基于SBM模型和时间窗分析的港口服务“一带一路”建设效率研究

朱乐群 张聆晔 李晓君

摘要：为提升港口服务“一带一路”建设的效率，在原有港口效率评价方法的基础上，利用SBM（slacks-based measure）模型对我国港口服务“一带一路”建设的效率进行分析。研究结果表明：SBM模型和时间窗分析法能够解决忽略松弛变量所导致的效率偏差问题;港口服务“一带一路”建设的效率在“一带一路”倡议提出后一直保持在较高水平且整体呈现上升趋势;提升港口服务“一带一路”建设的效率需要进一步优化基础设施投入和完善“一带一路”沿线港口航线网络来减少投入冗余。

关键词：

港口效率; 一带一路; SBM模型; 时间窗

中图分类号：  F552

文献标志码：  A

Study on construction efficiency of ports servicing the Belt and

Road based on SBM model and time window analysis

ZHU Lequn1， ZHANG Lingye2， LI Xiaojun1

（1. Tianjin Research Institute for Water Transport Engineering of Ministry of Transport， Tianjin 300456， China;

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

Abstract：

In order to improve the construction efficiency of ports servicing the Belt and Road （B&R， in short）， on the basis of the conventional port efficiency evaluation methods， an SBM （slacks-based measure） model is adopted to analyze the construction efficiency of Chinese ports servicing B&R. The results show that： the SBM model and the time window analysis method can solve the problem of efficiency deviation caused by neglecting slack variables; the construction efficiency of ports servicing B&R has remained at a high level with an overall trend of rise since B&R initiative was proposed. To improve the construction efficiency of ports servicing B&R， it is necessary to further optimize the investment in infrastructure and improve the port route network along B&R to reduce the investment redundancy.

Key words：

port efficiency; the Belt and Road; SBM model; time window

0 引 言

随着“一带一路”建设的不断推进，我国与“一带一路”沿线国家贸易规模持续扩大，2014年到2019年贸易值累计超过44万亿元，年均增长率达到6.1%，我国已经成为沿线25个国家最大的贸易伙伴，“一带一路”已成为我国对外贸易的最新增长点。港口作为“一带一路”上的重要支点，是国家开展对外贸易与交流的重要载体[1]，对支撑“一带一路”互联互通建设具有基础保障作用，《建设世界一流港口的指导意见》也明确提出港口要更好服务“一带一路”建设等重点任务。鉴于此，对港口服务“一带一路”建设效率的研究就尤为关键。

“一带一路”背景下的港口发展是近年来的研究热点，现有研究以从各地方港口发展的实践出发，提出相应发展建议为主，有关效率的定量研究尚未多见。在各地方港口服务“一带一路”建设的研究方面，许抄军等[2]以北部湾经济圈港口为研究对象，围绕发挥其在21世纪海上丝绸之路（下文简称“海丝路”）建设中的支点城市作用、完善沿海发展轴线、服务“一带一路”倡议提出了一系列建议。潘静静等[3]通過班轮公司船期数据，分析福建省港口与海丝路沿线港口互联互通现状，从港口自身、陆向腹地和海向腹地三个层次提出福建省港口融入海丝路建设的思路。在港口的国内、国际竞合方面，赵旭等[4]在分析海丝路建设背景下港口合作内容及模式的基础上，指出海丝路沿线港口的合作现状及存在的问题，提出构建港口合作机制的方案。王慧等[5]进行了港口生态位的定义，并建立了三级指标矩阵，对“一带一路”倡议下上海港和新加坡港的竞合关系进行量化和比较，分析上海港服务“一带一路”建设的竞合策略。刘婵娟等[6]运用海丝路沿线港口航线数据，分别从国家拥有航线数量和月平均贸易次数两个角度构建加权海丝路海运网络进行网络层次体系研究，得出我国港口处于海丝路海运网络第二层次的结论。邹云美等[7]运用聚类分析法对海丝路上我国沿海主要港口进行了分类。

