عملکرد و بهره وری سیستم های حمل و نقل هوایی منطقه ای در چین

چکیده

ساخت و بهره برداری از سیستم های حمل و نقل هوایی (ATS) نیاز به سرمایه گذاری هنگفت دارد، بنابراین عملکرد آن نگرانی گسترده ای دارد. هنگام ارزیابی عملکرد ATS باید تأثیر عوامل اجتماعی و اقتصادی در مناطق مختلف در نظر گرفته شود. در این مقاله، مدلی ترکیبی از تجزیه و تحلیل پوششی داده‌ها، تحلیل مرزی تصادفی، و تکنیک راه‌انداز برای ارزیابی عملکرد واقعی سیستم حمل‌ونقل هوایی در چین اتخاذ شده است. نتایج ارزیابی عملکرد ATS را در مناطق مختلف نشان می دهد. ثابت شده است که عوامل اجتماعی و اقتصادی بر کارایی ATS استان تأثیر می گذارد. کارایی مقیاس اصلی ترین عاملی است که کارایی ATS چین را محدود می کند. تغییرات تکنولوژیکی روند بهره وری کل عوامل ATS را تعیین کرده است. نتایج تحقیق ممکن است دلالت بر این داشته باشد که می‌توان با اصلاح محدودیت‌های فضای هوایی و شرایط نظارتی که محدودیت‌های قابل‌توجهی را بر ATS تحمیل می‌کند، به بهبودهایی دست یافت. اهمیت استراتژی توسعه فناوری ATS و مشروعیت سیاست نوسازی حمل و نقل هوایی نیز مورد حمایت قرار می گیرد.

کلید واژه ها:

سیستم حمل و نقل هوایی ؛ ارزیابی عملکرد ; تجزیه و تحلیل پوششی داده ها ; بوت استرپ Malmquist

1. مقدمه

تأثیر اقتصادی هوانوردی بر اقتصادهای جهانی بسیار مهم است – حمایت از 63 میلیون شغل و زیربنای 2.7 تریلیون دلار در فعالیت اقتصادی [ 1 ] . علیرغم اهمیت هوانوردی برای اقتصاد، دولت ها در گسترش و ارتقاء سیستم حمل و نقل هوایی (ATS) محتاط بوده اند. در سال‌های اخیر، بسیاری از پروژه‌های ساخت‌وساز حمل‌ونقل هوایی بارها مورد بحث یا تأخیر قرار گرفته‌اند، زیرا دولت و مردم از عملکرد سرمایه‌گذاری‌های عظیم در صنعت حمل‌ونقل هوایی مطمئن نیستند. در عین حال، دولت ها به اندازه کافی سریع زیرساخت های مهم حمل و نقل هوایی را ایجاد نمی کنند تا با تقاضا همگام شوند [ 1]. به عنوان مثال، توسعه فرودگاه هیترو لندن برای مدت طولانی توسط مخالفان مداوم متوقف شده است. در سال 2018، دولت مکزیک از لغو طرح ساخت فرودگاه مرکزی جدید در مکزیکوسیتی خبر داد. عدم گسترش عمده فرودگاه در سال 2018 بر اهمیت به حداکثر رساندن بهره وری زیرساخت های موجود تأکید می کند [ 2 ]. برای بسیاری از خطوط هوایی، تجارت روزانه با افزایش قیمت سوخت و سایر نهاده‌ها و کاهش حاشیه‌ها، یک چالش است. بنابراین، برنامه های ناوگان حیاتی آنها باید با احتیاط بیشتری انجام شود [ 1 ]. در چنین زمینه‌ای، دانش در مورد عملکرد ATS برای برنامه‌ریزان و تنظیم‌کننده‌ها و همچنین بازیگران اصلی هوانوردی غیرنظامی برای بهبود کیفیت تصمیم‌های آتی مهم است.

در سال های 2013 تا 2017، ATS چین به طور متوسط سالانه 44 میلیون سفر مسافر و 6.32 میلیون تن بار و حمل و نقل پستی را انجام داد و آن را به دومین بازار حمل و نقل هوایی جهان تبدیل کرد. در همان زمان، سرمایه گذاری دارایی ثابت در ATS چین 27 میلیارد دلار در سال بود و از 35.3 میلیارد دلار در سال 2017 فراتر رفت. ]]. رشد سریع حمل و نقل هوایی با ورودی منابع عظیم همراه است. برای بهبود کیفیت توسعه صنعت حمل و نقل هوایی، ارزیابی عملکرد سرمایه گذاری و بهره وری در این صنعت مفید است. نتایج ارزیابی می تواند به بهبود عملکرد ATS و ارتقای توسعه پایدار آن کمک کند. اصطلاح “سیستم حمل و نقل هوایی” (ATS) در این مقاله به حمل و نقل هوایی مسافر و بار، فعالیت های پشتیبانی حمل و نقل هوایی (فرودگاه ها، مدیریت ترافیک هوایی و سایر فعالیت های پشتیبانی حمل و نقل هوایی) و خدمات عمومی هوانوردی اشاره دارد. تامین ظرفیت حمل و نقل هوایی در یک منطقه به طور مشترک توسط همه این جنبه ها تعیین می شود. ادبیات زیادی در مورد اجرای فرودگاه یا خطوط هوایی وجود داشته است. با این حال، هنگام اتخاذ استراتژی های توسعه و تصمیم گیری های سرمایه گذاری، درک نه تنها کارایی فرودگاه ها و خطوط هوایی، بلکه کارایی و بهره وری کل سیستم نیز مفید خواهد بود. برای مثال، زمانی که دولت‌های مرکزی و محلی برنامه‌های بلندمدت توسعه هوانوردی غیرنظامی را انجام می‌دهند، باید عملکرد ATS را در مناطق مختلف بدانند. با توجه به ورودی منابع عظیم در توسعه هوانوردی غیرنظامی، رقابت بین مناطق برای سرمایه گذاری وجود دارد. لازم است کارایی سرمایه گذاری در مناطق مختلف را درک کرد تا سرمایه گذاری عظیم در ATS را کاملاً بازی کند. علاوه بر دولت‌ها، شرکت‌کنندگان عمده ATS، مانند شرکت‌های فرودگاهی و خطوط هوایی محلی، نیز می‌توانند با بهره‌گیری از دانش در مورد عملکرد، تصمیم‌گیری خود را بهبود بخشند. برای مثال، زمانی که دولت‌های مرکزی و محلی برنامه‌های بلندمدت توسعه هوانوردی غیرنظامی را انجام می‌دهند، باید عملکرد ATS را در مناطق مختلف بدانند. با توجه به ورودی منابع عظیم در توسعه هوانوردی غیرنظامی، رقابت بین مناطق برای سرمایه گذاری وجود دارد. لازم است کارایی سرمایه گذاری در مناطق مختلف را درک کرد تا سرمایه گذاری عظیم در ATS را کاملاً بازی کند. علاوه بر دولت‌ها، شرکت‌کنندگان عمده ATS، مانند شرکت‌های فرودگاهی و خطوط هوایی محلی، نیز می‌توانند با بهره‌گیری از دانش در مورد عملکرد، تصمیم‌گیری خود را بهبود بخشند. برای مثال، زمانی که دولت‌های مرکزی و محلی برنامه‌های بلندمدت توسعه هوانوردی غیرنظامی را انجام می‌دهند، باید عملکرد ATS را در مناطق مختلف بدانند. با توجه به ورودی منابع عظیم در توسعه هوانوردی غیرنظامی، رقابت بین مناطق برای سرمایه گذاری وجود دارد. لازم است کارایی سرمایه گذاری در مناطق مختلف را درک کرد تا سرمایه گذاری عظیم در ATS را کاملاً بازی کند. علاوه بر دولت‌ها، شرکت‌کنندگان عمده ATS، مانند شرکت‌های فرودگاهی و خطوط هوایی محلی، نیز می‌توانند با بهره‌گیری از دانش در مورد عملکرد، تصمیم‌گیری خود را بهبود بخشند. رقابت بین مناطق برای سرمایه گذاری وجود دارد. لازم است کارایی سرمایه گذاری در مناطق مختلف را درک کرد تا سرمایه گذاری عظیم در ATS را کاملاً بازی کند. علاوه بر دولت‌ها، شرکت‌کنندگان عمده ATS، مانند شرکت‌های فرودگاهی و خطوط هوایی محلی، نیز می‌توانند با بهره‌گیری از دانش در مورد عملکرد، تصمیم‌گیری خود را بهبود بخشند. رقابت بین مناطق برای سرمایه گذاری وجود دارد. لازم است کارایی سرمایه گذاری در مناطق مختلف را درک کرد تا سرمایه گذاری عظیم در ATS را کاملاً بازی کند. علاوه بر دولت‌ها، شرکت‌کنندگان عمده ATS، مانند شرکت‌های فرودگاهی و خطوط هوایی محلی، نیز می‌توانند با بهره‌گیری از دانش در مورد عملکرد، تصمیم‌گیری خود را بهبود بخشند.

پیشینه دیگر این است که قبل از سال 2002، سرمایه گذاری و ساخت ATS چین عمدتاً توسط دولت مرکزی تأمین می شد و توسعه نسبتاً کند بود. پس از اصلاح سیستم هوانوردی غیرنظامی در سال 2002، ATS در استان های چین به طور مشترک توسط دولت های مرکزی و محلی شروع به سرمایه گذاری، ساخت و بهره برداری کرد. دولت های محلی به طور فعال شروع به ساخت فرودگاه های محلی و شرکت های هواپیمایی محلی کردند. علاوه بر این، دولت ها گسترش کانال های سرمایه گذاری و تامین مالی صنعت هوانوردی را تشویق می کنند و ATS را به یک دوره توسعه سریع تبدیل می کنند. در همین حال، شکاف سرمایه گذاری حمل و نقل هوایی و شکاف تولید در میان استان های مختلف چین شروع به افزایش یافت. این همچنین یک پایه عملی برای ارزیابی کارایی سرمایه گذاری و بهره وری ATS منطقه ای چین فراهم می کند. در اینجا باید توجه داشت که محیط اقتصاد کلان که ATS در آن فعالیت می کند از منطقه ای به منطقه دیگر متفاوت است. بنابراین، این عوامل محیطی باید در ارزیابی در نظر گرفته شوند تا کارایی و بهره وری واقعی به دست آید. انتظار می رود نتایج کارایی و بهره وری درک عملکرد ATS چین را عمیق تر کند و عوامل اقتصاد کلان را که بر عملکرد ATS تأثیر می گذارد شناسایی کند.

در این مقاله، ATS منطقه‌ای به عنوان هدف ارزیابی در نظر گرفته می‌شود، و روش‌های مبتنی بر تحلیل پوششی داده‌ها (DEA) برای انجام تجزیه و تحلیل معیار استفاده خواهد شد. DEA یک روش ارزیابی ناپارامتریک پرکاربرد است که می تواند کارایی نسبی واحدهای تصمیم گیری چندگانه (DMUs) را ارزیابی کند. مدل DEA چندین مزیت قابل توجه در ارزیابی عملکرد دارد. به عنوان مثال، برخورد با موقعیت های چند ورودی و چند خروجی راحت است و نیازی به تعیین شکل تابع تولید یا شکل توزیع کارایی تولید نیست. در بسیاری از موارد، تولید یک فرآیند پیوسته و چند دوره ای است که طی آن تکنیک ها و کارایی تولید ممکن است تغییر کند. هنگامی که با چنین داده های پانلی در چندین دوره سروکار دارید،

روش های مرتبط با DEA، از جمله شاخص Malmquist، به طور گسترده در مطالعات عملکرد در زمینه حمل و نقل هوایی استفاده شده است. یوشیدا و فوجیموتو [ 4 ] و باروس و دیکه [ 5 ] به ترتیب از روش DEA برای ارزیابی کارایی فرودگاه های ژاپن و فرودگاه های ایتالیا استفاده کردند و معیارهایی برای بهبود عملکرد فرودگاه هایی با عملکرد ضعیف ارائه کردند. به منظور مطالعه تغییرات بهره وری در دوره چند ساله، برخی مطالعات دیگر از شاخص Malmquist مبتنی بر DEA برای تجزیه و تحلیل تغییرات بهره وری در فرودگاه ها استفاده کردند [ 6 ، 7 ].]. مطالعات آن‌ها نشان می‌دهد که سیاست‌های دولت، پیشرفت فناوری و سایر عوامل تأثیر بیشتری بر کارایی فرودگاه نسبت به بهبود سطوح مدیریتی دارند.

