中国交通运输产业改革发展成果分析

按照现代产业组织理论的SCP分析范式，市场结构、市场行为和市场绩效三者之间具有一定的联动关系，虽然芝加哥学派和新制度学派的产业组织理论打破了市场结构—市场行为—市场绩效之间的单方向决定关系，但也并未从根本上否定三者之间的联系。前面几章已经分别讨论了铁路、公路、航空和水运等行业的市场结构以及企业行为问题，这一章将围绕几个代表性行业的市场和经营绩效展开讨论。现代产业组织理论通常采用资源配置效率、技术进步和企业利润率及生产效率来衡量某一行业的市场绩效。目前对我国交通运输各行业的市场绩效研究非常少，因此，本章的研究也可能相对粗浅，但还是试图通过这样一种定量研究方法对我国主要交通运输行业的生产效率做出初步分析，虽然是以企业为主体的生产效率分析，但仍然可以从另一个侧面探讨我国交通运输行业存在的一些问题和解决的路径。

效率一词在各个领域中所涵盖的范围很广，其基本概念是用来描述资源使用的特征。经济学上对于效率有着较严谨的定义。所谓效率（Efficiency），着重于厂商生产投入与产出之间的关系，而生产函数正是反映要素投入与产出之间的技术关系。假设一个厂商或生产单位利用现有生产技术，在定量的要素投入下，若能成功地达到其潜在的最大产出水平，则称这个厂商的生产行为具有经济意义上的生产效率（Production Efficiency）；反之，若一个厂商或生产单位的生产未能达到其潜在的最大产出水平，就被认为是处于生产无效率状态。Farrell（1957）最早从微观层面探讨了企业效率研究的方法，第一次引入了前沿生产函数（Frontier Production Function）的概念，并以此作为资源利用的评价标准。前沿分析方法的核心是根据已知的一组投入产出观察值，定义出所有可能的投入产出组合的外部边界，即生产前沿面，使得所有观察值都落在边界之内，每个观察值与边界的距离即是该生产点的效率。前沿效率是一种相对效率概念，效率前沿面始终由样本中最佳企业或单位构成，目前前沿分析方法已经成为微观效率研究中最普遍采用的方法之一。

前沿分析方法分为参数法和非参数法。非参数法是以线性规划和对偶原理，通过对企业的投入、投入价格及产出指标的组合来评价效率水平。非参数法无须设定函数形式。参数法需要事先假设生产函数或者成本函数形式，利用多元统计分析技术，估计出前沿函数中的未知参数，继而计算出各个决策单元成本效率或技术效率值的一种计量经济学方法。参数方法又进一步分为确定性前沿方法和随机前沿方法（SFA），二者最大的差异是，确定性前沿将观察值与效率前沿面的差异全部视为技术无效率或者成本无效率，而随机前沿方法则将无效率分为随机误差项和非效率项。下面简要介绍本章分析交通运输各行业的企业生产效率时采用的三种主要的前沿分析方法。

数据包络分析法属于非参数法，最初由Charnes，Cooper和Rhodes （1978）提出，这就是CCR模型。随后该模型不断得到发展，在很多研究中使用。该模型是将Farrell（1957）所提出的“两项投入一项产出”的模型，推广至“多投入多产出”的模型，并利用线性规划和对偶定理，求出受评估单位（DMU）的生产前沿，凡落在边界上的DMU称为DEA有效率，其效率值为1；而其他未落在边界上的DMU则称为DEA无效率，其效率值介于0与1之间。据此来利用线性规划方法求得并计算每一决策单位（DMU）的相对效率。基本模型如下：

假设有n家企业，每家企业均使用m种投入生产s种产出；令Bj表示第j家企业，j＝1，…，n；［xij］表示Bj的m×1投入变量，i＝1，…，m；［yrj］表示Bj的s×1产出向量，r＝1，…，s。某一特定企业Bj0的相对效率可由以下原始模型求得：

（11．1）式中：xij表示第j家企业的第i项投入值；yrj表示第j家企业的第r项产出值；ur，vi分别表示第r个产出项与第i个投入项的权数；hj0表示第j家企业的相对效率值。

（11．1）式是目标函数，是求第j家企业的相对最大效率。该式是一个分数线性规划模型（Fractional Linear Programming），其解（u＊r，v＊i）可能有无穷多组解。为了解决这一问题，Charnes，Cooper和Rhodes（1978）将其转化为线性规划模型（Linear Programming）以便于求解。如（11．2）式：

