我国上市港口企业效率评估

摘 要：我国作为国际贸易大国，进出口贸易对于我国的发展有很大的贡献，而对外贸易的主要运输方式是水运。港口是连接水运和陆路运输的中心，其港口的发展对于经济的发展有着重要意义。通过采用经典DEA方法，对我国18家上市港口企业在2013年—2015年的数据进行分析，选取流动资产、固定资产、营业成本、管理费用和财务费用为模型投入指标，每股收益、净利润和权益净利率为模型的产出指标。使用了CCR和BCC型DEA模型进行了估算。最后得出结论，我国18家上市港口企业中，位于长三角和珠三角的企业具有较高的效率，而内陆地区和北方港口企业效率较低一点。

关键词：上市港口企业；DEA模型；效率

中图分类号：F272 文献标识码：A 文章编号：1008-4428（2019）02-0028-03

一、 引言

港口作为陆地货运和水运的连接点，在我国的交通运输网络中有着重要作用。随着经济全球化，沿海国家的对外贸易大部分通过港口运输，水运自身的特点决定了港口的重要地位。我国改革开放以来，沿海地区的飞速发展都离不开港口的贡献，在大部分沿海城市都有成规模的港口，港口城市也希望通过对外贸易来推动城市的发展。近年来，我国经济快速发展，对于贸易的拉动和产业结构的调整，港口受到了大多数投资者的喜爱，在世界十大港口排名中，我国就占得八个，这也表明了我国港口发展取得的显著成就。但是，随着港口企业的不断发展，各港口之间的竞争也越来越激烈，盲目的扩大港口规模也导致了不必要的资源浪费，主要表现在港口企业的成本扩大和产出减少。因此对于港口效率的研究，对推动港口企业的改革和发展有一定的实际意义。

目前，国内外关于效率的研究方法，主要包括参数法和非参数法。参数法则主要有随即前沿法（SFA）、自由分布法（DFA）和厚边界函数法（TFA）等。这些方法的特点是考虑了随机误差，但是假设的边界函数具有主观性，函数形式准确性对效率值有相当影响。非参数化方法最典型的是数据包络分析（DEA）。Seiford和Thrall（1990）研究DEA得出DEA模型所评价的效率前沿具有相当的稳健性的结论以及它相对于其他前沿分析更适合于小样本效率分析的特点，DEA法非常适合港口企业效率的评价。DEA由于自身的特点使其得以广泛应用。

Martinez-Budria等（1999）按港口的复合程度，将港口分为高度复合、中等复合和低复合程度三大类，运用DEA方法对西班牙26个港口1993—1997年的效率进行研究。Tongzon（2001）通过运用DEA方法，根據港口大小、基础设施建设情况和港口功能不同进行分类，分析澳大利亚和其他12个重要国际港口。Hung等（2010）运用DEA方法分析了亚太地区31个主要港口2003年的效率。Wang等（2015）对60个世界主要港口2004—2010年效率进行分析。van Dyck（2015）运用DEA方法对西非6个主要港口2006—2012年效率进行测度，发现这些港口效率较高。

国内研究中，庞瑞芝（2006）利用DEA和Malmquist生产率指数方法，测量我国50家主要沿海港口1999—2002年的经营效率和全要素生产率的构成。匡海波（2007）以选取港口经营绩效研究中选择评价指标这一层面的缺陷作为基础，通过建立港口经营效率评价系统的神经网络模型，系统分析了港口类上市公司所具备的“综合效率”。李兰冰（2011）基于Malmquist方法，研究我国16个主要沿海港口2007—2009年间的动态效率，指出港口总体效率较低。杨泊以2003—2009年我国13家上市港口企业为研究样本，分析其技术效率、纯技术效率和规模效率。李电生等将DEA二次相对评价模型用于港口物流效率评价，以我国13个港口为实证分析对象，评价其生产效率和X效率。丁涛等采用三阶段DEA方法，对2012年我国11家上市港口企业的投入产出效率进行实证研究。董彬（2016）采用了传统DEA、超效率DEA和Malmquist生产率指数以及Tobit模型对14家港口上市公司2010—2014年间数据进行分析，得出第一大股东持股比例、资产收益率、本科及以上学历员工人数占总员工数比例和公司规模四个因素与港口的综合效率呈现显著正相关。王燕，吴蒙（2016）采用链式网络数据包络分析（DEA）模型对2005—2014年我国17家港口上市公司的总体效率进行测算。为此，本文采用DEA模型对2013—2017年中国港口上市公司的运营效率进行测度。

