基于DEA-Malmquist的云南省航空物流基礎設施供給效率評價及提升對策研究

伍景瓊，董志慶，張雨秋，石學剛

(1.昆明理工大學 交通工程學院，云南 昆明 650500；2.中國民航大學臨空經濟研究中心,天津 300300)

1 引言

目前，針對航空物流基礎設施效率評價的研究較少，學者們主要圍繞機場的運營效率開展研究，其研究方法對本文研究具有一定參考意義。Gillen等運用數據包絡模型對美國20個民用機場運營效率進行了評估。Roman等運用DEA方法分析了每個西班牙機場的技術效率和性能，并根據每個機場存在的問題提出了相應的對策建議。張越等使用DEA分析方法中Malmquist生產力指數分析了我國機場1995—2005年的運營效率。王戰斌基于DEA模型分析我國機場2001—2005年間的運營效率。韓東等利用帶有非期望產出超效率的SBM模型對2017年華東地區30個主要機場進行了評價。鄭宇婷等利用視窗網絡SBM模型研究了16家大型機場公司2013—2017年間的運營效率及其變化情況。DEA方法也可以用于其他領域基礎設施效率評價研究。管立杰等基于DEA模型對農業生產條件投入產出效率評價研究，結果表明不同省份效率相差明顯。林偉敏基于DEA模型分析了2018年四川省農業總體生產效率，發現技術效率為影響農業綜合效率關鍵因素，并對四川省農業發展提出相關對策和建議。DEA模型在處理多投入產出的效率評價問題方面具有優勢，本文將基于DEA方法中BCC模型及Malmquist指數模型對云南省機場物流基礎設施供給效率進行研究，選取云南省15個機場進行研究，以期提高機場航空物流基礎設施供給效率，減少資源浪費和閑置。

2 研究方法與數據來源

2.1 DEA-Malmquist模型構建

數據包絡分析(Data Envelopment Analysis，DEA)方法可以對多個投入產出指標進行相關有效性評價，將分析結果數值與1作比較，衡量與生產前沿面之間的差距，通過平均值評價各投入產出指標之間的相關性。基于DEA中BCC模型以及Malmquist指數模型，分析云南省機場航空物流基礎設施供給效率，如式(1)所示。

min

(1)

式中，為機場的第個投入量，≥0；為機場的第項輸出，≥0；為目標規劃值；為規劃決策變量；、為松弛變量向量。

若=1，=0，=0，則決策單元為DEA有效；若<1，則決策單元為DEA無效；若=1，且≠0或≠0，則決策單元為弱DEA有效。

Malmquist指數法能深入分析航空物流基礎設施供給效率變化，其表達式為：

(+1,+1,,)=

(2)

(3)

(4)

=×=(×)×

(5)

式中(,)與(+1,+1)為時期和+1時期的投入產出向量，當>1時，表示效率提高；當<1時，表示效率降低。

2.2 指標選取與數據來源

航空物流基礎設施評價指標體系的構建必須能夠綜合反映基礎設施的服務價值和管理目標，為探尋機場物流效率和機場物流基礎設施系統各方面的相互關系，需要建立和篩選機場物流基礎設施供給效率指標。立足航空物流基礎設施供給現狀，指標選取時遵循系統性、可比性、典型性、科學性和可量化性的原則遴選指標，且確保數據的真實性與可靠性，構建航空物流基礎設施指標體系如表1所示，對云南省全省15個機場航空物流基礎設施供給效率進行研究分析。

表1 航空物流基礎設施投入產出指標體系

文章采用的所有相關數據來源于中國民用航空局民航機場生產統計公報和中國民用機場網，選取2017—2020年云南省15個機場的相關數據進行研究。

3 航空物流基礎設施供給效率測度與分析

3.1 DEA模型的靜態分析

應用DEAP 2.1軟件中BCC模型，在投入不變情況下對2017—2020年云南省15個機場的投入產出指標進行航空物流基礎設施供給效率分析，實驗結果如表2所示，表中irs(increase)表示增加。

由表2可知，2017—2020年云南省航空物流基礎設施供給效率并未達到DEA有效，其供給效率依次為0.412、0.414、0.389和0.361。2017—2020年只有保山云瑞機場、臨滄機場、瀘沽湖機場、滄源佤山機場以及瀾滄景邁機場呈增長趨勢。