（11．2）式是考虑投入加权总和为1的限制后，使产出加权总和最大化。由于（11．2）式的限制式个数大于变量个数，因此可将上式转换成其对偶模型（Duality），转换后可表示为唯一的包络形式（Envelopment Form）。此对偶模型如下：

（11．3）式中：θ即为第j家企业的相对效率值，而λj代表非负向量，由（11．3）式可知λj≠0所对应的所有企业正好是第j家企业Bj的参考集合。另外，根据所参考的权数比重之和可以判断各家企业的规模报酬处于何种状态，其判断如下：代表该家企业Bj为规模报酬递减；代表该家企业Bj为规模报酬不变代表该家企业Bj为规模报酬递增。

DEA方法的特点或者说优势在于：首先，它是一种可以用于评价具有多投入、多产出的决策单位的生产（或经营）效率的方法。由于DEA方法不需要指定投入产出的生产函数形态，因此它可以评价具有较复杂生产关系的决策单位的效率。其次，它具有单位不变性（Unit Invariant）的特点，即DEA方法衡量的DMU的效率不受投入产出数据所选择单位的影响。再次，DEA模型中投入、产出变量的权重由数学规划根据数据产生，不需要事前设定投入与产出的权重，因此不受人为主观因素的影响。最后，DEA方法可以进行差异分析、敏感度分析和效率分析，可以进一步了解决策单位资源使用的情况，可以为管理者的经营决策提供参考。

DEA方法的缺点在于它衡量的生产函数边界是确定性的，因此，它无法分离随机因素和测量误差的影响。同时，该方法的效率评价容易受到极值的影响。

Malmquist生产力指数用来衡量一个行业内部企业效率的变动和行业技术进步的结果，它建立在Farrell所提出的效率衡量方法基础之上。Farrell （1957）所提出的效率衡量方法，是在特定期间生产技术不改变的前提下，衡量厂商的产出投入距离生产边界的程度，并将所估计的生产效率指标作为评估厂商生产营运绩效的指标。但是如果加入“时间”因素，即考虑多期模型，生产技术可能发生变动，因此如果以某数据期间第一年所评估出的效率值与第二年所评估出的效率值进行比较，因其生产前沿不同，所以没有比较的基准，若直接将第一年与第二年分别求出的效率值相比，将会产生偏差。为了客观衡量综合技术效率变动、技术变动与全要素生产率的关系，本书使用F－re等（1992）定义的Malmquist生产力指数（Malmquist Productivity Index，MPI），也就是Caves，Christensen和Diewert（1982）所提出的第t期及第t＋1期的Malmquist生产力指数的几何平均数来衡量跨期的效率变动情况。

Malmquist生产力指数是假设固定规模报酬下所衡量的指数，它可以分解为综合技术效率变动及行业技术变动的乘积：

Mo（Xt＋1，Yt＋1，Xt，Yt）＝EC（CRS）×TC（CRS）

其中，EC（CRS）代表综合技术效率变动，TC（CRS）代表技术变动。若EC（CRS）＞1，代表效率改善；若EC（CRS）＜1，代表效率恶化。此效率变动表示产业管理方法的优劣与管理层决策的正确与否：当效率改善时，表示管理方式与决策正确、得当，使得EC（CRS）大于1；反之，如果管理方式与决策不当，会使EC（CRS）小于1。此外。如果TC（CRS）＞1，代表技术进步；TC（CRS）＜1，代表技术退步。

随机前沿分析法属于参数法，参数法相对于非参数法的优点是使用统计方法构建的前沿函数，其结果可以做进一步统计推论，而且随机前沿方法由于考虑了随机误差对于效率的干扰，使得前沿面随着样本点的不同而不同，避免了统计误差对效率的影响。

Aigner，Lovell和Schmidt（1977）等人最早提出了具有符合扰动项的随机前沿模型，认为误差项是由无效率项与随机干扰项两部分组成，称为混合误差项（Error Component）。无效率项由相对于效率边界的效率差异所构成，是厂商可控制的误差；随机干扰项可解释为统计上衡量的错误，亦即厂商无法控制的因素，如政治局势、天灾、机器运作状况等。随机前沿分析法根据函数形式可以分为随机生产效率边界模型和随机成本效率边界模型。本书使用了随机成本效率边界模型（Stochastic Frontier Cost Model），该模型为成本函数的形态，故所估算出的产业或厂商的无效率指标便包含了技术无效率和分配无效率两部分。

