考慮碳排放的港口全要素生產率及影響因素分析

戈艷艷，王姍姍

(浙江工商大學杭州商學院，杭州311500)

0 引言

港口，尤其海港，是國際物流網(wǎng)絡中無可替代的重要節(jié)點，是實現(xiàn)海上絲綢之路互聯(lián)互通的重要基礎。但港口的建設、運行、發(fā)展等一切活動都不可避免地會對港口資源和生態(tài)環(huán)境產生直接或間接的影響，港口也是能源消耗的重點領域[1]。如何建設綠色生態(tài)港口，優(yōu)化港口資源配置是港口未來發(fā)展關注的重要領域。基于此，在保持港口可持續(xù)發(fā)展的前提下尋求港口效率提升，有利于兼顧港口發(fā)展和節(jié)能減排雙重目標，也是現(xiàn)階段經(jīng)濟環(huán)境和生態(tài)環(huán)境大趨勢下港口擺脫發(fā)展困境，在世界經(jīng)濟大潮中實現(xiàn)可持續(xù)發(fā)展的重要途徑。因此，本文在考慮碳排放量的基礎上測算港口全要素生產率并厘清其影響因素，提出改善港口效率的可行路徑，為港口制定可持續(xù)發(fā)展戰(zhàn)略提供有效的理論依據(jù)。關于全要素生產率的核算，主要有代數(shù)指數(shù)法(AIN)、索洛余值法、隨機前沿分析法(SFA)和數(shù)據(jù)包絡分析(DEA)這4種。采用較多的是DEA法，為考察全要素生產率的變化，學術界構建了一系列基于DEA 的生產率指數(shù)[2]，普遍采用Malmquist 指數(shù)分解分析生產率。Nwanosike F.等[3]采用Malmquist指數(shù)研究了尼日利亞6 個主要港口改革前后的對比情況。Antonio Estache 等[4]用Malmquist 指數(shù)計算和分解墨西哥11個主要港口在基礎設施方面的生產率變化。李電生等[5]用DEA 二次相對評價模型分析港口物流效率，提出測算港口物流效率的公式。宋京妮等[6]采用SBM-undesirable 模型分析了中國綜合運輸效率。曹瑋等[7]采用DEA 和Malmquist指數(shù)考查了福建沿海港口全要素生產率的變化。艾亞釗等[8]采用SFA模型分析了集裝箱港口效率。

諸多學者基于DEA或者SFA模型研究了港口效率，但還存在一些問題：首先，大多數(shù)研究采用傳統(tǒng)的DEA 方法，部分結合了基礎的Malmquist 指數(shù)，將生產率指數(shù)分解為技術進步率和技術效率變化率，但Malmquist 指數(shù)使用的距離函數(shù)無法考慮減少污染的情形[9]。近年來，綠色環(huán)保重視程度高，可持續(xù)發(fā)展的新型綠色港口是未來港口經(jīng)濟發(fā)展的主流趨勢，缺少非期望產出的港口效率測度不再適應市場需求，故本文采用全局Malmquist-Luenberger 指數(shù)模型(GML 指數(shù)法)，在效率測算時同時考慮非期望產出。目前，將GML 指數(shù)法應用在港口效率測度的研究比較少，主要應用在環(huán)境效率研究。郭莉[10]等采用SBM-GML指數(shù)模型分析了電力行業(yè)環(huán)境效率區(qū)域差異。呂曉劍[11]等基于SBM-GML指數(shù)模型分析了山東省大氣環(huán)境效率時空分異與影響因素。其次，從已有文獻來看，多數(shù)文獻沒有厘清內外部因素對港口效率的影響，故本文在GML 指數(shù)模型的基礎上，運用面板數(shù)據(jù)引力模型厘清內外部因素對港口全要素生產率的影響。

