我國航空物流效率評價及其影響因素分析

李國棟（副教授），尚劉冰

一、引言

民航業是我國經濟社會發展的重要戰略性產業，以航空運輸為核心的交通運輸體系突破了時間、空間上的局限性，實現了高效率的跨區域轉運與輸送，有助于世界范圍內各種生產要素的快速流通，為促進全球生產分工與資源配置提供了有力保障。特別是隨著經濟、貿易的全球化，國際間貿易量持續攀升，航空物流產業的發展空間不斷擴大。

然而，長期以來我國航空物流產業的發展一直得不到應有的重視，航空運輸企業“重客輕貨、貨隨客走”的現象較為突出，且機場建設及其配套保障等也均以優先保障旅客運輸為前提，從而導致我國航空物流產業的發展長期處于“高成本、低效率”的狀態。2018年5月《民航局關于促進航空物流業發展的指導意見》中明確提出，要找到制約航空物流效率提升的影響因素，從而促進航空物流提質增效發展。2018年12月《新時代民航強國建設行動綱要》中也提出實施航空物流“效率工程”，通過不斷提高安檢和通關效率，促進航空物流加快發展。因此，對于我國航空物流產業而言，提升航空物流效率，實現規模經濟，不僅是實現經濟結構轉型、航空物流企業升級的有效途徑，而且關系到新時代中國民航強國的戰略進程。

基于以上現實情況與政策基礎，探究我國航空物流產業發展規律，科學辨析我國航空物流效率現狀，并找準制約我國航空物流效率提升的關鍵因素，對于促進我國航空物流產業的持續健康發展、提升航空物流企業的運營品質具有重要意義。因此，本文首先基于國內外相關研究成果，選取我國航空物流產業投入產出相關變量，并運用三階段DEA模型與Tobit 模型，分析我國航空物流產業運營效率，辨析制約航空物流效率提升的關鍵因素，以期為指導我國航空物流產業效率的提升提供參考。

二、國內外研究現狀

目前，國內外學者針對航空物流效率的研究仍較為匱乏。Gerald Reiner 等[1]采用 DEA 方法，利用五年面板數據對14 家獲得認證的韓國物流供應商的業務效率和生產效率進行檢驗，其靜態和動態分析結果表明，Pantos Logistics 和 Hyundal Glovis 兩家企業運營業務效率最高，而Hanjin Transportation 公司則是物流運營最穩定的公司。Markovits-Somogyi等[2]使用新的DEA-PC（成對比較）方法測試了29個歐洲國家的物流效率，同時還與使用原始DEA方法獲得的結果進行了比較。此外，他們還根據物流績效指標（LPI）對結果進行了評估，這是一項對各國物流能力的重大國際調查。Zahran 等[3]使用數據包絡分析（DEA）法評估和分析了港口物流在創收方面的效率，在DEA 第二階段，探討了效率與港口規模之間的關系。Halvor、Clemet[4]使用DEA方法考察了丹麥、芬蘭、冰島、挪威、瑞典和英國等六國集裝箱港口效率，并在第二階段回歸分析中解釋了國家特定背景因素對DEA效率分數的影響。國內學者樊敏[5]則將研究焦點集中于區域物流運作效率評價方面，在對我國八大經濟區域物流的運作效率進行測算時考慮了環境噪聲、隨機因素的影響。張旭[6]針對廣東省生鮮冷鏈物流的效率開展了研究，并建立了三階段 DEA 模型，對 2012～2015年廣東省 22 個市的冷鏈生鮮農產品物流效率進行了評價。汪晶晶[7]針對湖南省快遞效率開展了實證研究，結果表明經過第三階段的改進，湖南省及其地市的快遞技術效率與規模效率要高于第一階段的效率值，并認為需要加大投入力度，提升快遞物流效率。

