碳排放约束下中国旅游业能源效率的实证分析——基于SBM模型和Tobit回归模型

刘文君，李 娇，刘秀春

（南华大学 a.核能经济与管理研究中心，b.MBA教育中心，湖南 衡阳 421001）

碳排放约束下中国旅游业能源效率的实证分析
——基于SBM模型和Tobit回归模型

刘文君a，李 娇b，刘秀春b

（南华大学 a.核能经济与管理研究中心，b.MBA教育中心，湖南 衡阳 421001）

随着产业结构的转变，旅游业快速发展，其能源消耗和二氧化碳的排放量也成为不可忽视的问题。本文定义旅游业的能源经济效率和能源环境效率，采用SBM模型对我国各省旅游业在2002—2013年间的能源经济效率、能源环境效率及其分解指数进行测算分析，并采用面板数据Tobit模型，进行回归分析，对能源效率的影响因素进行探讨。结果表明：2002—2013年间我国旅游业能源经济效率和能源环境效率总体上呈波动式上升，但东中西部地区能源效率差异较大，旅游业能源纯技术效率明显低于旅游业能源规模效率，东部地区旅游业能源纯技术效率高于中西部地区，东中部地区旅游业能源规模效率高于西部地区。未来应扩大我国旅游业规模，优化产业结构，加强城镇化管理，加大节能减排技术创新力度等措施来改善中国旅游业能源效率。

旅游业；能源经济效率；能源环境效率；SBM模型；Tobit回归模型

旅游业属于低碳产业，随着旅游业快速发展，旅游交通、住宿及活动所产生的碳排放量占全球总量的4%～6%；若不采取措施，在未来30年内碳排放量将增加1.5倍。据联合国世界旅游组织等发布结果，旅游部门对人为因素引起的全球气候变暖的贡献率已达到5%～14%[1]。近年来，能源环境问题严重制约了中国经济和社会的可持续发展，而旅游业属于第三产业，我国对其能源消耗量和二氧化碳排放量关注较晚，从国家“十三五”规划的节能减排与污染物控制目标出发，探讨旅游业能源效率，对解决中国的能源和环境问题有一定意义。

随着旅游产业规模的不断壮大，旅游业对气候、环境的影响日益引起国际机构和社会各界的关注。针对旅游业特点决定的旅游业能源消耗和二氧化碳排放量的测算是个世界性的难题，国内外已有许多文献研究估算旅游业能源消耗和二氧化碳排放量。石培华、吴普采用“自下而上”法，首次系统从旅游交通、旅游住宿和旅游活动三个方面估算中国2008年旅游业能源消耗量和二氧化碳排放量[2]。陶玉国、胡婷婷、古希花分别估算了江苏省、江西省和广西省某年的旅游业能源消耗量和二氧化碳排放量[3-5]。谢园方、赵媛借鉴“旅游消费剥离系数”概念，从交通运输、仓储和邮政业与批发、零售业和住宿、餐饮业两部分测算长三角地区二氧化碳排放量[6]，这些学者从国家和省级层面提供了估算旅游业能源消耗和二氧化碳排放量的方法，但未对旅游业能源利用效率进行深入分析。孙玉琴采用DEA模型，选取海岸线的长度、第三产业从业人数、城市固定资产投资额、旅游资源吸引力和生态环境吸引力等五项指标为投入指标，旅游总收入、旅游总人数等二项指标为产出指标，对12个省份的海滨生态旅游效率评价[7]。张金华采用Bootstrap-DEA方法对我国各地区旅游业的效率进行了测定和分析，分析了1999年—2011年各地区旅游业技术效率和规模效率的变化和差异[8]。马晓龙采用DEA方法，利用CRS、VRS、NIRS和Malmquist指数模型对1995—2005年中国58个主要城市的旅游效率及其全要素生产率进行测算，分析各城市的技术效率、规模效率和利用效率的变化和差异[9]，将DEA模型与Malmquist指数模型结合起来对旅游业效率进行分解和分析。方叶林等运用修正的DEA模型和G指数、重心等空间统计分析方法，从时间和空间上分析我国各省旅游效率的演变[10]。这些学者采用DEA方法和不同的模型，研究旅游业经济效率和经营效率，并未考虑非径向、非角度研究方法的准确性和旅游业非期望产出即二氧化碳排放量，以及未深入探讨旅游业能源效率及其影响因素。

