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(chǎn)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?；诖?，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(chǎn)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(chǎn)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(chǎn)率的變化，學術界構建了一系列基于DEA 的生產(chǎn)率指數(shù)[2]，普遍采用Malmquist 指數(shù)分解分析生產(chǎn)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(chǎn)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(chǎn)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(chǎn)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(chǎn)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(chǎn)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(chǎn)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(chǎn)率時考慮非期望產(chǎn)出，港口全要素生產(chǎn)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(chǎn)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(chǎn)率的影響下，選取港口生產(chǎn)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(chǎn)出指標，港口碳排放量作為非期望產(chǎn)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(chǎn)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(chǎn)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(chǎn)出和多投入以及環(huán)境惡劣產(chǎn)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(chǎn)率。

決策單元有X個投入，Y個期望產(chǎn)出，B個非期望產(chǎn)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(chǎn)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(chǎn)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(chǎn)出；bt為非期望產(chǎn)出；()xt,yt,bt;yt,bt為基于同期生產(chǎn)可能集的方向距離函數(shù)；(xt,yt,bt;yt,bt)為基于全局生產(chǎn)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(chǎn)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(chǎn)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(chǎn)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(chǎn)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(chǎn)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(chǎn)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(chǎn)率指數(shù)不一定高，如上海港生產(chǎn)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(chǎn)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(chǎn)率有所提高。廣州港2014-2018年，生產(chǎn)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(chǎn)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，但降低率較小；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?？芍?009-2018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(chǎn)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(chǎn)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(mào)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(chǎn)出的港口生產(chǎn)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(chǎn)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(chǎn)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(chǎn)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(chǎn)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(chǎn)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(chǎn)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(chǎn)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(chǎn)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(mào)易是現(xiàn)階段提升港口生產(chǎn)率的有效途徑。