广东省沿海港口物流效率评价及影响因素研究

Assessment of Coastal Port Logistics Efficiency and Analysis of Influencing Factors in Guangdong Province

摘要

随着经济全球化的深入与物流业进入高质量发展阶段，广东省沿海港口群提高港口物流效率对于港口群提升国际竞争力、促进区域经济发展，以及构建广东省港口“一核两极”发展格局具有重要意义。通过构建投入产出指标体系，利用DEA-Tobit模型及收敛性分析对广东省沿海港口2016—2020年物流效率及其影响因素进行分析。结果表明，广东省沿海港口总体物流效率较高，但各港口之间物流效率存在较大差距，且差距存在先增大后稳定再缩小的过程。在影响因素分析中，区位因素、信息化程度、产业结构及政府干预均与物流效率呈显著正相关；区域科技实力与物流效率之间呈显著负相关，但相关系数较小；而地区物流业发展水平对物流效率没有显著关系。最后，对广东省沿海港口物流业的发展提出了相关对策建议。

Abstract

As economic globalization deepens, and the logistics industry enters a phase of high-quality development, improving port logistics efficiency in the Guangdong coastal port cluster is of great significance for enhancing international competitiveness, promoting regional economic development, and constructing the "one core and two poles" development pattern of Guangdong ports. This study constructed an input-output index system and used the DEA-Tobit model combined with convergence analysis to examine the logistics efficiency and influencing factors of Guangdong coastal ports from 2016 to 2020. The results show that while the overall logistics efficiency of Guangdong coastal ports is relatively high, significant disparities exist among these ports, with gaps initially widening, then stabilizing, and finally narrowing. Among the influencing factors, location, informatization level, industrial structure, and government intervention all demonstrate significant positive correlations with logistics efficiency. Regional technological strength shows a significant negative correlation with logistics efficiency, though the correlation coefficient is small. Meanwhile, the regional logistics industry development level shows no significant relationship with logistics efficiency. Finally, countermeasures and suggestions are proposed for the development of coastal port logistics in Guangdong Province.

Graphical abstract

关键词

港口物流效率 / 收敛性分析 / 影响因素 / DEA / Tobit

Key words

Port Logistics Efficiency / Convergence Analysis / Influencing Factor / DEA / Tobit

0　引言

长期以来，广东省沿海港口不仅是广东省，也是我国华南、西南等广大地区对外经济发展的重要门户。目前，广东省沿海港口形成了以广州港、深圳港、湛江港、珠海港、汕头港为主要沿海港口，以及佛山港和肇庆港两大内河港口的格局。在广东省沿海港口的发展过程中，各港口物流产业集群存在较大差异，珠三角港口群与粤东、粤西港口群间的协同联动不足；同时，各港口对物流资源的利用程度存在较大差异，存在个别港口资源利用率较低、物流效率尚需提升等问题。2022年广东省出台《广东省港口布局规划(2021—2035年)》，提出强调广州港、深圳港、珠海港在珠三角地区的引领地位，强化汕头港、湛江港在粤东、粤西地区的核心地位，促进广东省港口形成差异化、优势互补的良好竞合态势。同时，粤港澳大湾区建设也对广东加快港口资源布局优化提出了更高的要求，迫切需要提高广东省各沿海港口的物流效率。

