中国航空公司配置效率及其影响因素研究

杨秀云，朱贻宁，毛舒怡

（1.西安交通大学 经济与金融学院，陕西 西安710061；2.西安财经学院 研究生部，陕西 西安710100）

一、引 言

21世纪以来，中国民用航空运输行业蓬勃发展①本文所研究的民用航空运输企业不包括通用类航空公司。，截至2013年，中国民航企业运输总收入达到了3 640.13亿元，是2001年的7.14倍；总周转量达到6 717.2亿吨公里，是2001年的4.75倍；运输类飞机合计2 145架，如果不考虑机型，仅从数量而言，是2001年的3.79倍；全行业平均正班载运率为72.2%，比2001年提高23%②数据来源于中国民用航空局统计数据，http：／／www.caac.gov.cn／I1／K3／201406／P020140623612275082363.pdf。。由于航空运输的舒适度和快捷便利，消费者越来越多地选择乘坐民航客机出行。

随着航空公司业务量的激增，各种经营问题也随之出现。比如，较高的航班延误率是消费者投诉的重点。首先，2013年中国航空公司平均正班客座率为72.2%③数据来源于美国联邦航空管理局统计数据，http：／／www.rita.dot.gov／bts／press＿releases／bts013＿14。，低于美国航空公司83.5% 的正常客座率水平，这从侧面反映了航空公司航线设置、飞机配置以及机组成员搭配不合理，调整能力较弱；其次，2013年中国民航飞机的平均日利用率为9.53小时，远低于欧美市场12小时的平均日利用率水平，说明资本要素的投入并没有完全得到有效利用，缺乏足够的机组等劳动力资源与其匹配，且资本和劳动力的配置比例不合理。这些问题都反映出中国航空公司存在配置低效率状态，导致部分生产要素无效投入。对于东航、南航和国航这3家国有航空公司而言，2013年主营业务成本平均值为477.07亿元，飞机、薪酬和航油的成本平均值分别为55.63亿元、98.55亿元和322.89亿元，如果投入要素配置比例合理，将会大幅度降低航空公司的成本。本研究将在测度航空公司配置效率水平的基础上，着重对影响航空公司配置效率水平的因素进行研究，并根据实证结果提出建议。

二、文献综述

配置效率是经济效率的一种形式，反映投入要素真实价格比率和投入要素影子价格比率之间的关系。当厂商生产商品或者提供服务时，希望使用更合理的要素投入比例，以降低厂商的成本水平。厂商配置效率的大小和其投入要素成本最小化水平息息相关。对行业配置效率的研究，可以从成本的视角分析微观企业的发展现状，进而全面了解整个行业的发展情况。

目前，对航空公司的配置效率进行研究的文献较少，且大部分集中在计量方法的研究上，学者们主要使用前沿分析的方法，从构建厂商的成本函数体系入手，利用参数法和非参数法对其进行测度和研究。由于对航空公司配置效率研究的文献极少，本文将对其他行业配置效率研究的相关文献予以述评。

所谓参数法，是部分学者通过使用随机前沿函数（下称SFA）的方法，通过构造厂商成本前沿面，对厂商的配置效率水平进行测度。李猛通过建立柯布—道格拉斯随机前沿生产函数，估算贵州三次产业的技术效率，发现贵州三次产业技术效率变化呈现出边际递减现象［1］。有学者发现，SFA更容易测度行业的技术效率。在实际中由于缺乏建立厂商投入要素影子价格的决定机制，SFA对配置效率的直接测度面临较大的困难。因此，Kumbhakar等人通过间接方法，将全要素生产率（TFP）的增长部分分解为技术效率、技术进步、规模效益以及配置效率四部分［2］。尽管基于TFP增长率分解的方法可以最终对技术效率和配置效率进行测度，但这一方法存在着较大的局限性：一方面，在产出和投入的度量单位不同时，计算TFP增长率较为困难；另一方面，需要选取全部的投入要素，否则仅仅是测度了偏要素生产率。

