基于DEA-Malmquist 指數(shù)的中國主要汽車碼頭的效率分析

彭芳婷，王海壯

（遼寧師范大學(xué) 地理科學(xué)學(xué)院，遼寧 大連 116029）

一、引言

21 世紀(jì)以來，汽車在家庭中越來越普及，促進(jìn)了商品汽車的產(chǎn)銷增長。據(jù)汽車工業(yè)協(xié)會數(shù)據(jù)顯示，2009 年商品汽車產(chǎn)銷量分別為1 379.1 萬輛和1 364.5 萬輛；2020 年產(chǎn)銷量分別為2 522.5 萬輛和2 531.1 萬輛，2009—2020 年產(chǎn)銷量年均增長率分別為5.64%和5.78%。商品汽車集聚區(qū)主要分布在東北、環(huán)渤海、長江中上游、長三角和珠三角等地區(qū)[1]，汽車消費市場廣布并存在東西、南北上的差異，造成生產(chǎn)與消費（供需上）的空間不匹配，只能通過陸路和水路運輸加以滿足。在商品汽車運輸中，水運的重要性逐漸凸顯。汽車碼頭吞吐量從2010 年211.0 萬輛增至2020 年567.6 萬輛，吞吐量占總運輸量的比例由11.7%增至22.4%（見圖1）。水運量的增長促進(jìn)了汽車碼頭的發(fā)展，目前已形成”沿海+沿江“的T 字形發(fā)展格局，大連汽車碼頭、天津港滾裝碼頭、上海海通國際汽車碼頭、廣州港南沙汽車碼頭（以下簡稱大連、天津、上海、廣州）、武漢江盛汽車碼頭等成為我國東西、南北商品汽車水運樞紐[2]。碼頭承擔(dān)著運輸中轉(zhuǎn)的重要任務(wù)，汽車碼頭效率對商品汽車運輸、貿(mào)易及汽車供應(yīng)鏈發(fā)展影響深遠(yuǎn)，探究其效率變化及變動原因具有較大的現(xiàn)實意義。

圖1 2010—2020 年汽車碼頭吞吐量和吞吐量占總運輸量比例

Farrell（1957）[3]最早用技術(shù)效率、成本效率、配置效率等概念定義企業(yè)的效率，Roll 和Hayuth（1993）[4]用技術(shù)效率來評價港口效率，進(jìn)而港口技術(shù)效率得到廣泛關(guān)注[5-6]，技術(shù)效率可用投入產(chǎn)出比進(jìn)行量算。碼頭具有運作復(fù)雜、服務(wù)多樣的特點，難以用單一指標(biāo)進(jìn)行效率評價，國內(nèi)外學(xué)者多采用數(shù)據(jù)包絡(luò)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 個集裝箱碼頭的效率，發(fā)現(xiàn)規(guī)模效率低造成橫濱和北九州碼頭效率偏低，將勞動力數(shù)量納入分析后提高了效率。Cullinane 等（2005）[8]利用DEA模型探討了1992—1999 年全球前30 的集裝箱碼頭所有權(quán)、競爭與效率間的關(guān)系，發(fā)現(xiàn)碼頭的私有化并未帶來效率的提高。Al-Eraqi 和Khader（2009）[9]利用DEA 和Malmquist 指數(shù)測算了2000—2005 年中東和東非22 個集裝箱碼頭的效率，發(fā)現(xiàn)大中型碼頭的效率偏低，擴(kuò)大生產(chǎn)規(guī)模能提高效率。

