基于DEA-Malmquist 指数的中国主要汽车码头的效率分析

彭芳婷，王海壮

（辽宁师范大学 地理科学学院，辽宁 大连 116029）

一、引言

21 世纪以来，汽车在家庭中越来越普及，促进了商品汽车的产销增长。据汽车工业协会数据显示，2009 年商品汽车产销量分别为1 379.1 万辆和1 364.5 万辆；2020 年产销量分别为2 522.5 万辆和2 531.1 万辆，2009—2020 年产销量年均增长率分别为5.64%和5.78%。商品汽车集聚区主要分布在东北、环渤海、长江中上游、长三角和珠三角等地区[1]，汽车消费市场广布并存在东西、南北上的差异，造成生产与消费（供需上）的空间不匹配，只能通过陆路和水路运输加以满足。在商品汽车运输中，水运的重要性逐渐凸显。汽车码头吞吐量从2010 年211.0 万辆增至2020 年567.6 万辆，吞吐量占总运输量的比例由11.7%增至22.4%（见图1）。水运量的增长促进了汽车码头的发展，目前已形成”沿海+沿江“的T 字形发展格局，大连汽车码头、天津港滚装码头、上海海通国际汽车码头、广州港南沙汽车码头（以下简称大连、天津、上海、广州）、武汉江盛汽车码头等成为我国东西、南北商品汽车水运枢纽[2]。码头承担着运输中转的重要任务，汽车码头效率对商品汽车运输、贸易及汽车供应链发展影响深远，探究其效率变化及变动原因具有较大的现实意义。

图1 2010—2020 年汽车码头吞吐量和吞吐量占总运输量比例

Farrell（1957）[3]最早用技术效率、成本效率、配置效率等概念定义企业的效率，Roll 和Hayuth（1993）[4]用技术效率来评价港口效率，进而港口技术效率得到广泛关注[5-6]，技术效率可用投入产出比进行量算。码头具有运作复杂、服务多样的特点，难以用单一指标进行效率评价，国内外学者多采用数据包络分析（data envelopment analysis，DEA）。Iton（2002）[7]利用DEA 窗口分析法分析了1990—1999年日本8 个集装箱码头的效率，发现规模效率低造成横滨和北九州码头效率偏低，将劳动力数量纳入分析后提高了效率。Cullinane 等（2005）[8]利用DEA模型探讨了1992—1999 年全球前30 的集装箱码头所有权、竞争与效率间的关系，发现码头的私有化并未带来效率的提高。Al-Eraqi 和Khader（2009）[9]利用DEA 和Malmquist 指数测算了2000—2005 年中东和东非22 个集装箱码头的效率，发现大中型码头的效率偏低，扩大生产规模能提高效率。

在国内专业性码头效率研究中，众多学者关注了集装箱码头，少数学者关注了铁矿石、煤炭等码头效率。（1）集装箱码头，李丹等（2013）[10]采用三阶段DEA 研究了2010 年我国42 个沿海集装箱码头效率，发现规模无效率是造成效率偏低的原因。段朝辉和宋炳良（2016）[11]运用信息熵-DEA 测算了2012—2014 年上海6 家集装箱码头的效率，发现码头整体效率水平较高，内部挖潜是提高码头效率的有效方法。鲁渤和汪寿阳（2017）[12]运用DEA 模型和超效率DEA 量算了14 个中国和17 个韩国集装箱码头的效率，发现11 个效率最优的码头中中国占8个，增加投入可以提高码头效率。叶士琳等（2020）[6]利用超效率SBM 和Tobit 模型测度了2008—2017年长三角15 个集装箱码头效率，发现码头效率总体水平虽然不高但呈增长趋势，纯技术效率提高是码头效率增长的因素。（2）铁矿石码头，林黎（2011）[13]利用三阶段DEA 测算了2006—2010 年12 个沿海铁矿石码头效率，这些码头效率上升但未达到效率有效，规模效率偏低是其原因。（3）煤炭码头，祁文才（2011）[14]、刘丽梅（2014）[15]利用DEA 模型分别测算了2010 年神华天津煤炭码头和2012 年天津港煤炭码头的效率，与国内其他煤炭码头效率进行比较发现存在效率差异，建议优化资源配置来提高效率。