所谓非参数法，是相关学者为了克服缺乏厂商投入要素的影子价格信息，导致早期的SFA方法较难测度配置效率，从而使用的另一种方法。该方法主要通过数据包络分析（下称DEA）等方法和模糊函数形式来测度配置效率［3－5］。周五七利用DEA测度1998—2010年中国工业行业绿色TFP及其分解成份，研究发现：工业绿色TFP增长的动力主要来自技术进步［6］。Aly等证明了厂商的配置效率＝成本效率／技术效率，并使用DEA对美国银行业的配置效率进行研究，认为无论是单一制银行还是开设分行的银行，配置效率水平总体较低且差别不大［7］。Coelli等使用同样的方法，测度了1997年孟加拉人民共和国21个村庄407块农田的配置效率，认为旱季、雨季差别不大，并在此基础上进行了第二阶段的回归，认为家庭人口数量对配置效率的负影响最大［8］。

简言之，由于建立了关于配置效率的函数体系，参数法可以在测度配置效率的同时，得到相关投入要素价格之间的弹性关系，但对函数形式具有较为严格的要求，目前更多的研究集中于对计量方法的分析。非参数法虽然不需要严格假定函数形式，可以先测度技术效率和经济效率，再间接求得配置效率，但只能对截面数据进行分析，割裂了面板数据之间的联系。

本文结合上述两种方法各自的优点，拟使用SFA构建航空公司的生产体系和成本体系，分别测度其技术效率和成本效率，得到各投入要素之间的弹性关系，再根据配置效率＝成本效率／技术效率，间接测度航空公司的配置效率。在此基础上，本文还将对所得到的配置效率建立第二阶段的回归模型，试图找到对其产生影响的主要因素。

三、研究方法和数据来源

（一）研究方法

本文在对中国航空公司的配置效率及影响因素进行分析时，采用两阶段回归的方法。在第一阶段，使用SFA的方法，构建航空公司的生产体系和成本体系，分别对其技术效率和成本效率水平进行测度，最终求得航空公司的配置效率水平。配置效率、技术效率和成本效率之间关系见图1。

图1 配置效率、技术效率和成本效率的关系

据此，本文在第一阶段的研究中，利用上述三个效率之间的关系，通过配置效率＝成本效率／技术效率这个公式，对中国航空公司的配置效率进行测度。在第二阶段的研究中，通过构建面板数据的多元线性回归模型，利用GLS方法，从航空公司的公司规模、公司治理、日常运营、基地建设、国家对民航政策以及宏观经济环境等6个方面分析影响中国航空公司配置效率的相关因素。

（二）数据来源

航空公司在日常经营过程中，主要的投入要素分别是资本、劳动力以及航油。本文选取这三个要素作为投入变量，其中资本的绝大部分用于购买飞机，根据成本收益原则，用航空公司飞机每年折旧额来表示航空公司每年的资本投入。为更精确地描述航空公司对劳动力要素进行的投入，劳动力投入变量用航空公司总薪酬以及机组成员培训费用和后台人员销售提成等费用加总构成。航油投入变量则使用航空公司购买航油的支出来表示。同时，本文使用总周转量较为精确地描述航空公司运输业务的产出，以剔除航空公司其他诸如餐饮、住宿等其他业务的产出。

截至到2012年，中国航空公司的总体分析如下：东航全资子公司有上航、联合航空；南航控股厦门航空、汕头航空、珠海航空、贵州航空、重庆航空、河南航空，参股四川航空；国航控股深圳航空、澳门航空、大连航空、北京航空，参股山东航空、国泰航空；海南航空控股大新华航空，参股香港航空、天津航空、首都航空、西部航空、祥鹏航空。东航、南航、国航、海航这4家航空公司和其他21家航空公司有直接联系。同时，东航、南航、国航、海航、山航、上航这6家航空公司的总周转量在2012年占全国民航运输总周转量的86.68%，几乎涵盖了中国民航运输市场的绝大部分运力，可以反映中国民航运输企业的运营状况。

