基于三阶段DEA模型的“一带一路”中国主要沿海港口效率评价

高倜鹏　刘翠莲　袁博

摘要：为评价“一带一路”中国主要沿海港口效率，运用三阶段数据包络分析（data envelopment analysis， DEA）模型，对2013—2017年“一带一路”中国主要沿海港口的运营效率进行实证研究。研究结果表明：（1）中国主要沿海港口总体上效率较低，这主要是由中国主要沿海港口的规模无效率造成的;（2）不同区域港口的效率存在较大差异;（3）北方区域和南方区域内部各港口之间呈现出较为明显的效率差异。提出一些提升我国沿海港口效率的对策建议。

关键词：“一带一路”; 港口效率; 效率评价; 数据包络分析（DEA）

中图分类号：  F552

文献标志码：A

Efficiency evaluation of Chinese main coastal ports along Belt and Road based on three-stage DEA model

GAO Tipeng， LIU Cuilian， YUAN Bo

（College of Transportation Engineering， Dalian Maritime University， Dalian 116026， Liaoning， China）

Abstract：

In order to evaluate the efficiency of Chinese main coastal ports along the Belt and Road， a three-stage data envelopment analysis （DEA） model is used to empirically study the operational efficiency of Chinese main coastal ports along the Belt and Road from 2013 to 2017. The results show that： （1） the Chinese main coastal ports are generally inefficient， and the scale inefficiency is the main reason; （2） the efficiency of ports in different regions is quite different; （3） there are obvious differences in efficiency among the internal ports in the northern region and the southern region. Some countermeasures are put forward to improve the efficiency of Chinese coastal ports.

Key words：

the Belt and Road; port efficiency; efficiency evaluation; data envelopment analysis （DEA）

0 引 言

當今全球经济仍处于深度调整和缓慢恢复之中，中国作为全球化经济和贸易的重要参与者，同样面临着转型升级和结构调整的压力。在新时代背景下，习近平总书记提出了“一带一路”倡议，旨在借鉴和发展古代丝绸之路的商贸经济路线和地域文化内涵，与“一带一路”沿线国家实现更高水平的区域合作，发掘经济发展的新动力。港口作为“一带一路”倡议实施的重要节点，承担着打通“一带一路”沿线经贸大动脉的重要角色，港口运营效率的高低决定着经贸往来的畅通与否。因此，本文对“一带一路”沿线中国主要沿海港口的运营效率进行实证研究，为中国主要沿海港口的角色定位和港口建设提出建议。

目前，对数据包络分析（data envelopment analysis， DEA）方法的研究已经相对成熟，国内外很多专家学者都曾利用DEA方法研究了港口效率。TONGZON[1]和BARROS等[2]运用DEA方法探究了一些国际港口的运营效率问题。AL-ERAQI等[3]在评价港口效率时采用了DEA视窗分析法。聂鲸郦[4]选取了深圳港2009—2014年的投入产出面板数据，运用DEA方法分析了港口全要素生产率的变动状况。匡海波等[5]运用DEA模型实例研究了国内若干个港口的成本效率，并对这些港口的效率进行了对比与排名。罗俊浩等[6]借助SBM（slack-based measurement）-DEA模型对国内若干港口的环境效率进行了评价。陈义光[7]运用DEA模型对福建省干散货港口进行了效率评价分析，结合福建省干散货港口的发展实践，从区域港口发展和政府保障措施等方面提出提升福建省港口效率的建议。然而，上述研究仅利用DEA的第一阶段进行了分析，并没有考虑到一些客观、随机因素，所得出的结论实际指导意义较小。

