考慮碳排放的長三角機場運營效率研究

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)

機場是連接陸路交通和航空運輸?shù)你暯狱c，是實現(xiàn)城市互聯(lián)互通的重要樞紐，但機場的建設(shè)、運行、發(fā)展都不可避免會對機場的資源和生態(tài)環(huán)境產(chǎn)生一定的影響.一方面，部分機場過度追求機場建設(shè)的超前性，造成了機場資源的浪費，如航站樓、停機位、跑道等資源的冗余使得機場的運營效率降低；另一方面，機場的能源消耗也不容小覷.近年來，國家采取了一系列強有力的政策和措施來努力爭取實現(xiàn)碳中和目標(biāo)，各地區(qū)民航局也發(fā)布了多個文件，鼓勵用一種可持續(xù)發(fā)展的方式發(fā)展機場和創(chuàng)造更適宜的周邊環(huán)境[1].本文將在兼顧機場發(fā)展和環(huán)境保護(hù)的情形下對長三角機場進(jìn)行研究分析.

20世紀(jì)90年代，眾多國外學(xué)者就已經(jīng)開展了機場運營效率的研究，通過構(gòu)建不同的機場評價體系來評估機場的運營狀況，幫助機場找出影響機場運營效率的因素[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)，具有較強的客觀性，同時在簡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模型研究了我國主要的樞紐機場；張勁楓[7]，羅潤三[8]和劉丹[9]學(xué)者分別運用改進(jìn)后的CCR、BCC模型和網(wǎng)絡(luò)DEA模型研究了我國地區(qū)機場系統(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模型研究了我國機場群的發(fā)展?fàn)顩r.這些研究理論和成果極大豐富了機場運營效率領(lǐng)域，但在研究機場的運行效率時，學(xué)者們多重視機場的正面效益，忽視機場運行過程中產(chǎn)生的負(fù)面產(chǎn)出，例如旅客投訴、航班延誤、航行過程中的噪音和大氣污染等，這些非期望產(chǎn)出也對機場的運營產(chǎn)生了一定的影響.同時，近年來國家重視綠色環(huán)保和機場可持續(xù)發(fā)展，增加了非期望產(chǎn)出的機場運營效率研究更加貼合實際，評價結(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)，運用非參數(shù)方向距離函數(shù)法和傳統(tǒng)DEA模型進(jìn)行對比分析了長三角主要機場的運營效率.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)，運用超效率SBM模型把機場運營分成機場服務(wù)與旅客服務(wù)兩個階段來計算機場的運營效率.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、航班延誤時間和出港平均延誤時間，并基于SBM模型和三階段SBM模型對機場運營效率進(jìn)行評價研究.

綜上所述，諸多學(xué)者基于DEA方法研究機場運營效率，對期望產(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)出對機場運營效率的影響；2)當(dāng)多個機場運營效率等于1時，常用評價模型CCR、BCC模型不能進(jìn)一步給機場排序；3)多數(shù)文獻(xiàn)對機場運營效率研究單一，采用靜態(tài)評價模型和動態(tài)評價模型相結(jié)合研究機場的文獻(xiàn)較少.近年來民航業(yè)迅速發(fā)展，機場的旅客吞吐量和飛機起降架次都在逐年遞增，機場的碳排放量也隨之增加，對環(huán)境造成影響.旅客吞吐量的增加造成機場服務(wù)資源日趨緊張，容易引發(fā)更多的旅客投訴數(shù)量，隨之帶來旅客對出行機場滿意度的降低.因此考慮外部環(huán)境的非期望產(chǎn)出(碳排放量)對機場運營效率更加符合現(xiàn)實情況.本文通過多種模型對比分析長三角機場群內(nèi)機場的靜態(tài)運營效率和動態(tài)全要素生產(chǎn)率，以此對長三角機場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)行分析評價.

1.1 超效率SBM模型

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

(1)

1.2 GML指數(shù)模型

Malmquist是一種測算全要素生產(chǎn)率變動情況的方法，可以測算DMU各個時間段全要素生產(chǎn)率的變動情況.Malmquist模型在測算時未充分考慮期望產(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模型在求解時采用兩個時期指數(shù)的幾何平均形式，會發(fā)生無可行解情況，于是Oh[20]提出了新的模型來解決ML的缺點，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)來源

研究數(shù)據(jù)采用面板數(shù)據(jù)，時間跨度為2015～2019年，決策單元為《長江三角洲城市群發(fā)展規(guī)劃》[21]中16個機場.指標(biāo)數(shù)據(jù)為客觀數(shù)據(jù)，整理于民航機場生產(chǎn)統(tǒng)計公報、各機場官網(wǎng)和OAG數(shù)據(jù)庫等.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

本文中機場碳排放量采用IPCC中給出的“自上而下”計算方式，根據(jù)《民航機場統(tǒng)計年鑒》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)各機場旅客吞吐量，計算出各機場的碳排放量.

2 實證分析

選擇長三角16個機場為研究樣本，運用多種模型對比分析機場的運營效率.本文利用Matlab和MaxDea處理數(shù)據(jù).

2.1 機場靜態(tài)效率評價及分析

為了突出非期望產(chǎn)出對機場評價的影響，參考現(xiàn)有文獻(xiàn)[13]設(shè)計，本文用3種模型分別計算考慮非期望產(chǎn)出和不考慮非期望產(chǎn)出情況下的機場運營效率，如表2所示.運算結(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 三種模型下的機場運營效率對比(2015～2017)Table 3 Comparison of airport operation efficiency under the three models (2015～2017)

對比模型1和模型2，可以發(fā)現(xiàn)考慮了非期望產(chǎn)出后機場的運營效率值發(fā)生改變.大型機場方面：杭州蕭山機場在2015～2016年機場運營效率值變低，如圖1所示，主要原因為杭州蕭山機場機場基礎(chǔ)設(shè)施利用率較低，且2015～2016年機場旅客投訴數(shù)量較多，受空域資源影響，2015年機場被選為最不準(zhǔn)點機場.