综合数据的可获得性，特别是由于各航空公司航油消耗量等宏观数据最新统计资料更新较慢的限制，本文选取包括东航、南航、国航、海航、山航、上航这6家上市航空公司作为研究样本，选取各自2001—2012年财务年报中的相关数据，对其相关效率水平进行研究。需要特别指出的是，国航2004年在纳斯达克上市，2001—2002年数据缺失；上航2009年成为东航全资子公司，2009—2012年的数据缺失。最后，为了消除价格因素的影响，本文的相关数据均通过CPI平减指数，转换为以2001年为基期的价格。

四、航空公司配置效率测度

（一）航空公司的技术效率水平测度

本文使用SFA构建Cobb－Douglas生产函数，对所选样本航空公司的技术效率进行测度，具体函数形式如下：

其中Y是航空公司的总周转量，K是航空公司飞机折旧，L是航空公司薪酬，F是航空公司航油支出，v是随机误差项，u是航空公司技术效率，且服从N（0，1）分布，β1、β2、β3是各变量的回归系数。

变量统计性描述结果见表1，各变量的最大值和最小值差距明显，说明本文所选取样本涵盖了不同规模的航空公司，能够较好地研究行业技术效率。此外，航空公司生产要素的投入均值从高到低依次是航油、资本和劳动力，航油投入比后两者之和还要大，占航空公司投入生产要素的绝大部分。

表1 航空公司生产要素统计性描述表

利用Frontier 4.1，对各航空公司的技术效率水平进行测度，回归结果见表2中生产函数部分，技术效率结果见表3中技术效率部分。由表2可知：

1.全部变量的回归系数均通过了显著水平为5%或1%的t检验，对数似然方程通过了概率为0.9的χ2分布。因此，回归模型结果的统计检验较为理想。

2.γ＝0.576说明在航空公司生产前沿水平和实际生产水平之间，存在57.6%的差距；根据TE＝e－μ，μ＝0.250说明技术效率水平在（0，1）之间。η＝0.083则意味着随着时间的推移，航空公司每年平均有8.3%的技术效率改进。

3.β1、β2和β3均为正数，表示随着航空公司投入要素的增加，产出亦相应增加。对产出影响由大到小排列的投入变量依次是：劳动力、航油和飞机折旧。特别在当年均购买飞机的支出增加1%而其他投入要素保持不变的情况下，航空公司的总周转量将增加6.1%。其他的投入变量亦可做类似解释。此外，根据β1＋β2＋β3＝0.890＜1，说明总体而言，航空运输行业存在轻微规模报酬递减的情况，近似规模报酬不变水平，差额部分与技术无效率有关。

表2 生产函数和成本函数SFA回归结果表

根据表3结果，6家样本航空公司的年平均技术效率为0.616，处于中等水平。大型航空公司的技术效率水高于中小型航空公司，最高的国航（0.804）约是最低的上航（0.432）的2倍。此外，从2001－2013年各航空公司的技术效率数值观察，存在着上升趋势。这说明各个航空公司均在通过各种方式，努力提升自己的技术效率水平，争取产出的最大化。

表3 航空公司技术效率、成本效率和配置效率结果表

（二）航空公司的成本效率水平测度

为了测度航空公司的配置效率，本文首先使用和上文相同的数据，通过构建航空公司的成本函数体系，测度航空公司的成本效率。在航空公司的成本函数中，产出依然是航空公司总周转量，各个投入要素（飞机、劳动力和航油）价格通过投入要素的支出除以投入数量得到，具体如下：

3.总成本（TC）是剔除诸如酒店、餐饮等业务成本后的运营成本，数值等于飞机折旧、薪酬和航油支出的总和，这样能够更加精确地表示航空公司运输业务成本。

这里同样使用Cobb－Douglas成本函数测度航空公司的成本效率。生产要素价格的均值从高到低依次是飞机、工资和航油，最大值和最小值差距明显，说明本文所选取样本覆盖各种规模的航空公司，能够较好地对航空公司成本效率进行研究。

