吴向明,赵磊
(浙江工业大学a.经贸管理学院;b.城镇化与城乡休闲研究中心,浙江杭州310023)
浙江省高星级酒店效率测度*
——基于非参数DEA-Malmquist指数的实证分析
吴向明a,b,赵磊a,b
(浙江工业大学a.经贸管理学院;b.城镇化与城乡休闲研究中心,浙江杭州310023)
采用非参数DEA-Malmquist生产率指数法测算了2002-2011年浙江省高星级酒店全要素生产率,并将其分解为技术进步与技术效率。研究结果表明:技术进步是推动浙江省高星级酒店全要素生产率增长的主要源泉,而技术效率基本处于负增长状态;浙江省高星级酒店全要素生产率增长表现出显著的波动性,并存在市级差异;收敛检验结果表明,在整体样本时期内,浙江省高星级酒店全要素生产率存在绝对贝塔收敛。此外,文章又采用DEA-BCC模型,测算了2011年浙江省高星级酒店综合技术效率,并进行了投入产出改进分析。
高星级酒店;全要素生产率;收敛;综合技术效率
星级酒店是旅游业的重要细分行业,据统计,近十年来,中国星级酒店平均规模扩张速率为12.8%,与旅游业产出平均占比为48%,在旅游业内部五类细分旅游行业中占据主导地位。伴随着旅游业在区域发展中的产业地位、经济作用逐步增强,旅游业对区域经济的拉动力、社会就业的带动力以及对文化与环境的促进作用日益显现。在内需启动、消费升级以及国民收入不断提高的背景下,旅游业正逐渐成为中国经济发展的支柱性产业之一。与此同时,星级酒店也进入行业发展的高速扩张阶段,尤以高星级酒店(四星级)最为典型。高星级酒店发展不仅直接彰显出旅游目的地旅游产品供给能力,也可潜在表征地区经济社会发展的综合竞争力。
星级酒店具有显著的劳动和资本密集型属性特征,因此,在其具体运营过程中,其效率评价问题成为旅游经济学研究的关键内容。特别地,在中国星级酒店规模不断扩张,并且旅游业内部结构逐渐由粗放型向内涵式转变过程中,对于星级酒店经营绩效进行测度分析显得尤为必要[1]。围绕此部分研究内容,国内外学者分别从不同研究视角积累了相当丰富的研究文献[2-7]。主要缘由在于,对星级酒店效率问题进行研究,从宏观上,可以洞察该行业投入产出结构类型;从微观上,为星级酒店经营者提供科学有效的管理思路。
通过对既有星级酒店效率研究文献细查可知,主要存在如下3个特点:其一,在研究对象上,大多选取经济连锁酒店,主要在于其规模经济效益显著[8-9];其二,在研究方法上,主要侧重于对所选数据进行截面分析,鉴于面板数据分析更能充分利用样本信息,所以,截面数据分析容易导致星级酒店效率评价失真[10-12];其三,在研究内容上,主要停留在星级酒店效率分解静态层面,而对效率的动态特征,如演变特征、空间分异与收敛性等方面涉及甚少[13-15]。
为进一步拓展星级酒店效率研究深度,在已有研究内容基础上,本文首次深入浙江省这一细分经济单元内部,遵循Tsaur星级酒店效率评价分析思路[16],基于2002-2011年浙江省市级高星级酒店面板数据,利用非参数DEA-Malmquist生产率指数方法测算和分解浙江省高星级酒店全要素生产率,进而刻画出其行业发展模式及增长源泉,更深入的研究表现在对其生产率增长的动态时空演变与收敛性特征进行解析。随后,单独选取2011年截面数据,以期直观阐明浙江省高星级酒店综合效率目标导向下的投入产出冗余问题,从而在更为实践性的层面上为浙江省高星级酒店集约型发展提供科学依据。
(一)研究方法
效率问题是经济学研究的重点内容。传统上,衡量效率指标主要是单要素生产率和全要素生产率。新古典经济学强调单要素生产率对增长的重要性时,主要意指劳动、资本与土地等生产率。随着内生经济增长理论的发展,建立在宏观经济增长核算框架基础上的全要素生产率由于可以克服单要素生产率无法全面反映经济增长现实的不足,并且充分反映出增长过程的“索洛余值”,近年来,受到广泛关注。
全要素生产率测算方法主要包括:索洛余值法、参数随机前沿生产函数法和非参数DEAMalmquist生产率指数法。与其他方法相比,非参数DEA-Malmquist生产率指数方法优势在于:①不需要事先假定函数形式或分布假设构建生产前沿函数;②不需要相关投入要素的要素价格信息;③可对全要生产率进行分解,探究其增长源泉。
