黄河三角洲地区港口全要素生产率的动态实证分析

梁文文，刘荣花，吴正

(1.山东省交通规划设计院，山东 济南 272008；2.河海大学 商学院，江苏 南京 211100)

黄河三角洲(以下简称“黄三角”)作为我国最后的一个尚待开发的大河三角洲，国家高度重视其可持续发展形势，并在各政策文件中明确提出要着重发展黄河三角洲高效生态经济区，这也表明黄三角地区在山东省整体经济发展中有着举足轻重的作用。而滨州港、东营港、潍坊港和莱州港作为区域内主要港口，在黄三角经济发展中的作用也极为重要，港口的高效发展也推动了黄三角区域外向型经济的发展，提高了本区域的国际竞争力。山东省作为滨海大省，海洋经济发展迅猛，港口资源优势明显。就港口资源而言，山东省港口自然地理条件相似程度较高，经济腹地相互交叉，业务类型相似，导致同业竞争问题一直困扰着各港口的发展，而港口资源整合将是解决这一难题的主要办法。港口资源整合的前提是深入了解各港口的发展状况以及其竞合关系，因此，对黄三角区域港口效率进行评价意义深远。

有不少学者对港口效率评价问题进行了深入研究。Roll等[1]在评价港口效率时采用数据包络分析(data envelopment analysis，DEA)模型；Tabernacle[2]通过研究码头集装箱起重机作业的效率变化，分析了港口可移动集装箱数量和装卸时间的关系；Tongzon[3]将起重机数、泊位数、拖船数、堆场面积以及货物吞吐量等作为指标对4个澳大利亚港口以及其他国际集装箱港口的效率进行了对比研究。随着理论的不断发展，学术界将DEA方法和Malmquist指数相结合来评价港口的动态效率。庞瑞芝[4]在评价我国50家主要沿海港口经营效率的同时，分析了其动态效率；李兰冰等[5]为了更有效地评价港口效率而进一步扩展了DEA模型；马金凤[6]使用DEA模型对长三角几大港口进行定性分析，并对非有效的港口产生原因进行了解释；滕炜超等[7]运用DEA法对港口进行有效性分析、规模收益分析、无效港口改进分析，并对各港口的竞争力进行排序；丁彩虹等[8]基于三阶段DEA对江苏省大型港口进行港口效率测度，认为长江经济带战略有效促进了江苏大型港口绩效提升。这些学者的研究极大地提高了港口效率评价的有效性。在区域港口竞合关系研究方面，相关学者也进行了研究。杨强等[9]在建立港口竞争力评价指标体系的基础上，以环渤海地区港口为案例进行分析，并针对性地提出了破坏性创新合作战略理论；孟庆春等[10]通过实证分析提出，青岛港、大连港和天津港应建立新型的合作竞争关系，而不是一味维持传统的对立竞争关系；张广兴等[11-12]在研究临港产业与腹地产业共生关系的同时，进一步通过实证分析对冀东三港的经济贡献进行测算。已有研究多是对区域港口的有关指标进行比对或对港口间的竞合关系展开讨论，鲜有文献对区域港口群的效率进行实证研究分析。山东省在进行港口资源整合时，首先要理清港口间的竞合关系，确保资源整合后各港口可以协同发展。而港口的全要素生产率可以很好地表明港口的发展态势，有利于管理者进行针对性的管理规划。

基于此，本文运用DEA模型和Malmquist生产率模型，实证分析了2010年—2017年我国黄三角地区四大港口(潍坊港、东营港、滨州港和莱州港)的全要素生产率并得到动态效率，根据分析结果对区域港口提出具有针对性的政策建议，为保障山东省资源整合工作稳步进行，加快黄三角地区港航战略联盟的建设，促进区域经济绿色发展提供科学依据。

