中国航空公司业全要素生产率变动分析

李艳伟，尹纯建

（作者单位：中国民航大学  学号：171）

摘要：为了找出影响我国航空公司业生产率变动的主要因素，本文运用Malmquist生产率指数方法对我国2000-2015年期间的航空公司全要素生产率的变动进行了计量与评估。2000-2015年推动航空公司成长的动力来自于新技术的应用、以及外部需求的增长。航空公司业管理方式与手段仍然比较落后，对生产率的影响甚至为负。航空公司业未来应更多依靠综合管理效率的改进，并且这种管理效率的提高不应仅靠规模效率，而应该更多的是管理能力本身等方面的提高。

一、引言

民航运输业是现代社会综合运输体系的重要组成部分，其发展水平标志着一个国家政治稳定，经济繁荣和对外开放的程度。目前我国已成为全球第二大航空运输系统，2000-2015年期间，我国航空运输总周转量平均增长率为13.3%，远高于世界4.3%的平均增长水平。虽然目前我国民航运输量已跻身世界第二的民航大国，但较之于欧美发达国家，我国航空公司的整体竞争能力仍有待提升^[1]，其中最重要的原因之一就是航空公司生产率的制约。因此，对我国航空公司业的生产率进行测算和实证研究具有重大的现实意义。

目前，虽然全要素生产率的研究在其它行业得到了广泛应用^[2]-[5]，但对航空公司业生产率的研究仍然相对较少。本文拟运用基于数据包络分析（Data Envelopment Analysis，DEA）的Malmquist指数方法对中国航空公司业的全要素生产率（Total Factor Productivity，TFP）进行测算，找出影响我国航空公司业生产率变动的主要因素，并为航空公司业竞争力提升提出建议。

二、研究方法

非参数的DEA数据包络分析方法是目前国际上研究生产率常用的分析方法^[6]-[8]，运用Malmquist生产率指数方法对我国2000-2012年期间的航空公司全要素生产率的变动进行了计量与评估。运用Malmquist生产率指数的原因为：第一，它不需要用到相关的价格数据，更便于做实证分析，因为通常相关投入和产出的数据比较容易获得，但要素价格等相关数据的获取往往比较困难；第二，它适用于多主体、跨时期的样本测算；第三，可以对全要素生产率进行分解，便于进一步研究生产率变动的深层影响因素。

t到t+1时期的Malmquist指数可表示为：

              （1）

其中，和分别表示t+1时期和t时期的投入、产出向量；和分别表示时期t和时期（t+1）的距离函数。

以技术Tt为参照，t时期的Malmquist指数可表示为：

                         （2）

t+1时期的Malmquist指数可表示为：

                     （3）

为避免时期选择的随意性可能引起的测算差异，将式（2）和式（3）的几何平均值，作为衡量t至t+1时期生产率变动的Malmquist指数，即式（1）。若该指数大于1，则表明两个时期内的全要素生产率有所提高。^[9]-[11]

将Malmquist指数进一步分解为综合效率变化指数（EC）和技术进步变化指数（TC）：

  （4）

                                                  （5）

                                 （6）

                                                        （7）

综合效率变化指数（EC）代表两个时期内组织管理水平的变化情况，当EC > 1时，表明组织管理水平有所提高。技术进步变化指数（TC）表示两个时期内技术创新的变化情况，当TC > 1时，表明技术水平有所提高。

当规模效率发生变化时，EC还可进一步分解为纯技术效率指数（PEC）和规模效率指数（SEC），此时Malmquist生产率指数还可表示为公式（10）的形式。

                                             （8）

                                 （9）

                                （10）

在根据距离函数的定义，距离函数可由下列模型确定，以计算为例：

                                                                   （11）

由此可见，该距离函数正是DEA方法中CCR模型的效率函数值，通过两者结合起来，可以进行技术进步指数（TC）的测算^[12]-[14]。为进一步度量我国航空公司业的综合效率变动指数，在公式（11）中加入，便可得到规模收益可变情况下的距离函数。

三、指标确定与数据来源

本文采用2000-2015年中国上市航空公司的生产投入与产出数据作为实证分析样本。这些上市航空公司2000-2015年完成的总运输周转量占中国全民航的80%以上，因此认为其生产运营效率状况具有行业代表性。投入产出指标确定与数据来源如下：

（一）投入指标的确定

依据航空公司运营特性，决定将“可用吨公里”作为实证分析的投入指标。“可用吨公里”指航空公司可提供的载运能力与飞行里程的乘积，该指标能够综合反映航空公司对生产运营过程的资本投入状况：一方面能通过反映航空公司的机队规模和机型大小反映出航空公司主要的固定资本投入；另一方面通过反映飞机发动机折旧、航材和油耗反映出航空公司主要的变动资本投入。

（二）劳动投入指标的确定

一般而言，劳动收入是一项能比较合理地反映劳动投入变化的指标，但由于全球的人力资源市场并未在世界范围内形成，同时由于我国现阶段分配体制不健全，因此并不能准确反映劳动投入的变化。因此，本文采用劳动者人数作为劳动投入指标，也就是各航空公司的期末在册“员工人数”。

（三）产出指标的确定

运输的产出指标从价值形态看是运输收入，从实物价值形态看则是客运周转量和货运周转量，因此本文选择“运输收入”与“收入吨公里”两个指标作为衡量产出的指标。“运输收入”指航空公司从事航空客货运输所带来的货币增加值；“收入吨公里”是实际载运量（客货都统一转化为吨）与飞行里程的乘积，代表航空公司实际完成的产出情况。

本文分析所使用的基本数据来源于《从统计看民航》、《中国民航统计年鉴》与各航空公司对外公布的年度报告。

四、模型结果及分析

本文计算了2000-2015年间上市航空公司全要素生产率TFP逐年的Malmquist生产率指数，并进行了分解，然后，进行汇总平均后得到TFP的总体变动状况。如表4-1所示。

