【基于DEA模型的的港口效率探析实例14000字（论文）】

第基于DEA模型的的港口效率分析实例摘要：当今世界，港口的发展状况已然成为去评判一个国家或地区经济是否发达的重要尺度之一。另外，随着长三角一体化战略、保税区、自贸区创办等一系列国家战略的推行，必然会提高对于港口运营效率的要求，且同时成为港口物流发展的关键契机。本文以洋山深水港为例，运用DEA模型，对于上海港重要的港区外高桥港和宜东码头，以及长三角地区浙江省、江苏省的港口，共计9个决策单位，进行横向对比研究，同时作静态的效率值测度，以此对于洋山深水港的港口效率现状作分析。同时运用MPI模型对洋山深水港的港口效率作时间上的纵向分析，以动态的视角看待其自身的发展，探析作用于港口效率变化的主要因素，并根据以上静态动态、横向纵向相结合的分析提出洋山港的发展建议。关键词：港口效率；DEA模型；MPI模型；洋山深水港目录1.1研究背景 61.2研究意义 61.2.1理论意义 61.2.2实践意义 71.3研究方法 82港口效率 92.1港口效率的内涵 92.1.1港口效率的定义 92.1.2港口效率的划分 92.2港口效率的研究方法 102.2.1参数化方法 112.2.2非参数化方法 112.2.3综合分析方法 112.3本文所选用的港口效率研究方法 112.3.1DEA-BCC模型 122.3.2MPI模型 132.4洋山深水港概述及港口效率现状 142.4.1洋山深水港简介 142.4.2洋山港港口效率现状 163评价指标和决策单元 173.1投入产出指标的确定 173.2决策单元的确定 184洋山深水港港口效率分析 204.1基于DEA-BCC模型的静态效率值分析 204.1.1DEA模型数据选取 204.1.2DEA模型结果分析 214.2基于MPI模型的港口动态效率分析 244.2.1MPI模型数据选取 244.2.2MPI模型结果分析 255结论与建议 285.1研究结论 285.2对策建议 295.3研究中存在的不足 30参考文献 311绪论1.1研究背景“洋山四期是迄今为止最大的自动化码头工程，其正式运营也意味着上海港的建设迈出了新的一步，能够提升上海港集装箱吞吐量，进一步稳固国际枢纽地位，从而促进上海建成国际航运中心这一目标。”上海市市长应勇对于洋山四期工程做出了如是评价。同时，伴随着长三角一体化战略、保税区、自贸区创办等一系列国家战略的推行，必然会提高对于港口运营效率的要求，且同时成为港口物流发展的关键契机。首届进博会上，习近平总书记指出，重视长江三角洲区域一体化发展，并结合区域协同发展战略，助力中国建设更加完备、更加开放的空间架构。而长三角地区同时又兼具对外开放度高、经济活跃、创新能力强的优点，在“十四五”规划以及全方位发展新格局中都是至关重要的一步棋。近20年来，上海港的货物吞吐量虽然单从数值上看，整体呈现一个上升的走势，然而增长速率却有所下滑，乃至存在少数年份的增长率为负值，增长速率起伏不定，这对于上海港的可持续发展来说是十分不利的。因而尽管上海港整体发展趋势良好，但伴随着需求的不断上升，仍旧潜藏着吞吐量波动、增速下降诸如此类的发展障碍，另外去年新冠疫情突袭全球，对港口物流也产生强势冲击。因此，在此背景下研究作为上海港重要组成部分的洋山深水港的港口效率，能够找到目前洋山港存在的问题，保证货物吞吐量的稳定增长，加快建设上海港成为国际航运中心，推动长三角一体化战略的进一步有效实施。1.2研究意义1.2.1理论意义自加入WTO，我国对外开放进程逐步推进，进出口贸易额激增，对外贸易实现巨大飞跃，随之致使港口产业发展迅速，因而以港口效率为主题的研究也逐步增多。本文运用DEA模型探究港口效率问题，以洋山深水港为例，同时对上海港重要港区外高桥港和宜东码头，以及长三角地区浙江省、江苏省的港口，共计9个决策单位，进行横向对比研究，同时作静态的效率值测度，从投入和产出的角度对于洋山深水港的港口效率现状作分析。同时，运用MPI模型对洋山深水港的港口效率作时间上的纵向分析，以动态的视角看待其自身的发展，探析作用于港口效率变化的主要因素，并根据以上静态动态、横向纵向相结合的分析提出洋山港的发展建议。1.2.2实践意义对洋山深水港的港口效率进行量化研究具有以下几个方面的实践意义：（1）有利于洋山港明确自身定位，发现自身存在的问题本文以洋山深水港为例，运用DEA模型，对包括洋山港在内的港口进行横向对比研究，同时作静态的效率值分析，以此对于洋山深水港的现状作分析。同时运用MPI模对其做动态的分析，分析影响效率值变化的因素。这样的研究更具有针对性，对港口经营者来说，发现洋山港的具体问题，譬如港口资源配置是否妥当，管理是否不当，技术水平能否与需求扩大齐头并进，提出对策进而优化港口效率。