華 何，陸燕楠，吳薇薇 ，韓 東

(南京航空航天大學(xué) 民航學(xué)院，南京211106)

機(jī)場(chǎng)是連接陸路交通和航空運(yùn)輸?shù)你暯狱c(diǎn)，是實(shí)現(xiàn)城市互聯(lián)互通的重要樞紐，但機(jī)場(chǎng)的建設(shè)、運(yùn)行、發(fā)展都不可避免會(huì)對(duì)機(jī)場(chǎng)的資源和生態(tài)環(huán)境產(chǎn)生一定的影響.一方面，部分機(jī)場(chǎng)過(guò)度追求機(jī)場(chǎng)建設(shè)的超前性，造成了機(jī)場(chǎng)資源的浪費(fèi)，如航站樓、停機(jī)位、跑道等資源的冗余使得機(jī)場(chǎng)的運(yùn)營(yíng)效率降低；另一方面，機(jī)場(chǎng)的能源消耗也不容小覷.近年來(lái)，國(guó)家采取了一系列強(qiáng)有力的政策和措施來(lái)努力爭(zhēng)取實(shí)現(xiàn)碳中和目標(biāo)，各地區(qū)民航局也發(fā)布了多個(gè)文件，鼓勵(lì)用一種可持續(xù)發(fā)展的方式發(fā)展機(jī)場(chǎng)和創(chuàng)造更適宜的周邊環(huán)境[1].本文將在兼顧機(jī)場(chǎng)發(fā)展和環(huán)境保護(hù)的情形下對(duì)長(zhǎng)三角機(jī)場(chǎng)進(jìn)行研究分析.

20世紀(jì)90年代，眾多國(guó)外學(xué)者就已經(jīng)開(kāi)展了機(jī)場(chǎng)運(yùn)營(yíng)效率的研究，通過(guò)構(gòu)建不同的機(jī)場(chǎng)評(píng)價(jià)體系來(lái)評(píng)估機(jī)場(chǎng)的運(yùn)營(yíng)狀況，幫助機(jī)場(chǎng)找出影響機(jī)場(chǎng)運(yùn)營(yíng)效率的因素[2-3].在眾多研究方法中，數(shù)據(jù)包絡(luò)分析法(Data Envelopment Analysis, DEA)由于直接利用投入產(chǎn)出數(shù)據(jù)，不需要給指標(biāo)主觀賦權(quán)，具有較強(qiáng)的客觀性，同時(shí)在簡(jiǎn)化算法和減少誤差方面也具有一定的優(yōu)越性，因此得到了廣泛應(yīng)用.

我國(guó)汪瑜[4]，馬駿偉[5]和朱志愚[6]學(xué)者分別使用SE-SBM-VRS DEA模型和CCR模型與BCC模型研究了我國(guó)主要的樞紐機(jī)場(chǎng)；張勁楓[7]，羅潤(rùn)三[8]和劉丹[9]學(xué)者分別運(yùn)用改進(jìn)后的CCR、BCC模型和網(wǎng)絡(luò)DEA模型研究了我國(guó)地區(qū)機(jī)場(chǎng)系統(tǒng)；高黎[10]和曾竹喧[11]學(xué)者分別使用加權(quán)DEA模型和并行DEA模型研究了我國(guó)機(jī)場(chǎng)群的發(fā)展?fàn)顩r.這些研究理論和成果極大豐富了機(jī)場(chǎng)運(yùn)營(yíng)效率領(lǐng)域，但在研究機(jī)場(chǎng)的運(yùn)行效率時(shí)，學(xué)者們多重視機(jī)場(chǎng)的正面效益，忽視機(jī)場(chǎng)運(yùn)行過(guò)程中產(chǎn)生的負(fù)面產(chǎn)出，例如旅客投訴、航班延誤、航行過(guò)程中的噪音和大氣污染等，這些非期望產(chǎn)出也對(duì)機(jī)場(chǎng)的運(yùn)營(yíng)產(chǎn)生了一定的影響.同時(shí)，近年來(lái)國(guó)家重視綠色環(huán)保和機(jī)場(chǎng)可持續(xù)發(fā)展，增加了非期望產(chǎn)出的機(jī)場(chǎng)運(yùn)營(yíng)效率研究更加貼合實(shí)際，評(píng)價(jià)結(jié)果也更為準(zhǔn)確.

