中国内河港口效率、影响因素及时空演化分析——基于长江沿岸港口群的视角

高晨晨，刘宏伟，杨荣璐

(安徽大学 商学院，安徽 合肥 230601)

一、引言

近年来，提升港口运营和服务效率已经成为国家高度关注的问题。从国家战略高度而言，“十三五”规划要求优化港口布局、提升运营效率，尤其是要提升长江沿岸内河港口运营效率。2017年《国务院关于印发“十三五”现代综合交通运输体系发展规划的通知》)再次强调，要提高港口管理水平和服务效率。随后，交通运输部印发的《关于推进长江经济带绿色航运发展的指导意见》)指出，要合理和节约使用内河岸线资源，提高资源利用效率。2019年7月，交通运输部印发了《关于推进长江航运高质量发展的意见》，指出长江航运仍然存在绿色发展短板、局部航道瓶颈制约、应急保障不足、服务质量不高等问题。长江沿岸港口作为世界级的内河港口群，如何充分利用其港口资源、提升运营能力，为中国经济供给侧改革提供必要的支持，是政府面临的重大问题，同时也已逐渐成为学术界研究的热点[1]。

诸多学者对港口效率评价及提升进行了研究[2]。Pallis等[3]运用数据包络分析方法(Data Envelopment Analysis, DEA)对港口经济进行调查与分类。王玲等[4]在此基础上运用共同边界技术和序列SBM-DEA方法对2006—2009年我国港口效率进行比对分析。Almawsheki等[5]从发展相对较为落后的中东地区入手，使用DEA方法分析落后地区的集装箱港口效率，探究如何善用资源，提高港口效率。DEA较为客观，但随机前沿面方法(Stochastic Frontier Analysis,SFA)则更能够在对效率进行测量时完成影响因素分析[6]。在SFA方法中，随机干扰及影响因素也被考虑到集装箱港口运营效率的研究中。Tongzon等[7]探究了港口私有化对运营效率的影响。艾亚钊等[8]新增了码头类型和码头经营人性质等外生变量，使用SFA对我国珠三角6个集装箱码头进行分析，综合考量各因素对港口效率的影响。但长江沿岸内河港口运营效率表现如何，何种因素具有较强的驱动作用等问题还有待进一步探究。在此基础上，Wan等[9]对经济腹地与港口效率的关系进行了研究，发现美国集装箱码头铁路设施与集装箱港口效率呈负相关。王洪清等[1]研究表明在不同政策体制下，港口效率值有所差别，其中市场主导模式下的港口效率值最优。Bottasso等[10]从基础设施角度入手，通过分析巴西港口基础设施对贸易的影响，发现基础设施的增加与港口出口有关，而与进口联系较少。

已有文献在研究方法、研究视角等诸多方面具有一定的理论贡献和实践价值，但同时也有需要进一步挖掘之处：第一，近年来我国高度重视长江经济带发展，港口是长江经济带发展的重要推动力，但目前研究大部分集中在沿海港口效率的分析，对长江内河港口分析较少，无法精确推动效率提升。第二，当前对于港口效率的研究大多采用无参数方法，没有考虑随机误差，而长江内河港口存在许多不可忽略的随机因素，采用SFA方法不仅可以测量效率，还可以探究影响因素。第三，已有文献侧重于对投入产出变量及影响因素的分析，少有对不同地区的港口效率进行收敛性分析，没有从多角度综合考量各个港口效率发展态势差异。鉴于此，本文将外生性影响因素和随机误差纳入统一分析框架，应用SFA研究外生影响因素对港口效率的影响方向及程度，同时运用收敛性分析研究长江沿岸不同港口技术效率值的差距，不仅考虑了影响内河效率的随机因素，而且对各个地区港口效率发展水平进行综合分析，以期为港口运营效率提升及政策制定提供有价值的参考。

二、研究方法

(一)随机前沿分析(SFA)

