中国航空物流业高质量发展效率影响因素组态与路径研究——基于中国31个省份的fsQCA分析

连文浩，褚衍昌，严子淳

（1.塔里木大学 经济与管理学院，新疆 阿拉尔 843300；2.中国民航大学 经济与管理学院，天津 300300；3.北京邮电大学 经济与管理学院，北京 100876）

0 引言

十九大报告明确指出“我国经济已由高速增长阶段转向高质量发展阶段”，这表明当前乃至将来的一个阶段，我国经济发展将围绕高质量这一主题展开。步入新时代后，我国经济和产业实现高质量发展愈发重要，航空物流业作为支撑我国经济社会发展的重要战略性产业，其高质量发展对我国深度参与国际分工与合作，实现经济结构转型升级和加快推进民航强国建设具有重要意义［1］。航空物流业高质量发展对稳定产业链和供应链，补齐在新冠肺炎疫情防控中暴露出我国航空货运体系存在的短板和弱项具有重要意义。同时，航空物流业的高质量发展对于加快构建完整的内需体系，逐步形成以国内大循环为主体，国内国际双循环相互促进的新发展格局，培育新形势下我国参与国际合作和竞争新优势也具有重大现实意义。航空物流业高质量发展效率受多个因素影响，研究其影响因素组态与路径，可以更好地厘清我国航空物流业高质量发展效率有效提升的多重因果逻辑关系。

1 文献回顾

当前学术界对物流业高质量发展效率的相关研究有很多。首先是物流业高质量发展水平测度方面。肖建辉［2］指出我国物流业高质量发展可从物流服务水平、物流成本、可持续发展等方面发力；克琴［3］从规模效应、动力效应、网络化效应等方面构建了商贸流通业高质量发展评价指标体系；王鹏等［4］认为物流业高质量发展主要受经济发展基础、物流运载能力、技术创新能力等方面的影响；林双娇等［5］指出影响物流业高质量发展的因素为物流运行规模、物流供给质量、物流发展效应、物流发展代价4个方面。其次是物流业发展效率测算方面。Schinnar［6］运用DEA模型对物流企业运作效率进行了评价，从此该方法被广泛地应用到各个行业及领域效率的测算中；秦雯［7］采用三阶段DEA 模型对粤港澳大湾区的物流效率进行了测算，结果表明区域内物流发展不均衡，香港和广州物流发展较好；潘立军等［8］运用超效率DEA 模型对长株潭区域物流的超效率值进行了测算，结果表明区域物流的整体效率呈逐年提升态势；郑金娥等［9］利用DEA - BCC 模型对长江经济带省域物流效率进行了测算，发现带内物流存在重复建设等制约物流效率提升因素；汪文生等［10］基于三阶段DEA 模型测算了环渤海区域物流效率，其研究结果表明物流效率受环境因素影响较为显著。第三，有学者在物流效率测算的基础上研究其影响因素。韩东亚等［11］运用SFA 分析方法测算了80 家物流企业的效率，随后运用回归分析方法分析了影响物流企业运作效率的因素，总结出管理人员所占比例、固定资产比重等是其主要影响因素；张云宁等［12］采用三阶段DEA评价模型对长江保护区内物流效率进行了测算，并采用Tobit 回归模型对影响物流效率因素进行了分析；李娟等［13］首先采用SBM模型测算我国西部地区物流发展效率，随后采用Tobit回归模型对影响物流效率的因素进行了分析，结果表明物流效率受内外多重因素的影响；张瑞等［14］同样采用SBM 模型对我国物流业的能源生态效率进行了测算，并使用PVAR 模型对其影响因素进行了研究，指出地方经济发展水平和政府支持对能源效率发展有着正向推动作用。

总体来看，当前学者对物流效率的测算及其影响因素分析取得了丰硕的研究成果，但在两个方面仍需要进一步研究和拓展：一是在物流效率测算方面，当前学者大多采用DEA 模型进行测度，使得各决策单元不同时期之间的产出效率无法进行对比分析，也就无法对物流效率的变动特征进行精准分析；二是在影响物流效率因素的研究方面，当前学者通常采用回归分析的方法，分析某一因素是否对物流效率有显著影响，缺乏对影响因素必要性的分析，也缺乏从整体角度系统分析因素组合效应。而物流业效率受多重因素的交叉影响，同时各因素与产出效率并非简单的线性关系。

