我国省际旅游产业效率测算及影响因素研究

孙　炳

(兰州财经大学 工商管理学院，甘肃　兰州　730020)

我国省际旅游产业效率测算及影响因素研究

孙炳

(兰州财经大学 工商管理学院，甘肃兰州730020)

摘要：将全国31个省市旅游产业作为决策单元，使用宏观统计数据，构建三阶段DEA模型，并进行效率测算及影响因素分析。结果表明：我国旅游产业效率总体水平较低，且省际间存在较大差距；外部环境因素和随机误差对各地区旅游产业效率有着显著影响；我国大部分地区旅游产业处于规模报酬递增状态。根据上述实证结论，提出了提高各省市旅游产业效率的对策建议。

关键词：旅游产业效率；三阶段DEA模型；环境因素；规模报酬

一、引言

近年来，我国旅游产业总体保持健康发展势头，国内旅游市场增长较快，出境旅游市场持续快速增长，旅游产业对GDP的贡献越加显著，正在加快成为国民经济的战略性支柱产业[1]。据统计，2014年国内旅游人数达36.1亿人次，出境旅游人数1.16亿人次，比2010年分别增长71.9%和102.1%；2014年国内旅游收入30 312亿元，国际旅游外汇收入569亿美元，比2010年分别增长140.6%和24.2%，旅游总收入占2014年GDP的比重达到5.31%，比2010年提高了1.79个百分点①。随着“一带一路”、新型城镇化等国家战略的实施，《旅游法》和《国民旅游休闲纲要》的出台，“美丽中国——2015丝绸之路旅游年”的启动，又给旅游产业发展注入新的活力[2]。旅游产业通过深化改革和调整结构，逐步成为新常态下现代服务业中最具有活力的领域之一。然而，我们注意到旅游产业在蓬勃发展中也凸显出诸多问题，主要表现为旅行企业数量多、规模小、布局散、力量弱、效益低，出现低价格与低质量的恶性竞争，旅游资源也呈现出条块分割、各自为营的无序现象。因此无论从产业供给重心还是社会消费需求方面，大力提高旅游产业效率应当成为新常态下旅游产业健康发展的主要途径。为此构建科学有效的测算指标来反映我国旅游产业效率的实际情况，无疑具有重要的现实意义。

目前国内学者对旅游产业效率进行了广泛而深入的研究。在研究方法上，大多数学者采用传统DEA模型[3-4]，还有一些学者采用SFA模型[5-6]，因未能剔除环境因素和随机误差的影响，无法准确地反映各地区旅游产业效率的实际状况；而采用三阶段DEA模型来研究旅游产业效率的文献却非常匮乏[7-8]。鉴于此，本研究将全国31个省市的旅游产业作为决策单元(Decision Making Unit, DMU)，运用三阶段DEA模型，剔除环境因素和随机误差的影响，对旅游产业效率进行测算，并系统分析其影响机理，从而客观地反映各地区旅游产业效率现状，为提升我国旅游产业效率提供参考依据。

二、测算原理与步骤

2002年，Fried等提出三阶段DEA效率评价模型，认为投入或产出冗余受管理无效率、环境因素和随机误差三种因素的共同影响。因而需要剔除环境因素与随机误差，使用调整后的投入或产出数据，运用BCC模型测算DMU效率，从而更准确地评估其经营管理水平。[9]

1.第一阶段：传统的DEA模型

数据包络分析(Data Envelopment Analysis)是根据已知数据，使用DEA模型得到相应的生产前沿，以评价具有多投入和多产出的决策单元(DMU)。DEA方法是由Charnes等(1978)提出的一种效率测度法，称为CCR模型[10]。后来Banker等(1984)提出了更为严谨的BCC修正模型，把CCR固定规模报酬的假设改为可变规模报酬，将CCR模型中的技术效率分解为规模效率和纯技术效率。[11]这样，BCC模型就把造成技术无效率的两个原因，即未处于最佳规模和生产技术上的低效率分离开来，得出纯技术效率能比CCR模型更准确地反映决策单元的经营管理水平。本文采用投入导向的BCC模型，它是一种是非常成熟的方法，在此不再赘述。

