錢琪偉, 楊正全, 柳 青

(中國民航大學(xué) 交通科學(xué)與工程學(xué)院, 天津 300300)

海港型城市一般擁有優(yōu)質(zhì)的沿海港口、連接內(nèi)陸腹地、海港對經(jīng)濟(jì)較強(qiáng)的影響,此類型城市經(jīng)濟(jì)大多具有較強(qiáng)的外向性,城市產(chǎn)業(yè)發(fā)展更具優(yōu)勢,經(jīng)濟(jì)增速快、實(shí)力更強(qiáng)[1]。因此,這類城市的機(jī)場的發(fā)展也更具外向性,航空運(yùn)輸業(yè)也相對發(fā)達(dá)。

機(jī)場是民航運(yùn)輸中的重要一環(huán),其運(yùn)行效率對于航空運(yùn)輸整體服務(wù)水平的改善和提高具有重要的影響。機(jī)場效率的研究已有一定的發(fā)展,而研究的方向各有側(cè)重。Gillen和Lall[2]首次運(yùn)用數(shù)據(jù)包絡(luò)分析(data envelopment analysis, DEA)模型評價美國的21家機(jī)場的效率;此后涌現(xiàn)出DEA模型及各種改進(jìn)衍生模型。Bazargan和Vasigh[3]運(yùn)用DEA模型對45個美國商業(yè)機(jī)場進(jìn)行生產(chǎn)力分析;Pacheco等[4]使用DEA方法研究巴西管理風(fēng)格變化對機(jī)場績效的影響;Lozano和Gutiérrez[5]基于SBM-DEA(基于松弛變量的數(shù)據(jù)包絡(luò)分析)模型研究西班牙39個機(jī)場效率;Rapee和Peng[6]將DEA和層次分析法(analytic hierarchy process,AHP)結(jié)合來研究泰國主要機(jī)場的效率;?rkcü等[7]使用Malmquist生產(chǎn)力指數(shù)來評估土耳其21個機(jī)場的績效;Storto[8]采用NSBM-DEA(基于網(wǎng)絡(luò)松弛變量的數(shù)據(jù)包絡(luò)分析)方法來研究意大利機(jī)場的效率;Huynh等[9]運(yùn)用兩階段法研究東南亞機(jī)場的效率。

國內(nèi)學(xué)者的研究起步較晚。都業(yè)富等[10]采用DEA對中國民用機(jī)場運(yùn)行的相對有效性進(jìn)行了評價;劉晏滔[11]運(yùn)用DEA對長三角地區(qū)10家機(jī)場的效率進(jìn)行研究;褚衍昌[12]運(yùn)用二階段DEA模型研究亞洲主要機(jī)場效率;任新惠和孫啟玲[13]運(yùn)用DEA方法對長三角與珠三角地區(qū)機(jī)場的運(yùn)營效率進(jìn)行對比分析;朱星輝等[14]運(yùn)用基于松弛策略DEA方法對我國2010年客運(yùn)吞吐量排名前30位的民用機(jī)場進(jìn)行運(yùn)營效率研究;馬景祿[15]使用改進(jìn)DEA測算中國9家大型機(jī)場運(yùn)營效率;羅潤三[16]運(yùn)用DEA方法評估山東省的6家支線機(jī)場運(yùn)營效率;曾竹喧[17]運(yùn)用三階段DEA方法研究長三角機(jī)場群內(nèi)各機(jī)場的效率;景崇毅等[18]構(gòu)建了具有子系統(tǒng)偏好的并行網(wǎng)絡(luò)DEA模型,并對我國2015—2019年千萬級以上機(jī)場的運(yùn)行效率進(jìn)行測算。

國內(nèi)外現(xiàn)有研究多是從國家、地區(qū)或者機(jī)場角度按照某項(xiàng)指標(biāo)進(jìn)行排名,采用的方法多以DEA為基礎(chǔ)或者相關(guān)方法。然而,在海港型城市這種獨(dú)特的城市形態(tài)中,港口和城市相互影響、相互促進(jìn),城市的對外貿(mào)易十分活躍,進(jìn)而影響港口及其他運(yùn)輸方式和其他相關(guān)產(chǎn)業(yè)的發(fā)展[19]。港口城市具有發(fā)達(dá)的交通條件和國內(nèi)、國外雙向經(jīng)濟(jì)腹地,經(jīng)濟(jì)外向型程度高。因此,本文從機(jī)場所在城市類型這一角度入手來研究機(jī)場效率,選取海港型城市進(jìn)行分析,研究該類城市環(huán)境下的機(jī)場效率狀況,分析其效率特點(diǎn),從細(xì)分研究角度以期更為精細(xì)地評價機(jī)場實(shí)際的運(yùn)行效率。