基于Cobb－Douglas函数形式的航空公司成本函数模型为：

其中TC是航空公司成本，Y是航空公司总周转量，PK、PL和PF是航空公司飞机价格、薪酬和航油价格，v是随机误差项，u是航空公司技术效率，服从N（0，1）分布，β1、β2、β3、β4是各变量的回归系数。

利用Frontier4.1，对样本航空公司的成本效率进行测度，回归结果见表2中成本函数部分，成本效率结果见表3中成本效率部分。从表2可知：

第一，除了PK之外，其他回归系数均通过了显著水平为5%或者1%的t检验。对数似然方程（59.298）通过了概率为0.9的χ2分布。限于样本数量，PK系数未通过t检验是可能的，但由于飞机价格是航空公司成本函数中不可或缺的变量，因此不能予以剔除。总体而言，该回归模型结果的统计检验是可以接受的。

第二，γ＝0.439说明在航空公司生产前沿水平和实际生产水平之间，存在43.9%的差距，值得进一步研究。μ＝0.160说明成本效率水平在（0，1）之间。η＝0.091则意味着随着时间的推移，航空公司每年平均有9.1%的成本效率改进。

第三，β2、β3和β4均为正数，表示随着投入要素价格的增加，航空公司的成本也会相应增加。对成本的变动影响从大到小依次为：航油价格、飞机价格和劳动力薪酬，这与航空公司现实运营情况基本相符，航油是对其主营业务成本最大的影响因素。β1是航空公司总体规模报酬水平，它与生产函数所得到的结果基本吻合，近似接近规模报酬不变水平。

（三）航空公司的配置效率水平测度

在测度了航空公司技术效率和成本效率的基础上，根据配置效率＝成本效率／技术效率，计算样本航空公司的配置效率。在计算配置效率的过程中，出现了大于1的情况。理论上，配置效率的值应在［0，1］之间，但航空公司的配置效率测度存在例外。由于人民币汇率波动，会对飞机和航油价格产生较大影响，导致按照前期汇率水平间接计算的配置效率增大，有可能大于1。考虑到汇率因素对每个航空公司的要素价格均产生影响，其配置效率排序是不变的，因此本文选取根据样本所得到的配置效率最高数值作为基准1，其余配置效率除以基准配置效率值，得到航空公司相对配置效率水平，结果如表3中配置效率部分所示。

第一，6家航空公司平均配置效率为0.702，处于中等水平，其配置效率的排序与技术效率和成本效率的排序截然不同。配置效率水平最高的3家航空公司依次为上航、海航和山航，均为中小型航空公司。反之，大型航空公司的配置效率水平普遍偏低，国航最低。这反映了中小型航空公司更为审慎也较为容易安排原本有限的投入要素，配置效率较高。大型航空公司由于投入要素数量庞大，在经营中相对中小型航空公司，对资源的配置水平则较低。

第二，不同航空公司配置效率的趋势亦不相同，大型航空公司配置效率基本保持不变，中小型航空公司的配置效率则持续降低且有接近大型航空公司配置效率的趋势。这说明随着中小型航空公司的不断发展，规模的不断扩大导致其存在越来越多的生产要素无效率配置状态。

五、航空公司配置效率的影响因素

本文中航空公司的配置效率反映了航空公司生产投入要素配置水平较低，存在过度使用的现象，导致了航空公司的运营成本提高，因此有必要进一步研究影响航空公司配置效率的相关因素，并计算这些因素对配置效率的影响程度，进而有的放矢地予以改进，提升航空公司的配置效率水平。

