基于DEA分析法的港口物流效率测评研究

李 平 （宜宾学院 经济与管理学院，四川 宜宾 644000）

0 引言

随着我国国力的提升和新经济的到来，沿海以及内河港口如雨后春笋般发展起来，这大大降低了物资的流通成本，也促进了内贸、外贸经济持续的高增长。但是，由于我国港口发展相对发达国家港口起步的时间比较晚，导致了港口经营效率水平相对较低，在发展过程中存在许多的不足。针对存在的问题，如果仅仅对港口相关数据进行直观判断必然有失科学性与准确性，若采用正确且合理的港口效率测评方法对港口物流效率进行评价，就能够找出制约港口物流效率的影响因素。政府和企业要合理配置投入与产出的资源，使我国港口理性、健康、持续的发展，进而缩小与发达国家港口的差距。

1 港口效率测评的文献梳理

港口物流效率测评对于研究港口经营活动具有重要的意义，许多专家与学者对港口物流效率做了深入的研究，并提出了许多具有创新性的理论。关于效率测评的方法很多，体系也有所差别，业界并没有形成统一的测评标准，因此，在进行港口物流效率测评时应选取哪种测评方法也是专家与学者热衷于研究的问题。针对环渤海湾港口群，李钊[1]提出了基于供应链运作参考下的SCOR模型，对环渤海港口群进行了物流效率研究；李电生等人[2]运用DEA模型对13个港口进行了实证模拟，结论表明，适用于港口物流效率的综合测评；于丽英等人[3]选取长江经济带11个省市作为样本，运用DEA-Malmquist指数模型对投入与产出的物流效率进行了评价和分析；陈荣等人[4]则提出了交叉效率DEA和IAHP相结合的综合评价模型，此方法相较于超效率DEA-IAHP的方法对港口物流效率的评价更具实际应用性和可行性。除了把港口群的物流效率作为研究对象以外，DEA模型还可选取其他物流领域做效率测评，侯立[5]选取了西部地区作样本，研究了西部地区各个省的物流效率，结论表明，西部各省物流效率水平总体不高、差异较大；雷鸣[6]等人在供给侧改革与新型城镇化双重导向下运用了基于非参数DEA与ARDL模型，对我国农产品物流效率进行了实证分析。

综上所述，在相关物流效率测评的文献中，专家与学者大多都是针对测评方法进行分析与研究，或者将几个港口、几个省市进行比较分析，鲜有专门针对具体一个港口进行研究的文章。本文创新之处在于只针对一个单独实体进行实证研究，与其他同类型文章相比更有针对性。通过对单个实体物流效率的多方面测评，可以更好地找出制约港口物流效率的因素，进而提出更有针对性的改进意见。

2 单个实体的DEA研究设计

2.1 DEA模型的构建

A.Charnes,W.W.Cooper和E.Rhodes提出了数据包络分析，简称DEA方法，数据包络分析法是采用运筹学中的对偶单纯型法进行建模。它是根据多项投入指标和多项产出指标，利用线性规划的方法，对具有可比性的同类型单位进行相对有效性评价的一种数量分析方法，也可以针对拥有多个指标的单个研究对象的项目进行评价。在保持规模报酬不变的情况下，针对单个研究实体的DEA模型如下：

其中：θ为决策单元DMU的技术效率值，λj为DMU的对偶变量，s+、s-为松弛变量。在规模报酬可变的条件下，针对单个研究实体的DEA模型为：

其中：β为决策单元的纯技术效率值，λ1,λ2,…,λn为对偶变量，s+、s-为松弛变量。根据技术效率值和纯技术效率值可以求得各DMU的规模效率值，技术效率=纯技术效率×规模效率。