在分析的基礎(chǔ)上,利用三階段DEA模型以及Malmquist生產(chǎn)力指數(shù)從靜態(tài)和動態(tài)兩方面分析機(jī)場的投入和產(chǎn)出之間的效率關(guān)系,真實(shí)全面了解機(jī)場的運(yùn)營狀況。機(jī)場效率評價時采用2016—2021年的數(shù)據(jù),選取沿海地區(qū)14座海港型城市機(jī)場,參考人口、GDP等指標(biāo)篩選規(guī)模相當(dāng)?shù)?8家內(nèi)陸地區(qū)機(jī)場進(jìn)行對照分析,并為民航機(jī)場效率評估提供新的參考角度及建議。

1 研究方法

1.1 三階段DEA模型

2002年Fried等[20]提出將環(huán)境影響和統(tǒng)計噪聲納入DEA中構(gòu)建新模型,并分為3個階段,如圖1所示。

圖1 三階段DEA流程

在階段1,DEA應(yīng)用于產(chǎn)出和投入,以獲得績效的初始值;在階段2,用隨機(jī)前沿分析(stochastic frontier analysis,SFA)分析一組環(huán)境變量對階段1的績效指標(biāo)的影響,這為每個輸入或輸出提供了將績效變化分解為因環(huán)境影響、管理無效率及統(tǒng)計噪聲部分;在階段3,調(diào)整輸入或輸出以考慮環(huán)境影響和階段2發(fā)現(xiàn)的統(tǒng)計噪聲的影響,并使用DEA重新評估生產(chǎn)者的效率。對于不同類型的機(jī)場而言,在疫情的影響下,采用三階段DEA能更加準(zhǔn)確地測算效率值,對機(jī)場運(yùn)行情況擁有真實(shí)的了解。

1.1.1 階段1:DEA-BCC模型

在階段1中,假設(shè)規(guī)模報酬可變,并利用原始投入與產(chǎn)出數(shù)據(jù)測算初步的效率。投入導(dǎo)向型BCC模型中,可以被表述為

(1)

若θ=1,S+=S-=0,則DMU為DEA有效;若θ=1,S+≠0,或S-≠0,則DMU為弱DEA有效;若θ<1,則DMU為非DEA有效。

1.1.2 階段2:SFA模型

采用SFA模型分離外部因素,將階段1中的松弛變量對環(huán)境變量及混合誤差項(xiàng)進(jìn)行回歸分析,模型為

Sni=f(Zi;βn)+νni+μni,

i=1,2,…,I;n=1,2,…,N

(2)

式中:f為生產(chǎn)函數(shù);Sni為第i個DMU的第n項(xiàng)投入變量的松弛值;Zi為環(huán)境變量;βn為環(huán)境變量系數(shù);νni+μni為混合誤差項(xiàng)。

SFA回歸公式為

(3)

1.1.3 階段3:再次DEA測算

將階段2調(diào)整過的投入數(shù)據(jù)及原始產(chǎn)出數(shù)據(jù),再次應(yīng)用DEA-BCC方法對效率值進(jìn)行測算,進(jìn)而得到真實(shí)的DMU效率值。

1.2 評價指標(biāo)體系構(gòu)建

在數(shù)據(jù)可獲取性的基礎(chǔ)上,綜合考慮到海港型城市與內(nèi)陸城市機(jī)場實(shí)際運(yùn)營情況,選擇2項(xiàng)投入指標(biāo)和3項(xiàng)產(chǎn)出指標(biāo),并選取2項(xiàng)指標(biāo)作為環(huán)境變量,具體見表1。

表1 投入產(chǎn)出變量

應(yīng)用Stata26軟件對投入與產(chǎn)出變量進(jìn)行Pearson相關(guān)性檢驗(yàn),結(jié)果見表2,投入、產(chǎn)出變量相關(guān)系數(shù)均為正值,顯著性水平為1%,說明指標(biāo)具有合理性。

