考虑碳排放的长三角港口群动态效率测度.pdf

第23卷第4期2023 年 8 月交通运输系统工程与信息Journal of Transportation Systems Engineering and Information TechnologyVol.23 No.4August 2023文章编号：1009-6744(2023)04-0034-13中图分类号：U6文献标志码：ADOI:10.16097/ki.1009-6744.2023.04.004考虑碳排放的长三角港口群动态效率测度郑琰*1，巴文婷1，肖玉杰2(1.南京林业大学，汽车与交通工程学院，南京210037；2.南京财经大学，营销与物流管理学院，南京 210023)摘要：为探究考虑碳排放的港口动静态效率及主要影响因素，探寻兼顾节能减排与港口自身发展的有效途径，本文采用基于松弛变量的三阶段SBM-DEA(Slack-based Measurement Model-DataenvelopmentAnalysis)模型与方向距离函数，构建考虑非期望产出的港口动态效率测度模型；应用面板引力模型，剥离环境因素与随机噪声的影响；结合改进的Malmquist指数，根据港口投入、产出要素距前沿面映射点的相对距离计算考虑非期望产出的全要素生产率及其分解项；最后，选取长三角港口群20082020年16个主要港口的面板数据进行实证研究。结果表明：港口之间的效率存在明显差异，第3阶段较第1阶段效率均值提升3.474个百分点；多数港口投入指标增加，但产出指标未按同比例增长，这是因为非期望产出指标港口碳排放量逐年增长；货物运输水平增长1个百分点，港口整体泊位数、码头长度和万吨级泊位数冗余分别对应减少0.4192、0.0436和0.3862个百分点；考虑碳排放后港口群第3阶段效率均值下降0.062，效率值低的港口受碳排放的抑制作用较为显著；从动态变化角度来看，长三角港口群全要素生产率整体增长1.400个百分点，技术效率与纯技术效率的提升是促进港口发展的重要因素；碳排放产出会对技术进步指数、纯技术效率变动指数和ML指数产生不利影响，对港口结构加以优化及实施低碳发展战略有助于促进港口综合动态效率的提高。关键词：水路运输；碳排放动态效率；三阶段SBM-DEA模型；长三角港口群；改进的Malmquist全局参比指数；全要素生产率Dynamic Efficiency Measure in Yangtze River Delta Port ClusterConsidering Carbon EmissionsZHENG Yan*1,BAWen-ting1,XIAO Yu-jie2(1.College ofAutomobile and Traffic Engineering,Nanjing Forestry University,Nanjing 210037,China;2.School of Marketing and Logistic Management,Nanjing University of Finance and Economics,Nanjing 210023,China)Abstract:Abstract:This paper investigates the port dynamic and static efficiencies considering carbon emissions and majorinfluencing factors.It explores an appropriate way to balance energy conservation and emission reduction with portdevelopment.This paper selects the panel data of 16 ports in the Yangtze River Delta port cluster in China from 2008 to2020,combines the three-stage data envelopment analysis model based onslackvariablesandthedistancedisorientation function,and develops a model to measure the dynamic efficiency of ports considering unexpectedoutput.The panel gravity model is applied to strip the effects of environmental factors and random noise.Combinedwith the improved Malmquist index,the total factor productivity and its decomposition considering unexpected outputare calculated based on the