2.2 港口物流效率测评指标选取

2.2.1 宏观层面测评指标

DEA方法选取的测评数据对于港口而言，其腹地经济的发展水平、第三产业的规模、交通运输体系以及该地区的人口密度等都会直接影响港口物流的发展。完善的交通体系能够加快资源的流动，提升港口物流作业效率，保证了港口每年客货高效流转。因此，在宏观层面分析港口的物流效率采用地区GDP、地区第三产业GDP、地区高速公路里程数（公里）、地区铁路里程数（公里）4个具有代表性的重要指标作为数据包络分析DEA模型的投入指标。港口吞吐量是反映港口经济效益、物流效率、经营状况的重要指标，是港口物流效率必须研究的重要指标。因此，本文选取港口货物吞吐量和港口集装箱吞吐量作为数据包络分析DEA模型的输出指标。

2.2.2 微观层面测评指标

基础设施建设是一个港口的骨架，决定了港口的发展规模，对港口发展而言具有重要的作用。一个港口的基础建设规模越大、设施越完善、自动化程度越高，就意味着港口越具有发展潜力。因此，在微观层面上本文选取港口生产用码头长度、生产用泊位数、堆场有效面积3个具有代表性的重要指标作为数据包络分析DEA模型的投入指标。而港口吞吐量是港口物流效率必须研究的重要指标。因此，本文选取港口货物吞吐量以及港口集装箱吞吐量作为数据包络分析DEA模型的输出指标。

2.3 DEA有效性判定

根据DEA有效性的定义，本文运用CCR模型同时判定是否技术有效和规模有效，定义为：

定义1：若θ=1，且s+=0、s-=0，则决策单元DMU为DEA有效，其经济活动同时为技术有效和规模有效。

定义2：若θ=1，且s+、s-其中一个大于0，则决策单元DMU为弱DEA有效，其经济活动并不同时为技术效率最佳和规模效率最佳。

定义3：若θ＜1，则决策单元DMU不是DEA有效，其经济活动既不是技术效率最佳，也不是规模效率最佳。

3 基于DEA分析法的实证分析

重庆是国家“一带一路”的重要战略节点，位于中国东部与西部相结合的地区，自然而然成为相邻省份如四川、贵州、湖南、湖北、陕西的重要交通枢纽。重庆港借助区位优势、政策优势、交通优势以及资源优势在长江上游沿岸港口中发展一直处于领先地位。因此本文选取重庆港作为一个单独实体来进行实证分析更具针对性，通过数据包络分析法分别从宏观层面和微观层面对重庆港物流效率进行测评。

3.1 宏观层面对重庆港物流效率测评

3.1.1 测评指标相关数据

从宏观层面分析港口的物流效率采用重庆地区GDP、重庆地区第三产业GDP、重庆地区高速公路里程数、重庆地区铁路里程数作为数据包络分析DEA模型的宏观投入指标。港口吞吐量是反映港口经济效益、物流效率、经营状况的重要指标，是港口物流效率必须研究的重要指标。因此选取重庆港货物吞吐量和重庆港集装箱吞吐量作为数据包络分析DEA模型的输出指标。具体测评数据如表1所示。

表1 DEA测评所需数据

3.1.2 宏观层面DEA方法对重庆港物流效率测评

使用数据包络分析法对港口物流效率进行测评需要使用专业的软件，本文选用了DEA专用数据分析软件DEAP2.1对重庆港物流效率进行测评。通过将收集到的2012年至2017年重庆地区GDP以及重庆地区第三产业GDP、重庆地区高速公路里程数、重庆地区铁路里程数、重庆港货物吞吐量以及重庆港集装箱吞吐量这6组测评数据输入DEAP2.1中进行数据分析，其结果如表2所示。表2中的技术效率表示稳定投入情况下所达到的最大产出值；纯技术效率表示能否充分利用投入使产出最大化，若为1则表示充分利用投入使产出为最大化；规模效率是衡量投入与产出比列是否合适的结果，若不为1则表示投入与产出比例刚好合适，即投入量刚好满足产出量。