表2 投入產(chǎn)出變量的Pearson相關(guān)性檢驗(yàn)結(jié)果

2 機(jī)場效率結(jié)果及分析

2.1 樣本選取

研究樣本考慮該城市機(jī)場吞吐量規(guī)模以及參考2021年本地港口吞吐量在2億t以上的沿海城市,從中選取了14座海港型城市。結(jié)合所選海港型城市并依據(jù)其人口和GDP水平,相應(yīng)地選取18座內(nèi)陸城市進(jìn)行研究。運(yùn)行效率評價選取的32家機(jī)場見表3。研究分為靜態(tài)與動態(tài)研究兩方面,靜態(tài)選取2017年、2020年的數(shù)據(jù)以此對比研究疫情前后的效率狀況,動態(tài)研究選取2016—2021年的數(shù)據(jù)。數(shù)據(jù)來源于交通運(yùn)輸部吞吐量數(shù)據(jù)、民航局的歷年《全國機(jī)場生產(chǎn)統(tǒng)計公報》、各地機(jī)場官網(wǎng)數(shù)據(jù)及《中國統(tǒng)計年鑒》。

表3 樣本機(jī)場

2.2 階段1效率測算

使用DEAP2.1軟件求解32家機(jī)場的運(yùn)行效率。應(yīng)用2016—2021年的原始數(shù)據(jù)分別計算得出階段1的效率值,并計算投入松弛變量。階段1為效率的初步值,需要在階段2調(diào)整后重新進(jìn)行計算。兩個時期中各取一個年份(2017年、2020年)為例。

2.3 階段2 SFA調(diào)整

為了剔除外部影響,以人口、GDP兩個環(huán)境因素為自變量,利用航站樓面積、機(jī)位數(shù)的松弛量建立兩個SFA回歸方程,采用Frontier4.1軟件測算,結(jié)果見表4,3個方程的LR值和γ值均處于1%的顯著水平,而γ值接近1,因此SFA回歸有效,管理無效率為投入松弛變量的主要影響,隨機(jī)擾動對投入松弛變量的影響較小。

表4 2017年、2020年階段2投入冗余的SFA回歸結(jié)果

根據(jù)表4,對2017年、2020兩年度進(jìn)行分析可以得出以下結(jié)論:

1)人口對航站樓面積松弛系數(shù)為正值,說明人口數(shù)量增長導(dǎo)致航站樓面積投入的冗余的增加;而人口對機(jī)位數(shù)量松弛變量系數(shù)為負(fù)值,表明人口的增加使得機(jī)位數(shù)量投入冗余降低,進(jìn)而影響該地區(qū)機(jī)場的效率。

2)GDP對航站樓面積松弛系數(shù)為正值,說明GDP的增長導(dǎo)致航站樓面積投入冗余增加;而GDP對機(jī)位數(shù)量松弛變量系數(shù)為正值,表明GDP的增加引起機(jī)位數(shù)量投入冗余增長,對該地區(qū)機(jī)場的效率產(chǎn)生影響。

2.4 階段3效率分析

采用調(diào)整過的投入值及原始產(chǎn)出值,應(yīng)用DEAP2.1求得階段3的結(jié)果,見表5。此時的效率剔除了外部影響,可以較為客觀地反映其真實(shí)經(jīng)營與管理水平。

表5 2017年、2020年1、3階段32家機(jī)場運(yùn)行效率值

經(jīng)過階段3調(diào)整后,對結(jié)果進(jìn)行全面分析如下:

1)調(diào)整前后效率的綜合對比分析。研究發(fā)現(xiàn),2017年調(diào)整后研究樣本綜合運(yùn)營效率為0.381,比調(diào)整前降低0.315;在經(jīng)過調(diào)整后呈現(xiàn)一定幅度的下降表明樣本機(jī)場綜合的運(yùn)行效率還需進(jìn)一步提升,綜合運(yùn)營效率在調(diào)整前后差值較大;純技術(shù)效率達(dá)0.838,比調(diào)整前提高0.061,說明外部環(huán)境抑制了機(jī)場純技術(shù)效率的提高;規(guī)模效率為0.444,比調(diào)整前降低0.458,效率值降幅較大,機(jī)場規(guī)模效率對于環(huán)境因素較為敏感;提升規(guī)模效率進(jìn)而使得機(jī)場的綜合技術(shù)效率的進(jìn)步。而2020調(diào)整后研究樣本綜合運(yùn)營效率為0.429,比調(diào)整前降低0.261;純技術(shù)效率為0.868,比調(diào)整前提高0.11;規(guī)模效率為0.497,比調(diào)整前降低0.425;在經(jīng)過調(diào)整后的2020年規(guī)模效率、綜合運(yùn)營效率均有下降幅度。綜合技術(shù)效率、規(guī)模效率的減少證明階段1的結(jié)果因環(huán)境因素而使綜合技術(shù)效率值偏高,說明樣本機(jī)場資源配置能力較強(qiáng),但并不能充分發(fā)揮規(guī)模經(jīng)濟(jì)優(yōu)勢,機(jī)場管理層應(yīng)該努力提升其內(nèi)部管理水平,發(fā)揮規(guī)模經(jīng)濟(jì)優(yōu)勢,為顧客提供更優(yōu)質(zhì)的服務(wù);海港型城市中的上海/浦東、深圳/寶安、廣州/白云幾家機(jī)場以及內(nèi)陸的昆明/長水、成都/雙流等機(jī)場能較好地發(fā)揮規(guī)模優(yōu)勢;而秦皇島/北戴河、唐山/三女河兩家機(jī)場綜合技術(shù)效率不足0.1,十分低下,前者是剛從軍民合用機(jī)場獨(dú)立出來運(yùn)行,后者屬于軍民合用機(jī)場,兩者整體的運(yùn)營效率和管理水平還有巨大的提升空間。

2)效率前沿分析。在2017年,在剔除隨機(jī)干擾和環(huán)境因素前后,上海/浦東機(jī)場一直是處于綜合技術(shù)效率前沿面的,說明該機(jī)場的硬件水平與管理運(yùn)作方面具有高效性;而2020年,在剔除隨機(jī)干擾和環(huán)境因素前后,上海/浦東、成都/雙流、深圳/寶安處于綜合技術(shù)效率前沿面上,說明國內(nèi)的大型機(jī)場效率在全國處于先進(jìn)水平。值得注意的是,廣州/白云機(jī)場始終僅有純技術(shù)效率處于前沿面,需要提高規(guī)模效率以提高綜合效率。

3)海陸機(jī)場效率比較分析。比較來看,內(nèi)陸城市機(jī)場的規(guī)模效率要強(qiáng)于海港型城市,具有較強(qiáng)的規(guī)模經(jīng)濟(jì)優(yōu)勢,而綜合技術(shù)效率和純技術(shù)效率兩方面要弱于海港型城市;海港型城市機(jī)場總體效率略高于內(nèi)陸型城市機(jī)場,說明這些機(jī)場的基礎(chǔ)設(shè)施與運(yùn)營能力處于較高水平。此外,分析表5可知,2017年調(diào)整前后,海港型城市的機(jī)場綜合效率下降0.362,在2020年下降了0.294;而內(nèi)陸城市機(jī)場相應(yīng)的年份調(diào)整前后分別下降了0.277和0.236;海港城市機(jī)場受環(huán)境影響較大使得效率值被高估,內(nèi)陸型城市機(jī)場受環(huán)境影響產(chǎn)生較小程度效率變化。

4)海港型城市機(jī)場效率分析。在我國沿海港口城市港城關(guān)系中,港城關(guān)系分為城市驅(qū)動型、港口驅(qū)動型、港城互驅(qū)型3種類型[21],因此再結(jié)合郭建科等[22]的研究結(jié)果,將樣本海港型城市及其機(jī)場進(jìn)行如下分組。

城市驅(qū)動型:大連/周水子、秦皇島/北戴河、天津/濱海、青島/流亭、上海/浦東、連云港/白塔埠、寧波/櫟社、廈門/高崎、深圳/寶安、廣州/白云。

港口驅(qū)動型:煙臺/蓬萊、日照/山字河、唐山/三女河。

港城互驅(qū)型:福州/長樂。

根據(jù)分組并結(jié)合表5結(jié)果計算其平均綜合效率。結(jié)果表明,經(jīng)過調(diào)整后,2017年,城市驅(qū)動型的城市中,機(jī)場的平均效率為0.457,港口驅(qū)動型及港城互驅(qū)型分別為0.091、0.219;城市驅(qū)動型其發(fā)展以城市本身的規(guī)劃為主,城市的發(fā)展較少的受到港口的影響及制約,因而該類城市的機(jī)場綜合效率相對較高;然而港口驅(qū)動型城市的發(fā)展受港口影響,其機(jī)場綜合效率相對低下,而港城互驅(qū)型其機(jī)場效率值處于中間位置。在2020年,3類城市的機(jī)場綜合效率分別為0.480、0.230、0.269,相較于2017年,各類城市的機(jī)場效率都有所提升,機(jī)場的效率值仍存在城市驅(qū)動型>港城互驅(qū)型>港口驅(qū)動型的排序狀況。

