我国沿海地区酒店产业效率时空差异及其影响因素研究*

焦念涛，郑向敏，殷 杰

(1.华侨大学 旅游学院，福建 泉州 362021； 2.青岛酒店管理职业技术学院，山东 青岛 266100)

一、引言

2016年，全国星级酒店总收入2 027.26亿元，东部沿海省份星级酒店总收入达1 164.29亿元，占据半壁江山(57.43%)。旅游发展迎来“春天”，星级酒店却遭遇“寒冬”：《中国旅游业统计年鉴》显示，2013年后，我国星级酒店连年亏损。2016年，东部沿海地区11省市中在2015年广东、上海和海南三省星级酒店实现盈利的基础上，福建和广西扭亏为盈，辽宁等6省星级酒店则共亏损25.96亿元。在旅游活动常态化、大众化的情况下，酒店的经营效率亟待提升。经营效率是评价酒店运营状况的主要指标，重点考量投入产出比[1]，如何科学地评价酒店业的发展水平和经营效率，采取有效的经营效率提升策略成为酒店经营者重点关注的问题。

国外对酒店效率的研究早于国内，从宏观和微观两个视角开展：基于一个国家或者地区的酒店产业效率研究[2-4]，基于某一家或者一个连锁酒店品牌进行数据分析产业效率[5-7]。综合国内研究情况，宏观尺度层面：围绕国家或者某几个省市地区进行酒店产业效率研究，孙景荣等(2012)以23个主要旅游城市2010年的酒店业效率为研究对象，研究发现样本城市酒店业综合效率处于一般水平，投入产出指标普遍存在投入冗余和产出不足的现象[8]。中观尺度层面：从省域空间上对某一省的酒店产业效率进行检验分析，如卢洪友、连信森(2010)发现1991—2008年的澳门酒店产业效率存在5.3%的提升空间[9]。张晶(2015)研究发现2011—2013年浙江省酒店产业效率呈现下滑趋势[10]。微观尺度层面：部分学者对一个城市的星级酒店经营效率进行评价分析[11]，并对一家或几家酒店的经营效率进行研究[12]。现有酒店效率的研究，基本上采用截面数据DEA模型静态分析综合效率、技术效率和出技术效率的测算[13]，或者基于时间序列的面板数据的Malmquist指数模型做的全要素效率分析[14]。

已有研究奠定了良好的基础，但也存在有待完善的地方：(1)酒店发展效率指标有待优化。纵观已有研究，对星级酒店产业效率的分析指标选取存在着较大分歧，对影响星级酒店产业效率的因素分析存在指标选取不够合理、缺乏必要的实证研究支持等问题。(2)研究问题有待进一步拓展。目前关于酒店效率的研究多数基于面板数据对酒店的产业效率进行了测算和评估，但是对产业效率的空间差异以及影响因素的研究相对不足。(3)研究对象有待进一步聚焦。沿海11个省份的酒店占据全国酒店业“半壁江山”，聚焦沿海地区酒店业经营效率研究，有助于透视全国酒店市场，为其发展提供借鉴与参考。

基于此，研究拟采用DEA-CCR模型测算2009—2016年我国11个沿海省星级酒店的产业效率，并分析各省星级酒店产业效率的差异；运用DEA-Malmquist指数模型研究11省星级酒店的全要素生产率的演化情况。进而使用Tobit模型探究影响产业效率的因素，以期为提升酒店产业效率提供参考。

二、研究方法与数据来源

(一)研究方法

1.DEA理论模型

Charnes(1978)提出的DEA模型是一种效率评价方法，在管理学科应用非常广泛，在决策分析、系统工程、评价等领域中是一种常用的分析工具和研究手段。近年来，采用DEA的方法对产业效率分析、投入产出效应的评价越来越多，如应用于旅游业发展效率[15][16]，旅游产业中的冰雪旅游产业效率分析[17]、风景名胜区使用效率[18]、酒店产业经营效率[7][19]。因此本研究采用产出导向型的DEA模型(在产出一定的情况下，投入最小化)。即：

(1)