目前考慮非期望產(chǎn)出的文獻(xiàn)不多，非期望產(chǎn)出的指標(biāo)選擇也較少.韋薇，夏洪山[12]引入延誤起降架次作為非期望產(chǎn)出指標(biāo)，運(yùn)用非參數(shù)方向距離函數(shù)法和傳統(tǒng)DEA模型進(jìn)行對(duì)比分析了長(zhǎng)三角主要機(jī)場(chǎng)的運(yùn)營(yíng)效率.韓東，吳薇薇[13]和梁的達(dá)，夏洪山[14]，增加了年旅客投訴數(shù)作為非期望產(chǎn)出指標(biāo)，運(yùn)用超效率SBM模型把機(jī)場(chǎng)運(yùn)營(yíng)分成機(jī)場(chǎng)服務(wù)與旅客服務(wù)兩個(gè)階段來(lái)計(jì)算機(jī)場(chǎng)的運(yùn)營(yíng)效率.朱星輝，戚彥龍[15]，李亞飛，王莉莉[16]和程玉輝，景崇毅[17]，分別引入航班延誤百分比、航班延誤時(shí)間和出港平均延誤時(shí)間，并基于SBM模型和三階段SBM模型對(duì)機(jī)場(chǎng)運(yùn)營(yíng)效率進(jìn)行評(píng)價(jià)研究.

綜上所述，諸多學(xué)者基于DEA方法研究機(jī)場(chǎng)運(yùn)營(yíng)效率，對(duì)期望產(chǎn)出指標(biāo)考慮比較全面，但以下方面仍可以改進(jìn):1)多數(shù)文獻(xiàn)忽視了非期望產(chǎn)出對(duì)機(jī)場(chǎng)運(yùn)營(yíng)效率的影響；2)當(dāng)多個(gè)機(jī)場(chǎng)運(yùn)營(yíng)效率等于1時(shí)，常用評(píng)價(jià)模型CCR、BCC模型不能進(jìn)一步給機(jī)場(chǎng)排序；3)多數(shù)文獻(xiàn)對(duì)機(jī)場(chǎng)運(yùn)營(yíng)效率研究單一，采用靜態(tài)評(píng)價(jià)模型和動(dòng)態(tài)評(píng)價(jià)模型相結(jié)合研究機(jī)場(chǎng)的文獻(xiàn)較少.近年來(lái)民航業(yè)迅速發(fā)展，機(jī)場(chǎng)的旅客吞吐量和飛機(jī)起降架次都在逐年遞增，機(jī)場(chǎng)的碳排放量也隨之增加，對(duì)環(huán)境造成影響.旅客吞吐量的增加造成機(jī)場(chǎng)服務(wù)資源日趨緊張，容易引發(fā)更多的旅客投訴數(shù)量，隨之帶來(lái)旅客對(duì)出行機(jī)場(chǎng)滿意度的降低.因此考慮外部環(huán)境的非期望產(chǎn)出(碳排放量)對(duì)機(jī)場(chǎng)運(yùn)營(yíng)效率更加符合現(xiàn)實(shí)情況.本文通過(guò)多種模型對(duì)比分析長(zhǎng)三角機(jī)場(chǎng)群內(nèi)機(jī)場(chǎng)的靜態(tài)運(yùn)營(yíng)效率和動(dòng)態(tài)全要素生產(chǎn)率，以此對(duì)長(zhǎng)三角機(jī)場(chǎng)2015～2019年發(fā)展情況進(jìn)行分析.

1 研究方法

本文主要以超效率SBM模型和GML指數(shù)方法進(jìn)行分析評(píng)價(jià).

