中国民航业绿色发展效率及其...Malmquist指数模型_李滢滢.pdf

2023年8期研究视界科技创新与应用Technology Innovation and Application中国民航业绿色发展效率及其影响因素研究基于超效率 DEA-Malmquist 指数模型李滢滢1，施尧淇2，艾合旦木 哈力木拉提1，刘沛萱1，王末1，杨若愚1*（1.中国民航大学经济与管理学院，天津 300300；2.中国民航大学安全科学与工程学院，天津 300300）中国作为世界第二大民航市场，绿色环保可持续日益成为民航工作建设重点，民航局早在“十二五”期间就提出，要减少民航对环境的污染的影响，实施综合控制颗粒物与污染物的大气治理措施。在“十三五”期间，民航局继续要求创新体制机制，并进行区域联合治理与国际合作，以推动绿色民航长效可持续发展。近年来，我国对环境保护的关注及对民航绿色发展的高度重视，使得节能减排已成为一项评价民航发展的重要评价指标，因此本文关注民航大气污染排放，环境治理投资等要素，搜集 20112020 年全国 31 个省份的面板数据，依托于 DEA-Malmquist 指数模型对民航绿色效率进行测算。1文献综述与研究方法1.1文献综述近年来，国内外均有学者运用 DEA 模型对航空业和区域发展进行效率测算。其中陈俣秀等1采用 DEA 指数模型对航空能源效率进行分析，发现我国综合效率低，部分民航节能减排项目没有达到相对有效，应该从强化技术应用能力和提升组织管理能力入手改善我国民航节能减排效率低下的问题。巩彦峰2将碳排放作为非期望产出，衡量了亚太地区 14 个航空公司的发展效率。王艳等3用 DEA 等方法测算我国各省份的绿色节能效率，并得出区域间节能水平由东向西递减，随经济发展区域间差异呈收敛趋势。丁勇等4在综合考虑人力、物基金项目：中国民航大学市级大学生创新创业训练计划项目（202210059104）；天津市教委人文社科一般项目（2022SK130）*通信作者：杨若愚（1993-），女，博士，讲师。研究方向为民航绿色发展与环境可持续。摘要：绿色转型，低碳发展成为我国新的趋势与潮流，民航业作为重要的交通运输方式之一，更是我国绿色发展的重点关注对象。该研究搜集各统计年鉴中的全国 31 个省份民航发展和大气污染数据，再通过筛选确定民航业绿色发展的投入产出指标，依托于 DEA-Malmquist 指数模型，对各省份民航业 20112020 年绿色发展效率进行测算，从技术效率、规模效率、全要素生产率及其变动特征出发，研究 10 年间民航绿色发展效率及其影响因素，对比分析不同省份地区、不同时间阶段的民航发展效率及其动态变化。在此基础上，提出未来发展的对策建议。关键词：DEA-Malmquist；民航；绿色发展效率；投入产出；大气污染中图分类号：F562文献标志码：A文章编号：2095-2945（2023）08-0092-04Abstract:Green transformation,low-carbon development has increasingly become a new trend and trend in China.As one ofthe important modes of transportation,the civil aviation industry is the focus of Chinas green development.This study collects thedata of civil aviation development and air pollution of 31 provinces in China in statistical yearbooks,and then determines theinput-output indicators of the green development of civil aviation industry by screening.Based on the DEA-Malmquist indexmodel,this paper calculates the green development efficiency of civil aviation industry in various provinces from 2011 to 2020.Based on the technical efficiency,scale efficiency,total factor productivity and their changing characteristics,this paper studies thegreen development efficiency of civil aviation and its influencing