2.Mamlquist指数模型

DEA模型对静态效率分析具有较好的效果，但测度多时期效率动态情况，通常采用瑞典经济学家Sten Malmquist(1953)提出的Malmquist Index(MI)，即全要素生产率。Caves et al.(1982)将其引入生产分析中以构建生产率指数[20]。Fare et al.(1994)基于DEA 理论模型，将MI变为实证指数，在研究中广泛应用[21]。因此本研究采用Mamlquist指数模型。即：

(2)

3.Tobit回归模型

Tobit回归模型，最早由诺贝尔经济学奖获得者James Tobit(1958)提出，属于因变量受到限制的一种模型[22]。在计算因变量是部分连续和离散分布数据的回归系数时，不宜采用普通最小二乘法(OLS)，应采用Tobit回归模型。

(3)

(4)

式(3)(4)中yi为受限因变量，xi为自变量，β为待估计的回归系数。

(二)指标选取

如何科学、有效地设计和选取指标是一个关键性环节。在指标选取过程中，既要避免选择具有较强共线性的指标[23]，又要防止选取过多指标从而影响效率评价。本研究选取投入、产出指标和影响经营效率的各个指标，具体如下：

1.投入指标

古典经济理论认为经济发展的最基本投入要素包括劳动力、土地和资本等，酒店业的产品包括有形的物质和无形的服务。有形的物质产品，主要靠对固定资产的投入进行生产；酒店同时是劳动密集型行业，服务的提供与完成，依靠劳动力投入、高素质专业人才的使用。国内外学者的研究中，选用的指标也不尽相同，概括来看普遍将以下指标作为DEA的投入指标：从业人数[24][25]、固定资产原值[11][24][25]、酒店数量[26]、客房规模[9][24]、餐饮座位数[13]等。固定资产原值是酒店在建造、购置、安装、改建、扩建、技术改造某项固定资产时所支出的全部货币总额，一定程度上已经包括了客房规模和餐饮座位数。因此，投入指标选用代表酒店经营中的“软”和“硬”投入，即物质资源投入和人力资源投入。如表1所示，本研究选定的投入指标有：年末从业人员数、固定资产原值。

2.产出指标

表1 星级酒店产业效率测度指标体系

营业收入是衡量酒店经营效果的一个重要指标。通常学者们选用营业收入[27]、客房出租率、平均房价[24][28][29]作为酒店经营效率的产出指标。酒店的主要收入来源包括客房和餐饮两部分，而客房的收入仅占44.79%，餐饮营业收入占酒店营业总额的41.30%[注]数据来源：2016年全国星级酒店统计公报。，许多研究仅采用客房经营指标作为产出指标，而忽视了餐饮经营指标，明显缺乏代表性。也有部分学者采用利润总额[11][13][25]作为产出指标，即一定时期内实现的盈亏总额，反映企业最终财务成果。因此，如表1所示，本研究选择两个代表酒店经营效果的重要变量作为产出指标：营业收入和利润总额。

3.影响因素指标

酒店发展受到组织内外环境的综合影响，如社会经济环境、旅游产业与区域经济发展、区域产业结构、酒店行业之间以及行业内部管理等。韩国圣等(2015)认为要从优化投入要素组合和增加饭店营业收入两方面改善经营效率，研究发现企事业单位数、员工人数和员工的平均工资对酒店的产业效率有影响[12]。黄静波(2007)发现区域经济发展水平、产业政策与发展环境、旅游资源禀赋、交通和区位是影响星级饭店业发展水平的重要因素[30]。王伟红(2009)发现经济发展水平和消费能力对星级饭店的经营效益差异具有较强的影响[31]。杨振山等(2015)认为酒店业效率与地区社会经济发展水平以及自然环境状况有着密切的关系，目的地吸引力和接待能力会影响到酒店运营的规模效率和综合效率[28]。谢守红等(2007)研究发现旅游资源的丰富程度对我国星级饭店的分布有显著影响[26]。卢洪友等(2010)提出游客人次是影响澳门酒店经营效率的外部因素[9]。刘中艳(2013)提出宏观层面地区产业结构、基础设施投资、经济发展水平和旅游业的发展水平会影响酒店业发展，微观层面的员工素质、信息化水平等管理水平提升也会对酒店的经营效率产生影响[32]。HamHam等(2005)发现信息技术在酒店前台、餐饮、宴会与后台管理中的应用对酒店绩效有积极的影响[33]。有些学者提出外商直接投资、科技发展水平、客运量、通车里程、对外开放程度等因素会对星级酒店的产业效率产生影响[28]。