علاوه بر ارزیابی کارایی، به منظور شناسایی منابع ناکارآمدی فرودگاه، در برخی مطالعات از DEA دو مرحله‌ای استفاده شده است. در چنین مدلی، تجزیه و تحلیل رگرسیون مرحله دوم (معمولاً رگرسیون توبیت یا تحلیل رگرسیون کوتاه) پس از DEA برای یافتن عوامل مؤثر بر کارایی فرودگاه اضافه می شود. عوامل مؤثر بر کارایی فرودگاه مانند اندازه فرودگاه [ 8 ، 9 ]، مالکیت [ 8 ، 10 ]، استفاده نظامی [ 9 ، 11 ]، مکان [ 12 ، 13 ]، سهم درآمدهای غیرهوایی و سهم حامل های کم هزینه (LCC) در عملیات [ 13]، تراکم جمعیت، ساعات کار هفتگی، و فصلی بودن ترافیک مسافر [ 9 ] توسط ادبیات قبلی شناسایی شده است.

علاوه بر این، به جای تجزیه و تحلیل فرآیند تولید فرودگاه به عنوان یک فرآیند “جعبه سیاه” واحد، برخی از ادبیات تلاش کردند تا فرآیند تولید فرودگاه را به مراحل دقیق‌تر برای تجزیه و تحلیل کارایی فرودگاه تقسیم کنند. به عنوان مثال، یو [ 14 ] عملیات فرودگاه را به فرآیند تولید و خدمات، و بیشتر فرآیند خدمات را به جنبه‌های سمت هوایی و زمینی تجزیه کرد. لیو [ 15 ] مدافع این بود که عملیات فرودگاه باید به دو فرآیند موازی تقسیم شود، یعنی فرآیند فرعی خدمات هوانوردی و فرآیند فرعی خدمات تجاری در ارزیابی کارایی فرودگاه. در این مطالعات، یک مدل DEA شبکه در مطالعات آنها برای ارزیابی کارایی کلی و کارایی فرآیندهای فرعی استفاده می شود.

همچنین برخی ادبیات وجود دارد که کارایی خطوط هوایی را هدف ارزیابی قرار می دهد. Cui و Li [ 16 ] فرآیند تولید یک شرکت هواپیمایی را به سه فرآیند فرعی تقسیم کردند: عملیات، خدمات و فروش. مطالعه آنها از روش شبکه DEA برای ارزیابی کارایی زیست محیطی 29 شرکت هواپیمایی جهانی استفاده کرد و متعاقباً از تحلیل رگرسیون توبیت برای شناسایی عوامل مؤثر بر کارایی خطوط هوایی استفاده کرد. Duygun، Preor [ 17 ] یک شبکه DEA را شامل دو فناوری فرعی تعریف کرد که بخشی از ورودی ها را برای جدا کردن فرآیند تولید خطوط هوایی و ارزیابی کارایی خطوط هوایی اروپایی به اشتراک می گذارد.

دو شکاف در ادبیات موجود وجود دارد. اولاً، تحقیقات قبلی بیشتر بر روی مطالعات عملکرد فرودگاه ها یا خطوط هوایی متمرکز هستند، اما کمبود مطالعاتی وجود دارد که ATS را به عنوان واحد ارزیابی شده در نظر می گیرند. با این حال، فرودگاه ها یا خطوط هوایی تنها یکی از شرکت کنندگان در ATS یک منطقه هستند. تولید ظرفیت حمل و نقل هوایی مستلزم همکاری همه شرکت کنندگان ATS مانند فرودگاه ها، خطوط هوایی، مدیریت ترافیک هوایی و سایر حامیان است. برای ATS، در نظر گرفتن کل سیستم به عنوان هدف ارزیابی نه تنها می تواند نشان دهنده کارایی همه شرکت کنندگان اصلی در سیستم باشد، بلکه نشان دهنده سطح همکاری آنها در تامین ظرفیت حمل و نقل هوایی منطقه ای است. با این حال، مطالعات کمی روی کارایی ATS متمرکز شده است.

ثانیاً، هنگام ارزیابی عملکرد، محیط عملیاتی هر DMU اغلب متفاوت است و این تفاوت ها اغلب به طور قابل توجهی بر عملکرد THE DMU تأثیر می گذارد. اگر تفاوت های محیط عملیاتی در نظر گرفته نشود، نتایج ارزیابی عملکرد به دست آمده نادرست است [ 18 ]. ویژگی‌های محیط عملیاتی که بر ارزیابی عملکرد DMU تأثیر می‌گذارند به عنوان «عوامل/متغیرهای محیطی» نامیده می‌شوند [ 18 ، 1920 ] نامیده می‌شوند. چنین عوامل محیطی نیز در عملکرد صنعت حمل و نقل هوایی نقش دارند. برخی از مطالعات تجربی اشاره کرده‌اند که انواع عوامل اقتصاد کلان به عملکرد حمل‌ونقل هوایی در مناطق مختلف مرتبط هستند یا می‌توانند بر آن تأثیر بگذارند. چاوک، پاگلیاری [] اشاره می کند که چند عامل کلان محیطی، از جمله استانداردهای زندگی شهروندان، نوآوری، آمادگی تکنولوژیک، توسعه بازار مالی، محیط کلان اقتصادی و کارایی بازار کالا ممکن است بر تعداد و عملکرد ترافیک هوایی تأثیر بگذارد. با این حال، تعداد کمی از ادبیات در زمینه حمل و نقل هوایی، این عوامل کلان اقتصادی را هنگام ارزیابی کارایی، چه در مورد ارزیابی عملکرد فرودگاه‌ها یا خطوط هوایی، در نظر گرفته‌اند. همانطور که در بالا ذکر شد، برخی از مطالعات از تحلیل رگرسیون برای شناسایی عوامل موثر بر کارایی پس از ارزیابی کارایی استفاده کردند. با این حال، آنچه آنها شناسایی کرده‌اند، عوامل درون‌زا هستند که ویژگی‌های خود DMU را نشان می‌دهند، مانند اندازه فرودگاه، ساعات کار، درجه خصوصی‌سازی و فصلی بودن حجم مسافر. با این حال، مطالعات اندکی عوامل محیطی برون زا را در نظر گرفته اند. یک استثنا این است که، یو [14 ] و Ülkü [ 9 ] اشاره کردند که عامل جمعیت، به عنوان یک عامل محیطی برون زا، می تواند بر کارایی فرودگاه تأثیر بگذارد و این عامل را در مدل DEA خود گنجانده اند. با این حال، بسیاری دیگر از عوامل محیطی اقتصاد کلان خارجی در تحقیقات ارزیابی کارایی هوانوردی غیرنظامی DEA موجود مورد توجه قرار نگرفته است.

با توجه به دو شکاف تحقیقاتی فوق، این مقاله یک سیستم شاخص از متغیرهای ورودی، خروجی و محیطی برای ارزیابی عملکرد ATS ایجاد می‌کند و یک مدل سه مرحله‌ای DEA را اتخاذ می‌کند [ 18 ] که می‌تواند تأثیر عوامل محیطی را آزمایش و حذف کند. برای ارزیابی عملکرد “واقعی” ATS منطقه ای. مدل سه مرحله ای DEA و تحلیل مرزی تصادفی (SFA) را ترکیب می کند. این یک مدل تنظیم شده از روش چهار مرحله ای DEA توسط فرید، اشمیت است [ 21]. شایان ذکر است که اگرچه SFA یکی دیگر از روش‌های رایج ارزیابی عملکرد پارامتری است، هدف از SFA استفاده شده در این مقاله ارزیابی مستقیم عملکرد نیست، بلکه به عنوان یک مدل رگرسیونی در مرحله دوم استفاده می‌شود. نقش SFA شناسایی و تعیین کمیت تأثیر محیط عملیاتی بر افت ورودی به‌دست‌آمده از مرحله اول DEA است.

ساختار باقی مانده مقاله به شرح زیر است. بخش 3 مقدمه ای کوتاه بر روش شناسی به کار رفته در این تحقیق ارائه می کند. بخش 4 شاخص ها و منابع داده شامل متغیرهای ورودی و خروجی و همچنین متغیرهای محیطی را تشریح می کند. نتایج تجربی در بخش 5 و نکات پایانی ارائه شده است.

2. روش ها

همانطور که در شکل 1 نشان داده شده است، یک مدل سه مرحله ای مبتنی بر DEA و روش شاخص بهره وری بوت استرپ-مالمکوئیست در این تحقیق استفاده شده است .

2.1. مدل سه مرحله ای DEA

در مرحله اول، ارزیابی کارایی اولیه بر اساس بازده متغیر به مقیاس (VRS) با تجزیه و تحلیل BCC DEA [ 22 ]، تنها با استفاده از داده های کمیت ورودی و خروجی انجام می شود.

مدل BCC از برنامه خطی CCR که توسط Charnes، Cooper و Rhodes [ 23 ] معرفی شده است، اصلاح شده است. اجازه دهید ایکسکتیبردار ورودی k امین واحد تصمیم گیری (DMU) از m ورودی را در دوره t نشان می دهد . ایکستی∈آر+متر، و اجازه دهید yکتینماینده DMUکبردار خروجی q خروجی در دوره t , yتی∈آر+q. زیر یک پانل از j=1،2،…،nمناطق و تی=1،2،…،تیدوره های زمانی، تکنولوژی تولید همزمان را می توان به صورت زیر بیان کرد:

تیتی=(ایکستی،yتی:ایکستی می توان تولید کردن yتی)

(1)

سپس تابع فاصله جهتی مبتنی بر ورودی به صورت زیر تعریف می شود:

Dتیایکسکتی،yکتی=مترمنnθتی(θتی:θتیایکسکتی،yکتی∈تیتی)

(2)

θتی≤1راندمان ورودی فارل [ 24 ] است و برابر است با انقباض متناسب در همه ورودی‌ها که می‌توان با توجه به سطح خروجی‌ها انجام داد، اگر DMU فناوری تولید مرزی همزمان را در دوره t اتخاذ کند.

سپس، با فرض بازده ثابت به مقیاس (CRS) که DMU ها نمی توانند مقیاس (یا اندازه) عملیات خود را تغییر دهند، فرمول برنامه ریزی خطی CCR را می توان به صورت زیر بیان کرد:

Dسیآراستیایکسکتی،yکتی=مترمنnθتیس.تی.∑j=1nλjتیایکسمنjتی≤θتیایکسمنکتی∑j=1nλjتیyrjتی≥yrکتیλ≥0; من=1،2،…،متر; r=1،2،…،q; j=1،2،…،n;

(3)

جایی که ایکسمنjتیمقدار i امین ورودی واحد j در دوره t است ، yrjتیمقدار r ام خروجی از واحد j در دوره t است ، n تعداد DMU ها، m تعداد ورودی ها، q تعداد خروجی ها است. ایکسمنکتیو yrکتیi امین ورودی و r امین خروجی هستندDMUکدر حال ارزیابی در دوره t . λjتیبردار وزن j بعدی استDMUjدر دوره t . θتی”سمقدار راه حل بهینه CCR نشان دهنده برآورد بازده فنی (TE) است.

در مقایسه با فرض CRS مدل CCR، مدل BCC فقط محدودیت تحدب را اضافه می کند. ∑j=1nλjتی=1، که به آن اجازه می دهد بازده متغیر را در مقیاس (VRS) در نظر بگیرد. در اینجا توجه داشته باشید که از آنجایی که نگرانی ما میزان کاهش ورودی منابع به منظور دستیابی به کارایی فنی بدون کاهش ظرفیت حمل و نقل هوایی است، مدل BCC DEA جهت ورودی اتخاذ شده است. مدل BCC را می توان به صورت زیر بیان کرد:

Dسیآراستیایکسکتی،yکتی=مترمنnθتیس.تی.∑j=1nλjتیایکسمنjتی≤θتیایکسمنکتی∑j=1nλjتیyrjتی≥yrکتی∑j=1nλjتی=1λ≥0; من=1،2،…،متر; r=1،2،…،q; j=1،2،…،n;

(4)

هدف θتی”سمقدار برنامه لاینر (4) کارایی فنی خالص (PTE) را نشان می دهد. بر اساس TE محاسبه شده از برنامه خطی CCR و PTE از مدل BCC، کارایی مقیاس (SE) را می توان با اسE=تیE/پتیE.

در اینجا توجه داشته باشید که مدل CCR فقط برای جداسازی کارایی مقیاس و تخمین بازده DMUها به مقیاس استفاده می شود. با توجه به فرض بازده های مختلف در مقیاس در این تحقیق، در مرحله اول و سوم مدل سه مرحله ای در این تحقیق، از مدل BCC DEA برای ارزیابی کارایی ATS استفاده شده است.

سپس در دوره t، مقادیر لقی کل ضریب ورودی i (شعاعی به اضافه غیر شعاعی) به واحد j می رسد. سمنjتیرا می توان از نتایج مدل BCC در مرحله اول به دست آورد. سمنjتیتفاوت بین ورودی‌های موجود و ورودی‌های ایده‌آل برای دستیابی به بازده بهینه هر DMU را نشان می‌دهد.

