后疫情時代我國區(qū)域航空樞紐運營效率評價研究

李國棟，劉靜怡

摘? 要：區(qū)域航空樞紐作為銜接國際航空樞紐和非樞紐的關鍵環(huán)節(jié)，是疫情下穩(wěn)住航空運輸市場基本盤的重要依托，因而提升區(qū)域航空樞紐運營效率將為增強我國航空運輸市場抗風險能力提供重要保障。文章在構建運營效率評價指標體系的基礎上，利用三階段DEA模型對2020年我國29個區(qū)域航空樞紐運營效率進行比較研究。研究發(fā)現(xiàn)，區(qū)域航空樞紐總體上形成了較強的規(guī)模經(jīng)濟優(yōu)勢，但資源配置能力有待提高；杭州蕭山國際機場等4個區(qū)域航空樞紐通過積極發(fā)展貨運業(yè)務彌補了機場因客流量減少造成的產(chǎn)出損失，有效增強了機場應對疫情挑戰(zhàn)的能力。

關鍵詞：區(qū)域航空樞紐；運營效率；三階段DEA

中圖分類號：F560? ? 文獻標志碼：A

DOI：10.13714/j.cnki.1002-3100.2023.11.001

Abstract： As a key link between international aviation hubs and non-hubs， regional aviation hubs are an important support to stabilize the basic air transport market under the epidemic， thus improving the operational efficiency of regional aviation hubs will provide an important guarantee to enhance the anti-risk capability of China's air transport market. Based on the construction of an operational efficiency evaluation index system， the article uses a three-stage DEA model to conduct a comparative study on the operational efficiency of 29 regional aviation hubs in China in 2020. It is found that regional aviation hubs have generally formed strong economies of scale， but their resource allocation capacity needs to be improved; four regional aviation hubs， including Hangzhou Xiaoshan International Airport， have compensated for the loss of airport output due to reduced passenger traffic by actively developing cargo business， and effectively enhanced the ability of airports to cope with the challenges of epidemics.

Key words： regional aviation hub; operational efficiency; three-stage DEA

0? 引? 言

區(qū)域航空樞紐是指在區(qū)域航空運輸中處于區(qū)域中心地位，具有重要的客貨集散、中轉以及組織功能的機場，強調航空樞紐的區(qū)域特性、在區(qū)域航線網(wǎng)絡中的核心地位和對區(qū)域經(jīng)濟重要的促進作用，在國家經(jīng)濟社會中的地位顯著，同時具有強大的中轉功能、輻射效應以及很強的規(guī)模效應[1]?！丁笆奈濉泵裼煤娇瞻l(fā)展規(guī)劃》明確提出要提升機場運營管理水平，持續(xù)完善機場運營管理體系，強化機場公共基礎設施屬性定位，提升區(qū)域航空樞紐航線網(wǎng)絡支撐功能[2]。相關研究表明，機場是交通運輸?shù)闹匾M成部分，研究機場效率對于推進綜合運輸體系建設，提升國家的國際競爭能力，具有重大的現(xiàn)實意義[3]。因此，區(qū)域航空樞紐運營效率的高低是決定區(qū)域航空樞紐發(fā)展快慢的要素。在后疫情時代，隨著疫情的不斷變化對機場業(yè)帶來了很大的挑戰(zhàn)，機場迫切需要針對運行資源進行精準優(yōu)化，提升運營能力，在注重應急處置和服務質量的同時著眼于經(jīng)營全局，不斷增強行業(yè)韌性，以應對未來可能出現(xiàn)的運營危機。

目前關于機場運營效率的研究已有一定成果，DEA法在機場運營效率評估方面的應用最廣，學者多側重于通過規(guī)模效率與技術效率來研究機場運行效率。王戰(zhàn)斌[4]研究的實證結果表明，中國大陸機場總體技術效率較低，尤其是純技術效率存在較大提升空間，規(guī)模效率較為適中并呈逐年上升趨勢。張越和胡華清[5]發(fā)現(xiàn)目前我國民用機場業(yè)務量增長主要依賴設施規(guī)模的擴大，機場規(guī)模效率和技術因素在業(yè)務量增長過程中所發(fā)揮作用并未發(fā)生明顯變化。褚衍昌和陳飛超[6]研究表明我國機場業(yè)的發(fā)展主要依靠規(guī)模效率，技術仍相對落后。部分學者對機場運營效率的影響因素進行了探討，并認為環(huán)境因素對運營效率的影響最為顯著。傅昭南等[7]研究結果表明，腹地經(jīng)濟、機場規(guī)模、機場級別和一市多場等因素促進了機場運營效率的提升，區(qū)域競爭和行業(yè)競爭則不利于機場運營效率的提升。韋薇和夏洪山[8]研究發(fā)現(xiàn)，非期望產(chǎn)出因素對機場運營效率影響較大。