2.第二阶段：类似SFA的回归模型

传统的DEA模型未能明确地指出是内部管理还是环境因素及随机误差对效率值产生影响，而将影响因素全部归于内部管理无效率,因此需要进行第二阶段回归分析。随机前沿分析(SFA)的明显优势是误差项的非对称性[12]，考虑到管理无效率(单边误差组合)、环境变量(回归项)和随机误差(对称误差组合)对投入松弛变量的影响，第一阶段得到投入松弛变量为：

Sni=xni-Xnλ≥0.n=1,2,…,N,i=1,2,…,I

(1)

xni表示第i个DMU的第n种投入，Xn为投入矩阵X的第n行，Xnλ为第i个DMU的第n种投入量在效率前沿面的最优映射。以各投入的松弛变量为因变量，以K个环境变量Zi=[Z1t,…,Zki],i=1,2，…,I为自变量，建立的SFA回归方程为：

Sni=fn(Zi,βn)+Vni+Uni,n=1,2,…,Ni=1，2，…，I

(2)

(3)

E(vni|vni+uni)=Sni-Ziβn-E(u|vni+uni),n=1,2，…,N,i=1,2，…,I

(4)

3.第三阶段：调整后的DEA模型测算

三、指标选取与数据来源

1.投入产出指标的选取

考虑到数据的易得性及科学性，在投入方面，选取旅游资源禀赋、旅游产业从业人员数(人)和旅游产业固定资产原价(万元)作为投入变量，分别来反映旅游产业资源要素、劳动要素和资本要素的投入。在产出方面，选取旅游营业收入(万元)和旅游产业总收入(万元)作为产出变量。其中旅游资源禀赋是对各地区5A、4A、3A级景区分别赋予10、7、5的分值，再乘景区数量加总得出的投入数据。旅游营业收入包括星级酒店、旅行社和景点景区的主营业务收入。在SPSS 21.0软件中，利用Pearson相关检验法对投入和产出变量的检测结果如表1所示:投入变量与产出变量的相关系数均为正数，且在1%显著性水平下通过双尾检验，仅营业收入与旅游资源要素不显著相关，表明该投入指标与产出指标符合模型所要求的“同向性”假设。

表1　投入变量与产出变量的Pearson相关系数

注：***表示在1%显著水平上显著，括号内的数是检验的P值.

2.环境变量的选取

选择的环境变量必须对旅游产业效率有影响，且能够有效地剔除不可控因素(外部环境因素和随机误差)。考虑到数据可得性及科学性，选择以下对旅游产业发展起重要作用的环境变量。

(1)居民生活水平。居民生活水平是旅游需求到付诸实际行动的保障，居民生活状况往往会使潜在的旅游意愿转化为实际行动。为此选取各省市城乡居民人均可支配收入(元)来衡量居民生活水平。

(2)交通便利程度。交通便利程度是旅游者完成旅游活动的先决条件，是旅游产业发展的命脉。铁路、高速公路等基础设施较完善和交通发达的地区，往往容易吸引国内外游客。为此选取由各地区的交通总里程数占土地面积的比重来衡量交通便利程度。

(3)服务业贡献程度。调整产业结构，提高服务业增加值占地区生产总值的比重势必会影响各省市旅游产业效率状况，有利于旅游产业效率的提高。为此选取服务业增加值占各地区GDP的比重来衡量服务业贡献程度。

(4)居民旅游偏好程度。居民旅游偏好对产业效率的影响体现在选择旅游目的地的意愿上。为此选取各地区接待游客人数占全国接待游客总人数的比重与该省市人口占全国总人口的比值来衡量居民旅游的偏好程度。

3.数据的来源

本文采用的旅游产业总收入数据来源于《2014年中国旅游年鉴》；旅游营业收入、接待游客人数、旅游产业从业人员数及固定资产原价数据均来源于《2014年中国旅游统计年鉴》；全国及各地区人口、GDP数据均来源于《2014年中国统计年鉴》；A级景区数量来源于各地区旅游局网站；服务业增加值从各地区相关年鉴整理而得。

