程玉輝， 景崇毅

(中國民航飛行學院 機場工程與運輸管理學院/機場管理與工程研究中心， 四川 廣漢 618307)

2019年5月，民航局出臺《關于統(tǒng)籌推進民航降成本工作的實施意見》，要求積極落實黨中央、國務院關于降低實體經濟企業(yè)成本的決策部署，從深化改革、提升效率等方面降低成本。機場是航空運輸中不可或缺的組成部分，對航空業(yè)運營效率的影響也尤為突出。截至2018年底，我國境內民用航空機場共有235個(不含港，澳，臺地區(qū))，比上年增加5個，實際出港總運力75 832.93萬座，同比增長9.06%，其中大中型機場提供的運力占比高達91.97%，承擔著國內民航主要的運輸任務。因此，研究大中型機場的效率，以達到合理配置機場資源，減少資源浪費，對提升整個航空運輸產業(yè)效率，降低運營成本有著重要的現(xiàn)實意義。

目前關于機場運營效率的研究已有一定成果，研究的重點各有側重。F Carlucci, P Coccorese從環(huán)境的角度研究了意大利機場的運營效率與可持續(xù)發(fā)展問題[1]。D Kang, D Jeong, S Jeon考慮非期望產出的情況下研究了韓國國內的機場運營效率[2]。XL Fernández, P Coto-Millán 利用2009-2016年間35個機場的面板數(shù)據(jù)研究了西班牙旅游產業(yè)對機場運營效率的影響[3]。YT Chang, HK Park, B Zou, N Kafle利用動態(tài)網(wǎng)絡DEA方法研究了美國機場設施改善基金與旅客收費之間的關系[4]。Oum 等基于亞太、歐洲及北美主要機場的面板數(shù)據(jù)，研究機場產權性質與運營效率及績效之間的關系[5]。Bazargan和Vasigh 利用 DEA 模型對美國 60個機場進行效率評價[6]。Martlln和Roman利用 DEA模型對西班牙37個機場的效率進行分析，并指出潛在的增長能力和可能的閑置投入[7]。Sarkis J利用DEA評估了44個美國主要機場的運營效率[8]。張越等使用Malmquist生產力指數(shù)對9個樣本機場十年的運營數(shù)據(jù)進行分析，認為我國民用機場業(yè)務量增長主要依賴設施規(guī)模的擴大，國內機場運營效率和運營規(guī)模之間不存在正相關性的關系[9]。景崇毅等利用DEA-Tobit/Logit框架研究機場容量擴張與運營效率變化的關系，認為機場容量擴張會造成運營效率出現(xiàn)較明顯的波動，樞紐機場的容量擴張對效率有促進作用[10]。李亞飛在機場效率研究中考慮非期望產出因素，研究表明非期望產出對機場生產效率有顯著的影響，機場生產效率還呈現(xiàn)出顯著的區(qū)域特征[11]。徐愛慶將非增中間變量從中間變量中分離出來,構建了具有非增中間變量的網(wǎng)絡DEA改進模型，提出了有針對性的機場效率改善建議[12]。趙琪對39個中小型樣本機場進行分析，結果顯示華中和華北地區(qū)的中小型機場效率達到最優(yōu)，其他地區(qū)的機場效率則較低[13]。然而現(xiàn)有研究忽略了外部環(huán)境和隨機因素對效率的影響，無法得到真實的管理水平和規(guī)模經濟性。鑒于此，本文利用有非期望產出的三階段SBM-DEA模型分析大中型機場運營效率問題，探尋影響效率的關鍵因素，為提升我國民航業(yè)運營效率尤其是大中型機場效率提供重要的政策參考。

1 研究方法

Fried等[14]提出三階段DEA模型，本文為更加準確測度效率值，在第一、三階段采用Tone提出的基于非期望產出的SBM-DEA模型[15]，在第二階段采用隨機前沿SFA方法剔除環(huán)境因素和隨機因素的影響，使效率值能夠真實地反映決策單元的內部管理水平[16]。