relative distances of port input and output factors from the mapping points on the frontiersurface.The results show that there are significant differences in efficiency between ports,and the third stage has a3.474%increase in the mean efficiency over the first stage.The majority of port input indicators have increased butoutput indicators have not risen in the identical proportion,as the unexpected output indicator of port carbon emissionshas increased annually.1%increase in the level of freight would result in a corresponding reduction of 0.4192%in the收稿日期：2023-05-06修回日期：2023-06-23录用日期：2023-07-06基金项目：国家自然科学基金/National Natural Science Foundation of China(71871111,71701099)。作者简介：郑琰(1983-)，女，河北唐山人，副教授，博士。*通信作者：第23卷 第4期考虑碳排放的长三角港口群动态效率测度overall number of berths,0.0436%reduction of quay length,and 0.3862%reduction of,10000-ton berth redundancy inports.The average value of the third stage efficiency of the port cluster decreases by 0.062 after considering carbonemissions,and the ports with low efficiency values are more significantly inhibited by carbon emissions.From theperspective of dynamic changes,total factor productivity of the Yangtze River Delta port cluster increased by 1.4%,and the improvement of technical efficiency and pure technical efficiency was an important factor in promoting portdevelopment.The carbon emission output adversely affects the technological progress index,the pure technicalefficiency change index and the Malmquist-Lenberger index,and the optimization of port structure and theimplementation of low-carbon development strategy can help to improve the comprehensive dynamic efficiency of theport cluster.Keywords:Keywords:waterway transportation;dynamic carbon efficiency;three-stage Slacks-Based Measure(SBM-DEA);Yangtze river delta port cluster;improved Malmquist index;total factor productivity0引言港口是我国水陆交通和开展内外贸易的关键节点和枢纽，作为“一带一路”倡议的战略支点和重要枢纽，为我国共建“丝绸之路经济带”区域经济发展和全球资源配置提供了基础性支撑。但港口作为资源消耗的关键领域之一，其生产活动会对港口资源与环境状态产生影响1。据研究，港口及船舶海运活动每年的碳排约占全球总量的3%。中国长三角港口群作为我国最活跃港口群之一，对长三角地区的生态环境与经济发展发挥着重要影响。据交通强国建设纲要(中发201939号)，以及上海市、江苏省、浙江省人民政府近日支持长三角生态绿色一体化发展示范区的通知，区域生态一体化发展加速推进长三角港口群的绿色低碳转型，是实现可持续发展和生态保护的重要之策，也是促进“碳中和”目标实现的可行之举。