曹光求 （廈門大學(xué)嘉庚學(xué)院，福建 漳州 363105）

0 引 言

2015 年3 月28 日，國(guó)務(wù)院授權(quán)發(fā)布了《推動(dòng)共建絲綢之路經(jīng)濟(jì)帶和21 世紀(jì)海上絲綢之路愿景與行動(dòng)》規(guī)劃，21 世紀(jì)海上絲綢之路圈定了上海、福建、廣東、浙江和海南5 省市，其中福建省被定位為“21 世紀(jì)海上絲綢之路核心區(qū)”。福建省政府相關(guān)部門隨后發(fā)布了《福建省21 世紀(jì)海上絲綢之路核心區(qū)建設(shè)方案》，其中明確提出構(gòu)建以福建港口城市為海上合作戰(zhàn)略支點(diǎn)，加快集約化、專業(yè)化、規(guī)?；劭谌航ㄔO(shè)。由此可見，“海上絲綢之路核心區(qū)”相關(guān)政策方案為福建沿海港口帶來(lái)重大發(fā)展契機(jī)。但同時(shí)也要清楚認(rèn)識(shí)當(dāng)前福建港口發(fā)展可能存在的問題：整體物流效率如何？受哪些因素的影響？如何提升沿海港口的物流效率？要分析和解決這些問題就需要對(duì)福建沿海港口的物流效率進(jìn)行監(jiān)測(cè)評(píng)估，并對(duì)其影響因素進(jìn)行分析，為港口物流發(fā)展決策提供理論依據(jù)，有利于政策引導(dǎo)，推進(jìn)21 世紀(jì)海上絲綢之路核心區(qū)建設(shè)。

1 文獻(xiàn)綜述

港口物流效率評(píng)價(jià)方面，近年來(lái)已經(jīng)開展了大量相關(guān)研究。國(guó)內(nèi)外學(xué)者的研究普遍采用的是數(shù)據(jù)包絡(luò)分析模型（DEA），以傳統(tǒng)的CCR-DEA、BBC-DEA 模型為基礎(chǔ)，超效率DEA 模型、SBM-DEA 模型、DEA-Malmquist 模型、網(wǎng)絡(luò)DEA 等模型被越來(lái)越廣泛應(yīng)用于物流效率評(píng)價(jià)。目前主要的研究角度有兩種：一是基于港口運(yùn)營(yíng)企業(yè)角度，二是基于港口自身的投入產(chǎn)出角度。前者基于運(yùn)營(yíng)企業(yè)角度的研究主要是采用上市公司發(fā)布的數(shù)據(jù)，如匡海波采用國(guó)內(nèi)13 家上市港口公司2004 和2005 年數(shù)據(jù)，用超效率DEA 模型對(duì)公司的成本效率進(jìn)行評(píng)價(jià)。孫柯洋等結(jié)合因子分析與超效率DEA，采用2008 年13 家上市公司的數(shù)據(jù)對(duì)其經(jīng)營(yíng)效率進(jìn)行分析。后者基于港口自身投入產(chǎn)出的角度直接對(duì)港口的物流效率進(jìn)行評(píng)價(jià)，相關(guān)研究也更豐富。如吉阿兵等運(yùn)用超效率DEA 模型對(duì)全球16 個(gè)主要集裝箱港口的績(jī)效進(jìn)行了評(píng)價(jià)和排序。龐瑞芝應(yīng)用BCC-DEA 模型對(duì)50 個(gè)沿海港口1999～2002 年的經(jīng)營(yíng)效率進(jìn)行分析與評(píng)價(jià)，應(yīng)用Malmquist 指數(shù)分析港口的效率變動(dòng)情況。王曉慧結(jié)合因子分析、BBC-DEA 和超效率DEA 對(duì)2011 年我國(guó)15 個(gè)沿海港口的效率進(jìn)行了測(cè)評(píng)。Peter F Wanke 等基于兩階段DEA 模型分析了公共部門與私營(yíng)部門的合作關(guān)系對(duì)巴西港口效率的影響。鄭琰等運(yùn)用DEA 模型對(duì)連云港2008～2017 年物流效率進(jìn)行了評(píng)價(jià)，發(fā)現(xiàn)資源配置不合理，服務(wù)經(jīng)營(yíng)管理效率低等問題。