近年来，学者们在沿海港口物流、港口物流效率及港口物流效率影响因素研究方面均取得了一定成果。在沿海港口物流研究方面，吴价宝等^[1]分析江苏沿海港口的物流协同度并对港口物流协同发展提出政策建议；姜旭^[2]探讨了天津港集装箱物流服务现状并运用AHP-DEA模型对天津港集装箱的物流服务进行综合评价，给出相应对策建议；滕炜超等^[3]应用TOPSIS-DEA相结合的方法对我国13个沿海主要港口的竞争力进行排名并对港口效率进行分析；Wang等^[4]认为上海洋山港正在向亚太地区的综合物流中心转型，参照港口体系空间进化模型，进一步考察了洋山港的崛起对长三角空间模式的影响；Coronado等^[5]以西班牙阿尔赫西拉斯港为例，研究了港口集装箱物流与区域经济的互动关系；刘敏等^[6]利用云模型综合评价方法分析“深中通道”对粤港澳大湾区的影响，提出开拓港口群腹地资源、加强区域合作等建议。在港口物流效率研究方面，郑琰等^[7]运用数据包络分析法(DEA)对连云港2008—2017年物流效率进行分析，发现港口存在资源配置不合理、管理效率低等问题并提出改进意见；李昊洲等^[8]运用两阶段DEA方法对我国8个海上丝绸之路沿线港口效率进行分析，指出8个沿线港口效率均未达到整体有效；吴晓芬等^[9]运用四阶段DEA-Malmquist模型对长三角港口群效率进行评价，得出沿海港口效率高于内河港口，环境因素对港口效率影响显著。在港口物流效率影响因素研究方面，郑兵云等^[10]运用交叉效率DEA-Tobit模型分析“一带一路”沿海港口群物流效率及其影响因素，指出对外开放程度和产业结构与港口效率呈正相关关系，港口基础设施与港口效率呈负相关关系；秦雯^[11]以珠海港为例，采用Tobit模型对港口物流效率影响因素进行分析，得出物流资源利用率和外贸水平是影响物流效率的主要因素。

基于此，运用DEA-Tobit模型及收敛性分析对广东省沿海港口2016—2020年的物流效率及其影响因素进行分析，并根据分析结果提出相关对策建议。

1　模型建立

1.1　DEA模型

选取DEA模型^[12]研究港口物流效率，其原因在于DEA法适合多投入、多产出的复杂系统，根据评价对象投入产出指标体系的实际数据出发，排除量纲的影响，同时不受主观人为因素的影响，因而是对物流效率评价客观可行的方法。DEA法中典型的计算模型为规模报酬不变的CCR模型和规模报酬可变的BCC模型。CCR模型无法考虑规模效率对物流效率的影响，使用范围受到限制；而BCC模型不仅考虑到规模效益，还能测算每个决策单元(DMU)的规模效率值，能深入将综合物流效率值进行分解。2种方法都无法对处于技术有效状态的DMU进行效率高低的比较。考虑到实际中物流业规模报酬可变的特点，选择DEA方法中以投入为导向的BCC模型^[13]，对广东省沿海港口物流进行评价。具体计算如公式⑴所示。

\begin{array}{l}\mathrm{m}\mathrm{i}\mathrm{n}\theta \\ \mathrm{s}.\mathrm{t}.\left\{\begin{array}{c}{\displaystyle \sum _{j=\mathrm{1}}^n}{x}_j{\lambda }_j+s^{-}=\theta x_k\\ {\displaystyle \sum _{j=\mathrm{1}}^n}{y}_j{\lambda }_j-s^{+}=y_k\\ {\displaystyle \sum _{j=\mathrm{1}}^n}{\lambda }_j=y_k\\ \begin{array}{c}{\lambda }_j\ge \mathrm{0},j=\mathrm{1,2},\dots ,n\\ s^{-}\ge \mathrm{0},s^{+}\ge \mathrm{0}\end{array}\end{array}\right.\end{array}⑴

式中：\theta为决策单元的综合效率值，即所求总效率的最优解，\theta \in (\mathrm{0,1}]；x_j为输入变量投入量，即水上运输业基础设施固定资产投资额、万吨级码头泊位数、码头泊位长度；y_j为输出变量产出量，即港口货物吞吐量、集装箱吞吐量；若对第k个DMU效率评估，此时的投入为x_k，产出为y_k；n为DMU的个数，即广东省沿海港口总数；s^{+}和s^{-}为松弛变量，分别表示输出变量产出量的不足量与输入变量投入量的多余量；{\lambda }_j为输入和输出的权系数；{\displaystyle \sum _{j=\mathrm{1}}^n}{\lambda }_j=\mathrm{1}(\lambda \ge \mathrm{0})为BCC模型在CCR模型基础上增加的约束条件，其作用是使投影点的生产规模与被评价DMU的生产规模处于同一水平。

1.2　收敛性分析

在对广东省沿海各港口物流效率进行测算后，利用\sigma收敛模型分析不同港口物流效率的离差是否随时间推移而减小，判断港口间物流效率的趋同和发散性情况。具体计算如公式⑵所示。

