樸貞人 趙一飛
摘 要:本研究旨在通過評估中國和韓國的集裝箱樞紐港口的效率,為港口運營發(fā)展指明方向。 使用DEA-SBM(Slack Based Measurement)方法分析了2004年至2017年上海、寧波、青島和釜山四個集裝箱港口的運營效率并進行排名。該研究將碼頭總面積(㎡)、泊位長度(m)、橋吊(臺)數(shù)量及其他裝卸設(shè)備(臺)數(shù)量作為投入變量,集裝箱貨物吞吐量(TEU)作為產(chǎn)出變量,并通過松弛量(Slacks),提出達到效率性邊界的方法。結(jié)果表明,青島港和上海港是相對效率較高的港口,超過一半的碼頭在相對效率上高于平均水平。
關(guān)鍵詞:港口; 集裝箱碼頭; 運營效率; DEA-SBM模型; 比較分析
一、引言
港口的運營對國家和地方經(jīng)濟的發(fā)展有重大影響, 為占據(jù)港口的主動權(quán),近年來東北亞主要集裝箱港口采取加速擴充港口設(shè)施、推進裝卸設(shè)備運營自動化和堆場運營系統(tǒng)化的策略強化基礎(chǔ)設(shè)施建設(shè),并實施相關(guān)戰(zhàn)略來提高港口競爭力,以期成為該區(qū)域樞紐港口。
然而,各集裝箱港口間以吸引貨量為目的的激烈的貨物競爭,導(dǎo)致設(shè)施過度建造以及碼頭收益縮減,因此需要從港口資源利用率角度對港口資源的投入量進行研究。
近年來, DEA-SBM(Slack Based Measurement)模型被廣泛應(yīng)用在環(huán)境、區(qū)域、企業(yè)等領(lǐng)域進行效率評價。范丹等(2013)使用DEA-SBM,對1999年至2010年中國能源效率及節(jié)能減排效率進行了分析。馮志軍(2013)把綠色創(chuàng)新效率作為研究主題,并使用了DEA-SBM方法對中國30個省級地區(qū)進行了實證考察。 Cheng等(2018)針對2009年至2016年中國東北三省的能源效率進行了分析。羅俊浩(2014)利用 DEA-SBM對2005年至2011年間的中國8個集裝箱港口的環(huán)境效率進行了評價。馮烽(2017)選定固定成本、可變費用、管理費用作為投入變量;吞吐量和凈利潤作為產(chǎn)出變量進行2010-2015年的17個港口上市公司的效率分析。PARK(2008)使用進出口量、船舶進出港艘次、港口財政收入作為3個產(chǎn)出變量,靠岸能力、裝卸能力作為2個投入變量,進行了20個韓國港口的運營效率分析。LEE等(2015)使用DEA-SBM模型,對2009年至2014年貨運代理公司的效率進行了分析,研究發(fā)現(xiàn) 15家企業(yè)中,只有30%運營效率較高。
但基于DEA分析模型,僅僅止步于投入變量與產(chǎn)出變量間單純的效率研究,這對于港口效率研究還是有很大的局限性。另外,目前很少有研究將中韓主要樞紐港口作為DEA-SBM模型對象。在這一點上,本研究克服了DEA模型存在的問題,利用DEA-SBM模型對2004-2017年間的東北亞樞紐港口——上海港、寧波舟山港、青島港與釜山港這4個港口的20個碼頭進行效率評價。
二 、研究方法
所謂效率,即“投入產(chǎn)出比”,是一個同時考慮到效率和效果屬性的概念。DEA分析方法可以接受多重投入變量和產(chǎn)出變量,因此這種方法的優(yōu)點是即使無法確定加權(quán)值,也可以對決策單位的效率進行評價。DEA曾在港口、機場、工廠、醫(yī)院、學(xué)校等多個領(lǐng)域有著廣泛的應(yīng)用(Chin et al.,2009; Wang et al.,2008; Ji et al.,2016)。在港口領(lǐng)域,很多研究利用 DEA, DEA-SBM, Malmquist, SFA(Stochastic Frontier Analysis)模型對港口競爭力和港口效率進行計算分析(Woo et al., 2011; 羅俊浩等., 2011, 2012, 2013, 2014)。
