刘 佳 陆 菊
(中国海洋大学 管理学院,山东 青岛 266100)
中国旅游产业生态效率时空分异格局及形成机理研究*
刘佳陆菊
(中国海洋大学 管理学院,山东 青岛 266100)
摘要:采用数据包络分析(DEA)、空间关联指数和ArcGIS趋势面地统计分析方法评价2003-2012年中国旅游产业生态效率水平、空间变化差异及演化特征,并利用面板数据模型分析其影响因素。研究表明,我国旅游产业生态效率平均水平处于0.701-0.833之间,整体呈现波动性增长趋势。从区域层面看,热点区域范围缩小,而冷点和次冷点区域范围呈现扩大趋势;南北方向上,总体呈现倒“U”型;东西方向上,变化波动较大。国内生产总值、旅游产业结构和旅游产业环境治理投资等因素对我国各省市区旅游产业生态效率的影响不同。鉴于此,提出提升我国旅游产业生态效率的对策建议。
关键词:旅游产业生态效率;数据包络分析;空间关联指数;机制分析
一、前言
改革开放以来,中国旅游业发展突飞猛进,旅游经济保持快速增长,取得了举世瞩目的成就。截至2013年,全年接待游客总量达到33.91亿人次,实现旅游总收入29452.42亿元,其中入境游客1.29亿人次和旅游外汇收入516.64亿美元,分别是1978年的71.3倍和196.4倍。但是,回顾30多年我国旅游业发展历程,在旅游产业保持规模发展、快速增长的同时,严重依赖资源要素投入、旅游资源过度消耗、旅游环境日益恶化、生态系统退化等问题日益突出,因此,转变旅游产业发展方式,探讨旅游产业生态效率发展、演化规律与形成机理,实现旅游产业由粗放型向集约型发展转变、由注重规模扩张向扩大规模和提升效益并重转变,大力提升旅游产业发展质量和发展效率,对于推动我国旅游产业的可持续发展,具有重要的理论参考和实践指导意义。
生态效率作为测度可持续发展的重要手段已成为产业发展研究关注的焦点。国外学者Schaltegger和Sturm较早提出生态效率的概念,认为其是增加的价值与增加的环境影响的比值。[1]随后相关机构、组织纷纷对生态效率进行深化研究,重点探讨计算方法、模型和应用领域。[2]近年来,国内学者也取得了较为丰富的相关研究成果。概念方面,李丽平等、毛建素从环境管理方式的角度出发,分别认为生态效率是在最优秀的商业目标和最优秀的环境目标之间建立一种最佳的链接和泛指单位环境负荷所能提供的社会服务量;[3-4]顾晓微等将区域经济的生态效率解释为该区域单位生态足迹的经济产出。[5]定量测算方面,侧重于生态效率评价指标体系构建以及模型的应用,其中数据包络分析方法广泛运用于生态效率研究中。杨斌、王恩旭等、付丽娜等、罗能生等、成金华等分别运用DEA模型和超效率DEA模型对城市群、省际、区域的生态效率进行测算。[6-10]应用层次方面,生态效率主要集中在行业、生态园区以及城市等范围。[11]然而,生态效率的概念、原理、方法在旅游产业领域中的应用较晚,旅游产业生态效率是指整个区域在一定时间内,旅游产业提供旅游产品所产生的价值与旅游产业消耗环境支出的比值。目前,旅游生态足迹和碳足迹是测算旅游产业生态效率两个主要方法,张约翰等分别以西宁市、拉萨市为研究对象,阐述和分析其旅游生态足迹与可持续发展。[12-13]姚志国以海南省为例,基于旅游碳足迹和能源耗的研究结论,构建旅游生态效率指标体系,测算该地区旅游生态效率。[14]甄翌运用生态足迹和碳足迹比较分析张家界旅游活动各环节的生态效率。[15]总体来说,旅游产业生态效率的相关研究明显不足,尤其是将数据包络分析(DEA)方法应用到旅游产业生态效率中的研究较为匮乏。