非参数DEA-Malmquist生产率指数方法在测算经济增长以及三次产业全要素生产率方面较为普遍[17-19],但在旅游业全要素生产率测算中鲜有涉及[20]。虽然有研究采用上述方法对中国饭店业全要素生产率进行测度[21],其出发点仍是基于中国饭店业整体规模扩张的背景下展开,但是,随着中国星级酒店业逐渐参与国际旅游市场竞争,高星级酒店作为星级酒店业的主导力量,乃至中国旅游业发展的重要支撑体系,其作用不可忽视。遗憾的是,尽管谢春山等对中国五星级酒店进行了效率评价,仍是停留在静态截面数据分析层面,对高星级酒店技术进步作用的忽视与内生经济增长理论相悖[15]。进言之,这同时也为本文研究内容提供了创新空间。
Malmquist生产率指数最早由Caves et al.提出[22],后经Fare et al.给出这一理论的非线性规划解法[23],进而被广泛应用于行业部门效率测评中。本文主要定义从产出角度研究浙江高星级酒店效率。根据Farrell et al.等的定义和方法[24],我们以浙江省每个市级单位作为一个决策单元,构造每一时期浙江省高星级酒店效率的最佳实践前沿面,把每个市级高星级酒店效率同最实践前沿面进行比较,以此对各决策单元技术效率变化和技术进步变化进行测度。
假设在每一时期t=1,2,…,T,决策单元使用生产技术St将投入要素转化为产出, St为t时期的技术可行集,即该生产技术是所有可行的投入产出向量的集合,其中每一个给定投入下的最大产出子集称为生产技术前沿。t时期的产出距离函数可定义为Farrell所测算的产出技术效率的倒数,即在给定投入xt条件下,生产能够向产出yt方向扩张的最大比例的倒数:
根据Caves et al.的推导[22],在定义Malmquist生产率指数时,还需定义t+1时期的距离函数,即:
该函数定义了以t时期生产技术为参照时t+1时期可行的投入产出(xt,yt)最大比例变化。当然,也可以定义以t+1时期的生产技术为参照定义距离函数,例如(xt,yt),说明以t+1时期生产技术为参照时t时期可行的投入产出(xt,yt)所能达到的最大比例变化。
为了避免生产技术参照系选择时期的随意性, Fare et al.将Malmquist生产率指数设定为上述两个指数的几何平均[25],即:
上式将Malmquist生产率指数分解为两部分,分别刻画了生产率变化中的相对技术效率变化和技术进步变化。
TC是技术进步变化指数,衡量t到t+1时期生产前沿面的移动。TEC是不变规模报酬且要素自由处置条件下的相对效率变化指数,衡量每个决策单元t到t+1时期从实际生产点到生产前沿面的追赶速度。
根据Fare et al.[25],还可以通过构造可变规模报酬参考技术下的生产前沿面分离出规模效率变化指数SEC与纯技术效率变化指数PTEC。
对于Malmquist生产率指数测算分解,还需要求解4个基于混合距离函数的非参数线性规划。假定有k=1,2,…,K个省份在时期t=1,2,…,T使用n=1,2,…,N种投入生产m=1,2,…,M种产出。
在固定规模报酬与要素投入强可处置性条件,t时期的生产技术前沿定义为:
要测算k市以时期t为基期,t+1时期的Malmquist指数,需要求解四个线性规划问题。对于每一个k=1,2,···,K地级市,Dt0(xt,yt)的线性规划表达式为:
同理,可以分别构造出其他相对应的3个距离函数倒数的线性规划问题:
Malmquist生产率指数的实质是两个时期距离函数的比值,其核心思想基本逻辑在于,首先借助于数据包络方法确定经济体中效率最高的决策单元,并将其作为生产技术前沿,然后其他决策单元通过与其进行对比,从而确定其技术效率水平,最后通过线性规划方法,求解出相应的生产率变化指数。
(二)指标选取与数据说明
在产出变量上,本文选取浙江省辖地级市高星级酒店营业收入作为替代指标,该指标可以直接反映出该地区高星级酒店的产出能力。在投入变量上,资本投入选取市级高星级酒店固定资产总额度量;劳动投入选取市级高星级酒店年末从业人员总数度量。上述指标中,营业收入与固定资产总额单位为“万元”,年末从业人员总数单位为“人”。本文所选投入产出数据来源于浙江省旅游信息中心。
本文实证分析主要基于2002-2011年浙江省11个地级市高星级酒店面板数据展开,截面样本中未包括丽水,主要由于2005年之前高星级酒店数据缺失;时间序列选择主要是因为除丽水之外,舟山和衢州2001年数据缺失。