DEA方法是由Charnes和Cooper提出的一种评价决策单元相对效率的方法[11]。Tone(2004)在最初的非径向和非角度的SBM（Slack-based Measure）模型中纳入了非期望产出[12]。相对于CCR和BCC模型，SBM模型考虑了投入和产出的松弛变量，并且能够同时从投入和产出角度展开效率分析，使效率测算结果更加准确合理。冯博等应用SBM模型对2004—2011年中国建筑业能源经济效率与能源环境效率及其分解指数进行测算[13]。涂正革等将能源消耗作为投入要素和二氧化碳排放量作为非期望产出，运用SBM模型对1998—2008年中国工业效率进行测算[14]。SBM方法在产业能源效率评价中得到应用。

综上所述，对国家层面和个别省份旅游业能源消耗和二氧化碳排放测算，已经有大量的文献。利用数据包络分析方法研究旅游业效率的研究也相继成熟，但考虑旅游业能源投入和二氧化碳非期望产出，应用DEA-SBM模型研究碳排放约束下旅游业能源效率以及探讨旅游业能源效率影响因素的文献还很少。

一、旅游业能源效率概念界定

本文同时考虑期望产出的旅游业能源效率与考虑非期望产出的旅游业能源效率，根据是否考虑环境污染因素，将两种能源效率定义为旅游业能源经济效率与旅游业能源环境效率，具体定义如下：

旅游业能源经济效率（EEC）。在全要素能源效率框架中，只包含旅游业的期望产出，即旅游业国内旅游收入和旅游业国际旅游收入，不考虑与之伴随而产生的非期望产出。该指标只注重实现最大经济利润，在旅游业产值既定的条件下实现能源投入最小化，或在旅游业能源投入既定的条件下实现产值最大化。

旅游业能源环境效率（EEN）。在全要素能源效率框架中，包含了期望产出与非期望产出，不仅考虑了旅游业的经济产出，也考虑了在能源利用过程中所产生的环境污染。该指标注重在实现经济产出最大化的同时，将环境污染降至最小。

为进一步研究中国各省旅游业能源效率的技术有效性和规模有效性，本文将旅游业能源经济效率指标分解为旅游业能源经济纯技术效率和旅游业能源规模效率，分别用EECPE和EECSE表示；旅游业能源环境效率指标分解为旅游业能源环境纯技术效率和旅游业能源环境规模效率，分别用EENPE和EENSE表示。按照DEA理论中综合效率、纯技术效率和规模效率的定义，EEC和EEN可表示为：

二、研究方法与数据来源

（一）SBM模型

本文研究采用SBM模型对旅游业能源经济效率进行测度分析。记为投入矩阵；为经济产出矩阵。其中，m为投入指标个数；s为产出指标个数；k为决策单元个数；λ为权重向量系数，λ≥0；s-为投入松弛向量，s-≥0；s+为产出松弛向量，s+≥0。建立测量旅游业能源经济效率的SBM模型

其中，x0=(x10，…，xm0)为旅游业投入量；y0=(y10，…，ys0)为旅游业产出量；si-为第i个投入指标的松弛值；sr+为第r个产出指标的松弛值。若模型(3)中增加Eλ=1的约束条件，则转化为规模报酬可变的SBM模型，由此可以测算出EECPE，而EECSE可由式(1)求得。

本文研究采用SBM-Undesirable模型对旅游业能源环境效率进行测度分析。

（二）指标选取与数据来源

参照相关文献以及结合旅游业自身特点，本研究选取2002—2013年的旅游业能源消耗、旅游从业人数和旅游固定资产净值作为投入指标，选取旅游业国际旅游收入、旅游业国内收入和旅游业CO2排放量作为产出指标。

对于旅游业能源投入和旅游业CO2排放量并没有精确的统计数据，本文通过对旅游业能源消耗和CO2排放量估算值来衡量旅游业能源投入和非期望产出。对于旅游业能源消耗量和CO2排放量的测算，目前学者们从不同尺度、不同视角进行了测算，但缺乏统一的测度方法[2-7]。根据数据的易获取性和旅游业实际特性，本文借鉴石培华等的方法[2]，从旅游交通、住宿业和旅游活动三个方面估算我国2002-2013年各省的旅游业能源消耗量和CO2排放量。