در مرحله دوم، ورودی سست می شود سمنjتیسمنjبه دست آمده از مرحله اول تجزیه و تحلیل BCC در برابر متغیرهای محیطی قابل مشاهده و یک عبارت خطای ترکیبی با روش تحلیل رگرسیون مرزی تصادفی (SFA) برای هر دوره t رگرسیون می شوند . در چنین مدل رگرسیونی SFA، معادلات رگرسیون را می توان بیان کرد:

سمنjتی=fزjتی،βمنتی+تومنjتی+vمنjتیεمنjتی=تومنjتی+vمنjتی

(5)

جایی که زjیک برداری است که نشان دهنده بردار متغیر محیطی است که بر کارایی j امین DMU در دوره t تأثیر می گذارد ، زj=(z1j،z2j،…،zتیj). βمنتیبردار ضریب متغیر محیطی است. fزjتی،βمنتی=زjتی·βمنتیمی تواند مقادیر محیطی را محاسبه کند که بر ورودی های هر DMU تأثیر می گذارد، εمنjتی=تومنjتی+vمنjتیعبارت خطای ترکیبی است، تومنjتیو vمنjتیمتغیرهای نامرتبط هستند، تومنjتیمنعکس کننده مولفه ناکارآمدی مدیریتی برای ورودی یکم J امین DMU در دوره t و تومنj ∼ن+(0،σتومن2)، vمنjتینویز آماری را برای ورودی یکم j امین DMU در دوره t و منعکس می کندvمنj ∼ن(0،σvمن2). بنابراین، نقش SFA این است که لخت های مرحله اول را به تأثیرات محیطی، ناکارآمدی های مدیریتی و نویزهای آماری تجزیه کند.

سپس ورودی های تنظیم شده هر DMU از نتایج رگرسیون SFA با استفاده از موارد زیر محاسبه می شود:

ایکسمنjتیآ=ایکسمنjتی+حداکثرمنزjتی×β^منتی-زjتی×β^منتی+حداکثرمنv^منjتی-v^منjتی

(6)

جایی که ایکسمنjتیآو ایکسمنjتیبه ترتیب مقادیر ورودی را در دوره t تنظیم و مشاهده می کنند. β^منتیمقادیر برآورد شده برای βمنتیبا رویکرد SFA اولین تنظیم در سمت راست معادله (4)، حداکثرمنزjتی×β^منتی-زjتی×β^منتی، همه DMU ها را در یک محیط عملیاتی مشترک قرار می دهد. تنظیم دوم، حداکثرمنv^منjتی-v^منjتی، همه DMU ها را در یک حالت طبیعی قرار می دهد. به منظور به دست آوردن برآورد از v^منjبرای هر DMU، با استفاده از روش Jondrow، Knox Lovell [ 25 ] و Fried، Lovell [ 18 ]، برآوردگرهای باقیمانده نویز آماری را می توان به صورت زیر محاسبه کرد:

E^vمنjتی|تومنjتی+vمنjتی=سمنjتی-زjتی×β^منتی-E^تومنjتی|تومنjتی+vمنjتی

(7)

که در آن برآوردگرهای مشروط برای ناکارآمدی مدیریتی توسط E^تومنjتی|تومنjتی+vمنjتی. سپس ورودی های تنظیم شده برای تأثیرات متغیرهای محیطی قابل مشاهده و نویز آماری را می توان از طریق:

ایکسمنjتیآ=ایکسمنjتی+حداکثرمنزjتی·β^منتی-زjتی·β^منتی+حداکثرمنE^vمنjتی|تومنjتی+vمنjتی-E^تومنjتی|تومنjتی+vمنjتی

(8)

مرحله 3 اجرای مجدد مدل BCC DEA با استفاده از ورودی های تنظیم شده و خروجی های اصلی است. نتیجه مرحله 3 یک ارزیابی مبتنی بر DEA از عملکرد “واقعی” است که صرفاً از نظر کارایی مدیریتی، پاکسازی شده از اثرات محیط عملیاتی و نویزهای آماری است.

2.2. شاخص بهره‌وری Malmquist و رویکرد Bootstrap-Malmquist

سپس از ورودی های تنظیم شده و خروجی های اصلی برای محاسبه شاخص بهره وری Malmquist استفاده می شود. Fare، Grosskopf [ 26 ] یک شاخص بهره‌وری Malmquist (MPI) مبتنی بر DEA را برای محاسبه شاخص بهره‌وری کل عوامل (TFPI) اضافه کرد، همانطور که در رابطه (9) نشان داده شده است:

مایکستی،yتی،ایکستی+1،yتی+1=Dتیایکستی+1،yتی+1Dتیایکستی،yتی×Dتی+1ایکستی+1،yتی+1Dتی+1ایکستی،yتی1/2

(9)

که در آن y بردار خروجی را نشان می دهد و x بردار ورودی است. Dتیایکستی،yتیتابع فاصله ورودی تعریف شده در رابطه (2) است. مایکستی،yتی،ایکستی+1،yتی+1تغییرات بهره وری کل بین دوره t و دوره را اندازه گیری می کندتی+1با اشاره به تکنولوژی مرزی در دوره t . بهره وری کل بهبود می یابد اگر م>1، بدون تغییر باقی می ماند اگر م=1، و رد می شود اگر م<1. TFPI را می توان بیشتر به دو جزء تقسیم کرد: شاخص تغییر کارایی فنی (TECI)، که “بررسی کردن” به همسانی مرزی بین دوره t و دوره را اندازه گیری می کند.تی+1; و شاخص تغییرات تکنولوژیکی (TCI)، که هم‌زمان مرزی را از یک دوره به دوره دیگر نشان می‌دهد. یعنی، معادله (7) را می‌توان به‌عنوان حاصلضرب (TECI) و تغییر مرز (TCI) همانطور که در رابطه (10) نشان داده شده است، بازآرایی کرد:

تیافپمن=تیEسیمن×تیسیمن=Dتی+1ایکستی+1،yتی+1Dتیایکستی،yتی×Dتیایکستی،yتیDتی+1ایکستی،yتی×Dتیایکستی+1،yتی+1Dتی+1ایکستی+1،yتی+11/2

(10)

TECI نشان می‌دهد که آیا یک DMU در طول دوره مطالعه به فناوری مرزی نزدیک‌تر یا دورتر از آن حرکت کرده است. این به تلاش های DMU برای بهبود کارایی آن مربوط می شود. TCI منعکس کننده تغییر در مرزهای کارآمد بین دو دوره زمانی است که عمدتاً به دلیل پیشرفت در سطح فناوری است.

با این حال، از آنجایی که برآوردگرهای شاخص Malmquist مبتنی بر DEA از نمونه‌های محدود مشاهده شده به دست می‌آیند، معیارهای مربوط به کارایی ممکن است به تغییرات نمونه‌گیری مرز به‌دست‌آمده حساس باشند [ 27 ، 28 ]. برای پرداختن به این مشکل و ارائه یک مبنای آماری برای مدل اعمال شده، ما از روش راه‌اندازی صاف پیشنهاد شده توسط سیمار و ویلسون [ 27 ] و سیمار و ویلسون [ 28 ] استفاده می‌کنیم تا توزیع نمونه‌گیری از مقادیر واقعی ناشناخته MPI را تقریبی کنیم، و برآوردگرهای MPI بوت استرپینگ را دریافت کنید. روش راه‌اندازی را می‌توان در متون مرتبط با جزئیات یافت [ 27 ، 28 ].

3. داده ها

در این تحقیق، DMU ها 30 ATS استانی چین هستند. مطابق با طبقه بندی صنعتی چین برای فعالیت های اقتصادی ملی (GB/T 4754-2017)، ATS اشاره شده در این مقاله شامل حمل و نقل هوایی مسافر و بار، خدمات عمومی هوانوردی، به علاوه فعالیت های پشتیبانی حمل و نقل هوایی است که شامل فرودگاه ها، کنترل ترافیک هوایی و سایر فعالیت های کمکی حمل و نقل هوایی نکته مهمی که در اینجا باید به آن اشاره کرد این است که بر اساس استانداردهای حسابداری در صنعت حمل و نقل هوایی، سرمایه گذاری های عمده مانند ناوگان هواپیما (آسمان نورد) و ساخت فرودگاه ها و تأسیسات مربوطه (زیرساخت)، سرمایه گذاری دارایی های ثابت است. این واقعیت به عنوان مبنای مهمی برای انتخاب شاخص های ورودی بعداً عمل می کند.

3.1. شاخص های ورودی

ورودی ها در این تحقیق به عنوان منابعی تعریف می شوند که ATS برای تولید ظرفیت حمل و نقل هوایی استفاده می کند. سرمایه (مواد نورد و زیرساخت) و تعداد کارکنان (یا ساعات کار) متغییرهایی هستند که اغلب در نظر گرفته می شوند زیرا آنها ورودی های اصلی فرآیند تولید را نشان می دهند [ 29 ]. حمل و نقل هوایی یک صنعت سرمایه بر است، اندازه گیری ورودی سرمایه در تجزیه و تحلیل کارایی آن بسیار مهم است زیرا سرمایه گذاری در زیرساخت ها و سهام نورد و هزینه های مربوط به استفاده از آنها بخش مهمی از هزینه های شرکت ها در این صنعت را تشکیل می دهد. ورودی سرمایه ممکن است به عنوان یک متغیر جریان یا موجودی در نظر گرفته شود. در مطالعات قبلی از شاخص سهام اغلب به عنوان شاخص ورودی استفاده می شود. همانطور که کرسنزی، دی کاتالدو [ 31 30 ] و فرهادی [ 30] بیان کردند.]، برای تخمین دقیق اثر رشد زیرساخت، باید از موجودی سرمایه به جای جریان زیرساخت استفاده شود، زیرا این موجودی به جای جریان است که واقعاً برای اثرات بلندمدت اهمیت دارد. این امر به ویژه در مورد زیرساخت های حمل و نقل صادق است، زیرا سرمایه گذاری سرمایه ای برای دستیابی به عملکرد حمل و نقل نیازمند ساخت و ساز و عملیات آزمایشی است که منجر به تاخیر خاصی می شود. استفاده از سهام به جای جریان می‌تواند نتایج قوی‌تری بدهد و علیت معکوس را در مدل‌های تجربی کاهش دهد [ 32 ، 33 ]، که همچنین باعث می‌شود سهام متغیری است که اغلب مورد پذیرش قرار می‌گیرد. علاوه بر این، موجودی سرمایه را می توان بر حسب پولی [ 34 ، 35]، یا در اصطلاح فیزیکی، به عنوان مثال، طول، مساحت یا تراکم شبکه راه و راه آهن [ 30 ، 33 ]. با این حال، اندازه‌گیری ورودی‌های سرمایه در واحدهای فیزیکی اغلب به طرح چندین موضوع متهم می‌شود، زیرا نویسندگان از طیف وسیعی از متغیرها استفاده می‌کنند و تعریف یک واحد اندازه‌گیری منحصربه‌فرد بسیار دشوار است [ 29 ].

بنابراین در این تحقیق از معیار پولی موجودی سرمایه به عنوان نماینده ورودی سرمایه استفاده می شود. ما از روش موجودی دائمی [ 36 ، 37 ] که بیشترین استفاده را دارد و به عنوان صحیح ترین رویکرد در اندازه گیری موجودی دارایی های ثابت [ 29 ] در نظر گرفته می شود، برای تخمین موجودی سرمایه ATS هر استان استفاده می کنیم. برای هر استان، خالص سرمایه ATS در پایان دوره جاری کتیقابل محاسبه است:

کتی=(1-δ)کتی-1+منتی، تی=2003،2004،…2017.

(11)

جایی که منتیسرمایه گذاری دارایی ثابت ATS در دوره جاری است، در حالی که δنرخ استهلاک است. داده های سالانه هر استان در منتیاز سالنامه آماری چین [ 38 ] و سالنامه آماری سرمایه گذاری چینی در دارایی های ثابت [ 3 ] می آید.

در این تحقیق ما فرض می کنیم که سهام سرمایه ATS با نرخ ثابتی کاهش می یابد δ. در مورد ارزش δ، ما از نرخ استهلاک زیرساخت جامع چین که توسط مطالعات قبلی [ 39 ، 40 ، 41 ] تخمین زده شده است استفاده می کنیم که 0.0921 است. علاوه بر این، بر اساس روش موجودی دائمی، برآورد موجودی سرمایه اولیه ک0در مورد ما، موجودی سرمایه در پایان سال 2002 به صورت زیر محاسبه می شود:

ک0=من0δ+g

(12)

جایی که من0سرمایه گذاری ناخالص در سال 2002 است، gمیانگین هندسی نرخ رشد سرمایه گذاری دارایی ثابت به ATS در طول دوره تحقیق است. بر اساس داده های جمع آوری شده بین سال های 2002 تا 2012، ارزش gقابل محاسبه است که 0.15607 است.

از نظر ورودی نیروی کار، تعداد کارکنان تمام وقت در ATS را به عنوان شاخص انتخاب می کنیم. داده های مربوط به این شاخص از سالنامه آماری چین در صنعت سوم [ 42 ] آمده است.