(一)浙江高星级酒店全要素生产率时间演变
根据上文动态全要素生产率测算原理与选取变量,利用DEAP2.1软件,对2002-2011年浙江省11个地级市高星级酒店Malmquist生产率指数进行测算分解,以便发现其变动的时间演变与空间分异特征,从而在更为客观地视角上对浙江省高星级酒店效率评价做出理性评判。
表1揭示了出历年浙江省高星级酒店平均Malmquist生产率指数变动及其分解的时间演变特征。据表1,2002-2011年浙江省高星级酒店平均Malmquist生产率为1.11,说明其年均增长11%,对其按照式(3)进一步分解,可得技术进步年均增长13.5%,技术效率年均增长-2.2%,由此可见,技术进步是推动浙江省高星级酒店Malmquist生产率增长的主要源泉,这也符合内生经济增长理论的基本观点。值得注意的是,技术效率变化呈现负增长,意味着相对技术效率的下降在一定程度上同时抵消了技术进步的“增长效应”。对技术效率进一步分解,我们会发现,纯技术效率与规模效率年均增长分别为-0.8%和-1.4%。然而,这也表明,较低水平的效率状况使得浙江省高星级酒店并未充分挖掘出现有投入资源和技术的潜力,因此,利用效率的改善,推动现有技术效率向生产前沿面靠近,提高浙江省高星级酒店Malmquist生产率增长中技术效率的“追赶效应”内涵,对浙江省高星级酒店Malmquist生产率增长具有重要意义。
表1 历年平均高星级酒店生产率指数及其分解(2002-2011年)
从更为实践的层面上考虑,浙江省高星级酒店通过不断引进先进技术与设备、自主创新能力的提升以及企业产权制度的市场化改革等促使其Malmquist生产率较快增长。结合技术效率分解情况可知,在注重技术进步的同时,由于对技术效率的忽视,造成浙江省高星级酒店在整体上并未以有效率的方式生产经营,特别是存在着规模不经济的现象。实质上,纯技术效率的年均负增长说明浙江省高星级酒店在提高人力资本质量、引进高星级酒店先进管理经验以及改善企业经营管理水平方面仍有待提高,而规模效率年均负增长意味着其要素配置结构仍需合理化。
分阶段来看,浙江省高星级酒店全要素生产率及其分解的变动情况呈现出较为显著的时变波动性。2002-2007年期间,2003-2004年浙江省高星级酒店20.9%,显著高于此阶段其他时期,成为典型奇异值。但并不出乎意料,前文已述,非参数DEAMalmquist生产率指数测算原理主要是基于基期数据,考虑到2003年“非典”事件对浙江旅游业的负面效应,特别是高星级酒店入住率急剧下降,2004年旅游业逐渐复苏,从而导致这一时期浙江省高星级酒店Malmquist生产率增长幅度较大。在此阶段内,技术效率年均增长-0.7%,技术进步年均增长10.56%,技术进步是推动浙江省高星级酒店全要素生产率增长的主导力量,并呈现“改进型”发展模式,“增长效应”显著,主要依靠技术进步在竞争激烈的国内外市场中获取竞争优势。然而,主要由于酒店人力资本质量普遍降低的特殊性,导致技术效率呈现年均负增长。2007-2011年期间,除2008-2009年之外,浙江省高星级酒店Malmquist生产率增长幅度均大于10%,2008年所发生的全球金融危机,致使浙江省入境旅游客源市场大幅萎缩,2009年入境旅游市场开始缓慢复苏,入境旅游人数比2008年增长5.7%,最终使得该时期Malmquist生产率增长幅度相对较小。在这一阶段内,技术进步和技术效率分别年均增长19.6%和-2.9%,呈现出与前一阶段相同的发展模式。
不难发现,第二阶段浙江省高星级酒店全要素生产率年均增长速度(11%)要大于第一阶段(9%),而且,技术进步年均正向变化幅度要大于技术效率年均负向变化幅度,换言之,浙江省高星级酒店在发展过程中着重突显技术创新升级所带来的生产力提升,而对现有资源要素的利用效率有所忽视,这显然制约了其全要素生产率的增长速度,但也为改善效率水平提供了充足空间。
(二)浙江高星级酒店全要素生产率增长源泉
