臺灣博碩士論文加值系統

2008年全球航空產業自高油價衝擊中脫困，即面臨了全球性金融海嘯襲擊，客運與貨運市場獲利皆嚴重虧損。此外低成本航空的經營模式日趨成熟，亦帶給客運市場極大的競爭挑戰。全球航空客、貨之成長與外在經濟環境發展息息相關，因此航空公司經營效率的變化，為瞭解全球航空市場與預測未來發展的觀察指標。
本研究選取全球120家航空公司，將其依全貨運(含航空快遞業)、組合型與低成本航空公司三種不同營運型態，復以國際航空運輸協會劃分之運務會議區域(Traffic Conference Area, TC)分成美洲區(TC1)、歐非區(TC2)及亞洲大洋區(TC3)三大區域，共分成九個群組。選取三項投入變數(總飛行距離、總起降次數、總飛行時間)與二項產出變數(總承載旅客數、總承運貨物噸數)，使用資料包絡分析法(Data Envelopment Analysis, DEA)產出導向之CCR、BCC和超級效率(Super Efficiency)等模式，進行2006至2015年之整體經營績效評估。評估結果最具總體技術效率之航空公司為愛爾蘭航空，最具純技術效率之航空公司為沙烏地阿拉伯航空。前五年最具規模效率之航空公司為2007年瑞安航空、後五年最具規模效率之航空公司為2015年的新加坡航空。
此外，本研究以金融風暴時間點界定2006年至2010年為前期，2011年至2015年為後期，分析兩個較長期間之跨期效率變化，應用共同邊界法(Metafrontier Approach )搭配麥氏生產力指數(Malmquist Productivity Index, MPI)拆解，予以衡量跨群組與跨期間之生產力。透過效率變動、技術變動與技術落差變動，區隔不同經營類型與區域特性，結果發現TC3全貨快遞業之航空公司具有較佳的成長，TC2全貨運快遞業與TC3低成本航空公司衰退較多，因此建議效率較差之航空公司，改善技術面與效率層面，方能提升其營運績效。

The airline industry has developed multiple diverse business models with high competition during this decade. In particular, airlines confronted huge impacts and operation challenges stemmed from the changes of external economic environment during this period. To search benchmarks with high operation performance to assist growth becomes a crucial tactic mission for airlines.
This study selected the global 120 airlines, according to the whole freight (including the air express industry), combined and low-cost carrier in three different types of operations, and according to IATA Traffic Conference Area ,divided into America(TC1) Europe and Africa region (TC2) and Asian Ocean (TC3) three regions, then divided into nine groups. Choice three Input(Aircraft km, Aircraft departures, Aircraft hours) and two output variables (Passenger carried, Freight tonnes carried),using data envelopment analysis (DEA) Output-oriented CCR, BCC and Super Efficiency and other models, the 2006 to 2015 the overall operating performance evaluation. The results are most of the overall technical efficiency of the airline for Irish Air, the most purely efficient airline for Saudi Arabia to Saudi Arabia. The first five years of the most efficient airlines for 2007 Ryanair, after five years the most efficient airlines for the 2015 Singapore Airlines.
In addition, this study uses the time of the financial crisis to define the pre-period from 2006 to 2010, from the end of 2011 to 2015, the analysis of the two long period of intertemporal efficiency changes, applying Metafrontier Approach with Malmquist Productivity Index dismantling, to measure cross-group and cross-period productivity. Through efficiency change, technnical change and technical gap change, to assort different operation types and regions, the results found that TC3 all freight and express have better growth, TC2 all freight and express, TC3 low-cost carriers has a lot of recession, therefore, suggested the inefficient airlines to improve their technical and efficiency levels to improve their operational performance.

謝辭 I
摘要 III
Abstract IV
目次 V
表目錄 VII
圖目錄 IX
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 3
1.3 研究範圍及限制 3
1.4 研究方法與流程 6
第二章 文獻回顧 9
2.1 常見績效評估方法 9
2.2 航空公司DEA績效分析 11
2.3 機場營運DEA績效績效相關研究 14
2.4 共同邊界法相關研究 16
2.5 小結 17
第三章 資料包絡分析模式 18
3.1 DEA理論緣起 18
3.2 CCR模式 19
3.3 BCC模式 21
3.4 超級效率模式 23
3.5 距離函數 24
3.6 共同邊界麥氏生產力指數 25
第四章 單期效率分析 30
4.1 ICAO Data Plus資料庫介紹 30
4.2 投入產出項與決策單位之定義說明 31
4.3 變數資料與統計分析 38
4.4 CCR與BCC分析 44
4.5 超級效率分析 50
第五章 跨期效率分析 53
5.1 技術缺口率與分群檢定 53
5.2 航空公司分群之生產力比較 63
5.3 航空公司各別生產力 69
第六章 結論與建議 72
6.1 結論 72
6.2 建議 74
參考文獻 75
一、 中文部分 75
二、 英文部分 76
三、 參考網站 77