综合国内外码头效率的研究，可见DEA 及延伸模型得到了广泛应用，但现有研究主要集中于集装箱、铁矿石、煤炭等码头，汽车码头的效率仍未得到学术界的关注，因此，采用DEA-Malmquist 指数模型测算2010—2020 年中国四大汽车码头（大连、天津、上海、广州）的效率变化及变动原因，以期填补现有研究的不足，为汽车码头的良性发展提供有用的研究成果。

二、研究方法、指标选取与数据来源

（一）研究方法

1.DEA-BCC 模型。数据包络分析方法（DEA）是利用决策单元（DMU）的多项投入和产出数据来测算效率并与生产前沿面（理论生产函数中的生产可能性边界）相比较，根据测算的效率偏离生产前沿面的程度来判断效率的相对有效性。DEA 中最原始的CCR 模型是由Charnes 等（1978）[16]提出的，可计算综合技术效率（STE）。此后，Banker（1984）[17]将STE 分为纯技术效率（PTE）和规模效率（SE）。PTE 是指DMU 在现有技术水平下投入资源的产出能力，SE 反映了实际投入规模与最优规模之间的差距，且SE=STE/PTE。

假设有n 个DMU，每个DMU 有m 项投入、s 项产出，X0和Y0分别为投入向量和产出向量，DMUj（j=1，2，…，n）的投入和产出分别为Xij（i=1，2，…，m）和Yrj（r=1，2，…，s），为第i 个投入的松弛变量，为第r 个产出的松弛变量，θ 为DMUj效率评价指数，λj为投入产出的权数，ε 为非阿基米德无穷小量。BCC 模型如下：

若STE=1，则该DMU 有效，表明PTE、SE 均有效；STE＜1，则该DMU 效率偏低，值越小、效率越低。STE＜1 且PTE＜SE 说明纯技术效率偏低造成综合技术效率较低；STE＜1 且PTE＞SE 说明规模效率偏低造成综合技术效率较低。

2.Malmquist 指数。Malmquist 指数用以测度一段时期内DMU 的效率变动情况，由Malmquist（1953）[18]提出，Fare 等（1994）[19]用其测度1979—1988 年17个经合组织成员国的全要素生产率（Tfp），并将Tfp 分为综合技术效率变动指数（Effch）和技术进步变动指数（Tech）。Effch 是指投入资源的规模及产出能力变动情况，反映企业的经营管理水平，分为技术效率变动指数（Pech）和规模效率变动指数（Sech）。Tech 是指随着时间的变化技术进步推动了生产前沿面的外延，即在特定投入组合（技术投入以外的要素）下通过技术进步获得更多的产出，如码头装卸设备更新、先进物流技术发展等带来更大的产出。Malmquist 指数公式如下：

式（2）中，M0为Malmquist 指数；Xt、Yt分别表示在t 时点的投入和产出；Xt+1、Yt+1分别表示在t+1 时点的 投入和 产出；Dt（Xt，Yt）、Dt+1（Xt+1，Yt+1）为t 时点、t+1 时点的距离函数。第二个等式右侧第一项为Effch，第二项为Tech，即Tfp=Effch*Tech。Tfp ＞1，表示全要素生产率提高；Tfp＜1，表示全要素生产率下降。Effch＞1，表示综合技术效率变动指数是全要素生产率提高的因素，Tech>1，表示技术进步变动指数是全要素生产率提高的因素。

