浅析设立船舶排放控制区对港口效率的影响
金家豪
摘要：欧盟和北美的港口早在2006年就已经开始采用新的控制环境污染政策——排放控制区（ECA）政策，在该区域内船舶的SOx和NOx排放将被限制。而在中国，采用船舶排放控制区来抑制污染才刚刚起步。2016年4月1日，上海港、宁波—舟山港、苏州港和南通港率先开始实施船舶排放控制要求。关注在长江三角洲港口群中，那些实施了船舶排放控制区新政策后的港口，其生产效率的变化，本文采用非径向SBM-DEA模型来估计ECA港口和非ECA港口的效率。面板数据收集了长江三角洲中规模较大的ECA港口和非ECA港口资料，把诸如港口泊位数，泊位长度等作为输入变量，把港口的货物吞吐量作为输出变量。结果表明，ECA政策的实施，在中国从现阶段来看，没有显著改变港口的生产效率。
关键词：ECA；SBM-DEA模型；港口效率
0 引 言
在海上和港口作业期间，船舶会排放各种空气污染物。船舶燃燒污染物主要有以下来源：烟尘、挥发性有机化合物、氮氧化物（NOx）、颗粒物质（PM）、二氧化硫（CO2）、二氧化硫（SO2）等。由于这些污染物会对当地居民的健康造成严重影响，国际海事组织（IMO）颁布了“国际防止船舶造成污染公约”（MARPOL）附件VI防止船舶造成的空气污染），来控制船舶有毒气体的排放。它自2005年5月实施以来，一直具有法律约束力。根据中国海事局危管防污处处长董乐义介绍，长三角区域已于2016年4月1日开始先行先试排放控制区政策，在上海港、宁波—舟山港、苏州港、南通港等四个核心港口同时实施第一阶段措施，船舶靠岸停泊期间使用硫含量不超过0.5%m/m的燃油。目前，进展情况良好。同时，根据最后的排放控制目标，船舶进入排放控制区应使用硫含量≤0.1% m/m的燃油。这对船舶来说无疑增加了额外的负担。正是由于船舶进入排放控制区会引起额外的经济负担，所以部分船舶会考虑选择周围其他非ECA港口停泊卸货，这会导致ECA港口的绩效下滑。
本文通过比较ECA港口和非ECA港口的效率，探讨港口效率是否受到ECA法规实施的影响，对长江三角洲港口群中具有代表性的港口进行了分析。本文的港口效率是使用SBM-DEA模型估计的。这是因为SBM模型与传统的DEA模型在径向和数据输入/输出相比具有一定的优势。在使用SBM-DEA模型估算效率得分后，本文使用自回归截断回归（BTR）模型分析并测算了各个解释变量的得分，包括ECA影响因子和宏观经济指标。
1 国内外研究现状
与本文相关的文献可分为三类：（1）港口效率研究；（2）影响港口效率的因素研究；（3）港口环境研究。
首先，就港口效率进行了各种研究。本文将文献的范围仅限于与本研究相关的必要内容。大多数港口效率研究主要使用DEA或随机前沿分析（SFA）模型。赵夏怡（2014）用二阶段DEA，取样世界排名前18位的港口，对港口绩效采取了评价。Roll和Hayuth（1993）提供了使用DEA评估海港效率的开创性研究。他们的BCC-DEA模型在港口经营中假设了一个可变的规模回报（VRS）。在研究港口效率时，最流行的两个DEA模型是CCR-DEA和BCC-DEA模型。前者假定所有组织都以不变规模收益运作，后者以可变规模收益率运作。他们的衡量方法将人力，资本和货物统一作为投入，货物吞吐量作为投入输出。Tongzon（2001）早期的研究涉及比较澳大利亚和其他国际海港的表现；笔者发现墨尔本、横滨、鹿特丹和大阪的港口效率相对较低。
随后，有学者试图比较各种不同类型的DEA模型，亦或者是DEA模型与SFA模型的港口效率得分。例如：Cullinane和Song（2003）使用DEA和SFA模型来分析效率得分如何因测量模型而不同。同样，So等人（2007）比较了通过三个DEA模型获得的效率得分：CCR，BCC和超效率模型。他们利用不同的分数对东北亚的主要集装箱港口进行排序，并选择泊位长度、码头面积、码头起重机数量、码头设备数量等作为投入，并将集装箱吞吐量作为产出。