文中所需要的原始数据主要有三类：（1）旅游业相关数据。国际旅游收入、国内旅游收入、旅游业从业人员、旅游业固定资产净值、星级酒店床位数、旅游活动所占比例等原始数据来源于相应年份的《中国旅游统计年鉴》和《旅游抽样调查资料》；（2）能源相关数据：万元GDP能耗来源数《中国能源统计年鉴》；（3）宏观数据：人口数、产业结构、城镇化水平等原始数据来源于《中国统计年鉴》。

三、旅游业能源效率及其分解指数的测算分析

选取中国30个省、市、自治区（以下全部简称“省”）作为独立的决策单元，其中，由于西藏和港、澳、台地区数据缺失，未将其包括在内。本文依据国家统计局相关划分，将全国划分为东部、中部和西部三大经济区。其中，东部地区包括北京、天津、上海、辽宁、江苏、浙江、福建、广东、海南、河北和山东11个省份；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南8个省份；西部地区包括内蒙古、广西、四川、贵州、云南、陕西、甘肃、青海、宁夏、重庆和新疆11个省份。

基于中国30个省2002—2013年的旅游业面板数据，采用SBM模型与SBM-Undesirable模型，利用MaxDEA软件，分别测算各省旅游业的能源经济效率和能源环境效率，并将其分解为纯技术效率指数和规模效率指数，最后求得各指标的12年平均值，其结果如表1所示。

表1 2002年—2013年中国旅游业能源效率及其分解指数均值

分析表1可以得出：（1）EEC和EEN均值为1的省份只有上海，其能源效率处于相对最优的水平，其他省份的EEC和EEN均值处于无效率状态。除了北京、天津、辽宁、江苏、河南、广东、广西、重庆、贵州、云南和陕西省份的EEC均值相对较高，其他省份EEC均值都相对较低，这些省份能源经济效率都有较大的改进空间。除了北京、天津、辽宁、江苏、福建、广东、贵州省份的EEN均值相对较高，其他省份EEN均值都相对较低，这些省份能源环境效率需要加大力度改进。（2）东部地区的EEC、EEN均值分别为0.589、0.537，都高于中部地区EEC均值（0.315）、EEN均值（0.222）和西部地区EEC均值（0.424）、EEN均值（0.216），并且高于全国EEC均值（0.455）、EEN均值（0.335），由此可以看出，能源经济效率和能源环境效率较高地区集中于东部地区。中部地区和西部地区的EEC和EEN均值都低于全国EEC和EEN均值，由此，我国中西部地区旅游业能源效率应作为重点改进区。（3）各省EEC和EEN差异也较大，东部地区，除了北京、天津、浙江、福建之外，其他省份的EEC均值都大于EEN均值；中部地区，除了黑龙江，其他省份的EEC均值都大于EEN均值；西部地区各省的EEC均值都大于EEN均值，说明我国旅游业在节能减排方面，除了东部少数经济发达地区能源技术较高外，其他地区应加强节能减排技术在旅游业广泛的运用。（4）从能源效率分解指数上看，EECPE、EECSE、EENPE、EENSE均值都为1的只有上海，表明上海能源利用达到最优效率。除广东外，全国其他省EECSE、EENSE均值都未达到1，表明我国各省旅游业能源利用都未达到最优规模，仍可以加大要素投入量提高能源规模效应。绝大多数省EECPE、EENPE均值均小于EECSE、EENSE均值，表明制约我国旅游业能源效率的因素主要是旅游业科技水平、旅游环境政策和管理制度。未来提高旅游业能源效率，不仅要增加能源等要素合理投入量，而且也要提高科学技术在旅游业的应用。

本文采用分析各指标平均值的做法，参照Wang等[15]的能源效率趋势分析法，通过图1-图6描述我国2002—2013年三大地区和全国旅游业能源效率及其分解指数的变化趋势，以便观察旅游业能源效率值及其分解指数在此期间是否有所改进。

