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