图1描绘了2002-2011年浙江省高星级酒店全要素生产率累计增长率及其分解效率的时间演变趋势。表1显示浙江省高星级酒店平均技术进步为1.135,平均技术效率为0.978;据测算,浙江省高星级酒店累积技术进步为3.13,累积技术效率为0.82。图1显示出以2002年为基期的浙江高星级酒店全要素生产率和技术进步的累积增长率时间变化大致趋同,均呈现出上升态势;主要差异在于技术效率的累计增长率基本为负,这也充分印证出技术效率阻碍了浙江省高星级酒店全要素生产率的提升。尤其是, 2009年之后,浙江省高星级酒店全要素生产率得累计增长率超过1,2010年和2011年分别为1.31和1.55,说明直到2010和2011年,浙江省高星级酒店全要素生产率从整体上才实现了真正增长。
图1 浙江省高星级酒店全要素生产率累计增长率及其分解变化趋势(2002为基期)
(三)浙江省高星级酒店全要素生产率整体差异
使用区域经济学差异分析方法,变异系数、基尼系数和σ系数来分别测算2002-2011年浙江省高星级酒店全要素生产率整体差异。依次计算公式为:
上式中TFPi表示地级市i的高星级酒店全要素生产率表示样本均值,N为样本数,式(7)中样本值按照降序排列。
根据表2和图2,通过以上3种测算方法所得出的浙江省高星级酒店全要素生产率整体差异变化趋势基本一致,通过变异系数与σ系数清晰判断,历时呈现出“上升—下降”交替变动特征,意味着浙江省高星级酒店全要素生产率整体差异在扩大与缩小、均衡与非均衡之间相互波动。仍以2007年为时间阶段分界点,前一阶段呈现“上升—下降—上升”变化趋势,后一阶段变化趋势与其类似。
表2 浙江高星级酒店全要素生产率变异系数、基尼系数和σ系数
图2 浙江高星级酒店全要素生产率差异变化
(四)浙江省高星级酒店全要素生产率区域差异
表3给出了市级平均高星级酒店全要素生产率指数及其分解。从全省来看,各市Malmquist生产率指数均大于1,说明2002年以来各市高星级酒店正逐渐向内涵集约式发展方式转变。同时,市级技术进步增长率显著,技术进步同样是促进本市高星级酒店全要素生产率增长的主要原因。其中,舟山高星级酒店全要素生产率年均增长速度最快(18.5%),嘉兴则最慢(1.8%)。考虑到浙江省高星级酒店区域分布非均衡性,2011年杭州和宁波两市共有四、五星级酒店共101家,占全省43.5%,结合杭州和宁波两市相对较低的高星级酒店全要素生产率年均增长速度(8.1%和6.7%),基本可以认为,高星级酒店规模的盲目持续扩张,并不利于其全要素生产率增长。此外,除湖州、衢州和舟山技术效率年均增长为正外,其余各市技术效率年均增长基本为负,而且上述三市高星级酒店全要素生产率年均增长速度均高于17%,由此可见,高星级酒店全要素生产率的提升不能单仅依靠技术进步,必须坚持技术进步与技术效率并举协调发展,才能合力驱动浙江省高星级酒店全要素生产率持续实质增长。
表3 浙江省市级平均高星级酒店全要素生产率指数及其分解(2002-2011年)
收敛性分析正逐渐成为全要素生产率研究的重要内容[26-29]。收敛性检验将有助于研究在现行行业发展环境体系中浙江省高星级酒店全要素生产率的趋同或发散情况。根据Barro&Martin的定义[30],收敛包括σ收敛和β收敛,β收敛又可以分为绝对β收敛和条件β收敛两种类型。σ收敛指经济体人均收入或产出的离散度随着时间逐渐降低;β收敛指落后的经济体比富裕的经济体增长要快。绝对β收敛指每个经济体的人均收入或产出都能达到完全相同的稳态水平;条件β收敛指每个经济体都朝着各自不同的稳态水平趋同。
(一)σ收敛性检验
σ收敛性检验主要通过标准差或变异系数形式进行初步判断。据图2,σ系数和变异系数波动趋势明显,收敛与发散交替变化,鉴于两种形式变动趋势模糊,初步判断并未表现出明确的σ收敛性。为了进一步严谨客观验证,对σ收敛再进行如下检验:
其中,σTFP为浙江省高星级酒店全要素生产率标准差,t为时间趋势项。φ为收敛变化系数,小于0且统计显著,说明存在收敛;大于0且统计显著,说明存在水平发散。
回归结果发现,时间趋势项回归系数为0.007,但在统计意义上并不显著,意味着并未发现σ收敛性存在证据。
为了从整体上大致判断差异时间演变趋势,将浙江省高星级酒店全要素生产率对时间趋势项进行二次项拟合发现,如图3所示,拟合趋势线基本呈现非常平缓的U型,即微弱地表现出“发散—收敛—发散”特征,这一点从较低的模型拟合优度可以证明(0.016 7)。因此,我们基本判定,浙江省高星级酒店全要素生产率并不存在σ收敛。