\sigma =\sqrt[]{\frac{\mathrm{1}}{n-\mathrm{1}}{\displaystyle \sum _{i=\mathrm{1}}^n}{\left({\theta }_{i,t}-{\overline{\theta }}_t\right)}^{{}^{\mathrm{2}}}}⑵

式中：\sigma为标准差，表示港口间物流效率的离散程度；n为广东省沿海港口总数；{\theta }_{i,t}为第i个港口在t时期的物流效率；{\overline{\theta }}_t为t时期所有港口物流效率的平均值。

1.3　Tobit模型

由于物流效率的取值在0-1之间离散分布，属于受限因变量模型，为截断数据。此时，采用传统的最小二乘法模型会导致模型计算结果出现偏差^[14]。为了减小误差，构建采用极大似然原理的面板Tobit模型，如公式⑶、公式⑷所示。

y={\beta }_{\mathrm{0}}+{\displaystyle \sum _{i=\mathrm{1}}^n}{\beta }_i{x}_i+\delta⑶

⑷

式中：y为因变量，即物流效率值；x_i为解释变量，即各影响因素；{\beta }_{\mathrm{0}}为回归方程的常数项；{\beta }_i为各项自变量的回归系数；\delta为残差且服从正态分布\delta\simN(\mathrm{0},{\sigma }^{\mathrm{2}})。

2　指标体系构建与影响因素选取

2.1　物流效率指标体系构建

在评价广东省沿海港口物流效率时，首先基于全面性、代表性、合理性和稳定性原则，从资产投资、设施设备、物流通量3个角度构建投入产出指标体系综合反映港口物流效率。在投入指标中从资产投资与设施设备角度选取水上运输业基础设施固定资产投资额X\mathrm{1}、万吨级码头泊位数X\mathrm{2}、码头泊位长度X\mathrm{3}、码头泊位数X\mathrm{4}\mathrm{共}\mathrm{4}个指标。在产出指标中从物流通量角度选取港口货物吞吐量Y\mathrm{1}、集装箱吞吐量Y\mathrm{2}共2个指标。利用CRITC法^[15]计算投入指标客观权重进一步筛选投入指标，得出权重靠前的3个指标为X\mathrm{1}，X\mathrm{2}，X\mathrm{4}，但X\mathrm{2}，X\mathrm{4}均为反映船舶容纳能力指标，在指标类型上有重叠，考虑到指标选取的代表性与全面性，最终选取X\mathrm{1}，X\mathrm{2}，X\mathrm{3}为投入指标，所占权重之和达80%。广东省沿海港口物流效率的指标说明如表1所示。

2.2　影响因素选取

研究将各港口在2016—2020年的物流效率值作为因变量，将以下各因素作为自变量：物流业发展水平、区域科技实力、区位因素、信息化程度、产业结构、政府干预。由于物流业产值被分散在各个产业类别中，整个物流业的能耗在统计年鉴中没有统计出来，在这里用物流业中占比最高的交通运输、仓储和邮政业来代替物流业进行统计分析。影响因素的指标描述如表2所示。区位商的计算如公式⑸所示。

L{Q}_{ij}=\frac{L_{ij}/{\displaystyle \sum _{j=\mathrm{1}}^m}{L}_{ij}}{{\displaystyle \sum _{i=\mathrm{1}}^n}{L}_{ij}/{\displaystyle \sum _{i=\mathrm{1}}^n}{\displaystyle \sum _{j=\mathrm{1}}^m}{L}_{ij}}⑸

式中：L{Q}_{ij}为某城市i物流业的区位商；L_{ij}为第i个城市物流业的生产总值；{\displaystyle \sum _{j=\mathrm{1}}^m}{L}_{ij}为第i个城市生产总值；{\displaystyle \sum _{i=\mathrm{1}}^n}{L}_{ij}为全国物流业生产总值；{\displaystyle \sum _{i=\mathrm{1}}^n}{\displaystyle \sum _{j=\mathrm{1}}^m}{L}_{ij}为全国生产总值。

