英语原文共 22 页，剩余内容已隐藏，支付完成后下载完整资料
在集装箱港口效率方面，发展中地区都相等吗？
摘 要
在本文中，我们对发展中国家进行了集装箱港口性能分析。在2000年到2010年之间，使用参数和非参数方法。从一个独特的数据集-我们的样本涵盖70个发展中国家，203个港口和1750个数据。我们研究了生产力和效率变化的演变和驱动因素跨越发展中地区。我们展示了2000年至2000年间的生产率增长率。2010年显著变化，这种异质性可以通过纯效率变化来解释而不是规模技术变革的效率。因此，我们进行了详细的介绍效率分析确定港口效率的驱动因素。时间序列结果显示发展中地区港口效率呈上升趋势，从2000年的51％上升，在2010年达到61％。我们的分析表明私营部门参与了减少公共部门的腐败，改善班轮连通性和改善多式联运的存在提高了发展中地区的港口效率水平。
关键词 港口生产力；港口效率；发展中地区；基准测试；随机前沿分析
- 介绍
世界上大约80%的贸易是通过海上运输进行的，因此港口的性能，被称为国际贸易最重要的门户，是决定一个国家竞争力的关键因素。评估的港口绩效的水平和演变，如果能够影响公共政策的采纳，可以带来物流成本的大幅降低。在发展中国家，降低物流成本的需求更为迫切与经合组织国家相比，成本差距显著。根据世界银行的物流绩效指标(世界银行，2014a) 2014年，发展中国家在1至5的评分中得分为2.41分，而经合组织国家为3.70分。
近几十年来，随着集装箱的出现，航运市场发生了根本性的变化日益重要的运输设备。尽管集装箱化的商业服务始于20世纪50年代，但直到20世纪90年代集装箱化才开始严重影响全球贸易格局和制造业战略(罗德里格，2013)。这些变化是如此深刻，以至于到2009年，超过90%的非散货海运贸易是通过集装箱运输到世界各地，形成了所有地区国家之间的国际贸易(Ebeling, 2009)。近年来，不断发展各国在集装箱海运市场中的作用不断增强。这些国家移动了35.7%而2000年世界集装箱运输量在10年后却达到了47.5%的份额，虽然只占29%世界生产总值(世界银行，2014b)。值得注意的是，这种增长是供应链更深层次整合的大宗商品贸易增长，资本和消费品进口需求增加。尽管大部分扩张是中国、印度、俄罗斯和巴西等发展中大国快速发展的产物中等规模的发展中经济体也经历了类似的扩张。例如，从2000年到2010年，集装箱运输孟加拉国和秘鲁的经济增长率分别为197%和233%，与中国(217%）和巴西(237%)。
发展中国家港口集装箱吞吐量的显著增长与发达国家与发展中国家在港口质量认知上的巨大差距并存。根据世界经济论坛(2014)编制的港口质量感知指标，发达国家的港口质量感知指数比发展中国家高出5.5-3.7个百分点根据一个国家的平均水平进行比较，从1分到7分，新加坡(6.8分)和香港(6.6分)表现最好。
证据显示，港口效率与运输成本之间存在很强的负相关关系。在拉丁美洲，Wilmsmeier报道et al.(2006)计算出一对港口的港口效率加倍对国际运输成本的影响是相同的将它们之间的距离减半。同样，Clark等人(2000)发现港口效率从25日提高到在这个地区，75%可以降低12%的运输成本。说到航运成本，世界银行(World Bank)正在这么做《商业报告(2013)》显示，发展中地区每个集装箱的出口成本要高得多:拉丁美洲为1283美元;南亚为1787美元，撒哈拉以南非洲为2108美元，而经合组织高收入国家为1070美元(世界银行,2013年)。进口产品的成本比较类似，分别为USD1676, USD1968, USD2793和分别为1090美元。虽然我们可能会找到存在贸易壁垒或缺乏良好贸易便利化的原因(UNCTAD, 2003;Hoekman和Nicita, 2011;(世界银行，2011)，有理由假设一个港口的表现也有可能部分解释所观察到的成本差异。
考虑到发展中地区令人印象深刻的交通增长和与港口相关的更高成本——加在一起。随着人们对港口服务质量认识的降低，对港口性能的认识越来越少世界是令人惊讶的。采取旨在提高港口竞争力的成本效益政策需要有良好的质量以业绩指标基准形式提供的信息。不幸的是，关于发展中国家集装箱港口的生产力和效率的全面研究非常有限，而目前所能得到的很少的研究主要集中在这方面在单个国家或小地理区域。
本文基于2000年至2010年覆盖整个发展中国家的独特数据集，计算了促进发展中区域间生产力变化的因素，并确定港口效率的决定因素。尽最大努力据我们所知，目前还没有研究分析港口的性能水平、它们之间的差异和潜在的决定因素跨越所有发展中地区。