基于国内外已有研究基础，本文首先采用DEA- Malmquist指数分析法测度2011—2020 年31 个省份（未包含香港特别行政区、澳门特别行政区和台湾地区）航空物流产业高质量发展效率，并以2020 年我国航空物流业高质量发展效率值作为结果变量，采用fsQCA方法，从经济发展支撑、基础设施保障、政府政策支持3 个方面选取8 个因素作为前因变量，通过组态思维，探讨影响我国航空物流业高质量发展效率的因素，系统分析各影响因素之间的交互作用，从而深入把握不同的因素组态对我国航空物流业高质量发展效率的多元路径，为提高我国航空物流业高质量发展效率提供相应的策略，以期为提升我国航空物流产业效率提供理论参考。

2 研究方法、变量选取与数据来源

2.1 研究方法

将Malmquist指数分解为技术效率指数和技术进步指数，技术效率指数分解为纯技术效率和规模技术效率，由此可以发现影响Malmquist 指数变化的关键因素，表达式如下：

技术效率指数：

fsQCA：fsQCA是Ragin 基于模糊数学和QCA 分析方法提出的［15］，其利用定性分析与定量分析相结合的方法分析多个前因变量组合对结果变量的复杂影响。本文采用fsQCA方法来分析影响航空物流业高质量发展效率的因素主要基于以下考虑：①影响我国航空物流业高质量发展效率的因素较为复杂，非单一因素作用，各因素之间相互影响，而fsQCA 可以从整体关系出发探讨多因素对航空物流业高质量发展效率的影响。②航空物流业高质量发展的实现路径可能有很多，即不同前因变量组成的不同路径都可能会实现航空物流业高质量发展，存在多种最优策略组合，而fsQCA 方法认为同一结果可以由不同的路径产生，这更加符合我国航空物流业高质量发展的实际。③fsQCA 分析方法结合了定性分析和定量分析的优势，主要用于中小样本的分析研究，适合于本研究的需要。因此，本文采用fsQCA 分析方法探究不同的因素组态对我国航空物流业高质量发展效率的多元路径，为提高我国航空物流业高质量发展效率提供相应的策略。

2.2 指标及变量选取

考虑到数据的可获得性和我国航空物流业发展实际情况，结合前文文献综述中相关学者对物流效率测度的指标选取，构建我国航空物流业高质量发展效率测度投入产出指标体系（表1）。

表1 航空物流业高质量发展效率测度投入产出指标体系Table 1 High quality development efficiency measurement index system of aviation logistics industry

结合前文综述中对物流运作效率影响因素的研究结果，参考相关学者对航空物流的相关研究［1，16-18］，发现有关航空物流业高质量发展效率的影响因素主要集中在经济发展支撑、基础设施保障、政府政策支持3 个方面：①经济发展支撑方面，选取地区生产总值和居民人均消费支出作为测度指标。②基础设施保障方面，选取高等级机场数量（这里指4E等级以上机场数量）、货运航线数量（这里仅统计4E以上机场，因航空货运量很大部分为客机腹仓带货，且4E以上机场航空货运量占我国航空货运量的85%以上，故此处为客运航线和专门货运航线之和）、通航城市数量（这里仅统计4E以上机场通航城市数量）作为测度指标。③政府政策支持方面，选取国家一类航空口岸数量、特殊监管区域数量（这里指临空经济区、保税区、自由贸易试验区数量）、通关便利型机场数量（这里指具备“7 × 24h”“全时段”通关机场数量）作为测度指标。选取以上8 个变量作为fsQCA分析中的前因变量，将2020 年的我国航空物流业高质量发展效率测度结果作为结果变量，具体变量选择如表2 所示。

表2 fsQCA变量选取Table 2 fsQCA variable selection

2.3 数据来源

本文所采用的相关数据来自《中国统计年鉴》（2011—2021 年）、各省份统计年鉴（2012—2020 年）、各省市国民经济和社会发展统计公报（2011—2020年）、《中国民航机场生产统计公报》（2011—2020年）、飞常准（VariFlight）及相关官网获取。

3 数据分析与实证结果

3.1 DEA-Malmquist指数结果分析

运用DEAP2.1 软件测算出2011—2020 年我国31个省份（因数据收集原因，故未包含香港特别行政区、澳门特别行政区和台湾地区）航空物流业高质量发展的全要素生产率，结果如表3 所示。从表3可见，就2011—2020 年整体情况来看，我国航空物流业高质量发展呈不断上升态势，这和我国不断加快航空物流体系建设是分不开的。从近10 年的均值来看，全要素生产率高于1 的省市依次为上海、广东、北京、江苏、河南，这与上海浦东机场、深圳宝安机场的航空货运吞吐量、航空货运基础设施、周边航空偏好型企业集聚是密不可分的。就2020 年情况来看，全要素生产率排名前五位的省市依次为上海、广东、北京、河南、江苏。可见，不管是近10 年的均值还是2020 年的情况，全要素生产率较高的省市均为上海、广东、北京、河南、江苏。仔细梳理分析发现，这5 个省市航空物流业高质量发展效率之所以高各有原因，它们有的是本身航空货源集聚能力较强，有的是政府政策支持力度比较大，有的是地理位置得天独厚，空铁、海空联运较为便利。为了进一步探究航空物流业高质量发展效率受到哪些因素的何种影响，本文将采用fsQCA方法做进一步分析。