SFA在测算效率的过程中，不仅考虑了随机扰动因素，而且可以对外生因素进行定量分析，能够把无效率项和随机误差分离，保证被评估效率的有效一致性[11]。目前对技术效率的外生性研究分为两步：第一步借助前沿生产模型估计技术效率；第二步对分离的无效率项和随机误差进行变量回归，找出外生性因素。“两步法”的矛盾在于第一步需假定外生性因素与生产要素无关，而在第二步回归中则需要对第一步中假定无关的外生性变量进行分析。为了避免了已有研究中“两阶段”假设的矛盾，还可以在评估效率时对影响因素进行分析，本文选用Kunbhakar[12]、Batteses等[13]提出的SFA模型探究中国内河港口效率及其影响因素。SFA模型如公式(1)：

Yit=g(Xit,t)exp(Vit-Uit)

(1)

技术效率用港口实际产出与理想产出的比值表示，如公式(2)所示：

=exp(-Uit)

(2)

由公式(2)可知，当技术效率值TEit=1时，说明港口i在第t年的实际产出为前沿面上的理想产出，称之为技术有效。此外，由于存在环境变量对技术效率的影响，即影响因素会影响无效率项，故加入技术无效率方程，如公式(3)所示：

wit=δ0+δiFit

(3)

公式(3)中，δ0为常数项，Fit表示港口技术效率的影响因素变量，δi是待估算变量的系数。

(二)收敛性分析

本文收敛性研究主要是检验长江沿岸内河17个港口的技术效率趋同和发散状况。目前，收敛性检验主要分为σ收敛和β收敛，其中β收敛又包括绝对β收敛和条件β收敛。

σ检验将着重分析长江沿岸内河17个城市港口的技术效率发展水平的差距，主要采用反映离散程度的指标(如变异系数、标准差、极差等)，该指标随时间变化而出现下降趋势则表明存在收敛状态，反之则表明存在发散状态[14]。如果存在σ收敛，则说明中国内河港口技术效率的差距会随着时间的推移而减小。本研究选用标准差作为σ检验的指标，检验方程如下：

(4)

绝对β收敛是指各地区内河港口技术效率呈现完全相同的稳态增长，即港口技术效率较低的城市比高技术效率的城市具有更快的增长速度，存在着追赶发达城市的趋势[15-16]。建立绝对β收敛的检验方程如下：

[ln(EFi,T)-ln(EFi,0)]/T=α+βln(EFi,0)+ε

(5)

式(5)中，[ln(EFi,T)-ln(EFi,0)]/T表示第i个地区从t=0时期到t=T时期的年均港口技术效率增长率。α是常数项，ε是随机误差项，ln(EFi,0)表示第i个地区t=0时期的港口技术效率初始值的对数值，β是其回归系数。如果β为负值且通过显著性检验，则表明内河港口效率值较低的城市存在追赶发达城市的趋势。

条件β收敛考虑了不同地区各自的特征，分析每个地区的技术效率能否收敛于各自的稳定水平。与绝对β收敛不同，条件β收敛承认落后地区与发达地区的差距会持续存在，不同地区具有不同的稳态水平。本文采用Panel Data固定效应模型检验条件收敛，回归方程为：

ln(EFi,t)-ln(EFi,t-1)=α+βln(EFi,t-1)+ε

(6)

其中，α为Panel Data固定效应项，对应着不同地区各自的稳定条件。如果β为负值且通过显著性检验，则表明随着时间的推移，第i个城市的技术效率会收敛于各自的稳定水平。

