楊秀云，朱貽寧，毛舒怡

（1.西安交通大學 經濟與金融學院，陜西 西安710061；2.西安財經學院 研究生部，陜西 西安710100）

一、引 言

21世紀以來，中國民用航空運輸行業(yè)蓬勃發(fā)展①本文所研究的民用航空運輸企業(yè)不包括通用類航空公司。，截至2013年，中國民航企業(yè)運輸總收入達到了3 640.13億元，是2001年的7.14倍；總周轉量達到6 717.2億噸公里，是2001年的4.75倍；運輸類飛機合計2 145架，如果不考慮機型，僅從數(shù)量而言，是2001年的3.79倍；全行業(yè)平均正班載運率為72.2%，比2001年提高23%②數(shù)據(jù)來源于中國民用航空局統(tǒng)計數(shù)據(jù)，http：／／www.caac.gov.cn／I1／K3／201406／P020140623612275082363.pdf。。由于航空運輸?shù)氖孢m度和快捷便利，消費者越來越多地選擇乘坐民航客機出行。

隨著航空公司業(yè)務量的激增，各種經營問題也隨之出現(xiàn)。比如，較高的航班延誤率是消費者投訴的重點。首先，2013年中國航空公司平均正班客座率為72.2%③數(shù)據(jù)來源于美國聯(lián)邦航空管理局統(tǒng)計數(shù)據(jù)，http：／／www.rita.dot.gov／bts／press＿releases／bts013＿14。，低于美國航空公司83.5% 的正?？妥仕?，這從側面反映了航空公司航線設置、飛機配置以及機組成員搭配不合理，調整能力較弱；其次，2013年中國民航飛機的平均日利用率為9.53小時，遠低于歐美市場12小時的平均日利用率水平，說明資本要素的投入并沒有完全得到有效利用，缺乏足夠的機組等勞動力資源與其匹配，且資本和勞動力的配置比例不合理。這些問題都反映出中國航空公司存在配置低效率狀態(tài)，導致部分生產要素無效投入。對于東航、南航和國航這3家國有航空公司而言，2013年主營業(yè)務成本平均值為477.07億元，飛機、薪酬和航油的成本平均值分別為55.63億元、98.55億元和322.89億元，如果投入要素配置比例合理，將會大幅度降低航空公司的成本。本研究將在測度航空公司配置效率水平的基礎上，著重對影響航空公司配置效率水平的因素進行研究，并根據(jù)實證結果提出建議。

二、文獻綜述

配置效率是經濟效率的一種形式，反映投入要素真實價格比率和投入要素影子價格比率之間的關系。當廠商生產商品或者提供服務時，希望使用更合理的要素投入比例，以降低廠商的成本水平。廠商配置效率的大小和其投入要素成本最小化水平息息相關。對行業(yè)配置效率的研究，可以從成本的視角分析微觀企業(yè)的發(fā)展現(xiàn)狀，進而全面了解整個行業(yè)的發(fā)展情況。

目前，對航空公司的配置效率進行研究的文獻較少，且大部分集中在計量方法的研究上，學者們主要使用前沿分析的方法，從構建廠商的成本函數(shù)體系入手，利用參數(shù)法和非參數(shù)法對其進行測度和研究。由于對航空公司配置效率研究的文獻極少，本文將對其他行業(yè)配置效率研究的相關文獻予以述評。

所謂參數(shù)法，是部分學者通過使用隨機前沿函數(shù)（下稱SFA）的方法，通過構造廠商成本前沿面，對廠商的配置效率水平進行測度。李猛通過建立柯布—道格拉斯隨機前沿生產函數(shù)，估算貴州三次產業(yè)的技術效率，發(fā)現(xiàn)貴州三次產業(yè)技術效率變化呈現(xiàn)出邊際遞減現(xiàn)象［1］。有學者發(fā)現(xiàn)，SFA更容易測度行業(yè)的技術效率。在實際中由于缺乏建立廠商投入要素影子價格的決定機制，SFA對配置效率的直接測度面臨較大的困難。因此，Kumbhakar等人通過間接方法，將全要素生產率（TFP）的增長部分分解為技術效率、技術進步、規(guī)模效益以及配置效率四部分［2］。盡管基于TFP增長率分解的方法可以最終對技術效率和配置效率進行測度，但這一方法存在著較大的局限性：一方面，在產出和投入的度量單位不同時，計算TFP增長率較為困難；另一方面，需要選取全部的投入要素，否則僅僅是測度了偏要素生產率。