（2）为洋山港未来发展决策提供参考根据洋山深水港的相关数据，建立港口效率测度的模型，帮助上海市有关部门制定清晰、有效、有针对性的政策计划，通过横向和纵向比较，对洋山港的具体情况进行量化分析，通过投入、产出之间的关系，为相关部门提供第一手数据，将其作为宏观调控的参考依据，在成本港口投入上进行控制，例如减少多余投入，节减成本，对现有资源进行优化管理于分配，进而助力港口经济可持续发展。（3）促港口与区域经济协同发展港口与区域经济发展是联动的，尤其是洋山港地处长三角区域，而长三角地区同时又兼具对外开放度高、经济活跃、创新能力强的优点，在“十四五”规划以及全方位发展新格局中都是至关重要的一步棋。是以，根据效率测度，有针对性的寻求改善洋山港港口效率的方式，有助于形成港口和区域经济双向促进的关系。1.3研究方法本文以DEA模型与MPI模型相联合的策略，对洋山深水港的港口效率进行实证分析。运用与建立DEA模型和MPI模型时借助DEAP2.1软件进行运算。通过对研究内容的整理及相关方法的研究，确定技术路线如图1-1所示：图1-1技术路线图研究背景和意义研究背景和意义洋山深水港港口效率横向分析确定评价模型指标变量选取DEA模型应用结果分析洋山深水港港口效率纵向分析确定评价模型指标变量选取MPI模型应用结果分析结论和建议

2港口效率2.1港口效率的内涵2.1.1港口效率的定义对于港口效率的定义目前在学术界仍没有达成一致，每个学者对其定义都不同。本文依帕累托定义的港口效率，即透过投入和产出关系评判港口效率。简单来说，就是在利用现有港口资源完成港口功能作业过程中，所获得的收益与投入的成本之间的关系。2.1.2港口效率的划分（一）港口综合技术效率（OverallTechnicalEfficiency，OTE）Farrell和Leibenstei分别在1955年和1966年在企业层面的研究中使用了技术效率这一概念。港口的综合技术效率的定义为在投入要素确定的情况下，测算港口的产出效率，可以用来评估港口的整体运营效率，其影响因素为港口的生产经营活动和运营管理等。OTE是港口效率研究中举足轻重的指标，其数值的高低能够有效判定港口的投入和产出是否妥当，为港口衡量当前的生产能力，未来的开发和建设提供参考意见。OTE值若不理想，可以通过码头优化、提升装卸效率来实现改进。（二）港口规模效率（ScaleEfficiency，SE）其含义类似于经济学中的“规模报酬”，在经济学上，关于企业的规模报酬定义为，所有种类的企业内部投入指标以相同的比例增加或减少时，引发的企业产出指标的变动。SE运用在港口行业当中，其含义是由于港口规模变化而随之带来的港口产出的变动，港口规模变化一般是由于港口基础设施的投资规模变动而产生的。港口SE可以成为度量港口资源配置是否妥当的重要尺度，为其不断优化提供参考。具体来说，当处于规模报酬递增的情形下，对于中小型港口来说想要提升SE，可以运用加大港口基设投资、对扩大码头建设规模等途径来实现。（三）港口纯技术效率（PureTechnicalEfficiency，PTE）PTE是港口基础设施的经营能力，简言之，就是不考虑规模效率因素的综合技术效率。能够影响PTE数值大小的因素有港口内部的管理以及技术条件等。譬如，一个港口的生产技术条件落后于平均水平，会使得港口现有资源得不到充分利用，也会致使资源配置不妥当，从而制约该港口未来的可持续发展。规模报酬可变情形下，上述港口效率的指标间存在如下关系：综合技术效率（OTE）=规模效率（SE）*纯技术效率（PTE）2.2港口效率的研究方法在经济高速增长的今天，尤其是在国内国际贸易不断发展的时期，需求量不断上升，港口的高效运转就好比是一个供给系统，需求和供给必须同时发展，否则港口效率就会成为限制货物流通、贸易、经济发展的障碍之一。因而，在这样的经济发展期，港口效率的研究方法成为了在港口发展理论领域的一个研究焦点。经过理论长期的发展，对港口效率的测度方法大致分为三类，分别是基于随机前沿分析的参数法、以DEA模型为代表的非参数法，和以全要素生产率为典型的综合分析方法。具体的理论方法发展和分类如图2-1所示。图2-1港口效率的研究方法2.2.1参数化方法参数法是将生产函数模型运用在投入与产出之间，而后依据一组样本数据，将函数中的参数通过计量分析的途径来明确，囊括一些能够用参数表示或阐述的计量经济学的模型，主要有随机前沿法（StochasticFrontierAnalysis，SFA）、线性回归法等，而在港口效率测度中主要应用的参数方法是随机前沿分析SFA。2.2.2非参数化方法非参数方法确定效率边界的方式是应用非随机和数学规划优化的模型。如今的研究中较为集中使用数据包络分析法（DateEnvelopmentAnalysis，DEA）和无界分析法（FreeDisposalHull，FDH）。DEA方法后续又经过了不断的发展，在此分为港口效率评价的传统DEA模型、动态DEA模型、多层次DEA模型和非径向测度DEA模型。