DEA法的局限性在于,由于沒有考慮到產(chǎn)出要素的松弛量,因此很難準確分析效率且很難把握提高效率需要首先考慮的因素。為了解決這一問題,Tone(2001)的研究中提出了SBM模型。SBM 模型跟傳統(tǒng)的 DEA 模型相比,是一種更具嚴謹性的效率評價方法,該模型進行效率計算時,不受指標單位的影響,是一種非徑向、非角度的 DEA 方法,彌補了傳統(tǒng) DEA 模型由于徑向和角度的選擇所帶來的缺陷。另外,在SBM模型中,各DMU將投入量最小化的同時,將產(chǎn)出量最大化來計算效率,優(yōu)點就是排序清晰明了。Tone(2001)提出的SBM模型如下;
(1)
s.t.(2)
式中:ρ為效率值, m和s 分別為投入指標和產(chǎn)出指標的類別數(shù)目;為松弛變量,分別代表投入和產(chǎn)出冗余; 和 分別為決策單元的投入和產(chǎn)出向量, 和 分別為向量 和 中的第i和第j個元素;X和Y分別為所有決策單元組成的投入和產(chǎn)出矩陣; λ 為權(quán)重向量。SBM模型認為只有當投入要素與產(chǎn)出要素的松弛變量全部為0時,才是有效率的。決策單元確定的情況下,只有當 ρ≥1時,即各個投入要素的松弛變量與產(chǎn)出要素的松弛變量,也就是 = =0時,才可認為此DMU的集裝箱港口碼頭的運營最有效率。當ρ<1時,DMU的集裝箱港口碼頭的運營效率較低,也就是說當松弛量S≠0時,會存在投入過度而產(chǎn)出不足的問題,因此調(diào)節(jié)和改善投入量和產(chǎn)出量很有必要。
SBM模型分析綜合考慮了投入與產(chǎn)出要素松弛量,優(yōu)點是可以克服過度計算效率的問題,在需要提高效率時,能把握首要考慮的要素。 (Hong Gyun PARK, 2010; 羅俊浩 等; 2014)。
三、實證分析及結(jié)果
(一)指標選取及數(shù)據(jù)來源
決策單元相似性和同質(zhì)性越高,對于研究結(jié)果可信度的影響越大( Park et al., 2012)。本研究中的決策單元以2004年到2017年的20個集裝箱碼頭為對象,即上海港的上海滬東集裝箱碼頭、上海浦東國際集裝箱碼頭、上海盛東集裝箱碼頭、上海明東集裝箱碼頭、上海冠東國際集裝箱碼頭、上港集團振動集裝箱碼頭、寧波港的寧波港集團鎮(zhèn)海港埠、寧波港北侖第二集裝箱碼頭、寧波港吉碼頭、寧波遠東碼頭、寧波北侖國際集裝箱碼頭、寧波大榭招商國際碼頭、青島港的青島前灣集裝箱碼頭、青島遠港國際集裝箱碼頭、釜山港的子城臺(HBCT)、神仙臺(KBCT)、新港2(PNC)、新港3(HJNC)、新港4(HPNT)、新港5(BNCT)碼頭。
從14年間的效率計算結(jié)果來看,寧波港集團鎮(zhèn)海港埠(0.7964)、青島遠港國際集裝箱碼頭(0.7447)、上港集團振動集裝箱碼頭(0.6842)、上海浦東國際集裝箱碼頭(0.6815)、青島前灣集裝箱碼頭(0.6616)呈現(xiàn)出效率較高的集裝箱碼頭。寧波港北侖第二集裝箱(0.5963)、上海明東集裝箱碼頭(0.5954)、上海滬東集裝箱碼頭(0.5633)、寧波北侖國際集裝箱碼頭(0.5539)、上海冠東國際集裝箱碼頭(0.5071)、釜山新港3(HJNC)(0.4624)、釜山新港4(HPNT)(0.4441)、上海盛東集裝箱碼頭(0.4379)、寧波遠東碼頭(0.4116)是效率中等的集裝箱碼頭。釜山港的神仙臺(KBCT) (0.3913) 、寧波港吉碼頭(0.3913)、子城臺(HBCT) (0.3455)、寧波大榭招商國際碼頭(0.3425)、釜山新港2(PNC) (0.3361)、釜山新港5(BNCT) (0.2737)則是效率較低的集裝箱碼頭。