三、模型构建

(一)投入与产出变量

在投入变量的选择方面，存在着很多影响港口效率的因素，如码头长度、港口设备、人力资源等[17]。港口运营主要依靠的是码头相关设施，故文中将码头长度及泊位数作为港口的物化投入[18-19]。另外，选择各年均从业人员数作为人力资源投入[20]。对于劳动投入，考虑数据可得性并参考陈春芳等[21]指标选取，文中将历年交通运输、仓库和邮政业年均从业人数作为人力资源替代性指标。对于产出变量的选择而言，查阅先前文献可以发现，大多研究都把货物吞吐量作为输出变量，因为它是衡量港口运营能力以及货物处理能力的一个基础指标，也是评估港口规模的一个重要测度。从港口运营产出的实际价值形态来看，港口的吞吐量更能体现港口的运营服务能力，故本文采用港口吞吐量作为产出变量[22-23]。

(二)影响因素

结合已有文献，本文对影响港口技术效率的环境变量选择如下。第一，考虑到内河港口发展与腹地经济发展之间存在密切关系，腹地经济发展必然会刺激内河运输的需求，对内河港口的效率也有影响，因此，本文用地区生产总值(GDP)作为衡量地区经济发展水平的特征指标测量其效率的影响[24]。第二，李春艳等[25]研究表明，技术效率的差距不仅与区域的初始经济条件有关, 同时也受区域政策或制度的影响，由于地区开发程度对技术效率有双重影响，随着对外开放程度不断扩大，引进新技术、新设备、新制度和管理经验的可能性都会增大，类比沿海港口的开放发展，可以推测出内河港口的发展会得到极大的促进作用。王玲[26]指出，对外贸易额可能会引起港口效率值的增加，开放程度究竟是如何影响各地内河港口的技术效率，只能在计量检验之后才能得出具体结论。因此本文采用贸易依存度(进出口贸易占腹地生产总值的比重)作为代表腹地开放程度的环境变量(FT)。第三，区域产业结构的改变会带来运输结构等一系列变化[27]，尤其是工业化水平对港口需求有较大影响。此外，本文采用结构特征(IS)即第二产业增加值在各腹地城市 GDP 中的比重代表产业结构来测量其对港口效率的影响。第四，货运需求的增长对内河港口基础设施的水平要求更高，如内河航道、不同级别码头数量等都会直接影响内河港口的通过能力[28]。本文选用非万吨级泊位数占内河港口泊位总数比例(TTP)来反映对内河港口效率水平的影响。根据上文投入产出指标的选取以及影响内河港口效率的因素分析，长江内河港口评价指标体系见表1。

表1 内河港口效率评价参数指标

(三)数据获取

近年来，我国不断深入推动长江经济带发展，长江经济带将成为我国经济新支撑。长江经济带的发展离不开港口运输，长江内河港口作为长江航运的枢纽，对长江经济带的发展有着重要意义。因此，为了充分发挥港口在打造长江经济带中的作用，有必要对长江水系主要内河港口的效率进行研究。本文选取2012～2017年我国17个长江内河港口为样本。原因有二：其一，内河港口系统中，长江沿岸港口最具代表性，共有规模以上港口18个，考虑数据可得性，本文选择了其中17个最主要的港口作为样本，对我国内河港口进行研究；其二，考虑基础数据与设定函数的拟合，选择2012年以后数据，再结合数据可得性则截至2017年。本文数据均来自《中国统计年鉴》及各省市年鉴。整理后的投入产出变量以及各影响因素的统计性描述见表2。

表2 投入产出变量及影响因素统计性描述

(四)生产函数构建

本文运用更具有一般性的超越对数函数构建随机前沿生产模型，如公式(7)所示：

(7)

wit=δ0+δ1GDPit+δ2FTit+δ3ISit+δ4TTPit

(8)

上式中δ0是常数项，δ1，δ2，δ3，δ4分别是各环境变量的参数，表示环境变量对技术无效率项的影响方向及程度，即参数为正则会增加技术无效率，导致效率下降，若参数为负则会提升效率。