我们根据Battese和Coelli（1995）建立随机成本边界模型，并依据Altunbs等人（2000）衡量技术变动的方式，在模型中加入1＋t＋t2构建企业随机成本边界模型，该实证模型如下：

（11．4）式为随机成本边界函数。其中，i为企业或者机构的数量，i＝1，2，…，n；t为时间，t＝1，2，…，T；TCit为总成本；PKit为资本投入要素价格；PLit为劳动投入要素价格；Qit为企业总产出；vit为企业i在第t年的随机误差项，呈正态分布，即vit～N（0，σ2）；uit为企业i在第t年的无效率误差项，代表成本无效率的程度，为非负的正态分布，方差为σ2，uit≥0。

这个模型除了估计投入与产出的关系外，还加入了技术变动的分析。

由于我国铁路经营还没有实现企业化管理，因此，对我国铁路行业经营效率的分析可以从各省市区域角度入手。这里我们采用数据包络分析法对我国31个省市的铁路行业从投入与产出角度对其经营效率进行总体分析与评价，并对我国铁路业区域发展差异和生产力变动进行分析讨论。

首先，我们选择我国31个省（自治区、直辖市）作为分析样本，来考察我国铁路业的经营效率。分析现有国内外对铁路运输业生产效率的研究文献可以发现，铁路运输业的产出指标有两类：一类是可得性产出指标（如车—公里、座—公里等），另一类是收入性产出指标。可得性产出指标主要衡量铁路的供应能力，收入性产出指标则更侧重于使用者对于铁路运输的实际消费以及由此产生的收益。根据我国实际情况，可得性产出指标无法真实、准确地衡量铁路生产效率，因此本书采用收入性指标；铁路投入指标主要考虑采用资本和劳动。例如，Oum和Yu（1992，1994）在对OECD国家铁路系统进行分析比较的研究中就曾经用劳动力数量代表劳动指标；用燃料消耗、道路长度与结构、其他物质投入、客车数量、货车数量、拖车数量等来代表资本投入。根据现有文献研究成果和我国铁路行业相关统计数据的可得性，本书选择客运周转量（人公里）、货运周转量（吨公里）作为产出指标，选择铁路从业人员、铁路营业里程作为投入指标。相关数据来源于《中国统计年鉴（2001～2005）》，限于数据的可得性，本书剔除青藏这一无效数据，共有30个省（自治区、直辖市）的有效决策单位，总计5年，150个投入、产出观测值。

本书同时采取数据包络分析中的两个基本模型（CCR和BCC），应用Deap 2．1软件对我国30个省（自治区、直辖市）2000～2004年的投入产出数据进行计算，得到中国各省份、各年度的铁路综合技术效率值、纯技术效率值和规模效率值。对2000～2004共5年的运行结果进行整理，得到中国铁路的平均生产效率值，如表11．1所示。

表11．1　中国各区域的铁路平均生产效率值　（2000～2004年）

研究发现：首先，2000～2004年中国铁路的综合技术效率值偏低，一直徘徊在0．60左右，说明中国铁路总体效率偏低；其次，2000～2004年中国铁路的规模效率值明显高于纯技术效率值，规模效率基本达到0．90以上，这说明中国铁路的规模已经接近最佳规模，规模无效率并不是影响中国铁路总体效率的主要因素，纯技术效率比较低是影响我国铁路综和技术效率的主要原因。纯技术效率衡量的是以现有投入获取最大产出的能力，纯技术效率偏低说明我国铁路行业经营存在对投入资源利用效率比较低的问题。

综上所述，从全国平均水平来看，为实现提高铁路生产效率的目标，提高现有铁路投入资源的利用效率远比增加铁路投入资源更加重要、更加有效。

从区域的角度看，我国铁路运输业的发展并不均衡，为研究中国铁路生产效率的区域差异，本书在Deap2．1软件计算结果的基础上，按照东部、中部、西部三大区域[1]的划分方法对其进行整理，结果列于表11．2中。