基于此,本文首先运用旅游生态足迹模型,测算出旅游环境消耗指标,然后采用DEA理论与方法对中国31个省、直辖市和自治区的旅游产业生态效率进行测度,同时利用空间关联指数和ArcGIS趋势面地统计分析方法揭示中国旅游产业生态效率的空间差异以及演化趋势,进而采用面板数据模型对影响中国旅游产业生态效率的主要因素进行分析,以期为中国旅游产业可持续发展问题提供有益的决策参考。
二、研究方法与数据来源
(一)研究方法
1、数据包络分析(DEA)
数据包络分析(Data Envelopment Analysis,简称DEA)由美国运筹学家Charnes、Coopor和Rhodes于1978年提出,该方法主要是通过保持决策单元(DMU,Decision Making Units)的输出或输入不变,借助数学规划和统计数据确定相对有效的生产前沿面,以此来评价它们的相对有效性。[16]假设将对n个地区的旅游产业生态效率进行评价,每个地区(DMU)都有m种投入变量和s种产出变量,Xij表示第j个地区的第i种投入的总量;Yij表示第j个地区的第r种产出的总量。这样投入变量表示为Xj=(x1j,x2j,…,xmj)T,产出变量表示为Yj=(y1j,y2j,…,ysj)T,得到C2R模型:[17]
(1)
式中,θ*=1,则称第j个地区的旅游产业生态效率为DEA有效;当θ*<1时,则称第j个地区的旅游产业生态效率为DEA无效。
2、空间关联指数
(2)
(二)指标选取与数据来源
生态效率的基本思想是以最少的资源投入和最少的环境代价(损失),获得最大的经济价值,这与DEA方法对投入与产出指标的要求一致,其将资源消耗与环境污染作为投入指标,而将经济发展总量作为产出指标。因此,在兼顾样本数据的可得性、可比性及科学性的基础上,本文构建旅游产业生态效率评价的指标体系(见表1)。
1、指标选取
(1)投入指标
选取的投入指标分为旅游产业资源消耗和旅游产业环境污染两大类。第一,旅游产业是综合性产业,其涉及食、住、行、游、购、娱等六大要素,这里选择星级饭店、旅行社和旅游产业从业人员作为旅游资源消耗指标。第二,选取地区废水排放总量、固体废弃物排放量和废气排放总量作为旅游环境污染指标。其中,废水排放总量包括废水排放量和化学需氧量排放量;废气排放总量主要包括二氧化硫排放量、烟尘排放量和工业粉尘排放量。旅游产业具有较强的产业关联性,是涉及第一、第二和第三产业的综合性产业,没有单独核算旅游产业废水排放总量、旅游产业固体废弃物排放量和旅游产业废气排放总量指标,因此,本文采用旅游总收入占国民生产总值的比值进行换算,计算公式如下:
旅游产业废水排放总量=废水排放总量*(旅游总收入/国民生产总值)
(3)
同样,得到旅游产业固体废弃物排放量和旅游产业废气排放总量。
(2)产出指标
旅游产业生态效率的产出指标主要反映旅游产业经济体所提供的旅游产品或服务的旅游产业经济价值。旅游总收入作为反映地区旅游产业发展水平的重要指标,在一定程度上能够表征旅游产业经济价值的高低,这里采用旅游总收入作为产出指标。
表1 旅游产业生态效率测度指标体系
2、数据来源
本文以中国内陆31个省市自治区为研究地域单元(港澳台、南海诸岛等地区未纳入研究范畴),所有指标数据均来源于《2013年中国旅游业统计公报》、《新中国六十年统计资料汇编》、《中国统计年鉴》(2004-2013年)、《中国旅游统计年鉴》(2004-2013年)、《中国环境统计年鉴》(2004-2013年)、国家统计局以及各省统计年鉴等资料,并经计算整理构成2003-2012年全国31个省、直辖市和自治区(部分地区缺失时期数据由平均值或拟合值以及预测值替代)的面板数据样本(Panel Data)。