英语原文共 16 页，剩余内容已隐藏，支付完成后下载完整资料
台湾集装箱运输业的生产力增长、规模经济、船舶规模经济与技术进步
Wei - Ming ，Jenn - Rong Lin
高雄第一科技大学物流管理系，高雄台湾81164
国立台湾海洋大学交通科学系，基隆台湾20224
引言
文章背景：
2013年11月18日收到，2014年9月30日收到的修正版本，2014年10月22日接受，2014年12月4日在线提供
关键词:
全要素效率、集装箱船舶、规模经济、船舶规模经济
摘要
本文提出了一个理论模型去评估和分解台湾集装箱船舶业的全要素生产率的增长而不是用传统的基于船舶的方法来计算船舶作业的所有成本项目。 结果表明，规模经济和船舶规模经济在促进TFP增长中发挥着主导作用。2006以来，全要素生产率的主导地位增长 它逐渐从规模经济转向船舶规模经济。这是大型船舶成本优势的主要原因。此外，它还表明，大型船只的部署已经导致严重过剩的问题。
2014爱思唯尔有限公司版权所有。
1. 介绍
在全球班轮运输业中，集装箱化已经发生了革命性的变革，由于操作效率的大幅提高，集装箱化大大降低了普通货物海运的成本。特别的是，随着国际集装箱运输业的结构和环境发生了巨大的变化，导致各大集装箱航运公司迫切需要部署大型集装箱船，并通过战略航运联盟与空间共享(船舶共享)和舱位租赁活动开展业务。(Alix et al., 1999; Cullinane and Khanna, 2000; Talley,2000).因此，日益集中的行业已成为少数全球航运联盟的主导，这些联盟经营着更加密集的服务网络。但是， 大型集装箱船大规模部署的主要集装箱船运输公司，已经引起了一个全行业的问题，即未充分利用船队能力，而不管来自于满载的大型集装箱船舶的成本有多大。鉴于集装箱航运工业环境的变化，有必要指出分配大型集装箱在航运公司生产力增长方面的影响。
另外，油价上涨和利率创历史新低，尤其是在过去十年里，也鼓励公司积 极扩大它们的船队容量，并采用 最佳实践技术和管理流程。随着航运联盟的出现，航运公司经营和管理一家稳步增长的集装箱运输公司的技术和技能也相应发生了变化。(Tary，2000；Wu和Lin，2014)。在快速扩大船队能力的同时，集装箱船舶运输业在货物运输方面也有了一个极大的增长。在过去的十年里，通过全球自由贸易制造而显现出来的商业机会也越来越多。随着要素投入水平、产出水平和相对投入价格的变化，生产效率的增长因经营一艘船只而发生了变化，但 生产率的提高还不知道。
全要素生产率(以下简称全要素生产率)是用来衡量多产出和多投入生产的工业或工业的生产率增长的。在方法上，基于从生产函数或成本函数导出的理论性质来研究所研究的公司/行业的生产率增长。不像基于单一要素投入的生产力的测量，如劳动生产率、DALY和RAO(1985)证明，全要素生产率是经济效率的最佳单项指标，不受要素间替代的影响。 受相对投入价格变动的影响。然而，无论在理论上还是在实际测量方面，TFP都不是一个明确的概念(Oum等人，1992年；Waters，2008年)。此外，Barro(1999年)， Mahadevan(2003)和Hulten(2001)也提出了许多关于全要素生产率增长的概念、测量和解释的争议性观点。根据数据，TFP指数是a的比率。 n个总输出量指数到一个总输入量指数。由于多输出和多输入生产固有的农业问题，计算聚合的各种方法。 投入产出指标可能会导致不同的TFP增长率。因此，不同的解释和实证结果可能来自研究（diewert，1992）。
此外，一些研究还提供了理论推导和经验证据，表明TFP增长率可以进一步分解为多种成分。识别与ES 调整全要素生产率的构成部分，将进一步深入了解产出增长、制度监管和技术变革对产出增长、制度监管和技术变革的影响，科技变化也随着公司的变化而变化。Denny(1981)等人通过将全要素生产率增长率分解为不同的成分，分析生产率的增长。此外，Hoper和Hensher(1997)应用一种非参数指数方法来度量澳大利亚机场的TFP，根据规模效应和管理绩效划分不同机场生产率差异的来源。同时，通过对不同行业的关注，许多实证研究都是采用了类似的方法去提出了TFP增长率来调查生产率增长的主要来源(Lee等人，1999年；Callan，1986年；Gollop和Roberts，1983年；Caves等人，1981).
