“一带一路”沿线航空运输集团生产效率测度及影响因素

王 雪, 黄乾雄

(中国民用航空飞行学院 经济与管理学院, 四川 广汉 618307)

“一带一路”倡议旨在促进经济要素有序自由流动、资源高效配置和市场深度融合。经济要素在快速流通的同时,各国间贸易依存度势必加剧,也预示着不同国家和地区间的人口流动和货物周转将更为密切。在此大背景下,沿线交通运输网的发展将获得越来越多的关注。民航运输是交通运输体系至关重要的组成部分,地位正逐渐上升,尤其是在客运和附加值高的货物运输领域。航空运输企业作为民航运输的重要载体,对于建设“空中丝绸之路”有着不可或缺的作用。因此,研究航空运输企业的生产效率,既能为航空运输企业的经营者提供绩效评价和改善方面的参考信息,又能为相关管理机构的民用航空运输规划、投资等提供决策依据,还能促进“一带一路”沿线航空运输企业的合作交流。

丁勇和孙柏杨[1]用Malmquist指数法分析对比国内三大航空公司和国际航空公司的运营效率,结果表明国内航空公司综合技术效率和纯技术效率指数总体表现较好。张蓝远等[2]运用超效率数据包络分析(super-data envelopment analysis,Super-DEA)模型,对中国8家上市航空公司2016—2019年经济绩效进行全要素评价,并具体分析了吉祥航空的经营状况。章连标和杨倩倩[3]考虑非期望产出影响,分析中国主要航空公司运营效率,并对效率影响因素进行分析,结果发现低成本航空公司在生产组织和运力调配等方面导致的效率变化更有优势。李玲玲等[4]使用非期望产出的超效率松弛变量模型和标准差椭圆分析法,分析中国航空运输2004—2019年碳排放效率的时空分布和演变过程,结果发现中国航空碳排放总量持续增长,但航空碳排放增长率和航空碳排放强度均呈现波动下降趋势。Chen等[5]运用DEA-Malmquist指数,研究2006—2016年中国航空运输市场各航空公司的生产率水平,并将生产率水平分解为技术效率、纯技术效率和规模效率,结果表明中国航空业的改革促使航空公司提高追赶能力和创新能力。Tolah等[6]认为航空运输业的效率研究不应该仅局限于单一的航空公司,因为单一的航空公司有能力通过分享他们的市场和协调集团内部成员来最大化自身收益。Mahmoudi和Emrouznejad[7]提出了一种基于博弈论的松弛测度网络数据包络分析(slack-based measure-network data envelopment analysis,SBM-NDEA)模型,用于评价具有串联网络结构的决策单元(decision making unit,DMU)的绩效,研究伊朗航空公司在2013—2020年综合表现。Huang等[8]研究二氧化碳排放和航班延误对航空公司生产力绩效评估时,认为投入产出指标中,与货币价值相比,物理量作为投入/产出被认为是更有利的指标,因为可用消除价格因素带来的影响,例如,劳动力费用、税收和燃料费用。

通过文献梳理发现,目前关于航空运输企业效率评价的研究大多数集中在单纯的效率评价,且研究对象单一。集中表现为:缺乏生产效率的动态研究,研究对象主要针对单一的航空公司,即航空运输集团的主要运输品牌或网络航空公司,将此类航空公司作为研究对象,可能存在不公平现象,因为该类航空公司可能会有更多的资源投入,比如将老旧机型分配给集团内部低成本子公司等[6]。关于航空运输集团的生产效率研究甚少。

以“一带一路”沿线(以下简称沿线)国际航空运输集团为研究对象,采用基于松弛测度的ML指数(slack-based measure-Malmquist-Lenberger,SBM-ML)分析模型评价指标体系对生产效率进行测算,并建立Tobit回归模型分析生产效率的主要影响因素。

1 航空运输集团效率评价模型

1.1 研究方法

1.1.1 生产效率的测量

Pt(X)={(yt,bt)|xt可以生产(yt,bt)},

t=1,2,…,T

(1)

由于航空运输业具有明显的规模经济,因此假定规模报酬可变,则决策单元i在t年包含期望产出与非期望产出的非径向、非角度方向性距离函数为

(2)

1.1.2 ML(Malmquist-Luenberger)指数模型

SBM模型仅测算航空运输集团的静态生产效率,却不能有效测算其动态生产效率。为进一步研究航空运输集团研究期间效率的动态变化情况,以及效率分解指标的变化规律,构造Malmquist-Luenberger(ML)指数,测算航空运输集团的动态生产效率。