表11．2　中国铁路生产效率的区域差异分析　（2000～2004年）

研究发现：第一，从综合技术效率来看，2000～2004年东部地区一直雄踞首位，其次是中部地区，再次是西部地区；从纯技术效率来看，东部地区也是效率最高的区域，其次是中部地区，再次是西部地区。这说明东部地区不仅是中国铁路运输最为发达的区域，而且也是铁路经营管理水平最高的区域。第二，2000～2004年中部和西部的综合技术效率和纯技术效率远远落后于东部地区，但其规模效率却明显高于东部地区，这说明中西部地区的生产无效率主要是由纯技术无效率所造成的。第三，2000～2004年中部和西部的规模效率均高于0．90，而同期中部和西部地区的纯技术效率分别徘徊在0．70和0．50左右，纯技术效率明显低于规模效率，这也再次说明纯技术无效率是中西部地区铁路生产效率低下的关键症结所在。

基于上述分析，本书认为因地制宜地为各区域制定不同的发展策略是提高中国铁路总体效率的关键：对于东部地区而言，应在有效改善纯技术效率的基础上，理性地进行规模投资，进一步改善规模效率状况，从而使铁路运输能够更好地为区域经济服务；对于中西部地区而言，其发展的重点不应该盲目地扩大投资规模，而是应该通过提高管理水平来改善这两个区域的纯技术效率。

本书利用Malmquist生产力指数对我国铁路运输业总体生产力变动及技术变动进行测评。由于Malmquist生产力指数可以进一步分解为综合技术效率变动和技术变动；综合技术效率变动又可以进一步分解为纯技术效率变动和规模效率变动。因此，使用该方法能够从中剖析出铁路生产力变动产生的源泉。本书利用Deap2．1软件，对2000～2001年、2001～2002年、2002～2003年、2003～2004年各期间生产力及相关效率和技术水平的变动予以测算，相关整理结果见表11．3。

表11．3　我国铁路业生产力及效率和技术变动　（2000～2004年）

研究发现，2000～2004年间中国铁路生产效率的Malmquist生产力指数都大于1，这表明中国铁路运输业的生产率从总体上呈现出改善的趋势。但是，进一步分析可以发现，生产效率的总体改善主要源于铁路运输业的技术进步，除了2000～2001年技术进步率小于1、综合技术效率变动大于1之外，2001～2002年技术进步率为1．049，2002～2003年技术进步率为1．130，2003～2004年技术进步率为1．125，而同期的综合技术效率变动分别为0．991、0．929、0．985，2001～2004年间技术在进步，综合技术效率非但没有提高，反而有所下降。这表明中国各省市铁路的综合技术效率呈现出下降的趋势。

为了分析我国航空业的总体经营绩效，本书采用数据包络分析法从我国主要航空公司的经营效率和行业的技术变动两个角度进行衡量。为了能够获得进行量化分析的实际数据，本书采用上市航空公司的数据进行分析。同时，为了更好地对比说明我国航空公司的经营能力和水平，以及获得更多的研究样本，本书决定对大陆和台湾地区两岸的航空公司经营效率进行测评与衡量。

本书选取两岸11家上市航空公司作为研究样本，包括中国国际航空、中国南方航空、中国东方航空、上海航空、山东航空、海南航空、中华航空、长荣航空、远东航空、立荣航空及复兴航空。虽然这11家航空公司在经营规模、飞行目的地、地区特性等方面存在明显差异，但是这些航空公司同属大中华地区，管理层具有相近的社会文化属性，并且两岸经济的逐渐融合发展，现在已经成为不可分割的经济共同体，因此可以选择作为数据包络分析法的研究样本。从资料来源看，分别来自上海证券交易所、深圳证券交易所和相关证券交易所公开发布的上市公司年度报告和财务报告（2003～2005年）以及中国民航出版社出版的《从统计看民航》（2004～2006年）一书。

关于投入产出指标的选择，根据国内外对航空公司经营效率的研究文献，考虑到研究样本的经营特性和数据可得性，本书采用固定资产、员工人数和营业成本作为航空公司的投入指标，选取营业收入作为产出指标。

本书采用数据包络分析法的基本模型（BCC）和Deap 2．1软件对这11家航空公司的效率进行了测评，两岸航空公司的技术效率、规模效率和纯技术效率平均值如表11．4所示。