factors in the past ten years.The efficiency and dynamic changesof civil aviation development in different provinces and regions and different time stages are compared and analyzed.On this basis,the countermeasures and suggestions for future development are put forward.Keywords:DEA-Malmquist;civil aviation;green development efficiency;input-output;air pollutionDOI：10.19981/j.CN23-1581/G3.2023.08.02192-研究视界科技创新与应用Technology Innovation and Application2023年8期力、财力等投入指标和客运收入、货运收入等产出指标的基础上，测度了国内外多家航空公司的运营效率。在国外文献中，Song 等5运用 DEA 模型分析民航机场运行效率，发现民航业水平与地区经济社会发展水平相关性较强。Li 等6认为，航空公司效率分为 3 个阶段：运营阶段、服务阶段和销售阶段，而温室气体排放被视为服务阶段的不良产出。Yu 等7运用动态网络 DEA 方法对比分析了中国和印度多家航空公司的运营效率，发现各有特色。虽然 DEA 模型普遍运用于民航发展效率测算，但只有少数研究聚焦于民航产业与省份发展的绿色效率测算，考虑环境因素和大气污染因素投入产出指标的文献较少，并且仍然存在数据较为老旧的局限性，并且选取指标时忽略了大气污染因素，对地区研究不够完善、对 31 个省份进行全面测度的文献非常少，因此本文运用 DEA 模型，把具有多项投入和产出的决策单元投影到生产前沿面进行时空交互视角下的全面性效率评价。随着技术进步和民航业绿色发展的要求，研究需要结合中国情境综合考虑投入指标的选取。1.2研究方法本文主要使用与 DEA 模型技术关系密切的Malmquist 生产率指数模型，通过该方法将全要素生产率分解成技术进步率变化、纯技术效率变化和规模效率变化等，分析我国各省份民航绿色发展效率的结构特征。DEA-Malmquist 生产率指数公式如下M（xt+1，yt+1，xt，yt）=Dt（xt+1，yt+1）Dt（xt，yt）*Dt+1（xt+1，yt+1）Dt+1（xt，yt），（1）式中：Dt（xt+1，yt+1），Dt（xt，yt）分别指以 t 期的技术为参考时，t 期和 t+1 期的决策单元的距离函数；Dt+1（xt+1，yt+1），Dt+1（xt，yt）含义相似。2指标设计和数据来源2.1指标设计选取恰当的投入和产出指标是民航绿色 DEA 效率测算的关键，本文搜集了较有权威性的统计年鉴中的数据，先选取了多个有关民航绿色发展和大气污染的指标，再将已选出的指标通过熵权法得出的权重，筛选出权重较大贡献值较大的指标。基于 DEA 模型进而实现对民航业 20112020 年绿色发展效率的测算，分析不同省份地区的民航发展效率及其动态变化，经过上述操作和主客观结合综合判断后最终选取 20112020 年 31 个省份数据指标，见表 1。表1指标设计与变量说明2.2数据来源本文研究所有数据主要来源为 中国统计年鉴中国交通统计年鉴 和各省统计年鉴，研究的时间跨度为 20112020 年，数据具有科学性和真实性。选取31 个省份的面板数据作为最初原始数据，再对最初原始数据用 excel 软件进行数据处理作为探究区域和时间对效率影响的新原始数据。经检验该 3 组数据均满足DEA 模型对变量的要求。3数据分析结果3.1各省份民航绿色发展效率及其影响因素全要素生产率测算结果见表 2。综合技术效率是在投入指标从业人员及环境治理投资不变的情况下，实际的民航客运量、民航货运量，二氧化硫、氮氧化物、颗粒物的排放与理想中的产出比值。从 31 个省份整体的全要素生产率来看，Malmquist 指数均值为 0.894，说明民航绿色发展总体的相对效率水平相对较低。技术效率是指由科技含量的提高而带来的产出成效，反映了对现有资源有效利用的能力，综合技术效率是对决策单元的资源配置能力，纯技术效率是由于管理和技术等因素影响的生产效率，规模效率是由于规模因素影响的生产效率。各地区的区域效率计算结果存在较大差异，是由于各地区的民航业发展情况不同所导致，另外各地区的从业人员和环境治理投资也是影响的重要因素。由表 2 可知，全国依据发展效率可以将其分为 3类地区，第一类地区为“三高”地区，其中有北京、上海、山东、重庆、贵州和云南等省份的综合技术效率等于1，与这些省份的社会经济发展状况息息相关，其中北京、上海、山东等地区人口较多、经济发达，对外交流也比较多，因此民航业的整体发展水平较高。