后来，港口研究越来越关注港口运营的环境问题，因此很多学者都评估了港口排放对环境的影响。Saxe和Larsen（2004年）使用了一个空气质量绩效模型来评估丹麦港口船舶排放的空气污染物的扩散情况。作者发现，在港口排放氮氧化物的船只会加重丹麦海港附近居民的健康问题。Giuliano和O'Brien（2007）估计了洛杉矶/长滩港口码头协议系统的环境效益。这个旨在防止排放和拥塞的新系统的效果有限，因为港口运营商没有有效的激励方式来遵守该法规。Liao（2010）考察了新台北港在不同市场份额情景下的二氧化碳排放情况。作者发现，如果新建的台北港比其他港口有更大的市场份额，二氧化碳排放量可能大幅减少，因为台北港离主要城市比现存的港口更远。一些学者提出了使用更复杂的方法来测算空气污染物排放量。传统的方法只使用了宏观层面的燃料消耗数据，但研究人员提出了采用“自下而上”方法，即采用详细的船舶位移和发动机数据来提供复杂的排放测量数据。例如：Tzannatos（2010）估算了使用不同种燃料、在不同季节和不同船型的沿海客轮和游船产生的NOx，SO2和PM2.5排放。Geerlings和Van Duin（2011）通过码头设施数据分析了码头的空气污染物排放量，例如码头起重机，驳船起重机和铁路起重机的数量。张健（2012）将DEA的理论引入到对具体天津港绿色竞争力的评价中，从绿色竞争力角度评价了天津港[6]。此外，有学者发现，港口实施船舶缓行区后可减排67%，ECA可以使港口减排93%。Chang和Park（2016）估计了韩国港口行业在政府对该行业实施减排控制政策后会如何输送货物[7]。他们的模拟显示，截至2010年，韩国的港口行业最多可减少13%的排放量，而且超过这一水平的减排量是不可行的，因为会造成货物吞吐量的急剧下降。
最后，环境经济学的研究人员认为，易产生污染的产业将转向环境法规较为松散的地区。该领域的研究人员试图通过关注外国直接投资的变化、跨国公司工厂的搬迁以及发达国家和发展中国家之间的国际贸易变化来检验PHH是否生效，但是调查结果不一。Bartik（1988）使用世界财富500强公司为样本来调查环境法规是否影响工厂的地域位置，发现在美国，各州不同的环境法规对工厂选址地点，在统计上的没有显着变化。Eskeland和Harrison（2003）调查了跨国公司的生产工厂是否涌向了发展中国家的污染避难所。但是，没有发现PHH的显著影响。He（2006年）还使用联立方程来研究PHH及其对外国直接投资在中国的影响，以捕捉外国直接投资与二氧化硫排放之间的动态关系，并发现了PHH令人信服的证据。Millimet和Roy（2016）提出了由于存在未观测到的异质性和测量误差这两个缺点，现有的文献关于PHH的调查结果是有问题的，他们克服了异质性的缺点并使用了美国国家内部的外国直接投资数据，他们发现环境法规对外国直接投资有负面影响。尽管环境经济学学者们对PHH采取了较为丰富和深入的研究，但是关于ECA环境政策对于港口绩效的影响的研究极少。
综上所述，文献调查表明，有较多的学者研究了港口的效率，但只有少数人试图研究港口排放控制规定对港口的影响。
2 数据和结果
本文通过SBM-DEA模型来计算港口的效率得分，所有调查港口的效率得分在表1中列出。
从结果中可以看出，2016年4月1日的ECA法规在上海港、宁波—舟山港、苏州港，南通港的实施，并没有较为显著的改变港口的生产效率。根据Young-Tae Chang（2018）所得的结论，即ECA在刚刚起步阶段并不会显著减少港口的生产效率，但是在ECA进一步的深入，比如硫排放量的进一步减少，这样的话，港口生产效率会较为显著的减少。同时，光从吞吐量的变化量来看，确实，各个非ECA和ECA港口的效率全都沒有显著的差异，有升有降，一定程度上反应了我国ECA政策实施时的稳健与过度的平稳。
3 结 论
本文关注于2016年4月1日起，在长江三角洲部分港口率先实施ECA法规之后，ECA港口效率的变化。从PHH（污染天堂假说）的角度来思考这一问题，人们会认为ECA的实施在一定程度上肯定会显著地影响ECA港口的生产效率。然而从本文所得出的结果来看，PHH并没有生效，或者说是不太明显。ECA港口的生产效率有升有降，而非ECA港口的生产效率也有升有降。