基于此，对考虑碳排放的长三角港口群效率进行测度，有利于兼顾节能减排与港口自身发展的双重目标，推动世界经济向可持续发展转型。本文在考虑碳排放的基础上测算并分析港口动态效率，对提升区域港口生产活动效率，强化港口经济高质量绿色发展具有重要意义。据目前已有文献回顾，生产效率的常用计算方法 有 数 据 包 络 法(Data Envelopment Analysis,DEA)、随 机 前 沿 分 析 法(Stochastic FrontierApproach,SFA)、索洛余值法及其扩展模型等，后来学者对此进行了拓展和延伸。ParkY.S.等1使用非径向松弛测量数据包络法(Slack-based MeasurementModel-Data Envelopment Analysis,SBM-DEA)模型和州级数据，研究了美国50个州的碳效率和碳减排情况，评估了美国交通部门的环境效率。Xu Y.等2将航班延误和温室排放作为非期望产出，通过方 向 距 离 函 数(Distance Disorientation Function,DDF)和DEA模型计算出12个美国航空公司的综合效率，并探讨影响航空公司效率的内外部因素。部分学者将Malmquist指数与DEA模型相结合，使效率的研究不再局限于静止的截面数据，分析决策单元根据不同投入、时间等因素影响时效率的动态变化。Li Y.等3建立了一个具有固定和不良产出的广义均衡有效前沿 DEA 模型，并将该模型与Malmquist生产力指数相结合，评估中国30个省级区域的碳排放绩效。胡东滨等4结合三阶段DEA-Malmquist 模型，动态评估了 63 家环境企业的效率，将影响因素细分至不同领域，并厘清效率的影响因素。一些学者在运算过程中加入Tobit回归分析，增加样本的预测概率与可解释性。Mynarski W.等5通过使用DEA-Tobit计量经济学模型对波兰南部林区进行效率评估并确定影响林区效率的外部因素。刘名武6结合DEA-Tobit模型评估长江中上游集装箱港口生产效率与影响因素。为推动世界经济未来向可持续发展的转型升级，国内外学者对于碳排放领域进行了广泛关注与研究。学者们利用三阶段超效率SBM-DEA模型，自上而下的对不同领域(地区、行业7、城市不同客运交通工具8等)进行碳排放效率测度，并对其内部驱动、外生环境因素对效率的影响进行分析、改良和评价9。根据以往研究文献可知，DEA模型和ML全局参比指数被学者广泛应用于静态和动态效率的研究中，为相关研究提供了可靠的方法选择。港口及港口群作为具备投入产出的标志性决策单元，多数学者利用DEA模型及其扩展和延伸模型对港口效率进行测度。Maria,Rosa等10将传统DEA模型与SFA模型相结合为改进的三阶段DEA模型，评估伊比利亚海港的竞争力并厘清导致海港生产效率较低的具体原因。吴晓芬等11结合Tobit-DEA模型和Malmquist指数构建四阶段效率评价模型计算长三角港口群的效率值，并通过构建竞争力矩阵分析不同港口的竞争优势。此外，随全球对于温室气体排35交通运输系统工程与信息2023年8月放的重视和国家“双碳”战略意识的增强，港口作为重要的碳排放源，也有部分学者在港口效率测度研究的同时考虑碳排放因素的影响。薛凯丽12构建了动态网络SBM模型，该模型考虑到港口相邻阶段间相互活动和相邻时期间跨期活动因素，估计了20132016年中国 10 个主要沿海港口非线性目标规划效率。邵言波等13基 Super-SBM模型和Global Malmquist-Luenberger指数模型，评价对20132020年的我国五大港口群的碳排放静态效率，并探究港口碳排放效率的跨期变化情况。长三角港口群作为我国最活跃港口群之一，其港口及船舶航运是长江经济带高质量发展与碳排放源的重要组成部分，港口群的发展对该地区经济与生态环境发挥着重要影响。本文通过对长三角港口群考虑碳排放的动态效率进行测度，旨在为港口群实现提升降本提效，推进低碳转型工作提供重要依据，对加速实现港口效率提升及低碳化具有现实意义。现有研究夯实了精确测度港口效率和碳排放效率研究基础的同时，提供了诸多改进思路：首先，多数研究使用传统DEA模型测度行业效率，或使用SFA方法厘清效率的影响因素，研究层面多以截面数据为主，兼顾环境因素、随机误差以及动态效率变化的研究较少，难以客观地反映出港口实际效率水平。其次，从已有文献来看，大多数文献测度港口效率时没有考虑到生产活动过程中的非期望产出碳排放的影响，难以顺应近年来港口绿色发展与可持续发展的主流趋势与市场需求。第三，目前多数文献的研究对象集中于沿海港口，而针对长三角内河港口动态效率的研究较少，本文为未来长三角内河港口效率研究提供思路。本文将碳排放量与港口动态效率相结合，采用三阶段SBM-DEA模型和改进的Malmquist指数构建考虑非期望产出的港口动态生产效率模型，并分析主要影响因素，探寻港口经济和碳减排双赢的可行路径。1研究方法1.1 港口碳排放量测算方法由于港口CO2排放量尚无统一计算标准且排放数据无法从相关部门直接获得，港口碳排放量主要依据能源消耗进行估算。