3.变异系数（CV）。变异系数可以反映数据相对波动程度，引用变异系数是为了衡量各个码头2010—2020 年综合技术效率值的波动，CV 公式如下：

（二）指标选取与数据来源

在以往的码头效率研究中，指标体系构建分为投入指标和产出指标（见表1）。一方面，投入指标主要包括泊位数、泊位长度、堆场面积、装卸设备数量、企业员工数量、设计年通过能力等。泊位数和泊位长度决定了码头同一时间可停泊的轮船数量，影响货物装载效率，是码头效率研究的重要指标。堆场面积越大，一次性堆放的货物就越多，因商品汽车不能碰撞和叠放，故堆场面积大小和堆场车位设置对汽车码头尤为重要。装卸设备数量是集装箱、铁矿石、煤炭码头的共性指标，码头的装卸设备越多、越先进，码头作业效率就越高。但商品汽车装卸不能使用吊车，只能通过司机驶上（下）船舶完成装卸任务，故装卸设备和企业员工数量（司机数量不固定）不能作为评价汽车码头效率的投入指标。设计年通过能力与实际年吞吐量虽然在数量上不同，但存在着非线性关系，是码头投入的重要体现。另一方面，产出指标主要有码头吞吐量和码头企业利润。虽然大部分学者采用货物吞吐量作为产出指标，但就码头企业而言，营业利润是其追求的核心目标，也应是衡量码头效率的关键产出指标，故本文将其纳入汽车码头效率的评价中。

表1 相关研究码头效率评价中投入产出指标的选取

本文泊位数、泊位长度、堆场面积、设计年通过能力、汽车吞吐量等数据来源于2011—2021 年《中国港口年鉴》；营业利润①营业利润来源于码头上市公司的《公司年报》，因营业利润统计不同，大连汽车码头选用毛利润、天津港滚装码头和广州港南沙汽车码头选用净利润、上海海通国际汽车码头选用营业利润，尽管指标略微存在差异，但对效率的评价结果不会有显著影响。来源于2010—2020 年辽宁港口股份有限公司、天津港股份有限公司、上海国际港务（集团）有限公司、广州港股份有限公司和广州汽车集团股份有限公司的《公司年报》。其他数据来源于中国汽车工业协会官方网站（http：//www.caam.org.cn），个别缺失数据（如2010 年、2011 年、2014 年、2015 年、2016 年广州港南沙汽车码头的营业利润）采用插值法进行填补。

三、实证分析

（一）汽车码头效率变化及变动分析

1.汽车码头综合技术效率变化。利用DEAP 2.1 软件运行BCC 模型，计算四大汽车码头2010—2020年的STE、PTE 和SE（见表2）。从四大汽车码头STE均值来看，仅在2016 年达到DEA 有效（值为1），其他年份均值小于1 大于0.7，表明四大汽车码头的效率仍然较高。然而，STE 均值呈先升后降的波动状态（见图2），从2010 年上升到2016 年达到峰值，此后开始下降，2020 年相对于峰值下降了4.6%。

表2 2010—2020 年四大汽车码头效率值变化

图2 2010—2020 年四大汽车码头的综合技术效率

从四大汽车码头个体来看，2010—2020 年大连STE 均值为0.777，广州为0.928，天津为0.985，上海为1。但大连的STE 波动最大，2015 年前的效率值始终位于四个码头均值以下，但增幅较大，2015年、2016 年达到有效后开始下降。广州的STE 2010—2015 年先降后升，从低于四个汽车码头的均值转为高于均值，2015—2020 年保持有效。天津仅在2015 年STE 下降，其他年份均保持有效。上海的STE 始终保持有效，无波动。

2.汽车码头综合技术效率变动。利用DEAP 2.1软件计算了2010—2020 年四大汽车码头的Malmquist指数，此部分用表3 中的Effch 来分析四大汽车码头STE 变动情况。2010—2020 年四大汽车码头Effch均值为1.020，表明总体综合技术效率是上升的，其中大连上升最显著，广州位居其次，天津和上海保持不变。Pech=1 说明大连和广州的STE 上升是受其规模效率变动的影响，如码头泊位增加、堆场面积扩大等。此外，表2 中的PTE 及表3 中的Pech 均为1，说明汽车码头在经营管理水平上保持高效。通过计算2010—2020 年四大汽车码头STE 的CV，变动幅度从大到小为：大连、广州、天津、上海，与Effch反映的效率变动基本吻合。