四、实证结果分析

1.第一阶段：传统DEA模型实证结果

利用DEAP 2.1软件测算出我国31个省市的旅游产业效率，结果如表2所示。

表2　2013年省际旅游产业综合技术效率、纯技术效率和规模效率值

注：其中TE1表示第一阶段综合技术效率值，PTE1表示纯技术效率值，SE1表示规模效率值，同时，TE1=PTE1SE1.在规模报酬方面，drs代表规模报酬递增，irs代表规模报酬递减，-代表规模报酬不变.

由表2可知，在不考虑非管理因素的影响下，2013年我国31个省市旅游产业效率总体处于较低水平，综合技术效率均值仅为0.647，且省际间存在较大差距。从综合技术效率来看，除天津、上海、广东、贵州四省市的综合技术效率值为1，处于效率前沿之外，其他27个省市均存在不同程度的无效率状况。从规模报酬状态来看，其中北京等10个省市处于规模报酬递减状态，表明这些省市旅游产业规模过大，使投入产出失衡，从而降低了产业效率；而河北等17个省市处于规模报酬递增状态，表明我国大多数省市旅游产业的低效率主要是由于投入不足造成的。由于此阶段测算存在环境因素以及随机误差的干扰，不能完全真实地反映各地区旅游产业效率，因此还需借助于SFA方法剔除外部环境因素与随机误差对效率值的影响。

2.第二阶段：SFA回归结果及影响因素分析

将上一阶段得出DMU的投入松弛变量作为被解释变量，将居民生活水平、交通便利程度、服务业贡献程度、居民旅游偏好程度作为解释变量，来分析这些环境变量是否会对各个投入松弛变量产生显著性影响。运用Frontier 4.1软件做回归分析得到的结果，如表3所示。

表3　SFA模型回归结果

由表3可知，大部分环境变量对被解释变量的回归系数均在1%显著性水平下通过检验，仅有居民旅游偏好程度对旅游资源要素投入冗余影响不显著，表明外部环境因素对旅游产业效率投入冗余存在显著影响，因此运用SFA回归模型剔除外部环境因素和随机误差是很有必要的。在三项投入松弛变量的分解过程中，SFA回归模型测算出的值都接近于1，且均在1%的显著性水平上显著，表明内部管理因素对投入冗余的影响占据主导地位。下面结合表3具体分析四种环境变量对各投入冗余的影响。

(1)居民生活水平。居民生活水平对三种投入冗余均影响显著，其中居民生活水平对资源要素投入存在正向影响，而对劳动要素和资本要素的投入存在反向影响。可能是因为：1)随着居民生活水平的提高，人们会将旅游需求转化为实际行动，根据自身的偏好选择适合的景区，能够促使各地区对A级景区的建设进行合理规划，从而降低了旅游资源要素的投入冗余，促进了旅游产业效率的提升；2)居民生活水平的提高刺激了国内的旅游市场，导致旅游从业人数过快增长，近而导致投入冗余扩大，抑制了旅游产业效率的提升；3)居民生活水平的提高促使各地区对旅游产业的投资出现过热现象，从而增加旅游产业资本要素的投入冗余，抑制了旅游产业效率的提升。

(2)交通便利程度。交通便利程度对三种投入冗余均影响显著，均对旅游产业效率存在反向影响。可能是因为：1)各地区对景区A级评定存在盲目和过度追求的行为，从而增加了旅游资源要素的投入冗余，抑制了旅游产业效率的提升；2)交通的通达性，促使新的旅游项目产生，交通便利程度与旅游产业的结合，使各类旅游人才过度增加，从而导致旅游从业人数投入冗余增加，抑制了旅游产业效率的提升；3)交通的便利性，提升了该景区的知名度，增加了旅游人数，导致了对旅游产业的过度投资，增加了资本要素的投入冗余，因此交通便利程度可能抑制旅游产业效率的提升。