在國內(nèi)專業(yè)性碼頭效率研究中，眾多學(xué)者關(guān)注了集裝箱碼頭，少數(shù)學(xué)者關(guān)注了鐵礦石、煤炭等碼頭效率。（1）集裝箱碼頭，李丹等（2013）[10]采用三階段DEA 研究了2010 年我國42 個沿海集裝箱碼頭效率，發(fā)現(xiàn)規(guī)模無效率是造成效率偏低的原因。段朝輝和宋炳良（2016）[11]運用信息熵-DEA 測算了2012—2014 年上海6 家集裝箱碼頭的效率，發(fā)現(xiàn)碼頭整體效率水平較高，內(nèi)部挖潛是提高碼頭效率的有效方法。魯渤和汪壽陽（2017）[12]運用DEA 模型和超效率DEA 量算了14 個中國和17 個韓國集裝箱碼頭的效率，發(fā)現(xiàn)11 個效率最優(yōu)的碼頭中中國占8個，增加投入可以提高碼頭效率。葉士琳等（2020）[6]利用超效率SBM 和Tobit 模型測度了2008—2017年長三角15 個集裝箱碼頭效率，發(fā)現(xiàn)碼頭效率總體水平雖然不高但呈增長趨勢，純技術(shù)效率提高是碼頭效率增長的因素。（2）鐵礦石碼頭，林黎（2011）[13]利用三階段DEA 測算了2006—2010 年12 個沿海鐵礦石碼頭效率，這些碼頭效率上升但未達(dá)到效率有效，規(guī)模效率偏低是其原因。（3）煤炭碼頭，祁文才（2011）[14]、劉麗梅（2014）[15]利用DEA 模型分別測算了2010 年神華天津煤炭碼頭和2012 年天津港煤炭碼頭的效率，與國內(nèi)其他煤炭碼頭效率進(jìn)行比較發(fā)現(xiàn)存在效率差異，建議優(yōu)化資源配置來提高效率。

綜合國內(nèi)外碼頭效率的研究，可見DEA 及延伸模型得到了廣泛應(yīng)用，但現(xiàn)有研究主要集中于集裝箱、鐵礦石、煤炭等碼頭，汽車碼頭的效率仍未得到學(xué)術(shù)界的關(guān)注，因此，采用DEA-Malmquist 指數(shù)模型測算2010—2020 年中國四大汽車碼頭（大連、天津、上海、廣州）的效率變化及變動原因，以期填補(bǔ)現(xiàn)有研究的不足，為汽車碼頭的良性發(fā)展提供有用的研究成果。

二、研究方法、指標(biāo)選取與數(shù)據(jù)來源

（一）研究方法

1.DEA-BCC 模型。數(shù)據(jù)包絡(luò)分析方法（DEA）是利用決策單元（DMU）的多項投入和產(chǎn)出數(shù)據(jù)來測算效率并與生產(chǎn)前沿面（理論生產(chǎn)函數(shù)中的生產(chǎn)可能性邊界）相比較，根據(jù)測算的效率偏離生產(chǎn)前沿面的程度來判斷效率的相對有效性。DEA 中最原始的CCR 模型是由Charnes 等（1978）[16]提出的，可計算綜合技術(shù)效率（STE）。此后，Banker（1984）[17]將STE 分為純技術(shù)效率（PTE）和規(guī)模效率（SE）。PTE 是指DMU 在現(xiàn)有技術(shù)水平下投入資源的產(chǎn)出能力，SE 反映了實際投入規(guī)模與最優(yōu)規(guī)模之間的差距，且SE=STE/PTE。

假設(shè)有n 個DMU，每個DMU 有m 項投入、s 項產(chǎn)出，X0和Y0分別為投入向量和產(chǎn)出向量，DMUj（j=1，2，…，n）的投入和產(chǎn)出分別為Xij（i=1，2，…，m）和Yrj（r=1，2，…，s），為第i 個投入的松弛變量，為第r 個產(chǎn)出的松弛變量，θ 為DMUj效率評價指數(shù)，λj為投入產(chǎn)出的權(quán)數(shù)，ε 為非阿基米德無窮小量。BCC 模型如下：

若STE=1，則該DMU 有效，表明PTE、SE 均有效；STE＜1，則該DMU 效率偏低，值越小、效率越低。STE＜1 且PTE＜SE 說明純技術(shù)效率偏低造成綜合技術(shù)效率較低；STE＜1 且PTE＞SE 說明規(guī)模效率偏低造成綜合技術(shù)效率較低。