1 指標體系和模型方法

1.1 指標體系的建立

采用面板數(shù)據(jù)，時間跨度為2009-2018年，決策單元為中國沿海19個港口，如表1所示。在測量港口生產率時考慮非期望產出，港口全要素生產率評價采用的投入指標主要有港口泊位數(shù)、泊位長度、港口機械設備、堆場面積、員工數(shù)量等，產出指標主要有貨物吞吐量、集裝箱吞吐量、港口利潤等。鑒于統(tǒng)計數(shù)據(jù)的可得性，港口機械設備、員工數(shù)量、堆場面積和港口利潤等數(shù)據(jù)收集困難，故本文在不考慮這些因素對港口生產率的影響下，選取港口生產泊位數(shù)，泊位長度和萬噸級以上泊位數(shù)作為投入指標，港口貨物吞吐量和集裝箱吞吐量作為期望產出指標，港口碳排放量作為非期望產出進行研究。港口數(shù)據(jù)來自歷年《中國港口年鑒》和各地方統(tǒng)計年鑒。

表1 決策單元Table 1 Decision unit

我國港口碳排放計算主要依據(jù)國際公認的相關準則(溫室氣體協(xié)議、空氣質量和溫室氣體工具、碳足跡指導文件等)、港口碳排放核算對象范圍(根據(jù)港口貨物吞吐量折算成標準煤，2011年后交通運輸部開始對交通運輸能源消耗進行監(jiān)測，形成國家統(tǒng)一的能源消耗數(shù)據(jù)表，年均下降約3%)和我國港口碳排放計算基礎數(shù)據(jù)(港口貨物吞吐量)。其中，港口碳排放系數(shù)采用國家發(fā)改委能源研究所的推薦值0.67，即1 t碳燃燒后產生大約3.67 t的CO2，利用碳排放系數(shù)0.67計算，1 t標準煤在大氣中燃燒可產生2.4589 t的CO2[12]。港口碳排放計算公式為

式中：C為港口碳排放量；SC為當年標準煤消耗量；HC為當年貨物吞吐量；β為碳排放系數(shù)，取2.4589。

1.2 模型

Malmquist 指數(shù)法由StenMalmquist 于1953年提出，用于分析不同時期的消費變化。Chung 等[13]對距離函數(shù)進行了有效拓展，形成方向距離函數(shù)，并提出Malmquist-Luenberger(ML)指數(shù)。ML 指數(shù)采用兩個時期指數(shù)的幾何平均形式，存在潛在的不可行解且不具備循環(huán)和可加性，Oh[14]提出一種新的方法——全局Malmquist-Luenberger(GML)指數(shù)，可以處理多產出和多投入以及環(huán)境惡劣產出，同時避免ML 指數(shù)的缺點。因此，本文通過對GML 指數(shù)模型拓展，研究港口全要素生產率。

決策單元有X個投入，Y個期望產出，B個非期望產出，第i個決策單元t時期的投入向量xit=(ait,bit,cit)，其中，ait,bit,cit分別為在t時期第i個港口的泊位長度、泊位個數(shù)、萬噸級以上泊位個數(shù)；期望產出向量yit=(dit,eit)，其中，dit,eit分別為在t時期第i個港口的貨物吞吐量、集裝箱吞吐量；非期望產出向量bit=(fit)，其中，fit為在t時期第i個港口的碳排放量。則

式中：MLt,t+1為ML 指數(shù)變化；MLECt,t+1為技術效率變化；MLTCt,t+1為技術進步變化；xt為投入；yt為期望產出；bt為非期望產出；()xt,yt,bt;yt,bt為基于同期生產可能集的方向距離函數(shù)；(xt,yt,bt;yt,bt)為基于全局生產可能集的方向距離函數(shù)，GMLt,t+1為GML 指數(shù)變化；TEt為技術效率；BPGG,t為技術進步；GMLECt,t+1為技術效率變化；GMLTCt,t+1為技術進步變化。 如果GMLECt,t+1＞1，那么t+1 時期較t時期更接近當前生產前沿面，即效率更高；如果GMLECt,t+1＜1，那么t+1 時期較t時期更遠離當前生產前沿面，即效率更低；如果GMLTCt,t+1＞(＜)1，那么t+1 時期較t時期更接近(遠離)全局生產前沿面，因此，GMLTCt,t+1＞1，即技術進步，GMLTCt,t+1＜1，即技術退步。如果兩個時期的輸入和輸出沒有變化，GMLt,t+1=1；如果生產率有所提高，GMLt,t+1＞1；降低，則GMLt,t+1＜1。與傳統(tǒng)的ML 指數(shù)的幾何平均形式不同，GML指數(shù)是循環(huán)的。

