基于超效率DEA模型的我国船舶工业效率的评价

江 巍 江学淮

（江苏科技大学 经济管理学院 镇江212003）

引 言

“十一五”时期，我国船舶工业快速发展，国际造船地位显著提升，船舶产业规模实现跨越式发展，船舶工业综合竞争力有了较大幅度提高。2012年，因受金融危机影响，全球经济复苏缓慢，国际航运市场表现低迷，波罗的海干散货运费指数（BDI）创下该指数发布以来的新低（2012年2月4日达到647点），航运市场费率处于历史最低谷。

从BDI的历史走势来看，由目前的复苏期转至繁荣期尚有待时日［1］。2012年，我国造船完工量为6 021万载重吨，同比下降21.4%；承接新船订单量为2 041万载重吨，同比下降43.6%；截至12月底，手持船舶订单量为1.069 5亿载重吨，同比下降 28.7%［2］。

尽管我国船舶工业取得了显著发展，但也存在某些不足。由于船舶市场持续低迷，我国船舶企业面临开工不足和企业经营接单处于微利状态，尤其是在船舶工业的效率方面与韩国、日本等造船强国相比存在较大差距。因此对我国船舶工业效率的进行评价，对我国“船舶工业十二五规划”的实施具有现实的指导意义。

迄今为止，国内对船舶工业效率分析的方法主要是使用了DEA模型［3-4］对其进行评价，然而DEA存在着缺陷，在用CCR-DEA模型和BCCDEA模型方法评价决策单元的相对效率时，最后的结果很可能出现多个单元同时为相对有效，从而难以实现有效单元之间的区分，也即仅区别效率的高低，但没有区分出高效率的评价对象之间的差异。因此本文使用超DEA模型对我国船舶工业效率进行更准确的分析。

1 超效率DEA模型

为了弥补CCR-DEA模型和BCC-DEA模型方法评价决策单元时的缺陷，Andersen和Petersen提出一种DEA的“超效率”（Super-Efficiency）模型［5］，使有效决策单元之间也能进行效率高低的比较。超效率CCR-DEA模型的基本思路是：在评估某一决策单元时，将该这一决策单元排除在外，而CCRDEA模型则将这一单元包括在内。Yao Chen［6］（2004）首次利用SUP-CCR-DEA模型来识别有效DMU的效率差异。

图1 超效率DEA评价示意图

我们可以借助图1来阐述这一思路，以决策单元DMUC为例，图中的C点处在有效生产前沿面ABCD上，在DEA的CCR模型下DMUC的效率值为1。按照超效率模型的思路，在计算DMUC效率值时，C点应排除在决策单元的参考集之外，于是生产前沿面就由ABCD变为ABD，C到有效前沿面的距离CC′是C可扩张的大小，此时C点的效率值为C=OC′/OC＞1。对于CCR模型中本来就是非DEA有效的决策单元E，在超效率模型中其生产前沿面仍然是ABCD，因此按照超效率模型计算的效率值与按照CCR模型计算出来的效率值是一致的，仍然是θE=OE′/OE＜1。其模型如下：

在超效率CCR-DEA模型中，对于无效率的某一个地区船舶工业，其效率值与CCR模型中一致；而对于有效率的某一地区船舶工业，计算出来的效率值可能大于1。例如效率值为1.5，则表示该地区船舶工业效率即使再等比例增加50%的投入，在所有地区的船舶工业样本集合中仍能保持相对有效。

2 超效率DEA模型在我国船舶工业效率评价中的应用

2.1 投入与产出指标的选取

本文使用的数据来自全国主要造船省份2011和2012年的船舶工业年鉴［7-8］数据，参考相关文献中投入与产出指标的选取，结合中国船舶工业的现状和船舶工业数据的可得性，本文选取船舶工业从业人员的平均数、船舶工业企业的个数、造修船的基础设施（万吨船台、船务的数量）作为投入指标。产出指标包括船舶工业的总产值、造船完工量占全国的份额。

选取以上投入产出指标的理由如下：职工是企业发展的动力，是企业经济效益的创造者，职工人数的多少及配置体现了船舶工业人力资本的投入，船舶工业企业的个数和造修船的基础设施（万吨船台、船务的数量）代表了一个地方船舶工业发展基础，反映了地区船舶工业资源的配置情况，是船舶工业发展最稳定的物质基础。在产出指标中，船舶工业的总产值、造船完工量占全国的份额表示船舶工业的经济效益和产出规模。

表1为所建立的我国船舶工业效率的评价体系。根据表1，可构建如图2所示船舶工业效率评价的概念结构。由于相应的数据缺失，因此本文选取江苏、上海、辽宁等14个省市的船舶工业数据作为样本。