构建Tobit回归模型分析计算，如公式⑹所示。

y={\beta }_{\mathrm{0}}+{\beta }_{\mathrm{1}}LG+{\beta }_{\mathrm{2}}RD+{\beta }_{\mathrm{3}}LQ+{\beta }_{\mathrm{4}}PT+{\beta }_{\mathrm{5}}CT+{\beta }_{\mathrm{6}}GI+\delta⑹

式中：y为港口物流效率；{\beta }_{\mathrm{1}}—{\beta }_{\mathrm{6}}为各影响因素的回归系数；{\beta }_{\mathrm{0}}为常数项。

3　实证结果分析

为确保指标选取符合DEA模型的合理性，需要对投入产出指标做正向性相关性检验。通过Pearson相关性检验分析表明投入产出指标之间相关系数为正，且通过了双尾检验的显著性要求，说明所构建指标体系是合理的。投入产出指标Pearson相关性检验如表3所示。

3.1　物流效率分析

3.1.1　时间维度分析

利用DEAP2.1软件对样本数据进行计算，得到广州港、湛江港、汕头港、深圳港以及珠海港的物流综合技术效率、纯技术效率、规模效率。物流效率计算结果如表4所示。2016—2020年广东省沿海港口物流效率趋势图如图1所示。

（1）综合效率分析。2016—2020年广东省沿海港口综合效率趋势图如图1a所示。结合表4物流效率计算的结果来看，广州港和深圳港近些年的物流综合效率都为1，保持在技术有效的状态。表明广州港与深圳港物流产业配置结构相对合理，物流资源的使用率高。湛江港在2016—2019年的物流效率都为1，说明在这4年中，湛江港的物流资源利用率高。而2020年湛江港的物流效率低于1，说明港口在2020年物流资源的配置上仍有可调整的空间。但湛江港规模报酬处于递增状态，表示产量增加的比例大于物流要素投入的比例。“十三五”时期，湛江作为全国性综合交通枢纽，其综合运输结构加快升级的同时也带来了货运、客运的加速增长，特别是水路运输的比重不断增长。汕头港在2016—2020年期间，物流效率均低于1，而纯技术效率为1。这说明汕头港物流效率主要受限于地区物流产业规模环境，港口投入结构与规模不匹配，需要根据港口规模报酬递增的情况进一步优化港口效率。汕头港以能源、原材料和集装箱运输为主，兼顾散杂货运输，可以通过加快发展大宗货物海铁联运功能，拓展临港产业、商贸物流等综合服务功能，促进地区物流产业规模的发展。珠海港近些年物流效率在0.5~0.7之间波动，整体物流效率偏低，其港口的经营效率与规模经济都有待提高。珠海港以煤炭、矿石、油气等大宗散货和集装箱运输为主，可通过发展多式联运、现代物流、保税服务等综合服务功能扩大港口运输规模。

（2）纯技术效率分析。2016—2020年广东省沿海港口纯技术效率趋势图如图1b所示。结合表4物流效率的计算结果可知，广州港、汕头港、深圳港近5年的纯技术效率都到达有效值1，说明管理人员对于港口的管理方式合理，技术要素得到了充分应用。相比于珠海港，广州港、汕头港与深圳港投入与产出水平的匹配度明显更优。珠海港的纯技术效率在2016—2019年缓慢上升，在2020下降到0.675，说明2020年这一年可能由于基础设施固定资产投资额、万吨级码头泊位数、码头泊位长度冗余或者是港口货物吞吐量、集装箱吞吐量不足，造成了经营效率不高、资源调度不合理的现象。湛江港的纯技术效率由于港口生产规模与产出不匹配导致除2020年稍有下降外，其他年份均处于纯技术有效状态。

（3）规模效率分析。2016—2020年广东省沿海港口规模效率趋势图如图1c所示。其中，广州港、深圳港在2016—2020年期间规模效率为1，湛江港除了2020年稍有下降外，其他年份规模收益不变且有效，说明广州港、深圳港、湛江港有良好的区位优势和广阔的经济腹地。珠海港整体波动较小，汕头港波动较大，规模效率始终小于1，而港口规模报酬递增，说明港口企业应意识到投入产出的不平衡，扩大生产运营规模的同时适当增加物流要素的投入。