2 實證分析

分析中國沿海19個港口，數(shù)據(jù)統(tǒng)計特征如表2所示。

表2 數(shù)據(jù)描述性統(tǒng)計特征Table 2 Descriptive statistical characteristics of data

2.1 港口全要素生產率相關指數(shù)分析

根據(jù)式(1)和式(3)，采用Matlab2016求解，結果如表3所示。

表3 主要沿海港口的GML指數(shù)(2009-2018年)Table 3 GML index of major coastal ports from 2009 to 2018

我國主要沿海港口的GML 指數(shù)表明：2009-2018年，各港口的全要素生產率都有不同程度的提高，部分港口持續(xù)增長，如營口港、天津港、上海港、寧波舟山港等；部分港口增長、降低交替出現(xiàn)，如青島港、福州港、珠海港等。由此可見，持續(xù)增長的港口主要是近幾年發(fā)展較快的港口，且貨物吞吐量大的港口生產率指數(shù)不一定高，如上海港生產率指數(shù)經(jīng)常低于深圳港。

從各個年份具體來看，2017/2018年，除?？诟凵a率水平為0.9997，其他均大于1.0000，說明2017/2018年中國大部分沿海港口生產率有所提高。廣州港2014-2018年，生產率指數(shù)均高于其他港口，可見廣州港近幾年發(fā)展較快，值得其他港口學習。從各個年份的平均值來看，只有2014/2015年平均值小于1，此期間汕頭港的全局生產率指數(shù)只有0.5908，處于一種嚴重惡化狀態(tài)。

表4為主要沿海港口技術效率變化。可知，2009-2018年，各港口的技術效率都有所降低。具體從各個年份來看：2009-2013年，各港口技術效率變化不大，大部分港口技術效率變化值降低，但降低率較??；2013-2014年，港口技術效率值均降低，且降低速度較大；2014-2015年，大部分港口技術效率值大幅上升；2015-2017年，技術效率變化值基本維持不變。

表4 主要沿海港口技術效率變化(2009-2018年)Table 4 EFFCH of major coastal ports from 2009 to 2018

表5為主要沿海港口技術進步變化。可知：2009-2018年，各港口的技術進步有所提高；具體到各個年份來看，2014-2015年大部分港口技術退步，人才流失是其原因之一。

表5 主要沿海港口技術進步變化(2009-2018年)Table 5 TECH of major coastal ports from 2009 to 2018

主要沿海港口GML 平均值、技術效率平均值、技術變化平均值如圖1所示。各主要沿海港口：GML 平均值最高的是廣州港，為1.0572，最低的是福州港，這主要是因為2009-2010年，福州港GML 值嚴重降低，2010-2011年又有所降低；技術效率平均值均大于等于1.0000，均值最大的是防城港；技術進步平均值均大于1.0000，均值最大的是秦皇島港。

圖1 GML、GMLEC、GMLTC均值Fig.1 Mean values of GML,GMLEC,GMLTC

五大港口群GML 指數(shù)平均值如圖2所示。東南沿海地區(qū)受福州港影響，2009-2010年GML均值較小，隨后比較穩(wěn)定；長江三角洲地區(qū)和西南沿海地區(qū)均較穩(wěn)定；環(huán)渤海港口區(qū)和珠江三角洲地區(qū)較不穩(wěn)定，時高時低。