图3 浙江省高星级酒店全要素生产率二次项拟合图
(二)绝对β收敛性检验
根据一般原理,将浙江省高星级酒店全要素生产率绝对β收敛模型设定为:
式(10)中,TFPTi和TFP0i分别表示期末和期初第i个地级市高星级酒店全要素生产率,T为样本跨期,α和β为待估计参数,εit为随机误差项。如果β显著小于0,说明存在绝对β收敛。此时,绝对β收敛速度λ计算公式为:
上述计量模型实际上是一个截面数据分析,为了防止模型估计时的时间敏感性影响收敛检验结果的一致性,分别在3个分时间段对上述模型进行估计。估计结果列于表4。
表4 浙江高星级酒店全要素生产率绝对β收敛性检验
由表4可知,3个分时间段内,绝对收敛参数估计值依次为-0.054 4、-0.119 4和-0.060 6,但只有2002-2011年和2002-2007年,分别在5%和 10%水平上显著,2008-2011年则不显著。这说明在较早和较长的时间段内,浙江省市级高星级酒店全要素生产率增长速度与期初水平显著负相关,意味着具有较低高星级酒店全要素生产率水平的地级市对具有较高高星级酒店全要素生产率水平的地级市存在“追赶效应”,从而逐渐趋于收敛趋同于相同稳态水平,并且两者的有效收敛速度λ分别为7.14%和16.23%。尽管在近期的时间段内,收敛参数估计值为负,且不显著,但也暗含着收敛于共同稳态的趋势,参考收敛速度为6.94%。
(三)条件β收敛性检验
条件β收敛模型设定为:
条件β收敛速度λ计算公式为:
面板估计结果显示,条件收敛参数估计值为-1.537 4,且在1%水平上显著,但无法求得有效条件收敛速度λ,换言之,现阶段浙江省高星级酒店全要素生产率并不存在条件β收敛,说明浙江省市级高星级酒店全要素生产率并没有收敛于自身的稳态水平。
主要原因可能在于,各地高星级酒店市场仍在快速成长,并未达到成熟阶段。随着经济持续增长,浙江省高星级酒店迎来发展契机。如表5所示,截止2011年底,全省高星级酒店总数为232家,比2010年(210家)增加22家,其中,五星级酒店52家(增加7家),四星级酒店180家(增加15家)。
表5 浙江省高星级酒店发展情况
(一)测算原理
与动态Malmquist生产率指数方法比较,DEA中BCC模型主要被用于截面数据分析。由Banker et al.提出[31],主要是放松了Charnes et al.构建的CCR模型规模报酬不变的假设[32],以可变规模报酬替代。由此,BCC模型在截面分析上可以将纯技术效率和规模效率区分,还可测度决策单元在既定生产技术下是否处于规模最优状态。
BCC模型测算原理如下:
上式中,假设有n个决策单元,每个决策单元有m种投入要素和s种产出;s-ik表示投入项的差额变量,s+ik表示产出项的超额变量,λj为决策单元加总乘数;hk-1表示决策单元在保持投入不变的情况下产出等比例增加的潜在空间。
(二)结果分析
本文采用基于规模报酬可变的经典DEA-BCC模型利用浙江省10个地级市高星级酒店2011年截面数据,测算市级综合技术效率,并且分别在投入和产出导向下,再进行投入产出改进分析。表6为BCC模型综合技术效率测算结果。为了对比起见,表6同时也给出了基于规模报酬不变的DEA-CCR模型所测算的综合技术效率结果。
由表6知,规模报酬递增的地级市是衢州和舟山,规模报酬不变的地级市是湖州,其余7个地级市都表现出规模报酬递减。这表明,大部分地级市高星级酒店未能充分利用现有资源要素,导致其边际生产力下降,如在此时,仍继续盲目扩大资源要素投入规模,将造成极大的资源浪费。衢州和舟山高星级酒店发展由于处于规模报酬递增阶段,在要素资源配置结构合理地情况下,适度扩大要素资源投入规模,将会有效促进两市高星级酒店发展。10个地级市2011年综合技术效率均值为0.784,规模效率均值0.823,这一结果说明,浙江省高星级酒店综合技术效率相对偏低,而规模水平相对较高,当前浙江省高星级酒店发展的主要窠臼并不是发展规模的大小,而是怎样设法提高所投要素资源的利用与配置效率。
表6 BCC模型分析结果