（一）变量选取和模型构建

本文使用面板数据多元线性回归的方法，从研究航空公司自身内部角度以及外部经济环境角度对中国航空公司配置效率影响因素进行分析。同时，为了避免其他一些外部因素会对航空公司配置效率产生影响，本文还将设置控制变量对相关因素予以控制，使得分析更加严谨，也更具说服力。被解释变量即为航空公司配置效率。解释变量和控制变量的设置，具体如下：

1.解释变量

本文基于航空公司内部视角和宏观外部视角，从航空公司的公司规模、公司治理、日常运营、基地建设、国家行业政策以及外部宏观经济环境6个角度出发，选取合适的解释变量。

航空公司规模。本文所选取的样本航空公司，覆盖了大型、中型和小型航空公司，随着航空公司不断发展，规模日益扩大，航空公司的资本、劳动力和航油等生产要素的投入及配置均会发生一定的变化，不可避免会对航空公司的配置效率产生影响。本文使用航空公司的总资产（asset）作为航空公司规模的代理变量。

航空公司股权结构。该变量反映了航空公司资本结构的多样性，当资本构成复杂时，经营者将得到更多来自董事会不同的意见，会对生产要素的配置产生影响。本文使用航空公司总股本中的国有股持股比重（stateown）作为代理变量。

航空公司日常运营。航空公司的日常运营是通过飞机作为载体进行生产，转化成商品供客户消费的。这一生产过程，可以概括为飞行班次总数（flight）和飞行总时长（time）①飞行小时是指航空器靠自身动力开始滑行、起飞，到降落、滑回停机坪停止的时间。理论上航班班次和飞行小时是正向关系，但不存在线性关系，主要因为在各种外部因素的影响下，飞机飞行相同航线的时长并不相同。。两者不存在明确的正相关或者负相关关系，当航空公司航班班次增加时，通过优化航线，建设气象预判信息系统等方法，可能减少了飞行排队时间、空中盘旋时间等，可能飞行总时长反而呈现负增长。因此，本文同时选择这两个变量作为描述航空公司日常运营的代理变量。

航空公司基地建设。航空公司的基地是航空公司在全国某个地区（机场）的综合运营中心，建设一个良好的基地，可以最优化航空公司全部航线的总飞行时间，降低机队维护费用，有效地提升航空公司的配置效率。相反地，盲目追求基地数量，则可能对配置效率产生负面影响。本文选取航空公司基地数量（hub）作为代理变量。

国家行业政策。国家对中国航空运输行业的政策，通过中国航空器材集团公司（下称中航材）的购机行为得以体现，当积极宽松的政策出台，往往中航材会加大飞机采购量，进而会对航空公司的生产要素配置产生影响，反之亦然。本文使用中航材每年的购机总额（purchase）作为代理变量。

汇率（exchange rate）。航空公司购买主要生产要素飞机和航油，都是使用外币（如美元）结算，不可避免会受到汇率波动的影响，进而对航空公司配置效率产生影响。本文使用人民币兑美元汇率作为代理变量。

2.控制变量

除了上述6个核心的解释变量，还有其他一些因素也会对航空公司的配置效率水平产生影响。这种影响往往是航空公司短期内难以改变的，只能被动接受，短期内无法对其做出调整。本文将这些因素作为控制变量予以控制，使得相关的研究更加严谨，具有较强的说服力。具体的因素如下：

机组（包括飞行员和乘务员）人员占总员工人数比例（unit）。该变量反映了在不同航空公司内部员工配置的结构情况。

事故征候万时率（sign）。该变量反映了航空公司安全生产的水平。

投诉万分率（complaint）。该变量反映了航空公司的客户满意程度。

政府补贴（budget）。不同规模、不同所属国有资产管理部门管理的航空公司，面临各级政府不同的补贴项目和额度。这些补贴是各级政府根据不同的事项，不定期安排的财政资金。

航空公司总部所在城市的地区生产总值（GDP）。该变量描述的是航空公司总部所在城市的经济发展程度。随着中国社会经济的不断发展，航空公司对总部所在城市的依赖程度越来越小，其业务的拓展逐步向国内的一线、二线城市转移，利用大城市的枢纽机场建立航空公司的基地，拓展业务发展。