2.Malmquist 指數(shù)。Malmquist 指數(shù)用以測度一段時期內(nèi)DMU 的效率變動情況，由Malmquist（1953）[18]提出，F(xiàn)are 等（1994）[19]用其測度1979—1988 年17個經(jīng)合組織成員國的全要素生產(chǎn)率（Tfp），并將Tfp 分為綜合技術(shù)效率變動指數(shù)（Effch）和技術(shù)進(jìn)步變動指數(shù)（Tech）。Effch 是指投入資源的規(guī)模及產(chǎn)出能力變動情況，反映企業(yè)的經(jīng)營管理水平，分為技術(shù)效率變動指數(shù)（Pech）和規(guī)模效率變動指數(shù)（Sech）。Tech 是指隨著時間的變化技術(shù)進(jìn)步推動了生產(chǎn)前沿面的外延，即在特定投入組合（技術(shù)投入以外的要素）下通過技術(shù)進(jìn)步獲得更多的產(chǎn)出，如碼頭裝卸設(shè)備更新、先進(jìn)物流技術(shù)發(fā)展等帶來更大的產(chǎn)出。Malmquist 指數(shù)公式如下：

式（2）中，M0為Malmquist 指數(shù)；Xt、Yt分別表示在t 時點的投入和產(chǎn)出；Xt+1、Yt+1分別表示在t+1 時點的 投入和 產(chǎn)出；Dt（Xt，Yt）、Dt+1（Xt+1，Yt+1）為t 時點、t+1 時點的距離函數(shù)。第二個等式右側(cè)第一項為Effch，第二項為Tech，即Tfp=Effch*Tech。Tfp ＞1，表示全要素生產(chǎn)率提高；Tfp＜1，表示全要素生產(chǎn)率下降。Effch＞1，表示綜合技術(shù)效率變動指數(shù)是全要素生產(chǎn)率提高的因素，Tech>1，表示技術(shù)進(jìn)步變動指數(shù)是全要素生產(chǎn)率提高的因素。

3.變異系數(shù)（CV）。變異系數(shù)可以反映數(shù)據(jù)相對波動程度，引用變異系數(shù)是為了衡量各個碼頭2010—2020 年綜合技術(shù)效率值的波動，CV 公式如下：

（二）指標(biāo)選取與數(shù)據(jù)來源

在以往的碼頭效率研究中，指標(biāo)體系構(gòu)建分為投入指標(biāo)和產(chǎn)出指標(biāo)（見表1）。一方面，投入指標(biāo)主要包括泊位數(shù)、泊位長度、堆場面積、裝卸設(shè)備數(shù)量、企業(yè)員工數(shù)量、設(shè)計年通過能力等。泊位數(shù)和泊位長度決定了碼頭同一時間可停泊的輪船數(shù)量，影響貨物裝載效率，是碼頭效率研究的重要指標(biāo)。堆場面積越大，一次性堆放的貨物就越多，因商品汽車不能碰撞和疊放，故堆場面積大小和堆場車位設(shè)置對汽車碼頭尤為重要。裝卸設(shè)備數(shù)量是集裝箱、鐵礦石、煤炭碼頭的共性指標(biāo)，碼頭的裝卸設(shè)備越多、越先進(jìn)，碼頭作業(yè)效率就越高。但商品汽車裝卸不能使用吊車，只能通過司機(jī)駛上（下）船舶完成裝卸任務(wù)，故裝卸設(shè)備和企業(yè)員工數(shù)量（司機(jī)數(shù)量不固定）不能作為評價汽車碼頭效率的投入指標(biāo)。設(shè)計年通過能力與實際年吞吐量雖然在數(shù)量上不同，但存在著非線性關(guān)系，是碼頭投入的重要體現(xiàn)。另一方面，產(chǎn)出指標(biāo)主要有碼頭吞吐量和碼頭企業(yè)利潤。雖然大部分學(xué)者采用貨物吞吐量作為產(chǎn)出指標(biāo)，但就碼頭企業(yè)而言，營業(yè)利潤是其追求的核心目標(biāo)，也應(yīng)是衡量碼頭效率的關(guān)鍵產(chǎn)出指標(biāo)，故本文將其納入汽車碼頭效率的評價中。