1.1 超效率SBM模型

傳統(tǒng)DEA模型的分析結(jié)果中，可能會(huì)呈現(xiàn)多個(gè)DMU評(píng)價(jià)有效，尤其評(píng)價(jià)指標(biāo)數(shù)量較多時(shí)，DMU也會(huì)多呈現(xiàn)為1，從而無(wú)法對(duì)這些DMU進(jìn)行進(jìn)一步的比較.針對(duì)這一問(wèn)題Tone[18]等提出了超效率模型SBM，不僅解決了對(duì)效率值大于1的DMU的排序問(wèn)題，還充分考慮了松弛變量.

(1)

1.2 GML指數(shù)模型

Malmquist是一種測(cè)算全要素生產(chǎn)率變動(dòng)情況的方法，可以測(cè)算DMU各個(gè)時(shí)間段全要素生產(chǎn)率的變動(dòng)情況.Malmquist模型在測(cè)算時(shí)未充分考慮期望產(chǎn)出增加和非期望產(chǎn)出減少的情況，于是Chung等[19]提出了ML模型，模型如下：

(2)

其中：ML可以分解為EC(技術(shù)效率變化)和TC(技術(shù)進(jìn)步變化)，

(3)

ML模型在求解時(shí)采用兩個(gè)時(shí)期指數(shù)的幾何平均形式，會(huì)發(fā)生無(wú)可行解情況，于是Oh[20]提出了新的模型來(lái)解決ML的缺點(diǎn)，模型如下：

(4)

GML同理也可以被分解為EC和TC.

1.3 指標(biāo)體系及數(shù)據(jù)來(lái)源

研究數(shù)據(jù)采用面板數(shù)據(jù)，時(shí)間跨度為2015～2019年，決策單元為《長(zhǎng)江三角洲城市群發(fā)展規(guī)劃》[21]中16個(gè)機(jī)場(chǎng).指標(biāo)數(shù)據(jù)為客觀數(shù)據(jù)，整理于民航機(jī)場(chǎng)生產(chǎn)統(tǒng)計(jì)公報(bào)、各機(jī)場(chǎng)官網(wǎng)和OAG數(shù)據(jù)庫(kù)等.考慮到指標(biāo)的系統(tǒng)性、可操作性和科學(xué)性的原則，參考既有文獻(xiàn)[11]中的期望指標(biāo)，選擇指標(biāo)如表1所示，非期望產(chǎn)出的指標(biāo)選擇碳排放量和旅客投訴數(shù)量.

表1 投入產(chǎn)出指標(biāo)體系Table 1 Input-output indicator system

本文中機(jī)場(chǎng)碳排放量采用IPCC中給出的“自上而下”計(jì)算方式，根據(jù)《民航機(jī)場(chǎng)統(tǒng)計(jì)年鑒》中民航業(yè)全年燃油消耗量，估算碳排放量總量如下：

C=E×I

(5)

其中：C為航空運(yùn)輸碳排放總量，E為航空煤油消耗量，I為碳排放系數(shù)，取3.15 kg/kg.再根據(jù)各機(jī)場(chǎng)旅客吞吐量，計(jì)算出各機(jī)場(chǎng)的碳排放量.

2 實(shí)證分析

選擇長(zhǎng)三角16個(gè)機(jī)場(chǎng)為研究樣本，運(yùn)用多種模型對(duì)比分析機(jī)場(chǎng)的運(yùn)營(yíng)效率.本文利用Matlab和MaxDea處理數(shù)據(jù).

2.1 機(jī)場(chǎng)靜態(tài)效率評(píng)價(jià)及分析

為了突出非期望產(chǎn)出對(duì)機(jī)場(chǎng)評(píng)價(jià)的影響，參考現(xiàn)有文獻(xiàn)[13]設(shè)計(jì)，本文用3種模型分別計(jì)算考慮非期望產(chǎn)出和不考慮非期望產(chǎn)出情況下的機(jī)場(chǎng)運(yùn)營(yíng)效率，如表2所示.運(yùn)算結(jié)果如表3、4所示，其中DMU大于或等于1為DEA有效.

