基于DEA方法的港口效率评价研究—一个文献综述

孙胜元，张 鹏

（泰州学院，江苏 泰州 225300）

1 引言

港口效率是制约货物运输的瓶颈之一，这一点在经济快速增长，尤其是贸易增长速度较快的时期尤为突出。因此，在相当长的一段时期内，港口效率的评价方法是港口发展理论的研究热点。作者在中国知网上以主题词“港口效率”进行检索，检索到中文文献510 条，其中期刊类论文273 篇，硕博毕业论文217 篇，报纸文章5 篇，国内会议论文5 篇，外文文献101篇。传统的对效率的测度方法大致分为两类，分别是基于随机前沿分析的参数法和基于非参数的DEA方法。由于随机前沿分析建立在一系列苛刻的假设基础上，其前沿函数的形式及其准确性、参数值及其确定方法等会影响效率评价结果，更多的学者倾向于用非参数方法对港口效率进行评价，而DEA方法成为近年来最常用的非参数方法。该领域最早的研究来自于 1993 年 Roll 和 Hayuth[1]对 DEA 方法运用于港口企业评价进行的理论探讨，尽管作者并没有进行实际定量测度。

DEA方法本身的相关研究工作包括方法与实践正在以指数规律增长[2]。Bichoud[3]总结发现诸多港口效率的评价研究结论不同，这其中是否存在某些技术环节或者数据选取的问题。Odeck 和Brathen[4]认为事实上，诸多因素影响了港口效率的评价，例如方法、投入和产出的指标、港口所在的国家和地区因素等。本研究旨在梳理DEA方法及其各种拓展模型在港口效率测度上的应用和进展，以期为港口效率评价提供一定的借鉴。

2 相关概念

2.1 港口效率

经济学角度讲，港口效率是对其资源的有效配置,是投入产出能力、竞争能力和经营管理水平的总称。庞瑞芝[5]、张小蒂，等[6]将港口效率内涵体系分解为港口内部运营效率、港口与港口之间的联网效率及港口对腹地经济的辐射效率三个层次。目前，对于港口效率的研究更多的是基于港口内部的运营效率这一层次展开。

2.2 DEA方法

DEA 方法是由美国运筹学家Charnes 和Cooper[7]等以相对有效性概念为基础发展起来的一种效率评价方法。DEA方法是一种针对决策单元多投入多产出情况下，相对有效性和规模收益评价广泛使用的方法[8]。

3 相关研究综述

杨国梁，等[9]分析了DEA方法基于6个关键因素（角度）及其组合：（1）生产可能集：不变、可变；（2）测度：径向测度、Russell测度等；（3）偏好：帕累托偏好、平均偏好等；（4）变量的类型：非任意变化变量、不可控变量、有界变量等；（5）问题的层次；（6）数据是否确定等。DEA 模型从这6 个关键因素及其组合可以拓展为多种变型以解决不同的问题。而有关运用DEA方法对港口效率的评价也是从最初简单的模型（方法）引入到不断的优化评价方法，以更加符合港口运营的实际，更加准确测度港口效率这条主线展开的。具体而言，基于DEA 方法的港口效率评价沿着从最初的静态的、单层的、径向测度的逐步向动态的、多层次的、非径向测度的DEA模型应用转变这一脉络演进。本文将沿着这一脉络对已有研究进行梳理。

3.1 港口效率评价的传统DEA模型

DEA方法提出的最基本的模型便是假定规模收益不变的CCR 模型，之后在1984 年由Banker[10]等人拓展为规模收益可变的BBC 模型。鉴于CCR、BCC模型是比较成熟的传统模型，本研究不做赘述。

早期，基于DEA 方法的港口效率评价多是将CCR、BCC两种传统模型直接引入。目前能检索到的最早的运用DEA方法对港口效率进行测度的外文文献是 Martinez 等人[11]利用 BCC 模型对 26 个港口效率进行评价。另外国外较早研究的是Tongzon[12]利用CCR模型，将澳大利亚的4个集装箱港口和国际上其他12个集装箱港口的效率进行比较分析。这两篇文献是目前引用率较高的早期文献。国内的定量研究比国外要开始的早，刘大镕[13]1994 年发表的论文中，通过因子分析法分别对投入指标和产出指标压缩为少数新指标，进而运用CCR 模型对交通运输部所属16 个港口的经济效益进行了评价。然而在此之后，国内学者使用DEA模型测度港口效率的方法并没有得到广泛应用，直到陈军飞，等[14]应用CCR 模型对2002 年15 家港口水运上市公司的经营效率进行评价。之后，国内使用DEA 模型评价港口经营效率的研究逐渐增多，也逐渐拓展了规模收益可变的假定，后续有较多的研究使用BCC 模型、CCR 模型与BCC模型结合。本研究不做过多罗列。