3.2. شاخص های خروجی

متغیرهای خروجی صنعت حمل و نقل معمولاً در دو دسته اصلی هستند: خدمات حمل و نقل (حجم مسافر، بار و وسایل نقلیه)، و ارزش افزوده حمل و نقل (GDP صنعت) [ 43 ، 44 ، 45 ]. با توجه به اینکه ارزش خروجی حمل و نقل هوایی نه تنها در تولید ناخالص داخلی صنعت حمل و نقل منعکس می شود، بلکه در اثر غیرمستقیم و کاتالیزوری جابجایی مسافر و بار بر سایر صنایع نیز نهفته است، از حجم مسافر، بار و وسایل نقلیه به عنوان سه محصول استفاده می شود. متغیرهای ATS استانی داده ها از وب سایت اداره هواپیمایی کشوری چین (CAAC) جمع آوری شده است ( https://www.caac.gov.cn/قابل دسترسی در 30 دسامبر 2020). از سال 2017، CAAC میزان حمل و نقل هوایی سالانه مسافر و بار هر استان را گزارش کرد. برای سال‌های قبل از سال 2017، ما از همان روش اتخاذ شده توسط CAAC پیروی می‌کنیم و ظرفیت تمام فرودگاه‌های غیرنظامی در یک استان را جمع‌آوری می‌کنیم تا توان حمل و نقل هوایی هر استان را بدست آوریم.

3.3. متغیرهای محیطی

از نظر تئوری و تجربی نشان داده شده است که برخی از عوامل اجتماعی و اقتصادی بر حمل و نقل هوایی تأثیر می‌گذارند که در این پژوهش از آنها به عنوان متغیرهای محیطی یاد می‌شود. اولاً، از آنجایی که افزایش درآمد اقتصادی منجر به افزایش فعالیت اقتصادی می شود و بر تقاضای حمل و نقل هوایی مسافر و بار تأثیر می گذارد [ 46 ]، تولید ناخالص داخلی (GDP) سرانه به عنوان یک متغیر محیطی انتخاب می شود. ثانیاً، به دلیل قیمت نسبتاً بالای خدمات حمل و نقل هوایی، سطح مصرف منطقه ای تأثیر قابل توجهی بر حجم حمل و نقل هوایی مسافر و بار دارد [ 47 ] ، 48 ]]. بنابراین، هزینه مصرف خانوار (HCE) را به عنوان دومین متغیر محیطی انتخاب می کنیم. ثالثاً، با توجه به وابستگی زیاد صنایع تحقیق و توسعه و سایر صنایع مبتنی بر فناوری «به‌موقع» به خدمات حمل‌ونقل هوایی [ 49 ] و با توجه به تأثیرات سطح توسعه فناوری بر کارایی عملیاتی حمل‌ونقل هوایی، در این تحقیق سه نوع حق ثبت اختراع وجود دارد. اعطا شده به ازای هر 10000 نفر به عنوان متغیر محیطی برای بیان سطح علمی و فناوری استانی انتخاب می شود. چهارم، بالسالوبره-لورنته، دریها [ 50] رابطه عدم تقارن بلندمدت و ارتباط قوی بین رشد اقتصادی و صنعت گردشگری را در ارتباط با ATS ردیابی کرد. این ارتباط قوی بین گردشگری و در دسترس بودن حمل و نقل هوایی نیز توسط مطالعات Gallego و Font [ 51 ] و Khan, Dong [ 52 ] پشتیبانی می شود. بنابراین، تعداد گردشگران ورودی به عنوان متغیر محیطی برای اندازه‌گیری سطح صنعت گردشگری انتخاب می‌شود. پنجم، با توجه به تقاضای مستقیم آن در حمل و نقل هوایی، مالیگتی، مارتینی [ 53 54 ،]، ارزش افزوده بخش عمده فروشی و خرده فروشی به عنوان یکی دیگر از متغیرهای محیطی استفاده می شود. ششم، حمل و نقل هوایی اساس تجارت جهانی و جهانی شدن است، خدمات مهمی را برای تجارت بین المللی و سرمایه گذاری های فرامرزی ارائه می دهد [55 ]. بنابراین، فرض بر این است که باز بودن منطقه‌ای بر تقاضای حمل‌ونقل هوایی و کارایی ATS منطقه‌ای تأثیر می‌گذارد. بنابراین، به عنوان شاخص باز بودن، استفاده واقعی از سرمایه گذاری مستقیم خارجی (FDI) به عنوان یک متغیر محیطی انتخاب می شود. در نهایت، همانطور که مطالعات قبلی Melo، Graham [ 56 ] و Jiang، Timmermans [ 57] استدلال کرد، تأثیر زیرساخت ها بر توسعه صنایع در گروه های صنعتی و شیوه های حمل و نقل متفاوت است. بنابراین، ساختار صنعتی را به عنوان یک متغیر محیطی انتخاب می کنیم و از نسبت ارزش افزوده صنعت سوم به تولید ناخالص داخلی برای نمایش ساختار صنعتی استان استفاده می کنیم.

به طور خلاصه، متغیرهای ورودی، خروجی و محیطی رویکرد سه مرحله‌ای DEA اعمال شده در جدول 1 فهرست شده‌اند. شده‌اند .

در اینجا توجه داشته باشید که با پیروی از روش فرید (2002)، هر هفت متغیر محیطی برای تأثیرگذاری بر عملکرد ATS قرار داده شده‌اند، اگرچه بدون فرض جهت‌گیری تأثیرات آنها [ 18 ]. اثرات متغیرهای محیطی در مرحله 2 تجزیه و تحلیل SFA بیشتر مورد بررسی قرار خواهد گرفت.

داده های متغیرهای محیطی از سالنامه آماری چین [ 38 ] و سالنامه آماری چین در صنعت سوم [ 42 ] است.

4. نتایج

4.1. نتایج مرحله اول

در مرحله اول، BCC DEA برای ارزیابی عملکرد ATS سی استان اعمال می شود. جدول A1 و جدول A2 نتایج دقیق مرحله اول DEA (بدون تعدیل در متغیر محیطی و نویز آماری) را خلاصه می کنند. میانگین ملی PTE و میانگین SE در دوره 16 ساله در شکل 2 نشان داده شده است. بر اساس نتایج مرحله اول DEA، ناکارآمدی عملیاتی عمدتاً توسط PTE ایجاد می شود. برای مقاصد مقایسه، نتایج مرحله اول با جزئیات بیشتر در نتایج مرحله سوم مورد بحث قرار خواهد گرفت. کاهش سرمایه و نیروی کار توسط مدل BCC مرحله اول به دست آمد.

4.2. نتایج مرحله دوم

هدف اصلی مرحله دوم استفاده از SFA برای شناسایی تأثیرات عوامل کلان اقتصادی منتخب بر کارایی ATS و سپس محاسبه مقادیر ورودی تنظیم شده برای ارزیابی کارایی واقعی ATS با حذف این تأثیرات است. رگرسیون SFA به ترتیب برای کاهش افت سرمایه و نیروی کار در برابر هفت متغیر محیطی بیرونی از جمله تولید ناخالص داخلی سرانه، مصرف، سطح علمی و فناوری، صنعت گردشگری، صنعت عمده فروشی و خرده فروشی، باز بودن سرمایه گذاری خارجی و ساختار صنعتی استفاده می شود.

نتایج رگرسیون مدل SFA در جدول 2 نشان داده شده است. این نتایج نشان می‌دهد که عوامل محیطی واقعاً تأثیر آماری معنی‌داری بر کارایی ATS دارند. مطابق با جدول 1 ، مقادیر آزمون نسبت درستنمایی رگرسیون ها برای دو سستی ورودی، هر دو بالاتر از مقدار آستانه آزمون توزیع مختلط کای اسکوئر هستند و در سطح اطمینان 1 درصد قرار دارند، و این فرضیه را که خطای یک طرفه است رد می کند. جزء هیچ کمکی به عبارت خطای ترکیبی نمی کند، که دلالت بر منطقی بودن مشخصات مرز تصادفی دارد [ 18 ]. ارزش های γمنبرای دو مدل رگرسیون نزدیک به 1 است، که نشان می دهد که تاثیر ناکارآمدی مدیریتی بر نویز آماری در تعیین سستی ورودی غالب است. هنگام بررسی تأثیر متغیرهای محیطی بر متغیرهای سستی ورودی، اگر ضریب مثبت باشد، به این معنی است که افزایش مقدار متغیرهای محیطی منجر به افزایش متغیرهای سستی ورودی یا کاهش خروجی می‌شود و در نتیجه تأثیر منفی بر ATS خواهد داشت. بهره وری. اگر ضریب منفی باشد نشان دهنده آن است که افزایش این متغیر محیطی باعث کاهش سستی ورودی یا افزایش خروجی می شود که تاثیر مثبتی بر کارایی ATS خواهد داشت.

1: تولید ناخالص داخلی سرانه

همانطور که در ردیف دوم جدول 2 نشان داده شده است، ضرایب تولید ناخالص داخلی سرانه در رگرسیون کسادی سرمایه و کسادی نیروی کار (127103.12 و 861.606) در سطح 5% یا بهتر مثبت و معنادار است. این نشان می دهد که افزایش تولید ناخالص داخلی سرانه منجر به افزایش متغیر سستی ورودی سرمایه و نیروی کار خواهد شد. این ممکن است به این دلیل باشد که استان‌هایی که تولید ناخالص داخلی سرانه بالاتری دارند، تمایل و ظرفیت بیشتری برای سرمایه‌گذاری در حمل‌ونقل هوایی دارند، اما از منابع سرمایه‌گذاری شده به طور کامل استفاده نمی‌شود، که تأثیر منفی بر کارایی ATS دارد.

2: مصرف

ضرایب مصرف روی متغیرهای سستی ورودی سرمایه و نیروی کار در سطح معنی‌داری 1% منفی و معنی‌دار هستند (33/131960- و 766/2025-). این نشان می دهد که سطح مصرف بالاتر برای عملیات حمل و نقل هوایی مفید است. در مقایسه با سایر روش های حمل و نقل، حمل و نقل هوایی قیمت بالاتری دارد. در استان‌هایی که ظرفیت مصرف بالایی دارند، مردم توانایی قوی‌تری برای خرید خدمات حمل‌ونقل هوایی دارند و سرمایه‌گذاری منابع در حمل‌ونقل هوایی می‌تواند به راحتی به رشد حجم مسافر و بار تبدیل شود و در نتیجه از اتلاف سرمایه‌گذاری جلوگیری شود.

3: سطح فناوری

ضریب رگرسیون سطح فناوری بر روی متغیرهای سستی ورودی سرمایه در سطح 1% منفی و معنی‌دار است (384/96452-). ارتقای سطح علمی و فناوری می تواند کارایی عملیات خطوط هوایی، فرودگاه ها و کنترل ترافیک هوایی را از طریق به کارگیری فناوری و تجهیزات جدید و ارتقای سطح مدیریت بهبود بخشد. این نشان می دهد که منطقی است که به استراتژی ساخت “فرودگاه هوشمند” و “هواپیمایی غیرنظامی هوشمند” پایبند باشیم که منجر به بهبود کارایی کلی ATS می شود. دلیل دیگر ممکن است این باشد که همانطور که در ادبیات قبلی اشاره شد، صنایع مبتنی بر فناوری مانند تولید با فناوری پیشرفته و تحقیق و توسعه بیشتر به خدمات حمل و نقل هوایی وابسته هستند که منجر به تقاضای بیشتر برای حمل و نقل هوایی می شود و در نتیجه افزونگی ورودی را کاهش می دهد.

4: صنعت گردشگری

ضریب سطح گردشگری بر کسادی ورودی سرمایه مثبت و در سطح 1 درصد (917/49024) مثبت و معنادار است. ATS یک پایه مهم حمل و نقل صنعت گردشگری است. استان ها و شهرهای غنی از منابع گردشگری و تمرکز بر توسعه گردشگری بیشتر تمایل به سرمایه گذاری در ATS برای بهبود تصویر شهری خود و تسهیل صنایع گردشگری دارند. ورودی منابع در مقیاس بزرگ منجر به افزایش سستی ورودی می شود. بنابراین، در مرحله کنونی، اگرچه گردشگری حجم تقاضا برای ATS را تامین می کند، اما لزوماً باعث بهبود کارایی حمل و نقل هوایی نمی شود. به ویژه در استراتژی ساخت و ساز نسبتا پیشرفته، استان ها و شهرستان ها باید ضمن افزایش سرمایه گذاری، به بهبود کارایی ATS توجه کنند.

