen port and Ningbo Zhoushan port logistics efficiency were better; Qingdao port, Tianjin port and stagnation were in a lower level; Dalian port and Yingkou port in the period has been greatly improved; and Guangzhou port and Xiamen port and Lianyungang logistics efficiency decreased. Finally, several limiting causes and effective measures for the logistics production to be relatively effective are proposed, so as to provide decision guidance for the management and production of logistics.

port logistics; productivity; data envelopment analysis

2016-08-25

国家自然科学基金项目“基于CAS的港口群演化机理及其优化研究”(项目编号：50909042)

杨 健(1991-)，女，硕士研究生，研究方向为港口规划与管理．E-mail：731207027@qq.com

10.13393/j.cnki.issn.1672-948X.2017.02.005

U652.1

A

1672-948X(2017)02-0019-05