1.1 第一階段基于非期望產出的SBM-DEA模型

第一階段，以往研究常采用投入導向的CCR模型。由于需要考慮機場延誤這一非期望產出，本文在該階段采用考慮非期望產出的SBM模型。假定有n個生產決策單元，每個決策單元有m個投入要素，s1個期望產出要素，s2個非期望產出要素。三類向量表示成x∈Rm，yg∈Rs1，yb∈Rs2，定義矩陣X=[x1,...,xn]∈Rm×n，Yg=[y1,...,yn]∈Rs1×n，Yb=[y1,...,yn]∈Rs2×n，X>0,Yg>0,Yb>0，規(guī)模報酬不變下的生產可能集P定義為：P={(x,yg,yb)|x>Xλ,yg≤Ygλ,yb≤Ybλ}。參照Tone[8]的思路，考慮非期望產出的SBM模型為：

(1)

式(1)中，s表示各投入產出的松弛變量，λ是權重變量，當s-=0,sg=0,sb=0時，決策單元有效。由于模型(1)為非線性規(guī)劃，采用Charnes-Cooper變換(式(2))將模型(1)轉換成式(3)所示的線性規(guī)劃形式。

(2)

(3)

ρ是有非期望產出決策單元的效率值，其中s-=S-/t,sg=Sg/t,sb=Sb/t分別表示投入產出的松弛向量。

1.2 第二階段SFA模型

利用SFA(Stochastic Frontier Approach)方法將投入松弛分解為三種效應：環(huán)境效應、管理效應和隨機效應，建立投入松弛與環(huán)境變量之間的SFA模型，并通過SFA的回歸項、單側誤差項、統(tǒng)計噪聲分別表示以上三種效應。構建如下的SFA回歸模型：

sij=fi(zj;βi)+vij+uij,i=1,2,…,m;j=1,2,…,n

(4)

(5)

1.3 第三階段利用SBM-DEA重新計算效率

第三階段，將剔除環(huán)境和隨機因素的同類投入值與原產出變量代入第一階段模型，計算各決策單元的效率值，此時的效率值在經過第二階段的調整后，認為更能反映決策單元的管理無效情況。

2 大中型機場運營效率實證分析

2.1 指標選取與數(shù)據(jù)來源

考慮現(xiàn)有文獻及數(shù)據(jù)的可得性，本文選定投入指標為：機場航站樓面積、跑道長度和停機位個數(shù)，選定輸出指標為：旅客數(shù)，起落架次、貨物郵件數(shù)量，出港平均延誤時長作為非期望產出指標。環(huán)境變量包括：機場所在地市的人口、GDP、機場飛行區(qū)等級和機場出港直飛航線數(shù)。具體解釋如表1所示。

投入數(shù)據(jù)來源于各機場官網(wǎng)，產出數(shù)據(jù)中的旅客吞吐量，起降架次和貨郵吞吐量來源于民航局官網(wǎng)《2018年民航機場生產統(tǒng)計公報》，出港平均延誤數(shù)據(jù)時長來源于飛常準大數(shù)據(jù)中《2018年民航機場發(fā)展總結》，環(huán)境變量中的人口和GDP數(shù)據(jù)來源于各省市的《國民經濟和社會發(fā)展統(tǒng)計公告》，出港直飛航線數(shù)來源于飛常準大數(shù)據(jù)中《2018年民航機場發(fā)展總結》。

2.2 第一階段效率分析

首先利用非期望產出SBM-DEA方法評價64家大中型機場的運營效率，結果如表2所示。考慮非期望產出后，2018年我國大中型機場綜合技術效率均值為0.507，純技術效率均值為0.789，規(guī)模效率均值為0.634。

表1 模型變量說明

表2 調整前第一階段我國大中型機場的運營效率

表3 機場分地區(qū)分規(guī)模的運營效率

大型機場與中型機場的純技術效率分別為0.773和0.811，并無顯著差異，但規(guī)模效率差異非常懸殊，分別為0.847和0.342，表明大型機場具有比較明顯的規(guī)模經濟優(yōu)勢。如果同時考慮地域因素，則發(fā)現(xiàn)大型機場中東部最好，西部次之，中部最次，而中型機場中西部最好、東部次之，中部最次。可能的原因是西部大開發(fā)戰(zhàn)略促使西部經濟快速發(fā)展，同時由于西部機場普遍位于云貴川、陜甘寧、新疆西藏等國家的邊疆地區(qū)，是國家“一帶一路”倡議的重要支撐節(jié)點，對外貿易對外交流異?；钴S。因此西部機場的運營績效有直追東部的趨勢，甚至部分機場已經超過東部，而中部機場則處于東西夾縫之中，國內國際發(fā)展都受到一定程度制約。