5: صنعت عمده فروشی و خرده فروشی

ضریب رگرسیون سطح عمده فروشی و خرده فروشی به متغیر کسادی ورودی سرمایه منفی است، در حالی که ضریب متغیر سستی ورودی نیروی کار مثبت است که هر دو در سطح معنی داری 1% معنی دار هستند (به ترتیب 115/36260- و 889/1519) . این نشان می دهد که سطح بالاتر عمده فروشی و خرده فروشی می تواند منجر به کاهش کسادی ورودی سرمایه و افزایش کسادی نیروی کار شود. صنایع عمده فروشی و خرده فروشی توسعه یافته تر می توانند حجم تجارت را به حمل و نقل هوایی بیاورند، و مطالعات قبلی نشان داده اند که زیرساخت های حمل و نقل به عنوان پایه ای برای توسعه صنایع عمده فروشی و خرده فروشی عمل می کند. 53 ]]. زیرساخت‌های بهتر هوانوردی غیرنظامی همچنین می‌تواند به شرکت‌ها کمک کند تا ارتباط بهتری با فروشندگان بالادستی و پایین‌دستی داشته باشند، اطلاعات بازار را سریع‌تر و دقیق‌تر درک کنند و بازار را گسترش دهند. مکانیسم ترویج متقابل بین عمده‌فروشی و خرده‌فروشی و حمل‌ونقل هوایی باعث می‌شود این متغیر زیست‌محیطی اثر قابل‌توجهی داشته باشد.

6: باز بودن برای سرمایه گذاری خارجی

ضریب رگرسیون باز بودن سرمایه گذاری خارجی بر روی متغیرهای کسادی سرمایه و نیروی کار در سطح 10 درصد یا بهتر منفی و معنادار است (904/2859- و 306/292-). افزایش میزان باز بودن سرمایه خارجی به میزان قابل توجهی کسادی ورودی سرمایه و نیروی کار را کاهش می دهد. کاهش افت ورودی سرمایه و نیروی کار به یک محیط خیرخواهانه برای ATS نسبت داده می شود که با باز بودن کافی پشتیبانی می شود. شرکت های خارجی برای حفظ روابط داخلی و خارجی به حمل و نقل هوایی نیاز دارند و فعالیت های تولید و فروش آنها اغلب بر تجارت بین المللی متکی است. همه این خواسته ها برای هوانوردی غیرنظامی می تواند سرمایه گذاری در حمل و نقل هوایی را کارآمدتر کند.

7: ساختار صنعتی

ضریب رگرسیون ساختار صنعتی بر روی متغیرهای کسادی سرمایه و نیروی کار در سطح 5% یا بهتر منفی و معنادار است (98/122923- و 309/385-). این نشان می دهد که افزایش نسبت صنعت سوم منجر به کاهش کسادی سرمایه و نیروی کار خواهد شد. مطالعات قبلی [ 50 ، 56] پیشنهاد کرده اند که حمل و نقل هوایی بیشتر به رشد صنعت ثالث کمک می کند. از منظر اقتصادی بهبود نسبت ورودی به خروجی خطوط هوایی و فرودگاه‌ها، چیدمان فضایی و یارانه خطوط هوایی و فرودگاه‌های جدید باید به سمت شهرهایی که زیربنای صنعت ثالث بهتری دارند، متمایل شود. نتایج این مطالعه نتایج مشابهی را از جهت دیگر نشان می دهد. صنعت ثالثیه بیشتر به حمل و نقل هوایی وابسته است و صنعت سوم توسعه یافته در واقع می تواند نسبت ورودی به خروجی بالاتری را برای حمل و نقل هوایی به ارمغان بیاورد و کارایی حمل و نقل هوایی را بهبود بخشد.

سپس ورودی‌های اصلی با جداسازی مؤلفه‌های ناکارآمدی مدیریتی و نویز آماری با استفاده از رویکرد SFA، برای در نظر گرفتن اثرات تغییرات در محیط عملیاتی و نویز آماری تنظیم می‌شوند. مقادیر متغیرهای ورودی سرمایه و نیروی کار با معادله (7)، بدون احتساب مقادیر محیطی بیرونی و نویز آماری با جایگزینی مقادیر ضرایب تنظیم می‌شوند. σمن2، γمندر جدول 2 در معادلات (5) و (6). استان‌هایی که محیط‌های عملیاتی حمل‌ونقل هوایی نسبتاً نامطلوب و نسبتاً بدشانسی دارند، ورودی‌های آن‌ها با مقدار نسبتاً کمی به سمت پایین تنظیم می‌شود، در حالی که استان‌هایی که محیط‌های عملیاتی نسبتاً مطلوب و شانس نسبتاً خوبی دارند، ورودی‌های خود را با مقدار نسبتاً زیادی به سمت بالا تنظیم می‌کنند [ 18 ].

4.3. نتایج مرحله سوم

در مرحله سوم، بر اساس ورودی‌های تنظیم‌شده از مرحله دوم و خروجی‌های اولیه، می‌توان با مدل BCC DEA دوباره کارایی را تخمین زد. این ارزیابی نهایی همه استان‌ها را در یک میدان بازی برابر قرار می‌دهد و می‌تواند عملکرد واقعی ATS را منعکس کند، زیرا تغییرات در محیط‌های عملیاتی و هوس‌های شانس به حساب آمده است.

بهره وری فنی خالص (PTE)

جدول 3 PTE صیقلی شده 30 صنعت حمل و نقل هوایی استان را فهرست کرده است. پس از حذف تأثیر عوامل محیطی بیرونی و نویز آماری، 25 استان از 30 استان، مقادیر PTE خود را در نتایج ارزیابی مرحله سوم بهبود بخشیده اند ( جدول A1 در پیوست A ، جدول 3) .). مشخص شد که چهار استان در کل دوره‌های مطالعه دارای شاخص‌های PTE کامل DEA هستند (مانند شانگهای، گوانگدونگ، هنان و چینگهای). اداره هوانوردی غیرنظامی چین (CAAC) حمل و نقل هوایی چین را به شش منطقه تقسیم کرده است که عبارتند از شمال چین، شمال شرق چین، چین شرقی، چین مرکزی و جنوبی، جنوب غربی چین، شمال غربی چین، که هر یک از چندین استان مجاور جغرافیایی تشکیل شده است. اداره منطقه ای برای هر منطقه ایجاد شد. قبل از تعدیل، میانگین شاخص های PTE شش منطقه در طول دوره مورد مطالعه به ترتیب 0.6610، 0.7617، 0.4810، 0.7568، 0.6680 و 0.7899 است. پس از تعدیل، آنها به ترتیب 0.9546، 0.9373، 0.8684، 0.9356، 0.9160 و 0.9597 هستند. این نشان می دهد که در روش BCC DEA، شاخص‌های PTE در اکثر استان‌ها دست‌کم گرفته می‌شوند، زیرا تفاوت در عوامل محیطی در نظر گرفته نمی‌شود. علاوه بر این، پس از تعدیل، رتبه نسبی شش منطقه در PTE بسیار تغییر کرده است. همانطور که در نشان داده شده استشکل 3 الف، در مرحله اول، PTE در مرکز و جنوب چین بالاترین قبل از سال 2009، و بالاترین در شمال غربی چین پس از سال 2009 است. در مرحله سوم، مقدار PTE بالاترین در شمال چین قبل از سال 2008، و بالاترین در شمال غربی است. چین پس از 2008. با این حال، همانطور که در شکل 3 نشان داده شده است.ب، پس از تعدیل، شکاف بازده فنی خالص در بین هر منطقه کاهش می یابد. پس از حذف تأثیر عوامل محیطی، PTE های ATS در هر منطقه بهبود یافته است و تفاوت های نسبی بین استان ها در هر سال در طول دوره مورد مطالعه کاهش یافته است.

همانطور که در مطالعه قبلی [ 58 و 59 ] بیان شد، هنگام ارزیابی رقابت پذیری یا کارایی صنعتی، میانگین کارایی ATS در طول یک سال خاص در مقایسه با سال های دیگر بسیار مهم است، زیرا نشان می دهد که آیا هر سال از نظر عملکرد بهترین سال بوده است یا خیر. به بازده کلی صنعتی همانطور که در شکل 3b نشان می دهد که در سال های 2009، 2010 و 2011، ATS PTE در هر شش منطقه کاهش یافته است و در تمام 16 سال به پایین ترین حد خود می رسد. این با این رویه مطابقت دارد که پس از بحران مالی سال 2009، چین طرح سرمایه گذاری زیرساختی در مقیاس بزرگ، از جمله سرمایه گذاری در مقیاس بزرگ حمل و نقل هوایی را برای تقویت اقتصاد اتخاذ کرد. در این دوره، سرمایه گذاری در صنعت هوانوردی غیرنظامی چین به طور قابل توجهی افزایش یافت. با این حال، بازده سرمایه گذاری حمل و نقل اثر تاخیر خاصی داشت و ترافیک مسافر و بار به موازات افزایش ورودی ها افزایش پیدا نکرد. بنابراین بازدهی در سال 1388 و دو سال بعد به طور قابل توجهی کمتر از سال های دیگر است.

کارایی مقیاس (SE)

همانطور که در جدول A2 و جدول 4 نشان داده شده است ، پس از تعدیل، کارایی مقیاس 25 استان از 30 استان کاهش یافته است و سطح کلی SE کمتر می شود ( شکل 4 a,b). این تغییرات در SE ناشی از این تنظیم را می توان به وضوح از شکل 3 a,b نیز مشاهده کرد. میانگین مقادیر SE در طول سال های مطالعه در شمال چین، شرق چین، شمال شرق چین، چین مرکزی و جنوبی، جنوب غربی چین و شمال غربی چین به ترتیب 0.807، 0.768، 0.765، 0.574، 0.485 و 0.472 است. بین سال‌های 2002 و 2017، میانگین SE بسیار کمتر از میانگین PTE است ( شکل 3 ب و شکل 4 ب).

این نشان می دهد که در مقایسه با PTE، SE عامل اصلی محدود کننده کارایی سرمایه گذاری ATS در اکثر استان ها است. در این مطالعه، ارزیابی کارایی بر اساس مدل BCC است که بازده متغیر به مقیاس (VRS) را فرض می‌کند. بنابراین دسته بندی بازگشت به مقیاس (افزایش بازده به مقیاس، بازده ثابت به مقیاس، یا کاهش بازده به مقیاس) هر DMU را می توان تعیین کرد. همانطور که در شکل 5 الف نشان داده شده است، پس از تنظیم، تعداد DMU های فعال در IRS به طور قابل توجهی افزایش می یابد. هر سال تعداد DMUها در IRS بیشتر از قبل از تنظیم است. تعداد استان ها در DRS و CRS به طور قابل توجهی کاهش می یابد. پس از تعدیل، در هر سال تعداد استان ها در DRS کمتر از قبل از تعدیل است به جز سال 2005 ( شکل 5)ب) و تعداد استانها در CRS کمتر یا مساوی با قبل از تعدیل است به جز سال 2003 ( شکل 5 ج).

همچنین نشان داده شده است که PTE های اکثر استان ها دست کم گرفته می شوند، در حالی که SE های بیشتر استان ها تا حد زیادی بیش از حد تخمین زده می شوند زیرا تفاوت در عوامل محیطی در مدل BCC DEA در نظر گرفته نمی شود. پس از تعدیل، SE به عنوان عامل اصلی محدود کننده کارایی ATS ظاهر شد.