表1 相關(guān)研究碼頭效率評價中投入產(chǎn)出指標(biāo)的選取

本文泊位數(shù)、泊位長度、堆場面積、設(shè)計年通過能力、汽車吞吐量等數(shù)據(jù)來源于2011—2021 年《中國港口年鑒》；營業(yè)利潤①營業(yè)利潤來源于碼頭上市公司的《公司年報》，因營業(yè)利潤統(tǒng)計不同，大連汽車碼頭選用毛利潤、天津港滾裝碼頭和廣州港南沙汽車碼頭選用凈利潤、上海海通國際汽車碼頭選用營業(yè)利潤，盡管指標(biāo)略微存在差異，但對效率的評價結(jié)果不會有顯著影響。來源于2010—2020 年遼寧港口股份有限公司、天津港股份有限公司、上海國際港務(wù)（集團(tuán)）有限公司、廣州港股份有限公司和廣州汽車集團(tuán)股份有限公司的《公司年報》。其他數(shù)據(jù)來源于中國汽車工業(yè)協(xié)會官方網(wǎng)站（http：//www.caam.org.cn），個別缺失數(shù)據(jù)（如2010 年、2011 年、2014 年、2015 年、2016 年廣州港南沙汽車碼頭的營業(yè)利潤）采用插值法進(jìn)行填補(bǔ)。

三、實證分析

（一）汽車碼頭效率變化及變動分析

1.汽車碼頭綜合技術(shù)效率變化。利用DEAP 2.1 軟件運行BCC 模型，計算四大汽車碼頭2010—2020年的STE、PTE 和SE（見表2）。從四大汽車碼頭STE均值來看，僅在2016 年達(dá)到DEA 有效（值為1），其他年份均值小于1 大于0.7，表明四大汽車碼頭的效率仍然較高。然而，STE 均值呈先升后降的波動狀態(tài)（見圖2），從2010 年上升到2016 年達(dá)到峰值，此后開始下降，2020 年相對于峰值下降了4.6%。

表2 2010—2020 年四大汽車碼頭效率值變化

圖2 2010—2020 年四大汽車碼頭的綜合技術(shù)效率

從四大汽車碼頭個體來看，2010—2020 年大連STE 均值為0.777，廣州為0.928，天津為0.985，上海為1。但大連的STE 波動最大，2015 年前的效率值始終位于四個碼頭均值以下，但增幅較大，2015年、2016 年達(dá)到有效后開始下降。廣州的STE 2010—2015 年先降后升，從低于四個汽車碼頭的均值轉(zhuǎn)為高于均值，2015—2020 年保持有效。天津僅在2015 年STE 下降，其他年份均保持有效。上海的STE 始終保持有效，無波動。

2.汽車碼頭綜合技術(shù)效率變動。利用DEAP 2.1軟件計算了2010—2020 年四大汽車碼頭的Malmquist指數(shù)，此部分用表3 中的Effch 來分析四大汽車碼頭STE 變動情況。2010—2020 年四大汽車碼頭Effch均值為1.020，表明總體綜合技術(shù)效率是上升的，其中大連上升最顯著，廣州位居其次，天津和上海保持不變。Pech=1 說明大連和廣州的STE 上升是受其規(guī)模效率變動的影響，如碼頭泊位增加、堆場面積擴(kuò)大等。此外，表2 中的PTE 及表3 中的Pech 均為1，說明汽車碼頭在經(jīng)營管理水平上保持高效。通過計算2010—2020 年四大汽車碼頭STE 的CV，變動幅度從大到小為：大連、廣州、天津、上海，與Effch反映的效率變動基本吻合。

表3 2010—2020 年四大汽車碼頭Malmquist 指數(shù)及變異系數(shù)