表2 DEA模型测评分析数据

3.1.3 测评结果分析

通过对所选取的数据重庆地区GDP、重庆地区第三产业GDP、重庆地区高速公路总里程数、重庆地区铁路总里程数、重庆港货物吞吐量以及重庆港集装箱吞吐量使用DEA方法进行分析可得到，2012年与2013年纯技术效率和规模效率都是DEA有效，说明这两年投入的资源满足输出数量，使得投入与产出的比列合适。2012年到2017年这六年纯技术效率基本保持稳定，且都为最优值1，即表示港口充分利用投入资源使得产能为最大。但从最近2014年到2017年却为弱DEA有效，规模效率从2014年开始就呈现下滑状态，说明2014年到2017年呈现不合适状态，投入的资源与产出并不匹配。因此，可以得到2012年2013年重庆港的物流效率较高，而2014年到2017年重庆港的物流效率未达到应有水平。

3.2 微观层面对重庆港物流效率测评

3.2.1 测评指标相关数据

基础设施建设是一个港口的骨架，决定了港口的发展建设能力，对港口发展而言具有重要的作用。本文选取重庆生产用码头长度、生产用泊位数、堆场有效面积作为数据包络分析DEA模型的微观投入指标。港口吞吐量是反应港口经济效益、物流效率、经营状况的重要指标，是港口物流效率必须研究的重要指标。因此选取重庆港货物吞吐量和重庆港集装箱吞吐量作为数据包络分析DEA模型的输出指标。具体测评数据如表3所示。

3.2.2 微观层面DEA方法对重庆港物流效率测评

使用数据包络分析法对港口物流效率进行测评需要使用专业的软件，本文选用了DEA专用数据分析软件DEAP2.1对重庆港物流效率进行测评。通过将收集到的2012年至2017年重庆港的生产用码头长度、生产用泊位数、堆场有效面积、货物吞吐量以及集装箱吞吐量这5组测评数据输入DEAP2.1中进行数据分析，其结果如表4所示。

表3 DEA测评所需数据

表4 DEA模型测评分析数据

3.2.3 测评结果分析

港口基础设施相关投入指标是可以确定的，输出指标是不确定性的，但输出指标的具体数额在一定程度上会受到投入指标的影响。可以通过DEA结果分析来判定增加投入是否会带来输出的增加，或者减少投入是否会带来输出的减少。由表4可以看出，纯技术效率从2012年到2017年这六年间在不断的提高，说明港口在充分利用投入资源后输出能力在增强。而规模效率除2016年外也在逐年提高，说明投入与产出的比列变得越来越合适。通过以上数据包络分析看出，前3年由不是DEA有效慢慢变为弱DEA有效，最后在2017年变为DEA有效，说明在微观生产层面上近6年重庆港的物流效率不断提高的大趋势，并在2017年达到了最佳效率。

3.3 测评结果汇总分析

由上述分析结果可以看出，在宏观层面上，在2012年与2013年重庆港达到了最佳物流效率，而从2014年到2017年重庆港并未达到最佳物流效率。在微观层面上，可以看到虽然重庆港物流效率有不断提高的趋势，并在2017年达到了最佳物流效率，但是在历年的分析中可以看出纯技术效率值与规模效率值并不稳定。因此，重庆港在投入与产出资源的配置上仍然有很大的提升空间。

4 结论与展望

本文从宏观与微观层面运用DEA模型对单个实体对象的物流效率进行测评，通过对长江上游典型代表的重庆港的实证分析，找到了影响重庆港物流效率的影响因素有腹地经济的发展、交通道路的投资建设、港口基础设施的投入等；同时，通过DEA方法测评，也能看出投入资源的多少与产出是否有效率。若港口能够针对影响物流效率的因素进行改进，使投入与产出的资源更加合理配置，则可实现其物流效率的提升。

本文主要采用可量化的指标进行分析，而未考虑一些不能量化的测评指标，这可能导致分析结果存在一定的误差。但文章的研究方法可用于对其他港口的物流效率测评，也可用于对其他单个企业的物流效率进行测评，思路和方法值得借鉴。