2.2 数据整理

我国船舶工业效率评价指标原始数据见表2。

表1 超效率DEA模型的投入与产出指标

图2 船舶工业效率评价的概念结构

表2 我国船舶工业效率评价指标原始数据

2.3 我国船舶工业效率的评价

利用DEAP 2.1软件计算得到14个省份船舶工业综合效率值、技术效率值、规模效率值和相应的规模阶段，运用EMS1.3软件计算得到14个省份相应的船舶工业的超效率DEA值（见表3）。

表3 船舶工业效率的评价结果

3 实证结果分析

先整体上分析我国船舶工业平均的效率值，在从综合效率、技术效率、规模效率、规模报酬、超效率五个方面逐个分析。

3.1 整体分析

2010年，我国14个地区船舶工业的综合效率、技术效率和规模效率的平均值分别为0.672、0.869和0.783，然而到了2011年，三个效率平均值都有所提高，说明在过去的一年里，船舶行业为了适应市场变化，调整结构、转变方式的步伐明显加快。为应对船市危机，并购重组、转产、淘汰落后产能成为2011年我国主要地区造船业调整的主要任务，一些地方的中小造船企业已经开始逐渐退出船舶市场。

3.2 分层分析

（1）从各个地区的综合效率上看，2010年船舶工业效率有效地区有辽宁和上海，到2011年又增加4个地区，包括上海、辽宁、福建、山东，这些地区比其他船舶工业地区的船舶工业效率更高，且处于较领先的地位。2011年主要造船省份如江苏、浙江、广东、安徽、重庆、湖北等地区的船舶工业综合效率比2010年都有所提高，这说明2011年各个造船地区船舶行业的结构调整已初见成效。

（2）从各个地区的技术效率上看，2010年在12个非DEA有效的船舶工业地区中，纯技术有效的船舶工业地区有6个，分别是天津、河北、江苏、福建、江西、湖南；然而在2011年，非DEA有效的船舶工业地区有10个，其中纯技术有效的船舶工业地区5个，分别是天津、河北、江苏、江西、湖南。从中可以得出：与天津、河北、江西、湖南相比，2011年福建省通过推动船舶工业的区域合作、产业重组和扩大生产规模等方式使得自身的船舶工业规模效率达到1是最优的，福建省船舶工业投资更加理性，船企把紧张的资金用在刀刃上，用最小的投入，获得最大的回报，如龙海地区全年共投入4 000万元，扩建船坞2座，新建喷涂车间，解决了龙海地区部分企业的需求。另外，企业间协作分工，如马尾造船股份公司和福州利亚船业成功协作，既提高了马尾造船经济总量，又带动利亚船业发展壮大；厦船重工与漳州一帆重工、新胜船业，福建长兴与厦门新四海船舶科技有限公司，福建白马船厂与本地区17家企业的协作，做到优势互补，提升了产品质量，加快产品的建造速度，推动管理升级，促进队伍素质的提升［9］。

（3）2010年有6个船舶工业地区是由技术非有效和规模非有效两方面的原因共同导致的，2011年减少到了5个，这在一定程度上说明这些地区需要在技术和规模两个方面都采取积极的措施来提高各自的船舶工业效率。对于规模非有效的处理依据主要是看各个地区船舶工业所处的规模阶段，而技术效率的提高主要依靠船舶工业从业人员的平均数、船舶工业企业的个数、造修船的基础设施（万吨船台、船务的数量）冗余量的改进。表4列出了2010年和2011年的各个船舶工业地区想达到DEA最优所需减少的投入量和所要增加的产出量。

表4 （2010年、2011年）技术非有效和规模非有效的船舶工业地区增减数量

从表4可以看出，2010年和2011年船舶工业从业人员的平均数是最优的，不存在投入过剩的情况，同时船舶工业的总产值不存在产出不足的问题。

（4）规模报酬分析

① 天津、河北、江西、湖南、安徽、重庆、广东等地区船舶工业的规模报酬连续两年都是递增的，说明目前通过扩大生产规模或者兼并重组来提高船舶工业的规模效率。

② 山东省规模报酬由2010年的递增发展到2011年的规模报酬不变，说明在2011年，山东省在技术和规模上都采取了相应措施来提高自身的船舶工业效率，推进发展方式从主要追求数量规模向更加注重质量效益转变，从主要依靠要素投入向更加依靠科技进步转变，推进产业结构从主要发展造船向造修船、海洋工程装备、游艇制造以及配套业协调发展转变，山东省地理位置靠近日、韩两国，吸引日韩的资金和先进的造船技术，依托半岛蓝色经济区重点发展大型的造船基地、高端的船舶产业集群。

③ 江苏和浙江的规模报酬两年都递减，说明江苏省和浙江省的船舶工业都出现产能过剩问题。

（5）超效率分析

从表3可以得出2010年超效率值大于1的地区只有上海、辽宁，2011年有上海、辽宁、山东、福建，然而2010年和2011年上海的船舶工业的超效率值分别为2.730和2.443，远高于其他省份的船舶工业超效率值。