港口物流效率影響因素分析方面，考慮的因素主要分為兩個(gè)方面：即港口（或港口企業(yè)） 內(nèi)部因素和外部環(huán)境因素。分析模型主要用到Tobit 回歸模型和隨機(jī)前沿分析（SFA） 模型。如James Odeck 等采用SFA 模型來(lái)分析海港平均技術(shù)效率，比較了固定效應(yīng)和隨機(jī)效應(yīng)回歸模型，發(fā)現(xiàn)隨機(jī)效應(yīng)回歸模型更優(yōu)。倪志敏等應(yīng)用Tobit 模型對(duì)廣東省8 個(gè)港口物流效率的影響因素進(jìn)行分析，發(fā)現(xiàn)港口物流信息化水平和陸運(yùn)集疏運(yùn)能力影響大于其他外部因素。

綜上所述，對(duì)于港口物流效率評(píng)價(jià)主要是基于DEA 模型及其拓展模型對(duì)港口或港口企業(yè)進(jìn)行測(cè)評(píng)，然后根據(jù)測(cè)評(píng)結(jié)果分析其影響因素?，F(xiàn)有研究對(duì)于港口物流評(píng)價(jià)指標(biāo)體系沒有一致的標(biāo)準(zhǔn)，往往取決于數(shù)據(jù)的可得性和研究視角的不同。

2 港口物流效率評(píng)價(jià)分析模型

2.1 DEA 效率模型。采用傳統(tǒng)DEA 模型對(duì)港口物流效率評(píng)價(jià)，一般選擇投入導(dǎo)向的BBC 模型，任一決策單元（DMU），投入導(dǎo)向下對(duì)偶形式的BCC 模型可表示為：

其中：j=1,2,…,n 為決策單元個(gè)數(shù)，X,Y 分別為投入和產(chǎn)出向量，θ 是決策單元的有效值，S和S分別表示投入剩余量和產(chǎn)出的不足量。若θ=1, S=S=0，則決策單元為DEA 有效；若θ=1, S≠0 或S≠0，則決策單元為弱DEA 有效；若θ＜1，則決策單元為非DEA 有效。該模型計(jì)算的效率值為綜合技術(shù)效率（crste ）、純技術(shù)效率（vrste ）和規(guī)模效率（scale ），其中scale=crste/vrste。

2.2 Tobit 回歸模型。托賓（Tobin） 于1985 年首次提出Tobit 模型，屬于受限因變量模型，適合因變量不連續(xù)難以計(jì)算的情形。CCR 和BCC 模型測(cè)量出來(lái)的效率值是0～1 之間的離散值，作為因變量，而解釋變量取實(shí)際值，因此適合Tobit 模型用最大似然法進(jìn)行回歸分析。Tobit 模型如下：