作者认为造成这一结果的原因主要有以下几个方面。
首先，根据Young-Tae Chang（2018）的观点，当排放限制没有触及船公司的根本利益的时候，出于某些因素，比如可能是船公司与港口的长期合作等原因，船公司并不会即刻舍近求远，前往非ECA港口卸货。
第二，任何政策都是有一定的缓冲期，政策在实施后，也许在各方面的监管力度还不够，导致了部分船舶或者港口还未严格执行排放控制政策，亦或者是部分船舶或港口依旧处在政策磨合期。造成这一问题的可能是由于我国港口的多层级管理问题等等原因[10]。
第三，船公司可能还处在决策的分析阶段，由于航运是由几个较大的航运公司所垄断的，而这些船公司由于体量特别巨大，无法在几个月内就对航线等等运营方式作出有效的调整。
第四，可能是由于我国的各个港口如今还处在经济发展不同步的上升期，这在一定程度上影响了所得出来的计算结果。因为不同城市的发展现状不同，政策也不同，作者不能做到面面俱到，把政策、经济的各方面的原因都考虑进去。
根据以上几个作者分析的原因，作者认为，在未来的几年内，随着我国的ECA政策进一步推进，污染排放的管控进一步完善，我国的ECA港口的生产效率可能会逐渐下降。当硫排放量的限制进一步加大，船公司进一步的分析当前航线的停靠成本问题，ECA港口的竞争力迟早会受到其他非ECA港口的挑战。
参考文献
[1] Zhang，Z.，Zhu，K.，Hewings，G.J.A multi-regional input–output analysis of the pollution haven hypothesis from the perspective of global production fragmentation[J]. Energy Econ. 64，13–23.
[2] Saxe，H.，Larsen. Air pollution from ships in three Danish ports[J]. Atmos. Environ. 2004.38 （24），4057–4067.
[3] Spiegler，V.L.，Naim，M.M.，Wikner，J.Acontrol engineering approach to the assessment of supply chain resilience[J]. Int. J. Prod. Res. 50，6162–6187.
[4] 赵夏怡. 基于二阶段DEA的港口绩效评价研究[D].大连海事大学，2014.
[5] Cullinane，An application of DEA windows analysis to container port productionefficiency[J]. Rev. Netw. Econ.2004.3 （2）.
[6] 张健. 基于DEA的港口绿色竞争力评价研究--以天津港为例[D].大连海事大学，2012.
[7] 罗俊浩，崔娥英，季建华.考虑CO2排放的中国八大集装箱港口环境效率评价研究——基于SBM-DEA模型[J].科技管理研究，2014.21.014.
[8] 牛宗英.基于Super-SBM模型的我国商业银行经营效率及其影响因素研究[D].山东财经大学，2016.
[9] Chang，Y.T，2016. Measuring foregone output under industry emission reduction target in the transportation sector. Transport. Res[J]. Part D：Transp. Environ. 49，138–153.
[10] Young-Tae Chang. Have Emission Control Areas （ECAs） harmed port efficiency in Europe[J]Transportation Research，Part D .58 （2018） 39–5.