3.1.2　空间维度分析

广东省沿海港口物流效率收敛性检验结果如图2所示。从分析结果来看，2016—2018年广东省沿海港口物流效率的\sigma值呈上升趋势，表明在该时间段内广东省各沿海港口的物流效率值随时间的变化差距在拉大，各港口间的物流业发展差距在增大。2018—2019年\sigma值趋于稳定，说明这两年广东省沿海港口的物流业发展差距没有扩大趋势，但物流效率的\sigma值偏大，各港口之间的物流业发展在该阶段仍有较大差距。2019—2020年\sigma值开始回落，说明随着粤港澳相关政策的出台，其他沿海港口带动了汕头港的物流业发展，使得各港口近年物流效率的差距随着时间的推移在逐渐缩小。

各港口之间规模效率差距的变化过程与物流效率差距的变化过程趋于一致，皆为差距先增大后趋于平稳再缩小的过程；而各港口之间纯技术效率的差距则是先减小，到2019年时又逐渐增大。

3.2　影响因素分析

借助Stata MP 16.0软件，以左归并点为0且右归并点为无穷大，对整理的150个数据进行统计分析，物流效率影响因素Tobit回归结果如表5所示。

从分析结果可以看出。

（1）地区物流业的发展水平与物流效率之间并没有显著关系。表明当前地区物流业的发展水平不能进一步促进广东省沿海港口整体物流效率的提升。这种情况的产生一方面是由于广东地区经济结构上物流业发展滞后于整体经济的发展，另一方面各港口物流业整体向着高质量方向发展，短期内投入增加，物流要素的投入与港口生产能力的转化需要时间。

（2）R&D经费的投入与物流效率之间存在1%的显著性水平下显著，但系数较小且为负值，说明R&D经费支出中政府支出对物流效率基本没有影响。

（3）区位因素与港口物流效率之间存在正向关系，且在1%的显著性水平下显著，相关系数为0.645 8。说明广东省沿海港口所在的区位环境对物流效率有着显著的正向积极作用。

（4）信息化程度与物流效率之间存在显著性关系，且相关系数为正，说明信息化水平的提高对物流效率有正向的影响作用。

（5）产业结构与物流效率在5%的显著性水平下显著，且相关系数为0.024 6，说明服务业的发展对物流效率有促进作用。

（6）政府干预对物流效率有显著的正向作用，且系数为0.026 7，说明政府对于物流业的投资对港口物流效率的提高发挥了正向作用。

为了进一步验证各影响因素对物流效率的显著性影响，对模型中的时间因素进行控制，构建固定效果模型。固定时间效应的Tobit回归结果如表6所示。增加时间固定效应的回归结果与表5的回归结果一致。各因素与物流效率之间的显著性没有发生改变，相关系数无明显变化，再次说明了各影响因素对物流效率产生的显著性影响。

4　结论与建议

4.1　结论

运用DEA-Tobit模型和收敛性分析，对广东省沿海港口2016—2020年物流效率进行分析，并分析了物流效率的影响因素，得出以下结论。

（1）从物流效率来看，广东省沿海港口整体物流效率处于较高水平，但汕头港、珠海港与广州港、深圳港、湛江港之间物流效率存在较大差距。从物流效率分解情况来看，各港口的纯技术效率除珠海港存在较大波动外，基本维持在1左右；汕头港和珠海港的规模效率平均值与其他港口仍存在明显差距。

（2）从投影分析来看，2020年湛江港、珠海港在水上运输业基础设施固定资产投资额、万吨级码头数量以及码头泊位长度上均存在投入冗余，港口在物流资源配置上存在不合理的现象，规模扩大的同时缺乏对资源的合理分配。

（3）从空间收敛性分析来看，2016—2020年广东省各沿海港口之间物流效率的差距存在先增加再稳定后下降的趋势。物流效率与规模效率变化趋势相近，导致物流效率差距的主要原因是纯技术效率。