表11．4　两岸航空公司总体效率对比

从总体上看，台湾航空公司的平均效率要略微高于大陆航空公司的总体效率水平。具体来看，在2003～2005年间大陆航空公司的规模效率保持相对稳定，这说明大陆航空公司的规模效率的高低对其技术效率的波动影响微乎其微。但是，这并不代表大陆航空公司的技术无效率仅仅来源于纯技术无效率，恰恰相反，其技术无效率在2004年、2005年两年，更大程度上来源于规模无效率。台湾航空公司的纯技术效率要远远高于规模效率，也就是说，在整个样本期间内，其技术无效率更大程度上是由于规模无效率造成的。从这一点看，两岸航空公司的技术效率表现有一个共性，就是与纯技术效率相比，规模效率相对低一些。所以两岸航空公司当前要想提升技术效率，更需要做的是调整生产规模，使之达到成本最低的最佳规模点。

数据包络分析法是将具有技术效率的点连接起来，形成一条效率前沿，再以这条效率前沿曲线作为衡量效率的标准，可以求出每家航空公司的投入产出项的冗余数量，并且通过冗余数量与投入要素总量进行比较，可以分析航空公司的投入拥挤程度。通过投入拥挤分析，可以看出航空公司对投入资源的有效利用情况，并且为航空公司改进经营效率提供具体目标和方向。为此，本书采用投入导向的CCR模型计算出11家航空公司的投入拥挤数量及拥挤程度，如表11．5所示。

表11．5　2003～2005年两岸航空公司投入拥挤情况比较（按地区）(www.xing528.com)

从表11．5可以发现，一个明显的特点是，大陆航空公司总体上投入拥挤数量和程度都远远高于台湾航空公司。具体来看，有以下几个特征：

第一，从航空公司的三项投入来看，在样本期间的任何一年，大陆航空公司的投入拥挤绝对数量和比值都分别远远高于台湾航空公司。但两岸航空公司的投入拥挤程度均呈下降趋势。2003年，大陆航空公司在营业成本、固定资产及员工人数三种投入上的投入拥挤程度分别比台湾航空公司高7．36%、32．46%和39．27%。尽管2004年和2005年大陆航空公司的投入拥挤程度有所改观，但是仍然比台湾航空公司高很多。

第二，大陆航空公司在固定资产投入项的投入拥挤程度在2004年和2005年比2003年的状况有很大改善，固定资产的投入拥挤由2003年的34．23%一下子降低到2004年的6．15%和2005年的5．53%。这说明大陆航空公司的固定资产调整方向是正确的，有利于降低投入拥挤程度，从而促进了2004年和2005年的规模效率提升。

第三，大陆航空公司三种投入要素中拥挤程度最大的就是人员投入，而且样本期间人员投入拥挤状况普遍很严重。尽管2004年人员拥挤程度与2003年相比有了比较大的改善，但是依然存在较多的冗员。而2005年与2004年相比不仅没有任何进步，反而有所恶化。以2005年的人员拥挤状况作为分析切入点，这意味着大陆航空公司平均每家应该裁员5956人，而不会影响其产出水平。如此严重的人员投入拥挤在很大程度上暴露出大陆经营管理体制存在的弊端。

总体来看，大陆航空公司在降低投入拥挤方面还是有比较大的进步，尤其是在固定资产和营业成本方面。这意味着大陆航空公司提高了资源利用效率，并且使资源浪费程度大幅度下降。

随着我国高速公路建设规模和运营里程的不断发展，高速公路经营公司也随之发展起来，截至2005年底，我国已拥有300多家公路经营企业，到2004 年3月底，我国共设立了19家高速公路上市公司，通过发行股票，市场融资净额达到273．44亿元人民币，为我国高速公路建设事业的快速发展做出了重要贡献。本书将通过分析我国上市高速公路企业的经营效率作为切入点来衡量我国高速公路业的生产效率。在分析高速公路企业的经营绩效时，企业的成本控制是关键一环，因此本书采用随机前沿分析法来分析高速公路企业的成本效率。