所謂非參數(shù)法，是相關學者為了克服缺乏廠商投入要素的影子價格信息，導致早期的SFA方法較難測度配置效率，從而使用的另一種方法。該方法主要通過數(shù)據(jù)包絡分析（下稱DEA）等方法和模糊函數(shù)形式來測度配置效率［3－5］。周五七利用DEA測度1998—2010年中國工業(yè)行業(yè)綠色TFP及其分解成份，研究發(fā)現(xiàn)：工業(yè)綠色TFP增長的動力主要來自技術進步［6］。Aly等證明了廠商的配置效率＝成本效率／技術效率，并使用DEA對美國銀行業(yè)的配置效率進行研究，認為無論是單一制銀行還是開設分行的銀行，配置效率水平總體較低且差別不大［7］。Coelli等使用同樣的方法，測度了1997年孟加拉人民共和國21個村莊407塊農田的配置效率，認為旱季、雨季差別不大，并在此基礎上進行了第二階段的回歸，認為家庭人口數(shù)量對配置效率的負影響最大［8］。

簡言之，由于建立了關于配置效率的函數(shù)體系，參數(shù)法可以在測度配置效率的同時，得到相關投入要素價格之間的彈性關系，但對函數(shù)形式具有較為嚴格的要求，目前更多的研究集中于對計量方法的分析。非參數(shù)法雖然不需要嚴格假定函數(shù)形式，可以先測度技術效率和經濟效率，再間接求得配置效率，但只能對截面數(shù)據(jù)進行分析，割裂了面板數(shù)據(jù)之間的聯(lián)系。

本文結合上述兩種方法各自的優(yōu)點，擬使用SFA構建航空公司的生產體系和成本體系，分別測度其技術效率和成本效率，得到各投入要素之間的彈性關系，再根據(jù)配置效率＝成本效率／技術效率，間接測度航空公司的配置效率。在此基礎上，本文還將對所得到的配置效率建立第二階段的回歸模型，試圖找到對其產生影響的主要因素。

三、研究方法和數(shù)據(jù)來源

（一）研究方法

本文在對中國航空公司的配置效率及影響因素進行分析時，采用兩階段回歸的方法。在第一階段，使用SFA的方法，構建航空公司的生產體系和成本體系，分別對其技術效率和成本效率水平進行測度，最終求得航空公司的配置效率水平。配置效率、技術效率和成本效率之間關系見圖1。

圖1 配置效率、技術效率和成本效率的關系

據(jù)此，本文在第一階段的研究中，利用上述三個效率之間的關系，通過配置效率＝成本效率／技術效率這個公式，對中國航空公司的配置效率進行測度。在第二階段的研究中，通過構建面板數(shù)據(jù)的多元線性回歸模型，利用GLS方法，從航空公司的公司規(guī)模、公司治理、日常運營、基地建設、國家對民航政策以及宏觀經濟環(huán)境等6個方面分析影響中國航空公司配置效率的相關因素。

（二）數(shù)據(jù)來源

航空公司在日常經營過程中，主要的投入要素分別是資本、勞動力以及航油。本文選取這三個要素作為投入變量，其中資本的絕大部分用于購買飛機，根據(jù)成本收益原則，用航空公司飛機每年折舊額來表示航空公司每年的資本投入。為更精確地描述航空公司對勞動力要素進行的投入，勞動力投入變量用航空公司總薪酬以及機組成員培訓費用和后臺人員銷售提成等費用加總構成。航油投入變量則使用航空公司購買航油的支出來表示。同時，本文使用總周轉量較為精確地描述航空公司運輸業(yè)務的產出，以剔除航空公司其他諸如餐飲、住宿等其他業(yè)務的產出。