（4）从影响因素分析来看，地区物流业的发展水平与物流效率之间无显著关系，区域科技实力对物流效率具备一定影响，但影响程度很小。区位因素对港口物流效率有显著的正向影响，产业结构与政府干预也对物流效率有正向的促进作用。同时，地区信息化程度也与物流产业的发展息息相关。

4.2　建议

（1）完善综合交通网络，优化港口资源配置。一方面，广东省沿海港口中汕头港、珠海港物流效率偏低，对于汕头港，可以招商引资加强港口物流基础设施的建设，围绕港口建设综合立体交通网，提升汕头港服务“一带一路”以及粤东地区的能力。对于珠海港，应进一步优化投入产出情况，减少资源要素投入冗余的情况，同时可借鉴其他港口并购买先进的物流设备以提高其物流效率。对于湛江港，需进一步优化基础设施投资结构。另一方面，为使广东省优质港口群形成合力，可大力发展以港口为枢纽的多式联运，以铁水联运、江海联运等为重点，建设提供综合服务功能的集疏运通道。

（2）提高地区信息化水平，加大政府干预程度。从物流效率影响因素的分析得出，地区信息化程度对物流效率的提高有正向作用，可以推动智慧城市的建设。为此，加快广州、深圳软件产业集聚发展，升级数据处理与运营，带动物流业与互联网深度融合发展。同时，政府对物流业的干预对物流效率有显著影响，政府部门可以整合现有支持物流发展的相关扶持资金，适当加大财政资金支持力度。

（3）发挥区位优势，构建区域物流产业集群。区位因素与产业结构均对物流效率有显著的正向影响。不同港口之间的资源要素禀赋和区位特点存在差异，可以形成比较优势达成合作，促进区域经济协同发展。其中，深圳市发达的高新技术产业与珠海的电子信息、高端技术等主导产业，在研发高新物流技术、促进互联网技术与物流业深度融合上存在优势，可利用沿海港口的区位优势，在对外贸易往来中吸收国外先进物流技术，同时打造港口物流网络大数据平台与促进物流技术的发展。湛江市钢材、新能源等项目具有一定发展空间，可以将大宗货物的运输与物流业互动融合。广州市、深圳市主要以第三产业为主，而湛江市内产业构成基本以第二产业为主，它们之间可以形成产业转移来提升其优势产业的竞争力，促进湛江成为粤港澳大湾区与粤西进行资源共享的重要连接点。汕头作为粤东、闽西、赣南物资的集散地，是纺织服装、生物食品等产业的聚集地，可利用现代物流推进地方性产业产品的商贸流通。通过港口群之间的产业协调，将进一步促进广东省港口“一核两极”发展格局的形成。

参考文献

[1] 吴价宝，卢　珂. 基于多主体的港口物流协同机制研究：以江苏沿海港口物流为例[J]. 中国管理科学，2014，22(S1)：440-446.

[2] 姜　旭. 基于AHP-DEA法的天津港集装箱物流服务评价研究[J]. 铁道运输与经济，2019，41(1)：1-6.

[3] JIANG Xu. A Study on the Evaluation of Container Logistics Service in Tianjin Port Based on AHP-DEA Method[J]. Railway Transport and Economy，2019，41(1)：1-6.

[4] 滕炜超，胡志华. 基于TOPSIS法和DEA法的中国沿海港口竞争力分析[J]. 江苏科技大学学报(自然科学版)，2017，31(4)：537-543.

[5] TENG Weichao， HU Zhihua. Analysis on the Competitiveness of Chinese Coastal Ports Based on the TOPSIS Method and DEA Method[J]. Journal of Jiangsu University of Science and Technology (Natural Science Edition)，2017，31(4)：537-543.

[6] WANG C J， DUCRUET C. New Port Development and Global City Making：Emergence of the Shanghai-Yangshan Multilayered Gateway Hub[J]. Journal of Transport Geography，2012，25：58-69.

[7] CORONADO D， ACOSTA M， CERBÁN M D M，et al. Economic Impact of the Container Traffic at the Port of Algeciras Bay[M]. Berlin：Springer Berlin Heidelberg，2006.

[8] 刘　敏，刘人怀. “深中通道” 对粤港澳大湾区港口物流的影响[J]. 中国流通经济，2020，34(6)：16-26.