由图1～图6可以看出：（1）全国及三大地区的EEC与EEN及其分解指数在2002—2013年间总体上波动呈上升趋势。随着国家对产业结构的调整，国家加大对旅游业的投入力度，旅游业能源综合效率不断提高。（2）图1和图2表明，东部地区的EEC和EEN均值在2002—2013年间都高于中西部地区和全国的EEC和EEN均值。东部地区处于经济发达地区，在旅游能源投入要素配置、旅游科学技术应用、旅游相关企业运营管理等方面优于中西部地区。从EEC和EEN分解指数来看，由图3和图4可知，东部地区的EECPE和EENPE高于中西部地区和全国，说明中西部地区的旅游纯技术效率偏低，中西部地区旅游业在节能减排技术和低碳管理模式上需要改进。由图5可知，东部地区的EECSE高于中西部地区和全国地区，表明我国东部地区旅游业能源经济规模效率较高，东部地区旅游业能源规模效率较好。由图6可知，东中部地区的EENSE高于西部地区和全国地区，表明对于西部地区的很多省份，可以通过加大能源等生产要素的投入规模来提高旅游业能源利用效率。

图1 2002—2013年全国及三大地区EEC变化趋势

图2 2002—2013年全国及三大地区EEN变化趋势

图3 2002—2013年全国及三大地区EECPE变化趋势

图4 2002—2013年全国及三大地区EENPE变化趋势

图5 2002—2013年全国及三大地区EECSE变化趋势

图6 2002—2013年全国及三大地区EENSE变化趋势

四、旅游业能源效率及其分解指数的影响因素分析

（一）变量说明与模型构建

在EEC、EEN及其分解指数的测算过程中，SBM模型选择了决策单元可以控制的投入和产出指标，并没有考虑其他一些不可控因素。然而这些因素往往造成决策单元旅游业能源效率差异的重要原因。本文以EEC、EECPE、EECSE、EEN、EENPE、EENSE为因变量，参考王坤[16]等相关研究的做法，引入旅游规模、产业结构、技术水平和城镇化水平4种影响因素作为自变量，对旅游业能源效率及其分解指数进行回归分析。

旅游规模（TSL）。以各省的旅游总收入来表示，源于规模经济可以充分利用生产要素，带来最大收益，因此旅游业是否达到规模效应会影响旅游业能源利用效率。

产业结构（IS）。以第三产业比重反映产业结构变量，碳排放强度很大程度上取决于产业结构的差异，产业结构的合理化对旅游业能源效率会产生影响。

技术水平（STL）。有关旅游业科技投资统计数据较少，本文以能源强度即万元GDP能耗指标反映此变量。技术进步通过节约和循环利用能源来提高能源利用效率。

城镇化水平（UPP）。以各省的城镇化水平来表示，随着城镇化进程加大，带动旅游业发展，对旅游业能源的需求也随之增加，CO2排放量也将大幅度增加。同时，城镇化水平提高，推动人才、产业的集聚，有利于提高旅游业能源利用效率，所以城镇化水平可能对旅游业能源效率有影响。

旅游业能源效率及其分解指数均为介于0～1之间的受限变量，因而采用面板数据Tobit模型，对EEC、EEN及其分解指数的影响因素进行分析。基于上述分析，本文设定面板数据回归模型

其中，EEk,i,t为各省旅游业的能源效率，k=1，2，…，6，当k取值不同时，表示旅游业能源效率不同测度指标。K=1时模型的因变量为EEC，k=2时模型的因变量为EECPE，k=3时模型的因变量为EECSE，k=4时模型的因变量为EEN，k=5时模型的因变量为EENPE，k=6时模型的因变量为EENSE。i代表各省份；t代表年份；βi为回归系数，i=0，1，…，30；εi,t表示随机误差项。

（二）Tobit模型回归结果分析

用StataSE12软件建立面板数据模型，对(5)式所示2002-2013年我国旅游业能源效率的Tobit模型进行回归分析。此处使用30个省份12年的数据，共360个样本。其EEC、EEN及其分解指数的回归结果如表2所示：

由表2可知，（1）旅游业规模（TSL）对EEC、EEN及其分解指数EECPE、EECSE、EENPE和EENSE在10%的检验水平下均呈显著的正相关影响。表明随着旅游收入的增加，旅游规模逐渐变大，有利于各省旅游业各生产要素的配置趋向合理，能提升旅游业能源利用效率。（2）产业结构（IS）对EEC、EEN及其分解指数EECPE、EECSE、EENPE和 EENSE在 1%的 检验水平下均呈显著的正相关影响。表明在国家实施产业结构优化政策下，产业结构越合理，推动生产要素优化配置和新技术应用，其能源经济效率和能源环境效率越高，尤其对旅游业能源纯技术效率提高影响较大。（3）科技水平（STL）对EEC、EEN、EECSE和EENSE在1%的检验水平下均呈显著的正相关影响，表明万元GDP能耗降低即能源强度提高，有利于旅游业能源综合效率和规模效率提高。但科技水平对EECPE、EENPE的关联并不显著，表明要提高旅游业能源纯技术效率，采用提高能源强度方法不能发挥作用，应采用节能减排技术在旅游业应用。（4）城镇化水平（UPP）对EECPE和EENPE在1%的检验水平下均呈显著的正相关影响，但对EECSE和EENSE的影响为负。原因是城镇化水平提高，产业集聚和管理水平较好，节能减排技术运用推广，有助于节约能源、减少碳排放。但较多能源的消耗，导致能源利用效率下降和CO2排放量的增加，造成旅游业能源利用的规模报酬效应逐渐消失。