從松弛量分析可以看出,各港口需增加的吞吐量大致如下:神仙臺(KBCT) 3,491,110TEU, 寧波港吉碼頭 4,330,290TEU, 子城臺(HBCT) 3,413,244TEU, 寧波大榭招商國際碼頭 3,276,082TEU, 釜山新港2(PNC) 5,200,070TEU, 釜山新港5(BNCT) 3,272,441TEU。
寧波港集團鎮(zhèn)海港埠、青島遠港國際集裝箱碼頭、上海浦東國際集裝箱碼頭雖然規(guī)模不大,但效率卻是最高的。上海冠東國際集裝箱碼頭、釜山新港2(PNC)從碼頭層面來看,泊位長度等投入要素過大,相反作為產(chǎn)出要素的集裝箱貨物吞吐量卻相對較低,因此在效率上評價較低。通常來講,隨著2012年釜山新港5(BNCT)新碼頭的建造,在短時間內(nèi)會發(fā)生其他相鄰碼頭貨量大幅增加的情況,然而這種其他碼頭應(yīng)該享受到的反射性利益,現(xiàn)實中并沒有實質(zhì)性的增加。此外就上海外高橋港和釜山港北港而言,貨運量正在越來越快地從舊港向新港轉(zhuǎn)移,使運營商的吞吐量大幅降低。
由此可知,提升港口運營能力是十分重要的課題研究,比起增加投入,盲目擴張設(shè)施,港口更應(yīng)該找到方法利用現(xiàn)有的投入要素增加產(chǎn)出,提高集裝箱碼頭的效率。港口負責(zé)人和決策人需要找出對策,通過準確預(yù)測貨物需求,避免集裝箱碼頭的盲目擴張,統(tǒng)一碼頭功能,整合集裝箱碼頭。另外,還應(yīng)該采取相應(yīng)的運營戰(zhàn)略,提升集裝箱碼頭活力,將重點放在港口運營效率上,增加產(chǎn)出,例如對船公司進行營銷活動、實施獎勵制度等來增加寄港停泊。
本研究的意義在于對東北亞代表性樞紐港口相對效率進行了計算。通過研究得出,比起港口設(shè)施,更應(yīng)該引入系統(tǒng),轉(zhuǎn)變戰(zhàn)略,提高運營效率,增加集裝箱吞吐量。進一步講,低效決策單元(DMU)使得以最佳集裝箱碼頭為基礎(chǔ)進行標桿管理成為可能。從而避免過分減少輸入和輸出因子,使之可以作為建立碼頭運營方案的參考資料來靈活應(yīng)用。
當然,本研究也存在一定的的局限性,本文僅從效率的分析結(jié)果來看需要改善的點,僅憑此研究結(jié)果還不足以對各港口提出具體的長期發(fā)展建議。還需要使用與先行研究不同的輸入和輸出變量來綜合考慮,例如成本方面、服務(wù)方面和內(nèi)地連通性等。
參考文獻:
[1]匡海波. 中國港口上市公司綜合效率研究 [J].科研管理,2007(3) :148-155.
[2]馮烽, 陳磊,黃晗. 中國港口上市公司運營效率的測度與提升路徑一基于SBM-DEA模型 [J].中國流通經(jīng)濟,2017,31(6) :106-112.
[3]馮志軍. 中國工業(yè)企業(yè)綠色創(chuàng)新效率研究 [J].中國科技論壇,2013(2) :82-88.
[4]范丹, 王維國. 中國區(qū)域全要素能源效率及節(jié)能減排潛力分析一基于非期望產(chǎn)出的SBM模型 [J].數(shù)學(xué)的實踐與認識,2013,43(7) :12-21.
[5]羅俊浩, 崔娥英, 季建華. 考慮CO2排放的中國八大集裝箱港口環(huán)境效率評價研究-基于SBM-DEA模型[J].科技管理研究,2014(21) :66-69.
[6]羅俊浩, 崔娥英, 季建華. 基于DEA - TOBIT 兩階段法的集裝箱港口效率及效率影響因素研究 [J].科技管理研究,2013(5) :236-239.
