2.5 港口治理的绩效评价

港口治理的最终目的是改善港口的经营，促进港口的绩效，提高港口的竞争力，因此如何对港口的绩效进行合理的评价成为港口治理理论中的研究重点。但如何对港口的绩效进行合理的定义在港口治理理论的研究中还未得到统一。此外，对于港口绩效的评估，应该是基于某个特定港口的不同时间的比较，还是不同港口在同一时间上的比较？港口绩效应该是从经济角度，还是工程角度出发进行评价？这些问题的答案至今仍然存在较大的分歧。本节主要从指标体系评价、基于区域经济的影响和技术效率评价这三个方面出发，对港口治理的绩效评价进行综述。

2.5.1 港口治理绩效评价的困难

Bichou（2007）指出，港口绩效评价的困难主要存在如下四个方面［28］：

（1）绩效的含义不同。对于港口绩效有多种解释，如技术效率（technical efficiency）、生产力（productivity）、功效（utilization）、效果（effectiveness）等。各种不同的定义都反映了港口生产活动及其影响的一部分，它们之间既有重叠的部分，也存在较大的差异，这给港口绩效的度量和分析带来了极大的困难。

（2）评价标准不同。港口涉及不同的利益相关者，如港口当局、装卸公司、承运人、托运人、当地居民等，不同的成员有不同的评价标准，彼此之间有时甚至是相互冲突的，这也给评价带来了困难。

（3）港口活动的定义不同。港口是一个典型的多产出的服务性行业，它提供的服务包括货物装卸、船舶技术服务、码头管理、货物通关等。不同的服务所耗费的成本不同，衡量基准也不同，因此如何将不同类型的服务综合成一个可以在不同港口间进行比较的指标则是港口进行评价的难点之一。

（4）港口的组织结构、功能、制度、体制等不同，这点对于治理制度对绩效影响的分析至关重要。

2.5.2 指标评价

港口治理绩效的指标评价有以下几点：

（1）财务指标。在企业管理的决策和评价理论中，指标分析法被经常使用，其中财务指标是应用最多的一类指标。同样，在港口经济学中，财务指标评价法也被广泛使用，尤其是对于财务数据公开的上市港口企业，如李全勇（2009）、美国国家海事局（2003）等［29］［30］。该方法的优点在于简单实用，有一套相对完整和成熟的体系与流程。但缺点在于，由于港口投资的长期性，财务指标所反映出来的短期盈利能力可能与港口的长期战略不一致，港口的年度盈利能力不能完全反映港口在地区和国家中的地位及其竞争力。此外，不同的国家具有不同的会计制度，甚至在同一国家内部，由于港口的性质不同（私有港、地主港等），其财务指标所反映的内涵也不尽相同。港口的绩效还受其他因素的影响，诸如要素价格、市场的垄断程度、制度等，这些都是普通财务指标所不能反映的。

（2）生产指标。港口有着一套庞大的反映其生产经营活动状况的指标，由产量指标（如吞吐量、自然吨、操作吨、工序吨等）、车船在港停留时间指标（如停泊艘次、平均在港停留时间、每装卸千吨货在港停泊时间等）、车船在港装卸效率指标（如平均每停泊艘天装卸货物吨数、平均船时量等）、港口设备运用指标（如泊位运用指标、库场运用指标、机械运用指标等）和劳动工日指标、安全生产指标和货运质量指标等七大部分构成。Talley（1994）、Fourgeaud（2000）等都曾运用过港口生产指标体系对港口的绩效进行评估［31］［32］。这些指标从不同的方面反映了港口生产活动的状况，但它们的侧重点不同，标准也各异，如何将其整合成一个能反映港口绩效的综合指标则是问题的难点所在。