表3 2011—2020 年中国航空物流业高质量发展全要素生产率测度值Table 3 Total factor productivity measurement for high- quality development of China's aviation logistics industry，2011-2020

3.2 数据校准

在使用fsQCA 方法进行分析前，对前因变量和结果变量进行校准，每个变量设置3 个锚点，即完全隶属点、交叉隶属点与完全不隶属点，根据本文研究实际，参考相关文献［19］，分别选取变量数据的0.05、0.5、0.95 分位作为完全不隶属点、交叉隶属点与完全隶属点。此外，根据Ragin［20］和Greckhamer［21］的研究成果，本文在数据校准过程中为避免出现校准后变量数值为0.5 的情况（此情况会导致数据丢失，影响结果的准确性），将0.5 改为0.49 或0.51，各变量锚点选择如表4 所示。

表4 各变量校准锚点Table 4 Calibration anchor points for each variable

3.3 单变量必要性分析

在使用fsQCA 方法进行组态分析之前，还需要对前因条件进行一致性检验。根据以往学者的研究，当前因条件的一致性大于0.9 时则认为该条件为必要性条件［22-24］。前因条件必要性检验结果如表5 所示，从表5 可见，前因变量的一致性检验结果没有大于0.9 的，意味着单个经济发展支撑、基础设施保障、政府政策支持对航空物流业高质量发展效率高低的解释力比较弱，无法构成充分条件。由此也可以看出，航空物流业高质量发展效率的高低取决于多个前因条件所形成的复杂组态，而非单一因素所能形成的。

表5 单因素必要性分析结果Table 5 Results of single factor necessity analysis

3.4 路径分析

在进行路径分析之前需要将各个条件变量的模糊值转化为更加清晰的值来进行分析，因此需要构建真值表来进行分析。故将前因变量模糊值导入到fsQCA3.0 软件中，采用软件中的模块进行计算。借鉴以往学者的做法［25-27］将一致性的阈值设置为0.8，案例阈值设置为1，得到真值表（表6），对真值表中结果进行核算发现不存在矛盾组合，即可以进行后面的组态分析。

表6 真值表Table 6 Truth table

fsQCA解的结果通常包括复杂解、中间解和简单解在内的3 种解，由于复杂解中包含过多无用甚至是反事实的组合，本文根据中间解并结合简单解做出分析。根据中间解和简单解做出的路径组合如表7 所示，其对应的区域分布如表8 所示。从表7可见，我国航空物流业高质量效率提升共有4 种提升路径，这说明了航空物流业高质量发展效率是受多种因素影响且殊途同归的［15］。这3 种组态的总体一致性达0.804，总体覆盖率达到0.778，说明这3种组态对结果变量有比较强的解释力度。

表7 航空物流业高质量发展效率提升路径组态Table 7 High- quality development and efficiency improvement path configuration of aviation logistics industry

（续表7）

表8 航空物流业高质量发展效率提升路径区域分布Table 8 Regional distribution of high- quality development and efficiency improvement paths of aviation logistics industry

综合表7 中航空物流业高质量发展效率提升路径组态，对不同路径组态进行对比分析：①政府政策驱动型。该路径起核心作用的要素是特殊监管区域数量，货运航线数量、国家一类航空口岸数量和通关便利型机场数量为辅助核心要素，说明特殊监管区域数量的多少对我国航空物流业高质量发展效率的影响较大。该路径的代表省市有河南、天津、江苏。该路径下的省市普遍具有特殊监管区域数量多、货运航线数量多、具备全天候通关能力等特点；同时，该路径对高等级机场数量不做要求。例如河南地理位置并不具备优势，但区域内有郑州新郑综合保税区，它既是一个高端制造业集聚区，同时也是临港型商展交易区，这样就可以集聚航空偏好型产业，壮大发展航空物流产业。中国民用航空局、河南省政府于出台《郑州国际航空货运枢纽战略规划》，将郑州机场建设成为国际航空货运枢纽。天津区域内有天津港保税区、自由贸易试验区，同时天津正在积极打造天津航空口岸大通关基地，着力建设京津冀航空服务贸易集散地，服务京津冀一体化战略，疏解北京非首都功能。为此，2017 年国家发改委和中国民用航空局出台了《推进京津冀民航协同发展实施意见》，指出将天津建设成为我国国际航空物流中心，这一系列政策的出台有效提高了区域内航空物流业高质量发展效率。②基础设施驱动型。该路径起核心作用的要素是高等级机场数量，通航城市数量和通关便利型机场数量为辅助核心要素。说明高等级机场的数量对我国航空物流业高质量发展效率的影响较大。该路径的代表省份有山东、江苏、广东，该路径下的省市普遍具有高等级机场数量多、通航城市数量多、具备全天候通关能力等特点；同时，该路径对特殊监管区域的数量不做要求。例如山东拥有4E等级以上机场3 座，江苏拥有4E等级以上机场4座。③经济发展＋基础设施＋政府政策驱动型。该路径起核心作用的要素是地区生产总值、货运航线数量、通关便利型机场数量，通航城市数量为辅助核心要素，说明地区生产总值和货运航线数量对我国航空物流业高质量发展效率的影响较大，该路径的代表省市有上海、北京、浙江、广东。该路径下的省市普遍具有经济实力较强、货运航线数量、通航城市都比较多等特点。同时，该路径对国家一类航空口岸数量不做要求。如北京、上海都是“一市两场”，航线网络通达全球，且上海、广东具有完备的以航空运输为主导的多式联运体系、航空物流集疏运体系，逐渐形成了区域内各种资源的集约配置平台，为以高端制造业、航空航天、医药等航空偏好型产业服务为主的平台。