表3 2010—2020 年四大汽车码头Malmquist 指数及变异系数

（二）汽车码头效率变动原因分析

码头效率的变动既受到投入产出规模的影响，也受到外部环境的影响。大连汽车码头效率变动最大且投入规模扩大带来2010—2016 年效率不断提升，2011 年、2013 年共增设了26.5 万m2的堆场，2013 年新建了3 号泊位，泊位数增加和堆场面积扩大推动了吞吐量和利润的增长（见图3、图4），投入产出规模扩大带来了效率提升。但大连投入规模扩大的效应并未持续，2017 年以来受利润减少（2019年已经亏损）的影响码头效率下降。大连效率最低与所服务的经济腹地状况有关，相对京津冀、长三角、珠三角，东北地区经济发展水平相对落后，汽车消费能力偏低影响了码头的产出规模，导致了效率偏低。

图3 2010—2020 年四大汽车码头吞吐量

图4 2010—2020 年四大汽车码头营业利润

广州港南沙汽车码头吞吐量和利润上升带动2010—2014 年STE 波动上升，产出规模的上升得益于投入规模扩大和贸易政策的变化，2015 年新建了8.26 万m2的室内堆场，2015 年以来外贸吞吐量的显著变化推动了利润的增长，也使其2015 年后保持效率有效。

天津港滚装码头STE 除2015 年未达到1，其他年份均有效，因为所服务的腹地经济发展稳定，京津是汽车消费的核心市场，因此吞吐量能够保持稳定的增长，使其效率保持有效。2015 年未达到有效是受天津港爆炸事故的影响，导致吞吐量和利润显著下降。

上海海通国际汽车码头STE 始终保持有效，因为码头服务的长三角地区经济发展水平高，汽车消费市场稳定且广阔，服务范围延伸至长江中下游地区，吞吐量及利润占四大汽车码头之首。

四、结论与建议

本文运用DEA-Malmquist 指数和变异系数分析了2010—2020 年我国四大汽车码头效率变化及变动原因，主要结论如下：（1）四大汽车码头STE 均值位于0.7～1 之间，整体效率较高，以2016 年为界呈先升后降的波动状态。各码头效率均值从大到小为上海、天津、广州、大连。（2）从各个汽车码头来看，大连效率先升后降、波动最大，广州2015 年前先降后升、2015 年后保持有效，天津除2015 年下降、其他年份保持有效，上海始终处于有效水平。（3）四大汽车码头Effch 从大到小为大连、广州、天津、上海，四大汽车码头效率变动差异既与泊位数、堆场面积等投入规模有关，也受码头腹地社会经济发展状况和突发事故的影响。

2005—2006 年以来，我国开始建设运营四大汽车码头，这些码头在南北汽车转运和进出口中发挥着重要作用，水运在汽车物流中的比例已达20%左右。然而，随着商品汽车在中国家庭中的普及，汽车消费市场已近饱和（2017 年商品汽车销量达峰值），因此国内南北汽车水运量不会有大幅的增加，各码头的吞吐量会维持在现有水平上（未考虑电动汽车在消费结构中的增长、近年来大连汽车码头承担日本商品汽车的过境业务）。在码头吞吐量相对稳定的情况下，通过码头规模扩张来提高码头效率的传统路径已不现实（图4 中各码头利润的波动已说明这一点），建议各码头通过改进运营管理（优化司机配置与堆场车位设计、汽车物流信息化建设、完善码头增值服务等等）来提高码头效率，促进公司利润增长与收入多样化。