邓玉勇， 秦俊平
(青岛科技大学经济与管理学院，山东 青岛 266061)
作为与世界沟通的窗口，港口是对外贸易的重要节点，对一国经济和社会的发展有着重要的作用。随着以物联网、大数据、移动互联网为代表的新兴信息技术的出现，各国纷纷将其与港口业务相融合，智慧港口建设成为全球港口新一轮竞争的焦点。为推动智慧港口的建设和发展，我国于2017年启动智慧港口示范工程建设，首批13个项目入选。此后，我国智慧港口建设驶入快车道。然而，港口效率是否已经在智慧港口建设的推动下有了明显提升，目前还无法判断。此外，探讨智慧港口的建设成效也对正在到来的5G时代智慧港口建设有着重要意义。因此，如何综合性地、系统性地评价智慧港口建设对港口效率的影响，是一个急需研究的课题。
近年来，港口效率的研究多为港口的生产运行效率、整体运营效率、公司绩效和环境效率等方面的评价。杜浩等[1]采用技术指标对我国沿海港口的生产运行效率进行评价。隋晓艳等[2]对全国37家港口运营效率进行了静态和动态评价。黄勇等[3]、莫云萍等[4]采用经济指标对港口上市企业经营效率进行了评价。赖成寿等[5]将经济指标与技术指标结合对港口的整体运营效率进行研究，在研究港口绩效的同时将港口吞吐量作为产出指标之一研究港口的整体运营效率。戈艳艳等[6]将碳排放考虑在内，分析港口的全要素生产率，从而反映港口环境效率。效率研究必须考虑投入和产出，学者们选择的投入产出指标涉及技术指标和经济指标两大类：将泊位、码头、岸线长度等技术指标作为投入指标[5,7-8]，或将资产投入、经营成本等经济指标作为投入指标[3,9]，以吞吐量或收入、利润等作为产出指标。然而，上述指标均是在研究传统港口效率时选取的指标，未涉及反映港口智慧化程度的指标。
智慧港口是现代科技发展的必然结果，是物联网等新一代信息与港口业务相融合的产物[10-11]。随着智慧港口的不断发展，国内外学者们开始对智慧港口进行评价研究，但这些研究多为从基础设施和运营层面对智慧港口建设细节的评价，没有考虑到智慧港口整体的投入产出效率问题。杨凯等[12]从智慧港口基础设施、技术应用、港口生产、管理服务、人员技术水平、科技创新和信息化投入、软环境建设等方面构建了70个智慧港口评价指标。MOLAVI等[13]围绕港口运营、环境、能源、安全性等4个关键点制定了智慧港口评价体系，并选取汉堡港等14个港口进行了评价。蔡文学等[14]从港口职能、理论和技术3个维度构建了港口智慧化程度评价指标体系，采用打分法对广东省港口的智慧化水平做出评价。学者们对智慧港口的评价多采用层次分析法、专家调查法等主观性强的方法，采用客观评价方法的较少。对智慧港口的评价更需要数据的支撑，需要从港口效率角度分析其整体运营情况。
由于数据包络分析(data envelopment analysis, DEA)模型通过利用投入和产出数据建立非参数的经济数学模型，具有对多个投入、多个产出的决策单元之间的相对有效性进行分析的特性，众多学者(如余学林[15])认为DEA模型更适合用于效率研究。然而，传统DEA模型在评价港口效率时存在一定的局限性：一是仅能判断港口效率是否达到有效，无法比较已达到有效的港口的效率值；
二是只能对港口进行静态分析，无法确定港口效率动态变化情况。超效率数据包络分析(super efficiency DEA，SE-DEA)模型能够对达到有效的港口的效率进行分析，DEA-Malmquist指数能够展示不同年份港口效率的变化情况，且通过对各港口全要素生产率进行分解，能够探索港口效率变化的原因。基于此，本文在探究智慧港口建设对港口效率的影响时，结合智慧港口的建设情况，将智慧化特征指标融入港口效率评价指标体系中，运用超效率DEA模型与DEA-Malmquist指数模型相结合的方法测度15个智慧港口的效率并进行评价，以期为我国智慧港口建设提供理论依据和决策参考。