3 實(shí)證與結(jié)果分析

3.1 評(píng)價(jià)指標(biāo)選取?；诟劭谶\(yùn)營(yíng)企業(yè)角度，現(xiàn)有相關(guān)研究主要選擇企業(yè)固定資產(chǎn)、員工人數(shù)、主營(yíng)業(yè)務(wù)收入、營(yíng)業(yè)利潤(rùn)、每股收益等指標(biāo)。但實(shí)際上港口參與運(yùn)營(yíng)的企業(yè)很難一一對(duì)應(yīng)，存在多家企業(yè)參與運(yùn)營(yíng)一個(gè)港口和一家企業(yè)參與運(yùn)營(yíng)多個(gè)港口的情況，并且港口運(yùn)營(yíng)企業(yè)的數(shù)據(jù)比較難以獲得。所以本文選擇基于港口自身投入產(chǎn)出角度進(jìn)行指標(biāo)選取?？偨Y(jié)眾多學(xué)者選擇的指標(biāo)體系，多數(shù)研究的產(chǎn)出指標(biāo)選擇貨物吞吐量和集裝箱吞吐量。投入指標(biāo)主要涉及到港口基礎(chǔ)設(shè)施設(shè)備、集疏運(yùn)能力等方面。碼頭長(zhǎng)度、泊位數(shù)、萬(wàn)噸級(jí)泊位數(shù)、堆場(chǎng)面積、起重機(jī)數(shù)量等是港口基礎(chǔ)設(shè)施設(shè)備方面具體指標(biāo)。集疏運(yùn)能力方面的指標(biāo)也沒有統(tǒng)一標(biāo)準(zhǔn)，港口內(nèi)鐵路總長(zhǎng)、腹地公路和鐵路總里程數(shù)、公路和鐵路貨運(yùn)量等直接和間接指標(biāo)都有，指標(biāo)之間有較大的相關(guān)性。

綜上分析，結(jié)合福建省沿海港口發(fā)展的實(shí)際情況和數(shù)據(jù)可獲得性，本文選擇貨物吞吐量和集裝箱吞吐量作為產(chǎn)出指標(biāo)。選取生產(chǎn)用碼頭泊位長(zhǎng)度、生產(chǎn)用碼頭泊位數(shù)、萬(wàn)噸以上碼頭泊位數(shù)、港口城市貨運(yùn)量、港口城市貨物周轉(zhuǎn)量作為投入指標(biāo)，反映港口基礎(chǔ)設(shè)施和腹地集疏運(yùn)能力兩個(gè)方面，具體如表1 所示。

表1 福建省港口物流投入產(chǎn)出指標(biāo)

3.2 數(shù)據(jù)來(lái)源與數(shù)據(jù)處理。投入和產(chǎn)出指標(biāo)數(shù)據(jù)來(lái)源為《中國(guó)港口年鑒》、各港口城市的統(tǒng)計(jì)年鑒和福建省統(tǒng)計(jì)年鑒。跟蹤了福建省福州港、廈門港、泉州港和莆田港4 個(gè)沿海港口，2014～2019 連續(xù)6 年的數(shù)據(jù)。決策單元數(shù)量下限一般是輸入輸出指標(biāo)總數(shù)的2 倍以上，而指標(biāo)變量過多不利于DEA 模型分析。此外考慮到投入指標(biāo)中存在結(jié)構(gòu)維度，所以有必要對(duì)投入變量進(jìn)行主成分因子分析來(lái)實(shí)現(xiàn)降維。利用SPSS 軟件進(jìn)行主成分因子分析，KMO=0.680，Bartlett 球形度檢驗(yàn)P＜0.0001，結(jié)果說(shuō)明上述5 個(gè)投入變量適合作因子分析。投入指標(biāo)數(shù)據(jù)的特征根、方差貢獻(xiàn)率如表2 所示，主成分負(fù)載矩陣如表3 所示。從表3 中可以得出，5 個(gè)輸入指標(biāo)變量可以提取兩類因子。其中X、X、X為一類主成分，對(duì)應(yīng)港口的基礎(chǔ)設(shè)施。X、X為第二類主成分，對(duì)應(yīng)港口腹地集疏運(yùn)能力。因?yàn)镾PSS 運(yùn)算得到的主成分得分?jǐn)?shù)據(jù)含有負(fù)數(shù)值，為滿足DEA 模型的非負(fù)約束條件，以數(shù)e （≈2.7183 ）為底，以主成分得分?jǐn)?shù)據(jù)為冪進(jìn)行轉(zhuǎn)換運(yùn)算（即EXP 函數(shù)），得到2 組符合條件的輸入變量。同時(shí)考慮指標(biāo)數(shù)據(jù)量綱的差異，對(duì)輸出指標(biāo)進(jìn)行標(biāo)準(zhǔn)化，標(biāo)準(zhǔn)化數(shù)據(jù)含有負(fù)數(shù)值，因此同樣采用EXP 函數(shù)進(jìn)行轉(zhuǎn)換。