重庆、贵州、云南等省份旅游业发展较为成熟，因此，民航业蓬勃发指标选取和变量设计变量名称与处理方式单位变量说明投入指标民航从业人员数万人民航发展的投入指标环境治理投资万元环境治理的投入指标产出指标民航客运量万人民航发展的产出指标民航货运量万 t民航发展的产出指标氮氧化物t环境污染的产出指标颗粒物t环境污染的产出指标S0?t环境污染的产出指标93-2023年8期研究视界科技创新与应用Technology Innovation and Application表320112020年东、中、西各区域年均全要素生产率的对比分析3.3“十二五”和“十三五”各省市全要素生产率指数对比分析通过对“十二五”期间（20112015 年）和“十三五”期间（20162020 年）各年份产业 DEA 生产率指数分析，得到各省市全要素生产率指数及其分解结果见表4。省份技术效率纯技术效率规模效率全要素生产率省份技术效率纯技术效率规模效率全要素生产率北京1.0001.0001.0001.000湖北0.8310.8420.9870.842天津0.9891.0000.9891.000湖南0.7980.7990.9990.799河北0.6540.6700.9770.670广东0.6391.0000.6391.000山西0.9190.9580.9590.958广西0.7020.7170.9800.717内蒙古0.9371.0000.9371.000海南0.9691.0000.9691.000辽宁0.7450.8510.8750.851重庆1.0001.0001.0001.000吉林0.5690.5850.9720.585四川0.9071.0000.9071.000黑龙江0.5520.5570.9910.557贵州1.0001.0001.0001.000上海1.0001.0001.0001.000云南1.0001.0001.0001.000江苏0.7870.7880.9990.788西藏0.1901.0000.1901.000浙江1.0001.0001.0001.000陕西0.9720.9730.9990.973安徽0.5710.5840.9790.584甘肃0.9670.9720.9950.972福建0.9860.9940.9930.994青海0.9301.0000.9301.000江西0.8000.8000.9990.800宁夏0.9180.9440.9720.944山东1.0001.0001.0001.000新疆0.8190.8260.9920.826河南0.7900.8680.9100.868均值0.8370.8940.9400.894表220112020年各省市年均全要素生产率及其指数分解区域 技术效率 纯技术效率 规模效率 全要素生产率 东部地区均值 0.935 0.960 0.975 0.960 中部地区均值 0.936 0.965 0.970 0.965 西部地区均值 0.950 0.962 0.987 0.962 展，绿色发展效率也比较高。以上省份的各指标数据均处于全国较高水平，决策单元中的投入产出是综合有效的，分析出的效率切实符合地区民航业发展的现状。第二类地区为“三低”地区，如黑龙江、吉林等省份，其技术效率远小于平均值，在一定程度上是由于其是早期工业大省，近年来面临着资源趋于枯竭的颓势，经济发展也处于下滑阶段，民航业的发展较为艰难，发展规模缩小，在清洁技术发展、航空新能源使用和环境治理方面的投资和产出也不多。由于近几年的科技能力也处于被其他省市超越的局面，造成纯技术效率低，也使其投入要素利用水平不高，综合技术效率低，所以理论上的投入指标与产出指标和实际发展造成了较大差异造成纯技术效率低，也使其投入要素利用水平不高，综合技术效率低。第三类地区为“低-高-低”地区，其纯技术效率高于全国的平均值，但是规模效率低。如天津、内蒙古、广东、四川和青海等。这些省份的民航业绿色发展主要是依靠纯技术效率的提升而非规模效率的增加和技术进步的提升。纯技术效率并不能弥补技术进步和规模效率的滞后，导致这些省份综合效率都普遍较低，规模效益有待提升，技术进步的提升空间也比较有限，这些都影响全要素生产率的提升。3.2东、中、西地区的对比分析本文参考国家统计局的划分方法，对中、东、西 3大区域的民航业绿色发展全要素生产率进行对比分析，据表 3 数据表来看，各区域的发展比较均衡，从总体上看，东、中、西各地区全要素生产变化率的十年均值都小于 1，说明整体上呈现下降趋势。其中东部地区民航业全要素生产率整体下降 4%，中部地区总体下降3.5%，西部地区整体下降 3.8%。对于技术效率，东部地区总体下降 6.5%，中部地区整体下降 6.4%，西部地区总体下降 5%。