另外,在分析旅游产业生态效率时,将全国分为东部、中部和西部三大经济地区,其中东部包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南等11个省(市),中部包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南等8个省份,西部包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆等12个省(市)、自治区。
三、中国旅游产业生态效率时空差异及演化分析
(一)中国旅游产业生态效率省域差异及演化
如表2所示,2003-2012年中国旅游产业生态效率平均水平处于0.701-0.833之间,整体呈现波动性增长趋势,表明我国旅游产业逐渐由传统发展模式向创新发展模式转变,旅游产业资源消耗和旅游产业环境污染指标相对降低。这与我国“十一五”时期强调节能降耗减排、十六大至十八大重点强调环境保护、生态文明建设有直接关系。从省级层面看,东部经济发达地区旅游产业生态效率一直处于领先地位。中部和西部大部分地区的旅游产业生态效率整体水平较低,表明欠发达地区的旅游经济增长更依赖于“资源的高投入、低利用和高排放”的粗放型发展方式来实现,而这种粗放型经济增长方式显然严重制约着旅游产业生态效率的提高。值得注意,西藏、青海和宁夏旅游产业生态效率水平较高,主要是因为地区偏远,交通相对不便,旅游业欠发达,资源消耗和环境污染相对较低。因此,转变旅游经济发展方式,促进旅游产业结构优化升级是提高旅游产业生态效率的重要途径。
表2 2003-2012年31个省市区旅游产业生态效率及变动趋势
运用ArcGIS10.0空间统计模块(Spatial Statistics Tools)可计算出中国各地区旅游产业生态效率的空间关联指数,对数据进行可视化处理,采用自然断裂点法(Jenks)将数值由低到高划分为4类,分别为冷点区域、次冷区域、次热区域、热点区域。如图1所示,2003-2012年,中国旅游产业生态效率整体变化幅度较大,其中热点区域范围呈现缩小态势,冷点和次冷点区域范围呈现扩大趋势。就区域演化特征而言,与2003年相比,2012年旅游产业生态效率发生重大变化的地区主要分布在西部地区、东北地区和泛长三角地区。西部地区新疆由热点区域演化为冷点区域,内蒙古由热点区域演化为次热区域以及西藏由热点区域演化为次冷区域,这与国家实施西部大开发战略、促进西部地区经济发展直接相关。西部大开发战略有效提高了西部地区的旅游知名度。然而,随着旅游开发力度的加大,为了吸引大量的游客,政府部门过于重视招商引资,重政绩轻环保,企业盲目开发旅游资源,旅游资源的过度开发、旅游环境污染等问题日益突出。因此,西部大部分地区的旅游产业生态效率随着西部大开发的深入而下降,使得该地区逐渐成为旅游产业生态效率低值聚集区。东北地区的辽宁和吉林由热点区域演化为次热区域,黑龙江由次热区域演化为冷点区域。泛长三角地区的三省一市(上海、江苏、浙江和安徽)由次热区域演化为次冷区域。此外,津京唐地区是高值聚集区,而泛珠三角地区是低值聚集区。
图1 中国旅游产业生态效率冷点、热点区域演化趋势图
(二)中国旅游产业生态效率区域差异及演化
从图2可知,2003-2012年,东部地区旅游产业生态效率均值呈现平稳且下降趋势,中、西部地区呈现波动性缓慢增长,但是东部地区仍高于中、西部地区,且三大区域差异显著。东部地区旅游产业生态效率水平高于0.8以上,表明东部地区向“低消耗、低污染、高效益”的集约型旅游经济增长方式转变已经取得了一定的成果。西部地区旅游产业效率均值高于0.6低于0.8,西部地区应注重引进旅游人才,依靠科技进步,充分挖掘西部地区特有旅游资源的潜力以及提高旅游资源要素的利用率。中部地区旅游产业效率平均值最低,中部地区应积极落实政府关于旅游产业合理发展的相关政策,转变旅游经济发展方式,从根本上改变落后现状。
