- · 《交通运输工程学报》收[09/07]
- · 《交通运输工程学报》数[09/07]
- · 《交通运输工程学报》栏[09/07]
- · 《交通运输工程学报》刊[09/07]
- · 《交通运输工程学报》征[09/07]
- · 《交通运输工程学报》投[09/07]
基于超效率DEA-Malmquist指数的我国机场业运营(2)
作者:网站采编关键词:
摘要:图3 2008—2017年我国机场旅客吞吐量变化情况Fig. 3 Variation of passenger throughput of airports in Chinafrom 2008 图4为2008—2017年中国7大区域旅客吞吐量变化情况。由图
图3 2008—2017年我国机场旅客吞吐量变化情况Fig. 3 Variation of passenger throughput of airports in Chinafrom 2008
图4为2008—2017年中国7大区域旅客吞吐量变化情况。由图4可见,近10年各大区域旅客吞吐量总体都在稳定的增长,华东地区仍然是旅客吞吐量分布最多的地区,在2015年西南地区旅客吞吐量超过华北地区位居第3位,在2016年西北地区旅客吞吐量超过东北地区位居第5位;从增长速度看,西北地区旅客吞吐量增长最快,近10年平均增长率为17.5%,华北地区增长最慢,10年平均增长率仅为10.2%。
图4 2008—2017年中国7大区域旅客吞吐量变化情况Fig. 4 Variation of passenger throughput in seven major regions ofChina from 2008 to 2017
1.3 货邮吞吐量
图5为2008—2017年我国机场货邮吞吐量变化情况。由图5可见,我国机场货邮吞吐量从2008年的883.4万吨增加到2017年的1 617.7万吨,10年平均增长率为7.0%,2010年增长速度最高为19.4%;从货邮吞吐量结构来看,近10年来国内货邮一直占主导地位,2017年国内货邮吞吐量为901.1万吨,占比为55.7%,国际货邮占比从2008年的36.2%增长到2017年的38.2%,港澳台地区货邮吞吐量一直保持在6%左右。
图5 2008—2017年我国机场货邮吞吐量变化情况Fig. 5 Variation of cargo and mail throughput of airports in Chinafrom 2008 to 2017
图6为近10年各大区域货邮吞吐量变化情况。由图6可见,近10年各大区域货邮吞吐量总体都在稳定的增长,华东地区仍然是货邮吞吐量分布最多的地区;从增长速度看,同样是西北地区增长最快,华北地区增长最慢。
图6 2008—2017年中国7大区域货邮吞吐量变化情况Fig. 6 Variation of cargo and mail throughput of airports in sevenmajor regions of China from 2008 to 2017
1.4 飞机起降架次
图7为近10年我国机场飞机起降架次变化情况。由图7可见,我国机场飞机起降架次从2008年的422.6万架次增加到2017年的1 024.9万架次,10年平均增长率为10.3%,2009年增长速度最高为14.5%;从飞机起降架次结构来看,近10年来国内飞机起降一直占主导地位,2017年国内飞机起降架次为918.8万架次,占比为89.6%,国际飞机起降架次占比也处于增长趋势,港澳台地区飞机起降架次一直保持在2%左右。
图7 2008—2017年我国机场飞机起降架次变化情况Fig. 7 Variation of aircraft take-off and landing sorties in China from2008 to 2017
图8为近10年中国7大区域货邮吞吐量变化情况。由图8可见,近10年各大区域飞机起降架次总体都在持续的增长,华东地区与中南地区仍然是飞机起降架次分布较多的地区;从增长速度看,新疆地区增长速度最快,近10年平均增长率为18.0%,华东地区增长最慢,10年平均增长率为9.3%,华北地区10年平均增长率为9.4%。
图8 2008—2017年中国7大区域货邮吞吐量变化情况Fig. 8 Variation of aircraft take-off and landing sorties in seven majorregions of China from 2008 to 2017
2 采用分析方法
笔者采用面向投入的超效率DEA-Malmquist模型作为主要的分析方法。数据包络分析法DEA是一种用来分析决策单元多投入多产出相对效率的方法,是由著名运筹学家和等学者提出,后人在此基础上进行推广和改进。
2.1 CCR模型
CCR是DEA的传统模型之一,同时也是DEA方法第1个模型,用来计算决策单元之间的相对效率。CCR模型可以分为输入CCR与输出CCR两种类型,可以从两种角度对决策单元(x0,y0)相对效率进行分析评价。笔者选取基于投入角度的CCR模型,其具体线性规划式如式(1):
式中:hj0为相对效率值,也称为效率指数,表示其生产率与最大生产率的比值。当hj0<1时,说明决策单元为无效,或称为弱有效,当hj0=1时,说明决策单元为有效。hj0的表达式如式(2):
为方便求解,使用对偶规划将式(1)进行转化,并引入正负偏差量s-和s+,如式(3):
在式(3)的基础上,进一步加入非阿基米德无穷小量ε的概念,且ε是1个大于0但小于任何正数的数。加入ε的目的是防止在最优解中出现值为0的现象,保证变量能够严格大于0,具体如式(4):
在式(4)中,当时,如果θ=1,那么决策单元为有效;当时,如果θ=1,那么决策单元仅为弱有效;当θ<1时,决策单元为无效。
2.2 超效率DEA模型
传统DEA在对决策单元评价时,可能会出现多个决策单元均呈现DEA有效的情况,从而无法对这些决策单元进行比较。针对这一问题,研究者对CCR模型进行了改进,从而可以对有效的决策单元进行排序,改进后的模型被称为超效率DEA模型。具体如式(5):
文章来源:《交通运输工程学报》 网址: http://www.jtysgcxb.cn/qikandaodu/2020/1024/406.html