本文首先简要介绍了港口绩效理论，包括效率和生产率分析。然后提出了提供的可用数据，并提供详细的审查描述性统计按地区，然后转向审查的发展中地区集装箱码头的生产力。区域间生产力差异的来源并进行了效率分析。最后，本文提出了一些结论和政策建议。
- 基准测试港口绩效
已经使用了几个港口性能指标，目的是改进港口操作并提供有用的数据。港口发展规划及策略资讯。Talley(2006)将这些指标定义为选择变量，即可由港口管理控制的变量——用于优化经济目标。这些指标可用于港口评价不同观点的行动(贸发会议，1976年)。一些用于度量性能的广泛分类的例子包括效率、生产力、利用率和有效性指标。
港口行业主要依赖于部分绩效指标的使用，因为这些指标很简单。这些指标描述等待时间，服务或周转时间，劳动力支出，每吨货物的上限设备支出，港口或泊位每船时的吨/ TEU2，泊位占用和货物处理每吨货物的收入，以及其他行业指标。 但是，端口生产功能需要多个输出和输入。 出于这个原因，经济文献已经发展并越来越关注港口绩效的总体衡量标准，这说明了所使用的投入组合，将投入转化为产出的技术以及公司的生产规模。 在这个领域里，两个不同的概念脱颖而出：效率和生产力。
-
- 港口效率
与港口有关的文献从许多不同的角度讨论了效率问题。从本质上讲，港口效率分析投入(主要是港口的有形设施及其劳动力)和产出(如港口的数量或移动)。为此目的，有必要估计一个生产或成本边界-即。一组给定不同输入级别的最大输出或给定不同输出级别的最小输入集。在这种背景下，生产前沿代表了特定行业中投入的最优组合。因此，生产者是如果它在边境以下运作，就会被认为效率低下。根据这篇文献，效率可以估计为分配给每个观测值的位置之间的差距。这取决于它的投入和产出之间的关系，以及位于生产前沿的估计最佳实践。有效边界的构建从两种不同的方法着手:参数化方法和随机前沿分析(SFA)，非参数方法是数据包络分析(DEA)。两种方法都已证明对进行效率研究是有用的，因为这些研究提供了有关港口或终端机的宝贵资料正确使用投入，从而合理利用投资(Suarez-Aleman et al.2014)。
作为一种非参数估计，DEA围绕着一种不假设统计函数的编程方法基础数据。附录A中的表A1回顾了DEA方法在港口或终端效率方面的最新应用估计。就SFA而言，它代表了一种参数化方法，该方法假定存在一个统计函数，并允许假设检验。自从Farrel(1957)、Aigner等人(1977)和Meeusen and van den Broeck(1977)等人的最初作品问世以来，《this》就一直在出版方法论一直在不断更新。
简而言之，定义SFA方法中技术效率的方程为：
其中输出，是每个观察i和时间段t的输入矢量。是未知参数的向量和是常数。术语是可用观察的现有时间段中的一组T个时间段，对于第i个港口。 术语捕获技术无效率，并被假定为单方面独立且相同分布式随机变量，而捕获测量误差和随机效应，并假设是双面的独立且相同分布的正常N（0，）变量。继Battese和Coelli（1995）之后的一个阶段模型可以通过在估算中拟合条件均值模型来纳入技术效率的解释因素：
其中是一组与技术效率随时间变化相关的解释变量，是未知参数的向量，并且通过截断平均零和标准差的正态分布来定义。一旦设定假设，可以通过比较每个观测值中的观测输出来计算每个观测值的技术效率如果生产效率低下，就要坚决反对产出。这些估计值用以下计算方程：
或技术效率是0到1之间的变量，最大值代表技术效率前沿。虽然边际分析在港口部门的应用是相对较新的，但有许多研究使用SFA分析端口效率。附录A中的表A2列出了SFA方法对端口或终端的显着应用最近几十年的效率估计。
2.2 港口生产力
生产率的概念，经常被用来衡量和比较企业的绩效，是指投入超过投入的比率。它分析了公司如何利用其投入禀赋来产生其产出。虽然生产力和效率通常可以互换使用，前者包含更广泛的概念。港口效率，一方面，分析端口在给定数量的输入下或通过使用获得最大输出的能力给定数量的产出下的最低投入量。因此，效率的提高代表了一种接近最优的情境的运动。另一方面，港口生产率的变化可能来自效率增益或来自技术变革。在生产前沿环境中，这可以通过前沿的向上移动来表示，例如，时间。