(五)假设检验

SFA作为一种参数分析方法，首先，要检验其适用性，即是否存在无效率项；其次，选择不同的生产函数会导致不同的分析结果，因此对生产函数选择的检验尤为重要；最后，技术进步的变化、技术的非中性、要素间的替代弹性等都会对模型构建产生影响。本文不仅要检验技术非效率的外生性因素，而且要对随机前沿生产模型设定的合理性进行检验，对模型的假设检验主要从以下五个方面展开。

2.生产函数形式的选择。目前，在SFA中生产函数通常选择柯布—道格拉斯生产函数(C-D)或超越对数生产函数，简单的C-D函数没有要素交互项，没有考虑要素间的替代效应。为此，检验假设H0:βnj=0，即模型中所有二次项系数均为0。如果接受原假设，则生产函数选用C-D模式，如果拒绝原假设，则需要选择超越对数生产函数。

3.检验技术变化是否存在。设定技术不变的原假设H0:βt=0。若接受原假设，则表示模型不存在技术变化；反之，若拒绝原假设，则包含技术进步的生产模型是可取的。

4.检验技术非中性。第(4)步检验建立在第(3)步的基础上，如果拒绝原假设则需进行第(4)步检验。技术中性是指技术变化与要素变化无关，关于检验技术变化中性特征的原假设为：βtn=0。

5.检验技术效率时变性，即检验技术效率是否存在随时间变化的特征，原假设为H0：η=0。如果接受原假设，则表明技术效率不受时间变化影响；反之，则说明技术效率存在时变性。

四、实证分析

(一)假设检验结果分析

根据以上研究方法和整理后的面板数据，利用Frontier 4.1软件从五个方面对前述假设进行估计，假设检验结果见表3。由检验结果可以看出，无效率项存在且会随时间变化，因此SFA模型具有适用性，生产函数应当选择包含时间变量的超越对数形式。

表3 假设检验结果汇总

(二)生产函数回归结果

根据表3得出模型适用的前提下，对17个长江沿岸内河港口2012—2017年的面板数据进行分析，得到各解释变量的回归系数及t值(见表4)。从表4可知，码头长度产出弹性为正且在5%水平上显著，而泊位数与从业人员数产出弹性为负且只有泊位数通过了10%的显著性检验，说明码头长度对港口吞吐量有正向作用，而泊位数对吞吐量有较弱的负向作用，年均从业人员数对吞吐量无显著影响。但泊位数的二次项系数小于零且通过了10%的显著性水平，这进一步说明了泊位数对吞吐量的负向影响。同时，年均从业人员数与时间的交互项为正并通过了显著性检验，说明人力资源在提升港口吞吐量上越来越重要。

表4 随机前沿函数估计结果

(三)内河港口技术效率分析

由表5可知，样本期间重庆港年均效率值为0.9136，位居长江沿岸内河港口首位。南通港、南京港、常州港的效率值均达到0.8以上，运营效率领先于其他港口。而黄石港、九江港、安庆港、铜陵港、池州港的效率值均低于0.5，与其他长江沿岸内河港口差距较大。说明虽然同为长江沿岸港口，但其效率表现差别较大，不少港口效率有待进一步提升。其中，黄石港平均效率值最低，说明腹地经济对该港口的支持度较低，造成大量的资源浪费，没有发挥出内河港口的枢纽性作用。

表5 2012—2017年17个内河港口效率值

进一步，对长江沿岸内河港口所在省份进行分析，结果如图1所示。结合表5和图1可见，样本期间，重庆、湖北及江西等长江中上游区域的港口效率均呈现出轻微上升趋势，安徽及江苏等长江下游区域的港口效率呈现出轻微下降趋势。平均效率值最高的是位于上游的重庆港，其次是位于下游江苏境内的南通、南京和常州三个港口。从地理位置而言，重庆位于中国西部地区，陆路交通条件较差，提高了该地区货运对水路运输的依赖性，而江苏在地理位置上更靠近海洋，水系发达，内河水运与沿海水运相结合，更容易达到高效率。港口数量仅次于江苏的安徽省则效率值很低且呈现逐年下降趋势，样本期间，安徽省经济发展迅速，GDP平均增速为10.1%，远超全国平均水平，但港口平均效率(0.4232)则远低于同处下游的江苏(0.7221)，甚至低于中游的江西(0.4590)和上游的湖北(0.5027)。这一下现象类似于田刚和李南[27]提到的“塌陷”现象：即安徽省承接下游长三角产业转移，港口的基础设施建设较快，具有发展港口货运的优势，但由于港口建设资源配置、市场结构以及同质性等软环境方面的“塌陷”，其港口资源得不到充分发挥，从而效率值较为低下。