LIN等[8]在评价亚洲地区主要集装箱港口时共选取了5类评价模型，它们分别是D&G、CCR、BCC、SCE和A&P。LIU[9]在研究港口的动态效率时，以太平洋沿岸的数十个港口为研究对象，运用了CCR模型、BCC模型和三阶段DEA方法。沈金生等[10]基于三阶段DEA模型，测算环渤海地区主要港口的DEA效率值，并给出了相应的对策建议。王爱虎等[11]选取珠三角地区港口的投入产出面板数据，用三阶段DEA方法对珠三角地区港口效率进行了实证分析。丁彩虹等[12]运用三阶段DEA方法对江苏省大型港口进行效率测度，并提出了相应的对策建议。从近几年的文献可以看出，多阶段DEA模型考虑更多的客观因素，能够弥补单一阶段DEA模型的不足，应用范围更广。本文运用FRIED等[13]提出的三阶段DEA模型对“一带一路”中国主要沿海港口的综合效率、纯技术效率和规模效率进行研究，以期对中国主要沿海港口效率进行更准确的评估。

1 研究方法和数据

1.1 研究方法

相较于一般的DEA模型，三阶段DEA模型能够更为客观地对决策单元（decision making unit， DMU）效率进行评价。三阶段DEA模型由三个阶段组成：第一阶段采用投入导向的BCC-DEA模型对DMU效率进行一般评价，得出初步的DEA效率值;第二阶段利用随机前沿分析（stochastic frontier analysis， SFA）回归模型对DMU的原始投入进行同质化处理，即剔除环境因素和随机因素的影响;第三阶段将原始投入数据替换为经过同质化处理的各DMU投入数据，再次应用BCC-DEA模型进行效率评价。三阶段DEA模型的具体流程见图1。

1.2 指标选取和数据来源

1.2.1 相关指标选取

国内外相关文献对港口投入指标和产出指标的选取方向相对集中：对于投入指标，通常从自然条件、区位条件、设施资源和资金投入4个方面进行选取;对于产出指标，通常从生产经营、设施利用和资产收益3个方面进行选取。考虑数据的可得性和准确性，本文選取码头长度、泊位数量和万吨级以上泊位数作为投入指标，货物吞吐量、外贸货物吞吐量和集装箱吞吐量作为产出指标。

环境变量指客观上影响港口运营效率但主观上不可控的因素，现有文献中环境变量的选取通常从口岸环境、综合服务、技术水平和环境资源4个方面考虑。考虑到不同年份数据统计口径的一致性，本文选取外贸进出口总额、港口城市生产总值和港口城市总人口作为环境变量。

1.2.2 样本和数据来源

本文选取国家发展改革委、外交部和商务部联合发布的《推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动》中提到的15个沿海港口中的14个港口（三亚港依据“三港分离”战略规划不再承担货运功能）2013—2017年的数据，共420个投入、产出观测值，其主要来源于2014—2018年的《中国港口年鉴》、国家统计局网站、相应城市国民经济与社会发展统计公报以及各城市统计年鉴。

2 实证分析

2.1 第一阶段：DEA模型结果

第一阶段运用MaxDea 8 Ultra软件对中国14个沿海港口的运营效率进行测度，结果见表1。由表1可以看出，在不考虑环境变量和随机因素时，中国14个沿海港口的综合效率均值为0.731，纯技术效率均值为0.847，规模效率均值为0.865。

2.2 第二阶段：SFA回归模型结果

第二阶段运用Frontier 4.1将第一阶段得到的各投入变量松弛量作为被解释变量，将外贸进出口总额、港口城市生产总值、港口城市总人口作为自变量，构建SFA回归模型，结果见表2。

由表2可知，模型中大部分参数估计值都统计性显著，说明SFA模型回归效果较好，应用SFA回归模型去除环境变量对效率结果的影响是有必要的。根据表2可得出以下结论：

（1）外贸进出口总额对于3个投入指标的松弛变量都是有利因素。外贸进出口货物通常需要经由海运进行远距离运输，外贸进出口总额的提升往往意味着需要经由港口完成周转的货物吞吐量的增长，同等投入条件下产出的提升意味着港口效率的提升。