截至到2012年，中國航空公司的總體分析如下：東航全資子公司有上航、聯(lián)合航空；南航控股廈門航空、汕頭航空、珠海航空、貴州航空、重慶航空、河南航空，參股四川航空；國航控股深圳航空、澳門航空、大連航空、北京航空，參股山東航空、國泰航空；海南航空控股大新華航空，參股香港航空、天津航空、首都航空、西部航空、祥鵬航空。東航、南航、國航、海航這4家航空公司和其他21家航空公司有直接聯(lián)系。同時，東航、南航、國航、海航、山航、上航這6家航空公司的總周轉量在2012年占全國民航運輸總周轉量的86.68%，幾乎涵蓋了中國民航運輸市場的絕大部分運力，可以反映中國民航運輸企業(yè)的運營狀況。

綜合數(shù)據(jù)的可獲得性，特別是由于各航空公司航油消耗量等宏觀數(shù)據(jù)最新統(tǒng)計資料更新較慢的限制，本文選取包括東航、南航、國航、海航、山航、上航這6家上市航空公司作為研究樣本，選取各自2001—2012年財務年報中的相關數(shù)據(jù)，對其相關效率水平進行研究。需要特別指出的是，國航2004年在納斯達克上市，2001—2002年數(shù)據(jù)缺失；上航2009年成為東航全資子公司，2009—2012年的數(shù)據(jù)缺失。最后，為了消除價格因素的影響，本文的相關數(shù)據(jù)均通過CPI平減指數(shù)，轉換為以2001年為基期的價格。

四、航空公司配置效率測度

（一）航空公司的技術效率水平測度

本文使用SFA構建Cobb－Douglas生產函數(shù)，對所選樣本航空公司的技術效率進行測度，具體函數(shù)形式如下：

其中Y是航空公司的總周轉量，K是航空公司飛機折舊，L是航空公司薪酬，F(xiàn)是航空公司航油支出，v是隨機誤差項，u是航空公司技術效率，且服從N（0，1）分布，β1、β2、β3是各變量的回歸系數(shù)。

變量統(tǒng)計性描述結果見表1，各變量的最大值和最小值差距明顯，說明本文所選取樣本涵蓋了不同規(guī)模的航空公司，能夠較好地研究行業(yè)技術效率。此外，航空公司生產要素的投入均值從高到低依次是航油、資本和勞動力，航油投入比后兩者之和還要大，占航空公司投入生產要素的絕大部分。

表1 航空公司生產要素統(tǒng)計性描述表

利用Frontier 4.1，對各航空公司的技術效率水平進行測度，回歸結果見表2中生產函數(shù)部分，技術效率結果見表3中技術效率部分。由表2可知：

1.全部變量的回歸系數(shù)均通過了顯著水平為5%或1%的t檢驗，對數(shù)似然方程通過了概率為0.9的χ2分布。因此，回歸模型結果的統(tǒng)計檢驗較為理想。

2.γ＝0.576說明在航空公司生產前沿水平和實際生產水平之間，存在57.6%的差距；根據(jù)TE＝e－μ，μ＝0.250說明技術效率水平在（0，1）之間。η＝0.083則意味著隨著時間的推移，航空公司每年平均有8.3%的技術效率改進。

3.β1、β2和β3均為正數(shù)，表示隨著航空公司投入要素的增加，產出亦相應增加。對產出影響由大到小排列的投入變量依次是：勞動力、航油和飛機折舊。特別在當年均購買飛機的支出增加1%而其他投入要素保持不變的情況下，航空公司的總周轉量將增加6.1%。其他的投入變量亦可做類似解釋。此外，根據(jù)β1＋β2＋β3＝0.890＜1，說明總體而言，航空運輸行業(yè)存在輕微規(guī)模報酬遞減的情況，近似規(guī)模報酬不變水平，差額部分與技術無效率有關。