另外，還發(fā)現(xiàn)處于前沿面上的機場大多數(shù)屬于東部大型機場，如北京首都機場、上海浦東機場、廣州白云機場、深圳寶安機場、廈門高崎機場等，占到有效率機場的87.5%。除此之外，貴陽龍洞堡機場和綿陽南郊機場也處于有效前沿面上，尤其是綿陽南郊機場是中型機場中發(fā)展非常迅速，市場運營模式較為成功的典范。

2.3 第二階段利用SFA調整初始投入

為了剔除環(huán)境因素和隨機因素的影響，利用Frontier4.1軟件建立三個SFA回歸模型，因變量為第一階段各投入量的松弛值，相對應的解釋變量為四個環(huán)境變量：人口、國民生產總值、出港直飛航線數(shù)、機場飛行區(qū)等級。結果如表4所示。

表4 第二階段投入冗余的SFA回歸結果

注：*,**,***分別表示在10%,5%,1%顯著性水平上顯著;括號中數(shù)值為t統(tǒng)計量。

2.4 第三階段調整后SBM-DEA效率評價結果

將原始投入更換為經過第二步調整后的新投入，保持產出不變，再次利用非期望產出的SBM-DEA模型計算運營效率值，結果如表5所示。

表5 調整后第三階段我國大中型機場運營效率

續(xù)表5

AirportTEPTESEAirportTEPTESE貴陽龍洞堡1.0001.0001.000徐州觀音0.0940.5860.160哈爾濱太平1.0001.0001.000湛江機場0.1311.0000.131大連周水子1.0001.0001.000威海大水泊0.0881.0000.088三亞鳳凰1.0001.0001.000揚州泰州0.1740.8280.210沈陽桃仙1.0001.0001.000鄂爾多斯伊金霍洛0.0770.6080.126濟南遙墻1.0001.0001.000遵義新舟0.0691.0000.069福州長樂0.3340.5540.603北海福成0.0991.0000.099南寧吳圩0.3310.6050.548運城關公0.0800.7540.107蘭州中川0.4310.6280.686張家界荷花0.0121.0000.012南昌昌北0.3660.6530.560榆林榆陽0.1161.0000.116太原武宿0.4330.7020.617鹽城南洋0.0611.0000.061呼和浩特白塔0.5450.6560.832包頭東河0.0850.7860.109長春龍嘉0.2640.6310.418臨沂沭埠嶺0.0891.0000.089

經過對環(huán)境因素和隨機因素的調整后，得到第三階段真實的運營效率。對結果分析如下：

1)調整后整體效率分析。調整后我國大中型機場的綜合運營效率為0.495 0，比調整前降低0.01；純技術效率為 0.812 9，比調整前增加0.02；規(guī)模效率為0.600 5，比調整前降低0.03。說明環(huán)境變量對運營效率有一定程度的影響，剔除這些因素能得到更加真實的管理效率。

2)調整后分規(guī)模和地區(qū)的效率分析。表6是機場單獨考慮規(guī)模和地區(qū)的效率變化情況，表7是機場綜合考慮規(guī)模和地區(qū)的效率變化情況。

表6 機場單獨考慮規(guī)模和地區(qū)的效率變化

調整后的機場運營效率仍然以東部最高、西部次之、中部最次，但是東部和西部的規(guī)模效率都有所下降(分別為-5.09%和-6.66%)，并最終導致綜合技術效率下降(分別為-2.97%和-3.38%)，而中部的規(guī)模效率雖然也有所下降(-3.88%)，但由于純技術效率上升幅度較大(+4.86%)，導致最終綜合技術效率反而上升了(+1.18%)。進一步說明中部機場處于相對不利的運營環(huán)境，如2018年平均出港直飛航線數(shù)僅為74條，比西部少8條，比東部少10條，平均城市人口612萬，比西部和東部分別少25萬和268萬。另外，單從規(guī)模角度看，大型機場的規(guī)模效率僅有輕微下降(-1.65%)，純技術效率上升1.78%，導致綜合技術效率上升0.67%，而中型機場的規(guī)模效率出現(xiàn)大幅下降(-17.49%)，雖然純技術效率有一定幅度上升(4.60%)，但最終的綜合技術效率也大幅度下降(-12.97%)。說明環(huán)境因素對大型機場的影響并不十分顯著，大型機場的平均管理水平和技術能力相對較高，對資源的綜合配置能力較強，規(guī)模經濟性也較明顯。而中型機場由于大多處于東部和西部(占比77.78%)，處于相對較好的運營環(huán)境，調整后的運行效率出行大幅降低，尤其是規(guī)模效率，說明中型機場對環(huán)境因素非常敏感，管理水平和技術能力還有待提高，目前主要依賴于數(shù)量的擴張來提升效率。