图2 东部、中部和西部旅游产业生态效率均值对比图
Kruskal-Wallis检验和Mann-Whitney U检验可以进一步证实上述观点,如表3所示,10年间,东、中、西部地区旅游产业生态效率存在着显著的地区差异,尤其是东部与中部地区之间差异较大。因此,中部地区迫切需要提高旅游产业生态效率水平。
表3 中国旅游产业生态效率区域差异性检验
注:括号内数值为Z统计量;“**”表示在5%的显著水平下通过检验。
采用ArcGIS趋势面地统计分析方法进一步分析中国旅游产业生态效率区域差异的演化趋势,进而揭示旅游产业生态效率空间变化的总体规律。趋势面分析是根据空间抽样数据,拟合一个数学曲面,用该曲面反映空间分布特征,特别是在东西和南北两个方向的变化情况。[19]若拟合线是平的,则不存在趋势;如果拟合线不是平的,说明数据存在某种趋势。从图3可知,趋势分布图中拟合曲面反映的旅游产业生态效率空间分布规律随着时间的变化而发生改变。从整体上看,在南北方向上,除2003年,其余3个年份的旅游产业生态效率变化呈现倒“U”型,高点主要集中的中北部,北部地区高于南部地区;在东西方向上,2003年和2006年旅游产业生态效率变化总体一致,呈现“U”型变化特征,低点位于中部,西部地区总体高于东部地区;2009年旅游产业生态效率整体上自西向东逐渐增长,且东部地区高于西部地区;2012年呈现“U”型变化特征,中、东部地区高于西部地区。具体来看,2003年的旅游产业生态效率自西向东向下降后上升的趋势,自北向南呈现逐渐下降,由此可知2003年,中国旅游产业生态效率值高的地区集中在东、北部地区,从而印证表2中北京、天津、山东等地区的较高旅游产业生态效率值。与2003年不同,2012年旅游产业生态效率自西向东逐渐增长,东部地区高于西部地区,自北向南是先上升后下降的趋势,高点集中在中北部且高于南部地区。由此可知,旅游产业生态效率值较高的地区仍聚集在东部地区。综上,10年间中国旅游产业生态效率高值地区变化幅度不大,集中在东部地区,这主要与东部地区的经济发达水平、科学技术进步,以及环境保护政策等因素有很大关系。
图3 中国各地区旅游产业生态效率趋势分布图
四、中国旅游产业生态效率差异的形成机理分析
(一)变量设定与模型构建
中国旅游产业生态效率存在显著空间差异及演变特征,除基本投入指标影响因素之外,可能受到其他方面的影响。本文首先假定以下因素对旅游产业生态效率产生影响:国内生产总值(GDP):用以表征地区经济的发展水平;旅游产业结构(TIS):采用旅游总收入占第三产业比重表示,表征旅游产业在第三产业中的地位,反映旅游产业结构水平;建成区绿化覆盖率(GCRDA):反映绿地生态功能,绿化覆盖率越高表示生态环境质量越好;旅游高等院校学生数(THNS):反映旅游产业从业人员的整体素质;旅游产业的环境污染治理投资(TIEPC):表征地区政府对改善旅游环境的贡献,旅游产业环境污染治理投资总额的测算需要根据“旅游消费剥离系数”进行处理,即将旅游产业的环境污染治理投资从环境污染治理投资总额中剥离出来。环境污染治理投资总额包括城市环境基础设施建设投资、工业污染源治理投资、建设项目“三同时”环保投资三部分。旅游产业生态效率采用TEE加以表征,作为被解释变量,同时基于数据可比和消除异方差的考虑,分别用lnGDP、lnTIS、lnGCRDA、lnTHNS、lnTIEPC表征影响旅游产业生态效率的主要因素,作为解释变量。通过Hausman检验可以确定本文面板数据模型应采用固定效应,[20]而拒绝随机效应。故构建的固定效应变系数模型如下:
lnTEE=αi+β1ilnGDP1it+β2ilnTSI2it+β3ilnGCRDA3it+β4ilnTHNS4it+β5ilnTIEPC5it+uiti=1,2,…,N;t=1,2,…,T
(5)
式(5)中,下标i代表各省(区市),下标t代表2003-2012年,而β1i,β2i,…,βki表示不同截面个体上的解释变量系数,ai表示各截距项,uit表示随机误差项。考虑到指标数据的可得性与连续性,这里采用2003-2012年中国31个省(区市)面板数据为研究样本。对于横截面个数(31)大于时序个数(10)的情况,可以选择按截面加权(cross-section weights)的方式进行回归,表示允许不同的截面存在异方差现象;估计方法采用面板校正标准误(PCSE)方法。数据来源于《中国城市建设统计年报》(2004-2013年)。
(二)面板数据单位根及协整检验
为了保证检验结果的可靠性、准确性以及稳健性,首先对面板数据进行单位根检验,从既时间序列数据和截面数据两方面,准确推断单位根的存在。[21]本文同时采用LTC检验、LPS检验、Fisher-ADF检验和Fisher-PP检验四种方法检验变量时间序列的平稳性,检验结果如表4所示。由此可知,六个变量无论是在相同根的单位根检验还是在不同根单位根检验中均通过了5%的显著性水平检验,从而拒绝相应的原假设,即可认为这些序列不存在单位根,表明这些序列是平稳的。
表4 面板单位根检验结果
注:括号外的数字表示对应的面板单位根检验的统计值,括号内的数据为对应统计量的P值;“**”表示在5%的显著性条件下拒绝原假设而接受备择假设。
为了检验变量之间的长期稳定关系,在此运用Engle和Garnger提出的两步检验法,[22]如Pedroni检验和Kao检验两种方法,进一步对其进行协整检验,结果如表5所示。可知,除Panel v和Group rho统计量外,其余5个统计量的Pedroni协整检验结果均在5%显著性水平下拒绝原假设;Kao协整检验结果均在5%显著性水平下拒绝原假设,表明中国旅游产业生态效率与国内生产总值、旅游产业结构、建成区绿化覆盖率、旅游高等院校学生数,以及旅游产业环境污染治理投资之间存在面板协整关系,且存在长期稳定关系。
表5 面板协整检验结果
注:括号外的数字表示对应的面板协整检验的统计量值,括号内的数据为对应统计量的P值;“**”表示在5%的显著性条件下拒绝原假设而接受备择假设。
(三)模型估计结果
采用变系数固定效应模型对全国31个省(区市)的指标数据进行面板协整估计,可知模型加权检验结果的拟合优度为0.8854,F统计量(5.1761)在1%水平下显著,D.W值为2.3588,检验效果较好。为了能更好地区别分析三大区域五个解释变量对旅游生态效率的长期效应,这里将各地区进行归类。根据系数估计结果可知(见表6),对31个省(区市)而言,5个解释变量对各省市旅游产业生态效率影响不同。