表2 生產函數(shù)和成本函數(shù)SFA回歸結果表

根據(jù)表3結果，6家樣本航空公司的年平均技術效率為0.616，處于中等水平。大型航空公司的技術效率水高于中小型航空公司，最高的國航（0.804）約是最低的上航（0.432）的2倍。此外，從2001－2013年各航空公司的技術效率數(shù)值觀察，存在著上升趨勢。這說明各個航空公司均在通過各種方式，努力提升自己的技術效率水平，爭取產出的最大化。

表3 航空公司技術效率、成本效率和配置效率結果表

（二）航空公司的成本效率水平測度

為了測度航空公司的配置效率，本文首先使用和上文相同的數(shù)據(jù)，通過構建航空公司的成本函數(shù)體系，測度航空公司的成本效率。在航空公司的成本函數(shù)中，產出依然是航空公司總周轉量，各個投入要素（飛機、勞動力和航油）價格通過投入要素的支出除以投入數(shù)量得到，具體如下：

3.總成本（TC）是剔除諸如酒店、餐飲等業(yè)務成本后的運營成本，數(shù)值等于飛機折舊、薪酬和航油支出的總和，這樣能夠更加精確地表示航空公司運輸業(yè)務成本。

這里同樣使用Cobb－Douglas成本函數(shù)測度航空公司的成本效率。生產要素價格的均值從高到低依次是飛機、工資和航油，最大值和最小值差距明顯，說明本文所選取樣本覆蓋各種規(guī)模的航空公司，能夠較好地對航空公司成本效率進行研究。

基于Cobb－Douglas函數(shù)形式的航空公司成本函數(shù)模型為：

其中TC是航空公司成本，Y是航空公司總周轉量，PK、PL和PF是航空公司飛機價格、薪酬和航油價格，v是隨機誤差項，u是航空公司技術效率，服從N（0，1）分布，β1、β2、β3、β4是各變量的回歸系數(shù)。

利用Frontier4.1，對樣本航空公司的成本效率進行測度，回歸結果見表2中成本函數(shù)部分，成本效率結果見表3中成本效率部分。從表2可知：

第一，除了PK之外，其他回歸系數(shù)均通過了顯著水平為5%或者1%的t檢驗。對數(shù)似然方程（59.298）通過了概率為0.9的χ2分布。限于樣本數(shù)量，PK系數(shù)未通過t檢驗是可能的，但由于飛機價格是航空公司成本函數(shù)中不可或缺的變量，因此不能予以剔除。總體而言，該回歸模型結果的統(tǒng)計檢驗是可以接受的。

第二，γ＝0.439說明在航空公司生產前沿水平和實際生產水平之間，存在43.9%的差距，值得進一步研究。μ＝0.160說明成本效率水平在（0，1）之間。η＝0.091則意味著隨著時間的推移，航空公司每年平均有9.1%的成本效率改進。

第三，β2、β3和β4均為正數(shù)，表示隨著投入要素價格的增加，航空公司的成本也會相應增加。對成本的變動影響從大到小依次為：航油價格、飛機價格和勞動力薪酬，這與航空公司現(xiàn)實運營情況基本相符，航油是對其主營業(yè)務成本最大的影響因素。β1是航空公司總體規(guī)模報酬水平，它與生產函數(shù)所得到的結果基本吻合，近似接近規(guī)模報酬不變水平。

（三）航空公司的配置效率水平測度

在測度了航空公司技術效率和成本效率的基礎上，根據(jù)配置效率＝成本效率／技術效率，計算樣本航空公司的配置效率。在計算配置效率的過程中，出現(xiàn)了大于1的情況。理論上，配置效率的值應在［0，1］之間，但航空公司的配置效率測度存在例外。由于人民幣匯率波動，會對飛機和航油價格產生較大影響，導致按照前期匯率水平間接計算的配置效率增大，有可能大于1?？紤]到匯率因素對每個航空公司的要素價格均產生影響，其配置效率排序是不變的，因此本文選取根據(jù)樣本所得到的配置效率最高數(shù)值作為基準1，其余配置效率除以基準配置效率值，得到航空公司相對配置效率水平，結果如表3中配置效率部分所示。