从投入(产出)导向进行分析是计算假定产出(投入)不变,要得到最优效率需要达到的各项投入(产出)目标,然后将其与相对应的实际值相比较,从而得出表7中的投入与产出差额变数。质言之,根据投入(产出)导向CCR模型得到的综合技术效率值为1的市级单元的效率前沿计算无效率市级单元,若要达到效率标准,在既定产出(投入)下应该减小(增加)的投入(产出)规模。表7首先显示,基于投入导向的CCR模型给出了各地级市实现效率生产时,需要相应减少的固定资本与从业人员投入冗余值情况。2011年,按照理想状态,在现有技术水平条件下,全省高星级酒店固定资产投入平均应减少3.084亿,从业人员应减少161人。除杭州、温州、湖州和衢州外,其他地市均出现不同程度的投入要素资源浪费现象。反向思考,基于产出导向的CCR模型给出了各地级市实现效率生产时,需要相应增加的产出缺额情况。在既有生产体系下,全省高星级酒店营业收入平均应增加4.538亿元,才能实现投入要素产出效率最大化。除了上述四市与金华外,其他地市高星级酒店必须转变现有生产方式,提高经营管理水平,以增强产出效能。综合两种情况,宁波高星级酒店无论是基于投入还是产出导向时,其投入要素资源冗余最高,产出缺口最大。其次为嘉兴、台州和绍兴。由于投入产出改进空间与纯技术效率显著正向相关,因此,纯技术效率的改善是提升浙江省各地高星级酒店综合技术效率的关键举措。
表7 投入与产出差额变数
本文首先利用浙江省10个地级市2002-2011年投入产出面板数据集,采用非参数DEAMalmquist生产率指数测算了浙江省高星级酒店全要素生产率增长情况,并对其变动进一步分解,以深入探究其背后所隐含的技术进步与技术效率对其影响程度。基于数据估算事实,对浙江省高星级酒店全要素生产率时间演变、增长源泉以及空间差异进行对应分析,特别地,对浙江省高星级酒店全要素生产率进行收敛性分析,以明确市级单元高星级酒店全要素生产率增长的整体趋势特征。最后,以2011年截面数据为例,基于DEA-BCC模型综合技术效率,对浙江省市级高星级酒店要素投入资源与产出进行了投入改进分析。主要结论如下:
1.浙江省高星级酒店发展正在向内涵集约型转变,技术进步是推动其全要素生产率增长的主要源泉,但技术效率增长缓慢,说明在注重技术进步的同时,却忽视非技术创新因素的影响,从而导致效率增长代价太大,要素投入资源利用率低。
2.浙江省高星级酒店全要素时间演变表现出明显的时变波动性,并未呈现出一致性的整体变化趋势。此外,在区域空间差异方面,舟山高星级酒店全要素生产率增长最快,但高星级酒店规模较大的杭州、宁波以及嘉兴等高星级酒店全要素生产率增长则相对较慢,主要差异仍是在于技术效率。从而导致市级高星级酒店发展进入“规模越大,技术效率越低”的怪圈,其从映射的主要是要素配置结构扭曲所导致的规模效率低下。
3.在整体样本时期内,浙江省高星级酒店全要素生产率并不存在σ收敛和条件β收敛,但存在绝对β收敛,说明浙江省市级高星级酒店全要素生产率将会收敛于共同的均衡稳态值。
4.以2011年为例,浙江省大部分市级高星级酒店生产处于规模报酬递减阶段,说明高星级酒店投入要素资源的边际生产力下降,如若盲目持续扩大要素投入规模,将会带来不同程度的资源浪费。
上述研究结论对浙江省高星级酒店发展具有重要的政策指导意义。最重要的政策含义是,浙江省高星级酒店要摆脱技术进步单一主导式的非均衡性集约型发展模式,而转向技术进步与技术效率并重驱动式的均衡性发展模式,今后特别注重提高浙江省高星级酒店技术效率的“追赶效应”,还是要从纯技术效率与规模效率两方面综合考虑。一方面,引进国外高星级酒店先进的管理经验,加大提高人力资本质量,建立“质量型”导向生产经营方式;另一方面,在进行高星级酒店规模扩张的同时,还要注意优化要素资源配置结构。浙江高星级酒店企业之间强化合作,共同推动内生技术创新活动,从而在国内外高星级酒店市场竞合中可以获取技术溢出所带来的外生技术进步与效率改善。此外,继续深化浙江省高星级酒店市场化改革,坚持推进高星级酒店生产经营由粗放型向集约型转变,积极的政策性改进也可以有效地驱动高星级酒店生产率的显著增长。
[1] Baker M,Riley M.New perspectives on productivity in hotels:Some advances and new directions[J].International Journal of Hospitality Management,1994,13(4):97-311.