1.1 指标体系构建
为充分体现智慧港口建设对港口效率的影响，对包含智慧化特征的港口效率从平行维度和时间维度进行评价，在遵循科学性、全面性、数据可得性原则的基础上，按照港口投入产出思路构建了由4个投入指标和4个产出指标构成的评价指标体系，见表1。
表1 智慧港口评价指标体系
1.2 评价模型
1.2.1 SE-DEA模型
ANDERSEN等[16]于1993年提出SE-DEA模型，在不改变传统DEA模型中无效决策单元效率值的情况下，测算出有效决策单元的超效率值，进而对有效决策单元进行比较。SE-DEA可表示为
式中：θ表示决策单元的综合效率值，其可分解为纯技术效率值和规模效率值；
ε>0为非阿基米德无穷小量；
e为所有元素均为1的行向量;s-表示投入指标的松弛变量，其各元素为非负数；
s+表示产出指标的冗余变量，其各元素为非负数；
xj0表示实际投入值；
yj0表示实际产出值；
xj表示投入向量；
yj表示产出向量；
λj为权重系数。θ≥1说明决策单元为DEA有效，能够进一步排序比较；
θ<1说明决策单元为DEA无效。
1.2.2 DEA-Malmquist指数
Malmquist指数由MALMQUIST[17]于1953年提出，1994年FRE等[18]将Malmquist指数与DEA结合，观察两个不同时期的全要素增长，并将其分解为效率变化和技术变化，对全要素生产率进行动态分析和分解分析。
DEA-Malmquist指数利用距离函数的比值计算投入产出效率来评价不同时期的动态生产率，计算式为
Itech(xt+1,yt+1;xt,yt)=Isech(xt+1,yt+1;xt,yt)×
Ipech(xt+1,yt+1;xt,yt)×Itech(xt+1,yt+1;xt,yt)
式中：xt和xt+1分别表示第t和第t+1期的投入向量；
yt和yt+1分别表示第t和第t+1期的产出向量；
dt和dt+1分别表示第t期和第t+1期决策单元实际生产点与效率前沿面的距离函数值。Itfpch、Ieffch、Itech、Isech、Ipech分别为全要素生产率变动指数、技术效率变动指数、技术进步变动指数、规模效率变动指数、纯技术效率变动指数。各指标之间的关系为：Itfpch=Ieffch×Itech，Ieffch=Isech×Ipech，Itfpch=Itech×Isech×Ipech。若m0>1,则说明决策单元的全要素生产率得到提高；
若m0<1，则说明决策单元的全要素生产率正在降低；
若构成m0的某一变化指标大于1，则表明该变化指标是全要素生产率提高的原因；
若构成m0的某一变化指标小于1，则表明该变化指标是导致全要素生产率降低的原因。
1.3 数据来源
为探究智慧港口建设对港口效率的影响，本文按照针对性、广泛性、数据可得性的原则，从北向南选取营口港、锦州港等我国15个主要港口作为研究对象，并从各港口年报以及《中国港口统计年鉴》获得相关基础数据。针对性是指研究对象正在实施智慧港口建设，并取得一定成效；
广泛性是指研究对象在各区域分布均匀，涵盖环渤海、长三角、东南沿海、珠三角和西南沿海等国内五大港口群，且保证DEA研究对决策单元数量的要求；
数据可得性是指能够获取真实、有效、权威的指标数据。
2.1 基于SE-DEA的港口效率静态评价
将15个智慧港口的投入产出数据导入DEA-Solver Pro15软件，选取SE-DEA模型进行数据处理，得到不同港口各年份的纯技术效率、综合效率和规模效率，结果汇总见表2。
表2 15个智慧港口2017—2019年的超效率值
(1)观察各港口的综合效率值发现，港口的综合效率水平整体呈上升趋势。从港口综合效率平均值来看，综合效率平均值从2017年的0.932逐步上升到2019年的1.018，平均提高了0.086且达到1，逐步达到DEA有效状态。从各年份综合效率达到DEA有效的港口数量来看：2017年综合效率达到DEA有效的港口数为5个，分别为唐山港、青岛港、连云港港、上海港和广州港；