造成这种现象的原因可能有两点：

① 上海作为长三角地区的龙头，在造船业的发展方面已取得明显的优势，上海市船舶工业以沪东中华造船集团有限公司、上海外高桥造船有限公司、上海江南长兴重工有限责任公司、上海船厂船舶有限公司和江南造船集团有限责任公司等重点企业，形成外高桥造船基地、崇明岛造船基地以及长兴岛造船基地，成为中国最大的造船业集聚区。上海船舶工业在地域上的相对集中，有利于优化资源的配置、加强相关企业和行业的合作，提高经济效益，降低成本，上海市造船业市场集中程度高，2011年将近80%的产值都是由五大船企创造，这五家船企造船完工量占上海市全年造船完工量近90%，全国很难有几家企业能与上海市的五大船舶企业相媲美。

② 上海市船舶工业企业的所有制体制改革也取得显著进展，己形成具有上海特色的多种混合所有制并存的产权结构。上海船企通过产权的优化和企业改制，不仅增长了经济效益，提高了生产能力，优化了企业管理；而且推动了企业科技的创新与进步，同时还促进了人员素质的提高［10］。总之，上海市的船舶工业资源的配置和综合的管理水平更加的科学、合理，这在一定程度上促进了上海船舶工业的效率水平提高。

在2010年超效率值小于1的地区有天津、河北、江苏、浙江、安徽、福建、山东、江西、湖南、湖北、重庆、广东，到2011年有天津、河北、江苏、浙江、安徽、江西、湖南、湖北、重庆、广东。江苏和浙江作为全国重要的造船大省，超效率值都低于1，且排名并不领先，2011年江苏省规模以上船舶企业数目减少，从2010年的620个减至451个，行业内部分企业缩小经营规模，或者进行重组并购，或者退出行业［11］。相比于江苏省，浙江省的船舶企业面临的困境表现尤为突出，2011年，浙江省船舶企业受到全球海运业低迷的冲击，在持续高速增长后险踩急刹车，陷入困境。一些企业离开船舶行业，有一些企业还在艰难中挣扎求生。手持订单数量日益减少，融资日趋困难。江苏和浙江可能成为中国造船重点区域最先出现船企倒闭潮和行业洗牌的区域。船舶行业的洗牌是一次优胜劣汰的过程，可以倒逼行业中产能过剩的环境缓解，促使船舶企业通过创新、提高附加值寻找转型升级之路，从长远来看，有利于行业内企业质量的优化。

4 结 论

通过超效率DEA模型分析可知上海市的船舶工业的超效率值最高，其他各省市可以借鉴上海市的以下经验来提高自身船舶工业超效率值：

（1）推进造船企业兼并重组的力度，有利于资源的优化配置，加快造船基地和园区的建设，促进船舶产业集群化的发展。

（2）加强企业与企业以及企业与科研院所间的合作，培养高层次的科技人才，提高企业的经济效益，降低企业的成本。

（3）优化造船企业的管理工作，使企业的各个部门相互配合、相互协调，从而达到提升企业内部管理。

［1］ 2012年江苏船舶行业经济运行分析报告［EB/OL］.［2013-12-23］http：//zcgcxh.jscd.gov.cn/art/2013/4/3/art_13499_726249.html.

［2］ 2012年船舶工业经济运行分析［EB/OL］.［2013-12-23］.http：//news.steelhome.cn/2013/01/28/n2447725.html.

［3］ 张运华.中国船舶工业技术效率分析［J］.江苏科技大学学报，2007（4）：91-94.

［4］ 陶永宏，陈勇，苏昆.基于DEA的长三角船舶工业效率实证研究［J］.中国造船2011（4）：246-252.

［5］ Andersen P，Petersen N C.A Procedure for Ranking Efficient Units in Data Envelopment Analysis［J］.Management Science，1993（39）：1261-1264.

［6］ Yao Chen.Ranking efficient units in DEA［J］.The International Journal of Management Science，2004（32）：213-219.

［7］ 中国船舶工业年鉴编辑委员会.中国船舶工业年鉴2011［M］.2011.

［8］ 中国船舶工业年鉴编辑委员会.中国船舶工业年鉴2012［M］.2012.

［9］ 2011年福建省船舶工业经济运行分析［EB/OL］.［2013-12-23］ http：//wenku.baidu.com/view/87a1c34ce 45c3b3567ec8bd1.html.

［10］ 罗来春.上海造船业的产业竞争力研究［D］.上海师范大学，2012.

［11］ 支园园，张光明，朱凌云.基于灰色关联度的江苏船舶产业结构分析［J］.船舶，2013（3）：29-32.