本书以2004年3月底之前上市的19家高速公路企业，即东北高速、福建高速、赣粤高速、宁沪高速、山东基建、深高速、皖通高速、五洲交通、西藏天路、中原高速、重庆路桥、ST延边、海南高速、湖南投资、华北高速、厦门港务、现代投资、粤高速和漳州发展作为研究对象。这些上市的高速公路企业大多成立时间较早，资本比较雄厚，比较具有代表性。通过对这19家上市高速公路企业成本效率的研究，能够基本了解整个高速公路行业的经营状况。限于数据的可得性，本书选取了2001～2005年五年的数据作为样本，这些数据主要来自各家上市公司历年公布的财务报告。

本书采用Battese和Coelli（1995）建立的随机成本边界模型来分析高速公路企业的成本效率。根据国内外文献和高速公路经营企业的特性，本书选择员工人数和固定资产作为投入指标，企业经营收入作为产出指标。根据模型要求，还需要两项投入的价格，各项指标及其计算方法如表11．6所示。

表11．6　各变量的定义和说明

本书对大陆高速公路19家上市企业的成本效率进行测评，分别采用2001～2005年的财务数据，利用Frontier 4．1软件，对前面已经设定的随机成本边界模型进行实证研究与分析。随机成本边界函数的实证模型如下：

其中，i为上市高速公路企业的数量，i＝1，2，…，n；t为时间，t＝1，2，…，T；TCit为总成本；PKit为资本投入要素价格；PLit为劳动投入要素价格；Qit为总产出，在无效率模型中代表高速公路企业的规模；vit为上市高速公路企业i在第t年的随机误差项，呈正态分布。

表11．7列出实证模型中各参数的估计结果，并将19家上市企业五年的无效率指标进行比较。

表11．7　随机成本边界函数估计结果

注：＊表示在1%水平下显著。

通过上面的实证结果，可以得到以下几点结论：

第一，参数β1的T统计量为1．8190，即资本与劳动力投入的相对要素价格同成本呈正相关。相对要素价格的二次式中，参数β3的T统计量为6．4657，即相对要素价格造成成本增加的速度是显著递增的。也就是说，在相对要素价格增加的幅度不变的情况下，成本随着相对要素价格提高而增加的幅度越来越大。

第二，参数β2的T统计量为－7．1005，即总产出同成本呈显著的负相关。总产出的二次式中，参数β4的T统计量为5．8551，即总产出增加造成成本递减的速度是显著递增的。从而得到，总产出的增加，使资源更有效的配置，要素利用率得到提高，成本则降低，且随着总产出的增加成本降低的幅度越来越大。

第三，参数β5的T统计量为2．6492，即产出同相对要素价格的复合效果与成本呈现出显著的正相关。也就是说，产出与相对要素价格同时增加或减少，成本必定增加或减少；产出与相对要素价格一个增加一个减少，只要二者之积增加，则成本增加。

第四，参数β6的T统计量为－1．0328，即时间变动与成本呈现出不显著的负相关，表明在2001～2005年的五年间，成本效率并未随时间的变化表现出显著的变化。虽然五年的平均成本效率总体上看是提高的，但是这一变化并不明显。一个可能的解释是，五年的样本期间对于研究一个行业来说，尚显短暂，从而成本效率的变化情况还不显著；另一个可能的解释是，虽然这五年经历了高速公路行业的改革，但是存在着政策的延续性和效果的滞后性，改革的效果在日后会日益显现。

使用Frontier 4．1软件对随机成本边界模型进行估计，得到19家上市的高速公路企业五年间的成本效率值，如表11．8所示。

表11．8　2001～2005年高速公路企业的成本效率值及排名

通过表11．8可以清楚地看到我国上市的高速公路企业2001～2005年的成本效率变化情况，并得到如下结论：

第一，这19家上市的高速公路企业五年间的成本效率均有增有减，但总体上呈上升的趋势。企业的成本效率值越接近1，其成本效率越高。这19家企业五年间大都经历了成本效率相对有效到效率变差，再到成本效率改善的过程。究其原因，高速公路行业作为上市较早的行业之一，在改革之初也出现了诸多问题，使资源未得到充分利用，成本效率恶化。但随着高速公路企业改进生产技术，改善资源利用水平，并通过股权结构优化调整，适度扩大企业规模等努力，使企业的成本效率得到改善。可见，高速公路行业的改革还是富有成效的。