因此，本研究整合已有研究的基础上，以沿海的11个省份作为样本，选定表2中解释变量作为主要影响因素。

表2 相关解释变量及测算方式

(三)数据来源与处理

1.产业经营效率数据与处理

本研究选取的投入和产出指标，数据主要来源于2009—2016年《中国旅游统计年鉴》,2009—2016年《全国星级饭店统计公报》。本研究借鉴Kerstens和Woestyne(2014)对径向变量为负值时采用距离函数的处理办法[34]，对投入指标利润的数值进行处理。

2.影响因素指标数据与处理

影响因素指标数据来源于2009—2016年《中国统计年鉴》《中国科技统计年鉴》和2009—2016年滨海11省市的《统计年鉴》。地方产业发展课题组(2016)在研究中将各决策单元的旅游吸引力借鉴A级景区数量递增赋值的方式进行加总[29]，计算公式为：

Ta=∑nai*tai(i=1，2，3，4，5，ta=1，3，5，7，9)

(5)

Ta代表一个DMU总的旅游资源吸引力，nai表示DMU的i级景区数量，ta代表i级景区的吸引力赋值。

研究中部分统计年度存在缺失值的情况，采用前后两年的均值替换。

三、我国沿海省份星级酒店产业效率空间差异及演化分析

采用DEAP2.1软件对投入产出指标进行数据处理，得出我国沿海省份星级酒店的产业综合效率与全要素生产效率，并进一步分析时空差异。

(一)沿海省份星级酒店产业综合效率分析

从时间维度来看，我国沿海省份2009—2016年星级酒店的综合效率均值为0.836，最低值为2015年的0.775，最高值为2016年的0.925。整体效率均值呈现“N”字形，2009—2012年整体呈现上升态势；2012年12月国家提出“八项规定”后，规范“三公消费”和提倡厉行勤俭节约，全社会提倡“光盘行动”，2013年开始，一些原来主打产品为会议和政务接待的星级酒店经营效率下降，开始出现亏损；此后的连续几年，全球经济的持续低迷，星级酒店的数量不断增加，OTA的佣金居高不下，桔子水晶、全季等一大批中端酒店迅速崛起，途家、民宿、公寓式酒店等非标准住宿业的快速发展，以及酒店人工成本不断攀升，这些因素综合作用导致酒店业综合效率逐年下降，到2015年出现最低值，2016年才有所回升。

表3 2009—2016年我国沿海省份星级酒店业综合效率

从空间维度来看，11个省的星级酒店产业效率存在明显的差异，其中上海市星级酒店产业效率发展均值最高为1.00，而河北则最低为0.623。2012—2016年，沿海省份星级酒店产业效率呈现逐渐下滑的趋势，据马占新提出的标准[35]，上海、海南、福建、天津、浙江和江苏的星级酒店产业效率均值超过0.80，属于星级酒店良好发展的地区；广东、广西、山东、河北和辽宁的星级酒店产业效率均值介于0.6～0.8，属于星级酒店中等发展地区；不存在无效发展地区。河北省因为京津冀产业同构带来的区域竞争、承接京津的重工业带来的环境污染、产业结构严重失调、旅游业地位低等原因[36，37]，导致整个旅游业发展受到严重影响。2014年的政府工作报告中提出了京津冀一体化的区域经济协作发展，河北省的酒店业产业效率2015年触底反弹。2009—2016年沿海地区星级酒店产业效率变化情况如图1所示。

图1中国沿海省份酒店产业综合效率冷热点演化趋势图

(二)沿海省份星级酒店产业效率省域空间差异及演化

利用Malmquist指数模型，对2009—2016年我国东部滨海的11个省的星级酒店业投入和产出指标时间序列数据进行处理，得到各省的全要素生产率及其平均值，结果见表4。

