区域旅行社业效率的时空分异研究

摘 要：文章运用DEA（数据包络分析法）结合 Malmquist 指数模型，利用2003—2016年的相关旅游数据，对中国区域旅行社业效率在时间和空间两个维度方面的变化进行了实证研究。根据测算结果得出以下结论：首先，中国旅行社业的整体综合效率是随着时间逐步提高的；而中国东西部效率高，中部低，并且两者差距较大，而西部和东部的差距相较来说比较小；而从效率的分布类型来看，东部地区较多高效率和高稳定性的效率类型，且东部地区各省之间，旅行社业的效率差异在不断地缩小；从省际层面来看，绝大部分省份的旅行社业的综合效率是处于增长的态势的，极少数省份是在下降的。

关键词：DEA模型；Malmquist指数模型；旅行社业效率；时空分异

中图分类号：F590.3 文献标识码：A 文章编号：1008-4428（2018）06-0042-02

一、 引言

由于国家政策的倾斜和资源禀赋的差异，导致我国各个地区的旅游环境和基础的经济条件存在很大差异，这就直接导致我国旅行社的分布以及经营情况存在区域间的非均衡状态，而这种不均衡对我国的旅行社业乃至旅游业的发展都非常不利。

因此，分析旅行社业效率的时空差异特点，找到造成不均衡现状的原因，可以为我国旅行社业的发展提供一些参考。文章正是基于以上现状，运用DEA模型结合 Malmquist 指数模型，从时间和空间两个维度，动态静态相结合的两种视角，并利用2003—2016年全国31个省级旅行社业的数据，来分析中国旅行社业整体效率的变化趋势和省际差异，尝试通过数据分析来探讨旅行社业发展的效率差异化原因。

二、 研究设计

（一）研究数据

本研究选取31个省级旅行社业的数据作为基础数据，这31个省是基本决策单元。根据DEA模型的投入产出指标选取原则，投入和产出指标数量之和应该至多是决策单元数量的三分之一，所以由于基本决策单元是31个，投入产出指标之和必须至多为10。本文选取指标的原则是：结合数据实际的可获取性和适用性进行指标体系的构建。基于以上因素，本研究决定以从业人数、旅行社数量、固定资产总额这三项作为投入指标；旅行社组团数量和接待量、旅行社营业收入、营业税金及附加这三项作为产出指标，通过以上探讨来形成本文研究模型的指标体系。

（二）数据来源

文章主要应用2003—2016年这十四年的《中国旅游统计年鉴》以及《中国旅游统计年鉴（副本）》数据，部分来自国家统计局网站以及各省市统计年鉴，还有少部分数据来自各省份的旅游局网站。

（三）研究方法

1. 数据包络分析法

数据包络分析法是一种效率评价方法，在1978年由Charnes和Cooper等人提出，主要解决的是：对于不确定函数关系的多输入和多输出决策单元这种类型的问题进行效率评价。这也是本文选择该方法进行评价的主要原因。首先，DEA方法对于变量的选取有较大的自由度，因为输入输出变量之间不需要有确定的函数关系；其次由于指标的评价是相对值，所以不需要處理原始数据；最后权重的赋值是内定的，所以排除了主观赋值的不确定性。基于以上三点，文章采取数据包络分析法对中国区域旅行社业效率进行评价。

Xj、Yj分别代表输入和输出（j=1，2，3…，n），DMUj代表评价决策单元，则：

Xj=（x1j，x2j，…xmj）T，Yj=（y1j，y2j，…ysj）T，j=1，2，3，…，n

那么假定规模报酬不变的情况下，DEA模型（简称CRS或CCR模型）构建如下：

min[θ-ε（eTS-+eTS+）]（1）

s.t∑nj=1Xjλj+S-=θX0

∑nj=1Xjλj-S+=Y0

λj≥0，j=1，…，n

S-≥0，S+≥0

该模型中，通过θ的值来反映旅行社业的综合效率，且θ（0<θ≤1），当θ在0—1之间时，θ的大小与旅行社业的效率呈正相关，当θ=1时，则达到最大值，证明此时旅行社业的效率最高；ε是非阿基米德无穷小量；eT=（1，1，…，1）∈Em和eT=（1，1，…，1）∈Es，分别为m维和s维单位向量空间，S-代表松弛变量；S+代表剩余变量；λj是权重变量；Em，Es分别表示m维和s维向量空间；Xj、Yj分别代表输入和输出向量。

当增加∑ni=1λj=1的约束条件时，就将此DEA模型转化为规模报酬可变的模型（简称VRS或BCC模型），这也比较符合实际情况，且此时TE=PTE×SE。

纯技术效率表示旅行社行业中旅游要素资源配置和利用水平，规模效率则表示旅行社业规模集聚水平，而综合效率可拆分为纯技术效率和规模效率。无论是CCR模型还是BCC模型，都可以用旅行社业综合效率来反映旅行社行业中旅游要素的利用水平、资源配置水平以及规模集聚的水平等。