此外，港口效率是港口在货物综合运输环节发挥作用的决定性因素，因此长期以来港口效率研究一直是国内外港口领域研究的热点[8-11]，尤其是将数据包络分析（data envelopment analysis， DEA）方法及相关改进运用于港口效率分析的研究十分值得借鉴。DEA方法是一种基于多投入、多产出来评价对象相对有效性的效率评价方法，最初由CHARNES等[12]在相对有效性概念基础上发展出来的一种系统评价方法。早期研究中基于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，随着近年来相关研究的进一步深入，开始引入生产函数分阶段DEA方法，如刘名武等[13]采用DEA-Tobit两阶段法研究长江中上游集装箱港口运营效率，并分析影响集装箱港口运营效率的因素。同时针对传统DEA存在的径向性和角度性问题，提出一种SBM（slacks-based measure）模型，形成一般化的方向性距离函数，可以解决忽略松弛变量所导致的效率偏差问题。相关学者在港口效率分析时采用了该方法，取得了较好的效果，如王玲等[14]运用共同边界和序列SBM方法，对2006—2009年我国14个内河港口和17个沿海港口的效率进行对比分析。此外，相关学者将时间窗分析法引入DEA模型，实现对决策单元效率值的纵向动态对比，十分值得借鉴。

总体来看，当前围绕港口服务“一带一路”建设的问题，多开展定性研究，提出各港口发展的相关建议;在效率评价与分析方法方面，DEA及一系列改进方法在港口的运用取得了较好的效果，但尚未运用到港口服务“一带一路”建设这一具体问题中。基于此，本文针对港口在“一带一路”建设中发挥的基础设施互联互通作用，在已有港口效率分析方法的基础上，以港口服务海丝路沿线国家为实证分析对象，基于SBM方法分析其动态效率，分析结果可以有效为港口更好服务“一带一路”建设提供决策支持。

1 模型构建与方法

1.1 基于松弛变量的产出导向DEA模型（产出导向SBM模型）

传统的DEA模型大多属于径向和角度的度量方法，难以充分考虑投入和产出的松弛性问题。这就导致无法依据评价结果来区分投入指标和产出指标调整的大小与幅度，所得的效率值也不是特别准确。SBM模型将松弛变量引入目标函数，有效解决了传统DEA模型忽略松弛变量所导致的效率偏差问题，可以对港口服务“一带一路”建设的效率进行较为精准的评价。产出导向DEA模型从产出的角度对被评价决策单元无效率程度进行测量[15]，关注的是在不增加投入的条件下，要达到技术有效各项产出应该增加的程度。目前，我国沿海港口总体吞吐能力处于适度超前状态，对港口服务“一带一路”建设效率的研究主要关注在投入不变情况下实现技术有效的服务成果，故采用产出导向DEA模型。

1.2 产出导向SBM时间窗分析

时间窗分析法将不同时间点上的同一个决策单元看作不同的决策单元，采用类似移动平均的方法评价决策单元效率。对港口服务“一带一路”建设效率评价而言，考虑效率的动态变化是十分有必要的，可以对全部决策单元进行纵向与横向比较。因此，本文运用产出导向SBM时间窗分析法，对“一带一路”倡议提出以来的港口效率进行测度。

假设n个决策单元有d个窗口，w表示时间窗宽度，则每个时间窗内有n×w个决策单元，对任意决策单元，有d×w个观测值。设评价时间跨度为T，则d=T-w+1，评价期内任意决策单元的观测变量总数为（T-w+1）wn，相应投入为xk，tw=（x1k，t，…，xmk，t，x1k，t+1，…，xmk，t+1，…，x1k，t-w+1，…，xmk，t-w+1），相应输出为yk，tw=（y1k，t，…，ylk，t，y1k，t+1，…，ylk，t+1，…，y1k，t-w+1，…，ylk，t-w+1），t=1，2，…，T。

目前对时间窗宽度没有统一的规定，为保障计算的时效和稳定性，取w=3。港口服务“一带一路”建设是一个持续投入与产出的过程，因此研究效率的动态情况十分必要，可以比较“一带一路”倡议实施以来不同阶段的效率动态变化。