摘要：欧盟和北美的港口早在2006年就已经开始采用新的控制环境污染政策——排放控制区（ECA）政策，在该区域内船舶的SOx和NOx排放将被限制。而在中国，采用船舶排放控制区来抑制污染才刚刚起步。2016年4月1日，上海港、宁波—舟山港、苏州港和南通港率先开始实施船舶排放控制要求。关注在长江三角洲港口群中，那些实施了船舶排放控制区新政策后的港口，其生产效率的变化，本文采用非径向SBM-DEA模型来估计ECA港口和非ECA港口的效率。面板数据收集了长江三角洲中规模较大的ECA港口和非ECA港口资料，把诸如港口泊位数，泊位长度等作为输入变量，把港口的货物吞吐量作为输出变量。结果表明，ECA政策的实施，在中国从现阶段来看，没有显著改变港口的生产效率。
关键词：ECA；SBM-DEA模型；港口效率
0 引 言
在海上和港口作业期间，船舶会排放各种空气污染物。船舶燃燒污染物主要有以下来源：烟尘、挥发性有机化合物、氮氧化物（NOx）、颗粒物质（PM）、二氧化硫（CO2）、二氧化硫（SO2）等。由于这些污染物会对当地居民的健康造成严重影响，国际海事组织（IMO）颁布了“国际防止船舶造成污染公约”（MARPOL）附件VI防止船舶造成的空气污染），来控制船舶有毒气体的排放。它自2005年5月实施以来，一直具有法律约束力。根据中国海事局危管防污处处长董乐义介绍，长三角区域已于2016年4月1日开始先行先试排放控制区政策，在上海港、宁波—舟山港、苏州港、南通港等四个核心港口同时实施第一阶段措施，船舶靠岸停泊期间使用硫含量不超过0.5%m/m的燃油。目前，进展情况良好。同时，根据最后的排放控制目标，船舶进入排放控制区应使用硫含量≤0.1% m/m的燃油。这对船舶来说无疑增加了额外的负担。正是由于船舶进入排放控制区会引起额外的经济负担，所以部分船舶会考虑选择周围其他非ECA港口停泊卸货，这会导致ECA港口的绩效下滑。
本文通过比较ECA港口和非ECA港口的效率，探讨港口效率是否受到ECA法规实施的影响，对长江三角洲港口群中具有代表性的港口进行了分析。本文的港口效率是使用SBM-DEA模型估计的。这是因为SBM模型与传统的DEA模型在径向和数据输入/输出相比具有一定的优势。在使用SBM-DEA模型估算效率得分后，本文使用自回归截断回归（BTR）模型分析并测算了各个解释变量的得分，包括ECA影响因子和宏观经济指标。
1 国内外研究现状
与本文相关的文献可分为三类：（1）港口效率研究；（2）影响港口效率的因素研究；（3）港口环境研究。
首先，就港口效率进行了各种研究。本文将文献的范围仅限于与本研究相关的必要内容。大多数港口效率研究主要使用DEA或随机前沿分析（SFA）模型。赵夏怡（2014）用二阶段DEA，取样世界排名前18位的港口，对港口绩效采取了评价。Roll和Hayuth（1993）提供了使用DEA评估海港效率的开创性研究。他们的BCC-DEA模型在港口经营中假设了一个可变的规模回报（VRS）。在研究港口效率时，最流行的两个DEA模型是CCR-DEA和BCC-DEA模型。前者假定所有组织都以不变规模收益运作，后者以可变规模收益率运作。他们的衡量方法将人力，资本和货物统一作为投入，货物吞吐量作为投入输出。Tongzon（2001）早期的研究涉及比较澳大利亚和其他国际海港的表现；笔者发现墨尔本、横滨、鹿特丹和大阪的港口效率相对较低。
随后，有学者试图比较各种不同类型的DEA模型，亦或者是DEA模型与SFA模型的港口效率得分。例如：Cullinane和Song（2003）使用DEA和SFA模型来分析效率得分如何因测量模型而不同。同样，So等人（2007）比较了通过三个DEA模型获得的效率得分：CCR，BCC和超效率模型。他们利用不同的分数对东北亚的主要集装箱港口进行排序，并选择泊位长度、码头面积、码头起重机数量、码头设备数量等作为投入，并将集装箱吞吐量作为产出。