2.2.3综合分析方法全要素生产率（TotalFactorProductivity，TFP）为典型的综合分析方法。TFP是生产活动在研究期间内的效率，常被用作衡量生产的科技水平是否进步。输入投入集和产出集，利用两者的变化关系，来衡量研究期间内生产率变化。目前在港口效率中使用较多的为研究生产率随时间变动的Malmquist全要素生产率指数（MalmquistTFPIndex，MPI）。2.3本文所选用的港口效率研究方法首先是对参数法和非参数法的选择，鉴于参数法的使用是基于一连串要求苛刻的假设之上，且存在着诸多不确定因素，譬如在前沿函数形式的选择及其准确性、参数值及其确定方法，这些对于最终的评测值都会产生影响。故此，本文采用近些年学者常用的非参数法中的DEA模型，来对洋山深水港的港口效率进行测度与评估。DEA模型可以用来评价非单一投入和产出的效率，即可同时多个投入和产出的数据集，最终结果也与投入、产出的单位无关，各自所占的权重比例也更加客观，客服主观因素带来的偏差。这不受输入和输出次元的影响，重量不受人类主观因素的影响。另外，也可以依照其结果对非效率的决策单元（DMU）提出改善方向。与以往的回归分析相比，DEA模型更适合多输入多输如多输出的港口效率分析。在许多适用于港口效率研究的DEA模型中，CCR模型和BCC模型被最广泛使用。两者区别在于，规模报酬在CCR中不变，而BCC中可变。因而，BCC模型会更适合测度和探究港口的实际情况，在文中，选择DEA-BCC模型作为基本模型，对洋山深水港进行横向、静态的分析和评价。在上述研究基础上，再将洋山港作为一个独立的决策单元，运用Malmquist全要素生产率指数（MalmquistTFPIndex，MPI）进行纵向、动态的效率研究。通过阅读相关港口效率研究的文献后发现，大多数学者将研究的核心聚焦在多个港口之间的效率横向对照，尤其是对于沿海诸多大型港口的相关研究。类似的研究将港口群放在某一共同政策或某个共同特点的背景下进行研究，为探寻政策的有效性及某一类港口效率的提升存在着积极意义。然而，本文的主要研究对象为洋山深水港这一个港口，对于某一特定港口的效率分析、寻求改进改善的途径，上述单一横向对照的方法的针对性、指向性不够，主要的原因在于就算港口群存在某些共同特点或者共同的发展背景，但不同港口实际情况仍存较大差异，不能一概而论。故此，选取以全要素生产率为典型的综合分析法作为进一步的补充研究，运用MPI模型对洋山港做纵向时间序列上的比较研究，这样的方法更具针对性，更有说服力。一言蔽之，DEA模型所得三种效率值是DMU在某一个时期的效率值，即为静态效率值；而MPI模型是运用在着眼于生产率随时间变化的研究，即测算结果为动态效率值。2.3.1DEA-BCC模型Charnes和Cooper等人在1978年首创了数据包络分析（DateEnvelopmentAnalysis，DEA）。DEA适用于多输入多输如多输出的港口效率分析，其本质是运用数学规划模型评判多个决策单元（DUM）之间的相率相对有效性，同时可以依照其结果对非效率的决策单元（DMU）提出改善方向的相关意见。此外，在BCC模型中，规模报酬可变，这也更使得BCC模型会更适合测度和探究港口的实际情况。同时诸多学者也更加偏向与使用BCC模型进行港口效率测度。故本文采用BCC模型，如下所示：通过DEA-BCC模型计算出的效率值有三，即在上文2.2.2港口效率的划分中介绍的OTE、SE、PTE。模型所得值在0—1间，当SE/PTE值愈逼近1时，意味着该DUM具有规模效率/纯技术效率；若不，当SE/PTE值愈逼近0时，则表示该DUM不具有规模效率/纯技术效率。2.3.2MPI模型MPI模型是综合分析法的一种，目前在港口效率研究中使用较多，全称Malmquist全要素生产率指数（MalmquistTFPIndex，MPI）。MPI模型首先预设一个最优的生产边界，再采用非参数方法分析t期的投入和t+1期法的产出之间相对的变动状况。生产效率即被定义为这个预设的最优的生产边界和实际生产之间的差距，而MPI变化率则是对于单个数据点来说最优的边界和实际值的差距的变化率，表达公式如下所示：公式当中Mi，t+1，M代指MPI变化率，t+1代表这是t+1期对照t期的函数；xit代指在i点t期的投入，全要素生产率TFP可以被拆分为技术效率变化指数（EF）和技术进步指数（TC），三者的关系为。其中EF可测度资源配置是否妥当，而TC表示生产活动中科技的运用程度。进一步将技术效率变化指数（EF）进行分解，可以将其拆分为纯技术效率变化指数（PEC）和规模效率变化指数（SC），三者的关系为2.4洋山深水港概述及港口效率现状2.4.1洋山深水港简介洋山深水港，顾名思义是大型深水海港，坐落于上海东南外海的浙江省崎岖列岛，主要构成部分有小洋山岛域、东海大桥、洋山保税港区，进一步小洋山又由集装箱码头、天然气码头和申港油库等部分组成。（1）总体规划洋山港港区规划总面积超25平方公里，包括东、西、南、北四个港区。