現(xiàn)有研究中，學者在研究機場運營效率時所采取的模型各有側重，褚衍昌和陳飛超[6]建立超效率DEA（CCR）-Malmquist模型對我國7個區(qū)域的機場運營效率進行了評估。張越和胡華清[5]運用DEA（數(shù)據(jù)包絡分析）中的Malmquist生產(chǎn)力指數(shù)分析方法對我國民用機場的運營效率進行了分析。徐愛慶等[9]研究結果表明，動態(tài)網(wǎng)絡DEA模型綜合機場多年的投入產(chǎn)出，引入聯(lián)系變量將相鄰兩時段連接起來，避免了傳統(tǒng)模型將各年度獨立評價的不足。上述研究所采用的模型均未考慮到外界環(huán)境因素和隨機噪聲對效率的作用，因此，后續(xù)研究采用三階段DEA模型做出實證分析。程玉輝和景崇毅[10]采用非期望產(chǎn)出的SBM-DEA三階段模型分析國內大中型機場的運營效率。張培文等[11]基于三階段DEA模型對民航運輸業(yè)效率進行分析。

綜上所述，本文選取2020年我國29個區(qū)域航空樞紐作為研究對象，分析后疫情時代我國區(qū)域航空樞紐運營效率，并采用三階段DEA方法進行分析，該方法在剔除了各種環(huán)境因素和隨機誤差的情況下，使各個機場在同一條件下的運營效率得到比較準確的評價[10]。

1? 實證設計

1.1? 三階段DEA模型理論。Fried等[12]提出如何將環(huán)境因素和隨機噪聲引入DEA模型，該模型有效剔除了環(huán)境因素和隨機噪聲影響，更加能體現(xiàn)實際內部管理水平。

1.1.1? 第一階段：傳統(tǒng)DEA模型分析初始效率。第一階段，使用原始投入產(chǎn)出數(shù)據(jù)進行初始效率評估。投入導向下對偶形式的BCC模型為：

■? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（1）

其中：j=1，2，…，n表示決策單元，X，Y分別是投入、產(chǎn)出向量。

1.1.2? 第二階段：相似SFA回歸剔除環(huán)境因素和統(tǒng)計噪聲。第二階段，重點在松弛變量x-Xλ，并將其分解為環(huán)境因素、統(tǒng)計噪音、管理無效率等因素。構造以投入導向為例的相似SFA回歸函數(shù)：

S■=fZ■; β■+v■+μ■; i=1，2，…，I; n=1，2，…，N? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （2）

SFA回歸的目標是剔除環(huán)境因素和隨機噪聲對效率測度結果的作用，從而使各決策單位在同一外在條件下進行調整。調整的公式如下：

X■■=X■+maxfZ■; ■■-fZ■; ■■+maxv■-v■? ? i=1，2，…，I; n=1，2，…，N? ? ? ? ? ? ? ? ? ?（3）

隨機誤差項v的計算步驟如下：

第一步，分離管理無效率項μ公式形式如下：

Eμ|ε=σ■■+■? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（4）

其中：σ■=■， σ=■，λ=σ■/σ■。

第二步，隨機誤差項μ公式如下：

Ev■|v■+μ■=s■-fz■; β■-Eu■|v■+μ■? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（5）

1.1.3? 第三階段：調整后的投入產(chǎn)出變量DEA效率分析。采用調整后的投入變量再對各決策單元進行效率評估，此時的效率已剔除了環(huán)境因素和隨機噪聲的干擾，能更準確地體現(xiàn)出決策單元的實際經(jīng)營管理情況。

1.2? 樣本選取及數(shù)據(jù)來源。選取29個區(qū)域航空樞紐作為效率評價的決策單元來分析2020年的運營效率?；A數(shù)據(jù)來源于《全國機場生產(chǎn)統(tǒng)計公報》、《中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫》、《國家統(tǒng)計局》、《中國民用機場網(wǎng)》及《民航機場生產(chǎn)統(tǒng)計公報》。

1.3? 評價指標體系構建。傅昭南等[7]選取跑道長度、航站樓面積、安全道面積、主要航線數(shù)作為輸入變量，選取航班放行正常率、機場貨郵吞吐量、機場旅客吞吐量以及飛機起降架次作為輸出變量，并從宏觀環(huán)境、行業(yè)與區(qū)域的競爭和機場特征三個角度探討了機場運營效率的影響因素。王戰(zhàn)斌[4]將登機門數(shù)量、跑道長度、正式員工人數(shù)、運營成本等作為投入變量，并以機場運營收益和有關業(yè)務為輸出變量做出分析。根據(jù)上述研究，結合指標的穩(wěn)定性和可獲得性，本文選擇了3項投入指標、4項產(chǎn)出指標、6項環(huán)境指標，如表1所示。