表7 機場綜合考慮地區(qū)規(guī)模的運營效率變化

從表7可以看到，中型機場的純技術效率提升幅度大于大型機場，且效率值也相對較高，說明中型機場的真實管理水平并不低下，但規(guī)模經濟效應卻不夠明顯。中部和西部的大型機場效率都有所提升，說明這兩個地區(qū)的大型機場已經具有較高的管理水平和規(guī)模經濟性，而中部的中型機場效率大幅下降，尤其是規(guī)模效率，說明該地區(qū)的中型機場規(guī)模經濟性還有待提高，西部的中型機場運營得最好，甚至稍優(yōu)于東部。還發(fā)現(xiàn)，調整后東部大型機場與中型機場的效率變化方向一致，說明兩者之間存在一定程度的互補和協(xié)同，而西部和中部大型機場與中型機場的效率變化方向呈相反方向，說明兩者之間存在一定程度的競爭性。

3)調整后機場效率前沿分析。

表8是調整前后有效前沿面的變化情況。發(fā)現(xiàn)前沿面上的機場在地域上大多處于東部，占到76.47%，而且絕大部分屬于大型機場，占比達到88.23%。在調整前后，前沿面上的這些機場基本保持相對有效，進一步說明環(huán)境因素對大型機場的影響不十分明顯，尤其是經濟發(fā)達人口密集的地區(qū)，大型機場必須提升內部管理水平，發(fā)揮規(guī)模經濟效應，才能應對巨大的客流增長。而中型機場的確受到環(huán)境因素的顯著影響，如人口數(shù)量、航線數(shù)量等因素對中型機場的運營效率會產生很強的效應。調整后前沿面上增加一個中部大型機場，長沙黃花國際機場，說明該機場的內部管理水平較高，同時受環(huán)境因素影響較大。

3 結論

本文利用非期望產出的三階段SBM-DEA模型對64家大中型機場運營效率進行研究，模型剔除了環(huán)境因素與隨機誤差的影響，將各機場置于相同的環(huán)境因素和運氣條件下，更加準確地反映各機場的效率水平。本文結論如下：

1)調整之前大型機場效率均值高于中型機場效率均值，其原因可能是大型機場所處地理位置優(yōu)于中型機場，同時出港航線數(shù)量也遠高于中型機場，輻射范圍廣，航班頻率高，擁有更多的旅客資源。而調整后中型機場純技術效率均值高于大型機場，也反映出中型機場注重管理水平提升，但受到環(huán)境因素影響較大。

2)調整之前發(fā)現(xiàn)大型機場中東部最好，西部次之，中部最次，而中型機場中西部最好、東部次之，中部最次?？赡艿脑蛟谟谖鞑看箝_發(fā)戰(zhàn)略以及國家“一帶一路”倡議的內生推動，西部地區(qū)是兩大戰(zhàn)略的重要支撐節(jié)點，對外貿易對外交流異常活躍。

3)調整后大型機場的效率變化不明顯，說明大型機場的內部管理水平較高，對外界環(huán)境有一定抗干擾能力。中型機場綜合技術效率均值有了小幅度下降，主要原因是規(guī)模效率均值下降導致，但中型機場的純技術效率提升幅度大于大型機場，且效率值也相對較高，說明中型機場的真實管理水平并不低下，但規(guī)模經濟效應卻不夠明顯。另外，中型機場對環(huán)境因素非常敏感，管理水平和技術能力還有待提高，目前主要依賴于數(shù)量的擴張來提升效率。

4)調整前后東部大型機場與中型機場的效率變化方向一致，說明兩者之間存在一定程度的互補和協(xié)同，而西部和中部大型機場與中型機場的效率變化方向相反，說明兩者之間存在一定程度的競爭性。

5)大中型機場作為維持航空運輸?shù)闹鞲闪α浚枰M一步優(yōu)化資源配置效率，避免浪費，注重內涵發(fā)展。建議通過擴展航線數(shù)量等方式提高機場的輻射范圍，加強市場競爭；地方政府在對機場進行財政扶持的同時積極進行督導，加強聯(lián)系，適當提供政策扶持，避免盲目投資，補貼更為精準。盡量考慮航線、時間、地域的差異制定有針對性的扶持政策。