表2 中国旅游业能源效率及其分解指数影响因素的面板Tobit回归结果†

五、结论与建议

本文基于非径向、非角度的SBM模型，选择能源、劳动力和资本作为生产投入要素，旅游业国内旅游收入和国际旅游收入作为期望产出，CO2排放量作为非期望产出，对2002—2013年我国旅游业能源经济效率、能源环境效率及其分解指数进行测算分析，并运用Tobit模型对能影响到旅游业能源效率及其分解指数的因素进行分析。主要结论包括：

第一、2002-2013年我国30个省份旅游业EEC和EEN的均值分别为0.455和0.335，旅游业能源经济效率需要重点改进。源于旅游业属于第三产业，应成为低碳经济的有机组成部分，推行低碳经济旅游业发展对策。东中西部地区旅游业能源经济效率和能源环境效率差异也较大，尤其是中部和西部地区需大力改进能源等生产要素的利用效率，应实施“绿色、经济、环保”旅游运营模式。

第二、2002-2013年我国30个省份除天津、广东、海南及其旅游资源开发较少的青海和宁夏外，其他省份旅游业EECPE、EENPE均值均小于EECSE、EENSE均值，由此可见，旅游业能源纯技术效率严重制约能源效率提高，在旅游业推广节能减排技术，规范旅游业环境保护制度，转变旅游业相关企业经营理念十分必要。对于西部地区，能源纯技术效率与能源规模效率相对于东部、中部和全国都较低，要加大能源、劳动力和资本等要素的投入，提高旅游业能源规模效率，也要加强东部、中部对西部地区科学技术的输入，从整体上提高旅游业能源利用率。

第三、旅游业规模和产业结构对我国旅游业能源效率呈显著的正相关影响；科技水平对我国旅游业能源综合效率和规模效率有显著的正相关影响，而对我国旅游业能源纯技术效率影响不大；城镇化水平具有两面效应，对我国旅游业能源纯技术效率有显著的正相关影响，而对我国旅游业能源综合效率和规模效率有负相关影响。因此，扩大我国旅游业规模，优化产业结构，加强城镇化管理，加大节能减排领域的技术创新力度，是改善中国旅游业能源效率的有效方法。

第四、随着人们生活水平的提高，旅游业发展突飞猛进。然而旅游业是个关联性产业，带动相关产业的发展，旅游业产值增加的同时，也带来了能源大量使用和环境保护问题。本文通过对旅游业能源经济效率和能源环境效率的测算分析，可以了解我国旅游业能源利用情况和我国东中西部旅游业发展存在的差异。进一步探讨我国旅游业能源效率及其分解指数的影响因素，为我国不同地区制定相应的对策来提高旅游业能源效率提供了依据。

[1]UNWTO,UNEP.Climate Change and Tourism:Responding to Global Challenges [M].Madrid:CEDRO,2008,(5):26-51.

[2]石培华,吴 普.中国旅游业能源消耗与CO2排放量的初步估算[J].地理学报,2011,66(2):235-243.

[3]刘志成,张晨成.湖南省农业生态效率评价研究—基于SBM-undesirable模型的对比分析[J].中南林业科技大学学报(社会科学版),2015,9(6):32-36.

[4]韦敬楠,张立中.基于DEA方法的广西林业投入产出效率分析[J].中南林业科技大学学报(社会科学版),2016,10(3):25-29.

[5]古希花,马艺芳,梁保平.广西旅游业能源消耗与二氧化碳排放量估算[J].中国软科学增刊,2014,(4):212-221.

[6]谢园方,赵 媛.长三角地区旅游业能源消耗的CO2排放测度研究[J].地理研究,2012,31(3):429-438.