[7]羅俊浩, 崔娥英, 李新軍, 季建華. 基于Malmquist 指數(shù)的中國集裝箱港口的生產(chǎn)率分析 [J].科學(xué)技術(shù)與工程,2011, 11(25) :6108-6113.
[8]羅俊浩, 崔娥英, 季建華. 基于隨機前沿分析(SFA)的港口上市公司的效率評價 [J].武漢理工大學(xué)學(xué)報, 2012,36(4) :736-739.
[9]呂梁, 高紅, 賈紅雨, 劉巍. 基于因子分析和數(shù)據(jù)包絡(luò)分析的港口競爭力評價 [J].大連海事大學(xué)學(xué)報,2010(4) :43-47.
[10]孟鑫. 基于DEA模型的長江經(jīng)濟帶物流產(chǎn)業(yè)效率分析 [J].企業(yè)經(jīng)濟,2015(12) :108-113.
[11]丁勇, 劉婷婷. 基于DEA模型的航空制造業(yè)創(chuàng)新效率研究 [J].經(jīng)濟研究,2011(6) :57-71.
[12]Asgari N,Hassani A,Jones D,Nguye H H. Sustainability Ranking of the UK Major Ports:Methodology and Case Study[J]. Transportation Research Part E:Logistics and Transportation Review,2015(6):19-39.
[13]Chin K S, Wang Y M, Poon G K K, Yang J B. Failure Mode and Effects Analysis by Data Envelopment Analysis[J].Decision Support Systems,2009,48(1) : 246-256.
[14] PARK H,KIM D J. The Efficiency and Determinants of 4 Major Container Ports in Korea [J]. Journal of ?Korea Port Economic Association,2012,28(3) : 73-89.
[15] PARK H G. The Data Envelopment Analysis of Container Terminals to Transshipment Cargo ?[J].Journal of Korea Port Economic Association,2010,26(1) : 1-19.
[16]Ji X, Wu J, Zhu Q. Eco-Design of Transportation In Sustainable Supply Chain Management: A DEA Like Method[J].Transportation Research Part D: Transport and Environment,2016,48(1-2) : 451-459.
[17]Juan C M, Concepcion R. An Application of DEA to Measure the Efficiency of Spanish Airports Prior to Privatization[J].Journal of Air Transport Management,2001(7):149-157.
[18] PARK N G. An Empirical Measurement Way of Efficiency Prediction for Korean Seaports : SBM and Wilcoxson Signed-Rank Test Approach[J].Journal of Korea Port Economic Association,2008,24(4):313-327.
[19]S H WOO, Stephen J P, KWAK D W, Anthony K C. B. Seaport Research: A Structured Literature Review on Methodological Issues Since the 1980s[J].Transportation Research Part A,2011,45(7):667-685.
[20]Tongzon J L. Efficiency Measurement of Selected Australian and Other International Ports Using Data Envelopment Analysis[J].Transportation Research A,2001(5):113-128.
[21]Tone K. A Slack-Based Measure of Super-Efficiency in Data Envelopment Analysis[J].European Journal of Operational Resarch,2002 : 32-41.
[22]Wang Y, Cullinane K. Measuring Container Port Accessibility: An Application of the Principal Eigenvector Method[J].Maritime Economics & Logistics,2008,10(1-2) : 75-89.
[23]Xiangguo Cheng, Nan Li, Hailin Mu, Yuanhao Guo, Yuqing Jiang. Study on Total Factor Energy Efficiency in Three Provinces of Northeast China Based on SBM Model, CUE2018-Applied Energy Symposium and Forum 2018: Low carbon cities and urban energy systems, Shanghai, China, Energy Procedia 152,2018:131-136.
作者簡介:
樸貞人(1983-),女,韓國人,上海交通大學(xué)中美物流研究院碩士研究生,研究方向:港口與集裝箱碼頭運營管理;
趙一飛(1962-),本文通訊作者,男,上海人,上海交通大學(xué)安泰經(jīng)濟與管理學(xué)院,副教授,博士,研究方向:航運與物流管理。
(上海交通大學(xué) ?上海 ?200240)