本文的动机是以下观察。在文献中，大多数与海洋有关的研究，都是以港口和港口为研究对象，研究的对象主要是港口和终端港口。(Tary，1994年；Liu，1995年；Notteboom等人，2000年；桐松，2001年；Barros，2003年、2006年；Cullinane等人，2006年；Cullinane和Wang，2006年；Rios和Macada，2006年；Cheon等人，2010年)。 作为海上运输链的一部分，航运公司的相对科学对提供海陆界面的海港的重要性具有同等的影响。尽管集装箱在海运方面很重要，目前致力于调查集装箱运输工业生产力增长的研究出奇地受到限制。
另一方面，当研究不同大小船舶的成本效益时，有关集装箱航运公司营运效率的研究，通常是以船舶为基础，与此同时，对不同操作条件下的总运营成本进行敏感性分析，如船舶大小、停靠港数、航行频率和航次距离等，通常用于确定最佳船舶尺寸(Jansson和Shneerson，1982年；Lim，1994，1998年；Tallee，1990年；Cullinane和Khanna，1999年和2000年)。因此，在这类研究中，主要使用的是船舶层面的数据，而不是公司层面的数据。
相比之下，Panayides(2011)等人是文献中很少利用一组金融数据来研究船舶公司的相对有效性的研究，该数据涵盖了来自26个公司的散装和油轮部门。他们的研究还提到，对调查航运公司营运效率的关注有限，这意味着可能存在的变数和措施。 在模型中作为输入和输出没有得到很好的发展。此外，克莱因和凯尔（1997）也指出，只有少数人尝试运用现代计量经济学方法。 调查航运业在获取数据时的差异对其绩效的影响。很明显，向公众发布商业数据的担忧仍然是为什么研究人员从集装箱航运公司收集运营数据是困难的以及为什么这种研究往往是不可行的主要原因。
本文认识到集装箱航运公司相对于海港部门明显缺乏一种相对于港口部门的成本科学测量方法，旨在对集装箱航运公司的生产力增长进行评估，填补在文学上的差距。与传统的以船舶为基础的研究不同的是，这些研究严重依赖于关于航运运营条件的假设， 本研究应用全要素生产率增长数据对集装箱运输行业的生产率增长进行了实证研究。从航运公司收集财务和业务数据以及指定的成本函数，本研究的目的是测量台湾集装箱运输业的全要素生产率增长，并明确其增长来源。
虽然有许多关于探索操作的研究是基于TFP生长的理论推导，本文在对TFP生长进行理论推导的基础上，通过对TFP生长的评价和分解，为衡量台湾集装箱运输业的TFP的生产率增长做出了贡献。总之，本文的主要贡献如下：
- 虽然已经有一些探索关于海运的操作效率和生产力增长的研究，但他们大部分集中于港口和码头业务。在我们对相关文献的回顾中，我们没有找到任何研究集中于探索集装箱运输公司的操作效率，或生产力增长。因此，本文建立了一个具有坚实理论基础的模型，用以评价和分解集装箱航运公司的生产力增长。从客观的角度来说， 本研究为海事相关文献的实证研究奠定了理论基础。
- 本文从理论应用和实践意义两方面对文献进行了有益的探索。与设置单个时间变量以表示中性技术变化不同，本文建立了一个模型，包括两个技术变量，将中性技术进步所体现的技术变化与所体现的技术进步从大型船只的部署中分离开来。到目前为止，这还没有在文献中提出。
- 最大的集装箱航运公司的经营效率相关研究通常是基于船舶。本研究采用TFP增长利用公司级数据调查的 集装箱运输部门的生产率增长。同时，通过对台湾集装箱运输业的实证研究，更好地了解和理解了拟建模型的特性。
本文的其余部分按以下方式组织。在第二节中，建立了一个理论模型来测量和分析航运公司的全要素生产率增长率。 第3节应用Translog成本函数对台湾集装箱航运业TFP增长率的来源进行了实证研究。在第4节中，得出了一些结论。最后，第五节讨论了进一步研究的局限性和建议。
2.理论模型
2.1不同方法的比较
在实证研究中，数据包络分析(DEA)和随机前沿分析(SFA)是目前最常用的两种测量公司或行业运输部门经营效率的方法（Hayuth，1993年；桐松，2001年；Barros，2003年、2006年；Park和De，2004年；Yoshida和Fujimoto，2004年；Cullinane等人，2006年；Rios和Macada，2006年；Graham，2008年；Yu和fan，2009年）这两种方法被称为前沿方法，传统上被认为是相互竞争的。事实上，到目前为止的文献还没有定论。 因为它们各自的优势和弱点，所以在一项实证研究中还不能确定这两种方法的相对稳健性和有效性。(Cullinane等人，2006年；Graham，2008年；P anayides等人，2011年）。