5)調(diào)整前后趨勢變化分析。表6顯示,經(jīng)過階段2的調(diào)整后,階段3計算出的機(jī)場綜合技術(shù)效率普遍低于階段1。其中廣州/白云、深圳/寶安、北京/首都、重慶/江北4家機(jī)場的效率有所上升,僅有上海/浦東機(jī)場效率值始終保持為1。從排名變動來看,連云港/白塔埠、寧波/櫟社、日照/山字河、合肥/新橋、太原/武宿、蘭州/中川排名下降最多,分別下降了12、17、22、14、15、15個名次;北京/首都、重慶/江北、鄭州/新鄭、武漢/天河4家排名上升最多,分別上升16、22、16、16個名次,證明這些省份的機(jī)場效率受外部影響程度較大。在前15名中,海港型機(jī)場僅有6家,其余8家機(jī)場名次比較靠后;而內(nèi)陸城市機(jī)場有9家排名在前15,說明內(nèi)陸城市的機(jī)場整體運(yùn)營效率較高,擁有更好的管理水平。

表6 1、3階段32家機(jī)場2016—2021年平均效率值及排名

如圖2所示,32家機(jī)場純技術(shù)效率均在80%以上,出現(xiàn)先下降再上升趨勢,下降趨勢集中在2020年,綜合技術(shù)效率與規(guī)模效率整體呈現(xiàn)上升勢頭,規(guī)模效率值低下嚴(yán)重影響綜合技術(shù)效率表現(xiàn)。

圖2 2016—2021年32家機(jī)場效率均值

6)機(jī)場規(guī)模分類效率分析。結(jié)合選取樣本機(jī)場的吞吐量能力將其進(jìn)一步分類,見表7,依據(jù)機(jī)場分類對不同類型機(jī)場效率進(jìn)行深入分析,結(jié)果見表8。海港型城市機(jī)場及內(nèi)陸城市機(jī)場對比研究中,海港型城市超大型機(jī)場綜合運(yùn)營效率與規(guī)模效率高于內(nèi)陸城市超大型機(jī)場,而其中小型、大型機(jī)場綜合運(yùn)營效率與規(guī)模效率低于內(nèi)陸城市相應(yīng)的機(jī)場,說明海港型城市的超大型的機(jī)場在管理以及規(guī)模上更具優(yōu)勢;海港型城市各類型純技術(shù)效率要高于內(nèi)陸城市機(jī)場,說明其機(jī)場運(yùn)行的技術(shù)方面具有優(yōu)勢。在海港型城市機(jī)場分析研究中,超大型機(jī)場各方面效率都顯著高于大型及中小型機(jī)場,總體來看,超大型機(jī)場效率最好,大型次之,中小型最次,另外發(fā)現(xiàn),大型機(jī)場純技術(shù)效率弱于中小型機(jī)場。而在內(nèi)陸城市機(jī)場分析研究中,其規(guī)律與海港型城市機(jī)場相同。

表8 2016—2021年32家機(jī)場分類效率

7)象限分析。根據(jù)純技術(shù)效率和規(guī)模效率分別以0.90、0.80為分界線對各機(jī)場進(jìn)行劃分,分為“雙高型”“高低型”“低高型”“雙低型”4種類型。超過半數(shù)省份屬于“雙低型”,即純技術(shù)效率和規(guī)模效率分別小于0.90、0.80。上海/浦東、深圳/寶安、成都/雙流、廣州/白云4家機(jī)場屬于“雙高型”,即純技術(shù)效率和規(guī)模效率分別大于0.90、0.80,4家機(jī)場處于一線或新一線城市且有3家機(jī)場屬于海港型城市機(jī)場,表明部分海港型城市機(jī)場效率處于較高水平。昆明/長水、西安/咸陽、重慶/江北、青島/流亭、天津/濱海等機(jī)場屬于“低高型”或“高低型”,即純技術(shù)效率小于0.90或規(guī)模效率小于0.80。