همراه با نتایج فوق از کارایی مقیاس و بازگشت به مقیاس، می‌توان گفت که زیرساخت‌های هوانوردی غیرنظامی و شبکه‌های هواپیمایی چین هنوز فضایی برای گسترش دارند و بازار حمل‌ونقل هوایی هنوز اشباع نشده است. با توجه به نرخ رشد مورد انتظار تقاضای حمل و نقل هوایی، توسعه هوانوردی غیرنظامی همچنان می تواند با گسترش ورودی های منابع محقق شود. استراتژی توسعه «متوسط پیشرفته» که در حال حاضر توسط CAAC اتخاذ شده است معقول است. پس از اصلاحات بومی سازی هوانوردی غیرنظامی در سال 2002، با حذف یک سری محدودیت های نظارتی سختگیرانه، کانال های سرمایه گذاری و تامین مالی برای توسعه هوانوردی غیرنظامی تا حد زیادی گسترش یافت. در همین حال، دولت های محلی اغلب اشتیاق زیادی به سرمایه گذاری در فرودگاه های محلی و شرکت های هواپیمایی محلی برای انگیزه های مختلف اقتصادی و سیاسی دارند. بین سال های 2002 تا 2017، دولت های محلی به طور فعال سرمایه گذاری در حمل و نقل هوایی را افزایش دادند و مقیاس ساخت و ساز هوانوردی غیرنظامی چین به طور بی سابقه ای افزایش یافت. با این حال، با وجود گسترش سریع، کارایی مقیاس ATS نسبتا پایین است. با توجه به واقعیت در چین، راندمان مقیاس پایین ATS را می توان از طریق توسعه شبکه هوانوردی مولدتر بهبود بخشید، که توسط آن می توان استفاده از زیرساخت های هوانوردی، به ویژه فرودگاه های منطقه ای و دورافتاده و خطوط هوایی محلی را بهینه کرد. از این رو، اداره مرکزی هوانوردی کشوری باید با چشم‌انداز استراتژیک بلندمدت، به برنامه‌ریزی کلی طرح و تخصیص منابع بین استان‌ها و در عین حال گسترش مقیاس توجه داشته باشد. و مقیاس ساخت و ساز هوانوردی غیرنظامی چین به طور بی سابقه ای رشد کرد. با این حال، با وجود گسترش سریع، کارایی مقیاس ATS نسبتا پایین است. با توجه به واقعیت در چین، راندمان مقیاس پایین ATS را می توان از طریق توسعه شبکه هوانوردی مولدتر بهبود بخشید، که توسط آن می توان استفاده از زیرساخت های هوانوردی، به ویژه فرودگاه های منطقه ای و دورافتاده و خطوط هوایی محلی را بهینه کرد. از این رو، اداره مرکزی هوانوردی کشوری باید با چشم‌انداز استراتژیک بلندمدت، به برنامه‌ریزی کلی طرح و تخصیص منابع بین استان‌ها و در عین حال گسترش مقیاس توجه داشته باشد. و مقیاس ساخت و ساز هوانوردی غیرنظامی چین به طور بی سابقه ای رشد کرد. با این حال، با وجود گسترش سریع، کارایی مقیاس ATS نسبتا پایین است. با توجه به واقعیت در چین، راندمان مقیاس پایین ATS را می توان از طریق توسعه شبکه هوانوردی مولدتر بهبود بخشید، که توسط آن می توان استفاده از زیرساخت های هوانوردی، به ویژه فرودگاه های منطقه ای و دورافتاده و خطوط هوایی محلی را بهینه کرد. از این رو، اداره مرکزی هوانوردی کشوری باید با چشم‌انداز استراتژیک بلندمدت، به برنامه‌ریزی کلی طرح و تخصیص منابع بین استان‌ها و در عین حال گسترش مقیاس توجه داشته باشد. راندمان مقیاس پایین ATS را می توان از طریق توسعه شبکه هوانوردی مولدتر بهبود بخشید، که به وسیله آن می توان استفاده از زیرساخت های هوانوردی، به ویژه فرودگاه های منطقه ای و دورافتاده و خطوط هوایی محلی را بهینه کرد. از این رو، اداره مرکزی هوانوردی کشوری باید با چشم‌انداز استراتژیک بلندمدت، به برنامه‌ریزی کلی طرح و تخصیص منابع بین استان‌ها و در عین حال گسترش مقیاس توجه داشته باشد. راندمان مقیاس پایین ATS را می توان از طریق توسعه شبکه هوانوردی مولدتر بهبود بخشید، که به وسیله آن می توان استفاده از زیرساخت های هوانوردی، به ویژه فرودگاه های منطقه ای و دورافتاده و خطوط هوایی محلی را بهینه کرد. از این رو، اداره مرکزی هوانوردی کشوری باید با چشم‌انداز استراتژیک بلندمدت، به برنامه‌ریزی کلی طرح و تخصیص منابع بین استان‌ها و در عین حال گسترش مقیاس توجه داشته باشد.

با توجه به تازگی، در سال 2017، شش استان (مغولستان داخلی، شانگهای، جیانگ سو، ژجیانگ، هنان و شانشی) در مقیاس کامل کارآمد هستند. در همین حال، 18 ATS استان در IRS فعالیت می کنند، که به این معنی است که افزایش ورودی ها می تواند افزایش بیش از متناسبی در خروجی ها را به همراه داشته باشد. بنابراین، آنها می توانند با حرکت به سمت اندازه کارآمد مقیاس بر اساس فناوری موجود در حال حاضر، عملکرد بهتری داشته باشند. شش استان دیگر (پکن، شاندونگ، گوانگدونگ، سیچوان، یوننان، سین‌کیانگ) در DRS فعالیت می‌کنند، که نشان می‌دهد افزایش ورودی‌ها می‌تواند افزایش کمتر از متناسبی را در خروجی‌ها محقق کند. چهار استان از این میان (پکن، گوانگدونگ، سیچوان، یوننان) جزو پنج استان برتر با بیشترین حجم مسافر حمل و نقل هوایی هستند. در برداشت اول، این توصیه می کند که مقیاس این بسیار بزرگ ترین ATS های استانی کاهش یابد. بنابراین، آنها می توانند با حرکت به سمت اندازه کارآمد مقیاس بر اساس فناوری موجود در حال حاضر، عملکرد بهتری داشته باشند. توضیح جایگزین بهتر، اصلاح محدودیت‌های فضای هوایی و شرایط نظارتی است که محدودیت‌های قابل‌توجهی را بر روی این ATS‌های استانی با رشد آنها تحمیل می‌کند. به عنوان مثال، این استان ها از جمله مناطقی هستند که بیشترین تقاضای حمل و نقل هوایی، بیشترین حجم ترافیک هوایی و نرخ رشد ثابت را دارند. با این حال، به دلیل محدودیت منابع فضای هوایی، کارایی مقیاس و بازگشت به مقیاس ATS آنها به شدت محدود شده است. استفاده علمی و مؤثرتر از منابع فضای هوایی می تواند اثر مقیاس و کارایی را بهبود بخشد، مانند بهینه سازی و یکپارچه سازی روند جریان ترافیک در طول مسیرهای هوایی، و استفاده مناسب از هواپیماهای بزرگ و متوسط. علاوه بر این، فناوری ناوبری جدید و فناوری کنترل ترافیک هوایی باید برای بهبود سطح اتوماسیون و کاهش احتمال تاخیر پرواز اتخاذ شود.

4.4. نتایج مدل بهره وری بوت استرپ-مالمکوئیست

با استفاده از مقدار شاخص ورودی-خروجی محاسبه شده در مرحله دوم، روش راه‌اندازی صاف برای محاسبه شاخص Malmquist اجرا می‌شود. زمان راه‌اندازی روی 2000 تنظیم شده است. مقدار میانگین نتایج تنظیم‌شده بوت استرپ شاخص Malmquist با استفاده از میانگین هندسی محاسبه می‌شود. مقادیر تنظیم شده بوت استرپ شاخص بهره وری کل عوامل (TFPI)، شاخص تغییر کارایی فنی (TECI) و شاخص تغییرات تکنولوژیکی (TCI) برای تجزیه و تحلیل تغییر بهره وری به دست می آیند.

طرح کلی تغییر بهره وری حمل و نقل هوایی

نتایج جزئی TFPI، TECI و TCI در جدول A3 ، جدول A4 و جدول A5 نشان داده شده است. همانطور که در شکل 6 نشان داده شده است، TFPI و TCI تنظیم شده بوت استرپ الگوهای مشابهی را در طول 16 سال نشان می دهند. اگرچه TECI پس از سال 2008 الگوی قابل توجهی متفاوتی از خود نشان می‌دهد، تغییرات تکنولوژیکی عامل اصلی الگوی TFPI است. این نتیجه نشان می‌دهد که بهره‌وری حمل‌ونقل هوایی به شدت تحت‌تاثیر تغییر فن‌آوری است تا تغییر کارایی فنی. این نه تنها برای میانگین ملی ( شکل 6 )، بلکه برای هر یک از شش منطقه ( شکل 7 ) صادق است.

شاخص بهره وری کل عوامل (TFPI)

همانطور که در جدول A3 نشان داده شده استمیانگین ملی بهره وری ATS از سال 2002 تا 2017 اندکی 0.3 درصد کاهش می یابد. اگرچه حجم ترافیک هوایی چین در این مدت به طور قابل توجهی افزایش یافته است، ATS نیز با تعداد زیادی منابع سرمایه گذاری شده است و در مجموع بهره وری ATS هنوز افزایش قابل توجهی نداشته است. هفت استان از جمله مغولستان داخلی، ژجیانگ، فوجیان، هنان، هاینان، یوننان، نینگشیا به ترتیب 0.9٪، 6.9٪، 1.2٪، 10.5٪، 1.3٪، 3.1٪، 0.4٪ بین سالهای 2002 و 2002 افزایش یافته اند. در سال 2017، در حالی که 23 استان دیگر کاهش بهره وری کل را در طول دوره مورد مطالعه تجربه کرده اند. در مقایسه با کشورهای دارای سیستم حمل و نقل هوایی توسعه یافته، ATS چین هنوز در یک دوره گسترش سریع است و فرودگاه ها، خطوط هوایی و تاسیسات کمکی ATS مربوطه ورودی های منابع زیادی را جذب می کنند و هنوز هم دارند.

شاخص تغییر کارایی فنی (TECI)

جدول A4 نتایج TECI تنظیم شده بوت استرپ را در طول دوره مطالعه خلاصه می کند. همانطور که در شکل 7 ب نشان داده شده است، TECI در شش منطقه بین سال های 2007 و 2013 شاهد افزایش زیگزاگی بود. پس از پنج سال سرمایه گذاری سریع و گسترش از سال 2002، صنعت هوانوردی غیرنظامی چین شروع به توجه به بهبود مدیریت و استفاده از منابع خود در این زمینه کرد. 2007. اگرچه این صنعت هنوز سرمایه‌گذاری زیادی را طی سال‌های 2007 تا 2013 به خود اختصاص داد، TECI همچنان به لطف بهبود سطح مدیریت پیشرفت نشان داد. با این حال، به دلیل بحران سال 2009 و تأثیرات تاخیری آن، تقاضای حمل و نقل هوایی نتوانست رشد ثابتی داشته باشد و الگوی رشد کلی از سال 2007 تا 2013 روند زیگزاگی را نشان داد ( شکل 7 ب). این با تحقیقات Örkcü, Balıkçı [ 6]، که به این نتیجه رسید که پس از بازگشت مجدد در سال 2010 نسبت به رکود سال 2009، افزایش ترافیک هوایی جهان تا سال 2013 راکد ماند.

شاخص تغییرات تکنولوژیکی (TCI)

جدول A5 تغییرات TCI را در طول دوره مورد مطالعه خلاصه می کند، که تا سال 2014 افزایش ثابتی را نشان نمی دهد. همانطور که در شکل 7 c نشان داده شده است، TCI در تمام شش منطقه طی سه سال متوالی آخر دوره مطالعه افزایش را تجربه کرد و در سال به اوج خود رسید. 2017. تغییرات فنی اغلب توسط عوامل خارجی مانند تغییر در سیاست های دولت، پیشرفت در فناوری و تغییرات در محیط های اقتصادی ایجاد می شود [ 6 ، 7 ]. پیروی از نسل بعدی سیستم حمل و نقل هوایی (NextGen، https://www.faa.gov/NEXTGENCAAC که در 30 دسامبر 2020 از تحقیقات ایالات متحده آمریکا و SESAR در اروپا به دست آمد، نوسازی سیستم حمل و نقل هوایی چین را برای کارآمدتر کردن حمل و نقل هوایی راه اندازی کرد. این سبد توسعه فن آوری هوانوردی غیرنظامی را پیشنهاد کرد که شامل برنامه ریزی و اجرای فناوری های جدید مانند اتوماسیون، اطلاعات و فناوری های اطلاعاتی است. در نتیجه، ATS در سال‌های اخیر شاهد رشد پایدار TCI بود. همانطور که در شکل 6 و شکل 7 ج نشان داده شده است، استراتژی توسعه فناوری ATS چین بین سال های 2014 و 2017 با TCI به طور مداوم بهبود یافته و به اوج خود می رسد، شروع به نشان دادن اثرات خود کرد .

5. نتیجه گیری و بحث در مورد پیامدهای سیاست

ارزیابی کارایی و بهره‌وری ATS نه تنها تحت تأثیر ورودی‌ها و خروجی‌های مستقیم است، بلکه تحت تأثیر محیط اقتصادی و اجتماعی بیرونی و نویز آماری نیز قرار می‌گیرد. برای غلبه بر اشکالات روش قطعی DEA، این مطالعه از یک مدل سه مرحله‌ای برای ارزیابی عملکرد و بهره‌وری ATS منطقه‌ای استفاده می‌کند. این مدل خطاهای اندازه گیری متغیر و متغیرهای مشاهده نشده اما بالقوه مرتبط را با یک عبارت اختلال تصادفی در SFA در نظر می گیرد. در این میان ویژگی های محیط عملیاتی با معرفی هفت متغیر محیطی مورد توجه قرار گرفته است. برای اندازه‌گیری دقیق‌تر ورودی منبع، از روش موجودی دائمی برای محاسبه ورودی سرمایه ATS استفاده می‌شود.