2 变量选取与数据搜集

2.1 变量选取

投入变量选取。港口是水路运输的重要基础设施，是综合运输环节的重要节点，也是国家保障运输安全与国内国际双循环的重要战略支点。岸线、泊位作为生产资源，是港口作业的基础性保障，故考虑用港口生产用泊位数b和码头长度l两个基础指标来综合表征港口基础设施投入，同时为更好地体现港口对岸线的综合利用率，采用单位生产用泊位长度（等于研究的所有港口的生产用码头长度之和除以生产用泊位数之和）作为投入变量x1。港口依托对外航线与其他港口联结，实现与“一带一路”沿线国家的经贸往来，尤其从班轮航线着手更能挖掘出港口日常的海运联通状况信息，因此选择联合国贸易和发展会议发布的我国与海丝路沿线国家的班轮联通指数作为投入变量x2。

产出变量选取。对外贸易是推动各地经济增长的重要动力之一，在“一带一路”倡议下各地积极深度开拓“一带一路”沿线国家的对外贸易市场，而港口作为设施联通的基础，在其中发挥了重要的作用。因此，主要从港口促进我国与海丝路沿线国家对外贸易发展和承担对外贸易货物吞吐量的角度考虑，选取港口与海丝路沿线国家之间的总货物吞吐量作为产出变量y。

2.2 数据收集与处理

国内港口从《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》提到的上海港、天津港、宁波舟山港、广州港、深圳港、湛江港、汕头港、青岛港、烟台港、大连港、福州港、厦门港、泉州港、海口港、三亚港等15个港口中进行选择：由于三亚港、泉州港部分数据不可得，将其从研究对象中剔除，选择其他13个港口进行研究。海丝路沿线国家选择方面，根据海丝路重点建设方向，认为海丝路穿越太平洋、印度洋水域，辐射区域涵盖了亚洲、欧洲、非洲和大洋洲的大部分区域，结合基础数据可得性，最终选取海丝路沿线57个国家，分别为阿尔巴尼亚、阿尔及利亚、澳大利亚、巴林、孟加拉、文莱、保加利亚、柬埔寨、克罗地亚、塞浦路斯、吉布提、埃及、厄立特里亚、爱沙尼亚、格鲁吉亞、印度、印度尼西亚、伊朗、伊拉克、以色列、约旦、肯尼亚、科威特、拉脱维亚、黎巴嫩、利比亚、立陶宛、马来西亚、马尔代夫、黑山、摩洛哥、缅甸、新西兰、阿曼、巴基斯坦、巴布亚新几内亚、菲律宾、波兰、卡塔尔、罗马尼亚、俄罗斯联邦、沙特阿拉伯、新加坡、斯洛文尼亚、索马里、斯里兰卡、苏丹、叙利亚、坦桑尼亚、泰国、东帝汶、突尼斯、土耳其、乌克兰、阿联酋、越南、也门。研究时间跨度方面，由于“一带一路”倡议是2013年提出的，为表征港口服务“一带一路”建设的动态变化，体现倡议提出所产生的具体影响，结合部分数据统计，选择2011—2019年为研究期。

根据《中国统计年鉴》和《中国港口年鉴》2011—2019年的数据，统计出各港口生产用泊位数b和码头长度l（见表1）数据，进而计算得到投入变量x1的数据。

关于产出变量y，由于不能直接获取各港口与海丝路沿线国家之间的货物吞吐量数据，因此在交通运输部发布的港口对外贸易货物吞吐量数据的基础上，计算这13个港口的对外贸易货物吞吐量之和（记为a），然后通过引入一个权重因子ω来近似得出这13个港口与海丝路沿线57个国家之间的总货物吞吐量。权重因子ω=d/c，这里d表示我国与海丝路沿线57个国家之间的全年进出口总额，c表示我国全年进出口总额。因此，y=aω。产出变量计算过程中涉及的相关数据见表2，计算结果见表3。2011—2019年投入产出变量的描述性统计见表4。