(3)

ML指数还可以进一步分解为技术效率变化指数(EC)和技术进步指数(TC)。EC表示实际生产点向生产前沿面的靠近程度TC表示生产前沿向外扩张程度,即行业技术进步。ML>1、EC>1、TC>1分别表示生产效率提高、技术效率上升和技术的进步,反之表示生产效率降低、技术效率下降和技术倒退。

1.2 指标选取及数据来源

生产效率是指投入要素固定条件下,制程的实际产出与最大的产出量两者间的比例。反映达成最大或者既定目标的程度。

1.2.1 投入要素

关于研究航空运输企业生产效率的文献中,各学者建立的评测体系各有不同。投入要素主要有员工人数、航空器数量、座位容量、可用座公里、可用货运吨公里以及运营成本等。其中航空器作为航空运输企业的固定资本,是一种重要的投入要素,部分学者通常使用飞机数量作为投入,可能会忽视机型差异等原因对生产效率产生的影响。

综合考虑,选择衡量航空运输集团生产效率的投入指标:运输能力,定义为航空运输集团实际运营的各航空器的最大起飞重量之和(不包括执行包机服务的公务机),能有效规避机型差异带来的生产效率影响;飞行人员和客舱服务人员的总数。

1.2.2 产出要素

本文的研究仅关注生产阶段即飞行业务,这是航空公司运营的关键阶段。生产阶段反映的是一家航空运输企业的“供应能力”,而在部分研究中,将可用座公里或可用吨公里作为输入,营业收入等因素作为产出,这代表的是航空运输企业的“创收能力”。

鉴于此,考虑期望产出指标:可用吨公里,定义为飞行公里乘以可用运载吨位数量。非期望产出:二氧化碳排放量,只考虑仅航空煤油燃烧的排放量:拥有或控制的直接温室气体排放包括飞机发动机、辅助动力装置、地面支援车辆和制冷剂消耗。

相关数据来自《从统计看民航》以及各公司年报、社会责任报告书以及运营数据。各投入产出变量描述性统计见表1。

表1 投入产出变量描述性统计

2 航空运输集团效率评价

2.1 生产效率评价

基于考虑非期望产出的SBM模型,利用MATLAB2021A测算2013—2019年沿线20个航空运输集团的生产效率。

2.1.1 生产效率分析

为了比较航空运输集团生产效率水平情况,分别计算各集团的生产效率均值,整理结果见表2。2013—2016年,阿联酋航空、土耳其航空、长荣航空年均生产效率值为1,表明这3家航空运输集团内的生产效率有效。然而绝大部分集团的生产效率年均值低于0.8,主要位于0.4～0.6。从整体看,生产效率均值为0.777,说明整体生产水平没有达到高效率。生产效率年均值最低的国际航空为0.417。按沿线航空运输集团所属国家及地区对生产效率值分类,整理结果见表2。从不同区域来看,生产效率的区域差异显著,中东地区和东南亚地区生产效率明显优于其他地区及国家。

表2 2013—2019年沿线航空运输集团生产效率值

2.1.2 生产效率空间演化分析

从整体看,沿线航空运输集团生产效率水平较高,但存在明显的空间差异。2013生产效率高效(效率值大于0.8)的集团仅5个,2019年上升至12个。2013年沿线生产效率高效主要集中在亚洲,2019年则分布在沿线各区域。

2.2 动态生产效率分析

为进一步分析生产效率的动态变化趋势及分解指标特征,通过MATLAB2021A对2013—2019年沿线20个航空运输集团的投入产出数据进行ML指数测算及分解,根据计算结果汇总获得2013—2019年沿线航空运输集团ML指数及分解和各年份均值,见表3和表4。

表3 2013—2019年沿线20个航空运输集团ML指数及分解

表4 2013—2019年沿线各地区年份平均ML指数及分解

从总体分析,沿线各集团ML指数年均值为0.997,表明研究期间沿线各集团生产力水平相对稳定。从分解指标看,沿线各航空运输集团技术效率指数和技术进步指数的年均值分别为1.038和0.962,可见沿线生产效率水平提升主要来源于技术效率提升,但影响较小。所以整体而言,沿线生产效率的变化较稳定。