4 结论与建议

4.1 结论

本文以我国31 个省份为样本，首先运用DEAMalmquist 指数分析法对样本省份2011—2020 年航空物流业高质量发展效率进行了测度，发现我国航空物流业高质量发展效率近年呈不断增长态势，其中，北京、上海、广东、江苏、河南等省市的平均效率和2020 年效率均位于全国前列。随后以各地2020年航空物流业高质量发展效率作为结果变量，从经济发展支撑、基础设施保障、政府政策3 个方面选取8 个因素作为前因变量，采用fsQCA 分析方法，通过组态思维，探讨影响我国航空物流业高质量发展效率的因素。主要结论如下：①存在3 条提升我国航空物流业高质量发展效率的路径，分别是政府政策驱动路径、基础设施驱动路径、经济发展＋基础设施＋政府政策驱动路径，这3 条路径各自有着不同的核心要素，因此，各地应根据自身实际情况，走适合于自身发展的路径。②fsQCA 结果表明，提升我国航空物流业高质量发展效率的核心要素有地区生产总值、高等级机场数量、货运航线数量、特殊监管区域数量、通关便利型机场数量（居民人均消费支出这一要素没有出现，可见该要素对提升我国航空物流业高质量发展效率也就可有可无），通航城市数量、国家一类航空口岸数量为辅助核心要素。

4.2 建议

根据研究结论，为提升我国航空物流业高质量发展效率，提出以下建议：①河南、天津、江苏、江西、山东等省市要积极发展临空经济，集聚航空偏好型产业，发挥航空物流自身的带动作用，发展具有临空指向性的高端产业，并以此来吸引高端要素集聚，大力发展包括航空设备维修及制造、精密机械设备、生物医药等在内的高端制造业，使区域内成为生产和消费供应链的重要节点，进一步形成具有竞争力的空港产业体系。发展包括专业会展、航空金融、高端商贸、总部经济在内的综合性的现代服务业，使区域内成为产业创新中心和外向型的经济发展平台，带动高端制造业与现代服务业有效结合，加快航空物流和上下游产业融合发展。②浙江、广东、湖北等省市要加强与民航局、发改委等政府部门和航空公司等合作沟通，积极申请新开、优化客货运航线，积极申请开通第五航权，这样可进一步在全球范围内扩大航线网络，增强航空货运的集疏运能力。在通关环境方面，要改善国内、国际货运通关环境，充分利用夜间时刻增加航空公司的客货运航线，进一步挖掘航空货运发展潜力，优化航空公司在运力方面的安排，提高航空公司、机场的利用率。在特殊监管区域方面，要积极推进保税物流中心、综合保税区、自由贸易试验区等建设，构建开放型的空港经济体系。③北京、上海等地要积极整合资源，努力打造世界级的航空货运走廊，同时完善“一市两场”功能布局。上海作为国际航空货运枢纽，要充分利用基地航空公司优势，扩大货运航线网络，使其在航空货运方面投入更多的动力，将航空货运进一步辐射至江浙区域。在地理位置方面，要发挥洋山深水港和空港、铁路和高速公路的联运优势。在“一市两场”方面，浦东机场和虹桥机场、首都机场和大兴机场要利用好各自的优势，形成功能互补的航空货运枢纽。北京还要积极和天津、河北合作，加快航空物流业转型升级，将低端航空货物转移至天津、河北，以达到疏解北京的非首都功能。