图11．1　2001～2005年高速公路企业的平均成本效率变化

第二，上市的高速公路企业的平均成本效率总体上经历了先降低再逐渐改善的过程，2003年的成本效率最差。在图11．1中，成本效率值在2003年最远离1值，而随后成本效率值逐渐降低，成本效率逐年提高。这其中一个主要的原因是2003年非典的爆发，给高速公路行业带来影响，人们出行的减少极大地降低了该行业的收入。总的来说，高速公路行业的成本效率较高，但仍有改善的空间。

第三，通过对上市高速公路企业的成本效率进行排名，发现企业的排名变化较大，特别是湖南投资、福建高速、ST延边、宁沪高速和中原高速这五家企业的成本效率排名变化较为明显。一个可能的解释是，高速公路行业正处于扩张期，企业每年的投资项目变化很大，导致企业的排名不稳定。随着高速公路行业从行业扩张期向稳定发展期转变，企业更多地将面临路面维护、收费管理等运营问题，届时企业的成本效率将可能逐渐趋于改善。

在经济全球化和我国经济快速增长的大背景下，我国沿海港口发展也一直处于上升时期。本书通过对我国沿海主要港口的生产效率进行评价，以期对整个港口行业的经营效率做出大致判断。港口主要是为航运服务商、货主以及运输企业等提供多样化的服务，提供的服务具有复杂性的特点，很难用单一的绩效指标来衡量，因此，本书采用多投入多产出的行业绩效评价方法，即数据包络分析方法来衡量我国沿海主要港口的经营绩效。

关于港口效率分析，几乎所有的研究都将货物吞吐量作为一个重要的产出指标，也有一些研究将其他项目列为产出指标，如用户满意度或者港口利润等。对于港口投入指标，主要从资本、劳动和土地三个角度去衡量。根据国内外研究文献和数据可得性，本书选取两个投入指标：港口泊位长度和港口泊位数量，一个产出指标，即港口吞吐量。本书选取28家主要沿海港口作为样本，研究它们2002～2005年间的经营效率及其生产力和技术变动。数据主要来源于《中国海洋经济年鉴》（2003～2006）和《中国交通年鉴》（2003～2005）。

本书采用数据包络分析法中的BCC模型和Deap 2．1软件对我国28家沿海主要港口2002～2005年的生产效率进行测评，结果整理见表11．9。

表11．9　2002～2005年我国沿海主要港口的平均效率值

从表11．9中的结果可以发现：首先，我国沿海港口业的综合技术效率平均值都比较低，2002～2005年分别为0．334、0．314、0．329和0．399，这说明我国沿海港口业的整体经营效率比较差，并且从2002年以来，我国港口业整体效率低的状况没有得到明显的改善。另外，从纯技术效率和规模效率两个指标的对比来看，各年度中纯技术效率的平均值都低于规模效益，因此可以得出，我国沿海港口的无效率主要是由纯技术无效率造成的。我国沿海港口业的技术效率低可能是因为港口基础设施投入相对于港口吞吐量而言过多，或者运量不足及经营不力所造成。

其次，虽然我国沿海港口业的无效率主要来源于纯技术无效率，但也存在着一定程度的规模无效率，由此可以推断，我国大部分沿海港口还未达到最佳规模。这一结论与我国沿海港口业的实际情况是相符合的。我国的沿海港口数目众多、分散，且大多数港口规模较小，而港口业是一个具有规模经济的行业，只有在强大的货物吞吐量支撑下的较大规模港口才会达到更高的规模效率，所以我国港口业还需进一步扩大规模。另外，我国沿海港口业的规模效率呈上升的趋势，也就是说，近年来我国在整合港口资源、规划港口发展、安排港口整体布局方面取得了一定的成就，从而节约了资源，提高了规模效率。

为了分析我国沿海港口业的生产力变动及技术进步情况，本书采用Malmquist生产力指数方法和2002～2005年28家港口的投入产出数据，并利用Deap 2．1软件来进行运算，结果见表11．10。