نتایج تجربی نشان می‌دهد که عوامل محیطی تأثیر قابل‌توجهی بر عملکرد ATS دارند. نشان داده شده است که کارایی مقیاس اصلی ترین عاملی است که کارایی ATS چین را محدود می کند. در مقایسه با کشورهای توسعه یافته، ATS چین هنوز در مرحله افزایش مقیاس است. تقریباً دو سوم DMU ها در مقیاس ناکافی کار می کنند. همراه با نتایج کارایی مقیاس و بازده مقیاس، ATS های اکثر استان ها هنوز در مرحله افزایش سود مقیاس هستند. با این حال، شش استان در DRS هستند که چهار استان از این (پکن، گوانگدونگ، سیچوان، یوننان) بیشترین تعداد مسافران حمل و نقل هوایی استانی را دارند. در حالی که ATS چین سود حاصل از توسعه را تجربه می کند، توجه ویژه باید به برنامه ریزی هماهنگ و توسعه متوازن حمل و نقل هوایی در مناطق مختلف برای بهبود کارایی مقیاس شود. نتایج شاخص بهره وری Bootstrap-Malmquist نشان می دهد که ATS TECI در سال های اخیر بهبود قابل توجهی نداشته است. این همچنین می تواند الهام بخش سیاست گذاری باشد که عملکرد مدیریت هنوز جای بهبود دارد [7 ]. به عنوان مثال، در عمل، ساختار سازمانی و مدیریت فرودگاه ها و خطوط هوایی را می توان بهبود بخشید تا همکاری عمومی-خصوصی آنها در امور مالی، بهره برداری و سایر جنبه ها افزایش یابد. علاوه بر این، تغییرات تکنولوژیکی روند بهره وری کل عوامل ATS را در چین تعیین کرد ( شکل 7 a,c). این نتیجه مشابه یافته های Ahn و Min [ 7 ] و Örkcü, Balıkçı [ 6 ] است. آنها هر دو دریافتند که بهره وری کل عوامل در صنعت فرودگاه عمدتاً تحت تأثیر TCI است. از آنجایی که TCI اغلب توسط عوامل خارجی مانند تحقیق و توسعه، نوآوری، و پیشرفت تکنولوژی آغاز می شود [ 60 ، 61 ]]. این نتیجه از مشروعیت سیاست نوسازی حمل‌ونقل هوایی چین و همچنین استراتژی توسعه فناوری ATS [ 62 ] پشتیبانی می‌کند که منجر به سرمایه‌گذاری فزاینده‌ای در توسعه فناوری ATS در چند سال گذشته شده است. این استراتژی توسعه صنعتی مبتنی بر فناوری، بهره‌وری ATS چین را افزایش داده است. علاوه بر نوآوری و پیشرفت تکنولوژیکی، تغییرات خارجی عمده دیگری نیز وجود دارد که بر TCI تأثیر می گذارد، مانند تغییر سیاست های دولت، و تغییرات در محیط اقتصادی و غیره [ 6 ، 7 ].]. علاوه بر این، تأثیر شدید شیوع کووید-19 بر صنعت حمل‌ونقل هوایی جهانی به ما نشان می‌دهد که تغییرات اجتماعی عمده، مانند رویدادهای بهداشت عمومی، می‌توانند تعیین‌کننده بهره‌وری TCI و ATS باشند. دولت ها و صنعت هوانوردی کشوری باید توجه ویژه ای به تغییرات محیط خارجی داشته باشند. این تغییرات خارجی و همچنین توانایی صنعت هوانوردی غیرنظامی برای انطباق با تغییرات، تأثیر مهمی بر عملکرد و بهره‌وری ATS دارد.

نقص روش اعمال شده در این مقاله این است که تنها تأثیر عوامل محیطی عملیاتی را بر عملکرد در نظر می گیرد، اما تأثیر سایر روش های حمل و نقل بالقوه جایگزین را بر صنعت حمل و نقل هوایی، مانند راه آهن پرسرعت (HSR) در نظر نمی گیرد. که در بسیاری از متون تحقیقاتی نشان داده شده است [ 63 ، 64 ، 65 ].

کار تحقیقاتی آینده می‌تواند بر توسعه روش‌های مناسب برای در نظر گرفتن تأثیرات مختلف سایر روش‌های حمل و نقل بر صنعت حمل‌ونقل هوایی در مناطق مختلف هنگام ارزیابی عملکرد ATS تمرکز کند تا نتیجه ارزیابی واقعی‌تر به دست آید. دوره تحقیق انتخاب شده در این مقاله قبل از شیوع COVID-19 است که صنعت حمل و نقل هوایی جهانی را به کلی تغییر داد. بنابراین، یکی دیگر از جهت‌های جاه‌طلبانه‌تر و چالش‌برانگیزتر برای تحقیقات آینده، پی بردن به تأثیر COVID-19 بر عملکرد فعلی و آینده صنعت حمل‌ونقل هوایی جهانی و چگونگی کاهش این تأثیر است.

اختصارات

DEA	تحلیل پوششی داده ها
DMU	واحد تصمیم گیری
TE	بهره وری فنی
PTE	بهره وری فنی خالص
SE	کارایی مقیاس
IRS	افزایش بازده به مقیاس
DRS	کاهش بازده به مقیاس
CRS	بازده ثابت نسبت به مقیاس
SFA	تحلیل مرز تصادفی
TFPI	شاخص بهره وری کل عوامل
TECI	شاخص تغییر کارایی فنی
TCI	شاخص تغییرات تکنولوژیکی

پیوست اول

جدول A1. مرحله اول کارایی فنی خالص از مدل BCC حاصل می شود.

جدول A2. کارایی مقیاس مرحله اول از مدل BCC حاصل می شود.

جدول A3. تغییرات TFPI بوت استرپ شده در طول زمان.

جدول A4. تغییرات TECI بوت استرپ در طول زمان.

جدول A5. تغییرات TCI بوت استرپ در طول زمان.