第一，6家航空公司平均配置效率為0.702，處于中等水平，其配置效率的排序與技術效率和成本效率的排序截然不同。配置效率水平最高的3家航空公司依次為上航、海航和山航，均為中小型航空公司。反之，大型航空公司的配置效率水平普遍偏低，國航最低。這反映了中小型航空公司更為審慎也較為容易安排原本有限的投入要素，配置效率較高。大型航空公司由于投入要素數(shù)量龐大，在經營中相對中小型航空公司，對資源的配置水平則較低。

第二，不同航空公司配置效率的趨勢亦不相同，大型航空公司配置效率基本保持不變，中小型航空公司的配置效率則持續(xù)降低且有接近大型航空公司配置效率的趨勢。這說明隨著中小型航空公司的不斷發(fā)展，規(guī)模的不斷擴大導致其存在越來越多的生產要素無效率配置狀態(tài)。

五、航空公司配置效率的影響因素

本文中航空公司的配置效率反映了航空公司生產投入要素配置水平較低，存在過度使用的現(xiàn)象，導致了航空公司的運營成本提高，因此有必要進一步研究影響航空公司配置效率的相關因素，并計算這些因素對配置效率的影響程度，進而有的放矢地予以改進，提升航空公司的配置效率水平。

（一）變量選取和模型構建

本文使用面板數(shù)據(jù)多元線性回歸的方法，從研究航空公司自身內部角度以及外部經濟環(huán)境角度對中國航空公司配置效率影響因素進行分析。同時，為了避免其他一些外部因素會對航空公司配置效率產生影響，本文還將設置控制變量對相關因素予以控制，使得分析更加嚴謹，也更具說服力。被解釋變量即為航空公司配置效率。解釋變量和控制變量的設置，具體如下：

1.解釋變量

本文基于航空公司內部視角和宏觀外部視角，從航空公司的公司規(guī)模、公司治理、日常運營、基地建設、國家行業(yè)政策以及外部宏觀經濟環(huán)境6個角度出發(fā)，選取合適的解釋變量。

航空公司規(guī)模。本文所選取的樣本航空公司，覆蓋了大型、中型和小型航空公司，隨著航空公司不斷發(fā)展，規(guī)模日益擴大，航空公司的資本、勞動力和航油等生產要素的投入及配置均會發(fā)生一定的變化，不可避免會對航空公司的配置效率產生影響。本文使用航空公司的總資產（asset）作為航空公司規(guī)模的代理變量。

航空公司股權結構。該變量反映了航空公司資本結構的多樣性，當資本構成復雜時，經營者將得到更多來自董事會不同的意見，會對生產要素的配置產生影響。本文使用航空公司總股本中的國有股持股比重（stateown）作為代理變量。

航空公司日常運營。航空公司的日常運營是通過飛機作為載體進行生產，轉化成商品供客戶消費的。這一生產過程，可以概括為飛行班次總數(shù)（flight）和飛行總時長（time）①飛行小時是指航空器靠自身動力開始滑行、起飛，到降落、滑回停機坪停止的時間。理論上航班班次和飛行小時是正向關系，但不存在線性關系，主要因為在各種外部因素的影響下，飛機飛行相同航線的時長并不相同。。兩者不存在明確的正相關或者負相關關系，當航空公司航班班次增加時，通過優(yōu)化航線，建設氣象預判信息系統(tǒng)等方法，可能減少了飛行排隊時間、空中盤旋時間等，可能飛行總時長反而呈現(xiàn)負增長。因此，本文同時選擇這兩個變量作為描述航空公司日常運營的代理變量。