国内生产总值(GDP)对东、中、西部地区的旅游产业生态效率影响存在显著差异。其对东、西部地区旅游产业生态效率呈现负效应的省市各占一半以上。具体来看,东部地区只有北京、天津、上海、山东和海南的估计系数为正,呈现显著正效应,经济发达,科学技术进步,旅游产业创新能力较强,且发展模式是低投入、高产出可能是造成这种现象的主要原因;内蒙古、广西、四川、西藏和青海等西部地区的估计系数为负,呈现显著负效应,主要是因为经济欠发达,技术落后。与东、西部地区相比,除吉林和河南,其余省份呈现显著正效应,表明国内生产总值对中部多数省份的旅游产业生态效率的提高起到了促进作用;旅游产业结构(TIS)对大部分地区生态效率的提升起到了促进作用。具体来看,除天津、浙江、江西、河南之外,其余省市旅游产业结构对生态效率的影响呈显著正效应,表明东、中部地区旅游产业水结构逐渐合理,能够有效促进旅游产业的可持续发展。湖南旅游产业结构的系数最高。值得注意,旅游产业结构对西部大部分省份旅游产业生态效率呈现负影响,表明西部地区整体上旅游产业结构不合理,尤其是甘肃、宁夏、青海和新疆等地区,需要加大旅游产业的投入,进一步优化产业结构,提高旅游产业生态效率。如青海的旅游产业结构的系数最低,其旅游产业结构水平每增加1%,旅游产业生态效率下降0.736%,因而青海旅游产业产业结构亟待优化和调整。
同样,建成区旅游绿化覆盖率(GCRDA)对全国各省市旅游产业生态效率的影响各不相同。东部地区的北京、天津、上海等城市由于经济发达,建成区绿化覆盖率相对较高,旅游生态效率较高。中、西部地区部分省份建成区绿化覆盖率对生态效率的提高起到阻碍作用,表明中、西部地区的经济落后,生态环境质量较差,尤其是西部,干旱半干旱的地区占重要的比例,即使加大对中西部的绿化范围也抵挡不了自然和人为的生态环境恶化速度。因此应减少滥垦滥伐,加大实施退耕还田等政策来保护生态环境,改善环境质量,以促进旅游产业的可持续发展。值得注意的是,陕西省建成区绿化覆盖率的系数值最高,其建成区绿化覆盖率每增加1%,旅游产业生态效率将提高1.726%,主要是因为陕西省拥有丰富自然和人文旅游资源,政府重视其旅游生态环境保护。
此外,旅游高等院校学生数(THNS)对东、中部大部分省市旅游产业生态效率的影响呈现负效应,可能是因为近年来东部、中部的旅游院校扩招导致旅游院校学生过剩,没有转化成实际的生产力。与东、中部地区相反,西部地区大部分省份的旅游高等学生数对旅游产业生态效率的影响呈现显著正效应。西部地区旅游业起步较晚,旅游院校的发展刚刚起步,旅游专业学生转化成实际的生产力,从而对旅游产业生态效率的提高产生一定的促进作用。旅游产业环境污染治理投资(TIEPC)对全国大部分省市的旅游产业生态效率呈现显著地正效应,表明旅游产业环境污染治理投资的增加会提高旅游产业生态效率水平,也从侧面反映出大力发展旅游产业的同时应增加对旅游环境污染治理的投资,加强对环境的保护。
表6 旅游产业生态效率影响因素的估计结果
注:括号外数字为变量系数估计值,括号内数字为相应的t统计值;“***”、“**”、“*”代表在1%、5%、和10%的水平下显著。
五、结论与政策建议
随着社会进步和人们的旅游意识增强,旅游产业发展迅速,而降低旅游产业资源消耗和减少生态环境污染,走一条低碳、减排、绿色、环保的发展道路是旅游产业可持续发展的基本途径。本文运用DEA模型、ArcGIS空间分析方法和面板数据模型对中国旅游产业生态效率及其形成机制进行测算和分析,主要研究结论如下:
(1)对2003-2012年中国31个省市自治区的旅游产业生态效率进行测度,研究表明:10年间,中国旅游产业生态效率平均水平处于0.701-0.833之间,整体呈现波动性增长趋势;东部地区的旅游产业生态效率均值高于0.8以上,均高于中部和西部地区,而中部地区的均值最低,亟需进一步提高旅游产业生态效率。