表2 模型分析Table 2 Model analysis

表3 三種模型下的機(jī)場(chǎng)運(yùn)營(yíng)效率對(duì)比(2015～2017)Table 3 Comparison of airport operation efficiency under the three models (2015～2017)

對(duì)比模型1和模型2，可以發(fā)現(xiàn)考慮了非期望產(chǎn)出后機(jī)場(chǎng)的運(yùn)營(yíng)效率值發(fā)生改變.大型機(jī)場(chǎng)方面：杭州蕭山機(jī)場(chǎng)在2015～2016年機(jī)場(chǎng)運(yùn)營(yíng)效率值變低，如圖1所示，主要原因?yàn)楹贾菔捝綑C(jī)場(chǎng)機(jī)場(chǎng)基礎(chǔ)設(shè)施利用率較低，且2015～2016年機(jī)場(chǎng)旅客投訴數(shù)量較多，受空域資源影響，2015年機(jī)場(chǎng)被選為最不準(zhǔn)點(diǎn)機(jī)場(chǎng).

圖1 大型機(jī)場(chǎng)模型1和模型2中運(yùn)營(yíng)效率值對(duì)比Figure 1 Comparison of operating efficiency values in model 1 and model 2 of large airports

小型機(jī)場(chǎng)方面：部分模型1下的無(wú)效DMU效率值在模型2中上升，如圖2所示，2016年揚(yáng)州泰州機(jī)場(chǎng)、2018年無(wú)錫碩放和南通興東機(jī)場(chǎng)，在考慮了非期望產(chǎn)出指標(biāo)后，從前年的無(wú)效DMU成了有效DMU.表明小型機(jī)場(chǎng)的運(yùn)營(yíng)效率在考慮非期望產(chǎn)出影響后有明顯提高，小型機(jī)場(chǎng)的可持續(xù)綠色發(fā)展更需要合理規(guī)劃?rùn)C(jī)場(chǎng)資源，準(zhǔn)確市場(chǎng)定位，更好的為目標(biāo)旅客提供優(yōu)質(zhì)服務(wù).

圖2 機(jī)場(chǎng)運(yùn)營(yíng)效率值上升的機(jī)場(chǎng)Figure 2 Airports with rising operating efficiency values

表4 三種模型下的機(jī)場(chǎng)運(yùn)營(yíng)效率對(duì)比(2018～2019)Table 4 Comparison of airport operation efficiency under the three models (2018～2019)

此外，2015～2019年間，多數(shù)機(jī)場(chǎng)運(yùn)營(yíng)效率不為1，考慮非期望產(chǎn)出后，機(jī)場(chǎng)的運(yùn)營(yíng)效率值均下降.進(jìn)一步說(shuō)明考慮碳排放量和旅客投訴數(shù)量對(duì)機(jī)場(chǎng)的運(yùn)營(yíng)效率影響的必要性.由模型2和模型3對(duì)比可以發(fā)現(xiàn)，模型2中機(jī)場(chǎng)運(yùn)營(yíng)效率值為1的DMU的值在模型3中被進(jìn)一步放大，基于此可以對(duì)各機(jī)場(chǎng)更準(zhǔn)確排名.而呈現(xiàn)運(yùn)營(yíng)效率無(wú)效的機(jī)場(chǎng)，運(yùn)營(yíng)效率值保持不變或者輕微變大.

上海虹橋、上海浦東、南京祿口和舟山普陀山機(jī)場(chǎng)在2015～2019年間，一直呈現(xiàn)運(yùn)營(yíng)效率有效.它們的共同點(diǎn)為在航站樓面積、機(jī)場(chǎng)停機(jī)位個(gè)數(shù)和通航點(diǎn)數(shù)量輕微增長(zhǎng)時(shí)，提高了旅客、貨郵吞吐量和飛機(jī)起降架次，且碳排放量和旅客投訴數(shù)量也能得到有效控制.