（3）全要素生产率（total factor productivity，TFP）。全要素生产率是指生产活动在一定时间内的效率，是衡量单位总投入的总产量的生产率指标，即总产量与全部要素投入量之比。全要素生产率的增长率常常被视为科技进步的指标，其来源包括技术进步、组织创新、专业化和生产创新等。Sachish（1996）分析了以色列港口的全要素生产率［33］。Lawrance和Richards（2004）分析了澳大利亚集装箱码头的全要素生产率［34］，并讨论了它们绩效改善的原因。用全要素生产率作为评价港口绩效的指标的优点在于能反映各种投入要素对产出的综合影响，特别是技术进步与创新对港口绩效的影响。但缺点在于其计算结果严重依赖估计方法和各种要素的权重设置。

（4）基于吞吐量指标。港口吞吐量是最常见的反映港口规模和绩效的指标，也是一个港口在国家乃至世界港口业中地位的体现。Talley（1988）指出可以通过比较一个港口的实际吞吐量和最优吞吐量来反映它的绩效［35］。所谓最优吞吐量是指港口在取得其经济目标（如利润最大化或成本最小化）时所完成的货物吞吐量，是在综合考虑港口企业内外部各种因素影响的基础上所得出的。实际吞吐量和最优吞吐量之间的差距越小，说明港口的绩效越好。该方法与技术效率的前沿分析有类似之处，而且较前沿分析更简便。但港口是一个多产出的系统，因此总的吞吐量并不能完全反映其所有服务带来的产出。

2.5.3 基于港口与区域经济相互影响的绩效评价

港口与区域经济间的相互作用已被广泛研究（如Bichou和Gray，2005）［36］，港口通过保障区域内物流的畅通，进而对贸易乃至区域经济有着至关重要的作用。从港口对区域经济影响的角度来评价港口绩效的文献可分为如下两大类：

（1）从港口与区域交通物流成本的关系出发。如Sanchez等（2003）、De和Ghosh（2003）运用主成分分析法对港口效率与地区交通系统的成本之间的关系进行了实证研究［37］［38］，指出两者之间具有长期稳定的负向关系。他们指出可根据GDP的产值中由于港口效率的提高而导致的区域物流成本的减少值来作为港口绩效的指标。

（2）从港口与区域经济发展的关系出发。这类研究主要从经济地理学（如Rodrigue等（1997）、de Langen（2002））［39］［40］、投入/产出分析（如Hamilton等（2000）、Moloney和Sjostrom（2000））［41］［42］、可计算的均衡模型（CGE）（如Devarajan和Rodrik（1991）、Dio等（2001））［43］［44］、重力模型（如Wilson等（2003））［45］等方面着手。

上述两类研究主要从统计等实证研究的方法来探讨港口绩效与区域物流和经济之间的关系，对正确评价港口在地区和国家发展中所起的作用有较好的理论意义和政策效果。但不同地区和国家的经贸环境乃至制度和文化差异巨大，因此由此得出的港口绩效无法进行横向比较。

2.5.4 基于前沿分析技术的绩效评价

现有文献中关于港口绩效评价的前沿分析主要从技术效率或生产率出发。企业的技术效率是Farrell在1957年率先提出的。Farrell（1957）在Debreu和Koopmans（1951）工作成果的基础上，提出了一个关于多投入产出经济体的效率度量框架［46］［47］，并定义了技术效率（technical efficiency）和配置效率（allocative efficiency）的概念。他指出，为了明确企业经营中的非效率因素，必须分离出理论上的最佳业务边界——生产边界（productive frontier），即满足最大产出（利润）或最小成本的前提下，具体条件约束下的经济组织个体所能达到的最优经营可能。这里“边界”的概念同经济理论中的最优行为假设是一致的，个别组织的经营实践活动偏离“边界”的程度则被作为衡量其无效率状况的指标。因此，生产边界的确定对于确保公司经营效率的度量十分关键，实证研究中有关于技术效率的估计技术一直以来是学术界的争论焦点之一。Berger和Master（1997）的文献综述中对这些方法进行了较为全面的总结和讨论［48］，并依据是否需要假定边界模型（frontier model）的函数形态将之概括为两大类——参数方法（parametric frontier method）和非参数方法（non-parametric programming method），其中参数方法可以进一步分为随机边界法（stochastic frontier approach，SFA）、自由分布法（distribution free approach，DFA）、厚边界分析法（thick frontier approach，TFA）三种，它们之间的主要区别在于边界估计过程中对非效率项和随机扰动项的具体分布和相关性的假设；而非参数方法则主要包括数据包络分析（data envelopment analysis，DEA）和自由可置壳法（free disposal hull approach，FDH）两种。目前在港口绩效的评价方面，SFA和DEA是应用较多的两种方法。