基于上述变量选择，建立回归模型如下：

其中被解释变量是配置效率（AE），解释变量和控制变量如上所述，εit是随机误差项，i表示第i个航空公司，t表示2001—2012年，β1，β2，…，β12是各变量的回归系数。

（二）模型统计性描述及相关检验

本文选取上述航空公司2001—2012年相关数据，统计性描述见表4。同时，为了分析结果的真实性，避免出现伪回归，对研究期内的非平衡面板数据进行了Fisher－ADF检验，检验结果见表5，显著通过检验，说明所使用数据和变量序列的线性组合是平稳时间序列。表6数据是6个样本公司12年数据，共计792个观测值。

表4 变量统计性描述表

表5 样本Fisher单位根检验表

表6 随机效应模型回归结果表

（三）估计结果

由于所选样本数据量所限，本文使用随机效应模型对中国航空公司配置效率的影响因素进行回归，实证结果如表6所示，其中前7个变量为解释变量，P＞｜z｜且均小于0.05，结果显著。后5个变量为控制变量，解释变量和控制变量的系数符号均具有经济学意义，总体拟合优度R2值为0.954 1，模型拟合水平较高，模型回归效果较为理想。

实证结果表明，航空公司的总资产和飞行班次增加以及国家出台更多的支持政策，可以提升航空公司的配置效率。国有股比重、飞行小时、基地数量以及汇率贬值会降低航空公司的配置效率。本文仍然从上述几个方面对配置效率的影响予以分析，具体如下：

1.航空公司规模和股权结构

研究表明，航空公司总资产的增加会提升配置效率，但和本文之前对配置效率测度所观测的结果有出入——大型航空公司的配置效率低于小型航空公司。国有股比重和配置效率的负向关系很好地解释了这一现象，三大航空公司的国有性质浓厚，资本结构较为固化，更加偏好根据政府的政策制定公司发展规划，对市场的反应不够敏锐，对配置效率的负面影响高于大型规模所带来的正面影响。

2.航空公司日常运营

研究表明，飞行班次和飞行小时对配置效率影响作用相异，前者为正，后者为负。该结论看似矛盾，却有较强的现实意义：随着航空公司对航线申请的增加，所执飞的飞行班次增加，在不显著增加投入要素成本的情况下，会使得其现有的机队、机组以及后台支持部门的产出增加，进而有效提升航空公司的配置效率。随着飞行时间的增加，配置效率反而降低，即飞行小时与配置效率具有反向关系，则说明目前航空公司在飞机使用方面存在配置无效率的情况。如果航空公司试图从日常经营的角度提升配置效率，这两个互为矛盾的因素必须同时考虑。

3.航空公司基地建设

研究表明，基地数量对航空公司配置效率存在负影响。这说明目前中国航空公司基地配置不合理，例如东航和南航在全国分别有15个和19个基地，虽然可以容纳更多的飞机停靠和过夜，但相应的技术保障、安全检查等投入要素也会增加，客观上降低了航空公司的配置效率。

4.国家行业政策

研究表明，国家支持政策（年度购机规模提升）对航空公司配置效率存在正影响，但是这种影响往往体现在购买飞机。根据上文的研究，飞机价格对配置效率的影响较劳动力和航油而言较小，因此国家积极的行业政策对航空公司配置效率的提升水平有限。

5.汇率

研究表明，人民币贬值对航空公司配置效率存在负影响。随着人民币的升值，航空公司购买飞机和航油的成本会减小，可以提升航空公司的配置效率。同时，该结果也解释了在人民币升值的影响下，前文中对配置效率测度时，后期相对前期的配置效率会有较大提升，以至于超过1。因此，本文使用相对配置效率统一测度口径是合理的，也是必要的。