在對物流效率進行評價的基礎上，國內外部分學者就如何辨析物流效率影響因素以促進物流效率提升展開了相關研究。Mcdonald[8]研究了在審查數據生成過程（DGP）和分數據DGP 的背景下的第二階段DEA效率分析，其中效率分數被視為樣本中單位相對性能的描述性度量。Wanke 等[9]重點介紹了巴西第三方物流（3PL）行業，通過運用兩階段DEA模型來確定哪些變量顯著影響第三方物流企業的規模效率，并基于Tobit模型分析了影響第三方物流的規模效率的背景變量，結果表明角色協調在物流績效中發揮著重要作用，并討論了托運人和第三方物流的管理影響。Wai等[10]在采用三階段DEA模型評估新加坡和馬來西亞物流公司效率的基礎上，使用Tobit模型探索了影響物流績效的因素，并針對性地提出促進物流效率提升的對策和建議。倪志敏、高秀麗[11]在運用Tobit模型對影響廣東省港口物流效率影響因素剖析的基礎上，指出經濟水平、經濟開放程度、物流市場份額等因素對廣東省港口物流效率的影響相對較小，而地理位置、多種運輸方式聯運程度與港口物流效率正相關。戴萬亮、董智瑋[12]在基于Tobit 模型對我國各省域物流效率影響因素評價之后認為，市場開放程度、地方政府政策支持力度、高等人才數量與物流效率有著密不可分的聯系。

綜觀已有的研究成果可以發現：一是相較于區域物流效率、港口等其他交通運輸方式物流效率的評價，國內學者對于航空物流效率評價的相關研究相對較少，而提升航空物流效率作為民航強國戰略的重要內容之一，加強對航空物流效率評價及其影響因素研究就顯得尤為重要。二是在航空物流效率評價方法的選擇上，當前大多數采用DEA方法來測算物流效率值的研究集中在第一階段與第二階段上，對于第三階段的應用并不常見，但從精確度來判斷，由于排除了環境噪聲的干擾，三階段的DEA 方法要比兩階段、一階段更加準確。因此，本文將選擇2012～2016年我國 31 個省市航空物流方面的投入與產出數據，采用三階段DEA模型對我國航空物流效率進行評價，并進一步通過Tobit模型對我國航空物流效率的影響因素進行辨析，以期為促進我國航空物流效率的提升并推動民航強國戰略落地提供參考和依據。

三、實證設計

本文選擇三階段DEA 模型以減少環境噪聲對效率值的影響，從而能夠更加精確地測算出我國31個省市的航空物流效率值，使數據更加真實可靠。

1.三階段DEA 模型。DEA 模型是著名運籌學家Charnes和Copper等學者以“相對效率”概念為基礎而研究的。他們的第一個模型被命名為插入CCR模型。DEA模型最突出的特點就是無需設置任何權重，排除了很多主觀因素，具有很強的客觀性。

（1）第一階段：傳統DEA模型初始效率分析。在第一階段，本文使用原始投入與產出數據評估初始有效性。通常情況下，選用投入導向的BCC（規模報酬可變）模型。對于任意決策單元，投入導向下對偶形式的BCC模型表示如下：

其中：j=1，2，…，n 表示決策單元；X、Y 分別表示投入、產出向量。若θ=1，S+=S-=0，則決策單元DEA 有效；若 θ=1，S+≠0 或 S-≠0，則決策單元弱DEA有效；若θ＜1，則決策單元非DEA有效。

（2）第二階段：SFA回歸剔除了環境因素和統計噪聲。Fried 等[13]認為，管理無效率、環境因素、噪聲統計這三大要素會對所有決策單元的績效準確度造成影響，因此有必要分離這三種影響。

SFA回歸函數（以投入角度）為：

其中：Sni是第i 個決策單元第n 項投入的松弛值；Zi是環境變量；βn是環境變量的系數；νni+μni是混合誤差項；νni表示隨機干擾；μni表示管理無效率。其中ν～N（0，σv2）是隨機誤差項，表示隨機干擾因素對投入松弛變量的影響；μ是管理無效率，表示管理因素對投入松弛變量的影響。

分離管理無效率公式如下：

隨機誤差項μ的計算公式如下：

E[vni|（vni+μni）]=Sni-f（Zi，βn）-E[μni|（vni+μni）]