早期研究无疑对港口效率评价具有开创性的意义，但是这类研究也有其局限性，包括：所用数据为静态横截面数据；没有涉及环境变量；将港口运营过程视为“黑箱”没有深入运营内部；假定投入产出为径向测度等。后续研究者正是通过不断引入新的DEA模型来改进早期的研究。

3.2 港口效率评价的动态DEA模型

早期研究是基于横截面数据，即不考虑时间上的变化，只比较同时期内的被评的港口与其他港口，输出的结果事实上属于静态效率，无法反映被评价单元的效率变化和稳定性。后续研究中，学者们开始尝试引入动态数据评价。

（1）DEA 方法与Malmquist 相结合。这类研究为DEA 方法与 CAVES[15]等人 1982 年提出的 Malmquist指数方法相结合。在实证评价中，学者们[5,16-23]利用Fare 等[24]所界定的Malquist 指数=综合技术效率变化指数×技术水平变化指数；综合技术效率=纯技术效率变化指数×规模效率变化指数，选取面板数据，全面测度综合技术效率变化、技术效率变化、规模效率变化、纯技术效率变化。学者们发现了各类效率的变化趋势，并分析被评价单元的效率高低以及形成原因。

（2）DEA 视窗模型。这类研究主要利用Charnes等人[25]提出的DEA 视窗模型（Window Analysis，WA）考察港口在不同时期的效率变化情况。基本原理是，选取面板数据，将同一个港口的不同时期看作一个独立的决策单元，设定视窗宽度w，将一个港口在一段时期（t）的数据分割为t-w+1个有所重叠的时间窗，进而比较t-w+1 个时间窗数据，评价港口的效率变化情况。这类方法既比较了同一时间跨度内不同时间点同一港口效率的变化趋势，也比较了不同窗口内同一时间点的同一港口的相关数据，体现了时间的连续性，在得出效率评价结果的同时，也有利于分析效率变化的原因。Al-Eraqi，等[26]在评价世界主要集装箱港口的效率时比较了基于横截面数据静态DEA 模型和DEA 视窗模型，验证了该方法的优越性在于发现了效率变动的细节和原因。国内学者张巧丽，等[27]运用DEA视窗分析模型，从空间和时间两个维度出发，利用面板数据，对渤海湾地区三大主要港口的内部运营效率进行研究，并利用在DEA 相对有效面上的投影分析，明确港口效率低的原因。

3.3 港口效率评价的多层次DEA模型

3.3.1 三阶段DEA模型。针对单层DEA模型没有考虑被评价单元所处的客观环境、随机因素等对效率的影响。文献[28]采用Fried[29]提出的三阶段DEA 模型，对太平洋十大港口1998-2008年间的动态效率进行了评价，对比CCR、BCC 模型测度的结果，认为三阶段DEA 模型的评价结果更为客观。其他文献[30-34]也进行了类似的测度。这类研究过程大同小异，第一阶段运用传统DEA（CCR、BBC）模型进行初步测度；第二阶段运用有关方法对投入量、产出量进行调整，建立松弛变量与环境变量关系，并将随机误差分离，得到仅由管理无效率造成的决策单元投入/产出冗余；第三阶段用调整后各决策单元的投入、产出数据，结合传统DEA 模型进行评价。这种方法剔除了外部环境因素和随机误差对港口效率评估所造成的偏误，相对传统CCR、BBC模型，评价结果更为真实。

3.3.2 网络DEA模型。传统的DEA模型对港口效率的测度是将港口的运作视为“黑箱”，只关注两端的投入和产出，没有深入到港口内部的运作。为此，学者们试图从打开“黑箱”这一视角，深入到港口运营内部对其效率进行评价。王燕，等[35]将港口企业的盈利过程分解为运营和资本两个子过程，将BCC模型分别应用于两个子过程，发现了效率提升的促进因素和阻碍因素。刘丹，等[36]认为这种研究中的中间变量具有投入和产出的双重属性，致使两个子过程在效率改进的方向上存在矛盾，进而将港口运营分解为装卸子过程与港区物流服务两个串联在一起的过程，利用Kao[37]提出的多时期网络模型发现了具体港口在观察期内总效率与不同时间点的效率之间的关系，以及总效率与两个子过程效率之间的关系，最终找出了影响港口效率的原因，并提出了解决对策。Peter F W[38]进行了类似的研究，不同之处在于，其将港口效率分为基础设施效率和装运整合效率两个串联结构，通过多时期网络模型进行评价，通过并利用截断回归发现了外部环境变量，包括所有制、港口腹地面积、附近高速公路数量等对港口效率的影响。