表2 投入指標(biāo)的方差解釋

表3 投入指標(biāo)變量的主成分負(fù)載系數(shù)矩陣

3.3 DEA 模型效率分析。使用Deap2.1 軟件對(duì)處理好的樣本數(shù)據(jù)進(jìn)行DEA 效率分析，結(jié)果如表4 所示。

表4 福建省2014～2019 年沿海港口效率評(píng)價(jià)結(jié)果

從表4 的數(shù)據(jù)來(lái)看，福建省4 個(gè)主要沿海港口的物流綜合效率是廈門港最高，均值為0.996，其次是泉州港，均值為0.965。其中廈門港除了2016 年之外，其他5 年均達(dá)到了DEA 有效。泉州港除了2014 年、2015 年之外，其他4 年均達(dá)到了DEA 有效。福州港物流綜合效率較低，均值為0.606，其純技術(shù)效率相比最低，均值為0.664，主要依靠規(guī)模效率，均值為0.902。莆田港的物流綜合效率最低，均值只有0.432，但其純技術(shù)效率比較高，均值為0.958，主要是規(guī)模效率低下所致，其均值為0.450。從規(guī)模報(bào)酬來(lái)看，基本處于規(guī)模報(bào)酬遞增狀態(tài)。從年份上看，福州港自2018 年以來(lái)綜合效率增長(zhǎng)明顯，2019年達(dá)到了DEA 有效。

3.4 Tobit 回歸分析。影響港口物流效率的因素是復(fù)雜多樣的，借鑒相關(guān)研究重點(diǎn)考慮港口自身因素、腹地集疏運(yùn)能力因素以及外部社會(huì)經(jīng)濟(jì)因素。具體包括了DEA 評(píng)價(jià)體系中的投入和產(chǎn)出指標(biāo)，還考慮外部社會(huì)經(jīng)濟(jì)環(huán)境的影響，因此選取了港口城市的GDP（億元）、常住人口（萬(wàn)人）、第三產(chǎn)業(yè)占比（%）、進(jìn)出口總額（萬(wàn)美元），依次以X～X代表，數(shù)據(jù)來(lái)源為福建省和各市統(tǒng)計(jì)年鑒，其描述統(tǒng)計(jì)結(jié)果如表5 所示。

表5 2014～2019 年福建港口經(jīng)濟(jì)環(huán)境變量的描述統(tǒng)計(jì)

將DEA 模型測(cè)算的綜合技術(shù)效率（crste ）、純技術(shù)效率（vrste ）和規(guī)模效率（scale ）分別作為因變量，將影響港口物流效率的內(nèi)外部因素作為自變量，構(gòu)建Tobit 回歸模型如下：

采用Stata15.0 完成上述回歸模型的計(jì)算過程，結(jié)果如表6 所示。

表6 Tobit 回歸結(jié)果

4 結(jié)論與建議

通過DEA-Tobit 模型對(duì)2014～2019 年福建4 個(gè)沿海港口物流效率進(jìn)行評(píng)價(jià)分析發(fā)現(xiàn)：

（1） DEA 評(píng)估結(jié)果顯示廈門港和泉州港的綜合技術(shù)效率處于較高水平，近年都達(dá)到了DEA 有效。福州港物流綜合效率較低，主要原因在于純技術(shù)效率較低，但進(jìn)步顯著，2019 年達(dá)到DEA 有效。莆田港物流綜合效率最低，主要由規(guī)模效率低下所致。