2018年综合效率达到DEA有效的港口数为7个，相较于2017年新增了营口港、锦州港、日照港和南京港，缺了青岛港和连云港港；
2019年综合效率达到DEA有效的港口数达到10个，相较于2018年除增加了厦门港外，还增加了青岛港和连云港港(重新上榜)。总体来看，智慧港口的建设整体上促进了港口综合效率水平的提升。
目前对港口的评价仍然以货物吞吐量为主，但是货物吞吐量仅能体现港口的产出，而不能体现港口的投入。智慧港口更侧重的是港口的高效、便捷，故本研究考虑港口的投入产出效率，以2019年港口货物吞吐量为横坐标，同年综合效率值为纵坐标，并将横轴以货物吞吐量均值(3.884亿t)、纵轴以综合效率值1为分界，构建货物吞吐量-综合效率矩阵图，见图1。由图1可知：在综合效率达到DEA有效的港口中，货物吞吐量达到均值以上的港口数和未达到均值的港口数均为5个，广泛分布在Ⅰ区和Ⅱ区内；
在综合效率未达到DEA有效的港口中，吞吐量未达到均值的港口有3个，达到均值以上的港口有2个。位于Ⅰ区和Ⅱ区内的港口的投入要素比较合理，在智慧港口建设中取得一定的成效，而且有很大的发展潜力。位于Ⅲ区的港口(秦皇岛港、北部湾港和珠海港)货物吞吐量低、综合效率值低，港口投入产出效率低，虽然投入合理，但因资源利用不当而未得到良好的产出效果。位于Ⅲ区的港口亟待改进，以提高港口效率进而提高港口的产出水平。位于Ⅳ区的港口(如宁波舟山港)虽然货物吞吐量大，但是资源要素投入过多，利用率不高，产出水平较低。
图1 港口货物吞吐量-综合效率矩阵
(2)观察各大港口的纯技术效率值发现，港口的纯技术效率整体呈上升趋势。从港口纯技术效率均值来看，纯技术效率平均值从2017年的0.911逐步上升到2019年的1.136，平均提高了0.225且达到1，逐步达到DEA有效状态。从各年份纯技术效率达到DEA有效的港口数量来看：2017年纯技术效率达到DEA有效的港口有5个，分别为唐山港、青岛港、连云港港、上海港和广州港；
2018年纯技术效率达到DEA有效的港口有8个，相较于2017年新增了营口港、锦州港、日照港、南京港和宁波舟山港，缺了青岛港和连云港港；
2019年纯技术效率达到DEA有效的港口达到13个，相较于2018年除增加了天津港、厦门港和北部湾港外，还增加了青岛港和连云港港(重新上榜)。总体来看，智慧港口建设整体上促进了港口纯技术效率水平的提升。
智慧港口的评价指标之一是劳动生产率的提高，本文用年人均货物吞吐量表示港口的劳动生产率；
港口的纯技术效率表示港口提高管理和技术水平所产生的生产效率。考虑到人均货物吞吐量与港口的纯技术效率之间的关系，本文以2019年人均货物吞吐量为横坐标，以2019年港口的纯技术效率为纵坐标，并将横轴以年人均货物吞吐量均值(12.15万t/(人·a))、纵轴以纯技术效率值1为分界构建年人均货物吞吐量-纯技术效率矩阵图，见图2。由图2可知：有13个港口的纯技术效率达到DEA有效，其中5个港口分散分布在Ⅰ区、8个港口集中分布在Ⅱ区；
纯技术效率未达到DEA有效的港口均位于Ⅲ区，分别为秦皇岛港和珠海港；
Ⅳ区无港口存在。位于Ⅰ区的港口,纯技术效率已达到DEA有效且年人均货物吞吐量高，智慧港口建设取得了一定的成效；
位于Ⅱ区的港口,纯技术效率达到了DEA有效，但年人均货物吞吐量较低，说明这类港口在智慧港口建设中虽然在管理和技术上取得一定的成效，但在自动化水平上还需进一步提升，有很大的发展潜力；
位于Ⅲ区的港口,纯技术效率值低，年人均货物吞吐量低，说明这类港口虽然投入合理，但其纯技术效率低导致港口年人均货物吞吐量低，需要加强港口智慧化改造中的项目管理，尽快使其投入发挥效用。