本文参考戈艳艳14的研究，通过长三角港口群汽油、柴油、重油、煤炭以及电力等主要能源标准煤的消耗量与港口货物吞吐量得到港口生产单位吞吐量综合能耗，并结合不同能源与碳排放系数和港口货物吞吐量得到港口的碳排放量，间接地对港口碳排放量进行测度，计算公式为Zi=WiQiCO2(1)式中：i为不同年份；Zi为第i年港口的碳排放总量(t)；Wi为港口单位吞吐量综合能耗(t标准煤/万t吞吐量)；Qi为第i年港口货物吞吐量(t)；CO2为能源碳排放系数，取2.458914。1.2 三阶段SBM-DEA模型1.2.1 非径向SBM模型由于传统CCR(Charnes Cooper Rhodes)模型和BCC(Banker Charnes Cooper)模型均是径向模型，对效率的测度允许所有投入同比例缩减或者产出同比例增长，但在日常的企业或港口运营中，存在投产冗余或缺失的情况，即投入或产出比例改进和非零松弛改进的部分未体现。为获得更加客观的效率值，TONE15将松弛变量引入DEA模型中，结合非期望产出和松弛变量得到非角度、非径向SBM(Slack-based Measurement Model)效率测度模型。假 设 港 口 群 系 统 包 含m个 决 策 变 量DMUk()k=1,2,m，各含p个投入指标x，u1个期望产出指标y和u2个非期望产出指标y*，对应矩阵分别为X=x1,x2,x3,xp,XRpm、Y=y1,y2,y3,yu1,YRu1m、Y*=y1,y2,y3,yu2,Y*Ru2m，将生产可能性集定义为P()X,Y,Y*=|()X,Y,Y*xikX,yrkY,y*lkY*,0(2)式中：R为实数集；为权重向量，当之和为1时，表示规模收益固定(Constant Returns to Scale,CRS)，否则为规模收益可变(Variable Returns toScale,VRS)；xik、yrk、y*lk分别为第k个决策单元的第i个投入变量、第r个期望产出与第l个非期望产出变量；X、Y、Y*分别为其生产前沿上投入、期望产出与非期望产出指标的投影值。因规模收益固定假设效率较规模收益可变假设更低，模型的松弛冗余客观性与精确度更高，信息量较丰富，故本文选择在CRS假设条件下进行效率测度。以k个DMUk为例，在CRS假设条件下，考虑非期望产出和松弛问题的非角度非径向 SBM 效率测度模型为36第23卷 第4期考虑碳排放的长三角港口群动态效率测度*k=min1-1pi=1pu-ixik1+1u1+u2j=1u1uryrk+j=1u2u*ly*lk(3)xik=X+u-iyrk=Y-ury*lk=Y*+u*l,u-i0,ur0,u*l0,0;k=1,2,m;i=1,2,p;r=1,2,u1;l=1,2,u2(4)式中：DMUk(k=1,2,p)为港口效率计算的决策单元；*k为DMUk的整体效率值；u1、u2分别为期望与非期望产出；u-i、u*l为松弛变量，表示第i个投入与第l个非期望产的冗余；ur为第r个期望产出的缺乏，其取值为01之间。为方便计算与求解，将非线性模型转化为线性规划模型，借助Chames-Cooper变换，在已构建模型式(3)和式(4)中引入标量a，将模型转化为*k=mina-1pi=1pU-ixik(5)1=a+1u1+u2r=1u1Uryrk+l=1u2U*ly*lkxika=X+U-iyrka=Y-Ury*lka=Y*+U*l,U-i0,Ur0,U*l0,0;a0(6)式中：为引入标量a后公式的新权重列向量，=a；U-i、Ur、U*l分别为引入标量后，投入、期望产出与非期望产出新的松弛变量，U-i=au-i，Ur=aur、U*l=au*l。当*k=1时,u-i、ur、u*l均为0，说明在DMUk达到有效状态时投入产出无冗余和不足；当*k1，技术随时间推移存在进步效应，促进全要素生产率靠近生产前沿面；若I(r,r+1)PEC1，表明随时间生产率有所提高；若M()xr+1,yr+1,y*r+1;xr,yr,y*r1，则降 低。当 投 入 产 出 量 及 比 例 没 有 变 化 时，M()xr+1,yr+1,y*r+1;xr,yr,y*r=1。2指标体系与数据来源2.1 投入产出指标体系在遵守指标选取原则，结合港口自身特性，参考众多学者建立指标体系，综合考虑数据代表性和可获得性基础上，选取港口泊位长度、泊位数和万吨级以上泊位数为投入指标，选取港口货物吞吐量和集装箱吞吐量为期望产出指标。结合低碳减排理念，考虑非期望产出对模型的影响，即选取港口碳排放总量为非期望产出指标，选取地区生产总值、货运量为环境指标，分析长三角地区港口群的动态效率。建立的评价指标体系和指标描述统计性分析如表1和表2所示。