(2)运用ArcGIS空间统计模块(Spatial Statistics Tools)和ArcGIS趋势面地统计分析方法揭示中国旅游产业生态效率的时空差异及演化态势,研究表明:旅游产业生态效率整体变化幅度较大,其中热点区域范围呈现缩小态势,冷点和次冷点区域范围呈现扩大趋势;在南北方向上,除2003年,其余年份的旅游产业生态效率变化呈现倒“U”型,高点主要集中的中北部,北部地区高于南部地区;在东西方向上,2003年和2006年旅游产业生态效率呈现“U型”变化特征,而2009年和2012年旅游产业生态效率是自西向东呈现增长趋势,且中、东部地区高于西部地区。
(3)采用面板数据模型进行拟合和估计分析,研究表明:国内生产总值、旅游产业结构、建成区绿化覆盖率、旅游高等院校学生数和旅游产业环境污染治理投资等解释变量对中国各地区旅游产业生态效率的影响不同。从整体上看,国内生产总值、旅游产业结构和旅游产业环境治理投资对全国大部分省市自治区的影响呈现正效应,而建成区绿化覆盖率和旅游高等院校学生数对中国大部分省市自治区旅游产业生态效率的影响呈现负效应。
基于上述结论,提出以下政策建议:首先,中、西部地区的旅游产业生态效率明显落后于东部发达地区,应加快提高旅游创新技术,转变旅游经济发展方式,发展循环、绿色旅游经济,推广低碳技术,促进东、中、西部人地区经济、资源、环境的协调发展;积极加大中、西部地区产业结构的调整力度,优化产业结构,以提升旅游产业结构的合理化和高度化,逐步淘汰环境污染严重的旅游企业,积极发展高效率、低污染、低排放的环境友好型产业,进而整体提升旅游产业生态效率;除此之外,东部发达地区积极给予中、西部地区的科学技术支持,如在中、西部地区技术引进方面给予优惠、为中、西部地区提供科学技术指导以及提供科技人才,以改变其传统、落后的粗放式旅游产业发展模式,从而提高中、西部地区旅游产业生态效率。其次,各地区政府应积极建立健全生态环境法律、法规,加大对生态环境管理的投入,运用法律手段、强制手段、经济手段、行政手段,以及信息手段等建立一套完整的综合环境管理政策,以确保生态环境保护有法可依;积极加大对旅游产业环境污染治理的投资比例,以确保环境污染治理有资金支持,从而提高旅游产业生态效率;另外,还应加强宣传教育,倡导生态环境保护的重要性,不断提高人们的环保意识,改变其对旅游产业是“无烟工业”和“永远的朝阳产业”的片面认知。
参考文献:
[1] 圣云.中部地区人文发展的生态效率评价[J].经济地理,2011,31(5):827-832.
[2] 吕彬,杨建新.生态效率方法研究进展与应用[J].生态学报,2006,26(11):3898-3906.
[3] 李丽平,田春秀,国冬梅.生态效率OECD全新环境管理经验[J].环境科学动态,2000,(11):33-36.
[4] 毛建素.环境管理基本特征初探[J].环境科学动态,2004,(4):6-8.
[5] 顾晓薇,王青,刘建兴,等.辽宁省自然资源可持续利用的生态足迹分析[J].资源科学,2005,27(4):118-124.
[6] 杨斌.2000-2006 年中国区域生态效率研究—基于DEA方法的实证分析[J].经济地理,2009,29(7):1197-1202.
[7] 王恩旭,武春友.基于超效率DEA模型的中国省际生态效率时空差异研究[J].管理学报,2011,8(3):443-450.
[8] 付丽娜,陈晓红,冷智花.基于超效率DEA模型的城市群生态效率研究—以长株潭“3 +5”城市群为例[J].中国人口·资源与环境,2013,23(4):169-175.
[9] 罗能生,李佳佳,罗富政.中国城镇化进程与区域生态效率关系的实证研究[J].中国人口·资源与环境,2013,23(11):53-60.