（2）港口城市生产总值对于3个投入指标的松弛变量都是有利因素。这是由于港口城市经济的繁荣促使港口增加了基础设施的投入，促进了货物的贸易与流通，使得港口货物吞吐量等产出得到了比投入更高幅度的增长，从而在一定程度上提升了港口效率。

（3）港口城市总人口对于3个投入指标的松弛变量都是不利因素。这是由于常住人口数的增加促使港口增加基础设施的投入，但随之增加的港口产出不能与之相匹配，从而造成港口投入资源利用效率的下降。

2.3 第三阶段：投入调整后DEA模型结果

将原始投入数据替换为剔除了环境因素和随机因素影响的各DMU投入数据，再次运用MaxDea 8 Ultra软件进行效率评价，可获得第三阶段各港口的效率值，见表3。

由表1和3可以看出，在剔除环境因素和随机因素的影响后，效率值发生了明显的变化，表明港口效率值受到了客观因素的影响，因此利用SFA回归模型对投入变量进行调整是必要的。

3 中国主要沿海港口和不同区域港口效率差异分析

3.1 中国主要沿海港口效率分析

从中国14个沿海港口2013—2017年效率值的均值来看：第三阶段综合效率均值相较于第一阶段的综合效率均值有微幅上升，从0.731上升到0.746;规模效率均值小幅下降，从0.865下降到0.785;调整后纯技术效率的均值上升较为明显，从0.847上升到0.946。

由图2可以看出，调整后大连港、天津港、烟台港、福州港、泉州港、厦门港、汕头港和湛江港的纯技术效率均值均有不同程度的上升，其中烟台港、福州港、泉州港、厦门港和汕头港的效率上升最为显著，表明这5个港口之前较低的纯技术效率是较差的外部环境和随机因素所导致的。从整体上看，除大连港、福州港和厦门港以外，中国主要沿海港口的纯技术效率均值均处在高位，且不存在显著差异，说明中国主要沿海港口的技术管理水平大多处在较高水平，在给定投入的情况下能创造出更大的产出。

由图3可以看出：广州港、青岛港和深圳港调整前后的规模效率均值基本保持不变;天津港、上海港和宁波舟山港调整后的规模效率均值上升明显;其他港口调整后的规模效率均值则均有不同幅度的下降，其中烟台港、福州港、泉州港、厦门港、汕头港和海口港的规模效率均值有明显的下降，这说明本文所选取的3个环境变量对这6个港口的规模效率有显著的积极影响。具体看，大连港、天津港、青岛港、深圳港、广州港和湛江港调整后的规模效率均值达到或接近DEA有效，其余港口均呈现不同程度的规模无效率。

由图4可以看出，在剔除环境变量的影响后仅泉州港、汕头港、湛江港、广州港和海口港的综合效率均值出现不同幅度的下降，其余港口的综合效率均值均有不同程度的上升。具体看，若综合效率均值达到0.8为优，则综合效率为优的港口有天津港、青岛港、上海港、宁波舟山港、深圳港、广州港和湛江港，其余港口均呈现不同程度的综合无效率，特别是汕头港的综合效率均值非常低（仅为0.339），这主要是由汕头港本身规模无效率导致的。

3.2 不同区域港口效率差异

参照文献[14]将“一带一路”中国14个沿海港口按空间布局划分成北方港口群（大连港、天津港、青岛港和烟台港）、长三角港口群（上海港和宁波舟山港）、东南港口群（福州港、厦门港和泉州港）和南方港口群（广州港、深圳港、汕头港、湛江港和海口港）四大区域港口。第三阶段各港口群2013—2017年效率均值见表4。

从规模效率看，各区域港口间呈现出明显的效率差异。长三角港口群与北方港口群难分伯仲，规模效率均值分别为0.844和0.886，均较接近DEA有效;南方港口群稍逊一筹，规模效率均值为0.789;东南港口群落后十分明顯，规模效率均值为0.604，低于整体平均水平。

