基于DEA模型和Malmquist指数安徽省内河港口效率分析.doc

基于DEA模型和Malmquist指数安徽省内河港口效率分析 　　摘 要：应用DEA模型和Malmquist生产率指数，对安徽省2002～2010年的5个主要内河港口效率及其变化进行了深入研究。研究发现，内河港口的综合效率总体上呈现先上升后下降的趋势，这种趋势同纯技术效率和规模效率的变化趋势几乎是同步的；全要素生产率呈现减多增少的波动发展趋势，这种趋势的变化是由技术效率变动和技术进步变动共同作用的，其中生产率的下降主要是由于技术的退步。 　　关键词：DEA；内河港口；Malmquist指数 　　中图分类号：U691 文献标识码：A 　　Abstract： Applying DEA model and Malmquist productivity index， this paper probes into the efficiency of 5 major inland ports of Anhui and its changes from 2002 to 2010. The research finds that the comprehensive efficiency of inland ports display initial ascending and then descending tendency， and the change is almost simultaneously with pure technical efficiency and scale efficiency. The tendency of total factor productivity shows a fluctuant development that much decrease and little increase， and the change is some contribution of both technical efficiency and technical progress， and falling productivity is due mainly technical regress. 　　Key words： data envelopment analysis； inland ports； Malmquist index 　　港口是带动区域经济发展的核心战略资源，内河港口在促进腹地经济发展、推动区域经济一体化方面发挥着越来越重要的作用。港口效率是指在既定的生产技术条件下，港口资源的有效总产出与总投入的比值是港口资源的有效配置、运行状态和经营管理水平的综合体现[1]。探讨内河港口的效率及其变化，不仅有助于了解内河港口资源的利用效率，而且能够为港口管理和计划部门提供决策依据。 　　安徽省地处我国中东部泛长三角地区，长江从西南向东北横贯其全境。本文选取马鞍山港、芜湖港、铜陵港、池州港、安庆港作为研究对象，这5个沿江港口属于全国内河主要港口，同时也是国家一类开放口岸，发展较为成熟，指标和数据的参考价值相对较高。 　　DEA模型是用于评价相同部门间相对效率的一种分析方法，它最初被应用于卫生、体育、教育等公共领域，由于具有单位不变性、不受人为主观因素影响、不需要确定投入产出间显性表达式的优点，逐渐被应用于其他领域，包括投入产出关系复杂的港口运营过程。国际上在20世纪90年代把DEA模型用于港口效率分析。如，Roll和Hayuth（1993）最早运用DEA中的CRS模型对港口相对效率进行评价[2]。庞瑞芝（2006）利用DEA 模型对我国50家主要沿海港口1999～2002年的经营效率进行评价，并利用Malmquist生产率指数分析其动态效率[3]。刘振宇（2011）等对辽宁省4个主要沿海港口城市2000～2009年港口和城市经济发展水平进行有效性评价，研究发现辽宁省港口城市经济发展，城市经济生产率退步，而港口经济略有进步[4]。李兰冰（2011）等人应用DEA模型和Malmquist生产率指数对两岸三地主要沿海港口的动态效率予以评价，考量了各地港口的竞争地位和竞争态势[5]。 　　通过比较发现，利用DEA模型对港口的研究主要集中于沿海港口，从效率角度分析港口的运营状况，找出不同港口间效率差异的原因并提出相应对策，而对内河港口效率的研究却少有涉及。本文选取2002～2010年安徽省5个主要内河港口的面板数据，借助DEA模型对内河港口的纯技术效率和规模效率的平均值进行比较，通过计算Malmquist生产率指数对内河港口的动态效率进行分析，探讨港口效率变化的原因并提出港口及其腹地经济未来发展的建议。 　　1 模型方法及指标数据 　　1.1 DEA模型 　　数据包络分析（Date Envelopment