1 模型设定及数据选取

1.1 模型设定

1.1.1 DEA模型

DEA作为一种非参数统计的方法，对多投入、多产出的若干决策单元(DMU)的相对有效性做出评价。Charnes等[13]在1978年提出了规模报酬不变的C2R模型。假定n个决策单元DMU，第j个DMUj(j=1,2,…,n)的输入与输出向量为xj=(x1j,x2j,…,xmj)T>0和yj=(y1j,y2j,…,ysj)T>0，输入与输出的权向量为v=(v1,v2,…,vm)T和u=(u1,u2,…,us)T，且v∈Em、u∈Es，E为单位向量，则DMUj的效率评价指数hj为式(1)。

(1)

此后，Banker等[14]拓展了C2R模型，提出规模报酬可变的BC2模型。用DEA模型对决策单元的相对效率进行评价时，可能产生多个DMU均是相对有效的情形，无法进一步对这些有效DMU进行比较与评价。为弥补这一缺陷，Andersen等[15]提出超效率DEA模型，该模型计算所得的效率值可大于1，从而实现对有效DMU相对效率的比较。

1.1.2 Malmquist生产率模型

Malmquist生产率指数由瑞典经济学家Malmquist[16]最早提出，经Fare等[17]进一步发展，Malmquist指数定义如下：

(2)

分解式(2)得式(3)。

=TE(yt+1,xt+1;yt,xt)×TP(yt+1,xt+1;yt,xt)，

(3)

其中，TE(yt+1,xt+1;yt,xt)表示技术效率，TP(yt+1,xt+1;yt,xt)表示技术进步。也就是说，公式(3)将全要素生产率分解为技术效率和技术进步。

若假设该等式规模报酬可变，则技术效率可进而分解成纯技术效率与规模效率。因此可得：

MI(yt+1,xt+1;yt,xt)=PT×SE×TP，

(4)

当MI大于1时，表明全要素生产率增长；当技术效率(TE)或技术进步(TP)大于1时，表明TE或TP是全要素生产率提高的重要因素；反之，则是全要素生产率降低的主要动因。

1.2 数据选取及说明

基于数据的可得性，选取港口泊位数量、泊位长度、装卸机械台数、港口劳动力、港口的堆场面积和港口仓库的总面积作为本文区域港口的投入型指标，然后选取港口货物的吞吐量和港口集装箱的吞吐量作为本文区域港口的产出型指标，并且以我国黄河三角洲区域的东营港、滨州港、潍坊港、莱州港等4个港口为决策单元，研究范围为2010年—2017年，共计256个观测值。样本数据主要来源于2010年—2017年的《中国港口年鉴》[18]。

2 实证分析

2.1 黄三角地区各港口总体技术效率测算

本文将非径向与超效率模型相结合，假设规模收益可变，以我国黄三角地区2010年—2017年四大港口选取的指标数据为样本，运用MaxDEA5.2软件，根据公式(1)测算4个港口的总体技术效率，结果如图1所示。

图1 我国黄三角地区2010年—2017年四大港口的技术效率Fig.1 Technical efficiency of the four major ports in the Yellow River Delta region of China from 2010 to 2017

从技术效率变动角度，黄三角地区2010年—2016年主要港口总体技术效率呈现增长态势，2010年黄三角地区主要港口技术效率总体均值为1.037，2017年上升至1.230。设定技术效率大于1的单元为有效单元，那么从有效单元角度来看，2010年有3个有效单元，以效率值高低排序依次为莱州港、滨州港和潍坊港；2011年有效单元个数未变，但港口相对有效性发生变化，潍坊港上升至第1位，莱州港下滑至第3位；2012年莱州港技术效率不佳，为无效单元；2013年莱州港技术效率上升，重回有效单元之列；2014年东营港进入有效单元，有效单元数量增加至4个；2015年莱州港、东营港技术效率上升，潍坊港、滨州港技术效率下降至无效；2016年莱州港和东营港技术效率持续上升，潍坊港、滨州港技术效率依然无效；2017年莱州港和东营港技术效率上升至2.605和1.183，较2010年的1.208和0.753，效率提升较为显著。