航空公司基地建設。航空公司的基地是航空公司在全國某個地區(qū)（機場）的綜合運營中心，建設一個良好的基地，可以最優(yōu)化航空公司全部航線的總飛行時間，降低機隊維護費用，有效地提升航空公司的配置效率。相反地，盲目追求基地數(shù)量，則可能對配置效率產生負面影響。本文選取航空公司基地數(shù)量（hub）作為代理變量。

國家行業(yè)政策。國家對中國航空運輸行業(yè)的政策，通過中國航空器材集團公司（下稱中航材）的購機行為得以體現(xiàn)，當積極寬松的政策出臺，往往中航材會加大飛機采購量，進而會對航空公司的生產要素配置產生影響，反之亦然。本文使用中航材每年的購機總額（purchase）作為代理變量。

匯率（exchange rate）。航空公司購買主要生產要素飛機和航油，都是使用外幣（如美元）結算，不可避免會受到匯率波動的影響，進而對航空公司配置效率產生影響。本文使用人民幣兌美元匯率作為代理變量。

2.控制變量

除了上述6個核心的解釋變量，還有其他一些因素也會對航空公司的配置效率水平產生影響。這種影響往往是航空公司短期內難以改變的，只能被動接受，短期內無法對其做出調整。本文將這些因素作為控制變量予以控制，使得相關的研究更加嚴謹，具有較強的說服力。具體的因素如下：

機組（包括飛行員和乘務員）人員占總員工人數(shù)比例（unit）。該變量反映了在不同航空公司內部員工配置的結構情況。

事故征候萬時率（sign）。該變量反映了航空公司安全生產的水平。

投訴萬分率（complaint）。該變量反映了航空公司的客戶滿意程度。

政府補貼（budget）。不同規(guī)模、不同所屬國有資產管理部門管理的航空公司，面臨各級政府不同的補貼項目和額度。這些補貼是各級政府根據(jù)不同的事項，不定期安排的財政資金。

航空公司總部所在城市的地區(qū)生產總值（GDP）。該變量描述的是航空公司總部所在城市的經濟發(fā)展程度。隨著中國社會經濟的不斷發(fā)展，航空公司對總部所在城市的依賴程度越來越小，其業(yè)務的拓展逐步向國內的一線、二線城市轉移，利用大城市的樞紐機場建立航空公司的基地，拓展業(yè)務發(fā)展。

基于上述變量選擇，建立回歸模型如下：

其中被解釋變量是配置效率（AE），解釋變量和控制變量如上所述，εit是隨機誤差項，i表示第i個航空公司，t表示2001—2012年，β1，β2，…，β12是各變量的回歸系數(shù)。

（二）模型統(tǒng)計性描述及相關檢驗

本文選取上述航空公司2001—2012年相關數(shù)據(jù)，統(tǒng)計性描述見表4。同時，為了分析結果的真實性，避免出現(xiàn)偽回歸，對研究期內的非平衡面板數(shù)據(jù)進行了Fisher－ADF檢驗，檢驗結果見表5，顯著通過檢驗，說明所使用數(shù)據(jù)和變量序列的線性組合是平穩(wěn)時間序列。表6數(shù)據(jù)是6個樣本公司12年數(shù)據(jù)，共計792個觀測值。

表4 變量統(tǒng)計性描述表

表5 樣本Fisher單位根檢驗表

表6 隨機效應模型回歸結果表

（三）估計結果

由于所選樣本數(shù)據(jù)量所限，本文使用隨機效應模型對中國航空公司配置效率的影響因素進行回歸，實證結果如表6所示，其中前7個變量為解釋變量，P＞｜z｜且均小于0.05，結果顯著。后5個變量為控制變量，解釋變量和控制變量的系數(shù)符號均具有經濟學意義，總體擬合優(yōu)度R2值為0.954 1，模型擬合水平較高，模型回歸效果較為理想。

實證結果表明，航空公司的總資產和飛行班次增加以及國家出臺更多的支持政策，可以提升航空公司的配置效率。國有股比重、飛行小時、基地數(shù)量以及匯率貶值會降低航空公司的配置效率。本文仍然從上述幾個方面對配置效率的影響予以分析，具體如下：