表2-1洋山港各港区主要功能港区主要功能东港区能源作业港区南港区预留作未来规划用北港区、西港区集装箱作业区东港区在国际上被誉为一流的绿色能源供给基地，主要有LNG（液化天然气）接收基地和海底输气干线；同时也是远东最大的成品油中转基地，配有完备的作业基础。南港区的规划是以大洋山本岛向外辐射，是为将来的规划所预留的。北港区、西港区为集装箱作业区，是洋山港建设重中之重。四期工程建设完成后拥有万吨级泊位超20个，设计年吞吐量达近1450万TEU。可完成大型船舶的货物装卸，集装箱吞吐量单独计算也可位居世界第五。表2-2洋山港集装箱港区建设发展历程时间工期事件1999一期上报工程项目书2002.3一期国家批复工程可行性报告2002.6.26一期正式开工建设2004.5一期完成码头主体结构施工2005.5一期东海大桥贯通海岛、大陆2005.6二期正式开工建设2005.12.10一期正式开港运营2006.12二期竣工、正式开港运营2007.12三期一阶段竣工、正式开港运营2008.12三期二阶段竣工、正式开港运营2014.12四期正式开工建设2017.12.10四期开港运营（2）主营业务承担腹地内远洋箱源和国际中转箱业务，此外还有大型远洋集装箱、LNG、成品油干线船舶的装卸作业。（3）航道及泊位目前洋山港共有码头单位13家，泊位67个。表1-1为作为洋山港的核心区域的集装箱港区的航道、泊位以及设备情况。表2-3洋山港北港区一期至四期设施介绍工期泊位数（个）前沿水深（米）岸线长度（米）面积（万平方米）设备设计年吞吐能力（万TEU）一期515.51600陆域面积134（堆场86）集装箱桥吊15台龙门起重机45台集卡68辆220万TEU二期4（10万吨级）15.51400陆域总面积88.83（堆场86.1）桥吊16台210万TEU(一期二期综合550万TEU)三期7（10万吨级）17.52650陆域面积约200集装箱桥吊29台500万TEU四期7（其中5个5万吨级，2个7万吨级）11—152350陆域面积223万集装箱桥吊21台（最终配置26台）轨道吊108台（最终配置120台）自动导引车110台（最终配置130台）初期400万TEU远期630万TEU2.4.2洋山港港口效率现状2020年，洋山港的集装箱吞吐量为2022万TEU，单独计算也可位居世界前列。形象地说，每年洋山港装卸的集装箱连起来可以绕地球三圈。2017年末开港运营的洋山四期自动化码头，更是在2020年打破的原本400万TEU的设计吞吐量，助力上海港更加稳居世界第一集装箱港口的地位。与此同时，洋山港也逐步发展为一个集合集装箱码头、天然气码头、成品油码头的综合性码头，根据洋山港海事局资料显示，总计有码头单位13家，泊位67个。四期自动化码头的建成确实在一定程度上提升了港口效率，然而对于整个洋山港来说，港口管理水平以及港口效率还有较大的发展空间目前洋山港存在的问题主要有，吞吐量逐年上升，但是集疏运能力却没能与之相匹配；跨海大桥的规划中缺少铁路规划部分；依靠汽车短泊的方式，不仅成本高，且效率低。资金投资和设备的增加，诚然可让集装箱的装卸速度迅速提升，从而提高港口的效率。但同时也更需要注意设备的管理，设计拟定合理高效的码头装卸流程，优化资源配置，充分利用既有资源。根据对洋山港的资料研读，发现现如今随着运量的加大、国际中转箱比例增大、船舶大型化、船型多元化，洋山港存在着装卸作业流程间配合度不够、集卡路线设计不合理等影响效率的问题，甚至还会对码头和堆场的作业安全形成威胁。因而，现今洋山港所面临的重要课题之一就是怎样提升港口效率。同时，洋山港建设的脚步也从未停下，2019年上海港与宁波舟山港签订合作协议，正式启动小洋山岛北侧的建设开发；2020年底口岸查验场地工程正式动工，这将弥集疏运系统上的不足，提高洋山港深水岸线能力和效率，使港口的负荷压力进一步下降。3评价指标和决策单元3.1投入产出指标的确定投入、产出的数据的选取在DEA模型测度港口效率中，是至关重要的一步，指标的选取与最终的计算结果是密不可分的。查阅大量文献后，发现在港口效率测度研究当中，投入产出指标的制定主要有直接法、间接法两种。两者最大的区别在于研究对象不同，直接法的对象为港口，而间接法的为港口运营企业，具体在指标确定上的不同如下图3-1所示：图3-1投入产出指标的确定本文的研究对象为洋山港身，因而使用直接法。本文的决策单元并非是单一的集装箱港口，故选择产出指标为港口货物吞吐量和集装箱吞吐量两者。对于投入指标大多数文献更加关注投入资本，鉴于数据的可获取性，本文使用的指标体系如下表3-1所示：表3-1港口效率评价指标体系投入指标产出指标泊位总长度（米）港口货物吞吐量（万吨）码头泊位数（个）集装箱吞吐量（万TEU）指标的选择原因如下。码头能够布置多少泊位、怎样规模大小泊位在很大程度上都取决于泊位总长度，因而它可以折射出一个码头的生产能力；泊位总数直接决定了船舶到达时间、船舶等待时间等，这也都影响着港口效率。