结合实际情况可以知道，莱州港濒临烟台港，受烟台港辐射较大，所以其技术效率一直保持增长趋势；东营港由于区位优势明显，资源丰富，所以其技术效率也在逐年增长；由于2015年潍坊港集团成立，集团对潍坊港进行港区投资建设，这一举动影响了其技术效率，导致从2015年开始到2017年潍坊港的技术效率均为无效单元；滨州港2015年起规划加快港区建设，这也导致从2015年开始到2017年该港的技术效率均为无效单元。

2.2 黄三角地区港口的动态效率测算

本文综合运用DEA模型与Malmquist生产率模型，通过公式(3)和公式(4)测算我国黄三角地区主要港口的全要素生产率与技术效率的动态变化。

表2 我国黄三角地区2011年—2017年四大港口Malmquist生产率指数及其分解参数Table 2 Malmquist productivity index and its decomposition in the four ports of China's Yellow River Delta in 2011—2017

续表2

表2为我国黄三角地区2011年—2017年4个港口Malmquist生产率指数及其分解情况。从时间角度，2011年—2017年我国黄三角地区四大港口的技术效率整体呈现上升态势，2011年—2017年Malmquist生产率指数总体均值为1.111。从样本期间各港口Malmquist生产率均值角度，除潍坊港外，其他3个港口的MI年均值皆大于1，其中年均值最高的滨州港为1.244，而潍坊港的年均值最低为0.933。根据这个结果可以发现，我国黄三角地区各港口在2011年—2017年期间的Malmquist生产率存在的差距较为明显。具体来看，莱州港、滨州港和东营港的Malmquist生产率指数都实现了较大幅度的增长，分别提高了9.5%、27.9%和15.7%。

从整体上看，技术效率(TE)与技术进步(TP)共同促进了我国黄三角地区4大港口的发展，但技术进步的贡献高于技术效率。2011年—2017年黄三角地区四大港口的技术效率年均值为0.999，技术进步年均值为1.084，后者比前者高出超8%，由此可知，技术进步是黄三角地区港口Malmquist生产率变动的主要推动力。将技术效率分解为纯技术效率(PT)与规模效率(SE)，通过对比可以发现，黄三角区域港口的规模效率均值为1.016，大于纯技术效率均值(1.006)。因此，我国黄三角地区港口整体技术效率的变动主要来源于规模效率变动，这是因为山东省内逐步开始港口资源整合工作，港口资源归一化使得港口规模逐步扩大，致使黄三角地区港口技术效率提升。近期，山东省资源整合工作取得了实质性进展，这也将进一步促进黄三角地区港口效率的提升，促进黄三角区域经济的稳步发展。

3 结论与建议

本文综合运用DEA模型和Malmquist生产率模型，测算了我国黄三角地区2011年—2017年四大港口的投入产出效率，研究结论如下：

(1)对各年效率从横向角度来看，黄三角地区2010年—2017年主要港口总体技术效率呈现增长态势。

(2)从动态效率角度，我国黄三角地区2011年—2017年主要港口全要素生产率变动呈现以下特征：四大港口整体Malmquist生产率年均增长12%，呈上升态势；黄三角区域不同港口全要素生产率存在较大差距：滨州港全要素生产率增长率最高，为27.9%；东营港增长率次之，为15.7%；再次为莱州港，增长9.5%；而潍坊港Malmquist生产率指数最低，为负向增长。技术进步是黄三角地区港口效率提高的主要驱动力，而另一个推动黄三角地区港口全要素生产率进一步提高的重要因素为技术效率变动，尤其是规模效率的变动。

总体来说，我国黄三角地区港口群的总体效率与各港口效率水平均不是很高，为进一步提升该地区港口群效率、优化港口群整体功能，需进行相应的结构调整。具体建议如下：

(1)基于资源、区位、政策等因素，明晰各港口的特点，规范其主营业务，避免因区域港口内部无序的竞争而造成的区域整体经济效率的损失，从而影响区域经济的发展。此外还需推动港口技术创新，以技术进步促进港口效率的提升。

(2)加快适应港口资源一体化，加大港口联盟合作，避免港口间恶意竞争导致的资源浪费。

(3)改善港口与腹地间的空间通达性，推进港腹产业演进模式转变为成熟发展模式，实现港口与腹地的共生互动，实现港腹一体化发展。