通过对比分析，西部地区总体效率水平下降较少，其次是中部地区，东部地区总体下降幅度最大。中东部地区人口较多，经济较为发达，经济的波动对于民航业的发展也会造成不小的影响，另外受新冠病毒感染疫情影响，人员流动减少，造成民航出行人数较少，对 3 大区域尤其是东部地区的民航业产生较大冲击。94-研究视界科技创新与应用Technology Innovation and Application2023年8期表4“十二五”及“十三五”各省市年均全要素生产率及其指数分解从时间层面来看，各省份“十三五”的民航业绿色发展全要素生产率普遍高于“十二五”。由表 4 可知，31个省份“十三五”期间的全要素生产率均值和纯技术效率均值都大于“十二五”期间的均值。“十三五”期间，全要素生产率相比于“十二五”提高 0.024。但总体发展趋势仍不乐观，综合来看“十二五”期间，大部分省市的效率值均未达到 1，没有达到理想状态，我国民航业的绿色发展效率还不充分。“十三五”期间，DEA 生产率指数均值是 0.853，相比于过去五年提高了 0.024，其中北京、上海、海南、云南、宁夏的各项效率和全要素生产率都达到 1；内蒙古、山东、广东、西藏的纯技术效率和全要素生产率达到了 1。从整体上来说，我国民航的各项指标比“十二五”期间有了一个更为均衡的发展，纯技术效率的均值有所增加，而技术效率指标和规模效率指标的均值却变小了。效率低的省份主要分布在东北地区、西部地区和西南部地区，这些区域的地理位置比较偏，相比于“十二五”时期，西部和西南部地区的部分省份在“十三五”期间各项效率数值都有所下降。“十二五”到“十三五”期间，西部和西南部的发展情况仍落后于全国均值，而东部地区技术效率有明显提高。这可能与各地区的科技发展水平、经济发达程度及区域开发水平等社会经济因素有关，实践也证明，民航绿色发展水平与各地区的经济社会发展水平具有一定的耦合性。北京、上海、江苏和浙江等地区的教育水平相对较高，人才引进率高，使得这些地区的科技产业的标准更加有效，民航绿色发展效率也更高。4结论基于 DEA 模型对全国 31 个省份民航绿色发展效率数据的分析，实现对民航业 20112020 年绿色发展效率的测算，从时间层面来看，虽然全国大部分地区“十三五”的全要素生产率高于“十二五”并且 2020 年相比 2011 年略有回升，但总体发展形势仍不乐观，反映出我国民航绿色建设实施过程中的技术应用及规划管理能力都不强，绿色效率有较大提升空间。绿色发展是实现民航持续发展的手段和基石，国家应该高度重视航空碳排放，合理建立减排目标，提升绿色民航发展能力以促进产业、行业和整个社会的可持续发展。另一方面民航业各单位也应对绿色发展工作有效推进和管理，加强推动执行民航绿色发展计划，完善环境污染监管机制并建立评价考核体系，以提升民航绿色发展效率，建设民航强国。参考文献：1 陈俣秀，于剑.我国民航业“节能减排”的投资效率基于超效率 DEA 模型的评价及分析J.会计之友，2017（17）：65-69.2 巩彦峰.亚太地区航空公司绿色效率和绿色全要素生产率研究D.福州:福州大学，2018.3 王艳，苏怡.绿色发展视角下中国节能减排效率的影响因素基于超效率 DEA 和 Tobit 模型的实证研究J.管理评论，2020，32（10）：59-71.4 丁勇，孙柏杨.中外航空公司运营效率评价研究基于DEA-Malmquist 指数的分析J.价格理论与实践，2019（12）：157-160.5 SONGM，JIAG，ZHANGP.AnEvaluationofAirTransport Sector Operational Efficiency in China based on aThree-Stage DEA Analysis J.Sustainability,2020,12（10）：4220.6 LI Y，WANG Y，CUI Q.Has airline efficiency affected bytheinclusionofaviationintoEuropeanUnionEmissionTrading Scheme?Evidences from 22 airlines during 2008-2012J.Energy，2016（96）：8-22.7 YU H，ZHANG Y，ZHANG A，et al.A comparative studyof airline efficiency in China and India：A dynamic networkDEA approach J.Research in transportation economics，2019，76（9）：100746.1-100746.12.技术效率纯技术效率规模效率全要素生产率十二五0.7470.8290.9070.829十三五0.7110.8530.8430.85395-