从纯技术效率看：长三角港口群纯技术效率达到DEA有效;南方港口群和北方港口群也接近DEA有效，纯技术效率均值分别为0.994和0.917;东南港口群相对最低，为0.868;四大港口群间差距较小。可以看出，“一带一路”沿线中国主要沿海港口的纯技术效率处于较高的水平，这表明中国主要沿海港口在现有的港口投入条件和技术条件下有着拔群的效益转化能力。

从综合效率看：长三角港口群综合效率均值最高（0.844），北方港口群次之（0.812），南方港口群再次（0.785），东南港口群最低（0.527）;北方港口群和南方港口群内部各港口间的效率差异较为明显。

4 结论与建议

根据上述分析可以得出以下结论：2013—2017年中国主要沿海港口整体上综合效率较低，这主要是由中国主要沿海港口的规模无效率造成的;各港口群的效率存在较大差异，长三角港口群效率相对较高，其次是北方港口群效率和南方港口群效率，东南港口群效率相对较低;北方港口群和南方港口群内部各港口之间呈现出较为明显的效率差异;客观、随机的因素确实对沿海港口的生产效率产生了不同程度的影响。

针对实证结果并结合目前我国沿海港口发展特征，提出如下发展建议：

（1）合理规划码头泊位，有序对接“一带一路”倡议。从上文的数据分析可以看出，“一带一路”中国主要沿海港口整体效率偏低主要是由港口规模无效率造成的，港口规模与发展现状不匹配问题较为突出。港口对新泊位建设和对现有码头泊位改扩建的盲目追求，并不一定能够提高港口效率，有时甚至适得其反。因此，港口在对接“一带一路”倡议的过程中应该进行科学的论证和合理的规划，切不可急功近利，以免港口产能过剩造成港口效率低下。

（2）依据“一带一路”倡议，推动区域港口资源整合。港口资源整合能够从整体的角度出发对区域内部各港口的资源配置、功能定位进行规划与指导，避免区域内部港口间的重复建设和无序竞争，从而使各港口在协作中共同发展。港口资源整合已经成为提升区域港口竞争力的必经途径。2017年以来，跨行政区域的港口资源整合的趋势不断加强，多个拥有重要沿海港口的省份都积极采取了各种措施对其港口资源进行整合处理，从而不断提升其自身的综合实力和核心竞争力，促进了我国对外贸易的快速发展和进步。

（3）推进智慧化港口建设，助力“一带一路”倡议实施。“一带一路”中国主要沿海港口的纯技术效率均达到或接近DEA有效，利用现有生产运营基础设施获得最大产出的能力较高。未来“一带一路”中国主要沿海港口特别是东南沿海地区的港口应继续开发和引进新的智能技术，实现码头的自动化装卸、船舶的智能调度、动态信息平台的构建，进一步提高港口的纯技术效率，从而提高港口的效率。这些年我国智慧化港口建设取得了一定成果：中国第一个自动化码头厦门远海码头，亚洲第一的自动化码头青岛港全自动化集装箱码头，以及世界单体最大、综合自动化程度最高的上海洋山港四期码头相继投入运营。随着5G时代的到来，更多的港口企业可以实现5G通信，对传统的人工码头进行智慧化升级，进一步助力“一带一路”倡议的实施。

（4）响应“一带一路”政策号召，支持港口企业走出国门。港口企业走出国门顺应了中国经济发展需要，有助于促进我国对外贸易水平的不断提高，加强与其他国家的贸易往来和经济交流。“一带一路”倡议的提出，受到了诸多国家和地区的积极响应，中国各主要沿海港口也加快了与“一带一路”沿线国家建立友好经济关系的步伐，使得我国港口企业走出国门的步伐越发坚定与稳健。烟台港集团先后投资几内亚的金波港口和达圣铁路的建设，建成一条完整的产业链条，上港集团以色列海法新港项目进展顺利，这些都是中国港口企业走出国门的生动典型。未来中国沿海港口应继续扩大与周边国家港口的合作交流，把我国港口成熟的科技、管理制度和资金投向“一带一路”沿线发展较为落后的国家，推动我国港口产业的蓬勃发展。

参考文献：

[1]TONGZON J. Efficiency measurement of selected Australian and other international ports using dataenvelopment analysis[J]. Transportation Research Part A， 2001， 35： 107-122. DOI： 10.1016/S0965-8564（99）00049-X.