货物吞吐量、集装箱吞吐量是折射港口需求规模和评价收益水平的关键指标。吞吐量的大小吞吐量和港口的需求规模成正比关系，从而需求越大，港口能取得的经济收益也越高。同时在港口物流越来越现代化的今天，集装箱吞吐量也逐渐成为度量港口国际化水准的关键尺度。3.2决策单元的确定本文的研究对象为洋山深水港的港口效率，因而选取除了洋山港外上海港重要的港区外高桥港和宜东码头，以及和洋山港同在长三角地区浙江省、江苏省的宁波港域、舟山港域、嘉兴港、太仓港、张家港港、连云港港，共计9个决策单位，横向分析洋山深水港的港口效率。决策单元的确定上主要考虑的因素为地理位置和主要的货物种类，且都为全国主要港口，发展较为成熟。（一）外高桥港外高桥港是浦东开发、长三角地区发展的重要助推器，与洋山港同为上海港最重要的组成部分，且都是以集装箱码头为主的深水港区。据2011年相关数据显示，外港桥港区已成为对于上海港功绩最大的港区，不论是在船舶停靠数量还是完成箱量，占比都略超洋山港。（二）宜东码头坐落于黄浦江与长江交会点，北临长江，西依逸仙路高架，南接黄浦江上游水道，东望浦东新区，兼并了早前的张华浜、军工路码头，是上海乃至长三角、沿海地区最重要的从事内贸集装箱作业的专业码头。（三）宁波港域宁波港主要业务有集装箱、矿石、原油中转储存，是兼具多种用途的综合、摩登深水大港，同时也是重点建设的国际中转港。它在航道水深、发展潜力、区位条件上相比同类港口，具有压倒性的有利形势。去年，宁波港与上港集团达成战略合作，以合作促区域协同发展，优化长三角港口资源配置。（四）舟山港域舟山港域紧挨着长三角、长江沿线区域，推进腹地经济发展，也是东部地区海上对外贸易的主要窗口，得天独厚的区位条件使其主要运输货物为成品油。此外，上海国际航运中心的建设也离不开宁波-舟山港。（五）嘉兴港地理位置上坐落于上海与杭州间的浙江嘉兴，是浙北仅有的出海口和国家一类对外开放口岸，因而它既是全省重要的对外贸易窗口，也是长三角区域重要港口之一。（六）太仓港处于长江与沿海交织处，是极为罕见的天然良港。进入21世纪，国家开始注重其发展，战略上成为上海国际航运中心的建设的重要一步。主要货物是集装箱、煤炭和铁矿石。（七）张家港港坐落于长江下游南岸，周边的城市经济有苏州市、无锡市以及常州市，发展水平都较高，因而有着良好的港口发展环境。主营业务有集装箱、干散货、件杂货运输。张家港港乘势抓住长三角一体化的发展时机，今年一季度完成吞吐量3240万吨，同比提升27%，为“十四五”开门红交出亮眼的成绩单。（八）连云港港坐落于江苏省东北端，长江三角洲最北端。同上海港、宁波港合称为长三角三大主枢纽港，是长三角港口群中重要一环。以腹地内集装箱运输为主营业务，兼具亚欧航线中国际集装箱水陆联运的中转功能。

4洋山深水港港口效率分析4.1基于DEA-BCC模型的静态效率值分析BCC模型中设定规模报酬可变，更适合测度和探究港口的实际情况。故此，本文选择DEA-BCC模型作为基本模型，对洋山深水港进行横向、静态的分析和评价。4.1.1DEA模型数据选取选取2019年和2020年9个决策单元的数据，以泊位总长度、码头泊位数为投入变量，以港口货物吞吐量、集装箱吞吐量为产出变量，应用deap2.1软件进行运算。表4-12019年相关数据年份：2019产出变量投入变量港口名称港口货物吞吐量（万吨）集装箱吞吐量（万TEU）泊位总长度（米）码头泊位数（个）洋山深水港174471980.81792567外港桥港区17152.21926.5716827宜东码头6485.3412292416舟山港域50170.7129.927325122宁波港域59316.7261376530350嘉兴港10859.8186.6989546张家港港2361388.434101162太仓港21586515.21263291连云港港23432.4477.61754084表4-22020年相关数据年份：2020产出变量投入变量港口名称港口货物吞吐量（万吨）集装箱吞吐量（万TEU）泊位总长度（米）码头泊位数（个）洋山深水港18325.42022.21792567外港桥港区18112.71885.4716827宜东码头6488.2430292416舟山港域5714216727325122宁波港域60098270576530350嘉兴港11715196989546张家港港2500095.634101162太仓港216005211263291连云港港241824801754084注：数据来源于中国保税区管理局、上港集团各分公司官方网站、中国港口年鉴、上海港口年鉴、浙江港口年鉴、舟山统计年鉴、连云港统计年鉴等等。