3 实证分析

以上述13个港口和海丝路沿线57个国家为研究对象。以2011—2019年为研究期，设置w=3，则港口服务“一带一路”建设的时间窗有2011—2013年、2012—2014年等7个。利用MaxDEA Ultra 8对模型进行求解，结果见表5～7。

3.1 整体效率分析

从表7可知，港口服务“一带一路”建设效率在2013年“一带一路”倡议提出后（从时间窗2开始）整体呈现上升趋势，这体现了我国沿海港口在“一带一路”倡议下，充分发挥其在基础设施领域长期积累的优势，服务“一带一路”建设的效率不断提升，港口快速发展。

从表6可知，各年份效率一直保持在较高水平，均在0.76以上，呈現了波动上升的趋势。在2014年和2018年效率值均达到了1，其中2014年是海丝路提出后的首年，当年我国全年进出口总额达到4.30万亿美元，其中与海丝路沿线国家全年进出口总额达到1.22万亿美元，处于历史高点，在需求推动下，港口服务“一带一路”效率达到最高。2015年，由于主要新兴经济体的经济增速放缓，全球跨境贸易下降了13.8%，波罗的海干散货运价指数也触及历史低位，受需求大幅下降影响，效率出现了显著下降。同年《推动共建丝绸之路经济带和21世纪海上丝绸之路愿景与行动》正式发布，进一步明确了互联互通发展方向和我国沿海服务“一带一路”重点建设的港口，带来了国内港口服务海丝路建设的新一轮发展机遇。2018年，按照本文采用的权重因子计算方法，与海丝路沿线国家之间的货物吞吐量达到了7.41亿t的历史最高水平;从投入端来看，该时期我国沿海港口的建设投资额持续下降，从规模化发展转向高质量发展。在投入优化和产出的持续反弹共同作用下，2015年起港口服务“一带一路”建设的效率持续提升，并重新在2018年达到最高。

3.2 投入产出分析

如表8所示，在选定的7个时间窗内，均存在投入冗余和产出不足问题。

根据表8数据，单位生产用泊位长度x1在时间窗6（2016—2018年）和时间窗7（2017—2019年）均出现投入冗余，在其他时间窗不存在投入冗余问题。如图1所示，2011年以来，随着泊位大型化发展与港口投资建设逐步趋于缓和，全国生产用泊位数量保持持续下降态势。然而，随着“一带一路”建设的推进，服务“一带一路”的港口基础设施供给尚未饱和（时间窗1到时间窗5均不存在投入冗余），仍为发展重点;在持续发展下，港口基础设施增加，能力逐步饱和，从而在时间窗6、7出现投入冗余。除时间窗7外，其他6个时间窗内均存在班轮连通指数x2的投入冗余。从表3看，x2除在2017年小幅下降外，在2011—2019年呈现整体持续上涨趋势，体现了我国港口与海丝路沿线国家海上班轮航线互联互通程度的逐步加深，尤其是在2013年“一带一路”倡议提出后，沿海港口把开通海丝路沿线国家航线作为航线开发经营的重点，取得了显著的成效。

在7个时间窗内均存在产出不足的问题，说明港口与海丝路沿线国家之间的总货物吞吐量还未达到DEA有效。从数据变化情况看，随着“一带一路”倡议的提出，从时间窗2开始，产出不足情况得到持续改善。

4 结束语

运用考虑松弛变量的产出导向DEA模型（SBM模型）对我国港口服务“一带一路”建设效率进行分析，选取单位生产用泊位长度、班轮联通指数作为投入变量，选取与21世纪海上丝绸之路（简称“海丝路”）沿线国家的货物吞吐量作为产出变量。搜集整理国内沿海13个港口和57个海丝路沿线国家2011—2019年相关数据开展实证分析。结果表明，港口服务“一带一路”建设效率在“一带一路”倡议提出后一直保持在较高水平并整体呈现上升趋势，在所有时间窗内均存在产出不足的问题，单位生产用泊位长度在2016—2018年、2017—2019年这两个时间窗内均出现投入冗余，班轮联通指数在除2017—2019年外的其他时间窗内均存在投入冗余。