[2] Morey C,Dittman A.Evaluating a hotel GM's performance:A case in benchmarking[J].Cornell Hotel Restaurant and Administration Quarterly,1995,36(5):30-35.
[3] Barros P.Measuring efficiency in the hotel sector[J].Annals of Tourism Research,2005a,32(2):456-477.
[4] Barros P.Evaluating the efficiency of a small hotel chain with a Malmquist productivity index[J].International Journal of Tourism Research, 2005b,7(3):173-184.
[5] Botti L,Briec W,Cliquet G.Plural forms versus franchise and company -owned systems:A DEA approach of hotel chain performance[J].O-mega,2009,37(3):566-578.
[6] 彭建军,陈浩.基于DEA的星级酒店效率研究[J].旅游学刊,2004,19 (2):59-63.
[7] 黄丽英,刘静艳.基于DEA方法的我国高星级酒店效率研究[J].北京第二外国语学院学报(旅游版),2008(1):42-46.
[8] Sigala M.Using data envelopment analysis for measuring and benchmarking productivity in the hotel sector[J].Journal of Travel&Tourism Marketing,2004,16(2):39-60.
[9] Garcia M,Parra,J,Buffa F.Improving resource utilization in multi-unit networked organizations:The case of a Spanish restaurant chain[J]. Tourism Management,2007,28(1):262-270.
[10] Anderson R I,Fish M,Xia Y,Michello F.Measuring efficiency in the hotel industry:A stochastic frontier approach[J].Hospitality Management,1999,18(1):45-57.
[11] Hwang S,Chang T.Using DEA to measure hotel managerial efficiency change in Taiwan[J].Tourism Management,2003,24(4):357-369.
[12] Chiang W,Tsai H,Wang L.A DEA evaluation of Taipei hotels[J]. Annals of Tourism Research,2004,31(3):712-715.
[13] Anderson R,Fork R,Scott J.Hotel industry efficiency:An advanced linear programming examination[J].American Business Review,2000, 18(1):40-48.
[14] Barros P,Alves F.Productivity in the tourism industry[J].International Advances in Economic Research,2004,10(3):215-225.
[15] 谢春山,王恩旭,朱易兰.基于超效率DEA模型的中国五星级酒店效率评价研究[J].旅游科学,2012,26(1):60-70.