图1 2012-2017年内河港口平均效率值

(四)内河港口效率影响因素分析

表4右侧部分列出了效率影响因素在样本期间的回归结果，就外生性环境因素对内河港口的技术效率影响分析如下：

1.地区生产总值δ1(GDP)<0，在1%的水平上显著，该因素对技术效率具有十分显著的正面影响，说明地区经济规模的增长在一定程度上会促进该地区的内河港口效率的提升。长江沿岸城市经济面向集约化方向发展，经济规模提升了港口的货运需求，整合了港口货运资源。

2.地区对外开放程度δ2(FT)>0，但该统计量不显著，说明对外开放程度具有一定的负面作用，但该负面作用对港口效率的影响很小。对外开放程度提升会增加对外货运需求，但这种货运需求的增加未必体现在单一的内河港口运输方面，而体现在陆运等货运需求的增加上。但随着港口条件的不断完善，港口企业更倾向和专业化的运输企业达成深度战略合作，从中获得更大的技术转移，慢慢从对外开放程度中获益。

3.地区产业结构特征δ3(IS)<0，表现为对港口效率有正面作用，且在1%水平上显著，说明产业结构调整对内河港口效率提升具有促进作用，即第二产业比重的上升会带来港口效率的提升。这说明港口所在地经济发展过程中，制造产品需要港口提供货运支持。

4.非万吨级码头占比δ4(TTP)>0，说明非万吨级码头占比表现出较为一定的负面影响，即万吨级码头数量的增加更有利于内河港口的发展，对资源的利用出现集约现象，极大提高了内河港口技术效率，但该统计量不显著，需要增加样本量进一步验证。

(五)港口效率收敛性分析

前文分析表明，不同地区港口效率变动及内部结构都表现出明显差异，但要动态探究港口效率差异的变化特征还需要进行深入研究。为此本文运用收敛性分析，从σ收敛、β收敛等角度对内河港口效率进行收敛检验。在本文中，根据地理位置将长江沿岸内河港口分为中上游区域港口和下游区域港口，另外考虑下游区域的安徽和江苏两省经济发展差距较大、港口数量差异等因素，将下游分为下游(安徽境内)和下游(江苏境内)两部分加以研究。

1.σ收敛检验

根据研究方法中的计算公式，对全国及中上游、下游地区(安徽境内)、下游地区(江苏境内)三个地区的长江沿岸内河港口效率进行标准差测算。如图2所示，我国长江沿岸内河港口效率的σ值在2012—2015年逐年下降，自2016年出现上升，这说明2013—2015年我国不同地区的内河港口效率值差距在逐渐减小，表现出收敛的特征，而近几年收敛特征不明显。按三大地区分别进行σ检验：长江中上游地区内河效率值变动与全国变动趋势相似，在2013—2015年逐年下降，表现出σ收敛的特征，自2016年逐年上升，收敛σ不明显；下游(安徽境内)港口效率σ值于2012—2013年上升，2013—2015年下降，2015—2016年上升，2017年有较大幅度下降，整体来看处于波动之中，因此判断下游(安徽境内)港口效率不存在σ收敛；下游(江苏境内)港口效率于2012—2014年逐年下降，2014—2016年有较大幅度上升，2016—2017年有小幅度下降，因此判断下游(江苏境内)港口效率的σ收敛情况并不明显，这与下文绝对β收敛结果相吻合，当绝对β收敛不存在时，σ收敛也不会发生。