منابع

بررسی سالانه یاتا ویرایش شده توسط انجمن بین المللی حمل و نقل هوایی (IATA). 2018. در دسترس آنلاین: https://www.iata.org/en/publications/annual-review/ (دسترسی در 30 دسامبر 2020).
گزارش های سالانه شورای ایکائو ویرایش شده توسط سازمان بین المللی هوانوردی غیرنظامی (ایکائو). 2018. در دسترس آنلاین: https://www.icao.int/about-icao/Pages/annual-reports.aspx (در 30 دسامبر 2020 قابل دسترسی است).
سالنامه آماری سرمایه گذاری چین در دارایی های ثابت. ویرایش شده توسط اداره ملی آمار چین؛ 2003–2018. در دسترس آنلاین: https://www.stats.gov.cn/tjsj/ndsj/2018/indexeh.htm (در 30 دسامبر 2020 قابل دسترسی است).
یوشیدا، ی. فوجیموتو، H. معیار فرودگاه ژاپن با روش های DEA و TFP با وزن درون زا: آزمایش انتقاد از سرمایه گذاری بیش از حد در فرودگاه های منطقه ای ژاپن. ترانسپ Res. بخش E Logist. ترانسپ Rev. 2004 , 40 , 533-546. [ Google Scholar ] [ CrossRef ]
باروس، CP; Dieke، PUC ارزیابی عملکرد فرودگاه های ایتالیا: تجزیه و تحلیل پوششی داده ها. J. Air Transp. مدیریت 2007 ، 13 ، 184-191. [ Google Scholar ] [ CrossRef ]
Örkcü، HH; بالیکچی، سی. دوگان، MI; Genç، A. ارزیابی کارایی عملیاتی فرودگاه های ترکیه با استفاده از تجزیه و تحلیل پوششی داده ها و شاخص بهره وری Malmquist: مورد 2009-2014. ترانسپ سیاست 2016 ، 48 ، 92-104. [ Google Scholar ] [ CrossRef ]
Ahn، Y.-H. Min, H. ارزیابی کارایی عملیاتی چند دوره ای فرودگاه های بین المللی با استفاده از تحلیل پوششی داده ها و شاخص بهره وری Malmquist. J. Air Transp. مدیریت 2014 ، 39 ، 12-22. [ Google Scholar ] [ CrossRef ]
باروس، CP; دایک، PUC اندازه‌گیری کارایی اقتصادی فرودگاه‌ها: تحلیل روش‌شناسی سیمار-ویلسون. ترانسپ Res. بخش E Logist. ترانسپ Rev. 2008 , 44 , 1039-1051. [ Google Scholar ] [ CrossRef ]
Ülkü، T. تجزیه و تحلیل کارایی مقایسه ای فرودگاه های اسپانیا و ترکیه. J. Air Transp. مدیریت 2015 ، 46 ، 56-68. [ Google Scholar ] [ CrossRef ]
Assaf, AG; Gillen, D. اندازه‌گیری تأثیر مشترک شکل حکمرانی و مقررات اقتصادی بر کارایی فرودگاه. یورو J. عملیاتی Res. 2012 ، 220 ، 187-198. [ Google Scholar ] [ CrossRef ]
مرکرت، آر. Mangia, L. کارایی فرودگاه های ایتالیا و نروژ: موضوع مدیریت یا سطح رقابت در مناطق دور افتاده؟ ترانسپ Res. بخش A سیاست سیاست. 2014 ، 62 ، 30-38. [ Google Scholar ] [ CrossRef ]
آدلر، ن. اولکو، تی. Yazhemsky، E. پایداری فرودگاه منطقه‌ای کوچک: درس‌هایی از معیارسنجی. J. Air Transp. مدیریت 2013 ، 33 ، 22-31. [ Google Scholar ] [ CrossRef ]
مرکرت، آر. Assaf, AG استفاده از مدل‌های DEA برای برآورد مشترک درک کیفیت خدمات و سودآوری – شواهد از فرودگاه‌های بین‌المللی. ترانسپ Res. بخش A سیاست سیاست. 2015 ، 75 ، 42-50. [ Google Scholar ] [ CrossRef ]
یو، ام.-م. ارزیابی عملکرد فرودگاه با استفاده از مدل SBM-NDEA. امگا 2010 ، 38 ، 440-452. [ Google Scholar ] [ CrossRef ]
لیو، دی. اندازه‌گیری کارایی خدمات هوانوردی و کارایی خدمات تجاری شرکت‌های فرودگاه آسیای شرقی: کاربرد تحلیل پوششی داده‌های شبکه. J. Air Transp. مدیریت 2016 ، 52 ، 2-14. [ Google Scholar ] [ CrossRef ]
کوی، کیو. لی، ی. معیارهای بهره وری زیست محیطی خطوط هوایی با در نظر گرفتن اصول تعادل مواد: کاربرد یک اندازه گیری تنظیم شده در محدوده شبکه با یکبار مصرف ضعیف G. جی. محیط زیست. برنامه مدیریت. 2018 ، 61 ، 2298-2318. [ Google Scholar ] [ CrossRef ]
دویگون، م. قبل، D. شعبان، م. Tortosa-Ausina، E. جداسازی پازل کارایی خطوط هوایی اروپایی: رویکرد تحلیل پوششی داده های شبکه. امگا-اینت. جی. مناگ. علمی 2016 ، 60 ، 2-14. [ Google Scholar ] [ CrossRef ]
سرخ شده، HO; لاول، CAK; اشمیت، اس.اس. یایساوارنگ، اس. حسابداری برای اثرات زیست محیطی و نویز آماری در تحلیل پوششی داده ها. J. محصول. مقعدی 2002 ، 17 ، 157-174. [ Google Scholar ] [ CrossRef ]
شیو، جی. چیانگ، تی. اندازه گیری کارایی مدیریتی واقعی شعب بانک در تایوان: تحلیل سه مرحله ای DEA. سیستم خبره Appl. 2012 ، 39 ، 11494-11502. [ Google Scholar ] [ CrossRef ]
چاوک، م. Pagliari, DR; موکسون، آر. تأثیر متغیرهای خارجی کلان محیط زیست ملی بر کارایی فرودگاه. J. Air Transp. مدیریت 2020 ، 82 ، 101740. [ Google Scholar ] [ CrossRef ]
سرخ شده، HO; اشمیت، اس.اس. یایساوارنگ، اس. ترکیب محیط عملیاتی در یک اندازه گیری ناپارامتری بهره وری فنی. J. محصول. مقعدی 1999 ، 12 ، 249-267. [ Google Scholar ] [ CrossRef ]
بانکر، RD; چارنز، ای. کوپر، دبلیو دبلیو چند مدل برای تخمین ناکارآمدی های فنی و مقیاس در تحلیل پوششی داده ها. مدیریت علمی 1984 ، 30 ، 1078-1092. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
چارنز، ای. کوپر، WW; رودز، ای. اندازه گیری کارایی واحدهای تصمیم گیری. اروپایی J. عملیاتی Res. 1978 ، 2 ، 429-444. [ Google Scholar ] [ CrossRef ]
فارل، ام جی، اندازه گیری کارایی تولید. JR Stat. Soc. سر. A (Gen.) 1957 ، 120 ، 253-290. [ Google Scholar ] [ CrossRef ]
جوندرو، جی. ناکس لاول، کالیفرنیا؛ ماتروف، IS; اشمیت، پی. در مورد برآورد ناکارآمدی فنی در مدل تابع تولید مرز تصادفی. جی. اکونوم. 1982 ، 19 ، 233-238. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
فره، ر. گروسکوپف، اس. نوریس، ام. ژانگ، رشد بهره وری ZZ، پیشرفت فنی و تغییر کارایی در کشورهای صنعتی. صبح. اقتصاد Rev. 1994 , 84 , 66-83. [ Google Scholar ]
سیمار، ال. ویلسون، تحلیل حساسیت PW امتیازهای کارایی: نحوه راه‌اندازی در مدل‌های مرزی ناپارامتری. مدیریت علمی 1998 ، 44 ، 49-61. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
سیمار، ال. ویلسون، PW برآورد و راه‌اندازی شاخص‌های Malmquist. یورو J. عملیاتی Res. 1999 ، 115 ، 459-471. [ Google Scholar ] [ CrossRef ]
کاتالانو، جی. دارائو، سی. دیانا، م. گریگوری، م. Matteucci، G. ارزیابی کارایی، اثربخشی و اثرات در بخش حمل و نقل ریلی: تحلیل انتقادی پیشرفته تحقیقات فعلی. بین المللی ترانسپ اپراتور Res. 2019 ، 26 ، 5-40. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
کرسنزی، آر. دی کاتالدو، ام. رودریگز پوز، الف. کیفیت دولتی و بازده اقتصادی سرمایه گذاری زیرساخت حمل و نقل در مناطق اروپایی. J. Reg. علمی 2016 ، 56 ، 555-582. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
فرهادی، م. زیرساخت های حمل و نقل و رشد اقتصادی بلندمدت در کشورهای OECD. ترانسپ Res. بخش A سیاست سیاست. 2015 ، 74 ، 73-90. [ Google Scholar ] [ CrossRef ]
ایرمن، ع. کوئنل، جی. مخارج تولیدی دولت و رشد اقتصادی. جی. اکون. سور. 2009 ، 23 ، 692-733. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
ماپارو، تی اس؛ Mazumder، TN زیرساخت های حمل و نقل، توسعه اقتصادی و شهرنشینی در هند (1990-2011): آیا رابطه علّی وجود دارد؟ ترانسپ Res. بخش الف- عمل سیاست. 2017 ، 100 ، 319-336. [ Google Scholar ] [ CrossRef ]
Zuo، CC؛ بیرکین، ام. مدل‌سازی اثرات اقتصادی و جمعیتی تأمین زیرساخت‌های حمل‌ونقل عمده: مطالعه موردی مناطق بریتانیا. ترانسپ Res. بخش A سیاست سیاست. 2019 ، 125 ، 207–222. [ Google Scholar ] [ CrossRef ]
Rotengatter، W. اثرات اقتصادی گسترده تر سرمایه گذاری در زیرساخت های حمل و نقل: مرتبط یا ناچیز؟ ترانسپ سیاست 2017 ، 59 ، 124-133. [ Google Scholar ] [ CrossRef ]
یانگ، آ. طلا به فلزات اساسی: رشد بهره وری در جمهوری خلق چین در طول دوره اصلاحات. جی. سیاست اقتصادی. 2003 ، 111 ، 1220-1261. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
کمپس، سی. برآوردهای جدید از سهام سرمایه خالص دولت برای 22 کشور OECD، 1960-2001. IMF Staff Pap. 2006 ، 53 ، 120-150. [ Google Scholar ]
سالنامه آماری چین ویرایش شده توسط اداره ملی آمار چین؛ 2003–2018. در دسترس آنلاین: https://data.stats.gov.cn/ (در 30 دسامبر 2020 قابل دسترسی است).
ژانگ، جی. برآورد موجودی سرمایه استانی چین (1952-2004) با برنامه های کاربردی. جی. چین. اقتصاد اتوبوس. گل میخ. 2008 ، 6 ، 177-196. [ Google Scholar ] [ CrossRef ]
جین، جی. برآورد موجودی سرمایه زیرساختی چین. اقتصاد Res. J. 2012 , 47 , 12. [ Google Scholar ]
جین، جی. سرمایه زیرساختی و غیر زیرساختی در چین و بهره وری آنها: یک برآورد جدید. اقتصاد Res. J. 2016 , 51 , 16. [ Google Scholar ]
سالنامه آماری چین در صنعت سوم. ویرایش شده توسط اداره ملی آمار چین؛ 2003–2018. در دسترس آنلاین: https://data.stats.gov.cn/ (در 30 دسامبر 2020 قابل دسترسی است).
چانگ، Y.-T. ژانگ، ن. دانائو، دی. Zhang، N. تجزیه و تحلیل کارایی محیطی سیستم حمل و نقل در چین: یک رویکرد DEA غیر شعاعی. سیاست انرژی 2013 ، 58 ، 277-283. [ Google Scholar ] [ CrossRef ]
لیو، XH; وو، جی. تجزیه و تحلیل بهره وری انرژی و زیست محیطی بخش های حمل و نقل منطقه ای چین: یک رویکرد DEA مبتنی بر سستی. سیستم انرژی 2017 ، 8 ، 747-759. [ Google Scholar ] [ CrossRef ]
پارک، YS; لیم، SH; اگیلمز، جی. Szmerekovsky، J. ارزیابی کارایی زیست محیطی بخش حمل و نقل ایالات متحده: یک رویکرد تحلیل پوششی داده مبتنی بر سستی. ترانسپ Res. قسمت D-Transp. محیط زیست 2018 ، 61 ، 152-164. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
چی، جی. Baek, J. کشش های قیمت و درآمد تقاضا برای حمل و نقل هوایی: شواهد تجربی از صنعت حمل و نقل هوایی ایالات متحده. J. Air Transp. مدیریت 2012 ، 20 ، 18-19. [ Google Scholar ] [ CrossRef ]
هالپرن، ن. Bråthen، S. تاثیر فرودگاه ها بر دسترسی منطقه ای و توسعه اجتماعی. J. Transp. Geogr. 2011 ، 19 ، 1145-1154. [ Google Scholar ] [ CrossRef ]
براتن، اس. هالپرن، ن. راهبردهای مدیریت و ارائه خدمات حمل و نقل هوایی برای بهبود مزایای اقتصادی برای مناطق دوردست. Res. ترانسپ اتوبوس. مدیریت 2012 ، 4 ، 3-12. [ Google Scholar ] [ CrossRef ]
بیکر، دی. مرکرت، آر. Kamruzzaman، M. حمل و نقل هوایی منطقه ای و رشد اقتصادی: هم ادغام و تجزیه و تحلیل علیت در استرالیا. J. Transp. Geogr. 2015 ، 43 ، 140-150. [ Google Scholar ] [ CrossRef ]
بالسالوبر-لورنته، دی. Driha، OM; Bekun، FV; Adedoyin، FF تاثیر نامتقارن حمل و نقل هوایی بر رشد اقتصادی در اسپانیا: شواهد تازه از فرضیه رشد گردشگری هدایت شده. Curr. تور مسائل. 2019 ، 24 ، 36-53. [ Google Scholar ] [ CrossRef ]
گالگو، آی. فونت، X. اندازه گیری آسیب پذیری مقاصد گردشگری در دسترس بودن حمل و نقل هوایی، با استفاده از شاخص های ترکیبی چند معیاره. جی. مقصد. مارک منگ. 2019 ، 14 ، 2-12. [ Google Scholar ] [ CrossRef ]
خان، SAR؛ دونگ، QL؛ وی، اس بی؛ زمان، ک. Zhang، Y. شاخص رقابت پذیری سفر و گردشگری: تأثیر حمل و نقل هوایی، حمل و نقل ریلی، خدمات مسافرتی و حمل و نقل بر گردشگری بین المللی ورودی و خروجی. J. Air Transp. مدیریت 2017 ، 58 ، 125-144. [ Google Scholar ] [ CrossRef ]
مالیگتی، پ. مارتینی، جی. ردوندی، ر. اسکاتی، دی. شبکه های حمل و نقل هوایی ادغام کنندگان جهانی در صنعت حمل و نقل هوایی آزادتر آسیایی. ترانسپ سیاست 2019 ، 80 ، 12-23. [ Google Scholar ] [ CrossRef ]
Schuckmann، SW; گناتزی، تی. دارکو، آی.-ال. فون در گراخت، HA تجزیه و تحلیل عوامل مؤثر بر توسعه زیرساخت های حمل و نقل تا سال 2030 – یک مطالعه سناریویی مبتنی بر دلفی. تکنولوژی پیش بینی. Soc. چانگ. 2012 ، 79 ، 1373-1387. [ Google Scholar ] [ CrossRef ]
دبیج، حمل‌ونقل هوایی KG و تجدید ساختار شهری-اقتصادی: مزیت رقابتی در کارولینای ایالات متحده. J. Air Transp. مدیریت 1999 ، 5 ، 211-221. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Melo، PC; گراهام، دی جی؛ Brage-Ardao، R. بهره وری سرمایه گذاری زیرساخت های حمل و نقل: یک فراتحلیل شواهد تجربی. Reg. علمی اقتصاد شهری 2013 ، 43 ، 695-706. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
جیانگ، یل. تیمرمنز، HJP; یو، بی. جابجایی صنعت تولید از منظر دسترسی حمل و نقل – کاربرد تئوری نفوذ. ترانسپ سیاست 2018 ، 63 ، 10-29. [ Google Scholar ] [ CrossRef ]
Sengupta، JK نظریه کارایی سیستم ها. در دینامیک تحلیل پوششی داده ها: نظریه کارایی سیستم ها ; Springer: Dordrecht، هلند، 1995; صص 179-215. [ Google Scholar ]
کان تسوئی، WH; بالی، هو. گیلبی، ا. Gow, H. کارایی عملیاتی فرودگاه های آسیا-اقیانوسیه. J. Air Transp. مدیریت 2014 ، 40 ، 16-24. [ Google Scholar ] [ CrossRef ]
پستانا باروس، سی. مناگی، س. یوشیدا، ی. رشد بهره وری و تغییر تکنولوژیک مغرضانه در فرودگاه های ژاپن. ترانسپ سیاست 2010 ، 17 ، 259-265. [ Google Scholar ] [ CrossRef ]
Fung، MKY; Wan، KKH; هوی، YV; قانون، JS تغییرات بهره وری در فرودگاه های چین 1995-2004. ترانسپ Res. بخش E Logist. ترانسپ Rev. 2008 , 44 , 521-542. [ Google Scholar ] [ CrossRef ]
سیزدهمین برنامه پنج ساله برای توسعه فناوری هوانوردی غیرنظامی در چین. ویرایش شده توسط اداره هواپیمایی کشوری چین؛ 2016. در دسترس آنلاین: https://data.stats.gov.cn/ (در 30 دسامبر 2020 قابل دسترسی است).
لی، YT; یانگ، بی. Cui, Q. اثرات راه آهن پرسرعت بر حمل و نقل هوایی مسافر در چین. Appl. اقتصاد Lett. 2019 ، 26 ، 745–749. [ Google Scholar ] [ CrossRef ]
گاندلفینگر-کاسار، جی. Coto-Millan, P. رقابت بین وجهی بین راه آهن پرسرعت و حمل و نقل هوایی در اسپانیا. Util. سیاست 2017 ، 47 ، 12-17. [ Google Scholar ] [ CrossRef ]
دوبروسکس، اف. دهون، سی. Givoni, M. آیا راه آهن پرسرعت اروپا بر سطح فعلی خدمات هوایی تأثیر می گذارد؟ تحلیلی در سطح اتحادیه اروپا ترانسپ Res. بخش A سیاست سیاست. 2014 ، 69 ، 461-475. [ Google Scholar ] [ CrossRef ]

شکل 1. چارچوب روش به کار رفته در این تحقیق.

شکل 2. میانگین ملی کارایی فنی خالص (PTE) و کارایی مقیاس (SE) در طول دوره مطالعه در مرحله اول.

شکل 3. PTEهای شش منطقه در طول دوره مطالعه قبل و بعد از تعدیل.

شکل 4. SE های شش منطقه در طول دوره مطالعه قبل و بعد از تعدیل.

شکل 5. تعداد استان ها به ترتیب با افزایش بازده به مقیاس، کاهش بازده به مقیاس و بازده ثابت به مقیاس.

شکل 6. میانگین ملی شاخص بهره وری کل عوامل (TFPI)، شاخص تغییر کارایی فنی (TECI) و شاخص تغییر فناوری (TCI) در طول دوره مورد مطالعه (بوت استرپ تنظیم شده).

شکل 7. میانگین TFPI، TECI و TCI شش منطقه در طول دوره مطالعه (بوت استرپ تنظیم شده).

مقالات داخلی و بین المللی

بدون دیدگاه

دیدگاهتان را بنویسید لغو پاسخ

برای نوشتن دیدگاه باید وارد بشوید.

مشاورین هوش پیروزی

چکیده

کلید واژه ها:

1. مقدمه