常州奔牛、臺(tái)州路橋和合肥新橋機(jī)場(chǎng)在2015～2018年間運(yùn)營(yíng)效率小于1，2019年運(yùn)營(yíng)效率大于等于1，表明機(jī)場(chǎng)在前期投入過(guò)多，產(chǎn)出較少，但近幾年來(lái)市場(chǎng)需求增多，旅客數(shù)量增加，機(jī)場(chǎng)運(yùn)營(yíng)效率狀況逐步轉(zhuǎn)好.

無(wú)錫碩放、南通興東、杭州蕭山和寧波櫟社機(jī)場(chǎng)，在2015～2019年間運(yùn)營(yíng)效率值有部分年份DMU有效，如寧波櫟社機(jī)場(chǎng)則在2015～2018年都DMU有效，2019年DMU無(wú)效.機(jī)場(chǎng)的建設(shè)發(fā)展不能一直很好的匹配產(chǎn)出.基于近年來(lái)機(jī)場(chǎng)投入沒(méi)有變化，產(chǎn)出波動(dòng)導(dǎo)致了DMU運(yùn)營(yíng)效率變化.

鹽城南洋、義烏、池州九華山和安慶機(jī)場(chǎng)2015～2019年間一直運(yùn)營(yíng)效率值較低呈現(xiàn)DMU無(wú)效，此類機(jī)場(chǎng)需要合理規(guī)劃?rùn)C(jī)場(chǎng)的發(fā)展.

2.2 機(jī)場(chǎng)動(dòng)態(tài)全要素生產(chǎn)率評(píng)價(jià)及分析

超效率SBM模型只研究了機(jī)場(chǎng)的靜態(tài)效率變化，反映為每一年機(jī)場(chǎng)的投入產(chǎn)出轉(zhuǎn)化率，而GML指數(shù)可以觀測(cè)機(jī)場(chǎng)歷年動(dòng)態(tài)效率值.因此，本文運(yùn)用MaxDea對(duì)長(zhǎng)三角機(jī)場(chǎng)進(jìn)行全要素生產(chǎn)率分析.

結(jié)果如表5所示，長(zhǎng)三角機(jī)場(chǎng)的GML均值從2015～2016年的0.994 7到2018～2019年的1.009 29，機(jī)場(chǎng)全要素生產(chǎn)率均值有提高，機(jī)場(chǎng)的發(fā)展越來(lái)越好.其中：GML指數(shù)小于1的DMU主要集中在2015～2017期間，以無(wú)錫碩放機(jī)場(chǎng)和杭州蕭山為代表的機(jī)場(chǎng)在這兩個(gè)區(qū)間內(nèi)GML值均都小于1，分別為0.997 76、0.981 23和0.993 24、0.985 02.分析后發(fā)現(xiàn)，我國(guó)民用運(yùn)輸機(jī)場(chǎng)總體規(guī)劃近期目標(biāo)一般為10 a，遠(yuǎn)期目標(biāo)為30 a，而無(wú)錫碩放在2015年1月19日機(jī)場(chǎng)才完場(chǎng)二期續(xù)建工程，杭州蕭山機(jī)場(chǎng)則2012年底二期工程才投運(yùn)，此時(shí)機(jī)場(chǎng)處于低利用率，機(jī)場(chǎng)的流量低于飽和容量，基礎(chǔ)設(shè)施使用率低下.

表5 長(zhǎng)三角機(jī)場(chǎng)的GML指數(shù)(2015～2019年)Table 5 GML Index of Yangtze River Delta Airport (2015～2019)

為了驗(yàn)證非期望產(chǎn)出對(duì)機(jī)場(chǎng)動(dòng)態(tài)全要素生產(chǎn)率的影響，運(yùn)用Malmquist模型和GML模型對(duì)比分析各機(jī)場(chǎng)5 a的平均全要素生產(chǎn)率及分解值，結(jié)果如表6所示，考慮非期望產(chǎn)出后，多數(shù)機(jī)場(chǎng)的動(dòng)態(tài)全要素生產(chǎn)率值降低，表明非期望產(chǎn)出也對(duì)機(jī)場(chǎng)動(dòng)態(tài)全要素生產(chǎn)率產(chǎn)影響.