后来，港口研究越来越关注港口运营的环境问题，因此很多学者都评估了港口排放对环境的影响。Saxe和Larsen（2004年）使用了一个空气质量绩效模型来评估丹麦港口船舶排放的空气污染物的扩散情况。作者发现，在港口排放氮氧化物的船只会加重丹麦海港附近居民的健康问题。Giuliano和O'Brien（2007）估计了洛杉矶/长滩港口码头协议系统的环境效益。这个旨在防止排放和拥塞的新系统的效果有限，因为港口运营商没有有效的激励方式来遵守该法规。Liao（2010）考察了新台北港在不同市场份额情景下的二氧化碳排放情况。作者发现，如果新建的台北港比其他港口有更大的市场份额，二氧化碳排放量可能大幅减少，因为台北港离主要城市比现存的港口更远。一些学者提出了使用更复杂的方法来测算空气污染物排放量。传统的方法只使用了宏观层面的燃料消耗数据，但研究人员提出了采用“自下而上”方法，即采用详细的船舶位移和发动机数据来提供复杂的排放测量数据。例如：Tzannatos（2010）估算了使用不同种燃料、在不同季节和不同船型的沿海客轮和游船产生的NOx，SO2和PM2.5排放。Geerlings和Van Duin（2011）通过码头设施数据分析了码头的空气污染物排放量，例如码头起重机，驳船起重机和铁路起重机的数量。张健（2012）将DEA的理论引入到对具体天津港绿色竞争力的评价中，从绿色竞争力角度评价了天津港[6]。此外，有学者发现，港口实施船舶缓行区后可减排67%，ECA可以使港口减排93%。Chang和Park（2016）估计了韩国港口行业在政府对该行业实施减排控制政策后会如何输送货物[7]。他们的模拟显示，截至2010年，韩国的港口行业最多可减少13%的排放量，而且超过这一水平的减排量是不可行的，因为会造成货物吞吐量的急剧下降。
最后，环境经济学的研究人员认为，易产生污染的产业将转向环境法规较为松散的地区。该领域的研究人员试图通过关注外国直接投资的变化、跨国公司工厂的搬迁以及发达国家和发展中国家之间的国际贸易变化来检验PHH是否生效，但是调查结果不一。Bartik（1988）使用世界财富500强公司为样本来调查环境法规是否影响工厂的地域位置，发现在美国，各州不同的环境法规对工厂选址地点，在统计上的没有显着变化。Eskeland和Harrison（2003）调查了跨国公司的生产工厂是否涌向了发展中国家的污染避难所。但是，没有发现PHH的显著影响。He（2006年）还使用联立方程来研究PHH及其对外国直接投资在中国的影响，以捕捉外国直接投资与二氧化硫排放之间的动态关系，并发现了PHH令人信服的证据。Millimet和Roy（2016）提出了由于存在未观测到的异质性和测量误差这两个缺点，现有的文献关于PHH的调查结果是有问题的，他们克服了异质性的缺点并使用了美国国家内部的外国直接投资数据，他们发现环境法规对外国直接投资有负面影响。尽管环境经济学学者们对PHH采取了较为丰富和深入的研究，但是关于ECA环境政策对于港口绩效的影响的研究极少。
综上所述，文献调查表明，有较多的学者研究了港口的效率，但只有少数人试图研究港口排放控制规定对港口的影响。
2 数据和结果
本文通过SBM-DEA模型来计算港口的效率得分，所有调查港口的效率得分在表1中列出。
从结果中可以看出，2016年4月1日的ECA法规在上海港、宁波—舟山港、苏州港，南通港的实施，并没有较为显著的改变港口的生产效率。根据Young-Tae Chang（2018）所得的结论，即ECA在刚刚起步阶段并不会显著减少港口的生产效率，但是在ECA进一步的深入，比如硫排放量的进一步减少，这样的话，港口生产效率会较为显著的减少。同时，光从吞吐量的变化量来看，确实，各个非ECA和ECA港口的效率全都沒有显著的差异，有升有降，一定程度上反应了我国ECA政策实施时的稳健与过度的平稳。
3 结 论
本文关注于2016年4月1日起，在长江三角洲部分港口率先实施ECA法规之后，ECA港口效率的变化。从PHH（污染天堂假说）的角度来思考这一问题，人们会认为ECA的实施在一定程度上肯定会显著地影响ECA港口的生产效率。然而从本文所得出的结果来看，PHH并没有生效，或者说是不太明显。ECA港口的生产效率有升有降，而非ECA港口的生产效率也有升有降。