3.4 港口效率评价的非径向测度DEA模型

传统研究是基于DEA 径向测度模型，即所有的投入和产出按照径向测度扩张等比例扩张（压缩），这并不符合港口运营的实际，评价结果无法区分投入指标和产出指标调整的大小与幅度，同时也没有考虑港口运营过程中所发生的环境污染等问题会对港口效率产生影响。学者们尝试将非径向测度DEA模型运用到港口效率评价中。冯烽，等[39]引入了Tone[40]所提出的基于松弛变量的非径向测度DEA 模型—SBM（salacks based measure,SBM）模型，对17家港口上市公司2010—2015年的运营效率进行评价，并给出了非有效的DMU 改进效率的指标调整路径与大小。国外有文献[41]用相同的模型测度了Safaga 港与DP World Sokhna的效率，并进行了比较，提出了Safaga港效率提升的路径。国内学者罗俊浩[42]进行了类似的研究，不同之处在于作者将“二氧化碳排放”做为产出指标之一，印证了二氧化碳排放这一“非期望产出”对于港口效率具有明显的影响，同样作者也提出了港口效率提升的指标调整幅度和路径。

3.5 港口效率评价的其他类型DEA模型

针对经典DEA模型无法对港口效率进行排序的问题，吉阿兵，等[43]早在2005年引入极效率DEA模型对16 个知名集装箱港口的效率进行了测度，并进行了排序。而后，张洁，等[44]进行了相似的研究。赖成寿，等[45]基于博弈论思想，引入二阶段博弈交叉效率模型对我国港口生产效率进行测度，解决了传统DEA模型不能实现全排序的问题。

3.6 不同指标类型

产出指标上，多数研究都将“吞吐量”包括货物吞吐量和集装箱吞吐量作为产出指标。一些研究还将其他项目列为产出指标，如用户满意度、收入性指标如利润、主营业务收入等。早期研究所选定的产出指标多为“正向”指标，近年来少数文献将港口运营中所产出的“负向”（例如环境污染）考虑在内。

投入指标上，多数研究将港口运营实际投入的设施（泊位、码头、堆场）和设备（各类型吊车、起重机、集卡等）、劳动力作为投入指标。也有研究使用了会计统计指标，例如固定资产、主营业务成本、资产、股本/营业收入、流动资金等。需要指出的是，在多阶段DEA 模型的运用中，少数文献考虑了外部环境指标对港口效率的影响。

4 简评与展望

现有研究从早期研究生产可能集不变假定、静态、单层、径向测度、非帕累托最优的DEA模型应用，到生产可能集假定可变、动态、多层（网络）、非径向测度、帕累托最优的DEA 模型转变。前人研究极大的丰富了DEA 方法在港口效率评价上的应用，也得出一些有意义的结果，也为后续研究留下了进一步拓展的空间。限于DEA 模型的种类繁多，本研究做以下研究展望。

第一，港口效率评价的DEA模型应用处于向“动态”演进过程中。一方面，DEA 方法与Malmquist 相结合的研究中，技术规模报酬如何处理学术界仍存在着分歧[15，46]，例如，Grifell-Tatje，等[47]指出非固定规模报酬的存在，导致Malmquist 指数难以精确测度生产率变化，且这种偏差具有系统性，主要取测算中所使用的距离函数；另一方面，DEA视窗模型在使用过程中首期和末期的数据只使用了一次，相对其他时期的数据明显偏少，因而首尾数据使用是不充分的[48]。所以，未来基于DEA 方法的港口效率动态评价还需解决“动态数据”的使用和处理这一难题。

第二，港口效率评价的DEA模型应用处于向“多层”演进过程中。尽管已有研究已经从打开“黑箱”的视角，从港口运营内部过程来对其效率进行评价，但是未来针对港口内部运营环节间的作用机理的研究仍需进一步细化。

第三，港口效率评价的DEA 模型处于不同测度的演进中。当前多数研究是基于径向测度的DEA模型，尽管有少数文献尝试引入了SBM-DEA非径向测度模型，但是，对于为提高港口效率的各类投入的扩张（收缩）幅度并没有给出精确的测度。后续可以借鉴多种非径向测度模型进行研究。

第四，在指标选取上，早期绝大多数文献只考虑了正向变量，后期研究中考虑了非期望产出等负向指标。后续研究中，应该重点关注各种变量，包括投入变量、产出变量、环境变量之间相互作用的机理。