港口通常具有不同的输出（处理集装箱，液体，固体或散装货物，普通货物等）和输入（起重机，劳务，码头设施等）。因此，输入与输入之间的简单比率可能无法正确表示现实一个港口。我们必须采用能够说明产生一个或多个输出所需的所有输入的方法，即称为全要素生产率（TFP）。最近已经实施了各种确定TFP的方法几十年来，主要基于市场价格（例如，基于价格的指数）的使用或基于产量的估计后一种方法允许通过不同的面板数据将TFP分解为不同的组件公司。
Malmquist DEA TFP分解首先由Fobre等人实施。（1992）基于Caves等人开发的生产率测量。（1982）在效率理论的背景下，在生产的估计中代表了一个合理的例子边境。该指数在过去十年中已被广泛用于港口相关文献中。表1显示了最近的列表涵盖世界几个地区的学术论文。
虽然有几个研究的例子遵循多国方法（Wilmsmeier等，2013; Cheon等，2010; Al-Eraqi等，2009），据我们所知，没有研究分析容器的生产率增长所有发展中地区的终端及其决定因素。
2.3 Malmquist分解指数
简而言之，该指数通过计算两个输入组合的距离之间的比率来估计TFP变化两种不同的时间段，采用共同的技术。 期间0（基准年）之间的Malmquist TFP变化指数和1（参考技术）由下式给出：
代表的距离时间0观测周期1技术(Coelli et al ., 2003)。7根据Fare et al.(1992)，另一种Malmquist TFP指数定义为所述指数的几何平均值在这两个不同的时期(参考技术)。也就是说,
或者，我们可以把前面的表达式写成:
其中括号内的表达式表示两个时期之间的技术转移，括号外的比值表示技术效率变化。因此，我们可以将生产力的两个组成部分分开来更好地确定TFP变更的来源。
DEA方法可以估计上述Malmquist TFP分析所需的距离函数。此外，实现了规模固定收益(CCR，来自Charnes et al.，1978)和规模可变收益(BCC，摘自Banker et al.，1984)不仅可以理清技术和效率的变化，而且在后者的范围内，分离纯技术效率和规模效率。为了说明这两个影响，前面的表达式是否通过引入BCC距离函数来修正得到
因此，TFP变化最终形成为技术、规模、纯技术效率变化的乘积:
TFPCH=EFFCH *TECHCH; EFFCH=PECH *SECH;
这里
TFPCH=全要素生产率变化，表示由于EFFCH或TECHCH;
EFFCH=效率变化，表示由于性能中的效率水平而导致的生产力变化的部分，可分解为PECH和SECH;
TECHCH =技术变更，表示由于技术变更而引起的生产力变更的（一部分随着时间的推移，在生产前沿);
PECH=纯效率变化，表示纯效率考虑引起的部分效率变化，一次消除结垢效率;
SECH=规模效率变化，表示由规模引起的部分效率变化:规模效率是衡量企业优化经营规模的程度(Coelli et al.，2003)。
综上所述，图1为分析的理论框架示意图
表1马尔奎斯特指数在最近的港口研究。
图1所示。港口经济运行框架。注:DEA =数据包络分析;随机前沿分析;TFP =全要素生产率。
- 数据
本文使用从“集装箱化国际年鉴”（2002-2012）的各种版本收集的港口数据，a出版物，提供全球集装箱码头资产的详细说明。 该信息用于构建一个跨越11年的数据库，从2000年到2010年，覆盖70个发展中国家，203个端口和1750个数据点。为了构建数据库，我们省略了在11年内未达到50,000 TEU年度集装箱吞吐量的港口期间（占样品总通量的0.2％）。此外，终端级数据在港口汇总用于比较目的的水平。 总而言之，我们的数据库是一个不平衡的面板，包括发展中的大多数主要港口，约占发展中地区集装箱总量的95％。
我们收集了以下港口信息:(1)年度集装箱吞吐量，(2)总码头面积，(3)泊位总长度，(4)具有集装箱装卸能力的移动式起重机数量，9台和(5)台船到岸(STS)龙门起重机数量。每在这段时间里，我们还确定了一些私人经营的港口，有铁路的港口，以及主要的转运中心。此外，我们还纳入了可能影响港口绩效的国家一级数据，包括(1)人均收入来自世界银行世界发展指标(以不变美元计算)、GDP(以不变美元计算)和贸易的数据开放(进出口占GDP的比重);(2)联合国贸易和发展委员会的数据(贸发会议)关于班轮运输连通性，这是一项衡量
全文共8095字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[450127]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