[16] Tsaur S.The operating efficiency of international tourist hotels in Taiwan[J].Asia Pacific Journal of Tourism Research,2000,6(1):29-37.
[17] 庞瑞芝,杨慧.中国省际全要素生产率差异及经济增长模式的经验分析[J].经济评论,2008(6):16-22.
[18] 刘兴凯,张诚.中国服务业全要素生产率增长及其收敛性分析[J].数量经济技术经济研究,2010(3):55-67.
[19] 李谷成.技术效率、技术进步与中国农业生产率增长[J].经济评论,2009 (1):60-68.
[20] 周云波,武鹏,刘玉海.中国旅游业效率评价与投入改进分析[J].山西财经大学学报,2010,32(5):27-33.
[21] 生延超,钟志平.规模扩张还是技术进步:中国饭店业全要素生产率的测度与评价:基于非参数的曼奎斯特生产率指数研究[J].旅游学刊,2010, 25(5):25-32.
[22] Caves D,Christensen L,Diewert W.The economic theory of index numbers and the measurement of input,output,and productivity[J].Econometrica,1982,50(6):1393-1494.
[23] Fare R,Grosskopf S,Norris M.Productivity growth,technical progress,and efficiency change in industrialized countries:Reply[J].The American Economic Review,1997,87(5):1040-1043.
[24] Farrell J.The measurement of productive efficiency[J].Journal of the Royal Statistical Society.Series A(General),1957,120(3):253-290.
[25] Fare R,Grosskopf S,Norris M.Productivity growth,technical progress,and efficiency change in industrialized countries[J].The American Economic Review,1994,84(1):66-83.
[26] Bernard A,Jones C.Comparing apples to oranges:Productivity convergence and measurement across industries and countries[J].1996,86 (5):1216-1238.
[27] Miller S,Upadhyay M.Total factor productivity and the convergence hypothesis[J].Journal of Macroeconomics,2002,24(2):267-286.
[28] 彭国华.中国地区收入差距、全要素生产率及其收敛性分析[J].经济研究,2005(9):19-29.
[29] 刘兴凯.中国服务业全要素生产率阶段性及区域性变动特点分析:基于1978-2007年省际面板数据的研究[J].当代财经,2009(12):80-87.
[30] Barro R,Martin X.Convergence[J].Journal of Political Economy, 1992,100(2):223-251.
[31] Banker R,Charnes W,Cooper W.Some models for estimating technical and scale inefficiencies in data envelopment analysis[J].Management Science,1984,30(9):1078-1092.
[32] Charnes A,Cooper W,Rhodes W.Measuring the efficiency of decision making units[J].European Journal of Operational Research,1978,2 (6):429-444.
Efficiency Measurement of Zhejiang's High-star Hotel——An Empirical Analysis Based on DEA-Malmquist Index
Wu Xiangminga,b,Zhao Leia,b
(a.School of Economics and Management,Zhejiang University of Technology,Hangzhou 310023,China; b.Urbanization and Urban-rural Leisure Research Center,Zhejiang University of Technology,Hangzhou 310023,China)
Based on the non-parameter DEA-Malmquist index,this paper analyzes total factor productivity of Zhejiang's high-star hotels from 2002 to 2011,which is decomposed into efficiency change and technical change.Results show that:Technical change is the main resource of total factor productivity growth of Zhejiang's high-star hotels,and technical efficiency is in the negative growth condition;Total factor productivity growth of Zhejiang's high-star hotels shows significantly volatility,and provincial differences;Convergence test results show that,in the overall sample period,total factor productivity growth of Zhejiang's highstar hotels shows the absolute beta convergence.In addition,based on DEA-BCC model,this paper measures technical efficiency in 2011,and carries out input-output improvement analysis.
high-star hotel;total factor productivity;convergence;technical efficiency
F592.6
A
1674-3784(2013)06-0079-09
[责任编辑:吕观盛]
浙江省科技厅软科学项目(2012C35071)
2013-05-09
吴向明(1969- ),男,浙江东阳人,浙江工业大学经贸管理学院副院长,研究员,硕士生导师,主要研究方向为旅游企业管理;赵磊(1984- ),男,山东新泰人,浙江工业大学经贸管理学院讲师,博士,研究方向为旅游经济学。