(3)观察各大港口的规模效率值发现,港口的规模效率整体呈下降趋势。从港口规模效率均值来看，规模效率平均值从2017年的1.105逐步下降为2019年的0.931，降低了0.174。从各年份规模效率达到DEA有效的港口数量来看：2017年规模效率达到DEA有效的港口有4个，分别为唐山港、天津港、南京港和上海港，另外还有4个港口的规模效
图2 年人均货物吞吐量-纯技术效率矩阵
率在(0.99,1)内；
2018年规模效率达到DEA有效的港口数为5个，相较于2017年新增了营口港、青岛港和日照港，缺了唐山港和天津港；
2019年规模效率达到DEA有效的港口数依旧为5个，分别为营口港、日照港、连云港港、上海港和厦门港。总体来看，随着智慧港口建设的推进，港口的规模效率整体处于下降状态。
港口的规模效率反映的是港口生产要素投入规模对生产效能的影响。本文以2019年的港口总资产为横坐标，2019年港口规模效率为纵坐标，并将横轴以港口总资产均值(324亿元)、纵轴以规模效率值1为分界，构建总资产-规模效率矩阵图，见图3。由图3可知：2019年规模效率达到DEA有效的港口仅有5个，占全部港口数量的1/3，其中有1个港口分布在Ⅰ区，3个港口分布在Ⅱ区，1个港口位于Ⅱ区与Ⅲ区之间的分界线上；
10个港口的规模效率未达到DEA有效，其中7个港口分布在Ⅲ区，3个港口分布在Ⅳ区。位于Ⅰ区的港口只有上海港，其总资产投入多，规模效率也达到了DEA有效，能够将规模投入很好地转化为产出。位于Ⅱ区的港口总资产投入少，规模效率达到了DEA有效，在智慧港口建设中如果适当扩大规模，会有更好的产出效果。位于Ⅲ区的港口虽然总资产投入较少，但其规模效率并未达到DEA有效，造成了资源的浪费。位
图3 总资产-规模效率矩阵
于Ⅳ区的港口总资产投入过多，规模效率也未达到DEA有效，规模上的投入与产出不匹配，故在智慧港口建设中应关注如何发挥其规模效益。2019年较多港口的规模效率并未达到DEA有效，尤其是总资产投入多的港口规模效率值小，其出现的原因可能是：智慧港口建设的产出相对于投入存在滞后性，我国智慧港口建设后的应用效率尚未达到预期，国内港口仍然存在产能过剩的问题。
2.2 基于Malmquist指数的港口效率动态评价
运用Deap 2.1软件，使用Malmquist全要素生产率指数对效率进行分解，对15个港口在2017—2019年间的效率变动情况进行考察，可以得到Itfpch、Ieffch、Itech、Ipech和Isech，结果见表3。
表3 2017—2019年15个港口全要素生产率
(1)全要素生产率处于上升状态，上升速度有所放缓。从Itfpch来看:2017—2018年有8个港口的Itfpch超过1，即2018相较于2017年有8个港口的全要素生产率上升，全要素生产率平均提升了20.4%;2018—2019年有11个港口的Itfpch超过1，即2019相较于2018年有11个港口的全要素生产率上升，全要素生产率平均提升了5.6%;港口全要素生产率全面提升，但提升速度有所放缓。全要素生产率是港口技术进步、组织创新、专业化和生产创新等要素的综合生产率，Itfpch由Ieffch和Itech决定。从数据来看，智慧港口的建设使全要素生产率整体提高。全要素生产率上升的原因是：全要素生产率主要受Itech的影响，而受Ieffch的影响较小。
(2)港口技术效率水平整体上升，多个港口技术效率保持稳定。观察各港口的Ieffch发现：2017—2018和2018—2019年均存在10个港口的Ieffch为1的现象，说明更多港口在2017—2019年技术效率保持稳定状态，没有显著提高；