圖2 五大港口群GML均值Fig.2 Mean values of GML for five port clusters

2.2 港口全要素生產率影響因素分析

為進一步明確各港口GML 指數(shù)，技術效率變動，技術進步變化之間的關系，采用面板數(shù)據(jù)模型對其進行建模分析。港口生產率除了受港口自身發(fā)展因素影響，還與城市人均GDP，城市外貿進出口額，交通基礎設施等因素相關。將港口效率變動指數(shù)GML 作為被解釋變量，技術進步變化指數(shù)GTECH、技術效率變化指數(shù)GEFFCH、城市人均GDP 增長率、社會商品零售總額增長率、貨物進出口總額增長率、貨物運輸總量增長率作為解釋變量建立模型。城市人均GDP、社會商品零售總額、貨物進出口總額、貨物運輸總量數(shù)據(jù)主要來源于國家統(tǒng)計局網(wǎng)站及各城市統(tǒng)計年鑒。

面板回歸模型為

式中：下標i,t代表港口城市和年份；GTECHit為技術進步變化指數(shù)；GEFFCHit為技術效率變化指數(shù)；pgdpit為人均GDP增長率；conit為社會商品零售總額增長率；trait為貨物進出口總額增長率；carit為貨物運輸總量增長率；αit為常數(shù)項；εit為隨機擾動項；β1～β6為變量系數(shù)。

采用eviews9 建立面板數(shù)據(jù)模型，經(jīng)hausman檢驗的統(tǒng)計量為2.388966，伴隨概率為0.8807，不拒絕原假設，建立隨機效應模型，結果如表6所示。

表6 模型估計結果Table 6 Result of model

結果表明，港口效率GML 指數(shù)除受內部因素影響，還與貨物進出口總額有關，這一結論與文獻[15]的研究結論基本相符，貨物進出口總額增長率每增長1 個百分點，港口效率GML 指數(shù)提高0.049242個百分點，其他外部因素影響不顯著。

3 結論

本文基于DEA 方法，結合方向距離函數(shù)構建含非期望產出的港口生產率模型，運用該模型對中國主要沿海港口2009-2018年間港口生產率GML指數(shù)進行測算和分析，并采用面板數(shù)據(jù)模型分析港口生產率GML指數(shù)影響因素。結果表明：

(1)2009-2018年，中國主要沿海港口的全要素生產率都有不同程度的提高，且持續(xù)增長的港口主要是近幾年發(fā)展較快的港口，但貨物吞吐量大的港口GML指數(shù)不一定高。

(2)2009-2018年，各港口的技術效率有所降低，其原因是近幾年隨著港口投入的增加，沿海港口泊位數(shù)量和泊位長度投入增大，但產出水平?jīng)]有同步增長，港口碳排放量沒有得到有效控制。因此，港口生產率提升既要提升技術水平，又要提升管理水平。

(3)2009-2018年，各港口的技術進步有所提高，但2014-2015年大部分港口技術退步，人才流失是其原因之一。

(4)主要沿海港口的GML平均值廣州港最高，福州港最低；技術效率平均值均大于等于1.0000，均值最大的是防城港；技術進步平均值均大于1.0000，均值最大的是秦皇島港。

(5)東南沿海地區(qū)、長江三角洲地區(qū)和西南沿海地區(qū)GML 均值較穩(wěn)定，環(huán)渤海港口群和珠江三角洲地區(qū)較不穩(wěn)定，時高時低。

(6)港口生產率GML 指數(shù)除了受內部因素影響，還與貨物進出口總額有關，貨物進出口總額增長率每增長1 個百分點，港口生產率GML 指數(shù)提高0.049242個百分點。

近年來，打造“綠色港口”成為港口行業(yè)的普遍認識，但沒有很好地從技術、管理、規(guī)模、節(jié)能等角度分析港口生產率，使部分港口在制定策略時存在一定問題，如：一味加大港口建設投入，忽視管理及人才培養(yǎng)等。從本文的實證研究來看，積極采取措施提升港口的技術、管理、規(guī)模水平，同時加快城市進出口貿易是現(xiàn)階段提升港口生產率的有效途徑。