二、 研究方法和工具

数据包络分析（Data Envelopment Analysis，DEA）是线性规划模型的应用之一，常被用来衡量拥有相同目标的运营单位的相对效率。是一种基于线性规划的用于评价同类型组织工作绩效相对有效性的特殊工具手段。20世纪70年代末产生的DEA方法处理多输入，特别是多输出的问题的能力是具有绝对优势的。因此本文在分析税收征管效率时，将采用DEA模型进行税收征管效率的评价。

据上所述，方法中最基本的模型主要有两类，一类是规模报酬不变的DEA模型——CCR模型，测算出的结果是决策单元的综合效率；一类是规模报酬变化的DEA模型——BCC模型，测算出的结果为决策单元的技术效率。而这两个模型测算结果之比为规模效率。即：规模效率=综合效率/技术效率。本文采用的分析工具是DEAP2.1。

三、 我国上市港口企业效率实证研究

（一）数据来源与指标选取

本文选择我国主要的上市港口企业，时期为2013—2017年。所有数据均来自上市港口企业年报。截至2017年，我国上市港口公司18家，其中有深赤湾A、盐田港、珠海港、北部湾港、厦门港务、南京港、日照港、上港集团、锦州港、重庆港九、营口港、皖江物流、天津港、唐山港、连云港、宁波港、广州港、大连港。

指标选择方面，借鉴前辈的文献研究，本文选取投入指标为，流动资产、固定资产、营业成本、管理费用和财务费用；产出指标为，每股收益、净利润和权益净利率。如下表所示：

（二）我国上市港口企业效率测算

由于DEA模型对于数据的投入产出指标有要求，不能计算小于零的数据，因此本文对原始数据进行了无量纲化处理，即对每一个指标计算单元格中的最大值和最小值，用每个单元格的值减去最小值再除以最大值和最小值的差额，由此将所有数据变为0—1之间的数值，去除了单位的影响和负数的问题。本文由于缺乏2017年广州港的数据，因此在2017年中没有估算广州港的效率。经处理后使用DEAP2.1软件对我国上市港口企业效率进行估算。

从各公司的效率平均值看，深赤湾A、南京港2家公司在样本期内的效率达到了1，即这2家公司在样本期内始终处于效率前沿面上，意味着这2家公司在本文构造的指标评价体系下，相对其他港口企业而言运行效率始终是最优的，其要素投入组合合理，决策与管理水平较高，取得了较好的产出效果。而深赤湾A在连续五年内，除了2014年外都达到了效率最优的水平。规模较大的上港集团，综合效率并没有达到最优前沿。

纯技术效率方面，在五年时间内，深赤湾A、盐田港、南京港和上港集团是最优的，这说明这些企业的纯技术效率达到效率前沿。北部湾港在2013、2014年达到了效率最优，而在随后几年效率下降。日照港在2013年达到效率最优，随后效率下降，在2017年效率值仅仅为0.5左右。天津港则在2014年和2016年达到最优效率，其余年份没有达到效率最优。唐山港则只有在2013年效率为0.8左右，其余年份则达到了纯技术效率最优，这表明唐山港在这些年技术发展较好。宁波港只在2013年和2014年达到效率最优，其余年份没有达到效率最优。其余港口企业都未在达到过效率最优。

在规模效率方面，从平均值来分析，盐田港和南京港在2013—2017年达到了效率最优前沿面。说明这两家港口企业在企业规模上控制得当，使企业达到了相对最优的规模状态，不存在投资的冗余。其次，深赤湾A规模效率达到了次优，其中只有一年没有达到规模效率最优。厦门港务在2013年和2015年则达到了规模效率最优，平均效率值达到0.8左右。锦州港、营口港都在2013年和2015年达到了规模效率的最优。日照港和大连港在2015年达到了规模效率最优，其余企业则没有达到规模效率最优，如上港集团在2017年的财务报表中，总资产达到了一千多亿人民币，这样庞大的规模，则会带来规模报酬下降的情况。

（三）我国上市港口企业效率比较

通过以上估算可以基本得到我国上市港口企业的效率，为了便于分析，对CCR效率进行排名，由此得出我国上市港口企业的综合效率排名，对于效率值都为1的企业，使用统一排名为第一，可以得出下表：

從综合效率排名来看，日照港和南京港达到了效率排名第一；其次，第三至第十名分别是：深赤湾A、厦门港务、北部湾港、上港集团、唐山港、广州港、宁波港、珠海港。皖江物流、大连港和锦州港则在上述上市港口企业中效率最低。