从区域差异视角分析,2013—2019年沿线中东、欧洲和大洋洲地区的航空运输集团ML指数年均值大于1,分别为1.006、1.026和1.027,处于生产效率提升阶段。其中ML年均指数最高和最低的区域为大洋洲和东亚,分别为1.027和0.979,两者相差0.048,各区域间虽存在差异,但并不明显。由表 3可知,技术效率变化指数越高的航空运输集团,其生产效率ML指数也相对越高。沿线航空运输集团的技术进步指数均较低,说明沿线航空运输集团的技术层面尚待提升,生产缺乏技术创新。

3 生产效率的影响因素分析

为进一步分析影响沿线航空运输集团生产效率的影响因素及其影响程度,运用Tobit模型,以2013—2019年沿线各航空运输集团的生产效率值(Y)为被解释变量,以主要影响因素为解释变量,建立回归模型进行分析。

3.1 解释变量

飞机作为航空运输集团的固定资产,也是一种重要的生产投入,由于各航空运输集团的战略差异,机队规模和主要机型各不相同。为进一步探索效率的影响因素,定义以下变量:

1)宽体机型占比X1。该变量主要区分航空运输集团的类型,如阿联酋航空集团主要经营跨洲航线,最大的特点就是几乎只运营宽体客机。

2)机队平均年龄X2。主要反映飞机性能的影响。数据来源于各集团年度报告或可持续发展报告。

3)集团所拥有航空公司数量X3。反映航空运输集团的经营战略,即各集团通过成立不同性质的子公司针对不同需求市场,尽管这类子公司的成立方式不一,但其目的都是为了扩大集团的整体影响力和营业能力。

3.2 Tobit回归模型构建

由于SBM模型测算的效率值为非负截断式离散数据,因此可采用随机效应的Tobit模型来分析沿线航空运输集团生产效率的影响因素。Tobit回归模型为

(4)

3.3 回归结果和分析

利用Stata17软件对2013—2019年沿线航空运输集团的生产效率值进行Tobit回归分析,计算结果见表5。结果显示:宽体机型占比X1对生产效率影响并不显著,这表明拥有更多的宽体机型并不能直接改善生产效率;机队平均年龄X2会显著降低生产效率,意味着更加年轻的机队更能带来生产效率的提升,这也符合预期认知,新型机型在能耗和运行方面更有技术优势;集团所拥有航空公司数量X3会显著降低生产效率,这意味着更多的子公司不利于改善生产效率,可能会给生产管理带来更多的挑战。

表5 生产效率影响因素的Tobit回归结果

4 结论与建议

4.1 研究结论

运用SBM模型及ML指数模型,评测2013—2019年“一带一路”沿线航空运输集团的生产效率,得出以下结论:

1)2013—2019年沿线航空运输集团整体生产效率年序列均值为0.777,说明整体还没有达到高效率生产水平。各区域间生产效率值存在明显差异,中东地区的航空运输集团生产效率最高且有效。2013年沿线生产效率高效主要集中在亚洲,2019年则分布在沿线各地区。

2)2013—2019年沿线航空运输集团生产效率ML指数均值为0.997,整体上没有出现效率改善的情况。期间仅2014—2015年和2017—2018年ML指数大于1,处于生产效率整体提升阶段。沿线生产效率提升主要依靠技术效率提升。

3)沿线生产效率主要受机型平均年龄和集团拥有航空公司数量影响,拥有更年轻的机队更有利于改善生产效率。集团拥有的航空公司数量对生产效率的提升有着抑制作用,即过多的航空运输子公司不利于资源管理,可能造成资源的浪费。宽体客机的数量对生产效率的影响并不显著,因此在机队引进时,应避免引进过多宽体机型。

4.2 对策建议

随着沿线经济合作不断深入,各地区国家交流更加频繁,运输需求持续增加,尤其是亚太地区。根据航空运输集团经营特点和行业发展趋势,结合上述结论,提出以下改进生产效率的可行性建议:

1)航空运输集团拥有更多的航空运输资源,在享有规模经济的同时,也加重了管理负担。应加强航空运输子公司的协同发展,明确各类运输子公司的市场定位,对各类产品进行个性化创新,满足各细分市场的市场需求。开拓国际市场,注重中远程航线的开发。

2)注重技术创新,引进更多的新型技术人才和高端技术。科技创新是全面创新的核心,技术进步更能带来产品竞争力提升。及时引进新机型,退用老旧机型,慎重考虑宽体机型的引进。