[9] LIU Min， LIU Renhuai. The Impact of “Shenzhen-Zhongshan Channel” on Port Logistics of Guangdong-Hong Kong-Macao Greater Bay Area[J]. China Business and Market，2020，34(6)：16-26.

[10] 郑 琰，许美贤.基于DEA模型的港口物流效率评价研究[J].重庆理工大学学报(自然科学)，2020，34(10)：266-272.

[11] ZHENG Yan， XU Meixian. Study on the Efficiency Evaluation of Port Logistics Based on DEA Model[J]. Journal of Chongqing University of Technology (Natural Science)，2020，34(10)：266-272.

[12] 李昊洲，胡鸿韬，余可欢. 海上丝绸之路倡议下的我国港口绩效评价研究[J]. 工业工程与管理，2022，27(6)：133-140.

[13] LI Haozhou， HU Hongtao， YU Kehuan. Research on Performance Evaluation of Maritime Silk Road Port in China[J]. Industrial Engineering and Management，2022，27(6)：133-140.

[14] 吴晓芬，王　敏，王丽洁. 基于四阶段DEA-Malmquist指数的长三角港口群动态效率评价[J]. 统计与决策，2022，38(2)：184-188.

[15] WU Xiaofen， WANG Min， WANG Lijie. Dynamic Efficiency Evaluation of Yangtze River Delta Port Group Based on Four-stage DEA-Malmquist Index [J]. Statistics & Decision，2022，38(2)：184-188.

[16] 郑兵云，杨宏丰. “一带一路” 中国沿海城市港口效率评价：基于DEA博弈交叉效率-Tobit模型[J]. 数理统计与管理，2021，40(3)：502-514.

[17] ZHENG Bingyun， YANG Hongfeng. Evaluation of Port Efficiency of China’s Coastal Cities in “the Belt and Road”：Based on DEA Game Crossover Efficiency-Tobit Model[J]. Journal of Applied Statistics and Management，2021，40(3)：502-514.

[18] 秦　雯. 供给侧改革下珠海港口物流效率及影响因素研究[J]. 商业经济研究，2018(22)：138-140.

[19] QIN Wen. Under the Supply-Side Reforms the Study on Efficiency and Influencing Factors of Zhuhai Port Logistics[J]. Journal of Commercial Economics，2018(22)：138-140.

[20] CHARNES A， COOPER W W， RHODES E. Measuring the Efficiency of Decision Making Units[J]. European Journal of Operational Research，1978，2(6)：429-444.

[21] 金　莉，周婷婷，李佳馨，等. 生态位适宜度能否影响公共研发组织的创新效率？：基于区域比较的实证分析[J]. 中国软科学，2021(7)：143-151.

[22] JIN Li， ZHOU Tingting， LI Jiaxin，et al. Can Niche Suitability Affect the Innovation Efficiency of Public R & D Organizations？：Empirical Analysis Based on Regional Comparison[J]. China Soft Science，2021(7)：143-151.

[23] 王　艳，苏　怡. 绿色发展视角下中国节能减排效率的影响因素：基于超效率DEA和Tobit模型的实证研究[J]. 管理评论，2020，32(10)：59-71.

[24] WANG Yan， SU Yi. The Influencing Factors of Energy Conservation and Emission Reduction Efficiency in China from the Perspective of Green Development：An Empirical Study Based on Super-Efficiency DEA and Tobit Models[J]. Management Review，2020，32(10)：59-71.

[25] 王朝阳，薛　锋，陈崇双. 基于组合赋权TOPSIS法的城市轨道交通装备制造业集群竞争力评价[J]. 铁道运输与经济，2021，43(11)：100-106.

[26] WANG Zhaoyang， XUE Feng， CHEN Chongshuang. Competitiveness Evaluation of Urban Rail Transit Equipment Manufacturing Industrial Cluster Based on Combination Weighting TOPSIS Method[J]. Railway Transport and Economy，2021，43(11)：100-106.

基金资助

广东省普通高校青年创新人才类项目(2022WQNCX175)

广东省高职院校产教融合创新平台项目(2023CJPT008)

广东农工商职业技术学院校级科研重点项目(2024XJKYZD03)