在方法上，DEA是一种非参数技术，在实证研究公司的相关效率中得到了广泛的应用，因为在函数形式上没有其他限制。然而，在实证研究中应用DEA，需要认识到两个主要的缺陷。首先，DEA分数对样本集的大小相当敏感。增加样本量 将降低平均EF科学分数，因为样本点数的增加意味着单个DMU[1](决策单元)相对唯一性的损失，在进行一对分组的EF科学比较时减少了绩效，第二，由于缺乏统计数据的不固定以考虑输出的随机特性，因此EF与基准DMU.1秒进行比较时，会得到更高的科学分数。 在模型中，基于DEA的经验结果对数据集中的测量误差和异常值特别敏感。显然，这种非参数化的技术往往比较少。 由于模型中不包含误差项，以及模型中变量的方差较大，因此模型中的误差项不包括测量误差或离群点的扰动。
相反，SFA是一种参数化技术，它涉及到施加一种特定的函数形式，以估计一个连续的、规则的关系，这种关系是关于非零边界的，并且可以有效地利用数据集中的统计噪声。与DEA相比，最主要的优势是SFA将剩余物(即偏离生产前沿的偏差)分解为无效和一个随机成分。从而解决了DEA方法的不足，特别是对异常值和测量误差进行再分配的问题。从经验上看，SFA逐渐流行起来。 由于计量经济学中估计技术的显著改进。
在考虑DEA和SFA的局限性时，一些事实使得这两种方法不太合适：
- 在全球集装箱运输业中，船舶尺寸和时间趋势的扩大所体现的技术变化，可能在过去二十年中逐渐改变了生产的前沿。本研究中给出的所包括的航运公司数目较少，因此，在数据包络分析中，采用多周期横截面数据集(即面板数据)的窗口技术的有效性，可以解决以下问题： 因此，模型中样本点(DMU)过少可能会引起一些问题。
2.随着大型船只和船队在航运公司之间的部署，业务规模的不断扩大大大扩大了所使用的要素投入和运价的差异。 这反过来又意味着，由于数据集中存在较大的测量误差或异常值，所以DEA的应用不太合适。
3.通过应用SFA估计模型中的参数和再分配系数，对函数形式和形式的参数进行先验假设，对结果以及 错误项的结构进行了很大的估计及。因此，SFA面临着一个在模型中指定的误差项的统计分布问题的挑战。
另一方面，在考虑技术变化偏向的情况下，应仔细评估因要素价格变化而引起的要素投入利用率的变化。在或 将全要素生产率分解为规模效应、效率变化效应和技术变化效应，Lansink等。(2000)建立一个考虑输入偏置的理论模型 ，该模型来自外部技术变化和价格诱导的创新。为了遵循理论推导，DIVISIA TFP增长率提供了一种更好的方法来衡量总体生产力增长率，即不受要素价格变动影响的利率。
2.2.传统全要素生产率增长的估算
在测量一个公司随时间的生产力增长时，求助于生产函数是相当直观的。因此，测量基于这样的生产函数的公司全要素生产率的传统方法是可行的。 在理论上，生产函数描述了劳动、资本和其他要素的投入与商品和服务产出之间的关系。相同的是， 集装箱航运公司的生产功能可以具体包括劳动力、资本和其他要素的投入。此外，燃料消耗通常起关键作用。因此在操作船舶时通常被指定为海洋相关研究的一个因素输入。
除劳动力、资本和燃料投入外，实际上还需要许多其他要素投入，以支持港口和海上、装卸集装箱和转运的船舶作业， 管理航运公司。在一般情况下，它们可以分为几组在不同阶段的航运业务的要素项目。第一组由分布式船舶相关的操作项目组成。例如，备件供应和提供保险，干船坞，维修及保养，导航，运河通道等。第二组包括 与集装箱装卸、重新定位、转运和内陆运输有关的物品。第三组包括因码头和港口的活动而产生的项目。最后，最后一组涉及与航运公司的管理和组织活动有关的项目。
在考虑数据可用性和对构成其他因素输入的项目进行分解的复杂性时，将每个项目指定为模型中的参数特定因子输入是不可行的。因此，在本研究中，其他
全文共18490字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[14675]，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。