图2 σ检验结果

2.绝对β收敛检验

由表6可以看出，全国港口效率收敛系数为负，且通过了10%的显著性检验，说明存在绝对β收敛的趋势，即港口技术效率较低的城市有追赶发达城市的趋势。从各个区域来看：中上游港口效率值收敛系数为正但未通过显著性检验；下游(安徽境内)港口效率的绝对β收敛系数为正且通过显著性检验，说明下游(安徽境内)地区内河港口效率值不存在绝对β收敛，各城市港口效率差距有进一步扩大趋势，这与σ检验的结果相吻合；而下游(江苏境内)收敛系数为正但未通过显著性检验，表明江苏省内河港口效率不存在绝对β收敛的特征。

表6 绝对β检验收敛性检验结果

3.条件β收敛分析

表7列出了样本观测期内全国层面及东中西部三大区域层面内河效率的条件β收敛检验结果。根据估计结果可以看出，全国总体及中下游地区条件β收敛系数均为负且至少通过了10%的显著性检验，说明全国范围及中上游、下游(安徽境内)及下游(江苏境内)的内河港口效率都能够稳定于自身水平。

表7 条件β检验收敛性检验结果

五、结论与建议

本文基于长江沿岸17个主要内河港口2012—2017年面板数据，采用SFA模型对各个港口的运营效率值进行了测算，同时对各地区内河港口效率值进行了收敛性分析，得出了以下结论：

其一，总体而言，2012—2017年我国长江内河港口效率波动不大。同时，长江上游地区内河港口货运效率值较高且呈上升态势，其中重庆地区内河港口效率值最高，能较好地发挥资源协同作用；长江中下游地区内河港口货运效率比较低，未能有效发挥地理优势，发展模式比较粗放，侧面反映出各地区对港口投入资源的利用不够合理，提升空间较大。

其二，通过对影响因素进行评估，发现经济发展水平、对外开放程度、产业结构、非万吨级港口占比等外生因素对港口货物运输的效率都有着不同程度和方向的影响。其中，经济发展水平和区域产业对港口效率值的影响最为显著，说明提升经济发展水平以及大力发展第二产业均会促进该地区内河港口效率的提高；而对外开放程度和非万吨级泊位占比对港口效率没有显著影响。

其三，对长江沿岸内河港口效率值进行了收敛性分析，从全国范围来看，我国长江沿岸内河港口效率存在收敛情况，但上下游之间港口效率收敛情况不明显，各城市仅收敛于各自的稳态水平，由此判断各地区港口发展并不均衡，上下游各区域内河港口之间应加强沟通联系，协同发展，以提高长江沿岸内河港口效率水平。

据此，本文提出以下建议，以不断提升长江沿岸港口货物运输效率：(1)整合现有港口资源，推进港口货运集约化发展，中下游地区港口应该适当增加码头长度及万吨码头数量，使其满足内河运输需要，同时应根据吞吐量合理控制泊位数量，避免资源浪费；(2)各地区要保持经济稳步发展，扩大腹地工业规模，持续推进港口与经济腹地的联动，以区促港、以港带城，工业持续发展会增加内河港口水运需求，港口突出的服务能力则为工业品物流提供保障；(3)在“一带一路”政策的指导下，努力提高内河港口在国际贸易中的地位，引导内河港口与海运服务开展联盟合作，积极争取与沿海港口的联运权益，完善运输机制；(4)加强区域合作联动，统筹资源配置，应当加强跨省市、跨区县港口间的联系，上下游、左右岸协调联动，同时最大限度发挥沿海、沿江港口优势，统筹规划水路布局，铺设便捷、高效的水路交通网，分散个别港口压力，提升部分港口利用效率。