表4-1 中国航空公司业Malmquist指数及分解的变动情况（2000-2015）

表中的结果是把计算出来的每年的TFP与上年相除而得，以1为分界点，如果大于1表明生产率提高，反之则生产率下降。Malmquist指数、综合效率变化指数（EC）、技术进步变化指数（TC）在2000-2015年期间的变化趋势如图4-1所示。

图4-1 中国航空公司业Malmquist生产率指数变动情况（2000-2015）

综合分析我国航空公司业全要素生产率的分解结果及变动趋势，研究发现，2000-2015年我国航空公司业全要素生产率虽然同时受到综合效率与技术进步的影响，但两者的作用并不相同。从全要素生产率指数（M）增长的结构与发展趋势上看，其与技术进步变化指数（TC）的变动趋势相同，技术进步对全要素生产率的影响更为显著。技术的应用与革新是我国航空公司生产率提高的主要推动力量。但另一方面，结合我国民航运输业实际，现阶段我国航空公司的技术进步主要处于“引进”、“吸收”阶段，自主创新能力还较弱。在今后的发展中，除增加对国外民航先进技术的引进与应用外，还应更加强调自身的科技创新能力，只有如此，技术进步才能为航空公司的发展提供不竭的动力。

分析2000-2015年综合管理效率的变化，可以发现中国航空公司业的管理技术、手段和方式还比较落后，截止目前仍然没有成为推动行业发展的主要力量。为了考察影响综合管理效率提升的因素，研究进一步把综合效率变化指数（EC）分解为纯技术效率指数（PEC）和规模效率指数（SEC）。

图4-2  中国航空公司业EC、PEC、SEC指数（2000-2009）

从图4-2中可以看出，我国航空公司业的纯技术效率指数（PEC）基本稳定；规模效率指数（SEC）变化趋势与综合效率指数（EC）相同，自2002年体制改革后，一直到2007年才开始大于1，自2010年之后一直小于1。综合效率的增长主要是由运输规模变化所带来的，行业自身的管理能力与方式等因素在综合管理效率的提升中并没有起到主要作用。

五、结语

本文运用上市航空公司2000-2015年的面板数据，运用Malmquist指数方法测算和分析了2000-2015年我国航空公司业全要素生产率情况，并将其进一步分解为综合效率变化指数（EC）和技术进步变化指数（TC）。研究结果表明：2000-2015年推动行业全要素生产率变动的推动力主要为科学技术进步。EC所反映出的航空公司业管理方式与手段仍然比较落后，对生产率的影响甚至为负。虽然从2007年开始EC指数变化率大于1，但综合效率的改善与提高主要来自于规模效率的变化（SEC），而非管理能力或水平的提升。因此，今后航空公司业生产率的提高一方面需要加强以技术创新与自主研发所带来的技术进步外，也应更多依靠综合管理效率的改进，并且这种管理效率的提高不应仅靠规模效率，而应该更多的是管理能力本身等方面的提高。

受数据资料等方面的限制，航空公司的样本量较少、样本数据时间跨度较小，可能会在某种程度上影响最终研究结果的可靠性与准确性，这也是本文的局限所在，因此，未来还有待进一步的深入和完善。

参考文献

[1] 褚衍昌,于剑,李艳伟. 民航运输产业竞争力的组合评价方法[J].交通运输工程学报,2009,9(6)：102-109.

[2] 刘秉镰,林坦,刘玉海.规模和所有权视角下的中国钢铁企业动态效率研究——基于Malmquist指数[J]. 中国软科学, 2010(1):150-157.

[3] 赵秀娟, 张洪水. Malmquist指数在中国证券投资基金业评价中的应用[J]. 系统工程理论与实践, 2010,30(4):646-653.

[4] 周立群,夏良科.天津滨海新区的技术进步、效率提升与全要素生产率增长——基于Malmquist指数的测度[J]. 科学学与科学技术管理,2010,31(10):101-109.

[5] 解百臣,杜纲. 效用型Malmquist指数方法及火电类上市公司实证分析[J]. 中国管理科学,2010,18(1):46-51.

[6] Malmquist Sten. Index numbers and indifference surfaces[J]. Trabajos de Estadistica, 1953(4):209-232.

[7] Farrell, M.J. The measurement of productive efficiency[J]. Journal of the Royal Statistical Society A,1957(120):253-281.

[8] Caves, D.W., Christensen, L.R., Diewert, W.E.. The economic theory of index numbers and the measurement of input, output and productivity[J].  Econometrica, 1982(5):1393-1414.

[9] Färe, R., Grosskopf, S., Lindgren, B., Roos, P.. Productivity changes in Swedish pharmacies 1980-1989: A nonparametric approach[J]. Journal of Productivity Analysis, 1992(3):85-101.

[10] Rolf Färe, Shawn Grosskopf, Dimitri Margaritis. Economic reform and productivity growth: the case of Australia and New Zealand[J]. Mathematics and Computers in Simulation, 2002( 59):143–152.

[11] Banker, R.D., Charnes, A., Cooper, W.W.. Some models for estimating technical and scale inefficiencies in data envelopment analysis[J]. Management Science, 1984(30):1078–1092.

[12] Banker R. D.. Estimating most productive scale size using data envelopment analysis [J]. European Journal of Operations Research, 1984(17) : 35-44.

[13] Banker R. D. and Thrall R. M. Estimation of returns to scale using data envelopment analysis [J]. European Journal of Operations Research, 1992 (62): 74-84.

[14] Christos Papahristodoulou. A DEA model to evaluate car efficiency[J]. Applied Economics, 1997(29) : 1493-15081.