表 1 长三角主要港口及地理位置Table 1 Major ports and geographical locations in Yangtze River Delta港口地理位置长三角沿海港口长三角内河港口港口上海港、宁波-舟山港、南通港、温州港、连云港港南京港、苏州港、泰州港、扬州港、江阴港、常州港、镇江港、杭州港、台州港、湖州港、嘉兴港表 2 指标数据描述统计性分析Table 2 Descriptive statistical analysis of indicator data指标类别投入指标期望产出指标非期望产出指标环境指标指标名称泊位数泊位长度万吨级泊位数港口货物吞吐量港口集装箱吞吐量碳排放量货运量地区生产总值单位个m个万t万TEUt万t亿元最大值1403126900201775754350.3643872.513922638700.58最小值13216804032.213.733467.341537512.08均值34421701.554921398.05476.31177603.8522412.526519.87标准差316.2523623.0348.7517185.34938.46142638.2921372.266644.83观测数值208208208208208208208208注：截面数为13年，观测指标为8个，决策单元为16个。38第23卷 第4期考虑碳排放的长三角港口群动态效率测度2.2 数据来源港口数据来自历年 中国统计年鉴 中国港口年鉴 港口资料统计 和各地方历年统计年鉴、国民经济和社会发展统计公报、交通部官方网站、各地方统计局网站及相关论文，碳排放数据参照相关港口能源排放量进行计算间接获取。3实证分析长三角港口群港口数量多，共含沿海港口8个和内河港口26个。本文充分考虑到长三角各港口效率横纵向的比较分析，以20082020年为时间跨度，以长三角地区货物吞吐量排名靠前的16个主要港口作为同等级决策单元，研究长三角港口群的效率与全要素生产率。3.1 三阶段SBM-DEA模型实证分析3.1.1 第1阶段非径向SBM模型初始效率评价分析在假定规模报酬不变的条件下，据式(6)和式(7)，利用 Matlab2018 软件，对长三角 16 个港口20082020年考虑碳排放的港口初始效率进行测度与评价，结果如表3和图1所示。表 3 20082020年长三角港口群第1阶段效率值Table 3 First stage efficiency values of the Yangtze river delta port cluster in 2008-2020年份考虑碳排放不考虑碳排放20080.5230.54220090.5050.54120100.5360.56220110.5690.60520120.5750.62720130.5410.60720140.572064420150.6420.69920160.5620.63820170.4970.61120180.5690.66020190.6280.81020200.6050.728均值0.5610.636图 1 20082020年第1段长三角港口群效率均值对比图Fig.1 Comparison of first stage Yangtze river delta port cluster average efficiency in 2008-2020由表3和图1可知，在不考虑环境变量的情况下，20082020年长三角港口群不考虑碳排放的港口效率均值为0.636，比考虑时高估了0.075，意味着港口的碳排放抑制了效率的提升。考虑到排放碳产生的环境成本，考虑碳排放的港口效率较为符合实际情况。20082020年考虑碳排放的长三角16个港口第1阶段效率平均值整体呈波动曲折的上升趋势，效率值在0.5050.648之间起伏，说明长三角港口的生产效率在近13年中相对稳定，并且随年份的推移有稳步地提升和发展，考虑与不考虑碳排放两种情况的效率均值变化趋势基本一致。整体来看，沿海港口的效率均值大于内河港口。效率值中，苏州港、常州港、宁波-舟山港以及湖州港的效率值为1.000，扬州港、泰州港、台州港、温州港等生产效率较低，分别表示资源配置和管理水平均表现良好与不佳的状态。上海港、杭州港等效率值都曾由无效状态升至1.000的情况，说明该年间该港口学习能力提升和发展速度较快，管理无效和资源配置存在冗余的情况得到明显改善。3.1.2 第2阶段类似SFA调整输入指标由于第1阶段SBM效率模型仅解决未按比例问题投入产出的弊端，为了探求各港口在相同条件下考虑碳排放的港口效率，采用SFA类似随机前沿模型对随机扰动因素和环境影响因素进行剥离。利用Frontier4.1构建随机前沿模型作为回归模型，对投入松弛变量标准化后进行回归，具体结果如表4所示。39交通运输系统工程与信息2023年8月表 4 第2阶段类似SFA回归分析结果Table 4 Results of SFA-like regression analysis in second stage变量常数项货物运输水平地区经济水平2log值LR单边泊位数冗余变量系数值-0.2588-0.41920.85840.75510.2893-277.265724.7134*t值-3.0726*-0.30817.571*9.8173*0.6009码头长度冗余变量系数值-0.8324-0.04360.01431.34660.8247-170.7006242.6647*t值-8.6736*-4.4740*0.17823.0474*14.0892*万吨级泊位数冗余变量系数值-0.8388-0.38620.26591.20300.7013-211.1359155.4267*t值-8.0067*-2.3935*0.27883.3040*7.6810*注：*、*、*分别表示在1%、5%和10%水平下显著；2为无效率项和随机误差项组合误差的协方差；为环境因素占总影响因素的比值。