4.1.2DEA模型结果分析表4-32019年DEA模型结果Firm港口名称crstevrstescale1洋山深水港0.4140.7840.528drs2外港桥港区111-3宜东码头0.92710.927irs4舟山港域0.76710.767drs5宁波港域0.32410.324drs6嘉兴港0.4590.4710.973irs7张家港港0.2890.3260.888drs8太仓港0.7140.7820.914drs9连云港港0.5580.6270.89drsmean0.6060.7770.801表4-42020年DEA模型结果firm港口名称crstevrstescale1洋山深水港0.43210.432drs2外港桥港区111-3宜东码头0.87810.878irs4舟山港域0.82810.828drs5宁波港域0.31110.311drs6嘉兴港0.4690.4880.959irs7张家港港0.2900.3150.922drs8太仓港0.6770.710.953drs9连云港港0.5460.5870.929drsmean0.6030.7890.801表中firm指代港口样本个数，crste指代综合技术效率，vrste指代纯技术效率，scale指代规模效率。crste=vrste*scale，即综合技术效率=纯技术效率*规模效率。最后一列指的是规模收益状况，drs指代规模报酬递减，“-”指代规模报酬不变，irs指代规模报酬递增。表4-52019年DEA模型结果柱状图首先来分析2019年的情况，从综合技术效率（crste）这一指标来看，外高桥港区的crste值等于1，抵达效率前沿面，表示投入恰当，而且产出效率相对最大化；其他DMU的crste值均没有达到1，没有达到DEA有效。排名依次是外港桥港区、宜东码头、舟山港域、太仓港、连云港港、嘉兴港、洋山深水港、宁波港域、张家港港，前四个港口的综合技术效率值均超出了平均值0.606，其中张家港港的数值最低，仅为0.289。港口资源利用率不理想是未达到DEA有效的主因，即实际生产规模未达到最优。此外在9个DMU中，纯技术效率达到1的港口有外港桥港区、宜东码头、舟山港域、宁波港域，这表明，这些港口的产业结构能够满足整体规划要求，带来最大的经济和社会利益。洋山深水港的综合技术效率排名靠后，为0.414，低于平均值0.606，洋山深水港2019年的是纯技术效率为0.784，规模效率为0.528。表4-62020年DEA模型结果柱状图其次来分析2020年的情况，从综合技术效率（crste）这一指标来看，外高桥港区的crste值为1，抵达效率前沿面，表示投入恰当，且产出效率相对最大化；其他港口的crste值均没有达到1，没能达到DEA有效。排名依次是外港桥港区、宜东码头、舟山港域、太仓港、连云港港、嘉兴港、洋山深水港、宁波港域、张家港港，前四个港口的综合技术效率值超过了平均值0.603，其中张家港港的数值最低，仅为0.290。未达到DEA有效主要是因为港口企业物流资源利用率低，即实际生产规模未达到最优。此外在9个决策单元中，纯技术效率达到1的港口有洋山深水港、外港桥港区、宜东码头、舟山港域、宁波港域，这表明，这些港口的产业结构能够达到整体规划要求，带来最大的经济和社会利益。洋山深水港的综合技术效率值排名靠后，为0.432，低于平均值0.603，洋山深水港2020年的是纯技术效率为1，规模效率为0.432，结合三者关系可知，规模效率值是影响最终综合技术效率值不理想的主因，表明该港口实际情况相较于最优生产规模规模还有较大的提升空间。2019年、2020年两年外高桥港的三个效率值都已达到1，也就是DEA有效，但是只能说明外高桥港区的港口效率与其他港口比较时，在规模技术不变的背景下港口的投入与产出是相对合理的，而不表示其投入与产出是最优的组合，也不能说明其港口效率值是最优的。这是由于DEA的评价是针对相对有效性而言的所造成的。从整体上看，洋山深水港、外高桥港区、宜东码头、宁波港域和舟山港域的技术效率高于规模效率，原因主要是它们隶属的上海港和宁波舟山港，在区位条件的优势，它们皆是自贸区政策下的关键港口，对外贸易协作带动了需求量，增加了货物吞吐量，致使最初投资的资源带来了相当大的经济利益。2019、2020期间，洋山深水港在9个决策单元当中的综合技术效率排名未变动，但和其自身比较，从0.414增长至0.432，存有上涨的趋向；纯技术效率从0.784上涨到1，证明其在管理和技术方面具备良好的水准；然而规模效率却从0.528下降到了0.432，表明要优化综合效率可从妥当加大投入、扩展集装箱港口规模入手，另外，规划港口布局的合理性在提升规模效率中也十分关键，未来仍需在完善港口物流基础设施方面继续努力，努力构建出一个合理有效的长期增长机制。这也说明了即使港口的管理制度、技术应用都是良好的，如果规模效率值不高，也会制约港口的综合效率。从规模收益方面来看，洋山港连续两年的规模收益呈现递减趋势，与投入增加的比例相比，产出增加的比例较少。