一、中文部分
1.吳濟華、何柏正(2008)，組織效率與生產力評估-資料包絡法，前程文化事業有限公司。
2.林有信(2006)，｢探討航空公司在不同風險程度下之營運績效｣，國立高雄第一科技大學碩士論文。
3.周言(2016)，｢應用共同邊界法評估全球主要貨櫃港口經營效率之研究｣，國立臺灣海洋大學碩士論文。
4.洪秀婉、張珈進、羅印呈(2010)，「航空公司經營績效與市場需求波動之研究」，台灣企業績效學刊，第四卷，第一期，頁67-95。
5.高強、黃旭男、Toshiyuki,S.(2003)，管理績效評估-資料包絡分析法。
6.孫遜(2004)，「資料包絡分析法-理論與應用」，楊智文化事業有限公司。
7.翁瑋琳(2013)，「兩岸航空業生產效率之研究---應用共同邊界模型」，國立金門大學碩士論文。
8.高頻歡(2014)，｢應用資料包絡分析法評估全球低成本航空公司營運績效之研究｣，國立臺灣海洋大學碩士論文。
9.陳念涵(2014)，｢網路資料包絡分析法評估全球組合型航空公司營運績效之研究｣，國立臺灣海洋大學碩士論文。
10.陳體峻(2014)，｢應用資料包絡分析法評估航空貨運物流經營績效-以亞太地區主要國籍航空公司為例｣，國立東華大學碩士論文。
11.張越、胡華清(2006)，｢基於Malmquist生產力指數的我國民用機場運營效率分析」，系統工程，第二十四卷，第十二期，頁40-45。
12.黃立安(2014)，｢網路資料包絡分析法評估全球機場營運績效之研究｣，國立臺灣海洋大學碩士論文。
13.趙時樑、游明敏、蔡宛容(2015)，｢應用共同邊界生產力指標評估台灣宅配業營業所之經營績效-以A公司為例｣，航運季刊，第二十四卷，第三期，頁21-39。
14.蔡明智、何榮華、方文星(2014)，｢以資料包絡分析法評估二岸航空產業經營效率｣，工程科技與教育學刊，第十一卷，第二期，頁228-244。
15.薄喬萍(2008)，「D.B.A在績效評估之綜合應用」，五南文化事業有限公司。

二、英文部分
1.Andersen, P., & Petersen, N. C. (1993), “A procedure for ranking efficient units in data envelopment analysis,’’ Management science, Vol. 39, No. 10, pp. 1261-1264.
2.Banker, R. D., Charnes, A. & Cooper, W. W. (1984), ‘‘Some Models for Esimating Technical and Scale Inefficiencies in Data Envelopment Analysis,’’ Management Science, Vol. 30, No. 9, pp. 1078-1092.
3.Battese, G. E., & Rao, D. P. (2002), “Technology gap, Efficiency, and a stochastic metafrontier function,’’ International Journal of Business and Economics, Vol.1, No. 2, pp. 87-93.
4.Charnes, A., Cooper, W. W. & Rhodes, E. (1978), “Measuring the Efficiency of Decision Making Units,” European Journal of Operational Research, Vol. 2, pp. 429-444.
5.Cullinane, K., Wang, T. F., Song, D. W., & Ji, P. (2006), “The technical efficiency of container ports: Comparing data envelopment analysis and stochastic frontier analysis,” Transportation Research Part A:Policy and Practice Vol. 40, pp. 354-374.
6.Drucker, P. F. (2006), ‘‘The Effective Executive: The Definitive Guide to Getting the Right Things Done,’’ (Harperbusiness Essentials). New York: Collins.
7.Fare, R. (1994), “Productivity growth, technical progress, and efficiency change in industrialized countries,” The American economic review, pp. 66-83.
8.Farrell, M. J. (1957), “The measurement of productive efficiency,” Journal of the Royal Statistical Society, Vol. 120, No. 3, pp.252-267.
9.Golany, B., & Roll, Y. (1989), ‘‘An application procedure for Data Envelopment Analysis,’’ Management Scinece, Vol. 17, pp. 237-250.
10.Lin, L. C., & Hong, C. H. (2006), “Operational performance evaluation of international major airports: An application of data envelopment analysis,’’ Journal of Air Transport Management, Vol. 12, pp. 342-351.
11. Mann, H. B., & Whitney, D. R. (1947), “On a test of whether one of two random variables is stochastically larger than the other,” The annals of mathematical statistics, pp. 50-60.
12.Oh, D. H., & Lee, J. D. (2010), ‘‘A metafrontier approach for measuring Malmquist productivity index,’’ Empirical Economics, Vol. 38, pp. 47-64.
13.Omrani, H., & Soltanzadeh, E. (2016), “Dynamic DEA model with network structure: An application for Iranian airlines,’’Journal of Air Transport Management, Vol. 57, pp. 52-61.
14.Rambaldi, A. N., Rao, D. P., & Dolan, D. (2007), ‘‘Measuring productivity growth performance using metafrontiers with applications to regional productivity growth analysis in a global context,’’ In ESAM07 pp. 1-33. The University of Queensland.
15.Wanke, P., & Barros, C. P. (2016), “Efficiency in Latin American airlines:A two-stage approach combining Virtual Frontier Dynamic DEA and Simplex Regression,’’ Journal of Air Transport Management, Vol. 54, pp. 93-103.
16.Yu, M. M., Chang, Y. C., & Chen, L. H. (2016), “Measurement of airlines’ capacity utilization and cost gap: Evidence from low-cost carriers,’’Journal of Air Transport Management, Vol. 53, pp. 186-198.
三、參考網站
1.Airbus Global Market Forecast 2017-2036網站(http://www.aircraft.airbus.com/)
2.Boeing World Air Cargo Forecast 2016-2017網站(http://www.boeing.com/)
3.IATA網站(http://www.iata.org/Pages/default.aspx)
4.ICAO Data Plus網站(https://www4.icao.int/newdataplus/)