由純技術效率值可知，云南省各機場呈增長趨勢，但增長比較緩慢，其中2020年純技術效率平均值為0.693，距離生產前沿面相差較大。表明云南省各機場物流基礎設施管理水平仍需提升。規模效率反映了各機場物流基礎設施供給是否處于最優規模，2017—2020年昆明長水國際機場、麗江三義國際機場和德宏芒市機場三個機場規模效率均為1，但15個機場平均規模效率整體呈下降趨勢，需提高航空物流基礎設施建設水平。

表2 云南省各機場2017—2020年航空物流基礎設施供給效率值

續表

3.2 Malmquist指數的動態分析

Malmquist指數可以動態分析云南省各機場航空物流基礎設施供給效率變化。使用DEAP 2.1軟件中Malmquist指數模型對2017—2020年云南省15個機場的物流基礎設施供給數據進行分析，結果如表3所示。

表3 云南省各機場2017—2020年物流基礎設施Malmquist指數

2017—2020年云南省航空物流基礎設施供給生產率指數平均值為1.128，表示這四年內云南省各機場航空物流基礎設施總體水平提升。其中技術效率均值為1.094，技術進步值為1.030，兩者共同促進了航空物流基礎設施總體供給效率，其中技術效率對航空物流基礎設施總體供給效率起主要作用，技術進步對綜合效率的影響較低于技術效率，說明云南省航空物流基礎設施的技術水平仍需努力提高以匹配其規模。2017—2020年云南省航空物流基礎設施供給的純技術效率指數均值為1.195，而規模效率指數均值為0.916，其中僅有臨滄機場和滄源佤山機場的規模效率大于1，反映出云南省航空物流基礎設施總體規模相對落后，需加大各機場航空物流基礎設施規模建設，以促進技術效率的增長。

從各機場角度來看，昆明長水國際機場、西雙版納嘎灑國際機場和保山云瑞機場的進步指數有所降低，而臨滄機場、瀘沽湖機場、滄源佤山機場和瀾滄景邁機場的物流基礎設施供給的技術效率值和技術進步值都處于增長趨勢，兩者協同發揮推動作用，其中瀾滄景邁機場技術效率提升較大。

4 云南省航空物流基礎設施效率提升對策

4.1 加強機場物流基礎設施總體規劃

加強云南省機場航空物流基礎設施總體布局，整合物流資源和要素，加快推進航空物流聚集區建設。完善航空貨運場所建設，增加機場航空物流作業區域、物流倉庫、貨運服務站、物流轉運中心、物流園區等多層次配套物流基礎設施建設。加速云南省航空專業物流園區建設，形成航空物流相關產業聚集區，提升航空物流服務能力和效率。完善支線機場貨站及配套物流中心建設，使支線機場成為重要的航空貨物集散地。

4.2 全面提升航空物流基礎設施使用效能

針對云南省航空物流業及航空物流企業未來發展需求，對現有航空貨運機隊結構、航線、航班進行整合優化，提升航空物流基礎設施使用效率。加大對航空物流企業引入全貨機的補貼力度，支持各大航空物流企業增加貨運機隊規模。完善航空物流管理制度，制定航空物流標準體系，優化航空物流作業流程。根據云南省內各機場功能定位及區域優勢，對不同機場實施不同的貨運航線及貨運資源配置優化策略，爭取第五第六航權，增加國際航線建設，積極擴大航空物流業務范圍，提升航空物流基礎設施使用效率。

4.3 積極擴寬融資渠道，保障航空物流基礎設施建設資金

加大政府在土地、融資等方面的支持，對航空物流基礎設施建設用地及資金給予保障。通過股權合作、委托經營等方式，積極吸引社會資本參與航空物流基礎設施的投資建設以及運營管理。各地政府需針對云南省各地區機場地理條件，因地制宜地發展推進當地航空物流基礎設施建設，明確當地政府的管理責任。

5 結論

基于DEA模型測算云南省2017—2020年航空物流基礎設施供給效率，2017—2020年云南省各機場航空物流基礎設施供給效率存在著較大的差異，大部分機場未達到DEA有效，應加大對物流基礎設施的投入，提高物流基礎設施規模，提升綜合效率。根據DEA-Malmquist指數動態分析結果，2017—2020年云南省航空物流基礎設施供給效率呈上升趨勢，其技術效率提升較大，技術進步也有一定提升。但各機場規模效率值卻有所下降，說明云南省航空物流基礎設施總體規模不足，需加大各機場航空物流基礎設施的建設規模，以促進技術效率的增長。加強云南省航空物流基礎設施的布局規劃，并采取積極手段促進物流基礎設施的建設運營，優化航空物流資源，提升航空物流基礎設施使用效率。