主要原因是洋山深水港各个生产活动的协同能力不足，也许是港口资源的不合理分配致使的，最终引致生产效率低下。它具体体现为不合理的内部分工、生产运作障碍、生产决策所需的各种信息难以获取等等。4.2基于MPI模型的港口动态效率分析在上述研究基础上，再将洋山港作为一个独立的决策单元，运用Malmquist全要素生产率指数（MalmquistTFPIndex，MPI）进行纵向、动态的效率研究，这样的方法更具针对性4.2.1MPI模型数据选取表4-7MPI模型相关数据产出指标投入指标年份国际中转箱量（万TEU）集装箱吞吐量（万TEU）集装箱泊位数（个）泊位总长度（米）2012110.31415.01656502013159.11436.91656502014167.21520.31656502015149.01540.81656502016167.51561.71656502017190.81652.91656502018233.01842.42380002019293.81980.82380002020347.22022.2238000注：数据来源于中国保税区管理局、上港集团各分公司官方网站等等上海港连续11年保持了集装箱吞吐量世界第一的好成绩，这其中洋山港发挥了巨大的作用，同时集装箱也是洋山深水港最主要的货种，因而将集装箱吞吐量、国际中转箱量、集装箱泊位数和泊位总长度作为产出指标、投入指标。此中，国际运输集装箱是指从海外发货，在运送到第三国或地区的目标港口之前，经过一个中转港换装的过程。自上海港将建设国际航运中心作为发展方针以来，国际中转箱数量也成为了港口城市是否能够发展成为国际航运中心的一项重要指标。因此，主要利用和集装箱有关的投入、产出指标，应用MPI模型对于洋山深水港进行港口动态效率分析。4.2.2MPI模型结果分析应用DEAP2.1，将洋山深水港口作为独立决策单元，对2012-2020年洋山港的Malmquist指数值进行测算。图4-1DEAP2.1运行过程得出的Malmquist指数及其相关效率指数如下表。表4-8MPI模型结果年份技术效率变化指数（EF）技术进步指数（TC）纯技术效率变化指数（PEC）规模效率变化指数（SEC）全要素生产率指数（MI）2012-201311.21111.212013-201411.054111.0542014-201510.95110.952015-201611.067111.0672016-201711.098111.0982017-201810.818110.8182018-201911.164111.1642019-202011.098111.098mean11.051111.051将上述测算的效率值，汇成柱状图，如下图所示：图4-1MPI模型结果柱状图其中，MI为全要素生产率指数。若MI>1，表示港口生产率有所改善；若MI<1，表示港口生产率恶化。EF显示管理水平的改进；TC显示技术水准的抬高；PEC显示要素资源配置和运用水准的变动；SEC显示规模集聚水准的变动。若EF>1，表示港口技术效率得到改善；若EC<1，表示港口技术效率恶化。若TC>1，表示港口技术进步；若TC<1，表示港口技术在退步。由上表可以看出，洋山深水港在2012-2020这9年的Malmquist指数综合均值为1.051，大于1，港口生产率有所改善说明港口的全要素生产率呈上涨态势，表明港口生产率有所改近。但进一步分析发现，在洋山深水港港口效率评价的8个时期中，有6个时期的MI指数大于1，只有2014-2015、2017-2018的MI指数小于1，但是这两个时期也并非是接续的，这表明洋山深水港的港口的生产率在9年间呈现波动发展趋势。图4-2MI值折线图将MI值单独绘制成折线图，可以更加直观的看到MI值的变动情况。如上图所示，在2013-2015年间，MI指数呈现明显的下降趋势，由1.21下降至0.95，下降了21.4%，主要原因是技术效率发生作用引致全要素生产率的下降；在2015-2017年间，MI值呈现上升的趋势，由0.95上升至1.098，上升幅度为15.6%；在2016-2020年间，MI值波动剧烈，由1.098下降至0.818，再由0.818上升至1.614，再增长到2020年的1.098。由于，因而在研究期间MI的变动主要由TC的变动主导。港口业不断发展，随之带来港口信息化、自动化等技术水准不断进步。例如，2017年末投入运营的洋山四期，被称作世界上最大的自动化码头，是首次采用我国自主开发的自动引导车和自动动力交换系统的亚洲港口。从码头至堆场，除码头起重机拖车应用自动化与手动远程遥控结合外，整个作业过程是完全自动化的操作模式。总结来说，研究期间内洋山深水港的动态效率值很不稳定，甚至有所下降。因此目前洋山深水港仍需要进一步改进和完善，从而加快国际航运中心建设，推动长三角一体化战略的有效实施。