此外，本文还设置了5个变量予以控制，虽然统计学指标没有通过检验，但其符号也有一定的经济学意义。机组成员占劳动力比重对配置效率有负影响，说明目前航空公司所招聘的后台支持部门工作人员比例可能失调，员工工作量可能过大，需要优化配置。事故征候万时率以及投诉率对配置效率具有负影响，则说明航空公司在运营过程中，必须对安全技术部门和客户服务部门的资源配置优化调整。虽然航空公司总部所在城市地区生产总值对航空公司配置效率有正影响，国家各级政府对航空公司的各项不定期补贴对配置效率有负影响（非市场手段干扰了市场的有效性），但航空公司没有能力对这些因素进行控制和调整，所以该结论仅仅具有一定的经济学意义，在航空公司实际运营中，可以认为它们是不可控的外部因素。

六、结论及建议

本文通过两阶段研究，测度了航空公司的配置效率水平，并且分析了对其产生影响的因素，得到了相关的结论。目前中国航空运输行业处于规模报酬不变水平，中小型航空公司比大型航空公司的配置效率水平高，但整体行业水平不高，有提升的空间。同时，相对于飞机价格而言，航空公司的成本对于劳动力价格和航油价格更加敏感。在此基础上，本文从企业、国家行业政策和宏观经济环境等6个视角对影响配置效率的因素进行了分析和检验，认为航空公司应该有针对性地做出相应改进，以提升配置效率水平，具体为：

1.在不影响国家控股的前提下，逐步降低国有股比重，优化股权结构，吸引更多的特别是民营资本投资，同时扩大公司总资产水平，进而提升配置效率水平。

2.优化航线，控制飞行时间。由于飞行班次和飞行时间对配置效率的作用相异，航空公司增加航线、班次的同时，必须对飞行时间的增加予以控制。因此，航空公司应该根据每条航线的上座率、潜在旅客人数，合理优化航线，部分上座率低的航线可以考虑改为隔日运营或者和其他航空公司代码共享，以降低总的飞行时间，实现双赢。同时，航空公司还应加强信息系统建设，尽可能早得到气象、军事空管等信息，提早预判航班正点概率，减少空中盘旋等待时间和飞行的总时间。

3.提升基地保障水平，控制基地数量。基地数目的增加，对航空公司的配置效率产生负影响，因此，航空公司必须审慎地对待基地建设。一方面，对现有的基地，应当提升技术水平和保障能力，要和其他航空公司加强业务联系，争取在北京首都机场、上海浦东机场、广州新白云机场、成都双流机场等大型枢纽机场共建和共享维护团队，提高配置效率；另一方面，航空公司应在测度经济效益和配置效率水平的基础上，充分考虑各种因素，谨慎地建设新基地。

4.增加对金融市场分析的投入。由于人民币贬值对配置效率具有负影响，因此航空公司必须对这一因素充分重视。此外，上文分析得出，大型航空公司由于有金融市场分析部门，利用各种金融衍生工具，进行套期保值，规避汇率风险，进而降低航油和飞机的购买费用。中小型航空公司没有条件成立金融市场分析部门，则应加大这部分的研究投入，通过设立研究课题或者购买分析报告等方式，与科研院所合作，掌握国际外汇、成品油等市场动态信息，降低汇率因素所带来的额外成本支出，最终提升配置效率水平。

由于国家需要平衡各个行业的发展水平，优先向教育、新能源等领域投入资金，短时间内不可能大幅度提高对民航运输企业的扶持力度，所以从现实角度出发，航空公司应立足自身发展程度，合理优化包括公司治理、运营、基地建设和金融市场分析等方面的资源投入水平，提升自身的配置效率水平。

［1］ 李猛.欠发达地区技术效率变迁机制研究——以贵州为例证［J］.统计与信息论坛，2012（5）.

［2］ Kumbhakar，Denny，Fuss.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.效率增进与技术进步对绿色生产率增长的影响——来自中国36个两位数工业行业的实证［J］.统计与信息论坛，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）.