[7]钟永德,石晟屹,李世宏,等.中国旅游业碳排放计量框架构建与实证研究[J].中国人口·资源与环境,2014,24(1):78-86.

[8]张金华.我国地区旅游业效率和生产率的动态演化研究[D].长春:吉林大学,2013,05.

[9]马晓龙.中国主要城市旅游效率及其全要素生产率评价[D].广州:中山大学,2008,06.

[10]方叶林,黄震方,李 东,等.中国省域旅游业发展效率测度及其时空演化[J].经济地理,2015,35(8):189-195.

[11]Charnes A,Cooper WW,Rhodes E.Measuring the efficiency of decision making units[J].European Journal of Operational Research ,1978,2(6):429-444.

[12]Tone K.A slacks-based measure of efficiency in data envelopment analysis [J].European Journal of Operational Research,2001,130(3):498-509.

[13]冯 博,王雪青.中国建筑业能源经济效率与能源环境效率研究[J].北京理工大学学报,2015,17(1):14-22.

[14]涂正革,刘磊珂.考虑能源、环境因素的中国工业效率评价[J].经济评论,2011,(2):55-65.

[15]Wang K ,Wei Y M,Zhang X.Energy and emissions efficiency patterns of Chinese regions:a multi-directional efficiency analysis[J].Applied Energy ,2013,104(4):105-116.

[16]王 坤,黄震方,曹芳东.中国旅游业碳排放效率的空间格局及其影响因素[J].生态学报,2015,35(21):7150-7160.

[17]Gossling S.Global environmental consequences of tourism[J].Global Environment Change,2002,12(4):283-302.

[18]白雪洁,汪海凤,闫文凯.资源衰退、科教支持与城市转型——基于坏产出动态SBM模型的资源型城市转型效率研究[J].中国工业经济2014,(11):30-43

[19]金春雨,程 浩,宋光蕊.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.

[20]Burros CP,Matias A.Assessing the efficiency of travel agencies with a stochastic cost frontier:A Portuguese case study[J].International Journal of Tourism Research ,2006,8(5):367-379.

Empirical Analysis on Energy Efficiency of China’s Tourism Industry under Carbon Emission Constraints— Based on the SBM Model and Tobit Regression Model

LIU Wenjuna,LI Jiaob,LIU Xiuchunb
(a.Research Center of Nuclear Energy Economics and Management;b.MBA Education Center ,University of South China,Hengyang 421001,Hunan,China)

Along with the change of industrial structure,tourism industry has developed rapidly.Simultaneously its energy consumption and emissions of carbon dioxide have become a problem which cannot be ignored.The study de fines the tourism energy economic efficiency and the tourism energy environmental efficiency,measures two kinds of energy efficiency and their decomposition indexes of China’s tourism industry from 2002 to 2013 by SBM model and analyzes the in fluence factors on energy economic efficiency and energy environmental efficiency of tourism industry by establish panel data Tobit model and regression analysis.Results show that energy economic efficiency and energy environmental efficiency of tourism industry have generally increased in a fluctuant way from 2002 to 2013.However,energy efficiency of eastern-mid-western region exists a big difference and tourism energy pure technical efficiency is signi ficantly lower than tourism energy scale efficiency.Tourism energy pure technical efficiency in eastern region exceeds that of central and western region.Tourism energy scale efficiency of eastern and central region is higher than that of western region.In the future,some measures should be taken to improve the energy efficiency of tourism ,such as expanding scale of tourism industry ,optimizing industrial structure ,strengthening management of urbanization and enlarging innovation of energy conservation and emission reduction technology.

tourism industry; energy economic efficiency; energy environmental efficiency; SBM model; Tobit regress model

F205

A

1673-9272(2017)01-0040-07

10.14067/j.cnki.1673-9272.2017.01.008 http://qks.csuft.edu.cn

2016-10-09

湖南省高等院校研究生科研创新项目“能源节约型技术进步对能源-经济-环境系统影响的实证研究”（2016XCX32）。

刘文君，博士，副教授，硕导；E-mail：liuwenjun@usc.cn。

刘文君，李 娇，刘秀春.碳排放约束下中国旅游业能源效率的实证分析——基于SBM模型和Tobit回归模型[J].中南林业科技大学学报（社会科学版），2017,11(1):40-46.

[本文编校：罗 列]