1.航空公司規(guī)模和股權結構

研究表明，航空公司總資產的增加會提升配置效率，但和本文之前對配置效率測度所觀測的結果有出入——大型航空公司的配置效率低于小型航空公司。國有股比重和配置效率的負向關系很好地解釋了這一現(xiàn)象，三大航空公司的國有性質濃厚，資本結構較為固化，更加偏好根據(jù)政府的政策制定公司發(fā)展規(guī)劃，對市場的反應不夠敏銳，對配置效率的負面影響高于大型規(guī)模所帶來的正面影響。

2.航空公司日常運營

研究表明，飛行班次和飛行小時對配置效率影響作用相異，前者為正，后者為負。該結論看似矛盾，卻有較強的現(xiàn)實意義：隨著航空公司對航線申請的增加，所執(zhí)飛的飛行班次增加，在不顯著增加投入要素成本的情況下，會使得其現(xiàn)有的機隊、機組以及后臺支持部門的產出增加，進而有效提升航空公司的配置效率。隨著飛行時間的增加，配置效率反而降低，即飛行小時與配置效率具有反向關系，則說明目前航空公司在飛機使用方面存在配置無效率的情況。如果航空公司試圖從日常經營的角度提升配置效率，這兩個互為矛盾的因素必須同時考慮。

3.航空公司基地建設

研究表明，基地數(shù)量對航空公司配置效率存在負影響。這說明目前中國航空公司基地配置不合理，例如東航和南航在全國分別有15個和19個基地，雖然可以容納更多的飛機?？亢瓦^夜，但相應的技術保障、安全檢查等投入要素也會增加，客觀上降低了航空公司的配置效率。

4.國家行業(yè)政策

研究表明，國家支持政策（年度購機規(guī)模提升）對航空公司配置效率存在正影響，但是這種影響往往體現(xiàn)在購買飛機。根據(jù)上文的研究，飛機價格對配置效率的影響較勞動力和航油而言較小，因此國家積極的行業(yè)政策對航空公司配置效率的提升水平有限。

5.匯率

研究表明，人民幣貶值對航空公司配置效率存在負影響。隨著人民幣的升值，航空公司購買飛機和航油的成本會減小，可以提升航空公司的配置效率。同時，該結果也解釋了在人民幣升值的影響下，前文中對配置效率測度時，后期相對前期的配置效率會有較大提升，以至于超過1。因此，本文使用相對配置效率統(tǒng)一測度口徑是合理的，也是必要的。

此外，本文還設置了5個變量予以控制，雖然統(tǒng)計學指標沒有通過檢驗，但其符號也有一定的經濟學意義。機組成員占勞動力比重對配置效率有負影響，說明目前航空公司所招聘的后臺支持部門工作人員比例可能失調，員工工作量可能過大，需要優(yōu)化配置。事故征候萬時率以及投訴率對配置效率具有負影響，則說明航空公司在運營過程中，必須對安全技術部門和客戶服務部門的資源配置優(yōu)化調整。雖然航空公司總部所在城市地區(qū)生產總值對航空公司配置效率有正影響，國家各級政府對航空公司的各項不定期補貼對配置效率有負影響（非市場手段干擾了市場的有效性），但航空公司沒有能力對這些因素進行控制和調整，所以該結論僅僅具有一定的經濟學意義，在航空公司實際運營中，可以認為它們是不可控的外部因素。

六、結論及建議

本文通過兩階段研究，測度了航空公司的配置效率水平，并且分析了對其產生影響的因素，得到了相關的結論。目前中國航空運輸行業(yè)處于規(guī)模報酬不變水平，中小型航空公司比大型航空公司的配置效率水平高，但整體行業(yè)水平不高，有提升的空間。同時，相對于飛機價格而言，航空公司的成本對于勞動力價格和航油價格更加敏感。在此基礎上，本文從企業(yè)、國家行業(yè)政策和宏觀經濟環(huán)境等6個視角對影響配置效率的因素進行了分析和檢驗，認為航空公司應該有針對性地做出相應改進，以提升配置效率水平，具體為：