根据研究结果，下一步港口提升服务“一带一路”建设效率的关键在于持续提升港口面向海丝路沿线国家的吞吐量产出，充分依托中欧班列等海铁联运通道，扩大港口吸引腹地货源和区域国际陆海中转运输能力。此外，针对出现的投入冗余情况，还需要持续避免港口基础设施建设的投入过剩，充分发挥好已有港口基础设施和航线网络功能。

参考文献：

[1]董锁成， 程昊， 郭鹏. “一带一路”交通运输业格局及对策[J]. 中国科学院院刊， 2016， 31（6）： 663-670. DOI： 10.16418/j.issn.1000-3045.2016.06.009.

[2]许抄军， 兰艳泽， 陈臻. “一带一路”背景下北部湾经济圈港口城市间合作模式创新[J]. 经济地理， 2018， 38（5）： 78-84. DOI： 10.15957/j.cnki.jjdl.2018.05.010.

[3]潘静静， 王莹. 福建省港口融入海上丝绸之路建设现状与思路[J]. 重庆交通大学学报（社会科学版）， 2018， 18（1）： 64-68.

[4]赵旭， 王晓伟， 周巧琳. 海上丝绸之路战略背景下的港口合作机制研究[J]. 中国软科学， 2016（12）： 5-14.

[5]王慧， 胡志华， 刘婵娟. “一带一路”倡议下港口生态位的建模与比较： 以上海港和新加坡港为例[J]. 中国航海， 2020， 43（1）： 128-133， 138.

[6]刘婵娟， 胡志华. 海上丝绸之路海运网络层次体系划分[J]. 经济地理， 2017， 37（7）： 27-32.

[7]邹云美， 陈军. 21世纪海上丝绸之路我国沿海港口类型化研究[J]. 上海海事大学学报， 2018， 39（3）： 64-68. DOI： 10.13340/j.jsmu.2018.03.011.

[8]刘勇， 汪传旭. 基于非期望输出网络DEA的集装箱港口群效率评价[J]. 系统工程， 2018， 36（4）： 125-130.

[9]杜利楠， 张建宝. 基于三阶段DEA模型的长江干线主要港口效率评价[J]. 上海海事大学学报， 2020， 41（3）： 89-96. DOI： 10.13340/j.jsmu.2020.03.015.

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

[11]艾亚钊， 周坤晓. 基于随机前沿分析（SFA）法的集装箱港口效率分析[J]. 上海海事大学学报， 2015， 36（2）：  31-35. DOI： 10.13340/j.jsmu.2015.02.006.

[12]CHARNES A， COOPER W W， RHODES E. Measuring the efficiency of decision marking units[J]. European Journal of Operational Research， 1978， 2（6）： 429-444. DOI： 10.1016/0377-2217（79）90229-7.

[13]刘名武， 王玄霜. 基于DEA-Tobit的长江中上游集装箱港口運营效率研究[J]. 数学的实践与认识， 2019， 49（14）： 36-46.

[14]王玲， 孟辉. 我国内河港口与沿海港口的效率对比： 基于共同边界和序列SBM-DEA的研究[J]. 软科学， 2013， 27（3）： 90-95.

[15]FUKUYAMA H， WEBER W L. A directional slacks-based measure of technical inefficiency[J]. Socio-Economic Planning Sciences， 2009， 43： 274-287. DOI： 10.1016/j.seps.2008.12.001.

（编辑 赵勉）

收稿日期： 2021-01-03

修回日期： 2021-03-17

基金项目： 国家社会科学基金（19VHQ012）

作者简介：

朱乐群（1990—），男，江苏连云港人，副研究员，博士，研究方向为21世纪海上丝绸之路，（E-mail）luke.zhu@outlook.com;

张聆晔（1994—），男，四川成都人，博士研究生，研究方向为海上通道安全保障，（E-mail）zhanglingye@dlmu.edu.cn;

李晓君（1988—），男，山东乳山人，高级工程师，博士，研究方向为21世纪海上丝绸之路，（E-mail）lixiaojun709@126.com