（二）汽車碼頭效率變動原因分析

碼頭效率的變動既受到投入產(chǎn)出規(guī)模的影響，也受到外部環(huán)境的影響。大連汽車碼頭效率變動最大且投入規(guī)模擴(kuò)大帶來2010—2016 年效率不斷提升，2011 年、2013 年共增設(shè)了26.5 萬m2的堆場，2013 年新建了3 號泊位，泊位數(shù)增加和堆場面積擴(kuò)大推動了吞吐量和利潤的增長（見圖3、圖4），投入產(chǎn)出規(guī)模擴(kuò)大帶來了效率提升。但大連投入規(guī)模擴(kuò)大的效應(yīng)并未持續(xù)，2017 年以來受利潤減少（2019年已經(jīng)虧損）的影響碼頭效率下降。大連效率最低與所服務(wù)的經(jīng)濟(jì)腹地狀況有關(guān)，相對京津冀、長三角、珠三角，東北地區(qū)經(jīng)濟(jì)發(fā)展水平相對落后，汽車消費能力偏低影響了碼頭的產(chǎn)出規(guī)模，導(dǎo)致了效率偏低。

圖3 2010—2020 年四大汽車碼頭吞吐量

圖4 2010—2020 年四大汽車碼頭營業(yè)利潤

廣州港南沙汽車碼頭吞吐量和利潤上升帶動2010—2014 年STE 波動上升，產(chǎn)出規(guī)模的上升得益于投入規(guī)模擴(kuò)大和貿(mào)易政策的變化，2015 年新建了8.26 萬m2的室內(nèi)堆場，2015 年以來外貿(mào)吞吐量的顯著變化推動了利潤的增長，也使其2015 年后保持效率有效。

天津港滾裝碼頭STE 除2015 年未達(dá)到1，其他年份均有效，因為所服務(wù)的腹地經(jīng)濟(jì)發(fā)展穩(wěn)定，京津是汽車消費的核心市場，因此吞吐量能夠保持穩(wěn)定的增長，使其效率保持有效。2015 年未達(dá)到有效是受天津港爆炸事故的影響，導(dǎo)致吞吐量和利潤顯著下降。

上海海通國際汽車碼頭STE 始終保持有效，因為碼頭服務(wù)的長三角地區(qū)經(jīng)濟(jì)發(fā)展水平高，汽車消費市場穩(wěn)定且廣闊，服務(wù)范圍延伸至長江中下游地區(qū)，吞吐量及利潤占四大汽車碼頭之首。

四、結(jié)論與建議

本文運用DEA-Malmquist 指數(shù)和變異系數(shù)分析了2010—2020 年我國四大汽車碼頭效率變化及變動原因，主要結(jié)論如下：（1）四大汽車碼頭STE 均值位于0.7～1 之間，整體效率較高，以2016 年為界呈先升后降的波動狀態(tài)。各碼頭效率均值從大到小為上海、天津、廣州、大連。（2）從各個汽車碼頭來看，大連效率先升后降、波動最大，廣州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，上海始終處于有效水平。（3）四大汽車碼頭Effch 從大到小為大連、廣州、天津、上海，四大汽車碼頭效率變動差異既與泊位數(shù)、堆場面積等投入規(guī)模有關(guān)，也受碼頭腹地社會經(jīng)濟(jì)發(fā)展?fàn)顩r和突發(fā)事故的影響。

2005—2006 年以來，我國開始建設(shè)運營四大汽車碼頭，這些碼頭在南北汽車轉(zhuǎn)運和進(jìn)出口中發(fā)揮著重要作用，水運在汽車物流中的比例已達(dá)20%左右。然而，隨著商品汽車在中國家庭中的普及，汽車消費市場已近飽和（2017 年商品汽車銷量達(dá)峰值），因此國內(nèi)南北汽車水運量不會有大幅的增加，各碼頭的吞吐量會維持在現(xiàn)有水平上（未考慮電動汽車在消費結(jié)構(gòu)中的增長、近年來大連汽車碼頭承擔(dān)日本商品汽車的過境業(yè)務(wù)）。在碼頭吞吐量相對穩(wěn)定的情況下，通過碼頭規(guī)模擴(kuò)張來提高碼頭效率的傳統(tǒng)路徑已不現(xiàn)實（圖4 中各碼頭利潤的波動已說明這一點），建議各碼頭通過改進(jìn)運營管理（優(yōu)化司機(jī)配置與堆場車位設(shè)計、汽車物流信息化建設(shè)、完善碼頭增值服務(wù)等等）來提高碼頭效率，促進(jìn)公司利潤增長與收入多樣化。