2. Malmquist指数模型

全要素生产率常被作为衡量科技进步的重要指标，因为全要素生产率是除了传统的资本及人力资源投入之外的其他投入要素所带来的经济增长率。文章是通过Malmquist指数模型来从时间维度来分析全要素生产率的变化，从而通过计算结果衡量我国科技进步对旅行社业的影响。Malmquist指数模型是Fare等提出用来测度全要素生产率变化指数。基础模型如下：

三、 结果分析

（一）时间变化

根据DEA模型的测算结果可知：2003—2016年以来，我国旅行社行业的资源以及技术投入不断加大，但是根据产出结果分析，整体的技术效率水平以及规模效率的趋势并未因此而出现明显的增长。这就说明我国的旅行社业的资源配置效率较低，且资源利用以及规模集聚效益并没有得到充分的发挥。

（二）区域差异

2003—2016年，全国旅行社业的平均技术效率以及各大地区（东部、西部、中部）的旅行社技术效率均值都未达到有效生产前沿，由此说明我国旅行社业整体未达到有效状态。总体看来，我国旅行社业的技术效率呈现出“东部高，中西部低”的状态，并且东部高于全国均值，技术效率可分解为规模效率和纯技术效率，我国东部的这两个效率值均高于全国均值且高于中西部均值。值得注意的是，我国的西部地区的纯技术效率高于我国中部地区，这是中部地区技术效率低于西部地区的主要原因。三大地区的技术效率的变化水平呈现出“东部平缓，中部下降，西部上升”的趋势，这主要与地理位置及旅游资源有关。

（三）省際差异

本文将我国三大地区旅行社业的效率分为四大类型，分别是：稳定高效率型、波动高效率型、稳定低效率型及波动低效率型。稳定高效率型就是既有较高的经营效率且可保持稳定的高效率状态，该类型主要包括上海、北京、浙江、江苏、广东、海南、云南、湖南、宁夏和广西，占比全国33%；波动高效率型就是虽然其经营效率是高的，但是其经营效率波动较大，不能一直维持在一个较高的水平，该类型主要集中在中西部地区，重庆、安徽、西藏和四川，其效率变化很不稳定，标准差很高；稳定低效率型是指其效率可以稳定地维持在一个较低的水平，波动很小，这种类型主要包括天津、河南、甘肃、湖北、黑龙江、山东和内蒙古，占比全国24%；而波动低效率型是指综合效率普遍较低同时波动起伏还较大，这种类型的省份有：山西、辽宁、河北、吉林、江西、陕西、青海、贵州、新疆、福建，占比全国31%，其中，中西部省份占到了这种类型的70%。由此也可以看出，我国旅行社业的综合效率类型，东部地区普遍较高，中西部普遍较低。

四、 结论

文章基于中国旅行社业时空分异两个视角的基础，运用DEA结合Malmquist指数方法，对我国2003—2016年的旅行社效率进行了测算，并对其测算结果进行了进一步分析，得出以下几个结论：

从时间维度来看，我国旅行社业的全要素生产率总体上逐年下降，已成趋势，这与纯技术效率和规模效率的影响分不开，尤其是规模效率的低下，造成的规模不经济的状态。

从空间维度来看，我国旅行社行业的技术效率总体分布呈“东高，中西低”的状态，同时，中部地区被纯技术效率所影响，造成了中部地区的技术效率低于西部地区。因此可知，我国的中部地区在技术要素投入方面的资源利用及资源配置方面还有待提高，而中西部的全要素生产率的变化要比东部好，这主要是因为东部发展较早，所以效率提高程度低于其他两个地区。

参考文献：

[1]王逸然，楼嘉军.旅行社空间分布及其影响因子分析[J].旅游论坛，2010，3（6）：726-733.

[2]卢明强，徐 舒，王秀梅，等.基于数据包络分析（DEA）的我国旅行社行业经营效率研究[J].旅游论坛，2010，3（6）：735-738.

[3]孙景荣，张捷，章锦河，马金海，李莉，张福生.中国区域旅行社业效率的空间分异研究[J].地理科学，2014，34（4）.

[4]方创琳，关兴良.中国城市群投入产出效率的综合测度与空间分异[J].地理学报，2011，66（8）：1011-1022.

[5]吴得文，毛汉英，张小雷，等.中国城市土地利用效率评价[J].地理学报，2011，66（8）：1111-1121.

[6]马晓龙，保继刚.基于数据包络分析的中国主要城市旅游效率评价[J].资源科学，2010，32（1）：88-97.

[7]陶卓民，薛献伟，管晶晶.基于数据包络分析的中国旅游业发展效率特征[J].地理学报，2010，65（8）：1004-1012.

[8]郭腾云，徐勇，王志强.基于 DEA 的中国特大城市资源效率及其变化[J].地理学报，2009，64（4）：408-416.

[9]赵磊.中国旅游全要素生产率差异与收敛实证研究[J].旅游学刊，2013，28（11）：12-23.

作者简介：

张红，江南大学。