表4为投入松弛变量与考虑碳排放的港口效率之间的相关关系。可知，货物运输水平与地区经济水平在一定程度对泊位数、码头长度和万吨级泊位数具有解释作用。存在部分环境变量与冗余变量t值关系不显著现象，但单边广义似然比检验LR值均大于临界1%显著水平下的标准值12.810，则拒绝原假设，即存在进行 SFA 回归的必要性和可行性。分离环境因素和随机噪声后值范围为0.2389,0.8247，码头长度冗余和万吨级泊位数冗余值范围为0.70,0.85，表明长三角港口群效率受随机噪声和环境因素共同影响，且效率受环境因素影响更显著。由货物运输水平与码头长度冗余变量和万吨级泊位数冗余变量分别在1%和5%的显著水平下呈负相关可知，货物运输水平增长1个百分点，对港口泊位数影响最大，港口泊位数、整体码头长度和万吨级泊位数冗余分别对应减少0.4192、0.0436和0.3862个百分点。由于港口发展是一个系统化的进程，是由节点扩展至集成化、专业化的过程，不同方位的发展也并不是按照比例顺序递增，在发展中会出现部分变量冗余增大的现象。回归结果反映出港口效率与地区经济间的协同效应，可以通过调整环境因素间接提升港口效率。3.1.3 第3阶段调整后SBM模型再分析为了更准确地得到相同条件下港口的内部管理效率水平，将经第2阶段调整后的投入值与原始产出值重新带入SBM-DEA模型进行二次评价，得到考虑碳排放前后剥离环境变量和随机影响因素的港口效率及不同年份具体港口考虑碳排放的效率值，如表5和表6所示。对比表3和表6的效率值测算结果，绘制长三角港口群20082020年考虑碳排放的第1、第3阶段及不考虑碳排放的第3阶段效率值对比图，如图2所示。可知，多数港口经三阶段DEA模型调整后效率均有所提升，证明了环境因素与随机噪声对效率测算值的影响，表明调整环境因素是港口间接减冗增产的途径之一。此外，考虑碳排放后多数港口的效率测算值均有所下降，再次证明碳排放作为非期望产出对港口整体效率的提升具有抑制作用。表 5 20082020年长三角港口群第3阶段效率值Table 5 Third stage efficiency values of Yangtze river delta port clusterin 2008-2020年份考虑碳排放均值不考虑碳排放均值20080.5080.56620090.5250.56520100.5460.57220110.5820.63220120.5900.65120130.5430.62520140.6040.66620150.6760.71720160.6020.66220170.6320.68320180.6770.68320190.6660.80420200.6000.726均值0.5960.658由表5和图2可知，长三角港口群整体效率呈现稳步曲折上升趋势，20082012年、20132015年、20162018年港口综合效率上升且增幅较大；在20122013年、20152016年和20192020年效率出现小幅下降。苏州、宁波-舟山港、湖州港效率值恒为1.000，南京港、连云港港、杭州港等4个港口经第2阶段调整后效率值增加相对明显，说明不同地区环境因素影响存在差异，且吞吐量高的港口不一定效率高，大规模的投入同时也代表着等比例存在较大的冗余，如上海港20082010年效率均值低于苏州港。考虑非期望产出碳排放后，多数港口效率出现不同程度的下降，效率值低的港口受碳排放影响较为显著。苏州港、宁波-舟山港、湖州港考虑非期望40第23卷 第4期考虑碳排放的长三角港口群动态效率测度产出前后的效率值均为1.000，说明3个港口除管理效率良好和资源配置合理之外，也具备良好的环境因素及碳排放处理技术。其投入与产出松弛量小，能弥补非期望产出产生的效率亏损。泰州港、江阴港、杭州港效率值存在明显下降，碳排放对港口效率的抑制作用显著，加大碳减排力度能为港口效率值创造较大的提升空间。总体而言，相较于不考虑碳排放的效率值，长三角港口群总体碳排放量仍有较大的下降空间，港口在提高管理效率、合理配置资源的同时还应注重碳排放控制及其管理技术。