1．SFA

SFA的出现和应用源自Aigner等（1977）和Meeusen和van den Broeck（1977）对确定性边界函数方法所提出的质疑［49］［50］，其焦点主要在于该方法在设定函数时将差异项（误差项）归因于技术无效率因素的假设。Aigner等（1977）指出，现实中的个别厂商生产经营活动过程必然会受到许多不可控因素的影响，诸如自然环境因素（地震、洪水、海啸、台风等）、社会环境因素（风俗、习惯、文化等）、宏观环境因素（经济发展水平、政治经济制度变革、各类管理制度的调整等）以及各类微观要素的具体情况。这些不可控因素常常会通过各种途径（直接或间接地）致使具体厂商生产活动的成本或产出数据发生变化，因此研究生产单元的投入、产出差异时，不仅需要考虑技术无效率项，还应该增加关于随机误差项的讨论。在此基础上，Battese和Coelli（1992）结合面板数据模型（panel data model）对随机前沿分析进行拓展［51］。Battese和Coelli（1993）提出了两种基于面板数据的对数形式的随机前沿生产函数，并被广泛用于评估技术效率［52］。在SFA模型的实证应用中，极大似然估计方法（maximum likelihood estimate method，MLE）被广泛用于计算模型的参数值，但当研究样本为混合面板数据（panel data）时，极大似然估计在参数计算中常常会暴露出忽略时间因素所造成的差异的弊端，进而造成无效率值估计结果的准确度下降。Pitt和Lee（1981）与Schmidt和Sickles（1984）将由此可能带来的问题总结为以下三点［53］［54］：第一，随机边界分析法虽然实现了将技术非效率从误差项中分离出来的目标，但仍需对技术非效率项所服从的统计分布施加限定，才可求得具体企业的效率值。而随着分布假设的不同，所估计出来的无效率值可能也会呈现出差异；第二，随机边界分析法假设非效率项与解释变量（自变量）间相互独立，然而实际上二者之间往往存在某些相关性；第三，随机边界分析法利用条件期望值的概念，求得个别企业的效率指标，其估计值未满足一致性。尽管存有上述所言的困难，应用面板数据库作为样本的优势仍然十分明显，这不仅可以为本书提供更多的参考信息（与单纯的截面数据相比），同时也让所设立的参数模型更加接近现实。为了避免前面提到的因素可能造成模型估计过程中产生偏误的问题，一个简单且直接的办法是在使用面板数据库估计企业非效率变化时不事先假设随机误差项及无效率项的概率分布特征，但来自样本规模和数量的约束让这种尝试变得并不现实，因此为了平衡这两个方面的需要，对随机误差项及非效率项的分布情况进行适当而合理的假定就变得非常重要了。对此，Pitt和Lee（1981）、Battese等（1989）、Kumbhakar（1990）以及Battese和Coelli（1988，1992，1993）等文献均就如何应用面板数据库通过极大似然估计方法估计随机边界函数提出了一系列具体的研究框架［51］［52］［53］［55］［56］［57］。