从时间维度看，2009—2016年间我国沿海省份星级酒店的全要素生产率均值为0.982，年均下降1.8%；2010—2011年增长率最高，超过20%。2014—2015年下降幅度最大，达到12.6%的负增长，2011—2012年增长率为1.5%，2010—2012年我国沿海省份星级酒店呈现要素资源配置效率提升的趋势。其余跨期均出现负增长，2009—2010年、2012—2013年、2013—2014年和2015—2016年分别负增长7.4%、4.4%、5.6%和2.5%，星级酒店的全要素资源配置效率下降。从全要素生产率来看2012—2015连续三年呈现下降的趋势，2016年开始上升。表明近年来我国沿海省份星级酒店的要素资源配置效率的下降，严重影响了酒店业的持续健康发展。

表4 我国沿海省份星级酒店产业全要素生产率变化情况

从空间维度来看，2009—2016年，我国沿海省份星级酒店的全要素生产率参差不齐，整体呈下降趋势，有3个省份正增长，7个省份负增长，1个省份持平；总体而言，长三角地区星级酒店的全要素生产率整体好于珠三角和环渤海地区。其中，上海市的星级酒店的全要素生产率均值最高，年均增长率10.9%；星级酒店的全要素生产率增长的是福建、广东两个省份，分别为2.9%和1.6%。江苏省的星级酒店全要素生产率增速为0。其余7个沿海省份的星级酒店的全要素生产率出现负增长，负增长率最高的是海南省，年均下降9.9%；其次是天津市和山东省分别下降8.7%和4.9%。

四、影响我国沿海省份星级酒店产业效率的因素分析

酒店内部的因素作为直接投入因素，酒店的外部因素大多作为影响因素，利用回归分析实证检验影响我国沿海地区星级酒店产业效率的因素。采用Eviews检验自变量之间是否存在多重共线性，结果显示变量之间相关系数均小于0.8，可以用Tobit进行多元回归分析，分析结果见表5。

表5 效率影响因素的Tobit 回归结果

注：*代表显著性水平为0.01，**代表显著性水平为0.05，***代表显著性水平为0.001。

由表5可知，沿海省份星级酒店的综合效率受到交通便利程度、旅游资源吸引力和高星级酒店所占比重的影响非常显著。其中，交通便利程度对酒店综合效率呈正向影响。一般来讲，便利的交通能够在更大空间范围内为酒店输送大量的客流，同时能够降低酒店的物资运输成本；对于从业人员来说，便利的交通也具有择业的吸引力。旅游资源吸引力对沿海省份星级酒店的综合效率呈正向影响。A级旅游景区作为一个地区最为典型旅游资源，其吸引力带来大量的游客，进而为酒店带来大量的客源，增加星级酒店的营业收入和客房出租率。四、五星级酒店所占有的比重对沿海省份星级酒店综合效率有显著的正向影响，说明高星级酒店虽然投入大，但是因为具有较好的接待条件，能够吸引一批相对高端的消费群体，因而其产业综合效率较高。

沿海省份星级酒店的纯技术效率受到交通便利程度、科技发展水平、旅游资源吸引力和酒店后备专业人才数量的影响非常显著。便利的交通拉近了与周边的距离，能够为酒店的运营管理在更大范围内吸引大量的客源和优秀的管理人才；科技的发展水平能够对酒店的新技术的应用带来很大的推动作用，提高酒店运营效率；以A级景区为载体的旅游资源吸引力，代表了地区旅游和酒店的等整体的管理水平，反映的是一种地方综合旅游实力；提高从业人员的素质，可以提升酒店的经营效率[8]，旅游院校培养的酒店专业人才能够为酒店人力资源的发展提供大量高素质的人才，以旅游院校在校生数量与星级酒店的比例作为酒店后备专业人才数量，代表着地区星级酒店的专业管理人才水平。这些都能够对星级酒店纯技术效率产生正向影响。