(3)服务业贡献程度。服务业贡献程度对三种投入冗余均影响显著，均对旅游产业效率存在正向影响。可能是因为：1)近年来，尽管我国经济发展速度有所下降，但产业结构调整稳步推进，最大亮点是第三产业增速和所占比重均超过第二产业，成为新常态下一道亮丽风景线；2)服务业的快速发展，人们对旅游目的地就有了更高的要求，促进了各地区对旅游资源的合理配置，减少了旅游资源要素的投入冗余，从而促进了旅游产业效率的提升；3)服务业增加值占地区生产总值比重越高，越能有效促进就业，从而提升了服务业对经济发展的贡献度。

(4)居民旅游偏好程度。居民旅游偏好程度对劳动要素和资本要素投入冗余均影响显著，而对资源要素投入冗余没有通过显著性检验。居民旅游偏好程度对劳动要素投入存在正向影响，而对资本要素投入存在反向影响。可能是因为：1)资源要素投入与地区所处的自然环境、人文内涵有关，与居民旅游偏好程度没有必然联系；2)旅游产业是劳动密集型产业，游客对某地区的旅游偏好，会增加游客量，有利于产业效率的提高；3)居民旅游偏好程度会增加各地区对旅游产业的过度投资，导致资本要素投入冗余的增加，表明我国旅游业粗放型增长的特点仍然没有根本改变。

3.第三阶段：投入变量调整后DEA实证结果

根据第二阶段计算得出的结果，利用公式(3)剔除外部环境因素和随机误差后得到调整后实际的投入变量值，与原始产出值再次运用BCC模型测算各地区旅游产业效率值，见表4。

表4　同质环境下省际旅游产业综合技术效率、纯技术效率和规模效率值

对照DEA第一、三阶段的实证结果，剔除环境因素和随机误差之后，从整体来看，我国旅游产业效率水平小幅上升，综合技术效率均值由0.647上升到了0.663，处于技术前沿面的地区由天津等4个地区增加到辽宁等6个地区，天津是由于规模效率的下降，贵州因纯技术效率与规模效率同时下降，都退出技术效率前沿面。从综合技术效率分解值来看，纯技术效率均值由0.792上升到了0.837，规模效率均值由0.829下降到了0.775，有21个地区的规模效率值下降，有16个地区的纯技术效率值上升，表明第一阶段测算结果存在高估规模效率值和低估纯技术效率值的现象，规模效率偏低表明大多数旅游企业规模较小，而纯技术效率值较高表明其经营管理水平相对成熟。从规模报酬来看，处于规模报酬递增的地区由17个增加到24个，除北京市处于规模报酬递减阶段，上海等6个地区处于规模报酬不变阶段外，其余地区均处于规模报酬递增阶段，表明我国大部分地区的旅游产业实际发展规模仍然低于最优发展规模，规模报酬存在较大提升空间。调整后，除上海、广东外，有16个地区的综合技术效率值相比调整前下降，而有14个地区的综合技术效率值上升，表明调整前后综合技术效率值的变化与外部因素密切相关。

由表4可知，由于综合技术效率、纯技术效率和规模效率存在相关关系，可以根据其纯技术效率值和规模效率值，以0.9的效率值为临界点将全国划分为四种类型，如图1所示。第一种是“双高型”，即纯技术效率值和规模效率值均处在0.9以上，包括天津等8个地区。该类型基本不需要改进。第二类是“高低型”，即纯技术效率值大于0.9，而规模效率值小于0.9，包括福建等5个地区。该类型需注意规模效率的改进，即注重提高规模经济效益。第三种是“低高型”，即纯技术效率值低于0.9，而规模效率值高于0.9，包括山西等5个地区。该类型需注意纯技术效率的改进，即注重提高经营管理水平。第四种是“双低型”，即纯技术效率及规模效率值均低于0.9，包括河北等13个地区。该类型需注意提高综合技术效率，既要注重提高规模经济效益，又要注重提高经营管理水平。