在港口绩效的评估方面，已有大量使用SFA模型的文献，这些文献的比较如表2-7所示。

2．DEA

DEA是一种效率评价方法，它把单输入单输出的工程效率概念推广到多输入多输出同类决策单元（DMU）的有效性评价中，极大地丰富了微观经济中的生产函数理论及其应用技术，同时在避免主观因素，简化算法，减少误差等方面有着不可低估的优越性。自1978年以来，DEA方法发展极其迅速，在理论和应用上均产生了较大的影响，被广泛应用于技术效率、规模经济、弹性分析、预测与预警等经济管理领域。

基于前沿分析的港口治理绩效评价的文献对比如表2-7所示。

在技术效率的评测技术中，SFA和DEA是参数方法和非参数方法中的代表，对两者的比较有如下观点：

（1）SFA方法是一种经济计量方法，以概率分布的观念来看待样本点效率的不同，具有统计特征，可以对模型中的参数进行检验（如t检验等），也可以对模型本身进行检验（如似然检验等）；而DEA方法作为一种数学规划方法，不具备统计特征，不能对模型本身进行检验，所以从这点上来说，许多经济学家，如Pitt和Lee（1981）、Bauter（1998）、Reinhard（2000）等认为SFA方法具有优势［53］［74］［75］。

（2）SFA方法由于可以建立随机前沿模型，使前沿面本身是随机的，而且由于其区分了统计误差项与管理误差项，可以很好地避免不可控因素对非效率产生影响，使结果更接近于实际；而DEA方法的前沿面是固定的，所有的观察单元共用一个前沿面，由于其忽略了样本之间的差别，且把可控和不可控因素都归为非效率，从而一定程度上影响结果的正确性。

（3）假定每个投入都关联到一个或多个输出，而且输出输入之间确实存在某种关系时，用SFA方法需要对函数具体形式进行假设，使用DEA方法不必确定这种关系的显性表达式，只需要有投入产出的观察值即可；而且SFA一般只适合单产出、多投入的生产形式，当经济单元为多产出、多投入时，则只能通过一些方法将多产出合并为单一产出时才能使用该方法，而DEA方法在测算效率的时候，无论是多产出还是单产出，都对模型没有什么影响。而且DEA方法在评价多投入和多产出生产单元时能够以实物的形式来估计前沿生产函数，从而避开了价格体系不合理等非技术因素作用对前沿生产函数的影响，所以从这些方面来讲DEA方法又有其有利的一面。

（4）SFA方法需要对效率进行一些分布假设，如对非效率为非负的先验性假设等，只能通过估计结果来检验其正确性；而DEA方法则可以通过计算直接获得效率值。

DEA和SFA两种方法各有优劣，学者们有不同的选择，在经验研究中两种方法的应用文献非常多。而Kohers等（2000）、Reinhard等（2000）、Bauer等（1998）、徐琼（2005）、何元庆（2006）等人在比较两者的分析结果后得出结论：在模型设定合理的条件下，基于面板数据的随机前沿模型比DEA的估计效率更好［74—78］。

除了上述两种方法的比较之外，用于评价港口技术效率和生产率时这两种方法还存在如下一些共性的问题：

（1）在技术效率和生产率的评价时，无论SFA还是DEA，都必须选择投入和产出变量。由于港口具有多种投入和产出，且各自的投入和产出各不相同，因此投入和产出变量的选择有很大的主观性。

（2）各类文献对港口技术效率及生产率的研究结果差别很大，所选取的样本，无论从时间上还是地域范围上，差别也都很大，因此造成港口效率之间的比较的可信度较低。

（3）由于货主码头的数据获取困难，因此大多文献将研究集中于公用码头的效率分析，从而忽略了货主码头及其对港口效率的贡献，这与当前港口发展中的民营化趋势不相符合。

（4）SFA和DEA均只能对技术效率或生产率进行分析，缺乏对港口的社会效益的评估，无法得知港口对于客户、供应链和区域经济的贡献，因此对“效果导向”的港口治理模式的分析较为欠缺。