5结论与建议5.1研究结论本文通过利用DEA模型吗，分析2019年和2020年洋山港，上海港重要的港区外高桥港和宜东码头，以及长三角地区浙江省、江苏省的宁波港域、舟山港域、嘉兴港、太仓港、张家港港、连云港港，共计9个决策单位，横向分析洋山深水港的三种效率。同时结合MPI模型对洋山深水港的港口效率作时间上的纵向分析，以动态的视角看待其自身的发展。根据分析的结果可以看出，2019年和2010年洋山深水港的综合技术效率均未达1，即未实现DEA有效。遵循综合技术效率的排名依次为外港桥港区、宜东码头、舟山港域、太仓港、连云港港、嘉兴港、洋山深水港、宁波港域、张家港港，说明了洋山港的港口内部资源配置效率比较低，未使得有限的资源得到充分的利用，或者是港口的整体经营管理水平偏低所造成的，因而洋山深水港还存在着很大的发展空间。2019—2010年，洋山深水港的综合技术效率分别为0.414和0.432，纯技术效率分别为0.784和1，规模效率值为0.528和0.432，由此可见，表明要优化综合效率可从妥当加大投入、扩展集装箱港口规模入手，另外，规划港口布局的合理性在提升规模效率中也十分关键，未来仍需在完善港口物流基础设施方面继续努力，努力构建出一个合理有效的长期增长机制。同时，这也说明了即使港口的管理制度、技术应用都是良好的，如果规模效率值不高，也会制约港口的综合效率。从规模收益方面来看，洋山港连续两年的规模收益呈现递减趋势，主要原因是洋山深水港各个生产活动的协同能力不足，也许是港口资源的不合理分配致使的，最终引致生产效率低下。此外，通过MPI模型的动态分析，可以看出洋山深水港在2012-2020这9年的Malmquist指数综合均值为1.051，大于1，港口生产率有所改善，表明港口的全要素生产率呈上涨态势，表明港口生产率有所改善。但进一步分析发现，在洋山深水港港口效率评价的8个时期中，有6个时期的MI指数大于1，只有2014-2015、2017-2018的MI指数小于1，但是这两个时期也并非是接续的，这表明洋山深水港的港口的生产率在9年间呈现波动发展趋势。5.2对策建议（一）抬高港口规模化水准，完善集疏运体系根据前文分析得出港口规模效率的变化是引起洋山深水港综合技术效率值变化的主要原因。因此洋山港可以从优化港口企业规模出发，推动码头向深水化、专业化目标前进，与此同时注重经营规模的及时调整、提高货运能力，完善集疏运体系，从而优化综合技术效率。改善集疏运体系具体可从水运、海铁联运两者展开。在水运方面，加强与腹地基设投资建设的协作，以求构建综合的集疏运体系；同时要提升海河中转的作用，最大限度利用客户、码头资源和优秀的管理经验。在海铁联运方面，可开设五定（固定点、固定路线、固定列车号、固定时间、固定价格）列车，推广特惠价格政策，同时减少铁路集运的中间枢纽，减短运输所需时间，从而让更多人倾向选择铁路运输。（二）整合港口资源，进一步抬高港口专业化水准洋山港不仅要重视自身开发，也要将附近的一些物流企业、资源整合起来协调运用，通过删减冗余的物流环节，竭力将更全面、更专业的供应链一体化服务提供给广大客户，从而改善港口物流运营效率。此外，洋山港存在业务办理地点分布在不同地区的问题，浪费客户的时间、金钱成本。针对这个问题，应在合理的地点建立单接口服务站，让客户能够在一个地点完成所有所需业务的办理，节省时间，提升办事效率，加强作为一个国际航运中心的应具备的资源整合能力。（三）依托国家政策，发挥保税港区优势洋山保税港区虽与洋山港同期投入使用，不过保税货物在港区的发展仍未达到预计态势。譬如启运港退税政策提出已有好几年，然而有关的落实细节还未明确，导致该政策悬而未决。因此，洋山保税港区相关部门应加速优惠政策的落地，同时建立完备的法律制度体系，使保税区的运行更加协调有序。5.3研究中存在的不足（1）运用DEA模型所得的港口效率是一个相对值，是基于有不同的决策单元比较而得出的，并非绝对效率，因而若能增多横向比较的DMU数量，效率值也会更加准确。（2）在投入、产出指标选取时，源于数据可获取性，本文所选指标存有一定的局限性，若以更多指标为准，则模型运行结果会更准确。（3）本论文是基于基础设施等投入的港口效率分析，忽视了生产作业过程中时间要素的影响，其实时间要素也是可控的直接要素。港口生产的系统是由内部多个子系统的合作而构成的，任一子系统在时间上的浪费，都会致使总系统的效率降低，因而减少时间损耗也是提升港口效率的关键之一。

参考文献[1]柳兆旺,张廷龙.基于DEA模型和Malmquist指数的安徽省内河港口效率分析[J].物流科技,2013,36(03):24-27.[2]张建勇,王梦雅,王欣然,田思雨.基于DEA模型的天津港港口效率分析[J].水运管理,2019,41(11):16-18+25.[3]谢宇薇,陈芳.基于DEA模型的自由贸易试验区背景下舟山港域港口效率评价[J].水运管理,2021,43(02):11-13.[4]高倜鹏,刘翠莲,袁博.基于三阶段DEA模型的“