（2） Tobit 回歸結(jié)果表明貨物吞吐量與綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率均在1%水平上顯著，系數(shù)為正。集裝箱吞吐量對(duì)綜合技術(shù)效率和純技術(shù)效率不顯著，而對(duì)規(guī)模效率在1%水平上顯著，且系數(shù)為負(fù)，反映了除廈門港是屬于集裝箱干線港地位之外，其他港口的集裝箱吞吐量規(guī)模較小。生產(chǎn)用碼頭泊位長(zhǎng)度、生產(chǎn)用碼頭泊位數(shù)量和萬(wàn)噸級(jí)以上碼頭泊位數(shù)，這些基礎(chǔ)設(shè)施因素的回歸系數(shù)多數(shù)為負(fù)，存在顯著的負(fù)影響。

（3） 港口城市貨運(yùn)量和貨物周轉(zhuǎn)量對(duì)三種效率的回歸系數(shù)均為正，并且在1%水平上顯著，說(shuō)明腹地城市集疏運(yùn)能力的提高能顯著提高港口物流效率。腹地港口城市GDP 對(duì)規(guī)模效率是顯著負(fù)影響，對(duì)綜合技術(shù)效率和純技術(shù)效率回歸系數(shù)為負(fù)，但不顯著。城市常住人口對(duì)綜合技術(shù)效率和純技術(shù)效率是顯著的負(fù)影響，但對(duì)規(guī)模效率是顯著正向影響。第三產(chǎn)業(yè)占比和進(jìn)出口總額對(duì)綜合技術(shù)效率的回歸系數(shù)均為正，對(duì)純技術(shù)效率的回歸系數(shù)均為負(fù)，但都不顯著，而對(duì)規(guī)模效率均為顯著正向影響。

針對(duì)福建省4 個(gè)沿海港口的物流效率評(píng)估分析結(jié)果，結(jié)合港口發(fā)展現(xiàn)狀，建議福建省提升港口物流效率從以下幾個(gè)方面加強(qiáng)：一是積極融入國(guó)家“一帶一路”布局，積極開展與東盟等海外港口合作和行業(yè)交流，加快“絲路海運(yùn)”航線的拓展，增加外貿(mào)規(guī)模對(duì)港口物流效率的提升作用。二是提升廈門、福州、湄洲灣3 個(gè)區(qū)域港口的發(fā)展協(xié)調(diào)能力，強(qiáng)化港口資源優(yōu)化配置，實(shí)現(xiàn)全省港口運(yùn)營(yíng)企業(yè)的管理一體化。三是適度擴(kuò)建港口，避免基礎(chǔ)設(shè)施的盲目投資。港口基礎(chǔ)設(shè)施的指標(biāo)變量回歸系數(shù)為負(fù)值，說(shuō)明存在盲目擴(kuò)大規(guī)模情況。合理規(guī)劃，適時(shí)對(duì)基礎(chǔ)設(shè)施改造升級(jí)，優(yōu)先考慮提升現(xiàn)有港口資源的配置效率。四是加快發(fā)展“海鐵聯(lián)運(yùn)”、“水水中轉(zhuǎn)”等業(yè)務(wù)服務(wù)，構(gòu)建以港口為樞紐，鐵路、公路、海運(yùn)和空運(yùn)相互銜接的集疏運(yùn)網(wǎng)絡(luò)，建設(shè)港口集疏運(yùn)協(xié)同平臺(tái)，不斷提升集疏運(yùn)能力。五是加快智慧物流港口建設(shè)。應(yīng)用5G 商用網(wǎng)絡(luò)、區(qū)塊鏈、人工智能、自動(dòng)駕駛等技術(shù)，進(jìn)一步推進(jìn)“智慧港口”示范工程，全面落地遠(yuǎn)程操控、智能理貨、電子提單等無(wú)紙化作業(yè)，提升港口服務(wù)作業(yè)效率。