也存在少量港口的技术效率水平上升和下降的现象，港口的技术效率水平整体上有所提升，2018年比2017年平均提升了8.1%，2019年比2018年平均提升了2.5%。Ieffch代表着港口技术的利用水平，技术效率没有显著提高说明在智慧港口建设中存在没有充分利用新技术的问题。Ieffch主要由Ipech和Isech决定，Ieffch代表着港口的综合管理和技术提升对港口效率的影响以及生产规模的扩大对港口效率的影响。2017—2019年大多数港口的Ipech和Isech均维持在1左右，没有很大提升，甚至2019年的规模效率整体上比2018年下降了1%，这是造成港口技术效率无太大提升的原因。
(3)导致各类港口全要素生产率变化的主要原因是技术进步效率的变化。观察Itech可以发现：2017—2018年有9个港口的Itech超过1，即2018年相较于2017年有9个港口的技术进步效率有所提升，技术进步效率平均提升了9.9%;2018—2019年有11个港口的Itech超过1，即2019年相较于2018年有11个港口的技术进步效率提升，技术进步效率平均提升了3.2%，其提升速度有所放缓。这些港口技术进步效率的提升直接影响了全要素生产率的提升，与全要素生产率变化一致。Itech反映技术知识的积累与改进，代表着港口发展中的知识积累和技术优化。整体来讲，智慧港口的建设促进了港口技术的进步，港口技术水平的提高促进了全要素生产率的提高。
2.3 结果分析
通过对智慧港口效率的静态和动态分析发现，2019年港口的综合效率、纯技术效率整体上比2017年和2018年的高，但是2019年港口的规模效率较低。2017—2019年港口的全要素生产率逐步上升，2018—2019年全要素生产率上升放缓。总体来讲，智慧港口建设促进了港口效率的提升，具体表现如下：
(1)从静态分析中发现，2019年有超过2/3的港口的综合效率、纯技术效率达到了DEA有效，比2017年和2018年达到DEA有效的港口数量均有所增加。这说明在进行智慧港口建设时，越来越多的港口的综合效率和纯技术效率逐步达到DEA有效，港口的资源利用效率高，资源配置能力有了很大的提高，即智慧港口的建设促进了港口效率的提升。
(2)从动态分析中发现，港口的全要素生产率普遍提高。2017—2019年港口的全要素生产率普遍提升，但2018—2019年提升幅度较小。港口全要素生产率的提高主要受到技术进步变动指数的影响，说明在智慧港口建设中，要素质量的提高和科学技术的进步使得港口效率得到了提升，在智慧港口建设中物联网、大数据等新技术的应用促进了港口效率的提升。
然而，在智慧港口建设中也存在一些问题：
(1)随着智慧港口建设的推进，部分港口出现规模效率下降的现象。2019年港口的规模效率整体比2017年和2018年的低，且规模较大的港口普遍存在规模效率偏低的现象。这说明大型港口存在资源配置不充分的问题。其原因在于，智慧港口建设产出相较于投入存在滞后性，同时，虽然港口规模在扩大，但是港口产出不理想，导致了规模效率的下降，即港口产能过剩的问题依旧存在。
(2)智慧港口技术效率提升较慢。在对港口效率的动态分析中，通过对全要素生产率进行分解发现，港口技术进步变动指数的提升是全要素生产率上升的原因，而港口的技术效率没有显著提升。其原因在于，虽然对新兴信息技术的利用使得港口的技术水平有所提升，但是港口的管理水平并没有得到很大改善，新兴技术与传统港口业务并未充分融合，对新兴技术的利用率低导致了智慧港口技术效率提升缓慢。
依据上述分析，可以得出以下结论：我国智慧港口的建设明显促进了港口效率的提升，港口全要素生产率提高的原因是港口技术进步效率的提高；
在智慧港口建设中港口的技术效率提升较为缓慢，且部分港口存在规模效率下降的问题。国家应在继续深化供给侧结构性改革，推动港口行业高质量发展的同时，加大对智慧港口信息基础设施建设的支持力度，提升港口产业配套能力，同时开展“智慧港口”标杆示范工作，发挥标杆的辐射带动作用。对于港口企业而言，应加大科技研发投入，促进新兴信息技术在港口生产、服务和管理上的应用，提高新兴技术的应用效率，提升港口专业化水平；
同时，科学配置港口资源，提高运营效率和技术效率。