2? 實證結果及分析

2.1? 第一階段DEA分析結果。用DEAP2.1軟件對29個區(qū)域航空樞紐的效率水平進行投入導向的BCC模型分析，其結果見表2。其中，沈陽桃仙國際機場等13個區(qū)域航空樞紐的效率值均為1，處于技術效率的前沿面，其他區(qū)域航空樞紐都有可改進空間，這一結論包含環(huán)境因素和隨機噪聲的影響。

2.2? 第二階段SFA回歸結果。為了剔除環(huán)境因素和隨機噪聲的影響，運用Frontier4.1建立回歸模型，將第一階段的投入變量冗余作為因變量，并將環(huán)境變量作為解釋變量，其結果見表3。

從表3可以看出，環(huán)境變量對投入變量的回歸系數(shù)均能在1%顯著性水平下通過檢驗，表明外部環(huán)境因素對區(qū)域航空樞紐運營投入冗余有明顯影響。3項投入變量對6項環(huán)境變量的γ值均接近于1，并且都在1%的顯著性水平上，說明有環(huán)境因素干擾了運營效率，需要對原始投入值進行調整。

2.3? 第三階段DEA分析結果。根據(jù)第二階段SFA回歸結果，保持產(chǎn)出指標不變，采用BCC模型對原始投入指標進行調節(jié)，得到第三階段各決策單元的效率值，見表4。

為了判別調整后的效率值是否能夠真實地反應各個機場的效率，因此，將調整前后的效率值進行對比，見圖1。

2.4? 機場運營效率分析

2.4.1? 純技術效率與規(guī)模效率分析。就樣本機場的效率水平而言，杭州蕭山國際機場等12個區(qū)域航空樞紐的純技術效率值在調節(jié)前后均為1，表明它們的經(jīng)營管理策略不需要發(fā)生太大改變。以?？诿捞m國際機場為例，調整后規(guī)模效率值小于1，結合?？诿捞m國際機場的實際情況，其原因可能在于考慮環(huán)境因素影響下，機場跑道尺寸增加以及各種資源尚不能充分利用而造成了機場規(guī)模技術效率的下降；以石家莊正定國際機場和太原武宿國際機場為例，調整后效率值均為1，二者效率值提高的原因可能是在考慮環(huán)境因素影響下，石家莊正定國際機場的停機位數(shù)量增加，太原武宿國際機場的跑道尺寸增加使得純技術效率和規(guī)模效率均有所提高。

第三階段效率結果與第一階段對比，可以發(fā)現(xiàn)平均綜合技術效率從0.896提高到0.974，主要原因是平均規(guī)模效率從0.919提高到0.931，而平均純技術效率卻有一定程度的下降（0.974→0.969），包括桂林兩江國際機場等，純技術效率上升的僅有3個機場。這說明區(qū)域航空樞紐已經(jīng)具備較強規(guī)模經(jīng)濟優(yōu)勢，但資源配置能力有待進一步提高。

2.4.2? 環(huán)境因素影響分析。在調整前后，前沿面上的機場基本保持相對有效，進一步表明，環(huán)境對這些機場的作用并不顯著，特別是在人口密集、較發(fā)達的地區(qū)，為了適應日益龐大的旅客流量，機場必須提升內部管理水平和規(guī)模效益。而蘭州中川國際機場、南昌昌北國際機場、西寧曹家堡國際機場、南寧吳圩國際機場、鄭州新鄭國際機場、寧波櫟社國際機場、溫州龍灣國際機場、桂林兩江國際機場、銀川河東國際機場、福州長樂國際機場、長沙黃花國際機場、南京祿口國際機場、天津濱海國際機場、武漢天河國際機場14個非前沿面上的機場也確實受地區(qū)生產(chǎn)總值、人口數(shù)量、機場競爭、替代競爭等環(huán)境因素的影響。調整后，前沿面上增加石家莊正定國際機場和太原武宿國際機場兩個機場，說明這兩個機場都具有較高的內部管理水平，同時也受到了很大的環(huán)境因素影響。

第二階段SFA回歸過程中，跑道長度、航站樓面積、停機位數(shù)量與環(huán)境變量回歸分析的γ值都接近于1，并且顯著水平都在1%，即跑道長度、航站樓面積、停機位數(shù)量的使用受外界環(huán)境因素和隨機誤差因素影響較為明顯。