沿海省份星级酒店的规模效率受到交通便利程度、对外开放程度和旅游资源吸引力的影响非常显著。便利的交通，能够拉近空间的距离，为星级酒店更多资源共享，特别是连锁酒店之间的经营边际成本将会呈现递减的趋势；对外开放程度代表对外贸易能够为带来的商务客人数量，外商投资能够为星级酒店带来商务客源，同时也可以直接促进区域经济发展，商务客人通常更认可连锁品牌的酒店；同样，高旅游资源吸引力，通常能够带来大量的客源，外部客源的涌入，在选择住宿酒店时，对规模大的品牌酒店能够优先选用。因此，对外开放程度和旅游资源吸引力都会对星级酒店规模效率产生积极的影响。

沿海省份星级酒店的全要素生产效率受区域经济发展水平、科技发展水平的影响非常显著。区域经济发展水平高的地区，通常代表着一种较为完善的服务设施，同时也带来较高的酒店生产要素投入，吸引更多的客源，享受高水平的要素投入带来的服务，进而提高要素的使用效率；科技发展带动了酒店的信息化水平和新技术的应用，能够有效地改善酒店各要素的使用效率，改善酒店的要素生产效率。纯技术效率受到交通便利程度、科技发展水平、旅游资源吸引力和酒店后备专业人才数量的影响非常显著；规模效率受到交通便利程度、对外开放程度和旅游资源吸引力的影响非常显著。

五、结论与讨论

(一)结论

本研究以我国沿海11省星级酒店为研究对象，测算其2009—2016年的产业效率，在此基础上，采用Tobit模型，实证检验影响酒店产业效率的因素。研究结果显示：

1.我国沿海省份星级酒店的静态产业效率呈现先升后降的趋势。2009—2016年我国沿海省份星级酒店的产业效率呈现“N”形变化，2012—2015年除天津、江苏、上海和海南等省市，其余大部分沿海省份的酒店产业效率出现不同程度的下降，2016年全部呈现上升态势。

2.我国沿海省份酒店的全要素产业效率呈现下降趋势。从时间维度看，全要素生产率年均下降1.8%。从空间维度来看，2009—2016年，我国沿海省份星级酒店的全要素生产率参差不齐，整体下降，7个省份出现负增长。总体来看，长三角地区星级酒店的全要素生产率优于珠三角和环渤海地区。

3.影响我国沿海省份星级酒店产业效率的因素多元化。沿海省份星级酒店的综合效率受到交通便利程度、旅游资源吸引力和高星级酒店所占比重的影响。纯技术效率受到交通便利程度、科技发展水平、旅游资源吸引力和酒店后备专业人才数量的影响。规模效率受到交通便利程度、对外开放程度和旅游资源吸引力的影响。全要素生产效率受到区域经济发展水平、科技发展水平的影响显著。

(二)建议

1.星级酒店加强自身的管理与经营创新，提升产业效率

充分借助好“酒店+”“互联网+”“共享经济”，瞄准目标客户群体、精准营销、分销。例如有一些酒店主推婚宴市场、亲子产品，积极将酒店营造成为一个社交空间、生活方式的酒店日益增多。在人力资源方面，很多酒店培养“万能工”“一专多能”员工，实行部分服务外包、院校实习生等用工形式，充分利用社会分工和市场资源，提升酒店人员的利用效率。随着管理经验的积累，本土总经理越来越多，他们懂管理、接地气、薪酬又比外国总经理低，成为星级酒店的“优质资产”。酒店业需要加强管理效果，做好开源节流，比如进行能源系统改良、信息化建设、“机器人”服务、自助办理住宿手续、支付手段革新等技术。

2.依托区域经济多因素的驱动提升酒店产业效率

旅游收入反映区域旅游发展水平和旅游产业地位，旅游资源的丰富度影响酒店业的发展。围绕区域经济发展，加大对科技的投入，重视旅游交通基础设施建设，特别是城际轨道建设；对旅游资源合理规划、科学开发，积极推进全域旅游；加大对旅游高等院校、职业院校的教育投入；构建合理的中、高端酒店结构等方面，采取有针对性措施；地方政府在相应的政策供给、产业发展引导等方面需要结合自身特点，进行“扬长补短”。

一些学者研究发现，其他因素也是旅游产业效率的驱动因素，如重大事件(会展节庆)、旅游需求、政府的相关旅游经济政策等。随着统计数据的不断完善和研究方法的逐步提升，有待于选用更具合理性的指标进一步验证和探讨。