圖1 大型機場模型1和模型2中運營效率值對比Figure 1 Comparison of operating efficiency values in model 1 and model 2 of large airports

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

圖2 機場運營效率值上升的機場Figure 2 Airports with rising operating efficiency values

表4 三種模型下的機場運營效率對比(2018～2019)Table 4 Comparison of airport operation efficiency under the three models (2018～2019)

此外，2015～2019年間，多數(shù)機場運營效率不為1，考慮非期望產(chǎn)出后，機場的運營效率值均下降.進(jìn)一步說明考慮碳排放量和旅客投訴數(shù)量對機場的運營效率影響的必要性.由模型2和模型3對比可以發(fā)現(xiàn)，模型2中機場運營效率值為1的DMU的值在模型3中被進(jìn)一步放大，基于此可以對各機場更準(zhǔn)確排名.而呈現(xiàn)運營效率無效的機場，運營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場在2015～2019年間，一直呈現(xiàn)運營效率有效.它們的共同點為在航站樓面積、機場停機位個數(shù)和通航點數(shù)量輕微增長時，提高了旅客、貨郵吞吐量和飛機起降架次，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、臺州路橋和合肥新橋機場在2015～2018年間運營效率小于1，2019年運營效率大于等于1，表明機場在前期投入過多，產(chǎn)出較少，但近幾年來市場需求增多，旅客數(shù)量增加，機場運營效率狀況逐步轉(zhuǎn)好.

無錫碩放、南通興東、杭州蕭山和寧波櫟社機場，在2015～2019年間運營效率值有部分年份DMU有效，如寧波櫟社機場則在2015～2018年都DMU有效，2019年DMU無效.機場的建設(shè)發(fā)展不能一直很好的匹配產(chǎn)出.基于近年來機場投入沒有變化，產(chǎn)出波動導(dǎo)致了DMU運營效率變化.

鹽城南洋、義烏、池州九華山和安慶機場2015～2019年間一直運營效率值較低呈現(xiàn)DMU無效，此類機場需要合理規(guī)劃機場的發(fā)展.

2.2 機場動態(tài)全要素生產(chǎn)率評價及分析

超效率SBM模型只研究了機場的靜態(tài)效率變化，反映為每一年機場的投入產(chǎn)出轉(zhuǎn)化率，而GML指數(shù)可以觀測機場歷年動態(tài)效率值.因此，本文運用MaxDea對長三角機場進(jìn)行全要素生產(chǎn)率分析.

結(jié)果如表5所示，長三角機場的GML均值從2015～2016年的0.994 7到2018～2019年的1.009 29，機場全要素生產(chǎn)率均值有提高，機場的發(fā)展越來越好.其中：GML指數(shù)小于1的DMU主要集中在2015～2017期間，以無錫碩放機場和杭州蕭山為代表的機場在這兩個區(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)，我國民用運輸機場總體規(guī)劃近期目標(biāo)一般為10 a，遠(yuǎn)期目標(biāo)為30 a，而無錫碩放在2015年1月19日機場才完場二期續(xù)建工程，杭州蕭山機場則2012年底二期工程才投運，此時機場處于低利用率，機場的流量低于飽和容量，基礎(chǔ)設(shè)施使用率低下.

表5 長三角機場的GML指數(shù)(2015～2019年)Table 5 GML Index of Yangtze River Delta Airport (2015～2019)

為了驗證非期望產(chǎn)出對機場動態(tài)全要素生產(chǎn)率的影響，運用Malmquist模型和GML模型對比分析各機場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)機場的動態(tài)全要素生產(chǎn)率值降低，表明非期望產(chǎn)出也對機場動態(tài)全要素生產(chǎn)率產(chǎn)影響.

表6 Malmquist模型和GML模型下5年機場平均全要素生產(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，通過增加各種部門間的協(xié)調(diào)性，使機場的期望產(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，各機場的技術(shù)效率和技術(shù)進(jìn)步值都發(fā)生不同程度的變化，有2個機場的技術(shù)效率值上升，有7個機場的機場技術(shù)進(jìn)步值上升.非期望產(chǎn)出影響機場技術(shù)進(jìn)步的數(shù)量更多，但是從所有機場的均值來看，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)出對機場技術(shù)效率影響更大.

3 結(jié) 語

本文結(jié)合DEA方法，在對機場運營效率的評價指標(biāo)中考慮了機場的非期望產(chǎn)出：碳排放量和旅客投訴量，使用多種模型對比分析了長三角16家機場，結(jié)果表明：

1)非期望產(chǎn)出對機場的靜態(tài)運營效率和動態(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)一步排名的問題，GML指數(shù)能消除ML指數(shù)無可行解問題.

2)長三角機場靜態(tài)效率值呈現(xiàn)波動上升趨勢，考慮非期望產(chǎn)出后，大型機場如上海虹橋、上海浦東和南京祿口等機場運營效率仍舊有效，依然大于等于1，而小型機場產(chǎn)生顯著變化，少部分小型機場的運營效率值提升，絕大部分運營效率值下降.

3)2015～2019年，長三角機場全要素生產(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)步上升的機場數(shù)量較多，但是對機場的技術(shù)效率影響更大.

機場承擔(dān)旅客及貨物的運輸，運營效率的評估不能僅考慮正向輸出，還需要考慮負(fù)向輸出.倡導(dǎo)國家碳中和的發(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、機場垃圾等指標(biāo)，期待未來進(jìn)一步的研究.