[10] 成金华,孙琼,郭明晶.中国生态效率的区域差异及动态演化研究[J].中国人口·资源与环境,2014,24(1):47-54.
[11] 尹科,王如松,周传斌,等.国内外生态效率核算方法及其应用研究述评[J].生态学报,2012,32(11):3596-3605.
[12] 张约翰.西宁市旅游产业生态足迹与可持续发展[J].西北师范大学学报(自然科学版),2009,45(1):107-112.
[13] 张约翰,张平宇,张忠孝.拉萨市旅游生态足迹与可持续发展研究[J].中国人口·资源与环境,2010,20(7):154-159.
[14] 姚志国.低碳旅游产业生态效率研究[D].天津大学,2013.
[15] 甄翌.旅游生态效率评估——基于生态足迹和碳足迹的比较研究[J].林业经济问题,2014,34(5):474-480.
[16] 魏权龄,岳明.DEA概论与C2R模型—数据包络分析(一)[J].系统工程理论与实践,1989,(1):58-69.
[17] 王坚强,阳建军.基于DEA模型的企业投资效率评价[J].科研管理,2010,31(4):73-80.
[18] 马晓冬,朱传耿,马荣华,等.苏州地区城镇扩展的空间格局及其演化分析[J].地理学报,2008,63(4):405-416.
[19] 张军,吴桂英,张吉鹏.辽宁省经济发展的空间结构分析—基于GIS平台测度[J].大连理工大学学报(社会科学版),2011,32(3):1-5.
[20] 陈青青,龙志和,林光平.面板数据的空间Hausman检验[J].检验系统工程,2012,30(6):95-99.
[21] 孙希瑞,汪京强,郑向敏.入境旅游与第三产业增长的区域差异研究—基于2002-2011年数据的实证检验[J].干旱区资源与环境,2014,28(11):199-204.
[22] 孔凡文,才旭,于淼.格兰杰因果关系检验模型分析与应用[J].辽宁建筑大学学报(自然科学版),2010,26(2):405-408.
责任编辑:王明舜
Research of the Time-space Differentiation Pattern and Formation Mechanism of China's Tourism Industry Eco-efficiency
Liu JiaLu Ju
(Ocean University of China, School of Management, Qingdao 266071, China)
Abstract:The paper employed data envelopment analysis (DEA), spatial correlation index and statistical analysis and ArcGIS trend surface method to evaluate China's tourism industry eco-efficiency level from 2003 to 2012, spatial variations and evolution characteristics, and then used the panel data model to analyze its influencing factors. The research shows that during the 10 years, the average level of eco-efficiency in China's tourism industry could reach between 0.701-0.833, representing a whole fluctuating growth trend. From a regional perspective, the hot spots present narrowing trend, cold spots and sub-cold spots showed a trend of expansion. In north-south direction, except in 2003, the rest of the year of the tourism industry eco-efficiency change took on an inverted "U" type; in the east-west direction, the fluctuation changed greatly. The factors of gross domestic product (GDP), the structure of the tourism industry, tourism environmental governance investment have different influence on the tourism industry eco-efficiency of China's provinces. In view of this, the relevant measures and suggestions are put forward to promote the eco-efficiency of China's tourism industry.
Key words:tourism industry eco-efficiency; data envelopment analysis (DEA); spatial correlation index; mechanism analysis
中图分类号:F592.7
文献标识码:A
文章编号:1672-335X(2016)01-0050-10
作者简介:刘佳(1981-),女,山东临朐人,中国海洋大学管理学院旅副教授,博士,主要从事滨海旅游开发与规划研究。
基金项目:国家社会科学基金青年项目“中国沿海地区旅游产业结构与旅游产业集聚关联机理研究”(12CGL059);国家旅游局旅游产业青年专家培养计划课题“中国旅游经济增长研究”(TYETP201322)的阶段性成果
*收稿日期:2015-01-06