1.在不影響國家控股的前提下，逐步降低國有股比重，優(yōu)化股權結構，吸引更多的特別是民營資本投資，同時擴大公司總資產水平，進而提升配置效率水平。

2.優(yōu)化航線，控制飛行時間。由于飛行班次和飛行時間對配置效率的作用相異，航空公司增加航線、班次的同時，必須對飛行時間的增加予以控制。因此，航空公司應該根據(jù)每條航線的上座率、潛在旅客人數(shù)，合理優(yōu)化航線，部分上座率低的航線可以考慮改為隔日運營或者和其他航空公司代碼共享，以降低總的飛行時間，實現(xiàn)雙贏。同時，航空公司還應加強信息系統(tǒng)建設，盡可能早得到氣象、軍事空管等信息，提早預判航班正點概率，減少空中盤旋等待時間和飛行的總時間。

3.提升基地保障水平，控制基地數(shù)量。基地數(shù)目的增加，對航空公司的配置效率產生負影響，因此，航空公司必須審慎地對待基地建設。一方面，對現(xiàn)有的基地，應當提升技術水平和保障能力，要和其他航空公司加強業(yè)務聯(lián)系，爭取在北京首都機場、上海浦東機場、廣州新白云機場、成都雙流機場等大型樞紐機場共建和共享維護團隊，提高配置效率；另一方面，航空公司應在測度經濟效益和配置效率水平的基礎上，充分考慮各種因素，謹慎地建設新基地。

4.增加對金融市場分析的投入。由于人民幣貶值對配置效率具有負影響，因此航空公司必須對這一因素充分重視。此外，上文分析得出，大型航空公司由于有金融市場分析部門，利用各種金融衍生工具，進行套期保值，規(guī)避匯率風險，進而降低航油和飛機的購買費用。中小型航空公司沒有條件成立金融市場分析部門，則應加大這部分的研究投入，通過設立研究課題或者購買分析報告等方式，與科研院所合作，掌握國際外匯、成品油等市場動態(tài)信息，降低匯率因素所帶來的額外成本支出，最終提升配置效率水平。

由于國家需要平衡各個行業(yè)的發(fā)展水平，優(yōu)先向教育、新能源等領域投入資金，短時間內不可能大幅度提高對民航運輸企業(yè)的扶持力度，所以從現(xiàn)實角度出發(fā)，航空公司應立足自身發(fā)展程度，合理優(yōu)化包括公司治理、運營、基地建設和金融市場分析等方面的資源投入水平，提升自身的配置效率水平。

［1］ 李猛.欠發(fā)達地區(qū)技術效率變遷機制研究——以貴州為例證［J］.統(tǒng)計與信息論壇，2012（5）.

［2］ Kumbhakar，Denny，F(xiàn)uss.Estimation and Decomposition of Productivity Change When Production is Not Efficient：A Paneldata Approach［J］.Econometric Reviews，2000，19（4）.

［3］ Farrell.The Measurement of Productive Efficiency［J］.Journal of the Royal Statistical Society.Series A （General），1957，120（3）.

［4］ Charnes，Cooper，Rhodes.Measuring the Efficiency of Decision Making Units［J］.European Journal of Operational Research，1978（6）.

［5］ Banker，Charnes，Cooper.Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis［J］.Management science，1984，30（9）.

［6］ 周五七.效率增進與技術進步對綠色生產率增長的影響——來自中國36個兩位數(shù)工業(yè)行業(yè)的實證［J］.統(tǒng)計與信息論壇，2014（4）.

［7］ Aly，Grabowski，Pasurka.Technical，Scale，and Allocative Efficiencies in US Banking：An Empirical Investigation［J］.The Review of Economics and Statistics，1990，72（2）.

［8］ Coelli，Rahman，Thirtle.Technical，Allocative，Cost and Scale Efficiencies in Bangladesh Rice Cultivation：A Nonparametric Approach［J］.Journal of Agricultural Economics，2002，53（3）.