（3）第三階段：調整后的投入產出變量的DEA效率分析。調整公式如下：

2.Tobit模型。為了克服最小二乘法回歸估計的有偏性和非一致性，本文運用Tobit回歸模型來估計各影響因素對航空物流效率的影響。Tobit回歸模型可以表示為：

Yi=β0+β1X1j+β2X2j+…+βjXij+μ

其中：Yi為航空物流效率；β0為常數；β1，β2，…，βj為回歸系數；i 為統計年份（i=2012，2013，…，2016）；Xij為各影響因素變量；μ為誤差項。

四、數據來源與研究變量選取

1.樣本數據來源。本文研究我國航空物流效率的數據主要來源于《中國統計年鑒》、《中國交通運輸統計年鑒》、《中國物流年鑒》、各省市地方政府統計年鑒、國民經濟和社會發展統計公報、全國機場生產統計公報等。

2.航空物流效率評價變量選取。通過總結現有涉及航空物流效率的投入產出變量，結合航空物流產業的特點，本文最終選取的投入變量為航空運輸業固定投資、飛機起降架次、民航業從業人數、教育投資，產出變量為貨郵吞吐量、民航貨運量、航空物流收入。

根據變量選取基本原則以及DEA 指標選取同向性、相關性的特點，對上述選出的7 個變量進行Pearon相關性檢驗，檢驗結果見表1。

表1 我國航空物流投入產出變量Pearson相關性檢驗結果

上述檢驗結果表明各個變量之間具有正相關性，相關系數表明變量之間的相關程度在中等以上，符合DEA指標選取標準，變量有效可用。

3.航空物流效率影響因素變量選取。依據Tobit模型的基本特點以及我國航空物流產業的發展現狀，選擇2012～2016年我國31個省市的航空物流效率作為被解釋變量（Y），將各地區經濟發展水平（X1）、航空物流市場化水平（X2）、外貿水平（X3）、產業結構（X4）作為影響航空物流效率的解釋變量（X）。

五、實證分析

1.DEA 第一階段效率分析。通過DEAP 2.1 軟件對我國2012～2016年31 個省市的航空物流效率水平進行投入角度的分析，選用規模報酬可變模型，具體結果見表2。

根據表2可以發現：①2012～2016年，2013年的綜合技術效率均值、純技術效率均值、規模效率均值最高，分別為0.783、0.821、0.955。②從規模報酬來看，北京、河北、上海、河南、西藏連續5年均處于效率有效的前沿面，航空物流投入與產出效率穩健。③廣東、江蘇、山東在2012～2016年的規模報酬整體上呈遞減趨勢，表明這3 個省份的投資規模超出了生產規模，導致出現持續規模報酬遞減的情況。④除廣東、江蘇、山東之外，其余的29個省市均處于規模報酬遞增階段，航空物流市場有待擴大規模以獲取更高的效益。

表2 2012～2016年我國各省市DEA第一階段效率值

由于在第一階段的效率分析中未考慮環境因素與隨機誤差的影響，因此，測算出的效率可能會與最終的真實效率有所偏差。

2.DEA 第二階段SFA 分析。在第二階段中，重點關注第一階段投入變量的松弛變量，借助SFA 回歸，將其分解成環境、管理無效率、統計噪聲三大因素，調整各省市的投入冗余。使用Frontier 4.1軟件，通過最大似然法計算出回歸系數，結果見表3。

根據表3的結果可知，航空運輸業固定投資、飛機起降架次、民航從業人數、教育投資等4個投入要素對地區生產總值、第三產業占GDP 比重、進出口總額3 個環境要素的單邊檢驗值均大于自由度為3的廣義似然比檢驗臨界值7.045。因此，該檢驗存在管理無效率，說明采用隨機前沿模型（SFA 模型）比較合理。

表3 我國航空物流效率投入項調整系數

3.DEA第三階段調整分析。運用調整后的投入產出變量再次測算各決策單元的效率，此時的效率已剔除環境因素和隨機因素的影響，因而能更真實和準確地反映客觀規律。剔除環境因素后我國各省市效率值的分布情況見表4，第三階段效率值見表5。