表 6 20082020年长三角港口考虑碳排放的第3阶段效率值Table 6 Third stage efficiency values of ports in Yangtze river delta considering carbon emissions in 2008-2020港口上海港南京港苏州港泰州港连云港港江阴港扬州港南通港常州港镇江港宁波-舟山港温州港台州港嘉兴港杭州港湖州港均值20080.5020.2121.0000.0810.5020.3130.1061.0001.0000.0911.0000.6310.2030.3100.1841.0000.50820090.7010.2151.0000.0950.5340.4130.0941.0001.0000.1081.0000.5230.1460.3630.2101.0000.52520100.7280.2311.0000.0970.6250.4470.1061.0001.0000.3961.0000.4200.1460.3490.1971.0000.54620111.0000.2981.0000.1000.8220.4570.1441.0001.0000.1111.0000.4850.2230.4140.2521.0000.58220121.0000.3651.0000.0940.8440.5000.1381.0001.0000.1111.0000.4560.2720.4270.2261.0000.59020131.0000.3391.0000.0940.7150.2470.1281.0001.0000.0831.0000.2700.2330.3110.2631.0000.54320141.0000.4701.0000.0880.7340.2000.1331.0001.0000.2771.0000.2540.2280.2741.0001.0000.60420151.0000.4241.0000.1010.6271.0000.1821.0001.0000.3021.0000.4110.3680.3991.0001.0000.67620161.0000.5911.0000.1000.6030.1790.2521.0001.0000.4101.0000.4230.3570.3940.3271.0000.60220171.0000.5471.0000.1460.7700.3360.2840.4221.0000.3901.0000.4330.2510.5391.0001.0000.63220181.0000.6091.0000.1300.7780.2670.2121.0001.0000.3871.0000.4770.3920.5771.0001.0000.67720191.0000.6081.0000.2900.6530.4450.2111.0000.4940.3801.0000.3580.2171.0001.0001.0000.66620201.0000.5401.0000.2660.6341.0000.1841.0000.4530.1711.0000.3540.2420.5460.2141.0000.600图 2 20082020年长三角港口群效率均值对比图Fig.2 Comparison of average value of efficiency of Yangtze river delta port cluster in 2008-2020上海港、杭州港分别在2011年、2014年之后考虑碳排放的效率值达到1.000的决策单元有效状态，可知上海港、杭州港不仅在学习能力和科技水平方面提升较快，且在绿色低碳发展方面也存在显著发展，值得其他港口借鉴学习。而连云港港在2012年效率值达0.844之后退步，港口管理持续处于恶化状态，需采取措施降低投入冗余和碳排放；泰州港、江阴港、扬州港和效率变化不大，投入产出处于相对平衡的状态，但仍存在较大上升空间，须通过采取措施提升效率。南京港、扬州港、常州港、镇江港、嘉兴港等大部分港口在2020年考虑碳排放的效率值均不同程度的降低，结合实际情况分析，由于2020年初由武汉爆发的新冠疫情对全国各地，尤其是长三角地区水运行业造成冲击导致。41交通运输系统工程与信息2023年8月3.2 长三角港口群动态效率分析前文三阶段 SBM 模型的计算是基于 20082020年各港口截面数据，对考虑碳排放的长三角港口群效率进行的静态分析。为了进一步探究长三角港口群的动态效率变化，通过改进的Malmquist指数及其分解项测算港口全要素生产率，以作为主要方法将其从静态面板数据向动态效率进行过渡与分析，测算结果如表7表10和图3所示。表 7 20082020年分地区改进的Malmquist指数均值及其分解Table 7 Mean values of improved Malmquist index and its decomposition terms by region in 2008-2020地区沿海内河均值港口上海港宁波-舟山港南通港温州港连云港港南京港苏州港泰州港江阴港扬州港常州港镇江港台州港嘉兴港杭州港湖州港技术效率考虑1.0231.0001.0000.9301.0301.1031.0001.0871.0611.1370.9931.1461.0041.0300.9511.0001.031不考虑1.0351.0001.0730.9851.0421.1101.0001.1521.4771.1090.9521.5451.0230.9930.913