新冠肺炎的爆發(fā)對世界范圍內的航空業(yè)造成了巨大的沖擊。機場旅客的減少導致了餐飲零售、停車租賃、機場酒店等方面的收益大幅下滑。由表5可知，2020年29個機場旅客吞吐量均有所下降，但石家莊正定國際機場等10個區(qū)域航空樞紐貨郵吞吐量增加。其中，杭州蕭山國際機場、濟南遙墻國際機場、合肥新橋國際機場和拉薩貢嘎國際機場4個區(qū)域航空樞紐，第一階段效率值都為1，處在效率前沿面，其一定程度上是因為這些機場積極發(fā)展貨運業(yè)務彌補了機場因客流量減少造成的收入損失，從而幫助機場增強應對疫情的靈活性。

3? 結束語

本文運用三階段DEA模型對區(qū)域航空樞紐的運營效率進行了研究，研究結果顯示，首先，區(qū)域航空樞紐的運營規(guī)?？傮w上趨于優(yōu)化，已經(jīng)形成較強規(guī)模經(jīng)濟優(yōu)勢，但沒有較好的運營模式；其次，蘭州中川國際機場等14個區(qū)域航空樞紐受地區(qū)生產(chǎn)總值、人口數(shù)量、機場競爭、替代競爭等環(huán)境因素的影響較為明顯；最后，杭州蕭山國際機場、濟南遙墻國際機場、合肥新橋國際機場和拉薩貢嘎國際機場4個區(qū)域航空樞紐通過積極發(fā)展貨運業(yè)務彌補了機場因客流量減少造成的產(chǎn)出損失，從而提高了機場的運營效率，進而有效增強了機場應對疫情的靈活性。

因此，從量化角度分別為新建、改擴建機場和已建機場的管理者提供以下三點更為直觀和可行的決策參考：第一，后期機場的規(guī)劃、建設和使用應結合地區(qū)經(jīng)濟、社會、技術和行業(yè)環(huán)境，以達到機場與地區(qū)協(xié)同發(fā)展、優(yōu)化資源配置和提高資源利用效率的目的；第二，區(qū)域航空樞紐在提升內部管理水平和規(guī)模效益時，應考慮地區(qū)生產(chǎn)總值、人口數(shù)量、機場競爭、替代競爭等環(huán)境因素的影響；第三，區(qū)域航空樞紐可以通過積極發(fā)展貨運來幫助機場增強應對疫情的抗風險能力。

參考文獻：

[1] 雷凌航，楊省貴. 我國區(qū)域航空樞紐構建：現(xiàn)狀、模式及對策[J]. 改革與戰(zhàn)略，2016，32（2）：101-106.

[2] 中國民用航空局，國家發(fā)改委，交通運輸部. “十四五”民用航空發(fā)展規(guī)劃[Z]. 2021.

[3] 范換利，劉丹，王丹丹，等. 中國機場效率及影響因素研究[J]. 物流技術，2018，37（10）：48-53.

[4] 王戰(zhàn)斌. 基于DEA方法的中國機場運營效率實證研究[J]. 交通運輸系統(tǒng)工程與信息，2012，12（6）：186-191.

[5] 張越，胡華清. 基于Malmquist生產(chǎn)力指數(shù)的我國民用機場運營效率分析[J]. 系統(tǒng)工程，2006（12）：40-45.

[6] 褚衍昌，陳飛超. 基于超效率DEA-Malmquist指數(shù)的我國機場業(yè)運營效率評價研究[J]. 重慶交通大學學報（自然科學版），2019，38（12）：115-122.

[7] 傅昭南，邵燕敏，肖進，等. 基于雙重導向型DEA模型的中國主要機場運營效率研究[J]. 交通運輸系統(tǒng)工程與信息，2013，13（4）：193-199.

[8] 韋薇，夏洪山. 基于非期望產(chǎn)出的機場運營效率評價[J]. 系統(tǒng)工程理論與實踐，2014，34（1）：138-146.

[9] 徐愛慶，陳欣，朱金福. 基于動態(tài)網(wǎng)絡DEA模型的機場績效研究[J]. 數(shù)學的實踐與認識，2015，45（22）：65-73.

[10] 程玉輝，景崇毅. 基于三階段非期望產(chǎn)出SBM-DEA模型的我國大中型機場運營效率研究[J]. 科技和產(chǎn)業(yè)，2020，20（3）：101-107.

[11] 張培文，景崇毅，孫宏. 基于三階段DEA的航空運輸企業(yè)運營效率研究[J]. 交通運輸系統(tǒng)工程與信息，2016，16（6）：210-215.

[12]? FRIED， LOVELL， SCHMIDT， et al. Accounting for environmental effects and statistical noise in data envelopment analysis[J]. Journal of Productivity Analysis， 2002（17）：157-174.