[2]BARROS C P， ATHANASSIOU M. Efficiency in European seaports with DEA： evidence from Greece and Portugal[J]. Maritime Economics & Logistics， 2004， 6： 122-140. DOI： 10.1057/palgrave.mel.9100099.

[3]AL-ERAQI A S， KHADER A T， MUSTAFA A. DEA Malmquist index measurement in Middle East and East African containers terminals[J]. International Journal of Shipping and Transport Logistics， 2009， 1（3）： 249. DOI： 10.1504/ijstl.2009.027533.

[4]聂鲸郦. 基于DEA模型的深圳港港口效率研究[J]. 综合运输， 2018， 40（8）： 114-118.

[5]匡海波， 陈树文. 中国港口生产效率研究与实证[J]. 科研管理， 2007， 28（5）： 170-177.

[6]罗俊浩， 崔娥英， 季建华. 考虑CO2排放的中国八大集装箱港口环境效率评价研究： 基于SBM-DEA模型[J]. 科技管理研究， 2014（21）： 66-69. DOI： 10.3969/j.issn.1000-7695.2014.21.014.

[7]陈义光. 基于DEA模型的福建省干散货港口效率评价研究[J]. 物流科技， 2016（10）： 95-99. DOI： 10.13714/j.cnki.1002-3100.2016.10.026.

[8]LIN L C， TSENG C C. Operational performance evaluation of major container ports in the Asia-Pacific region[J]. Maritime Policy & Management， 2007， 34（6）： 535-551. DOI： 10.1080/03088830701695248.

[9]LIU Chunchu. Evaluating the operational efficiency of major ports in the Asia-Pacific region using data envelopment analysis[J]. Applied Economics， 2008， 40： 1737-1743. DOI： 10.1080/00036840600905126.

[10]沈金生， 郁威. 環渤海地区主要港口经济效率研究[J]. 华东经济管理， 2014， 28（10）： 72-76. DOI： 10.3969/j.issn.1007-5097.2014.10.014.

[11]王爱虎， 吴文玲. 基于三阶段DEA模型的珠三角港口效率研究[J]. 工业工程， 2017， 20（3）： 82-88. DOI： 10.3969/j.issn.1007-7375.e16-1259.

[12]丁彩虹， 陶永宏. 长江经济带战略视角下的江苏省大型港口绩效评价研究： 基于三阶段DEA模型[J]. 江苏科技大学学报（社会科学版）， 2018， 18（2）： 101-108. DOI： 10.16148/j.cnki.cn32-1743/c.2018.02.014.

[13]FRIED H O， LOVELL C A K， SCHMIDT S S， et al. Accounting for environmental effects and statistical noise in data envelopment analysis[J]. Journal of Productivity Analysis， 2002， 17： 157-174. DOI： 10.1023/a：1013548723393.

[14]刘长俭. “一带一路”战略下我国沿海港口的发展方向[J]. 港口经济， 2016（12）： 13-17.

（编辑 贾裙平）

收稿日期： 2019-09-02

修回日期： 2020-06-23

基金项目： 辽宁省社会科学规划项目（L14AGL003）

作者简介：

高倜鹏（1994—），男，江苏南通人，硕士研究生，研究方向为交通运输规划与管理，（E-mail）mingruz22625282@163.com;

刘翠莲（1964—），女，辽宁大连人，教授，硕导，硕士，研究方向为交通运输规划与管理，（E-mail）liu_cuilian@126.com