表6 Malmquist模型和GML模型下5年機(jī)場(chǎng)平均全要素生產(chǎn)率及分解值Table 6 Five-year average total factor productivity and decomposition value of airports under Malmquist model and GML model

由于Malmquist和GML指數(shù)均可以分解為技術(shù)效率(EC)和技術(shù)進(jìn)步(TC)，技術(shù)效率指在現(xiàn)有技術(shù)水平下，通過(guò)增加各種部門(mén)間的協(xié)調(diào)性，使機(jī)場(chǎng)的期望產(chǎn)出增大；技術(shù)進(jìn)步則指投入同樣多的投入指標(biāo)在技術(shù)上實(shí)現(xiàn)更多的期望產(chǎn)出.考慮碳排放量和旅客投訴數(shù)量后，各機(jī)場(chǎng)的技術(shù)效率和技術(shù)進(jìn)步值都發(fā)生不同程度的變化，有2個(gè)機(jī)場(chǎng)的技術(shù)效率值上升，有7個(gè)機(jī)場(chǎng)的機(jī)場(chǎng)技術(shù)進(jìn)步值上升.非期望產(chǎn)出影響機(jī)場(chǎng)技術(shù)進(jìn)步的數(shù)量更多，但是從所有機(jī)場(chǎng)的均值來(lái)看，MLEC和GMLEC的值差值為0.071 4，而MITC和GMLTC的差值為0.011 6，表明非期望產(chǎn)出對(duì)機(jī)場(chǎng)技術(shù)效率影響更大.

3 結(jié) 語(yǔ)

本文結(jié)合DEA方法，在對(duì)機(jī)場(chǎng)運(yùn)營(yíng)效率的評(píng)價(jià)指標(biāo)中考慮了機(jī)場(chǎng)的非期望產(chǎn)出：碳排放量和旅客投訴量，使用多種模型對(duì)比分析了長(zhǎng)三角16家機(jī)場(chǎng)，結(jié)果表明：

1)非期望產(chǎn)出對(duì)機(jī)場(chǎng)的靜態(tài)運(yùn)營(yíng)效率和動(dòng)態(tài)全要素生產(chǎn)率均產(chǎn)生影響，超效率SBM模型能夠解決CCR模型不能進(jìn)一步排名的問(wèn)題，GML指數(shù)能消除ML指數(shù)無(wú)可行解問(wèn)題.

2)長(zhǎng)三角機(jī)場(chǎng)靜態(tài)效率值呈現(xiàn)波動(dòng)上升趨勢(shì)，考慮非期望產(chǎn)出后，大型機(jī)場(chǎng)如上海虹橋、上海浦東和南京祿口等機(jī)場(chǎng)運(yùn)營(yíng)效率仍舊有效，依然大于等于1，而小型機(jī)場(chǎng)產(chǎn)生顯著變化，少部分小型機(jī)場(chǎng)的運(yùn)營(yíng)效率值提升，絕大部分運(yùn)營(yíng)效率值下降.

3)2015～2019年，長(zhǎng)三角機(jī)場(chǎng)全要素生產(chǎn)率受技術(shù)效率和技術(shù)進(jìn)步共同影響，非期望產(chǎn)出影響技術(shù)進(jìn)步上升的機(jī)場(chǎng)數(shù)量較多，但是對(duì)機(jī)場(chǎng)的技術(shù)效率影響更大.

機(jī)場(chǎng)承擔(dān)旅客及貨物的運(yùn)輸，運(yùn)營(yíng)效率的評(píng)估不能僅考慮正向輸出，還需要考慮負(fù)向輸出.倡導(dǎo)國(guó)家碳中和的發(fā)展目標(biāo)，本文外部環(huán)境非期望產(chǎn)出因素選擇了碳排放量，未再考慮噪音污染、有毒氣體、機(jī)場(chǎng)垃圾等指標(biāo)，期待未來(lái)進(jìn)一步的研究.