8)規(guī)模報酬分析。由表9可知,階段1中規(guī)模報酬遞增、規(guī)模報酬遞減機(jī)場分別約有13、15家。在階段3中,處于規(guī)模報酬遞增階段的機(jī)場約29家,約有2家出現(xiàn)了規(guī)模報酬不變現(xiàn)象。說明外部社會環(huán)境對大部分機(jī)場的效率產(chǎn)生負(fù)面影響,造成了機(jī)場總體規(guī)模效率低下。

表9 2016—2021年1、3階段32家機(jī)場規(guī)模報酬情況

2.5 Malmquist指數(shù)分析

利用Malmquist指數(shù)方法對各機(jī)場的動態(tài)變化進(jìn)行分析。將階段2調(diào)整后的投入,利用DEAP2.1來測算出各機(jī)場2016—2021年的效率變化情況,得到各機(jī)場的全要素生產(chǎn)率變化指數(shù),見表10。全要素生產(chǎn)率(tfpch)可分解為技術(shù)效率變化(effch)和技術(shù)進(jìn)步變化(techch)兩部分,而技術(shù)效率變化可進(jìn)一步分解為純技術(shù)效率變化(pech)和規(guī)模效率(sech)變化。

表10 Malmquist指數(shù)法評估32家機(jī)場2016—2021年效率情況

采用Malmquist指數(shù)從時間序列角度分解2016—2021年機(jī)場全要素生產(chǎn)率,見表11,從時間變化上看,Malmquist指數(shù)的值2018—2020年出現(xiàn)小于1的情況,其余時期Malmquist指數(shù)均大于1;全要素生產(chǎn)率為先降低后增長的趨勢,說明新冠肺炎疫情對于機(jī)場運(yùn)行效率影響比較明顯,尤其是2020年,此后的2021年效率逐步恢復(fù)提升。3年間32家機(jī)場技術(shù)效率、技術(shù)進(jìn)步、規(guī)模效率、全要素生產(chǎn)率表現(xiàn)相同的變化趨勢,即先下降,2019—2020最低,之后回升,而純技術(shù)效率則是穩(wěn)步提升。

表11 2016—2021年32家機(jī)場平均Malmquist指數(shù)

3 結(jié)論

采用三階段DEA模型和Malmquist生產(chǎn)力指數(shù)從靜態(tài)和動態(tài)兩方面評價2016—2021年海港型城市及內(nèi)陸城市機(jī)場在疫情前后的運(yùn)行效率。

研究結(jié)果表明:①樣本機(jī)場的運(yùn)行效率差距較大,機(jī)場實(shí)際經(jīng)營管理水平不盡相同,許多機(jī)場效率較低,存在較大的改善空間;②海港型城市機(jī)場綜合技術(shù)效率和純技術(shù)效率兩方面要強(qiáng)于內(nèi)陸城市機(jī)場,而規(guī)模效率要弱于內(nèi)陸城市機(jī)場,海港型城市機(jī)場技術(shù)更新迭代速度較快;③環(huán)境因素的存在會使機(jī)場效率值偏高,且海港型城市對環(huán)境因素更加敏感,效率評估受到的影響更大;④城市驅(qū)動型的海港城市發(fā)展較少地受到港口的影響,其機(jī)場綜合效率相對較高;而港口驅(qū)動型城市其機(jī)場效率相對較低;⑤樣本機(jī)場中90%的機(jī)場處于規(guī)模報酬遞增階段,各機(jī)場具有較強(qiáng)的發(fā)展?jié)摿?可以通過改擴(kuò)建機(jī)場實(shí)現(xiàn)機(jī)場業(yè)務(wù)量的有效提升并且優(yōu)化管理流程以提高管理效率水平;⑥疫情前后各地機(jī)場效率值總體呈現(xiàn)先降低后恢復(fù)的勢頭;⑦內(nèi)陸城市機(jī)場應(yīng)該注重提升其技術(shù),并且可以適當(dāng)改建或擴(kuò)建;而海港型城市機(jī)場應(yīng)該擴(kuò)大市場份額以發(fā)揮規(guī)模優(yōu)勢,提高規(guī)模效率,并且避免盲目擴(kuò)建航站樓和機(jī)位而導(dǎo)致效率降低;⑧三階段DEA方法對于效率的評估結(jié)果更加準(zhǔn)確全面,與Malmquist生產(chǎn)率指數(shù)相結(jié)合,可以測算生產(chǎn)力及其構(gòu)成要素的變化,進(jìn)而提供更加豐富的決策信息。