图1　各省市纯技术效率及规模效率分布

五、结论与建议

本文运用三阶段DEA模型，利用我国31个省市的统计数据，对旅游产业效率及其影响因素进行实证研究。得出如下结论：各地区旅游产业效率总体处于较低水平，且省际间存在较大差距；外部环境因素及随机误差对我国旅游产业效率有显著的正向或反向影响；各地区旅游产业管理水平相对较高，但普遍处于规模报酬递增状态。

根据上述实证结论，为进一步提高旅游产业效率，实现旅游产业持续健康发展，提出以下几点建议：

第一，着重提高规模经济效益，合理规划旅游产业规模。首先大力实施旅游人才战略，培养、引进高层次和短缺人才，为实现旅游强国提供智力支持和人才保证；其次积极推动大型旅游集团兼并重组，引领旅游产业进入集约化、集群化发展阶段；最后政府应加大政策支持力度，积极推动旅游相关产业融合、资源共享、协同发展，发挥产业集聚效应，形成跨越一、二、三产业的现代产业集群。

第二，着重改善旅游产业发展环境，发挥外部有利因素的作用。首先拓宽就业空间和增收渠道，增加居民收入，提高居民生活水平，使旅游意愿转化为实际行动；其次在保护景区环境的前提下，合理规划交通设施的建设；最后继续推进经济结构转型升级，加快服务业快速发展。

第三，着重针对四种类型采取相应措施，推动旅游产业均衡发展。各省市根据自身所处类型，致力于提高规模经济效益或经营管理水平，提升旅游产业的效率水平。

注释：

①以上数据来源于中华人民共和国国家旅游局官方网站，国际旅游外汇收入按2014年平均汇率换算同.

参考文献：

[1]吴殿廷,王丽华,王素娟,朱桃杏,王瑜.把旅游业建设成为战略性支柱产业的必要性、可能性及战略对策[J].中国软科学,2010,(9):1-7.

[2]李锋,唐晨.中国旅游产业政策研究：进展、争议与展望[J].北京第二外国语学院学报,2015,(3):22-32.

[3]方杏村,陈浩,王晓玲.基于DEA模型的资源枯竭型城市旅游效率评价[J].统计与决策,2015,(7):55-57.

[4]鲁小波,郭迪.2001-2010年中国区域旅游效率评估[J].地域研究与开发,2014, (5):82-87.

[5]朱承亮,岳宏志,严汉平，等.基于随机前沿生产函数的我国区域旅游产业效率研究[J].旅游学刊,2009,24(12):18-22.

[6]张鹏,于伟,徐东风.我国省域旅游业效率测度及影响因素研究——基于SFA和空间Durbin模型分析[J].宏观经济研究,2014,(6):80-85.

[7]金春雨,程浩,宋广蕊.基于三阶段DEA模型的我国区域旅游业效率评价[J].旅游学刊,2012,27(11):56-65.

[8]杨春梅,赵宝福.中国著名旅游城市旅游业的效率研究[J].旅游科学,2014,(1):65-75.

[9]Fried H O, Lovell Cak, Schmidt S S, Yaisawarng S. Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis[J].Journal of Productivity Analysis,2002, 17(2):157-174.

[10]Charnes A, Cooper W W, Rhodes E. Measuring the Efficiency of Decision Making Units [J].European of Operation Research,1978，(6):429-444.

[11]Banker R D, Charnes A, Cooper W W. Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J].Management Science,1984，(9):1078-1092.

[12]Timmer, C.P. Using a Probabilistic Frontier Production Function to Measure Technical Efficiency [J]. Journal of Political Economy,1971,79(4):776-794.

[13]Jondrow J, Lovell Cak, Materov I S,etal. On the Estimation of Technical Inefficiency in the Stochastic Frontier Production Function model[J].Journal of Econometrics.1982,19(2/3):233-238.

责任编校：田旭，马军英

收稿日期：2015-11-28

作者简介：孙炳，男，河南商丘人，硕士研究生，研究方向为企业理论与市场营销。

中图分类号：F592.7

文献标识码：A

文章编号：1007-9734(2016)01-0097-06