表4 剔除環境因素后我國各省市效率值分布情況

（1）總體分析。根據表4 可知，各項效率值在各區間范圍內的分布情況比較穩定。可以看出在我國31個省市中，2012年、2014年、2016年的綜合技術效率值集中在0.4～0.6的區間范圍內的省市數量分別達到11個、15個和13個，處于生產隨機前沿面的省市數量分別為6個、6個和5個，這表明在當前階段，我國航空物流效率整體上處于較低水平。雖然在2016年，北京、河北、河南、重慶、上海處于生產技術前沿面，現有航空物流投入能實現最大的規模效益，但大部分省市仍處于效率無效面，且效率值多處于0.4～0.6 的效率區間。這表明，當前在我國航空物流產業中應首先通過壯大航空物流產業規模以提升規模效率，從而實現綜合技術效率的提升，進而推動我國航空物流效率的整體提升。

由表5 可知，從整體上看，剔除環境因素后，我國航空物流的綜合技術效率平均值、純技術效率平均值、規模效率平均值分別從2012年的0.686、0.853和0.799調整為2016年的0.681、0.878和0.778，由此可見2016年我國航空物流的綜合技術效率平均值、規模效率平均值均有所下降，而純技術效率平均值有所上升，規模效率對綜合技術效率的影響超出了技術效率。因此，要想提升我國航空物流綜合技術效率，首先應從規模效率入手。

此外，在剔除環境因素之后，結合上述分析，發現現階段我國各省市航空物流綜合技術效率整體較低，其主要原因是各省市航空物流規模效率整體偏低。進一步地從規模效率階段來看，2012～2016年分別有 21 個、22 個、24 個、23 個和 23 個省市處于規模報酬遞增階段，表明這些省市的航空物流市場仍處于不飽和狀態，因此，可以通過加大航空物流方面的投入來帶動航空貨運量、貨郵吞吐量等產出要素值的增加。

（2）區域對比分析。從表5中我國七大地理區域對比結果來看，2012～2016年，華北地區、華東地區在綜合技術效率平均值、純技術效率平均值、規模效率平均值上始終處于優勢地位，顯著高于其他五大地區。而自2013年以后，華中地區的綜合技術效率平均值、規模效率平均值開始高于全國平均水平，特別是其規模效率平均值在2015年、2016年連續兩年排名全國第一，但其純技術效率平均值在2012～2016年始終落后于全國平均水平，甚至居于末位，這表明華中地區航空物流效率瓶頸問題更多地集中在純技術效率方面。因此，對于華中地區而言，后續如何提高航空物流管理水平、改進航空物流技術將成為促進航空物流效率提升的關鍵。研究結果表明，東北地區與華中地區也存在類似現象。

與華中地區形成鮮明對比的是，2013年以后華南地區的純技術效率平均值遠高于規模效率平均值，表明其綜合技術效率主要受限于規模效率，意味著華南地區后續應更多地通過擴大航空物流規模來促進規模效率的提升，進而推動綜合技術效率的提升。西北地區與華南地區也存在類似現象。

西南地區的純技術效率平均值、規模效率平均值均高于綜合技術效率平均值，反映出在西南地區的航空物流產業發展中，物流管理并未與物流技術實現有效耦合，導致純技術效率平均值、規模效率平均值雖然單獨來看均處于較高水平，但兩者的合力作用并未實現“1+1＞2”的效果，從而反映出綜合技術效率反而相對落后的問題。

表5 2012～2016年我國各省市DEA第三階段效率值

表6 剔除環境因素后各地區規模報酬階段分布情況

表6顯示了剔除環境因素后各地區規模報酬階段分布情況，從整體上來看，我國31 個省市的航空物流發展多處于規模報酬遞增階段。其中，東北地區、西北地區均處于規模報酬遞增階段，表明這兩個地區可以通過進一步加大航空物流投入來實現規模報酬遞增。華北地區、華中地區的發展態勢良好，其中北京、河北、河南三省市處于規模報酬不變階段，即航空物流的綜合技術效率位于生產效率前沿面。