作者认为造成这一结果的原因主要有以下几个方面。
首先，根据Young-Tae Chang（2018）的观点，当排放限制没有触及船公司的根本利益的时候，出于某些因素，比如可能是船公司与港口的长期合作等原因，船公司并不会即刻舍近求远，前往非ECA港口卸货。
第二，任何政策都是有一定的缓冲期，政策在实施后，也许在各方面的监管力度还不够，导致了部分船舶或者港口还未严格执行排放控制政策，亦或者是部分船舶或港口依旧处在政策磨合期。造成这一问题的可能是由于我国港口的多层级管理问题等等原因[10]。
第三，船公司可能还处在决策的分析阶段，由于航运是由几个较大的航运公司所垄断的，而这些船公司由于体量特别巨大，无法在几个月内就对航线等等运营方式作出有效的调整。
第四，可能是由于我国的各个港口如今还处在经济发展不同步的上升期，这在一定程度上影响了所得出来的计算结果。因为不同城市的发展现状不同，政策也不同，作者不能做到面面俱到，把政策、经济的各方面的原因都考虑进去。
根据以上几个作者分析的原因，作者认为，在未来的几年内，随着我国的ECA政策进一步推进，污染排放的管控进一步完善，我国的ECA港口的生产效率可能会逐渐下降。当硫排放量的限制进一步加大，船公司进一步的分析当前航线的停靠成本问题，ECA港口的竞争力迟早会受到其他非ECA港口的挑战。
参考文献
[1] Zhang，Z.，Zhu，K.，Hewings，G.J.A multi-regional input–output analysis of the pollution haven hypothesis from the perspective of global production fragmentation[J]. Energy Econ. 64，13–23.
[2] Saxe，H.，Larsen. Air pollution from ships in three Danish ports[J]. Atmos. Environ. 2004.38 （24），4057–4067.
[3] Spiegler，V.L.，Naim，M.M.，Wikner，J.Acontrol engineering approach to the assessment of supply chain resilience[J]. Int. J. Prod. Res. 50，6162–6187.
[4] 赵夏怡. 基于二阶段DEA的港口绩效评价研究[D].大连海事大学，2014.
[5] Cullinane，An application of DEA windows analysis to container port productionefficiency[J]. Rev. Netw. Econ.2004.3 （2）.
[6] 张健. 基于DEA的港口绿色竞争力评价研究--以天津港为例[D].大连海事大学，2012.
[7] 罗俊浩，崔娥英，季建华.考虑CO2排放的中国八大集装箱港口环境效率评价研究——基于SBM-DEA模型[J].科技管理研究，2014.21.014.
[8] 牛宗英.基于Super-SBM模型的我国商业银行经营效率及其影响因素研究[D].山东财经大学，2016.
[9] Chang，Y.T，2016. Measuring foregone output under industry emission reduction target in the transportation sector. Transport. Res[J]. Part D：Transp. Environ. 49，138–153.
[10] Young-Tae Chang. Have Emission Control Areas （ECAs） harmed port efficiency in Europe[J]Transportation Research，Part D .58 （2018） 39–5.