表11．10　2002～2005年各期间内我国沿海港口业的Malmquist生产力指数及效率变动

从表11．10可以得出以下几点结论：

第一，我国沿海港口业从总体上看生产力呈现改善趋势。除2002～2003年外，其他各期间内我国沿海港口业的Malmquist生产力指数都大于1，这表明我国沿海港口业的生产力从总体上呈现改善的趋势。前面已经指出，Malmquist生产力指数可以分解为综合技术效率变动及技术变动的乘积，因此可以从这两个方面来分析我国沿海港口业生产效率改善的原因。从表中可以看出，在2002～2003年、2003～2004年、2004～2005年间我国港口行业的综合技术效率变动分别为0．930、1．074和1．194，除2002～2003年外，综合技术变动都大于1，并且2002～2005年的平均综合技术效率变动为1．060，也大于1；而技术变动指标除了2003～2004年大于1之外，其他都小于1，特别是2004～2005年间，技术变动为0．842，远远小于1。对比以上两个指标，可以发现我国港口业的生产率改善主要源于综合技术效率的改进，而行业技术变动的情况却令人担忧。

第二，沿海港口业的行业技术进步情况堪忧。技术变动代表的是行业整体的技术变动情况，如果其值大于1，代表技术进步；小于1，则代表技术退步。从表11．10所列数据可以看出，只有2003～2004年技术变动率大于1，其他期间技术都处于退步状态，特别是2004～2005年间，技术变动率仅为0．842，退步较大。分析其原因，一方面，现代科学技术发展日新月异，对港口传统的运输方式和技术装备提出了新的要求，而新技术的创造、引进和应用，需要花费巨大的资金投入，因此，我国港口业，特别是一些发展较慢的老港口在港口的建设技术、货物的装卸技术，特别是目前新兴的港口物流信息化技术方面都没有取得显著突破，而随着港口其他基础设施投入的增加，新技术未能发挥出应有的效用，因而技术变动必然就表现为退步。另一方面，用现代技术改造我国港口的传统产业是一个比较长期的过程，很多新技术从投入到全面发挥效用有一定的时滞，因此在考察期间内未能得到充分反映。另外，值得注意的是，目前我国大多数港口正处于传统的装卸服务单一功能向贸易、加工、信息等现代物流的多元服务功能拓展的转型期，而在这一转型未完成之前，我国港口行业整体的技术进步很难实现大的突破。

第三，港口经营的综合技术效率状况有所改善。如前所述，综合技术效率变动表示产业管理方法的优劣与管理层决策的正确与否。因此，从本书的研究来看，我国港口业的管理当局在2003年之后已经意识到了存在已久的盲目扩张、只注重增加基础设施投入等问题，采取了正确得当的管理方法，使得我国港口业的纯技术效率和规模效率都有了进一步的提高，从表11．10中可以看出，除2002～2003年外，各期间的纯技术效率变动和规模效率变动的值都大于1。而从各个港口本身的角度来看，目前港口业日趋激烈的竞争是刺激各港口提高自身管理效率的主要因素，各港口为了在区域竞争中获得优势，必须不断改进管理方法，提高管理服务水平，这从客观上促进了我国港口业整体综合效率的不断提高。但是必须指出，综合技术效率变动指数衡量的只是各期间内的相对情况，并不能说明我国港口业的综合技术效率已经达到很高水平（这点前面已经分析过，事实上我国港口业的综合技术效率还很低），它只能说明2002～2005年间我国港口业的综合技术效率在不断提高，因此，我国港口业仍需要在当前的基础上继续改进管理层的决策能力，注重资源的合理配置，提高单位投入的产出效率。

当然，以上分析仅是在本研究所获得的数据基础上得出来的结论。事实上，目前有很多因素在制约着港口发展和港口经营效率的提高。首先，我国各沿海港口在集疏运系统方面不同程度地存在“瓶颈”，港口经营效率受到“瓶颈”制约难以大幅度提高。集疏运系统的“瓶颈”一方面会降低对货源的吸引力（这间接影响港口的经营效率），另一方面会直接影响港口的经营效率。其次，跟国际一流口岸相比，我国沿海港口口岸的通关效率较低（如海关通关效率）。这也直接影响着港口经营效率。此外，统计数据跟实践相比存在滞后、有失客观的问题。例如，我国沿海港口的一些非专业码头存在闲置、改用和占用的现象，这些近几年发生的现象有时在统计数据上难以反映出来，因此会影响到本研究效率的评价。总之，港口经营效率的提高还受到很多环境因素、市场因素和其他相关系统因素的影响。

[1]东部包括北京、天津、河北、山东、辽宁、上海、江苏、浙江、广东、福建和海南11个省市；中部包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南8省；西部包括广西、内蒙古、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆12个省、市、自治区。