針對各地區存在的規模報酬遞減情況，本研究為深入探究其原因進行進一步分析。研究發現，雖然西南地區的西藏在2012年處于規模報酬遞減階段，但后續由于西藏航空物流管理水平與物流生產技術水平之間的耦合問題得以解決，從而發展到規模報酬遞增階段。華東地區的江蘇、山東兩省因其航空物流管理水平與生產技術耦合不足問題一直較為明顯，從而導致其規模報酬遞減問題始終未得到有效解決。華南地區的廣東省2015年和2016年的純技術效率值均雖達到1.000，顯示出該省航空物流產業結構整體較為合理，但2012～2016年其規模效率整體呈現出明顯下滑態勢，從而導致其航空物流綜合技術效率整體呈現出較大幅度的下滑，這表明未來廣東省應著重提高航空物流產業的規模效率，以提高其綜合技術效率。

4.航空物流效率影響因素分析。進一步地，本研究對我國航空物流效率影響因素利用Tobit 模型進行實證分析，具體結果見表7。

表7的結果顯示，地區經濟發展水平、產業結構對我國航空物流效率有顯著正向影響，并且通過了1%水平的顯著性檢驗，表明促進地區經濟穩步健康發展、實現產業結構優化升級是推動我國航空物流效率提升的關鍵和基礎。進一步從Tobit模型的系數來看，地區經濟發展水平和產業結構的系數雖然為正值，但相較于產業結構的系數0.809，地區經濟發展水平系數顯著偏小，這表明盡管地方經濟總量對航空物流產業的發展有正向推動作用，但地區產業結構所體現的地方經濟發展質量相對于經濟發展規模對于航空物流產業的發展具有更為重要的影響。可見，與公路運輸、鐵路運輸等以體積大、價值低的大宗貨物為主要服務內容不同的是，航空物流承擔的則是體積少、價值高、時效性強的高附加值產品和高端產業運輸任務。因此，即便是地方經濟總量龐大，但產業結構層次若是偏低，地方經濟以技術含量低、環境污染高、資源消耗大、附加值低的低端產業為主要經濟構成，航空物流產業將因為缺乏中高端產業而難以獲取產業發展動能。因此，通過轉變經濟發展方式、加快推動地方產業結構由中低端向中高端邁進，不僅是提升地方經濟發展質量的重要內涵，而且也是促進航空物流等生產性服務業快速發展的有力支撐，反過來航空物流產業等高端服務業的發展也將為地方經濟的發展提供新的動能，只有兩者良性互動才能為地方經濟的高質量發展提供保障。

表7 我國航空物流效率影響因素Tobit回歸結果

此外，航空物流市場化水平、外貿水平與我國航空物流效率負相關，且均沒有通過任何水平的顯著性檢驗，反映出我國航空物流的發展速度雖然較快，對深度參與國際協作與分工、完成經濟轉型發揮了重要作用，但在發展質量上面臨專業程度不高、運轉效率較低、航空物流企業競爭力弱以及外部環境支撐不足等問題。因此，推進我國航空物流市場化水平、外貿水平與航空物流效率提升相向而行，將成為后續需著力解決的問題。

六、研究結論與展望

提高航空物流效率既是促進航空物流企業控制成本、提升運營品質的重要手段，也是提高我國航空物流企業競爭能力、運營效率的重要保障，因此，科學評估我國航空物流效率并客觀甄別其關鍵要素將是掌握我國航空物流發展規律、促進航空物流效率提升的重要基礎。本研究首先利用三階段DEA模型對我國2012～2016年航空物流效率進行縱向和橫向對比分析，發現我國超出2/3 的省市航空物流效率處于規模報酬遞增階段，但仍存在顯著的區域不均衡問題，華北、華東、華中、東北、西南、西北、華南地區的航空物流效率呈現出由高到低的區域差異特征。進一步地，本研究通過Tobit 面板模型對航空物流效率的影響因素進行實證分析，結果表明，相較于航空物流市場化水平、外貿水平等要素，地區經濟發展水平和產業結構對我國航空物流效率是更為關鍵的約束要素。因此，只有不斷提升地方經濟發展質量、持續優化產業結構，才能有效地促進航空物流產業的可持續發展。