四、 结论

港口企业的技术效率、纯技术效率和规模效率不仅受宏观技术环境和外部随机冲击的影响，也受企业自身经营管理水平和企业治理结构的影响。随着我国经济增长速度逐渐放缓，港口上市公司如何提高效率，增强自身竞争力成为一个重要的问题。当前，我国港口上市公司在不断扩大规模的同时，还存在着一些资源浪费的现象。这个时候，对港口上市公司效率进行评价就显得十分必要。一方面，通过评价港口上市公司效率，可以及时了解港口的运营情况，效率较低上市公司可以通过调整资源配置，提升管理水平，引进先进技术，提高港口效率。另一方面，港口效率的评估也为国家和相关地区对港口监管提供了重要的信息。通过对各个港口上市公司效率进行评价，可以发现各个港口上市公司资源配置的合理性和有效性，帮助有关部门能够及时掌握各个港口的运营情况，为港口的监管提供重要的参考指标。

本文通过选取我国上市港口18家企业，对2013—2016年的财务数据进行了企业效率评估，采用了DEA的分析方法进行分析。在选出的上市港口企业中，综合效率靠前的有：盐田港、南京港、深赤湾A、厦门港务、北部湾港。纯技术效率靠前的有：深赤湾A、盐田港、南京港、上港集团、唐山港。规模效率靠前的有：盐田港、南京港、深赤湾A、厦门港务、北部湾港。结论得出，我国上市港口企业效率差距较大，效率较高的企业都集中在长三角和珠三角地区，效率低的企业大部分位于北部港口和内陆地区城市，说明我国长三角和珠三角地区的经济更为活跃，港口企业结构更适合经济的发展，能充分利用资源而带来产出。但本文也有不足之处，主要在于：指标选择具有一定的主观性，对于企业的效率平有一定的误差；对于港口企业的效率评估，没有剔除环境变量对于企业效率的影响；对于存在相同效率最优的企业没有进一步分析，即没有采用超效率法分析；没有进行动态的效率分析。

参考文献：

[1]盛昭瀚，朱乔，吴广某.DEA理论、方法与应用[M].北京：科学出版社，1996.

[2]Seiford L M， Thrall R M. Recent developments in DEA. The mathematical programming approach to frontier analysis[J]. Journal of Econometrics，1990（46）：7-38.

[3]Martine-Budria E， Diaz-Armas R， Navarro-Ibanez M， et al. A study of the efficiency of Spanish port authorities using data envelopment analysis[J]. International Journal of Transport Economics，1999（2）：237-253.

[4]Tongzon J. Efficiency measurement of selected Australian and other international ports using data envelopment analysis[J]. Transportation Research. Part A： Policy，2001（3）：7-11.

[5]Cullinane K， Song D W， Ji P， et al. An application of DEA windows analysis to container port production efficiency[J]. Review of Network Economics，2004，3（2）.

[6]Wang H B， Huo D， Ortiz J. Assessing energy efficiency of port operations in China—A case study on sustainable development of green ports[J]. Open Journal of Social Sciences，2015，3：28-33.

[7]van Dyck G K. Assessment of port efficiency in west Africa using data envelopment analysis[J]. American Journal of Industrial and Busines Management，2015（5）：28-38.

[8]龐瑞芝.我国主要沿海港口的动态效率评价[J].经济研究，2006（6）：92-100.

[9]匡海波，陈树文.基于神经网络的技术效率研究——对中国港口的实证分析[J].科学学研究，2007（4）：676-681.

[10]李兰冰，刘军，李春辉.两岸三地主要沿海港口动态效率评价——基于DEA-Malmquist全要素生产率指数[J].软科学，2011，25（5）：80-84.

[11]杨泊.港口业上市公司效率及其影响因素研究[D].杭州：浙江大学，2011.

[12]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.

[13]丁涛，徐湘文.上市港口企业投入产出效率研究[J].武汉理工大学学报（交通科学与工程版），2014，38（2）：320-323，328.

[14]董彬.我国港口业上市公司效率研究[D].重庆：西南政法大学，2016.

[15]王燕，吴蒙.我国港口上市公司效率研究——基于两阶段网络数据包络分析模型[J].中国流通经济，2016，30（5）：53-61.

作者简介：

唐德钧，男，湖南怀化人，上海海事大学硕士研究生，研究方向：产业经济学。